2020, Vol. 40
, 2. 物理海洋教育部重点实验室，山东青岛 266100
2. Key Laboratory of Physics and Oceanography, Ministry of Education, Qingdao 266100, China
雾霾天气及与之相伴的大气污染对人体健康危害很大[1]。我国冬季频繁发生的重污染事件与燃煤、机动车、工业、扬尘等污染源排放增加密不可分[2]。另一方面，气象条件对雾霾污染的形成也具有非常重要的作用[3-4]；在同一地区短时间内污染物排放变化有限的情况下，气象条件的变化和差异决定了污染物积聚的雾霾天气和空气清洁时段的发生。
我国京津冀地区雾霾成因的研究较多，YIN et al.[5]和CAI et al.[6]的研究指出气候变化导致的大气环流异常是2014年冬季北京重污染事件形成的重要原因。大气环流有利于污染物从重污染地区向下风向输送，导致下风向地区污染物浓度增加[7-8]，是影响污染物扩散和传输的重要气象条件。ZHANG et al.[9]使用WRF-Chem(Weather Research and Forecasting model coupled with Chemistry)数值模式模拟了2013年1月北京的重污染事件，发现此次事件伴随持续时间较长的弱偏南风和高相对湿度，偏南风长时间维持使得更多的污染物输送到中国东部城市。张恒德等[10]研究了气象条件对京津冀地区一次重污染事件的影响，发现地面高压西侧的偏南或偏东气流有助于污染物和水汽向京津冀地区输送和聚集，使得污染物浓度升高。
大尺度环流较弱时局地气象条件也会成为影响雾霾形成和演化的关键因素[11]。局地地形可通过不同的热力和动力条件改变当地的大气环流，形成海陆风[12-13]、山谷风[14]、湖陆风[15]和城市热岛环流[16]等，从而对雾霾形成和污染物的时空分布产生影响[17]。WANG et al.[18]发现海温的变化会导致大尺度环流及局地气象条件改变，进而对京津冀地区的霾日数产生影响。孟丽红等[12]对天津市冬季PM2.5质量浓度变化的研究发现海风对PM2.5有扩散作用，此效应在沿海地区更为明显；CHEN et al.[14]发现夜间低空急流会降低北京城郊地区的颗粒物浓度。此外，气溶胶和气象场的相互作用和反馈也会对雾霾的发生发展产生重要影响[19-20]。
青岛是重要的沿海旅游城市，地处山东半岛东南部，距离污染严重的京津冀地区较近，其冬季空气污染比其他沿海城市(如烟台、日照、宁波等)更严重[21]。与平原地区相比，青岛雾霾天气的影响因素更为复杂。LI et al.[21]和ZHAO et al.[22]对站点污染物变化特征研究发现青岛不同季节空气污染物组分存在差异，冬季首要污染物为PM2.5；张强等[23]发现区域传输对青岛PM2.5重污染事件有重要贡献；对青岛空气质量指数和地面风关系的研究[24]发现陆风时污染物浓度高，但当陆风风速达到4.5 m·s-1以上则有利于污染物清除。然而上述研究并未定量分析气象条件对青岛冬季污染事件的作用和影响。
2016年12月17—22日，我国中东部发生了一次典型的重污染事件，此次过程持续时间长、污染物(首要污染物为PM2.5)浓度高、影响范围广。本文将分析此次事件中青岛地区污染物浓度变化及天气系统的演变，结合WRF-Chem数值模拟，通过改变不同区域排放，设计情景模拟试验研究区域污染物传输对青岛污染形成的作用和影响。
1 数据与方法 1.1 数据研究使用的污染物浓度观测数据来源于中国环境监测总站(http://106.37.208.233:20035)，该数据自2013年开始发布，包含全国各城市PM2.5、PM10、SO2、NO2、O3、CO六种污染物浓度以及空气质量指数(air quality index, AQI)和首要污染物逐小时监测结果。采用韩国气象局实况天气图(http://222.195.136.24/forecast.html)和欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)ERA5(the fifth generation ECMWF reanalysis for the global climate and weather，https://cds.climate.copernicus.eu/cdsapp)再分析资料研究污染过程中气象场的演化。ERA5再分析资料融合了模式预报结果及全球观测数据，空间分辨率为0.25°× 0.25°，垂直方向(1 000 hPa至1 hPa)分37层，时间分辨率为1 h，包含地面气压、海平面气压、位势高度、相对湿度、气温、风速、垂直速率等变量。青岛市地面温度、风速、相对湿度和降水等气象要素站点观测资料(时间间隔1 h)来源于山东省气象局。
1.2 方法 1.2.1 模式设置研究使用WRF-Chem模式3.9.1版本对此次事件进行模拟。采用NCEP(National Centers for Environmental Prediction)FNL(Final Analysis Data of Global Forecast System)1°× 1°再分析数据(https://rda.ucar.edu/datasets/ds083.2)提供WRF-Chem数值模拟所需初始场和侧边界条件，采用NEAR-GOOS(North-East Asian Regional Global Ocean Observing System)海面温度日平均数据(http://ds.data.jma.go.jp/gmd/goos/data/rrtdb/jma-pro/mgd_sst_glb_D.html)进行SST更新。基于三维变分(three-dimensional variational，3DVAR)数据同化方法，利用高山红等[25]设计的循环3DVAR流程对常规探空数据和地面、船舶、岛屿气象观测数据(http://222.195.136.24/forecast.html)进行同化。污染物源排放数据采用清华大学发布的中国多尺度源排放清单(Multi-resolution Emission Inventory for China，MEIC)2016年的排放数据[26-27]，WRF-Chem数值模拟未考虑天然源排放的影响。
WRF-Chem数值模拟采用双层嵌套，模拟区域如图 1所示，模式具体设置见表 1，主要依据内区的模拟输出对结果进行分析。采用相关系数(R)和一致性指数(IAgreement)对模拟结果进行评估，R和IAgreement计算方法如下：
|
图 1 WRF-Chem模拟区域设置 Fig.1 Domain for WRF-Chem simulation |
|
表 1 WRF-Chem模式设置 Table 1 Design of WRF-Chem model |
| $ R = \frac{{\sum\limits_{i = 1}^N {({V_{{\rm{CTR}}{{\rm{L}}_i}}} - {{\bar V}_{{\rm{CTRL}}}})} ({V_{{\rm{Ob}}{{\rm{s}}_i}}} - {{\bar V}_{{\rm{Obs}}}})}}{{{{[\sum\limits_{i = 1}^N {{{({V_{{\rm{CTR}}{{\rm{L}}_i}}} - {{\bar V}_{{\rm{CTRL}}}})}^2}} {{({V_{{\rm{Ob}}{{\rm{s}}_i}}} - {{\bar V}_{{\rm{Obs}}}})}^2}]}^{1/2}}}} $ | (1) |
| $ {I_{{\rm{ Agreement }}}} = 1 - \frac{{\sum\limits_{i = 1}^N {{{({V_{{\rm{CTR}}{{\rm{L}}_i}}} - {V_{{\rm{Ob}}{{\rm{s}}_i}}})}^2}} }}{{\sum\limits_{i = 1}^N {{{(|{V_{{\rm{CTR}}{{\rm{L}}_i}}} - {{\bar V}_{{\rm{Obs}}}}| + |{V_{{\rm{Ob}}{{\rm{s}}_i}}} - {{\bar V}_{{\rm{Obs}}}}|)}^2}} }} $ | (2) |
上两式中，VCTRLi和VObsi分别是第i个时次控制试验和实际观测结果，VCTRL是控制试验结果平均值，VObs是观测结果平均值。
1.2.2 试验方案在大尺度环流背景下污染物传输会对下风向地区产生影响。研究首先使用HYSPLIT (Hybrid Single Particle Lagrangian Integrated Trajectory，https://www.ready.noaa.gov/HYSPLIT.php)v4模式进行气团来源和污染物传输路径分析；HYSPLIT是美国国家海洋和大气管理局开发的质点轨迹、扩散及沉降分析综合模式，已被广泛用于污染物来源及传输路径研究[28-30]。此外，设计排放情景模拟试验EXP-A定量评价不同省份污染物传输对青岛污染的贡献(表 2)，即将所选区域污染物排放设置为0，分析青岛PM2.5质量浓度的变化，分别选择安徽和江苏、河南和湖北、山西和京津冀地区及山东评价各区域污染物的贡献。不同地区排放对青岛PM2.5质量浓度的贡献率计算方法如下：
|
|
表 2 数值试验设计 Table 2 Design of the numerical modeling experiments |
| $ P = |\frac{{{\rho _{{\rm{EXP}}}} - {\rho _{{\rm{CTRL}}}}}}{{{\rho _{{\rm{CTRL}}}}}}| \times 100\% $ | (3) |
其中，P 为贡献率，ρCTRL和ρEXP分别表示控制试验和情景模拟试验模拟所得的PM2.5质量浓度。
2 污染过程观测分析 2.1 污染过程基本特征根据环境空气质量指数(AQI)技术规定[31]，24 h的PM2.5质量浓度ρ > 75 μg·m-3对应空气质量轻度污染以上。本文将PM2.5质量浓度ρ > 75 μg·m-3的时次定义为污染时次，由此选取2016年12月17日02时—22日08时(北京时间，下同)为青岛的污染时段。
图 2为此次污染过程中青岛PM2.5质量浓度和地面气象要素的时间变化序列。PM2.5为此次过程的首要污染物，其平均质量浓度(135 μg·m-3)远高于青岛全年平均(如2015年平均PM2.5质量浓度为51 μg·m-3 [23])。由图 2a可见，12月17日02时—19日00时PM2.5质量浓度呈缓慢上升趋势；19日00时后PM2.5质量浓度迅速上升并于19日22时达最高值(285 μg·m-3)，在此期间19日12时PM2.5质量浓度稍有降低但仍处于较高水平。19日22时后PM2.5质量浓度降低并于20日09时出现谷值，随后又有所上升，至20日17时再次达到峰值，此后PM2.5质量浓度逐渐降低，污染过程结束。
|
图 2 2016年12月17日02时—22日08时(北京时间，下同)青岛PM2.5质量浓度和地面气象要素时间变化序列(a. PM2.5质量浓度，单位：μg·m-3；b.地面风矢量和降水量，风速单位：m·s-1，降水量用灰色圆点表示，单位：mm；c.相对湿度和气温，相对湿度单位：%，气温用虚线表示，单位：℃；Ⅰ、Ⅱ、Ⅲ分别表示青岛污染物累积、污染维持加剧和污染消散阶段) Fig.2 Time series of PM2.5 mass concentration (a; units: μg·m-3) and surface meteorological elements (b. surface wind in wind barb and precipitation in gray dot, units of wind speed: m·s-1, units of precipitation: mm; c. relative humidity and air temperature in dashed line, units of relative humidity: %, units of air temperature: ℃) from 02:00 BST on 17 to 08:00 BST on 22 December 2016 (Ⅰ, Ⅱ, and Ⅲ for the accumulating stage, maintaining and intensifying stage, and dissipating stage of the pollution event in Qingdao, respectively) |
青岛地面风矢量和降水(图 2b)显示17日地面为风速较大的南风(3~7 m·s-1)，PM2.5质量浓度低于110 μg·m-3；18日后风速逐渐减小，19日00时后风速较小，以西北风为主，污染明显加重，19日22时达到峰值；19日22时后风速有所增大，同时从西北风(陆风)转换为东北风(海风)，导致20日09时出现PM2.5质量浓度低值；此后再次转为西北风且风速略有减小，对应PM2.5质量浓度出现短时升高。21日04时开始出现降水，随后风速逐渐增大，污染结束。图 2c显示19日22时之前相对湿度和气温具有明显的日变化特征，即14时左右相对湿度最低、气温最高，夜间反之，这种日变化特征对午后近地面污染物的扩散稀释有重要贡献[20]，19日14时相对湿度出现明显的谷值，对应这一时次PM2.5质量浓度降低。
2.2 天气背景分析对图 2的分析表明青岛PM2.5质量浓度的变化与气象要素关系密切，以下分析污染过程中天气背景的演化。地面实况天气图显示17日02时我国东南地区为闭合地面高压，华北北部及内蒙古东北部受低压控制(图 3a)，此时青岛为较强的南风，PM2.5质量浓度较小。18日14时高低压中心消失，我国东部地区地面等压线稀疏(图 3b)，青岛地面风由南风转为偏北风，风速减小，PM2.5尚无明显升高。19日之后低压开始发展，19日08时青岛地区位于地面低压后部且等压线稀疏，内蒙古地区受蒙古高压(中心气压1 034 hPa)控制，江南及华南地区受弱高压(中心气压1 024 hPa)控制(图 3c)，此种天气形势下青岛地面风速小，PM2.5质量浓度升高。
|
图 3 2016年12月17—21日污染过程地面天气形势实况(a. 17日02时，b. 18日14时，c. 19日08时，d. 20日02时，e. 20日14时，f. 21日14时) Fig.3 Surface synoptic conditions at 02:00 BST on 17 (a), 14:00 BST on 18 (b), 08:00 BST on 19 (c), 02:00 BST on 20 (d), 14:00 BST on 20 (e), and 14:00 BST on 21 (f) December 2016 |
20日02时，蒙古高压位置和强度基本未改变，江南和华南地区高压消失，青岛等压线较密(图 3d)，地面风速略有增大，PM2.5质量浓度降低；14时后高压逐渐东移减弱，青岛等压线比20日02时较稀疏(图 3e)，卫星红外云图显示此时青岛地区上空云层较厚，海风环流较弱(图略)，PM2.5再次短时升高。21日14时地面受弱低压控制(图 3f)，同时850 hPa江淮切变线北抬发展成为气旋(图略)，受其影响青岛地区风速变大并产生降水，污染结束。
对各个时次气象场进行分析，根据大气环流特征和PM2.5质量浓度的变化，可将此次过程分为青岛污染累积阶段(以下简称“累积阶段”，17日02时—19日08时)、青岛污染维持加剧阶段(以下简称“维持阶段”，19日09时—20日20时)和青岛污染消散阶段(以下简称“消散阶段”，20日21时—22日08时)。
在累积阶段高纬地区500 hPa环流形势为两槽一脊型，从乌拉尔山、蒙古国至我国西北地区为暖性长波高压脊区，中纬度地区环流较平缓。研究区(图 4a红框所示)主要受纬向西风控制，表明来自高纬度地区的干冷空气较少[32]，近地面相对湿度为60%~70%(图 4a)。此阶段700 hPa整体形势为两槽一脊，我国华东、东南、华南处于南支槽控制之下(图略)；青岛上空对流层中低层及近地面均受西南风控制(图 4b、c、d)；近地面风速较小(3~4 m·s-1，图 4d)。此阶段地面风速小、扩散条件较差，同时在西南风控制下来自南方省份的污染物会被传输至青岛，PM2.5质量浓度逐渐上升(图 2)。
|
图 4 2016年12月17日02时—19日08时(累积阶段)合成气象场(a. 500 hPa位势高度场和1 000 hPa相对湿度，等值线表示位势高度，单位：dagpm，填色表示相对湿度，单位：%；b. 850 hPa风场，c. 925 hPa风场，d.地面10 m处风场，填色为风速，单位：m·s-1；红色框线内为山东) Fig.4 Composite of meteorological elements from 02:00 BST on 17 to 08:00 BST on 19 (the accumulating stage) December 2016 (a. geopotential height at 500 hPa in isoline and relative humidity at 1 000 hPa in shadow, units of geopotential height: dagpm, units of relative humidity: %; b. wind field at 850 hPa, c. wind field at 925 hPa, d. wind field at 10 m, wind speed in shadow, units: m·s-1; domain in red frame for Shandong Province) |
维持阶段PM2.5质量浓度快速上升，且显著高于前一阶段(图 2a)。气象场合成表明研究区上空500 hPa受弱脊控制(图 5a)，1 000 hPa相对湿度进一步增大，可达70%~80%。700 hPa天气形势与前一阶段基本类似，但南支槽强度减弱(图略)；850 hPa为很弱的西北风(风速仅3~5 m·s-1，图 5b)，无明显冷空气活动；925 hPa也为弱西北风(图 5c)；地面主要为弱东北风(图 5d)，有大范围雾区存在(图 3d)。该阶段各层风速均较小，相对湿度进一步增大，稳定的天气系统、弱的大气环流及较高的相对湿度有利于污染物聚积和气溶胶吸湿增长，污染加剧。
|
图 5 2016年12月19日09时—20日20时(维持阶段)合成气象场(a. 500 hPa位势高度场和1 000 hPa相对湿度，等值线表示位势高度，单位：dagpm，填色表示相对湿度，单位：%；b. 850 hPa风场，c. 925 hPa风场，d.地面10 m处风场，填色为风速，单位：m·s-1；红色框线内为山东) Fig.5 The same as Fig. 4, but for composite result from 09:00 BST on 19 to 20:00 BST on 20 (the maintaining and intensifying stage) December 2016 |
20日20时后污染开始消散，至21日22时空气质量达良好标准(图 2a)。此阶段850 hPa、925 hPa及近地面均为偏北风控制，与污染累积和维持阶段相比风速明显增大(图略)，扩散条件转好，青岛PM2.5质量浓度降低。
3 数值模拟结果及讨论 3.1 WRF-Chem模拟结果检验图 6是WRF-Chem控制试验(CTRL)所得PM2.5质量浓度、地面风速及相对湿度与观测结果的对比。模拟的PM2.5质量浓度与观测结果的变化趋势一致，相关系数R为0.86，一致性指数IAgreement为0.91，模式能较好地模拟出PM2.5质量浓度及其变化，地面风速和相对湿度模拟与实测结果吻合也较好。但20日09时PM2.5质量浓度模拟结果略偏大，将控制试验模拟的850 hPa风速与ERA5再分析结果进行对比，观测结果(图 7a)显示风速较大的西北风从渤海湾经由山东半岛西北部到达青岛，青岛受西北风控制(风速约4 m·s-1)，有利于污染物扩散；而控制试验模拟的(图 7b)山东半岛西北部风速小于0.5 m·s-1，青岛风向为西南风且风速仅约1 m·s-1，此静风或弱风条件对应污染物聚积，因而控制试验在此时刻附近模拟得到的PM2.5质量浓度偏高。
|
图 6 青岛PM2.5质量浓度(a，15个空气质量监测站数据，单位：μg·m-3；红色实线表示控制试验结果，蓝色实线表示观测结果中位数，浅灰色阴影为观测结果最大值与最小值变化范围，深灰色阴影为观测结果上、下四分位数变化范围)、风速(b，单位：m·s-1)、相对湿度(c，单位：%)观测结果(Obs，蓝线实线)与控制试验模拟结果(CTRL，红色实线)对比 Fig.6 Comparison between simulations of WRF-Chem controlled experiment (CTRL, red solid line) and observations (Obs, blue solid line) of PM2.5 mass concentration (a, data from 15 air quality monitoring stations, units: μg·m-3; red solid line for median values of simulations, blue solid line for median values of observations, light gray shadow for range of observations between the maximum and minimum values, dark gray shadow for range of observations between upper quartile and lower quartile), wind speed (b, units: m·s-1), and relative humidity (c, units: %) in Qingdao |
|
图 7 2016年12月20日09时ERA5再分析数据(a)与控制试验模拟(b)的850 hPa风场 Fig.7 Wind field at 850 hPa derived from ERA5 reanalysis data (a) and simulation of WRF-Chem CTRL experiment (b) at 09:00 BST on 20 December 2016 |
图 8为PM2.5质量浓度观测(站点填色)和模拟(区域填色)结果及模拟风场的空间分布，其中18日08时和19日22时分别代表累积阶段和维持阶段典型时刻。除污染高值区边缘外，WRF-Chem对PM2.5质量浓度的模拟结果与站点实际观测结果较为吻合，模式可以较好地反映PM2.5质量浓度的空间分布。控制试验模拟的PM2.5质量浓度和风场对比可见PM2.5质量浓度高值区对应风速低值区，反之PM2.5质量浓度较低的区域风速较大，且PM2.5质量浓度沿着风向有逐渐减小的趋势，WRF-Chem对地面风场的模拟与污染物空间分布相符合。
|
图 8 2016年12月18日08时(a，累积阶段)和19日22时(b，维持阶段)PM2.5质量浓度与控制试验模拟的地面风场(区域填色和空心圆填色分别为控制试验模拟和站点观测的PM2.5质量浓度，单位：μg·m-3；红色箭头指向青岛站) Fig.8 Spatial distribution of PM2.5 mass concentration and simulated surface wind by WRF-Chem CTRL experiment at 08:00 BST on 18 (a, the accumulating stage) and 22:00 BST on 19 (b, the maintaining stage) December 2016 (shaded area and shaded hollow circle for simulations and observations of PM2.5 mass concentration, respectively, units: μg·m-3; red arrow points to the location of Qingdao Station) |
由图 6、图 7、图 8分析可知WRF-Chem模拟的气象要素和青岛PM2.5质量浓度的时间变化及空间分布与实际观测较符合，模式能较好地模拟出此次过程气象要素和PM2.5的时空变化。
3.2 跨省传输对青岛污染形成和演化的贡献利用HYSPLIT v4模式，计算了累积阶段和维持阶段各个时次24 h气团后向轨迹。累积阶段各时次气团后向轨迹基本一致(均为西南—东北向)，选取其中典型时刻18日08时给出累积阶段气团后向轨迹；19日22时为此次过程污染最严重的时刻，选取该时次给出维持阶段气团后向轨迹(图 9)。18日08时，青岛500~1 500 m高度的气团后向轨迹均源于安徽和江苏并向北经江苏北部到达青岛(图 9a)。19日22时气团后向轨迹源于西北方向，经山东半岛北部到达青岛，此阶段气团后向轨迹传输距离短，大气比较稳定，有利于污染物聚积(图 9b)。
|
图 9 2016年12月18日08时(a，累积阶段典型时刻)和19日22时(b，维持阶段)青岛距地面500 m(红线)、1 000 m(蓝线)和1 500 m(绿线)处24 h气团后向轨迹 Fig.9 Backward trajectory of air mass in 24 h at 500 m (red line), 1 000 m (blue line), and 1 500 m (green line) in Qingdao at 08: 00 BST on 18 (a, the accumulating stage) and 22:00 BST on 19 (b, the maintaining stage) December 2016 |
与气团移动过程伴随的大气传输可将源区污染物输送至接收区，对下风向PM2.5质量浓度产生影响。为评价污染物传输对污染的贡献，设计WRF-Chem排放情景模拟试验EXP-A(表 2)研究山东省内排放及其他省份(包括“安徽和江苏”“河南和湖北”“山西和京津冀地区”)污染物传输对青岛PM2.5质量浓度的贡献。此次污染过程上述区域污染物对青岛PM2.5质量浓度的贡献率之和可达96.3% (表 3)。其中山东本省污染物的贡献率为49.5%；除山东省外西南—东北向的污染物输送对此次过程青岛PM2.5质量浓度贡献最大，其中安徽和江苏贡献率可达25.5%，河南和湖北为11.3%；山西和京津冀地区贡献率为10.0%。这表明除山东污染物排放外，污染物跨省传输对此次过程青岛污染也有重要贡献，与2.2节分析一致。
|
|
表 3 不同区域污染物传输对青岛PM2.5质量浓度的贡献率 Table 3 Contribution rate of pollutants transported from different regions to PM2.5 mass concentration in Qingdao |
利用污染物浓度和气象要素观测数据、ERA5再分析数据、韩国气象局天气图、HYSPLIT气团后向轨迹计算和WRF-Chem模式对青岛2016年12月17—22日的一次重污染过程进行分析与数值模拟研究，主要结论如下：
1) 观测分析表明此次污染过程可分为青岛污染累积、污染维持加剧和污染消散3个阶段。污染累积阶段研究区对流层中下层为西南风，有利于研究区以南地区污染物向青岛输送；污染维持加剧阶段大气扩散条件差、污染物聚积，青岛PM2.5质量浓度快速上升；污染消散阶段风速增大并伴随降水发生，污染过程结束。
2) WRF-Chem可以较好地模拟出污染期间青岛PM2.5质量浓度和气象要素的变化，模式模拟结果与实际观测较为吻合。WRF-Chem没有模拟出20日09时PM2.5质量浓度的下降，分析表明是因为模式没有成功模拟出850 hPa从渤海湾到青岛较强的西北风这一有利于污染扩散的过程。
3) WRF-Chem排放情景模拟试验表明污染物跨省传输对此次过程青岛污染有重要贡献，除山东外，安徽和江苏污染物传输对青岛PM2.5质量浓度的贡献率最大，达25.5%；河南和湖北污染物传输的贡献率为11.3%，山西和京津冀地区为10.0%；山东省内污染物的贡献约为49.5%。
未来工作需要进一步改进WRF-Chem模拟，提高模式对气象场的再现能力，更精细地模拟出污染过程中污染物的变化(如20日09时PM2.5质量浓度的下降)，为该地区大气污染数值模拟和预测预报提供有价值的参考。
| [1] |
崔亮亮, 李新伟, 耿兴义, 等. 2013年济南市大气PM2.5污染及雾霾事件对儿童门诊量影响的时间序列分析[J]. 环境与健康杂志, 2015, 32(6): 489-493. |
| [2] |
王跃思, 姚利, 刘子锐, 等. 京津冀大气霾污染及控制策略思考[J]. 中国科学院院刊, 2013, 28(3): 353-363. DOI:10.3969/j.issn.1000-3045.2013.03.009 |
| [3] |
YANG Y, LIAO H, LOU S J. Increase in winter haze over eastern China in recent decades: Roles of variations in meteorological parameters and anthropogenic emissions[J]. J Geophys Res: Atmos, 2016, 121(21): 13050-13065. DOI:10.1002/2016JD025136 |
| [4] |
ZHANG Y, DING A J, MAO H, et al. Impact of synoptic weather patterns and inter-decadal climate variability on air quality in the North China Plain during 1980—2013[J]. Atmos Environ, 2016, 124(B): 119-128. |
| [5] |
YIN Z C, WANG H J, CHEN H P. Understanding severe winter haze events in the North China Plain in 2014: Roles of climate anomalies[J]. Atmos Chem Phys, 2017, 17(3): 1641-1651. |
| [6] |
CAI W J, LI K, LIAO H, et al. Weather conditions conducive to Beijing severe haze more frequent under climate change[J]. Nat Clim Change, 2017, 7(4): 257-262. |
| [7] |
张志刚, 高庆先, 韩雪琴, 等. 中国华北区域城市间污染物输送研究[J]. 环境科学研究, 2004, 17(1): 14-20. DOI:10.3321/j.issn:1001-6929.2004.01.003 |
| [8] |
陈朝晖, 程水源, 苏福庆, 等. 华北区域大气污染过程中天气型和输送路径分析[J]. 环境科学研究, 2008, 21(1): 17-21. |
| [9] |
ZHANG L, WANG T, LV M Y, et al. On the severe haze in Beijing during January 2013: Unraveling the effects of meteorological anomalies with WRF-Chem[J]. Atmos Environ, 2015, 104: 11-21. DOI:10.1016/j.atmosenv.2015.01.001 |
| [10] |
张恒德, 吕梦瑶, 张碧辉, 等. 2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析[J]. 环境科学学报, 2016, 36(12): 4340-4351. |
| [11] |
杨洋.局地环流对京津冀地区大气污染影响研究[D].南京: 南京信息工程大学, 2014. http://cdmd.cnki.com.cn/Article/CDMD-10300-1015580000.htm
|
| [12] |
孟丽红, 李英华, 韩素芹, 等. 海陆风对天津市PM2.5和O3质量浓度的影响[J]. 环境科学研究, 2019, 32(3): 390-398. |
| [13] |
BEI N F, ZHAO L N, WU J R, et al. Impacts of sea-land and mountain-valley circulations on the air pollution in Beijing-Tianjin-Hebei (BTH): A case study[J]. Environ Pollut, 2018, 234: 429-438. DOI:10.1016/j.envpol.2017.11.066 |
| [14] |
CHEN Y, AN J L, SUN Y L, et al. Nocturnal low-level winds and their impacts on particulate matter over the Beijing area[J]. Adv Atmos Sci, 2018, 35(12): 1455-1468. DOI:10.1007/s00376-018-8022-9 |
| [15] |
ZHANG L, ZHU B, GAO J H, et al. Impact of Taihu Lake on city ozone in the Yangtze River Delta[J]. Adv Atmos Sci, 2017, 34(2): 226-234. |
| [16] |
HAI S F, MIAO Y C, SHENG L F, et al. Numerical study on the effect of urbanization and coastal change on sea breeze over Qingdao, China[J]. Atmosphere, 2018, 9(9): 345. DOI:10.3390/atmos9090345 |
| [17] |
LEO L S, FERNANDO H J S, DI SABATINO S. Near-surface flow in complex terrain with coastal and urban influence[J]. Environ Fluid Mech, 2015, 15(2): 349-372. |
| [18] |
WANG J, ZHU Z W, LI Q, et al. Two pathways of how remote SST anomalies drive the interannual variability of autumnal haze days in the Beijing-Tianjin-Hebei region, China[J]. Atmos Chem Phys, 2019, 19(3): 1521-1535. |
| [19] |
QIU Y L, LIAO H, ZHANG R J, et al. Simulated impacts of direct radiative effects of scattering and absorbing aerosols on surface layer aerosol concentrations in China during a heavily polluted event in February 2014[J]. J Geophys Res Atmos, 2017, 122(11): 5955-5975. DOI:10.1002/2016JD026309 |
| [20] |
QU W J, WANG J, ZHANG X Y, et al. Effect of weakened diurnal evolution of atmospheric boundary layer to air pollution over eastern China associated to aerosol, cloud: ABL feedback[J]. Atmos Environ, 2018, 185: 168-179. DOI:10.1016/j.atmosenv.2018.05.014 |
| [21] |
LI L Y, YAN D Y, XU S H, et al. Characteristics and source distribution of air pollution in winter in Qingdao, eastern China[J]. Environ Pollut, 2017, 224: 44-53. DOI:10.1016/j.envpol.2016.12.037 |
| [22] |
ZHAO X W, QIAN G, MENG S, et al. Statistical analysis of spatiotemporal heterogeneity of the distribution of air quality and dominant air pollutants and the effect factors in Qingdao urban zones[J]. Atmosphere, 2018, 9(4): 135. DOI:10.3390/atmos9040135 |
| [23] |
张强, 薛迪, 王爽, 等. 青岛市PM2.5重污染天气演变过程分析[J]. 中国环境科学, 2017, 37(10): 3623-3635. DOI:10.3969/j.issn.1000-6923.2017.10.003 |
| [24] |
毕玮, 万夫敬, 陆雪, 等. 青岛地区霾污染天气特征分析[J]. 中国海洋大学学报(自然科学版), 2015, 45(5): 11-18. |
| [25] |
高山红, 齐伊玲, 张守宝, 等. 利用循环3DVAR改进黄海海雾数值模拟初始场Ⅰ:WRF数值试验[J]. 中国海洋大学学报(自然科学版), 2010, 40(10): 1-9. |
| [26] |
ZHANG Q, STREETS D G, HE K B, et al. NOx emission trends for China, 1995-2004: The view from the ground and the view from space[J]. J Geophys Res Atmos, 2007, 112(D22): D22306. DOI:10.1029/2007JD008684 |
| [27] |
ZHANG Q, STREETS D G, CARMICHAEL G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission[J]. Atmos Chem Phys, 2009, 9(14): 5131-5153. DOI:10.5194/acp-9-5131-2009 |
| [28] |
郭虎, 付宗钰, 熊亚军, 等. 北京一次连续重污染过程的气象条件分析[J]. 气象, 2007, 33(6): 32-36. |
| [29] |
秦娟娟, 王静, 程建光. 2008年青岛市一次典型大气外来源输送污染过程分析[J]. 气象与环境学报, 2010, 26(6): 35-39. DOI:10.3969/j.issn.1673-503X.2010.06.007 |
| [30] |
ZHANG Q Y, YAN R C, FAN J W, et al. A heavy haze episode in Shanghai in December of 2013: Characteristics, origins and implications[J]. Aerosol Air Qual Res, 2015, 15(5): 1881-1893. DOI:10.4209/aaqr.2015.03.0179 |
| [31] |
环境保护部科技标准司.环境空气质量指数(AQI)技术规定(试行): HJ 633—2012[S].北京: 中国环境科学出版社, 2012.
|
| [32] |
WU P, DING Y H, LIU Y J. Atmospheric circulation and dynamic mechanism for persistent haze events in the Beijing-Tianjin-Hebei region[J]. Adv Atmos Sci, 2017, 34(4): 429-440. |