中山市旱季霾特征及数值模拟分析

利用观测数据、Hysplit后向轨迹模式以及WRF-CMAQ模式对中山市旱季霾特征进行模拟分析.中山市霾污染的天气形势以大陆高压型为主.当相对湿度在71%~90%时,气溶胶浓度和能见度的负相关性最显著,且当能见度减小到5 km以下时,PM_(2.5)浓度的大幅减小才能使能见度略有好转.最有可能引起中山发生霾天气的两条污染带,一条是沿中山至湖南南部,另一条是沿中山到粤东地区.WRF-CMAQ模式能较好地模拟出2014年1月份中山PM_(2.5)浓度、能见度的变化趋势以及广东省区域内灰霾的污染过程.在气溶胶质量权重及消光贡献中,硫酸盐的比重最高,在高相对湿度下,二次气溶胶的消光权重超过80%.通过中山PM_(2.5)过程分析发现,在霾过程,无冷空气时PM_(2.5)主要来自气溶胶反应、排放源和水平平流,贡献率分别为35%、15%和10%,有冷空气时水平平流的贡献最大,达37%;在清洁过程,无冷空气时气溶胶主要靠水平平流和干沉降清除,贡献率分别为-39%和-14%,有冷空气时清除以水平平流和垂直对流、扩散为主,贡献率分别为-29%和-25%,说明不同天气条件下霾的污染和清洁机制有着明显差别.     

Chemical characteristics of PM2:5 during a typical haze episode in Guangzhou

The chemical characteristics (water-soluble ions and carbonaceous species) of PM2:5 in Guangzhou were measured during a typical haze episode. Most of the chemical species in PM2:5 showed significant di erence between normal and haze days. The highest contributors to PM2:5 were organic carbon (OC), nitrate, and sulfate in haze days and were OC, sulfate, and elemental carbon (EC) in normal days. The concentrations of secondary species such as, NO3??, SO4 2??, and NH4 + in haze days were 6.5, 3.9, and 5.3 times higher than those in normal days, respectively, while primary species (EC, Ca2+, K+) show similar increase from normal to haze days by a factor about 2.2–2.4. OC/EC ratio ranged from 2.8 to 6.2 with an average of 4.7 and the estimation on a minimum OC/EC ratio showed that SOC (secondary organic carbon) accounted more than 36.6% for the total organic carbon in haze days. The significantly increase in the secondary species (SOC, NO3??, SO4 2??, and NH4 +), especially in NO3??, caused the worst air quality in this region. Simultaneously, the result illustrated that the serious air pollution in haze episodes was strongly correlated with the meteorological conditions. During the sampling periods, air pollution and visibility had a good relationship with the air mass transport distance; the shorter air masses transport distance, the worse air quality and visibility in Guangzhou, indicating the strong domination of local sources contributing to haze formation. High concentration of the secondary aerosol in haze episodes was likely due to the higher oxidation rates of sulfur and nitrogen species.     

北京2010年10月一次典型灰霾过程光学特性分析

利用探空资料、NECP再分析资料、AERONET气溶胶反演资料等分析了北京地区一次典型灰霾天气过程的成因及气溶胶光学特性参数变化情况.结果表明:此次灰霾期间,稳定的环流形势、湿润的环境及逆温结构的存在是灰霾得以持续和发展的重要原因.灰霾期间AOD、PM2.5浓度逐渐增大,能见度逐渐降低,这可能与局地气溶胶的累积和相对湿度的增大有关,使气溶胶粒子的消光性增强.气溶胶的体积谱表现为双峰型结构,细粒子体积浓度峰值远大于粗粒子浓度峰值,且细粒子浓度峰值逐日增大,Angstrom波长指数在1.2~1.4之间,两参数均可表明此次灰霾过程的污染粒子以气溶胶细粒子为主;灰霾期间SSA逐日增大,表明气溶胶粒子的散射性逐渐增强,SSA随波长的变化主要呈现两种变化趋势,这与当日主控粒子的尺度有关.因气溶胶的作用,使到达地面的辐射通量减小.这些光学特性参量的变化为了解北京地区灰霾期间气溶胶特性及其气候效应提供了参考.     

Chemical characterization of size-resolved aerosols in four seasons and hazy days in the megacity Beijing of China

Size-resolved aerosol samples were collected by MOUDI in four seasons in 2007 in Beijing. The PM₁₀ and PM_1.8 mass concentrations were 166.0 ± 120.5 and 91.6 ± 69.7 μg/m³, respectively, throughout the measurement, with seasonal variation: nearly two times higher in autumn than in summer and spring. Serious fine particle pollution occurred in winter with the PM_1.8/PM₁₀ ratio of 0.63, which was higher than other seasons. The size distribution of PM showed obvious seasonal and diurnal variation, with a smaller fine mode peak in spring and in the daytime. OM (organic matter = 1.6 × OC (organic carbon)) and SIA (secondary inorganic aerosol) were major components of fine particles, while OM, SIA and Ca^2 + were major components in coarse particles. Moreover, secondary components, mainly SOA (secondary organic aerosol) and SIA, accounted for 46%–96% of each size bin in fine particles, which meant that secondary pollution existed all year. Sulfates and nitrates, primarily in the form of (NH₄)₂SO₄, NH₄NO₃, CaSO₄, Na₂SO₄ and K₂SO₄, calculated by the model ISORROPIA II, were major components of the solid phase in fine particles. The PM concentration and size distribution were similar in the four seasons on non-haze days, while large differences occurred on haze days, which indicated seasonal variation of PM concentration and size distribution were dominated by haze days. The SIA concentrations and fractions of nearly all size bins were higher on haze days than on non-haze days, which was attributed to heterogeneous aqueous reactions on haze days in the four seasons.     

南京地区典型霾天气个例特征的比较分析

利用2011年南京大学城市大气环境观测站气象因子及污染物浓度资料、58238站点气象探空资料及NCEP再分析资料、CALIPSO卫星资料,比较分析了南京地区4类典型霾天气(烟花爆竹、沙尘、秸秆燃烧及不利气象条件污染)的污染特征.结果表明:烟花爆竹个例污染物排放集中,以细颗粒物为主,除夕和初五的PM2.5小时浓度分别达到0.46 mg·m-3和0.34 mg·m-3,受逆温层影响,能见度持续降低,最低达到1.16 km;受北方沙尘暴南下影响,沙尘个例以粗颗粒为主要污染物,PM10小时最高浓度为0.78 mg·m-3,PM2.5/PM10平均值为0.39,粒子形状不规则,体积偏退比为0.17;秸秆燃烧个例为重霾污染,能见度最低值为0.97 km,后向散射系数为0.0039 km-1獉sr-1,PM10和PM2.5最高小时浓度达到0.80 mg·m-3和0.49 mg·m-3,颗粒物主要来自南京东南地区秸秆的集中燃烧;不利气象条件导致的污染过程在冬季比较常见,下沉气流活跃,出现双层逆温,近地面静小风造成污染物积累,PM2.5与能见度的相关系数达到0.86,细颗粒物为主要污染物.可见,南京市霾天气可分为两类,分别是由不利气象条件导致的累积性污染和由高强度排放源造成的暴发性污染,具有不同的气象和污染特征.     

秋冬季节华北背景地区PM1污染特征及来源

利用高分辨率飞行时间气溶胶质谱仪(HR-ToF-AMS)在华北背景地区——上甸子区域大气本底站开展亚微米气溶胶(NR-PM_1)化学组分及粒径分布的连续观测实验,观测时段为2015年10月17日至2016年1月27日,涵盖了秋、冬两季.结果表明,整个观测期间NR-PM_1平均质量浓度为25.2μg·m~(-3),PM_1中有机物占绝对优势,硝酸盐占的比例高于硫酸盐.各化学组分平均粒径分布以积聚模态为主,其中,有机物峰形最宽,峰值粒径最小,硝酸盐峰值粒径最大,表明有机物在颗粒物形成、增长初期及老化阶段均有贡献,硝酸盐在气溶胶粒子老化过程中更易于增长为大粒子.有机物种元素特性分析结果显示,秋、冬季有机气溶胶平均氧碳比(O/C)和氢碳比(H/C)为0.58和1.58,OM/OC达1.91,有机气溶胶的氧化程度高于城市站点平均水平.在华北地区污染环境下,有机气溶胶演变途径Van Krevelen拟合曲线斜率为-0.21,其老化潜质和速率较珠三角地区和欧美地区城市要慢.对比污染时段和清洁时段化学组成特征发现,在污染时段,硝酸盐质量浓度及其对PM_1的贡献率超过硫酸盐,有机物氧化程度明显高于清洁时段.后径向轨迹气团分析结果显示,污染时段气团来向较为复杂,来自西部,南部以及东北部气团均有贡献,清洁时段,主要受来自西伯利亚洁净空气的影响,对站点污染物扩散作用明显.     

北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析

在北京地区,除冬季供暖期外盛夏也是雾-霾天气的高发季节,与我国南方不同.使用微波辐射仪、风廓线和常规气象探测资料、NCEP再分析资料以及大气成分观测结果,通过对比分析揭示了冬、夏季持续6 d的2个雾-霾过程形成和维持机制的异同.冬季雾-霾过程出现在高空西北气流、低层多短波活动的背景下,其形成和维持的主要机制是边界层内始终有逆温层、地面弱风场、底层湿度逐渐增大.逆温层昼高夜低、湿度昼小夜大是影响PM2.5质量浓度和能见度日变化的重要环境因子.在雾-霾天气持续期间地面弱风场能够维持主要源于冷空气势力弱、常不能影响到地面.此外,入夜后地面迅速辐射降温、边界层上层有暖平流以及空气过山后下沉增温在逆温层的形成中起了关键作用.然而,对于夏季持续性雾-霾天气,气溶胶区域输送、环境大气保持对流性稳定、空气的高饱和度是其发生的重要条件.在副热带高压长时间控制下对流层低层盛行偏南风,北京的PM2.5质量浓度随着偏南风风速增大升高.对流层底层系统性偏南风与北京附近的山谷风共同构成了从北京以南气溶胶累积地向北输送的机制.夏季雾-霾过程低层没有逆温,但是北京上空一直维持超过200 J·kG-1的对流抑制能量,它同样限制了污染物的垂直扩散.夏季自由对流高度也存在昼夜变化,其对PM2.5浓度和能见度的作用与逆温层高度升降相同.因此,冬、夏个例分别代表了2种不同类型的持续性雾-霾过程,导致差异的根本原因在于大气环流型.     

南京2007年12月持续雾霾过程的大气消光特性

2007年南京冬季雾外场综合试验期间,雾、霾交替持续的最长时间达100 h以上。利用大气气溶胶粒子和雾滴数浓度尺度谱分布、能见度、相对湿度等同步观测资料,从Mie散射理论出发,研究了雾、霾不同阶段大气消光特征,重点分析了大气气溶胶粒子和雾滴在雾、霾持续和转化过程中的消光作用。结果表明,雾、霾过程不同阶段平均能见度的大小关系为：雾<湿霾<霾~轻雾。平均而言,雾阶段雾滴和气溶胶粒子的消光作用相当,其中,雾滴消光波动幅度大于气溶胶粒子消光,能见度的变化趋势主要由雾滴的消光决定。湿霾、霾和轻雾阶段的消光主要由气溶胶粒子造成。湿霾阶段的低能见度是由于大量积聚模态的气溶胶粒子在较高相对湿度环境中吸湿增长所致。霾阶段气溶胶粒子数浓度达到最大,核模态粒子占总数浓度的80%左右,是导致该阶段能见度较低的主要原因。轻雾阶段气溶胶粒子的消光系数最小,但雾滴可提供10%~15%的消光贡献,导致能见度与霾阶段相当。     

2015年1月下旬北京市大气污染过程成因分析

采用地面观测和数值模拟相结合的方式,对2015年1月下旬北京市两次PM_2.5污染过程进行分析。研究表明,在第1次过程中PM_2.5浓度经过3个抬升阶段达到峰值,过程前期区域传输的作用明显,随后区域传输和本地污染积累、化学反应共同加重了污染的程度;3个浓度抬升阶段中均出现过PM_2.5浓度“跃升式”增长,且污染水平越重,浓度跃升的幅度越大。第2次过程是一次典型的静风、高湿度下的PM_2.5持续性增长过程,主要是本地污染物积累和发生化学反应二次生成导致的。大气氧化性分析和SOR、NOR分析均验证了对两次污染过程特征和成因的推断。数值模拟结果表明,第1次污染过程中区域传输对不同站点PM_2.5的贡献率在15.2%~68.7%之间;第2次过程区域传输的贡献率在12.8%~46.3%之间。     

南京冬季气溶胶消光特性及霾天气低能见度特征

利用2015年1月气溶胶散射和吸收系数、PM_(2.5)质量浓度、大气能见度以及常规气象观测数据,分析了南京冬季大气气溶胶散射系数与吸收系数的变化特征,给出了散射系数与吸收系数对大气消光的贡献,以及能见度与PM_(2.5)质量浓度和相对湿度的关系.结果表明,观测期间南京大气气溶胶的散射系数和吸收系数分别为(423.4±265.3)Mm~(-1)和(24.5±14.3)Mm~(-1),对大气消光的贡献分别为89.2%和5.2%,表明大气消光主要贡献来自于气溶胶的散射.散射系数与PM_(2.5)相关性较好(R2=0.91),能见度随PM_(2.5)质量浓度呈指数下降,也与相对湿度保持一定负相关性.能见度均值为4.3km,且连续出现能见度不足2km的低能见度天气,霾天气下消光系数和PM_(2.5)质量浓度大幅超过非霾天气,最高值分别达到1471.2Mm~(-1)和358μg/m~3,霾天气下能见度的降低来自颗粒物与相对湿度的共同影响.     

气溶胶辐射效应对气象和环境影响的观测与模拟研究

选取2015年和2019年不同代表年份,结合外场观测和数值模拟,分析了天津地区不同季节不同天气(晴天、多云、霾)下,气溶胶辐射效应对整层大气透过率和地表入射太阳辐射的影响,以及这种影响在不同年份的差异.借助WRF-Chem模式模拟分析了重污染期间气溶胶辐射效应对垂直方向上气象要素廓线、边界层结构以及PM_2.5浓度的反馈机制.结果表明:霾污染可导致大气透过率明显下降,春、秋、冬不同季节,霾污染导致中午大气透过率分别下降0.09,0.11和0.09.全年平均霾污染可导致大气透过率降低约15.5%.云量的增多也可导致大气透过率明显下降,多云天气下大气透过率相比晴天减小约22.4%.霾和云对大气透过率的影响还与太阳高度角有关,当太阳高度角>60°时,霾污染导致大气透过率下降8.6%.随污染等级提高,气溶胶对太阳辐射的衰减作用也越强,天津地区空气质量分别为Ⅰ～Ⅰ级时,中午地表入射短波辐射呈稳定下降趋势,依次为484,446,439,342,328和253W/m².重污染期间,气溶胶辐射效应导致大气低层(250m以下)降温(0.8℃)增湿(3.8%...     

Role of secondary aerosols in haze formation in summer in the Megacity Beijing

A field experiment from 18 August to 8 September 2006 in Beijing, China, was carried out. A hazy day was defined as visibility < l0 km and RH (relative humidity) < 90%. Four haze episodes, which accounted for ~ 60% of the time during the whole campaign, were characterized by increases of SNA (sulfate, nitrate, and ammonium) and SOA (secondary organic aerosol) concentrations. The average values with standard deviation of SO₄^2 −, NO₃⁻, NH₄⁺ and SOA were 49.8 (± 31.6), 31.4 (± 22.3), 25.8 (± 16.6) and 8.9 (± 4.1) μg/m³, respectively, during the haze episodes, which were 4.3, 3.4, 4.1, and 1.7 times those in the non-haze days. The SO₄^2 −, NO₃⁻, NH₄⁺, and SOA accounted for 15.8%, 8.8%, 7.3%, and 6.0% of the total mass concentration of PM₁₀ during the non-haze days. The respective contributions of SNA species to PM₁₀ rose to about 27.2%, 15.9%, and 13.9% during the haze days, while the contributions of SOA maintained the same level with a slight decrease to about 4.9%. The observed mass concentrations of SNA and SOA increased with the increase of PM₁₀ mass concentration, however, the rate of increase of SNA was much faster than that of the SOA. The SOR (sulfur oxidation ratio) and NOR (nitrogen oxidation ratio) increased from non-haze days to hazy days, and increased with the increase of RH. High concentrations of aerosols and water vapor favored the conversion of SO₂ to SO₄^2 − and NO₂ to NO₃⁻, which accelerated the accumulation of the aerosols and resulted in the formation of haze in Beijing.     

2014年1月北京市大气重污染过程单颗粒物特征分析

利用在线单颗粒物气溶胶质谱仪(SPAMS)对2014年1月北京市典型大气重污染过程进行了连续监测,分析了具有正负离子质谱信息的颗粒物共2248225个.同时,利用ART-2a神经网络分类方法并结合Matlab统计分析,将具有质谱信息的颗粒物归为10类,分别为:矿尘类颗粒物(Dust)、元素碳颗粒物(EC)、有机碳颗粒物(OC)、元素碳和有机碳混合颗粒物(ECOC)、钠钾颗粒物(NaK)、富钾颗粒物(K)、含氮有机物(KCN)、高分子有机物(MOC,Macromolecular OC)、多环芳烃类颗粒物(PAHs)和重金属类颗粒物(Metal).结合PM_2.5质量浓度数据和HYSPLIT 4.0后向轨迹模型结果,将观测时间段划分为3个典型污染过程和1个清洁过程.结果显示,重污染期间OC、MOC和PAHs为最主要的颗粒物类型.最后,本文还比对分析了污染过程和清洁期间颗粒物的混合状态,结果表明,污染过程中硫酸盐和硝酸盐较清洁期间更容易与碳质颗粒物结合.     

北京一次严重雾霾过程气溶胶光学特性与气象条件

对北京地区2013年10月2~7日一次严重雾霾过程中的气溶胶光学特性开展研究,分析了气象条件对雾霾过程的影响,并结合HYSPLIT模型分析污染物的来源.结果表明,在污染天气中气溶胶光学厚度、?ngstr?m波长指数、细模态体积尺度谱峰值浓度远高于清洁天.10月5日雾霾最为严重,440nm波长处气溶胶光学厚度高达3.89.在雾霾发生前后,单次散射反照率日均值随波长增大而增大,而在10月5日,单次散射反照率值随波长增加先增大后减小,在675nm波长处达到最大值0.965.雾霾过程中大气气溶胶以强散射型细粒子为主,人为因素贡献较大,且受气象条件影响明显.     

西安市一次霾过程中气溶胶垂直分布特征及气象要素影响

为探讨西安市典型霾过程中的气溶胶垂直分布特征和气象要素影响,利用地面空气质量数据、CALIPSO卫星激光雷达资料以及气象要素资料,并结合HYSPLIT后向轨迹模式、天气形势分析、相关性分析等,对西安市2016年12月17-21日霾过程依据RH（相对湿度）进行干霾、湿霾和雾霾的划分,并分析不同阶段的气溶胶垂直分布特征.结果表明:前期干霾阶段,西北沙尘的输送使得高空气溶胶退偏比和色比较大,以沙尘型气溶胶为主;中期湿霾阶段,RH的增大使得低层细粒子增多,消光系数达1.7 km-1,以污染型气溶胶为主;后期干霾阶段时,低层大气中非球形粗粒子增多,以混合型气溶胶占主导.气象要素对霾过程影响较大,静风、高湿、"双逆温"效应不利于颗粒物的清除,逆温强度的变化与污染物的消长具有一定的滞后一致性.RH和ρ（PM）共同影响能见度变化,RH高于80%时,能见度由RH主导,相关系数达到-0.871;RH低于80%的污染阶段,ρ（PM）对能见度起主导作用,相关系数达0.85以上.研究显示,不同霾阶段气溶胶垂直分布特征差异较大,气象要素对霾过程的消长有重要影响.      

基于WRF-RTIM的上海地区霾预报MOS方法研究

应用基于系统辨识理论的实时迭代模式(real-time iterative model,RTIM)对WRF模式预报结果进行后处理,建立了上海地区霾天气的模式输出-统计(model output statistics,MOS)方法.首先,根据WRF模式的气象输出资料,结合大气污染观测数据,筛选出霾事件的预报因子;其次,运用系统辨识实时迭代模型,建立依据MOS预报方法的PM2.5、PM10和能见度预报模式;最后根据霾事件的判别标准,对上海2012年11月—2013年1月的霾日进行24 h和48 h预报.结果表明,PM2.5模式预报成功率为75.0%~63.9%,PM10模式预报成功率为87.5%~81.8%,能见度模式预报成功率为71.0%~74.2%,霾日预报成功率为73.7%~72.7%.分析表明,研究期间上海的气溶胶以细颗粒物为主,低能见度主要由导致霾现象的PM2.5引起.该方法能较准确地预报霾日的发生,可为我国城市大气环境业务预报提供参考依据.     

长江三角洲冬季一次低能见度过程的地区差异和气象条件

采用NCEP再分析资料、MICAPS地面、高空气象资料以及国家环保部空气质量监测资料,对2014年2月20~22日长江三角洲地区一次低能见度过程地区差异和气象条件进行了分析.天气形势分析表明,长三角地面处在高压的控制下,地面风速较小,使污染物积累,有利于低能见度(雾-霾)的形成和维持.根据不同区域的雾、霾分布和日变化特征,将长江三角洲地区分为3个子区域:Ⅰ区为江苏大部(雾霾混合型),Ⅱ区为上海及其周边(霾类型),Ⅲ区为浙江大部(雾类型),该区域白天能见度较高,夜间能见度较低的特征是由湿度因子造成的.影响Ⅰ区能见度变化的主要原因是:热力原因:大气对流层低层的层结稳定;湿度原因为:空气较湿润,气溶胶粒子吸湿性增长;动力原因主要是垂直方向和水平方向的大气扩散能力弱;污染因子对能见度变化的影响较小.影响Ⅱ区能见度变化的主要原因是PM2.5浓度高导致的污染,热力因子、湿度因子和动力因子对能见度的变化影响很小.影响Ⅲ区能见度变化的热力原因是:大气对流层低层层结稳定、近地面存在逆温;湿度原因是因为:空气较湿润,气溶胶粒子吸湿性增长;动力原因是因为边界层高度较低导致的垂直扩散能力较差.各个区域的气象因子解释方差的计算结果表明:Ⅰ区湿度因子和动力因子对能见度的影响更大,Ⅲ区.湿度因子对能见度的影响更大.     

北京大气PM2.5中铅的同位素测定和来源研究

用石英滤膜连续采集北京2003-02～2003-03的12个PM_2.5样品,进行无机多元素、OC、EC和铅同位素丰度比的分析测定.对样品进行聚类分析,结合气象信息讨论了分组结果,描述了2003年春北京市的2个大气铅污染过程.2个污染过程均表现出铅含量高,²⁰⁶Pb/²⁰⁷Pb丰度比低的特点.Al、Ca、K等地壳元素的含量与Pb的含量负相关,表明土壤尘对铅的贡献不大.比较Pb、As、Zn、Se和Al、Ca等地壳元素含量的相关性,2个铅污染过程是由有色冶金排放和燃煤排放共同主导的.而02-28～03-02的铅污染过程中,燃煤排放贡献增大,有色冶金排放贡献下降.结果表明,汽油无铅化以后,北京市春季大气颗粒物中的铅主要来源于有色冶金排放与燃煤排放.     

沿海城市灰霾天气与海盐氯损耗机制的关系

随着经济规模迅速扩大和城市化进程加快,大气气溶胶污染日趋严重,由细粒子气溶胶造成的能见度恶化事件越来越多,这些人类活动排放的污染物,可形成灰霾天气致使能见度下降。尤其值得注意的是沿海城市灰霾天气增长较快,沿海城市灰霾天气增多与海盐气溶胶粒子的氯损耗机制关系密切。我国30年前在粉尘污染时代建立的空气质量评价体系,已经远远不能描述新型复合空气污染类型,尤其是不能描述细粒子污染的情况,能见度的恶化主要与细粒子的浓度关系比较大,而与气溶胶的质量浓度关系不大。能见度与PM2.5尤其是PM1有非常好的关系,因而目前用能见度来描述灰霾天气是最好的指标。     

西安一次霾重污染过程大气环境特征及气象条件影响分析

利用西安区域8个气象站点的气象观测资料及西安市13个环境质量监测站点的空气污染物浓度监测资料,对2013年12月16—25日西安地区一次长时间重污染霾天气过程的污染特征及成因进行了分析.结果表明此次霾重污染天气过程主要是一次在不利气象条件下形成的高浓度颗粒物污染事件,其中有54.6%的霾属于干霾,其余属于湿霾.气压场偏弱,气压梯度力小,风速小,弱冷空气形成的下冷上暖的稳定性层结等天气形势有利于霾重污染的形成与维持;弱的降温与相对湿度增大叠加,有利于气溶胶吸湿增长而加重霾的强度.关中盆地特有的喇叭口地形通风不畅,造成外来输送与当地排放的大量污染物堆积,为此次长时间霾发生提供了增强条件.低的混合层厚度抑制了垂直方向上的对流输送,严重削弱了大气垂直扩散能力,造成了大气中各类污染物浓度的大量积聚,是造成此次霾重污染过程的重要原因之一.城市污染加重热岛效应、热岛效应反过来通过热岛环流改变城市污染物传播扩散规律并加重污染,二者相互作用、互为增强条件.