康志明,桂海林,王繼康,江 琪,呂夢(mèng)瑤(1.江蘇省氣象臺(tái),江蘇 南京 10008；.國(guó)家氣象中心,北京100081)

2015年北京“閱兵藍(lán)”特征及成因探討

康志明1,2*,桂海林2,王繼康2,江 琪2,呂夢(mèng)瑤2(1.江蘇省氣象臺(tái),江蘇 南京 210008；2.國(guó)家氣象中心,北京100081)

利用大氣成分和氣象要素觀測(cè)數(shù)據(jù),對(duì)2015年8～9月北京田徑世錦賽和抗戰(zhàn)勝利70周年紀(jì)念活動(dòng)期間的北京P M2.5濃度變化特征及其相關(guān)的大氣污染氣象條件進(jìn)行了研究,并采用大氣化學(xué)數(shù)值模式模擬了氣象條件、減排措施和區(qū)域減排聯(lián)合行動(dòng)對(duì)北京PM2.5濃度下降的作用和貢獻(xiàn).結(jié)果表明：紀(jì)念活動(dòng)期間北京地區(qū)空氣質(zhì)量顯著改善,PM2.5平均濃度僅為18.7μg/m3,比前期8月1～19日下降70%,比2014年同期降低74.0%;東北冷渦長(zhǎng)時(shí)間穩(wěn)定少動(dòng)為空氣質(zhì)量改善提供了良好的大氣環(huán)流條件,北京地區(qū)混合層高度相比前期升高20%,相對(duì)濕度降低 17%,風(fēng)速增大 7%,氣象要素變化為慶?；顒?dòng)期間 PM2.5濃度下降提供了良好的氣象條件,尤其是地面主導(dǎo)風(fēng)向轉(zhuǎn)為偏北風(fēng)后,阻止了北京城南及華北中南部地區(qū)的污染物輸入北京城區(qū);CAMx模式的模擬結(jié)果表明,與2014年同期相比,氣象條件變化在北京PM2.5濃度降幅中的貢獻(xiàn)率達(dá)73%;紀(jì)念活動(dòng)期間有無(wú)減排的模擬分析顯示,在相同的氣象條件下,減排措施使北京PM2.5濃度下降約33%;期間北京PM2.5來(lái)源以本地排放為主,本地的減排措施對(duì)改善空氣質(zhì)量的貢獻(xiàn)率約為72%,周邊地區(qū)減排的貢獻(xiàn)率約為28%.

空氣污染氣象條件；數(shù)值模擬；減排措施

近年來(lái),為保障重大社會(huì)活動(dòng)期間的空氣質(zhì)量,政府多次采取應(yīng)急減排措施,如 2008年北京奧運(yùn)會(huì)、2010年廣州亞運(yùn)會(huì)和2014年北京APEC會(huì)議等.有學(xué)者研究這些活動(dòng)期間的空氣質(zhì)量變

化特征發(fā)現(xiàn),應(yīng)急減排等措施對(duì)于改善空氣質(zhì)量有明顯效果[1-3].

除污染物排放之外,氣象條件則對(duì)大氣中的污染物有著擴(kuò)散、稀釋和積累等作用,從而對(duì)空氣質(zhì)量有重要的影響. 20世紀(jì)6、70年代以來(lái),氣象研究者就氣象條件與污染物濃度的關(guān)系展開(kāi)大量研究.在氣象要素作用方面,丁國(guó)安、董志根[4-5]指出表征空氣動(dòng)力和熱力因素的風(fēng)向、風(fēng)速、湍流以及穩(wěn)定度對(duì)空氣污染物擴(kuò)散有重要影響.任陣海等[6]研究表明,穩(wěn)定的天氣形勢(shì)是造成局地嚴(yán)重污染的重要條件.針對(duì)氣象條件的重要性,蔣維楣等[7]指出,在污染源一定的情況下,污染物濃度大小主要取決于氣象條件,氣象條件是空氣污染物短時(shí)變化的決定因素.張人禾等[8]提出在霧霾及重污染天氣的逐日演變中,超過(guò) 2/3的變化是由氣象因子所造成的.氣象條件除影響本地大氣污染物的積累外,還會(huì)導(dǎo)致污染物輸送,是形成污染區(qū)域性特征的主要原因[9-12].近10多年來(lái),針對(duì)北京、上海、廣州等大城市的污染物來(lái)源研究工作表明[13-18],城市間污染相互作用顯著,且隨季節(jié)變化有較大差異.如 Streets等[14]用CMAQ模式模擬了排放源,發(fā)現(xiàn) 2008年奧運(yùn)會(huì)期間河北省污染物排放對(duì)北京PM2.5濃度貢獻(xiàn)達(dá)到 50%～70%.張艷等[18]對(duì)上海地區(qū)空氣質(zhì)量受本地及外地污染源輸送影響的研究,揭示長(zhǎng)江三角洲其他地區(qū)對(duì)上海大氣污染貢獻(xiàn)率與風(fēng)向、風(fēng)力關(guān)系非常密切,且呈現(xiàn)出明顯的季節(jié)性差異.

目前,關(guān)于大氣污染研究工作的一個(gè)重點(diǎn)是分析減排措施對(duì)改善空氣質(zhì)量的貢獻(xiàn),其次是探討氣象條件在重污染天氣形成中的作用.然而,結(jié)合減排措施和氣象條件的綜合研究卻比較少.科學(xué)區(qū)分氣象條件與人類活動(dòng)排放在大氣污染過(guò)程或減排措施效果中的貢獻(xiàn),為科學(xué)制定大氣污染防治措施及調(diào)控目標(biāo)提供決策依據(jù),避免防治不當(dāng)和過(guò)度防御造成不必要的資源浪費(fèi),這已經(jīng)成為當(dāng)前環(huán)境、氣象部門(mén)面臨的重要任務(wù).本文選取2015年北京舉行的抗戰(zhàn)勝利70周年紀(jì)念活動(dòng)期間,京津冀及周邊地區(qū)聯(lián)合進(jìn)行大氣污染區(qū)域聯(lián)防聯(lián)控的實(shí)例,分析在特定氣象條件下PM2.5濃度的變化特征,重點(diǎn)研究氣象條件和減排措施對(duì)空氣質(zhì)量改善的貢獻(xiàn)和區(qū)域聯(lián)防的作用,探討如何結(jié)合氣象條件進(jìn)行科學(xué)污染減排,為今后空氣質(zhì)量應(yīng)急預(yù)案和區(qū)域聯(lián)防聯(lián)控提供有參考價(jià)值的支持.

1 資料來(lái)源和方法

1.1 所用資料及研究時(shí)段

本文使用的大氣成分分析數(shù)據(jù)來(lái)自環(huán)保部中國(guó)環(huán)境監(jiān)測(cè)總站發(fā)布的全國(guó)城市空氣質(zhì)量逐小時(shí)觀測(cè)數(shù)據(jù)以及中國(guó)氣象局大氣成分觀測(cè)數(shù)據(jù).由于 PM2.5是現(xiàn)階段政府大氣污染防控治理的主要對(duì)象和考核指標(biāo),所以文中分析以 PM2.5為主.

大氣污染氣象條件分析采用中國(guó)氣象局的氣象觀測(cè)數(shù)據(jù).大氣環(huán)流特征分析采用歐洲中期天氣預(yù)報(bào)中心(ECMWF)提供的ERA-interim 再分析資料,水平分辨率1.5°×1.5°.

京津冀及周邊地區(qū)的減排保障措施自2015年8月20日陸續(xù)啟動(dòng)實(shí)施.因此文中以8月 20～9月 3日為紀(jì)念活動(dòng)期間,以 2015年 8月1～19日為前期,2014年8月20日～9月3日稱為去年同期.

1.2 模式及數(shù)值模擬設(shè)計(jì)方案

采用美國(guó)Environ公司開(kāi)發(fā)的CAMx模式對(duì)空氣質(zhì)量進(jìn)行模擬,CAMx在對(duì)大氣污染物進(jìn)行多尺度綜合模擬的基礎(chǔ)之上,加入了臭氧源分配技術(shù)(OSAT)、顆粒物示蹤技術(shù)(PSAT)、敏感性分析等技術(shù),可以更好地分析污染過(guò)程[19].CAMx中對(duì)細(xì)顆粒物的來(lái)源進(jìn)行分析的 PSAT技術(shù)是通過(guò)在模式中加入示蹤變量,以標(biāo)記不同來(lái)源的污染物,這不僅可以快速高效地進(jìn)行源解析,而且相對(duì)于模式中其他源解析方法避免了二次污染物的非線性變化帶來(lái)的誤差,PSAT技術(shù)在對(duì)污染物源解析方面的準(zhǔn)確性已得到廣泛的證實(shí)

[20-23].模擬采用中尺度氣象模式 WRF為CAMx提供氣象場(chǎng)驅(qū)動(dòng),水平分辨率為 24km,垂直層次為 27層.模式的初始和邊界輸入數(shù)據(jù)為NCEP(美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心)提供的FNL全球再分析資料;下墊面資料來(lái)自于 MODIS下墊面分類資料.

表1 2015年紀(jì)念活動(dòng)期間各省市按行業(yè)排放源減少系數(shù)(%)Table 1 Reduction factor of each emission category in Beijing and the surrounding provinces during the period of memorial activity 2015 (%)

研究中,污染物人為源清單中國(guó)區(qū)域部分采用清華大學(xué)2012年0.25°分辨率的MEIC排放源清單,中國(guó)區(qū)域外采用 2006年 0.5°分辨率的INTEX-B排放源清單[24],并考慮了源排放的日變化和季節(jié)變化[25].天然源氣體排放情況采用SMOKE-BEIS3模式計(jì)算[26].根據(jù)根據(jù)環(huán)保部相關(guān)部門(mén)公布的紀(jì)念活動(dòng)期間北京市及區(qū)域污染減排情況,本研究在MEIC源清單基礎(chǔ)上,模擬研究采用的減排方案如表1所示.模擬區(qū)域中心坐標(biāo)為 107°E,35°N,水平分辨率為 24km,垂直分層為19層,模擬區(qū)域涵蓋了整個(gè)中國(guó)區(qū)域.

2 結(jié)果與討論

2.1 PM2.5實(shí)況

2015年8月1～9月3日,北京PM2.5日均濃度變化如圖1所示.8月1～19日,北京PM2.5平均濃度為63.6μg/m3,最高日濃度出現(xiàn)在8月13日,達(dá)119.5μg/m3,小時(shí)最高濃度為143μg/m3.按照空氣質(zhì)量國(guó)家標(biāo)準(zhǔn)[27],此期間 PM2.5一級(jí)達(dá)標(biāo)日只有 2d,二級(jí)達(dá)標(biāo)日有 11d,輕度污染出現(xiàn) 5d,中度污染1d,污染日出現(xiàn)頻率為32%.

圖1 2015年8月1日～9月3日北京PM2.5日均濃度變化Fig.1 Variations of the averaged daily PM2.5concentrations during the period from 1st August to 3rd September 2015

表2 2015年紀(jì)念活動(dòng)期間華北主要城市平均PM2.5濃度與活動(dòng)前期及2014年同期比較情況Table 2 Comparison of PM2.5concentration among major cities in North China during the period of memorial activity, with the prior period and the same period in 2014

紀(jì)念活動(dòng)期間北京PM2.5日均濃度明顯下降,自8月20日開(kāi)始連續(xù)15d達(dá)到一級(jí)優(yōu)水平,創(chuàng)造有監(jiān)測(cè)記錄以來(lái)的歷史最佳.此期間 PM2.5平均濃度僅為 18.7μg/m3,比前期降低 70%,比去年同時(shí)期(70.7μg/m3)降低74%(表2).最高小時(shí)濃度為64μg/m3,僅與前期均值相當(dāng).在PM2.5濃度明顯下降的同時(shí),北京大氣其他主要污染物濃度也有所下降,其中 NO2平均濃度為 26.4μg/m3較前期(41.5μg/m3)降低34.9%,比去年同期降低52%.O3平均濃度為 76.8μg/m3比前期(105.8μg/m3)降低27%,比去年同期略降1%.

除北京之外,周邊各主要城市 PM2.5濃度也明顯下降(表2),但改善幅度較之北京略小.天津、石家莊、太原、濟(jì)南等城市的平均PM2.5濃度較前期降幅在 16%～57%之間,較去年同期降幅為30%～52%.

2.2 氣象條件分析

2.2.1 大氣環(huán)流形勢(shì)特征 天氣形勢(shì)特征決定了氣象要素的分布和變化, 是氣象條件對(duì)污染物稀釋、擴(kuò)散、聚積和清除能力的重要約束.北京紀(jì)念活動(dòng)期間的亞洲平均大氣環(huán)流形勢(shì)場(chǎng)(圖2a)顯示,在東亞上空出現(xiàn)典型的東北冷渦天氣形勢(shì),亞洲大陸北部受東北西南走向高壓脊控制,我國(guó)東北地區(qū)到渤海、黃海一帶為冷渦低槽區(qū),華北至西北地區(qū)上空為另一高壓脊盤(pán)踞,該高壓前部至東北冷渦后部盛行一支偏北氣流,引導(dǎo)冷渦中冷空氣南下.此東北冷渦形勢(shì)于8月20日建立,是由西風(fēng)帶上低槽東移至東北地區(qū)發(fā)展加強(qiáng)而形成的,然后,其穩(wěn)定少動(dòng)并維持到9月2日減弱.

夏季東北冷渦過(guò)程通常持續(xù)3～5d,但是紀(jì)念活動(dòng)期間冷渦形勢(shì)卻維持了13d之久,這與15號(hào)臺(tái)風(fēng)“天鵝”活動(dòng)密切關(guān)聯(lián).8月24日,臺(tái)風(fēng)“天鵝”北上進(jìn)入西風(fēng)帶,25日在日本九州西部沿海登陸,然后移進(jìn)日本海并轉(zhuǎn)向偏北方向移動(dòng),27日“天鵝”在俄羅斯海參崴附近沿海再次登陸后移進(jìn)我國(guó)東北東部地區(qū),逐漸變?yōu)闇貛庑?并與已減弱的東北冷渦合并,導(dǎo)致冷渦再次發(fā)展加強(qiáng)及穩(wěn)定維持.

東北冷渦是個(gè)深厚的冷性氣柱天氣系統(tǒng)[28],由于其溫壓場(chǎng)結(jié)構(gòu)不對(duì)稱,冷渦中的冷空氣不斷沿其西側(cè)偏北氣流南下影響華北地區(qū),有利于大氣污染物的水平擴(kuò)散.同時(shí),在冷渦影響下高空冷空氣降溫與地面受太陽(yáng)輻射加熱形成上冷下暖不穩(wěn)定大氣層結(jié),易于產(chǎn)生雷雨天氣,有利于大氣污染物的垂直擴(kuò)散和沉降.2015年6～8月,除紀(jì)念活動(dòng)期間外,還出現(xiàn)3次典型東北冷渦天氣過(guò)程,分別為6月11～14日、6月18～20日和6月20～7月3日.從3次冷渦過(guò)程平均環(huán)流形勢(shì)場(chǎng)來(lái)看(圖2b),環(huán)流形勢(shì)特征同紀(jì)念活動(dòng)期間冷渦形勢(shì)相一致,華北地區(qū)也受東北冷渦后部的高空偏北氣流控制.這3次東北冷渦過(guò)程,在政府沒(méi)有采取減排措施的背景,北京平均 PM2.5濃度值分別為：16μg/m3、17μg/m3和18μg/m3,平均PM2.5濃度值與紀(jì)念活動(dòng)期間相當(dāng)甚至還略低,這表明東北冷渦天氣形勢(shì)下,氣象條件非常有利于大氣污染物的擴(kuò)散和沉降.

圖2 2015年8月20～9月3日平均500hPa高度場(chǎng)(a)以及2015年6月11～14日、6月18～20日和6月20日～7月3日3次冷渦過(guò)程平均500hPa高度場(chǎng)(b)Fig.2 Averaged geopotential height at 500hPa for (a) the period of memorial activity and (b) 3 cold vortex events of 11～14th June, 18～20th June and 20th June to 3rd July

2.2.2 氣象要素特征 華北地區(qū)大氣污染和氣象要素的關(guān)系研究結(jié)果表明,氣溫、近地層濕度、混合層高度和持續(xù)性小風(fēng)及氣壓等氣象要素是影響污染天氣程度的關(guān)鍵氣象因子,其中在典型污染過(guò)程中相對(duì)濕度與北京地區(qū)空氣污染的相關(guān)系數(shù)達(dá) 0.9以上[29-32].與前期的對(duì)比分析表明(表 3),在東北冷渦天氣形勢(shì)下,紀(jì)念活動(dòng)期間北京地區(qū)的混合層高度、相對(duì)濕度、風(fēng)速等影響污染天氣程度的關(guān)鍵氣象要素都呈現(xiàn)出有利空氣質(zhì)量改善的變化趨勢(shì).其中混合層高度相比前期

升高20%,相對(duì)濕度降低17%,風(fēng)速增大7%.相比之下,變化最明顯的是風(fēng)向頻率,北風(fēng)頻率由前期37%增加至69%,南風(fēng)頻率從63%減少至31%,主導(dǎo)風(fēng)向由偏南轉(zhuǎn)為偏北.

表3 紀(jì)念活動(dòng)前后北京地區(qū)氣象要素對(duì)比分析Table 3 Comparison of meteorological factors in Beijing between the period of memorial activity and previous period

為了分析氣象要素變化對(duì)空氣質(zhì)量的可能影響程度,以污染臨界值PM2.5濃度75μg/m3為界,對(duì)紀(jì)念活動(dòng)前期相應(yīng)的氣象要素進(jìn)行統(tǒng)計(jì),其結(jié)果顯示污染時(shí)段和空氣質(zhì)量?jī)?yōu)良時(shí)段的混合層高度、相對(duì)濕度、風(fēng)頻等要素有明顯差異(表3).對(duì)比分析前期空氣優(yōu)良時(shí)段與紀(jì)念活動(dòng)期間的氣象要素發(fā)現(xiàn)后者的混合層高度升高 4%,相對(duì)濕度降低10%,風(fēng)速增大7%,北風(fēng)頻率增加18%,南風(fēng)頻率則減少18%.由此可見(jiàn),在紀(jì)念活動(dòng)期間這些與污染程度密切相關(guān)的氣象要素均比前期空氣優(yōu)良時(shí)更加利于污染物消散,從而改善空氣質(zhì)量.前期空氣優(yōu)良時(shí)段,北京平均 PM2.5為39.6μg/m3,在更有利的氣象條件下,假如紀(jì)念活動(dòng)期間沒(méi)有采取減排措施,北京空氣質(zhì)量也可以維持在優(yōu)良水平.

2.2.3 氣象條件輸送作用 華北地區(qū)地形特征呈現(xiàn)北部、西部高,東部、南部地勢(shì)平坦,又是我國(guó)重要能源和鋼鐵工業(yè)基地.受工業(yè)布局和地形的影響,就北京來(lái)看,偏北風(fēng)對(duì)污染物有稀釋和清除作用,偏南風(fēng)則利于污染物傳輸和積聚,氣象條件的傳輸作用對(duì)北京 PM2.5濃度有顯著影響[33].由于對(duì)流層內(nèi)氣溶膠呈多層復(fù)雜結(jié)構(gòu),但通常高濃度氣溶膠主要集中在0.5km以下范圍[34],因此通過(guò)計(jì)算925hPa以下整層PM2.5輸送通量來(lái)分析氣象條件對(duì)紀(jì)念活動(dòng)期間北京大氣污染物傳輸?shù)目赡苡绊?其中通量為數(shù)值模式模擬結(jié)果.從計(jì)算結(jié)果來(lái)看(圖3),北京平均PM2.5通量與邊界層平均風(fēng)向之間有明顯相關(guān)關(guān)系,大部時(shí)段內(nèi),邊界層南風(fēng)和北風(fēng)分別與正、負(fù)凈通量相對(duì)應(yīng),最大通量出現(xiàn)在西南風(fēng)下.與西南風(fēng)不同,8月30～31日,當(dāng)北京邊界層為持續(xù)東南風(fēng)時(shí),PM2.5凈通量為負(fù)值,期間北京還出現(xiàn)了超過(guò)25mm的降雨,說(shuō)明源自海上的東南氣流在帶來(lái)水汽并形成降水天氣的同時(shí),對(duì)北京大氣污染物也起到了擴(kuò)散和清潔的作用.

圖3 2015年8月10日～9月3日地面至925hPa平均PM2.5通量和平均風(fēng)Fig.3 Averaged PM2.5flux and wind from ground level to 925hPa during 10 Aug to 3 Sep 2015

8月 20日之前,北京邊界層以南風(fēng)為主, PM2.5輸送通量變化幅度大,以正通量為主,反映紀(jì)念活動(dòng)前期,偏南風(fēng)為主的氣象條件對(duì)北京大氣污染物有輸送作用.而紀(jì)念活動(dòng)期間,邊界層轉(zhuǎn)為偏北風(fēng),PM2.5輸送通量以負(fù)值為主,來(lái)自北方的清潔空氣有利于北京大氣污染物的擴(kuò)散和清除.分析表明,冷渦控制下氣象條件發(fā)生變化,尤其是地面主導(dǎo)風(fēng)向轉(zhuǎn)為北風(fēng),減少了北京以南地區(qū)污染物對(duì)北京的輸送,對(duì)北京地區(qū)空氣質(zhì)量改善起到了重要的作用.

綜上所述，價(jià)值觀、道德判斷與攻擊行為之間存在的關(guān)系大致可以歸納為：價(jià)值觀與道德判斷之間存在相互協(xié)調(diào)的關(guān)系，也可以理解成為相輔相成關(guān)系，為正相關(guān)關(guān)系。價(jià)值觀、攻擊行為與道德判斷、攻擊行為之間存在負(fù)相關(guān)關(guān)系，總體可以表現(xiàn)為：當(dāng)青少年價(jià)值觀方面存在偏差時(shí)，自身的價(jià)值尺度與價(jià)值觀念將會(huì)受到嚴(yán)重影響，很有可能出現(xiàn)攻擊行為，危害他人與自身。

2.3 數(shù)值模擬分析

2.3.1 模擬驗(yàn)證 利用 CAMx模式進(jìn)行模擬,為了消除模式初始值影響,去掉8月1～9日的模擬值.模式模擬值與監(jiān)測(cè)值的對(duì)比如圖4所示,模式較好地反映了污染物的濃度變化特征,模擬值(20日之前未考慮減排,20日之后考慮減排)與監(jiān)測(cè)值之間的相關(guān)系數(shù)為0.76(r2為0.58),平均誤差為-1.35μg/m3,平均絕對(duì)誤差為10.7μg/m3,由于模擬期間的整體濃度不高,所以平均相對(duì)誤差較大,為 0.33.減排模擬采用的方案使模擬結(jié)果有明顯的削峰作用,在紀(jì)念活動(dòng)期間與監(jiān)測(cè)值更為接近.紀(jì)念活動(dòng)期間白天模擬值與監(jiān)測(cè)值吻合較好,晚上存在較大程度的高估,但是相關(guān)性與前期沒(méi)有大幅下降,原因與模式對(duì)于氣象場(chǎng)和氣溶膠化學(xué)轉(zhuǎn)化模擬有誤差,尤其是與對(duì)夜間混合層高度計(jì)算的誤差有關(guān)[35].另外,由于不能準(zhǔn)確掌握詳細(xì)的污染源清單,尤其是在調(diào)控時(shí)期,排放源清單的不確定性對(duì)模式性能有一定影響.

圖4 2015年8月10日～9月3日北京PM2.5逐時(shí)濃度與模式模擬結(jié)果對(duì)比(8月20日之后實(shí)線為減排模擬,虛線為未減排模擬)Fig.4 Comparison between simulated and observed PM2.5concerntrations during 10August to 3September 2015. The solid and dotted line denote the simulation with and without using the the emission reduction measures after Aug 20, respectively

2.3.2 氣象條件貢獻(xiàn)模擬分析 上文大氣環(huán)流背景以及氣象要素分析表明,氣象條件變化對(duì)北京空氣質(zhì)量改善有顯著影響.但由于氣象要素與污染物濃度之間的關(guān)系較為復(fù)雜,且各氣象要素之間相互聯(lián)系,相互影響,難以客觀定量地通過(guò)某一氣象要素或綜合指標(biāo)來(lái)定量描述氣象條件變化對(duì)空氣質(zhì)量改善的作用.因此,本文通過(guò)模式模擬來(lái)定量分析綜合氣象條件在空氣質(zhì)量改善中的貢獻(xiàn)和作用,其思路是取同一大氣化學(xué)模式,并采用相同的污染源清單,通過(guò)不同時(shí)段氣象場(chǎng)數(shù)據(jù)驅(qū)動(dòng)模式進(jìn)行模擬得到污染物濃度,其結(jié)果的差異即反映出不同氣象條件對(duì)污染物濃度變化的作用.

紀(jì)念活動(dòng)期間北京PM2.5濃度相較去年同期大幅下降 74%,為分析其中氣象條件和減排措施的貢獻(xiàn),統(tǒng)一采用未進(jìn)行減排處理的 2012年MEIC源清單,利用紀(jì)念活動(dòng)期間和2014年同期兩個(gè)時(shí)段的氣象場(chǎng)數(shù)據(jù)驅(qū)動(dòng)CAMx模式進(jìn)行模

擬.結(jié)果顯示,在相同排放的情況下,由于氣象條件不同造成紀(jì)念活動(dòng)期間PM2.5濃度較去年下降54%(表4),而減排措施使 PM2.5濃度較去年同期下降約 20%.也就是說(shuō),與去年同期相比,氣象條件變化在濃度下降中貢獻(xiàn)了 73%的作用,而減排措施僅占了27%的作用.

從比較來(lái)看,對(duì) NO2濃度的變化,氣象條件和減排措施的貢獻(xiàn)較為接近,分別為54%和46%.值得關(guān)注的是,模擬顯示 2015年的氣象條件有利于O3濃度下降8%,而實(shí)際觀測(cè)到的O3濃度下降只有1%,顯示減排措施對(duì)O3濃度的控制起到了相反的作用.由于 O3的濃度水平與其前體物氮氧化物和揮發(fā)性有機(jī)物之間呈現(xiàn)復(fù)雜的關(guān)系,研究表明,并非氮氧化物與揮發(fā)性有機(jī)物降低, O3濃度就會(huì)降低,當(dāng)二者控制的比例不適合時(shí),空氣中的 O3濃度短時(shí)間內(nèi)也可能出現(xiàn)上升的狀況.此外,O3濃度一般認(rèn)為與日照有較好的相關(guān),PM2.5濃度下降改善大氣的光照并有利氣溫上升,在一定條件下反而有利于 O3的生成[36-37].

表4 2015年北京紀(jì)念活動(dòng)期間大氣污染物濃度與去年同期變化率以及通過(guò)模擬計(jì)算的氣象條件貢獻(xiàn)率和減排措施貢獻(xiàn)率(%)Table 4 Change rate of the atmospheric pollutant concentrations between the period of memorial activity and the same period in last year, the corresponding contribution rate of meteorological conditions and emission reduction measures by simulation (%)

2.3.3 減排措施貢獻(xiàn)分析 利用 CAMx模式,采用原排放源清單以及按照減排方案修訂的排放源清單分別模擬在紀(jì)念活動(dòng)的天氣條件下,采取減排與否對(duì)污染物濃度的影響.未減排模擬結(jié)果顯示(圖 5a),我國(guó)中東部空氣污染區(qū)域中的華北南部和黃淮,江淮和華中的部分地區(qū)出現(xiàn)高PM2.5濃度中心.實(shí)行減排措施后,河北南部、唐山附近、天津、北京南部的局地PM2.5濃度下降超過(guò)20μg/m3,其他地區(qū)PM2.5濃度下降幅度不明顯(圖5b).

圖5 紀(jì)念活動(dòng)期間采用原排放清單模擬的PM2.5濃度分布以及采用減排后清單的PM2.5濃度變化分布 (a：減排前;b減排后濃度變化)Fig.5 Distribution of PM2.5concentration by using the original emission (a) and the relative change distributions (b) of PM2.5by using the redused emissions and original emissions during the period of memorial activity

在未減排情況下,北京、河北中部、山西中部一帶為空氣質(zhì)量?jī)?yōu)良與輕度污染的交界處,減排措施使空氣優(yōu)良區(qū)域向南擴(kuò)展,但除唐山附近PM2.5濃度由110μg/m3以上降低到70μg/m3左右外,上述其他區(qū)域濃度變化并不明顯.其中減排前,北京中北部和西部空氣質(zhì)量為優(yōu),南部為良,減排后,北京大部區(qū)域?yàn)閮?yōu).采用減排方案前后,北京平均 PM2.5濃度由 49μg/m3下降至32μg/m3,下降幅度為 33%.考慮模擬值存在一定的系統(tǒng)性偏差,參考其變化幅度和實(shí)際濃度18.7μg/m3,如果未減排, PM2.5濃度約為28μg/m3.同樣表明即使沒(méi)有減排措施,有利的氣象條件也可以保證紀(jì)念活動(dòng)期間北京空氣質(zhì)量維持優(yōu)良水平.

2.3.4 區(qū)域減排措施貢獻(xiàn)分析 利用CAMx模式對(duì)北京大氣中的一次污染物進(jìn)行標(biāo)記追蹤,以分析區(qū)域排放及減排措施對(duì)北京PM2.5濃度變化的貢獻(xiàn).將PSAT受體設(shè)置在北京城區(qū).模式以北京市區(qū)為中心將北京及其周邊地區(qū)劃分為 8個(gè)源區(qū),分別為北京、河北北部、河北南部、天津,內(nèi)蒙古,山東,山西和其他地區(qū).其中,河北北部主要是指北京以北的河北省所屬區(qū)域,河北南部是北京以南的河北省所屬地區(qū),模擬時(shí)采取與前文相同的減排方案.

源追蹤的分析表明(表5),紀(jì)念活動(dòng)期間北京PM2.5來(lái)源以本地排放貢獻(xiàn)為主,占 57%;在以北風(fēng)為主的天氣背景條件下,河北北部的貢獻(xiàn)率為9.6%,超過(guò)河北南部的8.4%;天津貢獻(xiàn)率有9.8%,其他區(qū)域僅分別有6%左右,山西不足1%.采用減排方案前后,北京平均 PM2.5濃度下降 17μg/m3,其中,北京本地減排措施對(duì)細(xì)顆粒物濃度下降貢獻(xiàn)最大,達(dá) 72.2%;河北為 16.2%,次之;天津貢獻(xiàn)7.1%;其他區(qū)域均≤2.2%.

8月 10～19日,東北冷渦形勢(shì)建立之前的北京平均 PM2.5來(lái)源追蹤分析顯示,本地排放貢獻(xiàn)率為 45.4%,較紀(jì)念活動(dòng)期間明顯下降,而河北南部上升至24%,明顯超過(guò)河北北部,山東貢獻(xiàn)率也上升至 7.2%(表 5).為了分析不同氣象條件下區(qū)域減排效果的變化,采用與紀(jì)念活動(dòng)期間相同的減排方案對(duì)8月10～19日進(jìn)行了減排模擬分析.結(jié)果表明,北京PM2.5濃度由減排前81μg/m3下降至 59μg/m3,其中北京本地減排措施對(duì)細(xì)顆粒物濃度下降的貢獻(xiàn)率仍然最大,為 55.4%,而河北貢獻(xiàn)率上升至 27.9%,特別是河北南部上升幅度最為顯著,相同的減排措施,貢獻(xiàn)率則是紀(jì)念活動(dòng)期間的近3倍.這說(shuō)明在不同氣象條件下,相同的減排措施會(huì)產(chǎn)生明顯不同效果.

表5 2015年紀(jì)念活動(dòng)期間及前期北京PM2.5來(lái)源Table 5 The contributions of PM2.5concentration from source regions to Beijing during period of memorial activity and the previous period

大氣污染是污染排放和氣象條件共同作用的結(jié)果,利用模式模擬的方法可以定量分析氣象條件的綜合作用.值得注意的是,由于大氣化學(xué)模式還存在不確定性,模式本身存在偏差,加上無(wú)法獲取精確的減排方案,這些都可能對(duì)模擬結(jié)果的準(zhǔn)確性產(chǎn)生一定的影響.本研究基于天氣形勢(shì)、氣象要素和模擬分析得到了較為一致的基本結(jié)論,揭示有利的氣象條件是2015年北京“閱兵藍(lán)”的主要原因,在不同的氣象條件下,區(qū)域減排貢獻(xiàn)可能會(huì)出現(xiàn)顯著差異.此外,本研究以 PM2.5為主要分析對(duì)象,但 PM2.5只是空氣質(zhì)量的指標(biāo)之一,研究時(shí)段內(nèi) PM2.5濃度大幅下降的同時(shí),O3濃度變化并不明顯,從國(guó)際經(jīng)驗(yàn)來(lái)看,O3污染治理比PM2.5難度更大.O3濃度變化與氣象條件和減排之間的關(guān)系有待今后深入研究.

3 結(jié)論

3.1 紀(jì)念活動(dòng)期間,北京 PM2.5日均濃度較前期

和去年同期均明顯下降,處在一級(jí)優(yōu)等級(jí).北京周邊各主要城市 PM2.5濃度同時(shí)也明顯下降,但降幅比北京略小.

3.2 臺(tái)風(fēng)“天鵝”和西風(fēng)帶系統(tǒng)相互作用,導(dǎo)致東北冷渦維持時(shí)間長(zhǎng),為紀(jì)念活動(dòng)期間空氣質(zhì)量改善提供了良好的大氣環(huán)流條件.由于冷渦的影響,紀(jì)念活動(dòng)期間相對(duì)濕度、混合層高度、風(fēng)向等氣象要素都出現(xiàn)有利于空氣質(zhì)量改善的變化趨勢(shì).

3.3 CAMx模式能較好地模擬出污染物的濃度變化特征,模式模擬結(jié)果顯示,與 2014年同期相比,氣象條件在改善北京 PM2.5濃度變化中貢獻(xiàn)了73%的作用,而減排措施的作用僅占27%.有無(wú)減排的模擬分析表明,大范圍減排對(duì)華北南部、黃淮西部原PM2.5濃度高值中心的濃度降低有明顯作用.北京地區(qū)減排使PM2.5下降約33%,但由于減排前濃度就較低,減排造成的濃度下降并不明顯.紀(jì)念活動(dòng)期間北京 PM2.5來(lái)源以本地排放貢獻(xiàn)為主,本地的減排措施對(duì)細(xì)顆粒物濃度下降貢獻(xiàn)率最大,達(dá)72.2%.

[1] 王琳琳,王淑蘭,王新鋒,等.北京市2009年8月大氣顆粒物污染特征 [J]. 中國(guó)環(huán)境科學(xué), 2011,31(4)： 553-560.

[2] 李婷苑,鄧雪嬌,范紹佳,等.2010年廣州亞運(yùn)期間空氣質(zhì)量與污染氣象條件分析 [J]. 環(huán)境科學(xué), 2012,33(9)：2932-2938.

[3] 劉建國(guó),謝品華,王躍思,等. APEC前后京津冀區(qū)域灰霾觀測(cè)及控制措施評(píng)估 [J]. 中國(guó)科學(xué)院院刊, 2015,30(3)：368-377.

[4] 丁國(guó)安.氣象條件對(duì)大氣污染的影響 [J]. 環(huán)境保護(hù), 1975(1)：11-14.

[5] 董志根.大氣污染與氣象條件的關(guān)系及預(yù)測(cè) [J]. 環(huán)境科學(xué)叢刊, 1986,7(2)：53-55.

[6] 任陣海,蘇福慶,高慶先,等.邊界層內(nèi)大氣排放物形成重污染背景解析 [J]. 大氣科學(xué), 2005,29(1)：57-63.

[7] 蔣維楣,曹文俊,蔣瑞賓.空氣污染氣象學(xué)教程 [M]. 北京：氣象出版社, 1993：29-30.

[8] 張人禾,李 強(qiáng),張若楠.2013年 1月中國(guó)東部持續(xù)性強(qiáng)霧霾天氣產(chǎn)生的氣象條件分析 [J]. 中國(guó)科學(xué)：地球科學(xué), 2014,44(1)：27-36.

[9] Stohl A, Forster C, Eckhardt S, et al. A backward modeling study of intercontinental pollution transport using aircraft measurements [J]. Journal of Geography Research, 2003, 108(D12)：4370.

[10] Lee J Y, Kim J P. Source apportionment of the particulate PAHs at Seoul, Korea： impact of long range transport to a megacity [J]. Atmospheric Chemistry and Physics, 2007,7(13)：3587-3596.

[11] 徐翔德,丁國(guó)安,卞林根,等.城市環(huán)境大氣重污染過(guò)程周邊源影響域 [J]. 應(yīng)用氣象學(xué)報(bào), 2006,17(6)：815-828.

[12] 顏 鵬,黃 健.周邊地區(qū)對(duì)北京地面SO2影響的初步研究 [J].應(yīng)用氣象學(xué)報(bào), 2002,13：144-152.

[13] 徐祥德,周 麗,周秀驥,等.城市環(huán)境大氣重污染過(guò)程周邊源影響域 [J]. 中國(guó)科學(xué)：地球科學(xué), 2004,34(10)：958-966.

[14] Streets D G, Fu J S, Jang C J, et al. Air quality during the 2008 Beijing Olympic Games [J]. Atmospheric Environment, 2007, 41(3)：480-492.

[15] 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, 2014,4(119)：1903-1914.

[16] Wu D W, Fung J C H, 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(9)：147-161.

[17] 王淑蘭,張遠(yuǎn)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(guó)環(huán)境科學(xué), 2005,25(2)：133-137.

[18] 張 艷,余 琦,伏晴艷,等.長(zhǎng)江三角洲區(qū)域輸送對(duì)上海市空氣質(zhì)量影響的特征分析 [J] .中國(guó)環(huán)境科學(xué), 2010,30(7)：914-923.

[19] ENVIRON. User’s Guide Comprehensive Air Quality Model with Extensions Version 6.0 [EB/OL]. http：//www.camx.com/files/ camxusersguide_v6-00.aspx.

[20] Koo B, Wilson G M, Morris R E, et al. Comparison of source apportionment and sensitivity analysis in a particulate matter air quality model [J]. Environ Sci Technol, 2009,43(17)：6669-6675.

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

[22] 王繼康,徐 峻,何友江,等.利用源示蹤技術(shù)計(jì)算日本和韓國(guó)低層大氣SO2和PSO4來(lái)源 [J]. 環(huán)境科學(xué)研究, 2014,27(6)：582-588.

[23] 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.

[24] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission [J]. Atmospheric Chemistry and Physics, 2009,9(14)：5131-5153.

[25] Wang X, Liang X Z, Jiang W, et al. WRF-Chem simulation of East Asian air quality： sensitivity to temporal and vertical emissions distributions [J]. Atmospheric Environment, 2010,44(5)：660-669.

[26] Houyoux M R, Vukovich J M. Updates to the sparse matrix operator kernel emissions (SMOKE) modeling system and

integration with models-3. Chapel Hill： University of North Carolina, 2010, http：//www.smoke-model.org.

[27] GB 3095-2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) [S].

[28] 朱乾根,林錦瑞,壽紹文,等.天氣學(xué)原理和方法 [M]. 北京：氣象出版社, 2003：372-374.

[29] 隋珂珂,王自發(fā),楊 軍,等.北京PM10持續(xù)污染及與常規(guī)氣象要素的關(guān)系 [J]. 環(huán)境科學(xué)研究, 2007,20(6)：77-82.

[30] 蔣伊蓉,朱 蓉,朱克云,等.京津冀地區(qū)重污染天氣過(guò)程的污染氣象條件數(shù)值模擬研究 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2015,35(9)：2681-2692.

[31] 周兆媛,張時(shí)煌,高慶先,等.京津冀地區(qū)氣象要素對(duì)空氣質(zhì)量的影響及未來(lái)變化趨勢(shì)分析 [J]. 資源科學(xué), 2014,36(1)：191-199.

[32] 王喜全,虞 統(tǒng),孫 峰,等.北京PM10重污染預(yù)警預(yù)報(bào)關(guān)鍵因子研究 [J]. 氣候與環(huán)境研究, 2006,11(4)：471-476.

[33] 吳 兌,廖碧婷,吳 蒙,等.環(huán)首都圈霾和霧的長(zhǎng)期變化特征與典型個(gè)例的近地層輸送條件 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2014,34(1)： 1-11.

[34] 王耀庭,苗世光,張小玲.基于激光雷達(dá)的北京市氣溶膠光學(xué)參數(shù)季節(jié)特征 [J]. 中國(guó)環(huán)境科學(xué), 2016,36(4)：970-978.

[35] Xue X T, Zhang Q, He H, et al. A budget analysis of the formation of haze in Beijing [J]. Atmospheric Environment, 2015, 100：25-36.

[36] 安俊琳,王躍思,孫 揚(yáng).氣象因素對(duì)北京臭氧的影響 [J]. 生態(tài)環(huán)境學(xué)報(bào), 2009,18(3)：944-951.

[37] 張世國(guó),苑克娥.北京地區(qū)大氣臭氧與氮氧化物測(cè)量分析 [J].大氣與環(huán)境光學(xué)學(xué)報(bào), 2012,7(5)：321-326.

致謝：感謝清華大學(xué)MEIC團(tuán)隊(duì)提供全國(guó)范圍污染源排放清單.

Characteristics and cause of the “parade blue” in Beijing 2015.

KANG Zhi-ming1,2*, GUI Hai-lin2, WANG Ji-kang2, JIANG Qi2, Lü Meng-yao2(1.Jiangsu Meteorological Observatory, Nanjing 210008, China；2.National Meteorological Centre, Beijing 100081, China). China Environmental Science, 2016,36(11)：3227～3236

By using atmospheric composition and meteorological observation data, PM2.5concentration variation characteristics and relevant meteorological conditions during the period from August to September 2015 in Beijing were studied. With the application of the Comprehensive Air quality Model with extensions (CMAx), the contributions of the meteorological conditions, emission control policies and regional collaborations on emission control to the air quality in Beijing were analyzed. The results show that, the air quality of Beijing was significantly improved during the memorial activity period (20 August to 03 September). The average PM2.5concentration was 18.7μg/m3, reduced by 70% compared with the previous period (August 1st to August 19 th) and reduced by 74% compared with the same period last year. Long period maintain of northeast cold vortex provided the favorable circulation background for the air quality improvement. During the period of memorial activity, the meteorological factors such as mixed layer height, relative humidity and wind speed presented favorable conditions in improving the air quality. In particular, the shifting of dominant wind direction on the ground level prevented the pollutant invading from the southern part of Beijing and from middle and southern areas of North China. CMAx model well simulated the variations of PM2.5concentrations in Beijing. The simulation results show that, comparing with the same period last year, the meteorological conditions contributed 73% to the total change of PM2.5. 33% of the PM2.5reduction was attributed to the emission control polices. The contribution of PM2.5in Beijing was primarily come from local emissions. The local emission reduction took account for 72% for the PM2.5concentration decrease, while the surrounding areas of emission reduction contributed about 28%.

air pollution related meteorological conditions；numerical simulation；emission reduction measures

XS13

A

1000-6923(2016)11-3227-10

康志明(1978-),男,福建莆田人,高級(jí)工程師,碩士,主要從事天氣預(yù)報(bào)及環(huán)境氣象方向研究.發(fā)表論文20余篇.

2016-03-03

國(guó)家科技支撐項(xiàng)目(2015BAC03B07);國(guó)家重點(diǎn)研發(fā)計(jì)劃課題(2016YFC0201903)

* 責(zé)任作者, 高級(jí)工程師, Kangzm@cma.gov.cn