论文部分内容阅读
过去十年来，在经济快速发展的背景下，随着中国工业化城市化的进程不断前进，向大气排放的各种污染物持续增加，超过了大气承载力，中国国内的大气污染状况日益恶化，发生雾霾天气的时间也逐年增加。而最近几年，随着国家环境监测中心在国内先后部署了1436个污染观测站点，利用这些污染观测资料和数值模式模拟得到的资料进行后续研究被提上日程。本文采用的是中国科学院大气物理研究所唐晓、孔磊、吴煌坚等建立的中国空气质量再分析数据集开展研究。该数据集采用中国科学院大气物理研究所研发的环境大数据快速自动化质量控制与融合技术，实现全国大气环境监测网多个站点6项污染物(PM2.5，PM10，SO2，NO2，CO和O3)观测数据的准实时质量控制与快速同化融合，构建2013-2017年全国主要污染物小时分辨率的集合模拟再分析数据集。
本文首先为了验证气象初始场在进行资料同化之后确实得到了改进，设计了一个初步实验，选取了2013年1月10日到14日的发生在京津冀地区的严重PM2.5污染个例，使用三维变分同化了京津冀地区的风廓线观测资料，实验的结果表明进行同化风廓线雷达资料确实明显改变了气象场的结果，并且对污染模拟产生了正向的影响。
之后，本文对中国空气质量再分析数据集进行了较为全面的评估。包括了6种不同的污染物浓度的年平均值相对模式结果的改进，按季节分时段的季平均浓度的改进以及具体到单一站点的污染物浓度随时间变化的改进。发现6种污染物的再分析数据相对同化前都有了不同程度的改进，最重要的PM2.5浓度上，不仅可以反映总体特征，还可以反应出华北地区和四川盆地的高峰区。从季节浓度来看，再分析资料较好的体现了不同污染物在不同季节的变率。相对于模式的改进，PM2.5的浓度改进主要是在夏秋季，以秋季居多。站点的结果:同化前后模式模拟的PM2.5浓度都可以体现出与观测较为一致的时间变化特征，春、冬季浓度较高，夏、秋两季则浓度相对较低，并且能够体现出春、冬季可能受气象条件的影响较为剧烈的日变化特征。通过分析偏差和均方根误差，发现再分析数据模拟的PM2.5浓度能够有效的改进原本的模拟误差，进一步趋近于观测的时间变化特征，其他不同种类的污染物也呈现出类似的情况。说明中国空气质量再分析数据集确实提高了原本模式结果的精度。
最后，利用该再分析数据集进行了应用，配合其他资料，计算获取了一系列的空气质量诊断参数。包括了空气停滞指数ASI，雾霾天气指数HWI，风速指数WSI，空气温度梯度指数ATGI，由风速指数和空气梯度指数合并得到的污染潜势指数PPI。指出在京津冀地区，从2013年到2017年间，作为污染指示的这些参数正在好转，说明空气质量在这些年间有了提升。2017年比2013年的空气停滞日数少，说明冷空气在2017年活动比2013年强，有利于污染物的扩散。对应的风速指数WSI也在增加，说明风使得污染物的扩散条件更好，但是空气温度梯度指数2017年年平均和2013年差距不大，冬季2017年比2013年是下降的，说明2013年大气层结更稳定，更不利于空气污染的扩散，17年冬季则略有好转。两者的综合指数PPI变化不大，说明由于天气条件变化对污染物浓度的变化在这几年影响不大。最后利用雾霾天气指数HWI定量的计算了气象条件变化对污染物浓度下降的影响。发现2017年比2013年雾霾天气指数在北京地区好转了5％，但是实际PM2.5的污染物浓度下降了接近40％，说明这40％中，其中5％是天气条件转好的贡献。
本文首先为了验证气象初始场在进行资料同化之后确实得到了改进，设计了一个初步实验，选取了2013年1月10日到14日的发生在京津冀地区的严重PM2.5污染个例，使用三维变分同化了京津冀地区的风廓线观测资料，实验的结果表明进行同化风廓线雷达资料确实明显改变了气象场的结果，并且对污染模拟产生了正向的影响。
之后，本文对中国空气质量再分析数据集进行了较为全面的评估。包括了6种不同的污染物浓度的年平均值相对模式结果的改进，按季节分时段的季平均浓度的改进以及具体到单一站点的污染物浓度随时间变化的改进。发现6种污染物的再分析数据相对同化前都有了不同程度的改进，最重要的PM2.5浓度上，不仅可以反映总体特征，还可以反应出华北地区和四川盆地的高峰区。从季节浓度来看，再分析资料较好的体现了不同污染物在不同季节的变率。相对于模式的改进，PM2.5的浓度改进主要是在夏秋季，以秋季居多。站点的结果:同化前后模式模拟的PM2.5浓度都可以体现出与观测较为一致的时间变化特征，春、冬季浓度较高，夏、秋两季则浓度相对较低，并且能够体现出春、冬季可能受气象条件的影响较为剧烈的日变化特征。通过分析偏差和均方根误差，发现再分析数据模拟的PM2.5浓度能够有效的改进原本的模拟误差，进一步趋近于观测的时间变化特征，其他不同种类的污染物也呈现出类似的情况。说明中国空气质量再分析数据集确实提高了原本模式结果的精度。
最后，利用该再分析数据集进行了应用，配合其他资料，计算获取了一系列的空气质量诊断参数。包括了空气停滞指数ASI，雾霾天气指数HWI，风速指数WSI，空气温度梯度指数ATGI，由风速指数和空气梯度指数合并得到的污染潜势指数PPI。指出在京津冀地区，从2013年到2017年间，作为污染指示的这些参数正在好转，说明空气质量在这些年间有了提升。2017年比2013年的空气停滞日数少，说明冷空气在2017年活动比2013年强，有利于污染物的扩散。对应的风速指数WSI也在增加，说明风使得污染物的扩散条件更好，但是空气温度梯度指数2017年年平均和2013年差距不大，冬季2017年比2013年是下降的，说明2013年大气层结更稳定，更不利于空气污染的扩散，17年冬季则略有好转。两者的综合指数PPI变化不大，说明由于天气条件变化对污染物浓度的变化在这几年影响不大。最后利用雾霾天气指数HWI定量的计算了气象条件变化对污染物浓度下降的影响。发现2017年比2013年雾霾天气指数在北京地区好转了5％，但是实际PM2.5的污染物浓度下降了接近40％，说明这40％中，其中5％是天气条件转好的贡献。