近年来, 京津冀及周边区域频繁出现长时间、大范围重污染过程, 对人体健康和生产、生活造成了很大影响, 引起了政府、媒体和广大学者的广泛关注, 不少研究针对重污染过程的成因、来源、PM_2.5污染特征或污染气象条件展开了分析讨论^[1~7].现有研究表明, 区域地形和污染排放是京津冀及周边重污染的主要原因, 此外, 地面受弱气压场控制、高湿度、静小风、较低的混合层高度、逆温等静稳天气条件也是秋冬季污染的重要原因^[8~15].京津冀及周边区域污染主要来自于生活源、交通源和工业源^[16], 二次转化在重污染的形成过程中起到重要作用, 二次无机离子和二次有机碳是导致重污染的主要原因^[17~20].京津冀地区主要受沿太行山东侧的西南向输送通道影响^[9], 西南和东南路径为北京典型污染传输通道^{[8, 21]}, PM_2.5在西南方向上的传输通量最高, 有时占总传输通量的60%以上^[22].郑州市冬季PM_2.5的潜在污染源主要为北部的京津冀传输通道城市，包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台^[23].太原空气质量受西南方向外来污染物输送的显著影响, 汾渭平原的陕西汉中、西安和山西的吕梁、临汾等地是重要潜在源^[24].

京津冀及周边是我国大气污染防治的重点区域之一, 包括北京市、天津市、河北省、山西省和山东省全部城市、以及内蒙古自治区中部和河南省北部部分城市, 仅京津冀大气污染传输通道上就有28个城市(以下简称“2+26”城市).但已有研究多数仅针对单个城市, 污染分析的监测数据也多来自地面监测单一维度.由于重污染通常不是单一城市的静态过程, 多数出现在连片城市群间, 而且单个城市不仅受本地污染排放的影响, 同时也受气象条件和外来污染传输的影响, 因此, 在分析重污染过程时, 宜全面分析区域污染演变过程, 可采用地面及激光雷达等监测手段, 利用多维监测数据结合气象条件进行综合研究.此外, 回顾重污染过程模式预报效果, 分析模式预报偏差原因, 可有效提高预报准确率, 有利于政府管理部门根据预报结果制订并采取有针对性地重污染应急响应措施, 对区域大气污染进行综合防治和管控, 从而消减重污染期间污染物排放量, 缩短重污染持续时间, 减低峰值浓度, 进而改善环境质量, 保护人民身体健康.

以PM_2.5为首要污染物的重污染叠加沙尘过程, 是加重污染过程的重要形式之一.吴兑等^[25]的研究表明, 粗粒子气溶胶远距离传输可造成华南地区空气的严重污染.此外, 长三角地区受天气系统、地面及边界层气象条件共同作用也会受到西北沙尘传输影响, 出现沙尘重污染过程^[26].京津冀及周边地区地处华北平原, 受西北沙尘长距离传输更为明显, 沙尘过境时, 不仅会使PM₁₀浓度上升, 也对PM_2.5有所贡献^[27].北京地区在春季较容易经历沙尘传输影响, 过程前期主要受西北气流作用或是蒙古气旋配合地面锋面导致外围沙尘南下, 过程后期可能受偏南风作用下的污染回流影响, 导致霾和沙尘混合污染的形成^{[28, 29]}.

2018年11月23日至12月4日, 京津冀及周边地区发生了一次重度及以上污染过程, 与以往重污染过程相比, 具有影响范围大、持续时间长的特点, 且为PM_2.5叠加两次沙尘传输的复合型污染过程.分析此次污染过程的特点和预报效果, 对今后环境空气质量预报和重污染应急管控具有重要意义.为此, 本文从首要污染物PM_2.5和PM₁₀的浓度变化特征和污染气象条件展开, 从空气质量自动监测和激光雷达监测两方面入手, 较为全面地分析了污染过程的演变, 并对空气质量模式预报效果进行了回顾分析, 讨论了模式预报不确定性的原因, 通过提高区域和城市预报准确率, 促进环境空气质量改善.

空气质量数据采用中国环境监测总站(“总站”)国家空气质量监测网空气质量自动监测城市审核数据, 主要包括AQI(air quality index)、PM_2.5和PM₁₀, 依据《环境空气质量标准》(GB 3095-2012)和《环境空气质量评价技术规范(试行)》(HJ 663-2013)进行评价.激光雷达数据采用总站点位地基雷达及总站车载走航监测数据, 气象资料来自韩国气象局天气实况分析.数据分析处理采用SPSS 19、Origin 2018和Excel.

空气质量预报基于全国空气质量预报预警系统, 采用NAQPMS(nested air quality prediction modeling system)模式、CMAQ(community multiscale air quality)模式和CAMx(comprehensive air-quality model with extensions)模式. 3个模式区域大小设置、网格数和分辨率相同, 均为三层嵌套网格, 覆盖东亚、中国中东部和京津冀区域, 水平网格分辨率分别为45、15和5 km.模式中心经纬度为25°N, 115°E, 水平方向为Lambert投影方式, 垂直方向为Sigma-Z地形追随坐标系.采用清华大学2016年空气质量模式网格化全国污染源清单MEIC(multi-resolution emission inventory for China), 精度0.25°×0.25°.采用WRF(weather research and forecasting model)气象模式提供动力驱动, 气象预报的初始条件、边界条件来自NCEP(national centers for environmental prediction)全球气象预报分析资料GFS(global forecast system).使用HYSPLIT-4(hybrid single particle lagrangian integrated trajectory model-4)后向轨迹模式向后追踪24 h污染轨迹, 轨迹起始点经纬度39.93°N, 116.33°E, 高度分别为100、500和1000 m.采用美国国家海洋和大气管理局NOAA(national oceanic and atmospheric administration)全球气象资料同化系统GDAS(global data assimilation system)气象资料, 精度1°×1°, 数据来源https://ready.arl.noaa.gov/archives.php.

2018年11月23日至12月4日, 京津冀及周边地区出现了一次大范围、长时间、PM_2.5叠加两次沙尘传输的重度及以上污染过程, 图 1(a)为京津冀及周边区域部分城市PM_2.5和PM₁₀小时变化情况.此次重污染过程起始于11月23日, 河北中南部城市石家庄、邯郸、邢台、衡水和河南北部安阳首先出现以PM_2.5为首要污染物的中至重度污染, PM_2.5小时浓度最高值245μg·m^-3(安阳). 11月24~25日, 区域大部城市污染加重, PM_2.5基本维持重度污染水平. 11月26日傍晚至11月28日, 区域大部地区受到西北沙尘传输过程影响, 沙尘过境城市PM₁₀浓度迅速上升[图 1(b)], 先后达到严重污染水平, 自北向南张家口、北京、石家庄、邯郸和郑州PM₁₀小时浓度峰值先后达到1589、864、794、709和656 μg·m^-3. 11月29日至12月2日, 区域北部受小股弱冷空气影响, 空气质量逐步改善至良, 其他地区仍维持中至重度污染, 个别城市严重污染, 首要污染物为PM_2.5或PM₁₀. 12月3日凌晨起, 受伴随冷空气的沙尘过程影响, 区域大部城市再次出现以PM₁₀为首要污染物的短时严重污染, 自北向南张家口、北京、石家庄、邯郸和郑州PM₁₀小时浓度峰值先后达到1263、580、499、738和766 μg·m^-3. 12月4日凌晨起, 受冷空气持续影响, 各项污染物浓度均下降；至12月4日午间, 区域大部地区空气质量转为良至轻度污染, 污染过程基本结束.整个过程中, 张家口、北京、石家庄、邯郸和郑州PM_2.5小时峰值浓度分别为239、319、387、321和380 μg·m^-3.

图 1

Fig. 1

图 1 京津冀及周边区域部分城市PM2.5和PM10小时变化 Fig. 1 Time series of PM2.5 and PM10 concentrations in parts of cities in Beijing-Tianjin-Hebei Region

京津冀及周边区域秋冬季的重污染通常以PM_2.5为首要污染物, 但本次重污染中经历了两次沙尘传输过程, 因此以PM_2.5/PM₁₀比值考量沙尘传输过程影响, 当PM_2.5/PM₁₀比值大于0.5时, 主要为PM_2.5影响阶段, 反之为PM₁₀影响阶段^{[30, 31]}.北京市重污染过程中PM_2.5浓度、PM₁₀浓度、以及PM_2.5/PM₁₀比例随时间变化情况见图 2.从中可知, 第一次沙尘传输过程前, PM_2.5/PM₁₀比值范围0.55~1.14, 首要污染物主要为PM_2.5. 11月27日01:00至11月30日03:00, 以及12月3日03:00至12月4日13:00的大部分时段, 受沙尘传输过程影响, PM₁₀浓度急剧上升, PM_2.5/PM₁₀比值小于0.5.第一次沙尘传输过程中, 北京PM₁₀小时浓度峰值出现在11月27日01:00, 浓度为864μg·m^-3, PM_2.5/PM₁₀比值0.20；第二次沙尘传输北京过程中PM₁₀峰值出现在12月3日04:00, 浓度为580μg·m^-3, PM_2.5/PM₁₀比值0.24.

图 2

Fig. 2

图 2 北京市PM2.5、PM10浓度和PM2.5/PM10比值时间序列 Fig. 2 Times series of PM2.5 and PM10 concentrations in Beijing

此外, 对比两次沙尘传输过程中典型城市PM₁₀浓度峰值[图 1(b)]、污染传输路径和速度发现, 第一次沙尘过程对京津冀及周边区域颗粒物浓度及空气质量的影响要大于第二次沙尘传输过程.第一次沙尘过程中, 以张家口为代表的北部城市PM₁₀小时浓度峰值更高, 河南和山东省大部城市也受到第一次沙尘传输过程影响出现污染堆积, 空气质量以中至重度污染为主, 局地达到严重污染水平.此次重污染过程中, 京津冀传输通道“2+26”城市中保定、唐山、廊坊、邢台、石家庄、安阳、天津、邯郸、开封、焦作、郑州和菏泽等12个城市AQI日均值达到严重污染水平, 其余16个城市均达到重度污染水平.河南安阳、濮阳和山东菏泽等城市污染持续时间最长, 持续8 d重度污染.

2018年11月23日, 京津冀及周边地区500 hPa高空位于槽前, 地面受低压控制[图 3(a)], 受空中西南暖湿气流和地面水平辐合共同影响, 河北中南部至河南北部大气扩散条件较差, 有利于污染物累积, 污染物浓度呈现南高北低分布. 11月24日傍晚[图 3 (b)], 区域水平辐合加强, 大气静稳, 夜间湿度增大, 导致颗粒物吸湿增长和二次转化作用加强, 区域污染持续加重, 多个城市达到重度污染水平, 河南部分城市出现严重污染. 11月25日早晨, 受高压前部弱冷空气影响, 区域北部扩散条件略有改善；夜间, 受低空西南暖湿气流影响, 地面弱气压场[图 3(c)], 维持高湿、静稳的不利扩散条件, 在本地累积、偏南风区域输送、颗粒物吸湿增长和二次转化共同作用下, 污染物在太行山-燕山山前堆积, 区域污染形势整体加剧, 河北南部达到严重污染. 11月26日夜间开始, 地面冷空气东移南下[图 3(d)], PM_2.5浓度降低, 而该股冷空气携带上游沙尘过境, 叠加本地扬尘, PM₁₀浓度急剧升高, 多个城市AQI值达到500峰值.

图 3

Fig. 3

图 3 污染过程期间地面天气形势 Fig. 3 Surface field pressure pattern in heavy air pollution

11月27日, 伴随地面冷高压持续向南推进[图 4(a)], 上游沙尘和细颗粒物持续输送, 区域中南部污染物浓度暴发式增长, 石家庄、济南和郑州AQI先后达到500峰值. 11月28日, 中层天气形势转为槽前西南气流控制[图 4(b)], 区域中南部受不断发展北伸的倒槽控制[图 4(c)], 风力微弱, 近地面逆温, 水平和垂直方向均不利于污染物扩散, 前期传输至此的污染物仅靠粗颗粒物自身重力沉降无法达到污染浓度快速下降的效果, 因此在河南北部和山东西部形成污染堆积, 空气质量以重度污染为主, 局地达到严重污染. 11月29日凌晨, 在新一轮弱冷空气作用下[图 4(d)], 区域扩散条件自北向南依次改善, 高浓度污染区向南推移至河南中南部, 京津冀及周边地区空气质量以中度污染为主.

图 4

Fig. 4

图 4 污染过程期间地面、850 hPa和500 hPa天气形势 Fig. 4 Surface field pressure, 850 hPa pressure, and 500 hPa pressure pattern in heavy air pollution

11月30至12月1日, 地面弱气压场[图 5(a)], 扩散条件不利, 前期沙尘和细颗粒物污染尚未彻底消散, 仍残留在区域中南部, 而地面东北高压又带来了小股偏东气流[图 5(b)], 残留污染叠加回流污染气流, 再次导致河北南部和河南北部等太行山脉东侧城市的重度污染. 12月2日夜间起, 地面冷锋过境[图 5(c)], 受锋后冷高压影响, 降湿效果显著, 大气扩散条件改善, PM_2.5浓度持续下降, 与此同时受上游沙尘传输影响, PM₁₀浓度陡升, 但由于传输路径及速度不同, 未达到前期污染水平. 12月3日白天至12月4日上午, 在地面冷高压不断作用下[图 5(d)], 大气扩散条件自北向南依次改善, 同时上游沙尘伴随冷高压前锋不断向南推移, 下游地区在经历短时污染加重之后, 空气质量自北向南依次好转. 12月4日12:00, 区域大部空气质量良到轻度污染, 南部局地中度污染, 京津冀及周边区域的污染过程逐步结束.

图 5

Fig. 5

图 5 污染过程期间地面天气形势 Fig. 5 Surface field pressure pattern in heavy air pollution

重污染过程期间, 在北京及周边进行激光雷达监测. 2018年11月24日“北京-天津-霸州-固安-北京”车载激光雷达走航路线结果如图 6所示, 去程北京至天津路段, 消光系数相对较低, 表明细颗粒物浓度相对较低, 行至霸州路段时消光系数明显增大, 颗粒物浓度显著升高.回程霸州至北京路段, 两城市消光系数均抬升至较高水平, 北京市消光系数较去程显著增大.结合风场分析可知, 走航期间0.5 km高度以下有明显的风向转换, 由3~4级偏北风转为3~4级偏南风, 北京一定程度上受霸州等偏西南方向近地面传输影响, 颗粒物浓度升高.同时, 在天津至霸州和霸州至北京路段, 可见高空1 km左右存在颗粒物传输带, 与本地近地面污染物融合, 加重当地污染.

图 6

Fig. 6

图 6 2018年11月24日“北京-天津-霸州-固安-北京”走航监测结果 Fig. 6 Extinction coefficients and depolarization ratio observed by mobile lidar along route of Beijing-Tianjing-Bazhou-Guan-Beijing on Nov. 24, 2018

11月26日08:00起, 受较强西北气流影响, 沙尘入境河北西北部地区, “北京六环绕行”走航结果见图 7, 从中可知, 污染物主要集中在1.4 km以下, 六环沿线全程消光系数普遍处在较高水平, 颗粒物浓度较高, 0.6~1.0 km上空存在沙尘污染带. 15:30左右, 颗粒物消光系数迅速减小, 近地面退偏振比明显升高, 表明有沙尘过境, 高空沙尘将PM_2.5污染物压至0.2 km以下, 北京地区近地面污染物加速积累.

图 7

Fig. 7

图 7 2018年11月26日北京六环绕行走航监测结果 Fig. 7 Extinction coefficients and depolarization ratio observed by mobile lidar around Sixth Ring Road on Nov. 26, 2018

根据总站地基雷达监测结果(图 8), 11月26日全天北京地区近地面消光系数较高, 12:00左右退偏振比明显升高, 15:00高空沙尘沉降在0.5 km左右高度. 11月27日00:00左右, 沙尘沉降至近地面, 污染达到峰值, 随后强度随时间逐渐减弱. 12月3日00:00左右, 总站地基雷达监测到沙尘再次入境, 随后边界层内污染物主要以粗颗粒物为主, 12月3日12:00后, 随着冷空气进入, 北京地区污染物逐渐扩散清除.

图 8

Fig. 8

图 8 中国环境监测总站地基雷达监测结果 Fig. 8 Extinction coefficients and depolarization ratio observed by lidar located in China national environmental monitoring center (CNEMC)

采用HYSPLIT-4后向轨迹模型进一步对部分时刻北京的污染气团来向进行分析, 结果见图 9.此次重污染过程中北京PM_2.5浓度峰值浓度311μg·m^-3出现在2018年11月26日14:00, 如图 9(a)所示, 该时刻高空1000 m、低空500 m和低空100 m污染气团均来自西南方向的河北中南部和河南北部.如图 9(b)所示, 第一次沙尘过程, 气团传输距离较远, 移动速度较快, 由新疆天山北麓, 经多个沙源地进入京津冀及周边区域. 12月2日00:00[图 9(c)], 北京本地污染叠加东南方向回流污染气团, 再次导致了重度污染. 2018年12月3日04:00[图 9(d)], 北京出现本次重污染中第二次沙尘过程的PM₁₀峰值, 对比图 9(b)和图 9(d)可以发现, 该时段污染气团也是来自西北方向, 但移动速度较慢, 传输距离较近, 沙尘携带的粗颗粒物在传输过程中部分沉降, 因此北京第二次沙尘过程PM₁₀浓度峰值632μg·m^-3低于第一沙尘浓度峰值1147 μg·m^-3.

图 9

Fig. 9

图 9 北京市污染过程期间部分时段24 h污染气团轨迹 Fig. 9 The 24 h backward trajectories determined by HYSPLIT-4 model arriving at Beijing in typical period in heavy air pollution

选取河北北部张家口、北京、天津、河北中部石家庄、河北南部邯郸、山东西部济南、河北、山东和河南三省交界地区城市濮阳、以及河南北部郑州等8个典型城市, 分析重污染过程期间NAQPMS、CMAQ和CAMx这3个模式对京津冀及周边地区PM_2.5浓度的预报效果, 部分城市模式24 h PM_2.5预报结果与实况小时监测结果对比见图 10.从中可知, 2018年11月23~26日白天期间, 3个模式对京津冀中北部城市预报效果均较好, 污染起始时间、发展演变趋势总体一致, 但对河北南部邯郸和河南北部濮阳的污染形势预报偏低. 11月26日晚间至11月28日本轮重污染第一次沙尘传输过程期间, 模式对大部分城市预报偏低, 这主要是由于模式PM_2.5预报对沙尘传输和本地扬尘所增加的PM_2.5预测不足. 11月28日至12月1日期间, 3个模式对北京、天津和河北典型城市预报整体偏高, 主要原因是此期间区域北部白天有多次小股弱冷空气扰动, 而模式对局地较小扰动的物理化学机制还不非常清楚, 无法准确预测此期间污染物小时浓度的变化.同时, 模式对京津冀下游东南方向的济南和濮阳预报总体偏低, 可能是模式未能预测到沙尘传输滞留期间, 细颗粒物浓度的攀升及维持. 12月2~3日期间, 模式对张家口、北京污染低估, 对其它城市均略有高估, 这主要是由于在此期间京津冀北部区域遭遇了本次重污染过程的第二次沙尘传输影响, 模式对受沙尘传输过程影响的城市PM_2.5浓度升高预测不足.此外, 3个模式均能较好地预测到12月3日午后至12月4日污染过程的消散.

图 10

Fig. 10

图 10 张家口、北京、天津、石家庄和邯郸、济南、濮阳、郑州NAQPMS、CMAQ和CAMx模式24 h PM2.5预报与实况监测小时结果对比 Fig. 10 Comparison of PM2. 5 hourly concentration with NAQPMS, CMAQ, and CAMx between predicted and measured data in Zhangjiakou, Beijing, Tianjin, Shijiazhuang, Handan, Jinan, Puyang, and Zhengzhou

采用相关系数(R)、均方根误差(RMSE)、平均偏差(MB)和标准化平均偏差(NMB)对模式数值日均预报结果进行评估.典型城市PM_2.5和PM₁₀模式24 h预报评估结果见表 1和表 2.如表 1所示NAQPMS模式PM_2.5预报值与实际监测值的Pearson相关系数(双尾检验, 显著性水平0.05)为0.459~0.778, CMAQ模式为0.228~0.680, CAMx模式为0.301~0.686, 均与实况具有较好的相关性.RMSE值范围分别为9~23、9~24和9~27μg·m^-3, 表明模式略有高估.MB值范围分别为-2~2、-3~3和-3~4μg·m^-3, NMB值范围分别为-16%~25%、-26%~38%和-25%~60%, 表明模式PM_2.5预报值与实际监测值趋势总体一致, 预报效果较好. 3个模式对比而言, NAQPMS模式对此次重污染过程PM_2.5浓度的预报效果要略好于其他模式.

表 1 (Table 1)

表 1 NAQPMS、CMAQ和CAMx模式PM2.5 24 h预报结果评估 Table 1 Evaluation of 24 h PM2.5 forecasting results with NAQPMS, CMAQ, and CAMx 城市 NAQPMS模式 CMAQ模式 CAMx模式 R RMSE/μg·m-3 MB/μg·m-3 NMB/% R RMSE/μg·m-3 MB/μg·m-3 NMB/% R RMSE/μg·m-3 MB/μg·m-3 NMB/% 张家口 0.426 9 -1 -16 0.421 9 -1 -15 0.490 9 0 -6 北京 0.778 12 2 23 0.680 12 1 8 0.686 15 2 29 天津 0.549 16 1 19 0.375 21 3 38 0.301 27 4 60 石家庄 0.443 23 2 25 0.351 24 2 25 0.359 24 3 33 邯郸 0.583 13 1 6 0.228 17 0 -3 0.307 18 1 6 济南 0.474 12 1 9 0.560 10 0 -5 0.538 12 1 10 濮阳 0.667 13 -2 -16 0.634 15 -3 -26 0.629 15 -3 -25 郑州 0.679 12 1 9 0.663 11 -1 -7 0.628 14 1 10

表 1 NAQPMS、CMAQ和CAMx模式PM2.5 24 h预报结果评估 Table 1 Evaluation of 24 h PM2.5 forecasting results with NAQPMS, CMAQ, and CAMx

表 2 (Table 2)

表 2 NAQPMS、CMAQ和CAMx模式PM10 24 h预报结果评估 Table 2 Evaluation of 24 h PM10 forecasting results with NAQPMS, CMAQ, and CAMx 城市 NAQPMS模式 CMAQ模式 CAMx模式 R RMSE/μg·m-3 MB/μg·m-3 NMB/% R RMSE/μg·m-3 MB/μg·m-3 NMB/% R RMSE/μg·m-3 MB/μg·m-3 NMB/% 张家口 -0.057 57 -9 -72 -0.096 57 -9 -72 -0.062 56 -9 -68 北京 0.122 26 -3 -25 0.074 28 -4 -36 0.056 27 -2 -19 天津 -0.027 24 -2 -20 -0.143 25 -1 -10 -0.184 29 1 10 石家庄 0.237 39 -7 -31 0.170 40 -7 -33 0.147 36 -5 -26 邯郸 0.062 48 -11 -47 -0.064 53 -12 -52 -0.107 49 -11 -45 济南 -0.154 42 -8 -40 0.217 44 -10 -49 0.064 39 -7 -38 濮阳 -0.006 38 -8 -43 0.128 41 -9 -50 0.021 40 -9 -47 郑州 -0.037 44 -7 -37 0.009 47 -9 -45 -0.074 42 -6 -30

表 2 NAQPMS、CMAQ和CAMx模式PM10 24 h预报结果评估 Table 2 Evaluation of 24 h PM10 forecasting results with NAQPMS, CMAQ, and CAMx

如表 2所示, 3个模式PM₁₀预报值与实际监测值的相关系数相对较差, RMSE值范围分别为24~57、25~57和29~56μg·m^-3, 表明模式PM₁₀预报有高估.MB值范围分别为-11~-2、-12~-1和-11~1μg·m^-3, NMB值范围分别为-72%~-20%、-72%~-10%和-68%~10%, 表明模式PM₁₀预报值与实际监测值趋势总体一致, 但存在预报偏差.PM₁₀模式预报效果差于PM_2.5, 主要是由于模式对沙尘发展过程的动态演变趋势模拟预报存在一定偏差, 因此影响PM₁₀预报效果, 此外, 目前模式在计算PM₁₀浓度时没有把沙尘过程带来的PM₁₀计算进去, 造成此次PM_2.5叠加两次沙尘的重过程中PM₁₀的预报存在一定偏差.

从上述分析可以看出, 3个模式基本上均能够预测到整个重污染过程的时空演变, 但对不同城市不同污染阶段预报效果不尽相同, 个别城市的污染起始时间、积累速度、浓度峰值、改善时间、以及沙尘区域传输预报结果也略有偏差, 这也是空气质量预报多采用多模式和集合预报的原因.不同城市预报效果不同, 以及小时浓度预报偏差产生的可能原因主要是:①气象模式预报存在不确定性：气象模式WRF边界层模拟准确率以及沙源地起沙过程预报有待进一步提高. ②大气化学反应机制存在不确定性：局地较小扰动的物理化学机制不明晰, 区域空气质量模式对小尺度城市级的精细化预报准确度有待提高. ③排放清单的不确定：排放源清单中污染物排放日变化特征缺乏或不准确, 可能导致小时浓度预报不准；此外模式预报未考虑人为污染源的改变, 因此, 此次重污染过程中各地区停产、限产、错峰生产等各种应急响应措施的执行也会导致预报偏差.

(1) 2018年11月23日至12月4日, 京津冀及周边地区出现了一次大范围、长时间重度及以上污染过程, PM_2.5叠加两次沙尘传输, 导致京津冀传输通道“2+26”城市均达到重至严重污染水平.第一次沙尘传输对京津冀及周边区域颗粒物浓度及空气质量的影响要大于第二次沙尘传输过程, 整个重污染期间, 张家口、北京、石家庄、邯郸和郑州PM₁₀小时浓度峰值为1589、864、794、738和766 μg·m^-3, PM_2.5小时浓度峰值浓度为239、319、387、321和380 μg·m^-3.

(2) 气象条件对区域重污染的形成、发展及消退具有很大影响, 地面弱气压场、高湿、逆温等静稳天气条件和西北路径沙尘传输是导致此次重污染过程的主要气象和天气因素.

(3) 激光雷达地基和车载走航监测, 结合地面环境空气质量自动监测和气象因素分析可较好地观测和研究区域污染传输情况, 揭示了该次重污染过程中, 区域西南、西北和东南传输通道发生了污染物传输.HYSPLIT后向轨迹表明, 北京在以PM_2.5为首要污染物的重污染阶段主要受西南和东南方向污染输送影响, 在PM₁₀为首要污染物的重污染阶段主要受西北方向沙尘传输影响.

(4) NAQPMS、CMAQ和CAMx这3个模式均可预测到重污染过程的时空演变, 但对个别城市的污染起始时间、积累速度、浓度峰值、改善时间、以及沙尘传输预报略有偏差.这与气象模式预报、大气化学反应机制、污染源清单的不确定性和重污染应急响应导致的污染源排放改变有一定关系.