汪文雅 郭偉 王雁 陳玲 王淑敏 成鵬偉

(山西省氣象科學(xué)研究所，太原 030002)

引 言

大氣細(xì)顆粒物(PM2.5)污染能顯著降低大氣能見度、影響太陽輻射，同時(shí)對(duì)人體健康及生態(tài)系統(tǒng)都有不利影響[1-2]。近年來，隨著污染治理工作的不斷深入，PM2.5濃度下降明顯，但部分地區(qū)出現(xiàn)下降幅度變小，甚至反彈的現(xiàn)象[3]。PM2.5濃度受本地排放、氣象條件、地形因素和區(qū)域輸送共同影響[4-5]，在排放源不變的情況下，氣象條件的變化是引起的PM2.5濃度變化最主要的原因。同時(shí)，由于PM2.5的積累和消散過程主要發(fā)生在邊界層，PM2.5濃度受邊界層內(nèi)垂直和水平方向空氣湍流運(yùn)動(dòng)共同影響[6]。分析顆粒物在邊界層內(nèi)垂直分布及變化規(guī)律可揭示重污染過程發(fā)生、發(fā)展、消除等的演變過程，有利于了解不同重污染過程的形成機(jī)理。傳統(tǒng)大氣垂直觀測(cè)方法包括氣象觀測(cè)塔、探空氣球、飛機(jī)觀測(cè)等[7-9]，HAN， et al[10]利用天津250 m氣象觀測(cè)塔的觀測(cè)數(shù)據(jù)研究發(fā)現(xiàn)夜間邊界層高度對(duì)空氣污染有重要影響；DING， et al[11]和YANG， et al[12]利用北京氣象觀測(cè)塔數(shù)據(jù)，發(fā)現(xiàn)PM2.5濃度隨高度上升而迅速下降；而SUN， et al[13]指出，由于顆粒物吸濕增長(zhǎng)作用，垂直方向上逆濕的存在可能會(huì)導(dǎo)致PM2.5濃度“下低上高”的情況出現(xiàn)。這些方法存在高度有限、地點(diǎn)限制、經(jīng)費(fèi)高昂等問題。

近年來，無人機(jī)正逐漸應(yīng)用于大氣環(huán)境的探測(cè)和研究工作，Reuder， et al[14]認(rèn)為，小型無人機(jī)氣象探測(cè)器可以彌補(bǔ)現(xiàn)有的大氣觀測(cè)系統(tǒng)中氣象塔和無線電探空儀間的缺口；目前無人機(jī)已被用于監(jiān)測(cè)氣象數(shù)據(jù)[15-16]、大氣結(jié)構(gòu)[17]、顆粒物濃度[18-19]等，表現(xiàn)出成本低、效率高、檢測(cè)范圍精確等優(yōu)勢(shì)。Bonin， et al[20]利用無人機(jī)觀測(cè)到傍晚邊界層的垂直結(jié)構(gòu)變化過程。國(guó)內(nèi)應(yīng)用無人機(jī)開展大氣環(huán)境的研究也逐漸增加，曹云擎等[1]使用無人機(jī)在南京PM2.5污染期間進(jìn)行垂直觀測(cè)，發(fā)現(xiàn)外部輸送和局部逆溫是兩次污染的主要原因；辛凱[21]利用無人機(jī)監(jiān)測(cè)發(fā)現(xiàn)西安市廣運(yùn)潭PM2.5濃度最高處約在距離地面250 m附近；LU， et al[22]發(fā)現(xiàn)臨安300～1 000 m高度的PM2.5濃度隨高度遞減且上午變化幅度明顯大于下午；郭偉等[23]利用無人機(jī)對(duì)杭州市PM2.5的三維分布進(jìn)行了觀測(cè)，發(fā)現(xiàn)PM2.5濃度一般隨高度增加而下降，并明顯受氣溫影響；楊旭等[24]在天津市一次重污染期間利用無人機(jī)開展了邊界層探空觀測(cè)，得到邊界層垂直結(jié)構(gòu)和PM2.5質(zhì)量濃度變化特征。這些研究初步探明了PM2.5在垂直方向的分布特征，但這些研究多集中于平原、城市等地區(qū)，對(duì)于盆地地形下PM2.5的垂直分布少有討論，同時(shí)PM2.5在垂直方向的日變化特征也較少涉及。

太原市是京津冀大氣污染傳輸通道“2+26”城市之一，同時(shí)位于汾渭平原北端，東北西三面環(huán)山，為盆地地形，區(qū)域大氣污染嚴(yán)重，本文利用無人機(jī)及機(jī)載環(huán)境氣象監(jiān)測(cè)設(shè)備于2020年7月29—31日在太原進(jìn)行飛行試驗(yàn)，針對(duì)太原市夏季細(xì)顆粒物在垂直方向上的積累與分布特征，以期了解盆地地區(qū)夏季PM2.5污染狀況。

1 無人機(jī)觀測(cè)實(shí)驗(yàn)和數(shù)據(jù)

1.1 無人機(jī)及機(jī)載環(huán)境氣象監(jiān)測(cè)系統(tǒng)

本次觀測(cè)使用大疆經(jīng)緯M210 V2型號(hào)四旋翼無人機(jī)，搭載一體化的多參數(shù)氣象及環(huán)境監(jiān)測(cè)設(shè)備，能夠根據(jù)需要，對(duì)不同高度層進(jìn)行觀測(cè)，給出各觀測(cè)要素的空間分布和垂直廓線。最大起飛重量5 kg，最大可承受風(fēng)速12 m·s-1，載重最大飛行時(shí)間30 min。無人機(jī)旋翼半徑625 mm，較大的旋翼半徑，使得無人機(jī)飛行較平穩(wěn)，且對(duì)探測(cè)儀器的影響較小，探測(cè)結(jié)果更為準(zhǔn)確。無人機(jī)搭載的氣象及環(huán)境監(jiān)測(cè)設(shè)備為上海幻飛智控科技有限公司生產(chǎn)的多參數(shù)探測(cè)器。可觀測(cè)氣溫、濕度等氣象要素，PM2.5、PM10等環(huán)境要素。其中氣溫和相對(duì)濕度的精度分別為0.1 ℃和0.1%；PM2.5和PM10的探測(cè)方式為激光散射，探測(cè)精度為1 μg·m-3，量程為0～5 001 μg·m-3。

1.2 觀測(cè)路線設(shè)計(jì)

本次無人機(jī)觀測(cè)地點(diǎn)位于太原市南部的山西省觀象臺(tái)(37.73°N，112.55°E)，周邊多為農(nóng)田，小部分區(qū)域?yàn)楣S，場(chǎng)地平坦，四周沒有高大建筑物遮擋，適合觀測(cè)。

觀測(cè)日期為2020年7月29—31日，每日觀測(cè)4次，時(shí)間分別為10、12、14和16時(shí)(北京時(shí)，下同)，每次飛行時(shí)間約為20 min，飛機(jī)上升速度為1 m·s-1，最大探測(cè)高度為500 m。無人機(jī)以螺旋式向上飛行， 分別在50、100、150、200、250、300、350、400、450和500 m高度處繞圈飛行，對(duì)每層數(shù)據(jù)進(jìn)行采樣，時(shí)間間隔為1 s。

1.3 數(shù)據(jù)

無人機(jī)從上升狀態(tài)轉(zhuǎn)換成懸停過程時(shí)，由于機(jī)身周圍氣流不穩(wěn)定，可能造成所測(cè)數(shù)據(jù)異常，因此將每層懸停初始異常值去除，以提高數(shù)據(jù)準(zhǔn)確性。同時(shí)使用2020年7月29—31日山西省觀象臺(tái)逐時(shí)相對(duì)濕度、風(fēng)速、風(fēng)向數(shù)據(jù)，用于分析氣象要素對(duì)地面PM2.5濃度的影響。另外，使用美國(guó)環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction，NECP)水平分辨率為1°×1°的FNL全球分析資料分析了無人機(jī)飛行期間影響太原的天氣形勢(shì)。

為了進(jìn)一步分析太原市PM2.5濃度的來源和輸送路徑，本文使用HYSPLIT4后向軌跡模式，計(jì)算了無人機(jī)觀測(cè)期間太原市逐時(shí)72 h后向軌跡。模式采用了全球資料同化系統(tǒng)(Global Data Assimilation System)分辨率為1°×1°的資料。

2 結(jié)果分析

2.1 氣象要素分析

2.1.1 天氣形勢(shì)分析

天氣形勢(shì)對(duì)于污染物的累積和輸送起著重要作用，為了解本次無人機(jī)試驗(yàn)期間的天氣背景和氣象成因，給出7月29—31日每日20時(shí)海平面氣壓場(chǎng)、風(fēng)場(chǎng)和500 hPa高度場(chǎng)、風(fēng)場(chǎng)(圖1)，使用FNL資料。7月29日，太原500 hPa高空處于副熱帶高壓588線附近，容易出現(xiàn)下沉氣流，且風(fēng)力微弱；地面處于低壓前部，等壓線稀疏，氣壓梯度較小，地面風(fēng)為弱西南風(fēng)，不利于污染物擴(kuò)散；地面和高空的不利天氣形勢(shì)容易造成29日下午顆粒物的積累，導(dǎo)致PM2.5濃度逐漸上升。30日副熱帶高壓東退，西部低槽東移，太原500 hPa處于槽前，上升運(yùn)動(dòng)發(fā)展；地面處于低壓前，但氣壓梯度較29日增大，風(fēng)速略增；對(duì)流發(fā)展和較大的風(fēng)速有利于白天污染物的擴(kuò)散和輸送。31日太原500 hPa處于低槽底部，高空為較強(qiáng)西北氣流；地面同樣處于低壓前部低壓控制區(qū)，風(fēng)速較小，風(fēng)向?yàn)槠巷L(fēng)；高空帶來的干冷空氣導(dǎo)致的相對(duì)濕度大幅下降、低壓區(qū)上下對(duì)流發(fā)展有利于近地面PM2.5濃度快速下降。

圖1 7月29—31日500 hPa天氣形勢(shì)(左列)、海平面氣壓場(chǎng)(右列)Fig.1 500 hPa weather situation (left row) and sea level pressure (right row) from July 29 to 31

2.1.2 氣象要素水平變化特征

選取無人機(jī)觀測(cè)地點(diǎn)附近地面氣象站7月29—31日的逐時(shí)海平面氣壓、氣溫、相對(duì)濕度、風(fēng)速數(shù)據(jù)進(jìn)行分析，圖2為這些要素隨時(shí)間的變化?？芍?，相對(duì)濕度和氣溫日變化為較規(guī)律的單峰單谷型，且二者呈明顯的負(fù)相位特征，相對(duì)濕度夜間至凌晨維持在較高水平，16時(shí)左右最低，氣溫在此時(shí)升至最高。對(duì)比來看，29日凌晨至日出之前相對(duì)濕度低于30日和31日，但15時(shí)即達(dá)到日最低值，且較后兩天最低值明顯偏高，30日最低值出現(xiàn)在16時(shí)，31日17時(shí)才降至日最低值，同時(shí)也是3天中的最低值；29日高溫持續(xù)到17時(shí)，30日16時(shí)后氣溫即開始下降，且降溫幅度為3天中最大。風(fēng)速?zèng)]有明顯日變化，其中30日16時(shí)至21時(shí)和31日22時(shí)出現(xiàn)了較大風(fēng)速。30日上午海平面氣壓較29日和31日上午偏高，31日下降較快，18時(shí)至19時(shí)降至3天中最低。綜上，29日下午相對(duì)濕度最高，30日16—20時(shí)風(fēng)速較大，31日下午相對(duì)濕度最低，負(fù)變壓最大。

圖2 7月29—31日太原海平面氣壓(a)、氣溫(b)、相對(duì)濕度(c)、風(fēng)速(d)隨時(shí)間變化Fig.2 Temporal variation of: (a) sea level pressure，(b) air temperature，(c) relative humidity and(d) wind speed in Taiyuan from July 29 to 31

2.2 無人機(jī)監(jiān)測(cè)結(jié)果

2.2.1 PM2.5濃度空間、時(shí)間變化特征

圖3為7月29—31日無人機(jī)12次飛行測(cè)得的PM2.5濃度立體分布，將觀測(cè)起點(diǎn)水平坐標(biāo)賦為(0，0)，每層觀測(cè)數(shù)據(jù)按逆時(shí)針方向均勻分布，水平坐標(biāo)反映觀測(cè)值與觀測(cè)起點(diǎn)的相對(duì)位置，不僅反映了PM2.5濃度的空間分布，同時(shí)可以看出PM2.5隨時(shí)間的變化特征。可知，在同一高度層上，PM2.5濃度水平分布不均勻，但PM2.5的垂直分布差異更為顯著；不僅不同高度上PM2.5濃度有差異，一天中不同時(shí)刻的PM2.5垂直分布也有很大不同。垂直方向上，下午大部分時(shí)次PM2.5濃度呈“下高上低”狀態(tài)，這與廖曉農(nóng)等[25]觀測(cè)塔觀測(cè)結(jié)果一致，而“下低上高”一般出現(xiàn)在上午。同時(shí)PM2.5濃度隨時(shí)間的變化符合一般日變化規(guī)律，即上午較高，14時(shí)左右降至最低，16時(shí)開始上升，夜間為PM2.5積累時(shí)段。研究表明[23，26]邊界層高度對(duì)PM2.5濃度垂直分布影響顯著，上午為邊界層迅速發(fā)展階段，大氣對(duì)流增強(qiáng)，低層PM2.5向上傳輸，同時(shí)殘留層中的PM2.5向下傳輸，這是一個(gè)邊界層內(nèi)上下層混合過程，因此容易出現(xiàn)PM2.5垂直分布“上高下低”；14時(shí)左右邊界層高度達(dá)到一天內(nèi)最高值，邊界層內(nèi)大氣充分混合，此時(shí)PM2.5分布最為均勻且平均濃度最低，16時(shí)對(duì)流開始減弱，底層PM2.5又開始積累。

圖3 7月29—31日每日四次(10、12、14、16時(shí))無人機(jī)觀測(cè)PM2.5濃度變化特征Fig.3 Three-dimensional variation characteristics of PM2.5 concentration observed by UAV four times a day (10∶00 BST， 12∶00 BST， 14∶00 BST， 16∶00 BST) from July 29 to 31

7月29日10時(shí)PM2.5濃度為3天同時(shí)段中最低，但上午至中午沒有明顯下降，14至16時(shí)PM2.5迅速積累，16時(shí)低層PM2.5濃度大幅上升至90 μg·m-3以上，此時(shí)上層濃度同樣有所上升，但漲幅遠(yuǎn)小于下層，形成明顯的“下高上低”形式。29日夜間PM2.5進(jìn)一步累積，30日10時(shí)整層PM2.5濃度升至100 μg·m-3以上，12、14、16時(shí)PM2.5濃度逐漸下降。30日夜間PM2.5再次積累，31日10時(shí)各層PM2.5濃度在90～100 μg·m-3之間，12、14、16時(shí)PM2.5濃度下降，且下降速度中10、12和14時(shí)更快，14時(shí)各層PM2.5濃度已降至50 μg·m-3以下；濃度分布出現(xiàn)“下低上高”的情況，與SUN， et al[13]研究結(jié)果一致，除邊界層垂直混合外，還可能是上層濕度大，顆粒物吸濕增長(zhǎng)導(dǎo)致。

總體而言，29日為污染物積累過程，30日和31日白天均為消散過程，夜間均為積累過程?？諝庀鄬?duì)濕度大導(dǎo)致29日顆粒物逐漸累積；30日上午氣壓較高，天氣晴朗，相對(duì)濕度下降較快，且下午16時(shí)開始風(fēng)速較大，有利于顆粒物濃度下降，但夜間大氣穩(wěn)定，相對(duì)濕度較長(zhǎng)時(shí)間維持在高值，導(dǎo)致PM2.5濃度迅速積累；31日白天地面變壓幅度最大，氣壓較低，上升運(yùn)動(dòng)發(fā)展，形成較強(qiáng)對(duì)流，邊界層高度較高，同時(shí)相對(duì)濕度相對(duì)最低，PM2.5濃度快速下降。

2.2.2 氣象要素垂直廓線分析

將7月29—31日無人機(jī)飛行觀測(cè)的每層相對(duì)濕度和氣溫進(jìn)行平均，圖4為其垂直廓線?？芍鄬?duì)濕度一般隨高度升高而上升，氣溫反之。7月29日4次飛行觀測(cè)中，50～500 m高度層相對(duì)濕度隨時(shí)間逐漸增大，這與圖2地面監(jiān)測(cè)結(jié)果相反，可能在此期間對(duì)流作用較強(qiáng)，邊界層發(fā)展，上下層逐漸混合的過程中將低層濕空氣帶到上層，白天副熱帶高壓西伸北抬(圖1)，不斷給上層空氣帶來豐富水汽；4次飛行中，各層呈氣溫隨時(shí)間逐漸升高的趨勢(shì)，與地面監(jiān)測(cè)結(jié)果一致。30日4次飛行中，整層相對(duì)濕度10時(shí)最高，同時(shí)高于29日所有時(shí)次，12和14時(shí)明顯下降且垂直梯度較小，說明此時(shí)大氣混合較為均勻，16時(shí)最低，但16時(shí)200～300 m高度和12時(shí)350～400 m高度出現(xiàn)了明顯逆濕，這可能是由于此時(shí)低層風(fēng)速較大。31日10時(shí)相對(duì)濕度為12次飛行觀測(cè)中最高值，且150～350 m高度均維持在80%以上，其上出現(xiàn)了逆濕，這是造成圖3中本時(shí)次PM2.5濃度“下低上高”的原因，12、14、16時(shí)相對(duì)濕度大幅下降，14時(shí)和16時(shí)相對(duì)濕度達(dá)到3天中的最低值；10、12和14時(shí)低層氣溫垂直梯度較大，說明大氣較不穩(wěn)定，有利于對(duì)流的發(fā)展。所有飛行中，29日12時(shí)450 m、30日10時(shí)450 m、12時(shí)300～400 m、31日10時(shí)400 m、12時(shí)300 m、14時(shí)300 m和500 m、16時(shí)400 m出現(xiàn)了逆溫。

圖4 7月29—31日太原無人機(jī)觀測(cè)氣象要素(相對(duì)濕度、氣溫)垂直廓線Fig.4 Vertical profile of meteorological elements (relative humidity and temperature) observed by UAV in Taiyuan from July 29 to 31

2.2.3 PM2.5、PM2.5/PM10垂直廓線分析

為了更直觀地看到PM2.5的垂直分布情況及其隨時(shí)間的變化，將各次飛行每層數(shù)據(jù)進(jìn)行平均得到平均濃度的垂直廓線，圖5為29—31日每日4次無人機(jī)飛行觀測(cè)的PM2.5濃度垂直廓線?？芍?，29日上午(10、12)PM2.5濃度隨高度上升先降后升，最低值出現(xiàn)在350 m高度，下午(14、16時(shí))PM2.5濃度隨高度上升有減小趨勢(shì)，且16時(shí)斜率更大，減小速率更快；30日和31日上午PM2.5濃度隨高度上升有增大趨勢(shì)，下午反之，其中31日14時(shí)PM2.5濃度隨高度先降后升；3天中，12和14時(shí)邊界層混合均勻，PM2.5濃度隨高度變化幅度最小。垂直廓線存在一個(gè)或多個(gè)“拐點(diǎn)”，與圖4對(duì)比發(fā)現(xiàn)其下PM2.5濃度快速上升，相對(duì)濕度變化緩慢，其上相對(duì)濕度迅速上升，PM2.5濃度下降，而這些“拐點(diǎn)”與逆溫層出現(xiàn)位置相符，表明逆溫層對(duì)大氣垂直混合有明顯抑制作用。29日16時(shí)污染物累積階段50～200 m高度層PM2.5濃度變化幅度達(dá)20 μg·m-3以上，為本次實(shí)驗(yàn)之最。30日和31日均為污染物消散過程，PM2.5濃度垂直梯度較小且整層濃度隨時(shí)間下降明顯，30日16時(shí)250～350 m PM2.5濃度明顯偏低，與圖4中相對(duì)濕度低值對(duì)應(yīng)；31日PM2.5濃度下降更為迅速，但兩天中16時(shí)低層均已開始有污染物累積趨勢(shì)。

圖5 7月29—31日每日4次(10時(shí)、12時(shí)、14時(shí)、16時(shí))無人機(jī)觀測(cè)PM2.5垂直廓線Fig.5 Vertical profile of PM2.5 observed by UAV four times a day (10∶00 BST， 12∶00 BST， 14∶00 BST， 16∶00 BST) from July 29 to 31

圖6為無人機(jī)觀測(cè)的PM2.5/PM10比例垂直廓線，此比值越大代表PM2.5二次生成和積累過程越強(qiáng)、越易出現(xiàn)污染。可知29日(污染生成過程)PM2.5占比隨時(shí)間逐漸上升；30日10、12和14時(shí)200 m以上PM2.5/PM10較為相近，200 m以下隨時(shí)間逐漸上升，16時(shí)整層PM2.5/PM10大幅下降；31日下午PM2.5/PM10明顯低于上午。對(duì)比圖5a可知，29日16時(shí)低層出現(xiàn)污染時(shí)，盡管高層PM2.5濃度仍較低，但是從低到高PM2.5占比均比較高，尤其是200～400 m之間，比值最大，表明200 m以下PM2.5與PM10同步增長(zhǎng)，顆粒物濃度的上升更多來源于不利擴(kuò)散條件造成的本地的排放和積累，而上層污染物的吸濕增長(zhǎng)可能占主導(dǎo)地位，隨著地面污染物濃度的增加，逐漸向上混合。這一特征在圖5b同樣有所體現(xiàn)，30日10時(shí)、12時(shí)、14時(shí)PM2.5濃度逐漸下降，但PM2.5/PM10均維持在較高水平，且低層隨時(shí)間有所上升，這是由于低層相對(duì)濕度較高，細(xì)顆粒物吸濕增長(zhǎng)導(dǎo)致下降速率小于PM10；16時(shí)250～350 m PM2.5/PM10低值與相對(duì)濕度低值和PM2.5濃度低值相對(duì)應(yīng)。以上現(xiàn)象充分表明顆粒物吸濕增長(zhǎng)對(duì)氣溶膠濃度具有顯著影響。

圖6 7月29—31日每日4次無人機(jī)觀測(cè)PM2.5/PM10垂直廓線Fig.6 Vertical profile of PM2.5/PM10 observed by UAV four times a day from July 29 to 31

2.3 后向軌跡分析

后向軌跡模型方法被廣泛用于污染物的長(zhǎng)距離輸送規(guī)律研究，結(jié)合物理擴(kuò)散、沉降過程，以數(shù)值模擬的方法對(duì)氣團(tuán)輸送路徑進(jìn)行模擬和分析，能較好地反應(yīng)污染物的傳輸特征[27-29]。利用HYSPLIT4后向軌跡模式對(duì)7月29—31日氣團(tuán)運(yùn)動(dòng)軌跡進(jìn)行計(jì)算，以此分析污染物輸送路徑。太原市海拔高度為770 m，以(37.73°N， 112.55°E)為起始點(diǎn)，選取300 m高度，逐時(shí)對(duì)7月29—31日進(jìn)行72 h后向軌跡模擬，圖7為得到的每日氣團(tuán)水平運(yùn)動(dòng)路徑和城市日均PM2.5濃度疊加?？芍?天中低層氣流主要來自東南方向，包括河南北部的鄭州、新鄉(xiāng)、鶴壁、焦作等地和山西東南部的長(zhǎng)治、陽泉、晉中等地。同等時(shí)間內(nèi)，軌跡越長(zhǎng)說明氣流速度越快，對(duì)比來看，29日部分時(shí)次氣流相對(duì)較慢，30日和31日相對(duì)更快?？芍?9—31日太原市日均PM2.5濃度逐漸降低，這與無人機(jī)監(jiān)測(cè)結(jié)果相符，但與氣流傳輸路徑所經(jīng)城市相比仍處于較高水平，說明3天中太原市PM2.5本地積累占主導(dǎo)地位，污染物遠(yuǎn)距離傳輸?shù)挠绊戄^小，外地傳輸更多來自于山西省晉中、長(zhǎng)治等鄰近城市。從白天后向軌跡三維圖可知，29日有來自外地的較高層氣流下沉輸送，至37°N長(zhǎng)治附近到達(dá)近地面，隨后抬升輸送至太原，且在太原附近仍有下沉運(yùn)動(dòng)，有助于太原PM2.5的積累；30日來自高層的氣流更多，太原上空個(gè)別時(shí)次出現(xiàn)下沉氣流，上升運(yùn)動(dòng)占主導(dǎo)地位；31日外地輸送氣流一直貼近地面，至37.5°N太原、晉中出現(xiàn)劇烈抬升，上升氣流旺盛，均有利于顆粒物擴(kuò)散。

圖7 7月29—31日逐時(shí)72 h后向軌跡和城市日均PM2.5濃度疊加、白天(08—18時(shí))后向軌跡三維Fig.7 Superposition of hourly backward-tracking for 72 hours and urban average daily PM2.5 concentration from July 29 to 31、3Dview of the backward trajectories during the daytime (08∶00 BST to 18∶00 BST)

3 結(jié)論

本文利用無人機(jī)立體觀測(cè)、氣象分析和HYSPLIT4后向軌跡模式的應(yīng)用，對(duì)太原2020年7月29—31日的PM2.5濃度空間和時(shí)間變化特征及其成因進(jìn)行了分析。主要結(jié)論如下：

(1) 7月29日為污染物積累過程，30日和31日白天為消散過程，夜間為積累過程。PM2.5濃度的垂直分布差異顯著，下午大部分時(shí)次PM2.5濃度滿足“下高上低”規(guī)律，上午邊界層混合過程中或上層濕度較大時(shí)，可能導(dǎo)致顆粒物濃度“下低上高”的情況。

(2) 相對(duì)濕度一般隨高度升高而上升，氣溫反之。逆溫層對(duì)大氣垂直混合有明顯抑制作用，PM2.5濃度垂直廓線在逆溫層附近出現(xiàn)“拐點(diǎn)”。

(3) 29日副熱帶高壓帶來暖濕氣流，小風(fēng)、高濕造成太原29日顆粒物的累積和吸濕增長(zhǎng)；30日槽前對(duì)流發(fā)展和較大的風(fēng)速有利于污染物的擴(kuò)散和輸送；31日高空帶來的干冷空氣導(dǎo)致的相對(duì)濕度大幅下降、低壓區(qū)上下對(duì)流發(fā)展、邊界層高度較高是31日PM2.5濃度快速下降的原因。

(4) 3天中氣流主要來自東南方向，太原市PM2.5本地積累占主導(dǎo)地位，外地傳輸更多來自于本省晉中、長(zhǎng)治等鄰近城市；29日太原附近上空有下沉氣流，不利于顆粒物垂直擴(kuò)散；30日和31日多為上升氣流，且31日上升運(yùn)動(dòng)更旺盛，有利于顆粒物的垂直傳輸。