Ambient air quality trends and driving factor analysis in Beijing, 1983-2007

The interaction between pollution sources change and implementation of air pollution control measures was the main driving factor that caused the variation in air quality.     

典型沙尘回流天气过程对北京市空气质量影响的特征分析

利用不同方位监测数据和气象资料,结合后向轨迹模型和激光雷达观测结果,对2011年3月18—21日北京市空气污染过程的天气形势、沙尘输送路径、污染物浓度的变化特征进行了分析.结果表明,这次污染过程主要是由于沙尘在上游沙源地起沙后先直接输送穿过北京,然后停留在渤海湾和朝鲜半岛区域,在渤海弱高压系统作用下,沙尘又回流至北京所致,其中,沙尘回流直接造成北京市空气质量达到重度污染天气.在沙尘回流影响过程中,PM10浓度呈现青龙山-北京市区-八达岭逐步升高的变化特征,国控站点PM10小时浓度持续16 h超过350μg·m-3,最大值达到571μg·m-3.SO2、NO2与PM10的小时浓度表现为同步变化规律,沙尘回流影响时,除了沙尘粒子外,周边地区的人为排放也是一个重要因素.     

和田绿洲沙尘暴物质输送路径及其对大气环境质量的影响

为了研究来自不同方向的沙尘暴对和田绿洲大气环境质量的影响，本文利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据，将和田绿洲西北部的墨玉县城作为模拟受点（37.26°N，79.72°E），计算2016年1月1日—2018年12月31日发生的每一次沙尘天气期间逐日18：00（世界时）36 h后向气流轨迹，轨迹计算起始高度设置为500 m，并结合相应的PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度监测数据进行聚类分析，研究抵达该地区的沙尘暴的主要移动轨迹和污染物输送路径.同时，运用潜在源贡献因子分析法（PSCF）和权重污染轨迹分析法，分析了沙尘暴期间不同气流轨迹对墨玉县污染物浓度的影响，识别大气污染物的潜在源区，揭示不同源区对污染物浓度的贡献差异.结果表明，影响和田绿洲（墨玉县）的沙尘暴主要来自西北（WN）、北（N）、东北（EN）和东（E）4个方向；其中，来自东部的沙尘天气频率最高（60.2%），但主要以浮尘天气为主；扬沙和强沙尘暴主要来自西部方向，54.48%的强沙尘暴和38.53%的扬沙来自西和西北方向.不同沙尘源区和不同传输路径上的沙尘气溶胶对和田绿洲大气环境的影响不一样.沙尘天气期间，大气PM_2.5和PM₁₀的平均浓度相当于无沙尘天气期间的3~5倍，但对SO₂、NO₂、CO、O₃质量浓度的影响不大；由西向东和由北向南的沙尘暴对墨玉县PM_2.5和PM₁₀质量浓度的贡献率最大；由东向西的沙尘暴由于路过和田市和洛浦县等工业污染源区，此簇沙尘暴气团将该区域SO₂、NO₂、CO等污染颗粒携带到墨玉县，因此，东-东南（E-ES）方向的沙尘暴对SO₂、NO₂、CO的贡献率分别为15.56%、20.55%和21.57%.本文定量印证了沙尘暴对和田绿洲大气环境质量的影响，可为绿洲区沙尘暴研究提供参考.     

近20年北京市城近郊区环境空气质量变化及其影响因素分析

利用北京环境空气质量定点监测资料,研究了北京市城近郊区近20年来环境空气质量的变化趋势及其影响因素.结果表明,从年际变化看,SO2、降尘、B[a]P浓度显著下降,而NOx、CO浓度和O3超标情况显著上升,空气污染处于由煤烟型向机动车尾气型转变的过程中,表现出典型的复合污染特征.年内变化显示,采暖期污染比非采暖期严重,尤其SO2在采暖期浓度是非采暖期的5.7倍.从空间分布上看,TSP、降尘、O3表现为近郊区污染重于城区;SO2、NOx、CO表现为城区污染重于近郊区.空气污染源增加的压力与环境保护措施的相互作用是驱动北京市近20年环境空气质量变化的主要因素.产业结构的变化、重点污染源的整治、能源结构调整、能源的清洁使用、机动车尾气排放标准的提高等对保护环境空气质量起到一定作用.     

气象条件对2013—2015年冬季关中地区空气质量的影响

大气污染是由过度的人为源排放和不利于大气污染扩散的气象条件共同作用的结果,通过探讨天气形势及气象要素与细颗粒物（PM_2.5）的关系,分析气象条件对空气质量的影响,从而为关中地区的环境治理提供有利的参考依据。本文利用NCEP-FNL再分析资料、环境监测资料及有关的降水数据,对2013?—?2015年冬季关中地区空气质量的演变趋势及其与气象条件的关系进行了研究。结果表明：2013?—?2015年冬季关中地区平均PM_2.5浓度分别为159.5 μg???m_?3,74.2 μg???m_?3,101.8 μg???m_?3,呈现出先明显下降然后又回升的趋势。对2013?—?2015年冬季关中地区天气形势的分类分析表明：这三年关中冬季的有利天气形势呈先上升后下降的趋势,能基本解释同期关中地区PM_2.5的演变趋势。有利天气形势不但会使当天的PM_2.5降低,还会使第二天的PM_2.5维持在较低的水平。因此,有利天气形势天数的增加会使冬季的整体PM_2.5 浓度下降;反之,有利天气形势的减少或不利天气形势的持续则会使PM_2.5浓度飙升到很高的水平。此外,风速与每天的PM_2.5浓度呈显著的负相关,可以解释同一天气形势下日平均PM_2.5浓度的变化。降水对污染物有明显的湿清除作用,但降水并不是造成2014年关中地区PM_2.5浓度偏低的主要原因。     

北京市2020年春节期间空气质量影响因素分析

2020年春节期间由于新冠肺炎疫情的大范围暴发,包括北京在内的多个城市经济社会活动较长时间处于低水平状态。但是在此期间,北京市出现了两次(农历正月初二至初六、正月十六至十九)污染水平不逊于往年的重污染天气,成为社会各界关注的焦点。本文以北京市2016-2020年春节期间的空气质量为研究对象,首先运用多元线性回归法判断了气象因素以及经济和社会活动因素对四类污染物(PM_2.5、PM₁₀、NO_2和SO₂)的影响程度,进一步研究了在2020年春节期间的两次重污染时段内各个因素对PM_2.5的影响程度,最后运用双重差分法评估春节期间的疫情管控措施对北京市空气质量产生的影响。多元线性回归结果显示在2016-2020年春节期间:(1)气象因素对北京市的PM_2.5、PM₁₀、NO₂和SO₂四类污染物浓度的影响占主导地位,其中温度、湿度与四类污染物浓度变化均显著正相关,气压和降水与四类污染物浓度变化均显著负相关;(2)经济活动水平与NO₂浓度水平有显著正相关关系,说明随着经济活动水平强度的降低和交通流量的下降,NO₂浓度呈现出降低趋势,而PM_2.5、PM₁₀和SO₂与经济活动水平分别有正相关、正相关和负相关关系,但并不显著;(3)从社会活动来看,燃放烟花爆竹会增大PM_2.5、PM₁₀和SO₂浓度,同时假期变量对PM_2.5和SO₂的浓度变化也存在显著正向影响。对于2020年春节期间的两次重污染过程来说,气象依然是主要影响因素,但是各因素的贡献值有所不同;春节期间经济活动水平对正月初二至初六重污染过程的贡献较小(2%),而对正月十六至十九有明显的负影响(-20%)。双重差分法评估结果显示,疫情管控对PM₁₀和NO₂有缓解效果,而对PM_2.5和SO₂未见明显影响,这表示疫情管控措施对空气质量施加了影响。本文不仅识别出了春节期间气象因素、经济社会活动与北京市四类污染物浓度之间的关系,有助于厘清各因素对空气质量产生影响的方式,而且对进一步改善北京市及京津冀地区的空气质量具有重要启示意义。     

北方强沙尘暴天气过程对广州空气质量影响的个例分析

2009年4月23—25日,我国内蒙古、甘肃、陕西等地区出现了1次强沙尘暴天气过程,沙尘暴产生的浮尘自北南下,于26日开始影响广州.期间,沙尘暴沿途城市的可吸入颗粒物(PM10)浓度先后升高.本文通过对广州4月27日—29日(浮尘时段)和5月12—14日(非浮尘时段)的空气颗粒物进行质量浓度分析,发现浮尘时段PM10的浓度均值为0.231mg·m-3,较非浮尘时段(0.103mg·m-3)大1倍.化学分析结果发现金属元素含量、金属元素富集因子、可溶性阴阳离子含量等在这两个时段也均存在显著差异.浮尘时段颗粒物中金属元素含量的总浓度为53.5μg·m-3,比非浮尘时段的总浓度(28.5μg·m-3)翻了近1倍.浮尘时段的Na、Ti、Zn、Cu、Cr浓度较非浮尘时段的增加幅度在0～100%之间,从富集因子来看,非浮尘时段均高于浮尘时段,说明污染源主要来自广州本地源;浮尘时段的K、Mg、Al、Fe、Mn、V、Co浓度较非浮尘时段的增幅在100%以上,其富集因子均高于非浮尘时段,说明污染源主要来自于外来源;而Ni、Pb、Cd3种元素浓度增幅为负值,说明沙尘携带这3种元素的量可以忽略,且冷空气的稀释作用使得它们在浮尘时段的富集系数远远低于非浮尘时段.另外,通过对水溶性离子的分析发现,浮尘天气时段空气颗粒物中各种水溶性阴阳离子含量都有所升高,但NH4+、NO3-、SO24-3种离子的质量浓度,无论在浮尘还是非浮尘时段,差别均不显著(均占约82%),说明这3种离子都是PM10中最主要的可溶性阴阳离子.并且从浮尘时段的气象场分析和后向轨迹计算表明,此次广州沙尘的源地来自内蒙地区.     

Analysis and prediction of the influence of energy utilization on air quality in Beijing

This work evaluates the influence of energy consumption on the future air quality in Beijing, using 2000 as the base year and 2008 as the target year. It establishes the emission inventory of primary PM₁₀, SO₂ and NO_x related to energy utilization in eight areas of Beijing. The air quality model was adopted to simulate the temporal and spatial distribution of each pollutant concentration in the eight urban areas. Their emission, concentration distribution, and sectoral share responsibility rate were analyzed, and air quality in 2008 was predicted. The industrial sector contributed above 40% of primary PM₁₀ and SO₂ resulting from energy consumption, while vehicles accounted for about 65% of NO_x. According to the current policy and development trend, air quality in the eight urban areas could become better in 2008 when the average concentrations of primary PM₁₀, SO₂ and NO₂ related to energy utilization at each monitored site are predicted to be about 25, 50 and 51 μg/m³, respectively. Translated from China Environmental Science, 2005, 25(6): 746–750 [译自: 中国环境科学]     

北京市能源利用对空气质量的影响分析和预测

为评价能源消耗对未来北京市空气质量的影响,以2000年为基准年,2008年为目标年,建立了北京市城八区能源利用相关的一次PM₁₀、SO₂和Nox的排放清单,采用空气质量模型,模拟城八区内各污染物浓度的时空分布,分析其排放和浓度分布特征及行业分担率,并预测2008年的空气质量.结果表明,对于能源消耗排放的一次PM₁₀和SO₂,工业排放对其浓度的贡献率在40%以上;机动车排放对Nox浓度的贡献率在65%左右;按照现行的政策和发展趋势,2008年北京市城八区的空气质量将有所好转,与能源利用相关的一次PM₁₀、SO₂和NO₂在各监测点的年日均浓度分别约为25,50,51μg/m³.     

Impact of emission control on regional air quality: An observational study of air pollutants before, during and after the Beijing Olympic Games

An observational study on trace gases and PM2.5 was conducted at three sites in and around Beijing, during the Olympic season from 2007 to 2009. Air quality improved significantly during the Olympic Games due to the special emission control measures. However, concentrations of the primary pollutants and PM were found to have risen significantly after the Games. Although the major O3 precursors （NOx and VOCs） were well controlled during the Olympic season, O3 was still found to be the highest in 2008, based on the data of ground-based observation. All this information suggests that while control of regional emissions for the Beijing Olympic Games did improved the air quality in Beijing, more efforts will be needed for the continuous improvement of regional air quality, especially for significant reductions of O3 and fine particulate pollution, and not only in Beijing, but also in the B eijing-Tianjin-Hebei region.     

欧美制订颗粒污染物环境空气质量标准的历程及对我国的借鉴

通过回顾欧美制订空气质量目标、建立颗粒物环境空气质量基准和标准的原则和方法,借鉴发达国家治理大气细颗粒污染的成功经验和制（修）订大气细颗粒物环境质量标准的理论、方法和历程,结合我国空气颗粒污染物的特征和科学研究的现状,提出由国家主管部门通过顶层设计,组织相关研究机构开展联合攻关研究,提供科学研究结论,在此基础上出版我国颗粒物环境空气质量基准文件。     

2018年国家级空气质量主客观预报TS评分对比检验

目前对空气质量主客观预报效果的对比检验较少,为了解国家级空气质量主客观预报性能,利用预兆评分(threat score,TS)检验了2018年中央气象台主客观预报效果。结果表明:2018年,主(客)观预报对全国轻度及以上污染TS评分、空报率和漏报率分别为0.23~0.34(0.24~0.26)、0.37~0.43(0.39~0.41)和0.58~0.72(0.68~0.71)。说明主观预报整体上优于客观预报,但客观预报能力已接近主观预报。主客观预报的评分均在污染较重地区(京津冀及周边、汾渭平原、华中和长江三角洲地区)高于污染较轻地区(西北、西南、珠江三角洲和东北地区),在污染较重的冬季高于清洁的夏季。随着预报时效的延长,主观预报TS评分呈下降趋势,但客观预报TS评分变化不大。在污染较重的冬季,48和72 h时效客观预报TS评分高于主观预报。此外,在2018年5次重污染天气过程中,主(客)观预报对轻度、中度和重度污染的TS评分分别为0.39~0.57(0.43~0.46)、0.22~0.46(0.25~0.30)和0.10~0.34(0.10~0.18),主观预报TS评分高于客观预报的情况占了3次。随着预报时效的延长,客观预报表现更加稳定,说明客观预报能在污染过程中为预报员提供稳定参考,但对污染高值的预报能力仍需提高。     

兰州市沙尘天气与痤疮门诊量的时间序列

研究沙尘天气、非沙尘天气下颗粒物（PM_2.5、PM_C、PM₁₀）对痤疮门诊量的影响,并进行性别、年龄分层研究,筛选敏感人群.收集了2013~2017年兰州市沙尘期与非沙尘期3家三甲医院痤疮门诊量资料、大气颗粒物及气象数据,采用基于泊松分布的分布滞后非线性模型（DLNM）,控制气象因素、季节性和长期趋势、星期几效应等混杂因素,分析沙尘期与非沙尘期颗粒物对痤疮门诊量的影响及滞后效应.结果表明：沙尘期时,兰州市3家三甲医院痤疮日均门诊量为26人次,范围3~54人次.非沙尘期时痤疮日均门诊量为37人次,范围1~89人次;单污染物模型显示,PM_2.5、PM_C、PM₁₀均在滞后第6d （lag6）时效应量达到最大值,其浓度每增加10μg/m³,痤疮门诊量的超额危险度（ER）及95%可信区间（95% CI）分别为1.065（95% CI：0.260~1.877）、0.355（95% CI：0.018~0.693）、0.310（95% CI：0.054~0.567）,PM_2.5对痤疮门诊量的影响最为显著;性别及年龄分层发现,性别分层中PM_2.5对女性的影响有统计学意义,其浓度每增加10μg/m³,痤疮门诊量增加1.077（95% CI：0.124~2.039）;年龄分层中,0~18岁组受PM_C、PM₁₀影响显著,19~24岁组受PM_2.5、PM₁₀影响显著,各颗粒物对25~34岁组及≥35岁组效应无统计学意义.在非沙尘期时,PM_2.5、PM_C、PM₁₀不引起痤疮门诊量增加.双/多污染物模型显示,分别调整其他污染物后,PM_2.5、PM_C、PM₁₀对痤疮门诊量的影响与单污染物模型类似,仍具有统计学意义.兰州市沙尘天气下大气颗粒物（PM_2.5、PM_C、PM₁₀）可使痤疮门诊量增加,对女性及青少年影响显著.     

兰州市沙尘天气与痤疮门诊量的时间序列

研究沙尘天气、非沙尘天气下颗粒物（PM_2.5、PM_C、PM₁₀）对痤疮门诊量的影响,并进行性别、年龄分层研究,筛选敏感人群.收集了2013~2017年兰州市沙尘期与非沙尘期3家三甲医院痤疮门诊量资料、大气颗粒物及气象数据,采用基于泊松分布的分布滞后非线性模型（DLNM）,控制气象因素、季节性和长期趋势、星期几效应等混杂因素,分析沙尘期与非沙尘期颗粒物对痤疮门诊量的影响及滞后效应.结果表明：沙尘期时,兰州市3家三甲医院痤疮日均门诊量为26人次,范围3~54人次.非沙尘期时痤疮日均门诊量为37人次,范围1~89人次;单污染物模型显示,PM_2.5、PM_C、PM₁₀均在滞后第6d （lag6）时效应量达到最大值,其浓度每增加10μg/m³,痤疮门诊量的超额危险度（ER）及95%可信区间（95% CI）分别为1.065（95% CI：0.260~1.877）、0.355（95% CI：0.018~0.693）、0.310（95% CI：0.054~0.567）,PM_2.5对痤疮门诊量的影响最为显著;性别及年龄分层发现,性别分层中PM_2.5对女性的影响有统计学意义,其浓度每增加10μg/m³,痤疮门诊量增加1.077（95% CI：0.124~2.039）;年龄分层中,0~18岁组受PM_C、PM₁₀影响显著,19~24岁组受PM_2.5、PM₁₀影响显著,各颗粒物对25~34岁组及≥35岁组效应无统计学意义.在非沙尘期时,PM_2.5、PM_C、PM₁₀不引起痤疮门诊量增加.双/多污染物模型显示,分别调整其他污染物后,PM_2.5、PM_C、PM₁₀对痤疮门诊量的影响与单污染物模型类似,仍具有统计学意义.兰州市沙尘天气下大气颗粒物（PM_2.5、PM_C、PM₁₀）可使痤疮门诊量增加,对女性及青少年影响显著.     

国内外环境空气质量标准对比分析

2012年2月,国务院发布新修订GB 3095-2012《环境空气质量标准》,该标准突显较大的进步,对比美国、欧盟、日本、中国香港等国家、地区和组织现行的环境空气质量标准,结果表明,SO2、CO、NO2、O3、PM10和Pb等仍是各国的重点控制污染项目,PM2.5也已经成为各国重点控制项目;中国新标准中一级标准的污染物浓度限值已接近世界大多数发达国家的控制标准,但二级标准还有很大的空间进行更加严格的修订;中国的环境空气质量标准目前采用分级制度进行管理,阻碍了地区控制污染物的均衡发展,建议逐步取消质量标准分级制度。     

大阅兵期间北京市大气质量改善效果评估

为了评估抗战纪念活动期间污染物减排措施对北京市空气质量的影响,利用2015年8月1日~2015年9月18日北京市大气污染物浓度数据,以及2014年同期监测数据进行对比分析.结果表明：减排期间（2015年8月20日~2015年9月3日）北京市PM_2.5,SO₂,NO₂和CO浓度均值为17.05mg/m³,2.35mg/m³,21.04mg/m³和0.56mg/m³,对比减排前期,各污染物分别下降了71.26%,36.49%,37.92%和37.78%,减排后期,随着减排措施的取消,大气污染物反弹上升.与2014年同期相比,减排期间污染物浓度分别下降了73.59%,56.64%,52.39%和38.46%,大气质量改善效果显著.3个时段（减排期间,活动当天和2014年同期）污染物浓度日变化特征相似,整体上呈现2014年同期>减排期间>活动当天的特征.空间分布上,各站点污染物浓度均远低于2014年同期水平,其中PM_2.5降幅大且空间差异较小,SO₂在空间上差异最为明显,不同站点的PM_2.5降幅在68.91%~77.63%之间,SO₂降幅在7.43%~74.75%之间,NO₂降幅在34.60%~72.28%之间,CO降幅在24.98%~63.73%之间.减排期间北京市PM_2.5,SO₂,NO₂和CO浓度分别比周边城市均值低24.66%,81.00%,27.30%和36.36%,也从另一方面反映出减排措施的明显效果.     

中国城市化对环境空气质量影响的演化规律研究

运用2001-2010年237个地级以上城市的面板数据,共计2353个样本,应用计量经济学分析方法,研究城市化进程中环境空气主要污染物的演化规律.在对面板数据进行平稳性检验后,运用固定效应模型和随机效应模型,将城市空气主要污染物SO2、NO2、PM10的年平均浓度、综合污染指数4个空气质量指标与人均GDP、人口密度、第二产业结构、建成区面积4个反映城市社会经济发展的指标进行回归拟合,得到我国城市经济发展与环境质量变化的关系和演化规律,并提出政策建议.结果表明,2001-2010年,我国城市空气质量与经济发展之间的关系并不完全符合倒U型曲线,不同的污染物类型具有不同的演化规律.10年间,随着城市经济的发展,城市空气中SO2浓度呈现下降的趋势,并到达拐点,符合倒U型曲线;而对于NO2、PM10浓度及综合污染指数,10年间与经济发展之间呈U型关系,即现阶段呈现污染继续加重的态势.此外,城市第二产业结构比例、建成区面积与城市空气主要污染物浓度呈显著的正相关关系.     

城市扬尘污染主要成因与精准治尘思路

扬尘是城市环境空气颗粒物的重要贡献源.为进一步提升扬尘污染防治水平,梳理总结了城市扬尘排放与贡献特征,剖析了城市扬尘污染的主要成因,明确主要起尘情景和关键控制指标,并针对性提出主要防治措施建议,以进一步完善"精准治尘"的思路.各扬尘源类中,道路扬尘和施工扬尘是对城市环境空气颗粒物贡献的主要源类,其中通常以道路更为突出....     

清洁空气行动计划实施对长三角地区PM_(2.5)污染改善效果模拟评估

为了解长三角地区清洁空气行动计划实施后区域PM2.5的改善效果,在建立2012年长三角地区大气污染物排放清单的基础上,依据上海、江苏、浙江和安徽三省一市行动计划细则,对2013—2017年各省、直辖市主要大气污染物减排量进行测算.利用WRF(天气研究和预报模式)-CMAQ(通用多尺度空气质量模型)系统,模拟研究了清洁空气行动计划实施后可能带来的区域PM2.5改善效果.结果表明:清洁空气行动计划涉及到的能源、工业、交通等六大领域减排任务,按照减排力度强、中、弱3种方案测算,预计长三角地区SO2减排总量分别为74.5×104、53.8×104和34.4×104t;NOx减排总量分别为108.7×104、83.9×104和61.1×104t;一次PM2.5减排总量分别为40.3×104、26.1×104和14.6×104t;挥发性有机污染物(VOCs)的减排总量分别为98.2×104、57.0×104和23.5×104t.模拟评估结果表明,在弱、中、强3种减排方案下,长三角地区国控点ρ(PM2.5)年均值预计比基准年(2013年)分别降低(4.4±1.1)、(8.1±2.4)和(12.5±3.9)μg/m3,降幅分别达到8.7%±2.2%、15.9%±4.7%和24.3%±7.7%.长三角地区须在清洁空气行动计划实施细则指导下,控制新增量,并稳步严格推进前体物强力减排,才能实现2017年预期空气质量改善目标.     

北京沙尘暴的干盐湖盐渍土源——单颗粒物分析和XPS表面结构分析

2002年3月20日北京特大沙尘暴565个单颗粒物分析结果表明,S和Cl是唯一呈现显著正相关的一对元素.同时含有S和Cl的单颗粒物检出率高达82.5%,其中S和Cl的含量还高于所有颗粒物平均值.同时含有S、Cl和Na的颗粒物检出率为62.0%,其中Na的含量更比所有颗粒物平均值高出1.4倍.PMF因子分析显示NaCl和Na2SO4是北京沙尘暴S和Cl显著相关的那些单颗粒物的主要成分.沙尘暴样品中SO₄^2-和C^l-浓度呈高度线性相关.X射线光电子谱对气溶胶表面结构分析显示,Na和S在沙尘暴颗粒物表面的百分含量比北京非沙尘暴和内蒙古地区气溶胶样品高.这些同时含有S、Cl和Na,且S和Cl显著正相关,Na相对富集的颗粒物多数来自于沙尘暴途中所经过的其表层土成分富含氯化物和硫酸盐的干盐湖盐渍土地区.证明了北京沙尘暴不仅来自于其源头沙漠,沙尘暴所经过的包括干盐湖盐渍土的大范围干旱、半干旱地区的表层土也是其主要来源.