2024, Vol. 50 
2. 北京城市气象研究院，北京 100089
2. Institute of Urban Meteorology, CMA, Beijing 100089
京津冀作为世界上人口最稠密的地区之一，自2013年“大气污染防治行动计划”实施以来，PM2.5总体污染趋势得到有效缓解(Zhang et al, 2017; Zhai et al, 2019)，但在某些特殊天气条件下其浓度水平仍异常偏高，污染期间PM2.5质量浓度日均值可高达200 μg·m-3，且污染区域覆盖了京津冀绝大部分平原地区(Cheng et al，2018)。已有工作除了在排放清单、化学机制等方面深入开展外，还对区域性污染的气象成因进行了广泛研究，探讨了我国华北地区天气形势与空气污染的关系(Ye et al，2016；江琪等，2022)。研究发现，西风气流穿越太行山脉后下沉并绝热升温，通常在背风面形成一个与地形密切相关的低压槽，低压槽的辐合作用诱发污染带在靠近山脉的平原地区形成(苏福庆等, 2004)，被污染的气团经常在冷锋到来之前于山地平原结合地带不断积聚(Kang et al，2019)，发展成为区域性严重污染过程。已有研究对于重污染的成因揭示具有重要的科学意义，但研究结果大多将导致区域性污染的气象条件简单归纳为边界层高度降低、风速减弱以及相对湿度升高等诸多不利气象要素变化(Zheng et al，2015; Sun et al，2016; 张琴和姚秀萍，2021；丁伟宸等，2023；周涛等，2023)。然而，边界层作为影响地面空气质量的重要因素，为什么边界层内仅在特定条件下呈现低风速、低边界层高度和高相对湿度的特征?这种特定条件是如何形成的？仍有待进一步研究。
此外，京津冀平原背靠太行山(西部)和燕山(北部)，东临渤海，山地-平原、海洋-陆地等地形起伏及下垫面性质不均匀的特殊地理条件, 构成影响边界层热、动力结构演变的重要因素(王倩倩等，2022)，这些已被证实是引发该地区稳定天气条件下区域污染形成的重要诱因(Hu et al, 2014; Miao et al，2015)。其中，冷池是地形和中尺度天气系统共同影响下形成的、极易造成空气污染的特殊天气条件之一。冷池的定义为充满冷空气的地形洼地，通常发生在盆地和山谷，当长波辐射或冷平流造成地表附近的空气冷却，而天气尺度平流使高层空气增温时(Conangla et al, 2018)，由此产生的稳定分层抑制了冷池内空气与周围大气的混合, 造成气团停滞(Daly et al, 2010)，这种现象可持续数天。冷池具有逆温、弱风、边界层高度极低、地形侧向约束以及高低层大气交换抑制等强稳定的大气层结特征，世界范围内诸多地区对冷池在局地尺度或更大范围空气污染形成中的不利影响进行了广泛报道(Lareau et al, 2013)。京津冀平原所处的独特地形背景十分有利于冷池的形成，Jin et al(2022)研究指出此类气象条件是引发京津冀地区秋冬季区域性严重污染的典型天气之一，占比接近30%。冷池的形成、维持和衰变机制已被广泛研究(Wilson and Fovell, 2016; Arduini et al，2020)，但特定区域的地理条件是独特的，当京津冀地区出现重污染过程时，边界层结构与背景地形及中尺度天气间存在何种关联？以及如何对区域性污染加剧造成影响？是本研究关注的重点。
2023年12月29—30日京津冀地区出现了一次区域性重污染过程，分析显示：重污染时段PM2.5质量浓度(以下简称浓度)大梯度带与地形梯度带走向几乎完全一致，在近山地带形成明显分界，将相对清洁的空气与污染气团区分开来；与以往研究报道一致，富含极高浓度PM2.5的气团仅覆盖了平原区域(Jin et al，2021)，且山地-平原结合地区出现了明显的冷池现象，这意味着地形和中尺度天气过程可能共同影响着污染物时空分布特征, 导致了PM2.5浓度的急剧变化，本文针对此次典型区域污染过程形成的影响机制进行探讨。
1 数据与方法 1.1 数据本文使用的PM2.5浓度逐时观测数据来自全国城市空气质量实时监测平台(http://106.37.208.233:20035/)，研究重点关注京津冀地区9个重点城市(图 1)：北京、天津、石家庄、张家口、承德、保定、廊坊、衡水、邯郸。采用中心城区覆盖站点的观测平均值代表该城市PM2.5浓度水平，上述9个城市分别包含9、11、9、5、4、8、4、3、4个观测站点，2.2节预报与观测对比所使用的预报结果样本与各城市覆盖站点的数量一致。具体处理如下：首先将格点化预报结果依据距离最短原则向站点插值，然后筛选出跟观测站点位置一致的格点数据进行平均。
|
图 1 (a) 模式嵌套预报区域及地形高度(填色), (b)d02区域PM2.5排放强度(单位：μg·m-2·s-1)空间分布 注：图b中字母为城市名简称; BJ：北京，TJ：天津，SJZ：石家庄，ZJK：张家口，CD：承德，BD：保定，LF：廊坊，HS：衡水，HD：邯郸。 Fig. 1 (a) Forecast zone and terrain height (colored), (b) spatial distribution of emission intensities of PM2.5 (unit: μg·m-2·s-1) in Domain 2 |
本研究使用快速更新多尺度资料分析和预报系统化学子系统(RMAPS-CHEM)48小时预报时效的模式结果。该系统由北京市气象局研发，是支撑华北区域空气质量、雾-霾及能见度预报的重要业务模式系统(赵秀娟等, 2016；徐敬等，2019；王媛媛等，2020)；RMAPS-CHEM模式系统以WRF-CHEM v3.3.1为积分主模式，采用气象模式(WRF)和大气化学模式(CHEM)在线耦合方式进行同步积分计算，其中选用的主要物理、化学过程方案设置参见赵秀娟等(2016)。RMAPS-CHEM系统采用嵌套预报方式，外层预报范围覆盖区域如图 1a所示，水平分辨率为9 km，内层预报范围覆盖京津冀及周边区域(图 1b)，水平分辨率为3 km；垂直方向上自地面至模式层顶(50 hPa)分为30层，其中1500 m以下含13层。
RMAPS-CHEM系统由RMAPS-ST系统提供气象预报场。RMAPS-ST系统基于WRF模式和WRF-DA三维变分同化模块构建，同化了大量常规气象观测资料、GPS水汽和飞机观测资料，以及华北地区多部天气雷达资料，对京津冀及周边地区气象要素有很好的预报能力(陈敏等，2011；张鑫宇等，2021)，可为RMAPS-CHEM提供较准确的气象背景场。
RMAPS-CHEM系统采用的排放清单由清华大学创建(http://www.meicmodel.org)，代表年份为2019年，水平分辨率为0.1°×0.1°，时间分辨率为月；清单排放数据覆盖电力、工业、民用、交通和农业5类排放行业，模拟内层区域各行业累计PM2.5排放强度空间分布状况如图 1b所示。由图 1b所选城市位置及PM2.5排放强度空间分布可知，除张家口和承德处于山地背景、人为排放相对稀少外，其余7个城市均位于开阔的华北平原地区, 处于高排放背景下。
2 结果分析 2.1 PM2.5时间变化特征图 2显示了污染过程前后京津冀9个城市PM2.5浓度预报值与观测值的逐时变化对比，2023年12月27—30日期间，除张家口和承德站的PM2.5始终维持着相对较低的浓度水平外(＜80 μg· m-3)，其余各站均呈现出一致的上升趋势，其中29日午后浓度增长迅速，30日凌晨达到高值，各城市PM2.5小时平均浓度均高于150 μg·m-3。各站中: 保定高浓度值持续时间最长且峰值最高(图 2d)，于30日21时出现浓度极大值，为249 μg·m-3；北京高浓度值持续时间最短(图 2c)，最大小时浓度出现在29日23时(172 μg·m-3)，30日午后PM2.5浓度开始迅速下降；京津冀平原东部和南部城市在30日凌晨至白天维持较高浓度, 入夜后呈下降趋势(图 2e, 2f, 2h, 2i)。此次污染过程具有区域普遍性，高浓度PM2.5对京津冀东南部平原地区影响最大，向北延伸至北京，更为偏北(承德)、偏西的山区城市(张家口)受到的影响较小。
|
图 2 2023年12月27—30日观测及预报的各城市PM2.5浓度逐时变化 Fig. 2 Hourly variation of observed and simulated concentrations of PM2.5 in each city from 27 to 30 December 2023 |
利用各城市PM2.5小时平均浓度观测数据检验了模式的预报效果，统计结果见表 1。总体来看，模式在平原污染地区预报得到的浓度逐时变化趋势与观测结果一致，预报值与观测值的相关系数分布在0.86~0.96，且两者浓度数值接近, 预报误差较小，表明RMAPS-CHEM系统对此次污染过程具有较好的预报能力，模式预测的京津冀平原地区PM2.5浓度时间变化规律及污染程度接近实况。
|
表 1 2023年12月27—30日各城市PM2.5小时平均浓度的观测与预报结果对比 Table 1 Comparison of observed and simulated concentrations of hourly averaged PM2.5 in each city from 27 to 30 December 2023 |
污染累积阶段PM2.5浓度区域分布变化如图 3所示，模式预报的PM2.5浓度空间分布特征与观测结果吻合，预报浓度高低值的相对位置、分布范围与观测场基本一致，模式较好地再现了污染过程发展的空间演变趋势。观测与预报结果均显示，在污染累积前期(29日08—14时)，华北平原地区以偏南风为主导风向，系统性南风贯穿整个京津冀平原，此时偏南气流携带高浓度污染物自南向北输送。至29日20时，除了西北部山区外，京津冀平原地区PM2.5小时浓度普遍高于110 μg·m-3；29日夜间至30日清晨是污染最为严重的时段，整个华北平原被高浓度区覆盖，PM2.5小时浓度均大于150 μg·m-3。通过对污染累积前后风场的对比发现，污染严重时段系统性偏南风向东南撤出，退至河北与山东交界，风速及风向切变在这些地区出现清晰的边缘(30日02—08时)。此时在京津冀西南—东北走向的山地平原结合地带形成了一条狭长的风辐合带(大概位置如图 3d, 3e蓝色虚线矩形所示)，辐合带的西北侧为山地下坡风、指向东南，东南侧为偏南风，辐合带内以静风为主。这种风场结构形成一个复杂的大气污染物汇聚区。本文研究结果与京津冀地区低层局地大气环流的气候统计特征一致(曾佩生等，2019)，这是导致该地区污染物持续累积的典型地面风场辐合形势(Li et al, 2017; Jin et al, 2022；Xu et al, 2022)。
|
图 3 2023年12月29—30日污染累积阶段地面PM2.5浓度(单位：μg·m-3)预报(填色)和观测(圆点)及风场(风矢)空间分布 注：蓝色虚线矩形代表辐合带大概位置。 Fig. 3 Spatial distribution of simulated (colored) and observed (dot) surface PM2.5 concentrations (unit: μg·m-3), wind field (wind vector) during accumulation stage of pollutants from 29 to 30 December 2023 |
此次污染过程的天气背景显示(图略)，污染累积初期在华北地区沿太行山东侧边缘850 hPa有一个浅槽，槽前有一条明显的暖舌伸向东北，京津冀平原上空大气被槽前暖平流源源不断加热，地面形成一条低气压带，该低压系统的形成与华北地形槽密切相关(刘瑞晨等，1983)。在此天气条件下，京津冀受槽前偏南气流影响，西南风在输送污染物的同时还将暖湿空气自南方吹向北方，在京津冀平原东南侧形成低空暖锋。华北地形槽及低空暖锋的发展对该地区大气污染的发生起到至关重要的作用，地形槽系统对其他地区空气质量的类似影响也有报道(Seaman and Michelson, 2000)。此次污染过程以850 hPa出现强冷空气平流、冷高压入侵华北平原、地面盛行强烈的偏北风，污染物自西北向东南迅速扩散而结束(如图 3f所示)。
上述分析显示，污染初期，在偏南风的传输作用下污染物聚集在华北平原北侧山前区域，表明偏南风输送很大程度上影响着京津冀地区的污染累积；而重污染时段，PM2.5浓度的急剧增加似乎更多受到局地风场辐合带影响，天气尺度锋面系统和地形热力特性差异可能在边界层结构演变及污染物积聚过程中起到重要的调节作用。
2.3 边界层结构特征为了揭示边界层结构变化加剧京津冀平原污染程度的驱动机制，首先对RMAPS-CHEM预报得到的相当位温(θe)进行分析。θe的定义为根据干绝热过程饱和湿空气上升至气团中全部水蒸气凝结并达到1000 hPa的温度(Bolton, 1980)。θe是一个表征大气温度、湿度和气压等综合因素的物理量，在天气学中常用于气团性质和锋面分析(Heimann, 1992; Skinner et al，2011)，对流层中下层θe的分布状况主要反映大气温度场和湿度场的变化特征。图 4显示了污染最严重时段30日02时华北上空(图 4a, 模式第15层，约1200 m高度)以及地面(图 4b)θe的空间分布。由图可见，在京津冀平原地面出现一个明显的θe低值区(即冷池)，其大致区域如图 4b中椭圆区所示，冷池区西北和东南边缘均存在着明显的细窄θe梯度带，将其与周边高θe区分开来。冷池东南侧，偏南气流携带暖湿空气与冷池内干冷空气形成鲜明对比，该位置对应低空暖锋(图略)；冷池西北侧, 太行山因为海拔较高被强烈的太阳辐射加热(Hu et al，2014)，当西北风盛行时，来自山地的暖平流受地形影响在1000 m左右的高度上自西北向东南传输，持续加热京津冀平原地区上层空气(图 4a)。
|
图 4 RMAPS-CHEM预报的2023年12月30日02时京津冀及周边地区(a)上空及(b)地面的相当位温(填色)和风场(风矢)空间分布 注：椭圆区代表冷池的大概位置，黑色实线为图 6垂直剖面位置。 Fig. 4 Spatial distribution of the equivalent potential temperature (colored) and wind (wind vector) in (a) upper air and (b) surface layer simulated by RMAPS-CHEM in the Beijing-Tianjin-Heibei Region and the adjacent area at 02:00 BT 30 December 2023 |
这种“上部加热、地面冷却”的垂直热力结构极不利于对流发展，地面冷池区被强稳定的逆温层覆盖，边界层高度下降。大气边界层高度对污染物扩散和稀释具有重要意义，预报结果清楚地显示出上述垂直热力结构对边界层高度的抑制作用贯穿了整个冷池区，例如30日夜间(02时)京津冀平原地区边界层高度不足100 m(图 5a)。此外，稳定的大气层结结构使边界层下方的气团与上层分离，导致夜间地面风速减弱，冷池内风速小于2 m·s-1(图 5b)，绝大部分为静风区。因此，极低的边界层高度导致冷池区内污染物被限制在有限的垂直空间内，同时，弱风造成气团停滞, 不利于水平方向的传输和扩散，导致大气污染物持续积累, 污染程度不断加剧，据Jin et al(2021)估计，类似情况下PM2.5浓度可在8小时内增加约200 μ g·m-3。
|
图 5 RMAPS-CHEM预报的2023年12月30日02时京津冀及周边地区(a)边界层高度(填色)及(b)地面风速(填色)空间分布 注：椭圆区代表冷池的大概位置，风矢代表地面风场。 Fig. 5 Spatial distribution of (a) boundary layer height (colored) and (b) surface wind speed (colored) simulated by RMAPS-CHEM in the Beijing-Tianjin-Heibei Region and the adjacent area at 02:00 BT 30 December 2023 |
为了更细致地揭示污染加剧时段边界层结构特征，本文选择一条横切(自西北向东南，位置如图 4中黑色实线所示)冷池区的垂直剖面作进一步分析，图 6a显示了剖面处12月30日02时预报的θe及风场垂直分布。由图可见，冷池区冷空气堆积在近地层浅浅的区域内，下层相对较冷的气团被上层较热的气团覆盖，大气层结在垂直方向上表现为强稳定特性。另一个十分明显的特征是等温线自东南向西北倾斜，这与暖锋锋面受地形影响暖气团沿坡度抬升有关(Jin et al, 2022)。横切面东南端受暖锋影响，以上升运动为主；西北端受冷气团控制，为明显的下沉气流(图 6b)；在京津冀山地平原结合地区上空，较强的暖气团上升气流与冷空气下沉气流直接碰撞，导致该地区边界层高度急剧下降，为空气污染物的扩散留下了非常小的垂直空间。
|
图 6 2023年12月30日02时(a)相当位温(填色)、(b)垂直速度(填色, 放大100倍)和流场(箭矢)沿图 4黑色实线的垂直剖面，(c)边界层热、动力结构特征概念模型示意图 Fig. 6 Cross-section of (a) equivalent potential temperature (colored) and (b) vertical velocity (colored, multiplied by 100) with air flow field (arrow) along the black solid line in Fig. 4 at 02:00 BT 30 December 2023, (c) schematic diagram of conceptual model of thermodynamic and dynamic structure characteristics of the boundary layer |
本研究获得的地形及暖锋影响下边界层热、动力结构特征的概念模型示意图如图 6c所示，该结果与Jin et al(2022)提出的京津冀地区典型污染类型边界层空间结构的概念模型一致，即图 6a中冷池区对应暖锋前孤立、稳定的冷空气团，其东南侧为暖锋后混合充分的暖湿大气，可以清晰地看到平原近山地区冷空气在东南侧受暖锋驱动、西北侧受到地形限制，于近地面形成堆积的现象。这种地形和暖锋共同驱动的边界层结构，是导致京津冀区域形成严重污染的典型天气过程之一，Jin et al(2022)针对2015—2020年秋冬季共发生的82次污染过程统计显示，该天气形势占比26%。此外，大量研究表明，冷池的形成通常受到地形影响(Lareau et al，2013)，其他类似地形条件地区也报道了相似的研究结果，如：在盆地或山谷底部持续数天的冷池具有明显的稳定分层、弱风和侧向限制特征，这些不利因素极易造成近地表空气污染物积聚(Whiteman et al，2001; Silcox et al，2012; Conangla et al，2018)。
3 结论2023年12月29—30日在京津冀发生了一次典型区域性重污染过程，重污染时段平原地区PM2.5小时浓度普遍高于150 μg·m-3、城市中心区高于200 μg·m-3，本研究利用京津冀PM2.5地面浓度观测数据和气象资料分析，以及RMAPS-CHEM数值预报系统提前48小时的预报结果，研究了此次污染过程形成及污染程度加剧的影响机制，获得的主要研究结论如下：
(1) 污染过程发展前期，受华北地形槽槽前偏南气流影响，京津冀平原地区被系统性偏南风控制，西南风中高浓度污染物的输送作用造成京津冀PM2.5浓度上升。污染加剧污染时段，系统性西南风向东南撤出，退至河北与山东交界，西南风携带的暖湿气团与京津冀平原干冷气团形成鲜明对比，于平原地区东南侧形成一条明显的低空暖锋。
(2) 在暖锋及地形热力特性的共同影响下，被污染的冷气团东南侧受暖锋驱动、西北侧受到地形限制，于京津冀山地平原结合地区的近地面形成冷池。冷池表现出强稳定大气层结特性，极低的边界层高度及逆温结构导致污染物被限制在有限垂直空间内，同时静风造成气团停滞，不利于水平方向的传输和扩散，这些不利因素最终导致污染物浓度持续积累、污染程度加剧。
(3) RMAPS-CHEM业务模式系统对此次典型污染天气具有较好的预报能力，模式有效预测出京津冀平原地区PM2.5浓度的时间变化规律及污染程度。模式预报的PM2.5浓度空间分布特征与观测结果吻合，预报结果很好地再现了污染过程发展趋势，合理地揭示了边界层结构特征与污染物浓度空间分布的关联机制。本研究结果有助于提升京津冀区域性重污染过程的预报预警能力。
陈敏, 范水勇, 郑祚芳, 等, 2011. 基于BJ-RUC系统的临近探空及其对强对流发生潜势预报的指示性能初探[J]. 气象学报, 69(1): 181-194. Chen M, Fan S Y, Zheng Z F, et al, 2011. The performance of the proximity sounding based on the BJ-RUC system and its preliminary implementation in the convective potential forecast[J]. Acta Meteor Sin, 69(1): 181-194 (in Chinese).
|
丁伟宸, 刘勤亚, 张俊, 等, 2023. 北京大兴国际机场不利气象条件下飞机尾气排放对大气环境影响的模拟研究[J]. 气象, 49(1): 62-73. Ding W C, Liu Q Y, Zhang J, et al, 2023. Simulation study on atmospheric environmental impact of aircraft emissions of Beijing Daxing International Airport under adverse meteorological conditions[J]. Meteor Mon, 49(1): 62-73 (in Chinese).
|
江琪, 桂海林, 花丛, 等, 2022. 济南市大气污染天气分型与冷空气对污染物的影响机制研究[J]. 气象, 48(10): 1281-1291. Jiang Q, Gui H L, Hua C, et al, 2022. Influence mechanisms and weather patterns of air pollution episodes in Jinan[J]. Meteor Mon, 48(10): 1281-1291 (in Chinese).
|
刘瑞晨, 扈忠慈, 李人和, 1983. 华北平原中尺度低气压的若干事实[J]. 大气科学, 7(1): 78-87. Liu R C, Hu Z C, Li R H, 1983. Certain facts about the meso-scale low over the North China Plains[J]. Chin J Atmos Sci, 7(1): 78-87 (in Chinese).
|
苏福庆, 任阵海, 高庆先, 等, 2004. 北京及华北平原边界层大气中污染物的汇聚系统——边界层输送汇[J]. 环境科学研究, 17(1): 21-25. Su F Q, Ren Z H, Gao Q X, et al, 2004. Convergence system of air contamination in boundary layer above Beijing and North China: transportation convergence in boundary layer[J]. Res Environ Sci, 17(1): 21-25 (in Chinese).
|
王倩倩, 权建农, 程志刚, 等, 2022. 2019年冬季北京海陀山局地环流特征及机理分析[J]. 气象学报, 80(1): 93-107. Wang Q Q, Quan J N, Cheng Z G, et al, 2022. Local circulation characteristics and mechanism analysis of Haituo Mountain in Beijing during winter 2019[J]. Acta Meteor Sin, 80(1): 93-107 (in Chinese).
|
王媛媛, 赵玮, 邢楠, 等, 2020. 基于RMAPS-CHEM模式产品的北京地区能见度预报订正[J]. 气象, 46(3): 403-411. Wang Y Y, Zhao W, Xing N, et al, 2020. Visibility forecast correction based on RMAPS-CHEM model products in Beijing[J]. Meteor Mon, 46(3): 403-411 (in Chinese).
|
徐敬, 陈丹, 赵秀娟, 等, 2019. RMAPS_Chem V1.0系统SO2排放清单优化效果评估[J]. 应用气象学报, 30(2): 164-176. Xu J, Chen D, Zhao X J, et al, 2019. Evaluation on SO2 emission inventory optimizing applied to RMAPS_Chem V1.0 system[J]. J Appl Meteor Sci, 30(2): 164-176 (in Chinese).
|
曾佩生, 朱蓉, 范广洲, 等, 2019. 京津冀地区低层局地大气环流的气候特征研究[J]. 气象, 45(3): 381-394. Zeng P S, Zhu R, Fan G Z, et al, 2019. Study on climatic characteristics of local circulation in the lower atmosphere in Beijing-Tianjin-Hebei Region[J]. Meteor Mon, 45(3): 381-394 (in Chinese).
|
张琴, 姚秀萍, 2021. 鲁中地区霾期间气溶胶的垂直分布及其与气象条件的关系[J]. 气象, 47(9): 1099-1112. Zhang Q, Yao X P, 2021. Vertical distribution of aerosol and its relationship with meteorological conditions during haze in central part of Shandong Province[J]. Meteor Mon, 47(9): 1099-1112 (in Chinese).
|
张鑫宇, 陈敏, 孙娟珍, 等, 2021. WRF-DA中地面观测资料同化方案的改进与应用[J]. 气象学报, 79(1): 104-118. Zhang X Y, Chen M, Sun J Z, et al, 2021. Improvement and application of the ground observation data assimilation scheme in WRF-DA[J]. Acta Meteor Sin, 79(1): 104-118 (in Chinese).
|
赵秀娟, 徐敬, 张自银, 等, 2016. 北京区域环境气象数值预报系统及PM2.5预报检验[J]. 应用气象学报, 27(2): 160-172. Zhao X J, Xu J, Zhang Z Y, et al, 2016. Beijing regional environmental meteorology prediction system and its performance test of PM2.5 concentration[J]. J Appl Meteor Sci, 27(2): 160-172 (in Chinese).
|
周涛, 周青, 张勇, 等, 2023. 汾渭平原PM2.5-O3复合污染特征及气象成因分析[J]. 气象, 49(11): 1359-1370. Zhou T, Zhou Q, Zhang Y, et al, 2023. Characteristics of PM2.5-O3 compound pollution and meteorological impact in Fenwei Plain[J]. Meteor Mon, 49(11): 1359-1370 (in Chinese).
|
Arduini G, Chemel C, Staquet C, 2020. Local and non-local controls on a persistent cold-air pool in the Arve River Valley[J]. Quart J Roy Meteor Soc, 146(731): 2497-2521.
|
Bolton D, 1980. The computation of equivalent potential temperature[J]. Mon Wea Rev, 108(7): 1046-1053.
|
Cheng N L, Li Y T, Cheng B F, et al, 2018. Comparisons of two serious air pollution episodes in winter and summer in Beijing[J]. J Environ Sci, 69: 141-154.
|
Conangla L, Cuxart J, Jiménez M A, et al, 2018. Cold-air pool evolution in a wide Pyrenean Valley[J]. Int J Climatol, 38(6): 2852-2865.
|
Daly C, Conklin D R, Unsworth M H, 2010. Local atmospheric decoupling in complex topography alters climate change impacts[J]. Int J Climatol, 30(12): 1857-1864.
|
Heimann D, 1992. Potential and equivalent-potential temperature patterns at cold fronts with pre-frontal foehn[J]. Meteor Atmos Phys, 48(1-4): 165-171.
|
Hu X M, Ma Z Q, Lin W L, et al, 2014. Impact of the Loess Plateau on the atmospheric boundary layer structure and air quality in the North China Plain: a case study[J]. Sci Total Environ, 499: 228-237.
|
Jin X P, Cai X H, Yu M Y, et al, 2021. Mesoscale structure of the atmospheric boundary layer and its impact on regional air pollution: a case study[J]. Atmos Environ, 258: 118511.
|
Jin X P, Cai X H, Yu M Y, et al, 2022. Regional PM2.5 pollution confined by atmospheric internal boundaries in the North China Plain: analysis based on surface observations[J]. Sci Total Environ, 841: 156728.
|
Kang H Q, Zhu B, Gao J H, et al, 2019. Potential impacts of cold frontal passage on air quality over the Yangtze River Delta, China[J]. Atmos Chem Phys, 19(6): 3673-3685.
|
Lareau N P, Crosman E, Whiteman C D, et al, 2013. The persistent cold-air pool study[J]. Bull Amer Meteor Soc, 94(1): 51-63.
|
Li G H, Bei N F, Cao J J, et al, 2017. Widespread and persistent ozone pollution in eastern China during the non-winter season of 2015:observations and source attributions[J]. Atmos Chem Phys, 17(4): 2759-2774.
|
Miao Y C, Liu S H, Zheng Y J, et al, 2015. Numerical study of the effects of local atmospheric circulations on a pollution event over Beijing-Tianjin-Hebei, China[J]. J Environ Sci, 30: 9-20.
|
Seaman N L, Michelson S A, 2000. Mesoscale meteorological structure of a high-ozone episode during the 1995 NARSTO-northeast study[J]. J Appl Meteor, 39(3): 384-398.
|
Silcox G D, Kelly K E, Crosman E T, et al, 2012. Wintertime PM2.5 concentrations during persistent, multi-day cold-air pools in a mountain valley[J]. Atmos Environ, 46: 17-24.
|
Skinner P S, Weiss C C, Schroeder J L, et al, 2011. Observations of the surface boundary structure within the 23 may 2007 Perryton, Texas, supercell[J]. Mon Wea Rev, 139(12): 3730-3749.
|
Sun Y L, Chen C, Zhang Y J, et al, 2016. Rapid formation and evolution of an extreme haze episode in northern China during winter 2015[J]. Sci Rep, 6(1): 27151.
|
Whiteman C D, Zhong S, Shaw W J, et al, 2001. Cold pools in the Col- umbia Basin[J]. Wea Forecasting, 16(4): 432-447.
|
Wilson T H, Fovell R G, 2016. Modeling the evolution and life cycle of stable cold pools[J]. Wea Forecasting, 31(6): 1753-1769.
|
Xu J, Li J, Zhao X J, et al, 2022. Effectiveness of emission control in sensitive emission regions associated with local atmospheric circulation in O3 pollution reduction: a case study in the Beijing-Tianjin-Hebei Region[J]. Atmos Environ, 269: 118840.
|
Ye X X, Song Y, Cai X H, et al, 2016. Study on the synoptic flow patterns and boundary layer process of the severe haze events over the North China Plain in January 2013[J]. Atmos Environ, 124: 129-145.
|
Zhai S X, Jacob D J, Wang X, et al, 2019. Fine particulate matter(PM2.5) trends in China, 2013-2018:separating contributions from anthropogenic emissions and meteorology[J]. Atmos Chem Phys, 19(16): 11031-11041.
|
Zhang J L, Reid J S, Alfaro-Contreras R, et al, 2017. Has China been exporting less particulate air pollution over the past decade?[J]. Geophys Res Lett, 44(6): 2941-2948.
|
Zheng G J, Duan F K, Su H, et al, 2015. Exploring the severe winter haze in Beijing: the impact of synoptic weather, regional transport and heterogeneous reactions[J]. Atmos Chem Phys, 15(6): 2969-2983.
|