南京冬季典型霾天氣過程多元對比分析

程 昊,康 娜,張佳欣,張嘉月

南京冬季典型霾天氣過程多元對比分析

程 昊,康 娜*,張佳欣,張嘉月

(南京信息工程大學,中國氣象局氣溶膠-云-降水重點開放實驗室,江蘇 南京 210044)

選取2017～2020南京地區冬季3個典型霾天氣過程,綜合分析了霾天氣過程中污染物、氣象要素以及邊界層條件等影響機制與特征變化.結果表明,3次過程中,AQI指數峰值分別為304(嚴重污染)、227(重度污染)與176(中度污染),且與PM2.5、PM10濃度變化基本趨于一致,PM2.5與PM10比值基本都大于0.7;污染期間,相對濕度幾乎都在70%以上,最低風速均在1m/s左右,高濕的環境、穩定的氣溫與靜小風為霾天氣的發生提供了有利的氣象條件;3次過程中,均有低混合層高度出現,第1、2次混合層最低高度僅為34m,70m,第3次為204m,整體上PM2.5濃度高值與低混合層高度相對應,配合高頻率、強度大的逆溫,抑制污染物的垂直擴散形成聚集,導致污染加劇;氣溶膠來源多以沙塵與污染性沙塵為主,同時伴隨著部分大陸性污染、少量煙塵與海洋清潔空氣;后向軌跡與潛在源分析表明,3次冬季南京地區霾污染天氣主要受區域污染影響為主,同時氣流遠距離輸送也造成了重要影響,尤其以西北遠距離輸送居多.

霾污染；PM2.5；氣象條件；后向軌跡模擬

南京作為長三角地區的中心城市之一,城鎮化率高,重工業企業聚集,人為活動及其污染物排放較大,大氣污染影響因子復雜,尤其以冬季最為嚴重.國內許多學者對南京地區大氣污染過程及其影響開展了研究,表明霾污染天氣都發生在相對穩定的氣象條件下,污染物濃度與氣象要素,尤其是風速具有較大的相關性[1-3];賈夢唯等[4]對邊界層特征進行了探討,發現穩定的氣象條件配合低混合層高度與逆溫層的出現,污染物垂直擴散能力降低,抑制湍流混合,造成污染物聚集,有利于污染天氣的發生;南京地區的污染不僅與本地排放和局地氣象條件有關,受區域輸送影響,秸稈焚燒是導致南京及周邊地區形成爆發性重污染事件的重要因素[5-6];西北與華北地區的沙塵等污染遠距離輸送也會對南京地區的污染造成一定的影響[7-8];一些學者對南京顆粒物進行了探究,秦瑋等[9]對南京污染時空演變特征分析,發現南京地區顆粒物具有明顯的區域性分布特征;細粒子的濃度與大氣能見度之間呈現很好的負相關性[10-11];顆粒物濃度的升高,尤其是細顆粒物占比增大以及化學組分的二次污染,是導致重污染過程的重要原因[12-13].

本文選取南京地區2017～2020年冬季發生的典型空氣質量霾天氣過程,對多個過程中PM2.5、AQI、常規氣象要素、邊界層特征與氣溶膠來源等方面進行多元對比分析,并結合CALIPSO氣溶膠組分、HYSPLIT后向軌跡以及潛在源PSCF與CWT分析方法模擬分析污染物的來源,探討南京地區污染過程中的相關影響因素、傳輸特征與特征共性,同時通過對比2020年新冠疫情停工減排期間的霾天氣過程,為今后控制人為排放提供參考.

1 資料與方法

1.1 數據來源

AQI、PM2.5和PM10數據取自中國空氣質量在線監測分析平臺(https://www.aqistudy.cn/);氣象信息綜合分析處理系統(MICAPS)數據由南京信息工程大學氣象災害預報預警與評估創新中心提供;混合層高度資料為香港科技大學環境研究所數據(http://envf.ust.hk/dataview/profile/current/),時間分辨率為12h,分別為北京時間的8:00與20:00;逆溫層數據采用懷俄明大學網站(http://weather.uwyo.edu/ upperair/seasia.html),同樣為北京時間8:00與20:00的探空資料;風速風向等常規氣象要素資料來自Wunderground全球天氣精準預報網以及美國國家環境預報中心(NCEP)數據與國家氣象信息中心;氣溶膠組分為CALIPSO衛星數據(https://www.calipso. larc.nasa.gov/);后向軌跡與潛在源分析使用美國國家環境預報中心(NCEP)提供的全球氣象資料同化系統(GDAS)數據,分辨率為0.5°×0.5°,時間分辨率為6h;混合層高度、逆溫等均為對南京站(站點ID: 58238)的探空觀測資料.

1.2　研究方法

利用美國國家環境預報中心(NCEP)提供的全球資料同化系統(GDAS)數據,使用由大氣成分觀測與服務中心(CAWAS)和中國氣象科學研究院(CAMS)開發的HYSPLIT后續軟件TrajStat計算研究大氣污染過程期間氣團的后向軌跡,所用潛在源貢獻因子法(PSCF)和濃度權重軌跡分析法(CWT)是2種以后向軌跡模型為基礎的網絡化統計分析法,其中PSCF是基于條件概率函數發展而來的一種可以利用后向軌跡計算描述可能源地位置空間分布的概率,條件概率大值表示對研究區域的污染物濃度有高的潛在貢獻,但其僅考慮了在某網格點中,經過該點空氣團抵達研究區域高于設定閾值出現的概率,并無法計算得到該網格點污染濃度數值大小,因此配合CWT方法的分析結果,分析不同軌跡和潛在源地位置的污染程度,獲得不同潛在源區貢獻的相對大小.

PSCF是將研究區域分成′個網格,研究時段內所有軌跡的總格點數為,若有n個格點落在網格中,則時間A的概率為 :

[A]表示隨機選擇的氣團在第個網格上相對經過的時間.若在這n個格點中有m個格點對應的軌跡到達時污染物的濃度高于設定的閾值(這里設PM2.5閾值為《環境空氣質量標準》(GB3095- 2012)[14]規定的二級標準75μg/m3),則該事件B的概率為:

[B]反映污染氣團在某一網絡上的相對經過時間.潛在源區貢獻函數(PSCF)為一個條件概率:

(3)

運用權重函數(n)來減小公式計算所帶來的誤差,參照經驗[15]設定為:

則最終PSCF的計算公式為:

CWT是計算利用下列公式計算每個網格()的濃度平均值:

式中:表示的是軌跡;為軌跡的總數;C為軌跡對應點的濃度;τ表示軌跡在(,)上所經過的時間.

2 結果與討論

2.1 南京市2017～2020年空氣質量總體特征

從表1可以發現,2017～2020年期間,南京地區空氣質量整體上有較好的改善,特別是2020年,各級污染的發生天數明顯下降,沒有重度污染等級及以上出現,這與新冠疫情的發生有著一定的聯系,交通的管制、各行業的停工、人類活動的減少等管控措施在很大程度上改善了空氣質量.

從季節分布來看,南京地區重污染呈現出秋冬多,春夏少的特點,重度污染及以上均發生在秋冬季,尤其是冬季,重污染情況最為嚴重,所以重點討論2017～2020年冬季南京地區霾天氣過程.

選取2017～2020年冬季3個典型的霾天氣過程,第1次過程AQI指數達到嚴重污染(3300),第2次過程為重度污染(201～300),2020年由于空氣質量較好,選取了該年空氣質量最為嚴峻的中度污染過程.如表2所示,3次污染過程均以PM2.5為首要污染物.

表1 2017～2020年南京空氣質量

表2 3個典型霾天氣過程概況

2.2 3次污染過程AQI與PM2.5、PM10濃度變化

由圖1可見,3次霾天氣過程中AQI指數與PM2.5及PM10濃度變化基本一致.第1次污染時間持續4d,其中3d在重度污染及以上,AQI峰值為304,為污染程度最為嚴重的一次,達到嚴重污染等級, PM2.5與PM10在污染期間均嚴重超標,整個過程污染積累迅速,之后迅速清除;第2次污染持續時間最長,維持達10d,AQI峰值達到227,為重度污染,PM2.5與PM10濃度在污染發生3d后有一次回落,隨后迅速上升達到峰值,持續一段時間后,污染物清除迅速;第3次污染過程相對較輕,污染持續時間最短,AQI峰值為176,為中度污染,污染發生前在11日空氣質量為優,污染物積累迅速,維持3d后清除,空氣質量明顯好轉,恢復為良等級.

從圖1中還可見,3次過程PM2.5/PM10只有少部分幾天低于0.6,其余都大于0.6,尤其是最后一次過程比值均在0.7以上,說明PM2.5在污染物中占比更大,影響更大,3次典型污染過程都以細顆粒物為主要污染物,是典型的霾天氣過程.這與王琴等[16]研究發現PM2.5/PM10>0.6時,人為污染產生的細顆粒物在污染氣團中起主導作用結論一致.

2.3 3次污染過程氣象要素

較高的相對濕度會使得空氣中粒子的吸濕性能力增強,有助于顆粒物的吸濕增長,增大空氣的渾濁程度,增大霾污染發生的概率,同時會加快化學反應導致二次污染物的生成,從而加重污染物濃度.從圖2可見,3次污染過程南京地區日相對濕度均高于50%,第1次污染過程在污染前期有輕微降水,濕度迅速上升,PM2.5濃度較低,之后相對濕度維持在70%以上,PM2.5濃度開始上升,在31日達到最高值,隨著南京地區發生強降水,PM2.5濃度由于濕沉降作用迅速下降,重霾污染去除;第2次污染過程一直保持較高的相對濕度,顆粒物吸濕增長,污染物逐漸積累,PM2.5濃度在11月30日達到最大值,后期的連續性降水,霾污染被逐漸清除.最后一次污染期間,相對濕度最高,由于11日發生了降水,之后相對濕度一直維持在85%以上,為污染的發生創造了良好的條件,強降水的再次發生,使相對濕度進一步驟升接近100%,PM2.5濃度也隨著濕沉降的作用驟降,霾污染被迅速清除.值得注意的是,第2次污染過程中,11月26日相對濕度高于95%時,并沒有發生降水,PM2.5濃度卻有所降低,鄭飛龍等[17]認為過高的相對濕度使得高空水汽充足同樣會引起濕沉降清除,從而導致大氣顆粒物濃度有所下降,與本文結論一致.

圖1 三次污染過程AQI和PM2.5/PM10

溫度是影響大氣對流的主要因素之一,溫度越低,大氣對流運動越弱,不利于污染物的擴散,從而導致污染物的積累.3次污染過程中,僅有第3次污染過程(圖2(c)),溫度相對較低,最高溫度為4℃,有利于污染的發生;第1次污染過程(圖2(a)),溫度變化較為波動,整個過程溫差最大達到6℃,對污染物的擴散沒有明顯影響;第2次污染期間(圖2(b)),整個過程溫度維持在10℃,同時相對濕度均保持在70%以上,此環境對空氣中顆粒物的化學反應有一定促進作用,同時穩定的氣象條件也為霾污染天氣的發生創造了良好的條件.

從圖3(a)可見,南偏西方向風速較小,相應的PM2.5的濃度較高,PM2.5濃度最低值出現在北偏東方向;第2次污染過程(圖3(b))呈現出南北方向風速高,東西低的特點,AQI最低值出現在北方向,該風向風速最大,約為7m/s;第3次污染過程(圖3(c))整體風速相對前2次較小,最大風速為5m/s,西方風速最低,相應的PM2.5濃度也最大,PM2.5濃度最低值同樣出現在北偏東方向.

一般來說,PM2.5濃度與風速呈負相關關系,較低的風速會降低污染物在水平方向的擴散能力,加之穩定的邊界條件,使得污染物輸送不充分形成積累,從而增加污染物濃度.3次污染過程中,南京地區北偏東方向無論風速強弱,相對的PM2.5濃度均較低,說明南京北偏東方向污染較輕,污染物較少,同時北部山脈對風與污染物也起到了一定的阻礙作用.南京作為省會城市,經濟發達,高層建筑群較多,在一定程度也影響著地表風的傳輸能力,不利于污染物的擴散清除,是阻礙污染輸送的另一重要因素.

2.4 3次污染過程逆溫

大氣邊界層內逆溫的多寡、強度等是衡量大氣擴散能力的重要指標,低空逆溫層會抑制近地面大氣污染物的垂直擴散能力[18].從表3可見,第1次污染過程,白天脫地逆溫頻次達到了一半,夜晚以脫地逆溫為主,達到了75%,其中12月31日8:00貼地逆溫強度最大,為5.8℃/100m,是該日污染達到整個過程最嚴重程度的重要影響因素.

第2次污染過程以脫地逆溫為主,貼地逆溫頻次同樣較高,白天脫地逆溫頻次明顯高于貼地逆溫,整個過程僅有1d白天沒有脫地逆溫出現,夜晚貼地與脫地逆溫頻次相當,均達到了66.7%,11月26日8:00的脫地逆溫在三次污染過程當中強度最大,為6.4℃/100m,是形成此次持續10d的長時間空氣污染的重要原因,貼地逆溫多出現在污染發生的前半段,隨著貼地逆溫的減少,污染也有所減輕.

第3次污染過程以脫地逆溫為主,整個過程污染程度相對較輕,僅在13日的白天有貼地逆溫出現,逆溫強度最大值出現在12日的夜晚,為3℃/100m,這也為12～14日持續3d的污染創造了良好的條件.

3次污染過程呈現逆溫頻率高,強度大的特點,3次過程雖均以脫地逆溫為主,但貼地逆溫對地面的污染影響更大,高頻率的近地面強逆溫,使得大氣的湍流熱能和動能交換減弱,不利于污染向高空有效擴散,導致污染物在近地面附近聚集滯留造成空氣質量惡化,形成長時間、重程度的污染.

表3 三次污染過程南京地區逆溫層特征

注:脫地逆溫為800hPa(約2km)以下的逆溫,逆溫頻次表示污染期間出現逆溫次數在總天數中的占比.

2.5 3次污染過程混合層高度

由圖4(a)可見,第1次污染過程混合層平均高度為479m,有5d存在混合層高度低于100m的情況,從27日20:00持續到30日8:00,混合層高度始終在400m以下,29日20:00出現了3次污染過程混合層高度的最低值,僅為34m,低混合層高度使污染在近地面附近聚集,隨后PM2.5濃度飆升,形成持續4d的嚴重污染.

第2次污染過程(圖4(b)),混合層高度呈現出波動下降的趨勢,混合層平均高度在3次污染過程中最低,為471m,整個過程僅有第1d的8:00混合層高度在1km以上,11月25～12月3日期間,混合層高度一直處于較低的高度,均不超過800m,最低高度出現在25日20:00,為70m,與此過程持續10d的污染階段相對應,混合層高度低值期間,對應的PM2.5濃度較低,兩者存在明顯的負相關關系.

第3次污染過程(圖4(c)),混合層高度普遍較低,始終處于1km以下,平均值為600m,最低值出現在14日20:00,為204m,對應的PM2.5濃度也在當天達到最高值155μg/m3,低混合層高度不利于污染物的垂直擴散,配合較強的脫地逆溫,為此次高濃度污染創造了良好的條件.

3次污染過程混合層高度均較低,極低混合層高度期間對應的PM2.5濃度相對較高,兩者呈現明顯負相關.較低的混合層高度不利于污染物在垂直方向上的擴散,配合高頻、強度大的逆溫進一步使得污染物在近地面的積累,是影響近地面空氣污染的重要原因.

2.6 南京市氣溶膠來源與PM2.5潛在源區分析

2.6.1 氣溶膠來源 利用HYSPLIT模型的后續軟件Trajstat對3次污染過程距地面500m高度后向72h時間尺度的氣流軌跡進行聚類分析,采用總空間相異度(Total Spatial Variance, TSV)方法確定聚類的數目[19],并結合CALIPSO衛星掃描軌跡經過南京及周邊地區的氣溶膠類型圖以及MODIS火點進行污染成分及來源分析.

從圖5可以看出,后向軌跡經過聚類分析后共有6條.其中氣流軌跡4占比最大,為26.56%,同時氣流起始高度最低,移動緩慢在850hPa(約1500m)高度以下,主要來自山東西部;其中來自內蒙古地區的氣流軌跡2、軌跡5占比分別為15.10%與13.54%,且氣流軌跡較長,移動速度較快,輸送高度最高,均在650hPa(約3700m)以上,經過寧夏、山西、河北等地,軌跡2在最后階段由西北方向從黃海轉為東北方向貫穿江蘇中部,抵達南京地區,軌跡5則經過上海、江蘇、安徽等發達地區再返回流入南京,是大陸性城市污染的主要來源,此2類氣流軌跡為污染期間由西北遠距離輸送大量沙塵與污染性沙塵污染物;軌跡1與軌跡6的氣流軌跡相似,移動速度相對較慢,氣流高度相對較低,軌跡1來自河北,途徑山東,經過黃海向西經過上海抵達南京地區,軌跡6氣流主要來自海洋,從渤海經過黃海,再從上海方向流向南京;氣流軌跡3占比最低,為11.46%,與其他氣流不同的是,為西南氣流,移動緩慢,氣流高度較高,自江西經過浙江、安徽等發達地區,可能攜帶人為因素產生的細粒子到南京地區.從疊加的火點圖可以看出,沿氣流軌跡4,山東西部火點較為密集,是期間煙粒污染主要來源. 2017年12月29日CALIPSO(圖6)氣溶膠來源顯示南京地區以沙塵與污染性沙塵為主,同時伴隨著部分的煙粒污染與大陸性污染.

圖6 2017年12月29日CALIPSO氣溶膠來源

第2次污染過程(圖7)氣流軌跡聚類分析同樣分為6條.此次過程主要受區域性污染影響,其中氣流軌跡5在此次過程中占比最大,達到64.39%,來自湖北北部,途徑河南南部,貫穿安徽中部,在江蘇徘徊到達南京地區,移動緩慢,氣流高度較低,在此次污染過程占絕對優勢,由于移動緩慢,風速較小,大氣擴散能力弱,易將周邊污染物在南京地區聚集,從而形成高濃度污染;軌跡1為西北氣流中遠距離輸送,占比為25%,來自陜西西北部,途徑河南、安徽等地,是沙塵與污染性沙塵的主要來源;氣流軌跡2、3、6均為西南氣流,占比較小,高度較低,來自江西東部、福建,經過浙江與安徽抵達南京;軌跡4為西北氣流遠距離輸送,占比最少,僅占總軌跡的1.52%,對此次污染過程影響較小. 此次過程氣流軌跡路徑上火點相對較少. 2018年11月30日CALIPSO(圖8)氣溶膠來源,顯示該日南京及周邊地區同樣以污染性沙塵與沙塵粒子居多,伴隨部分清潔高濕海洋空氣與少量大陸性污染與煙粒.

第3次污染過程(圖9)氣流軌跡聚類結果為4條,其中軌跡4出現頻率最高,為34.72%,從山東南部,經過河南東部及安徽北部,到達南京地區,軌跡長度短,氣流高度較低,在950hPa(約1000m)左右;其次為軌跡1,占31.25%,來自內蒙古東部,途徑遼寧西部,經過渤海,在黃海向西南移動經過江蘇,攜帶部分北方的沙塵與清潔海洋潮濕空氣到達南京地區;來自內蒙古西北遠距離的氣流軌跡3,占比最低,為10.42%,移動路徑長,速度快,是導致南京地區沙塵與沙塵性污染的另一主要原因;軌跡2,占比23.61%,來自山東省,從北向南進入江蘇到達南京地區,與軌跡4相似,移動緩慢,氣流高度低,不利于污染的擴散,使得污染積累,從而加重污染. 此過程中火點分布廣,較為密集,氣流軌跡2路徑上山東、軌跡3路徑上山西、河南、安徽等省市火點對南京煙粒污染有一定影響.2020年1月14日CALIPSO(圖10)氣溶膠來源顯示,該日南京及周邊主要以大陸性污染為主,伴有部分清潔海洋空氣,高層為污染性沙塵、沙塵粒子及少量煙粒.

圖8 2018年11月30日CALIPSO氣溶膠來源

綜上所述,南京地區3次典型霾天氣過程主要以區域性污染為主,同時西北氣流遠距離輸送也造成了一定的影響.3次污染過程中,南京及周邊地區的氣溶膠來源多為沙塵、污染性沙塵與大陸性污染物,煙粒污染也是不可忽略的一部分.南京本地及周邊發達地區與城市的人類活動與工業交通等產生的大陸城市污染產生的細粒子影響嚴重,另一方面,西北方向的長距離輸送攜帶的沙塵、污染性沙塵等在氣溶膠來源中占較大比例,伴隨著秸稈燃燒等產生的煙粒,在一定程度上加重了污染,形成典型污染過程.

2.6.2 PSCF和CWT 分別用PSCF和CWT潛在源區的方法分析3次過程PM2.5的來源,PSCF主要體現某區域中污染軌跡所占的比例,配合CWT方法,對南京地區PM2.5進行進一步的潛在源區貢獻分析,來確定潛在源區的污染程度.

圖9 第3次過程氣溶膠聚類模擬及火點分布

圖10 2020年1月14日CALIPSO氣溶膠來源

圖11 三次污染過程PSCF與CWT

由圖11可見,第1次污染過程的潛在源區主要集中在安徽、江蘇南部以及河北等,受區域性污染與遠距離輸送共同影響,這與后向軌跡聚類結論一致,從CWT圖可以發現,主要貢獻區與潛在源區大致相同,貢獻最大的區域還是安徽與河北地區;第2次污染過程,潛在源區主要集中在本地及附近上海、安徽等發達地區,呈現出以南京地區為中心,向四周擴散的特點,在距離較遠的地區貢獻相對較小,整個過程以區域污染為主,CWT分析發現貢獻最大區域是在南京本地及附近城市,在江西北部同時也存在小區域CWT高值. 第3次污染過程,潛在源區明顯集中在南京地區西北方,如山東、河南與安徽等省市呈“C”字型,東部地區貢獻較低,CWT值較前兩次過程有所下降,主要貢獻區域同樣集中在山東、河南及安徽等區域,以西北方區域污染為主.

3 結論

3.1 南京地區2017～2020年冬季3次典型霾天氣過程,分別為2017年12月27日～2018年1月3日、2018年11月23日～12月4日和2020年1月11日～1月16日,AQI峰值分別為304、227與176.穩定的氣象條件加之較低的地表風速使得污染物在垂直與水平方向的擴散輸送能力降低,同時較高的相對濕度增加了粒子的吸濕性,導致了高濃度重空氣污染的發生.

3.2 3次污染過程中都有頻率高、強度大的逆溫出現,以頻率皆大于50%的脫地逆溫為主,3次最大逆溫強度分別為5.8,6.4,3.0℃/100m.強貼地逆溫與污染物濃度高值相對應,對污染影響更大.逆溫層的出現使得大氣湍流熱能和動能交換削弱,抑制污染物的高空擴散能力,從而引起污染物的積累.

3.3 三次污染過程混合層高度最低值分別為34,70,204m,較低的混合層高度不利于污染物的有效垂直擴散,配合高頻率、強度大的逆溫進一步使得污染物在近地面積累,是影響近地面空氣污染的重要原因.

3.4 結合后向軌跡聚類、MODIS火點數據及CALIPSO衛星氣溶膠組分分析發現,3次污染過程發生的主要原因為區域污染,同時受冬季冷空氣影響,我國北部內陸氣流西北遠距離輸送影響顯著.除本地及周邊地區排放的大陸性污染以外,西北氣團經過長距離輸送攜帶沙塵、污染性沙塵等,同時伴隨著移動路徑上秸稈燃燒等產生的煙粒影響南京地區,加重污染程度.

3.5 PSCF與CWT得到的結果基本一致,3次過程南京及周邊地區潛在貢獻較大,與聚類后向軌跡結論一致,東部多為海洋高濕清潔氣團,對南京地區的污染貢獻較小,整體上呈現出西高東低的特點.

3.6 三次霾天氣過程中,2020年受新冠疫情期間停工減排的影響,空氣質量僅為輕度污染,可見對人工排放的控制對空氣質量的影響尤為重要.

[1] 康 娜,胡 康,Kanike Raghavendra Kumar,等.2015年10月南京霾污染過程分析 [J]. 環境科學研究, 2017,30(12):1832-1840.

Kang N, Hu K, Kumar K R, et al. Analysis of haze weather process in Nanjing City in October 2015 [J]. Research of Environmental Sciences, 2017,30(12):1832-1840.

[2] 宋子祎,錢小立,康 娜,等.南京市一次持續性霾天氣的多元分析 [J]. 環境科學與技術, 2018,41(S1):245-250.

Song Z Y, Qian X L, Kang N, et al. Multivariate analysis of a persistent haze in Nanjing City [J]. Environmental Science & Technology, 2018,41(S1):245-250.

[3] 胡 康,康 娜,Kanike Raghavendra Kumar.南京秋冬季2次霾污染天氣過程分析 [J]. 環境科學與技術, 2017,40(5):158-164.

Hu K, KANG N, Kumar k R. Analysis of two haze weather process in Nanjing during autumn and winter [J]. Environmental Science & Technology, 2017,40(5):158-164.

[4] 賈夢唯,康 娜,趙天良.南京秋冬季典型霾污染過程及邊界層特征分析 [J]. 環境科學與技術, 2014,37(S2):105-110.

Jia M W, Kang N, Zhao T L. Characteristics of typical autumn and winter haze pollution episodes and their boundary layer in Nanjing [J]. Environmental Science & Technology, 2014,37(S2):105-110.

[5] 朱 彬,蘇繼鋒,韓志偉,等.秸稈焚燒導致南京及周邊地區一次嚴重空氣污染過程的分析 [J]. 中國環境科學, 2010,30(5):585-592.

Zhu B, SU J F, Han Z W, et al. Analysis of a serious air pollution event resulting from crop residue burning over Nanjing and surrounding regions [J]. China Environmental Science, 2010,30(5):585-592.

[6] 吳萬寧,查 勇,王 強,等.南京地區冬夏季大氣重污染個例對比分析 [J]. 中國環境科學, 2014,34(3):581-587.

Wu W N, Zha Y, Wang Q, et al. Comparative analysis of winter and summer heavy atmospheric pollution events around Nanjing [J]. China Environmental Science, 2014,34(3):581-587.

[7] 崔金夢,王體健,高麗波,等.2016年冬季南京地區大氣污染特征的觀測分析 [J]. 氣象科學, 2020,40(4):427-437.

Cui J M, Wang T J, Gao L B, et al. Observational analysis on air pollution characteristics in Nanjing during winter of 2016 [J]. Journal of the Meteorological Sciences, 2020,40(4):427-437.

[8] 戰楊志豪,謝 旻,羅 干,等.2018年冬季南京重霾污染特征及氣象因素分析 [J]. 環境科學學報, 2020,40(11):4038-4047.

Zhan Y Z H, Xie M, Luo G, et al. Pollution characteristics of a haze episode in Nanjing in the winter of 2018 and the possible meteorological driving force [J]. Acta Scientiae Circumstantiae, 2020, 40(11):4038-4047.

[9] 秦 瑋,范廣強,張天舒,等.基于激光雷達和地面監測數據對南京一次沙塵和細粒子污染時空演變特征的分析 [J]. 大氣與環境光學學報, 2016,11(4):270-280.

Qin W, Fan G Q, Zhang T S, et al. Spatiotemporal evolution characteristics of a dust and fine particle pollution in Nanjing based on lidar and ground monitoring data [J].Journal of Atmospheric and Environmental Optics, 2016,11(4):270-280.

[10] 王 磊,孫 燕,魏建蘇,等.2014年南京春節前后空氣污染特征及其氣象條件分析 [C]//第十二屆全國氣溶膠會議暨第十三屆海峽兩岸氣溶膠技術研討會論文集, 2015:14.

Wang L, Sun Y, Wei J S, et al. Analysis of air pollution characteristics and meteorological conditions before and after the Spring Festival in Nanjing in 2014 [C]//The 12th National Aerosol Conference and the 13th Cross Strait Workshop for Aerosol Science &Technology, 2015:14.

[11] 魏玉香,銀 燕,楊衛芬,等.南京地區PM2.5污染特征及其影響因素分析 [J]. 環境科學與管理, 2009,34(9):29-34.

Wei Y X, Yin Y, Yang W F, et al. Analysis of the pollution characteristics & influence factors of PM2.5in Nanjing Area [J]. Environmental Science and Management, 2009,34(9):29-34.

[12] 喻義勇,陸曉波,朱志峰,等.南京2013年12月初持續重污染天氣特征及成因分析 [J]. 環境監測管理與技術, 2015,27(2):11-16.

Yu Y Y, Lu X B, Zhu Z F, et al. The weather characteristics and causes analysis for continuous heavy air pollution of Nanjing during early December in 2013 [J].The Administration and Technique of Environmental Monitoring, 2015,27(2):11-16.

[13] 張海鷗,周瑤瑤,馬 嫣,等.南京霾天氣及PM2.5化學污染特征分析 [J]. 環境科學與技術, 2015,38(3):114-118.

Zhang H O, Zhou Y Y, Ma Y, et al. Chemical pollution characteristics of PM2.5in haze weather in Nanjing [J]. Environmental Science & Technology, 2015,38(3):114-118.

[14] GB3095-2012 環境空氣質量標準 [S].

GB3095-2012 Ambient air quality standards [S].

[15] 李顏君,安興琴,范廣洲.北京地區大氣顆粒物輸送路徑及潛在源分析 [J]. 中國環境科學, 2019,39(3):915-927.

Yi Y J, An X Q, Fan G Z. Transport pathway and potential source area of atmospheric particulates in Beijing [J]. China Environmental Science, 2019,39(3):915-927.

[16] 王 琴,馬琳達.貴陽市空氣中PM2.5/PM10時空分布特征研究 [J]. 環保科技, 2015,21(1):28-31,35.

Wang Q, Ma L D. Discussions on characteristics of PM2.5/PM10in atmospheric environment of Guiyang City [J]. Environmental Protection and Technology, 2015,21(1):28-31,35.

[17] 鄭龍飛,謝郁寧,劉 強,等.南京地區2013年12月重霾污染事件成因分析 [J]. 大氣科學學報, 2016,39(4):546-553.

Zheng L F, Xie Y N, Liu Q, et al. Heavy haze events during December 2013 in Nanjing [J]. Trans. Atmos. Sci., 2016,39(4):546-553.

[18] 段 瑋,萬石云,段 旭.昆明壩子邊界層貼地逆溫特征及其成因 [J]. 云南地理環境研究, 2014,26(4):1-6,34.

Duan W, Wan S Y, Duan X. Characteristics and causes of ground temperature inversion in boundary layer of dam in Kunming [J]. Yunnan Geographic Environment Research, 2014,26(4):1-6,34.

[19] 沙丹丹,王紅磊,朱 彬,等.冬季PM2.5中含碳氣溶膠的污染特征——長江三角洲地區一次區域重污染過程分析 [J]. 中國環境科學, 2017,37(10):3611-3622.

Sha D D, Wang H L, Zhu B, et al. Pollution characteristics of carbonaceous aerosols in PM2.5during a regional heavy air pollution episode in winter in the Yangtze River Delta [J]. China Environmental Science, 2017,37(10):3611-3622.

[20] Xin Huang et al. Amplified transboundary transport of haze by aerosol–boundary layer interaction in China [J]. Nature Geoscience, 2020,13(6):428-434.

[21] 彭 薇,李云丹,康 娜,等.長三角秋冬季典型區域霾天氣特征及對比分析 [J]. 中國環境科學, 2021,41(7):3043-3054

Peng W, Li Y D, Kang N, et al. Characteristics and comparative of typical haze weather during autumn and winter in the Yangtze River Delta [J]. China Environmental Science, 2021,41(7):3043-3054.

[22] 危詩敏,馮鑫媛,王式功,等.四川盆地多層逆溫特征及其對大氣污染的影響 [J]. 中國環境科學, 2021,41(3):1005-1013.

Zhan S M, Fen X Y, Wang S G, et al. Characteristics of multi-layer inversions in Sichuan Basin and their influences on air pollution [J]. China Environmental Science, 2021,41(3):1005-1013.

[23] 張瀅瀅,陳 明,陳麗英.海口市重污染天氣潛在源分析研究 [J]. 氣象與環境學報, 2019,35(2):107-111.

Zhang Y Y, Chen M, Chen L Y. Potential source analysis of heavy pollution weather in Haikou [J]. Journal of Meteorology and Environment, 2019,35(2):107-111.

[24] 邱 堅,霍玉玲,萬學平,等.鎮江市四季PM2.5污染特征與潛在源區分析 [J]. 環境工程, 2019,37(6):123-130.

Qiu J, Huo Y L, Wang X J, et al. Analysis on seasonal differences of pollution characteristics and potential sources of PM2.5of Zhenjiang [J]. Environmental Engineering, 2019,37(6):123-130.

[25] 劉迎云,姜 雨,宗 梁,等.基于HYSPLIT模型的衡陽市大氣PM2.5潛在源分析 [J]. 南華大學學報(自然科學版), 2019,33(6):12-17.

Liu Y Y, Jiang Y, Zong L, et al. Potential source analysis of PM2.5based on HYSPLIT model in Hengyang [J]. Journal of University of South China (Science and Technology), 2019,33(6):12-17.

[26] 羅 彪,劉 暄.基于后向軌跡模式下的合肥市大氣污染來源研究 [J]. 中國科學技術大學學報, 2019,49(4):321-328.

Luo B, Liu X. Investigation on the source of air pollutants in Hefei city based on backward trajectory model [J].Journal of University of Science and Technology of China, 2019,49(4):321-328.

[27] 祝祿祺,仝紀龍,潘 峰,等.基于HYSPLIT后向軌跡模式判斷河谷型城市大氣污染物來源 [J]. 環境科技, 2019,32(5):43-47,53.

Zhu L Q, Tong J L, Pan F, et al. Study of air pollution transportation source in Valley-City based on the hysplit backward trajectory mode [J]. Environmental Science and Technology, 2019,32(5):43- 47,53.

[28] 王中杰,霍 娟,杜惠云,等.2015～2019年日照市PM2.5長期變化特征及其潛在源區分析 [J]. 中國環境科學, 2021,41(9):3969-3980.

Wang Z J, Huo J, Du M Y, et al. Long term characteristics and potential sources of PM2.5in Rizhao City from 2015 to 2019 [J]. China Environmental Science, 2021,41(9):3969-3980.

[29] 吉 慶,武麥鳳,何 林,等.渭南市2015～2017年典型霾天氣過程氣象特征分析 [J]. 陜西氣象, 2019,(6):12-18.

Ji Q, Wu M F, He L, et al.Analysis on meteorological characteristics of typical haze weather process in Weinan City from 2015 to 2017 [J].Journal of Shaanxi Meteorology, 2019,(6):12-18.

[30] 孫丹丹,楊書運,王體健,等.長三角地區城市O3和PM2.5污染特征及影響因素分析 [J]. 氣象科學, 2019,39(2):164-177.

Sun D D, Yang S Y, Wang T J, et al. Characteristics of O3and PM2.5and its impact factors in Yangtze River Delta [J]. Journal of the Meteorological Sciences, 2019,39(2):164-177.

[31] 韓博威,馬曉燕.2014～2018年冬季長三角強霾事件及天氣形勢影響分析 [J]. 環境科學學報, 2020,40(7):2333-2345.

Han B W, Ma X Y. Analysis of the severe haze events in the Yangtze River Delta during the winter of 2014～2018 and the impact of the weather situation on severe haze [J]. Acta Scientiae Circumstantiae, 2020,40(7):2333-2345.

[32] 鄧發榮,康 娜,Kanike Raghavendra Kumar,等.長江三角洲地區大氣污染過程分析 [J]. 中國環境科學, 2018,38(2):401-411.

Deng F R, Kang N, et al. Analysis of air pollution episodes over different cites in the Yangtze River Delta [J]. China Environmental Science, 2018,38(2):401-411.

[33] 王愛平,朱 彬,銀 燕,等.黃山頂夏季氣溶膠數濃度特征及其輸送潛在源區 [J]. 中國環境科學, 2014,34(4):852-861.

Wang A P, Zhu B, Yin Y, et al. Aerosol number concentration properties and potential sources areas transporting to the top of mountain Huangshan in summer [J]. China Environmental Science, 2014,34(4):852-861.

[34] 張 唯,熊險平,劉炳杰,等.氣象條件對華北平原持續性霧霾污染程度的影響研究 [J]. 環境科學與管理, 2020,45(8):34-38.

Zhang W, Xiong X P, Liu B J, et al. Study on influence of meteorological conditions on persistent haze pollution in North China Plain [J].Environmental Science and Management, 2020,45(8): 34-38.

[35] 王愛平,朱 彬,秦 瑋,等.新冠疫情嚴控期間南京市空氣質量分析 [J]. 中國環境科學, 2021,41(7):3088-3095

Wang A P, Zhu B, Qin W, et al. Analysis on air quality in Nanjing during COVID-19lockdown period [J]. China Environmental Science, 2021,41(7):3088-3095

Multivariate comparative analysis of typical haze weather episodes in Nanjing.

CHENG Hao, KANG Na*, ZHANG Jia-xin, ZHANG Jia-yue

(Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China)., 2022,42(3)：993～1004

This paper selects three typical haze weather processes occured in Nanjing during winter of 2017～2020. A comprehensive analysis with the influence mechanism and characteristic changes of pollutants, meteorological elements, and boundary layer conditions in the haze pollution process are investigated. The results show that the peak values of the air quality index (AQI) values were found during the three pollution processes with 304 (severe pollution), 227 (severe pollution), and 176 (moderate pollution). These were consistent and associated well with the changes of PM2.5and PM10concentrations. The ratio of PM2.5to PM10was greater than 0.7signifies the dominant presence of fine aerosols in the winter period at Nanjing. During the pollution episode, the relative humidity (RH) was found maximum with greater than 70%, and the minimum wind speed was about 1m/s. The high RH, low temperatures, and calm with stable winds provided favorable meteorological conditions for the occurrence of haze weather in the winter. During the three pollution processes, the mixing layer height observed low. During the first and second processes, the lowest height of mixing layers was only 34m and 70m, and the third time was 204m. On the whole, the high value of PM2.5concentration corresponds to the low mixing layer height. Combined with the temperature inversion, it inhibits the vertical diffusion of pollutants and forms accumulation, resulting in increase of pollution. In Nanjing, aerosol sources were mainly from sand dust and polluted sand dust, accompanied by some continental pollution sources such as small amount of smoke, dust, and marine clean air. The analysis of backward trajectory and potential source shows that the haze pollution weather during winter in Nanjing was mainly affected by regional pollution, and the long-distance transportation of airmass from the northwest.

haze pollution；PM2.5；weather conditions；backward trajectory simulation

X513

A

1000-6923(2022)03-0993-12

程 昊(1997-),男,江蘇淮安人,南京信息工程大學碩士研究生,主要從事大氣環境研究.

2021-08-05

國家自然科學基金項目(41822504,41805121,41775123)

*責任作者, 副教授, kangna@nuist.edu.cn