摘要 對汾河谷地及太原市在2015年1月的一次重污染過程運用WRF-Chem模式進行污染過程的數(shù)值模擬、觀測驗證和地形敏感性實驗，分析了河谷地形對區(qū)域污染過程和大氣環(huán)境容量的影響機制。結(jié)果表明：太原市及周邊汾河谷地大氣邊界層環(huán)流和大氣污染傳輸受天氣系統(tǒng)、地形和城市化共同影響;地形環(huán)流強度明顯強于太原城市熱島環(huán)流，且對其發(fā)展存在明顯抑制作用，從而限制了城市大氣環(huán)境容量，加劇城市近地面大氣污染物的堆積和空氣質(zhì)量惡化;研究區(qū)域大氣環(huán)境容量受氣象主導(dǎo)風(fēng)向影響：當(dāng)天氣主導(dǎo)風(fēng)向偏南北向，也即與狹長的汾河谷地走向一致時，有利于該區(qū)域大氣污染物的擴散清除，而當(dāng)天氣主導(dǎo)風(fēng)向偏東西向時，則該區(qū)域大氣環(huán)境容量明顯減小，且近地面大氣污染物濃度與大氣環(huán)境容量之間呈強相關(guān)性，相關(guān)系數(shù)達到0.74;當(dāng)?shù)匦蚊舾薪M實驗中取消太原市周邊河谷地形特征時，上述相關(guān)系數(shù)降低到0.21。

關(guān)鍵詞汾河谷地;大氣環(huán)境數(shù)值模擬;WRF-Chem;地形高度與地表利用類型;山谷風(fēng)環(huán)流

近40年以來我國工業(yè)化和城市化快速發(fā)展，城市能耗和大氣污染物排放快速增加（Fan et al.，2018;Xie et al.，2018）。大氣污染治理成為新時代城市發(fā)展和生態(tài)文明建設(shè)的重要議題（李占清，2020）。近年來，國家與地方政府及環(huán)保部門先后實施了強力的大氣污染防治政策，大氣環(huán)境狀況明顯改善（沈海萍等，2015），但是中國東部廣大區(qū)域，尤其是以“2+26”為代表的重點城市，其大氣污染形勢依舊嚴峻（熊智林，2019;張茹婷等，2022;呂芳等，2023）。

汾河谷地是我國大氣污染防治的重點區(qū)域之一（姬藝珍，2021;曹娟，2022），其核心城市，山西省省會太原，名列在“2+26”城市中，谷地內(nèi)沿汾河自北向南的還存在有多個人口與工業(yè)密集的重污染城市，比如山西省臨汾市和長治市，共同位居全國空氣質(zhì)量問題最為嚴重城市中的前列（https：／／www.gov.cn／xinwen／2019-09／18／content_5430836.htm）。盆地地形不利于大氣污染擴散，與山西省的重工業(yè)超量排放因素疊加，極易造成大氣污染物在盆地的累積。

近年來，有關(guān)復(fù)雜地形下的大氣環(huán)境問題的研究較為廣泛（Li et al.，1995;Zheng et al.，2008;Zhao et al.，2017;孫永等，2019）。不同的地形條件對大氣邊界層的時空演變特征具有顯著的影響（王蒙，2021），進而與平原地區(qū)不同，復(fù)雜地形上的大氣污染過程在一定的時間或者區(qū)域會出現(xiàn)明顯的局部異常高值（王孝維，2006）。多年研究比較一致地認為這種情況主要與山地地形引起的山谷風(fēng)或流泄風(fēng)有關(guān)，或者在高原地區(qū)還會產(chǎn)生高原風(fēng)（李霞和賈健，2016）的情況，從而對其近地面大氣污染擴散產(chǎn)生規(guī)律性影響;此外，還有多位研究者（侯玉昊，2022;王慧麗和毛靜，2022）針對汾渭平原PM2.5時空分布、大氣污染物傳輸特征以及演變特征進行了具體案例分析，并得到一些初步的規(guī)律性結(jié)果。

區(qū)域大氣污染的積累、傳輸和擴散特征經(jīng)常用大氣環(huán)境容量作為指標。對另一西北河谷城市——陜西省榆林市的相關(guān)研究表明，在大區(qū)域整體靜穩(wěn)的情況下，該河谷區(qū)域往往比周邊的大氣污染物堆積速率更快，表現(xiàn)出明顯的大氣環(huán)境容量小于周邊的情況（王琴，2013）。但是也有研究表明，同為新疆境內(nèi)且距離較近的河谷型城市，在一些特定氣象條件下，阜康市和烏蘇市所在區(qū)域經(jīng)常大氣污染會加重，而附近的博樂市大氣污染物反而快速擴散，近地面污染濃度迅速下降（閆晶潔等，2020）。因此，河谷區(qū)域的大氣環(huán)境容量，還應(yīng)結(jié)合天氣條件和人為過程因素，尤其是城市化程度以及城市排放特點等進行綜合考慮。

城市化對近地面大氣污染過程的影響主要是兩個方面：其一，城市冠層獨特的動力（Liu et al.，2023）和熱力因素（陳麗晶等，2017;朱利娟，2017），及其與周邊非城市地區(qū)的顯著差異對大氣邊界層內(nèi)大氣湍流擴散過程產(chǎn)生影響（李煜斌等，2022）。另一方面，以太原為代表的重工業(yè)傳統(tǒng)城市，其人為排放污染物種類多樣復(fù)雜，排放量巨大，且伴隨著大量人為熱和水汽等物質(zhì)的釋放，進一步加劇了區(qū)域排放和大氣傳輸擴散過程的復(fù)雜程度（李曉麗，2020;黃旭豪，2022;朱燕，2022）。

使用中尺度天氣與大氣化學(xué)數(shù)值模式對上述大氣污染過程進行數(shù)值模擬和敏感性數(shù)值實驗，是目前進行相關(guān)研究的重要方法和工具。國際上應(yīng)用比較廣泛的空氣質(zhì)量模式包括：CMAQ通用多尺度空氣質(zhì)量模式（Dennis et al.，1996）、CAMx綜合空氣質(zhì)量模式、NAQPMS嵌套網(wǎng)格空氣質(zhì)量預(yù)報系統(tǒng)（Wu et al.，2014）、RegAEMS區(qū)域大氣環(huán)境模式系統(tǒng)（王德羿等，2020）等。隨著模式的發(fā)展，將氣象過程和大氣化學(xué)過程進行耦合的在線大氣化學(xué)模式，比如WRF-Chem，在機制與模擬結(jié)果方面均表現(xiàn)優(yōu)異（Tie et al.，2009;Wang et al.，2012;Wu et al.，2013;Wang et al.，2014;朱彬等，2021;梁周彤等，2022），從而被廣泛應(yīng)用于考慮氣象、地形與地表利用類型、人為與自然排放因素等復(fù)雜因素的中尺度數(shù)值模擬研究中（Zhang et al.，2015;Sha et al.，2019）。

本文基于WRF-Chem模式，通過修改替換局地地形高度特征，對太原市及所在的汾河谷地大部分區(qū)域內(nèi)于2015年1月21—26日之間發(fā)生的一次典型污染過程中的大氣邊界層環(huán)流特征、大氣環(huán)境容量和大氣顆粒物PM2.5的濃度的時空分布進行了數(shù)值模擬分析和敏感性實驗，進一步分析了城市周邊地形分布對于局地大氣污染物濃度積累速率和大氣環(huán)境容量之間的相關(guān)性，最終了解其擴散傳輸機制特征。該研究對于評估河谷城市大氣環(huán)境容量稟賦，制定旨在緩解與改善大氣污染形勢的政策與工作計劃具有較好的科學(xué)研究價值和應(yīng)用需求。

1 數(shù)據(jù)和方法

1.1 WRF-Chem模型及其參數(shù)設(shè)置

本研究使用的WRF-Chem4.3.1模型是一款中尺度在線三維大氣化學(xué)歐拉模型（https：／／ruc.noaa.gov／wrf／wrf-chem／），考慮了比較復(fù)雜的物理和化學(xué)過程（Grell et al.，2005）。本研究所設(shè)置的模擬區(qū)域和嵌套關(guān)系見圖1a。外層區(qū)域的中心坐標為（112.5°E，37.87°N），三層模擬區(qū)域的網(wǎng)格分辨率分別為32、8和2 km。Domain01包括中國大部分地區(qū)以及蒙古，中國東部的部分國家和海域，Domain02為以山西省為中心包括其周邊省市區(qū)域，Domain03主要為山西省汾河谷地大部分區(qū)域。

模擬使用NCEP FNL數(shù)據(jù)（https：／／rda.ucar.edu／）作為氣象初值場，排放源數(shù)據(jù)包括燃燒源（https：／／www.acom.ucar.edu／Data／fire／），生物源以及化學(xué)初邊界條件（https：／／www.acom.ucar.edu／wrf-chem／download.shtml），均由美國國家大氣研究中心（NCAR）公開發(fā)布的數(shù)據(jù)所提供。

1.2 數(shù)值模擬敏感性實驗設(shè)置

為了探索汾河谷地地形因素對大氣污染物擴散的影響，本研究設(shè)置了對區(qū)域地形高度進行修改的數(shù)值模擬敏感性實驗，實驗組和對照組如表1所示。圖1a為WRF-Chem模擬嵌套區(qū)域設(shè)置，圖1b為Domain03模擬區(qū)域原始地形高度填色圖，其中紅色格點表示下墊面為城市，藍色格點表示下墊面為水域，圖1c為修改地形后Domain03模擬區(qū)域的地形高度。

1.3 觀測數(shù)據(jù)介紹

本文使用的環(huán)境空氣質(zhì)量監(jiān)測數(shù)據(jù)主要來源于中國環(huán)境監(jiān)測總站公布，本研究選取來自太原市城區(qū)和郊區(qū)的共9個觀測站點，分別是金勝、南寨、塢城、桃園、小店、晉源、上蘭、澗河和尖草坪;數(shù)據(jù)內(nèi)容包括空氣質(zhì)量指數(shù)（AQI）、空氣質(zhì)量指數(shù)類別、首要污染物、以及六大污染物的逐時數(shù)據(jù)。本研究主要針對其中的PM2.5和PM10，應(yīng)用其逐小時濃度，對其中城區(qū)站進行平均后代表太原市近地面逐時濃度，并據(jù)此對模擬結(jié)果進行驗證和對比研究，單位是μg／m3。

1.4 數(shù)據(jù)檢驗方法

為了能更直觀地描述區(qū)域近地面大氣擴散污染物的能力，并以此得到城市周邊地形對城市大氣污染物容納能力的影響，我們定義大氣環(huán)境容量指數(shù)（Atmospheric Environmental Capacity Index，AECI）。AECI由行星邊界層高度以及其以下不同高度的水平風(fēng)速決定，具體公式為：

式中：PBLH（Planetary Boundary Layer Height）表示W(wǎng)RF-Chem模式結(jié)果中行星邊界層高度;ui和vi表示行星邊界層高度以下的西東向風(fēng)速和南北向風(fēng)速;求和范圍為模式中邊界層以及以下所有垂直層;zn表示行星邊界層高度所在層數(shù)。

2 結(jié)果與討論

2.1 WRF-Chem中PM2.5近地面濃度模擬和觀測對比驗證

PM2.5是近年來太原市的首要大氣污染物。圖2為觀測和模擬得到的該區(qū)域近地面平均PM2.5質(zhì)量濃度的時間序列。圖2a是PM2.5逐小時濃度的模擬與觀測數(shù)據(jù)對比。由觀測數(shù)據(jù)可知，這是一次以PM2.5為首要污染物的污染過程，從22日20時（北京時，下同）起污染質(zhì)量濃度達到100 μg／m3左右，并持續(xù)到26日12時為止，期間出現(xiàn)了兩次污染峰值，分別發(fā)生在23日1時左右和26日00時左右，極大值分別達到175和285 μg／m3。WRF-Chem的模擬結(jié)果定性上基本正確表達了這次過程中近地面污染濃度起伏變化的特征：在模擬時序中，主要污染時段集中在24—26日，污染的重點時刻基本與觀測吻合，但是PM2.5質(zhì)量濃度的定量值相對于觀測值整體有明顯的低估，這主要是所使用的排放清單輸入誤差所致。

由于排放清單誤差不是本研究主要關(guān)注的問題，而為了更好地結(jié)合模式與觀測的數(shù)值進行機制的同時分析，圖2b展示了PM2.5質(zhì)量濃度隨時間的變化率的歸一化時間序列。圖中縱坐標表示將逐時質(zhì)量濃度對時間的導(dǎo)數(shù)根據(jù)該時段滑動平均質(zhì)量濃度進行歸一化處理之后得到的質(zhì)量濃度時間序列，這樣可以忽略模擬結(jié)果因排放數(shù)據(jù)缺失所造成的誤差，而專注于單位排放強度造成的污染濃度值隨時間的變化特征。而這一時間變化主要與環(huán)境容量影響有關(guān)。由圖2b發(fā)現(xiàn)，模擬和觀測的定量值和變化趨勢基本一致，這就說明WRF-Chem模式可以較為準確地重現(xiàn)該研究區(qū)域內(nèi)PM2.5小時質(zhì)量濃度受氣象、地形以及其他與環(huán)境變量有關(guān)因素的影響。該模擬作為本研究中模擬工作的基準和后續(xù)敏感性數(shù)值實驗的對照組。

2.2 大氣邊界層高度和近地面風(fēng)速的地形敏感性實驗

大氣邊界層內(nèi)湍流和對流作用對于熱量、水汽、動量以及大氣污染物的傳輸過程起著重要作用。復(fù)雜地形會影響區(qū)域近地面大氣的熱力過程和動力過程。因地形差異造成近地面大氣熱力不均勻，會導(dǎo)致山谷風(fēng)環(huán)流的日變化并造成垂直逆溫層高度和厚度的變化，最終影響PBLH的日變化特征;而地形崎嶇還造成地-氣界面粗糙高度的增加和水平分布的不均勻，從而對近地面風(fēng)速及其空間分布造成影響。

圖3為汾河谷地內(nèi)PBLH和近地面風(fēng)場水平分布的模擬結(jié)果。其中，黑色實線為地形等高線，圖3a—d表示對照組實驗中800～2 000 m的海拔高度范圍，每200 m為一條等值線;在圖3e—h中表示消除地形的敏感組實驗中50～200 m海拔高度范圍，每50 m為一條等值線;黑色箭頭代表近地面水平風(fēng)速的大小，填色表示行星邊界層高度，即邊界層頂高度與正下方地面海拔高度之差;太原位于圖中☆所處位置。從圖3a—d的對照組模擬結(jié)果可知，汾河谷地三面環(huán)山，呈簸箕形狀，受該特殊山地地形的影響，山谷上空的行星邊界層高度的日變化相較于四周山地區(qū)域更加明顯。2015年1月25日早上（08時）和夜間（20時）行星邊界層高度較低，中午（12時）至下午時段（16時）行星邊界層高度較高，谷地地區(qū)（以太原為例）行星邊界層高度變化幅度為600 m，而其周圍的山地地區(qū)行星邊界層高度變化幅度僅有200 m左右。受地形動力強迫作用影響，近地面風(fēng)速大都沿著山地等高線方向，山地泄流風(fēng)特征明顯。太原市區(qū)附近的大氣邊界層高度在中午12時沒有較明顯地顯示出高于周邊郊區(qū)的特點，16時和20時這兩個時刻稍有顯示。整體城市熱島效應(yīng)不太明顯。

從圖3e—h消除了山谷地形之后的敏感性實驗中可知，模擬區(qū)域內(nèi)大氣邊界層高度分布及其日變化與對照組中產(chǎn)生了很大的差異：實驗組得到的日間的高值比對照組的相應(yīng)結(jié)果更高，而夜間則相反，實驗組的大氣邊界層高度不僅低于日間，并且比對照組的更低。兩組模擬中2015年1月25日的太原市區(qū)范圍內(nèi)，對照組實驗中當(dāng)日大氣邊界層高度最高值為800 m，最低值為200 m;而在擦除地形后的敏感組中，兩者分別為1 200 m和100 m。同時敏感組中的近地面10 m風(fēng)速的日變化也更加明顯，風(fēng)向不再受地形影響。另外，敏感性實驗結(jié)果中，幾乎所有圖中時刻在太原市區(qū)或者略下風(fēng)向位置上的邊界層高度均明顯高于周邊，結(jié)合近地面風(fēng)場也存在明顯的向市區(qū)位置輻合的現(xiàn)象，即敏感組中太原市城市熱島效應(yīng)強烈。對比兩組實驗認為，太原周邊河谷盆地地形的存在對于城市熱島環(huán)流有明顯的抑制作用，也可以理解為地形主導(dǎo)的環(huán)流，其能量強于城市熱島，故抑制了其生長發(fā)育過程。

圖3i—l是上述敏感組與對照組模擬結(jié)果之差，由填色水平分布來表示，其中暖色區(qū)域表示敏感組邊界層頂高于對照組，冷色區(qū)域則相反;圖中矢量表示敏感組與對照組的近地面風(fēng)場模擬結(jié)果的矢量差。可知，大氣邊界層高度與近地面大氣環(huán)流存在明顯的地形敏感性，且該敏感性存在較為明顯的日變化特征和城郊差異。具體來說，敏感組的大氣邊界層高度在日間總體高于對照組而夜間正好相反，說明該地區(qū)河谷地形的存在一方面明顯抑制了區(qū)域內(nèi)日間大氣邊界層高度的向上發(fā)展，另一方面又對傍晚至夜間大氣邊界層高度的快速下降造成一定的阻滯作用。結(jié)合近地面風(fēng)場結(jié)果分析，敏感組明顯缺少了對照組的山谷風(fēng)環(huán)流，且由于地形變得平坦，近地面平均風(fēng)速有明顯的增加，同時城市附近表現(xiàn)出明顯的熱島中心近地面輻合風(fēng)場特征。說明對照組中河谷地形的存在對于區(qū)域內(nèi)平均風(fēng)速和太原城市熱島效應(yīng)均有比較明顯的抑制。

2.3 汾河谷地近地面大氣環(huán)境容量二維分布

圖4為對照組中大氣環(huán)境容量水平分布。根據(jù)圖2的PM2.5質(zhì)量濃度時間序列可知，PM2.5質(zhì)量濃度在1月22日不超過100 μg／m3，在25日則達到200 μg／m3以上，因此選取22日與25日分析其大氣環(huán)境容量情況。圖4a—d為在PM2.5濃度較低時，1月22日08時、12時、16時、20時的AECI分布，AECI在早上（08時）和夜晚（20時）較低，在中午前后（12時和16時）達到峰值。圖4e—h為在PM2.5質(zhì)量污染較為嚴重的一天，1月22日08時、12時、16時、20時的AECI分布，AECI的日變化趨勢與大氣狀況良好時保持一致，早晚低值，中午前后則出現(xiàn)高值，這與行星邊界層高度的變化密切相關(guān)。早上和夜間大氣邊界層較低，不利于污染物垂直擴散，則所能容納的污染物最大排放量較小;而中午前后大氣邊界層達到峰值，大氣污染物垂直方向混合良好，則所能容納的污染物最大排放量較高。

同時，AECI也考慮了水平風(fēng)速提供的大氣擴散能力。如圖4c、g所示，太原區(qū)域25日16時的AECI相比于22日同時刻較低。圖7可知，22日與25日太原的日間行星邊界層高度差距并不大，甚至在25日16時的高度反而更高，但此時的PM2.5質(zhì)量濃度卻處于一個小高峰，達到80 μg／m3。這是因為此時的水平風(fēng)速處于低值，為靜風(fēng)狀態(tài)，大氣擴散能力顯著降低，可見大氣環(huán)境容量可以較好地表征和預(yù)測近地面大氣污染濃度的變化，而大氣環(huán)境容量受垂直擴散能力（即大氣邊界層高度）與水平擴散輸送能力（與水平風(fēng)速成正比）的共同作用。

圖5為削去地形因素的敏感組中AECI水平分布。與圖4相比較，當(dāng)風(fēng)向為偏南或偏北時，AECI在河谷內(nèi)大于無地形情況，如圖4a和圖5a所示，太原附近均為偏南風(fēng)，太原的AECI大于無地形情況;而當(dāng)風(fēng)向為偏東或偏西時，AECI在河谷內(nèi)則小于無地形情況，如圖4g和圖5g所示，太原附近均吹偏西風(fēng)且風(fēng)速較小，太原的AECI小于無地形情況。這可能是因為汾河谷地在太原周邊表現(xiàn)為南北方向狹長的特點，當(dāng)風(fēng)向順應(yīng)山脈走向時，在山地中的各類高度落差中形成狹管效應(yīng)，從而增大風(fēng)速;而當(dāng)風(fēng)向橫穿此類狹長形山谷時，高大山地會阻擋風(fēng)場發(fā)展，導(dǎo)致風(fēng)速較小且風(fēng)向較混亂。

圖6為敏感組與對照組中求得的AECI水平分布的差值。由圖6a—d可知，兩個模擬時段中當(dāng)近地面風(fēng)速以北風(fēng)為主，風(fēng)速較低且各自的邊界層高度均較低時，敏感組的AECI相對對照組更低，顯示在靜穩(wěn)氣象條件中平坦地形更有利于地表輻射冷卻并造成近地面熱力垂直逆溫的生成和增強，山地地形反而造成河谷盆地內(nèi)大氣邊界層保持一定的高度，進而維持太原城市夜間及清晨的大氣環(huán)境容量不至于太低;而圖6f—h中所示時段，風(fēng)速相比上述稍大，且以偏南風(fēng)為主，此時無地形的敏感組中太原城區(qū)的AECI相對更高，結(jié)合上文的分析，主要是偏南風(fēng)在南寬北窄的河谷地形內(nèi)形成了較大的風(fēng)阻，不利于大氣環(huán)境容量的發(fā)展。

2.4 區(qū)域近地面PM2.5質(zhì)量濃度垂直分布特征的地形敏感性實驗

圖7是汾河谷地近地面平均PM2.5質(zhì)量濃度的時間序列。首先兩組實驗結(jié)果中均顯示該區(qū)域大氣邊界層高度存在明顯的日變化，即日間大氣邊界層較高，從08時之后開始上升，到16時左右達到峰值，隨后迅速降低。夜間大多數(shù)時間大氣邊界層高度明顯低于日間。但是兩組結(jié)果也存在顯著的不同：敏感組中的大氣邊界層高度表現(xiàn)出比對照組更大幅度的日變化，對照組的日間最高值在800 m左右，最低值在200 m左右;而敏感組中最高值在1 200 m左右，而最低值在50 m左右;并且敏感組大氣邊界層高度在傍晚下降速率更大，夜間低值維持時間更長。

兩組模擬中城市水平風(fēng)速和大氣邊界層高度日變化的差異對PM2.5質(zhì)量濃度垂直分布及其日變化也造成明顯差異。模擬中可見2015年1月24日傍晚至26日白天，汾河谷地經(jīng)歷了一次嚴重的大氣污染過程。在此期間，兩組模擬中的大氣邊界層高度總體比其他時間稍低，且日變化幅度相對較小，大致維持在100 m至450 m之間。同期大氣污染物濃度也達到研究時段的峰值，約180 μg／m3;至26日午后大氣邊界層升高，大氣污染擴散條件轉(zhuǎn)好，PM2.5質(zhì)量濃度降低，污染過程結(jié)束。

相比于基準模擬結(jié)果，地形敏感組模擬結(jié)果中該污染時段持續(xù)時間更短，PM2.5總體質(zhì)量濃度更低，峰值質(zhì)量濃度僅有120 μg／m3，且因為白天行星邊界層高度更高，近地面濃度低于基準對照組，而邊界層上部濃度高于基準對照組，表示在敏感組中有更多的近地面污染物能夠垂直向上輸送。這一結(jié)果與前文關(guān)于大氣邊界層高度的討論相吻合：即敏感組中同一時段該區(qū)域有更高的大氣邊界層高度，對近地面大氣污染物向高處擴散更加有利，即大氣環(huán)境容量更大，從而近地面濃度相應(yīng)下降較快。

2.5 汾河谷地PM2.5質(zhì)量濃度空間分布

2.5.1 汾河谷地PM2.5水平分布

大氣污染擴散受天氣過程、區(qū)域山地地形分布以及跨區(qū)域傳輸?shù)榷喾N因素的共同影響。圖8為對照模擬案例中汾河谷地1月25、26日08—10時PM2.5質(zhì)量濃度水平分布，可以看到，PM2.5質(zhì)量濃度分布特征與地形等高線有很強的相關(guān)性，25、26日，近地面PM2.5高質(zhì)量濃度區(qū)主要集中在汾河谷地，尤其是太原城市以及下風(fēng)向區(qū)域。

汾河谷地三面環(huán)山的地形條件導(dǎo)致較差的大氣擴散條件。如圖8a—c所示，當(dāng)汾河谷地地區(qū)有偏南風(fēng)時，對照組各時刻的PM2.5質(zhì)量濃度整體較高主要是本地排放疊加南部地區(qū)大氣污染物的區(qū)域輸送，又因太原城市周邊山地呈聚攏收縮狀，河谷區(qū)域內(nèi)水平風(fēng)速總體較小，結(jié)合前文圖3又知該時段區(qū)域大氣邊界層高度也受到地形作用的抑制無法快速升高，導(dǎo)致水平和垂直方向大氣擴散能力均較弱，從而大氣污染物在谷地地區(qū)形成快速堆積并形成嚴重的大氣污染過程;如圖8d—f所示，26日08時起，河谷內(nèi)風(fēng)向轉(zhuǎn)變?yōu)槠憋L(fēng)，汾河谷地內(nèi)水平風(fēng)速明顯增大，此時可見PM2.5污染氣團向南部地區(qū)快速移動和擴散，河谷內(nèi)尤其是太原城區(qū)近地面污染物濃度快速降低，至10時左右，該次污染過程結(jié)束。

圖9為敏感組中上述同一區(qū)域和時段中，汾河谷地PM2.5質(zhì)量濃度水平分布及其隨時間的變化，可知，PM2.5質(zhì)量濃度在研究區(qū)域內(nèi)的水平分布相比圖8a—c更加均勻，城市區(qū)域水平風(fēng)速整體更大，未見污染物堆積，即近地面PM2.5質(zhì)量濃度相較于圖8同時段明顯更低：圖8中25日城市區(qū)域大氣污染物濃度最高已達100～120 μg／m3，而圖9中對應(yīng)時間最高僅達30～60 μg／m3。而通過圖8d—f和圖9d—f發(fā)現(xiàn)，敏感組結(jié)果中26日PM2.5污染氣團向南輸送擴散過程中，太原市區(qū)近地面PM2.5質(zhì)量濃度相對對照組更低。但由于缺少了地形造成的狹管效應(yīng)，此時敏感組中原汾河谷地的近地面風(fēng)速更小，導(dǎo)致高濃度污染氣團移動速度緩慢，于是敏感組中污染過程的消散階段反較對照組中有所遲緩。

圖10為與圖8—9同時段的敏感組與對照組PM2.5質(zhì)量濃度與風(fēng)速矢量水平分布之差。由圖10a—c可知，PM2.5質(zhì)量濃度的負差值區(qū)域基本與汾河谷地相吻合，這表明對照組中的污染物集中于山谷中，但隨著時間推移，大氣邊界層高度上升，太原城區(qū)附近的PM2.5逐漸擴散，其濃度與敏感組差距減小。在圖10d—f中PM2.5質(zhì)量濃度差值較大的區(qū)域，其風(fēng)速矢量差值也較大，說明在26日08—10時的污染清除過程中，風(fēng)場是主導(dǎo)因素?？梢姽鹊氐匦蔚拇嬖诩扔锌赡芤驗橐种茀^(qū)域大氣環(huán)境容量而加劇谷地內(nèi)近地面污染的堆積，也有可能通過地形狹管效應(yīng)促進污染物從谷地內(nèi)的清除，而具體的作用效果需要結(jié)合地形因素、氣象過程和排放清單情況綜合分析。

2.5.2 汾河谷地PM2.5垂直分布

圖11為汾河谷地PM2.5質(zhì)量濃度垂直分布，以太原市中心緯度37.87°N為橫切面所作的剖面，太原市位于112.5°E附近。圖11a—d是對照組中汾河谷地24日傍晚18時至25日中午12時PM2.5質(zhì)量濃度垂直分布，可以看出，城市區(qū)域處于山谷地帶，東西兩側(cè)均為山脈，24日傍晚至夜間，城市上方高層為偏西風(fēng)，低層為偏東風(fēng)，又因為城市地區(qū)處在山谷地帶，由于流泄風(fēng)的存在，流泄風(fēng)與之相互疊加抵消，導(dǎo)致城市區(qū)域近地面風(fēng)速較小，同時夜間行星邊界層降低，加之冬季取暖有大量的本地排放產(chǎn)生，大氣污染物又無法有效擴散，因此PM2.5質(zhì)量濃度逐漸升高，并堆積在山谷之中。直到25日上午行星邊界層高度再次升高，污染物在山谷中混合均勻，且少量污染物溢出山谷。

圖11e—h是削去地形因素后敏感組汾河谷地PM2.5質(zhì)量濃度垂直分布，可以看出，相對對照組，修改地形后行星邊界層高度變化更加明顯，日間更高，晚上更低，而當(dāng)行星邊界層高度較低時，雖然不利于大氣污染物的擴散，但是由于沒有了山地地形的影響，流泄風(fēng)的作用并不明顯，風(fēng)速幾乎沒有受到影響，有利于污染物的橫向輸送，因此不會造成大氣污染物的在城市區(qū)域的累積。由圖11g和h可以發(fā)現(xiàn)，城市下風(fēng)向的大氣擴散空間較大，污染物被混合更加均勻且濃度較低。同時，由圖11e和f可以看到城市的大氣邊界層高度明顯高于周邊的，體現(xiàn)出較為典型和普遍的城市熱島環(huán)流中心特征。

通過圖11與圖7c地形敏感性實驗對比可知，日間對照組實驗結(jié)果中太原城市上空的大氣邊界層高度低于敏感組結(jié)果，24日18時與25日12時敏感組的行星邊界層高度能達到800 m左右，而在有山地影響下的對照組中僅能達到500～600 m，說明對照組中城市熱島效應(yīng)受到山地抑制，邊界層難以發(fā)展。同時對照組實驗結(jié)果中，地形流泄風(fēng)與城市熱力不均勻性的同向疊加作用造成城市周邊近地面風(fēng)場以城市中心輻合為主，其平均風(fēng)速甚至高于敏感組中的結(jié)果。

2.6 汾河谷地大氣環(huán)境容量與PM2.5質(zhì)量濃度之間的相關(guān)關(guān)系

為了進一步驗證AECI與PM2.5質(zhì)量濃度的關(guān)系，將PM2.5質(zhì)量濃度與1／AECI做正相關(guān)性分析。圖12為汾河流域PM2.5平均質(zhì)量濃度與平均AECI之間的相關(guān)性檢驗結(jié)果。在對照組中，PM2.5質(zhì)量濃度與1／AECI在高值時段與低值時段呈現(xiàn)出明顯不同的相關(guān)性，因此將PM2.5質(zhì)量濃度數(shù)據(jù)以當(dāng)時主要風(fēng)向（偏南北風(fēng)向或者偏東西風(fēng)向）為標準進行區(qū)分分析。由圖12a可以看出，當(dāng)主導(dǎo)風(fēng)向偏東西風(fēng)向時，一方面研究區(qū)域內(nèi)的平均PM2.5質(zhì)量濃度較高，另一方面1／AECI與PM2.5質(zhì)量濃度呈明顯的線性相關(guān)性，相關(guān)系數(shù)為0.74，這表明AECI與PM2.5質(zhì)量濃度呈現(xiàn)顯著的負相關(guān)性;而當(dāng)主導(dǎo)風(fēng)向為南北向時，則PM2.5質(zhì)量濃度總體較低，且二者相關(guān)性較低，相關(guān)系數(shù)僅0.36。這說明主導(dǎo)風(fēng)向沿南北向（也即太原市所在河谷的主要走向時），大氣擴散條件較好，本地排放疊加跨區(qū)域輸送對局地大氣質(zhì)量影響偏弱;反之當(dāng)主導(dǎo)風(fēng)向偏東西時，則大氣擴散條件明顯變差，排放和輸送很容易對局地造成影響，故此時近地面濃度受氣象因素和地形分布特征共同作用，表現(xiàn)為對大氣環(huán)境容量的高敏感性。圖12b是敏感組中所研究區(qū)域的PM2.5平均質(zhì)量濃度與平均AECI之間的相關(guān)性。由圖可知，南北為主和東西為主的兩種背景氣象條件下，1／AECI與PM2.5質(zhì)量濃度的相關(guān)性都非常不顯著，分別僅為0.21和0.06;尤其是對照組中本來易造成局地污染的東西風(fēng)向條件下，二者的相關(guān)性下降更為顯著。這表示消除地形因素后，對近地面污染過程影響因素不再主要以地形造成的局地大氣擴散能力為主，行星邊界層高度與水平風(fēng)速對污染物的影響程度較弱。對比圖12a、b可以說明，太原城市周邊地形主要對東西背景風(fēng)向條件下的大氣環(huán)境容量造成較強影響。推測主要是沿南北方向的汾河河谷地形分布在東西向風(fēng)場條件下，對于太原市及整個河谷盆地內(nèi)的熱力和動力作用更加顯著，即造成河谷地區(qū)近地面水平風(fēng)場的降低、大氣行星邊界層高度和熱力逆溫高度垂直發(fā)展的抑制，進一步嚴重影響了該區(qū)域大氣環(huán)境容量，從而導(dǎo)致大氣污染物在該風(fēng)向下的低空堆積。

3 結(jié)論

本文選取2015年1月21—26日發(fā)生在太原市以及所在的汾河谷地中的重污染天氣過程為研究對象，應(yīng)用WRF-Chem模式對該過程進行數(shù)值模擬，并進一步作減弱地形的敏感性實驗，通過對模擬結(jié)果進行觀測驗證和敏感性對比，分析河谷地形對大氣環(huán)境容量和大氣污染輸送和積累過程的影響機制。結(jié)論如下：

1）太原市及周邊汾河谷地區(qū)域的近地面大氣流場大氣污染物擴散傳輸模態(tài)主要受天氣系統(tǒng)、局地地形分布和城市化的共同影響，WRF-Chem模式可以較好地模擬出本次污染過程中的上述模態(tài)特征及其時間變化趨勢。

2）通過地形敏感性實驗得知，山地地形會壓縮汾河谷地大氣邊界層高度變化幅度。具體表現(xiàn)為：在夜間維持谷地內(nèi)邊界層高度在200～400 m，相應(yīng)地在敏感組較平坦地形條件下夜間可降到僅100 m左右;日間山地地形又對河谷內(nèi)太原市城市熱島環(huán)流的發(fā)展造成明顯抑制，與平坦地形相比日間城市大氣邊界層高度降低了400 m以上，平坦地形疊加靜穩(wěn)或者弱偏北風(fēng)氣象條件時，城區(qū)近地面風(fēng)場的中心輻合以及近地面污染物垂直傳輸?shù)瘸鞘袩釐u特征明顯更強。

3）汾河河谷特有的南北走向且南寬北窄的分布特征造成不同風(fēng)向時該區(qū)域近地面平均風(fēng)速和大氣環(huán)境容量有明顯不同：當(dāng)風(fēng)場順應(yīng)汾河谷地方向，即東北-西南走向時，狹管效應(yīng)造成河谷內(nèi)風(fēng)速偏高，環(huán)境容量增加，有利于區(qū)域污染清除;相反當(dāng)風(fēng)場為西北-東南向時，山地會抑制近地面風(fēng)速，且在谷地與山地交界處形成靜風(fēng)區(qū)。

4）汾河河谷地形與氣象系統(tǒng)的耦合進一步造成不同背景風(fēng)向條件下該區(qū)域大氣環(huán)境容量和大氣污染過程的差異。風(fēng)速較小，或者背景風(fēng)向為西北-東南向，也即與河谷走向近垂直時，該地區(qū)大氣邊界層高度降低，平均風(fēng)速較小，大氣環(huán)境容量較小，更容易引發(fā)大氣污染過程，表現(xiàn)為大氣環(huán)境容量與平均PM2.5濃度的顯著負相關(guān)關(guān)系;而當(dāng)風(fēng)速較大或者風(fēng)向為偏東北-西南走向，即與谷地走向相一致時，地形狹管效應(yīng)增大了近地面風(fēng)速，從而提高了區(qū)域大氣環(huán)境容量并促進污染物擴散，整體上空氣質(zhì)量較好。

城市周邊山地對于城市大氣環(huán)境容量總體呈抑制作用，是大氣污染事件的主要誘因之一，但其具體的影響機制較為復(fù)雜，需要結(jié)合天氣條件、日夜變化做分析。本文的研究對于了解地形與天氣因素對城市環(huán)境容量的影響機制具有科學(xué)價值，對未來該地區(qū)制訂環(huán)境治理和達標政策具有應(yīng)用需求。

參考文獻（References）

曹娟，2022.汾河流域晉中市大氣臭氧污染特征及成因分析［D］.北京：中國環(huán)境科學(xué)研究院. Cao J，2022.Characterization and causes analysis of ground-level ozone in a typical city in Fen River Basin-Jinzhong［D］.Beijing：Chinese Research Academy of Environmental Sciences.（in Chinese）.

陳麗晶，張鐳，梁捷寧，等，2017.半干旱區(qū)不同下墊面大氣湍流通量比較分析［J］.高原氣象，36（5）：1325-1335. Chen L J，Zhang L，Liang J N，et al.，2017.Analysis of turbulent flux on different underlying surfaces over semi-arid area［J］.Plateau Meteor，36（5）：1325-1335.doi：10.7522／j.issn.1000-0534.2016.00101.（in Chinese）.

Dennis R L，Byun D W，Novak J H，et al.，1996.The next generation of integrated air quality modeling：EPA’s models-3［J］.Atmos Environ，30（12）：1925-1938.doi：10.1016／1352-2310（95）00174-3.

Fan Y Q，Hou L，Yan K X，2018.On the density estimation of air pollution in Beijing［J］.Econ Lett，163：110-113.doi：10.1016／j.econlet.2017.12.020.

Grell G A，Peckham S E，Schmitz R，et al.，2005.Fully coupled “online” chemistry within the WRF model［J］.Atmos Environ，39（37）：6957-6975.doi：10.1016／j.atmosenv.2005.04.027.

侯玉昊，2022.汾渭平原PM2.5時空變異及典型污染城市傳輸特征研究［D］.楊凌：西北農(nóng)林科技大學(xué). Hou Y H，2022.Spatial and temporal variation of PM2.5 and transport characteristics of typical polluted cities in Fen-Wei Plain［D］.Yangling：Northwest A ＆ F University.（in Chinese）.

黃旭豪，2022.復(fù)雜熱力環(huán)境下墊面氣載污染物遷移擴散及多態(tài)特性研究［D］.衡陽：南華大學(xué). Huang X H，2022.Study on the Migration，diffusion and Polymorphic Characteristics of Airborne Pollutants on the Cushion Surface under Complex Thermal Environment［D］.Hengyang：University of South China.（in Chinese）.

姬藝珍，2021.汾渭平原大氣污染特征的研究［D］.南京：南京信息工程大學(xué). Ji Y Z，2021.Study on the characteristics of air pollution in Fenwei Plain［D］.Nanjing：Nanjing University of Information Science and Technology.（in Chinese）.

李霞，賈健，2016.復(fù)雜地形多尺度氣流對城市大氣污染影響的研究進展［J］.沙漠與綠洲氣象，10（6）：1-10. Li X，Jia J，2016.Research of the influences of the air flows on multiple scales on the transport and diffusion mechanisms of urban air pollution over the complex terrains［J］.Desert Oasis Meteor，10（6）：1-10.doi：10.3969／j.issn.1002-0799.2016.06.001.（in Chinese）.

李曉麗，2020.下墊面信息優(yōu)化對京津冀氣象場及空氣污染物濃度場模擬影響研究［D］.天津：天津師范大學(xué). Li X L，2020.Study on the influence of information optimization of underlying surface on the simulation of meteorological field and air pollutant concentration field in Beijing，Tianjin and Hebei［D］.Tianjin：Tianjin Normal University.（in Chinese）.

Li X W，Zhou X J，Li W L，et al.，1995.The cooling of Sichuan Province in recent 40 years and its probable mechanisms［J8b422296fc7bcf788c0178a0d192e030c2d18fa2a9b7fb66276e7cb692d47cd0］.Acta Meteorol Sin，9（1）：57-68.

李煜斌，姜蘊聰，楊元建，等，2022.西安市PM2.5城鄉(xiāng)差異及與城市熱島的關(guān)聯(lián)研究［J］.大氣科學(xué)學(xué)報，45（6）：904-916. Li Y B，Jiang Y C，Yang Y J，et al.，2022.The correlation between urban-rural PM2.5 difference and urban heat island intensity in Xi’an［J］.Trans Atmos Sci，45（6）：904-916.doi：10.13878／j.cnki.dqkxxb.20210113002.（in Chinese）.

李占清，2020.氣溶膠對中國天氣、氣候和環(huán)境影響綜述［J］.大氣科學(xué)學(xué)報，43（1）：76-92. Li Z Q，2020.Impact of aerosols on the weather，climate and environment of China：an overview［J］.Trans Atmos Sci，43（1）：76-92.doi：10.13878／j.cnki.dqkxxb.20200115005.（in Chinese）.

梁周彤，唐文瀚，曾寧，等，2022.基于WRF模式的京津冀地區(qū)地表大氣CO2濃度的模擬研究［J］.大氣科學(xué)學(xué)報，45（3）：387-396. Liang Z T，Tang W H，Zeng N，et al.，2022.Simulation of surface atmospheric CO2 concentration in Beijing-Tianjin-Hebei region based on WRF model［J］.Trans Atmos Sci，45（3）：387-396.doi：10.13878／j.cnki.dqkxxb.20220228018.（in Chinese）.

Liu Z X，Chen Y H，Wang Y H，et al.，2023.The development and validation of the Inhomogeneous Wind Scheme for Urban Street （IWSUS-v1）［J］.Geosci Model Dev，16：4385-4403.

呂芳，楊宇鑫，楊俊，2023.氣溶膠光學(xué)厚度與PM2.5濃度的時空分布特征及其關(guān)系：以京津冀大氣污染傳輸通道城市群為例［J］.生態(tài)學(xué)報，43（1）：153-165. L F，Yang Y X，Yang J，2023.Spatiotemporal distribution characteristics and relationship analysis of aerosol optical depth and PM2.5 concentration：taking the “2+26” urban agglomeration as an example［J］.Acta Ecol Sin，43（1）：153-165.doi：10.5846／stxb202204100936.（in Chinese）.

Sha T，Ma X Y，Jia H L，et al.，2019.Aerosol chemical component：simulations with WRF-Chem and comparison with observations in Nanjing［J］.Atmos Environ，218：116982.doi：10.1016／j.atmosenv.2019.116982.

沈海萍，盧瑛瑩，黃冠中，2015.浙江省工業(yè)煙粉塵總量控制研究［J］.環(huán)境污染與防治，37（3）：22-26. Shen H P，Lu Y Y，Huang G Z，2015.Research on the total quantity control for the industrial smoke and dust in Zhejiang Province［J］.Environ Pollut Contr，37（3）：22-26.doi：10.15985／j.cnki.1001-3865.2015.03.006.（in Chinese）.

孫永，王詠薇，高陽華，等，2019.復(fù)雜地形條件下城市熱島及局地環(huán)流特征的數(shù)值模擬［J］.大氣科學(xué)學(xué)報，42（2）：280-292. Sun Y，Wang Y W，Gao Y H，et al.，2019.Numerical simulation of urban heat island and local circulation characteristics under complex terrain conditions［J］.Trans Atmos Sci，42（2）：280-292.doi：10.13878／j.cnki.dqkxxb.20180204001.（in Chinese）.

Tie X，Madronich S，Li G，et al.，2009.Simulation of Mexico City plumes during the MIRAGE-Mex field campaign using the WRF-Chem model［J］.Atmos Chem Phys，9（14）：4621-4638.doi：10.5194／acp-9-4621-200910.5194／acpd-9-9221-2009.

王德羿，王體健，韓軍彩，等，2020.“2+26”城市大氣重污染下PM2.5來源解析［J］.中國環(huán)境科學(xué)，40（1）：92-99. Wang D Y，Wang T J，Han J C，et al.，2020.Source apportionment of PM2.5 under heavy air pollution conditions in “2+26” cities［J］.China Environ Sci，40（1）：92-99.doi：10.19674／j.cnki.issn1000-6923.2020.0010.（in Chinese）.

王慧麗，毛靜，2022.汾渭平原PM2.5時空分布與演變特征分析［J］.地域研究與開發(fā)，41（5）：165-172. Wang H L，Mao J，2022.Spatial-temporal variation and evolution characteristics analysis of PM2.5 in Fenwei Plain［J］.ALPxC1mkFeeufM0PJioJcoHutoH41fje1QkDvbXsE+OA=real Res Dev，41（5）：165-172.doi：10.3969／j.issn.1003-2363.2022.05.026.（in Chinese）.

王蒙，2021.典型地形下大氣邊界層演變及其對空氣污染的影響［D］.蘭州：蘭州大學(xué). Wang M，2021.Evolution of atmospheric boundary layer over typical terrain and its impact on air pollution［D］.Lanzhou：Lanzhou University.（in Chinese）.

王琴，2013.基于MM5／CALPUFF研究榆林市大氣擴散條件及環(huán)境容量［D］.西安：長安大學(xué). Wang Q，2013.Study of the diffusion conditions of atmospheric pollutants and atmospheric environment capacity in Yulin City based on MM5 and CALPUFF Models［D］.Xi’an：Chang’an University.（in Chinese）.

Wang T J，Jiang F，Deng J J，et al.，2012.Urban air quality and regional haze weather forecast for Yangtze River Delta region［J］.Atmos Environ，58：70-83.doi：10.1016／j.atmosenv.2012.01.014.

王孝維，2006.復(fù)雜地形大氣質(zhì)量預(yù)測模型探討［J］.科技情報開發(fā)與經(jīng)濟（9）：182-183. Wang X W，2006.Discussion on the forecasting model of the air quality in intricate terrain areas［J］.Sci Tech Inf Dev Econ（9）：182-183.（in Chinese）.

Wang Z F，Li J，Wang Z，et al.，2014.Modeling study of regional severe hazes over mid-eastern China in January 2013 and its implications on pollution prevention and control［J］.Sci China Earth Sci，57（1）：3-13.doi：10.1007／s11430-013-4793-0.

Wu D W，F(xiàn)ung J C H，Yao T，et al.，2013.A study of control policy in the Pearl River Delta region by using the particulate matter source apportionment method［J］.Atmos Environ，76：147-161.doi：10.1016／j.atmosenv.2012.11.069.

Wu Q，Xu W，Shi A，et al.，2014.Air quality forecast of PM10 in Beijing with Community Multi-scale Air Quality Modeling （CMAQ） system：emission and improvement［J］.Geosci Model Dev，7（5）：2243-2259.doi：10.5194／gmd-7-2243-201410.5194／gmdd-7-3403-2014.

Xie Y J，Zhao L J，Xue J，et al.，2018.Methods for defining the Scopes and priorities for joint prevention and control of air pollution regions based on data-mining technologies［J］.J Clean Prod，185：912-921.doi：10.1016／j.jclepro.2018.03.101.

熊智林，2019.區(qū)域氣候模式下京津冀霧霾模擬及其成因研究［D］.北京：華北電力大學(xué). Xiong Z L，2019.Simulation of haze in beijing-Tianjin-hebei region and causes based on regional climate model［D］.Beijing：North China Electric Power University.（in Chinese）.

閆晶潔，李艷紅，馬瑩萍，2020.天山北坡河谷型城市大氣NO2和SO2時空變化及影響因素分析［J］.生態(tài)與農(nóng)村環(huán)境學(xué)報，36（10）：1268-1275.Yan J J，Li Y H，Ma Y P，2020.Study on temporal and spatial variation of atmospheric NO2 and SO2 and analysis of influencing factors in valley-type cities on the northern slope of Tianshan Mountains［J］.J Ecol Rural Environ，36（10）：1268-1275.doi：10.19741／j.issn.1673-4831.2020.0293.（in Chinese）.

Zhang L，Wang T，Lv M Y，et al.，2015.On the severe haze in Beijing during January 2013：unraveling the effects of meteorological anomalies with WRF-Chem［J］.Atmos Environ，104：11-21.doi：10.1016／j.atmosenv.2015.01.001.

張茹婷，陳傳敏，吳華成，等，2022.京津冀煤改電對PM2.5濃度的影響［J］.中國環(huán)境科學(xué)，42（3）：1022-1031. Zhang R T，Chen C M，Wu H C，et al.，2022.Impact of the coal-to-electricity policy on PM2.5 concentration in Beijing-Tianjin-Hebei region［J］.China Environ Sci，42（3）：1022-1031.doi：10.19674／j.cnki.issn1000-6923.2022.0071.（in Chinese）.

Zhao T L，Liu D，Zheng X B，et al.，2017.Revealed variations of air quality in industrial development over a remote plateau of Southwest China：an application of atmospheric visibility data［J］.Meteor Atmos Phys，129（6）：659-667.doi：10.1007／s00703-016-0492-7.

Zheng X B，Kang W M，Zhao T L，et al.，2008.Long-term trends in sunshine duration over Yunnan-Guizhou Plateu in Southwest China for 1961—2005［J］.Geophys Res Lett，35（15）：386-390.doi：10.1029／2008GL034482.

朱彬，智利蓉，盧文，等，2021.南京及周邊黑碳氣溶膠對臭氧影響的觀測分析和數(shù)值模擬［J］.大氣科學(xué)學(xué)報，44（4）：626-635. Zhu B，Zhi L R，Lu W，et al.，2021.Observation alanalysis and numerical simulation of effect of black carbon on ozone in Nanjing and its surrounding areas［J］.Trans Atmos Sci，44（4）：626-635.doi：10.13878／j.cnki.dqkxxb.20190415002.（in Chinese）.

朱利娟，2017.不同下墊面大氣顆粒物濃度變化規(guī)律及其干沉降通量［D］.北京：北京林業(yè)大學(xué). Zhu L J，2017.The change regularity of particulate matter concentration and dry deposition in different surface［D］.Beijing：Beijing Forestry University.（in Chinese）.

朱燕，2022.長江流域中游兩湖盆地大氣顆粒物時空變化及其下墊面的影響作用［D］.南京：南京信息工程大學(xué). Zhu Y，2022.Temporal and spatial changes of atmospheric particulate matter and its underlying surface in the middle reaches of the Yangtze River Basin and the two lakes basin［D］.Nanjing：Nanjing University of Information Science ＆ Technology.（in Chinese）.

Numerical simulation and sensitivity analysis of atmospheric environmental capacity and air pollution processes in Fen River Valley

Abstract Recent years have seen rapid industrialization and urbanization in China，leading to increased urban energy consumption and atmospheric pollutant emissions，posing severe air pollution challenges in some cities.The Fen River Valley，a critical area for air pollution prevention and control，experiences significant influences on pollutant dispersion within the atmospheric boundary layer due to its distinctive basin topography and the urban heat island effects of its large internal cities.This study employs the WRF-Chem model to investigate a severe pollution event in the Fen River Valley and Taiyuan City in January 2015.The study includes numerical simulations of the pollution process，observational validations，and terrain sensitivity experiments.It utilizes boundary layer height and wind speed to establish the Atmospheric Environment Capacity Index （AECI），quantifying the atmospheric dispersion capability.This index，along with the spatiotemporal distribution of PM2.5 concentrations，assesses the impact of surrounding terrain on local air pollution，providing a scientific basis for air pollution control policy formulation.Results show that atmospheric boundary layer circulation and pollutant transport in Taiyuan City and the surrounding Fen River Valley are influenced by weather systems，terrain，and urbanization.Terrain-induced circulation intensity significantly outweighs the urban heat island circulation in Taiyuan and markedly impacts its development.At night，mountainous terrain confines the boundary layer height within 200 to 400 m，while a weakened terrain sensitivity group shows only about 100 m.However，during the day，mountains compress the boundary layer height by more than 400 m in the sensitive group.Thus，to some extent，mountains limit urban atmospheric capacity，exacerbating the accumulation of near-surface air pollutants and deteriorating air quality.This is primarily evidenced by the experiment’s terrain-sensitive group，where weakening the surrounding valley’s topographic features in Taiyuan slows the PM2.5 concentration rise during the accumulation phase，aligning with the Fen River Valley dynamics.Terrain is identified as a primary factor affecting the distribution of atmospheric pollutants.The Fen River Valley’s north-south orientation and its broader southern section influence regional atmospheric capacity，dictated by prevailing wind directions.When the dominant wind direction aligns with the valley’s orientation，the increased wind speed due to the venturi effect enhances the valley’s atmospheric capacity，facilitating pollutant dispersion and clearance.Conversely，when the dominant wind direction is perpendicular to the valley，mountainous terrain suppresses near-surface wind speeds and forms lower wind zones at the interface of the valley and mountains，significantly reducing the area’s atmospheric capacity.This reduction strongly correlates with near-surface pollutant concentrations，with a correlation coefficient of 0.74;this correlation drops to 0.21 in the terrain-sensitive group，further underscoring the significant impact of terrain on air pollution processes.Overall，the surrounding mountains inhibit urban atmospheric capacity，particularly by accelerating the concentration increase during the pollutant accumulation phase.However，the specific mechanisms are complex and vary with different wind directions and diurnal cycles，suggesting that future research could further investigate the interactions between meteorological and topographical factors and propose more effective environmental management strategies.

Keywords Fen River Valley;atmospheric environment numerical simulation;WRF-Chem;terrain and land use;mountain-valley breeze