長(zhǎng)春市春季一次空氣污染過程分析

摘要：以2024年4月19日至21日長(zhǎng)春市出現(xiàn)的一次空氣污染事件為研究對(duì)象，分析污染過程的概況、成因及潛在污染源。結(jié)果表明，研究期出現(xiàn)兩次污染高峰。結(jié)合NO2濃度和SO2濃度處于低值的情況，本次污染過程是偏生物質(zhì)燃燒的污染，不利的氣象條件也對(duì)污染過程起到助推作用。經(jīng)48 h后向軌跡聚類分析，得出4條氣團(tuán)軌跡。對(duì)長(zhǎng)春市影響最大的是來自內(nèi)蒙古自治區(qū)、白城市、松原市和吉林市方向的氣團(tuán)，該類軌跡90%以上可吸入顆粒物（PM10）超標(biāo)。潛在污染源分析顯示，潛在污染源主要集中在長(zhǎng)春市、吉林市和四平市，它們是造成本次污染事件的主要貢獻(xiàn)者。

關(guān)鍵詞：空氣污染；后向軌跡；潛在污染源；春季；長(zhǎng)春市

中圖分類號(hào)：X51 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1008-9500（2024）11-0190-03

Analysis of An Air Pollution Process in Spring in Changchun City

YUAN Xianghu， AN Pingping， LIU Qiumeng

（Ecological Environment Monitoring Center of Jilin Province， Changchun 130062， China）

Abstract： Taking an air pollution incident that occurred in Changchun city from April 19 to 21， 2024 as the research object， the overview， causes， and potential sources of the pollution process are analyzed. The results indicate that there are two pollution peaks during the study period. Considering the low concentrations of NO2 and SO2， this pollution process is caused by biomass burning， and unfavorable meteorological conditions also contribute to the pollution process. After 48 h of backward trajectory clustering analysis， 4 air mass trajectories are obtained. The air masses from Inner Mongolia Autonomous Region， Baicheng city， Songyuan city， and Jilin city have the greatest impact on Changchun city， with over 90% of these trajectories exceeding the limit of inhalable particulate matter （PM10）. The analysis of potential pollution sources shows that they are mainly concentrated in Changchun city， Jilin city， and Siping city， which are the main contributors to this pollution incident.

Keywords： air pollution; backward trajectory; potential sources of pollution; spring; Changchun city

近些年，長(zhǎng)春市空氣質(zhì)量得到大幅提升，但是春季時(shí)常會(huì)發(fā)生突發(fā)性的嚴(yán)重空氣污染事件，周邊大部分地區(qū)供暖已經(jīng)結(jié)束，會(huì)出現(xiàn)維持時(shí)間較短而且以顆粒物為代表的重度以上空氣污染[1-2]。以2024年4月19日至21日發(fā)生在長(zhǎng)春市的一次空氣污染過程作為研究對(duì)象，分析污染的時(shí)空變化特征、傳輸途徑和潛在來源，這對(duì)長(zhǎng)春市季節(jié)性污染調(diào)控有重要意義。

1 數(shù)據(jù)來源

可吸入顆粒物（PM10）、細(xì)顆粒物（PM2.5）濃度數(shù)據(jù)來自吉林省環(huán)境空氣質(zhì)量監(jiān)測(cè)聯(lián)網(wǎng)與數(shù)據(jù)管理系統(tǒng)（http：//222.168.28.142：81/Home/），HYSPLIT軌跡模型使用的氣象驅(qū)動(dòng)數(shù)據(jù)來自美國(guó)國(guó)家海洋和大氣管理局的全球數(shù)據(jù)同化系統(tǒng)（Global Data Assimilation System，GDAS）[3-4]，空間分辨率為1°?；瘘c(diǎn)數(shù)據(jù)來自中國(guó)科學(xué)院遙感與數(shù)字地球研究所網(wǎng)站（http：//satsee.radi.ac.cn：8080/index.html）。

2 研究方法

采用MeteoInfoMap軟件的Traj Stat模塊進(jìn)行后向軌跡分析，軌跡利用聚類分析法，依據(jù)歐式距離算法對(duì)抵達(dá)長(zhǎng)春市的所有氣流軌跡進(jìn)行分析聚類，得到不同時(shí)段不同方向的氣流來源，并利用主成分分析法對(duì)氣流對(duì)應(yīng)的污染物濃度特征進(jìn)行分析聚類[5-6]。以長(zhǎng)春市北海公園站（43.86°N，125.36°E）為計(jì)算軌跡起點(diǎn)，模擬時(shí)段為2024年4月19日00：00至4月22日08：00，選取每天逐小時(shí)計(jì)算48 h后向軌跡，模擬高度為300 m，與邊界層高度接近。

潛在源貢獻(xiàn)因子算法（Potential Source Contribution"Function algorithm，PSCF）是由條件概率函數(shù)發(fā)展而來判別污染源區(qū)位的計(jì)算方法，通過結(jié)合氣團(tuán)軌跡和污染指標(biāo)判定污染物的可能排放點(diǎn)位和分布情況[7]。研究區(qū)網(wǎng)格分辨率為0.5°×0.5°，PM10的臨界值是《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）的二級(jí)污染濃度限值（150 μg/m3）。依據(jù)分辨率，每個(gè)網(wǎng)格坐標(biāo)記為（i，j），經(jīng)過網(wǎng)格的所有軌跡數(shù)為nij，超過給定閾值的軌跡數(shù)為污染軌跡數(shù)mij，則網(wǎng)格（i，j）污染軌跡出現(xiàn)的概率Pij采用式（1）計(jì)算。由于PSCF算法是條件概率計(jì)算，計(jì)算結(jié)果的不確定性較大，通常引入權(quán)重因子來減少軌跡總體停留時(shí)間較少而給Pij計(jì)算結(jié)果帶來的不確定性[8]，加入權(quán)重后的污染軌跡出現(xiàn)概率Qij采用式（2）計(jì)算。其中，權(quán)重因子根據(jù)式（3）進(jìn)行取值。

Pij=mij/nij（1）

Qij=Pij×Wij（2）

（3）

式中：Pij為網(wǎng)格（i，j）污染軌跡出現(xiàn)概率；mij為超過給定閾值的軌跡數(shù)，即污染軌跡數(shù)；nij為經(jīng)過網(wǎng)格的所有軌跡數(shù)；Qij為加入權(quán)重后的污染軌跡出現(xiàn)概率；Wij為權(quán)重因子。

3 結(jié)果與分析

3.1 污染概況

2024年4月19日至21日出現(xiàn)良到輕度污染、中度污染直至嚴(yán)重污染的天氣，其間出現(xiàn)兩次重度污染以上時(shí)段，如圖1所示。此次污染過程CO濃度變化趨勢(shì)與PM10、PM2.5的濃度變化趨勢(shì)高度一致，呈現(xiàn)顯著的正相關(guān)，春季為秸稈焚燒的高發(fā)期，此次過程可能是不利天氣條件下周邊農(nóng)田焚燒秸稈造成的。

3.2 污染物聚類分析

依據(jù)概況分析，將PM10作為控制因子導(dǎo)入HYSPLIT軌跡模型，通過計(jì)算得到300 m高度的48 h后向軌跡結(jié)果。對(duì)80條有效軌跡進(jìn)行聚類分析，得到4條平均軌跡。第1類軌跡源自俄羅斯聯(lián)邦伊爾庫(kù)茨克州，輸送距離遠(yuǎn)且速度快，占總數(shù)的41.25%，主要影響日期是19日；第2類軌跡源自內(nèi)蒙古自治區(qū)東部，距離近且速度較慢，占總數(shù)的21.25%，主要影響日期是20日；第3類軌跡源自俄羅斯聯(lián)邦布里亞特共和國(guó)，輸送距離遠(yuǎn)且速度較快，占總數(shù)的12.50%，主要影響日期是20日；第4類軌跡源自黃海，距離近且速度慢，占總數(shù)的25.00%，主要影響日期是21日。由表1可知，軌跡2和軌跡3超標(biāo)嚴(yán)重，其中軌跡2超標(biāo)最多，達(dá)到100%，軌跡3超標(biāo)90%，軌跡2的PM10平均濃度達(dá)到251 μg/m3，軌跡3的PM10平均濃度達(dá)到163 μg/m3。根據(jù)19—21日的火點(diǎn)分布，軌跡2和軌跡3途徑路線火點(diǎn)較多，軌跡均有長(zhǎng)春市、松原市和吉林市，這些地區(qū)對(duì)此次污染事件的影響最大[9-12]。

3.3 潛在污染源分析

為了進(jìn)一步了解各類軌跡氣團(tuán)對(duì)長(zhǎng)春市的影響，以PM10作為模型控制因子，利用后向軌跡及潛在污染源分析方法分析2024年4月19日00：00至22日08：00的污染過程。首先對(duì)研究區(qū)（104.6°E～128.6°E，36.0°N～61.1°N）進(jìn)行網(wǎng)格化處理，分成分辨率為0.5°×0.5°的網(wǎng)格，并計(jì)算80條軌跡Qij數(shù)值。結(jié)果顯示，Qij高值區(qū)主要集中在長(zhǎng)春市、吉林市和四平市，這些區(qū)域的污染源排放導(dǎo)致長(zhǎng)春市空氣中污染物濃度升高，松原市和遼寧省的部分區(qū)域?qū)﹂L(zhǎng)春市空氣質(zhì)量也有一定影響。

4 結(jié)論

2024年4月19日00：00至4月22日08：00，長(zhǎng)春市出現(xiàn)良到輕度污染、中度污染直至嚴(yán)重污染的天氣。其間出現(xiàn)兩次污染高峰，此時(shí)段大部分地區(qū)供暖已結(jié)束。結(jié)合NO2濃度和SO2濃度處于低值的情況，本次污染過程是偏生物質(zhì)燃燒的污染，本地風(fēng)速低，風(fēng)向不穩(wěn)定，造成污染物擴(kuò)散條件變差，形成污染物的滯留。污染期間300 m高度的48 h后向軌跡聚類分析表明，污染初期受內(nèi)蒙古自治區(qū)、白城市、黑龍江省部分地區(qū)的影響，但污染氣團(tuán)軌跡長(zhǎng)，速度快，污染物濃度較低，對(duì)長(zhǎng)春市的影響小，潛在污染源主要集中在長(zhǎng)春市、吉林市和四平市，它們是本次污染事件的主要貢獻(xiàn)者。

參考文獻(xiàn)

1 邱嘉馨.長(zhǎng)春市大氣細(xì)顆粒物濃度變化驅(qū)動(dòng)因素影響研究[D].長(zhǎng)春：吉林大學(xué)，2023.

2 王麗媛.長(zhǎng)春市大氣中細(xì)顆粒物的來源解析及區(qū)域傳輸研究[D].長(zhǎng)春：吉林大學(xué)，2023.

3 裴波妮，王郁聰，許瑞廣，等.西安市2014—2022年大氣污染物特征及潛在源分析[J].環(huán)境科學(xué)學(xué)報(bào)，2024（9）：80-92.

4 鄧力琛，錢 悅，楊 超，等.2014—2021年九江市大氣PM2.5污染特征及冬季一次典型污染過程分析[J].環(huán)境科學(xué)學(xué)報(bào)，2023（6）：83-93.

5 Wang Y Q.MeteoInfo：GIS software for meteorological data visualization and analysis[J].Meteorological Applications，2014（2）：360-368.

6 Wang Y Q.An open source software suite for multi-dimensional meteorological data computation and visualisation[J].Journal of Open Research Software，2019（3）：1-9.

7 曾 欣，舒 磊，張 靖，等.長(zhǎng)株潭區(qū)域一次重度污染過程氣象成因[J].中國(guó)環(huán)境監(jiān)測(cè)，2023（5）：183-192.

8 王 醒，李莉莉，王 琨，等.哈爾濱市一次大氣污染過程及潛在源分析[J].中國(guó)環(huán)境科學(xué)，2019（11）：4502-4510.

9 梁嘉偉.撫順東露天礦開采過程粉塵污染與防治措施[J].現(xiàn)代礦業(yè)，2024（2）：233-235.

10 時(shí)迎強(qiáng)，屈 垚，師菊蓮，等.汾渭平原城市大氣污染演變及典型污染過程：以寶雞市為例[J].中國(guó)環(huán)境科學(xué)，2023（增刊1）：1-9.

11 馬 瑞，陳 莎，樊守彬，等.北京市空氣質(zhì)量特征與典型區(qū)域污染源貢獻(xiàn)分析[J].環(huán)境科學(xué)學(xué)報(bào)，2024（3）：317-326.

12 周德榮，劉 祎，高 健，等.中國(guó)東部地區(qū)典型臭氧污染過程防控敏感性及減排情景研究[J].大氣科學(xué)學(xué)報(bào)，2023（5）：667-678.