SO₂是大气中重要的污染物之一，主要来源于火山爆发和化石燃料燃烧^[1]； 高浓度的SO₂一方面污染环境，通过气粒转化氧化形成硫酸盐气溶胶，降低大气能见度，通过其直接和间接辐射强迫作用影响全球和区域的气候和环境变化^[2]； 另一方面SO₂也会造成大面积酸雨，降低农作物产量和破坏生态系统.

作为我国的首都，北京市空气质量不仅关系到居民的生活质量和身体健康，而且影响到国家形象和社会的可持续发展.目前北京市对SO₂的控制已取得一定的成效，其年均浓度逐渐降低，但高浓度SO₂污染事件还时有发生.近年来，北京市大气污染呈现明显的复合型、 区域型特征，周边高浓度污染物在大气环流的作用下极易发生向北京输送的现象^[3]； 北京及周边电厂源具有排放量大、 排放口高等特点，在主导风输送作用下对下风向地区特别是北京地区空气质量造成较大影响^[4].

国内外对北京市SO₂ 浓度现状、 影响因素及不同排放源的影响做了大量研究. Kanada等^[5]分析了北京市SO₂ 浓度、 排放及减排效益； Quan等^[6]分析了2012~2013年冬季重污染过程中SO₂浓度及二次转化机制； 刘洁等^[7]利用2006年北京上甸子大气本底站和城区宝联环境观测站观测数据分析了 SO₂、 NO_x、 O₃和 PM_2.5的浓度变化，发现采暖季NO_x、 SO₂浓度城郊差异最大，城区是本底的4～6倍； 吉东生等^[8]对比分析了北京与伦敦 2004年8月～2005年12月SO₂体积分数发现北京市SO₂体积分数明显高于伦敦，平均值为(19.5±21.8)×10^-9； 孙扬等^[9]指出北京市大气SO₂浓度随天气形势而变化，海平面气压与SO₂ 浓度变化密切相关； 孟晓艳等^[10]利用HYSPLIT后向轨迹数值模拟结果和OMI卫星反演分析了北京及其周边地区的SO₂浓度的变化过程及输送特征，发现周边地区SO₂长距离输送对北京站点的贡献不能忽视； 黄青等^[11]模拟研究了2005年采暖期间近北京地区电厂源排放对北京市空气质量的影响，发现影响北京城区SO₂浓度的电厂排放源主要来自张家口、 唐山、 天津、 石家庄、 廊坊和衡水等地区，这些地区占SO₂浓度总贡献值的83.2%； 颜鹏等^[12]发现每年北京受周边显著影响(外来输送率30%以上)的日数接近或超过1个月； 陈义珍等^[13]利用ATMOS 长距离传输模型研究了2000年现有电厂源对北京市 SO₂年均质量浓度影响，发现京外电厂源对年均质量浓度影响的平均值为5.95 μg ·m^-3，占58.3%； 薛文博等^[14]应用CMAQ空气质量模型定量分析了电力行业多污染物协同控制与区域复合型大气污染之间的定量关系发现平均每减排1 t SO₂可减少0.2～0.3 t硫沉降； Hao等^[15]运用CALPUFF模型研究了北京市2008年电厂源排放对周边区域大气环境的年均贡献发现北京电厂对附近区域SO₂浓度影响较大且对全市年均浓度贡献约5.3%； 伯鑫等^[16]采用CALPUFF模式模拟了2011年京津冀火电行业减排后污染物对北京空气质量的影响发现，减排后火电行业对各城市SO₂年均贡献浓度最大值降低46.34%.

这些研究多基于单个站点或某个研究时段，且所使用的研究数据时空分辨率较粗，对北京市长时间序列的SO₂时空分布及近期高浓度SO₂污染事件研究较少，本研究利用北京市环境保护监测中心2000~2014年多个站点SO₂逐时浓度监测数据系统分析了北京市SO₂时空分布特征及一次重污染过程中SO₂的来源及成因，以期为管理部门提供准确、 及时、 全面的信息.

京津冀地区位于东经113°27′～119°50′，北纬36°05′～42°40′之间，东临渤海、 西为太行山地，北为燕山山地，地势西北高、 东南低，总面积21.54万km²，属温带大陆性季风气候，四季分明，夏季高温多雨，冬季寒冷干燥.北京市则位于东经115.7°E~117.4°E，北纬39.4°N~41.6°N，地处华北平原西北端，地形为簸箕型，三面环山，平均海拔43.5 m，总面积16 410.54 km²，国土面积62%为山区，全市森林覆盖率为37.6%，近10年年降水量平均不足450 mm，年均降水的80%集中在夏季6、 7、 8这3个月^[17].

天津、 河北地区监测数据为中国环境监测总站发布的逐时浓度数据(http://113.108.142.147: 20035/emcpublish/)，天津市监测站点共计15个，河北省监测站点共计53个，北京市监测数据来自北京市的空气质量地面自动监测网络，监测站点共计35个(见图 1)，包括1个城市清洁对照点，23个城市环境评价点，6个区域背景传输点，5个交通污染监控点； 35个站点分布在城六区(东城、 西城、 朝阳、 海淀、 丰台、 石景山)； 西北部(昌平、 延庆)； 东北部(怀柔、 密云、 平谷、 顺义)； 东南部(通州、 大兴、 亦庄)； 西南部(房山、 门头沟)，覆盖所有区县，包括区域背景、 郊区、 城镇、 交通干道、 居住区等不同的环境类型，所有站点全部经过GPS定位^[18,19].

图 1

Fig. 1

图 1 监测站分布和分类 Fig. 1 Distribution and classification of observation sites

大气自动监测网络采用Thermo Fisher 42C化学发光NO-NO₂-NO_x分析仪监测NO和NO₂浓度，该分析仪最低检测限0.05×10^-9(体积分数)，零漂小于0.025×10^-9/24 h，跨漂:±1%/24 h.采用基于气体滤波红外吸收法Thermo Fisher 48C分析仪测量CO浓度，仪器最低检测限为40×10^-9(体积分数)，零漂小于100×10^-9/24 h，跨漂为±1%/24 h. SO₂分析仪为美国TE-43C型分析仪，仪器的标定系统由111型零空气发生器 (TEI 111)和146 型多点校准仪 (TEI，146C)组成.仪器是基于SO₂分子吸收紫外线，并能被一定波长的紫外线激发，当被激发的SO₂分子返回到基态时释放出波峰为330 nm的特征荧光，光的强度与SO₂ 的浓度呈线性正相关，检测其光强即可对 SO₂定量测定.该型仪器最低检测限(体积分数)0.06×10^-9，零漂小于 0.2×10^-9(24 h)，跨漂±1%/7 d.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，24 h连续采样，设备定期检查并及时维护保养. 标准气体由国家计量科学研究院提供，操作流程严格按照文献[20]进行，每天24 h连续进行采样，设备由技术人员定期检查并及时维护保养，在1 a的监测时间内有效数据捕获率超过95%. 气象资料为北京市观象台地面观测数据(http://cdc.cma.gov.cn/)，仪器为荷兰WAISALA公司的WXT520气象观测仪.

综合空气质量模式CAM_x^[21]中心网格点坐标为35°N、 110°E，受计算资源等条件制约，采用单层网格，水平分辨率为12 km，总网格数为400×320个，模拟区域覆盖京津冀及周边地区； 使用兰博托地图投影，标准纬线为24°N和46°N.在垂直方向上设置为20层粗网格，其中8层分布于1 km 以下，其中近地面层高度约35 m，以便更好地分析大气边界层结构.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.AM_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，气相化学机制为SAPRC99机制，采用EBI计算方法^[22].运用AM_x中的PSAT技术对SO₂进行源-受体关系分析，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，已经在很多研究结果中得到应用^[23].为建立污染源与环境受体间空间传输矩阵，将模拟区域分为 3个分区(即北京市为1个区域，天津、 河北为 1个区域，其它一个区域)，将污染源分为2个行业(电厂及其他)，利用 SO₂贡献来源识别技术模拟分析不同区域及电厂污染源排放对北京市一次SO₂污染过程的贡献.

采用ARW-WRF3.2^[24]模拟2014年京津冀及周边地区气象场，WRF模式的中心点坐标设为35°N、 110°E，水平网格距为12 km，与AM_x模式对应； 垂直层次均为35层； 气象背景场和边界资料为NCAR(National Center for Atmospheric Research)和NCEP(National Centers for Environmental Prediction)的再分析逐日资料FNL，分辨率为1°×1°，时间分辨率是6 h； 地形和下垫面输入资料分别来自USGS 30 s全球地形和MODIS下垫面分类资料； 使用气象前处理模块WRF2AM_x将WRF的输出结果插值到AM_x模型区域和网格上并转为AM_x可识别接收的格式.

目前全国没有一套官方的排放源清单，研究运用陆地生态系统估算模型MEGAN^[25]处理天然源，人为源(BC、 OC)等排放数据则采用2010年清华大学MEIC^[26]排放清单，而SO₂、 NO_x、 PM₁₀、 PM_2.5排放数据则为2013年北京市污染源普查数据，NH₃排放数据取自2010年日本国立环境研究所开发的亚洲地区REAS排放清单； 整合、 处理后的天然源、 人为源排放清单共同输入到排放源处理模型SMOKE，形成系统的排放源文件.本研究计算的2013年北京市总SO₂排放量约为8.7×10⁴ t，电厂排放量约为9 900 t，以4个燃煤热电厂为主，包括大唐高井热电厂、 京能石景山热电厂、 国华热电厂、 华能热电厂.天津、 河北总SO₂排放量约为150×10⁴ t，电厂排放量约为36.3×10⁴ t，全国SO₂排放量约为2 044×10⁴ t，电厂排放量约为262×10⁴ t. 图 2显示了京津冀地区电厂的位置.

图 2

Fig. 2

图 2 2013年京津冀燃煤电厂分布 Fig. 2 Location of thermal power plants in Beijing-Tianjin-Hebei region

为验证AM_x模型的模拟效果，选取北京2014年1~12月SO₂、 PM_2.5观测数据与AM_x输出结果进行比对，图 3为预报值与观测值的时间序列，可以看出模拟值与观测值的时间序列变化较为一致，模拟值均在观测值的0.5~2倍的范围内，模拟结果略微低估，这可能与排放源的不确定性、 模型物理化学过程的不确定性有关^[27].

图 3

Fig. 3

图 3 图3 2014年北京市SO2、 PM2.5模拟值与实测值对比 Fig. 3 Comparison between measured and simulated data of SO2 and PM2.5 in Beijing in 2014

在时间序列图分析的基础上，进一步统计了观测值与模拟值的标准平均偏差(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(SO₂)模拟值与监测值的相关系数分别为0.74、 0.82，NMB在-16%~-8%之间，NME在17%~20%之间，MFB在-18%~-11%之间，MFE在13%~15%之间.Lu等^[28]应用CMAQ对中国地区的模拟结果显示SO₂的NMB和NME分别为-51.85%~-12.7%和68.1%~77.3%； 李莉等^[29]用CMAQ模拟了长三角近地面二次污染物 O₃及 PM₁₀的浓度，验证结果显示O₃及 PM₁₀的模拟值与监测值的相关系数分别为0.77和0.52，模型对PM₁₀小时平均浓度的估算偏低10%，标准偏差为46%； 王茜^[30]用CMAQ对上海市秋季典型PM_2.5污染过程数值模拟验证分析表明PM_2.5的NMB在-45.9%~10%之间，NME在20%~65.5%之间； 本研究验证结果与Boylan等^[31]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^[32]较一致，模拟结果的误差在可接受范围内，保证了 PM_2.5污染特征与形成过程分析结果的可靠性.

表 1(Table 1)

表 1 观测值与模拟值的统计参数Table 1 Statistical parameters of measured and simulated data 项目 监测值/μg·m-3 模拟值/μg·m-3 R NMB/% NME/% MFB/% MFE/% PM2.5 85.90 71.32 0.74 -16 20 -18 15 SO2 21.83 15.56 0.82 -8 17 -11 13

表 1 观测值与模拟值的统计参数Table 1 Statistical parameters of measured and simulated data

图 4为2000~2014年北京市SO₂浓度、 SO₂排放量、 燃煤总量的逐年变化，数据来自北京环境统计年鉴^[33]. 从中可知，自2000年以来，北京市年均SO₂浓度呈下降趋势，其中2000~2006年SO₂浓度呈波动式下降，从71 μg ·m^-3下降至53 μg ·m^-3； 2007年起下降趋势明显，2008年年均浓度首次小于40 μg ·m^-3，2014年达到最低值22 μg ·m^-3. 2014年与2000年年均浓度相比累计降低69%左右，SO₂年均浓度的变化率为-3.5 μg ·(m³ ·a)^-1.受国民经济发展和能源改造的综合影响，北京市燃煤总量从2000年的2 109×10⁴ t上升至2005年的2 848×10⁴ t，2006~2014年逐年下降，2014年燃煤总量首次降至2 000×10⁴ t以下，为1 832×10⁴ t. SO₂排放量受燃煤总量和脱硫设施的综合影响，2000~2005年维持在18.28~22.39×10⁴ t之间，下降趋势并不明显； 2006年以来，北京市SO₂排放量呈明显下降趋势，从2006年的17.55×10⁴ t下降至2014年的8.1×10⁴ t，SO₂排放量变化率为-1.05×10⁴ t ·a^-1.北京市SO₂浓度与全市SO₂排放量有明显的正相关性，相关系数R为0.97； 而与燃煤总量相关性仅为0.42. 北京市SO₂排放量大幅降低与国家和北京市减排措施有关，2000年国家出台了《中华人民共和国大气污染防治法》，在国民经济和社会发展“十五”、 “十一五”、 “十二五”规划纲要中均提出了污染物排放总量减少的约束性指标； 北京市政府也陆续采取了16阶段控制大气污染物排放紧急措施，通过锅炉(炉型)改造、 提高煤炭质量、 散煤整治、 集中供热、 能源结构调整等措施，北京市空气质量有了明显好转.截至到2013年首钢、 焦化厂等1 000多家高污染企业退出，完成4.4万台燃煤茶炉大灶、 1.7万多台燃煤锅炉以及城市核心区27万户平房小煤炉清洁能源改造，对燃煤电厂全部实施了高效脱硫、 脱硝和除尘治理； 率先执行新车排放标准(国Ⅰ至国Ⅴ)，已淘汰黄标车15.6万辆，老旧机动车近140万辆； 扩大山区植树造林面积，城市绿化覆盖率提高到2013年的46.8%.2013年国家积极出台了《大气污染防治行动计划》，北京市政府相应制定发布了《北京市2013-2017 年清洁空气行动计划》，可以说产业结构调整、 高耗能产业的治理、 清洁能源改造等措施直接导致了SO₂年均浓度的下降.

图 4

Fig. 4

图 4 SO2年际变化曲线 Fig. 4 Annual variation of SO2 concentration

图 5为2008~2014年北京市SO₂浓度的逐月分布，从中可知，北京市 SO₂的月均浓度整体呈U型分布，其中12、 1、 2月的浓度最高，7年均值浓度分别为 69.34、 62.28、 51.36 μg ·m^-3，主要受采暖季燃煤的影响^[34]，冬季燃煤量较大，逆温较强，不利气象条件导致SO₂容易积累； 6、 7、 8月的浓度最低，7年均值浓度分别为 14.43、 9.16、 8.92 μg ·m^-3，主要由于这些月份排放量较低，加之大气垂直运动活跃，降水较多，扩散条件较好.2011年1月浓度明显低于其他年份同期，可能与当时典型气象条件有关； 气象观测结果^[35]显示2011年1月北京气温较常年偏低，华北大气冷空气活动频繁，污染物扩散条件较好.分季节来看，2008~2014年春季(3~5月)、 夏季(6~8月)、 秋季(6~8月)、 冬季(12、 1、 2月)平均浓度分别为26.73、 10.84、 20.47、 51.89 μg ·m^-3，整体呈现出冬季>春季>秋季>夏季(冬季较高，春秋季相当，夏季较低)的特征，这与数值模拟、 卫星反演^[36]对北京市SO₂浓度监测及反演的结果基本一致.

图 5

Fig. 5

图 5 SO2月变化曲线 Fig. 5 Monthly average concentration of SO2

图 6为运用 Kriging插值法^[37]得出的2008~2014年北京市SO₂空间分布，从区域分布上看，SO₂年均浓度的空间分布结构具有鲜明的特征，北部及西部山区SO₂浓度水平明显低于中心城区及西南、 东南部地区，这与北京的工业布局及产业结构有关，在北京重点污染源主要集中在城市的东部、 南部等地区，这些地区SO₂排放量较高有关. 从时间变化上看，SO₂年均浓度在40 μg ·m^-3对应的国土面积逐渐减少，中心城区和通州区等地SO₂年均浓度降低明显,经计算SO₂浓度在40 μg ·m^-3对应的国土面积比例从2008年的10.62%降至2014年的0%. 从不同站点监测浓度上看，受减排措施影响较大的石景山(首钢等企业搬迁)、 东四(煤改气、 散煤整治)、 通州(产业调整、 清洁能源利用等)等SO₂年均浓度从2008年的36.77、 34.51、 35.79 μg ·m^-3分别下降至20.47、 24.21、 28.79 μg ·m^-3，分别降低了44.32%、 29.84%、 19.57%.由于北部及门头沟等地区监测站点相对较少，站点较集中分布在城六区，浓度插值受采样点范围、 采样点密度、 插值方法、 地形等参数影响，插值的浓度分布结果具有一定的不确定性，需要进一步研究.

图 6

Fig. 6

图 6 2008~2014年北京市SO2空间分布 Fig. 6 Spatial distribution of SO2 in Beijing from 2008 to 2014

从2008~2014年采暖季与非采暖季SO₂浓度分布上看(图 7)，2008~2014年采暖季SO₂浓度在28.95~71.54 μg ·m^-3之间，2014年浓度最低，2008年浓度最高； 采暖季SO₂浓度均高于全年年均浓度及夏季平均浓度； 经计算2008~2014年采暖季SO₂浓度是年均浓度的1.22~1.59倍，是夏季平均浓度的3.23~5.84倍. 在采暖期，遍布全市的采暖用小煤炉及锅炉等排放出大量的SO₂，使得SO₂源的排放量处于较高水平.

图 7

Fig. 7

图 7 不同年份采暖季SO2浓度分布 Fig. 7 Distribution of SO2 concentration during heating season in different years in Beijing

从不同年份SO₂浓度与CO、 NO₂、 PM₁₀、 PM_2.5的相关系数 (表 2)上看，SO₂浓度与CO、 NO₂、 PM₁₀、 PM_2.5为正相关性，SO₂浓度与CO的相关系数普遍高于其他污染物； 采暖季与全年相关系数相比，SO₂浓度与CO、 NO₂、 PM_2.5的相关系数略有上升，与PM₁₀的相关系数有所下降.由于CO在大气中的生命时间约为1～2个月，在污染严重的情况下，通常大气处于稳定状态，从各个排放源排放出的CO易在城市上空积累，在偏南风作用下易输送，能较好示踪污染物传输及分布^[38]； 而清洁日CO在大气中一般处于不稳定状态，对流旺盛，浓度接近背景浓度水平且起伏变化较小.采暖期区域燃煤排放大气污染物是区域大气污染的主导性影响因素，周边高浓度污染物区域传输对北京污染物浓度作用明显，故采暖期间SO₂与CO、 NO₂、 PM_2.5相互之间呈现较强的相关关系，有着很强的同源性； 而PM₁₀来源较为广泛，燃煤、 冶金、 化工、 扬尘等多种污染源均会产生PM₁₀，一定程度上使得SO₂浓度与PM₁₀的相关系数低于其它污染物^[39].

表 2(Table 2)

表 2 SO2与CO、 NO2、 PM10、 PM2.5的相关系数 1)Table 2 Correlation coefficients between SO2 and CO, NO2,PM10,PM2.5 项目 2008 2009 2010 2011 2012 2013 2014 全年 采暖季 全年 采暖季 全年 采暖季 全年 采暖季 全年 采暖季 全年 采暖季 全年 采暖季 CO 0.83 0.92 0.78 0.88 0.84 0.89 0.72 0.77 0.78 0.62 0.83 0.89 0.82 0.82 NO2 0.72 0.89 0.71 0.88 0.73 0.88 0.73 0.79 0.70 0.94 0.77 0.88 0.64 0.80 PM10 0.43 0.73 0.45 0.54 0.35 0.65 0.46 0.79 0.48 0.85 0.66 0.56 0.56 0.55 PM2.5 — — — — — — — — — — 0.65 0.87 0.58 0.64 1)置信水平均为α=0.01

表 2 SO2与CO、 NO2、 PM10、 PM2.5的相关系数 1)Table 2 Correlation coefficients between SO2 and CO, NO2,PM10,PM2.5

根据文献[40]，0＜AQI≤50空气质量为优，50＜AQI≤100为良，100＜AQI≤150为轻度污染，150＜AQI≤200为中度污染，200＜AQI≤300为重度污染，300＜AQI≤500为严重污染. 2014年1月14~18日北京发生一次空气重污染过程，其中1月14日空气质量为轻度污染； 1月15日上升至重度污染； 1月16日跃升为严重污染， ρ(PM_2.5)日均值达355 μg ·m^-3，ρ(SO₂) 日均值达116 μg ·m^-3； 1月17日空气质量持续重度污染； 1月18日空气质量降至轻度污染； 重污染过程结束(表 3).经计算1月15~17日这3 d平均风速为1.17 m ·s^-1，相对湿度较大，平均为60.76%； 地面气压变化较为平稳，平均为-0.62 hPa，负变压导致周边污染物的汇聚； 24 h变温平均为0.13℃，为弱正变温.低风速、 负变压不利于污染物扩散； 高相对湿度有利于气态污染物向颗粒物的二次转化，污染会进一步加重； 正变温有利于重污染的维持； 边界层高度较低，是正常状况下的20%~50%^[41]，污染物被压缩在近地面层，浓度较高.重污染期间500 hPa以偏南、 偏西气流为主，地面天气形势以均压、 低压、 弱高压为主，少云无明显降水，整体不利于污染物扩散，为大气污染的形成及维持提供了稳定的大气环境背景^[42].

表 3(Table 3)

表 3 1月14~18日AQI与逐日天气状况Table 3 Variation of AQI and day-by-day weather condition during January 14th-18th in 2014 时间 (月-日) AQI ρ(SO2) /μg·m-3 ρ(PM2.5) /μg·m-3 地面 气压场 500 hPa 高度场 地面平 均风速 /m·s-1 地面风速 极大值 /m·s-1 PBL /m 平均相 对湿度 /% 24 h 降雨量/ mm 01-14 120 73 91 弱高压 槽后 0.96 2.10 460 50.61 0 01-15 224 86 173 弱高压转均压 浅槽前 0.71 2.03 443 46.73 0 01-16 404 116 355 均压、 低压 槽区 1.25 3.09 447 69.80 0 01-17 219 68 168 低压转弱高压 弱西北气流 1.54 3.53 470 65.76 0 01-18 119 47 90 弱高压转均压 偏西北气流 1.38 3.24 1 036 55.61 0 01-15~01-17 282 90 232 — — 1.17 3.53 571 60.76 0

表 3 1月14~18日AQI与逐日天气状况Table 3 Variation of AQI and day-by-day weather condition during January 14th-18th in 2014

重污染过程1月14~18日北京市实测污染物及相应时间段的气象要素的变化见图 8.从峰值浓度上看，CO、 PM_2.5在1月15日夜间至1月16日凌晨浓度达到峰值，峰值浓度分别为6.68 mg ·m^-3、 510.19 μg ·m^-3，SO₂在16日12:00浓度达到峰值，峰值浓度为156.99 μg ·m^-3； 与地面风速、 风向对比发现CO、 PM_2.5峰值浓度发生在“西南风转东北风”，而SO₂峰值浓度发生在“东北风转东南风”，其它高值也正好发生在风向转换的时候，与其他研究结果一致^[43,44].从日变化上看，SO₂、 CO、 PM_2.5在入夜后浓度逐渐上升，清晨受小股偏北风影响，浓度缓慢下降，中午前后浓度最低； 入夜后在偏南风作用下污染物浓度快速上升很可能与区域污染传输有关.从ρ(SO₂)/ρ(CO)、 ρ(PM_2.5)/ρ(CO)比值时间变化上看，重污染期间1月15~17日ρ(SO₂)/ρ(CO)、 ρ(PM_2.5)/ρ(CO)比值分别在0.013~0.061、 0.025~0.091之间，平均值分别为0.029、 0.075，高于全年0.015、 0.065的水平； ρ(PM_2.5)/ρ(CO)比值变化较为平缓，而ρ(SO₂)/ρ(CO)比值取决于ρ(SO₂)、 ρ(CO)浓度相对变化，呈现出一定的时间波动特征.

图 8

Fig. 8

图 8 SO2、 CO、 PM2.5浓度与 ρ(SO2)/ρ(CO)、 ρ(PM2.5)/ρ(CO)比值及地面风速的变化 Fig. 8 Variation of SO2,CO,PM2.5 concentrations, rates of ρ(SO2)/ρ(CO),ρ(PM2.5)/ρ(CO) and meteorological conditions

图 9为2014年1月14~18日08:00、 20:00时次京津冀PM_2.5、 SO₂空间分布，从时间演变上看，重污染过程前的1月14日京津冀地区较高浓度[ρ(PM_2.5)>150 μg ·m^-3、 ρ(SO₂)>80 μg ·m^-3)]的污染物主要分布在河北中南部； 1月15~16日较高浓度污染物覆盖了京津冀大部分地区； 1月17日京津冀西北地区浓度明显下降； 1月18日京津冀大部分地区浓度维持较低水平，河北中南部浓度又有所积累.从不同物种时空变化上看，SO₂浓度高值区主要集中在河北中南部、 天津、 唐山等地，这些地区工业企业、 电厂较为集中，SO₂排放量较大，北京SO₂浓度1月15日20:00、 16日20:00、 17日20:00受天津、 唐山影响较大； 而PM_2.5高值区主要集中在河北中南部，西南及东南两个方向区域高浓度PM_2.5传输及二次生成浓度累积速度较快，高浓度区域迅速扩大.从20:00与08:00高值区面积上看，对照图 8可知，傍晚、 入夜后在地面偏南风左右下，污染物浓度明显上升，高值范围明显扩大.由此可见区域输送对于各地区污染物浓度有着十分重要的影响，此次重污染案例属于典型的区域污染传输型案例.重污染过程中边界层高度及其他气象要素造成的污染物大气环境容量及浓度的变化也是此次重污染形成的一个重要原因，还需进一步研究； 总的来说，在此次污染过程中气象条件对重污染的形成和破坏起到了关键性的作用，今后要加强对重污染的研究，以有效预防和控制空气重污染.

图 9

Fig. 9

图 9 PM2.5, SO2空间分布 Fig. 9 Spatial distribution of PM2.5 and SO2 in Beijing-Tianjin-Hebei region

为精确、 定量计算不同地区污染物区域输送对北京SO₂浓度的影响，采用PAST源示踪技术初步计算了重污染过程(1月15~17日)中北京及周边地区电厂、 所有外来源对SO₂浓度的影响，结果显示空间分布(图 10，网格SO₂浓度进行了Kriging插值)上，SO₂较高浓度区域出现在保定、 邯郸、 石家庄一线，而北京本地的4家燃煤电厂主要影响的是电厂所在区域的局部地区，对北部及西部山区SO₂浓度影响较小. 经计算外来源对北京市(所占网格的平均) SO₂浓度的贡献率为83%，其中北京周边高架点源电厂贡献约占21%，唐山、 天津、 保定、 石家庄、 张家口电厂所占比例较大； 电厂贡献率远小于周边非电厂总源的贡献率，虽然高架点源输送距离更长，影响范围更大，但散煤、 小锅炉等其它污染源燃煤总量更大，北京4家主要燃煤电厂对全市SO₂浓度贡献率仅为3.5%，可见重污染过程中区域输送对北京SO₂起着更为重要的作用. 此次重污染过程外来源及电厂对北京SO₂贡献率统计结果与其他研究结果(表 4)具有一定的可比性，由于缺乏不同地域、 长时间序列SO₂跨区域输送规律研究，且模式的空间分辨率、 SO₂排放总量、 工业布局及产业结构变化、 模型参数的设置及计算方法的不同都会导致模拟结果的差异，这些差异是造成该研究中北京SO₂源贡献率与其他研究中存在差异的主要原因.

图 10

Fig. 10

图 10 SO2浓度贡献的空间分布 Fig. 10 Spatial distribution of SO2 contribution from thermal power industry and external sources

表 4(Table 4)

表 4 不同地区SO2贡献率比较Table 4 Contributions of SO2 in different districts 模拟时间 模型 污染源及影响地区 贡献浓度或贡献率 文献 2000年 1月 Lagrangian 北京工业点源对北京 7.50% [12] 2000年全年 ATMOS 周边源对北京 5.95 μg·m-3 [13] 2002年 11月 26~29日 CAMx 周边地区对北京 19.09% [11] 2002年全年 ISC3 高井发电厂对石景山区 8 μg·m-3 [14] 2005年采暖期 CAMx 天津、 河北电厂源对北京 6.40 μg·m-3 [45] 2008年全年 Calpuff 北京电厂源对北京 5.3% [15] 2011年全年 Calpuff 京津冀电厂源对北京 7.3 μg·m-3 [16] 2012年全年 CMAQ 周边源对北京 77% [46] 2004年1月 Calpuff 外部源对镇江、 嘉兴和绍兴 56% [47] 2004年全年 Calpuff 周边源对深圳 25% [48] 2004年全年 CMAQ 外部源对上海 7%~17% [49] 2005年1月1~3日 Calpuff 周边点源对阳泉 3.2% [50] 2007年全年 Calpuff 周边源对西安 23% [51] 2011年3月 NAQPMS 周边源对郑州 15%~20% [52] 2014年1月15~17日 CAMx 周边源对北京 83% 本研究 2014年1月15~17日 CAMx 天津、 河北电厂对北京 17.4% 本研究 2014年1月15~17日 CAMx 北京电厂对北京 3.5% 本研究

表 4 不同地区SO2贡献率比较Table 4 Contributions of SO2 in different districts

根据《北京市2013~2017年加快压减燃煤和清洁能源建设工作方案的通知》，2014年北京市完成首钢原厂区热力和生活区电力替代并关停高井燃煤热电厂； 2015年3月关停石景山燃煤热电厂和国华燃煤热电厂； 2016年关停华能燃煤热电厂.随着北京本地燃煤电厂的关闭及本市其它压减燃煤措施的实施，本地SO₂排放量将逐步下降，区域输送型重污染案例过程中本地源贡献率将进一步减小.

(1) 2014年与2000年相比北京市SO₂年均浓度累计降低69%左右，SO₂年均浓度的变化率为-3.5 μg ·(m³ ·a)^-1，北京市SO₂的月均浓度呈U型分布，季节分布上整体呈现出冬季>春季>秋季>夏季的特征，采暖季SO₂浓度明显高于非采暖季.

(2)空间分布上北部及西部山区SO₂浓度水平明显低于中心城区及西南、 东南部地区，受减排措施影响较大的石景山、 东四、 通州监测点的SO₂浓度降低明显.

(3)在2014年1月14~18日一次重污染过程中北京SO₂存在明显的区域输送，PAST源示踪技术初步计算显示外来源对北京SO₂浓度的贡献率为83%，其中北京周边高架点源电厂贡献占21%，北京4家主要电厂对全市SO₂浓度贡献率约为3.5%.