2016年12月京津冀一次重污染天氣過程分析

尹曉梅，孫兆彬，郭淳薇，唐宜西，李梓銘

1. 中國氣象局北京城市氣象研究所，北京 100089；2. 京津冀環境氣象預報預警中心，北京 100089

2016年12月京津冀一次重污染天氣過程分析

尹曉梅1,2，孫兆彬1，郭淳薇1，唐宜西2，李梓銘2

1. 中國氣象局北京城市氣象研究所，北京 100089；2. 京津冀環境氣象預報預警中心，北京 100089

2016年12月16—21日，京津冀地區出現了一次覆蓋面積廣、污染程度重、污染持續時間長、霧和霾天氣相伴發生的重污染過程，北京于16日發布空氣重污染紅色預警。文章利用MODIS（Moderate Resolution Imaging Spectroradiometer）反演的氣溶膠光學厚度（Aerosol optical depth，AOD），OMI（Ozone Monitoring Instrument）反演的氣溶膠指數（Aerosol Index，AI），AERONET（AErosol RObotic NETwork，AERONET）觀測的AOD、ERA-Interim風場和FNL邊界層高度、及實況觀測數據對此次重污染過程的發生、發展過程及可能原因進行分析，探討污染物的本地排放和區域輸送在不同階段的貢獻率，結論如下，此次污染過程的影響范圍從河北中南部逐漸向北延伸加重，平原大部分地區能見度持續低于5 km，污染物濃度連續5 d（18—22日）超過150 μg·m-3。17日開始，AOD與AI在河北中南部及北京南部地區較高，均超過2.0，伴隨風場和輻合線在北京南部和河北中南部南北擺動。16—19日，污染物的外地輸送及固定源排放對北京和天津地區污染的發生發展和污染物的累積貢獻較大，而本地污染物的排放和移動源的貢獻比重自19日起逐漸增加，可能與京津冀地區采取聯動減排有關。隨著污染物質量濃度的增加，不同波長的氣溶膠AOD均呈增加趨勢，細粒子對AOD的貢獻率也隨之增加，有霧凇和弱冷空氣出現的時段除外。穩定的氣象條件、較高頻率的靜風和小風（尤其南風）、持續較低的邊界層高度則是污染過程長時間維持的重要氣象條件。同時，較高的相對濕度與顆粒物濃度是造成低能見度的重要原因，且經過線性與非線性擬合分析發現，同樣的相對濕度條件下，PM2.5對能見度的影響高于PM10。

空氣重污染；氣溶膠；AERONET；衛星；氣象條件

顆粒物（PM）是小粒子與液態水滴組成的混合物。近年來隨著經濟發展，人為排放引起的污染逐漸加重，尤其在人口密集區和經濟發達區（Van Donkelaar et al.，2010）。中國中東部周期性的區域復合污染天氣過程頻現，給大氣污染防治工作帶來了嚴峻挑戰（任陣海等，2004；李令軍等，2012）。已有的研究結果表明，大氣顆粒物對太陽輻射的吸收和散射都有一定影響，這也是造成能見度日趨下降和霾日數逐漸增加的主要原因（Han et al.，2014；Zhang et al.，2012）。京津冀地區作為北方經濟繁榮圈，不可避免地成為大氣污染研究工作的焦點區域。作為中國經濟和政治中心，北京的政策規劃在一定程度上改變了區域性的工業、農業和交通運輸業分布格局，對污染物的時空分布和變化特征產生了很大影響。為了提高空氣質量，一系列的減排和發展清潔能源等措施不斷出臺實施（Wang et al.，2005），但經濟的發展和交通網絡的擴建很大程度上抵消了前者帶來的積極效應（Shao et al.，2006）。

近幾年，大范圍、長時間持續的重污染過程和高質量濃度顆粒物引起的霾天氣越來越頻繁地出現在華北地區秋冬季。2013年1月，中國尤其是中東部地區經歷了大范圍的 PM2.5“爆表”事件，北京地區在個別重污染時段的 PM2.5質量濃度甚至超過 1000 μg·m-3，日平均質量濃度超過 600 μg·m-3（Zhang et al.，2014；Tao et al.，2014），1 月份霾日數超過20 d，引起政府和公眾的高度重視。更多的研究開始注重氣溶膠粒子的物理、化學和光學特性，并嘗試從氣象背景場的角度解釋伴隨中國空氣重污染過程的霾天氣現象，探討霾天氣的污染物來源及其發生發展機制（Che et al.，2015；Sun et al.，2014；Ji et al.，2014）。任陣海等（2006）研究表明，持續的逆溫層和干結的暖空氣蓋是引起和維持污染過程的重要氣象因素。孟昭陽等（2007）針對太原市大氣污染過程進行分析發現，PM2.5質量濃度與風速、能見度和氣壓呈負相關，與相對濕度呈正相關。劉燚（2010）進一步探究表明，風速、降水、氣溫和相對濕度等與空氣污染指數之間的關系在不同季節存在差異。楊素英等（2010）通過對北京一次重污染過程的天氣背景進行研究，得出較強的海平面高壓和均壓場的控制及三面環山的地形是造成北京污染天氣易發的主要因素。王莉莉等（2013）發現北京重污染過程中，大氣邊界層在91%的時段內低于500 m，霾天氣的發生與維持受連續靜穩天氣形勢和區域污染的影響很大。李珊珊等（2016）指出，穩定的氣象條件是污染過程維持和加重的重要原因，區域輸送對各個地區 PM2.5的質量濃度變化影響重大。翟世賢等（2015）基于京津冀高分辨率排放源清單，利用 CMAQ模式研究污染源削減方案，表明污染峰值來臨前采取適量減排比污染當天啟動大幅度減排更有利于北京市整體空氣質量達標。Jiang et al.（2015）分析2013年12月 6—7日的重污染過程發現，外地輸送到北京的污染物遠超過北京輸送到外地的污染物。綜上所述，空氣重污染及霾天氣過程中，大氣污染物質量濃度除受本地污染源排放和區域輸送影響外，天氣形勢對其累積、擴散、輸送、理化反應及沉降等均有重要影響。

本文利用衛星反演相關數據、氣溶膠自動觀測網 AERONET（AErosol RObotic NETwork）Level 2.0資料、環保局國控站污染物質量濃度小時數據、ERA-Interim風場數據、NCEP（National Centers for Environmental Prediction）FNL邊界層高度數據及氣象站常規監測數據等，分析2016年12月京津冀地區一次空氣重污染過程中污染物質量濃度和氣溶膠相關特性的時空分布，以及氣象條件在污染過程中的變化和作用，以期探討該次空氣重污染天氣的形成與發展機制，進而為空氣污染預報業務提供參考依據和相關的預報指標。

1 研究區概況

京津冀地區位于東經 113°27′～119°50′，北緯36°05′～42°40′之間，地勢西北高、東南低，總面積21.54 km2（中國環境年鑒）。

2 數據來源

污染物逐時質量濃度數據源自中國環境監測總站，北京、石家莊、保定、天津分別有12個、8個、6個、15個監測點，分布情況如圖1所示。逐小時氣象數據來自氣象局常規觀測平臺，站號如下：北京54511，石家莊53698，天津54527，邢臺53798。

圖1 各地區國控站點分布Fig.1 Map of Bei-Hebei-Tianjin and locations of the monitoring sites in December of 2016

NPP搭載的 VIIRS（Visible Infrared imaging Radiomter Suite）衛星每天提供覆蓋全球的衛星圖像（Jackson et al.，2013），用于區域空氣污染識別和監測分析。MODIS（Moderate Resolution Imaging Spectroradiometer）搭載的TERRA和AQUA衛星分別在當地時間的11:00和13:00前后經過中國；MODIS Collection6改進的深藍算法使晴空和無積雪區的反演誤差控制在 0.05%±20%（Hsu et al.，2013），更適合中國東部的霾天氣分析。OMI（Ozone Monitoring Instrument）分辨率為0.5 nm左右，氣溶膠紫外吸收指數UVAI（Ultra Violet Aerosol Index，UVAI）用于檢驗霾層的吸收特性，吸收性氣溶膠如沙塵和煙灰等產生的氣溶膠指數AI（Aerosol Index）為正，云和非吸收性的氣溶膠如海鹽粒子、硫化物等的 AI近似于 0（Levelt et al.，2006；Torres et al.，2007）。AERONET每隔15 min采集340、380、440、500、675、870和1020 nm通道光學特性，氣溶膠光學厚度（Aerosol Optical Depth，AOD）反演精度為 0.01～0.02，較多用于 AOD 基準數據（Dubovik et al.，2000）。本文選用Level 1.5站點（Beijing，39.977°N，116.38°E）日均值（UTC 00:00—08:00）進行分析。ERA-interim是歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）提供的最新大氣數值預報再分析資料，本文選用第三代高分辨率（0.125°）ERA-Interim 數據。邊界層分析采用空間分辨率為0.5°的NCEP FNL數據，時間分辨率為6 h，用以探究大氣靜穩度和污染物垂直擴散能力。

圖2 京津冀地區NPP VIIRS真彩色霧和霾分布監測圖Fig.2 NPP VIIRS true color images over the Beijing-Hebei-Tianjin in December of 2016

3 結果分析與討論

3.1 衛星數據分析

圖2所示為2016年12月16—22日重污染過程京津冀地區霧和霾空間分布。由圖可知，2016年12月16—22日京津冀地區霧和霾覆蓋范圍廣，持續時間長，污染期間京津冀大部分地面不可見。霾的分布范圍從污染程度最重的河北中南部地區逐漸向北延伸，16日和18日以霾為主，19日東部地區霧的強度和范圍逐漸擴大，厚度增加，霧和霾的天氣現象相伴發生；直至 22日冷空氣擴散南下，霧和霾自北向南逐漸減弱消散，北京平原已清晰可見，在北風作用下污染帶向南推進，河北中南部仍存在一定程度的霾。根據中國“風云三號”氣象衛星遙感監測結果（數據由北京市氣象局氣候中心提供），17—21日，北京、天津、河北大部分地區污染程度重，出現中度至重度霾天氣并有霧，且主要出現在平原地區；經遙感估算，京津冀可視的霧霾覆蓋面積約占行政區域面積的71.4%，其中北京占78.8%，天津占100%，河北占70.4%。

圖 3(a)、3(b)所示為重污染過程期間，MODIS AQUA AOD、OMI UVAI分別與ERA-interim 850 hPa和700 hPa疊加圖。15日京津冀地區850 hPa與700 hPa風場整體為西北風，北京、天津及河北中北部AOD小于0.2，AI小于1.5；河北南部AOD達0.8，同時較高的AI值說明吸收性氣溶膠含量較多。16日京津冀南部轉為偏南風，中北部為偏西風，在近地層南風影響下，污染帶到達北京南部、天津及河北東北部，對應區域的AOD達0.8～0.9；北京北部污染程度輕，AOD較小。17日—19日，京津冀北部為偏西風或西北風，南部為西南風或偏南風，形成風場輻合。此時，污染帶范圍擴大且中心北推，污染物質量濃度升高，河北中南部AOD超過2.0，天津AOD超過1.5；北京仍然呈現北輕南重的特點，南部地區 AOD為 0.8～1.2，北部 AOD約 0.6～0.8。隨著時間推移，AOD 高值中心（AOD＞1.5）逐漸向北京南部和城區推進；AI高值中心也北推至京津冀交界處，污染物以燃燒產生的煙塵和顆粒物為主，吸收性較強，尤其在 18日—19日，京津冀中部地區AI值大于2.5，霾層厚，污染明顯加重，吸收性氣溶膠占主導地位。22日冷空氣南下，風場轉為西北風，大部分地區AOD低于0.4，河北中部AOD為0.6～0.8，污染過程趨于結束。

3.2 污染物質量濃度分析

3.2.1 PM2.5質量濃度分析

圖4所示分別為石家莊、保定、北京和天津可用的國控站逐小時 PM2.5質量濃度結果。圖中的曲線為各地區國控站點逐小時觀測結果的平均值，T線表示每個時刻對應的最大觀測值。石家莊地區PM2.5逐時平均質量濃度自16日00:00的228 μg·m-3增長至18日19:00的539 μg·m-3，直至21日午后的大部分時間 PM2.5質量濃度超 500 μg·m-3；其中，19日23:00達到最高平均峰值濃度684 μg·m-3。22日冷空氣擴散南下，PM2.5質量濃度逐漸下降，11:00下降至43 μg·m-3。保定位于石家莊和北京之間，達到重度和嚴重污染的時間平均落后于石家莊一天，比北京早一天。北京地區 16日上午 PM2.5質量濃度為 20～50 μg·m-3，之后在南風影響下輸送通道建立，至夜間逐漸達到 246 μg·m-3，16—19日 PM2.5平均質量濃度變化明顯；20日PM2.5質量濃度爆發性增長，12:00達到 382.5 μg·m-3后穩定發展；21日 16:00達到峰值濃度 497 μg·m-3（此次重污染過程，石景山古城站 20日 PM2.5峰值濃度達 646 μg·m-3）；22日04:00 PM2.5質量濃度急劇下降至低于20 μg·m-3，污染過程結束。天津地區16—17日平均PM2.5質量濃度逐步增長，18—19日波動幅度較大，峰值出現在18日11:00，為382 μg·m-3，18日夜間轉為受偏東風影響，質量濃度降幅明顯；20—21日 PM2.5質量濃度基本穩定，介于 200～300 μg·m-3；22日早晨受冷空氣影響，PM2.5質量濃度明顯降低，11:00 降至 64 μg·m-3。

圖3 京津冀地區（a）Aqua AOD與850 hPa風場及（b）OMI AI與700 hPa風場空間分布圖（→代表10 m?s-1）Fig.3 (a)Aqua AOD and 850 hPa wind (b)OMI AI and 700hPa wind in December 15—22 of 2016 (→represents10 m·s-1)

3.2.2 ρ(NO2)/ρ(SO2)與 ρ(CO)/ρ(SO2)的時間變化特征

大氣中NOx與SO2的質量濃度比ρ(NOx)/ρ(SO2)常被用于指示移動排放源和固定排放源貢獻率的變化。Ji et al.（2012）和Fiedler et al.（2009）研究指出，中國北方機動車排放的 SO2遠少于 NOx，ρ(NOx)/ρ(SO2)為 24～119；固定源同時排放 NOx和SO2，但 SO2含量很高，ρ(NOx)/ρ(SO2)為 0.2～0.8。圖 5所示為重污染期間 NO2與 SO2質量濃度比ρ(NO2)/ρ(SO2)的變化趨勢。石家莊地區16—21日的ρ(NO2)/ρ(SO2)整體低于 3。16 日 ρ(NO2)/ρ(SO2)日均值為0.9，與固定源的研究數據相符，固定源貢獻率大，SO2排放量遠超過 NO2，如工廠、電廠、煙囪和鍋爐等；17日下午ρ(NO2)/ρ(SO2)開始上升，移動源貢獻率有所上升，傍晚出現日峰值，這與北京空氣重污染紅色預警發布后區域逐步減排有關，同時表明石家莊的機動車排放不容忽視。16—19日白天，北京 ρ(NO2)/ρ(SO2)為 3～7，日變化明顯；19日夜間起該比值逐漸升高，20日18:00達到峰值，20日和21日ρ(NO2)/ρ(SO2)日均值分別為14.9和15.7，早、晚較高的特點不明顯。以上數據說明，2016年 12月16—18日，固定源排放量對北京的貢獻較高，移動源在交通高峰期貢獻增加。隨著減排措施的不斷實施，移動源貢獻率上升，區域性工業減排的正面效果可能超過移動源減排的效果。天津地區ρ(NO2)/ρ(SO2)在16—18日較低，且早、晚時段該比值稍高；19—20日白天該比值升高，20日夜間—21日逐漸下降。雖然與北京一樣都受到外地輸送的影響，但天津 ρ(NO2)/ρ(SO2)顯著增加開始于 18日夜間，略早于北京，這與 PM2.5質量濃度隨時間變化的規律一致。

圖4 2016年12月15—22日北京、石家莊、保定、天津逐時PM2.5平均質量濃度（曲線）及最高值（T線）Fig.4 Hourly averaged and max concentrations of PM2.5 in Beijing, Shijiazhuang, Baoding and Tianjin in December 15—22 of 2016

CO 與 SO2的質量濃度比 ρ(CO)/ρ(SO2)可用于粗略評估本地污染物排放對污染過程的影響和貢獻（Tang et al.，2015）。同一地點，該比值越高，本地排放貢獻率越大。如圖 5所示，石家莊地區ρ(CO)/ρ(SO2)較小，這與石家莊工業源排放較多，SO2排放量較高的情況一致；同時，ρ(CO)/ρ(SO2)隨時間變化幅度較小，這基本對應本地污染占主導的特征；19日之后該比值稍有下降，與減排有關。北京大氣SO2質量濃度相對較低，CO質量濃度值較高，這與相對較低的工業排放和大量機動車排放造成的嚴重污染關系密切（Tang et al.，2015）。16—19日白天，北京ρ(CO)/ρ(SO2)低于0.4，19日夜間開始升高，至 21日一直維持較大值。比值變化表明19日之前污染物區域輸送明顯，19日夜間開始，在污染物累積、大氣靜穩度增加、環境容量逐漸減小的背景下，本地排放的貢獻率增加；另外，19日夜間和21日夜間該比值短暫下降，可能與19日夜間至20日上午的霧凇及21日夜間冷空氣南壓對污染物的清除作用有關（孫兆彬等，2016）。天津地區 ρ(CO)/ρ(SO2)介于石家莊和北京之間；16—18日白天，ρ(CO)/ρ(SO2)低于 0.1，18日傍晚—19日該比值上升，20—21日 ρ(CO)/ρ(SO2)介于0.1～0.2，與圖4所示的PM2.5質量濃度變化趨勢一致。比值的變化表明 19日開始天津本地排放的貢獻率增加，這與19日風速的減小和20—21日弱冷空氣的間歇影響減弱了污染物的輸送有關。

圖5 2016年12月16—22日ρ(NO2)/ρ(SO2)和ρ(CO)/ρ(SO2)質量濃度比值的時間變化Fig.5 ρ(NO2)/ρ(SO2) andρ(CO)/ρ(SO2) of Beijing, Shijiazhuang and Tianjin in December 16—22 of 2016

3.3 AERONET數據分析

AOD是表述氣溶膠對太陽輻射總消光（散射和吸收）作用的定量指標。AE（Angstr?m Exponent）反映氣溶膠粒子譜的分布特征，其值越大，則細粒子越多，當AE接近2時，主控粒子由小粒徑的煙霧粒子組成，城市和工業氣溶膠 AE值一般為1.1～2.4，生物質燃燒氣溶膠AE為1.2～2.3（張勇等，2014）。圖 6(a)所示為 AERONET不同波長 AOD日均值，14—16日大氣相對較清潔，平均AOD低于0.5，不同波長對應的AOD差異??；17—21日隨著污染程度加重，各波長對應AOD升高，340 nm處AOD明顯高于其他波長。同時，AOD的變化與PM2.5質量濃度變化趨勢一致。14—16日，AOD較低，各波長AOD日均值為0.01～0.2，各波長AOD差異不大。17日和18日，AOD明顯升高，17日起AOD大于1，18日340 nm AOD達到1.2。19—21日，AOD暴增，不同波長AOD差異明顯，這與高質量濃度的細粒子污染物關系密切。340～500 nm之間波長對應的AOD達到2左右，870～1640 nm之間波長的AOD低于1.5；21日是整個污染過程最重的一天，340 nm波段AOD達到2.2。

圖6(b)所示為粗、細模態氣溶膠對總 AOD的貢獻，為了更好地分析粗、細模態氣溶膠的變化趨勢，繪制了AE隨時間的變化圖，如圖6(c)所示。在20日氣溶膠總AOD增加的前提下，細模態污染物AOD降低，對總AOD的貢獻率也有所下降，這可能與19日夜間相對濕度增加，細粒子吸濕增長，顆粒物之間的碰并、凝聚導致粒子尺度變大有關（張勇等，2014）；另外，19日夜間受偏東風輻合及水汽輸送的影響，北京出現大霧，氣溫偏低，霧滴在路面、樹木上附著凍結，部分污染較重地區出現了霧凇天氣，對污染物有一定的清除作用，也是20日AOD較低的一個可能原因。通過AE與AOD的對比發現，細粒子是污染過程的主導污染物。

3.4 氣象條件分析

此次重污染過程中，京津冀地區大氣 500 hPa以緯向環流為主，不利于極地冷空氣南下影響華北區域。同時，850 hPa存在增溫現象，對應暖平流持續向北京輸送，而地面為高壓后部弱氣壓場控制（圖略）。邊界層高度降低，大氣穩定度增加，導致大氣擴散條件持續轉差。

圖6 2016年12月14—22日AERONET(Beijing)AOD和AE的時間變化Fig.6 The temporal variations of AERONET AOD and AE over the Beijing site in December 14—22 of 2016

3.4.1 風場分析

風主要影響大氣污染物的平流輸送和水平擴散。在弱天氣系統支配下，水平風速小，局地有風場輻合，氣團滯留明顯，水平擴散能力差。北京觀象臺站逐小時地面風速觀測顯示，16—21日風速為0.5～2.0 m·s-1（圖 7），平均風速為 1.1 m·s-1，靜風頻率為6%，不利于污染物的稀釋擴散。18日和19日平均風速最低，分別為0.88 m·s-1和0.87 m·s-1。從風向來看，偏南風影響時間長，加之北部山區阻擋，空氣水平流動性差，本地排放及河北中南部輸送的污染物疊加累積在北京平原，使污染物質量濃度波動、累積和升高。石家莊站 16—21日平均風速為1.0 m·s-1，小于2 m·s-1的頻次達到90%，小于1.5 m·s-1的頻次達到80%，靜風頻率為11%，小風日數為6天。天津站16—21日平均風速為1.5 m·s-1，風速小于 1.5 m·s-1的頻次約為 64%，靜風頻率為2%，小風日數總計5天，偏南風出現頻次較高。16—19日，河北中南部至天津北部穩定維持一條風場輻合線，輻合線周邊污染物持續累積，污染程度重，與石家莊和天津 PM2.5高質量濃度一致（圖 3）。北京PM2.5日變化明顯，大氣污染具有“早輕晚重”和“北輕南重”的特點；20日開始，輻合線逐漸北抬，污染物隨之向北京地區輸送，造成污染物不斷累積，PM2.5質量濃度波動升高。

圖7 2016年12月16—22日北京觀象臺、石家莊站、天津站平均風速風向風頻圖Fig.7 Averaged wind speed and wind frequency in Beijing, Shijiazhuang and Tianjin in December 16—22 of 2016

3.4.2 逆溫條件

大氣環流背景導致天氣靜穩，逆溫層抑制了污染物的垂直運動和湍流交換，是重污染天氣維持和污染物累積的重要條件。白天，近地層熱力條件好轉，逆溫層厚度和強度減弱；入夜后逆溫加強，大氣對污染物的容納能力下降，擴散條件進一步轉差。北京和邢臺兩地近地面至 700 hPa探空結果（08:00和20:00）顯示，該地區多日存在接地逆溫，低空形成暖區，垂直擴散條件差。19日和20日夜間，北京和邢臺污染較重，出現雙層甚至多層逆溫現象。與邢臺相比，北京逆溫層較厚，底層逆溫最高延伸至900 hPa，溫度隨高度的變化較快。以20日為例，08:00北京逆溫強度為 10 ℃左右，20:00逆溫強度為8 ℃左右；邢臺20日08:00和20:00逆溫強度為3～4 ℃（圖8）。

3.4.3 邊界層高度

利用NCEP FNL日平均邊界層數據進行分析，結果顯示（圖 9），15日北京、天津和河北北部的邊界層高度大于500 m，河北中南部污染較重，邊界層低于400 m。16—17日河北北部、北京北部及西部山區邊界層高度降低至100 m以下，靜穩條件迅速成立，北京城區及南部、天津和河北中南部雖然污染物質量濃度較高，但邊界層高度維持在200～400 m，有利于污染物向北輸送及其在垂直方向上的混合。18—21日，京津冀邊界層高度由北向南逐漸降低，基本低于100 m，減弱了污染物在垂直方向上的擴散能力和大氣環境容量，對應此次污染過程中逆溫最強、污染程度最重時段。21—22日，隨著冷空氣逐漸南壓，靜穩條件自河北西北部開始解除，水平和垂直方向的擴散條件逐漸好轉。22日，京津冀邊界層高度基本超過500 m，但京、津、冀交界一帶的邊界層高度依然較低，與圖2顯示的該區域依然存在明顯的霾天氣一致，具體原因有待進一步探討。

圖8 2016年12月16—21日08時和20時北京觀象臺及邢臺站的溫度廓線圖Fig.8 Vertical temperature in Beijing and Xingtai in December 16—22 of 2016

3.4.4 相對濕度和能見度

重污染過程中京津冀大部分地區能見度持續低于5 km。16—19日，北京相對濕度和能見度日變化顯著（圖10）。20—21日相對濕度維持在90%以上，日變化特征逐漸減弱。較高的相對濕度導致細顆粒物吸濕增長，消光作用增強，能見度低于 1 km，最低能見度不足100 m。石家莊16—19日相對濕度日變化明顯，能見度持續低于2 km，日變化不顯著。20日和21日石家莊相對濕度超過95%，最高達97%，日均能見度小于500 m，最低不足200 m，均出現在夜間至早晨時段（表1、表2）。天津16—18日相對濕度和能見度日變化明顯（圖10），16日相對濕度為64%～83%，日均值為75%，能見度日均值為10 km左右。17日和18日相對濕度為81%～97%，日均值分別為88%和92%，相較于16日有所升高，能見度明顯降低，17日能見度為1.7～6.3 km，日均值為3.9 km，18日能見度為0.2～3.2 km，日均值為1.6 km。19—21日高濕狀態穩定，最低相對濕度超過 94%。19日平均相對濕度達98%，出現最低能見度，日均值不足300 m，一天共12個時次能見度不足50 m，20個時次能見度不足1 km；20日和21日相對濕度日均值分別為98%和96%，日均能見度不足2 km，35%的時間能見度低于1 km（表1、表2）。

3.4.5 顆粒物質量濃度與能見度的關系

圖11所示為北京南郊觀象臺12月16—21日剔除了相對濕度高于90%的數據后，逐時能見度與顆粒物質量濃度之間相關關系分析圖，回歸方程均通過了99.9%的置信度檢驗。由圖可知，自16日開始，觀象臺的能見度持續低于5 km，PM2.5和PM10質量濃度為 100～450 μg·m-3；由圖 2 也可知，16 日污染帶已推進至北京南部。圖 11(a)和圖 11(c)所示分別為能見度的對數值與PM10、PM2.5質量濃度對數值之間的線性關系（Zhang et al.，2010），結果與Ji et al.（2012）的結論一致。此次污染過程中能見度對數值與 PM2.5對數值的線性擬合度更高。圖11 (b)和圖11 (d)所示為能見度與顆粒物質量濃度之間的非線性擬合，同樣也表明能見度與 PM2.5質量濃度擬合度更高，相關性更好。PM10質量濃度達到150～250 μg·m-3的時段內仍有能見度超過3 km的個別現象，經檢驗為相對濕度低于 80%時出現的個例；當 PM10質量濃度超過 250 μg·m-3，能見度均低于2 km，能見度隨PM10質量濃度變化較規律。當PM2.5質量濃度高于 100 μg·m-3時，其與能見度的相關性一直優于PM10。

圖9 12月15—22日京津冀地區NCEP FNL邊界層高度空間分布圖Fig.9 Regional NCEP FNL Boundary layer height in December 15—22 of 2016

4 結論

本文利用多種數據對2016年12月16—22日的空氣重污染天氣進行分析，結論如下，（1）此次污染過程，京津冀地區可視的霧和霾覆蓋面積均超過行政區域面積的70%，污染等級為輕度污染及以上的天數達到4 d，首要污染物為PM2.5，石家莊、北京和天津PM2.5質量濃度最高分別為684、497和384 μg·m-3。在高低空風場主導下，污染帶由南向北推進，河北中南部及北京中南部污染較重。（2）ρ(NO2)/ρ(SO2)和 ρ(CO)/ρ(SO2)的時間變化趨勢顯示，石家莊主要是固定源排放，19日之前其對北京和天津的污染物輸送是導致京、津污染物累積的主要原因，后期本地排放貢獻率有所增加，可能與大氣穩定度、本地環境容量的飽和及減排有關。（3）衛星數據顯示了邊界層內污染物的區域輸送。15日，850 hPa、700 hPa及近地面的偏北風使污染物堆積在河北中南部及以南地區；16—21日，京津冀中南部轉為偏南風，北部偏西風，相對濕度增加，霾層增厚，AOD大于1.5，AI高于2.5。（4）氣象要素在污染過程中的作用至關重要：穩定的環流形勢和低層的暖平流有利于逆溫層強度和厚度的增加，北京的逆溫條件優于河北，對應著污染中后期更低的邊界層高度。在相對濕度低于90%時，PM2.5和PM10的質量濃度對能見度影響顯著，但前者與能見度的相關性更高，無論是線性還是指數回歸分析其擬合度均優于PM10。

目前的結果均基于觀測數據對污染的發生發展進行討論，下一步擬基于高分辨率再分析數據、大氣化學模式結果和數據同化技術對污染機理、污染傳輸機制及大氣成分變化做進一步探究與預報。同時，隨著科學技術的發展，雷達、微波輻射計和衛星等可以提供越來越多的垂直廓線結果，為污染物和氣象要素的垂直分布特征提供了新的研究途徑。

表1 2016年12月16—22日北京、石家莊和天津的相對濕度日均值及污染過程平均值Table1 Daily averaged relative humidity in Beijing, Shijiazhuang and Tianjin in December 16—22 of 2016

表2 2016年12月16—22日日北京、石家莊和天津的能見度日均值及污染過程平均值Table2 Daily averaged visibility in Beijing, Shijiazhuang and Tianjin in December16—22 of 2016

圖10 2016年12月16—22日北京觀象臺、石家莊和天津站的相對濕度和能見度Fig.10 Relative humidity and visibility in Beijing, Shijiazhuang and Tianjin in December 16—22 of 2016

圖11 2016年12月16—21日北京觀象臺（54511）逐時能見度與顆粒物質量濃度關系圖Fig.11 Plots of log (visibility) vs. log (PMs) and relations between visibility and PMs during 16—21 December

CHE H, XIA X, ZHU J, et al. 2015. Aerosol optical properties under the condition of heavy haze over an urban site of Beijing, China [J].Environmental Science and Pollution Research, 22(2): 1043-1053.

DUBOVIK O, SMIRNOV A, HOLBEN B N, et al. 2000. Accuracy assessments of aerosol optical properties retrieved from Aerosol Robotic Network (AERONET) Sun and sky radiance measurements[J]. Journal of Geophysical Research: Atmospheres (1984—2012),105(D8): 9791-9806.

FIEDLER V, NAU R, LUDMANN S, et al. 2009. East Asian SO2 pollution plume over Europe–Part 1: Airborne trace gas measurements and source identification by particle dispersion model simulations [J].Atmospheric Chemistry and Physics, 9(14): 4717-4728.

HAN X, ZHANG M, GAO J, et al. 2014. analysis of the seasonal characteristics of haze formation in Beijing [J]. Atmospheric Chemistry and Physics, 14(18): 10231-10248.

HSU N C, JEONG M J, BETTENHAUSEN C, et al. 2013. Enhanced Deep Blue aerosol retrieval algorithm: The second generation [J]. Journal of Geophysical Research: Atmospheres, 118(16): 9296-9315.

JACKSON J M, LIU H, LASZLO I, et al. 2013. Suomi-NPP VIIRS aerosol algorithms and data products [J]. Journal of Geophysical Research:Atmospheres, 118(22).

JI D, LI L, WANG Y, et al. 2014. The heaviest particulate air-pollution episodes occurred in northern China in January, 2013: Insights gained from observation [J]. Atmospheric Environment, 92: 546-556.

JI D, WANG Y, WANG L, et al. 2012. Analysis of heavy pollution episodes in selected cities of northern China [J]. Atmospheric Environment, 50:338-348.

JIANG C, WANG H, ZHAO T, et al. 2015. Modeling study of PM2.5pollutant transport across cities in China's Jing–Jin–Ji region during a severe haze episode in December 2013 [J]. Atmospheric Chemistry and Physics, 15(10): 5803-5814.

LEVELT P F, HILSENRATH E, LEPPELMEIER G W, et al. 2006. Science objectives of the ozone monitoring instrument [J]. IEEE Transactions on Geoscience and Remote Sensing, 44(5): 1199-1208.

SHAO M, TANG X, ZHANG Y, et al. 2006. City clusters in China: air and surface water pollution [J]. Frontiers in Ecology and the Environment,4(7): 353-361.

SUN Y, JIANG Q, WANG Z, et al. 2014. Investigation of the sources and evolution processes of severe haze pollution in Beijing in January 2013[J]. Journal of Geophysical Research: Atmospheres, 119(7):4380-4398.

TANG G, ZHU X, HU B, et al. 2015.Impact of emission controls on air quality in Beijing during APEC 2014: lidar ceilometer observations [J].Atmospheric Chemistry and Physics, 15(21): 12667-12680

TAO M, CHEN L, XIONG X, et al. 2014. Formation process of the widespread extreme haze pollution over northern China in January 2013: Implications for regional air quality and climate [J]. Atmospheric environment, 98: 417-425.

TORRES O, TANSKANEN A, VEIHELMANN B, et al. 2007. Aerosols and surface UV products from Ozone Monitoring Instrument observations:An overview [J]. Journal of Geophysical Research: Atmospheres,112(D24).

VAN DONKELAAR A, MARTIN R V, BRAUER M, et al. 2010. Global estimates of ambient fine particulate matter concentrations from satellite-based aerosol optical depth: development and application [J].Environmental health perspectives, 118(6): 847-855.

WANG H, WHEELER D. 2005. Financial incentives and endogenous enforcement in China's pollution levy system [J]. Journal of Environmental Economics and Management, 49(1): 174-196.

ZHANG J K, SUN Y, LIU Z R, et al. 2014. Characterization of submicron aerosols during a month of serious pollution in Beijing, 2013 [J].Atmospheric Chemistry and Physics, 14(6): 2887-2903.

ZHANG Q H, ZHANG J P, XUE H W. 2010. The challenge of improving visibility in Beijing [J]. Atmospheric Chemistry and Physics, 10(16):7821-7827.

ZHANG X Y, WANG Y Q, NIU T, et al. 2012. Atmospheric aerosol compositions in China: spatial/temporal variability, chemical signature,regional haze distribution and comparisons with global aerosols [J].Atmospheric Chemistry and Physics, 12(2): 779-799.

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

李珊珊, 程念亮, 潘濤, 等. 2016. 2014年10月京津冀一次空氣重污染過程分析[J]. 環境科學與技術, 39(3): 162-169.

劉燚. 2010. 京津冀地區空氣質量狀況及其與氣象條件的關系[D]. 長沙:湖南師范大學.

孟昭陽, 張懷德, 蔣曉明, 等. 2007. 太原地區冬春季 PM2.5污染特征及影響因素[J]. 中國科學院研究生院學報, 24(5): 648-656.

任陣海, 萬本太, 蘇福慶, 等. 2004. 當前我國大氣環境質量的幾個特征[J]. 環境科學研究, 17(1): 1-6.

任陣海, 萬本太, 虞統, 等. 2006. 不同尺度大氣系統對污染邊界層的影響及水平流場輸送[J]. 環境科學研究, 17(10): 7-13.

孫兆彬, 廖曉農, 王占山, 等. 2016. 北京地區空氣重污染下霧凇和偏東風對PM2.5清除作用[J]. 環境科學, 37(10): 3679-3685.

王莉莉, 王躍思, 王迎紅, 等. 2013. 北京夏末秋初不同天氣形勢對大氣污染物濃度的影響[J]. 中國環境科學, 30(7): 924-930.

楊素英, 趙秀勇, 劉寧微. 2010. 北京秋季一次重污染天氣過程的成因分析[J]. 氣象與環境學報, 26(5): 13-16.

翟世賢, 安興琴, 孫兆彬, 等. 2015. 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, 35(7): 1921-1930.

張勇, 銀燕, 劉藴芳, 等. 2014. 北京秋季大氣氣溶膠光學厚度與Angstr?m指數觀測研究[J]. 中國環境科學, 34(6): 1380-1389.

中國環境年鑒編輯委員會. 2001—2010. 中國環境年鑒[K]. 北京: 中國環境年鑒社.

Analysis of A Heavily Polluted Event in Beijing-Tianjin-Hebei Region in December, 2016

YIN Xiaomei1,2, SUN Zhaobin1, GUO Chunwei1, TANG Yixi2, LI Ziming2
1. Institute of Urban Meteorology, Beijing 100089, China;2. Environmental Meteorology Forecast Center of Beijing-Tianjin-Hebei, Beijing, 100089, China

A heavily polluted event occurred in Beijing-Tianjin-Hebei (BTH) Region in December 16-21, 2016. The dense haze clouds covering the BTH Region during the severely polluted period were mixed with fogs, leading to the visibility below 5 km for almost one week. In this study, we investigated the formation process of the extreme air pollution event in BTH Region in December 2016, using satellite retrievals of Aerosol Optical Depths (AOD) and Aerosol Index (AI), ground measurements of Aerosol Robotic Network (AERONET) AOD, wind data from ERA-interim, planetary boundary layer (PBL) heights from NCEP FNL reanalysis and other meteorological and aerosol observations. The haze clouds initially exhibited large spatial variations with peak aerosol concentrations in the north part of the BTH Region. In December 18—21, high AOD and AI values were observed in the south part of Beijing and the south-central Hebei province, which were driven by repeated alternation of airflows from different directions from the surface layer to 700 hPa, indicating accumulated aerosols and prevalent absorbing aerosols in these areas. Before December 19,the contributions of regional transports and residential emissions to aerosol concentrations in Beijing were higher than those of local emissions, while the contributions of local accumulated pollution and transportation sources increased after December 19, resulting from the regional emission reductions. Results also revealed that the AOD values and contributions of fine particles to total aerosols increased with enhanced aerosol mass concentrations, except for the events with weak cold air or rime. Stable synoptic conditions,low PBL heights, strong thermal inversion and weak south wind played important roles in the formation and persistence of the severe haze event. High relative humidity and aerosol concentrations were the main causes of low visibility. Using the method of fitting analysis, we found that the impacts of PM2.5on visibility were higher than those of PM10with the same relative humidity.

heavy air pollution; aerosols; AERONET; satellite; meteorological conditions

10.16258/j.cnki.1674-5906.2017.12.011

X16

A

1674-5906（2017）12-2071-13

尹曉梅, 孫兆彬, 郭淳薇, 唐宜西, 李梓銘. 2017. 2016年12月京津冀一次重污染天氣過程分析[J]. 生態環境學報,26(12): 2071-2083.

YIN Xiaomei, SUN Zhaobin, GUO Chunwei, TANG Yixi, LI Zimin. 2017. Analysis of a heavily polluted event in Beijing-Tianjin-Hebei Region in December , 2016 [J]. Ecology and Environmental Sciences, 26(12): 2071-2083.

中央級公益性科研院所基本科研業務費專項基金項目（IUMKY201738）；中國氣象局預報員專項（CMAYBY2017-003）

尹曉梅（1988年生），女，工程師，博士研究生，研究方向為污染物清單反演及數據同化研究、污染過程預報預警。E-mail:yinxiaomei@lasg.iap.ac.cn

2017-09-08