北京地区大气颗粒物输送路径及潜在源分析

利用TrajStat软件和全球资料同化系统数据,计算了2005~2016年北京市逐日72h气流后向轨迹,采用聚类分析方法,结合北京同期PM_2.5逐日质量浓度数据,分析北京市年及四季后向气流轨迹特征及其对北京市颗粒物浓度的影响,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）,探讨研究时期内不同季节影响北京市颗粒物质量浓度的潜在源区以及不同源区对北京颗粒物质量浓度的贡献.结果表明,就全年而言,西北输送气流占总轨迹的比例最高,达59.97%,且其输送距离最远、输送高度最高、移速最快.输送高度最低、距离最短、移速最慢的东南气流占比次之,为27.64%,东北气流占比最低为12.40%,其移速和输送距离介于前两者之间.主要污染轨迹来自山东、河北,其次为来自俄罗斯、蒙古国和内蒙古荒漠戈壁地区的西北气流.PSCF和CWT分析发现,蒙中、晋中、冀西南、豫北及鲁西是影响北京PM_2.5的主要潜在区域.而不同季节、不同输送路径对北京PM_2.5污染影响的差异显著,春季主要受来自蒙晋交界区域的短距离输送气流影响,潜在源区位于冀南、鲁西、豫东和皖西北地区,夏季污染轨迹来自鲁、晋地区,潜在源区为豫东北、皖北和苏北地区;秋季主要受来自冀南地区的短距离气流影响,潜在源区为晋北、冀南、豫北和鲁西地区,冬季主要受来自蒙古国中西部和蒙中地区的远距离输送气流影响,潜在源区主要在冀南、鲁西、豫北、晋和蒙西地区.     

基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析

利用MeteoInfoMap软件和GDAS全球同化气象数据,对乌鲁木齐市2014—2019年四季72 h气团后向轨迹进行聚类分析.同时,结合小时PM_2.5和PM₁₀浓度数据,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）分析了乌鲁木齐市颗粒物不同季节潜在源区及其对研究区颗粒物浓度的贡献.结果表明：①影响乌鲁木齐市大气质量的气团轨迹可分为长、短两支,短支气流主要来自研究区及周边城市,对研究区颗粒物浓度贡献大;②长支气流输送距离较远,主要来自哈萨克斯坦、俄罗斯等国家,对研究区颗粒物浓度贡献小;③影响乌鲁木齐市PM_2.5浓度的主要潜在源区是吐鲁番地区、巴音郭楞蒙古自治州、伊宁市和阿克苏地区;④潜在源区分布呈现显著季节变化特征,冬季潜在源区分布广、贡献度高,而夏季源区分布狭窄、贡献度低,春季和秋季源区分布与贡献特征介于两者之间.     

西宁市大气污染来源和输送季节特征

在2016~2018年西宁市大气污染物PM₁₀和PM_2.5季节污染特征分析的基础上,利用HYSPLIT模式和GDAS资料计算了逐日72 h气流后向轨迹,通过聚类分析确定气流输送路径及其对日均PM₁₀和PM_2.5质量浓度的影响,运用TrajStat软件提供的潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）,探讨不同季节影响西宁市PM₁₀和PM_2.5质量浓度的潜在源区分布及贡献.结果表明,输送来源位置多分布在西宁的西-北方向和东-北方向,周边及邻近区域垂直高度较低.输送路径主要受西风、偏西风、西北、西南和偏东气流的影响.距离短、高度低和移速慢的气流轨迹出现概率最高,是最主要的输送路径,该路径在春夏秋三季来源于青海,冬季则源自新疆,省内输送占主导地位,且不同输送轨迹对PM₁₀和PM_2.5浓度影响不同.污染气流主要来自青海省内源、新疆外源及新疆以西的境外源,源地多沙漠和戈壁等脆弱地带分布.潜在源区范围及贡献大小有明显季节差异,冬季范围广且贡献最大,春秋次之,夏季最小.最主要潜在源区位于青海北部、中部和东部地区、新疆南部、中部和东部,其周边地区为中等贡献潜在源区.     

银川地区大气颗粒物输送路径及潜在源区分析

利用Traj Stat软件和全球资料同化系统数据,计算了2014—2016年银川市逐日72 h气流后向轨迹,并采用聚类分析方法,结合银川市同期PM~(10)和PM~(2.5)质量浓度数据,分析了银川年及四季气流轨迹特征及其对银川颗粒物浓度的影响.同时,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨了影响银川颗粒物质量浓度的潜在源区及不同源区对银川颗粒物质量浓度的贡献.结果表明,输送距离最长、高度最高、移速最快的西北气流轨迹占总轨迹的比例最高,达66.7%,且气团移动速度和高度与轨迹距离呈正比;输送高度较低、距离最短、移速最慢的北方气流轨迹占总轨迹数的24.3%;东南气团占总轨迹数的9%,输送距离和移速介于前两者之间,但输送高度较西北气流和北方气流低.四季各类气流轨迹变化特征与年变化特征基本一致,春、秋、冬三季,中、短距离西北气流占气流轨迹总数的比例最高,夏季东南气流占比最高,且夏季南方气流和北方气流占比较春、秋两季高,冬季未出现南方气流和北方气流,春季和冬季气流轨迹输送距离普遍比夏季和秋季长;春、夏、秋三季,偏南气流的输送高度均最低,四季长距离西北气流的输送高度均最高.年及四季都表现为西北气流轨迹对应的银川PM_(10)和PM_(2.5)平均浓度均较高,是影响银川颗粒物质量浓度的最重要输送路径,其次是东南气流轨迹,北方气流轨迹对银川颗粒物浓度影响较小.PSCF和CWT分析发现,位于新疆、甘肃、蒙古国、内蒙古、青海的西北源区及四川、陕西的东南源区是影响银川PM_(10)和PM_(2.5)浓度的两个主要潜在源区,各季节区域范围有所差异.     

葫芦岛市大气颗粒物潜在源区分析

基于后向轨迹模式(HYSPLIT)模拟了葫芦岛市2019—2021年气流的72 h后向轨迹,同时结合同期的逐日PM_2.5浓度数据,采用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)探讨了葫芦岛市PM_2.5不同季节的潜在源区及其对葫芦岛市PM_2.5浓度的贡献。结果表明：冬季,葫芦岛市最主要的潜在源区为乌兰布和沙漠,其次为蒙古国东南部、内蒙古东部、京津冀地区和辽宁省西部城市群;秋季葫芦岛市最主要的潜在源区为辽宁省南部、京津冀地区、山东省北部和河南省北部;春季的相对高值区域零星分布在京津冀地区、山东省和渤海海域等地区,夏季相对高值区域零星分布在京津冀地区和山东省西北部。     

川南自贡市大气颗粒物污染特征及传输路径与潜在源分析

川南自贡市大气颗粒物污染比较严重, 2015～2018年PM_(10)和PM_(2.5)平均浓度分别为(95.42±9.53)μg·m~(-3)和(65.95±6.98)μg·m~(-3),并有明显的下降趋势,冬季PM_(10)和PM_(2.5)浓度远高于其它季节, 1月平均浓度最高,分别为(138.08±52.29)μg·m~(-3)和(108.50±18.05)μg·m~(-3),夏季平均浓度最低.PM_(2.5)与PM_(10)的平均比值为69.12%,冬季比值约为夏季的1.17倍,空气污染以PM_(2.5)为主.采用拉格朗日混合单粒子轨迹模型(HYSPLIT)和全球资料同化系统的GDAS气象数据,对自贡市细颗粒物(PM_(2.5))浓度和逐日72 h后向轨迹进行计算和聚类研究,利用潜在源贡献分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨不同季节影响自贡市PM_(2.5)浓度的潜在源区以及不同源区的污染贡献.结果表明,自贡市近地面四季多受东南风、偏西风和西北风控制,高浓度PM_(2.5)多出现在0～2 m·s~(-1)的低风速区;不同季节、不同输送路径对自贡PM_(2.5)污染影响的差异显著,春季主要受到来自偏西和偏北方向短距离输送气流的影响,夏季污染轨迹主要来自短距离输送的东南气流,秋季主要受来自资阳,经遂宁、重庆和内江的短距离输送气流的影响,冬季除受到资阳、遂宁和内江等周边城市的影响外,还受到来自西藏中部的远距离输送气流影响;除夏季外,自贡市潜在源区主要位于重庆西部与川南交界区域,冬季的主要贡献区范围最广、贡献程度最大,夏季潜在源区范围最小且贡献程度最弱.     

郑州市冬季大气PM_(2.5)传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响。通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM2.5的潜在污染来源和不同潜在源区对郑州市大气PM2.5浓度的贡献。结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM2.5浓度;郑州市冬季PM2.5的潜在源区主要是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,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM2.5污染水平也有着较大的影响和贡献。     

阿克达拉大气本底站NO2输送路径及潜在源分析

基于HYSPLIT模式和全球资料同化系统气象数据（GDAS）,计算了2015年12月-2016年11月阿克达拉国家大气本底站48 h气流后向轨迹,并结合同期NO₂小时监测数据,综合运用聚类分析、潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）,分析不同季节气流轨迹对阿克达拉NO₂污染物浓度的影响,并揭示不同季节NO₂潜在污染源区分布及其贡献水平.结果表明：冬季来自东南方向的气流轨迹占比最高,春、夏、秋季气流轨迹主要来自西北方向,来自西北的长距离气流轨迹NO₂质量浓度较低;WPSCF表明重度污染网格出现在冬季的风口区如阿拉山口、达坂城谷地,四季中度污染网格出现在准噶尔盆地及周边地区、额尔齐斯河谷、哈萨克斯坦东部和俄罗斯南部;WCWT和WPSCF潜在源区分布较为一致,WCWT分析表明春、冬两季的NO₂贡献高值区污染程度大于夏、秋两季,春、冬两季NO₂污染网格贡献值为6~9 μg·m^-3,夏、秋两季污染网格贡献值集中在5~7 μg·m^-3.对于阿克达拉背景站点而言,NO₂污染物总体浓度水平较低,揭示其NO₂输送轨迹和污染源区,为区域大气污染联防联控提供重要参考.     

济南市四季PM_(10)、PM_(2.5)输送来源及其传输过程

利用HYSPLIT模型计算出济南市2012年全年逐日72 h的气流后向轨迹。对四季的气流轨迹做聚类分析得到抵达济南市的5种轨迹类型,结合PM10、PM2.5的日均浓度资料,计算潜在源的贡献作用和浓度权重轨迹,得到影响济南市四季PM10和PM2.5浓度的潜在源区以及不同潜在源区,对济南市四季的PM10和PM2.5浓度的贡献。结果表明:四季PM10的潜在源区和PM2.5的潜在源区分布大体相同。四季的PM10和PM2.5的潜在源区都包括济南市的周边地区,该区域对济南市日均的ρ(PM10)和ρ(PM2.5)的贡献分别在0.1、0.06 mg/m3以上。春季,2种污染物的潜在源区为江苏北部源区。夏季,其污染物潜在源区为山东省南部源区与江苏北部源区。秋季,2种污染物的潜在源区主要分布在河北南部、河南东部、江苏北部等地区;冬季,其污染物潜在源区主要分布在津冀鲁交界地区、河南东部、安徽北部等地区。     

镇江市四季PM2.5污染特征与潜在源区分析

利用2017年3月1日—2018年2月28日镇江市环境监测站提供的逐时数据,对镇江市PM_(2. 5)污染特征进行分析,并结合HYSPLIT-后向轨迹模型,综合运用轨迹聚类及PSCF、CWT分析方法,计算了不同季节影响镇江城区PM_(2. 5)的主要气流输送路径及镇江市PM_(2. 5)的主要潜在源区。结果表明:镇江市PM_(2. 5)浓度季节分布特征明显,冬季PM_(2. 5)浓度最高,夏季最低。四季PM_(2. 5)浓度日变化均呈两峰一谷型分布,且夜间普遍高于白天,周末高于工作日。四季PM_(2. 5)浓度与NO_2、CO相关系数较高,表明工业排放与交通源可能是镇江市PM_(2. 5)的主要来源。镇江地区气流输送存在显著的季节变化特征:春季西北偏西及东北方向气流轨迹占主要优势;夏季气流主要来自东北、东南及西南方向;秋季以东北及偏东气流为主;冬季西北气流轨迹占绝对优势。镇江四季PM_(2. 5)浓度受本地及周边城市的局地污染输送影响较大,主要潜在源区集中分布在江苏本地及其周边的山东、安徽、浙江、上海等地。春、夏、秋季这些地区对镇江PM_(2. 5)浓度贡献值基本为35～75μg/m~3;冬季该贡献值较大,均在75μg/m~3以上,最高值可达到150μg/m~3以上;同时,冬季受北方污染输送影响,河北、京津冀等地也是主要潜在源区,贡献值为35～75μg/m~3。     

Identification of long-range transport pathways and potential sources of PM2.5 and PM10 in Beijing from 2014 to 2015

Trajectory clustering, potential source contribution function (PSCF) and concentration-weighted trajectory (CWT) methods were applied to investigate the transport pathways and identify potential sources of PM_2.5 and PM₁₀ in different seasons from June 2014 to May 2015 in Beijing. The cluster analyses showed that Beijing was affected by trajectories from the south and southeast in summer and autumn. In winter and spring, Beijing was not only affected by the trajectories from the south and southeast, but was also affected by trajectories from the north and northwest. In addition, the analyses of the pressure profile of backward trajectories showed that backward trajectories, which have important influence on Beijing, were mainly distributed above 970 hPa in summer and autumn and below 950 hPa in spring and winter. This indicates that PM_2.5 and PM₁₀ were strongly affected by the near surface air masses in summer and autumn and by high altitude air masses in winter and spring. Results of PSCF and CWT analyses showed that the largest potential source areas were identified in spring, followed by winter and autumn, then summer. In addition, potential source regions of PM₁₀ were similar to those of PM_2.5. There were a clear seasonal and spatial variation of the potential source areas of Beijing and the airflow in the horizontal and vertical directions. Therefore, more effective regional emission reduction measures in Beijing''s surrounding provinces should be implemented to reduce emissions of regional sources in different seasons.     

泰山顶PM2.5及其二次组分的输送路径与潜在源

为了明确泰山顶PM_2.5及其二次组分的输送路径与潜在来源,基于后向轨迹聚类方法对2015年冬季和春季抵达泰山顶的气团传输轨迹进行聚类分析,并利用PSCF（潜在源贡献因子）和CWT（浓度权重轨迹）方法分析泰山顶冬季和春季PM_2.5、SO₄2-、NO₃-和NH₄+的潜在源域.结果表明,冬季和春季来自不同方向的气团轨迹对泰山顶PM_2.5及其组分的潜在源分布的影响具有明显差异.冬季泰山顶ρ（PM_2.5）和ρ（NO₃-）平均值的最高值对应的气团轨迹来自湖北、河南、山东济宁等地区,而来自西北方向的轨迹1和轨迹2分别对应的ρ（SO₄2-）和ρ（NH₄+）平均值最高;春季影响ρ（PM_2.5）和ρ（NO₃-）的气团轨迹主要来自西南方向的河南、安徽北部、山东聊城等地区,而源自蒙古国途经内蒙古、山西、河南北部和山东聊城的气团轨迹对ρ（SO₄2-）和ρ（NH₄+）的贡献最大.泰山顶ρ（PM_2.5）、ρ（SO₄2-）、ρ（NO₃-）和ρ（NH₄+）的PSCF分布特征与CWT分布特征类似,WPSCF（源区分布概率）和CWT的最高计算值主要集中山东济宁、聊城以及邻近的山西省、河北省和河南省,是泰山顶大气污染物的主要潜在源域.      

太原市秋冬季大气污染特征和输送路径及潜在源区分析

采用环境空气质量指数(AQI)统计分析了2014～2018年太原市全年及秋冬季污染特征,并采用HYSPLIT后向轨迹模型计算了2014～2017年秋冬季逐时后向轨迹,结合太原市AQI,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对影响太原市的污染物输送路径和潜在源区进行了分析.结果表明,太原市污染状况不容乐观,太原市2014～2018年全年优良天数波动较大,尤其近两年从64%下降到不足50%;然而秋冬季优良天数稳步上升,2018年超过50%,空气质量有好转趋势.污染类型可能发生变化,全年及秋冬季PM_(2.5)为首要污染物的污染天数下降显著,PM_(10)为首要污染物的天数上升明显.聚类分析2014～2017年秋冬季太原的后向轨迹,53%的气团来自偏西方向,21%来自西北方向,12%来自西南方向,14%来自偏东方向,其中西南方向轨迹是外来污染物输送进入太原的主要轨迹,对太原空气质量有显著影响.PSCF和CWT分析表明,影响太原空气质量的重要潜在源区主要位于汾渭平原的陕西汉中、西安和山西的吕梁、临汾等地.建立汾渭平原及其周边区域联防联控机制对控制区域污染有着重要意义.     

帕米尔高原东部PM10输送路径及潜在源分析

基于HYSPLIT后向轨迹模式和NCEP的GDAS数据（2019年3月~2020年2月）,对抵达帕米尔高原东部的48h后向气团轨迹按季节聚类,其PM₁₀和PM_2.5年均值分别为（29.4±16.4）,（9.3±5.1）μg/m³,大气颗粒物以PM₁₀为主,结合同期PM₁₀浓度数据,分析不同路径对帕米尔高原东部PM₁₀聚集的贡献,并利用潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）,揭示研究期间帕米尔高原东部不同季节PM₁₀的潜在源分布及其贡献水平.结果表明：帕米尔高原东部PM₁₀输送路径的季节特征明显,春季来自中亚的西风气流对应PM₁₀高值,夏季来自中国新疆西部的气流也对应较高PM₁₀值,秋季各轨迹对应PM₁₀值相当,冬季来自南亚方向气流对应PM₁₀高值.PM₁₀春季贡献源区主要位于中国新疆西部、阿富汗东北部、巴基斯坦东北部、塔吉克斯坦中部及东部地区,夏季主要位于中国新疆西部喀什与和田北部地区,秋季主要位于土库曼斯坦东部、乌兹别克斯坦东南部、巴基斯坦北部、阿富汗北部与塔吉克斯坦南部接壤地区,冬季主要位于巴基斯坦东北部、印度北部以及阿富汗北部.     

帕米尔高原东部PM10输送路径及潜在源分析

基于HYSPLIT后向轨迹模式和NCEP的GDAS数据（2019年3月~2020年2月）,对抵达帕米尔高原东部的48h后向气团轨迹按季节聚类,其PM₁₀和PM_2.5年均值分别为（29.4±16.4）,（9.3±5.1）μg/m³,大气颗粒物以PM₁₀为主,结合同期PM₁₀浓度数据,分析不同路径对帕米尔高原东部PM₁₀聚集的贡献,并利用潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）,揭示研究期间帕米尔高原东部不同季节PM₁₀的潜在源分布及其贡献水平.结果表明：帕米尔高原东部PM₁₀输送路径的季节特征明显,春季来自中亚的西风气流对应PM₁₀高值,夏季来自中国新疆西部的气流也对应较高PM₁₀值,秋季各轨迹对应PM₁₀值相当,冬季来自南亚方向气流对应PM₁₀高值.PM₁₀春季贡献源区主要位于中国新疆西部、阿富汗东北部、巴基斯坦东北部、塔吉克斯坦中部及东部地区,夏季主要位于中国新疆西部喀什与和田北部地区,秋季主要位于土库曼斯坦东部、乌兹别克斯坦东南部、巴基斯坦北部、阿富汗北部与塔吉克斯坦南部接壤地区,冬季主要位于巴基斯坦东北部、印度北部以及阿富汗北部.     

基于后向轨迹模式的豫南地区冬季PM2.5来源分布及传输分析

为研究2017年12月—2018年2月冬季不同来源区域对豫南地区ρ（PM_2.5）的贡献影响及污染特征,利用HYSPLIT-4后向轨迹模式模拟了豫南地区冬季24 h的气团后向轨迹,结合ρ（PM_2.5）在线监测数据进行了聚类分析,研究了以豫南地区为受点的各月份PM_2.5不同轨迹的输送特征,并使用潜在源贡献（PSCF）分析法和浓度权重轨迹（CWT）分析法识别了豫南地区冬季PM_2.5的潜在贡献源区及贡献大小.结果表明:①信阳市空气质量最好,其次为驻马店市,南阳市空气质量最差;南阳市、信阳市和驻马店市ρ（PM_2.5）分别超过GB 3095—2012《环境空气质量标准》二级标准限值（75 μg/m3）的1.5、1.2和1.2倍,ρ（PM_2.5）日变化均呈双峰特征.②后向轨迹聚类分析表明,豫南地区主要受到来自西北和东北方向长距离传输和正南方向较短距离输送的影响.③潜在源区分析表明,除豫南地区及周边市县本地污染贡献外,冀鲁豫交界区域、陕鄂交界区域、陕西省中西部、湖北省东北部和西部、河南省中北部、山东省南部是影响豫南地区ρ（PM_2.5）的主要潜在源区.研究显示,豫南地区PM_2.5污染过程除了与地形条件、本地污染源排放有关外,来自东北、西北传输通道城市的远距离输送和南部的近距离传输也不容忽视.      

太原市大气PM2.5季节传输路径和潜在源分析

为了研究太原市大气PM_2.5不同季节的传输路径和污染源区,利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据,对2017~2018年不同季节太原市逐日48h气流后向轨迹进行聚类分析,同时结合小时污染物质量浓度数据,分析不同季节太原市PM_2.5的潜在源贡献因子（WPSCF）和浓度权重轨迹（WCWT）.结果表明,太原市PM_2.5的质量浓度在季节上呈现冬季（77.56μg/m³） > 秋季（69.89μg/m³） > 春季（63.78μg/m³） > 夏季（45.51μg/m³）的变化趋势.PM_2.5与SO₂、NO₂和CO之间存在明显的同源性和二次转化过程.春、秋和冬季大气传输路径主要以西和西北方向近距离、慢移速的轨迹为主,夏季以南和东方向轨迹为主.PM_2.5潜在源区季节变化明显：夏季主要受太原本地和晋中地区的影响;春、秋和冬季主要受陕西中北部、吕梁、临汾和晋中等地的影响.