2021, Vol. 41
[PDF全文]
2. 成都市气象局, 成都 610072;
3. 四川省生态环境监测总站, 成都 610091;
4. 四川省生态环境科学研究院, 成都 610042
2. Chengdu Meteorological Bureau, Chengdu 610072;
3. Sichuan Environmental Monitoring Center, Chengdu 610091;
4. Sichuan Academy of Eco-environmental Sciences, Chengdu 610042
近年来, 随着我国城市化进程加速推进, O3污染问题日渐突出.高浓度O3会对人类健康、农业生产等造成诸多危害(李昌龙等, 2018), 其主要来自于NOx和VOCs等前体物的光化学反应(王磊等, 2018; Lyu et al., 2019).
O3浓度与前体物排放和气象条件的变化密切相关(He et al., 2019; Chen et al., 2020).天气系统制约着局地气象条件, 并对O3及其前体物的区域传输起到重要作用(Hu et al., 2018).例如, 高空急流、台风等天气系统附近易发生高空O3的下传和积聚, 造成地面O3浓度超标(严仁嫦等, 2018; Ni et al., 2019).因此, 开展O3污染天气形势的分型研究, 识别典型的污染天气形势, 对于准确开展O3重污染预报预警具有指导意义.
国内有关O3污染与天气分型方面的研究较多, 发现强暖性、扩散条件差的天气型容易造成O3浓度超标(刘建等, 2017; 巫楚等, 2019; Gong et al., 2019).相对于人为影响较大的主观分析方法, 客观分型方法采用的指标更一致、标准更统一.例如, Liu等(2019)使用Lamb方法确定易污染型, 并建立分段逐步回归以预测城市O3变化; Shu等(2019)采用SOM方法, 揭示不同天气型对长三角地区O3来源的影响; Han等(2020)使用MLR模型研究表明, 中国东部O3污染易发生在弱气旋系统或盛行南风的形势下.研究发现, T-mode斜交旋转主成分分析法(PCT)可准确地反映原始大气环流场特征, 得到的时空场较为稳定(Huth et al., 2008), 目前此方法已应用在上海和华北等地区颗粒物污染的研究中(许建明等, 2016; 张莹等, 2018; Zhang et al., 2018).
国内对区域性O3污染的研究主要集中在京津冀、珠三角、长三角地区(沈劲等, 2015; 易睿等, 2015; 潘本锋等, 2016).然而随着成都平原地区经济的高速发展, 以及人口、机动车数量等快速增长, 其O3污染的关注度也在不断提升.2017年, 成都平原地区的大气污染治理被列为四川省环保的“一号工程”, 要求PM2.5与O3污染防控“两手抓”.成都平原城市群(亦称成都平原经济区)近地面逆温多、风速小、热岛效应明显, 导致O3及其前体物容易在本地积累循环(Tan et al., 2018; Yang et al., 2020).Liu等(2020)研究表明, 气象条件对成都地区生物排放的臭氧前体物具有重要影响.目前对成渝地区O3污染的气象成因研究主要集中在气象要素和主观天气形势的分析方面, 且研究时段集中在夏季(吴锴等, 2017; 曹庭伟等, 2018; 胡成媛等, 2019; 杨显玉等, 2020).每年进入4月, 随着太阳辐射增强, 成都平原地面气温明显升高, 同时由于降水较少, 且西南暖低压活动频繁, 容易造成区域性O3污染.因此, 对春季成都平原天气形势与O3污染进行更深入的研究, 能更合理有效地控制该区域O3浓度变化, 避免O3重污染事件的发生, 这对治理区域大气污染、改善城市空气质量及推动社会可持续发展具有重大意义.
基于此, 本文利用客观天气分型方法对2015—2019年春季(4—5月)成都平原及周边地区地面及高空天气进行分型, 揭示有利于O3污染发生的主导天气形势.同时, 选取典型的O3重污染过程进行分析, 明确不同天气系统及其协同作用对区域污染形成和维持的影响, 以期为后续进一步确定主控气象因子, 构建和改善O3污染潜势预报模型提供理论基础, 并为成都平原地区O3污染预报和大气污染防治工作提供科学依据.
2 数据与方法(Data and methods) 2.1 研究区域本文研究区域为成都平原经济区8个城市管辖区, 包括成都、绵阳、德阳、眉山、乐山、遂宁、资阳、雅安, 是西部地区城镇化率最大的区域之一, 也是四川全省最发达的地区.成都平原位于四川盆地中部(图 1), 四周群山环抱, 地形上形成南北对峙, 东西夹持, 平原内部地形平坦, 大部分地区海拔为460~750 m.位于成都平原区域乐山市的峨眉山地区是四川盆地向青藏高原过渡地带的第一、二阶梯地区, 也是西南气流的必经之路, 对四川盆地及长江中下游的天气气候和环境有着非常重要的指示意义.
 |
| 图 1 成都平原及其周边地区地形海拔高度和成都平原城市群环境监测点位 Fig. 1 The altitude of the Chengdu Plain and surrounding areas and the location of environmental monitoring sites |
空气污染资料一方面来源于四川省生态环境监测总站提供的2015年4月1日—2019年5月31日空气质量日报资料, 包括O3_8 h、AQI、首要污染物、污染等级等; 另一方面来源于全国空气质量实时发布平台的2015年4月1日—2019年5月31日成都平原地区污染浓度资料, 包括6种污染物(PM2.5、PM10、SO2、NO2、CO、O3)逐小时浓度.
用于天气分型和垂直环流分析的气象资料来源于欧洲中期天气预报中心(ECMWF)官网上下载的2015年4月1日—2019年5月31日的ERA-interim数据集, 时间间隔为6 h(00: 00、06: 00、12: 00、18: 00 UTC), 包括空间分辨率为1°×1°的海平面气压场(SLP)和10 m水平风(U、V), 700、500 hPa位势高度场及对应高度层风场(U、V), 以及空间分辨率为0.125°×0.125°的1000~200 hPa、间隔25 hPa的温度场、垂直速度、水平风(U).
气象观测资料为2015年4月1日—2019年5月31日成都平原8个城市的逐小时常规地面观测资料和成都温江站探空资料, 包括温度、相对湿度、水平风向风速等.辐射数据为从CMACast接收的实时报文中提取的2018年4月1日—2019年5月31日温江站逐小时资料, 包括总辐射、紫外线强度等.本文根据国家标准GB/T13201-91确定大气稳定度级别, 并采用罗氏公式计算混合层高度(式(1)).
|
(1) |
式中, L为混合层高度(m), P为大气稳定度级别(1~6), T为地面气温(℃), Td为露点温度(℃), Uz为Z(m)高度处平均风速(m·s-1), Z0为地面粗糙度(m), f为科氏参数.
2.3 客观分型方法本研究使用欧盟COST733项目开发的天气分型软件(http://www.cost733.org), 采用T-mode斜交旋转主成分分析法(Principal Component Analysis in T-mode, PCT)进行天气分型(Huth, 1996; Zhang et al., 2012).PCT方法的基本原理是将原始高维数据Z分解为F和A 2个低维矩阵, 即Z=FA T, 每行代表N个空间格点, 每列为M个观测时次, F为主成分(PC), A为PC载荷.所有的主成分按照对应特征值的大小排序, 最后选取对原数据累计贡献率超过一定百分比(一般为85%)的特征值所对应的第1~K (K≤M) 个主成分F达到降维的目的(徐建明等, 2016).
本研究对地面天气的分型采用当天02: 00、08: 00、14: 00和20: 00共4个时次的平均场, 以消除局地小尺度系统的影响, 着重分析天气尺度系统的特征.对于环流形势较为稳定的中高层, 由于08: 00再分析资料同化了全球地面和探空观测数据, 具有最高的准确度, 与其它时刻资料相比更能反映实况(Jiang et al., 2011; Zhang et al., 2012), 因此, 本文对700 hPa和500 hPa采用08: 00的位势高度场进行分型研究.
3 结果与讨论(Results and discussion) 3.1 臭氧污染特征分析根据《环境空气质量指数(AQI)技术规定》(HJ633—2012)中的空气质量定义标准, O3_8 h(臭氧日最大8小时滑动平均浓度)≤100 μg·m-3为优, 100 μg·m-3 < O3_8 h≤160 μg·m-3为良, 160 μg·m-3 < O3_8 h≤215 μg·m-3为轻度污染, 215 μg·m-3 < O3_8 h≤265 μg·m-3为中度污染, O3_8 h>265 μg·m-3为重度污染.
图 2为成都平原8个城市2015—2019年全年地面O3浓度和超标情况统计结果, 各城市O3浓度超标主要集中在4—8月, 且5月和8月O3_8 h相对较高, 其中, 成都市O3浓度最高且超标日数最多, 其次为眉山, 雅安O3浓度最低, 且超标日数最少(超标主要发生在2019年), 部分城市在3月、9月和10月会有1~3 d的超标.近5年成都市7月和8月O3累积超标天数均超过40 d, 4月和5月累积超标天数接近30 d.眉山、资阳、乐山近5年累积O3超标日数分别为119、75、50 d, 其中4月的超标日最多.资阳和绵阳春季O3_8 h平均值高于夏季.可见, 成都平原城市群春季臭氧污染问题比较明显, 并且在区域上有扩大的趋势.由于成都平原城市3月O3污染较轻, 仅遂宁、眉山、乐山和雅安近5年累积分别出现6、2、1、1 d的O3浓度超标, 因此, 本文将重点分析春季O3污染, 并把研究时段选取在4—5月.2015—2019年4—5月成都平原城市O3_8 h平均值分别为112.3、97.6、112.5、118.0、111.0 μg·m-3, 呈上升趋势.近5年春季成都、眉山、德阳、遂宁O3浓度超标日较多, O3_8 h平均值也相对较高, 其余城市污染较轻, 其中, 雅安2015—2016年无O3浓度超标发生, 但污染呈逐年加重的趋势.成都、遂宁夏季O3浓度超标较多, 资阳、乐山则在春季O3浓度超标较多, 其余城市两季的O3污染状况相差不大.此外, 2015和2018年成都平原春季O3污染较重, 2016年污染最轻, 2016与2019年均表现为夏季型污染.
 |
| 图 2 2015—2019年成都平原城市地面O3_8 h平均值和超标状况月变化 Fig. 2 Monthly variation of the average concentration and exceeded rate of O3_8 h over Chengdu Plain from 2015 to 2019 |
图 3所示为近5年春季成都平原各城市O3各污染等级发生频率.由图可知, 成都、眉山、德阳和乐山有O3中度污染发生, 分别为11、6、5、1 d.成都和眉山地面O3污染较重, 超标率分别为17.7%和16.4%, 对应O3_8 h第90百分位数分别为176 μg·m-3和174 μg·m-3; 雅安的污染程度最轻, 超标率仅为2.3%, O3_8 h第90百分位数为125.6 μg·m-3.成都平原城市群及各城市春季O3浓度和超标情况的差异及其不同年份之间的差别与区域和本地的天气气象条件密切相关.
 |
| 图 3 2015—2019年春季成都平原城市空气质量状况(O3) (图中1~5分别代表2015—2019年) Fig. 3 Urban air quality over Chengdu Plain in the spring of 2015—2019 (O3) (In the figure, the numbers 1 to 5 represent 2015—2019 respectively) |
利用PCT方法对研究区域2015—2019年春季的海平面气压场进行天气分型, 将地面天气形势归纳为4类9型(图 4), 4类分别为高压场、低压场、均压场和倒槽型.各分型结果发生频率及主要特征见表 1.
 |
| 图 4 2015—2019年春季海平面气压场及10 m风场分型 (图中白色箭头为10 m高度的U、V合成风, 黑色圆点为成都市所在位置) Fig. 4 Sea level pressure and 10 m wind field classification in the spring of 2015—2019 (In the figure, the white arrow is the U and V synthetic wind at 10m height, the black dot is the location of Chengdu) |
| 表 1 2015—2019年春季海平面气压场分型结果及主要特征 Table 1 Sea level pressure classification results and main characteristics in the spring of 2015—2019 |
 |
根据各地面分型下成都市O3_8 h平均值分布情况, 可将Type3~Type6作为易污染型, Type2、Type7、Type9为不易污染型, Type1、Type8介于两者之间, 为较易污染型(图 5).以下结合天气形势和气象要素特征进一步说明:
 |
| 图 5 2015—2019年春季各地面天气型下成都市O3_8 h分布特征 (实心圆点代表O3_8 h平均值, 黑色线杆代表平均浓度±标准差) Fig. 5 The distribution characteristics of O3_8 h concentration in Chengdu with various weather classification in the spring of 2015—2019 (solid circles represent the average concentration; black bar represents the average concentration±standard deviation) |
① 高压场下, 成都平原多受到冷空气影响.Type1: 冷高压影响结束, 太阳辐射增强, 气温升高, 水平风小, 有利于地面O3生成和积累, 超标率为19.1%; Type2: 冷锋过境, 伴随明显的降温和降水, 较强偏北风利于污染物扩散, O3超标率仅为4.1%; Type9: 冷高压活动频繁, 气温维持在较低水平, 地面O3浓度难以升高, 此分型无O3污染发生.
② 低压场下, 成都平原近地面存在明显的暖气流.Type3: 成都平均最高气温和总辐射分别达28 ℃和54.6 MJ·m-2, O3_8 h平均值达146.1 μg·m-3; Type4可向Type3或Type8转变, 延长了O3污染持续时间, 超标率可达45.4%; Type8: 前期受冷锋前暖低压影响, 气温高, 后期冷锋靠近, 污染仅维持1~2 d, 超标率为20.8%.
③ 均压场下, 天气形势稳定, 无明显冷暖气流经过本地, 相对湿度较低, 天空云量少辐射强, 白天升温迅速, 容易造成地面O3浓度超标, 且夜间较明显的辐射逆温可能造成近地面前体物的积累.Type5、Type6的O3超标率分别为23.8%和21.4%.
④ 倒槽形势下存在弱冷空气活动, 冷暖空气交汇容易成云或产生降水, 相对湿度大, 气温较低, 因此O3污染较轻, 超标率仅为14.2%.
在2015—2019年4—5月期间, 成都共有54 d发生O3浓度超标, 其中, 27 d发生在低压场背景下, 12 d出现在均压场背景下, 高压后部型为9 d.地面污染型表现出高温、低湿、强辐射等特点, 有利于光化学速率加快, 使本地O3在短时间内迅速生成, 这与国内外的相关研究对应(王闯等, 2015; Wang et al., 2017; 徐锟等, 2018; 赵伟等, 2019; 陈培章等, 2019).暖低压辐合运动易导致周边O3向平原的区域输送, 且高压后部、均压场的静稳小风天气不利于污染物的水平扩散, 易造成O3积累(唐贵谦等, 2010; 程念亮等, 2016; 刘建等, 2017).白天混合层高度与O3_8 h浓度呈正相关(廖志恒等, 2019).
| 表 2 2015—2019年春季各地面天气型下成都市O3_8 h及气象要素特征 Table 2 The O3_8 h concentration and characteristics of meteorological elements in Chengdu under different weather classifications in the spring of 2015—2019 |
|
利用ERA-interim再分析资料, 对每日08: 00BLT时700 hPa和500 hPa的位势高度进行客观分型, 可分别将其大气环流分成9种天气型和6种环流型.图 6和图 7分别为700 hPa和500 hPa各类天气形势的示意图.
3.4.1 700 hPa天气形势的分型结果与发生频率图 6给出了700 hPa上的9类天气分型, 并可归为西风槽型、南支槽型和高原低涡型三大类型, 其环流形势特点和发生频率统计如下.
 |
| 图 6 2015—2019年春季700 hPa位势高度场及风场分型 (图中白色箭头为700 hPa高度层U、V合成风, 黑色圆点为成都市所在位置) Fig. 6 700 hPa geopotential height and wind field classification in the spring of 2015—2019 (In the figure, the white arrow is the combined wind of U and V at the 700 hPa, and the black dot is the location of Chengdu) |
① Type1、Type2、Type3、Type4、Type9为西风槽型(频率83.2%), 其中, Type1、Type4、Type9属于西风槽后部(频率66.5%), 平原地区气流较弱, 其南北的两支气流于长江中下游交汇; Type2属于西风槽后高压型(频率7.5%), 新疆南部至青海地区为高压区, 成都平原处于其东南部, 偏北气流明显; Type3属于西风槽前/过境(频率9.2%), 平原上空存在西南向西北气流的转变.
② Type5、Type6为南支槽型(频率3.3%), 成都平原处于低纬南支槽前, 以西南气流为主.
③ Type7、Type8为高原低涡型(频率13.5%), 低涡中心位于青海地区附近, 成都平原处于其东南部.低涡呈暖性结构, 其前部以西南暖气流为主.
图 7为以上9类天气分型下的温度和相对湿度场分布, 可见, 西风槽后部Type2和Type4下成都平原上空存在明显的冷平流, 前者相对湿度较低, 主要受干冷气流控制, 而后者冷暖气流交汇, 易发生阴雨天气; 随着西风槽东移(Type1、Type9), 暖区自西南向东北发展.南支槽型和高原低涡型(Type8)下, 我国西南地区暖湿气流输送明显, 相对湿度高, 暖区明显北抬.西风槽前暖平流作用下, 成都平原上空温度场呈东高西低分布.
 |
| 图 7 2015—2019年春季700 hPa不同天气型下温度和相对湿度场分布 (图中等值线代表等温线(间隔4 K), 黑色虚线为280 K温度线, 填色图代表相对湿度场(间隔10%), 黑色圆点为成都市所在位置) Fig. 7 Distribution of temperature and relative humidity under different weather types at 700 hPa in the spring of 2015—2019 (In the figure, the contours line represents the isotherm (interval 4 K), the black dotted line is the temperature line of 280 K, and the coloring map represents the relative humidity field (interval 10%), and the black dot is the location of Chengdu) |
如图 8所示的500 hPa的6种环流形势也可归纳为3类, 即西风槽型、平直纬向型和南支槽型, 其各自特征和发生频率如下.
 |
| 图 8 2015—2019年春季500 hPa位势高度场及风场分型 (图中等值线代表等高线(间隔30 dagpm), 白色箭头为500 hPa高度层U、V合成风, 黑色圆点为成都市所在位置) Fig. 8 500 hPa geopotential height and wind field classification in the spring of 2015—2019 (In the figure, the contours represent lines of equal height (interval 30 dagpm), the white arrow is the combined wind of U and V at the 500 hPa, and the black dot is the location of Chengdu) |
① Type1、Type3、Type4为西风槽型(频率66.5%), 其中, Type1、Type4属于西风槽后部(频率56%), 槽区位于我国东北, 成都平原受西北气流控制; Type3属于西风槽底部(频率10.5%), 贝加尔湖附近为宽广槽区, 随着槽区东移, 成都平原存在西南向西北气流的转变.500 hPa西风槽后冷平流明显, 地面不易发生O3污染, 当西风槽远离时, 西北冷平流减弱, 地面可能发生O3污染.
② Type2为平直纬向型(频率26.6%), 120°E以西的中高纬为平直西风带, 成都平原处于该环流形势下, 以稳定的偏西气流为主, 大尺度天气系统稳定, 有利于地面污染天气型的维持, 延长了O3污染的持续时间.
③ Type5、Type6为南支槽型(频率6.9%), 我国西南及中东部地区有明显的西南暖气流输送, 整层大气增温, 有利于边界层内O3生成, 易造成地面O3超标.
近5年春季, 成都平原O3污染与700 hPa西风槽、南支槽和高原低涡及500 hPa南支槽和平直西风等天气系统或大尺度环流形势相关联.①700 hPa西风槽的影响: 槽前暖平流有利于近地面气温升高, 易致O3超标, 槽过境时冷暖气流交汇, 阴雨天气使得污染减轻, 该天气形势下成都O3超标率为22%; 西风槽过境后, 受槽后冷平流影响, 成都O3_8 h平均值降至100 μg·m-3, O3超标率为10%~12%; 西风槽远离时, O3污染有加重的趋势, O3超标率为16%~18%, O3_8 h升至120 μg·m-3(图 9a).②700 hPa高原低涡前部存在暖平流输送, 易发生O3污染, 其中, Type8下成都O3超标率达38%(图 9a).③500 hPa西风槽底部和后部型下, 受高空冷平流南下影响, 成都O3_8 h平均值较低, O3超标率不到15%(图 9b).④700hPa和500 hPa南支槽型下, 成都O3_8 h平均值达130 μg·m-3, O3超标率高于25%(图 9), 其中, 500hPa北脊南槽的环流形势下(Type5), O3超标率达39%(图 9b).
 |
| 图 9 2015—2019年春季高空天气型下成都市O3污染特征 (a.700 hPa, b.500 hPa; 实心圆点为O3_8 h, 空心三角形为该分型下O3超标率, 黑色线杆代表浓度±标准差) Fig. 9 Characteristics of O3 pollution in Chengdu under high-altitude weather classification in the spring of 2015—2019 (a.700 hPa, b.500 hPa; the solid dots are O3_8 h concentration, the hollow triangle is the O3 over-standard rate under this classification, the black bars represent concentration ± standard deviation) |
700 hPa和500 hPa易造成O3污染的天气型较为相近, 即南支槽为成都平原地区上空输送西南暖平流, 近地层升温明显, 成都平原O3污染浓度和超标率均比较高(图 9); 而在西风槽后冷平流影响下, O3污染相对较轻, 随着西风槽远离及南支槽靠近, 成都平原上空暖平流加强, O3污染呈发展的态势.
3.5 春季高低空天气型配置及其对成都平原O3污染的影响 3.5.1 高低空天气系统配置为便于分析高低空天气型的配置叠加对成都平原城市春季O3污染的影响, 根据地面和高空各分型下成都O3_8 h平均值和O3超标状况, 地面均压场和低压场为臭氧污染型, 倒槽和高压场型为不易发生臭氧污染的地面天气类型, 700 hPa南支槽和高原低涡型易造成臭氧污染(即污染型), 500 hPa南支槽和平直纬向型作为污染型.
如图 10所示, 500 hPa南支槽型对应地面污染型的占比超过60%, 对应700 hPa南支槽型的占比达50%; 500 hPa西风槽后型对应700 hPa和地面分别以西风槽后部和高压场为主.因此, 易污染的大尺度环流形势, 一定程度上影响着低层污染天气系统的形成、发展和消散.
 |
| 图 10 2015—2019年春季成都平原天气型垂直分布特征 (a.地面和500 hPa, b.700 hPa和500 hPa; 图中虚线以上为污染型) Fig. 10 Vertical distribution characteristics of spring weather classification from 2015 to 2019 (a.surface and 500 hPa, b.700 hPa and 500 hPa; in the figure, above the dotted line is pollution type) |
根据近5年成都平原O3污染状况, 选取污染较重的城市作代表, 包括成都、眉山、德阳和遂宁, 以分析不同天气型及叠加对O3污染的影响.如图 11所示, 一般情况, 5月污染型占比和O3_8 h平均值高于4月.地面天气型对成都平原O3污染的影响最大, 污染型占比越大, 对应时段O3_8 h越高, O3超标日越多, 如2015、2018年地面污染型的占比分别为50%和49%, 对应成都平原四城市(成都、眉山、德阳、遂宁)O3_8 h平均值分别为127 μg·m-3和123 μg·m-3, 成都市O3_8 h第90百分位数分别为187 μg·m-3和178 μg·m-3; 2016年污染型的占比约为36%, 成都市O3_8 h第90百分位数仅为143 μg·m-3.
 |
| 图 11 2015—2019年春季成都平原O3污染状况与天气型时空分布特征 (图中O3_8 h为成都、眉山、德阳、遂宁四城市平均值, 单个城市中出现O3超标即计为一超标日) Fig. 11 O3 pollution and weather classification temporal and spatial distribution characteristics in the Chengdu Plain in the spring of 2015—2019 (In the figure, O3_8 h concentration is the average concentration of Chengdu, Meishan, Deyang, and Suining, O3 exceeding the standard in a single city is counted as an exceeding day) |
700 hPa和500 hPa污染型占比较大的月份, O3_8 h亦较高, 但表现不明显, 如2015、2017、2018年5月.当整层以清洁型为主时, 地面O3污染较轻, 如2016年4月, 成都平原四城市O3_8 h平均值为90.2 μg·m-3, 仅出现1 d超标.因此, 各高度层上污染天气型占比的变化均会对成都平原春季地面O3污染产生较大影响.
3.6 近5年成都平原春季典型O3污染过程分析为深入分析典型臭氧污染过程的天气系统和环流形势及其演变对臭氧浓度及空间分布的影响过程, 本文选取了近5年春季成都平原城市群中O3超标(O3_8 h>160 μg·m-3)城市个数达4个及以上, 且持续时间在3 d及以上的污染过程.表 3为符合以上条件的成都平原城市群春季4次区域性持续O3污染过程, 其中, 2015年1次(案例1: 4月27—29日), 2018年2次(案例2: 4月17—19日, 案例3: 5月14—16日), 2019年1次(案例4: 4月23—26日, 持续4 d), 案例3和案例4分别有2 d达到中度污染级别(O3_8 h>215 μg·m-3), 地面温度基本在30 ℃以上.
| 表 3 2015—2019年春季典型污染过程天气形势及成都市O3_8 h浓度和气象要素特征 Table 3 Weather situation of typical O3 pollution process and characteristics of O3_8 h concentration and meteorological elements in Chengdu in the spring of 2015—2019 |
|
可以看出, 重污染过程中500 hPa环流形势均为纬向和南支槽型, 700 hPa为西风槽前、后部和南支槽型, 地面则以低压或均压场为主, 其次为高压后部型.O3区域持续性污染事件发生时的主要地面及高空天气形势可大致分为以下两种.
① 污染开始阶段, 成都平原处于500 hPa和700 hPa西风槽后及南支槽前, 地面表现为均压场, 随着低槽的东移, 平原上空气流由西北转为西南, 受南支槽前暖平流和正涡度平流影响, 地面天气形势转为低压场.污染中后期, 500 hPa转为平直纬向型, 在稳定的西风环流下, 地面暖低压持续发展, 高温促进了地面和边界层内O3的生成, 而低压辐合运动又造成了周边地区污染物向平原的传输和积累.
② 整个污染过程, 500 hPa维持平直纬向型, 大尺度环流稳定, 700 hPa西风槽东移, 其槽前暖平流有利于近地面气温的升高, 且地面为高压后部型, 冷空气影响结束, 地面风场弱且存在一定的下沉气流, 一方面不利于污染物水平扩散, 另一方面促使混合层内高浓度O3向下输送, 造成平原地区O3的不断积累, 加重地面O3污染程度.
对流层O3浓度随高度递增(刘传熙等, 2016), 强风切等气象条件引起的混合层升高, 有利于混合层上部O3向低层传输, 相比于光化学反应, 此时垂直混合作用对近地层O3的增长起主导作用(林莉文等, 2018).成都地面O3浓度与混合层高度日变化特征相似(图 12), 呈白天高、夜间低(俞科爱等, 2019), 中午时段混合层高度在1~1.5 km, 夜间降低至500 m以下.O3污染时期, 成都白天最大混合层高相比非污染时期高约300 m, 个别超标日14: 00的混合高度超过1.5 km.这是由于O3污染期间常伴随高温强辐射天气, 近地面湍流交换明显, 造成混合层高度抬升, 使得混合层中上层生成的高浓度O3向近地面混合, 增加近地面O3浓度(廖志恒等, 2019).
 |
| 图 12 2015—2019年春季典型污染案例中成都地面O3浓度与混合层高度日变化 (图中a~d分别代表案例1~4) Fig. 12 The diurnal variation of O3 concentration and mixed layer height in Chengdu in typical pollution cases in the spring of 2015—2019 (In the figure, cases 1~4 from a to d) |
图 13为春季4次O3污染案例中四川盆地24 h温度和风场的纬向垂直剖面图, 可以看出, 污染开始和发展阶段, 高原东部至四川盆地整层均出现了不同程度的增温, 增温中心位于700 hPa附近, 24 h变温可达4 ℃, 且增温区域呈自西向东移动.如图 14所示, 污染期间, 成都上空850~650 hPa出现逆温, 各污染过程的逆温高度稍有变化, 非污染时期则呈递减层结.逆温的出现一方面是由于700 hPa低槽或低涡前部的暖平流输送, 另一方面是由于500 hPa高空气流越过高原后发生的下沉增温.此外, 青藏高原地面空气受热后, 暖气团也会随西风气流移向盆地上空.这种中层逆温容易发生在700 hPa低槽前部, 500 hPa为南支槽或平直纬向的高空形势下, 暖平流和下沉增温的双重作用进一步促进了近地层O3的生成, 在不利的扩散条件下在成都平原地区积累循环, 从而加重地面O3污染程度.
 |
| 图 13 2015—2019年春季4次典型O3污染案例中开始、发展和减弱阶段的24 h变温(℃)和u、w合成风通过(30.625°N, 104°E)的剖面图 (从上到下分别为案例1~4, 黄色圆点代表成都, 黑色阴影为地形, 箭头为u、w*10合成矢量) Fig. 13 The cross-sections of the 24-hour temperature change (℃) and the synthetic wind passing (30.625°N, 104°E) of u and w (30.625°N, 104°E) in the beginning, development and weakening stages of the 4 typical O3 pollution cases in the spring of 2015—2019 (Cases 1~4 from top to bottom, the yellow dots represent Chengdu, The black shadow is terrain, the arrow is u, w*10 composite vector) |
 |
| 图 14 2015—2019年春季典型O3污染过程期间及前后的成都温江08: 00温度垂直廓线 (图中黑色点线代表污染时期, 灰色点线代表污染期前后; a~d分别代表案例1~4) Fig. 14 Temperature profile at 8:00 in Wenjiang, Chengdu during and around the typical O3 pollution processes in the spring of 2015—2019 (In the figure, the black dotted line represents the pollution period, and the gray dotted line represents before and after the pollution period; cases 1~4 from a to d) |
除大气层明显的增温外, O3污染形成和发展阶段, 四川盆地700 hPa高度层内存在闭合环流圈, 中心大致位于850 hPa高度层, 其一方面将污染物限制在大气边界层内, 一方面促使混合层高度上升, 高浓度O3向地面输送, 并在平原地区内循环(Mao et al., 2017).暖低压辐合上升和高原西风气流下沉作用共同促进了局地环流的形成和维持.环流圈的垂直高度与中层逆温有关, 逆温造成边界层顶稳定度增加, 使局地环流限于大气边界层内.
污染减弱阶段, 成都平原500 hPa高空处于西风槽底, 地面天气型转为高压底部型.受冷平流影响, 地面至700 hPa表现出明显降温, 24 h变温可达-5 ℃, 500 hPa以上则表现为增温.此时成都平原近地面稳定层消失, 局地环流随之减弱.在较强的偏东上升气流影响下, 低层大气水平和垂直扩散条件明显转好, 污染物可上传扩散至高空500 hPa以上.
局地环流也会对夜间成都平原地面O3浓度造成影响.环流圈入夜后开始加强, 2: 00表现最为明显.如图 15所示, 25日盆地上空无局地环流, 近地面层结稳定, 27日850 hPa附近出现垂直环流圈, 促使残留层内高浓度O3于平原东部上空向地面传输, 造成沿线一带夜间地面O3浓度的小幅升高(图 11), 前者夜间O3浓度持续下降, 后者则出现小高峰, 增幅达50 μg·m-3, 混合层高度增加约300 m.类似的环流特征在案例2、3中均有出现, 其造成了成都和遂宁夜间地面O3浓度升高约30 μg·m-3.受局地环流影响, 夜间平原地区地面出现了O3浓度次高峰, 成都O3来源于平原东部近地面的水平输送及本地残留层的下沉传输(Hu et al., 2018), 这一定程度上反映出白天时段局地环流对地面O3浓度的贡献程度.夜间局地环流多出现在白天出现大范围高温及污染结束当天, 因此, 其形成可能与较强的山谷风、低空急流、低槽后冷平流下沉作用有关(Caputi et al., 2018).
 |
| 图 15 2019年4月25日和27日02: 00的24 h变温(℃)和u、w合成风通过(30.625°N, 104°E)的剖面图 (黄色圆点代表成都, 黑色阴影为地形, 箭头为u、w*10合成矢量) Fig. 15 Cross-sectional view of the 24-hour variable temperature (℃) and the combined wind of u and w passing (30.625°N, 104°E) at 2:00 on April 25 and 27, 2019 (yellow dots represent Chengdu, black shadows are terrain, the arrow is u, w*10 composite vector) |
天气型和复杂地形的协同效应明显影响着对流层低层垂直运动的变化(de la Torre et al., 2015).受到高空500 hPa南支槽或平直纬向西风与青藏高原大地形的协同作用, 高原背风坡的四川盆地上空出现下沉增温, 抑制了边界层结构的发展.综上, 成都平原O3污染过程天气成因主要受高温和大气扩散条件的影响.不同尺度天气系统的配合及与高原-盆地地形共同作用, 一方面使得整层大气出现明显增温, 有利于局地O3的生成; 另一方面促使局地环流圈形成, 抑制了边界层内污染物向自由大气的扩散, 并造成混合层内高浓度O3下传和积累.污染天气型间的转化和维持, 以及大气污染物扩散空间的压缩, 使O3及其前体物不断积累, 造成了成都平原长时间大范围的O3污染过程.因此, 成都平原O3污染的气象形成机制与我国其它平原城市群相比更具独特性和复杂性.
3.7 讨论通过比较不同地区春、夏季易发生O3污染的天气形势(表 4), 发现天气型在季节和地区上均存在差异, 主要表现在近地面主导气流及天气尺度系统上的变化.因此, 区分春、夏季O3污染时的主导天气型, 能为区域内臭氧污染的预报提供更准确的科学依据.
| 表 4 不同季节容易发生O3污染的天气形势比较 Table 4 Comparison of weather situations prone to O3 pollution in different seasons |
|
通过对四川盆地范围内城市群臭氧污染与春季天气分型的响应分析, 发现地面处于低压场或均压场, 以及高空500 hPa处于平直纬向或北脊南槽的天气形势下, 重庆、川南和成都平原城市群O3_8 h平均值和超标率较高(图 16).因此, 本文研究所得天气分型同样适用于整个盆地范围, 可为盆地内城市臭氧污染治理提供依据.
 |
| 图 16 2015—2019年春季天气型下重庆、川南和成都平原城市群O3污染特征 (a.地面, b.500 hPa; 图中圆形代表重庆, 三角形代表川南城市群(内江、自贡、宜宾、泸州), 方形代表成都平原城市群; 误差棒代表O3_8 h值±标准差, 折线代表该分型下O3超标率) Fig. 16 O3 pollution characteristics of Chongqing, southern Sichuan and Chengdu plain urban agglomerations under the spring weather classification from 2015 to 2019 (a. surface, b. 500 hPa; in the figure, circle represents Chongqing, triangle represents southern Sichuan urban agglomeration(Neijiang, Zigong, Yibin, Luzhou), square represents Chengdu plain urban agglomeration; error bars represents O3_8h concentration±standard deviation, the broken lines represents the O3 over-standard rate under this type) |
1) 2015—2019年成都平原城市O3超标集中在4—8月, 5月和8月O3_8 h平均值较高.近5年成都平原春季O3_8 h平均值呈上升趋势, 资阳、乐山等城市春季O3污染较夏季明显.成都、眉山、德阳O3污染较重, 有中度污染发生, 雅安污染最轻但呈逐年加重趋势.
2) 采用PCT客观天气分型方法对2015—2019年春季成都平原及周边地区海平面气压场进行分型, 通过分析不同天气型下O3_8 h及地面气象要素, 发现易造成O3污染的地面天气型为低压场、均压场, 易污染天气型下气象要素具有高温低湿、小风强辐射、白天混合层高、存在一定辐合运动等特征, 成都O3_8 h平均值达140 μg·m-3, 其中, 低压场下成都O3超标率超过40%.
3) 对700 hPa和500 hPa位势高度场进行分型, 得到700 hPa天气形势为9型, 发现成都平原处于西风槽、南支槽和高原低涡前部时, 受暖平流影响明显, 地面容易发生O3污染; 500 hPa环流形势分成6型, 发现南支槽和平直纬向型下, 大尺度环流较为稳定, 有利于地面污染型的形成和维持.
4) 易污染的高空环流形势, 有利于低层污染型的形成和维持; 污染天气型占比影响着成都平原城市O3污染的变化趋势.近5年春季4次典型持续性O3污染过程的高低空天气形势分为两种: 一种是500 hPa和700 hPa为南支槽型, 温度和涡度平流促使地面由均压场向低压场转变, 气流辐合造成地面污染物积聚; 另一种是500 hPa为平直纬向型, 成都平原处于700 hPa西风槽前, 地面处于高压后部, 近地面暖平流明显, 大气扩散条件较差.
5) 通过对混合层高度和大气温度和风场的垂直剖面分析, 发现在污染过程中, 整层大气均出现了明显的增温, 并且地面至700 hPa存在闭合环流圈, 其不仅抑制了边界层污染物向高层扩散, 还促使混合层高浓度O3下传并堆积于成都平原地区, 加重污染.大范围高温和局地环流的形成与不同天气系统之间的相互配合及与高原-盆地地形的相互作用有关.
曹庭伟, 吴锴, 康平, 等. 2018. 成渝城市群臭氧污染特征及影响因素分析[J]. 环境科学学报, 38(4): 1275-1284. |
Caputi D J, Faloona I, Trousdell J, et al. 2018. Residual layer ozone, mixing, and the nocturnal jet in California's San Joaquin Valley[J]. Atmospheric Chemistry and Physics, 19(7): 4721-4740. |
常美玉, 向卫国, 钱骏, 等. 2020. 成渝地区空气重污染天气形势分析[J]. 环境科学学报, 40(1): 43-57. |
Chen Z Y, Li R Y, Chen D L, et al. 2020. Understanding the causal influence of major meteorological factors on ground ozone concentrations across China[J]. Journal of Cleaner Production, 242: 118498. DOI:10.1016/j.jclepro.2019.118498 |
陈培章, 陈道劲. 2016. 兰州主城臭氧污染特征及气象因子分析[J]. 气象与环境学报, 35(2): 46-54. |
程念亮, 李云婷, 张大伟, 等. 2016. 2014年北京市城区臭氧超标日浓度特征及与气象条件的关系[J]. 环境科学, 37(6): 2041-2051. |
高晓荣, 邓雪娇, 谭浩波, 等. 2018. 广东四大区域污染过程特征与影响天气型分析[J]. 环境科学学报, 38(5): 1708-1716. |
Gong C, Liao H. 2019. A typical weather pattern for ozone pollution events in North China[J]. Atmospheric Chemistry and Physics, 19(22): 13725-13740. DOI:10.5194/acp-19-13725-2019 |
Han H, Liu J, Shu L, et al. 2020. Local and synoptic meteorological influences on daily variability in summertime surface ozone in eastern China[J]. Atmospheric Chemistry and Physics, 20(1): 203-222. DOI:10.5194/acp-20-203-2020 |
He Z, Wang X, Ling Z, et al. 2019. Contributions of different anthropogenic volatile organic compound sources to ozone formation at a receptor site in the Pearl River Delta region and its policy implications[J]. Atmospheric Chemistry and Physics, 19(13): 8801-8816. DOI:10.5194/acp-19-8801-2019 |
Hu J, Li Y, Zhao T, et al. 2018. An important mechanism of regional O3 transport for summer smog over the Yangtze River Delta in eastern China[J]. Atmospheric Chemistry and Physics, 18(22): 16239-16251. DOI:10.5194/acp-18-16239-2018 |
胡成媛, 康平, 吴锴, 等. 2019. 基于GAM模型的四川盆地臭氧时空分布特征及影响因素研究[J]. 环境科学学报, 39(3): 809-820. |
Huth R, Beck C, Philipp A, et al. 2008. Classifications of atmospheric circulation patterns[J]. Annals of the New York Academy of Sciences, 1146(1): 105-152. DOI:10.1196/annals.1446.019 |
Huth R. 1996. An intercomparison of computer-assisted circulation calssifition methods[J]. International Journal of Climatology, 16(8): 893-922. DOI:10.1002/(SICI)1097-0088(199608)16:8<893::AID-JOC51>3.0.CO;2-Q |
Jiang N. 2011. A new objective procedure for classifying New Zealand synoptic weather types during 1958-2008[J]. International Journal of Climatology, 31(6): 863-879. DOI:10.1002/joc.2126 |
李昌龙, 李克诚. 2018. 徐州市区臭氧浓度变化特征及与气象要素的关系[J]. 环境研究与监测, 31(2): 12-16. |
梁卓然, 顾婷婷, 杨续超, 等. 2017. 基于环流分型法的地面臭氧预测模型[J]. 中国环境科学, 37(12): 4469-4479. DOI:10.3969/j.issn.1000-6923.2017.12.008 |
廖志恒, 许欣祺, 谢洁岚, 等. 2019. 珠三角地区日最大混合层高度及其对区域空气质量的影响[J]. 气象与环境学报, 35(5): 85-92. DOI:10.3969/j.issn.1673-503X.2019.05.011 |
林莉文, 卞建春, 李丹, 等. 2018. 北京城区大气混合层内臭氧垂直结构特征的初步分析-基于臭氧探空[J]. 地球物理学报, 61(7): 2667-2678. |
刘传熙, 刘毅, 王永. 2016. 基于探空资料的北京地区大气臭氧垂直分布特征[J]. 气象与环境学报, 32(1): 46-52. |
刘建, 吴兑, 范绍佳, 等. 2017. 前体物与气象因子对珠江三角洲臭氧污染的影响[J]. 中国环境科学, 37(3): 813-820. |
Liu J D, Wang L L, Li M G, et al. 2019. Quantifying the impact of synoptic circulation patterns on ozone variability in northern China from April to October 2013-2017[J]. Atmospheric Chemistry and Physics, 19(23): 14477-14492. DOI:10.5194/acp-19-14477-2019 |
Liu Y M, Wang T. 2020. Worsening urban ozone pollution in China from 2013 to 2017-Part 1:The complex and varying roles of meteorology[J]. Atmospheric Chemistry and Physics, 20(11): 6305-6321. DOI:10.5194/acp-20-6305-2020 |
Lyu X, Wang N, Guo H, et al. 2019. Causes of a continuous summertime O3 pollution event in Jinan, a central city in the North China Plain[J]. Atmospheric Chemistry and Physics, 19(5): 3025-3042. DOI:10.5194/acp-19-3025-2019 |
Mao J, Wang L L, Lu C H, et al. 2020. Meteorological mechanism for a large-scale persistent severe ozone pollution event over eastern China in 2017[J]. Journal of Environmental Sciences, 92(6): 187-199. |
Ni Z Z, Luo K, Gao X, et al. 2019. Exploring the stratospheric source of ozone pollution over China during the 2016 Group of Twenty summit[J]. Atmospheric Pollution Research, 10(4): 1267-1275. DOI:10.1016/j.apr.2019.02.010 |
潘本锋, 程麟钧, 王建国, 等. 2016. 京津冀地区臭氧污染特征与来源分析[J]. 中国环境监测, 32(5): 17-23. |
Russo A, Trigo R, Martins H, et al. 2014. NO2, PM10 and O3 urban concentrations and its association with circulation weather types in Portugal[J]. Atmospheric Environment, 89: 768-785. DOI:10.1016/j.atmosenv.2014.02.010 |
沈劲, 陈皓, 钟流举. 2015. 珠三角秋季臭氧污染来源解析[J]. 环境污染与防治, 37(1): 25-30. |
Shu L, Wang T J, Han H, et al. 2018. Summertime ozone pollution in the Yangtze River Delta of eastern China during 2013-2017:Synoptic impacts and source apportionment[J]. Environmental Pollution, 257: 113631. |
Tan Z F, Lu K, Jiang M Q, et al. 2018. Exploring ozone pollution in Chengdu, southwestern China: A case study from radical chemistry to O3-VOC-NOx sensitivity[J]. Science of The Total Environment, 636: 775-786. DOI:10.1016/j.scitotenv.2018.04.286 |
唐贵谦, 李昕, 王效科, 等. 2010. 天气型对北京地区近地面臭氧的影响[J]. 环境科学, 31(3): 573-578. |
Torre A, Pessano H, Hierro R, et al. 2015. The influence of topography on vertical velocity of air in relation to severe storms near the Southern Andes Mountains[J]. Atmospheric Research, 156: 91-101. DOI:10.1016/j.atmosres.2014.12.020 |
王闯, 王帅, 杨碧波, 等. 2015. 气象条件对沈阳市环境空气臭氧浓度影响研究[J]. 中国环境监测, 31(3): 32-37. DOI:10.3969/j.issn.1002-6002.2015.03.007 |
王宏, 林长城, 陈晓秋, 等. 2011. 天气条件对福州近地层臭氧分布的影响[J]. 生态环境学报, 20(Z2): 1320-1325. |
王磊, 刘端阳, 韩桂荣, 等. 2018. 南京地区近地面臭氧浓度与气象条件关系研究[J]. 环境科学学报, 38(4): 1285-1296. |
Wang T, Xue L K, Brimblecombe P, et al. 2017. Ozone pollution in China: A review of concentrations, meteorological influences, chemical precursors, and effects[J]. Science of the Total Environment, 575: 1582-1596. DOI:10.1016/j.scitotenv.2016.10.081 |
巫楚, 汪宇, 林小平, 等. 2019. 河源市2014-2017年空气污染特征及天气类型分析[J]. 环境监控与预警, 11(3): 40-43. DOI:10.3969/j.issn.1674-6732.2019.03.009 |
吴锴, 康平, 王占山, 等. 2017. 成都市臭氧污染特征及气象成因研究[J]. 环境科学学报, 37(11): 4241-4252. |
许建明, 常炉予, 马井会, 等. 2016. 上海秋冬季PM2.5污染天气形势的客观分型研究[J]. 环境科学学报, 36(12): 4303-4314. |
严仁嫦, 叶辉, 林旭, 等. 2018. 杭州市臭氧污染特征及影响因素分析[J]. 环境科学学报, 38(3): 1128-1136. |
Yang X Y, Wu K, Wang H L, et al. 2020. Summertime ozone pollution in Sichuan Basin, China: Meteorological conditions, sources and process analysis[J]. Atmospheric Environment, 226: 117392. DOI:10.1016/j.atmosenv.2020.117392 |
杨显玉, 易家俊, 吕雅琼, 等. 2020. 成都市及周边地区严重臭氧污染过程成因分析[J]. 中国环境科学, 40(5): 2000-2009. DOI:10.3969/j.issn.1000-6923.2020.05.017 |
易睿, 王亚林, 张殷俊, 等. 2015. 长江三角洲地区城市臭氧污染特征与影响因素分析[J]. 环境科学学报, 35(8): 2370-2377. |
余钟奇, 马井会, 毛卓成, 等. 2019. 2017年上海臭氧污染气象条件分析及臭氧污染天气分型研究[J]. 气象与环境学报, 35(6): 46-54. DOI:10.3969/j.issn.1673-503X.2019.06.007 |
俞科爱, 陈磊, 陈有利, 等. 2019. 有霾和无霾时宁波市大气混合层高度的日变化特征[J]. 气象科学, 39(2): 187-193. |
Zhang H, Yuan H, Liu X, et al. 2018. Impact of synoptic weather patterns on 24 h-average PM2.5 concentrations in the North China Plain during 2013-2017[J]. Science of The Total Environment, 627: 200-210. DOI:10.1016/j.scitotenv.2018.01.248 |
Zhang J P, Zhu T, Zhang Q H, et al. 2012. The impact of circulation patterns on regional transport pathways and air quality over Beijing and its surroundings[J]. Atmospheric Chemistry and Physics, 12(271): 5031-5053. |
张莹, 王式功, 贾旭伟, 等. 2018. 华北地区冬半年空气污染天气客观分型研究[J]. 环境科学学报, 38(10): 3826-3833. |
赵伟, 高博, 刘明, 等. 2019. 气象因素对香港地区臭氧污染的影响[J]. 环境科学, 40(1): 55-66. |