賀 瑤,朱 彬*,李 鋒,康漢青,高晉徽

?

長江三角洲地區(qū)PM2.5兩種污染來源對比分析

賀 瑤1,朱 彬1*,李 鋒2,康漢青1,高晉徽1

(1.南京信息工程大學(xué)氣象災(zāi)害教育部重點實驗室,氣候與環(huán)境變化國際合作聯(lián)合實驗室,氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心,中國氣象局氣溶膠與云降水重點開放實驗室,南京 210044；2.諸暨市氣象局,浙江諸暨 311800)

應(yīng)用Model-3/CMAQ模式,結(jié)合觀測資料和后向軌跡,分析了2015年1月21日~24日長江三角洲地區(qū)PM2.5污染的時空分布特征和區(qū)域輸送過程.重點對比了2種不同類型的污染過程(大風(fēng)外源輸入污染21日12:00~23:00和靜穩(wěn)本地積累污染22日~24日12:00)中大氣物理化學(xué)過程對邊界層內(nèi)PM2.5生成的貢獻.結(jié)果表明,模式能合理再現(xiàn)這一期間長江三角洲地區(qū)PM2.5濃度的時空變化和分布.21日午后,長江三角洲地區(qū)地面偏北風(fēng),風(fēng)速較大,是短時大風(fēng)北方輸入污染.短時大風(fēng)污染時段輸送通量大,邊界層中上部污染水平輸入,再垂直下傳.22~24日,地面小風(fēng),存在逆溫,大氣靜穩(wěn),是本地積累污染.對比大風(fēng)外源輸入時段與靜穩(wěn)本地積累時段的過程分析發(fā)現(xiàn),大風(fēng)污染時段PM2.5的主要正貢獻過程依次為局地源排放(35.0%)、水平平流(27.1%)、氣溶膠化學(xué)生成(20.9%)、垂直平流(14.1%);本地積累時段PM2.5的主要正貢獻過程依次為局地源排放(50.1%)、氣溶膠化學(xué)生成(27.1%)、垂直平流(17.4%).其中水平平流、源排放、氣溶膠化學(xué)過程在2類污染時段中所占貢獻率有顯著差異.

大風(fēng)外源輸入；通量；過程分析；貢獻率

目前,隨著國民經(jīng)濟與城市化進程的快速發(fā)展,都市霾天氣急劇增多[1],并且呈明顯的區(qū)域性分布特征[2-6].氣象條件和污染源排放是造成空氣污染的主要原因.當(dāng)局地排放源無較大變化時,氣象條件決定著污染過程的變化.若天氣條件靜穩(wěn),且近地面存在逆溫層,即為不利于擴散的氣象條件,污染物積累,污染持續(xù).相關(guān)研究[7-10]均表明:當(dāng)?shù)孛嫘蝿轂榫鶋簣?地面小風(fēng),或邊界層結(jié)構(gòu)穩(wěn)定存在逆溫層時,不利于污染擴散,這是重度霾形成的外部條件.此外,污染物的大尺度傳輸表現(xiàn)為跨境跨省的遠距離輸送[11-12].例如,東北亞的顆粒物存在長距離輸送現(xiàn)象;在中國,PM2.5的跨區(qū)域傳輸很明顯;即使在靜穩(wěn)天氣,京津冀仍有區(qū)域內(nèi)和區(qū)域外的輸送,且兩者貢獻相當(dāng)[13-15].

長江三角洲地區(qū)(以下簡稱長三角)是中國第一大經(jīng)濟區(qū),之前對于長三角的研究多側(cè)重于靜穩(wěn)天氣下區(qū)域內(nèi)污染的相互作用[16-18]和對其他地區(qū)的影響[19],以及靜穩(wěn)天污染時長三角地區(qū)受外來輸入的影響.已有的研究中發(fā)現(xiàn),北京地區(qū)存在中東部地區(qū)在南風(fēng)作用下的輸送[20];而長三角地區(qū)既受到靜穩(wěn)天的本地積累[21-24,26],包括區(qū)域內(nèi)部的相互作用,也有長距離輸送的貢獻,氣象條件決定了是本地源還是長距離輸送為主要貢獻[21],且經(jīng)長距離輸送而來的污染氣流可以來自蒙古、華北或東北[25].

以往的研究主要針對靜穩(wěn)天氣下長三角重污染的成因開展,但實際觀測中發(fā)現(xiàn),長三角地區(qū)還會出現(xiàn)短時大風(fēng)與霾并存的現(xiàn)象,已有的研究中對于這種現(xiàn)象的成因討論較少[27-28].本文于2015年1月,在長三角地區(qū)開展了冬季霧霾聯(lián)合觀測,我們發(fā)現(xiàn)2種不同的PM2.5污染過程:短時大風(fēng)污染過程和本地積累過程.通過對這兩種過程的對比討論,以期為霾的成因提供更詳細的個例分析.

1 資料與方法

1.1 地面觀測和污染特征介紹

2015年1月,在長三角地區(qū)開展外場觀測,于南京、蘇州、杭州臨安3地設(shè)置觀測點,其中南京的觀測點位于南京信息工程大學(xué)觀測場內(nèi);蘇州設(shè)置2個觀測點,分別為蘇州東山和蘇州南門,東山觀測點緊鄰太湖,南門觀測點位于蘇州市區(qū),周圍有客運汽車站;臨安觀測點遠離城區(qū),植被較多.對觀測數(shù)據(jù)分析后,發(fā)現(xiàn)存在2種特征不同的污染過程.

由圖1可以看出,1月21日12:00以后(圓框中短時大風(fēng)污染),4個觀測點均出現(xiàn)了短時大風(fēng)伴隨霾的情況(本文把比靜穩(wěn)污染天風(fēng)速大的情況稱為大風(fēng),而非氣象上風(fēng)力分級中定義的大風(fēng)等級),顆粒物濃度快速增長,漲幅超過1倍,PM2.5達到240μg/m3,每小時平均風(fēng)速均大于4m/s,最高平均風(fēng)速接近8m/s,瞬時風(fēng)速最大超過10m/s.本地源對于顆粒物濃度一定有貢獻,但短時間內(nèi)本地源一般不會發(fā)生較大變化,若此時顆粒物濃度快速增長,則很可能是外源輸入造成,因此我們推測,這一時段發(fā)生的是短時大風(fēng)外源輸入污染(以下簡稱短時大風(fēng)污染);22日~23日顆粒物濃度較21日午后有所回落,但濃度已經(jīng)高于21日12:00之前,且風(fēng)速普遍減小至3m/s以下,呈靜小風(fēng)狀態(tài);24日,在積累作用影響下,顆粒物濃度再次增長,污染加重.21日短時大風(fēng)污染期間,除了蘇州南門因為位于城區(qū),受城市下墊面影響,地表粗糙,所以風(fēng)向較亂以外,其他3個觀測點風(fēng)向普遍為西北-偏北風(fēng).觀測顯示,在大風(fēng)污染時段,位置最北的南京PM2.5--濃度達到峰值的時間為16:00~17:00,蘇州PM2.5濃度達到峰值的時間為19:00~20:00,位置最南的臨安PM2.5-濃度達到峰值的時間為20:00~21:00.由此推測,此次短時大風(fēng)污染是作用于長三角區(qū)域的,由北向南的弱冷鋒前緣大風(fēng)造成短時的輸入性污染.

1.2 模式設(shè)置及驗證

1.2.1 模式設(shè)置 Models-3/CMAQ是由美國環(huán)境保護署(U.S. EPA)研發(fā)的第三代空氣質(zhì)量模式系統(tǒng),CMAQ[29]是其核心部分,它主要考慮了空氣動力學(xué)、氣象化學(xué)、氣溶膠過程、云化學(xué)與動力學(xué)過程,對模擬污染物的物理傳輸與化學(xué)反應(yīng)過程,有非常廣泛的應(yīng)用.

本研究使用CMAQv4.7,采用了CB05碳鍵化學(xué)機制和AERO5氣溶膠機制.模擬區(qū)域選用兩層嵌套網(wǎng)格,如圖2所示.第一層網(wǎng)格數(shù)為106′106,水平分辨率為27km,包括中國中東部、沿海大部及東北、西北部分地區(qū).第二層網(wǎng)格數(shù)為120′120,水平分辨率為9km,包含江蘇、安徽、浙江、山東大部及河南、湖北、江西部分區(qū)域和河北小部.投影方式為Lambert投影,2條標(biāo)準(zhǔn)緯度分別為30°N和60°N.氣象場由中尺度氣象模式WRFv3.3提供,采用了Lin微物理方案、RRTM長波輻射過程、Goddard短波過程、Monin- Obukhov近地面方案、Noah陸面過程、YSU邊界層方案、KF積云方案.人為源數(shù)據(jù)為2010年清華大學(xué)MEIC排放源清單(我們目前能夠獲得的中國地區(qū)排放源清單).模式模擬時間為2015年1月16日~24日,其中1月16~20日作為模式預(yù)熱時間,1月21~24日的計算結(jié)果用作分析.

1.2.2 模式驗證 為了驗證模式結(jié)果的可靠性,把模擬結(jié)果中PM2.5的濃度值與觀測值作對比,如圖3所示,模式能夠反映模擬時間段內(nèi)PM2.5的區(qū)域分布特征及演變趨勢,但對于濃度峰值的表現(xiàn)欠佳.南京、蘇州東山、蘇州南門、杭州臨安4個觀測點對于短時大風(fēng)污染的模擬,能合理表現(xiàn)PM2.5的濃度增加、達到峰值、污染消退的時間,也能反映從22日~24日的積累情況.蘇州東山觀測點對PM2.5的模擬結(jié)果最低,可能是由于東山觀測點位于太湖邊,受其影響,以及模式對氣溶膠化學(xué)過程的模擬誤差和排放源的不確定性造成的.另外,對4個觀測點氣象資料的模擬結(jié)果總體效果較好,不過需要注意的是,整體風(fēng)速模擬偏大,且蘇州南門觀測點的氣溫、相對濕度的模擬值在時間變化上滯后于觀測值,相關(guān)性不高,這可能是因為南門地處城區(qū),而模式的分辨率較粗,不能很好模擬出日變化;臨安的風(fēng)向模擬值也與實際風(fēng)向變化有差異,可能是由于臨安觀測點處于樹木環(huán)抱之中,對風(fēng)向的改變有影響.以上模擬要素與其觀測值的統(tǒng)計參數(shù)[30]見表1,各相關(guān)系數(shù)均通過自由度為94的0.01顯著性水平檢驗.

表1 氣象要素、污染物觀測值與模擬值的比較

注 :MB為均值偏差,為相關(guān)系數(shù),IOA為吻合指數(shù).

2 結(jié)果與討論

2.1 后向軌跡與天氣形勢分析

為了研究本次短時大風(fēng)污染的傳輸路徑,利用拉格朗日型軌跡擴散模式HYSPLIT[31]對污染時段影響長三角的PM2.5傳輸路徑做進一步探討.選用后向軌跡模式,模擬地點包括南京市(32.2°N, 118.7°E)、杭州市臨安縣(30.29°N, 119.75°E),后向模擬的時間為1月21日20:00和1月24日02:00,后向軌跡模擬的時長分別為24h和48h.

圖4為香港天文臺的地面天氣形勢圖(http://envf.ust.hk/dataview/hko_wc/current/),并疊加了南京、臨安在500m高度的每6h間隔的后向軌跡.兩地的軌跡線都為西北轉(zhuǎn)偏北的傳輸方向,傳輸起點最遠處靠近京津冀地區(qū),途徑山東省及蘇北地區(qū)到達長三角.在21日02:00(圖略),長三角地區(qū)位于地面閉合低壓底前部;05:00位于低壓中部,低壓中心強度增大;08:00,長三角位于低壓中后部,低壓中心強度減小;11:00,低壓中心消失,此段時間內(nèi),低壓一直東移.14:00~23:00,長三角地區(qū)位于地面高壓控制區(qū),弱冷空氣由北向南推進,在此期間,長三角地區(qū)為偏北風(fēng).結(jié)合軌跡的傳輸路徑,證明此次短時大風(fēng)污染來源為北方輸入.22日~24日,我國中東部地區(qū)為均壓場,靜穩(wěn)天氣維持,地面風(fēng)速小,大氣擴散能力弱,霾天形成并維持[32].

2.2 PM2.5的水平與垂直分布

圖5展示了2個污染時段PM2.5平均濃度的分布情況,可以看到,21日地面風(fēng)速大于24日.1月20日午后,河北南部開始出現(xiàn)PM2.5濃度高值區(qū),約為160μg/m3,而后,PM2.5濃度高值區(qū)南下,途徑山東、安徽,21日到達江蘇.21日中午至午夜,長三角區(qū)域內(nèi)主導(dǎo)風(fēng)向未發(fā)生明顯改變,地面主導(dǎo)風(fēng)向為西北偏北風(fēng),中國東部地區(qū)受到PM2.5污染的區(qū)域更廣,長三角地區(qū)PM2.5濃度達到160μg/m3,除長三角地區(qū)外,浙江、安徽、江西的部分地區(qū)也受到影響.22、23日,風(fēng)速減小,無明顯主導(dǎo)風(fēng)向,小風(fēng)靜穩(wěn)維持,污染積累.24日,地面風(fēng)速較小,且主導(dǎo)風(fēng)向改變,在海面上為東南-偏南風(fēng),而后轉(zhuǎn)為偏東風(fēng),最后在安徽、河南交界處又轉(zhuǎn)為東北風(fēng),且江蘇、安徽以南的風(fēng)速較小,這樣的風(fēng)向變化不利于污染物擴散.24日的污染更集中于中東部地區(qū),污染程度更嚴(yán)重,PM2.5濃度高值區(qū)范圍廣,長三角地區(qū)PM2.5濃度達到180μg/m3,觀測值達到200μg/m3.

圖6為大風(fēng)與積累時段分別沿主風(fēng)向剖面上PM2.5的垂直分布及風(fēng)場結(jié)構(gòu).可以看到,在大風(fēng)污染時段(圖6a)整層風(fēng)速較大,南京高空一直存在下沉氣流,在3km~1km的高度內(nèi),下沉氣流最明顯,且邊界層內(nèi)PM2.5濃度分布較均勻,尤其在南京上空,PM2.5濃度隨高度下降較緩慢.22~ 24日小風(fēng)靜穩(wěn),無明顯垂直方向的氣流,邊界層內(nèi)PM2.5濃度分布梯度較大,PM2.5濃度隨高度升高快速減小.結(jié)合懷俄明探空數(shù)據(jù)(http://www. weather.uwyo.edu/upperair/sounding.html),24日近地面存在逆溫層,靜穩(wěn)形勢下,有利于污染物累積.

2.3 PM2.5的通量分析

2.3.1 近地面水平通量散度 PM2.5輸送通量表示單位時間輸送通過單位面積的PM2.5濃度[20].通常細顆粒物及其傳輸大多集中在邊界層內(nèi),而本文研究近地面及邊界層內(nèi)的水平輸送通量,故定義PM2.5輸送通量為邊界層以內(nèi)某層輸送通量,計算公式如下:

輸送通量 =C×V

式中:為模式第幾層;C為該層PM2.5的質(zhì)量濃度(μg/m3);V表示該層全風(fēng)速(m/s).在氣象學(xué)中,散度可以表征流體運動時單位體積的改變率,即流體在運動中集中的區(qū)域為輻合,散度值為負(fù),運動中發(fā)散的區(qū)域為輻散,散度值為正.對通量求散度,以研究源匯情況.

圖7給出了模擬的近地面(模式第1層)水平輸送通量的空間分布特征.可以看到,在21日短時大風(fēng)污染時段(圖7a),長三角以北地區(qū)通量的散度為正,且風(fēng)向由北向南吹,即凈通量由北向南輸出.而在長三角地區(qū),通量散度為負(fù),即凈通量輸入,污染物濃度增長.在積累時段(圖7b)長三角及周邊地區(qū)無明顯的輻合輻散區(qū)域界線,即不存在明顯的輸送條件,通量散度正負(fù)分布較均勻,且地面小風(fēng),利于本地污染積累.

2.3.2 垂直方向不同高度輸送通量 圖8是南京、蘇州東山、杭州臨安在2km內(nèi)垂直方向上不同高度的水平輸送通量的時間變化.模式取最接近地面的10層(0~2100m).可以看到,21日大風(fēng)污染時段,3地邊界層各高度的通量均大于22~24日,且污染由北向南傳輸,結(jié)合圖6,較大風(fēng)速以及較高的污染物濃度造成較大通量,使得邊界層內(nèi)PM2.5濃度較高.蘇州、南京2地在邊界層整層內(nèi)都存在較大通量,在1200m高度處,通量仍達到1000μg/(m2·s),臨安通量高值區(qū)出現(xiàn)的高度低于另外3地,只達到800m,這可能是由于污染傳輸至臨安時當(dāng)?shù)剡吔鐚痈叨容^低.當(dāng)高層也有較大通量值時,PM2.5濃度-隨高度下降緩慢(圖略),說明高空受到外來輸入污染.21日短時大風(fēng)污染時段通量最大值出現(xiàn)在約500m高度處,500m以下通量有小幅減少,區(qū)域內(nèi)邊界層均存在較高濃度的PM2.5.

22、23日通量大幅下降,平均不超過500μg/ (m2·s),PM2.5濃度回落,近地面濃度約為100μg/m3. 24日,PM2.5濃度重新增長,臨安漲幅較小,蘇州、南京近地面漲幅明顯,PM2.5濃度超過150μg/m3. 24日,高層通量顯著低于21日,PM2.5濃度隨高度減小較快,污染所在高度接近近地面,對比21日,再次說明21日高空存在明顯外來輸入.總之,本次長三角的短時大風(fēng)污染為北方輸入造成,偏北方向的氣流攜帶途經(jīng)之地的PM2.5,對長三角帶來整層污染,并且從通量出現(xiàn)的時間上看,位于最北的南京最早出現(xiàn)高通量值,位于最南的臨安最晚出現(xiàn)高通量值,符合北方輸入的先后順序.

2.4 PM2.5的過程分析

CMAQ模式中提供了過程分析模塊,模塊中的綜合過程速率模塊(IPR)能夠?qū)Υ髿馕锢砘瘜W(xué)過程在污染變化中的貢獻進行定量計算.其中涉及PM2.5的過程包括了平流輸送過程、擴散過程、干濕沉降、云過程(云的消光和清除作用、液相化學(xué)反應(yīng)、云下和云內(nèi)化學(xué)物種的混合、濕沉降)、氣溶膠化學(xué)過程(氣溶膠熱動力學(xué)過程、新粒子生成、凝結(jié)、碰并)[33],以及污染源的排放等.

為了進一步探究本次大風(fēng)污染時段內(nèi),邊界層是否存在垂直輸送,對水平平流、垂直平流進一步分析.圖9為南京在大風(fēng)污染時段內(nèi)的過程垂直廓線.南京、蘇州、杭州3地平流過程作用相似,只是由于地理位置的關(guān)系,輸送到達的時間有先后之分,故以南京為例進行分析.在短時大風(fēng)污染時段(圖9a、圖9b),污染開始時(圖9a)水平平流為正貢獻,極大值在1200m左右,即高空存在較強輸送,垂直平流則作用很小;而后(圖9b)水平平流轉(zhuǎn)為負(fù)貢獻,垂直平流和前一時段相比有明顯變化,在高空為負(fù)貢獻,在低層及近地面為正貢獻,先前由于水平平流輸送至高空的污染物此時在垂直平流的作用下,從高空向下傳輸,使得近地面PM2.5濃度上升,即在短時大風(fēng)污染時段,水平平流先帶來外部輸入,尤其高空輸送較大,而后垂直平流進行垂直輸送.在積累時段(22日0:00~24日12:00,圖c),水平平流與垂直平流作用較小.即本次短時大風(fēng)污染過程中地面PM2.5濃度增加,與邊界層內(nèi)污染物垂直輸送有關(guān).

大氣過程對PM2.5濃度的貢獻并非單向,貢獻值有正有負(fù),正貢獻說明該過程使得PM2.5濃度升高,負(fù)貢獻說明該過程使得PM2.5濃度降低.正、負(fù)貢獻率的和各為100%.

計算2類污染近地面大氣過程的貢獻率[34],可以發(fā)現(xiàn),源排放是近地面PM2.5的正貢獻過程,在2種污染過程中的貢獻率變化不大,3地平均貢獻率分別為78.3%(短時大風(fēng)污染)和73.8%(本地積累污染),輸送項與擴散項則有明顯變化.需要注意的是,擴散過程對應(yīng)湍流過程,會使近地面污染物濃度下降,主要表現(xiàn)為負(fù)貢獻,但在短時大風(fēng)污染過程,擴散項除部分時段為負(fù)貢獻外,還表現(xiàn)出正貢獻作用,平均正貢獻率為5.7%;而在積累時段,擴散項的正貢獻率小于0.01%,可忽略,平均負(fù)貢獻率為69.6%,這說明,短時大風(fēng)污染中,高空輸送過來的污染物可能會在邊界層內(nèi)擴散作用下向近地面?zhèn)鬏?使近地面污染物濃度上升,即擴散過程對PM2.5濃度的增加有一定作用.水平平流過程也有正貢獻作用,2種污染過程的貢獻率分別為10.4%(短時大風(fēng)污染)和2.8%(本地積累污染),即在近地面,除源過程外,短時風(fēng)輸送對PM2.5濃度增長也有作用.

對地面至2km高度內(nèi)的整層大氣進行過程分析并計算各過程對PM2.5濃度的貢獻,對比短時大風(fēng)污染時段(21日12:00~24:00)與本地積累時段(22日~24日12:00),能夠得出,大風(fēng)污染時段邊界層內(nèi)主要源過程依次為源排放(35.0%)、水平平流(27.1%)、氣溶膠化學(xué)過程(20.9%)、垂直平流(14.1%);本地積累時段邊界層內(nèi)主要源過程依次為源過程(50.1%)、氣溶膠化學(xué)過程(27.1%)、垂直平流(17.4%),水平平流(0.4%)可忽略不計.其中水平平流、源排放在兩個時段中所占比例變化明顯.短時大風(fēng)污染時段,水平平流與源排放的正貢獻率相當(dāng);而在積累時段,兩者相差懸殊.兩個時段內(nèi),垂直平流的正貢獻率相當(dāng),即邊界層內(nèi)存在自上而下的輸送.

3 結(jié)論

3.1 模式能較好再現(xiàn)PM2.5的分布規(guī)律及演變特征,也能合理反映氣象場的變化,相關(guān)系數(shù)普遍大于0.6,能較好反映觀測點地理位置與PM2.5濃度達到峰值的時間先后關(guān)系.但對短時大風(fēng)輸入污染峰值的模擬偏低,對靜穩(wěn)本地積累污染的模擬效果好于短時大風(fēng)輸入污染.

3.2 21日午后,四個觀測點風(fēng)速迅速增大,主導(dǎo)風(fēng)向為偏北風(fēng),污染物濃度大幅度增加,達160μg/m3.濃度峰值出現(xiàn)的時間有明顯的由北向南先后順序.22日風(fēng)速減小,到24日,靜穩(wěn)條件維持,污染物積累,長三角地區(qū)PM2.5濃度達到180μg/m3,觀測值達到200μg/m3.從天氣形勢分析,21日午后,長三角處于高壓控制區(qū),存在由北向南的弱冷鋒,長三角處于弱冷鋒前緣,地面風(fēng)速較大,且高空有下沉氣流,長三角以北地區(qū)通量散度為正,充當(dāng)源區(qū),帶給長三角短時北方輸入性污染,短時間內(nèi)污染加重由氣象條件決定.22~24日,垂直方向無明顯擴散,通量散度分布均勻,無明顯源匯區(qū),且地面小風(fēng),存在逆溫,靜穩(wěn)的條件不利于擴散,污染區(qū)域相對較廣.

3.3 由各過程貢獻率分析可得,在大風(fēng)污染時段,水平輸送為高空帶來輸入性污染,而后垂直輸送又將高空的污染帶至地面,邊界層內(nèi)有明顯的垂直傳輸;而在積累時段,水平輸送與垂直輸送作用不明顯.另外,對貢獻率的計算發(fā)現(xiàn),在短時大風(fēng)污染時段, 源排放(35.0%)與水平輸送(27.1%)對于污染均有正貢獻,而在積累時段,主要正貢獻是源排放(50.1%),水平輸送的貢獻(0.4%)可忽略不計.

[1] 劉愛君,杜堯東,王惠英.廣州灰霾天氣的氣候特征分析[J]. 氣象, 2004,30(12):68-71.

[2] 黃 義,范紹佳,劉 吉.珠江三角洲城市群一次區(qū)域性灰霾過程氣象特征分析[C]//中國氣象學(xué)會2008年年會大氣環(huán)境監(jiān)測、預(yù)報與污染物控制分會場論文集, 2008.

[3] 李 菲,吳 兌,王 婷,等.廣州2010年亞運會會期的灰霾天氣問題[J]. 廣東氣象, 2008,30(2):19-21.

[4] 康 娜,高慶先,周鎖銓,等.區(qū)域大氣污染數(shù)值模擬方法研究[J]. 環(huán)境科學(xué)研究, 2006,19(6):20-26.

[5] Harmelen T V, Bakker J. Long-term reductions in costs of controlling regional air pollution in Europe due to climate policy [J]. Environmental Science & Policy, 2002,5(4):349-365.

[6] Chan C K, Yao X. Air pollution in mega cities in China [J]. Atmospheric Environment, 2008,42(1):1-42.

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

[8] 王躍思,姚 利,王莉莉,等.2013年元月我國中東部地區(qū)強霾污染成因分析[J]. 中國科學(xué):地球科學(xué), 2014,44(1):15-26.

[9] 朱佳雷,王體健,邢 莉,等.江蘇省一次重霾污染天氣的特征和機理分析[J]. 中國環(huán)境科學(xué), 2011,31(12):1943-1950.

[10] 高 健,張岳翀,王淑蘭,等.北京2011年10月連續(xù)灰霾過程的特征與成因初探[J]. 環(huán)境科學(xué)研究, 2012,25(11):1201-1207.

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

[12] Wu D, 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(76):147-161.

[13] Kim C H, Park S Y, Kim Y J, et al. A numerical study on indicators of long-range transport potential for anthropogenic particulate matters over northeast Asia [J]. Atmospheric Environment, 2012,58(4):35-44.

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

[15] 王自發(fā),李 杰,王 哲,等.2013年1月我國中東部強霾污染的數(shù)值模擬和防控對策[J]. 中國科學(xué):地球科學(xué), 2014,(1):3-14.

[16] 劉世璽,安俊琳,朱 彬,等.遠距離輸送作用對南京大氣污染的影響[J]. 生態(tài)環(huán)境學(xué)報, 2010,19(11):2629-2635.

[17] 王 茜.利用軌跡模式研究上海大氣污染的輸送來源[J]. 環(huán)境科學(xué)研究, 2013,26(4):357-363.

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

[19] 蔣永成,趙天良,王 宏,等.福州市PM2.5污染過程中大氣邊界層和區(qū)域傳輸研究[J]. 中國環(huán)境科學(xué), 2015,35(2):347-355.

[20] Zhang L, Wang T, Lv M, et al. On the severe haze in Beijing during January 2013: Unraveling the effects of meteorological anomalies with WRF-Chem [J]. Atmospheric Environment, 2015,104:11-21.

[21] Fu X, Cheng Z, Wang S, et al. Local and Regional Contributions to Fine Particle Pollution in Winter of the Yangtze River Delta, China [J]. Aerosol & Air Quality Research, 2016,16:1067-1080.

[22] Xu J, Yan F, Xie Y, et al. Impact of meteorological conditions on a nine-day particulate matter pollution event observed in December 2013,Shanghai, China [J]. Particuology, 2015,20:69-79.

[23] 楊 鵬,朱 彬,高晉徽,等.一次以南京為中心的夏季PM2.5污染島污染事件的數(shù)值模擬[J]. 中國環(huán)境科學(xué), 2016,36(2):321- 330.

[24] 李 鋒,朱 彬,安俊嶺,等.2013年12月初長江三角洲及周邊地區(qū)重霾污染的數(shù)值模擬[J]. 中國環(huán)境科學(xué), 2015,35(7):1965- 1974.

[25] 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(xué), 2008,29(5):1430-1435.

[26] 常爐予,許建明,周廣強,等.上海典型持續(xù)性PM2.5重度污染的數(shù)值模擬[J]. 環(huán)境科學(xué), 2016,37(3):825-833.

[27] 周之栩.浙北地區(qū)一次冷空氣過程中的灰霾天氣過程分析[J]. 浙江氣象, 2015,36(1):32-35.

[28] Davis R E, Kalkstein L S. Using a spatial synoptic climatological classification to assess changes in atmospheric pollution concentrations [J]. Physical Geography, 1990,11(4):320-342.

[29] Byun D W, Ching J K S. Science Algorithms of the EPA Models - 3Community Multiscale Air Quality (CMAQ) Modeling System [J]. Environmental Protection Agency Office of Research & Development, 1999.

[30] Wu Q Z, Wang Z F, Gbaguidi A, et al. A numerical study of contributions to air pollution in Beijing during CAREBeijing- 2006 [J]. Atmospheric Chemistry & Physics, 2011,11(12):5997- 6011.

[31] Draxler R R, Hess G D. An overview of the HYSPLIT_ 4modeling system of trajectories, dispersion, and deposition [J]. Australian Meteorological Magazine, 1998,47(4):295-308.

[32] 尹 姍,何立富.2015年1月大氣環(huán)流和天氣分析[J]. 氣象, 2015,41(4):514-520.

[33] 劉 寧.珠江三角洲大氣顆粒物污染特征與過程分析[D]. 北京:北京大學(xué), 2012.

[34] 聶 滕,李 璇,王占山,等.APEC期間北京市PM2.5時空分布與過程分析[J]. 中國環(huán)境科學(xué), 2016,36(2):349-355.

致謝：本次冬季外場觀測由南京信息工程大學(xué)大氣環(huán)境中心、安俊琳課題組、王成剛課題組等協(xié)助完成,在此表示感謝.

Modeling study on the comparison of the impacts of two kinds of pollution source in a haze episode occurred over the Yangtze River Delta during late January, 2015.

HE Yao1, ZHU Bin1*, LI Feng2, KANG Han-qing1, GAO Jin-hui1

(1.Key Laboratory of Meteorological Disaster, Ministry of Education, Joint International Research Laboratory of Climate and Environment Change, Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.Zhuji Meteorological Administration, Zhuji 311800, China).

A haze episode, which occurred over Yangtze River Delta (YRD) from 21 January to 24 January, 2013, was investigated using the WRF-CMAQ model system. The temporal and spatial distribution characteristics and regional transport process of fine particulate matter (PM2.5) were discussed. In addition, the contribution of local accumulation and long-range transport to this haze episode were also analyzed. Results showed that the WRF-CMAQ model could reproduce the temporal and spatial distributions and evolution features of PM2.5. On 21 st, the YRD was in northerly winds prevailed at the ground level, which led to short-term northern input-base pollution. Horizontal flux at the ground level during short-term pollution was larger than that during local accumulation pollution. There was a vertical transport in boundary layer. During 22 nd to 24 st, small wind at surface and temperature inversion led to the local accumulation of pollution. The major source processes in sequence during short-term pollution are local source emission (35.04%), horizontal advection (27.07%), aerosol chemical process (20.91%) and vertical advection (14.07%). Those during local accumulation pollution are local source emission (50.93%), aerosol chemical process (27.05%), vertical advection (17.47%) and horizontal advection (0.34%). The contribution rates of horizontal advection, source emission and aerosol chemical process changed obviously.

the external source pollution；flux；process analysis；contribution

X513

A

1000-6923(2017)04-1213-10

2016-09-12

國家自然科學(xué)基金資助項目(91544229);國家重點研發(fā)計劃(2016YFA0602003)

賀 瑤(1992-),女,陜西寶雞人,南京信息工程大學(xué)碩士研究生,主要從事大氣化學(xué)、大氣環(huán)境研究.

* 責(zé)任作者, 教授, binzhu@nuist.edu.cn

, 2017,37(4)：1213~1222