2021, Vol. 42
中国北方地区频繁发生的区域性霾天气对人体健康[1~3]和公众活动[4~5]造成了很大的影响, 引起了全社会的广泛关注.污染天气成因复杂, 往往是大气污染物的大量排放[6]、不利气象条件[7]、地形条件[8]、二次转化[9]和区域传输[10]共同作用的结果, 因此, 污染天气多呈现复合型和区域型的特征[11].而针对污染天气治理的政策建议中, 开展区域联防联控则是最多被提及的控制对策之一[12, 13], 可见区域传输对各城市的大气质量均有显著影响, 也是出现大范围重污染天气的重要原因.不同地区受大气污染物输送影响不同, 薛文博等[14]分析了全国各省市PM2.5及主要组分受外来源的贡献比例, 海南PM2.5年均浓度受省外源贡献最高为71%, 京津冀地区的北京、天津和石家庄分别为37%、42%和33%, 汾渭平原的山西和陕西年均为31%.不同时期区域传输产生的影响也有差异, 以北京为例, 秋冬季受西南气流输送影响, 易发生PM2.5为主的污染天气[15]; 春季则受偏北气团影响, 冷空气将内蒙和甘肃等地的沙尘输送到北京, 叠加本地霾污染形成复合型污染天气[16, 17].区域输送同时受地形影响, 我国PM2.5污染最严重的两个区域京津冀地区和汾渭平原以太行山相隔, 东侧的“邯郸-邢台-石家庄-保定-北京”是影响北京最典型的传输通道[18], 西侧沿着汾河谷地向北输送是引起太原重污染天气的主要原因之一[19, 20].太行山大部区域海拔在1 200 m以上, 天然对东西两侧的污染物进行了隔离, 但太行山存在多条东西向横谷(太行八陉)[21~22], 为太行山两侧污染物的局部交换提供了通道.井陉是联通太原盆地和华北平原最主要的通道, 太原盆地北端的气旋环流与盆地中南部的偏南气流在井陉通道辐合向东输送[23], 而河北太行山山前出现的山风与偏南风在保定和石家庄等地形成辐合[24], 在偏东风作用下沿着井陉通道向西输送.
本文以该通道核心城市阳泉为研究对象, 运用地面风速风向和后向轨迹模型等气流传输方法, 分析井陉横谷的气流输送特征以及对阳泉市气溶胶浓度的影响, 进而了解特殊地形对大气污染物传输的作用以及两大污染地区的污染物输送特征, 以期为跨区域大气联防联控提供科学依据.
1 材料与方法 1.1 研究区概况井陉通道位于太行山中段, 是太行八陉第五陉, 处在上党高地北部的山地与忻定盆地南沿的系舟山之间, 海拔最低处仅350 m, 阳泉市地处井陉通道内太原、石家庄两个省会城市的中间位置(图 1), 是以煤炭、铝矾土和燃煤发电工业为主的重工业城市, 本地大气污染物的排放量较大, 霾天气频发[25].根据中国生态环境部发布的近两年全国城市环境空气质量报告, 阳泉市的环境空气质量综合指数评价综合排名靠后, 自2018年6月参加全国重点城市排名以来, 平均排名为140名(共168个城市, 截至2020年5月), 大气污染状况不容乐观[25].
|
图 1 井陉通道及周边地区地形示意 Fig. 1 Topographic map of the Jingxing passageway and its surrounding areas |
本研究采用HYSPLIT4模式来分析阳泉市大气污染物的来源轨迹, 该模式被广泛应用于大气输送研究及污染过程分析中[26~28].本研究的后向轨迹计算起始高度选取为300 m, 轨迹运行时间选择为72 h, 时间间隔取为1 h, 聚类分析基于轨迹风向角度的二分K均值法[20].用于后向轨迹模式计算的气象场资料(2017年1月至2019年12月)为美国国家环境预报中心(NCEP)提供的全球资料同化系统(global data assimilation system, GDAS)数据, 每日4个时次, 即00:00、06:00、12:00和18:00UTC, 水平分辨率为1°×1°.同时收集阳泉市2017~2019年逐时PM10和PM2.5浓度资料以及对应时刻的地面风向风速数据, 环境和气象数据分别来源于山西省生态环境监测中心和山西省气象信息中心.
1.3 潜在源贡献因子分析法和浓度权重轨迹分析法潜在源贡献因子分析法(potential source contribution function, PSCF)和浓度权重轨迹分析法(concentration weighted trajectory method, CWT)常被用于定位潜在污染源区位置并定量给出污染贡献大小.PSCF是基于条件概率函数发展而来的一种方法, 基于气流轨迹分析来识别可能源区, 通过结合气团轨迹和某要素值(如污染物浓度值等)来给出可能的污染排放源方位; CWT是一种计算潜在源区气流轨迹权重浓度, 反映不同轨迹的污染程度的方法, 可以定量给出每个网格的平均权重浓度, PSCF和CWT的计算公式参见文献[20].
2 结果与讨论 2.1 阳泉市气溶胶污染特征分析阳泉市为京津冀“2+26”城市之一, 气溶胶污染严重.图 2给出了阳泉市基于2017~2019年逐时PM10和PM2.5浓度的日变化和月际变化特征.结果显示, 阳泉市PM10和PM2.5浓度有相似的日变化特征, 冬季最高值出现较晚在10:00~11:00, 其他季节多在09:00, 均在15:00~16:00降到最低; 但阳泉市PM10和PM2.5浓度均在夜间呈持续上升状态, 即两种污染物浓度的日变化均表现为单峰单谷型, 同太原[29]、北京[30]和石家庄[31]等城市双峰分布不同, 阳泉夜间未出现污染物的下降, 这可能与污染物的输送有关.进一步分析PM10和PM2.5在不同时段的积累特征显示, PM2.5在16:00~21:00的积累增加速度快于PM10, 这可能源于晚高峰期间二次气溶胶的快速增加[32, 33], 午夜后PM10的积累上升过程则较PM2.5显著, 表明不同时间段两种污染物的来源有所差异, PM10的来源较PM2.5更广泛.
|
图 2 2017~2019年阳泉市气溶胶月、日变化 Fig. 2 Diurnal and monthly variations of aerosols in Yangquan from 2017 to 2019 |
从逐月变化来看, PM10和PM2.5浓度均在1月最高, 此后逐渐下降, 其中PM10浓度在3月和4月仍保持在较高水平, 可能与春季大风沙尘影响有关, PM2.5浓度则表现为持续下降的特征, 二者均在8月达到全年最低.从各月的气溶胶浓度日变化情况来看, PM10小时浓度在4月的08:00~09:00最高, PM2.5小时浓度在1月的11:00最高, 小时浓度最低值均出现在8月的16:00.冬季PM10浓度在1 d内高浓度时段维持较长, 并延续到春季的3~4月, 其最高小时浓度1月出现在10:00~11:00, 随着逆温层破坏时间逐渐提前, 2~4月最高小时浓度出现时段也逐渐提前, 全天高浓度维持时间缩短.PM2.5浓度也类似, 但从春季开始1 d内高浓度时段明显缩短, 秋冬季再次增长.
2.2 近地面风对气溶胶污染的影响为了了解阳泉市地面气流特征, 图 3给出了阳泉市2017~2019风频玫瑰图并叠加了PM10和PM2.5的浓度.从中可以看出, 阳泉市近地面风受地形影响明显, 东风频率最高, 其次是西北风, 冬季西风频率也较高.不同风速风向下气溶胶浓度差异显著.小风(< 2 m ·s-1, 下同)各个季节都出现了PM10和PM2.5浓度值较高的现象, 冬季小风下PM10和PM2.5的浓度分别为176.0 μg ·m-3和110.1 μg ·m-3, 可见小风天气易造成阳泉气溶胶的累积.冬季偏东风下PM10和PM2.5浓度均高于其他风向, 风速在2~4 m ·s-1时PM2.5平均浓度仍超过90 μg ·m-3, 表明偏东气流中携带有较高浓度的气溶胶, 体现出了传输过程对阳泉气溶胶污染的影响.春秋季大于6 m ·s-1西偏北风下也会出现气溶胶浓度偏高, 春季大于5 m ·s-1偏东风下PM10浓度也接近小风浓度, 原因可能是春秋季风速较大时会引起沙尘天气沿着井陉横谷地区从东西两个方向进行传输, 导致该处粒径气溶胶浓度升高.总的来说, 北偏西风下阳泉市两种气溶胶浓度均较低, 污染物清除效果明显.
|
图 3 2017~2019年阳泉市风向风速与PM10和PM2.5浓度关系 Fig. 3 Relationships between wind direction and wind speed and PM10 and PM2.5 concentrations in Yangquan from 2017 to 2019 |
采用后向轨迹模式计算了2017年1月1日至2019年12月31日到达阳泉市的逐时后向轨迹.采用二分K均值法对其进行聚类, 得到阳泉市四季的聚类后向轨迹, 表示气溶胶输送的主要通道, 见图 4.轨迹的路线和方向表示气团在到达计算点(阳泉市)所经过的地区, 根据其长短可以判断出气团移动的速度, 长轨迹对应移动快速的气团, 短轨迹对应移动缓慢的气团.以太行山为界, 将输送到阳泉市的气流轨迹分为偏东和偏西方向两类, 图 4给出了不同轨迹分型的比例特征, 以红色标注代表偏东方向气流, 黑色标注代表偏西方向气流.不同季节偏东气流比例分别为: 春季38.0%、夏季66.1%、秋季40.1%和冬季25.5%, 即夏季更多受偏东气流影响, 而冬季更多受偏西气流输送影响; 另一方面, 从输送轨迹距离上来看, 偏东方向以短距离输送为主, 偏西方向中西南气流也以短距离输送为主, 西北方向为长距离输送.
|
图 4 2017~2019年阳泉市四季聚类轨迹 Fig. 4 Trajectory clusters of different seasons in Yangquan from 2017 to 2019 |
为了了解不同输送路径下阳泉市两种气溶胶浓度, 图 5给出了各季聚类轨迹分组占比及污染占比情况.本节污染占比计算方法为首先计算阳泉市逐时浓度之和(2017~2019年逐时浓度共计17 520条), 收集每型轨迹到达阳泉时本地气溶胶浓度, 进一步计算每型聚类轨迹下气溶胶浓度之和, 每型轨迹总浓度占所有轨迹总浓度的比例即为污染占比, 即当轨迹污染占比高于轨迹占比(>2%), 可判断为污染轨迹.
|
图 5 2017~2019年阳泉市四季不同聚类轨迹下PM10 and PM2.5的浓度占比 Fig. 5 Proportions of PM10 and PM2.5 under different trajectory clusters in Yangquan from 2017 to 2019 |
从图 5(a)可以看出, 春季西南轨迹2和东南轨迹6下两种气溶胶污染占比均高于轨迹占比, 偏西轨迹5下PM10污染占比也较高, 表明春季西南和东南输送轨迹为污染轨迹, 偏西气流输送则更多带来粗颗粒物; 夏季[图 5(b)]偏东轨迹6下两种气溶胶浓度占比均高于轨迹占比, 偏南轨迹1和东南轨迹5下PM2.5浓度占比也高于轨迹占比, 表明夏季偏南、东南、偏东气流输送主要影响PM2.5浓度, 由于夏季太行山周边地区整体污染较轻, 区域传输过程对阳泉的影响也较弱; 秋季[图 5(c)]西南轨迹4下两种气溶胶浓度占比均高于轨迹占比, 东南轨迹3和6下PM2.5浓度占比也高于轨迹占比, 即偏南方向的这3条轨迹均为污染轨迹, 表明秋季东南气流以PM2.5输送为主, 而西南气流则同时输送两种气溶胶; 冬季[图 5(d)]西南轨迹2和东北轨迹6下两种气溶胶占比均高于轨迹占比, 西南轨迹7和偏东轨迹1下PM2.5的占比也高于轨迹占比, 即4条轨迹均为污染轨迹, 表明冬季西南、东北、偏东输送气流均对阳泉市气溶胶浓度有显著影响.总的来看, 各季节污染轨迹均为中短距离轨迹, 主要分布于阳泉的西南和东南区域, 冬季在东北区域也有分布, 从污染物来看, 起源或途经太行山西侧的轨迹同时影响两种气溶胶, 起源于太行山东侧的轨迹则更多影响PM2.5浓度超标率.
2.5 不同输送路径下阳泉市气溶胶超标特征分析图 6给出了不同季节不同轨迹下PM10和PM2.5的超标率(以超环境空气质量二级标准限值计), 可以看出, 各个季节的污染轨迹下阳泉市气溶胶浓度超标均比较严重, 其中春季各个输送路径PM10的超标率均高于PM2.5, 而冬季各个输送路径的超标率PM10均低于PM2.5, 其他季节则根据输送路径的不同, 互有高低, 表现出污染输送来源不同造成污染特征的不同.春季两类污染轨迹中来自华北平原轨迹6下的PM10和PM2.5超标率接近, 均在50%以上, 而来自偏西轨迹2下的PM10超标率达41.1%, 高于PM2.5, 表明春季东部传输来的两种气溶胶浓度均较高, 而西部则以粗颗粒物输送为主.夏季各类轨迹的污染物超标概率均较低, 其中轨迹1、5和6下PM2.5的超标概率相对稍高, 且均为偏东方向气流, 表明夏季偏东气流输送是造成阳泉市PM2.5浓度超标的主要原因; 值得注意的是, 西南轨迹2下PM10的超标比例为夏季最高, 是影响阳泉夏季PM10浓度的重要轨迹.秋季污染轨迹3、4和6下PM2.5的超标率均超过30%, 其中偏东方向的轨迹3和轨迹6主要引起PM2.5浓度超标, 而轨迹4下PM10的超标概率为秋季最高, 达到42.9%, 表明偏西方向的输送是引起阳泉秋季PM10超标概率显著升高的主要原因.冬季是气溶胶污染最重的季节, 除轨迹3外, 其他各型轨迹均易造成本地气溶胶浓度超标, 且均以PM2.5超标为主; 污染轨迹1、2、6和7下PM2.5的超标比例均超过50%, 其中轨迹2下PM2.5超标比例最高, 达到92.6%, 轨迹6和轨迹1下PM2.5超标率亦高达71.0%和68.4%; 轨迹3为来自北偏西方向的长距离输送路径, 代表冬季气溶胶的主要清除气流轨迹.总的来看, 污染轨迹下阳泉市气溶胶的超标比例均明显偏高, 偏西方向的气流输送对PM10超标率影响更大, 偏东气流输送则主要引起PM2.5的超标率上升.
|
图 6 2017~2019年阳泉市四季聚类轨迹PM10和PM2.5超标率 Fig. 6 Rates of standard exceedance of PM10and PM2.5 under different trajectory clusters in Yangquan from 2017 to 2019 |
将气流轨迹的聚类分析结果结合PM2.5[34]或PM10[35]浓度采用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)来定位潜在污染源区位置并定量给出污染贡献大小[36, 37].PSCF值是指超过阈值浓度的轨迹与所有轨迹数的比值, 其分布区域被解释为受体点的污染潜在源区, PSCF的计算值越大, 表明该网格对计算点阳泉市PM10浓度的影响越大.阳泉市2017~2019年PM10污染潜在源区贡献计算结果见图 7, 阳泉市春季PM10主要潜在源区(贡献0.7以上)主要分为西南和偏东两片区域, 其中西南方向为位于陕西中南偏西部的延安、宝鸡、汉中一带区域, 偏东方向主要为河北中南部及河南东部、北部区域, 这些潜在源区的气团主要沿着偏南轨迹通过中距离输送到达阳泉; 夏季PM10主要潜在源区位于阳泉的偏东及偏南方向, 包括山西东南部、河南中东部以及河北东南部和山东西北部, 偏西南方向的陕西中部延安一带的影响较春季减弱.秋季气溶胶潜在源区主要位于阳泉的西南及偏南方向, 包括山西中南部、陕西中部、河南北东部, 范围相对较大, 其中偏西南方向PSCF值更高, 此外河北东部与山东西北交界处也有一片范围较小的污染潜在源区.冬季主要污染潜在源区位于偏南和偏东方向区域, PSCF高值区范围较其他3个季节更大, 包括山西东南部、河南北部和河北东南部与山东西北部交界区域等.阳泉市PM10潜在源区的分布在春夏季较为分散, 秋季较为集中, 冬季集中且分布区域大.
|
图例表示PSCF值 图 7 2017~2019年阳泉市PM10潜在源区贡献分析 Fig. 7 PM10PSCF analysis in Yangquan from 2017 to 2019 |
图 8给出了阳泉市PM2.5的PSCF分析结果, PM2.5的PSCF结果与PM10大致相似, 春季PM2.5高值区与PM10的基本相同, 但是偏东方向的河南东北部、河北南部和山东西南部这一片潜在源区范围明显更大, 而西北方向区域的PM2.5潜在贡献明显低于PM10.夏季和秋季PM2.5主要污染潜在源区同PM10一致, 但PSCF值更高.冬季PM2.5的PSCF高值区达0.9以上的区域更多, 包括山西东南部、河南北部和河北东南部与山东西北部交界区域等, 表明冬季气溶胶污染以PM2.5更为显著.阳泉市PM2.5潜在源区的分布在春季较PM10更大且偏东方向较为集中, 夏季在京津冀地区较为集中, 秋季在西南方向较为集中, 冬季亦在偏南和偏东区域十分集中且高值区分布范围大.
|
图例表示PSCF值 图 8 2017~2019年阳泉市PM2.5潜在源区贡献分析 Fig. 8 PM2.5 PSCF analysis in Yangquan from 2017 to 2019 |
运用CWT分析可以进一步给出该区域对受体点的浓度贡献大小, 从图 9可以看出, 春季对阳泉市PM10浓度贡献超过150μg ·m-3以上的区域主要是陕西延安、宝鸡、汉中一带、河南东北部、河北中南部以及内蒙中西部; 夏季各潜在源区的污染浓度权重均不高, 对阳泉市的PM10在100μg ·m-3以下.秋季偏东南方向潜在源区的污染浓度权重高于西南方向的污染潜在源区, 河南东北部对阳泉市的PM10贡献达200μg ·m-3; 西南方向陕西中部的PM10浓度贡献亦可达150μg ·m-3.冬季对阳泉市PM10浓度贡献较高的地区位于山西东南部与河南北部交界处达250μg ·m-3.
|
图例表示PM10浓度, 单位μg ·m-3 图 9 2017~2019年阳泉市PM10浓度权重轨迹分析结果 Fig. 9 PM10CWT analysis in Yangquan from 2017 to 2019 |
阳泉PM2.5浓度的CWT计算结果表明(图 10), 春季贡献较高的区域与PM10一致, 浓度贡献达100μg ·m-3以上, 表明春季两个潜在区域可能会同时输送PM10和PM2.5.夏季各潜在源区的污染浓度权重均不高, 对阳泉市PM2.5浓度贡献在60μg ·m-3以下.与PSCF结果不同, 秋季偏东南方向潜在源区的污染浓度权重明显高于西南方向, 河南东北部对阳泉市PM2.5浓度贡献达到100μg ·m-3, 表明秋季偏东区域以输送PM2.5为主, 偏西以PM10为主.冬季对阳泉市PM2.5浓度贡献达到150μg ·m-3的区域位于山西东南部与河南北部交界处, 与PSCF结果不同的是, 冬季汾河谷地作为对阳泉市重要的潜在源区, 但对阳泉PM2.5的贡献低于山西东南部与河南北部.
|
图例表示PM2.5浓度, 单位μg ·m-3 图 10 2017~2019年阳泉市PM2.5浓度权重轨迹分析结果 Fig. 10 PM2.5CWT analysis in Yangquan from 2017 to 2019 |
综上分析表明, 太行山两侧均有区域影响阳泉市气溶胶浓度, 即太行山两侧各季节通过各自传输通道[18~20]向北输送并在井陉通道进行传输和交换; 不同季节传输特征不同, 春季在东西两个方向上均有输送, 西向东传输以粗颗粒为主, 东向西则以细颗粒物为主; 夏季传输影响较弱; 秋季细颗粒存在有双向传输, 同时西向东有一定量的粗颗粒输送; 冬季也为双向输送, 其中东向西的细颗粒输送影响更显著.
3 结论(1) 阳泉市气溶胶日变化呈单峰单谷型变化, 傍晚到翌日清晨气溶胶浓度呈持续上升特征, 冬季最高值出现在10:00~11:00, 其他季节多在09:00, 最小值均在15:00~16:00; 气溶胶月际变化显著, 1月最高, 8月最低.气流输送受横谷地形影响显著, 地面风向以偏东风和偏西风频率最高.全年小风天气气溶胶浓度最高, 冬季PM2.5平均浓度达110.1μg ·m-3; 冬季偏东气流下污染物输送使PM2.5浓度超过90μg ·m-3, 春秋季偏西风引起的沙尘天气也显著影响气溶胶浓度.
(2) 太行山两侧通过井陉横谷进行气溶胶输送交换过程显著.除夏季外, 到达阳泉的传输路径中均存在明显的污染轨迹, 各季节污染轨迹占比为春季26.2%、秋季36.4%和冬季33.7%; 污染轨迹主要分布在阳泉的西南和东南区域, 冬季在东北区域也有分布; 从污染物来看, 山脉两侧均存在显著的细颗粒传输, 而起源或途经太行山西侧的轨迹同时也输送粗颗粒; 污染轨迹下阳泉市气溶胶的超标比例均明显偏高, 偏西轨迹对PM10超标率影响更大, 偏东轨迹则主要影响PM2.5的超标率; 春季各个输送路径PM10的超标率均高于PM2.5, 冬季则相反.
(3) 潜在源贡献因子分析和浓度权重轨迹分析结果具有一致性, 春季阳泉市气溶胶主要污染潜在源区包括西南和东南两片区域; 夏季各潜在源区的污染浓度权重均不高; 秋季气溶胶主要污染潜在源区位于阳泉的西南及偏南方向, 其中PM2.5的PSCF值及CWT值偏东南更高, 而PM10的PSCF值及CWT值偏西南方向更高; 冬季阳泉市气溶胶主要污染潜在源区位于偏南和偏东方向区域, 其中山西东南部及与河南北部交界区域是主要的污染贡献源区.太行山两侧通过井陉通道进行大气污染物的相互传输过程显著, 其中东向西的细颗粒传输影响更显著.
| [1] | Song C B, He J J, Wu L, et al. Health burden attributable to ambient PM2.5 in China[J]. Environmental Pollution, 2017, 223: 575-586. DOI:10.1016/j.envpol.2017.01.060 |
| [2] | Fu X S, Li L, Lei Y L, et al. The economic loss of health effect damages from PM2.5 pollution in the central plains urban agglomeration[J]. Environmental Science and Pollution Research, 2020, 27(20): 25434-25449. DOI:10.1007/s11356-020-08560-3 |
| [3] |
张梦娇, 苏方成, 徐起翔, 等. 2013~2017年中国PM2.5污染防治的健康效益评估[J]. 环境科学, 2021, 42(2): 513-522. Zhang M J, Su F C, Xu Q X, et al. Health impact attributable to the control of PM2.5 pollution in China during 2013-2017[J]. Environmental Science, 2021, 42(2): 513-522. |
| [4] |
张礁石, 陆亦怀, 桂华侨, 等. APEC会议前后北京地区PM2.5污染特征及气象影响因素[J]. 环境科学研究, 2016, 29(5): 646-653. Zhang J S, Lu Y H, Gui H Q, et al. Variations of PM2.5 pollution and related meteorological factors before and after the 2014 APEC conference in Beijing[J]. Research of Environmental Sciences, 2016, 29(5): 646-653. |
| [5] |
王申博, 娄亚敏, 徐艺斐, 等. 郑州市民运会期间大气PM2.5改善效果评估[J]. 环境科学, 2020, 41(7): 3004-3011. Wang S B, Lou Y M, Xu Y F, et al. Evaluation of the reduction in PM2.5 concentration during the National Traditional Games of Ethnic Minorities in Zhengzhou[J]. Environmental Science, 2020, 41(7): 3004-3011. |
| [6] |
张小曳, 孙俊英, 王亚强, 等. 我国雾-霾成因及其治理的思考[J]. 科学通报, 2013, 58(13): 1178-1187. Zhang X Y, Sun J Y, Wang Y Q, et al. Factors contributing to haze and fog in China[J]. Chinese Science Bulletin, 2013, 58(13): 1178-1187. |
| [7] |
姚青, 蔡子颖, 刘敬乐, 等. 气象条件对2009-2018年天津地区PM2.5质量浓度的影响[J]. 环境科学学报, 2020, 40(1): 65-75. Yao Q, Cai Z Y, Liu J L, et al. Effects of meteorological conditions on PM2.5 concentration in Tianjin from 2009 to 2018[J]. Acta Scientiae Circumstantiae, 2020, 40(1): 65-75. |
| [8] |
刘引鸽, 周欢欢, 赵阿玲, 等. 河谷型城市一次大气持续重污染特征及其原因分析——以宝鸡市为例[J]. 环境污染与防治, 2019, 41(11): 1286-1290. Liu Y G, Zhou H H, Zhao A L, et al. Characteristics of continuous heavy pollution in a valley city and its causes: a case study of Baoji City[J]. Environmental Pollution and Control, 2019, 41(11): 1286-1290. |
| [9] | Zhang Q, Quan J N, Tie X X, et al. Effects of meteorology and secondary particle formation on visibility during heavy haze events in Beijing, China[J]. Science of the Total Environment, 2015, 502: 578-584. DOI:10.1016/j.scitotenv.2014.09.079 |
| [10] |
李雁宇, 李杰, 杨文夷, 等. 2018年汾渭平原及其周边地区大气颗粒物的传输特征[J]. 环境科学学报, 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. |
| [11] | Chang X, Wang S X, Zhao B, et al. Contributions of inter-city and regional transport to PM2.5 concentrations in the Beijing-Tianjin-Hebei region and its implications on regional joint air pollution control[J]. Science of the Total Environment, 2019, 660: 1191-1200. DOI:10.1016/j.scitotenv.2018.12.474 |
| [12] |
刘建国, 谢品华, 王跃思, 等. APEC前后京津冀区域灰霾观测及控制措施评估[J]. 中国科学院院刊, 2015, 30(3): 368-377. Liu J G, Xie P H, Wang Y S, et al. Haze observation and control measure evaluation in Jing-Jin-Ji (Beijing, Tianjin, Hebei) Area during the period of the Asia-Pacific Economic Cooperation (APEC) meeting[J]. Bulletin of the Chinese Academy of Sciences, 2015, 30(3): 368-377. |
| [13] |
何伟, 张文杰, 王淑兰, 等. 京津冀地区大气污染联防联控机制实施效果及完善建议[J]. 环境科学研究, 2019, 32(10): 1696-1703. He W, Zhang W J, Wang S L, et al. Effects and improvement suggestions on air pollution joint prevention and control mechanism in Beijing-Tianjin-Hebei region[J]. Research of Environmental Sciences, 2019, 32(10): 1696-1703. |
| [14] |
薛文博, 付飞, 王金南, 等. 中国PM2.5跨区域传输特征数值模拟研究[J]. 中国环境科学, 2014, 34(6): 1361-1368. Xue W B, Fu F, Wang J N, et al. Numerical study on the characteristics of regional transport of PM2.5 in China[J]. China Environmental Science, 2014, 34(6): 1361-1368. |
| [15] |
吴进, 李琛, 孙兆彬, 等. 北京地区两次重污染过程中PM2.5浓度爆发性增长及维持的气象条件[J]. 干旱气象, 2017, 35(5): 830-838. Wu J, Li C, Sun Z B, et al. Meteorological condition of explosive increase and maintaining of PM2.5 concentration during two heavy pollution processes in Beijing[J]. Journal of Arid Meteorology, 2017, 35(5): 830-838. |
| [16] |
金同俊, 祁建华, 郗梓延, 等. 一次沙尘事件对沿海及海洋大气气溶胶中金属粒径分布的影响[J]. 环境科学, 2019, 40(4): 1562-1574. Jin T J, Qi J H, Xi Z Y, et al. Impact of a dust event on the size distribution of metal elements in atmospheric aerosols at a coastal region and over the ocean[J]. Environmental Science, 2019, 40(4): 1562-1574. |
| [17] |
杨阳, 李杏茹, 陈曦, 等. 春季沙尘过程北京市不同粒径大气气溶胶污染特征及来源分析[J]. 环境科学, 2018, 39(12): 5315-5322. Yang Y, Li X R, Chen X, et al. Analysis of different particle sizes, pollution characteristics, and sources of atmospheric aerosols during the spring dust period in Beijing[J]. Environmental Science, 2018, 39(12): 5315-5322. |
| [18] |
胡京南, 柴发合, 段菁春, 等. 京津冀及周边地区秋冬季PM2.5爆发式增长成因与应急管控对策[J]. 环境科学研究, 2019, 32(10): 1704-1712. Hu J N, Chai F H, Duan J C, et al. Explosive growth of PM2.5 during the autumn and winter seasons in the Jing-Jin-Ji and surrounding area and its control measures with emergency response[J]. Research of Environmental Sciences, 2019, 32(10): 1704-1712. |
| [19] | Zhou Z J, Liu R, Zhang Z Y. Characteristics of winter haze pollution in the Fenwei Plain and the possible influence of EU during 1984-2017[J]. Earth and Space Science, 2020, 7(6). DOI:10.1029/2020EA001134 |
| [20] |
闫世明, 王雁, 郭伟, 等. 太原市秋冬季大气污染特征和输送路径及潜在源区分析[J]. 环境科学, 2019, 40(11): 4801-4809. 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): 4801-4809. |
| [21] |
王尚义. 刍议太行八陉及其历史变迁[J]. 地理研究, 1997, 16(1): 68-76. Wang S Y. A brief discussion on the eight Taihang passages and their vicissitudes in the history[J]. Geographical Research, 1997, 16(1): 68-76. |
| [22] |
徐杰, 高战武, 宋长青, 等. 太行山山前断裂带的构造特征[J]. 地震地质, 2000, 22(2): 111-122. Xu J, Gao Z W, Song C Q, et al. The structural characters of the piedmont fault zone of Taihang Mountain[J]. Seismology and Geology, 2000, 22(2): 111-122. DOI:10.3969/j.issn.0253-4967.2000.02.003 |
| [23] | 牛仁亮, 任阵海. 大气污染跨区影响研究: 山西大气污染影响北京的案例分析[M]. 北京: 科学出版社, 2006. |
| [24] |
李青春, 李炬, 郑祚芳, 等. 冬季山谷风和海陆风对京津冀地区大气污染分布的影响[J]. 环境科学, 2019, 40(2): 513-524. Li Q C, Li J, Zheng Z F, et al. Influence of mountain valley breeze and sea land breeze in winter on distribution of air pollutants in Beijing-Tianjin-Hebei region[J]. Environmental Science, 2019, 40(2): 513-524. |
| [25] |
王成, 闫雨龙, 谢凯, 等. 阳泉市秋冬季PM2.5化学组分及来源分析[J]. 环境科学, 2020, 41(3): 1036-1044. Wang C, Yan Y L, Xie K, et al. Analysis of chemical components and sources of PM2.5 during autumn and winter in Yangquan City[J]. Environmental Science, 2020, 41(3): 1036-1044. |
| [26] | 中国环境监测总站. 全国城市空气质量报告[R]. 北京: 中国环境监测总站, 2018-2020. |
| [27] |
姚森, 张晗宇, 王晓琦, 等. 2016年1月京津冀地区大气污染特征与多尺度传输量化评估[J]. 环境科学, 2021, 42(2): 534-545. Yao S, Zhang H Y, Wang X Q, et al. Air pollution characteristics and quantitative evaluation of multi-scale transport in the Beijing-Tianjin-Hebei region in January, 2016[J]. Environmental Science, 2021, 42(2): 534-545. |
| [28] | Chen Y, Xie S D, Luo B. Seasonal variations of transport pathways and potential sources of PM2.5 in Chengdu, China (2012-2013)[J]. Frontiers of Environmental Science & Engineering, 2018, 12(1). DOI:10.1007/s11783-018-1009-z |
| [29] | Yu H, Feng J L, Su X F, et al. A seriously air pollution area affected by anthropogenic in the central China: temporal-spatial distribution and potential sources[J]. Environmental Geochemistry and Health, 2020, 42(10): 3199-3211. DOI:10.1007/s10653-020-00558-7 |
| [30] |
姬艺珍, 郭伟, 胡正华, 等. 太原市PM2.5积累特征及重污染天气成因分析[J]. 环境科学学报, 2021, 41(3): 853-862. Ji Y Z, Guo W, Hu Z H, et al. Accumulation characteristics of PM2.5 and the causes of serious pollution weather in Taiyuan city, China[J]. Acta Scientiae Circumstantiae, 2021, 41(3): 853-862. |
| [31] |
苗蕾, 廖晓农, 王迎春. 基于长时间序列的北京PM2.5浓度日变化及气象条件影响分析[J]. 环境科学, 2016, 37(8): 2836-2846. Miao L, Liao X N, Wang Y C. Diurnal variation of PM2.5 mass concentration in Beijing and influence of meteorological factors based on long term date[J]. Environmental Science, 2016, 37(8): 2836-2846. |
| [32] |
付桂琴, 张杏敏, 尤凤春, 等. 气象条件对石家庄PM2.5浓度的影响分析[J]. 干旱气象, 2016, 34(2): 349-355. Fu G Q, Zhang X M, You F C, et al. Effect of meteorological conditions on PM2.5 concentration in Shijiazhuang of Hebei[J]. Journal of Arid Meteorology, 2016, 34(2): 349-355. |
| [33] | Tian S S, Liu Y Y, Wang J, et al. Chemical compositions and source analysis of PM2.5 during autumn and winter in a heavily polluted city in China[J]. Atmosphere, 2020, 11(4). DOI:10.3390/atmos11040336 |
| [34] | Zhang Y Y, Lang J L, Cheng S Y, et al. Chemical composition and sources of PM1 and PM2.5 in Beijing in autumn[J]. Science of the Total Environment, 2018, 630: 72-82. DOI:10.1016/j.scitotenv.2018.02.151 |
| [35] | Bao Z E, Chen L H, Li K W, et al. Meteorological and chemical impacts on PM2.5 during a haze episode in a heavily polluted basin city of eastern China[J]. Environmental Pollution, 2019, 250: 520-529. DOI:10.1016/j.envpol.2019.04.045 |
| [36] |
王郭臣, 王珏, 信玉洁, 等. 天津PM10和NO2输送路径及潜在源区研究[J]. 中国环境科学, 2014, 34(12): 3009-3016. Wang G C, Wang J, Xin Y J, et al. Transportation pathways and potential source areas of PM10 and NO2 in Tianjin[J]. China Environmental Science, 2014, 34(12): 3009-3016. |
| [37] | Fan W Z, Qin K, Xu J, et al. Aerosol vertical distribution and sources estimation at a site of the Yangtze River Delta region of China[J]. Atmospheric Research, 2019, 217: 128-136. DOI:10.1016/j.atmosres.2018.11.002 |