Numerical simulations of transport characteristics of moderate-to-severe haze pollution in Shenzhen， China

TIAN Chunyan; ZHOU Huixian; SHEN Ao; SHEN Chong; WANG Mingjie; CHEN Xunlai; FAN Qi

doi:10.13471/j.cnki.acta.snus.2020D057

您当前的位置：

首页 >

文章列表页 >

Numerical simulations of transport characteristics of moderate-to-severe haze pollution in Shenzhen， China

Research articles | 更新时间：2023-11-01

- Numerical simulations of transport characteristics of moderate-to-severe haze pollution in Shenzhen， China
- Acta Scientiarum Naturalium Universitatis Sunyatseni Vol. 61, Issue 2, Pages: 38-47(2022)
- 作者机构：
  
  1.中山大学大气科学学院 / 广东省气候变化与自然灾害研究重点实验室 / 南方海洋科学与工程广东省实验室（珠海），广东珠海 519082
  2.广州市气候与农业气象中心，广东广州 511430
  3.深圳南方强天气研究重点实验室 / 深圳气象局，广东深圳 518040
- 作者简介：
- 基金信息：
- DOI：10.13471/j.cnki.acta.snus.2020D057
  CLC： X513
- Published：25 March 2022，
  
  Published Online：15 July 2021，
  
  Received：13 October 2020，
  
  Accepted：28 November 2020
扫描看全文
田春艳,周慧娴,沈傲等.深圳中重度霾污染输送特征的数值模拟分析[J].中山大学学报(自然科学版),2022,61(02):38-47.

TIAN Chunyan,ZHOU Huixian,SHEN Ao,et al.Numerical simulations of transport characteristics of moderate-to-severe haze pollution in Shenzhen， China[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2022,61(02):38-47.
田春艳,周慧娴,沈傲等.深圳中重度霾污染输送特征的数值模拟分析[J].中山大学学报(自然科学版),2022,61(02):38-47. DOI： 10.13471/j.cnki.acta.snus.2020D057.

TIAN Chunyan,ZHOU Huixian,SHEN Ao,et al.Numerical simulations of transport characteristics of moderate-to-severe haze pollution in Shenzhen， China[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2022,61(02):38-47. DOI： 10.13471/j.cnki.acta.snus.2020D057.

摘要

对2008—2018年深圳出现的中重度霾污染事件进行天气分析的基础上，利用WRF-Chem模式采用敏感性试验的方法定量研究深圳及其周边城市（广州、东莞、惠州）人为排放源对深圳地区霾污染过程的贡献，揭示该地区霾污染过程的主要输送特征。影响深圳中重度霾污染过程的主要天气型为台风外围环流型及大陆高压（脊）型两类，其中大陆高压（脊）型又可根据风场进一步细分为3种类型：偏东北风型、风向多变型和偏南风型。典型污染个例的敏感性试验结果表明：台风外围环流型霾污染过程深圳本地贡献率为40.38%，其周边城市的总贡献率为22.6%；大陆高压（脊）型3种类型污染过程，深圳本地贡献率分别为21.12%、53.92%、55.41%，其周边城市的总贡献率分别为6.88%、10.97%、3.44%。风速和风向对输送特征的影响最为显著：当风速为3~4 m/s时，深圳本地贡献率可达50%；风速约6 m/s时，本地贡献率降为20%~40%，其周边城市输送的贡献率明显增大。不同城市对深圳霾污染的贡献受风向的影响有所差异，台风外围环流型个例主导风场多为西北风，此时东莞和惠州对深圳的贡献值分别为15.03%、1.77%；而其他风向时，东莞和惠州对深圳的贡献情况较为一致，其中，东北风时约3%，风向多变型时约5%，偏南风时1%~2%。广州对深圳的贡献率仅在台风外围环流型的西北风向时较为显著，可达5.8%。

Abstract

Based on the analysis of weather of the moderate-to-severe haze pollution incidents in Shenzhen from 2008 to 2018， the WRF-Chem model and sensitivity tests were used to quantify the contribution of anthropogenic emission sources from Shenzhen and its surrounding cities （Guangzhou，Dongguan， and Huizhou） to the hazing process in Shenzhen using sensitivity tests， and to reveal the main transport characteristics of the hazing pollution process in the area. The main weather types affecting the process of moderate-to-severe haze pollution in Shenzhen are typhoon peripheral circulation pattern and Continental high （ridge） type， in which Continental high （ridge） type， can be further subdivided into three different types according to the wind field （north-east wind type， wind direction variable type， southerly wind type）. The sensitivity tests of typical pollution cases show that under the typhoon peripheral circulation pattern during hazing pollution process， the local contribution rate of Shenzhen was 40.38%， and the total contribution rate of the surrounding cities was 22.6%. For the three types of Continental high （ridge） pollution processes， Shenzhen's local contribution rates were 21.12%， 53.92%， and 55.41%， while the total contribution rates of the surrounding cities were 6.88%， 10.97%， and 3.44%， respectively. Wind speed and orientation have the most significant impact on transport characteristics. When the wind speed was 3 to 4 m/s， the contribution rate of Shenzhen local sources can reach 50%. When the wind speed was about 6 m/s， the contribution rate of transmission increased significantly while the local contribution rate decreased to 20% to 40%. The contribution of different cities was affected by wind directions. While the dominated wind field of typhoon peripheral circulation pattern haze was mostly northwest， Dongguan and Huizhou's contribution differed， with 15.03% and 1.77%， respectively. In other scenarios， the contributions of these two cities were more consistent， about 1% to 5%. Guangzhou’s contribution to Shenzhen can reach 5.8% with the northwest winds caused by the Typhoon peripheral circulation pattern.

关键词

中重度霾污染输送特征台风外围环流型大陆高压（脊）型深圳

Keywords

moderate-to-severe haze pollutiontransport characteristicstyphoon peripheral circulation patterncontinental high （ridge） typeShenzhen

references

中央气象局.地面气象观测规范［M］. 北京：气象出版社， 1979： 22-27.

方叠. 中国主要城市空气污染对人群健康的影响研究［D］. 南京：南京大学，2014.

谢鹏，刘晓云，刘兆荣，等. 珠江三角洲地区大气污染对人群健康的影响［J］.中国环境科学，2010，30（7）：997-1003.

孙维哲，王焱，唐小哲，等. 雾霾对人群健康效应研究：现状与建议［J］.中国公共卫生管理，2016，32（2）：166-169.

吴兑，廖国莲，邓雪娇，等. 珠江三角洲霾天气的近地层输送条件研究［J］.应用气象学报，2008（1）：1-9.

范绍佳，祝薇，王安宇，等. 珠江三角洲地区边界层气象特征研究［J］.中山大学学报（自然科学版），2005（1）：99-102.

刘厚凤，杨欣，陈义珍，等. 中国重霾过程污染气象研究进展［J］.生态环境学报，2015，24（11）：1917-1922.

廖晓农，张小玲，王迎春，等. 北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析［J］.环境科学，2014，35（6）：2031-2044.

王自发，李丽娜，吴其重，等. 区域输送对北京夏季臭氧浓度影响的数值模拟研究［J］.自然杂志，2008（4）：194-198+247-248.

LI H， DUAN F K， MA Y L， et al. Case study of spring haze in Beijing： characteristics， formation processes， secondary transition， and regional transportation［J］.Environmental Pollution，2018，242：544-554.

张志刚，高庆先，韩雪琴，等. 中国华北区域城市间污染物输送研究［J］.环境科学研究，2004（1）：14-20.

陈朝晖，程水源，苏福庆，等.华北区域大气污染过程中天气型和输送路径分析［J］.环境科学研究，2008（1）：17-21.

王自发，李杰，王哲，等. 2013年1月我国中东部强霾污染的数值模拟和防控对策［J］.中国科学：地球科学，2014，44（1）：3-14.

唐娴，王喜全，洪也，等. 辽宁中部城市群一次灰霾天气过程的外来影响程度研究［J］.环境科学学报，2014，34（6）：1541-1550.

洪也，马雁军，王喜全，等. 辽宁中部城市群灰霾天气的外来影响——个案分析［J］.环境科学学报，2013，33（8）：2115-2122.

王喜全，杨婷，王自发. 灰霾污染的跨控制区影响——一次京津冀与东北地区灰霾污染个案分析［J］.气候与环境研究，2011，16（6）：690-696.

ZHUANG Z Y， SHU J. Study on the characteristics and influence factors of the haze in Shanghai［C］//World Automation Congress，2012：1-5

李莉，蔡鋆琳，周敏. 2013年12月中国中东部地区严重灰霾期间上海市颗粒物的输送途径及潜在源区贡献分析［J］.环境科学，2015，36（7）：2327-2336.

安静宇，李莉，黄成，等. 2013年1月中国东部地区重污染过程中上海市细颗粒物的来源追踪模拟研究［J］.环境科学学报，2014，34（10）：2635-2644.

李婷苑. 广东省灰霾天气输送路径及垂直交换特征［C］//中国环境科学学会科学技术年会.合肥，2018：53-69.

吴蒙，范绍佳，吴兑，等. 广州地区近十年来霾天气近地层流场特征研究［J］.环境科学与技术，2014，37（5）：82-88+98.

余纬，罗栩羽，范绍佳，等. 珠三角一次重空气污染过程特征分析及数值模拟［J］.环境科学研究，2011，24（6）：645-653.

张丽，施何俊，李磊，等. 深圳两次霾天气过程分析［J］.广州环境科学，2011，26（3）：10-13.

GRELL G A， PECKHAM S E， SCHMITZ R， et al. Fully coupled “online” chemistry within the WRF model［J］. Atmospheric Environment，2005，39（37）. DOI：10.1016/j.atmosenv.2005.04.027http://dx.doi.org/10.1016/j.atmosenv.2005.04.027.

XU X， AKHTAR U S. Identification of potential regional sources of atmospheric total gaseous mercury in Windsor， Ontario， Canada using hybrid receptor modeling［J］. Atmospheric Chemistry and Physics，2010，10（203）. DOI：10.5194/acp-10-7073-2010http://dx.doi.org/10.5194/acp-10-7073-2010.

李霞，杨静，麻军，等. 乌鲁木齐重污染日的天气分型和边界层结构特征研究［J］.高原气象，2012，31（5）：1414-1423.

王健，李景林，张月华. 乌鲁木齐市冬季严重污染日的环流分型特征［J］.气象与环境学报，2013，29（1）：28-32.

蓝静. 珠三角区域气溶胶污染及低能见度过程的数值模拟［D］.广州：中山大学，2013.

刘新峰，袁惠，杨军，等.统计分析方法在大气环境监测数据符合性分析中的应用探讨［J］.四川环境，2012，31（2）：36-39.

刘建，范绍佳，吴兑，等. 珠江三角洲典型灰霾过程的边界层特征［J］.中国环境科学，2015，35（6）：1664-1674.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

The spatial-temporal features of population growth in fast immigrant city Shenzhen

Related Author

Huixian ZHOU

Ao SHEN

Chong SHEN

Mingjie WANG

Xunlai CHEN

Qi FAN

Chunyan TIAN

WANG Shaojian

Related Institution

School of Atmospheric Science， Sun Yat-sen University / Guangdong Province Key Laboratory for Climate Change and Natural Disaster Studies / Southern Laboratory of Ocean Science and Engineering

Shenzhen Key Laboratory of Severe Weather in South China / Shenzhen Meteorological Bureau

School of Geography and Tourism, Guangdong University of Finance and Economics



Postal code：510275
Tel：020-84112585，84113223 Email：xuebaozr@mail.sysu.edu.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09064830号-19 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰