2024, Vol. 45
2. 山西省气象科学研究所, 太原 030002;
3. 山西省阳泉市生态环境监测中心, 阳泉 045000
2. Shanxi Institute of Meteorological Sciences, Taiyuan 030002, China;
3. Yangquan Ecological Environment Monitoring Center, Yangquan 045000, China
PM2.5是影响我国众多城市空气质量的首要污染物, 也是影响人体健康、大气能见度以及地球辐射平衡的重要污染物, PM2.5造成的不利影响已经引起广大民众和很多学者的高度关注. PM2.5污染具有明显区域性特征, 受本地颗粒物排放和区域输送影响明显. 很多学者对此进行了分析研究, 白伟超等[1]研究发现京津冀地区冬季主要潜在源区为内蒙古中部、山西北部以及河南北部地区, 秋季主要分布在山西地区、山东北部和河南东北部. 并识别出京津冀地区与周边边界处, 冬季：PM2.5沿内蒙古→京津冀→山东和山西→京津冀→渤海湾；秋季：沿山东→京津冀→内蒙古和山西→京津冀→渤海湾的传输走向, 区域间污染物的传输对重污染的形成具有较大影响. 长三角地区PM2.5重污染的发生是显著的区域输送导致, 主要受河南→安徽→江苏的内陆通道、京津冀→山东→江苏的沿海通道和京津冀→山东→黄海→江苏的海洋通道输送影响, 内陆通道主要为水平输送, 沿海通道和海洋通道除了水平输送还有垂直输送[2]. 两湖（湖南和湖北）盆地是近几年的一个新的大气污染高发区, 两湖盆地PM2.5污染呈现出西北重东南轻, 城市群污染较重的特征, 主要与冬季风驱动的大气污染物的区域传输和两湖盆地城市地区的强排放有关, 两湖盆地局地大气颗粒物累积主导了轻、中度污染, 大气污染物区域传输决定了重度污染的独特区域特征[3]. 王雁等[4]针对太行山两侧污染物输送对横谷城市气溶胶的影响分析中, 得出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PM2.5传输影响更显著. 上述研究多侧重于发达城市、特殊地形影响等方面, 对以重工业为主的山城进行分区域、分级别传输路径和污染源区的研究尚无涉及.
阳泉市作为京津冀大气污染传输通道“2+26”城市之一, 是我国污染最为严重的区域之一, 也是太行八陉中井陉通道的必经之处[5, 6]. 2013年《大气污染防治行动计划》（“大气十条”）颁布以来, 阳泉市大气污染物排放得到有效遏制, 空气质量总体向好. 但是, 根据中国环境监测总站的历年全国城市空气质量报告（168个城市）, 2020~2022年阳泉市空气质量指数分别位于倒数17、9和10位[7], 个别月份更是在倒数5位之内, 且重度以上污染天气的主要污染物均为PM2.5. 另据研究PM2.5重污染时对人体健康危害更大[8~12], 因此对PM2.5污染分区域、分级别传输路径和潜在污染源区的精准识别显得至关重要[13].
1 材料与方法 1.1 研究区域概况阳泉市地处黄土高原东缘, 太行山中部西侧, 境内地貌以山地为主, 最高点与最低点海拔落差有1 600 m之多. 山地包括9条山脉, 北界有牛道岭山脉, 西北界有两岭山脉, 其余山脉排列成东西两列, 东列呈横向排列, 西列呈纵向排列, 整体地形呈现西北高、东南低的阶梯式分布（图 1）. 阳泉市现辖平定、盂县两县及城、矿、郊和开发区4区, 为了便于本文的统计研究, 将城、矿、郊和开发区合并统一称为阳泉, 即阳泉市自北向南分为盂县、阳泉和平定3个区域进行分析研究.
|
图 1 阳泉市地形示意 Fig. 1 Topographic of Yangquan City |
采用美国国家海洋和大气管理局开发的HYSPLIT4后向模式计算阳泉市2020~2022年后向轨迹, 该模式多用于大气传输研究中[14, 15]. 本研究后向轨迹计算起始高度选取为300 m, 轨迹运行时间选为72 h, 时间间隔为1 h[11]. 轨迹密度分析法（TDA）[16~18]是将目标区域划分为0.2°×0.2°网格, 对每个网格的轨迹条数进行统计, 用颜色表示其轨迹数量的多少, 从而表征污染物的传输通道. 潜在源贡献因子分析法（PSCF）[19~21]多用来通过结合气团运动轨迹和PM2.5浓度值识别潜在污染排放源位置并定量给出污染贡献大小, 一般多采用单个站点进行分析. 本研究引入的多站潜在源贡献因子分析法（MS-PSCF）[22]不仅可以消除拖尾效应, 而且可以识别最重要的潜在源区. 目前, 国内采用MS-PSCF的研究较少. 此外, 采用TDA方法识别污染输送路径（通道）配合MS-PSCF潜在源识别, 可以较好地识别潜在源以及潜在源输送的通道[23~26], 本文采用MS-PSCF和TDA方法来识别阳泉市的污染潜在源区.
1.3 资料来源用于后向轨迹计算的气象数据来源于2020~2022年NCEP每日4个时次的数据[00：00、06：00、12：00和18：00（UTC）], 水平分辨率为1°×1°, 用于对应时刻天气形势分析的气象资料来源于山西省气象信息中心；2020~2022年逐时PM2.5浓度资料来源于山西省阳泉市生态环境监测中心. 按照《环境空气质量标准》（GB3095-2012）中PM2.5浓度限值, 将研究时间分为污染季（10月至次年3月）和非污染季（4~9月）.
2 结果与讨论 2.1 阳泉市主要城市大气污染特征分析由2020~2022年PM2.5不同污染等级天数占比变化来看（图 2）, 盂县、阳泉和平定在3年内均没有出现严重污染天气, 空气质量总体向好, 优良天气比例（90.9% ~92.3%、85.2%~87.9%和86.1%~89.3%）稳中有升, 轻度污染比例（6.3%~8.5%、6.8%~10.6%和7.6%~10.7%）波动下降, 但中度以上污染天气（0.5%~2.8%、3.8%~5.5%和2.5%~5.0%）出现反弹现象. 总体来看, 盂县优、良天气占比最多, 阳泉和平定PM2.5污染天数比盂县多, 且中度以上污染天数反弹较重；全市轻度污染天数降幅较小[27~29]. 污染管控工作首先应该从中度以上污染日数入手, 而后有效降低轻度污染日数以达到改善空气质量目标.
|
图 2 2020~2022年盂县、阳泉和平定PM2.5不同污染等级天数占比 Fig. 2 Proportion of PM2.5 days with different pollution levels in Yuxian, Yangquan, and Pingding from 2020 to 2022 |
由图 3可见, 2020~2022年PM2.5年际变化来看, 盂县、阳泉和平定的ρ（PM2.5）平均值在35.82~40.00、42.03~47.91和40.12~47.66 μg·m-3之间, 均超过国家空气质量二级标准[30, 31]；ρ（PM2.5）最高值在135.19~175.15、150.25~201.63和135.46~193.85 μg·m-3之间, 均超过国家空气质量四至五级标准. 从2020~2022年不同污染等级PM2.5浓度变化来看, 优、良等级时, 阳泉的平均值和最高值略有上升, 盂县和平定的平均值和最高值均呈现下降趋势. 轻度污染时, 阳泉的平均值和最高值逐年上升, 盂县和平定的最高值逐年下降, 盂县的平均值逐年下降, 平定的平均值逐年上升. 中度污染时, 盂县、阳泉和平定的平均值和最高值均是先升后降. 重度污染时, 盂县、阳泉和平定的平均值和最高值均是先升后降. 由此表明, 阳泉和平定PM2.5浓度明显比盂县高, PM2.5污染比盂县严重, 特别是中度以上污染.
|
图 3 2020~2022年盂县、阳泉和平定不同污染等级和全年ρ（PM2.5）的平均值、最大值、最小值 Fig. 3 Average, maximum, and minimum values of different pollution levels and annual ρ(PM2.5) in Yuxian, Yangquan, and Pingding from 2020 to 2022 |
从2020~2022年不同污染等级PM2.5四季污染天数变化来看（见图 4）, 盂县、阳泉和平定春季轻、中度以上污染日数（2~7、5~12和2~12 d）、（0~4、1~10和1~9 d）均呈上升趋势. 除平定2021年夏季有1次轻度污染外, 盂县、阳泉和平定夏季均无轻度以上污染天气. 盂县、阳泉和平定秋季轻度污染日数（3~7、3~11和6~12 d）波动下降趋势, 盂县秋季无中度污染以上天气, 阳泉中度以上污染日数（2~4d）波动上升, 平定中度以上污染日数（1~2 d）波动下降. 冬季, 盂县、阳泉和平定轻度污染日数（11~22、9~24和9~23 d）呈逐年下降趋势, 中度污染以上天气（0~6、9~14和6~11 d）呈上升趋势. 春秋季中度污染以上日数增加, 多和大风沙尘天气增多有关. 冬季中度以上污染日数增加多是由于静稳天气较多、强逆温层及降水减少所致[32]；阳泉、平定不同污染等级PM2.5四季污染天数均比盂县多.
|
图 4 2020~2022年盂县、阳泉和平定不同污染等级PM2.5四季污染天数变化 Fig. 4 Changes in PM2.5 pollution days of different pollution levels in Yuxian, Yangquan, and Pingding during the four seasons from 2020 to 2022 |
2020~2022年PM2.5浓度的月平均变化特征显示（图 5）, 盂县、阳泉和平定1月PM2.5浓度最高, 之后逐渐下降, 8月达到最低. 阳泉、平定PM2.5浓度基本接近, 盂县相对较低（每月偏低约4~11 μg·m-3）. 从图 6可知, 盂县、阳泉和平定1月PM2.5轻度以上污染日数（10~16、10~24和10~20 d）最多, 更是中度以上污染日数最多的月份（2~4、6~10和7~12 d）, 6~9月基本无轻度污染以上天气. 盂县中度以上污染天气多出现在1月和3月；阳泉和平定中度以上污染天气多出现在1、2、3、11和12月, 且中度以上污染日数出现反弹现象, 特别是重度污染日数. 阳泉和平定每月PM2.5浓度、不同污染等级天数均明显多于盂县. 其原因主要是1月份是主要采暖期, 也是一年中气温最低、降水最少、静稳天气较多时段, 导致一次排放和二次转化成的PM2.5在近地面加速累积[33], PM2.5浓度和污染日数显著升高；3月和11月天气干燥以及频繁发生的沙尘天气对PM2.5浓度和污染日数的增加有重大贡献. 4~9月有较频繁的降雨及大风天气, 且不易发生逆温现象, 有利于PM2.5扩散和清除, 基本无轻度以上污染天气.
|
图 5 2020~2022年盂县、阳泉和平定ρ（PM2.5）月变化 Fig. 5 Monthly variation in ρ(PM2.5) in Yuxian, Yangquan, and Pingding from 2020 to 2022 |
|
图 6 2020~2022年盂县、阳泉和平定每月PM2.5轻度污染以上日数变化 Fig. 6 Changes in the number of days with mild PM2.5 pollution or above per month in Yuxian, Yangquan, and Pingding from 2020 to 2022 |
从2020~2022年盂县、阳泉和平定不同污染等级PM2.5浓度的日变化特征可知（图 7）, 轻、中度污染时, 盂县PM2.5浓度的日变化均呈单峰双谷型, 最高值出现在10：00~11：00, 最低值出现在06：00前后和15：00~16：00. 阳泉和平定PM2.5浓度的日变化类似, 表现为单峰单谷型, 最高值出现在10：00~11：00, 最低值出现在16：00前后, 18：00后PM2.5浓度均出现持续上升现象. 重度污染时, 盂县、阳泉和平定PM2.5浓度的日变化均呈双峰双谷型, 最高值多出现在09：00~11：00和18：00~19：00, 早晚最低值出现在05：00~06：00和14：00~15：00. 主要原因：一是阳泉和平定夜间逆温现象多, 叠加特殊地形影响后, 逆温现象加重, 污染物难以扩散；而盂县海拔比阳泉和平定高, 且境内地势相对平坦, 逆温现象较少, 故阳泉和平定ρ（PM2.5）小时最高值和均值都比盂县高；二是PM2.5浓度的日变化特征与太阳辐射、近地面湿度、风速和大气垂直运动有关, 更与早晚高峰二次转化气溶胶快速增长和区域传输明显有关, 特别是重度污染天气[34].
|
图 7 2020~2022年盂县、阳泉和平定不同污染等级ρ（PM2.5）日变化 Fig. 7 Daily changes in different pollution levels ρ(PM2.5) in Yuxian, Yangquan, and Pingding from 2020 to 2022 |
图 8显示了2020~2022年不同污染等级PM2.5污染次数和近地面风场关系. 盂县轻度污染和中度以上污染[图 8（a）和8（b）]的WSW和E方向风频明显多于其他方向, WSW和E方向且小风（静风或风速 < 2 m·s-1, 下同）天气下, 污染次数最高. 轻度污染时, 偏西方向（WSW）比偏东方向（E）多；中度以上污染时, 偏东方向（E）略多于偏西方向（WSW）. 风速为2~4 m·s-1天气时, 轻度污染存在明显的东西向输送, 自西向东输送明显；中度以上污染次数显著减少, 东西向输送明显减少且基本均衡, 说明盂县中度以上污染天气以本地污染影响为主. 阳泉轻度污染和中度以上污染[图 8（c）和8（d）]的WNW和ENE方向风频明显多于其他方向, WNW和ENE方向且小风天气下, 污染次数最高. 轻度污染时, 偏西方向（WNW）高于偏东方向（ENE、ESE）, 中度污染则是偏东方向（ENE、ESE）高于偏西方向（WNW）. 风速为2~4 m·s-1天气时, 轻度污染和中度以上污染次数基本相近, 接近小风下次数, 且偏东方向（ENE）明显比偏西方向（WNW）高, 说明区域间东西向传输对阳泉污染影响显著. 平定轻度污染和中度以上污染[图 8（e）和8（f）]的NE和SW方向风频明显多于其他方向, 风速为0~4 m·s-1时, 均是偏东方向（NE）污染次数高于偏西方向（SW）, 自东向西输送明显. 由此表明：小风天气极易造成本地PM2.5污染次数增加, 说明污染受本地源影响较大；受北部和西部山脉阻挡, 致使低层气流形成折返, 加之东西向山脉夹持, 导致PM2.5污染次数增加；东西向区域输送对盂县、阳泉和平定轻度污染次数影响明显, 中度以上污染时, 东西向区域输送对阳泉和平定污染次数增加贡献显著, 且自东向西更显著[35~37], 对盂县影响相对较小. 主要原因是阳泉和平定是太行八陉中井陉通道的必经之处, 在偏西风和偏东风作用下存在明显的东西双向输送, 污染物积累明显, 而盂县在井陉通道北部, 东西向输送相对较弱.
|
图 8 2020~2022年盂县、阳泉和平定不同污染等级PM2.5污染次数和近地面风场关系 Fig. 8 Relationship between PM2.5 pollution frequency and near surface wind field at different pollution levels in Yuxian, Yangquan, and Pingding from 2020 to 2022 |
不论是轻度污染还是中度以上污染, 盂县、阳泉在西北偏北风（NNW、N）下且风速 > 2 m·s-1时和平定在西北风（NW）下且风速 > 2 m·s-1时, PM2.5污染次数最少, 说明西北偏北风 > 2 m·s-1有利于减少污染次数.
2.3 后向轨迹密度（TDA）分析2020~2022年盂县、阳泉和平定后向轨迹密度（TDA）可知（图 9）, 污染季轻度污染以上天气的后向轨迹密度（TDA）明显多于非污染季[38, 39]. 污染季时, 盂县轻、中度污染后向轨迹密度[图 9（a1）和9（a2）]主要集中于西南偏西和东北2个方向, 轻度污染时, 西南偏西方向略多；中度污染时, 东北方向略多. 阳泉和平定轻、中度污染后向轨迹密度基本类似, 后向轨迹密度[图 9（b1）、9（b2）、9（c1）和9（c2）]主要集中于西北、东北和东南3个方向, 西北和东北2个方向气流轨迹较多；轻度污染时西北气流轨迹多于东北方向, 中度污染时, 东北气流轨迹多于西北方向. 盂县、阳泉和平定重度污染以上天气气流轨迹密度[图 9（a3）、9（b3）和9（c3）]主要集中于西南偏西和东北2个方向[40, 41]. 非污染季时, 盂县、阳泉和平定轻度污染以上天气后向轨迹密度[图 9（a4）、9（b4）和9（c4）]主要集中在西北和东南2个方向, 东南方向明显多于西北方向. 结果表明, 盂县、阳泉和平定PM2.5不同污染等级天气均存在明显东西向输送, 且自东向西的输送更为明显, 主要的传输通道为东北、东南和西北偏西通道. 东北通道基本与井陉通道重合, 东南通道是由华北平原绕行太行山的通道, 西北通道与西北沙尘传输通道相一致.
|
图 9 2020~2022年盂县、阳泉和平定污染季和非污染季不同污染等级后向轨迹密度（TDA） Fig. 9 Backward trace density (TDA) of different pollution levels in Yuxian, Yangquan, and Pingding during pollution season and non-pollution season from 2020 to 2022 |
以PM2.5日均值选择天气过程, 当75 μg·m-3 < ρ（PM2.5）≤115 μg·m-3时, 定义为轻度污染日, 轻度污染日持续2 d以上则为轻度污染过程；当ρ（PM2.5） > 115 μg·m-3时, 定义为中度以上污染日, 中度以上污染日持续2 d以上则为中度以上污染过程, 按此标准, 将2020年1月至2022年12月轻度以上污染天气分两个等级统计分析. 本研究发现, 轻度污染天气生成维持的地面形势主要有3种, 暖低压（低压倒槽）型（28%）、高压前部（底部）型（55%）和均压场型（17%）；高空形势主要有2种, 平直西风气流型（74%）和西南气流型（26%）；本站气象要素表现为：①升温、降压、小风和高湿, ΔT24≥0℃, Δp24 < 2 hPa, 日均风速 < 2.5 m·s-1, 日均相对湿度≥60%. ②平均逆温强度0.21℃·（100 m）-1, 平均逆温层厚度150 m. 中度以上污染天气生成维持的地面形势主要有4种, 暖低压（低压带、低压倒槽）型（22%）、高压前部（底部）型（54%）、高压后部型（14%）和均压场型（鞍型场）（10%）；高空形势主要有2种, 平直西风气流型（78%）和西北气流型（22%）；本站气象要素表现为：①升温、降压、小风和高湿, ΔT24 ≥ 0℃, Δp24 < 2 hPa, 日均风速 < 1.5 m·s-1, 日均相对湿度≥70%. ②850 hPa为微弱辐合、辐散；垂直速度为-3×10-5 ~ 4×10-5 Pa·s-1. ③平均逆温强度0.72℃·（100 m）-1, 平均逆温层厚度360 m.
阳泉市PM2.5主要的传输通道为东北、东南和西北通道, 其中东北和东南通道为短距离输送通道, 对应的中度以上污染天气形势（以2022年1月26~28日污染过程为例）表现为：500 hPa中纬度环流平直[图 10（a）], 河套及以东地区以偏西风为主；700 hPa和850hPa为槽前西南气流[图 10（b）], 低空850 hPa有暖平流配合；地面气压场为高压前部（底部型）、高压后部型和均压场（鞍型场）[图 10（c）][42~45]；T-logp图上700、850和925 hPa存在双层或多层逆温[图 10（d）], 逆温层厚, 大气层结稳定, 不利于污染物的扩散, 同时由于太行山阻挡, 冷空气移动缓慢, 中度以上污染天气得以维持, 是以PM2.5为主要超标物的静稳型天气.
|
（a）和（b）分别为500hPa和700hPa高度场, 其中黑色实线为位势高度场, 单位为gpm；（c）为地面气压场, 其中黑色实线为海平面气压场, 单位为hPa；（d）为邢台温度对数压力, 其中黄色横条为逆温层, 蓝色实线为温度层结曲线, 绿色实线为露点层结曲线, 棕色实线为状态曲线, CCL为对流凝结高度, LCL为抬升凝结高度；▲：阳泉市位置 图 10 2022年1月26日T 08：00 500 hPa高度场、700 hPa高度场、地面气压场及邢台温度对数压力 Fig. 10 500 hPa altitude field, 700 hPa altitude field, surface pressure field and temperature log-pressure diagram of Xingtai at 08:00 on January 26, 2022 |
西北通道与西北沙尘通道一致, 是长距离传输通道, 对应的中度以上污染天气形势（以2021年3月15~17日污染过程为例）表现为：500 hPa为蒙古气旋型[图 11（a）], 深厚的切断低压位于东北地区, 500 hPa和700 hPa槽后有冷平流[图 11（b）], 槽后大风区有利于起沙以及沙尘的向东输送；地面图上[图 11（c）], 冷高压与蒙古气旋同时存在强度相当, 高低中心气压差达约50 hPa以上, 在高、低压之间, 等压线密集, 气压梯度大. 同时, 高压东移中受中低纬度天气系统发展阻挡, 沙尘回流重新影响阳泉, 中度以上污染天气持续维持；探空图上700 hPa和850 hPa存在逆温[图 11（d）], 大气层结稳定, 是以PM10和PM2.5为主要超标物的沙尘型天气.
|
（a）和（b）分别为500hPa和700hPa高度场, 其中黑色实线为位势高度场, 单位为gpm；（c）为地面气压场, 其中黑色实线为海平面气压场, 单位为hPa；（d）为邢台温度对数压力, 其中黄色横条为逆温层, 蓝色实线为温度层结曲线, 绿色实线为露点层结曲线, 棕色实线为状态曲线, CCL为对流凝结高度, LCL为抬升凝结高度；▲：阳泉市位置 图 11 2021年3月15日T 08：00 500 hPa高度场、700 hPa高度场、地面气压场及邢台温度对数压力 Fig. 11 500 hPa altitude field, 700 hPa altitude field, surface pressure field and temperature log-pressure diagram of Xingtai at 08:00 March 15, 2021 |
以75、115和150 μg·m-3作为MS-PSCF计算阈值, 采用MS-PSCF分析法, 识别PM2.5潜在排放源位置并定量给出污染贡献大小. 单站分析结果显示, 盂县潜在污染源区分布范围明显少于阳泉和平定. 盂县轻度污染的主要潜在源区分布在河北中西部和东南部、山西东南部与河南东北部交界处[图 12（a1）]；中、重度污染的主要潜在源区零散分布在河北东南部、山西东南部与河南北部交界处[图 12（a2）和12（a3）]. 阳泉和平定不同污染等级潜在源区分布基本类似[图 12（b1）和12（c1）], 轻度污染的主要潜在源区分布在河北中西部、河北东南部、河南东北部、山东西南部及三省交界处、山西中南部, 平定在河南东北部潜在源区分布范围要比阳泉多, 阳泉在河北中西部和山西中南部分布范围比平定多；中、重度污染的主要潜在源区分布在河北中西部和东南部、河南东北部及其与山东西南部交界处、山西东南部[图 12（b2）、12（c2）、12（b3）和12（c3）], 阳泉在河北中西部和东南部、山西东南部潜在源区分布范围比平定多, 平定在河南东北部潜在源区分布范围比阳泉多.
|
1~3分别对应轻度污染、中度污染和重度污染 图 12 盂县、阳泉和平定及多站不同污染等级潜在源区（PSCF）分析 Fig. 12 Analysis of potential source areas (PSCF) with different pollution levels at Yuxian, Yangquan, Pingding, and multiple stations |
多站分析结果显示, 轻度污染的主要潜在源区分布在河北中西部、河北东南部、河南东北部、山东西南部及三省交界处、山西东南部, 陕西渭南东部、河北东部和山东西北交界处有零星的潜在源区[图 12（d1）]. 中度污染主要潜在源区分布在河北中西部和东南部、河南东北部与山东西南部交界处、山西东南部, 陕西渭南东部、河北东部和山东西北交界处有零星的潜在源区[图 12（d2）]. 重度污染主要潜在源区分布在河北中西部和东南部、河南东北部及其与山东西南部交界处、山西东南部[图 12（d3）]. MS-PSCF分析法进一步确定了河北中西部与东南部、河南东北部及其与山东西南部交界处、山西东南部是主要的潜在污染源, 即偏东风（SE和NE）下, 盂县、阳泉和平定发生轻度污染以上等级天气概率高, 且东南风的贡献更大.
3 结论（1）阳泉市PM2.5污染主要集中在阳泉和平定, 盂县相对较轻, 阳泉和平定PM2.5不同污染等级天数占比、PM2.5浓度平均值和最高值均要明显比盂县高, PM2.5分布特征与本地特殊地形密切相关.
（2）小风天气下不同污染等级PM2.5污染次数最多、PM2.5浓度最高；东西向区域输送对阳泉和平定PM2.5污染次数和PM2.5浓度影响明显, 且偏东风贡献显著；盂县中度以上污染多受静稳天气影响, PM2.5污染受本地源影响较大.
（3）中度以上污染天气生成维持的地面形势主要有4种, 暖低压型（22%）、高压前部（底部）型（54%）、高压后部型（14%）和均压场型（10%）, 高压前部（底部）型是造成PM2.5浓度升高的主要地面形势；高空形势主要有2种, 平直西风气流型（78%）和西北气流型（22%）, 平直西风气流型是造成PM2.5浓度升高的主要高空形势.
（4）MS-PSCF和TDA分析法得出的PM2.5不同污染等级的传输通道和潜在源区结果具有一致性, PM2.5主要传输通道为东北、东南和西北通道, 东北和东南通道为短距离传输, 是造成PM2.5浓度增加的主要路径, 西北通道与西北沙尘传输通道一致, 属于长距离传输；PM2.5主要的污染潜在源区位于河北中西部与东南部、河南东北部及其与山东西南部交界处、山西东南部.
| [1] |
白伟超, 王晓琦, 程水源, 等. 2019年秋冬季京津冀与周边地区污染传输特征分析[J]. 中国环境科学, 2022, 42(9): 4086-4099. Bai W C, Wang X Q, Cheng S Y, et al. Pollution transport characteristics of Beijing-Tianjin-Hebei region and its surrounding areas in January 2019[J]. China Environmental Science, 2022, 42(9): 4086-4099. DOI:10.3969/j.issn.1000-6923.2022.09.013 |
| [2] |
潘勇, 郑捷, 肖航. 长三角地区典型PM2.5污染过程和跨区域传输对宁波污染贡献评估模拟[J]. 环境科学, 2023, 44(2): 634-645. Pan Y, Zheng J, Xiao H. Simulation evaluation of the contribution of typical PM2.5 pollution and trans-regional transport to Ningbo pollution in the Yangtze River Delta[J]. Environmental Science, 2023, 44(2): 634-645. |
| [3] |
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. |
| [4] |
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. |
| [5] |
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. |
| [6] |
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 |
| [7] | 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, 2020-2022. |
| [8] |
阚海东, 陈秉衡. 我国大气颗粒物暴露与人群健康效应的关系[J]. 环境与健康杂志, 2002, 19(6): 422-424. Kan H D, Chen B H. Analysis of exposure-response relationships of air particulate matter and adverse health outcomes in China[J]. Journal of Environment and Health, 2002, 19(6): 422-424. DOI:10.3969/j.issn.1001-5914.2002.06.002 |
| [9] | Hong C P, Zhang Q, Zhang Y, et al. Impacts of climate change on future air quality and human health in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2019, 116(35): 17193-17200. |
| [10] | Kan H D, London S J, Chen G H, et al. Differentiating the effects of fine and coarse particles on daily mortality in Shanghai, China[J]. Environment International, 2007, 33(3): 376-384. DOI:10.1016/j.envint.2006.12.001 |
| [11] | Pope Ⅲ C A, Burnett R T, Thun M J, et al. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution[J]. JAMA, 2002, 287(9): 1132-1141. DOI:10.1001/jama.287.9.1132 |
| [12] | Pope C A. Epidemiology of fine particulate air pollution and human health: biologic mechanisms and who's at risk?[J]. Environmental Health Perspectives, 2000, 108(S4): 713-723. DOI:10.1289/ehp.00108s4713 |
| [13] | Fang C L, Yu D L. Urban agglomeration: an evolving concept of an emerging phenomenon[J]. Landscape and Urban Planning, 2017, 162: 126-136. DOI:10.1016/j.landurbplan.2017.02.014 |
| [14] |
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. |
| [15] |
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. |
| [16] |
王小兰, 王雁, 闫世明, 等. 晋中盆地主要城市冬季PM2.5传输特征分析[J]. 环境科学, 2022, 43(7): 3423-3438. Wang X L, Wang Y, Yan S M, et al. Analysis of PM2.5 transmission characteristics in main cities of Jinzhong Basin in winter[J]. Environmental Science, 2022, 43(7): 3423-3438. |
| [17] |
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. |
| [18] |
任传斌, 吴立新, 张媛媛, 等. 北京城区PM2.5输送途径与潜在源区贡献的四季差异分析[J]. 中国环境科学, 2016, 36(9): 2591-2598. Ren C B, Wu L X, Zhang Y Y, et al. Analyze to the seasonal differences of transport pathways and potential source-zones of Beijing Urban PM2.5[J]. China Environmental Science, 2016, 36(9): 2591-2598. DOI:10.3969/j.issn.1000-6923.2016.09.006 |
| [19] | Begum B A, Kim E, Jeong C H, et al. Evaluation of the potential source contribution function using the 2002 Quebec forest fire episode[J]. Atmospheric Environment, 2005, 39(20): 3719-3724. DOI:10.1016/j.atmosenv.2005.03.008 |
| [20] |
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 |
| [21] |
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. |
| [22] |
王雁, 高兴艾, 裴坤宁, 等. 基于多站混合受体模型的临汾市PM2.5潜在源分析[J]. 中国环境科学, 2022, 42(3): 1032-1039. Wang Y, Gao X A, Pei K N, et al. Analysis of potential sources of PM2.5 in Linfen based on multi-site hybrid receptor model[J]. China Environmental Science, 2022, 42(3): 1032-1039. DOI:10.3969/j.issn.1000-6923.2022.03.005 |
| [23] |
李博, 杨凡, 李秀镇, 等. 2015年青岛城阳一次持续污染过程中PM2.5污染特征及潜在源区分析[J]. 气象与环境科学, 2020, 43(2): 79-86. Li B, Yang F, Li X Z, et al. Features and potential sources of PM2.5 in a persistent pollution event in Chengyang district of Qingdao in 2015[J]. Meteorological and Environmental Sciences, 2020, 43(2): 79-86. |
| [24] | Han Y J, Kim T S, Kim H. Ionic constituents and source analysis of PM2.5 in three Korean cities[J]. Atmospheric Environment, 2008, 42(19): 4735-4746. DOI:10.1016/j.atmosenv.2008.01.047 |
| [25] |
曹闪闪, 段玉森, 高婵婵, 等. 基于MERRA-2再分析资料的上海市近40年大气黑碳浓度变化及潜在来源解析[J]. 环境科学, 2021, 42(6): 2668-2678. Cao S S, Duan Y S, Gao C C, et al. Changes and potential sources of atmospheric black carbon concentration in Shanghai over the past 40 years based on MERRA-2 reanalysis data[J]. Environmental Science, 2021, 42(6): 2668-2678. |
| [26] | Kabashnikov V P, Chaikovsky A P, Kucsera T L, et al. Estimated accuracy of three common trajectory statistical methods[J]. Atmospheric Environment, 2011, 45(31): 5425-5430. DOI:10.1016/j.atmosenv.2011.07.006 |
| [27] |
姚青, 杨旭, 唐颖潇, 等. 京津冀城市群冬季二次PM2.5的时空分布特征[J]. 环境科学, 2023, 44(5): 2421-2429. Yao Q, Yang X, Tang Y X, et al. Spatio-temporal distribution characteristics of secondary aerosol in Beijing-Tianjin-Hebei urban agglomeration in winter[J]. Environmental Science, 2023, 44(5): 2421-2429. |
| [28] | Keeler G J, Samson P J. Spatial representativeness of trace element ratios[J]. Environmental Science & Technology, 1989, 23(11): 1358-1364. |
| [29] | Shen Y, Zhang L P, Fang X, et al. Spatiotemporal patterns of recent PM2.5 concentrations over typical urban agglomerations in China[J]. Science of the Total Environment, 2019, 655: 13-26. DOI:10.1016/j.scitotenv.2018.11.105 |
| [30] | GB 3095-2012, 环境空气质量标准[S]. |
| [31] | HJ 633-2012, 环境空气质量指数(AQI)技术规定(试行)[S]. |
| [32] |
刘旻霞, 李亮, 于瑞新, 等. 汾渭平原吸收性气溶胶时空演化及潜在源区分析[J]. 环境科学, 2021, 42(6): 2634-2647. Liu M X, Li L, Yu R X, et al. Spatio-temporal patterns and potential sources of absorbing aerosols in the Fenwei Plain[J]. Environmental Science, 2021, 42(6): 2634-2647. |
| [33] | 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 |
| [34] | Fang C L, Wang Z B, Xu G. Spatial-temporal characteristics of PM2.5 in China: a city-level perspective analysis[J]. Journal of Geographical Sciences, 2016, 26(11): 1519-1532. DOI:10.1007/s11442-016-1341-9 |
| [35] |
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. |
| [36] |
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 |
| [37] | Lang J L, Zhou Y, Chen D S, et al. Investigating the contribution of shipping emissions to atmospheric PM2.5 using a combined source apportionment approach[J]. Environmental Pollution, 2017, 229: 557-566. DOI:10.1016/j.envpol.2017.06.087 |
| [38] | Hsu Y K. The use of receptor models to locate atmospheric pollutant sources: polychlorinated biphenyls in Chicago[D]. Potsdam: Clarkson University, 2002. |
| [39] |
方创琳, 毛其智, 倪鹏飞. 中国城市群科学选择与分级发展的争鸣及探索[J]. 地理学报, 2015, 70(4): 515-527. Fang C L, Mao Q Z, Ni P F. Discussion on the scientific selection and development of China's urban agglomerations[J]. Acta Geographica Sinica, 2015, 70(4): 515-527. |
| [40] |
王艳, 柴发合, 王永红, 等. 长江三角洲地区大气污染物输送规律研究[J]. 环境科学, 2008, 29(5): 1430-1435. Wang Y, Chai F H, Wang Y H, et al. Transport characteristics of air pollutants over the Yangtze Delta[J]. Environmental Science, 2008, 29(5): 1430-1435. DOI:10.3321/j.issn:0250-3301.2008.05.048 |
| [41] | Han Y J, Holsen T M, Hopke P K. Estimation of source locations of total gaseous mercury measured in New York State using trajectory-based models[J]. Atmospheric Environment, 2007, 41(28): 6033-6047. DOI:10.1016/j.atmosenv.2007.03.027 |
| [42] | Wei P, Cheng S Y, Li J B, et al. Impact of boundary-layer anticyclonic weather system on regional air quality[J]. Atmospheric Environment, 2011, 45(14): 2453-2463. DOI:10.1016/j.atmosenv.2011.01.045 |
| [43] |
李云, 张莹, 许金萍, 等. 天目山地区重污染天气预测模型及其环流特征研究[J]. 气象与环境科学, 2021, 44(3): 54-60. Li Y, Zhang Y, Xu J P, et al. Heavy pollution weather prediction model and circulation characteristics in Tianmu Mountains Region[J]. Meteorological and Environmental Sciences, 2021, 44(3): 54-60. |
| [44] |
滑申冰, 师华定, 王堃, 等. 2016—2017年冬季华北地区一次重污染过程的气象条件分析[J]. 气象与环境科学, 2018, 41(4): 47-53. Hua S B, Shi H D, Wang K, et al. Analysis of meteorological conditions for a heavy pollution process in North China during 2016-2017 winter[J]. Meteorological and Environmental Sciences, 2018, 41(4): 47-53. |
| [45] |
冯丽莎, 宋攀, 田力, 等. 河南3次重污染天气过程的气象条件诊断及传输影响分析[J]. 气象与环境科学, 2020, 43(1): 104-113. Feng L S, Song P, Tian L, et al. Meteorological condition diagnosis and transmission impact analysis of three heavy pollution processes in Henan Province[J]. Meteorological and Environmental Sciences, 2020, 43(1): 104-113. |