基于多源资料天津一次雾-霾过程的边界层特征

孟丽红,刘海玲,王 炜,蔡子颖,刘丽丽,曲 平,郝 囝

基于多源资料天津一次雾-霾过程的边界层特征

孟丽红1,2*,刘海玲1,2,王 炜1,2,蔡子颖3,刘丽丽1,2,曲 平1,2,郝 囝1,2

(1.天津市海洋气象重点实验室,天津 300074；2.天津市气象科学研究所,天津 300074；3.天津市环境气象中心,天津 300074)

为探究雾-霾过程的边界层特征,选取天津市2019年12月7～10日一次严重的雾-霾典型过程,采用常规自动气象站资料、环境小时浓度资料、以及微波辐射计、风廓线雷达、气溶胶激光雷达等多种观测资料及WRF-Chem源追踪方法对此次污染过程进行综合分析. 结果表明,此次雾-霾过程可明显分为雾生成、雾与霾交替、霾、霾消散等4个阶段;雾-霾天气与大气温度层结密切相关,伴随着逆温生成,相对湿度和液态水含量最大增长速率分别达13.44%/h和0.013g/(m3·h),呈爆发性增长,相对湿度快速增至92%,微波辐射资料可较好预报雾的生成;雾与霾交替出现阶段雾天气改变了边界层结构,雾层内大气呈中性状态,相对有利于污染物在雾区内扩散,PM2.5高浓度主要出现在边界层400m以下,雾顶持续逆温抑制了污染物向上层大气扩散,造成雾区内污染物浓度加重,地面PM2.5质量浓度为135～223μg/m3,维持中度-重度污染;雾-霾天气与垂直风场有较好的对应关系,雾与霾交替出现阶段存在低风速和较大风速(西南风带来充沛水汽)两种有利于雾维持的情况,雾顶逆温层以上风速为6～12m/s,雾层内为1～2m/s,雾的存在不利于近地面空气质量的改善;此次雾-霾过程天津本地源排放贡献为36.1%,区域输送贡献为63.9%,整个过程表现出明显的区域输送特征.

雾-霾；多源资料；边界层；热动力特征；PM2.5

针对雾-霾天气过程研究发现[1-7],静稳的天气形势、较强的本地污染源强度、特殊地形条件以及外来污染物的区域输送都是造成京津冀地区雾-霾天气的重要成因.在污染源无明显变化时,天气形势和气象条件对雾-霾的演变发挥着不可忽视的作用[8-9].边界层是地气相互作用和大气污染的主要发生地,对大气污染物的积累、扩散影响显著[10-11],雾-霾天气常伴随着逆温、低混合层厚度等边界层特征[12-15],长时间逆温、近地层持续小风等导致大气扩散条件差的气象因素是雾-霾天气持续的重要原因之一[16-18].雾-霾天气边界层探空常用手段包括GPS探空和L波段探空雷达[19-20],可探测高度10km以上,依托各气象台站的L波段探空雷达测得的气象要素垂直分布数据进行逆温特征分析,可预报雾和霾的生成,但其观测的时间分辨率受1天2次的限制.系留气艇探空是一种常用的外场探空观测手段[21],在边界层和大气环境观测中可根据实际需求设计方案,但考虑到载气和人工成本,观测费用较高.依托天津255m气象塔观测资料可了解近地层250m以下雾和霾的温度湿度结构特征[22-24],但存在探测高度受限的问题.近年来随着地基遥感设备的发展,微波辐射计可用于揭示持续性雾-霾中辐射雾向平流雾的转化过程[25],风廓线雷达数据可用于分析近地层流场对污染物的平流输送作用[26],目前微波辐射计、风廓线雷达、气溶胶激光雷达等多源资料观测已在天津气象部门业务化运行,利用这些遥感资料研究雾-霾生成、维持和消散有助于提升雾-霾天气的预报预警水平,而天津地区针对典型雾-霾天气过程利用多源资料研究边界层精细特征也较为鲜见.

本研究以2019年12月7～10日一次雾-霾天气过程为例,基于微波辐射计、风廓线雷达和气溶胶激光雷达等多源资料,及WRF-Chem源追踪模式,对该过程中气象因素以及垂直方向温度、相对湿度、风向、风速和PM2.5等进行分析,探索天津雾-霾生成、维持、消散的机理,以期可更好利用多源资料预报预警雾-霾的发生.

1 材料与方法

1.1 数据来源

采用的数据主要包括:常规气象数据;微波辐射数据;风廓线雷达数据;气溶胶激光雷达数据;环境地面的逐小时数据.以上数据均经过数据质量控制和检验,数据来源和详细描述详见表1.

表1 气象和环境数据描述

1.2 雾、雾顶高度和逆温判断方法

雾判断方法:参考GB/T 36542-2018《霾的观测识别》[27]以及文献[23,28],本研究定义能见度<1.0km,相对湿度大于90%的无降水天气现象为雾;雾顶高度判断方法[23]:观测高度内RH³90%的最高层.

逆温计算方法基于微波辐射计资料,逆温的判断方法如下:

式中:H和H1为不同的海拔高度,m,且H<H1,T为H高度下的气温,℃,T1为H1高度下的气温,若T>T1,则记作逆温,当一次逆温事件中H=0m,则记作贴地逆温,H>0m,则记作近地层逆温或脱地逆温.

1.3 模式介绍及检验

WRF-Chem模式是美国国家环境预测中心/国家大气研究中心(NCAR)和美国国家海洋大气局 (NOAA)联合开发的中尺度在线大气化学模式,模式考虑大气污染的化学过程、平流输送、湍流扩散、干湿沉降过程,在全球空气质量预报和模拟中有广泛的运用.为能够使用该模式更好地分析污染成因,在WRF-Chem3.4版本中引入标记法源追踪技术,模式的人为排放源清单使用清华大学MEIC 2016,分辨率为0.25°×0.25°,化学过程采用MOZART-4,长波辐射方案和短波辐射方案均采用RRTMG,边界层方案使用YSU方案,模式采用两层嵌套,水平分辨率分别为27km和9km,水平网格分别为91×91和109× 109,中心经纬度为38.6°N、116.2°E,垂直方向分为27层.气象初始场和背景场均使用NECP的FNL全球1°×1°数据.

开发过程中将一次源PM2.5标记方法整合到模型中,标记方法中的示踪剂考虑了物理过程(如平流、垂直混合、对流)影响,该方法中根据天津市地形特征及周边环境,模拟区域被分成31个源区域(包括天津各区、北京和河北地区的11个城市,以及山东、山西、河南、辽宁等省份).将每个源区域识别的PM2.5作为独立变量进行跟踪.对于任意时间,通过识别的一次污染物(PM2.5)计算公式:

式中:是无量纲的识别符;C()为在时刻识别下的PM2.5浓度,µg/m3;∆是时间步长,s;C(+∆)为+∆时刻识别下的(PM2.5),µg/m3;∆C是识别下初始PM2.5浓度的变化量,µg/m3;∆Chem为识别下由化学反应引起的质量浓度变化,µg/m3.在气溶胶化学中,一次污染物PM2.5不参与化学计算,因此, ∆Chem为0; ∆Phy为识别下物理过程的总和(包括平流、垂直混合、干湿沉降和对流),每个跟踪变量都像正常模拟那样进行物理过程的所有相关计算,但不会干扰正常模型计算,因此将直接获得物理过程引起的质量浓度变化,µg/m3; ∆Emis为识别下区域内的总排放量,µg/m3.与传统的灵敏度分析相比,该一次污染物PM2.5标记模型可以更准确地测量所有相关区域的PM2.5浓度,同时减少计算误差.

对WRF-Chem模式进行检验,2019年全年天津市PM2.5质量浓度模拟值为53µg/m3,观测值为51µg/m3,相关系数为0.76,相对误差为35%.对比2019年12月7～10日此次雾-霾过程天津市区PM2.5质量浓度的实况值和模拟值(图1),模拟值高于实况值,模拟变化趋势与实况变化基本一致,因此, WRF- Chem模式模拟结果能够基本反映此次过程期间天津市PM2.5质量浓度变化特征.

图1 天津市区2019年12月7～10日PM2.5实况值和模拟值

2 结果与分析

2.1 大气环流背景和天气形势分析

受不利气象条件影响,2019年12月7～10日天津、北京、河北、山东、河南和辽宁多个省份出现重污染天气,期间雾与霾交替出现,能见度较低,持续时长达50多个小时,为2019年入冬以来北方地区较为严重的一次大范围的雾-霾天气.12月7～10日天津地区先后发布了大雾橙色、霾黄色和重污染橙色等预警.

京津冀地区12月7～10日500hPa高空形势场均为槽,高空槽前一般吹西南风[29],这种风能把孟加拉湾和印度洋上空的暖湿空气输送到中国中纬度地区,为形成云、雨、雾、降水等创造条件.12月7～10日天津市海平面气压由弱高压转为弱低压控制,气压由1032hPa逐渐减弱至1016hPa,向不利于污染物的垂直扩散方向转变.此次雾-霾过程起雾于锋面来临之前的500hPa高空南风暖湿气流及近地面冷空气的入侵使地面气温下降作用,低层的偏北下沉气流与高空的偏南暖湿气流配合,形成锋面逆温层.

此次雾-霾过程先后经历4个阶段(图2):雾生成阶段S1:12月7日07:00～15:00,期间能见度由5.5km降低至0.1km,相对湿度由37%增至92%,天津很快处于大范围的雾区内,雾生成.雾与霾交替出现阶段S2:12月7日15:00～10日00:00,期间雾与霾交替出现,其中7日15:00～8日00:00、9日21:00～10日00:00,相对湿度均³90%,能见度£1km,天津地区出现全市范围的大雾天气;这一阶段的其它时间段为霾,相对湿度为65%～99%,能见度为1～2.13km,近地面风场以西南风为主,PM2.5质量浓度在135～223μg/m3之间,维持中度-重度污染.霾阶段S3:12月10日01:00～ 17:00,10日01:00～08:00受弱冷空气影响,相对湿度由99%降至74%,雾消散,PM2.5质量浓度由186μg/m3下降至122μg/m3,但由于冷空气势力偏弱,污染不能彻底消散,霾仍维持;10日09:00～17:00受较强西北风影响,北京地区空气质量出现改善,受上游输送影响,天津市PM2.5质量浓度达到此次过程峰值266μg/m3.霾消散阶段S4:12月10日18:00～23:00,冷空气继续影响天津,地面气压逐渐升高,20:00时市区霾消散,天津市其他区霾自北向南依次消散,23:00时全市空气质量恢复优良水平,此次雾-霾天气过程结束.

2.2 边界层结构及PM2.5垂直分布分析

边界层结构不仅直接影响污染物的输送、积累和扩散,对雾-霾天气的演变和相互转化也起重要作用[30],持续逆温造成的上暖下冷的温度层结在一定高度上形成的“锅盖”效应不利于污染物的垂直扩散,导致重污染天气的发生[31],也是冬季成雾的背景原因[32],因此基于微波辐射计和风廓线雷达资料分析边界层热动力特征对厘清雾-霾形成机理尤为重要.

基于微波辐射计12月7～10日天津此次雾-霾过程的温度廓线(图3)可知,S1阶段逆温层在12月7日13:00左右建立,贴地逆温及多层逆温发展明显,逆温层厚度最大达到800m,随着逆温生成,相对湿度由12月7日13:00的75%增加至15:00的92%,雾生成;S2阶段雾与霾交替出现,相对湿度较高,逆温层顶高度攀升,边界层内在0～100, 200～600, 700～ 900, 1000～1500m等高度层呈多层逆温,但逆温幅度不大(最大为0.96 ℃/100m),雾层内大气呈中性状态,相对有利于污染物在雾区内扩散, PM2.5浓度在雾区内扩散至400m以下.以RH³90%作为雾的标准,雾顶高度为垂直方向RH³90%的高度[23],12月8日00:00形成最大为1000m雾顶高度的雾,逆温层最大高度为1500m,逆温层高度高于雾顶高度,雾顶的逆温层会使污染物更难向上层大气扩散,造成雾区内污染物浓度加重;S3阶段雾消散后逆温消失,温度递减率由10日03:00的0.49℃/100m增加到14:00的0.85℃/100m(这两个时刻2km以下各高度层上的均值),为不稳定层结,有利于污染物垂直扩散;S4阶段边界层内无逆温,温度递减率平均为0.77℃/100m,为不稳定层结,有利于污染物垂直扩散,在强冷空气影响下霾消散.

结合微波辐射计获得的相对湿度、水汽密度、气温、液态水含量垂直分布(图4)可知,12月7日雾发生前07:00～15:00相对湿度和液态水含量呈爆发性增长,最大增长速率分别可达13.44%/h和0.013g/ (m3·h).雾霾交替阶段水汽密度在该高度上最大值达到4.92g/m3,对应时刻及相应高度上有液态水凝结,液态水含量最大达到0.048g/m3,相对湿度³90%的雾维持过程对应液态水含量³0.012g/m3,垂直高度2km以下存在多层逆温,微波辐射资料的相对湿度和液态水含量可较好预报预警雾的发生.

图3 12月7～10日此次雾-霾过程温度廓线图

Fig.3 Temperature profiles during the fog-haze episode from December 7 to 10

由此次雾-霾过程期间风廓线和垂直PM2.5分布(图5)可知, S1阶段12月7日09:00垂直方向0～300m高度出现PM2.5高浓度层,其中180m高度左右最大达300μg/m3,随后在高空西北风影响下,PM2.5质量浓度下降,地面甚至达到优良水平,13:00后随着高空700m以下风速转为小风, PM2.5质量浓度开始向近地面200m以下压缩.S2阶段12月8日06:00～16:00高空西南风带来充沛水汽,有利于雾的维持,边界层内风速可达6m/s;当空气湿度接近饱和时,雾滴通过水汽凝结或碰并过程增大粒径,加快重力沉降,导致12月8日白天地面PM2.5浓度的降低,但由于雾顶逆温会使污染物更难向上层大气扩散,雾区内污染物浓度加重;雾的存在影响冷空气对近地面PM2.5质量浓度的改善,逆温层顶外的风速远高于逆温层内的风速,以12月8日22:00为例,逆温层外风速为6～12m/s,逆温层内风速为1～2m/s,在此期间地面PM2.5质量浓度维持中度-重度污染.S3阶段,雾消散后逆温消失,垂直方向800m高度以上为6～14m/s的西南风,近地层200m以下仍处于小风状态,相对湿度快速下降,受垂直方向西南风风速加大(风速最大14m/s)影响,PM2.5质量浓度趋于好转,随着高空西北风影响,远距离输送的PM2.5至天津地区明显下沉.S4阶段高空西北风持续加强,风速持续增大,地面风速2.9m/s,500和1000m高度风速分别可达12和40m/s,天气好转,此次雾-霾天气过程结束.

图5 12月7～10日此次雾霾过程的风廓线和垂直PM2.5分布

2.3 区域输送分析

污染物区域输送对天津市重污染天气的形成发展具有重要作用,天津市秋冬季PM2.5来源本地源排放贡献约为56%[7],区域输送贡献约为44%.基于WRF-Chem模式源追踪污染物来源分析结果表明,此次雾-霾天气天津市本地源贡献为36.1%,区域输送源贡献为63.9%,区域输送特征较明显.从图7可知,S1阶段(雾生成前的12月7日07:00～15:00),天津市受弱高压控制,高空西北风逐渐减弱,地面转为西南风,天津市本地源贡献率为36.0%,外来源的输送达64.0%,其中北京市输送贡献率为34.6%,河北省总贡献率为26.1%.S2阶段,随着雾生成,静稳天气下天津本地源排放贡献持续增大,12月7日19:00达到最大为67.8%;12月8日02:00起,随着高空西南风加大,西南风带来充沛水汽的同时也带来区域污染物输送,区域输送影响主要来源于西南方向,包括沧州、廊坊、保定、衡水等市,其中沧州市外来源贡献率最大达到39.6%,廊坊市外来源贡献率最大达到33.2%.S3阶段, 12月10日01:00～08:00在西南风弱冷空气影响下,区域输送影响主要来源于西南方向,其中沧州市外来源贡献率最大达到32.6%,随后09:00～17:00,由于高空西北风影响,北京市外来源的输送贡献率逐渐加大,14:00时达到最大为61.2%.受西北风影响的S4阶段,北京外来源贡献平均为33.2%.此次重污染过程污染物来源主要来自天津市本地、河北省(总贡献)、北京市和河南省,平均贡献率分别占36.1%、38.0%、10.6%和1.6%.

图6 2019年12月7～10日天津地区污染来源模拟结果

此次重污染过程一次颗粒物的外来源贡献率为63.9%,高于天津秋冬季节外来源贡献率44%[7],略低于杨旭等[33]采用WRF-Chem模拟的天津一次重污染过程区域输送贡献率66.6%,说明天津市重污染过程更易受外来源的影响,此次过程主要源于外来源的区域输送.

3 结论

3.1 雾-霾天气与大气温度层结密切相关,S1阶段伴随着逆温生成,相对湿度和液态水含量最大增长速率分别可达13.44%/h和0.013g/(m3·h),呈爆发性增长,相对湿度快速增至92%,雾生成,微波辐射资料可用于预报预警雾的发生;S2阶段雾天气改变了边界层结构特征,雾层内大气呈中性状态,相对有利于污染物在雾区内扩散,PM2.5高浓度主要出现在边界层400m以下,雾顶持续逆温抑制了污染物向上层大气扩散,造成雾区内污染物浓度加重,地面PM2.5质量浓度为135～223μg/m3,维持中度-重度污染.

3.2 雾-霾天气与垂直风场密切相关,S2阶段存在低风速(1～2m/s)和较大风速(6m/s)(西南风带来充沛水汽)两种维持雾的情况;S2阶段雾顶逆温层以上风速为6～12m/s,雾层内为1～2m/s,因而雾的存在影响大气对近地面空气质量的改善.

3.3 此次雾-霾过程天津本地源排放36.1%,区域输送贡献为63.9%,整个过程均表现出明显的区域输送特征.

[1] Zhang Y, Zhu B, GAO J H, et al. The source apportionment of primary PM2.5in an aerosol pollution event over Beijing-Tianjin-Hebei Region using WRF-Chem, China [J]. Aerosol & Air Quality Research, 2017,17(12):2966-2980.

[2] Duan F K, He K B, Ma Y L, et al. Concentration and chemical characteristics of PM2.5in Beijing, China: 2001～2002 [J]. Science of the Total Environment, 2006,355(1/2/3):264-275.

[3] Li L, Wang W, Feng J L, et al. Composition, source, mass closure of PM2.5aerosols for four forests in eastern China [J]. Journal of Environment Science, 2010,31(3):405-412.

[4] Zhao X J, Zhao P S, Xu J,et al. Analysis of a winter regional haze event and its formation mechanism in the North China Plain [J]. Atmospheric Chemistry and Physics Discussions, 2013,13(1):903- 933.

[5] 孟丽红,李英华,韩素芹,等.海陆风对天津市PM2.5和O3质量浓度的影响[J]. 环境科学研究, 2019,32(3):390-398.

Meng L H, Li Y H, Han S Q, et a1. Influence of sea-land breeze on the concentrations of PM2.5and O3in Tianjin City [J]. Research of Environmental Science, 2019,32(3):390-398.

[6] 韩笑颜,周 颖,吕 喆,等.京津冀典型城市一次重污染过程特征及边界层结构变化对其影响 [J]. 环境科学研究, 2020,33(10):2236- 2245.

Han X Y, Zhou Y, Lu Z, et a1. Characteristics of heavy air pollution process and influnce of structure variation of planetary boundary layer in typical cities of Beijing-Tianjin-Hebei Region [J]. Research of Environmental Science, 2020,33(10):2236-2245.

[7] 孟丽红,蔡子颖,李英华,等.天津市PM2.5浓度时空分布特征及重污染过程来源模拟[J]. 环境科学研究, 2020,33(1):9-17.

Meng L H, Cai Z Y, Li Y H, et a1. Spatial and temporal distributions and source similation during heavy pollution of PM2.5in Tianjin City [J]. Research of Environmental Science, 2020,33(1):9-17.

[8] Wang M R, Kai K J, Sgimoto N B, et a1. Meterological factoers affecting winter particular air pollution in Ulaanbaatar from 2008 to 2016 [J]. Asian Journal of Atmospheric Environment, 2018,12(3): 244-254.

[9] Leng C, Duan J, Xu C, et al, Insights into a historic severe haze event in Shanghai: synoptic situation, boundary layer and pollutants [J]. Atmospheric Chemistry and Physics, 2016,16(14):9221-9234.

[10] 廖晓农,张小玲,王迎春,等.北京地区冬夏季持续性雾霾发生的环境气象条件对比分析 [J]. 环境科学, 2014,35(6):2031-2044.

Liao X N, Zhang X L, Wang Y C,et al. Comparative analysis on meteorological condition for persistent haze cases in summer and winter in Beijing [J]. Environmental Science, 2014,35(6):2031-2044.

[11] 周述学,邓学良,王传辉,等.华东2018年冬季一次典型雾霾过程气象成因分析 [J]. 高原气象, 2020,390(5):1110-1121.

Zhou S X, Deng X L, Wang C H, et al. Analysis of meteorological conditions for a typical fog and haze event over eastern China in winter of 2018 [J]. Plateau Meteorology, 2020,39(5):1110-1121.

[12] WANG X Q, WEI W, CHENG S Y, et al. Characteristics and classification of PM2.5, pollution episodes in Beijing from 2013 to 2015 [J]. Science of the Total Environment, 2018,612:170-179.

[13] Li L, Wang W, Feng J L, et al. Composition, source, mass closure of PM2.5aerosols for four forests in eastern China [J]. Journal of Environment Science, 2010,31(3):405-412.

[14] Zhao X J, Zhao P S, Xu J,et al. Analysis of a winter regional haze event and its formation mechanism in the North China Plain [J]. Atmospheric Chemistry and Physics Discussions, 2013,13(1):903-933.

[15] 李 梦,唐贵谦,黄 俊,等.京津冀冬季大气混合层高度与大气污染的关系[J]. 环境科学, 2015,36(6):1935-1943.

Li M, TangG Q, Huan J, et a1. Characteristics of winter atmospheric mixing layer height in Beijing-Tianjin-Hebei region and their relationship with the atmospheric pollution [J]. Environmental Science, 2015,36(6):1935-1943.

[16] 杨 军,王 蕾,刘端阳,等.一次浓雾过程的边界层特征及生消物理机制 [J]. 气象学报, 2010,68(6):998-1006.

Yang J, Wang L, Liu D Y, et al. The boundary layer structure and the evolution mechanisms of a deep dense fog event [J]. Acta Meteorologica Sinica, 2010,68(6):998-1006.

[17] 潘 亮,闫凤霞,吴峻石,等.2013～2019年上海早晨接地逆温指标与PM2.5定量关系研究 [J]. 中国环境科学, 2021,41(2):517-526.

Pan L, Yan F X, Wu J S, et al. Parameters of surface based inversion in the morning during 2013 to 2019 and its quantitative relationship with PM2.5in Shanghai [J]. China Environmental Science, 2021,41(2):517- 526.

[18] Han S Q, Zhang Y F, Wu J, et al. Evaluation of regional background particulate matter concentration based on vertical distribution characteristics [J]. Atmospheric Chemistry and Physics, 2015,15: 11165-11177.

[19] 刘 超,花 丛,张恒德,等.L波段探空雷达秒数据在污染天气边界层分析中的应用[J]. 气象, 2017,43(5):591-597.

Liu C, Hua C, Zhang H D, et al. Application of L-band radar sounding data in analyzing polluted weather boundary layer [J]. Meteorological Monthly, 2017,43(5):591-597.

[20] Liu C, Hua C, Zhang H D, et al. A severe fog-haze episode in Beijing-Tianjin-Hebei region: characteristics sources and impacts of boundary layer structure [J]. Atmospheric Pollution Research, 2019, 10:1190-1202.

[21] 孟丽红,张 敏,韩素芹.天津市郊区冬季大气边界层风、温场结构与特征 [J]. 中国环境科学, 2012,32(10):1758-1763.

Meng L H, Zhang M, Han S Q.Structures and characteristics of the atmospheric boundary layer in winter of the Tianjin suburb [J]. China Environmental Science, 2012,32(10):1758-1763.

[22] 张 敏,蔡子颖,韩素芹,等.天津污染天气边界层温度层结变化特征及预报阈值确定[J]. 环境科学学报, 2018,38(6):2270-2278.

Zhang M, Cai Z Y, Han S Q, et al. The research on threshold and regularity of temparature stratification in heavy polltion weather in Tianjin [J]. Acta Scientiae Circumstantiae, 2018,38(6):2270-2278.

[23] 姚 青,刘敬乐,蔡子颖,等.天津一次雾-霾天气过程的近地层温湿结构和湍流特征分析[J]. 环境科学学报, 2018,38(10):3856-3867.

Yao Q, Liu J L, Cai Z Y, et al. Analysis of temperature and moisture structure and turbulence characteristics of a smog and haze weather process in Tianjin [J]. Acta Scientiae Circumstantiae, 2018,38(10): 3856-3867.

[24] 蔡子颖,韩素芹,吴彬贵,等.天津一次雾过程的边界层特征研究[J]. 气象, 2012,38(9):1103-1109.

Cai Z Y, Han S Q, Wu B G, et al. Analysis an characteristics of atmospheric boundary layer during a fog process in Tianjin [J]. Meteorological Monthly, 2012,38(9):1103-1109.

[25] Guo L J, Guo X L, Fang C G,et al. Observation analysis on characteristics of formation, evolution and transition of a long-lasting severe fog and haze episode in North China [J]. Science China Earth Sciences, 2015,58(3):329-344.

[26] Liu, H, Liu, C, Xie, Z, et al. A paradox for air pollution controlling in China revealed by “APEC Blue”and “Parade Blue” [J]. Scientific Reports, 2016,6:1-13.

[27] GB/T 36542-2018 霾的观测识别[S].

GB/T 36542-2018 Haze identification for meteorological observation [S].

[28] Ju T T, Wu B G, Zhang H S, et al. Parameterization of radiation fog-top height and methods evaluation in Tianjin [J]. Atmospheric, 2020,11(5480):1-18.

[29] 余文韬,吴振玲,何群英,等.天津天气预报手册 [M]. 北京:气象出版社, 2015:83-92.

Yu W T, Wu Z L, He Q Y, et al. The weather forecast manual of Tianjin [M]. Beijing: China Meteorological Press, 2015:83-92.

[30] Wang S, Liao T T, Wang L L, et alProcess analysis of characteristics of the boundary layer during a heavy haze pollution episode in an inland megacity, China [J]. Journal of Environmental Science, 2016,40:138-144.

[31] Wu W N, Zha Y, Zhang J H,et alA temperature inversion-induced air pollution process as analyzed from Mie LiDAR data [J]. Science of the Total Environment, 2014,479/480:102-108.

[32] Yuan Z X, Qin J, Zheng X,et alThe relationship between atmospheric circulation, boundary layer and near-surface turbulence in severe fog-haze pollution periods [J]. Journal of Atmospheric and Solar–Terrestrial Physics, 2020,200:105216.

[33] 杨 旭,蔡子颖,韩素芹,等.基于无人机探空和数值模拟天津一次重污染过程分析[J]. 环境科学, 2021,42(1):9-18.

Yang X,Cai Z Y,Han S Q,et al. Heavy polltion episode in Tianjin based on UAV meteorological sounding and numerical model [J]. Environmental Science, 2021,42(1):9-18.

Boundary layer characteristics of fog-haze in Tianjin based on multi-source data.

MENG Li-hong1,2*, LIU Hai-ling1,2, WANG Wei1,2, CAI Zi-ying3, LIU Li-li1,2, QU Ping1,2, HAO Jian1,2

(1.Tianjin Key Laboratory for Oceanic Meteorology, Tianjin 300074, China；2.Tianjin Institute of Meteorological Science, Tianjin 300074, China；3.Tianjin Environmental Meteorology Center, Tianjin 300074, China)., 2022,42(9)：4018～4025

In order to explore the boundary layer characteristics, the multi-source observation data such as automatic meteorological station data, environmental hourly concentration data, microwave radiation data, wind profile radar, aerosol lidar and WRF-Chem source tagged method were used to analyze a typical fog-haze episode in Tianjin from December 7 to 10, 2019. The results showed that: The fog-haze process can be clearly divided into four stages of fog formation, fog and haze alternation, haze, and haze dissipation. Fog-haze weather was closely related to atmospheric temperature stratification, with the generation of temperature inversion, the maximum growth rate of relative humidity and liquid water content reached 13.44%/h and 0.013g/(m3·h), respectively, showing an explosive growth up to 92% of the relative humidity, and the microwave radiation data can better predict the formation of fog. In the stage of fog and haze alternation, fog weather changed the structure of the boundary layer. The atmosphere in the fog layer was in a neutral state, being relatively conducive to the pollutant diffusion in the fog area. The high value of PM2.5concentration mainly occurred below 400m, and the continuous inversion at the fog top inhibited the diffusion of pollutants to the upper atmosphere, resulting in the aggravation of pollutant concentration in the fog area and an increase in surface PM2.5up to 135～223μg/m3near to ground, maintaining moderate-severe pollution. There was a good relationship between fog-haze weather and vertical wind field. In fog and haze alternation stage, there were two situations, low wind speed and high wind speed (the southwesterly wind brought abundant water vapor), which are beneficial to the maintenance of fog. The wind speed was 6～12m/s above the fog top inversion and 1～2m/s in the fog layer. The existence of fog was not conducive to the improvement of air quality near the ground. During the fog-haze process, the local emissions contributed 36.1% to surface PM2.5concentration in Tianjin, and the contribution of regional transport was 63.9%, demonstrating obvious regional transport characteristics of the whole pollutant process.

fog-haze；multi-source data；boundary layer；thermodynamic characteristics；PM2.5

X513

A

1000-6923(2022)09-4018-08

2022-02-25

国家自然科学基金资助项目(42105009);天津市气象局项目(202113ybxm05);环渤海协同基金项目( QYXM202014)

*责任作者, 高级工程师, menglh@126.com

孟丽红(1979-),女,河南安阳人,高级工程师,硕士,主要从事边界层与大气环境研究.发表论文20余篇.