李珊珊，程念亮，徐 峻，聶 磊，孟 凡，潘 濤，唐 偉，張玉潔（.北京市環(huán)境保護(hù)科學(xué)研究院，國(guó)家城市環(huán)境污染控制工程技術(shù)研究中心，北京 00037；2.北京師范大學(xué)，水科學(xué)研究院，北京 00875；3.北京市環(huán)境保護(hù)監(jiān)測(cè)中心，北京 0008；.中國(guó)環(huán)境科學(xué)研究院，環(huán)境基準(zhǔn)與風(fēng)險(xiǎn)評(píng)估國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 0002）

2014年京津冀地區(qū)PM2.5濃度時(shí)空分布及來源模擬

李珊珊1，程念亮2，3，4*，徐 峻4，聶 磊1，孟 凡4，潘 濤1，唐 偉4，張玉潔4（1.北京市環(huán)境保護(hù)科學(xué)研究院，國(guó)家城市環(huán)境污染控制工程技術(shù)研究中心，北京 100037；2.北京師范大學(xué)，水科學(xué)研究院，北京 100875；3.北京市環(huán)境保護(hù)監(jiān)測(cè)中心，北京 100048；4.中國(guó)環(huán)境科學(xué)研究院，環(huán)境基準(zhǔn)與風(fēng)險(xiǎn)評(píng)估國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100012）

采用模式（CAMx）模擬與污染物、氣象觀測(cè)資料相結(jié)合的方式，分析了2014年京津冀地區(qū)PM2.5時(shí)空分布及來源特征.結(jié)果表明：PM2.5具有較為明顯的時(shí)間變化規(guī)律，呈秋冬高、春夏低的規(guī)律和雙峰型分布的日變化特征；重污染日PM2.5高濃度（PM2.5＞150μg/m3）主要分布在太行山前的華北平原區(qū)，特別是北京、保定、石家莊一線，而太行山、燕山等西部及北部山區(qū)PM2.5濃度明顯低于平原區(qū)；重污染日京津冀地區(qū)PM2.5平均濃度在150μg/m3以上的面積約占總面積的73%；重污染日北京、天津、石家莊市的PM2.5外來輸送率分別為58%、54%、39%；2014年10月6～12日京津冀地區(qū)發(fā)生的一次重污染過程中污染物由南向北輸送，區(qū)域輸送對(duì)于各地區(qū)PM2.5濃度有著十分重要的影響.

重污染；空間分布；區(qū)域輸送；PM2.5；京津冀地區(qū)

近年來，我國(guó)中東部地區(qū)空氣重污染現(xiàn)象頻發(fā)，并呈現(xiàn)復(fù)合性、區(qū)域性、周期性特征［1-2］.研究表明［3-4］PM2.5是造成空氣重污染的主要污染物，在分析PM2.5濃度水平、組分特征、時(shí)空分布規(guī)律的基礎(chǔ)上，明確不同污染狀態(tài)下各行政主體、各省市PM2.5來源及跨界輸送率，可為有效解決大氣污染提供參考.

綜合空氣質(zhì)量模式可定量計(jì)算PM2.5跨界輸送.Streets等［5］用CMAQ模型對(duì)北京2008年奧運(yùn)期間、Wang等［6］用CAMx模型對(duì)上海市一次重污染期間、Wu等［7］利用CAMx模型對(duì)廣州市春季、趙秀娟［8］等應(yīng)用CMAQ模型對(duì)石家莊市、王自發(fā)等［9］用NAQPMS模型對(duì)我國(guó)中東部地區(qū)一次灰霾期間、安俊嶺等［10］利用CAMx模型對(duì)北京市、薛文博等［11］用CAMx模型對(duì)2013年中國(guó)重點(diǎn)地區(qū)PM2.5來源及跨界輸送進(jìn)行了分析，但這些研究多基于單個(gè)案例、單個(gè)地區(qū)，對(duì)長(zhǎng)時(shí)間、不同污染狀態(tài)、多省市、跨區(qū)域PM2.5跨界輸送研究較少.

京津冀地區(qū)近年來重污染天氣頻發(fā)［12］，本文利用監(jiān)測(cè)數(shù)據(jù)與空氣質(zhì)量數(shù)值模型CAMx分析了2014年京津冀地區(qū)PM2.5時(shí)空分布及來源特征，以期為大氣污染控制、決策及防治提供科學(xué)依據(jù).

1 資料與模式設(shè)置

1.1 觀測(cè)資料

京津冀地區(qū)位于東經(jīng)113°27′～119°50′，北緯36°05′～42°40′之間，東臨渤海、西為太行山地，北為燕山山地，地勢(shì)西北高、東南低，總面積21.54km2，屬溫帶大陸性季風(fēng)氣候，四季分明，夏季高溫多雨，冬季寒冷干燥［13］.

圖1 觀測(cè)站點(diǎn)分布和分類Fig.1 Distribution and classification of observation sites

京津冀地區(qū)PM2.5數(shù)據(jù)為中國(guó)環(huán)境監(jiān)測(cè)總站發(fā)布的逐時(shí)濃度數(shù)據(jù)（http：//113.108.142.147：20035/emcpublish/），北京市監(jiān)測(cè)站點(diǎn)共計(jì)11個(gè)，天津市監(jiān)測(cè)站點(diǎn)共計(jì)15個(gè)，河北省監(jiān)測(cè)站點(diǎn)共計(jì)53個(gè)，站點(diǎn)位置及分類見圖1.PM2.5濃度監(jiān)測(cè)采用基于微量震蕩天平法的Thermo 1405F系列儀器，24h連續(xù)采樣，設(shè)備定期檢查并及時(shí)維護(hù)保養(yǎng).操作流程嚴(yán)格按照《環(huán)境空氣質(zhì)量自動(dòng)監(jiān)測(cè)技術(shù)規(guī)范》（HJ/T 193-2005）［14］進(jìn)行，每天24h連續(xù)進(jìn)行采樣，設(shè)備由技術(shù)人員定期檢查并及時(shí)維護(hù)保養(yǎng)，在1年的監(jiān)測(cè)時(shí)間內(nèi)有效數(shù)據(jù)捕獲率超過95%.

1.2 模式設(shè)置

綜合空氣質(zhì)量模式CAMx［15］中心網(wǎng)格點(diǎn)坐標(biāo)為35°N、110°E，受計(jì)算資源等條件制約，采用單層網(wǎng)格，水平分辨率為36km，總網(wǎng)格數(shù)為200×160個(gè)，模擬區(qū)域覆蓋整個(gè)東亞地區(qū)；在垂直方向上設(shè)置為20層粗網(wǎng)格，其中8層分布于1km以下，以便更好地分析大氣邊界層結(jié)構(gòu).模式第1次運(yùn)行時(shí)模擬預(yù)測(cè)5d的初始場(chǎng)，以消除初始條件的影響.

CAMx模式二次無機(jī)氣溶膠主要考慮NH3-H2SO4-HNO3-H2O的混合體系，二次有機(jī)氣溶膠（SOA）采用Pandis等產(chǎn)出率的估算方法［16］.

運(yùn)用CAMx中的PSAT技術(shù)對(duì)PM2.5各項(xiàng)污染物進(jìn)行源-受體關(guān)系分析，PSAT可以進(jìn)行示蹤的顆粒物成分包括：SO2、、、SOA、Hg、EC、沙塵粒子和其它一次排放的粗細(xì)粒子等，PSAT示蹤技術(shù)避免了源關(guān)閉法忽略非線性化學(xué)過程所造成的濃度偏差，已經(jīng)在很多研究結(jié)果中得到應(yīng)用［17］.為建立污染源與環(huán)境受體間空間傳輸矩陣，依據(jù)省級(jí)行政區(qū)劃將區(qū)域網(wǎng)格劃分為17個(gè)分區(qū)，每一個(gè)分區(qū)代表一個(gè)省級(jí)單元，將界外所有網(wǎng)格劃分為1類，包括是海洋及除海洋外其它區(qū)域；根據(jù)京津冀及周邊省市級(jí)規(guī)劃對(duì)其進(jìn)一步劃分為北京、天津、河北11地級(jí)市、山東、河南、山西16個(gè)分區(qū)，共計(jì)17個(gè)分區(qū)，以此計(jì)算不同省市及區(qū)域外來源貢獻(xiàn)（圖2）.

采用ARW-WRF3.2［18］模擬京津冀及周邊地區(qū)氣象場(chǎng)，使用氣象前處理模塊WRF2CAMx將WRF的輸出結(jié)果插值到CAMx模型區(qū)域和網(wǎng)格上并轉(zhuǎn)為CAMx可識(shí)別的數(shù)據(jù)格式.目前全國(guó)沒有一套官方的排放源清單，研究運(yùn)用陸地生態(tài)系統(tǒng)估算模型MEGAN［19］處理天然源，人為源（含PM2.5、BC、OC）等排放數(shù)據(jù)則使用2010年清華大學(xué)MEIC［20］排放清單（缺乏最新排放清單），而SO2、NOx、PM10排放數(shù)據(jù)則為2010年污染源普查數(shù)據(jù)，NH3排放數(shù)據(jù)取自2010年日本國(guó)立環(huán)境研究所開發(fā)的亞洲地區(qū)REAS排放清單，整合、處理后的天然源、人為源排放清單共同輸入到排放源處理模型SMOKE，形成系統(tǒng)的排放源文件.

圖2 貢獻(xiàn)率計(jì)算時(shí)的區(qū)域劃分Fig.2 Regions in contribution analysis

1.3 模式驗(yàn)證

為進(jìn)一步驗(yàn)證CAMx模型的模擬效果，選取北京、天津、石家莊站點(diǎn)2014年1～12月PM2.5觀測(cè)數(shù)據(jù)與CAMx輸出結(jié)果進(jìn)行比對(duì)，圖3為預(yù)報(bào)值與觀測(cè)值的時(shí)間序列，可以看出PM2.5的模擬值與觀測(cè)值的時(shí)間序列變化較為一致，PM2.5模擬值均在觀測(cè)值的0.5～2倍的范圍內(nèi)，模擬結(jié)果略微低估，這可能與排放源的不確定性、模型在多相氧化過程和濕清除過程的不確定性有關(guān)［21］.

在時(shí)間序列圖分析的基礎(chǔ)上，進(jìn)一步統(tǒng)計(jì)了觀測(cè)值與預(yù)測(cè)值的標(biāo)準(zhǔn)平均偏差（NMB）、標(biāo)準(zhǔn)平均誤差（NME）、平均相對(duì)偏差（MFB）、平均相對(duì)誤差（MFE）和相關(guān)系數(shù)R，結(jié)果見表1.經(jīng)計(jì)算PM2.5模擬值與監(jiān)測(cè)值的相關(guān)系數(shù)在0.69～0.74之間，NMB在-11%～-17%之間，NME在20%～27%之間，MFB在-21%～-17%之間，MFE在15%～27%之間.本研究的模擬驗(yàn)證結(jié)果與Lu等［22］對(duì)中國(guó)地區(qū)、李莉等［23］對(duì)長(zhǎng)三角、王茜等［24］對(duì)上海市等一系列驗(yàn)證結(jié)果基本相符；且顆粒物模擬結(jié)果與Boylan等［25］設(shè)定的標(biāo)準(zhǔn)（MFB≤±60%和MFE≤75%）、與EPA推薦的評(píng)價(jià)標(biāo)準(zhǔn)［26］較一致，模式模擬結(jié)果在誤差在可接受范圍內(nèi)，基本可靠，可以接受.

圖3 2014年北京、天津、石家莊PM2.5濃度模擬值與實(shí)測(cè)值對(duì)比Fig.3 Comparision between measured and simulated PM2.5data in Beijing， Tianjin and Shijiazhuang， 2014

表1 PM2.5濃度觀測(cè)值與模擬值的統(tǒng)計(jì)參數(shù)Table 1 Performance statistical parameters for PM2.5

2 結(jié)果與討論

2.1 時(shí)間分布

2.1．1 月分布 圖4為CAMx模擬的2014年北京市、天津市、石家莊市PM2.5濃度的逐月分布，由圖4可知，2014年北京市PM2.5月均濃度為47～117μg/m3，天津市PM2.5月均濃度為66～131μg/m3，石家莊市PM2.5月均濃度為72～194μg/m3.PM2.5的季節(jié)濃度分布均呈現(xiàn)出冬季（12、1和2月）＞秋季（9～11月）、春季（3～5月）＞夏季（6～8月）的規(guī)律.PM2.5質(zhì)量濃度在冬季明顯高于春、夏、秋季，主要受采暖季煤炭燃燒影響；夏季PM2.5質(zhì)量濃度相對(duì)較低，夏季主要的天氣系統(tǒng)為副熱帶高壓，地面氣壓場(chǎng)以弱高壓為主，降水量較大，PM2.5最低；春秋季是天氣系統(tǒng)轉(zhuǎn)換的季節(jié)，伴隨著不穩(wěn)定天氣系統(tǒng)變化，擴(kuò)散條件比冬季好［27-28］.整體而言，模擬的PM2.5具有較為明顯的時(shí)間變化規(guī)律，呈秋冬高、春夏低的特征.

圖4 2014年北京、天津、石家莊PM2.5濃度模擬值月變化Fig.4 Monthly average concentration of simulated PM2.5in Beijing， Tianjin and Shijiangzhuang， 2014

圖5 2014年北京、天津、石家莊PM2.5濃度模擬值日變化Fig.5 Diurnal variation of simulated PM2.5in Beijing，Tianjin and Shijiangzhuang， 2014

2.1．2日分布 由圖5可知，PM2.5濃度呈現(xiàn)雙峰型分布，在早上8：00、9：00左右出現(xiàn)第1個(gè)峰值，在夜間的21：00～0：00左右出現(xiàn)第2個(gè)峰值；早上的峰值與交通早高峰比較一致，夜間的峰值可能與局地氣象條件造成的逆溫引起的濃度積累有關(guān)［29］.不同地區(qū)同一時(shí)間濃度峰值差異主要受地區(qū)工業(yè)布局、產(chǎn)業(yè)結(jié)構(gòu)影響，另外氣象條件差異也起著一定作用［30］.

2.2 空間分布

由圖6可知，站點(diǎn)分布上，模擬的華北地區(qū)PM2.5年均濃度最高的10座城市中，有7座都在河北，其中河北邢臺(tái)是PM2.5濃度最高的城市，濃度約為121μg/m3，張家口以30μg/m3的年均值，成為華北地區(qū)唯一達(dá)標(biāo)的城市，這與環(huán)保部公布的監(jiān)測(cè)結(jié)果趨勢(shì)一致［31］.

圖6 2014年北京、天津和河北省各市PM2.5濃度模擬值Fig.6 Averaged mass concentrations of simulated PM2.5in Beijing， Tianjin and key cities in Hebei， 2014

模擬的京津冀以外其他各省市濃度與文獻(xiàn)監(jiān)測(cè)結(jié)果［32-37］有一定差異的主要原因可能為：顆粒物排放源強(qiáng)不同，各省市污染物排放量差異較大；氣象條件差異較大，春季是天氣系統(tǒng)轉(zhuǎn)換的季節(jié)，不同地區(qū)氣象要素（風(fēng)速、小尺度環(huán)流、逆溫、降水等）差異較大；地形影響，地形引起的山谷風(fēng)、海陸風(fēng)、熱島效應(yīng)等對(duì)PM2.5濃度造成很大影響.

區(qū)域分布上，根據(jù)環(huán)境保護(hù)部《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定》（HJ 633-2012）分級(jí)方法，0＜AQI≤50空氣質(zhì)量為優(yōu)，50＜AQI≤100為良，100＜AQI≤150為輕度污染，150＜AQI≤200為中度污染，200＜AQI≤300為重度污染，300＜AQI≤500為嚴(yán)重污染，根據(jù)此標(biāo)準(zhǔn)篩選出京津冀各站點(diǎn)重污染日并計(jì)算出重污染日PM2.5平均濃度，采用克里格插值（Kriging）插值法［38］繪出京津冀地區(qū)實(shí)測(cè)PM2.5空間分布（圖7），并與模擬的京津冀年均及重污染日PM2.5空間分布做比較.由圖7知，PM2.5模擬值與實(shí)測(cè)值空間分布上基本一致，PM2.5年均濃度的空間分布結(jié)構(gòu)具有鮮明的特征，較高濃度（PM2.5＞150μg/m3）主要分布在太行山前的華北平原區(qū)，特別是北京、保定、石家莊一線，PM2.5濃度呈西北向東南逐漸升高，而太行山、燕山等西部及北部山區(qū)PM2.5濃度明顯低于平原區(qū).重污染日PM2.5濃度的空間分布與年均濃度的空間分布趨勢(shì)較為一致，但高濃度區(qū)域擴(kuò)大，太行山前的華北平原區(qū)濃度均在150μg/m3以上，這與模擬結(jié)果及文獻(xiàn)中［39-41］衛(wèi)星反演研究成果基本一致.

圖7 2014年實(shí)測(cè)及模擬的京津冀地區(qū)PM2.5濃度空間分布Fig.7 Observed and simulated spatial distribution of PM2.5in Beijing-Tianjin-Hebei region in 2014

由表2可知，2014年京津冀重污染發(fā)生時(shí)與全年相比中度污染（PM2.5＞115μg/m3）以上對(duì)應(yīng)的面積占比顯著增加，空氣質(zhì)量為輕度污染、良（35μg/m3＜PM2.5≤115μg/m3）對(duì)應(yīng)的面積占比顯著減小.重污染日 PM2.5平均濃度在150μg/m3以上的面積比年均濃度對(duì)應(yīng)的面積增加了約73%（全年P(guān)M2.5平均濃度在150μg/m3以上面積為0）.本研究插值后統(tǒng)計(jì)的面積不確定性主要來自："簸箕狀"的特殊地形影響，山間河谷等地區(qū)風(fēng)向轉(zhuǎn)換快且風(fēng)速偏大，PM2.5擴(kuò)散速率較大，降低了周圍PM2.5濃度；在無風(fēng)、高濕天氣下，氣體、液體多附著、溶解或混合于凝結(jié)核中，易發(fā)生二次化學(xué)反應(yīng)，增加PM2.5濃度；插值方法誤差，站點(diǎn)較集中分布在城區(qū)，郊區(qū)點(diǎn)個(gè)數(shù)較少，插值受采樣點(diǎn)范圍、采樣點(diǎn)密度等參數(shù)影響.

表2 京津冀地區(qū)實(shí)測(cè)PM2.5濃度區(qū)間對(duì)應(yīng)面積統(tǒng)計(jì)，2014（104km2）Table 2 The land area of different observed PM2.5average concentrations at Beijing， Tianjin， Hebei districts， 2014（104km2）

2.3 來源模擬

表3 北京、天津、石家莊市的PM2.5的來源模擬2014（%）Table 3 Simulated contributions of PM2.5in Beijing-Tianjin-Hebei region in 2014 （%）

為量化PM2.5跨界輸送貢獻(xiàn)率，研究采用PAST技術(shù)模擬計(jì)算北京、天津、石家莊市的PM2.5的來源（表3），統(tǒng)計(jì)各省市所占的網(wǎng)格數(shù)，所有網(wǎng)格的外來輸送平均值作為該行政區(qū)域的結(jié)果.對(duì)于年均濃度而言，北京、天津、石家莊市的PM2.5外來輸送率分別為45%、47%、32%，對(duì)于重污染日濃度而言，北京、天津、石家莊市的PM2.5外來輸送率分別為58%、54%、39%；外來傳輸中北京市主要受河北省影響，天津主要受河北、山東影響，石家莊主要受河北中南部、河南、山西影響.不同城市的外來源輸送率有所差異，受山地形影響，河北中南部、河南等地的污染物越山較為困難，易在燕山、太行山前堆積，且區(qū)域產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)布局不同，污染物排放差異較大，在區(qū)域不同風(fēng)場(chǎng)作用下，外來輸送差異較為明顯；另一方面模式的空間分辨率、排放源清單、模型參數(shù)在不同地區(qū)的適應(yīng)性不同，也會(huì)導(dǎo)致模擬結(jié)果的差異.

表4為其他學(xué)者在不同地區(qū)模擬的PM2.5的外來輸送率，可以看出，河北省對(duì)北京市PM2.5濃度的貢獻(xiàn)可達(dá)50%～70%；區(qū)域外PM2.5跨界輸送對(duì)京津冀地區(qū)貢獻(xiàn)為20%～35%；外來源對(duì)上海市PM2.5濃度的貢獻(xiàn)，結(jié)果接近50%；珠三角城市群PM2.5年均濃度受外省市的貢獻(xiàn)達(dá)到18%.

表4 外來輸送對(duì)不同地區(qū)貢獻(xiàn)率Table 4 Contributions of external transmission to different districts

而本研究的模擬結(jié)果與其他研究結(jié)果大體一致，存在微小差異的主要原因?yàn)椋海?）缺乏不同地域、長(zhǎng)時(shí)間序列PM2.5及其主要組分的跨區(qū)域輸送規(guī)律研究，模式模擬過程中化學(xué)機(jī)理、轉(zhuǎn)化機(jī)制尚不完善；（2）模式的空間分辨率、模型參數(shù)的設(shè)置及計(jì)算方法的不同，本研究模式網(wǎng)格分辨率為36km，分辨率較粗；（3）排放源清單的不確定性，本研究使用的是2010年污染源排放清單，2010排放量與2014年相比有一定差異，且本研究排放清單中不包含揚(yáng)塵排放信息；北京市環(huán)保局發(fā)布的PM2.5源解析結(jié)果［42］顯示北京市全年P(guān)M2.5區(qū)域傳輸約占3成，本研究有所高估，這可能是揚(yáng)塵排放多為粒徑較大的粗顆粒物，其跨界傳輸能力較弱，導(dǎo)致本研究區(qū)域傳輸貢獻(xiàn)率偏高.今后希望能以更高的分辨率識(shí)別局地污染影響并在觀測(cè)數(shù)據(jù)的基礎(chǔ)上改進(jìn)該模式，進(jìn)行精細(xì)化模擬以降低來源解析的不確定性.

2.4 案例分析

2014年10月6 ～12日京津冀地區(qū)發(fā)生一次重污染過程，其中8～10日空氣質(zhì)量級(jí)別為嚴(yán)重污染，11日為重度污染，此次污染程度較高，ρ（PM2.5）日均值最高達(dá)329μg/m3；圖8為京津冀監(jiān)測(cè)站點(diǎn)20：00PM2.5濃度克里格插值后的空間分布.可以看出，重污染過程前的6日京津冀地區(qū)空氣質(zhì)量?jī)?yōu)良；7日京津冀轉(zhuǎn)入高壓后部，偏南氣流攜至周邊高濃度大氣污染物向北輸送到北京；8～9日京津冀大氣擴(kuò)散條件持續(xù)轉(zhuǎn)差，區(qū)域污染進(jìn)一步加劇，空氣質(zhì)量較差，PM2.5濃度較高且分布均勻，均在重度污染水平以上；10日在較大偏南風(fēng)作用下，污染物輸受太行山前地區(qū)受地形影響匯聚作用明顯；11日夜間冷空氣到達(dá)北京，北京PM2.5濃度從200μg/m3急劇下降至10μg/m3，空氣質(zhì)量轉(zhuǎn)好，而河北省東南部地區(qū)空氣質(zhì)量還處于中度污染水平；12日受冷高壓東移南伸影響，污染物濃度自北向南濃度逐漸降低，京津冀地區(qū)大部分地區(qū)空氣質(zhì)量轉(zhuǎn)好.

圖8 重污染過程中20：00時(shí)刻京津冀地區(qū)實(shí)測(cè)PM2.5空間分布Fig.8 Spatial distribution of observed PM2.5at 20：00in Beijing-Tianjin-Hebei region during heavy pollution process

圖9 模擬的重污染過程中不同城市PM2.5來源Fig.9 Simulated contributions of PM2.5at different cities during heavy pollution process

圖9為采用PAST源示蹤技術(shù)模擬計(jì)算的此次重污染過程中北京、天津、石家莊市PM2.5外來源輸送率，外來源輸送率隨著污染程度的不同有著明顯的時(shí)間變化；重污染開始前的6日和結(jié)束后的12日各城市外來源輸送率均在20%以下，維持較低水平；隨著污染的加重，外來源輸送率整體呈上升的趨勢(shì)；經(jīng)計(jì)算重污染過程中7～10日北京、天津、石家莊市PM2.5平均外來源輸送率分別為57%、48%、27%；可見重污染過程中區(qū)域輸送對(duì)于北京PM2.5起著更為重要的作用.

3 結(jié)論

3.1 2014年京津冀地區(qū)PM2.5具有較為明顯的時(shí)間變化規(guī)律，呈秋冬高、春夏低的規(guī)律和雙峰型分布的日變化特征.

3.2 重污染日PM2.5高濃度（PM2.5＞150μg/m3）主要分布在太行山前的華北平原區(qū)，特別是北京、保定、石家莊一線，而太行山、燕山等西部及北部山區(qū)PM2.5濃度明顯低于平原區(qū)；重污染日京津冀地區(qū)PM2.5平均濃度在150μg/m3以上的面積約占總面積的73%.

3.3 模擬計(jì)算的重污染日北京、天津、石家莊市的PM2.5外來輸送率分別為58%、54%、39%；2014年10月6～12日京津冀地區(qū)發(fā)生的一次重污染過程中污染物由南向北輸送，區(qū)域輸送對(duì)于各地區(qū)PM2.5濃度有著十分重要的影響.

［1］任陣海，萬本太，蘇福慶，等.當(dāng)前我國(guó)大氣環(huán)境質(zhì)量的幾個(gè)特征［J］. 環(huán)境科學(xué)研究， 2004，17（1）：1-6.

［2］李令軍，王 英，李金香，等.2000～2010北京大氣重污染研究 ［J］.中國(guó)環(huán)境科學(xué)， 2012，32（1）：23-30.

［3］于興娜，李新妹，登增然登，等.北京霧霾天氣期間氣溶膠光學(xué)特性 ［J］. 環(huán)境科學(xué)， 2012，33（4）：1057-1062.

［4］Sun Y L， Zhuang G S， Tang A A， et al. Chemical characteristics of PM2.5and PM10in haze-fog episodes in Beijing ［J］. Environment Science Technology， 2006，40（10）：3148-3155.

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

［6］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， 2014，119（4）：1903-1914.

［7］Wu D W， Fung J C， 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， 2013，76：147-161.

［8］趙秀娟，姜 華，王麗濤，等.應(yīng)用CMAQ模型解析河北南部城市的霾污染來源 ［J］. 環(huán)境科學(xué)學(xué)報(bào)， 2012，32（10）：2559-2567.

［9］Wang Z F， Li J， Wang Z， et al. Modeling study of regional severe hazes over Mid-Eastern China in January 2013 and its implications on pollution prevention and control ［J］. Science China： Earth Sciences， 2014，57：3-13.

［10］安俊嶺，李 健，張 偉，等.京津冀污染物跨界輸送通量模擬［J］. 環(huán)境科學(xué)學(xué)報(bào)， 2012，32（11）：2684-2692.

［11］薛文博，付 飛，王金南，等.中國(guó)PM2.5跨區(qū)域傳輸特征數(shù)值模擬研究 ［J］. 中國(guó)環(huán)境科學(xué)， 2014，34（6）：1361-1368.

［12］Zhao P S， Zhang X L， Xu X L， et al. Long-term visibility trends and characteristics in the region of Beijing， Tianjin， and Hebei，China ［J］. Atmospheirc Research， 2011，101（3）：711-718.

［13］中國(guó)環(huán)境年鑒編輯委員會(huì).中國(guó)環(huán)境年鑒 ［M］. 北京：中國(guó)環(huán)境年鑒社， 2001-2013.

［14］環(huán)保部. HJ/T 193-2005環(huán)境空氣質(zhì)量自動(dòng)監(jiān)測(cè)技術(shù)規(guī)范 ［S］.北京：中國(guó)環(huán)境科學(xué)出版社， 2005.

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

［16］Pandis S N， Harley R A， Cass G R， et al. Secondary organic aerosol formation and transport ［J］. Atmospheric Environment，1992，26A：2269-2282.

［17］Kajino M， Deushil. Modeling wet deposition and concentration of inorganics over Northeast Asia with MRI-PM/C ［J］. Geoscientific Model Development， 2012，2：10-21.

［18］MMMD， NCAR. 2010. Weather Research and Forecast ARW Version 3Modeling Systems User's Guide ［EB/OL］. http：//www. mmm.ucar.edu/wrf/users/docs/user-guide-V3/ARWUsers-Guide V3.pdf.

［19］Guenther A， Karl T， Harley P， et al. Estimates of global terrestrial isoprene emissions using MEGAN （model of emissions of gases and aerosols from nature） ［J］. Atmospheric Chemistry and Physics Discussions， 2006，6：3181-3210.

［20］Multi-resolution emisstion inventory for China ［Z/OL］， 2013. Beijing：Tsinghua University， 2013［2013-01-02］. http：//www. meicmodel.org.

［21］Xing J， Zhang Y， Wang S X， et al. Modeling study on the air quality impacts from emission reductions and a typical meteorological conditions during the 2008 Beijing Olympics ［J］. Atmospheric Environment， 2011，45：1786-1798.

［22］Lu Z， Streets D G， Zhang Q， et al. Sulfur dioxide emiisions in China and sulfur trends in East Asia since 2000 ［J］. Atmospheric Chemistry and physics， 2010，10（13）：6311-6331.

［23］李 莉，陳長(zhǎng)虹，黃 成，等.長(zhǎng)江三角洲地區(qū)大氣O3和PM10的區(qū)域污染特征模擬 ［J］. 環(huán)境科學(xué)， 2008，29（1）：237-245.

［24］王 茜.上海市秋季典型PM2.5污染過程數(shù)值預(yù)報(bào)分析 ［J］. 中國(guó)環(huán)境監(jiān)測(cè)， 2014，30（2）：7-15.

［25］Boylan J W， Russell A G. PM and light extinction model performance metrics， goals and criteria for three-dimensional air quality models ［J］. Atmospheric Environment， 2006，40（26）：4946-4959.

［26］US EPA. Guidance on the use of models and other analyses inattainment demonstrations for the 8-hour ozone NAAQS ［M］. North Carolina， US Environmental Protection Agency， 2005［2014-09-01］. http：//www.epa.gov/scram001/guidance/guide/8-hour-o3-guidan ce-final- version.pdf

［27］朱乾根，林錦瑞，壽紹文，等.天氣學(xué)原理與方法 ［M］. 北京：氣象出版社， 2000.

［28］關(guān) 月，何立富.2013年1月大氣環(huán)流和天氣分析 ［J］. 氣象，2013，39（4）：531-536.

［29］趙晨曦，王云琦，王玉杰，等.北京地區(qū)冬春 PM2.5和PM10污染水平時(shí)空分布及其與氣象條件的關(guān)系 ［J］. 環(huán)境科學(xué)， 2014，2：418-427.

［30］Sillman S. The sensitivity of ozone to nitrogen oxides and hydrocarbons in regional ozone episodes ［J］. Journal of Geophysical Research， 1990，95（D2）：1837-1851.

［31］新藍(lán)網(wǎng).全國(guó)190城PM2.5年均濃度排行榜發(fā)布 ［N/OL］. 北京：新藍(lán)網(wǎng)2015［2015-01-22］.http：//n.cztv.com/society/666781.html

［32］魏玉香，銀 燕，楊衛(wèi)芬，等.南京地區(qū)PM2.5污染特征及其影響因素分析 ［J］. 環(huán)境科學(xué)與管理， 2009，34（9）：29-34

［33］焦 艷.上海城區(qū)大氣PM2.5濃度及氣溶膠光學(xué)特性的觀測(cè)研究 ［D］. 青島：中國(guó)海洋大學(xué)， 2013.

［34］賴森潮.廣州城市大氣氣溶膠PM10和PM2.5污染特征研究 ［D］.廣州：中山大學(xué)， 2002.

［35］姬洪亮.天津市PM10和PM2.5污染特征及來源解析 ［D］. 天津：南開大學(xué)， 2011.

［36］王同桂.重慶市大氣PM2.5污染特征及來源解析 ［D］. 重慶：重慶大學(xué)， 2007.

［37］王文帥.哈爾濱市采暖期大氣顆粒物組分源解析 ［D］. 哈爾濱：哈爾濱工業(yè)大學(xué)， 2009.

［38］Davis， John C. Statistics and Data Analysis in Geology （3rd Edition） ［M］. New York： John Wiley and Sons， Inc， 2002，57-61.

［39］劉 熠，李維亮，周秀驥.夏季華北地區(qū)二次氣溶膠的模擬研究［J］. 中國(guó)環(huán)境科學(xué)， 2005，25（2）：156-162.

［40］李成才，毛節(jié)泰，劉啟漢，等.利用MODIS研究中國(guó)東部地區(qū)氣溶膠光學(xué)厚度的分布和季節(jié)變化特征 ［J］. 科學(xué)通報(bào)， 2003，48（19）：2094-2100.

［41］Holben B N， Tanre D， Smirnov A， et al. An emerging ground-based aerosol climatology： Aerosol optical depth from AERONET ［J］. Journal of Geophysical Research， 2006，106：12067-12098.

［42］北京市環(huán)保局.北京市正式發(fā)布PM2.5來源解析研究成果［Z/OL］. 2014 ［2014-04-16］. http：//www.bjepb.gov.cn/bjepb/ 323265/340674/396253/index.html.

Spatial and temporal distrubions and source simulation of PM2.5in Beijing-Tianjin-Hebei region in 2014.

LI Shan-shan1， CHENG Nian-liang2，3，4*， XU Jun4， NIE Lei1， MENG Fan4， PAN Tao1， TANG Wei4， ZHANG Yu-jie4（1.Beijing Municipal Research Institute of Environmental Protection， National Engineering Research Center of Urban En vironmental Pollution Control， Beijing 100037， China；2.College of Water Sciences， Beijing Normal University， Beijing 100875， China；3.Bejing Municipal Environmental Monitoring Center， Beijing 100048， China；4.Chinese Research Academy of Environmental Sciences， Beijing 100012， China）. China Environmental Science， 2015，35（10）：2908～2916

The spatial and temporal distributions of PM2.5， as well as the source characteristic were analyzed in Beijing-Tianjin-Hebei region by applying the combination of numerical model CAMx and the direct measurements. The results showed that PM2.5， which had bimodal daily distributions， was characterized with obvious seasonal pattern with higher concentrations in Winter and Autumn and lower concentrations in Spring and Summer. During the heavy polluted days， high concentrations of PM2.5（＞150μg/m3） was normally occurred in the North China Plain （NCP） locating beside the Tihang Mountain， especially to the internal cities of Beijing， Baoding， Shijiazhuang etc. However， mountain areas surrounded had lower PM2.5concentrations in comparison with the former plain. Totally， 73% of the BTH region had PM2.5concentration averaged above 150μg/m3， and the contributions from external transport to the particulate mass burden of Beijing， Tianjin and Shijiazhuang were 58%， 54% and 39%， respectively. It was found that regional transportation exerted a significant impact to the local PM2.5loadings during a serious pollution weather induced by the southerly incoming pollutants transported via long distance on 6～12th October 2014.

heavy air pollution；spatial distribution；regional transportation；PM2.5；Beijing-Tianjin-Hebei region

X513

A

1000-6923（2015）10-2908-09

李珊珊（1983-），女，山東煙臺(tái)人，高級(jí)工程師，博士，主要從事大氣環(huán)境及資源環(huán)境遙感方面研究.發(fā)表論文10余篇.

2015-03-10

環(huán)保公益性行業(yè)科研專項(xiàng)（20140917）；國(guó)家科技支撐計(jì)劃（2014BAC06B00，2014BAC23B02，2014BAC23B03）

* 責(zé)任作者， 工程師， 15001195306@163.com