近年来，雾天和灰霾天气[悬浮在空气中的大气气溶胶导致可察觉的能见度下降的一种天气现象(Husar and Holloway，1984)]在较发达地区和大型城市出现的频率越来越高。Kaiser and Qian(2002)分析了1954～1998年中国气象局的600个观测台站处的每日温度、能见度和日照持续时间，发现日照持续时间在中国大陆特别是东半部地区，从1980年显著下降。Che et al.(2007，2009)分析了1980～2005年的中国31个不同省份的气象观测台站的能见度数据，认为在中国东部和西南部灰霾天气发生频率呈上升的趋势。王喜全等(2013)利用高时空密度机场逐时能见度和天气现象的历史数据，分析得出北京－天津－河北平原的大城市灰霾天气日数呈增加的趋势。孙彧等(2013)根据1971～2010年567个中国地面观测站点的雾日数和霾日数的资料，指出雾主要分布在东南沿海地区、四川盆地地区、湖南－贵州交界、山东沿海以及云南南部等地区，而霾主要集中于华北、河南以及珠三角和长三角地区，并且秋、冬季雾和霾的分布大于春、夏季。Zhang et al.(2012)根据681个气象台站观测的能见度数据总结了中国灰霾高发地区有华北地区、长三角地区、珠三角地区以及四川盆地。樊文雁等(2009)分析了北京地区雾霾天气下气溶胶垂直分布观测数据，指出雾霾天细粒子主要来源于局地，表现为时空分布均匀的城市区域污染特征。闵敏等(2009)分析了河北香河县太阳光度计以及激光雷达数据，指出灰霾过程中气溶胶光学特性呈现散射能力增强，吸收能力减弱的特征。雾霾天气已经成为一种新型的灾害性天气，不仅仅导致能见度下降，给交通、人民生活带来不便，也对人类的身体健康有很大的危害(Kunii et al.,2002)。2013年1月期间，尤其是11～14日，在华北地区，中国气象局发布了多次大雾黄色警报，中国环境监测总站的全国城市空气质量实时发布平台显示，北京、河北、山东等多地空气质量达严重污染，细颗粒物(PM2.5，大气中直径小于等于2.5 μm的颗粒物)指数直逼最大值，中华人民共和国环境保护部公布的北京地区的空气污染指数也频繁在300之上，即为严重的空气污染(http://www.gz.chinanews.com/content/2013/ 01-13/25632.shtml[2013-07-15])。

大量排放源(Streets et al.,2001; Zhang et al.,2009)排放出一次气溶胶和二次气溶胶的前体物，使经济发达地区大气气溶胶的浓度值增高(Chan and Yao，2008)，是城市雾霾天气形成的主因。很多观测研究揭示了中国地区灰霾天气下的气溶胶浓度变化特征。Tan et al.(2009)基于2002～2003年夏季和冬季灰霾日和非灰霾日的气溶胶观测数据，发现灰霾日的颗粒物主要是细颗粒物，其中二次颗粒物是主要的化学成分并且浓度显著增高，之后通过能见度和化学成分的相关分析指出在非灰霾日含碳气溶胶和硫酸盐气溶胶是主要成分而在灰霾日硝酸盐气溶胶和含碳气溶胶是主要成分，通过能见度和气象要素的相关分析指出在灰霾日，能见度随着温度和风速的上升而上升，随着相对湿度的增加而减小。Wang et al.(2006)分析了2001～2004年北京城区春季灰霾天气和沙尘天气的细颗粒物和总悬浮颗粒物(Total Suspend Particle，TSP)的观测资料显示，在灰霾天气，硫酸铵、硝酸铵以及硝酸钙是气溶胶的主要成分，而在沙尘天气，碳酸钙、硫酸钙和硫酸铵则是主要成分。Cheng et al.(2011)则分析了2006年4月至2007年1月的济南市灰霾日和非灰霾日的气溶胶观测资料发现，TSP、PM10(大气中直径小于等于10 μm的颗粒物)和PM1.8(大气中直径小于等于1.8 μm的颗粒物)在灰霾日是非灰霾日的1.5～5.5倍，而硫酸盐和硝酸盐的粒径分布都是双模态，其中细模态占主导地位。Li et al.(2011)基于2009年11月9～20日的华北地区的痕量气体和气溶胶的观测资料，指出在灰霾日氮氧化物、二氧化硫和一氧化碳是非灰霾日的2～6倍，而臭氧的变化不大，细颗粒物和黑碳气溶胶则是非灰霾日的3倍，并且结合Moderate Resolution Imaging Spectroradiometer(MODIS)卫星真彩图，发现灰霾不仅覆盖城市工业区也覆盖了临近的乡村地区。除了高浓度的大气气溶胶，典型的天气形势和气象要素也是雾霾形成的主要影响因素。根据Kohler理论和观测研究，环境相对湿度对于气溶胶粒子是否吸湿增长成为霾滴或雾滴是非常重要的(Xiao et al.,2011)。Wu et al.(2005)分析广州地区观测的能见度数据表明在2003年11月2日的平均能见度不足2 km，其中瞬时能见度低于200 m，通过分析气象条件，指出由于广州市在当时台风的外围，大气底层出现较强的下沉运动，地表风速和边界层高度很低，使得气溶胶聚集在大气低层，无法扩散、浓度升高，致使能见度急剧降低。Ji et al.(2012)分析了华北地区PM10的观测资料，发现在2009年10月27日至11月10日出现严重的大气污染，并且伴随着区域灰霾和低能见度，其中最高的PM10浓度出现在石家庄市，达到600 μg m^-3，通过分析气象条件，指出天气形势和长距离输送是灰霾和大气污染主要的形成原因，低风速、逆温层以及低对流层高度使得颗粒物浓度升高。Han et al.(2013)利用空气质量模式RAMS(Regional Atmospheric Modeling System)-CMAQ(Community Multiscale Air Quality)模拟了2010年12月的华北地区的一次空气污染事件，模拟结果表明在华北地区，低能见度(小于10 km)主要是在北京、天津、河北和山东地区，敏感性试验表明低能见度主要是由局地污染聚集和长距离输送引起的高浓度的细颗粒物造成的，当细颗粒物浓度高于75 μg m^-3的时候，易造成10 km以下的低能见度，并且硫酸盐和硝酸盐是两种主要的无机气溶胶成分，对消光的贡献可达40％～50％。

如上所述，对雾霾天气的观测研究较多，而模式研究较少。为了对雾霾天气进行预报以及探讨其形成原因，本文应用WRF(Weather Research and Forecasting)-Chem大气化学数值模式对2013年1月华北地区的重雾霾过程进行模拟，将模拟所得的气象要素和能见度与观测值进行对比，再进一步对重雾霾过程个例的污染物和气象条件的时空分布特征进行详细分析，计算气溶胶的收支平衡，讨论其成因。

能见度和气象参数的观测数据来自于中国气象科学数据共享服务网，包括1951～2013年1月的各气象要素(温度、湿度、降水、风速、风向、能见度)(http://cdc.cma.gov.cn/home.do[2013-04-01])。本文主要用到的是北京站点(站号54511，39.96°N，116.28°E)和天津站点(站号54527，39.10°N，117.17°E)，其中温度、湿度、降水、风速和风向为日均值，能见度为每天4次(00:00、06:00、12:00、18:00，北京时间，下同)的小时值。北京站的温度和湿度的气象探空资料来自于http://weather.uwyo.edu/ upperair/sounding.html [2013-04-01]。污染物浓度的观测数据来自北京市环境监测中心发布的实时空气质量数据(http://zx.bjmemc.com.cn/ [2013-04-01])，本文所用的站点为奥体中心(39.96°N，116.40°E)的细颗粒物地表浓度，其观测时间为1月16～31日。

WRF模式是新一代的中尺度模式，与化学模块耦合之后，WRF-Chem可以同时模拟痕量气体和气溶胶浓度以及气象场(Grell et al.,2005)，Chem作为一个模块与ARW的动力计算部分具有相同的时间步长，在动力输送每次计算之前，Chem模块中的化学模块和气溶胶模块都会计算一次。本文模拟水平区域(见图 1)为90(东西)×80(南北)网格点，水平分辨率为27 km，区域中心位于中国中部(117°E，36°N)，覆盖中国中东部地区(25°N～46°N，101°E～134°E)。垂直方向有35层，最高至10 hPa处，约有13层在2 km以下。本文使用龙格库塔三阶时间积分方案，NOAH陆面模式，Mellor- Yamada-Janjic行星边界层方案，Grell-Devenyi集合积云对流参数化方案，Lin微物理过程方案，RRTMG长波/短波方案。化学过程方面，本文使用CBMZ(Carbon Bond Mechanism)光化学机制，MOSAIC(Model for Simulating Aerosol Interactions and Chemistry)气溶胶方案。此气溶胶方案按粒径将气溶胶分为8个档位，在档位内假设气溶胶为内部混合、在档位外假设气溶胶为外部混合。模式所需的气象场的侧边界条件和初始条件由NCEP 6 h间隔的1°(纬度)×1°(经度)最终分析资料(FNL)提供。化学场的侧边界条件是WRF-Chem中的缺省值(McKeen et al.,2003)，是来自于飞机观测的清洁大气和海洋上空的中纬度平均状态的无变化垂直廓线。

图 1 模拟区域以及各观测站点的位置Fig. 1 The study domain and the locations of observation stations

其中，i表示所在的模态，r_i是湿半径，x_i是粒径参数，n是数浓度，b_s是散射系数，Q_e是消光效率，Q_s是散射效率，g’是中间不对称因子。Q_e、Q_s和g’的计算是基于Ghan et al.(2001)的参数化方法，根据Mie理论，是粒径参数化x=2πr/λ的函数，其中r是粒子的湿半径。例如，Q_e有如下的Chebyshev多项式计算公式

其中，T_k(x)是k阶的Chebyshev多项式。系数A_k取决于模态内的平均折射指数，在每个模态中，每种化学组分都对应一个复折射指数，然后此模态的折射指数通过体积平均得到。为了减小计算量，将折射指数划分为7组，计算每组折射指数对应的一套Chebyshev扩展系数，并对Chebyshev扩展系数使用双线性。将系数带入到公式(4)中，计算消光效率，进而计算消光系数(Fast et al.,2006)。由于这种方法的计算量没有实时地对影响气溶胶光学性质的各种参数，如尺度分布、相对湿度、入射波长进行灵活调整以适应实际模式的运算需要，因此在计算上会存在一定误差。

模式中气溶胶的吸湿增长的描述则是以Kohler理论为基础，每个模态内的吸湿增长由相对湿度、平均干半径、每种气溶胶成分对吸湿的贡献、以及上一个时间步长处气溶胶水的含量计算得出的。每个模态内的总的吸湿因子B由以下公式计算：

其中，j代表某种特定的化学成分，B_j是每种化学成分的吸湿因子，q_j是每种化学成分的质量混合比，ν_j是可溶粒子的数量，f _j是渗透参数，ε_j是可溶质量比例，ρ_j和M_j是气溶胶成分的密度和摩尔质量，ρ_w和M_w是水的密度和摩尔质量。在模式中，各气溶胶成分(包括硫酸铵、海盐、沙尘、黑碳、有机碳)的以上参数都参考观测值和经验值设定一个固定值，其中黑碳是假定为不可溶的物质，吸湿因子很小。之后湿半径r_w就可由以下公式解出：

其中，R为相对湿度，r_d是干半径，A是开尔文效应参数，σ_s/a是溶液滴表面张力，T是温度。这种计算吸湿增长的方法由于对以上吸湿因子的各种参数都是给定固定值，在相对湿度较高的时候，计算结果会比较合理，而相对湿度较低的时候，计算结果会具有较大的不确定性。

表 1(Table 1)

表 1 2013年1月北京站和天津站气象要素和能见度的观测值和模拟值的统计分析 Table 1 Statistical analysis of the simulated and observed meteorological elements and visibilities at Beijing and Tian stations in Jan 2013

表 1 2013年1月北京站和天津站气象要素和能见度的观测值和模拟值的统计分析 Table 1 Statistical analysis of the simulated and observed meteorological elements and visibilities at Beijing and Tian stations in Jan 2013

CO(carbon monoxide)、氮氧化物(NO_x，nitrogen oxides)、SO₂(sulphur dioxide)、挥发性有机化合物(VOCs，volatile organic compounds)、黑碳(black carbon，BC)、有机碳(organic carbon，OC)、细颗粒物以及PM10的人为排放源是由清华大学提供的东亚地区2010年排放源月均值，它由4个部分(电力、工业、住宅和运输)组成，并根据Wang et al.(2010)的研究结果，加入排放源的日变化信息。NH₃的排放源由REAS(Regional Emission inventory for Asia domain，http://www.jamstec.go.jp/frsgc/ research/d4/emission.htm [2012−09−10])提供。由于东亚的人为排放源没有垂直分布信息，因此，排放源信息是作为模式中物种的最底层浓度。生物质燃烧排放源是来自GFED(Global Fire Emissions Database，Version 3)提供的(van der Werf et al.,2010)月均值。生物排放源是来自MEGAN(Model of Emission of Gases and Aerosol from Nature)(Guenther et al.,2006)。沙尘排放源是在模式中实时计算的，按照Zhao et al.(2010)。

表 1是北京站和天津站气象要素和能见度的观测值和模拟值的统计分析。可以看到，模式可以较好地模拟温度和湿度(见图 2)，模拟值和观测值的相关系数都在0.83～0.92之间，标准偏差约为10%，模式也可以模拟出1月20～21日之间两个站点有降水，但是低估了日降水量。风速的模拟值和观测值之间的相关系数约在0.4～0.6之间，模式低估了平均风速，这可能是由于模式使用的下垫面资料比较陈旧。模式对最大风速的模拟较好，也合理地模拟了最大风速的风向的日平均值。总体来说，模式合理地模拟了2013年1月各气象要素的变化特征，这是模拟化学场的基础。

图 2 2013年1月华北地区北京站（左列）和天津站（右列）观测和模拟的（a、b）温度日平均值、（c、d）相对湿度日平均值和日降水量、（e、f）风速和最大风速的日平均值、（g、h）最大风速的风向的日平均值Fig. 2 observed and simulated (a, b) daily averaged temperature, (c, d) daily averaged relative humidity and daily precipitation, (e, f) daily averaged wind speed and daily averaged maximum wind speed, and (g, h) daily averaged wind direction of maximum wind speed at Beijing (left panel) and Tianjin (right panel) stations in Jan 2013

2013年1月华北地区北京站和天津站能见度的模拟值由经验公式v_is=3.912/e_xt计算得到(Seinfeld and P and is，1998)，其中e_xt表示气溶胶消光系数，一般取550 nm处的气溶胶消光系数，因此能见度的模拟值和观测值的对比(见图 3)也代表了模式对气溶胶的模拟效果。图 4是2013年1月奥体中心站处观测的细颗粒物地表浓度小时值以及相应的模拟值。奥体中心站和北京站地理位置相近(图 1)。由图 3和表 1可以看到，模式可以较好地模拟各站点处的能见度的小时值变化特征：在北京站和天津站处，能见度的模拟值与观测值之间的相关系数分别为0.72和0.60，平均偏差分别为 －21.5%和31.6%，这也说明模式对气溶胶浓度和光学特性模拟较好。在奥体中心站点，细颗粒物观测值缺失较多，但是可以看到16～31日模拟值与观测值大体吻合，其中22日、29～31日的细颗粒物地表浓度小时值被模式高估，22日的高估可能是由于22日的降水量被模式低估(图 2c)。从图 3a中可以看到，北京站点处的模拟值和观测值均显示1月4日和6日夜间，10～14日、16日夜间、17～19日、20～23日、27～31日，北京站点能见度低于10 km，其中11～13日12个时次观测的能见度有8个时次的在0.6～2.5之间；相应的，10～14日的日均相对湿度(图 2c)为68%～80%，并且模式模拟的10～14日期间每天的相对湿度小时值在一些时次处是在80%～90%之间，显示这段时间为重度霾或雾霾混合的过程。图 3b中，天津站的能见度变化和北京站类似，表明1月的重雾霾过程是区域性的。从图中可以看出，模拟值对能见度的高估主要是出现在14～15日夜间、19～20日夜间、22日、24～25日夜间能见度较好的时候，例如观测值为10 km而模拟值则是30 km，这说明模式模拟的气溶胶浓度可能过低。由图 2中天津站风速的模拟可以看出，最大风速的高估可能对气溶胶浓度的低估有一定的贡献。另外天津站处的模式格点的代表性也是模拟值和观测值的对比存在差异的原因之一。在图 4中，奥体中心站点处的模拟的细颗粒物地表浓度和北京站点处的能见度的变化对应得较好，在上述能见度低于10 km的时间点，模拟的地表浓度值都比较高，尤其是在夜间，细颗粒物地表浓度都达到峰值，均大于300 μg m^-3。本文将10～14日作为重雾霾过程的个例，进行详细的讨论。

图 3 2013年1月华北地区(a)北京站和(b)天津站观测的能见度以及相应的模拟值Fig. 3 Observed and simulated hourly visibility at(a)Beijing and (b)Tianjin stations in Jan 2013

图 4 2013年1月北京奥体中心站点观测的细颗粒物地表浓度小时值以及相应的模拟值Fig. 4 Observed and simulated hourly PM2.5 surface concentration at Aotizhongxin station，Beijing in Jan 2013

由图 5可以看到，此次重雾霾过程从10日晚上开始，细颗粒物浓度在河北省南部和东部最高，可达360～500 μg m^-3；在天津地区也很高，达到280～360 μg m^-3；在北京市区则达到200～280 μg m^-3。1月11日00:00和06:00，细颗粒物地表浓 度升高，河北省南部和东部、天津地区和北京市区，均增高到360～500 μg m^-3。1月11日12:00、18:00，细颗粒物地表浓度的高值区域向南移，主要分布于河北省南部、东部和天津地区(320～500 μg m^-3)，而在北京地区则降低到80～240 μg m^-3。之后从12日18:00至14日00:00，细颗粒物地表浓度的高值区都是在18:00和00:00北移，使得北京市区细颗粒物地表浓度增高，而在06:00和12:00则分布于河北省南部。14日12:00、18:00和15日00:00和06:00，细颗粒物地表浓度在华北地区有所降低，高值区只分布于河北省最南部，约为240～400 μg m^-3，在其他区域则为40～160 μg m^-3。

图 5 2013年1月9～15日00:00、06:00、12:00和18:00的细颗粒物地表浓度的水平分布Fig. 5 The spatial distributions of PM2.5 surface concentration at 0000 LST，0600 LST，1200 LST，and 1800 LST during 9-15 Jan 2013

张小曳等(2013)对比了2013年1月6～16日之前和期间的欧亚地区地面天气图，指出持续性雾霾天气的气象条件与前期最大的不同是中纬度地区径向型环流较弱，没有明显的冷空气，南方暖湿气流相对增强，中东部地区处于弱的均压区。因此，分析雾霾过程的气象条件对于理解其成因十分必要。首先，将2013年1月各气象要素与历史平均值进行比较，图 6是2013年1月华北地区北京站和天津站处观测的温度、湿度、风速和最大风速的日平均值相对历史气候平均值(1951～2013年)的距平。由图 6a可以看出，2013年1月10～16日、18～23日以及26～31日，北京站相对湿度具有正距平，比历史平均值偏高20％～40%，有利于气溶胶粒子的吸湿增长，因此高的相对湿度除了与22日的降水对应之外，都对应了较低的能见度和较高的细颗粒物地表浓度；温度与历史平均值相比，相差不大；风速与历史平均值相比，在以上湿度正距平的时间点处，平均风速偏低1 m s^-1，而最大风速则偏低约3 m s^-1，因此风场不利于污染物的扩散。天津站的湿度同样是正距平，温度变化不大，风速的负距平要比北京站小。

图 6 2013年1月华北地区(a)北京站和(b)天津站点处观测的温度、相对湿度、风速和最大风速的日平均值与相应的历史气候平均值(1951～2013年)的距平Fig. 6 Time series of the anomaly of observed daily averaged temperature，relative humidity，wind speed，and maximum wind speed to historical climate data at(a)Beijing and (b)Tianjin stations over North China in Jan 2013

从图 7中可以看到，1月11日08:00大气层底部出现逆温层，温度差约有4 °C，20:00 500 m以下逆温层已经十分明显，温度相差约有5 °C，这种情况持续到12日08:00、1000 m以下有约6 °C的逆温层，12日20:00，逆温层消失，但是到13日08:00 500 m以下再次出现约9 °C的逆温层，并且在20:00 1 km以下仍然保持逆温层的状态。14日和15日，逆温层消失。由以上描述可以看到，持续的强逆温层使得大气层处于稳定的状态，不利于污染物的扩散。对于湿度的垂直分布，同样的，在1月10日08:00和20:00、11日20:00、12日20:00、13日08:00以及14日的08:00和20:00，1 km以下的大气层都呈现较高的湿度(70％～90％)，这说明在垂直方向上一整层的大气都在连续几天保持着较高的湿度，这有利于气溶胶的吸湿增长。

图 7 2013年1月9～15日08:00和20:00北京站点处观测的(a)温度和(b)相对湿度垂直分布Fig. 7 Vertical distributions of(a)temperature and (b)relative humidity at 0800 LST and 2000 LST at Beijing station during 9-15 Jan 2013

由图 8可以看到，相对湿度和风向的变化和细颗粒物地表浓度的变化是相互对应的。10日12:00之前，河北省北部、天津地区和北京地区受西北风影响，相对湿度较低，在大部分区域约为30％～50%。10日12:00和18:00，华北地区没有明显的西北风，河北省、天津地区和北京地区风向转变为南风，且风速较小，相对湿度在大部分地区增加至60％～80%，此时华北地区的细颗粒物浓度也开始增加(图 4)。1月11日00:00和06:00，河北南部、北京地区和天津地区仍然是南向风，且河北省南部风速增大，相对湿度增加至70％～90%，此时上述地区的细颗粒物地表浓度也增高到360～500 μg m^-3(图 4)。1月11日12:00、18:00和12日00:00、06:00、12:00，北京地区又出现西北风，相对湿度减小，而河北省南部仍然是南向风和高湿度，相应的细颗粒物地表浓度的高值区南移(图 4)。之后从12日18:00至14日00:00，河北省南部、天津地区和北京地区变为受东向和东南向风影响，由于渤海湾的水汽传输，华北地区的相对湿度再次增加至70％～90%，特别是北京地区在13日18:00相对湿度明显增加，相应的细颗粒物地表浓度值也在这个时次变得更高(图 4)。14日06:00，华北地区出现明显的北风，且风速较大，相应地，此时的细颗粒物浓度减小。

图 8 2013年1月9～15日00:00、06:00、12:00和18:00的地表相对湿度和风场的水平分布Fig. 8 Spatial distributions of surface relative humidity and wind fields at 0000 LST，0600 LST，1200 LST，and 1800 LST during 9-15 Jan 2013

一些卫星的观测研究表明(Tao et al.,2012)，冬季盛行的西北风能够频繁地把沙尘传输到华北地区上空，虽然规模要比沙尘暴小很多，但是这种沙团会与较高背景浓度的人为污染物快速混合，形成霾污染。图 9是北京地区区域平均的沙尘气溶胶的垂直分布的时间变化以及1月11日12:00 850 hPa沙尘气溶胶和风场的水平分布。可以看到，沙尘浓度较高的时间中，11～13日、23日、28日都对应较高的细颗粒物浓度(图 9a)。可以看到11日12:00，850 hPa层上是西北风，将沙尘传输到华北地区(图 9b)。因此，在10～14日，近地面的南向风或东向风传输水汽，高空西北气流传输沙尘，两者的叠加可能加剧了华北地区的重雾霾过程。这其中的机制还需要更加深入的讨论。

图 9 2013年（a）1月北京地区区域平均的沙尘气溶胶浓度的垂直分布的时间变化和（b）1月11日12:00华北地区850 hPa处沙尘气溶胶和风场的水平分布Fig. 9 (a) Time serial of the vertical distribution of dust concentration averaged over the Beijing area in Jan 2013 and (b) the spatial distribution of dust concentration and wind field at 850 hPa at 1200 LST 11 Jan 2013

为了说明重雾霾期间的输送和化学过程的相对贡献，需要计算污染物的浓度的收支。重雾霾过程期间气溶胶的成分包括硫酸盐、硝酸盐、铵盐、黑碳、有机碳以及沙尘气溶胶。以往针对硫酸盐的分析有很多，而重雾霾期间的一些观测研究(张小曳等，2013)则表明雾霾期间硝酸盐的浓度也是很高的，另一方面硝酸盐气溶胶联系着机动车排放源，也是公众比较关心的焦点问题，因此将其作为一个个例来研究。另外，黑碳气溶胶的化学过程较少，而有机碳气溶胶目前在模式中的描述还不是很完备，考虑到计算收支的目的是为了说明重雾霾期间的输送和化学过程的相对贡献，最终选择硝酸盐气溶胶作为计算收支的对象。

图 10 2013年1月1～9日和10～14日北京地区(a)白天和(b)夜晚硝酸盐气溶胶(单位：t d-1)的收支平衡Fig. 10 The budgets(t d-1)of NO3－ in(a)daytime and (b)night over the Beijing area during 1-9 Jan and 10-14 Jan 2013

由图 4可以看到，1～9日细颗粒物浓度较低，因此可将这两个时段的收支做对比。从图 10a中可以看出，白天，1～9日和10～14日，传输是北京地区硝酸盐气溶胶浓度降低的主要贡献因子，而化学过程是硝酸盐气溶胶浓度增加的主要贡献因子。在夜晚，此时细颗粒物浓度达到峰值(图 4和图 10b)，1～9日，传输仍然是降低了硝酸盐浓度，但是在10～14日则是增加了硝酸盐浓度。对比1～9日和10～14日的收支平衡，可以发现无论是白天还是夜间，10～14日硝酸盐气溶胶的化学生成显著增加。在排放源浓度基本相同的情况下，不同的气象条件使得10～14日二次气溶胶的生成剧烈增加，加上传输的贡献，形成了这个时间段的非常高的细颗粒物浓度。

本文利用大气化学模式系统WRF-Chem模拟2013年1月华北地区气溶胶的时空变化。模拟的能见度、气象场(温度、湿度、降水、风速和风向)以及细颗粒物浓度的时间变化与近地面观测值都较为吻合。模拟结果表明，1月11～14日，细颗粒物高值分布于河北省南部和东部、天津地区以及北京地区，其日均值约为400～500 μg m^-3。

通过与历史气候数据比较发现，2013年1月10～15日华北地区的气象条件表现为较大的相对湿度正距平(20％～40%)以及风速的负距平(－1 m s^-1)。北京站点的探空数据还表明，在1月11～13日期间，垂直方向上，1 km以下的大气中存在明显的逆温层，并且湿度保持较高的值(80％～90％)。模拟结果表明，1月11日～14日，近地面南向风和东向风将水汽输送到华北地区，上层大气(850 hPa)的西北风则将沙尘输送到华北地区。以上气象条件有利于气溶胶的吸湿增长和浓度的聚集。

收支分析表明，在北京地区，与1～9日相比，10～14日夜间化学生成的显著增加和传输都贡献于硝酸盐浓度，是重雾霾形成的主要原因。