四川盆地大气混合层高度变化特征及其与PM_(2.5)浓度之间关系

利用四川盆地2016-2018年的探空资料,估算了3个代表地区(成都、宜宾、达州)最大混合层高度(MMH),运用ERA-interim再分析资料的边界层高度(ERA-PBLH)验证MMH计算结果的可靠性,分析了MMH的概率分布、季节变化特征,并结合同期PM_(2.5)日均浓度资料及地面气象观测资料,探讨了MMH和其他气象因子与PM_(2.5)日均浓度之间的关系。结果表明,四川盆地MMH整体偏低。在季节分布上,成都和宜宾MMH春季的最高,秋季的最低,达州夏季的最高,冬季的最低,这种地区性差异的主要原因来自感热通量及水汽条件的季节变化。总体上PM_(2.5)日均浓度随MMH的升高而逐渐减小。重污染天气多发生在MMH较低、相对湿度较大的情况下,较低的抬升凝结高度限制了混合层的增高,并且气溶胶吸湿增长作用明显,污染物容易聚集。盆地PM_(2.5)浓度的高值主要集中在风速为1.0 m/s左右,盆地内空气流入对当地污染物浓度有明显的增长作用。

乌鲁木齐一次重污染过程及其边界层特征分析

针对2020年1月5—17日乌鲁木齐出现的重污染天气,利用乌鲁木齐的探空站资料和地面常规气象数据计算了最大混合层高度、平均风速、逆温特性、边界层通风量、能见度、相对湿度等,对最大混合层高度、能见度、相对湿度与PM2.5质量浓度进行了相关性分析,并利用Hysplit后向气团轨迹模式分析污染形成源。结果表明:此次重污染天气过程大气层结较为稳定,主要表现为逆温层厚(平均577 m)、逆温强度大(平均1.7℃/100 m)、最大混合层高度低(平均400 m);边界层通风量对局地空气质量影响显著;PM2.5质量浓度与相对湿度呈弱的正相关,与能见度呈指数相关;Hysplit后向气团轨迹模式分析得出此次污染过程以局地排放为主要形成源。

风能资源数值模拟评估的分型方法研究

为了实现时间跨度较长(20—30年)的风能资源数值模拟评估,建立了一种新的分型方案,采用地面和探空观测资料,以风速、风向和最大混合层高度作为分型因子,针对每种类型随机抽取5%的日数进行真实算例的数值模拟。根据中国所有地区典型日的平均风能参数和30年观测平均结果的对比分析,得出以下结论:(1)中国所有分型站点挑选典型日的平均风速与30年平均风速的绝对误差均小于0.10 m/s,相对误差均低于6.50%;挑选典型日各风向频率值与30年结果的绝对误差平均值为0.28%—0.48%,风速频率绝对误差的平均值为0.09%—0.54%。(2)通过模拟区域分型站点以外探空气象站的风向频率和风速频率的对比检验发现:沿海地区风向频率绝对误差为0.27%—0.63%,风速频率绝对误差为0.14%—0.49%;内陆复杂山地风向频率绝对误差基本在0.57%以下,风速频率绝对误差为0.22%—0.60%;结果表明选取一个分型站点能够代表整个模拟区域内的风能资源特性。(3)根据沿海和内陆山地模拟区域重合范围内的探空站分型结果对比分析发现:对于模拟区域重合范围内的探空站,采用所有模拟区域分型站典型日结果加权平均后的风能参数对比误差大大低于各自模拟区域分型站点的对比误差。

北京地区日最大边界层高度的气候统计特征

使用北京气象站探空观测数据和地面气温观测数据,以干绝热曲线法估算1984-2013年逐日最大边界层高度,同时计算对应的边界层平均风速和通风量。统计分析这3个边界层参量的平均特征,并利用2001-2012年的空气污染指数（API）,探讨大气污染与边界层参量的关系。结果表明：（1）日最大边界层高度的30年月均值以春季和夏初（3-6月）最高,约1600 m;夏季和秋初（7-10月）次之,约1300 m;冬季（11月、12月和1月）最低,约1000-1200 m。（2）夏季,日最大边界层高度不同数值的频率大致为对称分布,峰值处于1000-1600 m范围;秋、冬季,频率分布系统性地向低值一方偏斜,600-800 m的出现频率大大增加;春季边界层高度的变化极大。（3）各季边界层平均风速以夏季为最小。（4）一年中春季通风量最大,秋季次之,冬季较低,夏季最小。（5）秋、冬季,北京中度和重污染个例（API〉200）集中分布于弱风、低边界层和小通风量条件,反映污染物局地累积的作用;春季污染个例半数以上以高风速、高通风量为特征,反映沙尘类外部输入性污染的作用。

铜陵市空气污染物浓度与大气混合层高度的关系

以长三角地区典型工业城市为研究对象,利用气象探空站观测数据,采用干绝热曲线法计算代表大气垂直方向上大气混合能力的最大混合层高度,并与地面观测的空气污染物浓度观测结果进行对比分析。分析结果表明,2-4月和7-10月是月均最大混合层高度较高的2个时期;在季节变化上呈现出春季到冬季依次下降的特征,东亚季风气候是造成这些特征的主要原因之一。总体而言,随着最大混合层高度的增大,各污染物的最大可能浓度呈现出不同的降低趋势。最大混合层高度对颗粒态污染物(PM_(10),PM_(2.5))日均浓度的影响最为显著,主要原因是颗粒态污染物相对稳定、且生命周期长。对于气态污染物而言,化学性质稳定的CO的最大日均浓度与最大混合层厚度之间关系最好,其次为SO_2和NO_2。O_3由于化学性质不稳定且受太阳辐射影响显著,其最大日均浓度与最大混合层高度之间关系相对较差,但也存在着-0.692的负相关。

乌鲁木齐市日最大边界层高度变化特征分析及其与空气质量的关系

利用2007—2017年乌鲁木齐市L波段探空雷达和地面常规观测数据,以Holzworth干绝热曲线原理,估算该地逐日最大边界层高度,并计算对应的边界层平均风速和通风量等数据。同时,应用2015—2017年空气污染指数(AQI),探讨空气质量与大气边界层参数的关系。结果表明:乌鲁木齐市日最大边界层年均高度为1415 m,总体上呈下降趋势,平均降幅为5. 9 m·a^(-1)。时间序列上,日最大边界层高度分布呈明显周期性。逐月数据呈"抛物线"状,1月平均高度最低(336 m),6月平均高度最高(2400 m)。冬季边界层平均风速最小,为2. 6 m·s^(-1),春季和夏季最大,均为5. 6 m·s^(-1)。一年中,1月平均通风量最小,为977. 0 m^2·s^(-1),5月平均通风量最大,为14835. 9 m^2·s^(-1),4—9月为平均通风量大值期,平均通风量为13282. 3 m^2·s^(-1)。大气污染物在风速弱、边界层高度低和通风量小条件下的累积,易造成中度以上污染。冬季,乌鲁木齐常处于蒙古高压后部或底部,为造成冬季污染严重的重要原因之一。

APEC前后北京几次静稳天气边界层特征对比分析

对北京地区2014年11月3-11日APEC会议期间的大气扩散条件与2014年10月的4次雾-霾过程进行对比分析,表明APEC会议期间静稳天气指数略低于10月4次过程,具备一定的污染物积累潜势。数值模拟结果表明,对北京及周边地区污染排放的控制是APEC期间北京保持低水平气溶胶浓度的重要原因。周边地区污染物传输以及特殊地形条件下山谷风环流的日变化对北京地区污染物浓度的区域分布及演变有重要影响,夜间地形北风对近地面污染物有明显清除作用。相较于重污染天气,APEC期间气溶胶浓度低,温度效应小,山谷风环流明显,同时白天混合层高度上升幅度大,有利于污染物扩散。减排使气溶胶浓度减小,而低浓度气溶胶又使污染扩散条件进一步好转的相互反馈作用,是"APEC蓝"出现的主要原因。

利用探空秒数据估算北京地区日最大混合层高度

研究利用北京地区L波段探空秒数据和地面日最大位温,采用气块法反演北京地区日最大混合层高度(MMH)的可行性。将08时探空秒数据以及常规探空数据反演结果分别与对应的微脉冲激光雷达反演结果相比较,发现前者与激光雷达反演结果的一致性好于后者,常规探空数据垂直空间分辨率低可能是导致其反演结果误差较大的原因。分别用春夏秋冬的探空秒数据反演结果与激光雷达反演结果相比较,发现春夏秋反演结果的一致性较好,而冬季较差。利用08时探空秒数据结合地面日最大位温,采用气块法反演北京地区2010-2017年的MMH,发现MMH每年均表现出春夏秋冬逐次递减的分布特征。通过对长期资料的统计分析发现,北京地区日地面最高气温与850 hPa温度差定义的热力稳定度与MMH之间存在较强的正相关性。