泰国近地面湍流中呈现惯性行为的临界粒径阈值:对PM2.5及粗颗粒物空气质量建模的启示

《Atmospheric Research》:Critical particle-size threshold for inertial behaviour in Thai surface-layer turbulence: Implications for PM 2.5 and coarse-particle air-quality modelling

【字体: 大 中 小 】 时间:2026年08月07日 来源:Atmospheric Research 4.5

编辑推荐:

  •在泰国地表层,基于密度分辨的临界过渡直径为27–63微米。•在375个案例中,细颗粒物(Dp≤2.5微米)的动态行为处于被动状态。•最大斯托克斯数为6.4×10^-3,低于St=0.01的示踪剂阈值。•体积分数≤2×10^-10,表明颗粒与湍流之间存在单向耦合关系。•处于过渡范

  •在泰国地表层,基于密度分辨的临界过渡直径为27–63微米。•在375个案例中,细颗粒物(Dp≤2.5微米)的动态行为处于被动状态。•最大斯托克斯数为6.4×10^-3,低于St=0.01的示踪剂阈值。•体积分数≤2×10^-10,表明颗粒与湍流之间存在单向耦合关系。•处于过渡范围的粗颗粒在模型中可能需要考虑惯性效应。1. 引言区域空气质量模型通常将PM2.5视为由已解析或参数化的大气流动所携带的被动标量。这一假设对细颗粒物而言通常是合适的,但颗粒尺寸达到何种程度时,气溶胶的行为会从类似示踪剂的状态转变为具有惯性活性的状态,并非仅由基于健康标准的尺寸类别决定。它还取决于颗粒响应时间、重力沉降以及颗粒尺寸与载体流中最小湍流尺度之间的对比关系。因此,需要一个基于动力学的阈值,以确定在何种情况下仍可采用被动标量处理方法,而在何种情况下则必须采用显式的惯性或重力表示方法。Brandt和Coletti(2022)提出的无量纲颗粒-湍流框架为区分这两种情况提供了严谨的基础。在该框架中,颗粒行为由斯托克斯数、沉降速度参数、弗劳德数、颗粒与柯尔莫戈罗夫尺寸比、密度比以及颗粒体积分数等量所控制。这些量将颗粒的物理特性与湍流的耗散尺度联系起来,从而区分主要由斯托克斯数和斯维数控制的颗粒对湍流的响应,以及由体积分数等浓度依赖的耦合标准控制的颗粒对湍流的反馈作用(Elghobashi,1994)。尽管这一框架已在颗粒-湍流相互作用、云微物理学以及气溶胶过程研究领域得到广泛应用(Shaw,2003;Grabowski和Wang,2013;Toschi和Bodenschatz,2009;Brandt和Coletti,2022),但目前尚未被用于确定热带东南亚地区地表层中颗粒开始表现出惯性行为的区域性尺寸阈值。这一空白对于大气气溶胶建模而言非常重要,因为用于监测或暴露评估的颗粒尺寸类别并不一定对应于单一的动力学状态。PM2.5、PM10以及粗颗粒物类别是根据空气动力学或法规要求定义的,而颗粒的湍流响应则取决于响应时间、沉降速度、空气粘度、湍流强度以及近地面气象条件。细颗粒物在多种大气条件下可能仍保持类似示踪剂的行为,而较大的道路扬尘颗粒、农业废弃物、花粉碎片以及大型生物质燃烧产生的颗粒则可能进入一种受惯性和重力沉降影响而改变其传输路径、停留时间、沉积量以及源附近浓度梯度的状态。因此,一个基于物理原理的颗粒尺寸阈值可以为气溶胶状态理论与区域空气质量建模之间提供实用的桥梁。泰国为在季风气候下的热带地表层条件下确定此类阈值提供了良好的气象试验场。PM2.5和粗颗粒物的出现与多种不同的污染源及气象条件相关,包括曼谷都市区的城市排放和道路扬尘再悬浮、泰国北部的生物质燃烧导致的雾霾、周边地区的农业焚烧现象,以及易发雾霾的北部省份的谷地气象条件。高湿度、季风带来的水分输入、城市表面的粗糙度、季节性边界层变化以及复杂的北部地形都可能影响湿空气的特性以及地表层的湍流尺度。因此,进行区域性分析时必须考虑泰国不同地表环境下的气溶胶状态特征,而不能仅依赖某一特定的气象状况。本研究旨在为泰国地表层湍流中的惯性行为确定一个基于物理原理的临界颗粒尺寸阈值,并以PM2.5作为细颗粒物的验证案例。研究采用了ERA5再分析数据来估算特定地点及不同季节下的湍流尺度,同时利用该地的湿空气特性以及具有代表性的颗粒直径-密度范围来计算颗粒响应时间、斯托克斯数、沉降速度参数、体积分数以及临界过渡直径。分析涵盖了泰国的五个代表性地点:曼谷、清迈、清莱、湄宏顺,以及位于那空拉差西玛与沙拉武里交界处附近的中央平原农村背景站点,计算在三个参考高度上进行,并基于确定的PM2.5尺寸-密度矩阵展开。本研究的核心成果是得出了泰国地表层湍流中颗粒开始表现出惯性行为的区域性尺寸阈值。研究结果显示,在曼谷和清迈的中央颗粒密度条件下,平均临界过渡直径约为32–54微米,对应的密度范围平均值分别为27–38微米和46–63微米。在所有确定的案例中,PM2.5的尺寸远低于这一阈值,这说明未考虑颗粒惯性因素不太可能是导致泰国PM2.5模型误差的主要来源。然而,对于那些尺寸接近所确定临界范围的粗颗粒物,在进行区域大气传输及气溶胶过程建模时,则可能需要考虑显式的惯性效应和重力效应。所建立的这一框架有望被应用于其他季风热带地区,因为在这些地区,气溶胶来源、湿度、表面粗糙度以及边界层结构都与许多湍流参数化模型最初测试的中纬度地区存在差异。2. 理论框架2.1 湍流流中的颗粒状态分类本研究采用了Brandt和Coletti(2022)总结和梳理的、用于描述湍流中有限尺寸颗粒的经典无量纲状态分类框架,来判断泰国大气地表层中的PM2.5颗粒是表现为被动示踪剂、近似示踪剂,还是具有惯性活性的颗粒。其中核心的物理量为斯托克斯数,其表达式为(1)St=τp/τη,其中τp为颗粒的响应时间,τη为载体流的柯尔莫戈罗夫时间尺度。从物理意义上讲,斯托克斯数反映了颗粒调整自身速度以适应最小湍流运动的能力。那些斯托克斯数远小于0.01的颗粒能够迅速响应湍流波动,表现为被动示踪剂;而斯托克斯数在0.1–1量级的颗粒则可能表现出惯性效应,如优先采样、聚集以及更强的重力沉降现象。第二个重要的物理量是沉降速度参数,其表达式为(2)Sv=τp·g·uη,其中g为重力加速度,uη为柯尔莫戈罗夫速度尺度。这一参数用于比较在斯托克斯阻力作用下的静止空气中的终端沉降速度与最小湍流涡旋的速度尺度。当Sv值远小于0.01时,意味着相对于湍流运动,颗粒的重力沉降可以忽略不计;而当其值接近0.1–1时,则说明沉降效应可能开始影响颗粒的运动轨迹。弗劳德数则用于衡量湍流加速度与重力之间的平衡关系,其表达式为(3)Fr=St·Sv/aη,其中aη为柯尔莫戈罗夫加速度尺度。在本研究中,弗劳德数主要用作辅助诊断参数,而非主要的分类依据;颗粒状态的分类实际上是基于每个颗粒在(St,Sv)坐标平面上的位置来确定的。尺寸比,其表达式为(4)Dp/η,其中Dp为颗粒直径,η为柯尔莫戈罗夫长度尺度,这一参数用于判断PM2.5颗粒的尺寸是否小于大气地表层中的耗散涡旋。当Dp/η远小于1时,这些颗粒可被视为次柯尔莫戈罗夫颗粒,这为在计算响应时间时采用点颗粒近似提供了依据。最后,颗粒体积分数,其表达式为(5)ΦV=C·ρp,其中C为以千克每立方米为单位表示的颗粒质量浓度,ρp为颗粒密度,这一参数用于评估颗粒与湍流之间的耦合状态。研究将ΦV与10^-6这一单向耦合阈值进行比较。如果ΦV小于10^-6,说明颗粒的浓度足够低,它们虽然会受到湍流的影响,但不会显著改变载体流的特征。2.2 大气地表层中的柯尔莫戈罗夫微观尺度柯尔莫戈罗夫微观尺度代表了湍流中具有动力学意义的最小尺度,它是根据空气的运动粘度ν以及湍流动能耗散率?来计算的(Kolmogorov,1941)。相应的长度、时间、速度以及加速度尺度分别为(6)η=ν^3/?^1/4,(7)τη=ν/?^1/2,(8)uη=ν/?^1/4,(9)aη=uη/τη。这些尺度为计算斯托克斯数、沉降速度参数以及弗劳德数提供了所需的湍流参考量。由于在研究区域内无法直接进行湍流测量,因此需要借助基于莫宁-奥布霍夫相似理论的大气地表层缩放方法来估算?的值(Monin和Obukhov,1954)。在接近中性条件的情况下,湍流耗散率可近似表示为(10)?(z)=u*^3/κz,其中u*为摩擦速度,κ=0.40为冯·卡门常数,z为参考高度。在非中性条件下,则需要应用稳定性修正函数,其表达式为(11)?(z)=u*^3/κz·??(ζ),其中ζ=z/L为稳定性参数,L为奥布霍夫长度。本研究中采用的稳定性修正公式为(12)??(ζ)=1+5ζ(当ζ>0.1时),1(当?0.1≤ζ≤0.1时),以及(1?15ζ)^1/3(当ζ
站点编号 站点描述 纬度 经度 z0(米)
Bangkok 曼谷大都会区 13.75 100.50 0.50
Chiang Mai 清迈谷地 18.80 98.90 0.50
Chiang Rai 清莱 19.90 99.80 0.03
Mae Hong Son 湄宏顺 19.30 97.90 0.03
Central Plains 那空拉差西玛与沙拉武里过渡带附近的中央平原农村地区 15.00 101.00 0.03

下载:高分辨率图像(1MB) 下载:完整尺寸图像

图1展示了用于PM2.5湍流状态分析的泰国代表性研究地点。主图显示了五个分析位置,分别位于曼谷大都会区、北部山谷及易出现雾霾的地区,以及中央平原的农村背景区域。插图则标出了泰国在东南亚大陆上的位置。

3.2 气象数据与空气属性处理

在湍流计算中,以ERA5提供的水平分辨率为0.25°×0.25°的单层每小时数据作为气象基础(Hersbach等人,2020年)。所提取的变量包括10米高度处的u向和v向风速分量、2米高度处的温度、露点温度、地面气压,以及地面感热通量和潜热通量。2015年至2023年的数据被用于季节性Kolmogorov尺度气候学分析,而2023年的数据则用于确定性的颗粒状态矩阵构建、蒙特卡洛不确定性分析、PM2.5体积分数诊断,以及ERA5与NCEI风速数据的验证。对于每个站点和年份,都会对近地面气象变量进行处理,以此估算摩擦速度、湿空气属性以及与稳定性相关的湍流参数。动态粘度、运动粘度、空气密度以及相关的热力学参数则是根据温度、压力和湿度场,并依据湿空气热物理特性推导出来的(Tsilingiris,2008年)。这些参数随后被用来计算Kolmogorov微尺度以及颗粒响应时间。通过使用特定站点和时间段内的空气属性,可以避免将泰国的大气粘度视为恒定值,同时让季节性的湿度和温度变化影响到最终的无量纲参数。这一点在泰国尤为重要,因为其湿热的多雨季节与干燥的少雨季节会导致空气粘度和密度出现明显的季节性变化。

3.3 湍流估算与Kolmogorov尺度计算

湍流动能耗散率?是通过符合标准边界层气象学和表面层湍流处理方法的大气表面层尺度模型来估算的(Stull,1988年;Garratt,1992年;Kaimal和Finnigan,1994年)。摩擦速度则是根据ERA5提供的10米高度风速U10,以及该站点的特定空气动力粗糙度长度z0,利用中性对数风速分布公式来估算的:u?=κU10ln(10/z0)。这一估算值被用作后续计算奥布霍夫长度、稳定性等级和耗散率时的表面层摩擦速度基准。公式(16)给出了基于ERA5 10米风速的中性形式下的u?估算值;在非中性条件下,要得到完全准确的估算结果,则需要结合稳定性函数,通过对数形式的风速分布进行迭代求解。此处采用中性简化形式,是因为该情况下的态别差异较大,且摩擦速度的敏感性分析表明,u?的误差范围在2倍到3倍之间。在恒定通量层假设下,摩擦速度被视为在表面层内与高度无关;而?(z)的高度依赖性则通过公式(10)中的1/z项以及公式(12)中的稳定性修正项体现出来。在50米高度处,恒定通量层假设在白天的不稳定状态或接近中性状态下最为适用;而在夜间稳定状态下,50米高度可能接近甚至超过表面层的深度。因此,在稳定状态下于50米高度处测得的斯托克斯数应被视为湍流估算的上限值,而非直接的近地面测量值。在接近中性条件下,?是通过公式(10)来估算的;而在稳定或不稳定条件下,则需根据公式(11)、(12)应用稳定性修正函数。奥布霍夫长度则是通过L=?u?3Tˉ/(κgw′θv′ˉ)来计算的,其中w′θv′ˉ是根据ERA5提供的感热通量和潜热通量,通过标准的心理统计转换方法得出的。对于每一个参考高度,每小时都会根据在该高度处计算的ζ=z/L值来确定对应的稳定性等级:若ζ>0.1则为稳定状态,-0.1≤ζ≤0.1为接近中性状态,而ζ
3.4 颗粒属性矩阵

颗粒属性分析采用的是一种透明的确定性敏感性矩阵形式,而非完整的源解析型气溶胶微观物理模型。该矩阵的目的是检验在基于ERA5的表面层计算所代表的气象条件下,泰国境内合理的PM2.5颗粒大小和有效密度是否有可能进入惯性活跃的湍流状态。研究中采用了五种不同的颗粒直径:0.1、0.5、1.0、2.0和2.5微米。这些数值涵盖了生物质燃烧产生的气溶胶研究以及泰国颗粒大小分类测量结果中所涉及的超细颗粒、积聚模式颗粒以及较大尺寸的PM2.5颗粒(Reid等人,2005年;Janh?ll等人,2010年;Phairuang等人,2019年;Phairuang等人,2024年)。特意选择2.5微米这一最大值,是因为它仍是属于PM2.5尺寸范畴的最大颗粒直径。此外还设置了五种有效的颗粒密度:1100、1300、1500、1800和2100千克每立方米。这些数值覆盖了泰国细颗粒物中常见的几种密度类别:密度较低的生物质燃烧产生的有机气溶胶、二次有机气溶胶、混合城市PM2.5颗粒,以及密度较高的灰尘或燃烧作用产生的颗粒物。生物质燃烧和有机气溶胶的密度有相应的烟雾及大气气溶胶观测数据和研究结果作为支撑(Reid等人,2005年;Rissler等人,2006年;Pokhrel等人,2021年;Seinfeld和Pandis,2016年)。二次有机气溶胶的密度则通过实验室研究和半经验密度模型得到了验证(Nakao等人,2011年;Nakao等人,2013年;Shilling等人,2008年;Kuwata等人,2012年)。混合城市PM2.5颗粒的有效密度则基于颗粒迁移率与质量相关的研究以及城市气溶胶研究得出(DeCarlo等人,2004年;Hand和Kreidenweis,2002年;McMurry等人,2002年;Pitz等人,2003年;Pitz等人,2008年)。而密度较高的灰尘或燃烧相关颗粒物的范围则由矿物粉尘、黑碳和飞灰的相关研究界定(Claquin等人,1999年;Tegen和Fung,1994年;Bond和Bergstrom,2006年;Flagan和Seinfeld,1988年;Park等人,2003年)。综上,表2中所列的这一组参数其实是一种保守的取值范围设定。它并非假设所有地区的气溶胶组成都相同,而是想了解在结合各站点特有的湍流特征后,那些在物理上合理的PM2.5颗粒大小与密度组合是否仍处于非惯性活跃状态。来自曼谷和泰国北部的源解析及功率谱密度研究为这一参数范围的合理性提供了支撑,尤其是针对曼谷城市地区的细颗粒物以及泰国北部受生物质燃烧影响的雾霾状况的关联性研究(Chuersuwan等人,2008年;Thepnuan等人,2019年;ChooChuay等人,2020年;Phairuang等人,2024年)。对于每一组颗粒直径与密度的组合,都会通过公式(13)计算颗粒的响应时间,同时还会根据当地的空气属性和颗粒直径值,对坎宁安滑移修正项进行相应调整。之后,还会针对每一个站点、不同高度以及不同的湍流条件,分别计算出斯托克斯数、沉降速度参数、弗劳德数以及最终沉降速度。其中,0.1微米颗粒的修正幅度最大,而到了较大尺寸的PM2.5颗粒范围内,这一修正值则逐渐趋近于1。因此,这种修正方式能够在不改变“最大尺寸的PM2.5颗粒仍处于非惯性活跃状态”这一结论的前提下,提升气溶胶物理特性的一致性。这项2023年的多站点PM2.5确定性分析共包含了375组数据,分别对应五个站点、三种高度、五种颗粒直径以及五种颗粒密度。该确定性矩阵以2023年各站点、各高度的代表性年平均湍流值作为主要分析依据,而与季节变化及稳定性相关的湍流变化情况则分别在Kolmogorov尺度气候学分析中予以说明,并通过蒙特卡洛不确定性分析将其影响体现出来。这样的处理方式避免了在确定性颗粒大小与密度矩阵与不确定性传播分析之间重复计算湍流变化情况,同时也确保了研究的核心目标——即判断在泰国表面层条件下,那些在物理上合理的PM2.5颗粒大小与密度组合是否有可能进入惯性活跃状态——能够得到准确检验。

简单来说,这项分析将这些不同时间尺度的数据用于不同的分析目的。2015年至2023年的季节性气候学分析用于描述泰国表面层湍流条件的整体范围,2023年的确定性矩阵则用于将所有的PM2.5颗粒大小与密度组合与各站点、各高度的典型湍流值进行对比,蒙特卡洛分析则用于评估颗粒属性和湍流尺度方面的不确定性,而同一时间段的高PM2.5浓度组合分析则用于判断在湍流异常弱的条件下是否也会出现污染事件。通过将这类分析分开处理,可以避免相同的湍流变化被多次纳入分析之中;而同一时间段的组合分析则有助于避免用代表性的年度或季节性平均值掩盖在高PM2.5浓度条件下最为重要的短暂湍流增强时段。不过,这种分层处理方式也存在一些局限性:首先,代表性的年度平均值和季节性平均值可能会掩盖那些短暂的湍流极端情况;其次,每一层分析都继承了来自ERA5模型的湍流数据所带来的不确定性,而这些数据毕竟是基于模型模拟得到的,并非直接观测值。同一时间段的组合分析有助于解决第一种局限性,而风速验证分析以及第5.6节则用于量化并限制第二种局限性。

表2列出了用于构建确定性PM2.5颗粒大小与密度矩阵的颗粒尺寸和颗粒密度参数的来源信息。每组参数的来源均在“主要参考文献”一栏中有所标注。

| 输入参数组 矩阵数值 含义 主要参考文献 |
|------------|----------|------|--------------|
| 颗粒直径 | 0.1、0.5、1.0、2.0、2.5微米 | 超细颗粒、积聚模式颗粒以及较大尺寸的PM2.5颗粒 | Reid等人,2005年;Janh?ll等人,2010年;Phairuang等人,2019年;Phairuang等人,2024年 |
| | 1100–1300千克/立方米 | 低密度的烟雾/有机气溶胶,包括生物质燃烧产生的有机物质与黑碳混合物以及密度较低的有机气溶胶 | Reid等人,2005年;Rissler等人,2006年;Pokhrel等人,2021年;Seinfeld和Pandis,2016年 |
| | 1300–1500千克/立方米 | 成熟型的二次有机气溶胶以及经过氧化处理的有机气溶胶 | Nakao等人,2011年;Nakao等人,2013年;Shilling等人,2008年;Kuwata等人,2012年 |
| | 1500–1800千克/立方米 | 混合城市PM2.5颗粒,包含有机成分、无机成分以及烟尘成分 | DeCarlo等人,2004年;McMurry等人,2002年;Pitz等人,2003年;Pitz等人,2008年 |
| | 1800–2100千克/立方米 | 较高密度的颗粒物,属于PM2.5颗粒范围的高密度端值 | Claquin等人,1999年;Tegen和Fung,1994年;Bond和Bergstrom,2006年;Flagan和Seinfeld,1988年;Park等人,2003年 |

3.5 蒙特卡洛不确定性传播

为了检验在颗粒尺寸、颗粒密度以及湍流尺度存在合理不确定性时,原有的确定性状态分类方法是否依然具有稳定性,研究人员开展了蒙特卡洛不确定性分析。针对2023年的五个研究站点和三个参考高度,每个高度分别生成了10,000个样本。颗粒直径的取值是依据几何平均直径为200纳米、几何标准差为1.8的対数正态分布来确定的。这一分布形式对应的是已经老化后的细颗粒或积聚模式颗粒,而非粗颗粒分布,且与用于构建确定性PM2.5矩阵的生物质燃烧气溶胶研究结果以及泰国的颗粒大小分类测量数据相一致(Reid等人,2005年;Janh?ll等人,2010年;Phairuang等人,2019年;Phairuang等人,2024年)。由于该确定性矩阵明确地将最大尺寸为2.5微米的PM2.5颗粒纳入了整个密度范围之内,因此它仍然是一种较为保守的颗粒大小与密度取值范围。蒙特卡洛分析则用于围绕最可能的细颗粒群体传播不确定性,而对于那些分布范围更广、颗粒尺寸更大的颗粒群体,其敏感性则需另行分析。颗粒密度的取值则是根据各站点的特征,参照相应的源头类别密度范围来确定的。曼谷及其周边地区的分析采用了曼谷年度典型气象场景,而清迈、清莱和湄宏顺等北部地区的分析则采用了清迈烟雾雾霾典型场景。之所以对曼谷和中央平原地区都采用曼谷年度场景,是因为中央平原地区在此类分析中被视为受工业活动影响的农村背景区域;而北部山谷地区则因为季节性雾霾期间的气溶胶组成差异更大,所以才选用清迈雾霾场景。这些场景的作用是将合理的密度变化纳入St和Sv的计算中,同时仍以确定性颗粒大小与密度矩阵作为主要的取值范围依据。因此,这些场景应被视为用于传递不确定性的分析模型,而非完整的气溶胶成分溯源分析结果。在分析湍流尺度方面的不确定性时,人们通过引入变异系数为30%的乘法対数正态因子,对Kolmogorov时间尺度τη和Kolmogorov速度尺度uη进行随机扰动。蒙特卡洛模拟过程中采用了NumPy库的默认伪随机数生成器,设置种子值为20241101,以确保分析结果的重复性。这一种子值也被视为参数化不确定性的一个参考范围,因为它与Monin-Obukhov表面层计算结果对气象条件、稳定性修正因素以及通量参数取值的敏感度密切相关(Foken,2006年;Fairall等人,2003年)。它不应被视作ERA5数据衍生的湍流的完整站点特定误差模型,而只是更广泛稳健性设计中的某一不确定性传播层次,该设计还包括确定性尺寸-密度范围、风偏敏感性分析以及粗糙度长度敏感性讨论。对于每个蒙特卡洛样本,都会重新计算坎宁安滑移修正值、颗粒响应时间、终端沉降速度、斯托克斯数、沉降速度参数以及弗劳德数。随后为每个站点-高度组合保留斯托克斯数和沉降速度参数的第五、第五十、第九十五百分位数以及最大值。此项不确定性分析用于对确定性尺寸-密度扫描进行稳健性检验,而非替代完整的确定性PM2.5矩阵。在结果部分,Stmean和Svmean表示给定确定性站点-高度-直径-密度条件下斯托克斯数与沉降速度参数的中间值;Stp95和Svp95则表示在该条件或站点-高度组合下,经过湍流尺度不确定性传播后的相应确定性第九十五百分位数估计值。蒙特卡洛数值会用上标“MC”明确标注:Stp95MC和Svp95MC是采样蒙特卡洛分布的第九十五百分位数,而StmaxMC和SvmaxMC则是每个站点-高度场景下10,000个样本中的最大值。

3.6 模式分类
每个确定性颗粒-湍流案例都通过斯托克斯数和沉降速度参数进行分类。St<0.01这一条件被用作严格的示踪剂限制,这与经典惯性颗粒理论所依据的小响应时间假设一致(Maxey和Riley,1983)。而St<0.1且Sv<0.1这一更宽的范围则依据Brandt和Coletti(2022)的模式综合研究及相关大气颗粒物研究结果(Shaw,2003),被用作较为保守的近示踪剂限制条件。当St<0.01且Sv<0.01时,此类案例被归为被动示踪剂;当St<0.1且Sv<0.1但未满足更为严格的被动示踪剂条件时,则被归为近示踪剂。St<0.1且0.1≤Sv<1的案例被归为受沉降影响的示踪剂;0.1≤St<10且Sv≥0.1的案例被归为惯性活跃型颗粒物,而St≥10的案例则被归为弹道型颗粒物。这种基于两个参数的分类方式比仅依据斯托克斯数的分类更为保守,它避免了将那些响应时间较短但沉降参数并非可忽略的颗粒物过度归为完全的被动示踪剂。因此,正文的主要结论是从属于惯性活跃型颗粒物范畴的角度来阐述的,而非声称在斯托克斯数和沉降速度参数的共同作用下所有PM2.5颗粒物都属于完全被动型。

3.7 体积分数与耦合模式分析
PM2.5浓度数据被用来计算颗粒物体积分数ΦV,并验证稀疏单向耦合假设是否成立。在计算体积分数之前,会对每小时采集的PM2.5数据先进行质量控制。首先将时间戳转换为协调世界时,再将浓度值转为数值形式,剔除那些缺少时间戳或浓度值非数值的记录,同时把浓度值不在0≤C<1000μg m?3范围内的数据视为负值或不符合物理规律的异常值予以删除。此外还会去除重复的时间戳,对于存在至少6小时时间间隔的记录则会标记出来以便后续核查。经过这些筛选后,会利用公式(5)将站点级的百分位数浓度值转换为体积分数,再与10?6这一单向耦合阈值进行比较。

2023年的站点数据来自OpenAQ汇总的曼谷大都市区范围内的PM2.5传感器数据,该区域的范围为东经100.35–100.95度、北纬13.45–13.95度。最终保留的清洗后的数据集包含95台传感器,所有传感器都与位置信息表对应,且都位于上述范围内;其中86台为Air4Thai的监测设备,其余传感器则来自AirGradient、AirNow或Clarity公司。这套站点数据被用于曼谷地区的体积分数计算以及同一时段内的PM2.5与湍流关联分析,因此应被视为一种较为保守的城市高浓度环境下的测试,而非能代表整个泰国的站点网络。站点级分析使用了工作流程中所有经过清洗的2023年PM2.5站点数据,而非设定严格的年度数据完整性标准。就当前研究目的而言,这种选择较为保守,因为体积分数计算本身是一种稀释效应及耦合模式测试:保留更多站点意味着有更大可能纳入高浓度数据。因此,百分位数统计结果应被理解为对现有已清洗数据的站点级分析,而所有站点的最大值则被视为一种刻意设定的保守型最坏情况参考值。体积分数分析仅用于判断耦合模式,而非确定斯托克斯数对应的颗粒物模式。这种区分很重要,因为同一批颗粒物群体可能在某些情况下表现出类似示踪剂的特性或类似近示踪剂的特性,但同时其浓度又足够低,以至于颗粒物对湍流的反馈作用可以忽略不计。

3.8 关键过渡直径
为了确定惯性效应开始起作用的颗粒物尺寸,该研究工作流程计算出了对应于St=0.1条件的关键过渡直径Dp?。在本研究中,针对研究区域内的主要城市地区和易出现雾霾的北部地区,分别对曼谷和清迈进行了关键直径分析。五个站点的确定性PM2.5 St–Sv分类仍然是全国范围内的主要模式检测方法,而曼谷与清迈的关键直径计算则作为额外的解释性分析手段。通过对公式(1)以及经过滑移修正后的响应时间表达式进行重新整理,可得公式(17):Dp?=18μτηSt?ρpCc(Dp?,λ)1/2,其中St?=0.1标志着从近示踪剂状态向惯性作用状态过渡的临界值。由于Cc的值与Dp?相关,因此计算关键直径时采用了与颗粒物矩阵计算相同的滑移修正后响应时间公式。公式(17)是通过不动点迭代法求解的,每一步都会重新计算Cc的值,直到Dp?的相对变化幅度低于10?4为止。由于当过渡直径处于数十微米级别时Cc的值会接近1,因此最多只需三次迭代即可得到结果,而且滑移修正对所计算的粗颗粒物过渡尺度的影响可以忽略不计。这一计算结果为区分PM2.5与那些可能需要考虑惯性效应的更大尺寸粗颗粒物提供了可理解的尺寸边界。

3.9 与地面风场观测数据的验证
本研究将ERA5提供的风场数据与2023年NOAA/NCEI发布的全球每小时地面风场观测数据进行了对比验证。在验证过程中,首先对时间戳进行匹配,同时对风场数据的质量进行控制,之后才选取匹配良好的观测数据与ERA5数据组进行对比;因此,不同站点的样本量会因相应地面观测数据的报告频率和完整性而有所差异。验证所使用的指标包括平均观测风速、平均ERA5风速、偏差值、平均绝对误差、均方根误差以及皮尔逊相关系数。此外还进行了静风条件下的敏感性分析,以评估那些被标记为静风的观测数据所带来的影响。这一验证步骤旨在了解ERA5风场数据的可靠性及其偏差特征。它并不能替代湍流模式计算,但却能为估算摩擦速度和地表层湍流所使用的气象输入数据提供实证层面的检验。

3.10 可复现的实施流程
所有的计算都是通过基于开源科学计算工具的Python脚本流程来实现的,这一流程具备可复现性。该流程能够生成中间气象产品、确定性St–Sv参数扫描结果、蒙特卡洛不确定性统计结果、模式分类结果、体积分数统计结果、关键直径计算结果、验证表格以及可用于撰写论文的图表。所有处理过的数据产品、脚本代码以及用于生成图表的程序都存储在Zenodo平台上,其永久标识符为DOI: 10.5281/zenodo.20202090.4。

结果部分
4.1 泰国地表层环境下的科尔莫戈罗夫尺度气候特征
研究人员针对五个站点、三个季节、三个参考高度以及三种稳定性类别,计算了季节性的科尔莫戈罗夫尺度气候特征,最终得到了117组站点-季节-高度-稳定性组合的统计结果。从这些统计结果来看,湍流动能耗散率的平均值在3.57×10?5到1.16×10?1 m2 s?3之间波动,而在各组统计结果中的最大值则达到了1.25 m2 s?3。这一数值范围表明,泰国地表层环境中的最小湍流尺度存在相当大的变化幅度(见图2)。相应的科尔莫戈罗夫长度尺度η的平均值则在5.45×10?4到3.72×10?3米之间,换算下来大约为0.54至3.72毫米。即便在所有分组中的最小值情况下,η的值也仍有2.46×10?4米,即约0.25毫米。这些数值比PM2.5的截断直径2.5微米大了两个数量级左右,由此可以确认,在所分析的泰国地表层环境条件下,PM2.5颗粒物的尺寸仍属于亚科尔莫戈罗夫尺度范围。科尔莫戈罗夫时间尺度τη的平均值则在2.17×10?2到8.85×10?1秒之间,而在湍流最弱的那些案例中,其最大值甚至可达30.94秒。科尔莫戈罗夫速度尺度的平均值在4.62×10?3到3.29×10?2米/秒之间,而科尔莫戈罗夫加速度的平均值则在6.86×10?3到2.85米/秒2之间。这些数值即为用于计算颗粒物属性矩阵中所涉及的斯托克斯数、沉降速度参数以及弗劳德数的湍流参考尺度(见图3)。

下载:下载高分辨率图像(356KB)
下载:下载全尺寸图像
图2. 基于2015–2023年ERA5数据得到的泰国五个代表性站点1.5米参考高度处湍流动能耗散率?的季节性与空间变化特征。各列数据整合了季节与稳定性类别的信息。“雾霾季节”这一类别指的是2月至4月的生物质燃烧期,仅适用于泰国北部的清迈、清莱和湄宏顺这三个站点;因此曼谷以及泰国中部平原地区的对应时段则被标记为不适用,而非视为缺失的流程输出结果。
下载:下载高分辨率图像(349KB)
下载:下载全尺寸图像
图3. 基于2015–2023年ERA5数据得到的泰国五个代表性站点1.5米参考高度处科尔莫戈罗夫时间尺度τη的季节性与空间变化特征。各列数据同样整合了季节与稳定性类别的信息。“雾霾季节”指2月至4月的生物质燃烧期,仅适用于泰国北部的清迈、清莱和湄宏顺三个站点;曼谷及中部平原地区的对应时段也被标记为不适用,而非缺失的流程输出结果。时间尺度τη是用于计算斯托克斯数的分母。

4.2 决定惯性行为出现的临界过渡直径
为了确定惯性效应开始发挥重要作用时的颗粒物尺寸,研究人员计算出了St=0.1条件下的临界过渡直径Dp?(见图4)。在颗粒物密度为ρp=1500千克/立方米的情况下,曼谷的Dp?平均值约为32.41微米,而清迈的这一数值则为54.14微米。相应地,曼谷的过渡直径第五至第九十五百分位数范围为10.24–86.67微米,清迈的这一范围则为19.11–123.68微米,这样的范围能更准确地反映实际情况中的不确定性区间。在单一条件下的极端值范围则更广,曼谷的极端值范围在7.71至340.87微米之间,清迈的这一范围则在12.02至934.38微米之间,这些数值反映的是较为罕见的弱湍流或强湍流组合情况,而非典型的过渡尺度值。由于Dp?与ρp的平方根成反比关系,因此表4中所给出的五种不同密度条件下的平均过渡直径分别为:在ρp=1100–2100千克/立方米的范围内,曼谷的平均过渡直径在27.39–37.85微米之间,清迈的这一范围则在45.76–63.22微米之间。这些数值远远高于PM2.5的2.5微米截断直径,因此这一过渡直径的计算结果从另一个角度印证了之前的St–Sv模式分类结果:在所分析的泰国地表层湍流条件下,PM2.5颗粒物的尺寸远小于惯性颗粒物行为开始起重要作用的尺寸阈值(见图5)。
下载:下载高分辨率图像(672KB)
下载:下载全尺寸图像
图4. 2023年曼谷与清迈的月度临界过渡直径Dp?值,其中还包含了确定的密度范围。该过渡直径对应的是St=0.1的条件,也就是此处所采用的分类标准中惯性效应开始起作用的起始点。图中的点与连线表示ρp=1500千克/立方米这一典型条件在1.5米参考高度处的月度平均值,垂直方向的误差条则表示该典型条件下的第五至第九十五百分位数范围,而阴影带则代表了ρp=1100–2100千克/立方米范围内的Dp?平均值范围。虚线水平线则标出了2.5微米这一PM2.5的监管标准截断直径。从图中可以看出,无论在哪种密度范围内,过渡直径值都远高于2.5微米,这一结果进一步支持了这样的结论:在所分析的泰国地表层条件下,PM2.5颗粒物的尺寸远小于惯性行为开始起重要作用的尺寸阈值。
下载:下载高分辨率图像(743KB)
下载:下载全尺寸图像
图5. 2023年曼谷在不同稳定性类别下的St–Dp过渡关系,对应的是ρp=1500千克/立方米这一典型条件在1.5米参考高度下的情况。实色曲线展示了在接近中性、稳定以及不稳定地表层条件下,斯托克斯数随颗粒物直径变化的规律。浅色带则代表了从平均值到第95百分位数值之间的不确定性范围。水平虚线标出了St=0.01、St=0.1、St=1以及St=10这些模式分类的临界阈值,而垂直虚线则标出了2.5微米这一PM2.5的截断直径。完整的确定性密度范围信息见表4;即便在ρp=2100千克/立方米的情况下,PM2.5的Stp95值也依然低于0.01。从图中可以看出,PM2.5颗粒物的尺寸远低于惯性过渡阈值,而那些尺寸更大的粗颗粒物则有可能接近或超过从近示踪剂状态向惯性状态过渡的尺寸范围。

4.3 PM2.5在St–Sv模式空间中的位置
确定性PM2.5模式分析共涵盖了375组案例,这些案例对应着五个站点、三种高度、五种颗粒物直径以及五种颗粒物密度(见图6;表3)。在所有案例中,斯托克斯数的最大平均值仅为2.997×10?3,而由Stp95代表的最大上尾值则为6.366×10?3。由此可见,即便是数值最大的上尾斯托克斯数,也依然低于分类方案中所规定的St=0.01这一被动示踪剂阈值。沉降速度参数的相对变化幅度虽然比斯托克斯数更大,但其数值依然处于惯性活跃型颗粒物的范围之下。在所有确定性PM2.5案例中,沉降速度参数的最大平均值仅为4.517×10?2,而其最大上尾值Svp95则为8.154×10?2。这些数值均低于0.1的Sv值,该值是两参数分类中用于近似追踪体状态的上限。没有PM2.5案例进入惯性活跃状态。以平均值计算,375个案例中没有任何一个被归类为惯性活跃状态;使用上尾Stp95和Svp95值也得出了相同结果。这一结果表明结论并不依赖于单一的基准估算值。不过,该分类方法确实能够明确区分完全被动追踪体案例与近似追踪体案例。在五个监测点中,使用平均值时满足更严格被动追踪体条件的案例比例分别为0.643,而使用上尾数值时则为0.576。因此,最准确的解读是:在所有确定性情况下,泰国的PM2.5都处于惯性活跃状态之外,仅有部分案例因Sv接近但未超过0.1而处于近似追踪体区域。作为对非典型不稳定分支耗散修正的额外敏感性测试,针对曼谷和清迈的较高PM2.5颗粒情况(Dp=2.5μm,ρp=2100 kg m?3),使用了三种不同的??计算方式——默认方法、局部平衡模型以及自由对流模型进行重新计算,结果依然没有变化。仅在不稳定时段内,最大的斯托克斯数仅为3.04×10?3,且所有测试案例的St值均未达到0.01或0.1。由此可见,不稳定分支耗散修正的不确定性虽然会改变?和τη的数值,但不会使高浓度PM2.5进入惯性活跃状态。表4展示了在颗粒属性矩阵所涵盖的五种颗粒密度下,确定性状态指标的情况。由于St和Sv都与ρp呈线性关系,因此最大值出现在最高的测试密度ρp=2100 kg m?3处。即便在此最高密度下,最高的Stp95值为6.366×10?3,最高的Svp95值为8.154×10?2,仍分别低于St=0.01的被动追踪体阈值以及Sv=0.1的近似追踪体上限。因此,基于密度的分析结果进一步证实,无论在ρp=1100–2100 kg m?3的整个确定性密度范围内,状态分类都是可靠的。下载:下载高分辨率图像(1MB)下载:下载全尺寸图像图6为2023年多监测点PM2.5确定性分析的斯托克斯数-沉降速度参数(St–Sv)状态图。九个分区分别按照颗粒密度(行:ρp=1100、1500和2100 kg m?3)及地表层参考高度(列:z=1.5、10和50米)对分析结果进行划分,从而显示在某一密度-高度组合下,各PM2.5案例在St–Sv平面上的位置。每个分区内的点代表某个监测点及对应颗粒直径下的(St,Sv)平均值,旁边的细线段则表示其从平均值到第95百分位数的不确定性范围;颗粒直径通过标记形状区分,监测点则通过标记颜色区分(见下方图例)。阴影区域以及标注的St=0.01、Sv=0.01和Sv=0.1等边界线,用于划分被动追踪体、近似追踪体以及趋向惯性活跃的状态。在全部375个案例中,没有PM2.5案例进入惯性活跃状态;其中最大的上尾数值为Stp95=6.4×10?3,Svp95=8.2×10?2。表3总结了2023年确定性分析中各监测点的PM2.5斯托克斯数与沉降速度参数的最大值。“Frac. passive”一列显示了75个监测点案例中同时满足St<0.01且Sv<0.01的比例,该比例是通过平均值及第95百分位的湍流尺度值计算得出的。站点最大St均值最大Stp95值最大Sv均值最大Svp95值被动比例均值被动比例第95百分位曼谷0.0029970.0063660.0296950.0513530.7200.613中部平原0.0016510.0039160.0331360.0547180.6530.600清迈0.0007530.0018380.0446130.0724620.6130.560清莱0.0007630.0018310.0451710.0815400.6130.547湄宏顺0.0008170.0019800.0425220.0736520.6130.560表4展示了在确定性颗粒密度矩阵下,PM2.5状态指标的密度依赖性分布情况。各项最大值均为在2023年确定性分析中所有监测点、高度及PM2.5直径下的最高值。临界转变直径是指St=0.1时的平均直径,该值是根据ρp=1500 kg m?3的基准案例,通过Dp?∝ρp?1/2的关系推算得出的。ρp最大值St均值最大Stp95值最大Sv均值最大Svp95值曼谷平均Dp*清迈平均Dp*(千克/立方米)空单元格空单元格空单元格空单元格(微米)(微米)11000.001570.0033350.023660.0427137.8563.2213000.0018550.0039410.027960.0504834.8258.1615000.002140.0045470.032270.0582432.4154.1418000.0025690.0054570.038720.0698929.5949.4321000.0029970.0063660.045170.0815427.3945.764.4 蒙特卡洛不确定性传播蒙特卡洛算法得出的Stp95MC值小于上文所述的确定性分析所得的上尾Stp95值,这是因为两种分析方法针对的问题不同。确定性分析确定了PM2.5颗粒大小与密度的上限范围,包括了2.5μm的临界值以及所测试的最高颗粒密度,而蒙特卡洛分析则模拟了实际中更为常见的、集中在PM2.5上限以下的细颗粒尺寸分布。因此,这两种分析方法是互补的:确定性分析用于检验较为保守的范围,而蒙特卡洛模拟则用于考虑更可能出现的细颗粒群体所带来的不确定性。针对五个监测点进行的蒙特卡洛不确定性分析共产生了15份不同监测点与高度的组合汇总结果,每個高度对应的颗粒-湍流样本量为10,000个(见表5)。在所有五个监测点中,蒙特卡洛分析得出的第95百分位斯托克斯数最大值为1.63×10?4,而实际观测到的最大斯托克斯数为2.76×10?3,这两个数值均低于St=0.01的被动追踪体阈值。蒙特卡洛分析得出的第95百分位沉降速度参数最大值为2.29×10?3,而实际观测到的最大Sv值为9.73×10?2。由此可见,即便在考虑了不确定性因素之后,Sv值依然低于Sv=0.1的近似追踪体上限。蒙特卡洛分析中得到的最大Stp95MC值出现在曼谷的1.5米高度处,而最大的Svp95MC值则出现在清莱的50米高度处。在清莱50米高度处,实际观测到的最大Sv值SvmaxMC=9.73×10?2,虽然接近Sv=0.1的临界值,但这属于极端样本值,并非第95百分位数,它表明在弱湍流且颗粒特性极端的条件下,沉降过程仍有可能接近该临界值。因此,蒙特卡洛分析不仅强化了确定性分析的结果,还提供了更多有用的细节信息:在所考虑的不确定性范围内,泰国的PM2.5仍然不属于惯性活跃的湍流颗粒状态,尽管某些极端情况下的沉降参数值可能接近近似追踪体状态的上限。另一项针对颗粒尺寸先验的敏感性分析旨在探讨该结论是否取决于所选择的细颗粒对数正态先验。研究人员分别采用了基准先验(Dg=200纳米,σg=1.8)、更宽的积累模式先验(Dg=300纳米,σg=2.2),以及更为激进的PM2.5上尾先验(Dg=500纳米,σg=2.5),但这些先验均在Dp=2.5μm处被截断,以符合PM2.5的定义。在所有五个监测点以及这三种先验条件下,第95百分位的最大斯托克斯数均为1.75×10?3,且没有Stp95MC值达到St=0.01的标准。在两种监测点与先验组合中,极端的样本值曾短暂超过St=0.01,最大值为1.23×10?2,但依然没有案例达到St=0.1的惯性活跃状态阈值。同样的敏感性分析还表明,在采用较宽或上尾先验的情况下,极端的SvmaxMC值确实有可能超过0.1,这进一步凸显了弱沉降效应与颗粒惯性行为之间的差异。为验证高PM2.5浓度时段是否与那些未被状态总结所涵盖的、静止且湍流强度较低的天气状况存在关联,研究人员将2023年曼谷的每一个小时数据与同一小时的ERA5模拟湍流数据进行了对比。该对比使用了曼谷都市区范围内的95个OpenAQ聚合PM2.5传感器数据,以及前述的较高PM2.5颗粒参数设定(Dp=2.5μm,ρp=2100 kg m?3)。结果确实显示,高污染时段的湍流强度更低:在1.5米高度处,所有监测时段的ε中位数从8.14×10?2 m2 s?3下降到PM2.5浓度最高的1%时段的2.22×10?2 m2 s?3。由于St=τp/τη,湍流的减弱实际上降低了而非增加了同一时段的斯托克斯数。在三个参考高度上对375,964个曼谷监测时段数据进行统计后发现,同一时段内的最大St值为1.05×10?2,没有案例达到St=0.1的标准,而少数St值超过0.01的案例也出现在高PM2.5浓度时段之外。在PM2.5浓度最高的1%时段里,1.5米高度处的最大St值为7.35×10?3,仍远低于严格的被动追踪体阈值。而沉降速度参数则呈现出相反的趋势,在50米高度处其最大值为0.189,仅有少数时刻超过0.1,这表明此时颗粒行为更受沉降作用影响,而非惯性作用。与此同时,当ρp=1100 kg m?3时,颗粒体积分数的最大值仍为1.75×10?10。表5汇总了2023年PM2.5状态分析中五个监测点的蒙特卡洛不确定性结果。每个监测点均包含三个不同高度的数据,每个高度对应10,000个样本。这里的密度采样模式反映的是与特定监测点相关的不确定性情况,并非完整的源解析结果。监测点密度模式最大Stp95MC值最大StmaxMC值最大Svp95MC值最大SvmaxMC值曼谷曼谷全年数据1.63×10?42.76×10?31.49×10?34.41×10?2中部平原曼谷全年数据7.00×10?52.26×10?31.77×10?35.77×10?2清迈清迈雾霾天气4.41×10?58.81×10?41.92×10?39.19×10?2清莱清迈雾霾天气2.43×10?55.60×10?42.29×10?39.73×10?2湄宏顺清迈雾霾天气2.82×10?54.21×10?42.09×10?39.03×10?24.5 颗粒体积分数与单向耦合分析监测点层面的PM2.5体积分数分析结果表明,颗粒浓度始终远低于引发单向耦合效应的阈值。在2023年纳入分析的95个PCD传感器数据中,当ρp=1500 kg m?3时,监测点层面第99百分位的ΦV中位数为4.45×10?11。其中ΦV值最高的案例来自编号为1304349的传感器,该传感器的PM2.5浓度第99百分位值为96.15微克/立方米,经过质量控制后的有效观测数据共有4086条。这一数值仅相当于10?6这一单向耦合阈值的6.41×10?5倍。研究人员还进行了更为保守的全监测点最大浓度检测。在使用确定性分析中设定的最低密度值ρp=1100 kg m?3时,同一传感器的最大ΦV值为1.75×10?10,此时该传感器的PM2.5浓度最大值为193.0微克/立方米。若再采用生物质燃烧场景下的较低密度阈值ρp=1000 kg m?3进行更广泛的源范围测试,则得到的最小ΦV值为1.93×10?10,这一数值仅相当于单向耦合阈值的1.93×10?4倍。综上所述,无论是基于百分位数的分析还是基于最大值的检测,都得出了相同的结论:在2023年分析所涉及的监测点中,PM2.5浓度低到足以忽略颗粒对湍流的反馈作用,因此颗粒相与大气流动之间为单向耦合关系。4.6 ERA5风场数据与地面观测数据的对比分析为了评估用于计算地表层湍流的ERA5风场数据的质量,研究人员将其与2023年的NCEI每小时地面观测数据进行了对比(见表6)。对比结果显示,不同监测点的风速存在差异,偏差具有地点特异性。曼谷和中部平原的负偏差最为显著,曼谷的ERA5平均风速比实际观测值高出1.54米/秒,中部平原则高出1.97米/秒。湄宏顺和清莱的负偏差分别为0.63米/秒和0.31米/秒。仅有清迈的实测平均风速高于ERA5预测值,其负偏差为0.19米/秒。各地点观测风速与ERA5预测风速之间的皮尔逊相关系数介于中等偏弱水平,从湄宏顺的0.253到中部平原的0.512不等。均方根误差则从清莱的1.16米/秒到中部平原的2.35米/秒不等。这些验证结果表明,ERA5虽能捕捉到部分时间上的风速变化特征,但也存在一定的局部偏差,尤其是在曼谷和中部平原地区。为了判断是否存在平静风条件影响了验证结果,研究人员排除了风速为零的观测数据,经过处理后,曼谷的负偏差从?1.54米/秒降至?1.29米/秒,湄宏顺的负偏差从?0.63米/秒转为正偏差0.17米/秒,中部平原的负偏差则从?1.97米/秒降至?1.69米/秒。清莱的偏差则从轻微的负值?0.31米/秒变为正值0.43米/秒,而清迈的偏差依然为正,且从0.19米/秒上升至0.52米/秒。由此可见,平静风条件确实会影响平均偏差的数值,甚至在某些风速较低的监测点还会改变偏差的正负号,但它并未改变整体结论,即ERA5提供的每小时风场数据存在地点特异性偏差,且与地面观测数据的时间一致性仅处于较弱到中等水平。这一风场验证结果应被视为对气象强迫因素的一种限制,而非对颗粒状态分析结论的否定。在所有监测点、不同高度、各类颗粒直径以及不同密度假设下,确定性分析和蒙特卡洛分析得出的PM2.5斯托克斯数均远低于惯性活跃状态的下限值。因此,验证分析主要支持谨慎看待各监测点的湍流强度,而关于PM2.5仍不属于惯性活跃状态这一核心结论,在当前分析的参数范围内是相当可靠的。表6展示了2023年ERA5风速与NOAA/NCEI地面观测数据的对比情况。此处定义的偏差值为实际观测风速减去ERA5预测风速。样本量n表示在经过时间戳匹配和质量控制后,有效的观测数据与ERA5风速匹配对的数量,不同的n值主要反映了各地面观测数据集的报告频率及完整性差异。监测点观测平均值ERA5平均风速偏差值均方根误差空单元格空单元格(米/秒)(米/秒)(米/秒)(米/秒)空单元格曼谷28841.0182.556?1.5391.9060.409清迈86851.4761.2810.1951.2590.283清莱28880.9841.296?0.3121.1640.299湄宏顺64760.7631.393?0.6311.2500.253中部平原28830.9272.899?1.9722.3490.5125.讨论5.1 关键颗粒尺寸阈值:本研究的核心物理结论本研究最重要的物理发现是确定了一个关键的颗粒尺寸阈值,该阈值可用于区分在泰国地表层湍流条件下的追踪体行为与惯性活跃行为。在确定性分析所确定的密度范围内,曼谷地区颗粒尺寸的临界值范围为27.39–37.85微米,而清迈地区则为45.76–63.22微米。对于ρp=1500千克/立方米的基准情况,相应的临界颗粒直径分别为32.41微米和54.14微米。这一阈值为理解大气中颗粒传输何时会偏离被动追踪体行为提供了基于动力学视角的参考标准。在所有确定性分析案例中,PM2.5颗粒尺寸均远低于这一阈值,这一事实虽然体现了本研究的重要创新点,但并非唯一的创新之处。在2023年的确定性PM2.5模型中,各监测点的最大斯托克斯数仅为6.366×10?3,低于用于严格被动追踪物分类的0.01阈值;而最大沉降参数为8.154×10?2,也低于接近追踪物状态时的0.1上限。因此,最准确的结论是泰国境内的PM2.5仍属于非惯性活跃范畴,而通过计算得出的临界粒径则表明,当粒子尺寸较大时可能需要考虑惯性效应。科洛莫戈罗夫尺度分析为这一现象提供了物理解释。在2015至2023年泰国地表层数据汇总中,科洛莫戈罗夫长度尺度的平均值在0.54至3.72毫米之间,即便是最小的数值也约为0.25毫米。这些耗散长度尺度远大于2.5微米的PM2.5临界值,这意味着在确定性模型计算中,PM2.5不仅是低斯托克斯数颗粒,而且在所分析的泰国大气地表层条件下也属于亚科洛莫戈罗夫颗粒。

5.2 对大气气溶胶传输建模的启示
由于PM2.5的尺寸远小于临界过渡直径,这一研究结果为在泰国的大气传输模型中将PM2.5视为被平流输送的细小气溶胶成分提供了理论依据。鉴于确定性模型下的PM2.5仍不属于惯性活跃范畴,针对泰国的PM2.5模型改进应重点关注排放源、大气传输、边界层混合、化学变化、沉积过程以及数据同化等方面,而非粒子尺度的惯性修正。这一结论适用于欧拉模型、高斯模型以及拉格朗日模型框架——在这些模型中,PM2.5通常会随气象场的解析或参数化结果一起传输,包括HYSPLIT、WRF-Chem和GEOS-Chem等广泛使用的大气传输与化学建模系统(Stein等人,2015;Grell等人,2005;Bey等人,2001)。在粒子尺寸极小的情况下,Maxey–Riley–Gatignol公式会趋近于追踪物平流模型,因为此时粒子速度会迅速趋近于载体流体的速度。斯托克斯数分析结果表明,所分析的泰国PM2.5在各类站点、高度及粒子尺寸条件下均满足低响应时间特征,因此,在此处研究的细小粒子范围内,将PM2.5随气象流一起平流传输的建模方法在物理上是合理的。

这一结果并不意味着PM2.5在空间上分布均匀或易于建模。所谓被动追踪物或接近追踪物的行为,仅说明粒子惯性并非导致模型误差的主因。空间上的PM2.5浓度梯度仍可能由不均匀的排放源、边界层演变、地形影响下的传输、湿沉降与干沉降、化学作用以及未完全解析的气象条件等因素造成。本研究通过证明在所分析的泰国地表层条件下,粒子惯性不太可能是限制PM2.5行为的物理因素,从而缩小了建模的复杂度。从实际应用角度看,“接近追踪物”这一分类意味着PM2.5可作为标量值随解析或参数化的气象场一起平流传输,而重力沉降效应则可通过现有欧拉模型和拉格朗日模型中的尺寸相关沉降或干沉降项来体现。在临界过渡直径范围之外,无需额外添加粒子动量方程、优先浓度处理、惯性漂移修正、附加质量项或历史力处理。唯一需要特别注意的是在弱湍流条件下那些最大且密度最高的PM2.5颗粒,尽管斯托克斯数远低于0.1,但其沉降参数Sv仍可能接近或略微超过0.1,此类颗粒应被视为受沉降影响的追踪物,而非惯性活跃颗粒。

同一时段的曼谷数据对比分析进一步验证了这样一个担忧:高PM2.5浓度时段可能与气候统计中未被发现的静态湍流状态同时出现。但分析结果反而加强了“PM2.5属于非惯性活跃范畴”这一结论。高PM2.5浓度时段确实对应着较弱的湍流,但较弱湍流会增大τη值,因此在粒子属性不变的情况下会导致斯托克斯数St=τp/τη下降。所有分析案例中最大的斯托克斯数也仅略高于0.01的严格阈值,没有任何案例接近0.1;在曼谷PM2.5浓度最高的1%时段内,1.5米高度处的斯托克斯数仍低于0.01。而沉降参数Sv的表现则有所不同:弱湍流会降低uη值,进而提高Sv=τpg/uη的值,尤其是在高空区域。因此,那些Sv略高于0.1的案例应被视为受沉降影响的追踪物,而非惯性活跃的PM2.5颗粒。这一同步测试进一步支撑了主要结论,同时也阐明了为何必须将惯性与重力沉降视为两种独立的动力学效应。

5.3 与PM10及粗颗粒行为的对比
临界直径分析的结果不仅适用于PM2.5,还可扩展到其他颗粒。在ρp=1500千克/立方米的标准密度下,曼谷地区斯托克斯数为0.1时的临界直径平均值为32.41微米,其第5百分位数到第95百分位数的范围为10.24至86.67微米;清迈地区的对应平均密度为54.14微米,该数值的第5百分位数到第95百分位数的范围则为19.11至123.68微米。通过对整个确定性密度矩阵进行类似计算,可得曼谷地区的临界过渡直径范围为27.39至37.85微米,清迈地区则为45.76至63.22微米(见表4)。这些临界过渡直径均远大于2.5微米,进一步证实了在整个密度范围内,PM2.5都处于非惯性过渡范畴之内。

与此同时,这些临界过渡直径与粗颗粒、道路扬尘、农业废弃物、花粉碎片以及大型生物质燃烧产生的颗粒尺寸存在重叠。这一现象与现有关于含颗粒湍流的文献一致——那些较大的大气颗粒,如云滴、类尘颗粒以及水成颗粒,也可能处于惯性与沉降效应共同影响湍流传输的动力学状态(Brandt和Coletti,2022;Shaw,2003;Grabowski和Wang,2013;Toschi和Bodenschatz,2009)。这就为PM2.5与更大尺寸颗粒之间的差异提供了物理层面的解释。虽然在本研究中PM2.5仍属于非惯性活跃范畴,但那些更大的粗颗粒可能确实需要考虑惯性与重力效应。这一区别非常重要,因为实际使用的颗粒尺寸分类标准并不总与动力学状态边界相吻合。以斯托克斯数0.1作为临界值,可以为传统的大气传输分析中的颗粒尺寸分类提供基于物理原理的补充。

5.4 对气溶胶-湍流耦合诊断的启示
体积分数分析结果显示,所分析的监测点数据中PM2.5浓度远低于单向耦合阈值。在ρp=1500千克/立方米的条件下降,最大监测点体积分数值为6.41×10?11;而若采用最高的PM2.5浓度值以及最低的确定性模型密度值ρp=1100千克/立方米来计算,则所有监测点的最坏情况体积分数值为1.75×10?10。这两个数值都比10?6低多个数量级,这充分说明PM2.5的浓度极为稀薄,其带来的颗粒对湍流的反馈效应可以忽略不计。

对于气溶胶-湍流耦合诊断而言,这意味着在所分析的数据集中,悬浮的PM2.5颗粒不会显著改变地表层的湍流特性,因此也可以忽略颗粒对载体气流的反馈作用。这一结果支持将PM2.5视为在监测网络分析中可被平流传输的大气标量。不过,这一结果本身并不能确定决定观测浓度值的排放、传输、大气混合、化学作用以及清除过程之间的相对重要性。此外,它也不意味着在地形复杂或城市环境中就无需进行高密度监测——因为当污染源与气象条件存在差异时,即便是被动标量也可能会出现明显的空间变异。

5.5 气象强迫的不确定性及风速验证
风速验证分析表明,ERA5模型虽能再现部分观测到的风速变化特征,但也存在与具体监测点相关的偏差。2023年期间,ERA5模型在曼谷、清莱、湄宏顺以及中部平原地区的平均风速估算值偏高,而在清迈地区的估算值则略有偏低。这种偏差趋势表明,大多数验证点上由ERA5模型计算得出的摩擦速度与湍流耗散率很可能偏高,进而导致估算的斯托克斯数也偏高。其中,中部平原地区的负偏差最为显著,其次是曼谷地区。五个监测点的皮尔逊相关系数介于0.25至0.51之间,说明再分析结果与地面观测数据之间存在中等程度但不完全一致的关系。由于湍流状态分析是基于季节性及稳定性分层后的统计结果,而非逐小时的预报数据,因此相比短期时间相关性,系统性的风速偏差对本研究更具参考价值。

这些验证结果非常重要,因为湍流计算依赖于ERA5模型提供的近地面气象数据以及地表层相关参数。风速偏差可能会进一步影响摩擦速度、湍流耗散率,以及科洛莫戈罗夫时间尺度和速度尺度。ERA5模型的风速验证结果显示,大多数验证点上ERA5模型计算出的平均风速均高于观测值。由于在中性对数关系中,u?值与近地面风速呈近似线性关系,这意味着ERA5模型计算出的摩擦速度、耗散率以及斯托克斯数,相较于相应监测点实际观测到的风速值,更有可能被高估。如果ERA5模型计算出的摩擦速度因某种乘法因子f而偏高,那么在粒子属性不变的情况下,耗散率?将被高估f3倍,τη值将被低估f3/2倍,而报告的斯托克斯数也将被高估f3/2倍。因此,若将因u?值被高估2倍而导致的最大PM2.5斯托克斯数进行偏差校正,其数值将从6.366×10?3降至6.366×10?3/2^3/2=2.25×10?3,这一数值已完全落入严格的St<0.01的被动追踪物范畴之内。

作为另一种保守性的验证思路,研究还假设了一种相反的情况:即ERA5模型低估了u?值2倍,这意味着实际的湍流强度高于模型估算值。在这种情形下,最大PM2.5斯托克斯数的数值将上升至6.366×10?3×2^3/2=1.80×10?2。虽然这会削弱对最保守的极端案例使用“St<0.01的被动追踪物”这一分类的合理性,但该数值仍远低于0.1的惯性活跃阈值。即便u?值被低估3倍,对应的斯托克斯数也仅为3.31×10?2,同样低于惯性活跃阈值。由此可见,风速强迫的不确定性虽会影响对最保守极端案例的严格被动追踪物分类精度,但总体而言,泰国PM2.5不属于惯性活跃范畴这一结论,即便在摩擦速度出现较大偏差的情况下依然成立。

5.6 局限性与稳健性
本研究存在的首要局限性在于,湍流动能耗散率是通过ERA5模型提供的地表层参数估算得出的,而非通过声学风速计或涡度协方差系统直接测量得到的。对于一项没有专项经费支持的国家级数值模拟研究而言,这一局限是难以避免的,不过由于不同状态之间的差异幅度较大,这一缺陷也在一定程度上得到了缓解。即便考虑了极端条件下的斯托克斯数与沉降参数值,仍没有任何确定性模型下的PM2.5案例属于惯性活跃范畴,因此研究结论并不依赖于接近惯性阈值的微小数值差异。

第二个局限性在于,颗粒属性参数体系中使用的直径与密度值均为代表性数值,而非针对每个地点和每个季节实际测量的颗粒尺寸分布与有效密度。为弥补这一缺陷,研究遍历了整个PM2.5直径范围以及由概率密度函数和密度数据所支持的宽泛密度区间。由于即使在最高代表性密度条件下,分析中所涉及的最大PM2.5颗粒仍不属于惯性活跃范畴,因此研究结论不太可能受到当地PM2.5尺寸分布具体形态的影响。

针对PM2.5尺寸先验参数的敏感性测试进一步支持了这一结论,同时也给出了一个重要补充:当将对数正态分布的尺寸先验参数向PM2.5的高尺寸区间扩展,并将其上限设定为2.5微米时,所有第95百分位数的斯托克斯数仍低于0.01的阈值,且没有任何样本中的最大值达到0.1的阈值。这说明,即便扩大PM2.5尺寸先验参数的范围,惯性活跃范畴的结论依然成立。不过,在某些先验参数范围较宽的案例中,极端情况下的沉降参数值仍会超过0.1的阈值,这表明即便粒子惯性效应很小,PM2.5的高尺寸颗粒尾部仍可能受到较弱的重力沉降影响。这一发现进一步强化了本文所提出的保守性双参数解释:PM2.5仍属于非惯性活跃范畴,但那些最极端的颗粒案例也不应被视作完全或绝对的被动颗粒。

另一个与表面参数相关的局限性在于,研究中使用了代表性的空气动力粗糙度长度,而非针对特定地点实测的z0值。此处采用的曼谷地区粗糙度值z0=0.50米,实际上应被视为混合型城市或城市边缘地区的粗糙度等级,而非针对人口最密集的商业中心区域的特定测量值。如果采用更高的城市核心区域粗糙度值,比如z0≈1.5米,根据对数形式的风速分布关系,u?值将增加约ln(10/0.5)/ln(10/1.5)≈1.58倍,相应地斯托克斯数也会增加约1.58^3/2≈1.99倍。将这一倍数应用于最大的确定性模型下的PM2.5颗粒值,其数值将上升至约1.27×10?2,这一数值虽会削弱对最保守案例使用“St<0.01的被动追踪物”这一分类的合理性,但仍远低于0.1的惯性活跃阈值。

第三个局限性在于,在地形复杂的地区,尤其是清迈和湄宏顺这类北部山谷地带,研究采用了地表层相似性假设。山谷气流、夜间逆温现象以及未完全解析的地形环流都可能产生一些湍流状态,而这些状态无法被再分析结果和地表层简化模型完全捕捉。未来研究应通过在泰国北部易发雾霾的地区进行直接湍流测量,来弥补这一缺陷。尽管如此,本研究仍然提供了一种可重复的一阶物理分类方法,有助于确定哪些区域开展此类测量最具价值。

这项研究的可推广性更多体现在方法论层面,而非数值计算层面。St–Sv–体积分数框架、确定性尺寸-密度扫描以及临界直径计算方法可应用于其他季风热带地区,但30–60μm的过渡范围不应被视为普遍适用的阈值。在中性表面层尺度关系下,?~u?3/(κz),τη~(ν/?)1/2,Dp?~(μτηSt?/ρp)1/2,因此当滑移修正较小时,临界直径大致遵循Dp?∝ρp?1/2u??3/4z1/4的关系。这样一来,若某地区的摩擦速度是曼谷参考案例的三倍,那么32μm的中央密度过渡直径将降低约33/4≈2.3倍,降至大约14μm。这一数值仍远高于2.5μm,但它说明了为何必须重新计算当地的湿度、温度、空气动力粗糙度、地形、稳定性分布、气溶胶浓度以及颗粒大小分布,而非直接采用泰国的数据。因此,泰国的分析只是为在炎热潮湿、受季风影响的表面层条件下推导此类阈值而设计的区域案例,并不能替代其他地区的本地湍流与气溶胶测量数据。最后,该分析假设颗粒为球形,且其阻力响应符合有效密度模型。而实际大气中的颗粒可能呈非球形、存在内部混合、具有吸湿性或类似分形结构,尤其是在生物质燃烧产生的气溶胶中。这些因素都可能改变有效密度和阻力响应。不过,确定性扫描已经覆盖了较宽的有效密度范围,且PM2.5的斯托克斯数始终远低于惯性作用发生的阈值。对于典型的生物质燃烧颗粒,其动态形状因子约为χ=1.2–1.5,即便取较高的χ=2值,通过斯托克斯阻力尺度换算后,其响应时间的变化也不到两倍,这一变化幅度仍远远不足以推翻“泰国地区的PM2.5仍处于非惯性活跃状态”这一核心结论。

6. 结论
本研究基于物理原理,确定了在泰国表面层湍流条件下,颗粒开始表现出惯性行为的临界尺寸阈值。通过结合ERA5提供的湍流估算数据、针对不同地点的湿空气性质计算、确定的PM2.5尺寸-密度矩阵、蒙特卡洛不确定性分析、基于监测站的体积分数分析、风力驱动验证以及临界过渡直径计算,本研究提出了一个基于动力学的气溶胶状态划分标准,可用于解释热带表面层湍流中细颗粒与粗颗粒的传输规律。主要的定量结果表明,当St=0.1时,平均临界过渡直径远高于PM2.5的尺寸范围。在ρp=1500 kg m?3的条件下,曼谷的平均Dp?值为32.41μm,清迈则为54.14μm,其第5至95百分位数值范围分别为10.24–86.67μm和19.11–123.68μm。在ρp介于1100–2100 kg m?3的整个范围内,曼谷的对应平均过渡直径范围为27.39–37.85μm,清迈则为45.76–63.22μm。这些数值标识出了一个具有物理意义的颗粒尺寸范围,在此范围内,粗颗粒在区域大气传输及气溶胶过程研究中可能需要纳入惯性或重力作用的影响。PM2.5的状态分类结果也表明,细颗粒的尺寸远低于这一过渡尺度。在涵盖泰国五个监测站点、三个参考高度、五种颗粒直径及五种颗粒密度的375组确定性PM2.5案例中,没有一组进入惯性活跃状态。其中最大的平均斯托克斯数为2.997×10?3,最大上尾斯托克斯数为6.366×10?3,均低于St=0.01这一严格的被动追踪粒子阈值。针对PM2.5尺寸先验值的敏感性测试也得出了相同的结论:无论采用基准先验、更宽的积累模式先验,还是更为严格的PM2.5上尾先验,所有情况下第95百分位的斯托克斯数均低于St=0.01,且没有任何样本的最大值达到St=0.1。沉降参数的相对变化则更大。在确定性矩阵中,其最大平均值和上尾值分别为4.517×10?2和8.154×10?2,而基于宽先验的敏感性分析则显示,极端情况下的沉降值有可能超过Sv=0.1。因此,最明确的结论并非所有处于上尾区的PM2.5颗粒都是完全被动的,而是说明在所分析的泰国表面层条件下,PM2.5仍处于非惯性活跃状态。科尔莫戈罗夫尺度分析与体积分数分析从不同角度得出了相同结论。平均科尔莫戈罗夫长度范围约为0.54至3.72毫米,远大于2.5μm的PM2.5临界值,这进一步证实了所分析颗粒属于亚科尔莫戈罗夫颗粒。在ρp=1500 kg m?3的条件下,经核实的最高监测站颗粒体积分数为6.41×10?11;而在ρp=1100 kg m?3的条件下,经过内部一致性校验的最低值则为1.75×10?10,这两个数值均远低于10?6这一单向耦合阈值。由此可见,曼谷所在城市监测站数据集中的PM2.5浓度极低,颗粒对湍流的影响可以忽略不计。总体而言,所确定的临界直径阈值给出了关于大气传输的重要启示:对于泰国的PM2.5而言,模型误差更可能源于排放、传输、边界层动力学、化学反应、沉积过程以及数据同化方面的问题,而非颗粒惯性尚未得到充分考虑。而对于那些尺寸接近30–60μm过渡范围的粗颗粒,则可能需要纳入惯性与重力作用的相关分析。该分析方法也可应用于其他季风热带地区的表面层环境,比如东南亚大陆、海洋性大陆、南亚季风前期区域以及赤道非洲地区,这些地方的颗粒传输会受到湿度、生物质燃烧、城市排放以及复杂地形等因素的影响。未来的研究应优先在易出现雾霾的北部山谷以及城市粗糙度影响较强的区域开展直接的湍流测量,从而进一步确定各地区的特定临界直径阈值。

数据与代码获取方式
ERA5再分析数据可从哥白尼气候数据存储库中免费获取。用于体积分数分析以及同一时段PM2.5与湍流关联分析的PM2.5监测站数据,来源于OpenAQ整合的曼谷城市区域监测记录,其中大部分数据来自Air4Thai监测设备,这些数据已在项目工作流程中被处理为干净的2023年每小时监测数据。监测站的体积分数数据则是根据这些清洗后的每小时数据生成的,并以百分位数和最高浓度等指标形式进行汇总;例如,经过质量控制的OpenAQ/Air4Thai传感器ID 1304349对应的数据,共包含4086条经过处理的每小时监测值。经过精心整理的分析代码、计算环境配置文件、2023年的高质量PM2.5监测站 hourly数据系列、经过处理的ERA5湍流场数据、配对的空气性质数据,以及用于支撑论文结果和修订版敏感性分析的处理结果表格,均存放在Zenodo平台上,其永久标识符为DOI: 10.5281/zenodo.20202090(Wangsomcholk, 2026)。大型原始气象数据文件不会直接分发,但已提供相应的下载和处理流程,以便用户能够利用原始公开数据源重复进行相关分析。

关于写作过程中生成式AI及AI辅助技术的声明
在撰写本研究报告的过程中,作者使用了生成式AI工具来协助语言编辑、结构调整以及提交前的清单核查工作。在使用这些工具之后,作者对内容进行了必要的审阅和修改,并对研究中的科学内容、分析过程、解读结果以及最终稿件承担全部责任。

资金支持
本研究未获得公共部门、商业机构或非营利组织所提供的任何专项资助。

Chalermpol Wangsomcholk
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号