基于多源資料天津一次霧-霾過程的邊界層特征

孟麗紅,劉海玲,王 煒,蔡子穎,劉麗麗,曲 平,郝 囝

基于多源資料天津一次霧-霾過程的邊界層特征

孟麗紅1,2*,劉海玲1,2,王 煒1,2,蔡子穎3,劉麗麗1,2,曲 平1,2,郝 囝1,2

(1.天津市海洋氣象重點實驗室,天津 300074；2.天津市氣象科學(xué)研究所,天津 300074；3.天津市環(huán)境氣象中心,天津 300074)

為探究霧-霾過程的邊界層特征,選取天津市2019年12月7～10日一次嚴(yán)重的霧-霾典型過程,采用常規(guī)自動氣象站資料、環(huán)境小時濃度資料、以及微波輻射計、風(fēng)廓線雷達、氣溶膠激光雷達等多種觀測資料及WRF-Chem源追蹤方法對此次污染過程進行綜合分析. 結(jié)果表明,此次霧-霾過程可明顯分為霧生成、霧與霾交替、霾、霾消散等4個階段;霧-霾天氣與大氣溫度層結(jié)密切相關(guān),伴隨著逆溫生成,相對濕度和液態(tài)水含量最大增長速率分別達13.44%/h和0.013g/(m3·h),呈爆發(fā)性增長,相對濕度快速增至92%,微波輻射資料可較好預(yù)報霧的生成;霧與霾交替出現(xiàn)階段霧天氣改變了邊界層結(jié)構(gòu),霧層內(nèi)大氣呈中性狀態(tài),相對有利于污染物在霧區(qū)內(nèi)擴散,PM2.5高濃度主要出現(xiàn)在邊界層400m以下,霧頂持續(xù)逆溫抑制了污染物向上層大氣擴散,造成霧區(qū)內(nèi)污染物濃度加重,地面PM2.5質(zhì)量濃度為135～223μg/m3,維持中度-重度污染;霧-霾天氣與垂直風(fēng)場有較好的對應(yīng)關(guān)系,霧與霾交替出現(xiàn)階段存在低風(fēng)速和較大風(fēng)速(西南風(fēng)帶來充沛水汽)兩種有利于霧維持的情況,霧頂逆溫層以上風(fēng)速為6～12m/s,霧層內(nèi)為1～2m/s,霧的存在不利于近地面空氣質(zhì)量的改善;此次霧-霾過程天津本地源排放貢獻為36.1%,區(qū)域輸送貢獻為63.9%,整個過程表現(xiàn)出明顯的區(qū)域輸送特征.

霧-霾；多源資料；邊界層；熱動力特征；PM2.5

針對霧-霾天氣過程研究發(fā)現(xiàn)[1-7],靜穩(wěn)的天氣形勢、較強的本地污染源強度、特殊地形條件以及外來污染物的區(qū)域輸送都是造成京津冀地區(qū)霧-霾天氣的重要成因.在污染源無明顯變化時,天氣形勢和氣象條件對霧-霾的演變發(fā)揮著不可忽視的作用[8-9].邊界層是地氣相互作用和大氣污染的主要發(fā)生地,對大氣污染物的積累、擴散影響顯著[10-11],霧-霾天氣常伴隨著逆溫、低混合層厚度等邊界層特征[12-15],長時間逆溫、近地層持續(xù)小風(fēng)等導(dǎo)致大氣擴散條件差的氣象因素是霧-霾天氣持續(xù)的重要原因之一[16-18].霧-霾天氣邊界層探空常用手段包括GPS探空和L波段探空雷達[19-20],可探測高度10km以上,依托各氣象臺站的L波段探空雷達測得的氣象要素垂直分布數(shù)據(jù)進行逆溫特征分析,可預(yù)報霧和霾的生成,但其觀測的時間分辨率受1天2次的限制.系留氣艇探空是一種常用的外場探空觀測手段[21],在邊界層和大氣環(huán)境觀測中可根據(jù)實際需求設(shè)計方案,但考慮到載氣和人工成本,觀測費用較高.依托天津255m氣象塔觀測資料可了解近地層250m以下霧和霾的溫度濕度結(jié)構(gòu)特征[22-24],但存在探測高度受限的問題.近年來隨著地基遙感設(shè)備的發(fā)展,微波輻射計可用于揭示持續(xù)性霧-霾中輻射霧向平流霧的轉(zhuǎn)化過程[25],風(fēng)廓線雷達數(shù)據(jù)可用于分析近地層流場對污染物的平流輸送作用[26],目前微波輻射計、風(fēng)廓線雷達、氣溶膠激光雷達等多源資料觀測已在天津氣象部門業(yè)務(wù)化運行,利用這些遙感資料研究霧-霾生成、維持和消散有助于提升霧-霾天氣的預(yù)報預(yù)警水平,而天津地區(qū)針對典型霧-霾天氣過程利用多源資料研究邊界層精細(xì)特征也較為鮮見.

本研究以2019年12月7～10日一次霧-霾天氣過程為例,基于微波輻射計、風(fēng)廓線雷達和氣溶膠激光雷達等多源資料,及WRF-Chem源追蹤模式,對該過程中氣象因素以及垂直方向溫度、相對濕度、風(fēng)向、風(fēng)速和PM2.5等進行分析,探索天津霧-霾生成、維持、消散的機理,以期可更好利用多源資料預(yù)報預(yù)警霧-霾的發(fā)生.

1 材料與方法

1.1 數(shù)據(jù)來源

采用的數(shù)據(jù)主要包括:常規(guī)氣象數(shù)據(jù);微波輻射數(shù)據(jù);風(fēng)廓線雷達數(shù)據(jù);氣溶膠激光雷達數(shù)據(jù);環(huán)境地面的逐小時數(shù)據(jù).以上數(shù)據(jù)均經(jīng)過數(shù)據(jù)質(zhì)量控制和檢驗,數(shù)據(jù)來源和詳細(xì)描述詳見表1.

表1 氣象和環(huán)境數(shù)據(jù)描述

1.2 霧、霧頂高度和逆溫判斷方法

霧判斷方法:參考GB/T 36542-2018《霾的觀測識別》[27]以及文獻[23,28],本研究定義能見度<1.0km,相對濕度大于90%的無降水天氣現(xiàn)象為霧;霧頂高度判斷方法[23]:觀測高度內(nèi)RH390%的最高層.

逆溫計算方法基于微波輻射計資料,逆溫的判斷方法如下:

式中:H和H1為不同的海拔高度,m,且H<H1,T為H高度下的氣溫,℃,T1為H1高度下的氣溫,若T>T1,則記作逆溫,當(dāng)一次逆溫事件中H=0m,則記作貼地逆溫,H>0m,則記作近地層逆溫或脫地逆溫.

1.3 模式介紹及檢驗

WRF-Chem模式是美國國家環(huán)境預(yù)測中心/國家大氣研究中心(NCAR)和美國國家海洋大氣局 (NOAA)聯(lián)合開發(fā)的中尺度在線大氣化學(xué)模式,模式考慮大氣污染的化學(xué)過程、平流輸送、湍流擴散、干濕沉降過程,在全球空氣質(zhì)量預(yù)報和模擬中有廣泛的運用.為能夠使用該模式更好地分析污染成因,在WRF-Chem3.4版本中引入標(biāo)記法源追蹤技術(shù),模式的人為排放源清單使用清華大學(xué)MEIC 2016,分辨率為0.25°×0.25°,化學(xué)過程采用MOZART-4,長波輻射方案和短波輻射方案均采用RRTMG,邊界層方案使用YSU方案,模式采用兩層嵌套,水平分辨率分別為27km和9km,水平網(wǎng)格分別為91×91和109× 109,中心經(jīng)緯度為38.6°N、116.2°E,垂直方向分為27層.氣象初始場和背景場均使用NECP的FNL全球1°×1°數(shù)據(jù).

開發(fā)過程中將一次源PM2.5標(biāo)記方法整合到模型中,標(biāo)記方法中的示蹤劑考慮了物理過程(如平流、垂直混合、對流)影響,該方法中根據(jù)天津市地形特征及周邊環(huán)境,模擬區(qū)域被分成31個源區(qū)域(包括天津各區(qū)、北京和河北地區(qū)的11個城市,以及山東、山西、河南、遼寧等省份).將每個源區(qū)域識別的PM2.5作為獨立變量進行跟蹤.對于任意時間,通過識別的一次污染物(PM2.5)計算公式:

式中:是無量綱的識別符;C()為在時刻識別下的PM2.5濃度,μg/m3;?是時間步長,s;C(+?)為+?時刻識別下的(PM2.5),μg/m3;?C是識別下初始PM2.5濃度的變化量,μg/m3;?Chem為識別下由化學(xué)反應(yīng)引起的質(zhì)量濃度變化,μg/m3.在氣溶膠化學(xué)中,一次污染物PM2.5不參與化學(xué)計算,因此, ?Chem為0; ?Phy為識別下物理過程的總和(包括平流、垂直混合、干濕沉降和對流),每個跟蹤變量都像正常模擬那樣進行物理過程的所有相關(guān)計算,但不會干擾正常模型計算,因此將直接獲得物理過程引起的質(zhì)量濃度變化,μg/m3; ?Emis為識別下區(qū)域內(nèi)的總排放量,μg/m3.與傳統(tǒng)的靈敏度分析相比,該一次污染物PM2.5標(biāo)記模型可以更準(zhǔn)確地測量所有相關(guān)區(qū)域的PM2.5濃度,同時減少計算誤差.

對WRF-Chem模式進行檢驗,2019年全年天津市PM2.5質(zhì)量濃度模擬值為53μg/m3,觀測值為51μg/m3,相關(guān)系數(shù)為0.76,相對誤差為35%.對比2019年12月7～10日此次霧-霾過程天津市區(qū)PM2.5質(zhì)量濃度的實況值和模擬值(圖1),模擬值高于實況值,模擬變化趨勢與實況變化基本一致,因此, WRF- Chem模式模擬結(jié)果能夠基本反映此次過程期間天津市PM2.5質(zhì)量濃度變化特征.

圖1 天津市區(qū)2019年12月7～10日PM2.5實況值和模擬值

2 結(jié)果與分析

2.1 大氣環(huán)流背景和天氣形勢分析

受不利氣象條件影響,2019年12月7～10日天津、北京、河北、山東、河南和遼寧多個省份出現(xiàn)重污染天氣,期間霧與霾交替出現(xiàn),能見度較低,持續(xù)時長達50多個小時,為2019年入冬以來北方地區(qū)較為嚴(yán)重的一次大范圍的霧-霾天氣.12月7～10日天津地區(qū)先后發(fā)布了大霧橙色、霾黃色和重污染橙色等預(yù)警.

京津冀地區(qū)12月7～10日500hPa高空形勢場均為槽,高空槽前一般吹西南風(fēng)[29],這種風(fēng)能把孟加拉灣和印度洋上空的暖濕空氣輸送到中國中緯度地區(qū),為形成云、雨、霧、降水等創(chuàng)造條件.12月7～10日天津市海平面氣壓由弱高壓轉(zhuǎn)為弱低壓控制,氣壓由1032hPa逐漸減弱至1016hPa,向不利于污染物的垂直擴散方向轉(zhuǎn)變.此次霧-霾過程起霧于鋒面來臨之前的500hPa高空南風(fēng)暖濕氣流及近地面冷空氣的入侵使地面氣溫下降作用,低層的偏北下沉氣流與高空的偏南暖濕氣流配合,形成鋒面逆溫層.

此次霧-霾過程先后經(jīng)歷4個階段(圖2):霧生成階段S1:12月7日07:00～15:00,期間能見度由5.5km降低至0.1km,相對濕度由37%增至92%,天津很快處于大范圍的霧區(qū)內(nèi),霧生成.霧與霾交替出現(xiàn)階段S2:12月7日15:00～10日00:00,期間霧與霾交替出現(xiàn),其中7日15:00～8日00:00、9日21:00～10日00:00,相對濕度均390%,能見度￡1km,天津地區(qū)出現(xiàn)全市范圍的大霧天氣;這一階段的其它時間段為霾,相對濕度為65%～99%,能見度為1～2.13km,近地面風(fēng)場以西南風(fēng)為主,PM2.5質(zhì)量濃度在135～223μg/m3之間,維持中度-重度污染.霾階段S3:12月10日01:00～ 17:00,10日01:00～08:00受弱冷空氣影響,相對濕度由99%降至74%,霧消散,PM2.5質(zhì)量濃度由186μg/m3下降至122μg/m3,但由于冷空氣勢力偏弱,污染不能徹底消散,霾仍維持;10日09:00～17:00受較強西北風(fēng)影響,北京地區(qū)空氣質(zhì)量出現(xiàn)改善,受上游輸送影響,天津市PM2.5質(zhì)量濃度達到此次過程峰值266μg/m3.霾消散階段S4:12月10日18:00～23:00,冷空氣繼續(xù)影響天津,地面氣壓逐漸升高,20:00時市區(qū)霾消散,天津市其他區(qū)霾自北向南依次消散,23:00時全市空氣質(zhì)量恢復(fù)優(yōu)良水平,此次霧-霾天氣過程結(jié)束.

2.2 邊界層結(jié)構(gòu)及PM2.5垂直分布分析

邊界層結(jié)構(gòu)不僅直接影響污染物的輸送、積累和擴散,對霧-霾天氣的演變和相互轉(zhuǎn)化也起重要作用[30],持續(xù)逆溫造成的上暖下冷的溫度層結(jié)在一定高度上形成的“鍋蓋”效應(yīng)不利于污染物的垂直擴散,導(dǎo)致重污染天氣的發(fā)生[31],也是冬季成霧的背景原因[32],因此基于微波輻射計和風(fēng)廓線雷達資料分析邊界層熱動力特征對厘清霧-霾形成機理尤為重要.

基于微波輻射計12月7～10日天津此次霧-霾過程的溫度廓線(圖3)可知,S1階段逆溫層在12月7日13:00左右建立,貼地逆溫及多層逆溫發(fā)展明顯,逆溫層厚度最大達到800m,隨著逆溫生成,相對濕度由12月7日13:00的75%增加至15:00的92%,霧生成;S2階段霧與霾交替出現(xiàn),相對濕度較高,逆溫層頂高度攀升,邊界層內(nèi)在0～100, 200～600, 700～ 900, 1000～1500m等高度層呈多層逆溫,但逆溫幅度不大(最大為0.96 ℃/100m),霧層內(nèi)大氣呈中性狀態(tài),相對有利于污染物在霧區(qū)內(nèi)擴散, PM2.5濃度在霧區(qū)內(nèi)擴散至400m以下.以RH390%作為霧的標(biāo)準(zhǔn),霧頂高度為垂直方向RH390%的高度[23],12月8日00:00形成最大為1000m霧頂高度的霧,逆溫層最大高度為1500m,逆溫層高度高于霧頂高度,霧頂?shù)哪鏈貙訒刮廴疚锔y向上層大氣擴散,造成霧區(qū)內(nèi)污染物濃度加重;S3階段霧消散后逆溫消失,溫度遞減率由10日03:00的0.49℃/100m增加到14:00的0.85℃/100m(這兩個時刻2km以下各高度層上的均值),為不穩(wěn)定層結(jié),有利于污染物垂直擴散;S4階段邊界層內(nèi)無逆溫,溫度遞減率平均為0.77℃/100m,為不穩(wěn)定層結(jié),有利于污染物垂直擴散,在強冷空氣影響下霾消散.

結(jié)合微波輻射計獲得的相對濕度、水汽密度、氣溫、液態(tài)水含量垂直分布(圖4)可知,12月7日霧發(fā)生前07:00～15:00相對濕度和液態(tài)水含量呈爆發(fā)性增長,最大增長速率分別可達13.44%/h和0.013g/ (m3·h).霧霾交替階段水汽密度在該高度上最大值達到4.92g/m3,對應(yīng)時刻及相應(yīng)高度上有液態(tài)水凝結(jié),液態(tài)水含量最大達到0.048g/m3,相對濕度390%的霧維持過程對應(yīng)液態(tài)水含量30.012g/m3,垂直高度2km以下存在多層逆溫,微波輻射資料的相對濕度和液態(tài)水含量可較好預(yù)報預(yù)警霧的發(fā)生.

圖3 12月7～10日此次霧-霾過程溫度廓線圖

Fig.3 Temperature profiles during the fog-haze episode from December 7 to 10

由此次霧-霾過程期間風(fēng)廓線和垂直PM2.5分布(圖5)可知, S1階段12月7日09:00垂直方向0～300m高度出現(xiàn)PM2.5高濃度層,其中180m高度左右最大達300μg/m3,隨后在高空西北風(fēng)影響下,PM2.5質(zhì)量濃度下降,地面甚至達到優(yōu)良水平,13:00后隨著高空700m以下風(fēng)速轉(zhuǎn)為小風(fēng), PM2.5質(zhì)量濃度開始向近地面200m以下壓縮.S2階段12月8日06:00～16:00高空西南風(fēng)帶來充沛水汽,有利于霧的維持,邊界層內(nèi)風(fēng)速可達6m/s;當(dāng)空氣濕度接近飽和時,霧滴通過水汽凝結(jié)或碰并過程增大粒徑,加快重力沉降,導(dǎo)致12月8日白天地面PM2.5濃度的降低,但由于霧頂逆溫會使污染物更難向上層大氣擴散,霧區(qū)內(nèi)污染物濃度加重;霧的存在影響冷空氣對近地面PM2.5質(zhì)量濃度的改善,逆溫層頂外的風(fēng)速遠(yuǎn)高于逆溫層內(nèi)的風(fēng)速,以12月8日22:00為例,逆溫層外風(fēng)速為6～12m/s,逆溫層內(nèi)風(fēng)速為1～2m/s,在此期間地面PM2.5質(zhì)量濃度維持中度-重度污染.S3階段,霧消散后逆溫消失,垂直方向800m高度以上為6～14m/s的西南風(fēng),近地層200m以下仍處于小風(fēng)狀態(tài),相對濕度快速下降,受垂直方向西南風(fēng)風(fēng)速加大(風(fēng)速最大14m/s)影響,PM2.5質(zhì)量濃度趨于好轉(zhuǎn),隨著高空西北風(fēng)影響,遠(yuǎn)距離輸送的PM2.5至天津地區(qū)明顯下沉.S4階段高空西北風(fēng)持續(xù)加強,風(fēng)速持續(xù)增大,地面風(fēng)速2.9m/s,500和1000m高度風(fēng)速分別可達12和40m/s,天氣好轉(zhuǎn),此次霧-霾天氣過程結(jié)束.

圖5 12月7～10日此次霧霾過程的風(fēng)廓線和垂直PM2.5分布

2.3 區(qū)域輸送分析

污染物區(qū)域輸送對天津市重污染天氣的形成發(fā)展具有重要作用,天津市秋冬季PM2.5來源本地源排放貢獻約為56%[7],區(qū)域輸送貢獻約為44%.基于WRF-Chem模式源追蹤污染物來源分析結(jié)果表明,此次霧-霾天氣天津市本地源貢獻為36.1%,區(qū)域輸送源貢獻為63.9%,區(qū)域輸送特征較明顯.從圖7可知,S1階段(霧生成前的12月7日07:00～15:00),天津市受弱高壓控制,高空西北風(fēng)逐漸減弱,地面轉(zhuǎn)為西南風(fēng),天津市本地源貢獻率為36.0%,外來源的輸送達64.0%,其中北京市輸送貢獻率為34.6%,河北省總貢獻率為26.1%.S2階段,隨著霧生成,靜穩(wěn)天氣下天津本地源排放貢獻持續(xù)增大,12月7日19:00達到最大為67.8%;12月8日02:00起,隨著高空西南風(fēng)加大,西南風(fēng)帶來充沛水汽的同時也帶來區(qū)域污染物輸送,區(qū)域輸送影響主要來源于西南方向,包括滄州、廊坊、保定、衡水等市,其中滄州市外來源貢獻率最大達到39.6%,廊坊市外來源貢獻率最大達到33.2%.S3階段, 12月10日01:00～08:00在西南風(fēng)弱冷空氣影響下,區(qū)域輸送影響主要來源于西南方向,其中滄州市外來源貢獻率最大達到32.6%,隨后09:00～17:00,由于高空西北風(fēng)影響,北京市外來源的輸送貢獻率逐漸加大,14:00時達到最大為61.2%.受西北風(fēng)影響的S4階段,北京外來源貢獻平均為33.2%.此次重污染過程污染物來源主要來自天津市本地、河北省(總貢獻)、北京市和河南省,平均貢獻率分別占36.1%、38.0%、10.6%和1.6%.

圖6 2019年12月7～10日天津地區(qū)污染來源模擬結(jié)果

此次重污染過程一次顆粒物的外來源貢獻率為63.9%,高于天津秋冬季節(jié)外來源貢獻率44%[7],略低于楊旭等[33]采用WRF-Chem模擬的天津一次重污染過程區(qū)域輸送貢獻率66.6%,說明天津市重污染過程更易受外來源的影響,此次過程主要源于外來源的區(qū)域輸送.

3 結(jié)論

3.1 霧-霾天氣與大氣溫度層結(jié)密切相關(guān),S1階段伴隨著逆溫生成,相對濕度和液態(tài)水含量最大增長速率分別可達13.44%/h和0.013g/(m3·h),呈爆發(fā)性增長,相對濕度快速增至92%,霧生成,微波輻射資料可用于預(yù)報預(yù)警霧的發(fā)生;S2階段霧天氣改變了邊界層結(jié)構(gòu)特征,霧層內(nèi)大氣呈中性狀態(tài),相對有利于污染物在霧區(qū)內(nèi)擴散,PM2.5高濃度主要出現(xiàn)在邊界層400m以下,霧頂持續(xù)逆溫抑制了污染物向上層大氣擴散,造成霧區(qū)內(nèi)污染物濃度加重,地面PM2.5質(zhì)量濃度為135～223μg/m3,維持中度-重度污染.

3.2 霧-霾天氣與垂直風(fēng)場密切相關(guān),S2階段存在低風(fēng)速(1～2m/s)和較大風(fēng)速(6m/s)(西南風(fēng)帶來充沛水汽)兩種維持霧的情況;S2階段霧頂逆溫層以上風(fēng)速為6～12m/s,霧層內(nèi)為1～2m/s,因而霧的存在影響大氣對近地面空氣質(zhì)量的改善.

3.3 此次霧-霾過程天津本地源排放36.1%,區(qū)域輸送貢獻為63.9%,整個過程均表現(xiàn)出明顯的區(qū)域輸送特征.

[1] Zhang Y, Zhu B, GAO J H, et al. The source apportionment of primary PM2.5in an aerosol pollution event over Beijing-Tianjin-Hebei Region using WRF-Chem, China [J]. Aerosol & Air Quality Research, 2017,17(12):2966-2980.

[2] Duan F K, He K B, Ma Y L, et al. Concentration and chemical characteristics of PM2.5in Beijing, China: 2001～2002 [J]. Science of the Total Environment, 2006,355(1/2/3):264-275.

[3] Li L, Wang W, Feng J L, et al. Composition, source, mass closure of PM2.5aerosols for four forests in eastern China [J]. Journal of Environment Science, 2010,31(3):405-412.

[4] Zhao X J, Zhao P S, Xu J,et al. Analysis of a winter regional haze event and its formation mechanism in the North China Plain [J]. Atmospheric Chemistry and Physics Discussions, 2013,13(1):903- 933.

[5] 孟麗紅,李英華,韓素芹,等.海陸風(fēng)對天津市PM2.5和O3質(zhì)量濃度的影響[J]. 環(huán)境科學(xué)研究, 2019,32(3):390-398.

Meng L H, Li Y H, Han S Q, et a1. Influence of sea-land breeze on the concentrations of PM2.5and O3in Tianjin City [J]. Research of Environmental Science, 2019,32(3):390-398.

[6] 韓笑顏,周 穎,呂 喆,等.京津冀典型城市一次重污染過程特征及邊界層結(jié)構(gòu)變化對其影響 [J]. 環(huán)境科學(xué)研究, 2020,33(10):2236- 2245.

Han X Y, Zhou Y, Lu Z, et a1. Characteristics of heavy air pollution process and influnce of structure variation of planetary boundary layer in typical cities of Beijing-Tianjin-Hebei Region [J]. Research of Environmental Science, 2020,33(10):2236-2245.

[7] 孟麗紅,蔡子穎,李英華,等.天津市PM2.5濃度時空分布特征及重污染過程來源模擬[J]. 環(huán)境科學(xué)研究, 2020,33(1):9-17.

Meng L H, Cai Z Y, Li Y H, et a1. Spatial and temporal distributions and source similation during heavy pollution of PM2.5in Tianjin City [J]. Research of Environmental Science, 2020,33(1):9-17.

[8] Wang M R, Kai K J, Sgimoto N B, et a1. Meterological factoers affecting winter particular air pollution in Ulaanbaatar from 2008 to 2016 [J]. Asian Journal of Atmospheric Environment, 2018,12(3): 244-254.

[9] Leng C, Duan J, Xu C, et al, Insights into a historic severe haze event in Shanghai: synoptic situation, boundary layer and pollutants [J]. Atmospheric Chemistry and Physics, 2016,16(14):9221-9234.

[10] 廖曉農(nóng),張小玲,王迎春,等.北京地區(qū)冬夏季持續(xù)性霧霾發(fā)生的環(huán)境氣象條件對比分析 [J]. 環(huán)境科學(xué), 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.

[11] 周述學(xué),鄧學(xué)良,王傳輝,等.華東2018年冬季一次典型霧霾過程氣象成因分析 [J]. 高原氣象, 2020,390(5):1110-1121.

Zhou S X, Deng X L, Wang C H, et al. Analysis of meteorological conditions for a typical fog and haze event over eastern China in winter of 2018 [J]. Plateau Meteorology, 2020,39(5):1110-1121.

[12] WANG X Q, WEI W, CHENG S Y, et al. Characteristics and classification of PM2.5, pollution episodes in Beijing from 2013 to 2015 [J]. Science of the Total Environment, 2018,612:170-179.

[13] Li L, Wang W, Feng J L, et al. Composition, source, mass closure of PM2.5aerosols for four forests in eastern China [J]. Journal of Environment Science, 2010,31(3):405-412.

[14] Zhao X J, Zhao P S, Xu J,et al. Analysis of a winter regional haze event and its formation mechanism in the North China Plain [J]. Atmospheric Chemistry and Physics Discussions, 2013,13(1):903-933.

[15] 李 夢,唐貴謙,黃 俊,等.京津冀冬季大氣混合層高度與大氣污染的關(guān)系[J]. 環(huán)境科學(xué), 2015,36(6):1935-1943.

Li M, TangG Q, Huan J, et a1. Characteristics of winter atmospheric mixing layer height in Beijing-Tianjin-Hebei region and their relationship with the atmospheric pollution [J]. Environmental Science, 2015,36(6):1935-1943.

[16] 楊 軍,王 蕾,劉端陽,等.一次濃霧過程的邊界層特征及生消物理機制 [J]. 氣象學(xué)報, 2010,68(6):998-1006.

Yang J, Wang L, Liu D Y, et al. The boundary layer structure and the evolution mechanisms of a deep dense fog event [J]. Acta Meteorologica Sinica, 2010,68(6):998-1006.

[17] 潘 亮,閆鳳霞,吳峻石,等.2013～2019年上海早晨接地逆溫指標(biāo)與PM2.5定量關(guān)系研究 [J]. 中國環(huán)境科學(xué), 2021,41(2):517-526.

Pan L, Yan F X, Wu J S, et al. Parameters of surface based inversion in the morning during 2013 to 2019 and its quantitative relationship with PM2.5in Shanghai [J]. China Environmental Science, 2021,41(2):517- 526.

[18] Han S Q, Zhang Y F, Wu J, et al. Evaluation of regional background particulate matter concentration based on vertical distribution characteristics [J]. Atmospheric Chemistry and Physics, 2015,15: 11165-11177.

[19] 劉 超,花 叢,張恒德,等.L波段探空雷達秒數(shù)據(jù)在污染天氣邊界層分析中的應(yīng)用[J]. 氣象, 2017,43(5):591-597.

Liu C, Hua C, Zhang H D, et al. Application of L-band radar sounding data in analyzing polluted weather boundary layer [J]. Meteorological Monthly, 2017,43(5):591-597.

[20] Liu C, Hua C, Zhang H D, et al. A severe fog-haze episode in Beijing-Tianjin-Hebei region: characteristics sources and impacts of boundary layer structure [J]. Atmospheric Pollution Research, 2019, 10:1190-1202.

[21] 孟麗紅,張 敏,韓素芹.天津市郊區(qū)冬季大氣邊界層風(fēng)、溫場結(jié)構(gòu)與特征 [J]. 中國環(huán)境科學(xué), 2012,32(10):1758-1763.

Meng L H, Zhang M, Han S Q.Structures and characteristics of the atmospheric boundary layer in winter of the Tianjin suburb [J]. China Environmental Science, 2012,32(10):1758-1763.

[22] 張 敏,蔡子穎,韓素芹,等.天津污染天氣邊界層溫度層結(jié)變化特征及預(yù)報閾值確定[J]. 環(huán)境科學(xué)學(xué)報, 2018,38(6):2270-2278.

Zhang M, Cai Z Y, Han S Q, et al. The research on threshold and regularity of temparature stratification in heavy polltion weather in Tianjin [J]. Acta Scientiae Circumstantiae, 2018,38(6):2270-2278.

[23] 姚 青,劉敬樂,蔡子穎,等.天津一次霧-霾天氣過程的近地層溫濕結(jié)構(gòu)和湍流特征分析[J]. 環(huán)境科學(xué)學(xué)報, 2018,38(10):3856-3867.

Yao Q, Liu J L, Cai Z Y, et al. Analysis of temperature and moisture structure and turbulence characteristics of a smog and haze weather process in Tianjin [J]. Acta Scientiae Circumstantiae, 2018,38(10): 3856-3867.

[24] 蔡子穎,韓素芹,吳彬貴,等.天津一次霧過程的邊界層特征研究[J]. 氣象, 2012,38(9):1103-1109.

Cai Z Y, Han S Q, Wu B G, et al. Analysis an characteristics of atmospheric boundary layer during a fog process in Tianjin [J]. Meteorological Monthly, 2012,38(9):1103-1109.

[25] Guo L J, Guo X L, Fang C G,et al. Observation analysis on characteristics of formation, evolution and transition of a long-lasting severe fog and haze episode in North China [J]. Science China Earth Sciences, 2015,58(3):329-344.

[26] Liu, H, Liu, C, Xie, Z, et al. A paradox for air pollution controlling in China revealed by “APEC Blue”and “Parade Blue” [J]. Scientific Reports, 2016,6:1-13.

[27] GB/T 36542-2018 霾的觀測識別[S].

GB/T 36542-2018 Haze identification for meteorological observation [S].

[28] Ju T T, Wu B G, Zhang H S, et al. Parameterization of radiation fog-top height and methods evaluation in Tianjin [J]. Atmospheric, 2020,11(5480):1-18.

[29] 余文韜,吳振玲,何群英,等.天津天氣預(yù)報手冊 [M]. 北京:氣象出版社, 2015:83-92.

Yu W T, Wu Z L, He Q Y, et al. The weather forecast manual of Tianjin [M]. Beijing: China Meteorological Press, 2015:83-92.

[30] Wang S, Liao T T, Wang L L, et alProcess analysis of characteristics of the boundary layer during a heavy haze pollution episode in an inland megacity, China [J]. Journal of Environmental Science, 2016,40:138-144.

[31] Wu W N, Zha Y, Zhang J H,et alA temperature inversion-induced air pollution process as analyzed from Mie LiDAR data [J]. Science of the Total Environment, 2014,479/480:102-108.

[32] Yuan Z X, Qin J, Zheng X,et alThe relationship between atmospheric circulation, boundary layer and near-surface turbulence in severe fog-haze pollution periods [J]. Journal of Atmospheric and Solar–Terrestrial Physics, 2020,200:105216.

[33] 楊 旭,蔡子穎,韓素芹,等.基于無人機探空和數(shù)值模擬天津一次重污染過程分析[J]. 環(huán)境科學(xué), 2021,42(1):9-18.

Yang X,Cai Z Y,Han S Q,et al. Heavy polltion episode in Tianjin based on UAV meteorological sounding and numerical model [J]. Environmental Science, 2021,42(1):9-18.

Boundary layer characteristics of fog-haze in Tianjin based on multi-source data.

MENG Li-hong1,2*, LIU Hai-ling1,2, WANG Wei1,2, CAI Zi-ying3, LIU Li-li1,2, QU Ping1,2, HAO Jian1,2

(1.Tianjin Key Laboratory for Oceanic Meteorology, Tianjin 300074, China；2.Tianjin Institute of Meteorological Science, Tianjin 300074, China；3.Tianjin Environmental Meteorology Center, Tianjin 300074, China)., 2022,42(9)：4018～4025

In order to explore the boundary layer characteristics, the multi-source observation data such as automatic meteorological station data, environmental hourly concentration data, microwave radiation data, wind profile radar, aerosol lidar and WRF-Chem source tagged method were used to analyze a typical fog-haze episode in Tianjin from December 7 to 10, 2019. The results showed that: The fog-haze process can be clearly divided into four stages of fog formation, fog and haze alternation, haze, and haze dissipation. Fog-haze weather was closely related to atmospheric temperature stratification, with the generation of temperature inversion, the maximum growth rate of relative humidity and liquid water content reached 13.44%/h and 0.013g/(m3·h), respectively, showing an explosive growth up to 92% of the relative humidity, and the microwave radiation data can better predict the formation of fog. In the stage of fog and haze alternation, fog weather changed the structure of the boundary layer. The atmosphere in the fog layer was in a neutral state, being relatively conducive to the pollutant diffusion in the fog area. The high value of PM2.5concentration mainly occurred below 400m, and the continuous inversion at the fog top inhibited the diffusion of pollutants to the upper atmosphere, resulting in the aggravation of pollutant concentration in the fog area and an increase in surface PM2.5up to 135～223μg/m3near to ground, maintaining moderate-severe pollution. There was a good relationship between fog-haze weather and vertical wind field. In fog and haze alternation stage, there were two situations, low wind speed and high wind speed (the southwesterly wind brought abundant water vapor), which are beneficial to the maintenance of fog. The wind speed was 6～12m/s above the fog top inversion and 1～2m/s in the fog layer. The existence of fog was not conducive to the improvement of air quality near the ground. During the fog-haze process, the local emissions contributed 36.1% to surface PM2.5concentration in Tianjin, and the contribution of regional transport was 63.9%, demonstrating obvious regional transport characteristics of the whole pollutant process.

fog-haze；multi-source data；boundary layer；thermodynamic characteristics；PM2.5

X513

A

1000-6923(2022)09-4018-08

2022-02-25

國家自然科學(xué)基金資助項目(42105009);天津市氣象局項目(202113ybxm05);環(huán)渤海協(xié)同基金項目( QYXM202014)

*責(zé)任作者, 高級工程師, menglh@126.com

孟麗紅(1979-),女,河南安陽人,高級工程師,碩士,主要從事邊界層與大氣環(huán)境研究.發(fā)表論文20余篇.