引言

大气气溶胶是悬浮在大气中的液态或固态小颗粒，是大气的重要组成部分，PM_2.5是指粒子直径小于或等于2.5 μm的气溶胶，又称为细颗粒物。PM_2.5在大气中停留时间长、输送距离远、比表面积较大、容易富集有毒物质，并能直接进入人体肺部甚至血液，对健康造成严重威胁。PM_2.5的重要人为源是矿物燃料燃烧产生的一次气溶胶和二氧化硫(SO₂)、氮氧化物(NO_x)等气体在大气中经过一系列光化学、氧化反应生成的硫酸盐(SO₄^2-)、硝酸盐(NO₃^-)等二次气溶胶(唐孝炎等，2006)。我国处于高度经济发展阶段，沿海发达城市分布着许多工厂，同时机动车的数量也在逐年增长，大量煤炭、汽油等矿物质燃料的燃烧是PM_2.5的重要来源，其中北京、天津、河北(以下简称京津冀)地区是我国PM_2.5污染最严重的区域(Ma et al, 2012a; Zhang et al, 2013; Che et al, 2014)。

风、温度、相对湿度和边界层高度等气象条件对PM_2.5浓度的分布具有很大的影响(蔡子颖等, 2014；曹伟华等, 2013；姚青等，2012a；2012b)。高怡等(2014)指出静小风、偏高的温度和相对湿度利于污染物的积累，Chan等(2008)发现空气质量指数和大气气压显著相关，持续的低压导致了空气质量指数的上升，Quan等(2014)则探讨了PM_2.5浓度和边界层高度的相互反馈机制。从总体天气形势看，PM_2.5污染一般发生在对流层低层为弱高压脊(张人禾等，2014)，东亚大槽和东亚季风都有所减弱的形式下，或者发生于较弱的均压场(张小曳等，2013)。靳军莉等(2014)的研究结果显示，京津冀地区PM_2.5污染呈现区域性高值、污染具有局地积累以及由南向北输送的特征。

关于我国气溶胶的化学组成也有许多研究，Zhang等(2012)指出矿物气溶胶是中国大气气溶胶中含量最大的组分，其次是硫酸盐和有机碳气溶胶(OC)。徐敬等(2007)和杨勇杰等(2008)对北京地区PM_2.5的成分和来源进行分析，发现SO₄^2-，NO₃^-和NH₄⁺为北京地区PM_2.5的主要离子。已有的研究表明，污染物的累积及光化学和非均相反应会造成大量二次气溶胶的生成，这是华北地区雾霾形成的主要原因(Ma et al, 2010；2012b; Zhao et al, 2013；张小曳，2014；吴兑，2005)。

大气环境模式被广泛应用于对气溶胶污染的研究中。许多研究利用WRF-Chem对我国华北地区的PM_2.5污染进行模拟研究(韩素芹等，2008；张小玲等2014; Jiang et al, 2012; Zhang et al, 2013; An et al, 2007; 王自发等，2008)。PM_2.5的污染往往是区域性的，除了水平方向的输送，垂直方向上也存在区域性的分布差异和相互输送过程，目前对北京、天津秋季的PM_2.5垂直分布的观测研究较多(马新成等, 2011; 徐宏辉等, 2008; 孙玫玲等, 2008；宋宇等，2002)，但模拟研究比较少。

冬季的PM_2.5污染是许多研究的主要对象，尤其是2013年1月出现的严重污染现象(张人禾等，2014；花丛等，2015；张小玲等，2014；关月等，2013)，而对京津冀地区秋季污染的研究较少。秋季和冬季相比，气体前体物排放量不同、平均边界层高度更高，污染物垂直分布变化更加明显、光化学反应更强烈，容易发生以二次污染物为主的PM_2.5污染过程。本文利用中尺度大气-化学耦合模式WRF-Chem对2014年秋季京津冀地区的PM_2.5进行模拟，分析了10月一次PM_2.5污染过程中的天气形势，刻画了区域PM_2.5浓度变化的时间序列，并研究了其重要组成部分的水平、垂直分布特征，探讨一次、二次颗粒物的不同分布特点和扩散趋势。

1 模拟介绍与方案设计 1.1 参数方案

WRF(Weather Research Forecast)模式系统是新一代中尺度预报模式和同化系统，重点考虑从云尺度到天气尺度等重要天气的预报。WRF-Chem是WRF与Chem化学模块在线耦合的大气化学模式。WRF气象模式提供了多种物理参数化方案，Chem模块中也包括了多种气态和气溶胶化学机制。本文在参考其他方案设计，反复验证模拟效果的基础上选取了如表 1所示的物理和化学方案。其中气溶胶MOSAIC(the Model for Simulation Aerosol Interactions and Chemistry)方案是目前WRF-Chem应用中的主流气溶胶模块，它较全面地考虑到有机、无机气溶胶及挥发性有机物：SO₄^2-、NO₃^-、NH₄⁺、OC、BC、Cl^-、Na⁺、其他无机物(other inorganics，OIN)等，并将气溶胶按其粒径大小分为8组，直径在2.5 μm以下有6组，2.5 μm以上有2组。上一代气溶胶模块MADE-SORGAM(Secondary Organic Aerosol Model)中将二次有机气溶胶(SOC)的相互作用假设为准理想状态下的反应，但由于SOC的生成机制复杂，总体来说模拟效果不够理想，所以新一代的MOSAIC中尚未考虑对SOC的模拟。

1.2 模拟方案设计

2014年10月，京津冀地区遭遇了大范围持续性的雾霾天气过程(于超等，2015)，根据中国环境监测总站发布的空气质量状况报告，2014年10月京津地区13个城市的PM_2.5月均浓度为93 μg·m^-3，和去年同期相比上升了2.7%，北京市PM_2.5月均浓度达119 μg·m^-3，为2014年PM_2.5浓度最高的月份，重度及以上污染天数和去年同期相比增加了5 d。可见2014年10月的PM_2.5污染程度相比同年冬季更高，这在秋季较为少见，是值得研究的过程。

从中国环境保护部数据中心提供的城市空气质量指数(AQI)日报(图 1)可以看到，京津冀地区几大重要城市在10月发生了3次PM_2.5污染过程，其中10月6—12日的一次污染过程持续的时间最长，保定(BD)、石家庄(SJZ)、北京(BJ)的AQI在8—10日持续3 d在300以上，为严重污染，天津(TJ)在200以上，为重度污染，因此本文选取这次污染过程作为模拟研究对象。

如图 2所示，本文选取两个区域范围分别用于中尺度天气系统和京津冀地区污染的模拟，中尺度区域(图 2a)包括了大部分中国地区、蒙古及俄罗斯南部，网格水平分辨率为24 km，范围19°~47°N、91°~128°E(下文对气压系统的分析使用这一区域WRF输出结果)。京津冀模拟区域的范围是34°~44°N、110°~122°E(图 2b)，水平分辨率为9 km，格点数为156×111，垂直方向加密处理后一共有48个eta层(下文对站点的结果对比和污染物分布的研究使用这一区域WRF-Chem输出结果)。此外，本文还选取从济南(JN，36.5°N、116.22°E)到北京市昌平站(CP，40.2°N、116.22°E)的经向路径用于研究污染物的垂直分布。

本文主要使用观测资料所在站点也在图 2b中标注，其中中国气象局北京城市气象研究所提供了北京市宝联站(BL，30.86°N、119.98°E)和昌平站的逐小时PM_2.5观测资料；中国气象局大气探测中心提供了北京上甸子站(SDZ，40.65°N、117.12°E)、河北省石家庄站(SJZ，38.3°N、114.42°E)、保定市固城镇站(GC，39.03°N、115.8°E)及天津武清站(WQ，39.38°N、117.02°E)的日均PM_2.5观测值。以上站点的气象要素资料由国家气象信息中心提供，主要包括逐小时的近地面温度、相对湿度和风速。

模式所用的气象初始和边界资料为NCEP提供的FNL再分析资料，并利用WRF的Obsjective Analysis前处理程序和fdda(four-dimensional data assimilation)同化模块，将GFS站点观测数据中的温度、相对湿度、风向和风速经过插值处理后用于校正模式的初始场和边界场。

本文使用的SO₂、NO_x、一氧化碳(CO)、臭氧(O₃)、挥发性有机化合物(VOCs)、BC、OC、PM_2.5和PM₁₀人为排放源由清华大学提供，精度为0.1°×0.1°，由电力、工业、民用和运输4个部分组成，基准年份为2010年，并由北京城市气象研究所改进加入了排放源的日变化和月变化信息；NH₃为Zhao等(2012)提供的2003年排放源。

2 模式结果验证 2.1 气象要素模拟结果验证

表 2为WRF-Chem对宝联、上甸子、昌平和武清的气象要素模拟结果。可以看出模式对温度和湿度的模拟效果较好：温度的模拟值与观测值的可决系数(R²)都在0.9以上，平均偏差均小于1，拟合效果很好；宝联和武清站的相对湿度平均标准偏差较小，上甸子和昌平站的偏差偏大，对湿度高估了10%左右。近地面风速的R²在0.15~0.39，拟合效果一般，可能是由于风速的波动较大，但平均偏差很小，说明模式通过3 h一次的边界强迫，能较好地模拟出整体风速较小的状态。

图 3为宝联、上甸子和武清站的温度、相对湿度、风速日均模拟值与观测值的时间序列，模式很好地模拟出了气象要素的变化趋势，风速在经过日平均计算之后趋势也比较吻合。总体来说，WRF-Chem较好地模拟了2014年10月的气象因子，这也是开展化学模拟的前提。

2.2 PM_2.5模拟结果验证

模式对京津冀地区多个站点的PM_2.5日均质量浓度模拟效果如图 4所示，模式较好地模拟出了颗粒物浓度的变化趋势，但对10月9—19日的PM_2.5高值的模拟普遍偏低，表 3为模式输出的7—12日污染过程中各站点的OC/BC比值，可以看到宝联站OC平均值为BC的1.14倍，武清站最高为1.5倍，这和Duan等(2005)观测的3倍(北京地区，2002年秋季)及颜鹏等(2012)观测的4~6倍(北京上甸子，2004年)相比偏低，再参照观测中SOC对总OC的贡献率在50%以上，说明MOSAIC气溶胶模块对SOC模拟的缺失可能是导致PM_2.5模拟偏低的原因。特别地，在出现严重污染的10月9和10日，固城站的模拟最大值低于150 μg·m^-3, 相比观测值低估了50 μg·m^-3左右，可能是排放源未考虑农村地区短期的秸秆燃烧排放造成的。

3 PM_2.5污染个例分析 3.1 气象条件分析

10月9日，华北地区地面主要受弱高压后部控制(图 5)，等压线分布稀疏，在京津冀区域基本为均压场；850 hPa高度上，京津冀地区位于高压脊的后部，高压脊内气流下沉；500 hPa上我国基本受纬向环流控制，华北地区上空风速尤其小，和地面弱高压配合形成稳定的天气系统，非常不利于污染物的扩散。10月11日之后，来自蒙古的冷高压逐渐南下，从地面气压场可以看到华北地区位于高压前部，等压线密集，地面风转为较强的北风；500 hPa上纬向气流开始向经向转变，华北、华中一带基本为西南风控制，与地面的偏北风形成良好的环流，利于污染物在水平、垂直方向的扩散。

总体来说，造成此次污染过程的中尺度天气系统是：平直的高空环流，中层受弱高压脊控制，配合地面均匀的弱高压。静稳的天气系统下水平风速小，垂直对流弱，容易形成逆温层，综合起来容易导致颗粒物的堆积。

3.2 近地面PM_2.5的水平分布特征及一次、二次PM_2.5对总浓度的贡献率

图 6为PM_2.5近地面日平均浓度的水平分布图。10月7日整个华北大部分地区的PM_2.5浓度在10 μg·m^-3以下，北京南部、天津北部与河北接壤的区域存在小范围80~100 μg·m^-3的轻度污染，至9日，以太行山为界，山脉以南的京津冀大部分地区浓度在80 μg·m^-3以上，之前轻度污染的区域上升到了中度污染以上，其中天津东北部PM_2.5浓度在200 μg·m^-3以上。由于地面风速较小，这样的污染状况一直持续到了10日，配合南风的输送作用，部分污染物扩散到了太行山以北的地区。从11日起，北方冷气团逐渐南下，先是清除了太行山以北地区的污染物，之后地面风向逐渐由南风转为偏北风，风速增大，至12日京津冀北部的PM_2.5基本被清除，快速向南方扩散和稀释，污染过程结束。

模式输出的一次PM_2.5包括BC、OC和OIN，分布主要受重力、风、地形抬升等动力过程的影响；二次PM_2.5包括NO₃^-、SO₄^2-和NH₄⁺，二次颗粒物除了在SO₂、NO_x排放源附近直接通过氧化生成，还有可能由扩散到高空的前体物在强氧化性的区域再次生成。从污染过程中的一次、二次PM_2.5对总浓度的贡献率(图 7)可以看到，在污染刚开始的10月7日，一次、二次PM_2.5对轻度污染地区的贡献率基本都在50%左右，太行山以北的区域由于变地形阻隔，污染初期输送来的一次污染物很少，二次PM_2.5的贡献率高达75%~80%。到了污染严重的9日，污染区域的二次PM_2.5贡献率上升，大部分在60%以上，其中对北京地区的贡献率高达70%~75%，污染最为严重的天津中北部在75%以上，说明此次PM_2.5污染的重要成分是城市地区排放的SO₂、NO_x等气体在强氧化性的大气中通过化学反应二次生成的SO₄^2-、NO₃^-等。12日污染物逐渐消散时，一部分低浓度的PM_2.5集中在河北南部，一次PM_2.5对这一部分的贡献率反超二次PM_2.5的贡献率，说明在较为清洁的空气中，PM_2.5的主要成分是矿物质气溶胶等一次颗粒物。

3.3 总PM_2.5及一次、二次组分的垂直分布特征

本文根据污染期间的主导风向，选取从山东济南至北京昌平区北部太行山脚、途径山东德州(DZ)、河北霸州(BZ)的经向路径做100 m至2 km的PM_2.5垂直分布图。图 8为10月9日污染当天总PM_2.5和其中一次、二次PM_2.5的浓度变化。可以看出细颗粒物在10月9日一天内的PM_2.5分布随着边界层高度有明显变化，并沿水平风的方向有着区域性输送，其中一次、二次污染物的分布特征也有不同。

02—08时(以下均为北京时)，整个区域的边界层高度都在100 m以下，北京附近的边界层最低，PM_2.5的高值也出现在这一区域的近地面，中心浓度大于130 μg·m^-3的区域高度不超过300 m，较低的边界层高度抑制了颗粒物垂直方向的扩散运动，近地面的污染物主要集中在排放源高的地区。值得注意的是，在边界层以上，1.2~1.6 km的高度上，还存在一个PM_2.5浓度在70 μg·m^-3左右的轻度污染区。随着太阳辐射的加强，垂直方向对流也增强，边界层高度从早上开始不断抬升，到14时最高达到了1 km以上，北京周边近地面的PM_2.5逐渐向上扩散，和上层的浓度中心混合，形成了分布更广的污染区域，但最高值有所下降。日落之后，边界层高度迅速回落至100 m左右，再到凌晨边界层高度进一步下沉，近地面的PM_2.5浓度上升。夜间的一次排放源和白天相比是偏低的，可见上空的细颗粒物受层结的影响又回落至近地面，导致浓度的回升。对比00与08时地面高值所在的纬度，河北、北京两处高值中心都略微向北移动，这反映了水平方向上南风对颗粒物的输送作用。

一次、二次PM_2.5的垂直分布特征不同，在不同高度上对总PM_2.5的贡献率也有很大区别。在北京近地面的总PM_2.5高值区，一次、二次PM_2.5也都存在一个高浓度区域，变化趋势和总浓度较为一致，扩散高度和边界层高度的变化呈正相关。02—08时, 这一区域一次、二次PM_2.5浓度的高值都在60~70 μg·m^-3，对近地面PM_2.5的贡献率相当。除了近地面，在河北霸州至北京上空1.2~1.6 km的区域也存在一个50~60 μg·m^-3的PM_2.5污染区，其中二次PM_2.5的分布和总浓度类似，高值区浓度为40~45 μg·m^-3，而一次在同一区域的浓度仅为10~15 μg·m^-3。同一时刻，近地面一次、二次PM_2.5对总浓度的贡献率大概为5：6，高空为1：4左右，可见高空总PM_2.5的除了少部分的动力输送来源，更多的是在高空通过氧化反应二次生成的。08—11时，近地面高值区域中一次PM_2.5对总浓度的贡献率在40%以上，而到了14时，一次PM_2.5的浓度骤减，中心值只有25~30 μg·m^-3，这是由于垂直方向较强烈的混合作用使得边界层上部浓度很低的区域和下部的污染中心混合，稀释了整个中心的浓度值；二次PM_2.5上下层污染混合后成为一个新的高值中心，中心的下端脱离了地面达到400 m左右，上端受边界层的影响在1 km左右。到了20时，边界层和混合后的污染物都回落近地面，造成夜间污染浓度的上升。可以说，白天在边界层上部二次生成的PM_2.5在经过混合、下沉后会加重近地面的污染状况。

除了经向上的垂直分布，本文选取宝联单站的PM_2.5垂直分布时间序列(图 9)研究其变化特征。和上文得出的结论类似：PM_2.5在垂直方向上的分布高度和边界层高度有明显的正相关性。再结合几个时段的垂直温度廓线(图 10)来看，除了14时的温度随高度呈现减小的规律，08和20时均在300~500 m的近地面存在上层温度高于下层的逆温现象，受逆温层影响的地区大气趋于稳定，不易发生对流，利于污染物的堆积。10日02时，宝联站还存在从地面至100 m的贴地逆温，这种垂直方向上十分稳定的状态也是造成此次持续污染过程的原因之一。

4 结论

本文利用WRF-Chem中尺度气象化学耦合模式对2014年10月7—12日京津冀地区一次PM_2.5污染个例进行模拟研究，研究造成污染过程的天气形势、污染物的时空分布特征以及一次、二次颗粒物对PM_2.5浓度的贡献，并对PM_2.5的垂直分布进行了详细分析。结果表明：

(1) 造成本次污染过程的是弱高压控制下的静稳天气系统，地面主导风向为南风，垂直方向上有逆温层的存在，进一步抑制了污染物垂直方向上的扩散。

(2) 本次污染的PM_2.5高浓度主要分布在北京南部、天津北部与河北接壤的区域。污染物除了在排放源地累积，还沿着南风的输送堆积到太行山脚附近，二次生成的PM_2.5则分布得更广，且在污染最严重的9日，对京津冀污染区域的贡献率在70%以上，远大于一次PM_2.5，在污染消散后的清洁大气中一次PM_2.5的贡献率高于二次PM_2.5。

(3) 垂直方向上，10月9日污染当日，PM_2.5中一次颗粒物只在近地面存在高值中心，在02—11时对总浓度的贡献率达40%以上，1.2~1.6 km的上空高值区以二次生成的颗粒物为主，是由前体物上升到高空后再通过氧化反应生成的，这部分二次PM_2.5随着边界层的变化，正午先与下层污染物混合，夜间再一同落回近地面，导致污染的加重。

(4) 从纬向剖面和时间剖面都可以得出：污染物的分布高度和边界层高度呈明显的正相关。