2015-2018年京津冀地区不同天气类型影响的PM2.5输送特征及减排效果分析.pdf

将2 0 15一2 0 18 年京津冀地区PM2.5污染日按天气类型分为均压型、高压后部型和西北高压型，应用WRF-CAMx、WRF-CMAQ模式进行北京市、石家庄市PM2.5来源解析和减排模拟。结果表明：相比均压型和西北高压型，北京市、石家庄市PM2.5污染日的高压后部型出现次数最少，但外源污染输送较明显。3种天气类型PM2.5污染日，石家庄本地污染源的排放贡献均高于北京本地污染源的排放贡献，是PM2.5浓度石家庄市高于北京市的主要原因之一。受不同天气类型影响，北京市、石家庄市PM2.5污染物输送和来源特征不同。根据石家庄市PM2.5污染物输送特征制定的减排优化方案，减排率可达京津冀中南部城市联合减排的8 3.6%91.3%，该方案较为合理且高效。关键词：WRF模式；区域输送；减排方案中图分类号：X51文献标识码：A引言自2 0 13年大气污染防治行动计划发布实施以来，中国空气质量总体得到改善（中华人民共和国生态环境部中国空气质量改善报告（2 0 13一2018年）,2 0 18），但大气污染形势仍较为严峻。2 0 2 1年河北省生态环境质量状况公报表明（河北省生态环境厅.2 0 2 1年河北省生态环境质量状况公报,2 0 2 2）,2 0 2 1年河北省仅有张家口市、承德市和秦皇岛市的PM2.5年平均浓度达到国家二级标准（35gm-），其余8 个设区市（河北省中南部地区)PM2.s年平均浓度为42.5gm-3,与国家二级标准仍有差距,需继续降低细颗粒物浓度,减少重污染天数。大气中细颗粒物PM2.5浓度大小主要受污染源空间分布、排放强度和气象条件影响 1-3，在指定污染源条件下，污染物浓度变化取决于局地气象条件变化 4,局地气象条件受大尺度天气背景制约 5-6 ，因此对污染天气分型，分析其污染特征,对于空气污染机理研究和重污染天气预报预警具有重要意义。收稿日期：2 0 2 2-0 5-2 2；修订日期：2 0 2 2-0 9-19。资助项目：河北省自然科学基金面上项目（D2020304038）、河北省气象局科研项目（2 0 ky29）和中国气象局气象干部培训学院科研项目（青2 0 2 10 10)共同资助。作者简介：胡艳楠，女，198 9年生，工程师，主要从事大气物理与大气环境研究,E-mail:。通信作者：孟凯，男，正研级高级工程师，E-mail:。doi:10.3969/j.issn.1673-503X.2023.04.014污染天气分型方法主要为主观分型和客观分型两种 7 ,主观分型基于气象理论和主观经验进行人工分型 8 。赵娜等 9 对河北省易出现重污染的天气形势进行分型与频率统计表明,西北高压型出现频率最高,均压型次之。马雁军等 10 将引发中国东北地区重污染天气的天气类型分为高压型、低压型和北高南低型。海口市污染日对应的地面天气类型主要有冷高压、变暖高压脊和台风外围下沉气流 。客观分型使用Tm o d e 主成分分析、PCA算法、聚类分析等算法分类 12 ,如有研究对京津冀地区的重污染天气分析表明,均压型、高压内部型和高压后部型为该地区典型的污染天气类型 13现有研究多以污染天气的定性分析为主，进行不同天气类型的污染物来源及输送贡献的定量化研究较少。定量分析污染物输送贡献方面，国内学者大多使用CAMx、NA Q PM S、Re g A EM S-A PSA 等空气质量数值模式，如王自发等 14 应用嵌套网格空气质量数值预报模式对中国中东部的持续强灰霾过程进行研究表明，来自区域外的跨城市群输送对京津冀地区PM2.5浓度的贡献为2 0%35%，区域内输送第4期的贡献为2 6%35%。李珊珊等 15 应用CAMx模式统计表明，北京市、天津市、石家庄市重污染日的PM2.5外源输送贡献分别为58%、54%、39%。赵秀娟等 16 应用CMAQ模式分析了河北南部城市重污染过程中PM2.5来源及跨界输送。区域污染物的传输受大气环流形势影响，污染物输送特征因天气形势不同存在差异。应用数值模式可以评估大气污染物控制措施 17 ,如吴其重等 18 以空气质量多模式系统为工具反向评估北京奥运赛事期间PM1o浓度的控制与减排。以往研究多集中在单次重污染过程或长期的PM2.5来源及传输贡献，不同天气类型的污染输送特征分析较少，未提出基于天气类型和污染物输送规律的减排优化策略。本文将2 0 15一2 0 18 年京津冀地区的PM2.5污染日按天气类型分类,应用中尺度天气预报模式 WRF(Weather Research and Forecasting)拓展的综合空气质量模式CAMx（C o m p r e h e n s iv e A irQualityModelwithExtensions）、多尺度空气质量模式 CMAQ(Community Multi-scale Air Quality Mod-el）提供的气象场进行数值模拟，定量分析北京市、石家庄市不同天气类型PM2.5污染日的污染传输贡献，根据污染物输送特征制定减排优化方案，模拟减排情景,以期为该地区重污染天气防治及研究提供参考。1资料与方法1.1资料来源采用的PM2.5浓度数据来源于中国空气质量在线监测分析平台（https：/w w w.a q i s t u d y.c n），由国家级环境监测总站的监测站点观测的2 0 15年冬季至2 0 18 年冬季京津冀地区PM2.5浓度数据日均值。根据中国气象局高空和地面气象业务观测数据对重污染日的天气类型进行人工分类。WRF模式所需的气象数据来源于美国国家环境预测中心发布的FNL再分析资料（http：/r d a.u c a r.e d u/d a t a s e t s），网格分辨率为11,时间分辨率为6 h。1.2空气质量模式1.2.1模式简介定义京津冀地区冬季当日PM2.5浓度平均值大于150 gm-3为该地区冬季PM2.s重污染日。空气污染过程受动态天气形势变化影响，一次污染过程从开始到结束可能出现几种不同的天气类型。本文筛选同一天气类型持续2 d以上的重污染日为一个污染天气个例，分别使用WRFCA M x 模式、WRF-CMAQ模式进行京津冀重点城市污染天气个例的PM2.5来源解析、减排模拟试验。胡艳楠等：2 0 152 0 18 年京津冀地区不同天气类型影响的PM2.5输送特征及减排效果分析115CAMx模式是美国ENVIRON公司开发的第三代空气质量模型，其化学传输模型综合了空气动力学、气象化学、气溶胶、云化学与动力学等过程。目前CAMx模式可以提供多个扩展功能,如颗粒物源解析技术(Particulate Source Apportionment Technol-ogy,PSAT）、臭氧源分配技术（Ozone Source Appor-tionment Technology,OSAT)等。PSAT技术用来评估不同区域排放源对目标区域颗粒物的传输贡献，通过在CAMx模式中加人标记示踪物来解析每个网格的颗粒物来源，包括示踪物在物理、化学过程中的生成、消除和转化,前体物和颗粒物发生二次化学转化过程 19CMAQ模式是美国环保署开发的第三代区域级别的空气质量模式，该模式在传统模式基础上,更多考虑了实际大气中不同物质之间的相互转换和影响，有改进的化学机制和气溶胶模块，已广泛应用于大气颗粒物污染等问题的理论研究与业务预报 2 0 -2 11.2.2模式设置应用WRF-CAMx模拟,WRF模式采用三层嵌套，最外层水平分辨率为45km，网格数为142 130，覆盖区域包括整个亚洲，即模拟时效内的模式尺度可以匹配影响京津冀地区的关键天气系统。第二层水平分辨率为15km，网格数为145136，覆盖了华北、华中、华东、东北地区。最内层水平分辨率为3km,网格数为1912 6 1,包括整个京津冀地区，使用最内层区域气象模拟结果作为CAMx的气象驱动。CAMx源解析模拟设置为一层,在水平X轴方向和Y轴方向各减少3个网格点，即网格数为18 8 258,京津冀地区分辨率为3km。模式垂直方向设为14层，层间距自下而上逐渐增大。WRF-CMAQ模拟采用双层嵌套,第一层分辨率为36 km，网格点数为96 8 9。包括华北、华中、华东、东北以及西南地区。第二层分辨率为12 km,网格点数为6 17 0,包括京津冀区域及周边部分地区，模式垂直层设为2 7 层。WRFC A M x 与 WRF-CMAQ模式的投影方式均为Lambert投影。污染物浓度模拟的初始值为前1d的模拟结果。模式方案选择见表1。驱动CAMx与CMAQ模式所需的气象场由中尺度气象模式WRF提供,所使用的污染源排放清单为Wu等 32 利用SMOKE模型（the Sparse MatrixOperator Kernel Emissions），将 TRACE-P（t h eTransport and Chemical Evolution over the Pacific)东亚区域排放清单（不包括电厂点源）、INTEXB（I n-tercontinental Chemical Transport Experiment-Phase116气象与环境学报第39卷B)排放清单（电厂点源）以及中国华北地区本地排放清单（包括点源、面源、线源）【331 进行时间、空间、化学过程的分配得到的排放清单。其中，Wu等 32 根据中国第一次污染源普查资料 34，增加了保定市、廊坊市和唐山市的点排放源,更新了保定市、唐山市和北京市乡镇区域等级的面排放源。该清单应用在北京市的空气质量预报系统，模式预报准确率显著提高,PMioA PI（t h e A i r Po l l u t i o n In d e x）模拟值与观测值的相关系数达0.93。表1模式方案选择Table 1 Selection of mode scheme模式方案名称微物理方案WSM 3-classimple ice scheme2长波辐射参数化方案短波辐射参数化方案陆面过程WRF边界层参数化方案积云参数化方案Kain-Fritsch(new Eta)scheme27)水平平流方案干沉降方案CAMX气溶胶化学机制CMAQ气相化学机制1.3模拟检验为检验CAMx模拟结果,应用平均偏差（MB）、标准平均偏差（NMB）、标准平均误差（NME）及相关系数（r)进行对比分析,见式(1）式（4）。Z(SIM,-OBS,)N1MBNi=1N2(SIM,-OBS.)NMBNZOBS.NI SIM;-OBS,INMBNZOBS,N(SIM,-SIM)(OBS;-OBS)NMB=1NZ(SIM,-SIM)Z(OBS,-OBS)2i=1式(1）式（4)中,SIM,为模拟值,OBS,为观测值。1.4重污染日天气分型按照地面气压场特征将京津冀地区重污染日的天气类型分为3类：均压型、高压后部型和西北高压型。2 0 152 0 18 年京津冀地区19个污染天气个例分类见表2。均压型的京津冀地区地面受均压场或弱低压控制，气压梯度小，近地面风速小,高空为弱偏西风或偏南风，此天气类型污染次数占比37%。高压后部型的京津冀地区地面处于高压后部形势场控制,地面风速较小且多为偏南风，高空有暖平流，此类天气形势下污染出现次数最少，占比2 1%。西北高压型的京津冀西北部有一冷高压系统，地面风场以偏东风为主,此天气类型较易出现污染天气，占比42%。方案选择表2 2 0 152 0 18 年京津冀地区污染天气个例分类Table 2Classification of individual cases of polluted weatherin Beijing-Tianjin-Hebei region from 2015 to 2018RRTM23污染天气类型Dudhia scheme24 Noah 陆面过程方案 2 5 Yonsei University schemel26PPM28 ZHANGO3 29 CF30CB-IV31Ni=1出现时间2016年12 月34日2016年12 月16 17 日2016年12 月2 9日至2 0 17 年1月1日均压型2017年2 月2 3日2017年10 月2 6 2 7 日2018年1月18 2 0 日2018年2 月18 19 日2015 年12 月 7 8 日2017年1月2 32 5日高压后部型2017年2 月1415日2018年11月2 3日2015年1月35日(1)2015年12 月2 32 4日2016年1月2 3日(2)2016年12 月18 19 日西北高压型2017 年1 月7 8 日2017 年2 月45日2017年12 月2 2 2 3日(3)2017年12 月2 9 30 日1.5源区划分将京津冀地区按照行政区划分成14个源区，包括北京市、天津市、河北省共13个城市以及周边内蒙古自治区、山西省、山东省、辽宁省的部分区域,除(4)京津冀外，临省部分区域合并为一个源区。应用CAMx-PSAT对表2 中19个污染个例进行逐个模拟,针对一个目标城市,对所有个例的 PM2.5浓度贡献按照天气类型进行平均，得到该城市不同天气类第4期型的本地排放和污染物外源输送贡献均值。2结果分析2.1不同天气类型PM2.5污染特征选取重点城市北京市、石家庄市为例,进行污染(a)42N40N38N36N113E(c)42N40N38N36N113E(e)42N40NH38N36NF113E图120152018年北京市（a)和石家庄市(b)均压型、北京市(c)和石家庄市（d)高压后部型、北京市（e)和石家庄市(f)西北高压型PM2.5来源贡献分布Fig.1 Source contribution distribution of PM2.s under uniform pressure type in Beijing(a),Shijiazhuang(b),rearpart of a high pressure type in Beijing(c),Shijiazhuang(d),northwest high-pressure胡艳楠等：2 0 152 0 18 年京津冀地区不同天气类型影响的PM2.5输送特征及减排效果分析张家口北京56.6%保定廊城天津10.2%39.5%石家庄沧州6.0%衡水邢台邯郸115E张家口北京51.9%保定廊坊天津7.6%3.8%6.5%沧州石家庄衡水邢台邯郸115E张家口北京67.9%唐山10.9%保定廊城天津4.7%7.99%4.4%沧州石家庄衡水邢台邯郸115E117物的来源分析。2 0 152 0 18 年北京市、石家庄市3种天气类型PM2.5来源贡献分布见图1。由图1可知，石家庄市3种天气类型PM2.5本地排放贡献（占比74.7%7 9.7%）均高于北京市（占比51.9%石家庄市的PM2.5本地污染源排放贡献6 7.6%），(b)42N承德秦皇岛唐山本地排放贡献/(%)外源输送贡献（%)117E119E承德秦皇岛唐山6.7%本地排放贡献(%)外源输送贡献(%)117E119E承德秦皇岛本地排放贡献/(%)外源输送贡献/(%)117E119Etype in Beijing(e),Shijiazhuang from 2015 to 2018承德张家口北京40N保定廊城天津6.9%石家庄38N79.7%邢台4.99%邯郸3.6%36N113E(d)42N40N38N36N113E(f)42N40N38N36N113E秦皇岛唐山沧州衡水本地排放贡献（%)外源输送贡献/（%)115E117E承德张家口北京保定廊坊天津5.3%石家庄74.7%衡水邢台6.5%3.6%邯郸115E张家口北京2.0%保定廊城天津13.0%22.9%石家庄沧州74.7%衡水邢台邯郸115E119E秦皇岛唐山沧州本地排放贡献/(%)外源输送贡献（%)117E119E承德秦皇岛唐山本地排放贡献（%)外源输送贡献（%）117E119E118表明高于北京市。2 0 15 2 0 18 年北京市、石家庄市3种天气类型PM2.5平均浓度值CAMx模式模拟见图2。由图2 可知,石家庄市PM2.5浓度值（平均值)高于北京市（平均值），北京市和石家庄市高压后部型的PM2.5浓度值均最高。相比均压型和西北高压型,高压后部型北京市的PM2.5外源输送贡献占比最高（48.1%），石家庄市的PM2.5外源输送贡献占比相对较高（2 5.3%）。高压后部型的东南风使污染物自南向北输送，与太行山、燕山山脉地形共同作用，造成本地和外来污染物堆积,该天气类型PM2.5外源污染输送贡献明显,PM2.5浓度值最高。300250F200150F100F50F0图2 2 0 15 2 0 18 年北京市、石家庄市3种天气类型PM2.5平均浓度值CAMx模式模拟值Fig.2 Simulation average PM2.s concentration of CAMxmodel under three weather types in Beijing andShijiazhuang from 2015 to 2018表32 0 16 年12 月至2 0 17 年2 月北京市、石家庄市PM2.5模拟值与观测值统计Table 3SStatistics of simulated and observed PM2.s in Beijing and Shijiazhuang from December of 2016 to February of 2017站点北京市石家庄市气象与环境学报除本地排放以外，北京市、石家庄市3种天气类型的PM2.5外源污染输送路径明显不同（图1）。污染最严重的高压后部型，京津冀地区地面风速较小且多为偏南风,北京市南部的廊坊市、保定市、天津市和唐山市对其PM2.5污染输送贡献占比较大，石家庄市周边的邢台市、保定市和邯郸市对其PM2.5输送较为明显（邢台市占比最高）。京津冀地区均压型天气的地面气压梯度小,近地面风速小,污染输送距离短。北京市PM2.5输送主要来自其西南方向,石家庄市的PM2.5输送主要来自于周边城市（其北部保定市的贡献占比较高）。京津冀地区西北高压型天气的地面以偏东风为主，由于北京市东北方向为污染程度较小的承德市，而东南方向的唐山市本地污染物排放量大,北京市该天气类型的PM2.5输送主要来自其东南方向,石家庄市的PM2.5输送主要来自其东北方向。2.2模拟效果检验选取2 0 16 年12 月至2 0 17 年2 月污染最严重的时段，以北京市、石家庄市大气环境监测站点的日均PM2.5浓度作为污染指标对比。2 0 16 年12 月至2017年2 月北京市、石家庄市PM2.5模拟值与观测值均压型高压后部型西北高压型天气类型口北京市；口石家庄平均值/(gm3)模拟值观测值105.03101.65203.29199.70第39 卷统计见表3。由表3可知,北京市、石家庄市CAMx模式PM2.5浓度的模拟值与观测值的相关系数均达到0.7 6,北京市的标准平均偏差仅为3.32%，且通过9 5%置信度的显著性检验，表明CAMx模式可以模拟京津冀重点城市的污染特征。由CAMx模式的模拟值和观测值的时间序列进行对比可知（图3），北京市、石家庄市PM2.5浓度的模拟值和观测值变化MBNMB/(%)3.383.328.454.40NME/(%)43.7032.710.760.76800r(a)600400200Fig.3 Simulated and observed daily average PM2.s concentration in Beijing(a)and Shijiazhuang(b)800(b)600400200017日2 7 日06日16日 26日05日15日25日12月1月日期一观测值；模拟值图32 0 16 年12 月至2 0 17 年2 月北京市（a）、石家庄市（b）日均PM2.s浓度观测值与模拟值from December of 2016 to February of 201717日2 7 日06日16日26日05日115日25日2月12月1月日期一观测值；模拟值2月第4期趋势基本一致,表明CAMx模式能较好地模拟PM2.5峰值与低值的出现时间，即CAMx模式能较好地模拟污染物变化。李洋等35 运用WRF-CMAQ模型对石家庄一次轻中度污染过程进行减排模拟试验，并检验了模式模拟效果,PM2.5小时模拟值与监测值的相关系数为0.5 9,其模拟结果与本文较为一致。2.3石家庄市PM2.5减排方案及效果2.3.1减排方案制定减排方案，设定全行业进行减排。石家庄市3种天气类型的污染日PM2.5外源输送存在差异，Table 4 PM2.s emission reduction scheme for pollution day under three weather types in Shijiazhuang方案名称西北高压型石家庄市、保定市减排5 0%石家庄、邢台减排5 0%TC邢台市、邯郸市减排30%SC京津冀中南部减排5 0%2.3.2减排效果使用WRF-CMAQ模式开展减排模拟试验，每种天气类型选取3个典型重污染个例，分别按照TC方案和SC方案进行两次模拟试验。为分析减排方案的有效性,以减排效率作为指标进行检验,石家庄市3种天气类型PM2.5减排效果见表5。由表5 可知,石家庄3种天气类型TC方案和SC方案下的减排效率（均为40%以上)均高于其他城市,且TC方案中石家庄市与其他城市的减排效率差值,明显大于SC方案中石家庄市与其他城市的减排效率差值，表明TC方案对于石家庄而言更具针对性。表5 石家庄市3种天气类型污染日PM2.5减排效果Table 5 PM2.s emission reduction effects of pollutionday under three weather types in Shijiazhuang减排效率/%)石家庄50.2TC其他城市24.7石家庄54.6SC其他城市44.4TC石家庄91.3SC100%其他城市46.2注：表中所列数据为每种天气类型3个典型个例的模拟平均值,其中“其他城市”为京津冀地区除石家庄市以外城市的平均值。减排效率=（减排前模拟浓度减排后模拟浓度）/减排前模拟浓度）10 0%。其他城市的TC方案和 SC方案减排效率的比胡艳楠等：2 0 15 2 0 18 年京津冀地区不同天气类型影响的PM2.5输送特征及减排效果分析表4石家庄市3种天气类型污染日PM2.s减排方案均压型3结论与讨论(1)将影响京津冀地区的重污染天气类型分为污染天气形势类型均压型、高压后部型、西北高压型,其中均压型污染日次数占比37%，高压后部型污染日出现次数最少，高压西北均压型后部型高压型47.740.620.513.056.746.139.439.483.689.141.238.8119均压型、高压后部型污染日，保定市、邢台市和邯郸市对石家庄市PM2.5传输贡献大于周边其他城市。西北高压型污染日,北部的保定市、廊坊市和北京市对石家庄市的PM2.s传输贡献较大。针对以上PM2.5输送特征设定精细化减排方案（TransmissionChan-nel,TC）,同时设定减排方案（South Central,SC）进行对比,京津冀中南部城市（北京市、天津市、保定市、廊坊市、唐山市、石家庄市、衡水市、沧州市、邢台市和邯郸市)减排5 0%。石家庄市3种天气类型污染日PM2.5减排方案见表4。高压后部型保定、邯郸减排30%京津冀中南部减排5 0%值最高仅为46.2%，石家庄市远高于其他城市,其中最高可达9 1.3%（PM2.5浓度值最低的均压型）,最低值为8 3.6%（污染程度最重的高压后部型），减排效果随污染程度的加重而稍有减弱。优化后的TC方案减排效率可达京津冀中南部城市联合减排的83.6%91.3%,虽减排效率稍有降低，但大幅减少了城市管控措施,提高了经济效益。综上,实行TC方案减排措施可有效降低石家庄市的PM2.5浓度,根据石家庄市典型天气类型污染物输送特征设定的方案进行减排，可以避免盲目管控，以较少经济代价获得较好效果，减排方案合理高效。占比2 1%。西北高压型最易出现污染天气，占比42%。高压后部型出现污染日次数最少，但外源污染输送贡献明显，该天气类型的北京市、石家庄市污染程度最为严重。石家庄市3种天气类型本地排放贡献均高于北京市,是石家庄市PM2.5浓度值高于北京市的主要原因之一。（2)北京市、石家庄市大气污染物外源输送均主要来源于周边城市。均压型污染日，北京市PM2.s输送主要来自其西南部,石家庄市PM2.5输送主要来自其北部的保定市。高压后部型污染日，北京市PM2.5输送主要来自其南部和东南部,石家庄市PM2.5输送主要来自其南部的邢台市。西北高压型污染日，北京市PM2.5输送主要来自其东南部,石家庄市PM2.5石家庄、保定减排5 0%北京、廊坊减排30%京津冀中南部减排5 0%120气象与环境学报第39 卷输送主要来自其东北部。（3）根据石家庄市不同天气类型的污染物输送特征，设计其周边不同城市、不同比例减排的优化减排方案，减排效率可达到京津冀中南部城市联合减排的8 3.6%9 1.3%，表明该方案能以较少经济代价获得较好减排效果，合理且高效。参考文献1 An Z S,Huang R J,Zhang R Y,et al.Severe haze innorthern China:A synergy of anthropogenic emissionsand atmospheric processes J.Proceedings of the Na-tional Academy of Sciences,2019,116(18):8657-8666.2Zhang Q,He K B,Huo H.Policy:Cleaning Chinas airJ.Nature,2012,484:161-162.3Gao M,Carmichael G R,Wang Y,et al.Modeling studyof the 2010 regional haze event in the North China PlainJ.Atmospheric Chemistry and Physics,2016,16(3):1673-1691.4王秀玲，花家嘉，李轩，等.2 0 15 2 0 17 年唐山市PM2.5重污染生消气象条件分析J.气象与环境学报，2020,36(4):45-51.5王振，杨卫芬，叶香，等.气象因素对常州市区PM2.5浓度影响J.气象与环境学报，2 0 2 0,36（3）：2 6-32.6Liu J D,Wang L L,Li M G,et al.Quantifying the im-pact of synoptic circulation patterns on ozone variabilityin northern China from April to October 2013-2017J.Atmospheric Chemistry and Physics,2019,19(23):14477-14492.7AAndreas P,Bartholy J,Christoph B,et al.Cost733 cat-A database of weather and circulation type classifica-tions JJ.Physics and Chemistry of the Earth,2010,35(9-12):360-373.8符传博,丹利，徐文帅，等.2 0 15 2 0 18 年海南省臭氧污染特征及其天气类型J.气象与环境学报,2 0 2 1，37(6):27 35.9赵娜，马翠平，李洋，等.河北重度污染天气分型及其气象条件特征J.干旱气象，2 0 17,35（5）：8 39 8 46，856.10 马雁军,赵胡筑,刘宇飞，等.中国东北地区重污染事件气溶胶浓度变化与天气形势分析J.气象与环境学报,2 0 2 1,37(5):13-19.11 赵蕾，吴坤梯，陈明.2 0 132 0 16 年海口市空气质量特征及典型个例污染物来源分析J.气象与环境学报，2019,35(5):63-69.12 Chang W Y,Zhan J Q.The association of weather pat-terns with haze episodes:Recognition by PM2.5 orientedcirculation classification applied in Xiamen,Southeast-ern China J.Atmospheric Research,2017,197:425-436.13 校杨旭，张小玲，康延臻，等.京津冀地区冬半年空气污染天气分型研究J.中国环境科学，2 0 17,37（9）：3201-3209.14 王自发，李杰，王哲，等.2 0 13年1月我国中东部强霾污染的数值模拟和防控对策J.中国科学：地球科学,2 0 14,44(1):3-14.15 李珊珊，程念亮，徐峻，等.2 0 14年京津冀地区PM2.5浓度时空分布及来源模拟J.中国环境科学,2 0 15，35(10):2908-2916.16 赵秀娟，姜华,王丽涛，等.应用CMAQ模型解析河北南部城市的霾污染来源J.环境科学学报,2 0 12,32(10):2559-2567.17 王振波，梁龙武，林雄斌，等.京津冀城市群空气污染的模式总结与治理效果评估J.环境科学,2 0 17,38(10):4005 4014.18 吴其重,王自发，徐文帅，等.多模式模拟评估奥运赛事期间可吸入颗粒物减排效果J.环境科学学报，2010,30(9):1739-1748.19 薛文博，王金南，杨金田.国内外空气质量模型研究进展J.环境与可持续发展，2 0 13,38（3）：14-2 0.20孟凯，程兴宏，徐祥德，等.基于CMAQ源同化反演方法的京津冀局地污染源动态变化特征模拟研究J.环境科学学报,2 0 17,37（1）：5 2-6 0.21Meng K,Xu X D,Cheng X H,et al.Spatio-temporalvariations in SO,and NO,emissions caused by heatingover the Beijing-Tianjin-Hebei Region constrained by anadaptive nudging method with OMI data J.Science ofthe Total Environment,2018,642:543-552.22 Cooper W A.Ice initiation in natural clouds J.Mete-orological Monographs,1986,21(43):29-32.23 Iacono M,Delamere J,Mlawer E,et al.Radiative forc-ing by long-lived greenhouse gases:Calculations withthe AER radiative transfer models J.Journal of Geo-physical Research:Atmospheres,2008,113（D 13):D13103.24 Dudhia J.Numerical study of convection observed dur-ing the winter monsoon experiment using a mesoscaletwo-dimensional model J.Journal of Atmospheric Sci-ences,1989,46(20):3077-3107.25 Tewari M,Chen F,Wang W,et al.Implementation andverification of the unified Noah land-surface model inthe WRF model C/American Meteorological Socie-ty.20th conference on weather analysis and forecasting/16th conference on numerical weather prediction.Seat-tle,WA,USA:American Meteorological Society,2004.26 Hong S Y,Noh Y,Dudhia J.A new vertical diffusionpackage with an explicit treatment of entrainmentprocesses J.Monthly Weather Review,2005,134(9):2318-2341.27Kain J S.The Kain-Fritsch convective parameterization:An update J.Journal of Applied Meteorology and Cli-第4期matology,2004,43(1):170-181.28Colella P,Woodward P R.The Piecewise ParabolicMethod(PPM)for gas-dynamical simulationsJ.Jour-nal of Computational Physics,1984,54(1):174-201.29Zhang L,Brook J R,Vet R.A revised parameterizationfor gaseous dry deposition in air-quality models J.At-mospheric Chemistry and Physics,2003,3(6):2067-2082.30 Nenes A,Pandis S N,Pilinis C.Isorropia:a new thermo-dynamic equilibrium model for multiphase multicompo-nent inorganic aerosols J.Aquatic Geochemistry.1998,4:123 152.31Gery M W,Whitten G Z,Killus J P,et al.A ph