初冬一次冷锋输送过程对中国东部霾天气的影响

王丽娟,刘晓慧,卢 文,张 晨,唐卫亚,朱 彬*

初冬一次冷锋输送过程对中国东部霾天气的影响

王丽娟1,刘晓慧1,卢 文1,张 晨2,唐卫亚1,朱 彬1*

(1.南京信息工程大学,气象灾害预报预警与评估协同创新中心,气象灾害教育部重点实验室,国家综合气象观测专项试验外场,江苏 南京 210044；2.内蒙古通辽市气象局,内蒙 通辽 028000)

利用常规地面气象资料、NCEP/NCAR再分析资料以及全国PM2.5浓度数据,并结合后向轨迹、空气污染输送指数和传输通量分析,针对2019年12月10～11日一次冷锋输送造成我国中东部地区出现的大范围霾天气过程进行了分析.结果表明:(1)霾期间高空500hPa以经向环流为主,伴随着高空低压槽引导地面冷锋向东南方向移动,污染物浓度大值区也依次由华北地区移至黄淮、江淮地区.(2)冷锋过境前,华北至长江三角洲区域PM2.5浓度均有明显增涨;北京以偏南方向的污染物输入为主,济南以西北和偏东方向输入为主,南京则主要是偏北和偏西方向的输入.(3)冷锋过境时,冷空气迅速将北京站的污染物清除;而济南站则受高压底部偏东风回流的影响,PM2.5浓度维持在50µg/m3左右;冷锋推进至南京站时西北风已较小,对污染物的清除作用不明显.以江苏省为例,整个过程中,江苏本地污染物贡献占25.8%,江苏以外的污染物贡献占74.2%,以输送为主.(4)冷锋过境后,3站的边界层结构也略有不同,北京站的逆温层迅速被打破;济南站由于受海上暖湿平流影响,近地面由等温层变成逆温层;而南京站的近地面则由逆温层变为等温层.本研究揭示了在冷锋南下过程中,上游污染物对下游地区的影响,以及南北方站点表现出不同的污染物变化和清除特征.

冷锋；霾；空气污染输送指数；PM2.5

随着社会经济的发展和工业化水平的提高,以细颗粒物(PM2.5)为特征污染物的大气污染不仅直接影响公众身体健康,而且在其传输的过程中影响区域生态环境甚至影响全球气候变化[1].近年来,京津冀、长江三角洲等地的大气污染引起广泛关注,1998～2016年我国PM2.5浓度总体呈现上升趋势,其中2007年之前呈快速增长态势,2008～2016年呈现出"下降-增长-下降"的波动趋势[2].不同领域专家致力于研究大气污染的形成机制与气象条件的密切关系[3-5],有研究表明,大气污染呈典型的区域性特征[6-7],就某一季节而言,某地区的地理环境和污染源的排放相对稳定,该地区的空气质量主要由气象条件决定.空气污染物在各种天气尺度系统的作用下混合、扩散,造成污染物多尺度、跨区域的远距离输送[8].输送型污染既需关注本地空气污染的气象条件也要关注更远地区的空气污染物输送至本地区的气象条件[9-10].很多研究指出[11-13],冷空气经过华北黄淮等重污染区时,易将污染物向下游地区输送,是造成长江三角洲地区秋冬季输送型污染的重要天气过程之一.

冷锋是我国活动最频繁、对空气污染影响较大的天气系统之一,冷锋过境前后气象要素的差异以及锋面附近垂直环流结构都会对污染物的积累和输送造成显著的影响.冷空气活动时会减轻或消除日间逆温[14], 冷锋作为冷空气的前沿,其造成的大风、降水天气会使得污染物浓度迅速降低[15].有学者研究发现,冷锋过境前边界层出现逆温,随着锋面过境,逆温层被破坏,冷锋过境时垂直方向上输送强烈[16].不同强度的冷锋对污染物的作用也不尽相同,弱冷锋作用下以污染输送作用为主,而较强冷锋作用下以污染清除作用为主[17],强冷锋前后污染物易形成一个“积累-锋前抬升-高空平流输送-锋后大风清除-积累”的循环[18].同时,有学者进一步研究指出,远距离输送和气溶胶-边界层反馈相互作用可以扩大1000km范围内的跨界空气污染物的输送,并促进从华北平原到长江三角洲的持续性二次雾霾,气溶胶-边界层的相互作用放大了雾霾的跨界输送[19].以长江三角洲地区冷锋过程对空气质量的影响为例,在冷锋刚开始影响长江三角洲地区时,受锋面抬升的作用,会将污染物抬升到边界层直至自由对流层,随着冷锋对长江三角洲地区的影响加剧,强的西北气流会将华北地区的污染物输送至长江三角洲地区,使其污染物浓度快速增加,冷锋过境后,长江三角洲地区受高压控制,受辐散气流的影响,长江三角洲地区污染物向外扩散,污染物浓度降低,随后大气层结趋于稳定,在下一次冷锋活动前,污染物又逐渐积累[20].因此,分析不同冷锋过程中造成的污染物积累、输送的特征十分必要.

前人在冷锋对污染物的扩散和区域输送等方面的影响已有大量研究,每次冷锋过程都会有差异,冷锋会不断地移动、变化.在其演变过程中,冷锋造成的气象要素和环流场的差异对不同地区空气污染的影响是否都一样需进行更细致的探讨.2019年12月10～11日我国东部地区出现了一次影响时间短、影响范围大的雾霾天气,整个过程以PM2.5污染为主,最低能见度在2km左右.本文主要从天气学角度,结合HYSPLIT后向轨迹、WRF-Chem中尺度天气-空气质量模式和空气污染输送指数,分析了10日08:00时～11日08:00(文中的时间均为北京时)这一时间段中污染物的生消演变和传输特征,以期深入阐明输入型霾天气的形成过程,并为该类型霾天气的预报提供参考依据,进而提高分析预报的能力.

1 资料和方法

1.1 资料

本文资料时段为2019年12月10～11日,其中PM2.5监测数据来自于中国环境监测总站每日公布的逐小时环境监测数据(http://106.37.208.233: 20035);天气形势图来源于韩国气象局网站(http:// 123.127.175.60:8765/siteui/index),物理量诊断数据来自于Micaps资料、NCEP/NCAR一日4次的1°×1°再分析资料和怀俄明大学的探空数据;后向轨迹模式所用的气象数据为NCEP/NCAR的全球资料同化系统(GADS)气象数据.

1.2 后向轨迹模式

采用美国国家海洋大气研究中心空气质源实验室(NOAA)的HYSPLIT轨迹模式,该模式用于计算和分析大气污染物输送、扩散轨迹,具有处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能,已经被广泛地应用于多种污染物在各个地区的传输和扩散的研究中.为得到此次过程的污染物输送通道,利用后向轨迹模式计算出影响我国中东部的气团轨迹.本文研究中,模拟高度选为500m,模拟时段选为2019年12月10日08:00时北京大兴站、10日14:00时和20:00时山东济南站以及11日08:00时江苏南京站过去48h的气团轨迹.

1.3 模式介绍

本研究采用WRF-ChemV3.9.1.1模式计算制定区域边界PM2.5的传输通量,该模式是由美国大气研究中心(NCAR)、美国太平洋西北国家实验室(PNNL)、美国国家海洋及大气管理局(NOAA)共同开发完成的中尺度大气动力-化学耦合模式,此模式除了可设置计算各种动力参数和微物理变量之外,在化学部分包括了完整的传输(平流、对流和扩散)、干/湿沉降、化学过程,模式的最大优点是气象模块和化学传输模块在时间和空间分辨率上可以完全耦合.

模拟区域包含99´99个网格,水平分辨率为27km,覆盖整个东亚地区和周边海域.模式层顶设在50hPa处,自地表到模式层顶共分为38个不等距层,其中2km以下高度包含12 层,可用于精细描述边界层内大气物理化学特征以及描述边界层结构.模式的模拟时间为2019年12月1日00:00时～12月15日00:00时,时间积分步长为120s,模式结果为逐小时平均量的输出.模式气溶胶方案选用MOSAIC[21]机制中的8档方案,在该方案中气溶胶粒径从0.039～10mm共划分为8个粒径段进行计算,其余参数化方案如表1所示.为了进一步消除初始条件的影响[22],将模拟前9d设置为spin-up的时间.模式其余参数化方案与文献[23]设置一致.

使用NCEP发布的FNL资料为模式气象场提供初始和边界条件,以及使用全球化学模式(WACCM)输出结果为模式化学场提供初始和边界条件.在人为源方面,使用清华大学提供的MEIC清单(http://www.meicmodel.org/)和MIX源清单[24], MEIC清单和MIX清单基准年分别为2016年和2012年.在生物源方面,选用MEGAN计算得到的生物质排放数据[25].

1.4 空气污染输送指数构建

针对外来输送型污染的特点,结合轨迹模式输出结果和12～48h前PM2.5的观测数据对污染物的输送强度进行定量化计算建立污染输送指数[26].用HYSPLIT模式进行后向气团模拟,将东亚地区的水平空间网格化,即把0º～60ºN,70º～140ºE区域分成0.1°´0.1°的水平网格,依次统计每条后向轨迹在网格内出现的概率,得到每条轨迹的输送概率场.将每条轨迹的输送概率场与PM2.5观测浓度由公式(1)计算得到该条轨迹的输送强度,将该轨迹的所有输送强度相加得到它对污染物的输送强度值.为了使输送指数起到预报的作用,本文将后向12～48h的输送强度累加得到输送指数.

2 结果与讨论

2.1 天气形势与空气污染过程

从高空形势来看,本次空气污染过程中,500hPa上欧亚中高纬度地区为稳定的“一槽一脊”经向型分布,高压脊位于西西伯利亚东部到巴尔喀什湖地区,低压槽位于贝加尔湖东侧至长江中下游地区,10日08:00时,华北地区中东部、黄淮大部、江淮地区大部受低压槽前西南气流控制,随着低压槽东移,到11日08:00时上述地区逐渐由槽前转到槽后脊前,槽后脊前的西北气流引导的冷空气逐渐南下影响我国中东部地区.

地面形势场上,10日05:00时,华北、黄淮、江淮地区主要受中心位于华北西部的低压系统控制,冷锋位于北京西部至山西中南部一带,北京大兴站位于低压前部,受偏南气流控制,有利于污染物和水汽向京津冀地区输送和聚集.10日08:00时(图1),冷锋抵达北京至华北南部一带,污染物浓度大值区位于华北中南部和黄淮地区,锋面即将抵达大兴站,该站维持较高污染物浓度.

图1 2019年12月10～11日地面等压线(hPa)与PM2.5浓度(μg/m3)叠加图

图中黑色方点从北至南依次为大兴、济南和南京3个测站;红色线条表示该站点48h后向轨迹

随着冷锋东移南压,10日11:00时,冷锋位于华北南部,大兴站已处于锋后,在锋后冷空气的清除作用下,污染物浓度明显降低;10日14:00时(图1),冷锋移至渤海湾至山东西北部地区,污染物浓度大值区主要集中在黄淮中北部,济南站位于冷锋附近,冷空气将华北地区的污染物向黄淮地区输送,济南地区的污染物浓度有所增加.

10日20:00时(图1),随着冷锋南移至山东南部、江苏西北部地区,污染物浓度大值区主要位于黄淮到江淮北部一带.济南位于冷锋后部、高压的底前部,在高压底前部东北气流的影响下,将华北地区的污染物以偏东风的回流形式输送到济南地区,因此在冷锋移过济南站后的一段时间之内,济南站仍维持较高的污染物浓度.在冷锋的作用下,从华北、黄淮地区输送过来的污染物从低压底部偏西方向向江苏地区输送并堆积,江苏地区的污染物浓度自北向南逐渐增加;11日08:00时(图1),冷锋位于辽宁东南部至江苏中南部一带,在锋后偏北风的作用下,将北方地区污染物向南输送,江苏中南部地区的污染物浓度明显增加,由于江苏地区气压梯度小、风速小,则有利于北方地区的污染物在江苏南部沿江地区堆积,在PM2.5实况图上可以看到在江苏沿江地区有一明显的重污染带,此时华北、黄淮地区的污染物浓度已降低.

11日11:00～14:00时,随着冷锋南压至江南北部,江苏位于高压前部,弱冷空气源源不断扩散南下,将上游地区的污染物向南输送,使得江苏南部地区PM2.5浓度一直维持较高水平;11日20:00时,冷锋继续南压至江南南部,江苏南部、江南北部位于冷锋后部,风速略有增大,使得污染物由江苏地区移出,此时江苏地区的PM2.5浓度虽较其他地区高,但较前几个时次明显下降.由上述分析可知,PM2.5浓度的变化呈现出明显的自北向南逐步发展的过程,与冷锋的活动密切相关,污染物移动较快.

2.2 由北至南3站气象要素和PM2.5演变

图2 2019年12月9日17:00～11日23:00期间3个站点地面气温(℃)、PM2.5浓度(μg/m3)、能见度(km)、风矢量(m/s)随时间的变化

a.大兴; b.济南; c.南京

根据前面的分析可以看出,此次污染物明显是伴随着冷锋的东移南下,依次输送至华北、黄淮至长江中下游地区,本节从以上3个关键区中自北向南挑选3个代表站,深入分析冷锋对它们的影响.从图2a中可以看出,10日02:00～08:00时,大兴的PM2.5浓度维持在150µg/m3以上,地面一直以弱南风为主,有利于污染物在华北中南部堆积,污染物浓度在08:00时前后达到最大,超过200µg/m3,相应的能见度在10日08:00时前后达到最低,在2km左右;08:00时之后,随着大兴站位于锋后,西北风明显加大,有利于污染物向东南方向输出,污染物浓度迅速降低至50µg/m3以下,且之后一直维持较低的浓度,能见度迅速增大,说明冷空气对污染物起到了清除的作用.

从图2b中可以看出,10日02:00～08:00时,济南地区为偏南风,偏南风将济南地区的污染物向华北地区输送,污染物浓度呈下降趋势.11:00时左右,随着冷锋的靠近,逐渐转成西北风,华北地区的污染物输送至济南,济南站的污染物浓度明显增加.10日14:00～17:00时,济南受冷锋后的高压底部偏东气流控制,污染物浓度达到最大,超过200µg/m3,能见度达最低.由于弱的偏东风回流持续输送作用(图1),使得济南地区的污染物并没有在10日下午冷锋过境后立即被显著清除,而是保持在50～100µg/m3之间.

从图2c中可以看出,从10日02:00～20:00时,南京地区以偏南风为主,污染物浓度一直维持在75µg/m3左右.10日夜间,南京由偏南风转成偏西风,且风速微弱,污染物浓度开始逐渐增加,11日05:00时达到150µg/m3,11日08:00时,随着冷锋的靠近,南京逐渐由偏西风转成偏北风且弱风状态维持,有利于污染物从北方地区直接输送过来并堆积,能见度也随之达到最低,为2km左右.11日08:00时之后,南京位于锋后,偏北风略有增大,污染物浓度降至50µg/m3左右,能见度开始好转.

综合以上分析可以看出,随着冷锋的影响,3个站点分别表现出不同的污染物浓度变化特征,且与冷锋移动造成的风向风速的变化密切相关.

2.3 冷锋影响下边界层结构演变特征

冷锋对某一地区的影响一般分为3个阶段:冷锋过境前、冷锋过境时和冷锋过境后.假相当位温(se)是一个可以综合表征大气温度和湿度的物理量,能反映锋区的位置和移动的情况,某一地区位于冷锋不同的影响阶段,其附近的气象要素场特征亦有区别.

由图3a可知,10日00:08时se密集带位于35°～ 40°N,密集带随高度向北方倾斜,40°N以北的低纬度地区为se低值区,为干冷空气占据,结合前面天气形势的分析可以判断出此时大兴站位于冷锋附近.从大兴站10日08:00时的边界层垂直结构图中可以看出,此时冷空气对大兴站影响不大,逆温层的存在,有利于大气污染的维持.08:00时过后,冷空气对大兴的影响增大,偏北风加大,打破了大兴站的逆温结构,霾天气结束.

将10日14:00时的se和风场沿117°E做垂直剖面(图3b),从图中可以看出,se密集带略有南压,位于34°～37°N附近,济南在锋面附近.从济南站冷锋过境前和过境后的边界层垂直结构来看,10日08:00时冷锋过境前,济南站整层较干,逆温层厚度达500m左右,温差只有1℃,10日20:00时冷锋过境后,高压底前部的偏东风会将北方的污染物和海上的暖湿水汽输送至济南地区,使济南地区的水汽条件略转好,近地面的逆温层结构更加明显,逆温层厚度降低至100m左右,温差增大到3℃,因此济南地区的霾天气在冷锋过境后仍维持.

由图3c可知,se密集带明显南移,位于31°～ 35°N ,锋面位于南京站附近.结合南京站的边界层垂直结构,可以看出,10日20:00时位于冷锋前时,南京地区边界层有逆温存在;11日08:00时位于冷锋附近时,近地面层100m以下的逆温层也逐渐减弱变成等温层,由于逆温层维持时间短,不利于污染物的堆积,因此南京地区的霾天气很快趋于结束.

在冷锋影响的不同阶段,江苏地区的污染物水平平流输送、垂直平流输送和湍流扩散输送条件均发生了改变.冷锋影响初期,在近地面～100m高度,以水平平流的输入为主,在100～200m的高度上以湍流扩散输送为主,在500～1000m范围内以垂直平流输送为主.从整个过程来看,垂直平流输送不明显,从地面至100m高度范围内,污染物以湍流扩散输出为主,在距离地面100～500m范围内,湍流输入较明显,但小于水平平流输出.

a.10日08时沿116.5°E; b.10日14时沿117°E; c. 11日08时沿119°E. 阴影区代表地形

2.4 各阶段污染物来源分析

NOAA研发的HYSPLIT模式可以多角度全方位模拟污染气团的后向轨迹,从而判断污染物的可能来源和路径.本文选取2019年12月10日08:00时至11日08:00时为主要研究时段,利用HYSPLIT分别对位于冷锋不同部位的大兴站、济南站和南京站500m上48h传输气团的路径进行分析.结合气团轨迹和地面天气图来看,10日08:00时大兴站位于锋面附近,污染物先在锋后西北气流的作用下向东南方向移动、移至锋面附近后在锋前偏南气流的作用下折向大兴;10日14:00时,济南位于冷锋附近,污染物从西北方向输送过来,当济南位于冷锋后、高压底部前时,济南转成高压底前部的东北风,污染物在东北风的作用下输送至济南境内;11日08:00时,冷锋位于南京站附近,冷锋后部的冷空气将华北地区和黄淮地区的污染物直接向南京输送.

计算大兴、济南和南京的空气污染输送指数和PM2.5小时浓度演变(图4),从大兴站和济南站的输送指数可以看出,输送指数未能较好地体现出两站污染物浓度的真实情况,但是演变的趋势表现出来了,而对南京站而言,从12月10日白天开始,输送指数逐步增大,随之而来,在10日夜间PM2.5浓度值迅速增加,在12月11日上午PM2.5浓度值达到最大,与图1d和图3c的结论较为一致,说明这是一次典型的与冷锋有关的输送型污染.由于此输送指数主要是针对长江中下游地区的上游有污染区存在时才更有效,因此,此输送指数在长江中下游地区的使用效果更好.

风场是决定大气污染物输送的重要因素,风向决定了空气污染物的输送方向,风速决定了污染物的稀释和清除的强度.通过前面的分析可知,污染物传输指数在长江中下游地区使用的效果优于其他地区,为进一步验证污染物的传输情况,使用WRF-Chem模式模拟了0～3000m各层高度上江苏省东西南北4个边界PM2.5的传输通量,每个方向的传输通量为PM2.5浓度与风速、边界截面积的乘积,用来表征每个方向污染物输送量的大小,结果发现0～700m高度上的特征一致,700～1300m的特征一致,1300～3000m的特征一致,因此分别给出这3个区域高度的传输通量图(图5).从图中可以看出,PM2.5传输通量比较大的区域集中在0～700m高度上,且以北方和西方的输入为主,10日20:00时之前,江苏位于低压的底部,因此污染物沿着低压底部偏西气流向江苏地区输送,随着10日20:00时前后冷锋开始进入江苏北部,北风分量逐渐加大,北方输送由负转正并逐渐增大,随着冷锋移过江苏,北方的输入逐渐小于输出,因此北方输送通量开始减小.对应的高空锋区落后于地面锋面,因此700～1300m高度上偏北方向的污染物输送在11日下午达到最大.整个过程中700～3000m上的污染物传输较少.由此可见,本次过程江苏省的PM2.5主要输送口为700m高度以下的北边界,随着冷锋的移动,冷锋后部的冷空气将北方的PM2.5输送至江苏地区,在偏西风和偏北风的共同作用下,江苏地区的PM2.5浓度自北向南逐渐增加.综上所述,10日夜间正是冷空气开始影响江苏的时刻,随着冷锋的移动,冷锋后部的冷空气将北方的污染物输送至江苏地区,江苏地区的污染物浓度自北向南逐渐增加.

图5 不同高度上江苏省4个边界的PM2.5传输通量(kg/s)

a.0～700m ;b.700～1300m; c. 1300～3000m.江苏南北边界取20个格距,东西边界取19个格距,格距为27000m

此外,进一步采用关闭污染源的模拟方法,计算出此次过程10日00:00～11日14:00时影响江苏省的污染物来源,得出江苏本地污染物占25.8%,江苏以外的污染物贡献占74.2%,与前面分析的此次污染过程以外部输送为主的结论一致.

本文的初衷是剖析研究冷锋输送过程对中国东部霾天气的影响,但由于目前污染物输送指数和模式模拟的污染物浓度演变在华北和黄淮地区的模拟效果不如江苏地区,因此以江苏地区的定量分析为主.

本研究揭示了初冬冷锋南下过程中,上游污染物对下游地区的影响,以及南北方站点表现出不同的污染物变化和清除特征.但本研究未考虑降水对污染物的清除,也未对比分析不同强度的冷锋对南北方站点影响的差异,这些还有待进一步研究.

3 结论

3.1 本次过程期间,500hPa以经向型环流为主,在高空低压槽东移的过程中,引导冷空气东移南下,自北向南依次影响华北、黄淮和江淮地区.

3.2 冷锋导致的3站污染物浓度差异:冷锋入侵北京大兴站前,大兴站的污染物浓度增加,当锋面在大兴站附近时,污染物浓度达到峰值,冷锋过境后,风向立即转成西北风且风速明显加大,污染物浓度迅速降低,冷空气对污染物起到清除的作用;冷锋影响济南站时,虽然已转成了偏北风,但风速略小,使得污染物从华北地区向济南地区输送并堆积,污染物浓度升高,随着济南站转到冷锋后部、高压的底前部,在东北风的作用下继续将华北地区污染物以回流的形式向济南输送,因此,冷锋过境后济南站的污染物浓度降低较慢,并未完全清除;冷锋抵达南京站之前,南京站的污染物浓度持续增加,冷锋过境后,南京站转成弱的西北风,持续有污染物输入,由于西北风速度不大,无法完全清除污染物.

3.3 冷锋过境前后3站边界层特征的差异:冷锋过境前,大兴有明显的逆温层存在,冷锋过境后,锋后冷空气将逆温层完全打破;对济南站而言,冷锋过境前,近地面为等温层,冷锋过境后,在偏东气流输送的海上暖湿气流作用下,逆温增强;而南京站在冷锋过境前为逆温层,在冷锋过境后,受弱冷空气影响变为等温层.

3.4 此次过程是一次冷锋输送型霾天气过程.大兴站和济南站的后向轨迹表明:大兴的污染物以偏南方向的输送为主;济南冷锋过境前是以西北方向的污染物输送为主,冷锋过境后以东北方向的回流输送为主.南京站的后向轨迹、空气污染输送指数和江苏省的传输通量均表明:南京冷锋过境前偏西和偏北方向的污染物输送比较明显,且随着冷锋的靠近输送增强,冷锋过境后主要是西北方向的输送,整个过程中,江苏本地污染物贡献占25.8%,江苏以外的污染物贡献占74.2%.

[1] 王继康,花 丛,桂海林,等.2016年1月我国中东部一次大气污染物传输过程分析 [J]. 气象, 2017,43(7):804－812. Wang J K, Hua C, Gui H L, et al. Transport of PM2.5of the haze pollution episode over Mid-Eastern China in January 2016 [J]. Meteorological Monthly, 2017,43(7):804-812.

[2] 郑保利,梁流涛,李明明,等.1998～2016年中国地级以上城市PM2.5污染时空格局[J]. 中国环境科学, 2019,39(5):1909-1918. Zheng B L, Liang L T, Li M M, et al. Analysis of temporal and spatial patterns of PM2.5in Prefecture-Level Cities of China from 1998 to 2016 [J]. China Environmental Science, 2019,39(5):1909-1918.

[3] Salvador P, Artíano B, Alonso D G, et al.Identification and characterization of sources of PM10in Madrid (Spain) by statistical methods [J]. Atmospheric Environment, 2004,38(3):435-447.

[4] 黄鹂鸣,王格慧,王 荟,等.南京市空气中颗粒物PM10、PM2. 5污染水平 [J]. 中国环境科学, 2002,22(4):334-337. Huang L M, Wang G H, Wang H, et al. Pollution level of the airborne particulate matter (PM10, PM2.5) in Nanjing City [J]. China Environmental Science, 2002,22(4):334-337.

[5] Akimoto H. Global air quality and pollution [J]. Science, 2003, 302(5651):1716-1719.

[6] 徐样德.北京及周边地区大气污染机理及调控原理研究 [J]. 中国基础科学, 2002,4:19-22. Xu X D. Air pollution mechanism and its regulation-controlling principles in Beijing and its ambient areas [J]. China Basic Science, 2002,4:19-22.

[7] 任阵海,万本太,苏福庆,等.当前我国大气环境质量的几个特征 [J]. 环境科学研究, 2004,17(1):1-6. Ren Z H, Wan B T, Su F Q, et al. Several characteristics of atmospheric environmental quality in China at present [J]. Research of Environmental Sciences, 2004,17(1):1-6.

[8] 徐祥德.城市化环境大气污染模型动力学问题 [J]. 应用气象学报, 2002,13(1):1-12. Xu X D. Dynamic issues of urban atmospheric pollution models [J]. Journal of Applied Meteorological Science, 2002,13(1):1-12.

[9] 张恒德,吕梦瑶,张碧辉,等.2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析[J]. 环境科学学报, 2016,36(12): 4340-4351. Zhang H D, Lü M Y, Zhang B H, et al. Analysis of the stagnant meteorological situation and the transmission condition of continuous heavy pollution course from February 20 to 26, 2014 in Beijing- Tianjin-Hebei [J]. Acta Scientiae Circumstantiae, 2016,36(12):4340- 4351.

[10] 孙 峰,张大伟,孙瑞雯,等.北京地区冬季典型PM2.5重污染案例分析[J]. 中国环境监测, 2014,30(6):1-12. Sun F, Zhang D W, Sun R W, et al. Typical heavy pollution episode analysis on PM2.5in Winter of Beijing [J]. Environmental Monitoring in China, 2014,30(6):1-12.

[11] 贺 瑶,朱 彬,李 峰,等.长江三角洲地区PM2.5两种污染来源对比分析[J]. 中国环境科学, 2017,37(4):1213-1222. He Y, Zhu B, Li F, et al. Modeling study on the comparison of the impacts of two kinds of pollution source in a haze episode occurred over the Yangtze River Delta during late January, 2015 [J]. China Environmental Science, 2017,37(4):1213-1222.

[12] 高 健,王 韬,柴发合,等.长江三角洲大气颗粒物生成-成长过程的研究不同气团影响下的过程特征[J]. 中国环境科学, 2010,30(7): 931-940. Gao J, Wang T, Chai F H, et al. Observational study on particle nucleation process in the Yangtze River Delta, China: The growth property in different air masses [J]. China Environmental Science, 2010,30(7):931-940.

[13] 蒋永成,赵天良,王 宏,等.福州市PM2.5污染过程中大气边界层和区域传输研究[J]. 中国环境科学, 2015,35(2):347-355. Jiang Y C, Zhao T L, Wang H, et al. Analysis on atmospheric boundary layer and regional transport during PM2.5Pollution episodes in Fuzhou [J]. China Environmental Science, 2015,35(2):347-355.

[14] Zhang Q, Li H Y.A study of the relationship between air pollutants and inversion in the ABL over the city of Lanzhou [J]. Advances in Atmospheric Sciences, 2011,28(4):879-886.

[15] 张秀宝,高伟生,应龙根.大气环境污染概论[M]. 北京:中国环境科学出版社, 1989:107-112. Zhang X B, Gao W S, Ying L G. Introduction to atmospheric environmental pollution [M]. Beijing: China Environmental Science Press, 1989:107-112.

[16] 冯鑫媛,王式功.冷锋天气过程大气边界层特征与颗粒物污染[J]. 干旱区研究区, 2014,31(4):585-590. Feng X Y, Wang S G. Characteristics of atmospheric boundary layer and PM10pollution in a cold weather process [J]. Arid Zone Research, 2014,31(4):585-590.

[17] 俞 布,朱 彬,窦晶晶,等.杭州地区污染天气型及冷锋输送清除特征[J]. 中国环境科学, 2017,37(2):452-459. Yu B, Zhu B, Dou J J, et al. Classification of air pollution synoptic patterns and air pollutants transport/purification effect by cold front over Hangzhou [J]. China Environmental Science, 2017,37(2): 452-459.

[18] 程念亮,孟 凡,徐 峻,等.中国东部春季一次强冷锋活动空气污染输送过程分析 [J]. 环境科学研究, 2013,26(1):34-42. Cheng N L, Meng F, Xu J, et al. Process analysis about the impact of a strong cold front on air pollution transportation in eastern China in spring [J]. Research of Environmental Sciences, 2013,26(1):34-42.

[19] Huang X, Ding A J, Wang Z L, et al. Amplified transboundary transport of haze by aerosol-boundary layer interaction in China [J]. Nature Geosciences, 2020,13(6):428-434.

[20] Kang H Q, Zhu B, Gao J H. Potential impacts of cold frontal passage on air quality over the Yangtze River Delta, China [J]. Atmospheric Chemistry and Physics, 2019,19(6):3673-3685.

[21] Zaveri R A, Easter R C, Fast J D, et al. Model for simulating aerosol interactions and chemistry (MOSAIC) [J]. Journal of Geophysical Research, 2008,113,D13204,doi:10.1029/ 2007JD008782.

[22] Napelenok S L, Cohan D S, Odman M T, et al. Extension and evaluation of sensitivity analysis capabilities in a photochemical model [J]. Environmental Modeling and Software, 2008,23(8):994– 999.

[23] Gao J H, Zhu B, Xiao H, et al. Effects of black carbon and boundary layer interaction on surface ozone in Nanjing, China [J]. Atmospheric Chemistry and Physics, 2018,18(10):7081-7094.

[24] Li M, Zhang Q, Kurokawa J I, et al. MIX: a mosaic Asian anthropogenic emission inventory under the international collaboration framework of the MICS-Asia and HTAP [J]. Atmospheric Chemistry and Physics, 2017,17(2):935-963.

[25] Guenther A, Karl T, Harley P, et al. Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Natrue) [J]. Atmospheric Chemistry and Physics, 2006,6:3181–3210.

[26] Liu X H, Zhu B, Kang H Q, et al. Stable and transport indices applied to winter air pollution over the Yangtze River Delta, China [J]. Environmental Pollution, 2021,272:115954.

Impact of a cold front transport process on haze weather in eastern China in early winter.

WANG Li-juan1, LIU Xiao-hui1, LU Wen1, ZHANG Chen2, Tang Wei-ya1, ZHU Bin1*

(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Key Laboratory of Meteorological Disaster, Ministry of Education, Outfield of National Comprehensive Meteorological Observation Special Experiment, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.Inner MongoliaTongliao Meteorological Service,Tongliao 028000, China)., 2021,41(5)：2004～2013

Regular surface observation meteorological data, NCEP/NCAR reanalysis data, and national PM2.5concentration data, combined with backward trajectory, air pollution transport index, and transport flux analysis, were used to analyze a cold-front induced large-scale haze weather process during December 10 and 11, 2019 in central and eastern China. The results showed that: (1) During the haze period, 500hPa was dominated by the meridional circulation, and accompanied with the upper-air low-pressure trough leading the ground cold front to move to the southeast. The heavy polluted area also moved from North China to Huang-huai and Jiang-huai. (2) Before the cold front passage, PM2.5concentration in the region from North China to Yangtze River Delta increased significantly. Beijing was dominated by pollutants imported from the south, Jinan was mainly affected by pollutants from the northwest and east, and PM2.5in Nanjing was mainly influenced by pollutants from north and west. (3) When the cold front passed through, the cold air quickly removed pollutants over Beijing Station, while the Jinan station was affected by the backflow of easterly wind at the bottom of the high pressure, and the PM2.5concentration was maintained at about 50µg/m3. When the cold front intruded into the Nanjing station, weakened northwest flow had little effect on the removal of pollutants. Taking Jiangsu province as an example. In the whole cold front process, the contribution of local pollutants accounted for 25.8%, and the contribution of pollutants outside Jiangsu accounted for 74.2%, which were mainly transported from North China. (4) After the passage of the cold front, the boundary layer structures over the three stations were slightly different from each other. The inversion layer over the Beijing station was quickly dissipated, the lower boundary layer over the Jinan station changed from the isothermal layer to the inversion layer due to the influence of warm and wet advection from the sea, and the near-surface boundary layer over the Nanjing station changed from the inversion layer to the isothermal layer. This study revealed the impact of upstream pollutants on downstream area during the southward movement of the cold front, as well as the different evolution and removal characteristics of PM2.5at the stations in the north and south China.

cold front；haze；air pollution transport index；PM2.5

X513

A

1000-6923(2021)05-2004-10

王丽娟(1983-),女,江苏如皋人,实验师,硕士,主要从事短期天气预报研究.发表论文1篇.

2020-09-28

国家重点研发计划(2016YFA0602003);国家自然科学基金资助项目(91544229)

* 责任作者, 教授, binzhu@nuist.edu.cn