封藝，劉紅年，孫凱

(南京大學大氣科學學院，江蘇 南京 210023)

·環(huán)境預(yù)警·

長三角城市群污染輸送相互影響的敏感性試驗

封藝，劉紅年*，孫凱

(南京大學大氣科學學院，江蘇 南京 210023)

利用WRF-Chem模式，對2013年11月29日至12月11日長江三角洲地區(qū)的嚴重空氣污染事件進行數(shù)值模擬，研究長三角核心區(qū)不同污染物本地源和外來輸送所占比重。分析長三角核心區(qū)排放源對本地不同污染物濃度的污染貢獻。結(jié)果表明，在2013年12月的這一次污染事件中，顆粒物平均本地貢獻與外來輸送基本比重相當；而SO2、CO、NH3、NOx這4種氣體污染物則以本地貢獻為主，本地貢獻的差異與氣體的化學反應(yīng)活性有關(guān)，活性越強本地貢獻比重越大。污染過程中12月7日至12月9日00：00為污染最嚴重的時段，污染物的本地貢獻有明顯上升。區(qū)域間輸送的方向和強度與地面風向、風速有緊密的聯(lián)系。在邊界層高度范圍內(nèi)，大部分污染物越往高空本地排放源的貢獻越弱，外來輸送主導(dǎo)作用增強，而硝酸鹽在地面、1 km和1.5 km的本地貢獻差異遠小于其他污染物。

長江三角洲；空氣污染；輸送規(guī)律

0 引言

當前全球主要城市群的空氣污染問題持續(xù)升溫[1]，而隨著中國的經(jīng)濟迅猛增長，中國東部發(fā)達城市帶越來越嚴重的大氣污染狀況引起了各方的關(guān)注。氣象條件和城市內(nèi)部的地形、分區(qū)結(jié)構(gòu)都會對污染物濃度分布有相當?shù)呢暙I[2]，城市群發(fā)展對局地氣象環(huán)境的改變使得污染更容易積聚[3]，但大氣污染仍然是區(qū)域性的環(huán)境問題[4]，本地排放源的一次污染物進入大氣中以后通過輸送能夠向區(qū)域外傳播，過程中還伴有化學反應(yīng)或光化學反應(yīng)生成二次污染物如臭氧等。污染物在區(qū)域間的交換輸送影響到局地大氣環(huán)境治理的方法，對提升空氣質(zhì)量有著重要的指導(dǎo)意義[5]，值得進行進一步的研究。目前國內(nèi)外均有一些針對我國華北東北地區(qū)、珠江三角洲地區(qū)污染物區(qū)域間輸送規(guī)律的研究，利用觀測資料結(jié)合數(shù)值模擬等方式分析不同污染物的時空分布和在大氣中的傳輸。如Lee(2006年)發(fā)現(xiàn)香港和珠三角的污染有一定的相關(guān)性[6]。李杰等(2009)利用嵌套網(wǎng)格空氣質(zhì)量模式系統(tǒng)(NAQPMS)對2004年4月東亞邊界層臭氧進行了數(shù)值模擬，模擬出東亞春季臭氧呈帶狀分布，受東亞季風氣候控制，沿蒙古、中國東北以及日本一線有一個強臭氧輸送通道，光化學生成的臭氧可被輸送至下風地區(qū)，而不僅限于局地[7]。張志剛等(2004)利用二維歐拉統(tǒng)計模式，對北京市的PM10和SO2源進行了分析，得出北京SO2的京外源約占23%而PM10的京外源貢獻約占20%[8]。王淑蘭等(2005)利用CALPUFF模擬系統(tǒng)和2002年的源排放清單、氣象資料、空氣質(zhì)量觀測資料為基礎(chǔ)，給出了珠江三角洲城市間空氣污染的相互影響和貢獻[9]。另外還有較多研究使用的是HYSPLIT模式通過聚類分析的方法定性統(tǒng)計出污染事件氣團的來源[10]，這種方法能夠?qū)?shù)據(jù)進行批量處理，具有一定的統(tǒng)計意義，但不具備定量化研究本地源和外來輸送所占比重的作用。

2013年12月，我國中東部地區(qū)100多座城市遭遇霧霾天氣，尤其是江浙滬地區(qū)空氣污染極為嚴重[11]。這次霧霾從11月28日開始，中國氣象局數(shù)據(jù)顯示，整個江淮地區(qū)大面積出現(xiàn)ρ(PM2.5)超過300 μg/m3以上的重度霾，12月2日南京發(fā)布空氣污染橙色預(yù)警以后，霧霾天氣不斷加重，12月4日中午13：00，上海ρ(小時)(PM2.5)高達602.3 μg/m3，當天下午，南京首次發(fā)布空氣污染紅色預(yù)警。霧霾天氣現(xiàn)象給環(huán)境、健康、經(jīng)濟等方面造成顯著的負面影響，導(dǎo)致大氣能見度下降，阻礙空中、水面和路面交通，惡劣的空氣質(zhì)量使得慢性病加劇，呼吸系統(tǒng)及心臟系統(tǒng)疾病惡化[12]。這次空氣污染的影響范圍之大、程度之深引起了社會的廣泛關(guān)注，針對這一次污染事件，已有相關(guān)專家對其化學成分、氣象條件等進行研究，但在長三角本地源和外來輸送的影響方面尚未有研究，因此現(xiàn)著重于此次污染過程進行污染物來源的分析。

現(xiàn)擬利用WRF-Chem模式和中國多尺度排放源清單模型對長三角核心區(qū)域進行排放源敏感性試驗，定量研究在2013年11月29日至12月11日的一次污染過程中，長三角核心區(qū)本地的排放源貢獻和區(qū)域外的輸送比例，并分析本地貢獻與外來輸送變化的相關(guān)規(guī)律。

1 資料、模式與方法

1.1 模式介紹

主要采用WRF-Chem模式進行數(shù)值模擬，WRF模式(Weather Research and Forecasting Model)是由美國國家大氣研究中心、美國國家海洋和大氣管理局、空軍氣象局、海軍研究實驗室、俄克拉荷馬大學以及美國聯(lián)邦航空管理局合作開發(fā)的新一代中尺度數(shù)值天氣預(yù)報系統(tǒng)，WRF-Chem作為WRF模式的化學部分能夠?qū)瘜W成分進行相關(guān)的模擬計算，并且可以考慮大氣化學對氣象的反饋作用[13]，在空氣質(zhì)量與大氣化學的研究中有廣泛的應(yīng)用前景。試驗中采用的WRF-Chem模式為3.5.1版本。

1.2 數(shù)據(jù)資料來源

WRF-Chem模式所需要的排放源清單來自中國多尺度排放清單模型(Multi-resolution Emission Inventory for China，簡稱MEIC)2010年的清單，水平分辨率0.25°×0.25°，排放源數(shù)據(jù)包括SO2、NOx、CO、非甲烷揮發(fā)性有機物(NMVOC)、NH3、CO2、PM2.5、PM10、黑碳(BC)、有機碳(OC)等主要大氣污染物和溫室氣體，污染物來源分為電力源、工業(yè)源、交通源、農(nóng)業(yè)源以及民用源。MEIC由清華大學開發(fā)和維護，基于MEIC模型開發(fā)的排放清單數(shù)據(jù)被廣泛用于污染成因分析等方面工作。

文中用于驗證模式模擬性能的觀測數(shù)據(jù)，南京、常州、上海、杭州的ρ(PM2.5)來自環(huán)保部數(shù)據(jù)庫，PM2.5的化學組分(NO3-、SO42-、NH4+等)小時平均值觀測數(shù)據(jù)由南京大學地球系統(tǒng)區(qū)域過程綜合觀測實驗基地SORPES提供。

1.3 實驗設(shè)計

模擬時間為世界時2013年11月27日12：00—12月12日00：00，其中前12 h為模式初始化時間。采用3層嵌套，第一層網(wǎng)格包含中國大部分區(qū)域，網(wǎng)格中心經(jīng)緯度為115.63°E，35.31°N，第二層嵌套覆蓋中國中東部地區(qū)，第三層為長江下游的安徽省、江西省、江蘇省、浙江省以及上海市。三層嵌套網(wǎng)格距分別為27，9和3 km，區(qū)域格點數(shù)分別為145×145，157×157，241×265(東西方向×南北方向)。垂直方向共25層，模式頂氣壓50 hPa。

WRF-Chem模式的初始和側(cè)邊界氣象場為4次/d的網(wǎng)格分辨率為1°×1°的NCEP資料。數(shù)值試驗的參數(shù)化方案包括WSM5云微物理過程、RRTM長波輻射傳輸方案、Goddard短波輻射傳輸方案、Noah陸面模式、YSU行星邊界層方案等?；瘜W模塊采用Fast-J光解機制，氣相化學反應(yīng)采用RADM2機制，氣溶膠化學采用歐洲的MADE模式耦合二次氣溶膠模塊SORGAM。

現(xiàn)進行了2次數(shù)值試驗，背景試驗和敏感性試驗，其中背景試驗WRF模式的化學部分保留所有排放源進行模擬，敏感性試驗為清除長三角核心區(qū)內(nèi)所有排放源后進行模擬，比較2次試驗中污染物濃度的變化情況，分析長三角核心區(qū)排放源對本地污染的貢獻及其在此次污染過程中的變化規(guī)律。規(guī)定長三角核心區(qū)經(jīng)緯度范圍為118.25°E—122.25°E，29.5°N—32.75°N，包含南京市、常州市、無錫市、上海市、杭州市等幾個長三角主要城市。模擬區(qū)域范圍及長三角核心區(qū)見圖1。

圖1 WRF-Chem模式三層嵌套網(wǎng)格及長三角核心區(qū)范圍

2 模式模擬性能檢驗與結(jié)果分析

關(guān)于這次污染過程中化學成分、能見度以及氣象因子作用等，已有另文分析，現(xiàn)主要通過背景試驗和敏感性試驗差值分析外來源和本地源的貢獻。

2.1 模式模擬性能檢驗

用WRF-Chem進行背景試驗，模擬出各種污染物濃度在2013年11月29日至12月11日的變化。選取長三角區(qū)域內(nèi)4個代表城市南京、常州、上海和杭州的ρ(PM2.5)模擬結(jié)果與實際觀測對比，見圖2(a)(b)(c)(d)。

圖2 長三角4個代表城市2013年11月29日—12月11日 ρ(PM2.5)模式模擬與觀測對比

由圖2可見，模擬的ρ(PM2.5)變化趨勢與觀測基本吻合。

對比圖3中南京仙林地區(qū)的PM2.5組分濃度的觀測與模式輸出的污染物濃度可以得到，模式對PM2.5各個組分的平均值模擬比之觀測值略低，究其原因可能由于模式采用的是MEIC2010年排放源清單與2013年的實際排放源有一定差別，具體原因還有待進一步研究，但總體上模式能再現(xiàn)這次大范圍灰霾過程，以之進行排放源的敏感性試驗是可以接受的。

圖3 南京仙林地區(qū)PM2.5組分實際觀測值與模式模擬結(jié)果對比

2.2 敏感性試驗與背景試驗結(jié)果對比

圖4是背景試驗減去敏感性試驗的ρ(PM2.5)差。

圖4 背景試驗與敏感性試驗污染過程ρ(PM2.5)差(μg/m3)

由圖4可見，在清除長三角核心區(qū)的排放源以后，河南省東南部的ρ(PM2.5)沒有太大的變化，而長三角核心區(qū)的濃度則有明顯下降，尤其在污染嚴重的12月2日至12月8日，2個試驗濃度的差值非常大。清除長三角排放源以后不僅本地ρ(PM2.5)出現(xiàn)下降，12月2日浙江省東北部的ρ(PM2.5)與背景試驗相比有弱的差值，12月5日至12月7日在浙江省的北部受到約50 μg/m3的影響，12月8日的濃度下降區(qū)域輻射到了江蘇省中北部，濃度有100～175 μg/m3的下降。由此可以認為在這個過程中清除了本地排放源對長三角核心區(qū)確實有比較大的影響，但外來輸送也占有一定比重，而長三角也向其他地區(qū)有不同程度的污染輸送。

圖5是背景試驗和敏感性試驗的ρ(SO2)差。由圖5可見，清除本地排放源以后長三角核心區(qū)ρ(SO2)下降明顯，整個范圍內(nèi)的濃度值普遍低于150 μg/m3，說明SO2的本地污染源對長三角核心區(qū)的貢獻占較大部分。對比圖5和圖4可以發(fā)現(xiàn)，ρ(SO2)下降的區(qū)域基本在長三角核心區(qū)內(nèi)，影響范圍要小于PM2.5的范圍，離幾個主要城市較遠的地區(qū)ρ(SO2)下降<150 μg/m3，僅在12月8日北京時間08：00的圖中出現(xiàn)了較大區(qū)域的濃度變化。

圖5 背景試驗與敏感性試驗污染過程ρ(SO2)差(SO2：μg/m3)

圖6為PM2.5、PM10、SO2以及NOx4種污染物13 d平均的背景試驗與敏感性試驗濃度差值，由圖6可見，無論是顆粒物還是SO2、NOx這樣的氣體污染物，關(guān)閉長三角的排放源以后污染物濃度在所關(guān)閉的區(qū)域有顯著下降，并且下降幅度的空間分布不均勻，除此之外在江蘇省的中部、浙江省的大部以及安徽省東部地區(qū)也出現(xiàn)了被小幅影響的范圍，污染物濃度有50 μg/m3的減小。說明長三角核心區(qū)的排放源對不同污染物的影響都不僅僅局限于本地，還對外圍有輸送，而顆粒物和氣體污染物的情況大致相似。

2.3 地面高度本地貢獻的變化規(guī)律

利用如下公式對不同的污染物長三角核心區(qū)排放源的貢獻所占比例進行計算：

式中：本地貢獻——某種污染物長三角核心區(qū)排放源的貢獻；

A——背景試驗長三角核心區(qū)平均濃度，μg/m3；

圖6 背景試驗與敏感性試驗PM2.5、PM10、SO2、NOx13 d平均質(zhì)量濃度差(μg/m3)

B——敏感性試驗長三角核心區(qū)平均濃度，μg/m3。

本地貢獻可以衡量出長三角排放源對模式第三層網(wǎng)格污染物濃度的影響，分別對PM2.5、PM10、SO2以及NOx這4種污染物做貢獻率的13 d平均，得到圖7。

圖7能夠量化長三角核心區(qū)排放源對第三層網(wǎng)格的貢獻，從空間分布上看，13 d的平均值在核心區(qū)內(nèi)均有50%及以上的貢獻率，即整個污染過程中核心區(qū)污染受本地排放源影響占大部分，而在核心區(qū)周圍江蘇省中部、安徽省東南部以及浙江省大部分地區(qū)，長三角的排放源也有所貢獻。同時，根據(jù)圖7能夠得出以長三角核心區(qū)排放源對PM2.5、PM10為代表的顆粒物和以SO2、NOx的污染氣體貢獻的空間分布特征相似。

圖8和圖9分別為6種顆粒物及其組分和4種氣體污染物的本地貢獻時間序列圖，表1和表2為時間平均值。

圖7 長三角核心區(qū)排放源對PM2.5、PM10、SO2、NOx的13 d平均貢獻率(%)

圖8 2013年長三角核心區(qū)顆粒物及其組分污染的地面本地貢獻時間序列

圖9 2013年長三角核心區(qū)氣體污染的本地貢獻時間序列

表1 長三角核心區(qū)顆粒物及其組分地面濃度本地貢獻 %

表2 長三角核心區(qū)氣體污染物地面濃度的本地貢獻 %

由表1可見，除硝酸鹽以外，PM2.5、PM10、BC、OC及硫酸鹽的本地貢獻非常接近，基本為25%～75%。這5種顆粒物及其組分污染在整個過程中本地貢獻的平均值都達到了50%～60%，說明對長三角核心區(qū)而言，這5種顆粒物及其組分的本地貢獻基本上和外來輸送比例相當，本地貢獻略高于外來輸送。較為特殊的是，硝酸鹽本地貢獻過程均值為27.5%，前期污染較輕時硝酸鹽的本地貢獻在30%上下，而在污染最嚴重的12月7日00：00至12月9日00：00硝酸鹽的本地貢獻也上升到了50%～60%。

由表2可見，SO2、CO、NH3、NOx的本地貢獻隨時間變化的特征相似，其中NOx的本地貢獻最高，SO2和NH3次之，與顆粒物相比較而言，這三種氣體污染物的本地貢獻都超過外來輸送，說明在長三角核心區(qū)內(nèi)SO2、NH3和NOx主要由本地排放，CO的

本地貢獻相對較低但也接近50%，與外來輸送基本相當。氣體污染物的本地貢獻普遍高于顆粒物，原因在于氣體污染存在比較復(fù)雜的化學過程，顆粒物更易于進行長距離輸送。而不同的氣體污染本地貢獻差異與氣體的化學活性相關(guān)，CO的活性最弱，區(qū)域間輸送相對容易，NOx反應(yīng)活性強，因此主要由本地排放源貢獻。

從11月29日起，長三角核心區(qū)在西風控制下，安徽、河南的污染物向東輸送，到12月2日長三角地區(qū)地面風速減小，河南東部、安徽北部以及江蘇大部分地區(qū)顆粒物污染連成片，擴散條件較差，并且在之后的兩天不斷有西北風對污染物進行補給輸送，12月7日左右形成嚴重的空氣污染。12月8日長三角核心區(qū)有偏南風，高污染空氣有向北方輸送的趨勢，但在12月9日起冬季盛行的西北風風速增強，對長三角核心區(qū)的污染起到很好的清除作用。因此，對于這一次污染過程而言，以PM10為例的顆粒物污染在河南東南部區(qū)域濃度本身都比較高，在污染積聚過程中對長三角核心區(qū)有較強的輸送作用；而在污染嚴重的時段風速較小，穩(wěn)定度條件好，因此外來輸送的比例有所下降；而污染消散的過程中，顆粒物濃度高值區(qū)有向東南方向的移動，增強的西北風對長三角核心區(qū)的污染清除產(chǎn)生極為重要的作用。

2.4 不同高度本地貢獻差異

圖10是PM2.5在地面、1 km處以及1.5 km高度上長三角核心區(qū)區(qū)域平均本地貢獻的差異。

圖10 2013年長三角核心區(qū)PM2.5在不同高度的本地貢獻隨時間變化

總體而言，高度越高，污染物的本地貢獻過程均值越小，在1.5 km處PM2.5的過程平均本地貢獻已經(jīng)<10%，即這個高度上的PM2.5主要由外來輸送貢獻。說明在越接近地面的地方顆粒物的區(qū)域間輸送比較弱，而在邊界層的高處由于風速較地面而言變大，對輸送的作用也就比較明顯。其余顆粒物與氣體污染物本地貢獻隨高度變化情況與PM2.5相似，較為特殊的是硝酸鹽在地面、1 km、1.5 km高度過程標準差相差不大，也就是說整個過程中硝酸鹽在不同高度上本地貢獻變化較小，從地面到邊界層高處都是外來輸送占主要地位的情況。

從不同高度上長三角核心區(qū)排放源對本地的貢獻差異來看，除去硝酸鹽，考察的其他幾種污染物都隨高度增長本地貢獻明顯下降，說明在所分析的1.5 km范圍內(nèi)污染的垂直擴散作用并不強，低層本地貢獻的高值對上層影響很小。

3 結(jié)論

應(yīng)用WRF-Chem模式對長江三角洲核心城市區(qū)2013年11月29日至12月11日的一次污染過程進行了模擬，分別作保留所有排放源的背景試驗和關(guān)閉長三角核心區(qū)所有排放源的敏感性試驗，通過比較2次試驗，匯總污染物濃度的變化，分析長三角核心區(qū)的排放源對本地的污染貢獻。

(1)2013年11月29日至12月11日期間長三角的污染事件中，長三角核心區(qū)的排放源對本地的顆粒物和氣體污染都有相當重要的貢獻，整個污染過程中顆粒物平均本地貢獻與外來輸送比重相當，氣體污染物的本地貢獻為主，外界輸送為輔；

(2)污染積累的時段長三角核心區(qū)排放源對本地的貢獻較小，區(qū)域間輸送作用強；污染嚴重時擴散條件變差導(dǎo)致本地排放比重上升，外來輸送對于長三角核心區(qū)而言作用明顯減弱；

(3)四種氣體污染物SO2、CO、NH3、NOx過程平均本地貢獻普遍高于顆粒物；

(4)在邊界層高度范圍內(nèi)，大部分污染物越往高處本地排放源的貢獻越弱，外來輸送主導(dǎo)作用越強，到1.5 km高度處污染較輕的階段本地貢獻降至10%以下。但硝酸鹽在地面、1 km和1.5 km的本地貢獻差異遠小于其他污染物。說明長三角核心

區(qū)在2013年12月這次污染過程中邊界層高度內(nèi)垂直方向的交換作用不強。

[1] BANTA R M， SENFF C J， NIELSEN-GAMMON J， et al. A bad air day in Houston[J]. Bulletin of the American Meteorological Society， 2005， 86(5): 657-669.

[2] 王學遠， 蔣維楣， 劉紅年， 等. 南京市重點工業(yè)源對城市空氣質(zhì)量影響的數(shù)值模擬[J]. 環(huán)境科學研究， 2007， 20(3): 33-43.

[3] 陳燕， 蔣維楣， 郭文利， 等. 珠江三角洲地區(qū)城市群發(fā)展對局地大氣污染物擴散的影響[J]. 環(huán)境科學學報， 2005， 25(5): 700-710.

[4] 王艷， 柴發(fā)合， 王永紅， 等. 長江三角洲地區(qū)大氣污染物輸送規(guī)律研究[J]. 環(huán)境科學， 2008， 29(5): 1430-1435.

[5] 程念亮. 東亞春季典型天氣過程空氣污染輸送特征的數(shù)值模擬研究[D]. 中國環(huán)境科學研究院， 2013.

[6] LEE Y C， SAVTCHENKO A. Relationship between air pollution in Hong Kong and in the Pearl River Delta Region of South China in 2003 and 2004: an analysis[J]. Journal of applied meteorology and climatology， 2006， 45(2): 269-282.

[7] 李杰， 吳其重， 高超， 等. 東亞春季邊界層臭氧的數(shù)值模擬研究[J]. 環(huán)境科學研究， 2009 (1): 1-6.

[8] 張志剛， 高慶先， 韓雪琴， 等. 中國華北區(qū)域城市間污染物輸送研究[J]. 環(huán)境科學研究， 2004， 17(1): 14-20.

[9] 王淑蘭， 張遠航， 鐘流舉， 等. 珠江三角洲城市間空氣污染的相互影響[J]. 中國環(huán)境科學， 2005， 25(2): 133-137.

[10] 趙恒， 王體健， 江飛， 等. 利用后向軌跡模式研究 TRACE-P 期間香港大氣污染物的來源 [J]. 熱帶氣象學報， 2009， 25(2): 181-186.

[11] 陳浩， 駱仲泱， 江建平， 等. 燃煤 PM2. 5 的形成機理及控制方法[J]. 科學， 2014， 66(2): 24-27.

[12] 丁亮. 南京霧霾天氣原因分析及應(yīng)對措施研究[J]. 環(huán)境科學與管理， 2014， 39(5): 77-79.

[13] 郝子龍， 臧增亮， 潘曉濱， 等. 基于 WRF-Chem模式對一次大氣污染過程氣溶膠的模擬分析[C]∥創(chuàng)新驅(qū)動發(fā)展提高氣象災(zāi)害防御能力——S9 大氣成分與天氣氣候變化.北京：中國會議，2013.

A Sensitivity Experiment of the Air Pollution Transport in Urban Clusters over the Yangtze River Delta

FENG Yi，LIU Hong-nian*，SUN Kai

(SchoolofAtmosphericSciences，NanjingUniversity，Nanjing，Jiangsu210023，China)

In this paper，the numerical simulation of the severe air pollution case over the Yangtze River Delta from November 29thto December 11th2013 was conducted with WRF-Chem model. The objective of the simulation was to analyze the contribution of local emission sources and foreign transport. The results indicated that the contribution of particulate matter from the core region of Yangtze River Delta was almost equal to which from foreign transport. On the other hand，SO2，CO，NH3and NOxwere mostly provided by local emissions. The higher chemical activity a kind of gaseous pollutant had，the more it would be contributed by local emission sources. The local contribution of pollutants obviously rose to a higher level during the most serious period from December 7thto December 9th. The direction and intensity of transportation had a close relationship with the wind direction and speed. Within the boundary layer，the local contribution of most pollutants got smaller when the altitude got higher. That means on the top of boundary layer，the effect of foreign’transport controlled the concentration of pollutants. However，the contribution of local emission sources for nitrate changed slightly on the ground，at the height of 1km and 1.5 km.

The Yangtze River Delta area； Air pollution； Transportation Law

2015-09-07；

2015-10-20

資金項目：國家重點基礎(chǔ)研究發(fā)展規(guī)劃(九七三)基金資助項目(2014CB441203)，國家自然科學基金資助項目(41575141，41305006)

封藝(1993—)，女，碩士研究生，主要從事城市污染擴散等方面研究

*通訊作者：劉紅年 E-mail：liuhn@nju.edu.cn

X513

B

1674-6732(2016)01-0005-08