哈爾濱市冬半年污染傳輸特征及潛在源區(qū)分析

李樹嶺, 趙 玲, 花 叢, 隋亞男， 張 鑫， 徐盛榮, 景學(xué)義

(1.黑龍江省龍云氣象科技有限責(zé)任公司氣象院士工作站，哈爾濱 150028； 2.哈爾濱市氣象臺，哈爾濱 150028；3.黑龍江省氣象臺，哈爾濱 150030； 4.國家氣象中心，北京 100081； 5.哈爾濱市環(huán)境監(jiān)測中心站，哈爾濱 150076)

引 言

近年來，隨著社會經(jīng)濟(jì)的快速發(fā)展、城市化進(jìn)程的加快，大氣污染已經(jīng)成為城市面臨的突出的環(huán)境問題之一[1-4]，尤其是我國的北方地區(qū)，秋冬季節(jié)環(huán)境空氣質(zhì)量受大氣污染影響更為嚴(yán)重，頻發(fā)的重污染天氣已對社會公眾的健康構(gòu)成威脅[5-7]。

一個地區(qū)空氣污染程度主要取決于氣象條件、當(dāng)?shù)匚廴驹磁欧帕考巴鈦砦廴疚锏膫鬏斢绊憽Ｒ延醒芯縖5,8-9]表明，風(fēng)速小(或靜風(fēng))、高濕、逆溫偏強(qiáng)等氣象條件對污染天氣的形成有利，而外來污染物的輸送影響，需結(jié)合氣象條件、局地地形條件及區(qū)域污染物分布等進(jìn)行分析。HYSPLIT模式和GIS技術(shù)結(jié)合的TrajStat軟件提供的軌跡聚類方法，是分析污染物傳輸軌跡的重要工具。許多學(xué)者[10-13]以此為基礎(chǔ),對國內(nèi)大氣污染較重的城市和地區(qū)的污染物傳輸問題進(jìn)行了研究。王喜全等[14]通過對京津冀城市群和遼寧中部城市群先后出現(xiàn)的灰霾污染天氣個例分析指出，遼寧中部城市群出現(xiàn)的灰霾過程一定程度上是京津冀地區(qū)灰霾污染跨區(qū)域輸送影響的結(jié)果，并指出了跨區(qū)域影響的污染物傳輸通道。王芳等[15]研究發(fā)現(xiàn)，廣州市大氣污染較重時段主要受特殊氣象條件和珠江三角洲地區(qū)周邊城市排放源的影響，本地源排放與周邊城市污染物輸送疊加使大氣污染加重。嚴(yán)曉瑜等[16]分析發(fā)現(xiàn)，位于新疆、甘肅、內(nèi)蒙古、青海的西北源區(qū)及四川、陜西的東南源區(qū)，是影響銀川市PM10和PM2.5濃度的兩個主要潛在源區(qū)，西北氣流軌跡和東南氣流軌跡也是影響銀川市污染物濃度的最重要的輸送路徑。在張磊等[17]研究的基礎(chǔ)上，花叢[18-19]等通過對京津冀地區(qū)冬半年污染物傳輸特征分析，構(gòu)建了傳輸指數(shù)，并對傳輸指數(shù)進(jìn)行改進(jìn)，改進(jìn)后的傳輸指數(shù)能夠較好地反映外來傳輸作用對本地污染物濃度的影響。

哈爾濱是我國緯度最高的省會城市。在每年的秋冬季節(jié)，由于受城市供暖燃煤排放的增加、周邊秸稈焚燒及外來污染源傳輸?shù)挠绊?，哈爾濱已經(jīng)成為我國污染最嚴(yán)重的省會城市之一。目前對影響哈爾濱市空氣質(zhì)量的外來源地及輸送路徑規(guī)律的研究還較少。

本文利用HYSPLIT后向軌跡模式及潛在源區(qū)貢獻(xiàn)法，結(jié)合哈爾濱市2014-2017年冬半年P(guān)M2.5濃度監(jiān)測資料，對主要污染源傳輸特征進(jìn)行統(tǒng)計分析，總結(jié)出對哈爾濱市PM2.5濃度影響較大的傳輸路徑和污染物潛在源區(qū)，同時結(jié)合污染物監(jiān)測數(shù)據(jù)構(gòu)建傳輸指數(shù)，為哈爾濱市空氣污染預(yù)報預(yù)警、空氣污染成因評估及防治調(diào)控的決策提供參考。

1 資料與方法

1.1 資料來源

本文所用PM2.5濃度監(jiān)測數(shù)據(jù)來源于哈爾濱市環(huán)境監(jiān)測中心站。選取哈爾濱市轄區(qū)11個國控點[20](圖1)監(jiān)測數(shù)據(jù)，取其平均值代表其空氣質(zhì)量狀況。氣象數(shù)據(jù)來源于中國氣象局，為地面及探空觀測資料。后向軌跡模擬采用NCEP(National Center for Environmental Prediction, 美國國家環(huán)境預(yù)報中心) 全球資料同化系統(tǒng)GDAS(Global Data Assimilation System) 提供的1°×1°分析場資料作為初始場。

圖1 哈爾濱市環(huán)境監(jiān)測站分布示意圖

1.2 后向軌跡模式介紹

后向軌跡模擬采用美國國家海洋和大氣管理局空氣資源實驗室研發(fā)的HYSPLIT軌跡模式。該模式是歐拉和拉格朗日混合型擴(kuò)散模式，具有處理多種氣象要素輸入場、多種物理過程和不同類型污染物排放源功能的較為完整的輸送、擴(kuò)散和沉降模式 , 已經(jīng)被廣泛地應(yīng)用于多種污染物在各個地區(qū)的傳輸和擴(kuò)散的研究中。

本文利用HYSPLIT后向軌跡模式對哈爾濱(45.75°N、126.77°E)2014-2017年冬半年(2014年10月-2015年3月、2015年10月-2016年3月、2016年10月-2017年3月、2017年10月-2018年3月)共計24個月的逐6 h氣團(tuán)進(jìn)行后向軌跡模擬，軌跡計算起始高度為500 m，每條軌跡模擬時長為24 h,時間分辨率為1 h。取35°-60°N、100°-135°E的區(qū)域作為研究范圍，將其劃分為0.25°×0.25°的網(wǎng)格。

1.3 后向軌跡聚類分析

聚類分析是按照樣本的相似性、親疏度將樣本進(jìn)行分型劃類的一種統(tǒng)計分析方法。后向軌跡聚類是根據(jù)氣團(tuán)軌跡的空間相似度，即傳輸速度和方向，對所有到達(dá)模式受點的氣團(tuán)軌跡進(jìn)行分組聚類，以判斷受點不同時段主導(dǎo)氣流方向和污染物潛在來源。本文利用TrajStat軟件中的角距離聚類算法，對冬半年到達(dá)哈爾濱的氣流軌跡進(jìn)行聚類分析，得到冬半年影響哈爾濱的不同輸送氣流類型。

1.4 潛在源區(qū)貢獻(xiàn)法

本文在分析污染物潛在源區(qū)時，采用了PSCF(Potential Source Contribution Function)即潛在源區(qū)貢獻(xiàn)法[21]。這是一種應(yīng)用廣泛的污染物源地統(tǒng)計方法，通過結(jié)合氣團(tuán)軌跡和某污染物要素值，給出可能的排放源位置。PSCF函數(shù)表征經(jīng)過某一區(qū)域的氣團(tuán)到達(dá)觀測點時對應(yīng)的要素值超過設(shè)定閾值的條件概率。由于哈爾濱冬半年重污染天氣中首要污染物以PM2.5為主，結(jié)合《HJ 633-2012環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》[22]，設(shè)定當(dāng)軌跡對應(yīng)的PM2.5濃度>150 μg/m3時，定義該軌跡為重污染軌跡，其值越大表示經(jīng)過該網(wǎng)格污染軌跡的比例越高。取35°-60°N、100°-135°E的區(qū)域作為研究范圍，將其劃分為0.25°×0.25°的網(wǎng)格。經(jīng)過網(wǎng)格(i,j)的重污染軌跡數(shù)為mij，經(jīng)過網(wǎng)格(i,j)的總軌跡數(shù)為nij，則PSCF函數(shù)的表達(dá)式如式(1)所示。

由于PSCF是一種條件概率，為避免nij較小的網(wǎng)格出現(xiàn)非常高的PSCFij，通過引入經(jīng)驗權(quán)重函數(shù)W(nij)對其進(jìn)行降誤差處理[21]，表達(dá)式如式(2)所示。

式中，nave為研究區(qū)域內(nèi)每個網(wǎng)格的平均軌跡端點數(shù)。經(jīng)統(tǒng)計，本文中nave取5。

(1)

(2)

1.5 傳輸指數(shù)計算

氣團(tuán)的傳輸軌跡中包含了大量對重污染天氣有指示意義的信息。張磊等[17]結(jié)合軌跡模式的輸出結(jié)果和污染物排放源強(qiáng)度，設(shè)計了一種可評估污染物平流輸送強(qiáng)度的客觀參數(shù)，并證明其可較為合理地表征傳輸強(qiáng)度?；▍瞇18-19]等在此基礎(chǔ)上引入潛在源貢獻(xiàn)因子，結(jié)合傳輸軌跡和PM2.5排放源清單構(gòu)建傳輸強(qiáng)度，計算公式為

Tl(i,j)=Rl(i,j)×E(i,j)×Wd(i,j)×Wtl(i,j)×PSCF

(3)

式中，T為傳輸強(qiáng)度，R為輸送概率，E為PM2.5排放源強(qiáng)度，Wd為距離權(quán)重函數(shù)，Wtl為時間權(quán)重函數(shù)，PSCF為潛在源貢獻(xiàn)因子。下標(biāo)l和(i，j)是對應(yīng)的軌跡和網(wǎng)格。其中R、Wd、Wtl的具體計算方法可參考花叢等[18]的研究。檢驗結(jié)果表明，傳輸強(qiáng)度與PM2.5濃度有較好的一致性，可以作為分析重污染天氣成因的有效工具，在預(yù)報評估中發(fā)揮支撐作用。

該計算方法中，采用的是清華大學(xué)PM2.5排放源，E不隨時間變化?？紤]到哈爾濱地區(qū)冬半年多受秸稈燃燒等突發(fā)性大氣污染事件影響，為更真實地反映由近地面PM2.5濃度實時變化及排放強(qiáng)度突變引起的輸送強(qiáng)度變化，計算軌跡模擬時段內(nèi)各監(jiān)測站點的PM2.5平均濃度，作為網(wǎng)格點下墊面污染物強(qiáng)度。改進(jìn)后的E(i,j)計算公式為

(4)

其中,EPM2.5(s)為監(jiān)測站點s在軌跡模擬時段內(nèi)的PM2.5平均濃度，sn為網(wǎng)格點(i,j)周邊0.5°×0.5°范圍內(nèi)監(jiān)測站點數(shù)。

由式(3)計算得出各網(wǎng)格點傳輸強(qiáng)度T1(i,j)后，求和即得到軌跡l的傳輸指數(shù)Tall：

(5)

其中，m、n分別代表經(jīng)向和緯向上的網(wǎng)格數(shù)。

2 結(jié)果與分析

2.1 哈爾濱市大氣污染特征

參照《HJ 633-2012環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》[22]，同時結(jié)合哈爾濱市冬半年大氣污染首要污染物為PM2.5的實際情況，本文定義0150 μg/m3的時次為重污染時次。統(tǒng)計2014-2017年冬半年每日24個時次PM2.5濃度分級情況，結(jié)果見表1。哈爾濱市冬半年清潔時次約占58.5%，輕度污染時次約占26.4%，重污染時次約占15.1%。

表1 2014-2017年冬半年哈爾濱PM2.5濃度分級

統(tǒng)計2014-2017年冬半年每日間隔6 h(02時、08時、14時、20時)的PM2.5濃度逐月分布情況(圖略)。在統(tǒng)計時段，各月PM2.5濃度中位數(shù)分別為40、74、86、82、59、48，第三個四分位數(shù)分別為87、141、135、141、98、76；其中11月、12月、1月空氣質(zhì)量狀況較其他月份偏差，為重污染天氣相對高發(fā)時段，近25%的時次PM2.5濃度≥150 μg/m3。

上述這些特征均表明哈爾濱冬半年清潔天氣和輕度污染天氣占主導(dǎo)地位，程度極重的污染天氣較少。但是每個月均出現(xiàn)過PM2.5濃度>150 μg/m3的重污染天氣。統(tǒng)計時段內(nèi)共有160個時次PM2.5濃度超過500 μg/m3，占總數(shù)的0.9%，均出現(xiàn)在10-12月，其中10-11月占95.7%；共有9個時次PM2.5濃度超過1000 μg/m3，均出現(xiàn)在10月下旬至11月上旬。10-11月是哈爾濱周邊農(nóng)區(qū)秸稈集中焚燒期，受秸稈焚燒的影響，PM2.5濃度超過500 μg/m3時次多出現(xiàn)在這一時期。2017年11月1日16時哈爾濱PM2.5濃度曾達(dá)到1543 μg/m3的極高值。

另外，一天中污染程度最重的時次多出現(xiàn)在夜間至早晨時段，即20時、02時、08時，其中02時和08時最多，空氣污染程度有日變化特點。

2.2 污染傳輸特征分析

2.2.1 后向軌跡聚類分析

利用Trajstat軟件[10-13]模擬哈爾濱2014-2017年冬半年每日逐6 h氣團(tuán)后向軌跡，每條軌跡模擬時長為24 h，時間分辨率為1 h，共獲得2916條氣團(tuán)后向軌跡。為體現(xiàn)近地層傳輸特征，同時減少地面摩擦影響，模擬起始高度選為500 m。由于本研究僅關(guān)注研究點(哈爾濱)的后向氣流軌跡輸送的水平來向，因此采用Trajstat軟件中角距離聚類算法對冬半年到達(dá)哈爾濱的氣流軌跡進(jìn)行聚類分析，得到冬半年影響哈爾濱不同輸送氣流類型，在此基礎(chǔ)上對每組氣流所對應(yīng)的污染物濃度特征進(jìn)行統(tǒng)計分析。

對后向軌跡模式模擬的2916條軌跡進(jìn)行聚類分析(圖2)，得到4條主要傳輸路徑。將模擬起始時刻哈爾濱市PM2.5濃度與軌跡進(jìn)行對應(yīng)，經(jīng)過數(shù)據(jù)質(zhì)量控制，共得到含有PM2.5濃度信息的軌跡2894條。其中，當(dāng)PM2.5濃度>150 μg/m3時，定義該軌跡為重污染軌跡，共有460條，占總軌跡的15.9%。

圖2 2014-2017年冬半年哈爾濱24 h后向軌跡分析及聚類結(jié)果

第1類軌跡(西南路徑)共617條，占軌跡總數(shù)的21.3%，主要為來自內(nèi)蒙古東部或遼寧中西部經(jīng)吉林中西部地區(qū)進(jìn)入到哈爾濱市的西南路徑氣流。其中，重污染軌跡為147條，占此類軌跡總數(shù)量的23.8%、占軌跡總數(shù)量的5.1%。

中堂畫的邊上還有大相框，和對聯(lián)緊挨著，相框里有不同時期的全家福，也有老年人的單人照，新人的結(jié)婚照，嬰兒的百日照。黑白泛黃的，彩色的，都在里面，相似的五官，相似的神情，只有服裝的樣式是不一樣的，發(fā)型也不一樣。

第2類軌跡(西北偏西路徑)共1298條，占軌跡總數(shù)的44.8%，主要為來自內(nèi)蒙古東北部經(jīng)齊齊哈爾、綏化南部等地進(jìn)入到哈爾濱市的西北偏西路徑氣流，高空為西北氣流，近地面以偏西氣流為主。其中，重污染軌跡為200條，占此類軌跡總數(shù)量的15.4%、占軌跡總數(shù)量的6.9%。

第3類軌跡(偏北路徑)共821條，占軌跡總數(shù)的28.4%，主要來自黑龍江省大興安嶺、黑河經(jīng)綏化等地進(jìn)入到哈爾濱市的偏北路徑氣流，從高空到地面均為偏北氣流。其中，重污染軌跡為71條，占此類軌跡總數(shù)量的8.6%、占軌跡總數(shù)量的2.5%。

第4類軌跡(偏東路徑)共158條，占軌跡總數(shù)的5.5%。這類傳輸路徑多出現(xiàn)在地面高壓南側(cè)或南來地面低壓北側(cè)的弱輻合區(qū)內(nèi)，一般為氣團(tuán)沿小興安嶺西南側(cè)經(jīng)過哈爾濱北部遇大青山脈阻擋及在引導(dǎo)氣流的影響下向西折移到哈爾濱市城區(qū)，所經(jīng)區(qū)域在秋末冬初季節(jié)屬于秸稈燃燒高排放量區(qū)域。其中，重污染軌跡為42條，占此類軌跡總數(shù)量的26.6%、占軌跡總數(shù)量的1.5%。此類軌跡為4類軌跡中數(shù)目最少、軌跡最短的。

第2類軌跡和第3類軌跡長度明顯長于第1類和第4類的。在模擬時間相同的前提下，說明西南路徑和偏東路徑氣團(tuán)的移動速度明顯小于西北偏西路徑和偏北路徑氣團(tuán)的移速，其中偏東路徑氣團(tuán)(第4類軌跡)移動速度尤其緩慢，說明其主導(dǎo)時段的天氣較為靜穩(wěn)，為污染物的積累創(chuàng)造了有利的氣象條件。

西南路徑氣流和偏東路徑氣流的平均PM2.5濃度較大，分別為128.3 μg/m3和115.1 μg/m3。重污染軌跡在各自類別軌跡數(shù)中所占比例分別為23.8%和26.6%，重污染軌跡的平均PM2.5濃度分別為292 μg/m3和275 μg/m3。相比之下，西北偏西路徑和偏北路徑的平均PM2.5濃度分別為68.7 μg/m3和87.4 μg/m3，重污染軌跡在各自類別軌跡中出現(xiàn)概率分別為8.6%和15.4%，說明來自這兩個方向的氣團(tuán)較為清潔。

2.2.2 不同傳輸軌跡與主要天氣系統(tǒng)之間的關(guān)系

西南路徑(第1類軌跡)多出現(xiàn)在弱低壓系統(tǒng)前和高壓西側(cè)或西南側(cè)。這種傳輸路徑，有利于暖濕空氣和吉林省中西部地區(qū)的污染物向哈爾濱地區(qū)輸送，有利于污染物吸濕增長及近地面逆溫的形成和加強(qiáng)；并且在這些區(qū)域容易出現(xiàn)弱的氣旋性弱輻合，有利于污染物積聚；西南路徑氣流還可以使污染物在小興安嶺地形的阻擋下積聚在松嫩平原。所以西南路徑傳輸軌跡容易導(dǎo)致哈爾濱冬半年出現(xiàn)重污染天氣。

以2017年10月18-20日重污染過程為例。2017年10月18日16時至20日15時，哈爾濱連續(xù)48 h出現(xiàn)重度及以上級別污染，嚴(yán)重污染達(dá)到37 h，首要顆粒物為PM2.5，平均濃度為438 μg/m3。 19日00-01時污染程度最重，PM2.5平均濃度達(dá)到837 μg/m3，其中平房東輕廠監(jiān)測站PM2.5峰值濃度高達(dá)1487 μg/m3。

在500 hPa平均高度場和距平場上(圖3)，東亞中高緯地區(qū)以平直的偏西氣流為主，范圍較小的冷渦位于黑龍江以北的俄羅斯大陸上，哈爾濱位于槽底部正負(fù)距平交界處。在近地面1000 hPa平均高度場和距平場上(圖4)，黑龍江省位于弱的低壓區(qū)內(nèi)，等壓線稀疏，哈爾濱位于低壓前西南氣流里，風(fēng)力小，逆溫強(qiáng)，不利于污染物擴(kuò)散。18日夜間到19日上午及19日夜間到20日上午，哈爾濱分別在兩個低壓系統(tǒng)前的西南氣流里，空氣污染十分嚴(yán)重。19日下午在前一個弱低壓后弱偏北氣流的控制下，空氣質(zhì)量短時間好轉(zhuǎn)。單站地面三線圖和風(fēng)的變化及地面水平風(fēng)場特征顯示(圖略)，在污染較重階段對應(yīng)著隨時間或空間有西南風(fēng)向偏東風(fēng)、再向偏北風(fēng)氣旋式輻合變化的過程，有利于污染物積聚。

圖3 2017年10月18-20日500 hPa平均高度場和距平場

圖4 2017年10月18-20日1000 hPa平均高度場和距平場

以2018年2月2-6日為例分析西北偏西路徑(第2類軌跡)與天氣系統(tǒng)的關(guān)系。在500 hPa平均高度場和距平場上(圖5)，烏拉爾山高壓脊強(qiáng)度偏強(qiáng)、范圍偏大，黑龍江省位于高壓脊前的西北氣流里，為正高度距平。在近地面1000 hPa平均高度場和距平場上(圖6) ，哈爾濱位于強(qiáng)大的蒙古高壓前干冷的西北氣流里，西北氣流向哈爾濱輸送清潔的干冷空氣，空氣擴(kuò)散條件和空氣質(zhì)量較好。

圖5 2018年2月2-6日500 hPa平均高度場和距平場

圖6 2018年2月2-6日1000 hPa平均高度場和距平場

以2016年2月13-14日為例分析偏北路徑(第3類軌跡)與天氣系統(tǒng)的關(guān)系。在500 hPa平均高度場和距平場上(圖略)，2016年2月中下旬東亞大槽位置偏西，日本及以東的太平洋海域原東亞大槽平均位置被高壓脊取代，烏拉爾山高壓脊強(qiáng)度偏強(qiáng)、范圍偏大。中國北方在烏拉爾山高壓脊前東亞大槽的影響下，冷空氣勢力偏強(qiáng)，黑龍江省為較強(qiáng)的西北氣流。其中2月13-14日，在近地面1000 hPa平均高度場和距平場上(圖略)，哈爾濱位于較強(qiáng)的蒙古高壓前和較強(qiáng)日本海低壓之間干冷的偏北氣流里，等壓線密集，風(fēng)力較大，近地面無逆溫，空氣擴(kuò)散條件和空氣質(zhì)量較好。

偏東路徑(第4類軌跡)多出現(xiàn)在高壓南側(cè)或低壓北側(cè)低壓倒槽區(qū)，風(fēng)速常較小。這種傳輸路徑，有利于暖濕空氣和哈爾濱阿城、賓縣等地污染物向哈爾濱市區(qū)輸送，有利于污染物吸濕增長及近地面逆溫的形成和加強(qiáng)。在這些區(qū)域，還容易出現(xiàn)弱的氣旋性弱輻合，有利于污染物積聚。偏東傳輸軌跡路徑短，表明大氣中、低層無明顯影響系統(tǒng)活動或影響系統(tǒng)弱，天氣形勢靜穩(wěn)度高，氣團(tuán)移動速度緩慢。該路徑傳輸?shù)目諝饨?jīng)過較高的排放強(qiáng)度地區(qū)，與哈爾濱城區(qū)周邊近地面PM2.5濃度較高的污染物充分混合，使污染物濃度增大。因此偏東路徑傳輸軌跡容易導(dǎo)致哈爾濱市區(qū)冬半年出現(xiàn)重污染天氣。

以2016年11月3-5日為例分析偏東路徑(第4類軌跡)與天氣系統(tǒng)的關(guān)系。在500 hPa平均高度場和距平場上(圖略)，東亞大槽位置偏西偏強(qiáng)，槽的經(jīng)向度大，冷渦中心位于雅庫茨克附近，黑龍江省位于冷渦西南側(cè)西北氣流里，冷空氣勢力偏強(qiáng)。在近地面1000 hPa高度場和距平場上(圖略)，黑龍江省位于高壓底部的偏東氣流里，逐6 h天氣形勢變化顯示，哈爾濱先后位于弱高壓南部、鞍形場及較強(qiáng)高壓南部，均為偏東暖濕氣流控制，等壓線稀疏，風(fēng)力小，再加之周邊農(nóng)民集中焚燒秸稈，致使哈爾濱城區(qū)出現(xiàn)嚴(yán)重的空氣污染。當(dāng)哈爾濱位于鞍形場靠近蒙古低壓東北側(cè)的偏東氣流里時，污染濃度最高，4日16時至23時，連續(xù)8 h PM2.5濃度≥1000 μg/m3。

2.2.3 污染氣團(tuán)潛在源區(qū)分析

PSCF函數(shù)表征經(jīng)過某一區(qū)域的氣團(tuán)到達(dá)觀測點時對應(yīng)的要素值超過設(shè)定閾值的條件概率。高PSCF值所對應(yīng)的區(qū)域即污染物的潛在源區(qū)，經(jīng)過該區(qū)域的軌跡為污染物傳輸?shù)闹饕窂?。利用TrajStat軟件對哈爾濱PM2.5進(jìn)行污染氣流潛在源區(qū)分析。計算結(jié)果(圖7)顯示，影響哈爾濱城區(qū)PM2.5濃度的主要潛在貢獻(xiàn)源區(qū)為松嫩平原和遼河平原一帶。其中，PSCF函數(shù)值在0.3以上的高影響區(qū)域出現(xiàn)在黑龍江哈爾濱地區(qū)、吉林中部、遼寧北部及內(nèi)蒙古通遼等地。這些較強(qiáng)的潛在貢獻(xiàn)源區(qū)也是污染物西南傳輸路徑或偏東傳輸路徑的必經(jīng)之地。上述區(qū)域為我國東北主要農(nóng)區(qū)，秋末冬初秸稈焚燒多，且冬季供暖燃煤多，污染物排放強(qiáng)度大，氣團(tuán)攜帶的污染物濃度相對較高。

2.3 污染物傳輸指數(shù)與PM2.5濃度之間的關(guān)系

參考花叢[18-19]等傳輸指數(shù)計算方法，計算2014-2017年冬半年哈爾濱逐6 h傳輸指數(shù)，結(jié)果最大值為6.9，最小值為0.03。對6 h間隔傳輸指數(shù)與相應(yīng)時次PM2.5濃度做相關(guān)性分析，其相關(guān)系數(shù)為0.5，通過α=0.01的顯著性檢驗。傳輸指數(shù)越大，對應(yīng)PM2.5濃度>150 μg/m3的概率越大，傳輸指數(shù)越小，對應(yīng)空氣污染的概率越小。分析發(fā)現(xiàn)，當(dāng)傳輸指數(shù)≥2.5時， 70% 時次的PM2.5濃度≥ 200 μg/m3，80% 時次的PM2.5濃度≥ 150 μg/m3；當(dāng)傳輸指數(shù)≤0.2時，僅有5%時次的PM2.5濃度≥ 100 μg/m3，1%時次的PM2.5≥ 150 μg/m3，無PM2.5濃度≥ 200 μg/m3的情況發(fā)生。這些都說明傳輸指數(shù)可以在一定程度上描述哈爾濱城區(qū)污染物濃度變化，解釋污染成因。但是傳輸作用僅是污染天氣的形成條件之一，所以傳輸指數(shù)還不能完全描述污染物的濃度變化，污染物濃度還受污染源排放量及擴(kuò)散條件等影響。

圖7 哈爾濱潛在源區(qū)貢獻(xiàn)因子(PSCF)分布

花叢等[18]對京津冀地區(qū)傳輸指數(shù)的研究分析發(fā)現(xiàn)，平流輸送對污染物的傳輸導(dǎo)致了PM2.5濃度的變化，PM2.5濃度相對傳輸條件的變化有一定滯后響應(yīng)時間。通過分析發(fā)現(xiàn)，哈爾濱PM2.5濃度變化和傳輸指數(shù)的變化之間也存在一定滯后性。為計算滯后響應(yīng)時間的長度，對2014-2017年冬半年每日逐6 h傳輸指數(shù)和PM2.5濃度進(jìn)行時滯相關(guān)分析，結(jié)果顯示，在PM2.5滯后傳輸指數(shù)6 h的情況下，兩者相關(guān)性也較為明顯，相關(guān)系數(shù)達(dá)到0.44，通過α=0.01的顯著性檢驗。說明傳輸指數(shù)對污染物濃度變化有大約6 h的預(yù)報提前量，可以此作為參照，估算污染物濃度的變化趨勢。

2.4 傳輸強(qiáng)度特征

將所計算時段內(nèi)各網(wǎng)格點上的傳輸強(qiáng)度進(jìn)行疊加，即可得到傳輸強(qiáng)度的空間分布狀況，即不同區(qū)域?qū)δ繕?biāo)城市的綜合傳輸影響。對于周邊區(qū)域而言，黑龍江省西南部、吉林中部、遼寧北部傳輸強(qiáng)度大于0.1(見圖8)，說明上述地區(qū)的污染物可通過區(qū)域傳輸對哈爾濱產(chǎn)生較明顯影響。對于哈爾濱本地來說，哈爾濱市城郊及其雙城、呼蘭、阿城、五常西部等縣(市)距離哈爾濱市區(qū)近，冬半年供暖燃煤多，秸稈焚燒多，排放強(qiáng)度較高，傳輸強(qiáng)度超過10甚至超過100，傳輸作用最為明顯。距離哈爾濱城區(qū)越近， 傳輸強(qiáng)度越大。哈爾濱市城區(qū)污染源主要來自本地和附近縣市排放，在對污染源進(jìn)行調(diào)控和減排時，可參考傳輸強(qiáng)度的空間分布進(jìn)行決策，盡量以小的經(jīng)濟(jì)成本實現(xiàn)最好的區(qū)域聯(lián)防聯(lián)控效果。

圖8 2014-2017年冬半年哈爾濱傳輸強(qiáng)度分布

3 結(jié) 論

(1) 哈爾濱冬半年清潔天氣和輕度污染天氣占主導(dǎo)地位，PM2.5濃度>150 μg/m3的重污染時次和重污染軌跡僅占15.1%和15.9%,但是每月都有重污染時次出現(xiàn)，其中11月、12月、1月空氣質(zhì)量比其他月份偏差，有近25%的時次PM2.5濃度接近150 μg/m3。一天中污染程度最重的時次多出現(xiàn)在夜間至凌晨時段。

(2) 后向軌跡聚類分析結(jié)果表明，影響哈爾濱冬半年空氣質(zhì)量的傳輸路徑有4條。偏東路徑和西南路徑為主要污染路徑，偏北路徑和西北偏西路徑為相對清潔路徑。重污染軌跡數(shù)在其所屬類別傳輸路徑軌跡數(shù)中占比由高到低依次為：偏東路徑(26.6%)、西南路徑(23.8%)、西北偏西路徑(14.5%)、偏北路徑(8.6%)。

(3) 西南路徑氣流多出現(xiàn)在弱低壓系統(tǒng)前和高壓西側(cè)或西南側(cè)，偏東路徑氣流多出現(xiàn)在高壓南側(cè)或低壓北側(cè)的低壓倒槽區(qū)。這兩條路徑的氣流有利于污染物和暖濕空氣向哈爾濱輸送及污染物的積聚，容易導(dǎo)致空氣重污染。偏北路徑和西北偏西路徑，多出現(xiàn)在較強(qiáng)的蒙古高壓前和低壓后西北或偏北氣流里，有利于向哈爾濱輸送干冷空氣和清潔空氣，有利于污染物的沉降和擴(kuò)散。

(4) 松嫩平原和遼河平原是影響哈爾濱的主要污染物潛在源區(qū)。哈爾濱市城郊及雙城、呼蘭、阿城、五常西部等地傳輸強(qiáng)度超過10,甚至超過100，傳輸作用最為明顯。哈爾濱冬半年逐6 h間隔的傳輸指數(shù)與PM2.5濃度存在一定的正相關(guān)關(guān)系。傳輸指數(shù)對PM2.5濃度變化有大約6 h的預(yù)報提前量，可以此作為參照，估算污染物濃度的變化趨勢。