2015年北京“閱兵藍(lán)”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(lán)”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(shù)據(jù),對2015年8～9月北京田徑世錦賽和抗戰(zhàn)勝利70周年紀(jì)念活動期間的北京P M2.5濃度變化特征及其相關(guān)的大氣污染氣象條件進(jìn)行了研究,并采用大氣化學(xué)數(shù)值模式模擬了氣象條件、減排措施和區(qū)域減排聯(lián)合行動對北京PM2.5濃度下降的作用和貢獻(xiàn).結(jié)果表明：紀(jì)念活動期間北京地區(qū)空氣質(zhì)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(wěn)定少動為空氣質(zhì)量改善提供了良好的大氣環(huán)流條件,北京地區(qū)混合層高度相比前期升高20%,相對濕度降低 17%,風(fēng)速增大 7%,氣象要素變化為慶?；顒悠陂g PM2.5濃度下降提供了良好的氣象條件,尤其是地面主導(dǎo)風(fēng)向轉(zhuǎn)為偏北風(fēng)后,阻止了北京城南及華北中南部地區(qū)的污染物輸入北京城區(qū);CAMx模式的模擬結(jié)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(xiàn)率達(dá)73%;紀(jì)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(zhì)量的貢獻(xiàn)率約為72%,周邊地區(qū)減排的貢獻(xiàn)率約為28%.

空氣污染氣象條件；數(shù)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(zhì)量,政府多次采取應(yīng)急減排措施,如 2008年北京奧運(yùn)會、2010年廣州亞運(yùn)會和2014年北京APEC會議等.有學(xué)者研究這些活動期間的空氣質(zhì)量變

化特征發(fā)現(xiàn),應(yīng)急減排等措施對于改善空氣質(zhì)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(kuò)散、稀釋和積累等作用,從而對空氣質(zhì)量有重要的影響. 20世紀(jì)6、70年代以來,氣象研究者就氣象條件與污染物濃度的關(guān)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(fēng)向、風(fēng)速、湍流以及穩(wěn)定度對空氣污染物擴(kuò)散有重要影響.任陣海等[6]研究表明,穩(wěn)定的天氣形勢是造成局地嚴(yán)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(dǎo)致污染物輸送,是形成污染區(qū)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(jié)變化有較大差異.如 Streets等[14]用CMAQ模式模擬了排放源,發(fā)現(xiàn) 2008年奧運(yùn)會期間河北省污染物排放對北京PM2.5濃度貢獻(xiàn)達(dá)到 50%～70%.張艷等[18]對上海地區(qū)空氣質(zhì)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(qū)對上海大氣污染貢獻(xiàn)率與風(fēng)向、風(fēng)力關(guān)系非常密切,且呈現(xiàn)出明顯的季節(jié)性差異.

目前,關(guān)于大氣污染研究工作的一個重點(diǎn)是分析減排措施對改善空氣質(zhì)量的貢獻(xiàn),其次是探討氣象條件在重污染天氣形成中的作用.然而,結(jié)合減排措施和氣象條件的綜合研究卻比較少.科學(xué)區(qū)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(xiàn),為科學(xué)制定大氣污染防治措施及調(diào)控目標(biāo)提供決策依據(jù),避免防治不當(dāng)和過度防御造成不必要的資源浪費(fèi),這已經(jīng)成為當(dāng)前環(huán)境、氣象部門面臨的重要任務(wù).本文選取2015年北京舉行的抗戰(zhàn)勝利70周年紀(jì)念活動期間,京津冀及周邊地區(qū)聯(lián)合進(jìn)行大氣污染區(qū)域聯(lián)防聯(lián)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(diǎn)研究氣象條件和減排措施對空氣質(zhì)量改善的貢獻(xiàn)和區(qū)域聯(lián)防的作用,探討如何結(jié)合氣象條件進(jìn)行科學(xué)污染減排,為今后空氣質(zhì)量應(yīng)急預(yù)案和區(qū)域聯(lián)防聯(lián)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(shù)據(jù)來自環(huán)保部中國環(huán)境監(jiān)測總站發(fā)布的全國城市空氣質(zhì)量逐小時觀測數(shù)據(jù)以及中國氣象局大氣成分觀測數(shù)據(jù).由于 PM2.5是現(xiàn)階段政府大氣污染防控治理的主要對象和考核指標(biāo),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(shù)據(jù).大氣環(huán)流特征分析采用歐洲中期天氣預(yù)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(qū)的減排保障措施自2015年8月20日陸續(xù)啟動實施.因此文中以8月 20～9月 3日為紀(jì)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(shù)值模擬設(shè)計方案

采用美國Environ公司開發(fā)的CAMx模式對空氣質(zhì)量進(jìn)行模擬,CAMx在對大氣污染物進(jìn)行多尺度綜合模擬的基礎(chǔ)之上,加入了臭氧源分配技術(shù)(OSAT)、顆粒物示蹤技術(shù)(PSAT)、敏感性分析等技術(shù),可以更好地分析污染過程[19].CAMx中對細(xì)顆粒物的來源進(jìn)行分析的 PSAT技術(shù)是通過在模式中加入示蹤變量,以標(biāo)記不同來源的污染物,這不僅可以快速高效地進(jìn)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(shù)在對污染物源解析方面的準(zhǔn)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(qū)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(shù)據(jù)為NCEP(美國國家環(huán)境預(yù)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(jì)念活動期間各省市按行業(yè)排放源減少系數(shù)(%)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(qū)域部分采用清華大學(xué)2012年0.25°分辨率的MEIC排放源清單,中國區(qū)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(jié)變化[25].天然源氣體排放情況采用SMOKE-BEIS3模式計算[26].根據(jù)根據(jù)環(huán)保部相關(guān)部門公布的紀(jì)念活動期間北京市及區(qū)域污染減排情況,本研究在MEIC源清單基礎(chǔ)上,模擬研究采用的減排方案如表1所示.模擬區(qū)域中心坐標(biāo)為 107°E,35°N,水平分辨率為 24km,垂直分層為19層,模擬區(qū)域涵蓋了整個中國區(qū)域.

2 結(jié)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(xiàn)在8月13日,達(dá)119.5μg/m3,小時最高濃度為143μg/m3.按照空氣質(zhì)量國家標(biāo)準(zhǔn)[27],此期間 PM2.5一級達(dá)標(biāo)日只有 2d,二級達(dá)標(biāo)日有 11d,輕度污染出現(xiàn) 5d,中度污染1d,污染日出現(xiàn)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(jì)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(jì)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(xù)15d達(dá)到一級優(yōu)水平,創(chuàng)造有監(jiān)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(dāng).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(jì)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(huán)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(kuò)散、聚積和清除能力的重要約束.北京紀(jì)念活動期間的亞洲平均大氣環(huán)流形勢場(圖2a)顯示,在東亞上空出現(xiàn)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(qū)到渤海、黃海一帶為冷渦低槽區(qū),華北至西北地區(qū)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(dǎo)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(fēng)帶上低槽東移至東北地區(qū)發(fā)展加強(qiáng)而形成的,然后,其穩(wěn)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(xù)3～5d,但是紀(jì)念活動期間冷渦形勢卻維持了13d之久,這與15號臺風(fēng)“天鵝”活動密切關(guān)聯(lián).8月24日,臺風(fēng)“天鵝”北上進(jìn)入西風(fēng)帶,25日在日本九州西部沿海登陸,然后移進(jìn)日本海并轉(zhuǎn)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(jìn)我國東北東部地區(qū),逐漸變?yōu)闇貛庑?并與已減弱的東北冷渦合并,導(dǎo)致冷渦再次發(fā)展加強(qiáng)及穩(wěn)定維持.

東北冷渦是個深厚的冷性氣柱天氣系統(tǒng)[28],由于其溫壓場結(jié)構(gòu)不對稱,冷渦中的冷空氣不斷沿其西側(cè)偏北氣流南下影響華北地區(qū),有利于大氣污染物的水平擴(kuò)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(wěn)定大氣層結(jié),易于產(chǎn)生雷雨天氣,有利于大氣污染物的垂直擴(kuò)散和沉降.2015年6～8月,除紀(jì)念活動期間外,還出現(xiàn)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(huán)流形勢場來看(圖2b),環(huán)流形勢特征同紀(jì)念活動期間冷渦形勢相一致,華北地區(qū)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(jì)念活動期間相當(dāng)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(kuò)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(qū)大氣污染和氣象要素的關(guān)系研究結(jié)果表明,氣溫、近地層濕度、混合層高度和持續(xù)性小風(fēng)及氣壓等氣象要素是影響污染天氣程度的關(guān)鍵氣象因子,其中在典型污染過程中相對濕度與北京地區(qū)空氣污染的相關(guān)系數(shù)達(dá) 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(jì)念活動期間北京地區(qū)的混合層高度、相對濕度、風(fēng)速等影響污染天氣程度的關(guān)鍵氣象要素都呈現(xiàn)出有利空氣質(zhì)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(fēng)速增大7%.相比之下,變化最明顯的是風(fēng)向頻率,北風(fēng)頻率由前期37%增加至69%,南風(fēng)頻率從63%減少至31%,主導(dǎo)風(fēng)向由偏南轉(zhuǎn)為偏北.

表3 紀(jì)念活動前后北京地區(qū)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(zhì)量的可能影響程度,以污染臨界值PM2.5濃度75μg/m3為界,對紀(jì)念活動前期相應(yīng)的氣象要素進(jìn)行統(tǒng)計,其結(jié)果顯示污染時段和空氣質(zhì)量優(yōu)良時段的混合層高度、相對濕度、風(fēng)頻等要素有明顯差異(表3).對比分析前期空氣優(yōu)良時段與紀(jì)念活動期間的氣象要素發(fā)現(xiàn)后者的混合層高度升高 4%,相對濕度降低10%,風(fēng)速增大7%,北風(fēng)頻率增加18%,南風(fēng)頻率則減少18%.由此可見,在紀(jì)念活動期間這些與污染程度密切相關(guān)的氣象要素均比前期空氣優(yōu)良時更加利于污染物消散,從而改善空氣質(zhì)量.前期空氣優(yōu)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(jì)念活動期間沒有采取減排措施,北京空氣質(zhì)量也可以維持在優(yōu)良水平.

2.2.3 氣象條件輸送作用 華北地區(qū)地形特征呈現(xiàn)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(yè)基地.受工業(yè)布局和地形的影響,就北京來看,偏北風(fēng)對污染物有稀釋和清除作用,偏南風(fēng)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(nèi)氣溶膠呈多層復(fù)雜結(jié)構(gòu),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(jì)念活動期間北京大氣污染物傳輸?shù)目赡苡绊?其中通量為數(shù)值模式模擬結(jié)果.從計算結(jié)果來看(圖3),北京平均PM2.5通量與邊界層平均風(fēng)向之間有明顯相關(guān)關(guān)系,大部時段內(nèi),邊界層南風(fēng)和北風(fēng)分別與正、負(fù)凈通量相對應(yīng),最大通量出現(xiàn)在西南風(fēng)下.與西南風(fēng)不同,8月30～31日,當(dāng)北京邊界層為持續(xù)東南風(fēng)時,PM2.5凈通量為負(fù)值,期間北京還出現(xiàn)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(kuò)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(fēng)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(fēng)為主, PM2.5輸送通量變化幅度大,以正通量為主,反映紀(jì)念活動前期,偏南風(fēng)為主的氣象條件對北京大氣污染物有輸送作用.而紀(jì)念活動期間,邊界層轉(zhuǎn)為偏北風(fēng),PM2.5輸送通量以負(fù)值為主,來自北方的清潔空氣有利于北京大氣污染物的擴(kuò)散和清除.分析表明,冷渦控制下氣象條件發(fā)生變化,尤其是地面主導(dǎo)風(fēng)向轉(zhuǎn)為北風(fēng),減少了北京以南地區(qū)污染物對北京的輸送,對北京地區(qū)空氣質(zhì)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(guān)系大致可以歸納為：價值觀與道德判斷之間存在相互協(xié)調(diào)的關(guān)系，也可以理解成為相輔相成關(guān)系，為正相關(guān)關(guān)系。價值觀、攻擊行為與道德判斷、攻擊行為之間存在負(fù)相關(guān)關(guān)系，總體可以表現(xiàn)為：當(dāng)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(yán)重影響，很有可能出現(xiàn)攻擊行為，危害他人與自身。

2.3 數(shù)值模擬分析

2.3.1 模擬驗證 利用 CAMx模式進(jìn)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(jiān)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(jiān)測值之間的相關(guān)系數(shù)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(jié)果有明顯的削峰作用,在紀(jì)念活動期間與監(jiān)測值更為接近.紀(jì)念活動期間白天模擬值與監(jiān)測值吻合較好,晚上存在較大程度的高估,但是相關(guān)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(xué)轉(zhuǎn)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(guān)[35].另外,由于不能準(zhǔn)確掌握詳細(xì)的污染源清單,尤其是在調(diào)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(jié)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(xiàn)模擬分析 上文大氣環(huán)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(zhì)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(guān)系較為復(fù)雜,且各氣象要素之間相互聯(lián)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(biāo)來定量描述氣象條件變化對空氣質(zhì)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(zhì)量改善中的貢獻(xiàn)和作用,其思路是取同一大氣化學(xué)模式,并采用相同的污染源清單,通過不同時段氣象場數(shù)據(jù)驅(qū)動模式進(jìn)行模擬得到污染物濃度,其結(jié)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(jì)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(xiàn),統(tǒng)一采用未進(jìn)行減排處理的 2012年MEIC源清單,利用紀(jì)念活動期間和2014年同期兩個時段的氣象場數(shù)據(jù)驅(qū)動CAMx模式進(jìn)行模

擬.結(jié)果顯示,在相同排放的情況下,由于氣象條件不同造成紀(jì)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(xiàn)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(xiàn)較為接近,分別為54%和46%.值得關(guān)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(fā)性有機(jī)物之間呈現(xiàn)復(fù)雜的關(guān)系,研究表明,并非氮氧化物與揮發(fā)性有機(jī)物降低, O3濃度就會降低,當(dāng)二者控制的比例不適合時,空氣中的 O3濃度短時間內(nèi)也可能出現(xiàn)上升的狀況.此外,O3濃度一般認(rèn)為與日照有較好的相關(guān),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(jì)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(xiàn)率和減排措施貢獻(xiàn)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(xiàn)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(jì)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(jié)果顯示(圖 5a),我國中東部空氣污染區(qū)域中的華北南部和黃淮,江淮和華中的部分地區(qū)出現(xiàn)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(qū)PM2.5濃度下降幅度不明顯(圖5b).

圖5 紀(jì)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(zhì)量優(yōu)良與輕度污染的交界處,減排措施使空氣優(yōu)良區(qū)域向南擴(kuò)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(qū)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(zhì)量為優(yōu),南部為良,減排后,北京大部區(qū)域為優(yōu).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(tǒng)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(jì)念活動期間北京空氣質(zhì)量維持優(yōu)良水平.

2.3.4 區(qū)域減排措施貢獻(xiàn)分析 利用CAMx模式對北京大氣中的一次污染物進(jìn)行標(biāo)記追蹤,以分析區(qū)域排放及減排措施對北京PM2.5濃度變化的貢獻(xiàn).將PSAT受體設(shè)置在北京城區(qū).模式以北京市區(qū)為中心將北京及其周邊地區(qū)劃分為 8個源區(qū),分別為北京、河北北部、河北南部、天津,內(nèi)蒙古,山東,山西和其他地區(qū).其中,河北北部主要是指北京以北的河北省所屬區(qū)域,河北南部是北京以南的河北省所屬地區(qū),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(jì)念活動期間北京PM2.5來源以本地排放貢獻(xiàn)為主,占 57%;在以北風(fēng)為主的天氣背景條件下,河北北部的貢獻(xiàn)率為9.6%,超過河北南部的8.4%;天津貢獻(xiàn)率有9.8%,其他區(qū)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(xì)顆粒物濃度下降貢獻(xiàn)最大,達(dá) 72.2%;河北為 16.2%,次之;天津貢獻(xiàn)7.1%;其他區(qū)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(xiàn)率為 45.4%,較紀(jì)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(xiàn)率也上升至 7.2%(表 5).為了分析不同氣象條件下區(qū)域減排效果的變化,采用與紀(jì)念活動期間相同的減排方案對8月10～19日進(jìn)行了減排模擬分析.結(jié)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(xì)顆粒物濃度下降的貢獻(xiàn)率仍然最大,為 55.4%,而河北貢獻(xiàn)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(xiàn)率則是紀(jì)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(chǎn)生明顯不同效果.

表5 2015年紀(jì)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(jié)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(xué)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(jié)果的準(zhǔn)確性產(chǎn)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(jié)論,揭示有利的氣象條件是2015年北京“閱兵藍(lán)”的主要原因,在不同的氣象條件下,區(qū)域減排貢獻(xiàn)可能會出現(xiàn)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(zhì)量的指標(biāo)之一,研究時段內(nèi) PM2.5濃度大幅下降的同時,O3濃度變化并不明顯,從國際經(jīng)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(guān)系有待今后深入研究.

3 結(jié)論

3.1 紀(jì)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(yōu)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(fēng)“天鵝”和西風(fēng)帶系統(tǒng)相互作用,導(dǎo)致東北冷渦維持時間長,為紀(jì)念活動期間空氣質(zhì)量改善提供了良好的大氣環(huán)流條件.由于冷渦的影響,紀(jì)念活動期間相對濕度、混合層高度、風(fēng)向等氣象要素都出現(xiàn)有利于空氣質(zhì)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(jié)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(xiàn)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(qū)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(jì)念活動期間北京 PM2.5來源以本地排放貢獻(xiàn)為主,本地的減排措施對細(xì)顆粒物濃度下降貢獻(xiàn)率最大,達(dá)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(huán)境科學(xué), 2011,31(4)： 553-560.

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

[3] 劉建國,謝品華,王躍思,等. APEC前后京津冀區(qū)域灰霾觀測及控制措施評估 [J]. 中國科學(xué)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(huán)境保護(hù), 1975(1)：11-14.

[5] 董志根.大氣污染與氣象條件的關(guān)系及預(yù)測 [J]. 環(huán)境科學(xué)叢刊, 1986,7(2)：53-55.

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

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

[8] 張人禾,李 強(qiáng),張若楠.2013年 1月中國東部持續(xù)性強(qiáng)霧霾天氣產(chǎn)生的氣象條件分析 [J]. 中國科學(xué)：地球科學(xué), 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(huán)境大氣重污染過程周邊源影響域 [J]. 應(yīng)用氣象學(xué)報, 2006,17(6)：815-828.

[12] 顏 鵬,黃 健.周邊地區(qū)對北京地面SO2影響的初步研究 [J].應(yīng)用氣象學(xué)報, 2002,13：144-152.

[13] 徐祥德,周 麗,周秀驥,等.城市環(huán)境大氣重污染過程周邊源影響域 [J]. 中國科學(xué)：地球科學(xué), 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(yuǎn)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(huán)境科學(xué), 2005,25(2)：133-137.

[18] 張 艷,余 琦,伏晴艷,等.長江三角洲區(qū)域輸送對上海市空氣質(zhì)量影響的特征分析 [J] .中國環(huán)境科學(xué), 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(shù)計算日本和韓國低層大氣SO2和PSO4來源 [J]. 環(huán)境科學(xué)研究, 2014,27(6)：582-588.

[23] 薛文博,付 飛,王金南,等.中國PM2.5跨區(qū)域傳輸特征數(shù)值模擬研究 [J]. 中國環(huán)境科學(xué), 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(huán)境空氣質(zhì)量標(biāo)準(zhǔn) [S].

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

[29] 隋珂珂,王自發(fā),楊 軍,等.北京PM10持續(xù)污染及與常規(guī)氣象要素的關(guān)系 [J]. 環(huán)境科學(xué)研究, 2007,20(6)：77-82.

[30] 蔣伊蓉,朱 蓉,朱克云,等.京津冀地區(qū)重污染天氣過程的污染氣象條件數(shù)值模擬研究 [J]. 環(huán)境科學(xué)學(xué)報, 2015,35(9)：2681-2692.

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

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

[33] 吳 兌,廖碧婷,吳 蒙,等.環(huán)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(huán)境科學(xué)學(xué)報, 2014,34(1)： 1-11.

[34] 王耀庭,苗世光,張小玲.基于激光雷達(dá)的北京市氣溶膠光學(xué)參數(shù)季節(jié)特征 [J]. 中國環(huán)境科學(xué), 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(yáng).氣象因素對北京臭氧的影響 [J]. 生態(tài)環(huán)境學(xué)報, 2009,18(3)：944-951.

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

致謝：感謝清華大學(xué)MEIC團(tuán)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(yù)報及環(huán)境氣象方向研究.發(fā)表論文20余篇.

2016-03-03

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

* 責(zé)任作者, 高級工程師, Kangzm@cma.gov.cn