2019, Vol. 40
大气气溶胶是指悬浮在大气中粒径在几nm到几十μm之间的各种固体和液体粒子.通过与辐散的相互作用, 对能量收支进行调节, 最终对气候系统产生影响.除了灰霾是气溶胶的一个主要来源之外, 沙尘也是大气气溶胶的一个重要来源, 对大气有很强的加热或冷却作用, 能够改变大气的热力状况, 影响大气动力结构[1], 进而影响气候变化; 另外沙尘气溶胶的垂直分布是研究沙尘对大气辐射强迫作用的一个重要特性[2].
严重的灰霾、沙尘天气一旦形成往往很难及时消散, 不仅对人类生产生活和生态系统均造成一定危害, 并严重影响空气质量[3, 4].重污染对居民身体健康造成严重威胁, 而且引起的能见度下降也对城市的各项经济活动和市民生活带来显著影响[5], 产生较强的社会负面效应[6].因而国内外学者围绕灰霾、沙尘天气在各个方面的影响展开研究, 获得丰硕的研究成果.比如有学者对城市雾、霾的气候特征、微物理特征及其理化特性等方面进行了较多研究[7~11].有学者在起沙机制、沙尘组分物理化学特性及环境气候效应等方面均进行了大量研究[12~15].有众多学者在气溶胶垂直分布方面开展了科学研究.因为要对沙尘气溶胶辐射特性有深入研究, 必须先对其物理、化学及光学特性的垂直分布有很好地了解.同样基于数值模式定量模拟和研究沙尘的发生、输送、扩散、沉降, 也需要很好地了解气溶胶垂直分布情况[16].激光雷达是现阶段大气气溶胶各项光学性质、空间垂直分布以及相关信息的有效遥感技术[17], 它是以激光为光源, 通过探测激光与目标物相互作用而产生的辐射信号来源遥感目标物[18]. Sugimoto等[19]对2008~2009年东北亚地区多点位春季沙尘污染的时空分布、沙尘层垂直结构及传输路径进行了分析, 并发现受一定条件下大气结构影响, 存在沙尘与地面污染混合现象.姜学恭等[20]利用CALIPSO星载激光雷达探测资料对2010年3月19~22日强沙尘暴过程不同阶段沙尘垂直分布特征进行了初步分析, 探讨了沙尘在对流层-平流层内的远距离输送.
当前, 多数沙尘污染研究主要是利用卫星资料研究沙尘的区域分布、沙尘路径, 或基于地基激光雷达研究单点气溶胶垂直廓线形态.随着近年来北京乃至全国频繁出现的灰霾污染成为关注热点, 在依赖大风破除污染的同时, 忽略了春季大风既能带来沙尘污染, 也能引起本地霾污染的影响, 对此类霾-沙交替污染和混合污染的垂直立体观测和深入探讨较少.
本文研究了2017年5月3~5日北京地区入春以来的第一次霾-沙交替以及霾沙混合的强污染过程, 本次霾-沙污染天气的发生, 除内在的大气污染物源排放因素外, 很大程度上依赖于气象条件[21], 这是因为大气对污染物的稀释扩散能力受气象条件影响非常明显, 在不同气象条件下, 同一污染源的排放所造成地面污染物浓度可能有几十倍甚至上百倍的差别[22].本研究采用“地-空”观测结合对污染空间水平分布特征、垂直分布特征进行探讨和分析, 并利用地面污染监测数据和气象数据对本次污染的气象条件展开分析, 探讨气象条件对霾-沙天气的影响, 能够科学地预测、动态调控污染物排放以治理雾-霾天气, 是一项十分重要课题[23], 以期为城市气溶胶污染过程的光学特性和空气质量预报研究提供例证和比对, 对城市污染治理提供科学支持.
1 材料与方法 1.1 地面观测数据本研究采用的地面观测数据有两类, 第一类为地面环境监测数据.数据来自北京市环境保护监测中心发布的逐时浓度数据(http://zx.bjmemc.com.cn), 共计35个环境站点的PM10和PM2.5浓度, 监测站点覆盖所有区, 包括区域背景、郊区、城镇、交通干道、居住区等不同的环境功能类型.第二类为自动气象站监测数据.选取了与35个环境监测站距离最近的35个自动气象站观测数据.
1.2 空间观测数据 1.2.1 第一类空间数据：MODIS数据采用的第一类空间观测数据为MODIS(MODerate resolution Imaging Spectroradiometer)卫星遥感标准数据产品中的二级大气气溶胶产品MOD04_L2. NASA的科学家团队已经发展了较为成熟的从MODIS影像上反演气溶胶光学厚度AOT(aerosol optical thickness), 也有称之为AOD(aerosol optical depth)的业务算法.当前MODIS卫星产品(含Terra和Aqua)版本已经从2000年最初的C001版本更新到2017年的C061版本, 是目前最新的产品版本.详细内容参考官方网址https://modis-atmosphere.gsfc.nasa.gov. MODIS气溶胶产品在不同的地表类型上采用了3种不同的反演算法.即两种暗目标法(dark target, DT), 主要用于海洋和植被覆盖区或黑土, DT算法能以较高的精度实现这些地区的气溶胶反演, 但在城市和稀疏植被地区气溶胶反演精度整体较差, 有效观测天数较少; 第三种算法是深蓝算法(deep blue, DB).该方法主要用于沙漠/荒地, 算法具体描述见文献[24, 25]. MODIS C060版气溶胶产品于2014年初发布, 包含了第二代DB算法、DT算法和数据融合产品.第二代DB算法是一个加强混合算法, 适用区域从沙漠、干旱半干旱等高亮区域扩展到了浓密植被覆盖等暗区域, 实现了对整个陆地区域的覆盖, 弥补了DT算法的不足, 使得气溶胶产品范围和空间连续性上都得到明显提升.以深蓝算法为例, C061版本算法上的核心部分与C060版本的一致, 也叫增强型深蓝算法, 相比于C060版本, 在算法方面的更新和改进主要体现在6个方面：①对浓烟的有效探测探, ②在人工解译复杂地表时, 解译误差明显降低, ③对大片不平整地区(如山区), 采用的地表模型更加科学, ④修复了众多bug, 并对区域的/季节的气溶胶模型方案做了改进和更新, ⑤对元数据改进, 并采用了改进后的产品质量控制算法[26], ⑥将深蓝算法和暗目标算法分别得到的气溶胶产品进行了融合[27].详细内容可以参考网页https://deepblue.gsfc.nasa.gov/. C061版本在气溶胶光学厚度反演精度方面有明显提高.本研究采用了MOD04_3K和MOD04_L2的产品.
1.2.2 第二类空间观测数据：CALIPSO卫星数据采用的第二类空间观测数据为CALIPSO卫星数据. CALIPSO是A-train星系里的一颗极轨卫星, 于2006年4月28日成功发射, 高度705 km的极轨太阳同步轨道运行, 轨道倾角约为98°, 分别于当地时间01:30和13:30穿越赤道, 16 d循环一圈, 运行周期为99 min. CALIPSO卫星由3部分仪器构成：双波长偏振激光雷达(cloud-aerosol lidar with orthogonal polarization, CALIOP), 红外成像辐射计(imaging infrared radiometer, IIR)和宽幅照相机(wide field camera, WFC).自发射以来, CALIOP不间断地收集82°N和82°S之间气溶胶和云在波长532 nm和1064 nm上的衰减散射系数和波长532 nm极化后向散射系数高分辨率廓线. CALIPSO设备参数以及数据说明文档等信息可以参见官网https://www-calipso.larc.nasa.gov/.目前CALIPSO星载激光雷达资料主要包括了Level1及Level2两级数据产品. L1数据水平分辨率为333 m, 垂直方向上, 从海拔-2.0~40 km共分为583层, 提供532 nm和1064 nm这两个波段在运行轨道上对地方向的总后向散射垂直廓线以及532 nm波段的线性退偏垂直廓线.本文主要是应用CALIPSO的Level 1B中532 nm的总衰减后向散射系数信号, 即经过校准和距离校正后的后向散射回波信号.其次是CALIPSO独有的产品VFM(vertical feature mask).
星载激光雷达的总后向散射系数可以定义为公式(1)：
|
(1) |
式中, P(z)为雷达接受的高度z处的信号, C为雷达系统常数, β为后向散射系数, T2(z)为大气透射率, zs为卫星所在的高度, 下标p、m、ozn分别表示粒子(气溶胶)、大气分子和臭氧, λ为波长, 为532 nm和1 064 nm.臭氧浓度廓线数据和吸收截面数据来自GMAO模型, 大气分子的散射和消光系数根据Rayleigh散射理论计算[28].衰减后向散射的定义可以用公式(2)、(3)表示：
|
(2) |
|
(3) |
式中, β532, //(z)、β532, ⊥(z)分别为532 nm波段上的平行通道和垂直通道后向散射系数.
1.3 气象数据研究采用两种气象数据, 第一种来自欧洲中期天气预报中心ECMWF(European Centre for Medium Range Weather Forcasts)第三代再分析资料ERA-Interim. ERA-Interim提供了自1979年以来的再分析资料, 并实时更新.相比于第二代ERA-40数据同化模型, ERA-Interim采用了四维变分分析, 并结合改进的湿度分析、卫星数据误差校正等技术, 实现了再分析资料质量的提升.本研究采用欧洲中期天气预报中心提供的2017年5月3~8日时段、空间0.125°×0.125°网格分辨率、逐日4次(UTC时间00:00、06:00、12:00、18:00)分析数据.支星等[29]利用中国105站的探空资料对NCEP/NCAR、ERA和JRA 3种再分析资料温度要素的可信度进行了分析, 结果表明NCEP/NCAR资料在对流层上层更接近于探空资料, ERA资料和JRA资料在对流层中下层与探空资料更为接近.第二种气象数据是北京海淀站的风廓线雷达观测数据和地面天气系统观测数据.
2 结果与讨论 2.1 本次污染过程的总体特征2017年5月3~5日, 包含北京在内的大范围区域发生了一次高强度大气污染过程.将北京35个站点(站点分布见图 1)观测的小时浓度数据经过质控和平均计算后, 得到一个整体的小时浓度值, PM10和PM2.5浓度随时间变化见图 2, 其中除了PM10和PM2.5小时浓度之外, 还添加了AQI、PM2.5/PM10和污染等级随时间变化.
|
图 1 污染物观测站点分布示意 Fig. 1 Distribution of the pollutant observation sites |
|
图 2 2017年5月3~6日北京站点5个要素小时均值随时间变化 Fig. 2 Time-varying hourly mean of several elements from 2017-05-03 to 2017-05-06 based on Beijing station data |
从图 2看出, 本次污染特点是持续时间短、强度大, 是2017年开年以来的一次较为严重的大气污染.从5月3~6日, 整个污染过程中PM10和PM2.5浓度随时间变化呈现出非常好的一致性, 且PM10的浓度高于PM2.5浓度.本次污染从5月4日04:00开始, 属于暴起, PM2.5在400~500μg·m-3之间, PM10则在1 000 μg·m-3左右, AQI一直维持在最大值500, 污染等级在6级, 属于严重污染等级.污染持续约30 h, 到5月5日08:00时, PM10和PM2.5污染物浓度骤然降低, 从08:00~11:00, PM10浓度依次为858、623、349和152μg·m-3, PM2.5依次为376、245、122和92μg·m-3. AQI回到100以内, 污染等级回到1级的良好状态.在整个污染持续期, PM2.5/PM10维持在0.4~0.5之间, 比较稳定.而在污染发生前或者污染结束之后, PM2.5/PM10比值波动大, 在0.5之上, 甚至达到1.0.从PM2.5/PM10比值在污染前期、结束期和污染期间的变化, 说明本次污染不是一次单纯的输送型沙尘污染, 中间配合着局地污染, 属于典型的霾-沙混合污染.因为在单纯的沙尘暴过程中, PM2.5在PM10中的比例很低[30].从大的气象环境来说, 一般沙尘和霾两种天气现象确实不容易并存.因为沙尘出现往往因为冷空气强盛, 风速大容易起沙并造成沙尘天气.相反, 在这种条件下, 由于扩散条件有利反而容易清除霾, 所以沙尘一般不容易跟霾同时出现[31].
2.2 PM10和PM2.5浓度在水平空间上随时间变化特征根据35个地面监测站点观测数据, 分析PM10和PM2.5浓度在空间上随时间变化, 更能清晰地看到本次污染呈现出的特点, 见图 3.
|
(a) PM2.5浓度; (b) PM10浓度 图 3 2017年5月1~7日北京35个空气质量自动监测站观测的PM2.5浓度和PM10浓度时空分布 Fig. 3 Temporal-spatial variations of PM2.5 and PM10 concentrations from May 1 to 7, 2017, according to data observed at 35 automatic air quality monitoring stations in Beijing |
图 3为PM10和PM2.5浓度随时间和空间变化分布, 其揭示了本次污染过程呈现出4方面的科学现象.第一, 污染浓度高, 程度重, 属于重度污染.第二, 本次污染骤起速降, 持续时间大约30 h, 其间存在一个明显的污染间歇期.以此为界限, 将污染过程分为三段, 之前为污染前半段, 持续时间为5月4日04:00~13:00, 相对间歇期持续时间为13:00~19:00, 之后为污染后半段, 持续时间为19:00到5月5日08:00.第三, 每一段呈现出的污染空间分布形态有很大差异.就前半段污染在空间上呈现出的特点而言, 全部站点监测的PM10浓度在800μg·m-3以上, 而PM2.5浓度在空间上呈现出了差异性.北京北部区域, 诸如西到延庆站、八达岭站, 东到平谷站等, PM2.5浓度值为相对低值, 在350~550μg·m-3间, 在南部和城区, PM2.5浓度值较高, 在550~750μg·m-3间.到了污染间歇期, PM10浓度在城区和南部区有所降低, 降到了650μg·m-3左右, 北部区域几乎未发生变化, 依然保持在800μg·m-3以上.此时PM2.5浓度均有明显下降, 尤其在城区和北部区更为明显, 如延庆、天坛等站降低到了200μg·m-3附近.或许说明此时在风力的作用下, 有沙尘向北部输送, 同时在风力的作用下, 对局地的霾污染有清除作用.到了污染的后半段, PM10浓度又恢复到和前半场一样的水平, 除了最南部的琉璃河、榆垡、永乐店和最东部的平谷测站比前半场浓度低. PM2.5浓度空间分布也表现出明显的特性, 同一站点的浓度都比前半场的低, 且全区域都比较均衡, 不同于前半段所呈现出具有明显的空间差异性特征.这种前后半段污染物浓度在空间上的分布差异预示着前后半段的污染成因存在明显差别.第四, PM10浓度降低起步时间比PM2.5晚5 h左右.
2.3 基于卫星监测的污染空间分布特征 2.3.1 MODIS卫星监测污染水平空间分布图 4为MODIS标准二级大气产品MOD04_3K中的2017年5月4日550 nm处AOT空间分布. AOT不仅能定性地描述污染形态, 也能定量地描述污染程度[32, 33]. 图 4中的结果是将暗目标法和深蓝算法得到的0.55 μm处的AOT进行了融合.为了分析污染分布空间特征以及周边区域对北京污染的影响, 图 4中显示了全国区域和北京周边部分.从中看出, 北京区域：5月4日, 北京处于高AOT, 整个区域AOT＞1.00北京城区为相对小的AOT覆盖区, 北京北部地区AOT＞2.50, 明显比南部地区AOT大.北京周边区域：北京南边和东边同样被高AOT值覆盖, 大范围区域AOT＞2.00.离北京略远的内蒙中部也有高AOT值存在, AOT＞1.50.
|
图 4 2017年5月4日550 nm处空间分辨率为3 km的气溶胶光学厚度空间分布 Fig. 4 Spatial distribution of AOT_550 nm for the land and ocean(3 km resolution) on May 4, 2017 |
图 5为2017年5月4日MOD04_L2产品中的Ångström exponent空间分布.利用412/470 nm两波段计算亮地表下垫面上的Ångström exponent, 470/650 nm波段计算植被覆盖区下垫面的Ångström exponent, 再将二者融合.有研究表明[34, 35], 北京灰霾天气时Ångström exponent范围在0.9~1.4之间.城市或工业气溶胶粒子Ångström exponent分布位于1.1~2.4之间, 这个范围所对应的粒子通常为细粒子.沙尘气溶胶Ångström exponent一般为-1.0~0.5之间.据此研究成果, 从图 5可以看出, 北京地区：南部区域Ångström exponent为-0.5~0.5之间, 为沙尘型气溶胶, 从图 4的AOT分布图上也能明显地看到此区域的AOT值较高, 从地面天气系统实际观测记录也验证了此区域为浮尘和沙尘.北部一部分区域Ångström exponent为1.5~2.0, 为细例子污染, 还有一小部分Ångström exponent在0.5~1.0, 则为灰霾污染.
|
计算用的波段为412/470 nm和470/650 nm 图 5 2017年5月4日Ångström exponent空间分布 Fig. 5 Distribution of the Ångström exponent for land on May 4, 2017 |
综合图 4、图 5, 通过卫星监测反演结果能清晰地看到本次污染物在空间上分布特点和污染特征, 即属于典型的沙-霾型混合污染形态.
2.3.2 基于CALIPSO卫星数据的污染垂直结构特征分析为了研究本次污染在垂直方向上的分布特征, 采用了2017年5月4日Calipso卫星的L2产品.数据采集时间为UTC时间2017-05-04T05:06~05:19, 对应于北京时间为2017-05-04T13:06~13:19.由于Calipso卫星于5月4日未能有效穿过北京上空, 只能选择包含北京纬度区域的观测数据进行分析研究, 见图 6和图 7中紫色框.基于Calipso数据的VFM产品将气溶胶细分为若干个子类, 即：海洋型气溶胶、沙尘型、污染大陆型/烟、洁净大陆型、污染沙尘型、烟尘型、污染海洋型、极地平流层气溶胶、火山灰型、硫酸盐类型/其它, 对应图 7中图例的1~10.
|
横轴为地理位置, 用纬度(Lat)、经度(Lon)表示 图 6 532 nm上的总后向散射(2017-05-04) Fig. 6 Total attenuated backscatter at 532 nm on May 4, 2017 |
|
横轴为地理位置, 用纬度(Lat)、经度(Lon)表示 图 7 气溶胶类型随高度分布(2017-05-04) Fig. 7 Aerosol subtype distribution with height on May 4, 2017 |
图 6为5月4日北京时间白天13:06~13:19观测的532 nm波段上总衰减后向散射系数.从中可以看出, 5月4日白天, 北京周边区域, 如其中红框所示, 南到35°N附近10 km高度内有接近于10-1量级的总后向散射系数, 西北到45°N附近总后向散射系数分布范围较广, 从2.0×10-3~1.0×10-2, 分布高度从地面到4 km高度的覆盖区.在北京的纬度区域内, 总衰减后向散射系数分布南北差异较大.南部有散射系数为10-1量级区, 高度在3~5 km, 北部散射系数分布范围广, 量级在2.0×10-3~1.0×10-2, 高度涵盖地面到3 km范围, 见紫色小框所示.为了更深入地了解不同气溶胶类型随高度的分布, 利用Calipso二级产品中的VFM产品进行分析, 见图 7.通过该数据能清晰地揭示在不同垂直高度上的气溶胶类别.从图 7中看出, 北京纬度区域内气溶胶类型主要为沙尘气溶胶, 其次为霾.南部地区霾-沙分布高度在4~5 km, 北京西北部的霾-沙更密集, 所在高度比南部低, 集中在2~3 km高度的夹层范围内.
2.4 污染过程与天气条件关系 2.4.1 地面天气系统及高空风场分析通过分析2017年5月3~5日高空、地面天气图(图略), 本次污染过程受500 hPa上空蒙古低涡低槽东移加深, 地面图上蒙古气旋强烈发展的影响, 在蒙古国、我国内蒙、河套地区, 东部地区出现大范围沙尘区(沙尘暴、扬沙、浮尘和干霾). 图 8为污染开始前北京时间2017-05-03T20:00和污染起北京时间2017-05-04T08:00地面天气实况示例, 其中黑色线为等压线、灰色为风场、D为低压中心、蓝色线条为槽线、不同颜色为不同天气现象.污染开始前, 北京西部有扬沙, 在西北方向有沙尘暴区, 图中的土黄色所示区域, 在东北方向也有扬沙分布, 北京本地比较洁净, 污染尚未开始.而污染开始后, 北京地区及北京周边的南部、西北、北部都被沙尘包围.
|
(a)污染前2017-05-03T20:00; (b)污染开始2017-05-04T08:00 图 8 污染前和污染开始时地面天气系统观测实况示例 Fig. 8 Observational examples of pre-pollution and beginning pollution conditions from ground weather systems |
图 9为基于ECWMF数据, 绘出110°~120°E、32°~43°N空间范围, 在3个时刻(北京时)2017-05-04T08:00、2017-05-04T14:00和2017-05-05T02:00, 4个高度1000、925、850和700 hPa(依次为从左至右)上的风场分布.
|
彩色斑块为风速大小, 单位：m·s-1 图 9 3个时刻4个高度上的风场分布 Fig. 9 Distribution of the wind field at four different altitudes during three time points based on ECWMF ERA-Interim data |
根据图 8地面天气系统观测实况和图 9风场分布, 可以从动力和污染源的角度解释图 2、3和6所呈现的结果. 5月4日08:00, 从地面1 000 hPa到高空700 hPa高度, 北京皆为西北风, 但是此时风速小, 即便在700 hPa高度处的风速也只是14 m·s-1左右, 配合地面观测实况图 8, 可以看出此时污染物从西北方向北京输送, 为重污染阶段. 图 6星载Lidar观测时间对应的北京时间约13:00, 为污染间歇期, 根据图 9风场显示, 此时北京纬度区域的风场高低不同, 导致污染属于受上、下夹击双重贡献的形态.地面到850 hPa高度, 受偏南气流影响, 因而有来自南部地区的污染物输送, 而高空700 hPa受偏西风影响, 来自西北向的输送也对污染有贡献.因此在高层出现了沙尘类的污染物, 散射系数大, 而在低层, 霾-沙混合污染, 散射系数分布范围广, 粗细粒子同起.可以推断这是沙尘和霾混杂的混合层.这和地面天气系统记录的实况极其吻合.但是污染浓度空间差异明显, 比如体现在图 3中的此时南部观测站永乐店、榆垡和琉璃河测定的PM10浓度还不高, 而PM2.5明显偏高. 5月4日14:00, 风速与之前08:00时候相比, 未发生明显变化.风向上, 除了700 hPa高度维持西北风外, 地面1 000~850 hPa高度上风向发生了切变, 从西北风转变为南风, 导致了此时污染进入了间歇期.此时的高空西北风对PM2.5的抑制效果明显强于PM10, 尤其在北部和城区, 但同时低层在偏南气流影响下, 对PM2.5从南向北输送提供了动力条件, 已有研究指出[36], 偏南气流为北京外来污染物的主要输送通道, 因此南部地区的PM2.5浓度依然保持在300~550μg·m-3.到了5月5日02:00, 风向又从之前的南风切变为与污染前半场一样的西北风, 与前半段最大的差异是此时从地面到高空, 风速都急速加大, 地面1 000 hPa处达到10m·s-1, 700 hPa处≥20 m·s-1, 这样的风场明显具有矛盾的双重效果, 一方面是会增强PM10从西北方向输送过来, 体现在此时监测到的PM10浓度居于高位, 见图 3, 另一方面, 对PM2.5的作用既在一定程度上产生PM2.5又具有相当的清除作用, 体现在图 3中在污染开始的前半场观测到PM2.5浓度＞600μg·m-3的情形此时已经基本不存在, 但是浓度依然保持在300~550μg·m-3之间, 而且全区域比较均匀.
2.4.2 海淀站风廓线雷达数据分析为了对以上ECWMF模式得到的大气垂直运动形态进行验证和对比, 同时从观测的角度进一步研究此次污染与气象条件间的关系, 利用了位于北京海淀站0.5 h时间分辨率的风廓线雷达观测数据, 见图 10. 图 10(a)为风场, 图 10(b)侧重点在大气垂直运动, 垂直速度单位为m·s-1.从图 10风廓线观测数据看, 5月3日21:00到5月4日03:00, 2 km高度以下为西南气流, 而2~6 km高度范围为西北气流.此时大气处于激烈上升阶段, 从图 2看, 此时未发生大气污染, PM10和PM2.5浓度分别为60μg·m-3和51μg·m-3. 5月4日, 04:00到11:00, 风向明显切变, 地面到6 km高度基本受西北风控制, 在2.0 km以下和4.0 km以上, 分别出现中心风速达12 m·s-1的急流核, 而在2.0~4.0 km厚度的夹层内存在低风速层, 且大气垂直向下运动, 造成了此时污染最重, 即本次污染过程中的前半场污染(见图 2).造成本时段污染的显著气象特征是此时的风场和大气垂直运动呈现出的特殊搭配, 即上下两层激流带包裹着一夹层, 使得污染物聚集在夹层内, 无法扩散.在14:00~18:00期间, 在2 km高度内, 风向由之前的西北向转变为西南向, 同时伴随着地面气流的上升, 上升速度甚至可达0.6 m·s-1, 大气垂直扩散能力加强, 但是一方面由于上升的动力不足, 风速逐渐减小, 最小到1 m·s-1, 另一方面, 高层存在明显的下沉气流压制, 导致大气没能向上有效突破, 因此也就无法终结污染过程, 仅仅只是让污染过程稍微得到缓和, 处于一个相对的污染间歇期. PM10从最大1000μg·m-3降低到800μg·m-3, PM2.5从570μg·m-3降低到300μg·m-3. 5月4日20:00至5月5日04:00, 从地面到2 km高度, 受到西南气流控制, 之上为西风气流, 这样就形成了深厚的西南风输送带, 而且风速较大, 最大达12 m·s-1, 对外来污染物输送能力加强, 此时形成了双重输送的格局, 2 km高度以下的西南风加重了PM2.5的输送, 2 km以上的西风加重了PM10的输送.此段时间, 虽然在低空急流的动力作用下, 会抬升大气, 向上运动, 但同样受到更高层下沉气流的压制, 最终会交汇在2~3 km的高度, 在这样的风场配置下, 促使污染物在一个狭窄的空间内聚集, 从而使污染再次回到严重污染状态, 此时的PM10和PM2.5的浓度分别达到975μg·m-3和388μg·m-3.可以看出, 此半场污染的气象条件和上半场大不同, 该半场除了上升气流受到压制外, 还有在西南风的动力下, 有明显的PM2.5从西南方向输送过来, 在西风的动力作用下, 有明显的PM10从西部输送过来.直到5月5日08:00, 虽然整层大气是下沉运动, 但是伴随着强烈的西北风, 风速≥12 m·s-1, 污染物浓度开始直线下降, PM10浓度在08:00、09:00和10:00依次为858、623和349μg·m-3, 同时, PM2.5浓度依次为376、245和122μg·m-3.从12:00开始, 从地面到高空, (低层风向从西南转向西北), 风速逐渐加大, 在西北风控制下, 大气转而开始向上运动, 同时向东方向偏移, 即向远离山地的一侧倾斜, 上升速度甚至大于1.2 m·s-1, 有效突破上层大气的压制, 大气垂直扩散条件得到显著改善, 终结了本次重污染过程, 如13:00时, PM10和PM2.5的浓度分别为67μg·m-3和58μg·m-3.
|
图 10 2017年5月3~5日, 北京海淀站半小时风廓线随时间-高度分布 Fig. 10 Distribution over time and height of half-hour wind profile data at the Haidian station from May 3 to 5, 2017 |
图 11为2017年5月3~5日35个环境观测站点经订正后逐小时PM10、PM2.5浓度和与之距离最近的35个地面自动气象站逐小时风速、风向的叠合分布.其中的彩色斑块为PM10和PM2.5浓度分布.黑色多边形为主导风向, 百分比表示风频.圆心和斑块边缘的连接线的长短为风速大小, 即圆的半径为最大风速, 体现在其中为12.5 m·s-1.从图 11可以看出本次污染过程主要受两大风向的影响, 其一以偏南气流为主, 风频上体现为西南风和南风.虽然风速并不大, 但在偏南气流的推送下, 除了有沙尘传输之外, 主要是大量PM2.5的输送, 从污染物方向分布上, 也看到了在S-SW和N-NE的两个对角区存在着PM10和PM2.5的高浓度分布区, 对应风速在2~5 m·s-1为主.其二为西北气流, 这种情况完全有别于偏南气流的影响.在西北风而且是风速较大的影响下, 在下风向东南部地方污染物浓度并未出现大值区域, 大值区域还是分布在西北方向, 且集中在风速≤5 m·s-1的区间处.特别值得注意的是在西北风达到10 m·s-1的速度下, 在西北的个别区域发现了高PM10浓度分布, 达到1 000 μg·m-3的量级, 而同样的情况, 并未发现有高PM2.5浓度出现, 这种情况说明是典型的、从西北方向输送来的沙尘污染, 从图 3显示的北方站点如延庆站和怀柔站PM10持续高浓度而PM2.5浓度趋势下降的观测结果能明显地看出此情形.总的说来, 在风的影响下, 既有沙尘污染也有PM2.5污染, 偏南方向风相对小, PM2.5污染明显, 偏北方向风相对较大, 以PM10污染为主导.在风的作用下, PM2.5浓度降低明显先于PM10.但是因为沙尘高度低(2~3 km), 加上地形的影响, 导致无法远距离传输, 使得偏东部地区的PM10浓度和PM2.5浓度相对较低.
|
图 11 地面风场和PM10浓度、PM2.5浓度之间的关系 Fig. 11 Relationship between the surface wind field and PM10 concentration and PM2.5 concentrations |
(1) 地面环境监测数据表明, 本次污染属于暴起, 骤降, 全过程分为三段, 持续约30h.前、后半段污染所造成的PM10和PM2.5浓度在空间分布上存在显著差异, 且成因也各不相同.本次污染不是一次单纯的输送型沙尘污染, 中间配合着局地污染, 属于典型的霾-沙混合型污染.
(2) 基于MODIS卫星反演的北京及周边南部地区AOT>2.0.北京大部分区域Ångström exponent在-0.5~0.5之间, 为沙尘. CALIPSO监测到不仅在近地层有污染, 在2~3 km高度大气夹层内有大量污染物累积.从VFM结果看, 本次污染不仅有沙尘, 还有霾的存在.从空间监测数据也验证了本次污染过程属于典型的沙-霾型混合污染形态, 同时也揭示污染起源.
(3) 基于ECMWF第三代再分析资料ERA-Interim, 发现重污染期污染间歇期重污染期的风向为西北风南风西北风, 风速为稳稳激增.海淀站风廓线雷达观测显示, 前半段在西北风控制下, 1.5~2.5 km厚度的夹层里存在低风速层, 而之上及之下存在中心风速达12 m·s-1的急流核.后半段由于从地面到2 km高度, 受到西南气流控制, 之上为西风气流, 且风速较大, 12 m·s-1, 对外来污染物输送能力加强.在低空急流的动力作用下, 大气向上运动, 但受到更高层下沉气流的压制, 最终会交汇在2~3 km的高度, 污染从间歇期又回到重污染状态.
(4) 形成污染间歇期总的原因是前后风场从西北风到南风的切变.具体到点上, 在大约2 km高度上下气象条件差异所致. 2 km高度之下, 风向从西北向西南向转换, 大气上升, 速度可达0.6 m·s-1, 大气垂直扩散能力加强.在2 km高度以上, 大气下沉, 对下面的上升气流形成压制, 无法形成上层幅散的大气形态, 因此无法终结污染过程, 仅仅只是让污染稍微缓和, 处于一个相对的污染间歇期.
(5) 本次污染受两种主导风的影响, 每种主导风对污染的贡献存在明显差异.偏南风对北京本次污染的贡献既有PM10(沙尘输送), 也有PM2.5贡献.而偏西风对北京污染的贡献主要是PM10.
致谢: 感谢中国气象科学研究院王亚强教授在本研究中给予的帮助和指导.感谢NASA提供卫星遥感数据.多位热心人士在本研究过程中提供帮助, 在此一并致谢！| [1] | Huang J P, Minnis P, Yi Y H, et al. Summer dust aerosols detected from CALIPSO over the Tibetan Plateau[J]. Geophysical Research Letters, 2007, 34(18): L18805. DOI:10.1029/2007GL029938 |
| [2] | Zhu A H, Ramanathan V, Li F, et al. Dust plumes over the Pacific, Indian, and Atlantic oceans:Climatology and radiative impact[J]. Journal of Geophysical Research, 2007, 112: D16208. DOI:10.1029/2007JD008427 |
| [3] |
吴兑, 邓雪娇, 毕雪岩, 等. 细粒子污染形成灰霾天气导致广州地区能见度下降[J]. 热带气象学报, 2007, 23(1): 1-6. Wu D, Deng X J, Bi X Y, et al. Study on the visibility reduction caused by atmospheric haze in Guangzhou Area[J]. Journal of Tropical Meteorology, 2007, 23(1): 1-6. DOI:10.3969/j.issn.1004-4965.2007.01.001 |
| [4] |
李江波, 赵玉广, 孔凡超, 等. 华北平原连续性大雾的特征分析[J]. 中国海洋大学学报(自然科学学报), 2010, 40(7): 15-23. Li J B, Zhao Y G, Kong F C, et al. Characteristics of sustained heavy fog in North China Plain[J]. Periodical of Ocean University of China, 2010, 40(7): 15-23. |
| [5] |
刘建慧, 赵天良, 韩永翔, 等. 全球沙尘气溶胶源汇分布及其变化特征的模拟分析[J]. 中国环境科学, 2013, 33(10): 1741-1750. Liu J H, Zhao T L, Han Y X, et al. Modeling study on distributions and variations of global dust aerosol sources and sinks[J]. China Environmental Science, 2013, 33(10): 1741-1750. |
| [6] |
陈跃浩, 高庆先, 高文康, 等. 沙尘天气对大气环境质量影响的量化研究[J]. 环境科学研究, 2013, 26(4): 364-369. Chen Y H, Gao Q X, Gao W K, et al. Quantitative research on sandstorm effects on environmental air quality[J]. Research of Environmental Sciences, 2013, 26(4): 364-369. |
| [7] | Sun Y L, Zhuang G S, Tang A H, et al. Chemical characteristics of PM2.5 and PM10 in haze? fog episodes in Beijing[J]. Environmental Science & Technology, 2006, 40(10): 3148-3155. |
| [8] | Kang C M, Lee H S, Kang B W, et al. Chemical characteristics of acidic gas pollutants and PM2.5 species during hazy episodes in Seoul, South Korea[J]. Atmospheric Environment, 2004, 38(28): 4749-4760. DOI:10.1016/j.atmosenv.2004.05.007 |
| [9] |
杨军, 牛忠清, 石春娥, 等. 南京冬季雾霾过程中气溶胶粒子的微物理特征[J]. 环境科学, 2010, 31(7): 1425-1431. Yang J, Niu Z Q, Shi C E, et al. Microphysics of atmospheric aerosols during winter haze/fog events in Nanjing[J]. Environmental Science, 2010, 31(7): 1425-1431. |
| [10] |
时宗波, 贺克斌, 陈雁菊, 等. 雾过程对北京市大气颗粒物理化特征的影响[J]. 环境科学, 2008, 29(3): 551-556. Shi Z B, He K B, Chen Y J, et al. Influence of fog processes on characteristics of individual particles in the urban atmosphere of Beijing[J]. Environmental Science, 2008, 29(3): 551-556. DOI:10.3321/j.issn:0250-3301.2008.03.002 |
| [11] |
范雪波, 吴伟伟, 王广华, 等. 上海市灰霾天大气颗粒物浓度及富集元素的粒径分布[J]. 科学通报, 2010, 55(13): 1221-1226. Fan X B, Wu W W, Wang G H, et al. The concentration and size distribution of enriched elements of airborne particles in shanghai as haze day[J]. Chinese Science Bulletin, 2010, 55(13): 1221-1226. |
| [12] |
郭勇涛.沙尘天气对我国北方和邻国日本大气环境影响的初步研究[D].兰州: 兰州大学, 2013. 34-42. Guo Y T. A preliminary study on dust events' influence on atmospheric environment over northern china and neighboring Japan[D]. Lanzhou: Lanzhou University, 2013. 34-42. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=XWC201310300000003140 |
| [13] | Chu H J, Yu H L, Kuo Y M. Identifying spatial mixture distributions of PM2.5and PM10 in Taiwan during and after a dust storm[J]. Atmospheric Environment, 2012, 54: 728-737. DOI:10.1016/j.atmosenv.2012.01.022 |
| [14] | Lee B K, Jun N Y, Lee H K. Comparison of particulate matter characteristics before, during, and after Asian dust events in Incheon and Ulsan, Korea[J]. Atmospheric Environment, 2004, 38(11): 1535-1545. DOI:10.1016/j.atmosenv.2003.12.021 |
| [15] | Huebert B J, Bates T, Russel P B, et al. An overview of ACE-Asia:strategies for quantifying the relationships between Asian aerosols and their climatic impacts[J]. Journal of Geophysical Research, 2003, 108(D23): 8633. DOI:10.1029/2003JD003550 |
| [16] |
申莉莉, 盛立芳, 陈静静. 一次强沙尘暴过程中沙尘气溶胶空间分布的初步分析[J]. 中国沙漠, 2010, 30(6): 1483-1490. Shen L L, Sheng L F, Chen J J. Preliminary analysis of the spatial distribution of the dust aerosol in a heavy dust storm[J]. Journal of Desert Research, 2010, 30(6): 1483-1490. |
| [17] |
尹青, 何金海, 张华. 激光雷达在气象和大气环境监测中的应用[J]. 气象与环境学报, 2009, 25(5): 48-56. Yin Q, He J H, Zhang H. Application of laser radar in monitoring meteorological and atmospheric environment[J]. Journal of Meteorology and Environment, 2009, 25(5): 48-56. DOI:10.3969/j.issn.1673-503X.2009.05.011 |
| [18] | Pahlow M, Kleissl J, Parlange M B. Atmospheric boundary-layer structure observed during a haze event due to forest-fire smoke[J]. Boundary-Layer Meteorology, 2005, 114(1): 53-70. DOI:10.1007/s10546-004-6350-z |
| [19] | Sugimoto N, Hara Y, Shimizu A, et al. Analysis of dust events in 2008 and 2009 using the lidar network, surface observations and the CFORS model[J]. Asia-Pacific Journal of Atmospheric Sciences, 2013, 49(1): 27-39. DOI:10.1007/s13143-013-0004-3 |
| [20] |
姜学恭, 陈受钧, 云静波. 基于CALIPSO资料的沙尘暴过程沙尘垂直结构特征分析[J]. 气象, 2014, 40(3): 269-279. Jiang X G, Chen S J, Yun J B. Analysis on characteristics of vertical structure of sand and dust during dust storm process based on CALIPSO data[J]. Meteorological Monthly, 2014, 40(3): 269-279. |
| [21] |
张人禾, 李强, 张若楠. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学:地球科学, 2014, 57(1): 27-36. Zhang R H, Li Q, Zhang R N. Meteorological conditions for the persistent severe fog and haze event over eastern China in January 2013[J]. Science China Earth Sciences, 2014, 57(1): 26-35. |
| [22] | 蒋维楣, 孙鉴泞, 曹文俊, 等. 空气污染气象学教程[M]. 北京: 气象出版社, 2004. |
| [23] |
穆穆, 张人禾. 应对雾霾天气:气象科学与技术大有可为[J]. 中国科学:地球科学, 2014, 57(1): 1-2. Mu M, Zhang R H. Addressing the issue of fog and haze:A promising perspective from meteorological science and technology[J]. Science China Earth Sciences, 2014, 57(1): 1-2. |
| [24] | Hsu N C, Jeong M J, Bettenhausen C, et al. Enhanced deep blue aerosol retrieval algorithm:The second generation[J]. Journal of Geophysical Research:Atmospheres, 2013, 118(16): 9296-9315. DOI:10.1002/jgrd.50712 |
| [25] | Sayer A M, Hsu N C, Bettenhausen C, et al. Effect of MODIS Terra radiometric calibration improvements on collection 6 deep blue aerosol products:validation and Terra/Aqua consistency[J]. Journal of Geophysical Research:Atmospheres, 2015, 120(23): 12157-12174. DOI:10.1002/2015JD023878 |
| [26] | Mi W, Li Z Q, Xia X G, et al. Evaluation of the moderate resolution imaging spectroradiometer aerosol products at two aerosol robotic network stations in China[J]. Journal of Geophysical Research:Atmospheres, 2007, 112(D22): D22S08. |
| [27] | Sayer A M, Hsu N C, Lee J, et al. Satellite ocean aerosol retrieval (SOAR) algorithm extension to S-NPP VⅡRS as part of the "deep blue" aerosol project[J]. Journal of Geophysical Research:Atmospheres, 2018, 123(1): 380-400. DOI:10.1002/2017JD027412 |
| [28] | Wu Y H, Cordero L, Gross B, et al. Assessment of CALIPSO attenuated backscatter and aerosol retrievals with a combined ground-based multi-wavelength lidar and sunphotometer measurement[J]. Atmospheric Environment, 2014, 84: 44-53. DOI:10.1016/j.atmosenv.2013.11.016 |
| [29] |
支星, 徐海明. 三种再分析资料的高空温度与中国探空温度资料的季节平均特征对比分析[J]. 高原气象, 2013, 32(1): 97-109. Zhi X, Xu H M. Comparative analysis on monthly mean characteristic of free atmospheric temperature between three reanalysis datasets and radiosonde dataset in China[J]. Plateau Meteorology, 2013, 32(1): 97-109. |
| [30] | 蒋大和.北京市及周边六城市空气质量改善趋势比较[EB/OL]. http://blog.sciencenet.cn/blog-609047-1102524.html, 2018-03-06. |
| [31] | 新浪新闻中心据《重庆时报》.北京遭遇今年最严重沙尘天PM10局地破3000[EB/OL]. http://news.sina.com.cn/o/2018-03-31/doc-ifysucwn5653891.shtml, 2018-03-31. |
| [32] | Ghotbi S, Sotoudeheian S, Arhami M. Estimating urban ground-level PM10 using MODIS 3 km AOD product and meteorological parameters from WRF model[J]. Atmospheric Environment, 2016, 141: 333-346. DOI:10.1016/j.atmosenv.2016.06.057 |
| [33] | Nordio F, Kloog I, Coull B A, et al. Estimating spatio-temporal resolved PM10 aerosol mass concentrations using MODIS satellite data and land use regression over Lombardy, Italy[J]. Atmospheric Environment, 2013, 74: 227-236. DOI:10.1016/j.atmosenv.2013.03.043 |
| [34] | Kim D H, Sohn B J, Nakajima T, et al. Aerosol optical properties over east Asia determined from ground-based sky radiation measurements[J]. Journal of Geophysical Research:Atmospheres, 2004, 109(D2): D02209. |
| [35] | Dubovik O, Holben B, Eck T F, et al. Variability of absorption and optical properties of key aerosol types observed in worldwide locations[J]. Journal of Atmospheric Sciences, 2002, 59(3): 590-608. DOI:10.1175/1520-0469(2002)059<0590:VOAAOP>2.0.CO;2 |
| [36] |
苏福庆, 高庆先, 张志刚, 等. 北京边界层外来污染物输送通道[J]. 环境科学研究, 2004, 17(1): 26-29, 40. Su F Q, Gao Q X, Zhang Z G, et al. Transport pathways of pollutants from outside in atmosphere boundary layer[J]. Research of Environmental Sciences, 2004, 17(1): 26-29, 40. DOI:10.3321/j.issn:1001-6929.2004.01.005 |