基于衛(wèi)星遙感與CMB模型的濟(jì)南市冬季重污染過程PM2.5溯源分析

魏小鋒，韓紅，閆學(xué)軍，王在峰，李圣增，田勇，梁第，馬明亮，張桂芹,

1.山東建筑大學(xué)市政與環(huán)境工程學(xué)院，山東 濟(jì)南 250101；2.山東省濟(jì)南生態(tài)環(huán)境監(jiān)測(cè)中心，山東 濟(jì)南 250101；3.山東建筑大學(xué)資源與環(huán)境創(chuàng)新研究院，山東 濟(jì)南 250101

近年來，隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，大氣污染問題日益突出，尤其以細(xì)顆粒物（PM2.5）為首要污染物的重污染霧霾天氣頻發(fā)（Lu et al.，2020；Li et al.，2021），不僅會(huì)降低大氣能見度嚴(yán)重影響城市交通（Wang et al.，2019a），還會(huì)引發(fā)各種呼吸道疾病（Chen et al.，2018；Fan et al.，2019）、肺結(jié)核乃至癌癥（Wang et al.，2018），危害人體健康，因此對(duì)PM2.5重污染過程的污染成因及溯源分析對(duì)于下一步深入推進(jìn)大氣污染科學(xué)防治具有重大意義。

大氣PM2.5的來源復(fù)雜，目前我國(guó)常用的顆粒物源解析受體模型主要有主成分分析（principal component analysis，PCA）、多元線性模型（multilinear engine 2，ME2）、化學(xué)質(zhì)量平衡法（chemical mass balance，CMB）和正定矩陣因子分解法（positive matrix factorization，PMF）等。自從1972年CMB模型最早在美國(guó)加州（Miller et al.，1972）用來計(jì)算氣溶膠來源以后，就被廣泛應(yīng)用于大氣污染來源解析的研究，目前是應(yīng)用最廣，物理意義明確，算法日益成熟的源解析模型（陳飛等，2013）。周敏（2020）通過不同模型模擬的PM2.5濃度與實(shí)測(cè)濃度的相關(guān)性分析得出，ME2、PMF和CMB模擬值和實(shí)測(cè)值的相關(guān)系數(shù)R2分別為0.88、0.87和0.90，可見CMB模型對(duì) PM2.5的擬合性較好。高雪倩等（2021）、Tian et al.（2020）分別利用CMB模型對(duì)武漢市和濟(jì)南市PM2.5進(jìn)行來源解析，發(fā)現(xiàn)機(jī)動(dòng)車源、二次來源和揚(yáng)塵源貢獻(xiàn)率較高。李慧等（2020）對(duì)銀川市冬季重污染過程 PM2.5進(jìn)行CMB來源解析，發(fā)現(xiàn)燃煤源是銀川市冬季PM2.5的重要來源。Hong et al.（2018）、王建英等（2020）、陳燕玲等（2021）和孫峰等（2021）分析了重污染過程 PM2.5組分變化和氣象影響因素。而目前采用模型進(jìn)行重污染過程PM2.5的本地排放溯源分析相對(duì)較少。

研究表明城市大氣顆粒物不僅受本地排放源的影響，還在一定程度上受區(qū)域傳輸?shù)挠绊懀ɡ畲貉嗟龋?021；姚森等，2021），使用后向軌跡結(jié)合潛在源貢獻(xiàn)因子分析法（PSCF）和濃度權(quán)重軌跡分析法（CWT）研究PM2.5的區(qū)域傳輸已經(jīng)在國(guó)內(nèi)得到廣泛的應(yīng)用。王露等（2017）通過計(jì)算潛在源區(qū)分布概率（WPSCF）和濃度權(quán)重（WCWT）表明泰山頂 PM2.5的主要潛在源區(qū)域?yàn)榕R近的山東濟(jì)寧、聊城以及山西省、河南省、河北省等地區(qū)。辛艾萱等（2020）通過后向軌跡分析、PSCF和CWT分析了不同季節(jié)武漢市大氣污染物潛在源區(qū)。李瑞等（2020）通過PSCF和CWT定量分析發(fā)現(xiàn)長(zhǎng)三角北部城市 PM2.5污染由本地及周邊區(qū)域貢獻(xiàn)最大，屬典型的區(qū)域性污染。這些研究表明城市間相互影響較大，秋冬季重污染過程為跨區(qū)域大氣污染聯(lián)動(dòng)。近年來，隨著衛(wèi)星遙感技術(shù)的發(fā)展，研究發(fā)現(xiàn)衛(wèi)星遙感獲得的氣溶膠光學(xué)厚度（AOD）數(shù)據(jù)能夠合理反映近地面 PM2.5污染狀況（李倩等，2013；金囝囡等，2021），使得大氣污染狀況的時(shí)空變化規(guī)律和區(qū)域傳輸?shù)难芯扛尤妫↙in et al.，2015；Wang et al.，2019b；Xu et al.，2020）。研究表明通過衛(wèi)星遙感反演的 AOD數(shù)據(jù)以及地面監(jiān)測(cè)數(shù)據(jù)能較好的反映汾渭平原地區(qū)的一次污染過程的成因和傳輸過程（高星星等，2021）。

濟(jì)南市是山東省經(jīng)濟(jì)政治文化中心，是京津冀大氣污染傳輸通道“2+26”城市之一，細(xì)顆粒物重污染過程主要發(fā)生在冬季。目前對(duì)濟(jì)南市 PM2.5重污染過程的文獻(xiàn)研究主要集中在 PM2.5化學(xué)組分污染特征以及氣象影響因素（劉盈盈等，2018；馮亞潔等，2020；魏小鋒等，2020），但對(duì)重污染過程PM2.5的本地溯源以及外來傳輸污染源的影響研究較少。因此，本文以濟(jì)南市冬季一次重污染過程為研究對(duì)象，利用后向軌跡模型、CMB模型以及衛(wèi)星解譯等相關(guān)分析方法，對(duì)重污染過程的PM2.5及組分的污染特征、本地來源、區(qū)域傳輸和高空演變過程進(jìn)行全面綜合的分析，揭示重污染天氣 PM2.5的污染成因和主要來源，為濟(jì)南市大氣重污染防治提供一定的理論依據(jù)。

1 材料與方法

1.1 采樣地點(diǎn)與時(shí)間

采樣地點(diǎn)位于濟(jì)南市龍環(huán)大廈山東省濟(jì)南生態(tài)環(huán)境監(jiān)測(cè)中心站內(nèi)，監(jiān)測(cè)點(diǎn)緊鄰旅游路和舜華南路；周圍交通密集，附近主要為辦公區(qū)域，無明顯工業(yè)污染源。采樣時(shí)間為2020年1月1—6日，24 h連續(xù)自動(dòng)在線采樣，1 h一次。PM2.5質(zhì)量濃度及其離子、碳組分和金屬元素等組分質(zhì)量濃度數(shù)據(jù)通過氣溶膠在線離子色譜儀、有機(jī)碳元素碳在線分析儀、大氣重金屬X射線熒光光譜在線監(jiān)測(cè)儀分別進(jìn)行在線監(jiān)測(cè)分析而得到；環(huán)境空氣質(zhì)量常規(guī)污染物質(zhì)量濃度及氣象因子小時(shí)數(shù)據(jù)由監(jiān)測(cè)站自動(dòng)在線監(jiān)測(cè)同步給出；混合層高度（PBL）采用Mie散射激光雷達(dá)（北京愛沃公司）測(cè)定。

1.2 CMB模型及其算法

化學(xué)質(zhì)量平衡（CMB）受體模型是通過大氣顆粒物環(huán)境樣品和源的樣品的化學(xué)或顯微分析來確定各類污染源對(duì)受體的貢獻(xiàn)的一系列源解析技術(shù)。假設(shè)存在著對(duì)受體中的大氣顆粒物有貢獻(xiàn)的j類源，那么在受體上測(cè)量的總物質(zhì)質(zhì)量濃度就是每一源類貢獻(xiàn)質(zhì)量濃度值的線性加和（Cheng et al.，2020）。

式中：

ρ——受體大氣顆粒物的總質(zhì)量濃度；

wij——第j類源的顆粒物中組分i的質(zhì)量分?jǐn)?shù)；

ρj——第j類源貢獻(xiàn)的質(zhì)量濃度；j為源類的序號(hào)，j=1, 2……J，i為組分的序號(hào)，i=1, 2……I。

ηj——第j類源貢獻(xiàn)率，表示第j類源貢獻(xiàn)的質(zhì)量濃度占顆粒物總質(zhì)量濃度的百分比。

1.3 后向軌跡

本文利用后向軌跡模式計(jì)算了觀測(cè)期間每小時(shí)距地 1000 m高度的 48 h后向軌跡分析，按0.1°×0.1°網(wǎng)格對(duì)研究區(qū)域進(jìn)行網(wǎng)格化處理，利用Trajstat軟件對(duì)濟(jì)南市進(jìn)行潛在源貢獻(xiàn)因子分析（PSCF）和濃度權(quán)重軌跡分析（CWT），進(jìn)行PM2.5及其組分的區(qū)域傳輸和擴(kuò)散的研究，對(duì)外來輸送影響進(jìn)行分析。

（1）潛在源貢獻(xiàn)因子分析方法（Potential source contribution factor，PSCF）是一種基于氣流后向軌跡辨別污染物潛在源區(qū)的滯留時(shí)間分析方法，該方法對(duì)污染因子設(shè)定限值。本文將 PM2.5的日平均值二級(jí)標(biāo)準(zhǔn)限值（75 μg·m-3）作為軌跡是否污染的判定標(biāo)準(zhǔn)，即經(jīng)過某個(gè)網(wǎng)格的氣團(tuán)軌跡到達(dá)所對(duì)應(yīng)的污染物濃度超過二級(jí)標(biāo)準(zhǔn)限值時(shí)，該軌跡為污染軌跡；PSCF高值網(wǎng)格區(qū)被認(rèn)為是影響濟(jì)南市PM2.5的潛在源區(qū)；PSCF值等于經(jīng)過網(wǎng)格（i,j）的污染軌跡個(gè)數(shù)（mij）與該網(wǎng)格經(jīng)過的所有軌跡個(gè)數(shù)（nij）的比值（高陽等，2021）。公式為：

式中：

Pij——網(wǎng)格（i,j）的PSCF值；

i、j——經(jīng)度和緯度，PSCF是基于條件概率的函數(shù)，某些網(wǎng)格的滯留時(shí)間較小時(shí)，PSCF值的誤差會(huì)較大，為了降低誤差，引入權(quán)重函數(shù)Wij（高陽等，2021），公式為：

式中：

WPij——網(wǎng)格（i,j）的WPSCF值，WPSCF值越大，表明該網(wǎng)格點(diǎn)對(duì)觀測(cè)點(diǎn)的污染物質(zhì)量濃度的貢獻(xiàn)也越大。

（2）濃度權(quán)重軌跡分析（concentration weighed trajectory analysis，CWT）：PSCF方法不能反映網(wǎng)格的污染程度，本文通過濃度權(quán)重軌跡分析 CWT法計(jì)算軌跡的權(quán)重濃度，可以很好地反映污染軌跡的污染程度，具體方法如下（高陽等，2021）：

式中：

ρCij——單元網(wǎng)格（i,j）的平均權(quán)重濃度CWT值；

l——軌跡；

M——軌跡總數(shù)；

ρCl——軌跡經(jīng)過網(wǎng)格（i,j）時(shí)對(duì)應(yīng)的污染物質(zhì)量濃度；

τijl——軌跡l在網(wǎng)格（i,j）的停留時(shí)間，采用與PSCF相同的權(quán)重因子Wij，以減少ρCij的不確定性，即：

式中：

WCij——網(wǎng)格（i,j）的權(quán)重軌跡污染程度WCWT。

1.4 衛(wèi)星遙感

利用衛(wèi)星遙感數(shù)據(jù)可以進(jìn)一步從全局尺度探究重污染過程中氣溶膠空間分布特征。本文使用JAXA（https://www.eorc.jaxa.jp/ptree/）發(fā)布的日本新一代氣象靜止衛(wèi)星向日葵8號(hào)搭載的高級(jí)成像儀（Advanced Himawari Imager, AHI）Himawari8 L1 網(wǎng)格數(shù)據(jù)，使用LAPR-V2.0算法反演了華北平原地區(qū)氣溶膠光學(xué)厚度（AOD）分布。氣溶膠數(shù)據(jù)空間分辨率為5 km，時(shí)間分辨率為10 min。

2 結(jié)果與討論

2.1 重污染過程PM2.5及組分變化特征

由圖1可知，2020年1月1—6日濟(jì)南市經(jīng)歷了一次以 PM2.5為首要污染物的重污染過程。1日PM2.5質(zhì)量濃度為42 μg·m-3，空氣質(zhì)量等級(jí)為良；隨著濕度逐漸升高，大氣邊界層高度（PBL）逐漸降低，使得大氣環(huán)境容量下降，污染物不易擴(kuò)散，導(dǎo)致PM2.5質(zhì)量濃度逐漸升高（Miao et al.，2019；Sun et al.，2020）；2日PM2.5質(zhì)量濃度升高至95 μg·m-3，AQI為 125，達(dá)到輕度污染；3 日 PM2.5質(zhì)量濃度繼續(xù)升高至139 μg·m-3，污染加重至中度污染；隨后4日和5日相對(duì)濕度分別為54%和70%，PBL分別降至489 m和414 m，PM2.5質(zhì)量濃度分別達(dá)到 195 μg·m-3和 211 μg·m-3，AQI分別為 245 和262，重度污染爆發(fā)；之后受冷空氣和雨雪天氣的清除作用的影響，PM2.5質(zhì)量濃度降低，空氣質(zhì)量逐漸改善，此次重污染過程結(jié)束。

圖1 2020年1月1—6日濟(jì)南市AQI、PM2.5質(zhì)量濃度、濕度及PBLFigure 1 AQI, PM2.5 concentration, RH and PBL in Ji’nan from January 1 to 6, 2020

為進(jìn)一步分析此次重污染過程的成因，對(duì)比分析了 PM2.5組分質(zhì)量濃度及主要?dú)庀笠蛩氐男r(shí)變化（圖2）。魏小鋒等（2020）對(duì)濟(jì)南市PM2.5組分特征研究中發(fā)現(xiàn)水溶性離子NO3-、SO42-、NH4+和有機(jī)物OM（=1.6×OC）是PM2.5的主要化學(xué)組分。由圖2可知，在此次污染加重過程中，PM2.5質(zhì)量濃度隨NO3-、SO42-、NH4+和OM質(zhì)量濃度升高的趨勢(shì)顯著。5日10時(shí)PM2.5小時(shí)質(zhì)量濃度達(dá)峰值333.0 μg·m-3，NO3-、SO42-、NH4+和 OM 質(zhì)量濃度也分別達(dá)最高值 102.4、38.1、46.5 和 45.7 μg·m-3，在 PM2.5中占比分別為30.7%、11.4%、13.9%和13.7%；與2日7點(diǎn)污染開始相比，質(zhì)量濃度分別升高了5.2、5.4、4.6和3.3倍，NO3-和SO42-在PM2.5中占比也明顯升高，其中SO42-、NO3-和NH4+主要由一次排放的氣態(tài)前體物SO2、NOx以及NH3在大氣中經(jīng)過一系列化學(xué)反應(yīng)轉(zhuǎn)化生成的二次組分（魏小鋒等，2019）。OM既來自一次污染源的直接排放，也來源于 VOCs通過化學(xué)反應(yīng)等途徑的二次轉(zhuǎn)化（Nozière et al.，2015）。

SO42-的氣態(tài)前體物 SO2主要來自煤炭燃燒排放，而 NO3-的氣態(tài)前體物 NOx主要來自機(jī)動(dòng)車尾氣排放，因此，NO3-/SO42-通常用來表示移動(dòng)源和固定源對(duì)大氣顆粒物貢獻(xiàn)的相對(duì)大小（雷天陽等，2020）。NO3-/SO42-的比值越大說明移動(dòng)源對(duì)大氣顆粒物的影響越大。此次污染過程中NO3-/SO42-平均比值為 3.0，說明機(jī)動(dòng)車移動(dòng)源對(duì)重污染過程的影響大于固定源。其主要原因是近年來濟(jì)南市機(jī)動(dòng)車保有量不斷增加，尾氣排放量增加，再加上濟(jì)南市大部分工業(yè)采取停產(chǎn)等重污染應(yīng)急減排措施，使得工業(yè)排放大幅減少。

SOR（硫氧化率）和NOR（氮氧化率）通常用來表示氣態(tài)污染物SO2和NO2向SO42-和NO3-轉(zhuǎn)化程度，計(jì)算公式如下（雷天陽等，2020）：

式中：

S——SOR，

N——NOR。

此次重污染過程中SOR和NOR如圖2所示。SOR、NOR均大于0.1，說明此次重污染過程SO42-和NO3-主要來自于SO2和NO2的二次轉(zhuǎn)化（Zhang et al.，2018）。濕度是影響SOR、NOR的重要因素之一（魏小鋒等，2019），SOR和NOR與空氣濕度的變化趨勢(shì)基本一致。重污染時(shí)段空氣濕度基本維持在80%—90%，促進(jìn)了氣體前體物SO2和NO2的二次轉(zhuǎn)化；SOR和NOR平均值分別達(dá)到0.6和0.5，使得SO42-與NO3-質(zhì)量濃度迅速升高，PM2.5質(zhì)量濃度不斷積累，導(dǎo)致重污染天氣發(fā)生。

圖2 2020年1月1—6日濟(jì)南市重污染過程SOR和NOR與PM2.5組分質(zhì)量濃度及氣象因素變化Figure 2 Changes of SOR, NOR and PM2.5 component concentration and meteorological factors during heavy pollution in Ji’nan from January 1 to 6, 2020

2.2 基于CMB模型的PM2.5本地溯源分析

為了明確本次重污染過程PM2.5的主要本地來源，采用化學(xué)質(zhì)量平衡模型（CMB）分別對(duì)重污染天（1月4—5日）和清潔天（1月1日）PM2.5進(jìn)行了來源解析，計(jì)算了不同天氣下濟(jì)南市各主要排放源類對(duì)環(huán)境空氣中PM2.5貢獻(xiàn)的質(zhì)量濃度和分擔(dān)率（圖3）。分擔(dān)率為每種源類貢獻(xiàn)的質(zhì)量濃度占受體大氣顆粒物的總質(zhì)量濃度的百分比。

圖3 重污染天和清潔天各污染源濃度和分擔(dān)率Figure 3 PM2.5 concentration and share rate of pollution sources on polluted day and clean day

計(jì)算結(jié)果表明，重污染天硝酸鹽對(duì)PM2.5貢獻(xiàn)的質(zhì)量濃度最高為66.9 μg·m-3，是清潔天的10.5倍。重污染天其他各類污染源對(duì)PM2.5貢獻(xiàn)的質(zhì)量濃度均升高。硫酸鹽、二次有機(jī)碳和機(jī)動(dòng)車源對(duì)PM2.5貢獻(xiàn)的質(zhì)量濃度分別為 21.0、17.0和 13.4 μg·m-3，分別是清潔天的3.8、3.5和2.4倍；土壤源和鋼鐵源質(zhì)量濃度比清潔天升高了30.0倍和12.5倍，但對(duì)PM2.5的質(zhì)量濃度貢獻(xiàn)較小。由于重污染天和清潔天PM2.5的質(zhì)量濃度差異較大，故進(jìn)一步計(jì)算了不同天氣下各類源對(duì) PM2.5的分擔(dān)率，結(jié)果表明重污染天硝酸鹽、硫酸鹽、二次有機(jī)碳和機(jī)動(dòng)車源是PM2.5的主要來源，分擔(dān)率分別為41.0%、12.9%、10.4%和8.2%。這與重污染過程PM2.5組分分析結(jié)果一致。硫酸鹽、硝酸鹽和二次有機(jī)碳主要由 SO2、NO2、VOCs等氣態(tài)前體物經(jīng)大氣光化學(xué)反應(yīng)二次生成（Nozière et al.，2015；魏小鋒等，2019），機(jī)動(dòng)車源主要由汽油、柴油機(jī)動(dòng)車排放尾氣中的油煙飛灰構(gòu)成（周睿智等，2021）。與清潔天相比，硝酸鹽的分擔(dān)率顯著升高，是清潔天的2.2倍，而機(jī)動(dòng)車源、城市揚(yáng)塵源和硫酸鹽的分擔(dān)率分別降低了7.9%、6.5%和3.0%，二次有機(jī)碳分擔(dān)率變化不大。總的來看，濟(jì)南市冬季 PM2.5重污染過程的本地來源主要是二次源和機(jī)動(dòng)車源。

2.3 基于后向軌跡的區(qū)域傳輸分析

為了研究濟(jì)南市重污染過程 PM2.5及其主要組分的潛在區(qū)域傳輸來源，利用PSCF進(jìn)一步解析了污染天1月4日PM2.5及其主要組分NO3-、SO42-和NH4+的WPSCF值（圖4）。WPSCF值越大，該網(wǎng)格所在區(qū)域?qū)ρ芯奎c(diǎn)濟(jì)南市顆粒物質(zhì)量濃度的貢獻(xiàn)就越大。PM2.5的WPSCF高值區(qū)域（0.7—0.9）主要是濟(jì)南本地、北方向的濟(jì)陽區(qū)、商河縣、德州東部、濱州西部等地和西南方向的長(zhǎng)清區(qū)、平陰縣等地，東南方向臨沂、棗莊等地也有一定的傳輸影響，WPSCF 值較小（0.1—0.2）；NO3-、SO42-和 NH4+的主要潛在源區(qū)一致，濟(jì)南西南方向的長(zhǎng)清區(qū)、平陰縣等地WPSCF值在0.5—0.8之間，是主要潛在源區(qū)；次潛在源區(qū)是北方向的濟(jì)陽區(qū)和商河縣等地，其WPSCF值在0.3—0.5之間；東北方向的淄博市、濱州市、東營(yíng)市等地有一定的遠(yuǎn)距離傳輸作用，其WPSCF值較小（0.1—0.2）。通過CWT進(jìn)一步計(jì)算潛在源區(qū)污染貢獻(xiàn)程度，計(jì)算結(jié)果如圖 5所示。CWT分析和PSCF分析的強(qiáng)潛在源的結(jié)果一致，PM2.5的主要潛在源區(qū)域是本地局地源、北方向的濟(jì)陽區(qū)、商河縣、德州東部、濱州西部和西南方向的長(zhǎng)清區(qū)、平陰縣等地，其 WCWT值超過 90 μg·m-3；NO3-、SO42-和 NH4+的主要潛在源區(qū)是西南方向長(zhǎng)清區(qū)、平陰縣等地，WCWT值分別超過40、10和18 μg·m-3。總的來說，濟(jì)南市冬季重污染過程顆粒物污染受區(qū)域傳輸?shù)挠绊懀饕臐撛谠磪^(qū)是西南方向的長(zhǎng)清區(qū)、平陰縣和北方向的濟(jì)陽區(qū)、商河縣、德州東部、濱州西部等地。

圖4 濟(jì)南市1月4日PM2.5、NO3?、NH4+和SO42?的WPSCF分布Figure 4 Distribution of WPSCF of PM2.5, NO3-, NH4+ and SO42- in Ji’nan on January 4

圖5 濟(jì)南市1月4日PM2.5、NO3?、NH4+和SO42?的WCWT分布Figure 5 Distribution of WCWT of PM2.5, NO3-, NH4+ and SO42- in Ji’nan on January 4

2.4 基于衛(wèi)星遙感的重污染演變過程分析

圖6為基于衛(wèi)星遙感反演得到的2020年1月1—6日華北平原地區(qū)AOD分布。由于AOD反演結(jié)果太高會(huì)被算法自動(dòng)剔除，導(dǎo)致顯示為空值，該區(qū)域及其周邊均應(yīng)為AOD高值，因此圖中用紅框標(biāo)記AOD高值區(qū)。由圖6可知，1月1日和1月2日有兩個(gè)AOD高值區(qū)，分別是濟(jì)南市西南方向的河南省東部和安徽省西部地區(qū)（區(qū)域 1）和濟(jì)南市南部、泰安和濟(jì)寧地區(qū)（區(qū)域2）；隨著氣流運(yùn)動(dòng)，在風(fēng)力傳輸作用下，1月3日AOD高值區(qū)主要出現(xiàn)在濟(jì)南市區(qū)以及濟(jì)南市南部泰安等地（區(qū)域3）；1月4日AOD高值區(qū)出現(xiàn)在濟(jì)南市以及濟(jì)南市西南部、河南北部地區(qū)（區(qū)域4）；同時(shí)，在西南風(fēng)的傳輸作用下，污染氣團(tuán)從濟(jì)南市的西南方向輸送至山東省西部，導(dǎo)致了1月5—6日濟(jì)南市及周邊區(qū)域環(huán)境空氣重度污染，反演計(jì)算的AOD值太高而被算法自動(dòng)剔除顯示為空值（區(qū)域5和區(qū)域6）。1月5日和6日兩天華北平原地區(qū)發(fā)生大范圍氣溶膠污染事件，因此，濟(jì)南市 PM2.5重度污染是受山東省內(nèi)污染氣團(tuán)近距離傳輸和西南方向跨省輸送污染氣團(tuán)的共同影響。

圖6 2020年1月1—6日華北平原地區(qū)AOD分布Figure 6 AOD distribution in North China Plain from January 1 to 6, 2020

結(jié)合PSCF和 CWT對(duì)PM2.5的潛在源分析可知，本次重污染過程除濟(jì)南本地污染源以外，一部分是來自北方的德州東部、濱州西部以及濟(jì)南市的商河縣和濟(jì)陽區(qū)；另一部分是PM2.5中NO3-、SO42-和 NH4+組分主要來自西南方向的河南省東北部和安徽省西部地區(qū)的跨省輸送污染氣團(tuán)，途徑濟(jì)南市南部、泰安和濟(jì)寧地區(qū)以及濟(jì)南市的長(zhǎng)清區(qū)、平陰縣等地。

3 結(jié)論

（1）2020年1月1—6日濟(jì)南市出現(xiàn)PM2.5重污染過程，其中，4日和5日PM2.5質(zhì)量濃度分別達(dá)到 195 μg·m-3和 211 μg·m-3。濕度增大、PBL 降低等不利的氣象條件下，氣態(tài)污染物的二次轉(zhuǎn)化使得PM2.5中二次組分NO3-、SO42-、NH4+和OM質(zhì)量濃度顯著升高，導(dǎo)致PM2.5重度污染。

（2）PM2.5本地溯源分析結(jié)果表明，二次源和機(jī)動(dòng)車源是濟(jì)南市冬季 PM2.5重污染過程的主要來源。重污染天硝酸鹽、硫酸鹽、二次有機(jī)碳和機(jī)動(dòng)車源PM2.5的分擔(dān)率分別為41.0%、12.9%、10.4%和8.2%；與清潔天相比，硝酸鹽的分擔(dān)率和質(zhì)量濃度均顯著升高，分擔(dān)率是清潔天的2.2倍，質(zhì)量濃度是清潔天的10.5倍。

（3）潛在源貢獻(xiàn)分析表明，濟(jì)南西南方向的長(zhǎng)清區(qū)、平陰縣以及北方向的濟(jì)陽區(qū)、商河縣、德州東部、濱州西部等地是影響PM2.5及其主要組分的主要潛在源區(qū)。

（4）基于衛(wèi)星遙感反演得到 AOD演變過程分析表明，本次重污染過程受山東省內(nèi)德州東部、濱州西部以及濟(jì)南市的商河縣和濟(jì)陽區(qū)等地污染氣團(tuán)近距離傳輸，同時(shí)還受來自西南方向的河南省東北部和安徽省西部地區(qū)的跨省輸送污染氣團(tuán)，途徑濟(jì)南市南部、泰安和濟(jì)寧地區(qū)以及濟(jì)南市的長(zhǎng)清區(qū)、平陰縣等地的共同影響。