關中地區冬季人為源減排對PM2.5濃度的影響

孟 寧,貝耐芳*,李國輝,肖 波,3(.西安交通大學人居環境與建筑工程學院地球環境科學系,陜西 西安70049；.中國科學院地球環境研究所中科院氣溶膠化學與物理重點實驗室,陜西 西安 7006；3.西安市氣象局,陜西 西安 7006)

關中地區冬季人為源減排對PM2.5濃度的影響

孟 寧1,貝耐芳1*,李國輝2,肖 波1,3(1.西安交通大學人居環境與建筑工程學院地球環境科學系,陜西 西安710049；2.中國科學院地球環境研究所中科院氣溶膠化學與物理重點實驗室,陜西 西安 710061；3.西安市氣象局,陜西 西安 710016)

使用WRF-Chem模式和關中地區高分辨率的人為源排放清單,選取2013年冬季不利于關中地區污染物擴散的4類典型天氣形勢中的各1d,模擬了PM2.5時空分布和日變化趨勢,同時以國家環境空氣質量標準為目標,制定人為源等比例減排的敏感性試驗.結果表明,模式可以較好地捕捉PM2.5的時空分布和變化趨勢,且與天氣形勢有著一致的對應關系.在4類不利天氣形勢下,PM2.5濃度隨著人為排放源的減少呈二次曲線下降趨勢,PM2.5濃度下降率與所在區域原有大氣污染程度成正比.在不同天氣形勢下,要使PM2.5濃度達到國家環境空氣質量標準75μg/m3時,人為源需削減比例為30%～60%.

天氣形勢；PM2.5；關中地區；人為源減排

隨著以西安為中心的關中地區工業化和城市化進程的加速發展.關中地區空氣污染問題日益嚴重,其中 PM2.5成為影響空氣質量的首要污染物.大氣污染是由過度人為源排放和不利的氣象條件共同作用的結果.過度的人為源排放是導致大氣污染的根本原因,而氣象條件在區域大氣污染中起到控制作用.大尺度天氣形勢通過影響局地氣象條件進而影響污染物的形成、轉化、擴散、輸送及清除.

研究指出空氣污染是由中尺度系統、局地小尺度環流和穩定的邊界層結共同作用的結果[1-4].基本天氣形勢是驅動大氣污染物變化的最初動力[5],天氣型與大氣污染有著密切的關系[6-9].穩定的均壓場會導致小尺度環流的出現,使大氣污染物形成匯集帶,造成局地嚴重的大氣污染.當地氣象條件如低風速、高濕度及低邊界層,也是造成極端大氣污染事件的重要原因[10-13].

Bei等[6]就天氣形勢對大氣污染的影響開展了研究,指出影響關中地區冬季大氣污染物擴散的天氣形勢共有6類,其中4類不利于污染物的擴散.Bei et al[7]還選取了一次重污染天氣過程進行模擬,結果表明排放源需減少 90%以上才能使PM2.5濃度達到 35mg/m3.北京地區減排對 PM2.5濃度影響的研究[14-16]指出,排放源減少 30%～40%時,PM2.5濃度平均值下降 17%～29%,提前采取適量的減排措施,有利于 PM2.5濃度達標.區域聯防的控制試驗表明,河北、天津和北京區域污染排放削減比例達到90%、90%和60%時,可實現京津冀區域PM2.5濃度的達標[17].

考慮到已有的研究多集中于京津冀及沿海地區,側重于大氣污染形成的某一方面,并未將天氣形勢和減排相結合.本文針對冬季關中地區的大氣污染狀況,在已有研究[6-7]的基礎上,結合天氣形勢分類和人為源削減試驗兩方面,選取不利于污染物擴散的 4類天氣形勢中的典型代表,設定人為源消減比例,進行敏感性試驗,探求不同天氣形勢下關中地區PM2.5濃度達到國家環境空氣質量標準時的人為源削減比例.研究結果可為環保部門制定大氣污染控制措施提供有益的思路與指導性意見,避免盲目減排帶來的經濟下行.

1 數據與方法

1.1 模式介紹及參數設置

WRF-Chem[18]模式是由美國大氣研究中心、美國國家海洋及大氣管理局、美國大學大氣科學研究聯盟共同開發完成的中尺度大氣動力化學耦合模式.模式的氣象模塊和化學傳輸模塊在時間和空間分辨率上完全耦合.實現了氣象過程和化學過程的實時在線及反饋,考慮了大氣污染物的平流輸送、湍流擴散、干濕沉降、輻射傳輸等主要大氣物理過程,以及多相化學、氣溶膠演變等大氣化學過程,可以更為真實地模擬大氣中的化學過程.

研究使用的 WRF-Chem模式由李國輝等[19-21]在莫利納能源環境研究中心開發.氣相和液相化學采用 RADM2[22]化學機制,氣溶膠模塊使用 CMAQ(v4.6)中的氣溶膠模塊,其中包括ISORROPIA(1.7)無機氣溶膠模塊.模式邊界層方案采用YSU方案[23],微物理過程參數化方案選用WSM-3方案[24],積云對流參數化方案選用Grell-Devenyi ensemble方案[25].模式使用單區域模擬方案,中心點經緯度為(109.0°E,35.25°N),投影方式為Lambert投影,水平網格數為201×201,水平分辨率為3km,垂直方向分為35層.模式采用的人為污染物排放源清單由清華大學提供[26],包括農業源、工業源、電力源、居民源和交通源.生物源來自于 MEGAN生物排放源模型的結果.氣象場的初始條件和邊界條件來自NCEP- FNL1o×1o再分析資料.模式化學場的初始和邊界條件來自于全球化學輸送模式MOZART的輸出.

研究區域為關中地區(見圖1),地處陜西省中部,位于黃土高原以南,秦嶺以北的涇渭河流域平原,周邊地形條件復雜.關中地區主要的城市包括西安、寶雞、銅川、咸陽和渭南.

圖1 關中地區地形及空氣質量監測站點分布Fig.1 WRF-CHEM model simulation domain with topography

1.2 觀測資料

文中所用的關中地區33個觀測站的空氣質量指數(AQI數據,包括O3、NO2、SO2、CO、PM2.5和 PM10)由中國環保部網站提供,數據分辨率為小時平均,主要用于模式校驗和評估.文中所用的垂直方向加密探空資料和地面資料來自于西安市氣象局的涇河國家基準氣候站(108°58’E, 34°26’N).

1.3 研究方法

本文以文獻[6-7]中影響冬季關中地區的典型天氣形勢分類方法為基礎,該研究的分類過程使用了2008～2013年 NCEP-FNL再分析資料,并結合WRF-Flexpart的輸出結果.首先分析影響關中地區的主要天氣系統,其次考慮關中地區與主要天氣系統的相對位置.指出影響冬季關中地區的典型天氣形勢有6類(高壓東南型、槽西南型、低壓北部型、槽東南型、過渡型、內陸高壓型),其中 4類(低壓北部型、槽東南型、過渡型、內陸高壓型)不利于污染物的擴散,占到冬季天氣總數的85.3%.本文選取2013年不利于污染物擴散的4類典型天氣形勢的代表性天氣,利用 WRF-Chem模式進行模擬研究及敏感性試驗. 并利用均值偏差(MB)、均方根誤差(RMSE)及相關系數(R)等驗證了模式與觀測的一致性，具體的計算公式如下:均值偏差

均方根誤差

相關系數

式中:Pi為模式模擬值,單位為μg/m3;Oi為觀測值,單位為μg/m3;為模式模擬平均值,單位為μg/m3;為觀測平均值,單位為μg/m3.

對上述 4類天氣形勢的代表性天氣,設置從10%～100%每10%遞增的人為源削減比例方案.探求在所選取的4類不利天氣形勢下空氣質量達到國家環境空氣質量標準時的人為源削減比例.

在民主運動洶涌澎湃地沖擊之下，在人民解放戰爭迅速發展的形勢下，國民黨反動統治搖搖欲墜。蔣介石政府于10月27日宣布民盟為“非法團體”，強迫解散，并對民盟盟員進行迫害。沙千里和沈鈞儒11月間秘密離開上海，抵達香港。救國會的活動中心也轉移到香港。1948年1月5日，沈鈞儒、章伯鈞在香港主持召開民盟三中全會。沙千里代表史良參加了民盟三中全會，是全會新路線的堅決支持者。

2 結果分析

2.1 天氣形勢分析

本文選取了2013年12月2日(過渡型)、2014年1月15日(內陸高壓型)、2014年1月23日(槽東南型)及2014年2月16日(低壓北部型)作為4類不利天氣形勢的典型代表進行研究.圖2為上述4天850hPa位勢高度及風矢量圖.過渡型的天氣形勢如圖 2a所示,西安位于北部低壓槽和南部高壓之間,850hPa等壓面上主導風向為偏西風,大氣污染物會向東輸送,但由于風速較小,并不利于污染物的擴散,容易使污染物積聚于關中盆地,造成嚴重的空氣污染,污染程度還會受到北面低壓槽和南部高壓位置及強弱的影響.內陸高壓型的天氣形勢如圖2b所示,高壓深入內陸地區,關中地區的盛行風向因高壓相對位置的不同而變化,高壓系統穩定下沉易形成靜穩的天氣,不利于污染物的向外輸送.槽東南型的天氣形勢如圖2c所示,關中盆地位于槽的東南方向或槽前,850hPa盛行風為偏南風,由于受到秦嶺山脈的阻擋,風速較小,不利于污染物的擴散.并且槽前的暖濕氣流含有大量水汽,有利于污染物的二次反應,造成空氣質量的不斷惡化.低壓北部型的天氣形勢如圖2d所示,關中地區位于低壓的北部,850hPa盛行風是偏東風,由于秦嶺地形與青藏高原地勢的阻擋,風速較小且偏東風并不利于污染物的向外輸送.此外這種天氣形勢下有可能產生降水,視降水強弱污染物能被清除掉一部分.

2.2 局地氣象條件分析

圖3是涇河氣象站上午07:00時的探空資料,其中灰線為露點溫度,黑線為溫度,圖右側為各個高度層上的風矢量.在過渡型天氣形勢下,850～900hPa之間為偏南風,900hPa以下為東北風.近地層濕度較大,隨著高度的升高,濕度逐漸減小(圖3a).在內陸高壓型天氣形勢下,850hPa以下為偏東風且風速較小,不利于污染物的向外輸送(圖3b).在槽東南型天氣形勢下,近地面層濕度較高,850hPa等壓面的風向同關中地區上空探空資料風向相一致,為弱南風,850hPa等壓面以下為弱西風(圖 3c).在低壓北部型天氣形勢下,當日濕度很大,且西安地區出現了小雪天氣,850hPa以下為一致的偏東風(圖3d),并且風速較小,非常有利于污染物的積聚及二次有機物的形成.探空資料顯示,上述4類天氣形勢850hPa以下均為整層逆溫,大氣層結穩定,不利于污染物的垂直輸送.

圖2 關中地區4類天氣形勢下上午08:00時850hPa風場及位勢高度的水平分布Fig.2 Distributions of winds and geopotential heights on 850hPa at 08:00 BJT

2.3 模式驗證

圖4為4類天氣形勢下關中地區模擬及觀測的近地面PM2.5在上午09:00和下午15:00的水平分布圖.模擬的PM2.5水平分布與關中地區33個環境監測站的觀測值有很好的一致性.模擬的風場表明,關中地區近地層風速較小或為靜風且風向多變,不易于大氣污染物的向外輸送,易導致污染物在盆地內積聚,造成嚴重的大氣污染.并且關中地區大氣污染呈現連片趨勢,重度污染區域(PM2.5濃度超過150μg/m3)分布在西安、咸陽及寶雞一帶.

在模擬與觀測的對照中,大部分站點模擬及觀測的PM2.5濃度均超過了150μg/m3.在過渡型天氣形勢(圖4a,b)下,上午09:00時PM2.5高值區位于關中盆地內,嚴重污染區域(PM2.5濃度超過250μg/m3)位于西安與咸陽一帶,模擬的PM2.5濃度較監測值偏高.下午15:00時,模擬的嚴重污染區域范圍縮小,集中于西安咸陽地區,受850hPa等壓面上的弱西風影響(圖 3a),污染物向東面擴散,從而導致重度污染區域向東北方向擴大.在內陸高壓型天氣形勢下(圖4c,d),模擬的上午09:00時PM2.5濃度與觀測有很好的一致性,下午15:00時污染區域向西擴散并逐漸減小.對于槽東南型(圖 4e,f),模擬的近地面風速較小,不利于污染物向外輸送.上午09:00時,整個關中盆地處于重度污染.西安、咸陽及寶雞一帶大氣呈現嚴重污染態勢,PM2.5濃度超過250μg/m3.下午15:00時,受邊界層高度抬升的影響,重度污染區域逐漸減小.對于低壓北部型(圖4g,h),上午09:00時,關中大部分地區處于重度污染.下午15:00時,由于低壓北部型天氣形勢的作用和雨雪的清除作用,大氣污染物向西移動且污染區域逐漸減小,空氣質量逐漸轉好.

圖3 4類不利天氣形勢下涇河氣象站上午7:00時的探空資料Fig.3 The radiosonde at 7:00BJT at Jinghe site

圖5、6、7為上述4類不利天氣形勢下,關中地區觀測與模擬站點平均 NO2、O3及 PM2.5濃度的日變化曲線.模式能夠較好地模擬出O3、NO2、PM2.5濃度的日變化趨勢.O3峰值一般出現在午后,這是由于太陽輻射的增強使得大氣光化反應速率加快,使得 O3濃度不斷增大.但模式通常低估清晨的O3濃度及高估午后的O3濃度.

圖4 4類不利天氣形勢下模擬(陰影)和觀測(方塊)的關中地區上午09:00時(a,c,e,g)和下午15:00時(b,d,f,h) PM2.5濃度的水平分布Fig.4 Pattern comparison of simulated vs. observed near-surface PM2.5mass concentrations at 09:00 and 15:00BJT

為了進一步評估模式模擬結果的可靠性,使用了均值偏差、均方根誤差和相關系數用來對模式進行評估.NO2、O3和PM2.5的均值偏差、均方根誤差和相關系數,分別為 MB=2.53μg/m3、-4.10μg/m3和 20.75μg/m3,RMSE=13.07μg/m3、22.72μg/m3和53.78μg/m3和R=0.75、0.82和0.72,考慮到所選取樣本檢驗點較少,并且模式spin-up時間較長,認為模擬結果可靠.

WRF-Chem模式可以較好地模擬關中地區大氣污染物的時空分布,但仍存在偏差,氣象場(如風場)模擬及排放源清單的不確定性是造成模擬存在偏差的重要因素.

圖5 關中地區觀測與模擬的站點平均的NO2濃度的日變化曲線Fig.5 Comparison of observed and predicted diurnal profiles of the NO2mass concentrations averaged over the monitoring sites in the Guanzhong basin

圖6 關中地區觀測與模擬的站點平均的O3濃度的日變化曲線Fig.6 Comparison of observed and predicted diurnal profiles of the O3mass concentrations averaged over the monitoring sites in the Guanzhong basin

圖7 關中地區觀測與模擬的站點平均的PM2.5濃度的日變化曲線Fig.7 Comparison of observed and predicted diurnal profiles of the PM2.5mass concentrations averaged over the monitoring sites in the Guanzhong basin

2.4 敏感性試驗分析

2.4.1 人為源減排對PM2.5濃度的影響 表1為上述 4類天氣形勢下關中盆地人為源削減比例與PM2.5濃度下降率對應關系.隨著人為源削減量以 10%的比例增加,PM2.5濃度的下降比例從 20.1%(17.5%)減少到1.6%(0.8%),其濃度下降率隨著人為源削減比例降低而降低.當削減比例小于 30%時,削減量每下降10%,所對應的 PM2.5濃度下降率分別為(17%～20%)、(15%～18%)、(12%～15%).當削減比例大于 70%時,削減量每下降 10%,所對應的PM2.5濃度下降率分別為(3%～8%)、(2%～3%)、(1%～2%),當削減量為 100%時,即完全關閉人為源排放時的 PM2.5濃度值,即為背景場的 PM2.5濃度.

表1 4類不利天氣形勢下人為源削減量與PM2.5濃度下降率的對應關系Table 1 The corresponding relationship between the reduction of anthropogenic emission and the decline rate of PM2.5mass concentrations

圖8為4類不利天氣形勢下人為源減排引起的PM2.5濃度日均值變化.圖8中PM2.5濃度隨著人為源削減呈二次曲線下降的趨勢.當削減量超過60%時,PM2.5濃度下降不再明顯.在4類天氣形勢下,PM2.5濃度達到國家標準 75μg/ m3時的減排比例是不相同的.其中,過渡型人為源排放削減 30%,內陸高壓和槽東南型,人為源削減40%,低壓北部型人為源削減60%,才能使關中地區PM2.5濃度達到國家標準.

圖9為4類天氣形勢下控制試驗、空氣質量達標試驗(即使 PM2.5濃度達到國家環境空氣質量標準的減排試驗)及人為源完全關閉(即背景場濃度的模擬)時的 PM2.5濃度日變化曲線.過渡型[圖9(a)]、內陸高壓型[圖9(b)]和槽東南型[圖9(c)]天氣形勢下,人為源完全關閉時,背景場PM2.5濃度小于50μg/m3,沒有明顯的日變化趨勢,對污染物形成的貢獻較小.低壓北部型的天氣形勢下[圖9(d)],背景場PM2.5濃度超過了50μg/m3,表明其貢獻較大.控制試驗模擬的 PM2.5日變化趨勢中出現了兩個峰值,分別為上午 10:00時和晚上20:00時.空氣質量達標試驗中,PM2.5日變化趨勢不再明顯,趨勢接近于背景場.

圖8 4類不利天氣形勢下人為源減排引起的PM2.5濃度日均值的變化Fig.8 The response of daily averaged PM2.5to the anthropogenic emission reductions

圖9 4類不利天氣形勢下控制試驗、人為源減排使空氣質量達標及人為源完全關閉時模擬PM2.5濃度日變化曲線Fig.9 The response of basin average PM2.5level to the anthropogenic emission reductions

圖10 4類不利天氣形勢下,人為源減排使得PM2.5濃度達到國家環境空氣質量標準時PM2.5濃度下降率分布Fig.10 The decline rate of PM2.5mass concentrations in the simulation with anthropogenic emission reductions to meet the China National Air Quality Standard

2.4.2 空氣質量達標時 PM2.5濃度下降率的水平分布 圖10為空氣質量達標時PM2.5濃度下降率的水平分布圖.控制試驗中(圖 4)高濃度PM2.5主要分布在西安、咸陽、渭南、寶雞和銅川等工業人口密集地區,水平分布呈現從城市到郊區的明顯下降趨勢.在空氣質量達標試驗中,整個關中地區 PM2.5濃度均發生了顯著下降,其中PM2.5濃度高的地區下降幅度大.高濃度PM2.5的輻射反饋效應強,對邊界層的壓制作用大,一旦采取減排措施,反應濃度便會下降,使得 PM2.5濃度的快速減小,反之亦然.過渡型天氣形勢下,西安市區 PM2.5濃度的下降幅度比郊區明顯,達到50%～55%.內陸高壓型天氣形勢下,PM2.5濃度下降幅度最明顯的地區是西安市區和銅川東北部達 60%～75%,這與氣溶膠的輻射反饋及二次氣溶膠的形成有關.槽東南型天氣形勢下,整個關中地區PM2.5濃度均有明顯的下降為55%～65%,下降率趨勢呈現從北向南逐漸減小.低壓北部型天氣形勢下,西安咸陽一帶和寶雞城區下降最為明顯,達到了80%.

3 結論

3.1 關中地區不利于污染物擴散的4類天氣形勢通常對應的局地氣象條件為對流層低層(850hPa以下)風速小、層結穩定或濕度高(對應低壓北部型),易造成二次氣溶膠的生成且不利于污染物的向外輸送.

3.2 WRF-Chem模式能較好地模擬污染物濃度(PM2.5、O3、NO2)的水平分布及日變化趨勢,且污染物濃度的分布及變化與天氣類型有一致的對應關系.

3.3 4類不利天氣形勢下,PM2.5濃度隨著人為排放源的減少呈二次曲線下降趨勢,越早控制PM2.5濃度下降程度越明顯.當PM2.5濃度達到國家環境空氣質量標準 75μg/m3時,不同天氣形勢下人為源的削減比例不同,為 30%～60%.且整個關中地區 PM2.5濃度均發生了顯著的下降,其中PM2.5濃度高的地區下降幅度大.

[1] 吳 兌,吳曉京,李 菲,等.1951-2005年中國大陸霾的時空變化 [J]. 氣象學報, 2010,68(5):680-688.

[2] 任陣海,萬本太,虞 統,等.不同尺度大氣系統對污染邊界層的影響及其水平流場輸送 [J]. 環境科學研究, 2004,17(1):7-13.

[3] 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+169.

[4] 王喜全,齊彥斌,王自發,等.造成北京PM10重污染的二類典型天氣形勢 [J]. 氣候與環境研究, 2007,12(1):81-86.

[5] Zhang J P, Zhu T, Zhang Q H, et al. The impact of circulation patterns on regional transport pathways and air quality over Beijing and its surroundings [J]. Atmospheric Chemistry and Physics, 2012,12(11):5031-5053.

[6] Bei, N, Li, G, Huang, R.J, et al. Typical synoptic situations and their impacts on the wintertime air pollution in the Guanzhong basin [J]. Atmospheric Chemistry and Physics, 2016,16(11): 7373-7387.

[7] Bei N, Xiao B, Meng N, et al. Critical role of meteorological conditions in a persistent haze episode in the Guanzhong basin, China [J]. Science of Total Environment, 2016,550:273-284.

[8] 孟燕軍,程叢蘭.影響北京大氣污染物變化的地面天氣形勢分析[J]. 氣象, 2002,28(4):42-47.

[9] 張國璉,甄新蓉,談建國,等.影響上海市空氣質量的地面天氣類型及氣象要素分析 [J]. 熱帶氣象學報, 2010,26(1):124-128.

[10] 王明潔,張 蕾,張琳琳,等.基于精細觀測資料的深圳不同季節霾及其污染特征分析 [J]. 2015,35(12):3562-3569.

[11] 李令軍,王 英,李金香,等.2000～2010北京大氣重污染研究 [J].中國環境科學, 2012,32(1):23-30.

[12] 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]. 中國環境科學, 2016,36(1):27-35.

[13] 史 軍,崔林麗.長江三角洲城市群霾的演變特征及影響因素研究 [J]. 中國環境科學, 2013,33(12):2113-2122.

[14] 翟世賢,安興琴,劉 俊,等.不同時刻污染減排對北京市PM2.5濃度的影響 [J]. 中國環境科學, 2014,34(6):1369-1379.

[15] 翟世賢,安興琴,孫兆彬,等.污染源減排時刻和減排比例對北京市 PM2.5濃度的影響 [J]. 中國環境科學, 2015,35(7):1921-1930.

[16] 劉 俊,安興琴,朱 彤,等.京津冀及周邊減排對北京市PM2.5濃度下降評估研究 [J]. 中國環境科學, 2014,34(11):2726-2733.

[17] 王自發,李 杰,王 哲,等.2013年1月我國中東部強霾污染的數值模擬和防控對策 [J]. 中國科學:地球科學, 2014,44(1):3-14.

[18] Grell G A, Peckham S E, Schmitz R, et al. Fully coupled “online”chemistry within the WRF model [J]. Atmospheric Environment, 2005,39(37):6957-6975.

[19] Li G, Lei W, Zavala M, et al. Impacts of HONO sources on the photochemistry in Mexico City during the MCMA-2006/ MILAGO Campaign [J]. Atmospheric Chemistry and Physics, 2010,10(14):6551-6567.

[20] Li G, Bei N, Tie X, et al. Aerosol effects on the photochemistry in Mexico City during MCMA-2006/MILAGRO campaign [J]. Atmospheric Chemistry and Physics, 2011,11(11):5169-5182.

[21] Li G, Zavala M, Lei W, et al. Simulations of organic aerosol concentrations in Mexico City using the WRF-CHEM model during the MCMA-2006/MILAGRO campaign [J]. Atmospheric Chemistry and Physics, 2011,11(8):3789-3809.

[22] Stockwell W R, Middleton P, Chang J S, et al. The second generation regional acid deposition model chemical mechanism for regional air quality modeling [J]. Journal of Geophysical Research, 1990,95(D10):16343.

[23] Hong S-Y, Noh Y, Dudhia J. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Monthly Weather Review, 2006,134(9):2318-2341.

[24] Hong S-Y, Dudhia J, Chen S-H. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation [J]. Monthly Weather Review, 2004,132(1): 103-120.

[25] Grell G A, Dévényi D. A generalized approach to parameterizing convection combining ensemble and data assimilation techniques [J]. Geophysical Research Letters, 2002,29(14):381-384.

[26] 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.

Response of the wintertime PM2.5level to anthropogenic emission mitigations in the Guanzhong basin.

MENG Ning1, BEI Nai-fang1*, LI Guo-hui2, XIAO Bo1,3(1.Department of Environmental Science and Technology, School of Human Settlements and Civil Engineering, Xi'an Jiaotong University, Xi'an 710049, China；2.Key Lab of Aerosol Chemistry & Physics, Chinese Academy of Sciences (KLACP), Institute of Earth Environment, Chinese Academy of Sciences, Xi'an 710061, China；3.Xi'an Meteorological Bureau of Shannxi Province, Xi'an 710016, China). China Environmental Science, 2017,37(5)：1646～1656

Based on the analysis of four typical unfavorable synoptic situations during wintertime in the Guanzhong basin (GZB), the WRF-Chem model had been applied to simulate the selected four days representing the four unfavorable synoptic situations during the wintertime of 2013. The results generally showed good consistence between the modeled and observed PM2.5distributions and variations. Further studies had been performed to verify the PM2.5response to the anthropogenic emission mitigation under the four unfavorable synoptic situations in GZB. Sensitivity results demonstrated that the mass concentration of PM2.5decreases nonlinearly along with the anthropogenic emission mitigation. Additionally, the PM2.5mitigation was more significant at the more polluted areas. The anthropogenic emission in GZB needed to be reduced 30%～60% to meet the China National Air Quality Standard under the above-mentioned four unfavorable synoptic situations. Key words：synoptic situations；PM2.5；Guanzhong basin；anthropogenic emission mitigation

X513

A

1000-6923(2017)05-1646-11

孟 寧(1989-),女,遼寧錦州人,西安交通大學碩士研究生,主要研究方向為大氣數值模擬.

2016-09-17

國家自然科學基金資助項目(41275101,41430424)

* 責任作者, 副教授, bei.naifang@mail.xjtu.edu.cn