疫情期間北京市大氣污染特征及潛在源區(qū)分析

曹 娜, 王 偉, 王大壯, 郭 靖, 張周紅

(1.生態(tài)環(huán)境部環(huán)境工程評估中心， 北京 100012； 2.北京中環(huán)格億技術(shù)咨詢有限公司， 北京 100012；3.中國電建集團(tuán)華東勘測設(shè)計(jì)研究院有限公司， 杭州 311122)

新型冠狀病毒肺炎簡稱新冠肺炎(coronavirus disease，COVID-19)于2020年上半年在全球范圍內(nèi)暴發(fā)，并成為全球公共衛(wèi)生的威脅. 許多國家和城市采取了非常規(guī)的防控措施，以防止病毒進(jìn)一步傳播. 在中國，預(yù)防性封鎖首先于2020年1月23日在湖北省武漢市實(shí)施，隨后其他省市也相繼實(shí)施. 由于工業(yè)源、移動(dòng)源等人為源排放量降低，我國大部分地區(qū)空氣質(zhì)量在新冠肺炎疫情期間得到改善[1-2]，但不利的氣象條件仍然導(dǎo)致我國華北地區(qū)發(fā)生了區(qū)域重污染天氣過程[3-4].

污染區(qū)域傳輸對于城市空氣質(zhì)量有重要影響，國內(nèi)外學(xué)者基于數(shù)值模擬系統(tǒng)和聚類分析等方法對區(qū)域大氣污染傳輸來源開展了深入研究[5-8]. 基于WRF-CMAQ(Weather Research and Forecasting-Community Multiscale Air Quality)、WRF-CAMx(Comprehensive Air Quality Model Extensions)和WRF-CALPUFF(California Puff)等數(shù)值模型系統(tǒng)，薛文博等[9]以我國31個(gè)省市作為源體，333個(gè)地級城市作為受體為基礎(chǔ)，研究了大氣PM2.5(fine particulate matter)及二次無機(jī)氣溶膠跨區(qū)域的輸送規(guī)律. 張婷慧等[10]研究了徐州不同季節(jié)、不同離地高度背景下PM2.5的輸送來源. 后向軌跡模型(hybrid single particle Lagrangian integrated trajectory，Hysplit)、潛在源貢獻(xiàn)因子算法(potential source contribution function，PSCF)和濃度權(quán)重軌跡分析法(concentration weighted trajectory，CWT)也是識別大氣污染軌跡及來源的有效方法[11-14]. 任浦慧等[15]研究了太原市大氣PM2.5、水溶性離子、碳組分和無機(jī)元素的污染特征，結(jié)合Hysplit等模型分析了PM2.5來源和傳輸路徑. 以上研究結(jié)果對于認(rèn)識大氣污染傳輸提供了支撐，2020年1月份受新冠肺炎疫情的影響，全國范圍內(nèi)實(shí)施應(yīng)急措施，大部分交通和公共活動(dòng)被迫關(guān)閉，污染源排放與前期研究有很大區(qū)別. 因此，新冠肺炎疫情期間的封鎖措施為研究大氣污染特征、重污染氣團(tuán)軌跡及來源提供了時(shí)機(jī).

北京市作為我國的政治、經(jīng)濟(jì)和文化中心，其三面環(huán)山的地理位置使其成為我國重污染頻發(fā)地區(qū)之一. 北京市生態(tài)環(huán)境局發(fā)布的2019年生態(tài)環(huán)境狀況公報(bào)表明，北京優(yōu)良天數(shù)比例為65.8%，出現(xiàn)重度污染4 d；全市PM2.5年平均質(zhì)量濃度和O3(ozone)日最大8 h滑動(dòng)平均第90百分位質(zhì)量濃度分別為42和191 μg/m3，超過國家二級標(biāo)準(zhǔn)20%和19%；SO2、NO2和CO年均質(zhì)量濃度均達(dá)到國家二級標(biāo)準(zhǔn)[16]. PM2.5來源解析結(jié)果顯示，移動(dòng)源和揚(yáng)塵源已經(jīng)成為大氣顆粒物的主要來源，對PM2.5的年均貢獻(xiàn)分別占45%和16%[17]. 尤其在冬季，不利于污染物擴(kuò)散的氣象條件，使得大氣污染變得尤為嚴(yán)重. 由此可見，研究北京市重污染期間，尤其是疫情期間這一特殊時(shí)期的大氣污染特征及傳輸軌跡，對于環(huán)境管理部門制定污染防治對策、開展京津冀及周邊區(qū)域聯(lián)防聯(lián)控具有重要意義.

因此，本研究選擇北京市作為研究對象，通過與2019年1月份同期對比，分析了2020年1月份新冠肺炎疫情期間的空氣質(zhì)量及重污染特征，并采用Hysplit模型、PSCF和CWT模型分析了重污染期間污染氣團(tuán)的主要傳輸路徑和潛在源區(qū).

1 研究方法

1.1 后向軌跡模型

本文首先采用Hysplit和MeteoInfoMap模型追蹤過去48 h到達(dá)北京市(39.91°N，116.40°E)的氣流傳輸軌跡，其中追蹤高度分別為距離地表50、100和500 m，追蹤頻率為每天的0:00、06:00、12:00和18:00. 其次，采用TrajStat模型進(jìn)行逐時(shí)段非連續(xù)軌跡追蹤，即不同時(shí)刻均生成一條軌跡，氣象數(shù)據(jù)來自全球數(shù)據(jù)同化系統(tǒng)(ftp:∥arlftp.arlhq.noaa.gov/pub/archives/gdas1/)，同時(shí)將獲取的小時(shí)軌跡進(jìn)行聚類分析，獲取不同的聚類軌跡.

1.2 PSCF和CWT模型

PSCF模型可用于識別北京市潛在的空氣污染源區(qū)，本文將后向軌跡覆蓋的區(qū)域劃分為0.5°×0.5°的網(wǎng)格單元，PSCF定義為

PSCFij=mij/nij

(1)

式中nij和mij分別表示通過網(wǎng)格單元的所有軌跡和污染軌跡的數(shù)量.

根據(jù)我國環(huán)境空氣質(zhì)量指數(shù)規(guī)定，PM2.5日質(zhì)量濃度高于75 μg/m3為污染日. 因此，本研究將75 μg/m3設(shè)定為PM2.5濃度參考值. 為了減少低nij值對結(jié)果的影響，引入經(jīng)驗(yàn)權(quán)重函數(shù)Wij[18]，較高WPSCF值的網(wǎng)格單元表示北京市潛在污染源區(qū)

WPSCF=Wij×PSCFij

(2)

(3)

由于WPSCF只能反映不同網(wǎng)格單元中污染軌跡所占的比例，不能區(qū)分具有相同PSCF值的網(wǎng)格單元對目標(biāo)城市污染貢獻(xiàn)大小，因此本文采用CWT模型進(jìn)一步定量分析不同污染源區(qū)域?qū)δ繕?biāo)城市的相對貢獻(xiàn)，同樣采用權(quán)重函數(shù)來降低不確定度，從而得到WCWT值[19-20].

2 結(jié)果與討論

2.1 疫情暴發(fā)前后北京市大氣污染特征

2020年疫情暴發(fā)前后及2019年同期北京市空氣質(zhì)量如圖1所示. 數(shù)據(jù)來自古城、奧體中心、昌平鎮(zhèn)、懷柔鎮(zhèn)、順義新城、海淀區(qū)萬柳、官園、農(nóng)展館、天壇、東四、定陵和萬壽西宮共12個(gè)國控站點(diǎn). 2020年1月北京市SO2、NO2、CO、O38 h和PM2.5平均質(zhì)量濃度分別為(6.5±2.7)、(39.3±15.6)、(0.9±0.5)、(35.2±18.3)和(58.1±46.7)μg/m3(見圖1(a)). 疫情暴發(fā)后(23—31日)北京市SO2、CO、O38 h 和PM2.5質(zhì)量濃度分別高達(dá)(8.2±2.9)、(1.2±0.5)、(50.3±7.8)和(101.2±51.3)，與疫情暴發(fā)前(1—22日)相比分別增加了40.6%、42.6%、73.6%和149.7%，但NO2質(zhì)量濃度下降了27.9%. 疫情暴發(fā)后北京市O3質(zhì)量濃度的增加與我國西部地區(qū)[21]、湖北[1]等地的研究結(jié)果一致，主要是由于交通管制等人為源減排措施降低了大氣環(huán)境中NO的質(zhì)量濃度，導(dǎo)致其對O3的滴定作用減弱，從而增加了大氣氧化能力[22]，可見NO減排并不能完全避免O3污染[23]. 鑒于我國城區(qū)范圍內(nèi)基本處于O3生成的VOCs(volatile organic compounds)控制區(qū)，明確VOCs與NOx合理減排比例、識別VOCs控制的重點(diǎn)行業(yè)和重點(diǎn)組分，對于O3污染控制至關(guān)重要.

圖1 2020年疫情暴發(fā)前后及2019年同期北京市 空氣質(zhì)量Fig.1 Air quality in Beijing before and during the COVID-19 in 2020 and the same period in 2019

與2019年同期相比，2020年疫情暴發(fā)前SO2、NO2、CO、O38 h和PM2.5質(zhì)量濃度分別降低了65.2%、20.8%、20.6%、-6.8%和37.4%(見圖1(b))，疫情暴發(fā)后SO2、CO、O38 h和PM2.5質(zhì)量濃度降低了6.8%、37.8%、28.0%和62.2%，但NO2增加了21.6%.

疫情對經(jīng)濟(jì)活動(dòng)和人民生活產(chǎn)生了重要影響，如北京市及其他地區(qū)采取了一系列措施(如限制出行、關(guān)閉服務(wù)場所、關(guān)停建筑施工工地等)，導(dǎo)致社會(huì)活動(dòng)水平很低、人為源排放量降低[1,24-25]. 從污染源排放角度看，與2019年同期相比，2020年疫情暴發(fā)后北京市污染源(含電力、工業(yè)、居民和交通源)SO2、NOx、CO和PM2.5排放量分別降低27.0%、28.0%、36.4%和21.4%左右[26]，但疫情對維持社會(huì)基本運(yùn)轉(zhuǎn)的電廠等行業(yè)的生產(chǎn)影響不大，污染物排放量雖有降低但排放基數(shù)較高，如電力行業(yè)的NOx和CO排放量僅降低2.3%～2.7%. 即便疫情暴發(fā)后污染源排放下降，2020年1月北京市污染天數(shù)(PM2.5質(zhì)量濃度>75 μg/m3)為6 d，其中5 d(24—28日)發(fā)生在疫情暴發(fā)后，占總污染天數(shù)的83.3%，28日PM2.5質(zhì)量濃度達(dá)到重度污染級別(166.8 μg/m3). 不利于污染物擴(kuò)散的氣象條件是造成疫情期間污染事件的主要原因，疫情暴發(fā)前(1—22日)北京市風(fēng)速、能見度和濕度的小時(shí)均值分別為1.4 m/s、16.8 km和48.2%，疫情暴發(fā)后表現(xiàn)為弱風(fēng)速(0.9 m/s)和高濕度(56.3%)的氣象特征，能見度也降低至7.1 km，大氣擴(kuò)散能力顯著下降，高濕度加速污染物的累積和二次轉(zhuǎn)化，Zheng等[2]研究發(fā)現(xiàn)2020年1月23日—2月22日武漢市大氣顆粒物中的硫酸鹽、有機(jī)碳和二次無機(jī)氣溶膠的質(zhì)量濃度增加了2.5%～8.7%.

2.2 氣團(tuán)傳輸路徑分析

本文選取2020年1月份污染最嚴(yán)重的28日為研究對象，追蹤過去48 h到達(dá)北京市距離地表高度分別為50、100和500 m的污染氣團(tuán)傳輸軌跡，如圖2所示. 研究結(jié)果顯示距離地表高度50和100 m的氣團(tuán)傳輸軌跡基本一致，傳輸起點(diǎn)均位于廊坊、順義和通州交界處，隨后向東傳輸至廊坊中部地區(qū)、向西折返至北京中心城區(qū)，造成局地污染物累積；距離地表高度500 m的氣團(tuán)傳輸起點(diǎn)位于懷柔和密云交界處，隨后向東南方向傳輸至平谷、再向東傳輸至北京中心城區(qū). 廊坊市在此期間同樣遭受了重污染天氣，其中26—28日污染等級達(dá)到了嚴(yán)重污染程度(http:∥www.tianqihoubao.com/aqi/)，SO2、NO2、CO、O38 h和PM2.5質(zhì)量濃度分別高達(dá)(9.7±2.5)、(42.0±4.6)、(1.8±0.2)、(55.7±4.2)和(222.0±25.0)μg/m3，PM2.5質(zhì)量濃度高于同期北京市濃度值(157.5±9.3)μg/m3.

注：紅色五角星表示北京(39.91°N，116.40°E)，紫色、黃色和藍(lán)色軌跡分別代表距離地表50、100和500 m. 圖2 2020年1月28日北京市48 h后向軌跡Fig.2 48 h air-mass back trajectories on January 28, 2020

總體而言，軌跡追蹤結(jié)果顯示，造成此次北京市重污染的氣團(tuán)主要來自北京市本地和近周邊傳輸. 2018年北京市生態(tài)環(huán)境局基于PM2.5化學(xué)組分源解析和氣象/空氣質(zhì)量耦合模式研究得到PM2.5綜合源解析結(jié)果，北京市本地PM2.5排放占2/3，區(qū)域傳輸占1/3，但重污染日區(qū)域傳輸貢獻(xiàn)超過50%[16]. 綜合來看，本地污染減排與區(qū)域協(xié)同優(yōu)化控制是緩解北京市大氣污染物的重要手段.

本文同時(shí)基于Hysplit模型和TrajStat模型對獲取的不同傳輸軌跡進(jìn)行聚類統(tǒng)計(jì)，共得到4類聚類軌跡(cluster 1、2、3和4；表1和圖3)，代表了污染物的主要傳輸路徑. 結(jié)果顯示來自北京市近周邊的cluster 1是主要的傳輸軌跡，占總軌跡數(shù)量的65.2%，且具有較高的污染物質(zhì)量濃度，SO2、NO2、CO、O38 h和PM2.5質(zhì)量濃度分別為(10.8±4.7)、(34.2±6.7)、(1.6±0.5)、(54.1±20.3)和(153.0±28.1)μg/m3，其中PM2.5質(zhì)量濃度達(dá)到了重度污染水平. 雖然cluster 4軌跡占比僅為9.5%，但污染物質(zhì)量濃度與cluster 1差別不大，該聚類軌跡主要來自北京市西部的呼和浩特、大同等地的短距離傳輸，如呼和浩特同期(26—28日)PM2.5質(zhì)量濃度高達(dá)(170.7±41.8)μg/m3，同樣達(dá)到了重度污染級別，且SO2、NO2、CO質(zhì)量濃度高于北京市，分別為(24.0±4.6)、(52.3±2.5)和(2.5±0.3)mg/m3. 來自西部的遠(yuǎn)距離傳輸(cluster 2)和北部的短距離傳輸(cluster 3)對北京市污染傳輸貢獻(xiàn)相對較小，軌跡占比分別為6.3%和19.0%.

2.3 潛在污染源區(qū)分析

本文采用PSCF和CWT模型對典型污染時(shí)段的PM2.5潛在污染源區(qū)進(jìn)行了分析. PSCF模擬結(jié)果顯示(見圖4(a))，此次重污染期間主要的潛在污染源區(qū)分布較為集中，WPSCF高值均位于北京市本地范圍內(nèi)(>0.9)，表明該區(qū)域的網(wǎng)格對北京市PM2.5質(zhì)量濃度的影響較大；此外，近周邊地區(qū)的廊坊和天津北部對北京市PM2.5污染的潛在貢獻(xiàn)也不容忽視，WPSCF值高于0.7，而內(nèi)蒙古中西部和北京市北部的WPSCF值處于較低水平(<0.2). CWT的模擬結(jié)果與PSCF基本一致(見圖4(b))，潛在貢獻(xiàn)源區(qū)主要集中在北京本地、廊坊北部和天津北部，WCWT值大于100 μg/m3，天津中部的WCWT相對較小(<70 μg/m3). 此外，內(nèi)蒙古中西部和北京市北部等地的WCWT結(jié)果顯示，來自以上地區(qū)的遠(yuǎn)距離傳輸對此次北京市重污染過程幾乎沒有影響(<30 μg/m3). 該結(jié)果與Zhang等[27]在2013年冬季的研究結(jié)果一致，即北京市的潛在污染源主要位于北京市及近周邊地區(qū)(WPSCF>0.7).

表1 后向軌跡聚類統(tǒng)計(jì)結(jié)果

紅色和藍(lán)色五角星分別表示呼和浩特和大同. 圖3 2020年1月28日北京市48 h后向軌跡聚類Fig.3 48 h air mass backward trajectories and clusters in Beijing on January 28, 2020

圖4 2020年1月28日北京PM2.5的WPSCF和WCWT分布Fig.4 Distribution of weighted potential source contribution function and weighted concentration weighted trajectory for PM2.5 in Beijing on January 28, 2020

3 結(jié)論

1) 與疫情暴發(fā)前(2020年1月1—22日)和2019年同期相比，雖然疫情暴發(fā)后污染源排放量降低，但PM2.5、SO2、CO和O3等污染物質(zhì)量濃度增加(NO2除外).

2) 來自北京市近周邊的氣團(tuán)是此次重污染過程的主要傳輸軌跡，占總軌跡數(shù)量的65.2%，且軌跡攜帶的污染物質(zhì)量濃度較高.

3) 此次污染過程的潛在污染源區(qū)集中在北京本地、廊坊北部和天津北部，來自內(nèi)蒙古中西部和北京市北部的遠(yuǎn)距離傳輸對此次重污染過程幾乎沒有影響.

4) 北京市此次重污染主要是由于不利的氣象條件導(dǎo)致污染物在本地累積造成的. 因此，對于北京市大氣污染防控，仍需開展區(qū)域聯(lián)防聯(lián)控.