天津市PM2.5濃度時(shí)空分布特征及重污染過程來源模擬分析

孟麗紅, 蔡子穎, 李英華, 郝 囝, 王雪蓮

1.天津市氣象科學(xué)研究所, 天津 300074

2.天津市環(huán)境氣象中心, 天津 300074

近年來，我國(guó)華北地區(qū)重污染現(xiàn)象頻發(fā)，呈單一煤煙型污染向復(fù)合型污染轉(zhuǎn)變、局地性向區(qū)域性拓展的態(tài)勢(shì)[1]，而秋冬季以PM2.5為首要污染物的重污染天氣發(fā)生頻率呈上升趨勢(shì)[2]，PM2.5由于粒徑較小對(duì)人體健康和大氣環(huán)境的危害較為突出[3-4]，逐漸成為人們關(guān)注的重點(diǎn)和研究的熱點(diǎn).

國(guó)內(nèi)外學(xué)者圍繞重污染天氣中PM2.5的形成機(jī)理開展了較多的研究. Grazia等[5-10]研究發(fā)現(xiàn)，靜穩(wěn)的天氣背景、本地污染源強(qiáng)度、特殊地形條件及外來污染物的輸送均是造成北京市及其他地區(qū)區(qū)域大氣中PM2.5污染的重要原因. 關(guān)于大氣邊界層對(duì)PM2.5污染的影響，國(guó)內(nèi)外學(xué)者通過研究初步揭示了PM2.5污染過程所具有的邊界層結(jié)構(gòu)特征[11-13]，發(fā)現(xiàn)穩(wěn)定的大氣垂直結(jié)構(gòu)不利于大氣湍流[14]、水汽的垂直交換[15-16]及污染物的垂直擴(kuò)散[17-18]. 關(guān)于PM2.5時(shí)空分布特征方面，周磊等[19]從宏觀方面對(duì)京津冀及周邊地區(qū)進(jìn)行研究，發(fā)現(xiàn)PM2.5污染在空間上呈河南省(山東省)—河北省—北京市(天津市)一線的帶狀分布特征；王華杰等[20]研究發(fā)現(xiàn)，安徽省污染物年際變化呈增長(zhǎng)趨勢(shì)，空間分異度變化較大. 然而PM2.5污染的時(shí)空分布特征及區(qū)域來源因不同地區(qū)和城市本地化、天氣因素等不同而有所差異，針對(duì)作為我國(guó)北方重要工業(yè)城市和港口的天津市，PM2.5污染分布及區(qū)域來源仍需進(jìn)行深入全面的研究.

空氣質(zhì)量模式能夠模擬大氣污染物的時(shí)空演變，從物理和化學(xué)機(jī)制上解析污染成因和來源，是科學(xué)研究和管理決策的重要工具，利用數(shù)值模擬識(shí)別和量化大氣污染的區(qū)域來源是其中重要的應(yīng)用之一[21]，關(guān)于天津市PM2.5污染期間大氣邊界層特征[22-23]，以及顆粒物濃度、能見度等與氣象要素的關(guān)系已進(jìn)行了大量研究[24-27]，然而針對(duì)天津市PM2.5污染時(shí)空分布和區(qū)域來源的模擬量化研究較為鮮見，區(qū)域性污染對(duì)天津市重污染形成的影響還不清楚，給天津市重污染過程防控帶來了較大困難. 基于此，該研究利用天津市監(jiān)測(cè)數(shù)據(jù)分析了2014—2017年ρ(PM2.5)的時(shí)空分布特征，并利用WRF-Chem模式模擬了2016年秋冬季大氣環(huán)境及一次重污染過程中污染物的區(qū)域來源，明確了不同污染狀態(tài)下天津市PM2.5來源及跨界輸送，以期為大氣污染控制、決策及防治提供科學(xué)依據(jù).

1 材料與方法

1.1 數(shù)據(jù)來源

ρ(PM2.5)數(shù)據(jù)選用2014年1月1日—2017年12月31日天津市環(huán)境監(jiān)測(cè)中心發(fā)布的天津市逐小時(shí)空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)，共27個(gè)環(huán)境監(jiān)測(cè)站點(diǎn)(見圖1)，可覆蓋天津市所有區(qū)縣. 氣象數(shù)據(jù)來源于天津市各自動(dòng)氣象站，主要包括相對(duì)濕度、能見度等氣象要素.

圖1 天津市環(huán)境監(jiān)測(cè)站點(diǎn)分布Fig.1 Distribution of environmental sites in Tianjin City

1.2 模式介紹

圖2 2014—2017年天津市ρ(PM2.5)月變化規(guī)律Fig.2 Monthly variation of PM2.5 concentration in Tianjin City during 2014-2017

WRF-Chem模式是NCAR(National Center for Atmospheric Research，美國(guó)國(guó)家環(huán)境預(yù)測(cè)中心國(guó)家大氣研究中心)和NOAA(National Oceanic and Atmospheric Administration，美國(guó)國(guó)家海洋大氣局)聯(lián)合大學(xué)和研發(fā)機(jī)構(gòu)開發(fā)的中尺度在線大氣化學(xué)模式，模式考慮大氣污染的化學(xué)過程、平流輸送、湍流擴(kuò)散、干濕沉降過程，在全球空氣質(zhì)量預(yù)報(bào)和模擬中有廣泛的運(yùn)用. 該研究采用WRF-Chem 3.4版本，模式的人為排放源清單使用清華大學(xué)MEIC(2016年)，分辨率為0.25°×0.25°，化學(xué)過程采用MOZART-4，長(zhǎng)波輻射方案和短波輻射方案均采用RRTMG，邊界層方案使用YSU方案，模式采用兩層嵌套，水平分辨率分別為27和9 km，水平網(wǎng)格分別為91×91和109×109，中心經(jīng)緯度為38.6°N、116.2°E，垂直方向分為27層. 氣象初始場(chǎng)和背景場(chǎng)均使用NECP的FNL全球1°×1°數(shù)據(jù)；開發(fā)過程中將一次污染物PM2.5標(biāo)記方法整合到模型中[28]，以便在污染期間識(shí)別不同源區(qū)對(duì)模擬地區(qū)的主要PM2.5貢獻(xiàn). 標(biāo)記方法是類似于顆粒物分配技術(shù)(PAST)的質(zhì)量平衡技術(shù)，可以將其應(yīng)用于任何區(qū)域，其跟蹤計(jì)算模擬區(qū)域內(nèi)源自不用源區(qū)(自變量)的ρ(PM2.5)，這種標(biāo)記方法中的示蹤劑考慮了物理過程(如平流、垂直混合、對(duì)流)影響，該方法中根據(jù)天津市地形特征及周邊環(huán)境，模擬區(qū)域被分成17個(gè)源區(qū)域，分別為天津市(區(qū)域1)，北京市(區(qū)域2)，張家口市(區(qū)域3)，邢臺(tái)市(區(qū)域4)，唐山市(區(qū)域5)，石家莊市(區(qū)域6)，秦皇島市(區(qū)域7)，廊坊市(區(qū)域8)，衡水市(區(qū)域9)，邯鄲市(區(qū)域10)，承德市(區(qū)域11)，滄州市(區(qū)域12)，保定市(區(qū)域13)，陜西省、山西省(區(qū)域14)，山東省(區(qū)域15)，遼寧省、江蘇省、河南省、安徽省(區(qū)域16)，海洋(區(qū)域17). 在數(shù)值模擬分析過程中統(tǒng)一將區(qū)域3～13合并為河北省，區(qū)域16由于涉及省份較多且方位不一，歸為其他類. 將每個(gè)源區(qū)域識(shí)別的PM2.5作為獨(dú)立變量進(jìn)行跟蹤. 對(duì)于任意時(shí)間，通過i識(shí)別的一次污染物ρ(PM2.5)計(jì)算公式：

Ci(t+Δt)=Ci(t)+ΔCi

(1)

ΔCi=ΔChemi+ΔPhyi+ΔEmisi

(2)

式中：Ci(t)為在t時(shí)刻i識(shí)別下的ρ(PM2.5)，μgm3；Δt為時(shí)間步長(zhǎng)，s；Ci(t+Δt)為t+Δt時(shí)刻i識(shí)別下的ρ(PM2.5)，μgm3；ΔCi為i識(shí)別下初始ρ(PM2.5)的變化量，μgm3；ΔChemi為i識(shí)別下由化學(xué)反應(yīng)引起的質(zhì)量濃度變化，在氣溶膠化學(xué)中，一次污染物PM2.5不參與化學(xué)計(jì)算，因此，ΔChemi為0；ΔPhyi為i識(shí)別下物理過程的總和(包括平流、垂直混合、干濕沉降和對(duì)流)，每個(gè)跟蹤變量都像正常模擬那樣進(jìn)行物理過程的所有相關(guān)計(jì)算，但不會(huì)干擾正常模型計(jì)算，因此將直接獲得物理過程引起的質(zhì)量濃度變化，μgm3；ΔEmisi為i識(shí)別下區(qū)域內(nèi)的總排放量，μgm3. 與傳統(tǒng)的靈敏度分析相比，該一次污染物PM2.5標(biāo)記模型可以更準(zhǔn)確地測(cè)量所有相關(guān)區(qū)域的ρ(PM2.5)，同時(shí)減少計(jì)算誤差.

2 結(jié)果與討論

2.1 ρ(PM2.5)年變化規(guī)律

統(tǒng)計(jì)分析天津市2014—2017年ρ(PM2.5)年均值情況，發(fā)現(xiàn)自2014年以來天津市ρ(PM2.5)年均值呈下降趨勢(shì). 其中，2014年ρ(PM2.5)年均值為85 μgm3，2015年較2014年降度達(dá)21%；而2016年ρ(PM2.5)年均值雖有下降，但幅度很小，與2015年相比只下降1 μgm3；2017年天津市ρ(PM2.5)年均值下降明顯，為63 μgm3，較2014年下降了35%，較2016年下降了9.5%. 與GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》二級(jí)標(biāo)準(zhǔn)限值(35 μgm3)相比，天津市ρ(PM2.5)仍然處于超標(biāo)狀態(tài).

2.2 ρ(PM2.5)月變化規(guī)律

由圖2可見：天津市ρ(PM2.5)月變化整體呈“U”型分布. 天津市ρ(PM2.5)月均值的最大值一般出現(xiàn)在1月和12月. 其中，2014年和2017年1月的ρ(PM2.5)月均值最大，分別為114和108 μgm3； 而2015年和2016年12月的ρ(PM2.5)月均值最大，分別為124和139 μgm3. 冬季(1月、11月、12月)，天津市ρ(PM2.5)月均值處于快速增長(zhǎng)并達(dá)最大值的階段； 2月處于下降期； 3月由于氣象條件影響ρ(PM2.5)月均值有時(shí)下降有時(shí)反彈，如2014年和2016年3月的ρ(PM2.5)月均值存在小幅反彈過程，與全年次高值(1月)持平；之后隨著冬季供熱結(jié)束，4月ρ(PM2.5)月均值繼續(xù)下降； 5—10月為低值穩(wěn)定期，其中8月ρ(PM2.5)月均值降至全年最低. 總體來說，ρ(PM2.5)季節(jié)性變化呈冬季(1月、11月、12月)>春季(3—5月)>秋季(9—10月)>夏季(6—8月)的規(guī)律. 2014—2017年冬季ρ(PM2.5)月均值范圍為74～109 μgm3，明顯高于春季、秋季和夏季，而春季和秋季的ρ(PM2.5)月均值相差較小，春季比秋季略高0.3 μgm3.

ρ(PM2.5)月均值變化原因主要有以下兩點(diǎn)：①隨著冬季供暖期的開始，供熱鍋爐(燃煤、燃油和燃?xì)?污染物排放量明顯增大，1月達(dá)最高值，4月隨著供暖結(jié)束ρ(PM2.5)逐漸減低. ②與氣象因素相關(guān)，冬季穩(wěn)定的大氣環(huán)流背景場(chǎng)、高濕低風(fēng)速的地面氣象條件和低而厚的逆溫層導(dǎo)致大氣層結(jié)穩(wěn)定，不利于污染物擴(kuò)散[29]，而6—8月為天津市的主汛期，由于降水及氣象條件有利于污染物擴(kuò)散，因此，天津市ρ(PM2.5)一般在12月—翌年1月達(dá)最大值，在8月降至最低.

2.3 ρ(PM2.5)日變化規(guī)律

根據(jù)2016年天津市各環(huán)境監(jiān)測(cè)站點(diǎn)ρ(PM2.5)的監(jiān)測(cè)數(shù)據(jù)可得到天津市各區(qū)域的日變化情況，由于各區(qū)域ρ(PM2.5)日變化規(guī)律差異不大，因此以天津市河西區(qū)賓水西道站〔可反映天津市市區(qū)ρ(PM2.5)情況〕實(shí)測(cè)資料為代表進(jìn)行分析.

由圖3可見，觀測(cè)期間ρ(PM2.5)日變化呈雙峰型分布，08:00—09:00出現(xiàn)第1個(gè)峰值(主峰值)，之后隨著大氣湍流加強(qiáng)，垂直方向混合層高度加大[17]，大氣擴(kuò)散能力增強(qiáng)，ρ(PM2.5)逐漸減小，16:00左右ρ(PM2.5)降至最低，21:00—翌日00:00出現(xiàn)第2個(gè)峰值(次峰值). 08:00—09:00的ρ(PM2.5)峰值與交通早高峰一致，夜間的ρ(PM2.5)峰值可能與下班晚高峰、局地氣象條件造成的逆溫引起的ρ(PM2.5)積累有關(guān)[30].

圖3 天津市ρ(PM2.5)日變化規(guī)律Fig.3 Diurnal variation of PM2.5 concentration in Tianjin City

2.4 ρ(PM2.5)的空間分布特征

利用2016年天津市27個(gè)環(huán)境監(jiān)測(cè)站點(diǎn)的PM2.5小時(shí)濃度值，以3月、7月、9月和12月作為典型月分別代表春季、夏季、秋季和冬季，采用數(shù)理統(tǒng)計(jì)法和GIS空間分析法研究天津市ρ(PM2.5)空間結(jié)構(gòu)特征(見圖4).

觀測(cè)期間，各季節(jié)天津市ρ(PM2.5)空間分布不同，春季、夏季、秋季、冬季ρ(PM2.5)高值中心分別位于天津市西南部的靜海區(qū)、中心城區(qū)北部的北辰區(qū)、西部的武清區(qū)，以及北部的薊州區(qū)(見圖4).

天津市顆粒物濃度差異受本地源排放、氣象等原因所致. 從排放源來看，夏季北辰區(qū)本地源貢獻(xiàn)率為62%；冬季薊州區(qū)本地源貢獻(xiàn)率為67%[31]；從氣象條件來看，西南風(fēng)是天津市冬季主導(dǎo)風(fēng)向之一[24]，薊州區(qū)位于天津市最北部，根據(jù)2016年12月風(fēng)頻資料，天津市西南風(fēng)風(fēng)向頻率為16.2%，為主導(dǎo)風(fēng)向，而薊州區(qū)位于主導(dǎo)風(fēng)向的下風(fēng)向，由于本地排放和污染物輸送，因此造成冬季天津市北部薊州區(qū)ρ(PM2.5)最高.

2.5 模擬過程

2.5.1WRF-Chem模式檢驗(yàn)

為進(jìn)一步驗(yàn)證WRF-Chem模式的模擬結(jié)果，選取天津市2016年1月1日—12月31日ρ(PM2.5)觀測(cè)數(shù)據(jù)與WRF-Chem模式輸出結(jié)果進(jìn)行對(duì)比. 由圖5可見，ρ(PM2.5)的模擬值與觀測(cè)值的時(shí)間序列變化較為一致，全年ρ(PM2.5)模擬值的平均值為63 μgm3，觀測(cè)值的平均值為69 μgm3，ρ(PM2.5)模擬值均在觀測(cè)值的0.5～2倍范圍內(nèi)，模擬值略微偏低，這可能與排放源以及模型在多相氧化過程和濕清除過程的不確定性有關(guān)[30].ρ(PM2.5)觀測(cè)值和模擬值相關(guān)系數(shù)為0.74，相對(duì)誤差為14.8%，結(jié)果說明WRF-Chem模式模擬效果良好.

注：等值線上的數(shù)值為ρ(PM2.5).

圖5 2016年天津市ρ(PM2.5)模擬值與實(shí)測(cè)值對(duì)比Fig.5 Comparison between measured and simulated PM2.5 data in Tianjin City, 2016

2.5.2來源模擬

10—12月為天津市重污染過程頻發(fā)的月份，以2016年環(huán)境空氣質(zhì)量統(tǒng)計(jì)資料為例，全年出現(xiàn)重度及嚴(yán)重污染的天數(shù)共29 d，其中10—12月重污染天氣為19 d，約占全年的63%. 利用WRF-Chem模式模擬天津市2016年10—12月的污染物來源，結(jié)果表明本地源貢獻(xiàn)率為56%，外來源輸送貢獻(xiàn)率為44%，其中，河北省貢獻(xiàn)率為27%，北京市貢獻(xiàn)率為3%，山東省貢獻(xiàn)率為7%，其他地區(qū)貢獻(xiàn)率為7%. 這說明在秋冬季外來源傳輸對(duì)天津市污染影響較大，天津市主要受河北省和山東省影響；另外在不同風(fēng)場(chǎng)作用下，外來源輸送差異較為明顯，不同季節(jié)的區(qū)域輸送排放源貢獻(xiàn)率也不同[31-32]，該研究擬通過一次重污染過程進(jìn)一步說明污染過程污染源的貢獻(xiàn)率變化.

由表1可見，河北省對(duì)北京市ρ(PM2.5)的貢獻(xiàn)率為50%～70%，外來源對(duì)上海市ρ(PM2.5)的貢獻(xiàn)率約為50%，區(qū)域外ρ(PM2.5)跨界輸送對(duì)京津冀地區(qū)的貢獻(xiàn)率為20%～35%，周邊地區(qū)跨界輸送對(duì)武漢市冬季灰霾的貢獻(xiàn)率約為66%. 北京市生態(tài)環(huán)境局2018年發(fā)布的《最新科研成果新一輪北京市PM2.5來源解析》表明，北京市本地排放占23，區(qū)域傳輸占13，但重污染日區(qū)域傳輸貢獻(xiàn)率超過50%.

2.5.3重污染過程分析

2016年12月17—22日天津市發(fā)生一次重污染天氣過程，是2016年持續(xù)時(shí)間最長(zhǎng)的一次. 重污染期間連續(xù)5 d AQI超過200，其中，18日和21日達(dá)嚴(yán)重污染水平，AQI分別為340和318，19日和20日接近嚴(yán)重污染水平，AQI分別為293和292.

表1 外來源輸送對(duì)不同地區(qū)貢獻(xiàn)率

圖7 2016年12月16—22日天津市相對(duì)濕度和能見度Fig.7 Distribution of relative humidity and visibility in Tianjin City during December 16th-22nd, 2016

12月16日22:00起，天津市轉(zhuǎn)為高壓后部控制，京津冀地區(qū)出現(xiàn)大范圍的重污染天氣，天津市空氣質(zhì)量也始終維持在重污染水平(見圖6)，但相對(duì)濕度仍然較低，能見度維持在3～5 km(見圖7). 17日23:00，相對(duì)濕度明顯增加至83%以上(見圖7)，風(fēng)速小，濕度高，污染物快速堆積，空氣質(zhì)量達(dá)嚴(yán)重污染水平，AQI達(dá)421. 至18日22:00，隨著氣溫的下降，相對(duì)濕度進(jìn)一步升高，天津市全市出現(xiàn)濃霧天氣. 空氣中凝結(jié)出部分水汽，同時(shí)由于氣溫降低，在部分區(qū)縣觀測(cè)到米雪、霧凇現(xiàn)象，上述天氣現(xiàn)象的出現(xiàn)抑制了天津市污染物進(jìn)一步的增長(zhǎng). 18日22:00—19日09:00，天津市部分郊區(qū)空氣質(zhì)量出現(xiàn)回落，但整體靜穩(wěn)天氣格局沒有改變，并且從區(qū)域而言，污染的回落僅出現(xiàn)在沿海相對(duì)濕度較大的地區(qū)，在河北省中南部地區(qū)AQI甚至達(dá)500，白天京津冀地區(qū)污染進(jìn)一步加劇，天津市再次呈嚴(yán)重污染水平，在19日AQI達(dá)293. 20日華北區(qū)域海平面氣壓調(diào)整為北高南低的態(tài)勢(shì),天津市位于高壓底部，但相對(duì)濕度較高，因此天津市全天受霧天氣的影響，能見度最低只有60 m，地面風(fēng)速較弱，全日仍然維持重度-嚴(yán)重污染水平，AQI為292. 21日我國(guó)東部地區(qū)已形成全區(qū)域大范圍的重污染天氣，隨著南部氣旋系統(tǒng)的北上，天津市位于低壓倒槽區(qū)控制，理論上受偏東風(fēng)和東北風(fēng)的影響，應(yīng)有利于天津市空氣質(zhì)量的轉(zhuǎn)好，但由于地面相對(duì)濕度較高，逆溫層較厚，導(dǎo)致近地面風(fēng)速較?。煌瑫r(shí)受全區(qū)域污染的影響，在沒有強(qiáng)冷空氣影響之前，無論風(fēng)向如何改變，都無法降低大氣環(huán)境中的ρ(PM2.5). 天津市21日仍然維持嚴(yán)重污染水平，至22日12:00隨西北路徑冷空氣影響，天津市空氣質(zhì)量恢復(fù)良好水平.

圖6 2016年12月16—22日天津市ρ(PM2.5)變化Fig.6 Variation of PM2.5 concentration in Tianjin City during December 16th-22nd, 2016

圖8 WRF-Chem模擬2016年12月16—22日天津市ρ(PM2.5)污染來源Fig.8 Simulated contributions of PM2.5 by WRF-Chem in Tianjin City during December 16th-22nd, 2016

圖8為采用WRF-Chem模擬的此次重污染過程中污染物來源結(jié)果. 由圖8可見，天津市污染物主要來自天津市本地，以及河北省、北京市、山東省等地區(qū)，污染過程中污染物來源輸送貢獻(xiàn)率隨著污染程度而變化. 此次污染過程根據(jù)本地污染源占比情況可分為3個(gè)階段：第1階段為污染物累積階段(重污染開始前的16日)，天津市受高壓后部控制，地面轉(zhuǎn)為西南風(fēng)，500 hPa環(huán)流轉(zhuǎn)平，850 hPa轉(zhuǎn)為西南氣流，天津市本地源貢獻(xiàn)率為31.3%，河北省外來源輸送貢獻(xiàn)率高達(dá)56.2%，山東省和北京市的外來源輸送貢獻(xiàn)率分別為5.7%和3.1%. 第2階段，17日23:00后，相對(duì)濕度明顯增至83%以上，地面處于兩高之間的均勻場(chǎng)控制，風(fēng)速小，濕度高，污染物快速堆積，且華北北部受弱高壓影響，天津市形成風(fēng)場(chǎng)輻合線，污染氣象條件極度不利于污染物擴(kuò)散，空氣質(zhì)量達(dá)嚴(yán)重污染水平，AQI達(dá)421；18日隨著污染過程的持續(xù)，天津市本地源和北京市外來源輸送貢獻(xiàn)率逐漸增大，分別為53.6%和4.2%，而河北省和山東省外來輸送貢獻(xiàn)率分別減少至31.8%和1.6%. 第3階段，19日高空500和850 hPa均受西北氣流控制，但地面相對(duì)濕度較高，近地面風(fēng)速較小，夜間出現(xiàn)大霧天氣，污染繼續(xù)累積，來自天津市的本地源貢獻(xiàn)率為50.8%，位于西北方向的北京市外來輸送貢獻(xiàn)率(16.4%)增至最大，河北省外來輸送貢獻(xiàn)率繼續(xù)降至24.1%，而山東省的輸送幾乎可忽略不計(jì)；此后，天津市本地源貢獻(xiàn)率逐漸增大，21日達(dá)最大值(55.2%)，河北省外來輸送貢獻(xiàn)率先降至23.9%后升至36.9%. 綜上，天氣形勢(shì)、850 hPa氣流以及近地面風(fēng)速和風(fēng)向等均是影響污染物來源的主要?dú)庀笠蛩?

此次重污染過程污染物來源主要來自天津市本地、河北省、北京市和山東省，平均貢獻(xiàn)率分別為49.6%、32.2%、7.0%和2.2%(見圖9)，比2016年10—12月的本地排放源略小，與WANG等[34]采用NAQPMS模型模擬的京津冀地區(qū)外來源貢獻(xiàn)率為20%～35%基本一致，說明天津市重污染過程更易受外來源的影響，重污染開始前及過程中區(qū)域輸送對(duì)天津市ρ(PM2.5)有重要的影響，可根據(jù)氣象預(yù)報(bào)預(yù)測(cè)制定更合理的質(zhì)量防控措施，以及開展京津冀地區(qū)聯(lián)動(dòng)治理大氣污染的措施.

圖9 不同地理源區(qū)對(duì)天津市ρ(PM2.5)的平均貢獻(xiàn)Fig.9 Average PM2.5 contributions of different geographical source regions to Tianjin City

3 結(jié)論

a) 2014—2017年天津市ρ(PM2.5)呈逐年下降趨勢(shì)，2017年ρ(PM2.5)較2014年下降了35%.

b) 天津市ρ(PM2.5)月變化曲線呈“U”型分布，呈冬春季高、夏秋季低的季節(jié)性特征；ρ(PM2.5)日變化呈雙峰型分布，主峰值出現(xiàn)在08:00—09:00，次峰值出現(xiàn)在21:00—翌日00:00.

c) 觀測(cè)期間，各季節(jié)天津市ρ(PM2.5)空間分布不同，春季、夏季、秋季和冬季高值中心分別位于天津市西南部的靜海區(qū)、中心城區(qū)北部的北辰區(qū)、西部的武清區(qū)及北部的薊州區(qū).

d) WRF-Chem模式模擬的天津市秋冬季污染物來源結(jié)果表明，本地源貢獻(xiàn)率為56%，外來源輸送貢獻(xiàn)率為44%，其中以河北省和山東省的輸送為主. 2016年12月16—22日天津市一次重污染過程的模擬結(jié)果表明，天津市本地源貢獻(xiàn)率為49.6%，河北省、北京市和山東省的外來源輸送貢獻(xiàn)率分別為32.2%、7.0%和2.2%. 污染前期，不利氣象條件和外來源輸送造成天津市ρ(PM2.5)聚集并形成重度污染，污染持續(xù)過程中，本地源貢獻(xiàn)率逐漸增大并占主導(dǎo)地位，可見區(qū)域輸送對(duì)天津市ρ(PM2.5)有重要影響.