环境科学研究  2018, Vol. 31 Issue (1): 42-52  DOI: 10.13198/j.issn.1001-6929.2017.03.27

引用本文  

马艳, 黄容, 时晓曚, 等. 青岛冬季PM2.5持续重污染天气的大气边界层特征[J]. 环境科学研究, 2018, 31(1): 42-52.
MA Yan, HUANG Rong, SHI Xiaomeng, et al. Characteristics of Planetary Boundary Layer for Persistent PM2.5 Heavy Pollution in Winter in Qingdao City[J]. Research of Environmental Sciences, 2018, 31(1): 42-52.

基金项目

山东省气象局气象科学技术研究项目(2015sdqxm08,2014sqdxz01);青岛市气象局局校合作科研课题(2015qdqxh02)
Supported by Shandong Meteorological Bureau Meteorological Science and Technology Research Projects, China (No.2015sdqxm08, No.2014sqdxz01); Qingdao Meteorological Bureau Council-School Cooperation Project, China (No.2015qdqxh02)

责任作者

作者简介

马艳(1970-), 女, 宁夏银川人, 研究员, 博士, 主要从事城市气象研究, qdyanma@163.com

文章历史

收稿日期:2017-03-07
修订日期:2017-08-28
青岛冬季PM2.5持续重污染天气的大气边界层特征
马艳1,2 , 黄容1 , 时晓曚1 , 王建林1 , 孙萌3     
1. 青岛市气象局, 山东 青岛 266003;
2. 青岛市气象灾害防御工程技术研究中心, 山东 青岛 266003;
3. 青岛市环境监测站, 山东 青岛 266003
摘要:鲜有出现空气质量问题的北方沿海城市青岛近年来也频频出现重污染天气. 2014年1月青岛市总计出现7 d重污染天气,其中1月15-18日是持续4 d的PM2.5重污染,其余的则分别出现在1月6日、11日和30日.为了获得气象条件对持续重污染天气发展、维持和消除的影响机制,利用激光雷达、大气稳定度仪探测数据以及地面、高空气象观测和空气质量监测数据,重点分析了1月15-18日持续重污染期间青岛市大气边界层气象要素的时间和空间特征.结果表明,2014年1月影响青岛冷空气势力弱、青岛近地面低于3 m/s的风速不利于污染物扩散,66%以上的相对湿度有利于污染物浓度增大.在污染源稳定的背景下,气象要素的差异性导致了污染物浓度时空分布的差异.在持续的弱偏北风下污染物浓度居高不下;在偏南风影响下,污染物浓度趋于下降.边界层内存在高层干冷弱北风和低层暖湿弱南风的风切变、稳定层结、低层相对湿度为70%的高湿大气以及交替出现的近地面南北风是此次重污染持续的主要原因.大气边界层高度变化对污染物浓度具有6 h左右的延迟影响;而低边界层高度、大稳定度因子,低云的存在和较高的污染物浓度之间具有较好的一致性变化趋势.当近地面温度升高、相对湿度减小以及增大的偏南风和存在弱不稳定层结时,有利于提高青岛局地大气扩散能力.
关键词大气边界层    风切变    激光雷达探测    稳定度    
Characteristics of Planetary Boundary Layer for Persistent PM2.5 Heavy Pollution in Winter in Qingdao City
MA Yan1,2 , HUANG Rong1 , SHI Xiaomeng1 , WANG Jianlin1 , SUN Meng3     
1. Qingdao Meteorological Bureau, Qingdao 266003, China;
2. Qingdao Engineering Technology Research Center for Meteorological Disaster Prevention, Qingdao 266003, China;
3. Qingdao Environmental Monitoring Station, Qingdao 266003, China
Abstract: Qingdao, a northern coastal city previously with little air quality issue, has recently been invaded by severe air pollution. There were seven heavy air pollution days in January 2014 in Qingdao City. During this month, a severe PM2.5 pollution event lasted four days from 15th to 18th January, and the other three single day event occurred on the day of 6th, 11th and 30th, respectively. In order to understand the modulations of meteorological conditions on the development, persistence and removal of the long-lasting heavy pollution event, the spatial-temporal meteorological characteristics in the planetary boundary layer (PBL) during the period of 15th to 18th January were investigated by using Lidar, atmospheric stability monitoring as well as surface and upper-air meteorological and environmental observations. The results show that the weak cold air affected Qingdao and near surface wind speed less than 3 m/s were not conducive to diffusion of pollutant in January in Qingdao. On the other hand, relative humidity more than 66% was in favor of the increasing of pollutant concentration. Under stable emission conditions, different meteorological conditions may lead to the spatial-temporal differences of air pollutant. Under the situation of lasting weak northerly wind, the concentration of pollutants was higher and tended to be lower on the situation of southerly wind. The 4-day event was mainly caused by the following characteristics in the PBL: wind shear with cold-weak northern wind in the higher level and warm-humid southern wind in the lower level, stable vertical structure, high relative humidity with 70% at low level and weak near-surface southerly and northerly wind alternation. The effect of the PBL height variations on the persistence of high pollutant seems to have a lag of 6 hours. However, good temporal agreement exists among lower PBL height, larger stability factor and low clouds. We found that with the increase of near-surface temperature, decrease of relative humidity, enhanced southerly wind as well as the weak unstable layer existed in the PBL were helpful for the improvement of atmospheric diffusion ability in Qingdao.
Keywords: planetary boundary layer (PBL)    wind shear    Lidar monitoring    stability    

在城市化进程和经济高速发展的背景下,我国城市、能源与交通规模迅速扩大,大气污染已经成为区域性的问题,尤其是在冬春的京津冀及其周边地区,频发的重污染天气对公众交通出行,室外活动开展带来了严重困扰.防霾治霾已成为全社会高度关注的问题之一.而准确预报重污染天气又是有效开展应急预警和实施减排措施的先决条件.研究[1-4]表明,在污染源相对稳定的情况下,一个地区的空气质量和局地气象条件有着非常密切的关系.天气形势的演变决定了污染物的空间分布和随时间变化的特征,直接影响着污染过程的持续时间和严重程度[5-7].逆温层结的存在则是造成冬季大气污染的主要原因,地面辐合加上低层逆温和下沉运动,阻碍了污染物在水平和垂直方向上的扩散[8-10].大气边界层高湿区中丰富的水汽与污染物互为载体,强逆温层结, 弱地面风场以及较低的混合层是严重空气污染的主要气象特征[11-13].高文康等[14]基于天津一次重污染过程的分析表明,重污染过程气象条件对垂直梯度上的污染物源、汇变化具有主导作用.在特别针对霾污染的气象因素研究中,饶晓琴等[15]指出霾的逆温强度比雾弱,在污染排放量相等条件下,混合层高度越低,大气扩散能力越差,污染物浓度就越高.较小的地面风速,低混合层高度以及逆温的存在,是京津冀地区霾重污染天气出现和维持的气象条件[16-17].黄瑜等[18]对比分析了基于Mie散射激光雷达探测的灰霾和非灰霾两种天气的大气混合层变化特征;朱义青等[19]分析了山东临沂地区一次持续性雾和霾天气的环流形势和气象要素差异性;毕玮等[20]则统计分析了2003—2013年青岛出现中度霾以上污染天气的环流形势和边界层要素特征.

青岛为北方沿海城市,“红瓦绿树、碧海蓝天”是青岛的城市名片.青岛又是一个人口密集的沿海工业城市. 1978—2008年青岛建成区面积增加了201 km2,增速高达305%;2008年青岛市区人口比重从1949年的25.6%增至2008年的36.3%.根据2014年青岛市环境状况公报[21],市区环境空气质量优良天数可达262 d,但是以颗粒物为首要污染物的天气所占比例仍高达97.2%,颗粒物已成为青岛市大气的首要污染物.在沿海城市特有的海陆风环流,常与逆温层结伴随的海雾以及青岛独特的“山、海、城、岛”复杂下垫面对大气扩散能力的影响下,青岛市大气污染防治形势依然严峻. 2014年1月青岛市出现了7 d的重污染天气,其中1月15—18日是持续4 d重度污染,虽然16日和17日部分地区部分时段的污染程度有所缓解.该研究拟通过分析激光雷达、大气稳定度仪以及地面和高空气象探测数据,结合青岛市环境监测数据,分析1月15—18日客观气象条件对重污染天气发展、维持和消除的影响,以期对青岛市重污染预警和实施污染天气应急处置提供科学依据和技术支撑.

1 材料与方法

该研究所采用的资料主要包括四部分:

a) 气象资料,主要包括2014年1月青岛市7个国家基本气象站(青岛、崂山、胶南、胶州、即墨、莱西、平度)的逐时地面气温、相对湿度、风速和风向观测数据.同时应用1月15—18日青岛市163个区域气象站测风数据开展局地近地面风场分析.高空环流形势场和海平面气压场由中国气象局提供,并利用气象信息综合分析处理系统(MICAPS)处理.温湿廓线数据取自探空站青岛08:00和20:00(北京时间,下同)高空观测资料.

b) 大气边界层高度和云底高度数据,来源于EV-Lidar-CAM激光雷达探测数据. EV-Lidar-CAM激光雷达布设在青岛市崂山西环境监测站的楼顶上,其探测高度为3~6 km,探测步长20~30 m.由激光雷达所测的信号反演得到的气溶胶消光系数对应着探测高度的气溶胶浓度,消光系数越大,在该高度上的气溶胶浓度越大.一般情况下,气溶胶消光系数在大气边界层与上层自由大气的交界高度处会迅速地减弱.大气边界层的高度用反演得到的气溶胶消光系数的最大递减率的高度来确定[22-23].

c) 土壤中的放射性元素226Ra和238U等衰变得到的氡气,释放到大气中的氡和其短周期衰变产物附着在大气气溶胶上,其浓度主要由大气边界层的混合情况来决定[24-25].这部分资料来源于SM200大气稳定度监测仪,它利用盖格-米勒计数原理,通过滤膜连续采集大气中附着有氡和其短周期衰变产物悬浮颗粒物样本,监测样本上短周期衰变过程释放的β放射性计数的变化定性分析大气的稳定性.通常β衰减数值越大,表示大气边界层越低, 大气越稳定,其趋势反映了大气稳定度的变化,具体的数值与稳定度等级之间没有定量关系.

d) 青岛市23个环境监测站2014年1月SO2、NO2、O3、PM2.5和可吸入颗粒物日平均质量浓度以及1月15—18日上述污染物逐时质量浓度和空气质量分指数(IAQI)数据.根据2012年发布的《环境空气质量指数(AQI)技术规定(试行)》,当ρ(PM2.5)日均值在115~150 μg/m3范围内为中度污染,在150~250 μg/m3范围内为重度污染,超过250 μg/m3时为严重污染.

2 2014年1月大气环流背景和青岛市空气质量概况

2014年1月500 hPa平均位势高度场以及平均海平面气压场分布如图 1所示. 1月,冷空气主要集中在60°N以北的地区,中高纬度地区有浅槽或存在小波动,冷空气向南扩张势力较弱.中国区域乃至山东半岛处于东亚横槽的槽后,为纬向环流控制,冷空气影响势力较弱.地面上山东半岛地区受均压场控制,无持续稳定风场. 1月大气环流形势整体上不利于大气污染物的扩散.

注:数据由中国气象局提供, 并利用气象信息综合分析处理系统(MICAPS)处理. 图 1 2014年1月500 hPa平均位势高度场和海平面气压场 Fig.1 Distribution of mean geopotential height and sea level pressure in January, 2014

青岛地处山东半岛东南部,三面环海,地势总体是东南沿海和北部较高,中部和西北部较低.山地主要是分布在东南部的崂山山脉、西南部的大珠山、小珠山和铁橛山等组成的胶南山群以及北部的大泽山,中部和西北部则是平原、洼地和丘陵.偏北气流下污染物易受东南部和西南部山脉的阻挡,位于中部和西北部的平度市、即墨市、城阳区和李沧区以及山前都容易发生污染物积聚.再者,青岛属半湿润温带季风气候,冬季盛行西北风,夏季盛行东南风.近年来大气污染较严重的河北、天津以及山东的德州、淄博,济南等地均位于青岛的西北方向,因此在冬季西北风背景流场下,位于青岛上游的这些地区的空气质量好坏也直接影响着青岛市空气质量状况的优劣.统计分析1月青岛气象观测站近地面气温、风速和相对湿度及其附近的环境监测站ρ(PM2.5)的日变化特征,表明2014年1月青岛市平均气温为1.1 ℃,风速为2.4 m/s,相对湿度为66.9%.青岛1月多为小风天气,不利于污染物的扩散;受海洋影响而相对较高的相对湿度易使硫化物、烟尘、灰尘等颗粒物作为水汽的凝结核,凝结后沉降在大气低层,易造成青岛污染物浓度增大. 2014年1月青岛市4个气象观测站气象要素及其临近环境监测站ρ(PM2.5)的日变化如图 2所示.

图 2 2014年1月青岛市4个气象观测站气象要素及其临近环境监测站ρ(PM2.5)的日变化情况 Fig.2 The variation of meteorological variables and daily PM2.5 concentration at weather stations in January, 2014 in Qingdao City

1月我国北方城市都已进入采暖期,并且城市绿地和林地等植被对扬沙,浮尘等污染源的消减作用也趋于降低.冬季北方城市污染源是相对增多的趋势.统计ρ(PM2.5)日均值大于150 μg/m3的日数,发现1月6日、11日、15日、16日、17日、18日和30日青岛全市出现了重度污染天气,虽然在16日,青岛市区和胶州部分地区、部分时段为中度污染状况. 2014年1月14—18日期间,青岛上游地区河北大部,山东德州、济南等地的空气质量都处于重度到严重污染级别(http://www.tianqihoubao.com/aqi/). 图 2也表明在ρ(PM2.5)月均值较高的莱西(115 μg/m3),表现为较高的相对湿度(68.5%)和较弱的风力(2.4 m/s);而污染程度较轻的胶州(94.5 μg/m3),则具有较低的相对湿度(66.9%)和较大风力(4.0 m/s)的气象要素特征.因此,在有污染物上游输送和本地污染源共同作用的背景下,重点分析1月15—18日连续4 d青岛市的重度污染,局部中度污染过程,分析探讨不同污染状况下大气边界层气象要素的时间和空间差异.

3 2014年1月15—18日连续重污染过程分析 3.1 污染实况

1月15—18日青岛市SO2、NO2、O3、PM2.5和PM10质量浓度逐时变化情况如图 3所示.除1月16日12:00—17日06:00以及17日19:00—18日05:00青岛市为轻到中度污染天气外,其余时段均为重度污染,首要污染物皆为PM2.5.其中,SO2、可吸入颗粒物具有和PM2.5相似的单峰型日变化分布型态.而NO2分别在10:00左右,19:00后出现峰值,O3是在正午前后达到峰值.这可能是城市中NO2主要来自汽车尾气排放,而城市汽车流量具有随时间变化的特征;O3的生成则是局地光化学过程和区域输送共同作用的结果.这与杨雅琴等[26]基于青岛八关山观测资料的分析结果一致.

图 3 2014年1月15—18日青岛市各污染物质量浓度变化曲线 Fig.3 Time series of pollutants concentration in Qingdao City from 15th to 18th January, 2014
3.2 大尺度环流背景和局地环流特征

2014年1月15—18日持续污染期间,500 hPa高度上基本表现为两槽一脊的环流形势.我国东北地区和黑海附近为冷涡控制,贝加尔湖附近为高压脊,青岛受槽后脊前平直西北气流控制.据统计[20],青岛60%的霾污染天气都是这种环流形势下产生的. 700~850 hPa中低层受脊前下滑的浅槽影响,青岛伴有弱切变或位于槽后,除16日08:00是西到西南风并且风力较大外,其余各时段都是一致的西北风影响.在地面上,受弱大陆高压或均压场影响,青岛市是弱的南北风交替出现的特点(图略).

通过分析15—18日青岛市163个区域气象站10 min/次的风监测资料,发现这期间青岛陆地区域范围内都是小风区控制,大部分地区风速低于3 m/s.除16日青岛地区近地面为较为一致的西南风外,其他时次都没有持续稳定的风向分布,且在弱的南北风转换过程中,在青岛市范围内都有南北风辐合带生成. 15日12:00青岛市地面风场和15日ρ(PM2.5)平均值分布状况如图 4所示. 15日00:00—14:00,西北风1.9 m/s;15日15:00—16日20:00,偏南风2.2 m/s;16日21:00—18日22:00,偏北风4.1 m/s.污染物随着弱西北风扫过市区后,又在弱南风下再一次影响,污染物在近地层多次往返影响下,青岛市区的污染物质量浓度就呈现为一个累积加强的过程.对于此次霾污染天气,局地环流场发挥了重要作用.

图 4 2014年1月15日12:00青岛市地面风场和15日ρ(PM2.5)平均值分布 Fig.4 Distribution of surface wind at 12:00 and daily mean PM2.5 concentration on 15th January, 2014 in Qingdao City
3.3 近地面气象要素特征

统计分析1月15—18日青岛、胶南、崂山、胶州、即墨、平度和莱西7个气象观测站气温日较差(日最高气温和日最低气温的差值)、日平均风速和日平均相对湿度以及这7个气象观测站附近的环境监测站ρ(PM2.5)的日均值.这期间青岛市地面平均风速为2.1 m/s,平均相对湿度为71.5%,全市ρ(PM2.5)的平均值达到了215 μg/m3,为重度污染. 15日即墨、平度、莱西和黄岛的日较差均在10 ℃以上,除胶州外,其余6个气象观测站的日平均风速均在2 m/s以下,且日平均相对湿度均在60%以上.强温度日较差易形成稳定的边界层结构,有利于夜间污染物的积累[27];低于3 m/s的弱近地面风场不利于污染物的水平扩散;而低层大气相对丰富的水汽含量易于空气中污染物凝结核的形成.在这样的气象背景下,15日出现了全市范围的重污染天气.而较大的风速则是胶州地区污染程度较轻的主要原因.

风向对空气质量的影响机制分析(见图 5)显示,偏北风将上游污染物输送到本地,并且持续的弱偏北风是污染物浓度居高不下的主要原因.在南风和西南风影响下,污染物浓度趋于下降,但是当转为弱北风后,污染物浓度又会再一次上升.风向是导致此次重污染天气的重要因素.

图 5 2014年1月15日—18日青岛市市北南环境监测站ρ(PM2.5)的变化和风向玫瑰图 Fig.5 PM2.5 concentration and wind rose at site Shibeinan of Qingdao City from 15th to 18th January, 2104

图 2所示,16日青岛市大部分地区的重污染天气趋于缓解,但是在北部地区,尤其是莱西污染物浓度仍然较高.该研究以市北南环境监测站为市区代表站,莱西1#为北部代表站,对比分析出现此污染程度空间差异的近地面气象要素特征,如图 6所示. 16日市区平均气温3.4 ℃,风速2 m/s,相对湿度67%.其中相对湿度低于70%的持续时间达到了17 h,南到西南风持续21 h,ρ(PM2.5)为136 μg/m3,为中度污染.特别是从11:00起,气温明显升高,大气湍流运动能力加强,偏南风增大,而相对湿度却是明显下降,均不利于污染物的聚集,监测站点污染物浓度也是明显下降,截止到16日23:00,污染等级为轻度污染.市区ρ(PM2.5)是呈现一个持续消减的过程.在北部莱西,受高湿、弱的偏东风的影响,ρ(PM2.5)超过300 μg/m3的严重污染状况持续了9 h;11:00起南南西风(SSW)加大,ρ(PM2.5)直线式下降,但之后又在平均风力为1.4 m/s的北北西风(NNW)和61%的相对湿度的近地面气象条件下,莱西的污染物浓度再一次攀升,达到重度污染.南北风交替出现,南风持续时间较短,且风力不大,直接影响了16日莱西整体空气质量状况.张南等[28]的研究也表明,当平均风速大于3.5 m/s且持续4 h时,可明显改善北京冬季空气质量状况.

图 6 2014年1月16日青岛市市北南和莱西1#环境监测站ρ(PM2.5)及各气象要素的逐时变化情况 Fig.6 Time series of PM2.5 concentration and near-surface meteorological elements at sites of Shibeinan and Laixi 1# of Qingdao City on 16th January, 2014
3.4 气象要素垂直分布

2014年1月15日08:00—19日08:00青岛探空站12 h间隔温度、相对湿度、风速、风向和位温在0~3 km高度范围内分布特征如图 7所示.此次污染过程只在17日和18日的200~1 000 m高度上,存在着温度随高度增大或变化很小的逆温层结,其他时段在低层都没有明显的逆温现象,有时只表现为近中性层结.这也说明有霾天气出现时边界层不一定有逆温层存在.稳定的逆温层是连续多天出现霾污染天气的充分不必要条件[18].位温廓线表明,除17日20:00在200 m范围内存在一个弱的不稳定层结外,其余污染时段大气边界层都是静力稳定的.大气湍流受到抑制,污染物垂直扩散条件较差.而图 3也表明,除16日12:00—17日06:00以及17日19:00—18日05:00是轻到中度污染状况外,其余时段青岛市皆为重度污染.因此,在污染源相对稳定的背景下,弱或者中性的大气边界层仍不利于污染物的垂直扩散.再者,在观测时段内青岛上空整体上呈现出上干下湿的水汽分布特征,在部分时段约400 m左右的高度上还存在着逆湿层结或者湿层,平均相对湿度达到了70%.低层高湿大气非常有利于污染物吸湿增长和气溶胶二次反应,提高了污染物凝结核的浓度.

图 7 2014年1月15—19日青岛站气象要素廓线分布 Fig.7 Vertical distribution for meteorological elements at site of Qingdao from 15th to 19th January, 2014

风的垂直分布特征是,整体来看,从近地面到1 500 m高度上,风速随高度变化很小,并且在低层多表现为南风或者西南风,高层为西北风控制的风切变特征.具体分析15日20:00的风廓线可以看到,从近地面到1 300 m风速切变为0 m/s,使得污染物无法向高层输送,近地面层污染物累积,浓度加大;在0~3 km的边界层内还存在着高层干冷弱北风和低层暖湿弱南风的风向辐合,这样的风场结构容易促进边界层内处水汽增多,加速细颗粒物的生成,且大气层结趋于稳定,污染物扩散能力也被大幅减弱.与15日相对照的是,16日08:00青岛站风廓线分布是整层较强的南到西南风,0~2 500 m存在较大的风切变,浅薄湿层(相对湿度55%的湿层236 m)以及800 m高度下的不稳定层结,这些因素共同作用使得污染物得以扩散,浓度下降.但是到了16日夜间,近地面层虽仍为弱南风,但是在950~500 hPa高度转为了西北风,湿层增厚(相对湿度64%的湿层厚度达到了1 518 m).受其影响,17日市区细颗粒物浓度再一次升高.

大气边界层是霾天气发生的主要区域,边界层高度决定了污染物扩散的高度及速度.近年来,激光雷达探测边界层高度的可行性和有效性已被为大量试验所证实[29-32].王耀庭等[33]的研究也表明,激光雷达系统在污染天气背景下能够进行有效的污染特性和大气边界层的探测.利用EV-Lidar-CAM激光雷达探测数据分析了1月15—18日大气边界层高度和云底高度逐时变化特征,如图 8所示.边界层高度具有明显单峰日变化特征,峰值多出现在11:00—14:00期间,平均值约为2 500 m;最低值出现在02:00—05:00时段内,平均值约560 m.但当污染程度加剧时,大气边界层高度的昼夜变化是趋于减缓的.边界层高度和ρ(PM2.5)存在着反位相的变化关系:大气边界层越低,污染物质量浓度越高;并且边界层高度变化对污染物浓度的影响还具有6 h左右的延迟效应,即当边界层高度达到日最高值或最低值时,污染物质量浓度并没有即刻表现为最低值或最高值,而是持续影响污染物浓度变化6 h左右.如1月15日14:00,大气边界层高度达到了日最高点2 820 m,监测站点污染物质量浓度为224 μg/m3;到17:00,边界层高度有所下降,为2 496 m, 污染物浓度降至日最低点,为158 μg/m3;到了19:00,边界层高度降至861 m,污染物浓度并没有显著回升,仅为188 μg/m3.再者,EV-Lidar-CAM激光雷达反演的云底高度和边界层高度保持了相对一致的变化趋势,污染期间平均云底高度为1 159 m,且多表现为低云.低云的存在使到达地面的太阳辐射减弱,地气之间热量交换减弱,影响了污染物垂直方向上的扩散.

图 8 2014年1月15—19日大气边界层、云底高度、衰减率和ρ(PM2.5)序列 Fig.8 Time series of the height of PBL and cloud base, stability and PM2.5 concentration from 15th to 19th January, 2014

应用SM200大气稳定度仪测量氡短周期衰变过程释放的β放射性计数可用来间接表示大气的稳定程度,反映低层大气边界层的混合特性[23].在此次污染过程监测到的衰减率(见图 8)基本表现出了夜间高、白天低的日变化规律,平均衰减率为214 cpm(count per minute),最大衰减率为379 cpm.而较小的衰减率出现在1月16日10:00—16:00,平均值仅有77 cpm,与之相对应的是监测点处的平均PM2.5质量浓度也只有131 μg/m3.大气稳定度和污染物浓度之间具有较好的一致性变化趋势:氡衰减率数值越大,大气越稳定,也对应了较低的大气边界层高度和较高的污染物质量浓度.低层大气的稳定性是决定污染物浓度的关键因素.以17日为例,在平均风速1.7 m/s的弱偏北风背景下,如图 8所示,大气边界层高度降低且持续稳定6 h以上,配合着稳定的低层大气(平均衰减率220 cpm,最大衰减率326 cpm),地面污染物浓度快速增加,达到重度污染.

4 结论

a) 2014年1月15日—18日持续污染过程的首要污染物为PM2.5.高空环流平直、冷空气势力弱、地面弱气压场是此次霾污染天气发生的环流背景.

b) 在污染源稳定的背景下,气象要素的差异性导致了污染物浓度时空分布的差异.持续的弱偏北气流输送造成污染物浓度稳定增长,偏南气流背景下青岛市空气质量趋于好转;局地环流背景下弱北风和南风交替出现以及形成的辐合带,不利于污染物的扩散.风是导致此次重污染天气的重要因素.

c) 大气边界层内高层干冷弱北风和低层暖湿弱南风的切变、稳定大气层结以及低层高湿大气是重污染持续的有利条件.

d) 边界层高度和云底高度具有相似的单峰日变化特征.边界层高度和ρ(PM2.5)存在负相关关系,并且边界层高度变化对污染物浓度的影响具有6 h左右的延迟.低层大气越稳定,污染物浓度越高.

参考文献
[1]
邓雪娇, 黄健, 吴兑, 等. 深圳地区典型大气污染过程分析[J]. 中国环境科学, 2006, 26(S1): 7-11.
DENG Xuejiao, HUANG Jian, WU Dui, et al. Analyses on the typical atmospheric pollution[J]. China Environmental Science, 2006, 26(S1): 7-11. (0)
[2]
康娜, 辛金元, 蔺永耀, 等. 北京山前典型细粒子污染过程的气象条件分析[J]. 环境科学研究, 2009, 22(9): 1013-1020.
KANG Na, XIN Jinyuan, LIN Yongyao, et al. Meteorological condition analysis of a typical fine particle pollution event in the piedmont region of Beijing[J]. Research of Environmental Sciences, 2009, 22(9): 1013-1020. (0)
[3]
许建明, 常炉予, 马井会, 等. 上海秋冬季PM2.5污染天气形势的客观分型研究[J]. 环境科学学报, 2016, 36(12): 4303-4314.
XU Jianming, CHANG Luyu, MA Jinghui, et al. Objective synoptic weather classification on PM2.5 pollution during autumn and winter seasons in Shanghai[J]. Acta Scientiae Circumstantiae, 2016, 36(12): 4303-4314. (0)
[4]
黄容, 郭丽娜, 马艳, 等. 2006—2012青岛市空气质量与气象条件的关系[J]. 气象与环境学报, 2015, 31(2): 37-43.
HUANG Rong, GUO Lina, MA Yan, et al. Relationship between air quality and meteorological conditions from 2006 to 2012 in Qingdao[J]. Journal of Meteorology and Environment, 2015, 31(2): 37-43. (0)
[5]
廖晓农, 孙兆彬, 唐宜西, 等. 高空偏北风背景下北京地区高污染形成的环境气象机制研究[J]. 环境科学, 2015, 36(3): 801-808.
LIAO XIaonong, SUN Zhaobin, TANG Yixi, et al. Meteorological mechanism for the formation of a serious pollution case in Beijing in the background of northerly flow at upper levels[J]. Environmental Science, 2015, 36(3): 801-808. (0)
[6]
任阵海, 苏福庆, 陈朝晖, 等. 夏秋季节天气系统对边界层内大气中PM10浓度分布和演变过程的影响[J]. 大气科学, 2008, 32(4): 741-751.
REN Zhenhai, SU Fuqing, CHEN Zhaohui, et al. Influence of synoptic systems on the distribution and evolution process of PM10 concentration in the boundary layer in summer and autumn[J]. Chinese Journal of Atmospheric Science, 2008, 32(4): 741-751. (0)
[7]
王跃, 王莉莉, 赵广娜, 等. 北京冬季PM2.5重污染时段不同尺度环流形势及边界层结构分析[J]. 气候与环境研究, 2014, 19(2): 173-184.
WANG Yue, WANG Lili, ZHAO Guangna, et al. Analysis of different-scales circulation patterns and boundary layer structure of PM2.5 heavy pollutions in Beijing during winter[J]. Climatic and Environmental Research, 2014, 19(2): 173-184. (0)
[8]
郭丽娜, 黄容, 马艳. 青岛逆温层特征及其对空气质量的影响分析[J]. 海岸工程, 2015, 33(4): 14-25.
GUO Lina, HUANG Rong, MA Yan. Analysis on characteristics of inversion layer and its influence on air quality in Qingdao[J]. Coastal Engineering, 2015, 33(4): 14-25. (0)
[9]
刘瑞婷, 韩志伟, 李嘉伟. 北京冬季雾霾事件的气象特征分析[J]. 气候与环境研究, 2014, 19(2): 164-172.
LIU Ruiting, HAN Zhiwei, LI Jiawei. Analysis of meteorological characteristics during winter haze events in Beijing[J]. Climatic and Environmental Research, 2014, 19(2): 164-172. DOI:10.3878/j.issn.1006-9585.2014.13224 (0)
[10]
王丛梅, 杨永胜, 李永占, 等. 2013年河北省中南部严重污染的气象条件及成因分析[J]. 环境科学研究, 2013, 26(7): 695-702.
WANG Congmei, YANG Yongsheng, LI Yongzhan, et al. Analysis on the meteorological condition and formation mechanism of serious pollution in South Hebei Province in January 2013[J]. Research of Environmental Sciences, 2013, 26(7): 695-702. (0)
[11]
王占山, 李云婷, 陈添, 等. 2013年北京市PM2.5的时空分布[J]. 地理学报, 2015, 70(1): 110-120.
WANG Zhanshan, LI Yunting, CHEN Tian, et al. Spatial-temporal characteristics of PM2.5 in Beijing in 2013[J]. Acta Geographic Sinica, 2015, 70(1): 110-120. (0)
[12]
ZHOU L, XU X D, DING G A, et al. Diurnal variations of air pollution and atmospheric boundary layer structure in Beijing during winter 2000/2001[J]. Advance in Atmosheric Sciences, 2005, 22(1): 126-132. DOI:10.1007/BF02930876 (0)
[13]
王耀庭, 李威, 张小玲, 等. 北京城区夏季静稳天气条件下大气边界层与大气污染的关系[J]. 环境科学研究, 2012, 25(10): 1092-1098.
WANG Yaoting, LI Wei, ZHANG Xiaoling, et al. Relationship between atmospheric boundary layer and air pollution in summer stable weather in the Beijing urban area[J]. Research of Environmental Sciences, 2012, 25(10): 1092-1098. (0)
[14]
高文康, 唐贵谦, 姚青, 等. 天津重污染期间大气污染物浓度垂直分布特征[J]. 环境科学研究, 2012, 25(7): 731-738.
GAO Wenkang, TANG Guiqian, YAO Qing, et al. Vertical distribution of air pollutants during serious air pollution event in Tianjin[J]. Research of Environmental Sciences, 2012, 25(7): 731-738. (0)
[15]
饶晓琴, 李峰, 周宁芳, 等. 我国中东部一次大范围霾天气的分析[J]. 气象, 2008, 34(6): 89-96.
RAO Xiaoqin, LI Feng, ZHOU Ningfang, et al. Analysis of a large-scale haze over middle[J]. Meteorological Monthly, 2008, 34(6): 89-96. DOI:10.7519/j.issn.1000-0526.2008.06.013 (0)
[16]
李梦, 唐贵谦, 黄俊, 等. 京津冀冬季大气混合层高度与大气污染的关系[J]. 环境科学, 2015, 36(6): 1935-1943.
LI Meng, TANG Guiqian, HUANG Jun, et al. Characteristics of winter atmospheric mixing layer height in Beijing-Tianjin-Hebei region and their relationship with the atmospheric pollution[J]. Environmental Science, 2015, 36(6): 1935-1943. (0)
[17]
张恒德, 吕梦瑶, 张碧辉, 等. 2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析[J]. 环境科学学报, 2016, 36(12): 4340-4351.
ZHANG Hende, LU Mengyao, ZHANG Bihui, et al. Analysis of the stagnant meteorological situation and the transmission condition of continuous heavy pollution course from February 20 to 26, 2014 in Beijing-Tianjin-Hebei[J]. Acta Scientiae Circumstantiae, 2016, 36(12): 4340-4351. (0)
[18]
黄瑜, 夏俊荣, 韩永翔, 等. 无霾和有霾情况下大气混合层高度的日变化及其特征-基于河北香河站激光雷达的观测[J]. 科学技术与工程, 2015, 15(24): 126-131.
HUANG Yu, XIA Junrong, HAN Yongxiang, et al. The diurnal variation and characteristics of the atmospheric mixed layer height in haze and non-haze days-based on LIDAR observation in Xianghe, Hebei[J]. Science Technology and Engineering, 2015, 15(24): 126-131. DOI:10.3969/j.issn.1671-1815.2015.24.021 (0)
[19]
朱义青, 胡顺起, 曹张驰. 临沂市一次持续性雾霾过程的阶段性成因分析[J]. 环境工程学报, 2015, 9(12): 5979-5986.
ZHU Yiqing, HU Shunqi, CAO Zhangchi. Analysis on stageful characteristics of a lasting fog/haze in Linyi[J]. Chinese Journal of Environmental Engineering, 2015, 9(12): 5979-5986. DOI:10.12030/j.cjee.20151253 (0)
[20]
毕玮, 万夫敬, 陆雪, 等. 青岛地区霾污染天气特征分析[J]. 中国海洋大学学报, 2015, 45(5): 11-18.
BI Wei, WAN Fujing, LU Xue, et al. The characteristics of haze pollution days in Qingdao[J]. Periodical of Ocean University of China, 2015, 45(5): 11-18. (0)
[21]
青岛市环境保护局. 青岛市环境状况公报: 2015[R]. 青岛: 青岛市环境保护局, 2015. (0)
[22]
史宝忠, 郑方成, 曹国良. 对大气混合层高度确定方法的比较分析[J]. 西安建筑科技大学学报, 1997, 29(2): 138-141.
SHI Baozhong, ZHENG Fangcheng, CAO Guoliang. On the determination of mixed layer height[J]. Journal of Xi'an University of Architecture & Technology, 1997, 29(2): 138-141. (0)
[23]
韦玉洁, 杨腾慧, 廖国莲, 等. 激光雷达在大气混合层探测中的应用[J]. 气象研究与应用, 2011, 32(2): 71-73.
WEI Yujie, YANG Tenghui, LIAO Guolian, et al. Application of micro-pulse LIDAR-MPL in atmospheric mixed layer[J]. Journal of Guangxi Meteorology, 2011, 32(2): 71-73. (0)
[24]
王芬娟, 张华, MARIAP A, 等. 通过测量氡的放射性来监测大气稳定度的新方法[J]. 中国环境科学, 2013, 33(4): 594-598.
WANG Fenjuan, ZHANG Hua, Maria P A, et al. Measurement of atmospheric stability index by monitoring radon natural radioactivity[J]. China Environmental Science, 2013, 33(4): 594-598. (0)
[25]
CHAMBERS S D, WANG F J, WILLIAMS A G, et al. Quantifying the influences of atmospheric stability on air pollution in Lanzhou, China, using a radon-based stability monitor[J]. Atmospheric Environment, 2015, 107: 233-243. DOI:10.1016/j.atmosenv.2015.02.016 (0)
[26]
杨雅琴, 高会旺. 青岛大气臭氧及其前体物时间变化与污染特征[J]. 气象与环境学报, 2008, 24(2): 1-5.
YANG Yaqin, GAO Huiwang. Dynamics of ozone and its precursors in the atmosphere and their pollution characteristics in Qingdao, Shandong Province[J]. Journal of Meteorology and Environment, 2008, 24(2): 1-5. (0)
[27]
胡非, 洪钟祥, 雷孝恩. 大气边界层和大气环境研究进展[J]. 大气科学, 2003, 27(4): 712-728.
HU Fei, HONG Zhongxiang, LEI Xiaoen. Recent progress of atmospheric boundary layer physics and atmospheric environment research in IAP[J]. Chinese Journal of Atmospheric Sciences, 2003, 27(4): 712-728. (0)
[28]
张南, 熊黑钢, 葛秀秀, 等. 北京市冬季雾霾天人体呼吸高度PM2.5变化特征对气象因素的响应[J]. 环境科学, 2016, 37(7): 2419-2427.
ZHANG Nan, XIONG Heigang, GE Xiuxiu, et al. Response of human respiratory height PM2.5 variation characteristics to meteorological factors during winter haze days in Beijing[J]. Environmental Science, 2016, 37(7): 2419-2427. (0)
[29]
毛敏娟, 蒋维楣, 吴晓庆, 等. 气象激光雷达的城市边界层探测[J]. 环境科学学报, 2006, 26(10): 1723-1728.
MAO Minjuan, JIANG Weimei, WU Xiaoqing, et al. Lidar exploring of the UBL in downtown of the Nanjing City[J]. Acta Scientiae Circumstantiae, 2006, 26(10): 1723-1728. DOI:10.3321/j.issn:0253-2468.2006.10.023 (0)
[30]
MENUT L, FLAMANT C, PELON J, et al. Urban boundary-layer height determination from lidar measurements over the Paris area[J]. Applied Optics, 1999, 38: 945-954. DOI:10.1364/AO.38.000945 (0)
[31]
COHN S A, MAYOR S D, GRUND C J, et al. The lidar in flat terrain (LIFT) experiment[J]. Bulletin of the American Meteorological Society, 1998, 79: 1329-1343. DOI:10.1175/1520-0477(1998)079<1329:TLIFTL>2.0.CO;2 (0)
[32]
张婉春, 张莹, 吕阳, 等. 利用激光雷达探测灰霾天气大气边界层高度[J]. 遥感学报, 2013, 17(4): 981-992.
ZHANG Wanchun, ZHANG Ying, LV Yang, et al. Observation of atmospheric boundary layer height by ground-based lidar during haze days[J]. Journal of Remote Sensing, 2013, 17(4): 981-992. (0)
[33]
王耀庭, 苗世光, 张小玲, 等. 北京秋季一次降雪前污染天气的激光雷达观测研究[J]. 气候与环境研究, 2014, 19(6): 659-669.
WANG Yaoting, MIAO Shiguang, ZHANG Xiaoling, et al. Study on atmospheric pollution characteristics before a snowfall event in autumn in the Beijing urban area using lidar[J]. Climatic and Environmental Research, 2014, 19(6): 659-669. (0)