随着我国经济的高速发展、城市化进程的加快和工业规模的扩大,各种污染物排放量迅速增加,大气污染问题日益严重。空气污染对生态环境有严重影响,造成对人类生活和人体健康等方面的负面效应,如降低城市的能见度、影响交通安全和危害居民健康等。京津冀地区于2016年11月3日至6日发生一次重污染天气过程:北京市气象台于2日16时25分发布霾黄色预警信号,预计2日夜间至4日扩散条件逐渐转差。3日北京、天津及河北大部分地区出现轻度至中度霾;4日迅速发展为中度霾,局地重度霾;AQI长时间处于300以上,达到严重污染的级别,能见度较低。北京及周边地区多地教育委员会要求中小学及各教育机构停课以应对本次重污染过程。5日冷空气到达京津冀地区,污染逐渐减轻,6日空气质量恢复至正常水平。本文利用气象与化学模块在线耦合的模式WRF-Chem V3.5(Weather Research and Forecasting Model coupled to Chemistry Version 3.5)对此次京津冀污染过程展开了数值模拟,设计进行了包含人为排放源的实验,排放源使用2006年美国国家航空航天局(NASA)的INTEX-B(International Chemistry Transport Experiment-Phase B)计划中由Zhang et al(2009)制作的亚洲地区污染物排放清单;包括了电力、工业、居民和交通等排放源排放的二氧化硫(SO)、一氧化碳(CO)、挥发性有机物(VOC)、氮氧化物(NO)、可吸入颗粒物(PM)、细颗粒物(PM)、有机碳(OC)和黑炭(BC)八类污染物,空间分辨率为0.5°×0.5°,氨气(NH3)的排放使用REAS(Regional Emission Inventory in Asia)亚洲排放清单中2006年的数据,空间分辨率为0.5°×0.5°;生物源排放使用Guenther方案(Guenther et al,1993)进行在线计算。模式模拟的气象初始场及侧边界使用了来自美国国家环境预报中心的全球分析资料(NCEP FNL),水平分辨率为1°×1°,时间间隔为6小时。模拟中两重网格使用相同的参数化方案,主要包括Runge-Kuntta三阶时间积分方案,RRTMG长短及短波辐射方案(Iacono et al,2008),Grell-Freitas积云参数化方案(Grell and Freitas,2013),QNSE行星边界层方案(Hong S Y et al,2006)以及Noah陆面参数化方案,并开启城市模块,以便更好反映城市下垫面对边界层高度以及局地环流的影响。采用Morrison微物理二阶参数方案(Morrison et al,2009),该方案可预报云水、云冰、水汽、雨水、雪、霰的混合比以及云冰、雨水、雪、霰的数浓度,可以较好地模拟出微物理过程及相应的天气学变化(肖辉等,2011;沈新勇等,2015)。化学模块中使用RADM2气相化学机制(Stockwell et al,1990),包含液相化学反应的MADE/SORGAM气溶胶模块(Ackermann et al,1998),以及Fast-J光解方案(Wild et al,2000),在模拟过程中同时开启云化学反应、湿清除过程以及气溶胶辐射反馈效应。具体结果如下:(1)本次重雾霾过程污染集中区域,处于高空脊前西北气流控制之下。在平直环流或高压脊环流型下,京津冀对流层可产生持续而深厚的下沉气流,地面形势,整个华东及华中地区处于一冷高压控制下,京津冀地区位于此冷高压北侧,配合高空形势使得大气状况非常稳定,扩散条件差,对于污染物的集聚和发展极其有利。(2)与观测资料的对比显示,模式能较为准确地模拟出京津冀地区PM2.5以及PM10随时间的演变趋势,而NO2的模拟结果整体偏小,但也较好地捕捉了峰值以及变化趋势。SO2的模拟误差则相对较大,这与一次排放源的不准确、二次气溶胶形成机制的不稳定都有关系。(3)为了定量分析过程中的大气稳定状况,探讨雾霾过程的主要成因,引用了四种大气稳定度指数,分别为K指数,TT(全总)指数,Ic指数(对流稳定度指数),JI(杰弗逊)指数,来综合分析促进了雾霾形成和发展的大气稳定程度。结果表明:K指数和TT指数相较其他两种指数的指示效果更为准确,是一种讨论雾霾发生发展原因的有力依据。(4)本次污染的高值中心有三个,分别为北京天津一带,河北东北部,以及河北南部。PM2.5,PM10以及SO2污染物的水平分布有较为明显的日变化,CO和NO2则变化不明显,污染从3日开始发展到6日结束,各项污染物除了NO2都明显受到冷空气的影响,在6日浓度骤降。(5)北京和天津地区的污染是主要来源于河北南部的工业和交通排放的外源型污染,而河北东北部和河北南部的污
基于前后张驰逼近(Back and Forth Nudging,简称BFN)和集合卡尔曼滤波(En KF)方法,构建了一种新的同化方法 HBFNEn KF(Hybrid Back and Forth Nudging En KF)混合同化方法,并将此同化系统分别与通道浅水模式(shallow water model)和全...
详细信息
基于前后张驰逼近(Back and Forth Nudging,简称BFN)和集合卡尔曼滤波(En KF)方法,构建了一种新的同化方法 HBFNEn KF(Hybrid Back and Forth Nudging En KF)混合同化方法,并将此同化系统分别与通道浅水模式(shallow water model)和全球浅水模式对接,检验了HBFNEn KF同化方法的有效性。同时,对比了集合均方根滤波(En SRF)、HNEn KF(Hybrid Nudging En KF)、HBFNEn KF三种方法在有误差模式中的同化效果。试验结果表明:HBFNEn KF同化方法保留了HNEn KF方法的同化连续性,解决了En KF同化不连续不平滑的问题,同时还有着更快的收敛速度;当采用单变量分析试验时,HBFNEn KF方法的优势最为明显,表明HBFNEn KF能够较好地保持不同模式变量间的平衡。此外,增量场尺度分析结果表明:相比En SRF,HBFNEn KF在大尺度范围有更好的同化效果,同时能够避免在中小尺度范围内出现大量的虚假增量。
暂无评论