淮安地区重污染天气过程数值模拟分析

宋昊冬 谢真珍 赵天良 安礼政 邵正艳 王蓓元

收稿日期：2023-12-10

基金项目：国家自然科学基金（42075063）；江苏省大气环境监测与污染控制高技术研究重点实验室开放项目（KHK2005）。

作者简介：宋昊冬（1987—），男，江苏淮安人，工程师，研究方向为大气环境。

摘 要：利用WRF-Chem空气质量模式模拟研究淮安地区2019年1月12—15日期间的细颗粒物PM2.5污染过程，研究结果表明：污染期间，高空以西北气流为主，地面均压场控制，没有明显的冷空气活动，地面风速较小，相对湿度较大，且近地层存在明显的逆温，大气污染水平和垂直扩散条件均较差，有利于细颗粒物PM2.5的形成、积聚和维持；模式对此次污染过程的天气系统演变和PM2.5质量浓度有比较好的模拟效果，气象要素和污染物浓度模拟的相关系数分别在0.63和0.74以上，并且均通过了P＜0.05的显著性检验；此次重污染天气由本地累积和外来输送共同引起，江苏省内污染源排放的贡献率为47%，其中淮安占比为17%。区域污染物输送的输送主要来自偏西和偏北方向，其中山东、安徽和河南污染物的贡献率分别为20%、18%和10%，在区域传输中占较大比重。

关键词：数值模拟；PM2.5；重污染天气

中图分类号：X513 文献标识码：B文章编号：2095–3305（2024）03–00-03

随着社会经济的快速发展，城市化的进程迅速推进，随之引起的大气环境问题也日趋严重[1]。大气污染防治国十条发布以来，我国大气重污染天气发生频次和持续时间均有所改善，但长三角地区冬季的灰霾天气仍时有发生。由细颗粒物PM2.5引起的区域性灰霾天气，依然严重威胁着人们的健康[2]。

近年来，越来越多的专家、学者开展了雾霾相关内容的研究[3-4]。谢真珍等[5]利用常规气象、环境观测资料开展了淮安地区一次持续性雾霾过程阶段性特征及影响因子分析。栾兆鹏等[6]重点研究了降水和风对泰安地区PM2.5浓度的影响。目前，众多专家学者也开始侧重于应用空气化学模式分析重污染天气的生消原理和污染物的传输特征。钱俊龙等[7]利用WRF-Chem模式开展了冷空气过程对江苏持续性霾的影响，发现冷高压的主体位置对污染物的输送有重要影响。吴珂等[8]对苏州一次重霾污染天气过程进行了数值模拟分析，发现了该地区重霾天气过程的主要天气类型、污染物分布特征及其气象影响因子。

淮安位于江苏北部，地处中国南北分界线，随着工业的发展，该地区的空气污染情况不容乐观。然而，对于淮安而言，利用数值模拟的空气重污染研究相对较少。利用WRF-Chem，针对淮安地区2019年1月中旬一次重污染天气过程开展模拟分析，为淮安地区重污染天气的预报预警提供参考。

1 资料和方法

1.1 气象要素观测资料、再分析资料和PM2.5浓度监测数据

地面气象资料：2019年1月12—15日淮安国家级气象观测站逐小时地面气温、风向风速、相对湿度等逐小时观测数据。温度垂直分布资料：2019年1月14日08：00淮安国家基准气候站地基微波辐射计观测资料。模式使用的气象初始场来自美国国家环境预报中心和美国国家大气研究中心联合制作的FNL再分析资料。颗粒物监测数据来源于中国环境监测总站，本文分析的是淮安国控点2019年1月12—15日PM2.5浓度逐小时数据。

1.2 数值模拟试验

使用WRF-Chem 3.9.1版本对此次污染过程进行模拟。排放源数据来源于2017年清华大学MEIC清单。此次模拟采用双层嵌套，第一层网格距为27 km，最内层为9 km，垂直分为31层。模拟的时间为2019年1月11日08：00—16日08：00，前24 h为spin-up，模拟的区域如图1所示，模式采用的主要参数化方案为：边界层方案（MYJ），气溶胶反应方案（MOSAIC），物理过程方案（LIN），气相反应方案（CBMZ）等。

2.1 污染过程概况

2019年1月中旬，江苏省自北向南依次出现了一次污染过程，其中苏北地区污染较严重。此次污染过程首要污染物为PM2.5，因此以PM2.5为主进行模拟和分析。在污染累积时段内，PM2.5浓度缓慢上升，在15日09：00浓度达到最大值，为255 μg/m3，随后受北风风速增加的影响，浓度迅速下降，到12：00降至73 μg/m3。此阶段地面的风速较小，最小风速为0，平均风速为1.18 m/s。温度偏低，最高气温为5.3 ℃，最低为-2.4 ℃，

平均为1.55 ℃。且相对湿度较大，最高为100%，最低

为73%，平均达92%。气象要素不利于污染物的水平扩散，有利于吸湿增长。且污染阶段淮安地区低空

（1 km以下）有明显的逆温层结，逆温强度为5.1 ℃/km，

逆温层厚度为450 m，主要分布在近地面，不利于近地层污染物的垂直扩散。

2.2 天气背景分析

1月12—14日淮安地区高空以西北气流控制为主（高空、地面天气形势图略），高空下沉气流不利于污染物的垂直扩散，地面为弱高压控制，风速较小，有利于颗粒物的累积增长，15日早晨地面处于冷锋前沿，风速增大，污染迅速消散。

2.3 模拟结果与分析

为了评估模式的模拟结果，选取了3个参数：相关系数（r）、平均绝对误差（MAE）、均方根误差（RMSE）

来定量的描述其准确性。公式如下：

r=（1）

MAE=（2）

RMSE=（3）

式（1）～（3）中，Xi和Yi分别代表观测值和模拟值。相关系数r表示模拟值与观测值之间的线性关系，值越接近1，说明相关性越好；平均绝对误差（MAE）和均方根误差（RMSE）反映模拟值与观测值的偏离程度，值越接近0，代表模拟效果越好。

首先将模式模拟出的气象要素场和淮安站气象要素观测值进行比较，如表1所示，WRF-Chem模式对风速的模拟效果最好，相关系数达0.79；其次是温度，相关系数达0.72；然后是相对湿度，相关系数为0.63。

如图2所示，各气象要素模拟值与观测值变化趋势比较一致，因此模式可以用来模拟环境场。本文将PM2.5模拟值与观测值进行比较，总体变化趋势匹配较好，相关系数达0.74，平均绝对误差为39.25，均方根误差为50.34，均在合理范围内。因此整体来看，WRF-Chem模式对此次重污染过程的模拟还是较为可靠的。

为定量给出各区域污染物传输对此次淮安地区污染的贡献，设计了WRF-Chem排放情景试验，来计算淮安本地、江苏省其他城市，以及外省排放源排放（安徽、山东、河南、山西、京津冀地区）对淮安地区污染的影响，此次污染过程上述地区对淮安的污染物贡献率高达99%（表2）。其中，江苏省内污染物的贡献率为47%，山东、安徽和河南污染物的贡献率分别为20%、18%和10%，在区域传输中贡献率较高。

此次重污染天气过程，主要是由静稳天气下的本地污染物的累积，以及西、北方污染物南下传输共同引起的，受湿度较大及逆温等不利因素影响，污染逐渐加重。随着15日上午冷空气的南下，大气污染扩散气象条件转好，污染消散，空气质量迅速转好。

3 结论与讨论

利用WRF-Chem空气质量模式模拟了淮安地区2019年1月12—15日的一次重污染天气过程，得到结论如下：

（1）此次重污染天气过程前期高空以西北气流控制为主，不利于污染物的垂直扩散，地面为弱高压控制，天气静稳，有利于污染物的累积；后期地面处于冷高压前沿，受冷空气影响，风速增大，有利于污染物的消散。逆温层结、小风、大的相对湿度等气象条件是本次重污染天气形成的重要原因。

（2）WRF-Chem模式对气象要素和PM2.5有比较好的模拟效果，其中，气象要素相关系数均在0.63以上，并且均通过了P＜0.05的显著性检验；PM2.5相关系数达0.74，并且模拟值与观测值在变化趋势上匹配度较高。

（3）此次重污染天气过程由本地污染物的累积和外来污染物的输送共同引起。江苏省内污染源排放对淮安地区污染物的贡献率为47%，来自偏西和偏北方向的污染物在区域传输中贡献率较高，该方向上游地区山东、安徽和河南省的贡献率分别为20%、18%和10%。

参考文献

[1] 张小曳，孙俊英，王亚强，等.我国雾-霾成因及其治理的思考[J].科学通报，2013，58（13）：1178-1187.

[2] Goldberg M S， Burnett R T， Bailar J C， et al. The association between daily mortality and ambient air particle pollution in Montreal， Quebec. 1. Nonaccidental mortality [J]. Environmental Research， 2001， 86（1）： 12-25.

[3] 李卓建，赵尚民，郭鹏程.太原市城区PM2.5浓度时空分布特征研究[J].环境污染与防治，2021，43（3）：353-358.

[4] 王璐，温天雪，周旭，等.临沂市区冬季大气污染物的特征解析[J].环境污染与防治，2021，43（5）：562-567，573.

[5] 谢真珍，范秀莲，王月林，等.淮安地区一次持续性雾霾过程阶段性特征及影响因子分析[J].气象与环境学报，2015， 31（5）：79-85.

[6] 栾兆鹏，卢慧超，李恬，等.降水和风对泰安地区PM2.5浓度的影响及区域传输研究[J].气象与环境学报，2021，37（3）：33 -39.

[7] 钱俊龙，刘端阳，曹璐，等.冷空气过程对江苏持续性霾的影响研究[J].环境科学学报，2018，38（1）：52-61.

[8] 吴珂，包云轩，蔡敏，等.苏州市一次重霾污染天气过程的数值模拟[J].气象科学，2019，39（1）：104-116.