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呈现非线性响应关系,主导风向变化导致重污染前的传输效应明显大于重污染期间,高湿环境的传输效应明显小于低湿环境.     

区域大气环境污染光学探测技术进展

环境污染物的形成、转化、输送和演变过程具有极强的时空相关性,研究和发展能适用于多组分环境污染物的快速、实时、动态监测技术是科学研究工作者面临的重大课题.基于光谱学原理的环境监测技术,由于其具有非接触、无采样、高灵敏度、大范围快速监测等特点,是国际上环境监测技术的主要发展方向之一,并被广泛应用于环境、气象和科学研究等领域.针对京津冀地区大气重污染发生-演变-消散全过程的核心科学问题,通过建立大气污染传输通道立体观测网,开展重污染时段和重污染过程的车载走航、机载观测地基遥感和卫星遥感观测,综合运用大气环境监测网以及超级站等观测平台,获取大气污染物的光学特性、环境气象信息等演变规律,从而推动京津冀及周边地区空气质量的持续改善.光谱学技术在环境监测领域的成功应用,为区域大气和全球环境状况奠定了技术基础.      

京津冀及周边地区秋冬季PM2.5爆发式增长成因与应急管控对策

京津冀及周边地区秋冬季大气重污染过程频发,而在一些污染过程中PM_2.5会呈现爆发式增长特征,受到社会、公众的广泛关注,但现阶段针对PM_2.5爆发式增长的成因仍缺乏系统性的认知.对京津冀及周边地区在2015-2019年秋冬季（10月-翌年3月）大气重污染过程进行整理分析,并以2016年12月16-22日和2019年1月10-14日两次典型重污染过程中的PM_2.5爆发式增长为典型案例进行成因解析,归纳得出PM_2.5爆发式增长的主要原因为本地积累、区域传输和二次转化.对于北京市,PM_2.5爆发式增长通常不是上述某一原因独立导致,而是三者综合作用的结果.对于主要由本地积累引起的PM_2.5爆发式增长,应提前采取预警应急措施,降低ρ（PM_2.5）峰值;对于主要由区域传输引起的PM_2.5爆发式增长,应开展区域应急联动,降低传输通道沿线城市对ρ（PM_2.5）累积的贡献;对于主要由二次转化引起的PM_2.5爆发式增长,应通过一次颗粒物和SO₂、NO_x、VOCs等气态污染物的协同减排,降低高湿条件下污染物二次转化的影响.在2016年12月16-22日的大气重污染过程期间,京津冀及周边地区通过采取上述应急管控对策,减少了主要污染物排放量,有效降低了ρ（PM_2.5）峰值.建议可根据各地PM_2.5爆发式增长的具体成因,通过提前采取重污染天气预警应急措施、区域应急联动和多污染物（一次颗粒物、SO₂、NO_x、挥发性有机物等）协同减排等应急管控对策,有效减少PM_2.5爆发式增长的次数、降低PM_2.5爆发式增长的速率,减缓大气重污染的发生和发展.      

华北区域大气污染过程中天气型和输送路径分析

以2003年10月2—12日一次大气污染过程为例,分析华北区域大气污染过程中主要天气型及污染物输送路径.结果表明:区域内大部分城市API上升阶段,以西南输送路径为主;API下降阶段,受纬向锋区影响,以东北气流为主,污染物从北向南扩散,区域内各城市空气质量好转.统计2003年9—12月7次大气污染过程发现,当华北地区为大尺度高气压控制时,若高压中心位于山西南部,河北为弱的低气压区(地形槽)时,将导致西南风气流盛行该区域.受地形和天气型控制,西南方向的输送通道是引起北京大气污染过程的主要通道.      

北京及周边地区大气污染数值模拟研究

北京周边地区污染源对北京市区大气环境的影响不可忽视.利用区域大气污染模式,系统模拟分析2002-08-17T09:00-2002-08-29T08:00污染传输过程;选择典型污染时段,结合气象资料进行比较分析,计算各时段周边地区和北京自身大气污染物对北京大气环境污染的贡献和贡献率;进一步证实了在大气条件有利于污染物输送的背景下,周边地区污染源的中远距离输送对北京大气环境质量的影响不可忽略.研究表明:有特殊天气背景时,即研究区域在西南风气流场的控制之下,周边地区污染源对北京的贡献比北京自身的大;没有特殊天气时,北京自身的贡献大于周边地区对其的贡献.      

京津冀及周边地区秋冬季大气污染防治重点及建议

京津冀及周边地区大气污染严重,重污染天气频发,是我国大气污染防治的主战场。该区域秋冬季细颗粒物(PM_(2.5))浓度明显高于其他季节,秋冬季大气污染防治是该区域大气污染防治的关键和"蓝天保卫战"的决胜战役。为有效减轻大气污染,降低PM_(2.5)浓度,十部委和六省市联合发布了《京津冀及周边地区2017—2018年秋冬季大气污染综合治理攻坚行动方案》。本文在梳理京津冀及周边地区秋冬季大气污染防治重点和难点的基础上,结合上述方案,分析了攻坚决胜的关键环节,包括巩固散乱污企业及集群整治成果、减少散煤污染排放、实施错峰生产和错峰运输、妥稳应对重污染天气和强化责任落实,并提出了要建立长效机制、增强区域协调、深化科技支撑等建议。     

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%.     

北京地区秋冬季大气污染特征及成因分析

为了研究近两年北京地区PM2. 5污染特征及成因变化,利用常规观测资料和改进的后向轨迹模型(Traj Stat)对2016～2017年秋冬季大气重污染时段的颗粒物浓度、气象要素和气团传输路径进行了综合分析.结果表明,研究期间北京地区共发生13次持续2 d以上的重污染事件,冬季过程约占61. 5%,且污染程度和持续时间均高于秋季.地面受弱气压场控制、高湿度、静小风以及较低的混合层高度,加之北京三面环山的特殊地势是导致秋冬季静稳型污染频发的重要因素,重污染期间PM2. 5/PM10的平均比值高达0. 86.累积阶段气团主要来自于西北、偏西、西南和东南方向,其中西南和东南路径为典型污染传输通道,轨迹频率为21. 6%.此外,采用WRF-CAMx模型定量估算了2016年12月16～22日典型过程中本地和外来污染源对北京PM2. 5的贡献,结果发现不同气团输送条件下,二者的贡献差异较大.当南部气团输入时,本地贡献会显著下降,以外部区域输送为主导;若气流来自西北方向情况则相反.污染过程期间,本地贡献为16. 5%～69. 3%.     

2015年“十一”期间北京市大气重污染过程分析

采用垂直观测、地面观测、PM_2.5化学组分观测和气团轨迹分析等手段,对2015年10月份北京市一次大气重污染过程进行了分析.结果表明,重污染时近地面层气溶胶消光系数升高,污染物主要积聚在600m以下.重污染期间气象要素特征为：风场弱,湿度大,地面受弱气压场控制,边界层高度极低.重污染期间不同站点PM_2.5浓度变化趋势和峰值出现时间较为一致;大部分时段PM_2.5中NO₃^-浓度明显高于其他组分;周边区域受重污染的影响面积相对较小,高浓度区主要集中在北京市及近周边地区.多手段的观测结果以及PM_2.5浓度与气象要素和各化学组分的相关性分析的结果均表明：区域传输,包括秸秆焚烧,对本次北京市重污染天气过程具有一定的影响,但本地机动车排放在不利气象条件下的积累、二次转化以及垂直方向空间的极端压缩是导致重污染的主要原因.     

汾渭平原吕梁市颗粒物潜在源及输送通道分析

基于汾渭平原吕梁市2017~2019年颗粒物浓度监测数据和地面气象观测数据,利用后向轨迹聚类分析法以及潜在源贡献函数(PSCF)等方法研究了吕梁市冬季PM₁₀和PM_2.5大气污染特征及其潜在源区,最后结合轨迹密度分析法(TDA)、轨迹停留时间分析法(RTA)对轨迹聚类分析得到污染输送通道进行补充分类,并分析了不同输送通道的输送特征.研究发现,吕梁市2017~2019年颗粒物年均浓度逐年下降,其中PM₁₀下降了28μg/m³,PM_2.5下降了17μg/m³,冬季下降幅度最大.3a冬季风向风速和浓度的统计分析表明吕梁市颗粒物浓度受东北和西南风影响最为显著,其原因是受当地三川河河谷地形的影响.影响吕梁市PM₁₀污染的潜在源区主要位于西南方向,PM_2.5污染的潜在源区主要分布在西南、东和东南方向,颗粒物污染输送通道可概括为:西北、西南和偏东(东+东南)通道.西北通道气流移动速度快,途经新疆、内蒙、甘肃和陕西北部等区域;西南通道气流移动速度慢,主要途经陕西中南部渭河平原等污染严重的区域;偏东通道的气流移动速度慢,气流先沿太行山东麓南下,在经过太行山的横断山谷(太行陉、井陉等)时转向进入山西.PM₁₀污染时西北通道贡献最大,偏东通道贡献最小,且两个通道下绝大多数发生的均是轻度污染,占比都在90%左右;PM_2.5污染时三类通道下发生轻度污染的比重较PM₁₀均下降,西南和偏东通道下发生中度污染以上的比重在50%左右,且西南和偏东通道途经的区域恰好是PSCF计算得到的潜在源区位置,说明了西南和偏东气流容易将细颗粒物输送至吕梁.WRF (天气预报模式)的风场模拟较为直观的解释了三类污染输送通道,且复杂地形是形成污染输送通道的一个重要因素.西北和西南污染输送通道主要受吕梁山脉的影响,偏东污染输送通道主要受太行山及其横谷的影响.     

Identification of long-range transport pathways and potential sources of PM2.5 and PM10 in Beijing from 2014 to 2015

Trajectory clustering, potential source contribution function (PSCF) and concentration-weighted trajectory (CWT) methods were applied to investigate the transport pathways and identify potential sources of PM_2.5 and PM₁₀ in different seasons from June 2014 to May 2015 in Beijing. The cluster analyses showed that Beijing was affected by trajectories from the south and southeast in summer and autumn. In winter and spring, Beijing was not only affected by the trajectories from the south and southeast, but was also affected by trajectories from the north and northwest. In addition, the analyses of the pressure profile of backward trajectories showed that backward trajectories, which have important influence on Beijing, were mainly distributed above 970 hPa in summer and autumn and below 950 hPa in spring and winter. This indicates that PM_2.5 and PM₁₀ were strongly affected by the near surface air masses in summer and autumn and by high altitude air masses in winter and spring. Results of PSCF and CWT analyses showed that the largest potential source areas were identified in spring, followed by winter and autumn, then summer. In addition, potential source regions of PM₁₀ were similar to those of PM_2.5. There were a clear seasonal and spatial variation of the potential source areas of Beijing and the airflow in the horizontal and vertical directions. Therefore, more effective regional emission reduction measures in Beijing''s surrounding provinces should be implemented to reduce emissions of regional sources in different seasons.     

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.     

苏锡常地区PM2.5污染特征及其潜在源区分析

利用2014年12月—2015年11月苏锡常地区国控大气环境质量监测站发布的逐时数据,分析了研究区PM_(2.5)浓度的季节变化和空间分布特征,并利用HYSPLIT模型分析了大气污染物的输送路径及苏锡常地区PM_(2.5)的潜在源区.结果表明,苏锡常地区PM_(2.5)浓度日均值变化趋势基本一致,均呈现冬季高、夏季低的规律.PM_(2.5)浓度四季空间差异显著,不同监测站之间的差异较小.四季PM_(2.5)浓度与其它污染物之间相关性显著.单位面积污染物排放量与空气质量分布的空间错位,表明该地区PM_(2.5)污染与区域性污染物迁移有较大关系.苏锡常地区气流后向轨迹季节变化特征明显,冬、春、秋季的气流主要来自西北内陆地区,夏季气流以东南和西南方向输入居多.聚类分析表明,来自内陆的污染气流和来自海洋的清洁气流是苏锡常地区两种主要输送类型,外源污染气流不仅直接输送颗粒物,还贡献了大量的气态污染物.山东南部、江苏西部、安徽东部、浙江北部及江西西北地区对苏锡常冬季PM_(2.5)浓度贡献较大,春、夏、秋季的潜在源区主要分布在苏锡常本地和周边城市.     

气象条件对河北廊坊城市空气质量的影响

气象条件是影响大气污染的重要因子.利用2013年3月—2014年2月廊坊颗粒物质量浓度监测资料、自动气象站观测资料和欧洲中期天气预报中心再分析资料,采用多种统计方法分析气象与污染的关系,量化天气形势和局地气象条件对城市颗粒物质量浓度变化的贡献.结果表明:天气形势是决定局地气象要素和城市空气质量的重要因子.当廊坊位于高压中心或高压后部时,大气层结稳定,易造成重污染;当廊坊位于高压前部(气压梯度较大)时,大气层结不稳定,易于污染物输送和扩散.利用客观天气分型结合污染物质量浓度统计分析方法,可以量化天气形势对城市空气质量的影响.在局地气象要素中,能见度与ρ(PM_2.5)、ρ(PM₁₀)相关性最高(相关系数分别为-0.75和-0.53,下同),其次依次为风速(-0.45和-0.31)、相对湿度(0.41和0.25)和温度(-0.15和-0.06).通过污染物浓度与局地风场关系分析发现,廊坊颗粒物质量浓度受天津市、河北省南部区域输送的影响明显,受北京区域输送的影响相对较弱.研究显示,气象条件可以解释廊坊ρ(PM_2.5)和ρ(PM₁₀)日均值变化的56%和49%,其在冬季对颗粒物质量浓度影响最为显著,春秋季次之,夏季影响最小.      

太行山两侧污染物传输对横谷城市气溶胶的影响分析

利用2017~2019年太行山横谷城市阳泉PM₁₀和PM_2.5逐时浓度资料和对应时刻风速风向数据,结合HYSPLIT后向轨迹模型通过聚类分析、潜在源贡献因子和浓度权重轨迹方法分析了横谷城市气流输送特征及对阳泉市气溶胶的影响,并进一步探讨了太行山两侧大气污染物的交换特征.阳泉市气溶胶日变化为单峰单谷型,冬季最高值出现在10：00~11：00,其他季节多在09：00,最小值均在15：00~16：00;月际变化呈1月最高、8月最低.受横谷地形影响,地面风向以偏东风和偏西风频率最高;除小风天气外,春秋季偏西风引起的沙尘天气和冬季偏东风输送也会引起阳泉气溶胶浓度升高;后向轨迹结合污染特征显示,各季节污染轨迹占比为春季26.2%、秋季36.4%和冬季33.7%,主要分布在阳泉的西南和东南区域,冬季在东北区域也有分布;山脉两侧均存在显著的细颗粒物传输,而起源或途经太行山西侧的轨迹粗颗粒物输送亦相对较多;污染轨迹中偏西气流输送对PM₁₀超标率影响更大,偏东气流则主要影响PM_2.5的超标率.不同季节阳泉市气溶胶主要污染潜在源区存在差异,春季为西南和东南两区域;秋季为西南及偏南区域,冬季主要位于偏南和偏东方向区域,山西东南部及与河南北部交界区域是主要的污染贡献源区,太行山两侧通过井陉通道进行大气污染物的相互传输过程显著,其中东向西的PM_2.5传输影响更显著.     

晋东南地区冬季PM2.5污染输送路径分析

利用2017~2019年晋城市和长治市冬季PM_2.5逐时浓度资料、地面风场数据等,结合HYSPLIT轨迹模型和中尺度数值模式WRFV4.2分析了晋东南地区冬季PM_2.5污染的特征和传输特点.结果表明,晋城市冬季PM_2.5污染程度高于长治市.受地形影响,晋城市地面盛行偏南风、偏北风和西北风,污染方向主要为偏南风和偏北风;长治市近地面盛行偏南风,该风向污染频率最高.影响晋城市和长治市污染的潜在源区主要分布在偏西、东北和东南方向,偏西气流来自陕西省中部,东北气流来自河北省西南部,东南气流来自河南省中东部.污染经过晋东南地区主要影响山西省中南部和北京南部.通过数值模拟流场,结合潜在源区和影响区域的分析结果,在均压场或高压后部的天气形势下,晋东南地区污染输送路径包括来自东北方向（河北省西南部一带）的气流,沿长治市东北部的滏口陉向晋东南地区输送污染物及沿太行山东麓向南在晋豫交界处的太行陉发生转折向晋东南地区输送污染物;来自东南方向（河南北部及东部）的气流输送和来自偏西方向（陕西中南部）的气流输送.污染物经过晋东南地区向北输送至山西省中南部,部分经过山西省中东部的井陉输送至北京南部.     

APEC会议前后北京地区PM2.5污染特征及气象影响因素

为分析APEC会议前后北京地区PM_2.5变化特征,利用中国科学院大学雁栖湖校区超级站在2014年10—12月的连续观测数据,对APEC会议前后北京地区污染物分布及变化特征、气象影响因素和气团传输路径特征进行了分析. 结果表明:APEC会议期间北京地区减排效果显著,ρ(PM_2.5)平均值比会前下降了60.5%. 气象条件对污染物扩散起到积极作用,APEC期间平均风速为1.40 m/s,平均相对湿度为31.9 %,近地面气象条件优于APEC会前、会后. 北京地区受到外来污染物输送的影响,在2.00~3.00 m/s的南风下易发生来自南部地区的PM_2.5和SO₂输送. APEC会议期间北京地区主要受来自西北地区的高速、高海拔气团控制,其出现频率为39.6%,远低于APEC会前 (15.9%)和会后(20.8%),而来自南部地区的低速、低海拔污染气团的出现频率仅为2.1%,扩散条件总体良好. 研究显示,除了减排措施有效削减了污染物排放以外,有利的气象条件也是APEC会议期间北京地区保持良好空气质量的重要因素.