英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

PLAM——空气质量的气象污染指数及其在中国北方的雾霾天气预报中的应用

Y. Q. Yang¹, J. Z. Wang¹, S. L. Gong¹, X. Y. Zhang1, H. Wang¹, Y. Q. Wang¹, J. Wang², D. Li³, and J. P. Guo¹

1Institute of Atmospheric Composition/Key Laboratory of Atmospheric Chemistry of China Meteorological Administration

(CMA), Chinese Academy of Meteorological Sciences (CAMS), Beijing, 100081, China

2National Meteorological Information Center, CMA, Beijing, 100081, China

3National Climate Center, CMA, Beijing, 100081, China

Correspondence to: S. L. Gong (sunling@camscma.cn) and J. Z. Wang (wjz@camscma.cn)

Received: 11 December 2014 – Published in Atmos. Chem. Phys. Discuss.: 25 March 2015

Revised: 5 January 2016 – Accepted: 6 January 2016 – Published: 8 February 2016

摘要：利用地面气象观测高分辨率的发射数据，本文讨论了应用的PLAM/ h指数（参数将空气质量气象条件/霾）在大规模预测低能见度和雾霾事件。基于二维概率密度函数诊断模型排放，研究扩展的诊断和预测气象污染指数PLAM的区域能见度雾霾强度。结果表明，结合规律性气象条件的影响排放因子在PLAM/ h参数方案在提高诊断鉴别诊断中是非常有效的。这个四个季节（春、夏、秋、冬）之间的PLAM/ h和能见度的观测都是0.76，0.80，0.96，和0.86，和所有其意义水平超过0.001，显示能PLAM/h预测季节的变化和差异华北地区的雾霾天气。高价值相关区位于京津冀（北京，天津，河北湾沿岸，渤海湾沿岸，河北南部-河南北部，这表明PLAM/ h指数的分布有关国北方地区大雾天气频发排放高值区分布。通过对比大雾天气事件及大型化分析在冬季和夏季晴朗的天气过程，它被发现那PLAM/ h指数24 h预报高度相关能见度观测。因此，PLAM／h指数良好的识别、分析和预测能力。

1、介绍

与上世纪80年代相比，近十年来，北京和华北地区的雾霾污染事件显著增加。气象条件是其中的重要内容之一在影响当地的气溶胶的积累有助于低能见度天气频繁出现（Wang et al.，2002，2010）。污染大气合成的影响分析动力学，热力学，化学过程，以及雾霾天气预报的研究，已经引起人们的注意。长期观测结果指出，在过去的30年中，雾霾现象ENA在中国中部和东部部分由于人为排放日益严重。一些气象条件下，气溶胶粒子在大气中可以激活特德在云凝核（CCN），参与云和雾的形成，说明现在的雾霾已经涉及到大量的污染气溶胶粒子（例如）。减少雾霾天气的影响，作为一个强大的气象灾害，需要特别关注的大气气溶胶污染（Zhang et al.，2013）的三维数值模拟有提高D不同程度的气象服务在全球空气质量预测（龚et al.，2003；，2007；麦基恩，莫兰，2009；里格比等人，2008；Zhang et al.，2009）。化学前研究和预测模型的研究和预测，通常都要面对世界各地的实时排放数据，因此限制了其实现良好的预测精度。近年来，通过对大气气溶胶颗粒物（PM）的观测数据分析及敏感气象参数的物理连接，空气质量参数直径诺斯替的预测方法已被开发。研究结果表明，空气质量的气象指数PLAM（参数将空气质量与气象条件）取得了合理的结果，它被应用于预测北京2008届北京奥运会期间的空气质量。近年来，识别和预测的气象条件对空气质量的气象指数的研究已经在国内外制作(Zhang et al., 2009; Honoreacute; et al., 2008; Li et al., 2010; Kassomenos et al., 2008; Yang et al.,2009; Wang et al., 2013)。研究表明，从排放的气象条件的气象指数的贡献是非常重要的排放对空气质量的区域分布在不同的领域有明显的影响性(Zhang et al., 2009; Wang et al., 2012)。然而，有排放对空气质量的气象指数的贡献非常少的研究，包括它的定量表达，物理机制与诊断预测。这是特别重要的在建立关系和大型高价值可入肺颗粒物和低能见度天气的机制。

本文在参数化气象条件原理方法的基础上，讨论了排放量与气象条件的相互影响，并对结构的研究D功能的气象条件的气象指数定量识别、诊断和预测雾霾天气大面积。

2、资料与方法

本文使用的近实时（NRT）业务数据，包括表面观察数据，从该相关的气象条件的影响的元素被提取，如大气温度，温度和露点，云的差异，天气现象，气压，风向，风速，能见度，以及高水平的探测资料，以及数据大气成分观测系统站。多源元素数据包括高分辨率排放数据进行分析，探讨预测大范围低能见度和雾，霾气象条件指数PLAM识别方法。

2.1湿、等效温度的分析、theta;e、均匀空气质量特征

空气质量和气象条件的影响是密切相关的。一般情况下，不同的空气质量结构可以导致显着差异，在气象条件。研究指出针对空气质量的影响，分析和区分哪种类型的空气质量控制，并对局部区域的影响进行分析，确定大气气溶胶的有限元分析等不同类型的空气质量，包括海洋，大陆，或极地气团；并考虑空气停滞群众识别。湿等效势温度特性当然，theta;_e，可以用来区分气团类型，因为theta;_e在大气中包括干、湿绝热过程、抬升凝结，下沉，以及其他的动力学和热力学过程。湿等效温度方程:

当theta;是潜在的温度时

2.2大气过程的参数化诊断与预测方法

大气微物理过程和大规模过程的相互作用和相互影响的，以及不同尺度的过程，在过渡过程非常复杂，与雾霾和雾，以及大气，污染过程。参数化方法的基本原理和主要思想是将非线性关系和难以描述的过程相连接不同尺度下的一种参数化方案。研究由Kuo（1961，1965,1974）表明，云物理微观过程可以在一个大的参数化方案的观察。基于拉格朗日方法，流体颗粒群随时间变化的变化，即确定“停滞和不改变”的状态的空气质量。在大气粒子运动，在湿的等效温度（空间时间总导数）的个体变化成为一个小的值或零，意味着变化不大。因此，根据“停滞和不改变“空不改变”的空气质量的变化趋势，可以诊断和预测最近开发的空气质量诊断参数化气象条件的气象指数如下(Yang et al., 2009; Zhang et al., 2009; Wang et al., 2012):

theta;_e是湿的相当位温由Eq.（1）。湿空气冷凝率：

fcd 干燥空气冷凝率：

gamma;p是干绝热递减率：

最后，qs是特定的湿度。所有其他变量是相同如上所述。

方程（3）表明，基于空间–时空变化在空气潮湿的相当位温的参数化方法具有实际应用前景的分析，诊断空气质量的变化预测。本文的目的是进一步讨论的影响和对气溶胶污染浓度累积的PLAM0指标识别累积增加和大气雾霾天气，而且，研究的可能性，采用参数化的方法来提高诊断和预测能力，对于大型灾难性的雾霾天气。

2.3贡献和大气排放对气象指数的影响

考虑到和大气雾霾预测分析诊断，这是大气气溶胶密切相关（如细颗粒，PM2.5），它是整合的量很重要 PLAM0基础参数与排放的贡献。为了整合与大气压力、温度、湿度、冷凝等相关的初始气象条件随着污染物排放因子，贡献的P，在大气中，识别参数表示由方程（7）(Wang et al., 2012):

这种P因子进一步扩大PLAM指数的应用和研究的指标的作用和影响的描述在区域的形成和发展过程中的排放大范围雾霾事件，即plam_haze（简称PLAM /小时）。因此，分析了2010种最新的排放研究成果，包括工业，能源，运输，一人为排放源和联合epm2.5（单位：吨 10）（图1A）。它是从图1A看到高值区工业、能源、交通、和人为排放，在我国北方地区资源包括（1）河北中部和南部（包括北京和天津），（2）山东中部和西部，（3）河南的中央部分（4）的湖北东部，（5）长江三角洲，（6）四川东部（成都平原）。所有这些高价值的排放源在中国北方对雾霾天气有明显的不可忽视的影响。

PLAM指数量化排放的影响，对周边地区的影响的概率满足正态分布的，即通过分离的影响，气象条件在周围环境中，高发射中心区的总各向同性和冲击概率高于周边区域。作为一个结果，排放的影响不满足二维概率分布的形式，并将积分概率密度函数降到了周围的有限区域如下(Wang and Neumann,1985; Neumann and Mandal, 1978):

哪里是标准化（标准化）在预测有关地区的排放源强级，gamma;（0，1），定义为gamma;＝﹙E-Emin﹚／﹙Emax-Emin)，其中的最大值Emax和最小值Emin受影响地区（中国北方）规定季节的排放量的最低值。也就是说，指数增长率与排放的影响是P=1 Prsquo;。然后，影响F排放对雾霾的增加值的考虑，和式（3）可以配制成

3结果与讨论

3.1分析气象指数中的排放贡献特征

有研究指出，在同一地区，排放并没有改变固定的时间尺度（如一个月或一个季节），但在不同的地方，它有很大的不同。分析在区域和季节性的基础上，计算了区域和季节的区域排放对低能见度天气的贡献，如雾霾的标准化辐射强度（在不同的地方，在不同的时间段eorological观测数据。图1给出高分辨率排放清单的分布。图1b是标准化的分布基于图1A华北地区排放清单。从图1b，可以看出，（1）北京，天津，和河北的中部和南部；（2）山东西部；（3）中心河南部分；（4）湖北东部；（5）长江三角洲；（6）四川以东仍为明显集中的高排放区，圆形或椭圆形分布特征清楚地看到。以罕见的大型重foghaze天气事件在北京及华北地区在26二月2014作为一个例子，在忽略和考虑在PLAM指数排放影响的差异。图1C和D显示气象指数分布的条件下考虑工程和无视中国北方发射08:00（UTC 8）26二月2014。这是从图中看出，在不考虑排放的影响（图1c），该配送中心气象指数是河北、北京、天津、湖北、河南和四川省。PLAM指数是120，160，160，80（图1c），分别。图1显示棕/小时分布排放影响。上述四掌/ h指数高值区有180，180，180，值160，分别.Plam / H值随着高值的显著扩张增加（图1D绿色椭圆形）。

图1:2014年2月26日高分辨率排放清单电子分布（一）及其区域排放标准化清单（二）。PLAM指数分布忽略（C）和（D）考虑北卡的发射时间08:00（UTC 8）

为了进一步探讨差异，图2显示2014年2月26日24小时预报的PLAM/ h指数和在华北地区673个台站的能见度的相关分析。为便于比较比较，相关分布的棕/ h和能见度条件下，不包括排放因子进行叠加。考虑发射图2中显示为蓝色的发射角，而忽视了发射标有黄色圆圈。各自的相关拟合线是由红色和黄色实线虚线标记。从图2可以看出，2014年2月26日合理的更正存在PLAM／h与能见度之间的合理的相关性，无论排放的贡献。然而，测定系数（R2）是从0.3675增加到0.3887时，排放量考虑，指示在PLAM/h排放夹杂的重要性。

图2：PLAM和知名度的考虑和排除在2014年2月26日排放因子的相关分析。

值得注意的是，在低能见度（VIS＜10公里/小时），PLAM指数值无排放影响明显转向低值区。相比之下，更接近高价值的一个知名度，比较两种符号往往重叠，这表明，无排放，预测值的PLAM/ H指数会更小，能见度相关性会降低，偏离拟合低值区线。

总之，以上分析对区域PLAM/ H分布（图1）和PLAM/ H和能见度的相关分布（图2）都表明，随着气象条件和排放因素的综合影响，与指标值扩展到高值区明显的PLAM/ h指数增加描述能力；PLAM/ h指数包括排放具有明显的影响，对提高诊断及鉴别诊断能力的重雾霾天气。

3.2分析季节性特征性PLAM/ h指数和能见度的相关性

图3分别给出了在典型的重雾霾雾霾天气过程案例分布在四个赛季里，包括2011年4月14日PLAM/ h（a）和（b）能见度的春季案例，2008年7月26日PLAM/ h（c）和能见度（d）的夏季案例，2011年10月30日PLAM/ h（e）和能见度（f）的秋季案例，和2011年1月7日PLAM/ h（g）和能见度（h）的冬季案例。

在春天，2011年4月14日的PLAM/ h指数低值区主要在我国北方地区。PLAM/ h值三是＜70时，整个区域的气象条件是好的。污染物向扩散。PLAM/h相对高值区在河南中部、河北南部、北京–

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[31758]，资料为PDF文档或Word文档，PDF文档可免费转换为Word