林廷坤,洪禮楠,2,黃爭超,3,王雪松*,蔡旭暉

?

北京市秋冬季大氣環(huán)流型下的氣象和污染特征

林廷坤1,洪禮楠1,2,黃爭超1,3,王雪松1*,蔡旭暉1

(1.北京大學(xué)環(huán)境科學(xué)與工程學(xué)院,環(huán)境模擬與污染控制國家重點聯(lián)合實驗室,北京 100871；2.天津市環(huán)境保護(hù)局,天津 300191；3.生態(tài)環(huán)境部宣傳教育中心,北京 100020)

分析了北京市2013~2018年秋冬季(即當(dāng)年11、12月和次年1、2月份)11種環(huán)流型的地面和垂直氣象特征,歸納出5類大氣環(huán)流條件,探討了不同環(huán)流型下北京地區(qū)的大氣傳輸規(guī)律以及環(huán)流型與北京PM2.5污染之間的關(guān)系.在5類大氣環(huán)流條件中,第I類(含北(N)、東北(NE)環(huán)流型,天數(shù)占比28%)和第II類(含西北(NW)、反氣旋(A)環(huán)流型,占33%)有利于傳輸擴(kuò)散,以西北風(fēng)為主,風(fēng)向較穩(wěn)定,風(fēng)速大,邊界層高度高;第III類(含東(E)環(huán)流型,占7%)傳輸擴(kuò)散條件居中,邊界層內(nèi)以東南風(fēng)為主,風(fēng)向變化大,風(fēng)速中等;第IV類(含西南(SW)、西(W)、南(S)3種環(huán)流型,占12%)和第V類(含東南(SE)、均壓(UM)、氣旋(C)3種環(huán)流型,占20%)均不利于傳輸擴(kuò)散,邊界層內(nèi)以偏南風(fēng)為主,風(fēng)速較小,邊界層高度低,低層逆溫較強(qiáng),第IV類近地面風(fēng)向較穩(wěn)定,而第V類則風(fēng)向變化大.不同環(huán)流型下氣團(tuán)傳輸至北京的路徑存在差異,對北京空氣質(zhì)量產(chǎn)生潛在影響的周邊地區(qū)隨之發(fā)生變化.大氣環(huán)流型與北京市秋冬季PM2.5污染緊密關(guān)聯(lián),SW、UM、C、S和W是北京地區(qū)最易發(fā)生PM2.5污染的環(huán)流型(平均污染發(fā)生頻率>75%,平均重度以上污染發(fā)生頻率>42%),而在N、A、NE和NW環(huán)流型下污染發(fā)生頻率最低.研究期間,PM2.5污染極端嚴(yán)重的月份存在UM環(huán)流型占比顯著增加的共同特點,而PM2.5污染水平最低的月份N環(huán)流型占比增加近一倍.此外,PM2.5污染變化相對于環(huán)流型變化存在一定的滯后性.

環(huán)流型；氣象；細(xì)顆粒物；污染；北京

大氣環(huán)流型常用于氣候和局地氣象的研究中,特別在中高緯度地區(qū),氣象條件的變化往往由大氣環(huán)流驅(qū)動[1],而北京地區(qū)近幾年發(fā)生的多次大氣污染事件均和極端不利的氣象條件有關(guān)[2-4],研究大氣環(huán)流和局地氣象、大氣污染的關(guān)系,能夠更深刻地理解大氣污染發(fā)生演變的規(guī)律,從而更好地預(yù)防和應(yīng)對大氣污染的危害.

北京地區(qū)三面環(huán)山,特殊的地形和大氣運動相互作用,使得北京地區(qū)大氣環(huán)流和局地氣象、大氣污染的關(guān)系較為復(fù)雜,成為當(dāng)前的研究熱點[2,5-13].有的研究通過若干污染過程總結(jié)大氣環(huán)流與污染的規(guī)律,如Zhang等[5]主要分析了2008年奧運期間的污染過程與排放管控措施和環(huán)流型變化的關(guān)系,認(rèn)為北京地區(qū)環(huán)流型是大氣污染日變化的首要驅(qū)動力.Liu等[6]重點分析了2011年9月份一次重霧霾過程,指出北京地區(qū)在穩(wěn)定的弱高壓作用下會產(chǎn)生下沉氣流,使得邊界層降低,從而促進(jìn)霾的生成和發(fā)展.而有的研究通過長時間的分析總結(jié)規(guī)律,Zhu等[2]對2016年冬季進(jìn)行分析,認(rèn)為2016年冬季發(fā)生重污染過程的重要原因是西向暖流在京津冀中層對流層形成“暖蓋”,極大增強(qiáng)了逆溫現(xiàn)象,形成極端低的邊界層高度.Ye等[7]分析了2010~2014年秋冬季9種環(huán)流型和氣象、能見度的關(guān)系,認(rèn)為京津冀地秋冬季在西南、東南、均壓型環(huán)流型下風(fēng)速低,濕度高,能見度低.Miao等[8]總結(jié)2011~2014年夏季環(huán)流型特點,指出在北京東面高壓、北面低壓、西北面低壓的氣壓分布條件下,北京的PM2.5平均濃度較高.

近年來,北京市秋冬季的PM2.5污染問題嚴(yán)重[2,14-15].當(dāng)前,研究工作多集中于研究環(huán)流型與近地面污染的關(guān)系,缺乏對北京秋冬季不同環(huán)流型下的大氣垂直結(jié)構(gòu)和污染傳輸規(guī)律的總結(jié).所以本文從近地面和邊界層內(nèi)垂直結(jié)構(gòu)2個方面對2013~ 2018年北京秋冬季各環(huán)流型下的氣象特征、傳輸規(guī)律進(jìn)行總結(jié),識別出北京地區(qū)主要的PM2.5污染環(huán)流型,并分析極端PM2.5污染月份的環(huán)流型構(gòu)成特點,從大氣環(huán)流型的角度增進(jìn)氣象對污染影響規(guī)律的認(rèn)識,加強(qiáng)對北京秋冬季大氣污染成因的理解.

1 材料與方法

1.1 數(shù)據(jù)來源

本文采用的氣象數(shù)據(jù)有美國國家環(huán)境預(yù)報中心(NCEP)提供的1°×1°全球再分析資料(NCEP- FNLreanalysis data),美國國家海洋和大氣管理局(NOAA)提供的1°×1°氣象數(shù)據(jù)(NOAA-GDAS meteorological data).這兩類氣象數(shù)據(jù)都是由全球數(shù)據(jù)同化系統(tǒng)(GDAS)產(chǎn)生, GDAS中用于同化的觀測數(shù)據(jù)有地面觀測站數(shù)據(jù)、氣球數(shù)據(jù)、風(fēng)廓線數(shù)據(jù)、飛機(jī)報告、浮標(biāo)觀測、雷達(dá)觀測和衛(wèi)星觀測數(shù)據(jù)等[16].本文分析的時間是從2013年11月開始到2018年2月,選取每年的1,2,11,12月份進(jìn)行分析.

觀測數(shù)據(jù)來自中國環(huán)境監(jiān)測總站的實時空氣質(zhì)量發(fā)布平臺(http://106.37.208.233:20035/),采用萬壽西宮(39.87°N,116.37°E)、東四(39.95°N, 116.43°E)、天壇(39.87°N,116.43°E)、農(nóng)展館(39.97°N, 116.47°E)、官園(39.94°N,116.36°E)、海淀區(qū)萬柳(39.99°N, 116.32°E)、奧體中心(40.00°N,116.40°E),7個國控站的PM2.5平均值作為北京地區(qū)的PM2.5濃度值.

1.2 環(huán)流型計算方法

大氣環(huán)流型的計算采用的是Lamb-Jenkension的環(huán)流型計算方法.該方法由Lamb[17]首先提出,然后Jenkension等[18]通過定義指數(shù)和分類方法將該方法客觀化.這種方法能夠很好地結(jié)合客觀分析和主觀經(jīng)驗的優(yōu)勢,判斷一天的主要大氣環(huán)流類型[19],在中國和歐洲地區(qū)得到廣泛的應(yīng)用[20-25],周榮衛(wèi)等[24]采用Lamb-Jenkension環(huán)流分型法分析北京地區(qū)各大氣環(huán)流型的氣候特征.本文采用NCEP-FNL再分析資料中的逐日平均海平面氣壓場進(jìn)行Lamb- Jenkinson環(huán)流分型計算.

考慮北京市的位置,將40°N,116°E設(shè)為環(huán)流型的中心,在30~50°N、100~130°E的范圍內(nèi),每隔10°經(jīng)度、5°緯度的網(wǎng)格上取16個點,利用所選區(qū)域內(nèi)16 個格點上的海平面氣壓,計算以下6個環(huán)流指數(shù),環(huán)流分型格點如圖1所示.

式中:()(=1,2,…,16)為圖1中標(biāo)記對應(yīng)位置的海平面氣壓值;、1和2分別為圖中A、A1和A2點處的緯度值(即40°、35°和45°);為地轉(zhuǎn)風(fēng);、分別為地轉(zhuǎn)風(fēng)的緯向分量和經(jīng)向分量;為地轉(zhuǎn)渦度;ξ為地轉(zhuǎn)渦度的經(jīng)向梯度;ξ為地轉(zhuǎn)渦度的緯向梯度.以中心點所在緯度為參照系,6個環(huán)流指數(shù)的單位是hpa/(10°緯度).根據(jù)地轉(zhuǎn)風(fēng)方向()、地轉(zhuǎn)風(fēng)速和地轉(zhuǎn)渦度的關(guān)系將一天的環(huán)流共分為11種類型.當(dāng)||>2時,為旋轉(zhuǎn)型,包括>0時為氣旋型(C),<0時為反氣旋型(A).||<2時,為平直型,按照地轉(zhuǎn)風(fēng)方向分別為西(W)、西北(NW)、北(N)、東北(NE)、東(E)、東南(SE)、南(S)、西南(SW)環(huán)流型.當(dāng)||<6且<6時,研究區(qū)域的氣壓梯度較小,可以看作均壓型(UM).

圖1 環(huán)流分型網(wǎng)格格點位置

Fig.1 Location of grid points used in circulation classification calculation

1.3 風(fēng)場參數(shù)計算方法

本文同時采用NCEP-FNL再分析資料分析北京地區(qū)近地面和垂直方向的氣象參數(shù)(風(fēng)速、邊界層高度、溫濕度、位溫[26]等),為了更詳細(xì)地分析各類環(huán)流型下的風(fēng)場特征和變化,計算以下描述風(fēng)場的參數(shù)[27].

式中:是一天中風(fēng)速的時間間隔(6h);是一天中風(fēng)速次數(shù)(4次);u是緯向風(fēng)速,m/s;v是經(jīng)向風(fēng)速,m/s;近似表示風(fēng)的移動距離,km;可以近似表示風(fēng)的傳輸路程,km;是一天中的風(fēng)向變化因子,是一天中的平均風(fēng)速,m/s,本文主要采用和描述北京城區(qū)的風(fēng)場特征和變化,當(dāng)較大時,說明一天中風(fēng)向變化較大;當(dāng)較大時,說明一天中的風(fēng)速較大.

1.4 后向軌跡計算方法

采用hysplit4模型(http://www.arl.noaa.gov/ ready/hysplit4.html)以NOAA-GDAS 1°′1°的氣象數(shù)據(jù)作為輸入,進(jìn)行北京地區(qū)各環(huán)流型下的72h后向軌跡分析,軌跡起始點坐標(biāo)是(116°E, 40°N),高度300m,分析的時間分辨率是1h.

2 結(jié)果與討論

2.1 各環(huán)流型近地面氣象特征

如圖2所示,2013~2018年秋冬季(11,12,1,2月份)北京地區(qū)的環(huán)流型中A型的出現(xiàn)頻率最高,占秋冬季總天數(shù)的25%,另外偏北環(huán)流型(N、NE、NW)和UM型也較多,分別占到秋冬季總天數(shù)的18%,10%, 8%和11%,偏西、偏南的類型(SW、W、S)和C型則出現(xiàn)較少,分別占4%,4%,4%和3%.

圖3是11種環(huán)流分型下的平均海平面氣壓分布,可見通過Lamb-Jenkinson 法得到的環(huán)流型呈現(xiàn)出辨識度很高的海平面氣壓分布特征.

圖2 2013~2018年北京秋冬季環(huán)流型頻率分布

圖3 2013~2018年秋冬季各環(huán)流型平均海平面氣壓分布

紅色代表氣壓相對較高,藍(lán)色代表氣壓相對較低,右下標(biāo)顯示了環(huán)流型的天數(shù)

圖4 2013~2018北京秋冬季日均10m風(fēng)速和2m溫濕度箱線圖

(a)10m風(fēng)速(m/s);(b)2m溫度(K);(c)2m相對濕度(%)

表1 2013~2018年北京秋冬季各環(huán)流型下不同擴(kuò)散條件天數(shù)頻率統(tǒng)計

各環(huán)流型下北京秋冬季的近地面風(fēng)速見圖4(a).將風(fēng)向變化因子和平均風(fēng)速作為指標(biāo)[27],30.6時認(rèn)為風(fēng)向變化大;￡1.5m/s屬于停滯風(fēng)速;￡0.2,33.0m/s,為擴(kuò)散條件好的情況,按照以上閾值統(tǒng)計各環(huán)流型下不同擴(kuò)散條件的出現(xiàn)頻率,見表1.

偏北類型(N、NE、NW)和A型下北京近地面風(fēng)速較大,風(fēng)向變化小,擴(kuò)散條件好的天數(shù)比例較高,其中,N和NE型風(fēng)速最大,超過3.5m/s,60%以上的天數(shù)有較好的擴(kuò)散條件.在其余7類環(huán)流型下,北京地區(qū)出現(xiàn)有利擴(kuò)散條件的天數(shù)比例均很低,其中,在SW、W、S和C型下一半以上的天數(shù)出現(xiàn)停滯風(fēng)速,而在E、SE、UM和C型影響下北京地區(qū)近地面風(fēng)速不高且風(fēng)向變化相對較大.根據(jù)圖5,風(fēng)速較大的N、NE、NW和A型在北京地區(qū)以西北風(fēng)為主.風(fēng)速中等的E型以東南風(fēng)為主.風(fēng)速較小,風(fēng)向變化較小的S、SW和W型中,S型以東南風(fēng)為主,SW型以南風(fēng)為主,W型以西南風(fēng)為主.風(fēng)速較小,風(fēng)向變化較大的S、SW和W型以偏南風(fēng)為主.

根據(jù)圖4(b)和(c),北京市秋冬季C、偏西(W、SW)和S型的溫度較高,N和A型的溫度較低.偏南(S、SW、SE)、C、E和UM型的相對濕度較高,而偏北(NE、NW、N)、W和A型的相對較低,相對濕度低的區(qū)域主要出現(xiàn)在太行山、燕山與華北平原交界地(見圖5).

圖5 2013~2018秋冬季各環(huán)流型日均10m風(fēng)矢量和2m相對濕度空間分布

2.2 各環(huán)流型大氣垂直結(jié)構(gòu)

圖6 2013~2018秋冬季北京時間14:00邊界層高度箱線圖

圖7 2013~2018秋冬季北京時間14:00的平均風(fēng)矢量廓線

黑色實、虛線表示所有天和各環(huán)流型的平均邊界層高度

圖8 2013~2018秋冬季各環(huán)流型下北京時間14:00的位溫垂直廓線

紅色線是位溫平均值,紅色陰影是平均值±一個標(biāo)準(zhǔn)差,藍(lán)色虛線是位溫矩平,綠色實、虛線表示所有天和各環(huán)流型的平均邊界層高度,黑色虛線表示2km高度

邊界層高度是大氣垂直擴(kuò)散條件的重要指標(biāo),本文選擇北京時間14:00的邊界層高度分析環(huán)流型對垂直擴(kuò)散的影響規(guī)律.由圖6可見,邊界層較高的是偏北(N、NE、NW)和A型,平均邊界層高度大于900m,其中N和NE型的邊界層高度最高.E型邊界層高度居中(平均700m左右).邊界層高度較低包括SE、S、W、SW、UM和C等類型(平均高度低于600m).

邊界層高度和水平風(fēng)速、位溫的垂直結(jié)構(gòu)有關(guān),水平風(fēng)速越小、逆溫越強(qiáng),邊界層高度越低,反之越高[28].根據(jù)圖7,在垂直高度1~3km,各環(huán)流型都以西北風(fēng)或西風(fēng)為主,風(fēng)速較大;在邊界層內(nèi),不同環(huán)流型之間的風(fēng)速和風(fēng)向差別顯著,但總體上呈現(xiàn)出邊界層高度越高則風(fēng)速越大的特點.

圖8繪制了各環(huán)流型下的位溫和位溫矩平垂直廓線,從中能夠看到不同類型環(huán)流型存在的差異.N和NE型受到寒冷的西北風(fēng)影響,各高度上的位溫矩平均小于0,而且從地面到2km位溫矩平減少2K以上,說明N和NE型低層大氣的逆溫較弱.NW、A、E型從地面到2km位溫矩平變化不大,低層大氣處于中等程度逆溫.SE、UM、SW、W、S和C等環(huán)流型的主要特點是在2km左右的高度上,位溫矩平達(dá)到最大值,從地面到2km位溫矩平上升了1.5K以上.這6種環(huán)流型在2km的高度上以西風(fēng)為主(圖7),有研究認(rèn)為,這可能是因為來自黃土高原上的暖空氣傳輸?shù)奖本┑貐^(qū),使得北京低層大氣(0~2km)的逆溫增強(qiáng)[29-30],邊界層高度降低.

表2根據(jù)11種環(huán)流型的近地面氣象和大氣垂直變化性質(zhì),總結(jié)出北京地區(qū)5類大氣環(huán)流條件及氣象特征,其中,第IV類與第V類的區(qū)別主要在于,前者近地面風(fēng)向較穩(wěn)定,而后者的風(fēng)向變化大,這會對污染傳輸和污染來源產(chǎn)生不同影響.

表2 各環(huán)流型的氣象特征描述

2.3 各環(huán)流型傳輸特征

采用后向軌跡方法分析北京地區(qū)2013~2018年秋冬季各環(huán)流型的傳輸特征,圖9是各環(huán)流型下傳輸至北京的平均印跡,表3是通過計算平均面積軌跡停留時間得到的各環(huán)流型下軌跡經(jīng)過的主要城市.總體而言,各環(huán)流型下的傳輸路徑與大尺度環(huán)流方向及北京近地面風(fēng)場特點有關(guān).

在有利于傳輸擴(kuò)散的I類和II類大氣環(huán)流條件下,氣團(tuán)主要傳輸路徑由西北傳向北京,少量軌跡經(jīng)河北中部傳輸?shù)奖本?主要途徑的城市包括內(nèi)蒙古的包頭、烏蘭察布,河北的張家口、保定和廊坊等城市.

在中等傳輸擴(kuò)散條件的E環(huán)流型下,因近地面風(fēng)向變化大,高印跡的傳輸范圍相對較小,北京受周邊相鄰地區(qū)傳輸影響大,主要途徑城市有廊坊、天津、張家口等.

表3 各環(huán)流型下后向軌跡經(jīng)過的主要城市

在不利于傳輸擴(kuò)散的第IV類大氣環(huán)流條件下,因低層風(fēng)向相對穩(wěn)定,高傳輸印跡的范圍較大,其中,SW環(huán)流型下的軌跡主要由河北南部和中部、天津傳至北京,主要途徑河北的保定、廊坊、滄州、衡水、以及天津等城市;W環(huán)流型下的軌跡主要經(jīng)河南北部、河北南部和中部傳至北京,經(jīng)過的城市主要有河南濮陽和河北的保定、衡水、廊坊和滄州等;S環(huán)流型下氣團(tuán)主要經(jīng)由山東北部、河北中部傳到北京,主要途徑城市為山東的濱州,河北的廊坊、滄州、衡水和保定等.

在同樣不利于傳輸擴(kuò)散的第V類大氣環(huán)流條件下,由于低層風(fēng)向變化大,高傳輸印跡范圍比第IV類小,其中,SE環(huán)流型下的軌跡主要由北京東南方向傳至北京,主要途徑廊坊、天津、滄州、唐山和保定等城市;在UM和C環(huán)流型下,氣團(tuán)主要由河北中部傳至北京,主要途徑河北的保定、廊坊以及天津等城市.

圖9 2013~2018秋冬季各環(huán)流型下平均印跡

為0.1°×0.1°網(wǎng)格中72h后向軌跡每天平均停留時間

2.4 各環(huán)流型的PM2.5污染特征

北京市秋冬季PM2.5污染與大氣環(huán)流型緊密相關(guān),環(huán)流型的擴(kuò)散條件好壞、傳輸軌跡是否經(jīng)過污染物高排地區(qū),都會影響PM2.5的濃度水平.

如圖10(a)所示,北京秋冬季SW、UM、C、S和W環(huán)流型的PM2.5濃度較高,出現(xiàn)這5類環(huán)流型的天數(shù)占總天數(shù)的26%,但是這5類環(huán)流型下發(fā)生污染的頻率平均高達(dá)75%以上,重污染以上的發(fā)生頻率平均在42%以上(圖10b).這5類環(huán)流型屬于傳輸擴(kuò)散條件最差的環(huán)流類型,平均風(fēng)速低于1.6m/s,低層大氣的逆溫較強(qiáng),午后邊界層高度一般低于600m,而且在傳輸過程中氣團(tuán)多途徑污染排放較大的河北中、南部地區(qū),是北京秋冬季污染的主要環(huán)流類型.

北京E和SE環(huán)流型的PM2.5濃度水平居中,這2類環(huán)流型在總天數(shù)中的占比為13%,發(fā)生污染的頻率平均在50%左右,重污染以上的發(fā)生頻率約15%,是北京秋冬季污染的次要環(huán)流類型.

在NW、NE、A和N環(huán)流型下,北京秋冬季的PM2.5水平最低.這4類環(huán)流天數(shù)占總天數(shù)的61%,發(fā)生污染的頻率在30%左右,重污染頻率約10%.這4類環(huán)流型屬于傳輸擴(kuò)散條件最好的環(huán)流類型,平均風(fēng)速大,低層大氣的逆溫較弱,午后邊界層高度近1000m甚至更高.氣團(tuán)多由內(nèi)蒙古等污染排放較低的地區(qū)傳輸?shù)奖本?是北京秋冬季污染最輕的環(huán)流類型.

此外,從圖10(c)中還可以看到,即使在傳輸擴(kuò)散條件最好的N和NE型下,仍存在一定比例的重污染天數(shù),而最不利傳輸擴(kuò)散的W、SW、S、C和UM型下也有15%以上的非污染天,反映出大氣傳輸擴(kuò)散條件與PM2.5污染程度不一致的情況,這是因為污染變化相對于環(huán)流型變化有一定的滯后性.進(jìn)一步分析表明(圖11a), 在N和NE環(huán)流型出現(xiàn)重度以上污染的時候,前一天的環(huán)流型以最不利傳輸擴(kuò)散的IV、V類環(huán)流條件為主(占58.8%),當(dāng)環(huán)流型從擴(kuò)散條件最差的類型轉(zhuǎn)變到有利擴(kuò)散的類型時,污染還未完全消散,使得N和NE環(huán)流型下會出現(xiàn)一定比例的重度污染天.類似的,在擴(kuò)散條件最差的W、SW、S、C、UM型出現(xiàn)非污染天時,其前一天的環(huán)流型以傳輸擴(kuò)散條件較好的II類(占52.5%)和I類(占17.5%)為主,說明當(dāng)傳輸擴(kuò)散條件轉(zhuǎn)差后,污染的發(fā)生還需要經(jīng)歷一個發(fā)展的過程.

(a)各環(huán)流型下PM2.5濃度箱線圖,(b)各環(huán)流型下PM2.5污染級別頻率分布,(c)各污染級別環(huán)流型頻率分布

(a)N和NE型下出現(xiàn)重度以上污染的前一天的環(huán)流型構(gòu)成情況;(b) W、SW、S、C和UM環(huán)流型下未出現(xiàn)污染的前一天的環(huán)流型構(gòu)成情況

圖12 2013~2018年北京秋冬季月均PM2.5濃度分布

2013~2018年P(guān)M2.5濃度的月均變化如圖12所示,可以看到,2014年2月、2015年12月、2016年12月都是污染非常嚴(yán)重的月份,月均的濃度水平在140μg/m3以上,而2017~2018年秋冬季污染非常低,其中2018年1月份月均濃度水平在30μg/m3左右,針對污染極高的3個月份,以及污染極低的1個月份進(jìn)行環(huán)流型分析,如圖13所示.可以看到,PM2.5污染嚴(yán)重的3個月份中,均壓型(UM)的比例明顯增加,達(dá)到了18%以上(在研究期間的平均比例11%),這3個月在均壓環(huán)流型下,平均風(fēng)速在1.2m/s左右,低層大氣逆溫強(qiáng),午后的邊界層高度低于450m,易造成污染物累積和濃度水平升高.對于2018年1月的最大特點是傳輸擴(kuò)散條件最好的北向(N)環(huán)流型比例明顯增加,達(dá)到了35%以上(在研究期間的平均值18%),該月在北向環(huán)流型下,平均風(fēng)速在3.4m/s左右,低層大氣逆溫弱,午后的邊界層高度達(dá)到1700m以上,有利于降低污染水平,而傳輸擴(kuò)散條件最差的IV、V類環(huán)流型不到10%(在研究期間的平均占比32%),由此可以反映出環(huán)流型變化對北京秋冬季PM2.5污染的重要影響.

圖13 北京市典型月份的環(huán)流型構(gòu)成情況

3 結(jié)論

3.1 根據(jù)對北京地區(qū)2013~2018年秋冬季(11、12、1、2月份)大氣環(huán)流型氣象特征的分析,歸納出5類大氣環(huán)流條件:第I類(包括N、NE環(huán)流型,天數(shù)占比28%)和第II類(包括NW、A環(huán)流型,占33%)均有利于傳輸擴(kuò)散,以西北風(fēng)為主,風(fēng)向比較穩(wěn)定,風(fēng)速大,邊界層最大高度分別>1300m和>900m;第III類(E環(huán)流型,占7%)傳輸擴(kuò)散條件中等,邊界層內(nèi)以東南風(fēng)為主,風(fēng)向變化大,風(fēng)速中等,邊界層最大高度~700m;第IV類(包括SW、W、S環(huán)流型,占12%)和第V類(包括SE、UM、C環(huán)流型,占20%)均不利于傳輸擴(kuò)散,邊界層內(nèi)以偏南風(fēng)為主,風(fēng)速較小,邊界層最大高度<600m,低層大氣(0~2km)逆溫較強(qiáng),區(qū)別主要在于前者近地面風(fēng)向較穩(wěn)定,而后者風(fēng)向變化大.

3.2 5類大氣環(huán)流條件下的污染傳輸路徑存在差異.在第I、II類條件下,氣團(tuán)主要從西北方向、途徑包頭、烏蘭察布、張家口等地到達(dá)北京;第III類條件下北京受周邊相鄰地區(qū)(天津、廊坊、張家口等)的傳輸影響大;第IV類氣團(tuán)主要途經(jīng)河南北部、河北南部和中部、以及山東北部等地,涉及范圍較大;第V類氣團(tuán)則主要經(jīng)河北中部傳輸?shù)奖本?

3.3 北京市秋冬季PM2.5污染程度與環(huán)流型的擴(kuò)散條件基本一致,污染變化相對于環(huán)流型變化存在一定的滯后性.最易發(fā)生PM2.5污染的環(huán)流型包括SW、UM、C、S和W,這5類環(huán)流型下污染發(fā)生頻率>75%,重度以上污染發(fā)生頻率>40%;在N、A、NE和NW環(huán)流型的天氣下污染發(fā)生頻率最低.

3.4 PM2.5濃度水平極高的月份,共同特點是均壓型(UM)比例明顯增加,而極低的月份特點是擴(kuò)散條件最好的北向(N)環(huán)流型比例明顯增加,而擴(kuò)散條件最差的IV、V類環(huán)流型明顯減少.

[1] Jacobeit J. Classifications in climate research [J]. Physics and Chemistry of the Earth, Parts A/B/C, 2010,35(9):411-421.

[2] Zhu W, Xu X, Zheng J, et al. The characteristics of abnormal wintertime pollution events in the Jing-Jin-Ji region and its relationships with meteorological factors [J]. Science of The Total Environment, 2018,626:887-898.

[3] 張文龍,尤鳳春,張小玲,等.北京2013年1月嚴(yán)重霾天氣過程的氣象成因分析[J]. 氣象與環(huán)境科學(xué), 2016,39(2):46-54. Zhang W L, You F C, Zhang X L, et al. Meteorological characteristics analysis of severe haze weather processes in Beijing in January 2013 [J]. Meteorological and Environmental Sciences, 2016, 39(2):46-54.

[4] 戴 健,程月星.北京市2016年7月一次霧霾天氣過程分析 [J]. 環(huán)境科學(xué)導(dǎo)刊, 2018,37(1):34-41. Dai J, Cheng Y X. Analysis of one haze in Beijing in July 2016 [J]. Environmental Science Survey, 2018,37(1):34-41.

[5] Zhang J P, Zhu T, Zhang Q, et al. The impact of circulation patterns on regional transport pathways and air quality over Beijing and its surroundings [J]. Atmospheric Chemistry and Physics, 2012,12(11): 5031-5053.

[6] Liu X G, Li J, Qu Y, et al. Formation and evolution mechanism of regional haze: a case study in the megacity Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13(9):4501-4514.

[7] Ye X X, Song Y, Cai X H, et al. Study on the synoptic flow patterns and boundary layer process of the severe haze events over the North China Plain in January 2013 [J]. Atmospheric Environment, 2016,124: 129-145.

[8] Miao Y, Guo J P, Liu S H, et al. Classification of summertime synoptic patterns in Beijing and their associations with boundary layer structure affecting aerosol pollution [J]. Atmospheric Chemistry and Physics, 2017,17(4):3097-3110.

[9] Miao Y, Guo J P, Liu S H, et al. Relay transport of aerosols to Beijing-Tianjin-Hebei region by multi-scale atmospheric circulations [J]. Atmospheric Environment, 2017,165:35-45.

[10] Zhang Y, Ding A J, Mao H T, et al. Impact of synoptic weather patterns and inter-decadal climate variability on air quality in the North China Plain during 1980~2013 [J]. Atmospheric Environment, 2016,124: 119-128.

[11] Wang C, An X Q, Zhai S X, et al. Tracking sensitive source areas of different weather pollution types using GRAPES-CUACE adjoint model [J]. Atmospheric Environment, 2018,175:154-166.

[12] Wang C, An X Q, Zhang P, et al. Comparing the impact of strong and weak East Asian winter monsoon on PM2.5concentration in Beijing [J]. Atmospheric Research, 2019,215:165-177.

[13] Zhang H, Yuan H, Liu X et al. Impact of synoptic weather patterns on 24h-average PM2.5concentrations in the North China Plain during 2013~2017 [J]. Science of The Total Environment, 2018,627:200-210.

[14] Zhang H F, Wang S X, Hao J M, et al. Air pollution and control action in Beijing [J]. Journal of Cleaner Production, 2016,112:1519-1527.

[15] 李令軍,王占山,張大偉,等.2013~2014年北京大氣重污染特征研究 [J]. 中國環(huán)境科學(xué), 2016,36(1):27-35. Li L J, Wang Z S, Zhang D W, et al. Analysis of heavy air pollution episodes in Beijing during 2013~2014 [J]. China Environmental Science, 2016,36(1):27-35.

[16] Kalnay E, Kanamitsu M, Kistler R, et al. The NCEP/NCAR 40-year reanalysis project [J]. Bulletin of the American Meteorological Society, 1996,77(3):437-471.

[17] Lamb H H. Types and spells of weather around the year in the British Isles [J]. Quarterly Journal Royal Meteorological Society, 1950,76: 393-438.

[18] Jenkinson A F, Collison F P. An initial climatology of gales over the North Sea [C]//Synoptic Climatology Branch Memorandum, No. 62. Bracknell: Meteorological Office, 1977:1-18

[19] Trigo R M, DaCamara C C. Circulation weather types and their influence on the precipitation regime in Portugal [J]. International Journal of Climatology, 2000,20(13):1559-1581.

[20] Pope R J, Savage N H, Chipperfield M P, et al. The influence of synoptic weather regimes on UK air quality: regional model studies of tropospheric column NO2[J]. Atmospheric Chemistry and Physics, 2015,15(19):11201-11215.

[21] Russo A, Trigo R M, Martins H, et al. NO2, PM10and O3urban concentrations and its association with circulation weather types in Portugal [J]. Atmospheric Environment, 2014,89:768-785.

[22] Santurtún A, José C G H, Arturo S L, et al. Surface ozone concentration trends and its relationship with weather types in Spain (2001~2010) [J]. Atmospheric Environment, 2015,101:10-22.

[23] 賈麗偉,李維京,陳德亮,等.東北地區(qū)月平均大氣環(huán)流型與哈爾濱氣候關(guān)系的初步研究 [J]. 氣象學(xué)報, 2006,(2):236-245. Jia L W, Li W J, Chen D L, et al. A monthly atmospheric circulation classification and its relationship with climate in Haerbin [J]. Acta Meteorologica Sinica, 2006,(2):236-245.

[24] 周榮衛(wèi),何曉鳳,苗世光,等.北京地區(qū)大氣環(huán)流型及氣候特征[J]. 氣候變化研究進(jìn)展, 2010,6(5):338-343. Zhou R W, He X F, Miao S G, et al. Atmospheric circulation types and their climatic characteristics over Beijing [J]. Advances in Climate Change Research, 2010,6(5):338-343.

[25] 朱艷峰,陳德亮,李維京,等.Lamb-Jenkinson環(huán)流客觀分型方法及其在中國的應(yīng)用 [J]. 南京氣象學(xué)院學(xué)報, 2007,30(3):289-297. Zhu Y F, Chen D L, Li W J, et al. Lamb-Jenkinson circulation type classification system and its application in Chian [J]. Journal of Nanjing Institute of Meteorology, 2007,30(3):289-297.

[26] Curry J A. Thermodynamics | Saturated Adiabatic Processes, in Encyclopedia of Atmospheric Sciences (Second Edition) [M]. Academic Press: Oxford, 2015:398-401.

[27] Allwine K J, Whiteman C D. Single-station integral measures of atmospheric stagnation, recirculation and ventilation and ventilation [J]. Atmospheric Environment, 1994,28(4):713-721.

[28] Vogelezang D H P, Holtslag A A M. Evaluation and model impacts of alternative boundary-layer height formulations [J]. Boundary-Layer Meteorology, 1996,81(3/4):245-269.

[29] Zhu X W, Tang G Q, Hu B, et al. Regional pollution and its formation mechanism over North China Plain: A case study with ceilometer observations and model simulations [J]. Journal of Geophysical Research-Atmospheres, 2016,121(24):14574-14588.

[30] Hu X M, Ma Z, Lin W, et al. Impact of the Loess Plateau on the atmospheric boundary layer structure and air quality in the North China Plain: a case study [J]. Science of The Total Environment, 2014, 499:228-37.

Meteorological and pollution characteristics under atmospheric circulation types in autumn and winter in Beijing.

LIN Ting-kun1, HONG Li-nan1,2, HUANG Zheng-chao1,3, WANG Xue-song1*, CAI Xu-hui1

(1.State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Sciences and Engineering, Peking University, Beijing 100871, China；2.Tianjin Environmental Protection Bureau, Tianjin 300191, China；3.Center for Environmental Education and Communications of Ecology and Ministry of Environment, Beijing 100020, China)., 2019,39(5)：1813~1822

The ground and vertical meteorological characteristics associated with 11atmospheric circulation types during autumns and winters (Nov.-Feb., 2013~2018) in Beijing was summarized. The circulation types were classified into five categories, and the influence of each category on the transport of air pollution as well as fine particulate matter (PM2.5) pollution was discussed. Among five categories, Category I (including north (N) and northeast (NE) circulation types, which accounted for 28% of days) and Category II (including northwest (NW) and anticyclone (A), which accounted for 33%) were favorable for air pollution diffusion, which were characterized by the dominant northwest winds with steady direction and high speed, as well as high planetary boundary layer (PBL) height. Category III (including East (E), 7%) was dominated by southeast winds with variable directions and moderate speed within PBL, and provided moderate conditions for air pollution diffusion. Category IV (including southwest (SW), west (W) and south (S), 12%) and Category V (including southeast (SE), uniform pressure fields(UM) and cyclone (C), 20%) were unfavorable for air pollution diffusion, which were characterized by the dominant south winds with low speed within PBL, as well as the low PBL height due to strong temperature inversion in low atmosphere. The wind direction near ground was usually steady under Category IV, while varied greatly under Category V. The transport pathways of the air mass arriving in Beijing under different circulation types showed significant difference, thus, resulted in the changing of potential source regions contributing to air pollution in Beijing. PM2.5pollution was closely related to the atmospheric circulation types in autumn and winter in Beijing. PM2.5pollution was most likely to occur under the types of SW, UM, C, S and W (the average frequency of pollution is larger than 75%, the average frequency of severe pollution is larger than 42%), while the types of N, A, NE and NW were associated with low frequency of occurrence of PM2.5pollution. A higher proportion of the UM type was usually observed in the months with extremely severe PM2.5pollutions, while the proportion of the N type nearly doubled in the months with the lowest PM2.5level. In addition, the change of PM2.5concentrations sometimes lagged behind the change of circulation types.

circulation type；meteorology；fine particulate matter；pollution；Beijing

X513

A

1000-6923(2019)05-1813-10

林廷坤(1993-),男,廣東揭陽人,北京大學(xué)碩士研究生,主要從事區(qū)域大氣污染模擬與控制研究.

2018-10-03

國家重點研發(fā)計劃(2018YFC0213204);國家科技支撐計劃(2014BAC06B02)

*責(zé)任作者, 副教授, xswang@pku.edu.cn