两类污染型下中低空风切变对PM2.5浓度影响

吴 进,李 琛,王志立,马志强,李梓铭,朱晓婉,韩婷婷,唐宜西,马小会

两类污染型下中低空风切变对PM2.5浓度影响

吴 进1,李 琛2,王志立3*,马志强1,李梓铭1,朱晓婉1,韩婷婷1,唐宜西1,马小会1

(1.京津冀环境气象预报预警中心,北京 100089；2.北京市气象服务中心,北京 100089；3.中国气象科学研究院,灾害天气国家重点实验室和大气化学重点开放实验室,北京 100081)

基于2015～2020年京津冀地区生态环境监测数据和多源气象数据,分析了北京地区0～3km中低空垂直风切变在不同PM2.5等级下的演变特征.结果表明,风速日变化特征随着PM2.5浓度升高而逐渐减弱,PM2.56级污染时近地面风速日变化基本消失,甚至反向变化;白天边界层风速增大时段对应10m/(s·km)以下的风切变,20:00后增大至12～14m/(s·km),该现象随着PM2.5污染加重变得更为显著,白天时段近地层垂直风切变较小值(<6m/(s·km))维持,可能是污染严重的信号之一;基于旋转经验正交函数分解法(REOF),将污染日下中低空垂直风切变分为无扰动型和压缩型,压缩型低压强度略强于无扰动型,无扰动型的PM2.5浓度均值、峰值较压缩型更高,逆温强于压缩型,另外,无扰动型PM2.5浓度增长期和边界层高度(PBLH)反向变化,压缩型PM2.5浓度增长期和PBLH同向变化.

垂直风切变；PM2.5；REOF；边界层

通常,大气严重污染出现在地面附近为小风或静风条件下,其所造成不利的水平扩散条件被众多学者关注[1-3].而相较于其他基础气象要素而言,风随高度的变化更能表征大气垂直方向的动力混合状况,代表近地层污染物向上交换的能力[4],对大气容量的调制、污染物的聚集和扩散有着至关重要的作用[5-6],同时,风的垂直廓线直接影响污染物垂直分布[7-8].研究表明,偏北风背景下区域污染物的下沉传输是PM2.5浓度快速增长的主要因素之一[9],但垂直运动“分层”结构也会导致高空偏北风背景下形成北京地区高污染环境[10].同时,边界层低空急流显著影响了气溶胶传输和扩散,调整了大气稳定度和边界层高度[11-12].不同类型污染事件的风垂直廓线存在中低空通量风差异[13],46～156m和156～296m高度之间PM2.5传输通量最高[14].因此,边界层内环境风场垂直分布模态与近地面PM2.5浓度息息相关,在区域污染事件中近地面颗粒物浓度与边界层平均垂直风切变呈正相关,与边界层高度呈显著负相关[15],而边界层内温压湿风垂直分布的非均匀性是影响PM2.5浓度的主要影响因素[16-17].

以往的研究中,北京地区的垂直风切变多应用于强对流天气等强大气垂直动力交换条件分析[18-19],较少用于空气污染研究.重污染虽多发于弱垂直风切变天气背景下,但风随高度变化的廓线跟PM2.5浓度廓线密切相关[20],同时,不同高度风的差异与大气稳定度、山谷风和海陆风等局地环流息息相关[21],且对大气容量的调制、污染物的峰值浓度和维持时段等均有重要作用.本研究基于多源气象和环境监测数据,采用合成分析和REOF旋转经验正交分解方法,研究了不同PM2.5污染等级下、不同污染型下0～3km垂直风切变的变化特征,旨在进一步弄清重污染过程发生、发展、维持和消亡的气象学机理.

1 材料与方法

1.1 数据来源

北京地区生态环境监测数据来源于北京生态环境监测中心发布的北京区域35个监测站的逐时PM2.5浓度数据(http://zx.bjmemc.com.cn/).观象台风廓线雷达位于北京观象台(39.8°N,116.47°E),海拔高度32.5m,垂直探测范围为150～8960m,共50层,时间分辨率均为6min,每个采样高度上所获得的数据包括采样高度、水平风向(°)、水平风速(m/s)、垂直风速(m/s)、水平方向可信度(%,0～100)和垂直方向可信度(%,0～100)等,风廓线雷达数据来自北京市气象局信息中心,均通过质量控制.

1.2 垂直风切变计算方法

表征垂直风切变的方法较多,以计算两点之间风的矢量差最为常见[22],但由于风廓线雷达每层距离并不均匀,若单纯使用风矢量差进行不同层次的比较无显著意义,所以本文采用Zhang等[23]针对垂直风切变的计算方式,具体公式如下:

式中,VWS为高度1和2(2>1)之间的垂直风切变,单位为m/(s·km);u1和u2分别代表1和2层风速的纬向分量, m/s;v1和v2分别代表1和2层风速的径向分量, m/s.该方法能去除不同层次之间的高度差异,使得不同高度垂直风切变的计算结果具有可对比性.

1.3 旋转经验正交函数分解法(REOF)

经验正交函数(EOF)是从气象变量场数据集中识别出主要的相互正交的空间分布型和相互独立的新变量序列,用少数几个新变量序列反映原多个变量的变化信息,或者说降低数据的自由度或维度.但EOF分析中前几个特征向量过分强调与分析区域尺度相当的现象,因而在区域相关结构、局部特征上反映不显著,REOF在EOF基础上对空间型再做调整,尽量反映场的局部相关结构,更有助于气象要素场的分析研究[24-25].因此,本研究采用REOF分析法提取要素主要变化规律.

1.4 边界层高度计算方法

基于2015～2020年北京观象台逐小时人工观测数据,使用地面气温、地面露点温度、风速、云量、地面粗糙度等气象要素,采用罗氏法[26-27]计算得出延庆站逐小时边界层高度,计算方法如下:

式中:为地面气温℃;d为地面露点温度℃;u为高度处的风速m/s;0为地面粗糙度;为柯氏参数,=2sin;为帕斯奎尔稳定度级别(大气稳定度级别为A～F时,值依次为1～6).目前,气象部门取消了人工云观测,帕斯奎尔稳定度级别中的云量数据采用了静止气象卫星FY-2E的反演结果.对比分析表明,帕斯奎尔稳定度级别与使用人工观测云量的计算结果一致[28].

2 结果与讨论

2.1 2015～2020年PM2.5浓度不同等级下垂直风切变变化

每年10月至次年3月是北京地区污染天气多发的季节.地面小风或者静风往往是污染发生并持续的必要条件[29],但地面弱风并不等同于垂直风切变小,相反,较强的逆温层可能对应着更强烈的垂直风切变[30].将2015～2020年每年1～3月、10～12月垂直风切变按照PM2.5浓度不同等级进行统计(图1),近地面270m垂直风切变四分位距为4～16m/ (s·km),随着高度升高而逐渐减小,3150m高度四分位距为4～10m/(s·km);从平均值的分布来看,各个等级1470m以下垂直风切变波动较大,1470m以上垂直风切变逐渐减小,其变化趋于平缓.各个等级之间变化无显著规律性,但在1470m以上随着PM2.5浓度升高,垂直风切变均值逐渐减小,但6级严重污染情况下,风切变均值再次增大.

合成PM2.5浓度不同等级日变化之后(图2),结果表明风速日变化特征明显,10:00之后边界层风速开始增大,00:00之后风速减小,风速日变化特征随着PM2.5浓度升高而逐渐减弱,PM2.56级污染时近地面风速日变化基本消失[图2(f)],甚至在边界层中高层出现白天风速小夜间风速大的反向变化,这可能与强逆温层内外风速差异相关.从垂直风切变来看,白天边界层风速增大时段对应10m/(s·km)以下的风切变,20:00之后风切变增大,边界层低层增大到12～14m/(s·km),该现象随着PM2.5污染加重变得更为显著,PM2.56级污染时14:00～18:00地面至750m风切变均在6m/(s·km)以下,入夜后500～750m风切变逐步增大至16m/(s·km)左右.白天时段近地层垂直风切变较小值(<6m/(s·km))维持,可能是污染严重的信号之一.

图1 北京地区不同高度和PM2.5不同等级下垂直风切变分布

图2 北京地区不同等级下的垂直风切变和风速的日变化

2.2 两类典型重污染过程的垂直风切变特征

将2015～2020年每年10月～次年3月污染日数(轻度及以上)的垂直风切变作REOF分解后得到4个主要特征向量,方差占比分别为30.8%、25.8%、15.0%和11.2%,共占总方差的82.8%;前两类特征向量方差占比较大且特征值时空分布具有显著区域性差异(图3),后两类特征向量边界层内特征值时空分布区域差异较小,即边界层内垂直风切变区域差异信号不显著,且方差占比小,对重污染事件的指示意义不大,故不做进一步讨论.将前两种主要垂直风切变变率模态按照2000m以下垂直风切变演变特征分别定义为边界层无显著扰动型(简称无扰动型,下同)[图3(a)]和边界层压缩型(简称压缩型,下同)[图3(b)].无扰动型主要特征为750m以下垂直风切变日变化特征显著,小于-0.5的低值区主要出现在13:00～18:00,高度为300～750m之间,垂直风切变的小值区可能与低层一致南风输送及边界层湍流均匀性有关;压缩型主要特征为14:00～22:00在750～1250m出现大于0.5的显著高值区,可能与边界层之上冷流扰动有关.因此,对流层下部垂直风切变的演变对上述两类重污染事件有较大的预报预警价值.

根据REOF分解的时间系数提取两类重污染事件的典型个例进行合成(图4),两类污染型均处于地面弱辐合区之中,这也是污染事件发生频率最高的地面气压场分布[31].压缩型低压强度(1018～1020hPa)略强于无扰动型(1020～1022hPa),两型位于蒙古中西部的高压中心强度均为1030hPa,表征上游冷空气强度相当.

两类污染型的PM2.5浓度日变化对比显示,无扰动型日均PM2.5浓度为239.8μg/m3[图5(a)],08:00～ 14:00为低值时段,对于PBLH的高值时段(15:00最大为1065m),14:00之后逐步升高,PBLH开始降低,23:00前后达最大浓度296.2μg/m3,对应PBLH最低值602m;压缩型日均PM2.5浓度为231.2μg/m3[图5(b)],峰值出现在15:00为251.9μg/m3,08:00～13:00为上升时段,午后基本维持在240～250μg/m3之间,入夜后减小,PBLH日变化较小,11:00～16:00为高值时段860～980m,其余时段为600～800m.总体而言,无扰动型的PM2.5浓度均值、峰值较压缩型更高,PM2.5浓度和PBLH日变化更显著,另外,无扰动型PM2.5浓度增长期和PBLH反向变化,PM2.5增长与边界层压缩导致的大气容量降低有关,压缩型PM2.5浓度增长期和PBLH同向变化,PM2.5增长可能与区域输送有关.

从温度廓线来看,无扰动型和压缩型温度逆温较浅薄[图5(c),(d)],基本都维持在500m以下,无扰动型逆温强度略强于压缩型.而两类污染型的湿度廓线有显著不同,无扰动型0.2m较地面高5%,压缩型只有1%,且无扰动型08:00和20:00差异较小,湿层维持,压缩型20:00整层湿度廓线较08:00显著减小,呈向下喇叭口状,即近地面减湿度更显著,这与PM2.5浓度增长期和PBLH同向变化结论相一致,可能与较强区域输送下边界层南风扰动有关.

图5 无扰动型和压缩型PM2.5、PBLH和温湿廓线

2.3 涵盖两次典型污染型的一次污染事件

图6 2015年11月27日～12月02日风廓线和垂直风切变

1.无扰动型日;2.压缩型日

2015年11月27日～12日2日北京地区发生了一次重污染事件,根据上述REOF法分解之后得到11月27日和30日为无扰动型,分解后的时间系数分别为3.2和2.8,11月29日和12月1日为边界层压缩型,时间系数为2.5和4.6,均为较为典型的无扰动型和压缩型(图6).其中,无扰动型27日北京地区PM2.5浓度持续上升,从134μg/m3上升到284μg/m3,气压下降了5hPa,露点上升了6℃,30日PM2.5出现了更为显著的增长,从300μg/m3上升至519μg/m3,气压下降4.5hPa,露点升高3℃左右,值得关注的是,11月27日至12日2日期间两段最为显著的PM2.5增长均发生在27日和30日,且伴随减压和增湿.压缩型29日PM2.5在200～300μg/m3之间波动,露点维持在-4℃左右,弱冷空气层次浅薄、强度较弱未达到清洁空气的作用,12月1日在冷空气接地达到清洁作用之前虽然出现了露点增长和气压下降,但PM2.5无显著上升维持在450μg/m3上下(图7).与2.2节合成结果一致,无扰动型下PM2.5日均浓度以及增长趋势大于压缩型,与减压增湿作用相关.

图7 2015年11月27日～12月02日PM2.5、边界层高度、露点和气压变化

1. 无扰动型日; 2. 压缩型日

2.4 讨论

在实际环境气象业务工作中垂直风切变往往指2个层次的风矢量差,即单纯的风速和风向差,并未考虑高度差异,由于同一时间下高空风速一般大于低空风速,所以0～3km风矢量差必然大于0～1km风矢量差(图8).值得注意的是,若按本文计算公式,剔除高度影响之后,0～1km垂直风切变大于0～3km,且0～1km呈现逐年减小特征,0～3km年际变化不显著,这种线性趋势变化特征较单纯的风矢量差体现更为清晰.这为环境气象业务中垂直风切变的重新定义提供参考.

图8 2015～2019年0～1km和0～3km风矢量差及风切变变化

3 结论

3.1 不同PM2.5等级下,1470m以下垂直风切变波动较大,1470m以上随着PM2.5浓度升高,垂直风切变均值减小, 6级严重污染时风切变均值显著增大.风速日变化特征随着PM2.5浓度升高而减弱,PM2.56级污染时近地面风速日变化基本消失,在边界层中高层出现风速白天小夜间大的反向变化.

3.2 白天边界层风速增大时段对应10m/(s·km)以下的风切变,20:00之后风切变增大,边界层低层增大到12～14m/(s·km),该现象随着PM2.5浓度升高更为显著,白天时段近地层垂直风切变较小值(<6m/ (s·km))维持.

3.3 无扰动型主要特征为750m以下垂直风切变日变化特征显著,小于-0.5的低值区主要出现在13:00～18:00高度300～750m;压缩型在14:00～22:00高度750～1250m出现大于0.5的显著高值区.压缩型低压强度略强于无扰动型,无扰动型的PM2.5浓度均值、峰值较压缩型更高,PM2.5浓度增长期和PBLH反向变化,逆温强于压缩型.

3.4 北京地区2015年11月27日～12日2日一次重污染事件中无扰动型(11月27日和30日)下PM2.5日均浓度以及增长幅度大于压缩型(11月29日和12月1日),与减压增湿作用相关.本研究所用垂直风切变计算方法剔除了不同高度的影响,线性趋势变化特征较单纯的风矢量差体现更为清晰.

[1] Miao Y, Li J, Miao S, et al. Interaction between planetary boundary layer and PM2.5pollution in megacities in China: a review [J]. Current Pollution Reports, 2019,5:261-271.

[2] Zhong J, Zhang X, Dong Y, et al. Feedback effects of boundary-layer meteorological factors on cumulative explosive growth of PM2.5during winter heavy pollution episodes in Beijing from 2013 to 2016 [J]. Atmospheric Chemistry and Physics, 2018,18:247-258.

[3] 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.

Liao X N, Zhang X L, Wang Y C, et al. Comparative analysis on meteorological condition for persistent haze cases in summer and winter in Beijing [J]. Environmental Science, 2014,35(6):2031-2044.

[4] Chen Y, An J L, Lin J, et al. Observation of nocturnal low-level wind shear and particulate matter in urban Beijing using a Doppler wind lidar [J]. Atmospheric Oceanic Science Letter, 2017,10:411-417.

[5] Liu X, Li J, Qu Y, et al. Formation and evolution mechanism of regional haze: A case study in the megacity Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13:4501-4514.

[6] Tie X, Zhang Q, He H, et al. A budget analysis of the formation of haze in Beijing [J]. Atmospheric Environment, 2015,100:25-36.

[7] Li J, Han Z. Aerosol vertical distribution over east China from RIEMS-Chem simulation in comparison with CALIPSO measurements [J]. Atmospheric Environment, 2016,143:177-189.

[8] Zhou S, Wu L, Guo J, et al. Measurement report: Vertical distribution of atmospheric particulate matter within the urban boundary layer in southern China – size-segregated chemical composition and secondary formation through cloud processing and heterogeneous reactions [J]. Atmospheric Chemistry and Physics, 2020,20:6435-6453.

[9] Han S Q, Hao T Y, Zhang Y F, et al. Vertical observation and analysis on rapid formation and evolutionary mechanisms of a prolonged haze episode over central-eastern China [J]. Science of Total Environment, 2018,616-617:135-146.

[10] 廖晓农,孙兆彬,唐宜西,等.高空偏北风背景下北京地区高污染形成的环境气象机制研究[J]. 环境科学, 2015,36(3):801-808.

Liao X N, Sun Z B, Tang Y X, et al. Meteorological mechanism for the formation of a serious pollution case in Beijing in the background of northerly flow at upper levels [J]. Environmental Science, 2015,36(3): 801-808.

[11] Li X L, Hu X M, Ma Y J, et al. 2019a. Impact of planetary boundary layer structure on the formation and evolution of air-pollution episodes in Shenyang, Northeast China [J]. Atmospheric Environment, 2019a,214:116850.https://doi.org/10.1016/j.atmosenv.2019.116850.

[12] Li X L, Ma Y J, Wang Y, et al. Vertical distribution of particulate matter and its relationship with planetary boundary layer structure in Shenyang, Northeast China [J]. Aerosol and Air Quality Research, 2019b,19:2464-2476.

[13] 刘 建,吴 兑,范绍佳.珠江三角洲区域污染分布及其垂直风场特征[J]. 环境科学, 2015,36(11):3989-3998.

Liu J, Wu D, Fan S J. Distribution of regional pollution and the characteristics of vertical wind field in the Pearl River Delta [J]. Environmental Science, 2015,36(11):3989-3998.

[14] 肖致美,徐 虹,李 鹏,等.京津冀区域重污染期间PM2.5垂直分布及输送[J]. 环境科学, 2019,40(10):4303-4309.

Xiao Z M, Xu H, Li P, et al. Vertical distribution and transport of PM2.5during heavy pollution events in the Jing-Jin-Ji Region [J]. Environmental Science, 2019,40(10):4303-4309.

[15] Yang Y, Yim S H, Haywood J, et al. Characteristics of heavy particulate matter pollution events over Hong Kong and their relationships with vertical wind profiles using high-time-resolution doppler lidar measurements [J]. Journal of Geophysical Research- Atmospheres, 2019,124:9609-9623.

[16] Song Y, Song T, Tang G Q, et al. The vertical distribution of PM2.5and boundary-layer structure during summer haze in Beijing [J]. Atmospheric Environment, 2013,74:413-421.

[17] 丁国安,陈尊裕,高志球,等.北京城区低层大气PM10和PM2.5垂直结构及其动力特征[J]. 中国科学D辑地球科学, 2005,35(增刊Ⅰ): 31-44.

Ding G A, Chen Z Y, Gao Z Q. Vertical structure and dynamic characteristics of PM10and PM2.5in Beijing urban area [J]. Science in China Ser. D Earth Sciences, 2005,35(SupplementⅠ):31-44.

[18] 雷 蕾,孙继松,陈明轩,等.北京地区一次飑线的组织化过程及热动力结构特征[J]. 大气科学, 2021,45(2):287−299.

Lei L, Sun J S, Chen M X, et al. Organization process and thermal dynamic structure of a squall line in Beijing [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 2021,45(2):287-299.

[19] 盛 杰,郑永光,沈新勇.华北两类产生极端强天气的线状对流系统分布特征与环境条件[J]. 气象学报, 2020,78(6):877-898.

Sheng J, Zheng Y G, Shen X Y. Climatology and environmental conditions of two types of quasi-linear convective systems with extremely intense weather in North China [J]. Acta Meteorologica Sinica, 2020,78(6):877-898.

[20] Chen Q, Fan J, Yin Y, et al. Aerosol impacts on mesoscale convective systems forming under different vertical wind shear conditions [J]. Journal of Geophysical Research: Atmospheres, 2020,125(3): e2018JD030027.

[21] 吴 进,李 琛,马志强,等.北京平原和延庆地区山谷风异同及对污染的影响[J]. 环境科学, 2021,42(10):4660-4668.

Wu J, Li C, Ma Z Q, et al. Similarities and differences of valley winds in the Beijing Plain and Yanqing areas and its impact on pollution [J]. Environmental Science, 2021,42(10):4660-4668.

[22] 翁雪玲,于佳松,徐建文.大连机场典型低空风切变的成因分析[J]. 气象与环境科学, 2020,43(1):81-89.

Weng X L, Yu J S, Xu J W. Cause analysis of typical low-level wind shear in Dalian airport [J]. Meteorological and Environmental Sciences, 2020,43(1):81-89.

[23] Zhang Y, Guo J P, Yang Y J, et al. Vertical wind shear modulates particulate matter pollutions: a perspective from radar wind profiler observations in Beijing, China [J]. Remote Sensing of Environment, 2020,12:546.

[24] Lorenz E N. Empirical orthogonal functions and statistical weather prediction [J]. Statistical Forecasting Project Rep. 1, Dept. of Meteorology, Massachusetts Institute of Technology, Boston, Massachusetts, USA, 1956,49pp.

[25] Sun Z, Zhao X, Li Z, et al. Boundary layer structure characteristics under objective classification of persistent pollution weather types in the Beijing area [J]. Atmospheric Chemistry and Physics, 2021,21: 8863-8882.

[26] 李宗恺,潘云仙,孙润桥.空气污染气象学原理及应用[M]. 北京:气象出版社, 1985:52-60.

Li Z K, Pan Y X, Sun R Q. Principles and applications of air pollution meteorology (in Chinese) [M]. Beijing: Higher Education Press, 1985:52-60.

[27] 童志权.大气环境影响评价[M]. 北京:中国环境科学出版社, 1988: 47-59.

Tong Q Z. Environmental impact assessment on air (in Chinese) [M]. Beijing: China Environmental Science Press, 1988:47-59.

[28] 孙兆彬,廖晓农,王占山,等.北京地区空气重污染下雾凇和偏东风对PM2.5清除作用[J]. 环境科学, 2016,37(10):3679-3685.

Sun Z B, Liao X N, Wang Z S, et al. Scavenging effect of rime and east wind on PM2.5under air heavy pollution in Beijing [J]. Environmental Science, 2016,37(10):3679-3685.

[29] Miao Y, Li J, Miao S, et al. Interaction between planetary boundary layer and PM2.5pollution in megacities in China: a Review [J]. Current Pollution Reports, 2019,5:261-271.

[30] Zhong J, Zhang X, Wang Y, et al. Heavy aerosol pollution episodes in winter Beijing enhanced by radiative cooling effects of aerosols [J]. Atmospheric Research, 2018,209:59-64.

[31] 吴 进,李 琛,马志强,等.基于天气分型的上甸子大气本底站臭氧污染气象条件[J]. 环境科学, 2020,41(11):4864-4873.

Wu J, Li C, Ma Z Q, et al. Influence of meteorological conditions on ozone pollution at Shangdianzi station based on weather classification [J]. Environmental Science, 2020,41(11):4864-4873.

Effects of vertical wind shear on PM2.5concentration under two pollution weather types.

WU Jin1, LI Chen2, WANG Zhi-li3*, MA Zhi-qiang1, LI Zi-ming1, ZHU Xiao-wan1, HAN Ting-ting1, TANG Yi-xi1, MA Xiao-hui1

(1.Environmental Meteorology Forecast Center of Beijing-Tianjin-Hebei, Beijing 100089, China；2.Beijing Meteorological Service Center, Beijing 100089, China；3.State Key Laboratory of Severe Weather and Key Laboratory of Atmospheric Chemistry, Chinese Academy of Meteorological Sciences, Beijing 100081, China)., 2022,42(11)：5016～5022

Based on the ecological environment monitoring data and multi-source meteorological data from 2015 to 2020 in Beijing-Tianjin-Hebei region, this study analyzed the evolution characteristics of 0～3km VWS at different PM2.5levels in Beijing. The diurnal variation characteristics of wind speed gradually weakened with the increase of PM2.5concentration. When PM2.5level 6pollution occured, the diurnal variation of near-surface wind speed basically disappeared or even changed in reverse direction. The VWS below 10m/(s·km) corresponded to the increase of boundary layer wind speed in the daytime which increased to 12～14m/(s·km) after 20:00. This phenomenon became more significant with the increase of PM2.5, and the VWS near the stratum remains small (<6m/(s·km)) in the daytime could be one of the signs of serious pollution. Based on the rotated empirical orthogonal function (REOF) decomposition method, the VWS was divided into two types which called undisturbed type and compression type. The low pressure intensity of compression type was slightly better than undisturbed type; the PM2.5peak and daily value and inversion of undisturbed type were higher than compression type. In addition, the PM2.5growth of the undisturbed type and PBLH reverse change and the PM2.5growth of compressed type changed in the same direction as Planetary Boundary Layer Height (PBLH).

vertical wind shear(VWS)；PM2.5；REOF；boundary layer

X513

A

1000-6923(2022)11-5016-07

吴 进(1984-),女,福建莆田人,高级工程师,硕士,主要研究方向为区域大气污染.发表论文20篇.

2022-04-26

中国气象科学研究院科技发展基金资助项目(2021KJ010);北京市气象局科技专项(BMBKJ202001011)

* 责任作者, 研究员, wangzl@cma.gov.cn