, 孔海江1,2, 栗晗21. 中国气象局·河南省农业气象保障重点实验室, 郑州 450003;
2. 河南省气象台, 郑州 450003
收稿日期: 2017-06-21; 修回日期: 2017-11-05; 录用日期: 2017-11-21
基金项目: 中央引导地方科技发展项目（No.HN2016-149）；2016年中国气象局预报员专项项目（No.CMAYBY2016-044）；国家重点研发计划（No.2017YFC0212402）
作者简介: 董贞花(1982-), 女, E-mail:dongzh126@126.com
通讯作者（责任作者）: 董贞花
摘要: 利用WRF-Chem模式模拟2015年11月27日—12月1日、12月5—14日、12月19—25日河南3次重污染过程，结合空气污染资料和ERA-Interim再分析资料，对比分析了这3次重污染过程的开始、持续和结束及污染物的输送特征.结果表明，静稳天气有利于污染的发展持续，3次重污染过程的结束均是由西路冷空气入侵造成的.第1次重污染过程平均风场上的风速均为小风或静风，从湖北到河南南部风向为偏南风；而第2和第3次重污染过程平均风场分别以偏东和偏北风为主.第2和第3次重污染过程中均存在明显的由北向南的污染物输送过程.3次重污染过程中，河南省本地排放对本省PM2.5浓度的平均贡献率最大，而河南省周边区域对河南PM2.5浓度的平均贡献率在这3次过程中不一样，第1次重污染过程，河南南部主要受偏南风影响，湖北对河南PM2.5浓度的平均贡献率最大，为20.7%；第2和第3次重污染过程主要受偏东风影响，安徽和江苏对河南PM2.5浓度的平均贡献率最大，分别为17.7%和18.5%.3次重污染过程中，安阳的主要污染输送源均不相同，分别来自河北、江苏和安徽、本省.
关键词:模拟重污染输送特征河南冬季
Numerical simulation and transport analysis of three heavy air pollution processes in Henan Province in winter
DONG Zhenhua1,2
, KONG Haijiang1,2, LI Han2 1. CMA/Henan Key Laboratory of Agrometeorological Support and Applied Technique, Zhengzhou 450003;
2. Henan Meteorological Center, Zhengzhou 450003
Received 21 June 2017; received in revised from 5 November 2017; accepted 21 November 2017
Supported by the Central Leading Local Development of Science and Technology Project in China (No.HN2016-149), the 2016 China Meteorological Bureau Forecaster Special Project(No.CMAYBY2016-044) and the National R & D Program of China (No.2017YFC0212402)
Biography: ONG Zhenhua(1982—), female, E-mail: dongzh126@126.com
Abstract: The WRF-Chem model has been utilized to simulate the three heavy air pollution processes in Henan Province which occurred from 27 November to 1 December, from 5 to 14 December, and from 19 to 25 December 2015, respectively. The air pollution modeling output and ERA-Interim reanalysis data were employed to investigate the pollutant transport characteristics associated with these processes through comparison of the pollutant transport at the beginning, the development and the end stages of the three heavy pollution processes. The results show that the stable weather was conducive to the development of air pollution conditions. Additionally, the invasion of cold westerly flow ceased these three air pollution processes. During the first process, the averaged wind speed was relatively small and the weather condition was stable. The southward wind blew from Hubei Province to the southern part of Henan Province. During the other two processes, the easterly and northerly flows played an important role to transport considerable pollutants from the north vicinities to Henan Province. In these three processes, the local emission made a largest contribution to PM2.5 concentration in Henan Province while the local contributions to PM2.5 concentration were significantly different in the adjacent provinces. The PM2.5 contamination transported by prevailing southerly wind from Hubei Province contributed to the PM2.5 pollutants at a rate of 20.7% in Henan Province during the first process. In the second process, the average contribution rates of PM2.5 carried by easterly wind from Jiangsu and Henan were 17.7% and 18.5% respectively. Besides, the main pollutant sources at Anyang city came from Hebei, Jiangsu, Anhui and Henan Provinces during these three processes.
Key words: simulationheavy air pollutiontransport characteristicsHenanwinter
1 引言(Introduction)近年来, 全国大范围的雾霾天气污染过程频发, 引起了公众的广泛关注, 成为当前环境领域的热点问题.大气颗粒物是重要的污染物之一, 也是影响我国大多数城市空气质量的首要污染物.大气颗粒物中直径≤2.5 μm的颗粒物(PM2.5)是造成雾霾天气、降低能见度, 以及影响交通安全的主要因素.PM2.5可通过呼吸道进入肺泡, 进而危害人体健康.PM2.5的基本特征是体积小、质量轻, 在大气中滞留时间长, 可以被大气环流输送到很远的地方, 造成大范围的空气污染(杨新兴等, 2012；郭新彪等, 2013).
重污染过程与当地气象条件密切相关, 稳定的大气环流形势为污染的持续提供了大气环流背景, 风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因.刘丽丽等(2015)结合天津市的污染数据、地面气象要素、能见度、边界层温湿和风廓线、后向轨迹, 深入分析了天津冬季重霾污染过程及气象和边界特征.李国翠等(2009)对2004—2008年北京市空气持续重污染过程进行了统计, 并对非沙尘型持续重污染天气形势的特征进行了分析.谢付莹等(2010)研究了2008年奥运会期间北京地区PM10污染天气形势和气象条件特征.王珊等(2015)分析了西安一次霾重污染过程的大气环境特征及气象条件.徐晓峰等(2005)分析了2004年10月北京一次局地重污染过程的气象条件, 发现这次持续重污染过程是由本地污染源和大尺度的天气背景与局地的气象条件共同造成.重污染过程中, 区域输送对当地污染的贡献也起着重要的作用(程念亮等, 2015；刘琳等, 2016).城市之间存在着大气污染的相互影响和输送问题, 因此, 大气污染是一个区域性的环境问题(王自发等, 2008；张志刚等, 2004).曹钰等(2016)分析了2014年5月25—30日上海地区一次严重空气污染天气过程, 初步探讨了此次污染过程的污染物源、输送路径、气象条件及大气边界层特征.李珊珊等(2016)采用模式(CAMx)模拟与气象、污染物观测资料相结合的方式, 分析了2014年10月京津冀地区一次重污染过程中PM2.5的时空分布、来源及成因, 模拟结果显示, 重污染过程中(10月7—10日)北京、天津、石家庄市PM2.5平均外来源输送率分别为57%、48%、27%, 对重污染日与非重污染日外来传输贡献进行比较发现, 重污染日北京、天津、石家庄市外来传输贡献率比非重污染日分别上升了30%、24%、11%；区域输送对于各地区PM2.5浓度有着十分重要的影响.
近年来, 河南重污染天气过程频繁发生, 就2015年而言, 河南出现重污染天气过程达17次, 而每次出现重污染的情况各不相同.基于此, 本文选取2015年11月27日—12月1日、12月5—14日、12月19—25日河南3次重污染过程进行分析, 并利用WRF-Chem模式分别对这3次污染过程进行模拟, 对比分析这3次重污染过程的开始、持续和结束及污染物的输送特征, 以期为河南空气重污染过程的预报提供一定的参考依据.
2 资料与方法(Materials and methods)2.1 资料空气污染资料为2015年11—12月河南省18个城市环境监测站的逐日及逐小时PM2.5、PM10等主要空气污染物的空气质量监测数据.气象资料为地面气象要素常规观测资料和0.75°×0.75°的ERA-Interim再分析资料.
根据中华人民共和国国家环境保护标准HJ633—2012及中华人民共和国国家标准GB3095—2012的规定, 按照全市环境监测站点的日平均空气质量指数(AQI), 将200＜AQI≤300定为5级空气重度污染日, AQI＞300定为6级空气严重污染日, 5级和6级空气污染日均称为重污染天气日, 并将连续3 d及以上的空气重污染天气定义为连续重污染天气过程.本文将河南省18个城市中, 连续3 d及以上的至少有1个城市的空气污染为重污染天气定义为河南省连续重污染天气过程.
本文选取了河南省2015年11月27日—12月1日、12月5—14日、12月19—25日3次重污染过程, 并对比分析这3次重污染过程的开始、持续和结束及污染物的输送特征.
2.2 方法本文用WRF-Chem 3.4版本分别对这3次重污染过程进行了模拟, 模式设置区域覆盖河南及周边省份, 模拟区域的中心经纬度为东经112.95°、北纬34.72°, 空间分辨率为6 km, 区域网格数320×320, 垂直方向分为28层, 层顶气压设为50 hPa.模式无嵌套, 驱动场是GFS预报场, 采用non-hydrostatic的动力框架, 无四维同化.模式主要物理和化学方案选取为YSU边界层方案、WSM6显式微物理方案、Kain-Fritsch(new Eta)积云参数化方案、RRTM长波辐射方案、Goddard短波辐射方案、Noah LSM陆面模式, 气溶胶化学为MADE/SORGAM, 气相化学机制采用RADM2机制.
排放源是基于清华大学提供的2012年亚洲地区污染物排放清单, 采用反演污染源的方法, 通过反复对比模拟数据和实况数据, 不断改进排放源, 使模拟效果达到最优.化学初始场采用模式前一天的24 h预报结果, 为当日启动提供初始场.
2.3 模拟数据与实况的对比及检验图 1为2015年11月27日—12月25日河南省18个城市PM2.5逐小时的观测浓度和模拟浓度对比图, 其中, 黑色实线为PM2.5观测浓度, 灰色虚线为PM2.5模拟浓度.由图可见, 模式能够较好地反映模拟时段内PM2.5浓度的变化趋势, 对于发生在11月27日—12月1日、12月5—14日、12月19—25日的3次重污染过程都能较好地反映出来.但对于3次过程中的污染最严重时刻的AQI, 有些城市预报偏低, 如安阳、新乡、开封和漯河等在12月9日的峰值, 濮阳、焦作、新乡、三门峡、漯河、商丘和周口在12月24日的峰值.
图 1(Fig. 1)
 |
| 图 1 2015年11月27日—12月25日河南省18个城市的PM2.5实况和模拟 Fig. 1The PM2.5 live and simulation of the 18 cities in Henan from November 27 to December 25 of 2015 |
图 2为河南18个城市2015年11月27日—12月25日的逐小时PM2.5的模式预报与观测浓度的相关系数及平均偏差分布图.由图 2a可知, 18个城市的模拟和实况的相关系数都通过了0.01水平的显著检验, 除了信阳的相关系数较低, 其它17个城市的相关系数都大于0.5, 其中, 郑州、新乡、安阳、焦作、开封及平顶山6个城市都超过了0.7, 18个城市的平均相关系数为0.65.图 2b为18个城市的模拟和实况的平均偏差, 正值表示预报偏高, 负值表示偏低.由图可知, 安阳、济源、洛阳3站的平均偏差较大, 超过60 μg·m-3, 濮阳、许昌的平均偏差在40~60 μg·m-3之间, 其它11个站的平均偏差都在40 μg·m-3以下.可见WRF-Chem模式对河南省PM2.5浓度模拟比较准确.
图 2(Fig. 2)
 |
| 图 2 2015年11月27日—12月25日河南18个城市的逐小时PM2.5模式预报与观测浓度的相关系数(a)及平均偏差(b) Fig. 2The correlation coefficient between the model prediction and the observed concentration of PM2.5(a) and the average bias (b) of the 18 cities in Henan from November 27 to December 25 of 2015 |
3 结果与讨论(Results and discussion)3.1 实况分析图 3为安阳3次重污染过程的静稳指数变化图, 可见3次重污染期间静稳天气建立, 大部分时间静稳指数都达14以上, 静稳天气的建立有利于污染的发展, 静稳天气的时间越长越有利于污染物的堆积.3次重污染的结束均是由西路冷空气入侵造成的, 其中, 第2次重污染过程中还有两股冷空气, 分别12月7日弱的东路冷空气和12月9日中路冷空气, 7日弱东路冷空气并没有减弱污染反而加重了污染, 9日中路冷空气因为风力和持续时间也只是改善了重污染并没有彻底清除.
图 3(Fig. 3)
 |
| 图 3 安阳3次重污染过程的静稳指数变化 Fig. 3The steady stability index of three heavy pollution processes in Anyang |
3.2 PM2.5的平均浓度及风场的分布图 4为模拟的3次重污染过程PM2.5平均浓度分布及平均10 m风场图, 可见河南省及周边区域PM2.5浓度的分布.河南周边区域, 京津冀的主要污染带由北向南延伸到河南省北部, 此外, 与河南相邻的山东、江苏、安徽、湖北等地区空气污染均较重, 属于大面积区域污染过程.可见, 在一定的气象条件下, 均有可能对河南造成潜在的区域污染输送.从风场上看, 第1次污染过程中, 平均风场上的风速均为小风或静风, 从湖北到河南南部风向为偏南风, 结合3次污染过程中河南南部的PM2.5浓度, 可见第1次污染过程南部污染最轻, 由于偏南风的输送, 污染物向北堆积.第2次污染过程中, 河南东边区域如山东、安徽PM2.5浓度相对最小, 从风场上看, 以偏东风为主, 可见污染物向西堆积.第3次污染过程中, 平均风场以弱偏西风或西北风为主, 污染物向东、向南堆积, 西部污染最轻.从河南周围区域PM2.5浓度分布来看, 京津冀和山东的污染最重, 因此, 偏北风和偏东风均会加重河南的污染.由此可见, 3次过程中污染物的污染范围、强度不同, 除了污染持续时间的不同, 也与污染的输送密不可分.
图 4(Fig. 4)
 |
| 图 4 模拟的3次重污染过程的PM2.5平均浓度分布及风场(a.2015年11月27日—12月1日, b.2015年12月5—14日, c.2015年12月19—25日) Fig. 4The average PM2.5 concentration distribution and wind field of the simulated three heavy pollution processes |
3.3 PM2.5浓度及通量随时间的剖面图图 5为模拟的3次污染过程沿安阳(114.38°E)的PM2.5浓度和通量剖面图, 可见第2次和3次污染过程均有明显的由北向南的输送过程, 分别在12月10日和12月24日, 这刚好与这两次过程中污染最严重日相对应.分别计算12月10日和12月24日风速最大时刻时从北向南(36°N、35°N、34°N、33°N、32°N)的输送通量(PM2.5浓度×风速)分别为-601.89、-587.08、-575.53、-565.80、-535.86 μg·m-2·s-1和-2148.56、-2165.60、-2166.81、-2189.83、-2108.57 μg·m-2·s-1(南风为正值，北风为负值), 而PM2.5高浓度区从北部向南扩展, 重污染范围从北部扩展到南部, 可见这两日由北向南都存在明显的污染物的输送, 输送量的大小与PM2.5、风速有关.与第1次污染过程由北向南的输送不明显, 而第1次污染过程出现重污染的范围是河南的北中部, 由北向南的传输不明显应该是造成3次污染过程中第1次污染过程重污染范围最小的原因.3次污染过程中, PM2.5高浓度源区处于河北境内, 随北风或东北风, 污染通量向南输送至河南境内.另一方面, 对每次污染输送过程, 也可见向西或向北的污染通量输送, 表明有来自不同方向的污染输送.因此, 有必要分析河南省周边区域的污染输送贡献.
图 5(Fig. 5)
 |
| 图 5 模拟的3次污染过程沿安阳(114.38°E)的PM2.5浓度和通量剖面图(a.2015年11月27日—12月1日, b.2015年12月5—14日, c.2015年12月19—25日) Fig. 5The PM2.5 concentration and flux profile of the simulated three heavy pollution processes along the Anyang (114.38°E) |
3.4 区域污染输送对河南PM2.5的污染贡献本文采用情景模拟的方法(Streets et al., 2007; Chen et al., 2007; Wang et al., 2008; Xing et al., 2011), 定量研究河南省及周边区域对其PM2.5浓度的贡献率.首先设定基础情景, 即考虑研究区域所有污染源排放情况下进行模拟.在此基础上设置6组情景实验, 将河南、京津冀、山东、安徽和江苏、湖北、山西6个区域的人为排放源关闭后进行模拟, 计算基准情景与模拟结果的差值即为这一区域的浓度贡献, 计算公式如下：
 | (1) |
 | (2) |
利用上述方法, 分别对这3次重污染过程设置上述6组情景实验, 分别计算河南、京津冀、山东、安徽和江苏、湖北、山西这6个区域对河南PM2.5浓度的平均贡献率(表 1).发现河南省本地排放对本省PM2.5浓度的平均贡献率最大, 而静稳天气的建立有利于本地污染物的积聚, 3次重污染过程期间都有静稳天气的建立.3次污染过程中第2次污染过程持续时间最长, 全省都出现重污染, 图 6给出了第2次污染过程的6组情景实验.可以明显看出, 本省排放对河南污染贡献率最大, 而周边省份对河南污染的贡献最大的地方是与其相邻的区域.3次污染过程河南省对本省PM2.5浓度贡献率最大的地区都为河南省西北部, 郑州、洛阳、许昌等地的贡献率达60%以上, 以西北部为中心, 贡献率向外逐渐降低, 省内排放对靠近河南省边界的城市PM2.5浓度贡献率最低.河南对周边区域同样有污染输送, 在以北风为主导的气象条件下, 河南省对安徽和湖北的污染贡献率较大.
表 1(Table 1)
| 表 1 河南、京津冀、山东、安徽和江苏、湖北、山西这6个区域对河南PM2.5浓度的平均贡献率 Table 1 The average contribution rate of the six regions of Henan, Beijing, Tianjin, Shandong, Anhui and Jiangsu, Hubei and Shanxi to the PM2.5 concentration of Henan | ||||||||||||||||||||||||||||||||||
表 1 河南、京津冀、山东、安徽和江苏、湖北、山西这6个区域对河南PM2.5浓度的平均贡献率 Table 1 The average contribution rate of the six regions of Henan, Beijing, Tianjin, Shandong, Anhui and Jiangsu, Hubei and Shanxi to the PM2.5 concentration of Henan
| ||||||||||||||||||||||||||||||||||
 | ||||||||||||||||||||||||||||||||||
图 6(Fig. 6)
 |
| 图 6 第2次污染过程中河南、京津冀、山东、安徽和江苏、湖北及山西分别对河南PM2.5的贡献率 Fig. 6In the process of Ⅱ, Henan, Beijing, Tianjin, Hebei, Anhui and Jiangsu, Hubei and Shanxi, respectively to the contribution rate of Henan PM2.5 |
河南省周边区域对河南PM2.5浓度的平均贡献率在这3次污染过程不一样, 第1次污染过程中, 27日, 河南处在高压的后部, 全省偏南风3级左右, 28—30日, 气压场均比较弱, 风力较小, 河南的南部主要受偏南风影响, 偏南风造成了污染物的输送, 因此, 湖北对河南PM2.5浓度的平均贡献率最大.第2次和第3次污染过程, 在没有冷空气的影响下, 河南主要受偏东风影响, 因此, 安徽和江苏对河南PM2.5浓度的平均贡献率最大.京津冀地区紧邻河南的北部城市, 对河南省北部的PM2.5污染贡献率最大；山东地区对河南省的污染输送集中在东北部；安徽和江苏地区对河南省的污染输送集中在省东部和南部, 影响区域较大；湖北省主要对河南省南阳、信阳等地区具有污染贡献；山西省对河南省的污染输送集中在西北部.
3.5 后向轨迹分析3次重污染过程的输送规律HYSPLIT模式是由NOAA的Draxler等开发的供质点轨迹、扩散及沉降分析用的综合模式系统, 是一种欧拉-拉格朗日混合计算模式, 其平流和扩散计算采用拉格朗日方法.这个模式通常用来跟踪气流所携带的粒子或气体移动方向, 具有处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能, 是较为完整的输送、扩散和沉降模式, 已经被广泛地应用于多种污染物在各个地区的传输和扩散研究中.模式使用的是0.5°×0.5° GDAS资料, 时间为UTC.
本文选取河南污染较严重的安阳站, 分别以这3次重污染过程期间安阳污染达最重日为初始点, 利用HYSPLIT模式向后追踪48 h, 研究污染物向后48 h内的轨迹(图 7).可以看出, 第1次污染过程中, 安阳污染达最严重日的气体大部分追踪到河北省, 最远追踪到我国的西北地区, 少数追踪到山西和山东；第2次污染过程中, 安阳污染达最严重日的气体大部分追踪到安徽和江苏, 其次可追踪到河北；第3次污染过程中, 安阳污染达最严重日的气体大部分追踪到本省.从而说明第1次污染过程中, 周边区域对安阳的污染输送为河北最多, 其次是山西；第2次污染过程中, 周边区域对安阳的污染输送主要来自江苏和安徽, 其次是河北；第3次污染过程中, 周边区域对安阳的污染输送主要来自本省内, 其次来自河北.
图 7(Fig. 7)
 |
| 图 7 安阳11月30日、12月9日和12月22日向后追踪48 h的气体轨迹(图中不同颜色的线条表示不同高度的气体追踪轨迹, 这里主要研究高度在100~1500 m的气体追踪轨迹) Fig. 7November 30, December 9 and December 22 to track 48 h gas trajectory backwards of Anyang(The lines of different colors in the figure represent the trajectories of gas at different heights, the gas trajectories of 100 m to 1500 m) |
4 结论(Conclusions)1) WRF-Chem模式能较好地反映2015年11月27日—12月25日的PM2.5浓度的变化趋势, 对于发生在11月27日—12月1日、12月5—14日、12月19—25日的3次重污染过程都能较好地反映出来.18个城市的模拟和实况的相关系数都通过了0.01水平的显著检验, 11个城市的模拟和实况的平均偏差均在40 μg·m-3以下.
2) 实况分析表明, 静稳天气有利于污染的发展持续, 3次重污染过程的结束均是由西路冷空气入侵造成的.
3) 3次重污染过程中, 第1次污染过程的重污染范围最小, 这与风场有很大的关系, 第1次污染过程中, 平均风场上的风速均为小风或静风, 从湖北到河南南部风向为偏南风；而第2和3次污染过程的平均风场分别以偏东和偏北风为主.
4) 第2和3次污染过程中均存在明显的由北向南的污染物输送过程, 3次污染过程中, PM2.5高浓度源区处于河北境内, 随北风或东北风, 污染通量向南输送至河南境内.
5) 3次污染过程中, 河南省本地排放对本省PM2.5浓度的平均贡献率最大.而河南省周边区域对河南PM2.5浓度的平均贡献率在这3次污染过程是不一样的, 第1次污染过程中, 河南南部主要受偏南风影响, 湖北对河南PM2.5浓度的平均贡献率最大, 为20.7%；第2和3次污染过程主要受偏东风影响, 安徽和江苏对河南PM2.5浓度的平均贡献率最大, 分别为17.7%和18.5%.该结果只是对这3次重污染天气个例的模拟结果.
6) 利用HYSPLIT模式研究河南污染较严重的安阳站, 发现第1次污染过程中, 周边区域对安阳的污染输送为河北最多, 其次是山西；第2次污染过程中, 周边区域对安阳的污染输送主要来自江苏和安徽, 其次是河北；第3次污染过程中, 周边区域对安阳的污染输送主要来自本省内, 其次来自河北.
参考文献
| Chen D S, Cheng S Y, Liu L, et al. 2007. An integrated MM5-CMAQ modeling approach for assessing trans-boundary PM10 contribution to the host city of 2008 Olympic Summer Games-Beijing, China[J]. Atmospheric Environment, 41: 1237–1250.DOI:10.1016/j.atmosenv.2006.09.045 |
| 程念亮, 李云婷, 张大伟, 等. 2015. 2013年1月北京市一次空气重污染成因分析[J]. 环境科学, 2015, 36(4): 1154–1163. |
| 曹钰, 马井会, 许建明, 等. 2016. 上海地区一次典型空气污染过程分析[J]. 气象与环境学报, 2016, 32(1): 16–24. |
| 郭新彪, 魏红英. 2013. 大气PM2.5对健康影响的研究进展[J]. 科学通报, 2013, 58(13): 1171–1177. |
| 李国翠, 范引琪, 岳艳霞, 等. 2009. 北京市持续重污染天气分析[J]. 气象科技, 2009, 37(6): 656–659. |
| 刘琳, 王玲玲, 白永清, 等. 2016. 应用WRF/Chem模拟河南冬季大气颗粒物的区域输送特征[J]. 环境科学学报, 2016, 36(1): 1–16. |
| 刘丽丽, 王莉莉. 2015. 天津冬季重霾污染过程及气象和边界层特征分析[J]. 气候与环境研究, 2015, 20(2): 129–140. |
| 李珊珊, 程念亮, 潘涛, 等. 2016. 2014年10月京津冀一次空气重污染过程分析[J]. 环境科学与技术, 2016, 39(3): 162–169. |
| Streets D G, Fu J S, Jang C J, et al. 2007. Air quality during the 2008 Beijing Olympic Games[J]. Atmospheric Environment, 41: 480–492.DOI:10.1016/j.atmosenv.2006.08.046 |
| 王珊, 廖婷婷, 王莉莉, 等. 2015. 西安一次霾重污染过程大气环境特征及气象条件影响分析[J]. 环境科学学报, 2015, 35(11): 3452–3462. |
| 王自发, 李丽娜, 吴其重, 等. 2008a. 区域输送对北京夏季臭氧浓度影响的数值模拟研究[J]. 自然杂志, 2008a, 30(4): 194–198. |
| 谢付莹, 王自发, 王喜全. 2010. 2008年奥运会期间北京地区PM10污染天气形势和气象条件特征研究[J]. 气候与环境研究, 2010, 15(5): 584–594. |
| Xing J, Zhang Y, Wang S X, et al. 2011. Modeling study on the air quality impacts from emission reductions and a typical meteorological conditions during the 2008 Beijing Olympics[J]. Atmospheric Environment, 45: 1786–1798.DOI:10.1016/j.atmosenv.2011.01.025 |
| 徐晓峰, 李青春, 张小玲. 2005. 北京一次局地重污染过程气象条件分析[J]. 气象科技, 2005, 33(6): 543–547. |
| 杨新兴, 冯丽华, 尉鹏. 2012. 大气颗粒物PM2.5及其危害[J]. 前沿科学, 2012, 6(21): 22–31. |
| Wang L T, Hao J M, He K B, et al. 2008. A modeling study of coarse particulate matter pollution in Beijing:regional source contributions and control implications for the 2008 Summer Olympics[J]. Journal of Air and Waste Management Association, 58: 1057–1069.DOI:10.3155/1047-3289.58.8.1057 |
| 张志刚, 高庆先, 韩雪琴, 等. 2004. 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. |
