2016年12月京津冀一次重污染天气过程分析

尹晓梅，孙兆彬，郭淳薇，唐宜西，李梓铭

1. 中国气象局北京城市气象研究所，北京 100089；2. 京津冀环境气象预报预警中心，北京 100089

2016年12月京津冀一次重污染天气过程分析

尹晓梅1,2，孙兆彬1，郭淳薇1，唐宜西2，李梓铭2

1. 中国气象局北京城市气象研究所，北京 100089；2. 京津冀环境气象预报预警中心，北京 100089

2016年12月16—21日，京津冀地区出现了一次覆盖面积广、污染程度重、污染持续时间长、雾和霾天气相伴发生的重污染过程，北京于16日发布空气重污染红色预警。文章利用MODIS（Moderate Resolution Imaging Spectroradiometer）反演的气溶胶光学厚度（Aerosol optical depth，AOD），OMI（Ozone Monitoring Instrument）反演的气溶胶指数（Aerosol Index，AI），AERONET（AErosol RObotic NETwork，AERONET）观测的AOD、ERA-Interim风场和FNL边界层高度、及实况观测数据对此次重污染过程的发生、发展过程及可能原因进行分析，探讨污染物的本地排放和区域输送在不同阶段的贡献率，结论如下，此次污染过程的影响范围从河北中南部逐渐向北延伸加重，平原大部分地区能见度持续低于5 km，污染物浓度连续5 d（18—22日）超过150 μg·m-3。17日开始，AOD与AI在河北中南部及北京南部地区较高，均超过2.0，伴随风场和辐合线在北京南部和河北中南部南北摆动。16—19日，污染物的外地输送及固定源排放对北京和天津地区污染的发生发展和污染物的累积贡献较大，而本地污染物的排放和移动源的贡献比重自19日起逐渐增加，可能与京津冀地区采取联动减排有关。随着污染物质量浓度的增加，不同波长的气溶胶AOD均呈增加趋势，细粒子对AOD的贡献率也随之增加，有雾凇和弱冷空气出现的时段除外。稳定的气象条件、较高频率的静风和小风（尤其南风）、持续较低的边界层高度则是污染过程长时间维持的重要气象条件。同时，较高的相对湿度与颗粒物浓度是造成低能见度的重要原因，且经过线性与非线性拟合分析发现，同样的相对湿度条件下，PM2.5对能见度的影响高于PM10。

空气重污染；气溶胶；AERONET；卫星；气象条件

颗粒物（PM）是小粒子与液态水滴组成的混合物。近年来随着经济发展，人为排放引起的污染逐渐加重，尤其在人口密集区和经济发达区（Van Donkelaar et al.，2010）。中国中东部周期性的区域复合污染天气过程频现，给大气污染防治工作带来了严峻挑战（任阵海等，2004；李令军等，2012）。已有的研究结果表明，大气颗粒物对太阳辐射的吸收和散射都有一定影响，这也是造成能见度日趋下降和霾日数逐渐增加的主要原因（Han et al.，2014；Zhang et al.，2012）。京津冀地区作为北方经济繁荣圈，不可避免地成为大气污染研究工作的焦点区域。作为中国经济和政治中心，北京的政策规划在一定程度上改变了区域性的工业、农业和交通运输业分布格局，对污染物的时空分布和变化特征产生了很大影响。为了提高空气质量，一系列的减排和发展清洁能源等措施不断出台实施（Wang et al.，2005），但经济的发展和交通网络的扩建很大程度上抵消了前者带来的积极效应（Shao et al.，2006）。

近几年，大范围、长时间持续的重污染过程和高质量浓度颗粒物引起的霾天气越来越频繁地出现在华北地区秋冬季。2013年1月，中国尤其是中东部地区经历了大范围的 PM2.5“爆表”事件，北京地区在个别重污染时段的 PM2.5质量浓度甚至超过 1000 μg·m-3，日平均质量浓度超过 600 μg·m-3（Zhang et al.，2014；Tao et al.，2014），1 月份霾日数超过20 d，引起政府和公众的高度重视。更多的研究开始注重气溶胶粒子的物理、化学和光学特性，并尝试从气象背景场的角度解释伴随中国空气重污染过程的霾天气现象，探讨霾天气的污染物来源及其发生发展机制（Che et al.，2015；Sun et al.，2014；Ji et al.，2014）。任阵海等（2006）研究表明，持续的逆温层和干结的暖空气盖是引起和维持污染过程的重要气象因素。孟昭阳等（2007）针对太原市大气污染过程进行分析发现，PM2.5质量浓度与风速、能见度和气压呈负相关，与相对湿度呈正相关。刘燚（2010）进一步探究表明，风速、降水、气温和相对湿度等与空气污染指数之间的关系在不同季节存在差异。杨素英等（2010）通过对北京一次重污染过程的天气背景进行研究，得出较强的海平面高压和均压场的控制及三面环山的地形是造成北京污染天气易发的主要因素。王莉莉等（2013）发现北京重污染过程中，大气边界层在91%的时段内低于500 m，霾天气的发生与维持受连续静稳天气形势和区域污染的影响很大。李珊珊等（2016）指出，稳定的气象条件是污染过程维持和加重的重要原因，区域输送对各个地区 PM2.5的质量浓度变化影响重大。翟世贤等（2015）基于京津冀高分辨率排放源清单，利用 CMAQ模式研究污染源削减方案，表明污染峰值来临前采取适量减排比污染当天启动大幅度减排更有利于北京市整体空气质量达标。Jiang et al.（2015）分析2013年12月 6—7日的重污染过程发现，外地输送到北京的污染物远超过北京输送到外地的污染物。综上所述，空气重污染及霾天气过程中，大气污染物质量浓度除受本地污染源排放和区域输送影响外，天气形势对其累积、扩散、输送、理化反应及沉降等均有重要影响。

本文利用卫星反演相关数据、气溶胶自动观测网 AERONET（AErosol RObotic NETwork）Level 2.0资料、环保局国控站污染物质量浓度小时数据、ERA-Interim风场数据、NCEP（National Centers for Environmental Prediction）FNL边界层高度数据及气象站常规监测数据等，分析2016年12月京津冀地区一次空气重污染过程中污染物质量浓度和气溶胶相关特性的时空分布，以及气象条件在污染过程中的变化和作用，以期探讨该次空气重污染天气的形成与发展机制，进而为空气污染预报业务提供参考依据和相关的预报指标。

1 研究区概况

京津冀地区位于东经 113°27′～119°50′，北纬36°05′～42°40′之间，地势西北高、东南低，总面积21.54 km2（中国环境年鉴）。

2 数据来源

污染物逐时质量浓度数据源自中国环境监测总站，北京、石家庄、保定、天津分别有12个、8个、6个、15个监测点，分布情况如图1所示。逐小时气象数据来自气象局常规观测平台，站号如下：北京54511，石家庄53698，天津54527，邢台53798。

图1 各地区国控站点分布Fig.1 Map of Bei-Hebei-Tianjin and locations of the monitoring sites in December of 2016

NPP搭载的 VIIRS（Visible Infrared imaging Radiomter Suite）卫星每天提供覆盖全球的卫星图像（Jackson et al.，2013），用于区域空气污染识别和监测分析。MODIS（Moderate Resolution Imaging Spectroradiometer）搭载的TERRA和AQUA卫星分别在当地时间的11:00和13:00前后经过中国；MODIS Collection6改进的深蓝算法使晴空和无积雪区的反演误差控制在 0.05%±20%（Hsu et al.，2013），更适合中国东部的霾天气分析。OMI（Ozone Monitoring Instrument）分辨率为0.5 nm左右，气溶胶紫外吸收指数UVAI（Ultra Violet Aerosol Index，UVAI）用于检验霾层的吸收特性，吸收性气溶胶如沙尘和烟灰等产生的气溶胶指数AI（Aerosol Index）为正，云和非吸收性的气溶胶如海盐粒子、硫化物等的 AI近似于 0（Levelt et al.，2006；Torres et al.，2007）。AERONET每隔15 min采集340、380、440、500、675、870和1020 nm通道光学特性，气溶胶光学厚度（Aerosol Optical Depth，AOD）反演精度为 0.01～0.02，较多用于 AOD 基准数据（Dubovik et al.，2000）。本文选用Level 1.5站点（Beijing，39.977°N，116.38°E）日均值（UTC 00:00—08:00）进行分析。ERA-interim是欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）提供的最新大气数值预报再分析资料，本文选用第三代高分辨率（0.125°）ERA-Interim 数据。边界层分析采用空间分辨率为0.5°的NCEP FNL数据，时间分辨率为6 h，用以探究大气静稳度和污染物垂直扩散能力。

图2 京津冀地区NPP VIIRS真彩色雾和霾分布监测图Fig.2 NPP VIIRS true color images over the Beijing-Hebei-Tianjin in December of 2016

3 结果分析与讨论

3.1 卫星数据分析

图2所示为2016年12月16—22日重污染过程京津冀地区雾和霾空间分布。由图可知，2016年12月16—22日京津冀地区雾和霾覆盖范围广，持续时间长，污染期间京津冀大部分地面不可见。霾的分布范围从污染程度最重的河北中南部地区逐渐向北延伸，16日和18日以霾为主，19日东部地区雾的强度和范围逐渐扩大，厚度增加，雾和霾的天气现象相伴发生；直至 22日冷空气扩散南下，雾和霾自北向南逐渐减弱消散，北京平原已清晰可见，在北风作用下污染带向南推进，河北中南部仍存在一定程度的霾。根据中国“风云三号”气象卫星遥感监测结果（数据由北京市气象局气候中心提供），17—21日，北京、天津、河北大部分地区污染程度重，出现中度至重度霾天气并有雾，且主要出现在平原地区；经遥感估算，京津冀可视的雾霾覆盖面积约占行政区域面积的71.4%，其中北京占78.8%，天津占100%，河北占70.4%。

图 3(a)、3(b)所示为重污染过程期间，MODIS AQUA AOD、OMI UVAI分别与ERA-interim 850 hPa和700 hPa叠加图。15日京津冀地区850 hPa与700 hPa风场整体为西北风，北京、天津及河北中北部AOD小于0.2，AI小于1.5；河北南部AOD达0.8，同时较高的AI值说明吸收性气溶胶含量较多。16日京津冀南部转为偏南风，中北部为偏西风，在近地层南风影响下，污染带到达北京南部、天津及河北东北部，对应区域的AOD达0.8～0.9；北京北部污染程度轻，AOD较小。17日—19日，京津冀北部为偏西风或西北风，南部为西南风或偏南风，形成风场辐合。此时，污染带范围扩大且中心北推，污染物质量浓度升高，河北中南部AOD超过2.0，天津AOD超过1.5；北京仍然呈现北轻南重的特点，南部地区 AOD为 0.8～1.2，北部 AOD约 0.6～0.8。随着时间推移，AOD 高值中心（AOD＞1.5）逐渐向北京南部和城区推进；AI高值中心也北推至京津冀交界处，污染物以燃烧产生的烟尘和颗粒物为主，吸收性较强，尤其在 18日—19日，京津冀中部地区AI值大于2.5，霾层厚，污染明显加重，吸收性气溶胶占主导地位。22日冷空气南下，风场转为西北风，大部分地区AOD低于0.4，河北中部AOD为0.6～0.8，污染过程趋于结束。

3.2 污染物质量浓度分析

3.2.1 PM2.5质量浓度分析

图4所示分别为石家庄、保定、北京和天津可用的国控站逐小时 PM2.5质量浓度结果。图中的曲线为各地区国控站点逐小时观测结果的平均值，T线表示每个时刻对应的最大观测值。石家庄地区PM2.5逐时平均质量浓度自16日00:00的228 μg·m-3增长至18日19:00的539 μg·m-3，直至21日午后的大部分时间 PM2.5质量浓度超 500 μg·m-3；其中，19日23:00达到最高平均峰值浓度684 μg·m-3。22日冷空气扩散南下，PM2.5质量浓度逐渐下降，11:00下降至43 μg·m-3。保定位于石家庄和北京之间，达到重度和严重污染的时间平均落后于石家庄一天，比北京早一天。北京地区 16日上午 PM2.5质量浓度为 20～50 μg·m-3，之后在南风影响下输送通道建立，至夜间逐渐达到 246 μg·m-3，16—19日 PM2.5平均质量浓度变化明显；20日PM2.5质量浓度爆发性增长，12:00达到 382.5 μg·m-3后稳定发展；21日 16:00达到峰值浓度 497 μg·m-3（此次重污染过程，石景山古城站 20日 PM2.5峰值浓度达 646 μg·m-3）；22日04:00 PM2.5质量浓度急剧下降至低于20 μg·m-3，污染过程结束。天津地区16—17日平均PM2.5质量浓度逐步增长，18—19日波动幅度较大，峰值出现在18日11:00，为382 μg·m-3，18日夜间转为受偏东风影响，质量浓度降幅明显；20—21日 PM2.5质量浓度基本稳定，介于 200～300 μg·m-3；22日早晨受冷空气影响，PM2.5质量浓度明显降低，11:00 降至 64 μg·m-3。

图3 京津冀地区（a）Aqua AOD与850 hPa风场及（b）OMI AI与700 hPa风场空间分布图（→代表10 m∙s-1）Fig.3 (a)Aqua AOD and 850 hPa wind (b)OMI AI and 700hPa wind in December 15—22 of 2016 (→represents10 m·s-1)

3.2.2 ρ(NO2)/ρ(SO2)与 ρ(CO)/ρ(SO2)的时间变化特征

大气中NOx与SO2的质量浓度比ρ(NOx)/ρ(SO2)常被用于指示移动排放源和固定排放源贡献率的变化。Ji et al.（2012）和Fiedler et al.（2009）研究指出，中国北方机动车排放的 SO2远少于 NOx，ρ(NOx)/ρ(SO2)为 24～119；固定源同时排放 NOx和SO2，但 SO2含量很高，ρ(NOx)/ρ(SO2)为 0.2～0.8。图 5所示为重污染期间 NO2与 SO2质量浓度比ρ(NO2)/ρ(SO2)的变化趋势。石家庄地区16—21日的ρ(NO2)/ρ(SO2)整体低于 3。16 日 ρ(NO2)/ρ(SO2)日均值为0.9，与固定源的研究数据相符，固定源贡献率大，SO2排放量远超过 NO2，如工厂、电厂、烟囱和锅炉等；17日下午ρ(NO2)/ρ(SO2)开始上升，移动源贡献率有所上升，傍晚出现日峰值，这与北京空气重污染红色预警发布后区域逐步减排有关，同时表明石家庄的机动车排放不容忽视。16—19日白天，北京 ρ(NO2)/ρ(SO2)为 3～7，日变化明显；19日夜间起该比值逐渐升高，20日18:00达到峰值，20日和21日ρ(NO2)/ρ(SO2)日均值分别为14.9和15.7，早、晚较高的特点不明显。以上数据说明，2016年 12月16—18日，固定源排放量对北京的贡献较高，移动源在交通高峰期贡献增加。随着减排措施的不断实施，移动源贡献率上升，区域性工业减排的正面效果可能超过移动源减排的效果。天津地区ρ(NO2)/ρ(SO2)在16—18日较低，且早、晚时段该比值稍高；19—20日白天该比值升高，20日夜间—21日逐渐下降。虽然与北京一样都受到外地输送的影响，但天津 ρ(NO2)/ρ(SO2)显著增加开始于 18日夜间，略早于北京，这与 PM2.5质量浓度随时间变化的规律一致。

图4 2016年12月15—22日北京、石家庄、保定、天津逐时PM2.5平均质量浓度（曲线）及最高值（T线）Fig.4 Hourly averaged and max concentrations of PM2.5 in Beijing, Shijiazhuang, Baoding and Tianjin in December 15—22 of 2016

CO 与 SO2的质量浓度比 ρ(CO)/ρ(SO2)可用于粗略评估本地污染物排放对污染过程的影响和贡献（Tang et al.，2015）。同一地点，该比值越高，本地排放贡献率越大。如图 5所示，石家庄地区ρ(CO)/ρ(SO2)较小，这与石家庄工业源排放较多，SO2排放量较高的情况一致；同时，ρ(CO)/ρ(SO2)随时间变化幅度较小，这基本对应本地污染占主导的特征；19日之后该比值稍有下降，与减排有关。北京大气SO2质量浓度相对较低，CO质量浓度值较高，这与相对较低的工业排放和大量机动车排放造成的严重污染关系密切（Tang et al.，2015）。16—19日白天，北京ρ(CO)/ρ(SO2)低于0.4，19日夜间开始升高，至 21日一直维持较大值。比值变化表明19日之前污染物区域输送明显，19日夜间开始，在污染物累积、大气静稳度增加、环境容量逐渐减小的背景下，本地排放的贡献率增加；另外，19日夜间和21日夜间该比值短暂下降，可能与19日夜间至20日上午的雾凇及21日夜间冷空气南压对污染物的清除作用有关（孙兆彬等，2016）。天津地区 ρ(CO)/ρ(SO2)介于石家庄和北京之间；16—18日白天，ρ(CO)/ρ(SO2)低于 0.1，18日傍晚—19日该比值上升，20—21日 ρ(CO)/ρ(SO2)介于0.1～0.2，与图4所示的PM2.5质量浓度变化趋势一致。比值的变化表明 19日开始天津本地排放的贡献率增加，这与19日风速的减小和20—21日弱冷空气的间歇影响减弱了污染物的输送有关。

图5 2016年12月16—22日ρ(NO2)/ρ(SO2)和ρ(CO)/ρ(SO2)质量浓度比值的时间变化Fig.5 ρ(NO2)/ρ(SO2) andρ(CO)/ρ(SO2) of Beijing, Shijiazhuang and Tianjin in December 16—22 of 2016

3.3 AERONET数据分析

AOD是表述气溶胶对太阳辐射总消光（散射和吸收）作用的定量指标。AE（Angström Exponent）反映气溶胶粒子谱的分布特征，其值越大，则细粒子越多，当AE接近2时，主控粒子由小粒径的烟雾粒子组成，城市和工业气溶胶 AE值一般为1.1～2.4，生物质燃烧气溶胶AE为1.2～2.3（张勇等，2014）。图 6(a)所示为 AERONET不同波长 AOD日均值，14—16日大气相对较清洁，平均AOD低于0.5，不同波长对应的AOD差异小；17—21日随着污染程度加重，各波长对应AOD升高，340 nm处AOD明显高于其他波长。同时，AOD的变化与PM2.5质量浓度变化趋势一致。14—16日，AOD较低，各波长AOD日均值为0.01～0.2，各波长AOD差异不大。17日和18日，AOD明显升高，17日起AOD大于1，18日340 nm AOD达到1.2。19—21日，AOD暴增，不同波长AOD差异明显，这与高质量浓度的细粒子污染物关系密切。340～500 nm之间波长对应的AOD达到2左右，870～1640 nm之间波长的AOD低于1.5；21日是整个污染过程最重的一天，340 nm波段AOD达到2.2。

图6(b)所示为粗、细模态气溶胶对总 AOD的贡献，为了更好地分析粗、细模态气溶胶的变化趋势，绘制了AE随时间的变化图，如图6(c)所示。在20日气溶胶总AOD增加的前提下，细模态污染物AOD降低，对总AOD的贡献率也有所下降，这可能与19日夜间相对湿度增加，细粒子吸湿增长，颗粒物之间的碰并、凝聚导致粒子尺度变大有关（张勇等，2014）；另外，19日夜间受偏东风辐合及水汽输送的影响，北京出现大雾，气温偏低，雾滴在路面、树木上附着冻结，部分污染较重地区出现了雾凇天气，对污染物有一定的清除作用，也是20日AOD较低的一个可能原因。通过AE与AOD的对比发现，细粒子是污染过程的主导污染物。

3.4 气象条件分析

此次重污染过程中，京津冀地区大气 500 hPa以纬向环流为主，不利于极地冷空气南下影响华北区域。同时，850 hPa存在增温现象，对应暖平流持续向北京输送，而地面为高压后部弱气压场控制（图略）。边界层高度降低，大气稳定度增加，导致大气扩散条件持续转差。

图6 2016年12月14—22日AERONET(Beijing)AOD和AE的时间变化Fig.6 The temporal variations of AERONET AOD and AE over the Beijing site in December 14—22 of 2016

3.4.1 风场分析

风主要影响大气污染物的平流输送和水平扩散。在弱天气系统支配下，水平风速小，局地有风场辐合，气团滞留明显，水平扩散能力差。北京观象台站逐小时地面风速观测显示，16—21日风速为0.5～2.0 m·s-1（图 7），平均风速为 1.1 m·s-1，静风频率为6%，不利于污染物的稀释扩散。18日和19日平均风速最低，分别为0.88 m·s-1和0.87 m·s-1。从风向来看，偏南风影响时间长，加之北部山区阻挡，空气水平流动性差，本地排放及河北中南部输送的污染物叠加累积在北京平原，使污染物质量浓度波动、累积和升高。石家庄站 16—21日平均风速为1.0 m·s-1，小于2 m·s-1的频次达到90%，小于1.5 m·s-1的频次达到80%，静风频率为11%，小风日数为6天。天津站16—21日平均风速为1.5 m·s-1，风速小于 1.5 m·s-1的频次约为 64%，静风频率为2%，小风日数总计5天，偏南风出现频次较高。16—19日，河北中南部至天津北部稳定维持一条风场辐合线，辐合线周边污染物持续累积，污染程度重，与石家庄和天津 PM2.5高质量浓度一致（图 3）。北京PM2.5日变化明显，大气污染具有“早轻晚重”和“北轻南重”的特点；20日开始，辐合线逐渐北抬，污染物随之向北京地区输送，造成污染物不断累积，PM2.5质量浓度波动升高。

图7 2016年12月16—22日北京观象台、石家庄站、天津站平均风速风向风频图Fig.7 Averaged wind speed and wind frequency in Beijing, Shijiazhuang and Tianjin in December 16—22 of 2016

3.4.2 逆温条件

大气环流背景导致天气静稳，逆温层抑制了污染物的垂直运动和湍流交换，是重污染天气维持和污染物累积的重要条件。白天，近地层热力条件好转，逆温层厚度和强度减弱；入夜后逆温加强，大气对污染物的容纳能力下降，扩散条件进一步转差。北京和邢台两地近地面至 700 hPa探空结果（08:00和20:00）显示，该地区多日存在接地逆温，低空形成暖区，垂直扩散条件差。19日和20日夜间，北京和邢台污染较重，出现双层甚至多层逆温现象。与邢台相比，北京逆温层较厚，底层逆温最高延伸至900 hPa，温度随高度的变化较快。以20日为例，08:00北京逆温强度为 10 ℃左右，20:00逆温强度为8 ℃左右；邢台20日08:00和20:00逆温强度为3～4 ℃（图8）。

3.4.3 边界层高度

利用NCEP FNL日平均边界层数据进行分析，结果显示（图 9），15日北京、天津和河北北部的边界层高度大于500 m，河北中南部污染较重，边界层低于400 m。16—17日河北北部、北京北部及西部山区边界层高度降低至100 m以下，静稳条件迅速成立，北京城区及南部、天津和河北中南部虽然污染物质量浓度较高，但边界层高度维持在200～400 m，有利于污染物向北输送及其在垂直方向上的混合。18—21日，京津冀边界层高度由北向南逐渐降低，基本低于100 m，减弱了污染物在垂直方向上的扩散能力和大气环境容量，对应此次污染过程中逆温最强、污染程度最重时段。21—22日，随着冷空气逐渐南压，静稳条件自河北西北部开始解除，水平和垂直方向的扩散条件逐渐好转。22日，京津冀边界层高度基本超过500 m，但京、津、冀交界一带的边界层高度依然较低，与图2显示的该区域依然存在明显的霾天气一致，具体原因有待进一步探讨。

图8 2016年12月16—21日08时和20时北京观象台及邢台站的温度廓线图Fig.8 Vertical temperature in Beijing and Xingtai in December 16—22 of 2016

3.4.4 相对湿度和能见度

重污染过程中京津冀大部分地区能见度持续低于5 km。16—19日，北京相对湿度和能见度日变化显著（图10）。20—21日相对湿度维持在90%以上，日变化特征逐渐减弱。较高的相对湿度导致细颗粒物吸湿增长，消光作用增强，能见度低于 1 km，最低能见度不足100 m。石家庄16—19日相对湿度日变化明显，能见度持续低于2 km，日变化不显著。20日和21日石家庄相对湿度超过95%，最高达97%，日均能见度小于500 m，最低不足200 m，均出现在夜间至早晨时段（表1、表2）。天津16—18日相对湿度和能见度日变化明显（图10），16日相对湿度为64%～83%，日均值为75%，能见度日均值为10 km左右。17日和18日相对湿度为81%～97%，日均值分别为88%和92%，相较于16日有所升高，能见度明显降低，17日能见度为1.7～6.3 km，日均值为3.9 km，18日能见度为0.2～3.2 km，日均值为1.6 km。19—21日高湿状态稳定，最低相对湿度超过 94%。19日平均相对湿度达98%，出现最低能见度，日均值不足300 m，一天共12个时次能见度不足50 m，20个时次能见度不足1 km；20日和21日相对湿度日均值分别为98%和96%，日均能见度不足2 km，35%的时间能见度低于1 km（表1、表2）。

3.4.5 颗粒物质量浓度与能见度的关系

图11所示为北京南郊观象台12月16—21日剔除了相对湿度高于90%的数据后，逐时能见度与颗粒物质量浓度之间相关关系分析图，回归方程均通过了99.9%的置信度检验。由图可知，自16日开始，观象台的能见度持续低于5 km，PM2.5和PM10质量浓度为 100～450 μg·m-3；由图 2 也可知，16 日污染带已推进至北京南部。图 11(a)和图 11(c)所示分别为能见度的对数值与PM10、PM2.5质量浓度对数值之间的线性关系（Zhang et al.，2010），结果与Ji et al.（2012）的结论一致。此次污染过程中能见度对数值与 PM2.5对数值的线性拟合度更高。图11 (b)和图11 (d)所示为能见度与颗粒物质量浓度之间的非线性拟合，同样也表明能见度与 PM2.5质量浓度拟合度更高，相关性更好。PM10质量浓度达到150～250 μg·m-3的时段内仍有能见度超过3 km的个别现象，经检验为相对湿度低于 80%时出现的个例；当 PM10质量浓度超过 250 μg·m-3，能见度均低于2 km，能见度随PM10质量浓度变化较规律。当PM2.5质量浓度高于 100 μg·m-3时，其与能见度的相关性一直优于PM10。

图9 12月15—22日京津冀地区NCEP FNL边界层高度空间分布图Fig.9 Regional NCEP FNL Boundary layer height in December 15—22 of 2016

4 结论

本文利用多种数据对2016年12月16—22日的空气重污染天气进行分析，结论如下，（1）此次污染过程，京津冀地区可视的雾和霾覆盖面积均超过行政区域面积的70%，污染等级为轻度污染及以上的天数达到4 d，首要污染物为PM2.5，石家庄、北京和天津PM2.5质量浓度最高分别为684、497和384 μg·m-3。在高低空风场主导下，污染带由南向北推进，河北中南部及北京中南部污染较重。（2）ρ(NO2)/ρ(SO2)和 ρ(CO)/ρ(SO2)的时间变化趋势显示，石家庄主要是固定源排放，19日之前其对北京和天津的污染物输送是导致京、津污染物累积的主要原因，后期本地排放贡献率有所增加，可能与大气稳定度、本地环境容量的饱和及减排有关。（3）卫星数据显示了边界层内污染物的区域输送。15日，850 hPa、700 hPa及近地面的偏北风使污染物堆积在河北中南部及以南地区；16—21日，京津冀中南部转为偏南风，北部偏西风，相对湿度增加，霾层增厚，AOD大于1.5，AI高于2.5。（4）气象要素在污染过程中的作用至关重要：稳定的环流形势和低层的暖平流有利于逆温层强度和厚度的增加，北京的逆温条件优于河北，对应着污染中后期更低的边界层高度。在相对湿度低于90%时，PM2.5和PM10的质量浓度对能见度影响显著，但前者与能见度的相关性更高，无论是线性还是指数回归分析其拟合度均优于PM10。

目前的结果均基于观测数据对污染的发生发展进行讨论，下一步拟基于高分辨率再分析数据、大气化学模式结果和数据同化技术对污染机理、污染传输机制及大气成分变化做进一步探究与预报。同时，随着科学技术的发展，雷达、微波辐射计和卫星等可以提供越来越多的垂直廓线结果，为污染物和气象要素的垂直分布特征提供了新的研究途径。

表1 2016年12月16—22日北京、石家庄和天津的相对湿度日均值及污染过程平均值Table1 Daily averaged relative humidity in Beijing, Shijiazhuang and Tianjin in December 16—22 of 2016

表2 2016年12月16—22日日北京、石家庄和天津的能见度日均值及污染过程平均值Table2 Daily averaged visibility in Beijing, Shijiazhuang and Tianjin in December16—22 of 2016

图10 2016年12月16—22日北京观象台、石家庄和天津站的相对湿度和能见度Fig.10 Relative humidity and visibility in Beijing, Shijiazhuang and Tianjin in December 16—22 of 2016

图11 2016年12月16—21日北京观象台（54511）逐时能见度与颗粒物质量浓度关系图Fig.11 Plots of log (visibility) vs. log (PMs) and relations between visibility and PMs during 16—21 December

CHE H, XIA X, ZHU J, et al. 2015. Aerosol optical properties under the condition of heavy haze over an urban site of Beijing, China [J].Environmental Science and Pollution Research, 22(2): 1043-1053.

DUBOVIK O, SMIRNOV A, HOLBEN B N, et al. 2000. Accuracy assessments of aerosol optical properties retrieved from Aerosol Robotic Network (AERONET) Sun and sky radiance measurements[J]. Journal of Geophysical Research: Atmospheres (1984—2012),105(D8): 9791-9806.

FIEDLER V, NAU R, LUDMANN S, et al. 2009. East Asian SO2 pollution plume over Europe–Part 1: Airborne trace gas measurements and source identification by particle dispersion model simulations [J].Atmospheric Chemistry and Physics, 9(14): 4717-4728.

HAN X, ZHANG M, GAO J, et al. 2014. analysis of the seasonal characteristics of haze formation in Beijing [J]. Atmospheric Chemistry and Physics, 14(18): 10231-10248.

HSU N C, JEONG M J, BETTENHAUSEN C, et al. 2013. Enhanced Deep Blue aerosol retrieval algorithm: The second generation [J]. Journal of Geophysical Research: Atmospheres, 118(16): 9296-9315.

JACKSON J M, LIU H, LASZLO I, et al. 2013. Suomi-NPP VIIRS aerosol algorithms and data products [J]. Journal of Geophysical Research:Atmospheres, 118(22).

JI D, LI L, WANG Y, et al. 2014. The heaviest particulate air-pollution episodes occurred in northern China in January, 2013: Insights gained from observation [J]. Atmospheric Environment, 92: 546-556.

JI D, WANG Y, WANG L, et al. 2012. Analysis of heavy pollution episodes in selected cities of northern China [J]. Atmospheric Environment, 50:338-348.

JIANG C, WANG H, ZHAO T, et al. 2015. Modeling study of PM2.5pollutant transport across cities in China's Jing–Jin–Ji region during a severe haze episode in December 2013 [J]. Atmospheric Chemistry and Physics, 15(10): 5803-5814.

LEVELT P F, HILSENRATH E, LEPPELMEIER G W, et al. 2006. Science objectives of the ozone monitoring instrument [J]. IEEE Transactions on Geoscience and Remote Sensing, 44(5): 1199-1208.

SHAO M, TANG X, ZHANG Y, et al. 2006. City clusters in China: air and surface water pollution [J]. Frontiers in Ecology and the Environment,4(7): 353-361.

SUN Y, JIANG Q, WANG Z, et al. 2014. Investigation of the sources and evolution processes of severe haze pollution in Beijing in January 2013[J]. Journal of Geophysical Research: Atmospheres, 119(7):4380-4398.

TANG G, ZHU X, HU B, et al. 2015.Impact of emission controls on air quality in Beijing during APEC 2014: lidar ceilometer observations [J].Atmospheric Chemistry and Physics, 15(21): 12667-12680

TAO M, CHEN L, XIONG X, et al. 2014. Formation process of the widespread extreme haze pollution over northern China in January 2013: Implications for regional air quality and climate [J]. Atmospheric environment, 98: 417-425.

TORRES O, TANSKANEN A, VEIHELMANN B, et al. 2007. Aerosols and surface UV products from Ozone Monitoring Instrument observations:An overview [J]. Journal of Geophysical Research: Atmospheres,112(D24).

VAN DONKELAAR A, MARTIN R V, BRAUER M, et al. 2010. Global estimates of ambient fine particulate matter concentrations from satellite-based aerosol optical depth: development and application [J].Environmental health perspectives, 118(6): 847-855.

WANG H, WHEELER D. 2005. Financial incentives and endogenous enforcement in China's pollution levy system [J]. Journal of Environmental Economics and Management, 49(1): 174-196.

ZHANG J K, SUN Y, LIU Z R, et al. 2014. Characterization of submicron aerosols during a month of serious pollution in Beijing, 2013 [J].Atmospheric Chemistry and Physics, 14(6): 2887-2903.

ZHANG Q H, ZHANG J P, XUE H W. 2010. The challenge of improving visibility in Beijing [J]. Atmospheric Chemistry and Physics, 10(16):7821-7827.

ZHANG X Y, WANG Y Q, NIU T, et al. 2012. Atmospheric aerosol compositions in China: spatial/temporal variability, chemical signature,regional haze distribution and comparisons with global aerosols [J].Atmospheric Chemistry and Physics, 12(2): 779-799.

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

李珊珊, 程念亮, 潘涛, 等. 2016. 2014年10月京津冀一次空气重污染过程分析[J]. 环境科学与技术, 39(3): 162-169.

刘燚. 2010. 京津冀地区空气质量状况及其与气象条件的关系[D]. 长沙:湖南师范大学.

孟昭阳, 张怀德, 蒋晓明, 等. 2007. 太原地区冬春季 PM2.5污染特征及影响因素[J]. 中国科学院研究生院学报, 24(5): 648-656.

任阵海, 万本太, 苏福庆, 等. 2004. 当前我国大气环境质量的几个特征[J]. 环境科学研究, 17(1): 1-6.

任阵海, 万本太, 虞统, 等. 2006. 不同尺度大气系统对污染边界层的影响及水平流场输送[J]. 环境科学研究, 17(10): 7-13.

孙兆彬, 廖晓农, 王占山, 等. 2016. 北京地区空气重污染下雾凇和偏东风对PM2.5清除作用[J]. 环境科学, 37(10): 3679-3685.

王莉莉, 王跃思, 王迎红, 等. 2013. 北京夏末秋初不同天气形势对大气污染物浓度的影响[J]. 中国环境科学, 30(7): 924-930.

杨素英, 赵秀勇, 刘宁微. 2010. 北京秋季一次重污染天气过程的成因分析[J]. 气象与环境学报, 26(5): 13-16.

翟世贤, 安兴琴, 孙兆彬, 等. 2015. 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, 35(7): 1921-1930.

张勇, 银燕, 刘藴芳, 等. 2014. 北京秋季大气气溶胶光学厚度与Angström指数观测研究[J]. 中国环境科学, 34(6): 1380-1389.

中国环境年鉴编辑委员会. 2001—2010. 中国环境年鉴[K]. 北京: 中国环境年鉴社.

Analysis of A Heavily Polluted Event in Beijing-Tianjin-Hebei Region in December, 2016

YIN Xiaomei1,2, SUN Zhaobin1, GUO Chunwei1, TANG Yixi2, LI Ziming2
1. Institute of Urban Meteorology, Beijing 100089, China;2. Environmental Meteorology Forecast Center of Beijing-Tianjin-Hebei, Beijing, 100089, China

A heavily polluted event occurred in Beijing-Tianjin-Hebei (BTH) Region in December 16-21, 2016. The dense haze clouds covering the BTH Region during the severely polluted period were mixed with fogs, leading to the visibility below 5 km for almost one week. In this study, we investigated the formation process of the extreme air pollution event in BTH Region in December 2016, using satellite retrievals of Aerosol Optical Depths (AOD) and Aerosol Index (AI), ground measurements of Aerosol Robotic Network (AERONET) AOD, wind data from ERA-interim, planetary boundary layer (PBL) heights from NCEP FNL reanalysis and other meteorological and aerosol observations. The haze clouds initially exhibited large spatial variations with peak aerosol concentrations in the north part of the BTH Region. In December 18—21, high AOD and AI values were observed in the south part of Beijing and the south-central Hebei province, which were driven by repeated alternation of airflows from different directions from the surface layer to 700 hPa, indicating accumulated aerosols and prevalent absorbing aerosols in these areas. Before December 19,the contributions of regional transports and residential emissions to aerosol concentrations in Beijing were higher than those of local emissions, while the contributions of local accumulated pollution and transportation sources increased after December 19, resulting from the regional emission reductions. Results also revealed that the AOD values and contributions of fine particles to total aerosols increased with enhanced aerosol mass concentrations, except for the events with weak cold air or rime. Stable synoptic conditions,low PBL heights, strong thermal inversion and weak south wind played important roles in the formation and persistence of the severe haze event. High relative humidity and aerosol concentrations were the main causes of low visibility. Using the method of fitting analysis, we found that the impacts of PM2.5on visibility were higher than those of PM10with the same relative humidity.

heavy air pollution; aerosols; AERONET; satellite; meteorological conditions

10.16258/j.cnki.1674-5906.2017.12.011

X16

A

1674-5906（2017）12-2071-13

尹晓梅, 孙兆彬, 郭淳薇, 唐宜西, 李梓铭. 2017. 2016年12月京津冀一次重污染天气过程分析[J]. 生态环境学报,26(12): 2071-2083.

YIN Xiaomei, SUN Zhaobin, GUO Chunwei, TANG Yixi, LI Zimin. 2017. Analysis of a heavily polluted event in Beijing-Tianjin-Hebei Region in December , 2016 [J]. Ecology and Environmental Sciences, 26(12): 2071-2083.

中央级公益性科研院所基本科研业务费专项基金项目（IUMKY201738）；中国气象局预报员专项（CMAYBY2017-003）

尹晓梅（1988年生），女，工程师，博士研究生，研究方向为污染物清单反演及数据同化研究、污染过程预报预警。E-mail:yinxiaomei@lasg.iap.ac.cn

2017-09-08