关中地区冬季人为源减排对PM2.5浓度的影响

孟 宁,贝耐芳*,李国辉,肖 波,3(.西安交通大学人居环境与建筑工程学院地球环境科学系,陕西 西安70049；.中国科学院地球环境研究所中科院气溶胶化学与物理重点实验室,陕西 西安 7006；3.西安市气象局,陕西 西安 7006)

关中地区冬季人为源减排对PM2.5浓度的影响

孟 宁1,贝耐芳1*,李国辉2,肖 波1,3(1.西安交通大学人居环境与建筑工程学院地球环境科学系,陕西 西安710049；2.中国科学院地球环境研究所中科院气溶胶化学与物理重点实验室,陕西 西安 710061；3.西安市气象局,陕西 西安 710016)

使用WRF-Chem模式和关中地区高分辨率的人为源排放清单,选取2013年冬季不利于关中地区污染物扩散的4类典型天气形势中的各1d,模拟了PM2.5时空分布和日变化趋势,同时以国家环境空气质量标准为目标,制定人为源等比例减排的敏感性试验.结果表明,模式可以较好地捕捉PM2.5的时空分布和变化趋势,且与天气形势有着一致的对应关系.在4类不利天气形势下,PM2.5浓度随着人为排放源的减少呈二次曲线下降趋势,PM2.5浓度下降率与所在区域原有大气污染程度成正比.在不同天气形势下,要使PM2.5浓度达到国家环境空气质量标准75µg/m3时,人为源需削减比例为30%～60%.

天气形势；PM2.5；关中地区；人为源减排

随着以西安为中心的关中地区工业化和城市化进程的加速发展.关中地区空气污染问题日益严重,其中 PM2.5成为影响空气质量的首要污染物.大气污染是由过度人为源排放和不利的气象条件共同作用的结果.过度的人为源排放是导致大气污染的根本原因,而气象条件在区域大气污染中起到控制作用.大尺度天气形势通过影响局地气象条件进而影响污染物的形成、转化、扩散、输送及清除.

研究指出空气污染是由中尺度系统、局地小尺度环流和稳定的边界层结共同作用的结果[1-4].基本天气形势是驱动大气污染物变化的最初动力[5],天气型与大气污染有着密切的关系[6-9].稳定的均压场会导致小尺度环流的出现,使大气污染物形成汇集带,造成局地严重的大气污染.当地气象条件如低风速、高湿度及低边界层,也是造成极端大气污染事件的重要原因[10-13].

Bei等[6]就天气形势对大气污染的影响开展了研究,指出影响关中地区冬季大气污染物扩散的天气形势共有6类,其中4类不利于污染物的扩散.Bei et al[7]还选取了一次重污染天气过程进行模拟,结果表明排放源需减少 90%以上才能使PM2.5浓度达到 35mg/m3.北京地区减排对 PM2.5浓度影响的研究[14-16]指出,排放源减少 30%～40%时,PM2.5浓度平均值下降 17%～29%,提前采取适量的减排措施,有利于 PM2.5浓度达标.区域联防的控制试验表明,河北、天津和北京区域污染排放削减比例达到90%、90%和60%时,可实现京津冀区域PM2.5浓度的达标[17].

考虑到已有的研究多集中于京津冀及沿海地区,侧重于大气污染形成的某一方面,并未将天气形势和减排相结合.本文针对冬季关中地区的大气污染状况,在已有研究[6-7]的基础上,结合天气形势分类和人为源削减试验两方面,选取不利于污染物扩散的 4类天气形势中的典型代表,设定人为源消减比例,进行敏感性试验,探求不同天气形势下关中地区PM2.5浓度达到国家环境空气质量标准时的人为源削减比例.研究结果可为环保部门制定大气污染控制措施提供有益的思路与指导性意见,避免盲目减排带来的经济下行.

1 数据与方法

1.1 模式介绍及参数设置

WRF-Chem[18]模式是由美国大气研究中心、美国国家海洋及大气管理局、美国大学大气科学研究联盟共同开发完成的中尺度大气动力化学耦合模式.模式的气象模块和化学传输模块在时间和空间分辨率上完全耦合.实现了气象过程和化学过程的实时在线及反馈,考虑了大气污染物的平流输送、湍流扩散、干湿沉降、辐射传输等主要大气物理过程,以及多相化学、气溶胶演变等大气化学过程,可以更为真实地模拟大气中的化学过程.

研究使用的 WRF-Chem模式由李国辉等[19-21]在莫利纳能源环境研究中心开发.气相和液相化学采用 RADM2[22]化学机制,气溶胶模块使用 CMAQ(v4.6)中的气溶胶模块,其中包括ISORROPIA(1.7)无机气溶胶模块.模式边界层方案采用YSU方案[23],微物理过程参数化方案选用WSM-3方案[24],积云对流参数化方案选用Grell-Devenyi ensemble方案[25].模式使用单区域模拟方案,中心点经纬度为(109.0°E,35.25°N),投影方式为Lambert投影,水平网格数为201×201,水平分辨率为3km,垂直方向分为35层.模式采用的人为污染物排放源清单由清华大学提供[26],包括农业源、工业源、电力源、居民源和交通源.生物源来自于 MEGAN生物排放源模型的结果.气象场的初始条件和边界条件来自NCEP- FNL1º×1º再分析资料.模式化学场的初始和边界条件来自于全球化学输送模式MOZART的输出.

研究区域为关中地区(见图1),地处陕西省中部,位于黄土高原以南,秦岭以北的泾渭河流域平原,周边地形条件复杂.关中地区主要的城市包括西安、宝鸡、铜川、咸阳和渭南.

图1 关中地区地形及空气质量监测站点分布Fig.1 WRF-CHEM model simulation domain with topography

1.2 观测资料

文中所用的关中地区33个观测站的空气质量指数(AQI数据,包括O3、NO2、SO2、CO、PM2.5和 PM10)由中国环保部网站提供,数据分辨率为小时平均,主要用于模式校验和评估.文中所用的垂直方向加密探空资料和地面资料来自于西安市气象局的泾河国家基准气候站(108°58’E, 34°26’N).

1.3 研究方法

本文以文献[6-7]中影响冬季关中地区的典型天气形势分类方法为基础,该研究的分类过程使用了2008～2013年 NCEP-FNL再分析资料,并结合WRF-Flexpart的输出结果.首先分析影响关中地区的主要天气系统,其次考虑关中地区与主要天气系统的相对位置.指出影响冬季关中地区的典型天气形势有6类(高压东南型、槽西南型、低压北部型、槽东南型、过渡型、内陆高压型),其中 4类(低压北部型、槽东南型、过渡型、内陆高压型)不利于污染物的扩散,占到冬季天气总数的85.3%.本文选取2013年不利于污染物扩散的4类典型天气形势的代表性天气,利用 WRF-Chem模式进行模拟研究及敏感性试验. 并利用均值偏差(MB)、均方根误差(RMSE)及相关系数(R)等验证了模式与观测的一致性，具体的计算公式如下:均值偏差

均方根误差

相关系数

式中:Pi为模式模拟值,单位为µg/m3;Oi为观测值,单位为µg/m3;为模式模拟平均值,单位为µg/m3;为观测平均值,单位为µg/m3.

对上述 4类天气形势的代表性天气,设置从10%～100%每10%递增的人为源削减比例方案.探求在所选取的4类不利天气形势下空气质量达到国家环境空气质量标准时的人为源削减比例.

在民主运动汹涌澎湃地冲击之下，在人民解放战争迅速发展的形势下，国民党反动统治摇摇欲坠。蒋介石政府于10月27日宣布民盟为“非法团体”，强迫解散，并对民盟盟员进行迫害。沙千里和沈钧儒11月间秘密离开上海，抵达香港。救国会的活动中心也转移到香港。1948年1月5日，沈钧儒、章伯钧在香港主持召开民盟三中全会。沙千里代表史良参加了民盟三中全会，是全会新路线的坚决支持者。

2 结果分析

2.1 天气形势分析

本文选取了2013年12月2日(过渡型)、2014年1月15日(内陆高压型)、2014年1月23日(槽东南型)及2014年2月16日(低压北部型)作为4类不利天气形势的典型代表进行研究.图2为上述4天850hPa位势高度及风矢量图.过渡型的天气形势如图 2a所示,西安位于北部低压槽和南部高压之间,850hPa等压面上主导风向为偏西风,大气污染物会向东输送,但由于风速较小,并不利于污染物的扩散,容易使污染物积聚于关中盆地,造成严重的空气污染,污染程度还会受到北面低压槽和南部高压位置及强弱的影响.内陆高压型的天气形势如图2b所示,高压深入内陆地区,关中地区的盛行风向因高压相对位置的不同而变化,高压系统稳定下沉易形成静稳的天气,不利于污染物的向外输送.槽东南型的天气形势如图2c所示,关中盆地位于槽的东南方向或槽前,850hPa盛行风为偏南风,由于受到秦岭山脉的阻挡,风速较小,不利于污染物的扩散.并且槽前的暖湿气流含有大量水汽,有利于污染物的二次反应,造成空气质量的不断恶化.低压北部型的天气形势如图2d所示,关中地区位于低压的北部,850hPa盛行风是偏东风,由于秦岭地形与青藏高原地势的阻挡,风速较小且偏东风并不利于污染物的向外输送.此外这种天气形势下有可能产生降水,视降水强弱污染物能被清除掉一部分.

2.2 局地气象条件分析

图3是泾河气象站上午07:00时的探空资料,其中灰线为露点温度,黑线为温度,图右侧为各个高度层上的风矢量.在过渡型天气形势下,850～900hPa之间为偏南风,900hPa以下为东北风.近地层湿度较大,随着高度的升高,湿度逐渐减小(图3a).在内陆高压型天气形势下,850hPa以下为偏东风且风速较小,不利于污染物的向外输送(图3b).在槽东南型天气形势下,近地面层湿度较高,850hPa等压面的风向同关中地区上空探空资料风向相一致,为弱南风,850hPa等压面以下为弱西风(图 3c).在低压北部型天气形势下,当日湿度很大,且西安地区出现了小雪天气,850hPa以下为一致的偏东风(图3d),并且风速较小,非常有利于污染物的积聚及二次有机物的形成.探空资料显示,上述4类天气形势850hPa以下均为整层逆温,大气层结稳定,不利于污染物的垂直输送.

图2 关中地区4类天气形势下上午08:00时850hPa风场及位势高度的水平分布Fig.2 Distributions of winds and geopotential heights on 850hPa at 08:00 BJT

2.3 模式验证

图4为4类天气形势下关中地区模拟及观测的近地面PM2.5在上午09:00和下午15:00的水平分布图.模拟的PM2.5水平分布与关中地区33个环境监测站的观测值有很好的一致性.模拟的风场表明,关中地区近地层风速较小或为静风且风向多变,不易于大气污染物的向外输送,易导致污染物在盆地内积聚,造成严重的大气污染.并且关中地区大气污染呈现连片趋势,重度污染区域(PM2.5浓度超过150µg/m3)分布在西安、咸阳及宝鸡一带.

在模拟与观测的对照中,大部分站点模拟及观测的PM2.5浓度均超过了150µg/m3.在过渡型天气形势(图4a,b)下,上午09:00时PM2.5高值区位于关中盆地内,严重污染区域(PM2.5浓度超过250µg/m3)位于西安与咸阳一带,模拟的PM2.5浓度较监测值偏高.下午15:00时,模拟的严重污染区域范围缩小,集中于西安咸阳地区,受850hPa等压面上的弱西风影响(图 3a),污染物向东面扩散,从而导致重度污染区域向东北方向扩大.在内陆高压型天气形势下(图4c,d),模拟的上午09:00时PM2.5浓度与观测有很好的一致性,下午15:00时污染区域向西扩散并逐渐减小.对于槽东南型(图 4e,f),模拟的近地面风速较小,不利于污染物向外输送.上午09:00时,整个关中盆地处于重度污染.西安、咸阳及宝鸡一带大气呈现严重污染态势,PM2.5浓度超过250µg/m3.下午15:00时,受边界层高度抬升的影响,重度污染区域逐渐减小.对于低压北部型(图4g,h),上午09:00时,关中大部分地区处于重度污染.下午15:00时,由于低压北部型天气形势的作用和雨雪的清除作用,大气污染物向西移动且污染区域逐渐减小,空气质量逐渐转好.

图3 4类不利天气形势下泾河气象站上午7:00时的探空资料Fig.3 The radiosonde at 7:00BJT at Jinghe site

图5、6、7为上述4类不利天气形势下,关中地区观测与模拟站点平均 NO2、O3及 PM2.5浓度的日变化曲线.模式能够较好地模拟出O3、NO2、PM2.5浓度的日变化趋势.O3峰值一般出现在午后,这是由于太阳辐射的增强使得大气光化反应速率加快,使得 O3浓度不断增大.但模式通常低估清晨的O3浓度及高估午后的O3浓度.

图4 4类不利天气形势下模拟(阴影)和观测(方块)的关中地区上午09:00时(a,c,e,g)和下午15:00时(b,d,f,h) PM2.5浓度的水平分布Fig.4 Pattern comparison of simulated vs. observed near-surface PM2.5mass concentrations at 09:00 and 15:00BJT

为了进一步评估模式模拟结果的可靠性,使用了均值偏差、均方根误差和相关系数用来对模式进行评估.NO2、O3和PM2.5的均值偏差、均方根误差和相关系数,分别为 MB=2.53µg/m3、-4.10µg/m3和 20.75µg/m3,RMSE=13.07µg/m3、22.72µg/m3和53.78µg/m3和R=0.75、0.82和0.72,考虑到所选取样本检验点较少,并且模式spin-up时间较长,认为模拟结果可靠.

WRF-Chem模式可以较好地模拟关中地区大气污染物的时空分布,但仍存在偏差,气象场(如风场)模拟及排放源清单的不确定性是造成模拟存在偏差的重要因素.

图5 关中地区观测与模拟的站点平均的NO2浓度的日变化曲线Fig.5 Comparison of observed and predicted diurnal profiles of the NO2mass concentrations averaged over the monitoring sites in the Guanzhong basin

图6 关中地区观测与模拟的站点平均的O3浓度的日变化曲线Fig.6 Comparison of observed and predicted diurnal profiles of the O3mass concentrations averaged over the monitoring sites in the Guanzhong basin

图7 关中地区观测与模拟的站点平均的PM2.5浓度的日变化曲线Fig.7 Comparison of observed and predicted diurnal profiles of the PM2.5mass concentrations averaged over the monitoring sites in the Guanzhong basin

2.4 敏感性试验分析

2.4.1 人为源减排对PM2.5浓度的影响 表1为上述 4类天气形势下关中盆地人为源削减比例与PM2.5浓度下降率对应关系.随着人为源削减量以 10%的比例增加,PM2.5浓度的下降比例从 20.1%(17.5%)减少到1.6%(0.8%),其浓度下降率随着人为源削减比例降低而降低.当削减比例小于 30%时,削减量每下降10%,所对应的 PM2.5浓度下降率分别为(17%～20%)、(15%～18%)、(12%～15%).当削减比例大于 70%时,削减量每下降 10%,所对应的PM2.5浓度下降率分别为(3%～8%)、(2%～3%)、(1%～2%),当削减量为 100%时,即完全关闭人为源排放时的 PM2.5浓度值,即为背景场的 PM2.5浓度.

表1 4类不利天气形势下人为源削减量与PM2.5浓度下降率的对应关系Table 1 The corresponding relationship between the reduction of anthropogenic emission and the decline rate of PM2.5mass concentrations

图8为4类不利天气形势下人为源减排引起的PM2.5浓度日均值变化.图8中PM2.5浓度随着人为源削减呈二次曲线下降的趋势.当削减量超过60%时,PM2.5浓度下降不再明显.在4类天气形势下,PM2.5浓度达到国家标准 75µg/ m3时的减排比例是不相同的.其中,过渡型人为源排放削减 30%,内陆高压和槽东南型,人为源削减40%,低压北部型人为源削减60%,才能使关中地区PM2.5浓度达到国家标准.

图9为4类天气形势下控制试验、空气质量达标试验(即使 PM2.5浓度达到国家环境空气质量标准的减排试验)及人为源完全关闭(即背景场浓度的模拟)时的 PM2.5浓度日变化曲线.过渡型[图9(a)]、内陆高压型[图9(b)]和槽东南型[图9(c)]天气形势下,人为源完全关闭时,背景场PM2.5浓度小于50µg/m3,没有明显的日变化趋势,对污染物形成的贡献较小.低压北部型的天气形势下[图9(d)],背景场PM2.5浓度超过了50µg/m3,表明其贡献较大.控制试验模拟的 PM2.5日变化趋势中出现了两个峰值,分别为上午 10:00时和晚上20:00时.空气质量达标试验中,PM2.5日变化趋势不再明显,趋势接近于背景场.

图8 4类不利天气形势下人为源减排引起的PM2.5浓度日均值的变化Fig.8 The response of daily averaged PM2.5to the anthropogenic emission reductions

图9 4类不利天气形势下控制试验、人为源减排使空气质量达标及人为源完全关闭时模拟PM2.5浓度日变化曲线Fig.9 The response of basin average PM2.5level to the anthropogenic emission reductions

图10 4类不利天气形势下,人为源减排使得PM2.5浓度达到国家环境空气质量标准时PM2.5浓度下降率分布Fig.10 The decline rate of PM2.5mass concentrations in the simulation with anthropogenic emission reductions to meet the China National Air Quality Standard

2.4.2 空气质量达标时 PM2.5浓度下降率的水平分布 图10为空气质量达标时PM2.5浓度下降率的水平分布图.控制试验中(图 4)高浓度PM2.5主要分布在西安、咸阳、渭南、宝鸡和铜川等工业人口密集地区,水平分布呈现从城市到郊区的明显下降趋势.在空气质量达标试验中,整个关中地区 PM2.5浓度均发生了显著下降,其中PM2.5浓度高的地区下降幅度大.高浓度PM2.5的辐射反馈效应强,对边界层的压制作用大,一旦采取减排措施,反应浓度便会下降,使得 PM2.5浓度的快速减小,反之亦然.过渡型天气形势下,西安市区 PM2.5浓度的下降幅度比郊区明显,达到50%～55%.内陆高压型天气形势下,PM2.5浓度下降幅度最明显的地区是西安市区和铜川东北部达 60%～75%,这与气溶胶的辐射反馈及二次气溶胶的形成有关.槽东南型天气形势下,整个关中地区PM2.5浓度均有明显的下降为55%～65%,下降率趋势呈现从北向南逐渐减小.低压北部型天气形势下,西安咸阳一带和宝鸡城区下降最为明显,达到了80%.

3 结论

3.1 关中地区不利于污染物扩散的4类天气形势通常对应的局地气象条件为对流层低层(850hPa以下)风速小、层结稳定或湿度高(对应低压北部型),易造成二次气溶胶的生成且不利于污染物的向外输送.

3.2 WRF-Chem模式能较好地模拟污染物浓度(PM2.5、O3、NO2)的水平分布及日变化趋势,且污染物浓度的分布及变化与天气类型有一致的对应关系.

3.3 4类不利天气形势下,PM2.5浓度随着人为排放源的减少呈二次曲线下降趋势,越早控制PM2.5浓度下降程度越明显.当PM2.5浓度达到国家环境空气质量标准 75µg/m3时,不同天气形势下人为源的削减比例不同,为 30%～60%.且整个关中地区 PM2.5浓度均发生了显著的下降,其中PM2.5浓度高的地区下降幅度大.

[1] 吴 兑,吴晓京,李 菲,等.1951-2005年中国大陆霾的时空变化 [J]. 气象学报, 2010,68(5):680-688.

[2] 任阵海,万本太,虞 统,等.不同尺度大气系统对污染边界层的影响及其水平流场输送 [J]. 环境科学研究, 2004,17(1):7-13.

[3] 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+169.

[4] 王喜全,齐彦斌,王自发,等.造成北京PM10重污染的二类典型天气形势 [J]. 气候与环境研究, 2007,12(1):81-86.

[5] Zhang J P, Zhu T, Zhang Q H, et al. The impact of circulation patterns on regional transport pathways and air quality over Beijing and its surroundings [J]. Atmospheric Chemistry and Physics, 2012,12(11):5031-5053.

[6] Bei, N, Li, G, Huang, R.J, et al. Typical synoptic situations and their impacts on the wintertime air pollution in the Guanzhong basin [J]. Atmospheric Chemistry and Physics, 2016,16(11): 7373-7387.

[7] Bei N, Xiao B, Meng N, et al. Critical role of meteorological conditions in a persistent haze episode in the Guanzhong basin, China [J]. Science of Total Environment, 2016,550:273-284.

[8] 孟燕军,程丛兰.影响北京大气污染物变化的地面天气形势分析[J]. 气象, 2002,28(4):42-47.

[9] 张国琏,甄新蓉,谈建国,等.影响上海市空气质量的地面天气类型及气象要素分析 [J]. 热带气象学报, 2010,26(1):124-128.

[10] 王明洁,张 蕾,张琳琳,等.基于精细观测资料的深圳不同季节霾及其污染特征分析 [J]. 2015,35(12):3562-3569.

[11] 李令军,王 英,李金香,等.2000～2010北京大气重污染研究 [J].中国环境科学, 2012,32(1):23-30.

[12] 李令军,王占山,张大伟,等. 2013～2014年北京大气重污染特征研究 [J]. 中国环境科学, 2016,36(1):27-35.

[13] 史 军,崔林丽.长江三角洲城市群霾的演变特征及影响因素研究 [J]. 中国环境科学, 2013,33(12):2113-2122.

[14] 翟世贤,安兴琴,刘 俊,等.不同时刻污染减排对北京市PM2.5浓度的影响 [J]. 中国环境科学, 2014,34(6):1369-1379.

[15] 翟世贤,安兴琴,孙兆彬,等.污染源减排时刻和减排比例对北京市 PM2.5浓度的影响 [J]. 中国环境科学, 2015,35(7):1921-1930.

[16] 刘 俊,安兴琴,朱 彤,等.京津冀及周边减排对北京市PM2.5浓度下降评估研究 [J]. 中国环境科学, 2014,34(11):2726-2733.

[17] 王自发,李 杰,王 哲,等.2013年1月我国中东部强霾污染的数值模拟和防控对策 [J]. 中国科学:地球科学, 2014,44(1):3-14.

[18] Grell G A, Peckham S E, Schmitz R, et al. Fully coupled “online”chemistry within the WRF model [J]. Atmospheric Environment, 2005,39(37):6957-6975.

[19] Li G, Lei W, Zavala M, et al. Impacts of HONO sources on the photochemistry in Mexico City during the MCMA-2006/ MILAGO Campaign [J]. Atmospheric Chemistry and Physics, 2010,10(14):6551-6567.

[20] Li G, Bei N, Tie X, et al. Aerosol effects on the photochemistry in Mexico City during MCMA-2006/MILAGRO campaign [J]. Atmospheric Chemistry and Physics, 2011,11(11):5169-5182.

[21] Li G, Zavala M, Lei W, et al. Simulations of organic aerosol concentrations in Mexico City using the WRF-CHEM model during the MCMA-2006/MILAGRO campaign [J]. Atmospheric Chemistry and Physics, 2011,11(8):3789-3809.

[22] Stockwell W R, Middleton P, Chang J S, et al. The second generation regional acid deposition model chemical mechanism for regional air quality modeling [J]. Journal of Geophysical Research, 1990,95(D10):16343.

[23] Hong S-Y, Noh Y, Dudhia J. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Monthly Weather Review, 2006,134(9):2318-2341.

[24] Hong S-Y, Dudhia J, Chen S-H. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation [J]. Monthly Weather Review, 2004,132(1): 103-120.

[25] Grell G A, Dévényi D. A generalized approach to parameterizing convection combining ensemble and data assimilation techniques [J]. Geophysical Research Letters, 2002,29(14):381-384.

[26] 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.

Response of the wintertime PM2.5level to anthropogenic emission mitigations in the Guanzhong basin.

MENG Ning1, BEI Nai-fang1*, LI Guo-hui2, XIAO Bo1,3(1.Department of Environmental Science and Technology, School of Human Settlements and Civil Engineering, Xi'an Jiaotong University, Xi'an 710049, China；2.Key Lab of Aerosol Chemistry & Physics, Chinese Academy of Sciences (KLACP), Institute of Earth Environment, Chinese Academy of Sciences, Xi'an 710061, China；3.Xi'an Meteorological Bureau of Shannxi Province, Xi'an 710016, China). China Environmental Science, 2017,37(5)：1646～1656

Based on the analysis of four typical unfavorable synoptic situations during wintertime in the Guanzhong basin (GZB), the WRF-Chem model had been applied to simulate the selected four days representing the four unfavorable synoptic situations during the wintertime of 2013. The results generally showed good consistence between the modeled and observed PM2.5distributions and variations. Further studies had been performed to verify the PM2.5response to the anthropogenic emission mitigation under the four unfavorable synoptic situations in GZB. Sensitivity results demonstrated that the mass concentration of PM2.5decreases nonlinearly along with the anthropogenic emission mitigation. Additionally, the PM2.5mitigation was more significant at the more polluted areas. The anthropogenic emission in GZB needed to be reduced 30%～60% to meet the China National Air Quality Standard under the above-mentioned four unfavorable synoptic situations. Key words：synoptic situations；PM2.5；Guanzhong basin；anthropogenic emission mitigation

X513

A

1000-6923(2017)05-1646-11

孟 宁(1989-),女,辽宁锦州人,西安交通大学硕士研究生,主要研究方向为大气数值模拟.

2016-09-17

国家自然科学基金资助项目(41275101,41430424)

* 责任作者, 副教授, bei.naifang@mail.xjtu.edu.cn