河南省冬季3次重污染过程的数值模拟及输送特征分析

利用WRF-Chem模式模拟2015年11月27日—12月1日、12月5—14日、12月19—25日河南3次重污染过程,结合空气污染资料和ERA-Interim再分析资料,对比分析了这3次重污染过程的开始、持续和结束及污染物的输送特征.结果表明,静稳天气有利于污染的发展持续,3次重污染过程的结束均是由西路冷空气入侵造成的.第1次重污染过程平均风场上的风速均为小风或静风,从湖北到河南南部风向为偏南风;而第2和第3次重污染过程平均风场分别以偏东和偏北风为主.第2和第3次重污染过程中均存在明显的由北向南的污染物输送过程.3次重污染过程中,河南省本地排放对本省PM_(2.5)浓度的平均贡献率最大,而河南省周边区域对河南PM_(2.5)浓度的平均贡献率在这3次过程中不一样,第1次重污染过程,河南南部主要受偏南风影响,湖北对河南PM_(2.5)浓度的平均贡献率最大,为20.7%;第2和第3次重污染过程主要受偏东风影响,安徽和江苏对河南PM_(2.5)浓度的平均贡献率最大,分别为17.7%和18.5%.3次重污染过程中,安阳的主要污染输送源均不相同,分别来自河北、江苏和安徽、本省.     

京津冀及周边地区PM_(2.5)传输规律研究

本研究采用WRF-CAMx模型对京津冀及周边7省市PM_(2.5)与SIA组分传输规律进行了研究,定量估算了京津冀地区PM_(2.5)与SIA的空间来源贡献,并得到了各省市之间的传输矩阵.结果表明,PM_(2.5)与SIA组分跨区域传输作用较为显著.京津冀区域PM_(2.5)与SIA组分外来源年均贡献分别为23.4%和45.5%.京津冀及周边各省市年均PM_(2.5)与SIA组分受本地排放影响分别为51.2%~68.8%与36.7%~56.4%.结合后向轨迹模型对北京市2013年1月4次重污染过程的空间来源进行了分析,发现各过程污染气团来向有明显差异,分别由西北方向长距离传输、南部短距离传输以及西南、东南方向局地气团输入.4次重污染过程PM_(2.5)区域传输作用显著,北京PM_(2.5)及SIA本地源贡献分别为35.1%~37.3%与17.1%~28.4%;其中偏南方向气团输入时,北京污染程度更高,且受京津冀排放源贡献较大,PM_(2.5)和SIA贡献率最高可达82.3%和76.4%.     

2013年1月北京市PM2.5区域来源解析

2013年1月,北京地区经历了多次严重的灰霾天气,细颗粒物污染已成为北京地区所面临的重要问题.了解和掌握北京细颗粒物的污染来源,是解决细颗粒物污染的重要途径,也是制定防治政策的重要依据.通过建立三维空气质量模型系统,对2013年1月20~24日的污染过程进行模拟,并运用PSAT技术探究北京市细颗粒物污染的区域来源.结果表明,本地源排放是北京市PM2.5的主要来源,平均贡献率为34%;河北和天津的平均贡献率分别为26%和4%;京津冀周边地区及模拟边界外的贡献分别为12%和24%.在重污染日,区域传输对北京市PM2.5的影响显著增强,是北京PM2.5污染的主要来源.PM2.5中的硝酸盐主要来自北京市周边地区的贡献,而硫酸盐和二次有机气溶胶呈现远距离传输的特性,铵盐和其他组分则主要来自北京本地的贡献.     

珠三角冬季PM2.5重污染区域输送特征数值模拟研究

利用嵌套网格空气质量模式系统(NAQPMS)及其耦合的污染来源追踪模块,针对2013年1月珠三角区域的PM_(2.5)重污染过程输送特征进行了数值模拟研究.结果表明,污染气团首先形成于广州、佛山地区,并在弱偏北风的作用下南移加强,影响整个珠三角区域.重污染期间,广州(64.9%)、佛山(58.9%)的PM_(2.5)主要来自本地贡献,是区域输送最主要的来源地区;中山(51.9%)、珠海(66.2%)的PM_(2.5)主要来自外来贡献,是区域输送主要的受体地区.重污染期间,广州和佛山对中山的PM_(2.5)日均贡献率之和总体保持在25%以上,污染最重时达到40%.交通(26%)、工业(24%)、扬尘(16%)、火力发电(15%)和生物质燃烧(8%)是对中山贡献最大的5类源:工业源中山本地与外来输送贡献率基本相当;交通和扬尘源以中山本地贡献为主,贡献率分别为55%和67%;火力发电和生物质燃烧源以外来输送为主,贡献率分别为56%和62%.各类排放源的外来输送中,以广州、佛山所占的比例最大.     

京津冀典型城市冬季工业源排放与PM_(2.5)污染关系

文章研究基于PM_(2.5)样品采集和水溶性离子测定,运用潜在源贡献分析法和WRF-CAMx模式识别分析了北京市和唐山市2017年1月PM_(2.5)的潜在源区和工业源传输矩阵,通过计算单位排放贡献,分析了京津冀典型工业源PM_(2.5)中一次颗粒物、硫酸盐和硝酸盐的区域贡献和分源贡献规律。结果表明,2017年1月北京和唐山PM_(2.5)浓度均高于国家二级标准,SNA占PM_(2.5)的32.85%～53.68%,且在污染时段,SNA及其前体物浓度均有明显提升;两地冬季潜在源主要受来自西北部内蒙古方向的远距离传输以及东南部渤海湾方向的中短距离传输这两部分污染源区的潜在影响,唐山受本地污染影响更大;从传输矩阵来看,北京和唐山的PM_(2.5)工业源外来贡献分别占总浓度的63.87%和8.66%,其中对北京PM_(2.5)浓度贡献较高的区域为唐山和京津冀中部地区,分别贡献了24.78%和21.18%,在污染日时段,受唐山和南部地区的PM_(2.5)传输贡献分别提升了5.27%和3.46%,受西北地区的影响减少了4.34%。对唐山贡献较高的区域为中部地区和东北部地区,为5.07%和2.10%,在污染日时段,外来传输贡献并没有显著波动(低于1%)。二次组分中,硝酸根的传输性最为显著;两地工业外来源单位排放贡献除却其各自周边地区较大以外,其西北传输通道沿线城市(张家口→北京→唐山)的单位排放贡献亦十分显著,且在这一通道上的外来输送,其第2层(非地面排放源)的单位排放贡献明显大于其他地区;从具体工业源来看,对北京市单位排放贡献最大的行业为其他工业源,对唐山则是冶金源。     

北京秋冬季一次重污染过程PM2.5来源数值模拟研究

利用WRF模式(The Weather Research and Forecasting Model)和嵌套网格空气质量模式(NAQPMS)对2016年11月发生在京津冀地区一次PM_(2.5)污染事件进行模拟研究并分析污染过程中的天气形势变化.结果表明,均压场、低空逆温层和偏南暖湿气流输送的存在为北京地区PM_(2.5)形成提供了有利条件,NAQPMS模式能够合理的再现北京大气污染物时空变化,细颗粒物PM_(2.5)和可吸入颗粒物PM_(10)模拟与观测数据相关系数达0.71,模拟数据在观测数据两倍范围内占比(FAC2)达65%.源解析结果表明,在不考虑临时实施减控措施下,11月18日区域外输送对北京PM_(2.5)浓度贡献为55.25%,区域内输送贡献为44.75%,北京东北区域PM_(2.5)外地源主要为河北中部、河北南部、天津和山东,所占贡献为9.67%、9.01%、7.90%和7.99%.污染物主要来源为生活源、交通源和工业源,分别占比39.6%、34.6%和20.0%.而实际上北京在唐山、保定采取一系列控制措施后仍在研究时段内出现高PM_(2.5)浓度,意味着在同样天气形势下需要对河北中部、河北南部、天津和山东等浓度贡献占比大的城市加强减排管控才能有效减缓高PM_(2.5)浓度的出现.     

“2+26”城市一次污染过程PM2.5化学组分和来源解析研究

"2+26"城市颗粒物污染严重,城市间相互影响显著,开展该区域大气颗粒物组分特征及来源解析的研究,能够为大气污染精细化管控及城市间协同控制提供科学支撑.本文对"2+26"城市2016年12月16—23日一次颗粒物污染过程中的PM_(2.5)组分数据进行了分析,使用空气质量模式CAMx-PSAT对PM_(2.5)的来源进行了解析.结果表明,本次污染过程中阳泉的PM_(2.5)最高日均浓度为137μg·m~(-3),达到中度污染;长治、太原和滨州的PM_(2.5)最高日均浓度分别为235、188、226μg·m~(-3),达到重度污染;其余城市的PM_(2.5)最高日均浓度值超过250μg·m~(-3),达到严重污染.PM_(2.5)中含量最多的4种组分为OC、NO~-_3、SO■、NH~+_4,平均占比分别为19.38%±4.37%、18.20%±3.14%、16.83%±3.55%、10.35%±1.64%,NO~-_3的占比高于SO■;Cl、Cd、Sn、Cu、Zn、As、Se、Pb和S元素的富集因子大于100,主要来自于人为排放,部分城市的Cd和As元素浓度超标,所有城市的Cr元素浓度均超标;各城市的OC/EC比值为4.96～11.60,说明有明显的二次有机颗粒物生成.模拟结果显示,PM_(2.5)本地排放贡献为10%～47%,外地贡献为15%～68%,"2+26"城市以外区域的贡献为14%～53%;民用源、工业源、农业源、交通源、电力源的贡献分别为43.70%±5.94%、29.29%±4.93%、9.68%±1.09%、9.19%±1.69%、6.27%±1.37%.本研究表明,针对颗粒物主要组分OC、NO~-_3、SO■、NH~+_4的前体物,开展民用源和工业源的减排及城市间的协同控制,才有可能达到理想的区域PM_(2.5)控制效果.     

川南自贡市大气颗粒物污染特征及传输路径与潜在源分析

川南自贡市大气颗粒物污染比较严重, 2015～2018年PM_(10)和PM_(2.5)平均浓度分别为(95.42±9.53)μg·m~(-3)和(65.95±6.98)μg·m~(-3),并有明显的下降趋势,冬季PM_(10)和PM_(2.5)浓度远高于其它季节, 1月平均浓度最高,分别为(138.08±52.29)μg·m~(-3)和(108.50±18.05)μg·m~(-3),夏季平均浓度最低.PM_(2.5)与PM_(10)的平均比值为69.12%,冬季比值约为夏季的1.17倍,空气污染以PM_(2.5)为主.采用拉格朗日混合单粒子轨迹模型(HYSPLIT)和全球资料同化系统的GDAS气象数据,对自贡市细颗粒物(PM_(2.5))浓度和逐日72 h后向轨迹进行计算和聚类研究,利用潜在源贡献分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨不同季节影响自贡市PM_(2.5)浓度的潜在源区以及不同源区的污染贡献.结果表明,自贡市近地面四季多受东南风、偏西风和西北风控制,高浓度PM_(2.5)多出现在0～2 m·s~(-1)的低风速区;不同季节、不同输送路径对自贡PM_(2.5)污染影响的差异显著,春季主要受到来自偏西和偏北方向短距离输送气流的影响,夏季污染轨迹主要来自短距离输送的东南气流,秋季主要受来自资阳,经遂宁、重庆和内江的短距离输送气流的影响,冬季除受到资阳、遂宁和内江等周边城市的影响外,还受到来自西藏中部的远距离输送气流影响;除夏季外,自贡市潜在源区主要位于重庆西部与川南交界区域,冬季的主要贡献区范围最广、贡献程度最大,夏季潜在源区范围最小且贡献程度最弱.     

青岛市PM_(2.5)重污染天气演变过程分析

运用WRF-CMAQ模式对2016年1月1日~1月7日青岛市的PM_(2.5)重污染天气进行了模拟研究,分析了青岛市PM_(2.5)重污染形成、持续和清除过程的主要影响因素.与观测对比表明,模式能够较好地模拟出青岛市主要气象要素和近地面PM_(2.5)浓度的变化特征.在重污染形成期,持续的西南气流将山东南部、安徽、江苏等地PM_(2.5)及其前体物传输至青岛地区;逆温层的出现及大气边界层高度的降低使得输送至青岛地区的PM_(2.5)在近地面积累,浓度升高.由山东西南部、安徽北部、河南东部等地传输至山东西北部和京津冀地区的PM_(2.5)及其前体物,在重污染持续期沿近地面传输至青岛,加之液相化学过程生成了大量的二次气溶胶,导致PM_(2.5)浓度一直维持在200μg/m~3以上.重污染清除期,风速加大,水平传输作用加强,高浓度的PM_(2.5)污染带向下风向转移.区域传输对此次青岛市PM_(2.5)重污染事件具有重要贡献,3个时期的贡献率分别为87.0%、68.5%和57.6%.     

合肥城区PM_(10)及PM_(2.5)季节污染特征及来源解析

于2014年4月、8月、10月和12月在合肥市城区采集了大气PM_(10)和PM_(2.5)样品,对PM_(10)和PM_(2.5)的质量浓度及其化学组分(无机元素、含碳组分和水溶性离子)进行了测定.结果显示:合肥城区的PM_(10)和PM_(2.5)的平均质量浓度高达113,83μg/m3,分别超出国家环境空气质量标准年均PM_(10)和PM_(2.5)限值的1.61和2.37倍.不同粒径的颗粒物中主要化学组分含量的高低顺序基本一致,水溶性离子的含量最高,其次为碳组分,无机元素.利用正交矩阵因子分析(PMF)对合肥城区PM_(10)和PM_(2.5)的本地来源进行解析,结果表明:PM_(10)中二次源、燃煤、机动车尾气尘及地壳尘的贡献百分比分别为32.5%、25.9%、15.7%和25.5%;PM_(2.5)中二次源、燃煤、机动车尾气尘及地壳尘的贡献百分比分别为38.8%、25.9%、9.9%和21.7%.利用激光雷达评估合肥市环境中颗粒物PM_(10)的区域传输,四个季节常规贡献率分别为13.4%、12.9%、13.5%和16.4%.     

基于天气背景天津大气污染输送特征分析

区域输送是大气污染防治中需要考虑的重要因素,本文利用大气化学模式定量估算2016年10月~2017年9月区域输送对天津的影响,重点基于天气背景分析区域输送影响和气象条件的关系,为京津冀地区大气污染联防联控提供支撑.结果表明,京津冀地区各城市区域输送贡献百分率平原城市显著高于沿山城市,天津一次PM_2.5本地贡献62.9%,区域输送贡献37.1%,主要受沧州、廊坊、河北中南部、北京、唐山和山东等地输送影响,每年4~6月区域输送最显著,7~8月区域输送最弱.区域输送与天气形势、风场和降水等气象条件密切相关,高压后和锋前低压是区域输送占比最高的两种污染天气类型,西南风、西风和南风3个风向下天津大气污染输送影响最为明显,风速2~3 m ·s^-1时最有利于PM_2.5区域传输,降水超过5 mm以上将降低大气污染物区域传输效率.对于不同污染类型和重污染阶段,轻度污染天气时区域输送贡献最为明显,比均值偏高20.5%,重污染天气虽受静稳气团控制,但由于周边区域高浓度的PM_2.5,污染气团迁移对区域内污染聚集传输有显著影响,重污染期间PM_2.5输送贡献占比超过均值,约偏高10%~15%.重污染过程中,开始积累阶段和峰值阶段,输送贡献占比高于其它时期,与暴发阶段相比偏高14.5%和19.5%,重污染暴发阶段本地排放贡献更明显,比均值偏高9.9%.     

荆州市大气污染物周边源影响域的气候模拟研究

以大气污染物协同控制与精准治理的需求为导向,开展湖北省荆州市大气污染物的来源分析.基于FLEXPART-WRF模式揭示了2008—2017年荆州市PM_2.5周边源"影响域"的季节气候特征,估算了大气污染物区域传输和局地排放的相对贡献,确定出不同季节的大气污染物主要传输通道.结果表明,荆州地区PM_2.5主要"影响域"为湖北、湖南、河南和安徽省.不同季节湖北省外源传输对荆州PM_2.5"影响域"的贡献率分别为春季50.4%、夏季33.9%、秋季42.6%、冬季43.0%和年均45.1%.春季3条区域传输通道分别为北通道（沿南阳盆地-荆州）、东通道（沿长江航道-荆州）以及南通道（沿雪峰山-荆州）;夏季主要为南通道;秋、冬季分别为北通道、东北通道（沿大别山低山丘陵-荆州）及东通道.针对荆州主要3类重污染天气型的典型个例"影响域"分析表明,高压静稳型PM_2.5污染主要来源于本地排放,省内贡献率达87.8%;低压倒槽型PM_2.5污染主要来源于偏南输送和本地累积,省内贡献率达55.0%;冷锋输送型PM_2.5污染主要来源于北路区域传输,省外贡献率达77.2%.对于冬季重污染期间,建议重点围绕荆州本地与省内荆门、襄阳、孝感、天门、潜江、武汉、随州、宜昌及省外常德、南阳、信阳等地开展协作,加强区域间大气污染联防联控.该项研究可为区域大气污染精细化管控与靶向治理提供科学依据.     

郑州市冬季大气PM2.5传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.     

华东地区2000-2014年间秸秆燃烧排放PM2.5时空动态变化

秸秆燃烧释放大量细小颗粒物（Fine Particulate Matter）,对大气环境、生态系统和人类健康有重要影响.该研究基于2000-2014年中国华东地区农作物产量统计数据,估算各区域秸秆产量及室内外农作物秸秆燃烧总量.并运用排放因子法,估算15年间华东地区农作物秸秆燃烧PM_2.5排放总量.研究结果表明,华东地区秸秆产量及燃烧总量分别为：2033.2 Mt和32678.59 Wt,PM_2.5的排放总量为851.95 Wt.此外,PM_2.5排放在时间和空间上不均衡.卫星火点监测数据显示,农田秸秆燃烧密集区域主要分布在山东南部、安徽北部、江苏和浙江东北部及上海市大部分地区;单位网格PM_2.5最大的排放量多集中在山东、安徽北部、江苏中部和北部、浙江东北部和上海区域.时间序列上,山东、江苏和安徽呈显著增长趋势,上海、福建和浙江呈显著降低趋势.稻谷、小麦、玉米、豆类和油菜秸秆燃烧对污染物PM_2.5的贡献率分别为32.45%、30.18%、18.95%、3.77%和14.65%.农作物秸秆燃烧释放PM_2.5与工业粉尘的排放比变化趋势表明山东、安徽和江苏总体呈上升趋势;上海、福建和浙江总体保持平稳趋势.通过对华东地区农作物秸秆燃烧释放PM_2.5的时空变化研究,为更好的揭示秸秆燃烧对区域环境的影响提供数据支持.     

京津冀重霾期间PM_(2.5)来源数值模拟研究

厘清PM2.5的来源是开展重霾污染防治的前提条件.本研究利用嵌套网格空气质量预报模式系统(NAQPMS)及其耦合的污染来源追踪技术,针对2013年1月我国中东部的重霾污染过程,定量模拟分析京津冀各城市PM2.5浓度的来源和相互贡献.研究结果表明,NAQPMS模式能够合理反映京津冀不同城市PM2.5浓度的变化特征.京津冀各城市近地面PM2.5浓度主要受本地排放影响,本地贡献率介于29.8%~63.7%.而800 m高空层各城市PM2.5浓度以外来贡献为主(69.3%~86.3%).在污染最严重的东南部地区(包括邢台、邯郸、沧州和衡水),PM2.5浓度受区域外的山东和河南的显著影响,贡献率可达25.2%~31.5%.因此,在京津冀区域内进行协同减排控制的同时,需进一步将山东、河南等省份纳入联防联控范围,才能有效防控重霾污染.     

长三角地区典型PM2.5污染过程和跨区域传输对宁波污染贡献评估模拟

利用WRF模式和嵌套网格空气质量模式（NAQPMS）对长三角地区2015年1月一次典型PM_2.5区域重污染事件进行数值模拟.结果表明,NAQPMS模拟再现了长三角地区PM_2.5重污染的发展过程,外来区域污染输送是导致长三角地区发生重污染的一个重要因素,主要受3条通道传输影响：内陆（河南-安徽-江苏）通道、沿海（京津冀-山东-江苏）通道和海洋（京津冀-山东-黄海-江苏）通道.以宁波为对象评估污染跨区域输送贡献的解析结果表明：污染发生阶段以沿海通道输送为主,外来区域输送江苏贡献率较大（36.51%）;重污染阶段以内陆通道和海洋通道为主,主要外来区域贡献为浙江北（25.55%）、安徽（12.33%）和海洋（16.92%）;污染消散主要受海洋通道影响,外来输送主要为江苏（14.74%）和海洋（31.43%）.     

长江中游地区PM2.5重污染过程的典型天气环流分型及区域传输影响

作为一个新的区域性霾污染中心,长江中游地区地理位置特殊,是我国中东部地区大气污染物区域传输的重要枢纽,天气环流对该区域不同传输和累积型PM_2.5重污染的形成机制还不甚了解.利用T-mode斜交旋转主成分分析法（PCT）,对2015~2019年采暖季长江中游地区74 d PM_2.5重污染事件进行天气环流分型,得到：PCT1高压底部传输型（天数：41 d,占比：55.4%）、PCT2低压辐合累积型（天数：12 d,占比：16.2%）、PCT3高压静稳累积型（天数：11 d,占比：14.9%）和PCT4高压后部传输型（天数：10 d,占比：13.5%）这4种主要的大气环流类型.区域传输型污染（PCT1和PCT4）占比高达69%,是长江中游地区PM_2.5重污染发生的主导因素,突显了地域特殊性.其中,PCT1是最主要的环流型,冷锋南侵伴随强偏北风驱动上游地区污染物快速传输,使得PM_2.5浓度暴发式增长.境内传输通道城市襄阳、荆门和荆州PM_2.5传输过程具有12 h滞后特征,其PM_2.5影响源区主要分布在上游的河南中北部、山东西部和华北大部分地区.PCT4传输型受低层偏东风输送影响,污染上升速率也相对较快.PCT2和PCT3为静稳天气环流型,地面风速较小,低层水平辐合和下沉运动有利本地PM_2.5重污染累积,污染上升速率和持续时间都相对传输型更长.     

天津市PM2.5浓度时空分布特征及重污染过程来源模拟分析

天津市多发生以PM_2.5为首要污染物的重污染事件,明确ρ（PM_2.5）时空分布特征及重污染过程来源对PM_2.5的综合治理意义深远.利用天津市2014-2017年环境资料和2016年气象资料,结合WRF-Chem模式研究了天津市ρ（PM_2.5）时空分布特征及重污染过程来源.结果表明:①自2014年以来,天津市ρ（PM_2.5）呈逐年下降趋势.②ρ（PM_2.5）月变化曲线呈"U"型分布,呈冬春季高、夏秋季低的季节性特征;ρ（PM_2.5）日变化呈双峰型分布,主峰值出现在08:00-09:00,次峰值出现在21:00-翌日00:00.③各季节天津市ρ（PM_2.5）空间分布不同,春季、夏季、秋季和冬季高值中心分别位于天津市西南部的静海区、中心城区北部的北辰区、西部的武清区及北部的蓟州区.④WRF-Chem模式模拟的天津市秋冬季污染物来源结果表明,本地源贡献率为56%,外来源输送贡献率为44%,其中以河北省和山东省的输送为主.2016年12月16-22日天津市一次重污染过程的模拟结果表明,天津市本地源贡献率为49.6%,河北省、北京市和山东省的外来源输送贡献率分别为32.2%、7.0%和2.2%.污染前期,不利气象条件和外来源输送造成天津市ρ（PM_2.5）聚集并形成重度污染;污染持续过程中,本地源贡献率逐渐增大并占主导地位.研究显示,近年来天津市ρ（PM_2.5）呈下降趋势,并有明显的空间分布特征.      

河南省一次PM2.5污染过程区域性影响数值模拟

为了研究区域输送对河南省PM_2.5重污染的影响,利用中国科学院大气物理研究所自主研发的NAQPMS(嵌套网格空气质量预报)模式模拟了河南省2014年1月12─19日的一次污染事件. 污染期间,河南省所有城市ρ(PM_2.5)小时均值最大值均超过250 μg/m3,达到了严重污染水平. 利用基于NAQPMS的污染源来源追踪方法评估了本地排放和区域输送的影响. 结果表明:研究期间,本地排放和区域输送对河南省ρ(PM_2.5)的平均贡献率分别达到了50.6%和49.4%. 在区域输送方面,安徽省对河南省ρ(PM_2.5)的贡献率(10.0%)最高,山西省(9.2%)、陕西省(8.5%)次之,河北省(仅2.1%)最低. 分地区来看,河南省中部地区以本省累积(贡献率为61.4%,下同)为主,东部地区以安徽省(30.4%)输送为主,南部地区以本省累积(45.1%)、湖北省(14.1%)及安徽省 (13.7%)输送为主,西部地区以陕西省(35.4%)输送为主,北部地区则主要以本省累积(58.1%)及山西省(20.7%)输送为主. 研究表明,尽管河南省各地区同时出现高污染,但其来源不同,有必要采取区域联防联控措施.