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。     

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.     

长沙市冬季重污染过程PM2.5污染特征和潜在源分析

文章针对2019年12月长沙市冬季气象数据和大气污染物质量浓度在线监测数据,分析大气污染特征及气象因素,通过HYSPLIT后向轨迹模型和NCEP的GDAS气象数据对12月及污染过程的3个阶段逐时72 h气流后向轨迹进行聚类,利用潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)揭示长沙市冬季PM_(2.5)的潜在源区及其贡献特征。结果表明:12月长沙市PM_(2.5)平均浓度分别为77.12μg/m~3,其中阶段Ⅱ(185.9μg/m~3)阶段Ⅰ(80.9μg/m~3)阶段Ⅲ(59.1μg/m~3),相关性分析和特征雷达图表明,污染过程以一次颗粒物的排放为主;风速上升过程长沙市PM_(2.5)污染方位由西南方向南方转移,不利气象条件促进了污染过程PM_(2.5)的积累和爆发;聚类分析显示长沙市12月来自湘鄂交界处的轨迹3最频繁,来自福建和广东的轨迹4携带PM_(2.5)浓度最高。阶段Ⅰ偏燃煤型污染显著,受安徽、江西和湖南3个省份的气流轨迹影响;阶段Ⅱ偏二次型污染受福建和广东气流轨迹影响;阶段Ⅲ转变为偏综合型和其他类型污染,与北方气流占比相对阶段Ⅱ上升有关,主要受来自江西和福建交界处的轨迹1影响浓度和占比均为最大;WPSCF和WCWT结果显示,长沙市PM_(2.5)浓度的主要源区位于湖南西南、北部及广东、湖北等地。     

衡阳市冬季PM2.5外来输送特征及潜在源分析

利用HYSPLIT模型的后向轨迹模式,结合GDAS气象数据、衡阳市PM_(2.5)质量浓度数据,分析了衡阳市2015—2017年冬季外来气团后向轨迹分布特征,并运用后向轨迹模式中的聚类分析法、潜在源分析法(PSCF)、浓度权重分析法(CWT),分析了衡阳市冬季PM_(2.5)外来输送通道及潜在源分布情况。结果表明:衡阳市冬季外来气团后向轨迹主要来自偏北方向,移动速度较慢,100 m高度的PM_(2.5)外来输送路径较集中,以近距离输送为主; 500 m高度的输送路径较分散且更长,长距离输送的影响增大。聚类分析显示,来自东北方向的聚类轨迹出现频率最高,该类轨迹移动方向是PM_(2.5)外来输送的主要通道方向。潜在源分析显示,衡阳市冬季PM_(2.5)外来输送以区域输送为主,对浓度影响较大,湘东、湘南、赣西、湘赣交界处、桂东北、豫南地区为PM_(2.5)外来输送的主要潜在源区,湘南、湘东北、赣西地区是高浓度外来输送潜在源区。     

APEC前后北京郊区大气颗粒物变化特征及其潜在源区分析

为分析2014年APE(Asia-Pacific Economic Cooperation)会议前后北京郊区大气颗粒物数浓度和质量浓度的变化特征及其主要影响因素,于当年11月在北京怀柔区中国科学院大学雁栖湖校区教学一楼楼顶利用微量振荡天平(TEOM)、扫描电迁移率颗粒物粒径谱仪(SMPS)和空气动力学粒径谱仪(APS)对大气颗粒物质量浓度和数浓度分布进行连续在线监测;同时结合地面气象参数和HYSPLIT轨迹模式,对颗粒物的来源和传输过程进行聚类、潜在源区贡献因子(PSCF)和浓度权重轨迹(CWT)分析.结果表明,APEC期间(11月5—11日)超细粒子(PM_(0.01～1))数浓度、细粒子(PM_(0.5～2.5))数浓度和粗粒子(PM_(2.5～10))数浓度分别为(17720.1±998.7)、(30.9±3.34)和(0.12±0.01) cm~(-3),比非APEC期间(即11月1—4日和11月12—30日)分别降低了28.8%、58.6%和64.7%;APEC期间ρ(PM_(2.5))为(36.1±2.4)μg·m~(-3),比非APEC期间降低55.5%.PM_(0.5～2.5)数浓度和PM_(2.5～10)数浓度降幅远大于PM_(0.01～1)数浓度,这表明APEC期间的减排措施对于PM_(0.5～2.5)和PM_(2.5～10)的控制效果优于PM_(0.01～1),说明APEC期间对PM_(0.5～2.5)、PM_(2.5～10)数浓度进行了更有效的控制.对北京气流后向轨迹聚类分析发现,来自蒙古国、内蒙古、河北西北部、河北南部方向的气流轨迹对应北京郊区的PM_(0.01～1)数浓度最高,为30593 cm~(-3),来自河北西北部、北京、天津、河北南部方向的气流轨迹对应北京郊区的PM_(0.5～2.5)、PM_(2.5～10)的数浓度及ρ(PM_(2.5))均为最高,分别为190 cm~(-3)、0.65 cm~(-3)、168μg·m~(-3).综合潜在源区贡献因子分析法(PSCF)和浓度权重轨迹分析(CWT)的结果分析发现,观测期间北京PM_(0.01～1)与PM_(0.5～2.5)、PM_(2.5～10)的潜在源区存在明显的区别,其中PM_(0.01～1)数浓度的潜在源区分布区域相对较广,主要分布在内蒙古中部、河北西北部、河北中南部和山西东北部等地区,而PM_(0.5～2.5)和PM_(2.5～10)数浓度的潜在源区分布基本一致,而且区域相对较集中,主要分布在河北北部、山西东北部和河北中南部等地区.APEC期间与非APEC期间ρ(PM_(2.5))的源区贡献因子分析和浓度权重轨迹分析表明,APEC期间ρ(PM_(2.5))的主要源区分布比非APEC期间相对较集中,主要位于北京当地、天津等附近地区,该地区对观测点ρ(PM_(2.5))的贡献值在24～40μg·m~(-3)之间.     

南京市大气PM2.5时空分布特征与潜在源区贡献分析

对2017年南京市区7个自动空气质量监测点的PM_(2.5)质量浓度ρ(PM_(2.5))数据进行分析,采用克里金(Kringing)空间插值法、气流运动轨迹聚类、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)探讨了四季大气中ρ(PM_(2.5))的时空分布特征和潜在来源。结果显示,四季大气中ρ(PM_(2.5))均值由高到低依次为冬季(65. 54μg/m~3)、春季(41. 70μg/m~3)、秋季(35. 18μg/m~3)和夏季(23. 56μg/m~3),秦淮区四季大气中ρ(PM_(2.5))均最高。春季南京大气中ρ(PM_(2.5))易受黄海海岸和北方大陆性输送气流的影响,来自黄海方向的气流轨迹2贡献比例达51. 65%,对应的ρ(PM_(2.5))为50. 91μg/m~3;夏季南京大气中ρ(PM_(2.5))主要受江苏、东部海洋和南部沿海城市输送气流的影响,其中源自江苏的气流轨迹1对南京大气PM_(2.5)贡献比例最大(33. 64%),气流轨迹对应的ρ(PM_(2.5))为35μg/m~3;秋季南京大气中ρ(PM_(2.5))易受短距离的偏北气流影响,来自山西南部,河南中部、安徽中部的气流轨迹5对应的ρ(PM_(2.5))最高,出现概率(21. 11%)和贡献比例(27. 81%)均较高;冬季南京大气中ρ(PM_(2.5))主要受北方大陆性输送气流影响,来自俄罗斯、蒙古国东部、河北北部、北京、天津、山东中部的长距离气流轨迹4对应的ρ(PM_(2.5))最高,达109. 8μg/m~3,其贡献比例为26. 86%。PSCF和CWT分析发现,安徽、山东、浙江与江苏交界和黄海海岸是影响南京市空气质量的主要潜在源区,此外,湖北、北京、天津以及渤海海岸也是南京大气PM_(2.5)的潜在源区。     

福州市区冬春季PM2.5污染特征与来源差异性分析

基于福州市区2015年2月—2016年1月间的大气PM_(2.5)监测数据,综合运用HYSPLIT后向轨迹模式、潜在源贡献因子法(WPSCF)与浓度权重轨迹分析(WCWT)等方法,探讨了福州市区冬、春季PM_(2.5)污染特征和典型污染过程成因,总结了气象因子和污染来源的季节性差异.研究期间,冬、春季是福州市区PM_(2.5)污染的主要季节,福州市区不同类型站点的PM_(2.5)浓度在冬、春季污染发生时均呈现出整体升高的特点,但浓度日变化却存在季节性差异,冬季无显著日变化,春季则表现为单峰单谷特征.福州市区春季主要受锋前暖区和高压后部等天气系统影响,大气扩散条件差,PM_(2.5)极易在不利的气象条件下累积,福建沿海地区是其PM_(2.5)污染的主要潜在源区;冬季污染易受高压天气系统作用,盛行偏北风,长江三角洲地区的污染物输入会对福州市区空气质量产生较大影响,长江三角洲、浙江东南沿海、福建北部是其PM_(2.5)污染的主要潜在源区.     

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.     

广西北海涠洲岛春季大气颗粒物浓度特征及影响因素

为了解我国北部湾区域大气环境特征和可能的跨界输送,于2015年3~4月在涠洲岛开展了对大气颗粒物浓度水平和粒径分布特征的外场观测研究,并结合气象因子和后向轨迹探讨了颗粒物浓度变化原因和来源.结果表明涠洲岛大气PM_1、PM_(2.5)、PM_(10)质量浓度分别为(21±12)、(35±19)、(43±20)μg·m~(-3).PM1、PM_(1~2.5)和PM_(2.5~10)质量浓度分别占PM10的50%、32%、18%.0.5~1、1~2.5和2.5~20μm粒径段颗粒物数浓度分别占总数浓度的93.5%、6.1%和0.4%.颗粒物数浓度与能见度和气压呈弱负相关.后向轨迹模拟分析发现,来自涠洲岛西南方向东南亚一带的气团影响频率最高(45.9%),0.5~1μm、1~2.5μm数浓度和PM_(2.5)浓度最低但NO浓度最高;其次为来自正东方向气团(34.1%),SO2浓度最低但O3浓度最高;来自正南方向的气团(12.5%)NO2、NOx、O3和CO浓度最低;来自东北方向的大陆气团影响频率最低(7.4%),但颗粒物数浓度、质量浓度和气体污染物浓度(除O3和NO)最高.涠洲岛大气细颗粒物和气态污染物主要受大陆和东南亚地区输送影响,来自大陆方向的输送以工业污染为主,来自东南亚方向的输送以港口船舶及航运污染为主.     

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.     

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.     

“2+26”城市2017年冬防减排效果及其潜在原因分析——以衡水市为例

近年来我国大气重污染频发,严重影响民生,其中以京津冀最为严重.2017年"总理基金"启动,同年冬防效果显著.衡水市作为"2+26"城市之一,空气质量排名常年处于倒数十名之内.经过2017年的冬防,空气质量明显改善,衡水市大气污染的改善在"2+26"城市中很具有代表性.本文以衡水作为切入点,利用后向轨迹和浓度权重轨迹分析(CWT)探讨了2017年衡水冬防效果及潜在源区变化,分别从气象轨迹和本地排放初探了潜在原因.结果表明,2017年冬防效果显著,PM_(2.5)浓度降低33%,优良天数增加32 d,重污染天数减少22 d.PM_(10)浓度降低41%,优良天数增加40 d.2017年冬季PM_(2.5)潜在源区由2016年同期衡水北部及以北地区向衡水南部及以南地区转移.PM_(10)潜在源分布变化与PM_(2.5)相似.两年气象条件的对比结果表明,气象变化较小,对潜在源分布影响不大,本地排放是潜在源区分布变化的主要原因,其中衡水北部工业锅炉和扬尘减排量显著高于衡水南部.研究表明,2017年衡水冬防效果显著,相比于气象条件,本地排放对大气颗粒污染及来源影响更大,本研究可为"2+26"城市大气颗粒污染研究提供参考.     

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.     

成都市一次典型空气重污染过程特征及成因分析

为了研究成都市冬季空气重污染过程的成因,以2015年12月26日—2016年1月6日成都市一次典型重污染天气过程为例,基于HYSPLIT后向轨迹模式结合全球资料同化系统(Global Data Assimilation System,GDAS)气象数据和成都市7个监测站的AQI、PM_(2.5)、PM10、NO2质量浓度数据,使用气象分析、轨迹聚类(Cluster Analysis)、潜在源贡献因子法(Potential Source Contribution Function,PSCF)和浓度权重轨迹法(Concentration Weighted Trajectory,CWT),分析了此次过程的气象特征、轨迹输送特征和污染物潜在来源分布.结果表明,此次污染天气过程是以PM_(2.5)为主要污染物,其次为PM10、NO2.2015年12月30日14:00左右是此次污染天气过程各站点PM_(2.5)、PM10浓度到达峰值的时刻.缺少北方冷空气南下,四川盆地内空气水平运动弱,以及扩散条件差的静稳天气形势是导致此次大气污染过程成都市污染物累积的原因,而冷空气活动是改善这种天气形势的关键.污染过程辐射逆温层的形成对当时污染物浓度增长有促进作用,但随着每日生消、加强减弱,其并不是最终导致重污染天气形成的关键因素.川东北的广元、绵阳、德阳等地区和成都本地及其南向的眉山、雅安等地区是此次过程主要的潜在源区,这些地区人口较密集,工业较发达,且沿地形走向而分布.     

北京、石家庄2017—2018年PM2.5与SNA组分特征及典型重污染分析

基于北京、石家庄2017、2018年的1月和7月PM_2.5样品采集,研究两地采暖期、非采暖期及典型重污染过程的PM_2.5、SNA污染特征及二次转化特征.应用TrajStat模型,结合浓度权重轨迹分析法（CWT）,分析两地PM_2.5气流输送路径以及潜在源区.利用WRF-CAMx模式定量分析两地重污染月份（2017年1月）PM_2.5、硫酸盐及硝酸盐的区域传输贡献.结果表明, 2017年1月北京和石家庄均存在重污染过程,两年1月石家庄市PM_2.5浓度均高于北京; SNA占PM_2.5所有组分的34.11%~51.68%,对PM_2.5浓度有重要贡献,其中北京NO₃^-浓度最高,石家庄SO₄^2-浓度最高, SO₄^2-/NO₃^-夏季高于冬季;北京SOR高于石家庄,石家庄NOR高于北京,重污染期间两城市硫酸盐、硝酸盐、铵盐质量浓度、SOR与NOR明显升高;两地冬季气流主要受俄罗斯、蒙古、内蒙戈壁等地区的西北方向远距离输送影响,另外北京两年冬季均存在西南传输通道,石家庄重污染期间受冀南和鲁西北重工业城市群潜在贡献较高,两市夏季受东南季风影响,污染轨迹多来自渤海湾和山东等地区; 2017年1月,北京、石家庄PM_2.5受周边区域传输贡献分别为33.80%、22.54%,其中河北南部分别贡献14.86%, 17.21%,二次离子中NO₃^-的传输作用比SO₄^2-更加突出.从PM_2.5本地源来看,北京主要来源为移动源和扬尘源,分别占比43.30%、20.10%,石家庄为工业、燃煤和扬尘,分别占比26.40%、24.82%、22.50%.     

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.     

苏锡常地区PM2.5污染特征及其潜在源区分析

利用2014年12月—2015年11月苏锡常地区国控大气环境质量监测站发布的逐时数据,分析了研究区PM_(2.5)浓度的季节变化和空间分布特征,并利用HYSPLIT模型分析了大气污染物的输送路径及苏锡常地区PM_(2.5)的潜在源区.结果表明,苏锡常地区PM_(2.5)浓度日均值变化趋势基本一致,均呈现冬季高、夏季低的规律.PM_(2.5)浓度四季空间差异显著,不同监测站之间的差异较小.四季PM_(2.5)浓度与其它污染物之间相关性显著.单位面积污染物排放量与空气质量分布的空间错位,表明该地区PM_(2.5)污染与区域性污染物迁移有较大关系.苏锡常地区气流后向轨迹季节变化特征明显,冬、春、秋季的气流主要来自西北内陆地区,夏季气流以东南和西南方向输入居多.聚类分析表明,来自内陆的污染气流和来自海洋的清洁气流是苏锡常地区两种主要输送类型,外源污染气流不仅直接输送颗粒物,还贡献了大量的气态污染物.山东南部、江苏西部、安徽东部、浙江北部及江西西北地区对苏锡常冬季PM_(2.5)浓度贡献较大,春、夏、秋季的潜在源区主要分布在苏锡常本地和周边城市.     

长三角地区2015年大气重污染特征及其影响因素

基于2015年长三角地区129个环境空气质量监测站的空气质量指数（AQI）及主要大气污染物浓度数据,结合气象资料和HYSPLIT后向轨迹模式,探究长三角地区大气重污染的时间变化和空间集聚特征,并深入分析气象条件和区域传输对重污染过程发生和维持的影响.结果表明,2015年长三角地区各城市平均出现AQI超过200的重污染天气共8 d,重污染频率为2.01%,PM_2.5作为首要污染物出现频次最多.从时间变化看,重污染主要分布在1月和12月;从空间分布看,北部地区重污染相比南部地区更为严重,徐州和常州市出现频率最高.选取典型重污染过程1月9—11日（纬向扩散型）、1月24—26日（经向扩散型）和12月20—26日（两种模式相结合的重污染天气）进行成因分析,发现长三角地区重污染天气主要受到西北风向、低风速、高湿度和逆温层的影响,导致大气污染物积累且不易扩散.基于HYSPLIT的大气传输轨迹及频率分布表明,来自西北方向的气流对江苏北部地区的污染输送特征有着显著影响.