基于客观天气分型的嘉兴市臭氧传输路径探索

利用倾斜T模态主成分分析法(PCT)对嘉兴市2018—2022年4—10月海平面气压场进行客观分型,探讨O3污染重点气象因子阈值,同时,利用后向轨迹法、潜在源贡献因子法(PSCF)和浓度权重轨迹法(CWT)提取嘉兴市臭氧主要传输通道.结果表明,易引起嘉兴市臭氧超标的天气类型按超标率排序为低压底前部型(37.1%)>高压控制型(35.9%)>低压底后控制型(29.4%)>低压后部型(25.9%).低压底前部型相对湿度区间为60%~85%和日最高温度区间为24.6~29.9℃时臭氧超标率达71.4%,低压底后部型在日最高温度和相对湿度区间分别为23.3~32.0℃和59%~79%时臭氧超标率为68.4%.低压底前部型主要输送路径为东南方向,潜在源区主要分布在浙江省内;东南气流和偏西气流对高压控制型下臭氧浓度均有重要影响,此天气型下臭氧潜在源区主要分布在浙江北部、江苏南部及安徽东部地区;低压后部型下臭氧主要输送路径为北方气流,潜在源区为江苏南部及江苏与浙江交接地区;西北气流为低压底后部型下嘉兴市臭氧的重要输送路径,主要源区分布在浙江北部及江苏北部等部分地区.

塔里木盆地浮尘滞空天气客观分型

本文利用2011—2020年塔里木盆地多站浮尘日数据,筛选出396个浮尘滞空日。采用ERA5气象再分析资料,应用PCT算法对塔里木盆地浮尘滞空日地面及高空环流进行客观分型,并分析典型浮尘滞空个例,以揭示浮尘滞空与高低空天气环流之间的联系。结果表明:地面天气型可分为高压前部型、高压底部型和均压场型,不同地面天气型下气象条件和污染物浓度特征存在一定差异;地面天气系统演变过程为高压前部型-高压底部型-均压场型,高空天气系统演变过程为西风槽后型、高压脊型交替出现-平直纬向型;当地面西伯利亚冷高压东移南下,高空受槽后和伊朗高压控制时,浮尘滞空天气处于发生和发展阶段,地面PM10浓度较高;当地面为均压场,无明显气压系统活动,高空为平直纬向环流时,浮尘滞空天气趋于结束。

汕头市2020—2022年臭氧污染特征及大气环流客观分型

利用2020—2022年汕头市环境空气自动监测站数据和气象数据,分析汕头市出现污染天气过程中臭氧污染的变化特征。采用自组织神经网络(self-organizing feature mapping, SOM模型)智能天气分型算法对汕头市2020—2022年的天气形势的再分析资料进行客观分型,总结出汕头市容易出现臭氧污染的天气环流分型,分别为东海气旋低压槽型(秋季)、高压后部与南海低压型(春季)、弱高压底部型(秋季)、槽后脊前型(春季)和副高控制型(秋季)。对应的臭氧污染站次分别为125站次(16%),120站次(15%),115站次(14%),101站次(13%)和78站次(10%)。汕头市春、秋季较易发生臭氧污染,从近3年(2020—2022年)气团传输轨迹来看,臭氧污染的主要气团来源为东北沿海、西南沿海以及偏北内陆。

成都冬季PM2.5污染天气形势的客观分型研究

文章利用2013-2018年冬季ERA-interim再分析资料,以及同期空气污染资料、地面常规气象观测资料和探空资料,采用PCT(principal component analysis in T-mode)客观分型方法对成都冬季海平面气压场进行天气分型,并探究冬季以及各月份不同天气型对应的空气污染状况及污染气象参数分布特征,进而从污染气象学的角度揭示重污染潜势天气型的气候特征。结果表明:冬季海平面气压场共对应9种天气类型,其中,6型(准鞍型场型)和9型(冷锋前部型)为2类重污染潜势天气型,冬季对应的PM2.5均值浓度分别为194.3和173.2μg/m3;而1型(川西高压前部型)为清洁天气型,对应的PM2.5均值浓度为73.2μg/m3。重污染潜势天气型对应的边界层结构呈现出稳定能量大、混合层厚度和通风系数均最小的静稳天气特征,其能够反映大气污染潜势。该研究可为盆地地区空气污染潜势预报及大气重污染预报预警的客观化、自动化提供科学依据和技术支持。

长沙市近地面臭氧污染天气形势的客观分型

天气分型是近地面臭氧(O_(3))空气污染潜势研究的基础,是夏季大气环境管理的关键技术支撑。基于2016—2018年ERA-interim再分析资料,以及同期长沙市O_(3)逐时监测资料和地面常规气象观测资料,采用PCT(principal component analysis in T-mode)客观分型方法将长沙市海平面气压场分为均压场型(T1)、高压底部型(T2)、高压边缘型(T3)、高压西侧型(T4)、高压后部型(T5)和两高切变型(T6)6种天气型。针对不同天气型下O_(3)超标率的进一步分析指出,T1、T4和T6型为O_(3)污染型天气类型,对应O_(3)超标率分别为20.39%、8.59%和8.40%。在污染型天气类型下,气象要素均表现为辐射强、气温高和相对湿度低,有利于本地O_(3)的光化学生成。长沙地区O_(3)污染不仅源于本地O_(3)的光化学生成,还可能与西北方城市O_(3)及其前体物的输送效应密切相关。

双层PCT天气分型法的建立及其应用

提出了一种新的双层PCT天气分型方法.该方法分别对高层背景场与低层地面场进行PCT分型,再将结果组合、分类、调整后获得最终分型结果.分型结果表明比传统分型法拥有更好的准确性与稳定性.在此基础上针对2014~2019年长江下游地区冬季天气进行了分类研究,得到了8类主要天气形势,分别为:弱气压场型、冷锋过境型、高压前部型、高压底部型、高压控制型、高压后部型、倒槽前部型和倒槽后部型.其中弱气压场型占比最高(26.6%)、通风系数最低(昼间3518m^(2)/s,夜间1373m^(2)/s),且重污染率在常见天气型中较高(8.0%);另外倒槽前部型的污染率与重污染率最高(49.0%与12.0%).利用分型结果分析各类天气形势演化趋势后,得到长江下游冬季高压主要的4条移动路径,其中“高压前部—高压底部—高压后部”型路径最为频繁(占比42.9%),且最不利于通过静稳天气使大气污染物发生累积,为最清洁的路径类型.

华北地区冬半年空气污染天气客观分型研究

利用2013—2016年冬半年ERA-interim再分析资料,以及同期空气污染资料、地面常规气象观测资料和探空资料,采用PCT (Principal Component Analysis in T-mode)客观分型方法对华北地区冬半年海平面气压场进行天气分型,并探究不同月份不同天气型对应的空气污染状况及污染气象参数分布特征,进而从污染气象学的角度揭示重污染潜势天气型的气候特征.结果表明:冬半年海平面气压场共对应9种天气类型,其中,5型(均压场型)、6型(高压内部型)和8型(高压后部型)为3种重污染潜势天气型,冬半年对应的PM_(2.5)均值浓度分别为144.11、136.99和148.26μg·m^(-3),而1型(T型高压前部型)和3型(低压底部型)为两种清洁天气型,冬半年对应的PM_(2.5)均值浓度分别为97.12和80.83μg·m^(-3);重污染潜势天气型对应的边界层结构呈现出稳定能量大、混合层厚度和通风系数小的大气层结稳定的静稳天气特征,其能够反映大气污染潜势;研究还发现,即使是同一天气型,其在不同月份对污染物的扩散影响也存在差异,因此,建议在今后的污染潜势天气型研究中分月份进行.本研究可为华北地区空气污染潜势预报及大气重污染预报预警的客观化、自动化提供科学依据和技术支持.

2016—2019年夏半年成都市区臭氧污染天气特征分析

为揭示成都市区臭氧污染气象条件特征,通过欧盟COST733天气客观分型软件对成都市区2016—2019年夏半年(5—9月)海平面气压场和500 hPa位势高度场进行大气环流形势分型,并结合同期臭氧监测数据、地面气象观测数据以及总云量实况分析产品,分析成都市区夏半年臭氧超标天气及气象要素特征.结果表明:成都市区2016—2019年夏半年共出现臭氧超标日数为159 d,超标率为26.0%,超标日主要集中于5—8月,小时超标多出现于14:00—17:00.臭氧污染日数最多的海平面气压场为弱低压型,其后依次为低压前部型、低压型、高压后部型.臭氧超标率最高的海平面气压场为低压前部型,其后依次为弱低压型、低压型、高压后部型.500 hPa位势高度场平直西风气流型臭氧超标日数最多,青藏高压型臭氧超标日数最少.青藏高压型是臭氧超标率最高的500 hPa位势高度场型,平直西风气流型臭氧超标率最低.成都市区臭氧超标日多出现在偏西北风下,近地面气象要素特征一般表现为风速1.2~1.6 m s,气温在25℃以上,相对湿度多集中在70%左右,总云量和降水概率多低于60%,降水量级以小雨为主,太阳辐射和日照时数分别位于20.5~23.2 MJ m 2和6.0~7.8 h区间.小时臭氧超标近地面气象要素特征为气温和总辐射曝辐量相对较高,二者分别在30~36℃和0~3.5 MJ m 2之间,相对湿度在60%以下,总云量低于40%,以偏南风影响为主.研究显示,成都市区海平面气压场为低压型,500 hPa位势高度场为青藏高压型时,易发生臭氧污染.

银川市臭氧污染天气形势客观分型研究

采用T-mode主成分分析法(PCT)对银川2016—2020年4—9月850 hPa位势高度和全风速场进行客观天气分型,并利用后向轨迹聚类方法、潜在源贡献算法(PSCF)和浓度权重轨迹分析法(CWT)探讨臭氧易污染天气型的传输特征和潜在污染源区.结果表明,最有利于形成臭氧污染的天气类型为东高西低型,其次是低空均压场高空弱西北气流型,再次是低空均压场高空强西北气流和辐合场型,对应的臭氧超标率分别为37%、34%、27%和27%;不利于促发臭氧污染的天气类型有暖高底部型、西北气流控制型和高压后部型.东高西低型下,银川臭氧的主要输送路径为东南气流,潜在源区为四川北部、陕西西南部、甘肃东北部和宁夏东部;偏东气流和西北气流对低空均压场高空弱西北气流型下臭氧浓度均有重要影响,此天气型下银川臭氧潜在源区主要分布在内蒙古西南部与宁夏西北部接壤地区及宁夏北部和东部;低空均压场高空强西北气流型下臭氧主要输送路径为北方气流,潜在源区为内蒙古中西部及宁夏中东部;东南偏东气流为辐合型天气型下银川臭氧的重要输送路径.

冬季不同天气形势下杭州市大气环境容量研究

文章利用2015-2018年杭州市地面PM_(2.5)质量浓度资料、ERA5再分析资料和地面观测资料,在使用PCT分型法对杭州市冬季天气形势进行客观分型基础上,通过修正A值法计算得出了杭州市冬季不同天气形势下大气环境容量的变化特征。结果表明:2015-2018年杭州市冬季PM_(2.5)质量浓度持续偏高,空气污染最为显著。通过客观分型得出影响该地区冬季主要天气形势共分6种,分别为高压控制、高压底部控制均压场、L型高压控制、高压前部控制均压场、低压控制、低压前部控制均压场。其中,在高压控制、高压底部控制均压场、L型高压控制、低压控制时,其逐日大气环境容量相对较小,依次为5.66、5.88、7.95、0.52 t/d,易发生空气污染;在低压前部控制均压场和高压前部控制均压场时,大气环境容量较大,依次为15.26、13.14 t/d,不易发生空气污染。因此,得出的不同天气形势下大气环境容量的变化特征对于杭州市冬季大气污染排放管控政策的制定能够起到一定的指导作用。

2015—2021年广州市臭氧和PM_(2.5)复合污染特征及天气分型研究

利用广州市2015—2021年的地面观测资料和ERA5再分析数据集,统计了臭氧和PM_(2.5)的时间分布特征及两者同时出现高值(“双高”过程)的气象成因,并进一步用自组织神经网络(SOM)研究了高浓度臭氧和PM_(2.5)(浓度大于年第85分位数)对应的客观天气型.结果表明,2015—2021年,广州市臭氧浓度呈逐年上升趋势,而PM_(2.5)浓度则呈逐年下降趋势,臭氧逐渐取代PM_(2.5)成为首要污染物.“双高”日主要集中在春季和秋季,且秋季占比超过50%.当温度为20~30℃,湿度为30%~50%时,“双高”日出现的概率达到30%以上.基于天气分型方法,本研究发现在所有“双高”污染过程中,主要天气分型依次为:高压底后部型、变性高压脊型、副高+台风外围型、冷锋前部型;秋季发生“双高”污染时,天气分型依次为:副高+台风外围型和副高+弱冷高压脊型.

珠江三角洲秋季典型O3污染的气象条件及贡献量化

利用自组织神经网络分析法,对珠江三角洲2013~2017年秋季海平面气压和全风速场进行大样本客观分型.结果表明,影响O3的天气类型共有7种,由污染程度高低分为高、中、低3类,对应的平均O3超标率分别为32.3%,12.0%和4.2%.对比2017年和2016年秋季O3污染天气分型下促发O3污染的气象因子差异,2017年秋季高污染型O3天气形势出现的天数比2016年增多,且中污染型天气形势出现时,2017年的局地污染气象条件更为不利.采用WRF-CAMx模式通过改变气象场输入来量化气象条件贡献,并用实测变化减去气象变化以推算排放贡献.结果表明,气象条件变化导致O3浓度上升的贡献率为29.8%,而排放的变化引起O3浓度下降的贡献率为7.1%.在2017年秋季开展的O3污染防治专项行动指导下的珠江三角洲O3前体物控制措施,有效缓解了部分由于不利气象条件而引起的O3污染浓度上升.不利气象条件是导致2017年秋季O3浓度升高的重要成因.

2011—2018年安徽暖季短时强降水及其环流背景统计特征

采用2011—2018年5—8月逐10 min的地面稠密降水资料,统计分析了安徽省小时强降水(hourly heavy rainfall,HHR)事件在入梅前期、梅雨期、出梅后期的时空分布特征。结果表明,安徽省大别山至皖南山区西南部一带是HHR事件的易发区域,安徽省西南、东北地区HHR事件对暖季总降水贡献高达30%~40%。入梅前期,安徽省HHR事件日的发生频次低,雨强较弱;梅雨期持续时间长、累计雨量大;出梅后期雨强较大,持续时间短。按第99百分位阈值,60%以上极端持续时间(≥360 min)和极端累计雨量(≥138.0 mm)HHR事件出现在梅雨期,而60%以上极端10 min雨强(≥25.0 mm)HHR事件出现在出梅后期。梅雨期,HHR事件频次在凌晨06时和午后17时出现峰值;出梅后期,呈现明显的午后16时单峰结构。根据旋转T模式主成分客观分析法,将安徽省梅雨期HHR事件划分为低涡/切变型或锋面型(SP2型)和西北低槽型(SP1型);出梅后期则为南方低压或台风低压型(SP6型)和西北低槽型(SP1型)。其中,梅雨期SP2型HHR事件主要发生在大别山区、皖南山区及其过渡地带,是梅雨期HHR事件的主要贡献者;而SP1型HHR事件主要在大别山区、皖南山区及安徽东北部等山区较易发生。出梅后期,SP1型HHR事件呈现北多南少特点,而SP6型在大别山和皖南山区有较明显的HHR事件发生,是出梅后期HHR事件的主要贡献者。

上海市臭氧污染的大气环流客观分型研究

利用T-mode主成分分析法(PCT)对上海2013—2017年3—10月925 hPa低层位势高度和全风速场进行大样本客观分型,总结了有利于和不利于促发上海地面臭氧污染的大气环流类型.发现有利于促发臭氧污染的环流形势都和副高有关,分别为副高控制(HC)和副高西北侧(HW),对应的臭氧超标率分别为68%和24.2%.前者的气象特点表现为辐射最强、温度最高有利于臭氧的光化学生成,臭氧浓度较弱副高形势平均偏高约50%;而后者以西向风为主,呈现明显的输送效应.相反不利于促发臭氧污染的环流类型都和低值系统相关,分别为低压北侧(LN)、低压东侧(LE)和低压西侧(LW),臭氧超标率均低于7%.其中LN影响下上海水平风速最大、扩散条件最好,不利于臭氧积聚;LE和LW影响下上海多云雨天气导致辐射降低,抑制了臭氧的光化学生成.

基于K-means聚类分析法的肇庆市干季PM2.5污染天气分型研究

通过分析肇庆市2013-2018年国控大气环境监测站的PM2.5连续监测数据,发现肇庆市区PM2.5浓度在干季(10月-次年4月)明显高于其余月份,轻度以上污染基本发生在干季,且PM2.5浓度对年总浓度贡献达70.8%.基于Era-interim再分析资料采用K-means聚类分析法对2013-2018年干季逐日的海平面气压和10 m水平风进行分型,揭示了肇庆市易出现PM2.5污染的6种大气环流形势,包括冷锋前部(CF)、变性高压脊(THR)、脊后槽前型(BRFT)、高压底后部(HSW)、弱冷高压脊(HR)和台风外围型(TP).2013-2016年易污染天气型影响天数呈明显减少趋势,2017-2018年呈增加趋势.不同天气型PM2.5浓度与局地气象要素相关性不一致,其中CF、HR、HSW、TP天气型与湿度相关性最好,THR与风速、BRFT与气压相关性最好.PM2.5污染除BRFT天气型主要以本地排放累积影响为主,其余易污染天气型存在不同尺度的外来输送影响,HSW、HR主要来自广州、清远、韶关,CF主要来自佛山、中山,THR来自广州、清远、佛山.同一污染天气型在不同月份的污染影响差异较大,其中HSW、THR污染型主要影响1月和10月,CF为1月和12月,HR为2月和12月,TP为10月,BRFT为1月和10-11月.不同年份的同一月份造成不同程度的PM2.5污染除了排放影响,还与天气环流类型和同一天气型下的局地气象要素密切相关.

2011—2019年影响安徽致暴江淮气旋统计分析

采用安徽国家基本站逐小时降水及欧洲ERA5再分析资料,统计分析了2011—2019年影响安徽致暴江淮气旋气候概况、雨区、路径及环流场特征。结果表明,影响安徽致暴江淮气旋多发生于湖北、湖南等地,约占同期总气旋数的18.9%,年均2.8次;降水大值中心主要位于大别山南麓至皖南山区西南一带,高海拔山区尤其明显。根据斜旋转T模态主成分客观分析法,将影响安徽致暴江淮气旋主要划分为高压脊型(SP1型)、高空槽型(SP2型)、暖式切变型(SP3型);其中,SP1型致暴天气过程最多,占40%,SP2型次之,占36%,SP3型占20%。高压脊型(SP1型)江淮气旋一般偏南东移,安徽以西有一高压脊,高压脊东侧有显著的经向环流,中高层有明显干侵入过程,低层暖湿舌伸向皖南山区,暖湿不稳定层结的配置有利于皖南山区对流性强降水的产生;高空槽型(SP2型)江淮气旋一般向偏东方向移动,安徽中北部中高层为东北—西南向高空槽,低层表现为冷锋南侵,与南方暖湿气流汇合于安徽长江流域,导致雨区分布于安徽长江一线;暖式切变型(SP3型)江淮气旋一般偏北东移,低涡位于安徽以西,西南强盛的暖湿气流经大别山区向东北方输送,整层均为大湿区,低层有较强的辐合抬升,降水效率高,雨区主要分布于大别山区,属于暖区暴雨或强降水类型。