基于后向軌跡模型的寶雞市典型灰霾期間PM2.5來源分布及傳輸特征

梁 祝，李 龍，張 輝，張自露，陳順祥，周變紅

(寶雞文理學院 地理與環境學院，陜西省災害監測與機理模擬重點實驗室，陜西 寶雞 721013)

1 引言

自20世紀90年代末開始，我國工業化和城鎮化發展取得了很大的成就，產生了許多的城市群；伴隨而來的是，一系列的空氣污染問題[1～3]。PM2.5污染問題越來越嚴重，不僅能夠影響能見度，且PM2.5容易附著各種有毒物質，對人類身體健康產生一定的危害[4～6]。PM2.5來源較為廣泛，成因不僅包括本地源，還包括其他外來傳輸源(如來自跨區域傳輸)[7,8]。目前后向軌跡聚類分析、潛在源貢獻分析法(PSCF)和濃度權重軌跡分析法(CWT)是研究污染物跨區域傳輸以及識別潛在源區最常用的方法。近年來，我國對于PM2.5污染特征及來源解析的相關研究主要集中在京津冀地區、長江三角洲地區、珠江三角洲地區及鄭州等嚴重污染區[9～12]。高陽等[13]通過對2017年12月至2018年2月冬季豫南地區的PM2.5濃度進行后向軌跡以及潛在源分析發現，豫南地區以西北方向以及東北方向長距離傳輸和正南方向較短距離傳輸為主?？咨荷旱萚14]利用北京地區2015年9月1日至2016年8月31日PM2.5濃度數據，利用后向軌跡模式、PSCF以及CWT方法研究北京地區污染物來源，研究發現來自能蒙古西部的氣團最多，且內蒙古西部地區是PM2.5污染的主要潛在源區。王帥等[15]利用沈陽地區2016年至2017年冬季空氣污染物數據，研究發現，沈陽地區PM2.5平均濃度為149 μg/m3，最大值為273 μg/m3，潛在源區分析表明，沈陽地區污染物潛在源區為遼寧中西部、內蒙古東北部及京津冀北部等。

2 數據與方法

2.1 研究區概況

寶雞市地處關中平原西部，位于東經106°18′～108°03′，北緯33°35′～35°06，全市平均海拔618 m。東西長156.6 km，南北寬160.6 km，是陜西省第二大城市，陜甘川寧毗鄰地區區域性中心城市。處于西安、成都、蘭州、銀川四省會(首府)城市的中心位置，總面積1.82萬km2,常住人口373.67萬人。

2.2 數據來源

本研究所用的PM2.5濃度數據來源于PM2.5空氣質量在線監測分析平臺(https://www.aqistudy.cn/)，后向軌跡資料來自美國國家環境預報中心(National Centers for Environmental Prediction，NCEP) 和美國國家大氣研究中心(National Centers for Atmospheric Research，NCAR) 提供的全球再分析資料以及全球資料同化系統(Global Land Data Assimilation System, GDAS)氣象要素數據(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)，氣象要素包括溫度、氣壓、降水、風速等。選取時間段為2019年2月1～28日。

2.3 研究方法

2.3.1 后向軌跡模型

HYSPLIT-4后向軌跡模式是歐拉和拉格朗日混合型的擴散模式，其平流和擴散處理采用拉格朗日方法，污染物濃度計算采用歐拉方法，該方法目前在國內外已廣泛應用于研究污染物的來源及傳輸路徑[16]，在此基礎上統計分析方法有很多，如聚類分析、潛在源貢獻函數分析法(PSCF)、濃度權重軌跡分析法(CWT)等。時間選用2019年2月1日0:00至2月28日23:00，起始高度為500 m，每1 h模擬一條后向軌跡，向后推48 h。

2.3.2 聚類分析

聚類分析方法是將多個參數之間距離遠近關系以一種統計量的方式來表示，以此將多個樣本歸類分成一定類數的方法． 再將該聚類方法在不同輸送方向和速度的氣團軌跡結合，計算空間相似度后對所有氣團軌跡進行分類。為了解觀測點BC的傳輸路徑，采用歐拉距離分析法得到不同氣團的傳輸類型，并對各傳輸類型氣團輸送軌跡所對應的BC質量濃度數值特征進行統計分析[17]。

2.3.3 潛在源貢獻函數分析法(PSCF)

PSCF算法是通過結合氣團軌跡和該軌跡對應某要素值(本研究指880 nm處BC的小時濃度值)來初步斷定來初步確定排放源位置。PSCF函數定義為經過某一區域(i,j)的氣團到達觀測點時對應的BC濃度超過設定閾值的條件概率，i和j分別代表經度和緯度，如公式(1)所示[18]：

(1)

式(1)中，mij表示經過網格(i,j)且對應BC濃度超過設置閾值的污染軌跡端點數，nij表示經過網格(i,j)內部所有軌跡點數，W(nij)為權重函數，由于PSCF算法存在一定的不確定性，為降低計算不確定性，參考Wang等[19]對權重的定義，公式如下：

(2)

2.3.4 濃度權重軌跡分析法(CWT)

濃度權重軌跡分析法(CWT) 是一種計算軌跡的權重濃度，反映不同源區對觀測點污染程度的方法。在CWT分析中，每個網格都有一個權重濃度，通過計算軌跡經過該網格時對應觀測點BC質量濃度的平均值來實現[20,21]：

(3)

式(3)中，Cij是網格(i，j) 上的平均權重濃度；l是經過網格(i，j) 的軌跡之一；Cl是軌跡l經過網格(i，j) 時對應的BC濃度；mijl是軌跡l在網格(i，j) 停留的時間，nij是所有軌跡點數，W(nij)是權重函數，具體與PSCF相同。

3 結果與分析

3.1 PM2.5濃度的變化特征

圖1為2019年2月1～28日寶雞市PM2.5濃度變化圖，由圖1可知，研究期間， 72%左右的數據均大于GB 3095—2012《環境空氣質量標準》二級標準限值(75 μg/m3)，表明2019年2月份寶雞市污染較嚴重，觀測期間PM2.5平均濃度為112.4 μg/m3，變化范圍為17～229 μg/m3，其中最大值是二級標準限值的3.1倍。最大值出現在2019年2月20日1時，最小值出現在2019年2月6日17時。

為進一步研究寶雞市PM2.5濃度的日變化特征，對寶雞市日變化進行分析，如圖2所示。研究期間寶雞市日變化呈雙峰雙谷型，雙峰值出現在9:00和21:00，谷值出現在6:00和17:00。早晨為上班高峰期，車流量增多，汽車尾氣排放也隨之增加，導致PM2.5濃度在9:00出現第一個峰值，說明汽車尾氣的排放對PM2.5濃度有一定的影響；正午隨著溫度升高，太陽輻射增強，大氣邊界層升高，對流和湍流活動增強，易使污染物的擴散，故PM2.5濃度逐漸降低，在17:00達到全天最小值；17:00后PM2.5濃度迅速增加，主要是晚高峰到來，車輛增多，居民取暖燃煤增多，故PM2.5濃度在21:00達到一天最大值，之后隨著人類活動的減少，PM2.5濃度逐漸下降。

圖2 研究區2019年2月PM2.5濃度的日變化

3.2 聚類分析

為了分析區域傳輸對寶雞市灰霾期間(2019年2月1～28日)PM2.5濃度的影響以及不同方向氣流的污染特征，利用TrajStat軟件，對其進行聚類分析見圖3，氣團軌跡分類見表1。

圖3 后向軌跡聚類分析表1 研究區不同氣團軌跡區域特征

軌跡類型占比/%途徑區域PM2.5濃度/(μg/m3)111.90新疆東部、甘肅西北部和東部、內蒙古南部、寧夏中部、寶雞市72.6212.50甘肅中部、寧夏中部、寶雞市115.3354.02咸陽市、寶雞市107.843.72西藏西北部、青海西部、中部和東部、甘肅南部、寶雞市163.6517.86漢中市、秦嶺區域、寶雞市137.5

對研究期間寶雞市進行后向軌跡聚類分析，得到5類。氣流以偏東方向和東南方向為主。其中偏東氣流(來自陜西省咸陽市以及寶雞市本地的軌跡3)，占比最大，為54.02%，該方向帶來的PM2.5濃度為107.8 μg/m3；東南氣流途徑漢中市、秦嶺區域、寶雞南部區域到達寶雞市(軌跡5)，該氣團占比17.86%，該方向帶來的PM2.5濃度為137.5 μg/m3，該氣團傳輸距離較短、速度較慢，污染物在傳輸過程中逐漸累積，故該方向帶來的PM2.5濃度較高；來自西藏西北部、青海西部、中部和東部、甘肅南部以及寶雞市區域的軌跡4雖然占比最少，為3.72%，但是該方向攜帶的PM2.5濃度最大，為163.6 μg/m3，該方向氣團傳輸距離長、傳輸速度較快，其所攜帶的PM2.5濃度較高。

3.3 潛在源貢獻因子分析(PSCF)

為了進一步研究觀測期間對寶雞市PM2.5濃度的貢獻大小，利用PSCF對2019年2月寶雞市PM2.5濃度潛在源貢獻大小進行分析，見圖4。為了進一步區分，將PM2.5濃度二級標準限值(75 μg/m3)設定為標準值。

圖4 2019年2月研究區PM2.5的PSCF分布

由圖4可看出，PM2.5潛在貢獻源區WPSCF高值區(0.6

3.4 濃度權重軌跡分析(CWT)

PSCF方法只能反映潛在源區貢獻率大小是多少，不能體現對目標網格的貢獻水平。故在各季節后向軌跡聚類分析的基礎上進行濃度權重軌跡分析，對目標網格進行PM2.5污染物濃度加權計算，進而反應污染源區的污染程度，如圖5寶雞市2019年2月PM2.5的CWT分布。圖中顏色越深值越大，說明顏色深的區域對寶雞市污染物濃度貢獻越大。

圖5 2019年2月研究區PM2.5的CWT分布

由圖5可知，觀測期間PM2.5的WCWT高值(WCWT>100 μg/m3)主要分布在咸陽、安康、漢中、秦嶺以及西安區域，表明鄰近的市對PM2.5影響較大，PM2.5的較高值WCWT(75 μg/m3≤WCWT<100 μg/m3)值主要分布在四川東北部、甘肅東南部、內蒙古南部、寧夏中部、陜西榆林以及渭南區域。說明本地源對PM2.5的貢獻較大。

4 結論

(1)2019年2月1～28日期間寶雞市PM2.5平均濃度為112.4 μg/m3，變化范圍為17～229 μg/m3。最大值出現在2019年2月20日1時，最小值出現在2019年2月6日17時。觀測期間寶雞市PM2.5濃度日變化呈雙峰雙谷型，分別在9:00和21:00出現峰值，6:00和17:00出現谷值，這與人類的出行活動規律有關。

(2)后向軌跡聚類分析表明，觀測期間寶雞市PM2.5主要受寶雞東部區域以及本地氣團影響，該氣團占比54.02%，來自西藏西北部、青海西部、中部和東部、甘肅南部、寶雞市的氣團占比最小，為3.72%，攜帶的PM2.5濃度最大，為163.6 μg/m3。

(3)PSCF結果表明，陜西南部、四川西北部、秦嶺地區、西安、咸陽以及寶雞市本地區域的排放源對PM2.5濃度起重要作用。CWT分析結果表明，觀測期間PM2.5潛在源區主要集中在咸陽、陜西南部、寶雞周邊地區，這些區域對寶雞市CWT貢獻值較高。