成都市大气细颗粒物组成和污染特征分析(2012-2013年)

为了解成都市大气细颗粒物的污染特征,于2012年5月-2013年5月在成都市城区开展了每6 d采集1次样品的长期颗粒物观测.利用十万分之一分析天平、热光碳分析仪、离子色谱、电感耦合等离子体质谱(ICP-MS)分别分析了颗粒物样品的质量浓度、有机碳/元素碳、水溶性离子、无机元素等,同步收集了污染物在线观测数据、气象数据和卫星遥感数据.结果表明,采样期间,成都市可吸入颗粒物(PM₁₀)和细粒子(PM_2.5)浓度颗粒物浓度分别高达(129.7±76.4)和(91.6±54.3) μg·m^-3,PM_2.5中以二次无机离子(SNA,43.6%)和有机物(OM,31.2%)污染最为突出,其次为土壤组分(Soil,13.8%)、元素碳(EC,5.0%)和微量元素(Trace,0.8%);1月、3月、5月和10月是污染较重的月份.通过比较揭示了不同污染源影响下的典型污染特征.生物质燃烧期间,成都城区PM_2.5浓度达214.3 μg·m^-3,PM_2.5/PM₁₀比达0.89,其中OM贡献增加至57.2%,K⁺浓度达8.7 μg·m^-3,OC/EC比达8.3,SNA比重下降;而沙尘传输期间,PM_2.5浓度为122.6 μg·m^-3,仅占PM₁₀浓度的0.28,PM_2.5中土壤组分比例剧增至77.3%,SNA和无机元素的比重明显下降;静稳天气下PM_2.5浓度为261.0 μg·m^-3,各组分比重并无明显变化,硝酸盐和铵盐比例稍有增加.     

2013年京津冀重污染特征及其气象条件分析

2013年中国东部地区多次发生持续的重霾污染事件.为探究其气象条件与重污染事件的关系,本文使用欧洲中心2013年东亚地区的逐日气象数据和北京、天津、石家庄的逐时PM_2.5浓度数据以及2013年MICAPS观测数据,分析了重污染事件对应的天气形势,并使用NAQMPS针对2013年1月的重污染事件进行情景模拟.研究结果表明：1北京、天津和石家庄地区PM_2.5浓度,夏秋季节日变化不显著,秋冬季节白天低夜间高;3地PM_2.5浓度均表现为12-1月浓度最高,7月最低;.2500 hPa平直西风气流,850 hPa弱暖平流,地面处于弱高压后部或高压底部高低空配置下的天气系统,对应着重污染事件的高发期;3源强不变的情况下,京津冀地区由弱高压前部控制转为弱高压控制时,地面温度升高0~5℃,相对湿度增加30%~50%,风速下降2~3 m·s^-1,PM_2.5浓度变化可达300 μg·m^-3.     

基于细颗粒物来源追踪技术的2013年12月上海市严重污染过程中PM2.5的源贡献分析

近年来高浓度细颗粒物引起的大气灰霾污染已成为制约我国城市和区域可持续发展的重大环境问题之一,科学快速地诊断PM2.5及其关键组分的来源对于缓解当前严峻的污染形势具有极为重要的科学意义和现实意义.2013年12月上旬,我国东部特大型城市上海及其所处的长三角区域出现了历史上罕见的严重污染过程,PM2.5小时浓度一度高达640μg·m-3.本文以分析12月上旬上海市所出现的三次典型重污染过程为案例,利用颗粒物来源追踪技术,对严重污染期间上海市PM2.5及其关键化学组分(硫酸盐、硝酸盐、铵盐、有机碳和元素碳)开展了来源解析研究.结果表明,在上海市人为排放源中,工业锅炉和窑炉、移动源和电站锅炉是对细颗粒物中硝酸盐贡献最大的3类排放源;工业源和移动源是对硫酸盐贡献最大的两类排放源.在灰霾、湿霾和过境这3次污染过程中,上海本地排放对PM2.5的浓度贡献分别是35.3%、44.8%和22.7%;长距离输送分别达到了42.0%、41.1%和59.8%.在长三角模拟区域内,扬尘、工业过程、挥发类源、工业锅炉和窑炉及移动源是最主要的细颗粒贡献源,平均贡献占比分别是25.1%、14.9%、15.8%、13.7%和15.9%.研究表明,2013年12月这类极高的严重污染过程,并非单一城市所致,区域联防联控,特别是重度污染期间的联合减排对于缓解细颗粒物重度污染极为重要.     

重庆市主城区大气细颗粒物污染特征与来源解析

重庆市主城区大气细颗粒物(PM_(2.5))浓度从1990s的100μg·m~(-3)下降至当前的约70μg·m~(-3),但仍高于环境标准限值.为探讨重庆市主城区PM_(2.5)化学组成与来源特征,于2012—2013年在渝北区大气超级站利用四通道采样仪连续采集了颗粒物样品,分析了其中水溶性离子、碳质组分和无机元素含量.采样期间,重庆市主城区大气PM_(10)和PM_(2.5)的年日均浓度分别为103.9和75.3μg·m~(-3),扩散条件不利的冬季,细颗粒物污染较为严重.受静稳天气影响的1月和2月,受沙尘影响的3月,及二次转化显著的6月是重庆市细颗粒物污染较重的月份.重庆市PM_(2.5)组成以有机物(OM,30.8%)为主,其次为硫酸盐(SO_4~(2-),23.0%)、硝酸盐(NO_3~-,11.7%)、铵盐(NH_4~+,10.9%)、地壳物质(Soil,8.2%)、元素碳(EC,5.2%)、K~+(1.1%)、Cl~-(1.0%)和微量元素(Trace,0.6%).较高的SO_4~(2-)浓度和逐步上升的[NO_3~-]/[SO_4~(2-)]比值反映了重庆市燃煤污染较重,同时机动车污染比例逐步增加.采用主因子分析/绝对主因子得分法解析了重庆城区细颗粒物5类主要来源是:二次粒子(41.7%)、燃煤(15.6%)、建筑/道路尘(12.4%)、土壤尘(11.0%)和工业尘(10.4%),通过各污染源季节变化及与其他结果对比,该源解析结果能够较可靠反映重庆市细颗粒物的来源信息.     

太原市PM2.5积累特征及重污染天气成因分析

收集了太原市2014-2018年秋冬季（10月-翌年2月） PM_2.5、SO₂、NO₂和CO浓度数据以及对应时刻气象资料,基于逐日PM_2.5在16：00-01：00时的变化将其分为消散过程、慢速积累过程和快速积累过程,从PM_2.5积累的角度分析了太原市PM_2.5的污染特征及影响因素,并将其运用于重污染天气形成过程的探讨.结果表明,太原秋冬季慢速积累过程占比最高为44%,快速积累过程占27%,消散过程占29%.10月以慢速积累为主占比超过60%,11和12月快速积累占比最高接近40%,1、2月慢速积累再次占主导地位;快速积累过程占比最高的年份为2014年和2016年均超过35%,慢速积累和消散占比最高的年份均为2017年.慢速积累状态下,二次污染物的生成有助于PM_2.5的积累速率增加;快速积累状态下一次污染物对PM_2.5积累速率影响更明显;发生快速积累时,来自临汾、晋城等东南方向区域输送显著增加.太原市重污染天气的形成过程以慢速积累为主,占比77%.重污染天气下,市区多以硫酸盐和硝酸盐复合污染为主,而郊区以硝酸盐污染为主.     

2013年12月上海市PM2.5重污染过程数值模拟研究

基于2013年11月30日-12月13日上海一次PM_2.5重污染过程,利用Model-3/CMAQ模式及过程分析技术,定量评估不同时段各大气过程对上海PM_2.5浓度变化的影响.结果表明:Model-3/CMAQ模式系统能较好的模拟出实况PM_2.5的浓度变化趋势与特点.研究期间,白天源排放的增强和大气传输的影响、加上较强的气溶胶和云过程生成贡献,是造成上海PM_2.5浓度上升至重污染的主要原因.不同污染时段对PM_2.5浓度上升贡献率最大的过程均为输送,其中,西北部点位(青浦淀山湖和虹口凉城输送)的贡献率最大,且重污染时段输送的贡献率明显高于非重污染时段.     

上海秋冬季PM2.5污染天气形势的客观分型研究

通过分析2013—2015年上海地面PM_(2.5)质量浓度观测资料,发现11、12、1月3个月对PM_(2.5)年总浓度的贡献达到36.4%,对总污染日数的贡献达到50.4%,对PM_(2.5)环境质量的影响最显著.采用T-mode斜交旋转分解方法(PCT),对2012—2015每年11月、12月和次年1月的海平面气压场和10 m风场进行大样本客观分型研究,揭示了4种秋冬季上海PM_(2.5)易污染的天气环流类型,分别为冷锋(Cw)、高压后部弱气压场(WGh)、高压前部弱气压场(WGl和WGf).对上海而言,冷锋、高后弱气压、高前弱气压分别表现为有利于上游污染输送、本地静稳累积、以及本地积累和上游输送相叠加的天气学特征.对比2个典型污染月(2013年1月和12月)和清洁月(2014年11月和2015年11月)的逐日分型结果发现,Cw环流控制下污染输送对秋冬季上海PM_(2.5)环境质量影响显著,高前弱气压的维持是导致上海3次连续重度污染的重要原因.     

2013-2016年天气形势对北京秋季空气重污染过程的影响

我国北方秋冬季节的空气重污染过程已经成为影响人们生活的重大环境事件,不仅受到公众和科研工作者的广泛关注,也已成为各地各部门政策制订者最为重视的关键问题之一.针对众说纷纭的空气重污染过程的形成机理、治理方案、控制对策等,利用2013-2016年秋季（9-11月）中国环境监测总站公布的逐时空气质量监测数据,重点对北京奥体中心站的空气重污染过程的演变进行了分析.结合中国气象局发布的天气形势分析图,系统地分析了我国4 a来秋冬季节出现大范围空气重污染过程的气候背景.结果表明:秋季我国东北和华北地区出现持续时间长、影响范围广的空气重污染过程,除了排放源的影响之外,天气形势同样起着重要作用. 2013-2016年秋季北京奥体中心的PM_2.5污染状况仍以优良天气为主,其间中度及以上污染的持续时间虽然不长,但其影响[高ρ（PM_2.5）]也不容忽视.秋季北京奥体中心ρ（PM_2.5）日均值超标（二级）日数占25.8%,其中2014年最为严重,超标日数达44 d,占37.4%.通过对空气重污染过程与我国传统节气的对比分析发现,入秋后我国北方首次出现持续48 h以上的空气重污染过程分别是在秋分和寒露两个节气,而最严重的空气重污染过程则出现在寒露和霜降两个节气.从时间序列来看,4 a来北京奥体中心ρ（PM_2.5）没有特别显著的改善,优良时数占60%左右,而中度以上的污染时数则维持在25%左右,但严重污染事件[ρ（PM_2.5）≥ 250 μg/m3]的有效时数则有明显的变化.此外,白天污染物的浓度明显低于夜晚.研究还发现,西伯利亚高压指数的异常偏低往往会导致持续时间长、影响范围广和污染强度强的重度污染事件.      

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.     

邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

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。     

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.     

红色预警期间北京市PM2.5浓度特征及应急措施效果评估

综合利用监测数据并结合数值模型,分析了2015年北京市第2次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值往往出现在北京南部站点.污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度积累速率可达5~10μg·m~(-3)·h~(-1).污染缓解阶段,偏北风作用,空气质量转好.预警期间北京市空气质量南北差异较大.应急措施实施后,北京市PM_(2.5)环境浓度下降约20%~25%.PM_(2.5)累积速率呈现出交通站城区站背景站的特征,与重污染日平均值相比交通站下降幅度最大,表明减排措施在交通站更加显著.气象条件对重污染的形成和结束起着决定性作用,为了更好的做好空气质量预警预报工作,应加强对小尺度天气系统的研究,同时关注不同方位PM_(2.5)浓度峰值及重污染持续时间的变化,形成北京市分区预报预警的经验.     

2015～2016年北京市3次空气重污染红色预警PM2.5成因分析及效果评估

北京市空气重污染应急指挥部分别于2015年12月7日18：00、12月18日07：00和2016年12月15日13：00发布了3次空气重污染红色预警.为了厘清3次红色预警的成因差异,评估应急措施在应对空气重污染的有效性,本文基于北京市环境和气象监测数据,分析了红色预警期间PM_2.5浓度、气象条件、天气形势及气团传输.3次预警期间均受污染物二次转化影响,但造成高浓度PM_2.5的原因主要为气象条件影响.第1、第2次预警期间,地面受均压场控制,区域传输分别受西南和南部气团影响,第3次预警地面受大范围低压场控制,受西南传输及局地气团叠加影响.第3次红色预警期间北京市PM_2.5污染最为严重,PM_2.5平均小时浓度最高为273.6 μg·m^-3,是前两次预警的1.2倍和1.3倍.此外,结合各污染源减排量,采用WRF-CMAQ模式对第3次红色预警应急措施效果进行评估,结果表明：应急措施实施后,污染物日平均减排量为678.4 t,PM_2.5质量浓度平均下降了79.1 μg·m^-3,平均下降比例为26.9%.应急措施中增加燃煤源及加大交通源和其他源控制、预警启动时间提前及区域间联防联控有效缓解了PM_2.5浓度加重趋势.     

模拟研究咸阳市2016年秋冬季雾霾期间PM2.5来源

基于WRF-CHEM模式模拟研究2016年11月、12月关中地区两次大气重污染事件期间咸阳市本地排放对当地PM_2.5污染水平的贡献以及关中地区主要污染源排放对咸阳市PM_2.5质量浓度的贡献。模式合理地模拟了研究时段内关中地区PM_2.5质量浓度的时空变化特征,较好地再现了大气污染过程。敏感性试验结果表明：秋冬季重污染期间咸阳市本地排放对当地PM_2.5的贡献约为30%,外源输送的贡献高达50%—60%。在关中地区的主要污染源中,居民源是秋冬季咸阳市PM_2.5最主要的来源,在秋冬季的贡献分别为37.4%和60.6%;工业源和交通源对咸阳市秋季PM_2.5的贡献分别为22.1%和11.2%,冬季的贡献分别为15.6%和9.8%;电厂源对秋冬季咸阳市PM2.5的贡献约为2.0%。因此,在秋冬季大气重污染期间,应该主要通过控制居民源排放来减轻咸阳市PM_2.5污染。     

2020年春节期间天津市重污染天气污染特征分析

为了解春节期间重污染天气污染特征,基于城区点位2020年1月高时间分辨率的在线监测数据,开展天津市春节期间重污染分析.结果表明：区域污染物输送叠加本地污染物排放和不利气象条件导致春节重污染的发生,重污染期间天津市平均风速为0.97 m·s^-1,平均相对湿度为70%左右,边界层高度为210 m,水平和垂直扩散条件均较差.春节重污染期间,天津市PM_2.5、SO₂、NO₂和CO平均浓度分别为219、14、46 μg·m^-3和1.9 mg·m^-3,与春节前重污染相比,春节重污染期间污染程度有所降低,尤其是NO₂浓度下降明显.PM_2.5浓度空间分布表明,天津远郊区依然存在烟花爆竹燃放情况.春节重污染期间,城区PM_2.5中主要化学组分为二次无机离子（NO₃^-、SO₄^2-和NH₄⁺）、OC、K⁺和Cl^-,平均浓度分别为96.4、22.5、9.5和8.9 μg·m^-3,在PM_2.5中占比分别为41.3%、9.7%、4.1%和3.8%.与春节前重污染相比,受移动源减少、工业企业排放降低、工地停工影响,春节重污染期间NO₃^-、SO₄^2-、NH₄⁺、EC和Ca²⁺浓度及其在PM_2.5中占比明显下降;受烟花爆竹燃放影响,OC、K⁺、Cl^-和Mg²⁺浓度及其在PM_2.5中占比均上升.与清洁天气相比,春节重污染期间PM_2.5中二次无机化学转化明显增强.PMF解析结果表明,春节重污染期间,天津市城区PM_2.5的主要来源为二次无机盐、燃煤和工业、烟花爆竹及生物质燃烧、机动车和扬尘,贡献分担率分别为40.1%、30.6%、20.6%、6.9%和1.8%.与春节前重污染相比,春节重污染期间二次无机盐、机动车和扬尘贡献率分别下降25.5%、62.9%、71.4%,燃煤和工业贡献率上升51.5%,烟花爆竹及生物质燃烧源显著上升.无论是重污染还是非重污染,常态化还是特殊时期,二次无机盐、燃煤和工业排放始终是天津市PM_2.5最主要的来源,产业结构和能源结构的调整始终是天津大气污染防治的主要方向.     

长三角地区2015年大气重污染特征及其影响因素

基于2015年长三角地区129个环境空气质量监测站的空气质量指数（AQI）及主要大气污染物浓度数据,结合气象资料和HYSPLIT后向轨迹模式,探究长三角地区大气重污染的时间变化和空间集聚特征,并深入分析气象条件和区域传输对重污染过程发生和维持的影响.结果表明,2015年长三角地区各城市平均出现AQI超过200的重污染天气共8 d,重污染频率为2.01%,PM_2.5作为首要污染物出现频次最多.从时间变化看,重污染主要分布在1月和12月;从空间分布看,北部地区重污染相比南部地区更为严重,徐州和常州市出现频率最高.选取典型重污染过程1月9—11日（纬向扩散型）、1月24—26日（经向扩散型）和12月20—26日（两种模式相结合的重污染天气）进行成因分析,发现长三角地区重污染天气主要受到西北风向、低风速、高湿度和逆温层的影响,导致大气污染物积累且不易扩散.基于HYSPLIT的大气传输轨迹及频率分布表明,来自西北方向的气流对江苏北部地区的污染输送特征有着显著影响.     

台风影响期间石家庄秋季典型空气污染过程研究

利用PM2.5污染监测数据、气象资料和WRF模式,研究了2013年10月2日至10日石家庄地区秋季一次典型的空气污染过程,结果表明,PM2.5质量浓度的上升和下降阶段与相继出现的台风"菲特"和"丹娜丝"输送气流及其背景场有关,本次污染过程同时受台风系统背景场、副热带高压系统和大陆高压系统协同控制.石家庄PM2.5质量浓度演变分为上升、下降、再上升和下降4个阶段,浓度曲线呈现双峰特征,分别对应台风"菲特"加强、减弱、台风"丹娜丝"加强和减弱阶段.污染过程中,PM2.5日均质量浓度最高值是425μg·m-3,导致这一现象的原因是由于台风"菲特"和"丹娜丝"系统外围东南暖湿气流进入石家庄地区,高空1000、1800和2600 m处出现逆温层,下沉气流最大风速是0.2 m·s-1,覆盖并影响石家庄地区,形成稳定的大气条件,利于PM2.5污染物持续积累,造成石家庄地区PM2.5浓度达到峰值并出现重污染事件.