长江三角洲地区作为我国重要的城市群，近年来随着经济的高速发展和能源消耗量的快速增长，细颗粒物(PM_2.5)污染问题日益凸显(Fu et al., 2008；周敏等，2012).尤其在2013年1月，我国东部地区连续遭受多场长时间、大范围、高污染的灰霾天气，引起人们的高度关注(周敏等，2013；王自发等，2014；张人禾等，2014).PM_2.5因其粒径较小，对人体健康危害较大(Huang et al., 2009；Wang and Mauzerall， 2006)，同时也是导致城市大气能见度降低的重要因素(Tie and Cao， 2009；Zhang et al., 2010).高浓度PM_2.5及其所导致的灰霾天气是当前长三角城市群所面临的重要大气污染问题.

宁波市是长三角地区的重要城市，其地理位置优越，地形组成复杂，经济结构中工业占比较大，亦为重要的港口城市，大气源排放具有自身的特点(李璇等，2014；Fu et al., 2013).细颗粒物污染是宁波冬季主要的大气污染问题(宁波市环境保护局，2013)(http://www.nbepb.gov.cn/Info_Show.aspx? ClassID=20cf3dee-c1f4-4740-8781-2e1708cc0140&InfoID=58b471a4-305a-49d5-8778-824d665305a5&SearchKey)，目前对此在PM_2.5的化学组成和污染特征(汪伟峰等，2013)、PM_2.5的来源解析(肖致美等，2012；叶文波，2011)等方面开展了一些有益的研究.由于PM_2.5污染的形成是多种大气物理和化学过程综合作用的结果，影响因素复杂，而针对宁波地区PM_2.5污染的形成过程和影响因素作用规律的研究尚无报道.

本文采用区域空气质量模式，在对宁波市2013年1月PM_2.5污染状况数值模拟的基础上，运用过程分析和后向轨迹分析的方法，量化不同大气物理和化学过程(例如水平与垂直传输、沉降、源排放、气溶胶过程等)对PM_2.5浓度变化的影响，从大气过程层面探讨宁波市PM_2.5污染的形成与演变，旨在识别主要影响因素的作用规律，加深对宁波市PM_2.5污染成因的认识.

本文采用的模式系统由气象模式WRF v3.2(Skamarock et al., 2008)、源处理模型SMOKE(Houyoux et al., 2000)、以及化学传输模式Models-3/CMAQ v4.7.1(Foley et al., 2010)等构成，其中，CMAQ是模式系统的核心部分，用于模拟多种污染物在大气中的输送和转化过程.该模式广泛应用于我国重点区域(如华北地区、珠三角地区、长三角地区等)的空气质量模拟的研究中，对颗粒物污染问题有较好的模拟效果(Li et al., 2010；邓涛等，2012；刘俊等，2014).CMAQ模型中气相化学使用SAPRC99机理，液相反应为改进的RADM液相化学机理，气溶胶模拟使用AERO5模块，使用Pleim和Xiu(1995)发展的干沉降方法和改进的湿沉降处理方法(Foley et al., 2010；Chang et al., 1987).

模拟区域采用LAMBERT 投影方式，以(108.9°E，34.5°N)为中心，水平方向采用3重嵌套网格，网格分辨率分别为36 km、12 km和4 km，其中第三重网格覆盖浙江省地区，网格数为117×117.模式垂直方向分为13层，模式层顶约16 km，地面层高度约19m.本文研究时间为2013年1月1—31日，提前10d启动模式，作为模拟的初始化过程，以减少初始条件的影响.

使用SMOKE模式对污染源排放数据进行处理.第一、二重区域(36 km与12 km网格)的污染源输入数据来自MEIC(2010)源排放清单，能够满足为内层嵌套网格提供边界条件的模拟需要；第三重区域(4 km网格)的污染源输入主要使用李璇(2014)建立的浙江省高分辨率源排放清单，并在其基础上加入沿海港口的船舶排放，同时更新了面源排放的空间分布.

用于评估模式性能的PM_2.5监测浓度来自宁波市8个国控监测站点及5个市控监测站点(图 1)，站点的空间分布具有代表性，监测数据能够反映宁波市PM_2.5污染的基本状况.

本文采用标准化平均偏差(NMB)与标准化平均误差(NME)来评估模拟结果与实测值的吻合程度，定义如下：

图 1(Fig. 1)

图 1 宁波市国控及市控监测站点分布情况(数字1~13代表监测站点：1、慈溪环保大楼；2、余姚水厂；3、镇海龙赛医院；4、北仑环保大楼；5、宁波市政管理站；6、宁波市三江中学；7、宁波市监测中心；8、宁波市万里学院；9、宁波市太古小学；10、钱湖水厂；11、奉化环保大楼；12、宁海环保大楼；13、象山文峰学校) Fig. 1 Locations of air quality monitoring sites in Ningbo

其中，C_m为模拟值，C_o为观测值.NMB反映的是各模拟值与实测值的平均偏离程度，NME反映平均绝对误差，是两个没有量纲的统计量.同时，使用相关系数(COR)来表征模拟结果与实测值之间变化趋势的吻合程度.

CMAQ模式中的积分过程速率(Integrated Process Rate，缩写为IPR)分析技术能够计算出不同大气过程对污染物浓度变化的影响，量化各过程在污染物浓度演变过程中的重要性.对于PM_2.5而言，IPR技术所考虑的大气过程包括源排放、水平和垂直传输、干沉降、气溶胶过程和云过程.其中，水平传输包括水平平流和扩散；垂直传输包括垂直对流和扩散；气溶胶过程是指气溶胶热动力学(包括相间转换和平衡)、新粒子生成、凝结以及粒子之间碰并等的净效应；云过程的影响是指云的消光作用、液相化学、云下和云内化学物种的混合、云的清除作用以及湿沉降等作用的净效应.

量化各大气过程对PM_2.5浓度变化影响的重要性，根据对PM_2.5浓度的影响，大气过程可划分为两类：(1)增加PM_2.5浓度，对应于积分过程速率IPR>0的情况，称为源过程；(2)降低PM_2.5浓度，即IPR<0的情况，称为汇过程(刘宁等，2012).源排放和干沉降分别属于源过程和汇过程；水平及垂直传输、气溶胶过程和云过程的IPR存在正、负变化，即使同一过程，在不同时间对PM_2.5造成的影响也可能分属不同类型(源过程或汇过程)的作用.某一大气过程在源过程或汇过程中的重要性可用以下公式计算：

式中，p代表大气过程，t代表时间(h)，SOURCEp为源作用比率，SINKp为汇作用比率，它们分别表示大气过程p在源过程增加PM_2.5浓度和汇过程降低PM_2.5浓度的作用中所占份额的大小，可反映该大气过程对影响PM_2.5浓度变化的重要性.

后向轨迹模式采用由美国国家海洋和大气管理局(NOAA)开发的HYSPLITv4.9版本.该模式是欧拉和拉格朗日混合型扩散模式，前者主要用于浓度计算，后者用于平流和扩散计算(http://ready.arl.noaa.gov/HYSPLIT.php).模式采用地形σ坐标，模式的水平网格与输入的气象场相同，垂直方向分为28层，将气象要素线性内插到各σ层上(黄健等，2002).对于气团垂直运动的计算，使用输入的气象数据中的垂直速度场.本文使用的气象资料为美国国家海洋和大气管理局的GDAS(全球同化数据)资料.

轨迹聚类分析是根据轨迹空间的相似度，将大量轨迹分组.开始聚类分析时，定义每条轨迹为独立的一组，即N条轨迹对应N组.第一次迭代前，需要计算每对轨迹组合的空间方差(SPVAR).空间方差定义为组内各轨迹与它们的坐标平均值之差的平方和，SPVAR之和为总空间方差(TSV).使TSV最小的组合形成一组.经过一次迭代后，聚类数为N-l，即产生N-l类.第二次迭代，在N-l类中计算各种轨迹组合的SPVAR与TSV.与第一步相同，使TVS增加最小的轨迹组合归为一组.由此循环至所有轨迹最终归为一类.最初几次迭代，TSV增加得很快.随后，TVS通常增加比较缓慢，但是在某些迭代后，其值会突然增加，表明该次迭代形成的类与之前的类有较大区别.

将宁波市各监测站点所在4 km网格2013年1月1—31日期间的PM_2.5模拟值与观测结果进行比较分析.表 1列出了对所有监测站点PM_2.5浓度模拟的总体效果，模拟值较观测值偏低约21％，模拟获得的PM_2.5小时浓度和日均浓度与相应的观测值均具有显著相关性，各种统计参数与其他CMAQ模拟工作报道的结果相当.造成模拟值与观测值偏差的可能原因包括：监测点位周边的排放及气象条件对PM_2.5观测浓度的影响较大，模式的4 km网格分辨率会将更小空间尺度的影响平滑掉，导致模拟结果与观测结果存在偏差；气象场模拟偏差带来的影响，在1月上旬风速的模拟结果较观测值偏高，是这一阶段PM_2.5模拟值偏低的重要原因(图 3)；源排放不确定性的影响，例如宁波市区因源排放信息较为完备使得市区站点的模拟效果优于慈溪、余姚及宁海等地；化学过程机制不完善的影响，尤其是对二次有机颗粒物生成机制的认识不足使得PM_2.5中有机碳的模拟结果普遍偏低.

表 1(Table 1)

表 1 宁波市PM2.5模拟值与观测值对比评估与文献报道PM2.5模拟效果的比较 Table 1 Comparison of PM2.5 simulation performance between this study and previous studies

表 1 宁波市PM2.5模拟值与观测值对比评估与文献报道PM2.5模拟效果的比较 Table 1 Comparison of PM2.5 simulation performance between this study and previous studies 模拟地点 模拟时段 浓度类型 NMB NME COR 文献来源 宁波市 2013-01 小时值 -21.3% 50.8% 0.44 本文 宁波市 2013-01 日均值 -23.6% 35.7% 0.59 本文 上海市 2013-01 小时值 11.0% 49.0% — 安静宇等，2014 上海市 2012-10 小时值 -23.2% 57.3% 0.55 王茜，2014 珠三角 2012-10 小时值 -10.4% — 0.35 刘一鸣等，2014 华北地区 2013-01 小时值 -27.0% — — Wang et al., 2014

图 2为全部站点PM_2.5日均浓度模拟值和观测值对比的散点图，共396对有效数据，其中80%的模拟值落在观测值2倍误差范围内.图 3则为宁波市监测站点平均PM_2.5小时模拟浓度与监测结果随时间变化的情况，可以看到，CMAQ模式能够较好地反映出宁波市PM_2.5的污染水平与变化趋势，模拟误差保持在可接受的范围内，这有利于保证PM_2.5污染特征和污染过程分析结果的可靠性.

图 2(Fig. 2)

图 2 宁波市各站点PM2.5模拟值与观测值日均浓度对比散点图 Fig. 2 Scatter plot of simulated vs. observed daily PM2.5 concentrations at Ningbo sites

图 3(Fig. 3)

图 3 宁波市各站点平均PM2.5小时模拟浓度与观测值的比较 Fig. 3 Comparison between simulated and observed hourly PM2.5 concentrations at Ningbo sites

图 4给出了宁波市2013年1月PM_2.5浓度逐日变化情况，可以看出宁波市在研究期间经历了多次PM_2.5污染过程.2013年1月我国东部地区天气过程如下：1—4日受大陆高压控制多地出现大风降温天气，随后气温逐渐回升并出现雾霾天气；7—16日我国中东部上空处于弱脊或平直的西风带中，利于雾霾天气的形成； 17—19日受冷性低涡影响，我国中东部雾霾天气结束；21日以后我国东部地区受弱脊控制，地面风速小，温度偏高，出现持续的污染现象(关月和何立富，2013；杨琨等，2013).受此天气条件的影响，宁波市PM_2.5浓度水平在月初较低，5日开始逐渐升高，随后连续出现3次污染过程，日均浓度峰值均超过150 μg · m^-3；17日宁波市风速升高至3.4 m · s^-1，而浓度也从168 μg · m^-3下降至73 μg · m^-3；20—28日经历了一次长时间的污染过程，期间风速多维持在2 m · s^-1以下，PM_2.5的浓度一直保持较高水平；同期在长三角地区也观测到了高浓度持续污染的现象(周敏等，2013).在1月份，宁波市PM_2.5的日均浓度有17 d超过了国家空气质量二级标准(75 μg · m^-3)，下文将对上述超标天(称为污染日)与剩余14 d(日均值小于75 μg · m^-3，称非污染日)的PM_2.5生成特征进行对比分析.

图 4(Fig. 4)

图 4 2013年1月宁波地区观测的PM2.5浓度、地面风速和主导风向的时间变化(注：阴影部分日期为污染日，非阴影部分日期为非污染日，虚线为国家二级标准) Fig. 4 Observed daily PM2.5 concentrations，surface wind speed and dominant wind direction over Ningbo in January 2013

从宁波市2013年1月PM_2.5浓度的空间分布情况可以看出(图 5)，宁波市PM_2.5的空间分布呈现北高南低的态势，高浓度地区主要为宁波城区、环杭州湾的沿海地区，这与PM_2.5的排放重点区域基本一致，尤其在宁波东北部的镇海和北仑，来自化工生产及船舶活动的源排放显著，对PM_2.5浓度水平的影响值得关注.研究期间，宁波地区以北风及西北风为主导风向，来自上风向地区(例如上海、浙北及江苏南部)的PM_2.5及其前体物输入对宁波PM_2.5浓度产生重要影响，下文对此作详细讨论.宁波市为典型的沿海城市，通过对宁波地区2013年1月气象观测数据和模拟结果的分析，均未发现明显的海陆风，这是由于冬季系统风作用较强不易发生海陆风，因此本文未讨论海陆风对宁波地区冬季PM_2.5污染形成的影响.

图 5(Fig. 5)

图 5 宁波市2013年1月PM2.5近地面月均浓度及风场分布(a)及PM2.5排放速率分布(b) Fig. 5 Spatial distribution of monthly PM2.5 concentrations(a) and PM2.5 emission rates(b)over Ningbo in January 2013

选择宁波市监测站、慈溪环保大楼、镇海龙赛医院、宁海环保大楼及象山文峰学校5个站点，利用IPR技术，分析宁波市2013年1月PM_2.5污染形成的影响因素.宁波市监测站点为典型城市站点，可代表排放源区的变化特征；北部慈溪环保大楼可以反映传输的作用影响；镇海龙赛医院可以代表东部沿海区域的污染特征；宁海环保大楼代表宁波市西南地区的污染水平；象山文峰学校站点则反映宁波东南部地区的情况.

表 2中列出了宁波市2013年1月非污染日与污染日各大气过程对PM_2.5浓度变化的影响情况.宁波市近地面PM_2.5的主要来源过程为源排放、大气传输及气溶胶过程.对比非污染日与污染日PM_2.5过程分析的平均结果，排放过程的源作用比例由非污染日的39.1%下降为污染日的21.3%，但对浓度的绝对贡献值变化不大，均在13 μg · m^-3左右，即发生污染时源排放的绝对贡献量无明显变化，但其相对重要性显著降低；水平传输、垂直传输的源作用占比分别从非污染日的36.6%和11.2%上升为污染日的41.8%和22.2%，二者的绝对贡献量在污染日也上升2倍左右，分别达到55 μg · m^-3和37 μg · m^-3；气溶胶过程的贡献比例从非污染日的12.5%升高为污染日的14.5%，虽然相对贡献率增加不多，但其绝对贡献量从5 μg · m^-3升高至10 μg · m^-3.因此，在发生PM_2.5污染时，水平传输、垂直传输及气溶胶过程的源作用增强是导致PM_2.5浓度升高的主导因素，其中水平传输过程对PM_2.5浓度升高的贡献最为突出.

表 2(Table 2)

表 2 非污染日与污染日各大气过程对近地面(0~80 m)PM2.5浓度变化的影响 Table 2 Average influences of various atmospheric processes on PM2.5 concentrations in near-ground(0~80 m)at five representative sites on attainment and non-attainment days

表 2 非污染日与污染日各大气过程对近地面(0~80 m)PM2.5浓度变化的影响 Table 2 Average influences of various atmospheric processes on PM2.5 concentrations in near-ground(0~80 m)at five representative sites on attainment and non-attainment days 类别 大气过程 宁波市监测中心 慈溪环保大楼 镇海龙赛医院 宁海环保大楼 象山文峰学校 站点平均 SOURCEp SINKp SOURCEp SINKp SOURCEp SINKp SOURCEp SINKp SOURCEp SINKp SOURCEp SINKp 非污染日 排放 51.6% 0% 30.3% 0% 25.6% 0% 30.5% 0% 57.4% 0% 39.1% 0.0% 干沉降 0% 7.0% 0% 6.2% 0% 6.5% 0% 7.5% 0% 4.9% 0% 6.4% 云过程 1.0% 3.1% 0% 2.0% 0% 3.1% 0.1% 0.1% 1.6% 0.3% 0.5% 1.7% 气溶胶过程 23.1% 1.5% 5.9% 7.8% 8.3% 4.0% 11.3% 3.7% 14.0% 1.5% 12.5% 3.7% 水平传输 17.4% 28.3% 57.3% 9.3% 62.1% 13.4% 27.0% 49.9% 19.4% 44.6% 36.7% 29.1% 垂直传输 6.9% 60.1% 6.5% 74.8% 4.0% 72.9% 31.0% 38.8% 7.6% 48.8% 11.2% 59.1% 污染日 排放 29.4% 0% 18.3% 0% 11.3% 0% 13.7% 0% 33.8% 0% 21.3% 0.0% 干沉降 0% 13.6% 0% 11.9% 0% 13.3% 0% 12.5% 0% 9.2% 0% 12.1% 云过程 0% 0.8% 0% 0.1% 0% 0.0% 0% 0.5% 0.7% 0% 0.2% 0.3% 气溶胶过程 31.0% 0.5% 8.5% 10.8% 5.2% 0.9% 8.9% 3.3% 18.9% 0.6% 14.5% 3.2% 水平传输 30.6% 26.8% 57.9% 15.0% 74.0% 11.6% 20.6% 59.5% 25.9% 44.2% 41.8% 31.4% 垂直传输 9.0% 58.2% 15.2% 62.2% 9.5% 74.3% 56.8% 24.1% 20.7% 46.0% 22.2% 53.0%

在宁波的不同地区，导致污染日PM_2.5浓度上升的大气过程因素存在差异.在宁波西北部的慈溪环保大楼和北部镇海龙赛医院站点，水平传输是PM_2.5最主要的源过程，其贡献比例超过50%.宁波北部沿海地区地势平缓，且处于上海、嘉兴、湖州及江苏南部等的下风向，受到区域传输的影响显著.在宁波南部的宁海环保大楼，除水平传输有较大影响外，垂直传输的来源贡献更为突出，其源贡献比例达到56.8%，可能与宁海县西部及西南部的傍山地势形成的局地环流有关.在宁波城区的监测中心站点和东南沿海的象山文峰学校站点，气溶胶过程的源作用比其他站点更为突出(贡献率分别达到31.0%和18.9%)，这与前体物排放分布和局地的气象条件等因素有关.

气溶胶过程对PM_2.5浓度的影响，在近地面与高空体现出不同的分布特征.图 6给出了2013年1月不同高度气溶胶过程影响PM_2.5浓度变化的累积贡献量，从图中可以看出，宁波市近地面气溶胶过程对PM_2.5的生成贡献最显著，随着高度的升高其贡献逐渐降低.近地面二次颗粒物的生成分布与前体物排放的空间分布相似；在北仑及镇海沿海区域由于存在工业及电厂高架点源，导致在300~600 m的高空也有较显著的二次颗粒物生成作用.

图 6(Fig. 6)

图 6 不同高度气溶胶过程影响PM2.5浓度变化的累积贡献量(a. 0~80 m；b. 300~600 m；c. 1000~1500 m) Fig. 6 Cumulative impacts of aerosol processes to PM2.5 concentrations at different heights in January 2013

气溶胶过程对PM_2.5浓度的影响主要是通过无机盐离子的生成与去除作用而产生，图 7给出了代表站点不同高度(1层约为18 m，2层约为37 m，3层约为74 m，4层约为149 m，5层约为301 m，6层约为612 m，7层约为975 m，8层约为1438 m，9层约为3030 m)二次无机盐粒子的生成与去除对PM_2.5浓度影响的月均累积贡献量.在不同高度大气中，气溶胶过程主要表现形式为硝酸盐与铵盐的生成，并随着高度的升高生成作用减弱；硫酸盐在各层大气中无明显的生成过程，即硫酸盐局地的生成作用不显著.已有研究表明，硫酸盐受区域传输影响显著(Ying et al., 2014)，计算各大气过程对宁波近地面1~3层高度范围内硫酸盐浓度的源作用影响，结果显示大气传输过程的贡献占40%；此外，排放过程的贡献比例达到44%，表明一次排放作用对宁波地区硫酸盐浓度水平的影响重要.这与宁波地区的源排放特征密切相关.电厂源和工业源为宁波地区PM_2.5排放的重要来源(李璇，2014)，而我国燃煤电厂和一些工业污染源排放的PM_2.5中硫酸盐所占比例可高达20%~30%(Fu et al., 2013; 郑玫等，2013)，因此宁波地区硫酸盐的一次排放作用很突出.宁波地区近地面硝酸盐的生成是气溶胶过程影响PM_2.5浓度变化的主要方式，其贡献量占气溶胶过程净贡献量的70%左右.从近地面二次无机盐粒子生成过程的日变化分布可以看出(图 8)，硝酸盐与铵盐受前体物排放影响呈现早晚双峰分布，中午时段由于大气湍流活跃二者的生成作用有所减弱.

图 7(Fig. 7)

图 7 各站点不同高度二次无机盐粒子的生成与去除对PM2.5浓度影响的累积贡献量 Fig. 7 Cumulative impacts of the formation and removal of secondary inorganic aerosol to PM2.5 concentrations at different heights

图 8(Fig. 8)

图 8 代表站点近地面0~80 m高度范围内二次无机粒子生成过程的日变化情况 Fig. 8 Average diurnal variations of the formation of secondary inorganic aerosol in near-ground(0~80 m)at representative sites

PM_2.5的过程分析结果表明，传输过程对PM_2.5污染的形成具有重要贡献.本节以宁波市监测中心站为例，绘制该站点2013年1月逐日的后向轨迹分布图，通过轨迹聚类的方法分析受体站点大气污染传输的主要来向，探讨研究期间宁波市区PM_2.5污染受大气传输影响的规律.轨迹起始点位于地面以上500 m，每条轨迹向后推算48h，每3 h绘制1条轨迹线，共绘制248条轨迹线.依据不同时刻该站点PM_2.5的观测浓度是否超过75 μg · m^-3，分为污染气团与非污染气团两大类轨迹分别进行聚类，结果见图 9.

图 9(Fig. 9)

图 9 2013年1月宁波市污染与非污染时刻气团后向轨迹聚类结果 Fig. 9 Cluster of air mass backward trajectories on attainment and non-attainment days in January 2013

2013年1月以北风及西北风为主导风向，偶有南风出现.宁波市区的PM_2.5污染主要受正北方向的沿岸气团(轨迹2和轨迹3，占比54%)、西北方向的大陆气团(轨迹1和轨迹5，占比21%)和局地气团(轨迹4，占比25%)(图 10a)的影响.其中，在短距离传输轨迹(轨迹2和轨迹5)和局地气团(轨迹4)的作用下，宁波地区的PM_2.5污染更为严重(表 3).

表 3(Table 3)

表 3 宁波市2013年1月污染时刻不同轨迹类型下PM2.5小时浓度均值 Table 3 PM2.5 hourly concentrations at different types of backward trajectories on non-attainment days in January 2013

表 3 宁波市2013年1月污染时刻不同轨迹类型下PM2.5小时浓度均值 Table 3 PM2.5 hourly concentrations at different types of backward trajectories on non-attainment days in January 2013 轨迹类型 1 2 3 4 5 PM2.5浓度/(μg·m-3) 127 134 120 138 152

正北方向的气团一般经过山东半岛、江苏东部沿岸和近海地区、上海到达宁波，其中长距离的北方气团(轨迹3)还经过内蒙古中东部、河北东北和辽西、渤海地区；对比非污染气团的聚类结果(图 10b)，相近的正北方向传输轨迹也是为宁波地区带来清洁空气的主要类型(轨迹1和轨迹2，占比71%)，说明在北风的传输作用下，会将上风向地区的PM_2.5污染空气输入宁波，而持续的北风作用会吹散污染物.

西北方向的大陆气团仅在发生PM_2.5污染的情况下出现，其中短距离的西北气团从河南经安徽、浙江的湖州、嘉兴传入宁波，该类型传输多发生在1月下旬，所对应的宁波市区PM_2.5污染水平最为严重；长距离的西北大陆气团经内蒙古、山西、华北、华东传入宁波，虽然此类轨迹反映出的是较大风速下的长距离输送，但2013年1月在华北和华东发生大范围雾霾的情况下，来自上述地区的长距离传输带给宁波的是高浓度的PM_2.5(平均127 μg · m^-3)，而没有起到降低PM_2.5水平的作用.

来自宁波以西的局地气团输入是造成受体站点PM_2.5污染的另一传输类型.此类轨迹长度很短，说明大气传输条件较差，在此情况下，宁波主要受到杭州、绍兴等地排放的影响.与之不同，来自东部、南部海面的局地气团则带给宁波较低的PM_2.5水平，此类传输在非污染气团中占29%的比例.

由此可见，在主导风向及宁波特殊的地理位置作用下，大气传输对该地区PM_2.5浓度的影响较为复杂.

(1)Models-3/CMAQ模式系统能够合理地模拟出宁波市2013年1月PM_2.5的浓度水平和变化特征.研究期间，受不利气象条件及上风向污染输送的共同作用，宁波市出现多次PM_2.5污染过程.宁波市PM_2.5污染呈现北高南低的分布特点，高浓度地区主要为宁波市区、环杭州湾的沿海地区，与重点排放区域分布一致.

(2)宁波市近地面PM_2.5的主要来源过程为源排放、大气传输及气溶胶过程.在发生PM_2.5污染时，水平传输、垂直传输及气溶胶过程的源作用增强是导致PM_2.5浓度升高的主导因素，其中水平传输过程对PM_2.5浓度升高的贡献最为突出.

(3)研究期间，宁波市近地面的气溶胶过程对PM_2.5的生成贡献最显著，随着高度的升高其影响逐渐降低.气溶胶过程对PM_2.5浓度的影响主要体现在对硝酸盐和铵盐的生成作用，并以硝酸盐的生成为主导，近地面的贡献比例约为70%.

(4)宁波地区PM_2.5污染主要在北向沿岸气团(占比54%)、西北向大陆气团(占21%)和西向局地气团(占25%)的传输作用下发生.在西北方向短距离区域传输的作用下PM_2.5浓度最高；在我国中东部大范围PM_2.5污染的影响之下，西北向和北向的长距离传输作用也会导致宁波地区的PM_2.5污染.