城市下垫面影响空气污染的机制分析

本文采用RBLM-chem模式,利用杭州市高分辨率城市建筑等资料,定量分析城市动力效应、热力效应以及城市植被、人为热对SO₂、NO₂、O₃、PM_2.5等主要污染物浓度的影响。结果表明,城市化过程使得大部分城区温度上升约1℃,相对湿度下降约6%,风速下降约0.8 m·s^-1,湍流动能增强约0.03 m²·s^-2。城市动力效应主要通过降低城市风速,使得城区污染物浓度升高,SO₂浓度有近5 μg·m^-3的上升,PM_2.5、O₃浓度也有近15 μg·m^-3的上升。城市热力效应主要通过热岛环流使城区污染物向上输送,令地面污染物浓度降低,在城市大部分区域PM_2.5都有大约10 μg·m^-3的浓度下降。城市动力效应大于热力效应,城市的总体作用是使污染物浓度升高。城市下垫面使污染物浓度上升的另外一个机制是代替了自然有植被的下垫面,使污染物干沉降速度下降,但这一作用小于动力学效应。另一方面,人为热对城市主要污染物浓度都起着减小的作用,其中SO₂、NO₂、O₃、PM_2.5浓度降幅分别在2.5、3.0、6.0、10.0 μg·m^-3左右。城市植被可以显著增加污染物干沉降速度,使主要污染物SO₂、NO₂、O₃和PM_2.5的干沉降速度分别上升0.1、0.1、0.03、0.06 m·s^-1左右,相应地使上述污染物浓度分别下降2.5、6.0、4.0、6.0 μg·m^-3左右。     

2014—2019年北京和南京地区PM2.5和臭氧质量浓度相关性研究

自2014年以来,中国细颗粒物（PM_2.5）浓度大幅度下降,但臭氧（O₃）浓度逐年缓慢上升,厘清PM_2.5和O₃（P-O）相关性尤为关键.在本研究中,2014—2019年北京和南京PM_2.5年均质量浓度下降幅度分别为-6.86和-6.15 μg·m^-3·a^-1;而日最大8小时平均O₃质量浓度（MDA8 O₃）年均增长幅度为1.50和1.75 μg·m^-3·a^-1.研究期间,北京地区MDA8 O₃质量浓度小于100 μg·m^-3,P-O呈负相关;而当质量浓度大于100 μg·m^-3时,P-O为正相关.通过Pearson相关系数研究P-O两者相关性.在两个城市每月相关性分析中,在每日时间尺度5—9月为强的正相关;而小时时间尺度11月至次年2月趋于负相关.在北京,P-O每月和季节相关性变化大于南京.在日变化中,夏季在16时为强的正相关,春秋两季在13—17时为弱的正相关,而在春、秋和冬季8时,却为强的负相关.     

2007和2008年夏季北京奥运馆大气PM10与PM2.5质量浓度变化特征

为了监测北京奥运主场馆附近大气颗粒物的污染状况以及评估奥运污染源减排措施对北京大气颗粒物质量浓度变化的影响,利用颗粒物在线监测仪器TEOM于2007年和2008年夏季,在奥运主场馆附近的中国科学院遥感应用研究所办公楼楼顶对大气颗粒物PM₁₀和PM_2.5进行了连续同步观测。结果表明,2007年夏季监测点附近大气PM₁₀与PM_2.5质量浓度的平均值分别为153.9和71.2μg·m^-3,而2008年夏季PM₁₀与PM_2.5质量浓度的平均值分别为85.2和52.8μg·m^-3。与奥运前一年同时段相比,奥运时段大气PM₁₀和PM_2.5的质量浓度分别下降44.5%和25.1%。对比分析奥运前后的2次典型污染过程发现,空气相对湿度的增加和偏南气流输送的共同影响易造成大气颗粒物的累积增长,而降雨的湿清除作用和偏北气流则会使大气颗粒物浓度迅速降低。在相近的气象条件下,奥运前后的污染过程中,大气细粒子的日均增长速率分别为25.1和13.9μg·m^-3·d^-1,而大气粗粒子的日均增长速率分别为20.8和2.2μg·m^-3·d^-1,奥运时段污染累积过程中大气粗、细粒子的增长速率分别显著低于和略低于奥运前同时段污染过程中颗粒物的增长速率。污染源减排措施的实施是奥运期间大气颗粒物质量浓度降低的主要原因,从控制效果来看,奥运期间实施的污染源减排措施对大气粗粒子的控制效果明显好于大气细粒子。     

三亚地区冬春季大气污染特征观测研究

为了研究海南省三亚地区冬春季大气污染状况,于2011年12月—2013年4月的冬春季节在三亚鹿回头村(监测点位于三亚市郊,三面临海,周围没有工业污染源)开展了大气主要污染物(NO_x、O₃、PM_2.5)的连续监测,利用观测数据对三亚地区冬春季大气污染变化特征进行分析.结果表明:三亚地区大气污染物浓度均低于国家一级标准的浓度值,NO、NO₂、NO_x、O₃、PM_2.5质量浓度的日平均值(平均值±标准差)分别为(2.1±2.2)、(5.2±3.4)、(7.3±3.8)、(59.8±28.4)和(17.5±14.3)μg·m^-3.在污染物的日变化方面,NO_x、PM_2.5呈现典型的双峰型,其峰值分别出现在08:00和17:00,峰谷在13:00;O₃的日变化为单峰型,峰值出现在13:00.通过后向轨迹分析发现,三亚地区大气污染物受局地源排放和外源输送的共同影响,来自陆地的气流易造成污染物的积累,而来自海上的气流则有利于污染物的清除.     

南京市城市不同功能区PM10和PM2.1质量浓度的季节变化特征

使用Anderson-Ⅱ型9级撞击采样器测量了南京市鼓楼商业区、江北工业区、钟山风景区和宁六高速公路交通源春、夏、秋三季的大气气溶胶质量浓度。分析结果表明:南京市PM_2.1和PM₁₀的质量浓度存在明显的季节变化,秋季>春季>夏季;ρ_PM10春季为167.47 μg/m³,夏季为 85.99 μg/m³,秋季为238.99 μg/m³;ρ_PM2.1春季为59.66 μg/m³,夏季为42.80 μg/m³,秋季为100.15 μg/m³。不同季节中ρ_PM10和ρ_PM2.1均存在较好的相关性,夏季相关性最好,相关系数为0.952;秋季次之,相关系数为0.783;春季相对较差,相关系数为0.613。城市不同功能区之间ρ_PM2.1和ρ_PM10的质量浓度值差异很大,交通源>工业区>商业区>风景区。城市不同功能区的质量浓度谱分布基本一致,均为双峰型分布,峰值分别位于0.43~0.65 μm/m³和9.0~10.0 μm/m³。南京市春、夏、秋三个季节大气粒子质量浓度谱为双峰分布,粒子主要集中在0.43~3.3 μm/m³的粒径段。江北工业区ρ_PM10和ρ_PM2.1质量浓度的相关系数为0.814,略高于鼓楼商业区的0.797。     

南京市城市不同功能区PM10和PM2.1质量浓度的季节变化特征

使用Anderson-Ⅱ型9级撞击采样器测量了南京市鼓楼商业区、江北工业区、钟山风景区和宁六高速公路交通源春、夏、秋三季的大气气溶胶质量浓度。分析结果表明:南京市PM_2.1和PM₁₀的质量浓度存在明显的季节变化,秋季>春季>夏季;ρ_PM10春季为167.47 μg/m³,夏季为 85.99 μg/m³,秋季为238.99 μg/m³;ρ_PM2.1春季为59.66 μg/m³,夏季为42.80 μg/m³,秋季为100.15 μg/m³。不同季节中ρ_PM10和ρ_PM2.1均存在较好的相关性,夏季相关性最好,相关系数为0.952;秋季次之,相关系数为0.783;春季相对较差,相关系数为0.613。城市不同功能区之间ρ_PM2.1和ρ_PM10的质量浓度值差异很大,交通源>工业区>商业区>风景区。城市不同功能区的质量浓度谱分布基本一致,均为双峰型分布,峰值分别位于0.43~0.65 μm/m³和9.0~10.0 μm/m³。南京市春、夏、秋三个季节大气粒子质量浓度谱为双峰分布,粒子主要集中在0.43~3.3 μm/m³的粒径段。江北工业区ρ_PM10和ρ_PM2.1质量浓度的相关系数为0.814,略高于鼓楼商业区的0.797。     

福建三明市春季PM2.5中有机碳、元素碳和水溶性离子特征分析

2014年3月13日至4月20日在福建三明市利用PM_2.5中流量采样器采集大气中PM_2.5膜样品,测定了PM_2.5的质量浓度,并用热/光碳分析仪和离子色谱分析了其组分变化特征.结果表明,三明市观测期间PM_2.5的平均质量浓度为73.61±0.73 μg/m³,有机碳(OC)和元素碳(EC)的平均质量浓度分别为7.26±1.00和5.63±0.27 μg/m³,水溶性离子中SO₄^2-、NH₄⁺、NO₃^-和Na⁺的质量浓度分别为18.08±12.19、4.18±3.56、2.77±1.16和2.73±0.23 μg/m³,总和占总水溶性离子的87.76%.结合后向轨迹分析了福建三明市的污染物来源特征.该地区OC/EC的平均比值小于2,SOC(二次有机碳)生成量很少,主要以一次有机污染物为主,OC、EC与K⁺的相关性分析表明OC、EC与K⁺的来源相近,可以判断OC、EC绝大部分来源是生物质燃烧产生的污染物.在水溶性离子分析中,观测期间NO₃^-/SO₄^2-为0.159±0.02,表明三明市主要以固定源为主,机动车辆等移动源贡献较少.     

苏南三市秋冬季PM2.5中水溶性离子和元素特征及源解析

2010年11月16日至12月17日在南京、常州、苏州三城市设置采样点,24 h采集大气PM_2.5样品,并测定其水溶性无机离子和元素的浓度,在此基础上讨论PM_2.5及无机组分的时空分布特征。结果表明,采样期间,PM_2.5污染较严重,且苏州最重,常州次之,南京最轻,南京、苏州、常州日均浓度分别是国家二级标准(75 μg/m³)的1.44、2.32、1.53倍;三市PM_2.5离子组分中,阴离子均以SO₄^2-和NO₃^-为主,阳离子以Ca²⁺和Mg²⁺为主;苏州Na⁺和Cl^-之间的相关性较高,其受到海盐输送影响较大;三城市PM_2.5中Ca是最主要元素,Al次之。运用主成分法分析南京、常州和苏州PM_2.5的来源可知,三城市PM_2.5受多个污染源影响,包括生物质燃烧、地表扬尘、五金工业及汽车尾气排放等。     

青岛市秋冬季霾期PM1及其含碳组分理化特征及来源研究

对2017年11月1日—2018年1月31日与2018年11月1日—2019年1月31日连续两年青岛市大气PM₁进行监测,获取了PM₁中含碳组分的变化趋势,结合国控站点监测数据和气象条件,分析了秋冬季PM₁来源.结果表明：2017、2018年秋冬季观测期间PM₁日均质量浓度分别为40.58±25.98、42.55±25.05 μg/m³;霾日质量浓度分别为84.71±16.70、81.52±18.39 μg/m³.与2017年相比,2018年同期PM₁质量浓度增长4.85%,霾日下降3.76%.2017年霾日PM₁中OC、EC质量浓度分别为13.67±3.95、3.95±1.02 μg/m³,2018年分别为16.48±6.34、3.34±1.16 μg/m³.与2017年相比,2018年霾日OC质量浓度增长20.56%,EC下降15.44%.2017、2018年霾日SOC质量浓度分别是非霾日的1.28和2.15倍,表明霾污染发生时易发生有机碳二次转化.含碳组分主成分分析均解析出3个因子.因子1解释变量均最大,分别为58.98%、67.14%,其表征含碳组分主要源于生物质燃烧、燃煤、道路扬尘及汽油车尾气等排放源.由后向气流轨迹分析得出,2017、2018年秋冬季气团轨迹多起源于内蒙古,经河北、天津、山东等省市抵达青岛.     

新冠肺炎疫情期间遵义市大气污染物的变化

为研究云贵高原城市遵义新冠期间大气污染物变化特征,利用2015—2020年遵义市空气质量监测数据、地面气象观测资料,分析新冠肺炎疫情防控期间遵义市主要大气污染物和气象要素的变化情况,研究空气质量对污染物减排和气象要素变化的响应。结果表明：疫情防控导致遵义市PM_2.5、PM₁₀和NO₂质量浓度明显下降,但O₃质量浓度小幅增加;PM_2.5和NO₂对人为减排的响应更敏感;防控期内遵义市气象条件比较有利于污染物的清除,防控减排措施导致PM_2.5质量浓度下降25.34%。在疫情防控的背景下,O₃浓度较2015—2019年明显偏高,PM_2.5显著下降,这与疫情防控期间人员车辆外出明显减少有关,导致夜间滴定消耗O₃的气体减少。减排措施对防控期间颗粒物污染浓度有明显的削弱作用。     

Could the Recent Taal Volcano Eruption Trigger an El Ni?o and Lead to Eurasian Warming?

正The Taal Volcano in Luzon is one of the most active and dangerous volcanoes of the Philippines. A recent eruption occurred on 12 January 2020(Fig. 1a), and this volcano is still active with the occurrence of volcanic earthquakes. The eruption has become a deep concern worldwide, not only for its damage on local society, but also for potential hazardous consequences on the Earth's climate and environment.     

Analysis of Atmospheric Boundary Layer Height Characteristics over the Arctic Ocean Using the Aircraft and GPS Soundings

正ERRATUM to: Atmospheric and Oceanic Science Letters, 4(2011), 124-130 On page 126 of the printed edition (Issue 2, Volume 4), Fig. 2 was a wrong figure because the contact author made mistake giving the wrong one. The corrected edition has been updated on our website. The editorial office is sincerely sorry for any     

Index to Vol.31

正AN Junling;see LI Ying et al.;(5),1221—1232AN Junling;see QU Yu et al.;(4),787-800AN Junling;see WANG Feng et al.;(6),1331-1342Ania POLOMSKA-HARLICK;see Jieshun ZHU et al.;(4),743-754Baek-Min KIM;see Seong-Joong KIM et al.;(4),863-878BAI Tao;see LI Gang et al.;(1),66-84BAO Qing;see YANG Jing et al.;(5),1147—1156BEI Naifang;     

Information for Contributors

正Journal of Meteorological Research is an international academic journal in atmospheric sciences edited and published by Acta Meteorologica Sinica Press,sponsored by the Chinese Meteorological Society.It has been acting as a bridge of academic exchange between Chinese and foreign meteorologists and aiming at introduction of the current advancements in atmospheric sciences in China.The journal columns include Articles.Note and Correspondence,and research letters.Contributions from all over the world are welcome.     

前寒武纪气候演化中的三个重要科学问题

自地球形成至寒武纪将近40亿年（距今46亿～5.4亿年,通常称为前寒武纪）的气候演变是一个具有特殊难度和挑战性的研究领域,同时也是基础和前沿的研究领域。文章选择了前寒武纪气候演化中的三个重要科学问题进行综述：大气演化、两次全球性的冰川期以及暗弱太阳问题。关于大气演化,本文首先描述了大气成分的演化历史,然后简述了影响大气成分演化的三个基本过程：大气逃逸、两次大气氧含量突然增加、碳酸盐-硅酸盐循环及其对气候系统的负反馈作用。两次全球性的冰川期分别发生在古元古代（距今24亿～21亿年）和新元古代（距今8亿～5.8亿年）,文章简述了其成因以及相关的气候模拟结果。暗弱太阳问题是地球历史气候演化的一个经典问题,论文简要地综述了一些最新的研究成果和观点。     

淮河流域水文极值预测模型研究

为探索气候变化影响下水文极值的非平稳性和预测方法,建立了水文极值非平稳广义极值（GEV）分布的统计预测模型。利用1952-2010年淮河上游流域累计面雨量和流量年最大值资料、同期500 hPa环流特征量资料以及17个CMIP5模式对环流特征量的模拟结果,筛选出对水文极值影响显著的年平均北半球极涡强度指数作为GEV分布参数的预测因子。分析了在RCP2.6、RCP4.5和RCP8.5情景下2006-2050年淮河上游流域水文极值对气候变化的响应。结果表明,10年以下与10年以上重现期的水文极值在非平稳过程中呈现前者下降而后者上升的相反变化趋势;多模型预测的集合平均在未来情景中均呈现上升趋势,情景排放量越大增幅越大,重现期越长增幅也越大。与极值的常态相比,极值的极端态更易受气候变化影响。     

ANALYSIS OF “BIMODAL PATTERN” STORM ACTIVITY CHARACTERISTICS OF THE BAY OF BENGAL

Storms that occur at the Bay of Bengal (BoB) are of a bimodal pattern, which is different from that of the other sea areas. By using the NCEP, SST and JTWC data, the causes of the bimodal pattern storm activity of the BoB are diagnosed and analyzed in this paper. The result shows that the seasonal variation of general atmosphere circulation in East Asia has a regulating and controlling impact on the BoB storm activity, and the “bimodal period” of the storm activity corresponds exactly to the seasonal conversion period of atmospheric circulation. The minor wind speed of shear spring and autumn contributed to the storm, which was a crucial factor for the generation and occurrence of the “bimodal pattern” storm activity in the BoB. The analysis on sea surface temperature (SST) shows that the SSTs of all the year around in the BoB area meet the conditions required for the generation of tropical cyclones (TCs). However, the SSTs in the central area of the bay are higher than that of the surrounding areas in spring and autumn, which facilitates the occurrence of a “two-peak” storm activity pattern. The genesis potential index (GPI) quantifies and reflects the environmental conditions for the generation of the BoB storms. For GPI, the intense low-level vortex disturbance in the troposphere and high-humidity atmosphere are the sufficient conditions for storms, while large maximum wind velocity of the ground vortex radius and small vertical wind shear are the necessary conditions of storms.     

LOW-FREQUENCY CIRCULATION AND EXTENDED-RANGE FORECAST IN CONNECTION WITH AUTUMN EXTREME HEAVY RAINFALL PROCESS IN HAINAN

Observed daily precipitation data from the National Meteorological Observatory in Hainan province and daily data from the National Centers for Environmental Prediction/National Center for Atmospheric Research (NCEP/NCAR) reanalysis-2 dataset from 1981 to 2014 are used to analyze the relationship between Hainan extreme heavy rainfall processes in autumn (referred to as EHRPs) and 10–30 d low-frequency circulation. Based on the key low-frequency signals and the NCEP Climate Forecast System Version 2 (CFSv2) model forecasting products, a dynamical-statistical method is established for the extended-range forecast of EHRPs. The results suggest that EHRPs have a close relationship with the 10–30 d low-frequency oscillation of 850 hPa zonal wind over Hainan Island and to its north, and that they basically occur during the trough phase of the low-frequency oscillation of zonal wind. The latitudinal propagation of the low-frequency wave train in the middle-high latitudes and the meridional propagation of the low-frequency wave train along the coast of East Asia contribute to the ‘north high (cold), south low (warm)’ pattern near Hainan Island, which results in the zonal wind over Hainan Island and to its north reaching its trough, consequently leading to EHRPs. Considering the link between low-frequency circulation and EHRPs, a low-frequency wave train index (LWTI) is defined and adopted to forecast EHRPs by using NCEP CFSv2 forecasting products. EHRPs are predicted to occur during peak phases of LWTI with value larger than 1 for three or more consecutive forecast days. Hindcast experiments for EHRPs in 2015–2016 indicate that EHRPs can be predicted 8–24 d in advance, with an average period of validity of 16.7 d.