北京一次持续霾天气过程气象特征分析

北京一次持续性雾霾的特征及成因分析北京一次持续性雾霾的特征及成因分析一、引言近年来，北京雾霾现象频繁出现，给人们的生活和健康带来了巨大的影响。

为了更好地理解雾霾的特征及其成因，本文将对北京一次持续性雾霾进行详细分析，以期能够增进对雾霾形成机制的认识，为未来的环境治理提供参考依据。

二、北京一次持续性雾霾的特征1. 观测数据统计通过对北京近年来的气象观测数据进行统计发现，北京一次持续性雾霾的主要特征表现为PM2.5浓度持续高位，并且持续时间较长，通常会持续数天乃至十几天，严重地影响了市民的正常出行和生活。

2. 可见度变化在这种持续性雾霾天气下，北京的可见度通常很低，有时甚至不足百米，给交通带来了严重的困扰，同时也对机场和港口等交通要地的运营产生了负面影响。

3. 健康危害雾霾天气中的颗粒物和有害气体对人体健康造成了巨大的威胁。

北京的医疗机构近年来记录到了一系列与雾霾相关的疾病，如呼吸系统疾病、心脑血管疾病等。

这些疾病的发病率显著增加，给北京市民的身体健康带来了巨大的风险。

三、北京一次持续性雾霾的成因分析1. 大气扩散条件不利北京位于华北平原，地形条件复杂，加上城市化进程快速，建设用地面积大，导致城市热岛效应明显。

在冬季，受冷空气影响，暖空气上升受限，大气扩散条件较差，导致污染物聚集在城市上空，形成雾霾。

2. 工业污染物排放随着北京市经济的快速发展，工业活动增多，工业污染物排放持续增加。

这些污染物包括颗粒物、二氧化硫、氮氧化物等，是雾霾形成的直接原因。

尤其是燃煤和汽车尾气排放的二氧化硫和颗粒物，对雾霾的形成具有重要影响。

3. 农村散煤和露天焚烧农村地区使用散煤供暖和露天焚烧秸秆等活动也是雾霾形成的重要因素。

这些活动在冬季尤其频繁，污染物释放量较大，对北京及周边地区的雾霾形成起到了推波助澜的作用。

4. 沙尘天气和气象条件沙尘天气是影响雾霾形成的重要因素之一。

沙尘暴造成的沙尘颗粒物与其他污染物相结合，使得雾霾天气更加复杂。

北京地区GNSS水汽-雾霾时空特征分析北京地区GNSS水汽/雾霾时空特征分析随着经济的快速发展和城市化进程的加快，大气污染问题日益突出，雾霾天气频繁发生，给人们的生活和健康带来了不小的影响。

GNSS（全球导航卫星系统）作为一种现代化的大地测量技术，其在气象领域的应用日益广泛，可以用来研究大气中水汽含量的时空变化特征，为雾霾天气的发生和变化提供科学依据。

一、北京地区GNSS水汽时空变化特征分析1. 季节变化特征：通过对北京地区多年的GNSS水汽观测数据进行分析，可以发现北京地区的水汽含量存在明显的季节变化特征。

一般来说，夏季的水汽含量较高，冬季的水汽含量较低。

这是因为夏季北京地区气温较高，水汽的蒸发速度加快，从而导致水汽含量增加；而冬季气温较低，蒸发速度较慢，水汽含量相对较低。

2. 日变化特征：除了季节变化外，北京地区的水汽含量还存在显著的日变化特征。

一般来说，夜间水汽含量较高，白天水汽含量较低。

这是因为夜间气温较低，水汽的凝结速度较慢，而白天气温升高，水汽的蒸发速度加快，从而导致水汽含量减少。

3. 空间分布特征：北京地区的水汽含量在空间上存在一定的差异。

一般来说，城市中心区域的水汽含量较低，而郊区和山区的水汽含量较高。

这是由于城市中心区域的人口密集、工业活动频繁，大量的排放物导致空气质量较差，水汽含量较低；而郊区和山区的人口密度相对较低，排放物较少，水汽含量相对较高。

二、北京地区GNSS雾霾时空分布特征分析1. 雾霾发生频率：通过对北京地区多年的GNSS观测数据进行分析，可以发现北京地区的雾霾发生频率呈现明显的季节变化特征。

一般来说，冬季的雾霾发生频率较高，夏季的雾霾发生频率较低。

这是因为冬季北京地区气温较低，空气稳定，易积累雾霾；而夏季气温较高，空气对流活跃，雾霾形成条件较差。

2. 雾霾时空分布差异：北京地区的雾霾在时空上存在明显的差异。

一般来说，城市中心区域的雾霾较为严重，而郊区和山区的雾霾相对较轻。

《北京近期雾霾污染的成因及控制对策分析》篇一一、引言近年来，北京等大城市的雾霾污染问题日益严重，对人们的健康和生态环境造成了严重影响。

本文旨在分析北京近期雾霾污染的成因，并提出相应的控制对策，以期为改善空气质量提供参考。

二、北京近期雾霾污染的成因1. 气象条件北京地区近年来气象条件不利于污染物的扩散。

冷空气活动减弱，大气层结稳定，容易形成逆温层，导致污染物难以排放。

此外，湿度较大、风速较小等因素也加剧了雾霾的形成。

2. 工业排放北京地区的工业生产产生的污染物是雾霾的主要来源之一。

部分企业存在超标排放现象，尤其是重工业行业，如钢铁、化工等。

3. 交通排放随着城市交通的快速发展，机动车数量迅速增加，尾气排放成为雾霾污染的重要源头。

此外，道路扬尘、建筑施工等也增加了大气中的颗粒物浓度。

4. 农业活动农业活动产生的氨排放以及生物质燃烧等也是雾霾污染的成因之一。

三、控制对策分析1. 强化政策法规政府应制定更加严格的环保法规，加大对违法排放企业的处罚力度，同时鼓励企业采用清洁生产技术，减少污染物排放。

2. 调整产业结构优化产业结构，减少重工业比重，发展绿色产业。

鼓励企业进行技术改造，提高资源利用效率，降低能耗和污染物排放。

3. 推广新能源汽车加强公共交通建设，鼓励市民使用公共交通出行，减少机动车使用。

同时，推广新能源汽车，降低交通排放。

4. 控制道路扬尘和建筑施工扬尘加强道路清扫和洒水工作，减少道路扬尘。

对建筑施工现场进行严格管理，确保扬尘控制措施落实到位。

5. 农业活动管理推广生态农业技术，减少农业活动中的氨排放和生物质燃烧。

同时，加强农村环境卫生管理，减少生活垃圾和污水对环境的影响。

6. 提高公众环保意识开展环保宣传教育活动，提高公众的环保意识和参与度。

鼓励市民积极参与环保行动，共同保护环境。

7. 加强区域协同治理雾霾污染具有跨区域性特点，因此需要加强区域协同治理。

各地区应加强信息共享和协作，共同应对雾霾污染问题。

北京一次持续性雾霾过程的阶段性特征及影响因子分析近年来，北京的雾霾问题日益严重，给人们的健康和生活带来了严重困扰。

为了更好地了解和应对北京的雾霾问题，对于一次持续性雾霾过程的阶段性特征及影响因子进行分析显得尤为重要。

在北京的一次持续性雾霾过程中，可以明显划分成几个阶段。

首先是起始阶段，通常在晴朗的日子之后，空气中开始逐渐出现污染物浓度上升的趋势。

这个阶段的特征是空气质量指数（AQI）开始逐渐升高，能见度开始下降。

起始阶段主要受到以下几个方面因素的影响：首先是气象条件，冬季静稳天气、低风速和高湿度会导致大气污染物难以扩散，进而积聚在空气中；其次是大气污染物排放量，工厂、车辆尾气以及生活废气的排放，是雾霾形成的主要因素之一。

随后是发展阶段，通常在起始阶段的基础上，AQI指数不断上升，能见度急剧下降，由雾转为雾霾。

发展阶段的特征是雾霾范围不断扩大，且持续时间较长。

影响发展阶段的因素主要有：排放源的积累和扩散，当大气污染物排放量超过自然清除能力时，污染物将逐渐积累并扩散，使雾霾范围不断扩大；气象条件的稳定，静稳天气使得大气污染物难以扩散和稀释并且在空气中停留时间较长。

最后是消散阶段，通常在AQI指数逐渐下降，能见度开始恢复。

消散阶段的特征是雾霾范围逐渐减小，空气质量逐渐改善。

消散阶段的因素主要有：气象条件的改变，例如冷空气的来临、降雨等，有利于将污染物稀释和清除；同时，当污染物的排放减少时，也会促使雾霾逐渐消散。

而影响北京一次持续性雾霾过程的因子主要包括大气污染物排放、气象条件以及地理环境等。

大气污染物排放是雾霾形成的根本，主要包括工厂排放、机动车尾气以及生活废气排放。

气象条件是雾霾发展的重要因素，静稳天气、低风速和高湿度等不利于大气污染物的扩散和稀释。

地理环境也会影响雾霾的分布和传输，例如地势、气候等。

为了解决北京雾霾问题，应采取综合措施：一是加强大气污染物排放管理，鼓励工业企业使用洁净燃料、进行净化治理，并加强机动车尾气的排放控制。

北京冬季雾霾事件的气象特征分析随着工业化进程的加速，环境污染问题日益严重。

其中，雾霾事件在冬季频繁出现在许多城市，给人们的健康和生活带来严重影响。

本文以北京为例，对冬季雾霾事件的气象特征进行分析。

在冬季，北京的天气特点为干燥、少雨、多风，这些气象条件为雾霾事件的发生提供了有利的环境。

干燥的天气使得大气中的水蒸气含量较低，缺乏对空气中污染物的稀释作用，容易造成污染物聚集。

少雨的气候导致干燥的气流得以持续，进一步加剧了空气污染的程度。

多风的气象条件虽然有助于污染物的扩散，但同时也可能将污染物从其他地区带入北京，加重了雾霾事件的影响。

为了深入了解北京冬季雾霾事件的气象特征，我们收集了北京市气象局的历史数据以及气象预报数据。

从这些数据可以看出，在雾霾事件发生期间，天气多为静稳状态，风力较小，空气湿度较低，且存在逆温层现象。

这些气象特征使得污染物难以扩散，导致雾霾事件的发生和加剧。

北京冬季雾霾事件的气象特征主要为干燥、少雨、多风，以及天气静稳、风力较小、空气湿度较低和存在逆温层等现象。

为了应对雾霾事件，我们建议在冬季加强空气质量的监测和预警，同时采取适当的措施，如增加绿化带、推广清洁能源、加强交通管理等，以减轻空气污染对人们健康和生活的影响。

随着工业化和城市化的快速发展，雾霾天气已成为我国城市地区常见的空气质量问题和环境保护的焦点。

特别是在北京等大城市，冬季雾霾现象频繁，对城市居民的健康和生态环境造成了严重影响。

为了有效控制雾霾，需要深入了解雾霾天气的形成机制和影响因素。

本文以北京冬季雾霾天气为研究对象，探讨颗粒物及其化学组分的粒径分布特征。

北京冬季雾霾天气形成的原因有很多，其中颗粒物和气态污染物是主要成分。

颗粒物包括PMPM10等大粒子和小粒子，它们是由多种化学组分组成的复杂混合物。

这些颗粒物的粒径分布特征对雾霾天气的形成和持续具有重要影响。

为了研究颗粒物及其化学组分的粒径分布特征，我们采用了惯性撞击器（IFF）和扫描电迁移率粒径谱仪（SMPS）等仪器，对北京冬季雾霾天气的颗粒物进行了测量和分析。

鲁东大学数学与统计科学学院2015－2016学年第一学期《统计案例分析》课程论文A卷课程号：210030155任课教师刘全辉成绩气象因子对北京市雾霾天气影响的统计分析摘要：雾霾天气是一种十分重要的城市气候灾害，雾霾会对大气环境产生副作用，严重的雾霾甚至还会影响到人们的身体健康、交通出行安全及农业生产。

本文根据2010年—2013年北京市连续3个冬季气象数据和空气污染物监测数据，分析了北京市雾霾天气与气象因子（主要是温度、相对湿度、风速等）之间的相关关系。

分析结果表明空气温度、相对湿度和风速是影响雾霾天气形成的重要气象要素。

较高的空气相对湿度和低风速不但促进雾霾天气的形成，而且是导致持续性雾霾天气的主要原因。

利用判别分析方法导出了气象因子与雾霾关系的判别函数模型，为用气象数据判别雾霾提供了方法。

关键词：雾霾；AQI；空气相对湿度；温度；风速；判别函数模型一：前言随着经济发展和城市化进程的加快及机动车保有量的迅速增加，向大气排放的污染物也不断增多，导致大气污染日趋严重，雾霾天气增多，2013年1月份北京经历了几十年来最为严重的雾霾天气。

雾霾天气不但给人们带来了极大的交通不便和危险，而且造成了严重的环境污染，影响健康（Schwartz等，1996），成为北京人民普遍关注的热点问题之一（周涛和汝小龙，2012）。

在交通出行方面，雾霾形成后，大气能见度明显降低，极易引发交通事故。

据北京市交通局统计，仅仅是2013年1月31日的半天时间北京市就发生了2000多起交通事故，造成了多人受伤，二人死亡和巨大的财产损失。

这种恶劣的天气环境不仅仅只会给人们的出行造成麻烦，还会对人们的健康安全造成极大的威胁（Ostro等，1999）。

在今年一月份连续四次的雾霾天气过程中，北京市各大医院急诊患者中，呼吸道感染患者比例也开始同比上升。

北京市疾病控制中心的统计结果显示：1月5日至11日期间，仅北京市儿童医院日急诊量最高峰就曾达到9000多人次，呼吸道感染占到内科病人的50%左右。

《北京冬季雾霾事件的气象特征分析》篇一一、引言北京作为我国的重要城市，冬季时常遭受雾霾的困扰。

雾霾事件不仅影响了市民的日常生活，也对城市的环境和经济发展带来了不小的影响。

本文旨在分析北京冬季雾霾事件的气象特征，以期为未来的雾霾防治提供科学依据。

二、雾霾事件背景北京冬季雾霾事件多发生在供暖期，由于大量燃煤等污染物的排放，加上不利的气象条件，使得雾霾天气频发。

这些雾霾天气不仅影响市民的出行和生活质量，也对城市的交通、环境和经济产生了不良影响。

三、气象特征分析1. 温度与湿度北京冬季雾霾事件往往伴随着较低的温度和较高的湿度。

低温有利于污染物的聚集和悬浮，而高湿度则使得空气中的水汽凝结，进一步加重雾霾的严重程度。

因此，低温高湿的气象条件是北京冬季雾霾事件的重要特征之一。

2. 风速与风向风速和风向是影响雾霾消散的重要因素。

北京冬季雾霾事件中，往往伴随着较小的风速和不利的风向。

小风速不利于污染物的扩散，而逆温等不利气象条件则进一步加剧了雾霾的严重程度。

此外，冬季盛行的西北风也容易将污染物质输送至城市中心地区，从而加重雾霾污染。

3. 大气稳定性与逆温现象大气稳定性和逆温现象也是北京冬季雾霾事件的重要气象特征。

大气稳定性是指大气层结的稳定性，稳定性较高时，空气中的污染物不易扩散。

而逆温现象则是指近地面气温高于高空气温的现象，这种情况下空气对流减弱，污染物难以扩散，容易形成雾霾天气。

四、结论与建议通过对北京冬季雾霾事件的气象特征进行分析，我们可以得出以下结论：低温高湿、小风速、不利风向、大气稳定性和逆温现象等气象条件是导致北京冬季雾霾事件的重要因素。

为了减轻雾霾对城市环境和经济的影响，我们建议采取以下措施：1. 加强污染源治理，减少燃煤等污染物的排放；2. 优化城市规划，减少交通拥堵和机动车排放；3. 加大人工干预力度，如通过人工增雨等方式促进污染物的沉降和扩散；4. 加强气象监测和预警，及时发布雾霾预警信息，提醒市民采取防护措施。

北京一次重污染过程的天气成因及来源分析崔萌;安兴琴;范广洲;王超;孙兆彬;任文辉【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PM 2.5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PM 2.5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PM 2.5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PM 2.5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PM 2.5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.【期刊名称】《中国环境科学》【年(卷),期】2018(038)010【总页数】11页(P3628-3638)【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【作者】崔萌;安兴琴;范广洲;王超;孙兆彬;任文辉【作者单位】成都信息工程大学大气科学学院,四川成都 610225;中国气象科学研究院大气成分研究所,北京 100081;中国气象科学研究院大气成分研究所,北京100081;成都信息工程大学大气科学学院,四川成都 610225;中国气象科学研究院大气成分研究所,北京 100081;中国气象局北京城市气象研究所,北京 100089;中国人民解放军78127 部队,四川成都 610000【正文语种】中文【中图分类】X513近年来,为了改善北京市空气质量,许多学者开展了与北京大气污染相关的研究工作.学者们研究分析了大气环流及气象要素对空气污染的影响,认为在污染物排放量高、污染物排放源复杂的情况下,天气气候背景是形成持续时间长、影响范围广和污染程度高的重污染过程的主要驱动因素[1].稳定的大气环流形势、高湿度低风速的地面条件和低而厚的逆温层导致北京层结稳定,不利于污染物扩散[2],在污染浓度升高过程中,大气也并不总是处于层结稳定状态,垂直运动和散度在垂直方向上的“分层”结构有利于污染物的累积[3].孙兆彬等[4-5]解释了偏东风随高度增大以及逆温减弱、混合层高度升高导致浓度升高的原因.廖晓农等[6]发现边界层急流会迅速改善北京地区PM2.5浓度;在污染过程排放源追踪方面,学者们利用数值模式也开展了大量工作, Stohl等[7]运用拉格朗日粒子扩散模式FLEXPART验证了城市区域间的污染输送;Zhai等[8]同样利用FLEXPAPT反向追踪了北京市雁西湖地区空气质量影响最大的敏感源区,为整个源区域和特定敏感源区建立了减排测试;王雪松等[9-11]利用三维区域空气质量模式CAMX模拟对流层大气光化学过程,研究了不同地区、不同种类污染源排放对北京地区臭氧浓度的影响;王雪松等[12]利用CAMX模拟研究北京地区夏季PM10浓度的时间变化规律和空间分布特征;薛文博等[13]运用CAMx模型研究出全国各省市PM2.5污染以本地源为主,跨区域输送与各省市地理位置、污染物排放强度、排放源结构、气象条件等有关;安兴琴等[14]研究表明CMAQ模式能较好地模拟污染物的空间分布格局;翟世贤等[15]利用空气质量模式Model-3/CMAQ对北京市PM2.5浓度进行了污染源减排时刻和减排比例的研究;王自发等 [16-17]利用NAQPMS模式,采用质量追踪法计算了周边各地区的臭氧污染对北京的贡献率,研究了我国强污染天气下中东部PM2.5的时空分布特征和演变规律;李锋等[18]利用WRF-CMAQ模型探究了长江三角洲PM2.5的时空分布和输送;刘香娥等[19]运用WRF-CHEM模式研究出北京地区O3污染的主要来源是北京以外的外源输送,细颗粒物则主要源于本地生成;Zhai等[20]利用GRAPES- CUACE气溶胶伴随模式反向追踪了2012年11月北京一次污染事件的主要污染排放源区;王超等[21]利用GRAPES-CUACE气溶胶伴随模式,对北京市一次高浓度PM2.5污染过程进行了敏感性分析,并显示了伴随模式在追踪重点排放源区及关注敏感排放时段等方面的优越性.本文利用天气学分析方法,结合GRAPES- CUACE气溶胶伴随模式,综合分析了北京市2016年2月29日~3月6日期间一次PM2.5重污染过程的大气环流特征、污染形成和消散原因,并利用伴随模式反向追踪了污染过程关键排放源区及敏感排放时段,模拟估算了本地及周边排放对此次污染过程的累积贡献比例及不同区域的主导贡献时段和贡献比例的时间演变.本文主要利用地面常规观测资料、Micaps资料、FY-2E静止气象卫星的云量数据、北京海淀站(116.28°E,39.98°N)实时采样高度上产品数据文件的L波段边界层风廓线雷达资料,以及北京市环境保护局35个监测站点2016年2月29日~ 3月7日逐时PM2.5质量浓度观测数据.GRAPES-CUACE伴随模式是在我国自主研发的新一代数值模式系统GRAPES和大气化学模式CUACE基础上开发的在线耦合气象-化学模式系统[22].GRAPES模式是采用半隐式半拉格朗日方案的有限区/全球统一模式,提供与国际上常用数值预报资料接口,模式输入输出便捷[23];CUACE目前主要包括3个模块:气溶胶模块、气体模块和热力学平衡模块[21].本研究主要利用气溶胶模块伴随模式.本文首先利用GRAPES-CUACE正向模式模拟出北京市2016年一次重污染过程的PM2.5浓度变化趋势,再利用气溶胶模块的伴随模式反向追踪形成PM2.5峰值浓度过程中的主要污染排放源区及敏感排放时段,具体步骤见参考文献[22,24].本文模拟区域主要是我国华北地区(105°E~ 125°E,32.25°N~43.25°N),水平包括41×23个网格,水平分辨率为0.5°×0.5°,垂直分为31层,积分步长为300s,排放源清单采用0.5°×0.5°的INTEX-B2006清单.本文模拟时间为2016年2月26日20:00~3月8日 20:00,其中前3d是模式启动时间,为了消除理想化初始浓度对模拟效果的影响.本文基于地面气象观测,根据罗氏法计算混合层高度[25-26],计算公式如下:式中:H是计算的混合层高度,m; P是帕斯奎尔稳定度级别(大气稳定度级别为A~F 时,P依次取值为1~6);(T-Td)是温度露点差,℃;Uz是Z高度处测得的平均风速,m/s;Z0是地面粗糙度;f是地转参数,f= 2ΩsinΦ.从北京市2016年3月1日~4日的PM2.5日均浓度逐日空间分布可以看出,北京市PM2.5平均浓度逐日增加,在3月4日达到最大,3月4日平谷镇日平均浓度达到413μg/m3,空间上,浓度呈自东南向西北递减的分布趋势,污染物由南部向北部蔓延.北京南部平原地区PM2.5浓度比北部和西部山区PM2.5浓度高约1~2.4倍.北京城区PM2.5浓度比北部郊区浓度高约1~1.5倍.图1是郊区怀柔站和市内海淀站2016年2月29日~3月6日的PM2.5浓度时间分布图,怀柔站和海淀站的PM2.5浓度呈周期性波动,大体为先上升后下降走势.怀柔站出现3次较高峰值,在3月4日9:00浓度最高,为478.2μg/m3,海淀站也出现3次较高峰值,最大峰值出现在3月4日20:00,浓度为506.4μg/m3,2站点PM2.5浓度主要存在7次明显下降过程(A~G):2月29日9:00~12:00、3月1日9:00~ 13:00、3月2日10:00~18:00、3月3日4:00~6:00、3月3日20:00~3月4日6:00、3月4日10:00~16:00以及在3月4日20:00均呈断崖式下降.从图1可以看出,2月29日~3月4日5d的PM2.5浓度存在明显的日变化:在早上6:00~8:00都出现峰值,而后开始下降,在中午13:00前后出现最低值,下午至晚上19:00~20:00浓度持续增加,然后又下降.这种现象主要受早晚高峰期间汽车尾气排放增加的人为因素,以及天气因素共同影响[27-29].在7次明显下降过程中,有4次(A、B、C、F)与日变化有关,后5次浓度下降过程主要受气象要素影响.对于C、D、E、F、G 5次下降过程的天气学原因将在本文第3、4节进行详细分析.从2016年2月29日~ 3月5日8:00海平面气压场图可以看出:2月29日20:00~3月4日8:00,北京站处于地面低压槽槽前或者低压中心前部,冷空气影响不明显,等压线稀疏,气压梯度小,地面风速小,以弱偏南风为主,对污染物扩散不利,大气污染物易在太行山前辐合形成聚集,北京污染物持续增加,PM2.5浓度上升.3月4日8:00~23:00,转为受地面倒槽形势控制,有利于污染扩散.2月29日8:00~3月3日20:00,北京站500hPa高度场为槽后脊前的天气形势,受西北气流控制,200hPa纬向风较小,等值线稀疏,西风急流较弱.2月29日8:00~3月1日8:00,基本为偏北分量较大的西北风,3月1日8:00~3日20:00,主要受偏西分量较大的西北风影响,风速减小,等高线较稀疏.3日20:00前后北京站有一短波槽过境,过境前的槽前上升运动,利于污染物抬升,3月4日8:00~3月5日8:00,北京站转为槽前西南气流控制,整体上冷槽落后于高度槽,槽较深厚,等高线密集,风速较大,槽前上升运动较明显,有利于污染物扩散.天气形势整体与500hPa相似,2日20:00前后由西北风转为西南风控制,2日20:00~4日暖平流输送较明显,暖脊形势较明显但湿度较小,且由于黄土高原的存在,槽下高原的下沉增温作用,加深了逆温层的形成与维持,有利于地面低压形势加强,不利于地面冷空气影响北京地区.因此在冷暖空气交汇过程中,北京站基本无降水.3月4日20:00北京站开始受地面倒槽影响,850hPa温度较3月3日20:00下降5~7℃,风场风速加大,重新转为西北气流控制且位于槽后,冷空气从西北方向进入京津冀地区,低压和海上高压减弱,污染物扩散条件转好,空气质量逐步改善.高层虽然有槽前上升运动,然而由于中低层水汽输送不明显,且中低层槽线在下高原后有动力下沉增温作用,导致湿度进一步减小,故没有明显降水.在地面冷空气影响北京站之前,中低层始终有暖脊存在,一方面加强了地面热低压的发展与维持,使冷空气南下移动减慢,延缓冷空气影响过程;另一方面暖脊加强了近地面逆温层的形成与维持.近地面逆温层的形成,不仅与暖平流或暖心结构有关,槽下高原后的下沉增温也有利于逆温层的形成与维持.3月2日~4日期间,在发展的低压、较弱的气压梯度和风场、逆温层三者共同影响下,北京地区环流相对静稳,对大气污染物的扩散极为不利.此次地面冷空气过程以南压为主,较长时间内受到维持于华北平原的地面热低压的阻挡,导致冷空气主体影响北京站的西南地区.对北京站而言,冷空气影响的时间较短、强度较小,且没有明显降水,对于污染物的扩散作用较为有限.从T-lnP图可以看出,2月29日~3月4日20:00逆温比较明显(白天较强,晚上有减弱趋势),且中低层湿度很小.3月4日23:00~5日11:00由于上游地区冷空气东移影响,先前控制北京站的低压中心逐渐东移,北京站风速加大,风向转为偏北风.图2是3月2日0:00~5日0:00的风廓线图,图2(a)为水平风速,图2(b)为垂直风速,垂直风下沉为正,上升为负.结合图2可以看出,在3月2日0:00~5:00高空风场为西北风,200m以下为风速小于3m/s的北风,从3月2日5:00开始,边界层内风向呈气旋型切变,逆时针旋转,有冷平流,到17:30左右整个边界层内为西南风,底层风速较5:00增大了2~4倍,偏南风速增大,在1200~1400m出现最大风速为30m/s,形成低空急流,加强层结的不稳定度,触发不稳定能量的释放,图2(b)中低空急流产生暖平流的上升运动,但由于中低层湿度过小,并没有形成降水,污染物吹向高空,水平和垂直扩散条件转好.3月2日22:30~3日3:30,急流减弱,底层风速减小,污染物浓度又逐渐升高.3月3日4:00~6:00,500hPa有短波槽过境,在1100m又出现了急流中心,中心风速为26.2m/s,污染扩散条件转好,污染物浓度降低.3月3日16:00~3月4日7:00风随高度顺时针旋转,700hPa暖脊形势较明显,850hPa暖平流输送明显,在1400~1900m又出现边界层急流,西南风最大风速为21.4m/s,大气通风量增大,污染物浓度降低.3月4日7:00~9:30,风随高度逆时针旋转,高空急流减弱,风向由西南风转为西北风,底层风速减小,扩散条件转差,污染物浓度升高.3月4日10:00开始中低空伴有强风,850hPa槽线即将过境,10:00~16:00底层风速达到6~12m/s,图2(b)中1800m以下有0~2m/s的上升运动,水平和垂直扩散条件较好,污染物浓度下降,但从图2(b)可以看出槽前冷空气开始渗透,但未完全渗透,底层风速减小到1~3m/s,导致污染浓度下降后又猛升,400~ 1600m出现强风速区,最大风速为26.7m/s,直到3月4日20:00左右,地面开始受地面倒槽影响,850hPa槽线过境,冷空气开始完全渗透,图2(b)中空气产生强烈上升运动,强上升运动将堆积在底层的污染物输送到中高空,污染物浓度骤降.由图2可分析出3月2日10:00~18:00、3月3日 4:00~6:00、3月3日20:00~3月4日06:00、3月4日10:00~16:00以及3月4日20:00污染物浓度降低及消散的原因,可以看出水平和垂直扩散条件转好是污染物浓度下降的主要影响因素,边界层偏南风急流在PM2.5污染快速清除的过程中起着非常重要的作用[6]. 大气混合层高度是反映污染物垂直扩散的重要参数,是影响大气污染物扩散的主要气象因子[25].本研究基于地面气象观测,采用罗氏法计算了2月29日~3月5日的逐时混合层高度(图3).2月29日~ 3月3日混合层高度存在明显日变化,每日14:00~ 17:00出现最大值,6:00~8:00出现最小值,与图3中海淀站的PM2.5浓度呈明显负相关(混合层高度较高时,PM2.5浓度较低;混合层高度较低时,PM2.5浓度较高);3月4日重污染日混合层高度在1000m以下,在6:00混合层高度最低,为367.8m,3月5日清洁日混合层高度高达3000m.与图2对比可以发现,在3月2日12:00~18:00混合层高度升高是由边界层急流引起,大气扩散条件转好;3月5日冷空气主体侵入使混合层高度升高,强上升运动使堆积在近地面的污染物输送到空中,大气容积增加,垂直扩散条件转好.图4为2016年2月29日~2016年3月6日北京海淀站和怀柔站模式模拟与观测的PM2.5浓度变化曲线及散点拟合,表1为a=0.01时的显著性检验的统计量:F 是检验统计量;P-value显著性水平假定值;F crit是临界值;R是相关系数.通过对比站点模式模拟与观测的PM2.5浓度验证模型的模拟性能:从图4可以看出两站点模式模拟的浓度变化趋势和观测的趋势基本接近,模式能够模拟出PM2.5的浓度变化趋势.观测与模拟的海淀站相关系数为0.68,模型模拟出了5个峰值,相关系数较低主要是因为模式低估了3月2日、3月3日及3月5日的PM2.5峰值浓度水平;怀柔站相关系数为0.86,模式很好地模拟出污染趋势与5个峰值时间.模式模拟浓度偏低的原因可能有两个,第一个是排放源清单没有及时更新,在特定峰值时刻低估了排放量,造成模拟浓度偏低;第二个是地面观测站点受到局地偶然影响,提高了局地排放量,导致浓度偏低.由表1可以看出,站点在a=0.01显著性水平检验中,F>Fcrit, P-value<0.01,相关性极显著,因此模式模拟结果具有可靠性.为了追踪和分析本次重污染过程的污染物来源,利用GRAPES-CUACE伴随模式模拟估算造成此次重污染过程的关键排放源区及敏感排放时段,本文设置峰值浓度为关注的目标函数J [22].本次污染过程北京市平均PM2.5峰值浓度时刻在北京时间3月4日4:00时,峰值浓度为304.6μg/m3.故定义本次目标函数为北京市平均PM2.5峰值浓度,目标区域为北京市,目标时刻为北京时间3月4日4:00.通过目标函数J进行反向积分GRAPES- CUACE模式得到目标函数J关于污染排放源Q[]的污染敏感性数值,敏感性数值大小是污染过程浓度与污染源排放量的比值,可以直接反映污染源的控制效果.如公式:式中:是敏感性数值;J是目标函数;Q是污染排放源.敏感性数值越大,表明削减该污染排放源更能有效的减少目标区域污染物浓度,从而降低削减控制成本.为了更加客观地反映不同污染排放源对污染浓度的影响,定义敏感系数S0,如公式: 可以发现敏感系数和目标函数单位相同,通过量纲分析可知,敏感系数可为削减控制对象提供定量依据.如若对敏感性系数为S0的排放源削减N%,则目标函数浓度也将减少So×N%[30].图5是本次污染过程目标浓度关于PM2.5源排放的时间累积敏感系数分布,描述了目标时刻前一段时间(1h, 3h, 7h, 10h, 13h, 16h, 19h, 22h, 25h, 31h, 37h, 72h)污染排放源对目标地区污染浓度效果的累加.由图5可以看出,目标时刻前1~3h,敏感系数仅在1~3μg/m3,且由北京市向东北方向扩散;目标时刻前3~13h,随着逆时间次序累加,敏感系数明显增加、范围扩大,且向东北方向延伸;目标时刻前13~19h,敏感系数范围基本无明显变化,但是敏感系数仍在增加;目标时刻前19~31h,敏感系数范围又开始向南扩大,敏感系数数值仍不断增加,在目标时刻前31h敏感系数达到最大值12μg/m3;目标时刻前31~72h,敏感系数范围向西南方向扩展;在目标时刻前72h时,敏感系数分布已经包括河北东北部和南部、天津、山西东部、以及山东西北部.由图5可分析出,本次污染过程目标时刻的污染浓度主要受到北京、河北、天津、山西以及山东污染物排放的共同影响;在目标时刻前1~3h和31~72h时段的敏感系数数值增加但速率很小,这说明过早的源排放和过晚的源排放对目标时刻高浓度的PM2.5影响较弱;目标时刻前13~19h,虽然敏感系数仍在增加,但敏感系数空间分布范围基本无明显变化,且时间段前后扩散方向明显相反,地面风场有明显风向转变;在目标时刻前31h时,敏感系数达到最大,若从目标时刻前31h开始对敏感系数最大网格区域的污染源排放削减N%,则目标时刻北京市PM2.5平均浓度将下降12μg/m3·N%.图6为北京本地源和北京周边源逐时(a)及时间积累(b)敏感系数时间序列,可以反映出北京和周边源对本次污染过程目标时刻PM2.5 峰值浓度的逐时贡献和时间累积贡献大小.由图6(a)可知,随着逆时间次序的增加,北京和周边的逐时敏感系数都是呈先上升达到最大值后下降的态势,但二者的变化趋势又存在明显差异.PM2.5峰值浓度对本地排放源响应迅速,在目标时刻前1h本地源逐时敏感系数达到最大值,为7.08μg/m3,达到最大值后下降速率先快后慢再快,在3月3日11:00(目标时刻前17h)达到极小值,并在3月2日17:00(目标时刻前35h)左右降到0附近.周边源逐时敏感系数呈现明显周期性波动下降趋势图,波动周期约为24h.下降过程出现3个峰值,峰值时刻分别为3月3日20:00(目标时刻前8h)、3月3日3:00(目标时刻前25h)和3月2日3:00(目标时刻前49h),对应的敏感系数分别为7.08, 2.84,0.63μg/m3,周边源逐时敏感系数在3月1日16:00(目标时刻前60h)降到0附近.以上说明在目标时刻前4h内北京本地源贡献占主导地位,目标时刻前4~72h周边源贡献始终高于本地源,周边源贡献占据主导地位;本地源排放在目标时刻前1~35h 对目标时刻PM2.5峰值浓度影响较大,目标时刻前35~72h的影响迅速减弱;周边源贡献在目标时刻前1~60h对目标时刻PM2.5峰值浓度影响较大,周边源持续不断地向北京市输送污染物:其中在目标时刻前2~36h影响最为显著,目标时刻前60~72h的影响迅速减弱.由图6(b)可知,随着逆时间次序增加,北京本地源和周边源时间累积敏感系数都呈上升趋势,在3月3日22:00(目标时刻前6h)左右本地源和周边源时间累积敏感系数相交,本地源和周边源时间累积敏感系数分别在3月2日20:00(目标时刻前32h)和3月1日20:00(目标时刻前56h)趋于稳定,稳定后的时间累积敏感系数分别达到55.5,123μg/m3.以上表明,在3月3日22:00(目标时刻前6h)之前周边源时间累积敏感系数始终高于本地源,大约是本地源的2倍,说明在3月3日22:00(目标时刻前6h)之前周边源累积贡献占主导地位;周边源向北京地区输送的污染物是本地排放的2倍;3月3日22:00(目标时刻前6h)~3月4日4:00(目标时刻),北京本地源时间累积敏感系数高于周边源,本地源累积贡献占主导地位.图7是北京本地和周边排放源(天津、河北及山西省)对本次污染过程时间累积(a)和逐时(b)敏感系数的时间序列,本次污染过程的周边源主要包括天津北部、河北东部及山西东部的排放源.由图7(a)累积敏感系数可以看出,随着逆时间次序的增加,北京、天津、河北和山西的累积敏感系数都是上升到一定值后再趋于稳定的态势.在3月3日19:00(目标时刻前9h)左右北京本地源和河北省时间累积敏感系数相交,北京本地源、天津、河北及山西周边源时间累积敏感系数分别在3月2日20:00(目标时刻前32h)、3月2日16:00(目标时刻前36h)、3月1日20:00(目标时刻前56h)及3月1日17:00(目标时刻前59h)趋于稳定,稳定后的时间累积敏感系数分别达到55.5, 94.0, 20.8, 8.3μg/m3,目标时刻到3月3日6:00(目标时刻前22h)山西源贡献始终趋于0附近.由图可以说明,3月3日19:00(目标时刻前9h)~3月4日4:00(目标时刻)之间北京本地累积敏感系数最大,北京本地源排放占主导地位;在3月3日19:00(目标时刻前9h)之前河北的累积敏感系数最大,河北污染输送占主导地位;在3月3日6:00(目标时刻前22h)~3月4日4:00(目标时刻)期间山西的敏感系数基本接近于0,几乎没有向北京进行污染物输送;在目标时刻前72h内,河北、天津、山西污染源累积贡献分别是北京本地源的1.7, 0.38, 0.15倍,河北省对本次污染浓度累积贡献最多,北京本地源其次,山西最少.由图7(b)逐时敏感系数可以看出,河北、天津和山西的逐时敏感系数都呈现周期性波动,但又存在明显差异,说明周边不同省市对北京PM2.5峰值浓度的时段和程度影响不同.河北省逐时敏感系数波动过程中出现3次峰值,峰值时刻分别为3月3日20:00(目标时刻前8h)、3月3日3:00(目标时刻前25h)和3月2日3:00(目标时刻前49h),对应的敏感系数分别为6.16(最大值),1.99,0.29μg/m3,并于3月1日16:00(目标时刻前60h)趋于0μg/m3,河北省逐时敏感系数3次峰值时间和图6(a)中周边源的逐时敏感系数峰值时间相同,且河北省逐时敏感系数几乎始终高于天津市和山西省,说明河北省在周边源中占主导地位;天津逐时敏感系数同样出现3次峰值,峰值时刻分别为3月4日1:00(目标时刻前3h)、3月3日17:00(目标时刻前11h)和3月3日6:00(目标时刻前22h),对应的敏感系数分别为1.41(最大值), 1.1,0.42μg/m3,并于3月2日16:00(目标时刻前36h)趋于0μg/m3,始终没有超过2μg/m3,说明天津市对本次的排放输送影响较小;山西省的逐时敏感系数仅存在2次峰值,3月2日20:00(目标时刻前32h),为0.87μg/m3(最大值)及3月1日23:00(目标时刻前53h),为0.35μg/m3,并于3月1日16:00(目标时刻前60h)减少到0μg/m3附近,始终没有超过1μg/m3,说明山西省对本次的排放输送影响微乎其微.目标时刻PM2.5峰值浓度对北京本地源响应最为迅速;由于山西距离北京远,污染物短时间内输送不到北京,大约经过20h才输送到北京,所以对山西源的响应速度比河北源及天津源慢.图8是表示本地源与周边不同省市对目标时刻PM2.5峰值浓度时间累积敏感系数贡献百分比与逐时敏感系数贡献百分比.例如,由图8(a)时间累积敏感系数百分比可以看出,随着逆时间次序增加,天津、河北、山西累积贡献比例呈上升趋势,北京本地累积贡献比例呈下降趋势,达到一定比例时趋于稳定状态.越临近目标时刻,本地污染源排放贡献比例越高,周边省市污染源排放输送越少;在目标时刻时,北京本地、天津、河北及山西排放源对PM2.5峰值浓度的累积贡献比例分别为91.8%、3.8%、4.5%、0%,在目标时刻时,周边省市污染源输送。

北京2013年1月持续雾霾天气成因分析北京2013年1月持续雾霾天气成因分析近年来，雾霾天气频繁出现，给人们的生活和健康造成了巨大的影响。

尤其是2013年1月，北京地区出现了持续多日的雾霾天气，严重影响了城市的可见度和空气质量。

本文将对北京2013年1月持续雾霾天气的成因进行分析，并提出相应解决措施。

一、气象条件分析1. 温度逆温层形成逆温层是指大气温度垂直分布的一种特殊状态，冬季常常出现。

逆温层下方的温度低于上方，导致空气静稳，不易向上扩散。

2013年1月，北京地区出现了持续的低温天气，逆温层形成导致雾霾天气的积聚。

2. 大风停歇导致空气不流动2013年1月初，北京地区停风现象比较显著，缺乏较强的风力使得空气无法循环流动，污染物无法散去，进一步加重了雾霾天气的发生和持续时间。

3. 湿度高湿度是导致雾霾天气的重要因素之一。

当空气中的湿度较高时，容易形成雾霾。

2013年1月期间，北京地区空气湿度较高，有利于雾霾天气的形成和发展。

二、人为因素分析1. 工业排放北京地区拥有大量工业企业，这些企业在生产过程中排放大量的废气、污染物和颗粒物。

这些污染物进入大气后，结合气象条件，容易形成雾霾现象。

2. 汽车尾气排放北京地区的机动车辆数量庞大，汽车尾气排放成为城市环境污染的重要来源。

尤其是2013年1月初，停风天气使得汽车尾气无法扩散，积聚在空气中，导致雾霾天气的恶化。

3. 燃煤污染煤炭是北京地区主要的能源来源，大量的燃煤行为导致了严重的空气污染。

尤其是冬季供暖期间，大量的燃煤释放的废气、颗粒物和硫化物等污染物进一步加重了雾霾天气的程度。

三、解决措施1. 调整工业布局减少工业企业的集中排放，通过将工业企业分散布局、加强治理设施等措施，减少工业排放对空气质量的影响。

2. 排放标准的严格执行加大对工业企业和汽车尾气排放的管控力度，严格执行排放标准，通过罚款和限制等手段，促使企业和车主减少污染物的排放。

3. 多元化能源结构推动清洁能源的发展，减少对煤炭的依赖。