北京地区大气污染物时空分布及累积效应分析_张睿

1、北京大学学报(自然科学版,第40卷,第6期,2004年11月Acta Scientiarum NaturaliumUniversi tatis Pekinensis,Vol.40,No.6(Nov,20041中国科学院知识创新工程项目KZCXZ -204部分资助收稿日期:2003-08-14;修回日期:2003-10-22北京地区大气污染物时空分布及累积效应分析1张 睿 蔡旭晖2宋 宇(北京大学环境学院环境科学系,北京,100871,2通讯联系人:E -mail:xhcai摘 要 用1999年和2000年的监测资料结合随机游走大气扩散模式分析北京地区PM 10和SO 2浓度的时空变化、城区污染

2、排放对整个区域的作用和影响、以及污染物在区域内的累积效应。结果表明:(1北京地区污染物浓度具有以城区为中心的空间分布特点和季、日变化规律。(2城区和清洁对照点的污染物浓度平均日变化具有显著差异,城区基本呈双峰分布,清洁对照点定陵则基本为单峰分布。(3由扩散模拟的情况对定陵站的监测浓度进行条件性统计分析,结果明确反映了城区污染扩散对定陵站浓度的影响。(4北京冬季从城区排放的污染物在当地累积的情况明显,累积的时间周期大致为25d;输送扩散因子在污染物局地累积的过程中起着关键性的作用。关键词 大气污染;时空分布;累积效应;北京地区中图分类号 P 456;X 1690 引 言随着北京跨入国际化大都市步

3、伐的加快,大气环境问题也日益受到关注。一些年来,对北京地区大气污染物的时空分布特征和变化规律进行了多方面的研究,如对污染物统计特性的分析13,污染物时空分布的观测研究46等。然而已有的工作多集中于城区较小的空间范围,对整个北京地区的情况,以及把北京城市置于整个区域的背景情况下进行的污染物浓度时空变化特征的研究相对较少。从北京地区环境监测站点的分布来看,除了城区有较多的测点以外,尚有远离城区的清洁对照站点,这对全面、完整地把握北京地区的大气污染时空分布和变化、了解污染物在区域内的迁移、转化、累积机制和规律应该是十分有利的。但长期以来,对清洁对照点定陵站的监测结果的科学解释并无一致意见。一方面,定

4、陵站的P M 10和SO 2的监测结果都的确比城区的低得多2;另一方面,受北京地区山地-平原中尺度环流的影响,城区污染物影响到定陵地区的情况也是显然的79。把现有的实际监测资料与大气扩散的计算机动态模拟相结合,将有利于深入分析这一地区污染物浓度时空变化的内在规律,揭示城区污染排放对整个区域的作用和影响,以及污染物在区域内局部累积、造成严重空气污染的原因和机制。本工作在这方面进行了初步研究。930第6期张睿等:北京地区大气污染物时空分布及累积效应分析首先使用常规的统计分析方法,了解北京地区PM10和SO2污染的一般特征。其后,用大气扩散模式模拟城区排放的污染物的动态扩散过程,据以确定城区对定陵地

5、区是否有影响,并进而对定陵站的监测数据进行条件性统计,具体估算影响的大小。最后,将扩散计算的区域平均浓度与城区监测的浓度进行对比,了解污染物在该区域的累积情况。1资料和模式111资料所用资料包括:(1北京市环境监测总站的定陵、前门、奥体中心、农展馆和古城5个测点2000年1、4、7、10月的逐时P M10和SO2监测浓度(质量浓度,mg#m-3;(2对应时段昌平、上甸子、延庆、密云、怀柔、顺义、平谷、石景山、观象台、朝阳、通县、丰台、房山、霞云岭、大兴、海淀、汤河口、斋堂、门头沟、佛爷顶20个测站的逐时地面风观测资料;(3逐时稳定度分类资料;(4高空地转风、地形和地面粗糙度资料;(51999年

6、全年PM10和SO2的逐日日均浓度,包括城区12个监测站和定陵清洁对照站。1.2模式1.2.1大气扩散模式本文采用一个拉格朗日随机游走扩散模式模拟污染物在区域内的动态扩散过程。该模式根据输入的风场、稳定度类型和边界层高度等逐一计算示踪粒子的空间位移和拉格朗日轨迹,并从大量粒子的空间分布了解实际大气的扩散状况。此前,作者已成功地运用该模式研究北京等地的总体扩散特征,模式详情参见文献9,10。扩散计算的范围取水平方向200km200 km,大体以北京城区为中心;垂直方向从地面至2000m。1.2.2三维风场诊断模式该模式为大气扩散模式提供输入风场。模式通过对地面和高空实测资料的插值和变分调整处理,

7、获得符合边界层流动连续性条件的三维风场。模式具体情况及其应用详见文献8 10。这里所取的相关模式参数为:计算区域与扩散模式相同,水平网格距取4km,垂直方向从地面至2000m,不等距分15层10。2北京地区P M10和SO2浓度的时空变化2.1污染物浓度的季节变化用1999年全年城区12个站点和定陵清洁对照站的逐日监测日均浓度资料,计算PM10和SO2的季平均浓度,结果如表1。可以看出,不论是PM10还是SO2,各季城区的平均浓度都明显高于定陵站的浓度,说明北京城区作为这一地区最重要的污染排放源对环境的影响是明显的。从季节变化来看,城区和定陵的SO2在冬季的浓度都23倍于其他各季的浓度,表明冬

8、季采暖期污染排放增加的效果。PM10的冬季浓度也比夏秋季高得多,可以认为这与SO2的情况类似,是由冬季采暖期污染排放增加造成的,但春季的浓度与之不相上下,这应与北京地区的气候、气象条件有关。北京春季干燥多风,局地自然沙尘排放以及大范围的沙尘暴过程等都可使PM10浓度增大。931用2000年4个季中月(1、4、7、10月城区4个站点和定陵清洁对照站的逐时监测浓度资料,计算PM 10和SO 2的各季中月(1、4、7、10月平均浓度(见表2,所得结果与1999年全年数据统计的各季结果(表1基本特征相同,尤其SO 2的情况更为相似。PM 10的结果在具体数值上有较明显差异,可能与两年间气象条件以及污染

9、控制措施的差异有关,统计时段的不同也可能有一定影响。可以认为,2000年4个季中月的数据对全年情况是具有代表性的,故以下主要针对这些数据进行分析。表1 1999年北京城区和定陵站各季平均浓度Table 1 Seasona-l mean monitoring concentration of urbanarea of Beijing and of Dingling station in 1999(mg P m 3季节定 陵城 区PM 10SO 210SO 2冬0.1670.042 0.3540.187春0.1900.015 0.3280.055夏0.0910.014 0.1610.020秋0.1

10、090.0180.2030.050表2 2000年北京城区和定陵站各季中月平均浓度Table 2 Monthly -mean monitoring concentration of urbanarea of Beijing and of Di ngling station in 2000for February,Ap ril,July and October(mg P m 3月份定 陵城 区PM 10SO 2P M 10SO 21月0.0840.074 0.1650.1684月0.1130.013 0.2650.0337月0.0910.009 0.1230.01510月0.0680.0100.

11、1280.027212 污染物浓度的空间分布图1是北京市主要监测点上2000年各季中月PM 10和SO 2浓度的统计结果,其中定陵是清洁对照点,奥体中心、农展馆、石景山站是区域环境站,前门是交通环境站。可以看出北京地区的污染浓度空间分布特点明显:清洁对照点浓度比城区各站点浓度系统偏低,城区各站点中石景山站的污染物浓度总体偏高,前门站浓度表现也较高,位于三环边缘或三环以外的奥体中心和农展馆站浓度则总体较低。这些情况一方面反映了石景山工业区排放量较大的影响,另一方面反映了浓度的空间分布相对于市区中心的位置关系。三环以内基本为城市的中心地带,人类活动频繁,人为源排放量大,易造成较高的污染浓度。另外,

12、值得指出的是,SO 2的浓度以采暖期的冬季为最高,PM 10的浓度则在春季最高, 表明春季风沙天气的影响。图1 北京地区5个测站的PM 10和SO 2浓度及季节变化Fig.1 Monitoring concentration and seasonal variation of PM 10and SO 2for 5stations over Beiji ng area2.3 污染物浓度的日变化首先考察城区范围内PM 10和SO 2浓度的日变化。图2是由2000年各季中月PM 10和SO 2932北京大学学报(自然科学版第40卷图2北京城区PM10和SO2浓度平均日变化Fi g.2Diurnal

13、variation of PM10and SO2over urban area of Beijing(a(d分别对应1、4、7、10月图3定陵PM10浓度各季平均日变化Fig.3Diurnal variation of PM10in4seasons for Dingling station的逐时监测数据计算的、城区4站平均的浓度日变化结果。可以看出,各季PM10浓度虽有数倍差异,但其日变化基本都呈双峰双谷态。即浓度自午夜以后下降,在上午约10:0012:00时由于人类活动增加达到第1个峰值,午后不稳定边界层发展,湍流垂直交换能力强,浓度得到了一定稀释,在约14:0016:00时浓度达到谷底;晚

14、间浓度再次上升,在21:0023:00时之间出现主峰值,这与夜间逆温顶盖抑制PM10扩散,造成地面浓度升高有关。SO2日变化规律与PM10的情况相似,但主峰值出现在上午。除秋季之外,SO2峰值出现时间略早,约在8:0010:00时。秋季的峰值出现在中午前后。值得说明的是,冬季(1月SO2浓度比其他各季高几倍至1个量级,因此图中冬季浓度的日变化特征最明显,其他季的变化特征则不太鲜明。上述类似日变化特征和规律在前人的工作中13亦有报道。定陵站作为北京地区的清洁对照点,其污染物浓度日变化具有与城区不同的特点。图3显示了定陵站PM10监测浓度的平均日变化情况(图中相应位置较高的各曲线。可见总体上清晨浓

15、度最低,晚间或前半夜浓度最高,整个白天浓度随时间有单调上升的趋势。春季由于沙尘暴天气的偶然因素扰动,使得浓度日变化曲线的扰动幅度很大。将2000933第6期张睿等:北京地区大气污染物时空分布及累积效应分析北京大学学报(自然科学版第40卷年对应沙尘暴天气出现时段的监测值从时间序列中剔除后,重新统计的日变化图的扰动幅度明显减小,规律性与其他各季一致(图略。比较图3和图2可知,各季平均而言,一日中不同时刻城区的浓度都高于定陵的,可见城市活动的人为源排放在此区域内十分重要。由此可以认为,定陵站PM10浓度在白天的不断升高是与城市人为源排放有关的,因为白天城市活动量大,且北京地区低层大气特定的山地-平原

16、环流有利于把城区的污染物带向北部的定陵地区9。另外图3中夏季(7月的平均浓度在白天的增高情况尤其明显,正与北京地区夏季盛行偏南风的情况相吻合。这种情况总体更有利于城区污染物影响到定陵地区。当然,除此之外,测站附近白天人类活动因素也可能对当地PM10浓度的日变化有一定影响。为定量估计城区污染物输送对于定陵站监测浓度的可能影响,用扩散模式模拟城区排放物的逐时迁移情况。用虚拟的被动示踪粒子代表污染物从城区10km10km范围内连续、均匀的排放(在1个月的时间里从地面10m高度连续、均匀地释放72000个示踪粒子。在以定陵站为中心的10km边长的正方形水平范围上空,若计算接收到来自城区的1个以上扩散粒

17、子,就认为是可能受到城区污染影响的情况11。将这种情况对应时段的监测数据排除在外,剩下的数据可以认为至少部分排除了城区污染的影响。这样处理后的数据获得的修正的统计结果也显示在图3中。可以看到,这些结果相对于原来的监测值在数值上明显减小,日变化幅值也有所减小,说明日间局地环流从城区带来颗粒物的情况的确是存在的。不过,以这种方法剔除城区影响后的浓度曲线在白天仍有较明显的递增趋势,说明对于PM10,城区的影响未能完全去除,或是其中还有其他因素的作用。对于定陵站的SO2,也同样求出其日变化以及排除城区影响的对应结果,示于图4。图中结果虽然数值上冬季(1月比其他各季大得多,但日变化规律各季都表现为单峰模

18、态,即浓度白天高,夜间低,大致在中午达到峰值。由于SO2多为人为源排放,上述变化恰说明了白天人类活动对污染排放的影响。排除城区影响对监测浓度的修正显示了一些颇有意味的结果。首先,修正作用的时间在冬、春、秋季都主要是日间,与当地浓度峰值出现的时间有很好的对应关系。注意到定陵站浓度峰值出现的时间比城区浓度峰值出现的时间晚23h,这一浓度修正的时间特性正好说明城区污染物随着白天由平原吹向北部山地的风输送影响到定陵地区,造成较高污染浓度出现的过程。其次,各季对浓度的修正幅度有很大的不同。冬、春季修正量大,原有的浓度峰被削平很多,日变化的幅度大为减小;但秋、夏两季的修正却很少,特别是夏季,修正前后的浓度

19、变化曲线基本重合。这似乎与夏季北京地区盛行偏南风,有利于污染物带往定陵的情况相矛盾。由本文所用的方法可知,这里所谓受到或未受到城区影响的情况划分仅代表从城区出发的示踪粒子或空气到达或未到达定陵附近,并不反映实际影响的大小。当由城区而来的空气所携带的污染物对定陵的浓度影响低于当地污染物排放造成的影响时,这种划分显然不会改变原来数据的统计特性。从图4和表2可以看出,夏、秋季城区和定陵站点的平均浓度数值本身较小,两地浓度差别亦不大,经40km以上扩散后,城区污染空气对定陵站浓度的相对贡献可能已与当地污染的情况不相上下。因此,上述看似矛盾的情况是合理的。3污染物累积效应虽然决定大气污染水平的因素很多,

20、但严重大气污染情况的出现往往与不利气象条件下934第6 期 张 睿等 : 北京地区大气污染物时 空分布及累积效应分析 ( a ( d 分别对应 1、 4、 7、 10 月 图 4 定陵 SO2 浓度各季平均日变化 Fig . 4 Diurnal variation of SO2 in 4 seasons for Dingling station 污染物的 局地 滞留、 累 积效 应有关。已有 的研 究 表明 , 污 染物 的累 积与 气 象因 子关 系密 切 , 通过对气象因子的滤波分析能够反演出实际污染物浓度变化的 60% 以上 。本 文以上结果已明确反映北京地区 PM 10 和 SO2 的

21、分布和变化, 此前的工作则对该地区低层大气 的流动特征以及污染物在该区域内的总体输送扩散情况有较好的了解 。这里结合扩散模 拟结果和实际浓度监测数据进一步分析污染物在该区域的累积特征。具体方法是: ( 1 大致 对应城区中心 10 km 10 km 的水平范围, 在一个月的时间里从地面 10 m 高度连续、 均匀地释 放 72 000 个示踪粒子, 以模拟城市污染排放的情况; ( 2 用随机游走扩散模式追踪粒子的时空 分布 ; ( 3 统计各时刻以城区为中心的 80 km 80 km 水平范围内的粒子数, 以此作为该区域的 平均浓度; ( 4 将所获模拟浓度结果与城区 4 监测站的平均结果进行

22、比较。上述污染物累积 过程的计算中, 三维风场和大气稳定度都由实际观测资料获得, 混合层高度及其变化取为设定 的平均状况, 具体方法参见文献 9 。 这里只考虑了风的水平输运和湍流扩散以及边界层变化因素, 其他影响因素如干湿沉积、 化学转化以及具体源排放条件等皆未予考虑。这样简化处理的缺点是模拟结果的定量化水平 较低 , 优点是可以通过与实际监测结果的比较 , 分析了解不同影响因子在区域污染过程中的作 用。 北京地区冬季大气污染情况最为严重, 天气过程则以近乎周期性的冷空气暴发及相对平 静的冷空气活动间歇期为主要特征。相应地 , 污染物周期性的局地累积 - 输运清除特征也极为 明显。因此下面主

23、要针对北京冬季的情况进行分析。 图 5 给出了模拟的城市及周边区域的整体平均浓度及城区 SO2 与 PM 10 的 4 站平均监测结 935 8, 9 1 3, 12, 13 14 北 京 大 学 学 报 ( 自 然 科 学 版 第 40 卷 果。图为 2000 年 1 月整月共 720 h 的逐时浓度变化 ; 图中圆点为逐时数据点 , 实线为低通傅立 叶滤波后的平滑曲线 ( 滤去时间序列中大于 01 03 h - 1 的高频脉动 ; 模拟结果和监测结果各自 以其平均值 C 归一化。滤波平滑后浓度的变化特征更为明显。由图可见, ( 1 模拟结果和监 测结果都清楚地表现出浓度累积和清除相间出现的

24、情况, 累积或清除的周期约 2 5 d。 ( 2 图中 SO2 和 PM10 的监测结果的变化特征极为相似 , 仅在 Ñ 区和 Ò 区的相对变化幅度上略有差 异。表明冬季城区 SO2 和 PM10 的排放源 变化、 经历的扩散过程及扩散后果都十分 相近。( 3 模拟结果与监测结果相比, 二 者变化的幅度基本相同 , 浓度峰 - 谷出现的 位置对应良好 , 表明模拟结果的确反映了 污染物在当地的累积 - 清除过程。 仔细分 析图 5 中 模拟结果 和监测结 果的变化, 可以看出 1 月 18 日后 ( 图 5 中 的 Ó区 时段 二 者的相符程度极 佳, 该时 段

25、2 个各持续约 4 d 和 3 d 的累积事件和 过程都准确地表现出来。 Ñ 区( 1 月 04 05 日 和 Ò 区( 1 月 12 18 日 则是模拟结 果与监测结果 有明显差异的 时段。在 Ñ 时段 , 模式计算出的浓度值有一尖锐的峰 值, 达到平均值的 3 倍左右 , 而实际对应 监测数值却 在月均值上下。查阅对应日 期的天气情况发现, 这两日内出现了明显 的降水过程。这恰是模式 所没有考虑的 情况。这也从反面说明, 湿沉积过程对局 地空气污染 物的清除起着重 要作用。与 Ñ 时 段 相 仿的 还 有 接近 Ò 时 段的 1 月 11

26、12日的情况, 这 2 d 也是出现了降雪 天气 , 模拟预测的浓度累积亦比监测结果 明显偏高。 Ò 时段是这一 个月中最严重 的一次污染累积事件, 持续时间前后近 6 d。模拟结果正确地反映了这一事件的开 始和结束阶段, 但在事件 中段, 模拟结果 明显偏小。显然这是因为 这里所用的扩 散模式 未能很好地反映这 部分时段的污 图5 模拟的 2000 年 1 月相对浓度与监测结果的比较 result of SO2 and PM10 936 染累积情况, 或是有本文未考虑到的其他 因素起作 用。另 外, 值得一 提的 是, 图 5 的 Ó 时段中, 第一个污染累积事件 ( 2

27、1 22 日 对应一次小雪 到中雪的降水 过程, 但 Fig. 5 Comparison of modeling result and monitoring 第6 期 张 睿等 : 北京地区大气污染物时 空分布及累积效应分析 模拟与监测结果却相符很好, 这与上述 2 次降水过程的影响很不相同。究其原因 , 可能与湿沉 积作用及其他不确定性因素的影响有关。 已有研究表明, 北京地区污染物浓度可能受到远距离污染输送的重要影响 15 。这可能成 为图 5 中模拟结果与监测结果相比较的不确定性的一方面原因, 因为本文未考虑这一因素影 响。不过图 5 中模拟与监测结果的比较总体相符尚好, 说明北京城区作

28、为主要污染排放源所 致的污染物局地累积效应的确是重要的 , 至少在所考察的 2000 年 1 月期间的确如此。这也正 与他人的工作相吻合 , 如文献 15 中所指出的, 对北京地区的 SO2 浓度 , 2000 年 1 月期间恰好 / 周边源贡献较小0。 4 总 结 利用北京地区 1999 年和 2000 年的 PM 10 和 SO2 浓度监测数据, 配合以随机游走大气扩散 模式对城区排放的污染物在该地区迁移扩散情况的动态模拟 , 深入分析了该地区大气污染的 时空变化、 城区污染排放对整个区域的作用和影响、 以及污染物在区域内的累积效应。结果表 明, 北京地区 PM 10 和 SO2 污染物浓

29、度具有明显的空间和季、 日变化。从城市分布的情况来看 , 三环路以内的污染浓度高于三环路以外 , 近郊浓度高于远郊。在季节变化方面 , 不论是城区还 是作为清洁对照点的定陵 , SO2 浓度在冬季都 2 3 倍于其他各季 , 反映冬季采暖期污染排放 增加的效果。PM10 则在春季也有与冬季相当的高浓度, 反映了北京地区的气候因素影响。 在污染物的平均日变化方面, 城区和清洁对照点的结果具有显著差异。城区 PM 10 和 SO2 浓度在一天中都基本呈双峰分布, 即早晚各一峰值。不过 PM 10 的主峰值一般出现在夜间 , SO2 则出现在早上或上午。清洁对照点 PM10 和 SO2 的浓度日变化

30、基本都为单峰型分布。 PM 10 的峰 值出现在下午或夜晚 , SO2 的峰值出现在中午前后。这些特征可解释为城区污染物向四周扩 散, 并影响到远郊的清洁对照点的情况。由扩散模拟的情况对定陵站的监测浓度进行条件性 统计分析 , 结果明确反映了城区污染扩散对定陵站浓度的影响。对 PM10 而言, 这种影响在 4 季 都很显著。对 SO2 , 则是冬春采暖季影响大, 非采暖期 ( 尤其是夏季 城区排放大为减小 , 其影 响也变得很小。 模拟的区域平均浓度很好地反映了北京冬季 PM 10 和 SO2 浓度随时间变化的幅度、 以及污 染物局地累积 - 清除的过程。城区排放的污染物可在冷空气活动间歇期内

31、局地累积 , 周期大致 为 2 5 d 。模拟结果清楚地表明输送扩散因子在污染物局地累积和造成严重污染后果的过程 中所起的关键性作用。与实际监测结果和天气条件的对比分析表明 , 降水湿沉积等其他大气 过程也可能对局地大气污染的程度有重要影响。 参 考 1 2 3 4 文 献 段欲晓 , 徐晓峰 . 北京地区 SO2 污染特征及 气象条件分析 . 气象科技 , 2001, ( 4 : 11 22 于淑秋 , 林学春 , 徐祥德 . 北京市区大气污染的时空特征 . 应用气象学报 , 2002, 13( S : 92 99 王淑英 , 张小玲 . 北京地区 PM10 污染的气象特征 . 应用 气象学

32、报 , 2002, 13( S : 177 184 王晓 云 , 潘莉卿 , 吕伟林 , 等 . 北京城区冬季空气污染物垂直分布与气象状况的观测分 析 . 应用 气象学报 , 2001, 12( 3 : 279 286 937 北 京 大 学 学 报 ( 自 然 科 学 版 5 6 7 8 9 10 11 12 13 14 15 第 40 卷 丁国 安 , 孟昭阳 , 丁海青 , 等 . 北京城区大 气边界层 空气污 染特征 观测 研究 . 应用 气象 学报 , 2002, 13( S : 82 91 陈辉 , 胡非 , 任 丽红 , 等 . 北京冬季二氧化硫污染和气象条件的关系 . 气候与环

33、 境研究 , 2000, 5( 3 , 287 295 北京市气象局气候资料室 . 北京气候志 . 北京 : 北京出版社 , 1987. 69 77 蔡旭晖 , 郭昱 , 刘辉志 , 等 . 北京地区低层 大气流 动模态 研究 . 北京大 学学 报 ( 自然 科学版 , 2002, 38( 3 : 387 392 郭昱 , 蔡旭晖 , 刘辉志 , 等 . 北京地区大气中尺度扩散模态和时间特征分析 . 北京大学学报 ( 自然科学 版 , 2002, 38( 5 : 705 712 胡二邦 , 陈家宜 . 核电厂大气扩散及其环境影响评价 . 北京 : 原子能出版社 , 1999. 153 168

34、蔡旭晖 , 张睿 , 宋宇 , 等 . 北京地区大气 PM10 和 SO2 的背景浓度分析 . 气候与环境研究 , 2004, 9( 3 : 61 69 赵习方 , 孟燕军 , 王淑英 . 北京地区冬春季降水对大气污染 物的影响 . 气象科技 , 2001( 4 : 19 22 Pohjola M A, Qousa A. The Spatial and Temporal Variation of M easured Urban PM10 and PM2. 5 in the Helsinki Metropolitan Area. Water, Air and Soil Pollution, 20

35、02, ( 2 : 189 201 van der Wal J T, Janssen L H J M . Analysis of Spatial and T emporal Variation of PM10 Concentrations in the Nether lands Using Kalman Filtering. Atmos Environ, 2000, 34: 3 675 3 687 颜鹏 , 黄健 . 周边地区对北京地面 SO2 影响 的初步研究 . 应用气象学报 , 2002, 13( S : 144 152 Spatial Temporal Variation and Accumulation Effect of Air Pollutants over Beijing Area Z HANG Rui 1 CAI Xuhui 1 SONG Yu ( Department o f Environmental Sciences , Peking University , Beijing , 100871 , Corresponding Author , E -mail: xhcai pku.