汾渭平原呂梁市顆粒物潛在源及輸送通道分析

高興艾,裴坤寧,王淑敏,閆世明,王 雁,蔣云盛

汾渭平原呂梁市顆粒物潛在源及輸送通道分析

高興艾,裴坤寧,王淑敏,閆世明*,王 雁**,蔣云盛

(山西省氣象科學(xué)研究所,山西 太原 030002)

基于汾渭平原呂梁市2017～2019年顆粒物濃度監(jiān)測(cè)數(shù)據(jù)和地面氣象觀(guān)測(cè)數(shù)據(jù),利用后向軌跡聚類(lèi)分析法以及潛在源貢獻(xiàn)函數(shù)(PSCF)等方法研究了呂梁市冬季PM10和PM2.5大氣污染特征及其潛在源區(qū),最后結(jié)合軌跡密度分析法(TDA)、軌跡停留時(shí)間分析法(RTA)對(duì)軌跡聚類(lèi)分析得到污染輸送通道進(jìn)行補(bǔ)充分類(lèi),并分析了不同輸送通道的輸送特征.研究發(fā)現(xiàn),呂梁市2017～2019年顆粒物年均濃度逐年下降,其中PM10下降了28μg/m3,PM2.5下降了17μg/m3,冬季下降幅度最大.3a冬季風(fēng)向風(fēng)速和濃度的統(tǒng)計(jì)分析表明呂梁市顆粒物濃度受東北和西南風(fēng)影響最為顯著,其原因是受當(dāng)?shù)厝ê雍庸鹊匦蔚挠绊?影響呂梁市PM10污染的潛在源區(qū)主要位于西南方向,PM2.5污染的潛在源區(qū)主要分布在西南、東和東南方向,顆粒物污染輸送通道可概括為:西北、西南和偏東(東+東南)通道.西北通道氣流移動(dòng)速度快,途經(jīng)新疆、內(nèi)蒙、甘肅和陜西北部等區(qū)域;西南通道氣流移動(dòng)速度慢,主要途經(jīng)陜西中南部渭河平原等污染嚴(yán)重的區(qū)域;偏東通道的氣流移動(dòng)速度慢,氣流先沿太行山東麓南下,在經(jīng)過(guò)太行山的橫斷山谷(太行陘、井陘等)時(shí)轉(zhuǎn)向進(jìn)入山西.PM10污染時(shí)西北通道貢獻(xiàn)最大,偏東通道貢獻(xiàn)最小,且兩個(gè)通道下絕大多數(shù)發(fā)生的均是輕度污染,占比都在90%左右;PM2.5污染時(shí)三類(lèi)通道下發(fā)生輕度污染的比重較PM10均下降,西南和偏東通道下發(fā)生中度污染以上的比重在50%左右,且西南和偏東通道途經(jīng)的區(qū)域恰好是PSCF計(jì)算得到的潛在源區(qū)位置,說(shuō)明了西南和偏東氣流容易將細(xì)顆粒物輸送至呂梁.WRF(天氣預(yù)報(bào)模式)的風(fēng)場(chǎng)模擬較為直觀(guān)的解釋了三類(lèi)污染輸送通道,且復(fù)雜地形是形成污染輸送通道的一個(gè)重要因素.西北和西南污染輸送通道主要受呂梁山脈的影響,偏東污染輸送通道主要受太行山及其橫谷的影響.

軌跡聚類(lèi)；輸送通道；顆粒物；軌跡停留時(shí)間分析法(RTA)；軌跡密度分析法(TDA)

隨著城市化和工業(yè)化發(fā)展,大氣污染已成為影響區(qū)域經(jīng)濟(jì)發(fā)展和城市環(huán)境的重要因素[1-3].其中顆粒物可以通過(guò)直接和間接效應(yīng)影響地球輻射收支平衡,并且嚴(yán)重危害人體健康[4-5].近年來(lái)經(jīng)過(guò)多方努力,空氣質(zhì)量雖得到了一定程度的改善[6],但是部分地區(qū)污染仍然非常嚴(yán)重,特別是在京津冀及周邊地區(qū)、長(zhǎng)三角和汾渭平原[7-9].大氣污染時(shí)空分布特征存在顯著的區(qū)域性差異,不同區(qū)域首要污染來(lái)源也有所差異,因此研究污染物本地化的時(shí)空特征及其來(lái)源對(duì)于科學(xué)治理當(dāng)?shù)仡w粒物污染起著重要作用.此外,大氣污染又因其具有空間溢出效應(yīng),即存在跨區(qū)域傳輸[10].分析區(qū)域大氣污染輸送路徑和潛在源區(qū),研究城市與周邊區(qū)域的傳輸影響,對(duì)于區(qū)域間大氣污染聯(lián)防聯(lián)控工作有著重要意義.相關(guān)研究發(fā)現(xiàn)長(zhǎng)三角本地與區(qū)域輸送貢獻(xiàn)基本相等[11],北京市和唐山市PM2.5外來(lái)傳輸貢獻(xiàn)可達(dá)48.74%和 30.67%[12],山西和陜西外來(lái)傳輸貢獻(xiàn)達(dá)31%[13].

汾渭平原作為全國(guó)空氣污染最嚴(yán)重的區(qū)域之一,產(chǎn)業(yè)結(jié)構(gòu)偏重,能源結(jié)構(gòu)偏煤,交通運(yùn)輸結(jié)構(gòu)以公路為主,加上不利于擴(kuò)散的地形和氣象條件,導(dǎo)致污染形勢(shì)嚴(yán)峻,2018年納入了國(guó)家大氣防治重點(diǎn)區(qū)域.目前已有部分學(xué)者針對(duì)汾渭平原污染做了相關(guān)研究,這些研究主要側(cè)重于汾渭平原區(qū)域的大氣污染狀況以及重污染天氣成因的分析.相關(guān)研究發(fā)現(xiàn)汾渭平原PM2.5污染與地形起伏度存在明顯的負(fù)的空間自相關(guān)性,洛陽(yáng)盆地和西安至臨汾間的沖擊平原污染最為嚴(yán)重[14],汾渭平原吸收性氣溶膠空間分布基本以臨汾、西安和鄭州為高值向四周擴(kuò)散的趨勢(shì)[8],造成該區(qū)域冬季顆粒物重污染的天氣系統(tǒng)主要是高壓前部型、高壓后部型、均壓場(chǎng)型及低壓倒槽型[15].汾渭平原地形復(fù)雜,不同城市污染情況也不盡相同. 西安冬季PM2.5污染的主要潛在源區(qū)位于關(guān)中地區(qū)、山西運(yùn)城以及河南三門(mén)峽、洛陽(yáng)地區(qū)[16];運(yùn)城市秋冬兩季顆粒物污染以細(xì)顆粒物為主,空間上PM2.5年均值呈現(xiàn)北部和中部高、東部和西部低的分布特征[17];臨汾市春、秋和冬季共同的污染潛在源區(qū)位于陜西中南部地區(qū)(西南方向),且PSCF值均超過(guò)了0.7[18].目前這些研究主要側(cè)重于不同城市的潛在污染源區(qū)分析,缺乏城市污染輸送通道的研究.

呂梁市屬于汾渭平原11個(gè)城市之一,污染排放強(qiáng)度較大.近年來(lái)呂梁當(dāng)?shù)卣蜕鷳B(tài)環(huán)境部門(mén)制定了一系列的減排措施,如提高集中供熱普及率、劃定“禁煤區(qū)”、取締違法“散亂污”企業(yè)和嚴(yán)格控制工業(yè)企業(yè)揚(yáng)塵排放等.但是,生態(tài)環(huán)境部發(fā)布的《全國(guó)城市空氣質(zhì)量報(bào)告》(2019年)表明:呂梁市冬季環(huán)境空氣質(zhì)量綜合指數(shù)在168個(gè)重點(diǎn)城市中平均排名107(冬季三個(gè)月平均),排名比較靠后,主要污染物為PM10和PM2.5.因此在繼續(xù)進(jìn)行減排治理的基礎(chǔ)上,研究當(dāng)?shù)氐匦巍庀髼l件和輸送特征對(duì)于大氣污染治理具有十分重要意義,但是目前針對(duì)呂梁市相關(guān)研究比較少.因此本文以汾渭平原呂梁市為研究對(duì)象,利用潛在源貢獻(xiàn)函數(shù)PSCF和軌跡聚類(lèi)、TDA和RTA方法綜合確定影響呂梁市的潛在源區(qū)和污染輸送通道,以期為汾渭平原城市群大氣污染聯(lián)防聯(lián)控治理提供參考依據(jù).

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

呂梁市地處山西省西部,因呂梁山脈由北向南縱貫全境而得名.市以東是“兩山夾一河”地形,依次為呂梁山-汾河谷地-太行山,市以西依次為黃河峽谷-陜北黃土高原,主城區(qū)位于呂梁山脈中段西側(cè).呂梁市內(nèi)地勢(shì)東部高而寬,西部低而窄,境內(nèi)山多川少.北有北川河,東有東川河,南有南川河,這3條河流在呂梁市區(qū)西部匯集成“三川河”.呂梁市最高點(diǎn)為城區(qū)東北骨脊山,海拔2535m;最低點(diǎn)為三川河河谷,海拔889m(圖1).呂梁市煤炭資源豐富,市境總面積21211km2,含煤面積11460km2(http: //www.lvliang.gov.cn/zjll/llgl/zrdl/),煤炭面積占比54%.工業(yè)主要以煤礦、焦化、冶煉以及電力企業(yè)為主,顆粒物排放量大是這些行業(yè)的共同特點(diǎn)之一,且無(wú)組織排放治理難度較大.受地形、不利氣象條件、本地排放和區(qū)域傳輸?shù)墓餐绊?呂梁市冬季顆粒物污染頻發(fā).

圖1 山西省呂梁市及周邊地形示意

1.2 數(shù)據(jù)來(lái)源

呂梁市2017～2019年逐時(shí)PM10和PM2.5濃度以及對(duì)應(yīng)時(shí)刻的地面風(fēng)向風(fēng)速數(shù)據(jù)分別來(lái)源于真氣網(wǎng)(https://www.aqistudy.cn/)和山西省氣象信息中心.后向軌跡模式所用氣象場(chǎng)資料(2017～2019年)為美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(NCEP)提供的全球資料同化系統(tǒng)(GDAS)數(shù)據(jù)(ftp://arlftp.arlhq.noaa.gov/pub/ archives/gdas1),每日4個(gè)時(shí)次,即00:00、06:00、12:00和18:00UTC,水平分辨率為1°×1°.WRF模式輸入資料來(lái)源于歐洲中期天氣預(yù)報(bào)中心(ECMWF)再分析(ERA-5)數(shù)據(jù)(http://data-portal.ecmwf.int),該數(shù)據(jù)1次/h,分辨率為0.25°×0.25°.

1.3 研究方法

HYSPLIT4(混合單粒子拉格朗日積分軌跡)模式是由美國(guó)國(guó)家海洋大氣管理中心(NOAA)和澳大利亞氣象局共同研發(fā)的一種用以計(jì)算和分析氣流運(yùn)動(dòng)、沉降以及擴(kuò)散的專(zhuān)業(yè)模型.該模式廣泛應(yīng)用于大氣輸送研究及污染過(guò)程分析[19].本研究中后向軌跡計(jì)算起始高度選取300m[20],軌跡運(yùn)行時(shí)間選擇72h,時(shí)間間隔取1h.聚類(lèi)分析基于軌跡風(fēng)向角度的二分均值法[21].

軌跡密度分析法(TDA)將研究區(qū)域均勻劃分成一定分辨率的若干網(wǎng)格單元,因此可以通過(guò)統(tǒng)計(jì)每個(gè)網(wǎng)格的軌跡數(shù)量來(lái)表示特定網(wǎng)格上的軌跡密度.軌跡密度分布可以反映出主要?dú)饬鞯倪\(yùn)動(dòng)方向,污染軌跡經(jīng)過(guò)多的區(qū)域即可定義為污染傳輸通道.與之對(duì)應(yīng)的停留時(shí)間法(RTA)是統(tǒng)計(jì)區(qū)域內(nèi)軌跡點(diǎn)的多寡,與在源區(qū)域中停留時(shí)間較長(zhǎng)的氣團(tuán)相比,快速通過(guò)污染物源區(qū)域的空氣氣團(tuán)積聚污染物的時(shí)間更少,即在污染源區(qū)停留時(shí)間長(zhǎng)的氣團(tuán)可能攜帶更多的污染物[22].污染軌跡點(diǎn)經(jīng)過(guò)多的區(qū)域也可定義為污染傳輸通道,TDA和RTA可以從不同角度得到污染輸送通道,兩者結(jié)合可以得到完整的傳輸通道.

潛在源貢獻(xiàn)函數(shù)(PSCF)常被用于定位潛在污染源區(qū)位置并定量給出污染貢獻(xiàn)大小.PSCF用來(lái)描述每個(gè)區(qū)域(即網(wǎng)格單元)的來(lái)源強(qiáng)度的概率場(chǎng),它基于氣流軌跡分析來(lái)識(shí)別可能源區(qū),通過(guò)結(jié)合氣團(tuán)軌跡和某要素值(如污染物濃度值等)來(lái)給出可能的污染排放源方位,PSCF計(jì)算公式參見(jiàn)文獻(xiàn)[18,21].

WRF(天氣預(yù)報(bào)模式)是新一代的高分辨率、非靜力平衡的中尺度模式,該模式在氣象和相關(guān)領(lǐng)域(氣象服務(wù)、農(nóng)業(yè)林業(yè)、新能源等)的應(yīng)用越來(lái)越廣泛.本文利用WRFv4.2模式模擬了3次典型的顆粒物污染事件發(fā)生時(shí)風(fēng)場(chǎng)變化情況.模式采用兩層雙向嵌套,外層區(qū)域(61～162°E,2～70°N),網(wǎng)格距是27km,內(nèi)層區(qū)域(93～125°E,21～49°N),網(wǎng)格距是9km,垂直方向?yàn)?2層,時(shí)間積分步長(zhǎng)為60s,地形數(shù)據(jù)為30s分辨率,模式參數(shù)方案選取可見(jiàn)文獻(xiàn)[23].

2 結(jié)果與討論

2.1 呂梁市顆粒物污染特征

利用2017～2019年呂梁市顆粒物監(jiān)測(cè)數(shù)據(jù)按照四季進(jìn)行統(tǒng)計(jì)分析.由圖2和表1可知,呂梁市夏季顆粒物濃度最低,春秋季濃度值較為接近且大于夏季;冬季顆粒物污染最為嚴(yán)重,PM2.5濃度甚至超過(guò)了環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)(GB3095-2012)中定義的二級(jí)濃度標(biāo)準(zhǔn)(75μg/m3).從年際變化來(lái)看,2017～2019年P(guān)M10與PM2.5年均濃度逐年下降,其中PM10下降了28μg/m3,PM2.5下降了17μg/m3,從季節(jié)變化來(lái)看,冬季下降幅度最大,PM10下降了34μg/m3,PM2.5下降了26μg/m3.

圖2 2017～2019年呂梁市PM10和PM2.5濃度月變化分布

表1 2017～2019年呂梁市PM10、PM2.5平均濃度和PM2.5/PM10比值統(tǒng)計(jì)值(μg/m3)

PM2.5/PM10能夠反映可吸入顆粒物中細(xì)顆粒物的含量以及細(xì)顆粒物的二次形成,利用二者比值的變化,可以評(píng)估大氣污染狀況[16].由表1可知,呂梁市PM2.5/PM10年均值為0.49,低于北京市[24]均值0.69和鄭州市[25]均值0.56,說(shuō)明呂梁市細(xì)顆粒物占比較這些人口密集、工業(yè)發(fā)達(dá)城市偏低;此外,二者比值春季最小,冬季最大.春季,由于天氣系統(tǒng)活動(dòng)比較頻繁,大氣層結(jié)極不穩(wěn)定,在冷暖氣流交綏作用下,氣流經(jīng)過(guò)干燥而植被稀疏的荒漠地帶,很容易引發(fā)沙塵或者揚(yáng)沙天氣[26],粒子以粗顆粒物為主;冬季,靜穩(wěn)天氣造成冬季霧霾頻發(fā),主要以細(xì)顆粒物為主[27].總體而言,呂梁市冬季顆粒物污染最嚴(yán)重,因此下文主要分析冬季的顆粒物污染與輸送特征.

2.2 地面風(fēng)對(duì)顆粒物濃度的影響

為了解地面風(fēng)對(duì)顆粒物濃度的影響,統(tǒng)計(jì)分析了各風(fēng)向下PM10與PM2.5污染發(fā)生的頻率,并繪制了呂梁市2017～2019年冬季不同風(fēng)向下各空氣質(zhì)量等級(jí)出現(xiàn)的頻率.由圖3可知,呂梁市近地面主導(dǎo)風(fēng)向?yàn)闁|北風(fēng)(NNE、NE),風(fēng)頻占比33.9%,除東北風(fēng)外,西南風(fēng)(WSW、SW)風(fēng)頻占比最大,為19.9%;這兩個(gè)風(fēng)向與呂梁三川河河谷方向基本一致(圖1),其中東北風(fēng)方向?qū)?yīng)北川河,西南風(fēng)方向?qū)?yīng)三川河,說(shuō)明呂梁市近地面風(fēng)向受地形的影響非常顯著.河谷地形也為近地面顆粒物的輸送創(chuàng)造了條件,PM10與PM2.5發(fā)生污染時(shí)的主要風(fēng)向與近地面主導(dǎo)和次主導(dǎo)風(fēng)向基本一致,其中PM10污染頻率NNE、NE方向占比18.7%,WSW、SW方向頻率占比6.6%;PM2.5污染頻率NNE、NE方向占比21.8%,WSW、SW方向占比8.8%,同時(shí)也可以看出,東北風(fēng)和西南風(fēng)方向發(fā)生中度、重度及嚴(yán)重污染的頻率也遠(yuǎn)高于其他方向.

為了解呂梁市地面氣流與顆粒物濃度的關(guān)系,統(tǒng)計(jì)計(jì)算了呂梁市2017～2019年冬季不同風(fēng)向風(fēng)速下的顆粒物平均濃度和PM2.5/PM10比值(為減少統(tǒng)計(jì)樣本數(shù)量偏少帶來(lái)的誤差,將統(tǒng)計(jì)數(shù)量少于10個(gè)的樣本剔除).由圖4(a)和4(b)可知,不同風(fēng)向風(fēng)速下顆粒物濃度差異顯著;東北、西南和東南風(fēng)向下PM10和PM2.5濃度均高于其他風(fēng)向,其中東北風(fēng)向的PM10和PM2.5污染最為嚴(yán)重,部分地區(qū)濃度分別超過(guò)了170和95μg/m3;東南方向?qū)?yīng)南川河,風(fēng)頻雖然占比不大(見(jiàn)圖3),但是也容易出現(xiàn)顆粒物濃度高值.從風(fēng)速來(lái)看,低風(fēng)速下(<2m/s)呂梁市冬季PM10和PM2.5均有污染超標(biāo)現(xiàn)象發(fā)生,可見(jiàn)靜小風(fēng)天氣易造成呂梁市顆粒物濃度升高,其中PM10超標(biāo)發(fā)生在東北方向,PM2.5超標(biāo)發(fā)生在東北和西南方向;當(dāng)風(fēng)速大于2m/s時(shí),在三川河谷對(duì)應(yīng)的東北、東南和西南風(fēng)向下均出現(xiàn)了PM2.5平均濃度值超標(biāo),PM10僅在東北方向出現(xiàn)平均值超標(biāo)現(xiàn)象.由圖4(c)可知,呂梁市三川河谷對(duì)應(yīng)的東北、西南和東南方向上細(xì)顆粒物占比均較大,東南方向的PM2.5/PM10最高值達(dá)到0.65以上,結(jié)合圖4(a)和4(b)來(lái)看,東北方向的顆粒物濃度是3個(gè)方向最高的,但其相對(duì)于西南和東南方向來(lái)說(shuō),PM2.5/PM10比值卻是最小的,說(shuō)明東北方向粗顆粒物輸送較西南和東南方向更明顯.

總的來(lái)說(shuō),呂梁市顆粒物濃度主要受東北、東南和西南風(fēng)向影響較大,且3個(gè)風(fēng)向與河谷地形方向吻合,顆粒物污染容易沿河谷向城區(qū)輸送,且河谷方向的輸送頻率和顆粒物濃度較其它方向偏大;此外,靜小風(fēng)天氣易造成呂梁市顆粒物濃度升高.

2.3 顆粒物污染潛在源區(qū)分析

利用后向軌跡模式計(jì)算了2017～2019年冬季呂梁市的氣流軌跡,并結(jié)合對(duì)應(yīng)時(shí)次的顆粒物濃度,利用PSCF方法分析了PM10和PM2.5的潛在源區(qū), PSCF能夠識(shí)別超過(guò)計(jì)算點(diǎn)平均濃度閾值的潛在源區(qū)(PSCF計(jì)算閾值選取PM10和PM2.5濃度標(biāo)準(zhǔn)值分別為115和75μg/m3),將PSCF 大于 0.7 的區(qū)域作為影響呂梁市最主要的潛在源區(qū),PSCF高值區(qū)表明了氣流軌跡經(jīng)過(guò)這些區(qū)域時(shí)發(fā)生污染(超過(guò)閾值)的概率較高,計(jì)算結(jié)果見(jiàn)圖5.

由圖5(a)可知發(fā)現(xiàn),PM10主要的潛在源區(qū)位于西南方向,集中在陜西中南部地區(qū)的漢中、安康、西安、寶雞和咸陽(yáng)一帶區(qū)域,PSCF值達(dá)到了0.8以上,其他方向也存在一些范圍較小的零星潛在源區(qū).由圖5(b)可知,PM2.5主要的潛在源區(qū)位于東、東南、西南方向,其中西南方向潛在源區(qū)分布位置基本和PM10一致,但范圍明顯較后者更大,PSCF值也更高;東方向的潛在源區(qū)主要位于太原、陽(yáng)泉、晉中以及河北的石家莊和邯鄲部分區(qū)域,東南方向潛在源區(qū)主要位于臨汾、長(zhǎng)治和河南北部的安陽(yáng)、焦作部分區(qū)域,東和東南方向的潛在源區(qū)PSCF值均在0.9以上.PM2.5的潛在源區(qū)范圍明顯較PM10偏大,且PSCF整體值也更高.

2.4 顆粒物污染輸送通道分析

PSCF方法確定了影響呂梁市的潛在污染源區(qū),但無(wú)法確定氣流經(jīng)過(guò)源區(qū)是如何輸送并影響到目標(biāo)站點(diǎn)的,因此還需要進(jìn)一步探討污染輸送通道.本文挑選2017～2019年冬季PM10和PM2.5污染時(shí)對(duì)應(yīng)時(shí)刻的后向軌跡數(shù)據(jù),利用軌跡聚類(lèi)、TDA和RTA方法綜合判定呂梁市的顆粒物輸送通道,結(jié)果見(jiàn)圖6和圖7.

首先利用二分K均值法分別將PM10和PM2.5污染時(shí)的后向軌跡聚類(lèi)為5類(lèi),用聚類(lèi)后的軌跡表示顆粒物的輸送通道,并且為進(jìn)一步量化表征各聚類(lèi)軌跡下的污染特征,將每條聚類(lèi)軌跡下不同空氣質(zhì)量等級(jí)(GB3095-2012)發(fā)生的頻率進(jìn)行統(tǒng)計(jì)分析.圖6給出了不同軌跡分型的污染比例特征.

圖6(a)和6(b)分別代表了發(fā)生PM10和PM2.5污染時(shí)軌跡聚類(lèi)結(jié)果(PM10共計(jì)2454條數(shù)據(jù),PM2.5共計(jì)2821條數(shù)據(jù)),對(duì)比二者可以看出,兩者污染氣流軌跡的聚類(lèi)結(jié)果在方向上基本一致,但在各方向上的比例略有差異,主要表現(xiàn)為PM2.5污染時(shí)軌跡1和3污染比例較PM10明顯變大,而軌跡2、4和5 的污染比例較PM10明顯變小,說(shuō)明軌跡2、4和5攜帶粗顆粒物較多,而軌跡1和3攜帶的細(xì)顆粒物較多.

由圖6(a)可知,發(fā)生PM10污染時(shí),途經(jīng)新疆、甘肅、內(nèi)蒙和陜西的遠(yuǎn)距離傳輸軌跡5占比最大,為 39.1%,途經(jīng)新疆、甘肅和陜西的軌跡3對(duì)應(yīng)的PM10污染濃度最高,為217.4μg/m3,軌跡占比16.2%.結(jié)合不同聚類(lèi)軌跡下各污染等級(jí)發(fā)生頻率來(lái)看,發(fā)生PM10污染時(shí),5類(lèi)軌跡發(fā)生輕度污染比重基本都在75%以上.其中軌跡1發(fā)生中度污染以上比重最小,為5.8%;軌跡3和4發(fā)生中度污染以上的比重最大,分別為21.4%和21.6%.

由圖6(b)可知,發(fā)生PM2.5污染時(shí)軌跡5占比最大,為 31.9%,途經(jīng)陜西省中南部的軌跡4對(duì)應(yīng)的PM2.5污染濃度最高,數(shù)值為124.9μg/m3,占比10.7%.與PM10聚類(lèi)軌跡下各污染等級(jí)發(fā)生頻率不同,發(fā)生PM2.5污染時(shí),全部聚類(lèi)軌跡發(fā)生重度污染以上的概率明顯變高,軌跡1、3和4發(fā)生中度污染以上比重最大,分別為46.9%、50.6%和50.3%,說(shuō)明來(lái)自西南和東南方向的氣流攜帶的PM2.5細(xì)顆粒物較多,非常容易發(fā)生中度、重度和嚴(yán)重污染.來(lái)自西北路徑下的軌跡2和5發(fā)生中度污染以上的比重相對(duì)其他軌跡來(lái)看較小,分別為27.6%和36%.

軌跡聚類(lèi)方法是從軌跡整體進(jìn)行聚類(lèi)分析,其根本上代表某個(gè)扇區(qū)風(fēng)向上多條軌跡的平均方向,所以只能表達(dá)出大致方向,優(yōu)點(diǎn)是能得到每條聚類(lèi)軌跡上的比例參數(shù);而RTA和TDA方法是從軌跡點(diǎn)角度進(jìn)行統(tǒng)計(jì)分析,其優(yōu)點(diǎn)是能夠直觀(guān)體現(xiàn)出輸送通道,但無(wú)法確定各個(gè)通道上的比例大小,所以三者結(jié)合可以更為準(zhǔn)確的解釋污染輸送通道.

圖7為軌跡密度、停留時(shí)間及二者差值的結(jié)果,分別用TDA、RTA和RTA-TDA表示,網(wǎng)格分辨率為0.2°×0.2°.由圖7(a)和7(d)軌跡密度分析可知,PM10和PM2.5污染時(shí),TDA整體均呈經(jīng)向分布,且主要為西北和東南走向,說(shuō)明來(lái)自這兩個(gè)方向的氣流較多,來(lái)自西北的氣流(TDA>50)到達(dá)站點(diǎn)附近后,受呂梁山脈阻擋,轉(zhuǎn)為偏北氣流,來(lái)自東南的氣流沿著晉南的臨運(yùn)盆地北上到達(dá)呂梁.

圖7(b)和7(e)停留時(shí)間分析可以看出,PM10和PM2.5污染時(shí)停留時(shí)間點(diǎn)相對(duì)較長(zhǎng)(RTA>50)的區(qū)域集中在西北、西南、東和東南4個(gè)方向,且來(lái)自西南、東南和東方向PM2.5污染軌跡停留時(shí)間較PM10明顯變大,結(jié)合圖7(c)和7(f)的RTA-TDA差值來(lái)看,PM10和PM2.5污染時(shí)西南、東和東南方向RTA明顯比TDA高,說(shuō)明這些區(qū)域雖然氣流不多,但由于停留時(shí)間更長(zhǎng),攜帶顆粒物的能力可能更強(qiáng),所以也可以視作是重要的污染輸送通道.而來(lái)自西北的氣流停留時(shí)間和軌跡密度差值基本為0.因此,來(lái)自西南、東和東南方向的所有污染氣流中停留時(shí)間較長(zhǎng)的氣流占比較大,整體移速慢;而來(lái)自西北的氣流雖然本身較多,但是停留時(shí)間均較短,整體移速快.

圖6和圖7綜合來(lái)看,長(zhǎng)距離運(yùn)輸軌跡為2、3和5,短距離運(yùn)輸軌跡為1和4,停留時(shí)間長(zhǎng)的區(qū)域?qū)?yīng)的軌跡1、3和4,停留時(shí)間短的區(qū)域?qū)?yīng)軌跡2和5.除了軌跡3較為特殊外,其余4類(lèi)軌跡停留時(shí)間和軌跡長(zhǎng)短較吻合,軌跡3是長(zhǎng)距離運(yùn)輸型,其出發(fā)點(diǎn)是西北方向,移動(dòng)速度較快,但與其他兩類(lèi)長(zhǎng)距離運(yùn)輸軌跡(2和5)不同的是軌跡3在陜西中部地區(qū)轉(zhuǎn)為西南方向,且其對(duì)應(yīng)發(fā)生中度污染以上概率和西南軌跡4接近,卻比同類(lèi)西北軌跡(2和5)高許多,因此不能將軌跡3看作遠(yuǎn)距離輸送的西北通道,其對(duì)呂梁市的影響可以分為兩部分:首先來(lái)自西北的氣流移動(dòng)速度快,但是南下途中遇到秦嶺后發(fā)生氣流轉(zhuǎn)向,移動(dòng)速度明顯變小,此后沿西南方向北上途經(jīng)陜西中南部污染嚴(yán)重城市包括咸陽(yáng)、西安、漢中和渭南市等[28]時(shí),容易卷夾顆粒物,因此軌跡3對(duì)呂梁市的影響主要集中在軌跡后半段即西南方向.軌跡1恰好位于東和東南通道中間,表明其是由東和東南路徑聚類(lèi)而成的,其中東南方向的氣流從冀豫交界的位置沿太行山東麓南下,在太行陘通道傳輸進(jìn)入山西省境內(nèi)[23];東方向氣流是從河北石家莊一帶經(jīng)井陘通道[29]傳輸進(jìn)入山西并影響到呂梁.這兩類(lèi)氣流從京津冀地區(qū)而來(lái)自身就攜帶污染物,經(jīng)過(guò)橫斷山谷(太行陘、滏口陘、井陘等)時(shí),速度變緩,停留時(shí)間加長(zhǎng),途徑陽(yáng)泉、晉中、臨汾和運(yùn)城等污染嚴(yán)重城市時(shí)會(huì)夾卷更多的顆粒物.

總體來(lái)說(shuō),呂梁市污染輸送通道可以概括為3大類(lèi),軌跡2和5合并為西北通道,軌跡3和4合并為西南通道,軌跡1為偏東(東+東南)通道.表2給出了重新統(tǒng)計(jì)的不同通道下PM10和PM2.5污染情況下各污染等級(jí)發(fā)生概率,可以看出,發(fā)生PM10污染時(shí)西北通道貢獻(xiàn)最大,偏東通道貢獻(xiàn)最小,且兩個(gè)通道下絕大多數(shù)發(fā)生的均是輕度污染,占比都在90%左右;西南通道相對(duì)其他兩個(gè)通道來(lái)看,發(fā)生中度污染以上的比重明顯較高,比重在20%以上.PM2.5污染時(shí)同樣是西北通道貢獻(xiàn)最大,但是貢獻(xiàn)值較PM10污染時(shí)明顯減小,西南和偏東通道的貢獻(xiàn)明顯變大.PM2.5污染時(shí)3類(lèi)通道下發(fā)生輕度污染的比重較PM10均下降,西南和偏東通道下發(fā)生中度污染以上的比重在50%左右,說(shuō)明西南和偏東通道下輸送的細(xì)顆粒物較多.

總體來(lái)說(shuō),西北通道經(jīng)過(guò)區(qū)域主要為戈壁、沙漠、黃土高原等,風(fēng)速較大,攜帶的主要為粗顆粒物,西南和偏東通道氣流移動(dòng)速度慢,攜帶的主要為細(xì)顆粒物.西北通道下呂梁市易發(fā)生PM10和PM2.5輕度污染,發(fā)生中度污染的概率較低,西南通道途經(jīng)陜西中南部等污染嚴(yán)重的城市容易夾卷顆粒物,呂梁市易發(fā)生PM10和PM2.5中重度污染;偏東通道的氣流本身從京津冀地區(qū)而來(lái)自身就攜帶污染物,從太行山東麓南下,經(jīng)過(guò)橫斷山谷(太行陘、井陘等)時(shí),速度變緩,停留時(shí)間加長(zhǎng),途經(jīng)污染嚴(yán)重的城市也會(huì)夾卷更多的顆粒物,呂梁市易發(fā)生PM2.5中重度污染.此外,西南和偏東通道途經(jīng)的區(qū)域恰好是PSCF計(jì)算得到的潛在源區(qū)位置,同樣說(shuō)明了西南和偏東氣流盛行時(shí),呂梁市發(fā)生污染的概率較大.

2.5 污染輸送通道的數(shù)值模擬

表3 呂梁市污染個(gè)例期間各要素統(tǒng)計(jì)

軌跡聚類(lèi)、TDA和RTA計(jì)算出了影響呂梁市的污染輸送通道,為了驗(yàn)證前述輸送通道,本文選取了3個(gè)典型污染個(gè)例利用中尺度數(shù)值模式WRFv4.2模擬了冬季呂梁市發(fā)生污染時(shí)的風(fēng)場(chǎng),模擬時(shí)間分別為2017年1月1日08:00～2017年1月2日08:00、2017年2月1日08:00～2017年2月2日08:00和2017年2月12日08:00至2017年2月13日08:00(北京時(shí)),3個(gè)典型污染個(gè)例期間各要素情況見(jiàn)表3.圖8為呂梁市冬季污染發(fā)生時(shí)的地面10m風(fēng)場(chǎng)和水平風(fēng)垂直剖面圖(黑箭頭為剖切線(xiàn)方向).

圖8(a)為2017年1月1日12:00的風(fēng)場(chǎng)分布,代表西北通道氣流傳輸情況.從近地面風(fēng)場(chǎng)分布來(lái)看,來(lái)自西北的氣流遇呂梁山后部分氣流風(fēng)向轉(zhuǎn)為北風(fēng)順山脈南下到達(dá)呂梁市,氣流越過(guò)呂梁山后風(fēng)速明顯減小;從垂直剖面圖結(jié)果來(lái)看,站點(diǎn)附近高層偏西北風(fēng),近地層為北風(fēng),呂梁山以東區(qū)域的風(fēng)速明顯較山脈以西偏小,呂梁山對(duì)西北氣流具有明顯的轉(zhuǎn)向和減速作用.圖8(b)為2017年2月1日11:00的風(fēng)場(chǎng)分布,代表偏東通道的氣流傳輸情況,氣流沿太行山東側(cè)南下,在山脈橫斷地段即橫谷(陘)進(jìn)入山西省境內(nèi)的傳輸情況(東+東南),其中井陘[29]是連通太原盆地和華北平原最主要的通道,太行陘[22]位于山西省晉城市南部,是連接河南和山西之間的重要通道.從近地面風(fēng)場(chǎng)分布來(lái)看,沿太行山東麓南下的東北氣流在井陘處進(jìn)入山西陽(yáng)泉和晉中等地,風(fēng)向轉(zhuǎn)為偏東風(fēng),進(jìn)而傳輸至呂梁.同樣,部分氣流沿太行陘進(jìn)入晉城市,風(fēng)向轉(zhuǎn)為東南向,進(jìn)而匯入?yún)瘟菏?井陘和太行陘為京津冀地區(qū)污染物向呂梁市輸送提供了通道.此外,經(jīng)過(guò)井陘和太行陘的氣流速度也明顯減弱;從垂直剖面圖結(jié)果來(lái)看,太行山東面的氣流風(fēng)速明顯是東北風(fēng),越過(guò)太行山后轉(zhuǎn)為東南風(fēng),且高層風(fēng)向?yàn)槠黠L(fēng),風(fēng)向隨高度順時(shí)針旋轉(zhuǎn),存在暖平流,來(lái)自偏東的暖濕氣流容易將污染物輸送至呂梁市.王躍等[30]研究也發(fā)現(xiàn)當(dāng)北京地區(qū)低層為持續(xù)的偏東或偏南風(fēng)控制,高層為偏西風(fēng)控制時(shí)容易發(fā)生污染.圖8(c)為2017年2月12日10:00的風(fēng)場(chǎng)分布,代表了西南通道氣流的傳輸情況.從地面風(fēng)場(chǎng)分布來(lái)看,來(lái)自陜西省中南部的偏西南氣流順呂梁山北上,將汾渭平原南部的污染物輸送至呂梁市地區(qū);從垂直剖面圖結(jié)果來(lái)看,站點(diǎn)附近(紅色區(qū)域)高層為偏西北風(fēng),近地層為西南風(fēng),且風(fēng)速很小.

WRF模式的風(fēng)場(chǎng)模擬較為直觀(guān)的解釋了3類(lèi)污染輸送通道,且復(fù)雜地形是形成污染輸送通道的一個(gè)重要因素.西北和西南污染輸送通道主要受呂梁山脈的影響,偏東污染輸送通道主要受太行山及其橫谷的影響.

2.6 污染個(gè)例分析

為了解外地傳輸與本地源的相對(duì)貢獻(xiàn),挑選一次污染過(guò)程(2019年1月2～6日)進(jìn)行分析,這幾日首要污染物均為PM2.5,污染程度分別為輕度、中度、中度、重度和重度污染,期間平均風(fēng)速為1.6m/s(圖9(a)),整體風(fēng)速均較小,呈靜小風(fēng)狀態(tài),大氣擴(kuò)散條件較差,本地排放的污染物較難稀釋、擴(kuò)散和清除,因此可看作為一次靜穩(wěn)條件下的污染累積過(guò)程.由污染對(duì)應(yīng)時(shí)段的逐小時(shí)后向軌跡聚類(lèi)分析可知(圖9(b)),此次污染過(guò)程中呂梁市主要受到西北和西南氣流影響,其中西南氣流軌跡占到了67.5%,西北氣流軌跡占比32.5%,前者明顯較后者行程短,表明西南氣流移動(dòng)速度較慢,加上呂梁市本地特殊的山谷地形影響,更加劇了呂梁市的污染累積.西南氣流軌跡對(duì)應(yīng)的PM10濃度為222.9μg/m3, PM2.5濃度為157.5μg/m3,分別超過(guò)污染過(guò)程中PM10(211.5μg/m3)和PM2.5(146.0μg/m3)濃度平均值11.4和11.5μg/m3,同時(shí)也遠(yuǎn)比西北氣流軌跡對(duì)應(yīng)濃度數(shù)值高,說(shuō)明西南氣流為呂梁市輸送了大量的顆粒物.因此,此次污染過(guò)程除本地累積外,西南氣流運(yùn)輸也做了部分貢獻(xiàn).

2.7 討論

本研究重點(diǎn)討論了影響呂梁市污染的幾類(lèi)主要區(qū)域輸送通道,尚缺乏區(qū)域輸送與本地污染積累的量化分析.特別是西南和偏東兩條輸送通道在冬季的氣流速度緩慢,加上呂梁市特殊的山谷地形,容易形成靜穩(wěn)天氣,加劇呂梁市本地污染物的累積,因此僅用當(dāng)前方法很難判斷呂梁市污染本地累積和外地傳輸貢獻(xiàn)比例,有研究表明即使是在靜穩(wěn)天氣下,京津冀仍有區(qū)域內(nèi)和區(qū)域外的輸送,且二者貢獻(xiàn)相當(dāng)[15].因此未來(lái)還需要借助各類(lèi)化學(xué)模式模型量化分析呂梁市污染的本地累積和區(qū)域輸送貢獻(xiàn),以期更加科學(xué)的為汾渭平原城市群大氣污染聯(lián)防聯(lián)控治理提供參考依據(jù).

3 結(jié)論

3.1 呂梁市四季中冬季污染最為嚴(yán)重,PM2.5濃度超過(guò)環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)二級(jí)濃度標(biāo)準(zhǔn)(75μg/m3).從年際變化來(lái)看,2017～2019年P(guān)M10與PM2.5年均濃度逐年下降,其中PM10下降了28μg/m3,PM2.5下降了17μg/m3,從季節(jié)變化來(lái)看,冬季下降幅度最大,PM10下降了34μg/m3,PM2.5下降了26μg/m3.

3.2 呂梁市近地面主導(dǎo)風(fēng)向?yàn)槠珫|北風(fēng)(NNE、NE),風(fēng)頻占比33.9%,次主導(dǎo)風(fēng)向?yàn)槠髂巷L(fēng)(WSW),風(fēng)頻占比12.9%,這兩個(gè)風(fēng)向與呂梁三川河河谷方向基本一致,其中東北風(fēng)方向?qū)?yīng)北川河,西南風(fēng)方向?qū)?yīng)三川河主流.低風(fēng)速(<2m/s)易造成呂梁市顆粒物的積累;當(dāng)風(fēng)速大于2m/s時(shí),在東北、東南和西南風(fēng)向下均出現(xiàn)了濃度高值.

3.3 呂梁市PM10主要的潛在源區(qū)位于西南方向,集中在陜西中南部地區(qū)的漢中、安康、西安、寶雞和咸陽(yáng)一帶,其他方向也存在一些范圍較小的零星潛在源區(qū).PM2.5主要的潛在源區(qū)位于東、東南、西南方向,PM2.5的潛在源區(qū)范圍和PSCF值均高于PM10,側(cè)面反應(yīng)了呂梁市PM2.5污染相比PM10污染更為嚴(yán)重.

3.4 呂梁市污染輸送通道可以分為3大類(lèi),包括西北、西南和偏東(東+東南).來(lái)自西北的氣流移動(dòng)速度快,呂梁市易發(fā)生PM10和PM2.5輕度污染;來(lái)自西南的氣流移動(dòng)速度慢,途經(jīng)陜西中南部等污染嚴(yán)重的城市容易夾卷顆粒物,呂梁市易發(fā)生PM10和PM2.5中重度污染;偏東通道的氣流從京津冀地區(qū)而來(lái)自身攜帶污染物,從太行山東麓南下,經(jīng)過(guò)橫斷山谷(太行陘、井陘等)時(shí),速度變緩,停留時(shí)間加長(zhǎng),呂梁市易發(fā)生PM2.5中重度污染.

3.5 PM10污染時(shí)西北通道貢獻(xiàn)最大,偏東通道貢獻(xiàn)最小,且兩個(gè)通道下絕大多數(shù)發(fā)生的均是輕度污染,占比都在90%左右;PM2.5污染時(shí)三類(lèi)通道下發(fā)生輕度污染的比重較PM10均下降,西南和偏東通道下發(fā)生中度污染以上的比重在50%左右.

3.6 WRF模式的風(fēng)場(chǎng)模擬較為直觀(guān)的解釋了3類(lèi)污染輸送通道,且復(fù)雜地形是形成污染輸送通道的一個(gè)重要因素.西北和西南污染輸送通道主要受呂梁山脈的影響,偏東污染輸送通道主要受太行山及其橫谷的影響.

[1] Yu Z, Li Y S, Chen Y S, et al. How is the environmental efficiency in the process of dramatic economic development in the Chinese cities? [J]. Ecological Indicators, 2019,98:349-362.

[2] Cao S S, Zhao W J, Guan H L, et al. Comparison of remotely sensed PM2.5concentrations between developed and developing countries: Results from the US, Europe, China, and India [J]. Journal of Cleaner Production, 2018,182:672-681.

[3] Li Y, Liao Q, Zhao X, et al. Premature mortality attributable to PM2.5pollution in China during 2008～2016: Underlying causes and responses to emission reductions [J]. Chemosphere, 2020,263:127925.

[4] 戴海夏,宋偉民.大氣PM2.5的健康影響 [J]. 國(guó)外醫(yī)學(xué), 2001,28(5): 299-303.

Dai H X, Song W M. Health effects of atmospheric PM2.5[J]. Foreign Medical Science, 2001,28(5):299-303.

[5] Gao X A, Cao X J, Wang J Y, et al. Analysis of aerosol optical properties in a Lanzhou suburb of China [J]. Atmospheric Research, 2020,246:105098.

[6] 中國(guó)空氣質(zhì)量改善報(bào)告(2013～2018年) [R]. 北京:生態(tài)環(huán)境部, 2019.

[7] 王燕麗,薛文博,雷 宇,等.京津冀地區(qū)典型月O3污染輸送特征 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(10):3684-3691.

Wang Y L, Xue W B, Lei Y, et al. Model-derived source apportionment and regional transport matrix study of ozone in Jingjinji [J]. China Environmental Science, 2017,37(10):3684-3691.

[8] 劉旻霞,李 亮,于瑞新,等.汾渭平原吸收性氣溶膠時(shí)空演化及潛在源區(qū)分析 [J]. 環(huán)境科學(xué), 2021,42(6):2634-2647.

Liu M X, Li L, Yu R X, et al. Spatial-temporal patterns and potential sources of absorbing aerosols in the Fenwei Plain [J]. Environmental Science, 2021,42(6):2634-2647.

[9] 楊 斌,駱 榮.長(zhǎng)三角地區(qū)大氣污染物的研究進(jìn)展 [J]. 環(huán)境生態(tài)學(xué), 2019,1(5):74-78.

Yang B, Luo R. Research progress of air pollution in Yangtze River Delta [J]. Environmental Ecology, 2019,1(5):74-78.

[10] Zhu L L, Zhang Y H, Kan X. Transport paths and identification for potential sources of haze pollution in the Yangtze River Delta Urban Agglomeration from 2014 to 2017 [J]. Atmosphere, 2018,9:502.

[11] Feng Y, Liu H N, Sun K. A sensitivity experiment of the air pollution transport in urban cluster over the Yangtze River Delta [J]. Environ Monit Forewarn, 2016,8:5-12.

[12] 邵玄逸,王曉琦,鐘嶷盛,等.京津冀典型城市冬季人為源減排與氣象條件對(duì)PM2.5污染影響 [J]. 環(huán)境科學(xué), 2021,42(9):4095-4103.

Shao X Y, Wang X Q, Zhong Y S, et al. Impacts of anthropogenic emission reduction and meteorological conditions on PM2.5pollution in typical cities of Beijing-Tianjin-Hebei in winter [J]. Environmental Science, 2021,42(9):4095-4103.

[13] 薛文博,付 飛,王金南,等.中國(guó)PM2.5跨區(qū)域傳輸特征數(shù)值模擬研究[J]. 中國(guó)環(huán)境科學(xué), 2014,34(6):1361-1368.

Xue W B, Fu F, Wang J N, et al. Numerical study on the characteristics of regional transport of PM2.5in China [J]. China Environmental Science, 2014,34(6):1361-1368.

[14] 黃小剛,趙景波,孫從建,等.汾渭平原PM2.5空間分布的地形效應(yīng) [J]. 環(huán)境科學(xué), 2021,42(10):4582-4592.

Huang X G, Zhao J B, Sun C J, et al. Orographic influences on the spatial distribution of pm on fenwei plain [J]. Environmental Science, 2021,42(10):4582-4592.

[15] 黃小剛,邵天杰,趙景波,等.汾渭平原PM2.5濃度的影響因素及空間溢出效應(yīng) [J]. 中國(guó)環(huán)境科學(xué), 2019,39(8):3539-3548.

Huang X G, Shao T J, Zhao J B, et al. Influence factors and spillover effect of PM2.5concentration on Fen-wei Plain [J]. China Environmental Science, 2019,39(8):3539-3548.

[16] 張海東.西安市大氣污染特征及顆粒物來(lái)源分析[D]. 西安:西安建筑科技大學(xué), 2020.

Zhang H D. Characteristics of air pollution and source analysis of particulate matter in Xi’an [D]. Xi’an: Xi’an University of Architecture and echnology, 2020.

[17] 王妘濤,張 強(qiáng),溫肖宇,等.運(yùn)城市PM2.5時(shí)空分布特征和潛在源區(qū)季節(jié)分析[J]. 環(huán)境科學(xué), 2022,43(1):74-84.

Wang Y T, Zhang Q, Wen X Y, et al.Spatiotemporal distribution and seasonal characteristics of regional transport of PM2.5in Yuncheng City [J]. Environmental Science, 2022,43(1):74-84.

[18] 王 雁,高興艾,裴坤寧,等.基于多站混合受體模型的臨汾市PM2.5潛在源分析[J]. 中國(guó)環(huán)境科學(xué), 2022,42(3):1032-1039.

Wang Y, Gao X A, Pei k N, et al. Analysis of potential sources of PM2.5in Linfen based on multi-site hybrid receptor model [J]. China Environmental Science, 2022,42(3):1032-1039.

[19] Draxler R R, Hess G D. Description of the HYSPLIT 4modelling system [R]. Sliver Spring, Maryland: NOAA, Air Resources Laboratory, 1997.

[20] Cheng I, Zhang L, Blanchard P, et al. Concentration-weighted trajectory approach to identifying potential sources of speciated atmospheric mercury at an urban coastal site in Nova Scotia, Canada [J]. Atmospheric Chemistry & Physics Discussions, 2013,13(2):6031-6048.

[21] 閆世明,王 雁,郭 偉,等.太原市秋冬季大氣污染特征和輸送路徑及潛在源區(qū)分析[J]. 環(huán)境科學(xué), 2019,40(11):60-68.

Yan S M, Wang Y, Guo W, et al.Characteristics, transportation pathways and potential sources of air pollution during autumn and winter in Taiyuan [J]. Environmental Science, 2019,40(11):60-68.

[22] Ashbaugh L L, Malm W C and Sadeh W Z. A residence time probability analysis of sulfur concentrations at grand Canyon National Park [J]. Atmospheric Environment, 1985,19(8):1263-1270.

[23] 裴坤寧,高興艾,王淑敏,等.晉東南地區(qū)冬季PM2.5污染輸送路徑分析 [J]. 中國(guó)環(huán)境科學(xué), 2022,42(2):557-567.

Pei K N, Gao X A, Wang S M, et al. Analysis of PM2.5pollution transportation path in winter in Southeast Shanxi Province [J]. China Environmental Science, 2022,42(2):557-567.

[24] 郭蒙蒙,姜 楠,王申博,等.鄭州市2014～2017年大氣污染特征及氣象條件影響分析 [J]. 環(huán)境科學(xué), 2019,4(9):3856-3867.

Guo M M, Jiang N, Wang S B, et al. Analysis on the of air pollution characteristics meteorological conditions in Zhengzhou from 2014 to 2017 [J]. Environmental Science, 2019,4(9):3856-3867.

[25] Zhang Y L, Cao F. Fine particulate matter (PM2.5) in China at a city level [J]. Scientific Reports, 2015,5:14884.

[26] 閆世明,王 雁,張?jiān)儡?等.五臺(tái)山春季氣溶膠傳輸特征[J]. 中國(guó)環(huán)境科學(xué), 2020,40(2):497-505.

Yan S M, Wang Y, Zhang Y J, et al. Influence of pollutant transport from both sides of Taihang Mountain on cross valley urban aerosol [J]. China Environmental Science, 2020,40(2):497-505.

[27] 王棚飛.重慶市主城區(qū)大氣污染物現(xiàn)狀評(píng)價(jià)及影響因素分析 [D]. 重慶:西南大學(xué), 2018.

Wang P F. Evaluation of atmospheric pollutants in the main urban areas of Chongqing and analysis of influencing factors [D]. Chongqing:Southwest University, 2018.

[28] 李雁宇,李 杰,楊文夷,等.2018年汾渭平原及其周邊地區(qū)大氣顆粒物的傳輸特征[J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(3):779-791.

Li Y Y, Li J, Yang W Y, et al. Transport characteristics of atmospheric particulates in Fenwei Plain and its surrounding regions in 2018 [J]. Acta Scientiae Circumstantiae, 2020,40(3):779-791.

[29] 王 雁,郭 偉,閆世明,等.太行山兩側(cè)污染物傳輸對(duì)橫谷城市氣溶膠的影響分析 [J]. 環(huán)境科學(xué), 2021,42(9):4104-4115.

Wang Y, Guo, W, Yan S M, et al. Influence of pollutant transport from both sides of Taihang Mountain on cross valley urban aerosol [J].Environmental Science, 42(9):4104-4115.

[30] 王 躍,王莉莉,趙廣娜,等.北京冬季PM2.5重污染時(shí)段不同尺度環(huán)流形勢(shì)及邊界層結(jié)構(gòu)分析[J]. 氣候與環(huán)境研究, 2014,19(2):173-184.

Wang Y, Wang l L, Zhao G N, et al. Analysis of different-scales circulation patterns and boundary layer structure of PM2.5heavy pollutions in Beijing during winter [J].Climatic and Environmental Research, 2014,19(2):173-184.

Analysis on the potential source and transmission channel of particulate matter in Lüliang City, Fenwei Plain.

GAO Xing-ai, PEI Kun-ning, WANG Shu-min, YAN Shi-ming*, WANG Yan**, JIANG Yun-sheng

(Shanxi Province Institute of Meteorological Sciences, Taiyuan 030002, China)., 2022,42(7)：2988～2999

Based on the particulate matter concentration and surface meteorological observation data of Lüliang city in Fenwei Plain from 2017 to 2019, this paper used backward trajectory cluster analysis and potential source contribution function (PSCF) methods to study the characteristics of PM10and PM2.5pollution and their potential source areas in winter in Lüliang city. Combining trajectory density analysis (TDA) and trajectory dwell time analysis (RTA) to supplement the classification of polluted transmission channels obtained by trajectory clustering analysis, and analyzed the transport characteristics of different transmission channels. This study found that the annual average concentration of particulate matter in Lüliang City decreased year by year from 2017 to 2019. Among them, PM10decreased by 28μg/m3, PM2.5decreased by 17μg/m3, and the decline was the largest in winter. The statistical analysis of the three-year winter wind direction, wind speed and concentration showed that the concentration of particulate matter in Lüliang was most significantly affected by the northeast and southwest winds because of the local topography of the Sanchuan River valley. The potential source area of PM10pollution in Lüliang was mainly located in the southwest, and the potential source areas of PM2.5pollution were mainly located in the southwest, east and southeast. The particulate pollution transmission channels can be summarized as: northwest, southwest and east (east and southeast) channels. The airflow in the northwest channel moved fast, passing through Xinjiang, Inner Mongolia, Gansu, and northern Shaanxi; The airflow in the southwest channel moved slowly, mainly passing through heavily polluted areas such as the Weihe Plain in central and southern Shaanxi. The airflow in the east channel moved slowly, it first traveled south along the eastern foot of the Taihang Mountains, and turned into Shanxi when passing through the valleys(Taihangxing, Jingxing, etc.) of the Taihang Mountains. When PM10pollution occurred, the northwest channel contributed the most, and the eastern channel contributed the least, and the majority of these two channels was lightly polluted, accounting for about 90%. When PM2.5pollution occurred, the proportion of light pollution under the three types of channels was lower than that of PM10. The proportion of moderate pollution and above under the southwest and east channels were about 50%, the areas passed by the southwest and east channels were exactly the potential source locations calculated by PSCF, which also showed that the southwest and easterly airflows were likely to transport pollutants to Lvliang.Finally, the three transportation channels were verified by the wind field simulation results of the WRF model, which shows that the transportation channel results obtained in this study are valid, and the complex terrain and variable airflow are an important factor in the transmission channel.The wind field simulation of the WRF model intuitively explains the three types of pollution transmission channels, and the complex terrain is an important factor in the formation of pollution transmission channels.The pollution transport channels in the northwest and southwest are mainly affected by the Lüliang Mountains, and the eastward pollution transport channel is mainly affected by the Taihang Mountains and its Henggu.

trajectory clustering；transmission channel；particulate matter；RTA；TDA

X513

A

1000-6923(2022)07-2988-12

高興艾(1992-),女,山西忻州人,碩士,工程師,主要從事大氣物理與大氣環(huán)境方向研究.發(fā)表論文10余篇.

2022-12-01

國(guó)家重點(diǎn)研發(fā)計(jì)劃(2019YFC1510304);山西省自然科學(xué)基金資助項(xiàng)目(201601D011084, 201901D111465);山西省氣象局重點(diǎn)項(xiàng)目(SXKZDDQ20185105);山西省氣象局面上項(xiàng)目(SXKMSDQ20185122)

* 責(zé)任作者, 正高級(jí)工程師, qksysm@126.com; **正高級(jí)工程師, qkswy@126.com