2018年3月两会期间北京重污染过程边界层气象的演变分析

为研究北京冬季重污染过程的污染特征及成因,采用边界层风场、温/湿场和气溶胶垂直探测等雷达综合遥测手段,对2018年3月北京两会期间的一次典型重污染过程,从边界层气象要素演变进行综合研究.结果表明:①整个污染过程历时7 d,轻度以上污染时数达118 h（占污染过程总小时数的69.8%）,严重污染时数达16 h（占污染过程总小时数的9.5%）,ρ（PM_2.5）最高达333.5 μg/m3.②从气溶胶的垂直空间演变来看,重污染天气的形成,除受本地源排放积累的影响外,还存在北京南部和东部的外部污染传输.贴地或上部逆温的稳定温度层结基本上对应ρ（PM_2.5）的累积过程,其中,重污染时段逆温维持达68 h,逆温层厚度为500~1 100 m,最大平均逆温强度为0.6℃/（100 m）.大气边界层高度偏低（积累过程白天在1 000 m以下,夜间只有300~500 m）,导致污染物持续积累.整个污染过程中,高湿时段引起PM_2.5吸湿增长和转化加重了污染程度;近地层持续小风导致污染积累;西南、东或东南方向大风层（10 m/s左右）向低空下探,有利于污染的缓解;强西北风或北风作用,使污染得以清除.研究显示,污染过程与边界层气象要素的演变密切相关.      

京津冀区域典型重污染过程与反馈效应研究

以京津冀地区2014年10月5~12日一次重污染过程为例,采用飞机AMDAR数据和WRF-Chem模式,分析了大气边界层垂直结构与PM_2.5的时空演变规律,定量研究了气溶胶直接反馈效应对多种气象要素的影响.结果表明：此次重污染过程地域范围广、持续时间长、影响强度大,PM_2.5污染呈带状分布,主要受地面均压场和高空纬向环流形成稳定的大气环流背景场、垂直层风场及逆温共同影响.气溶胶直接反馈效应导致京津冀地区整个时段太阳辐射量降低39.80W/m²,气温下降0.34℃,边界层高度降低36.64m,相对湿度升高0.90%.反馈效应南部地区较北部更显著,污染日强于平均时段和清洁天,气溶胶的辐射反馈作用使得各气象要素均呈现不利于污染物扩散的趋势,造成气溶胶聚集区PM_2.5浓度进一步增加.     

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NO_3~-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.     

长江三角洲地区PM_(2.5)两种污染来源对比分析

应用Model-3/CMAQ模式,结合观测资料和后向轨迹,分析了2015年1月21日~24日长江三角洲地区PM_(2.5)污染的时空分布特征和区域输送过程.重点对比了2种不同类型的污染过程(大风外源输入污染21日12:00~23:00和静稳本地积累污染22日~24日12:00)中大气物理化学过程对边界层内PM_(2.5)生成的贡献.结果表明,模式能合理再现这一期间长江三角洲地区PM_(2.5)浓度的时空变化和分布.21日午后,长江三角洲地区地面偏北风,风速较大,是短时大风北方输入污染.短时大风污染时段输送通量大,边界层中上部污染水平输入,再垂直下传.22~24日,地面小风,存在逆温,大气静稳,是本地积累污染.对比大风外源输入时段与静稳本地积累时段的过程分析发现,大风污染时段PM25的主要正贡献过程依次为局地源排放(35.0%)、水平平流(27.1%)、气溶胶化学生成(20.9%)、垂直平流(14.1%);本地积累时段PM_(2.5)的主要正贡献过程依次为局地源排放(50.1%)、气溶胶化学生成(27.1%)、垂直平流(17.4%).其中水平平流、源排放、气溶胶化学过程在2类污染时段中所占贡献率有显著差异.     

京津冀典型城市一次重污染过程特征及边界层结构变化对其影响

为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM_2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM_2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM_2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM_2.5)分别为(165.63±110.89)(247.67±95.22)μg/m3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO₄2-、NO₃-、NH₄+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM_2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM_2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1 000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM_2.5)分别上升18.81、29.85 μg/m3,PBLH下降是导致两城市ρ(PM_2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM_2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM_2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.      

北京春季一次沙尘气溶胶污染过程观测

利用大气物理综合观测资料分析了2013年3月9日北京市一次沙尘过程前后的气溶胶粒径变化情况和垂直分布特性,比较了霾-沙交替的污染特征差异,并对沙尘来源及传输过程进行解析.结果表明:沙尘开始前近地面为细颗粒物主导的干霾气溶胶污染,该过程在污染物出现分层抬升扩散后得到缓解,地面ρ(PM_(2.5))/ρ(PM_(10))最高达0.93.外源输送抵达的浮尘分布在上空800~2500m范围内,退偏振比平均0.35,明显高于霾气溶胶层.沙尘初期的锋前大风使边界层抬升至900m以上,浮尘向下与本地扬尘混合,使近地污染转为以粗颗粒增加为主,扬沙天气爆发,ρ(PM_(10))小时值增至920μg/m~3,退偏振比增至0.4,地面上3000m范围均有沙尘粒子分布.冷锋配合蒙古气旋是造成此次沙尘的主要天气系统,不断加深发展的高空槽和地面气旋上升气流为外蒙沙尘推进和传输提供了动力条件.     

2014年10月太原市一次空气重污染过程分析

采用数值模拟(CAMx)与污染物、气象观测资料相结合的方式,对太原市及周边区域2014年10月6—12日一次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析.结果表明:2014年10月8—10日太原ρ(PM_(2.5))日均值平均为175μg·m~(-3),太原城区约1460km~2的国土面积处于重度污染(ρ(PM_(2.5))150μg·m~(-3))之下,而京津冀约20×104km2的国土面积达到重度污染水平;区域稳定的气象条件是形成重污染的主要原因,重污染过程中大气层结稳定,逆温明显(2.14℃/100m)、风速小(1.91 m·s~(-1))、湿度大(68.13%)、负变压(-0.74 h Pa)、正变温(0.92℃).模拟结果显示,8—10日重污染期间区域输送对太原PM_(2.5)的贡献率在17%~24%之间,太原市PM_(2.5)浓度以本地贡献为主;估算的2014年太原城区PM_(2.5)排放量是其大气环境容量的1.4倍,重污染期间大气环境容量的大幅降低又加剧了空气污染的程度.     

中国中东部PM2.5时空分布变化及气象影响分析

为探究气象条件变化对PM_(2.5)的分布影响,该研究利用CAMx及WRF模型,分别模拟了中国中东部地区2017-2019年第4季度PM_(2.5)浓度(ρ(PM_(2.5)))分布及气象条件变化,并对"2+26"城市、长江三角洲地区的ρ(PM_(2.5))及气象因子进行时空变化分析。结果表明:2017-2019年,太行山东麓沿线污染最为严重,季度平均ρ(PM_(2.5))达150～250μg/m3,长江三角洲地区季度平均ρ(PM_(2.5))为35～115μg/m3;2019年太行山东麓及燕山南麓地区气象条件优势明显,西北气流频次增加,同时相对湿度下降,大气边界层升高,降水量增加,地区ρ(PM_(2.5))下降6～18μg/m3;长江三角洲沿海地区降水量增加,风速增大,ρ(PM_(2.5))下降8～16μg/m3。数值模拟结果显示,2017-2019年,受降水、相对湿度、边界层、风速以及主导风向的影响,2019年中国中东部地区冬季ρ(PM_(2.5))降低6～18μg/m3,不同区域影响ρ(PM_(2.5))变化的气象因子不同。     

基于车载雷达探测的一次华北冬季重污染天气成因研究

基于车载微脉冲气溶胶激光雷达、多普勒风廓线激光雷达和扭转拉曼廓线激光雷达的中山大学环境气象综合观测车,于2018年12月18日-22日在河北省望都县PM_2.5重污染期间开展定点观测.结合地面PM_2.5浓度和气象要素观测资料,对本次污染过程的成因展开分析.本次重污染过程日均PM_2.5浓度为163.2μg·m^-3,PM_2.5浓度的日变化特征明显,表现为白天PM_2.5浓度降低,傍晚至次日早晨PM_2.5浓度升高.气溶胶激光雷达观测结果发现,污染期间,700 m高度以下存在明显的消光系数高值区;夜间存在明显的消光系数高值区分层现象,气溶胶消光系数高值区出现高度可达1700 m.本次PM_2.5重污染过程受静稳边界层气象条件和高空气溶胶输送、沉降共同影响.在污染时段内,大气边界层低层小风持续,近地面和大气低层逆温和同温层频发,静稳边界层条件不利于PM_2.5的输送和扩散;此外,夜间高空气溶胶伴随强西风带出现...     

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.      

2018年春节期间京津冀及周边地区烟花禁放效果评估

为了评估2018年春节期间(2月15—16日)京津冀及周边地区"2+26"城市烟花禁限放措施的效果,采用浓度特征对比、ρ(PM_(2.5))/ρ(CO)等方法,对"2+26"城市的ρ(PM_(2.5))、ρ(PM_(10))、ρ(SO_2)、ρ(NO_2)进行分析,并定量估算了除夕夜烟花燃放对ρ(PM_(2.5))和ρ(SO_2)的贡献率.结果表明:"2+26"城市烟花的集中燃放会导致ρ(PM_(2.5))、ρ(SO_2)显著增长,出现以PM_(2.5)为首要污染物的重污染时段,2018年12月16日03:00区域内14个城市ρ(PM_(2.5))达到重度及以上污染水平,呈区域性污染特征;与2017年同期(1月27—28日)相比,2018年春节期间(2月15—16日)14个城市烟花燃放对ρ(PM_(2.5))平均贡献量呈下降趋势,其中,淄博市、济南市、北京市降幅最大,分别下降了85.2%、74.6%和65.2%,表明烟花禁限放措施起到了显著的污染削峰作用;与城区相比,周边郊县ρ(PM_(2.5))显著高于城区,呈"农村包围城市"的现象,说明城区监测点位受到郊县等周边地区烟花燃放的传输影响.研究显示,虽然城区烟花禁限放措施起到了显著的削峰作用,但城区监测点位空气质量仍受到郊县等周边地区烟花燃放的传输影响,导致大气重污染的发生.     

持续鞍型场导致的西安市PM2.5重污染过程分析

为了解鞍型场对西安市PM_2.5重污染过程的影响.以西安市2016年2月6—14日重污染过程ρ（PM_2.5）及气象要素的小时变化为研究对象,综合分析了此次重污染过程特征、天气型以及气象要素变化.结果表明:①西安市此次重污染过程可分为污染上升阶段（6—7日）、污染维持阶段（8—11日）及污染减轻阶段（12—14日）,3个阶段分别处于均压场、鞍型场、高压前部等天气型的影响下.②此次鞍型场发生时,天气持续静稳,气压梯度力小,且西安市处于气流的辐合地带,导致污染物的形成和积累,ρ（PM_2.5）最高值达198 μg/m3.③在鞍型场的控制下,西安市日均气温维持在偏高的水平（最高达7.2℃）,相对湿度呈上升的趋势,最高达86.5%;而风速和能见度则波动下降,平均风速和能见度最低值分别为0.8 m/s和0.5 km.高温、高湿、小风的气象条件有利于污染物的吸湿增长从而导致PM_2.5重污染.④受鞍型场的影响,西安市边界层高度较低,最低时只有55 m,且逆温层较厚,强度较大,最大值达3.8℃/（100 m）,极低的边界层高度和较厚的逆温层削弱了污染物的垂直扩散能力,污染物被抑制在近地面,形成较严重的污染.研究显示,鞍型场天气型导致的均压场、暖湿、静风、低边界层及强逆温层是此次西安市PM_2.5重污染过程的重要原因.      

济南市冬季一次典型重污染过程分析

为掌握济南市重污染天气发生规律,从而更好地为重污染天气预报预警和大气污染防治提供参考,采用空气质量监测数据、气象观测资料、雷达探测资料及轨迹模式模拟相结合的方法,对济南市2016年12月31日-2017年1月7日的持续性重污染过程,从污染演变过程、环流背景分析、气象要素特征和区域污染传输等多方面分析其形成原因及主要影响因素.结果表明:此次重污染过程期间首要污染物为颗粒物,ρ（PM₁₀）平均值为318 μg/m3,ρ（PM_2.5）平均值为200 μg/m3;地面风速在0.6~1.8 m/s范围内,风力均为1~2级,相对湿度为68%~95%,平均相对湿度为81%.在重污染过程中,从地面至800 m左右高度始终维持较强逆温层,逆温频次高达91.1%,污染边界层高度较低,大部分时间都在500 m以下.采用情景模拟分析方法计算得到,区域输送对济南市PM_2.5的贡献率为20%~35%.研究显示:此次重污染过程是在区域性污染背景下由本地不利的扩散条件造成的,静稳大气形势提供有利的环流背景,平流雾、辐射雾交替产生,持续性的高湿加重了污染程度;近地面的静风、高湿,垂直方向的双逆温层甚至多逆温层的结构是影响此次重污染过程的重要气象要素;区域性污染传输对此次重污染天气的发展有显著贡献,污染初期主要来自河北省中南部的输送,随着污染加重,有来自偏南、偏东方向的局地气团输送.      

天津污染天气边界层温度层结变化特征及预报阈值确定

针对天津市大气污染防治需求,基于2016年4月1日—2017年3月31日天津255 m气象塔观测资料及数值模拟,开展天津地区污染天气边界层温度层结变化特征及预报阈值研究.结果表明:(1)天津地区10~250 m高度的气温递减率为0.56℃/100 m,当日均气温递减率小于0.4℃/100 m时,垂直扩散条件不利于大气污染物扩散,出现中度以上污染概率为64%,重污染概率为47%.从温度廓线和逆温频率统计分析,贴地逆温占所有逆温的55%,除贴地逆温以外逆温底部最易出现在160 m的高度,大量脱地逆温的出现不利于高架源夜间的排放.(2)每年10月—次年2月天津逆温频率为20%,冬季需要关注逆温情况对大气污染物扩散的影响.如秋、冬季8:00逆温仍然存在,重污染天气出现概率高达56%,中度及以上污染出现概率为72%,是重污染天气辨识的重要指标.(3)7:00—10:00在逆温消散或者日均气温递减率由0.6℃/100 m向0.4℃/100 m变化时,任何细微变化对大气垂直扩散有显著影响.基于天津地区PM_(2.5)污染情况下,数值模拟显示10~250 m的气温递减率由于气溶胶的存在可减少0.06℃/100 m,在25个重污染过程中,日均气温递减率平均下降0.18℃/100 m,对大气垂直扩散条件产生显著影响.因此,在空气污染预报分析时使用不考虑气溶胶辐射效应的天气模式分析温度层结,需要适当调整阈值,尤其是在7:00—10:00逆温消散及垂直温度递减率由0.6℃/100 m向0.4℃/100 m变化时.     

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.     

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%.     

石家庄一次持续性霾过程形成原因及气溶胶垂直探空分析

为了研究石家庄冬季霾过程的形成原因及污染物变化特征,对2015年12月17—26日一次持续性霾过程中地面气象要素、天气背景场、PM(PM_(2.5)和PM_(10))、气态污染物(SO_2、CO、NO_2和O_3)、边界层垂直结构和数浓度垂直分布进行了综合观测分析.结果表明,华北上空稀疏的等压线和均压场结构、地面小风、高湿度的气象条件为这次霾污染的发生和持续提供了有利的动力和水汽条件.霾过程中PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的平均浓度分别为208.1、299.4、75.3、81.9、13.1μg·m~(-3)和4.2 mg·m~(-3),分别是清洁天的5.8、4.5、1.4、2.4、0.5和4.7倍.逆温层的存在阻碍了近地层气溶胶粒子向高层的传输.逆温层上部层边界层内0.3μm和0.3~2.5μm的气溶胶数浓度分别减少了25%~40%和63%~85%.在200 m高度内,0.3、0.3~0.5、0.5~1.0和1.0~2.5μm的气溶胶在霾天的平均数浓度分别为503.0、295.7、103.9和8.9 cm~(-3),分别是清洁天的2.8、17.8、31.9和24.4倍.     

新型垂直探测资料在污染天气分析中的应用

针对2017年1月上旬广州地区出现的一次持续时间长的重污染天气过程,基于地面观测资料、激光雷达、风廓线雷达和微波辐射计数据,从水平和垂直扩散条件2个方面分析了此次污染过程的形成和维持的原因.结果表明：（1）本次污染过程期间,广州地区地面风速基本为小于2m/s的偏北风,在300m高度以下普遍存在平均水平风速低于2.6m/s的小风层;污染前期640m高度内的各层回流指数廓线小于0.6,100m高度小于0.4,污染缓解后回流指数高于0.7.（2）地面PM_2.5浓度与逆温强度的相关系数为0.42,过程平均逆温厚度167m,平均逆温强度为1.08℃/100m;（3）PM_2.5浓度与边界层高度的相关系数为-0.56,清洁时段的平均边界层高度（876m）约为污染时段（620m）的1.4倍,过程最低边界层高度为267m;PM_2.5浓度与边界层通风量的相关系数为-0.61,清洁时段的平均边界层通风量（2538m²/s）约为污染时段（1136m²/s）的2.2倍,使用边界层通风量能更好表征大气污染的程度.     

2014年10月北京市一次空气重污染过程分析

采用轨迹模拟与观测资料相结合的方式,对北京市2014年10月6—12日1次典型空气重污染过程的大气环境背景、气象条件和形成原因进行分析。结果表明:京津冀区域稳定的气象条件是形成重污染的主要原因,重污染过程中大气层结稳定,平均逆温强度每100 m为3.42℃,平均风速为1.56 m/s,平均湿度为83.13%;重污染过程中10月8—11日污染最重,北京ρ(PM_(2.5))日均值平均为264μg/m~3,且京津冀约20×104km~2国土面积处于重度污染水平;模拟结果显示污染最重的8—11日区域输送对北京PM_(2.5)贡献率在61%~69%;区域输送对北京PM2.5浓度起着更为重要的作用。     

风向对北京市重污染日PM_(2.5)浓度分布影响研究

对2013年北京市58 d重污染日PM_(2.5)浓度水平进行了分析,并用克里格插值法统计了重污染期间不同风向PM_(2.5)不同浓度区间的国土面积。结果显示2013年北京市重污染日主要集中在冬季,占到全年天数的15.9%,且重污染日PM_(2.5)平均浓度为218μg/m3;重污染日PM_(2.5)空间分布较为均匀且统计的平均浓度在150μg/m3以上的国土面积约占总面积的82%;重污染期间重度污染(150μg/m3)以上面积占比分别为南风(87%)、东风(81%)、西风(70%)、北风(66%);重污染日不同风向下ρ(NO_3~-)、ρ(NH_4~+)、ρ(SO_4~(2-))之和约占ρ(PM~(2.5))的60%~65%,且各组分浓度相差不大。