京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

北京一次重污染过程的天气成因及来源分析

采用天气学分析和GRAPES-CUACE气溶胶伴随模式相结合的方式,探讨了北京市2016年2月29日~3月6日一次PM_2.5重污染过程的大气环流特征、污染形成和消散原因,并利用伴随模式追踪了造成此次重污染过程的关键排放源区及敏感排放时段.结果表明：此次重污染过程北京市PM_2.5浓度存在明显日变化,在3月4日20：00达到污染峰值,观测数据显示海淀站PM_2.5浓度达到506.4μg/m³.形成此次重污染过程的主要天气学原因是北京站地面处于低压中心,且无冷空气影响,风速较弱,逆温较强,大气层结稳定,混合层高度较低,500hPa西风急流较弱,污染物水平和垂直扩散条件差,大气污染物易堆积;此次过程中,500hPa短波槽过境、边界层偏南风急流和冷空气不完全渗透导致了本次严重污染PM_2.5浓度的短暂下降.伴随模式模拟结果表明,此次污染过程目标时刻的污染浓度受到来自河北东北部和南部、天津、山西东部、以及山东西北部污染物的共同影响,目标时刻PM_2.5峰值浓度对北京本地源响应最为迅速,山西响应速度最慢;北京、天津、河北及山西排放源对目标时刻前72h内的累积贡献比例分别为31.1%、11.7%、52.6%和4.7%.北京本地排放源占总累积贡献的1/3左右,河北排放源累积贡献占一半以上,天津和山西分别占1/10和1/20,河北源贡献占主导地位,天津和山西贡献较小;目标时刻前3h内,北京本地源贡献占主导地位,贡献比例为49.3%,目标时刻前4~50h内,河北源贡献占主导地位,贡献比例为48.6%,目标时刻前50~80h,山西源贡献占主导地位,贡献比例在50%以上.     

2015年冬季京津冀两次重污染天气过程气象成因

为了分析京津冀地区2015年11月27日~12月1日和12月19日~25日这2次重污染过程,从环流形势、大气稳定度条件、动力条件、水汽条件、近地层风场输送等几个方面对重污染天气的形成机制展开分析,结果表明：这2次重污染天气过程均属于静稳型,津京冀各地重度以上污染时长均超过50%.在大范围静稳形势存在时,过程一期间边界层内的垂直扩散条件较过程二偏弱,过程一期间地面辐合线位置偏北且维持不动,过程二期间辐合线位置偏南且略微南北摆动,导致了2次过程重污染区域和污染增长速率的不同.对北京而言,过程一前期降雪融化提供了有利水汽条件,弱偏南风有利于污染物和水汽的输送,混合层高度持续异常偏低（京津冀平均混合层高度339m）、过程期间伴随弱下沉运动（0~2Pa/s）、多层逆温（且厚度大）造成日变化不明显,地面辐合线在北京中部维持等多重因素,使得污染浓度极高,北京地区PM_2.5峰值浓度达593mg/m³.过程二前期采取了减排措施,能见度和PM_2.5日变化大、污染发展较过程一前期平缓;后期不利气象条件叠加污染排放,导致了PM_2.5爆发式增长,其中邢台PM_2.5峰值浓度达70mg/m³,增长率超过7.2mg/（m³·h）.     

新冠疫情防控期京津冀重污染气象成因分析

针对2020年2月8—13日新冠疫情防控期间京津冀地区一次持续的区域性重污染天气过程,利用地面、高空气象观测资料和欧洲中心ERA5数据,从环流背景、温度平流变化、地面气象要素和边界层风场分布等方面,分析了本次重污染天气过程的气象成因。结果表明:1)本次过程大气环流稳定,污染前期高空以西北气流为主,10日开始陆续有短波槽东移,850 hPa及以下转为偏南风,地面多次出现闭合低压,气压场整体较弱,天气形势静稳。2)中部地区冷空气活动不显著,大部分时段中低层为暖平流或弱冷平流。逆温出现次数明显偏多,且逆温层厚度和强度均大于南部,污染物不易扩散。3)中部地区地面风力较小,且边界层1 000 m以下风向较不稳定,通风性能差,加之南部污染物输送,导致该地区及周边重污染加强。4)重污染区域与地面辐合线分布相一致,出现在地面辐合线和湿区的北侧。5)对比2014年2月京津冀重污染天气过程,本次过程气象要素更加不利于污染物扩散,但防控减排在一定程度上减弱了污染程度。     

京津冀重霾期间PM_(2.5)来源数值模拟研究

厘清PM2.5的来源是开展重霾污染防治的前提条件.本研究利用嵌套网格空气质量预报模式系统(NAQPMS)及其耦合的污染来源追踪技术,针对2013年1月我国中东部的重霾污染过程,定量模拟分析京津冀各城市PM2.5浓度的来源和相互贡献.研究结果表明,NAQPMS模式能够合理反映京津冀不同城市PM2.5浓度的变化特征.京津冀各城市近地面PM2.5浓度主要受本地排放影响,本地贡献率介于29.8%~63.7%.而800 m高空层各城市PM2.5浓度以外来贡献为主(69.3%~86.3%).在污染最严重的东南部地区(包括邢台、邯郸、沧州和衡水),PM2.5浓度受区域外的山东和河南的显著影响,贡献率可达25.2%~31.5%.因此,在京津冀区域内进行协同减排控制的同时,需进一步将山东、河南等省份纳入联防联控范围,才能有效防控重霾污染.     

京津冀重污染大气污染物输送路径分析

基于HYSPLIT模型,模拟2014年2月19日至2月27日京津冀空气重污染气团24 h后向轨迹。结果表明,京津冀区域重污染期间1000 m高空存在西南输送通道,京津冀三地24 h气团源地分别为河北南部、山东聊城或河北邯郸、山西东南或河南北部。重污染期间,近地层100 m处风速气流表现为西南-南风,风速3 m/s时,空气质量会达到五级重度污染及以上水平;近地层100m处气流也可能是较强的东南风,能缓解区域空气染污程度。重污染清除过程中高空表现为下沉气流,且100 m处风速10 m/s。京津冀地区空气质量指数(AQI)与近地层100 m高空风速有显著相关性,相关系数为0.804,可根据低空风速预测空气重污染。     

北京秋冬季一次重污染过程PM2.5来源数值模拟研究

利用WRF模式(The Weather Research and Forecasting Model)和嵌套网格空气质量模式(NAQPMS)对2016年11月发生在京津冀地区一次PM_(2.5)污染事件进行模拟研究并分析污染过程中的天气形势变化.结果表明,均压场、低空逆温层和偏南暖湿气流输送的存在为北京地区PM_(2.5)形成提供了有利条件,NAQPMS模式能够合理的再现北京大气污染物时空变化,细颗粒物PM_(2.5)和可吸入颗粒物PM_(10)模拟与观测数据相关系数达0.71,模拟数据在观测数据两倍范围内占比(FAC2)达65%.源解析结果表明,在不考虑临时实施减控措施下,11月18日区域外输送对北京PM_(2.5)浓度贡献为55.25%,区域内输送贡献为44.75%,北京东北区域PM_(2.5)外地源主要为河北中部、河北南部、天津和山东,所占贡献为9.67%、9.01%、7.90%和7.99%.污染物主要来源为生活源、交通源和工业源,分别占比39.6%、34.6%和20.0%.而实际上北京在唐山、保定采取一系列控制措施后仍在研究时段内出现高PM_(2.5)浓度,意味着在同样天气形势下需要对河北中部、河北南部、天津和山东等浓度贡献占比大的城市加强减排管控才能有效减缓高PM_(2.5)浓度的出现.     

京津冀和长三角地区一次重霾过程气象成因及传输特征

基于气象数据和空气质量数据,研究了2016年12月29日～2017年1月8日京津冀与长三角地区一次大范围重度污染过程的特征及成因.结果表明,均压场、低边界层高度、静小风是本次重污染过程的主要气象特征,重污染过程的结束得益于后期气压梯度变大,水平扩散条件转好.此外,基于WRF-CMAQ(气象研究与预报建模系统及区域多尺度...     

天津一次重污染天气过程气象成因及预报分析

利用NCEP/NCAR和FNL再分析资料以及NOAA扩展重建海温资料,结合2014年2月观测资料,探讨了2014年2月21-26日天津重污染天气过程的气象成因及预报分析。结果表明,重污染期间,东亚大槽和东亚冬季风呈现偏弱的态势,天津出现明显东南风异常且河北以南地区存在大范围高湿区,近地面层存在弱气流辐合且维持弱偏东或偏南风,对流层中低层为弱辐散下沉气流和西南气流,同时也存在逆温层结,这种静稳条件有利于黄渤海及河北以南的水汽和污染物平流输送至天津且在近地面聚集。HYSPLIT模式模拟显示污染物来源于河北省中南部,以平流和弱辐散沉降的方式输送至天津。湿度条件对于重污染天气的产生仅是必要条件,污染物大量聚集才是重要条件。WRF-CMAQ模式短期内能较好模拟重污染期间PM_(2.5)浓度空间分布及重污染天气结束时间;重污染同期及前期秋季阿留申群岛南部海域持续出现显著正海温距平,可以用作中长期预报的一个参考因素。     

2019年元旦前后石家庄市重污染过程PM2.5污染特征及来源解析

2018年12月30日至2019年1月15日石家庄市发生了连续的灰霾天气,出现12个重污染天,首要污染物均为PM_2.5.本文从污染演变、时空分布、组分分析、污染来源和气象因素等多方面展开分析探讨污染成因.结果表明,PM_2.5主要成分为二次无机离子(65. 4%),主要来源为燃煤(24. 4%)和工业工艺源(23. 7%).随污染加剧SO₄^2-占比和二次无机源贡献均大幅增加.先后受来自偏南-东南和偏西-西南方向低空气团及特殊地形、静稳高湿、近地逆温等不利气象条件影响,燃煤、工业和机动车尾气等一次源产生的污染物在太行山前快速积累,气态污染物二次转化和颗粒物吸湿增长推高PM_2.5,硫酸盐暴发式增长加剧污染发生.建议重污染应急响应期间在确保各项减排措施落实到位情况下,加强二次无机组分前体物SO₂、NO_x及NH₃排放源的管控,并重点关注SO₂排放源(散煤等),同时加强市区东北方向新乐、无极、深泽、晋州...     

稳定天气形势下京津冀和长三角地区重度污染过程气象成因解析

基于空气质量数据、天气图、常规地面气象观测数据、秒探空资料以及高分辨率的降水数据,剖析了2015年12月19—27日发生在我国东部地区的一次大范围重度污染过程的特征及成因.结果表明,此次污染过程中,我国东部地区主要受到东路冷高压、均压场以及西路冷高压的影响,在东路冷空气及均压场的影响下,BTH(Beijing-Tianjin-Hebei)地区污染物不断累积,西路冷空气影响下污染物浓度开始降低,YRD(Yangtze River Delta)地区在稳定的均压场下污染物不断累积.污染期间,BTH及YRD近地层均有逆温现象发生,且逆温层越厚、强度越大,污染越重.此外,较低的近地面风速、较高的相对湿度,亦不利于污染物的扩散稀释,导致此次重度污染事件的发生和持续.YRD地区在重度污染发生时,有降水现象发生,导致YRD地区PM_2.5浓度呈现波动性变化.     

2014年京津冀地区PM2.5浓度时空分布及来源模拟

采用模式(CAMx)模拟与污染物、气象观测资料相结合的方式,分析了2014年京津冀地区PM2.5时空分布及来源特征.结果表明:PM2.5具有较为明显的时间变化规律,呈秋冬高、春夏低的规律和双峰型分布的日变化特征;重污染日PM2.5高浓度(PM2.5>150μg/m3)主要分布在太行山前的华北平原区,特别是北京、保定、石家庄一线,而太行山、燕山等西部及北部山区PM2.5浓度明显低于平原区;重污染日京津冀地区PM2.5平均浓度在150μg/m3以上的面积约占总面积的73%;重污染日北京、天津、石家庄市的PM2.5外来输送率分别为58%、54%、39%;2014年10月6~12日京津冀地区发生的一次重污染过程中污染物由南向北输送,区域输送对于各地区PM2.5浓度有着十分重要的影响.     

2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析

利用常规气象观测资料、空气质量监测资料、再分析资料和数值模式资料,分析了2014年2月20-26日京津冀地区持续重污染天气过程的环流背景、气象要素特征、静稳天气条件和传输条件.结果表明：2月20-26日,亚洲东部受弱高压脊控制,京津冀及周边地区位于地面高压后部,等压线较为稀疏,气压梯度小,造成地面风速较小;与此同时,混合层高度低,通风系数小和逆温存在,构成重污染天气出现和维持的气象条件,均不利于大气中污染物和水汽的垂直和水平扩散.静稳天气指数对于重污染天气有一定的指示意义,高静稳天气指数通常对应高PM_2.5浓度,且二者变化趋势一致性高;2月20-26日静稳天气指数总体上大于2014年1-3月其他几次污染过程,且在高位长时间维持,造成此次污染过程更严重.此外,传输条件也是京津冀重污染天气的主要成因：地面高压西侧的偏南或偏东气流有助于污染物和水汽向京津冀地区输送和聚集,使能见度进一步降低、污染物浓度进一步升高.     

京津冀地区畜禽养殖业抗生素污染现状分析

为了解京津冀地区畜禽养殖业的抗生素污染情况,对京津冀地区畜禽养殖粪便产生量和抗生素使用量进行估算,结果表明:京津冀地区畜禽养殖粪便产生量在空间上呈西北低、东南高的趋势,这主要由地理原因与地区发展规划造成的;京津冀地区畜禽养殖抗生素使用总量为四环素类>大环内酯类>双萜烯类>磺胺类>β-内酰胺类>氨基糖苷类>氟喹诺酮类,其中四环素类用量远高于其他几类抗生素。通过文献调研分析了京津冀地区畜禽养殖粪便及农田土壤中抗生素的暴露水平,发现畜禽粪便及废水中抗生素的检出率及检出浓度均较高,特别是四环素类检出浓度明显高于磺胺类和β-内酰胺类。在京津冀地区使用畜禽粪肥的农田土壤中已检出抗生素,并且浓度明显高于其他未施用畜禽粪肥的农田。鉴于京津冀地区的抗生素污染状况,建议通过控制抗生素使用,推广堆肥技术提高抗生素的去除率;通过优化京津冀地区畜禽养殖场规划布局等措施,实现畜禽养殖行业抗生素污染的有效控制。     

2020年春节期间京津冀及周边地区2次大气重污染过程分析

基于环境空气质量监测数据、天气实况资料、能源与主要大气污染物排放量数据,分析了2000年以来我国主要大气污染物的排放量和能源结构的演变,讨论了我国申请排污许可证企业主要污染物允许排放量空间分布,揭示了2020年1月下旬—2月中旬京津冀及周边地区发生的2次大气重度污染过程的形成原因。结果显示:全国取得排污许可证的企业中,73%的VOCs排放企业、62%的NO_x排放企业、48%的颗粒物排放企业聚集在京津冀及周边地区,密集的排放源为重污染形成提供了充分的污染物和前体物;气象条件对2次典型大气重度污染过程起着至关重要的作用,第一次(1月25—28日)是高压主导型的污染过程,高压抑制了污染物水平扩散,同时大气低层有逆温,抑制了污染物垂直扩散;第二次(2月9—13日)是低压前部型污染过程,由于地面伴有弱低压,并有较强逆温,抑制了污染物扩散;烟花爆竹燃放对PM_2.5浓度的影响基本只有5~10 h,对2次重度污染过程的影响有限。京津冀及周边地区改善环境空气质量任重道远,提出科学的大气污染防治政策,研发适宜的污染防治技术,采取可持续的措施与行动,完善相关标准体系等是真正实现大气环境质量改善的关键。     

长三角地区典型PM2.5污染过程和跨区域传输对宁波污染贡献评估模拟

利用WRF模式和嵌套网格空气质量模式（NAQPMS）对长三角地区2015年1月一次典型PM_2.5区域重污染事件进行数值模拟.结果表明,NAQPMS模拟再现了长三角地区PM_2.5重污染的发展过程,外来区域污染输送是导致长三角地区发生重污染的一个重要因素,主要受3条通道传输影响：内陆（河南-安徽-江苏）通道、沿海（京津冀-山东-江苏）通道和海洋（京津冀-山东-黄海-江苏）通道.以宁波为对象评估污染跨区域输送贡献的解析结果表明：污染发生阶段以沿海通道输送为主,外来区域输送江苏贡献率较大（36.51%）;重污染阶段以内陆通道和海洋通道为主,主要外来区域贡献为浙江北（25.55%）、安徽（12.33%）和海洋（16.92%）;污染消散主要受海洋通道影响,外来输送主要为江苏（14.74%）和海洋（31.43%）.