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.     

重庆市冬季PM_(2.5)输送特征及污染源地解析

利用全球资料同化系统数据(GDAS)和PM_(2.5)实测浓度数据,使用HYSPLIT模型和Trajstat插件的聚类方法和聚类统计模块对2015年12月-2016年2月间到达缙云山空气质量监测站的28个不同气流高度气流进行聚类分析;结合Arc GIS软件计算气流速度和气流密度,以分析山体对PM_(2.5)跨区域输送的影响;运用潜在源贡献(PSCF)分析法及浓度权重轨迹(CWT)分析缙云山PM_(2.5)潜在源贡献率和轨迹权重浓度。结果表明:重庆主城主要受西部气流影响,主城PM_(2.5)异地源多来自该方向;高大山体会减缓气流运行速度,增大气流轨迹密度,阻碍PM_(2.5)的跨区域传输,PM_(2.5)浓度、输送速度和输送方向等会发生改变,山地城市PM_(2.5)浓度受气流输送影响小于平原城市;铜锣山以西重庆段是缙云山PM_(2.5)的极重要源区,源贡献率达到80%以上,重要源区多在四川与重庆接壤区域,横断山脉部分区域气流潜在源贡献率较高。PM_(2.5)的PSCF和CWT分布区域类似,气流轨迹浓度最大值区多位于极重要源区,随着源区重要性等级的减弱,浓度也逐步降低。     

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.     

广州市PM2.5污染特征及潜在贡献源区分析

基于NCEP/NCAR全球再分析气象资料和2015-2017年PM_(2.5)浓度,利用HYSPLIT模型研究不同气流轨迹对广州PM_(2.5)浓度的影响,以及污染输送路径和潜在源区空间分布特征。结果表明:(1)广州2015-2017年PM_(2.5)平均浓度为36.5μg/m~3,逐月平均PM_(2.5)浓度1月份最高,为49.3μg/m~3,轻度污染及以上时次比例达15.66%,6月份最低,为20.8μg/m~3,无轻度及以上污染时次。(2)PM_(2.5)平均浓度在不同情景类型下的浓度高低顺序依次为:污染日干季清洁日湿季,其中污染日的PM_(2.5)平均浓度是清洁日的近3倍,干季的PM_(2.5)平均浓度是湿季的1.4倍;不同情景类型下的PM_(2.5)浓度日变化特征基本都在白天时段低(16时最低),晚上时段高(21-22时最高),日变化幅度为污染日干季清洁日湿季。(3)在干季,影响广州的气流轨迹路径主要有5类:东北路径、东南路径、西北路径、西南路径及偏西路径,其中第2类东南路径对广州PM_(2.5)平均浓度的贡献最高;而在湿季,影响广州的气流轨迹路径主要有4类:偏南路径、东南路径、偏北路径及西南路径,其中第3类偏北路径对广州PM_(2.5)浓度的贡献最高。(4)基于潜在源贡献因子和浓度权重轨迹分析法分析表明,广州PM_(2.5)浓度潜在源贡献较大的区域主要集中在广州东部的东莞、惠州、深圳、肇庆、中山等周边地区,该研究可为确定广州污染潜在源贡献区以及区域联防联控提供参考。     

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。     

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.     

银川市臭氧污染天气形势客观分型研究

采用T-mode主成分分析法（PCT）对银川2016—2020年4—9月850 hPa位势高度和全风速场进行客观天气分型,并利用后向轨迹聚类方法、潜在源贡献算法（PSCF）和浓度权重轨迹分析法（CWT）探讨臭氧易污染天气型的传输特征和潜在污染源区.结果表明,最有利于形成臭氧污染的天气类型为东高西低型,其次是低空均压场高空弱西北气流型,再次是低空均压场高空强西北气流和辐合场型,对应的臭氧超标率分别为37%、34%、27%和27%;不利于促发臭氧污染的天气类型有暖高底部型、西北气流控制型和高压后部型.东高西低型下,银川臭氧的主要输送路径为东南气流,潜在源区为四川北部、陕西西南部、甘肃东北部和宁夏东部;偏东气流和西北气流对低空均压场高空弱西北气流型下 臭氧浓度均有重要影响,此天气型下银川臭氧潜在源区主要分布在内蒙古西南部与宁夏西北部接壤地区及宁夏北部和东部;低空均压场高空强西北气流型下臭氧主要输送路径为北方气流,潜在源区为内蒙古中西部及宁夏中东部;东南偏东气流为辐合型天气型下银川臭氧的重要 输送路径.     

郑州市冬季大气PM2.5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PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)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PM_(2.5)浓度;郑州市冬季PM_(2.5)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PM_(2.5)污染水平也有着较大的影响和贡献.     

北京城区PM_(2.5)输送途径与潜在源区贡献的四季差异分析

利用HYSPLIT后向轨迹模式和NCEP的GDAS气象数据(2014年5月1日~2015年4月30日),对抵达北京城区的逐小时3日气流后向轨迹按季节聚类,并结合PM_(2.5)质量浓度地基观测数据,分析不同输送途径的空间特征及其对北京城区PM_(2.5)聚集的贡献.利用潜在源贡献作用(PSCF)和浓度权重轨迹(CWT)分析方法,揭示研究期内北京城区不同季节PM_(2.5)的潜在源区分布及其贡献特性.结果表明:北京城区PM_(2.5)输送途径的季节特征明显,不同输送途径对北京城区PM_(2.5)的贡献差异显著.春季贡献源区主要位于中国西部地区、华北及黄淮平原,夏季贡献源区主要位于山东、苏北及黄海地区,秋季主要位于冀南、鲁西、鲁中及苏鲁豫皖交界地区,冬季主要位于冀南、鲁西北、晋北、陕西、内蒙中部及蒙古国南部.来自山东与冀南的气流轨迹四季均对应PM_(2.5)高值;冬春两季来自西北的气流轨迹也对应较高PM_(2.5)值.     

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.     

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。     

京津冀典型城市冬季工业源排放与PM_(2.5)污染关系

文章研究基于PM_(2.5)样品采集和水溶性离子测定,运用潜在源贡献分析法和WRF-CAMx模式识别分析了北京市和唐山市2017年1月PM_(2.5)的潜在源区和工业源传输矩阵,通过计算单位排放贡献,分析了京津冀典型工业源PM_(2.5)中一次颗粒物、硫酸盐和硝酸盐的区域贡献和分源贡献规律。结果表明,2017年1月北京和唐山PM_(2.5)浓度均高于国家二级标准,SNA占PM_(2.5)的32.85%～53.68%,且在污染时段,SNA及其前体物浓度均有明显提升;两地冬季潜在源主要受来自西北部内蒙古方向的远距离传输以及东南部渤海湾方向的中短距离传输这两部分污染源区的潜在影响,唐山受本地污染影响更大;从传输矩阵来看,北京和唐山的PM_(2.5)工业源外来贡献分别占总浓度的63.87%和8.66%,其中对北京PM_(2.5)浓度贡献较高的区域为唐山和京津冀中部地区,分别贡献了24.78%和21.18%,在污染日时段,受唐山和南部地区的PM_(2.5)传输贡献分别提升了5.27%和3.46%,受西北地区的影响减少了4.34%。对唐山贡献较高的区域为中部地区和东北部地区,为5.07%和2.10%,在污染日时段,外来传输贡献并没有显著波动(低于1%)。二次组分中,硝酸根的传输性最为显著;两地工业外来源单位排放贡献除却其各自周边地区较大以外,其西北传输通道沿线城市(张家口→北京→唐山)的单位排放贡献亦十分显著,且在这一通道上的外来输送,其第2层(非地面排放源)的单位排放贡献明显大于其他地区;从具体工业源来看,对北京市单位排放贡献最大的行业为其他工业源,对唐山则是冶金源。     

北京市夏季不同O3和PM2.5污染状况研究

从天气背景场、气象要素、前体物和PM_(2.5)化学组分、气团运动轨迹以及大气氧化性等方面对北京市夏季两种不同的O_3和PM_(2.5)污染状况进行了分析.结果表明,O_3达到中度污染而PM_(2.5)浓度优良(O_3和PM_(2.5)一高一低)污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O_3和PM_(2.5)同时达到中度污染(O_3和PM_(2.5)两高)的天气形势场为:高空为偏西气流,地面受低压控制.与O_3和PM_(2.5)一高一低污染状况相比,O_3和PM_(2.5)两高时的气象要素特征为:偏南风更为明显和相对湿度更高.O_3和PM_(2.5)两高时污染物浓度演变特征为,O_3和PM_(2.5)的起始浓度较高,PM_(2.5)日变化特征更为明显,而O_3平均浓度却低于O_3和PM_(2.5)一高一低的污染状况.前体物、大气氧化性以及PM_(2.5)化学组分分析的结果表明,较高的起始浓度在不利气象条件下的积累和吸湿增长以及当天较大偏南风造成的区域传输可能是造成O_3和PM_(2.5)两高污染状况中PM_(2.5)浓度达到四级中度污染的主要原因.     

青岛市PM_(2.5)重污染天气演变过程分析

运用WRF-CMAQ模式对2016年1月1日~1月7日青岛市的PM_(2.5)重污染天气进行了模拟研究,分析了青岛市PM_(2.5)重污染形成、持续和清除过程的主要影响因素.与观测对比表明,模式能够较好地模拟出青岛市主要气象要素和近地面PM_(2.5)浓度的变化特征.在重污染形成期,持续的西南气流将山东南部、安徽、江苏等地PM_(2.5)及其前体物传输至青岛地区;逆温层的出现及大气边界层高度的降低使得输送至青岛地区的PM_(2.5)在近地面积累,浓度升高.由山东西南部、安徽北部、河南东部等地传输至山东西北部和京津冀地区的PM_(2.5)及其前体物,在重污染持续期沿近地面传输至青岛,加之液相化学过程生成了大量的二次气溶胶,导致PM_(2.5)浓度一直维持在200μg/m~3以上.重污染清除期,风速加大,水平传输作用加强,高浓度的PM_(2.5)污染带向下风向转移.区域传输对此次青岛市PM_(2.5)重污染事件具有重要贡献,3个时期的贡献率分别为87.0%、68.5%和57.6%.     

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.     

2018年春节期间京津冀地区污染过程分析

为了解2018年春节期间京津冀地区空气污染情况,利用近地面污染物浓度数据、激光雷达组网观测数据,结合WRF气象要素、颗粒物输送通量和HYSPLIT气团轨迹综合分析污染过程.结果表明,春节期间出现3次污染过程.春节前一次污染过程,各站点PM_(2.5)浓度均未超过200μg/m~3;除夕夜,廊坊站点PM_(2.5)峰值浓度达到504μg/m~3,是清洁天气的26倍;年初二~初五,各站点PM_(2.5)始终高于120μg/m~3,且污染主要聚集在500m高度以下,北京地区存在高空传输,800m处最大输送通量达939μg/(m~3?s),此次重污染过程为一次典型的区域累积和传输过程.京津冀地区处于严格管控状态时,燃放烟花爆竹期间PM_(2.5)峰值浓度可达无燃放时PM_(2.5)峰值的3.2倍.为防止春节期间重污染现象的发生,需对静稳天气下燃放烟花炮竹采取预防对策.     

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.     

不同季节天津市PM2.5与O3潜在源区及传输路径分析

为探究天津市各季节PM_2.5与O₃污染的非本地源贡献情况,本文以2017—2019年为研究时段,应用HYSPLIT模型,基于MeteoInfo软件对不同季节气流后向轨迹进行聚类分析,通过计算潜在源贡献因子(potential source contribution function, PSCF)、浓度权重轨迹(concentration-weighted trajectory, CWT)对天津市PM_2.5与O₃污染的外来潜在源区以及可能的污染传输途径进行研究. 结果表明:①天津市PM_2.5和O₃污染均较为严重,且具有明显季节性特征. 天津市各季节的气流变化明显,春、秋两季以西南方向气流为主,夏季以来自渤海的气流为主,冬季则以西北方向气流为主. ②天津市西南方向气流在各季节对应的污染物浓度均较高,春、秋两季西南方向气流携带的ρ(PM_2.5)和O₃浓度8 h滑动平均值〔简称“ρ(O₃-8 h)”〕均最高;夏季,西南方向气流携带的ρ(O₃-8 h)最高;冬季,西南方向轨迹携带的ρ(PM_2.5)最高. ③西南方向上河北省南部的邯郸市,山东省西部的菏泽市、聊城市,以及河南省北部的开封市、濮阳市、新乡市均为天津市PM_2.5与O₃污染的主要潜在源区. 此外,冬季张家口市和唐山市对天津市PM_2.5污染的潜在影响也较大. 冬季影响天津市PM_2.5污染的外来潜在源区情况较为复杂,除西南气流外,其还受西北部与东部气流的影响. 研究显示,天津市大气污染区域联防联控需重点关注河北省南部、河南省北部以及山东省西部城市的潜在输送影响.