石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

农村散煤替代对PM2.5污染影响及健康效益评估——以河南省为例

基于2016年河南省农村污染物排放清单,采用县级优化模型,设置了基准和散煤治理2种情景,评估了2025年1月份河南省农村散煤替代的减排潜力,利用空气质量模型（WRF-CMAQ）模拟其对PM_2.5污染改善的贡献,并采取泊松回归模型分析了相应的居民健康效益.结果表明,由于围护结构改造的成本较低及保温效果显著,其与采暖设备的组合技术在河南省农村家庭是最适合推广的采暖技术.在散煤治理情景下,2025年1月河南省农村居民燃烧源的SO₂,NO_x,CO,PM₁₀,PM_2.5,VOCs,NH₃排放量与基准情景相比分别下降了98.3%,82.6%,99.8%,99.2%,98.8%,98.2%和99.4%.散煤治理情景下河南省2025年1月PM_2.5浓度模拟结果与基准情景相比下降4.1μg/m³,可以避免2220人过早死亡,带来23.5亿元经济效益.     

京津冀“以电代煤”替代大气污染物排放清单

本研究建立了基于人工神经网络的民用散煤燃用量估算模型,得到了京津冀地区“以电代煤”替代民用散煤大气污染物排放清单.结果表明：截止到2018年,京津冀地区“以电代煤”替代散煤用户约259万户,每年可减少散煤燃烧约706.6万t,减少PM_2.5、NO_x、SO₂的排放量分别约为2.81,0.76,2.17万t.其中,北京市和天津市实施效果较为明显,占京津冀地区“以电代煤”散煤替代总量的62.01%和22.82%.基于调研数据得到京津冀各市燃煤量月分布系数,1月份分布系数最大,燃煤量占比为27%~40%.     

北京市燃煤源排放控制措施的污染物减排效益评估

为分析北京市燃煤源排放控制措施的污染物减排效益,基于MEIC（中国多尺度排放清单模型）,采用情景分析法,评估了北京市电厂能源清洁化与末端治理、燃煤锅炉改造和城区平房区居民采暖改造等措施的污染物减排效益.结果表明,相对于无控情景,2013年北京市电厂能源清洁化与末端治理减少PM_2.5、PM₁₀、SO₂和NO_x排放量为1.28×104、2.10×104、5.13×104和4.98×104 t,分别占无控情景的85%、86%、87%、74%;北京市燃煤锅炉改造减少PM_2.5、PM₁₀、SO₂、NO_x排放量为1.09×104、2.68×104、11.64×104和5.81×104 t,分别占无煤改气情景的83%、89%、83%、83%;北京市老旧平房区的居民采暖改造减少PM_2.5、PM₁₀、SO₂和NO_x排放量分别为630、870、2 070和790 t,均占无煤改电情景的8%.研究显示,北京市从1998年开始采取的各种减排措施有效地减少了污染物的排放,对北京市空气质量改善具有重要意义.      

京津冀煤改电对PM2.5浓度的影响

基于WRF-Chem模型,结合气象要素,从PM_2.5浓度的消减量及时空变化特征等方面模拟分析了煤改电政策实施前后京津冀地区采暖期（2018年11月~2019年3月）PM_2.5的排放变化.结果表明,WRF-Chem模型很好地模拟了京津冀地区PM_2.5浓度变化,北京、天津和石家庄模拟值与观测值的相关系数分别为0.66、0.66和0.52,表现出良好的相关性.煤改电政策的实施对京津冀重点地区PM_2.5减排效果明显,PM_2.5日均减少量分布在0.2~6.1μg/m³,减少比例分布在1.2%~7.8%.PM_2.5小时均值变化显示,2018年12月PM_2.5减少量分布在0.4~8.3μg/m³,减少比例分布在2.3%~7.7%.其中,北京大兴区减排量达8.3μg/m³,天津地区减排比例达7.7%.在特殊气象条件下,煤改电政策影响范围可扩散至山东、江苏、河南北部以及山西西部,PM_2.5小时均值减少量最大超过50μg/m³.     

重污染天气下电力行业排放对京津冀地区PM2.5的贡献

利用CAMx(区域空气质量模型)中的PSAT(颗粒物源示踪技术),分析了重污染天气下分区域、分行业的污染物排放对京津冀地区PM_2.5的贡献,设计了分行业排放的环境影响效率系数(EESCR)计算方法,并对“电能替代”(以电力行业产能替代民用能源消耗)情景方案下的排放进行模拟分析. 结果表明:在重污染天气背景下,电力行业排放对京津冀地区ρ(PM_2.5)的贡献率较低,各地均低于10%,并且区域排放的贡献次序为京津冀以外地区>京津冀其他城市>当地,这与电力行业高架源排放的特征有关,而工业和民用行业对区域排放的贡献次序相反. PM_2.5主要组分和前体物的分行业EESCR计算结果表明,电力行业ESSCR值均在y=1/2x趋势线之下,远低于其他行业,因此优先控制其他行业排放才是改善京津冀地区空气质量的关键.电能替代的情景模拟结果表明,电能替代是有效降低京津冀地区ρ(PM_2.5)的可行方式. 研究显示,充分利用电力行业高架源排放的特点和便于集中处理的行业优势,尽力降低因产能增长带来的排放增量,实施电能替代可成为改善区域空气质量的有效途径之一.      

京津冀地区NOx和VOCs协同减排成本及减排策略研究

京津冀地区细颗粒物(PM_2.5)浓度改善速度放缓,而臭氧(O₃)污染不断加剧,PM_2.5和O₃的协同控制对于京津冀地区空气质量持续改善十分关键且紧迫. 通过构建京津冀地区城市层面可计算一般均衡模型(CGE),模拟了PM_2.5和O₃的共同前体物—NO_x和VOCs的边际减排成本曲线,进而构建了京津冀地区PM_2.5和O₃协同控制评估模型,确定了在不同空气质量目标下减排成本最小的NO_x和VOCs协同减排方案. 结果表明:减排成本最小的情景下,京津冀各城市PM_2.5和O₃浓度达到《环境空气质量标准》(GB 3095—2012)二级标准限值时;NO_x和VOCs的排放量需较2017年分别降低25%~67%和22%~60%,需要投入的总减排成本为992.9×108元. 研究显示,基于京津冀地区城市政策仿真平台构建的PM_2.5和O₃协同控制评估模型,可为京津冀地区PM_2.5和O₃协同控制方案的制定提供参考.      

北京市大气污染减排潜力及居民健康效益评估

北京市能源消费正面临着污染物减排和保障居民健康的双重约束. 针对未来城市能源消费设计BAU(基准情景)和2个分别基于近期和中长期节能环保要求的受控情景(EC1、EC2),模拟预测了3个情景下主要大气污染物(SO₂、NO_x、PM₁₀、PM_2.5)在目标年(2020年)的排放水平,以确定大气污染减排潜力. 分别采用综合暴露-反应关系模型(IER)和泊松回归模型,评估北京市居民对PM_2.5暴露的健康风险,估算健康损失的经济价值. 结果表明:相较BAU情景,在EC1情景下, SO₂、NO_x、PM₁₀、PM_2.5减排率分别达到52.95%、49.77%、32.82%、41.41%,可减少PM_2.5暴露下居民死亡和发病219 783例,其中死亡1 295例、住院3 920例、门诊182 558例、患病32 011例,获得健康效益111.87×108元;在EC2情景下,SO₂、NO_x、PM₁₀、PM_2.5的减排率分别达到66.61%、63.42%、54.96%、57.44%,可减少PM_2.5暴露下居民死亡和发病519 234例,其中死亡2 930例、住院9 248例、门诊427 070例、患病79 986例,获得健康效益290.10×108元. 相较EC1情景,EC2情景可产生更大的减排潜力和居民健康效益. 从空间分布上来看,北京主城区因能源方案优化获得的健康效益较大,约占总健康经济效益的60%.      

京津冀地区散煤燃烧大气污染物排放清单

为研究京津冀地区民用散煤燃烧大气污染物的排放情况，结合散煤燃烧活动水平与燃用特征，根据排放因子法自下而上建立了2018年京津冀地区民用散煤燃烧污染物排放清单，研究了污染物排放的时空分布特征并使用蒙特卡罗方法对排放清单进行了不确定性分析.结果表明：2018年京津冀地区民用散煤燃烧量共计3799.22万t，PM_2.5、CO、SO₂、NO_x的排放量分别为9.27，341.31，5.17，5.44万t.污染物排放集中在11月份~次年3月份，大多数地区呈现出相同的日排放趋势.8：00、11：00、18：00、21：00左右出现污染物排放峰值，小时排放系数平均值分别为11%，6%，7%，13%.PM_2.5排放高值区主要集中在北部、东部及部分南部地区，CO主要集中在北京和天津地区，SO₂和NO_x主要集中在天津和承德地区.     

关中地区散煤源PM2.5污染防治的健康经济效益评估

受不良地形因素影响,加之采暖季散煤燃烧现象严重,陕西省关中地区冬季雾霾天气频发. 自2017年散煤治理相关奖补政策出台以来,区域空气质量状况改善明显. 本研究基于2020年冬季实地调研信息和相关统计数据,评价了2017—2020年关中地区7市(区)的散煤治理成效,采用箱式模型分析了散煤源对PM_2.5浓度的贡献情况,并进一步根据泊松回归模型评估了散煤治理带来的健康经济效益. 结果表明:关中地区2017—2020年散煤削减总量达77.79×104 t,西安市与渭南市的散煤削减总量较高,杨陵示范区治理进程最快(散煤替代率达100%). 2017—2020年采暖季散煤源排放的PM_2.5浓度降低了7.2 μg/m3,对大气PM_2.5浓度的贡献率降低了5.4%,对PM_2.5浓度改善的贡献率达17.4%. 2017—2020年关中地区散煤燃烧源PM_2.5减排使得居民过早死亡率降低了1.50×10?5〔95%CI (置信区间):3.66×10?6~2.62×10?5〕,降幅达98.2%;发病率(门诊、住院及慢性支气管炎的发生率)降低了4.11×10?4(95%CI:1.71×10?4~6.59×10?4),降幅达98.3%. 研究显示,2017—2020年关中地区散煤综合替代率达98.36%,相应的PM_2.5减排量超过0.5×104 t,所带来的健康总受益人数约10 662人,共可获得约1 411.65×106元的经济效益.      

京津冀及周边地区“十四五”及中长期PM2.5污染控制目标的健康效益预估研究

京津冀及周边地区是我国最具有代表性的空气污染较严重的城市群,为探究重污染地区空气污染的疾病负担及其未来空气质量改善的健康效益,基于环境因子人群疾病负担评估的基本方法,评估了京津冀及周边地区“2+26”城市2015年的PM_2.5相关疾病负担,并对该地区在“十四五”及中长期PM_2.5污染控制目标下的未来PM_2.5疾病负担进行了预估研究,分析了PM_2.5污染控制目标带来的健康效益.结果表明:①2015年“2+26”城市PM_2.5所致超额死亡数为15.11×104例.②若不考虑人口变化,未来空气质量按“十四五”及中长期PM_2.5污染控制目标改善,预计到2025年、2030年和2035年“2+26”城市PM_2.5所致超额死亡数将分别降至11.49×104、10.62×104和9.85×104例,比2015年分别减少了23.96%、29.72%和34.79%.③分年龄段和分疾病对比发现,65岁以上老年人群PM_2.5相关超额死亡数的占比较高且有上升趋势,与PM_2.5相关的心脑血管系统疾病（中风和缺血性心脏病）的超额死亡数在PM_2.5相关超额死亡总数中占比最大,且有增加的趋势.研究显示,京津冀及周边地区“2+26”城市未来空气质量的改善将大幅降低空气污染相关疾病负担,带来显著的健康效益,但由于人口增长和老龄化的影响,未来较长时间内我国空气污染带来的疾病负担依然较重,应持续改善空气质量,并关注脆弱人群的健康防护,以进一步降低空气污染相关疾病负担.      

2019年秋冬季京津冀与周边地区污染传输特征分析

本研究结合大气环境观测数据,应用潜在源分析法(PSCF)和浓度权重轨迹分析法(CWT),以及基于WRF-CMAQ模式的传输矩阵和传输通量计算方法,研究分析了2019年秋冬季京津冀典型城市的大气污染特征与成因,量化评估了京津冀地区与周边省份之间的PM_2.5传输贡献.结果表明,京津冀地区冬季较秋季污染严重,且重污染时段PM_2.5浓度均与相对湿度呈显著的正相关,和风速呈显著的负相关;京津冀典型城市北京、天津和石家庄的潜在源区主要分布在京津冀本地、山西、内蒙古中部地区和山东地区,这与CWT结果基本吻合.京津冀各省域的PM_2.5以本地排放贡献为主,北京、天津和河北的本地贡献率范围为54.33%～66.01%,京津冀受区域外传输的贡献率范围为0.11%～26.54%.传输通量结果表明,冬季PM_2.5的传输主要受高空西北气流的作用,尤其清洁天气,高风速驱动清洁气团流入;秋季则主要受低空东南气流作用;传输通量呈现出显著的垂直分布特征,高空区域传输作用更为活跃,传输通量的流入/流出以及垂直分布与污染级别和RH呈现非线...     

京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源

为研究京津冀地区典型城市大气细颗粒物及其碳质组分的时空变化特征及来源,于2016年12月28日—2017年1月22日及2017年7月1—26日,对北京市与石家庄市PM_2.5（细颗粒物）及PM₁（亚微米颗粒物）进行采集,使用DRI（热光碳分析仪）检测PM_2.5与PM₁中ρ（OC）与ρ（EC）,并对其碳质组分来源进行分析.结果表明:①采样期间,冬、夏两季PM_2.5与PM₁中ρ（OC）均为石家庄市采样点远高于北京市采样点;冬季PM_2.5与PM₁中ρ（EC）均为石家庄市采样点高于北京市采样点,夏季则略有不同.②冬季污染日,北京市采样点ρ（PM_2.5）与ρ（PM₁）均为石家庄市采样点的1.08倍,PM_2.5与PM₁中的ρ（OC）分别为石家庄市采样点的1.14和1.12倍,石家庄市采样点PM_2.5与PM₁中ρ（EC）分别为北京市采样点的1.15和1.28倍;冬季重污染日,北京市采样点的ρ（PM_2.5）与ρ（PM₁）分别为石家庄市采样点的1.03和1.04倍,PM_2.5和PM₁中的ρ（OC）分别为石家庄市采样点的1.23和1.22倍,石家庄市采样点PM_2.5和PM₁中的ρ（EC）分别为北京市采样点的1.03和1.16倍.夏季污染日,石家庄市采样点ρ（PM_2.5）与ρ（PM₁）分别为北京市采样点的1.16和1.30倍,PM_2.5与PM₁中ρ（OC）分别为北京市采样点的1.64和2.71倍,两个采样点ρ（EC）相近.③冬、夏两季PM_2.5与PM₁中ρ（SOC）/ρ（OC）均较高,冬季北京市采样点分别为48.09%和54.29%,石家庄市采样点分别为44.98%和48.09%,夏季北京市采样点分别为48.47%和61.50%,石家庄市采样点分别为61.52%和63.55%,表明SOC更易富集于亚微米粒子中.④冬季北京市和石家庄市两个采样点PM_2.5与PM₁中碳质组分均主要来源于生物质燃烧、燃煤和机动车尾气;夏季北京市采样点PM_2.5与PM₁中碳质组分主要来源于机动车尾气,石家庄市采样点PM_2.5与PM₁中碳质组分主要来源于燃煤和机动车尾气.研究显示,北京市和石家庄市两个采样点大气细颗粒物及其碳质组分浓度存在时空分布和污染来源差异.      

廊坊市开发区冬季颗粒物碳组分污染特征及来源分析

廊坊市是北京市及周边传输通道“2+26”城市之一.为研究廊坊市开发区冬季颗粒物中碳组分污染特征,于2018年1月5日—2月5日在廊坊市开发区国控点位同步开展PM_2.5及PM₁₀样品采集,使用DRI分析OC（有机碳）与EC（元素碳）的质量浓度.结果表明:廊坊开发区冬季ρ（PM_2.5）、ρ（PM₁₀）分别为（54.5±46.0）（91.0±58.2）μg/m3.PM_2.5中ρ（OC）、ρ（EC）分别为14.64、3.54 μg/m3,PM₁₀中分别为17.07、4.58 μg/m3;PM_2.5、PM₁₀中ρ（OC）与ρ（EC）相关性均较好,R2均为0.91（P < 0.01）,表明二者具有相似的来源;在PM_2.5和PM₁₀中OC/EC〔ρ（OC）/ρ（EC）,下同〕分别为4.46和4.16,ρ（SOC）（SOC为二次有机碳）分别为6.15和5.88 μg/m3,分别占ρ（OC）的42.1%和37.7%,表明二次污染较严重.碳组分丰度及主成分分析结果表明,PM_2.5与PM₁₀中碳组分来源基本一致,主要来源于汽车尾气、水溶性极性化合物、生物质燃烧及燃煤的混合源,柴油车排放,以及道路扬尘.后向气流轨迹聚类结果表明,颗粒物及碳组分质量浓度受途径内蒙古自治区及河北省中部、北京市南部气团的影响较大;对于碳组分来源,道路扬尘及汽车尾气受气团传输的影响较大,而生物质燃烧、燃煤等受气团传输的影响较小.研究显示,汽车尾气、燃烧源及道路扬尘为廊坊市开发区冬季碳组分的主要来源.      

基于高精度清单的京津冀机动车控污政策研究

为研究京津冀机动车污染控制政策对CO、HC、NO_x、PM_2.5、PM₁₀等污染物的减排效果,建立了2014年高精度机动车排放清单,选取过去已经实施,未来规划实施及优化/劣化后的若干政策,设置4类共13种政策情景,与实际清单基准情景进行对比,识别各政策情景的排放变化,并对其中由政府给予补贴的政策进行成本收益核算.结果显示,淘汰低排放标准机动车带来的污染减排效果最好,在天津和河北对CO和HC的排放削减分别为53.19%,49.75%和51.28%,50.87%,达半数及以上;升级机动车发动机和燃油标准也能显著削减排放,在天津和河北对PM_2.5、PM₁₀的削减分别为17.01%,17.00%和21.95%,21.93%.政府补贴政策存在明显边际效应特征,排放标准高,重污染车少的北京单位成本的减排收益明显低于天津和河北,.河北和天津在考虑成本因素的基础上,应当逐步采纳北京的高标准减排政策;北京则可在一定条件下,将一部分低效的政府补贴通过合理方式转移支付给天津和河北,以提高政府投入的减排效率.     

北京一次重污染过程的天气成因及来源分析

采用天气学分析和GRAPES-CUACE气溶胶伴随模式相结合的方式,探讨了北京市2016年2月29日~3月6日一次PM_2.5重污染过程的大气环流特征、污染形成和消散原因,并利用伴随模式追踪了造成此次重污染过程的关键排放源区及敏感排放时段.结果表明：此次重污染过程北京市PM_2.5浓度存在明显日变化,在3月4日20：00达到污染峰值,观测数据显示海淀站PM_2.5浓度达到506.4μg/m³.形成此次重污染过程的主要天气学原因是北京站地面处于低压中心,且无冷空气影响,风速较弱,逆温较强,大气层结稳定,混合层高度较低,500hPa西风急流较弱,污染物水平和垂直扩散条件差,大气污染物易堆积;此次过程中,500hPa短波槽过境、边界层偏南风急流和冷空气不完全渗透导致了本次严重污染PM_2.5浓度的短暂下降.伴随模式模拟结果表明,此次污染过程目标时刻的污染浓度受到来自河北东北部和南部、天津、山西东部、以及山东西北部污染物的共同影响,目标时刻PM_2.5峰值浓度对北京本地源响应最为迅速,山西响应速度最慢;北京、天津、河北及山西排放源对目标时刻前72h内的累积贡献比例分别为31.1%、11.7%、52.6%和4.7%.北京本地排放源占总累积贡献的1/3左右,河北排放源累积贡献占一半以上,天津和山西分别占1/10和1/20,河北源贡献占主导地位,天津和山西贡献较小;目标时刻前3h内,北京本地源贡献占主导地位,贡献比例为49.3%,目标时刻前4~50h内,河北源贡献占主导地位,贡献比例为48.6%,目标时刻前50~80h,山西源贡献占主导地位,贡献比例在50%以上.     

2014~2017年北京城区霾污染态势及潜在来源

统计分析2014~2017年北京城区霾污染发生情况,利用HYSPLIT模式对4年内气流来向进行聚类计算,识别区域内的主要污染传输通道和潜在污染源区分布及变化.结果显示,研究期间北京市城区空气质量状况整体呈改善趋势,灰霾时发生率从2014年的50.6%降至2017年33.7%,灰霾日数由165d降至78d,每年10月到次年采暖结束的3月灰霾发生较为集中.不同强度霾发生频率逐年下降,秋、冬季灰霾发生频率及污染强度均逐步降低.冀东南平原区、太行山东麓以及燕山南麓沿线为京津冀地区的3条主要污染传输通道,传输高度均在近地1000m内,期间通道轨迹对应北京城区PM_2.5平均达124.1μg/m³,其出现频率在2014~2017年逐年减小,并且各年当中同类轨迹所对应的北京PM_2.5均呈逐年下降趋势.北京城区PM_2.5的主要潜在源区从华北平原和渤海天津港区域逐渐缩小至冀中南和鲁西北地区,且传输通道区域污染贡献率逐年降低,有利的天气形势和人为的区域减排是近年空气质量改善的2大主因.     

京津冀一次重污染过程的成因和来源

2016年12月16~21日,京津冀地区经历了一次大范围重污染过程.本文基于空气质量监测资料及实况天气图分析了此次极端区域重污染事件的天气成因,并利用嵌套网格空气质量预报模式（NAQPMS）对京津冀主要城市PM_2.5污染来源进行定量解析.结果表明：污染前中期500hPa高空为偏西气流伴空中回暖,后期转槽前偏南气流增温增湿明显;对应地面气压逐渐降低,辐合不断增强;垂直方向上,逆温层不断抬升加厚,中低层暖平流明显,风垂直切变小;大气长时间处于极度静稳状态也是造成此次重污染过程的天气因素.污染期间,京津冀各主要城市PM_2.5污染本地贡献占40%~60%;北京市PM_2.5本地贡献为48%,其中16~17日北京市主要受沿太行山东侧的西南向输送通道（邯郸-邢台-石家庄-保定-北京）影响,其后风速减小,北京本地及周边城市贡献增大.     

2017年京津冀地区PM2.5污染特征及潜在来源分析

京津冀及周边地区大气污染问题突出,秋、冬季重污染天气频发。为探讨该地区PM_2.5污染来源,分析其污染状况和气象因素的关系,利用2017年京津冀地区空气质量监测站的气象资料如气压、风速、相对湿度、温度、降水量等,结合ArcGIS软件空间插值法、SPSS 21.0的Pearson相关性分析等方法,采用拉格朗日混合型的扩散模型HYSPLIT后向轨迹聚类分析方法,探讨北京地区主要气团传输轨迹,结合GDAS气象资料计算潜在源贡献因子。结果表明:1）2017年京津冀地区ρ（PM_2.5）年均为64.4μg/m3,比2016年下降11.5%,全年达标天数占比为74.2%。2）京津冀地区PM_2.5与气压、相对湿度呈正相关,其中气压与PM_2.5相关性最高;与风速、日照时长、温度、降水量呈负相关,其中日照时长与PM_2.5相关性最高。冬季比其他季节影响更为显著。3）从时间尺度看,冬季污染最严重,秋、春季稍好,夏季PM_2.5优、良级占92.4%;其中,1月平均ρ（PM_2.5）最高。4）从空间范围看,整体上京津冀地区呈现南高北低,南北差异相对明显,其中其北部承德、张家口、秦皇岛地区ρ（PM_2.5）最低,石家庄、邯郸PM_2.5污染较严重。5）源解析结果表明,冬季北京地区主要受本地污染源影响,在春、秋季节受周边区域源贡献因子PSCF值>0.4,河北、山东、河南等地对北京PM_2.5的污染有一定的源贡献。