楊健博,蔡子穎,楊 旭,邢 蕊,孟麗紅,李英華

氣溶膠輻射效應(yīng)對(duì)氣象和環(huán)境影響的觀測(cè)與模擬研究

楊健博1,2,3,蔡子穎3*,楊 旭3,邢 蕊4,孟麗紅1,2,李英華1,2

(1.天津市氣象科學(xué)研究所,天津 300074；2.天津市海洋氣象重點(diǎn)實(shí)驗(yàn)室,天津 300074；3.中國(guó)氣象局-南開大學(xué)大氣環(huán)境與健康研究聯(lián)合實(shí)驗(yàn)室,天津 300074；4.天津市濱海新區(qū)氣象局,天津 300457)

選取2015年和2019年不同代表年份,結(jié)合外場(chǎng)觀測(cè)和數(shù)值模擬,分析了天津地區(qū)不同季節(jié)不同天氣(晴天、多云、霾)下,氣溶膠輻射效應(yīng)對(duì)整層大氣透過率和地表入射太陽輻射的影響,以及這種影響在不同年份的差異.借助WRF-Chem模式模擬分析了重污染期間氣溶膠輻射效應(yīng)對(duì)垂直方向上氣象要素廓線、邊界層結(jié)構(gòu)以及PM2.5濃度的反饋機(jī)制.結(jié)果表明:霾污染可導(dǎo)致大氣透過率明顯下降,春、秋、冬不同季節(jié),霾污染導(dǎo)致中午大氣透過率分別下降0.09,0.11和0.09.全年平均霾污染可導(dǎo)致大氣透過率降低約15.5%.云量的增多也可導(dǎo)致大氣透過率明顯下降,多云天氣下大氣透過率相比晴天減小約22.4%.霾和云對(duì)大氣透過率的影響還與太陽高度角有關(guān),當(dāng)太陽高度角>60°時(shí),霾污染導(dǎo)致大氣透過率下降8.6%.隨污染等級(jí)提高,氣溶膠對(duì)太陽輻射的衰減作用也越強(qiáng),天津地區(qū)空氣質(zhì)量分別為Ⅰ～Ⅵ級(jí)時(shí),中午地表入射短波輻射呈穩(wěn)定下降趨勢(shì),依次為484,446,439,342,328和253W/m2. 重污染期間,氣溶膠輻射效應(yīng)導(dǎo)致大氣低層(250m以下)降溫(0.8℃)增濕(3.8%),而中高層(300～1900m)增溫(0.5℃)降濕(2.4%),邊界層逆溫趨勢(shì)增強(qiáng),大氣垂直擴(kuò)散能力減弱,最終形成氣溶膠-輻射-邊界層-污染正反饋機(jī)制,極端情況下可使得近地面PM2.5濃度進(jìn)一步升高約40μg/m3,且這種反饋效應(yīng)在午后16:00最明顯.隨大氣污染防治行動(dòng)持續(xù)深入,天津空氣質(zhì)量明顯改善,與2015年相比,2019年天津年均PM2.5濃度下降27.1%,污染超標(biāo)天數(shù)減少43.8%,受此影響,氣溶膠對(duì)太陽輻射的衰減作用減弱,2019年冬季霾污染導(dǎo)致中午大氣透過率減小0.05,Ⅳ級(jí)以上污染天氣地表入射短波輻射通量下降85.3W/m2,但重污染期間,氣溶膠輻射反饋機(jī)制仍可通過改變垂直溫度層結(jié),對(duì)污染的加劇(約20μg/m3)產(chǎn)生不容忽視的影響.

氣溶膠輻射效應(yīng)；大氣透過率；重污染天氣；大氣邊界層；反饋機(jī)制

大氣細(xì)顆粒物污染仍是我國(guó)目前面臨的最主要環(huán)境問題之一[1-5].一系列大氣污染管控與治理措施的實(shí)施,使得我國(guó)總體空氣質(zhì)量得以持續(xù)改善[6-7].但目前以細(xì)顆粒物和臭氧為主的復(fù)合型污染問題日益凸顯,華北地區(qū)冬季以PM2.5為首要污染物的重污染天氣仍頻繁發(fā)生[8-11].細(xì)顆粒物(PM2.5)不僅會(huì)對(duì)人體健康產(chǎn)生嚴(yán)重危害[12-13],還會(huì)影響地-氣系統(tǒng)的輻射能量收支平衡,因而對(duì)全球氣候變化產(chǎn)生不可忽略的影響[14-15],如影響降水的產(chǎn)生[16],擴(kuò)大霧區(qū)范圍并增強(qiáng)霧的強(qiáng)度[17-18],引起地表干旱程度改變[19],導(dǎo)致熱帶水循環(huán)減慢和亞洲季風(fēng)減弱等[20].

氣溶膠主要通過直接和間接輻射效應(yīng)對(duì)地球氣候系統(tǒng)產(chǎn)生影響[21-22].其中,氣溶膠可以通過吸收和散射太陽輻射,進(jìn)而對(duì)地-氣系統(tǒng)能量收支產(chǎn)生擾動(dòng),這種影響被稱為氣溶膠直接輻射效應(yīng)[23-24];同時(shí),氣溶膠還能作為云凝結(jié)核,通過參與云的微物理過程,進(jìn)而間接影響地氣系統(tǒng),即氣溶膠間接輻射效應(yīng)[25-26].大氣氣溶膠的輻射效應(yīng)可以通過觀測(cè)分析或數(shù)值模擬等手段開展分析研究.垂直觀測(cè)結(jié)果表明,黑碳?xì)馊苣z的存在對(duì)大氣起加熱作用,垂直方向上加熱率最大的高度層出現(xiàn)在混合層頂部[27].數(shù)值模擬研究發(fā)現(xiàn),氣溶膠輻射效應(yīng)受其生命周期和垂直分布特征的共同影響[28],并通過對(duì)地表能量平衡過程的改變,進(jìn)而對(duì)區(qū)域溫度、風(fēng)速、水汽和降水分布特征、邊界層高度以及大尺度環(huán)流特征產(chǎn)生一系列影響[29-32].

前人研究主要集中于單次污染過程輻射反饋效應(yīng)的分析,在天津大氣污染防治行動(dòng)不斷深入的背景下,氣溶膠對(duì)大氣輻射特性影響及其輻射反饋效應(yīng)的變化情況尚不清楚,此外關(guān)于氣溶膠輻射反饋對(duì)天津地區(qū)邊界層氣象要素廓線以及大氣污染垂直分布特征的影響研究也比較欠缺.基于此,本研究擬充分利用天津長(zhǎng)期輻射通量觀測(cè)資料,對(duì)比分析2015和2019年不同季節(jié)和天氣條件下氣溶膠污染對(duì)整層大氣透過率和入射太陽輻射通量的影響以及這種影響在不同年份的差異,在此基礎(chǔ)上,發(fā)揮氣象-大氣化學(xué)完全耦合模式WRF-Chem的在線優(yōu)勢(shì),模擬分析冬季重污染條件下氣溶膠輻射效應(yīng)對(duì)天津地區(qū)氣象要素垂直分布廓線的影響,以及氣溶膠和邊界層之間的反饋機(jī)制對(duì)重污染形成的貢獻(xiàn).通過本文研究,希冀加深氣溶膠輻射效應(yīng)對(duì)邊界層氣象要素廓線以及污染過程的反饋機(jī)制認(rèn)知,為提高重污染天氣預(yù)報(bào)預(yù)警準(zhǔn)確率提供理論和技術(shù)支撐.

1 材料與方法

1.1 站點(diǎn)與資料

采用的觀測(cè)資料主要來自中國(guó)氣象局天津大氣邊界層觀測(cè)站(117°12′E,39°04′N,臺(tái)站編號(hào): 54517).該觀測(cè)站點(diǎn)位于天津市區(qū)南部,可提供連續(xù)、完整的氣象要素(氣溫、相對(duì)濕度、風(fēng)速、風(fēng)向)、大氣成分、輻射、能見度等觀測(cè)資料.其中輻射觀測(cè)采用荷蘭Kipp&Zonen公司的CNR4輻射傳感器進(jìn)行測(cè)量,數(shù)據(jù)采集器為CR3000,采樣頻率為10Hz. PM2.5濃度觀測(cè)數(shù)據(jù)采用天津市生態(tài)環(huán)境部門26個(gè)空氣質(zhì)量監(jiān)測(cè)站的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù).所有數(shù)據(jù)均經(jīng)過嚴(yán)格的質(zhì)控和訂正.為更好的對(duì)比分析氣溶膠污染對(duì)天津地區(qū)大氣輻射特性的影響及其在不同年份的變化特征,研究時(shí)段選取2015年和2019年兩個(gè)不同年份的全年觀測(cè)資料.

1.2 不同天氣條件的分類方法

為分析霾污染過程對(duì)輻射的影響,本文參考文獻(xiàn)[33-35]的方法,基于PM2.5質(zhì)量濃度、相對(duì)濕度和能見度觀測(cè)資料作為霾過程的判定依據(jù),即當(dāng)能見度低于10km,相對(duì)濕度低于90%,且PM2.5質(zhì)量濃度超過75μg/m3時(shí),視為出現(xiàn)了霾污染.在此基礎(chǔ)上,由于云也會(huì)對(duì)輻射產(chǎn)生很大影響,本文基于天津氣象站(54527)每日3次(北京時(shí)間8:00,14:00,20:00)的云觀測(cè)資料將天氣條件劃分為晴天、多云和陰天.其中,當(dāng)白天(北京時(shí)間8:00和14:00)云量小于2成時(shí),判定為晴天;當(dāng)白天云量介于3～8成時(shí),判定為多云;而當(dāng)白天云量大于8成時(shí),判定為陰天.

1.3 整層大氣透過率的計(jì)算方法

整層大氣透過率表征太陽輻射在大氣中傳播時(shí),經(jīng)大氣衰減后的太陽輻射通量與入射時(shí)太陽輻射通量的比值,該比值大小可以直接反映氣溶膠顆粒、云和降水等對(duì)入射太陽短波輻射的衰減效應(yīng).在本文中,τ的計(jì)算采用地表入射太陽短波輻射通量(↓)與大氣層頂太陽輻射通量(↓,TOA)的比值,即:

值越大,則大氣對(duì)輻射傳輸?shù)挠绊?吸收或散射)越小.大氣層頂入射太陽輻射通量可表示為:

式中:0為太陽常數(shù)[36-37];為日地距離,因地球繞太陽運(yùn)行的公轉(zhuǎn)軌道為橢圓形,故會(huì)隨時(shí)間而不斷變化;0為平均日地距離./0的比值可基于下式計(jì)算得到[38]:

這里, DOY為當(dāng)前日期在一年中的序數(shù)值.太陽高度角的計(jì)算公式為:

式中:為研究區(qū)域的緯度(=39.06°N,即天津大氣邊界層觀測(cè)站所在緯度);為太陽赤緯;為時(shí)角.

式中:LST為研究區(qū)域當(dāng)?shù)貢r(shí)間.

1.4 大氣化學(xué)模式與模式性能檢驗(yàn)

WRF-Chem模式是在美國(guó)國(guó)家大氣研究中心(NCAR)研發(fā)的天氣預(yù)報(bào)模式WRF的基礎(chǔ)上加入了化學(xué)模塊而發(fā)展起來的中尺度在線大氣化學(xué)模式,在時(shí)間和空間上實(shí)現(xiàn)了化學(xué)傳輸模塊與氣象模塊的完全耦合[39-40].WRF-Chem模式在全球和區(qū)域空氣質(zhì)量以及大氣化學(xué)模擬研究中得到了廣泛的應(yīng)用[41-42].本研究采用WRF-Chem V3.8版本,氣相化學(xué)機(jī)制采用CBMZ方案,氣溶膠化學(xué)機(jī)制采用MOSAIC方案,長(zhǎng)波輻射方案和短波輻射方案均采用RRTMG,邊界層方案采用YSU方案.模式的人為排放源清單為農(nóng)業(yè)、工業(yè)、交通、電力和生活行業(yè)SO2、NO、CO、PM2.5、PM10、BC、OC、NH3和VOC排放量,模式2015年模擬時(shí),天津地區(qū)以外人為排放源清單使用清華大學(xué)MEIC2015(http://www. meicmodel.org),分辨率為0.25°×0.25°,天津地區(qū)使用源譜調(diào)查排放源清單數(shù)據(jù)(基準(zhǔn)源2015年),分辨率為1km×1km.2019年模擬時(shí),天津地區(qū)以外的人為排放源清單使用清華大學(xué)MEIC2019,分辨率為0.25°× 0.25°,天津地區(qū)使用源譜調(diào)查排放源清單數(shù)據(jù)(基準(zhǔn)源2019年).天津地區(qū)源譜調(diào)查排放源清單,數(shù)據(jù)來自于天津市生態(tài)環(huán)境局,該清單已在針對(duì)天津地區(qū)的多項(xiàng)空氣質(zhì)量模擬研究中得到了成功的應(yīng)用[43-44].模式水平網(wǎng)格分辨率為15km,水平網(wǎng)格數(shù)為121×121,中心經(jīng)緯度為39.0°N,115.0°E,垂直方向分為40層,氣象初始場(chǎng)和背景場(chǎng)均采用分辨率為1°×1°的NECP全球再分析數(shù)據(jù)FNL.模擬時(shí)間分別為2015年11月24日～2015年12月31日以及2019年11月24日～2019年12月31日(前7d作為模擬spin-up時(shí)間).在此基礎(chǔ)上,為分析氣溶膠輻射效應(yīng)對(duì)天津地區(qū)氣象要素和PM2.5濃度的影響,本文基于WRF-Chem模式中氣溶膠輻射反饋機(jī)制(aer_ra_ feedback)的開/關(guān),設(shè)計(jì)了2組數(shù)值敏感試驗(yàn)(見表1,其他模式方案設(shè)置均保持一致),這2組數(shù)值敏感試驗(yàn)結(jié)果的差值(Case_on-Case_off)即代表了氣溶膠輻射效應(yīng)的影響.

表1 數(shù)值試驗(yàn)方案設(shè)置

為檢驗(yàn)WRF-Chem模式對(duì)氣象和環(huán)境空氣質(zhì)量的模擬性能,本文采用天津大氣邊界層觀測(cè)站2015年12月和2019年12月氣溫、相對(duì)濕度以及風(fēng)速逐時(shí)觀測(cè)數(shù)據(jù)對(duì)模式氣象要素模擬性能進(jìn)行對(duì)比驗(yàn)證,并基于天津全市平均PM2.5濃度實(shí)況結(jié)果對(duì)模式空氣質(zhì)量模擬性能進(jìn)行檢驗(yàn)(見表2).從統(tǒng)計(jì)檢驗(yàn)結(jié)果可以看出,模式對(duì)氣溫、相對(duì)濕度和風(fēng)速等氣象要素的模擬結(jié)果與觀測(cè)結(jié)果的相關(guān)系數(shù)為0.67～0.81,一致性指數(shù)為0.81～0.88,表明模式可以較好的模擬出研究時(shí)段內(nèi)氣象要素的變化趨勢(shì).對(duì)PM2.5濃度,研究時(shí)段內(nèi)PM2.5濃度模擬值與實(shí)況值相關(guān)系數(shù)為0.58～0.70,一致性指數(shù)為0.76～ 0.81,以上結(jié)果表明WRF-Chem模式模擬效果總體良好.

表2 氣象要素及PM2.5濃度觀測(cè)模擬對(duì)比統(tǒng)計(jì)檢驗(yàn)結(jié)果

為進(jìn)一步檢驗(yàn)WRF-Chem模式氣溶膠輻射效應(yīng)以及數(shù)值試驗(yàn)?zāi)M結(jié)果的合理性,本文對(duì)比了打開氣溶膠反饋效應(yīng)前后的地面短波輻射通量模擬值與觀測(cè)值的統(tǒng)計(jì)檢驗(yàn)結(jié)果.打開氣溶膠反饋機(jī)制后(即Case_on個(gè)例)地面短波輻射通量的模擬值與觀測(cè)值相關(guān)系數(shù)為0.79,一致性指數(shù)0.83,而沒有打開氣溶膠反饋機(jī)制的Case_off個(gè)例,其模擬值與觀測(cè)值的相關(guān)系數(shù)為0.69,一致性指數(shù)0.68,即打開氣溶膠反饋機(jī)制后模式對(duì)地面短波輻射通量的模擬性能得到了明顯提高,因此可認(rèn)為WRF-Chem模式中氣溶膠反饋機(jī)制參數(shù)化方案的設(shè)計(jì)相對(duì)科學(xué)合理.此外,WRF-Chem模式中的氣溶膠反饋機(jī)制模塊已在大量相關(guān)研究中取得了成功的應(yīng)用[45-48],因此其輻射反饋機(jī)制的模擬是合理可信的.

2 結(jié)果與討論

2.1 霾污染和天空云量對(duì)大氣透過率的影響

大氣中懸浮的大量氣溶膠顆粒以及云滴粒子會(huì)通過對(duì)太陽輻射的吸收和散射作用,導(dǎo)致大氣整層透過率的下降,進(jìn)而引起到達(dá)地面太陽輻射通量的減少.不同天氣條件下的大氣透過率演變特征可以反映霾污染(氣溶膠)以及云量對(duì)入射太陽短波輻射通量的影響(圖1).表3中給出了不同季節(jié)不同天氣類型(晴天、多云和陰天)日數(shù)的分類統(tǒng)計(jì)結(jié)果,由于夏季出現(xiàn)霾污染的時(shí)次較少,因此這里只給出了春、秋、冬三季的結(jié)果.從日變化趨勢(shì)來看,大氣透過率表現(xiàn)出明顯的中午高而早晚低的日變化特征.這主要與太陽高度角的日變化引起的太陽輻射路徑變化有關(guān),中午太陽高度角最大,太陽輻射最強(qiáng),且到達(dá)地面所經(jīng)過的路徑最短,因此大氣透過率在中午時(shí)段達(dá)到最大;而在早晚日出和日落前后,由于太陽高度角較小,太陽輻射較弱,且在大氣中經(jīng)過的路徑較長(zhǎng),因此大氣透過率也較低.從季節(jié)變化特征來看,晴天中午(11:00～13:00)大氣透過率在夏季最大(0.80),春(0.70)、秋(0.65)次之,冬季最小(0.50),這主要是由于夏季正午太陽高度角較大,且大氣中氣溶膠濃度相對(duì)較低(霾污染多發(fā)于秋冬季, 而春季受沙塵暴影響較多),而冬季正午太陽高度角相對(duì)較小,且氣溶膠濃度相對(duì)較高造成的.

從不同天氣條件下大氣透過率的對(duì)比來看,由于大氣中氣溶膠顆粒的吸收和散射作用,霾污染的發(fā)生可導(dǎo)致大氣透過率的明顯下降,且這種影響在中午太陽輻射最強(qiáng)時(shí)也最明顯.春、秋、冬不同季節(jié),霾污染可導(dǎo)致晴天中午大氣透過率平均值分別下降約0.09, 0.11和0.09.除氣溶膠顆粒外,云量的增多(多云天氣)也可導(dǎo)致大氣透過率的明顯下降.多云天氣下,春、秋、冬三季大氣透過率的午間平均值依次為0.57, 0.48和0.42.而多云天氣下,霾污染的發(fā)生可導(dǎo)致大氣透過率的進(jìn)一步降低,不同季節(jié)的下降幅度約在0.07～0.13之間.

圖2給出了4種不同天氣條件下,大氣透過率逐月平均值日變化特征的對(duì)比.從圖中可以看出,大氣透過率仍然呈現(xiàn)出明顯的中午高早晚低,且夏季高冬季低的日變化和季節(jié)變化特征.從不同天氣條件的對(duì)比來看,正午大氣透過率從高到底依次為晴天無霾、晴天有霾、多云和陰天.這表明,霾和云都會(huì)通過對(duì)太陽輻射的吸收或散射作用,導(dǎo)致大氣透過率的下降,即到達(dá)地表的太陽短波輻射通量減小,云對(duì)太陽輻射的衰減作用強(qiáng)于霾污染,且隨著天空云量的增多,這種衰減作用也越明顯.全年平均來看,霾污染可導(dǎo)致大氣透過率減少約0.09,約為小時(shí)平均值(0.58)的15.5%;多云天氣相比晴天大氣透過率減小約0.13(22.4%).

表3 春、秋、冬不同季節(jié)不同天氣類型(晴天、多云、陰天)日數(shù)分類統(tǒng)計(jì)結(jié)果

圖3給出了一年中不同月份PM2.5濃度、能見度以及大氣透過率日變化特征的對(duì)比.天津地區(qū)細(xì)顆粒物污染主要集中在冬季,這主要是由于冬季大氣層結(jié)穩(wěn)定性更強(qiáng),多出現(xiàn)逆溫結(jié)構(gòu),大氣污染物的垂直擴(kuò)散能力較差,且我國(guó)冬季北方地區(qū)集中供暖需求導(dǎo)致污染源排放的明顯增長(zhǎng)造成的.從不同變量時(shí)間演變趨勢(shì)的對(duì)比來看,大氣透過率及能見度的變化趨勢(shì)與PM2.5濃度之間呈明顯的反相關(guān)關(guān)系.這表明大氣中的細(xì)顆粒物(PM2.5)通過對(duì)太陽輻射的吸收和散射作用,不僅可引起輻射傳輸能量的衰減(即大氣透過率的減小),也會(huì)造成大氣能見度的下降[49].

圖2 不同天氣條件下大氣透過率(τ)逐月平均值日變化特征的對(duì)比

圖3 PM2.5濃度、能見度和大氣透過率(τ)逐月平均值日變化特征的對(duì)比

霾和云對(duì)大氣透過率的影響還與太陽高度角有關(guān).如圖4所示,不同天氣條件下,大氣透過率隨太陽高度角的升高均呈不斷增大的趨勢(shì),且當(dāng)太陽高度角超過60°后,大氣透過率的變化幅度明顯減小.霾污染的出現(xiàn)可導(dǎo)致大氣透過率整體呈下降趨勢(shì),當(dāng)太陽高度角>60°時(shí),霾污染可導(dǎo)致大氣透過率平均下降約0.07(約8.6%),但當(dāng)太陽高度角較小時(shí),有霾存在時(shí)的大氣透過率反而會(huì)大于無霾的情況,這應(yīng)該是由于太陽高度角較小時(shí),太陽輻射經(jīng)過大氣中氣溶膠的多次散射作用,從而使到達(dá)地表的輻射通量增加的緣故.多云和陰天條件下,對(duì)大氣透過率的影響均強(qiáng)于霾污染,并可導(dǎo)致太陽高度角>60°的情況下,大氣透過率分別下降約0.14(約18.4%)和0.25(約31.8%).

氣溶膠顆粒通過對(duì)輻射的吸收和散射作用,使整層大氣透過率減小,地表接收到的太陽短波輻射能量因此減弱,進(jìn)而影響地-氣系統(tǒng)能量平衡過程,并最終導(dǎo)致邊界層氣象要素以及大氣污染物的垂直分布特征發(fā)生顯著變化.為進(jìn)一步探究導(dǎo)致氣溶膠對(duì)大氣邊界層結(jié)構(gòu)反饋?zhàn)饔玫谋举|(zhì)原因,本文采用天津大氣邊界層觀測(cè)站入射短波輻射通量以及PM2.5濃度逐時(shí)觀測(cè)資料分析了不同污染條件下,氣溶膠顆粒物對(duì)地表接收到的太陽短波輻射通量的影響.如圖5(a)所示給出了不同空氣質(zhì)量等級(jí)(Ⅰ～Ⅵ級(jí))條件下近地面接收到的短波輻射通量日變化特征的比較.為了剔除背景氣候條件差異對(duì)地表入射輻射通量的影響,這里只考慮了冬季情況.隨著污染等級(jí)的提高,白天地表接收到的太陽短波輻射通量呈不斷下降趨勢(shì),且中午下降幅度最大,當(dāng)空氣質(zhì)量等級(jí)分別為Ⅰ～Ⅵ級(jí)時(shí),中午(11:00～13:00)地表入射短波輻射通量依次為484,446,439,342,328,253W/m2.即當(dāng)PM2.5污染等級(jí)達(dá)到Ⅵ級(jí)(嚴(yán)重污染)時(shí),可導(dǎo)致冬季中午11:00～13:00地表入射短波輻射通量減少約231W/m2(相較于空氣質(zhì)量為優(yōu)情況).此外,從不同空氣質(zhì)量等級(jí)的對(duì)比來看,當(dāng)空氣質(zhì)量為Ⅰ～Ⅲ級(jí)時(shí),顆粒物濃度的升高對(duì)地表入射短波輻射的影響相對(duì)較小,而當(dāng)大氣中懸浮的顆粒物達(dá)到一定濃度水平后(中度污染及以上),太陽輻射在傳輸過程中可能經(jīng)過大氣中氣溶膠顆粒的多次散射和吸收,因而到達(dá)地面的短波輻射通量明顯減少.

圖4 不同天氣條件下大氣透過率隨太陽高度角的變化趨勢(shì)對(duì)比

散點(diǎn)為每30min大氣透過率與相應(yīng)太陽高度角的觀測(cè)結(jié)果,曲線為太陽高度角每隔4°區(qū)間內(nèi)對(duì)應(yīng)大氣透過率的平均值

括號(hào)內(nèi)為不同污染等級(jí)對(duì)應(yīng)的有效數(shù)據(jù)小時(shí)數(shù)

圖5(b)給出了大氣清潔(空氣質(zhì)量為Ⅰ級(jí)優(yōu))和污染(空氣質(zhì)量Ⅳ級(jí)即中度污染以上)條件下,近地層太陽短波輻射日變化特征的比較,也可明顯看出,污染天氣條件下,白天地表接收到的短波輻射通量明顯小于清潔條件下,且這一差異在中午短波輻射通量最大時(shí)也最明顯.這表明隨著空氣污染等級(jí)的加重,大氣中的顆粒物濃度升高,因此通過氣溶膠直接輻射效應(yīng)對(duì)太陽短波輻射的吸收(或散射)作用加強(qiáng),使得到達(dá)地表的太陽短波輻射通量不斷減少(中午入射短波輻射減少約155W/m2),對(duì)近地層的加熱作用減弱(近地層溫度下降),進(jìn)而對(duì)大氣邊界層結(jié)構(gòu)產(chǎn)生反饋?zhàn)饔?且這一反饋效應(yīng)在中午太陽短波輻射通量最大時(shí)也最明顯, 而當(dāng)夜間短波輻射通量趨近于0時(shí),氣溶膠對(duì)邊界層結(jié)構(gòu)的反饋?zhàn)饔靡糙吔?.

2.2 氣溶膠輻射效應(yīng)對(duì)邊界層氣象要素以及污染物垂直分布的影響

由前文觀測(cè)分析結(jié)果可以看出,大氣污染條件下,空氣中懸浮的大量氣溶膠顆粒通過吸收或散射太陽輻射,降低了大氣透過率,使到達(dá)地面的太陽輻射能量顯著減少,因而極大地改變了地-氣系統(tǒng)之間的輻射平衡過程,最終導(dǎo)致邊界層氣象要素以及大氣污染物垂直分布的變化.這里由于缺少精細(xì)、完整的大氣垂直氣象要素和污染物濃度廓線觀測(cè)資料,本文將借助數(shù)值模擬手段進(jìn)一步分析氣溶膠的輻射反饋效應(yīng)對(duì)邊界層垂直理化結(jié)構(gòu)的影響.

太陽輻射是地球生態(tài)系統(tǒng)最重要的熱量來源,也是大氣邊界層發(fā)展的主要驅(qū)動(dòng)力.氣溶膠輻射效應(yīng)對(duì)地表入射太陽短波輻射能量的衰減作用,也必然在一定程度上影響了大氣邊界層的垂直發(fā)展過程.這里本文通過是否考慮氣溶膠輻射效應(yīng)的2組數(shù)值試驗(yàn)(即Case_on試驗(yàn)和Case_off試驗(yàn),見表1)結(jié)果的對(duì)比,模擬分析了氣溶膠輻射效應(yīng)對(duì)天津地區(qū)平均邊界層高度日變化特征的影響.如圖6所示,考慮氣溶膠輻射效應(yīng)影響后,邊界層高度呈明顯的下降趨勢(shì),且這種影響主要體現(xiàn)在白天.天津地區(qū)12月平均邊界層高度白天(北京時(shí)9:00～18:00)約為438m,氣溶膠輻射效應(yīng)可導(dǎo)致白天邊界層高度平均下降約71m(約14.0%),對(duì)午后大氣邊界層的垂直發(fā)展影響最明顯,考慮氣溶膠輻射效應(yīng)后,午后14:00～ 16:00,天津地區(qū)平均邊界層高度約可降低102m,平均降幅比例約為17.5%.

圖6 氣溶膠輻射效應(yīng)對(duì)天津地區(qū)平均邊界層高度日變化特征的影響

實(shí)線為考慮氣溶膠輻射效應(yīng)模擬結(jié)果;虛線為未考慮氣溶膠輻射效應(yīng)模擬結(jié)果

大氣擴(kuò)散相關(guān)理論和實(shí)踐研究表明,在不同的邊界層氣象條件影響下,同一污染源排放所造成的近地層污染物濃度可相差幾十倍甚至上百倍.基于邊界層氣象要素廓線的垂直擴(kuò)散條件分析是污染天氣預(yù)報(bào)的重要環(huán)節(jié)之一[50].因此,在氣溶膠輻射效應(yīng)的相關(guān)研究中,關(guān)于其對(duì)邊界層氣象要素廓線影響的討論和分析是非常重要的.

圖7給出了氣溶膠輻射效應(yīng)對(duì)垂直方向不同高度溫度和相對(duì)濕度影響的差值廓線(即數(shù)值試驗(yàn)Case_on和Case_off模擬結(jié)果的差值).從12月平均結(jié)果來看(圖7(a)、(c)),氣溶膠輻射效應(yīng)對(duì)溫度垂直廓線的影響整體表現(xiàn)為低層大氣降溫而中高層大氣升溫的趨勢(shì).考慮氣溶膠輻射效應(yīng)影響后,250m高度以下溫度整體呈下降趨勢(shì),其中,近地面溫度的下降幅度最明顯,氣溶膠輻射效應(yīng)可導(dǎo)致天津地區(qū)12月平均近地面溫度下降約0.32℃,最大溫度降幅可達(dá)1℃以上.隨高度的升高,溫度降幅呈不斷減小趨勢(shì),300m高度以上,氣溶膠輻射效應(yīng)對(duì)溫度的影響轉(zhuǎn)為增溫,且溫度升高的幅度隨高度呈先增大后減小的趨勢(shì),在約900m高度處,達(dá)到增溫幅度的最大值,可導(dǎo)致該高度層溫度升高約0.2～0.6℃,當(dāng)高度超過1900m后,氣溶膠輻射效應(yīng)對(duì)溫度廓線的影響可忽略不計(jì).氣溶膠輻射效應(yīng)對(duì)相對(duì)濕度廓線的影響體現(xiàn)為低層濕度增大而中高層濕度減小的趨勢(shì)(圖7(c)).其中, 250m高度以下表現(xiàn)為相對(duì)濕度的升高,近地面空氣相對(duì)濕度平均升高約1.6%,最大升高幅度達(dá)4%以上.300～1900m高度空氣相對(duì)濕度下降,約900m高度空氣相對(duì)濕度的下降幅度最明顯,降幅可達(dá)-1.6%～-3.8%.

重污染過程期間,隨著大氣中氣溶膠含量的升高,對(duì)太陽輻射的吸收和散射作用也相應(yīng)增強(qiáng),因此氣溶膠輻射效應(yīng)對(duì)氣象要素垂直廓線的影響也必然更加明顯.如圖7(b)、(d)所示,重污染天氣條件下,氣溶膠輻射效應(yīng)對(duì)溫度廓線的影響仍體現(xiàn)為低層降溫而中高層升溫的趨勢(shì).氣溶膠對(duì)近地面大氣的平均降溫幅度可達(dá)0.8℃,最大溫度降幅約1.5℃, 300～1900m高度層溫度升高,最大升溫出現(xiàn)在約900m高度,溫度升高幅度達(dá)0.5～1.0℃.重污染期間,氣溶膠輻射效應(yīng)對(duì)相對(duì)濕度的影響可導(dǎo)致近地面空氣相對(duì)濕度升高約3.8%～10.8%,而900m高度層相對(duì)濕度下降約2.4%～7.1%.

氣溶膠輻射效應(yīng)對(duì)氣象要素廓線影響的垂直演變特征與氣溶膠種類及其垂直分布均有關(guān)系.低層大氣中,氣溶膠種類與地面排放源密切相關(guān),主要以硫酸鹽、硝酸鹽、銨鹽等污染型氣溶膠為主[51],對(duì)太陽輻射主要起散射作用,因此導(dǎo)致到達(dá)地面的太陽輻射顯著減少,對(duì)低層大氣的影響主要表現(xiàn)為降溫和增濕.而在中高層大氣中,氣溶膠種類以黑碳和沙塵等吸收型氣溶膠為主[27,52],通過吸收太陽輻射加熱大氣,因而對(duì)中高層大氣的影響主要體現(xiàn)為增溫和降濕.

為進(jìn)一步量化評(píng)估氣溶膠輻射效應(yīng)對(duì)邊界層垂直結(jié)構(gòu)的影響,Huang等[53]提出了衡量氣溶膠-輻射-邊界層反饋效應(yīng)強(qiáng)度的量化指標(biāo)—HD指數(shù),HD指數(shù)定義為:

式中:等式右側(cè)第一項(xiàng)代表氣溶膠輻射反饋效應(yīng)導(dǎo)致的低層大氣平均降溫幅度(=1～代表低層大氣中包括的各高度層);等式右側(cè)第二項(xiàng)代表氣溶膠輻射反饋效應(yīng)導(dǎo)致的邊界層中高層平均增溫幅度(=1～代表中高層大氣中包括的各高度層).因此,HD指數(shù)量化表征了氣溶膠輻射反饋效應(yīng)對(duì)邊界層整體垂直結(jié)構(gòu)的影響(即大氣低層平均降溫幅度以及中高層平均升溫幅度之和).HD指數(shù)越大,則氣溶膠反饋效應(yīng)使邊界層整體結(jié)構(gòu)趨于更加穩(wěn)定(不穩(wěn)定度減弱或穩(wěn)定度增強(qiáng)).圖8給出了HD指數(shù)與天津地區(qū)近地層PM2.5濃度的散點(diǎn)分布圖以及趨勢(shì)線.從圖8可以看出,HD指數(shù)與近地層PM2.5濃度表現(xiàn)出明顯的正相關(guān)關(guān)系(相關(guān)系數(shù)達(dá)0.77),這表明隨著PM2.5濃度的升高,由于氣溶膠輻射反饋效應(yīng)導(dǎo)致對(duì)邊界層垂直結(jié)構(gòu)的改變(低層降溫,中高層升溫)也越明顯,大氣層結(jié)穩(wěn)定度顯著增強(qiáng).

在跨文化商務(wù)溝通中，人們總是試圖成功而愉快地進(jìn)行商務(wù)交流。不管買賣交易是否達(dá)成，中國(guó)文化中歷來講究買賣不成仁義在，所以在交易時(shí)與對(duì)方意見產(chǎn)生矛盾時(shí)，模糊限制語的使用使得交流能夠和諧進(jìn)行。

圖7 是否考慮氣溶膠輻射效應(yīng)模擬得到的溫度和相對(duì)濕度差值(考慮-未考慮)垂直分布特征

Fig.7 Vertical profiles of temperature and relative humidity differences with and without considering the aerosol radiation effect

實(shí)線、深色陰影和淺色陰影分別代表差值廓線的平均值、25～75百分位數(shù)以及10～90百分位數(shù)

圖8 HD指數(shù)與近地層PM2.5濃度的散點(diǎn)分布圖以及二者的相關(guān)系數(shù)

虛線代表HD指數(shù)隨PM2.5濃度變化趨勢(shì)線

由前文分析可知,重污染過程期間,大氣中高濃度的氣溶膠顆粒通過對(duì)太陽短波輻射的吸收和散射作用,導(dǎo)致地表接收的短波輻射能量大幅減少,冷卻地表表面,同時(shí)加熱中高層大氣,使大氣層結(jié)趨于更加穩(wěn)定,邊界層高度降低,因而抑制了大氣污染的垂直擴(kuò)散,同時(shí)氣溶膠輻射效應(yīng)還會(huì)導(dǎo)致低層大氣相對(duì)濕度的升高,有利于氣溶膠的吸濕性增長(zhǎng),大氣層結(jié)穩(wěn)定性的增強(qiáng)以及氣溶膠的吸濕性增長(zhǎng)過程,都會(huì)導(dǎo)致污染物濃度的升高,最終形成了氣溶膠-輻射-邊界層-污染的正反饋機(jī)制,大氣污染程度進(jìn)一步加劇.

本文以2015年12月7～11日天津地區(qū)出現(xiàn)的一次重污染天氣過程為例,分析了重污染期間氣溶膠輻射效應(yīng)對(duì)邊界層氣象要素垂直分布的影響,以及對(duì)大氣污染的反饋機(jī)制.此次過程期間天津地區(qū)連續(xù)3日AQI超過200, PM2.5峰值濃度達(dá)到294 μg/m3(圖9).從觀測(cè)模擬結(jié)果的對(duì)比可以看出,模式對(duì)此次重污染過程PM2.5濃度的模擬結(jié)果存在一定程度的高估(平均偏差為59.9μg/m3),特別是對(duì)污染前期和發(fā)展階段.但總體來看,重污染過程期間PM2.5濃度變化趨勢(shì)的整體模擬結(jié)果與實(shí)況變化基本一致(相關(guān)系數(shù)0.78,一致性指數(shù)0.81),模式能夠基本反映此次重污染過程期間天津地區(qū)PM2.5濃度的變化特征.

圖10給出了此次重污染過程期間,氣溶膠輻射效應(yīng)對(duì)天津地區(qū)PM2.5濃度以及溫度垂直分布特征的影響.從圖10中可以看出,由于氣溶膠輻射效應(yīng)的影響,此次重污染過程期間,天津地區(qū)400m高度以下溫度均呈下降趨勢(shì),其中近地面降溫幅度最明顯,最大降溫幅度達(dá)1℃,600～2000m高度溫度呈升高趨勢(shì),升溫幅度最大約0.8℃.大氣低層的降溫以及中高層的升溫共同導(dǎo)致了大氣層結(jié)穩(wěn)定性的增強(qiáng),污染物垂直擴(kuò)散被抑制,最終導(dǎo)致低層大氣中污染物濃度的升高,近地面污染物濃度的升高幅度最明顯,可達(dá)40μg/m3,而在約500～1000m高度層污染物濃度表現(xiàn)出一定程度的下降(約20μg/m3).從時(shí)間演變趨勢(shì)來看,氣溶膠輻射效應(yīng)對(duì)邊界層垂直結(jié)構(gòu)以及污染物濃度的反饋效應(yīng)在午后16:00左右最明顯,這主要是由于氣溶膠經(jīng)過對(duì)太陽輻射的吸收或散射作用,進(jìn)而加熱或冷卻大氣, 改變層結(jié)穩(wěn)定度,并最終影響污染物分布,這一循環(huán)反饋過程的進(jìn)行需要一定的時(shí)間,因而相較太陽輻射的日變化存在一定的滯后.

圖9 天津地區(qū)2015年12月7～11日一次重污染過程期間PM2.5濃度實(shí)況值和模擬值對(duì)比

圖10 2015年12月7～11日一次重污染過程期間氣溶膠輻射效應(yīng)對(duì)不同高度溫度和PM2.5濃度影響的時(shí)間演變趨勢(shì)

等值線代表溫度差值,填色代表PM2.5濃度差值,考慮氣溶膠輻射效應(yīng)-未考慮氣溶膠輻射效應(yīng)

2.3 不同年份天津空氣質(zhì)量的對(duì)比及其對(duì)大氣輻射特性影響的差異分析

近年來隨著大氣污染防治行動(dòng)的持續(xù)深入,天津地區(qū)空氣質(zhì)量得到了明顯改善.2019年與2015年相比,天津地區(qū)年平均PM2.5質(zhì)量濃度下降27.1%(其中,2015年P(guān)M2.5平均濃度為70μg/m3,2019年為51μg/m3),以PM2.5為首要污染物的超標(biāo)污染天數(shù)減少46d(其中,2015年105d,2019年59d),顆粒物污染明顯改善(表4).

表4 2015年和2019年天津市空氣質(zhì)量變化對(duì)比

大氣中PM2.5濃度水平的變化也必然引起其對(duì)大氣輻射特性影響程度的改變.圖11給出了基于2019年觀測(cè)結(jié)果得到的霾污染對(duì)晴天整層大氣透過率日變化特征的影響.由于2019年P(guān)M2.5超標(biāo)污染天數(shù)的明顯減少,且主要集中于冬季,因此本文主要對(duì)比分析了2019年冬季晴天以及霾污染條件下的對(duì)比結(jié)果(圖11).綜合圖11以及圖1的對(duì)比可以看出,由于天津地區(qū)空氣質(zhì)量的持續(xù)改善,霾污染發(fā)生頻率以及PM2.5濃度水平下降,2019年冬季霾污染對(duì)晴天大氣透過率的影響有所減弱,但仍可導(dǎo)致大氣透過率的明顯減小,霾污染條件下中午11:00～ 13:00大氣透過率減小約0.05(10.4%).

圖12給出了2019年冬季不同空氣質(zhì)量等級(jí)條件下地表入射短波輻射通量日變化特征的比較.由于2019年天津地區(qū)達(dá)到嚴(yán)重污染(Ⅵ級(jí))的時(shí)次很少,因此這里合并統(tǒng)計(jì)為"Ⅴ級(jí)以上".由圖12(a)可知,隨著污染等級(jí)的升高,中午(11:00～13:00)地表入射短波輻射通量依次為474(Ⅰ),416(Ⅱ), 430(Ⅲ),399(Ⅳ),378(Ⅴ級(jí)以上)W/m2.污染天氣(空氣質(zhì)量Ⅳ級(jí)以上)條件下,中午地表入射短波輻射通量相較于清潔大氣(空氣質(zhì)量Ⅰ級(jí))可減少約85.3W/m2.通過與圖5中2015年結(jié)果的對(duì)比,也反映了隨著天津地區(qū)空氣質(zhì)量的改善,大氣中顆粒物濃度下降,對(duì)地表入射太陽輻射能量的衰減作用減弱這一趨勢(shì).

圖11 2019年冬季霾污染對(duì)晴天整層大氣透過率(τ)日變化特征的影響

隨著一系列減排和大氣污染防治措施的實(shí)施,近年來我國(guó)總體空氣質(zhì)量得到了持續(xù)改善.然而,大氣細(xì)顆粒物污染仍是我國(guó)目前面臨的主要環(huán)境問題之一,特別是京津冀地區(qū),以高濃度細(xì)顆粒物為特征的重污染天氣過程仍時(shí)有發(fā)生[4].如表4所示, 2019年天津地區(qū)以PM2.5為首要污染物的污染超標(biāo)天數(shù)仍達(dá)到了59d,其中重污染天數(shù)達(dá)11d.

圖13給出了2019年12月7～11日天津地區(qū)一次重污染天氣過程期間,氣溶膠輻射反饋效應(yīng)對(duì)垂直方向上氣溫以及PM2.5濃度分布影響的時(shí)間-高度剖面圖.此次過程期間天津地區(qū)AQI連續(xù)4d超過200,PM2.5峰值濃度達(dá)到229μg/m3.結(jié)合圖13可知,雖然與2015年同期相比,此次過程污染程度有所減輕,但氣溶膠輻射反饋效應(yīng)仍可造成重污染期間近地面大氣溫度的下降,以及中高層大氣的升溫(溫度變化幅度約0.6℃),受此影響,邊界層逆溫趨勢(shì)增強(qiáng),大氣污染物的垂直擴(kuò)散能力減弱,最終導(dǎo)致近地層大氣污染的進(jìn)一步加重,PM2.5濃度升高約20μg/m3.

圖13 2019年12月7～11日一次重污染過程期間氣溶膠輻射效應(yīng)對(duì)不同高度溫度和PM2.5濃度影響的時(shí)間演變趨勢(shì)

等值線代表溫度差值,填色代表PM2.5濃度差值,考慮氣溶膠輻射效應(yīng)-未考慮氣溶膠輻射效應(yīng)

3 結(jié)論

3.1 霾污染可導(dǎo)致大氣透過率明顯下降,春、秋、冬不同季節(jié),霾污染可導(dǎo)致晴天中午大氣透過率分別下降0.09, 0.11和0.09.全年平均來看,霾污染可導(dǎo)致大氣透過率降低15.5%.云量的增多也可導(dǎo)致大氣透過率明顯下降,且對(duì)太陽輻射的衰減作用強(qiáng)于霾.多云天氣下,大氣透過率相比晴天減小約22.4%.霾和云對(duì)大氣透過率的影響還與太陽高度角有關(guān),當(dāng)太陽高度角>60°時(shí),霾污染導(dǎo)致大氣透過率下降約0.07(約8.6%).

3.2 隨污染等級(jí)提高,氣溶膠對(duì)太陽輻射的衰減也越強(qiáng),當(dāng)天津地區(qū)空氣質(zhì)量分別為Ⅰ～Ⅵ級(jí)時(shí),冬季中午地表入射短波輻射通量依次為484,446,439,342, 328,253W/m2.污染條件(空氣質(zhì)量Ⅳ級(jí)以上)相比清潔條件(空氣質(zhì)量Ⅰ級(jí))下,中午地面接收到的短波輻射通量減少約155W/m2(32.0%).

3.3 重污染期間,氣溶膠輻射效應(yīng)可導(dǎo)致大氣低層降溫(0.8℃)和增濕(3.8%),而中高層增溫(0.5℃)和降濕(2.4%),邊界層高度降低,大氣垂直擴(kuò)散能力減弱,最終形成氣溶膠-輻射-邊界層-污染正反饋機(jī)制.2015年12月一次重污染期間,氣溶膠輻射反饋機(jī)制導(dǎo)致400m以下PM2.5濃度整體升高,其中近地面升高幅度最明顯(達(dá)40μg/m3),且這種反饋效應(yīng)在午后16:00最明顯.

3.4 近年來天津空氣質(zhì)量明顯改善,受此影響,氣溶膠對(duì)太陽輻射的衰減作用明顯減弱.2019年冬季霾污染導(dǎo)致中午大氣透過率減小0.05,Ⅳ級(jí)以上污染天氣相較清潔條件下,冬季中午入射短波輻射通量下降85.3W/m2.盡管如此, 2019年12月一次重污染期間,氣溶膠輻射反饋機(jī)制仍可通過改變垂直溫度層結(jié),對(duì)污染的加劇(約20μg/m3)產(chǎn)生不容忽視的影響.

[1] 徐祥德,周 麗,周秀驥,等.城市環(huán)境大氣重污染過程周邊源影響域 [J]. 中國(guó)科學(xué):地球科學(xué), 2004,34:958-966.

Xu X D, Zhou L, Zhou X J, et al. Peripheral source influence area in the process of heavy pollution of urban environment and atmosphere [J]. Science China: Earth Sciences, 2004,34:958-966.

[2] Guo S, Hu M, Zamora M L, et al. Elucidating severe urban haze formation in China [J]. Proceedings of the National Academy of Sciences of the United States of America, 2014,111:17373-17378.

[3] Zhang J K, Sun Y, Liu Z R, et al. Characterization of submicron aerosols during a month of serious pollution in Beijing [J]. Atmospheric Chemistry and Physics, 2014,14:2887-2903.

[4] 孫業(yè)樂.城市邊界層理化結(jié)構(gòu)與大氣污染形成機(jī)制研究進(jìn)展 [J]. 科學(xué)通報(bào), 2018,63:1375-1389.

Sun Y L. Vertical structures of physical and chemical properties of urban boundary layer and formation mechanisms of atmospheric pollution [J]. Chinese Science Bulletin, 2018,63:1375-1389.

[5] 張皓月,李彥鵬,杜勝利,等.西安市冬季霾污染過程PM2.5上蛋白質(zhì)的濃度變化與來源分析 [J]. 中國(guó)環(huán)境科學(xué), 2022,42(5):2025-2033.

Zhang H Y, Li Y P, Du S L, et al. Variations and sources of protein concentrations in PM2.5during winter haze pollution process in Xi'an [J]. China Environmental Science, 2022,42(5):2025-2033.

[6] 王文興,柴發(fā)合,任陣海,等.新中國(guó)成立70年來我國(guó)大氣污染防治歷程、成就與經(jīng)驗(yàn)[J]. 環(huán)境科學(xué)研究, 2019,32(10):1621-1635.

Wang W X, Chai F H, Ren Z H, et al. Process, achievements and experience of air pollution control in China since the founding of the People’s Republic of China 70years ago [J]. Research of Environmental Sciences, 2019,32(10):1621-1635.

[7] 張小曳,徐祥德,丁一匯,等.2013～2017年氣象條件變化對(duì)中國(guó)重點(diǎn)地區(qū)PM2.5質(zhì)量濃度下降的影響 [J]. 中國(guó)科學(xué):地球科學(xué), 2020,50: 483-500.

Zhang X Y, Xu X D, Ding Y H, et al. The impact of meteorological changes from 2013 to 2017 on PM2.5mass reduction in key regions in China [J]. Science China: Earth Sciences, 2019,62:1885-1902.

[8] 任麗紅.中國(guó)典型城市群上空氣態(tài)污染物、PM2.5顆粒物粒徑濃度譜分布的航空測(cè)量研究 [D]. 北京:中國(guó)科學(xué)院大學(xué), 2014.

Ren L H. Aerial measurement study of the gaseous pollutant and PM2.5particle-size spectra over a typical city-cluster in China [D]. Beijing: University of Chinese Academy of Sciences, 2014.

[9] An Z S, Huang R J, Zhang R Y, et al. Severe haze in northern China: A synergy of anthropogenic emissions and atmospheric processes [J]. Proceedings of the National Academy of Sciences of the United States of America, 2019,116(18):8657-8666.

[10] Wang Y, Wang Y, Wang L, et al. Increased inorganic aerosol fraction contributes to air pollution and haze in China [J]. Atmospheric Chemistry and Physics, 2019,19(9):5881-5888.

[11] 孟麗紅,劉海玲,王 煒,等.基于多源資料天津一次霧-霾過程的邊界層特征 [J]. 中國(guó)環(huán)境科學(xué), 2022,42(9):4018-4025.

Meng L H, Liu H L, Wang W, et al. Boundary layer characteristics of fog - haze in Tianjin based on multi - source data [J]. China Environmental Science, 2022,42(9):4018-4025.

[12] Chan Y C, Simpson R W, Mctainsh G H, et al. Source apportionment of visibility degradation problems in Brisbane (Australia) using the multiple linear regression techniques [J]. Atmospheric Environment, 1999,33(19):3237-3250.

[13] Pope C A, Burnett R T, Thun M J, et al. Lung cancer, cardiopulmonary, and long-term exposure to fine particulate air pollution [J]. Journal of the American Medical Association, 2002,287(9):1132-1141.

[14] Zhang Y, Wen X Y, Jang C J. Simulating chemistry-aerosol-cloud- radiation-climate feedbacks over the continental US using the online- coupled Weather Research Forecasting with chemistry (WRF/Chem) [J]. Atmospheric Environment, 2010,44:3568-3582.

[15] Zhang S, Wang M, Ghan S J, et al. On the characteristics of aerosol indirect effect based on dynamic regimes in global climate models [J]. Atmospheric Chemistry and Physics, 2016,16:2765-2783.

[16] Ding A J, Fu C B, Yang X Q, et al. Intense atmospheric pollution modified weather: a case of mixed biomass burning with fossil fuel combustion pollution in eastern China [J]. Atmospheric Chemistry and Physics, 2013,13(20):10545-10554.

[17] 朱 彬,郭 婷.空氣污染對(duì)霧影響的研究進(jìn)展 [J]. 氣象科技進(jìn)展, 2016,6(2):56-63.

Zhu B, Guo T. Review of the impact of air pollution on fog [J]. Advances in Meteorological Science and Technology, 2016,6(2):56-63.

[18] Ding Q J, Sun J N, Huang X, et al. Impacts of black carbon on the formation of advection-radiation fog during a haze pollution episode in eastern China [J]. Atmospheric Chemistry and Physics, 2019,19: 7759-7774.

[19] Gao X, Giorgi F. Increased aridity in the Mediterranean region under greenhouse gas forcing estimated from high resolution simulations with a region climate model [J]. Global and Planetary Change, 2008, 62(3):195-209.

[20] Ramanathan V, Chung C, Kim D, et al. Atmospheric brown clouds: Impacts on South Asian climate and hydrological cycle [J]. Proceedings of the National Academy of Sciences of the United States of America, 2014,102(15):5326-5333.

[21] Rosenfeld D, Andreae M O, Asmi A, et al. Global observations of aerosol-cloud-precipitation-climate interactions [J]. Reviews of Geophysics, 2014,52:750-808.

[22] 張 華,王志立,趙樹云,等.大氣氣溶膠及其氣候效應(yīng) [M]. 北京:氣象出版社, 2018:41-71.

Zhang H, Wang Z L, Zhao S Y, et al. Atmospheric aerosol and its climate effect [J]. Beijing: China Meteorological Press, 2018:41-71.

[23] Charlson R J, Schwartz S E, Hales J M, et al. Climate forcing by anthropogenic aerosols [J]. Science, 1992,255(5043):423-430.

[24] Li Z Q, Guo J P, Ding A J, et al. Aerosol and boundary-layer interactions and impact on air quality [J]. National Science Review, 2017,4(6):810-833.

[25] Twomey S. Pollution and the planetary albedo [J]. Atmospheric Environment, 1974,8:1251-1256.

[26] 吳蓬萍,韓志偉.人為源氣溶膠的間接氣候效應(yīng)研究綜述[J]. 大氣科學(xué), 2013,33(2):84-92.

Wu P P, Han Z W. A review of indirect anthropogenic aerosol effect [J]. Chinese Journal of Atmospheric Science, 2013,33(2):84-92.

[27] Ferrero L, Castelli M, Ferrini B S, et al. Impact of black carbon aerosol over Italian basin valleys: high-resolution measurements along vertical profiles, radiative forcing and heating rate [J]. Atmospheric Chemistry and Physics, 2014,14(18):9641-9664.

[28] Samset B H, Myhre G, Herber A, et al. Modelled black carbon radiative forcing and atmospheric lifetime in AeroCom Phase II constrained by aircraft observations [J]. Atmospheric Chemistry and Physics, 2016,14:12465-12477.

[29] Huang X, Ding A J, Liu L, et al. Effects of aerosol-radiation interaction on precipitation during biomass-burning season in East China [J]. Atmospheric Chemistry and Physics, 2016,16:10063-10082.

[30] Wang H, Xue M, Zhang X Y, et al. Mesoscale modeling study of the interactions between aerosols and PBL meteorology during a haze episode in Jing-Jin-Ji (China) and its nearby surrounding region-Part 1: Aerosol distributions and meteorological features [J]. Atmospheric Chemistry and Physics, 2015,15(6):3257-3275.

[31] Sun K, Liu H N, Wang X Y, et al. The aerosol radiative effect on a severe haze episode in the Yangtze River Delta [J]. Journal of Meteorological Research, 2017,31:865-873.

[32] 蔡子穎,姚青,韓素芹,等.氣溶膠直接氣候效應(yīng)對(duì)天津氣象和空氣質(zhì)量的影響[J]. 中國(guó)環(huán)境科學(xué), 2017,37(3):908-914.

Cai Z Y, Yao Q, Han S Q, et al. The influence of the air quality and meteorological field about aerosol direct climate effect on Tianjin [J]. China Environmental Science, 2017,37(3):908-914.

[33] Xiao Z M, Zhang Y F, Hong S M, et al. Estimation of the main factors influencing haze, based on a long-term monitoring campaign in Hangzhou, China [J]. Aerosol and Air Quality Research, 2011,11:873-882.

[34] Zhang Y L, Cao F. Fine particulate matter (PM2.5) in China at a city level [J]. Scientific Reports, 2015,5:14884.

[35] 白永清,祁海霞,劉琳,等.武漢大氣能見度與PM2.5濃度及相對(duì)濕度關(guān)系的非線性分析及能見度預(yù)報(bào)[J]. 氣象學(xué)報(bào), 2016,74(2):189-199.

Bai Y Q, Qi H X, Liu L, et al. Study on the nonlinear relationship among the visibility, PM2.5concentration and relative humidity in Wuhan and visibility prediction [J]. Acta Meteorologica Sinica, 2016, 74(2):189-199.

[36] Johnson E S. The solar constant [J]. Journal of the Meteorological Society of Japan, 1954,11:431.

[37] 王炳忠,申彥波.太陽常數(shù)的研究沿革和進(jìn)展(上) [J]. 太陽能, 2016,3:15-16.

Wang B Z, Shen Y B. The evolution and progress of the study of solar constant (part 1) [J]. Solar Energy, 2016,3:15-16.

[38] Eva H, Lambin E F. Burnt area mapping in central Africa using ATSR data [J]. International Journal of Remote Sensing, 1988,19:3473-3497.

[39] Yegorova E A, Allen D J, Loughner C P, et al. Characterization of an eastern U.S. severe air pollution episode using WRF/Chem [J]. Journal of Geophysical Research: Atmosphere, 2011,116:D17306.

[40] Su L, Fung J C. Sensitivities of WRF-Chem to dust emission schemes and land surface properties in simulating dust cycles during springtime over east Asia [J]. Journal of Geophysical Research: Atmosphere, 2015, 120:11215-11230.

[41] Tao W, Su H, Zheng G J, et al. Aerosol pH and chemical regimes of sulfate formation in aerosol water during winter haze in the North China Plain [J]. Atmospheric Chemistry and Physics, 2020,20(20): 11729-11746.

[42] Su X, Tie X X, Li G H, et al. Effect of hydrolysis of N2O5on nitrate and ammonium formation in Beijing China: WRF-Chem model simulation [J]. Science of the Total Environment, 2017,579:221-229.

[43] 楊 旭,蔡子穎,韓素芹,等.基于無人機(jī)探空和數(shù)值模擬天津一次重污染過程分析[J]. 環(huán)境科學(xué), 2021,42(1):9-18.

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

[44] 蔡子穎,唐 邈,肖致美,等.基于源反演和氣溶膠同化方法天津空氣質(zhì)量模式預(yù)報(bào)能力改進(jìn)[J]. 環(huán)境科學(xué), 2022,43(5):2415-2426.

Cai Z Y, Tang M, Xiao Z M, et al. Improvement of environmental model prediction based on inversion and aerosol assimilation [J]. Environmantal Science, 2022,43(5):2415-2426.

[45] Sumita K, Ribu C, Sahidul I, et al. Regional simulation of aerosol radiative effects and their influence on rainfall over India using WRF-Chem model [J]. Atmospheric Research, 2016,182:232-242.

[46] Crippa P, Sullivan R C, Thota A, et al. Evaluating the skill of high-resolution WRF-Chem simulations in describing drivers of aerosol direct climate forcing on the regional scale [J]. Atmospheric Chemistry and Physics, 2016,16(1):397-416.

[47] Forkel R, Werhahn J, Hansen A B, et al. Effect of aerosol-radiation feedback on regional air quality – A case study with WRF/Chem [J]. Atmospheric Environment, 2012,53(6):202-211.

[48] Wang J, Allen D J, Pickering K E, et al. Impact of aerosol direct effect on East Asian Air Quality during the EAST-AIRE Campaign [J]. Journal of Geophysical Research: Atmosphere, 2016,121:6534-6554.

[49] 張 芳,齊琳琳,葛 杰,等.氣溶膠及能見度變化對(duì)標(biāo)準(zhǔn)大氣中遠(yuǎn)紅外傳輸?shù)挠绊懛治鯷J]. 紅外技術(shù), 2016,38(12):1047-1052.

Zhang F, Qi L L, Ge J, et al. Effect of typical-aerosol and visibility on the mid- and far-infrared light-wave transmission in the standard atmosphere [J]. Infrared Technology, 2016,38(12):1047-1052.

[50] 蔡子穎,韓素芹,張 敏,等.天津地區(qū)污染天氣分析中垂直擴(kuò)散指標(biāo)構(gòu)建及運(yùn)用[J]. 環(huán)境科學(xué), 2018,39(6):2548-2556.

Cai Z Y, Han S Q, Zhang M, et al. Construction and application of vertical diffusion index for analyzing weather during pollution events in Tianjin [J]. Environmantal Science, 2018,39(6):2548-2556.

[51] 許瀟鋒,劉晨璇,唐志偉,等.基于CALIPSO的華北地區(qū)氣溶膠垂直分布特征[J]. 大氣科學(xué)學(xué)報(bào), 2018,41(1):126-134.

Xu X F, Liu C X, Tang Z W, et al. Characteristics of aerosol vertical distribution based on CALIPSO in North China [J]. Transactions of Atmospheric Sciences, 2018,41(1):126-134.

[52] 王 宏,石廣玉,王 標(biāo),等.中國(guó)沙漠沙塵氣溶膠對(duì)沙漠源區(qū)及北太平洋地區(qū)大氣輻射加熱的影響[J]. 大氣科學(xué), 2007,31(3):515-526.

Wang H, Shi G Y, Wang B, et al. The impacts of dust aerosol from deserts of China on the radiative heating rate over desert sources and the North Pacific Region [J]. Chinese Journal of Atmospheric Science, 2007,31(3):515-526.

[53] Huang X, Wang Z L, Ding A J. Impact of aerosol-PBL interaction on haze pollution: Multiyear observational evidences in North China [J]. Geophysical Research Letters, 2018,45:8596-8603.

Observation and modeling study of the influence of aerosol radiation effect on meteorology and environment.

YANG Jian-bo1,2,3, CAI Zi-ying3*, YANG Xu3, XING Rui4, MENG Li-hong1,2, LI Ying-hua1,2

(1.Tianjin Institute of Meteorological Science, Tianjin 300074, China；2.Tianjin Key Laboratory for Oceanic Meteorology, Tianjin 300074, China；3.CMA-NKU Cooperative Laboratory for Atmospheric Environment-Health Research, Tianjin 300074, China；4.Tianjin Binhai New Area Meteorological Service, Tianjin 300457, China)., 2023,43(1)：38～51

Two representative years (2015 and 2019) were selected to investigate the impact of aerosol radiation effect on bulk atmospheric transmissivity and incoming solar radiation, as well as the evolution of such effect, on the basis of in-situ observation and numerical simulation. With the application of the online coupled atmospheric chemistry model WRF-Chem, the feedback mechanism of aerosol radiative effect on the vertical distribution of meteorological factors, the boundary layer structures and the PM2.5concentration during heavy pollution episodes were analyzed. Results showed that: haze pollution could lead to the obvious decline of bulk atmospheric transmissivity and this effect was dominant at noon. In spring, autumn and winter, haze pollution could lead to the reduction of bulk atmospheric transmissivity by 0.09, 0.11 and 0.09 at noon, respectively. The annual mean atmospheric transmissivity was reduced by about 15.5% due to haze pollution. While atmospheric transmissivity reduction due to cloud cover was about 22.4%, compared to clear days. The impact of aerosol and cloud on atmospheric transmissivity was also related to solar elevation angle. When the solar elevation angle was higher than 60°, haze pollution could lead to a reduction of atmospheric transmissivity of 8.6%. The attenuation of aerosol radiation effect on solar radiation would be enhanced with the aggravation of haze pollution. As the air quality level in Tianjin changing from I to Ⅵ, the mean incoming shortwave radiation flux at noon would be 484, 446, 439, 342, 328 and 253W/m2, respectively. During heavy pollution episode, the aerosol radiation effect could lead to cooling (0.8 ℃) and moistening (3.8%) of near-surface layer (below 250m), as well as heating (0.5℃) and drying (2.4%) of upper layer (300～1900m), which would then lead to the enhancement of inversion intensity and the weakening of vertical diffusion. This would finally form the positive aerosol-radiation-boundary layer-pollution feedback, hence lead to the further enhancement of PM2.5concentration (up to 40μg/m3) near the surface, and this effect was more evident at about 16:00 in the afternoon. Since the implementation of atmospheric pollution prevention and control actions, the air quality in Tianjin has been continuously improved. Compared to 2015, the annual average PM2.5concentration of 2019 in Tianjin was reduced by 27.1% and the number of polluted days was reduced by 43.8%. As a result, the attenuation effect of aerosol on solar radiation was weakened, as the haze pollution would lead to the reduction of noontime atmospheric transmissivity by 0.05 in the winter of 2019. Air pollution (AQI grade higher than Ⅳ) would reduce the incident shortwave radiation by 85.3W/m2at noontime. Nonetheless, during heavy pollution episode in 2019, the aerosol radiation effect could still exert a nonnegligible impact on the aggravation of pollution levels (up to 20μg/m3) through the modification of vertical atmospheric stratification.

aerosol radiation effect；bulk atmospheric transmissivity；heavy pollution episode；atmospheric boundary layer；feedback mechanism

X513

A

1000-6923(2023)01-0038-14

楊健博(1989-),男,天津人,高級(jí)工程師,博士,主要從事邊界層與大氣環(huán)境研究.發(fā)表論文10余篇.

2022-06-09

國(guó)家自然科學(xué)基金資助項(xiàng)目(42130513);天津市氣象局重點(diǎn)項(xiàng)目(202114zdxm01)

* 責(zé)任作者, 正研級(jí)高級(jí)工程師, 120078030@163.com