英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

冬季季风变化及其对东亚气溶胶浓度的影响

Jaein I. Jeong，Rokjin J. Park

首尔国立大学地球与环境科学学院，韩国首尔

摘要：我们使用GEOS-Chem 3-D全球化学传输模型模拟和地面气溶胶浓度数据，调查东亚冬季气溶胶浓度与东亚冬季风季节变化（EAWM）之间的关系。 东亚北方（30-N，100-E）和东亚南方（20-N，100-E）观测和模拟的表面气溶胶浓度与EAWM的强度有很强的关系。 在强冬季风年份，与冬季季风偏弱年份相比，东亚北部和南部地区分别表现出较低和较高的地表PM2.5浓度高达25％。 对模拟结果的分析表明，气溶胶南向运输是控制东亚地区与EAWM相关的气溶胶浓度变化的关键过程。 发现EAWM的变率在气溶胶浓度的年际变化中起主要作用，因此，EAWM的变化对于了解未来冬季东亚空气质量变化具有重要意义。

关键词：气溶胶；冬季季风；东亚地区；化学传输模型

Winter monsoon variability and its impact on aerosol concentrations in East Asia

Jaein I. Jeong, Rokjin J. Park

School of Earth and Environmental Sciences, Seoul National University, Seoul, South Korea

Abstract: We investigate the relationship between winter aerosol concentrations over East Asia and variability in the East Asian winter monsoon (EAWM) using GEOS-Chem 3-D global chemical transport model simulations and ground-based aerosol concentration data. We find that both observed and modeled surface aerosol concentrations have strong relationships with the intensity of the EAWM over northern (30 e50N, 100e140E) and southern (20e30N, 100e140E) East Asia. In strong winter monsoon years, compared to weak winter monsoon years, lower and higher surface PM_2.5 concentrations by up to 25% are shown over northern and southern East Asia, respectively. Analysis of the simulated results indicates that the southward transport of aerosols is a key process controlling changes in aerosol concentrations over East Asia associated with the EAWM. Variability in the EAWM is found to play a major role in interannual variations in aerosol concentrations; consequently, changes in the EAWM will be important for understanding future changes in wintertime air quality over East Asia.

Key words: Aerosol; Winter monsoon; East Asia; Chemical transport model

1. 引言

经济增长不可避免地伴随着东亚化石燃料使用的增加（Kurokawa等，2013). Ohara等人（2007年）亚洲的总能源消耗量在1980年至2003年间翻了一番。因此，近几十年来，东亚地区的大气气溶胶浓度急剧增加（王和施，2010），因此严重的空气污染和能见度降低更为频繁。尤其在冬天，高气溶胶浓度的重污染天气频繁地发生（丁和刘，2014）。例如，在2013年1月，中国经历了严重的区域污染事件，每小时浓度达到1000 mg / m^-3（Wang等人，2014，Jiang等人，2015）。

严重的雾霾事件通常伴随着天气条件下的高浓度人为排放，这不利于通风（Xu等人，2011; Wang等，2015; Ye等人， 2016年张等人，2015）。由于寒冷天气导致煤炭和木材燃烧增加，因此局部和不受控制的人为排放也与冬季天气密切相关。因此，天气条件影响严重污染事件发生的频率和时间的长短，尽管空气污染物浓度的长期变化主要反映了人为排放的变化（杨等人，2015)。

包括大气稳定性、位势高度、海平面气压、温度、相对湿度和风速在内的东亚天气条件常常受到与季风有关的大规模气象变化的影响（韦伯斯特等人，1998; Wang等人，2008），北极波动（Gong等人，2001; Sun等，2012）和厄尔尼诺南方波动（ENSO）（Wang等人，2000）。因此已经进行了许多研究量化大尺度气象变化，特别是季风环流对东亚气溶胶浓度的影响，尽管大多数集中在夏季情况下（Zhang等人，2010;刘等人，2011;朱等人，2012）。一些研究已经研究了印度冬季风对印度洋气溶胶负载的影响（Nair等人，2003; Niranjan等人，2006; Kaskaoutis等人，2011年），但印度冬季季风的机制与东亚冬季风（EAWM）的机制差异很大。

之前的一项Li等人 （2016）研究揭示了EAWM的长期变化及其对中国东部和中部冬季观测到的雾霾和雾的影响。他们发现观测到的冬季雾霾和雾与EAWM的强度呈负相关。以前的关系模型研究EAWM和冬季气溶胶浓度之间在冬季季风弱季节期间确定了中国北部高、低部低浓度气溶胶浓度的异常模式（Cheng等，2016）。然而，在这项研究中只有10年的时间（1995年至2004年），对于评估EAWM对气溶胶浓度变化的影响来说太短了。

在这项研究中，我们使用GEOS-Chem 3-D全球化学传输模型研究了与EAWM相关的冬季气溶胶浓度的长期变化（1980-2013）。东亚的人为排放量按2006年的水平计算充分模拟期间关注季风变化的影响，对冬季气溶胶浓度的能力。因此我们可以获得更好的有关这些关系的量化信息EAWM和气溶胶浓度。结合EAWM预报，这一定量分析将能更好地预测东亚地区冬季气溶胶浓度的年际变化。

1. 方法和数据

2.1模型说明

我们使用GEOS-Chem模型（v9-01-02）对东亚地区的气溶胶进行长期模拟（Bey等人，2001; Park等人，2006）。该模型使用来自现代的涉及以往研究和应用数据（MERRA）的的同化气象资料。MERRA数据的原始水平分辨率为，我们只能采用网格点来计算。MERRA数据集的表面变量的时间分辨率为1h，大气变量的时间分辨率为3h。

GEOS-Chem模型包括原始黑碳（BC）、有机碳（OC）、二次有机气溶胶和气溶胶热力学（Park等人，2003,2004; 希尔德等人，2005）。该模型还包括土壤粉尘和海盐气溶胶，但只有人为气溶胶被考虑在这个模型中，因为这些天然气溶胶对总冬季气溶胶浓度没有显着贡献。应用热力学平衡模型（ISORROPIA II）计算气体/颗粒分区，和气溶胶（Fountoukis和Nenes，2007）。OC和BC的模型模拟遵循以前的研究Park等人 （2003年）。分别描述了干沉降和湿沉降（Zhang等人（2001年），刘等人。（2001年））。我们使用2006年基准年东亚人为排放量（张等人，2009）消除影响人为排放量的变化和孤立的影响东亚地区气溶胶浓度变化的EAWM变率。

2.2东亚季风指数

EAWM是北半球冬季主要的天气和气候系统（北半球）（韦伯斯特 等人，1998; Jhun和Lee，2004; Gong等，2014）。它的特点是在对流层低层有一个温暖的阿留申低和西伯利亚高压以及北风（Chen等人，2000; Wang等，2009a; Gong等，2014）。一个简单而有代表性的指数在EAWM研究中有助于解释EAWM的机制和变异性（王和陈，2014b）。之前的一项研究王和陈（2010）根据用于定义冬季风强度的大气变量（如上层纬向风切变，低级风，海平面气压（SLP）梯度和东亚低谷将EAWM分为四类。然而，大多数EAWM指数都集中在东亚的亚热带和热带地区（）Pak等人，2014年）。相比之下，本研究中使用的基于east-west SLP梯度的指数主要集中在东亚的中纬度地区（）（王和陈，2010; Pak等人，2014年），近年来经济快速增长导致人为排放显着增加。

在这项研究中，由EAWM提出的指数王和陈 (2014b) 被用来反映季风变化的气象变量，如地表气温，降水和环流（ 王和陈，2014a，b）。EAWM指数的定义如下：

其中、和分别表示西伯利亚、北太平洋和海洋大陆的平均面积归一化SLP值。 使用归一化SLP是因为海事大陆的SLP变化小于中纬度（王和陈，2014b）。通常情况下，当EAWM异常时，由于西伯利亚高压的放大，亚洲大陆中纬度地区出现了高于正常的SLP。相比之在北太平洋周围地区观察到低于正常的SLP（Zhang等人，1997; 高谷和Nakamura，2005; 王和陈，2014b）。西伯利亚高压与阿留申低压之间的SLP差异增强了西太平洋压力梯度，这是与EAWM变化相关的一个重要特征（王和陈，2010年，2014b）。有关EAWM指数的更多详细信息由王和陈（2014b）提供。

1. 模型评估

我们首先使用东亚酸沉降监测网络的气溶胶质量浓度的表面观测来评估模拟气溶胶浓度（EANET，HTTP：//www.eanet。亚洲），中国大气观察网络（CAWNET，HTTP：// www.cma.gov.cn），中国环保部（环境保护部，http://datacenter.mep.gov.cn）和韩国的韩国部环境（MOE，http://www.airkorea.or.kr）。因为2006年的网格化人为排放量来模拟东亚地区的冬季气溶胶，我们将评估重点放在2006年冬季的模拟表面气溶胶浓度上。

来自EANET网站的数据被用来评估模拟结果用于浓度。避免直接影响当地污染，EANET网站大多位于偏远和农村地区。在本研究中，共有47个EANET站点使用了17个数据。尽管在中国建立了九个地点，，和气溶胶的观测结果不可用。2006年冬季。对于中国而言，观测到的碳质气溶胶浓度（包括BC和OC）和CAWNET站点的PM2.5浓度可用于评估模型。CAWNET网络于2006年启动，用于测量中国的环境气溶胶浓度（郭等人，2009）。为了验证模型，我们使用观测到的15个CAWNET站点的每日气溶胶浓度。

我们使用来自中国环境保护部的空气污染指数（API）数据的质量浓度的表面观测结果（锣等人，2007），韩国的MOE和日本的EANET。使用来自中国86个地点的每日API数据（半定量测量数据）。、和<!--

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22482]，资料为PDF文档或Word文档，PDF文档可免费转换为Word