兩類污染型下中低空風切變對PM2.5濃度影響

吳 進,李 琛,王志立,馬志強,李梓銘,朱曉婉,韓婷婷,唐宜西,馬小會

兩類污染型下中低空風切變對PM2.5濃度影響

吳 進1,李 琛2,王志立3*,馬志強1,李梓銘1,朱曉婉1,韓婷婷1,唐宜西1,馬小會1

(1.京津冀環境氣象預報預警中心,北京 100089；2.北京市氣象服務中心,北京 100089；3.中國氣象科學研究院,災害天氣國家重點實驗室和大氣化學重點開放實驗室,北京 100081)

基于2015～2020年京津冀地區生態環境監測數據和多源氣象數據,分析了北京地區0～3km中低空垂直風切變在不同PM2.5等級下的演變特征.結果表明,風速日變化特征隨著PM2.5濃度升高而逐漸減弱,PM2.56級污染時近地面風速日變化基本消失,甚至反向變化;白天邊界層風速增大時段對應10m/(s·km)以下的風切變,20:00后增大至12～14m/(s·km),該現象隨著PM2.5污染加重變得更為顯著,白天時段近地層垂直風切變較小值(<6m/(s·km))維持,可能是污染嚴重的信號之一;基于旋轉經驗正交函數分解法(REOF),將污染日下中低空垂直風切變分為無擾動型和壓縮型,壓縮型低壓強度略強于無擾動型,無擾動型的PM2.5濃度均值、峰值較壓縮型更高,逆溫強于壓縮型,另外,無擾動型PM2.5濃度增長期和邊界層高度(PBLH)反向變化,壓縮型PM2.5濃度增長期和PBLH同向變化.

垂直風切變；PM2.5；REOF；邊界層

通常,大氣嚴重污染出現在地面附近為小風或靜風條件下,其所造成不利的水平擴散條件被眾多學者關注[1-3].而相較于其他基礎氣象要素而言,風隨高度的變化更能表征大氣垂直方向的動力混合狀況,代表近地層污染物向上交換的能力[4],對大氣容量的調制、污染物的聚集和擴散有著至關重要的作用[5-6],同時,風的垂直廓線直接影響污染物垂直分布[7-8].研究表明,偏北風背景下區域污染物的下沉傳輸是PM2.5濃度快速增長的主要因素之一[9],但垂直運動“分層”結構也會導致高空偏北風背景下形成北京地區高污染環境[10].同時,邊界層低空急流顯著影響了氣溶膠傳輸和擴散,調整了大氣穩定度和邊界層高度[11-12].不同類型污染事件的風垂直廓線存在中低空通量風差異[13],46～156m和156～296m高度之間PM2.5傳輸通量最高[14].因此,邊界層內環境風場垂直分布模態與近地面PM2.5濃度息息相關,在區域污染事件中近地面顆粒物濃度與邊界層平均垂直風切變呈正相關,與邊界層高度呈顯著負相關[15],而邊界層內溫壓濕風垂直分布的非均勻性是影響PM2.5濃度的主要影響因素[16-17].

以往的研究中,北京地區的垂直風切變多應用于強對流天氣等強大氣垂直動力交換條件分析[18-19],較少用于空氣污染研究.重污染雖多發于弱垂直風切變天氣背景下,但風隨高度變化的廓線跟PM2.5濃度廓線密切相關[20],同時,不同高度風的差異與大氣穩定度、山谷風和海陸風等局地環流息息相關[21],且對大氣容量的調制、污染物的峰值濃度和維持時段等均有重要作用.本研究基于多源氣象和環境監測數據,采用合成分析和REOF旋轉經驗正交分解方法,研究了不同PM2.5污染等級下、不同污染型下0～3km垂直風切變的變化特征,旨在進一步弄清重污染過程發生、發展、維持和消亡的氣象學機理.

1 材料與方法

1.1 數據來源

北京地區生態環境監測數據來源于北京生態環境監測中心發布的北京區域35個監測站的逐時PM2.5濃度數據(http://zx.bjmemc.com.cn/).觀象臺風廓線雷達位于北京觀象臺(39.8°N,116.47°E),海拔高度32.5m,垂直探測范圍為150～8960m,共50層,時間分辨率均為6min,每個采樣高度上所獲得的數據包括采樣高度、水平風向(°)、水平風速(m/s)、垂直風速(m/s)、水平方向可信度(%,0～100)和垂直方向可信度(%,0～100)等,風廓線雷達數據來自北京市氣象局信息中心,均通過質量控制.

1.2 垂直風切變計算方法

表征垂直風切變的方法較多,以計算兩點之間風的矢量差最為常見[22],但由于風廓線雷達每層距離并不均勻,若單純使用風矢量差進行不同層次的比較無顯著意義,所以本文采用Zhang等[23]針對垂直風切變的計算方式,具體公式如下:

式中,VWS為高度1和2(2>1)之間的垂直風切變,單位為m/(s·km);u1和u2分別代表1和2層風速的緯向分量, m/s;v1和v2分別代表1和2層風速的徑向分量, m/s.該方法能去除不同層次之間的高度差異,使得不同高度垂直風切變的計算結果具有可對比性.

1.3 旋轉經驗正交函數分解法(REOF)

經驗正交函數(EOF)是從氣象變量場數據集中識別出主要的相互正交的空間分布型和相互獨立的新變量序列,用少數幾個新變量序列反映原多個變量的變化信息,或者說降低數據的自由度或維度.但EOF分析中前幾個特征向量過分強調與分析區域尺度相當的現象,因而在區域相關結構、局部特征上反映不顯著,REOF在EOF基礎上對空間型再做調整,盡量反映場的局部相關結構,更有助于氣象要素場的分析研究[24-25].因此,本研究采用REOF分析法提取要素主要變化規律.

1.4 邊界層高度計算方法

基于2015～2020年北京觀象臺逐小時人工觀測數據,使用地面氣溫、地面露點溫度、風速、云量、地面粗糙度等氣象要素,采用羅氏法[26-27]計算得出延慶站逐小時邊界層高度,計算方法如下:

式中:為地面氣溫℃;d為地面露點溫度℃;u為高度處的風速m/s;0為地面粗糙度;為柯氏參數,=2sin;為帕斯奎爾穩定度級別(大氣穩定度級別為A～F時,值依次為1～6).目前,氣象部門取消了人工云觀測,帕斯奎爾穩定度級別中的云量數據采用了靜止氣象衛星FY-2E的反演結果.對比分析表明,帕斯奎爾穩定度級別與使用人工觀測云量的計算結果一致[28].

2 結果與討論

2.1 2015～2020年PM2.5濃度不同等級下垂直風切變變化

每年10月至次年3月是北京地區污染天氣多發的季節.地面小風或者靜風往往是污染發生并持續的必要條件[29],但地面弱風并不等同于垂直風切變小,相反,較強的逆溫層可能對應著更強烈的垂直風切變[30].將2015～2020年每年1～3月、10～12月垂直風切變按照PM2.5濃度不同等級進行統計(圖1),近地面270m垂直風切變四分位距為4～16m/ (s·km),隨著高度升高而逐漸減小,3150m高度四分位距為4～10m/(s·km);從平均值的分布來看,各個等級1470m以下垂直風切變波動較大,1470m以上垂直風切變逐漸減小,其變化趨于平緩.各個等級之間變化無顯著規律性,但在1470m以上隨著PM2.5濃度升高,垂直風切變均值逐漸減小,但6級嚴重污染情況下,風切變均值再次增大.

合成PM2.5濃度不同等級日變化之后(圖2),結果表明風速日變化特征明顯,10:00之后邊界層風速開始增大,00:00之后風速減小,風速日變化特征隨著PM2.5濃度升高而逐漸減弱,PM2.56級污染時近地面風速日變化基本消失[圖2(f)],甚至在邊界層中高層出現白天風速小夜間風速大的反向變化,這可能與強逆溫層內外風速差異相關.從垂直風切變來看,白天邊界層風速增大時段對應10m/(s·km)以下的風切變,20:00之后風切變增大,邊界層低層增大到12～14m/(s·km),該現象隨著PM2.5污染加重變得更為顯著,PM2.56級污染時14:00～18:00地面至750m風切變均在6m/(s·km)以下,入夜后500～750m風切變逐步增大至16m/(s·km)左右.白天時段近地層垂直風切變較小值(<6m/(s·km))維持,可能是污染嚴重的信號之一.

圖1 北京地區不同高度和PM2.5不同等級下垂直風切變分布

圖2 北京地區不同等級下的垂直風切變和風速的日變化

2.2 兩類典型重污染過程的垂直風切變特征

將2015～2020年每年10月～次年3月污染日數(輕度及以上)的垂直風切變作REOF分解后得到4個主要特征向量,方差占比分別為30.8%、25.8%、15.0%和11.2%,共占總方差的82.8%;前兩類特征向量方差占比較大且特征值時空分布具有顯著區域性差異(圖3),后兩類特征向量邊界層內特征值時空分布區域差異較小,即邊界層內垂直風切變區域差異信號不顯著,且方差占比小,對重污染事件的指示意義不大,故不做進一步討論.將前兩種主要垂直風切變變率模態按照2000m以下垂直風切變演變特征分別定義為邊界層無顯著擾動型(簡稱無擾動型,下同)[圖3(a)]和邊界層壓縮型(簡稱壓縮型,下同)[圖3(b)].無擾動型主要特征為750m以下垂直風切變日變化特征顯著,小于-0.5的低值區主要出現在13:00～18:00,高度為300～750m之間,垂直風切變的小值區可能與低層一致南風輸送及邊界層湍流均勻性有關;壓縮型主要特征為14:00～22:00在750～1250m出現大于0.5的顯著高值區,可能與邊界層之上冷流擾動有關.因此,對流層下部垂直風切變的演變對上述兩類重污染事件有較大的預報預警價值.

根據REOF分解的時間系數提取兩類重污染事件的典型個例進行合成(圖4),兩類污染型均處于地面弱輻合區之中,這也是污染事件發生頻率最高的地面氣壓場分布[31].壓縮型低壓強度(1018～1020hPa)略強于無擾動型(1020～1022hPa),兩型位于蒙古中西部的高壓中心強度均為1030hPa,表征上游冷空氣強度相當.

兩類污染型的PM2.5濃度日變化對比顯示,無擾動型日均PM2.5濃度為239.8μg/m3[圖5(a)],08:00～ 14:00為低值時段,對于PBLH的高值時段(15:00最大為1065m),14:00之后逐步升高,PBLH開始降低,23:00前后達最大濃度296.2μg/m3,對應PBLH最低值602m;壓縮型日均PM2.5濃度為231.2μg/m3[圖5(b)],峰值出現在15:00為251.9μg/m3,08:00～13:00為上升時段,午后基本維持在240～250μg/m3之間,入夜后減小,PBLH日變化較小,11:00～16:00為高值時段860～980m,其余時段為600～800m.總體而言,無擾動型的PM2.5濃度均值、峰值較壓縮型更高,PM2.5濃度和PBLH日變化更顯著,另外,無擾動型PM2.5濃度增長期和PBLH反向變化,PM2.5增長與邊界層壓縮導致的大氣容量降低有關,壓縮型PM2.5濃度增長期和PBLH同向變化,PM2.5增長可能與區域輸送有關.

從溫度廓線來看,無擾動型和壓縮型溫度逆溫較淺薄[圖5(c),(d)],基本都維持在500m以下,無擾動型逆溫強度略強于壓縮型.而兩類污染型的濕度廓線有顯著不同,無擾動型0.2m較地面高5%,壓縮型只有1%,且無擾動型08:00和20:00差異較小,濕層維持,壓縮型20:00整層濕度廓線較08:00顯著減小,呈向下喇叭口狀,即近地面減濕度更顯著,這與PM2.5濃度增長期和PBLH同向變化結論相一致,可能與較強區域輸送下邊界層南風擾動有關.

圖5 無擾動型和壓縮型PM2.5、PBLH和溫濕廓線

2.3 涵蓋兩次典型污染型的一次污染事件

圖6 2015年11月27日～12月02日風廓線和垂直風切變

1.無擾動型日;2.壓縮型日

2015年11月27日～12日2日北京地區發生了一次重污染事件,根據上述REOF法分解之后得到11月27日和30日為無擾動型,分解后的時間系數分別為3.2和2.8,11月29日和12月1日為邊界層壓縮型,時間系數為2.5和4.6,均為較為典型的無擾動型和壓縮型(圖6).其中,無擾動型27日北京地區PM2.5濃度持續上升,從134μg/m3上升到284μg/m3,氣壓下降了5hPa,露點上升了6℃,30日PM2.5出現了更為顯著的增長,從300μg/m3上升至519μg/m3,氣壓下降4.5hPa,露點升高3℃左右,值得關注的是,11月27日至12日2日期間兩段最為顯著的PM2.5增長均發生在27日和30日,且伴隨減壓和增濕.壓縮型29日PM2.5在200～300μg/m3之間波動,露點維持在-4℃左右,弱冷空氣層次淺薄、強度較弱未達到清潔空氣的作用,12月1日在冷空氣接地達到清潔作用之前雖然出現了露點增長和氣壓下降,但PM2.5無顯著上升維持在450μg/m3上下(圖7).與2.2節合成結果一致,無擾動型下PM2.5日均濃度以及增長趨勢大于壓縮型,與減壓增濕作用相關.

圖7 2015年11月27日～12月02日PM2.5、邊界層高度、露點和氣壓變化

1. 無擾動型日; 2. 壓縮型日

2.4 討論

在實際環境氣象業務工作中垂直風切變往往指2個層次的風矢量差,即單純的風速和風向差,并未考慮高度差異,由于同一時間下高空風速一般大于低空風速,所以0～3km風矢量差必然大于0～1km風矢量差(圖8).值得注意的是,若按本文計算公式,剔除高度影響之后,0～1km垂直風切變大于0～3km,且0～1km呈現逐年減小特征,0～3km年際變化不顯著,這種線性趨勢變化特征較單純的風矢量差體現更為清晰.這為環境氣象業務中垂直風切變的重新定義提供參考.

圖8 2015～2019年0～1km和0～3km風矢量差及風切變變化

3 結論

3.1 不同PM2.5等級下,1470m以下垂直風切變波動較大,1470m以上隨著PM2.5濃度升高,垂直風切變均值減小, 6級嚴重污染時風切變均值顯著增大.風速日變化特征隨著PM2.5濃度升高而減弱,PM2.56級污染時近地面風速日變化基本消失,在邊界層中高層出現風速白天小夜間大的反向變化.

3.2 白天邊界層風速增大時段對應10m/(s·km)以下的風切變,20:00之后風切變增大,邊界層低層增大到12～14m/(s·km),該現象隨著PM2.5濃度升高更為顯著,白天時段近地層垂直風切變較小值(<6m/ (s·km))維持.

3.3 無擾動型主要特征為750m以下垂直風切變日變化特征顯著,小于-0.5的低值區主要出現在13:00～18:00高度300～750m;壓縮型在14:00～22:00高度750～1250m出現大于0.5的顯著高值區.壓縮型低壓強度略強于無擾動型,無擾動型的PM2.5濃度均值、峰值較壓縮型更高,PM2.5濃度增長期和PBLH反向變化,逆溫強于壓縮型.

3.4 北京地區2015年11月27日～12日2日一次重污染事件中無擾動型(11月27日和30日)下PM2.5日均濃度以及增長幅度大于壓縮型(11月29日和12月1日),與減壓增濕作用相關.本研究所用垂直風切變計算方法剔除了不同高度的影響,線性趨勢變化特征較單純的風矢量差體現更為清晰.

[1] Miao Y, Li J, Miao S, et al. Interaction between planetary boundary layer and PM2.5pollution in megacities in China: a review [J]. Current Pollution Reports, 2019,5:261-271.

[2] Zhong J, Zhang X, Dong Y, et al. Feedback effects of boundary-layer meteorological factors on cumulative explosive growth of PM2.5during winter heavy pollution episodes in Beijing from 2013 to 2016 [J]. Atmospheric Chemistry and Physics, 2018,18:247-258.

[3] 廖曉農,張小玲,王迎春,等.北京地區冬夏季持續性霧-霾發生的環境氣象條件對比分析 [J]. 環境科學, 2014,35(6):2031-2044.

Liao X N, Zhang X L, Wang Y C, et al. Comparative analysis on meteorological condition for persistent haze cases in summer and winter in Beijing [J]. Environmental Science, 2014,35(6):2031-2044.

[4] Chen Y, An J L, Lin J, et al. Observation of nocturnal low-level wind shear and particulate matter in urban Beijing using a Doppler wind lidar [J]. Atmospheric Oceanic Science Letter, 2017,10:411-417.

[5] Liu X, Li J, Qu Y, et al. Formation and evolution mechanism of regional haze: A case study in the megacity Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13:4501-4514.

[6] Tie X, Zhang Q, He H, et al. A budget analysis of the formation of haze in Beijing [J]. Atmospheric Environment, 2015,100:25-36.

[7] Li J, Han Z. Aerosol vertical distribution over east China from RIEMS-Chem simulation in comparison with CALIPSO measurements [J]. Atmospheric Environment, 2016,143:177-189.

[8] Zhou S, Wu L, Guo J, et al. Measurement report: Vertical distribution of atmospheric particulate matter within the urban boundary layer in southern China – size-segregated chemical composition and secondary formation through cloud processing and heterogeneous reactions [J]. Atmospheric Chemistry and Physics, 2020,20:6435-6453.

[9] Han S Q, Hao T Y, Zhang Y F, et al. Vertical observation and analysis on rapid formation and evolutionary mechanisms of a prolonged haze episode over central-eastern China [J]. Science of Total Environment, 2018,616-617:135-146.

[10] 廖曉農,孫兆彬,唐宜西,等.高空偏北風背景下北京地區高污染形成的環境氣象機制研究[J]. 環境科學, 2015,36(3):801-808.

Liao X N, Sun Z B, Tang Y X, et al. Meteorological mechanism for the formation of a serious pollution case in Beijing in the background of northerly flow at upper levels [J]. Environmental Science, 2015,36(3): 801-808.

[11] Li X L, Hu X M, Ma Y J, et al. 2019a. Impact of planetary boundary layer structure on the formation and evolution of air-pollution episodes in Shenyang, Northeast China [J]. Atmospheric Environment, 2019a,214:116850.https://doi.org/10.1016/j.atmosenv.2019.116850.

[12] Li X L, Ma Y J, Wang Y, et al. Vertical distribution of particulate matter and its relationship with planetary boundary layer structure in Shenyang, Northeast China [J]. Aerosol and Air Quality Research, 2019b,19:2464-2476.

[13] 劉 建,吳 兌,范紹佳.珠江三角洲區域污染分布及其垂直風場特征[J]. 環境科學, 2015,36(11):3989-3998.

Liu J, Wu D, Fan S J. Distribution of regional pollution and the characteristics of vertical wind field in the Pearl River Delta [J]. Environmental Science, 2015,36(11):3989-3998.

[14] 肖致美,徐 虹,李 鵬,等.京津冀區域重污染期間PM2.5垂直分布及輸送[J]. 環境科學, 2019,40(10):4303-4309.

Xiao Z M, Xu H, Li P, et al. Vertical distribution and transport of PM2.5during heavy pollution events in the Jing-Jin-Ji Region [J]. Environmental Science, 2019,40(10):4303-4309.

[15] Yang Y, Yim S H, Haywood J, et al. Characteristics of heavy particulate matter pollution events over Hong Kong and their relationships with vertical wind profiles using high-time-resolution doppler lidar measurements [J]. Journal of Geophysical Research- Atmospheres, 2019,124:9609-9623.

[16] Song Y, Song T, Tang G Q, et al. The vertical distribution of PM2.5and boundary-layer structure during summer haze in Beijing [J]. Atmospheric Environment, 2013,74:413-421.

[17] 丁國安,陳尊裕,高志球,等.北京城區低層大氣PM10和PM2.5垂直結構及其動力特征[J]. 中國科學D輯地球科學, 2005,35(增刊Ⅰ): 31-44.

Ding G A, Chen Z Y, Gao Z Q. Vertical structure and dynamic characteristics of PM10and PM2.5in Beijing urban area [J]. Science in China Ser. D Earth Sciences, 2005,35(SupplementⅠ):31-44.

[18] 雷 蕾,孫繼松,陳明軒,等.北京地區一次颮線的組織化過程及熱動力結構特征[J]. 大氣科學, 2021,45(2):287?299.

Lei L, Sun J S, Chen M X, et al. Organization process and thermal dynamic structure of a squall line in Beijing [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 2021,45(2):287-299.

[19] 盛 杰,鄭永光,沈新勇.華北兩類產生極端強天氣的線狀對流系統分布特征與環境條件[J]. 氣象學報, 2020,78(6):877-898.

Sheng J, Zheng Y G, Shen X Y. Climatology and environmental conditions of two types of quasi-linear convective systems with extremely intense weather in North China [J]. Acta Meteorologica Sinica, 2020,78(6):877-898.

[20] Chen Q, Fan J, Yin Y, et al. Aerosol impacts on mesoscale convective systems forming under different vertical wind shear conditions [J]. Journal of Geophysical Research: Atmospheres, 2020,125(3): e2018JD030027.

[21] 吳 進,李 琛,馬志強,等.北京平原和延慶地區山谷風異同及對污染的影響[J]. 環境科學, 2021,42(10):4660-4668.

Wu J, Li C, Ma Z Q, et al. Similarities and differences of valley winds in the Beijing Plain and Yanqing areas and its impact on pollution [J]. Environmental Science, 2021,42(10):4660-4668.

[22] 翁雪玲,于佳松,徐建文.大連機場典型低空風切變的成因分析[J]. 氣象與環境科學, 2020,43(1):81-89.

Weng X L, Yu J S, Xu J W. Cause analysis of typical low-level wind shear in Dalian airport [J]. Meteorological and Environmental Sciences, 2020,43(1):81-89.

[23] Zhang Y, Guo J P, Yang Y J, et al. Vertical wind shear modulates particulate matter pollutions: a perspective from radar wind profiler observations in Beijing, China [J]. Remote Sensing of Environment, 2020,12:546.

[24] Lorenz E N. Empirical orthogonal functions and statistical weather prediction [J]. Statistical Forecasting Project Rep. 1, Dept. of Meteorology, Massachusetts Institute of Technology, Boston, Massachusetts, USA, 1956,49pp.

[25] Sun Z, Zhao X, Li Z, et al. Boundary layer structure characteristics under objective classification of persistent pollution weather types in the Beijing area [J]. Atmospheric Chemistry and Physics, 2021,21: 8863-8882.

[26] 李宗愷,潘云仙,孫潤橋.空氣污染氣象學原理及應用[M]. 北京:氣象出版社, 1985:52-60.

Li Z K, Pan Y X, Sun R Q. Principles and applications of air pollution meteorology (in Chinese) [M]. Beijing: Higher Education Press, 1985:52-60.

[27] 童志權.大氣環境影響評價[M]. 北京:中國環境科學出版社, 1988: 47-59.

Tong Q Z. Environmental impact assessment on air (in Chinese) [M]. Beijing: China Environmental Science Press, 1988:47-59.

[28] 孫兆彬,廖曉農,王占山,等.北京地區空氣重污染下霧凇和偏東風對PM2.5清除作用[J]. 環境科學, 2016,37(10):3679-3685.

Sun Z B, Liao X N, Wang Z S, et al. Scavenging effect of rime and east wind on PM2.5under air heavy pollution in Beijing [J]. Environmental Science, 2016,37(10):3679-3685.

[29] Miao Y, Li J, Miao S, et al. Interaction between planetary boundary layer and PM2.5pollution in megacities in China: a Review [J]. Current Pollution Reports, 2019,5:261-271.

[30] Zhong J, Zhang X, Wang Y, et al. Heavy aerosol pollution episodes in winter Beijing enhanced by radiative cooling effects of aerosols [J]. Atmospheric Research, 2018,209:59-64.

[31] 吳 進,李 琛,馬志強,等.基于天氣分型的上甸子大氣本底站臭氧污染氣象條件[J]. 環境科學, 2020,41(11):4864-4873.

Wu J, Li C, Ma Z Q, et al. Influence of meteorological conditions on ozone pollution at Shangdianzi station based on weather classification [J]. Environmental Science, 2020,41(11):4864-4873.

Effects of vertical wind shear on PM2.5concentration under two pollution weather types.

WU Jin1, LI Chen2, WANG Zhi-li3*, MA Zhi-qiang1, LI Zi-ming1, ZHU Xiao-wan1, HAN Ting-ting1, TANG Yi-xi1, MA Xiao-hui1

(1.Environmental Meteorology Forecast Center of Beijing-Tianjin-Hebei, Beijing 100089, China；2.Beijing Meteorological Service Center, Beijing 100089, China；3.State Key Laboratory of Severe Weather and Key Laboratory of Atmospheric Chemistry, Chinese Academy of Meteorological Sciences, Beijing 100081, China)., 2022,42(11)：5016～5022

Based on the ecological environment monitoring data and multi-source meteorological data from 2015 to 2020 in Beijing-Tianjin-Hebei region, this study analyzed the evolution characteristics of 0～3km VWS at different PM2.5levels in Beijing. The diurnal variation characteristics of wind speed gradually weakened with the increase of PM2.5concentration. When PM2.5level 6pollution occured, the diurnal variation of near-surface wind speed basically disappeared or even changed in reverse direction. The VWS below 10m/(s·km) corresponded to the increase of boundary layer wind speed in the daytime which increased to 12～14m/(s·km) after 20:00. This phenomenon became more significant with the increase of PM2.5, and the VWS near the stratum remains small (<6m/(s·km)) in the daytime could be one of the signs of serious pollution. Based on the rotated empirical orthogonal function (REOF) decomposition method, the VWS was divided into two types which called undisturbed type and compression type. The low pressure intensity of compression type was slightly better than undisturbed type; the PM2.5peak and daily value and inversion of undisturbed type were higher than compression type. In addition, the PM2.5growth of the undisturbed type and PBLH reverse change and the PM2.5growth of compressed type changed in the same direction as Planetary Boundary Layer Height (PBLH).

vertical wind shear(VWS)；PM2.5；REOF；boundary layer

X513

A

1000-6923(2022)11-5016-07

吳 進(1984-),女,福建莆田人,高級工程師,碩士,主要研究方向為區域大氣污染.發表論文20篇.

2022-04-26

中國氣象科學研究院科技發展基金資助項目(2021KJ010);北京市氣象局科技專項(BMBKJ202001011)

* 責任作者, 研究員, wangzl@cma.gov.cn