随着世界经济的发展，环境污染已经成为一个全球性的问题. 区域经济的发展也使大气污染呈现明显的区域化特征. 由于大气的流动性，一个地区的大气环境污染不仅与本地的排放有关，外地污染物的输送对污染形成也有一定贡献^[1,2]. 颜鹏等^[3]对临安地区地面SO₂浓度的变化规律和来源进行分析，发现该地区的SO₂主要来源于浙江、 江苏省的排放. 肖辉等^[4]的研究表明，陆上物质的远距离输送对西太平洋热带海域雨水的酸度和化学组成有很大影响. 可见，研究一个区域的大气污染物来源要同时考虑本地污染源的排放和周边地区以及远距离输送的影响. 对于空气清洁、 局地污染源较少的背景区域，远距离输送的影响尤为明显.

研究某地大气污染状况与周围地区的关系通常有两种方法：一种是欧拉方法，另外一种是拉格朗日方法^[5]. HYSPLIT轨迹模式是一种欧拉方法和拉格朗日方法相结合的混合计算模式，其后向轨迹模式在许多研究中被用来分析气团来向，研究不同来源气团对区域污染的作用^{[5, 6, 7, 8, 9, 10, 11]}. 聚类分析则将得到的单个轨迹按照空间相似性程度聚类，得到具有代表性的轨迹簇，判断气团来源和途经区域^{[12, 13, 14, 15, 16, 17]}. 这些研究中，也包括对清洁区域的探讨^[8,12]，但未见对华东森林及高山背景区域大气污染物传输特征的全面分析报道.

为了解华东森林及高山背景区域的大气污染来源，评估远距离输送的影响，本研究利用HYSPLIT4.8模式和NCEP气象再分析资料，计算在2011年6月~2012年5月期间到达华东森林及高山背景区域的后向气流轨迹，采用聚类方法对这些轨迹进行统计分析，并结合武夷山背景点同期大气污染物监测数据，分析不同类型气团的化学特性及高污染性气团的主要来源.

1 材料与方法 1.1 后向气流轨迹计算

本研究用于轨迹计算的模式是由美国海洋与大气研究中心NOAA(National Oceanic and Atmospheric Administration)环境空气资源实验室ARL(Air Resources Laboratory)开发的混合单粒子拉格朗日积分传输、 扩散模式HYSPLIT4.8(2008年2月更新); 模式计算所采用的气象资料是美国国家环境预报中心NCEP(National Centers for Environmental Prediction)的FNL全球再分析资料; 垂直运动的计算方法采用模式所默认的气象模式垂直运动场，采用地形追随坐标系; 聚类分析采用的是HYSPLIT4.8模式中的聚类工具.

1.2 监测点位

国家大气背景监测福建武夷山站由中国环境监测总站建立，是我国目前14个大气背景监测站之一. 监测点位于武夷山自然保护区摩天岭顶峰，东经117°43′，北纬27°35′，海拔高度1 139 m. 站点周边视野开阔，近距离内没有影响气流的障碍物，且周围50 km范围内无显著人为污染源，受到局地排放源的影响很小，因此采集的大气样品能反映华东森林及高山区域大气成分的背景特征，可用于研究大气的区域性污染特征和污染物的远距离输送.

武夷山背景站采用自动监测仪器对SO₂、 NOx、 CO、 O₃、 PM₁₀和PM_2.5等指标进行长期观测. SO₂采用43iTLE紫外荧光法气体分析仪(Thermo Fisher Scientific，美国)，NOx采用42iTL化学发光法气体分析仪(Thermo Fisher Scientific，美国)，CO采用48iTLE气体滤光相关法气体分析仪(Thermo Fisher Scientific，美国)，O₃采用49i紫外光度法气体分析仪(Thermo Fisher Scientific，美国)，PM₁₀和PM_2.5观测采用TEOM1405A环境颗粒物监测仪(Thermo Fisher Scientific，美国)，进行24 h连续在线监测，数据采集频率为5 min. 2011年6月~2012年5月期间共监测366 d，SO₂、 NOx、 CO和O₃的有效监测天数为362 d，PM₁₀和PM_2.5的有效监测天数分别为310 d和316 d.

2 结果与讨论 2.1 后向轨迹聚类分析及不同气团的化学特征

为探讨华东森林及高山背景区域大气污染物的可能来源，分析输送对武夷山背景点各大气污染物浓度的影响，利用HYSPLIT4.8模式和NCEP气象资料，计算在2011年6月~2012年5月期间每日到达华东森林及高山背景区域的后向气流轨迹，即对27.59、 117.73、 1 149 m(背景点坐标和采样点高程)进行后向48 h气流轨迹追踪，共获得366条后向气流轨迹. 应用HYSPLIT4.8模式中的聚类功能对这些轨迹进行统计分析，因有1 d的气流轨迹无法实现聚类，故只有365 d气流轨迹参与聚类，得到抵达武夷山背景点的5类不同气流轨迹，对应于5种不同的典型气团，分布如图 1所示. 每一类气团包含很多条性质相近的轨迹，每一条轨迹对应一组相应时刻武夷山背景点测得的大气污染物浓度[在本研究中采用世界时(UTC)前一日16:00的后向轨迹资料，对应北京时间当日00:00~次日00:00的监测数据日均值]，将同类轨迹对应的大气污染物浓度求算术平均，即得到不同轨迹簇所对应的平均浓度，该浓度反映了不同类型气团的化学特征. 由图 1、 表 1可见，1类气团来自西南偏西方向，出现的次数较多，占总轨迹数的25%; 起源于江西省，移动高度较低，且移动速度极慢，沿途难免夹带一些大气污染物到达武夷山背景点，对点位污染物浓度造成一定影响. 2类气团起源于东海，移动高度较高且移动速度较快，因此类轨迹起源于海洋上空，较为清洁，对污染物的输送作用相对较弱，所对应的污染物浓度最低. 3类气团来自东北偏北象限，出现的次数最多，占总轨迹数的38%; 起源于江苏省，移动高度最低，移动速度较慢，容易沿途夹带东部高污染城市群产生的污染物到达武夷山背景点，对武夷山背景点各污染物浓度的影响最大. 4类气团起源于南海，移动高度较高且移动速度较快，经由深圳市、 惠州市、 河源市等到达武夷山背景点; 海洋性气团相对比较清洁，但因为沿途经过广东省，相比2类轨迹所夹带的污染物浓度高一些. 5类气团来自西北方向，起源于我国西北部的沙漠地区，移动速度极快，容易夹带沙尘颗粒快速到达武夷山背景点，且轨迹运行高度最高，起始高度高达4 000 m，在高空中经过的时间也较长，所以容易同时夹带较高浓度的O₃^[18]; 虽然此类轨迹全年仅出现9次，但所对应的污染物平均浓度较高，特别是对PM₁₀浓度的影响较大.

图 1

Fig. 1

图 1 武夷山背景点平均后向轨迹分布示意Fig. 1 Mean trajectories at Wuyishan background station

表 1(Table 1)

表 1 武夷山背景点各类轨迹统计结果Table 1 Statistics of different clusters of trajectories at Wuyishan background station 轨迹类别 出现次数 各季节出现比例/% 轨迹平均高度/m 平均浓度/μg·m-3 春 夏 秋 冬 SO2 NOx CO O3 PM10 PM2.5 1 90 31.1 26.7 17.8 24.4 1 137.6 2.2 4.2 420.5 85.6 23.9 19.0 2 54 11.1 27.8 44.4 16.7 1 267.0 1.0 2.7 272.4 71.0 15.6 11.4 3 139 23.7 10.1 34.5 31.7 793.6 5.2 6.3 450.0 86.6 28.4 22.4 4 73 28.8 53.4 2.7 15.1 1 326.3 1.0 3.3 338.7 79.7 17.5 14.7 5 9 33.3 0 11.1 55.6 2 627.7 3.9 5.1 459.3 86.1 34.7 19.1

表 1 武夷山背景点各类轨迹统计结果 Table 1 Statistics of different clusters of trajectories at Wuyishan background station

表 1中每类轨迹对应气体浓度的平均值是在整个观测期间特定气团来源背景下的地面污染物浓度的平均水平，其相互差异包含污染物的季节变化影响. 从中可见,不同类型的气团轨迹在各季节出现的比例有一定差异，相应污染物浓度受污染物固有的季节性特征的影响较大,不便于解释不同气团来源对站点污染物浓度水平的相对影响，而且通过统计各季节相应轨迹平均浓度也发现各类气团在不同季节对污染物浓度的贡献是不一样的. 为更清楚地解释不同气团轨迹的影响，在本研究中采用统计各季节不同气团对应的平均浓度，减去相应季节的季平均值，从而获得各季节各类轨迹对应的污染物浓度差值，用以代表各季节各类轨迹对污染物浓度变化的贡献，结果如图 2所示. 从中可见，在春季，轨迹1对CO的贡献是正的，对O₃的贡献是负的，对其它污染因子的影响相对较小; 轨迹2和轨迹4对所有污染因子的贡献都是负的; 轨迹3和轨迹5除对CO的贡献为负的外，对其它污染因子的贡献均是正的，特别是轨迹5，除了CO外，对各污染因子的贡献最大，对O₃和颗粒物的贡献尤为明显. 在夏季，各类轨迹对SO₂、 NOx的影响均很小; 轨迹1和轨迹3对CO、 O₃、 PM₁₀和PM_2.5的贡献为正，轨迹2和轨迹4则正好相反，特别是轨迹2，对污染物的清除作用明显; 未出现轨迹5. 在秋季，轨迹1和轨迹3对污染物的贡献是正的，轨迹2仍然有明显的清除作用，轨迹4和轨迹5因在秋季仅出现1~2d，所测得的污染物浓度代表性较差，故暂不讨论. 在冬季，轨迹1和轨迹2除对O₃的贡献为正外，对其它污染因子的贡献均为负; 轨迹3除对O₃的贡献为负外，对其它污染因子的贡献较大; 轨迹4和轨迹5对各污染因子的贡献均为负. 即在春季，SO₂、 NOx、 O₃、 PM₁₀和PM_2.5主要来自轨迹5，CO主要来自轨迹1; 在夏季，CO、 O₃、 PM₁₀和PM_2.5主要来自轨迹1和轨迹3; 在秋季，各污染因子主要来源于轨迹1和轨迹3; 在冬季，SO₂、 NOx、 CO、 PM₁₀和PM_2.5 主要来自轨迹3，O₃主要来自轨迹2. 可见，各轨迹在各季节对污染物浓度的贡献是有一定差异的，特别是轨迹1和轨迹5，轨迹1仅在夏季和秋季对污染物浓度的影响较大，而轨迹5，在表 1中所对应的污染物浓度较高，但仅在春季对污染物浓度有较大影响.

图 2

Fig. 2

图 2 武夷山背景点各季节各类轨迹对应污染物浓度差值 Fig. 2 Discrepancy of air pollutants concentrations corresponding to different clusters of trajectories at Wuyishan background station in different seasons CO浓度为原值的10%

为探讨高污染性气团的可能来源，分离出从2011年6月~2012年5月SO₂、 NOx、 CO、 O₃、 PM₁₀和PM_2.5监测日均值中各污染物浓度的相对高值所对应的后向气流轨迹，再进行聚类分析.

监测期间共有30 d的SO₂日均值浓度>10.0μg ·m^-3，主要出现在冬季，所占比例为66.7%. 利用聚类分析工具，对这30 d的SO₂相对高值日后向气流轨迹进行聚类分析，得到造成武夷山背景点较高SO₂浓度的3类典型气团，分布如图 3所示. 可见，造成较高SO₂浓度的气团主要来自东北偏北象限和西北偏北象限. SO₂主要是燃煤所致^[19]，冬季北方城市采暖，受燃煤影响北方城市冬季SO₂浓度较高^{[20, 21, 22]}，因此来自偏北象限的轨迹1和轨迹3夹带的SO₂较多，到达武夷山背景点时使背景点SO₂浓度明显上升，且轨迹1移动高度较低，移动速度较慢，受地面污染物的影响更大. 轨迹1和轨迹3占总轨迹数的比例分别为60%和30%，受此影响武夷山背景点SO₂平均浓度为17.4 μg ·m^-3和15.8 μg ·m^-3. 轨迹2对应的平均浓度为12.8 μg ·m^-3.

图 3

Fig. 3

图 3 武夷山背景点SO2污染期间平均后向轨迹分布示意 Fig. 3 Mean trajectories at Wuyishan background station during SO2 pollution episodes

监测期间共有31 d的NOx日均值浓度>10.0μg ·m^-3，主要出现在冬季，所占比例高达80.6%. 利用聚类分析工具，对这31 d NOx相对高值日后向气流轨迹进行聚类分析，得到造成武夷山背景点较高NOx浓度的6类典型气团，分布如图 4所示. 造成较高NOx浓度的气团主要来自东北偏北象限和西北偏北象限，其中对武夷山背景点造成明显影响的气团是轨迹1和轨迹3，因为这两类气团移动高度很低，移动速度较慢，尤其是轨迹1，移动高度最低且移动速度慢，又源自我国东部经济发达、 人口密集的高污染区，难免夹带长三角地区城市群产生的NOx到达武夷山背景点，且1类轨迹出现频率最高，达45%，对应的武夷山背景点NOx平均浓度最高，达17.8μg ·m^-3，轨迹3所对应的NOx平均浓度为17.5μg ·m^-3. 轨迹4出现的频率也较高，但对应的平均浓度相对较低，为13.9μg ·m^-3. 其它轨迹出现的频率较低，对应的平均浓度也较低.

图 4

Fig. 4

图 4 武夷山背景点NOx污染期间平均后向轨迹分布示意 Fig. 4 Mean trajectories at Wuyishan background station during NOx pollution episodes

监测期间共有59 d CO日均值浓度>550.0μg ·m^-3，其中有57 d出现在春季或冬季，主要出现在冬季，所占比例为66.1%. 利用聚类分析工具，对这59 d CO相对高值日后向气流轨迹进行聚类分析，因有1 d的气流轨迹无法实现聚类，故仅有58 d气流轨迹参与聚类，得到造成武夷山背景点较高CO浓度的5类典型气团，分布如图 5所示. CO主要来源于燃煤、 生物质燃烧^[19]、 机动车尾气排放^[23]，煤炭开采过程中也会产生大量的CO^[24]. 对武夷山背景点CO浓度有较大影响的气团主要来自东北偏北象限的轨迹3，这类轨迹出现频率最高，达57%，移动高度很低且移动速度较慢，起源于产煤大省安徽，可能夹带了煤炭生产和消费过程中产生的CO到达武夷山背景点，对应武夷山背景点CO平均浓度为707.3μg ·m^-3. 轨迹1来自西南象限，出现的频率虽然不高，但对CO浓度的影响较大，对应武夷山背景点CO平均浓度为716.2μg ·m^-3，可能与途经我省的重要煤炭产区龙岩市以及沿途城市的机动车尾气排放有关. 轨迹2对应的CO平均浓度最高，达743.6μg ·m^-3，不仅因为受北方采暖季燃煤影响，还因为12月8日气团受到生物质燃烧影响，CO浓度出现极大值^[25]. 轨迹4和轨迹5出现的频率较低，对应的平均浓度也较低.

图 5

Fig. 5

图 5 武夷山背景点CO污染期间平均后向轨迹分布示意 Fig. 5 Mean trajectories at Wuyishan background station during CO pollution episodes

笔者在文献^[26]中对2012年2月~2013年3月期间日均值>120μg ·m^-3的57 d O₃高值日进行了聚类分析，这些O₃高值日主要出现在春季，来自高空、 长三角地区、 珠三角地区气团的输送会导致武夷山背景点O₃浓度出现极大值，其中，来自东北象限长三角区域的气团，出现次数最多，占总轨迹数的39%，受此影响武夷山背景点O₃平均浓度达150.3μg ·m^-3. 在此不重复讨论.

监测期间共有32 d PM₁₀日均值浓度>45.0μg ·m^-3，春季、 秋季和冬季均有出现，各季节出现频次较为平均. 利用聚类分析工具，对这32 d PM₁₀相对高值日后向气流轨迹进行聚类分析，得到造成武夷山背景点较高PM₁₀浓度的9类典型气团，分布如图 6所示. 对武夷山背景点PM₁₀浓度有较大影响的气团主要来自东北象限的轨迹2，这类轨迹出现频率最高，达50%，移动高度最低且移动速度最慢，源自我国东部高污染负荷区，对应武夷山背景点PM₁₀平均浓度为57.4μg ·m^-3. 另外，仅在春季出现的轨迹7，虽然出现的频率不高，但因源自我国西北部的沙漠地区，该地区在春季常常暴发沙尘暴，气团容易夹带大量颗粒物到达武夷山背景点，对PM₁₀浓度的影响较大，对应武夷山背景点PM₁₀平均浓度为83.7μg ·m^-3. 其它轨迹出现的频率较低，对应的平均浓度也较低.

图 6

Fig. 6

图 6 武夷山背景点PM10污染期间平均后向轨迹分布示意 Fig. 6 Mean trajectories at Wuyishan background station during PM10 pollution episodes

监测期间共有30 d PM_2.5日均值浓度>35.0μg ·m^-3，各季节均有出现，秋季较为频繁，出现比例为41.9%. 利用聚类分析工具，对这30 d PM_2.5相对高值日后向气流轨迹进行聚类分析， 得到造成武夷山背景点较高PM_2.5浓度的9类典型气团，分布如图 7所示. 对武夷山背景点PM_2.5浓度有较大影响的气团主要来自东北象限的轨迹2，这类轨迹出现频率最高，达43%，移动高度最低且移动速度较慢，受我国东部高污染负荷区影响，对应武夷山背景点PM_2.5平均浓度为44.9μg ·m^-3. 3类轨迹更直接地受到我国东部高污染负荷区的影响，运行高度也相对较低，速度较慢，对PM_2.5浓度的影响更大，对应武夷山背景点PM_2.5平均浓度为48.7μg ·m^-3. 其它轨迹出现的频率较低，对应的平均浓度也较低.

图 7

Fig. 7

图 7 武夷山背景点PM2.5污染期间平均后向轨迹分布示意 Fig. 7 Mean trajectories at Wuyishan background station during PM2.5 pollution episodes

(1) 对武夷山背景点污染物浓度有较大影响的典型气团来自我国东部高污染负荷区; 来自江西方向的慢速气团也夹带了一定的地面污染物对武夷山背景点污染物浓度造成一定影响; 来自我国西北部沙漠地区的高空气团对O₃和PM₁₀浓度有较大贡献; 两类海洋性气团对武夷山背景点污染物起清除作用; 且各气团在各季节对污染物浓度的贡献有一定差异.

(2)SO₂较高浓度与北方城市冬季采暖燃煤有关，CO较高浓度主要来自安徽省的煤炭生产和消费过程，NOx、 O₃、 PM₁₀和PM_2.5较高浓度主要受我国东部高污染负荷区影响.

致谢： 感谢中国环境监测总站王帅博士对文中后向轨迹聚类分析提供的帮助和指导，感谢环境保护部华南环境科学研究所陶俊副研究员、 张智胜博士对本文写作给予的帮助.