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.      

汾渭平原吕梁市颗粒物潜在源及输送通道分析

基于汾渭平原吕梁市2017~2019年颗粒物浓度监测数据和地面气象观测数据,利用后向轨迹聚类分析法以及潜在源贡献函数(PSCF)等方法研究了吕梁市冬季PM₁₀和PM_2.5大气污染特征及其潜在源区,最后结合轨迹密度分析法(TDA)、轨迹停留时间分析法(RTA)对轨迹聚类分析得到污染输送通道进行补充分类,并分析了不同输送通道的输送特征.研究发现,吕梁市2017~2019年颗粒物年均浓度逐年下降,其中PM₁₀下降了28μg/m³,PM_2.5下降了17μg/m³,冬季下降幅度最大.3a冬季风向风速和浓度的统计分析表明吕梁市颗粒物浓度受东北和西南风影响最为显著,其原因是受当地三川河河谷地形的影响.影响吕梁市PM₁₀污染的潜在源区主要位于西南方向,PM_2.5污染的潜在源区主要分布在西南、东和东南方向,颗粒物污染输送通道可概括为:西北、西南和偏东(东+东南)通道.西北通道气流移动速度快,途经新疆、内蒙、甘肃和陕西北部等区域;西南通道气流移动速度慢,主要途经陕西中南部渭河平原等污染严重的区域;偏东通道的气流移动速度慢,气流先沿太行山东麓南下,在经过太行山的横断山谷(太行陉、井陉等)时转向进入山西.PM₁₀污染时西北通道贡献最大,偏东通道贡献最小,且两个通道下绝大多数发生的均是轻度污染,占比都在90%左右;PM_2.5污染时三类通道下发生轻度污染的比重较PM₁₀均下降,西南和偏东通道下发生中度污染以上的比重在50%左右,且西南和偏东通道途经的区域恰好是PSCF计算得到的潜在源区位置,说明了西南和偏东气流容易将细颗粒物输送至吕梁.WRF (天气预报模式)的风场模拟较为直观的解释了三类污染输送通道,且复杂地形是形成污染输送通道的一个重要因素.西北和西南污染输送通道主要受吕梁山脉的影响,偏东污染输送通道主要受太行山及其横谷的影响.     

基于WRF-Chem模型的沈阳市颗粒物扩散特征和成因分析

日益严峻的城市大气环境质量不仅与当地污染物大量排放有关,还受到区域传输的影响。以沈阳市2017年1月一次大气污染过程为研究对象,利用WRF-HYSPLIT模式计算后向轨迹,结合WRF-Chem空气质量模型模拟地表PM_2.5颗粒物的扩散过程,同时分析了区域内的地面、高空天气系统特征。研究结果表明,2017年1月的气团轨迹传输模式可分为5类:偏西方向的传输模式1移动速度快,发生频率和污染浓度均最低,第2、3类簇团在传输模式上相近;均起源于内蒙古自治区内,向东南方向移动至目标区域,轨迹PM_2.5浓度均值较低依次为45.47,67.97 μg/m3,频率依次为24.19%、15.32%;第4类簇团传输模式为本地输送,轨迹占比为33.06%且污染水平最大（121.66 μg/m3）;西南方向传输模式5的频率占比为14.53%,PM_2.5污染水平为105.5 μg/m3。通过轨迹计算与空气质量模型结果对比发现,西南方向的传输模式与东北方向的传输模式会导致目标区域PM_2.5浓度升高,地形动力因子和热力因子所形成的东北地形槽和长白山小高压,更易导致重污染事件。     

乐山市2016年冬季颗粒物重污染过程与输送路径及潜在源区

对乐山市2016年12月—2017年2月的大气污染特征及气象条件进行研究分析,并结合HYSPLIT（后向轨迹模式）,用聚类方法、PSCF（潜在源贡献因子法）、CWT（浓度权重轨迹分析法）分别模拟了研究期间PM_2.5的主要潜在源区.结果表明:研究期间,乐山市以PM_2.5污染为主.因风速低、无降水、相对湿度高、边界层高度降低等原因,使乐山市发生了一次持续时间较长的重污染过程（2017年1月1—7日）,该过程二次污染物累积特征较为明显;春节期间,因烟花爆竹集中燃放产生的大量污染物使乐山市出现了一次严重污染（2017年1月28日）,ρ（PM_2.5）日均值达358 μg/m3.乐山市复杂的地形引起的热力差异有利于局地环流的生成与发展,山谷风的存在可能是造成夜间乐山市郊区站点ρ（PM_2.5）高于城区站点的主要原因.结合后向轨迹与ρ（PM_2.5）日均值分析发现,来自盆地内部的气流（占比为28.57%）对乐山市空气质量产生的影响最大.乐山市东部边界附近、宜宾市西北部、自贡市南部等地对乐山市PM_2.5的潜在源贡献（WPSCF）在0.96以上,说明这些地区是研究期间影响乐山市ρ（PM_2.5）的重要潜在源区,模型的模拟结果与风向、风速、ρ（PM_2.5）监测值插值结果相符.研究显示,乐山市大气污染过程除了与在不利气象条件下污染物的累积有关外,区域污染物的输送贡献也不容忽视.      

晋中盆地主要城市冬季PM2.5传输特征分析

对2017～2019年晋中盆地主要城市PM₁₀和PM_2.5逐时浓度资料进行了分析,给出了晋中市和太原市颗粒物浓度主要分布特征;此外利用PM_2.5逐时浓度资料,结合HYSPLIT后向轨迹模型,通过轨迹密度分析（TDA）、轨迹停留时间分析（RTA）和潜在源贡献因子分析（PSCF）,并对PM_2.5逐时浓度资料和对应时刻风向数据进行分析,探讨了晋中盆地主要城市冬季PM_2.5传输特征.结果表明,太原市颗粒物浓度整体水平高于晋中市,月、季变化特征类似,均呈现冬季高,夏季低的特征,最高值出现在1月.晋中市受静稳型天气形势引起的颗粒物污染较受沙尘型天气形势导致的颗粒物污染相较太原市更普遍一些;颗粒物的分布呈现出晋中市中间值较多,太原市高值偏多、低值偏少的特点,冬季为晋中盆地PM_2.5污染高发季节.晋中盆地主要城市冬季PM_2.5传输通道均可分为4类：第一类通道沿太行山横谷传输,第二类通道为偏东南方向传输通道,第一、二类均为近距离传输通道,气团会携带较多...     

2015~2021年景洪市PM2.5的传输路径及潜在源区

分析2015~2021年景洪市大气污染特征,识别日均PM_2.5浓度超过国家空气质量二级标准所在月(超标月)。利用混合单粒子拉格朗日积分轨迹模型计算景洪市PM_2.5超标月的逐日72h后向轨迹,并结合景洪市PM_2.5浓度,通过聚类、潜在源区贡献因子和浓度权重轨迹因子等分析方法,识别景洪市日均PM_2.5超标月的主要传输路径和潜在源区。结果表明:景洪市2~5月为日均PM_2.5超标月;景洪市2~5月PM_2.5的传输主要来自其西向、西南和南向,且中短距离和低空传输对应高PM_2.5浓度;景洪市PM_2.5源区主要位于缅甸中部、老挝西北部和泰国北部;通过归一化处理浓度权重轨迹因子可知,景洪市2~5月PM_2.5传输的源区主要来自缅甸,贡献41%~50%,其次为泰国和老挝,分别为21%~27%和5%~12%。基于2015~2021年2~5月中南半岛火点数分布及与景洪市PM_2.5浓度相关性分析,进一步揭示影响景洪市PM_2.5的主要排放源为缅甸生物质开放燃烧。研究可为景洪市建立跨境区域联防联控措施以及未来气候变化研究提供指导。     

重庆市2015—2020年秋冬季PM2.5污染传输路径与潜在源贡献分析

2015—2020年成渝地区各城市PM_2.5浓度（国控点监测数据）下降显著,但重庆市、川东北城市群及川南城市群PM_2.5污染问题依然存在,且存在一定的传输影响关系.以重庆市为例,使用HYSPLIT模型计算了2015—2020年秋冬季PM_2.5污染期间气流后向轨迹,利用轨迹聚类和潜在源贡献算法,分析了不同年份的PM_2.5输送特征.结果表明：重庆市PM_2.5污染主要受西偏南方向（约占58%,长距离为主）、北偏西方向（约占26%,中距离为主）和南略偏西方向（约占16%,短距离为主）传输影响;川东北城市群和川南城市群对重庆市PM_2.5污染传输贡献较为显著,6年平均贡献率分别为23%和15%;不同年份的污染传输贡献差异明显,2015—2017年以川南城市群污染传输为主（平均贡献24%）,2018—2020年以川东北城市群污染传输为主（平均贡献37%）,川渝以外污染传输影响逐年减弱（平均贡献由33%降至5%）.在“成渝双城经济圈”背景下,重庆市与周边川东北城市群及川南...     

保定市大气污染特征和潜在输送源分析

保定市是京津冀地区重要城市之一.为了解保定市大气污染物质量浓度特征和潜在输送源,对保定市国控点2017年1月1日-12月31日PM₁₀、PM_2.5、SO₂、NO₂、O₃、CO等常规大气污染物数据进行分析,并利用TrajStat后向轨迹模型进行区域传输研究.结果表明:①ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）分别为（138±96）（84±66）（29±23）和（50±24）μg/m3,与2016年相比分别下降5.9%、9.1%、25.5%和13.1%;ρ（CO）较2016年下降了14.0%;ρ（O₃）较2016年增长了25.2%.ρ（PM₁₀）、ρ（PM_2.5）、ρ（NO₂）和ρ（O₃）分别超过GB 3095-2012《环境空气质量标准》二级标准限值的0.97、1.40、0.25和0.34倍,ρ（SO₂）和ρ（CO）未超标.②除ρ（O₃）外,其他污染物质量浓度均呈冬季最高、夏季最低的季节性特征,其中,冬季PM_2.5污染最为严重,春季PM_2.5~10（粗颗粒物）污染严重.③空气质量模型源解析结果显示,保定市ρ（PM_2.5）约60.0%~70.0%来自本地污染源排放.后向轨迹结果表明,在外来区域传输影响中,保定市主要受到西北方向气团（占比为21.7%~60.0%）远距离传输和正南方向气团（占比为34.8%~50.5%）近距离传输的影响.④PSCF（潜在源贡献因子分析法）和CWT（浓度权重轨迹分析法）分析表明,除保定市及周边区县本地污染贡献外,位于太行山东麓沿线西南传输通道的邯郸市、邢台市、石家庄市是影响保定市PM_2.5的主要潜在源区.研究显示,PM_2.5为保定市大气中的主要污染物,并呈冬季高、夏季低的变化特征,其主要来自西北远距离输送和南部近距离传输.      

邯郸市PM2.5和O3污染特征及潜在源分析

通过对2013—2020年邯郸市的大气污染物浓度及气象参数进行统计分析,探究了大气污染物的浓度变化特征,运用轨迹聚类分析和潜在源贡献因子法(PSCF)研究了邯郸市复合污染日PM_2.5和O₃的传输路径及潜在源区.结果表明：邯郸市PM_2.5-O₃复合污染出现在3—10月,与单O₃污染相比,PM_2.5-O₃复合污染时的O₃峰值浓度和平均浓度较高,当温度为19.1～25.7℃,湿度为32%～63%,风速较低时,最有利于PM_2.5-O₃复合污染发生;单O₃污染和复合污染期间的O₃主要来自邯郸周围的短距离传输,单PM_2.5污染主要来自西北气流的长距离运输和邯郸周围的短距离传输,而复合污染日期间的PM_2.5主要来自西北气流的长距离运输;相较于单O₃污染,2013、2014、2...     

厦门市冬季PM2.5污染情境识别及其与气象条件的关系

为研究厦门市冬季不同PM_2.5污染情境与气象条件和气团轨迹路径特征的关系,结合PM_2.5观测数据,使用AGAGE（Advanced Global Atmospheric Gases Experiment）统计方法识别2014—2018年冬季厦门市PM_2.5观测值、基线值和污染值情境,通过气象数据统计和气团后向轨迹聚类对不同PM_2.5污染情境下气象条件和气团轨迹路径特征进行探究.结果表明:①厦门市冬季不同PM_2.5污染情境下,ρ（PM_2.5）及PM_2.5污染值情境时长占比均呈波动中下降的趋势,具体表现为冬季PM_2.5观测值、污染值和基线值情境下,ρ（PM_2.5）平均值分别从2014年的42.2、90.7、16.4 μg/m3降至2018年的26.3、56.9、8.8 μg/m3,冬季PM_2.5污染值情境时长占比从2014年的10.2%降至2018年的3.0%.②冬季PM_2.5污染值情境下气象要素呈低风速、低气压、高温度、高相对湿度的特征.③冬季到达厦门市的气团轨迹路径中,局地路径由于大气条件稳定易累积形成PM_2.5污染;偏北路径和西北路径易从临近省份携带污染物输入导致PM_2.5污染,属于重要的外源污染输入路径;沿海路径和偏西路径均属于清洁路径,但沿海路径易在福建省北部与偏北路径重合形成污染输入,加强了偏北路径的污染物输送能力.研究显示,近年来厦门市冬季PM_2.5污染有明显减弱趋势,但不利的气象条件和外来污染输入仍会造成PM_2.5污染的发生.      

京津冀及周边民用散煤燃烧控制对北京市PM2.5的影响

为评估京津冀及周边“2+26”城市农村居民面源污染控制成效,揭示其对北京市秋冬季重污染天气PM_2.5污染的改善作用,及其对PM_2.5组分硫酸盐形成机制的影响,采用空气质量模型对北京市2018—2019年秋冬季5次重污染事件进行了模拟. 结果表明:①在“2+26”城市平原地区民用散煤削减90%的控制情景下,区域PM_2.5浓度最大值由324 μg/m3降至251 μg/m3,下降了23%. 北京市城区PM_2.5浓度由139 μg/m3降至124 μg/m3,下降了11%;同时,北京市城区SO₂、硫酸盐浓度分别降至6.2、14.9 μg/m3,分别下降了45%、24%. ②农村居民面源污染控制前北京市硫酸盐浓度的正贡献来源主要受水平平流输送过程影响,控制后水平平流输送过程仍起主导作用,但该过程在水平平流输送、垂直平流输送、水平扩散、垂直扩散这4个物理过程中的绝对重要性上升了2%;此外,农村居民面源污染控制后垂直扩散清除过程对硫酸盐浓度的贡献下降了33%,气溶胶二次转化过程的贡献下降了25%,但SO₂向硫酸盐转化的速率加快,其小时转化率上升了1.44%. ③ISAM源解析方法结果表明,控制情景下区域工业过程是影响北京市SO₂浓度的最主要行业源因素,平均贡献率为65%,硫酸盐工业过程源的平均贡献率为82%. 区域来源分析表明,北京市SO₂来源主要为外地源输送,硫酸盐主要来源与SO₂一致,其中河北省贡献较大,其对SO₂、硫酸盐的平均贡献率分别达43%、40%. 研究显示,控制情景下污染期间北京市PM_2.5污染改善,且污染物浓度、形成过程和来源贡献均发生明显变化.      

北京及周边地区夏季PM2.5中含碳组分污染特征与来源解析

为研究《打赢蓝天保卫战三年行动计划》等政策实施后北京及其周边区域夏季环境PM_2.5含碳组分特征及来源,2019年7月分别在北京城区与河北郊区的2个站点同步连续采集大气PM_2.5样品,利用热光碳分析仪分别测定了有机碳(OC)和元素碳(EC)及其组分的质量浓度;通过最小OC/EC比值法、最小相关系数法估算了二次有机碳(SOC)浓度;利用主成分分析、后向轨迹分析等方法探究了含碳气溶胶的来源。结果表明:夏季北京城区PM_2.5中ρ(OC)和ρ(EC)平均分别为(6.34±0.64),(1.96±0.29)μg/m3,分别占ρ(PM_2.5)的18.65%和5.78%;河北郊区PM_2.5中ρ(OC)与ρ(EC)平均分别为(6.29±0.79),(3.54±0.63)μg/m3,分别占ρ(PM_2.5)的17.69%和9.53%。2种方法估算出北京城区的ρ(SOC)分别为(3.35±0.59),3.98μg/m3,分别占ρ(OC)的(51.77±6.97)%和68.48%;河北郊区的ρ(SOC)分别为(3.28±0.69),4.17μg/m3,分别占ρ(OC)的(62.42±9.62)%和68.32%。此外,夏季北京城区与河北郊区均存在较为严重的二次污染;北京城区含碳组分主要污染源是混合机动车排放、道路扬尘及燃烧源;而工业燃煤排放、机动车尾气及扬尘是河北郊区含碳组分的主要污染源。后向轨迹分析发现,夏季气团轨迹主要来自东南、西南及偏南方向,且对北京城区与河北郊区2个区域PM_2.5中碳组分的影响较大。     

京津冀一次重污染过程的成因和来源

2016年12月16~21日,京津冀地区经历了一次大范围重污染过程.本文基于空气质量监测资料及实况天气图分析了此次极端区域重污染事件的天气成因,并利用嵌套网格空气质量预报模式（NAQPMS）对京津冀主要城市PM_2.5污染来源进行定量解析.结果表明：污染前中期500hPa高空为偏西气流伴空中回暖,后期转槽前偏南气流增温增湿明显;对应地面气压逐渐降低,辐合不断增强;垂直方向上,逆温层不断抬升加厚,中低层暖平流明显,风垂直切变小;大气长时间处于极度静稳状态也是造成此次重污染过程的天气因素.污染期间,京津冀各主要城市PM_2.5污染本地贡献占40%~60%;北京市PM_2.5本地贡献为48%,其中16~17日北京市主要受沿太行山东侧的西南向输送通道（邯郸-邢台-石家庄-保定-北京）影响,其后风速减小,北京本地及周边城市贡献增大.     

2017年京津冀地区PM2.5污染特征及潜在来源分析

京津冀及周边地区大气污染问题突出,秋、冬季重污染天气频发。为探讨该地区PM_2.5污染来源,分析其污染状况和气象因素的关系,利用2017年京津冀地区空气质量监测站的气象资料如气压、风速、相对湿度、温度、降水量等,结合ArcGIS软件空间插值法、SPSS 21.0的Pearson相关性分析等方法,采用拉格朗日混合型的扩散模型HYSPLIT后向轨迹聚类分析方法,探讨北京地区主要气团传输轨迹,结合GDAS气象资料计算潜在源贡献因子。结果表明:1）2017年京津冀地区ρ（PM_2.5）年均为64.4μg/m3,比2016年下降11.5%,全年达标天数占比为74.2%。2）京津冀地区PM_2.5与气压、相对湿度呈正相关,其中气压与PM_2.5相关性最高;与风速、日照时长、温度、降水量呈负相关,其中日照时长与PM_2.5相关性最高。冬季比其他季节影响更为显著。3）从时间尺度看,冬季污染最严重,秋、春季稍好,夏季PM_2.5优、良级占92.4%;其中,1月平均ρ（PM_2.5）最高。4）从空间范围看,整体上京津冀地区呈现南高北低,南北差异相对明显,其中其北部承德、张家口、秦皇岛地区ρ（PM_2.5）最低,石家庄、邯郸PM_2.5污染较严重。5）源解析结果表明,冬季北京地区主要受本地污染源影响,在春、秋季节受周边区域源贡献因子PSCF值>0.4,河北、山东、河南等地对北京PM_2.5的污染有一定的源贡献。     

北京市秋冬季环流型下的细颗粒物传输

利用Models-3/CMAQ模式系统对北京市2013~2018年秋冬季（即当年11、12月和次年1、2月份）细颗粒物（PM_2.5）进行模拟,计算北京周边4个截面的PM_2.5传输通量,结合流场、浓度的分析,总结11种大气环流型下北京市的PM_2.5传输特征.污染严重的西南（SW）和西（W）环流型下,北京地区受强烈的PM_2.5传输作用,0.6km以下南部平原的输入产生了非常强的输入累积作用,加重了北京地区PM_2.5的污染程度.污染严重的南（S）环流型下,0.6km以下东部平原和0.6km以上南部平原的输入都产生了较强的输入累积作用,京津冀东部和南部地区的污染物通过不同高度范围传输影响北京地区的PM_2.5水平.污染同样严重的均压（UM）和气旋（C）环流型下,各方向的传输都没有产生明显的输入累积作用,本地排放的削减对于污染的控制尤为重要.污染中等的东（E）、东南（SE）环流型下,北京地区在近地层（0.2km以下）通过南部平原截面对保定等城市有较大的输出通量,对北京污染具有较强的输出消散作用.污染轻的北（N）、东北（NE）和西北（NW）环流型下,北京地区在1km以下通过东部平原截面对廊坊、天津等城市有很大的输出通量,对北京污染具有很强的输出消散作用.污染轻的A环流型下,北京地区没有明显的PM_2.5输入输出现象.     

北京一次重污染过程的天气成因及来源分析

采用天气学分析和GRAPES-CUACE气溶胶伴随模式相结合的方式,探讨了北京市2016年2月29日~3月6日一次PM_2.5重污染过程的大气环流特征、污染形成和消散原因,并利用伴随模式追踪了造成此次重污染过程的关键排放源区及敏感排放时段.结果表明：此次重污染过程北京市PM_2.5浓度存在明显日变化,在3月4日20：00达到污染峰值,观测数据显示海淀站PM_2.5浓度达到506.4μg/m³.形成此次重污染过程的主要天气学原因是北京站地面处于低压中心,且无冷空气影响,风速较弱,逆温较强,大气层结稳定,混合层高度较低,500hPa西风急流较弱,污染物水平和垂直扩散条件差,大气污染物易堆积;此次过程中,500hPa短波槽过境、边界层偏南风急流和冷空气不完全渗透导致了本次严重污染PM_2.5浓度的短暂下降.伴随模式模拟结果表明,此次污染过程目标时刻的污染浓度受到来自河北东北部和南部、天津、山西东部、以及山东西北部污染物的共同影响,目标时刻PM_2.5峰值浓度对北京本地源响应最为迅速,山西响应速度最慢;北京、天津、河北及山西排放源对目标时刻前72h内的累积贡献比例分别为31.1%、11.7%、52.6%和4.7%.北京本地排放源占总累积贡献的1/3左右,河北排放源累积贡献占一半以上,天津和山西分别占1/10和1/20,河北源贡献占主导地位,天津和山西贡献较小;目标时刻前3h内,北京本地源贡献占主导地位,贡献比例为49.3%,目标时刻前4~50h内,河北源贡献占主导地位,贡献比例为48.6%,目标时刻前50~80h,山西源贡献占主导地位,贡献比例在50%以上.     

2007—2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM_2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM_2.5)近年来逐渐呈上升趋势;ρ(PM_2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM_2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_2.5)的影响.      

晋东南地区冬季PM2.5污染输送路径分析

利用2017~2019年晋城市和长治市冬季PM_2.5逐时浓度资料、地面风场数据等,结合HYSPLIT轨迹模型和中尺度数值模式WRFV4.2分析了晋东南地区冬季PM_2.5污染的特征和传输特点.结果表明,晋城市冬季PM_2.5污染程度高于长治市.受地形影响,晋城市地面盛行偏南风、偏北风和西北风,污染方向主要为偏南风和偏北风;长治市近地面盛行偏南风,该风向污染频率最高.影响晋城市和长治市污染的潜在源区主要分布在偏西、东北和东南方向,偏西气流来自陕西省中部,东北气流来自河北省西南部,东南气流来自河南省中东部.污染经过晋东南地区主要影响山西省中南部和北京南部.通过数值模拟流场,结合潜在源区和影响区域的分析结果,在均压场或高压后部的天气形势下,晋东南地区污染输送路径包括来自东北方向（河北省西南部一带）的气流,沿长治市东北部的滏口陉向晋东南地区输送污染物及沿太行山东麓向南在晋豫交界处的太行陉发生转折向晋东南地区输送污染物;来自东南方向（河南北部及东部）的气流输送和来自偏西方向（陕西中南部）的气流输送.污染物经过晋东南地区向北输送至山西省中南部,部分经过山西省中东部的井陉输送至北京南部.     

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

“2+26”城市一次多因素叠加重污染过程的特征分析

2018年11月23日-12月4日,京津冀及周边地区"2+26"城市出现了一次长时间、大范围、高强度的复合型大气重污染过程,为揭示区域性重污染过程中多因素的综合作用,利用气象资料、空气质量监测等多源数据以及区域污染特征雷达图,对京津冀及周边地区"2+26"城市此次重污染特征和成因进行分析.结果表明:根据PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）,下同]可将此次重污染过程划分为4个阶段.第一阶段（2018年11月23-26日）PM_2.5/PM₁₀在0.5~1.0内波动,"2+26"城市大气扩散条件转差,一次污染物局地积累及SO₂、NO_x、NH₃等气态污染物在高湿条件下二次转化是污染形成并发展的主要原因;第二阶段（11月27日）PM_2.5/PM₁₀突降至0.2左右,"2+26"城市北部受形成于蒙古国的沙尘影响,短时ρ（PM₁₀）快速升高（峰值为818 μg/m3）,中南部受形成于内蒙古自治区阿拉善盟的沙尘及上风向PM_2.5污染的传输影响,ρ（PM_2.5）和ρ（PM₁₀）均较高,维持日均重度污染水平（参照GB 3095-2012《环境空气质量标准》和HJ 633-2012《环境空气质量指数（AQI）技术规定（试行）》）;第三阶段（11月28日-12月2日）PM_2.5/PM₁₀由0.3逐渐升至0.8,在静稳、高湿的不利气象条件下,一次污染物积累并二次转化,第二阶段残留沙尘中的矿物质对硫酸盐起到催化作用,导致ρ（PM_2.5）快速上升,"2+26"城市大部分达日均重度及以上污染;第四阶段（12月3-4日）与第二阶段类似,PM_2.5/PM₁₀突降至0.2,"2+26"城市再次受到沙尘天气和区域传输的共同影响,因冷空气持续时间较长,污染被有效清除.研究显示,此次污染过程是气象条件、污染物一次排放和二次转化、区域传输、沙尘天气等多因素综合作用的结果.当静稳、高湿等不利气象条件或沙尘天气出现时,区域应加强对各类污染物排放的管控力度,以降低污染物的一次排放、二次转化以及沙尘和区域传输的共同影响,进而削弱污染严重程度.