2015年北京“阅兵蓝”特征及成因探讨

康志明,桂海林,王继康,江 琪,吕梦瑶(1.江苏省气象台,江苏 南京 10008；.国家气象中心,北京100081)

2015年北京“阅兵蓝”特征及成因探讨

康志明1,2*,桂海林2,王继康2,江 琪2,吕梦瑶2(1.江苏省气象台,江苏 南京 210008；2.国家气象中心,北京100081)

利用大气成分和气象要素观测数据,对2015年8～9月北京田径世锦赛和抗战胜利70周年纪念活动期间的北京P M2.5浓度变化特征及其相关的大气污染气象条件进行了研究,并采用大气化学数值模式模拟了气象条件、减排措施和区域减排联合行动对北京PM2.5浓度下降的作用和贡献.结果表明：纪念活动期间北京地区空气质量显著改善,PM2.5平均浓度仅为18.7µg/m3,比前期8月1～19日下降70%,比2014年同期降低74.0%;东北冷涡长时间稳定少动为空气质量改善提供了良好的大气环流条件,北京地区混合层高度相比前期升高20%,相对湿度降低 17%,风速增大 7%,气象要素变化为庆祝活动期间 PM2.5浓度下降提供了良好的气象条件,尤其是地面主导风向转为偏北风后,阻止了北京城南及华北中南部地区的污染物输入北京城区;CAMx模式的模拟结果表明,与2014年同期相比,气象条件变化在北京PM2.5浓度降幅中的贡献率达73%;纪念活动期间有无减排的模拟分析显示,在相同的气象条件下,减排措施使北京PM2.5浓度下降约33%;期间北京PM2.5来源以本地排放为主,本地的减排措施对改善空气质量的贡献率约为72%,周边地区减排的贡献率约为28%.

空气污染气象条件；数值模拟；减排措施

近年来,为保障重大社会活动期间的空气质量,政府多次采取应急减排措施,如 2008年北京奥运会、2010年广州亚运会和2014年北京APEC会议等.有学者研究这些活动期间的空气质量变

化特征发现,应急减排等措施对于改善空气质量有明显效果[1-3].

除污染物排放之外,气象条件则对大气中的污染物有着扩散、稀释和积累等作用,从而对空气质量有重要的影响. 20世纪6、70年代以来,气象研究者就气象条件与污染物浓度的关系展开大量研究.在气象要素作用方面,丁国安、董志根[4-5]指出表征空气动力和热力因素的风向、风速、湍流以及稳定度对空气污染物扩散有重要影响.任阵海等[6]研究表明,稳定的天气形势是造成局地严重污染的重要条件.针对气象条件的重要性,蒋维楣等[7]指出,在污染源一定的情况下,污染物浓度大小主要取决于气象条件,气象条件是空气污染物短时变化的决定因素.张人禾等[8]提出在雾霾及重污染天气的逐日演变中,超过 2/3的变化是由气象因子所造成的.气象条件除影响本地大气污染物的积累外,还会导致污染物输送,是形成污染区域性特征的主要原因[9-12].近10多年来,针对北京、上海、广州等大城市的污染物来源研究工作表明[13-18],城市间污染相互作用显著,且随季节变化有较大差异.如 Streets等[14]用CMAQ模式模拟了排放源,发现 2008年奥运会期间河北省污染物排放对北京PM2.5浓度贡献达到 50%～70%.张艳等[18]对上海地区空气质量受本地及外地污染源输送影响的研究,揭示长江三角洲其他地区对上海大气污染贡献率与风向、风力关系非常密切,且呈现出明显的季节性差异.

目前,关于大气污染研究工作的一个重点是分析减排措施对改善空气质量的贡献,其次是探讨气象条件在重污染天气形成中的作用.然而,结合减排措施和气象条件的综合研究却比较少.科学区分气象条件与人类活动排放在大气污染过程或减排措施效果中的贡献,为科学制定大气污染防治措施及调控目标提供决策依据,避免防治不当和过度防御造成不必要的资源浪费,这已经成为当前环境、气象部门面临的重要任务.本文选取2015年北京举行的抗战胜利70周年纪念活动期间,京津冀及周边地区联合进行大气污染区域联防联控的实例,分析在特定气象条件下PM2.5浓度的变化特征,重点研究气象条件和减排措施对空气质量改善的贡献和区域联防的作用,探讨如何结合气象条件进行科学污染减排,为今后空气质量应急预案和区域联防联控提供有参考价值的支持.

1 资料来源和方法

1.1 所用资料及研究时段

本文使用的大气成分分析数据来自环保部中国环境监测总站发布的全国城市空气质量逐小时观测数据以及中国气象局大气成分观测数据.由于 PM2.5是现阶段政府大气污染防控治理的主要对象和考核指标,所以文中分析以 PM2.5为主.

大气污染气象条件分析采用中国气象局的气象观测数据.大气环流特征分析采用欧洲中期天气预报中心(ECMWF)提供的ERA-interim 再分析资料,水平分辨率1.5°×1.5°.

京津冀及周边地区的减排保障措施自2015年8月20日陆续启动实施.因此文中以8月 20～9月 3日为纪念活动期间,以 2015年 8月1～19日为前期,2014年8月20日～9月3日称为去年同期.

1.2 模式及数值模拟设计方案

采用美国Environ公司开发的CAMx模式对空气质量进行模拟,CAMx在对大气污染物进行多尺度综合模拟的基础之上,加入了臭氧源分配技术(OSAT)、颗粒物示踪技术(PSAT)、敏感性分析等技术,可以更好地分析污染过程[19].CAMx中对细颗粒物的来源进行分析的 PSAT技术是通过在模式中加入示踪变量,以标记不同来源的污染物,这不仅可以快速高效地进行源解析,而且相对于模式中其他源解析方法避免了二次污染物的非线性变化带来的误差,PSAT技术在对污染物源解析方面的准确性已得到广泛的证实

[20-23].模拟采用中尺度气象模式 WRF为CAMx提供气象场驱动,水平分辨率为 24km,垂直层次为 27层.模式的初始和边界输入数据为NCEP(美国国家环境预报中心)提供的FNL全球再分析资料;下垫面资料来自于 MODIS下垫面分类资料.

表1 2015年纪念活动期间各省市按行业排放源减少系数(%)Table 1 Reduction factor of each emission category in Beijing and the surrounding provinces during the period of memorial activity 2015 (%)

研究中,污染物人为源清单中国区域部分采用清华大学2012年0.25°分辨率的MEIC排放源清单,中国区域外采用 2006年 0.5°分辨率的INTEX-B排放源清单[24],并考虑了源排放的日变化和季节变化[25].天然源气体排放情况采用SMOKE-BEIS3模式计算[26].根据根据环保部相关部门公布的纪念活动期间北京市及区域污染减排情况,本研究在MEIC源清单基础上,模拟研究采用的减排方案如表1所示.模拟区域中心坐标为 107°E,35°N,水平分辨率为 24km,垂直分层为19层,模拟区域涵盖了整个中国区域.

2 结果与讨论

2.1 PM2.5实况

2015年8月1～9月3日,北京PM2.5日均浓度变化如图1所示.8月1～19日,北京PM2.5平均浓度为63.6µg/m3,最高日浓度出现在8月13日,达119.5µg/m3,小时最高浓度为143µg/m3.按照空气质量国家标准[27],此期间 PM2.5一级达标日只有 2d,二级达标日有 11d,轻度污染出现 5d,中度污染1d,污染日出现频率为32%.

图1 2015年8月1日～9月3日北京PM2.5日均浓度变化Fig.1 Variations of the averaged daily PM2.5concentrations during the period from 1st August to 3rd September 2015

表2 2015年纪念活动期间华北主要城市平均PM2.5浓度与活动前期及2014年同期比较情况Table 2 Comparison of PM2.5concentration among major cities in North China during the period of memorial activity, with the prior period and the same period in 2014

纪念活动期间北京PM2.5日均浓度明显下降,自8月20日开始连续15d达到一级优水平,创造有监测记录以来的历史最佳.此期间 PM2.5平均浓度仅为 18.7µg/m3,比前期降低 70%,比去年同时期(70.7µg/m3)降低74%(表2).最高小时浓度为64µg/m3,仅与前期均值相当.在PM2.5浓度明显下降的同时,北京大气其他主要污染物浓度也有所下降,其中 NO2平均浓度为 26.4µg/m3较前期(41.5µg/m3)降低34.9%,比去年同期降低52%.O3平均浓度为 76.8µg/m3比前期(105.8µg/m3)降低27%,比去年同期略降1%.

除北京之外,周边各主要城市 PM2.5浓度也明显下降(表2),但改善幅度较之北京略小.天津、石家庄、太原、济南等城市的平均PM2.5浓度较前期降幅在 16%～57%之间,较去年同期降幅为30%～52%.

2.2 气象条件分析

2.2.1 大气环流形势特征 天气形势特征决定了气象要素的分布和变化, 是气象条件对污染物稀释、扩散、聚积和清除能力的重要约束.北京纪念活动期间的亚洲平均大气环流形势场(图2a)显示,在东亚上空出现典型的东北冷涡天气形势,亚洲大陆北部受东北西南走向高压脊控制,我国东北地区到渤海、黄海一带为冷涡低槽区,华北至西北地区上空为另一高压脊盘踞,该高压前部至东北冷涡后部盛行一支偏北气流,引导冷涡中冷空气南下.此东北冷涡形势于8月20日建立,是由西风带上低槽东移至东北地区发展加强而形成的,然后,其稳定少动并维持到9月2日减弱.

夏季东北冷涡过程通常持续3～5d,但是纪念活动期间冷涡形势却维持了13d之久,这与15号台风“天鹅”活动密切关联.8月24日,台风“天鹅”北上进入西风带,25日在日本九州西部沿海登陆,然后移进日本海并转向偏北方向移动,27日“天鹅”在俄罗斯海参崴附近沿海再次登陆后移进我国东北东部地区,逐渐变为温带气旋,并与已减弱的东北冷涡合并,导致冷涡再次发展加强及稳定维持.

东北冷涡是个深厚的冷性气柱天气系统[28],由于其温压场结构不对称,冷涡中的冷空气不断沿其西侧偏北气流南下影响华北地区,有利于大气污染物的水平扩散.同时,在冷涡影响下高空冷空气降温与地面受太阳辐射加热形成上冷下暖不稳定大气层结,易于产生雷雨天气,有利于大气污染物的垂直扩散和沉降.2015年6～8月,除纪念活动期间外,还出现3次典型东北冷涡天气过程,分别为6月11～14日、6月18～20日和6月20～7月3日.从3次冷涡过程平均环流形势场来看(图2b),环流形势特征同纪念活动期间冷涡形势相一致,华北地区也受东北冷涡后部的高空偏北气流控制.这3次东北冷涡过程,在政府没有采取减排措施的背景,北京平均 PM2.5浓度值分别为：16µg/m3、17µg/m3和18µg/m3,平均PM2.5浓度值与纪念活动期间相当甚至还略低,这表明东北冷涡天气形势下,气象条件非常有利于大气污染物的扩散和沉降.

图2 2015年8月20～9月3日平均500hPa高度场(a)以及2015年6月11～14日、6月18～20日和6月20日～7月3日3次冷涡过程平均500hPa高度场(b)Fig.2 Averaged geopotential height at 500hPa for (a) the period of memorial activity and (b) 3 cold vortex events of 11～14th June, 18～20th June and 20th June to 3rd July

2.2.2 气象要素特征 华北地区大气污染和气象要素的关系研究结果表明,气温、近地层湿度、混合层高度和持续性小风及气压等气象要素是影响污染天气程度的关键气象因子,其中在典型污染过程中相对湿度与北京地区空气污染的相关系数达 0.9以上[29-32].与前期的对比分析表明(表 3),在东北冷涡天气形势下,纪念活动期间北京地区的混合层高度、相对湿度、风速等影响污染天气程度的关键气象要素都呈现出有利空气质量改善的变化趋势.其中混合层高度相比前期

升高20%,相对湿度降低17%,风速增大7%.相比之下,变化最明显的是风向频率,北风频率由前期37%增加至69%,南风频率从63%减少至31%,主导风向由偏南转为偏北.

表3 纪念活动前后北京地区气象要素对比分析Table 3 Comparison of meteorological factors in Beijing between the period of memorial activity and previous period

为了分析气象要素变化对空气质量的可能影响程度,以污染临界值PM2.5浓度75µg/m3为界,对纪念活动前期相应的气象要素进行统计,其结果显示污染时段和空气质量优良时段的混合层高度、相对湿度、风频等要素有明显差异(表3).对比分析前期空气优良时段与纪念活动期间的气象要素发现后者的混合层高度升高 4%,相对湿度降低10%,风速增大7%,北风频率增加18%,南风频率则减少18%.由此可见,在纪念活动期间这些与污染程度密切相关的气象要素均比前期空气优良时更加利于污染物消散,从而改善空气质量.前期空气优良时段,北京平均 PM2.5为39.6µg/m3,在更有利的气象条件下,假如纪念活动期间没有采取减排措施,北京空气质量也可以维持在优良水平.

2.2.3 气象条件输送作用 华北地区地形特征呈现北部、西部高,东部、南部地势平坦,又是我国重要能源和钢铁工业基地.受工业布局和地形的影响,就北京来看,偏北风对污染物有稀释和清除作用,偏南风则利于污染物传输和积聚,气象条件的传输作用对北京 PM2.5浓度有显著影响[33].由于对流层内气溶胶呈多层复杂结构,但通常高浓度气溶胶主要集中在0.5km以下范围[34],因此通过计算925hPa以下整层PM2.5输送通量来分析气象条件对纪念活动期间北京大气污染物传输的可能影响,其中通量为数值模式模拟结果.从计算结果来看(图3),北京平均PM2.5通量与边界层平均风向之间有明显相关关系,大部时段内,边界层南风和北风分别与正、负净通量相对应,最大通量出现在西南风下.与西南风不同,8月30～31日,当北京边界层为持续东南风时,PM2.5净通量为负值,期间北京还出现了超过25mm的降雨,说明源自海上的东南气流在带来水汽并形成降水天气的同时,对北京大气污染物也起到了扩散和清洁的作用.

图3 2015年8月10日～9月3日地面至925hPa平均PM2.5通量和平均风Fig.3 Averaged PM2.5flux and wind from ground level to 925hPa during 10 Aug to 3 Sep 2015

8月 20日之前,北京边界层以南风为主, PM2.5输送通量变化幅度大,以正通量为主,反映纪念活动前期,偏南风为主的气象条件对北京大气污染物有输送作用.而纪念活动期间,边界层转为偏北风,PM2.5输送通量以负值为主,来自北方的清洁空气有利于北京大气污染物的扩散和清除.分析表明,冷涡控制下气象条件发生变化,尤其是地面主导风向转为北风,减少了北京以南地区污染物对北京的输送,对北京地区空气质量改善起到了重要的作用.

综上所述，价值观、道德判断与攻击行为之间存在的关系大致可以归纳为：价值观与道德判断之间存在相互协调的关系，也可以理解成为相辅相成关系，为正相关关系。价值观、攻击行为与道德判断、攻击行为之间存在负相关关系，总体可以表现为：当青少年价值观方面存在偏差时，自身的价值尺度与价值观念将会受到严重影响，很有可能出现攻击行为，危害他人与自身。

2.3 数值模拟分析

2.3.1 模拟验证 利用 CAMx模式进行模拟,为了消除模式初始值影响,去掉8月1～9日的模拟值.模式模拟值与监测值的对比如图4所示,模式较好地反映了污染物的浓度变化特征,模拟值(20日之前未考虑减排,20日之后考虑减排)与监测值之间的相关系数为0.76(r2为0.58),平均误差为-1.35µg/m3,平均绝对误差为10.7µg/m3,由于模拟期间的整体浓度不高,所以平均相对误差较大,为 0.33.减排模拟采用的方案使模拟结果有明显的削峰作用,在纪念活动期间与监测值更为接近.纪念活动期间白天模拟值与监测值吻合较好,晚上存在较大程度的高估,但是相关性与前期没有大幅下降,原因与模式对于气象场和气溶胶化学转化模拟有误差,尤其是与对夜间混合层高度计算的误差有关[35].另外,由于不能准确掌握详细的污染源清单,尤其是在调控时期,排放源清单的不确定性对模式性能有一定影响.

图4 2015年8月10日～9月3日北京PM2.5逐时浓度与模式模拟结果对比(8月20日之后实线为减排模拟,虚线为未减排模拟)Fig.4 Comparison between simulated and observed PM2.5concerntrations during 10August to 3September 2015. The solid and dotted line denote the simulation with and without using the the emission reduction measures after Aug 20, respectively

2.3.2 气象条件贡献模拟分析 上文大气环流背景以及气象要素分析表明,气象条件变化对北京空气质量改善有显著影响.但由于气象要素与污染物浓度之间的关系较为复杂,且各气象要素之间相互联系,相互影响,难以客观定量地通过某一气象要素或综合指标来定量描述气象条件变化对空气质量改善的作用.因此,本文通过模式模拟来定量分析综合气象条件在空气质量改善中的贡献和作用,其思路是取同一大气化学模式,并采用相同的污染源清单,通过不同时段气象场数据驱动模式进行模拟得到污染物浓度,其结果的差异即反映出不同气象条件对污染物浓度变化的作用.

纪念活动期间北京PM2.5浓度相较去年同期大幅下降 74%,为分析其中气象条件和减排措施的贡献,统一采用未进行减排处理的 2012年MEIC源清单,利用纪念活动期间和2014年同期两个时段的气象场数据驱动CAMx模式进行模

拟.结果显示,在相同排放的情况下,由于气象条件不同造成纪念活动期间PM2.5浓度较去年下降54%(表4),而减排措施使 PM2.5浓度较去年同期下降约 20%.也就是说,与去年同期相比,气象条件变化在浓度下降中贡献了 73%的作用,而减排措施仅占了27%的作用.

从比较来看,对 NO2浓度的变化,气象条件和减排措施的贡献较为接近,分别为54%和46%.值得关注的是,模拟显示 2015年的气象条件有利于O3浓度下降8%,而实际观测到的O3浓度下降只有1%,显示减排措施对O3浓度的控制起到了相反的作用.由于 O3的浓度水平与其前体物氮氧化物和挥发性有机物之间呈现复杂的关系,研究表明,并非氮氧化物与挥发性有机物降低, O3浓度就会降低,当二者控制的比例不适合时,空气中的 O3浓度短时间内也可能出现上升的状况.此外,O3浓度一般认为与日照有较好的相关,PM2.5浓度下降改善大气的光照并有利气温上升,在一定条件下反而有利于 O3的生成[36-37].

表4 2015年北京纪念活动期间大气污染物浓度与去年同期变化率以及通过模拟计算的气象条件贡献率和减排措施贡献率(%)Table 4 Change rate of the atmospheric pollutant concentrations between the period of memorial activity and the same period in last year, the corresponding contribution rate of meteorological conditions and emission reduction measures by simulation (%)

2.3.3 减排措施贡献分析 利用 CAMx模式,采用原排放源清单以及按照减排方案修订的排放源清单分别模拟在纪念活动的天气条件下,采取减排与否对污染物浓度的影响.未减排模拟结果显示(图 5a),我国中东部空气污染区域中的华北南部和黄淮,江淮和华中的部分地区出现高PM2.5浓度中心.实行减排措施后,河北南部、唐山附近、天津、北京南部的局地PM2.5浓度下降超过20µg/m3,其他地区PM2.5浓度下降幅度不明显(图5b).

图5 纪念活动期间采用原排放清单模拟的PM2.5浓度分布以及采用减排后清单的PM2.5浓度变化分布 (a：减排前;b减排后浓度变化)Fig.5 Distribution of PM2.5concentration by using the original emission (a) and the relative change distributions (b) of PM2.5by using the redused emissions and original emissions during the period of memorial activity

在未减排情况下,北京、河北中部、山西中部一带为空气质量优良与轻度污染的交界处,减排措施使空气优良区域向南扩展,但除唐山附近PM2.5浓度由110µg/m3以上降低到70µg/m3左右外,上述其他区域浓度变化并不明显.其中减排前,北京中北部和西部空气质量为优,南部为良,减排后,北京大部区域为优.采用减排方案前后,北京平均 PM2.5浓度由 49µg/m3下降至32µg/m3,下降幅度为 33%.考虑模拟值存在一定的系统性偏差,参考其变化幅度和实际浓度18.7µg/m3,如果未减排, PM2.5浓度约为28µg/m3.同样表明即使没有减排措施,有利的气象条件也可以保证纪念活动期间北京空气质量维持优良水平.

2.3.4 区域减排措施贡献分析 利用CAMx模式对北京大气中的一次污染物进行标记追踪,以分析区域排放及减排措施对北京PM2.5浓度变化的贡献.将PSAT受体设置在北京城区.模式以北京市区为中心将北京及其周边地区划分为 8个源区,分别为北京、河北北部、河北南部、天津,内蒙古,山东,山西和其他地区.其中,河北北部主要是指北京以北的河北省所属区域,河北南部是北京以南的河北省所属地区,模拟时采取与前文相同的减排方案.

源追踪的分析表明(表5),纪念活动期间北京PM2.5来源以本地排放贡献为主,占 57%;在以北风为主的天气背景条件下,河北北部的贡献率为9.6%,超过河北南部的8.4%;天津贡献率有9.8%,其他区域仅分别有6%左右,山西不足1%.采用减排方案前后,北京平均 PM2.5浓度下降 17µg/m3,其中,北京本地减排措施对细颗粒物浓度下降贡献最大,达 72.2%;河北为 16.2%,次之;天津贡献7.1%;其他区域均≤2.2%.

8月 10～19日,东北冷涡形势建立之前的北京平均 PM2.5来源追踪分析显示,本地排放贡献率为 45.4%,较纪念活动期间明显下降,而河北南部上升至24%,明显超过河北北部,山东贡献率也上升至 7.2%(表 5).为了分析不同气象条件下区域减排效果的变化,采用与纪念活动期间相同的减排方案对8月10～19日进行了减排模拟分析.结果表明,北京PM2.5浓度由减排前81µg/m3下降至 59µg/m3,其中北京本地减排措施对细颗粒物浓度下降的贡献率仍然最大,为 55.4%,而河北贡献率上升至 27.9%,特别是河北南部上升幅度最为显著,相同的减排措施,贡献率则是纪念活动期间的近3倍.这说明在不同气象条件下,相同的减排措施会产生明显不同效果.

表5 2015年纪念活动期间及前期北京PM2.5来源Table 5 The contributions of PM2.5concentration from source regions to Beijing during period of memorial activity and the previous period

大气污染是污染排放和气象条件共同作用的结果,利用模式模拟的方法可以定量分析气象条件的综合作用.值得注意的是,由于大气化学模式还存在不确定性,模式本身存在偏差,加上无法获取精确的减排方案,这些都可能对模拟结果的准确性产生一定的影响.本研究基于天气形势、气象要素和模拟分析得到了较为一致的基本结论,揭示有利的气象条件是2015年北京“阅兵蓝”的主要原因,在不同的气象条件下,区域减排贡献可能会出现显著差异.此外,本研究以 PM2.5为主要分析对象,但 PM2.5只是空气质量的指标之一,研究时段内 PM2.5浓度大幅下降的同时,O3浓度变化并不明显,从国际经验来看,O3污染治理比PM2.5难度更大.O3浓度变化与气象条件和减排之间的关系有待今后深入研究.

3 结论

3.1 纪念活动期间,北京 PM2.5日均浓度较前期

和去年同期均明显下降,处在一级优等级.北京周边各主要城市 PM2.5浓度同时也明显下降,但降幅比北京略小.

3.2 台风“天鹅”和西风带系统相互作用,导致东北冷涡维持时间长,为纪念活动期间空气质量改善提供了良好的大气环流条件.由于冷涡的影响,纪念活动期间相对湿度、混合层高度、风向等气象要素都出现有利于空气质量改善的变化趋势.

3.3 CAMx模式能较好地模拟出污染物的浓度变化特征,模式模拟结果显示,与 2014年同期相比,气象条件在改善北京 PM2.5浓度变化中贡献了73%的作用,而减排措施的作用仅占27%.有无减排的模拟分析表明,大范围减排对华北南部、黄淮西部原PM2.5浓度高值中心的浓度降低有明显作用.北京地区减排使PM2.5下降约33%,但由于减排前浓度就较低,减排造成的浓度下降并不明显.纪念活动期间北京 PM2.5来源以本地排放贡献为主,本地的减排措施对细颗粒物浓度下降贡献率最大,达72.2%.

[1] 王琳琳,王淑兰,王新锋,等.北京市2009年8月大气颗粒物污染特征 [J]. 中国环境科学, 2011,31(4)： 553-560.

[2] 李婷苑,邓雪娇,范绍佳,等.2010年广州亚运期间空气质量与污染气象条件分析 [J]. 环境科学, 2012,33(9)：2932-2938.

[3] 刘建国,谢品华,王跃思,等. APEC前后京津冀区域灰霾观测及控制措施评估 [J]. 中国科学院院刊, 2015,30(3)：368-377.

[4] 丁国安.气象条件对大气污染的影响 [J]. 环境保护, 1975(1)：11-14.

[5] 董志根.大气污染与气象条件的关系及预测 [J]. 环境科学丛刊, 1986,7(2)：53-55.

[6] 任阵海,苏福庆,高庆先,等.边界层内大气排放物形成重污染背景解析 [J]. 大气科学, 2005,29(1)：57-63.

[7] 蒋维楣,曹文俊,蒋瑞宾.空气污染气象学教程 [M]. 北京：气象出版社, 1993：29-30.

[8] 张人禾,李 强,张若楠.2013年 1月中国东部持续性强雾霾天气产生的气象条件分析 [J]. 中国科学：地球科学, 2014,44(1)：27-36.

[9] Stohl A, Forster C, Eckhardt S, et al. A backward modeling study of intercontinental pollution transport using aircraft measurements [J]. Journal of Geography Research, 2003, 108(D12)：4370.

[10] Lee J Y, Kim J P. Source apportionment of the particulate PAHs at Seoul, Korea： impact of long range transport to a megacity [J]. Atmospheric Chemistry and Physics, 2007,7(13)：3587-3596.

[11] 徐翔德,丁国安,卞林根,等.城市环境大气重污染过程周边源影响域 [J]. 应用气象学报, 2006,17(6)：815-828.

[12] 颜 鹏,黄 健.周边地区对北京地面SO2影响的初步研究 [J].应用气象学报, 2002,13：144-152.

[13] 徐祥德,周 丽,周秀骥,等.城市环境大气重污染过程周边源影响域 [J]. 中国科学：地球科学, 2004,34(10)：958-966.

[14] Streets D G, Fu J S, Jang C J, et al. Air quality during the 2008 Beijing Olympic Games [J]. Atmospheric Environment, 2007, 41(3)：480-492.

[15] Wang Y J, Li L, Chen C H, et al. Source appointment of fine particulate matter during autumn haze episodes in shanghai, China [J]. Journal of Geophysical Research, 2014,4(119)：1903-1914.

[16] Wu D W, Fung J C H, Yao T, et al. A Study of control policy in the Pearl River Delta region by using the particulate matter source apportionment method [J]. Atmospheric Environment, 2013,76(9)：147-161.

[17] 王淑兰,张远航,钟流举,等.珠江三角洲城市间空气污染的相互影响 [J]. 中国环境科学, 2005,25(2)：133-137.

[18] 张 艳,余 琦,伏晴艳,等.长江三角洲区域输送对上海市空气质量影响的特征分析 [J] .中国环境科学, 2010,30(7)：914-923.

[19] ENVIRON. User’s Guide Comprehensive Air Quality Model with Extensions Version 6.0 [EB/OL]. http：//www.camx.com/files/ camxusersguide_v6-00.aspx.

[20] Koo B, Wilson G M, Morris R E, et al. Comparison of source apportionment and sensitivity analysis in a particulate matter air quality model [J]. Environ Sci Technol, 2009,43(17)：6669-6675.

[21] Wagstrom K M, Pandis S N. Contribution of long range transport to local fine particulate matter concerns [J]. Atmospheric Environment, 2011,45(16)：2730-2735.

[22] 王继康,徐 峻,何友江,等.利用源示踪技术计算日本和韩国低层大气SO2和PSO4来源 [J]. 环境科学研究, 2014,27(6)：582-588.

[23] 薛文博,付 飞,王金南,等.中国PM2.5跨区域传输特征数值模拟研究 [J]. 中国环境科学, 2014,34(6)：1361-1368.

[24] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission [J]. Atmospheric Chemistry and Physics, 2009,9(14)：5131-5153.

[25] Wang X, Liang X Z, Jiang W, et al. WRF-Chem simulation of East Asian air quality： sensitivity to temporal and vertical emissions distributions [J]. Atmospheric Environment, 2010,44(5)：660-669.

[26] Houyoux M R, Vukovich J M. Updates to the sparse matrix operator kernel emissions (SMOKE) modeling system and

integration with models-3. Chapel Hill： University of North Carolina, 2010, http：//www.smoke-model.org.

[27] GB 3095-2012 环境空气质量标准 [S].

[28] 朱乾根,林锦瑞,寿紹文,等.天气学原理和方法 [M]. 北京：气象出版社, 2003：372-374.

[29] 隋珂珂,王自发,杨 军,等.北京PM10持续污染及与常规气象要素的关系 [J]. 环境科学研究, 2007,20(6)：77-82.

[30] 蒋伊蓉,朱 蓉,朱克云,等.京津冀地区重污染天气过程的污染气象条件数值模拟研究 [J]. 环境科学学报, 2015,35(9)：2681-2692.

[31] 周兆媛,张时煌,高庆先,等.京津冀地区气象要素对空气质量的影响及未来变化趋势分析 [J]. 资源科学, 2014,36(1)：191-199.

[32] 王喜全,虞 统,孙 峰,等.北京PM10重污染预警预报关键因子研究 [J]. 气候与环境研究, 2006,11(4)：471-476.

[33] 吴 兑,廖碧婷,吴 蒙,等.环首都圈霾和雾的长期变化特征与典型个例的近地层输送条件 [J]. 环境科学学报, 2014,34(1)： 1-11.

[34] 王耀庭,苗世光,张小玲.基于激光雷达的北京市气溶胶光学参数季节特征 [J]. 中国环境科学, 2016,36(4)：970-978.

[35] Xue X T, Zhang Q, He H, et al. A budget analysis of the formation of haze in Beijing [J]. Atmospheric Environment, 2015, 100：25-36.

[36] 安俊琳,王跃思,孙 扬.气象因素对北京臭氧的影响 [J]. 生态环境学报, 2009,18(3)：944-951.

[37] 张世国,苑克娥.北京地区大气臭氧与氮氧化物测量分析 [J].大气与环境光学学报, 2012,7(5)：321-326.

致谢：感谢清华大学MEIC团队提供全国范围污染源排放清单.

Characteristics and cause of the “parade blue” in Beijing 2015.

KANG Zhi-ming1,2*, GUI Hai-lin2, WANG Ji-kang2, JIANG Qi2, LÜ Meng-yao2(1.Jiangsu Meteorological Observatory, Nanjing 210008, China；2.National Meteorological Centre, Beijing 100081, China). China Environmental Science, 2016,36(11)：3227～3236

By using atmospheric composition and meteorological observation data, PM2.5concentration variation characteristics and relevant meteorological conditions during the period from August to September 2015 in Beijing were studied. With the application of the Comprehensive Air quality Model with extensions (CMAx), the contributions of the meteorological conditions, emission control policies and regional collaborations on emission control to the air quality in Beijing were analyzed. The results show that, the air quality of Beijing was significantly improved during the memorial activity period (20 August to 03 September). The average PM2.5concentration was 18.7μg/m3, reduced by 70% compared with the previous period (August 1st to August 19 th) and reduced by 74% compared with the same period last year. Long period maintain of northeast cold vortex provided the favorable circulation background for the air quality improvement. During the period of memorial activity, the meteorological factors such as mixed layer height, relative humidity and wind speed presented favorable conditions in improving the air quality. In particular, the shifting of dominant wind direction on the ground level prevented the pollutant invading from the southern part of Beijing and from middle and southern areas of North China. CMAx model well simulated the variations of PM2.5concentrations in Beijing. The simulation results show that, comparing with the same period last year, the meteorological conditions contributed 73% to the total change of PM2.5. 33% of the PM2.5reduction was attributed to the emission control polices. The contribution of PM2.5in Beijing was primarily come from local emissions. The local emission reduction took account for 72% for the PM2.5concentration decrease, while the surrounding areas of emission reduction contributed about 28%.

air pollution related meteorological conditions；numerical simulation；emission reduction measures

XS13

A

1000-6923(2016)11-3227-10

康志明(1978-),男,福建莆田人,高级工程师,硕士,主要从事天气预报及环境气象方向研究.发表论文20余篇.

2016-03-03

国家科技支撑项目(2015BAC03B07);国家重点研发计划课题(2016YFC0201903)

* 责任作者, 高级工程师, Kangzm@cma.gov.cn