偏东风输送导致的关中地区冬季PM2.5重污染个例研究

任鹏杰， 尉 鹏*， 赵 森， 李 娟， 张博雅， 胡京南， 曹军骥

1.中国环境科学研究院大气环境研究所， 北京 100012

2.合肥市气象局， 安徽 合肥 230041

3.中国科学院地球环境研究所， 陕西 西安 710061

近年来我国多次出现大范围的重污染天气[1]，对人类生产生活[2-3]、交通运输[4]及全球变化[5-6]等产生了重大影响. 以PM2.5为主的污染物是霾污染形成的重要因素，PM2.5能通过呼吸道进入肺泡，从而危害人体健康[3].

区域性污染可能扩散至周边地区，同时通过远距离传输到其他区域[7]. 近年来，国内外众多学者对PM2.5污染的中远距离传输进行了研究. 污染物的生成、积累和清除过程以及气溶胶的区域输送均受大尺度环流形势的影响[8-9]，高压系统后部的偏南暖平流是稳定的污染物输送通道[10]. 苏福庆等[11]对北京市外来污染物的分析中引入了输送通道的概念，指出影响北京市时空稳定的风带即输送通道；本地一次污染物的累积、二次污染物的生成和周边污染物的长距离输送是北京市发生重污染的重要原因[12]. Streets等[13]利用MODEL-3/CMAQ模型模拟后发现，在稳定的南风作用下，北京市大气中ρ(PM2.5)有50%～70%的污染来自河北省. 不同高度的污染输送通道也有差别，钤伟妙等[14]发现，石家庄市500、1 500 和 3 000 m高度上分别以近距离输送、远距离输送和西北向长距离输送为主. 段时光等[15]指出位于郑州市北部的京津冀传输通道城市是郑州市冬季PM2.5的潜在源区. 对于太原市而言，关中地区、汾河谷地是其主要的污染输送来源[16]. 康晖[17]研究发现，长三角地区污染物的质量浓度与气团的传输路径相关性较强，区域传输使得空气质量较差区域的空气质量恶化更明显. Perrone等[18]发现，地中海东南部长距离输送对PM2.5和PM1的影响较大.

在天气分型对空气污染分布和输送的影响方面，可将导致京津冀重污染的天气形势分为9种，分别为西部高压前部型、西部冷锋前部型、高压后部过渡型、西北高压前部型、高压后部边缘型、高压场型、西北冷锋前部型、鞍型场型、高压南部型[19]. 研究[20-21]发现，北京市多次重污染过程与纬向西风气流型、高压脊型这两种环流配置有关，同时偏南暖湿气流、低空逆温层、均压场等是PM2.5重污染形成的有利条件[22]，相对湿度高、风速小、能见度低是PM2.5重污染形成的重要因素[23]. 上海市的上游污染输送、本地静稳累积和上游输送相叠加对应的天气型分别为冷锋、高压后弱气压、高压前弱气压，其中高压前弱气压的维持导致了上海市3次持续重污染[24]. TAO等[25]研究表明，贝加尔湖高压、对流层低层逆温等原因导致了我国东部持续的重污染. 黄少妮等[26]结合关中地区气象和颗粒物浓度的监测资料发现，持续的强东风与关中地区的封闭地形造成了该区域的污染. Alam等[27]模拟了巴基斯坦的气流类型和气溶胶浓度的时空分布，发现该地区夏季气溶胶浓度与气流停留时间相关. 多数学者从输送通道和天气分型角度对重污染天气进行了研究，但其研究区大多为全国、中东部、京津冀、长江三角洲等区域，对关中地区PM2.5重污染的天气型、输送特征及偏东风输送进行分析的研究较为鲜见.

关中地区是人口、教育、旅游、经济等密集区域，该地区三面环山，地形封闭，易形成严重的大气污染，是生态环境部大气污染重点监测地区. 该研究以2018年1月关中地区PM2.5污染过程为研究对象，通过对天气形势及气象要素的分析，利用WRF和CAMx模式对关中地区2018年1月12—18日典型偏东风输送及不利天气形势场组合情形下PM2.5污染状况及输送来源进行模拟和重点分析研究，以期为关中地区大气污染来源分析、污染预警及防治提供技术支撑.

1 数据与方法

1.1 PM2.5监测数据和气象数据来源

PM2.5监测数据来自中国环境监测总站的2018年1月城市小时浓度数据，时间分辨率为1 h. WRF和CAMx数值模式中使用的气象场数据来自NCEP/NCAR提供的全球格点资料同化再分析数据(https://psl.noaa.gov/data/gridded/data.ncep.reanalysis.html)，空间分辨率为2.5°×2.5°，包括2 m气温、2 m相对湿度、10 m风速风向、气压等要素，时间分辨率为6 h. 用以分析ρ(PM2.5)与气象要素相关关系的地面气象要素数据为中国气象局的MICAPS第一类站点数据(http://www.micaps.cn/MiFun/main)，选取2018年1月的逐时气象观测数据，包括气温、相对湿度、风速、气压、能见度等，时间分辨率为1 h.

1.2 WRF气象模式

利用WRF(Weather Research and Forecasting Model)模式模拟关中地区1月12—18日的气温、相对湿度、气压和风速等气象要素. WRF模式是美国国家大气研究中心(NCAR)等机构研制的多尺度数值预报模式，广泛应用于气象、环境等领域. 用WRF模式对气象场数据进行处理并成图，垂直分辨率为27层，时间分辨率为3 h，WRF模式的参数设置见表1，主要包括模式的格点分辨率、嵌套方案、参数化选择等，其中参数化方案包括微物理过程、短波辐射方案、长波辐射方案、边界层方案、陆面过程等.

表1 WRF模式参数设置

1.3 CAMx模式

该研究利用CAMx(Comprehensive Air Quality Model with Extensions)模式对各城市间PM2.5污染的传输关系进行模拟. CAMx是一个光化学网格模型，运用气象学及数学的方法来模拟大气中各污染物(臭氧、颗粒物、大气有毒物质)在大气中的物理和化学过程以及它们之间的相互影响. CAMx包含总体空气质量模拟系统的核心组件(排放、气象、光解反应、地理、空气质量)，气象输入由气象模型(WRF)供给. 排放输入数据、地形环境等参数也由外部的预处理系统提供. 关中地区和区域外的源排放清单数据采用清华大学的中国多尺度排放清单模型(Multi-resolution Emission Inventory for China，MEIC)(http://www.meicmodel.org)[28-30]，分辨率为0.25°×0.25°，按SAPRC07化学机制输出，排放数据包括电力、工业、民用、交通和农业等5个部门，通过GIS网格化分配并建立适用于CAMx的模型清单. CAMx模型的参数设置见表2.

表2 CAMx模型参数设置

1.4 检验方法

对模拟结果的检验采用均方根误差(Root Mean Square Error，RMSE)和平均绝对误差(Mean Absolute Error，MAE). RMSE和MAE均用来衡量模拟值与观测值的偏离程度，其数值越接近0，表示模拟效果越好. 计算公式：

(1)

(2)

式中，xi为观测值，x0为预测值，n为样本数.

1.5 空气质量评价

空气质量等级划分依据HJ 633—2012《环境空气质量指数(AQI)技术规定(试行)》[31]，该规定按照AQI值和ρ(PM2.5)将空气质量等级分为优、良、轻度污染、中度污染、重度污染和严重污染6个等级(见表3).

表3 空气质量等级及对应的ρ(PM2.5)

2 结果与讨论

2.1 污染过程描述

注：虚线自上而下依次对应空气质量等级为重度污染、中度污染和良的ρ(PM2.5)上限值. 阴影部分为该研究的研究时段(2018年1月12—18日).

由图1可见，2018年1月关中地区发生了多次明显的污染过程. 1月4日前，关中地区各城市均出现了跨年重污染事件，持续时间均在10 d以上，持续时间最长的是西安市，为19 d (2017年12月20日—2018年1月7日)；各市在1月6日左右再次达到中度污染；8—9日，各市ρ(PM2.5)日均值均在GB 3095—2012《环境空气质量标准》中二级标准限值(75 μg/m3)以内(简称“达标”)，空气质量为良；从10日开始，各市空气质量持续恶化，ρ(PM2.5)日均值迅速攀升，于14—15日达到当月峰值，除铜川市外，各市的空气质量均为重度污染到严重污染；10—29日，各市ρ(PM2.5)日均值总体维持在超标(超过GB 3095—2012二级标准限值)状态(仅铜川市有两次达标)，空气质量等级均处于轻度污染及以上等级；29日之后，各市ρ(PM2.5)日均值明显下降，均处于达标状态，空气质量明显好转.

由图1可见：咸阳市ρ(PM2.5)日均值在2018年1月14日达到峰值(302 μg/m3)；西安市、渭南市、宝鸡市均在15日达到峰值，分别为292、222、193 μg/m3；但铜川市不同，其峰值出现在3日(152 μg/m3)，15日是其次峰值(142 μg/m3). 各市出现峰值的当日，除铜川市为中度污染、宝鸡市为重度污染外，其余3个城市均为严重污染. 2018年1月5个城市ρ(PM2.5)日均最高值出现在14日的咸阳市(302 μg/m3)，次高值出现在15日的西安市(292 μg/m3)；最低值出现在29日的铜川市(24 μg/m3)，当日铜川市的空气质量为优，是2018年1月关中地区空气质量唯一达到优等级的城市. 就关中地区整体来看，污染较重的城市为咸阳市、西安市和渭南市，其分布在关中地区的中部和东部.

由表4可见，根据关中地区2018年1月污染状况统计，各市ρ(PM2.5)月均值均高于我国GB 3095—2012二级标准限值，ρ(PM2.5)峰值均高于150 μg/m3，超标率均高于100%，其中咸阳市超标率达302.7%. 关中地区的达标天数比例均不足40%，其中，咸阳市的达标天数比例(12.9%)最小，达标比例最高的是铜川市，但也仅为38.7%. 关中地区的平均达标天数为7.4 d，其中西安市、咸阳市和渭南市的达标天数均未达到平均值. 2018年1月各市均发生2～4次污染过程，其中咸阳市和铜川市的污染次数最多. 关中地区污染累计天数均≥20 d，其中咸阳市达27 d. 各市的单次污染过程最长持续天数均在10 d及以上，持续时间最长的为咸阳市，达20 d. 西安市的污染过程次数最少，但其污染累计天数达 26 d，说明其单次污染持续天数较长；铜川市的污染累计天数最少，但其污染过程次数最多，说明其单次污染持续天数较短.

表4 关中地区2018年1月污染状况统计

图2为关中地区2018年1月不同空气质量等级天数占比. 由图2可见：各城市轻度污染和中度污染天数占比最大，在45%～65%之间；重度污染和严重污染天数占比之和最大的是位于关中地区东部的渭南市，为33%；优良天数最多的是铜川市，达11 d，占比为35%，最少的是咸阳市(4 d)，占比为13%. 位于关中地区中东部的西安市、咸阳市和渭南市严重污染天数占比均超过了20%，而位于北部的铜川市未出现重度及以上污染，同时也是关中地区中唯一出现空气质量为优的城市. 位于关中地区西部的宝鸡市的污染状况也相对较轻，其优良天数占比为26%，重度及以上污染天数占比为16%. 综上，关中地区中铜川市的污染最轻，渭南市的污染最严重.

2.2 模式验证

利用WRF对关中地区2018年1月12—18日的气温、相对湿度、气压和风速进行模拟，表5为模拟值与观测值的RMSE和MAE. 由表5可见：在对气温的模拟上，模拟效果最好的是渭南市，除了铜川市的RMSE为5.82 ℃外，其他均小于4.5 ℃，其中渭南市的最低(3.07 ℃)；MAE也均在4.5 ℃以下，最高值出现在铜川市，最低值出现在渭南市. 对于相对湿度来说，模拟的准确度较低，最好和最差的分别出现在渭南市和宝鸡市，除了渭南市的MAE为8.82%外，其他均介于10%～20%之间. 对降水过程模拟的不准确性可能造成对相对湿度的低估，但其误差在正常范围内. 对气压的模拟结果相对较好，其中对西安市的模拟最好，对铜川市的模拟最差. 对风场的模拟结果能够较好地反映实际风速的变化，除宝鸡市外，其他城市RMSE均不超过3.0 m/s，MAE均在2.0 m/s以下，对铜川市风速的模拟效果最好. 综上，WRF对气温、相对湿度、气压、风速模拟效果最好的城市分别为渭南市、渭南市、西安市、铜川市.

图2 关中地区2018年1月不同空气质量等级天数占比

表5 不同城市WRF模拟气象要素的模拟效果

2.3 关中地区间的输送关系

图3 2018年1月关中地区PM2.5来源贡献率

图3为2018年1月12—18日关中地区各城市间PM2.5污染传输关系. 由图3可见：各城市间的输送关系不均衡，宝鸡市、咸阳市、西安市均以本地贡献为主，其本地贡献率分别为56.72%、45.17%、35.02%；渭南市的本地贡献率为30.18%，其接收关中地区其他城市及关中地区以外区域的污染输送占比为69.82%. 铜川市、西安市、渭南市、咸阳市、宝鸡市接收位于偏东方向城市污染输送的占比分别为63.18%、55.42%、48.03%、47.89%、39.94%. 由表4可见：咸阳市、西安市和渭南市的ρ(PM2.5)月均值均超过了120 μg/m3. 西安市向咸阳市以及渭南市向西安市、铜川市的输送贡献均较大，其贡献率分别为18.80%、13.43%、12.79%，运城市和临汾市向渭南市的输送贡献率分别为11.83%、10.34%，咸阳市向宝鸡市的输送贡献率为7.93%，运城市向铜川市的输送贡献率为7.88%，以上输送方向均为由东向西. 位于关中地区东部的渭南市和铜川市接收关中地区以外区域的污染输送最多，分别为55.93%和44.26%.

综上，关中地区污染主要以本地贡献为主，尤其是宝鸡市、咸阳市和西安市；渭南市、西安市、运城市和其他城市是关中地区跨市PM2.5污染输送的主要来源. 关中地区地形封闭，污染物不易扩散；加之冬季大气流动性较差，同时偏东风输送使来自华北、黄淮的污染物输入关中地区，导致污染物在关中地区内堆积，这是出现上述以本地污染为主、外来污染输送为辅的污染特征的主要原因.

2.4 大尺度天气形势分析

受天气系统的演变以及关中地区的地形影响，在2018年1月12—18日重污染发生时，天气形势为高压脊-西南槽的配置，系统性的偏东风携带河南省、山西省的污染物经汾河谷地、太行山东侧和中条山南麓输送至关中地区；加之关中地区特殊地形的阻滞作用，最终加重了关中地区的污染. 13—15日西北和黄海处各有一个高压中心，中心气压分别为 1 034 和 1 032 hPa，关中地区处于高压均压场，等压线稀疏；地面风力微弱或维持静风，少云且无明显降水，大气扩散能力差；关中地区以偏东风为主，位于汾河谷地的污染气团加强后进入关中地区，这种天气形势阻碍了污染物的稀释扩散，为重污染的形成提供了有利条件. 因此,13—15日咸阳市、渭南市和西安市的ρ(PM2.5)污染等级均达到严重污染. 16—17日，在甘肃省东部有一个暖低压，关中地区处于河套倒槽的前部，低压槽引导大陆高压南下，关中地区风力增大，大气扩散能力增强，空气质量出现短暂好转，其中铜川市的ρ(PM2.5)污染等级降到了良，此时期关中地区的污染以本地排放为主. 18日之后，随着气压的升高，关中地区再次处于均压场的控制之下，天气形势逐渐转换为高压脊-西南槽，风向再次转为以偏东风为主，来自偏东方向上污染物的传输与本地污染物排放的叠加导致了关中地区新一轮的重污染天气. 结合2.3节的结果，此次重污染期间，受偏东风影响，铜川市和西安市接收位于其偏东方向上的污染输送超过了50%.

2.5 PM2.5与气象要素的关系

图4 2018年1月12—18日关中地区气象要素逐时变化

大气污染状况与局地气象要素的变化密切相关[32]，低风、暖湿、低能见度、逆温等因素是PM2.5重污染形成的重要因素[22-23]. 图4为2018年1月关中地区污染最严重时段(12—18日)的气温、相对湿度、气压和风速的逐时变化. 由图4可见：1月12—15日，各市的气压在波动中下降，变压达-16.42 hPa，但大多维持在 1 020 hPa以上；同时出现了辐射增温(日均温升高2.8 ℃)，正变温有利于维持边界层稳定的结构；能见度大多不足6 km，日均相对湿度总体维持在60%以上，高湿条件有利于二次颗粒物的生成和吸湿增长[33]，加快了机动车和工业排放的NOx向硝酸盐的转化. 此时，高压中心位于黄海海面，关中地区位于其后部，在西南地区存在一个低压槽，偏东风将来自东部的污染物吹入关中地区；加之地形封闭，导致污染物积累，空气质量下降. 16—17日，西南槽北伸，关中地区位于槽前，气压达到阶段内最低；同时，最高气温达到峰值，最低气温较前期也有升高；此时，相对湿度在40%以下，相对湿度下降减弱了污染物的吸湿增长，ρ(PM2.5)随之下降，同时能见度迅速改善到15 km以上. 18日之后，西北部的高压增强，西南低压逐渐南退，关中地区再次处于高压均压场的控制下，各市的气压逐渐升高，相对湿度增加，ρ(PM2.5)上升，能见度迅速转差.

由表6可见，ρ(PM2.5)变化与气压呈显著负相关，与相对湿度呈正相关. 气温与ρ(PM2.5)有一定的滞后相关性，在西安市、宝鸡市、咸阳市和渭南市二者表现为滞后负相关，在铜川市二者为滞后正相关，其中，滞后0 h时相关性最显著的是宝鸡市，滞后3 h时相关性最显著的是西安市和咸阳市，滞后6 h时相关性最显著的是渭南市和铜川市. 就ρ(PM2.5)与相对湿度而言，滞后0 h时二者相关性最显著的是宝鸡市，滞后3 h时相关性最显著的是西安市、咸阳市和渭南市，滞后6 h时相关性最显著的是铜川市. 而对于能见度与ρ(PM2.5)，关中地区5个城市均为滞后0 h 时二者相关性最强，相关性均超过0.7 (P<0.01).

ρ(PM2.5)和相对湿度是影响能见度的2个重要因素[34-35]. 由图5可见：以西安市为例，ρ(PM2.5)与能见度呈显著负相关，其相关系数为-0.73(P<0.01)；相对湿度与能见度也呈负相关. 当能见度不足11 km时，ρ(PM2.5)高于75 μg/m3，相对湿度均高于40%，此时空气质量为轻度及以上污染等级；当能见度不足6 km时，ρ(PM2.5)高于150 μg/m3，相对湿度多高于70%，此时空气质量为重度污染到严重污染. 总体而言，在ρ(PM2.5)相等的情况下，相对湿度越大，能见度越低. 随着ρ(PM2.5)的升高、相对湿度的增大，能见度下降的速率减慢.

PM2.5的积累及消散与风速、风向关系密切，风速增大有利于污染物的水平扩散，风速减小有利于污染物的积累[36]. 西安市13—18日的风速风向及ρ(PM2.5)分布如图6所示，13日关中地区以弱风和静风为主，大气扩散能力差，ρ(PM2.5)波动上升；14日，西安市东方为高压区，西南方有低压槽活动，由于气压梯度的存在，此时西安市以偏东风为主；16日平均风速较14日增加了6 m/s，偏东风将东部的污染物沿太行山东南侧带入关中地区，偏东方向ρ(PM2.5)明显高于其他方向，其最低值(217 μg/m3)和最高值(355 μg/m3)均高于其他几日；15—16日，受冷空气影响，西安市ρ(PM2.5)出现小幅下降；17日之后，西安市再次被偏东风控制，受区域污染输送的影响，污染物有所累积，致使空气质量再次恶化，17日17:00的ρ(PM2.5)为37 μg/m3，18日14:00的ρ(PM2.5)为184 μg/m3，增加值约150 μg/m3.

表6 2018年1月12—18日关中地区ρ(PM2.5)与气象要素的相关系数

图6 2018年1月13—18日西安市ρ(PM2.5)与风向、风速关系

可见，在此次关中地区PM2.5重污染过程中，偏东风起到了重要作用. 重污染发生时，关中地区北方为大陆高压，我国西南地区为西南槽，在高压脊-西南槽的影响下，偏北风受到低槽阻滞，绕过黄土高原及太行山在华北地区逐渐转换为偏东风. 14—16日和17—18日偏东风沿太行山东侧和南侧将华北地区的污染物输入关中地区，其东部地区的ρ(PM2.5)明显高于其他区域(见图6)，偏东风在此次重污染过程中起到了重要作用. 冬季北部形成大陆高压，西南地区形成低压槽，是冬季我国常见的天气配置[37-40]. 在稳定的大陆高压和西南槽的长期控制下，关中地区处于高压底部的均压场，地面盛行偏东风，造成污染物的聚集和积累[26]. 而大陆高压、阿留申低压、冬季风偏北风及西风急流均较强时才有利于我国关中地区和中东部大气污染物的扩散[41-42].

3 结论

a) 2018年1月，关中地区共发生4次污染过程，其中3次为偏东风带来的污染. 2018年1月12—18日的重污染过程中，关中地区位于大陆高压底部，天气形势为高压脊-西南槽的配置，偏东风沿汾河谷地、太行山东侧和中条山南麓将污染物输送至关中地区，同时受地形阻滞影响，导致关中地区的污染物浓度上升. 总体来看，不利的天气形势是关中地区出现重污染的动力因素，暖湿、静稳、逆温等气象条件是其诱发因素，域外污染物输送叠加本地排放贡献是其有利条件.

b) 在此次偏东风控制期间，关中地区的ρ(PM2.5)日均值介于103～240 μg/m3之间. 利用WRF对关中地区的气温、相对湿度、气压和风速的模拟效果均较好. 此次关中地区出现的重污染与天气系统的演变密切相关，并且与气象因素存在一定的相关性，其中ρ(PM2.5)与气温、相对湿度呈滞后相关. 偏东风输送是导致关中地区冬季重污染的重要原因.

c) CAMx模拟结果显示，此次重污染期间，关中地区的PM2.5污染输送关系不均衡. 宝鸡市、咸阳市、西安市均以本地贡献为主，其中宝鸡市的本地贡献率高达56.72%，而渭南市接收关中其他城市及关中地区以外区域污染输送占69.82%. 铜川市和西安市接收其偏东方向上的污染输送占50%以上. 在跨市传输上，由偏东向西的输送贡献率均超过了10%，主要贡献源为渭南市、西安市和运城市. 对渭南市和铜川市来说，除本地贡献外，外来输送贡献率分别达55.93%和44.26%.