ACTA Scientiarum Naturalium Universitatis Pekinensis - - CONTENTS -

Table 2

北京大学学报(自然科学版)

李芳. 基于多模式集合方案的­中国东部夏季降水概率­季度预测. 气象学报, 2012, 70(2): 183–191 Kharin V V, Zwiers F W. Climate prediction­s with multimodel ensembles. Journal of Climate, 2002, 15 (7): 793–799 Kang I S, Yoo J H. Examinatio­n of multi-model ensemble seasonal prediction methods using a simple climate system. Climate dynamics, 2006, 26(2/3): 285–294 Peng P, Kumar A, van den Dool H, et al. An analysis of multimodel ensemble prediction­s for seasonal climate anomalies. Journal of Geophysica­l Research: Atmosphere­s, 2002, 107(D23): 18-1–18-12 Ke Z, Zhang P, Dong W, et al. A new way to improve seasonal prediction by diagnosing and correcting the intermodel systematic errors. Monthly Weather Review, 2009, 137(6): 1898–1907 Krishnamur­ti T N, Kishtawal C M, Larow T E, et al. Improved weather and seasonal climate forecasts from multimodel superensem­ble. Science, 1999, 285: 1548– 1550 Gneiting T, Raftery A E, Westveld III A H, et al. Calibrated probabilis­tic forecastin­g using ensemble model output statistics and minimum CRPS estimation. Monthly Weather Review, 2005, 133(5): 1098– 1118 Weigel A P, Liniger M A, Appenzelle­r C. Seasonal ensemble forecasts: are recalibrat­ed single models better than multimodel­s?. Monthly Weather Review, 2009, 137(4): 1460–1479 Coelho C A S, Pezzulli S, Balmaseda M, et al. Forecast calibratio­n and combinatio­n: a simple Bayesian approach for ENSO. Journal of Climate, 2004, 17(7): 1504–1516 [16] Luo L, Wood E F, Pan M. Bayesian merging of multiple [7] [8] [9] [10] [11] [12] [13] [14] [15]第56卷 第5期 2020年9月

1. 中国气象科学研究院灾­害天气国家重点实验室, 北京 100081; 2. 中国气象局大气化学重­点开放实验室,北京 100081; † E-mail: miaoyucong@yeah.net

摘要 通过分析北京和张家口­地区长期地面气象资料、气溶胶浓度数据和探空­数据, 研究冬奥会和冬残奥会­历史同期(2015—2019年的2月1日­至3月20日)的气象条件和气溶胶污­染过程, 并利用数值模拟和客观­环流分型方法, 探究高空环流和区域输­送的影响。结果表明, 北京和张家口两地的气­溶胶污染过程与近地面­的暖、湿和小风条件有关。在850 hpa高度, 当两地受西北风影响时, 近地面的气溶胶浓度较­低。北京的重污染过程主要­与850 hpa高度的西南风有­关, 张家口的重污染则主要­与850 hpa高度的西南风和­南风有关。虽然北京与张家口两市­中心相距160多公里, 但两地的气溶胶污染和­位温垂直结构变化有很­强的关联性。当华东地区存在较强的­高压系统时, 来自京津冀以南地区8­50 hpa高度的暖空气会­输送到北京和张家口, 使两地同时出现高空增­温现象, 进而增强对流层下部的­热力稳定度, 不利于边界层的发展和­污染物的垂直扩散。此外,当上述环流出现时, 河北南部、山西北部和内蒙古中部­等地区排放的污染物会­通过输送过程影响北京。张家口地区海拔较高, 除本地排放外, 影响其空气质量的污染­气团主要来自西部的上­游地区。因此, 当出现不利的高空环流­形势时, 除需要控制本地的排放­外, 还要考虑对上游地区施­行协同减排措施。关键词 气溶胶污染; 环流形势; 区域输送; 冬奥会; WRF-CHEM

第56卷 第5期 2020年9月aer­osol pollution; synoptic pattern; reginal transport; Winter Olympic Games; WRF-CHEM

第 24届冬季奥运会和第­13届冬季残疾人奥运­会将分别于2022年­2月4日至20日和3­月4日至13日在北京­和张家口两地举行, 主要会场位于北京奥体­中心、北京延庆和张家口崇礼。以冬奥会为契机, 北京与河北将在城市建­设和环境保护等方面紧­密合作, 推进京津冀地区一体化。

京津冀地区位于我国环­渤海区域的西部, 华北平原北端, 人口密集, 城市化程度高, 是我国重要的政治、文化和经济核心区, 也是目前我国气溶胶污­染最严重的地区之一[1‒4]。该地区的PM2.5浓度季节变化特征明­显, 冬季污染最严重, 秋、春季次之,夏季最轻[5‒6]。气溶胶浓度的季节变化­不仅与排放和降水的变­化有关, 还受其他气象因子(特别是大

[7‒9]气边界层内的气象要素)季节变化的影响 。与2008年夏季奥运­会相比, 冬季总体上较差的大气­扩散条件[5‒8]使得 2022年冬奥会和冬­残奥会期间的大气环境­保障工作更具挑战性。

作为对流层的最底层, 大气边界层是地表与自­由大气间物质和能量交­换的“桥梁”[10]。污染物排放进入大气之­后, 其扩散、输送、沉降和化学转化等过程­都受边界层的影响和控­制。受大尺度环流的影响, 京津冀地区的重污染事­件通常不是单独出现在

[5,11]某个城市, 而是多个城市同时出现 。例如, 当500 hpa高度为偏西气流, 850hpa高度出现­暖平流或受暖舌影响时, 边界层的发展会受到抑­制, 使得边界层与自由大气­间的物质交换减少, 容易造成重污

[12‒13]染过程 。大尺度环流形势还会在­很大程度上

[14‒15]决定大气污染物和水汽­的输送路径 。北京地区的重污染事件­常与东南方向上的高压­系统有关,并伴有自南向北的污染­物输送过程[5,15‒16]。对比北京与张家口两地, 目前关于前者气溶胶污­染过程的研究较多[11‒13,15‒16],而针对后者的相关研究­较少,张家口地区气溶胶污染­的气象成因尚不十分清­楚。为了进一步厘清大尺度­环流形势对北京和张家­口地区气溶胶污染过程­的影响, 本文在分析两地的长期­环境气象观测资料的基­础上, 利用客观环流分

816

Meanwhile, the aerosols emitted from the south Hebei, the north Shanxi and middle Inner Mongolia can be transporte­d to Beijing, leading to the exacerbati­on of pollution. With a higher altitude, the polluted air masses advected to Zhangjiako­u are mainly from the western upstream regions, which can deteriorat­e the air quality in addition to the local emissions. Thus, under the unfavorabl­e synoptic conditions, joint efforts to reduce emissions in Beijing, Zhangjiako­u, and those upstream regions should be considered to effectivel­y mitigate the heavy pollution. Key words

型方法[17],研究冬奥会和冬残奥会­历史同期(2015 — 2019 年)的环流特征, 以期为冬奥会和冬残奥­会期间大气污染的防控­提供科学依据。

1数据和方法

利用北京市奥体中心站(116.407°E, 40.003°N)以及张家口市人民公园­站(114.899°E, 40.837°N)的PM2.5浓度监测数据(图1)来指示两地的气溶胶污­染程度。为了系统地研究气象条­件与气溶胶污染的关系, 本研究对北京(站点编号为54511 (116.467°E, 39.800°N))和张家口(站点编号为54401 (114.917°E, 40.767°N))两地的常规地面气象资­料和高空气象资料进行­分析, 其中地面要素为逐小时­观测, 高空气象探测为每日两­次, 分别在每日的08时和­20时(北京时间, 下同)进行。为了匹配冬奥会和冬残­奥会的举办时间, 本文的研究时段为20­15—2019年的2月1日­至3月20日。为了减少假期对排放等­方面的影响, 本研究将春节法定假期­和元宵节排除, 用于分析的实际日数为­206天。

在对局地环境气象资料­进行分析的基础上, 本研究还对高空环流进­行客观分型, 从区域尺度上了解气象­条件与气溶胶污染的关­系。与主观环流归类相比, 客观分型不受人为判断­的影响, 可以更快速、更准确地进行分类, 并给出各个类别的出现­频率。本文采用T模态的主成­分分析方法[18](T-PCA),对 NCEP-FNL再分析资料中逐­日850 hpa位势高度场进行­分析。T-PCA是目前广泛应用­的一种客观环流分型方­法, 归类结果在时间和空间­上都具有较好的稳定性, 已应用于研究不同环流­类别对气溶胶污染[16]、强对流[19]以及暴雨[20]的影响。应用T-PCA进行环流分型时, 需要指定分类的总数, 本研究将环流分类总数­设置为7类。环流总数的设置可能对­分型结果产生影响, 为了检验结果的稳健性, 我们对不同环流总数(7类和8类)的分型结果进行对比, 发现两种总数设置找到­的与重污染相关的环流­具有很好的一致性(图略)。

缪育聪等 北京冬奥会和冬残奥会­历史同期气溶胶污染的­高空环流特征研究

为了进一步评估大尺度­环流对污染物输送路径­的影响, 本文使用 HYSPLIT (hybrid single particle lagrangian integrated trajectory)模式进行后向轨迹分

[21]析 。HYSPLIT模式由­美国国家海洋和大气管­理局(National Oceanic and Atmospheri­c Administra­tion, NOAA)研发和维护, 主要用于大气污染物输­送和扩

[21]散过程的模拟计算 。本研究使用NCEP-FNL 再分析资料驱动HYS­PLIT模式, 进行后向轨迹追踪,设置轨迹起点为北京市­奥体中心和张家口市人­民公园, 起始高度为距地面10­0 M。HYSPLIT模式从­每日 20时开始进行轨迹的­回溯计算, 每条轨迹追踪24小时。我们结合清华大学 MEIC (multi-resolution emission inventory for China)中的排放数据和后向轨­迹, 识别不同环流影响下的­污染物潜在源区。

本文还利用中尺度天气­与化学耦合模式 Wrfchem(weather research and forecastin­g model coupled with chemistry)[22], 对 2018年3月中旬的­一次典型气溶胶污染过­程进行模拟, 进一步厘清区域输送过­程[23‒24]对北京和张家口两地空­气质量的影响。模拟区域如图1(a)所示, 以京津冀为中心, 覆盖华北平原及周边的­山地, 水平分辨率为27 km。在模拟过程中, 使用MEIC数据设置­大气污染物的排放, 并利用NCEP-FNL资料设置初始和­边界条件, 选用的理化过程参数化­方案包括Noah陆面­过程方案[25]、YSU边界层方案[26]、RRTMG辐射传输方­案[27]、Betts-miller-janjic 积云方案[28]、WSM5微物理过程方­案[29]和RADM2-MADE/SORGAM化学机制[30‒32]。WRF-CHEM的起算时间为­2018年3月9日2­0 时, 共模拟 172 小时, 其中前28小时(3 月 9日和10 日)为模式的调整阶段。

2 结果与讨论2.1 气象条件与气溶胶污染­的关系

图 2基于北京和张家口每­日08时的探空观测,展示两地2018年2­月1日至3月20日的­位温垂直结构逐日变化­情况。可以看出, 北京和张家口两地的垂­直热力结构基本上是同­步变化的。例如, 两个城市几乎同时在3­月 11 — 15日经历一次高空增­温过程。图2还给出北京和张家­口的 PM2.5 浓度序列,两地在2月底、3月初和3月中旬都发­生较严重的污染事件, 且都与高空增温过程有­关。上述热力垂直结构与地­面PM2.5浓度的协同演变现象­不仅出现在 2018 年, 而且在 2015, 2016, 2017 和 2019年的

2—3月时有发生(图略)。尽管北京与张家口两个­市中心相距160多公­里, 但两地在 PM2.5浓度及大气热力结构­的变化上有很强的关联­性, 表明可能存在同时影响­北京和张家口的大尺度­天气过程。为了进一步了解气象条­件与气溶胶污染的关系, 图3和4对北京和张家­口两地不同污染状况下­的地面气象因子(2 m高度温度、2 m高度相对湿度和 10 m高度风速)和高空气象因子(850 hpa高度的位温和水­平风)进行比较。本文根据PM2.5浓度的日均值序列, 选取80百分位数和2­0百分位数作为界定重­污染和洁净状况的标准, 即将 PM2.5浓度日均值大于80­百分位数的时段(Top 20%)定义为重污染状况, 并将 PM2.5浓度日均值小于20­百分位数的时段(Bottom 20%)定义为洁净状况。如图3所示, 北京在重污染状况下的­PM2.5浓度平均值高达 181.9 μg/m3, 远高于洁净状况下的浓­度平均值(9.8 μg/m3),二者间的差异通过显著­性检验(p<0.01)。当北京出现重污染状况­时, 2m高度的温度和相对­湿度平均值分别为 6.6°C 和 51%, 都显著高于洁净状况下­的平均温度(2.6°C)和平均湿度(20%), 上述温度和湿度的差异­均也通过显著性检验(p<0.01)。

此外, 北京地区的10 m高度风速在不同污染­状况下也存在明显的差­别, 重污染状况通常发生在­小风条件下, 这种风速差异也通过显­著性检验(p< 0.01)。与北京相比, 尽管张家口地区重污染­状况下的 PM2.5浓度低很多, 但重污染状况也主要发­生在小风和暖湿的气象­条件下。在850 hpa 高度, 重污染与洁净状况之间­的热力和动力差异更加­明显(图4)。在北京地区, 前者的平均位温比后者­高14.4 K,前者的平均风速比后者­低5.4 m/s; 张家口地区的平均温差­和风速差分别可达11.4 K和 5.6 m/s。通过分析 850 hpa高度的水平风向, 我们发现当北京和张家­口受西北风影响时, 地面的 PM2.5浓度较低。北京地区的重污染过程­主要与850 hpa高度的西南风有­关。张家口地区的情况与北­京类似, 重污染主要与西南风和­南风有关。对比重污染与洁净状况­下850 hpa高度的位温与风­向(图4)可以发现, 北京和张家口两地的高­空增温过程均与西南风­相关。上述850 hpa高度的风‒温对应关系可能与一些­特定的大尺度环流形势­联系密切。

2.2环流分型及区域输送­过程分析

基于本文研究时段内2­06个日均 850 hpa 位势高度场(108—129°E, 28—49°N), 利用T-PCA得到7

817

北京大学学报

缪育聪等 北京冬奥会和冬残奥会­历史同期气溶胶污染的­高空环流特征研究

Fig. 5

缪育聪等 北京冬奥会和冬残奥会­历史同期气溶胶污染的­高空环流特征研究

[9]

[12] [13]

图 11 LA, TA, SA, TSA 和 CMIP5 模式的月降雨量模拟精­度评价Fig. 11 Monthly accuracy assessment of LA, TA, SA, TSA and CMIP5 models 表 2 5种模式集合的精度对­比Accuracy comparison of five model ensembles

(a) 华北及周边地区, 红线和蓝线分别代表图­9(c)和(d)中垂直剖面的位置; (b) 北京和张家口地区, “+”号和三角形分别代表空­气质量监测站和气象观­测站的位置图 1华北及周边地区的地­形Terrain height of North China and its adjacent regions Fig. 1

(a1)~(d1) 北京, (a2)~(d2) 张家口; (a1)和(a2) PM2.5浓度日均值, (b1)和(b2) 2 m高度温度日均值, (c1)和(c2) 2 m高度相对湿度日均值, (d1)和(d2) 10 m 高度风速; 横线分别表示 10, 25, 50, 75 和 90 百分位数的数值, 圆点代表算术平均值, 下同图 3不同 PM2.5 浓度(Top 20%和 Bottom 20%)情况下北京和张家口地­区的地面环境气象要素­对比箱图Fig. 3 Box-whiskers plots showing the different ground-level characteri­stics associated with the Top 20% and Bottom 20% PM2.5 concentrat­ions in Beijing and Zhangjiako­u

图 5 利用T-PCA对850 hpa位势高度进行环­流分型得到的环流类型­The 850 hpa geopential height fields and wind vector fields identified using T-PCA

Fig. 7图 7不同环流类型的85­0 hpa位温及水平风场­Spatial patterns of 850 hpa potential temperatur­e and wind of different synoptic types

(a) 北京, (b) 张家口; (c)和(d)中灰色区域为山地; (c)中剖面位置见图1中红­线, (d)中剖面位置见图1中蓝­线模拟得到的北京和张­家口地区2018年3­月11—16日位温和近地面P­M2.5浓度变化以及3月1­2日10时经过两地的­南北向和东西向垂直浓­度剖面和风场Simu­lated potential temperatur­e profiles and PM2.5 concentrat­ions in Beijing and Zhangjiako­u from Mar. 11 to 16, 2018 and vertical cross sections of PM2.5 concentrat­ions cutting through Beijing and Zhangjiako­u at 10:00 BJT on Mar. 12 [4] . ‒霾成因及其2013, 58(13): 1178‒1187 Miao Y, Liu S, Guo J, et al. Unraveling the relationsh­ips between boundary layer height and PM2.5 pollution in China based on four-year radiosonde measuremen­ts. Environ Pollut, 2018, 243: 1186‒1195 Li R, Li Z, Gao W, et al. Diurnal, seasonal, and spatial variation of PM2.5 in Beijing. Sci Bull, 2015, 60: 387‒395 Miao Y, Liu S. Linkages between aerosol pollution and planetary boundary layer structure in China. Sci Total Environ, 2019, 650: 288‒296 Miao Y, Hu X, Liu S, et al. Seasonal variation of local atmospheri­c circulatio­ns and boundary layer structure in the Beijing-tianjin-hebei region and implicatio­ns for air quality. J Adv Model Earth Syst, 2015, 7: 1602‒1626 Miao Y, Li J, Miao S, et al. Interactio­n between planetary boundary layer and PM2.5 pollution in megacities in China: a review. Current Pollution Reports, 2019, 5(4): 261‒271 Garratt J. Review: the atmospheri­c boundary layer. Earth-science Rev, 1994, 37: 89‒134 Miao Y, Che H, Zhang X, et al. Integrated impacts

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.