鄭颯颯 王維佳 桂海林
(1.四川省人工影響天氣辦公室,四川 成都 610072;2.中國(guó)氣象局云霧物理環(huán)境重點(diǎn)開放實(shí)驗(yàn)室,北京 100081;3.高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室,四川 成都 610072;4.國(guó)家氣象中心,北京 100081)
近年來(lái),隨著經(jīng)濟(jì)及城鎮(zhèn)化快速發(fā)展,污染物排放增多,大氣污染過程出現(xiàn)頻繁[1-3],受到社會(huì)各界人士的廣泛關(guān)注。大氣污染過程不僅降低能見度,影響交通運(yùn)輸,而且對(duì)人體健康、氣候、生態(tài)環(huán)境等造成巨大威脅。目前,已有眾多學(xué)者從大尺度環(huán)流背景和邊界層等氣象條件、大氣顆粒物化學(xué)組分特征及來(lái)源解析等多個(gè)方面對(duì)大氣污染過程進(jìn)行了深入的觀測(cè)和研究[4-6]。劉建等[7]研究表明,當(dāng)珠三角出現(xiàn)弱偏北風(fēng)時(shí),整個(gè)珠三角都為灰霾天氣,當(dāng)風(fēng)向由偏北風(fēng)轉(zhuǎn)為偏南風(fēng)時(shí),珠三角東南部地區(qū)空氣質(zhì)量改善,北部(內(nèi)陸)地區(qū)的空氣質(zhì)量惡化;馬井會(huì)等[8]發(fā)現(xiàn)外源性輸入、垂直風(fēng)場(chǎng)分布和大氣層結(jié)變化為浮塵天氣的發(fā)生及維持創(chuàng)造了有利條件。潘勁松等[9]指出,我國(guó)東部地區(qū)主要受弱偏北風(fēng)影響,大氣擴(kuò)散條件較差,有利于華東本地大氣細(xì)顆粒物(PM2.5)積累和北方霾粒子向華東地區(qū)輸送?;▍驳萚10]研究表明低空偏南氣流對(duì)北京霧霾的維持和發(fā)展有明顯影響,當(dāng)偏南風(fēng)風(fēng)速大于8 m/s時(shí)對(duì)大氣擴(kuò)散能力有一定的改善作用。ZHANG等[11]利用風(fēng)廓線雷達(dá)、美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(NCEP)等提供的資料,對(duì)比了北京冬季污染和清潔時(shí)環(huán)流及不同高度上的風(fēng)矢量和垂直風(fēng)切變等特征,揭示了北京邊界層風(fēng)場(chǎng)特征對(duì)PM2.5的影響。
成都大氣污染為城市揚(yáng)塵、機(jī)動(dòng)車尾氣、煤煙塵和工業(yè)復(fù)合型污染,主要污染物為PM2.5,其來(lái)源既包含污染源直接排放,也包含二次污染。近年監(jiān)測(cè)數(shù)據(jù)顯示,北方沙塵對(duì)成都大氣環(huán)境的影響客觀存在,攜有沙塵污染物的冷空氣南下,與本地污染物混合在一起,造成成都地區(qū)的重污染天氣。前人對(duì)沙塵污染的研究主要側(cè)重在北方城市,對(duì)成都沙塵污染的研究相對(duì)較少,受秦嶺、大巴山對(duì)北方沙塵的阻隔,沙塵進(jìn)入成都地區(qū)相對(duì)較少,主要以浮塵天氣出現(xiàn)。廖乾邑等[12]指出四川盆地浮塵天氣污染主要受來(lái)自西北方向(新疆、甘肅)沙塵天氣影響,北方干冷空氣攜帶沙塵進(jìn)入四川盆地并沿盆地內(nèi)輸送通道推進(jìn),主要影響在相鄰城市間存在1~2 h滯后。
沿海經(jīng)濟(jì)發(fā)達(dá)地區(qū)及京津冀地區(qū)的研究表明,風(fēng)廓線雷達(dá)資料在分析大氣污染過程中發(fā)揮了重要作用,成都地區(qū)是霧霾高發(fā)地,利用風(fēng)廓線雷達(dá)研究成都地區(qū)大氣污染過程相對(duì)較少。為提高風(fēng)廓線雷達(dá)資料在成都地區(qū)大氣污染過程中的應(yīng)用,本研究選取成都地區(qū)2016、2019年冬季兩次污染過程進(jìn)行對(duì)比分析,利用PM2.5、可吸入顆粒物(PM10)質(zhì)量濃度、邊界層風(fēng)廓線雷達(dá)和混合單粒子拉格朗日(HYSPLIT)模式后向軌跡數(shù)據(jù)等資料,從污染物傳輸軌跡等方面探討成都地區(qū)冬季不同類型的顆粒物污染過程的形成機(jī)制,為大氣污染預(yù)報(bào)預(yù)警、改進(jìn)大氣污染模式以及大氣污染防治提供參考。
大氣PM2.5、PM10質(zhì)量濃度資料來(lái)源于成都市區(qū)內(nèi)7個(gè)環(huán)境空氣質(zhì)量監(jiān)測(cè)國(guó)控站點(diǎn),分別為大石西路、君平街、金泉兩河、梁家巷、三瓦窯、沙河鋪、十里店,時(shí)間分辨率為1 h。
(1)
式中:VI為通風(fēng)量,m2/s;hi、hi-1分別為第i個(gè)、第i-1個(gè)高度層對(duì)應(yīng)的高度,m;i為高度層序號(hào);Vi為第i個(gè)高度層的平均風(fēng)速,m/s。成都邊界層平均高度不超過2 000 m,因此本研究計(jì)算2 000 m以下通風(fēng)量大小的總和,新都邊界層風(fēng)廓線雷達(dá)2 000 m以下一共有32層,所以i的最大值為32。此外,本研究使用國(guó)內(nèi)外廣泛應(yīng)用的HYSPLIT模式進(jìn)行氣團(tuán)后向軌跡的模擬分析。
2016年12月,成都地區(qū)發(fā)生了連續(xù)25 d的顆粒物污染過程。由圖1(a)可見,此次污染過程持續(xù)時(shí)間長(zhǎng),污染物濃度高,其中PM10時(shí)均值超過300 μg/m3的時(shí)段有24個(gè)。12月1—3日顆粒物濃度出現(xiàn)第1個(gè)上升過程,PM2.5、PM10濃度快速上升,12月5日、12日顆粒物濃度出現(xiàn)低值,12月1—12日,PM2.5/PM10維持在0.5~0.6,主要是北方沙塵輸送到成都導(dǎo)致PM10濃度偏高,12月12日后PM2.5/PM10維持在0.7~0.8,污染物以PM2.5為主。12月20日11:00,顆粒物濃度出現(xiàn)本次污染過程最高值,PM2.5、PM10分別達(dá)到261、354 μg/m3,12月21日污染物濃度開始降低,12月24日,擴(kuò)散條件轉(zhuǎn)好,2016年重污染過程結(jié)束。
圖1 成都地區(qū)連續(xù)污染過程PM2.5、PM10平均質(zhì)量濃度小時(shí)變化Fig.1 Variation of the average massive concentration of PM2.5 and PM10 during the continuous pollution processes in Chengdu
2019年12月成都地區(qū)發(fā)生了連續(xù)11 d的顆粒物污染過程。由圖1(b)可見,此次污染過程PM2.5/PM10總體維持在0.7~0.9,主要污染物為PM2.5,12月7—10日為顆粒物濃度上升階段,12月11日12:00,PM2.5達(dá)到最高值176 μg/m3,PM10為230 μg/m3,12月11日23:00,PM2.5、PM10降低到95、145 μg/m3,隨后維持在穩(wěn)定水平,12月17日擴(kuò)散條件轉(zhuǎn)好,重污染過程結(jié)束。
風(fēng)是影響污染物擴(kuò)散和傳輸?shù)闹匾獨(dú)庀笠?,?duì)成都地區(qū)顆粒物連續(xù)污染過程中下邊界層內(nèi)精細(xì)化風(fēng)場(chǎng)結(jié)構(gòu)和演變特征以及垂直動(dòng)力條件等進(jìn)行分析,從而解析顆粒物污染過程的形成機(jī)制。
2.2.1 污染過程的三維風(fēng)場(chǎng)特征
為考察風(fēng)場(chǎng)對(duì)成都地區(qū)連續(xù)污染過程中顆粒物濃度的影響,對(duì)顆粒物變化典型時(shí)段的水平及垂直風(fēng)場(chǎng)進(jìn)行分析。2016年12月成都地區(qū)連續(xù)污染過程的水平風(fēng)場(chǎng)、垂直風(fēng)場(chǎng)分布分別見圖2、圖3、圖4。根據(jù)環(huán)流形勢(shì)分析結(jié)果,12月1日成都地區(qū)500 hPa受弱脊前西北氣流控制。由圖2(a)可見,0~2 000 m高度風(fēng)場(chǎng)以東北風(fēng)控制為主,8:00以后近地層風(fēng)速較小,有的高度接近靜風(fēng),水平擴(kuò)散條件差,從圖3可以看出,12月1—2日垂直方向上有較強(qiáng)的下沉氣流,對(duì)應(yīng)PM2.5、PM10出現(xiàn)爆發(fā)式增長(zhǎng),下沉氣流將高層的污染物(包含沙塵粒子)向近地面?zhèn)鬏敚菇孛嫖廴疚餄舛瓤焖僭龃?,形成本地積累和外地輸送相結(jié)合的污染過程。這種靜穩(wěn)狀態(tài)持續(xù)到12月5日,成都地區(qū)低層受弱脊的影響,在槽脊波動(dòng)影響下,高層為東北風(fēng),低層為西南風(fēng),風(fēng)向隨高度逆時(shí)針變化(見圖2(b)),垂直方向?yàn)槿跸鲁翚饬?見圖3),擴(kuò)散條件有所改善,污染物濃度降低;12月5日18:00后轉(zhuǎn)為低層為東北風(fēng),高層為西南風(fēng),風(fēng)向隨高度順時(shí)針變化,表明有暖平流出現(xiàn),形成較強(qiáng)的平流逆溫,大氣層結(jié)穩(wěn)定,污染物濃度上升;12月11日,成都地區(qū)高空出現(xiàn)冷平流,1 500 m以上總體為東北風(fēng)控制(見圖2(c)),1 500 m以下為西南風(fēng)控制,風(fēng)向隨高度逆時(shí)針變化,冷平流破環(huán)了穩(wěn)定大氣層結(jié),由圖3可見,此時(shí)垂直方向上為下沉氣流,污染物向下擴(kuò)散;12月12日17:00,成都地區(qū)PM2.5、PM10分別降至37、56 μg/m3;由圖2(d)可見,12月15日成都地區(qū)近地層主要為東北風(fēng),1 000 m高度以上轉(zhuǎn)為西南風(fēng),水平風(fēng)向隨高度為順時(shí)針變化,有平流逆溫,由圖4可見,此時(shí)垂直方向?yàn)橄鲁翚饬?,下沉氣流將高層污染物下沉到地面,PM2.5、PM10濃度迅速上升。根據(jù)環(huán)流形勢(shì)分析,成都地區(qū)12月21日500 hPa為高脊區(qū),高空受西北氣流控制。由圖2(e)可見,12月22日成都地區(qū)0~3 000 m高度基本為東北風(fēng),擴(kuò)散條件轉(zhuǎn)好,PM2.5、PM10濃度出現(xiàn)小幅度降低;12月24—25日成都地區(qū)500 hPa為偏西氣流,伴有弱波動(dòng),700 hPa以西南氣流為主,850 hPa為氣旋性環(huán)流。由圖2(f)可以看出,成都地區(qū)近地面為較強(qiáng)西南風(fēng),最大風(fēng)速可達(dá)10~11 m/s,大氣中低層相對(duì)濕度較高,垂直方向上擾動(dòng)增強(qiáng),有較強(qiáng)的下沉氣流(見圖4),在槽脊波動(dòng)的作用下,大氣擴(kuò)散能力增強(qiáng),12月24日20:00,成都普降小雨,蒲江站觀測(cè)到最大小時(shí)降水量為0.8 mm,長(zhǎng)達(dá)25 d的污染過程結(jié)束。
注:箭頭指向?yàn)轱L(fēng)向,長(zhǎng)度代表風(fēng)速。圖4同。圖2 2016年連續(xù)污染過程典型時(shí)段的水平風(fēng)場(chǎng)分布Fig.2 Horizontal wind profiles during the pollution processes in 2016
注:圖中正值為下沉方向,負(fù)值為上升方向。圖4、圖6同。圖3 2016年12月1-12日連續(xù)污染過程垂直風(fēng)場(chǎng)分布Fig.3 Vertical wind profiles during the pollution processes in December 1 to December 12,2016
圖4 2016年12月14-26日連續(xù)污染過程垂直風(fēng)場(chǎng)分布Fig.4 Vertical wind profiles during the pollution processes in December 14 to December 26,2016
2019年12月7日成都地區(qū)開始出現(xiàn)連續(xù)污染天氣,期間水平風(fēng)場(chǎng)、垂直風(fēng)場(chǎng)分布分別見圖5、圖6。由圖5(a)可見,2019年12月7日2 000 m以上為東北風(fēng),2 000 m以下風(fēng)速較小,有些高度接近靜風(fēng),有利于污染物積聚;由圖5(b)可見,12月8日3:00前后成都地區(qū)2 000 m以上為西南風(fēng),2 000 m以下為靜風(fēng)或弱東北風(fēng),有暖平流出現(xiàn),形成平流逆溫,大氣層結(jié)穩(wěn)定,靜穩(wěn)條件好,污染物濃度上升;12月11日成都地區(qū)為青海冷高壓前部,由圖5(c)可見,19:00起0~1 000 m水平風(fēng)向?yàn)闁|北風(fēng),最大風(fēng)速可以達(dá)到9~10 m/s,此時(shí)污染物濃度出現(xiàn)小范圍的消散,12月11日23:00,PM2.5、PM10減少到95、145 μg/m3;12月12日5:00開始,2 000 m以下風(fēng)速小或?yàn)殪o風(fēng),擴(kuò)散條件變差,污染狀況加重,PM2.5、PM10濃度再次上升;12月16日,成都地區(qū)在500 hPa為偏西波動(dòng)氣流影響,700 hPa受較強(qiáng)西南氣流影響,0~3 000 m最大風(fēng)速在14~15 m/s,大氣擴(kuò)散條件轉(zhuǎn)好,12月16日23:00成都出現(xiàn)零星小雨,彭州站觀測(cè)到最大小時(shí)降水為0.4 mm,維持11 d的顆粒物連續(xù)污染過程結(jié)束。
圖5 2019年連續(xù)污染過程典型時(shí)段水平風(fēng)場(chǎng)分布Fig.5 Horizontal wind profiles during the pollution processes in 2019
圖6 2019年連續(xù)污染過程垂直風(fēng)場(chǎng)分布Fig.6 Vertical wind profiles during the pollution processes in 2019
對(duì)2016、2019年連續(xù)污染過程中的三維風(fēng)場(chǎng)分析得出,當(dāng)風(fēng)速較小或者風(fēng)向隨高度順時(shí)針旋轉(zhuǎn)時(shí),成都地區(qū)容易出現(xiàn)靜穩(wěn)天氣,污染物濃度上升;王躍等[13]分析了北京2013年2月污染天氣過程,認(rèn)為邊界層低層順時(shí)針風(fēng)向的風(fēng)切變,與大氣顆粒物的爆發(fā)性增長(zhǎng)密切相關(guān),可見風(fēng)向隨高度順時(shí)針旋轉(zhuǎn),污染物濃度上升。當(dāng)出現(xiàn)較強(qiáng)的東北風(fēng)、西南風(fēng),或者風(fēng)向隨高度逆時(shí)針旋轉(zhuǎn)時(shí),會(huì)破壞成都地區(qū)上空穩(wěn)定的大氣層結(jié),擴(kuò)散條件變好,污染物濃度下降;較強(qiáng)的東北風(fēng)也可能將北方的沙塵污染物輸送到成都,與垂直方向的下沉氣流相配合,加重成都地區(qū)污染。李菲等[14]利用風(fēng)廓線雷達(dá)資料分析了廣州地區(qū)一次典型灰霾過程,認(rèn)為下沉氣流造成了廣州地區(qū)污染物的堆積,表明下沉氣流對(duì)污染物濃度上升具有指示意義。
圖7 連續(xù)污染過程的分布Fig.7 Profiles of during the continuous pollution processes
2.2.3 污染過程的通風(fēng)量
計(jì)算2016、2019年連續(xù)污染過程的通風(fēng)量,結(jié)果見圖8。通風(fēng)量和PM2.5、PM10質(zhì)量濃度相關(guān)系數(shù)計(jì)算見表1。通風(fēng)量與顆粒物濃度存在負(fù)相關(guān),且通過了α=0.01的顯著性檢驗(yàn)。由圖8(a)可見,2016年12月1—4日,通風(fēng)量較小,PM2.5和PM10濃度上升,2016年12月5日在偏北氣流影響下,通風(fēng)量高達(dá)17 244 m2/s,PM2.5、PM10降到52、83 μg/m3,2016年12月6—11日,通風(fēng)量減小,污染物堆積,2016年12月12日、13日通風(fēng)量增大,對(duì)應(yīng)PM2.5、PM10濃度再次降低;2016年12月14—22日,通風(fēng)量維持在較低水平,PM2.5、PM10再次上升,2016年12月24—25日,在西南風(fēng)作用下,通風(fēng)量開始增大,2016年12月25日1:00后,通風(fēng)量超過7 000 m2/s,起到擴(kuò)散污染物的作用,2016年的連續(xù)污染過程結(jié)束。
圖8 污染過程成都PM2.5、PM10平均質(zhì)量濃度小時(shí)變化和通風(fēng)量Fig.8 Variation of the average massive concentration of PM2.5 and PM10 of Chengdu and the ventilation rate during the continuous pollution processes
表1 通風(fēng)量和PM2.5、PM10濃度的相關(guān)系數(shù)Table 1 Correlation coefficient between ventilation index and PM2.5,PM10
由圖8(b)可見,2019年12月7—10日通風(fēng)量總體較低,PM2.5、PM10濃度升高,2019年12月11日通風(fēng)量達(dá)到短期峰值(10 384 m2/s),對(duì)應(yīng)PM2.5和PM10濃度降低,2019年12月12日4:00后至12月15日,通風(fēng)量基本維持在5 000 m2/s左右的較低水平,PM2.5和PM10濃度再次升高,2019年12月16日,通風(fēng)量迅速增加,23:00通風(fēng)量達(dá)到最高值18 182 m2/s,PM2.5和PM10分別降至28、40 μg/m3,2019年重污染過程結(jié)束。
綜上所述,顆粒物濃度受通風(fēng)量的顯著影響,通風(fēng)量越大,PM2.5、PM10濃度越小,通風(fēng)量越小,PM2.5、PM10濃度越大。當(dāng)通風(fēng)量躍增,0~3 000 m水平風(fēng)速大于10 m/s,同時(shí)配合降水清除作用,將導(dǎo)致重污染過程結(jié)束。
2016年和2019年的連續(xù)污染過程主要污染物不同,以成都市區(qū)(30.67°N,104.07°E)為參考點(diǎn),利用HYSPLIT模式對(duì)氣團(tuán)的后向軌跡進(jìn)行模擬分析,研究大氣污染物的傳輸途徑。2016年12月1日和2019年12月7日為大氣污染過程的開始日期,2016年12月12日為主要污染物發(fā)生改變,2019年12月12日為污染過程中污染物濃度出現(xiàn)低值后的上升過程,以2016年12月1日8:00、12月12日20:00和2019年12月7日、12日8:00的氣團(tuán)后向延伸72 h,軌跡模擬高度為100、500、1 500 m。
2016年12月1日8:00三層氣團(tuán)來(lái)源于西北方向高空,經(jīng)過新疆、青海到達(dá)四川,在成都東北方向回流后到達(dá)成都低層,結(jié)合圖3可以看出,2016年12月1—2日,垂直方向有強(qiáng)烈的下沉氣流,有利于將高層沙塵輸送到低層,12月1—12日污染過程受沙塵氣溶膠影響。12月12日20:00,100、500 m氣團(tuán)來(lái)源于四川東部的局地氣團(tuán),1 500 m氣團(tuán)來(lái)源于四川西部的局地氣團(tuán),12月12日后主要污染物為PM2.5。2019年12月7日、12日8:00,1 500 m氣團(tuán)來(lái)自新疆,經(jīng)過青海到達(dá)四川成都,100、500 m氣團(tuán)分別來(lái)自偏東南和偏東局地氣團(tuán),移動(dòng)距離較短,由重慶輸入到成都。綜上分析,2016年P(guān)M10濃度比2019年高,這跟污染物傳輸方向有關(guān),2016年100、500、1 500 m氣團(tuán)來(lái)自西北方向,配合垂直方向上的下沉氣流,有利于將北方沙塵輸送到成都,2019年100、500 m的氣團(tuán)分別來(lái)自偏東南和偏東局地氣團(tuán),與2016年污染物傳輸路徑不同,從而導(dǎo)致主要污染物不同。
基于PM2.5和PM10質(zhì)量濃度、邊界層風(fēng)廓線雷達(dá)和HYSPLIT模式等資料,對(duì)成都地區(qū)2016年和2019年兩次連續(xù)顆粒物污染過程的擴(kuò)散條件及污染物傳輸路徑進(jìn)行對(duì)比分析,主要得到以下結(jié)論:
(1) 2016年污染過程持續(xù)時(shí)間長(zhǎng),污染物濃度高,12月1—12日,污染過程受北方沙塵氣溶膠的影響,主要污染物為PM10,12月12日后主要污染物為PM2.5;2019年連續(xù)污染過程主要污染物為PM2.5。
(3) 通風(fēng)量是影響污染物濃度的重要因子,通風(fēng)量與PM2.5、PM10呈顯著負(fù)相關(guān),通風(fēng)量越大,PM2.5和PM10濃度越小,通風(fēng)量越小,PM2.5和PM10濃度越大。當(dāng)通風(fēng)量躍增,0~3 000 m水平風(fēng)速大于10 m/s,同時(shí)配合降水清除作用時(shí),將導(dǎo)致重污染過程結(jié)束。
(4) 2016年12月1日100、500、1 500 m高度上污染物來(lái)自成都西北方向高層,垂直方向有強(qiáng)烈的下沉氣流,有利于北方輸送來(lái)的沙塵氣溶膠從高層傳輸?shù)降蛯樱?2月12日,100、500、1 500 m高度上污染物來(lái)自四川局地氣團(tuán);2019年1 500 m高度上污染物來(lái)自成都西北方向,100、500 m高度污染物來(lái)自成都西南和偏西方向,從重慶輸送到成都。2016年、2019年污染物傳輸方向不同,導(dǎo)致主要污染物不同。
綜上所述,高低空環(huán)流配置是污染過程爆發(fā)和消散的重要原因,利用風(fēng)廓線雷達(dá)采集的高分辨率數(shù)據(jù)有利于研究連續(xù)顆粒物污染過程的形成機(jī)制。而利用HYSPLIT模式分析大氣污染物傳輸軌跡,有益于認(rèn)識(shí)污染物的傳輸路徑。