2014—2016年海口市空气质量概况及预报效果检验

本文主要基于CUACE模式在海口市的预报产品,结合2014年3月—2017年2月海口市AQI、PM_2.5、PM₁₀和O₃的实况资料进行预报效果检验.结果表明,①近3年海口市空气质量等级主要以优和良为主,但仍有少部分天数以PM₁₀、PM_2.5和O₃为首要污染物,分别占所有首要污染物天数的27.6%、29.5%和42.9%,其中O₃上升幅度较快.②CUACE模式能较好的模拟出AQI和3类污染物浓度的变化特征,其中PM_2.5的预报值与实测值最为接近,而PM₁₀和O₃普遍偏低.③日平均浓度的预报效果检验表明,PM_2.5的标准误差（RMSE）最小,AQI和PM₁₀次之,O₃最大.3个时次预报平均偏差（MB）和归一化偏差（MNB）均为负值,表明CUACE模式预报的污染要素浓度均偏低于实测值.④海口市空气质量为优等级时,TS评分最高;无首要污染物时,首要污染物预报的TS评分最高,但首要污染物为PM_2.5、PM₁₀或O₃时,TS评分均偏低.     

秦巴山地西部地区2015—2018年大气污染物变化特征及潜在来源分析

为了研究我国南北过渡带西部地区大气污染物变化特征，选取了秦巴山地西部陇南市2015-2018年大气主要污染物监测资料和气象数据，分析了各污染物的浓度水平、变化特征及与气象条件的关系，并利用HYSPLIT后向轨迹模式分析了该地区污染物潜在来源（WPSCF和WCWT）.结果表明：4年来，秦巴山地西部地区空气环境质量较好，空气质量优良率达94.24%，6项大气污染物SO₂、NO₂、CO、O₃、PM_2.5、PM₁₀平均浓度分别为19.02、23.35、701.41、83.11、30.57、56.50 μg·m^-3，均未超过国家二级标准.PM₁₀是该地区首要污染物中天数最多的，达94 d.污染物SO₂、NO₂、CO、PM_2.5和PM₁₀的季节变化和日变化特征具有较好一致性，呈"U"型变化，O₃呈单峰型，在夏季和午后浓度到达高值.颗粒污染物PM₁₀、PM_2.5与气态污染物SO₂、NO₂、CO均呈现较好正相关，气温、降水量和风速风向对污染物浓度有较大的影响.该地区冬季空气质量明显差于其他季节，颗粒物浓度主要受供暖期化石燃料燃烧和外来气流的影响.     

2015—2017年天水市大气污染物变化特征及来源分析

据天水市2015-2017年大气污染物（SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀）的监测数据及气象资料,分析了天水市大气污染物的浓度变化特征,并利用排放源清单和HYSPLIT模型对污染物来源进行了解析.结果表明：①天水市空气质量有所下降,总体优良率达84.9%.SO₂、NO₂、CO均达标,污染物以颗粒物和O₃为主.②一次污染物SO₂、NO₂、CO、PM_2.5和PM₁₀浓度具有相似的季节变化和日变化特征,冬季最高,夏季最低,日变化呈早晚双峰型.二次污染物O₃夏季浓度最高,冬季最低,日变化呈单峰型.③天水市空气质量主要受污染物的本地排放和外来输送的影响,本地民用和工业部门对SO₂、CO、PM_2.5和PM₁₀的贡献最大,交通和工业部门对NO_x的分担率最高,民用部门是CO的最大排放源;西北和东部气流是污染物外来的最主要输送路径.此外,污染物在城市大气中的稀释、扩散和转移也受当地气象因素（气温、降水、风向等）的影响.     

2017~2021年苏皖鲁豫交界区域PM2.5和O3时空变化特征及影响因素

苏皖鲁豫交界区域是长三角和京津冀及周边两大大气污染治理重点区域的连接带,揭示该区域PM_2.5和O₃污染特征对推动区域大气污染联防联控有着重要意义.基于2017~2021年苏皖鲁豫交界区域22个地市的国家空气环境监测网络观测数据,探讨了该区域PM_2.5和O₃浓度的时空变化特征及气象影响.结果表明：①2017~2021年区域PM_2.5浓度呈现逐年下降趋势,PM_2.5浓度月均值呈现“U型”分布,冬季PM_2.5浓度仍维持高位.O₃-8h-90%浓度呈现波动下降趋势,O₃-8h-90%浓度月均值变化呈“M型”分布,夏秋季O₃污染程度未有好转.②与2017年相比,2021年PM_2.5-O₃复合污染天数减少了52 d,但PM_2.5污染仍占主导地位.③PM_2.5和O₃污染区域主要集中在区域中部和北部城市,且中部城市PM_2.5和O₃污染程度均改善显著.④采用Moran''s I指数和LISA指数分析了区域PM_2.5和O₃-8h-90%浓度的全局和局部空间自相关性,PM_2.5和O₃-8h-90%浓度均具有空间相关性,PM_2.5浓度主要表现为高值-高值聚集或低值-低值聚集现象,且高值-高值聚集有从中部向西部转移的现象,2020年和2021年O₃-8h-90%浓度表现为高值-高值聚集或低值-低值聚集现象.⑤结合气象要素数据,利用KZ滤波方法量化排放源与气象条件对区域PM_2.5和O₃-8h浓度的贡献,两者主要受到污染物排放影响,贡献率分别为101.0%和99.3%,表明污染物减排是驱动区域空气质量改善的主要因素.此外,气象条件对PM_2.5浓度的贡献在一、四季度为正值,二、三季度为负值,而对O₃-8h浓度的影响则反之,且气象条件对不同城市PM_2.5和O₃-8h浓度的影响程度存在较大差异.     

武汉市2014-2017年大气污染物分布特征及其潜在来源分析

利用武汉市2014—2017年大气污染物（SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀）和气象要素的观测数据,分析了大气污染物的变化特征及其影响因素.使用HYSPLIT模式计算了影响武汉市的主要气团类型,并利用潜在源区贡献（PSCF）和浓度权重轨迹（CWT）分析方法,揭示了研究期内武汉市不同大气污染物的潜在源区分布及其贡献特性.结果表明,武汉市2014—2017年空气质量逐年好转,SO₂、O₃、PM_2.5和PM₁₀的浓度呈逐年下降的趋势,但NO₂和CO的浓度先下降后上升.2017年SO₂、O₃、PM_2.5、PM₁₀、NO₂和CO的浓度分别为9.6、50.8、52.7、89.2、47.5 μg·m^-3和1.1 mg·m^-3,分别比2014年降低了64.3%、23.0%、24.7%、18.8%、3.5%和5.9%.大气污染物存在显著的季节变化和月变化.大气污染物在四个季节中日变化类似,SO₂和O₃均为单峰型分布,NO₂、CO、PM_2.5和PM₁₀均为双峰型分布.武汉市空气污染以PM_2.5为主,随着污染程度的加剧PM_2.5/PM₁₀的值逐渐增大,在空气质量为严重污染时,PM_2.5/PM₁₀高达90%,比空气质量为优时高了31.34%.局地气团（45%）和来自山西、陕西和河南一带的西北气团（12.1%）下大气污染物浓度较高.大气污染物的潜在源区贡献（WPSCF）和浓度权重轨迹（WCWT）的较大值主要集中在武汉市本地及其周边地区,局地污染对武汉市大气污染物的贡献较大,但不同大气污染物受到排放源分布和停留时间等影响其WPSCF和WCWT的分布范围不同.     

河南省18个城市大气污染物分布特征、区域来源和传输路径

河南省大气污染严重且与周边区域污染传输及交互影响明显,以2017年1、4、7和10月为研究对象,将河南省内18个地市的排放源分别标记,并应用于WRF-CMAQ溯源模型进行模拟.污染物分布结果表明,由于排放和气象的共同影响,河南省PM_2.5、NO₂和SO₂浓度表现为冬季最高,夏季最低.O₃-8h浓度的季节变化则为夏季最高,春季次之,冬季最低.不同季节间污染物浓度差距较大,河南省PM_2.5、NO₂和SO₂冬季浓度平均值分别是夏季的4.17、4.12和6.24倍,而O₃-8h在夏季的浓度是冬季的2.24倍.由于PM_2.5、NO₂和SO₂与一次排放关系密切且具有一定的同源性,这3种污染物的高值分布为北高南低,季节趋势较为一致.而O₃-8h季节分布差异较大,夏季气象条件有助于O₃的生成,O₃-8h高值主要分布于河南省东北区域;冬春秋季由于气象条件的抑制和NO_x的消耗O₃-8h高值主要分布在河南省的南部.传输结果表明,冬季省外传输和天然源对河南省PM_2.5、O₃-8h、NO₂和SO₂浓度的贡献率都是最大的,分别为36.20%~72.32%、77.96%~96.08%、49.45%~78.80%和59.05%~88.85%.在仅考虑本地排放和省内传输时,夏季河南省内各市的排放对本地4种污染物浓度的贡献率均为最高;春季省内传输对各市PM_2.5和O₃-8h浓度的贡献率较大,分别为25.63%~74.69%和30.21%~80.01%,冬季省内传输对各市NO₂和SO₂浓度的贡献率较大,分别为26.02%~76.96%和20.30%~82.34%.河南省内PM_2.5、NO₂和SO₂的传输路径相似,冬季多由北向南传输,春季多由西向东,西南向东北传输,夏季多由西南向东北传输,秋季多由北向南传输,但PM_2.5的传输更加复杂.而O₃-8h传输路径与其他3种较为不同,特别是在秋季O₃-8h由西南向东北的传输路径明显.     

北京2015年大气细颗粒物的空间分布特征及变化规律

近年来,随着雾霾事件的频发,人们逐渐提高了对雾霾的关注度,PM_2.5作为其首要污染物对大气能见度及人体健康造成了严重影响.因此,本文利用2015年北京12个环境监测站点的PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃的浓度数据和气象数据,综合研究了北京2015年大气细颗粒物的空间变化特征及分布规律.同时,利用空间差异率（COD）统计方法评估了不同地区细颗粒物浓度的差异程度,并结合2015年2次特殊事件（春节和阅兵）,对大气污染特征及其与排放源控制的关系进行了深入对比分析.结果发现,重污染天气集中发生在秋冬季,且污染程度高、持续时间长.城区PM_2.5浓度比郊区高约12 μg·m^-3.东城区与对照区差异最大,COD值为0.24;东城区与西城区差异最小,COD值为0.05.春、夏、秋季颗粒物PM_2.5、PM₁₀浓度日变化较为平稳,在中午有所升高,冬季颗粒物质量浓度明显呈现出夜间高于日间的污染模式.近3年PM_2.5与PM₁₀保持显著的相关性,但PM_2.5/PM₁₀比值呈降低趋势.阅兵期间采取的空气质量管控措施和气象要素共同作用导致PM_2.5浓度下降约72%,市中心的首要污染物为NO₂,郊区首要污染物为O₃和PM₁₀.春节期间烟花燃放对PM_2.5的瞬时贡献量很大,对比春节假期和非假期2个阶段的大气污染特征发现,人口和机动车减少及餐馆暂停营业并没有使北京局地空气质量得到明显改善.该研究结果提示在进行PM_2.5控制的同时也要对O₃浓度有所关注,同时也进一步支撑了北京空气质量改善需要京津冀协同控制这一重要结论.     

珠江三角洲大气光化学氧化剂(Ox)与PM2.5复合超标污染特征及气象影响因素

基于粤港澳珠江三角洲区域空气监测网络12个监测子站的大气污染物数据,梳理2013~2017年大气光化学氧化剂O_x（NO₂+O₃）与PM_2.5质量浓度的变化趋势.O_x+PM_2.5复合超标污染定义为NO₂和PM_2.5质量浓度日平均值以及O₃浓度日最大8 h平均值（O₃ MDA8）同时超过二级浓度限值,分析了不同类型站点复合超标污染的时空分布特征以及气象因素影响.结果表明,2013~2017年珠三角PM_2.5年均质量浓度由（44±7）μg·m^-3下降至（32±4）μg·m^-3,实现PM_2.5连续3 a达标.O_x年均质量浓度由2013年（127±14）μg·m^-3下降至2016年（114±12）μg·m^-3,2017年反弹至（129±13）μg·m^-3,O₃浓度上升明显（10 μg·m^-3）.以O₃为首要污染物的污染过程占比由2013年33%增多至2017年78%,多个城市同时发生污染的区域特征明显.研究时段内O_x+PM_2.5复合超标污染事件共发生60次,主要在城区站点（78%）和郊区站点（22%）.秋季发生复合超标污染天数最多（52%）,是因为强太阳辐射有利于臭氧生成,大气氧化性增加,进而促进了PM_2.5二次生成.造成珠三角复合超标污染的天气形势主要为高压出海型（43%）、高压控制型（30%）和热带低压型（27%）.就具体气象因素而言,气温在20~25℃且相对湿度在60%~75%的范围内时,复合超标污染事件发生占比最高（22%）.在O₃重污染过程中,夜间高湿和低风速使得NO₂和PM_2.5浓度显著上升,日间高温加剧了复合超标污染.     

四川盆地大气污染物时空分布特征及气象影响因素研究

利用2015—2018年四川盆地内18个城市的6种污染物逐日质量浓度监测资料、同期的常规气象观测资料，采用插值、相关分析等方法，分析了四川盆地3个区域6种污染物的时空分布特征，探讨了各个污染物质量浓度与气象要素之间的关系.结果表明：①O₃在盆地中西部污染较重，PM_2.5和PM₁₀在德阳、成都、眉山、内江、自贡一带污染较重，在广元和巴中污染较轻，SO₂在巴中、南充、绵阳、德阳一带污染较轻，在广元和盆地中南部污染较重；②NO₂平均浓度呈先增后减的趋势，O₃呈增加趋势，而CO、PM_2.5、PM₁₀、SO₂均呈减小趋势；③CO、NO₂、PM_2.5、PM₁₀、SO₂呈"夏低冬高"的特征，O₃则相反，CO、NO₂、PM_2.5、PM₁₀均表现为"双峰双谷"型，O₃和SO₂则表现为"单峰"型；④偏东风有利于CO、NO₂、PM₁₀、PM_2.5的稀释扩散，偏北风有利于O₃、SO₂的稀释扩散；⑤6种污染物质量浓度均与气压、气温、24 h变温、24 h变压、相对湿度、10 m风速、700 hPa散度、850 hPa高度显著相关.风速、相对湿度、混合层高度、逆温层平均高度的增加有利于大多数污染物的稀释扩散.     

上海市大气污染对感冒疾病相对危险度的影响

探讨上海市主要大气污染PM₁₀、PM_2.5、NO₂和O₃的日平均浓度变化以及上海市大气污染对感冒疾病的影响.本文汇总了2008年1月1日~2010年12月31日上海市大气污染、气象要素,以及感冒日就诊人数数据,采用时间序列的Possion半参数广义相加模型,通过平滑样条函数控制长期趋势、"星期几效应"及气象因素等混杂因素的影响,分析上海市大气污染物与居民健康的暴露-反应关系,并按年龄进行分层分析,定量评估上海市大气污染对感冒日就诊人数的影响及滞后效应.结果表明,上海市大气污染物PM₁₀、NO₂、O₃、PM_2.5浓度每增加一个IQR,感冒疾病发生的相对危险度为1.0240（1.0233~1.0246）、1.0206（1.0201~1.0212）、0.9393（0.9384~0.9402）、1.0080（1.0069~1.0086）,大气污染物PM₁₀、NO₂、O₃、PM_2.5浓度每增加10 μg·m^-3,感冒日就诊人数分别增加0.5%、1.0%、-2.0%、0.2%.在多污染模型中,在引入其他污染物后,NO₂和PM_2.5的结果较单污染模型是基本减小的,PM₁₀和O₃的结果是基本增大的.上海市大气污染对感冒疾病的发生有影响.     

基于半级别的城市空气质量预报评估方法探讨

环境空气质量预报评估是提升预报能力的重要助力,为更好支撑空气质量精细化管理,将我国空气质量细化为12个半级别,参照英国预报评估方法,对2020年“2+26”城市AQI、 PM_2.5浓度和O₃-8h浓度预报开展探索性半级别预报效果评估,通过与AQI范围预报和AQI级别范围预报评估对比发现,半级别预报评估方法可将两者兼容合一,在城市业务预报评估中具有一定可行性和应用价值.具体的半级别预报评估结果表明,“2+26”城市AQI和O₃-8h浓度在低段级别和高段级别的预报效果明显差于中段级别,不同级别PM_2.5浓度预报效果相对稳定;AQI、 PM_2.5和O₃-8h浓度预报准确率月变化曲线分别呈双峰型、先升后降型和平缓型,PM_2.5浓度各月偏高预报显著;不同城市AQI和O₃-8h浓度预报准确率差距相对较小,PM_2.5浓度预报准确率波动较大;北京和天津AQI预报准确率高于周边省份,北京和河南PM_2...     

安徽省大气污染物时空分布特征及演化规律

在区域复合型大气污染逐渐常态化之下,联防联控治理的新模式已成为解决区域性大气污染的根本途径和有效措施.利用2015年冬季（2015年11月8日—2016年1月20日）、2016年冬季（2016年11月8日—2017年1月20日）安徽省16个城市大气污染物（NO₂、SO₂、CO、O₃、PM₁₀、PM_2.5）浓度数据,结合耦合协调度模型、探索性空间数据分析和障碍度模型,分析大气污染物的时空格局特征,描述其演变规律和总体走向,诊断区域大气污染物中的首要障碍因子.结果表明:①安徽省大气污染物浓度水平具有时间波动性和空间非均衡性,NO₂、O₃、PM₁₀和PM_2.5指数水平表现为递增态势,整体呈现“两高一低”,即皖北高（0.050 3）、中部地区高（0.050 1）和皖南低（0.040 5）的态势,年际变化呈增长趋势,空间分异度变化较大;②安徽省大气污染物耦合度较高,基本维持在拮抗阶段（2015年冬季和2016年冬季耦合度年均值分别为0.480、0.479）,皖北呈增加态势,而中、南部城市主要呈略微降低趋势;包括极度失调和严重失调两种类型（2015年冬季和2016年冬季协调度平均值分别为0.114、0.123）;③安徽省内各城市大气污染物在全省范围内热、冷点分布迥异,2015年冬季和2016年冬季主要经历了聚拢（NO₂、O₃向中部城市聚拢）和北迁（PM₁₀、PM_2.5往北迁）两个过程.研究显示,结合安徽省大气污染物障碍度测量分析,优化和量化区域大气污染物中的首要障碍因子,可为有效开展地区大气污染的防控治理及区域联动提供有利保障.      

G20峰会期间杭州地区空气质量特征及气象条件分析

利用空气质量和气象要素的监测资料与再分析资料,分析了2016年G20峰会期间(2016年8月10日—9月20日)杭州及周边地区空气质量演变及区域特征,探讨了气象条件对G20峰会期间杭州空气质量的影响.结果表明:G20峰会管控期间,由于机动车排放大幅度降低,杭州NO_2浓度较管控前有所下降,对比周边城市降幅居于首位;而由于不利气象条件的影响,PM_(2.5)、PM_(10)、SO_2、CO和O_3浓度比管控前有不同程度的增长,但增幅相比周边城市较小,说明管控措施对杭州空气质量有一定的改善效果.9月7日管控措施结束后污染反弹现象明显.气象条件对杭州的空气质量有重要影响:在管控前,杭州晴热高温天气有利于O3的生成,偏东风相对洁净,污染传输较少;在管控期,杭州虽受到静稳天气和外来污染传输的影响,但得益于减排应急管控措施的有效实施,NO_2浓度下降幅度最大,其他污染物的增幅也较周边城市偏小;在管控后,气象条件不利于污染物的垂直扩散,受静稳天气和污染源恢复常态的影响,PM_(2.5)、PM_(10)、NO_2、SO_2和CO出现了整个研究时段的最大值,而台风"莫兰蒂"使得杭州PM_(2.5)、PM_(10)和O_3浓度出现了整个研究时段的最低值.     

Spatial and temporal variation of particulate matter and gaseous pollutants in 26 cities in China

O3and PM2.5were introduced into the newly revised air quality standard system in February 2012, representing a milestone in the history of air pollution control, and China's urban air quality will be evaluated using six factors(SO2, NO2, O3, CO, PM2.5and PM10) from the beginning of 2013. To achieve the new air quality standard, it is extremely important to have a primary understanding of the current pollution status in various cities. The spatial and temporal variations of the air pollutants were investigated in 26 pilot cities in China from August 2011 to February 2012, just before the new standard was executed. Hourly averaged SO2, NO2and PM10were observed in 26 cities, and the pollutants O3, CO and PM2.5were measured in 15 of the 26 cities. The concentrations of SO2and CO were much higher in the cities in north China than those in the south. As for O3and NO2, however, there was no significant diference between northern and southern cities. Fine particles were found to account for a large proportion of airborne particles, with the ratio of PM2.5to PM10ranging from 55% to 77%. The concentrations of PM2.5(57.5 μg/m3) and PM10(91.2 μg/m3) were much higher than the values(PM2.5: 11.2 μg/m3; PM10 : 35.6 μg/m3) recommended by the World Health Organization. The attainment of the new urban air quality standard in the investigated cities is decreased by 20% in comparison with the older standard without considering O3, CO and PM2.5, suggesting a great challenge in urban air quality improvement, and more eforts will to be taken to control air pollution in China.     

重污染天气应对“绩效分级、差异化管控”措施首次实践效果后评估

为提高重污染天气应对的科学性和精准度,2019年7月生态环境部制定重污染天气应对“绩效分级、差异化管控”措施.为应对9月底至10月初的重污染过程,京津冀及周边共68个城市启动重污染预警,该措施得以首次实践.通过时间序列断点回归方法对该措施效果进行评估发现,空气质量改善存在滞后的现象,SO₂、 NO₂和CO这3个气态污染物改善速度较快,对涉及二次生成的O₃和PM_2.5两个污染物见效速度相对较慢. 10月1日恰逢在北京举办庆祝中华人民共和国成立70周年阅兵式,对10月1日当天进行评估,发现与假如不采取措施的情形相比,重污染应急措施使北京市PM_2.5、 NO₂和CO日均浓度显著下降,下降幅度分别为54.1%、 62.4%和25.8%.如果不采取重污染应急措施,北京10月1日上午可能出现中重度污染,但实际上空气质量保持在良的水平.区域启动预警的68城市PM_2.5、 PM₁₀、 NO₂、 SO     

北京城区PM_(2.5)及主要污染气体“周末效应”和“假日效应”研究

利用2009—2012年北京城区海淀宝联站6种污染物(PM2.5、NO、NO2、O3、CO和SO2)的连续监测数据,研究了污染物浓度的周循环变化规律,以及春节、国庆节假日期间和假日前后污染物浓度变化的差异.结果表明,北京城区O3浓度存在周末高于工作日的显著"周末效应"现象,其它污染物则表现出周末低于工作日的"周末效应"现象;国庆节较长假期存在与"周末效应"相类似的"假日效应",即假日期间污染物浓度明显低于非假日期间(O3相反).而春节期间PM2.5、CO、SO2出现"反常"浓度(污染物浓度在假日期间高于非假日期间),可能与春节期间烟花爆竹燃放有关.从污染物浓度日变化特征分析,污染物浓度高峰期与人类活动高峰期时间基本一致,而污染物在周末和工作日出现的浓度差异现象也与人类活动的周循环差异现象相吻合,NO、NO2和CO的小时平均浓度在周末和工作日的最大偏差出现在08:00,分别为-19.8%、-14.9%和-13.9%,说明北京城区出现污染物浓度的周循环变化特征和日变化特征与人类活动密切相关.     

新冠肺炎疫情期间气象条件和排放变化对PM2.5的影响

本文基于WRF-CMAQ定量分析了2020年1~3月全国337城市气象条件和排放变化对PM_2.5浓度的影响.全国气象条件整体转好1.7%,1月转差1.6%,2~3月分别偏有利1.3%和7.9%;全国污染物排放下降使得PM_2.5浓度同比下降14.1%,1~3月分别下降4.0%、25.7%和15.0%.武汉第一季度实测PM_2.5浓度同比降幅高于全国水平,与其气象条件大幅转好且污染排放降幅较大有关.北京在疫情发生前和严控期PM_2.5浓度同比升高,主要为气象转差所致;复工复产期同比下降,主要为污染排放大幅下降所致."2+26"城市、汾渭平原和长三角在第一季度PM_2.5浓度同比均下降,长三角降幅最大,与其污染排放大幅下降有关;"2+26"城市和汾渭平原在疫情发生前气象条件大幅转差,严控期大幅转好,长三角在复工复产期气象条件最有利;重点区域均为疫情严控期污染排放降幅最高,复工复产期降幅趋缓.     

冬季山谷风和海陆风对京津冀地区大气污染分布的影响

为了弄清冬季山谷风、海陆风对京津冀地区大气污染时空分布的影响,利用2016年12月地面加密自动气象站逐时观测数据和中国环境监测总站发布的逐时PM_(2.5)浓度数据,计算平均风矢量场和平均PM_(2.5)浓度场,分析山谷风、海陆风变化规律及其对PM_(2.5)浓度分布的影响.结果表明,在山谷风日,中午至下午谷风将位于河北太行山东部地区的污染物向北输送.傍晚以后,在北京西部、北部,以及河北太行山山前出现的山风与偏南风构成"人字形"辐合线,辐合线的汇聚作用使北京地区、廊坊,以及保定、石家庄、邢台等地大气污染加重.在海陆风日,下午至前半夜,河北中东部沿海地区出现东南向海风,深入内陆到达天津东南部地区,海风前缘区域大气污染加重;通过对中国科学院大气物理研究所铁塔0～325 m风向风速与PM_(2.5)浓度时间变化关系分析,以及利用Cressman法插值得到的地面风向风速和PM_(2.5)浓度二维格点场,分析北京地区重霾污染过程中近地层山谷风和海陆风对大气污染形成的影响:中午至下午,谷风将大气污染物向北京输送.傍晚以后,大气污染物在山风与偏南风形成的辐合线附近汇聚,在北京地区及以南地区形成PM_(2.5)高污染区.凌晨至早晨北京被山风控制,大气污染物被吹离北京、滞留在北京以南至天津西北地区.冬季,山谷风的输送和汇聚作用使大气污染物以日为周期不断循环和累积,对北京地区至北京以南地区、河北太行山东部地区的大气重污染形成起重要作用.