京津冀一次重污染过程的成因和来源

皮冬勤,陈焕盛,魏 巍,王文丁,肖林鸿,张稳定,吴剑斌,李健军,晏平仲*



京津冀一次重污染过程的成因和来源

皮冬勤1,2,陈焕盛1,2,魏 巍2,王文丁1,2,肖林鸿2,张稳定2,吴剑斌1,2,李健军3,晏平仲1,2*

(1.中国科学院大气物理研究所,北京 100029；2.中科三清科技有限公司,北京 100029；3.中国环境监测总站,北京 100012)

2016年12月16~21日,京津冀地区经历了一次大范围重污染过程.本文基于空气质量监测资料及实况天气图分析了此次极端区域重污染事件的天气成因,并利用嵌套网格空气质量预报模式(NAQPMS)对京津冀主要城市PM2.5污染来源进行定量解析.结果表明:污染前中期500hPa高空为偏西气流伴空中回暖,后期转槽前偏南气流增温增湿明显;对应地面气压逐渐降低,辐合不断增强;垂直方向上,逆温层不断抬升加厚,中低层暖平流明显,风垂直切变小;大气长时间处于极度静稳状态也是造成此次重污染过程的天气因素.污染期间,京津冀各主要城市PM2.5污染本地贡献占40%~60%;北京市PM2.5本地贡献为48%,其中16~17日北京市主要受沿太行山东侧的西南向输送通道(邯郸-邢台-石家庄-保定-北京)影响,其后风速减小,北京本地及周边城市贡献增大.

京津冀区域重污染；天气成因；NAQPMS模式；来源解析

在巨大的能源消耗和污染排放背景下,近年来我国区域大气污染事件频繁发生[1-2].京津冀及周边区域是全国大气污染重灾区[3-5],2016年冬季区域大气重污染事件频发,特别是12月16日~21日的重污染过程持续时间之长、影响范围之广、污染程度之重历史罕见,受重度污染影响的区域面积达71万km2,重污染持续时间长达6d,过程最高小时PM2.5浓度超过1100μg/m36.针对此次极端重污染事件,各地政府高度重视,积极开展重污染天气应对工作,相继启动空气重污染预警,采取停产限产、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、区域大气环流异常和局地气象条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况下,稳定的气压场、高湿度和低风速等不利的气象条件是导致12月份重污染天气频发的主要原因[7].此次重污染除受本地排放影响外,还受到区域输送影响,且在污染不同阶段,本地排放和区域输送贡献率不同[8].厘清PM2.5污染来源是开展重污染防治的前提条件,目前FLEXPART模式[9-11]在空气污染传输领域得到广泛应用,此外高分辨空气质量数值模式是定量分析城市污染来源的重要手段[12-14].本文在分析此次极端重污染过程天气成因的基础上,利用FLEXPART、NAQPMS模型,研究京津冀地区大气污染输送通道,并对京津冀重点城市污染地区来源定量解析,以期探讨此次重污染过程的形成与发展机理,为重污染应急管控提供科学参考.

1 资料与方法

1.1 NAQPMS模式系统

嵌套网格空气质量预报模式(NAQPMS)是由中国科学院大气物理研究所自主研发的、基于“一个大气”理念设计的第三代空气质量模式[15].NAQPMS全面考虑了空气污染物在大气中的平流、扩散、干湿沉降以及化学转化等过程,模式系统参数化方案见文献[16].NAQPMS模式耦合的污染在线源追踪技术从源排放开始对各种物理、化学过程进行分源类别、分地域的质量追踪,可以跟踪污染物来源,定量分析输送过程及区域污染排放贡献率.该方法已被多次应用于大气污染物的区域或城市间输送定量评估[17-19].

NAQPMS模式采用WRF模式提供的气象要素作为模式的动力驱动.WRF模式初始边界条件采用美国NCEP全球预报分析资料GFS.排放清单采用清华大学研究建立的用于空气质量模式的网格化全国污染源清单,清单基准年为2012年,空间分辨率为0.25°´0.25°,包括农业源、工业源、电厂源、居民源和交通源五大类人为排放源,同时考虑生物源和生物质燃烧等其它排放源.

模式计算采用三重嵌套区域设置,区域中心106°E、24°E.第一区域为东亚区域,覆盖包括中国全境,水平分辨率为45km,网格数为182´172;第二区域为中国中东部区域,水平分辨率为15km,网格数为243´273;第三区域为京津冀及周边区域,覆盖北京、天津、河北、山西、山东、辽宁全境及吉林、内蒙古、陕西、河南、安徽、江苏部分地区,网格数为300´249,水平分辨率为5km.水平方向采用适合我国中低纬度特点的LAMBERT投影方式,垂直方向上采用地形追随高度坐标的形式,不等距分为20层,边界层内约有7~8层.

1.2 拉格朗日粒子扩散模型

FLEXPART是由挪威大气研究所(NILU)开发的拉格朗日粒子扩散模式.该模式基于郎之万方程构建,通过计算大量粒子的运动轨迹,来模拟在大气中的传输、扩散、干湿沉降和辐射衰减等过程.后向模拟可追溯目标点的潜在源区,并量化各个潜在源区的影响强度[20-21].FLEXPART采用WRF模式模拟结果作为驱动,对北京市2016年12月16~21日潜在污染源区进行逐日模拟.模拟释放的粒子总数为10000个,示踪物采用AIRTRACER;水平网格设置与WRF一致,垂直输出为5层(100, 200, 500, 1000, 20000m).

1.3 观测数据

图2 京津冀及周边区域53个城市空间分布

空气质量观测数据来源于中国环境监测总站,包括PM2.5、PM10、CO、NO2、SO2、O3逐小时数据.逐日实况天气图来源于韩国气象厅(http://www. kma.go.kr/chn/index.jsp).数据覆盖京津冀及周边,包括京津冀、内蒙中部、鲁东、鲁西、晋北、晋南、豫北等地区的53个城市(图2).

2 结果与分析

2.1 污染实况

由图3可知,12月15日,华北大部分城市仍以中度污染为主,部分城市达到重度污染级别;至16日,重度污染城市个数增加,京津冀及周边地区53个城市中有13个城市达到重度污染水平,重污染城市日均PM2.5浓度值高达177μg/m3;17日,重污染城市呈东北西南带状分布,分布型较16日略有差别;随后重污染范围不断扩大并逐渐南压,山东河南等地相继达到重污染;19日重污染影响范围达到最大,污染程度最强,京津冀及周边地区共有45个城市出现重度及以上等级污染,重污染城市日均PM2.5浓度值已高达318μg/m3,另华东地区北部城市亦达到重污染级别,南部城市为中度污染;20~21日间,华北地区依然维持重污染,但华东地区空气质量改善,转为优良;至22日,华北地区重污染范围明显较小,北部城市转为优良,南部城市仍为重污染,华东地区污染再次加重.

图3 2016年12月16~22日我国东部地区空气质量污染等级实况

2.2 污染过程分析

2.2.1 污染前期 研究表明,大范围的空气污染过程与气象条件存在密切联系[22-25].污染前期(12月15~16日),中纬度500hPa高空逐渐由经向型环流向纬向型环流转变,且暖脊不断加强,华北地区上空有强暖平流,空中回暖明显,对应地面减压,16日华北地区形成地形槽,水平扩散条件转差;垂直方向上(以北京为例)自地面层起出现逆温,且一直延伸到850hPa高度左右,在逆温层内风向随高度顺转,有明显暖平流,另外中低层以偏西风为主,风速较小,对应风场垂直切变较小,无明显动量下传作用,垂直层结稳定(图4a~c).综上,大气扩散较差导致华北地区出现区域性污染,石家庄及周边区域出现重度污染.NAQPMS模式对污染起始阶段模拟效果较好,污染分布与实况基本一致(图4d).

a: 500hPa天气, b: 地面天气, c:北京站(54511)探空图, d: PM2.5实测值(打点)及NAQPMS模拟值空间分布

2.2.2 污染中期 12月17~19日间,华北地区500hPa高空以纬向型环流为主,有弱短波槽活动(图5a).自近地面层至850hPa,风随高度逆转,空中有暖平流,持续回暖,地面继续减压(图5c).17日08:00,华北地形槽发展形成低压,且低压带位于入海弱高压和变形高压之间,辐合加强.华北地区位于低压带中心区,污染物辐合聚积,重污染区域扩大(图5b).18~19日间,入海弱高压东移入海,华北地区低压发展强盛并向东偏南方向缓慢移动,对应污染带也向东偏南扩散并加强,NAQPMS模式结果与实况高度吻合,有效模拟出污染加剧扩散过程(图5d).

a: 500hPa天气, b: 地面天气, c:北京站(54511)探空图, d: PM2.5实测值(打点)及NAQPMS模拟值空间分布

2.2.3 污染后期 污染后期(20~21日),500hPa高空西来槽东移发展,华北地区由偏西气流演变为槽前偏南气流,并伴有暖脊,空中增温增湿明显(图6a),近地面逆温层仍然维持,且地面层温度露点差明显减小,相对湿度增大(图6c).20日,低压东移入海,华北地区位于高压底部,北部弱冷空气南下,受其影响上游河套地区倒槽不断发展东移并逐渐影响华北地区(图6b).

图6 2016年12月20日08:00 天气实况及空气质量污染实况

a: 500hPa天气, b: 地面天气, c:北京站(54511)探空图, d: PM2.5实测值(打点)及NAQPMS模拟值空间分布

至22日,空中槽发展东移,华北地区转槽后偏北干冷气流影响,垂直方向上逆温打破,整层湿度变小,同时地面蒙古冷高压不断发展南压.08:00,高压前部冷锋已经过北京地区,并继续向南部地区突出性扩展,华北地区受冷锋后偏北大风影响,有利于污染物扩散,空气质量转好(图7a-c).对应NAQPMS模式结果中,污染带受近地面层北风影响南压消散,北京空气质量转好(图7d).

a: 500hPa天气, b: 地面天气, c:北京站(54511)探空图, d: PM2.5实测值(打点)及NAQPMS模拟值空间分布

综上,污染前中期,华北地区高空500hPa环流由经向型转为纬向型,持续以偏西气流为主,空中回暖明显;后期西来槽发展东移,华北地区转为槽前西南气流,并有暖脊配合,空中增温增湿明显.对应地面天气形势为低压发展-高压底部-锋前倒槽变化过程,是气压逐渐降低、辐合不断增强的过程.垂直方向上,华北地区上空逆温层始终存在,且强度不断增强,此外近地面层风垂直切变整体较小,低层风向随高度顺转有暖平流,使得层结条件极度稳定,且后期近地面层湿度不断增大,亦不利于污染物扩散.直至22日系统过境,华北地区自地面至对流层中层均转为强西北风,逆温打破,湿度减小,扩散条件转好,污染结束.

2.3 污染来源解析

2.3.1 模拟效果评估 NAQPMS模式能较好的模拟出此次极端区域重污染过程的生成、发展和消亡.由图8可知,污染期间北京及京津冀关键城市PM2.5的模拟值与实测值高度吻合,两者的相关系数达0.6以上,其中石家庄市的相关系数可达到0.88;预报值与实测值量值偏差在20%以内,北京市的标准平均偏差仅为7%(表1).

表1 2016年12月16~22日京津冀主要城市PM2.5模拟效果统计评估

2.3.2 北京市污染潜在源区分析 FLEXPART后向模拟能给出受体点的潜在源区,该模式的输出变量为驻留时间,某地的驻留时间和排放越大,则受体点受该地区的污染贡献越大.由图9可见,12月15日到达北京的气团主要来源于保定、张家口和内蒙古中部等地,其潜在源区较广,当天到达的气团风速较大,扩散条件较好,同时潜在源区内的排放较少,因而15日北京的污染较小.16~17日的潜在源区基本一致,北京气团主要来向是沿太行山东侧的西南向,相对于15日,气团移动速度慢,潜在源区更为集中,且形成了西南向的输送通道(邯郸-邢台-石家庄-保定-北京).18~21日的潜在源区分布相似,北京的潜在源区进一步缩小,气团在北京东西两侧徘徊,北京受临近的周边城市影响较大,如保定、廊坊和承德等地.在前几日的累积下,北京周边的气团污染浓度较高,加之扩散条件较差,污染气团在北京周边滞留,使得北京的污染程度加重.到22日,风向转为偏北,潜在源区范围扩大且源区内排放较小,气团移动速度变快,从北部带来了干净的空气,使北京空气质量迅速转好.

2.3.3 污染来源定量解析 NAQPMS模式的逐日污染来源解析结果(图10)表明:2016年12月16~21日间,京津冀各主要城市PM2.5污染本地贡献占40%~60%,其中北京市PM2.5的本地贡献率为48%,与外来输送贡献率基本相当.受弱偏西南风影响,北京PM2.5的外来源主要有山西(12%)、张家口(9%)、保定(7%)及河北南部的其他城市.位于河北中南部,污染程度较重的保定和石家庄市,PM2.5主要来自其本地贡献,两地的本地贡献率分别为53%和57%.同样受偏西风影响,山西对保定和石家庄PM2.5浓度的影响较大,贡献率分别为14%和18%.位于河北东部的唐山市和天津市,PM2.5本地贡献率分别为44%和41%,外来输送贡献略大于本地贡献.受风向多变的静小风输送影响,天津受周边的唐山(12%)、廊坊(8%)、保定(8%)等城市的输送影响较大.唐山受其周边的天津(9%)、秦皇岛(6%)、山东(6%)输送的影响较大.

针对北京市PM2.5来源的时间变化做进一步分析(图11).北京PM2.5的地区来源随时间变化显著,在15~16日污染起始时段,受西南风影响,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%),张家口(5%左右)、山西(5%~10%)对北京PM2.5浓度的贡献率均较大,而北京本地贡献较小,贡献率介于30%~40%.17~21日,随着气象条件趋于稳定、风速逐渐减小且转为偏西风,北京本地贡献率逐渐增大至45%~60%,河北中南部对北京PM2.5的贡献率略有降低,而北京西部的张家口及山西的贡献率则略增加.22日,受冷空气影响,在西北大风的影响下,北京本地的贡献率减小至35%,而北京西部的张家口(25%~30%)、承德(10%~15%)和内蒙古(5%~10%)的贡献率则显著增大,重污染在强扩散作用下迅速清除.

图9 FLEXPART模拟的北京2016年12月15日、17日、19日和22日PM2.5污染潜在源区

彩色为驻留时间(单位:s),其数值越大,表示北京受到该地区的影响越大;灰色为一次PM2.5排放分布

图10 2016年12月16~21日京津冀主要城市PM2.5地区来源贡献率

图11 2016年12月14~ 21日北京市PM2.5地区来源日变化

3 结论

3.1 污染过程中,华北地区高空环流由经向型转为纬向型,持续以偏西气流为主空中回暖明显,后期转槽前伴暖脊,暖湿平流明显;对应地面天气形势为低压发展-高压底部-锋前倒槽的变化过程,在此过程中地面气压逐渐降低,辐合不断增强;垂直方向上,逆温层不断抬升加厚,暖平流逐渐增强,且风垂直切变较小,无明显动量下传;这些因素综合作用导致大气处于极度静稳状态,是此次华北地区长时间、大范围严重污染形成的天气学原因.

3.2 污染期间,北京的PM2.5本地贡献率为48%,外来输送主要来自山西(12%)和河北西南部的保定(7%)、张家口(9%)等城市.位于河北中南部污染较重的保定和石家庄,其PM2.5主要来自本地贡献,贡献率分别为53%和57%,外来输送主要来自山西,贡献率分别为14%和18%.位于河北东部的唐山和天津本地贡献相对较小,贡献率分别为44%和41%,外来输送主要来源于其周边地区,贡献率均介于5%~ 15%之间.

3.3 北京市PM2.5污染来源的时间变化特征明显.12月16日~17日间,污染气团沿太行山东侧的西南通道(邯郸-邢台-石家庄-保定-北京)输入北京地区,河北中部、南部及山西等地对北京PM2.5浓度的贡献率均较大,而北京本地贡献较小;18~21日间,随着气象条件趋于稳定、风速逐渐减小,北京市污染潜在源区缩小,北京本地贡献率逐渐增大至45%~ 60%;22日,受冷空气影响,在西北大风的影响下,北京本地的贡献率减小至35%,重污染在强扩散作用下迅速清除.

[1] 张继娟,魏世强.我国城市大气污染现状与特点[J]. 四川环境, 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] 梁伟棠,张德安,尹腾辉.大气污染现状及控制对策研究[J]. 资源与环境, 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] 王冠岚,薛建军,张建忠. 2014年京津冀空气污染时空分布特征及主要成因分析[J]. 气象与环境科学, 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] 缪育聪,郑亦佳,王 姝,等.京津冀地区霾成因机制研究进展与展望[J]. 气候与环境研究, 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,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. 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] 袁东敏,马小会. 2016年12月16~21日重度霾过程及大气环流异常 [J]. 气候与环境研究, 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,饶晓琴,张恒德. 2016年12月北京市持续重污染天气特征分析[C]. 中国环境科学学会学术年会论文集, 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] 尹晓梅,孙兆斌,郭淳薇,等. 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, 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 岩,安兴琴,姚 波,等.北京地区FLEXPART模式试用性初步研究[J]. 环境科学学报, 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,李金龙,张远航,等.北京地区臭氧污染的来源分析[J]. 中国科学B辑:化学, 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] 王自发,谢付莹,王喜全,等.嵌套网格空气质量预报模式系统的发展与应用[J]. 大气科学, 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] 陈焕盛,王自发,吴其重,等.亚运时段广州大气污染物来源数值模拟研究[J]. 环境科学学报, 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] 黄蕊珠,陈焕盛,葛宝珠,等.京津冀重霾期间PM2.5来源数值模拟研究[J]. 环境科学学报, 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 鹏,程水源,苏福庆,等.北京重污染事件中污染物传送轨迹模拟与分析[J]. 北京工业大学学报, 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] 潘锦秀,晏平仲,李云婷,等.北京冬奥会同期空气污染数值模拟[J]. 环境科学研究, 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 涛,等.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, 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] 王丛梅,杨永胜,刘永占,等. 2013年1月河北省中南部严重污染的气象条件及成因分析[J]. 环境科学研究, 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] 许万智,朱春涛,陈仲榆,等.华北地区一次重污染天气的气象变化过程分析[J]. 中国环境监测, 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] 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. 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,江苏泗阳人,硕士,主要从事大气污染成因分析研究.发表论文5篇.

2018-10-29

国家重点研发计划(2016YFC0208803)

*责任作者, 高级工程师, yanpz@mail.iap.ac.cn