本文基于WRF-CMAQ模型定量分析了气象条件变化对PM2.5的影响.全国337个城市2018~2019秋冬季气象条件转差导致PM2.5平均浓度同比上升约5.55%.24个省市气象条件同比转差,北京气象转差致使PM2.5同比上升约3.66%.从重点区域来看,京津冀及周边“2+26”城市气象条件转差最显著,汾渭平原次之,长江三角洲(以下称长三角)基本持平,分别导致PM2.5浓度同比上升约9.4%、8.3%、1.1%.“2+26”城市和汾渭平原气象条件在11月、1月、2月转差,10月、3月气象条件转好.长三角则10月、11月、3月气象条件转差;12月、1月、2月转好.“2+26”城市2018~2019秋冬季PM2.5浓度同比上升主要为气象条件转差所致;汾渭平原PM2.5同比变化较小,人为减排有效抵消了气象条件转差带来的不利影响;长三角PM2.5浓度同比下降,与气象条件变幅小且污染排放较去年同期降低有关.
为探讨云下湿清除作用对长三角地区PM2.5浓度模拟的影响,在华东区域大气环境数值预报系统中新增了气溶胶云下湿清除过程参数化方案,对比分析了2018年12月1日至2019年2月28日降水对长三角地区PM2.5的清除作用及其对数值模拟效果的改进.结果表明,模式对该时段内的降水和PM2.5浓度均有很好的模拟效果,模拟的数值、空间分布和变化趋势均与观测有良好的一致性;增加云下湿清除作用后长三角地区PM2.5浓度模拟效果得到明显改善:平均偏差、平均误差和均方根误差分别减小4.85,1.72,2.35μg/m3,归一化偏差和归一化误差分别降低0.14和0.08,约90%城市的相关系数、均方根误差、平均误差、归一化误差得到改进;云下湿清除作用使模拟PM2.5浓度随雨强增大而降低,解决了模式湿清除过程的不足.同时,增加云下湿清除作用会加剧部分城市PM2.5模拟浓度偏低的现象,这需要通过其他过程的完善予以改进.
京公网安备 11010802030352号