论文部分内容阅读
PM2.5（细颗粒物）作为霾污染天气的主要成分，能减低大气能见度、危害人体健康、影响生态系统、天气和气候。目前对中国区域PM2.5平均浓度的时空变化特征已有较为清楚的认识，但仍缺乏对PM2.5重污染事件的研究。不利天气条件是影响当前PM2.5重污染最主要的因素，总结PM2.5重污染期间的典型天气形势特征对PM2.5重污染短期预警有重要意义。气候变化背景下，探究影响PM2.5重污染天气年际变化的物理机制有助于未来空气质量预估。本研究主要利用PM2.5观测数据、多种统计分析方法和WRF-Chem模式，分析了中国区域PM2.5重污染天数的时空变化特征及天气-气候因素对典型区域PM2.5重污染的影响机理。
利用2013年4月至2018年2月全国范围内的PM2.5观测数据，定义日均PM2.5浓度超过150μg m-3为一个PM2.5重污染天，统计了各城市站点PM2.5重污染的频数并分析了其时空变化特征。PM2.5重污染年频数在2013-2017年的空间分布特征表现为北方高于南方、内陆高于沿海;京津冀的PM2.5重污染天数最多，甚至达到年天数的1/3;此外，山东、河南、山西和关中地区也是PM2.5重污染的高发区域;2015年以后的观测显示新疆部分城市的PM2.5重污染天数甚至超过京津冀。在持续减排措施实施背景下，除了西安、太原和乌鲁木齐，全国范围内PM2.5重污染天数在2013-2017年间呈下降趋势。污染最严重的京津冀在2013-2017年每年重污染天数的最大值分别为122、95、57、78和31天。京津冀的PM2.5重污染主要发生在11月至次年2月，长三角则主要为12月和1月。京津冀PM2.5重污染的年频数呈逐年减少趋势，但冬季的重污染受到气象场的调制，具有明显的年际变化和次季节变化。京津冀72.0％的PM2.5重污染事件持续1-2天，冬季的重污染事件持续时间能够超过3天，甚至达到7天。长三角区域85.2％的重污染事件持续1-2天，14.8％的重污染事件持续超过3天。
不利天气条件对PM2.5重污染的形成和维持至关重要。本研究对京津冀和长三角区域PM2.5重污染期间的典型天气形势进行了总结。通过T-PCA分类和合成分析方法，将京津冀PM2.5重污染期间的天气类型分为五类，分别占12.1％、35.7％、31.2％、16.6％和4.4％。五类天气型在对流层中层500hPa的位势高度场表现为东亚大槽减弱，500hPa环流呈平直西风型和高压脊型。这种环流特征下的冷空气活动较弱，稳定的天气形势有利于近地面污染的发生和维持。五类天气形势的850hPa位势高度场在中国东南海岸存在一个反气旋高压，使得华北地区冬季北风减弱，有利于污染物的累积。海平面气压场上，京津冀在重污染期间主要受高压系统和均压场的影响。京津冀在PM2.5重污染期间还受到污染物短距离输送的影响。长三角在重污染期间东亚大槽减弱，天气形势稳定，有利于局地污染发生。此外，长三角也受到北边污染较重的京津冀区域和山东省污染物远距离输送的影响。
通过对比不同污染水平下的天气形势特征，发现重污染期间的天气形势与非重污染期间的天气形势有明显差异。中度污染期间的天气特征与重污染相似，但两者在异常场的强度上仍有较大的差别。进一步使用WRF-Chem模式，通过考查不利天气形势下PM2.5重污染对不同减排的响应，发现京津冀在所有人为源减排50％的情景下，重污染期间的PM2.5日均浓度仅下降20-40％，依然能达到重污染的水平。因此，不利天气形势是近几年京津冀PM2.5重污染发生的充分必要条件。
基于京津冀冬季PM2.5重污染天的四类典型天气形势，利用天气形势相似度判别方法，重建了1979-2017年以来，冬季易导致京津冀发生PM2.5重污染的天气日数序列(Reconstructed Severe Particulate Pollution Days，R-SPPDs)。R-SPPDs在1979-2017年呈显著增加趋势，并且在2010年以后快速增加。R-SPPDs与东大西洋-西俄罗斯(East Atlantic/West Russia，EA/WR)遥相关型、北太平洋环流涛动(North Pacific Gyre Oscillation，NPGO)和78°-90°N，20°W-150°E区域前秋季11月的北极海冰面积与R-SPPDs显著相关。EA/WR的行星波列从北大西洋途径欧洲西部和俄罗斯西部，导致东亚区域500hPa出现正的位势高度异常，与第一类和第四类天气型相似;R-SPPDs与北太平洋中部和东北部的海表温度显著相关，呈现类-NPGO型分布，西北太平洋激发的波列向北传至亚洲大陆西北部导致出现与第二类天气形势类似的天气型;78°-90°N，20°W-150°E区域前秋季11月的海冰消融，高纬度地区的异常下传波列使得秋冬季的上传波列减弱，伴随着平流层中EP通量的散度出现显著的负异常，从而导致平流层极涡减弱并维持到冬季，冬季的异常上传波列导致上传波列增强，对流层中低层形成类似于第三类天气型的环流形势。R-SPPDs序列的长期增加趋势主要由海冰导致，在全球持续变暖背景下，北极海冰的减少或将持续，未来京津冀还需要进一步加强污染物的排放控制才能抵消气候变化引起的易导致PM2.5重污染的不利天气增多风险。
利用2013年4月至2018年2月全国范围内的PM2.5观测数据，定义日均PM2.5浓度超过150μg m-3为一个PM2.5重污染天，统计了各城市站点PM2.5重污染的频数并分析了其时空变化特征。PM2.5重污染年频数在2013-2017年的空间分布特征表现为北方高于南方、内陆高于沿海;京津冀的PM2.5重污染天数最多，甚至达到年天数的1/3;此外，山东、河南、山西和关中地区也是PM2.5重污染的高发区域;2015年以后的观测显示新疆部分城市的PM2.5重污染天数甚至超过京津冀。在持续减排措施实施背景下，除了西安、太原和乌鲁木齐，全国范围内PM2.5重污染天数在2013-2017年间呈下降趋势。污染最严重的京津冀在2013-2017年每年重污染天数的最大值分别为122、95、57、78和31天。京津冀的PM2.5重污染主要发生在11月至次年2月，长三角则主要为12月和1月。京津冀PM2.5重污染的年频数呈逐年减少趋势，但冬季的重污染受到气象场的调制，具有明显的年际变化和次季节变化。京津冀72.0％的PM2.5重污染事件持续1-2天，冬季的重污染事件持续时间能够超过3天，甚至达到7天。长三角区域85.2％的重污染事件持续1-2天，14.8％的重污染事件持续超过3天。
不利天气条件对PM2.5重污染的形成和维持至关重要。本研究对京津冀和长三角区域PM2.5重污染期间的典型天气形势进行了总结。通过T-PCA分类和合成分析方法，将京津冀PM2.5重污染期间的天气类型分为五类，分别占12.1％、35.7％、31.2％、16.6％和4.4％。五类天气型在对流层中层500hPa的位势高度场表现为东亚大槽减弱，500hPa环流呈平直西风型和高压脊型。这种环流特征下的冷空气活动较弱，稳定的天气形势有利于近地面污染的发生和维持。五类天气形势的850hPa位势高度场在中国东南海岸存在一个反气旋高压，使得华北地区冬季北风减弱，有利于污染物的累积。海平面气压场上，京津冀在重污染期间主要受高压系统和均压场的影响。京津冀在PM2.5重污染期间还受到污染物短距离输送的影响。长三角在重污染期间东亚大槽减弱，天气形势稳定，有利于局地污染发生。此外，长三角也受到北边污染较重的京津冀区域和山东省污染物远距离输送的影响。
通过对比不同污染水平下的天气形势特征，发现重污染期间的天气形势与非重污染期间的天气形势有明显差异。中度污染期间的天气特征与重污染相似，但两者在异常场的强度上仍有较大的差别。进一步使用WRF-Chem模式，通过考查不利天气形势下PM2.5重污染对不同减排的响应，发现京津冀在所有人为源减排50％的情景下，重污染期间的PM2.5日均浓度仅下降20-40％，依然能达到重污染的水平。因此，不利天气形势是近几年京津冀PM2.5重污染发生的充分必要条件。
基于京津冀冬季PM2.5重污染天的四类典型天气形势，利用天气形势相似度判别方法，重建了1979-2017年以来，冬季易导致京津冀发生PM2.5重污染的天气日数序列(Reconstructed Severe Particulate Pollution Days，R-SPPDs)。R-SPPDs在1979-2017年呈显著增加趋势，并且在2010年以后快速增加。R-SPPDs与东大西洋-西俄罗斯(East Atlantic/West Russia，EA/WR)遥相关型、北太平洋环流涛动(North Pacific Gyre Oscillation，NPGO)和78°-90°N，20°W-150°E区域前秋季11月的北极海冰面积与R-SPPDs显著相关。EA/WR的行星波列从北大西洋途径欧洲西部和俄罗斯西部，导致东亚区域500hPa出现正的位势高度异常，与第一类和第四类天气型相似;R-SPPDs与北太平洋中部和东北部的海表温度显著相关，呈现类-NPGO型分布，西北太平洋激发的波列向北传至亚洲大陆西北部导致出现与第二类天气形势类似的天气型;78°-90°N，20°W-150°E区域前秋季11月的海冰消融，高纬度地区的异常下传波列使得秋冬季的上传波列减弱，伴随着平流层中EP通量的散度出现显著的负异常，从而导致平流层极涡减弱并维持到冬季，冬季的异常上传波列导致上传波列增强，对流层中低层形成类似于第三类天气型的环流形势。R-SPPDs序列的长期增加趋势主要由海冰导致，在全球持续变暖背景下，北极海冰的减少或将持续，未来京津冀还需要进一步加强污染物的排放控制才能抵消气候变化引起的易导致PM2.5重污染的不利天气增多风险。