京津冀和長三角地區一次重霾過程氣象成因及傳輸特征

陳顥元,王曉琦*,程水源**,關攀博,張智答,白偉超,唐貴謙

京津冀和長三角地區一次重霾過程氣象成因及傳輸特征

陳顥元1,王曉琦1*,程水源1**,關攀博1,張智答1,白偉超1,唐貴謙2

(1.北京工業大學環境與能源工程學院,區域大氣復合污染防治北京市重點實驗室,北京 100124；2.中國科學院大氣物理研究所,大氣邊界層物理與大氣化學國家重點實驗室,北京 100029)

基于氣象數據和空氣質量數據,研究了2016年12月29日～2017年1月8日京津冀與長三角地區一次大范圍重度污染過程的特征及成因.結果表明,均壓場、低邊界層高度、靜小風是本次重污染過程的主要氣象特征,重污染過程的結束得益于后期氣壓梯度變大,水平擴散條件轉好.此外,基于WRF-CMAQ(氣象研究與預報建模系統及區域多尺度空氣質量模型) 模式情景分析法評價了區域傳輸和局地累積對本次重污染過程的作用,分析顯示重污染前期當中東部地區受南風控制時,京津冀地區受長三角地區傳輸影響較大(15%～20%),長三角地區以本地貢獻為主;累積階段,長三角地區本地貢獻顯著下降,受到京津冀地區的貢獻明顯上升(20%～30%),京津冀地區主要受本地排放影響.傳輸通量結果顯示長三角向京津冀輸送的凈通量峰值發生在重污染前期(-21.52t/d),京津冀向長三角輸送的凈通量峰值發生在累積階段(17.29t/d),區域傳輸作用在1001～1478m之間最為活躍.

長三角；京津冀；重污染；氣象要素；WRF-CMAQ

研究表明,高負荷污染物排放、不利的氣象條件以及污染跨區域輸送是導致大氣污染形成的主要原因[1-3].氣象因素是在地區排放水平固定時重污染發生的主要原因,靜風、逆溫條件,利于氣溶膠二次生成的高濕條件及抑制污染物垂直擴散的大氣層結狀態是誘發重污染過程的主要氣象因素,桂林海[4]等對2016年12月16～21日京津冀污染過程中氣象條件的演變以及邊界層變化進行了分析,結果表明,大氣長期處于靜穩狀態,低層大氣以偏南氣流為主,大氣濕度持續增加,加之不利于污染物擴散的特殊地形是造成污染形成的重要因素.Zhang等[5]對北京市2015年11～12月份重污染氣象成因進行了深入研究,發現在低風速、低邊界層高度、高濕度和逆溫對流層較低等因素的共同作用下,導致了污染物的積累和吸濕增長.在污染物跨區域輸送研究方面,后向軌跡模式是半定量衡量區域傳輸的常用手段,李瑞等[6]選取長三角北部地區2018～2019年秋冬季的典型污染過程,利用PSCF和CWT對PM2.5潛在源定性和定量分析,結果表明,不同污染過程受區域傳輸影響存在顯著差異.空氣質量模型同樣廣泛地應用于定量判斷區域傳輸對污染形成的影響,針對區域內的傳輸,王燕麗等[7]基于CAMx-PSAT 建立了京津冀地區城市間傳輸矩陣,結果表明,京津冀城市年均污染貢獻以本地為主,受傳輸影響較大的城市多分布在京津冀邊界并集中在南部.姚森等[8]基于大氣環境監測數據和WRF-CAMx模式,分析了2016年1月京津冀城市的大氣污染特征,開展了PM2.5跨界傳輸量化評估研究,發現京津冀城市近地面PM2.5以本地排放貢獻為主,貢獻率為45.4%～ 69.9%;此外,各城市來自京津冀區域內和區域外的傳輸貢獻率分別為4.8%～49.7%和4.9%～29.6%.對于跨區域尺度的傳輸,Fu等[9]運用WRF-CMAQ情景分析法分析了2011年長三角冬季的一次重污染過程,結果表明來自江蘇省的區域內貢獻和山東省的區域外貢獻是此次重污染的重要原因,污染水平上升時,區域外貢獻顯著增加.Zhang等[10]對京津冀地區2015年秋季的一次污染過程展開了分析,分析結果表明重污染發生時本地貢獻顯著下降,京津冀地區受到山東省、江蘇省、安徽省、河南省的貢獻分別高達11.6%、9.2%、6.7%、11.8%.

國內外學者針對區域尺度污染成因已開展了大量的研究,但一般局限在于單一區域,對大尺度多個區域重污染成因的探究較少,另外,很少涉及對區域垂直方向不同高度層水平輸送的研究.本文以重點控制區域京津冀和長三角為研究對象,針對2016年12月～2017年1月污染過程進行了研究,基于觀測數據分析了氣象因素對污染形成的影響,利用WRF-CMAQ數值模擬系統,揭示污染物跨區域輸送與高濃度顆粒物形成的響應關系,建立通量計算方法,探究區域間不同高度層水平方向污染物傳輸作用,旨在為秋冬季區域大氣污染聯防聯控提供參考.

1 數據和方法

1.1 數據收集

本研究近地面氣象數據來自MICAPS(氣象信息綜合分析處理系統)數據,數據時間分辨率為3h,風壓場來自美國氣象環境預報中心(NCEP)空間精度為1°×1°、時間分辨率為6h的FNL(全球再分析資料)數據,典型城市的溫度探空數據來源于L波段秒級探空數據的國內交換高空資料(http://data.cma.cn/),用于分析污染時期大氣穩定度,一天兩次,分別是北京時間08:00和20:00.PM2.5和SO2、NO2數據來源于國控站點城市監測數據,該數據為小時分辨率,單位為μg/m3,大氣后向散射系數來源于中國科學院大氣物理研究所,采用頻閃激光雷達(激光探測和距離測量)技術測定,時間分辨率為6～120s.

1.2 模型設置與驗證

1.2.1 模型模擬 本文采用WRF-CMAQ模型對區域空氣質量進行模擬,CMAQ和WRF模式參數化設置如表1所示,模擬設置兩層嵌套網格如圖1所示,外層分辨率為36km,模擬區域包括京津冀、長三角主要省份以及山西、山東、河南、陜西、寧夏、重慶、貴州、河南、湖北、湖南、江西、寧夏等省份;內層分辨率是12km,模擬區域包括長三角、京津冀主要省份及山西、河南、山東,中三角大部分地區和內蒙古、遼寧、福建部分地區;模型在模擬區域內垂直方向共設置28層, 其對應的δ坐標分別為1.000、0.994、0.988、0.981、0.969、0.956、0.944、0.926、0.902、0.881、0.852、0.828、0.796、0.754、0.704、0.648、0.589、0.546、0.495、0.445、0.387、0.287、0.187、0.136、0.091、0.061、0.020和0.000.京津冀地區模擬使用的人為源排放數據來自課題組自上而下建立的清單,京津冀以外區域采用清華大學研發的0.25°分辨率的MEIC(中國多尺度排放清單模型)排放源清單,結合地區政策對污染物排放進行減排.考慮初始條件的影響,提前5d啟動模型.

采用Brute-Force情景分析法,或稱為zero-out方法(去零法/置零法),該方法在模型內置源識別技術開發之前就已經得到應用,并且研究結果能夠得到認可[11-12].

表1 CMAQ與WRF參數化方案

圖1 模擬區域嵌套示意

1.2.2 近地面參數驗證 為定量評估WRF- CMAQ模式模擬效果,采用標準化平均偏差(NMB)、標準化平均誤差(NME)和相關系數3個統計學指標對模擬值與監測值進行誤差分析.

由表2可見,氣象要素與(PM2.5)的模擬值與監測值的相關系數均大于0.6,NMB、NME范圍均在-31.4%～37.81%內,這種結果與國內外很多模擬結果一致[13].造成重污染期間(PM2.5)低估的原因主要是由于模型內嵌二次氣溶膠轉化機制的不完善和重污染期間排放清單的不確定性[14],同時氣象模式產生的模擬誤差會進一步影響空氣質量模式模擬,如:高估的風速會促進PM2.5污染物擴散,在一定程度上造成(PM2.5)低估.綜合考慮各種指標,模型模擬效果較好,數據較為可靠.

1.2.3 垂直層PM2.5濃度驗證 本文需要采用垂直方向不同高度層的模擬結果分析區域跨界輸送特征,需對垂直層PM2.5質量濃度模擬效果進行驗證.后向散射系數是表征氣溶膠光學特性的參數,研究表明,后向散射系數與顆粒物濃度在不同高度處呈現較高的正相關性[15],因此擬用石家莊市2017年1月不同高度處后向散射系數數據與模擬(PM2.5)進行對比,結果如圖2所示,本研究采用相關系數(COR)來評估模擬效果.

表2 模型模擬結果統計

從圖2可以看出,后向散射系數在0～48m、48～97m、97～153m與(PM2.5)相關性分別為0.61、0.78、0.62,總體來說,后向散射系數與模擬(PM2.5)在0～153m不同高度層均呈現較高的相關性(COR30.6),說明模擬效果良好,可用于后期的分析計算.

1.3 傳輸通量計算

PM2.5傳輸通量的定義是單位時間內通過某個界面PM2.5的質量[16],用來開展區域間PM2.5交互輸送程度的研究.由于CMAQ屬于歐拉三維網格模式,每個網格具有固定的三維位置,模式可分別提供每個網格內的氣象數據和濃度數據,研究表明,區域的跨界輸送主要發生在離地高度2000m以下[17],因此,本文選型垂直分層中12層以下的高度(離地約1800m)作為垂直空間傳輸通量研究范圍,首先提取每一層各個網格單元的風速、濃度,計算其風矢量、濃度及面積的數量積,再對整個截面進行積分,即可得到整個垂直截面各個高度層的傳輸通量結果.傳輸通量計算公式(1)如下所示:

式中:Flux為PM2.5傳輸通量,t/d;為垂直方向研究的最高層,即為第12層;為所選界面邊界線,無量綱;為模擬網格分辨率,m;H為垂直層和1層間的高度差,m;為PM2.5濃度,μg/m3;為風向,°和風速,m/s;為通過垂直截面法向量,無量綱.

2 結果與討論

2.1 大氣污染物濃度特征分析

本文以京津冀、長三角地區主要省會城市國控站點(PM2.5)均值來表征區域污染水平,根據環境空氣質量標準,以75,115,150μg/m3分別作為輕度污染、中度污染、重度污染臨界值.如圖3所示,研究時段內2個地區(PM2.5)均呈現鋸齒形變化,趨勢類似,12月28日18:00～12月30日12:00(PM2.5)平穩上升,但兩個地區還未達到重度污染水平;12月30日18:00之后,京津冀地區(PM2.5)迅速上升,峰值達到325μg/m3,長三角地區峰值也達到重度污染水平,長三角地區和京津冀地區分別于1月5日06:00和1月7日12:00下降到75μg/m3以下,重污染過程結束.總體來看,本次重污染過程持續時間長,且污染強度大,京津冀地區和長三角地區(PM2.5)分別連續122和74h維持在重污染水平以上;對比兩區域(PM2.5)發現,其相關系數為0.78,說明本次污染呈現了顯著的區域性特征.

圖3 京津冀和長三角地區研究期間ρ(PM2.5)和ρ(SO2)/ ρ(NO2)時間序列

3條虛線自下而上分別為75,115,150μg/m3,即輕度污染、中度污染、重度污染的濃度標準線

SO2和NO2是固定源與移動源排放的指示劑, SO2和NO2的濃度比值可以用來鑒別污染物來源.比值越高,表明污染物主要來于固定源;比值越低,則表明移動源較高[18].如圖3所示,京津冀和長三角地區的(SO2)/(NO2)分別為0.35～1.08和0.16～0.52,均較低,表明移動源的貢獻對京津冀和長三角的PM2.5污染來說占主導地位,對比污染日和清潔天京津冀地區和長三角地區(SO2)/(NO2)(均值分別為0.74、0.37和0.65、0.32)可知,雖然兩個地區受移動源影響較大,固定源在重污染天氣發生時的作用也不可小覷,京津冀地區冬季大量燃燒燃煤使SO2濃度升高,長三角區雖然無集中供暖的現象,但由NASA衛星監測的火點資料(https://firms.modaps.eosdis.nasa.gov/ firemap/)可知,污染期間,合肥、杭州灣附近有較多的火點,生物質燃燒產生的大量顆粒物加劇了長三角地區的重污染.

2.2 氣象條件分析

不利的氣象條件是重污染形成的主要驅動力[19].本文以北京、石家莊為京津冀典型城市,以合肥、上海、杭州為長三角典型城市,獲取了2016年12月28日～2017年1月9日京津冀和長三角地區氣象要素的時間序列,分析其對(PM2.5)的影響.

圖4 研究期間北京、石家莊市、合肥、上海、杭州的相對濕度、邊界層高度、風速風向、降水、ρ(PM2.5)時間序列

灰虛線為重度污染的(PM2.5)標準線

從圖4可以看出,長三角和京津冀地區的(PM2.5)均與邊界層高度呈現較高的負相關性,說明重污染過程期間,不利的垂直擴散條件是造成兩地污染物大量累積的重要因素,較低的邊界層高度一方面阻礙了垂直對流運動,使得近地面污染物不能向上輸送[20],另一方面,迫使大量水汽在近地面聚集有利于顆粒物的化學轉化;相對濕度與(PM2.5)在非降水階段呈現顯著的正相關,說明其為顆粒物的吸濕增長創造了條件,研究表明,相對濕度決定了大氣中非均相反應的速率從而影響二次無機鹽類譬如硝酸鹽、硫酸鹽的生成,因而可以推測二次轉化是重污染形成的重要機制[21-22];風速決定了污染物被大氣稀釋的程度和擴散的范圍,污染期間兩地風速均以靜小風(￡2m/s)為主,污染物在本地大量累積,而在1月7日之后,風速增加到3m/s以上,風向以西北風為主,污染物濃度隨之降低,說明重污染過程的結束與偏北風的清除作用有關.

綜上所述,京津冀和長三角地區重污染過程的產生均與低風速,低邊界層高度,較高的相對濕度有關[23],且京津冀地區由于更加不利的擴散條件(PM2.5)顯著高于長三角地區.尤其是石家莊,重污染期間(PM2.5)長時間維持在嚴重污染水平以上,這是由于石家莊重污染期間邊界層高度極低,1月1日08:00僅有98m,使得大量污染物在近地面堆積;不同的是,長三角地區3個城市1月5日～1月7日有降水過程,顯著的濕沉降作用使得長三角地區(PM2.5)迅速下降至優良水平[24],而京津冀地區的重污染過程的結束多是由于大氣擴散條件的改善[25].

2.3 大氣穩定度分析

圖5 2016年12月29日、1月2日、1月5日、1月8日北京、石家莊08:00、20:00,合肥、上海、杭州08:00、20:00溫度垂直廓線

逆溫阻礙了高空和近地面大氣的對流交換,使污染物不能在垂直方向上擴散,從而加劇了污染程度[26-27].各城市日溫廓線如圖5所示,整體上來看,京津冀和長三角典型城市在重污染期間都有不同程度的逆溫現象,12月29日20:00,石家莊和北京都在55m左右出現了貼地逆溫現象,但逆溫強度較低, 20:00北京近地面逆溫消失,而石家莊市的逆溫強度持續增加;1月2日和5日,北京、石家莊兩地逆溫層結的高度和厚度都有增加的趨勢,且逆溫情況更加復雜,表現為在不同高度處都有小范圍逆溫現象發生,此時大氣垂直擴散能力極差,污染物在地面累積;到了1月8日20:00,可以看出,北京石家莊兩地逆溫現象基本消失,氣溫垂直遞減率明顯增加,擴散情況轉好.

相較于京津冀地區,長三角典型城市大氣擴散能力較好,但也出現了不同程度的逆溫現象.特別在1月2日20:00,上海市在700m左右,杭州在300m左右,分別出現了強度為0.4℃/100m和0.3℃/100m的逆溫,合肥雖然沒有出現逆溫,但其大氣溫度垂直遞減率極低,這種情況十分不利于近地面污染物的清除;1月5日8:00及20:00,雖然逆溫現象還未完全消失,但其強度減小,逆溫層高度也從近地面升至高空,說明大氣湍流能力有所加強;至1月8日,長三角三個典型城市逆溫現象完全消失,且大氣氣溫垂直遞減率明顯增大,說明高空和近地面的大氣對流更加活躍,有利于污染物的消散清除.

2.4 PM2.5傳輸量化評估

圖6 研究期間不同階段地面風場和氣壓場

2.4.1 PM2.5區域傳輸貢獻 本文根據重污染過程前后天氣形勢特征將2016年12月29日～2017年1月8日的重污染過程分為4個階段,由圖6、圖7可見區域傳輸貢獻和本地貢獻在不同階段呈現了顯著的空間差異,重污染前期Ι階段(2016年12月29日):京津冀地區被強大的冷高壓所控制,以下沉運動為主,白天太陽輻射增加,夜間輻射冷卻產生逆溫造成污染物大量堆積,京津冀地區處于高壓后部,南部氣團緩慢輸入,近地層的南部氣團極易被北部山脈阻擋,污染物在山麓附近匯聚并持續堆積[28],本地貢獻較高(49%～56%),長三角地區處于高壓底部,以西北風為主,受到京津冀地區輕微影響(12%～15%),但因擴散條件較好,污染情況較輕.重污染前期Ⅱ階段(2016年12月30日～2017年1月1日):高壓中心東移,京津冀和長三角地區受到反氣旋影響,氣流向四周擴散,邊界層高度降低[29],同時,中國中東部地區受高壓后部均壓場控制,以東南風為主導,京津冀地區受到長三角的貢獻顯著上升,由5%左右迅速升至15%左右,長三角的污染物被傳輸到京津冀地區使得京津冀地區主要省份(PM2.5)躍升至200μg/m3以上.污染累積階段(2017年1月2日～2017年1月6日):京津冀地區位于西伯利亞-蒙古高壓中心底部,大部分省市受高壓均壓場控制,天氣形勢穩定,區域和本地貢獻占比卻因地理位置和排放量不同呈現差異,北京和天津本地貢獻有所下降,這是靜穩天氣條件下氣團移動相對較慢,區域內短距離輸送影響達到峰值[30-31]所致,而河北省本地貢獻由前期55%左右升至70%,這與其極高的排放量有關,長三角地區處于高壓底部,冷空氣南下將華北地區的污染物攜帶至長三角地區,因此在此階段其受京津冀地區貢獻達到峰值(20%～30%).污染消散階段(2017年1月7日～1月8日):京津冀和長三角地區本地貢獻較前期分別上升了8%、12%左右,此階段環流型從緯向型轉為經向型,氣壓梯度明顯增大,有利于來自西伯利亞-蒙古地區清潔氣團的輸入,京津冀、長三角地區冷鋒先后過境,破壞了大氣的逆溫結構,風速明顯增大,擴散條件轉好,重污染天氣自北向南先后消散.值得注意的是,上海市在累積階段受京津冀地區影響有所上升,但是其空氣質量維持在相對較好的水平,這是因為上海市受海風的影響比較大,而冬季海溫相對于陸地較高,東風氣流為暖平流,海陸熱力差異造成近地層垂直溫度層結趨于不穩定,加速邊界層污染物的垂直擴散[32],進一步說明空氣質量是人為排放和氣象條件的作用疊加.

2.4.2 PM2.5跨界傳輸通量 本文設定京津冀向長三角傳輸為正,長三角向京津冀傳輸為負,由于京津冀地區和長三角地區并不是直接接壤,因此長三角向京津冀傳輸通量為京津冀所取界面負向風矢量和長三角對京津冀地區貢獻值(由基準情景濃度值和清除長三角排放情景濃度值差值所得)的乘積,京津冀向長三角傳輸通量為長三角所取界面正向風矢量和京津冀對長三角貢獻值(由基準情景濃度值和清除京津冀排放情景濃度值差值所得)的乘積,凈通量為正負通量的矢量和,用來表征截面上某個時間點的傳輸方向,總通量為截面上正負通量的絕對值之和,用來表征區域間傳輸的活躍程度.

為了確定京津冀和長三角地區的傳輸路徑,提取了模型第1層(作為近地面)和模型第6層、7層(作為高空)京津冀和長三角的相互貢獻值,可知安徽省和江蘇省北部邊界處京津冀對長三角地區的網格貢獻值(30～50μg/m3)顯著高于東部和西部邊界網格貢獻值(5～10μg/m3),而河北南部邊界以及渤海灣處長三角對京津冀地區的網格貢獻值(55～65μg/m3)顯著高于京津冀西部邊界(8～16μg/m3),基于此劃定研究邊界如圖8所示.

圖8 截面示意

研究期間各個階段不同高度處傳輸通量如圖9所示,從傳輸方向來看,各個階段高空凈通量正負和近地面保持一致,重污染前期Ⅱ階段,凈通量為負值,峰值為-21.52t/d,說明此階段長三角向京津冀的輸送量較大,而其他三個階段均表現為正值,峰值出現在污染累積階段(17.29t/d),表明這三個階段均表現為京津冀向長三角輸送,且這種作用在累積階段最為顯著,傳輸通量結果能較好地呼應傳輸貢獻結論.從不同高度通量變化趨勢來看,在0～1001m處,總通量基本隨著高度的增加有所上升,這是因為高空風速增大促進了污染物的輸送[33],而在1261～1782m,總通量呈現上下波動趨勢,這與高空(PM2.5)變化較為明顯有關.總通量四個階段峰值均出現在1001～ 1478m之間,說明區域間的傳輸作用在高空比較顯著,與總通量相比,凈通量在不同高度處整體波動較大,這可能與高空風向改變有關.從通量絕對值大小來看,重污染前期Ⅰ階段總通量最小,峰值僅有11.71t/d,約為其他階段的1/2,這是因為此階段京津冀和長三角地區污染程度不高,貢獻值較低;重污染前期Ⅱ階段、污染累積階段、污染消散階段總通量值變化不大,均維持在較高水平,但原因有所不同,重污染前期Ⅱ階段和污染累積階段是由于京津冀和長三角污染程度較高,貢獻濃度值達到峰值,而污染消散階段是重污染后期風速顯著增大所致.從另一個角度來說,區域傳輸作用對區域空氣質量的作用并非總是負向的,在擴散條件較好時,區域間大氣的對流活動有助于區域內污染物的快速清除.

結合氣象條件和模型分析,可以推斷:重污染前期長三角地區排放的污染物可被快速輸送至京津冀地區,通過氣溶膠反饋作用促進靜穩天氣的產生從而加劇華北地區的污染[34],而污染累積階段東部地區受冷鋒影響,區域性重霾南下又對長三角空氣質量造成不利影響[35-36].所以,對長三角而言,將減排時間比正常預報重霾時間提前幾天不僅可以減輕華北地區的污染,也有助于對隨后長距離傳輸的重污染過程進行削峰.

3 結論

3.1 本次重污染過程持續時間長,污染強度大,京津冀與長三角地區均受移動源主導,燃燒源的排放加劇了重污染程度.不利的氣象條件是兩地污染爆發的重要原因,重污染前期,邊界層高度較低,相對濕度較高,污染物難以擴散;累積階段,擴散條件進一步惡化,等壓線趨于稀疏,天氣靜穩,污染物大量累積.消散階段,西北清潔氣團輸入,空氣質量大幅度改善,其中,長三角地區重污染過程結束還與降水作用有關.

3.2 數值模擬結果表明,京津冀地區和長三角地區在本次重污染過程中均受局地累積和區域傳輸的影響,但因天氣條件呈現時空差異,京津冀本地貢獻峰值出現在累積階段(70%),長三角本地貢獻峰值出現在消散階段(65%),京津冀對長三角地區的影響主要體現在累積階段(20%～30%),而長三角對京津冀的影響主要體現在重污染前期(15%～20%).值得注意的是,上海市在本次重污染過程中也受到華北地區污染氣團影響,但由于季節海陸熱力差異,污染物快速消散,進一步說明空氣質量是氣象和排放共同作用的結果.

3.3 通量研究結果較好地呼應了貢獻分析結論,長三角向京津冀輸送的凈通量峰值出現在重污染前期Ⅱ階段(-21.52t/d),京津冀向長三角輸送的凈通量峰值出現在累積階段(17.29t/d),當污染物濃度值或風速較大時,總通量值均較大,說明區域傳輸在不同階段發揮了不同的作用,在污染物濃度較高時,這種作用是負向的,使得京津冀-長三角地區形成污染帶,當擴散條件轉好時,這種作用是正向的,有助于京津冀-長三角地區污染物的快速清除,因此,長三角地區的提前減排有利于兩地空氣質量的改善.此外,區域傳輸作用在1001～1478m之間最為活躍.

[1] 潘 亮,閻鳳霞,吳峻石,等.2013～2019年上海早晨接地逆溫指標與PM2.5定量關系研究 [J]. 中國環境科學, 2021,41(2):517-526.

Pan L, Yan F, Wu J, et al. Study on the quantitative relationship between PM2.5and ground temperature inversion index in Shanghai in 2013～2019 [J]. China Environmental Science, 2021,41(2):517-526.

[2] 趙子菁,魏永杰,張祥志,等.南京市霾天氣與主要氣象條件的相關分析 [J]. 中國環境科學, 2015,35(12):3570-3580.

Zhao Z, Wei Y, Zhang X, et al. Correlation analysis of haze weather and main meteorological conditions in Nanjing [J]. China Environmental Science, 2015,35(12):3570-3580.

[3] 廖碧婷,黃 俊,王春林,等.廣州地區灰霾過程和清潔過程的邊界層特征對比分析 [J]. 中國環境科學, 2018,38(12):4432-4443.

Liao B, Huang J, Wang C, et al. Comparative analysis of boundary layer characteristics of haze process and clean process in Guangzhou [J]. China Environmental Science, 2018,38(12):4432-4443.

[4] 桂海林,江 琪,康志明,等.2016年冬季北京地區一次重污染天氣過程邊界層特征 [J]. 中國環境科學, 2019,39(7):2739-2747.

Gui L H, Jiang Q, Kang Z M, et al. Boundary layer characteristics of a heavy pollution weather process in Beijing in the winter of 2016 [J]. China environmental science, 2019,39(7):2739-2747.

[5] Zhang Z, Gong D, Mao R, et al. Cause and predictability for the severe haze pollution in downtown Beijing in November-December 2015 [J]. Science of the Total Environment, 2017,592:627-638.

[6] 王燕麗,薛文博,雷 宇,等.京津冀區域PM2.5污染相互輸送特征 [J]. 環境科學, 2017,38(12):4897-4904.

Wang Y L, Xue W B, Lei Y, et al. Characteristics of PM2.5pollution transport in Beijing-Tianjin-Hebei Region [J]. Environmental science, 2017,38(12):4897-4904.

[7] 李 瑞,李 清,徐 健,等.秋冬季區域性大氣污染過程對長三角北部典型城市的影響 [J]. 環境科學, 2020,41(4):1520-1534.

Li R, Li Q, Xu J, et al. Effects of regional atmospheric pollution processes in autumn and winter on typical cities in the northern Yangtze river delta [J]. Environmental science, 2020,41(4):1520-1534.

[8] 姚 森,張晗宇,王曉琦,等.2016年1月京津冀地區大氣污染特征與多尺度傳輸量化評估[J/OL]. 環境科學:1-14[2020-10-22]. https://doi.org/10.13227/j.hjkx.202006042.

Yao S, Zhang H, Wang X, et al. Quantitative assessment of air pollution characteristics and multi-scale transport in Beijing Tianjin Hebei region in January 2016 [J/OL]. Environmental science:1-14 [2020-10-22]. https://doi.org/10.13227/j.hjkx.202006042.

[9] Fu X, Cheng Z, Wang S X, et al. Local and regional contributions to fine particle pollution in winter of the Yangtze River Delta, China [J]. Aerosol and Air Quality Research, 2016,16(4):1067-1080.

[10] Zhang Y L, Zhu B,Gao J H, et al. The source apportionment of primary PM2.5in an aerosol pollution event over Beijing-Tianjin- Hebei Region using WRF-Chem, China [J]. Aerosol and Air Quality Research, 2017,17(12):2966-2980.

[11] Cheng S, Lang J, Zhou Y, et al. A new monitoring-simulation-source apportionment approach for investigating the vehicular emission contribution to the PM2.5pollution in Beijing, China [J]. Atmospheric Environment, 2013,79:308-306.

[12] Metin B, Ulas I, Alper U. Evaluation of impact of residential heating on air quality of megacity istanbul by CMAQ [J]. Science of the Total Environment, 2019,651:1688-1697.

[13] 徐 冉,張恒德,楊孝文,等.北京地區秋冬季大氣污染特征及成因分析 [J]. 環境科學, 2019,40(8):3405-3414.

Xu R, Zhang H D, Yang X W, et al. Characteristics and causes of air pollution in autumn and winter in Beijing [J]. Environmental science, 2019,40(8):3405-3414.

[14] Gao M, Carmichael G R, Wang Y, et al. Modeling study of the 2010 regional haze event in the North China Plain [J]. Atmospheric Chemistry & Physics, 2016,15(16):22781-22822.

[15] 郭 偉,卜令兵,賈小芳,等.基于激光云高儀的北京沙塵氣溶膠特征分析 [J]. 氣象, 2016,42(12):1540-1546.

Guo W, Bu L B, Jia X F, et al. Analysis of aerosol characteristics of sand dust in Beijing based on laser cloud height analyzer [J]. Meteorology, 2016,42(12):15401546.

[16] 程水源,王傳達,張晗宇.跨界地區大氣邊界層以下PM2.5傳輸通量數值模擬量化的方法[P]. 北京市:CN110569528A, 2019-12-13.

Cheng S Y, Wang C D, Zhang H Y. Numerical simulation and quantification of PM2.5transport flux below the atmospheric boundary Layer in transboundary regions [P]. Beijing: CN110569528A, 2019- 1213.

[17] Zhang H, Cheng S, Yao S, et al. Multiple perspectives for modeling regional PM2.5transport across cities in the Beijing-Tianjin-Hebei region during haze episodes [J]. Atmospheric Environment, 2019, 212:22-35.

[18] 沈楠馳,周丙鋒,李珊珊,等.2015～2019年天津市大氣污染物時空變化特征及成因分析[J/OL]. 生態環境報:1-12[2020-10-24].http: //kns.cnki.net/kcms/detail/44.1661.X.20201015.2020.002.html.

Shen N C, Zhou B F, Li S S, et al. Spatial and temporal variation characteristics and Causes of atmospheric pollutants in Tianjin from 2015 to 2019 [J/OL]. Ecological environment:1-12 [2020-10-24]. http://kns.cnki.net/kcms/detail/44.1661.X.20201015.2020.002.html.

[19] 成瑩菲,侯雪偉,朱 彬,等.穩定天氣形勢下京津冀和長三角地區重度污染過程氣象成因解析 [J]. 環境科學學報, 2020,40(5):1575- 1586.

Cheng Y F, Hou X W, Zhu B, et al. Analysis of meteorological causes of severe pollution in The Beijing-Tianjin-Hebei region and the Yangtze River Delta under stable weather conditions [J]. Journal of environmental science, 2020,40(5):1575-1586.

[20] 李 夢,唐貴謙,黃 俊,等.京津冀冬季大氣混合層高度與大氣污染的關系 [J]. 環境科學, 2015,36(6):1935-1943.

Li M, Tang G Q, Huang J, et al. Relationship between the height of atmospheric mixing layer and atmospheric pollution in Winter in Beijing-Tianjin-Hebei region [J]. Environmental Science, 2015,36(6): 1935-1943.

[21] 姚 青,蔡子穎,韓素芹,等.天津冬季相對濕度對氣溶膠濃度譜分布和大氣能見度的影響 [J]. 中國環境科學, 2014,34(3):596-603.

Yao Q, Cai Z Y, Han S Q, et al. Effect of relative humidity on aerosol concentration spectrum distribution and atmospheric visibility in Winter in Tianjin [J]. Environmental Science of China, 2014,34(3): 596603.

[22] Liu P F, Zhao C S, Gobel T, et al. Hygroscopic properties of aerosol particles at high relative humidity and their diurnal variations in the North China Plain [J]. Atmospheric Chemistry and Physics, 2011,11(1): 3479-3494.

[23] 王躍思,姚 利,王莉莉,等.2013年元月我國中東部地區強霾污染成因分析 [J]. 中國科學:地球科學, 2014,44(1):15-26.

Wang Y S, Yao L, Wang L L, et al. Causes of heavy haze pollution in Central and Eastern China in January 2013 [J]. Science in China: Earth Sciences, 2014,44(1):15-26.

[24] 周 彬,劉端陽,魏建蘇,等.降水對氣溶膠顆粒物清除作用的初步分析 [J]. 長江流域資源與環境, 2015,24(S1):160-170.

Zhou B, Liu D Y, Wei J S, et al. Preliminary analysis of the effect of precipitation on the removal of aerosol particles [J]. Resources and Environment of the Yangtze River Basin, 2015,24(S1):160-170.

[25] 楊 旭,張小玲,康延臻,等.京津冀地區冬半年空氣污染天氣分型研究 [J]. 中國環境科學, 2017,37(9):3201-3209.

Yang X, Zhang X L, Kang Y Z, et al. Research on the classification of air pollution weather in the half year of winter in beijing-tianjin-hebei region [J]. China environmental science, 2017,37(9):3201-3209.

[26] 郁珍艷,高大偉,李正泉,等.低層通風量及逆溫條件對浙江省空氣質量的影響分析 [J]. 環境科學學報, 2020,40(9):3165-3173.

Yu Z Y, Gao D, Li Z Q, et al. Analysis on the influence of low level ventilation and temperature inversion on air quality in zhejiang province [J]. Chinese Journal of Environmental Science, 2020,40(9): 3165-3173.

[27] 曹紅麗,陳 奇.西安邊界層逆溫特征及其與空氣污染的關系 [J]. 陜西氣象, 2014,(2):13-16.

Cao H L, Chen Q. Characteristics of boundary layer inversion and its relationship with air pollution in Xi'an [J]. Meteorology, Shanxi, 2014,(2):13-16.

[28] Wang X Q, Wei W, Cheng S Y, et al. Characteristics and classification of PM2.5pollution episodes in Beijing from 2013 to 2015 [J].Science of the Total Environment, 2018,612:170-179.

[29] X G, Liu J, Li Y, et al. Formation and evolution mechanism of regional haze: a case study in the megacity Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13(9).

[30] 李 霞,賈 健.復雜地形多尺度氣流對城市大氣污染影響的研究進展 [J]. 沙漠與綠洲氣象, 2016,10(6):1-10.

Li X, Jia J. Research progress on the influence of complex terrain multi-scale airflow on urban air pollution [J]. Desert and oasis meteorology, 2016,10(6):1-10.

[31] 蔡子穎,楊 旭,韓素芹,等.基于天氣背景天津大氣污染輸送特征分析[J/OL]. 環境科學:1-15 [2020-10-19]. https://doi.org/10.13227/ j.hjkx.202004252.

Cai Z Y, Yang X, Han S Q, et al. Based on the background analysis of characteristics of atmospheric pollution in tianjin transportation [J/OL]. Environmental science:1-15 [2020-1019]. https://doi.org/10.13227/ j.hjkx.202004252.

[32] 毛卓成,馬井會,許建明,等.上海地區持續東風系統控制下污染擴散條件分析 [J]. 氣象, 2015,41(7):890-898.

MAO Z C, Ma J H, Xu J M, et al. Analysis of pollution diffusion conditions under the control of continuous east wind system in Shanghai [J]. Meteorology, 2015,41(7):890-898.

[33] Chang X, Wang S X, Zhao B, et al. Assessment of inter-city transport of particulate matter in the Beijing-Tianjin-Hebei region. Atmospheric Chemistry and Physics [J]. 2018,18:4843-4858.

[34] Huang X, Ding A, Wang Z, et al. Amplified transboundary transport of haze by aerosol-boundary layer interaction in China [J]. NATURE Geoscience, 2020,13(6):428.

[35] 鄧發榮,康 娜, Kumar K R,等.長江三角洲地區大氣污染過程分析 [J]. 中國環境科學, 2018,38(2):401-411.

Deng F R, Kang N, Kumar K R, et al. Analysis of atmospheric pollution process in the Yangtze River Delta region [J]. Environmental Science in China, 2008,38(2):401-411.

[36] 康漢青,朱 彬.長三角冬季PM2.5污染的形成原因及來源追蹤[C]// 中國顆粒學會氣溶膠專業委員會、臺灣氣膠研究學會.第十五屆海峽兩岸氣膠技術研討會論文集.中國顆粒學會氣溶膠專業委員會、臺灣氣膠研究學會:中國顆粒學會氣溶膠專業委員會, 2017:1.

Kang H Q, Zhu B. Tracing of the causes and sources of PM2.5pollution in the Yangtze River Delta in winter [C]//Aerosol Professional Committee of Chinese Particle Society, Taiwan Aerosol Research Society Proceedings of the 15th Cross-strait Seminar on Aerosol Technology. Aerosol Professional Committee of The Chinese Particle Society, Taiwan Aerosol Research Society: Aerosol Professional Committee of the Chinese Particle Society, 2017:1.

Analysis of meteorological causes and transmission characteristics of a heavy haze process in Beijing Tianjin Hebei and Yangtze River Delta.

CHEN Hao-yuan1, WANG Xiao-qi1*, CHENG Shui-yuan1**, GUAN Pan-bo1, ZHANG Zhi-da1, BAI Wei-chao1, TANG Gui-qian2

(1.Key Laboratory of Beijing on Regional Air Pollution Control, College of Environmental and Energy Engneering, Beijing University of Technology, Beijing 100124, China；2.State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China)., 2021,41(6)：2481～2492

Based on meteorological data and air quality data, the characteristics and causes of a large-scale severe pollution process in Beijing Tianjin Hebei region and Yangtze River Delta region from December 29, 2016 to January 8, 2017 were analyzed. The main meteorological characteristics of the heavy pollution process were pressure field, low boundary layer height and quiet breeze. The end of the heavy pollution process was due to the higher pressure gradient and better horizontal diffusion conditions, Based on the WRF-CMAQ (Weather Research and Forecasting Model and Community Multi-scale Air Quality) scenario analysis method, the effects of regional transmission and local accumulation on the heavy pollution process were evaluated. The analysis showed that in the early stage of heavy pollution controlled by south wind, the Yangtze River Delta region was mainly affected by transmission (15% ～ 20%) from the Yangtze River Delta, and the Yangtze River Delta region was mainly influenced by local contribution; in the accumulation stage, the local contribution of the Yangtze River Delta region decreased significantly, while the contribution from Beijing Tianjin Hebei region increased significantly (20% ～ 30%).The results showed that the peak value of the net transmission fluxes fromYangtze River Delta to Beijing Tianjin Hebei region occured in the early stage of heavy pollution (-21.52t/d), and the peak value of net transmission fluxes from Beijing Tianjin Hebei region to Yangtze River Delta occured in the accumulation stage (17.29t/d), the regional transport effect was the most active between 1001 and 1478m.

the Yangtze River Delta region；the Beijing-Tianjin-Hebei region；heavy pollution；meteorological elements；WRF-CMAQ

X513

A

1000-6923(2021)06-2481-12

陳顥元(1996-),男,江西九江人,北京工業大學環境與能源工程學院碩士研究生,主要從事環境規劃管理與污染防治方面的研究.發表論文1篇.

2020-11-15

國家重點研發計劃項目(2018YFC0213200);中國博士后科學基金資助項目(2019M660382);北京市博士后研究基金資助項目

* 責任作者, 助理研究員, wangxq@bjut.edu.cn; ** 教授, bjutpaper@gmail.com