太行山两侧污染物传输对横谷城市气溶胶的影响分析

利用2017~2019年太行山横谷城市阳泉PM₁₀和PM_2.5逐时浓度资料和对应时刻风速风向数据,结合HYSPLIT后向轨迹模型通过聚类分析、潜在源贡献因子和浓度权重轨迹方法分析了横谷城市气流输送特征及对阳泉市气溶胶的影响,并进一步探讨了太行山两侧大气污染物的交换特征.阳泉市气溶胶日变化为单峰单谷型,冬季最高值出现在10：00~11：00,其他季节多在09：00,最小值均在15：00~16：00;月际变化呈1月最高、8月最低.受横谷地形影响,地面风向以偏东风和偏西风频率最高;除小风天气外,春秋季偏西风引起的沙尘天气和冬季偏东风输送也会引起阳泉气溶胶浓度升高;后向轨迹结合污染特征显示,各季节污染轨迹占比为春季26.2%、秋季36.4%和冬季33.7%,主要分布在阳泉的西南和东南区域,冬季在东北区域也有分布;山脉两侧均存在显著的细颗粒物传输,而起源或途经太行山西侧的轨迹粗颗粒物输送亦相对较多;污染轨迹中偏西气流输送对PM₁₀超标率影响更大,偏东气流则主要影响PM_2.5的超标率.不同季节阳泉市气溶胶主要污染潜在源区存在差异,春季为西南和东南两区域;秋季为西南及偏南区域,冬季主要位于偏南和偏东方向区域,山西东南部及与河南北部交界区域是主要的污染贡献源区,太行山两侧通过井陉通道进行大气污染物的相互传输过程显著,其中东向西的PM_2.5传输影响更显著.     

长江中游地区PM2.5重污染过程的典型天气环流分型及区域传输影响

作为一个新的区域性霾污染中心,长江中游地区地理位置特殊,是我国中东部地区大气污染物区域传输的重要枢纽,天气环流对该区域不同传输和累积型PM_2.5重污染的形成机制还不甚了解.利用T-mode斜交旋转主成分分析法（PCT）,对2015~2019年采暖季长江中游地区74 d PM_2.5重污染事件进行天气环流分型,得到：PCT1高压底部传输型（天数：41 d,占比：55.4%）、PCT2低压辐合累积型（天数：12 d,占比：16.2%）、PCT3高压静稳累积型（天数：11 d,占比：14.9%）和PCT4高压后部传输型（天数：10 d,占比：13.5%）这4种主要的大气环流类型.区域传输型污染（PCT1和PCT4）占比高达69%,是长江中游地区PM_2.5重污染发生的主导因素,突显了地域特殊性.其中,PCT1是最主要的环流型,冷锋南侵伴随强偏北风驱动上游地区污染物快速传输,使得PM_2.5浓度暴发式增长.境内传输通道城市襄阳、荆门和荆州PM_2.5传输过程具有12 h滞后特征,其PM_2.5影响源区主要分布在上游的河南中北部、山东西部和华北大部分地区.PCT4传输型受低层偏东风输送影响,污染上升速率也相对较快.PCT2和PCT3为静稳天气环流型,地面风速较小,低层水平辐合和下沉运动有利本地PM_2.5重污染累积,污染上升速率和持续时间都相对传输型更长.     

2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响

2015年12月中国长三角区域经历了4次高浓度、大范围、长时间的颗粒物污染.本研究基于HYSPLIT后向轨迹模式结合GDAS（Global Data Assimilation System,全球资料同化系统）气象数据和长三角区域15个主要城市的PM_2.5质量浓度数据,利用轨迹聚类、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2015年12月长三角区域主要气流轨迹方向和重污染过程中细颗粒物的潜在来源分布,探讨了不同污染过程的气象特征和影响气团分布.结果表明,2015年12月长三角区域主要受到来自西北和北方气流影响（B、C、D类）,其出现概率分别为39.5%、20.0%和25.8%;西方内陆（A类）出现概率最低,仅为14.7%.西北内陆方向长距离输送（B类）对长三角区域空气质量影响较大,在此类气团主导下,长三角区域颗粒物（PM_2.5、PM₁₀）质量浓度和气态污染物（SO₂、NO₂、CO）质量浓度平均值分别为90.9、135.1、32.4、54.4和1200 μg·m^-3,且粗颗粒物比重较其它3类聚类高;经过东北海面气团（C类）携带的颗粒物浓度也较高,且PM_2.5/PM₁₀比值最高,可能是其水汽含量较高加剧了污染物的二次生成.PSCF和CWT分析结果表明,污染过程1（12月5-8日）期间,长三角区域PM_2.5浓度主要受内蒙东部、京津冀、山东和江苏东部等地影响;污染过程2（12月10-11日）和污染过程3（12月13-15日）期间,京津冀地区对长三角区域PM_2.5浓度的贡献都较低,污染过程2的主要潜在源区较为集中,主要为内蒙东部、辽宁、山东东部、江苏和上海;而污染过程3的潜在源区较广,内蒙西南地区、甘肃、山西、陕西、河南、河北南部、山东、安徽北部等地及长三角本地对区域PM_2.5浓度均有重要贡献;污染过程4（12月20-27日）持续时间最长,相较前3次污染过程,京津冀地区和西南地区对长三角区域PM_2.5浓度的贡献相对增加.总体来说,2015年12月4次污染过程期间长三角区域PM_2.5污染的潜在贡献源主要集中在华北和华东（长三角）地区,区域性污染和长距离输送对冬季长三角区域空气质量有重要影响.     

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%.     

铁岭市2015—2018年大气颗粒物PM2.5潜在源区分析

了解大气污染物的潜在源区分布对制定污染物减排措施至关重要.本文采用HYSPLIT模型,模拟出抵达铁岭市地区72 h的主要气流轨迹,结合铁岭市2015—2018年PM_2.5逐小时浓度数据资料,采用CWT方法（concentration-weighted trajectory method）对铁岭市PM_2.5潜在源区浓度进行了分析,在此基础上,提出了PCWT方法（percentage concentration-weighted trajectory method）,对铁岭市地区PM_2.5潜在源区浓度占比及传输过程进行了定量分析.研究表明,铁岭市PM_2.5来源呈现出不同的季节特征：春季PM_2.5主要来源于铁岭市西北和南部地区,夏季PM_2.5主要来源于铁岭市南部地区,秋季PM_2.5主要来源于铁岭市西北部及东北部地区,冬季PM_2.5主要来源于铁岭市西北部及铁岭市周边地区.铁岭市PM_2.5主要来源于3个方向,其中来自铁岭西北方向的源区贡献值4年平均占比27.36%、东北方向占18.51%、西南方向占15.73%;铁岭及周边城市、吉林省松嫩平原、科尔沁沙地以及辽宁中部城市群、环渤海湾地区是铁岭市PM_2.5的主要国内源区;俄罗斯、蒙古、朝鲜是铁岭市PM_2.5的主要国外源区,且近几年有增加趋势.研究成果对建立铁岭市生态环境管控分区,制定有效防治大气污染措施有重要的科学支撑作用.     

中原城市群典型城市秋冬季大气PM2.5污染特征及溯源

为了研究中原城市群区域城市秋冬季大气PM_2.5的污染特征和其主要成分的潜在来源,于2018年10月到2019年1月在郑州、洛阳、安阳和新乡这4个典型城市展开秋冬季连续4个月PM_2.5膜样本采集,采用X射线荧光光谱法,碳分析法和离子色谱法分别对18种无机元素,有机碳（OC）/元素碳（EC）,和9种水溶性无机离子进行了测定.根据PM_2.5日均值浓度水平分为3个污染等级,并分别通过对氮氧化率（NOR）和二次有机碳（SOC）及富集因子的计算结果对PM_2.5主要成分NO₃^-和SOC及18种无机元素的时空变化进行了对比分析.通过化学质量平衡（CMB）模型计算了4个城市的排放源及贡献率,并通过后向轨迹（HYSPLIT）模型和潜在源贡献因子法（PSCF）分析了4个城市PM_2.5和主要成分NO₃^-及OC的潜在污染来源.结果表明,采样期间郑州、洛阳、安阳和新乡PM_2.5均值分别为（82.1±45.5）、（84.7±39.8）、（96.8±46.1）和（81.1±36.6）μg·m^-3,日均值的最高浓度值分别是国家二级标准的3.3、2.6、3.0和2.3倍;4个城市PM_2.5的主要组分都为NO₃^-和SOC,NO₃^-的浓度,NO₃^-/EC和NOR都随着污染等级的升高而显著升高,NO₃^-/EC和NOR的均值随着污染等级的升高总体上表现出郑州和洛阳略高于安阳和新乡;SOC的浓度和在OC中的占比及SOC/EC的比值都随着污染等级的升高而增大;从无机元素的浓度和富集程度来看,As在郑州最高,Mn和Fe在洛阳最高,Zn、Ni和Cr在安阳最高以及Cu和Pb在新乡最高;4个城市PM_2.5污染源为二次硝酸盐、二次硫酸盐、有机物、燃煤源、机动车源、扬尘源、生物质源和工艺过程源,二次硝酸盐的分担率在郑州（37.7%）最高,新乡（14.1%）机动车分担率最高,洛阳（7.0%）和安阳（6.8%）的工业过程源的分担率相对较高;郑州、洛阳、安阳和新乡分别有51.6%、49.2%、49.6%和46.3%的气流来自西北方向;郑州潜在污染区域主要集中在河南省,洛阳主要在河南省南部和汾渭平原,安阳和新乡则是主要在河南省和京津冀传输带上,另外安徽西北部、山东西南部、山西东南部和陕西北部也对安阳和新乡OC的污染造成了影响.     

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.     

武汉地区2014年PM2.5时空分布与来源贡献的数值模拟研究

利用耦合了污染源在线追踪模块的化学传输模式NAQPMS （Nested Air Quality Prediction Model System）,结合地面细颗粒物（PM_2.5）的小时观测数据,模拟了2014年1、4、7、10月4个月份武汉地区PM_2.5浓度时空分布特征,量化了本地、武汉城市圈及远距离地区对武汉PM_2.5浓度贡献.研究发现,2014年武汉市PM_2.5年均浓度为85.3 μg·m^-3,污染天（PM_2.5日均值≥75 μg·m^-3）占全年总天数的47.9%.细颗粒物的月均值呈现出季节性特征,即冬季污染最为严峻,1月均值为199.1 μg·m^-3,PM_2.5浓度超标持续一整月;夏季空气质量最好,春秋介于两者之间.模拟的PM_2.5平均浓度在空间上大致呈现"城区高,郊区低"的分布态势.污染物区域来源解析发现,武汉市本地排放源贡献在1月最低,为34.1%,表明外来源贡献对长期灰霾的形成起决定性作用.7月本地源影响最显著（65.7%）,和毗邻城市源（23.1%）一起成为夏季污染物的主要来源.4月和10月本地排放贡献比分别为49.1%和42.1%.4个月份,武汉城市圈对该市PM_2.5浓度的贡献差异不大,范围在20.8%~24.1%.受大尺度天气系统的影响,远距离传输贡献率趋势与本地来源相反,占10.6%~35.3%.研究结果表明污染气团跨界输送对武汉不同季节PM_2.5浓度有重要贡献.在冬季大范围污染背景下,污染物区域大范围协同控制才能有效减缓武汉PM_2.5污染问题;而夏季对本地及近周边城市的减排措施可以有效改善武汉的空气质量.     

青岛市港口区域PM2.5污染特征及来源解析研究

港口区域因大气污染物排放量大且污染源复杂,已成为沿海城市大气污染防治的关键区域.为明确青岛港口区域PM_2.5污染特征及主要贡献源类,于2019年在青岛市3个港口区域和1个背景点位采集了不同季节的环境PM_2.5样品,并分析了其化学组分特征;同时,采用正定矩阵因子分析模型（PMF）和潜在源贡献函数（PSCF）分别分析了港口区域PM_2.5的主要贡献源类及各源类潜在的影响区域.结果表明,2019年青岛港口区域ρ（PM_2.5）年均值为64 μg·m^-3,是我国空气质量二级标准的1.8倍,其中,董家口点位最高（74 μg·m^-3）,崂山点位最低（55 μg·m^-3）. NO₃^-、OC和SO₄^2-是PM_2.5的主导组分,其中,NO₃^-含量（13.1%）明显高于其它组分.董家口点位ρ（NO₃^-）、ρ（SO₄^2-）、ρ（OC）和ρ（EC）（分别为13.0、7.09、8.98和2.91 μg·m^-3）明显高于其它点位,燃煤、工业特别是钢铁企业及货车等影响可能较为明显.同时,冬季这些组分浓度也显著高于其它 季节,而夏季Na的浓度（0.96 μg·m^-3）和占比（2.13%）明显较高;春季Si和Al的浓度（1.27和0.45 μg·m^-3）和占比（2.79%和1.00%）明显高于其它季节.PMF源解析结果表明,二次硫酸盐和二次有机碳气溶胶（SOA）混合源（22.4%）及二次硝酸盐（20.1%）是港口区域PM_2.5的主要贡献源类,其次为机动车源（16.7%）和扬尘源（14.6%）,燃煤源的贡献率为13.8%,而海盐和船舶源的贡献为7.2%.从季节变化来看,春季扬尘贡献（32.1%）较高,夏季二次硫酸盐和二次有机碳气溶胶（SOA）混合源（31.6%）、海盐和船舶源（19.2%）贡献较高,而冬季燃煤（16.6%）、机动车（22.8%）、二次硝酸盐（23.9%）、钢铁及相关冶金源（3.2%）和建筑水泥尘（3.6%）贡献较高.河北省中南部及山东省中西部地区是青岛港口各 源类的主要潜在源区,黄海是船舶排放的主要潜在源区.     

京津冀典型城市冬季人为源减排与气象条件对PM2.5污染影响

本研究基于采样分析与WRF-CAMx-PSAT模式分析了2018年1月北京和唐山PM_2.5的组分特征、传输特征和来源解析.结果表明,2018年1月北京和唐山水溶性无机离子占PM_2.5质量浓度的49.59%和39.13%,两地NO₃^-/SO₄^2-分别为2.02和1.51,均受移动源主导,北京和唐山PM_2.5外来贡献分别占总浓度的48.74%和30.67%,除此之外主要受到邻近局地、西北通道和西南通道这3个方面的污染输送.在污染日时段,两地受西南通道污染贡献分别上升9.65%和15.02%.北京PM_2.5污染浓度贡献最大的是移动源和扬尘源,二次离子受区域输入影响较为明显,唐山则以移动源和工业源为主,且一次颗粒物和SO₄^2-的本地贡献十分显著.与2013年相比,水溶性离子主导组分由SO₄^2-向NO₃^-转变,主要污染源由燃煤源和工业源向移动源和扬尘源转变,同时2018年气象条件对于污染的缓解也比2013年更为有利,其中二次离子的气象影响变化与这两年的相对湿度变化差异紧密相关.