2015年北京“閱兵藍”特征及成因探討

康志明,桂海林,王繼康,江 琪,呂夢瑤(1.江蘇省氣象臺,江蘇 南京 10008；.國家氣象中心,北京100081)

2015年北京“閱兵藍”特征及成因探討

康志明1,2*,桂海林2,王繼康2,江 琪2,呂夢瑤2(1.江蘇省氣象臺,江蘇 南京 210008；2.國家氣象中心,北京100081)

利用大氣成分和氣象要素觀測數據,對2015年8～9月北京田徑世錦賽和抗戰勝利70周年紀念活動期間的北京P M2.5濃度變化特征及其相關的大氣污染氣象條件進行了研究,并采用大氣化學數值模式模擬了氣象條件、減排措施和區域減排聯合行動對北京PM2.5濃度下降的作用和貢獻.結果表明：紀念活動期間北京地區空氣質量顯著改善,PM2.5平均濃度僅為18.7μg/m3,比前期8月1～19日下降70%,比2014年同期降低74.0%;東北冷渦長時間穩定少動為空氣質量改善提供了良好的大氣環流條件,北京地區混合層高度相比前期升高20%,相對濕度降低 17%,風速增大 7%,氣象要素變化為慶祝活動期間 PM2.5濃度下降提供了良好的氣象條件,尤其是地面主導風向轉為偏北風后,阻止了北京城南及華北中南部地區的污染物輸入北京城區;CAMx模式的模擬結果表明,與2014年同期相比,氣象條件變化在北京PM2.5濃度降幅中的貢獻率達73%;紀念活動期間有無減排的模擬分析顯示,在相同的氣象條件下,減排措施使北京PM2.5濃度下降約33%;期間北京PM2.5來源以本地排放為主,本地的減排措施對改善空氣質量的貢獻率約為72%,周邊地區減排的貢獻率約為28%.

空氣污染氣象條件；數值模擬；減排措施

近年來,為保障重大社會活動期間的空氣質量,政府多次采取應急減排措施,如 2008年北京奧運會、2010年廣州亞運會和2014年北京APEC會議等.有學者研究這些活動期間的空氣質量變

化特征發現,應急減排等措施對于改善空氣質量有明顯效果[1-3].

除污染物排放之外,氣象條件則對大氣中的污染物有著擴散、稀釋和積累等作用,從而對空氣質量有重要的影響. 20世紀6、70年代以來,氣象研究者就氣象條件與污染物濃度的關系展開大量研究.在氣象要素作用方面,丁國安、董志根[4-5]指出表征空氣動力和熱力因素的風向、風速、湍流以及穩定度對空氣污染物擴散有重要影響.任陣海等[6]研究表明,穩定的天氣形勢是造成局地嚴重污染的重要條件.針對氣象條件的重要性,蔣維楣等[7]指出,在污染源一定的情況下,污染物濃度大小主要取決于氣象條件,氣象條件是空氣污染物短時變化的決定因素.張人禾等[8]提出在霧霾及重污染天氣的逐日演變中,超過 2/3的變化是由氣象因子所造成的.氣象條件除影響本地大氣污染物的積累外,還會導致污染物輸送,是形成污染區域性特征的主要原因[9-12].近10多年來,針對北京、上海、廣州等大城市的污染物來源研究工作表明[13-18],城市間污染相互作用顯著,且隨季節變化有較大差異.如 Streets等[14]用CMAQ模式模擬了排放源,發現 2008年奧運會期間河北省污染物排放對北京PM2.5濃度貢獻達到 50%～70%.張艷等[18]對上海地區空氣質量受本地及外地污染源輸送影響的研究,揭示長江三角洲其他地區對上海大氣污染貢獻率與風向、風力關系非常密切,且呈現出明顯的季節性差異.

目前,關于大氣污染研究工作的一個重點是分析減排措施對改善空氣質量的貢獻,其次是探討氣象條件在重污染天氣形成中的作用.然而,結合減排措施和氣象條件的綜合研究卻比較少.科學區分氣象條件與人類活動排放在大氣污染過程或減排措施效果中的貢獻,為科學制定大氣污染防治措施及調控目標提供決策依據,避免防治不當和過度防御造成不必要的資源浪費,這已經成為當前環境、氣象部門面臨的重要任務.本文選取2015年北京舉行的抗戰勝利70周年紀念活動期間,京津冀及周邊地區聯合進行大氣污染區域聯防聯控的實例,分析在特定氣象條件下PM2.5濃度的變化特征,重點研究氣象條件和減排措施對空氣質量改善的貢獻和區域聯防的作用,探討如何結合氣象條件進行科學污染減排,為今后空氣質量應急預案和區域聯防聯控提供有參考價值的支持.

1 資料來源和方法

1.1 所用資料及研究時段

本文使用的大氣成分分析數據來自環保部中國環境監測總站發布的全國城市空氣質量逐小時觀測數據以及中國氣象局大氣成分觀測數據.由于 PM2.5是現階段政府大氣污染防控治理的主要對象和考核指標,所以文中分析以 PM2.5為主.

大氣污染氣象條件分析采用中國氣象局的氣象觀測數據.大氣環流特征分析采用歐洲中期天氣預報中心(ECMWF)提供的ERA-interim 再分析資料,水平分辨率1.5°×1.5°.

京津冀及周邊地區的減排保障措施自2015年8月20日陸續啟動實施.因此文中以8月 20～9月 3日為紀念活動期間,以 2015年 8月1～19日為前期,2014年8月20日～9月3日稱為去年同期.

1.2 模式及數值模擬設計方案

采用美國Environ公司開發的CAMx模式對空氣質量進行模擬,CAMx在對大氣污染物進行多尺度綜合模擬的基礎之上,加入了臭氧源分配技術(OSAT)、顆粒物示蹤技術(PSAT)、敏感性分析等技術,可以更好地分析污染過程[19].CAMx中對細顆粒物的來源進行分析的 PSAT技術是通過在模式中加入示蹤變量,以標記不同來源的污染物,這不僅可以快速高效地進行源解析,而且相對于模式中其他源解析方法避免了二次污染物的非線性變化帶來的誤差,PSAT技術在對污染物源解析方面的準確性已得到廣泛的證實

[20-23].模擬采用中尺度氣象模式 WRF為CAMx提供氣象場驅動,水平分辨率為 24km,垂直層次為 27層.模式的初始和邊界輸入數據為NCEP(美國國家環境預報中心)提供的FNL全球再分析資料;下墊面資料來自于 MODIS下墊面分類資料.

表1 2015年紀念活動期間各省市按行業排放源減少系數(%)Table 1 Reduction factor of each emission category in Beijing and the surrounding provinces during the period of memorial activity 2015 (%)

研究中,污染物人為源清單中國區域部分采用清華大學2012年0.25°分辨率的MEIC排放源清單,中國區域外采用 2006年 0.5°分辨率的INTEX-B排放源清單[24],并考慮了源排放的日變化和季節變化[25].天然源氣體排放情況采用SMOKE-BEIS3模式計算[26].根據根據環保部相關部門公布的紀念活動期間北京市及區域污染減排情況,本研究在MEIC源清單基礎上,模擬研究采用的減排方案如表1所示.模擬區域中心坐標為 107°E,35°N,水平分辨率為 24km,垂直分層為19層,模擬區域涵蓋了整個中國區域.

2 結果與討論

2.1 PM2.5實況

2015年8月1～9月3日,北京PM2.5日均濃度變化如圖1所示.8月1～19日,北京PM2.5平均濃度為63.6μg/m3,最高日濃度出現在8月13日,達119.5μg/m3,小時最高濃度為143μg/m3.按照空氣質量國家標準[27],此期間 PM2.5一級達標日只有 2d,二級達標日有 11d,輕度污染出現 5d,中度污染1d,污染日出現頻率為32%.

圖1 2015年8月1日～9月3日北京PM2.5日均濃度變化Fig.1 Variations of the averaged daily PM2.5concentrations during the period from 1st August to 3rd September 2015

表2 2015年紀念活動期間華北主要城市平均PM2.5濃度與活動前期及2014年同期比較情況Table 2 Comparison of PM2.5concentration among major cities in North China during the period of memorial activity, with the prior period and the same period in 2014

紀念活動期間北京PM2.5日均濃度明顯下降,自8月20日開始連續15d達到一級優水平,創造有監測記錄以來的歷史最佳.此期間 PM2.5平均濃度僅為 18.7μg/m3,比前期降低 70%,比去年同時期(70.7μg/m3)降低74%(表2).最高小時濃度為64μg/m3,僅與前期均值相當.在PM2.5濃度明顯下降的同時,北京大氣其他主要污染物濃度也有所下降,其中 NO2平均濃度為 26.4μg/m3較前期(41.5μg/m3)降低34.9%,比去年同期降低52%.O3平均濃度為 76.8μg/m3比前期(105.8μg/m3)降低27%,比去年同期略降1%.

除北京之外,周邊各主要城市 PM2.5濃度也明顯下降(表2),但改善幅度較之北京略小.天津、石家莊、太原、濟南等城市的平均PM2.5濃度較前期降幅在 16%～57%之間,較去年同期降幅為30%～52%.

2.2 氣象條件分析

2.2.1 大氣環流形勢特征 天氣形勢特征決定了氣象要素的分布和變化, 是氣象條件對污染物稀釋、擴散、聚積和清除能力的重要約束.北京紀念活動期間的亞洲平均大氣環流形勢場(圖2a)顯示,在東亞上空出現典型的東北冷渦天氣形勢,亞洲大陸北部受東北西南走向高壓脊控制,我國東北地區到渤海、黃海一帶為冷渦低槽區,華北至西北地區上空為另一高壓脊盤踞,該高壓前部至東北冷渦后部盛行一支偏北氣流,引導冷渦中冷空氣南下.此東北冷渦形勢于8月20日建立,是由西風帶上低槽東移至東北地區發展加強而形成的,然后,其穩定少動并維持到9月2日減弱.

夏季東北冷渦過程通常持續3～5d,但是紀念活動期間冷渦形勢卻維持了13d之久,這與15號臺風“天鵝”活動密切關聯.8月24日,臺風“天鵝”北上進入西風帶,25日在日本九州西部沿海登陸,然后移進日本海并轉向偏北方向移動,27日“天鵝”在俄羅斯海參崴附近沿海再次登陸后移進我國東北東部地區,逐漸變為溫帶氣旋,并與已減弱的東北冷渦合并,導致冷渦再次發展加強及穩定維持.

東北冷渦是個深厚的冷性氣柱天氣系統[28],由于其溫壓場結構不對稱,冷渦中的冷空氣不斷沿其西側偏北氣流南下影響華北地區,有利于大氣污染物的水平擴散.同時,在冷渦影響下高空冷空氣降溫與地面受太陽輻射加熱形成上冷下暖不穩定大氣層結,易于產生雷雨天氣,有利于大氣污染物的垂直擴散和沉降.2015年6～8月,除紀念活動期間外,還出現3次典型東北冷渦天氣過程,分別為6月11～14日、6月18～20日和6月20～7月3日.從3次冷渦過程平均環流形勢場來看(圖2b),環流形勢特征同紀念活動期間冷渦形勢相一致,華北地區也受東北冷渦后部的高空偏北氣流控制.這3次東北冷渦過程,在政府沒有采取減排措施的背景,北京平均 PM2.5濃度值分別為：16μg/m3、17μg/m3和18μg/m3,平均PM2.5濃度值與紀念活動期間相當甚至還略低,這表明東北冷渦天氣形勢下,氣象條件非常有利于大氣污染物的擴散和沉降.

圖2 2015年8月20～9月3日平均500hPa高度場(a)以及2015年6月11～14日、6月18～20日和6月20日～7月3日3次冷渦過程平均500hPa高度場(b)Fig.2 Averaged geopotential height at 500hPa for (a) the period of memorial activity and (b) 3 cold vortex events of 11～14th June, 18～20th June and 20th June to 3rd July

2.2.2 氣象要素特征 華北地區大氣污染和氣象要素的關系研究結果表明,氣溫、近地層濕度、混合層高度和持續性小風及氣壓等氣象要素是影響污染天氣程度的關鍵氣象因子,其中在典型污染過程中相對濕度與北京地區空氣污染的相關系數達 0.9以上[29-32].與前期的對比分析表明(表 3),在東北冷渦天氣形勢下,紀念活動期間北京地區的混合層高度、相對濕度、風速等影響污染天氣程度的關鍵氣象要素都呈現出有利空氣質量改善的變化趨勢.其中混合層高度相比前期

升高20%,相對濕度降低17%,風速增大7%.相比之下,變化最明顯的是風向頻率,北風頻率由前期37%增加至69%,南風頻率從63%減少至31%,主導風向由偏南轉為偏北.

表3 紀念活動前后北京地區氣象要素對比分析Table 3 Comparison of meteorological factors in Beijing between the period of memorial activity and previous period

為了分析氣象要素變化對空氣質量的可能影響程度,以污染臨界值PM2.5濃度75μg/m3為界,對紀念活動前期相應的氣象要素進行統計,其結果顯示污染時段和空氣質量優良時段的混合層高度、相對濕度、風頻等要素有明顯差異(表3).對比分析前期空氣優良時段與紀念活動期間的氣象要素發現后者的混合層高度升高 4%,相對濕度降低10%,風速增大7%,北風頻率增加18%,南風頻率則減少18%.由此可見,在紀念活動期間這些與污染程度密切相關的氣象要素均比前期空氣優良時更加利于污染物消散,從而改善空氣質量.前期空氣優良時段,北京平均 PM2.5為39.6μg/m3,在更有利的氣象條件下,假如紀念活動期間沒有采取減排措施,北京空氣質量也可以維持在優良水平.

2.2.3 氣象條件輸送作用 華北地區地形特征呈現北部、西部高,東部、南部地勢平坦,又是我國重要能源和鋼鐵工業基地.受工業布局和地形的影響,就北京來看,偏北風對污染物有稀釋和清除作用,偏南風則利于污染物傳輸和積聚,氣象條件的傳輸作用對北京 PM2.5濃度有顯著影響[33].由于對流層內氣溶膠呈多層復雜結構,但通常高濃度氣溶膠主要集中在0.5km以下范圍[34],因此通過計算925hPa以下整層PM2.5輸送通量來分析氣象條件對紀念活動期間北京大氣污染物傳輸的可能影響,其中通量為數值模式模擬結果.從計算結果來看(圖3),北京平均PM2.5通量與邊界層平均風向之間有明顯相關關系,大部時段內,邊界層南風和北風分別與正、負凈通量相對應,最大通量出現在西南風下.與西南風不同,8月30～31日,當北京邊界層為持續東南風時,PM2.5凈通量為負值,期間北京還出現了超過25mm的降雨,說明源自海上的東南氣流在帶來水汽并形成降水天氣的同時,對北京大氣污染物也起到了擴散和清潔的作用.

圖3 2015年8月10日～9月3日地面至925hPa平均PM2.5通量和平均風Fig.3 Averaged PM2.5flux and wind from ground level to 925hPa during 10 Aug to 3 Sep 2015

8月 20日之前,北京邊界層以南風為主, PM2.5輸送通量變化幅度大,以正通量為主,反映紀念活動前期,偏南風為主的氣象條件對北京大氣污染物有輸送作用.而紀念活動期間,邊界層轉為偏北風,PM2.5輸送通量以負值為主,來自北方的清潔空氣有利于北京大氣污染物的擴散和清除.分析表明,冷渦控制下氣象條件發生變化,尤其是地面主導風向轉為北風,減少了北京以南地區污染物對北京的輸送,對北京地區空氣質量改善起到了重要的作用.

綜上所述，價值觀、道德判斷與攻擊行為之間存在的關系大致可以歸納為：價值觀與道德判斷之間存在相互協調的關系，也可以理解成為相輔相成關系，為正相關關系。價值觀、攻擊行為與道德判斷、攻擊行為之間存在負相關關系，總體可以表現為：當青少年價值觀方面存在偏差時，自身的價值尺度與價值觀念將會受到嚴重影響，很有可能出現攻擊行為，危害他人與自身。

2.3 數值模擬分析

2.3.1 模擬驗證 利用 CAMx模式進行模擬,為了消除模式初始值影響,去掉8月1～9日的模擬值.模式模擬值與監測值的對比如圖4所示,模式較好地反映了污染物的濃度變化特征,模擬值(20日之前未考慮減排,20日之后考慮減排)與監測值之間的相關系數為0.76(r2為0.58),平均誤差為-1.35μg/m3,平均絕對誤差為10.7μg/m3,由于模擬期間的整體濃度不高,所以平均相對誤差較大,為 0.33.減排模擬采用的方案使模擬結果有明顯的削峰作用,在紀念活動期間與監測值更為接近.紀念活動期間白天模擬值與監測值吻合較好,晚上存在較大程度的高估,但是相關性與前期沒有大幅下降,原因與模式對于氣象場和氣溶膠化學轉化模擬有誤差,尤其是與對夜間混合層高度計算的誤差有關[35].另外,由于不能準確掌握詳細的污染源清單,尤其是在調控時期,排放源清單的不確定性對模式性能有一定影響.

圖4 2015年8月10日～9月3日北京PM2.5逐時濃度與模式模擬結果對比(8月20日之后實線為減排模擬,虛線為未減排模擬)Fig.4 Comparison between simulated and observed PM2.5concerntrations during 10August to 3September 2015. The solid and dotted line denote the simulation with and without using the the emission reduction measures after Aug 20, respectively

2.3.2 氣象條件貢獻模擬分析 上文大氣環流背景以及氣象要素分析表明,氣象條件變化對北京空氣質量改善有顯著影響.但由于氣象要素與污染物濃度之間的關系較為復雜,且各氣象要素之間相互聯系,相互影響,難以客觀定量地通過某一氣象要素或綜合指標來定量描述氣象條件變化對空氣質量改善的作用.因此,本文通過模式模擬來定量分析綜合氣象條件在空氣質量改善中的貢獻和作用,其思路是取同一大氣化學模式,并采用相同的污染源清單,通過不同時段氣象場數據驅動模式進行模擬得到污染物濃度,其結果的差異即反映出不同氣象條件對污染物濃度變化的作用.

紀念活動期間北京PM2.5濃度相較去年同期大幅下降 74%,為分析其中氣象條件和減排措施的貢獻,統一采用未進行減排處理的 2012年MEIC源清單,利用紀念活動期間和2014年同期兩個時段的氣象場數據驅動CAMx模式進行模

擬.結果顯示,在相同排放的情況下,由于氣象條件不同造成紀念活動期間PM2.5濃度較去年下降54%(表4),而減排措施使 PM2.5濃度較去年同期下降約 20%.也就是說,與去年同期相比,氣象條件變化在濃度下降中貢獻了 73%的作用,而減排措施僅占了27%的作用.

從比較來看,對 NO2濃度的變化,氣象條件和減排措施的貢獻較為接近,分別為54%和46%.值得關注的是,模擬顯示 2015年的氣象條件有利于O3濃度下降8%,而實際觀測到的O3濃度下降只有1%,顯示減排措施對O3濃度的控制起到了相反的作用.由于 O3的濃度水平與其前體物氮氧化物和揮發性有機物之間呈現復雜的關系,研究表明,并非氮氧化物與揮發性有機物降低, O3濃度就會降低,當二者控制的比例不適合時,空氣中的 O3濃度短時間內也可能出現上升的狀況.此外,O3濃度一般認為與日照有較好的相關,PM2.5濃度下降改善大氣的光照并有利氣溫上升,在一定條件下反而有利于 O3的生成[36-37].

表4 2015年北京紀念活動期間大氣污染物濃度與去年同期變化率以及通過模擬計算的氣象條件貢獻率和減排措施貢獻率(%)Table 4 Change rate of the atmospheric pollutant concentrations between the period of memorial activity and the same period in last year, the corresponding contribution rate of meteorological conditions and emission reduction measures by simulation (%)

2.3.3 減排措施貢獻分析 利用 CAMx模式,采用原排放源清單以及按照減排方案修訂的排放源清單分別模擬在紀念活動的天氣條件下,采取減排與否對污染物濃度的影響.未減排模擬結果顯示(圖 5a),我國中東部空氣污染區域中的華北南部和黃淮,江淮和華中的部分地區出現高PM2.5濃度中心.實行減排措施后,河北南部、唐山附近、天津、北京南部的局地PM2.5濃度下降超過20μg/m3,其他地區PM2.5濃度下降幅度不明顯(圖5b).

圖5 紀念活動期間采用原排放清單模擬的PM2.5濃度分布以及采用減排后清單的PM2.5濃度變化分布 (a：減排前;b減排后濃度變化)Fig.5 Distribution of PM2.5concentration by using the original emission (a) and the relative change distributions (b) of PM2.5by using the redused emissions and original emissions during the period of memorial activity

在未減排情況下,北京、河北中部、山西中部一帶為空氣質量優良與輕度污染的交界處,減排措施使空氣優良區域向南擴展,但除唐山附近PM2.5濃度由110μg/m3以上降低到70μg/m3左右外,上述其他區域濃度變化并不明顯.其中減排前,北京中北部和西部空氣質量為優,南部為良,減排后,北京大部區域為優.采用減排方案前后,北京平均 PM2.5濃度由 49μg/m3下降至32μg/m3,下降幅度為 33%.考慮模擬值存在一定的系統性偏差,參考其變化幅度和實際濃度18.7μg/m3,如果未減排, PM2.5濃度約為28μg/m3.同樣表明即使沒有減排措施,有利的氣象條件也可以保證紀念活動期間北京空氣質量維持優良水平.

2.3.4 區域減排措施貢獻分析 利用CAMx模式對北京大氣中的一次污染物進行標記追蹤,以分析區域排放及減排措施對北京PM2.5濃度變化的貢獻.將PSAT受體設置在北京城區.模式以北京市區為中心將北京及其周邊地區劃分為 8個源區,分別為北京、河北北部、河北南部、天津,內蒙古,山東,山西和其他地區.其中,河北北部主要是指北京以北的河北省所屬區域,河北南部是北京以南的河北省所屬地區,模擬時采取與前文相同的減排方案.

源追蹤的分析表明(表5),紀念活動期間北京PM2.5來源以本地排放貢獻為主,占 57%;在以北風為主的天氣背景條件下,河北北部的貢獻率為9.6%,超過河北南部的8.4%;天津貢獻率有9.8%,其他區域僅分別有6%左右,山西不足1%.采用減排方案前后,北京平均 PM2.5濃度下降 17μg/m3,其中,北京本地減排措施對細顆粒物濃度下降貢獻最大,達 72.2%;河北為 16.2%,次之;天津貢獻7.1%;其他區域均≤2.2%.

8月 10～19日,東北冷渦形勢建立之前的北京平均 PM2.5來源追蹤分析顯示,本地排放貢獻率為 45.4%,較紀念活動期間明顯下降,而河北南部上升至24%,明顯超過河北北部,山東貢獻率也上升至 7.2%(表 5).為了分析不同氣象條件下區域減排效果的變化,采用與紀念活動期間相同的減排方案對8月10～19日進行了減排模擬分析.結果表明,北京PM2.5濃度由減排前81μg/m3下降至 59μg/m3,其中北京本地減排措施對細顆粒物濃度下降的貢獻率仍然最大,為 55.4%,而河北貢獻率上升至 27.9%,特別是河北南部上升幅度最為顯著,相同的減排措施,貢獻率則是紀念活動期間的近3倍.這說明在不同氣象條件下,相同的減排措施會產生明顯不同效果.

表5 2015年紀念活動期間及前期北京PM2.5來源Table 5 The contributions of PM2.5concentration from source regions to Beijing during period of memorial activity and the previous period

大氣污染是污染排放和氣象條件共同作用的結果,利用模式模擬的方法可以定量分析氣象條件的綜合作用.值得注意的是,由于大氣化學模式還存在不確定性,模式本身存在偏差,加上無法獲取精確的減排方案,這些都可能對模擬結果的準確性產生一定的影響.本研究基于天氣形勢、氣象要素和模擬分析得到了較為一致的基本結論,揭示有利的氣象條件是2015年北京“閱兵藍”的主要原因,在不同的氣象條件下,區域減排貢獻可能會出現顯著差異.此外,本研究以 PM2.5為主要分析對象,但 PM2.5只是空氣質量的指標之一,研究時段內 PM2.5濃度大幅下降的同時,O3濃度變化并不明顯,從國際經驗來看,O3污染治理比PM2.5難度更大.O3濃度變化與氣象條件和減排之間的關系有待今后深入研究.

3 結論

3.1 紀念活動期間,北京 PM2.5日均濃度較前期

和去年同期均明顯下降,處在一級優等級.北京周邊各主要城市 PM2.5濃度同時也明顯下降,但降幅比北京略小.

3.2 臺風“天鵝”和西風帶系統相互作用,導致東北冷渦維持時間長,為紀念活動期間空氣質量改善提供了良好的大氣環流條件.由于冷渦的影響,紀念活動期間相對濕度、混合層高度、風向等氣象要素都出現有利于空氣質量改善的變化趨勢.

3.3 CAMx模式能較好地模擬出污染物的濃度變化特征,模式模擬結果顯示,與 2014年同期相比,氣象條件在改善北京 PM2.5濃度變化中貢獻了73%的作用,而減排措施的作用僅占27%.有無減排的模擬分析表明,大范圍減排對華北南部、黃淮西部原PM2.5濃度高值中心的濃度降低有明顯作用.北京地區減排使PM2.5下降約33%,但由于減排前濃度就較低,減排造成的濃度下降并不明顯.紀念活動期間北京 PM2.5來源以本地排放貢獻為主,本地的減排措施對細顆粒物濃度下降貢獻率最大,達72.2%.

[1] 王琳琳,王淑蘭,王新鋒,等.北京市2009年8月大氣顆粒物污染特征 [J]. 中國環境科學, 2011,31(4)： 553-560.

[2] 李婷苑,鄧雪嬌,范紹佳,等.2010年廣州亞運期間空氣質量與污染氣象條件分析 [J]. 環境科學, 2012,33(9)：2932-2938.

[3] 劉建國,謝品華,王躍思,等. APEC前后京津冀區域灰霾觀測及控制措施評估 [J]. 中國科學院院刊, 2015,30(3)：368-377.

[4] 丁國安.氣象條件對大氣污染的影響 [J]. 環境保護, 1975(1)：11-14.

[5] 董志根.大氣污染與氣象條件的關系及預測 [J]. 環境科學叢刊, 1986,7(2)：53-55.

[6] 任陣海,蘇福慶,高慶先,等.邊界層內大氣排放物形成重污染背景解析 [J]. 大氣科學, 2005,29(1)：57-63.

[7] 蔣維楣,曹文俊,蔣瑞賓.空氣污染氣象學教程 [M]. 北京：氣象出版社, 1993：29-30.

[8] 張人禾,李 強,張若楠.2013年 1月中國東部持續性強霧霾天氣產生的氣象條件分析 [J]. 中國科學：地球科學, 2014,44(1)：27-36.

[9] Stohl A, Forster C, Eckhardt S, et al. A backward modeling study of intercontinental pollution transport using aircraft measurements [J]. Journal of Geography Research, 2003, 108(D12)：4370.

[10] Lee J Y, Kim J P. Source apportionment of the particulate PAHs at Seoul, Korea： impact of long range transport to a megacity [J]. Atmospheric Chemistry and Physics, 2007,7(13)：3587-3596.

[11] 徐翔德,丁國安,卞林根,等.城市環境大氣重污染過程周邊源影響域 [J]. 應用氣象學報, 2006,17(6)：815-828.

[12] 顏 鵬,黃 健.周邊地區對北京地面SO2影響的初步研究 [J].應用氣象學報, 2002,13：144-152.

[13] 徐祥德,周 麗,周秀驥,等.城市環境大氣重污染過程周邊源影響域 [J]. 中國科學：地球科學, 2004,34(10)：958-966.

[14] Streets D G, Fu J S, Jang C J, et al. Air quality during the 2008 Beijing Olympic Games [J]. Atmospheric Environment, 2007, 41(3)：480-492.

[15] Wang Y J, Li L, Chen C H, et al. Source appointment of fine particulate matter during autumn haze episodes in shanghai, China [J]. Journal of Geophysical Research, 2014,4(119)：1903-1914.

[16] Wu D W, Fung J C H, Yao T, et al. A Study of control policy in the Pearl River Delta region by using the particulate matter source apportionment method [J]. Atmospheric Environment, 2013,76(9)：147-161.

[17] 王淑蘭,張遠航,鐘流舉,等.珠江三角洲城市間空氣污染的相互影響 [J]. 中國環境科學, 2005,25(2)：133-137.

[18] 張 艷,余 琦,伏晴艷,等.長江三角洲區域輸送對上海市空氣質量影響的特征分析 [J] .中國環境科學, 2010,30(7)：914-923.

[19] ENVIRON. User’s Guide Comprehensive Air Quality Model with Extensions Version 6.0 [EB/OL]. http：//www.camx.com/files/ camxusersguide_v6-00.aspx.

[20] Koo B, Wilson G M, Morris R E, et al. Comparison of source apportionment and sensitivity analysis in a particulate matter air quality model [J]. Environ Sci Technol, 2009,43(17)：6669-6675.

[21] Wagstrom K M, Pandis S N. Contribution of long range transport to local fine particulate matter concerns [J]. Atmospheric Environment, 2011,45(16)：2730-2735.

[22] 王繼康,徐 峻,何友江,等.利用源示蹤技術計算日本和韓國低層大氣SO2和PSO4來源 [J]. 環境科學研究, 2014,27(6)：582-588.

[23] 薛文博,付 飛,王金南,等.中國PM2.5跨區域傳輸特征數值模擬研究 [J]. 中國環境科學, 2014,34(6)：1361-1368.

[24] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission [J]. Atmospheric Chemistry and Physics, 2009,9(14)：5131-5153.

[25] Wang X, Liang X Z, Jiang W, et al. WRF-Chem simulation of East Asian air quality： sensitivity to temporal and vertical emissions distributions [J]. Atmospheric Environment, 2010,44(5)：660-669.

[26] Houyoux M R, Vukovich J M. Updates to the sparse matrix operator kernel emissions (SMOKE) modeling system and

integration with models-3. Chapel Hill： University of North Carolina, 2010, http：//www.smoke-model.org.

[27] GB 3095-2012 環境空氣質量標準 [S].

[28] 朱乾根,林錦瑞,壽紹文,等.天氣學原理和方法 [M]. 北京：氣象出版社, 2003：372-374.

[29] 隋珂珂,王自發,楊 軍,等.北京PM10持續污染及與常規氣象要素的關系 [J]. 環境科學研究, 2007,20(6)：77-82.

[30] 蔣伊蓉,朱 蓉,朱克云,等.京津冀地區重污染天氣過程的污染氣象條件數值模擬研究 [J]. 環境科學學報, 2015,35(9)：2681-2692.

[31] 周兆媛,張時煌,高慶先,等.京津冀地區氣象要素對空氣質量的影響及未來變化趨勢分析 [J]. 資源科學, 2014,36(1)：191-199.

[32] 王喜全,虞 統,孫 峰,等.北京PM10重污染預警預報關鍵因子研究 [J]. 氣候與環境研究, 2006,11(4)：471-476.

[33] 吳 兌,廖碧婷,吳 蒙,等.環首都圈霾和霧的長期變化特征與典型個例的近地層輸送條件 [J]. 環境科學學報, 2014,34(1)： 1-11.

[34] 王耀庭,苗世光,張小玲.基于激光雷達的北京市氣溶膠光學參數季節特征 [J]. 中國環境科學, 2016,36(4)：970-978.

[35] Xue X T, Zhang Q, He H, et al. A budget analysis of the formation of haze in Beijing [J]. Atmospheric Environment, 2015, 100：25-36.

[36] 安俊琳,王躍思,孫 揚.氣象因素對北京臭氧的影響 [J]. 生態環境學報, 2009,18(3)：944-951.

[37] 張世國,苑克娥.北京地區大氣臭氧與氮氧化物測量分析 [J].大氣與環境光學學報, 2012,7(5)：321-326.

致謝：感謝清華大學MEIC團隊提供全國范圍污染源排放清單.

Characteristics and cause of the “parade blue” in Beijing 2015.

KANG Zhi-ming1,2*, GUI Hai-lin2, WANG Ji-kang2, JIANG Qi2, Lü Meng-yao2(1.Jiangsu Meteorological Observatory, Nanjing 210008, China；2.National Meteorological Centre, Beijing 100081, China). China Environmental Science, 2016,36(11)：3227～3236

By using atmospheric composition and meteorological observation data, PM2.5concentration variation characteristics and relevant meteorological conditions during the period from August to September 2015 in Beijing were studied. With the application of the Comprehensive Air quality Model with extensions (CMAx), the contributions of the meteorological conditions, emission control policies and regional collaborations on emission control to the air quality in Beijing were analyzed. The results show that, the air quality of Beijing was significantly improved during the memorial activity period (20 August to 03 September). The average PM2.5concentration was 18.7μg/m3, reduced by 70% compared with the previous period (August 1st to August 19 th) and reduced by 74% compared with the same period last year. Long period maintain of northeast cold vortex provided the favorable circulation background for the air quality improvement. During the period of memorial activity, the meteorological factors such as mixed layer height, relative humidity and wind speed presented favorable conditions in improving the air quality. In particular, the shifting of dominant wind direction on the ground level prevented the pollutant invading from the southern part of Beijing and from middle and southern areas of North China. CMAx model well simulated the variations of PM2.5concentrations in Beijing. The simulation results show that, comparing with the same period last year, the meteorological conditions contributed 73% to the total change of PM2.5. 33% of the PM2.5reduction was attributed to the emission control polices. The contribution of PM2.5in Beijing was primarily come from local emissions. The local emission reduction took account for 72% for the PM2.5concentration decrease, while the surrounding areas of emission reduction contributed about 28%.

air pollution related meteorological conditions；numerical simulation；emission reduction measures

XS13

A

1000-6923(2016)11-3227-10

康志明(1978-),男,福建莆田人,高級工程師,碩士,主要從事天氣預報及環境氣象方向研究.發表論文20余篇.

2016-03-03

國家科技支撐項目(2015BAC03B07);國家重點研發計劃課題(2016YFC0201903)

* 責任作者, 高級工程師, Kangzm@cma.gov.cn