Sichuan Havzasında Yükselti-Dağ ve Havza Topografyasının Kış Meteorolojisi ve PM2.5 Kirliliği Üzerindeki Etkileri

Orijinal Araştırma Makalesi

Front. Environ. Sci., 12 Kasım 2026

Bölüm: Atmosfer ve İklim

Cilt 14 – 2026 | https://doi.org/10.3389/fenvs.2026.1989205

• YZ

  Yi Zhang 1

• LL

  Lijuan Lei 2

• AL

  Anlong Liu 1

• JW

  Junjie Wang 1,3

• QW

  Qiang Wu 1

• TJ

  Tao Jiang 1

• 1. Sichuan Ekolojik ve Çevresel Bilimler Akademisi, Chengdu, Çin

• 2. Yunnan Üniversitesi Atmosfer Bilimleri Bölümü, Kunming, Çin

• 3. Chengdu Teknoloji Üniversitesi Ekolojik ve Çevresel Bilimler Fakültesi, Chengdu, Çin

Makale ölçütleri

Özet

Sichuan Havzası (SCB), benzersiz topoğrafik yapısı nedeniyle sonbahar ve kış aylarında sık sık büyük ölçekli ve kalıcı PM2.5 kirliliği yaşamaktadır. Ancak havzayı çeviren büyük ölçekli plato topoğrafisi ile önemli dağların (PM) ve havzanın kapalı arazisinin bölge hava kalitesi üzerindeki birleşik etkileri, özellikle de bunların altında yatan mekanizmalar tam olarak aydınlatılmış değildir. Tibet Platosu (TP) ile havza topoğrafisini ayrı ayrı ele alan önceki çalışmaların üzerine kurulan bu çalışma, bu iki topoğrafik özelliğin meteorolojik koşullar ve PM2.5 konsantrasyonları üzerindeki etkilerini izole etmek ve niceliksel olarak belirlemek için atmosfer kimyası–meteorolojisi eşleşik modelleme sistemi kullanarak topoğrafik duyarlılık simülasyonları gerçekleştirmiştir. Sonuçlar, her iki topoğrafinin de meteorolojik koşulları düzenleyerek bölgedeki PM2.5 kirliliğini kötüleştirdiğini ve kapalı havza topoğrafinin etkisinin PM arazisinin etkisinden 1,4 kat daha güçlü olduğunu göstermektedir. Spesifik olarak, PM arazisi 1–2,5 km yükseklikteki rüzgarları zayıflatarak bunları 1 km altındaki rüzgarlardan daha düşük hale getirmekte ve böylece dikey karışım yolunu kesmekte; yüzeye yakın rüzgar hızını 0,3 m s−1 azaltmakta ve sınır tabakası yüksekliğini 103 m düşürerek atmosferik yayılım koşullarını baskılamakta ve SCB’nin batı, güney ve doğu kısımlarında yaklaşık 40–50 μg m−3 oranında PM2.5 artışına yol açmaktadır. Kapalı havza topoğrafisi rüzgar hızını 0,7 m s−1 azaltmakta ve sınır tabakası yüksekliğini 183 m düşürmekte, öz nemliliği 1,1 g kg−1 artırmakta ve bu da merkezden güneye doğru SCB’nin çoğu bölgesinde 50–70 μg m−3 oranında PM2.5 artışına neden olmaktadır. Ayrıca, PM arazisinin meteorolojik imzası öğleden sonra zirveye ulaşırken, havza arazisinin özelliği nispeten düzgün kalmıştır; ancak her iki topoğrafinin de PM2.5 üzerindeki düzenleyici etkisi tutarlıdır. Bu bulgular, SCB’deki topoğrafik kaynaklı kirliliğe ilişkin niciksel ve mekanistik bir anlayış sunmakta ve hedefe yönelik bölge hava kalitesi yönetim stratejileri geliştirmek için teorik bir temel sağlamaktadır.

1 Giriş

Sürekli ve şiddetli PM2.5 kirlilik olayları, insan sağlığı ve ekolojik çevre açısından önemli tehditler oluşturmaktadır (Gao ve ark., 2017; Qiu ve ark., 2018). Birincil emisyonlar, atmosferik dağılım yetenekleri ve ikincil dönüşüm süreçleri dahil olmak üzere çeşitli faktörlerin birleşimi, bölgesel hava kalitesini etkiler. Bu faktörler arasında, atmosferik dağılım yeteneği ve ikincil dönüşüm, meteorolojik koşullara güçlü biçimde bağıldır. Örneğin, rüzgar hızı ve sınır tabakası yüksekliği, atmosferik dağılımı kritik düzeyde düzenler (Wang ve Chen, 2016); sıcaklık ve nem ise ikincil partikül madde oluşumunda anahtar rol oynar (Ding ve ark., 2021). Havzalar gibi karmaşık topoğrafya sahip bölgelerde, kirlilik olaylarının oluşumu, topoğrafyanın yerel dolaşımı, sınır tabakası yapısını ve kütle ve enerji alışverişini değiştirmesinden kaynaklanan etkilerle modüle edilebilir; böylece bölgesel atmosferik ortam sistematik biçimde etkilenir (Whiteman ve ark., 1999; Gao ve Ping, 2005; Grubišić ve ark., 2008; Danek ve ark., 2022).

Bu tür bir topoğrafik modülasyon etkisi, dünyada havza ve vadi şehirlerine ilişkin gözlem ve simülasyon çalışmalarında doğrulanmıştır. Örneğin, Los Angeles‘ı çevreleyen dağ bariyerleri rüzgar hızlarını azaltır ve kirletici taşınmasını sınırlar (Poulos ve Pielke, 1994); Santiago Havzası’ndaki karmaşık topoğrafya, gece sükunetini ve kararlı bir gece sınır tabakasını teşvik eder; bu da dikey dağılımı baskılar ve kirleticileri yüzeye yakın biçimde hapseder (Schmitz, 2005); Mexico City Havzası’ndaki doğu rüzgarlarının topoğrafik ayrışması, neredeyse sükunet içinde bir birleşme bölgesi oluşturarak kirleticileri şehir üzerinde hapseder (Jazcilevich ve ark., 2005); ve Kathmandu Vadisi’ndeki günlük yamaç akımları, vadi üzerinde hapsedilen kirleticileri geriye doğru yüzeye döndürerek sabah konsantrasyon zirvelerine yol açar (Panday ve Prinn, 2009). Bu çalışmalar, havza ve vadi topoğrafyasının yerel meteorolojik koşulları önemli ölçüde değiştirebileceğini ve dolayısıyla atmosferik kirleticilerin birikimini, dağılımını ve taşınmasını etkileyebileceğini göstermektedir.

Sichuan Havzası (SCB), batıda Tibet Platosu (TP) ve diğer kenarlarında sıralanan dağ sıralarıyla karakterize edilen özgün bir “platodan derin havzaya” topoğrafik yapısına sahiptir. Bu karmaşık topoğrafik ortam, SCB’yi özellikle sonbahar ve kış aylarında şiddetli PM2.5 kirliliğine karşı hassas kılmaktadır (Chen ve Xie, 2012; Qiao B. ve ark., 2019; Qiao X. ve ark., 2019; Zhou ve ark., 2019; Liu ve ark., 2022). Önceki çalışmalar, SCB üzerinde PM2.5’in mekânsal-zamansal dağılımı ve kaynaklarını kapsamlı biçimde araştırmıştır (Ning ve ark., 2018; Tian ve ark., 2019; Zhang ve ark., 2023). Yirmi yıllık sürekli uydu izleme verileri, SCB’deki aerosol optik derinliğinin (AOD) Çin’in diğer bölgelerine göre belirgin biçimde daha yüksek olduğunu, yüksek değerli bölgelerin ise büyük ölçüde SCB’nin batı ve güney kısımlarında yoğunlaştığını göstermektedir (de Leeuw ve ark., 2018); bu durum yer tabanlı gözlemlerle uyumludur (Wu ve ark., 2021). Sanayi ve konut faaliyetleri, SCB’nin şehir merkezlerindeki PM2.5’in en büyük kaynaklarıdır ve her biri yıllık PM2.5 konsantrasyonlarının yaklaşık %25–50’sine katkıda bulunmaktadır (Qiao ve ark., 2021). Bununla birlikte, emisyon yoğunluğu, SCB’deki hava kalitesinin tek belirleyicisi değildir; partikül maddesi kirliliğinin oluşumu, bölgenin özgün meteorolojik koşulları tarafından da düzenlenmektedir (Zhao ve ark., 2018). Yüzeye yakın yüksek bağıl nem, düşük sınır tabakası yüksekliği ve sık sık görülen termik tersinme, SCB’deki kış partikül maddesi kirliliğine katkıda bulunan tipik meteorolojik özelliklerdir (Liao ve ark., 2018; Cao ve ark., 2020; Feng ve ark., 2020) ve bu meteorolojik koşullar büyük ölçüde bölgenin özgün topoğrafikası tarafından kontrol edilmektedir.

Bu gözlemsel bulguların ötesinde, önceki sayısal çalışmaların SCB’nin karmaşık arazinin meteorolojik koşullar ve PM2.5 kirliliği üzerindeki etkisini açık biçimde incelediği bilinmektedir. Arazi bozma deneyleri kullanan Zhang ve ark. (2019), havza topografisinin yakın yüzey rüzgârlarını zayıflatarak, sınır tabakası yüksekliğini düşürerek ve alt troposferik sıcaklığı ve nemi artırarak yüzey PM2.5 konsantrasyonlarını artırığını göstermiştir. Aynı zamanda TP kaynaklı alçak taraftaki (lee-side) dolaşımın kirletici birikimi üzerindeki etkisini de ortaya koymuştur. Shu ve ark. (2021), kış sis olayı sırasında PM2.5’in üç boyutlu dağılımını daha ayrıntılı biçimde tanımlamış ve arazi kaynaklı alçak taraf vortekslerinin ve ikincil dolaşımların kirletici dikey yeniden dağılımı ve bölgesel taşınımı önemli ölçüde etkilediğini ortaya koymuştur. Ardından Shu ve ark. (2022), havza kaynaklı PM2.5 artışlarının mevsimsel özelliklerini incelemiş ve topografik olarak değiştirilmiş atmosferik termal yapıların ve taşınım süreçlerinin kirletici birikimi ve yeniden dağılımına nasıl katkı sağladığını göstermiştir. Bu çalışmalar bir araya geldiğinde, havza topografisinin ve plato kaynaklı dolaşımın SCB’nin atmosferik ortamını şekillendirmedeki önemli rollerini ortaya koymuştur. Yine de, PM zorlaması ve havza kapanışının bölges meteorolojik koşullar ve PM2.5 kirliliğine ait katkılarını birbirinden ayırt etmek için daha kapsamlı incelemelere ihtiyaç vardır. Özellikle, bu iki topografik etkinin günlük döngü içinde nasıl geliştiği ve atmosferik dağılımı baskılayıp kirliliği sürdüren roller mi gösterdikleri sistematik biçimde nicelendirilmeyi beklemektedir.

2023 yılının Ocak ayında SCB üzerinde 10 gün süren, 18 büyük şehri kapsayan kalıcı bir PM2.5 kirlilik olayı yaşandı. Çin Ulusal Çevre İzleme Merkezi (CNEMC)’nden alınan saatlik PM2.5 gözlemlerine dayanarak, 2023 yılının Ocak ayında aylık ortalama PM2.5 konsantrasyonu 78,9 μg m−3’e ulaştı ve 2021–2025 yılları arasında Ocak ayının en yüksek değerini oluşturdu. Bu olayı temsili bir vaka olarak ele alan bu çalışma, çok kaynaklı yerinde (in situ) gözlemleri yüksek çözünürlüklü sayısal simülasyonlarla ve arazi-hassasiyet deneyleriyle birleştirerek PM–havza topoğrafyasının birleşik etkisinin PM2.5 kirliliğini nasıl düzenlediğini incelemektedir. Özellikle şunlar hedeflenmektedir: (1) PM topoğrafyası zorlamasının ve havza kapanışının ana meteorolojik değişkenlere ve PM2.5 konsantrasyonlarına olan ayrı ayrı ve birleşik katkılarının nicelendirilmesi; (2) bu topojik etkilerin sınır tabakası yapısını, dikey kirletici yeniden dağılımını ve yatay taşımayı nasıl düzenlediğinin aydınlatılması; ve (3) bunların günlük evriminin ve iki topojik etkinin şiddetli PM2.5 kirliliğinin sürüp durmasının mekanizmalarına katkı sağlama biçimlerinin incelenmesi. Farklı topojik bileşenlerin katkılarını ve bunların zamana bağlı etkileşimlerini ayırt ederek bu çalışma, SCB’deki kalıcı hava kirliliğinin altında yatan meteorolojik mekanizmalar hakkında derinleşen içgörüler sunmaktadır.

2 Malzemeler ve yöntemler

Bu çalışmada, Weather Research and Forecasting (WRFv4.4.1) modeli tarafından çevrimdışı meteorolojik alanlarla beslenen Community Multiscale Air Quality (CMAQv5.4) modeli kullanılmıştır. Analiz ve yeniden analiz verileri ile izleme verileri modelini beslemek ve değerlendirmek için, ayrıca meteorolojik koşulları ve kirlilik özelliklerini analiz etmek için kullanılmıştır.

2.1 Veriler

Sıfıncı nesil ECMWF yeniden analiz veri seti (ERA5, https://cds.climate.copernicus.eu/datasets), 0.25°×0.25° uzaysal çözünürlükle (Hersbach et al., 2023) WRF modeli için başlangıç ve yan sınır koşulları olarak kullanıldı. ERA5 yeniden analiz verileri, model performansının meteorolojik alanları (2 m sıcaklık, 2 m nem, 10 m rüzâr hızı ve PBLH) simülasyonundaki başarısını değerlendirmek ve meteorolojik değişkenlerin zamansal ve uzaysal değişimlerini analiz etmek için ayrıca kullanıldı. Özellikle hem model çıktısı hem de ERA5 verileri, Tablo 1’de listelenen 18 ulusal temel meteorolojik istasyondan alındı. Buna ek olarak, simüle edilen PM2.5 konsantrasyonları, SCB’deki yer izleme istasyonlarından gözlemlerle karşılaştırıldı. Saatlik PM2.5 konsantrasyonları, SCB’deki 18 büyük şehirden Çin Ulusal Çevre İzleme Merkezi (CNEMC, https://www.cnemc.cn/jcbg/) üzerinden sağlandı (Şekil 1B) ve bu gözlemler kirlilik özelliklerinin teşhisinde ayrıca kullanıldı.

TABLE 1

Meteorolojik istasyon bilgileri.

FIGURE 1

2.2 Model açıklaması ve deney ayarları

Bu çalışmada gerçekleştirilen WRF-CMAQ (offline) simülasyonları, meteorolojik koşulların hava kirletici konsantrasyonları üzerindeki etkilerini incelemek amacıyla yaygın olarak kullanılmaktadır (Dou ve ark., 2024; Tan ve ark., 2017). Şekil 1A, WRF simülasyon alanını göstermektedir. Üç iki yönlü iç içe geçmiş alan yapılandırılmıştır; d01, d02 ve d03 için yatay ızgara boyutları sırasıyla 193 × 169, 169 × 151 ve 217 × 208’dir. İlgili yatay çözümler 27 km, 9 km ve 3 km olup, SCB tamamen d03 alanı tarafından kapsanmaktadır. Dikey olarak model, yüzeyden 100 hPa’ya kadar 34 dikey seviye ve yaklaşık 47 m en alt seviye derinliğiyle uzanmaktadır. Simülasyon dönemi 31 Aralık 2022 ile 15 Ocak 2023 arasında sürmüş ve model çıktıları saatlik aralıklarla kaydedilmiştir. İlk 3 gün model ısınma (spin-up) için ayrılmıştır. Grid analiz nudging etkinleştirilmiştir. Fiziksel parametreleme şemaları, birden fazla duyarlılık testi temelinde en iyi kombinasyon olarak belirlenmiş ve üç iç içe geçmiş alanın tamamında aynı şemalar kullanılmıştır. Fiziksel yapılandırmalar, Thompson mikrofizik şeması (Thompson ve ark., 2008), MM5 benzerliği yüzey katmanı şeması (Jiménez ve ark., 2012), RRTMG uzun ve kısa dalga radyasyonu (Iacono ve ark., 2008), YSU planetaryar sınır katmanı şeması (Hong ve ark., 2006), Noah-MP yüzey modeli (Niu ve ark., 2011) ve Grell 3D kümülasyon parametrelemesi (Grell, 1993; Grell ve Dévényi, 2002) içermektedir; bu sonuncu aynı zamanda 3 km çözünürlükte d03 alanında da kullanılmaktadır. Üç iç içe geçmiş alanın tamamında yalnızca arazi yüksekliği (HGT_M) değiştirilmiş, arazi kullanımı alanı ise değiştirilmemiştir. Simülasyon performansını daha da artırmak için dikey hız sönümleme seçeneği etkinleştirilmiştir. topoğrafik etkiler açısından, yerçekimi dalgası sürüklemesi ve alçak seviye akış engelleme’ye ek olarak, subgrid ölçekli yerçekimi dalgası sürüklemesi (Tsiringakis ve ark., 2017) ve türbülanseli orografik form sürüklemesi (Beljaars ve ark., 2004) parametreleme şemalarına dahil edilmiş ve sürükleme şemaları tarafından kullanılan subgrid orografisi istatistikleri yeniden hesaplanmamıştır.

WRF tarafından simüle edilen meteorolojik veriler, PM2.5 konsantrasyonlarının alan-zaman evrimini simüle etmek için CMAQ’yu çalıştırmak amacıyla girdi olarak kullanıldı. CMAQ, Karbon Bağları kimyasal mekanizmasını ve AERO7 aerosol modülünü içeren CB6r5_AE7_AQ kimyasal mekanizma paketiyle yapılandırıldı (Appel ve ark., 2021). En dıştaki alanın hem başlangıç koşulları hem de sınır kimyasal koşulları, CMAQ’nun varsayılan alanlarından elde edildi. İnsan kaynaklı emisyon envanterleri, biyokütle yanımından kaynaklanan emisyonları içermeyen Çin için Çok Çözünürlüklü Emisyon Envanteri (MEIC, 2020; http://meicmodel.org.cn) (Geng ve ark., 2024) kullanılarak elde edildi. Şunu belirtmek gerekir ki, MEIC 2020 envanteri, Ocak 2023’teki emisyon koşullarını tam olarak yansıtmayabilir. Yine de, aynı envanter deneylerin tamamında birebir aynı şekilde uygulandığı için, emisyonla ilgili yanlılık ortak modda oldu ve deneyler arası fark almada büyük ölçüde sadeleşti. Bu nedenle, deneyler arası farkların, 2020 emisyon envanterinin kullanımından kaynaklanan belirsizliklere karşı daha az hassas olması bekleniyor. Biyojenik emisyonlar, Doğadan Gaz ve Aerosol Emisyonları Modeli (MEGANv3.2) (Guenther ve ark., 2020) kullanılarak hesaplandı.

Plato-ova topoğrafyasının yol açtığı dinamik ve termal zorlamaların meteorolojik koşullar ve buna bağlı kirletici konsantrasyonu dağılımındaki değişimler üzerindeki etkilerini incelemek için üç deney tasarlandı. Kontrol deneyi (Case Ctr) orijinal arazi konfigürasyonunu korudu ve gerçek atmosfer koşullarına yaklaşan meteorolojik alanlar ve kirletici dağılımları yeniden üretti (Şekiller 1A,B). Bir duyarlılık deneyi (NPM), 25.00–40.00°N ve 71.95–108.00°E arasındaki 500 m’yi aşan tüm grid hücrelerini düzgün şekilde 500 m’ye indirgedi (toplam 5990 grid hücre). Bu işlem Himalayaları (Everest Dağı dahil, 5593 m), Pamer Platosunu (4440 m), Hint Kuşu’nu (4062 m), güney Tian Shan’ı, Hengduan Dağları’nı, Qinling’i ve Yunnan–Guizhou Platosunu (içinde Kunming’in 2081 m ve Guiyang’in 1281 m olduğu grid hücreleri dahil) kaldırdı. Buna karşılık, ovanın doğu kenarı boyunca 108°E’nin doğusundaki topoğrafya korundu (Wushan 841 m ve Wuling 540 m değişmeden kaldı) ve 40°N’in kuzeyinde 3000 m’yi aşan 168 grid hücre de korundu. Bu kesme işlemi iki noktada arazi basamakları oluşturur. 25°N boyunca, arazi 100–104°E’de tek bir 27 km’lik grid hücre içinde 1836’dan 1962 m’ye düşerek yaklaşık 1.4–1.5 km’lik bir faya oluşturur ve bu d02 içinde, ovanın yaklaşık 250–350 km güneyinde yer alır. 108°E boyunca, arazi 28.5–32.6°N’de 500 m’den 767–1059 m’ye yükselerek yaklaşık 0.3–0.5 km’lik bir basamak oluşturur ve bu d03 içinde kalır. Şunu belirtmek gerekir ki, Pamer Platosu ve Himalayalar ovanın 2000 km’den fazla uzağında olduğundan, kaldırılmaları öncelikle model alanına giren büyük ölçekli akışı değiştirir; yerel engelleyici etkiyi değil; dolayısıyla NPM deneyi hem büyük ölçekli plato topoğrafyasının hem de ovanı çevreleyen büyük dağların birleşik etkisini yansıtır (Şekiller 1C,D). Değiştirilen arazinin pürüzsüz olmayan sınırları vardır ve bu, kontrol ile NPM simülasyonları arasındaki farkları yorumlarken dikkate alınması gereken bir sınırlamaya, yapılı arazi süreksizlikleri getirebilir. Başka bir duyarlılık

Deney (NBS vakası), çöğün tabanını doğuya bakan bir rampa içine kaldırarak SCB’nin etkisini izole etmek amacıyla, topoğrafik çöküntüyü basitçe doldurmak yerine tasarlanmıştır. Bu müdahale 333 ızgara hücreyi değiştirir; ortalık yükseliş ortalaması 1.180 m, maksimumu ise 2586 m’dir. 30°N boyunca zorlanan yüzey yüksekliği, 102,9°E’de 3383 m’den 104,0°E’de 2910 m’ye, 105,1°E’de 2437 m’ye, 106,0°E’de 2082 m’ye, 107,1°E’de 1.609 m’ye ve 108,0°E’de 1.170 m’ye doğuya doğru azalır; bu da 5° boylam boyunca yaklaşık 2,2 km’lik bir düşüşe karşılık gelir. Dikkat çeken nokta, NBS yüzeyinin Ctr deneyinde kirlenmiş tabakının üstü olarak belirlenen yüksekliğin ya da onun üzerinde yer almasıdır; böylece NBS’den çıkan emisyonlar atmosferin farklı bir bölümüne girer (Şekil 1E,F). Tüm deneyler, yalnızca belirtilen topoğrafik yükseklik değişiklikleri dışında özdeş model yapılandırmalarını kullanmıştır.

3 Bulgular

3.1 Simülasyon performans değerlendirmesi

Tablo 2, meteorolojik değişkenler ve PM2.5 konsantrasyonları için gözlemler ile simülasyonlar arasındaki istatistiksel doğrulama metriklerini özetlemektedir; tüm metrikler P2 döneminde saatlik çözünürlükte 18 şehir üzerinde ortalamalıdır. PM2.5 verilerinin CNEMC’den, meteorolojik değişkenlerin ise ERA5’ten elde edildiği belirtilmektedir. Meteorolojik değişkenlerin simülasyon performansı değerlendirilirken Yanlışlık Ortalaması (MB), Hata Ortalaması (ME), Karekök Ortalama Kare Hatası (RMSE) ve korelasyon katsayısı (R) kullanılmışken, PM2.5 konsantrasyonunun simülasyon performansı değerlendirilirken Normalleştirilmiş Yanlışlık Ortalaması (NMB), Normalleştirilmiş Hata Ortalaması (NME), Kesirli Yanlışlık Ortalaması (MFB) ve Kesirli Hata Ortalaması (MFE) kullanılmıştır (Boylan ve Russell, 2006; Emery et al., 2017). Yüzeye yakın meteorolojik değişkenler için simüle edilen 2 m sıcaklığın gözlemlerle 0.86 yüksek korelasyon katsayısına sahip olduğu, küçük bir negatif MB değeri olan −0.7 °C, 1.6 °C ME ve 2.0 °C RMSE ile karakterize edildiği görülmektedir. 2 m bağıl nem için R değeri 0.82 olup, buna eşlik eden −0.02 g kg-1 kadar küçük bir MB ve makul hata büyüklükleri bulunmaktadır. 10 m rüzgar hızı için R 0.52’ye ulaşmış, küçük bir aşırı tahmin (MB = −0.2 m s-1) ve kabul edilebilir ME ve RMSE değerleri gözlemlenmiştir. Simüle edilen ortalamalı PBLH değeri 461.4 m olup, 271.4 m MB ve 273.8 m ME değerlerine sahiptir. ME değeri MB değerine neredeyse eşit olduğundan, PBLH’nin aşırı tahmini neredeyse sistematik niteliktedir. Önemli olan, simüle edilen PBLH’n ERA5 verileriyle yüksek tutarlılık göstermesi (R = 0.88) olup, bu durum sistematik yanlışlığa rağmen modelin PBLH’nin zamansal değişkenliğini iyi yakaladığını göstermektedir. Bu nedenle PBLH sonuçları yalnızca sınır tabakası yapısındaki göreli değişimleri niteliksel olarak betimlemek için kullanılmıştır ve mutlak değerleri kantitatif olarak yorumlanmamalıdır. Buna ek olarak, Şekil 2A, Wenjiang ve Shapingba istasyonlarında simüle edilen 00:00 sıcaklık profillerinin gözlemlerle, özellikle 500 hPa altındaki bölgede 0.4 °C ile 1.6 °C arasındaki farklarla yüksek tutarlılık gösterdiğini göstermektedir. PM2.5 konsantrasyon simülasyonu açısından bakıldığında, simüle edilen ve gözlemlenen değerler arasında R 0.75’tir. NMB −15.3%, NME 21.4%, MFB −27.0% ve MFE 32.9% olup, tüm değerler kabul edilebilir aralıklardadır.

Simülasyonun P2’nin sonunda (13 Ocak) PM2.5’i belirgin biçimde düşük hesaplaması üzerine, bu günü çıkararak bir duyarlılık testi yürüttük. Yeniden hesaplanan ölçütler (NMB = −7,2%, NME = 14,4%, MFB = −9,1%, MFE = 16,3%, R = 0,83) model performansının sağlam kaldığını doğruluyor. Şekil 2B ve 3A, simüle edilen PM2.5 zaman dizisi ve alansal dağılımının gözlemlerle genel olarak uyumlu olduğunu, ancak birkaç bireysel istasyondaki alansal dağılımın iyi yansıtılamadığını gösteriyor; bu durum emisyon kaynakları ve karmaşık arazi gibi etmenlerle ilişkili olabilir. Genel olarak, tüm meteorolojik değişkenler ve PM2.5 konsantrasyonları iyi düzeyde korelasyon ve kabul edilebilir sapmalar elde etti; bu da WRF-CMAQ modelinin çalışma alanında meteorolojik koşulların ve PM2.5 kirliliğinin değişimlerini makul biçimde yeniden üretebildiğini ve simülasyon sonuçlarının sonraki duyarlılık sayısal deneyleri için güvenilir olduğunu gösteriyor. Şu da belirtilmeli ki, sayısal modeller atmosferik rastlantısız türbülansı veya karmaşık yer yüzeyleri tarafından tetiklenen meteorolojik bozulmaları tam olarak yakalayamaz. Ayrıca, sayısal modellerin dinamik çerçeveleri ve fiziksel parametrlenme şemelerindeki içsel belirsizlikler de simülasyon hatalarına katkıda bulunabilir.

TABLO 2

WRF-CMAQ ile simüle edilen meteorolojik değişkenlerin ve yüzey yakınları PM2.5 konsantrasyonlarının istatistiksel değerlendirmesi.

Her iki meteorolojik (ERA5) ve PM2.5 (CNEMC) veri seti, SCB içindeki 18 şehir üzerinde ortalaması alınarak P2 döneminde saatlik çözünürlükte değerlendirildi. (Meteorolojik veriler, Tablo 1’de listelenen istasyonlara dayanarak çıkarıldı. PM2.5 konsantrasyonları, önce her şehirdeki tüm devlet kontrolündeki izleme istasyonlarından gözlemler çıkarılarak ve ardından şehir düzeyinde PM2.5 değeri elde etmek için ortalaması alınarak hesaplandı.)

ŞEKİL 2

ŞEKİL 3

3.2 SCB’de PM2.5 kirliliği özellikleri

Şekil 4, çalışma döneminde SCB ve oradaki 18 büyük şehirde gözlemlenen PM2.5 kirliliğinin uzamsal ve zamansal gelişim özelliklerini sunmaktadır. Bölgesel ortalamaya göre PM2.5 konsantrasyonu, 18 büyük şehrin PM2.5 konsantrasyonlarının aritmetik ortalaması olarak hesaplandı (Şekil 4A). Çin’in Ortam Havası Kalitesi İndeksi Teknik Yönetmeliği (HJ 633-2012) tarafından kesin olarak belirtilen PM2.5 kirliliği sınıflandırma kriterlerine başvurularak, kirlilik olayı üç tipik aşamaya ayrıldı: kirlilik öncesi birikme dönemi (P1 aşaması: 2–3 Ocak), sürekli kirlilik birikmesi ve şiddetlenme dönemi (P2 aşaması: 4–13 Ocak) ve hızlı kirlilik dağılması ve arınma dönemi (P3 aşaması: 14–15 Ocak).

ŞEKİL 4

P1 evresinde, SCB’nin bölgesel günlük ortalaması olan PM2.5 konsantrasyonu yavaşça artmış ve 75 μg m−3 kritik eşiğinin altında kalmıştır. Havza içindeki çoğu şehirde hava kalitesi genel olarak iyi olup, yalnızca dört şehirde hafif kirlilik gözlemlenmiştir (Şekil 4B). P2 evresinde havzanın bölgesel ortalaması olan PM2.5 konsantrasyonu hızla yükselmiş ve 139 μg m−3 değerinde bir tepe noktasına ulaşmıştır. Kirlilik alanı kademeli olarak genişlemiş ve sonunda SCB’deki 18 büyük şehrin tamamını kapsayacak düzeye ulaşmıştır; havza çapında hava kirliliği düzeyi de “yüksek düzeyde iyi”den hafif kirliliğe, hatta daha üst düzeylere kadar kademeli olarak yükselmiş ve tipik bir bölgesel bileşik kirlilik olayı oluşmuştur (Şekil 4C). P3 evresinde, kuzeyden SCB’ye yüksek hızda soğuk hava kütlesi girmiş ve atmosferik yayılım koşullarını büyük ölçüde iyileştirmiştir. Bölgesel ortalaması olan PM2.5 konsantrasyonu 13 Ocak’taki hafif kirlilik düzeyinden 14 Ocak’ta 35 μg m−3’ün altına keskin biçimde düşmüş ve 16 büyük şehrin tamamında (Guangyuan ve Ya’an’daki veri eksikliği hariç) hava kalitesi hızla “mükemmel” ve “iyi” düzeyine geri dönmüştür (Şekil 4D); bu da bölgesel PM2.5 kirlilik olayının sona erdiğini göstermiştir.

3.3 PM2.5 kirliliğini etkileyen başlıca meteorolojik faktörler

Yukarıda belirtildiği gibi, SCB’deki PM2.5 kirliliğinin zamansal ve mekânsal değişimleri, bölgesel meteorolojik koşullar ile havza topoğrafyasının birleşik etkilerinden etkilenmektedir. Saatlik PM2.5 gözlemleri (CNEMC) ve meteorolojik veriler (ERA5), havza çapındaki koşulları tanımlamak üzere 18 şehir (N = 336) üzerinde mekânsal ortalama almıştır. PM2.5 konsantrasyonları, 10 m rüzgâr hızı (WS) ile R = −0.38 ve PBLH ile R = −0.41 arasında negatif; 2 m sıcaklık (T) ile R = 0.58 ve 2 m bağıl nem (SH) ile R = 0.86 arasında ise pozitif korelasyonlar göstermiştir. Saatlik verilerde içsel zamansal otokorelasyonu ele almak için ayrıca günlük ortalama ve blok bootstrap metodu uygulanmıştır. Günlük ortalama yaklaşımı, 336 saatlik gözlem (14 gün) 14 bağımsız günlük örneğe indirilerek gün içi otokorelasyonu ortadan kaldırmaktadır. Blok bootstrap metodu ise orijinal 336 saatlik örneği korur, ancak 1.000 yineleme için sürekli 24 saatlik bloklar (yerine koyma ile) yeniden örnekleyerek her bloğun içindeki otokorelasyon yapısını dikkate alırken sağlam bir %95 güven aralığı üretmektedir. Doğrusal eğilim ve günlük (gündüz-gece) döngü kaldırıldıktan sonra, her iki yaklaşım da tüm meteorolojik değişkenler için anlamlı ilişkiler ortaya koymuştur. WS (günlük ortalama R = −0.64, p = 0.013; %95 Güven Aralığı (GA) = [-0.88, −0.21]), PBLH (günlük ortalama R = −0.94, p < 0.001, N = 14; blok bootstrap %95 GA = [-0.81, −0.67]), T2 (R = 0.94, p < 0.001; %95 GA = [0.66, 0.92]), SH (R = 0.97, p < 0.001; %95 GA = [0.87, 0.97]). Bu sonuçlar, meteorolojik mekanizmaların gözlem süresi boyunca sağlamlığını doğrulamaktadır.

PM2.5 konsantrasyonlarının eşit derecelendirilen meteorolojik sınıflar üzerindeki dağılımlarını gösteren kutu grafikleri (Şekil 5), farklı meteorolojik koşullarla ilişkili dağılım değişkenliklerini daha iyi ortaya koymaktadır. Daha yüksek rüzgâr hızı ve daha büyük PBLH koşulları altında genellikle daha düşük PM2.5 konsantrasyonları gözlemlenmiş; bu durum, artan yatay havalandırma ve dikey türbülanslı karışım ile tutarlıdır. Bu sınıflarda medyan PM2.5 konsantrasyonu 75 μg m−3 değerinin altına düşmüştür. Buna karşılık, PM2.5 konsantrasyonları sıcaklık ve özgül nem sınıfları boyunca artmıştır. Sıcaklık 5.0 °C’nin üzerinde ve özgül nem 4.1 g kg−1’in üzerinde olduğunda medyan konsantrasyon 75 μg m−3’ü aşmış; sıcaklık 9.7 °C’nin üzerinde ve özgül nem 5.6 g kg−1’in üzerinde olduğunda ise medyan konsantrasyon 100 μg m−3’ü aşmıştır.

ŞEKİL 5

Özetle, zayıf rüzgâr, düşük sınır tabakası yüksekliği, yüksek sıcaklık ve yüksek nem, PM2.5 birikimine elverişli meteorolojik koşullarla ilişkilidir. Yine de bu fiziksel tutarlılık, bölgesel havalandırma ve kirletici dağılımını kısıtlayabilen SCB’nin karmaşık topoğrafyasının rolünü daha ileri düzeyde incelemeyi teşvik etmektedir. Bu mekanizmayı daha iyi araştırmak için topoğrafyanın kirlenme üzerindeki etkilerini nicelendiren duyarlılık simülasyonları yapılmıştır.

3.4 SCB’de PM2.5 kirlenmesinin topoğrafya tarafından modülasyonu

P2 evresi, nispeten istikrarlı makro ölçekli meteorolojik koşullar altında sürekli kirlenme birikimine uğraması nedeniyle topoğrafik hassasiyet simülasyonları için seçildi; bu durum 700 hPa jeopotansiyel yükseklik alanı ve zayıf deniz seviyesi basınç gradyanları ile gösterilmiştir (Şekil 6B,E). Bu istikrarlı arka plan koşulları, geçici makro ölçekli sistemlerin yol açtığı parazit etkisini azaltarak topoğrafikanın yerel sirkülasyon ve PM2.5 birikimi üzerindeki etkilerini daha net biçimde ortaya çıkarmaya yardımcı olabilir. WRF-CMAQ simülasyon sonuçlarına göre, farklı topoğrafik konfigürasyonlar altındaki sürekli kirlenme birikimi ve şiddetlenme dönemi (P2) sırasında PM2.5 konsantrasyonlarının mekânsal dağılımı Şekil 3’te sunulmuştur. Bu kirlenme olayı sırasında, SCB genelinde PM2.5 konsantrasyonunun kuzeyde düşük, güneyde yüksek değerler sergilediği bir mekânsal örüntü gözlemlenmiştir (Şekil 3A). Özellikle simüle edilen ortalam PM2.5 konsantrasyonu, SCB’nin güneyindeki bölgelerde 100 μg m-3 değerini aşmış ve kalıcı bir yüksek kirlenme kuşağı oluşturmuştur. SCB’nin batısındaki birkaç saçaklı yüksek değer merkezinde PM2.5 konsantrasyonu yaklaşık 100 μg m-3 seviyesinde olup bunlar büyük şehirlerle (örneğin Chengdu, Leshan ve Zigong) örtüşmektedir.

ŞEKİL 6

PM2.5 konsantrasyonları arasındaki topoografik olarak ortaya çıkan farklar Şekil 3B,C’de gösterilmektedir. Bu farklar, PM arazisi (Ctr eksi NPM) ve havza topoografik yapıları (Ctr eksi NBS) ile ilişkilidir. Hassasiyet deneyleri, PM arazisinin ve havza topoografik özelliklerinin, NPM deneyindeki 38,7 μg m−3 ve NBS deneyindeki 27,4 μg m−3 değerinden Ctr deneyinde 70,3 μg m−3’e çıkarak sırasıyla 31,6 μg m−3 ve 42,9 μg m−3 artış, yani sırasıyla %81,6 ve %156,6 göreli artış sağladığını ortaya koymuştur. Burada havza ortalamalı değerler, havza içindeki 18 büyük şehrin tamamını kapsayan dörtgen bir alanda hesaplanmıştır. Bu alan, SCB’nin doğal coğrafi sınırlarına dayanarak belirlenmiş olup, bundan sonra havza ortalamalı alan olarak adlandırılmaktadır (Şekil 1B’deki mavi dörtgen). Kapalı SCB topoografisinin etkisi daha belirgin olmuş, PM arazisinin etkisinin yaklaşık 1,4 katına ulaşmıştır. Uzaysal olarak PM2.5 konsantrasyonundaki artış dikkate değer heterojenlik göstermiş, iki topoografik yapı arasında hem büyüklük hem de kapsama açısından açık farklar görülmüştür. PM arazisi, SCB’nin kenar bölgelerindeki PM2.5 kirliliğine belirgin katkı sağlamış; havzanın batı, güney ve doğu kısımlarında PM2.5 konsantrasyonları yaklaşık 40–50 μg m−3 artmıştır (Şekil 3B). Bu yüksek artışlar öncelikle topoografik engellemenin yatay dağılımı baskılayıp kirleticileri yüzeyde hapseddiği rüzgârı karşıdan alan yamaçlarda yoğunlaşmıştır. Karşılaştırma yapıldığında, SCB topoografisi, merkezden güney havzasına kadar olan çoğu bölgede 50–70 μg m−3 arasında PM2.5 konsantrasyon artışına yol açmıştır (Şekil 3C). Kapalı topoografi, atmosferik durgunluk ve kirletici birikmesi için elverişli koşullar sağlamıştır (Xiang ve ark., 2022).

Şekil 3D–F, farklı deneylerde P2 evresinde 30°N boyunca PM2.5 konsantrasyonlarının dikey dağılımını (deniz seviyesinden yükseklik (ASL)) sunmakta ve PM-havza topoğrafyasının yol açtığı dikey hapsedilme etkilerini daha iyi açıklamaktadır. Kontrol deneyinde (Ctr), PM2.5 konsantrasyonları yükseklikle genel olarak azalmaktaydı. En yüksek konsantrasyonlar (40 μg m−3 değerini aşan) yakın yüzey katmanına (1 km’nin altında) güçlü biçimde hapsedilmişti. Bununla birlikte, kirli katman (konsantrasyonlar >30 μg m−3) merkez havzada yaklaşık 1–1.5 km’ye kadar uzanmaktaydı (Şekil 3D). NPM deneyinde, PM2.5 konsantrasyonları yükseklikle düzenli olarak azalmaktaydı. Kalın kirli katman ortadan kaldırılmış ve kirleticiler 0.8 km’nin altındaki daha ince bir katmana sıkıştırılmış, maksimum konsantrasyonlar 20–30 μg m−3’e düşürülmüştür. 1.5 km’nin üzerinde konsantrasyonlar hızla düşmekte ve serbest troposfer boyunca 10 μg m−3’ün altında kalmaktadır (Şekil 3E). Buna karşılık, NBS deneyindeki yakın yüzey PM2.5 konsantrasyonu, PM arazisinin yol açtığı konsantrasyondan belirgin biçimde daha düşüktür (Şekil 3F). Bu farkın nedeni, SCB’nin yapay doldurulmasının meteorolojik alanları köklü biçimde değiştirmiş olmasıdır. Salınımlar en alt model seviyesinde kalsa da, havzanın “kase benzeri” topoğrafyasının ortadan kaldırılması yakın yüzey rüzgâr hızlarını ve atmosferik dağılımı artırmaya yol açması muhtemeldir. Sonuç olarak, kirleticiler hızla havalandırılmış ve Ctr deneyinde gözlemlenen ciddi birikimin önüne geçilerek büyük ölçüde temiz bir atmosfer (çoğunlukla <10 μg m−3) oluşturulmuştur.

Özünde, böyle topoğrafik etkiler PM2.5 konsantrasyonlarını rüzgâr dolaşımı, sınır tabaka gelişimi, sıcaklık ve nem koşulları dahil olmak üzere yerel meteorolojik koşulları değiştirerek düzenlemektedir. Bu topoğrafik kaynaklı meteorolojik değişimlerle kirletici birikimi arasındaki fiziksel mekanizmalar, sonraki analizde ayrıntılı biçimde tartışılmaktadır.

3.5 Topografyanın PM2.5 birikimi üzerindeki düzenleyici mekanizmaları

3.3 bölümünde de analiz edildiği gibi, rüzâr hızı, planetar sınır katmanı yüksekliği, sıcaklık ve öz nem, SCB’deki PM2.5 konsantrasyonlarını etkileyen önemli meteorolojik faktörlerdir. Yer şekilleri, alt yüzeyin temel bir öğesi olarak, bu meteorolojik koşulları yerel atmosferik dolaşım kalıplarını değiştirerek düzenler ve böylece kirletici birikmesi ve dağılımı üzerinde kritik bir kontrol uygular. Şekil 7, PM–havza yer şekillerinin 10 m WS, PBLH, 2 m T, 2 m SH (Ctr eksi NPM ve Ctr eksi NBS) dahil olmak üzere başlıca meteorolojik değişkenler üzerindeki etkilerinin alansal dağılımını ve üç deney altındaki dikey rüzâr ve sıcaklık profillerini göstermektedir. Şekil 7’deki rüzâr alanı, zonel (U) ve meridyonal (V) rüzâr bileşenlerinden sentezlenmiştir ve bu rüzâr alanında dikey hız hariç tutulmuştur. PM arazinin varlığı, SCB genelinde atmosferik yayılım koşullarını belirgin biçimde kötüleştirmiştir. Havza ortalamalı 10 m rüzâr hızı Ctr deneyinde 1.4 m s−1 olup, NPM deneyindekinden 0.3 m s−1 (%17.6) daha düşüktür. Özellikle yakın yüzeydeki rüzâr hızı, SCB’nin batısında belirgin biçimde azalmış, 10 m rüzâr hızı 0.6 m s−1’den fazla düşmüştür (Şekil 7A). Ctr deneyinde havza ortalamalı PBLH 454 m olup, NPM deneyindekinden 103 m (%18.5) daha düşüktür ve SCB’nin batısında yerel azalmalar 300 m’yi aşmaktadır (Şekil 7C). Yüzeye yakın termodinamik koşullar açısından, havza ortalamalı 2 m sıcaklıkları Ctr deneyinde 8 °C ve NPM deneyinde 8.2 °C’dir (Şekil 7E), öz nemler ise hem Ctr hem de NPM deneyinde 6 g kg−1’dir (Şekil 7G). Bu küçük farklar, PM yer şekillerinin havza genelinde sıcaklık ve nem üzerinde neredeyse bir değişikliğe yol açmadığını göstermektedir.

ŞEKİL 7

Buna karşılık, SCB topoğrafisi havza genelinde yüzey yakınları rüzgar hızlarında yaygın azalmalar tetikledi; Ctr deneyi, NBS deneyine göre ortalamada 0,7 m s⁻¹ (%33,3) oranında azalma gösterdi. Bu etki özellikle güney SCB’de belirgindi; burada yerel rüzgar hızı azalmaları 0,9 m s⁻¹’i aştı ve kirletici yayılımını daha da sınırladı (Şekil 7B). Şekil 7B’deki çizgiler arazi enterpolasyonunun birer yan ürünü olabilir; ancak bölgenin büyük bir kısmında hâlâ belirgin bir rüzgar hızı azalma sinyali mevcuttur. Ayrıca, 108°E boylamında dar kuzey-güney şeridi halinde azalmış rüzgar hızı ve buna eşlik eden düşmüş PBLH şeridi, arazi basamağı ile ilişkilidir (Şekil 7A,C). Havza ortalaması PBLH, NBS deneyinde 637 m iken, Ctr deneyi NBS’ye göre 183 m’lik (%28,7) bir azalma gösterdi ve havzanın merkezinde, güneyinde ve doğusunda yerel düşüşler 300 m’yi aştı (Şekil 7D). Bu arada, havza topoğrafisi hem hava sıcaklığını hem de öz nemliliği artırdı; havza ortalaması artışları sırasıyla 3,6 °C ve 1,1 g kg⁻¹ oldu. Sıcaklık, rüzgar, PBLH ve PM2.5’teki değişimlerin NBS deneyinde Ctr deneyine göre büyük ölçüde fiziksel bir yanıttan çok, NBS’deki önemli yükselti düzeltmesinin (yani yükselti etkisinin) baskınlığı altında oluştuğu; öz nemliliğindeki artışın ise havzanın nem hapsinin daha sağlam bir göstergesi olduğu önemli. Batı SCB’de yüzey sıcaklığı 4,5 °C’den fazla arttı (Şekil 7F) ve öz nemlilik yaklaşık 2–3 g kg⁻¹ arttı (Şekil 7H).

Bu sonuçlar birlikte değerlendirildiğinde, PM arazisinin yatay ve dikey yayılım kapasitelerini (rüzgâr engelleme ve PBL baskılaması yoluyla) esas olarak sınırladığı, ancak ikincil aerosol oluşumunu etkileyebilecek nem koşullarını düzenlemede sınırlı bir etkiye sahip olduğu görülmektedir. Kapalı SCB topoğrafisi, meteoroloşik koşullar üzerinde daha belirgin bir etki yapmıştır. Yalnızca dikey türbülanslı karışımı ve yatay yayılmayı baskılayarak kirletici seyreltme ve taşıma verimliliğini sınırlamakla kalmamış, aynı zamanda nemi hapsederek daha nemli ve kararlı bir yüzey yakın ortamı oluşturmuştur. Bu yerelleşmiş nem birikmesi ve durgunluk koşulu, ikincil PM2.5 oluşumu için son derece uygun bir mikromuhit yaratmaktadır.

7I1–7I3 numaralı şekiller, farklı topoğrafik duyarlılık deneylerinde (ASL) 30°N enlem hattı boyunca dikey sıcaklık profillerini ve yatay alan rüzgâr sahalarını göstermektedir. Ctr deneyinde, plato ve çevresindeki dağlar tarafından engellenen düşük irtifada (1 km altı) kuzeyden esen rüzgârlar nispeten güçlüydü; bu da kirleticilerin güneye taşınması ve birikmesi için elverişliydi. Bu durum, Şekil 3A’daki güneye kaymış olan yüksek PM2.5 konsantrasyonuyla uyumludur. 1–2,5 km irtifalarda rüzgâr hızları belirgin şekilde zayıflar ve bazı alanlarda neredeyse durgunluk görülür. Bu dikey rüzgâr kesimi (altta güçlü, ortada zayıf rüzgârlar) kirleticilerin serbest atmosferdeki yukarı çıkış kanalını keserek kirleticilerin yüzeye yakın tabakada hapsolmasına yol açar. NPM deneyinde topoğrafik bariyerin kaldırılmasıyla 1–2,5 km irtifada rüzgâr hızları belirgin şekilde artar ve kuzeyden esen rüzgârlara dönüşür; bu da bu irtifa seviyesindeki havalandırma koşullarını büyük ölçüde iyileştirerek kirleticilerin birikmesini etkili biçimde baskılar. NBS deneyinde arazi doldurulup yamaça dönüştürüldüğünde kesit boyunca tutarlı ve güçlü güneybatıdan esen rüzgârlar görülür ve havza içindeki topoğrafik sürtünme etkisi ortadan kalkar. Bu güçlü yatay havalandırma kirleticileri bölgeden uzaklaştırarak bu alandaki atmosferik partikül maddesi konsantrasyonlarını azaltır; aslında bu “yatay havalandırma”, zorlanan yamaç nedeniyle zorlanan yamaç aşağı akışıdır.

Şekil 8, SCB’deki 18 şehrin gündüz değişimlerini, üç topoğrafya duyarlı deneyde ortalamaya alınan PM2.5 konsantrasyonları ve meteorolojik değişkenler üzerinden göstermektedir. Üç deneyin yakın yüzey meteorolojik değişkenlerini etkilediği dönemler belirgin biçimde farklılık göstermekte ve PM’in ile havza topoğrafyasının sınır tabakası süreçleri üzerindeki zamansal modülasyon mekanizmalarının farklı olduğunu yansıtmaktadır. Hem NPM hem de NBS deneyleri, gündüz döngüsü boyunca hızları modüle etmiştir. Ctr deneyine kıyasla, NPM deneyi 11:00 ile 18:00 arasında en belirgin hız artışını göstermiş, 11:00-18:00 ortalaması için 0.4 m s-1’lik bir artış kaydedilirken, NBS deneyi 00:00-06:00 arasında ortalamaya 0.6 m s-1 daha yüksek hızlar sergilemiş; 10:00’den itibaren iki deney arasındaki fark kademeli olarak genişlemiş ve 23:00’e kadar sürerek 1.0 m s-1’lik bir maksimuma ulaşmıştır (Şekil 8A). PBLH açısından, NPM ve NBS deneyleri 10:00-14:00 arasında karşılaştırılabilir yükseltici etkiler üretmiş, ortalamaya sırasıyla Ctr deneyinden 163.9 m ve 169.3 m daha yüksek PBLH değerleri verirken, geri kalan saatlerde (ertesi gün 15:00-09:00) ortalamaya sırayla 79.9 m ve 176.8 m daha yüksek olmuşlar; bu da NBS deneyinde daha güçlü bir yükseltici etki olduğunu göstermektedir (Şekil 8B). Sıcaklık ve öz nem değişimleriyle ilgili olarak, NPM deneyi Ctr deneyine kıyasla nispeten küçük sapmalar sergilemiş (sırayla günlük ortalamaya 1 °C ve 0.3 g kg-1 fark), bu da önceki analizle uyumludur. Topoğrafya kaynaklı yükseltici etki nedeniyle, NBS deneyindeki hava sıcaklığı gün boyu Ctr’deki sıcaklıktan tutarlı biçimde düşük kalmış, düşüşler 2.3 °C (11:00-18:00) ile 3.6 °C (ertesi gün 19:00-10:00) arasında değişmiştir (Şekil 8C). Öz nem azalmaları sırayla 1.0 g kg-1 (14:00-23:00) ve 0.8 g kg-1 (00:00-17:00) olmuştur (Şekil 8D).

ŞEKİL 8

Yukarıdaki günlük karşılaştırma, PM arazisi ve SCB topoğrafyasının yakıt yüzeyi hava alanı, planeter sınırlayıcı katman yapısı, sıcaklık ve nem koşulları üzerinde zaman-diferansiyeli düzenleyici etkiler exert ettiğini açıkça göstermektedir. Ctr ile NPM/NBS arasındaki PM2.5 konsantrasyon farkları, gece ile erken sabah (00:00–08:00) arasında zirveye ulaşmış, bu dönemde ortalamalar sırasıyla 32 ve 50 μg m-3 olmuş, öğleden sonra (13:00–18:00) ise en küçük değerlere ulaşarak yaklaşık 26 ve 36 μg m-3 ortalamalarına ulaşmıştır (Şekil 8E). İki topoğrafik etkinin gece-erken sabah ile öğleden sonra oranları sırasıyla 1.6 ve 1.4 olup, yalnızca hafifçe farklılaşarak iki topoğrafinin PM2.5’i zaman tutarlılığı ile düzenlediğini göstermektedir; bu durum, yukarıda betimlenen meteorolojik elemanların zaman modülasyonuyla da uyumludur. NBS deneyinde, gece ile erken sabah arasındaki daha yüksek hava hızları ve daha güçlü sınırlayıcı katman yükselmesi, NBS ile Ctr arasındaki yayılma koşulları farkını büyütmüş ve buna karşılık gelen gece PM2.5 zirvesine karşılık gelmiştir. NPM deneyinde ise sıcaklık nem sapmaları küçük olmuş ve hava hızı artış dönemi (11:00–18:00) öğleden sonrayla kısmen örtüşmüş; ancak öğleden sonra nispeten gelişmiş sınırlayıcı katman ve daha iyi arka plan havalandırması, NPM ile Ctr arasındaki yayılma koşulları farkını azaltmış ve buna karşılık gelen öğleden sonradaki minimum PM2.5 farkına karşılık gelmiştir. Özetle, iki topoğrafik sistem meteorolojik elemanları düzenlemede belirgin zaman farklılıkları sergilemekte ve SCB’deki atmosferik yayılma koşullarının benzersiz günlük değişim özelliklerini biçimlendirmede birlikte görev almakta, böylece bölge PM2.5 kirlilik birikiminin zaman evrimini daha da belirlemektedir.

4 Sonuç ve tartışma

Sonbahar ve kış aylarında büyük ölçekli ve kalıcı ağır PM2.5 kirliliğine son derece yatkın olan SCB, güneybatı Çin’in temel ekonomik ve nüfus bölgesidir; bunun temel nedeni benzersiz kapalı arazi yapısı ve karmaşık plato-havza eşleşme sistemidir (Wu ve ark., 2021; Shu ve ark., 2022). Önceki çalışmalar, SCB’de atmosferik kirletici yayılımını sınırlayan iki temel faktörün meteorolojik durgunluk ve arazi engellemesi olduğunu ortaya koymuştur (Shu ve ark., 2021; Wu ve ark., 2026). Ancak mevcut çalışmaların çoğu yalnızca tek bir meteorolojik koşulun ya da havza arazisinin kirliliğe olan bağımsız etkisine odaklanmış; PM ve SCB arazilerinin farklı etkilerinin nicel ayrımını ve bunların gündüz-gece düzenleyici mekanizmalarını açıklamaktan yoksundur.

SCB’deki 18 büyük şehrin tamamını kapsayan tipik 10 günlük bölgesel bir PM2.5 kirliliği olayına dayanarak (bölgesel ortlama PM2.5 konsantrasyonu 139 μg m-3 değerine ulaşarak zirveye ulaşmasıyla) bu çalışma, PM2.5, meteorolojik koşullar ve eşleşmiş arazi arasındaki mekansal-zamansal tepki ilişkisini sistematik olarak açıklamaktadır. Sonuçlar, düşük rüzgar hızı ve düşük planetaryar sınırvakı yüksekliğinin PM2.5 birikimine elverişli olduğunu doğrulamaktadır. PM2.5 konsantrasyonunun 10 m rüzgar hızı ve planetaryar sınırvakı yüksekliğiyle gösterdiği belirgin negatif korelasyon, havzadaki bölgesel ağır kirliliğin meteorolojik kontrol mekanizmasını daha da pekiştirmektedir.

Daha da önemlisi, bu çalışma arazi kaynaklı etkilerin nicel ayrıştırılmasını sunmaktadır. WRF-CMAQ duyarlılık simülasyonu sonuçları, hem PM arazinin hem de SCB’nin kapalı havza arazisinin bölgesel PM2.5 kirliliğini belirgin biçimde artırdığını; konsantrasyon artışlarının sırasıyla 31,7 μg m-3 ve 42,9 μg m-3 olduğunu nicel olarak kanıtlamaktadır. Kapalı havza arazisinin kirliliği artırıcı etkisi, PM arazinin etkisinin 1,4 katıdır; bu sayede kapalı topoğrafik hapsedici etkinin SCB’deki kalıcı kirliliğin baskın topoğrafik faktörü olduğu nicel olarak doğrulanmakta ve önceki çalışmaların arazi baskın kirlilik birikimine dair nitel sonuçları tamamlamaktadır. Alan bakımından PM arazisi, yatay engelleme yoluyla havzanın batı, güney ve doğu dağlık kenarlarında yüksek kirlilik bölgeleri oluştururken, SCB’nin kapalı havza arazisi kirleticilerin merkezden güneye doğru birikmesini tetiklemektedir. Diyagonal olarak PM arazisi 1–2,5 km yükseklikteki rüzgarları zayıflatarak bunları 1 km altındaki rüzgarlardan daha düşük hale getirmekte ve dikey karışım yolunu kesmektedir; ayrıca yüzeye yakın rüzgar hızını 0,3 m s-1 düşürüp sınır tabakası yüksekliğini 103 m azaltarak atmosferik yayılma koşullarını baskılamaktadır. Kapalı havza topoğrafik yapısı rüzgar hızını 0,7 m s-1 ve sınır tabakası yüksekliğini 183 m azaltmakta, öz nemliliği ise 1,1 g kg-1 artırarak bir yandan atmosferik yayılma koşullarını baskılayıp diğer yandan ikincil aerosol oluşumu için nemli koşullar sağlayabilmektedir. Bu çalışmanın önemli bulgularından biri, PM ve SCB arazilerinin topoğrafik düzenleyici etkilerinin zamansal farklılaşma özelliklerini ortaya koymasıdır. Özellikle PM arazisinin meteorolojik imzası öğleden sonra doruğa ulaşırken, havza arazisinin özelliği nispeten dengeli kalmış; ancak iki topoğrafik yapı PM2.5’i tutarlı biçimde düzenlemiştir.

Sonuçlar, arazi kaynaklı kontrolü yalnızca statik bir perspektiften açıklayan önceki çalışmaların bakış açısını genişleterek, plato-basin topoografisinin bölgesel hava kirliliğinin gelişimini nasıl düzenlediğini açıklayan dinamik bir günlük mekanizma ortaya koyuyor. Pratik uygulamalar açısından, bu çalışmada nicelendirilen arazi katkıları ve kirliliğin mekânsal-zamansal gelişim kalıpları, Sichuan Havzası’nda (SCB) hedefe yönelik sayısal destek sağlayarak kesin erken uyarı, kaynak ayrıştırma ve hava kalitesinin ayrıntılı yönetimine katkıda bulunabilir. Bununla birlikte, birkaç sınırlama kabul edilmelidir. Bunlardan biri, bu araştırmanın yalnızca PM2.5 konsantrasyonunun mekânsal-zamansal gelişim özellikleri ve birikme-yayılma mekanizmalarına odaklanması, ancak partikül maddenin kimyasal bileşimini (örneğin ikincil inorganik iyonlar, organik karbon, elemental karbon) ve ön maddelerin dönüşüm sürecini analiz etmemesidir. Bu nedenle, topoografik olarak düzenlenen meteorolojik koşullar ile ikincil aerosol kimyasal oluşumu arasındaki belirli tepki ilişkisini daha net biçimde açıklayamaz. İkincisi, analizin tek bir tipik kirlilik olayına dayanması, araştırma sonuçlarının evrenselliğini belirli bir ölçüde sınırlayabilir. Üçüncüsü, ERA5 yan sınırları gerçekliklerini koruduğu için, alana giren büyük ölçekli zorlamalar yine plato’nun engelleme ve yönlendirme sinyallerini taşır; bunlar dikkate alınmalı ve gelecekteki model simülasyonlarına dahil edilmelidir. Bu sınırlamaları aşmak için gelecekteki çalışmalar, plato-basin çift topoografinin ikincil PM2.5 oluşum yollarına etkisini araştırmak ve arazi, meteoroloji ile aerosol kimyası arasındaki temel eşleşme mekanizmalarını daha derinlemesine ortaya çıkarmak için uzun süreli sürekli gözlemleri saha simülasyon deneyleriyle birleştirebilir. Ayrıca, arazi etkilerini analiz etmek için çok yıllık kirlilik olayı veri setleri entegre edilerek bulguların genellenirliği ve uygulanabilirliği artırılabilir.

Açıklamalar

Veri erişilebilirliği açıklaması

Bu makalenin sonuçlarını destekleyen ham veriler, gereksiz bir sakınma olmaksızın yazarları tarafından erişime sunulacaktır.

Yazar katkıları

YZ: Yazılım, Soruşturma, Yazım – taslak, Biçimsel Analiz, Doğrulama. LL: Soruşturma, Yönetmenlik, Yazım – inceleme ve düzenleme, Yöntem. AL: Yazım – taslak, Soruşturma, Yazılım, Biçimsel Analiz. JW: Doğrulama, Yazım – taslak, Biçimsel Analiz. QW: Doğrulama, Yazım – inceleme ve düzenleme, Yazılım. TJ: Doğrulama, Yazım – inceleme ve düzenleme, Biçimsel Analiz.

Finansman

Yazar(lar), bu çalışma ve/veya yayımı için finansal destek alındığını beyan etmiştir. Bu çalışma (Çin Ulusal Ana Araştırma ve Geliştirme Programı) (Birim no: 2023YFC3709301) ve (Sichuan Bilim ve Teknoloji Programı) (Birim no: 25ZDYF0189) tarafından desteklenmiştir.

Çıkar çatışması

Yazar(lar), bu çalışmanın ticari veya olası bir çıkar çatışması olarak değerlendirilebilecek herhangi bir ticari ya da finansal ilişki olmadan yürütüldüğünü beyan etmiştir.

Üretken yapay zeka beyanı

Yazar(lar), bu el yazısında üretken yapay zekanın kullanılmadığını beyan etmiştir.

Bu makaledeki şekillerle birlikte sağlanan alternatif metinler (alt text) Frontiers tarafından yapay zeka desteğiyle oluşturulmuş olup, mümkün olduğunca yazarların incelemesini de içeren makul çabalar doğruluk açısından alınmıştır. Herhangi bir sorunu tespit ederseniz lütfen bizimle iletişime geçin.

Yayıncı notu

Bu makalede ifade edilen tüm iddialar yalnızca yazarların görüşlerini yansıtır ve bağlı oldukları kuruluşların, yayıncının, editörlerin veya hakemlerin görüşlerini mutlaka yansıtmaz. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisinin yapabileceği herhangi bir iddia, yayıncı tarafından garanti edilmez veya desteklenmez.

Ekle malzeme

Bu makalenin Ekle Malzemesi çevrimiçi olarak şu adresten bulunabilir: https://www.frontiersin.org/articles/10.3389/fenvs.2026.1989205/full#supplementary-material

• Appel K., Bash J. O., Fahey K. M., Foley K. M., Gilliam R. C., Hogrefe C. ve diğerleri (2021). Topluluk ölçekli çoklu hava kalitesi (CMAQ) modeli sürümleri 5.3 ve 5.3.1: sistem güncellemeleri ve değerlendirme. Geosci. Model Dev. 14, 2867–2897. 10.5194/gmd-14-2867-2021

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• Beljaars A. C. M., Brown A. R., Wood N. (2004). Türbülanslı orografik form sürüklemesi için yeni bir parametreleme. Q. J. R. Meteorol. Soc. 130, 1327–1347. 10.1256/qj.03.73

  • CrossRef
  • Google Scholar
  • View reference in article

• Boylan J. W., Russell A. G. (2006). Üç boyutlu hava kalitesi modelleri için PM ve ışık soğurma model performans metrikleri, hedefler ve kriterler. Atmos. Environ. 40, 4946–4959. 10.1016/j.atmosenv.2005.09.087

  • CrossRef
  • Google Scholar
  • View reference in article

• Cao B., Wang X., Ning G., Yuan L., Jiang M., Zhang X. ve diğerleri (2020). Çin Sichuan Havzasında sınır tabakası yüksekliğini etkileyen faktörler ve bunların hava kalitesiyle ilişkisi. Sci. Total Environ. 727, 138584. 10.1016/j.scitotenv.2020.138584

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• Chen Y., Xie S. (2012). Çin Sichuan Havzasında 1973’ten 2010’a zaman ve mekân görünürlük trendleri. Atmos. Res. 112, 25–34. 10.1016/j.atmosres.2012.04.009

  • CrossRef
  • Google Scholar
  • View reference in article

• Danek T., Weglińska E., Zareba M. (2022). Meteorolojik faktörlerin ve arazi yapısının hava kirliliği konsantrasyonu ve yayılımı üzerindeki etkisi: Polonya’ın Kraków şehrinden jeostatistik bir vaka çalışması. Sci. Rep. 12, 11050. 10.1038/s41598-022-15160-3

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• de Leeuw G, Sogacheva L, Rodriguez E, Kourtidis K, Georgoulias A. K, Alexandri G ve diğerleri (2018). ATSR-2, AATSR ve MODIS/terra kullanılarak anakara Çin üzerinde toz optik derinliği (AOD) üzerine iki on yıllık uydu gözlemi: veri seti değerlendirmesi ve büyük ölçekli örüntüler. Atmos. Chem. Phys.18, 1573–1592. 10.5194/acp-18-1573-2018

  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Ding J, Dai Q, Zhang Y, Xu J, Huangfu Y, Feng Y. (2021). Air humidity ikincil toz oluşumunu farklı yollar aracılığıyla etkiler. Sci. Total Environ.759, 143540. 10.1016/j.scitotenv.2020.143540

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Dou X, Yu S, Li J, Sun Y, Song Z, Yao N ve diğerleri (2024). Kuzey Çin Ovası’nda yüksek düzeyde O3 ve PM2.5 içeren karmaşık bir kirlilik olayının WRF-CMAQ simülasyonu: kirlilik özellikleri ve nedenleri. Atmosphere15, 198. 10.3390/atmos15020198

  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Emery C, Liu Z, Russell A. G, Odman M. T, Yarwood G, Kumar N. (2017). Fotokimyasal model performansını değerlendirmek için istatistik ve kıyaslama önerileri. J. Air Waste Manag. Assoc.67, 582–598. 10.1080/10962247.2016.1265027

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Feng X, Wei S, Wang S. (2020). Çin Sichuan Havzası’nda atmosferik sınır tabakası ve alt troposferdeki sıcaklık tersinmeleri: iklim bilgisi ve air pollution üzerindeki etkileri. Sci. Total Environ.726, 138579. 10.1016/j.scitotenv.2020.138579

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Gao S, Ping F. (2005). Büyük topoğrafik zorlama ile oluşan lee vorteksi üzerine bir deney çalışması. Chin. Sci. Bull.50, 248–255. 10.1007/BF02897535

  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Gao J, Woodward, Vardoulakis S, Kovats S, Wilkinson P, Li L. ve ark. (2017). Çin’de sis: güncel kanıtların gözden geçirilmesi ve buna yönelik politika yanıtları. Sci. Total Environ.578, 148–157. 10.1016/j.scitotenv.2016.10.231

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• Geng G, Liu Y, Liu Y, Liu S, Cheng J, Yan L. ve ark. (2024). 2013 ile 2020 arasındaki PM2.5 kirliliğiyle mücadelede Çin’in temiz hava eylemlerinin etkinliği. Nat. Geosci.17, 987–994. 10.1038/s41561-024-01540-z

  • CrossRef
  • Google Scholar
  • View reference in article

• Grell G. A. (1993). Küme bulut parametrlenştirmelerinde kullanılan varsayımların öngörü değerlendirmesi. Mon. Weather Rev.121, 764–787. 10.1175/1520-0493(1993)121<0764:PEOAUB>2.0.CO;2

  • CrossRef
  • Google Scholar
  • View reference in article

• Grell G. A, Dévényi D. (2002). Ensemble ve veri eşleştirme tekniklerini birleştiren konveksiyon parametrlenştirmesi için genelleştirilmiş bir yaklaşım. Geophys. Res. Lett.29, 38-1-38–4. 10.1029/2002GL015311

  • CrossRef
  • Google Scholar
  • View reference in article

• Grubišić V, Doyle J. D, Kuettner J, Mobbs S, Smith R. B, Whiteman C. D. ve ark. (2008). Arazi kaynaklı rotor deneyi: gözlem öne çıkanlarıyla birlikte bir saha kampanyası genel bakışı. Bull. Am. Meteorol. Soc.89, 1513–1534. 10.1175/2008BAMS2487.1

  • CrossRef
  • Google Scholar
  • View reference in article

• Guenther A, Jiang X, Shah T, Huang L, Kemball-Cook S, Yarwood G. (2020). “Biyojenik emisyonların tahmini için Doğal Gazlar ve Aerosollerin Emisyonu Modeli sürüm 3 (MEGAN3),” Air Pollution Modeling and its Application XXVI içinde. Editörler Mensink C, Gong W, Hakami A. (Cham: Springer International Publishing), 187–192. 10.1007/978-3-030-22055-6_29

  • CrossRef
  • Google Scholar
  • View reference in article

• Hersbach, Bell, Berrisford, Biavati, Horányi, Muñoz Sabater, J. ve ark. (2023). 1940’ten günümüze basınç seviyeleri üzerindeki ERA5 saatlik verileri. Copernic. Clim. Change Serv. (C3S) Clim. Data Store (CDS). 10.24381/cds.bd0915c6

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Hong, S.-Y., Noh, Y., Dudhia, J. (2006). Entrainment süreçlerini açık biçimde işleyen yeni dikey difüzyon paketi. Mon. Weather Rev. 134, 2318–2341. 10.1175/MWR3199.1

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Iacono, M. J., Delamere, J. S., Mlawer, E. J., Shephard, M. W., Clough, S. A., Collins, W. D. (2008). Uzun ömürlü sera gazları tarafından radyasyonel zorlama: AER radyasyon aktarım modelleriyle hesaplamalar. J. Geophys. Res. Atmos. 113, D13103. 10.1029/2008JD009944

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Jazcilevich, A. D., García, A. R., Caetano, E. (2005). Karmaşık arazi tarafından yerel olarak oluşturulan yüzey hava yakınsaması ve Meksika Vadisi’nde hava kirliliği üzerindeki etkileri. Atmos. Environ. 39, 5481–5489. 10.1016/j.atmosenv.2005.05.046

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Jiménez, P. A., Dudhia, J., González-Rouco, J. F., Navarro, J., Montávez, J. P., García-Bustamante, E. (2012). WRF yüzey tabakas formülizasyonu için gözden geçirilen bir şema. Mon. Weather Rev. 140, 898–918. 10.1175/MWR-D-11-00056.1

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Liao, T., Gui, K., Jiang, W., Wang, S., Wang, B., Zeng, Z. ve ark. (2018). Sichuan ve Chongqing’de kışın hava durgunluğu ve bunun hava kalitesi üzerindeki etkisi, güneybatı Çin. Sci. Total Environ. 635, 576–585. 10.1016/j.scitotenv.2018.04.122

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Liu Y, Tian J, Zheng W, Yin L. (2022). Alanısal istatistik temelinde Çin’de pus ve kirlenme parçacıklarının alanısal ve zamansal dağılım özellikleri. Urban Clim. 41, 101031. 10.1016/j.uclim.2021.101031

  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Ning G, Wang S, Ma M, Ni C, Shang Z, Wang J ve ark. (2018). Sichuan Havzası’nın farklı bölgelerindeki hava kirlenme özellikleri. Sci. Total Environ. 612, 975–984. 10.1016/j.scitotenv.2017.08.205

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Niu G.-Y, Yang Z.-L, Mitchell K. E, Chen F, Ek M. B, Barlage M ve ark. (2011). Çoklu parametre dizilimine sahip topluluk Noah kara yüzey modeli (Noah-MP): 1. Model açıklaması ve yerel ölçekli ölçümlerle değerlendirme. J. Geophys. Res. Atmos. 116, D12109. 10.1029/2010JD015139

  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Panday A. K, Prinn R. G. (2009). Nepal’de Kathmandu Vadisi’nde hava kirlenmesinin günlük döngüsü: gözlemler. J. Geophys. Res. Atmos. 114, 2008JD009777. 10.1029/2008JD009777

  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Poulos G. S, Pielke R. A. (1994). Kararlı tabakalanma ve güneybatı esintisi koşulları altında Los Angeles Havzası kirlenmesinin Grand Canyon’a taşınmasının sayısal analizi. Atmos. Environ. 28, 3329–3357. 10.1016/1352-2310(94)00127-7

  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Qiao B, Chen Y, Tian M, Wang H, Yang F, Shi G ve ark. (2019a). Güneybatı Çin’de küçük bir şehirde PM2.5 kirlenme olayları sırasında suda çözünür inorganik iyonların karakterizasyonu ve gelişim süreçleri. Sci. Total Environ. 650, 2605–2613. 10.1016/j.scitotenv.2018.09.376

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Makalede referansı görüntüle

• Qiao, X., Guo, H., Tang, Y., Wang, P., Deng, W., Zhao, X. ve diğerleri (2019b). Güneybatı Çin’deki Sichuan Havzası’nın 18 şehinde ince partikül maddenin yerel ve bölgesel katkıları. Atmos. Chem. Phys. 19, 5791–5803. 10.5194/acp-19-5791-2019

  • CrossRef
  • Google Scholar
  • Referansı makalede görüntüle

• Qiao, X., Yuan, Y., Tang, Y., Ying, Q., Guo, H., Zhang, Y. ve diğerleri (2021). Sichuan Havzası’nd ince partikül maddenin kaynağını kaynak odaklı modelleme perspektifinden ortaya çıkarmak. Atmos. Environ. 244, 117896. 10.1016/j.atmosenv.2020.117896

  • CrossRef
  • Google Scholar
  • Referansı makalede görüntüle

• Qiu, H., Yu, H., Wang, L., Zhu, X., Chen, M., Zhou, L. ve diğerleri (2018). Çin’deki Sichuan Havzası’nda çevresel hava kirliliğinden kaynaklanan genel ve nedene özgü solunum yolu hastalıklarının yükü: çok şehirli zaman serisi analizi. Environ. Res. 167, 428–436. 10.1016/j.envres.2018.08.011

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Referansı makalede görüntüle

• Schmitz, R. (2005). Santiago de Chile’de hava kirliliğinin yayılımının modellenmesi. Atmos. Environ. 39, 2035–2047. 10.1016/j.atmosenv.2004.12.033

  • CrossRef
  • Google Scholar
  • Referansen makalede görüntüle

• Shu, Z., Liu, Y., Zhao, T., Xia, J., Wang, C., Cao, L. ve diğerleri (2021). Sichuan Havzası üzerinde yükseltilmiş 3 boyutlu PM2.5 yapıları ve karmaşık arazi zorlamalı döngülerin ağır sis kirliliğine etkisi. Atmos. Chem. Phys. 21, 9253–9268. 10.5194/acp-21-9253-2021

  • CrossRef
  • Google Scholar
  • Referansen makalede görüntüle

• Shu, Z., Zhao, T., Liu, Y., Zhang, L., Ma, X., Kuang, X. ve diğerleri (2022). Çin’in güneybatısındaki Sichuan Havzası’nda derin havza arazinin PM2.5 dağılımı ve mevsimselliğine etkisi. Environ. Pollut. 300, 118944. 10.1016/j.envpol.2022.118944

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Referansen makalede görüntüle

• Tan J, Zhang Y, Ma W, Yu Q, Wang Q, Fu Q ve diğerleri (2017). Çin’in megakenti Şanghay’da çok seviyeli kirlilik simülasyonunda WRF/CMAQ’ın değerlendirilmesi ve olası iyileştirmeleri. Stoch. Environ. Res. Risk Assess. 31, 2513–2526. 10.1007/s00477-016-1342-3

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Thompson G, Field P R, Rasmussen R M, Hall W D (2008). İyileştirilmiş toplu fizik şemasıyla kış yağışının açık öngörülmesi. Bölüm II: yeni kar parametrelendirmesinin uygulanması. Mon. Weather Rev. 136, 5095–5115. 10.1175/2008MWR2387.1

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Tian M, Liu Y, Yang F, Zhang L, Peng C, Chen Y ve diğerleri (2019). Güneybatı Çin’deki Sichuan Havzası’nın iki megakentinde ağır toz kirliliğinde nitrat oluşumunun artan önemi. Environ. Pollut. 250, 898–905. 10.1016/j.envpol.2019.04.098

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Tsiringakis A, Steeneveld G J, Holtslag A A M (2017). Kararlı sınır tabakalarında küçük ölçekli arazi kaydırmalı yerçekimi dalgası sürüklemesi ve sinoptik sistemler ile yüzeye yakın meteoroloji üzerindeki etkisi. Q. J. R. Meteorol. Soc. 143, 1504–1516. 10.1002/qj.3021

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Wang H.-J, Chen H.-P (2016). Doğu Çin’deki son sis kirliliği eğiliminin anlaşılması: iklim değişikliğinin rolleri. Atmos. Chem. Phys. 16, 4205–4211. 10.5194/acp-16-4205-2016

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Whiteman C. D, Bian X, Zhong S (1999). Colorado Platosu Havzası’ndaki sıcaklık tersinmesinin kış mevsiminde evrimi. J. Appl. Meteorol. Climatol. 38, 1103–1117. 10.1175/1520-0450(1999)038<1103:WEOTTI>2.0.CO;2

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bak

• Wu X, Shi G, Xiang X, Yang F. (2021). 2016–2019 yılları arasında Sichuan Havzasında PM2.5 kirlenme olaylarının özellikleri. Aerosol Air Qual. Res. 21, 210126. 10.4209/aaqr.210126

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bakın

• Wu X, Yu Y, Li L, Zheng X, Liu Y, Yan C. ve ark. (2026). Çin’in güneybatısındaki Sichuan Havzasında bölgesel PM2.5 kirlenmesinin birikme ve dağılmasına sirkülasyon ve topoğrafyanın etkisi. Atmos. Res. 334, 108788. 10.1016/j.atmosres.2026.108788

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bakın

• Xiang X, Shi G, Wu X, Yang F. (2022). Sichuan Havzında PM2.5 konsantrasyonunun alansal dağılımının olağanüstü eğilimi ve meteorolojik nedenleri. Atmosphere 13, 853. 10.3390/atmos13060853

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bakın

• Zhang L, Guo X, Zhao T, Gong S, Xu X, Li Y. ve ark. (2019). Sichuan Havzında pus kirlenmesi üzerinde arazi etkilerinin modellenmesi. Atmos. Environ. 196, 77–85. 10.1016/j.atmosenv.2018.10.007

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bakın

• Zhang J, Huang X, Li J, Chen L, Zhao R, Wang R. ve ark. (2023). Sichuan’ın güneyindeki şehir kümesinde kış aylarında PM2.5’in kimyasal bileşimi, kaynakları ve gelişimi. China. Atmos. Pollut. Res. 14, 101635. 10.1016/j.apr.2022.101635

  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bakın

• Zhao S, Yu Y, Yin D, Qin D, He J, Dong L. (2018). 2015–2017 yılları arasında Sichuan Havzası şehir kümesinde altı kritik hava kirleticisinin alansal örüntüleri ve zamansal değişimleri. Sci. Total Environ. 624, 540–557. 10.1016/j.scitotenv.2017.12.172

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • Kaynağa makale içinde bakın

• Zhou Z, Tan Q, Deng Y, Wu K, Yang X, Zhou X. (2019). Emission inventory of anthropogenic air pollutant sources and characteristics of VOCs species in Sichuan province, China. J. Atmos. Chem. 76, 21–58. 10.1007/s10874-019-9386-7

  • CrossRef
  • Google Scholar
  • View reference in article

Özet

Anahtar Kelimeler

meteorolojik koşullar, Yayla-Dağ, PM2.5 kirlenmesi, Sichuan havzası, WRF-CMAQ

Başvuru

Zhang Y, Lei L, Liu A, Wang J, Wu Q ve Jiang T (2026) Effects of Plateau–Mountain and basin topography on winter meteorology and PM2.5 pollution in the Sichuan basin. Front. Environ. Sci. 14:1989205. doi: 10.3389/fenvs.2026.1989205

Müracaat Tarihi

05 Eylül 2026

Güncelleme Tarihi

02 Kasım 2026

Kabul Tarihi

03 Kasım 2026

Yayın Tarihi

12 Kasım 2026

14 – 2026

Qun Wang, Henan University of Technology, China

Hui Guan, Chinese Academy of Sciences (CAS), China

Kun Qu, University of Bremen, Germany

© 2026 Zhang, Lei, Liu, Wang, Wu ve Jiang.

Bu makale, Creative Commons Attribution Lisansı (CC BY) altında yayılan açık erişimli bir makaledir. Orijinal yazarların ve telif hakkı sahibinin belirtilmesi ve bu dergideki orijinal yayının, kabul görmüş akademik uygulamalar doğrultusunda atıf edilmesi şartıyla, diğer forumlarda kullanım, dağıtım veya çoğaltma izinlidir. Bu şartlara uymayan hiçbir kullanım, dağıtım veya çoğaltma izinlidir.

İletişim: Lijuan Lei, leilijuan2023@163.com

Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve bağlı oldukları kuruluşların, ya da yayıncının, editörlerin ve değerlendirilenlerin görüşlerini kesin olarak yansıtmaz. Bu makalede değerlendirilen veya üreticisi tarafından yapılan herhangi bir ürün ya da iddia, yayıncı tarafından garanti edilmez veya desteklenmez.