李 娟,褚旸晰,杜謹(jǐn)宏,靳文靜,胡榮明,尉 鵬*

貝加爾湖高壓分裂過程對(duì)綏化市重污染的影響

李 娟1,2,褚旸晰1,杜謹(jǐn)宏1,靳文靜1,胡榮明2,尉 鵬1*

(1.中國(guó)環(huán)境科學(xué)研究院大氣環(huán)境研究所,北京 100012；2.西安科技大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院,陜西 西安 710054)

為探究貝加爾湖高壓分裂過程對(duì)綏化市2020年1月份持續(xù)性重污染事件的影響,以WRF中尺度氣象預(yù)報(bào)數(shù)據(jù)及氣象觀測(cè)數(shù)據(jù)為分析基礎(chǔ),分析了2020年1月9～21日的天氣形勢(shì)及氣象要素變化,并結(jié)合污染物濃度觀測(cè)數(shù)據(jù)及PM2.5組分觀測(cè)數(shù)據(jù)(13～21日),分析了該過程中污染物濃度變化及化學(xué)組分特征.結(jié)果表明:此次污染過程由貝加爾湖分裂高壓引起的持續(xù)性靜穩(wěn)天氣造成,11～20日期間,空氣質(zhì)量指數(shù)AQI變化范圍為182～329,其中有9d污染狀況為重度及以上污染;重污染期間,地面風(fēng)速最低下降至0.5m/s左右,能見度下降至1km左右,且出現(xiàn)逆溫層,大氣擴(kuò)散條件差;持續(xù)性靜穩(wěn)天氣導(dǎo)致大氣氧化性增強(qiáng),氧化劑濃度((NO2)+(O3))約94～118 μg/m3,相對(duì)濕度約為94%,(SO42-)、(NH4+)最大日增量達(dá)28.59、11.32 μg /m3,增長(zhǎng)速度相比于14日分別增加了1264%、1270%,高濕高氧化性的大氣環(huán)境顯著促進(jìn)了二次無機(jī)鹽的生成.貝加爾湖高壓分裂過程導(dǎo)致持續(xù)性靜穩(wěn)天氣,加之污染物的本地排放與積累,增加了大氣氧化性,進(jìn)而形成綏化市持續(xù)性重污染天氣.

高壓分裂；天氣形勢(shì)；PM2.5；化學(xué)組分

2020年1月9～21日新冠肺炎疫情前期,黑龍江省綏化市出現(xiàn)了一次持續(xù)時(shí)間長(zhǎng)達(dá)11d的重污染過程,(PM2.5)小時(shí)峰值高達(dá)390μg/m3,月均(PM2.5)比2019年同期升高123%,重污染的強(qiáng)度和持續(xù)時(shí)間顯著高于近3a.數(shù)據(jù)顯示,同往年相比2020年1月份綏化市區(qū)域污染排放沒有明顯增加.

研究表明,大氣重污染過程與天氣系統(tǒng)演變及氣壓場(chǎng)變化密切相關(guān)[1-4].全球大氣污染事件頻發(fā),與阻滯高壓現(xiàn)象的增加及其持續(xù)時(shí)間的延長(zhǎng)有重要關(guān)系[5];TAI等[6]發(fā)現(xiàn)氣象要素的變化對(duì)PM2.5潛在區(qū)域性影響更大,并利用大氣環(huán)流模型定量分析了天氣系統(tǒng)變化周期對(duì)污染物變化的影響.國(guó)內(nèi)一些學(xué)者從天氣型等方面對(duì)大氣污染事件也進(jìn)行了深入分析[7-13],如陳朝暉等[14]通過對(duì)華北地區(qū)大氣污染過程中的天氣形勢(shì)分析發(fā)現(xiàn),污染物濃度峰值是逐步累積造成的,而持續(xù)存在的大陸高壓均壓場(chǎng)是造成重污染濃度累積的主要背景場(chǎng).中國(guó)中緯度地區(qū)有大量的反氣旋系統(tǒng)經(jīng)常滯留在貝加爾湖和巴爾喀什湖之間,緩慢移動(dòng)的反氣旋會(huì)導(dǎo)致大氣污染[15].據(jù)統(tǒng)計(jì),東北地區(qū)近年來大氣污染狀況呈上升趨勢(shì),其中貝加爾高壓系統(tǒng)對(duì)東北地區(qū)的重污染天氣影響較大,眾多學(xué)者針對(duì)東北地區(qū)大氣污染的氣象因素也做了大量研究[16-19],如Li等[20]研究表明穩(wěn)定邊界層、強(qiáng)地面逆溫、本地排放及華北地區(qū)的區(qū)域輸送是造成東北地區(qū)大氣污染的主要原因;Yang等[21]提到天氣系統(tǒng)滯留引起的風(fēng)場(chǎng)靜穩(wěn)及相對(duì)濕度升高也是東北城市群形成重霧霾天氣的重要?dú)庀笠蛩刂?雖然眾多學(xué)者對(duì)天氣形勢(shì)、氣象要素及重污染成因進(jìn)行了大量研究,但綏化市此次持續(xù)性重污染事件過程中的天氣形勢(shì)較為特殊,不存在天氣系統(tǒng)的滯留及反氣旋的緩慢移動(dòng),無法用以上研究結(jié)果進(jìn)行相關(guān)解釋與分析.

本文利用WRF模式模擬了2020年1月份綏化市天氣形勢(shì)變化,并基于氣象和顆粒物組分觀測(cè)數(shù)據(jù),從天氣形勢(shì)演變、氣象要素變化、大氣顆粒物質(zhì)量濃度分布及組分變化角度來分析此次重污染事件過程,以期為東北地區(qū)大氣污染的氣象成因及預(yù)報(bào)預(yù)警提供參考.

1 數(shù)據(jù)與方法

1.1 觀測(cè)數(shù)據(jù)

2020年1月份主要大氣污染物(PM10、PM2.5、O3_8h、SO2、NO2、NO、NO)、氣象要素(氣壓、氣溫、相對(duì)濕度、風(fēng)速、風(fēng)向及能見度)、9類水溶性粒子(Na+、NH4+、K+、Mg2+、Ca2+、F-、Cl-、NO3-、SO42-)及2類碳質(zhì)組分(EC、OC)數(shù)據(jù)均來自綏化市人和東街觀測(cè)站,由于數(shù)據(jù)缺失,其中化學(xué)組分有效觀測(cè)天數(shù)為9d(2020年12月13～21日);探空數(shù)據(jù)來自懷俄明大學(xué)天氣數(shù)據(jù)網(wǎng)(weather.uwyo.edu/ wyoming/).

1.2 WRF模式

本文所用氣象數(shù)據(jù)來自中尺度氣象模式WRF (V4.1),其中WRF模式每日對(duì)初始場(chǎng)進(jìn)行初始化,模擬時(shí)間起止時(shí)間為2020年1月1～31日,每次模擬時(shí)長(zhǎng)為31h,Spin-up時(shí)間設(shè)置為6h. WRF模式中心點(diǎn)坐標(biāo)為35°N、110°E,水平網(wǎng)格距分別為36km,嵌套網(wǎng)格數(shù)為210×200,覆蓋垂直層為35層,詳細(xì)參數(shù)化方案見表1.

表1 WRF參數(shù)設(shè)定輸入選項(xiàng)

1.3 WRF模式結(jié)果驗(yàn)證

氣象小時(shí)觀測(cè)數(shù)據(jù)來自綏化市人和東街觀測(cè)站,將觀測(cè)數(shù)據(jù)與WRF模擬數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證,其中海平面氣壓模擬值與觀測(cè)值相關(guān)性系數(shù)為0.94,相關(guān)性較好,均方根誤差為3.5hPa,誤差較小;風(fēng)速及風(fēng)向模擬結(jié)果與其觀測(cè)值相關(guān)性系數(shù)分別為0.71、0.65,均方根誤差分別為1.4m/s、5.7°.根據(jù)WRF模擬值誤差分析可知,WRF整體模擬誤差較小,模擬結(jié)果可靠.

2 結(jié)果與討論

2.1 污染過程

如圖1,綏化市2020年1月期間共發(fā)生2次重污染過程,其中2020年1月3～5日為第一次污染過程,持續(xù)時(shí)間較短; 2020年1月8～21日為第二次污染過程,持續(xù)時(shí)間長(zhǎng)達(dá)14d,此次污染過程期間,日均(PM2.5)和(PM10)濃度分別為168.88,178.47μg/m3,污染程度重,故本文選取第2次污染過程進(jìn)行重點(diǎn)研究.

本文依據(jù)AQI指數(shù)將空氣質(zhì)量等級(jí)劃分為: 0～50為優(yōu),51～100為良,101～150為輕度污染,151～ 200為中度污染,201～300為重度污染,300及以上為嚴(yán)重污染.10～20日研究期間,1d為中度污染,

重度污染及以上污染天氣過程持續(xù)時(shí)間長(zhǎng)達(dá)9d.1月8日起,污染物濃度開始累積上升,11日PM2.5濃度達(dá)到第1個(gè)峰值212μg/m3,受天氣形勢(shì)的影響,11～20日污染物濃度持續(xù)保持高值震蕩,平均(PM2.5)為214μg/m3,其中11,14,16,18,20日PM濃度均達(dá)到震蕩峰值,其(PM2.5)分別為212, 238,279,239,254μg/m3,(PM10)分別為217,238, 271,240,259μg/m3;21日(PM2.5)下降至谷值106μg/m3.污染過程中,(PM2.5)、(PM10)時(shí)序變化一致,且PM濃度達(dá)峰值期間,對(duì)應(yīng)日期的(O3_8h)也達(dá)到峰值,同時(shí)(SO2)、(NO)、(NO2)、(NO)濃度均下降.

根據(jù)污染過程中污染物濃度變化及天氣變化特征,該研究將此次污染過程分為3個(gè)階段:前高壓階段(8～11日)、持續(xù)分裂高壓階段(12～20日)以及清除高壓階段(21日).

圖1 重污染過程中污染物濃度變化特征

2.2 前高壓階段

2.2.1 天氣形勢(shì)演變 10日,黑龍江地區(qū)高空為偏西南氣流 (圖2(a)),風(fēng)速平穩(wěn),風(fēng)向不一,高空形勢(shì)穩(wěn)定,而黑龍江以北、以南地區(qū)的高空氣流均為平直西風(fēng)氣流,污染物在東北地區(qū)開始累積;地面高壓中心位于蒙古地區(qū),分離高壓場(chǎng)覆蓋內(nèi)蒙古東部,低壓中心位于歐洲東南部地區(qū)(圖2(c)),地面風(fēng)向以偏南風(fēng)為主(圖2(e)),風(fēng)速為3～5m/s,在這種天氣形勢(shì)下,周邊南部城市污染物持續(xù)向綏化市輸送,10日(PM2.5)、(PM10)濃度分別為155,161μg/m3,AQI指數(shù)為205,污染程度上升至重度污染.11日黑龍江地區(qū)高空為平直西風(fēng)氣流,風(fēng)速為3～4級(jí)(圖2(b));此時(shí)地面蒙古高壓東移,高壓中心位于貝加爾湖,分裂小高壓位于內(nèi)蒙古東部,同時(shí)東北東部也出現(xiàn)小高壓中心,低壓中心則位于東北以北地區(qū),綏化市則處在低壓槽附近(圖2(d)),地面風(fēng)向?yàn)槠髂巷L(fēng),風(fēng)速約1～2m/s,地面天氣形勢(shì)穩(wěn)定,污染物持續(xù)在本地累積,導(dǎo)致11日污染物濃度持續(xù)上升并達(dá)到此次污染過程的第一個(gè)峰值,(PM2.5)、(PM10)濃度分別為212,217μg/m3.

2.2.2 氣象要素影響 圖3為9～11日綏化市站點(diǎn)氣象要素變化時(shí)序分布圖.在海平面氣壓影響下,11日海平面氣壓低于9～10日,與WRF模擬結(jié)果一致(圖3(a));9日開始,綏化市受大陸高壓控制,地面風(fēng)力弱,能見度開始下降,11日能見度不足2km(圖3(a));9～11日的相對(duì)濕度在75%～95%,在污染物濃度積累上升階段大氣環(huán)境始終保持高濕(圖3(a)).10日氣溫上升至峰值-12℃,溫度升高、相對(duì)濕度大,高濕及相對(duì)高氣溫環(huán)境有利于二次顆粒物的增長(zhǎng)[7,22],同時(shí)10日地面風(fēng)速增大至1.5～3m/s,以偏南風(fēng)為主(圖3(a)),因此10日的偏南風(fēng)區(qū)域輸送及污染物的二次轉(zhuǎn)化是導(dǎo)致綏化市污染物濃度上升的主要原因.11日綏化市偏西南風(fēng)風(fēng)速約0～2m/s左右,地面靜穩(wěn),無明顯主導(dǎo)風(fēng)向,同時(shí)自地面至高空800m左右形成逆溫層(圖3(b)),減弱了低層大氣的垂直混合,且800m以下溫度、露點(diǎn)溫度差異小,表明相對(duì)濕度大[23],同時(shí)800m以上的高空溫度、露點(diǎn)溫度差異變大,形成低溫及“上干下濕”的穩(wěn)定天氣條件,促進(jìn)了大氣中污染物二次轉(zhuǎn)化,污染物難以擴(kuò)散并在本地近地面持續(xù)積累.

2.2.3 PM2.5碳質(zhì)組分變化 碳質(zhì)組分是PM2.5主要成分之一,主要包括有機(jī)碳(OC)和元素碳(EC),其中EC主要來自化石燃料及生物質(zhì)不完全燃燒的一次排放,在大氣中化學(xué)性質(zhì)穩(wěn)定;OC主要包含由污染源直接排放的一次有機(jī)碳(POC)及大氣中光化學(xué)反應(yīng)生成的二次有機(jī)碳(SOC)[24-25].由圖4為可見,9～11日OC、EC濃度持續(xù)上升,11日日均(OC)、(EC)分別上升至42.42,12.58μg/m3;由于11日風(fēng)速降低,同時(shí)近地200m處出現(xiàn)逆溫層(圖3),導(dǎo)致大氣的水平及垂直擴(kuò)散能力下降,導(dǎo)致綏化市碳質(zhì)組分在本地積累,濃度進(jìn)一步升高.研究者利用OC/EC比值法來判斷大氣中碳質(zhì)氣溶膠的來源及轉(zhuǎn)化[26-27]. 9～11日,OC/EC為2.9～4.2,表明在污染物濃度上升階段存在二次污染[28-30],且期間有交通源排放及燃煤源排放.

圖2 2020年1月10～11日高空500hPa平均位勢(shì)高度場(chǎng)、海平面氣壓場(chǎng)及地面10m風(fēng)場(chǎng)

圖3 前高壓階段氣象要素及探空曲線

圖(b)中左側(cè)黑實(shí)線為露點(diǎn)溫度,右側(cè)黑實(shí)線為溫度

圖4 2020年1月9～12日碳質(zhì)組分分布

2.2 持續(xù)分裂高壓階段

2.2.1 貝加爾湖分裂高壓天氣形勢(shì)演變 貝加爾湖高壓分裂過程是指貝加爾湖地帶高壓系統(tǒng)增強(qiáng),不斷發(fā)展并分裂出高壓,分裂高壓東移南下,進(jìn)而影響我國(guó)地區(qū).12～20日,綏化市形成持續(xù)重污染天氣(圖1),(PM2.5)保持在182～329μg/m3.13日高空呈平直西風(fēng)氣流,無明顯氣流交換(圖5);地面高壓中心位于貝加爾湖及蒙古地區(qū),從貝加爾湖分裂出的高壓系統(tǒng)向內(nèi)蒙古中部移動(dòng),低壓中心則位于黑龍江省東部(圖6),綏化市受弱高壓脊影響,地面風(fēng)向以偏西南風(fēng)為主(圖7),風(fēng)速為2～4m/s,污染物從周邊地區(qū)向綏化輸送.14日貝加爾湖分裂高壓增強(qiáng),高壓中心覆蓋內(nèi)蒙古中東部地區(qū),東北地區(qū)開始受高壓影響(圖6);15～17日,貝加爾湖高壓持續(xù)分裂出高壓系統(tǒng)并逐步增強(qiáng),內(nèi)蒙古中東部高壓范圍持續(xù)擴(kuò)大并影響中國(guó)中東部地區(qū),高空氣流靜穩(wěn)(圖5),地面則以偏西南風(fēng)、偏東南風(fēng)為主(圖7);綏化市持續(xù)受到高壓影響(圖6),氣流下沉,污染物在本地持續(xù)累積,16日(PM2.5)累積上升至整個(gè)污染過程的峰值279μg/m3. 18日,高空氣流開始轉(zhuǎn)西南方向,偏暖氣流開始進(jìn)入綏化地區(qū)(圖5);亞洲大陸低壓開始南移,受低壓系統(tǒng)影響,貝加爾湖高壓系統(tǒng)減弱,中國(guó)中東部地區(qū)氣壓場(chǎng)隨之減弱(圖6),同時(shí)地面風(fēng)速較弱,導(dǎo)致污染物難以擴(kuò)散,(PM2.5)上升至239μg/m3.19～20日,低壓系統(tǒng)繼續(xù)東移南下,影響范圍擴(kuò)大至貝加爾湖及蒙古地區(qū),中國(guó)東北地區(qū)開始受低壓系統(tǒng)影響,北方低壓系統(tǒng)分離出的弱低壓中心位于黑龍江東部(圖6),地面則以偏西北風(fēng)為主;而高空氣流主要來自西南偏南方向(圖5),導(dǎo)致高空氣溫上升,從而容易形成逆溫現(xiàn)象,致使污染物聚集在地面難以擴(kuò)散.

2.2.2 氣象要素變化 如圖8(a)所示,12～20日,綏化市相對(duì)濕度始終保持在90%左右,高濕的大氣環(huán)境一方面加劇顆粒物的吸濕性增長(zhǎng)、增強(qiáng)消光能力,另一方面也增加了污染物的液相和非均相化學(xué)反應(yīng),促進(jìn)污染物的二次轉(zhuǎn)化;地面平均風(fēng)速約2m/s,風(fēng)速較低,水平擴(kuò)散能力弱;早晚溫差較大,19～20日氣溫開始升高;由氣壓分布可知,14～18日綏化市處于高壓系統(tǒng)控制,19～20日受低壓系統(tǒng)影響,與WRF氣壓場(chǎng)分析結(jié)果一致.14日,地面至600m左右高度形成逆溫層,溫度與露點(diǎn)溫度相差小,相對(duì)濕度大,且850,700hPa高度處風(fēng)場(chǎng)靜穩(wěn),表明大氣狀況穩(wěn)定.16～20日,逆溫頂層上升至1400m左右,污染持續(xù)階段,綏化市一直存在逆溫層,阻礙大氣層的垂直對(duì)流[31];同時(shí)850,700hPa高度處風(fēng)場(chǎng)靜穩(wěn),導(dǎo)致該階段綏化市污染物在水平和垂直方向上無法擴(kuò)散,污染物在本地持續(xù)積累.

圖5 重污染持續(xù)階段500hpa位勢(shì)高度場(chǎng)

圖6 貝加爾湖分裂高壓演變

圖7 持續(xù)分裂高壓階段的綏化市地面風(fēng)場(chǎng)分布

左線為露點(diǎn)溫度,右線為氣溫

2.2.3 PM2.5組分變化分析 13～20日持續(xù)污染期間,OC/EC比值范圍在3～4之間(圖9),表明期間有VOCs向顆粒有機(jī)物二次轉(zhuǎn)化生成SOC,且機(jī)動(dòng)車及燃煤排放仍是當(dāng)?shù)刂饕廴緛碓?SOC/OC變化趨勢(shì)與(PM2.5)變化呈相反趨勢(shì),因此在重污染時(shí)段,OC主要來自POC(一次排放)的直接排放和累積(圖9,13～20日),而清潔時(shí)段時(shí)OC中SOC(二次轉(zhuǎn)化)則占主要地位(圖9,21日),這是由于重污染期間大氣顆粒物濃度上升,消光作用明顯,污染時(shí)段的污染物二次生成能力低于清潔時(shí)段[32].圖9可以看出:13～20日,(SNA)約占(PM2.5)的22%～47%, OC+EC約占(PM2.5)的23%～34%.16、20日2個(gè)污染物濃度峰值階段,二次無機(jī)組分SNA(NH4+、NO3-、SO42-)質(zhì)量濃度分別達(dá)123.75,118.59μg/m3,分別占(PM2.5)的40%和47%,(NO3-)略高,說明綏化市空氣中的氧化性加強(qiáng)[33],因此16、20日嚴(yán)重污染期間,SO2、NO、NH3等氣態(tài)污染物發(fā)生了強(qiáng)烈的二次轉(zhuǎn)化.13～20日PM2.5組分濃度從大到小依次為:OC > SO42-> NH4+> EC,其中Na+、Ca2+、Mg2+、Cl-、F-、K+質(zhì)量濃度較低(圖10),也表明污染期間道路和建筑揚(yáng)塵、垃圾塑料及生物質(zhì)燃燒排放源較少[34].

圖9 13～21日ρ(PM2.5)、碳質(zhì)組分、SNA日均濃度及OC/EC值

由表2可見:16～21日,綏化市無機(jī)鹽濃度經(jīng)歷了起伏較大的波動(dòng)過程(升高-降低-升高-降低-升高-降低).16日(PM2.5)上升至峰值濃度279μg/m3,相比15日濃度增加了64μg/m3,(SO42-)、(NH4+)、(NO3-)比15日分別增加了20.96,7.34,12.23μg/m3,(SO2)、(NO2)、(NO)則分別下降了21,10, 13μg/m3,(NO3-)、(SO42-)分別為41.28,47.95μg/ m3,說明16日大氣二次轉(zhuǎn)化顯著且硫酸鹽濃度高于硝酸鹽,硫轉(zhuǎn)化率及氮轉(zhuǎn)化率[35]分別為60%,42%.16日受貝加爾湖分裂的高壓系統(tǒng)控制,氣流下沉,同時(shí)大氣相對(duì)濕度保持在90%以上,日均風(fēng)速約1.7m/s,主導(dǎo)風(fēng)向?yàn)槠髂巷L(fēng),氣溫下降,最低氣溫低至-23.5℃(圖8(a)),低溫高濕的大氣條件提高了SO2、NO2的氧化速率從而促進(jìn)了二次顆粒物的生成[36],加之近距離的區(qū)域輸送也是導(dǎo)致污染物濃度升高的原因.17日綏化市氣壓梯度增強(qiáng),地面風(fēng)速增大至約2m/s,相對(duì)濕度下降了3%,溫度上升,天氣條件較16日更有利于污染物的擴(kuò)散,因此17日(PM2.5)下降了79μg/m3,(SO42-)、(NH4+)分別下降了20.87, 5.9μg/m3,(SO2)、(O3)分別上升了15,14μg/m3,二次轉(zhuǎn)化程度較前一天有所下降.19日各污染物濃度均下降,日均溫度較18日上升了4℃,日均相對(duì)濕度下降至82%,受低壓系統(tǒng)控制氣流輻合上升,污染物垂直擴(kuò)散作用有所加強(qiáng),二次無機(jī)轉(zhuǎn)化減少,但二次有機(jī)生成增強(qiáng)(圖9).20日較19日溫度下降、相對(duì)濕度上升、風(fēng)速增大、主導(dǎo)風(fēng)向轉(zhuǎn)為西南風(fēng),貝加爾湖高壓分裂過程造成的持續(xù)性靜穩(wěn)天氣,大氣中的氧化劑持續(xù)積累,使得大氣氧化性進(jìn)一步增強(qiáng)[37-39];從而(PM2.5)大幅上升了117μg/m3,(SO42-)、(NH4+)、(NO3-)分別上升至47.28,22.81,48.50μg/m3,且大氣中的(NO3-)高于(SO42-),同時(shí)(NO2)、(NO)下降幅度高于(SO2),NO2轉(zhuǎn)化率高于SO2.

圖10 2020年1月13～21日PM2.5組分分布

表2 二次無機(jī)鹽及污染物日均質(zhì)量濃度增量(相比前1d)及硫、氮轉(zhuǎn)化率

注:NAN為缺失值.

2.3 清除高壓階段

21日高空西北氣流過境,風(fēng)速較大(圖11(d));高壓中心由內(nèi)蒙古中東部開始向東移動(dòng),高壓中心移動(dòng)過程中,綏化市位于高壓前部(圖11(a)～(c)),氣壓梯度明顯增大,地面主導(dǎo)風(fēng)向?yàn)槠髂巷L(fēng)(圖11(e)),風(fēng)速增大至4～5m/s,相對(duì)濕度由95%下降至70%(圖12).大氣垂直及水平擴(kuò)散能力增強(qiáng),綏化市污染物得到有效清除,(PM2.5)下降了148μg/m3(表2),能見度隨之上升至10km左右(圖12).(SO42-)、(NH4+)、(NO3-)則分別下降了33.82, 15.59,34.45μg/m3,大氣中的氧化劑濃度((NO2)+(O3))下降了28μg/m3(表2),二次無機(jī)轉(zhuǎn)化明顯減弱,但SOC/OC超過50%(圖9),二次有機(jī)生成作用增強(qiáng).

圖12 清除階段氣象觀測(cè)值

3 結(jié)論

3.1 2020年11～20日,貝加爾湖持續(xù)分裂高壓過程中,在中國(guó)東北地區(qū)形成了持續(xù)性靜穩(wěn)天氣,地面平均風(fēng)速約為1～3m/s,受氣壓場(chǎng)影響,氣流下沉,同時(shí)距地面220～1400m處伴有逆溫現(xiàn)象出現(xiàn),大氣水平、垂直擴(kuò)散條件差,加之采暖季污染物的一次排放及二次轉(zhuǎn)化,污染物在本地持續(xù)積累,引起了持續(xù)性重污染過程,污染物保持在高濃度值震蕩,污染期間(PM2.5)及(PM10)均值濃度分別達(dá)214,220μg/m3.

3.2 貝加爾湖高壓持續(xù)分裂,大氣靜穩(wěn)時(shí)間延長(zhǎng),氧化劑濃度((NO2)+(O3))為94～118μg/m3,大氣氧化性持續(xù)增強(qiáng).16～21日大氣中二次無機(jī)鹽濃度變化呈現(xiàn)出“升高-降低-升高-降低-升高-降低”的持續(xù)波動(dòng)過程,硫、氮轉(zhuǎn)化率分別為34%～60%、26%～ 60%.16和20日兩個(gè)波峰期間的二次無機(jī)鹽濃度分別為123.75,118.59mol/m3,主導(dǎo)無機(jī)鹽成分分別為硫酸鹽、硝酸鹽,表明重污染期間由于大氣氧化性不斷增強(qiáng),導(dǎo)致二次無機(jī)鹽濃度上升,加之不利的氣象條件與本地污染物的持續(xù)積累,最終形成此次持續(xù)性重污染過程.

3.3 受分裂高壓影響,在氣象條件不利、大氣出現(xiàn)持續(xù)性靜穩(wěn)、大氣氧化性增強(qiáng)的情況下,區(qū)域應(yīng)加強(qiáng)對(duì)污染物排放的管控力度,以降低本地污染物的一次排放、二次轉(zhuǎn)化和區(qū)域傳輸?shù)墓餐绊?進(jìn)而減弱污染程度.

[1] Thishan Dharshana K G, Kravtsov S, Kahl J D W. Relationship between synoptic weather disturbances and particulate matter air pollution over the United States [J]. Journal of Geophysical Research: Atmospheres, 2010,115(D24).

[2] Liu Y, Hong Y, Fan Q, et al. Source-receptor relationships for PM2.5during typical pollution episodes in the Pearl River Delta city cluster, China [J]. Science of the Total Environment, 2017,596:194- 206.

[3] Mao J, Wang L, Lu C, et al. Meteorological mechanism for a large-scale persistent severe ozone pollution event over eastern China in 2017 [J]. Journal of Environmental Sciences, 2020,92:187-199.

[4] Tai A P K, Mickley L J, Jacob D J, et al. Meteorological modes of variability for fine particulate matter (PM2.5) air quality in the United States: implications for PM2.5sensitivity to climate change [J]. Atmospheric Chemistry and Physics, 2012,12(6):3131-3145.

[5] Horton D E, Skinner C B, Singh D, et al. Occurrence and persistence of future atmospheric stagnation events [J]. Nature Climate Change, 2014,4(8):698-703.

[6] Tai A P K, Mickley L J, Jacob D J. Impact of 2000～2050 climate change on fine particulate matter (PM2.5) air quality inferred from a multi-model analysis of meteorological modes [J]. Atmospheric Chemistry and Physics, 2012,12(23):11329-11337.

[7] Tang G, Zhang J, Zhu X, et al. Mixing layer height and its implications for air pollution over Beijing, China [J]. Atmospheric Chemistry and Physics, 2016,16:2459-2475.

[8] Miao Y, Liu S, Guo J, et al. Unraveling the relationships between boundary layer height and PM2.5pollution in China based on four-year radiosonde measurements [J]. Environmental Pollution, 2018,243: 1186-1195.

[9] 趙晨曦,王云琦,王玉杰,等.北京地區(qū)冬春PM2.5和PM10污染水平時(shí)空分布及其與氣象條件的關(guān)系[J]. 環(huán)境科學(xué), 2014,35(2):418-427.

Zhao C X, Wang Y Q, Wang Y J, et al. Temporal and spatial distribution of PM2.5and PM10pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing [J]. Environmental Science, 2014,35(2):418-427.

[10] Liu J, Shen J, Cheng Z, et al. Source apportionment and regional transport of anthropogenic secondary organic aerosol during winter pollution periods in the Yangtze River Delta, China [J]. Science of the Total Environment, 2020,710:135620.

[11] Zhang H, Cheng S, Yao S, et al. Insights into the temporal and spatial characteristics of PM2.5transport flux across the district, city and region in the North China Plain [J]. Atmospheric Environment, 2019, 218:117010.

[12] Liu J, Wang L, Li M, et al. Quantifying the impact of synoptic circulation patterns on ozone variability in northern China from April to October 2013～2017 [J]. Atmospheric Chemistry and Physics, 2019, 19:14477-14492.

[13] Li M, Wang L, Liu J, et al. Exploring the regional pollution characteristics and meteorological formation mechanism of PM2.5in North China during 2013～2017 [J]. Environment international, 2020, 134:105283.

[14] 陳朝暉,程水源,蘇福慶,等.北京地區(qū)一次重污染過程的大尺度天氣型分析[J]. 環(huán)境科學(xué)研究, 2007,(2):99-105.

Chen Z H, Cheng S Y, Su F Q, et al. Analysis of large-scale weather pattern during heavy air pollution process in Beijing [J]. Research of Environmental Sciences, 2007,(2):99-105.

[15] Wei P, Cheng S, Li J, et al. Impact of boundary-layer anticyclonic weather system on regional air quality [J]. Atmospheric Environment, 2011,45:2453-2463.

[16] 陳力強(qiáng),楊洪斌.遼寧省區(qū)域性空氣污染的天氣分型[J].環(huán)境污染與防治, 2006,(6):435-438.

Chen L Q, Yang H B. Synoptic patterns of regional air pollution in Liaoning Province [J]. Environmental Pollution & Control, 2006,(6):435-438.

[17] Li X, Wang Y, Shen L, et al. Characteristics of boundary layer structure during a persistent haze event in the central Liaoning City Cluster, Northeast China [J]. Journal of Meteorological Research, 2018,32:302-312.

[18] Ma Y, Zhao H, Dong Y, et al. Comparison of two air pollution episodes over Northeast China in Winter 2016/17using ground-based lidar [J]. Journal of Meteorological Research, 2018,32:313-323.

[19] Miao Y, Guo J, Liu S, et al. Impacts of synoptic condition and planetary boundary layer structure on the trans-boundary aerosol transport from Beijing-Tianjin-Hebei region to northeast China [J]. Atmospheric Environment, 2018,181:1-11.

[20] Li X, Hu X M, Ma Y, et al. Impact of planetary boundary layer structure on the formation and evolution of air-pollution episodes in Shenyang, Northeast China [J]. Atmospheric Environment, 2019,214.

[21] Yang T, Gbaguidi A, Yan P, et al. Model elucidating the sources and formation mechanisms of severe haze pollution over Northeast mega-city cluster in China [J]. Environmental Pollution, 2017,230: 692-700.

[22] Tie X, Zhang Q, He H, et al. A budget analysis of the formation of haze in Beijing [J]. Atmospheric Environment, 2015,100:25-36.

[23] 尉 鵬,任陣海,王文杰,等.2014年10月中國(guó)東部持續(xù)重污染天氣成因分析[J]. 環(huán)境科學(xué)研究, 2015,28(5):676-683.

Wei P, Ren Z H, Wang W J, et al. Analysis of meteorological conditions and formation mechanisms of lasting heavy air pollution in Eastern China in October 2014 [J]. Research of Environmental Sciences, 2015,28(5):676-683.

[24] 倪登峰,劉 素,曹力媛,等.太原市采暖季PM2.5組分特征及重污染事件分析[J]. 中國(guó)環(huán)境科學(xué), 2020,40(7):2821-2828.

Ni D F, Liu S, Cao L Y, et al. Composition characteristics of PM2.5and heavy pollution events in Taiyuan City during heating season [J]. China Environmental Science, 2020,40(7):2821-2828.

[25] 羅達(dá)通,張敬巧,劉 湛,等.郴州市大氣PM2.5碳組分污染特征及其來源分析[J]. 環(huán)境科學(xué)研究, 2018,31(11):1858-1866.

Luo D T, Zhang J J Q, Liu Z, et al. Characteristics and sources of carbonaceous species in atmospheric PM2.5in Chenzhou city [J]. Research of Environmental Sciences, 2018,31(11):1858-1866.

[26] 王維思,王 楠,高玉娟,等.2019年鄭州冬、春季重污染期間PM2.5污染特征分析[J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(5):1594-1603.

Wang W S, Wang N, Gao Y J, et al. Analysis of PM2.5heavy pollution characteristics in spring and fall for 2019 in Zhengzhou [J]. Acta Scientiae Circumstantiae, 2020,40(5):1594-1603.

[27] 王 杰,張逸琴,高 健,等.2016～2018年采暖季太行山沿線城市PM2.5污染特征分析[J]. 中國(guó)環(huán)境科學(xué), 2019,39(11):4521-4529.

Wang J, Zhang Y Q, Gao J, at al. Characteristics of PM2.5in cities along the Taihang Mountains during the heating season of 2016～2018 [J]. China Environmental Science, 2019,39(11):4521-4529.

[28] Schauer J J, Kleeman M J, Cass G R, et al. Measurement of emissions from air pollution sources. 5. C1? C32 organic compounds from gasoline-powered motor vehicles [J]. Environmental Science & Technology, 2002,36(6):1169-1180.

[29] Schauer J J, Kleeman M J, Cass G R, et al. Measurement of emissions from air pollution sources. 1. C1through C29 organic compounds from meat charbroiling [J]. Environmental Science & Technology, 1999, 33(10):1566-1577.

[30] Chen Y, Zhi G, Feng Y, et al. Measurements of emission factors for primary carbonaceous particles from residential raw-coal combustion in China [J]. Geophysical Research Letters, 2006,33:382-385.

[31] 桂海林,江 琪,康志明,等.2016年冬季北京地區(qū)一次重污染天氣過程邊界層特征[J]. 中國(guó)環(huán)境科學(xué), 2019,39(7):2739-2747.

Gui H L, Jiang Q, Kang Z M, et al. Analysis of boundary layer characteristics of a heavily polluted weather process in Beijing in winter 2016 [J]. China Environmental Science, 2019,39(7):2739- 2747.

[32] 周 敏,陳長(zhǎng)虹,喬利平,等.2013年1月中國(guó)中東部大氣重污染期間上海顆粒物的污染特征[J]. 環(huán)境科學(xué)學(xué)報(bào), 2013,33(11):3118-3126.

Zhou M, Chen C H, Qiao L P, et al. The chemical characteristics of particulate matters in Shanghai during heavy air pollution episode in Central and Eastern China in January 2013 [J]. Acta Scientiae Circumstantiae, 2013,33(11):3118-3126.

[33] Ma Q, Wu Y, Zhang D, et al. Roles of regional transport and heterogeneous reactions in the PM2.5increase during winter haze episodes in Beijing [J]. Sci. Total. Environ., 2017,599-600:246-253.

[34] 曹云擎,王體健,韓軍彩,等.“2+26”城市一次污染過程PM2.5化學(xué)組分和來源解析研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(2):361-372.

Cao Y Q, Wang T J, Han J C, et al. Study on chemical composition and source apportionment of PM2.5pollution episode in“2+26”cities [J]. Acta Scientiae Circumstantiae, 2020,40(2):361-372.

[35] 王劉銘,王西岳,王明仕,等.焦作市大氣污染時(shí)空分布特征及來源分析[J]. 環(huán)境科學(xué)研究, 2020,33(4):820-830.

Wang L M, Wang X Y, Wang M S, et al. Spatial and Temporal Distribution and Potential Source of Atmospheric Pollution in Jiaozuo City [J]. Research of Environmental Sciences, 2020,33(4):820-830.

[36] Zhang B, Zhang Q, Zhang Y, et al. Heterogeneous chemistry: a mechanism missing in current models to explain secondary inorganic aerosol formation during the January 2013 haze episode in North China [J]. Atmospheric Chemistry and Physics, 2015,15:2031-2049.

[37] Squizzato S, Masiol M, Brunelli A, et al. Factors determining the formation of secondary inorganic aerosol: a case study in the Po Valley (Italy) [J]. Atmospheric Chemistry and Physics, 2013,13(4):1927- 1939.

[38] Wang S, Yin S, Zhang R, et al. Insight into the formation of secondary inorganic aerosol based on high-time-resolution data during haze episodes and snowfall periods in Zhengzhou, China [J]. Science of The Total Environment, 2019,660:47-56.

[39] Wang X, Wei W, Cheng S, et al. Characteristics of PM2.5and SNA components and meteorological factors impact on air pollution through 2013～2017 in Beijing, China [J]. Atmospheric Pollution Research, 2019,10:1976-1984.

Influence of Baikal high-pressure split process on heavy pollution in Suihua City.

LI Juan1,2, CHU Yang-xi1, DU Jin-hong1, JIN Wen-jing1, HU Rong-ming2, WEI Peng1*

(1.Atmospheric Environment Institute, Chinese Research Academy of Environmental Sciences, Beijing 100021, China；2.College of Geomatics, Xi’an University of Science and Technology, Shanxi Xi’an 710054, China).2021,41(6)：2540～2551

To explore the impact of the Baikal high-pressure splitting process on the continuous heavy pollution incident in Suihua City during January 2020, based on the analysis of the mesoscale WRF weather forecast data and the meteorological observation data, the Weather situation and changes in meteorological elements were analyzed from January 9 to 21, 2020. Combining the pollutant concentration observation data and the PM2.5component observation data, the pollutant concentration changes, and chemical composition characteristics in the process were analyzed. The pollution process was caused by continuous and stable weather caused by the splitting high pressure of Lake Baikal. During the 11～20 days, the AQI ranged from 182 to 329, of which 9days were severely polluted or above. During the period of heavy pollution, the relative humidity is about 94%, the wind speed on the ground drops to about 0.5m/s, the visibility dropped to about 1m/s, and there was an inversion layer, and the atmospheric diffusion conditions were poor. The continuous static and stable weather had led to the enhancement of atmospheric oxidation. The oxidant concentration ((NO2) +(O3)) was about 94～118μg/m3, and the maximum daily increase of sulfate and ammonium salt were 28.59 and 11.32mol/m3, and the growth rate increased by 1264% and 1270% respectively compared to the 14th. The low temperature, high humidity and high oxidizing atmosphere promoted the formation of secondary inorganic salts. Studies had shown that the continuous and stable weather caused by the high-pressure splitting process of Lake Baikal had increased atmospheric oxidation, coupled with unfavorable meteorological conditions and local accumulation and emission of pollutants, resulting in continuous heavy pollution weather in Suihua City.

high-pressure splitting；synoptic situation；PM2.5；chemical components

X51

A

1000-6923(2021)06-2540-12

李 娟(1995-)女,山東菏澤人,中國(guó)環(huán)境科學(xué)研究院碩士研究生,主要從事大氣化學(xué)模式等研究.發(fā)表論文4篇.

2020-11-04

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2017YFC0212202)

* 責(zé)任作者, 助理研究員, weipeng@craes.org.cn