哈爾濱市一次大氣污染過程及潛在源分析

王 醒,李莉莉,王 琨*,劉玉萍,賈琳琳,姜珺秋,朱莉娜

哈爾濱市一次大氣污染過程及潛在源分析

王 醒1,2,李莉莉1,2,王 琨1,2*,劉玉萍3,賈琳琳3,姜珺秋1,2,朱莉娜1,2

(1.哈爾濱工業大學城市水資源與水環境國家重點實驗室,黑龍江 哈爾濱 150090；2.哈爾濱工業大學環境學院,黑龍江 哈爾濱 150090；3.黑龍江省環境科學研究院,黑龍江 哈爾濱 150056)

本研究以2018年12月10~13日哈爾濱市一次嚴重的空氣污染事件為研究對象,分析了此次污染過程的概況?成因以及污染的潛在源區.結果表明:此次空氣污染過程以 PM2.5影響為主,污染類型由10日00:00~11日17:00的偏燃煤型發展為11日17:00~13日15:00的二次氣溶膠復合污染,最終在13日15:00后穩定為偏燃煤型.從天氣形勢和風速風向分析可知此次10~13日的污染過程與不利氣象擴散條件也是密不可分的.模擬的48h后向軌跡經過聚類分析主要分為4類,大部分來自內蒙古?吉林等方向,70.83%的軌跡PM2.5超標,表明來自這些方向的污染氣團對哈爾濱市的空氣質量影響較大;而通過對模擬的48h后向軌跡進行PSCF?CWT分析,發現哈爾濱的WPSCF和WCWT分布特征類似,WPSCF和WCWT的高值主要集中在哈爾濱本地的雙城?巴彥?阿城?吉林省的中部?西部地區等地區,以及大慶?綏化等地區,說明這些區域都是哈爾濱市PM2.5的潛在源地.

污染類型；后向軌跡模式；潛在源分布；PM2.5輸送特征；哈爾濱市

近幾年,哈爾濱市秋末冬初時節頻繁發生空氣質量指數持續爆表的污染事件,關于哈爾濱市空氣質量的研究內容主要集中在顆粒物的組分特征、來源解析和秸稈焚燒傳輸擴散等方面[1-4],對了解哈爾濱市本地污染和區域傳輸特征有一定借鑒意義.軌跡聚類分析法、潛在源貢獻因子法(PSCF)、濃度權重軌跡分析法(CWT)是識別大氣污染物潛在來源和污染物輸送擴散的有效手段.國內外眾多學者基于氣團軌跡分析了大氣污染的傳輸渠道[5-9],并探討了不同源區對污染物質量濃度貢獻的差異[10-13],但是這些研究大多側重于對單一影響因素的分析,且主要集中在京津冀、長三角等發達地區,而近年來通過結合氣象要素和天氣背景場對重污染過程及其形成機制進行的研究相對較少[14-20],且時間分辨率和空間代表性可進一步提高[21-25],從而對區域性?時段性的污染過程進行全面和深入的觀測研究[26-30].

2018年黑龍江省于9月15日至12月10日實施全區域秸稈禁燒,秸稈焚燒情況有所改觀,空氣質量狀況亦有所改善.但是自12月10日禁燒令解除后,哈爾濱市于12月10~13日期間出現了持續4d的嚴重霧霾天氣, 因此研究此次重霧霾事件中污染物的時空變化特征、傳輸途徑和潛在來源,對進一步調控哈爾濱市秋冬季重污染問題有著重要的意義.因此本研究選用2018年10~13日的一次重霧霾事件,在對污染過程的演變特征、氣象條件和污染類型進行詳細分析的基礎上,基于后向軌跡模式使用聚類分析、PSCF和CWT分析方法,進一步了解哈爾濱市污染來源與傳輸擴散特征.

1 研究區概況及數據

1.1 研究區概況

哈爾濱市位于中國東北平原東北部地區、黑龍江省南部,見圖1.下轄9個市轄區、7個縣和代管2個縣級市,面積約為5.3萬km2,其中市區面積7086km2.哈爾濱市的地勢以平原和丘陵為主且主要分布在松花江形成的三級階地上,海拔由北向南逐漸升高.哈爾濱是中國緯度最高、氣溫最低的大城市,氣溫起落變化快的春、秋季屬于過渡季節,但這2個季節時間較短屬中溫帶大陸性季風氣候,呈現明顯的冬長夏短特征.

1.2 數據來源

AQI、PM2.5和PM10濃度數據來自青悅開放環境數據中心(http://data.epmap.org);火點資料來自于生物質衛星監管平臺(http://stalk.cnwfire.com/ #/login);HYSPLIT4.9后向軌跡模式所用的氣象資料來自NCEP(美國國家環境預報中心)的GDAS全球同化2018年12月數據(http://ready.arl.noaa.gov/ HYSPLIT_traj.php).地面天氣形勢數據來源于韓國氣象局(http://web.kma.go.kr/chn/weather/images/ analysischart.jsp).

2 研究方法

2.1 HYSPLIT模型

后向軌跡模式采用NOAA開發的HYSPLIT4.9版本.HYSPLIT4模型設計利用舊的網格化氣象數據迅速響應大氣中的緊急狀況,以此來診斷案例和分析氣候[31].這種模式是拉格朗日和歐拉的混合擴散模式,其平流、擴散均采用拉格朗日方法進行處理,濃度用歐拉方法計算[32].在污染物輸送、擴散和沉降等方面HYSPLIT模式都考慮得較周全,最高模擬精度可到小時,目前在國內外廣泛用來分析污染物來源及確定傳輸擴散情況等[33].本研究選取哈爾濱市經濟政治中心(45.57°N,126.68°E)為模擬的起始點計算,推算時間為2018年12月10日0點~13日23點,每小時模擬一條后向軌跡(時間分辨率為1h),推算時間為48h后向,起始高度為200m(對應哈爾濱市大氣邊界層的中下部).

圖1 哈爾濱市

2.2 聚類分析法

聚類分析法是根據某地理指標或樣品的特征相似性、親疏程度將這些元素進行分型、劃分類型就可以得到反映出個體、站點、群體之間的遠近關系的系統的方法[28].本研究采用的是軌跡逐個聚類分析法,利用歐式距離算法對抵達哈爾濱的所有氣流軌跡進行分型聚類,即可得到不同類型的輸送氣流及其分布情況,由此可對不同來源方向的氣流所對應的污染物濃度特征進行分析.具體為:計算相鄰兩條后向軌跡之間的距離后根據軌跡的空間相異度對軌跡分型聚類,即設有條軌跡,選取其中距離最近的2條作為一類并計算它們的每小時滯留點的平均經緯度,便可得到這類軌跡的平均軌跡.計算每條聚類空間的相異度SPVAR,最后通過總空間相異度TSV(所有SPVAR之和)與之間的關系判斷軌跡分型的數目和每類平均軌跡的空間分布情況.

2.3 潛在源貢獻算法

由條件概率函數發展而來判別污染源區位的一種方法叫做PSCF算法,它主要是通過結合氣團軌跡和某指標值(本文為PM2.5濃度)給出污染物可能的排放點位置和分布情況[15].PSCF值為經過研究區域的氣團到達網格點(在這里將研究區域按照指定分辨率進行網格化,每個網格記為網格(),其中為該網格的中心經緯度)時所對應的指標值超過設定臨界值的條件函數值.對所研究的PM2.5設定一個臨界值,若軌跡對應的元素值比這個臨界值大時,則該軌跡對應區域是潛在污染源區,若其經過網格的污染軌跡端點數為m,而落在網格()內的所有軌跡端點數為n,則PSCF定義為式(1):

PM2.5的臨界值是《環境空氣質量標準》(GB3095-2012)[36]中的二級污染濃度限值75mg/m3.某些學者引入權重系數W來減小某些偏僻的網格由于軌跡總體停留時間較少導致PSCF計算結果帶來的偏差(一般當某一網格內的n小于研究區內每個網格的平均軌跡端點數的一定倍數時可用W來減小PSCF計算的誤差).本研究,共12月10~13日4d,每天24條軌跡,每條軌跡的分辨率是1h,本研究利用(2)式引入的權重系數具體如下:

2.4 濃度權重軌跡分析法

由于PSCF算法只是半定量的給出了網格對控制點污染物濃度,它可以通過計算軌跡的權重濃度定量給出每個網格的平均權重濃度CWT(反映控制點的各貢獻區域PM2.5濃度分布情況)[28].按照公式(3)進行計算:

3 結果與分析

3.1 污染概況與形成機制分析

地面監測站的觀測資料清楚地記錄了此次污染過程,由圖2所示.可以看出,10~13日存在2個嚴重污染時段:12日05:00~11:00以及12日21:00~13日02:00.具體污染過程為從10日00:00~10日10:00PM2.5濃度從88μg/m3增至124μg/m3,為中度污染,之后污染物濃度與AQI值出現小幅度下降,從11日00:00~11日12:00從71μg/m3突升至213μg/m3,達到了重度污染, PM2.5濃度從11日17:00~12日09:00躍升至582 μg/m3,持續維持在高濃度水平,并達到嚴重污染.12日下午13:00,顆粒物濃度隨氣象條件的逐漸改善開始緩慢下降至常態水平,12日傍晚18:00~13日01:00,PM2.5濃度再次逐步上升至547μg/m3,直到13日中午持續在嚴重污染水平,13日15:00后污染物降至常態水平,空氣質量明顯改善.污染期間PM2.5日均濃度變化范圍為125~246μg/m3, PM10日均濃度為149~197μg/m3,PM2.5占PM10的百分比為32%~98%,表明哈爾濱市可吸入顆粒物中的細顆粒物的貢獻遠大于PM10.

根據污染時間的雷達圖可以了解此次污染過程的污染類型,12月10日與11日的污染較12日和13日的污染程度輕,根據10日10:00的SO2特征值高于標準值,且11日12:00的SO2特征值明顯超出上限和NO2特征值也即將突破上限,表明污染特征受燃煤排放影響.至AQI呈現較高值的12日,12日09:00的只有PM2.5特征值超出上限,表明第一個嚴重污染時段的污染特征受二次顆粒物生成影響顯著,污染特征表現為二次氣溶膠類型.由圖3各類污染物的相關性可以看出在污染期間,PM2.5和CO呈現顯著的正相關性,達到了74%, CO的主要來源之一是秸稈燃燒不充分,考慮到12月10號秸稈禁燒令剛解禁,因此秸稈焚燒可能成為第一個重污染時段引發因素.為進一步印證,根據圖4所示12月10~13日期間哈爾濱區域內焚燒火點較少,但是臨近的吉林省有較多火點,且主要位于哈爾濱市的西南方位.通過圖6可以看出污染時期哈爾濱市盛行西南風,由此可見,秸稈焚燒可能通過區域傳輸影響哈爾濱市空氣質量.此次污染過程可能為秸稈焚燒、機動車尾氣、燃煤等多個因素的復合污染.之后13日01:00的PM2.5和PM10的特征值均突破上限值,不僅二次氣溶膠復合污染依舊顯著,還通過圖6(a)的風速風向的變化情況可以得到該時段的風速顯著增加導致粗顆粒排放增大,13日0:00~10:00的平均風速為4.9m/s,且該時段哈爾濱市無降水,從而揚塵的排放成為第二個嚴重污染時段新增的影響因素.13日17:00后AQI和顆粒物濃度均將至一個較低的穩定狀態,13日22:00的雷達圖顯示SO2和NO2特征值即將突破上限,表明污染特征重新轉變為偏燃煤型.

圖2 12月10~13日哈爾濱市AQI?PM2.5及PM10小時變化趨勢

圖3 12月10~13日哈爾濱大氣污染物間相關性

圖4 12月10~13日哈爾濱及其周邊地區的秸稈焚燒火點分布

污染物的積累、擴散和稀釋過程主要受氣象因素的影響,特別是在某種特定污染源條件下,污染物的濃度主要受制于氣象條件的好壞[35].本文主要從地面天氣形勢方面對哈爾濱地區此次重污染天氣過程的形成機制進行分析.大氣環流特征大大影響污染物的擴散能力、大氣穩定度,因此,對污染期間12月10~13日的500hPa地面天氣形勢進行分析,見圖5.

由圖5可見,12月11日6:00至12日23:00,哈爾濱地區主要受大陸低壓控制,天氣系統不穩定,氣流移動速度緩慢,地面風速較小,不利于污染物擴散,13日11:00后,開始受高壓控制,天氣系統逐漸穩定,氣流移動速度變快,污染物開始擴散,空氣質量狀況開始轉好.在此不利地面天氣形勢的影響下,哈爾濱地區在12月10~13日期間出現嚴重污染天氣,持續維持大幅度、大范圍和高濃度細顆粒物的污染態勢,期間AQI超200,最高時甚至達500以上.

根據氣象局提供的重污染期間12月10~13日哈爾濱市太平宏偉公園處國控站點處的氣象數據,對影響污染物擴散的風向風速進行分析,結果見圖6.

由圖6,2018年12月10~13日哈爾濱市平均風速為2.7m/s,風速偏低,不利于污染物擴散,主導風向主要是西南風,同時覆蓋正南和正西風向.根據風速風向和PM2.5濃度的關系,哈爾濱市污染物一方面來源于本地污染排放,另一方面為西南向、西北向污染物傳輸,且傳輸影響較大,而西南向部分區域為吉林省轄區,西北向為綏化、齊齊哈爾等轄區,因此吉林省、綏化、齊齊哈爾等區域的污染物排放會對哈爾濱市空氣質量造成影響、此外,哈爾濱市地勢南高北低,污染物易累積,不利于擴散,加重污染程度、延長污染時長.

圖6 12月10~13日哈爾濱市風速風向分布

3.2 污染氣流聚類分析

為了解不同軌跡氣團的來源方向和傳輸距離,將計算得到的200m高度的48h后向軌跡進行分型聚類,見圖7.根據3.1污染概況分析,PM2.5為此次污染過程的首要污染物,故選取PM2.5為HYSPLIT模型輸入的控制因子.

如圖7所示,對HYSPLIT模擬的后向48h的96條有效軌跡進行分型聚類后得到4類平均軌跡:第1類軌跡源自內蒙古,輸送距離最遠且輸送速度最慢,數量較多,占總數的30.21%;第2類軌跡也來自內蒙古,輸送距離較長,輸送速度較慢,軌跡數量最多,占總數的34.38%,經過的區域中吉林省秸稈焚燒火點數較多;第3類軌跡起源于大慶,輸送距離最短,輸送速度最快,軌跡數量較多,占總數的25.00%;第4類軌跡起源于齊齊哈爾,輸送距離較短,且輸送速度較快,軌跡數量最少,僅占總數的10.42%.

圖7 12月10~13日48h后向軌跡聚類與火點分布

為了進一步表征軌跡來源方向的氣團對哈爾濱市空氣質量的影響在48h后向軌跡聚類分析結果的基礎上計算每類平均軌跡對應的PM2.5平均濃度,且按照空氣質量二級標準為臨界值進行統計分析,具體結果見表1.

表1 48h后向各類軌跡對應的PM2.5濃度

由圖7和表1可知,在48h后向軌跡中:這4類軌跡的PM2.5平均濃度均超標,超標軌跡占軌跡總數的70.83%.其中:第1類軌跡數最多,PM2.5濃度較高,超標的軌跡數目占其總數的48.28%,超標的軌跡PM2.5平均濃度達124.40(μg/m3),第2,3,4類軌跡數目較多,PM2.5濃度較高,超標軌跡數較多,其中第2類軌跡超標軌跡平均濃度達316.60(μg/m3),對照污染時間和火點分布情況,可看出污染主要集中在11日17:00~13日15:00,秸稈焚燒火點也主要分布在這個方向,說明來自此方向的氣團對哈爾濱市的空氣質量有較大的影響.

綜上,內蒙古、吉林、齊齊哈爾等地區的污染物可經過長距離輸送到達哈爾濱,而且影響范圍比較大.外地源主要受來自吉林秸稈焚燒的影響,本地源主要受齊齊哈爾、大慶、綏化,以及哈爾濱市五常、雙城等地區的污染氣團的影響.這些方向的氣團都有著嚴重的污染,促進了霾的形成.

3.3 污染氣流潛在源分析

由后向軌跡聚類分析結果可知,近地面的氣流對此次污染的影響最大,為進一步驗證此結論,利用PSCF分析方法對哈爾濱市2018年12月10~13日的48h后向氣團軌跡所對應的PM2.5濃度進行分析,將模擬期間計算的氣流軌跡所覆蓋的區域(122.3°E~128°E、43°N~50°N)網格化,分成0.5°×0.5°的水平網格,然后針對研究期間的所有軌跡,計算各網格的WPSCF值,并用Meteoinfo軟件作WPSCF分布圖,結果見圖8.

圖8 12月10~13日PM2.5的WPSCF分布特征

由圖8可知,WPSCF的較高值主要集中在五常、阿城、雙城、巴彥等地區,表明這些地區的污染輸送是導致哈爾濱PM2.5濃度較高的主要原因;大慶、綏化等地區的網格WPSCF值也較高,表明來自這些區域的污染物傳輸也可導致哈爾濱PM2.5超標情況的發生;其中黑龍江與吉林交界處、吉林中部和西部、內蒙古與黑龍江交界、內蒙古與吉林省交界處的網格顏色也較深,WPSCF值也較大,對原始軌跡進行驗證發現11和13日有大量的污染軌跡來源于此,所以此處也是哈爾濱市的潛在污染貢獻區.

3.4 污染軌跡濃度權重分析

由后向軌跡聚類分析結果可知,來自內蒙古,經過吉林,最終抵達哈爾濱的氣團,對此次污染的影響最大,為進一步驗證此結論,將模擬期間計算的氣流軌跡所覆蓋的區域(122.3E~128°E、43°N~50°N)按照0.5°×0.5°網格化成若干水平網格,采用濃度權重CWT方法對哈爾濱市的2018年12月10~13日的PM2.5濃度進行權重分析,進一步溯源,WCWT分布情況見圖9.

圖9 12月10~13日PM2.5的WCWT分布特征

由圖9可見,WCWT高值區呈現以哈爾濱為中心向西北方向擴散的扇形分布態勢.來自興安盟、白城市、吉林市、長春市、公主嶺市、賓縣、道外區的軌跡對應的PM2.5的WCWT值最高,貢獻最大;來自巴彥、阿城、呼蘭、五常等的WCWT值次之,說明貢獻也較大;此外,來自綏化北部、德惠市、松原市等地的WCWT值也較高,故推測該區域也是此次哈爾濱市空氣污染的主要貢獻源、由此可見,要應對當前頻發的重污染天氣,哈大綏區域大氣污染聯防聯控甚至跨區域大氣污染聯防聯控都具有極重要意義.

4 結論

4.1 選定2018年哈爾濱市一次空氣重污染時期12月10~13日為研究對象,10~13日存在兩個嚴重污染時段:12日5:00~11:00以及12日21:00~13日02:00.污染類型由10日0:00至11日17:00的偏燃煤型發展為11日17:00~13日15:00的二次氣溶膠復合污染,最終13日15:00后穩定為偏燃煤型.第一個嚴重污染時段的污染可歸因于燃煤與秸稈露天焚燒的復合污染,揚塵的排放成為第二個嚴重污染時段新增的影響因素,天氣形勢和風速風向等不利的氣象條件為本次污染提供有利的條件.

4.2 重污染期間200m高度的48h后向軌跡聚類分析結果表明:12月10~13日哈爾濱市附近區域的污染物可遠距離輸送到達哈爾濱,遠距離主要受吉林省秸稈焚燒的影響,近距離主要受齊齊哈爾、大慶、綏化,以及哈爾濱市本地的五常、雙城等地區的影響.這些方向的氣團都攜帶著嚴重的污染,促進了霾的形成.PSCF和CWT分析結果表明哈爾濱本地的雙城、巴彥、阿城等區域和吉林省的中部地區,另外周邊的大慶、綏化是哈爾濱市PM2.5的主要潛在源地.

[1] 張 蕾,戚秀云.哈爾濱市霧霾天氣成因及防控對策研究 [J]. 環境科學與管理, 2015,40(12):93-95. Zhang L, Qi X Y. Causes of fog and haze weather in Harbin and Countermeasures for its prevention and control [J]. Environmental Science and Management, 2015,40(12):93-95.

[2] 邢延峰,曹 勝,姜景陽,等.哈爾濱市周邊秸稈焚燒對市區空氣質量的影響分析研究 [J]. 環境科學與管理, 2016,(6):149-153. Xing Y F, Cao S, Jiang J Y, et al. Analysis of the impact of straw burning around Harbin on urban air quality [J]. Environmental Science and Management. 2016,(6):149-153.

[3] 邢延峰,王鵬杰,曹 勝,等.秸稈焚燒對哈爾濱市灰霾天氣的影響 [J]. 中國環境監測, 2017,(3):87-93. Xing Y F, Wang P J, Cao S, et al. Influence of straw burning on haze weather in Harbin [J]. China Environmental Monitoring, 2017,(3): 87-93.

[4] 霍耀強,李 敏,滕澤棟,等.秸稈焚燒對哈爾濱空氣質量的影響研究 [J]. 環境污染與防治, 2018,(10):1161-1166. Huo Y Q, Li M, Teng Z D, et al. Study on the effect of straw burning on air quality in Harbin [J]. Environmental Pollution Control, 2018, (10):1161-1166.

[5] 張青新.基于氣流軌跡聚類的大氣輸送對丹東市酸雨形成影響[J]. 中國環境監測, 2013,29(1):52-57. Zhang Q X. Influence of atmospheric transport on the formation of acid rain in Dandong city based on airflow trajectory clustering [J]. China Environmental Monitoring, 2013,29(1):52-57.

[6] 李海軍,陸琛莉,宋劉明.嘉興秋冬季中度及中度以上霾天氣的潛在污染來源及污染傳輸特征分析[J]. 環境污染與防治, 2017,(8): 900-904. Li H J, Lu C L, Song L M. Analysis of potential pollution sources and pollution transmission characteristics of moderate and moderate weather in Jiaxing in autumn and winter [J]. Environmental Pollution Control., 2017,(8):900-904.

[7] 段鳳魁,魯毅強,狄一安,等.秸稈焚燒對北京市空氣質量的影響[J]. 中國環境監測, 2001,(3):8-11. Duan F K, Lu Y Q, Di Y A, et al. Influence of straw burning on air quality in Beijing [J]. China Environmental Monitoring, 2001,(3): 8-11.

[8] 丁 銘,朱玉奇,牛志春,等.2013年6月江蘇一次大氣污染過程分析 [J]. 中國環境監測, 2015,(5):34-39. Ding M, Zhu Y Q, Niu Z C, et al. Analysis of an air pollution process in Jiangsu in June 2013 [J]. China Environmental Monitoring, 2015, (5):34-39.

[9] 張近揚,宋韶華,許 睿,等.基于后向氣團軌跡的區域大氣污染顆粒物來源分析 [J]. 中國環境監測, 2017,(2):42-46. Zhang J Y, Song Y H, Xu R, et al. Source analysis of particulate matter in regional air pollution based on backward air mass trajectory [J]. China Environmental Monitoring, 2017,(2):42-46.

[10] 李 莉,蔡鋆琳,周 敏.2013年12月中國中東部地區嚴重灰霾期間上海市顆粒物的輸送途徑及潛在源區貢獻分析 [J]. 環境科學, 2015,36(7):2327-2336. Li L, Cai Y L, Zhou M. Analysis of the transport routes and potential source regions of Shanghai particulate matter during severe ash in central and eastern China in December 2013 [J]. Environmental Science, 2015,36(7):2327-2336.

[11] 孔珊珊,劉厚鳳,陳義珍.基于后向軌跡模式的北京市PM2.5來源分布及傳輸特征探討 [J]. 中國環境管理, 2017,(1):86-90. Kong S S, Liu H F, Chen Y Z. Discussion on source distribution and transmission characteristics of PM2.5in Beijing based on backward trajectory model [J]. China Environmental Management, 2017,(1):86- 90.

[12] 王 茜.利用軌跡模式研究上海大氣污染的輸送來源 [J]. 環境科學研究, 2013,(4):357-363. Wang Q. Using Trajectory model to study the source of air pollution in Shanghai [J]. Environmental Science Research, 2013,(4):357-363.

[13] 尹 聰,朱 彬,曹云昌,等.秸稈焚燒影響南京空氣質量的成因探討 [J]. 中國環境科學, 2011,31(2):207-213. Yin C, Zhu B, Cao Y C, et al. Discussion on the causes of air quality in Nanjing caused by straw burning [J]. China Environmental Science, 2011,31(2):207-213.

[14] 聶 滕,李 璇,王占山,等. APEC期間北京市PM2.5時空分布與過程分析[J]. 中國環境科學, 2016,2(36):349-355. Nie T, Li X, Wang Z S, et al. Temporal and spatial distribution and process analysis of PM2.5in Beijing during APEC [J]. China Environmental Science. 2016,2(36):349-355.

[15] 楊孝文,周穎,程水源,等.北京冬季一次重污染過程的污染特征及成因分析[J]. 中國環境科學, 2016,36(3):679-686. Yang X W, Zhou Y, Cheng S Y, et al. Pollution characteristics and genesis of a heavy pollution process in winter in Beijing [J]. China Environmental Science, 2016,36(3):679-686.

[16] 崔 萌,安興琴,范廣洲,等.北京一次重污染過程的天氣成因及來源分析[J]. 中國環境科學, 2018,38(10):3628-3638. Cui M, An X Q, Fan G Z, et al. Weather causes and source analysis of a heavy pollution process in Beijing [J]. China Environmental Science. 2018,38(10):3628-3638.

[17] 任浦慧,解靜芳,姜洪進,等.太原市大氣PM2.5季節傳輸路徑和潛在源分析 [J]. 中國環境科學, 2019,39(8):3144-3151. Ren P H, Xie J F, Jiang H J, et al. Analysis of seasonal transmission path and potential source of PM2.5in Taiyuan city [J]. China Environmental Science, 2019,39(8):3144-3151.

[18] 張懿華,段玉森,高 松,等.上海城區典型空氣污染過程中細顆粒污染特征研究[J]. 中國環境科學, 2011,31(7):1115-1121. Zhang Y H, Duan Y S, Gao S, et al. Characteristics of fine particle pollution in typical air pollution process in Shanghai urban area [J]. China Environmental Science, 2011,31(7):1115-1121.

[19] 王郭臣,王 玨,信玉潔,等.天津PM10和NO2輸送路徑及潛在源區研究[J]. 中國環境科學, 2014,34(12):3009-3016. Wang G C, Wang Y, Xin Y J, et al. Study on the transport path and potential source area of PM10and NO2in Tianjin [J]. China Environmental Science, 2014,34(12):3009-3016.

[20] 翟 華,朱 彬,趙雪婷,等.長江三角洲初冬一次重污染天氣成因分析[J]. 中國環境科學, 2018,11(38):4001-4009. Geng H, Zhu B, Zhao X T, et al. Analysis of the causes of heavy pollution in the early winter of the Yangtze River Delta [J]. China Environmental Science, 2018,38(11):4001-4009.

[21] 吳立新,呂 鑫,秦 凱,等.秸稈焚燒期間徐州市空氣污染物時空分布特征分析[J]. 地理與地理信息科學, 2014,(1):18-22. Wu L X, Lv X, Qin K, et al. Temporal and spatial distribution characteristics of air pollutants in Xuzhou city during straw burning [J]. Geography and Geography Information Science, 2014,(1):18-22.

[22] 李 展,杜云松,王 斌.2013年成都地區一次秸稈焚燒特征及成因分析 [J]. 環境保護科學, 2015,(1):65-69. Li Z, Du Y S, Wang B. Characteristics and causes of a straw incineration in Chengdu in 2013 [J]. Environmental Science, 2015, (1):65-69.

[23] 張 帆,唐 毅,陳治翰,等.后向軌跡模式在攀枝花市PM2.5來源分析研究中的應用 [J]. 四川環境, 2016,35(4):83-86. Zhang F, Tang Y, Chen Z H, et al. Application of backward trajectory model in source analysis of PM2.5in Panzhihua city [J]. Sichuan Environment, 2016,35(4):83-86.

[24] Verma N, Lakhani A, Kumari K M. High ozone episodes at a semi-urban site in India: Photochemical generation and transport [J]. Atmospheric Research. 2017,197:232-243.

[25] Stein A F, Wang Y, de la Rosa J D, et al. Modeling PM10originating from dust intrusions in the southern iberian peninsula using HYSPLIT [J]. Weather And Forecasting, 2011,26(2):236-242.

[26] Zdun A, Rozwadowska A, Kratzer S. The impact of air mass advection on aerosol optical properties over Gotland (Baltic Sea) [J]. Atmospheric Research. 2016,182:142-155.

[27] Song M, Chobyeongsu. Distributions and origins of PM10in Jeollabuk do from 2010 to 2015 [J]. Journal of Korean Society for Atmospheric Environment. 2017,33(3):251-264.

[28] Banks R F, Tiana-Alsina J, Baldasano J M, et al. Retrieval of boundary layer height from lidar using extended Kalman filter approach, classic methods, and backtrajectory cluster analysis [C]// Proceedings of SPIE, 2014:9242.

[29] Shukurov K A, Shukurova L M. Source regions of ammonium nitrate, ammonium sulfate, and natural silicates in the surface aerosol of Moscow Oblast [J]. Izvestiya Rossiiskoi akademii nauk. Fizika atmosfery i okeana, 2017,53(3):360-369.

[30] Bhuyan P K, Bharali C, Pathak B, et al. The role of precursor gases and meteorology on temporal evolution of O3at a tropical location in northeast India [J]. Environmental Science and Pollution Research, 2014,21(10):6696-6713.

[31] Draxler R R. The use of global and mesoscale meteorological model data to predict the transport and dispersion of tracer plumes over Washington, D. C. [J]. Weather And Forecasting, 2006,21(3):383- 394.

[32] Draxier R R, Hess G D. An overview of the HYSPLIT4modelling system for trajectories, dispersion and deposition [J]. Australian Meteorological Magazine, 1998,47(4):295-308.

[33] Draxler R R, Gillette D A, Kirkpatrick J S, et al. Estimating PM10air concentrations from dust storms in Iraq, Kuwait and Saudi Arabia [J]. Atmospheric Environment, 2001,35(25):4315-4330.

[34] 姚俊英,于宏敏,王 瑩.黑龍江省秸稈焚燒氣象指數預報服務研究[J]. 環境科學與管理, 2018,(10):45-48. Yao J Y, Yu H M, Wang Y. Research on forecasting service of straw burning meteorological index in Heilongjiang Province [J]. Environmental Science and Management, 2018,(10):45-48.

[35] 生態環境部,《環境空氣質量標準》(GB3095-2012) [R]. 2012. Ministry of Ecology and Environment, Ambient Air Quality Standards (GB3095-2012) [R]. 2012.

An air pollution process and potential sources of Harbin.

WANG Xing1,2, LI Li-li1,2, WANG Kun1,2*, LIU Yu-ping3, JIA Lin-lin3, JIANG Jun-qiu1,2, ZHU Li-na1,2

(1.State Key Laboratory of Urban Water Resources and Environment, Harbin 150090, China；2.School of Environment, Harbin Institute of Technology, Harbin 150090, China；3.Heilongjiang Academy of Environmental Sciences, Harbin 150090, China)., 2019,39(11)：4502~4510

A case study was carried out in Harbin during the severe air pollution period from December 10thto 13th, 2018, with focuses on the formation, evolution and potential source areas. The results showed that the air pollution process was dominated by PM2.5. The pollution type was dominated by coal combustion from 00:00 on the 10thto 17:00 on the 11th, then developed into the secondary aerosol pollution from 17:00 on the 11thto 15:00 on the 13th, and eventually stabilized as being dominated by coal combustion after 15:00 on the 13th. Based on the analysis of weather situation, wind speed and wind direction, it can be seen that the pollution process was inseparable from the unfavorable diffusion conditions. The simulated 48h backward trajectories were mainly divided into 4categories after clustering analysis, most of them came from Inner Mongolia, Jilin and other directions. PM2.5exceeded the air quality standard for 70.83% of the trajectories, indicating the polluted air mass from these directions had a greater impact on the air quality of Harbin. Through the PSCF and CWT analysis of the simulated 48h backward trajectory, it was found that the WPSCF and WCWT distribution characteristics in Harbin were similar. The high values of WPSCF and WCWT were mainly concentrated in Harbin's Shuangcheng, Bayan, Acheng, Jilin Province's central and western regions, as well as Daqing and Suihua, indicating that these areas were the potential source areas of PM2.5in Harbin.

pollution type；backward trajectory；potential source distribution；PM2.5transport characteristics；Harbin

X51

A

1000-6923(2019)11-4502-09

王 醒(1994-),女,貴州畢節人,哈爾濱工業大學碩士研究生,主要研究方向為大氣污染物排放清單及其傳輸擴散特征.發表論文1篇.

2019-04-22

國家重點實驗室探索課題(2016TS08);國家重點研發計劃課題(2017YFC0212305)

* 責任作者, 教授, Wang02kun@126.com