WRF/Chem模式中两种起沙参数化方案对东亚地区一次强沙尘暴过程模拟的影响

利用耦合了GOCART和Sha004两种起沙参数化方案的WRF／Chem模式对2002年3月19-22日发生在东亚地区的强沙尘暴过程进行模拟，着重考察了不同起沙方案对沙尘暴过程模拟的影响。结果表明，耦合了两种不同方案的wRF，Chem总体上均能较合理地模拟出主要的起沙区域、起沙强度的变化以及沙尘浓度的时空演变特征，模式对沙尘源地附近及下游地区地面沙尘浓度时间变化特征的模拟与站点观测结果也十分接近。但总体说来Shao04方案对沙尘起沙的发生以及强度变化过程具有更好的模拟能力，该方案模拟的沙尘浓度与观测更为一致，整体性能要优于GOCART方案。进一步分析发现，由于GOCART方案中采用的临界起沙风速偏小，导致该方案下模拟的沙尘分布范围偏大；另外该方案忽略了蒙古东南部和内蒙古中东部的潜在沙尘源地，从而使得耦合了GOCART方案的模式未能模拟出上述区域的起沙过程，使得该区域及下游地区模拟的沙尘浓度也偏小。但在塔里木盆地，Shao04方案计算的起沙通量偏小，这可能与Sha004方案未能考虑风速较小情况下空气拖曳力夹卷作用对起沙的影响有关，也可能与该方案中采用的土壤质地数据不准确有关。

基于WRF/chem模式的1961～2015年青藏高原逐日起沙量及对东亚沙尘气溶胶的贡献模拟

青藏高原可能是东亚上空沙尘气溶胶的重要源地。利用WRF/chem模式模拟了1961~2015年逐日青藏高原的起沙量,其结果表明:(1)起沙源区主要分布在高原西部、藏北高原南部、雅鲁藏布江及其支流河谷和柴达木盆地;(2)月起沙量具有双峰型结构,峰值分别出现在4~5月及11~12月;春季及秋冬季排放的沙尘气溶胶大致有以藏北高原为中心向东南方向分布的规律;(3)高原年平均起沙量为(10.13±1.89)Tg,从1961~2015年呈现震荡向上的趋势;(4)青藏高原对东亚(不包含青藏高原)月起沙量的平均贡献率为16%,其中冬季均能达到25%以上,1月最大可以达到48%。这一研究表明青藏高原是重要的沙尘源地。

基于WRF-Chem模式的呼和浩特市大气污染过程模拟及特征分析

本研究基于WRF-Chem模式,利用环境监测资料、气象观测资料以及再分析资料,对2015年12月发生在呼和浩特大气污染过程进行数值模拟,着重分析了该过程中的气象影响因子以及污染物的时空变化特征。结果表明:(1)WRF-Chem模式对气象因素的模拟结果与实际观测值的相关性较高,相关系数均大于0.62。(2)WRF-Chem模式能够模拟出主要污染物PM_(2.5)、PM_(10)、NO_(2)的时间变化趋势及空间分布特征。(3)气象条件在污染区聚集及扩散过程中起到重要作用,在小风或静风条件下,污染物的扩散能力减弱导致污染物堆积,较高的相对湿度也有利于污染物的凝聚。(4)HYSPLIT模式轨迹分析显示,此次重污染天气过程主要受西北地区气团南下影响,输送的主要污染物为PM_(10)。

基于WRF模式的兰州秋冬季大气污染预报模型研究

随着城市化进程的加快,城市大气环境问题成为人们关注的热点问题之一。诸多研究表明,特殊气象条件是造成城市大气污染事件的主要因子之一。本文利用WRF模式模拟得到的高时空分辨率气象场,结合污染物浓度监测数据,分析了风速、稳定能量、Froude数、边界层高度、位温递减率、输送指数和梯度理查森数与兰州大气污染物浓度的关系,并根据WRF的模拟要素建立了污染物浓度与气象影响因子的回归方程。研究发现,兰州城区边界层高度和位温递减率与大气污染物浓度的相关系数高,NO_2与气象影响因子的相关性较PM_(10)好。建立的回归方程对NO_2的模拟效果好于对PM_(10)的模拟效果,其对城区污染物浓度的模拟效果好于郊区。通过与不同地区空气质量数值模式模拟效果对比,结果表明:回归方程对污染物的模拟效果与数值模式模拟效果相当,甚至好于部分地区空气质量数值模式的模拟效果。因此,该研究方法为我国城市空气质量预报和大气污染研究提供了科学依据。

基于多模式的北京PM_(2.5)组分特征及氧化潜势分析

于2019年3、7月在中国气象科学研究院站进行PM_(2.5)样品采集与实验分析,并用正交矩阵因子分析法(PMF)模型进行来源解析,发现交通源(19.10%)、二次组分(19.17%)和扬尘源(18.02%)是采样期间PM_(2.5)污染主要来源.在此基础上以每立方米大气体积的抗坏血酸的消耗速率(OPv)表征PM_(2.5)的氧化潜势.3月北京的OPv值为(210.49±169.00)[pmol/(min·m^(3))],7月则为(313.34±131.84)[(pmol/(min·m^(3))).且OPv与Cu(r=0.801)、As(r=0.742)、SO_(4)^(2-)(r=0.701)等具有很强的相关性.将多元回归结果和WRF-Chem模型结合,构建了新的氧化潜势预测模型,发现OPv和PM_(2.5)浓度的空间特征存在差异,北京市OPv的浓度最大值出现在东南部.

汾河谷地大气环境容量与大气污染过程的数值模拟与敏感性分析

对汾河谷地及太原市在2015年1月的一次重污染过程运用WRF-Chem模式进行污染过程的数值模拟、观测验证和地形敏感性实验,分析了河谷地形对区域污染过程和大气环境容量的影响机制。结果表明:太原市及周边汾河谷地大气边界层环流和大气污染传输受天气系统、地形和城市化共同影响;地形环流强度明显强于太原城市热岛环流,且对其发展存在明显抑制作用,从而限制了城市大气环境容量,加剧城市近地面大气污染物的堆积和空气质量恶化;研究区域大气环境容量受气象主导风向影响:当天气主导风向偏南北向,也即与狭长的汾河谷地走向一致时,有利于该区域大气污染物的扩散清除,而当天气主导风向偏东西向时,则该区域大气环境容量明显减小,且近地面大气污染物浓度与大气环境容量之间呈强相关性,相关系数达到0.74;当地形敏感组实验中取消太原市周边河谷地形特征时,上述相关系数降低到0.21。

大气环境约束下的产业选址研究——以临汾为例

通过对临汾市区大气污染敏感性评价结果,结合焦煤产能搬迁选址,对新产业选址区域气象场与污染浓度进行场景模拟分析,结果表明临汾市东部古县、安泽县、浮山县现状大气环境扩散能力强,将临汾市区超大气容量焦煤企业搬迁至东部古县、安泽县、浮山县,在不超过东部三县环境容量的前提下,对河谷地平原区影响较小,可实现区域环境改善。

北京一次污染天气过程特征的数值模拟

运用耦合了化学模块的中尺度数值模式WRF/Chem和自NCAR引进的人类污染物排放源数据对北京地区2012年8月31日污染天气过程的特征进行了数值模拟,结果表明模拟的臭氧(O_3)浓度具有明显的日变化特征,高、低峰值分别出现在午后和夜间,空间分布与流场有一定关系;PM_(2.5)也存在日变化,但空间分布相对稳定,高值主要聚集在城区;局地污染物具有水平输送特征,但因总量为零,并未加重污染物的局地聚集;来自北京南部的远距离输送是这次污染物的主要来源之一。敏感性试验分析发现,这次过程的O_3污染主要来源于北京之外的外源输送,而细颗粒物主要来源于本地生成;O_3污染对前体物(NO_x)的敏感性比较平稳,对挥发性有机物的敏感性起伏较大,凌晨至上午最为明显。

人为大气污染物对一次冬季浓雾形成发展的影响研究

基于WRF/Chem模式和雾的观测资料,开展了包含和不包含人为污染排放源两种大气背景条件下的数值模拟对比试验,在此基础上探讨了人为污染物对2009年12月1日发生在我国华北和华东地区的一次浓雾天气过程的影响机理。结果表明,在考虑污染排放源时,模式模拟的雾的空间分布和强度变化与卫星、能见度仪和微波辐射计的观测更为接近。污染条件下的边界层结构更有利于雾的形成,人为大气污染物使雾的范围最大增加50%,雾的强度最大增加5倍,平均延长雾持续时间1.5小时。由于人为污染物增加了雾凝结核(FCN)数浓度,进而使雾滴数浓度显著增大,有利于雾的增强。同时,污染物通过影响雾滴的凝结过程和潜热释放过程,对长波辐射降温和湍流过程有重要影响,使边界层的热力和动力结构更有利于雾的增强和发展。污染气体SO2、NOx和NH3的排放产生的二次气溶胶对雾的形成和发展具有重要影响。不考虑这些污染气体排放时,平均雾水含量可降低32%。

苏州市一次重霾污染天气过程的数值模拟

本文对苏州地区2015年12月13—15日发生的一次典型的重霾污染天气过程进行了数值模拟,分析了颗粒物及其组分的时空变化特征及其气象影响因子,以期为该区域空气污染治理和预防提供科学依据。结果表明:(1)利用WRF-Chem模式对此次重霾污染天气过程的污染气体成分进行数值模拟后发现,小时平均的PM_(2.5)、PM_(10)、CO、SO_2、NO_2模拟值与实测值的相关系数较高,达到0.68以上,通过了P<0.01的显著性检验,且日变化过程对应也较好。(2)通过分析此次污染过程的天气背景,发现污染形成期高空环流比较平直,中层为均匀的弱高压控制,地面受弱高压脊控制,这种形势容易导致颗粒物的堆积。后期地面等压线密集时,风速大,有利于污染物的输送与扩散。(3)通过分析此次污染过程期间气象要素的变化发现,有逆温、风速小、相对湿度大等不利的气象条件是导致此次污染过程发生的重要原因之一。(4)HYSPLIT轨迹分析显示,此次重霾过程主要受北方大范围灰霾颗粒物南下影响,北方污染气团逐步南推,14至15日本地大气扩散条件差、污染物累积,最终导致本地污染加重,从而发生重霾事件。(5)火点图的分布进一步验证了此次重霾污染过程是由外来污染气团输入所导致。

天津城市环境对一次局地降水过程影响的模拟研究

采用中尺度气象模式WRF结合自动站观测资料,对天津城区及附近发生的一次局地降水过程进行数值模拟和敏感性试验,研究了城市环境(城市地表、城市大气污染)对降水发生发展的影响。结果表明:城市地表引起的热岛环流,叠加海风环流后,改变了辐合线的位置和强度,直接影响了对流降水的发生及落区。城市大气污染状况可影响对流发展后的强度及降水量,敏感性试验结果显示气溶胶浓度增大后区域平均降水量增加约25%;气溶胶的增雨效应主要表现在可增进对流云中液态水和冰相物质含量,增多的液态水物质被强的上升气流抬升到较高处冻结形成冰晶,这一过程中增多的凝结潜热又可促进对流发展,最终导致地面总降水量增多,研究个例中气溶胶浓度增加可使潜热加热率最大增加110 K·h^-1。

起沙方案及Nudging对中国西北沙尘模拟的影响

利用耦合了AFWA和Shao04起沙参数化方案的WRF-Chem模式结合Nudging方法,对2020年4月9~11日发生在我国西北地区的一次沙尘天气过程进行模拟,结合地面及卫星观测数据,对模式模拟沙尘的能力进行了初步验证,分析了不同起沙方案及其结合Nudging方法后对模式模拟结果的影响。结果表明,2种起沙方案均有能力再现此次沙尘天气过程,开启Nudging后2种方案模拟出的沙尘分布结果都有所改进。对于地面沙尘模拟,在沙尘源区不开Nudging的模式模拟结果更接近观测,在沙尘影响区开启Nudging后的模拟结果更优。整体而言,结合了Nudging方法的Shao04起沙方案对我国西北地区的沙尘过程具有更好的模拟能力。Nudging方法对模式模拟风场的能力改进较为明显,从而提高了模式对沙尘的模拟能力。

边界层参数化方案对一次西北地区沙尘天气过程影响的数值模拟研究

使用耦合化学模块的高分辨率中尺度数值模式WRF-Chem3.4,结合近地层观测资料评估YSU、MYJ、QNSE、MYNN2.5和BouLac共5种边界层参数化方案对2007年3月27日西北地区一次沙尘天气过程模拟效果的影响,结果显示5种边界层参数化方案均可模拟出此次沙尘天气的发展演变过程,其中YSU和BouLac方案模拟出相对较高的地表摩擦速度、10 m风速、2 m温度和地面PM10浓度以及相对较低的2 m相对湿度,从而模拟的地表沙尘天气过程较强,MYJ、QNSE和MYNN2.5方案模拟的地表沙尘天气则相对较弱,这表明不同边界层参数化方案通过摩擦速度的不同模拟效果对沙尘排放通量和PM10浓度的模拟有重要影响,较大的摩擦速度会使起沙参数化方案计算的沙尘排放通量和PM10浓度更高,加之午后近地层的强风、高温和低湿特征对沙尘天气的增强作用,使得BouLac方案模拟的沙尘天气最强,而QNSE方案的模拟结果最弱;利用民勤站观测资料对5种边界层参数化方案模拟结果的统计分析表明,不同方案对民勤站沙尘暴前后有关气象要素的模拟效果存在一定的差异,其中QNSE方案对PM10浓度的模拟效果最好,BouLac方案对10 m风速的模拟效果最好,YSU方案对2 m温度和2 m相对湿度的模拟效果最好,整体而言,YSU方案对民勤站近地层气象要素的模拟有一定的优势,QNSE方案的模拟结果相对最差。

新冠肺炎疫情时期四川盆地大气污染成因分析

由于新型冠状肺炎病毒(COVID-19)的爆发,中国从2020年春节起实施了限制出行、交通管制等一系列措施,污染物排放量大幅度减少,但四川盆地区域仍出现了多次轻度空气污染事件。本文结合空气质量观测数据与WRF-Chem模式模拟分析了疫情封控减排时期四川盆地污染的时空分布及成因。四川盆地区域二氧化氮(NO_(2))因人为活动减排从35.0μg·m^(-3)下降至20.2μg·m^(-3),减少比例约为40%~60%,而臭氧(O_(3))因NO_(X)-VOCs-O_(3)的非线性关系以及四川盆地区域氮氧化物(NO_(X))、挥发性有机物(VOCs)排放与减排的不均衡反而从27.5μg·m^(-3)上升至41.4μg·m^(-3),在重庆甚至增幅高达100%,进而促进了四川盆地区域气态污染物的氧化和二次细颗粒物的生成。疫情减排对污染的影响存在较为显著的区域差异,在成都、重庆地区,二次污染的生成一定程度上抵消了一次污染物减排的影响,二次污染物与一次污染物的比例变化幅度为-10%~20%,而在南遂广、川南、达万区域,细颗粒物(PM_(2.5))平均质量浓度从57.0μg·m^(-3)降低至47.4μg·m^(-3),二次污染物与一次污染物的比例下降幅度约为30%~60%。总体而言,减排在疫情期间发挥主导作用,不平衡的一次减排和大气氧化性的增强促进了部分区域二次污染物生成过程,四川盆地区域的污染防治仍需注重多种污染物的协同治理。

起沙方案对西北地区沙尘过程模拟的影响

研究利用耦合了GOCART、AFWA、Shao01、Shao04和Shao11 5种起沙参数化方案的WRF-Chem模式对发生在西北地区的强沙尘过程进行了模拟,找出了对西北地区沙尘过程模拟更为合理的起沙方案。研究发现,WRF-Chem模式模拟结果较好地再现了气象场的演变特征,耦合了5种不同方案的模式均较合理地模拟出沙尘浓度的时空演变特征、主要的起沙区域和沙尘传输过程。但Shao01、Shao04和Shao11 3种方案下模拟的沙尘分布和起沙过程较符合实际情况。沙尘源地附近和下游兰州市PM_(10)和PM_(2.5)质量浓度时间变化特征的模拟与观测结果也十分接近,Shao1 1方案对PM_(10)和PM_(2.5)质量浓度的模拟结果要优于GOCART、AFWA、Shao01和Shao04 4种方案,说明Shao1 1方案对发生在西北地区的沙尘过程具有更好的模拟能力。

京津冀煤改电对PM_(2.5)浓度的影响

基于WRF-Chem模型,结合气象要素,从PM_(2.5)浓度的消减量及时空变化特征等方面模拟分析了煤改电政策实施前后京津冀地区采暖期(2018年11月~2019年3月)PM_(2.5)的排放变化.结果表明,WRF-Chem模型很好地模拟了京津冀地区PM_(2.5)浓度变化,北京、天津和石家庄模拟值与观测值的相关系数分别为0.66、0.66和0.52,表现出良好的相关性.煤改电政策的实施对京津冀重点地区PM_(2.5)减排效果明显,PM_(2.5)日均减少量分布在0.2~6.1μg/m^(3),减少比例分布在1.2%~7.8%.PM_(2.5)小时均值变化显示,2018年12月PM_(2.5)减少量分布在0.4~8.3μg/m^(3),减少比例分布在2.3%~7.7%.其中,北京大兴区减排量达8.3μg/m^(3),天津地区减排比例达7.7%.在特殊气象条件下,煤改电政策影响范围可扩散至山东、江苏、河南北部以及山西西部,PM_(2.5)小时均值减少量最大超过50μg/m^(3).

WRF-Chem与ADMS对城区尺度大气污染精细化模拟的比较

精细化模拟对城市大气污染预报、朔源和管控具有重要意义.本文以南京市江宁区为例,利用中尺度数值模式WRF-Chem和三维高斯型模式ADMS,针对典型污染个例,开展城区尺度大气污染高分辨模拟,并对其结果进行比较分析.此外,探讨了WRF-Chem中不同城市冠层方案的模拟效果以及ADMS中不同街道峡谷特征对街道内污染扩散的影响.结果表明,WRF-Chem和ADMS都可以合理模拟内外源对关心区域的影响,实现对城区尺度大气污染的高分辨和高效率模拟;相对SLAB、BEP城市冠层方案,WRF-Chem中的UCM方案表现更好,且其模拟性能较ADMS略优;ADMS模拟街道峡谷效应时,街道和建筑尺度参数对模拟结果有较大影响,街道越窄、建筑越高,越不利于街道内污染物的扩散.综合而言,对于城区尺度的大气污染精细化模拟,使用UCM方案的WRF-Chem和ADMS都具有一定的模拟能力,可以根据计算效率和分辨率的要求选用不同模型开展研究.

两种再分析资料对我国西北地区沙尘模拟的影响

利用耦合了Shao04起沙参数化方案的WRF/Chem模式对2014年4月22～25日发生在我国西北地区的一次沙尘天气进行了模拟,基于ERA-Interim和NECP-FNL两种再分析资料,探究了WRF/Chem在不同再分析资料提供初始场和边界条件时对沙尘天气的模拟能力,并分析了两种再分析资料对模拟结果影响的主要原因。总体来看,WRF/Chem在两种再分析资料提供初始场和边界条件时,均能较合理的模拟出主要的起沙区域、沙尘强度及其时空变化特征,沙源地附近和下游地区各个站点模拟的PM_(10)浓度时间变化特征与观测结果也较为吻合。但相比较而言,对西北地区此次沙尘天气过程,从沙尘的空间分布、沙尘浓度、垂直沙通量和地面各代表站点PM_(10)浓度变化等方面的模拟结果来看,NECP-FNL数据为模式提供初始场和边界条件时要优于ERA-Interim数据的结果,这主要与NECP-FNL数据在WRF/Chem模式中能相对较好的描述起沙过程中摩擦速度的量值有关,从而使得模拟的沙尘区域、强度和垂直沙通量更为合理。

甘肃省冬季颗粒物浓度的数值模拟

颗粒物浓度的数值模拟能够反映颗粒物的空间分布特征,对于防治大气颗粒物污染具有一定意义.利用MEIC清单和第二次全国污染源普查(简称“二污普”)数据统计的甘肃省工业源、电力源、农业源、民用源和交通源五类源的主要污染物排放量,分析了污染源排放的空间分布特征,利用WRF-Chem模式模拟了甘肃省2019年1月PM_(10)和PM_(2.5)浓度,将模拟结果与甘肃省33个环境空气质量国控监测点颗粒物日均监测数据进行对比,检验WRF-Chem模式模拟的性能,进一步分析了甘肃省颗粒物浓度的空间分布特征.结果表明:①甘肃省SO_(2)、NO_(x)、PM_(10)、PM_(2.5)、VOCs、NH 3和CO在1月的排放量分别为2.12×10^(4)、2.96×10^(4)、2.97×10^(4)、2.43×10^(4)、3.18×10^(4)、1.27×10^(4)和3.04×10^(5)t,除NH 3外,其他污染物排放高值主要分布在兰州市、嘉峪关市等工业发达地区.②33个环境空气质量国控监测点模拟与监测的PM_(10)和PM_(2.5)浓度的相关系数分别为0.544和0.597,颗粒物的模拟值与监测值有较好的相关性;WRF-Chem模式模拟结果显示,PM_(10)和PM_(2.5)浓度高值分布在兰州市,次高值分布在天水市和庆阳市,甘南藏族自治州以及河西地区颗粒物浓度较低,这是甘肃省工业布局、扩散条件和地形条件综合作用的结果.研究显示,WRF-Chem模式可以较好地模拟甘肃省区域颗粒物浓度时空分布特征.

外来输送对江苏冬季PM2.5贡献的数值模拟研究

利用WRF-Chem模式对2016年12月中下旬的两次重污染过程进行模拟,定量研究外来污染输送对江苏省PM2.5的污染贡献。15—17日和22—23日两次过程都存在明显的上游污染输送特征:宿迁、扬州、无锡(自西北向东南)的PM2.5浓度先后出现峰值,峰值均出现在西北风场中,当风向转为偏北风时峰值逐渐减弱。第二次过程中地面风力更大,高空形势更有利于远距离输送,高值区范围强度明显强于第一次,重度污染层厚度达到900~1500 m,且持续时间较长。第一次过程中江苏省内排放源贡献率为23%~79%(第二次为5%~32%),苏南仍以本地排放源污染为主,苏北外来输送贡献率超过50%。第二次过程中宿迁、扬州、无锡的PM2.5外来输送贡献分别为105.9μg/m^3、83.1μg/m3、64.8μg/m^3(第一次为40.2μg/m^3、20.9μg/m^3、11.1μg/m^3),山东省和京津冀地区排放源是主要污染输送来源,二者贡献之和在44%~70%。两次过程中,外来输送贡献均是自北向南递减,山东省贡献率高于京津冀地区,而其余周边省份的贡献率相对较低;安徽省对江苏西部城市的贡献率较高。