數(shù)字峰會期間廈門市大氣PM2.5管控效果評估

（廈門市環(huán)境監(jiān)測站 福建廈門 361021）

近年來，伴隨著社會經(jīng)濟的快速發(fā)展，我國定期舉辦大型峰會、賽事等活動的數(shù)量與日俱增。活動期間，主辦方通常會采取聯(lián)防聯(lián)控等臨時性管控措施，以保障環(huán)境空氣質(zhì)量[1]。以污染物濃度、氣象條件以及模型模擬為主的大氣環(huán)境質(zhì)量分析是評估重大活動舉辦期間管控有效性的重要內(nèi)容[2]。以G20峰會為例，研究發(fā)現(xiàn)，杭州市管控期間空氣質(zhì)量總體優(yōu)良，PM2.5污染物濃度同比下降40%，保障工作取得顯著效果[3]。針對時空變化和氣象條件分析發(fā)現(xiàn)，APEC會議期間北京地區(qū)的平均風(fēng)速和相對濕度好于會前和會后[4]，廣州亞運期間污染氣象條件比亞運前后有利[5]，氣象條件也對污染物擴散起到積極作用。大氣源解析模型分析認(rèn)為鄭州民運會期間一次源中的揚塵、燃煤和工業(yè)源貢獻比分別下降8.3%、8.2%和8.1%[6]。

廈門市地處福建省東南部、臺灣海峽南部西側(cè)、福建省南部的九龍江入海處，是我國海灣型城市之一。常年主導(dǎo)風(fēng)力為東北風(fēng)，屬亞熱帶海洋性季風(fēng)氣候，溫和多雨，2019年平均氣溫為21.9℃。本研究著眼于2019年5月份舉辦的數(shù)字中國建設(shè)峰會，針對該峰會開展空氣質(zhì)量分析與評估。基于廈門市國控站與超級站的在線監(jiān)測數(shù)據(jù)，綜合使用PMF、HYSPLIT模型等方法，分析數(shù)字峰會期間政府空氣質(zhì)量保障措施的成效，為今后制定有關(guān)重大活動的聯(lián)防聯(lián)控機制以及區(qū)域間協(xié)同合作提供借鑒。

1 材料與方法

1.1 數(shù)據(jù)來源

研究期間分為數(shù)字峰會管控前（2019年4月30日—5月2日）、管控中（2019年5月3日—8日）、管控后（2019年 5月9日—11日），分析比較這三段時間內(nèi)PM2.5及其組分濃度的變化情況與成因來源解析。

研究采用的數(shù)據(jù)為廈門市國控城市評價點與超級站的歷史實時監(jiān)測數(shù)據(jù)，各點位分布如圖1所示。

國控點監(jiān)測因子包括 AQI、PM2.5、PM10、O3、NO2、SO2、CO，超級站監(jiān)測因子包括 NO3-、SO42-、Cl-、F-、NH4+、Mg2+、K+、Ca2+、Na+、OC、EC、溫度、氣壓、溫度、風(fēng)向、風(fēng)速等，相關(guān)儀器型號如表1所示。

1.2 研究方法

基于各類儀器監(jiān)測數(shù)據(jù)，深度分析大氣PM2.5及其組分的濃度變化特征，采用正定矩陣因子分解模型PMF進行分析時段內(nèi)廈門本地細(xì)顆粒物來源解析，采用后向軌跡模型HYSPLIT對大氣污染傳輸情況進行歷史回顧。

表1 監(jiān)測及分析儀器一覽表

1.2.1 正定矩陣因子模型PMF

正定矩陣因子（PMF）模型是基于因子分解的常用源解析模型，作為EPA官方推薦的大氣源解析模型，該模型已在我國各地進行了廣泛而深入的應(yīng)用。其原理是將數(shù)據(jù)矩陣X（m×n矩陣）分解為源荷載G（m×p矩陣）和污染源成分譜F（p×n矩陣）矩陣，以及殘差矩陣E。通過對污染源中的化學(xué)成分賦予權(quán)重，由最小二乘法解析出污染源概況和其相應(yīng)貢獻值，計算過程為：

式（2）中：xij為第 i個樣本中組分 j的質(zhì)量濃度，mg/L；p為污染源數(shù)量 （因子數(shù)）；gik為第k個污染源對樣本i的貢獻；fik是第k個污染源中組分j的含量特征值；eij是第i個樣本中組分j的組成含量的殘差，通過使目標(biāo)函數(shù)Q值最小化來解析出污染源的貢獻率。

1.2.2 后向軌跡模型HYSPLIT

HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectory Model）模型是由美國海洋與大氣研究中心（National O-ceanic and Atmospheric Administration，NOAA）和空氣資源實驗室（Air Resources Laboratory，ARL）聯(lián)合開發(fā)的混合單粒子拉格朗日積分傳輸、擴散模式，能夠較直觀地描述粒子在氣流中的運動軌跡。對氣團時間和空間位置矢量的積分得到氣團軌跡[7]，普遍應(yīng)用于計算和分析大氣污染物輸送、擴散軌跡。Karaca等[8]為分析PM10傳輸?shù)臐撛谠磪^(qū)，利用HYSPLIT的后向軌跡，估量了可能對土耳其伊斯坦布爾存在遠(yuǎn)距離輸送影響的區(qū)域；趙恒等[9]利用HYSPLIT軌跡模式和氣象數(shù)據(jù)，計算了影響香港鶴嘴的后向氣團軌跡，并進行聚類分析研究其年際氣候輸送特征；王茜[10]利用HYSPLIT模式分析不同季節(jié)PM10和NO2的潛在源區(qū)分布特征，確定了影響上海的氣團軌跡。

2 結(jié)果與討論

2.1 數(shù)字峰會期間PM2.5及其組分特征分析

從直接指標(biāo)上看，PM2.5濃度在管控前、中、后分別為26、18、28 μg/m3，數(shù)字峰會管控取得一定成果。具體變化情況：管控前，4月30日午后開始至5月1日出現(xiàn)一次雨量較大的降水過程，清潔力度較強，PM2.5濃度維持低值；5月2日雨后，空氣質(zhì)量短時達到輕度污染等級，PM10濃度也達到輕度污染等級，PM2.5濃度則維持良等級。5月3日，管控開始后，在無降水氣象條件下，廈門市空氣質(zhì)量整體為良，PM2.5濃度維持優(yōu)等級，PM10濃度除5日為良外也均維持優(yōu)等級，此期間顆粒物濃度再無之前較為明顯的峰值。5月8日，管控正式結(jié)束，氣態(tài)污染物NO2與CO開始明顯抬升，PM2.5亦在5月8日夜間出現(xiàn)66 μg/m3的相對高值。

詳細(xì)對比管控期間和管控前的4月30日、5月2日（此二日無降水）空氣質(zhì)量數(shù)據(jù)，可以發(fā)現(xiàn)，管控期間顆粒物濃度的削峰成效顯著，PM10濃度由原來115 μg/m3的小時峰值降至67 μg/m3， 下降幅度為 41.7%；PM2.5濃度由原來 76 μg/m3的小時峰值降至38 μg/m3，下降幅度為50.0%。PM2.5/PM10濃度比值分析顯示，2019年廈門全市的PM2.5與PM10年均濃度比值為0.60（PM10：43 μg/m3、PM2.5：26 μg/m3），而管控前期 5 月 3 日—5日的 PM2.5/PM10比值為 0.43 （PM10：47 μg/m3、PM2.5：20 μg/m3），說明管控前期，PM2.5的下降趨勢強于PM10，以機動車尾氣源為主的細(xì)顆粒物源壓降明顯。管控前、中、后的大氣污染物及氣象條件的變化如圖2所示。

由圖3可以看出，分析時段內(nèi)硫酸鹽、硝酸鹽及銨鹽（sulfate，nitrate and ammonium，SNA）在水溶性離子組分中的濃度占比始終維持在80%以上，表明廈門地區(qū)的前體物濃度、光照、溫度等外部環(huán)境有利于大氣二次反應(yīng)。NO3-離子濃度占比在管控期間略有降低，為4.8%，SO42-離子濃度占比在管控后大幅上升，為61.1%，計算硫氧化率SOR、氮氧化率NOR（分別衡量SO2向SO42-、NO2向NO3-的轉(zhuǎn)化程度），n代表相應(yīng)的摩爾濃度：

相關(guān)研究結(jié)論表明，當(dāng)SOR大于0.25、NOR大于0.10時，大氣中存在較高的SO2和NO2的二次轉(zhuǎn)化[11]，本研究計算發(fā)現(xiàn)：分析時段內(nèi)，SOR評估時段均值為0.37，管控前均值為0.31，管控中均值為0.38，管控后均值為0.42，均高于0.25，且管控后SO2轉(zhuǎn)化程度略高，這與SO42-離子濃度占比的變化趨勢一致；NOR評估時段均值為0.03，管控前均值為0.03，管控中均值為0.02，管控后均值為0.04，NO2轉(zhuǎn)化程度普遍較低，部分解釋了分析時段內(nèi)NO3-離子濃度普遍低于SO42-離子濃度的原因。

根據(jù)分析得到的OC/EC比值可以指示污染來源。分析時段內(nèi)，OC/EC比值分別為管控前的4.58±3.18；管控中的8.36±7.06；管控后的5.29±3.95，詳細(xì)數(shù)據(jù)顯示，管控期間多個時段的EC含量明顯降低。相關(guān)研究指出燃煤源排放的OC/EC比值在2.5～10.5之間[12]；汽車尾氣排放氣溶膠的 OC/EC比值在1.0～4.2 之間[13]；木材燃燒 OC/EC 的比值在 16.8～40.0 之間[14]，這表明管控期間汽車尾氣的碳質(zhì)氣溶膠排放量明顯減少。此外，OC與EC的線性回歸相關(guān)性數(shù)據(jù)（R=0.54±0.05）接近，表明管控期間OC與EC的來源并未發(fā)生較大變化，二者來源持續(xù)存在差異，二者相關(guān)性分析見圖4。

EC由燃燒過程直接排放，其直接反映燃燒源直接排放一次氣溶膠的情況，而OC可以是直接排放的POC，也可以來自氣態(tài)有機物的光化學(xué)反應(yīng)產(chǎn)生的二次有機碳SOC，對分析時段內(nèi)大氣中的二次有機碳SOC進行分析，計算方式采用EC示蹤法，具體公式如公式（5）、（6）。

式中：POC為一次有機碳，（OC/EC）min為 OC/EC最小比值，本文選取分析時間段OC/EC比值中最小5個值的平均值作為（OC/EC）min的值。得到管控前、中、后SOC平均濃度為1.44、1.29、1.46 μg/m3，均占 OC濃度的 42%左右，因分析時段處于春夏交接之際，該值略高于廈門冬季SOC/OC占比35%，符合不同季節(jié)的大氣氧化性強弱規(guī)律。

綜上所述，PM2.5及其組分分析結(jié)果顯示，數(shù)字峰會空氣質(zhì)量保障期間，廈門市PM2.5及其主要組分水溶性離子、OC、EC濃度同步下降。針對揚塵、機動車的管控措施使得PM2.5組分特征發(fā)生有利變化，管控措施整體有效。

2.2 數(shù)字峰會期間PM2.5外來傳輸分析

大氣污染物除了本地生成外也受外來傳輸影響，國內(nèi)外廣泛使用后向軌跡氣團來定性或定量研究污染物的區(qū)域傳輸特征[15-16]。國際上有多套拉格朗日輸送擴散模型，比較具有代表性的有HYSPLIT模型，后向軌跡氣團模擬見圖5。

本研究使用HYSPLIT模式分析管控前中后時期不同高度層（100、500、1 000 m）的污染氣團來向。 管控前，100 m 高度層氣團主要途徑江蘇南部、上海及東海海面，500 m高度層氣團主要途徑內(nèi)蒙古中部、京津冀、山東、黃海、東海海面以及福建北部地區(qū)，1 000 m高度層氣團主要途徑長三角、東海海面以及福建北部地區(qū)；管控中，100 m高度層氣團主要途徑東北三省、渤海、黃海、東海海面、浙江以及福建北部地區(qū)，500 m高度層氣團主要途徑蒙古國、內(nèi)蒙古中部、京津冀、山東、黃海及東海海面，1000 m高度層氣團主要途徑東海海面、臺灣、廣東、江西、福建南部地區(qū)；管控后，100 m與500 m高度層主要途徑黃海與東海海面，1 000 m高度層氣團途徑上海、東海以及福建北部地區(qū)。后向軌跡分析整體顯示，分析時段內(nèi)，廈門市外來傳輸氣團主要來自于其北部地區(qū)。

2.3 數(shù)字峰會期間PM2.5本地來源解析

本研究基于EPA PMF5.0對分析時段內(nèi)的PM2.5組分來源進行PMF模型分析，運行時選取2～8個因子進行建模，通過相關(guān)值擬合比選的方式，確定4因子，分析4因子的輸出文件，兩參數(shù)dQ＜0.1%，swaps=0，說明4因子的選擇較為合理。模型分析過程中，機動車尾氣來源通過高載荷的OC、EC來識別，揚塵通過 Mg2+、Ca2+識別，二次源通過 NO3-、SO42-、NH4+識別，工業(yè)源通過SO42-、OC、Cl-識別。模型運行結(jié)果表明：管控前，機動車尾氣源44.98%，工業(yè)源34.74%，揚塵源3.81%，二次源15.28%，其它源1.19%；管控中，機動車尾氣源29.04%，工業(yè)源47.66%，揚塵源 3.61%，二次源 19.56%，其它源0.12%；管控后，機動車尾氣源50.45%，工業(yè)源17.53%，揚塵源4.41%，二次源26.93%，其它源0.67%，見圖6。管控期間，機動車尾氣來源相對占比下降明顯，這得益于保障期間合理的交通管控，揚塵源在管控期間的來源占比亦有輕微下降，同樣與之前的PM2.5組分分析結(jié)論一致。另外，分析時段內(nèi)二次源來源占比未受管控措施的明顯影響，這與其受大氣環(huán)境（溫度、光照等）影響有關(guān)，短時一次源的管控難以直接影響該類源的跟隨變化。而在源解析的分析過程中，由于工業(yè)源的標(biāo)識組分較為復(fù)雜，潛在來源眾多（如工業(yè)燃煤、工業(yè)溶劑揮發(fā)等），部分標(biāo)識物如Cl-甚至可能來源于海洋（與環(huán)境空氣質(zhì)量背景相關(guān)），在機動車尾氣源相對大幅下降的情況下，該類源占比出現(xiàn)管控期間不降反升的情況。

3 結(jié)論

（1）數(shù)字峰會管控期間，廈門市的PM2.5平均濃度為18 μg/m3，相較于管控前、后分別下降了 8、10 μg/m3。 管控期間，PM10濃度由原來115 μg/m3的小時峰值降至67 μg/m3，下降幅度為41.7%；PM2.5濃度由原來 76 μg/m3的小時峰值降至 38 μg/m3。管控前期，廈門市PM2.5/PM10濃度比值為0.43，明顯低于2019全年比值0.60，說明以機動車源為主的細(xì)顆粒物源管控有效。

（2）PM2.5的主要組分水溶性離子與OC、EC變化趨勢與PM2.5保持一致。SNA在水溶性離子中超過80%的占比表明，二次離子的影響不容忽視。分析時段內(nèi)，NO3-的濃度普遍低于SO42-，SOR、NOR的計算結(jié)果顯示，NO2的二次轉(zhuǎn)化率偏低。OC/EC比值分析認(rèn)為管控期間汽車尾氣的碳質(zhì)氣溶膠排放量明顯減少，相關(guān)性分析則認(rèn)為OC、EC普遍存在來源差異。

（3）傳輸模型HYSPLIT分析發(fā)現(xiàn)，數(shù)字峰會期間廈門市主要受福建省北部、周邊鄰近城市傳輸影響。結(jié)合源解析結(jié)果認(rèn)為，本地交通管控對PM2.5濃度的削峰式下降起到了關(guān)鍵作用。