偏東風(fēng)輸送導(dǎo)致的關(guān)中地區(qū)冬季PM2.5重污染個(gè)例研究

任鵬杰， 尉 鵬*， 趙 森， 李 娟， 張博雅， 胡京南， 曹軍驥

1.中國(guó)環(huán)境科學(xué)研究院大氣環(huán)境研究所， 北京 100012

2.合肥市氣象局， 安徽 合肥 230041

3.中國(guó)科學(xué)院地球環(huán)境研究所， 陜西 西安 710061

近年來我國(guó)多次出現(xiàn)大范圍的重污染天氣[1]，對(duì)人類生產(chǎn)生活[2-3]、交通運(yùn)輸[4]及全球變化[5-6]等產(chǎn)生了重大影響. 以PM2.5為主的污染物是霾污染形成的重要因素，PM2.5能通過呼吸道進(jìn)入肺泡，從而危害人體健康[3].

區(qū)域性污染可能擴(kuò)散至周邊地區(qū)，同時(shí)通過遠(yuǎn)距離傳輸?shù)狡渌麉^(qū)域[7]. 近年來，國(guó)內(nèi)外眾多學(xué)者對(duì)PM2.5污染的中遠(yuǎn)距離傳輸進(jìn)行了研究. 污染物的生成、積累和清除過程以及氣溶膠的區(qū)域輸送均受大尺度環(huán)流形勢(shì)的影響[8-9]，高壓系統(tǒng)后部的偏南暖平流是穩(wěn)定的污染物輸送通道[10]. 蘇福慶等[11]對(duì)北京市外來污染物的分析中引入了輸送通道的概念，指出影響北京市時(shí)空穩(wěn)定的風(fēng)帶即輸送通道；本地一次污染物的累積、二次污染物的生成和周邊污染物的長(zhǎng)距離輸送是北京市發(fā)生重污染的重要原因[12]. Streets等[13]利用MODEL-3/CMAQ模型模擬后發(fā)現(xiàn)，在穩(wěn)定的南風(fēng)作用下，北京市大氣中ρ(PM2.5)有50%～70%的污染來自河北省. 不同高度的污染輸送通道也有差別，鈐偉妙等[14]發(fā)現(xiàn)，石家莊市500、1 500 和 3 000 m高度上分別以近距離輸送、遠(yuǎn)距離輸送和西北向長(zhǎng)距離輸送為主. 段時(shí)光等[15]指出位于鄭州市北部的京津冀傳輸通道城市是鄭州市冬季PM2.5的潛在源區(qū). 對(duì)于太原市而言，關(guān)中地區(qū)、汾河谷地是其主要的污染輸送來源[16]. 康暉[17]研究發(fā)現(xiàn)，長(zhǎng)三角地區(qū)污染物的質(zhì)量濃度與氣團(tuán)的傳輸路徑相關(guān)性較強(qiáng)，區(qū)域傳輸使得空氣質(zhì)量較差區(qū)域的空氣質(zhì)量惡化更明顯. Perrone等[18]發(fā)現(xiàn)，地中海東南部長(zhǎng)距離輸送對(duì)PM2.5和PM1的影響較大.

在天氣分型對(duì)空氣污染分布和輸送的影響方面，可將導(dǎo)致京津冀重污染的天氣形勢(shì)分為9種，分別為西部高壓前部型、西部冷鋒前部型、高壓后部過渡型、西北高壓前部型、高壓后部邊緣型、高壓場(chǎng)型、西北冷鋒前部型、鞍型場(chǎng)型、高壓南部型[19]. 研究[20-21]發(fā)現(xiàn)，北京市多次重污染過程與緯向西風(fēng)氣流型、高壓脊型這兩種環(huán)流配置有關(guān)，同時(shí)偏南暖濕氣流、低空逆溫層、均壓場(chǎng)等是PM2.5重污染形成的有利條件[22]，相對(duì)濕度高、風(fēng)速小、能見度低是PM2.5重污染形成的重要因素[23]. 上海市的上游污染輸送、本地靜穩(wěn)累積和上游輸送相疊加對(duì)應(yīng)的天氣型分別為冷鋒、高壓后弱氣壓、高壓前弱氣壓，其中高壓前弱氣壓的維持導(dǎo)致了上海市3次持續(xù)重污染[24]. TAO等[25]研究表明，貝加爾湖高壓、對(duì)流層低層逆溫等原因?qū)е铝宋覈?guó)東部持續(xù)的重污染. 黃少妮等[26]結(jié)合關(guān)中地區(qū)氣象和顆粒物濃度的監(jiān)測(cè)資料發(fā)現(xiàn)，持續(xù)的強(qiáng)東風(fēng)與關(guān)中地區(qū)的封閉地形造成了該區(qū)域的污染. Alam等[27]模擬了巴基斯坦的氣流類型和氣溶膠濃度的時(shí)空分布，發(fā)現(xiàn)該地區(qū)夏季氣溶膠濃度與氣流停留時(shí)間相關(guān). 多數(shù)學(xué)者從輸送通道和天氣分型角度對(duì)重污染天氣進(jìn)行了研究，但其研究區(qū)大多為全國(guó)、中東部、京津冀、長(zhǎng)江三角洲等區(qū)域，對(duì)關(guān)中地區(qū)PM2.5重污染的天氣型、輸送特征及偏東風(fēng)輸送進(jìn)行分析的研究較為鮮見.

關(guān)中地區(qū)是人口、教育、旅游、經(jīng)濟(jì)等密集區(qū)域，該地區(qū)三面環(huán)山，地形封閉，易形成嚴(yán)重的大氣污染，是生態(tài)環(huán)境部大氣污染重點(diǎn)監(jiān)測(cè)地區(qū). 該研究以2018年1月關(guān)中地區(qū)PM2.5污染過程為研究對(duì)象，通過對(duì)天氣形勢(shì)及氣象要素的分析，利用WRF和CAMx模式對(duì)關(guān)中地區(qū)2018年1月12—18日典型偏東風(fēng)輸送及不利天氣形勢(shì)場(chǎng)組合情形下PM2.5污染狀況及輸送來源進(jìn)行模擬和重點(diǎn)分析研究，以期為關(guān)中地區(qū)大氣污染來源分析、污染預(yù)警及防治提供技術(shù)支撐.

1 數(shù)據(jù)與方法

1.1 PM2.5監(jiān)測(cè)數(shù)據(jù)和氣象數(shù)據(jù)來源

PM2.5監(jiān)測(cè)數(shù)據(jù)來自中國(guó)環(huán)境監(jiān)測(cè)總站的2018年1月城市小時(shí)濃度數(shù)據(jù)，時(shí)間分辨率為1 h. WRF和CAMx數(shù)值模式中使用的氣象場(chǎng)數(shù)據(jù)來自NCEP/NCAR提供的全球格點(diǎn)資料同化再分析數(shù)據(jù)(https://psl.noaa.gov/data/gridded/data.ncep.reanalysis.html)，空間分辨率為2.5°×2.5°，包括2 m氣溫、2 m相對(duì)濕度、10 m風(fēng)速風(fēng)向、氣壓等要素，時(shí)間分辨率為6 h. 用以分析ρ(PM2.5)與氣象要素相關(guān)關(guān)系的地面氣象要素?cái)?shù)據(jù)為中國(guó)氣象局的MICAPS第一類站點(diǎn)數(shù)據(jù)(http://www.micaps.cn/MiFun/main)，選取2018年1月的逐時(shí)氣象觀測(cè)數(shù)據(jù)，包括氣溫、相對(duì)濕度、風(fēng)速、氣壓、能見度等，時(shí)間分辨率為1 h.

1.2 WRF氣象模式

利用WRF(Weather Research and Forecasting Model)模式模擬關(guān)中地區(qū)1月12—18日的氣溫、相對(duì)濕度、氣壓和風(fēng)速等氣象要素. WRF模式是美國(guó)國(guó)家大氣研究中心(NCAR)等機(jī)構(gòu)研制的多尺度數(shù)值預(yù)報(bào)模式，廣泛應(yīng)用于氣象、環(huán)境等領(lǐng)域. 用WRF模式對(duì)氣象場(chǎng)數(shù)據(jù)進(jìn)行處理并成圖，垂直分辨率為27層，時(shí)間分辨率為3 h，WRF模式的參數(shù)設(shè)置見表1，主要包括模式的格點(diǎn)分辨率、嵌套方案、參數(shù)化選擇等，其中參數(shù)化方案包括微物理過程、短波輻射方案、長(zhǎng)波輻射方案、邊界層方案、陸面過程等.

表1 WRF模式參數(shù)設(shè)置

1.3 CAMx模式

該研究利用CAMx(Comprehensive Air Quality Model with Extensions)模式對(duì)各城市間PM2.5污染的傳輸關(guān)系進(jìn)行模擬. CAMx是一個(gè)光化學(xué)網(wǎng)格模型，運(yùn)用氣象學(xué)及數(shù)學(xué)的方法來模擬大氣中各污染物(臭氧、顆粒物、大氣有毒物質(zhì))在大氣中的物理和化學(xué)過程以及它們之間的相互影響. CAMx包含總體空氣質(zhì)量模擬系統(tǒng)的核心組件(排放、氣象、光解反應(yīng)、地理、空氣質(zhì)量)，氣象輸入由氣象模型(WRF)供給. 排放輸入數(shù)據(jù)、地形環(huán)境等參數(shù)也由外部的預(yù)處理系統(tǒng)提供. 關(guān)中地區(qū)和區(qū)域外的源排放清單數(shù)據(jù)采用清華大學(xué)的中國(guó)多尺度排放清單模型(Multi-resolution Emission Inventory for China，MEIC)(http://www.meicmodel.org)[28-30]，分辨率為0.25°×0.25°，按SAPRC07化學(xué)機(jī)制輸出，排放數(shù)據(jù)包括電力、工業(yè)、民用、交通和農(nóng)業(yè)等5個(gè)部門，通過GIS網(wǎng)格化分配并建立適用于CAMx的模型清單. CAMx模型的參數(shù)設(shè)置見表2.

表2 CAMx模型參數(shù)設(shè)置

1.4 檢驗(yàn)方法

對(duì)模擬結(jié)果的檢驗(yàn)采用均方根誤差(Root Mean Square Error，RMSE)和平均絕對(duì)誤差(Mean Absolute Error，MAE). RMSE和MAE均用來衡量模擬值與觀測(cè)值的偏離程度，其數(shù)值越接近0，表示模擬效果越好. 計(jì)算公式：

(1)

(2)

式中，xi為觀測(cè)值，x0為預(yù)測(cè)值，n為樣本數(shù).

1.5 空氣質(zhì)量評(píng)價(jià)

空氣質(zhì)量等級(jí)劃分依據(jù)HJ 633—2012《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》[31]，該規(guī)定按照AQI值和ρ(PM2.5)將空氣質(zhì)量等級(jí)分為優(yōu)、良、輕度污染、中度污染、重度污染和嚴(yán)重污染6個(gè)等級(jí)(見表3).

表3 空氣質(zhì)量等級(jí)及對(duì)應(yīng)的ρ(PM2.5)

2 結(jié)果與討論

2.1 污染過程描述

注：虛線自上而下依次對(duì)應(yīng)空氣質(zhì)量等級(jí)為重度污染、中度污染和良的ρ(PM2.5)上限值. 陰影部分為該研究的研究時(shí)段(2018年1月12—18日).

由圖1可見，2018年1月關(guān)中地區(qū)發(fā)生了多次明顯的污染過程. 1月4日前，關(guān)中地區(qū)各城市均出現(xiàn)了跨年重污染事件，持續(xù)時(shí)間均在10 d以上，持續(xù)時(shí)間最長(zhǎng)的是西安市，為19 d (2017年12月20日—2018年1月7日)；各市在1月6日左右再次達(dá)到中度污染；8—9日，各市ρ(PM2.5)日均值均在GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》中二級(jí)標(biāo)準(zhǔn)限值(75 μg/m3)以內(nèi)(簡(jiǎn)稱“達(dá)標(biāo)”)，空氣質(zhì)量為良；從10日開始，各市空氣質(zhì)量持續(xù)惡化，ρ(PM2.5)日均值迅速攀升，于14—15日達(dá)到當(dāng)月峰值，除銅川市外，各市的空氣質(zhì)量均為重度污染到嚴(yán)重污染；10—29日，各市ρ(PM2.5)日均值總體維持在超標(biāo)(超過GB 3095—2012二級(jí)標(biāo)準(zhǔn)限值)狀態(tài)(僅銅川市有兩次達(dá)標(biāo))，空氣質(zhì)量等級(jí)均處于輕度污染及以上等級(jí)；29日之后，各市ρ(PM2.5)日均值明顯下降，均處于達(dá)標(biāo)狀態(tài)，空氣質(zhì)量明顯好轉(zhuǎn).

由圖1可見：咸陽(yáng)市ρ(PM2.5)日均值在2018年1月14日達(dá)到峰值(302 μg/m3)；西安市、渭南市、寶雞市均在15日達(dá)到峰值，分別為292、222、193 μg/m3；但銅川市不同，其峰值出現(xiàn)在3日(152 μg/m3)，15日是其次峰值(142 μg/m3). 各市出現(xiàn)峰值的當(dāng)日，除銅川市為中度污染、寶雞市為重度污染外，其余3個(gè)城市均為嚴(yán)重污染. 2018年1月5個(gè)城市ρ(PM2.5)日均最高值出現(xiàn)在14日的咸陽(yáng)市(302 μg/m3)，次高值出現(xiàn)在15日的西安市(292 μg/m3)；最低值出現(xiàn)在29日的銅川市(24 μg/m3)，當(dāng)日銅川市的空氣質(zhì)量為優(yōu)，是2018年1月關(guān)中地區(qū)空氣質(zhì)量唯一達(dá)到優(yōu)等級(jí)的城市. 就關(guān)中地區(qū)整體來看，污染較重的城市為咸陽(yáng)市、西安市和渭南市，其分布在關(guān)中地區(qū)的中部和東部.

由表4可見，根據(jù)關(guān)中地區(qū)2018年1月污染狀況統(tǒng)計(jì)，各市ρ(PM2.5)月均值均高于我國(guó)GB 3095—2012二級(jí)標(biāo)準(zhǔn)限值，ρ(PM2.5)峰值均高于150 μg/m3，超標(biāo)率均高于100%，其中咸陽(yáng)市超標(biāo)率達(dá)302.7%. 關(guān)中地區(qū)的達(dá)標(biāo)天數(shù)比例均不足40%，其中，咸陽(yáng)市的達(dá)標(biāo)天數(shù)比例(12.9%)最小，達(dá)標(biāo)比例最高的是銅川市，但也僅為38.7%. 關(guān)中地區(qū)的平均達(dá)標(biāo)天數(shù)為7.4 d，其中西安市、咸陽(yáng)市和渭南市的達(dá)標(biāo)天數(shù)均未達(dá)到平均值. 2018年1月各市均發(fā)生2～4次污染過程，其中咸陽(yáng)市和銅川市的污染次數(shù)最多. 關(guān)中地區(qū)污染累計(jì)天數(shù)均≥20 d，其中咸陽(yáng)市達(dá)27 d. 各市的單次污染過程最長(zhǎng)持續(xù)天數(shù)均在10 d及以上，持續(xù)時(shí)間最長(zhǎng)的為咸陽(yáng)市，達(dá)20 d. 西安市的污染過程次數(shù)最少，但其污染累計(jì)天數(shù)達(dá) 26 d，說明其單次污染持續(xù)天數(shù)較長(zhǎng)；銅川市的污染累計(jì)天數(shù)最少，但其污染過程次數(shù)最多，說明其單次污染持續(xù)天數(shù)較短.

表4 關(guān)中地區(qū)2018年1月污染狀況統(tǒng)計(jì)

圖2為關(guān)中地區(qū)2018年1月不同空氣質(zhì)量等級(jí)天數(shù)占比. 由圖2可見：各城市輕度污染和中度污染天數(shù)占比最大，在45%～65%之間；重度污染和嚴(yán)重污染天數(shù)占比之和最大的是位于關(guān)中地區(qū)東部的渭南市，為33%；優(yōu)良天數(shù)最多的是銅川市，達(dá)11 d，占比為35%，最少的是咸陽(yáng)市(4 d)，占比為13%. 位于關(guān)中地區(qū)中東部的西安市、咸陽(yáng)市和渭南市嚴(yán)重污染天數(shù)占比均超過了20%，而位于北部的銅川市未出現(xiàn)重度及以上污染，同時(shí)也是關(guān)中地區(qū)中唯一出現(xiàn)空氣質(zhì)量為優(yōu)的城市. 位于關(guān)中地區(qū)西部的寶雞市的污染狀況也相對(duì)較輕，其優(yōu)良天數(shù)占比為26%，重度及以上污染天數(shù)占比為16%. 綜上，關(guān)中地區(qū)中銅川市的污染最輕，渭南市的污染最嚴(yán)重.

2.2 模式驗(yàn)證

利用WRF對(duì)關(guān)中地區(qū)2018年1月12—18日的氣溫、相對(duì)濕度、氣壓和風(fēng)速進(jìn)行模擬，表5為模擬值與觀測(cè)值的RMSE和MAE. 由表5可見：在對(duì)氣溫的模擬上，模擬效果最好的是渭南市，除了銅川市的RMSE為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，最高值出現(xiàn)在銅川市，最低值出現(xiàn)在渭南市. 對(duì)于相對(duì)濕度來說，模擬的準(zhǔn)確度較低，最好和最差的分別出現(xiàn)在渭南市和寶雞市，除了渭南市的MAE為8.82%外，其他均介于10%～20%之間. 對(duì)降水過程模擬的不準(zhǔn)確性可能造成對(duì)相對(duì)濕度的低估，但其誤差在正常范圍內(nèi). 對(duì)氣壓的模擬結(jié)果相對(duì)較好，其中對(duì)西安市的模擬最好，對(duì)銅川市的模擬最差. 對(duì)風(fēng)場(chǎng)的模擬結(jié)果能夠較好地反映實(shí)際風(fēng)速的變化，除寶雞市外，其他城市RMSE均不超過3.0 m/s，MAE均在2.0 m/s以下，對(duì)銅川市風(fēng)速的模擬效果最好. 綜上，WRF對(duì)氣溫、相對(duì)濕度、氣壓、風(fēng)速模擬效果最好的城市分別為渭南市、渭南市、西安市、銅川市.

圖2 關(guān)中地區(qū)2018年1月不同空氣質(zhì)量等級(jí)天數(shù)占比

表5 不同城市WRF模擬氣象要素的模擬效果

2.3 關(guān)中地區(qū)間的輸送關(guān)系

圖3 2018年1月關(guān)中地區(qū)PM2.5來源貢獻(xiàn)率

圖3為2018年1月12—18日關(guān)中地區(qū)各城市間PM2.5污染傳輸關(guān)系. 由圖3可見：各城市間的輸送關(guān)系不均衡，寶雞市、咸陽(yáng)市、西安市均以本地貢獻(xiàn)為主，其本地貢獻(xiàn)率分別為56.72%、45.17%、35.02%；渭南市的本地貢獻(xiàn)率為30.18%，其接收關(guān)中地區(qū)其他城市及關(guān)中地區(qū)以外區(qū)域的污染輸送占比為69.82%. 銅川市、西安市、渭南市、咸陽(yáng)市、寶雞市接收位于偏東方向城市污染輸送的占比分別為63.18%、55.42%、48.03%、47.89%、39.94%. 由表4可見：咸陽(yáng)市、西安市和渭南市的ρ(PM2.5)月均值均超過了120 μg/m3. 西安市向咸陽(yáng)市以及渭南市向西安市、銅川市的輸送貢獻(xiàn)均較大，其貢獻(xiàn)率分別為18.80%、13.43%、12.79%，運(yùn)城市和臨汾市向渭南市的輸送貢獻(xiàn)率分別為11.83%、10.34%，咸陽(yáng)市向?qū)氹u市的輸送貢獻(xiàn)率為7.93%，運(yùn)城市向銅川市的輸送貢獻(xiàn)率為7.88%，以上輸送方向均為由東向西. 位于關(guān)中地區(qū)東部的渭南市和銅川市接收關(guān)中地區(qū)以外區(qū)域的污染輸送最多，分別為55.93%和44.26%.

綜上，關(guān)中地區(qū)污染主要以本地貢獻(xiàn)為主，尤其是寶雞市、咸陽(yáng)市和西安市；渭南市、西安市、運(yùn)城市和其他城市是關(guān)中地區(qū)跨市PM2.5污染輸送的主要來源. 關(guān)中地區(qū)地形封閉，污染物不易擴(kuò)散；加之冬季大氣流動(dòng)性較差，同時(shí)偏東風(fēng)輸送使來自華北、黃淮的污染物輸入關(guān)中地區(qū)，導(dǎo)致污染物在關(guān)中地區(qū)內(nèi)堆積，這是出現(xiàn)上述以本地污染為主、外來污染輸送為輔的污染特征的主要原因.

2.4 大尺度天氣形勢(shì)分析

受天氣系統(tǒng)的演變以及關(guān)中地區(qū)的地形影響，在2018年1月12—18日重污染發(fā)生時(shí)，天氣形勢(shì)為高壓脊-西南槽的配置，系統(tǒng)性的偏東風(fēng)攜帶河南省、山西省的污染物經(jīng)汾河谷地、太行山東側(cè)和中條山南麓輸送至關(guān)中地區(qū)；加之關(guān)中地區(qū)特殊地形的阻滯作用，最終加重了關(guān)中地區(qū)的污染. 13—15日西北和黃海處各有一個(gè)高壓中心，中心氣壓分別為 1 034 和 1 032 hPa，關(guān)中地區(qū)處于高壓均壓場(chǎng)，等壓線稀疏；地面風(fēng)力微弱或維持靜風(fēng)，少云且無明顯降水，大氣擴(kuò)散能力差；關(guān)中地區(qū)以偏東風(fēng)為主，位于汾河谷地的污染氣團(tuán)加強(qiáng)后進(jìn)入關(guān)中地區(qū)，這種天氣形勢(shì)阻礙了污染物的稀釋擴(kuò)散，為重污染的形成提供了有利條件. 因此,13—15日咸陽(yáng)市、渭南市和西安市的ρ(PM2.5)污染等級(jí)均達(dá)到嚴(yán)重污染. 16—17日，在甘肅省東部有一個(gè)暖低壓，關(guān)中地區(qū)處于河套倒槽的前部，低壓槽引導(dǎo)大陸高壓南下，關(guān)中地區(qū)風(fēng)力增大，大氣擴(kuò)散能力增強(qiáng)，空氣質(zhì)量出現(xiàn)短暫好轉(zhuǎn)，其中銅川市的ρ(PM2.5)污染等級(jí)降到了良，此時(shí)期關(guān)中地區(qū)的污染以本地排放為主. 18日之后，隨著氣壓的升高，關(guān)中地區(qū)再次處于均壓場(chǎng)的控制之下，天氣形勢(shì)逐漸轉(zhuǎn)換為高壓脊-西南槽，風(fēng)向再次轉(zhuǎn)為以偏東風(fēng)為主，來自偏東方向上污染物的傳輸與本地污染物排放的疊加導(dǎo)致了關(guān)中地區(qū)新一輪的重污染天氣. 結(jié)合2.3節(jié)的結(jié)果，此次重污染期間，受偏東風(fēng)影響，銅川市和西安市接收位于其偏東方向上的污染輸送超過了50%.

2.5 PM2.5與氣象要素的關(guān)系

圖4 2018年1月12—18日關(guān)中地區(qū)氣象要素逐時(shí)變化

大氣污染狀況與局地氣象要素的變化密切相關(guān)[32]，低風(fēng)、暖濕、低能見度、逆溫等因素是PM2.5重污染形成的重要因素[22-23]. 圖4為2018年1月關(guān)中地區(qū)污染最嚴(yán)重時(shí)段(12—18日)的氣溫、相對(duì)濕度、氣壓和風(fēng)速的逐時(shí)變化. 由圖4可見：1月12—15日，各市的氣壓在波動(dòng)中下降，變壓達(dá)-16.42 hPa，但大多維持在 1 020 hPa以上；同時(shí)出現(xiàn)了輻射增溫(日均溫升高2.8 ℃)，正變溫有利于維持邊界層穩(wěn)定的結(jié)構(gòu)；能見度大多不足6 km，日均相對(duì)濕度總體維持在60%以上，高濕條件有利于二次顆粒物的生成和吸濕增長(zhǎng)[33]，加快了機(jī)動(dòng)車和工業(yè)排放的NOx向硝酸鹽的轉(zhuǎn)化. 此時(shí)，高壓中心位于黃海海面，關(guān)中地區(qū)位于其后部，在西南地區(qū)存在一個(gè)低壓槽，偏東風(fēng)將來自東部的污染物吹入關(guān)中地區(qū)；加之地形封閉，導(dǎo)致污染物積累，空氣質(zhì)量下降. 16—17日，西南槽北伸，關(guān)中地區(qū)位于槽前，氣壓達(dá)到階段內(nèi)最低；同時(shí)，最高氣溫達(dá)到峰值，最低氣溫較前期也有升高；此時(shí)，相對(duì)濕度在40%以下，相對(duì)濕度下降減弱了污染物的吸濕增長(zhǎng)，ρ(PM2.5)隨之下降，同時(shí)能見度迅速改善到15 km以上. 18日之后，西北部的高壓增強(qiáng)，西南低壓逐漸南退，關(guān)中地區(qū)再次處于高壓均壓場(chǎng)的控制下，各市的氣壓逐漸升高，相對(duì)濕度增加，ρ(PM2.5)上升，能見度迅速轉(zhuǎn)差.

由表6可見，ρ(PM2.5)變化與氣壓呈顯著負(fù)相關(guān)，與相對(duì)濕度呈正相關(guān). 氣溫與ρ(PM2.5)有一定的滯后相關(guān)性，在西安市、寶雞市、咸陽(yáng)市和渭南市二者表現(xiàn)為滯后負(fù)相關(guān)，在銅川市二者為滯后正相關(guān)，其中，滯后0 h時(shí)相關(guān)性最顯著的是寶雞市，滯后3 h時(shí)相關(guān)性最顯著的是西安市和咸陽(yáng)市，滯后6 h時(shí)相關(guān)性最顯著的是渭南市和銅川市. 就ρ(PM2.5)與相對(duì)濕度而言，滯后0 h時(shí)二者相關(guān)性最顯著的是寶雞市，滯后3 h時(shí)相關(guān)性最顯著的是西安市、咸陽(yáng)市和渭南市，滯后6 h時(shí)相關(guān)性最顯著的是銅川市. 而對(duì)于能見度與ρ(PM2.5)，關(guān)中地區(qū)5個(gè)城市均為滯后0 h 時(shí)二者相關(guān)性最強(qiáng)，相關(guān)性均超過0.7 (P<0.01).

ρ(PM2.5)和相對(duì)濕度是影響能見度的2個(gè)重要因素[34-35]. 由圖5可見：以西安市為例，ρ(PM2.5)與能見度呈顯著負(fù)相關(guān)，其相關(guān)系數(shù)為-0.73(P<0.01)；相對(duì)濕度與能見度也呈負(fù)相關(guān). 當(dāng)能見度不足11 km時(shí)，ρ(PM2.5)高于75 μg/m3，相對(duì)濕度均高于40%，此時(shí)空氣質(zhì)量為輕度及以上污染等級(jí)；當(dāng)能見度不足6 km時(shí)，ρ(PM2.5)高于150 μg/m3，相對(duì)濕度多高于70%，此時(shí)空氣質(zhì)量為重度污染到嚴(yán)重污染. 總體而言，在ρ(PM2.5)相等的情況下，相對(duì)濕度越大，能見度越低. 隨著ρ(PM2.5)的升高、相對(duì)濕度的增大，能見度下降的速率減慢.

PM2.5的積累及消散與風(fēng)速、風(fēng)向關(guān)系密切，風(fēng)速增大有利于污染物的水平擴(kuò)散，風(fēng)速減小有利于污染物的積累[36]. 西安市13—18日的風(fēng)速風(fēng)向及ρ(PM2.5)分布如圖6所示，13日關(guān)中地區(qū)以弱風(fēng)和靜風(fēng)為主，大氣擴(kuò)散能力差，ρ(PM2.5)波動(dòng)上升；14日，西安市東方為高壓區(qū)，西南方有低壓槽活動(dòng)，由于氣壓梯度的存在，此時(shí)西安市以偏東風(fēng)為主；16日平均風(fēng)速較14日增加了6 m/s，偏東風(fēng)將東部的污染物沿太行山東南側(cè)帶入關(guān)中地區(qū)，偏東方向ρ(PM2.5)明顯高于其他方向，其最低值(217 μg/m3)和最高值(355 μg/m3)均高于其他幾日；15—16日，受冷空氣影響，西安市ρ(PM2.5)出現(xiàn)小幅下降；17日之后，西安市再次被偏東風(fēng)控制，受區(qū)域污染輸送的影響，污染物有所累積，致使空氣質(zhì)量再次惡化，17日17:00的ρ(PM2.5)為37 μg/m3，18日14:00的ρ(PM2.5)為184 μg/m3，增加值約150 μg/m3.

表6 2018年1月12—18日關(guān)中地區(qū)ρ(PM2.5)與氣象要素的相關(guān)系數(shù)

圖6 2018年1月13—18日西安市ρ(PM2.5)與風(fēng)向、風(fēng)速關(guān)系

可見，在此次關(guān)中地區(qū)PM2.5重污染過程中，偏東風(fēng)起到了重要作用. 重污染發(fā)生時(shí)，關(guān)中地區(qū)北方為大陸高壓，我國(guó)西南地區(qū)為西南槽，在高壓脊-西南槽的影響下，偏北風(fēng)受到低槽阻滯，繞過黃土高原及太行山在華北地區(qū)逐漸轉(zhuǎn)換為偏東風(fēng). 14—16日和17—18日偏東風(fēng)沿太行山東側(cè)和南側(cè)將華北地區(qū)的污染物輸入關(guān)中地區(qū)，其東部地區(qū)的ρ(PM2.5)明顯高于其他區(qū)域(見圖6)，偏東風(fēng)在此次重污染過程中起到了重要作用. 冬季北部形成大陸高壓，西南地區(qū)形成低壓槽，是冬季我國(guó)常見的天氣配置[37-40]. 在穩(wěn)定的大陸高壓和西南槽的長(zhǎng)期控制下，關(guān)中地區(qū)處于高壓底部的均壓場(chǎng)，地面盛行偏東風(fēng)，造成污染物的聚集和積累[26]. 而大陸高壓、阿留申低壓、冬季風(fēng)偏北風(fēng)及西風(fēng)急流均較強(qiáng)時(shí)才有利于我國(guó)關(guān)中地區(qū)和中東部大氣污染物的擴(kuò)散[41-42].

3 結(jié)論

a) 2018年1月，關(guān)中地區(qū)共發(fā)生4次污染過程，其中3次為偏東風(fēng)帶來的污染. 2018年1月12—18日的重污染過程中，關(guān)中地區(qū)位于大陸高壓底部，天氣形勢(shì)為高壓脊-西南槽的配置，偏東風(fēng)沿汾河谷地、太行山東側(cè)和中條山南麓將污染物輸送至關(guān)中地區(qū)，同時(shí)受地形阻滯影響，導(dǎo)致關(guān)中地區(qū)的污染物濃度上升. 總體來看，不利的天氣形勢(shì)是關(guān)中地區(qū)出現(xiàn)重污染的動(dòng)力因素，暖濕、靜穩(wěn)、逆溫等氣象條件是其誘發(fā)因素，域外污染物輸送疊加本地排放貢獻(xiàn)是其有利條件.

b) 在此次偏東風(fēng)控制期間，關(guān)中地區(qū)的ρ(PM2.5)日均值介于103～240 μg/m3之間. 利用WRF對(duì)關(guān)中地區(qū)的氣溫、相對(duì)濕度、氣壓和風(fēng)速的模擬效果均較好. 此次關(guān)中地區(qū)出現(xiàn)的重污染與天氣系統(tǒng)的演變密切相關(guān)，并且與氣象因素存在一定的相關(guān)性，其中ρ(PM2.5)與氣溫、相對(duì)濕度呈滯后相關(guān). 偏東風(fēng)輸送是導(dǎo)致關(guān)中地區(qū)冬季重污染的重要原因.

c) CAMx模擬結(jié)果顯示，此次重污染期間，關(guān)中地區(qū)的PM2.5污染輸送關(guān)系不均衡. 寶雞市、咸陽(yáng)市、西安市均以本地貢獻(xiàn)為主，其中寶雞市的本地貢獻(xiàn)率高達(dá)56.72%，而渭南市接收關(guān)中其他城市及關(guān)中地區(qū)以外區(qū)域污染輸送占69.82%. 銅川市和西安市接收其偏東方向上的污染輸送占50%以上. 在跨市傳輸上，由偏東向西的輸送貢獻(xiàn)率均超過了10%，主要貢獻(xiàn)源為渭南市、西安市和運(yùn)城市. 對(duì)渭南市和銅川市來說，除本地貢獻(xiàn)外，外來輸送貢獻(xiàn)率分別達(dá)55.93%和44.26%.