黃 俊,廖碧婷,王春林,譚浩波,沈子琦,藍 靜,湯 靜,岳海燕

?

新型垂直探測資料在污染天氣分析中的應用

黃 俊1,廖碧婷2,王春林1,譚浩波3*,沈子琦1,藍 靜1,湯 靜1,岳海燕4

(1.廣州市氣候與農(nóng)業(yè)氣象中心,廣東 廣州 511430；2.廣州市黃埔區(qū)氣象局,廣東 廣州 510530；3.廣東省生態(tài)氣象中心,廣東 廣州 510640；4.廣州市氣象臺,廣東 廣州 511430)

針對2017年1月上旬廣州地區(qū)出現(xiàn)的一次持續(xù)時間長的重污染天氣過程,基于地面觀測資料、激光雷達、風廓線雷達和微波輻射計數(shù)據(jù),從水平和垂直擴散條件2個方面分析了此次污染過程的形成和維持的原因.結果表明:(1)本次污染過程期間,廣州地區(qū)地面風速基本為小于2m/s的偏北風,在300m高度以下普遍存在平均水平風速低于2.6m/s的小風層;污染前期640m高度內(nèi)的各層回流指數(shù)廓線小于0.6,100m高度小于0.4,污染緩解后回流指數(shù)高于0.7.(2)地面PM2.5濃度與逆溫強度的相關系數(shù)為0.42,過程平均逆溫厚度167m,平均逆溫強度為1.08℃/100m;(3)PM2.5濃度與邊界層高度的相關系數(shù)為-0.56,清潔時段的平均邊界層高度(876m)約為污染時段(620m)的1.4倍,過程最低邊界層高度為267m;PM2.5濃度與邊界層通風量的相關系數(shù)為-0.61,清潔時段的平均邊界層通風量(2538m2/s)約為污染時段(1136m2/s)的2.2倍,使用邊界層通風量能更好表征大氣污染的程度.

激光雷達；風廓線；微波輻射計；大氣污染；廣州

大氣邊界層是受地面影響最直接、最劇烈的氣層,也是地氣交換的主要場所.受熱力和動力作用,大氣邊界層結構及其變化在大氣污染的形成、輸送、擴散和清除等過程中起著非常重要的作用[1-3].邊界層高度的降低、垂直方向風速的減弱及逆溫層的存在等邊界層氣象條件不利于近地面污染物的垂直擴散[4-5],易引起近地面污染累積加劇,因此,開展大氣邊界層特征研究對大氣污染的形成機理具有重要的意義.

目前,研究邊界層特征的傳統(tǒng)探測手段主要為小球探空、氣象高塔、系留氣艇、飛機、無線電探空儀等[6-8],但這些氣象探測很難得到高時空分辨率的大氣邊界層連續(xù)演變信息.相比傳統(tǒng)的氣象觀測手段,一些基于遙感探測技術的先進儀器設備(如微波輻射計、激光雷達和風廓線雷達等)迅速發(fā)展、日益成熟,由于其操作的可持續(xù)性,探測結果具有時空分辨率高、連續(xù)穩(wěn)定的優(yōu)勢,成為近年來邊界層探測的主要技術,國內(nèi)外學者廣泛開展基于新型探測儀器廓線測量的邊界層特征研究[9-21].大量文獻探討了利用單一新型探測資料來分析邊界層特征及其對污染物擴散的影響,對于融合多種新型垂直探測資料,從垂直和水平擴散條件方面詳細分析污染過程中的邊界層特征及其對重污染天氣形成影響的工作仍較缺乏.本文基于廣州地區(qū)的邊界層風廓線雷達、氣溶膠激光雷達、微波輻射計等多種地基遙感設備探測的高時空分辨率邊界層垂直風、溫、氣溶膠廓線數(shù)據(jù),結合地面氣象觀測資料和污染物濃度,從水平和垂直氣象條件兩方面綜合分析2017年1月上旬廣州地區(qū)一次典型重污染天氣過程的大氣邊界層結構特征與大氣污染的關系,揭示邊界層結構特征在大氣污染形成過程中的作用,以期能夠為區(qū)域大氣污染的監(jiān)測預報預警及治理提供決策參考,同時為新型垂直探測資料在污染天氣過程分析中的應用提供了參考.

1 數(shù)據(jù)及方法

1.1 數(shù)據(jù)

本文選取了2017年1月上旬(1~10日)廣州國家基本氣象站的地面觀測數(shù)據(jù)和微波輻射計觀測數(shù)據(jù)、廣州市氣象局觀測場的激光雷達數(shù)據(jù)、廣州市花都區(qū)氣象局觀測場的風廓線數(shù)據(jù)和廣州10個環(huán)保國控站點的PM2.5濃度數(shù)據(jù),各觀測設備有專人負責進行定期校準,并且所有數(shù)據(jù)都經(jīng)過了質(zhì)量控制和檢驗. 本文中逐時PM2.5濃度數(shù)據(jù)為10個環(huán)保國控站點濃度的平均值.各類數(shù)據(jù)的觀測站點位置如圖1所示.

大氣顆粒物激光雷達為無錫中科光電技術有限公司的高能米散射激光雷達(型號:AGHJ-I- LIDAR(HPL)).激光雷達原始數(shù)據(jù)經(jīng)過相關的訂正處理后[22],由目前最為流行的Fernald后向積分算法[23]來求解,得到垂直方向上氣溶膠消光系數(shù)和退偏振比等光學參數(shù)(算法中顆粒物消光后向散射比Sa 取 50sr),進一步利用消光梯度法[24]得到大氣邊界層高度等特征量.

圖1 廣州市環(huán)保國控站及垂直探測站點位置分布

風廓線雷達為敏視達TWP3型固定式邊界層風廓線雷達,本文研究取3000m高度以內(nèi)的小時數(shù)據(jù)進行分析.本文將風廓線雷達資料與清遠站L波段探空雷達秒數(shù)據(jù)(從地面開始1s一組觀測數(shù)據(jù))在3km高度內(nèi)進行對比檢驗(圖略),得出兩站的風向和風速具有較好的一致性,其相關系數(shù)分別為0.81、0.95,通過0.001的顯著性檢驗,說明風廓線雷達觀測得到的風速風向數(shù)據(jù)具有較高的可信度.

地基微波輻射計型號為德國RPG-HATPRO- G3,其中邊界層溫度廓線的高度范圍為0~ 2km,時間分辨率20min.

1.2 特征量計算方法

邊界層通風量(VI)是表征邊界層內(nèi)大氣對污染物的擴散能力的有效工具[25],其同時考慮了大氣邊界層高度和邊界層內(nèi)風速的作用,即大氣的水平和垂直擴散能力,該值越小越不利于污染物擴散.其計算公式如下:

式中:是該時刻風速對應的高度層;H是層的高度,m;v是層的風速,m/s;PBLH 是該時刻邊界層高度,m;VI的單位是,m2/s;SFC為最低層高度.實際計算時,邊界層高度使用激光雷達數(shù)據(jù)反演所得到,不同高度的水平風速由風廓線雷達獲取.

局地回流指數(shù)(RF)最早是由Allwine等[26]提出的用來反映風場有效輸送能力.當RF接近1時,代表污染物可擴散的相對較遠;當RF越接近0時,代表著該時段內(nèi)風場使污染物回流堆積的效果越明顯,污染物有效擴散的區(qū)域小,局地污染物濃度相應較高[27-28].其計算公式如下:

式中:為相應的數(shù)據(jù)時刻;s為起始時刻;e為終止時刻,Δ為平均數(shù)據(jù)時間間隔;t為水平風速的東西分量;t為水平風速的南北分量.局地環(huán)流一般是由下墊面不同的熱力性質(zhì)產(chǎn)生,與太陽的晝夜變換同步,故基本約為1d的周期[29-30],因此,本研究中Δ為1h,t為起始時刻取0,t是終止時刻為23,計算得到各層的逐日局地回流指數(shù)廓線.

逆溫強度定義為在逆溫層內(nèi)每升高100m溫度的逆增值(℃/100m),用表示,其計算公式如下:

D=2-1(4)

D=2-1(5)

式中:1為逆溫層的底高,m;2為逆溫層的頂高(溫度最高值所在的高度),m;1為逆溫層底部的溫度,℃;2為逆溫層頂部的溫度,℃.

本文所用的數(shù)據(jù)通過Excel、Matlab等軟件進行處理和分析,由于微波輻射計觀測的溫度數(shù)據(jù)和激光雷達反演得到的邊界層高度數(shù)據(jù)是分鐘級數(shù)據(jù),因此根據(jù)小時內(nèi)的數(shù)據(jù)進行算術平均得到逐時的時間序列數(shù)據(jù).

2 結果與分析

2.1 污染天氣過程概況

受冷高壓東移出海和低層暖濕氣流共同影響,2017年1月上旬廣州地區(qū)出現(xiàn)了一次輕度(75μg/ m3

能見度總體表現(xiàn)為白天高、夜間低的日變化特征.白天時段能見度隨著PM2.5濃度及相對濕度的降低而迅速升高,最高可達19.6km;夜間隨著PM2.5濃度及相對濕度的升高而迅速降低,最低至0.4km.能見度與PM2.5濃度、相對濕度的相關系數(shù)分別為-0.66、-0.86,表現(xiàn)為顯著的負相關,通過0.001的顯著性檢驗.

為進一步分析顆粒物的消光特性,根據(jù)消光系數(shù)經(jīng)驗公式[32],將大氣能見度換算為消光系數(shù):

Ext = 3.912/(6)

式中:為能見度,km;Ext為消光系數(shù),km-1.

圖3為這次污染過程逐時地面PM2.5濃度與消光系數(shù)、相對濕度的相關關系及擬合曲線圖,表1為其擬合統(tǒng)計關系參數(shù).總體上,消光系數(shù)與PM2.5濃度存在線性關系,線性擬合方程為=0.024- 0.751,相關系數(shù)為0.63(表1).氣溶膠對大氣的消光作用受PM2.5濃度及相對濕度兩者共同影響.圖2是不同相對濕度下消光系數(shù)與質(zhì)量濃度的擬合,擬合線的斜率表示質(zhì)量比消光系數(shù)(消光系數(shù)與PM2.5質(zhì)量濃度的比值,m2/(g 10-3).隨著相對濕度增加,質(zhì)量比消光系數(shù)增大,表明單位質(zhì)量的氣溶膠產(chǎn)生更多的消光,主要原因是氣溶膠吸濕增長效應導致的粒徑增長,從而產(chǎn)生了更多的消光[33].當相對濕度高于70%~ 80%時,大氣中硫酸鹽、硝酸鹽等主要吸濕性物質(zhì)發(fā)生潮解,粒子粒徑明顯變大且二次反應加劇,氣溶膠粒子中的液態(tài)含水量增大,對大氣消光作用更為突出[34-35].當PM2.5濃度較高時,即使相對濕度比較低,消光系數(shù)也比較高,說明此時大氣的消光作用主要是受高濃度的PM2.5影響,如果此時相對濕度進一步增加,則會使得大氣顆粒物的消光作用進一步增強,導致能見度惡化.5日白天13:00~16:00, PM2.5濃度高于150μg/m3,相對濕度低于70%,此時對應的消光系數(shù)在0.5~1km-1;晚上20:00開始,PM2.5濃度仍然維持160μg/m3左右,而相對濕度增加到95%以上,對應的消光系數(shù)增加到3km-1以上,于6日3:00達到最大值9km-1,可見在高污染的情況下,相對濕度的增加會使得氣溶膠粒子產(chǎn)生更多的消光,使得能見度進一步惡化.在高相對濕度(>95%)時段,主要是夜間至早上,7~8日PM2.5濃度總體較低,基本在100μg/m3內(nèi),8日3:00達最大值為102μg/m3內(nèi),此時對應的消光系數(shù)最大值為3.2km-1,但相對于5~6日在高相對濕度及高PM2.5濃度下的消光系數(shù)最大值9.0km-1要低很多,此時,消光系數(shù)主要是受PM2.5濃度的影響.

表1 不同相對濕度下PM2.5濃度與消光系數(shù)的關系統(tǒng)計

注:為PM2.5濃度,為消光系數(shù),a為擬合斜率,b為截距.

據(jù)統(tǒng)計(表1),本次污染過程,當相對濕度在50%~60%時,PM2.5濃度較低,平均為62.9μg/m3,平均消光系數(shù)為0.3km-1,質(zhì)量比消光系數(shù)為0.002;在相對濕度在60%~80%時,PM2.5平均濃度為66.6~ 68.2μg/m3,變化不大,大氣消光作用隨著相對濕度的增加相應不明顯,平均消光系數(shù)為0.5~0.6;而當相對濕度高于90%時,PM2.5濃度平均為102.7μg/m3,平均相對濕度達96.7%,此時的平均消光系數(shù)急劇增漲至2km-1,是相對濕度在40%~50%的10倍,質(zhì)量比消光系數(shù)也顯著增加至0.031.此外,統(tǒng)計了在相對濕度>95%的情況下,不同PM2.5污染等級下的平均消光系數(shù),當PM2.5濃度在35~75μg/m3時(二級),平均消光系數(shù)為1.7km-1;當PM2.5濃度介于75~115μg/m3(三級)時,平均消光系數(shù)變化不明顯,為1.6km-1;當PM2.5濃度介于115~150μg/m3(四級)時,平均消光系數(shù)增加至2.8km-1;而當PM2.5濃度增加到150~200μg/m3時(五級),平均消光系數(shù)出現(xiàn)顯著的增加,達5.2km-1,最大可達9km-1,說明在高相對濕度情況下PM2.5濃度的增加會顯著增強大氣的消光作用,這與前人的研究結果類似[36-38].在珠江三角洲地區(qū),PM2.5濃度比較高的情況往往出現(xiàn)在夜間至早上時段,此時對應的相對濕度也經(jīng)常比較高,此次過程有50%以上的時次相對濕度大于90%,因此在較高的相對濕度和較高的PM2.5濃度下,引發(fā)了此次重污染過程.

2.2 氣溶膠垂直消光特征

氣溶膠的消光系數(shù)是大氣中的氣溶膠成分對太陽輻射衰減的描述,消光系數(shù)越大,說明污染越嚴重,氣溶膠濃度越高(排除降水、云的影響).主要選取1月3~6日觀測得到的比較完整的氣溶膠消光系數(shù)和退偏振數(shù)據(jù)進行分析,如圖4~5所示.由于3日07:00~08:00、4日02:00~09:00和6日00:00~04:00放置氣溶膠激光雷達房艙內(nèi)外的溫差過大導致鏡頭上持續(xù)出現(xiàn)過多水霧,使得激光無法穿透,導致相應時段的消光系數(shù)偏低,分析時已忽略相關數(shù)據(jù).另外,5日0:00~11:00和6日04:00~11:00因數(shù)據(jù)采集軟件出錯導致觀測數(shù)據(jù)缺測.

由圖4可見,1月3~4日氣溶膠消光系數(shù)廓線具有一定的日變化特征.200m高度的消光系數(shù)白天低夜間高,與PM2.5濃度變化趨勢較為一致;白天消光系數(shù)垂直厚度比夜間高,且消光系數(shù)高值區(qū)的退偏振基本小于0.1km-1,主要表現(xiàn)為顆粒物污染特征.3日00:00~ 06:00由于夜間穩(wěn)定邊界層的存在,近地面氣溶膠逐漸累積,且垂直厚度小,主要集中在低層200m高度內(nèi),消光系數(shù)逐漸增大;09:00~17:00隨著大氣湍流活動逐漸加強,氣溶膠逐漸向上擴散,近地面消光系數(shù)逐漸降低,0.2~1.3km的消光系數(shù)逐漸增大;18:00后,近地面氣溶膠又開始累積,使得近地面的消光系數(shù)又開始增大,且有部分氣溶膠繼續(xù)向上傳輸;22:00~23:00在800m高度左右出現(xiàn)另一層消光系數(shù)高值區(qū)域,初步判斷為殘留層,23:00至4日01:00,近地面氣溶膠消光系數(shù)接近1km-1;4日的氣溶膠消光系數(shù)變化與3日基本類似,但在4日傍晚開始近地面的消光系數(shù)明顯比3日高,而此時對應的PM2.5濃度為中度污染且持續(xù)累積,到5日1:00達到重度污染.

由圖5可見,5日全天的氣溶膠消光系數(shù)總體都比較高,這與5日PM2.5日均濃度達到重度污染,為過程污染最重的一天的情況較為吻合.5日11:00~ 13:00污染物主要集中在近地面,100~400m高度出現(xiàn)消光系數(shù)大值區(qū)(1.8km高度消光系數(shù)也出現(xiàn)大值區(qū),但該區(qū)域?qū)耐似癖容^大,判斷為云層非氣溶膠層),之后污染物開始向垂直方向上輸送,在15:00輸送到最高1km左右,1km高度內(nèi)均勻出現(xiàn)消光系數(shù)高值區(qū),地面PM2.5濃度也達到重度污染.之后消光系數(shù)高值區(qū)厚度受邊界層影響逐漸壓縮,到21:00降至300m左右,且出現(xiàn)氣溶膠分層結構.6日11:00后氣溶膠消光系數(shù)較5日明顯降低,此外傍晚開始在1.2km高度出現(xiàn)一層消光系數(shù)的大值區(qū),可能是外來污染物輸送所致.

圖4 1月3~4日氣溶膠激光雷達觀測消光系數(shù)

圖5 1月5~6日氣溶膠激光雷達觀測消光系數(shù)

圖6 PM2.5濃度及激光雷達反演的大氣邊界層高度(PBLH)變化

剔除因室內(nèi)外溫差導致激光雷達鏡頭出現(xiàn)水霧而影響實際觀測結果的數(shù)據(jù),通過反演得到1~10日大氣邊界層高度(PBLH)逐時變化情況,結果如圖6所示.可見,本次過程污染時段(PM2.5>75μg/m3)的平均邊界層高度為620m(最低值267m,最高值1082m),清潔時段(PM2.5￡75μg/m3)為876m(最低值370m,最高值 1378m),清潔時段的平均邊界層高度約為污染時段的1.4倍.邊界層高度基本處于較低狀態(tài),不利于污染物擴散.PM2.5濃度與大氣邊界層高度也存在顯著的負相關,相關系數(shù)為-0.56(通過0.001的顯著性檢驗).

2.3 邊界層風場特征分析

圖7給出1~10日廣州地面風矢量的時間變化,圖8為不同風向風速下PM2.5濃度圖.由圖可見,1~5日,廣州地區(qū)地面風速基本小于2m/s,對污染物的輸送能力較弱,利于污染天氣的維持;8日較強冷空氣主體到達后,風速顯著增大到5m/s以上,污染物擴散條件變好,污染情況逐漸好轉(zhuǎn),PM2.5濃度大幅降低,空氣質(zhì)量轉(zhuǎn)優(yōu);此次污染過程中,廣州地區(qū)的地面主導風為偏北風,高PM2.5濃度基本出現(xiàn)在風速小于2m/s、風向為靜風、N、SW和E的情況下.

圖7 1月1~10日地面逐時風矢量變化

風廓線雷達能較好地觀測到邊界層不同高度的水平風速,相較于傳統(tǒng)的地面觀測能更好地反映邊界層的水平輸送能力.圖9給出了廣州地區(qū)1~10日風廓線雷達觀測得到的逐時垂直風場變化圖.由圖可見,1~5日,從近地面到1000m左右,廣州地區(qū)風場總體偏弱,500m高度內(nèi)風速基本低于5m/s,尤其是200m以下基本為靜風,大氣層結比較穩(wěn)定,垂直擴散條件有利于污染物的累積;5日凌晨起,廣州地區(qū)近地面風速持續(xù)偏小,在400~900m轉(zhuǎn)為西南風,低層及高層風向存在風向輻合,污染物持續(xù)累積無法有效擴散,且廣州地區(qū)西南方向為佛山,西南風加強存在區(qū)域污染物輸送的可能,導致相應時段地面PM2.5濃度有20個時次達到重度污染;6~7日,受冷空氣南下影響,廣州地區(qū)整層風速(尤其是200~1000m)較1~5日有所加大,污染物擴散條件有所好轉(zhuǎn),PM2.5濃度有所下降,8日冷空氣主體到達,低層風速進一步加大,1000m以下風速最大值出現(xiàn)在500m高度左右,最大達12m/s,廣州地區(qū)地面轉(zhuǎn)為一致的偏北風(圖6),利于污染物擴散,PM2.5濃度大幅降低,空氣質(zhì)量轉(zhuǎn)為優(yōu). 風廓線雷達觀測風向在垂直方向上風隨高度順轉(zhuǎn), 2000m高度以上為偏西風為主, 1000m高度以下區(qū)域基本都出現(xiàn)偏北風,使得1000~2000m這一區(qū)域為偏西風轉(zhuǎn)偏北風的過渡層,存在風向切變,風速整體偏小,而低層及高層的風速都比較大,這與劉建等[39]分析得出的增城、從化、珠海及深圳的風廓線在1500~ 2000m左右的中層會出現(xiàn)小風層的特征一致.需要指出的是該結論除珠三角地區(qū)外不一定具有普遍性,對于其他地區(qū)的情況需要做進一步的研究和探 討.

圖8 不同風向風速下的PM2.5濃度分布

由以上分析可知,異常偏低的邊界層風速不利于污染物擴散,在邊界層內(nèi)累積造成污染.有研究表明,高濃度的污染物一定程度上會阻擋太陽輻射到達地面的傳輸,地面的長波輻射也難以向上傳輸,從而削弱了大氣的熱動力,使得大氣邊界層結構更加穩(wěn)定[17],穩(wěn)定的邊界層利于污染天氣的維持,污染物的累積又進一步促進邊界層更加穩(wěn)定,這樣反復惡性循環(huán),從而導致出現(xiàn)重污染天氣事件.

張人文等[40]對珠江三角洲區(qū)域大氣污染的研究表明:區(qū)域平均風速大于2.6m/s時不會出現(xiàn)區(qū)域性空氣污染,區(qū)域平均風速小于1.8m/s時會出現(xiàn)局地空氣污染,風速介于1.8~2.6m/s時處于污染排放量較大地區(qū)下游會出現(xiàn)污染.本文定義風廓線雷達探測到的低層風速在2.6m/s以下的區(qū)域為小風層.

圖9 1月1~10日風廓線雷達逐時廓線

圖10 逐時平均風速及主導風向日變化

對1月1~10日內(nèi)的逐時平均風速按0:00~23:00進行平均統(tǒng)計,得到此次污染過程的逐時平均風速及主導風向的日變化特征(圖10).由圖10可知,此次污染過程中,邊界層內(nèi)的水平風速具有一定的日變化特征,水平風速總體上白天較小、夜間較大,高層的晝夜風速變化比較大,低層風速在白天和夜晚變化比較小.總體上在2000m高度內(nèi)的平均水平風速低于5m/s,300m高度內(nèi)的近地面層普遍存在平均水平風速低于2.6m/s的小風層,且小風層厚度存在明顯的單峰日變化形態(tài).這可能是因為白天時段,由于太陽輻射使得地表增溫,地面湍流活動旺盛,使得近地層空氣得以充分混合,風速梯度小,并且在湍流耗散的作用下使得水平風速減小[41];而日落后,地表輻射冷卻形成逆溫層,到夜間時段的大氣層結轉(zhuǎn)為穩(wěn)定狀態(tài),發(fā)展成為穩(wěn)定的大邊界層,使得湍流活動減弱,對大氣動能的耗散能力也減弱,從而出現(xiàn)水平風速增加,并且夜間伴有邊界層急流的出現(xiàn)[42].夜間由于穩(wěn)定邊界層的存在,湍流活動較弱,小風層厚度最高僅在300m左右,穩(wěn)定邊界層內(nèi)的通風能力較弱,使得污染物堆積在近地面造成地面污染物濃度的急劇上高;上午9:00之后由于穩(wěn)定邊界層消失,湍流活動開始增強,垂直方向上大氣交換頻繁,混合層開始發(fā)展,小風層厚度可達1350m,污染物在垂直方向上得以稀釋擴散,使得近地面濃度在白天較夜間低,但邊界層內(nèi)的水平風速較小,污染物在垂直方向上向上擴散之后并不能有效的在水平方向上進行擴散和稀釋,至傍晚之后邊界層高度逐漸降低發(fā)展為穩(wěn)定邊界層時,原先在垂直方向上擴散的污染物又會重新聚集在近地層逐漸累積造成夜間近地面出現(xiàn)重污染.

圖11給出了1~10日各層平均風速及逐時風速與地面PM2.5濃度的相關系數(shù).可見,此次污染過程中,3000m高度內(nèi)的平均風速為3.8m/s,低于2.6m/s的小風層的平均厚度為280m;在880m高度內(nèi),平均風速隨高度的增加而增加(1.9~3.6m/s),在500m以上風速遞增速度較緩慢,基本可以看著等風速層;在880~990m高度風速從3.6m/s降低至2.5m/s,在990m以上高度,風速又開始呈現(xiàn)隨高度的增加而增加的趨勢.

結合地面PM2.5濃度與風廓線各層風速的相關性分析得出,地面PM2.5濃度與640m高度以內(nèi)各層風速相關系數(shù)介于-0.13~-0.21之間,通過0.05的顯著性檢驗(N=239) ,而這一高度與前面激光雷達得出的污染時段的邊界層高度為620m較為接近,說明在邊界層內(nèi)的平均風速對PM2.5濃度具有顯著的影響,邊界層內(nèi)的風速越低,污染越重;而與1500~2190m這一高度范圍內(nèi)的各層風速呈顯著的正相關,說明此高度范圍內(nèi)的風速對地面的污染物濃度有正貢獻,這一高度層是外來污染物的輸送層,較大的風速可能會使得外面的污染物輸送至本地,然后白天通過大氣垂直湍流交換作用傳輸至地面發(fā)生污染事件.通過6日下午(圖5)~7日上午(7日觀測數(shù)據(jù)僅有上午時段)激光雷達觀測可看出,在1.2~2.4km高度上出現(xiàn)消光系數(shù)的高值,并且有向下下沉的趨勢,對應風廓線雷達觀測的風速在4m/s以上,風速隨高度增加,風向隨高度順時針旋轉(zhuǎn),而在低層消光系數(shù)則比較小,在高層消光系數(shù)減小后,低層的消光系數(shù)反而出現(xiàn)一定程度增加,結合圖1在6日晚上至7日凌晨近地面PM2.5出現(xiàn)了一定的增加,在表明在1.2~2.4km這一高度上存在顆粒物輸送帶,在邊界層大氣垂直湍流交換作用下可能會使得近地面的污染物濃度出現(xiàn)一定程度的增加,而具體貢獻量可能需要通過數(shù)值模式等方法做進一步的研究探討.

圖11 1月1~10日各層平均風速及其與地面PM2.5相關系數(shù)

邊界層通風量能夠有效的反映出風場的輸送能力,它即反映了大氣的垂直擴散能力,也表征了大氣的水平擴散條件.利用激光雷達得到的邊界層高度及風廓線雷達觀測的各層風速數(shù)據(jù),計算此次污染過程的邊界層通風量,結果如圖12所示.此次污染過程的邊界層通風量平均為1976m2/s,清潔時段的平均邊界層通風量(2538m2/s)約為污染時段(1136m2/s)的2.2倍,PM2.5濃度與邊界層通風量呈顯著的負相關,相關系數(shù)為-0.61(通過0.001的顯著性檢驗).可見邊界層通風量對PM2.5濃度的影響是非常顯著的,邊界層通風量降低時,污染物難以輸送和擴散, PM2.5濃度逐漸增大,導致出現(xiàn)污染天氣,反之邊界層通風量增加時,PM2.5濃度減小,局地污染物能夠有效的擴散和清除.

圖12 1月1~10日邊界層通風量與PM2.5濃度的變化

圖13 1月1~10日逐日回流指數(shù)

此外,基于回流指數(shù)計算了1~10日的逐日回流指數(shù)廓線,并對污染前期1~6日和后期清潔日7~10日的回流指數(shù)廓線進行平均得到污染日和清潔日的平均回流指數(shù)廓線,如圖13所示.由圖可見,1~6日100m高度的逐日回流指數(shù)除3日外,均低于0.4,平均為0.34,這與吳蒙等[28]得到的污染日情況下回流指數(shù)主要為0.2~0.4的研究結果較為吻合.在640m高度內(nèi)的平均回流指數(shù)廓線小于0.6,結合前面所述這一高度與激光雷達得到的邊界層高度接近,說明該時段內(nèi)的風場使得污染物在邊界層內(nèi)的回流堆積效果比較明顯,幾乎沒有有效輸送,1~5日的污染物持續(xù)的回流堆積,致使廣州地區(qū)在5日白天~6日早上出現(xiàn)重度污染;而7~10日800m高度以下的逐日回流指數(shù)及平均值基本均大于0.6,有利于污染物的水平輸送擴散,污染逐漸得到緩解.

2.4 邊界層溫度層結特征

圖14為通過微波輻射計觀測得到的廣州地區(qū)1月1~8日2km高度內(nèi)的垂直溫度廓線時間序列圖,圖15為近地面逐時逆溫強度與地面PM2.5濃度的時間變化圖.由圖14~15可見,此次污染過程中,溫度垂直廓線表現(xiàn)出明顯的日變化特征,1~7日的傍晚17:00至次日清晨9:00都存在明顯的逆溫層,逆溫層頂大致出現(xiàn)在90~260m,逆溫出現(xiàn)的時間與地面PM2.5出現(xiàn)高濃度的時間段較為一致;從逆溫強度來看,總體上逆溫強度越大,PM2.5濃度越高,二者的相關系數(shù)為0.42(通過0.001的顯著性檢驗),表現(xiàn)為明顯的正相關關系.這說明逆溫層的存在不利于污染物擴散,使得污染物在近地面逐漸累積造成污染,且逆溫越強,污染越容易加重.

圖14 1月1~8日垂直溫度廓線時間序列

圖15 1月1~8日逐時逆溫與PM2.5濃度的變化

圖16 1月1~8日平均氣溫廓線日變化

圖16~17給出了此次污染過程的平均氣溫廓線、逆溫厚度及逆溫強度的日變化.可見,逆溫層厚度與逆溫強度整體變化趨勢較為一致,逆溫層厚度越厚,逆溫強度越強,二者的相關系數(shù)為0.7.過程平均逆溫層厚度為167m,17:00的逆溫層厚度最小為90m,05:00逆溫層厚度最大,為205m, 20:00~凌晨04:00的逆溫層厚度變化不大,基本保持在185m左右;過程平均逆溫強度為1.08℃/ 100m, 09:00的逆溫強度最小,為0.43℃/100m, 21:00的逆溫強度最強,為1.43℃/100m,10:00至16:00不存在逆溫層,每天逆溫出現(xiàn)的時次占一天中的75%.

圖17 1月1~8日平均氣溫、逆溫厚度及逆溫強度日變化

L波段探空雷達、氣溶膠激光雷達、風廓線雷達、微波輻射計等邊界層新型遙感探測設備,各有其優(yōu)缺點.通過多種遙感設備的聯(lián)合觀測和應用,能彌補單個設備觀測能力的不足,更有利于開展污染天氣的大氣邊界層結構分析和空氣質(zhì)量預報工作.通過氣溶膠激光雷達、風廓線雷達和微波輻射計聯(lián)合觀測可以分析氣溶膠的本地累積和區(qū)域輸送特征,結合微波輻射計的濕度和水汽廓線,可以進一步分析氣溶膠消光系數(shù)的變化是氣溶膠的吸濕增長效應還是氣溶膠粒子的累積效應,有助于更好的解釋出現(xiàn)污染事件的大氣物理機制.此外,通過氣溶膠激光雷達觀測得到的邊界層高度具有較高的可信度,配合風廓線雷達觀測得到的垂直風場,可以比較準確的得到邊界層通風量,邊界層通風量對近地面空氣質(zhì)量具有較好的指示意義,可作為空氣質(zhì)量預報的參考指標.

4 結論

4.1 此次污染過程主要是穩(wěn)定的大氣逆溫層結作用于邊界層風場,削弱了垂直湍流的交換能力,以及水平風場的疊加引起了典型的空氣回流,使得污染物在邊界層內(nèi)無法有效擴散逐漸堆積,在較高的相對濕度情況下,導致了此次重污染天氣過程的發(fā)生.

4.2 此次污染過程地面PM2.5濃度平均為83.8μg/ m3,其中最高值179μg/m3.消光系數(shù)與PM2.5濃度存在顯著的線性關系,相關系數(shù)為0.63;高消光系數(shù)通常與高PM2.5濃度和高相對濕度有關.

4.3 地面PM2.5濃度與640m高度內(nèi)的各層風速呈負相關關系,相關系數(shù)為-0.13~-0.21(P=0.05),300m高度以下普遍存在平均水平風速低于2.6m/s的小風層,小風層的存在使得污染物難以擴散在邊界層內(nèi)累積造成污染,此外, 污染前期640m高度內(nèi)的各層回流指數(shù)廓線小于0.6,100m高度小于0.4,污染緩解后回流指數(shù)高于0.7,說明出現(xiàn)污染事件時風場使污染物在邊界層內(nèi)回流堆積的效果比較明顯,利于重污染事件的發(fā)生.

4.4 地面PM2.5濃度與大氣邊界層高度相關系數(shù)為-0.56,與邊界層通風量相關系數(shù)為-0.61,此次污染過程的邊界層通風量平均為1976m2/s,其中清潔時段(2538m2/s)約為污染時段(1136m2/s)的2.2倍.邊界層通風量綜合考慮了邊界層內(nèi)水平和垂直兩個方向的大氣擴散能力,使用邊界層通風量能更好表征大氣污染的程度.

4.5 地面PM2.5濃度與逆溫強度呈顯著的正相關關系,其相關系數(shù)為0.42.傍晚17:00至次日清晨9:00都存在明顯的逆溫層,逆溫層頂大致出現(xiàn)在90~260m,過程平均逆溫厚度167m,平均逆溫強度為1.08℃/ 100m.污染過程期間,大氣層結穩(wěn)定,近地面出現(xiàn)長時間的逆溫是本次污染過程的重要原因之一.

[1] 范紹佳,王安宇,樊 琦,等.珠江三角洲大氣邊界層特征及其概念模型[J]. 中國環(huán)境科學, 2006,26(增刊):4-6. Fan S J, Wang A Y, Fan Q, et al. Atmospheric boundary layer features of Pearl River Delta and its conception model [J]. China Environmental Science, 2006,26(suppl):4-6.

[2] 吳 兌,廖國蓮,鄧雪嬌,等.珠江三角洲霾天氣的近地層輸送條件研究[J]. 應用氣象學報, 2008,19(1):1-9. Wu D, Liao G L, Deng X J, et al. Transport condition of surface layer under haze weather over the Pearl River Delta [J]. Journal of Applied Meteorological Science, 2008,19(1):1-9.

[3] Xu W Y, Zhao C S, Ran L, et al. Characteristics of pollutants and their correlation to meteorological conditions at a suburban site in the North China Plain [J]. Atmospheric Chemistry and Physics, 2011,11(9): 4353-4369.

[4] 張人禾,李 強,張若楠.2013年1月中國東部持續(xù)性強霧霾天氣產(chǎn)生的氣象條件分析[J]. 中國科學:地球科學, 2014,44(1):27-36. Zhang R H, Li Q, Zhang R N. Analysis of meteorological conditions of persistent heavy fog and haze in eastern China in January 2013 [J]. Scientia Sinica Terrae, 2014,44(1):27-36.

[5] 吳 蒙,羅 云,吳 兌,等.佛山地區(qū)干季邊界層垂直風溫結構對空氣質(zhì)量的影響[J]. 環(huán)境科學學報, 2017,37(12):4458-4466. Wu M, Luo Y, Wu D, et al. Influence of the structure of vertical wind and temperature in atmospheric boundary layer on air pollution in Foshan area during dry season [J]. Acta Scientiae Circumstantiae, 2017,37(12):4458-4466.

[6] Holzworth G C. Estimates of mean maximum mixing depths in the contiguous United States [J]. Monthly Weather Review, 1964,92(5): 235-242.

[7] Krautstrunk M, Neumann-Hauf G, Schlager H, et al. An experimental study on the planetary boundary layer transport of air pollutants over East Germany [J]. Atmospheric Environment, 2000,34(8):1247-1266.

[8] 熊超超,謝麗萍,吳 維.大氣邊界層探測技術初步分析[J]. 氣象水文海洋儀器, 2010,27(3):77-79. Xiong C C, Xie L P, Wu W. Sounding technology of atmospheric boundary layer [J]. Meteorological Hydrological and Marine Instuments, 2010,27(3):77-79.

[9] Cohn S A, Angevine W M. Boundary layer height and entrainment zone thickness measured by lidars and wind-profiling radars [J]. J Appl Meteor, 2000,39(8):1233-1247.

[10] Hennemuth B, Lammert A. Determination of the atmospheric boundary layer height from radiosonde and lidar backscatter [J]. Bound-Layer Meteor, 2006,120(1):181-200.

[11] Blanco L, Wilczak J M, White A B. Convective boundary layer depth estimation from wind profilers: Statistical comparison between an automated algorithm and expert estimations [J]. Journal of Atmospheric & Oceanic Technology, 2008,25(8):1 397.

[12] 鄧 濤,吳 兌,鄧雪嬌,等.一次嚴重灰霾過程的氣溶膠光線特性垂直分布[J]. 中國環(huán)境科學, 2013,33(11):1779-1784. Deng T, Wu D, Deng X J, et al. The vertical distribution of aerosol optical properties in a severe haze event. China Environmental Science, 2013,33(11):1921-1928.

[13] 鄧 濤,吳 兌,鄧雪嬌,等.廣州地區(qū)一次嚴重灰霾過程的垂直探測[J]. 中國科學:地球科學, 2014,44(10):2307-2314. Deng T, Wu D, Deng X J, et al. The vertical detection of a serious haze process in Guangzhou area [J]. Scientia Sinica Terrae, 2014,44(10): 2307-2314.

[14] 劉思波,何文英,劉紅燕,等.地基微波輻射計探測大氣邊界層高度方法[J]. 應用氣象學報, 2015,26(5):626-635. Liu S B, He W Y, Liu H Y, et al. Retrieval of atmospheric boundary layer height from ground based microwave radiometer measurements [J]. Journal of Applied Meteorological Science, 2015,26(5):626-635.

[15] 王耀庭,苗世光,張小玲.基于激光雷達的北京市氣溶膠光學參數(shù)季節(jié)特征[J]. 中國環(huán)境科學, 2016,36(4):970-978. Wang Y T, Miao S G, Zhang X L. Seasonal characteristics of the aerosol optical parameters based on lidar over the Beijing Area [J]. China Environmental Science, 2016,36(4):970-978.

[16] 李浩文,張阿思,步巧利,等.2015年干季佛山一次重空氣污染過程形成機理研究[J]. 環(huán)境科學學報, 2017,37(8):3044-3053. Li H W, Zhang A S, Bu Q L, et al. Investigation of the formation mechanism of a heavy air pollution episode in the dry season of 2015 in Foshan [J]. Acta Scientiae Circumstantiae, 2017,37(8):3044-3053.

[17] 張舒婷,蘇德斌,徐文靜,等.利用風廓線雷達資料對北京地區(qū)邊界層日變化特征的分析研究[J]. 大氣與環(huán)境光學學報, 2017,12(1):1-7. Zhang S T, Su D B, Xu W J, et al. Analysis and research on daily variation characteristics of boundary layer in beijing area by wind profile radar data [J]. Journal of Atmospheric and Environmental optics, 2017,12(1):1-7.

[18] 花 叢,劉 超,張恒德.風廓線雷達資料在北京秋季霧霾天氣過程分析中的應用[J]. 氣象科技, 2017,45(5):870-875. Hua C, Liu C, Zhang H D. Application of wind profile radar in analyzing autumn fog and haze process in Beijing [J]. Meteorological Science and Technology, 2017,45(5):870-875.

[19] 廖碧婷,黃 俊,鄧雪嬌,等.基于微波輻射計分析低能見度的液態(tài)含水量特征[J]. 中國環(huán)境科學, 2018,38(10):3673-3682. Liao B T, Huang J, Deng X J, et al. Characterization of liquid water content during low visibility based on microwave radiometer data [J]. China Environmental Science, 2018,38(10):3673-3682.

[20] 呂 陽,李正強,謝劍鋒,等.基于激光雷達掃描觀測的散布點污染源監(jiān)測[J]. 中國環(huán)境科學, 2017,37(11):4078-4084. Lü Y, Li Z Q, Xie J F, et al. Monitoring the distributed point pollution sources based on a scanning lidar [J]. China Environmental Science, 2017,37(11):4078-4084.

[21] 高曉榮,譚浩波,鄧 濤,等.三種激光雷達監(jiān)測污染物分布和輸送對比[J]. 中國環(huán)境科學, 2018,38(2):444-454. Gao X R, Tan H B, Deng T, et al. Experimental results comparative analysis of pollutant distribution and transport by different kinds of lidar [J]. china environmental science, 2018,38(2):444-454.

[22] 賀千山,毛節(jié)泰.北京城市大氣混合層與氣溶膠垂直分布觀測研究[J]. 氣象學報, 2005,63(3):374-384. He Q S, Mao J T. Observation of urban mixed layer at Beijing using a micro pulse lidar [J]. Acta Meteorological Sinica, 2005,63(3):374-384.

[23] Fernald F G. Analysis of atmospheric lidar observations: some comments [J]. Applied optics, 1984,23(5):652-653.

[24] 王 琳,謝晨波,韓 永,等.測量大氣邊界層高度的激光雷達數(shù)據(jù)反演方法研究[J]. 大氣與環(huán)境光學學報, 2012,7(4):241-247. Wang L,Xie C B, Han Y, et al. Comparison of retrieval methods of planetary boundary layer height from lidar data [J]. Journal of Atmospheric and Environmental optics, 2012,7(4):241-247.

[25] Pasch A N, MacDonald C P, Gilliam R C, et al. Meteorological characteristics associated with PM2.5air pollution in Cleveland, Ohio, during the 2009~2010 Cleveland Multiple Air Pollutants Study [J]. Atmospheric Environment, 2011,45(39):7026-7035.

[26] Allwine K J, Whiteman C D. Single-station integral measures of atmospheric stagnation, recirculation and ventilation [J]. Atmospheric Environment, 1994,28(4):713-721.

[27] 陳曉陽,馮 旭,范紹佳,等.回流指數(shù)在空氣質(zhì)量變化研究中的應用[J]. 環(huán)境科學學報, 2016,36(3):1032-1041. Chen X Y, Feng X, Fan S J, et al. Application of recirculation index in air quality research [J]. Acta Scientiae Circumstantiae, 2016,36(3): 1032-1041.

[28] 吳 蒙,吳 兌,范紹佳.基于風廓線儀等資料的珠江三角洲污染氣象條件研究[J]. 環(huán)境科學學報, 2015,35(3):619-626. Wu M, Wu D, Fan S J. Meteorological condition associated with poor air quality over Pearl River Delta based on the data of radar wind profiler [J]. Acta Scientiae Circumstantiae, 2015,35(3):619-626.

[29] 陳訓來,馮業(yè)榮,范紹佳,等.離岸型背景風和海陸風對珠江三角洲地區(qū)灰霾天氣的影響[J]. 大氣科學, 2008,32(3):530-542. Chen X L, Feng Y R, Fan S J, et al. Effect of the off-shore background flow and Sea-land breezes on haze weather over the Pearl River Delta Region [J]. Chinese Journal of Atmospheric Sciences, 2008,32(3): 530-542.

[30] 邱曉暖,范紹佳.海陸風研究進展與我國沿海三地海陸風主要特征[J]. 氣象, 2013,39(2):186-193. Qiu X N, Fan S J. Progress of sea land breeze study and the characteristics of sea land breeze in three coastal areas in China [J]. Meteorological Monthly, 2013,39(2):186-193.

[31] HJ 633-2012 環(huán)境空氣質(zhì)量指數(shù)(AQI)技術規(guī)定(試行) [S]. HJ 633-2012 Technical regulation on ambient air quality index (on trial) [S].

[32] Koschmieder H. Theorie der horizontalen Sichtwcete, Beitr [J]. Physics Atmospheric, 1924,12:33-53.

[33] Liu L, Tan H, Fan S, et al. Influence of aerosol hygroscopicity and mixing state on aerosol optical properties in the Pearl River Delta region, China [J]. Science of the Total Environment, 2018,627: 1560-1571.

[34] Deng H, Tan H, Li F, et al. Impact of relative humidity on visibility degradation during a haze event: A case study [J]. Science of the Total Environment, 2016,569–570:1149-1158.

[35] Tan H, Cai M, Fan Q, et al. An analysis of aerosol liquid water content and related impact factors in Pearl River Delta [J]. Science of The Total Environment, 2017,579:1822-1830.

[36] Cass G R. On the relationship between sulfate air quality and visibility with examples in los angeles [J]. Atmospheric Environment, 1979, 13(8):1069-1084.

[37] Chow J C, Bachmann J D, Wierman S S G, et al. Visibility: science and regulation [J]. Air Repair, 2002,52(9):973-999.

[38] 林 云,孫向明,張小麗,等.深圳市大氣能見度與細粒子濃度統(tǒng)計模型[J]. 應用氣象學報, 2009,20(2):252-256. Lin Y, Sun X M, Zhang X L, et al. Statistical model of the relationship between atmospheric visibility and PM2.5in Shenzhen [J]. Journal of Applied Meteorological Science, 2009,20(2):252-256.

[39] 劉 建,吳 兌,范紹佳.珠江三角洲區(qū)域污染分布及其垂直風場特征[J]. 環(huán)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.

[40] 張人文,范紹佳.珠江三角洲風場對空氣質(zhì)量的影響[J]. 中山大學學報(自然科學版), 2011,50(6):130-134. Zhang R E, Fan S J. Study of the influence of wind field on air quality over the Pearl River Delta [J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2011,50(6):130-134.

[41] 奧銀煥,呂世華,陳玉春.河西地區(qū)不同下墊面邊界層特征分析[J]. 高原氣象, 2004,23(2):215-219. Ao Y H, Lü S H, Chen Y C. Characteristic analysis of different terrain PBL in Hexi Region [J]. Plateau Meteorology, 2004,23(2):215-219.

[42] 王 強,朱 平,王邦中,等.黑河地區(qū)夜間低空急流和冷泄流特征分析[J]. 高原氣象, 1995,14(3):257-263. Wang Q, Zhu P, Wang B Z, et al. Analysis of the characteristics of the low level jets and the nighttime drainage winds in Heihe Region [J]. Plateau Meteorology, 1995,14(3):257-263.

Application of new vertical detection data in the analysis of a heavy pollution weather.

HUANG Jun1, LIAO Bi-ting2, WANG Chun-lin1, Tan Hao-bo3*, SHEN Zi-qi2, LAN Jing1, TANG Jing1, YUE Hai-yan4

(1.Guangzhou Climate and Agrometeorology Center, Guangzhou 511430, China；2.Guangzhou Huangpu Meteorology, Guangzhou 510530, China；3.Guangdong Ecological Meteorological Center, Guangzhou 510640, China；4.Guangzhou Meteorological Observatory, Guangzhou 511430, China)., 2019,39(1)：92~105

A long-lasting air pollution episode was occurred in Guangzhou in early January 2017. Based on the data set of ground observation, Lidar, wind profiler and microwave radiometer, the formation mechanism of this episode was investigated and discussed from two aspects of horizontal and vertical diffusion conditions. The results showed that: (1) During the pollution process, the surface wind speed in Guangzhou area was basically northerly wind and less than 2m/s. A small wind speed layer with an average wind speed less than 2.6m/s was below 300m; The return index profile of each layer within the height of 640m in the pre-pollution period was less than 0.6, and within the 100m height was less than 0.4. (2) The correlation coefficient between surface PM2.5mass concentration and inversion temperature was 0.42. The average temperature during the polluted period was 167m, and the average inversion temperature was 1.08°C/100m. (3) The correlation coefficient between PM2.5mass concentration and the boundary layer height was -0.56, and the average boundary layer height (876m) during the clean period was approximately 1.4times higher than that of the polluted period (620m). The minimum boundary layer height during the process was 267m. The boundary layer ventilation showed a higher anti-correlation with PM2.5concentration (-0.61), and the average boundary layer ventilation volume (2538m2/s) during clean period was 2.2times of the polluted period (1136m2/s), indicating that the boundary layer ventilation can be more useful to characterize the degree of atmospheric pollution.

lidar；wind profiler；microwave radiometer；air pollution；Guangzhou

A

1000-6923(2019)01-0092-14

黃 俊(1987-),男,貴州盤州人,工程師,理學學士,主要從事環(huán)境氣象預報及研究.發(fā)表論文10余篇.

2018-05-14

國家重點研發(fā)計劃項目(2016YFC0201901,2016YFC0203305);廣州市產(chǎn)學研協(xié)同創(chuàng)新重大專項(201604020028,201704020194);廣東省氣象局科技創(chuàng)新團隊計劃項目(201704);廣東省氣象局科研項目(2016Q10,GRMC2017M27)

* 責任作者, 研究員, hbtan@grmc.gov.cn