2022, Vol. 43
2. 山西省气象信息中心, 太原 030006
2. Shanxi Province Meteorological Information Center, Taiyuan 030006, China
霾是大量粒径为几微米以下的大气气溶胶粒子使水平能见度小于10 km、空气普遍浑浊的天气现象[1], 霾发生时, 能见度低, 空气湿度较大, 并伴随高浓度PM2.5[2, 3], 高浓度PM2.5对人体健康以及公众生活造成很大的影响[4~6], PM2.5浓度的增加, 成因主要包括污染物的大量排放和不利的扩散条件[7~9], 与此同时, 二次转化和区域传输的作用亦不可忽视, 城市间存在着大气污染的相互影响和输送污染物的传输路径[10, 11], 因此在大气污染治理中, 联防联控尤为重要[12].
京津冀及周边地区和汾渭平原仍是我国PM2.5污染最严重的区域[13, 14], 两个地区相互接壤, 大气污染物相互影响明显, 大气污染物的跨区域输送是导致华北地区秋冬季霾污染天气频发的重要原因之一[15~17].王晓琦等[18]的研究定量估算了京津冀地区PM2.5的来源贡献, 指出京津冀区域PM2.5外来源年均贡献为23.4%; 而在极端的污染天气过程中, 大气污染输送对北京重污染天气的贡献比例可能超过50%[19~21], 是最重要的污染源.
城市间可能存在着典型的大气污染输送路径, 例如影响北京市空气质量的大气污染物传输路径为沿太行山东麓“邯郸-邢台-石家庄-保定-北京”的传输通道[21]; 而影响太原市秋冬季大气污染特征和输送路径中沿汾河河谷的西南输送轨迹对太原重污染的影响概率超过80%[22]; 汾渭平原及其周边地区存在偏西和偏东北两条主要的传输路径, 偏西路径是源自关中平原西部的粒子沿秦岭向东的传输, 偏东北路径为来源于京津冀及其周边地区的粒子沿太行山向西南的传输[10].可以看出, 地形对污染物的分布以及区域传输都有显著影响, 并且结合地形的大气污染研究正在受到重视[23, 24], 例如在太行山的影响下, 东侧平原和西侧汾河河谷之间污染物传输只能沿着太行山或通过太行山的峡谷传输[25].不同特征的气团对污染天气的影响也不同, 高晋徽等[26]分析了南京地区长/近距离输送对本地气态污染物浓度变化的影响, 近距离的西北气流使南京地区气态污染物浓度升高, 而长距离输送的作用较弱; 赵恒等[27]研究了TRACE-P期间中国香港大气污染物的来源, 结果表明抵达香港的气流轨迹结果表明来自大陆的气团占47.5%, 局地输送性气团占34.6%, 海洋性气团占18.7%.在各地市“科学治污, 一市一策”政策指导下, 对本地污染源的治理越来越重视[11], 而传输导致的PM2.5污染亦不容忽视, 赵雪等[28]的研究通过对COVID-19疫情期间京津冀大气污染物变化及影响因素进行分析, 结果表明北京市的重污染天气是污染物本地积累、二次转化和区域传输共同作用的结果; 陈颢元等[29]的研究通过对京津冀和长三角地区一次重霾过程气象成因及传输特征进行分析, 结果表明在重污染前期当中东部地区受南风控制时, 京津冀地区受长三角地区传输影响较大.Ren等[30]的研究对2019年COVID-19疫情期间, 中国在人为造成气溶胶排放大大减少的情况下, 雾-霾事件仍然发生的原因进行分析, 结果表明1月30日至2月19日, 华北平原的PM2.5贡献由当地排放(40%~66%)造成, 中国其他地区PM2.5的贡献主要来自非本地来源, 来自南亚和东南亚的排放传输使中国西南部PM2.5浓度增加了50%以上.
晋中盆地是我国污染最为严重的区域之一, 盆地内最大城市——太原市的2020年空气质量为“168城市”倒数[5, 31], 除盆地地形不利扩散外, 区域传输对盆地污染物的影响也很显著[32].针对山西省太原市已有一些相关研究, 但针对晋中市和晋中盆地整体此类研究仍很少, 本研究选取晋中盆地主要城市(太原市和晋中市)2017~2019年污染较严重年份的冬季进行后向轨迹的聚类分析, 并采用污染轨迹密度(TDA)、停留时间(RTA)[33, 34]和潜在源区贡献因子(PSCF)[22]进行综合分析, 并对近地面风向进行分析, 了解两个城市的异同, 探讨晋中盆地主要城市秋冬季大气污染物的传输通道和潜在源区, 助力工业企业的合理规划布局, 控制入侵气团的污染浓度, 减少外来污染物对晋中盆地主要城市空气质量的影响.
1 材料与方法 1.1 研究区概况晋中盆地, 又称太原盆地, 太原市与晋中市属于晋中盆地主要城市, 位于晋中盆地北段, 地理上毗邻, 太原市位于晋中盆地的北端, 西、北、东三面环山, 中、南部为河谷平原, 全市整体地形北高南低呈簸箕形, 晋中市位于太行山脉中段与晋中盆地之间[图 1(a)], 东依太行山, 西临汾河, 北与省会太原市毗邻, 南与长治市和临汾市相交, 东北与阳泉市相连, 西南与吕梁市接壤, 山地、丘陵、平原皆备.地势东高西低, 呈阶梯状分布.太原市和晋中市位于太行山井陉通道两侧, 井陉通道是太行八陉的第五陉[图 1(b)], 太原市区和晋中市区同位于晋中盆地, 市区接壤, 随着城市的扩大发展, 经济生活渐渐趋于一体化, 但其污染特征呈现出不同特征[2, 22], 太原市属于京津冀大气污染传输通道“2+26”城市之一, 晋中市作为汾渭平原重点城市之一, 根据山西省气象信息中心观测资料统计结果, 太原市和晋中市冬季霾频发, 一方面由于本地大气污染物的排放量较大, 但外部传输亦不容忽视[22], 研究PM2.5冬季传输特征, 对城市通风廊道设置和未来城市规划建设有着重要的意义.
|
图 1 山西省地形图、晋中盆地主要城市地理位置和井陉通道 Fig. 1 Topographic map of Shanxi Province, geographical location of main cities in Jinzhong Basin, Jingxing passageway, and its surrounding area |
本研究采用美国国家海洋和大气管理局开发的HYSPLIT(hybrid single-particle lagrangian integrated trajectory)模式来分析晋中盆地主要城市大气污染物的来源以及移动轨迹, 该模式被广泛应用于大气输送研究及污染过程分析中[35, 36], 本研究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.
本研究所采用的潜在源贡献因子分析法(potential source contribution function, PSCF)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; PSCF的计算公式参见文献[22, 36].
本研究采用轨迹密度分析方法(trajectory density analysis, TDA), 将分析区域划分为0.2°×0.2°网格, 对每个网格包含的轨迹条数进行统计, 用颜色表示其数量的多寡, 从而表征污染物的传输通道; 此外还采用停留时间分析方法(residence time analysis, RTA)[33, 34], 同样将分析区域划分为0.2°×0.2°网格, 对每个网格内每条轨迹的停留时间进行统计(用每条轨迹的计算端点代表), 与在区域中停留时间较长的空气团相比, 快速通过污染物源区域的空气团积聚污染物的时间更少; 以每条轨迹通过某个网格一次为基准, RTA轨迹端点数与TDA轨迹数之差代表轨迹停留的时间超过基准数, 可表征气团移动缓慢的区域.
1.3 数据来源用于后向轨迹模式计算的气象场资料(2017~2019年)为美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)提供的全球资料同化系统(global data assimilation system, GDAS)数据库(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1), 每日4个时次, 即00:00、06:00、12:00和18:00 UTC, 水平分辨率为1°×1°.同时收集太原市和晋中市2017~2019年逐时颗粒物(PM2.5和PM10)浓度资料, 数据采用山西省生态环境监测和应急保障中心(山西省环境科学研究院)提供的2017~2019年PM2.5、PM10小时浓度数据, 采样方法、设备和数据质量控制按照文献[37]进行, 对应时刻的地面风向风速数据来源于山西省气象信息中心.
2 结果与讨论 2.1 晋中盆地主要城市颗粒物污染特征分析图 2给出了晋中盆地主要城市颗粒物年际变化趋势, 分析可知, 太原市和晋中市虽然地理上毗邻, 均位于晋中盆地北段, 但其颗粒物污染呈现出不同特征, 太原市和晋中市颗粒物2017~2019年基本呈现下降趋势, 这可能与山西省加大力度对大气环境进行治理, 严格控制污染物排放有关[38, 39].通过对颗粒物的季节变化进行分析(图 3), 结果表明, 太原市颗粒物浓度总体水平在各季节均要高于晋中市; 各季节中, 晋中盆地主要城市冬季颗粒物浓度最高, 夏季浓度要低于其余季节, 晋中市冬季小时ρ(PM10)均值为137.29μg·m-3, 太原市为153.16μg·m-3, 晋中市夏季小时ρ(PM10)均值为72.33μg·m-3, 太原为87.27μg·m-3, 晋中市冬季小时ρ(PM2.5)均值为79.42μg·m-3, 太原市为89.66μg·m-3, 晋中市夏季小时ρ(PM2.5)均值为38.52μg·m-3, 太原为41.47μg·m-3, 这与太原盆地主要城市的天气气候特征及污染物排放特征有关, 与颗粒物的传输亦有关[2, 22].
|
图 2 2017~2019年晋中盆地主要城市颗粒物变化特征 Fig. 2 Variation characteristics of particulate matter in major cities in Jinzhong Basin from 2017 to 2019 |
|
图 3 晋中盆地主要城市颗粒物浓度季节变化特征 Fig. 3 Seasonal variation characteristics of particulate matter concentration in main cities in Jinzhong Basin |
图 4给出了太原市和晋中市PM10浓度变化情况, 结果表明, 太原市PM10浓度[图 4(b)]整体水平较晋中市PM10浓度[图 4(a)]高, 太原市PM10浓度高值出现在1、4、5和11月, 晋中市PM10浓度高值主要集中在1月, 这种差异可能是由于两地污染来源的差异和扩散条件不同导致的[19, 23], 此外, 沙尘的影响亦能导致这种差异, 根据山西省气象信息中心天气现象观测结果数据, 通过对晋中市和太原市污染过程的统计结果分析表明, 太原市受沙尘影响较晋中市多, 2017~2019年期间, 太原市, 总污染过程为154次, 沙尘型污染过程有10次, 静稳型污染过程33次, 其余(臭氧型或其他型)11次, 沙尘型污染过程占比为18.5%, 晋中市总污染过程为27次, 其中沙尘型污染过程为3次, 静稳型为16次, 其余(臭氧型和其他型)8次, 沙尘型污染过程占比为11.1%.
|
图 4 2017~2019年晋中盆地主要城市PM10浓度分布情况 Fig. 4 Diurnal and monthly variations of PM10 in Jinzhong Basin from 2017 to 2019 |
图 5给出了太原市和晋中市PM2.5浓度变化情况, 结果表明, 太原市PM2.5浓度[图 5(b)]整体水平亦高于晋中市PM2.5浓度[图 5(a)], 太原市PM2.5浓度高值主要集中在1月和2月、其次是11月和12月, 晋中市PM2.5浓度分布特征类似, 在浓度最高的1月, 太原市小时ρ(PM2.5)平均最高值出现在01:00~03:00(117.0~119.0μg·m-3), 次高值出现在19:00~21:00(111.0~113.0μg·m-3), 晋中市小时ρ(PM2.5)最高值出现在21:00(111.0μg·m-3), 究其原因, 可能与两个城市工业企业生产布局的不同导致污染排放差异有关[4], 亦与混合层高度有关[40], 此外可能与污染物夜间的输送亦有关[22, 25, 41].
|
图 5 2017~2019年晋中盆地主要城市PM2.5浓度分布情况 Fig. 5 Diurnal and monthly variations in PM2.5 in Jinzhong Basin from 2017 to 2019 |
PM2.5/PM10在一定程度上可表征颗粒物污染类型和特征, 当出现静稳型颗粒物污染时, PM2.5/PM10比值较高(通常≥0.35), 当出现沙尘型颗粒物污染时, PM2.5/PM10比值较小(通常＜0.35)[42, 43], 图 6给出了晋中市和太原市PM2.5/PM10分布情况, 结果表明, 太原市PM2.5/PM10[图 6(b)]高值主要集中在1月和2月, 其中1月高值基本出现在18:00~19:00(PM2.5/PM10比值均为0.63), 2月高值出现在09:00~11:00(PM2.5/PM10比值均为0.63), 次高值出现在7月, 集中在11:00~13:00(PM2.5/PM10比值范围为0.56~0.57), 晋中市PM2.5/PM10[图 6(a)]较太原市整体水平较高, 晋中市PM2.5所占比重较大, 表明相较太原市, 晋中市受静稳型天气形势引起的颗粒物污染较受沙尘型天气形势导致的颗粒物污染更普遍一些, 晋中市PM2.5/PM10最高值出现在2月, 其次是1月, 2月PM2.5/PM10高值出现在凌晨03:00~06:00(PM2.5/PM10比值范围为0.63~0.65), 1月PM2.5/PM10高值出现在02:00(0.63), 此外夏季7月和8月PM2.5/PM10亦出现较高值, 7月PM2.5/PM10高值集中在午后14:00~15:00(PM2.5/PM10比值范围为0.60~0.61), 8月PM2.5/PM10高值集中在15:00~16:00(PM2.5/PM10比值范围为0.59~0.61), 此外7月和8月PM2.5/PM10在早间07:00~08:00亦较高(PM2.5/PM10比值范围为0.59~0.60), 太原市PM2.5/PM101月和2月均出现高值, 其中1月PM2.5/PM10高值出现在18:00和19:00(PM2.5/PM10比值为0.63), 2月PM2.5/PM10高值出现在10:00和11:00(PM2.5/PM10比值为0.63), 7月PM2.5/PM10在11:00~13:00出现次高值(PM2.5/PM10比值范围为0.56~0.57), 这些差异可能与PM2.5浓度和近地面湿度有关, 在湿度较大时段, PM2.5会出现吸湿增长[2, 41], 此外, PM2.5占比与不同地区颗粒物排放特征、反应特征、累积特征和扩散气象条件亦有关[2, 38].
|
图 6 2017~2019年晋中盆地主要城市PM2.5/PM10浓度分布情况 Fig. 6 Diurnal and monthly variations in PM2.5/PM10in Jinzhong Basin from 2017 to 2019 |
通过对晋中市和太原市PM10[图 7(a)]和PM2.5[图 7(b)]的分布特征进行分析, 结果表明: 在2017~2019年期间, 太原市和晋中市小时ρ(PM10)均最多分布在50~100μg·m-3区间范围内, 该区间范围内小时浓度数据值占总体小时浓度数据的比在晋中市为38.8%, 太原市为33.3%, 其次太原市和晋中市小时ρ(PM10)较多分布在50~100μg·m-3区间范围内, 该区间范围内小时浓度数据值占总体小时浓度数据的比在晋中市为26.4%, 太原市为24.5%, 在＞150μg·m-3的区间范围内时, 小时浓度数据占总体小时浓度数据的比在太原市为30.2%, 晋中市为19.5%, 在＜50μg·m-3的区间范围内时, 小时浓度数据占总体小时浓度数据的比在太原市为10.1%, 晋中市为17.2%.综上所述, 小时ρ(PM10)分布基本呈现出晋中市中间值较多(50~100μg·m-3区间), 相较晋中市, 太原呈现高值(＞150 μg·m-3)偏多、低值(＜50μg·m-3)偏少特点; 在2017~2019年期间, 太原市和晋中市小时ρ(PM2.5)均最多分布在25~50μg·m-3区间范围内, 该区间范围内小时浓度数据值占总体小时浓度数据比在晋中市为39.7%, 太原市为32.7%, 其次太原市和晋中市小时ρ(PM2.5)较多分布在50~75μg·m-3区间范围内, 该区间范围内小时浓度数据值占总体小时浓度数据的比在晋中市为21.5%, 太原市为22.3%, 在＞75μg·m-3的区间范围内时, 小时浓度数据占总体小时浓度数据的比在太原市为26.3%, 晋中市为19.7%, 在＜25μg·m-3的区间范围内时, 小时浓度数据占总体小时浓度数据的比在太原市为18.6%, 晋中市为19.0%, 综上所述, 小时PM2.5浓度分布基本特征与小时PM10浓度分部特征类似, 呈现出晋中市中间值较多(50~75μg·m-3区间)的特点.相较晋中市, 太原市呈现出高值(＞75 μg·m-3)偏多、低值(＜25μg·m-3)偏少特点.这可能由于两个地市两种污染物来源[22, 43, 44]及累积特征不同[2]和清除过程[43]有所差异导致的.
|
图 7 2017~2019年晋中盆地主要城市颗粒物浓度分布特征 Fig. 7 Distribution characteristics of aerosol in Jinzhong Basin from 2017 to 2019 |
分析可知, 冬季为晋中盆地主要城市颗粒物污染高发季节.受冬季天气气候特征和冬季采暖等污染物排放等影响, 晋中盆地冬季常出现以PM2.5为首要污染物, 对应天气形势为静稳型的污染[21, 43].
2.2 后向轨迹密度(TDA)分析图 8给出了晋中市和太原市2017~2019年各季后向轨迹密度(TDA), 从中可知, 晋中市后向轨迹密度分布情况和太原市后向轨迹密度情况类似, 但后向轨迹密度分布有较为明显的季节差异, 春季西北, 东北、西南和东南方向气流轨迹密度较为均衡, 西北方向略多, 夏季气流轨迹主要集中在东北、东南方向, 秋季主要分布在西北、东北和东南这3个方向, 冬季西北方向气流轨迹较多, 轨迹密度的季节分布差异由于晋中盆地地处中纬度地带大陆内部, 各季节盛行风向差异导致的, 轨迹结果与晋中盆地所处的的地理位置和季风气候是相适应的[41, 43].高浓度PM10污染多受沙尘传输影响[43, 44], 而PM2.5污染受本地污染物排放及外来传输影响都不容忽视[10, 30], 沙尘天气和静稳型天气导致的颗粒物污染, 其首要污染物、污染成因和治理措施均有所不同, 而晋中盆地冬季属于以PM2.5为首要污染物的静稳型污染高发季节, 本文将着重对晋中盆地冬季PM2.5传输特征进行分析.
|
黄色部分为100条以上轨迹集中区域 图 8 2017~2019年晋中市和太原市各季后向轨迹密度(TDA)分析结果 Fig. 8 TDA results of Jinzhong and Taiyuan from 2017 to 2019 |
图 9给出了2017~2019年晋中盆地主要城市以PM2.5为首要污染物的静稳型污染和以PM10为首要污染物的沙尘型污染发生时TDA分析结果, 分析表明, 静稳型和沙尘型气流轨迹分布有较为明显的差异, 沙尘型污染气流轨迹主要集中在西北方向, 和影响晋中盆地主要城市的沙尘路径基本一致[41], 且太原市沙尘型气流轨迹较晋中市密集, 这和太原市受沙尘影响较晋中市多的结果是一致的; 从静稳型污染气流轨迹分布来看, 晋中市和太原市静稳型污染轨迹密集的区域主要分布在太原、晋中、吕梁、长治、临汾和晋城地区, 此外还包括河北省的西南部, 河南省西北部和陕西省东北部, 表明晋中盆地静稳型污染发生时PM2.5传输通道涵盖了上述地区, 而太原市静稳型污染气流轨迹密度较晋中市大, 这与太原市PM2.5污染较晋中市严重的结果是一致的.
|
黄色部分为100条以上轨迹集中区域 图 9 2017~2019年晋中市和太原市沙尘型和静稳型污染轨迹密度分析结果图及污染传输通道 Fig. 9 TDA results of dust and stagnant air pollution in Jinzhong and Taiyuan from 2017 to 2019 |
受冬季气象条件以及冬季采暖等因素的影响, 晋中盆地静稳型污染多发生在冬季, 图 10给出了晋中市和太原市冬季2017~2019年PM2.5污染轨迹[轨迹对应ρ(PM2.5)>75μg·m-3]分布情况, 受冬季气象条件以及冬季采暖等因素的影响, 晋中盆地静稳型污染多发生在冬季, 污染轨迹密度分布可表征污染物传输通道, 结合轨迹聚类分析结果可知, 晋中市和太原市污染轨迹分布情况较为类似, 晋中市及太原市冬季PM2.5传输通道均可分为4类, 通过对4类通道对比分析可知, 第一类通道为近距离传输通道, 基本与太行八陉的井陉通道相重合, 污染物沿太行山横谷传输[25], 晋中市第一类通道占比约为7.42%, 对应小时ρ(PM2.5)均值约为121.0μg·m-3, 此类通道污染气流移动平均速度约为2.12m·s-1, 太原市第一类通道占比约为6.87%, 对应小时ρ(PM2.5)均值约为119.82μg·m-3, 污染气流移动平均速度约为1.79m·s-1; 第二类通道为偏东南方向传输通道, 经过晋中、长治、晋城, 河南省北部, 河北省南部, 第二类传输通道沿华北平原绕太行山传输, 此类传输通道污染轨迹密度较第一类传输通道大, 晋中市第二类通道占比为12.49%, 对应小时ρ(PM2.5)均值约为132.9μg·m-3, 此类通道污染气流移动平均速度约为2.12m·s-1, 太原市第二类通道占比为13.07%, 对应小时ρ(PM2.5)均值约为172.7μg·m-3, 污染气流移动平均速度约为1.94m·s-1, 第一、二类气流传输受偏东南气流影响[32], 会携带较多水汽, 且移动较为缓慢, 属于近距离传输, 当PM2.5沿此类通道传输时会容易吸湿增长, 从而可能加重本地污染; 第三类传输通道为西北方向传输通道, 在各个方向气流轨迹中占比最多, 晋中市第三类轨迹占比约为45.66%, 对应小时ρ(PM2.5)均值约为125.99μg·m-3, 此类通道污染气流移动平均速度约为6.5m·s-1, 太原市第三类轨迹占比约为47.19%, 对应小时ρ(PM2.5)均值约为125.31μg·m-3, 污染气流移动平均速度约为6.14m·s-1, 此类传输通道气流轨迹较为密集, 在各类轨迹中占比最多, 气流移动速度在各类通道中移动速度最快, 这是由于晋中盆地地处中纬度地带大陆内部, 西北风盛行, 与晋中盆地所处的地理位置和冬季季风气候特征相适应[41], 此外, 通过研究近地面PM2.5累积特征表明, 冬季晋中盆地近地面PM2.5污染往往在冷空气到达前达到最严重, 此后随着近地面风向转为西北风向, 扩散条件好转, 污染过程结束[2, 43], PM2.5此类积累特征表现在污染轨迹密度分布情况上看, 即为西北方向第三类传输通道, 此外, 第三类传输通道, 还对应为沙尘传输通道之一[41, 43, 44], 当沙尘经沙源地到达目标城市初期, 近地面PM10、PM2.5浓度均会呈现增加, 但同时PM2.5/PM10会下降[43, 44]; 第四类传输通道对应汾渭平原传输通道, 晋中市第四类轨迹占比约为34.43%, 对应小时ρ(PM2.5)均值约为140.4μg·m-3, 此类通道污染气流移动平均速度约为4.68m·s-1, 太原市第四类轨迹占比约为32.86%, 对应小时ρ(PM2.5)均值约为176.35μg·m-3, 污染气流移动平均速度约为4.45m·s-1, 此类通道污染轨迹占比亦较多, 通道内气流轨迹对应PM2.5浓度在四类通道中最高, 这表明气团在通过第四类通道时, 携带更高浓度的污染物, 这可能是汾渭平原各城市受地形等因素影响, 随着气流方向的变化, 各城市之间PM2.5常互相传输, 从而裹挟更多的污染物, 导致汾渭平原PM2.5浓度经常在时空分布特征上呈现出一定的关联性[45].
|
黄色部分为100条以上轨迹集中区域 图 10 2017~2019年晋中市和太原市冬季污染轨迹密度分析结果及PM2.5传输通道 Fig. 10 TDA results and pollution transmission passageway in winter of Jinzhong and Taiyuan from 2017 to 2019 |
图 11给出了晋中市和太原市2017~2019年冬季RTA污染轨迹分析结果, 以及以RTA污染轨迹端点数与TDA污染轨迹数之差, 针对晋中市和太原市RTA污染轨迹端点数进行分析[图 11(a)和图 11(b)], 不同颜色表示其数量的多寡, 从而可表征污染物的传输通道.从中可知, 分析结果与图 10污染轨迹密度分析结果略有不同, 这是由于RTA污染轨迹端点数考虑了网格内轨迹端点的停留, 所以计算出的传输通道范围要大于轨迹密度分析法计算出的通道范围, 通过计算RTA污染轨迹端点数与TDA污染轨迹数之差[图 11(c)和图 11(d)], 分析污染轨迹停留的时间超过基准数, 从而表征污染轨迹移动缓慢的区域.结果表明, 晋中盆地主要城市冬季污染轨迹停留时间较长的区域包括山西省的吕梁地区、阳泉市、长治市、晋城市和临汾市, 陕西省东北部、河北省西南部、河南省北部, 有研究表明, 停留时间越长, 气团包裹的污染物会更多[33, 34], 在越接近受体点区域, 气流轨迹移动越缓慢, 表明晋中盆地主要城市冬季PM2.5污染在天气静稳, 风速较小的时候更容易发生, 这与PM2.5累积特征是一致的[2].从其分布特征来看, 值得注意的是, 陕西省西安市周边、汉中市附近等地亦出现高值区域, 表明在时空分布特征上, 汾渭平原PM2.5污染呈现出一定的关联性[10, 45], 另一方面, 汉中出现高值, 可能由于汉中平原北依秦岭, 南靠巴山, 受地形的影响, 汉中市PM2.5在静小风时, 亦容易出现污染物的堆积, 成为晋中盆地主要城市PM2.5潜在源区.
|
黄色部分为100条以上轨迹集中区域 图 11 2017~2019年晋中市和太原市冬季污染轨迹轨迹停留时间(RTA轨迹数端点数)及RTA污染轨迹数与TDA污染轨迹密度差 Fig. 11 RTA results and the difference in RTA results and TDA results in winter of Jinzhong and Taiyuan from 2017 to 2019 |
将后向轨迹结合PM2.5浓度采用潜在源贡献因子分析法(PSCF)来定位潜在污染源区位置并定量给出污染贡献大小[14], PSCF的计算值越大, 表明该网格对计算点PM2.5浓度的影响越大.通过对后向轨迹聚类分析结果结合PM2.5浓度, 采用潜在源贡献因子分析法(PSCF)给出太原市和晋中市冬季PM2.5污染潜在源区(图 12), 将潜在源贡献因子分析法(PSCF)定位的潜在源区与RTA轨迹数端点数进行对比分析, 由图 12可知, 30以上RTA轨迹数端点数分布范围包含了PSCF定位的贡献0.7以上的潜在源区, 但在西北方向, 30以上RTA轨迹数端点数分布范围要大于PSCF定位的贡献0.7以上的潜在源区范围, 这是由于PSCF计算方法[37]是基于条件的概率函数计算所得.晋中盆地冬季西北风盛行, 西北方向气流虽轨迹较多, 但其污染轨迹所占总轨迹的比例较其他方向占比少所致.
|
蓝色线框内为停留端点数为30以上污染轨迹区域粗紫色框线为停留端点数为50以上污染轨迹区域 图 12 晋中市和太原市2017~2019年冬季PM2.5潜在源区(PSCF)及污染轨迹停留时间(TDA)端点数 Fig. 12 PSCF and TDA results in winter of Jinzhong and Taiyuan from 2017 to 2019 |
综合分析表明, 污染轨迹密集(污染轨迹100条以上)的区域, 以及气流移动缓慢(RTA污染轨迹端点数＞50)的区域易成为目标城市潜在源区(PSCF贡献0.7以上), 晋中市冬季PM2.5主要潜在源区(PSCF贡献0.7以上), 主要分布在山西省的临汾、晋城等地.此外, 还包括河南省北部, 河北省南部, 陕西省中南部, 值得注意的是, 在陕西省西安、铜川, 汉中等地亦出现0.9以上的高值中心, 表明当此类城市出现高浓度PM2.5污染时, 尤其应注意其传输与晋中盆地之间互相影响.太原市冬季PM2.5主要潜在源区(PSCF贡献0.7以上)包括山西境内的吕梁市南部、阳泉市、临汾市、运城市及晋中市南部, 此外还包括陕西中南部大部分地区、河南省北部和河北省南部部分地区. 太原市PSCF的计算值0.7以上的高值分布范围较晋中市广, PSCF的计算值0.9以上分布范围亦较晋中市广, 表明太原市冬季PM2.5潜在源区分布范围要大于晋中市.
2.4 近地面风对冬季PM2.5的影响通过潜在源区(PSCF)分析、轨迹密度(TDA)分析、停留时间(RTA)分析.结果表明, 晋中盆地主要城市在冬季PM2.5污染发生时, 晋中市和太原市污染轨迹停留区域以及潜在源区基本呈现类似的分布特征, 分布范围略有不同, 太原市潜在源区较晋中市范围广, 以上分析方法普遍针对高空气流(起始高度300 m).图 13给出的是太原市和晋中市冬季在不同近地面风向影响下PM2.5的污染呈现出的特征, 给出了冬季晋中市及太原市风频与PM2.5浓度关系.分析表明, 晋中市近地面全年主导风向以偏东风为主(NE、ENE和E这3个风向频率之和为40.4%), 其中, 当风向为E时, 出现轻度以上污染的频率为8.1%, 在各个风向中最高.与晋中市不同, 太原市近地面以偏北气流为主(NW、NNW和N这3个风向频率之和为29.9%), 轻度以上污染多发生在近地面为偏南气流时, 其中当地面风向为SSW时, 轻度污染以上污染天气出现频率在各个风向中最高, 为5.1%. 这些差异可能由于地形影响造成, 太原市地形北高南低呈簸箕形, 晋中市地势东高西低, 呈阶梯状分布(图 1), 地形差异导致近地面主导风向亦有所差异, 并导致冬季PM2.5近地面传输特征的差异[22, 25].此外, 太原市出现静风的频率(4.9%)要高于晋中市(1.0%), 且太原市出现静风时, 出现轻度污染以上的频率(3.4%)亦高于晋中市(0.5%), 亦表明两个城市PM2.5具有不同累积特征[2].
|
图 13 2017~2019年晋中市和太原市风频与PM2.5浓度关系 Fig. 13 Relationship between wind direction frequency and PM2.5 concentration in Jinzhong and Taiyuan from 2017 to 2019 |
(1) 位于晋中盆地北段的晋中市和太原市大气颗粒物污染呈现出不同特征, 太原市颗粒物浓度整体水平高于晋中市, 月、季变化特征类似, 均呈现冬季高, 夏季低的特征, 最高值出现在1月份; 晋中市受静稳型天气形势引起的颗粒物污染较受沙尘型天气形势导致的颗粒物污染相较太原市更普遍一些. 颗粒物的分布呈现出晋中市中间值较多, 太原市高值偏多、低值偏少的特点, 冬季为晋中盆地PM2.5污染高发季节.
(2) 晋中市及太原市冬季PM2.5传输通道均可分为4类: 第一类通道基本与太行八陉的井陉通道相重合, 污染物沿太行山横谷传输.第二类通道为偏东南方向传输通道, 经过晋中、长治、晋城、河南省北部和河北省南部, 第一、二类均为近距离传输通道, 且携带较多水汽, PM2.5沿此类通道传输时容易吸湿增长加重本地污染. 第三类传输通道为西北方向传输通道, 对应冬季晋中盆地近地面PM2.5污染在冷空气到达前达到最严重时段的气流轨迹, 此外, 还对应为沙尘传输通道之一. 第四类通道为汾渭平原传输通道, 对应汾渭平原各城市之间PM2.5的传输, 对应高浓度的PM2.5污染.
(3) 污染轨迹密集(污染轨迹100条以上)的区域, 以及气流移动缓慢(RTA污染轨迹端点数＞50)的区域易成为目标城市潜在源区(PSCF贡献0.7以上), 晋中市冬季PM2.5潜在源区(PSCF贡献0.7以上), 主要分布在山西省的临汾、晋城等地, 此外, 还包括河南省北部, 河北省南部, 陕西省中南部. 在PSCF贡献0.9以上的高值区域出现污染时, 应注意其与晋中盆地城市之间的互相传输的影响.太原市冬季PM2.5主要潜在源区(PSCF贡献0.7以上)分布范围较晋中市广, 包括山西境内的吕梁市南部、阳泉市、临汾市、运城市及晋中市南部, 此外还包括陕西南部大部分地区、河南省北部和河北省南部部分地区, PSCF贡献0.9以上的高值中心分布较晋中市广.
(4) 晋中市和太原市在轻度以上污染出现时, 对应地面风向有差异, 晋中市近地面风向为E时, 出现轻度以上污染的频率为8.1%, 在各个风向中最高.与晋中市不同, 太原市近地面风向为SSW时, 轻度污染以上污染天气出现频率在各个风向中最高, 为5.1%, 且太原市出现静风时, 出现轻度污染以上的频率(3.4%)亦高于晋中市(0.5%).
| [1] | GB/T 36542-2018, 霾的观测识别[S]. |
| [2] |
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. |
| [3] | 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 |
| [4] |
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. |
| [5] |
郑治斌, 崔新强, 廖移山. 我国霾研究进展及公共安全影响应对[J]. 沙漠与绿洲气象, 2019, 13(4): 135-143. Zheng Z B, Cui X Q, Liao Y S. The Progress of haze research in china and the response to public security[J]. Desert and Oasis Meteorology, 2019, 13(4): 135-143. |
| [6] |
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. |
| [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 & 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] |
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. |
| [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] | Wang A N, Jing J L, Luo F L, et al. Analysis of AQI change characteristics and correlation with PM2.5 and PM10 in Beijing-Tianjin-Hebei region[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2020, XLⅡ-3/W10: 1041-1048. |
| [14] |
姬艺珍, 郭伟, 胡正华, 等. 基于积累速率的汾渭平原秋冬季PM2.5污染特征及影响因素分析[J]. 环境科学学报, 2021, 41(9): 3673-3682. Ji Y Z, Guo W, Hu Z H, et al. The pollution characteristics and influencing factors of PM2.5 in autumn and winter seasons in Fenwei Plain based on accumulation rate[J]. Acta Scientiae Circumstantiae, 2021, 41(9): 3673-3682. |
| [15] |
王自发, 李杰, 王哲, 等. 2013年1月我国中东部强霾污染的数值模拟和防控对策[J]. 中国科学: 地球科学, 2014, 57(1): 3-14. Wang Z F, Li J, Wang Z, et al. Modeling study of regional severe hazes over mid-eastern China in January 2013 and its implications on pollution prevention and control[J]. Science China Earth Sciences, 2014, 57(1): 3-13. |
| [16] | Sun J J, Huang L, Liao H, et al. Impacts of regional transport on particulate matter pollution in China: a review of methods and results[J]. Current Pollution Reports, 2017, 3(3): 182-191. DOI:10.1007/s40726-017-0065-5 |
| [17] | Gu Y X, Yan F X, Xu J M, et al. Mitigated PM2.5 changes by the regional transport during the COVID-19 lockdown in Shanghai, China[J]. Geophysical Research Letters, 2021, 48(8). DOI:10.1029/2021GL092395 |
| [18] |
王晓琦, 郎建垒, 程水源, 等. 京津冀及周边地区PM2.5传输规律研究[J]. 中国环境科学, 2016, 36(11): 3211-3217. Wang X Q, Lang J L, Cheng S Y, et al. Study on transportation of PM2.5 in Beijing-Tianjin-Hebei (BTH) and its surrounding area[J]. China Environmental Science, 2016, 36(11): 3211-3217. DOI:10.3969/j.issn.1000-6923.2016.11.002 |
| [19] |
李璇, 聂滕, 齐珺, 等. 2013年1月北京市PM2.5区域来源解析[J]. 环境科学, 2015, 36(4): 1148-1153. Li X, Nie T, Qi J, et al. Regional source apportionment of PM2.5 in Beijing in January 2013[J]. Environmental Science, 2015, 36(4): 1148-1153. |
| [20] |
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. |
| [21] |
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. |
| [22] |
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. |
| [23] |
黄小刚, 赵景波, 孙从建, 等. 汾渭平原PM2.5空间分布的地形效应[J]. 环境科学, 2021, 42(10): 4582-4592. Huang X G, Zhao J B, Sun C J, et al. Orographic influences on the spatial distribution of PM2.5 on the Fen-Wei Plain[J]. Environmental Science, 2021, 42(10): 4582-4592. |
| [24] |
朱燕, 赵天良, 白永清, 等. 两湖盆地冬季区域大气颗粒物污染特征及独特的风场和下垫面影响[J]. 环境科学, 2021, 42(10): 4669-4677. Zhu Y, Zhao T L, Bai Y Q, et al. Characteristics of atmospheric particulate matter pollution and the unique wind and underlying surface impact in the Twain-Hu Basin in winter[J]. Environmental Science, 2021, 42(10): 4669-4677. |
| [25] |
王雁, 郭伟, 闫世明, 等. 太行山两侧污染物传输对横谷城市气溶胶的影响分析[J]. 环境科学, 2021, 42(9): 4104-4115. Wang Y, Guo W, Yan S M, et al. Influence of pollutant transport from both sides of the Taihang Mountains on cross-valley urban aerosols[J]. Environmental Science, 2021, 42(9): 4104-4115. |
| [26] |
高晋徽, 朱彬, 王东东, 等. 南京北郊O3、NO2和SO2浓度变化及长/近距离输送的影响[J]. 环境科学学报, 2012, 32(5): 1149-1159. Gao J H, Zhu B, Wang D D, et al. The variation of air pollutants and the impact of long-range transport in the northern suburb of Nanjing[J]. Acta Scientiae Circumstantiae, 2012, 32(5): 1149-1159. |
| [27] |
赵恒, 王体健, 江飞, 等. 利用后向轨迹模式研究TRACE-P期间香港大气污染物的来源[J]. 热带气象学报, 2009, 25(2): 181-186. Zhao H, Wang T J, Jiang F, et al. Investigation into the source of air pollutants to Hong Kong by using backward trajectory method during the Trace-P campaign[J]. Journal of Tropical Meteorology, 2009, 25(2): 181-186. DOI:10.3969/j.issn.1004-4965.2009.02.008 |
| [28] |
赵雪, 沈楠驰, 李令军, 等. COVID-19疫情期间京津冀大气污染物变化及影响因素分析[J]. 环境科学, 2021, 42(3): 1205-1214. Zhao X, Shen N C, Li L J, et al. Analysis of changes and factors influencing air pollutants in the Beijing-Tianjin-Hebei region during the COVID-19 pandemic[J]. Environmental Science, 2021, 42(3): 1205-1214. |
| [29] |
陈颢元, 王晓琦, 程水源, 等. 京津冀和长三角地区一次重霾过程气象成因及传输特征[J]. 中国环境科学, 2021, 41(6): 2481-2492. Chen H Y, Wang X Q, Cheng S Y, et al. Analysis of meteorological causes and transmission characteristics of a heavy haze process in Beijing Tianjin Hebei and Yangtze River delta[J]. China Environmental Science, 2021, 41(6): 2481-2492. DOI:10.3969/j.issn.1000-6923.2021.06.001 |
| [30] | Ren L L, Yang Y, Wang H L, et al. Aerosol transport pathways and source attribution in China during the COVID-19 outbreak[J]. Atmospheric Chemistry and Physics, 2021, 21(20): 15431-15445. DOI:10.5194/acp-21-15431-2021 |
| [31] | 中华人民共和国生态环境部. 2020中国生态环境状况公报[EB/OL]. https://www.mee.gov.cn/hjzl/sthjzk/, 2021-01-01. |
| [32] |
裴坤宁, 高兴艾, 王淑敏, 等. 晋东南地区冬季PM2.5污染输送路径分析[J]. 中国环境科学, 2022, 42(2): 557-567. Pei K N, Gao X A, Wang S M, et al. Analysis of PM2.5 pollution transportation path in winter in southeast Shanxi province[J]. China Environmental Science, 2022, 42(2): 557-567. DOI:10.3969/j.issn.1000-6923.2022.02.007 |
| [33] | Ashbaugh L L. A statistical trajectory technique for determining air pollution source regions[J]. Journal of the Air Pollution Control Association, 1983, 33(11): 1096-1098. DOI:10.1080/00022470.1983.10465702 |
| [34] | Ashbaugh L L, Malm W C, Sadeh W Z. A residence time probability analysis of sulfur concentrations at grand canyon national park[J]. Atmospheric Environment (1967), 1985, 19(8): 1263-1270. DOI:10.1016/0004-6981(85)90256-2 |
| [35] | Draxler R R, Hess G D. Description of the HYSPLIT_4 modelling system[R]. NOAA Technical Memorandum ERL ARL-224, Sliver Spring: NOAA Air Resources Laboratory, 1997. |
| [36] | Zeng Y, Hopke P K. A study of the sources of acid precipitation in Ontario, Canada[J]. Atmospheric Environment (1967), 1989, 23(7): 1499-1509. DOI:10.1016/0004-6981(89)90409-5 |
| [37] | HJ 817-2018, 环境空气颗粒物(PM10和PM2.5)连续自动监测系统运行和质控技术规范[S]. |
| [38] |
张小曳, 徐祥德, 丁一汇, 等. 2013~2017年气象条件变化对中国重点地区PM2.5质量浓度下降的影响[J]. 中国科学: 地球科学, 2019, 62(4): 483-500. Zhang X Y, Xu X D, Ding Y H, et al. The impact of meteorological changes from 2013 to 2017 on PM2.5 mass reduction in key regions in China[J]. Science China Earth Sciences, 2019, 62(12): 1885-1902. |
| [39] | Vu T V, Shi Z B, Cheng J, et al. Assessing the impact of clean air action on air quality trends in Beijing using a machine learning technique[J]. Atmospheric Chemistry and Physics, 2019, 19(17): 11303-11314. DOI:10.5194/acp-19-11303-2019 |
| [40] | 汪文雅. 太原市大气混合层厚度变化特征分析[A]. 见: 第33届中国气象学会年会S12大气物理学与大气环境[C]. 西安: 中国气象学会, 2016. |
| [41] | 郝寿昌, 秦爱民, 李旭峰. 山西省天气预报技术手册[M]. 北京: 气象出版社, 2016. |
| [42] | Tong D Q, Dan M, Wang T, et al. Long-term dust climatology in the western United States reconstructed from routine aerosol ground monitoring[J]. Atmospheric Chemistry and Physics, 2012, 12: 5189-5205. DOI:10.5194/acp-12-5189-2012 |
| [43] |
王小兰, 闫世明, 王雁, 等. 太原市冬季一次霾和沙尘"混合型污染"过程天气成因分析[J]. 气象与环境科学, 2021, 44(4): 43-52. Wang X L, Yan S M, Wang Y, et al. Analysis of the synoptic causes for a haze and dust "Mixed Pollution" process in Taiyuan City in winter[J]. Meteorological and Environmental Sciences, 2021, 44(4): 43-52. |
| [44] |
闫世明, 王雁, 张岳军, 等. 五台山春季气溶胶传输特征[J]. 中国环境科学, 2020, 40(2): 497-505. Yan S M, Wang Y, Zhang Y J, et al. Aerosol transmission characteristics of spring in Wutai mountain[J]. China Environmental Science, 2020, 40(2): 497-505. DOI:10.3969/j.issn.1000-6923.2020.02.004 |
| [45] |
贺冉冉, 朱兰保, 周开胜. 基于时间序列模型残差的中国东部地区空气质量指数(AQI)空间自相关特征分析[J]. 环境科学学报, 2017, 37(7): 2459-2467. He R R, Zhu L B, Zhou K S. Spatial autocorrelation analysis of air quality index (AQI) in eastern China based on residuals of time series models[J]. Acta Scientiae Circumstantiae, 2017, 37(7): 2459-2467. |