- · 《全国流通经济》栏目设[05/29]
- · 《全国流通经济》数据库[05/29]
- · 《全国流通经济》收稿方[05/29]
- · 《全国流通经济》投稿方[05/29]
- · 《全国流通经济》征稿要[05/29]
- · 《全国流通经济》刊物宗[05/29]
全国年秋冬季气象条件变化对影响研究(2)
作者:网站采编关键词:
摘要:1.3 气象条件变化对PM2.5定量影响分析方法 污染源排放和气象因素均会对PM2.5浓度产生贡献,通过“固定排放清单,改变气象条件”的敏感性测试方法排除污染
1.3 气象条件变化对PM2.5定量影响分析方法
污染源排放和气象因素均会对PM2.5浓度产生贡献,通过“固定排放清单,改变气象条件”的敏感性测试方法排除污染排放变化的影响,从而定量气象影响.以2018~2019年秋冬季气象条件变化对PM2.5浓度影响为例,方法如下[24]:
式中:ηm为2018~2019年秋冬季气象条件变化导致的PM2.5浓度的同比变化,S1和S2分别代表2017~2018年秋冬季和2018~2019年秋冬季,C51和C52分别为2017~2018年秋冬季和2018~2019年秋冬季的PM2.5模拟浓度.在进行模拟时,S1和S2情景用相同的源排放清单,对应年份的气象条件,因此PM2.5浓度的变化仅归因于气象条件的变化.ηm正值表示气象条件转差,负值表示气象条件转好.
式中:Cm为单纯气象条件变化导致的实测PM2.5的浓度变化,M2018~2019为2018~2019年秋冬季的实测PM2.5浓度.污染源排放变化对PM2.5产生的影响难以直接估算,可以通过监测PM2.5浓度扣除单纯气象条件变化导致的PM2.5浓度变化值来进行推断.
2 结果与讨论
2.1 气象条件变化对全国PM2.5浓度影响
本研究结合WRF-CMAQ模型对全国(暂不包括港澳台)31个省份337个城市开展了气象条件变化对PM2.5影响的定量分析.
图2为全国337城市2018~2019年秋冬季单纯气象条件影响下的PM2.5浓度变化值,与2017~2018秋冬季同期相比,PM2.5浓度下降表明气象条件好转;PM2.5浓度上升表明气象条件转差(公式1).与2017~2018年秋冬季相比, 2018~2019年秋冬季西南地区、华南地区、华东地区、东北地区大部分省市气象条件整体好转或同比基本持平;华中地区、京津冀、山东、辽宁、山陕地区、甘肃、宁夏气象条件整体转差(图2).全国337个城市中,91个城市气象条件转好, 246个城市气象条件同比变差; 31个省市中有24个省市气象条件转差,其中6个省市气象条件转差导致PM2.5浓度同比升高超过10% (宁夏、青海、甘肃、河南、辽宁、山西),北京市气象条件转差导致PM2.5浓度同比升高约3.66% (表1).全国气象条件变化导致PM2.5浓度同比升高约5.55%,因此气象条件同比转差是导致2018~2019年秋冬季某些地区出现重污染的主要原因之一.
图2 2018~2019秋冬季全国气象因素影响下的PM2.5浓度变化(μg/m3)Fig.2 Quantitative impact of meteorological conditions on in autumn and winter of 2018~2019 throughout the country(μg/m3)
表1 全国31省市气象因素影响下的PM2.5浓度同比变化(%)Table 1 The effects of meteorological changes on PM2.5in 31provinces and cities in China (%)注:不含港、澳、台地区.省/市 气象影响下的PM2.5同比变化 省/市 气象影响下的PM2.5同比变化宁夏 18.67 重庆市 4.35青海省 13.42 北京市 3.66甘肃省 11.63 吉林省 3.37河南省 11.43 安徽省 1.89辽宁省 11.29 江西省 1.83山西省 10.86 浙江省 1.09陕西省 9.90 贵州省 0.95内蒙古 9.72 江苏省 0.08天津市 9.31 广东省 -0.41湖北省 9.10 西藏省 -0.85山东省 9.03 广西省 -1.28河北省 7.65 上海市 -3.32新疆 6.57 黑龙江 -7.40福建省 6.39 海南省 -16.14湖南省 6.37 云南省 -24.33四川省 6.11 全国 5.55
2.2 重点区域气象影响下的PM2.5浓度变化
“2+26”城市2018~2019年秋冬季气象条件同比转差最为显著,导致PM2.5浓度同比上升约9.4%;汾渭平原次之(8.3%);长三角气象条件同比基本持平(1.1%) (表2).
表2 重点区域不同季度气象因素影响下的PM2.5浓度同比变幅(%)Table 2 The effects of meteorological changes on PM2.5in key areas during different months (%)月份区区 10月 11月 12月 1月 2月 3月秋冬季平均“2+26”城市 -13.7 44.5 -5.2 19.2 24.4 -10.2 9.4汾渭平原 -13.6 23.3 2.3 13.1 32.3 -13.3 8.3长三角 26.8 20.9 -19.7 -3.1 -6.2 9.0 1.1
2018~2019年秋冬季气象条件同比变化呈现明显的月度特征(图3、表2).“2+26”城市和汾渭平原气象条件同比变化的月度特征较为一致,整体上均为11月、1月、2月气象条件同比转差最为显著,可能因为“2+26”城市和汾渭平原冬季容易出现低温高湿、风速降低、边界层高度下降等情况,从而导致静稳天气等不利气象条件时常发生[10];12月份气象条件在部分城市转好,部分城市转差(表3);10月、3月气象条件明显转好.长三角地区气象条件的变化影响特征与“2+26”城市和汾渭平原差异明显,10月、11月和3月气象条件同比转差;12月、1月和2月的气象条件转好(图3、表2).
(1)与2017~2018年秋冬季相比,2018~2019秋冬季“2+26”所有城市的气象条件均同比转差,其中位于太行山脉以西的阳泉市气象条件同比转差最为显著,导致PM2.5浓度同比上升约15.9%;北京市气象条件同比变幅在“2+26”城市中最小,导致PM2.5浓度同比上升约3.7%;德州市气象条件同比转差,陶等研究也发现德州市2018~2019年秋冬季气象条件同比转差[37].(2)汾渭平原所有城市气象条件均同比转差,其中铜川气象条件同比转差最为显著,导致PM2.5浓度同比上升约17.0%;西安市气象条件变化幅度小,导致PM2.5浓度同比上升约3.7%;汾渭平原中5个城市气象条件转差导致PM2.5浓度同比升高超过10%.(3)长三角41个城市中,17个城市气象条件同比转好(合肥、无锡、常州、扬州、上海等);24个城市气象条件同比转差,亳州市气象条件转差最为显著,导致PM2.5浓度同比升高约8.2% (表3).
文章来源:《全国流通经济》 网址: http://www.qgltjj.cn/qikandaodu/2021/0301/780.html
上一篇:绿色建筑和绿色金融协同发展湖州市成为全国首
下一篇:中国流通经济年总目录