皮冬勤,陳煥盛,魏 巍,王文丁,肖林鴻,張穩(wěn)定,吳劍斌,李健軍,晏平仲*

?

京津冀一次重污染過程的成因和來源

皮冬勤1,2,陳煥盛1,2,魏 巍2,王文丁1,2,肖林鴻2,張穩(wěn)定2,吳劍斌1,2,李健軍3,晏平仲1,2*

(1.中國科學(xué)院大氣物理研究所,北京 100029；2.中科三清科技有限公司,北京 100029；3.中國環(huán)境監(jiān)測總站,北京 100012)

2016年12月16~21日,京津冀地區(qū)經(jīng)歷了一次大范圍重污染過程.本文基于空氣質(zhì)量監(jiān)測資料及實況天氣圖分析了此次極端區(qū)域重污染事件的天氣成因,并利用嵌套網(wǎng)格空氣質(zhì)量預(yù)報模式(NAQPMS)對京津冀主要城市PM2.5污染來源進行定量解析.結(jié)果表明:污染前中期500hPa高空為偏西氣流伴空中回暖,后期轉(zhuǎn)槽前偏南氣流增溫增濕明顯;對應(yīng)地面氣壓逐漸降低,輻合不斷增強;垂直方向上,逆溫層不斷抬升加厚,中低層暖平流明顯,風(fēng)垂直切變小;大氣長時間處于極度靜穩(wěn)狀態(tài)也是造成此次重污染過程的天氣因素.污染期間,京津冀各主要城市PM2.5污染本地貢獻占40%~60%;北京市PM2.5本地貢獻為48%,其中16~17日北京市主要受沿太行山東側(cè)的西南向輸送通道(邯鄲-邢臺-石家莊-保定-北京)影響,其后風(fēng)速減小,北京本地及周邊城市貢獻增大.

京津冀區(qū)域重污染；天氣成因；NAQPMS模式；來源解析

在巨大的能源消耗和污染排放背景下,近年來我國區(qū)域大氣污染事件頻繁發(fā)生[1-2].京津冀及周邊區(qū)域是全國大氣污染重災(zāi)區(qū)[3-5],2016年冬季區(qū)域大氣重污染事件頻發(fā),特別是12月16日~21日的重污染過程持續(xù)時間之長、影響范圍之廣、污染程度之重歷史罕見,受重度污染影響的區(qū)域面積達71萬km2,重污染持續(xù)時間長達6d,過程最高小時PM2.5濃度超過1100μg/m36.針對此次極端重污染事件,各地政府高度重視,積極開展重污染天氣應(yīng)對工作,相繼啟動空氣重污染預(yù)警,采取停產(chǎn)限產(chǎn)、停工限行等措施,大幅降低了污染物的排放量.

已有研究指出,全球、區(qū)域大氣環(huán)流異常和局地氣象條件是此次重度霾形成的重要原因之一[6].在污染物排放量一定的情況下,穩(wěn)定的氣壓場、高濕度和低風(fēng)速等不利的氣象條件是導(dǎo)致12月份重污染天氣頻發(fā)的主要原因[7].此次重污染除受本地排放影響外,還受到區(qū)域輸送影響,且在污染不同階段,本地排放和區(qū)域輸送貢獻率不同[8].厘清PM2.5污染來源是開展重污染防治的前提條件,目前FLEXPART模式[9-11]在空氣污染傳輸領(lǐng)域得到廣泛應(yīng)用,此外高分辨空氣質(zhì)量數(shù)值模式是定量分析城市污染來源的重要手段[12-14].本文在分析此次極端重污染過程天氣成因的基礎(chǔ)上,利用FLEXPART、NAQPMS模型,研究京津冀地區(qū)大氣污染輸送通道,并對京津冀重點城市污染地區(qū)來源定量解析,以期探討此次重污染過程的形成與發(fā)展機理,為重污染應(yīng)急管控提供科學(xué)參考.

1 資料與方法

1.1 NAQPMS模式系統(tǒng)

嵌套網(wǎng)格空氣質(zhì)量預(yù)報模式(NAQPMS)是由中國科學(xué)院大氣物理研究所自主研發(fā)的、基于“一個大氣”理念設(shè)計的第三代空氣質(zhì)量模式[15].NAQPMS全面考慮了空氣污染物在大氣中的平流、擴散、干濕沉降以及化學(xué)轉(zhuǎn)化等過程,模式系統(tǒng)參數(shù)化方案見文獻[16].NAQPMS模式耦合的污染在線源追蹤技術(shù)從源排放開始對各種物理、化學(xué)過程進行分源類別、分地域的質(zhì)量追蹤,可以跟蹤污染物來源,定量分析輸送過程及區(qū)域污染排放貢獻率.該方法已被多次應(yīng)用于大氣污染物的區(qū)域或城市間輸送定量評估[17-19].

NAQPMS模式采用WRF模式提供的氣象要素作為模式的動力驅(qū)動.WRF模式初始邊界條件采用美國NCEP全球預(yù)報分析資料GFS.排放清單采用清華大學(xué)研究建立的用于空氣質(zhì)量模式的網(wǎng)格化全國污染源清單,清單基準年為2012年,空間分辨率為0.25°′0.25°,包括農(nóng)業(yè)源、工業(yè)源、電廠源、居民源和交通源五大類人為排放源,同時考慮生物源和生物質(zhì)燃燒等其它排放源.

模式計算采用三重嵌套區(qū)域設(shè)置,區(qū)域中心106°E、24°E.第一區(qū)域為東亞區(qū)域,覆蓋包括中國全境,水平分辨率為45km,網(wǎng)格數(shù)為182′172;第二區(qū)域為中國中東部區(qū)域,水平分辨率為15km,網(wǎng)格數(shù)為243′273;第三區(qū)域為京津冀及周邊區(qū)域,覆蓋北京、天津、河北、山西、山東、遼寧全境及吉林、內(nèi)蒙古、陜西、河南、安徽、江蘇部分地區(qū),網(wǎng)格數(shù)為300′249,水平分辨率為5km.水平方向采用適合我國中低緯度特點的LAMBERT投影方式,垂直方向上采用地形追隨高度坐標的形式,不等距分為20層,邊界層內(nèi)約有7~8層.

1.2 拉格朗日粒子擴散模型

FLEXPART是由挪威大氣研究所(NILU)開發(fā)的拉格朗日粒子擴散模式.該模式基于郎之萬方程構(gòu)建,通過計算大量粒子的運動軌跡,來模擬在大氣中的傳輸、擴散、干濕沉降和輻射衰減等過程.后向模擬可追溯目標點的潛在源區(qū),并量化各個潛在源區(qū)的影響強度[20-21].FLEXPART采用WRF模式模擬結(jié)果作為驅(qū)動,對北京市2016年12月16~21日潛在污染源區(qū)進行逐日模擬.模擬釋放的粒子總數(shù)為10000個,示蹤物采用AIRTRACER;水平網(wǎng)格設(shè)置與WRF一致,垂直輸出為5層(100, 200, 500, 1000, 20000m).

1.3 觀測數(shù)據(jù)

圖2 京津冀及周邊區(qū)域53個城市空間分布

空氣質(zhì)量觀測數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站,包括PM2.5、PM10、CO、NO2、SO2、O3逐小時數(shù)據(jù).逐日實況天氣圖來源于韓國氣象廳(http://www. kma.go.kr/chn/index.jsp).數(shù)據(jù)覆蓋京津冀及周邊,包括京津冀、內(nèi)蒙中部、魯東、魯西、晉北、晉南、豫北等地區(qū)的53個城市(圖2).

2 結(jié)果與分析

2.1 污染實況

由圖3可知,12月15日,華北大部分城市仍以中度污染為主,部分城市達到重度污染級別;至16日,重度污染城市個數(shù)增加,京津冀及周邊地區(qū)53個城市中有13個城市達到重度污染水平,重污染城市日均PM2.5濃度值高達177μg/m3;17日,重污染城市呈東北西南帶狀分布,分布型較16日略有差別;隨后重污染范圍不斷擴大并逐漸南壓,山東河南等地相繼達到重污染;19日重污染影響范圍達到最大,污染程度最強,京津冀及周邊地區(qū)共有45個城市出現(xiàn)重度及以上等級污染,重污染城市日均PM2.5濃度值已高達318μg/m3,另華東地區(qū)北部城市亦達到重污染級別,南部城市為中度污染;20~21日間,華北地區(qū)依然維持重污染,但華東地區(qū)空氣質(zhì)量改善,轉(zhuǎn)為優(yōu)良;至22日,華北地區(qū)重污染范圍明顯較小,北部城市轉(zhuǎn)為優(yōu)良,南部城市仍為重污染,華東地區(qū)污染再次加重.

圖3 2016年12月16~22日我國東部地區(qū)空氣質(zhì)量污染等級實況

2.2 污染過程分析

2.2.1 污染前期 研究表明,大范圍的空氣污染過程與氣象條件存在密切聯(lián)系[22-25].污染前期(12月15~16日),中緯度500hPa高空逐漸由經(jīng)向型環(huán)流向緯向型環(huán)流轉(zhuǎn)變,且暖脊不斷加強,華北地區(qū)上空有強暖平流,空中回暖明顯,對應(yīng)地面減壓,16日華北地區(qū)形成地形槽,水平擴散條件轉(zhuǎn)差;垂直方向上(以北京為例)自地面層起出現(xiàn)逆溫,且一直延伸到850hPa高度左右,在逆溫層內(nèi)風(fēng)向隨高度順轉(zhuǎn),有明顯暖平流,另外中低層以偏西風(fēng)為主,風(fēng)速較小,對應(yīng)風(fēng)場垂直切變較小,無明顯動量下傳作用,垂直層結(jié)穩(wěn)定(圖4a~c).綜上,大氣擴散較差導(dǎo)致華北地區(qū)出現(xiàn)區(qū)域性污染,石家莊及周邊區(qū)域出現(xiàn)重度污染.NAQPMS模式對污染起始階段模擬效果較好,污染分布與實況基本一致(圖4d).

a: 500hPa天氣, b: 地面天氣, c:北京站(54511)探空圖, d: PM2.5實測值(打點)及NAQPMS模擬值空間分布

2.2.2 污染中期 12月17~19日間,華北地區(qū)500hPa高空以緯向型環(huán)流為主,有弱短波槽活動(圖5a).自近地面層至850hPa,風(fēng)隨高度逆轉(zhuǎn),空中有暖平流,持續(xù)回暖,地面繼續(xù)減壓(圖5c).17日08:00,華北地形槽發(fā)展形成低壓,且低壓帶位于入海弱高壓和變形高壓之間,輻合加強.華北地區(qū)位于低壓帶中心區(qū),污染物輻合聚積,重污染區(qū)域擴大(圖5b).18~19日間,入海弱高壓東移入海,華北地區(qū)低壓發(fā)展強盛并向東偏南方向緩慢移動,對應(yīng)污染帶也向東偏南擴散并加強,NAQPMS模式結(jié)果與實況高度吻合,有效模擬出污染加劇擴散過程(圖5d).

a: 500hPa天氣, b: 地面天氣, c:北京站(54511)探空圖, d: PM2.5實測值(打點)及NAQPMS模擬值空間分布

2.2.3 污染后期 污染后期(20~21日),500hPa高空西來槽東移發(fā)展,華北地區(qū)由偏西氣流演變?yōu)椴矍捌蠚饬?并伴有暖脊,空中增溫增濕明顯(圖6a),近地面逆溫層仍然維持,且地面層溫度露點差明顯減小,相對濕度增大(圖6c).20日,低壓東移入海,華北地區(qū)位于高壓底部,北部弱冷空氣南下,受其影響上游河套地區(qū)倒槽不斷發(fā)展東移并逐漸影響華北地區(qū)(圖6b).

圖6 2016年12月20日08:00 天氣實況及空氣質(zhì)量污染實況

a: 500hPa天氣, b: 地面天氣, c:北京站(54511)探空圖, d: PM2.5實測值(打點)及NAQPMS模擬值空間分布

至22日,空中槽發(fā)展東移,華北地區(qū)轉(zhuǎn)槽后偏北干冷氣流影響,垂直方向上逆溫打破,整層濕度變小,同時地面蒙古冷高壓不斷發(fā)展南壓.08:00,高壓前部冷鋒已經(jīng)過北京地區(qū),并繼續(xù)向南部地區(qū)突出性擴展,華北地區(qū)受冷鋒后偏北大風(fēng)影響,有利于污染物擴散,空氣質(zhì)量轉(zhuǎn)好(圖7a-c).對應(yīng)NAQPMS模式結(jié)果中,污染帶受近地面層北風(fēng)影響南壓消散,北京空氣質(zhì)量轉(zhuǎn)好(圖7d).

a: 500hPa天氣, b: 地面天氣, c:北京站(54511)探空圖, d: PM2.5實測值(打點)及NAQPMS模擬值空間分布

綜上,污染前中期,華北地區(qū)高空500hPa環(huán)流由經(jīng)向型轉(zhuǎn)為緯向型,持續(xù)以偏西氣流為主,空中回暖明顯;后期西來槽發(fā)展東移,華北地區(qū)轉(zhuǎn)為槽前西南氣流,并有暖脊配合,空中增溫增濕明顯.對應(yīng)地面天氣形勢為低壓發(fā)展-高壓底部-鋒前倒槽變化過程,是氣壓逐漸降低、輻合不斷增強的過程.垂直方向上,華北地區(qū)上空逆溫層始終存在,且強度不斷增強,此外近地面層風(fēng)垂直切變整體較小,低層風(fēng)向隨高度順轉(zhuǎn)有暖平流,使得層結(jié)條件極度穩(wěn)定,且后期近地面層濕度不斷增大,亦不利于污染物擴散.直至22日系統(tǒng)過境,華北地區(qū)自地面至對流層中層均轉(zhuǎn)為強西北風(fēng),逆溫打破,濕度減小,擴散條件轉(zhuǎn)好,污染結(jié)束.

2.3 污染來源解析

2.3.1 模擬效果評估 NAQPMS模式能較好的模擬出此次極端區(qū)域重污染過程的生成、發(fā)展和消亡.由圖8可知,污染期間北京及京津冀關(guān)鍵城市PM2.5的模擬值與實測值高度吻合,兩者的相關(guān)系數(shù)達0.6以上,其中石家莊市的相關(guān)系數(shù)可達到0.88;預(yù)報值與實測值量值偏差在20%以內(nèi),北京市的標準平均偏差僅為7%(表1).

表1 2016年12月16~22日京津冀主要城市PM2.5模擬效果統(tǒng)計評估

2.3.2 北京市污染潛在源區(qū)分析 FLEXPART后向模擬能給出受體點的潛在源區(qū),該模式的輸出變量為駐留時間,某地的駐留時間和排放越大,則受體點受該地區(qū)的污染貢獻越大.由圖9可見,12月15日到達北京的氣團主要來源于保定、張家口和內(nèi)蒙古中部等地,其潛在源區(qū)較廣,當天到達的氣團風(fēng)速較大,擴散條件較好,同時潛在源區(qū)內(nèi)的排放較少,因而15日北京的污染較小.16~17日的潛在源區(qū)基本一致,北京氣團主要來向是沿太行山東側(cè)的西南向,相對于15日,氣團移動速度慢,潛在源區(qū)更為集中,且形成了西南向的輸送通道(邯鄲-邢臺-石家莊-保定-北京).18~21日的潛在源區(qū)分布相似,北京的潛在源區(qū)進一步縮小,氣團在北京東西兩側(cè)徘徊,北京受臨近的周邊城市影響較大,如保定、廊坊和承德等地.在前幾日的累積下,北京周邊的氣團污染濃度較高,加之擴散條件較差,污染氣團在北京周邊滯留,使得北京的污染程度加重.到22日,風(fēng)向轉(zhuǎn)為偏北,潛在源區(qū)范圍擴大且源區(qū)內(nèi)排放較小,氣團移動速度變快,從北部帶來了干凈的空氣,使北京空氣質(zhì)量迅速轉(zhuǎn)好.

2.3.3 污染來源定量解析 NAQPMS模式的逐日污染來源解析結(jié)果(圖10)表明:2016年12月16~21日間,京津冀各主要城市PM2.5污染本地貢獻占40%~60%,其中北京市PM2.5的本地貢獻率為48%,與外來輸送貢獻率基本相當.受弱偏西南風(fēng)影響,北京PM2.5的外來源主要有山西(12%)、張家口(9%)、保定(7%)及河北南部的其他城市.位于河北中南部,污染程度較重的保定和石家莊市,PM2.5主要來自其本地貢獻,兩地的本地貢獻率分別為53%和57%.同樣受偏西風(fēng)影響,山西對保定和石家莊PM2.5濃度的影響較大,貢獻率分別為14%和18%.位于河北東部的唐山市和天津市,PM2.5本地貢獻率分別為44%和41%,外來輸送貢獻略大于本地貢獻.受風(fēng)向多變的靜小風(fēng)輸送影響,天津受周邊的唐山(12%)、廊坊(8%)、保定(8%)等城市的輸送影響較大.唐山受其周邊的天津(9%)、秦皇島(6%)、山東(6%)輸送的影響較大.

針對北京市PM2.5來源的時間變化做進一步分析(圖11).北京PM2.5的地區(qū)來源隨時間變化顯著,在15~16日污染起始時段,受西南風(fēng)影響,河北中部的保定(10%~15%)、廊坊(5%左右)及河北南部其他城市(10%~15%),張家口(5%左右)、山西(5%~10%)對北京PM2.5濃度的貢獻率均較大,而北京本地貢獻較小,貢獻率介于30%~40%.17~21日,隨著氣象條件趨于穩(wěn)定、風(fēng)速逐漸減小且轉(zhuǎn)為偏西風(fēng),北京本地貢獻率逐漸增大至45%~60%,河北中南部對北京PM2.5的貢獻率略有降低,而北京西部的張家口及山西的貢獻率則略增加.22日,受冷空氣影響,在西北大風(fēng)的影響下,北京本地的貢獻率減小至35%,而北京西部的張家口(25%~30%)、承德(10%~15%)和內(nèi)蒙古(5%~10%)的貢獻率則顯著增大,重污染在強擴散作用下迅速清除.

圖9 FLEXPART模擬的北京2016年12月15日、17日、19日和22日PM2.5污染潛在源區(qū)

彩色為駐留時間(單位:s),其數(shù)值越大,表示北京受到該地區(qū)的影響越大;灰色為一次PM2.5排放分布

圖10 2016年12月16~21日京津冀主要城市PM2.5地區(qū)來源貢獻率

圖11 2016年12月14~ 21日北京市PM2.5地區(qū)來源日變化

3 結(jié)論

3.1 污染過程中,華北地區(qū)高空環(huán)流由經(jīng)向型轉(zhuǎn)為緯向型,持續(xù)以偏西氣流為主空中回暖明顯,后期轉(zhuǎn)槽前伴暖脊,暖濕平流明顯;對應(yīng)地面天氣形勢為低壓發(fā)展-高壓底部-鋒前倒槽的變化過程,在此過程中地面氣壓逐漸降低,輻合不斷增強;垂直方向上,逆溫層不斷抬升加厚,暖平流逐漸增強,且風(fēng)垂直切變較小,無明顯動量下傳;這些因素綜合作用導(dǎo)致大氣處于極度靜穩(wěn)狀態(tài),是此次華北地區(qū)長時間、大范圍嚴重污染形成的天氣學(xué)原因.

3.2 污染期間,北京的PM2.5本地貢獻率為48%,外來輸送主要來自山西(12%)和河北西南部的保定(7%)、張家口(9%)等城市.位于河北中南部污染較重的保定和石家莊,其PM2.5主要來自本地貢獻,貢獻率分別為53%和57%,外來輸送主要來自山西,貢獻率分別為14%和18%.位于河北東部的唐山和天津本地貢獻相對較小,貢獻率分別為44%和41%,外來輸送主要來源于其周邊地區(qū),貢獻率均介于5%~ 15%之間.

3.3 北京市PM2.5污染來源的時間變化特征明顯.12月16日~17日間,污染氣團沿太行山東側(cè)的西南通道(邯鄲-邢臺-石家莊-保定-北京)輸入北京地區(qū),河北中部、南部及山西等地對北京PM2.5濃度的貢獻率均較大,而北京本地貢獻較小;18~21日間,隨著氣象條件趨于穩(wěn)定、風(fēng)速逐漸減小,北京市污染潛在源區(qū)縮小,北京本地貢獻率逐漸增大至45%~ 60%;22日,受冷空氣影響,在西北大風(fēng)的影響下,北京本地的貢獻率減小至35%,重污染在強擴散作用下迅速清除.

[1] 張繼娟,魏世強.我國城市大氣污染現(xiàn)狀與特點[J]. 四川環(huán)境, 2006,25(3):104-112. Zhang J J, Wei S Q. Current status and characteristics of urban air pollution in China [J]. Sichuan Environment, 2006,25(3):104-112.

[2] 梁偉棠,張德安,尹騰輝.大氣污染現(xiàn)狀及控制對策研究[J]. 資源與環(huán)境, 2016,42(2):156-157. Liang W T, Zhang D A, Yin T H. Atmospheric pollution present situation and the control countermeasures [J]. Resources and Environment, 2016,42(2):156-157.

[3] 王冠嵐,薛建軍,張建忠. 2014年京津冀空氣污染時空分布特征及主要成因分析[J]. 氣象與環(huán)境科學(xué), 2016,39(1):34-42. Wang G L, Xue J J, Zhang J Z. Analysis of spatial-temporal distribution characteristics and main cause of air pollution in Beijing-TianjinHebei region in 2014 [J]. Meteorological and Environmental Sciences, 2016,39(1):34-42.

[4] 繆育聰,鄭亦佳,王 姝,等.京津冀地區(qū)霾成因機制研究進展與展望[J]. 氣候與環(huán)境研究, 2015,20(3):356-368. Miao Y C, Zheng Y J, Wang S, et al. Recent advances in, and future prospects of, research on haze formation over Beijing–Tianjin– Hebei, China [J]. Climatic and Environmental Research (in Chinese), 2015,20(3):356-368.

[5] 周兆媛,張時煌,高慶先,等.京津冀地區(qū)氣象要素對空氣質(zhì)量的影響及未來變化趨勢分析[J]. 資源科學(xué), 2014,36(1):191-199. Zhou Z Y, Zhang S H, Gao Q X, et al. The impact of meteorological factors on air quality in the Beijing- Tianjin-Hebei region and trend analysis [J]. Resources Science, 2014,36(1):191-199.

[6] 袁東敏,馬小會. 2016年12月16~21日重度霾過程及大氣環(huán)流異常 [J]. 氣候與環(huán)境研究, 2017,22(6):757-764. Yuan D M, Ma X H. The severe haze in 16~21 December 2016 and associated atmospheric circulation anomalies [J]. Climatic and Environmental Research, 2017,22(6):757-764.

[7] 徐 冉,饒曉琴,張恒德. 2016年12月北京市持續(xù)重污染天氣特征分析[C]. 中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會論文集, 2017:966-970. Xu R, Rao X Q, Zhang H D. Analysis of the characteristics of continuous heavy-pollution weather in Beijing in December, 2016 [C]. The Proceedings of the Annual Conference of the Chinese Society of Environmental Science, 2017:966-970.

[8] 尹曉梅,孫兆斌,郭淳薇,等. 2016年12月京津冀一次重污染天氣過程分析 [J]. 生態(tài)環(huán)境學(xué)報, 2017,26(12):2071-2083. Yin X M, Sun Z B, Guo C W, et al. Analysis of a heavily polluted event in Beijing-Tianjin-Hebei Region in December, 2016 [J]. Ecology and Environmental Sciences, 2017, 26(12):2071-2083.

[9] Stohl A. Trajectory statistics: a new method to establish source receptor relationships of air pollutants and its application to the transport of particulate sulfate in Europe [J]. Atmospheric Environment, 1996,20:579-587.

[10] Stohl A, Forster C, Frank A, et al. Technical note: the lagrangian particle dispersion model FLEXPART version 6.2 [J]. Atmospheric Chemistry and Physics, 2005,5:2461-2474.

[11] 李 巖,安興琴,姚 波,等.北京地區(qū)FLEXPART模式試用性初步研究[J]. 環(huán)境科學(xué)學(xué)報, 2010,30(8):1674-1681. Li Y, An X Q, Yao B, et al. A preliminary study on the applicability of the FLEXPART model to Beijing [J]. Acta Scientiae Circumstantiae, 2010,30(8):1674-1681.

[12] Wu Q Z, Wang Z F, Gbaguidi A, et al. A numerical study of contributions to air pollution in Beijing during CARE Beijing-2006 [J]. Atmospheric Chemistry and Physics, 2011,11(12):5997-6011.

[13] Wang L T, Wei Z, Yang J, et al. The 2013 severe haze over southern Hebei, China: model evaluation, source apportionment, and policy implications [J]. Atmospheric Chemistry and Physics, 2014,14(6): 3151-3173.

[14] 王雪松,李金龍,張遠航,等.北京地區(qū)臭氧污染的來源分析[J]. 中國科學(xué)B輯:化學(xué), 2009,39(6):548-559. Wang X S, Li J L, Zhang Y H, et al. Ozone source attribution during a severe photochemical smog episode in Beijing, China [J]. Science in China Series B-Chemistry, 2009,39(6): 548-559.

[15] 王自發(fā),謝付瑩,王喜全,等.嵌套網(wǎng)格空氣質(zhì)量預(yù)報模式系統(tǒng)的發(fā)展與應(yīng)用[J]. 大氣科學(xué), 2006,30(5):778-790. Wang Z F, Xie F Y, Wang X Q, et al. Development and application of nested air quality prediction modeling system [J]. Chinese Journal of Atmospheric Sciences, 2006,30(5):778-790.

[16] Li J, Wang Z F, Zhuang G, et al. Mixing of Asian mineral dust with anthropogenic pollutants over East Asia: a model case study of a super-duststorm in March 2010 [J]. Atmos Chem Phys, 2012,12: 7591-7607.

[17] Li J, Wang Z F, Akimoto H, et al. Near-ground ozone source attributions and outflow in central eastern China during MTX2006 [J]. Atmospheric Chemistry and Physics, 2008,8(24):7335-7351.

[18] 陳煥盛,王自發(fā),吳其重,等.亞運時段廣州大氣污染物來源數(shù)值模擬研究[J]. 環(huán)境科學(xué)學(xué)報, 2010,30(11):2145-2153. Chen H S, Wang Z F, Wu Q Z, et al. Source analysis of Guangzhou air pollutants by numerical simulation in the Asian Games Period [J]. Acta Scientiae Circumstantiae, 2010,30(11):2145-2153.

[19] 黃蕊珠,陳煥盛,葛寶珠,等.京津冀重霾期間PM2.5來源數(shù)值模擬研究[J]. 環(huán)境科學(xué)學(xué)報, 2015,35(9):2670-2680. Huang R Z, Chen H S, Ge B Z, et al. Numerical study on source contributions to PM2.5over Beijing-Tianjin-Hebei area during a severe haze event [J]. Acta Scientiae Circumstantiae, 2015,35(9): 2670-2680.

[20] 尉 鵬,程水源,蘇福慶,等.北京重污染事件中污染物傳送軌跡模擬與分析[J]. 北京工業(yè)大學(xué)學(xué)報, 2012,38(8):1264-1268. Wei P, Cheng S Y, Su F Q, et al. Simulation and analysis of pollutant transport during the heavy polution event in Beijing [J]. Journal of Beijing University of Technology, 2012,38(8): 1264-1268.

[21] 潘錦秀,晏平仲,李云婷,等.北京冬奧會同期空氣污染數(shù)值模擬[J]. 環(huán)境科學(xué)研究, 2017,30(9):1325-1334. Pan J X, Yan P Z, Li Y T, et al. Air pollution numerical simulation during the same period of Beijing Winter Olympic Games [J]. Research of Environmental Sciences, 2017,30(9):1325-1334.

[22] 李珊珊,程念亮,潘 濤,等.2014年10月京津冀一次空氣重污染過程分析[J]. 環(huán)境科學(xué)與技術(shù), 2016,39(3):162-169. Li S S, Cheng N L, Pan T, et al. Analysis of a heavy air pollution event in Beijing-Tianjin-Hebei Region in october 2014 [J]. Environmental Science & Technology, 2016,39(3):162-169.

[23] 王叢梅,楊永勝,劉永占,等. 2013年1月河北省中南部嚴重污染的氣象條件及成因分析[J]. 環(huán)境科學(xué)研究, 2013,26(7):695-702. Wang C M, Yang Y S, Li Y Z, et al. Analysis on the meteorological condition and formation mechanism of serious pollution in south Hebei Province in January 2013 [J]. Research of Environmental Sciences, 2013,26(7):695-702.

[24] 許萬智,朱春濤,陳仲榆,等.華北地區(qū)一次重污染天氣的氣象變化過程分析[J]. 中國環(huán)境監(jiān)測, 2015,31(6):34-40. Xu W Z, Zhu C T, Chen Z Y, et al. The comprehensive analysis of a heavy air pollution episode in North China region in February, 2014 [J]. Environmental Monitoring in China, 2015,31(6): 34-40.

[25] 張人禾,李 強,張若楠. 2013年1月中國東部持續(xù)性強霧霾天氣產(chǎn)生的氣象條件分析[J]. 中國科學(xué):地球科學(xué), 2014,44(1):27-36. Zhang R H, Li Q, Zhang R N. Meteorological conditions for the persistent severe fog and haze event over eastern China in January 2013 [J]. Science China: Earth Sciences, 2014,44(1):27-36.

The causes and sources of a heavy-polluted event in Beijing-Tianjin-Hebei region.

PI Dong-qin1,2, CHEN Huan-sheng1,2, WEI Wei2, WANG Wen-ding1,2, XIAO Lin-hong2, ZHANG Wen-ding2, WU Jian-bin1,2, LI Jian-jun3, YAN Ping-zhong1,2*

(1.Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China；2.3 Clear Technology Co., Ltd., Beijing 100029, China；3.China National Environmental Monitoring Centre, Beijing 100012, China)., 2019,39(5)：1899~1908

From 16 to 21December 2016, the Beijing-Tianjin-Hebei region experienced a large-scale heavy pollution process. By using the pollutant concentration monitoring data, weather charts, the synoptic causes of the heavy air pollution were investigated in the present paper. The sources of PM2.5pollution in the main cities of Beijing, Tianjin and Hebei region were also analyzed quantitatively by using the Nested Air Quality Prediction Modeling System (NAQPMS). The results showed that it blew straight west wind in 500hPa accompanied with the warmer air in the early stage. Subsequently, it turned to south airflow ahead of trough accompanied with warm ridge, getting warmer and wetter substantially. Correspondingly, the ground pressure gradually decreased and the convergence increased continuously. In the vertical direction, the inversion layer continued to rise and thicken, the warm advection in the middle and lower layers was obvious, and the vertical shear of the wind was small. In summary, the atmosphere was in a state of extremely static stability, which led to a long and heavy pollution process in North China. During the period of air pollution, the local contribution of PM2.5pollution in major cities of Beijing, Tianjin and Hebei region was 40%~60%. The local contribution of PM2.5in Beijing was 48%, in which Beijing was mainly affected by the southwest transport channel along the east side of Taihang Mountain from 16 to 17December, then as the result of the decreased wind speed afterwards, local and surrounding cities contributed more.

Beijing-Tianjin-Hebei regional heavy pollution；weather situation；NAQPMS；source apportionment

X513

A

1000-6923(2019)05-1899-10

皮冬勤(1989-),女,江蘇泗陽人,碩士,主要從事大氣污染成因分析研究.發(fā)表論文5篇.

2018-10-29

國家重點研發(fā)計劃(2016YFC0208803)

*責(zé)任作者, 高級工程師, yanpz@mail.iap.ac.cn