張晗宇 ,溫 維 ,程水源 *,呂 喆 (.北京工業(yè)大學(xué),區(qū)域大氣復(fù)合污染防治北京市重點實驗室,北京 004；.中國氣象局北京城市氣象研究所,北京 00089)

近年來,京津冀地區(qū)重污染天氣頻發(fā),表現(xiàn)出復(fù)合性、區(qū)域性和周期性的特征,PM2.5污染已成為當(dāng)前影響環(huán)境空氣質(zhì)量的首要污染物[1-2].重污染期間高濃度的PM2.5使得城市大氣能見度急劇下降[3-4],并對人體健康構(gòu)成威脅[5].研究表明,污染源排放和氣象條件是導(dǎo)致重污染發(fā)生和消散的重要原因[6],在排放源不變的條件下,氣象條件成為影響區(qū)域大氣污染的主導(dǎo)因素[7].邊界層作為大氣中最靠近下墊面的部分,其內(nèi)部的氣象要素特征對重污染的形成具有關(guān)鍵作用[8],因此掌握邊界層的結(jié)構(gòu)特征十分重要.國內(nèi)外研究表明[9-10],逆溫、低風(fēng)速、高濕度等一系列穩(wěn)定大氣邊界層特征,是造成重污染天氣發(fā)生的重要原因;郭淳薇等[11]使用NCEP再分析數(shù)據(jù)和探空數(shù)據(jù),發(fā)現(xiàn)北京近35年大氣邊界層高度均表現(xiàn)為春夏季較高,秋冬季較低,大氣層的升溫、穩(wěn)定的邊界層以及 3級以上偏北風(fēng)頻率的減少說明近年來北京擴散條件變差,是導(dǎo)致重污染事件呈上升趨勢的原因.然而,以往研究成果多集中分析近地面氣象要素對重污染的影響,雖有垂直結(jié)構(gòu)的相關(guān)研究,但多采用探空數(shù)據(jù),時間分辨率低,所以亟待完善基于高時間分辨率邊界層資料分析垂直結(jié)構(gòu)各氣象要素的變化特征,進一步突破邊界層氣象要素與重污染之間的相互作用機制.

此外,高濃度的氣溶膠對氣象要素還具有反饋影響,其直接輻射效應(yīng)和間接反饋效應(yīng)可以對全球氣候產(chǎn)生影響[12].IPCC第五次評估報告[13]表明:全球人為氣溶膠年平均直接和間接輻射強迫估計值分別為-0.35W/m2和-0.45W/m2;受輻射反饋影響,重污染期間大氣中存在的大量微小顆粒,可以通過散射和反射降低到達地面的太陽輻射量,從而降低溫度,使得大氣邊界層高度下降,形成穩(wěn)定的邊界層條件,抑制污染物擴散,進而加劇重污染,并且隨著季節(jié)的變化,氣溶膠產(chǎn)生的氣候反饋效應(yīng)也存在差異[14];Forkel等[15]針對氣溶膠與氣象條件的雙向反饋作用進行了模擬,發(fā)現(xiàn)2006年7月歐洲大陸地區(qū)在氣溶膠反饋效應(yīng)影響下,降水量變化范圍介于-100%～100%,PM10質(zhì)量濃度平均增長 1～3μg/m3.但是,京津冀區(qū)域PM2.5污染嚴重,專門針對該區(qū)域以不同城市之間、重污染、清潔日與平均時段等多角度、多方面地開展氣溶膠對不同氣象要素反饋效應(yīng)的差異對比分析仍不足,尚需更深入的研究.

激光雷達觀測是研究邊界層結(jié)構(gòu)變化與重污染相互影響的重要手段,研究發(fā)現(xiàn)重污染期間,大氣邊界層高度顯著降低,與 PM2.5濃度呈現(xiàn)明顯的負相關(guān)性[16],并伴有逆溫現(xiàn)象[17].除常規(guī)觀測外,飛機氣象觀測數(shù)據(jù)(Aircraft Meteorological Data Relay, AMDAR)也是獲取邊界層結(jié)構(gòu)氣象參數(shù)的重要手段,并被證實了數(shù)據(jù)具有可靠性與準確性[18].更重要的是,AMDAR數(shù)據(jù)時空分辨率高,能夠捕捉常規(guī)探空觀測難于發(fā)現(xiàn)的中小尺度天氣系統(tǒng)及演變趨勢,對于深入了解大氣邊界層結(jié)構(gòu)變化對重污染的影響機制具有重要作用.

因此,本文選取2014年10月京津冀地區(qū)一次典型污染過程,采用高分辨率空氣質(zhì)量監(jiān)測數(shù)據(jù)、飛機 AMDAR氣象資料與 WRF-Chem(Weather Research Forecasting Model with chemistry)在線耦合模式相結(jié)合,分析重污染過程中污染物的時空分布特征及天氣形勢,揭示污染過程各小時邊界層垂直結(jié)構(gòu)演變特征,研究邊界層垂直方向上溫度和風(fēng)矢量對重污染形成的影響機制;同時,設(shè)計2種情景,從不同城市、污染日、清潔日與平均時段等多方面、多角度定量分析氣溶膠直接反饋效應(yīng)對太陽輻射、溫度、相對濕度和大氣邊界層高度等氣象要素的影響,為京津冀地區(qū)的污染治理、進一步探索氣溶膠對我國污染嚴重區(qū)域產(chǎn)生的氣候效應(yīng)提供參考.

1 數(shù)據(jù)與研究方法

1.1 數(shù)據(jù)來源

初始氣象場和邊界條件采用 NCEP提供的6h 1°×1°分辨率的全球?qū)α鲗臃治鲑Y料,京津冀地區(qū)采用本團隊自下而上建立起來的污染源排放清單[19],京津冀以外區(qū)域采用清華大學(xué)研發(fā)的MEIC 清單[20],包含的物種有 SO2、CO、NOx、NH3、VOCs、PM2.5、PM10等.空氣質(zhì)量監(jiān)測數(shù)據(jù)來自各城市監(jiān)測站點的空氣質(zhì)量發(fā)布平臺,風(fēng)速觀測數(shù)據(jù)來自中國氣象局發(fā)布的氣象數(shù)據(jù),其他近地面氣象數(shù)據(jù)來源于 http://www.wunderground.com.飛機 AMDAR數(shù)據(jù)來源于民航班機上自動觀測儀捕獲的自動氣象報告,包括飛機的飛行狀態(tài)、經(jīng)緯度、風(fēng)向、風(fēng)速、氣溫等氣象信息,具有時空密度高的優(yōu)勢,是研究大氣邊界層垂直結(jié)構(gòu)一種有效的補充數(shù)據(jù).

1.2 模式與參數(shù)方案

WRF-Chem是基于NCAR (National Center for Atmospheric Research)和NCEP研發(fā)的天氣預(yù)報模式,嵌入化學(xué)模塊,從而在時間和空間上實現(xiàn)了將氣象模塊與化學(xué)傳輸模塊完全耦合的新一代在線空氣質(zhì)量模型,對大氣氣溶膠-輻射強迫-云-氣象有較好的反饋模擬效果[21].模式采用WRF-Chem 3.5.1版本,雙重嵌套網(wǎng)格(圖1),中心位于(39.37°N,116.78°E),外層嵌套網(wǎng)格分辨率為27km,范圍覆蓋華北和華東大部分地區(qū);內(nèi)層網(wǎng)格分辨率為9km,主要覆蓋京津冀區(qū)域.模式頂高設(shè)置為5000Pa,垂直方向分為30層.物理過程和氣相化學(xué)過程參數(shù)方案見表1.

圖1 雙重嵌套區(qū)域示意Fig.1 Schematic diagram of two-level nested-grid modeling domain

模擬時段為2014年10月1～20日,為研究氣溶膠直接氣候效應(yīng)對氣象要素的反饋影響,本文設(shè)置兩套不同的模擬情景,情景一為開啟氣溶膠輻射強迫和云相互作用反饋機制,即考慮氣溶膠直接反饋效應(yīng);情景二為關(guān)閉氣溶膠輻射強迫和云相互作用反饋機制,即不考慮氣溶膠直接反饋效應(yīng).選取典型地區(qū)典型時段的模擬結(jié)果進行分析,綜合時間和空間兩個角度,開展氣溶膠直接氣候效應(yīng)的反饋影響研究.

表1 模式物理與化學(xué)過程參數(shù)化方案Table 1 Parametric scheme of physical and chemistry process in model

2 結(jié)果與討論

2.1 重污染天氣過程污染物時空分布特征及天氣形勢特點

圖2 2014年10月5～13日京津冀地區(qū)各城市PM2.5質(zhì)量濃度逐日變化Fig.2 Daily variations of PM2.5 mass concentration in several cities of Beijing-Tianjin-Hebei region from 5 to 13 October, 2014

2.1.1 污染物時空分布特征 2014年 10月京津冀地區(qū)經(jīng)歷了多次重污染天氣,張家口、承德和秦皇島污染相對較輕,其余城市污染超標天數(shù)比例均超過 50%,其中邯鄲超標率最高達到了83.87%.選取北京市、天津市及河北省11個地級市對京津冀地區(qū)2014年10月5～12日的一次典型重污染過程進行分析.圖 2展示了此次重污染過程中13個城市整個重污染生成、發(fā)展和消散過程,圖3應(yīng)用ArcGIS中克里格插值法[22]展示了7～10日PM2.5污染的時空分布特征.在7～9日的重污染過程中,PM2.5濃度呈現(xiàn)逐漸上升的趨勢,南部城市增速較明顯.PM2.5沿邯鄲-邢臺-石家莊-保定-北京呈帶狀分布,污染帶狀輪廓與太行山脈和燕山南麓連線一致,此帶狀區(qū)域為 PM2.5濃度低值聚集區(qū);PM2.5質(zhì)量濃度空間分布呈顯著的南高北低的特點,北部的張家口、承德、秦皇島為 PM2.5低值聚集區(qū),且隨著時間的變化,區(qū)域尺度上表現(xiàn)出由南向北移動的趨勢,質(zhì)量濃度與污染范圍同時增加,并在 8～9日前后達到此次重污染過程的最高污染水平,其中邢臺市 PM2.5小時濃度最高值達到 516.67μg/m3,直至 10日污染有所緩解,但大部分地區(qū)仍處于嚴重污染水平,說明此次重污染天氣涉及范圍廣、污染程度強、持續(xù)時間長,各城市重污染發(fā)生基本同步,屬于區(qū)域性重污染事件.

圖3 京津冀地區(qū)PM2.5重污染日空間分布(μg/m3)Fig.3 Spatial distribution of PM2.5 heavy pollution level in Beijing-Tianjin-Hebei region (μg/m3)

2.1.2 天氣形勢分析 分析2014年10月9、10、12日高空 500hPa和近地面影響大氣環(huán)流系統(tǒng)的動態(tài)(圖4),9～10日高空500hPa多為緯向環(huán)流控制,以偏西、偏南氣流為主,經(jīng)向風(fēng)較弱,而地面天氣形勢主要受弱高壓后部控制,在京津冀地區(qū)以均壓場為主,等壓線分布較為稀疏.兩者形成了穩(wěn)定的大氣環(huán)境背景場,嚴重阻礙了區(qū)域空氣的水平運動和垂直交換,導(dǎo)致污染物濃度水平升高.直至12日500hPa高空緯向環(huán)流逐漸轉(zhuǎn)為經(jīng)向,風(fēng)向以西南風(fēng)為主,同時來自蒙古的冷高壓日趨南下,京津冀地區(qū)處于高壓前部,等壓線分布密集,地面風(fēng)向以北風(fēng)為主,風(fēng)力強度大幅度提升,加速了污染物的擴散,有效緩解了此次重污染過程.

圖4 2014年10月9日(a)(b)、10月10日(c)(d)和10月12日(e)(f) 8:00地面和高空(500hPa)的天氣形勢Fig.4 Surface and 500 hPa height field pressure pattern during October 9th (a)(b), 10th (c)(d) and 12th (e)(f)

2.2 重污染天氣過程的邊界層結(jié)構(gòu)演變特點

2.2.1 垂直風(fēng)場特征 基于北京首都機場飛機AMDAR數(shù)據(jù),分析了2014年10月北京一次重污染前期、期間及后期的典型日逐時風(fēng)廓線情況(圖 5).整個重污染過程中,位于北京地區(qū)邊界層低層的近地面風(fēng)速均相對較低,直至 11～12日風(fēng)速才有所增加.5～6日上午9:00近地層均以偏北風(fēng)為主,向上逐漸轉(zhuǎn)變成東南風(fēng),風(fēng)向呈順時針切變,而至6日上午10:00,風(fēng)向開始轉(zhuǎn)變,低層偏南風(fēng)逐漸形成,風(fēng)向呈順時針切變形成高層的西南風(fēng).7～8日整個邊界層的垂直結(jié)構(gòu)基本一致,由低層?xùn)|南風(fēng)呈順時針轉(zhuǎn)變?yōu)楦邔拥奈髂巷L(fēng),風(fēng)向垂直切變的位置最大出現(xiàn)在1000～1250m,而最低高度僅為 500m,此時風(fēng)向切變高度的下降可能與北京地區(qū)下沉的氣流有關(guān)[23];此外,低層風(fēng)速垂直切變小,表明污染前期北京地區(qū)的大氣邊界層較為穩(wěn)定,抑制了污染物的垂直稀釋擴散[24],直至9～10日,低層風(fēng)速仍然偏小,對污染物起到了顯著的積聚作用,并在9日前后達到了此次重污染過程的峰值.而到 11日下午開始出現(xiàn)明顯的偏北風(fēng),風(fēng)向垂直切變位置最大高度出現(xiàn)在 2000m,近地層風(fēng)速增大,大大增強了污染物的垂直擴散能力,12日此次重污染過程基本結(jié)束.

對比圖2中5～12日PM2.5濃度序列可以發(fā)現(xiàn),當(dāng)北京地區(qū)受偏南風(fēng)控制,且風(fēng)速較低時,北京地區(qū)污染等級顯著提升;而當(dāng)風(fēng)向轉(zhuǎn)為偏北風(fēng),北京地區(qū)空氣較為清潔,重污染逐漸緩解.這是由于京津冀地區(qū)主要污染物排放集中在河北南部的保定、石家莊、邢臺、邯鄲等城市,通過偏南風(fēng)區(qū)域傳輸?shù)挠绊?導(dǎo)致北京污染加重;而河北省北部城市如張家口和承德,污染物排放量低,加上風(fēng)速較大,可以有力地清除污染物,緩解重污染天氣.

圖5 北京2014年10月5～12日逐時風(fēng)廓線Fig.5 Hourly wind profiles from 5 to 12 October, 2014 in Beijing

圖6 北京2014年10月5～12日溫度廓線Fig.6 Temperature profile during 5～12 October, 2014 in Beijing

2.2.2 垂直溫度場特征 逆溫能反映大氣垂直結(jié)構(gòu)對污染物的擴散能力,上暖下冷的溫度層節(jié)可顯著抑制污染物擴散,造成污染物持續(xù)積聚[25].圖6為北京地區(qū)5～12日大氣垂直結(jié)構(gòu)中溫度的逐時分布.溫度廓線展示了地表白天逐漸升溫、夜間逐漸降溫的過程.以 7～11日代表污染日,5、6、12日代表清潔日,在垂直方向上同一高度的溫度表現(xiàn)主要是污染日高于清潔日.清潔日溫度隨高度上升而不斷降低,污染日北京地區(qū)存在不同程度的貼地逆溫,其中 8日12:00,大氣層 400m 以下直至地面,氣溫隨高度不斷降低,而在400～550m出現(xiàn)一個弱的逆溫層,抑制了 PM2.5的垂直擴散,造成地面污染物的積聚.9日逆溫層頂高度降低到200m以下,垂直方向上存在雙重逆溫,并且逆溫強度顯著增加,最高能達到 3.61℃/100m,進一步促進了污染物聚集,這也是造成9日PM2.5濃度爆發(fā)性增長的一個重要原因.12日已不存在明顯的逆溫結(jié)構(gòu),空氣質(zhì)量開始轉(zhuǎn)好.

2.3 氣溶膠對氣象要素影響的數(shù)值模擬分析

以5～12日作為研究時段,分別選取平均時段(5～12 日)、污染日(7～11 日)和清潔天(5、6、12日)3個時段,分析京津冀地區(qū)氣溶膠直接氣候效應(yīng)對太陽輻射和地面2m溫度、邊界層高度、相對濕度、風(fēng)速等一系列氣象要素的反饋效應(yīng),如圖8～10所示.

2.3.1 模擬效果驗證 選取京津冀區(qū)域典型城市北京、承德、石家莊和保定的觀測數(shù)據(jù),將模式模擬的PM2.5濃度以及氣象參數(shù)(包括地面2m溫度、相對濕度RH、大氣壓力以及風(fēng)速WSP10)與觀測數(shù)據(jù)進行對比分析,驗證模式的模擬性能(圖7).

圖7 北京、承德、石家莊和保定PM2.5濃度、地面2m溫度、相對濕度RH、大氣壓力以及風(fēng)速WSP10模擬與觀測值的逐日變化Fig.7 Daily variations of simulated and observed concentrations of PM2.5, temperature, relative humidity, atmospheric pressure and wind speed in Beijing, Chengde, Shijiazhuang and Baoding

為評估WRF-Chem模式對2014年10月京津冀地區(qū)重污染天氣的模擬效果,本文參考EPA評價標準,引入標準化平均偏差(NMB)、標準化平均誤差(NME)和相關(guān)系數(shù)(COR)等 3個統(tǒng)計指標[26](表2).由表2可知,4種氣象要素模擬值與觀測值的相關(guān)系數(shù)較高,均在0.64以上.4個城市 Temperature模擬值略低于觀測值,相關(guān)系數(shù)均在 0.81以上,NMB介于-0.06%～-6.84%之間,NME介于5.46%～10.39%之間;RH 的相關(guān)性均在 0.90以上,但 NMB和 NME反映出模擬偏差較溫度大;Pressure模擬效果最好,相關(guān)性在0.98以上,但模擬值仍略有偏低.從 WSP10的模擬效果上來看,COR 介于 0.64～0.81之間,模擬值高于觀測值,NMB和NME均介于70.99%～93.79%之間,但二者的變化趨勢表現(xiàn)出較好的一致性.4個城市 PM2.5模擬結(jié)果的NMB在4.22%～10.89%之間,NME介于 30%～40%左右,模擬值整體略高于觀測值,COR均在 0.81以上,模擬值與觀測值有較好的一致性.圖 7進一步表明模擬值與觀測值較好的時間變化序列,WSP10模擬整體偏高,溫度和大氣壓力模擬效果較好,除承德外,RH 整體偏低.PM2.5模擬結(jié)果和觀測結(jié)果有很好一致性,但在重污染期間,略有偏差,參考相關(guān)研究結(jié)果[27],污染源排放清單的不確定性、數(shù)值模式中針對重污染時段的二次污染物轉(zhuǎn)化機制的欠缺、水平和垂直分辨率的影響以及氣象場的誤差均會影響污染物濃度模擬結(jié)果的準確性.同時對比相關(guān)研究模擬結(jié)果誤差,本研究中WRF- Chem準確的模擬出各PM2.5濃度、氣象要素及其變化趨勢,模擬結(jié)果誤差在可接受范圍內(nèi),模擬結(jié)果能夠反映整個污染過程的變化特點.

表2 模擬值與監(jiān)測值統(tǒng)計指標對比(樣本量N=20)Table 2 Comparison of statistical indicators between simulated and observed data

圖8 平均時段(a)、污染日(b)和清潔天(c)氣溶膠直接反饋效應(yīng)對太陽輻射的影響Fig.8 The effect of aerosol direct feedback on solar radiation during average periods(a), polluted (b) and clean days(c).

2.3.2 對太陽輻射的直接效應(yīng)影響 圖8表明京津冀地區(qū)受氣溶膠的反饋作用影響,使得到達地面的太陽輻射普遍減少,平均降低39.80W/m2,下降幅度達到 18.63%,尤其是污染日太陽輻射量變化在空間上呈帶狀分布,與PM2.5濃度的空間分布相一致,到達地面的太陽輻射下降量高達48.57W/m2,較清潔天的下降量高出 14.61W/m2,下降比例為 22.76%.從空間角度來看,南部影響程度顯著高于北部,這是由于污染嚴重的南部地區(qū)屬于氣溶膠聚集區(qū),高濃度的氣溶膠粒子增強了對太陽輻射的吸收和散射作用,導(dǎo)致到達地面的太陽輻射顯著降低,印證了重污染天氣氣溶膠對太陽輻射的直接反饋效應(yīng)比清潔天氣更加顯著.

圖9 典型城市氣溶膠直接效應(yīng)對太陽短波輻射的影響(a)以及下降百分比(b)Fig.9 The effect of aerosol direct feedback on solar radiation (a) and decline in the proportion (b) in typical cities

圖9統(tǒng)計了京津冀8個典型城市在平均時段、污染日和清潔天3個時段太陽輻射受氣溶膠輻射反饋作用的變化情況.8個城市太陽輻射下降量和下降比例均表現(xiàn)為污染日＞平均時段＞清潔天,保定和石家污染較嚴重的城市,太陽輻射下降量及百分比也最高,其中污染日保定下降量高達78.31W/m2,下降比例為36.13%,氣溶膠直接反饋影響非常顯著.污染相對較輕的北部城市,如張家口、承德,平均時段太陽輻射降低值分別為13.20W/m2和27.51W/m2,降低比例分別為5.26%和14.85%,而清潔天的降低量不足7.00W/m2.

2.3.3 對地面氣象要素的直接效應(yīng)影響 圖10(a)、(b)、(c)為氣溶膠對溫度的直接反饋影響,結(jié)果顯示污染日京津冀地區(qū)溫度平均下降 0.39℃,高于平均時段的0.34℃和清潔天的0.27℃,尤其是污染日期間污染嚴重的城市,如北京和保定,溫度下降量分別高達 0.49℃和 0.73℃,下降比例均在 3.00%以上.這是由于氣溶膠對太陽輻射的光產(chǎn)生反射和散射的作用,造成到達地面的太陽輻射降低,進而引發(fā)地表溫度下降,而污染程度越高的時段和地區(qū),氣溶膠濃度越大,其反射和散射作用越強,使得地表溫度下降更顯著.

圖10(d)、(e)、(f)是氣溶膠直接反饋作用對PBLH的影響,氣溶膠主要通過兩種方式對大氣邊界層產(chǎn)生影響,一種是氣溶膠粒子將太陽輻射散射回高空并被吸收,導(dǎo)致地表溫度降低,高空溫度升高;另一種是氣溶膠中的化學(xué)組分如黑碳可以吸收太陽輻射,從而加熱大氣邊界層[28].整個京津冀地區(qū),平均時段邊界層高度下降 36.64m,尤其是污染日下降高達46.08m,比清潔天的降低值高出 25.11m,下降百分比更是超過了 12.00%,遠遠高于清潔日的下降百分比 3.20%.污染日保定邊界層降低了 73.15m,下降比例高達 18.87%,承德和張家口在清潔日邊界層下降量不到 5m,下降幅度在 1%以下,與重污染城市邊界層高度降幅形成了鮮明的對比.同時還發(fā)現(xiàn)污染日期間,大氣邊界層的減少量顯現(xiàn)出明顯的帶狀分布,這與 PM2.5空間分布高度一致.這主要是因為氣溶膠的反饋作用造成大氣邊界層高度降低,使得氣象條件總體呈現(xiàn)出不利于污染物擴散的趨勢,因此使得 PM2.5濃度在氣溶膠聚集區(qū)進一步增加,形成相互反饋影響.

與溫度和邊界層高度相比,風(fēng)速變化較小,絕大部分地區(qū)風(fēng)速有不同程度的下降,少數(shù)地區(qū)略有上升,這可能由于不同地區(qū)的地表屬性不同的原因[29].除此之外,相對濕度也由于 PM2.5濃度的影響產(chǎn)生變化.整個時段京津冀地區(qū)相對濕度絕對值升高 0.90%,而污染日增幅竟高達 1.28%,比清潔天多升高 0.86%.針對污染尤為嚴重的石家莊、保定等南部城市增幅在 2.00%以上,而清潔日張家口的相對濕度下降僅為 0.26%.相對濕度的增加有利于細顆粒物進行非均相化學(xué)反應(yīng),促進 PM2.5顆粒物的產(chǎn)生,導(dǎo)致氣溶膠聚集區(qū)PM2.5濃度進一步升高,加劇重污染天氣,使得氣溶膠與氣象條件形成相互反饋效應(yīng).

圖10 氣溶膠直接反饋作用在平均時段、污染日和清潔天對溫度(a, b, c)、邊界層高度(d, e, f)的影響Fig.10 The effect of aerosol direct feedback on temperature (a, b, c), planetary boundary layer height (d, e, f)

總體來講,京津冀地區(qū)氣溶膠的直接反饋效應(yīng)空間特征表現(xiàn)為南部地區(qū)較北部地區(qū)更為顯著,PM2.5污染越重,氣溶膠對各氣象要素的影響越大.同時,氣溶膠污染反饋作用使得地面太陽短波輻射普遍減少,在氣溶膠聚集區(qū)地面 2m 溫度降低、相對濕度有所增加、邊界層高度降低,風(fēng)速減小,氣溶膠的輻射反饋作用使得各氣象要素均呈現(xiàn)不利于污染物擴散的趨勢,造成氣溶膠聚集區(qū) PM2.5濃度進一步增加,形成氣溶膠與氣象要素的相互反饋效應(yīng).

3 結(jié)論

3.1 此次重污染過程涉及地域范圍廣、持續(xù)時間長、影響強度大,PM2.5由南向北呈帶狀分布,8～9日前后 PM2.5污染達到峰值,地面均壓場和高空緯向環(huán)流是此次重污染發(fā)生的天氣環(huán)流背景.

3.2 風(fēng)向垂直切變高度降低、低層小風(fēng)速、持續(xù)的偏南風(fēng)以及逆溫現(xiàn)象等邊界層垂直分布特征,導(dǎo)致京津冀地區(qū)近地層污染物不斷積聚,污染程度日益加深.

3.3 京津冀地區(qū)直接氣候效應(yīng)在整個時段造成地面太陽輻射量降低 39.80W/m2,下降幅度達到18.63%,溫度下降 0.34℃,邊界層高度降低36.64m,下降比例為8.92%,相對濕度升高0.90%.

3.4 較清潔日而言,污染日氣溶膠的直接反饋效應(yīng)更為顯著,污染日的太陽輻射量、氣溫、邊界層高度的降低值比清潔天分別高出14.61W/m2、0.12℃、25.11m,相對濕度的增幅差高出了0.86%.各氣象要素均朝著不利于污染物擴散的方向發(fā)展,導(dǎo)致污染愈加嚴重.

參考文獻：

[1]Li X, Zhang Q, Zhang Y, et al. Source contributions of urban PM2.5in the Beijing–Tianjin–Hebei region: Changes between 2006 and 2013 and relative impacts of emissions and meteorology[J]. Atmospheric Environment, 2015,123:229-239.

[2]張霖琳,王 超,朱紅霞,等.北京混合功能區(qū)夏冬季細顆粒物組分特征及來源比較 [J]. 中國環(huán)境科學(xué), 2016,36(1):36-41.

[3]Li W J, Zhang D Z, Shao L Y, et al. Individual particle analysis of aerosols collected under haze and non-haze conditions at a high-elevation mountain site in the North China plain [J].Atmospheric Chemistry & Physics, 2011,11(22):22385-22415.

[4]顧芳婷,胡 敏,王 渝,等.北京 2009～2010 年冬、春季 PM2.5污染特征 [J]. 中國環(huán)境科學(xué), 2016,36(9):2578-2584.

[5]Tie X X, Wu D, Brasseur G. Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou, China [J].Atmospheric Environment, 2009,43(14):2375-2377.

[6]李令軍, 王占山, 張大偉,等.2013～2014年北京大氣重污染特征研究[J]. 中國環(huán)境科學(xué), 2016,36(1):27-35.

[7]楊孝文,周 穎,程水源,等.北京冬季一次重污染過程的污染特征及成因分析 [J]. 中國環(huán)境科學(xué), 2016,36(3):679-686.

[8]吳 蒙,范紹佳,吳 兌.臺風(fēng)過程珠江三角洲邊界層特征及其對空氣質(zhì)量的影響 [J]. 中國環(huán)境科學(xué), 2013,33(9):1569-1576.

[9]張 強,薛 迪,王 爽,等.青島市PM2.5重污染天氣演變過程分析 [J]. 中國環(huán)境科學(xué), 2017,37(10):3623-3635.

[10]Zheng G, Su H, Zhang Q, et al. Exploring the severe winter haze in Beijing: the impact of synoptic weather, regional transport and heterogeneous reactions [J]. Atmospheric Chemistry & Physics,2015,15(6):2969-2983.

[11]郭淳薇,孫兆彬,李梓銘,等.北京地區(qū)近35年大氣污染擴散條件變化 [J]. 環(huán)境科學(xué), 2017,38(6):2202-2210.

[12]Makar P A, Gong W, Milbrandt J, et al. Feedbacks between air pollution and weather, Part 1: Effects on weather [J]. Atmospheric Environment, 2015,115(3):442-469.

[13]Stocker T, Plattner G K, Dahe Q. IPCC Climate Change 2013:The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY,USA: Cambridge University Press.

[14]Chen D S, Ma X, Xie X, et al. Modelling the Effect of Aerosol Feedbacks on the Regional Meteorology Factors over China [J].Aerosol & Air Quality Research, 2015,15(4):1559-1579.

[15]Forkel R, Werhahn J, Hansen A B, et al. Effect of aerosolradiation feedback on regional air quality – A case study with WRF/Chem [J]. Atmospheric Environment, 2012,53(6):202-211.

[16]張婉春,張 瑩,呂 陽,等.利用激光雷達探測灰霾天氣大氣邊界層高度 [J]. 遙感學(xué)報, 2013,17(4):981-992.

[17]王耀庭,苗世光,張小玲.北京秋季一次降雪前污染天氣的激光雷達觀測研究 [J]. 氣候與環(huán)境研究, 2014,(6):659-669.

[18]仲躋芹,陳 敏,范水勇,等.AMDAR 資料在北京數(shù)值預(yù)報系統(tǒng)中的同化應(yīng)用 [J]. 應(yīng)用氣象學(xué)報, 2010,21(1):19-28.

[19]Zhou Y, Cheng S Y, Liu L, et al. A coupled MM5-CMAQ modeling system for assessing effects of restriction measures on PM10pollution in Olympic City of Beijing, China [J]. Journal of Environmental Informatics, 2012,19(2):120-127.

[20]Multi-resolution emission inventory for China [Z/OL]. (2017-02-26). URL: http://www. meicmodel.org/.

[21]楊 鵬,朱 彬,高晉徽,等.一次以南京為中心的夏季PM2.5污染島污染事件的數(shù)值模擬 [J]. 中國環(huán)境科學(xué), 2016,36(2):321-330.

[22]Jia J, Cheng S, Liu L, et al. An Integrated WRF-CAMx Modeling Approach for Impact Analysis of Implementing the Emergency PM2.5Control Measures during Red Alerts in Beijing in December 2015 [J]. Aerosol & Air Quality Research, 2017.

[23]劉 建,范紹佳,吳 兌,等.珠江三角洲典型灰霾過程的邊界層特征 [J]. 中國環(huán)境科學(xué), 2015,35(6):1664-1674.

[24]Tran H N Q, M?lders N. Investigations on meteorological conditions for elevated PM2.5, in Fairbanks, Alaska [J].Atmospheric Research, 2011,99(1):39-49.

[25]高慶先,劉俊蓉,王 寧,等.APEC期間北京及周邊城市 AQI區(qū)域特征及天氣背景分析 [J]. 環(huán)境科學(xué), 2015,36(11):3952-3960.

[26]US EPA (2007). Guidance on the use of models and other analyses for demonstrating attainment of air quality goals for ozone, PM2.5, and regional haze. U.S. Environmental Protection Agency Office of Air Quality Planning and Standards Air Quality Analysis Division Air Quality Modeling Group Research Triangle Park, NC.

[27]Gao M, Carmichael G R, Wang Y, et al. Modeling study of the 2010 regional haze event in the North China Plain [J].Atmospheric Chemistry & Physics, 2016,15(16):22781-22822.

[28]Ding A J, Fu C B, Yang X Q, et al. Intense atmospheric pollution modifies weather: a case of mixed biomass burning with fossil fuel combustion pollution in eastern China [J]Atmospheric Chemistry & Physics, 2013,13(20):10545–10554.

[29]Zhang Y, Wen X Y, Jang C J. Simulating chemistry-aerosolcloud-radiation-climate feedbacks over the continental U.S.using the online-coupled Weather Research Forecasting Model with chemistry (WRF/Chem). [J]. Atmospheric Environment,2010,44(29):3568-3582.