北京一次重污染过程的天气成因及来源分析

被引：13

作者：

崔萌 ^{[1
,2
]}

安兴琴 ^{[2
]}

范广洲 ^{[1
]}

王超 ^{[2
]}

孙兆彬 ^{[3
]}

任文辉 ^{[4
]}

机构：

[1] 成都信息工程大学大气科学学院

[2] 中国气象科学研究院大气成分研究所

[3] 中国气象局北京城市气象研究所

[4] 中国人民解放军部队

来源：

中国环境科学 | 2018年 / 38卷 / 10期

基金：

国家重点研发计划;

关键词：

北京地区; 重污染过程天气成因; 敏感性分析; GRAPES-CUACE伴随模式;

D O I：

10.19674/j.cnki.issn1000-6923.2018.0392

中图分类号：

X51 [大气污染及其防治];

学科分类号：

0706 ; 070602 ;

摘要：

采用天气学分析和GRAPES-CUACE气溶胶伴随模式相结合的方式,探讨了北京市2016年2月29日3月6日一次PM2.5重污染过程的大气环流特征、污染形成和消散原因,并利用伴随模式追踪了造成此次重污染过程的关键排放源区及敏感排放时段.结果表明:此次重污染过程北京市PM2.5浓度存在明显日变化,在3月4日20:00达到污染峰值,观测数据显示海淀站PM2.5浓度达到506.4μg/m3.形成此次重污染过程的主要天气学原因是北京站地面处于低压中心,且无冷空气影响,风速较弱,逆温较强,大气层结稳定,混合层高度较低,500hPa西风急流较弱,污染物水平和垂直扩散条件差,大气污染物易堆积;此次过程中,500hPa短波槽过境、边界层偏南风急流和冷空气不完全渗透导致了本次严重污染PM2.5浓度的短暂下降.伴随模式模拟结果表明,此次污染过程目标时刻的污染浓度受到来自河北东北部和南部、天津、山西东部、以及山东西北部污染物的共同影响,目标时刻PM2.5峰值浓度对北京本地源响应最为迅速,山西响应速度最慢;北京、天津、河北及山西排放源对目标时刻前72h内的累积贡献比例分别为31.1%、11.7%、52.6%和4.7%.北京本地排放源占总累积贡献的1/3左右,河北排放源累积贡献占一半以上,天津和山西分别占1/10和1/20,河北源贡献占主导地位,天津和山西贡献较小;目标时刻前3h内,北京本地源贡献占主导地位,贡献比例为49.3%,目标时刻前4～50h内,河北源贡献占主导地位,贡献比例为48.6%,目标时刻前50～80h,山西源贡献占主导地位,贡献比例在50%以上.

引用

页码：3628 / 3638

页数：11

共 29 条

[1]

GRAPES-CUACE气溶胶模块的伴随构建及模式在大气污染优化控制中的应用.[D].翟世贤.中国气象科学研究院.2015, 03

[2]

北京城区和郊区PM2.5浓度季节与日变化特征.[A].赵秀娟;张小玲;徐晓峰;徐敬;孟伟;蒲维维;.中国气象学会2008年年会城市气象与城市可持续发展分会场.2008,

[3]

Development of an adjoint model of GRAPES–CUACE and its application intracking influential haze source areas in north China.[J].Xing Qin An;Shi Xian Zhai;Min Jin;Sunling Gong;Yu Wang.Geoscientific Model Development.2016, 6

[4]

Model assessment of atmospheric pollution control schemes for critical emission regions.[J].Shixian Zhai;Xingqin An;Zhao Liu;Zhaobin Sun;Qing Hou.Atmospheric Environment.2016,

[5]

A backward modeling study of intercontinental pollution transport using aircraft measurements - art. no. 4370.[J].Stohl A.;Forster C.;Eckhardt S.;Spichtinger N.;Huntrieser H.;Heland J.;Schlager H.;Wilhelm S.;Arnold F.;Cooper O..Journal of Geophysical Research. Biogeosciences.2003, d12

[6] 北京大气热力和动力结构对污染物输送和扩散条件的影响 [J].