近年来，我国中东部地区大气污染防治形势日益严峻(任阵海等，2004)，以PM_2.5为主导因素的灰霾现象较为严重(王冰等，2009；王玮等，2000)，对人体健康构成了较大威胁.2014年10月6—12日，我国华北地区出现了一次持续严重的灰霾污染天气，太原也遭受了严重的灰霾污染(李令军等，2012).太原市位于山西省境中央，西、北、东三面环山，整个地形北高南低呈簸箕形，自然地理条件不利于污染物扩散；同时，作为一个能源重化工城市，工业分布集中且结构不合理，大气污染物排放量较大，大气污染防治形势严峻.

国内外已有很多研究分析了不同地区空气重污染现状及其影响因素.Davis等(1990)指出，短时间内大尺度环流形势和局地气象条件对重污染过程起着决定作用；Flocas等(2009)分析了4类大气环流形势和5类局地环流对污染状况的影响；孟昭阳等(2007)通过对2005年12月至2006年3月太原地区PM_2.5的观测及分析发现，太原市区PM_2.5质量浓度与风速、能见度和气压呈负相关，与相对湿度呈正相关；任阵海等(2006)研究发现，持续的逆温层和干结的暖空气盖是造成污染的重要原因；陈朝晖等(2007)对北京地区天气型与 PM₁₀质量浓度的关系进行了研究，发现PM₁₀质量浓度在上升、峰值和下降阶段对应的天气形势分别为大陆弱高压场、相继出现的弱低压场和高气压梯度场；在研究北京2010年一次污染特征时发现，重污染过程中大气边界层在91%的时段低于500 m，连续静稳的天气形势和区域污染是导致此次霾发生和持续的主要原因；周敏等(2012)研究2013年1月中国中东部大气重污染期间上海颗粒物的污染特征时发现，能见度小于10 km的累计时间长达284 h，NO₃^-和SO₄^2-的生成效率较高，灰霾期间机动车的污染较明显；李琼等(1999)在珠江三角州地区(珠三角)研究发现，前期高压脊带来的稳定层结和静小风条件使得大气污染物逐日累积，难以扩散.这些研究多采用基于日均值或单站点观测资料的方法研究污染现状、特征及其与气象的关系，对区域重污染分析及与模式模拟相结合的研究较少，且目前关于太原PM_2.5污染的相关研究也较少.

数值模拟技术作为一种有效的手段被广泛应用到空气污染输送研究中(王自发等，2006)，尤其是区域空气质量模式CAM_x(佟彦超，2006).基于此，本文采用污染物监测资料和地面、高空观测气象资料与轨迹模式模拟相结合的方法，分析太原市2014年10月6—12日的一次典型空气重污染过程，以揭示此次过程的污染特征及其成因.

太原市位于山西省境中央，太原盆地的北端，位于东经111°30′~113°09′，北纬37°27′~38°25′，市区总面积约为1460 km²，属北温带大陆性气候.太原市及周边省、市PM_2.5数据为中国环境监测总站发布的逐时浓度数据(http://106.37.208.233:20035/)，其中，太原市城区南北共设置9个站点；均采用基于微量振荡天平法的Thermo 1405F系列仪器监测PM_2.5浓度，站点位置及分类见图 1.采用大气PM_2.5水溶性离子在线测量仪(URG-9000B)对水溶性离子Na⁺、Mg²⁺、Ca²⁺、K⁺、NH₄⁺、Cl^-、SO₄^2-、NO₃^-、PO₄^3-进行在线观测，其化学成分分析系统主要为两台离子色谱仪，均为美国DIONEX公司的Dionex ICS\-90 型离子色谱仪；使用在线OC/EC分析仪分析PM_2.5中子有机碳元素碳浓度，仪器位于太原理工大学校园内.太原市地面气象观测资料(http://weather.uwyo.edu/surface/meteorogram/)、探空资料(http://weather.uwyo.edu/upperair/sounding.html)为再分析产品，天气图使用韩国天气实况资料和数值预报产品(http://web.kma.go.kr/eng/weather/images/analysischart.jsp).

图1(Fig.1)

图1 观测站点分布 Fig.1 Distribution of observation sites

运用空气质量模式CAM_x( US EPA，2011)模拟2014年10月各项污染物时空变化，模式中心网格点坐标设置为35°N、110°E，采用双向嵌套技术，水平分辨率为36 km及12 km，第一层网格数为200个×160个，模拟区域覆盖整个东亚地区(包括了中国、日本、韩国、朝鲜等国)；第二层网格数120个×102个，覆盖华北地区(包括京津冀、山东、河南等地).垂直方向均分为不等距20层粗网格，其中，8层分布于1 km 以下，以便更好地描述大气边界层结构.模拟时间为2014年10月6—12日，模式第一次运行时模拟预测5 d的初始场，模式的后续初始场采用前一时次的预测输出结果，以保证污染源排放的累积效果及消除初始条件的影响.CAM_x模式水平平流方案采用PPM数值计算方法，垂直对流计算采用隐式欧拉方案，运用K理论计算水平扩散，气相化学机理为SAPRC99机理，采用EBI计算方法.采用ARW-WRF3.2模拟气象场，使用气象前处理模块WRF2CAM_x将WRF的输出结果插值到CAM_x模型区域和网格上并转为CAM_x可识别接收的格式.运用MEGAN(陆地生态系统估算模型)(Guenther et al.，2006)处理天然源，人为源数据则来自2009年MEIC(中国多尺度排放清单模型)数据库(Zhang et al.，2009).

运用CAM_x中的PSAT技术对PM_2.5各项污染物进行源\-受体关系分析，PSAT可以进行示踪的颗粒物成分包括：SO₂、SO₄^2-、NO₃^-、NH₄⁺、SOA、Hg、EC、沙尘粒子和其它一次排放的粗细粒子等，PSAT示踪技术避免了源关闭法忽略非线性化学过程所造成的浓度偏差.为建立污染源与环境受体间空间传输矩阵，依据省市级行政区划将模拟区域12 km分辨率网格划分为北京、天津及山东、河南、河北省11个地级市，以及太原市、山西省其它地区和其它(包括其它地区和海洋)，共计18个分区(图 2)，每个分区的数值为该分区所占所有网格的平均.

图2(Fig.2)

图2 贡献率计算时的区域划分 Fig.2 Regions in contribution analysis

为分析污染气团的来源，采用HYSPLIT4.9(轨迹模式，http://ready.arl.noaa.gov/HYSPLIT.php)(Draxler et al.，1998)进行气流轨迹模拟.气象数据来自GDAS(全球资料同化系统)数据库(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)，分辨率为2.5°×2.5°，每次的后向延伸时间为36 h，轨迹模拟起始高度设定为10 m.研究表明，单条轨迹精度容易受气象场分辨率及模型参数影响，因此，本文采用沃德层次聚类法(Kahl，1996)对4次重污染期间每日06:00、12:00、18:00、24:00的气流轨迹进行聚类来判别气团的移动速度及方向.

图 3为2014年10月6—12日太原市涧河、金胜两站点ρ(PM_2.5)模拟值与监测值的时间序列图，其中，模拟值为CAM_x模式12 km分辨率网格的数值，由图 3可知，模拟值与监测值有良好的时间变化趋势；ρ(PM_2.5)模拟值整体上略偏低，一方面这可能与模式分辨率及所采用的源清单有关(Kajino et al.，2012)，模式垂直分辨率难以反映污染物的精细空间结构，排放源清单有待更新；另一方面模拟误差可能与模型在多相氧化过程和湿清除过程的不确定性有关(Xing et al.，2011).

图3(Fig.3)

图3 太原市涧河(a)、金胜(b)PM2.5模拟值与监测值的对比 Fig.3 Comparison between observed and simulated data of PM2.5 at Jianhe(a) and Jinsheng(b) sites

在时间序列图分析的基础上统计了观测及模拟的标准平均偏差(NMB)、标准平均误差(NME)、平均相对偏差(MFB)、平均相对误差(MFE)和相关系数r，结果见表 1.经计算ρ(PM_2.5)、ρ(SO₄^2-)模拟值与监测值的相关系数分别为0.79、0.73，MFB分别为-19.32%、-11.63%，MFE分别为21.92%、9.36%，与Boylan等,(2006)设定的模拟颗粒物结果较好的标准(MFB≤±60%和MFE≤75%)较一致，同时与EPA推荐的评价标准( US EPA，2005)较一致，整体而言，模拟结果误差在可接受范围内，基本反映了重污染过程的污染态势.

表1(Table 1)

表1 模拟值与监测值的统计结果 Table 1 Statistical results of observed and simulated data

表1 模拟值与监测值的统计结果 Table 1 Statistical results of observed and simulated data 数据 样本量／个 r NMB NME MFB MFE ρ(SO42-) 156 0.73 -10.21% 14.11% -11.63% 9.36% ρ(PM2.5) 152 0.79 -13.74% 23.89% -19.32% 21.92%

表 2给出了太原市2014年10月6—12日一次典型空气重污染过程逐日实测PM_2.5与天气状况变化，可以看出，太原市空气质量从6日的良升至7日的四级中度污染，对应ρ(PM_2.5)日均值从60 μg · m^-3升至126 μg · m^-3；8—10日空气质量保持五级严重度污染，ρ(PM_2.5)日均值平均为175 μg · m^-3，ρ(PM_2.5)峰值近300 μg · m^-3；11日降为中度污染，ρ(PM_2.5)日均值降至139 μg · m^-3；12日空气质量转为优，ρ(PM_2.5)日均值只有30 μg · m^-3，重污染过程结束.重污染过程期间，500 hPa高度场以偏西、偏南气流为主，地面天气形势以均压、低压为主，天气持续静稳，使得PM_2.5浓度呈现出上升速度快、污染浓度高、影响范围广的特点.重污染结束前的11日夜间至7月2日白天这段时间北风较大，污染物浓度急剧降低.从重污染过程的时间演变可以看出，高低空典型天气形势的配置为此次重污染的形成及维持提供了稳定的大气背景场(Zhao et al.，2011).

表2(Table 2)

表2 2014年10月6—12日PM2.5与逐日天气状况 Table 2 Variation of AQI and weather condition during Oct 6th~12th in 2014

表2 2014年10月6—12日PM2.5与逐日天气状况 Table 2 Variation of AQI and weather condition during Oct 6th~12th in 2014 日期（月-日） ρ(PM2.5) 空气质量级别 地面气压场 500 hPa高度场 10-6 60 2 弱高压 槽后 10-7 126 4 高压后部 西北气流 10-8 166 5 高压后部 偏西气流 10-9 152 5 高压后部转均压 槽前 10-10 208 5 低压前 槽前 10-11 139 4 低压转高压前 槽区 10-12 30 1 高压 槽后

图 4给出了2014年10月6—12日的重污染过程中实测PM_2.5小时浓度及气象要素的时间变化.经计算，8—11日重污染过程期间，PM_2.5平均浓度为175 μg · m^-3，平均风速为1.91 m · s^-1，平均相对湿度为68.13%；平均温度为16.58 ℃，24 h变温在-0.04~1.5 ℃之间，正变温(平均值0.92 ℃)有利于维持边界层稳定的结构(袁美英等，2005)；地面气压变化较为平稳，24 h平均变压在-1.10~2.20 hPa之间，平均为-0.74 hPa，负变压有利于污染物汇聚(程念亮等，2013)；地面以偏南风和偏东风为主，偏南及偏东气流一方面引起周边污染物向北输送，增加了太原市区上空的污染物浓度；另一方面又将暖而湿的空气带入城市上空，与低空相对冷气团形成逆温，抑制了污染物的扩散(Cogliani，2001)；且太原市易受山谷风交替变换影响，污染物极易在城市上空积累；重污染过程中太原地区混合层高度较低，最低仅300~500 m，是正常状况下的20%~30%(王喜全等，2006)，污染物被压缩在近地面层，浓度较高.

图4(Fig.4)

图4 PM2.5与气象条件的变化 Fig.4 Variation of PM2.5 and meteorological conditions

对重污染过程期间基本气象要素与ρ(PM_2.5)的相关性分析可知，地面温度与ρ(PM_2.5)相关性不显著，主要是因为短期稳定状况下温度的波动幅度有限(孙峰等，2014)，导致相关性下降；相对湿度与ρ(PM_2.5)的r达到 0.65，为正相关；地面气压、风速、边界层高度(PBL)与ρ(PM_2.5)均呈负相关，r分别为 -0.54、-0.48、-0.49，表明气压越高、风速越大、PBL越高，ρ(PM_2.5)越低.研究表明，重污染发生时，风速较小，相对湿度加大，PBL降低，PM_2.5维持较高浓度(Wang et al.，2014a).

垂直方向上，重污染过程中区域各点均存在逆温现象，济南、北京等地多数重污染日存在两重逆温(图 5)；而对于太原来说，太原城区区域轮廓呈蝙蝠形，地势北高南低呈簸箕形，平均海拔约800 m，近地面逆温不明显，在10月7—11日1000~3000 m左右的高空存在不同程度的逆温，平均逆温强度为2.14℃/100m；08：00温廓线与20：00相比逆温现象更显著.研究表明(Qu et al.，2011)，逆温引起的上暖下冷的温度层结不利于污染物的垂直扩散，从而使水汽和污染物在太原盆地(海拔1000~1500 m)堆积，导致重污染的持续.

图5(Fig.5)

图5 太原、北京和济南的8:00、20:00温度廓线 Fig.5 Temperature profile at 8:00 and 20:00 in Taiyuan,Beijing and Jinan

基于MODIS(过境时间每日上午10：30左右)、AQUA/MODIS(过境时间每日下午13：30左右)遥感数据(国家环境保护部，2014)和太原市及京津冀各站点20：00实测PM_2.5浓度克里格插值(Davis，2002)后的空间分布(图 6)及国土面积统计(表 3)分析太原及周边地区空气质量的演变，可以看出，此次重污染过程前的6日太原城区空气质量为良，太原周边高污染区域主要存在于冀南、河南中北部一带.7日随着不利于扩散的天气形势影响太原市PM_2.5浓度从南向北逐渐升高，周边重污染迅速蔓延至北京南部、石家庄、廊坊等地.8—9日太原空气质量最差，ρPM_2.5)较高且分布均匀，超过了200 μg · m^-3；高污染区域扩大至北京、天津全部，河北大部分地区；在较大偏南风作用下，周边污染物输送到太原，区域污染最重地区主要集中在太行山前的石家庄-邢台-邯郸一线.10日夜间冷空气到达太原北部，太原城区北部地区浓度略降，但整体仍为重度污染水平.11日PM_2.5浓度从200 μg · m^-3急剧下降至10 μg · m^-3，空气质量转好；周边重度污染水平以上对应的国土面积主要集中在衡水、沧州等地.12日受冷高压东移南伸影响，污染物自北向南浓度逐渐降低，山西及京津冀大部分地区空气质量转为优.

图6(Fig.6)

图6 太原及京津冀地区不同日期20:00 PM2.5空间分布 Fig.6 Spatial and temporal variations of PM2.5 at 20:00 in Taiyuan and Beijing-Tianjin-Hebei area

表3(Table 3)

表3 太原及京津冀地区重度污染国土面积统计 Table 3 Statistical results of heavily polluted land area at Taiyuan and in Beijing,Tianjin and Hebei

表3 太原及京津冀地区重度污染国土面积统计 Table 3 Statistical results of heavily polluted land area at Taiyuan and in Beijing,Tianjin and Hebei 日期（月-日） 重度污染国土面积/km2 太原城区 京津冀 10-6 0 0 10-7 667 95081 10-8 1460 208900 10-9 1460 216050 10-10 1460 173493 10-11 0 7040 10-12 0 0

从重度污染对应的国土面积变化可以看出，8—10日太原及京津冀地区污染最重，约20×10⁴ km²的国土面积达到重度污染(ρ(PM_2.5)>150 μg · m^-3)水平，而太原城区1460 km²的国土面积均处于重度污染之下.由于山西省其它各市监测数据较为缺乏，且山西省内监测点位较少、地形较为复杂，本研究没有对山西省PM_2.5浓度进行插值分析.本研究插值后统计的面积不确定性主要来自：①"簸箕状"的特殊地形影响，山间河谷等地区风向转换快且风速偏大，PM_2.5扩散速率较大，降低了周围PM_2.5浓度；②在无风、高湿天气下，气体、液体多附着、溶解或混合于凝结核中，易发生二次化学反应，增加PM_2.5浓度；③插值方法误差，站点较集中分布在城区，郊区点个数较少，插值受采样点范围、采样点密度等参数影响.

计算的10月6—12日太原市36 h后向轨迹聚类(图 7)表明，来自山东西南部、河南与河北南部等偏南方向的污染气团百分比分别为40%、31%，太原东北、西北方向的气团分别占比21%、8%.结合山西省地形，来自山西西南部、河南方向气团所经过的地区为中原城市群、临汾盆地和太原盆地，为煤化工、热电厂等工业主要分布地区，该类气团可能会携带该区域产生的污染物近距离扩散和输送到太原；来自河北南部、山东西部方向气团所经过的地区为济南、邢台、石家庄等地区，该地区处于华北平原区，污染物排放量较大( Huang et al.，2014 )，且根据卫星数据(国家气象局，2014)监测的华北地区秸秆焚烧火点结果(图 7)，6—12日秸秆焚烧主要分布在河北南部、山东西部等地区，该类气团可能会携带该区域排放及火点燃烧产生的污染物并在偏南风作用下越过太行山输送到太原；偏西北方向的气团经过了中国荒漠化较严重的西北地区、内蒙古重工业城市包头，可能会携带该区域的颗粒物对太原市的空气质量造成影响.重污染过程中太原市本地产生污染物和外源输入对城市空气质量产生综合效应(王美等，2014).

图7(Fig.7)

图7 10月6—12日火点分布及后向轨迹聚类 Fig.7 Distribution of fire points and backwards trajectories (36h) from Oct 6th to 12th

为进一步验证区域秸秆燃烧是否对太原市空气质量造成影响，本文采用K⁺/OC、CO/SO₂、PM₁₀/SO₂的时间变化来表征秸秆燃烧的特征(表 4).一般来说，CO为秸秆不完全燃烧的直接产物，浓度变化最为迅速，升幅也最明显；SO₂在整个秸秆焚烧污染过程中浓度变化不大；PM₁₀所受影响也较为强烈；颗粒物组分中K⁺等具有生物质燃烧指示性物质有几倍至几十倍的增长现象(Yan et al.，2006;Yaoet al.，2002).由表 4可知，7—10日K⁺/OC、CO/SO₂、PM₁₀/SO₂比值明显上升，比值上升说明秸秆焚烧污染输送在加强，直接证明了存在周边地区秸秆焚烧产生的污染物向太原输送现象，加剧了太原大气污染的恶化.

表4(Table 4)

表4 重污染过程中实测K+/OC、CO/SO2、PM10/SO2变化 Table 4 Variations of observed K+/OC, CO/SO2 and PM10/SO2 during air heavy pollution days

表4 重污染过程中实测K+/OC、CO/SO2、PM10/SO2变化 Table 4 Variations of observed K+/OC, CO/SO2 and PM10/SO2 during air heavy pollution days 日期(月-日) K+/OC CO/SO2 PM10/SO2 10-6 0 32.94 3.85 10-7 0.0012 37.53 5.14 10-8 0.0075 38.98 5.75 10-9 0.0085 62.24 9.98 10-10 0.0009 79.42 14.31 10-11 0.0087 104.75 5.47 10-12 0 81.63 4.39

为量化重污染过程中PM_2.5外来输送贡献率，本研究采用PAST技术计算重污染过程中外来源排放对太原PM_2.5的贡献率(图 8).依据卫星监测的火点数量、历年农作物产量数据，估算小麦秸秆焚烧率、PM_2.5排放量，加入到生物质燃烧排放源中(Kurokawa et al.，2013；苏继峰，2011)，对华北地区排放源清单进行更新.由图 8可知，重污染过程期间(8—10日)，外来源对太原市PM_2.5总体贡献率在17%~24%之间，平均为20%；外来源中秸秆燃烧对太原市PM_2.5总体贡献率在4%~7%之间，平均为6%；外来源贡献率随着污染程度的不同而变化，与当时的区域气象条件密切相关.

图8(Fig.8)

图8 重污染期间外来源对太原PM2.5的贡献的时间变化 Fig.8 Contributions of external transport to Taiyuan during the heavy pollution from 6th to 12th October

与保定、天津、石家庄等地8—10日重污染期间模拟的外来源贡献率结果(图 9)相比较，可以发现，太原市本地排放对PM_2.5浓度贡献了80%左右，PM_2.5浓度以本地排放为主，外来源输送较小.这一方面受太行山地形影响，河北中南部、河南等地的污染物越山较为困难；太原市特殊的“簸箕形”地理结构，也不利于大气污染物的水平输送和扩散；另一方面，模式的空间分辨率、排放源清单、模型参数在不同地区的适应性不同，区域产业结构、工业布局不同，污染物排放量也相差较大，都会导致模拟结果不确定性.Streets等(2007)用CMAQ模型模拟2008年奥运期间在稳定南风作用下河北省对北京PM_2.5浓度的贡献可达50%~70%；Wang等(2014a)用CAM_x模型计算了重污染过程中外来源对上海市PM_2.5浓度的贡献，结果接近50%；Wu等(2013)利用CAM_x模型计算珠江三角洲广州市春季PM_2.5来源时发现，有31.7%来自区域输送；赵秀娟等(2012)应用CMAQ模型解析了石家庄市霾污染来源，结果显示，石家庄市PM_2.5的来源为河北南部65.3%、山西13.8%、河北北部7.3%、山东1.6%、河南1.1%、京津0.9%；用NAQPMS模型模拟研究了2013年1月我国中东部强霾污染过程，结果表明，静稳天气下区域外PM_2.5跨界输送对京津冀地区贡献为20%~35%；薛文博等(2014a)用CAMx模型模拟计算的京津冀、长三角、珠三角城市群、山西省PM_2.5年均浓度受外省市的贡献分别达到22%、37%、18%、31%.与这些研究结果相比，本研究模拟的重污染过程中外来源对太原PM_2.5贡献率具有一定的空间可比性.由于模式排放清单及模式模拟过程中化学机理、转化机制尚不完善，模拟计算的结果存在一定的不确定性，今后希望能以更高的分辨率识别局地污染影响并在观测数据的基础上改进该模式.

图9(Fig.9)

图9 重污染过程中不同城市PM2.5浓度外来源贡献 Fig.9 Contributions of PM2.5 at different cities during heavy pollution process

把太原市上空的大气层看作一个箱体，采用大气环境容量的A值法(柴发合等，2006；Xu，2011)计算太原市大气环境中各种污染物的环境容量，方法参考《制定地方大气污染物排放标准的技术原则与方法》(GB/T38402-91)，公式如下：

因此，重污染发生时，太原处于高空偏西气流和地面低压系统控制下，气象条件不利于污染物扩散；受特殊的地理位置和自然环境及特殊的工业结构、燃料结构等多种因素影响，太原市污染物排放量又超过其大气环境容量，在区域污染物的传输及浓度积累的基础上又加剧了空气污染的程度.从太原市现有的产业布局看，需大力减排，城区钢铁工业、重工制造业、煤焦化、化工、水泥、火电等企业是减排的重点对象(孟伟，2006).另外，PM_2.5在近地层受到目标区域所处地理位置的影响，通常临近区域对其污染贡献较大；而在高空层，污染物混合得更为均匀，污染物长距离输送效应明显，还需区域协同减排和联防联控.

1)2014年10月8—10日重污染过程中太原市ρ(PM_2.5)日均值平均为175 μg · m^-3，重污染过程中太原城区1460 km²的国土面积均处于重度污染之下，京津冀约20×10⁴ km²的国土面积达到重度污染水平.

2)太原及周边区域稳定气象条件是形成此次重污染的重要原因，重污染过程中气象条件均不利于污染物的扩散，大气层结稳定，逆温明显(2.14℃/100m)、风速小(1.91 m · s^-1)、湿度大(68.13%)、负变压(-0.74 hPa)、正变温(0.92 ℃).

3)模拟结果显示，10月8—10日重污染期间区域输送对太原PM_2.5贡献率在17%~24%之间，太原市PM_2.5浓度以本地贡献为主；估算的2014年太原城区PM_2.5排放量是其大气环境容量的1.4倍，重污染期间大气环境容量的大幅降低又加剧了空气污染的程度.