王繼康 江 琪 尤 媛 饒曉琴 盛 黎 桂海林 花 叢 張碧輝

國(guó)家氣象中心， 北京 100081

提 要： 基于生物質(zhì)燃燒排放源清單、地面觀測(cè)和數(shù)值模式對(duì)東南亞中南半島生物質(zhì)燃燒氣溶膠的排放特征，以及其在2020年春季對(duì)我國(guó)云南地區(qū)霾天氣和南方前汛期降水過程的影響進(jìn)行了分析。結(jié)果表明：中南半島生物質(zhì)燃燒氣溶膠排放主要集中于每年3—4月，排放峰值時(shí)段集中于3月下旬至4月上旬，主要排放區(qū)域?yàn)榫挼闁|部和老撾北部。中南半島生物質(zhì)燃燒氣溶膠在地面主要影響我國(guó)云南南部城市的霾天氣，緬甸的生物質(zhì)燃燒氣溶膠是最主要的貢獻(xiàn)源。中南半島生物質(zhì)燃燒氣溶膠在低空西南急流作用下，可以在800～600 hPa高度傳輸至我國(guó)華南和江南南部大部分區(qū)域上空。傳輸至我國(guó)南方上空的生物質(zhì)燃燒氣溶膠通過抑制對(duì)流性降水、增強(qiáng)非對(duì)流性降水，可以改變南方前汛期降水過程的空間分布，使降水更集中于切變線附近。

引 言

以農(nóng)田廢棄物焚燒、森林大火為主的生物質(zhì)燃燒對(duì)于一個(gè)區(qū)域甚至全球來說都是重要的溫室氣體、痕量氣體和大氣顆粒物排放源(Ito et al,2007;Wiedinmyer et al,2010)。據(jù)估計(jì)，生物質(zhì)燃燒排放的一氧化碳將近占全球一氧化碳排放總量的一半(Bergamaschi et al,2000)，黑碳排放超過全球黑碳排放總量的三分之一(Bond et al,2013)。Wiedinmyer et al(2010)研究表明東南亞和中美洲是春季全球主要的生物質(zhì)燃燒排放地區(qū)。

東南亞地區(qū)生物質(zhì)燃燒排放的污染物可以通過亞洲季風(fēng)的作用影響東亞及周邊地區(qū)(Huang et al,2013;張玉洽等，2016;Fang et al,2020)，影響范圍可以達(dá)到下風(fēng)向的西太平洋地區(qū)(Liu et al,2003;Xue et al,2020)。Huang et al(2013)利用數(shù)值模式、地面觀測(cè)和衛(wèi)星數(shù)據(jù)研究表明東南亞地區(qū)的生物質(zhì)燃燒對(duì)中國(guó)南部、南海和臺(tái)灣海峽地區(qū)的春季光學(xué)厚度貢獻(xiàn)可達(dá)26%～62%。張玉洽等(2016)利用數(shù)值模式模擬表明東南亞地區(qū)的生物質(zhì)燃燒對(duì)我國(guó)云南地區(qū)3月的PM2.5質(zhì)量濃度貢獻(xiàn)達(dá)20 μg·m-3，其對(duì)我國(guó)西南地區(qū)春季的空氣質(zhì)量影響不可忽視。Xue et al(2020)研究表明東南亞地區(qū)的生物質(zhì)燃燒可導(dǎo)致夏威夷等地的臭氧濃度上升約10%。以上研究多集中于東南亞地區(qū)生物質(zhì)燃燒對(duì)污染物的量化研究，而針對(duì)東南亞地區(qū)生物質(zhì)燃燒排放氣溶膠對(duì)我國(guó)南方地區(qū)霾天氣影響方式的研究較少。

生物質(zhì)燃燒排放大量的黑碳等吸光性氣溶膠，對(duì)輻射強(qiáng)迫、氣候變化產(chǎn)生較大的影響(閆才青等,2014; Bond et al,2013)。很多關(guān)于非洲、亞馬孫地區(qū)影響研究表明，生物質(zhì)燃燒氣溶膠可以對(duì)當(dāng)?shù)亟邓A(yù)報(bào)產(chǎn)生較大的影響(Wilcox,2012;Kolusu et al,2015)。但是關(guān)于東南亞地區(qū)生物質(zhì)燃燒氣溶膠對(duì)降水影響的研究較少，Lee et al(2014)研究認(rèn)為東南亞生物質(zhì)燃燒產(chǎn)生氣溶膠的直接輻射強(qiáng)迫可以減少東亞地區(qū)前汛期40%的降水量。另外，Huang et al(2016)分析了我國(guó)長(zhǎng)三角區(qū)域生物質(zhì)燃燒氣溶膠的輻射效應(yīng)對(duì)降水過程的影響，認(rèn)為生物質(zhì)燃燒氣溶膠可以抑制白天對(duì)流降水，增強(qiáng)下風(fēng)向區(qū)域夜間降水。石榮光等(2015)分析指出氣溶膠對(duì)降水影響存在時(shí)間不一致性。前汛期的降水預(yù)報(bào)是我國(guó)南方降水預(yù)報(bào)的重要部分(陳濤等,2020;胡寧等,2020)。因此，需要針對(duì)東南亞地區(qū)生物質(zhì)燃燒對(duì)我國(guó)南方前汛期降水過程的影響做更進(jìn)一步的分析。

本文基于2020年春季東南亞生物質(zhì)燃燒過程，通過數(shù)值模擬和天氣特征分析等方法，對(duì)東南亞地區(qū)生物質(zhì)燃燒排放氣溶膠對(duì)我國(guó)西南地區(qū)霾天氣過程的影響進(jìn)行分析，為我國(guó)春季西南地區(qū)霾天氣預(yù)報(bào)提供參考。同時(shí)，本文利用數(shù)值模式分析生物質(zhì)燃燒排放氣溶膠的輻射反饋?zhàn)饔脤?duì)我國(guó)華南地區(qū)前汛期降水過程的影響，為受高濃度生物質(zhì)燃燒排放氣溶膠影響下的華南前汛期降水預(yù)報(bào)提供參考。

1 數(shù)據(jù)和方法

本文PM2.5觀測(cè)數(shù)據(jù)的國(guó)內(nèi)部分來自中國(guó)環(huán)境監(jiān)測(cè)總站，東南亞部分來自當(dāng)?shù)丨h(huán)境監(jiān)測(cè)公布數(shù)據(jù)。降雨、風(fēng)等地面氣象觀測(cè)數(shù)據(jù)來自中國(guó)氣象局。

本文火點(diǎn)監(jiān)測(cè)和生物質(zhì)燃燒排放數(shù)據(jù)使用的是NCAR發(fā)布的火點(diǎn)源排放清單(Fire INentory from NCAR，F(xiàn)INN)。FINN基于衛(wèi)星觀測(cè)的火點(diǎn)數(shù)據(jù)、地表覆蓋數(shù)據(jù)和相應(yīng)的排放系數(shù)制作而成，是生物質(zhì)開放燃燒排放研究的重要參考(Wiedinmyer et al,2010)，并應(yīng)用于多種空氣質(zhì)量模式(張玉洽等,2016;Xue et al,2020;Jiang et al,2012;Hu et al,2016)。

本文采用擴(kuò)展的綜合空氣質(zhì)量模式(Comprehensive Air Quality Model with Extensions v6.2，CAMx)對(duì)研究時(shí)段的PM2.5來源進(jìn)行分析。CAMx是由美國(guó)開發(fā)的空氣質(zhì)量模式(ENVIRON,2015)，該模式被廣泛地應(yīng)用于空氣質(zhì)量模擬分析(王繼康等,2017;Itahashi et al,2018;Bo et al,2019)。CAMx模式提供了污染物來源示蹤技術(shù)，可以定量描述顆粒物等污染物來源。本文模擬選用CB05氣相化學(xué)機(jī)制(Carbon Bond, Chemical Mechanism, 2005)。

本文采用WRF-Chem v3.9.1.1模式對(duì)研究時(shí)段的生物質(zhì)燃燒排放氣溶膠的輻射效應(yīng)進(jìn)行模擬。WRF-Chem模式為NCAR開發(fā)的天氣和化學(xué)耦合的模式(Grell et al,2005)。該模式可以模擬氣溶膠和氣態(tài)排放物的大氣物理和化學(xué)過程，同時(shí)可以模擬氣溶膠對(duì)輻射和云的反饋?zhàn)饔茫粡V泛應(yīng)用于氣溶膠反饋?zhàn)饔媚M研究(Huang et al,2016;楊桃進(jìn)等,2017;劉琳等,2018)。本文模式的初邊界條件使用的是分辨率為1°×1°的NCEP全球再分析資料FNL，再分析資料每6 h輸入一次。模式部分物理過程參數(shù)化方案選取Goddard短波輻射方案、RRTM長(zhǎng)波輻射方案、YSU邊界層參數(shù)化方案、Lin et al(1983)云微物理方案，以及新Grell積云對(duì)流方案。氣相化學(xué)機(jī)制選用CBMZ機(jī)制，氣溶膠過程選用MOSAIC 4檔氣溶膠模型。一些研究表明，在高污染情況下，尤其是生物質(zhì)燃燒氣溶膠存在的情況下，氣溶膠-輻射相互作用遠(yuǎn)大于氣溶膠-云相互作用(Huang et al,2016;Fan et al,2015)，本模擬過程只考慮氣溶膠-輻射相互作用。本文中的對(duì)流降水量為模式中積云參數(shù)化方案產(chǎn)生的次網(wǎng)格尺度降水量，非對(duì)流降水量為模式中云微物理方案產(chǎn)生的網(wǎng)格尺度的降水量。

本文模擬范圍包含東南亞地區(qū)和中國(guó)南方地區(qū)(圖1)，模式分辨率為9 km。WRF-Chem模式無反饋條件下模擬的氣象場(chǎng)為CAMx模式提供氣象驅(qū)動(dòng)。采用的人為排放源清單中國(guó)部分為清華大學(xué)MEIC 2016年污染源清單(http:∥www.meicmodel.org)，東南亞地區(qū)人為排放源清單為清華大學(xué)MIX清單(Li et al,2017)；生物質(zhì)開放燃燒排放清單為FINN清單(Wiedinmyer et al,2010)。

圖1 模擬區(qū)域和空氣質(zhì)量站點(diǎn)分布Fig.1 Model domain and the locations of air quality monitoring stations

2 結(jié)果與討論

2.1 東南亞中南半島生物質(zhì)排放時(shí)空分布特征

由于對(duì)我國(guó)西南地區(qū)春季霾天氣影響比較大的東南亞地區(qū)的生物質(zhì)燃燒主要集中于中南半島國(guó)家(張玉洽等,2016;Liang et al,2019)，本文主要針對(duì)中南半島國(guó)家生物質(zhì)燃燒特征進(jìn)行分析。圖2為東南亞中南半島2020年3—4月火點(diǎn)累積分布。從火點(diǎn)分布來看，中南半島火點(diǎn)主要分布在緬甸西部和東部、老撾北部、泰國(guó)西北部，此外印度東北部地區(qū)也存在大量的火點(diǎn)分布。距離我國(guó)較近的火點(diǎn)分布區(qū)域主要集中在緬甸東部和老撾北部，這部分區(qū)域的黑碳排放速率也大于其他地區(qū)，其中老撾北部部分火點(diǎn)的黑碳排放量超過4 000 kg·d-1?；瘘c(diǎn)分布和黑碳排放分布與張玉洽等(2016)對(duì)2013年的分析基本一致。

圖2 2020年3—4月東南亞地區(qū)火點(diǎn)(紅點(diǎn))及黑碳排放量(填色)分布Fig.2 Fire points (red dots) and black carbon emissions (colored) from March to April 2020

圖3為2016—2020年?yáng)|南亞中南半島國(guó)家生物質(zhì)開放燃燒黑碳排放量的變化。整體來看，每年1—2月東南亞地區(qū)存在少量的生物質(zhì)開放燃燒；自3月上中旬開始出現(xiàn)大范圍的生物質(zhì)開放燃燒，黑碳排放量增長(zhǎng)至2月的5倍以上；3月末至4月上旬生物質(zhì)開放燃燒黑碳排放量達(dá)到峰值；4月下旬至5月上旬生物質(zhì)開放燃燒基本結(jié)束，黑碳排放量降至2月水平，5月之后生物質(zhì)開放燃燒排放量趨于零值。從2016—2020年的排放量變化來看，生物質(zhì)燃燒黑碳排放量和峰值都呈逐年增加趨勢(shì)。從峰值發(fā)生的時(shí)間來看，2016—2018年，生物質(zhì)開放燃燒的峰值發(fā)生在4月上旬，2019年和2020年生物質(zhì)開放燃燒排放的峰值發(fā)生在3月中下旬，生物質(zhì)開放燃燒活動(dòng)呈現(xiàn)提前的趨勢(shì)。

圖3 2016—2020年?yáng)|南亞中南半島國(guó)家上半年生物質(zhì)燃燒排放黑碳總量變化Fig.3 Black carbon emission trends from biomass burning in Indochina Peninsula in first half of the year from 2016 to 2020

受生物質(zhì)開放燃燒的影響，中南半島國(guó)家部分城市在3—4月空氣質(zhì)量明顯變差。圖4為中南半島北部部分城市2020年3—4月的PM2.5質(zhì)量濃度日均變化。泰國(guó)清萊自3月上旬開始PM2.5質(zhì)量濃度開始逐步上升，至3月15日日均PM2.5質(zhì)量濃度超過300 μg·m-3。老撾北部城市日均PM2.5質(zhì)量濃度也在3月15日達(dá)到峰值，超過450 μg·m-3。緬甸北部站點(diǎn)PM2.5質(zhì)量濃度也在3月上旬出現(xiàn)明顯升高，但是由于站點(diǎn)距離火點(diǎn)區(qū)域較遠(yuǎn)，濃度低于泰國(guó)和老撾監(jiān)測(cè)站點(diǎn)濃度。

圖4 2020年3—4月泰國(guó)清萊、緬甸北部、老撾北部日均PM2.5質(zhì)量濃度的變化Fig.4 Daily mean PM2.5 mass concentrations of Chiang Rai (Thailand), a city in North Burma and a city in North Laos from March to April 2020

我國(guó)云南省大部分城市PM2.5質(zhì)量濃度在3月中下旬至4月上旬都出現(xiàn)了不同程度升高的現(xiàn)象(圖5)。云南南部城市污染程度明顯高于西部和北部的城市。西雙版納和紅河州出現(xiàn)了持續(xù)的中度以上污染，其他城市PM2.5質(zhì)量濃度也出現(xiàn)了升高，空氣質(zhì)量以良為主。西雙版納和紅河州PM2.5質(zhì)量濃度隨著泰國(guó)和老撾北部城市濃度的升高而升高，但是兩地PM2.5質(zhì)量濃度的峰值出現(xiàn)在3月末至4月初，晚于泰國(guó)和老撾北部城市站點(diǎn)，同時(shí)污染物峰值濃度明顯低于泰國(guó)和老撾站點(diǎn)。

圖5 2020年3—4月中國(guó)云南省部分城市日均PM2.5質(zhì)量濃度變化Fig.5 Daily mean PM2.5 mass concentrations of some cities in Yunnan Province， China from March to April 2020

2.2 對(duì)我國(guó)西南地區(qū)霾天氣影響特征

由于東南亞地區(qū)生物質(zhì)燃燒氣溶膠主要影響我國(guó)云南地區(qū)(張玉洽等,2016)，本文選取受影響較大的西雙版納、紅河州蒙自和位置較偏北的昆明，對(duì)東南亞生物質(zhì)燃燒氣溶膠的影響進(jìn)行分析。本文利用地面觀測(cè)和數(shù)值模式(CAMx)模擬結(jié)合的方式進(jìn)行分析。表1的統(tǒng)計(jì)結(jié)果表明，CAMx模式可以較好地模擬3月下旬至4月上旬我國(guó)云南省三個(gè)城市和東南亞中南半島部分城市的PM2.5質(zhì)量濃度變化。

表1 不同城市PM2.5質(zhì)量濃度模擬值、觀測(cè)值及相關(guān)統(tǒng)計(jì)參數(shù)Table 1 Statistical parameters of modeled and observed PM2.5 mass concentiations in different cities

圖6為3月29日至4月3日云南三個(gè)城市的PM2.5質(zhì)量濃度、能見度和風(fēng)場(chǎng)變化。西雙版納PM2.5質(zhì)量濃度較高，能見度較低，峰值超過250 μg·m-3。西雙版納地面風(fēng)速較小，但是PM2.5濃度對(duì)風(fēng)向變化較為敏感，當(dāng)風(fēng)向轉(zhuǎn)為南風(fēng)或者北風(fēng)，且風(fēng)速增加時(shí)，PM2.5質(zhì)量濃度明顯下降；當(dāng)風(fēng)速維持較小的水平，PM2.5質(zhì)量濃度維持；當(dāng)風(fēng)向轉(zhuǎn)為偏西風(fēng)時(shí)，PM2.5質(zhì)量濃度快速升高。紅河州PM2.5質(zhì)量濃度和能見度的波動(dòng)較大，對(duì)地面風(fēng)向的變化較為敏感，其地面風(fēng)以偏南風(fēng)為主，偏南風(fēng)時(shí)PM2.5質(zhì)量濃度呈現(xiàn)維持的狀態(tài)；當(dāng)偏南風(fēng)轉(zhuǎn)為東南風(fēng)時(shí)，PM2.5質(zhì)量濃度呈現(xiàn)快速增加趨勢(shì)；當(dāng)風(fēng)向轉(zhuǎn)為偏東風(fēng)時(shí)，PM2.5質(zhì)量濃度迅速下降。昆明PM2.5質(zhì)量濃度較低，能見度較高，未發(fā)生明顯的霾天氣過程；但是在4月1—2日PM2.5質(zhì)量濃度出現(xiàn)了明顯的升高，與風(fēng)向的關(guān)系不大。三地PM2.5質(zhì)量濃度的變化趨勢(shì)沒有呈現(xiàn)較好的一致性，與地面風(fēng)場(chǎng)的關(guān)系也呈現(xiàn)較大的差異，表明東南亞地區(qū)生物質(zhì)燃燒排放產(chǎn)生的PM2.5對(duì)三地的影響路徑存在較大差異。

圖6 2020年3月29日至4月3日西雙版納(a)，紅河州(b)，昆明(c)PM2.5質(zhì)量濃度、能見度和風(fēng)場(chǎng)的變化Fig.6 Temporal variations of PM2.5 mass concentration, visibility and 10 m wind in Xishuangbanna (a), Honghezhou (b) and Kunming (c) from 29 March to 3 April 2020

基于CAMx模式模擬的云南三個(gè)城市上空PM2.5來源(圖7)也存在差異。西雙版納PM2.5主要來自于緬甸(50%～60%)和本地排放(30%～40%)，在特定氣象條件下老撾(10%左右)、泰國(guó)(3%左右)和印度(10%左右)對(duì)西雙版納也有一定的貢獻(xiàn)。紅河州PM2.5來源主要有緬甸(20%～30%)、老撾(30%～50%)、越南(20%左右)和本地排放(10%左右)，此外泰國(guó)在特定條件下對(duì)紅河州有不到10%的貢獻(xiàn)。昆明PM2.5來源主要有緬甸(30%～40%)和本地排放(50%～60%)，印度在一定條件下對(duì)昆明有10%左右的貢獻(xiàn)。

圖7 2020年3月29日至4月3日西雙版納(a)，紅河州(b)，昆明(c)PM2.5來源變化Fig.7 Source apportionment of PM2.5 in Xishuangbanna (a), Honghezhou (b), and Kunming (c) from 29 March to 3 April 2020

在三地的PM2.5來源中緬甸都占有較大比例，因此緬甸的生物質(zhì)燃燒的排放是三地霾天氣預(yù)報(bào)的關(guān)注重點(diǎn)。由于三地地理位置的不同，中南半島其他國(guó)家的貢獻(xiàn)隨氣象條件的變化存在差異。西雙版納污染物主要受緬甸排放影響。緬甸地區(qū)產(chǎn)生的污染物在偏西風(fēng)作用下，經(jīng)西雙版納西南部山谷，傳輸至景洪的觀測(cè)站點(diǎn)。紅河州鄰近越南和老撾，在偏東南風(fēng)作用下污染物沿紅河河谷傳輸至蒙自觀測(cè)站點(diǎn)。昆明雖然地面的風(fēng)向變化不大，但是上空的風(fēng)向和污染物濃度存在明顯的變化(圖8)，昆明上空風(fēng)轉(zhuǎn)為偏西南風(fēng)的情況下，緬甸和印度的污染物傳輸至昆明上空，進(jìn)而影響昆明地面的PM2.5質(zhì)量濃度。

圖8 2020年3月31日至4月3日昆明上空PM2.5質(zhì)量濃度和風(fēng)場(chǎng)垂直分布變化Fig.8 Vertical profile of PM2.5 mass concentrations and wind over Kunming from 31 March to 3 April 2020

選取三地均受到明顯影響的4月1日18時(shí)地面和700 hPa高度上的風(fēng)場(chǎng)和生物質(zhì)燃燒排放產(chǎn)生的PM2.5質(zhì)量濃度分布(圖9)，分析東南亞地區(qū)生物質(zhì)燃燒氣溶膠的傳輸形式。緬甸、老撾、泰國(guó)北部地面受偏南風(fēng)影響，PM2.5累積在我國(guó)云南與緬甸、老撾交界的地區(qū)。由于云南中北部地區(qū)相對(duì)于南部邊境區(qū)域海拔較高，北部地面PM2.5質(zhì)量濃度受東南亞生物質(zhì)燃燒排放影響不大，低于50 μg·m-3。在700 hPa高度上中南半島北部區(qū)域受西南風(fēng)控制，存在低空西南急流，生物質(zhì)排放產(chǎn)生的PM2.5影響范圍大于地面的范圍，影響范圍覆蓋了我國(guó)華南、江南大部區(qū)域。云南大部上空PM2.5質(zhì)量濃度超過50 μg·m-3，我國(guó)華南地區(qū)上空PM2.5質(zhì)量濃度達(dá)到200 μg·m-3，影響明顯強(qiáng)于地面。圖10為沿25°N華南地區(qū)上空PM2.5質(zhì)量濃度的垂直剖面分布。華南地區(qū)上空PM2.5質(zhì)量濃度主要分布在800～600 hPa高度，結(jié)果與Shan et al(2016)利用CALIOP衛(wèi)星觀測(cè)結(jié)果和Yang et al (2018)利用飛機(jī)航測(cè)結(jié)果分析認(rèn)為中南半島生物質(zhì)燃燒主要輸送高度在2～5 km相符合。Liang et al(2019)指出東南亞生物質(zhì)燃燒排放的黑碳在西南風(fēng)作用下對(duì)香格里拉的影響有限，但是可以傳輸至我國(guó)華南區(qū)域。張玉洽等(2016)分析認(rèn)為，東南亞生物質(zhì)排放的污染物對(duì)廣州的PM2.5貢獻(xiàn)日均值低于2 μg·m-3。本文分析可以發(fā)現(xiàn)東南亞地區(qū)生物質(zhì)燃燒排放氣溶膠對(duì)于我國(guó)華南地區(qū)PM2.5貢獻(xiàn)較小，但是對(duì)華南地區(qū)上空PM2.5濃度有較大影響?？梢暂^好解釋Liang et al(2019)和張玉洽等(2016)的研究結(jié)果。

圖9 2020年4月1日18時(shí)地面(a)和700 hPa(b)風(fēng)場(chǎng)和生物質(zhì)燃燒排放的PM2.5質(zhì)量濃度分布Fig.9 Distribution of PM2.5 mass concentrations and wind filed at the surface (a) and 700 hPa (b) at 18:00 BT 1 April 2020

圖10 2020年4月1日18時(shí)沿25°N剖面的PM2.5質(zhì)量濃度垂直分布Fig.10 Longitude-height crossing 25°N of PM2.5 mass concentrations at 18:00 BT 1 April 2020

2.3 對(duì)我國(guó)南方地區(qū)前汛期降水影響

由于東南亞地區(qū)生物質(zhì)燃燒氣溶膠可以傳輸至我國(guó)華南區(qū)域上空，因此本文利用WRF-Chem模式分析了東南亞地區(qū)生物質(zhì)燃燒氣溶膠對(duì)華南地區(qū)前汛期一次降水過程的影響。本文選取2020年4月2—3日的降水過程進(jìn)行模擬分析。本次降水系統(tǒng)主要位于副熱帶高壓北側(cè)，850 hPa高度低空切變線位于江南南部至華南北部一帶，切變線南側(cè)西南急流為江南華南地區(qū)提供了較好的水汽條件。受此影響，本次過程中江南南部、華南部分地區(qū)出現(xiàn)大到暴雨，湖南和江西南部、廣東北部等地出現(xiàn)大暴雨(圖11a)(關(guān)良等,2020)。

圖11 2020年4月2—3日累計(jì)降水量實(shí)況(a)，無反饋模擬(b)、有反饋模擬(c)分布，以及有反饋與無反饋模擬的對(duì)流降水(d)和非對(duì)流降水(e)累計(jì)差值分布Fig.11 Observed precipitation (a) and modeled precipitations excluding (b) and considering (c) radiative effects of aerosols, differences of modeled convective (d) and non-convective (e) precipitations between excluding and considering radiative effects of aerosols from 2 to 3 April 2020

模式模擬的降水分布(圖11b和11c)與實(shí)況基本一致，但是無反饋模擬和有反饋模擬存在一定的差異。兩種情況下模式模擬的大到暴雨區(qū)域主要為江南南部和華南北部區(qū)域，與實(shí)況較為一致，但是對(duì)100 mm以上降水區(qū)域模擬較實(shí)況均存在漏報(bào)。兩種情況下模擬的差異主要體現(xiàn)在對(duì)大到暴雨區(qū)域預(yù)報(bào)的位置上。無反饋模擬的大到暴雨區(qū)域(圖11b)更偏西，貴州南部、廣西北部降水超過了50 mm，湖南和江西南部、廣東北部區(qū)域降水存在小于50 mm的區(qū)域，與實(shí)況中100 mm強(qiáng)降水區(qū)域存在較大的差異。有反饋模擬(圖11c)的大到暴雨區(qū)域與實(shí)況更接近，貴州南部、湖南東南部、廣西北部降水強(qiáng)度較無反饋明顯減少，湖南和江西南部、廣東北部區(qū)域降水強(qiáng)度明顯增強(qiáng)。但是有反饋模擬對(duì)福建、臺(tái)灣等地的降水存在高估。

對(duì)比模式模擬對(duì)流降水和非對(duì)流降水分布的差異(圖11d和11e)可以看出，有反饋模擬可以減弱降水區(qū)域的對(duì)流降水，增強(qiáng)切變線南側(cè)的非對(duì)流降水。有反饋條件下，在貴州、廣西、廣東北部等地的對(duì)流性降水明顯弱于無反饋模擬，同時(shí)中南半島主要生物質(zhì)燃燒發(fā)生區(qū)域?qū)α餍越邓泊嬖诿黠@的減弱；在切變線附近及南側(cè)的強(qiáng)降水區(qū)域，有反饋模擬的非對(duì)流性降水明顯強(qiáng)于無反饋模擬。有反饋條件下對(duì)于貴州、廣西等地對(duì)流降水的抑制，以及對(duì)湖南和江西南部、廣東北部非對(duì)流降水的增強(qiáng)，使有反饋模擬降水分布與實(shí)況更接近。

為進(jìn)一步分析有反饋模擬對(duì)對(duì)流降水的抑制和非對(duì)流降水的增強(qiáng)作用，選取4月2日18時(shí)降水較強(qiáng)時(shí)段，對(duì)有反饋模擬和無反饋模擬的大氣環(huán)境場(chǎng)的差異進(jìn)行分析。圖12a為沿25°N主要降雨帶(107°～117°E)垂直剖面上有反饋和無反饋模擬的溫度差異垂直分布。有反饋模擬相對(duì)于無反饋模擬的800 hPa高度以上的高空溫度明顯升高，近地面及低空的溫度明顯降低。生物質(zhì)燃燒氣溶膠對(duì)于近地面及低空溫度冷卻作用及對(duì)于高空的增溫作用，會(huì)導(dǎo)致大氣層結(jié)更穩(wěn)定，從而抑制對(duì)流活動(dòng)的產(chǎn)生(Huang et al,2016;Lee et al,2014)。本文模擬生物質(zhì)燃燒氣溶膠對(duì)于對(duì)流降水的影響與其他關(guān)于棕色云對(duì)降水影響機(jī)制一致(Chung and Ramanathan,2006)。圖12b為850 hPa高度水汽含量差值分布。有反饋模擬相對(duì)于無反饋模擬在切變線南側(cè)高空急流位置的水汽濃度明顯增高，表明生物質(zhì)燃燒氣溶膠的反饋?zhàn)饔每梢援a(chǎn)生更強(qiáng)的水汽輸送，導(dǎo)致切變線附近及南側(cè)非對(duì)流性降水明顯增強(qiáng)。水汽輸送增強(qiáng)可能是因?yàn)楸镜貙?duì)流性降水的減弱，使得更多的水汽可以被輸送到下風(fēng)向區(qū)域(Huang et al,2016;Lee et al,2014)。對(duì)流性降水減弱和非對(duì)流性降水增強(qiáng)的共同作用，導(dǎo)致有反饋模擬的本次降水量沒有顯著少于無反饋的模擬。本次過程模擬結(jié)果與Lee et al(2014)對(duì)整個(gè)前汛期降水模擬降低40%的結(jié)果不同。因此，生物質(zhì)燃燒氣溶膠會(huì)影響本次降水過程的強(qiáng)降水分布，使降水更集中于切變線附近，但是并不一定會(huì)減少過程降水累積量。

圖12 2020年4月2日18時(shí)有反饋和無反饋模擬的沿25°N剖面溫度差值(a)和850 hPa高度水汽含量差值(b)Fig.12 Longitude-height crossing 25°N of temperature changes (a) and water vapor changes (b) at 850 hPa induced by aerosol at 18:00 BT 2 April 2020

3 結(jié) 論

本文利用FINN清單分析了東南亞中南半島生物質(zhì)燃燒氣溶膠排放的時(shí)空特征，利用東南亞和我國(guó)部分地面站點(diǎn)觀測(cè)數(shù)據(jù)及數(shù)值模式分析了中南半島生物質(zhì)燃燒氣溶膠排放對(duì)我國(guó)西南地區(qū)霾天氣影響的特征，利用數(shù)值模式分析了中南半島生物質(zhì)燃燒氣溶膠對(duì)我國(guó)南方地區(qū)前汛期降水過程的影響特征。結(jié)果表明：

(1)東南亞中南半島生物質(zhì)燃燒氣溶膠排放主要發(fā)生在每年的3—4月，峰值主要出現(xiàn)在3月下旬至4月上旬，且峰值出現(xiàn)時(shí)間近幾年呈現(xiàn)提前的趨勢(shì)。距離我國(guó)較近的排放區(qū)域主要分布在緬甸東部和老撾北部。

(2)中南半島生物質(zhì)燃燒氣溶膠主要影響我國(guó)云南南部城市PM2.5濃度和霾天氣的發(fā)生。緬甸生物質(zhì)燃燒排放氣溶膠是最大的氣溶膠貢獻(xiàn)源。但是不同的城市受地理位置和氣象條件影響，在氣溶膠來源上存在差異。云南紅河州蒙自同時(shí)會(huì)受到老撾和越南北部生物質(zhì)燃燒的影響，昆明等中部城市同時(shí)受到印度東北部的生物質(zhì)燃燒的影響。

(3)中南半島生物質(zhì)燃燒氣溶膠在低空西南急流作用下，可以由800～600 hPa高度傳輸至我國(guó)華南、江南大部分地區(qū)的上空。

(4)中南半島生物質(zhì)燃燒氣溶膠輸送至華南上空使高空溫度升高，近地層溫度降低，增加大氣穩(wěn)定度，從而抑制對(duì)流性降水。低空西南急流將更多的水汽輸送至切變線南側(cè)，增強(qiáng)非對(duì)流性降水。對(duì)于本次華南前汛期降水過程，中南半島生物質(zhì)燃燒氣溶膠可以改變降水過程中的降水分布，使降水更集中于切變線附近。