陳顥元,王曉琦*,程水源**,關(guān)攀博,張智答,白偉超,唐貴謙

京津冀和長(zhǎng)三角地區(qū)一次重霾過程氣象成因及傳輸特征

陳顥元1,王曉琦1*,程水源1**,關(guān)攀博1,張智答1,白偉超1,唐貴謙2

(1.北京工業(yè)大學(xué)環(huán)境與能源工程學(xué)院,區(qū)域大氣復(fù)合污染防治北京市重點(diǎn)實(shí)驗(yàn)室,北京 100124；2.中國(guó)科學(xué)院大氣物理研究所,大氣邊界層物理與大氣化學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100029)

基于氣象數(shù)據(jù)和空氣質(zhì)量數(shù)據(jù),研究了2016年12月29日～2017年1月8日京津冀與長(zhǎng)三角地區(qū)一次大范圍重度污染過程的特征及成因.結(jié)果表明,均壓場(chǎng)、低邊界層高度、靜小風(fēng)是本次重污染過程的主要?dú)庀筇卣?重污染過程的結(jié)束得益于后期氣壓梯度變大,水平擴(kuò)散條件轉(zhuǎn)好.此外,基于WRF-CMAQ(氣象研究與預(yù)報(bào)建模系統(tǒng)及區(qū)域多尺度空氣質(zhì)量模型) 模式情景分析法評(píng)價(jià)了區(qū)域傳輸和局地累積對(duì)本次重污染過程的作用,分析顯示重污染前期當(dāng)中東部地區(qū)受南風(fēng)控制時(shí),京津冀地區(qū)受長(zhǎng)三角地區(qū)傳輸影響較大(15%～20%),長(zhǎng)三角地區(qū)以本地貢獻(xiàn)為主;累積階段,長(zhǎng)三角地區(qū)本地貢獻(xiàn)顯著下降,受到京津冀地區(qū)的貢獻(xiàn)明顯上升(20%～30%),京津冀地區(qū)主要受本地排放影響.傳輸通量結(jié)果顯示長(zhǎng)三角向京津冀輸送的凈通量峰值發(fā)生在重污染前期(-21.52t/d),京津冀向長(zhǎng)三角輸送的凈通量峰值發(fā)生在累積階段(17.29t/d),區(qū)域傳輸作用在1001～1478m之間最為活躍.

長(zhǎng)三角；京津冀；重污染；氣象要素；WRF-CMAQ

研究表明,高負(fù)荷污染物排放、不利的氣象條件以及污染跨區(qū)域輸送是導(dǎo)致大氣污染形成的主要原因[1-3].氣象因素是在地區(qū)排放水平固定時(shí)重污染發(fā)生的主要原因,靜風(fēng)、逆溫條件,利于氣溶膠二次生成的高濕條件及抑制污染物垂直擴(kuò)散的大氣層結(jié)狀態(tài)是誘發(fā)重污染過程的主要?dú)庀笠蛩?桂林海[4]等對(duì)2016年12月16～21日京津冀污染過程中氣象條件的演變以及邊界層變化進(jìn)行了分析,結(jié)果表明,大氣長(zhǎng)期處于靜穩(wěn)狀態(tài),低層大氣以偏南氣流為主,大氣濕度持續(xù)增加,加之不利于污染物擴(kuò)散的特殊地形是造成污染形成的重要因素.Zhang等[5]對(duì)北京市2015年11～12月份重污染氣象成因進(jìn)行了深入研究,發(fā)現(xiàn)在低風(fēng)速、低邊界層高度、高濕度和逆溫對(duì)流層較低等因素的共同作用下,導(dǎo)致了污染物的積累和吸濕增長(zhǎng).在污染物跨區(qū)域輸送研究方面,后向軌跡模式是半定量衡量區(qū)域傳輸?shù)某Ｓ檬侄?李瑞等[6]選取長(zhǎng)三角北部地區(qū)2018～2019年秋冬季的典型污染過程,利用PSCF和CWT對(duì)PM2.5潛在源定性和定量分析,結(jié)果表明,不同污染過程受區(qū)域傳輸影響存在顯著差異.空氣質(zhì)量模型同樣廣泛地應(yīng)用于定量判斷區(qū)域傳輸對(duì)污染形成的影響,針對(duì)區(qū)域內(nèi)的傳輸,王燕麗等[7]基于CAMx-PSAT 建立了京津冀地區(qū)城市間傳輸矩陣,結(jié)果表明,京津冀城市年均污染貢獻(xiàn)以本地為主,受傳輸影響較大的城市多分布在京津冀邊界并集中在南部.姚森等[8]基于大氣環(huán)境監(jiān)測(cè)數(shù)據(jù)和WRF-CAMx模式,分析了2016年1月京津冀城市的大氣污染特征,開展了PM2.5跨界傳輸量化評(píng)估研究,發(fā)現(xiàn)京津冀城市近地面PM2.5以本地排放貢獻(xiàn)為主,貢獻(xiàn)率為45.4%～ 69.9%;此外,各城市來自京津冀區(qū)域內(nèi)和區(qū)域外的傳輸貢獻(xiàn)率分別為4.8%～49.7%和4.9%～29.6%.對(duì)于跨區(qū)域尺度的傳輸,Fu等[9]運(yùn)用WRF-CMAQ情景分析法分析了2011年長(zhǎng)三角冬季的一次重污染過程,結(jié)果表明來自江蘇省的區(qū)域內(nèi)貢獻(xiàn)和山東省的區(qū)域外貢獻(xiàn)是此次重污染的重要原因,污染水平上升時(shí),區(qū)域外貢獻(xiàn)顯著增加.Zhang等[10]對(duì)京津冀地區(qū)2015年秋季的一次污染過程展開了分析,分析結(jié)果表明重污染發(fā)生時(shí)本地貢獻(xiàn)顯著下降,京津冀地區(qū)受到山東省、江蘇省、安徽省、河南省的貢獻(xiàn)分別高達(dá)11.6%、9.2%、6.7%、11.8%.

國(guó)內(nèi)外學(xué)者針對(duì)區(qū)域尺度污染成因已開展了大量的研究,但一般局限在于單一區(qū)域,對(duì)大尺度多個(gè)區(qū)域重污染成因的探究較少,另外,很少涉及對(duì)區(qū)域垂直方向不同高度層水平輸送的研究.本文以重點(diǎn)控制區(qū)域京津冀和長(zhǎng)三角為研究對(duì)象,針對(duì)2016年12月～2017年1月污染過程進(jìn)行了研究,基于觀測(cè)數(shù)據(jù)分析了氣象因素對(duì)污染形成的影響,利用WRF-CMAQ數(shù)值模擬系統(tǒng),揭示污染物跨區(qū)域輸送與高濃度顆粒物形成的響應(yīng)關(guān)系,建立通量計(jì)算方法,探究區(qū)域間不同高度層水平方向污染物傳輸作用,旨在為秋冬季區(qū)域大氣污染聯(lián)防聯(lián)控提供參考.

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)收集

本研究近地面氣象數(shù)據(jù)來自MICAPS(氣象信息綜合分析處理系統(tǒng))數(shù)據(jù),數(shù)據(jù)時(shí)間分辨率為3h,風(fēng)壓場(chǎng)來自美國(guó)氣象環(huán)境預(yù)報(bào)中心(NCEP)空間精度為1°×1°、時(shí)間分辨率為6h的FNL(全球再分析資料)數(shù)據(jù),典型城市的溫度探空數(shù)據(jù)來源于L波段秒級(jí)探空數(shù)據(jù)的國(guó)內(nèi)交換高空資料(http://data.cma.cn/),用于分析污染時(shí)期大氣穩(wěn)定度,一天兩次,分別是北京時(shí)間08:00和20:00.PM2.5和SO2、NO2數(shù)據(jù)來源于國(guó)控站點(diǎn)城市監(jiān)測(cè)數(shù)據(jù),該數(shù)據(jù)為小時(shí)分辨率,單位為μg/m3,大氣后向散射系數(shù)來源于中國(guó)科學(xué)院大氣物理研究所,采用頻閃激光雷達(dá)(激光探測(cè)和距離測(cè)量)技術(shù)測(cè)定,時(shí)間分辨率為6～120s.

1.2 模型設(shè)置與驗(yàn)證

1.2.1 模型模擬 本文采用WRF-CMAQ模型對(duì)區(qū)域空氣質(zhì)量進(jìn)行模擬,CMAQ和WRF模式參數(shù)化設(shè)置如表1所示,模擬設(shè)置兩層嵌套網(wǎng)格如圖1所示,外層分辨率為36km,模擬區(qū)域包括京津冀、長(zhǎng)三角主要省份以及山西、山東、河南、陜西、寧夏、重慶、貴州、河南、湖北、湖南、江西、寧夏等省份;內(nèi)層分辨率是12km,模擬區(qū)域包括長(zhǎng)三角、京津冀主要省份及山西、河南、山東,中三角大部分地區(qū)和內(nèi)蒙古、遼寧、福建部分地區(qū);模型在模擬區(qū)域內(nèi)垂直方向共設(shè)置28層, 其對(duì)應(yīng)的δ坐標(biāo)分別為1.000、0.994、0.988、0.981、0.969、0.956、0.944、0.926、0.902、0.881、0.852、0.828、0.796、0.754、0.704、0.648、0.589、0.546、0.495、0.445、0.387、0.287、0.187、0.136、0.091、0.061、0.020和0.000.京津冀地區(qū)模擬使用的人為源排放數(shù)據(jù)來自課題組自上而下建立的清單,京津冀以外區(qū)域采用清華大學(xué)研發(fā)的0.25°分辨率的MEIC(中國(guó)多尺度排放清單模型)排放源清單,結(jié)合地區(qū)政策對(duì)污染物排放進(jìn)行減排.考慮初始條件的影響,提前5d啟動(dòng)模型.

采用Brute-Force情景分析法,或稱為zero-out方法(去零法/置零法),該方法在模型內(nèi)置源識(shí)別技術(shù)開發(fā)之前就已經(jīng)得到應(yīng)用,并且研究結(jié)果能夠得到認(rèn)可[11-12].

表1 CMAQ與WRF參數(shù)化方案

圖1 模擬區(qū)域嵌套示意

1.2.2 近地面參數(shù)驗(yàn)證 為定量評(píng)估WRF- CMAQ模式模擬效果,采用標(biāo)準(zhǔn)化平均偏差(NMB)、標(biāo)準(zhǔn)化平均誤差(NME)和相關(guān)系數(shù)3個(gè)統(tǒng)計(jì)學(xué)指標(biāo)對(duì)模擬值與監(jiān)測(cè)值進(jìn)行誤差分析.

由表2可見,氣象要素與(PM2.5)的模擬值與監(jiān)測(cè)值的相關(guān)系數(shù)均大于0.6,NMB、NME范圍均在-31.4%～37.81%內(nèi),這種結(jié)果與國(guó)內(nèi)外很多模擬結(jié)果一致[13].造成重污染期間(PM2.5)低估的原因主要是由于模型內(nèi)嵌二次氣溶膠轉(zhuǎn)化機(jī)制的不完善和重污染期間排放清單的不確定性[14],同時(shí)氣象模式產(chǎn)生的模擬誤差會(huì)進(jìn)一步影響空氣質(zhì)量模式模擬,如:高估的風(fēng)速會(huì)促進(jìn)PM2.5污染物擴(kuò)散,在一定程度上造成(PM2.5)低估.綜合考慮各種指標(biāo),模型模擬效果較好,數(shù)據(jù)較為可靠.

1.2.3 垂直層PM2.5濃度驗(yàn)證 本文需要采用垂直方向不同高度層的模擬結(jié)果分析區(qū)域跨界輸送特征,需對(duì)垂直層PM2.5質(zhì)量濃度模擬效果進(jìn)行驗(yàn)證.后向散射系數(shù)是表征氣溶膠光學(xué)特性的參數(shù),研究表明,后向散射系數(shù)與顆粒物濃度在不同高度處呈現(xiàn)較高的正相關(guān)性[15],因此擬用石家莊市2017年1月不同高度處后向散射系數(shù)數(shù)據(jù)與模擬(PM2.5)進(jìn)行對(duì)比,結(jié)果如圖2所示,本研究采用相關(guān)系數(shù)(COR)來評(píng)估模擬效果.

表2 模型模擬結(jié)果統(tǒng)計(jì)

從圖2可以看出,后向散射系數(shù)在0～48m、48～97m、97～153m與(PM2.5)相關(guān)性分別為0.61、0.78、0.62,總體來說,后向散射系數(shù)與模擬(PM2.5)在0～153m不同高度層均呈現(xiàn)較高的相關(guān)性(COR30.6),說明模擬效果良好,可用于后期的分析計(jì)算.

1.3 傳輸通量計(jì)算

PM2.5傳輸通量的定義是單位時(shí)間內(nèi)通過某個(gè)界面PM2.5的質(zhì)量[16],用來開展區(qū)域間PM2.5交互輸送程度的研究.由于CMAQ屬于歐拉三維網(wǎng)格模式,每個(gè)網(wǎng)格具有固定的三維位置,模式可分別提供每個(gè)網(wǎng)格內(nèi)的氣象數(shù)據(jù)和濃度數(shù)據(jù),研究表明,區(qū)域的跨界輸送主要發(fā)生在離地高度2000m以下[17],因此,本文選型垂直分層中12層以下的高度(離地約1800m)作為垂直空間傳輸通量研究范圍,首先提取每一層各個(gè)網(wǎng)格單元的風(fēng)速、濃度,計(jì)算其風(fēng)矢量、濃度及面積的數(shù)量積,再對(duì)整個(gè)截面進(jìn)行積分,即可得到整個(gè)垂直截面各個(gè)高度層的傳輸通量結(jié)果.傳輸通量計(jì)算公式(1)如下所示:

式中:Flux為PM2.5傳輸通量,t/d;為垂直方向研究的最高層,即為第12層;為所選界面邊界線,無量綱;為模擬網(wǎng)格分辨率,m;H為垂直層和1層間的高度差,m;為PM2.5濃度,μg/m3;為風(fēng)向,°和風(fēng)速,m/s;為通過垂直截面法向量,無量綱.

2 結(jié)果與討論

2.1 大氣污染物濃度特征分析

本文以京津冀、長(zhǎng)三角地區(qū)主要省會(huì)城市國(guó)控站點(diǎn)(PM2.5)均值來表征區(qū)域污染水平,根據(jù)環(huán)境空氣質(zhì)量標(biāo)準(zhǔn),以75,115,150μg/m3分別作為輕度污染、中度污染、重度污染臨界值.如圖3所示,研究時(shí)段內(nèi)2個(gè)地區(qū)(PM2.5)均呈現(xiàn)鋸齒形變化,趨勢(shì)類似,12月28日18:00～12月30日12:00(PM2.5)平穩(wěn)上升,但兩個(gè)地區(qū)還未達(dá)到重度污染水平;12月30日18:00之后,京津冀地區(qū)(PM2.5)迅速上升,峰值達(dá)到325μg/m3,長(zhǎng)三角地區(qū)峰值也達(dá)到重度污染水平,長(zhǎng)三角地區(qū)和京津冀地區(qū)分別于1月5日06:00和1月7日12:00下降到75μg/m3以下,重污染過程結(jié)束.總體來看,本次重污染過程持續(xù)時(shí)間長(zhǎng),且污染強(qiáng)度大,京津冀地區(qū)和長(zhǎng)三角地區(qū)(PM2.5)分別連續(xù)122和74h維持在重污染水平以上;對(duì)比兩區(qū)域(PM2.5)發(fā)現(xiàn),其相關(guān)系數(shù)為0.78,說明本次污染呈現(xiàn)了顯著的區(qū)域性特征.

圖3 京津冀和長(zhǎng)三角地區(qū)研究期間ρ(PM2.5)和ρ(SO2)/ ρ(NO2)時(shí)間序列

3條虛線自下而上分別為75,115,150μg/m3,即輕度污染、中度污染、重度污染的濃度標(biāo)準(zhǔn)線

SO2和NO2是固定源與移動(dòng)源排放的指示劑, SO2和NO2的濃度比值可以用來鑒別污染物來源.比值越高,表明污染物主要來于固定源;比值越低,則表明移動(dòng)源較高[18].如圖3所示,京津冀和長(zhǎng)三角地區(qū)的(SO2)/(NO2)分別為0.35～1.08和0.16～0.52,均較低,表明移動(dòng)源的貢獻(xiàn)對(duì)京津冀和長(zhǎng)三角的PM2.5污染來說占主導(dǎo)地位,對(duì)比污染日和清潔天京津冀地區(qū)和長(zhǎng)三角地區(qū)(SO2)/(NO2)(均值分別為0.74、0.37和0.65、0.32)可知,雖然兩個(gè)地區(qū)受移動(dòng)源影響較大,固定源在重污染天氣發(fā)生時(shí)的作用也不可小覷,京津冀地區(qū)冬季大量燃燒燃煤使SO2濃度升高,長(zhǎng)三角區(qū)雖然無集中供暖的現(xiàn)象,但由NASA衛(wèi)星監(jiān)測(cè)的火點(diǎn)資料(https://firms.modaps.eosdis.nasa.gov/ firemap/)可知,污染期間,合肥、杭州灣附近有較多的火點(diǎn),生物質(zhì)燃燒產(chǎn)生的大量顆粒物加劇了長(zhǎng)三角地區(qū)的重污染.

2.2 氣象條件分析

不利的氣象條件是重污染形成的主要驅(qū)動(dòng)力[19].本文以北京、石家莊為京津冀典型城市,以合肥、上海、杭州為長(zhǎng)三角典型城市,獲取了2016年12月28日～2017年1月9日京津冀和長(zhǎng)三角地區(qū)氣象要素的時(shí)間序列,分析其對(duì)(PM2.5)的影響.

圖4 研究期間北京、石家莊市、合肥、上海、杭州的相對(duì)濕度、邊界層高度、風(fēng)速風(fēng)向、降水、ρ(PM2.5)時(shí)間序列

灰虛線為重度污染的(PM2.5)標(biāo)準(zhǔn)線

從圖4可以看出,長(zhǎng)三角和京津冀地區(qū)的(PM2.5)均與邊界層高度呈現(xiàn)較高的負(fù)相關(guān)性,說明重污染過程期間,不利的垂直擴(kuò)散條件是造成兩地污染物大量累積的重要因素,較低的邊界層高度一方面阻礙了垂直對(duì)流運(yùn)動(dòng),使得近地面污染物不能向上輸送[20],另一方面,迫使大量水汽在近地面聚集有利于顆粒物的化學(xué)轉(zhuǎn)化;相對(duì)濕度與(PM2.5)在非降水階段呈現(xiàn)顯著的正相關(guān),說明其為顆粒物的吸濕增長(zhǎng)創(chuàng)造了條件,研究表明,相對(duì)濕度決定了大氣中非均相反應(yīng)的速率從而影響二次無機(jī)鹽類譬如硝酸鹽、硫酸鹽的生成,因而可以推測(cè)二次轉(zhuǎn)化是重污染形成的重要機(jī)制[21-22];風(fēng)速?zèng)Q定了污染物被大氣稀釋的程度和擴(kuò)散的范圍,污染期間兩地風(fēng)速均以靜小風(fēng)(￡2m/s)為主,污染物在本地大量累積,而在1月7日之后,風(fēng)速增加到3m/s以上,風(fēng)向以西北風(fēng)為主,污染物濃度隨之降低,說明重污染過程的結(jié)束與偏北風(fēng)的清除作用有關(guān).

綜上所述,京津冀和長(zhǎng)三角地區(qū)重污染過程的產(chǎn)生均與低風(fēng)速,低邊界層高度,較高的相對(duì)濕度有關(guān)[23],且京津冀地區(qū)由于更加不利的擴(kuò)散條件(PM2.5)顯著高于長(zhǎng)三角地區(qū).尤其是石家莊,重污染期間(PM2.5)長(zhǎng)時(shí)間維持在嚴(yán)重污染水平以上,這是由于石家莊重污染期間邊界層高度極低,1月1日08:00僅有98m,使得大量污染物在近地面堆積;不同的是,長(zhǎng)三角地區(qū)3個(gè)城市1月5日～1月7日有降水過程,顯著的濕沉降作用使得長(zhǎng)三角地區(qū)(PM2.5)迅速下降至優(yōu)良水平[24],而京津冀地區(qū)的重污染過程的結(jié)束多是由于大氣擴(kuò)散條件的改善[25].

2.3 大氣穩(wěn)定度分析

圖5 2016年12月29日、1月2日、1月5日、1月8日北京、石家莊08:00、20:00,合肥、上海、杭州08:00、20:00溫度垂直廓線

逆溫阻礙了高空和近地面大氣的對(duì)流交換,使污染物不能在垂直方向上擴(kuò)散,從而加劇了污染程度[26-27].各城市日溫廓線如圖5所示,整體上來看,京津冀和長(zhǎng)三角典型城市在重污染期間都有不同程度的逆溫現(xiàn)象,12月29日20:00,石家莊和北京都在55m左右出現(xiàn)了貼地逆溫現(xiàn)象,但逆溫強(qiáng)度較低, 20:00北京近地面逆溫消失,而石家莊市的逆溫強(qiáng)度持續(xù)增加;1月2日和5日,北京、石家莊兩地逆溫層結(jié)的高度和厚度都有增加的趨勢(shì),且逆溫情況更加復(fù)雜,表現(xiàn)為在不同高度處都有小范圍逆溫現(xiàn)象發(fā)生,此時(shí)大氣垂直擴(kuò)散能力極差,污染物在地面累積;到了1月8日20:00,可以看出,北京石家莊兩地逆溫現(xiàn)象基本消失,氣溫垂直遞減率明顯增加,擴(kuò)散情況轉(zhuǎn)好.

相較于京津冀地區(qū),長(zhǎng)三角典型城市大氣擴(kuò)散能力較好,但也出現(xiàn)了不同程度的逆溫現(xiàn)象.特別在1月2日20:00,上海市在700m左右,杭州在300m左右,分別出現(xiàn)了強(qiáng)度為0.4℃/100m和0.3℃/100m的逆溫,合肥雖然沒有出現(xiàn)逆溫,但其大氣溫度垂直遞減率極低,這種情況十分不利于近地面污染物的清除;1月5日8:00及20:00,雖然逆溫現(xiàn)象還未完全消失,但其強(qiáng)度減小,逆溫層高度也從近地面升至高空,說明大氣湍流能力有所加強(qiáng);至1月8日,長(zhǎng)三角三個(gè)典型城市逆溫現(xiàn)象完全消失,且大氣氣溫垂直遞減率明顯增大,說明高空和近地面的大氣對(duì)流更加活躍,有利于污染物的消散清除.

2.4 PM2.5傳輸量化評(píng)估

圖6 研究期間不同階段地面風(fēng)場(chǎng)和氣壓場(chǎng)

2.4.1 PM2.5區(qū)域傳輸貢獻(xiàn) 本文根據(jù)重污染過程前后天氣形勢(shì)特征將2016年12月29日～2017年1月8日的重污染過程分為4個(gè)階段,由圖6、圖7可見區(qū)域傳輸貢獻(xiàn)和本地貢獻(xiàn)在不同階段呈現(xiàn)了顯著的空間差異,重污染前期Ι階段(2016年12月29日):京津冀地區(qū)被強(qiáng)大的冷高壓所控制,以下沉運(yùn)動(dòng)為主,白天太陽輻射增加,夜間輻射冷卻產(chǎn)生逆溫造成污染物大量堆積,京津冀地區(qū)處于高壓后部,南部氣團(tuán)緩慢輸入,近地層的南部氣團(tuán)極易被北部山脈阻擋,污染物在山麓附近匯聚并持續(xù)堆積[28],本地貢獻(xiàn)較高(49%～56%),長(zhǎng)三角地區(qū)處于高壓底部,以西北風(fēng)為主,受到京津冀地區(qū)輕微影響(12%～15%),但因擴(kuò)散條件較好,污染情況較輕.重污染前期Ⅱ階段(2016年12月30日～2017年1月1日):高壓中心東移,京津冀和長(zhǎng)三角地區(qū)受到反氣旋影響,氣流向四周擴(kuò)散,邊界層高度降低[29],同時(shí),中國(guó)中東部地區(qū)受高壓后部均壓場(chǎng)控制,以東南風(fēng)為主導(dǎo),京津冀地區(qū)受到長(zhǎng)三角的貢獻(xiàn)顯著上升,由5%左右迅速升至15%左右,長(zhǎng)三角的污染物被傳輸?shù)骄┙蚣降貐^(qū)使得京津冀地區(qū)主要省份(PM2.5)躍升至200μg/m3以上.污染累積階段(2017年1月2日～2017年1月6日):京津冀地區(qū)位于西伯利亞-蒙古高壓中心底部,大部分省市受高壓均壓場(chǎng)控制,天氣形勢(shì)穩(wěn)定,區(qū)域和本地貢獻(xiàn)占比卻因地理位置和排放量不同呈現(xiàn)差異,北京和天津本地貢獻(xiàn)有所下降,這是靜穩(wěn)天氣條件下氣團(tuán)移動(dòng)相對(duì)較慢,區(qū)域內(nèi)短距離輸送影響達(dá)到峰值[30-31]所致,而河北省本地貢獻(xiàn)由前期55%左右升至70%,這與其極高的排放量有關(guān),長(zhǎng)三角地區(qū)處于高壓底部,冷空氣南下將華北地區(qū)的污染物攜帶至長(zhǎng)三角地區(qū),因此在此階段其受京津冀地區(qū)貢獻(xiàn)達(dá)到峰值(20%～30%).污染消散階段(2017年1月7日～1月8日):京津冀和長(zhǎng)三角地區(qū)本地貢獻(xiàn)較前期分別上升了8%、12%左右,此階段環(huán)流型從緯向型轉(zhuǎn)為經(jīng)向型,氣壓梯度明顯增大,有利于來自西伯利亞-蒙古地區(qū)清潔氣團(tuán)的輸入,京津冀、長(zhǎng)三角地區(qū)冷鋒先后過境,破壞了大氣的逆溫結(jié)構(gòu),風(fēng)速明顯增大,擴(kuò)散條件轉(zhuǎn)好,重污染天氣自北向南先后消散.值得注意的是,上海市在累積階段受京津冀地區(qū)影響有所上升,但是其空氣質(zhì)量維持在相對(duì)較好的水平,這是因?yàn)樯虾Ｊ惺芎ｏL(fēng)的影響比較大,而冬季海溫相對(duì)于陸地較高,東風(fēng)氣流為暖平流,海陸熱力差異造成近地層垂直溫度層結(jié)趨于不穩(wěn)定,加速邊界層污染物的垂直擴(kuò)散[32],進(jìn)一步說明空氣質(zhì)量是人為排放和氣象條件的作用疊加.

2.4.2 PM2.5跨界傳輸通量 本文設(shè)定京津冀向長(zhǎng)三角傳輸為正,長(zhǎng)三角向京津冀傳輸為負(fù),由于京津冀地區(qū)和長(zhǎng)三角地區(qū)并不是直接接壤,因此長(zhǎng)三角向京津冀傳輸通量為京津冀所取界面負(fù)向風(fēng)矢量和長(zhǎng)三角對(duì)京津冀地區(qū)貢獻(xiàn)值(由基準(zhǔn)情景濃度值和清除長(zhǎng)三角排放情景濃度值差值所得)的乘積,京津冀向長(zhǎng)三角傳輸通量為長(zhǎng)三角所取界面正向風(fēng)矢量和京津冀對(duì)長(zhǎng)三角貢獻(xiàn)值(由基準(zhǔn)情景濃度值和清除京津冀排放情景濃度值差值所得)的乘積,凈通量為正負(fù)通量的矢量和,用來表征截面上某個(gè)時(shí)間點(diǎn)的傳輸方向,總通量為截面上正負(fù)通量的絕對(duì)值之和,用來表征區(qū)域間傳輸?shù)幕钴S程度.

為了確定京津冀和長(zhǎng)三角地區(qū)的傳輸路徑,提取了模型第1層(作為近地面)和模型第6層、7層(作為高空)京津冀和長(zhǎng)三角的相互貢獻(xiàn)值,可知安徽省和江蘇省北部邊界處京津冀對(duì)長(zhǎng)三角地區(qū)的網(wǎng)格貢獻(xiàn)值(30～50μg/m3)顯著高于東部和西部邊界網(wǎng)格貢獻(xiàn)值(5～10μg/m3),而河北南部邊界以及渤海灣處長(zhǎng)三角對(duì)京津冀地區(qū)的網(wǎng)格貢獻(xiàn)值(55～65μg/m3)顯著高于京津冀西部邊界(8～16μg/m3),基于此劃定研究邊界如圖8所示.

圖8 截面示意

研究期間各個(gè)階段不同高度處傳輸通量如圖9所示,從傳輸方向來看,各個(gè)階段高空凈通量正負(fù)和近地面保持一致,重污染前期Ⅱ階段,凈通量為負(fù)值,峰值為-21.52t/d,說明此階段長(zhǎng)三角向京津冀的輸送量較大,而其他三個(gè)階段均表現(xiàn)為正值,峰值出現(xiàn)在污染累積階段(17.29t/d),表明這三個(gè)階段均表現(xiàn)為京津冀向長(zhǎng)三角輸送,且這種作用在累積階段最為顯著,傳輸通量結(jié)果能較好地呼應(yīng)傳輸貢獻(xiàn)結(jié)論.從不同高度通量變化趨勢(shì)來看,在0～1001m處,總通量基本隨著高度的增加有所上升,這是因?yàn)楦呖诊L(fēng)速增大促進(jìn)了污染物的輸送[33],而在1261～1782m,總通量呈現(xiàn)上下波動(dòng)趨勢(shì),這與高空(PM2.5)變化較為明顯有關(guān).總通量四個(gè)階段峰值均出現(xiàn)在1001～ 1478m之間,說明區(qū)域間的傳輸作用在高空比較顯著,與總通量相比,凈通量在不同高度處整體波動(dòng)較大,這可能與高空風(fēng)向改變有關(guān).從通量絕對(duì)值大小來看,重污染前期Ⅰ階段總通量最小,峰值僅有11.71t/d,約為其他階段的1/2,這是因?yàn)榇穗A段京津冀和長(zhǎng)三角地區(qū)污染程度不高,貢獻(xiàn)值較低;重污染前期Ⅱ階段、污染累積階段、污染消散階段總通量值變化不大,均維持在較高水平,但原因有所不同,重污染前期Ⅱ階段和污染累積階段是由于京津冀和長(zhǎng)三角污染程度較高,貢獻(xiàn)濃度值達(dá)到峰值,而污染消散階段是重污染后期風(fēng)速顯著增大所致.從另一個(gè)角度來說,區(qū)域傳輸作用對(duì)區(qū)域空氣質(zhì)量的作用并非總是負(fù)向的,在擴(kuò)散條件較好時(shí),區(qū)域間大氣的對(duì)流活動(dòng)有助于區(qū)域內(nèi)污染物的快速清除.

結(jié)合氣象條件和模型分析,可以推斷:重污染前期長(zhǎng)三角地區(qū)排放的污染物可被快速輸送至京津冀地區(qū),通過氣溶膠反饋?zhàn)饔么龠M(jìn)靜穩(wěn)天氣的產(chǎn)生從而加劇華北地區(qū)的污染[34],而污染累積階段東部地區(qū)受冷鋒影響,區(qū)域性重霾南下又對(duì)長(zhǎng)三角空氣質(zhì)量造成不利影響[35-36].所以,對(duì)長(zhǎng)三角而言,將減排時(shí)間比正常預(yù)報(bào)重霾時(shí)間提前幾天不僅可以減輕華北地區(qū)的污染,也有助于對(duì)隨后長(zhǎng)距離傳輸?shù)闹匚廴具^程進(jìn)行削峰.

3 結(jié)論

3.1 本次重污染過程持續(xù)時(shí)間長(zhǎng),污染強(qiáng)度大,京津冀與長(zhǎng)三角地區(qū)均受移動(dòng)源主導(dǎo),燃燒源的排放加劇了重污染程度.不利的氣象條件是兩地污染爆發(fā)的重要原因,重污染前期,邊界層高度較低,相對(duì)濕度較高,污染物難以擴(kuò)散;累積階段,擴(kuò)散條件進(jìn)一步惡化,等壓線趨于稀疏,天氣靜穩(wěn),污染物大量累積.消散階段,西北清潔氣團(tuán)輸入,空氣質(zhì)量大幅度改善,其中,長(zhǎng)三角地區(qū)重污染過程結(jié)束還與降水作用有關(guān).

3.2 數(shù)值模擬結(jié)果表明,京津冀地區(qū)和長(zhǎng)三角地區(qū)在本次重污染過程中均受局地累積和區(qū)域傳輸?shù)挠绊?但因天氣條件呈現(xiàn)時(shí)空差異,京津冀本地貢獻(xiàn)峰值出現(xiàn)在累積階段(70%),長(zhǎng)三角本地貢獻(xiàn)峰值出現(xiàn)在消散階段(65%),京津冀對(duì)長(zhǎng)三角地區(qū)的影響主要體現(xiàn)在累積階段(20%～30%),而長(zhǎng)三角對(duì)京津冀的影響主要體現(xiàn)在重污染前期(15%～20%).值得注意的是,上海市在本次重污染過程中也受到華北地區(qū)污染氣團(tuán)影響,但由于季節(jié)海陸熱力差異,污染物快速消散,進(jìn)一步說明空氣質(zhì)量是氣象和排放共同作用的結(jié)果.

3.3 通量研究結(jié)果較好地呼應(yīng)了貢獻(xiàn)分析結(jié)論,長(zhǎng)三角向京津冀輸送的凈通量峰值出現(xiàn)在重污染前期Ⅱ階段(-21.52t/d),京津冀向長(zhǎng)三角輸送的凈通量峰值出現(xiàn)在累積階段(17.29t/d),當(dāng)污染物濃度值或風(fēng)速較大時(shí),總通量值均較大,說明區(qū)域傳輸在不同階段發(fā)揮了不同的作用,在污染物濃度較高時(shí),這種作用是負(fù)向的,使得京津冀-長(zhǎng)三角地區(qū)形成污染帶,當(dāng)擴(kuò)散條件轉(zhuǎn)好時(shí),這種作用是正向的,有助于京津冀-長(zhǎng)三角地區(qū)污染物的快速清除,因此,長(zhǎng)三角地區(qū)的提前減排有利于兩地空氣質(zhì)量的改善.此外,區(qū)域傳輸作用在1001～1478m之間最為活躍.

[1] 潘 亮,閻鳳霞,吳峻石,等.2013～2019年上海早晨接地逆溫指標(biāo)與PM2.5定量關(guān)系研究 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(2):517-526.

Pan L, Yan F, Wu J, et al. Study on the quantitative relationship between PM2.5and ground temperature inversion index in Shanghai in 2013～2019 [J]. China Environmental Science, 2021,41(2):517-526.

[2] 趙子菁,魏永杰,張祥志,等.南京市霾天氣與主要?dú)庀髼l件的相關(guān)分析 [J]. 中國(guó)環(huán)境科學(xué), 2015,35(12):3570-3580.

Zhao Z, Wei Y, Zhang X, et al. Correlation analysis of haze weather and main meteorological conditions in Nanjing [J]. China Environmental Science, 2015,35(12):3570-3580.

[3] 廖碧婷,黃 俊,王春林,等.廣州地區(qū)灰霾過程和清潔過程的邊界層特征對(duì)比分析 [J]. 中國(guó)環(huán)境科學(xué), 2018,38(12):4432-4443.

Liao B, Huang J, Wang C, et al. Comparative analysis of boundary layer characteristics of haze process and clean process in Guangzhou [J]. China Environmental Science, 2018,38(12):4432-4443.

[4] 桂海林,江 琪,康志明,等.2016年冬季北京地區(qū)一次重污染天氣過程邊界層特征 [J]. 中國(guó)環(huán)境科學(xué), 2019,39(7):2739-2747.

Gui L H, Jiang Q, Kang Z M, et al. Boundary layer characteristics of a heavy pollution weather process in Beijing in the winter of 2016 [J]. China environmental science, 2019,39(7):2739-2747.

[5] Zhang Z, Gong D, Mao R, et al. Cause and predictability for the severe haze pollution in downtown Beijing in November-December 2015 [J]. Science of the Total Environment, 2017,592:627-638.

[6] 王燕麗,薛文博,雷 宇,等.京津冀區(qū)域PM2.5污染相互輸送特征 [J]. 環(huán)境科學(xué), 2017,38(12):4897-4904.

Wang Y L, Xue W B, Lei Y, et al. Characteristics of PM2.5pollution transport in Beijing-Tianjin-Hebei Region [J]. Environmental science, 2017,38(12):4897-4904.

[7] 李 瑞,李 清,徐 健,等.秋冬季區(qū)域性大氣污染過程對(duì)長(zhǎng)三角北部典型城市的影響 [J]. 環(huán)境科學(xué), 2020,41(4):1520-1534.

Li R, Li Q, Xu J, et al. Effects of regional atmospheric pollution processes in autumn and winter on typical cities in the northern Yangtze river delta [J]. Environmental science, 2020,41(4):1520-1534.

[8] 姚 森,張晗宇,王曉琦,等.2016年1月京津冀地區(qū)大氣污染特征與多尺度傳輸量化評(píng)估[J/OL]. 環(huán)境科學(xué):1-14[2020-10-22]. https://doi.org/10.13227/j.hjkx.202006042.

Yao S, Zhang H, Wang X, et al. Quantitative assessment of air pollution characteristics and multi-scale transport in Beijing Tianjin Hebei region in January 2016 [J/OL]. Environmental science:1-14 [2020-10-22]. https://doi.org/10.13227/j.hjkx.202006042.

[9] Fu X, Cheng Z, Wang S X, et al. Local and regional contributions to fine particle pollution in winter of the Yangtze River Delta, China [J]. Aerosol and Air Quality Research, 2016,16(4):1067-1080.

[10] Zhang Y L, Zhu B,Gao J H, et al. The source apportionment of primary PM2.5in an aerosol pollution event over Beijing-Tianjin- Hebei Region using WRF-Chem, China [J]. Aerosol and Air Quality Research, 2017,17(12):2966-2980.

[11] Cheng S, Lang J, Zhou Y, et al. A new monitoring-simulation-source apportionment approach for investigating the vehicular emission contribution to the PM2.5pollution in Beijing, China [J]. Atmospheric Environment, 2013,79:308-306.

[12] Metin B, Ulas I, Alper U. Evaluation of impact of residential heating on air quality of megacity istanbul by CMAQ [J]. Science of the Total Environment, 2019,651:1688-1697.

[13] 徐 冉,張恒德,楊孝文,等.北京地區(qū)秋冬季大氣污染特征及成因分析 [J]. 環(huán)境科學(xué), 2019,40(8):3405-3414.

Xu R, Zhang H D, Yang X W, et al. Characteristics and causes of air pollution in autumn and winter in Beijing [J]. Environmental science, 2019,40(8):3405-3414.

[14] 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.

[15] 郭 偉,卜令兵,賈小芳,等.基于激光云高儀的北京沙塵氣溶膠特征分析 [J]. 氣象, 2016,42(12):1540-1546.

Guo W, Bu L B, Jia X F, et al. Analysis of aerosol characteristics of sand dust in Beijing based on laser cloud height analyzer [J]. Meteorology, 2016,42(12):15401546.

[16] 程水源,王傳達(dá),張晗宇.跨界地區(qū)大氣邊界層以下PM2.5傳輸通量數(shù)值模擬量化的方法[P]. 北京市:CN110569528A, 2019-12-13.

Cheng S Y, Wang C D, Zhang H Y. Numerical simulation and quantification of PM2.5transport flux below the atmospheric boundary Layer in transboundary regions [P]. Beijing: CN110569528A, 2019- 1213.

[17] Zhang H, Cheng S, Yao S, et al. Multiple perspectives for modeling regional PM2.5transport across cities in the Beijing-Tianjin-Hebei region during haze episodes [J]. Atmospheric Environment, 2019, 212:22-35.

[18] 沈楠馳,周丙鋒,李珊珊,等.2015～2019年天津市大氣污染物時(shí)空變化特征及成因分析[J/OL]. 生態(tài)環(huán)境報(bào):1-12[2020-10-24].http: //kns.cnki.net/kcms/detail/44.1661.X.20201015.2020.002.html.

Shen N C, Zhou B F, Li S S, et al. Spatial and temporal variation characteristics and Causes of atmospheric pollutants in Tianjin from 2015 to 2019 [J/OL]. Ecological environment:1-12 [2020-10-24]. http://kns.cnki.net/kcms/detail/44.1661.X.20201015.2020.002.html.

[19] 成瑩菲,侯雪偉,朱 彬,等.穩(wěn)定天氣形勢(shì)下京津冀和長(zhǎng)三角地區(qū)重度污染過程氣象成因解析 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(5):1575- 1586.

Cheng Y F, Hou X W, Zhu B, et al. Analysis of meteorological causes of severe pollution in The Beijing-Tianjin-Hebei region and the Yangtze River Delta under stable weather conditions [J]. Journal of environmental science, 2020,40(5):1575-1586.

[20] 李 夢(mèng),唐貴謙,黃 俊,等.京津冀冬季大氣混合層高度與大氣污染的關(guān)系 [J]. 環(huán)境科學(xué), 2015,36(6):1935-1943.

Li M, Tang G Q, Huang J, et al. Relationship between the height of atmospheric mixing layer and atmospheric pollution in Winter in Beijing-Tianjin-Hebei region [J]. Environmental Science, 2015,36(6): 1935-1943.

[21] 姚 青,蔡子穎,韓素芹,等.天津冬季相對(duì)濕度對(duì)氣溶膠濃度譜分布和大氣能見度的影響 [J]. 中國(guó)環(huán)境科學(xué), 2014,34(3):596-603.

Yao Q, Cai Z Y, Han S Q, et al. Effect of relative humidity on aerosol concentration spectrum distribution and atmospheric visibility in Winter in Tianjin [J]. Environmental Science of China, 2014,34(3): 596603.

[22] Liu P F, Zhao C S, Gobel T, et al. Hygroscopic properties of aerosol particles at high relative humidity and their diurnal variations in the North China Plain [J]. Atmospheric Chemistry and Physics, 2011,11(1): 3479-3494.

[23] 王躍思,姚 利,王莉莉,等.2013年元月我國(guó)中東部地區(qū)強(qiáng)霾污染成因分析 [J]. 中國(guó)科學(xué):地球科學(xué), 2014,44(1):15-26.

Wang Y S, Yao L, Wang L L, et al. Causes of heavy haze pollution in Central and Eastern China in January 2013 [J]. Science in China: Earth Sciences, 2014,44(1):15-26.

[24] 周 彬,劉端陽,魏建蘇,等.降水對(duì)氣溶膠顆粒物清除作用的初步分析 [J]. 長(zhǎng)江流域資源與環(huán)境, 2015,24(S1):160-170.

Zhou B, Liu D Y, Wei J S, et al. Preliminary analysis of the effect of precipitation on the removal of aerosol particles [J]. Resources and Environment of the Yangtze River Basin, 2015,24(S1):160-170.

[25] 楊 旭,張小玲,康延臻,等.京津冀地區(qū)冬半年空氣污染天氣分型研究 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(9):3201-3209.

Yang X, Zhang X L, Kang Y Z, et al. Research on the classification of air pollution weather in the half year of winter in beijing-tianjin-hebei region [J]. China environmental science, 2017,37(9):3201-3209.

[26] 郁珍艷,高大偉,李正泉,等.低層通風(fēng)量及逆溫條件對(duì)浙江省空氣質(zhì)量的影響分析 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(9):3165-3173.

Yu Z Y, Gao D, Li Z Q, et al. Analysis on the influence of low level ventilation and temperature inversion on air quality in zhejiang province [J]. Chinese Journal of Environmental Science, 2020,40(9): 3165-3173.

[27] 曹紅麗,陳 奇.西安邊界層逆溫特征及其與空氣污染的關(guān)系 [J]. 陜西氣象, 2014,(2):13-16.

Cao H L, Chen Q. Characteristics of boundary layer inversion and its relationship with air pollution in Xi'an [J]. Meteorology, Shanxi, 2014,(2):13-16.

[28] Wang X Q, Wei W, Cheng S Y, et al. Characteristics and classification of PM2.5pollution episodes in Beijing from 2013 to 2015 [J].Science of the Total Environment, 2018,612:170-179.

[29] X G, Liu J, Li Y, et al. Formation and evolution mechanism of regional haze: a case study in the megacity Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13(9).

[30] 李 霞,賈 健.復(fù)雜地形多尺度氣流對(duì)城市大氣污染影響的研究進(jìn)展 [J]. 沙漠與綠洲氣象, 2016,10(6):1-10.

Li X, Jia J. Research progress on the influence of complex terrain multi-scale airflow on urban air pollution [J]. Desert and oasis meteorology, 2016,10(6):1-10.

[31] 蔡子穎,楊 旭,韓素芹,等.基于天氣背景天津大氣污染輸送特征分析[J/OL]. 環(huán)境科學(xué):1-15 [2020-10-19]. https://doi.org/10.13227/ j.hjkx.202004252.

Cai Z Y, Yang X, Han S Q, et al. Based on the background analysis of characteristics of atmospheric pollution in tianjin transportation [J/OL]. Environmental science:1-15 [2020-1019]. https://doi.org/10.13227/ j.hjkx.202004252.

[32] 毛卓成,馬井會(huì),許建明,等.上海地區(qū)持續(xù)東風(fēng)系統(tǒng)控制下污染擴(kuò)散條件分析 [J]. 氣象, 2015,41(7):890-898.

MAO Z C, Ma J H, Xu J M, et al. Analysis of pollution diffusion conditions under the control of continuous east wind system in Shanghai [J]. Meteorology, 2015,41(7):890-898.

[33] Chang X, Wang S X, Zhao B, et al. Assessment of inter-city transport of particulate matter in the Beijing-Tianjin-Hebei region. Atmospheric Chemistry and Physics [J]. 2018,18:4843-4858.

[34] Huang X, Ding A, Wang Z, et al. Amplified transboundary transport of haze by aerosol-boundary layer interaction in China [J]. NATURE Geoscience, 2020,13(6):428.

[35] 鄧發(fā)榮,康 娜, Kumar K R,等.長(zhǎng)江三角洲地區(qū)大氣污染過程分析 [J]. 中國(guó)環(huán)境科學(xué), 2018,38(2):401-411.

Deng F R, Kang N, Kumar K R, et al. Analysis of atmospheric pollution process in the Yangtze River Delta region [J]. Environmental Science in China, 2008,38(2):401-411.

[36] 康漢青,朱 彬.長(zhǎng)三角冬季PM2.5污染的形成原因及來源追蹤[C]// 中國(guó)顆粒學(xué)會(huì)氣溶膠專業(yè)委員會(huì)、臺(tái)灣氣膠研究學(xué)會(huì).第十五屆海峽兩岸氣膠技術(shù)研討會(huì)論文集.中國(guó)顆粒學(xué)會(huì)氣溶膠專業(yè)委員會(huì)、臺(tái)灣氣膠研究學(xué)會(huì):中國(guó)顆粒學(xué)會(huì)氣溶膠專業(yè)委員會(huì), 2017:1.

Kang H Q, Zhu B. Tracing of the causes and sources of PM2.5pollution in the Yangtze River Delta in winter [C]//Aerosol Professional Committee of Chinese Particle Society, Taiwan Aerosol Research Society Proceedings of the 15th Cross-strait Seminar on Aerosol Technology. Aerosol Professional Committee of The Chinese Particle Society, Taiwan Aerosol Research Society: Aerosol Professional Committee of the Chinese Particle Society, 2017:1.

Analysis of meteorological causes and transmission characteristics of a heavy haze process in Beijing Tianjin Hebei and Yangtze River Delta.

CHEN Hao-yuan1, WANG Xiao-qi1*, CHENG Shui-yuan1**, GUAN Pan-bo1, ZHANG Zhi-da1, BAI Wei-chao1, TANG Gui-qian2

(1.Key Laboratory of Beijing on Regional Air Pollution Control, College of Environmental and Energy Engneering, Beijing University of Technology, Beijing 100124, China；2.State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China)., 2021,41(6)：2481～2492

Based on meteorological data and air quality data, the characteristics and causes of a large-scale severe pollution process in Beijing Tianjin Hebei region and Yangtze River Delta region from December 29, 2016 to January 8, 2017 were analyzed. The main meteorological characteristics of the heavy pollution process were pressure field, low boundary layer height and quiet breeze. The end of the heavy pollution process was due to the higher pressure gradient and better horizontal diffusion conditions, Based on the WRF-CMAQ (Weather Research and Forecasting Model and Community Multi-scale Air Quality) scenario analysis method, the effects of regional transmission and local accumulation on the heavy pollution process were evaluated. The analysis showed that in the early stage of heavy pollution controlled by south wind, the Yangtze River Delta region was mainly affected by transmission (15% ～ 20%) from the Yangtze River Delta, and the Yangtze River Delta region was mainly influenced by local contribution; in the accumulation stage, the local contribution of the Yangtze River Delta region decreased significantly, while the contribution from Beijing Tianjin Hebei region increased significantly (20% ～ 30%).The results showed that the peak value of the net transmission fluxes fromYangtze River Delta to Beijing Tianjin Hebei region occured in the early stage of heavy pollution (-21.52t/d), and the peak value of net transmission fluxes from Beijing Tianjin Hebei region to Yangtze River Delta occured in the accumulation stage (17.29t/d), the regional transport effect was the most active between 1001 and 1478m.

the Yangtze River Delta region；the Beijing-Tianjin-Hebei region；heavy pollution；meteorological elements；WRF-CMAQ

X513

A

1000-6923(2021)06-2481-12

陳顥元(1996-),男,江西九江人,北京工業(yè)大學(xué)環(huán)境與能源工程學(xué)院碩士研究生,主要從事環(huán)境規(guī)劃管理與污染防治方面的研究.發(fā)表論文1篇.

2020-11-15

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2018YFC0213200);中國(guó)博士后科學(xué)基金資助項(xiàng)目(2019M660382);北京市博士后研究基金資助項(xiàng)目

* 責(zé)任作者, 助理研究員, wangxq@bjut.edu.cn; ** 教授, bjutpaper@gmail.com