烏魯木齊市區與南郊山區顆粒物污染特征對比分析

朱翠云,何 清,趙竹君,劉新春,普宗朝

烏魯木齊市區與南郊山區顆粒物污染特征對比分析

朱翠云1,2,何 清2*,趙竹君1,2,劉新春2,普宗朝3

(1.新疆大學資源與環境科學學院,新疆 烏魯木齊 830046；2.中國氣象局烏魯木齊沙漠氣象研究所,新疆沙漠氣象與沙塵暴重點實驗室,中國氣象局阿克達拉大氣本底野外科學試驗基地,新疆 烏魯木齊 830002；3.新疆烏魯木齊市氣象局,新疆 烏魯木齊 830002)

利用2017年10月～2018年8月的PM10、PM2.5、PM1質量濃度數據以及NCEP全球再分析氣象資料,分析烏魯木齊市區和南郊山區顆粒物濃度變化特征,結合HYSPLIT后向軌跡模型、潛在源貢獻因子分析(PSCF)以及濃度權重軌跡分析(CWT)分析市區顆粒物潛在源區.研究結果表明:①市區PM2.5的超標天數為26d,南郊山區無PM2.5超標,市區 PM10的超標天數是南郊山區的3.5倍,市區日均值及月均值質量濃度是南郊山區的2～7倍,市區呈現冬高夏低的季節特征,南郊山區春季最高;②烏魯木齊市區PM10日變化存在3個峰值,PM2.5、PM1為雙峰型分布,南郊山區均呈雙峰分布;并存在季節性周末效應;③長短兩支聚類氣流軌跡對烏魯木齊市區顆粒物濃度影響較大,春夏氣流來自中亞,秋冬來源于北疆周邊地區;④顆粒物潛在源區分布季節特征顯著,高值區主要為昌吉、巴州、吐魯番等周邊地區,西北部中亞地區也是顆粒物重要來源區域之一.

顆粒物；烏魯木齊；后向軌跡聚類分析；潛在源區貢獻分析；濃度權重軌跡分析；PM2.5

顆粒物污染是城市污染和全球氣候變化的研究重點,顆粒物擴散遷移以及跨區域運輸對當地以及其他區域環境質量產生不良影響.近年來, HYSPLIT后向軌跡模型以及聚類分析、潛在源貢獻因子分析(PSCF)和濃度權重軌跡分析(CWT)等軌跡統計方法廣泛應用于研究污染物傳輸路徑以及污染源區,研究人員對京津冀地區[1-2]研究發現秋冬季PM2.5以本地貢獻為主,遠距離輸送貢獻為輔,區域間輸送顯著;汪蕊等[3]研究發現烏魯木齊潛在源區及其對研究區顆粒物濃度的貢獻存在明顯的季節特征;李漢林等[4]對帕米爾高原東部研究發現不同方向的氣流對PM10不同季節潛在源區貢獻有顯著差異.IPCC第六次評估報告[5]明確指出全球變暖趨勢已經成為限制人類發展的關鍵性因素,人類活動是全球變暖主導因素,顆粒物、氣溶膠的降溫效果遠不及溫室氣體的升溫效應,全球變暖的日益加劇會導致氣候系統的異常變化如極端降水、極端高溫等.當前極端天氣頻發,西北暖濕化現象不斷加劇[6],深入分析西北干旱區典型城市顆粒物濃度變化是研究區域氣候變化的基礎.近年來,不同領域的學者們利用空氣質量監測數據以及數值模擬等方法,對污染物的時空分布規律[7]、區域輸送[8]、潛在源區分布[9-10]、污染物暴露[11]、對人體健康[12-14]以及流行病學[15]的影響研究也不斷深入.

烏魯木齊位于中天山峽谷北端的開口處,南部是吐魯番盆地,風口達坂城位于峽谷中部、烏魯木齊東南部,烏魯木齊城區東南高西北低,東西南三面環山,北部喇叭口地形朝向準噶爾盆地.烏魯木齊是新疆天山北坡經濟帶中心城市,以煤炭、石油為主的產業結構[16]和較大的人口密度使得污染物排放量較大,三面環山的地形使污染物不容易擴散,特殊的氣候條件[17-19]和地理位置使得烏魯木齊整體污染較為嚴重;烏魯木齊冬季靜風天氣多、降雨少,大氣湍流活動較夏季較弱,工業燃煤鍋爐、逆溫層的存在以及天山的阻擋作用[20-21],使得顆粒物、氮氧化物、硫氧化物等污染物的質量濃度較其他季節偏高,重污染天氣多.細顆粒物在大氣中停留時間長,容易受到區域傳輸以及遠距離輸送的影響[22],不同污染物的協同控制以及跨區域污染已經轉變為空氣質量治理的焦點.

本研究以“烏魯木齊市區”和“南郊山區(白楊溝站)”為研究區域,兩地海拔差約1000m, 兩地對比分析時,以南郊山區白楊溝為背景站,市區由于人口密度、工廠污染源排放、車流量、能源結構等因素的影響,人為污染嚴重,這種污染跨區域輸送會進一步影響到本地其他地區以及周圍城市的空氣質量,影響人體健康及大氣能見度,增加大氣污染治理成本,通過對比分析烏魯木齊市區和南郊山區的顆粒物的特征與差異分析,加強對市區污染治理與管控.針對兩地2017年10月～2018年8月PM10、PM2.5、PM1不同時間尺度下的質量濃度變化進行分析,利用NCEP再分析GDAS氣象數據,結合HYSPLIT后向軌跡模型、潛在源貢獻因子分析(PSCF)以及濃度權重軌跡分析(CWT)等方法分析烏魯木齊市區四季PM2.5和PM10輸送路徑、潛在源區分布,對不同區域間的傳輸貢獻進行定量的分析,為區域大氣污染聯防聯控提供科學參考.

1 研究資料與方法

1.1 研究區概況

烏魯木齊(圖1)地處86°37'～88°58'E,42°45'32"～ 45°00'N,總面積1.38萬km2,屬于中溫帶大陸性干旱氣候,年均降水量為250mm,平均溫度為25.7℃,烏魯木齊三面環山,北部喇叭口地形朝向準噶爾盆地.南郊山區地處87°03'～87°14'E,43°21'～43°27'N,位于新疆維吾爾自治區天山中段北坡、烏魯木齊縣南郊,是著名的旅游避暑勝地,距離市區約75km,多年平均氣溫1.1℃,晝夜溫差大,農林牧草生長旺盛,年降雨量在500～600mm,5～8月降水量占全年降水量的66.59%.

烏魯木齊市區代表站點(87°64'E,43°80'N, 941.3m)位于烏魯木齊市中國氣象局烏魯木齊沙漠氣象研究所樓頂大氣成分觀測站,位于天山區建國路,周圍分布主要是各種商業區以及居民區,采樣點距地26m,大氣混合度較高;南郊山區白楊溝站點(87°12'E,43°28'N,2169m)位于中國氣象局烏魯木齊沙漠氣象研究所的中天山草地生態氣象監測站,位于烏魯木齊南郊,受人類活動影響較小,且植被覆蓋率高.

1.2 數據來源

烏魯木齊市區和南郊山區白楊溝兩站的2017年10月～2018年8月的顆粒物質量濃度數據來自中國氣象局烏魯木齊沙漠氣象研究所大氣成分監測站,觀測天數總計335d,市區站和白楊溝站顆粒物有效數據分別為290, 307d.觀測儀器為Grimm180顆粒物監測儀,白楊溝站點數據為逐小時數據,市區站點數據為逐5min數據.原始數據資料經過篩選,剔除異常數據,剩余數據資料通過算術平均轉換為日均值數據.

所用氣象再分析資料來源于美國氣象環境預報中心(NCEP)提供的全球資料同化系統(GDAS)氣象再分析資料,空間分辨率為1°×1°,數據為UTC(世界時)間隔為6h(分為0,6,12,18h 4個時次),氣象要素包括溫度、氣壓、水平和垂直風速等.

圖1 研究區概況

1.3 研究方法

1.3.1 數據處理方法 空氣質量污染物濃度限值的分級標準以及評價標準統一采用參照《環境空氣質量標準》(GB3095-2012)[23],烏魯木齊屬于二類地區,選取對應的標準作為顆粒物限值比對,PM2.5、PM10日均值濃度二級標準限值分別為75, 150μg/m3.原始數據經過質量控制后轉換成小時均值,各項污染物的日均值濃度是通過一天中各小時數據匯總得到日均濃度,其他數據建立在小時均值濃度基礎上進行計算.圖中數據空白處是由于儀器斷電造成的數據缺失以及剔除無效觀測數據所造成.

1.3.2 HYSPLIT模型與后向軌跡 HYSPLIT模型[24-25]是美國國家海洋大氣管理局(NOAA)和澳大利亞氣象局(BOM)聯合研發的研究污染物傳輸路徑和來源的模式.

由于烏魯木齊市區人類活動多、顆粒物質量濃度高、污染嚴重,經查閱文獻分析,以市區站點進行潛在源區分析.本文以烏魯木齊市區站點(87.64°E, 43.80°N)作為模擬受點,軌跡起始高度距離設置為500m,計算2017年10月～2018年8月每天24個時刻到達受體點48h后向軌跡.

1.3.3 聚類分析 聚類分析是根據相似性(氣團軌跡的移動速度、方向)對氣團軌跡進行重新的分組合并,利用Meteoinfo中的TrajStat插件進行聚類分析、PSCF分析、CWT分析,本文聚類分析采用歐氏距離算法,網格大小為0.25°′0.25°,得到不同季節的輸送氣流類型、占比和污染物潛在源區.季節劃分采取氣象劃分法:9～11月為秋季,12月～次年2月為冬季,3～5月為春季,6～8月為夏季.

1.3.4 潛在源區貢獻分析(PSCF) PSCF是后向氣團軌跡基于條件概率函數發展而來的定性識別污染物的潛在污染源區[26-27],PSCF可以把污染物數據疊加到氣團軌跡上進一步識別污染源區.PSCF的計算采取以下公式:

1.3.5 濃度權重軌跡分析(CWT) 由于PSCF只能反映每個網格中污染軌跡所占的比例,污染軌跡的污染程度得不到表征.因此,濃度權重軌跡分析(CWT)法能夠通過計算潛在源區氣團軌跡濃度權重來分析不同源區的相對貢獻程度.

式中:CWT是網格(,)的平均加權濃度;是軌跡;為軌跡總數;C是軌跡經過網格(,)時對應的污染物濃度;是軌跡在網格(,)停留的時間.PSCF分析中所用的權重系數同樣適用于CWT分析,以減少n較小時引起的誤差.

有關溶解纖維素以制備5-羥甲基糠醛(5-HMF)的研究已進行將近一個世紀，國內外研究者利用不同的溶劑對纖維素進行溶解，提出了眾多的宏觀和微觀的反應動力學機理。本文對單一有機溶劑、離子液體、混合溶劑和水4個熱點溶劑溶解纖維素催化轉化制備5-HMF的機理和優缺點進行了綜述，圖6展示了全文詞匯出現的頻率，除纖維素、溶解、溶劑之外，5-HMF、催化劑、溶度共熔溶劑(DES)等詞出現的頻率最高，在此也針對這幾個對象對未來的工作提出一些展望。

2 結果與分析

2.1 PM10、PM2.5、PM1質量濃度變化

2.1.1 PM質量濃度的日均值、月均值變化 對研究期間兩站的日均值進行統計,并與《環境空氣質量標準》(GB3095-2012)中相應的日均質量濃度二級標準限值對比(表1)).二級標準下,市區PM2.5的超標天數為26d,南郊山區無PM2.5超標,市區 PM10的超標天數是南郊山區的3.5倍.市區PM10超標主要集中在春季,而PM2.5超標日92%在冬季,南郊山區PM10超標均集中在春季(圖2).一級標準(PM2.5、PM10日均值濃度一級標準限值分別為35, 50μg/m3)下,南郊山區白楊溝PM2.5、 PM10超標天數分別為7, 29d,PM2.5超標主要集中在春季; PM10超標72%集中在春季,21%集中在秋季.

表1 2017年10月～2018年12月烏魯木齊市區(W)和南郊山區(B)r(PM10)、r(PM2.5)、r(PM1)日均值統計特征

顆粒物濃度水平受污染源排放和氣象條件影響,存在明顯的季節性變化特征(圖2,圖3).烏魯木齊顆粒物質量濃度是南郊山區的2～7倍,春季以粗顆粒物污染為主,冬季以細顆粒物為主.市區PM10、PM2.5、PM1質量濃度變化的季節性比較明顯,冬季(尤其是12月,1月)顆粒物質量濃度達到最大,夏季(尤其是6月)顆粒物質量濃度最低.但是南郊山區顆粒物質量濃度春季最高.歸其原因:市區冬季由于工業燃煤煙塵、機動車尾氣塵等原因污染物排放量高,冬季雖然有降雪覆蓋,但氣候背景、地理條件、天氣條件共同作用以及逆溫層存在,干燥靜風天氣多,顆粒物擴散受阻,細顆粒物超標較為嚴重.白楊溝站位于南郊山區,離市區較遠,受人類活動影響較小,顆粒物質量濃度以及來源都很少,天山山脈對顆粒物有阻擋作用,總體質量濃度明顯低于烏魯木齊,南郊山區春季為風沙期,此時植被覆蓋率低,地表裸露程度高,多風且出現揚塵概率較大;夏季降水增強了顆粒物的濕沉降,大氣湍流活動強,對顆粒物有一定的吸收和稀釋作用,地表植被旺盛,對顆粒物濃度也會有一定程度的吸收.另外市區顆粒物質量濃度升高集中在12～2月,南郊山區在2～4月,南郊山區較市區滯后,兩站濃度水平差異明顯,污染物擴散傳輸之后進行季節性的積累,南郊山區冬春地表裸露對顆粒物的吸收作用降低,海拔差異以及局地環流、季風等氣候條件共同作用產生了滯后效應.

圖2 顆粒物的日均值變化

PM2.5/PM10、PM1/PM10可以衡量一個地區細顆粒物對PM10的貢獻程度, 對比分析市區和山區PM2.5/PM10變化特征時,增加烏魯木齊市區同期國控站的對比分析(圖4),研究發現市區站點數據和國控站數據兩者具有一致性.結合圖2冬季PM10、PM2.5和PM1的幾條曲線幾乎重合,且冬季細顆粒物對PM10的貢獻率均高于0.8,人類活動產生的顆粒物大幅度增加,人為污染嚴重,冬季大氣穩定度高、逆溫現象頻發,不利于污染物的擴散與遷移.市區以及國控站PM2.5/PM10、PM1/PM10均呈現冬季>秋季>春季>夏季,南郊山區冬季>秋季>夏季>春季.冬季污染物以細顆粒物污染為主,人為污染源燃煤煙塵、機動車尾氣塵等影響嚴重,逆溫天氣多加重了污染;烏魯木齊春季以粗顆粒物污染為主,沙塵輸送污染嚴重.南郊山區遠離市區,人類活動少, PM2.5/PM10、PM1/PM10春季最低,夏季次之,一方面是因為地表裸露、沙塵天氣增多,對PM10貢獻較大,另一方面溫度回升,大氣湍流、對流增強促進了可吸入顆粒物與細顆粒物的遷移與擴散,夏季降水增多,也會對顆粒物的減少起促進作用,另外南郊山區夏季避暑旅游人數增多,車、人流量增多以及機動車產生的揚塵和尾氣使細顆粒物濃度出現一定程度的升高.

2.1.2 PM日變化特征 污染物的日變化與一個地區的城市化發展水平、人類活動的影響、大氣穩定度、氣候條件的影響關系密切.市區PM2.5、PM1質量濃度的日變化曲線特征相似(圖5),南郊山區PM10、PM2.5、PM1質量濃度的日變化曲線特征相似,市區站點顆粒物PM10有3個波峰,分別是09:00、17:00、子夜04:00,PM2.5、PM1為雙峰型分布,峰值分別出現在17:00、22:00;南郊山區站點均為雙峰型結構,峰值分別出現在凌晨08:00、18:00～19:00,下午峰值遠遠高于前一個峰值.早晨污染物峰值因日出前后大氣邊界層穩定,逆溫條件下不利于污染物擴散,09:00上班高峰期時間段市區車流量大,汽車尾氣排放以及揚塵造成顆粒物質量濃度增大,市區PM2.5、PM1早高峰現象不明顯;11:00～12:00地面溫度上升,近地面垂直方向大氣湍流、對流更強,使得污染物的擴散、遷移能力增強,顆粒物濃度降低出現最低值;17:00～19:00峰值可能為一天內人為活動排放積累結果,加之溫度、對流條件不利于顆粒物的擴散和下班高峰期車輛排放源的貢獻作用,顆粒物濃度又出現了峰值;而午夜期間大氣的垂直輸送基本停止,人類活動、車流量急劇降低造成的污染物排放減少,污染物的質量濃度降低.

市區污染物的顆粒物日變化受人為活動影響顯著.市區PM10午夜高值的出現可能是,市區站點位于頭屯河、新市區、米東區下風口,白天污染物積累,晚上容易產生逆溫現象,污染物不容易擴散,另外有的工業錯峰用電、白天限排,燃煤量增加對顆粒物的貢獻增高,午夜觀測位置附近工業工廠開始排放污染物,多種因素的作用可能造成顆粒物質量濃度的升高. 市區顆粒物16:00出現峰值,這時溫度、風速較高,熱力作用、大氣湍流、對流活動較強,大氣穩定度低,但是顆粒物濃度卻出現明顯高值,可能與市區地理位置、氣象條件、邊界層高度以及復雜的局地環流有關.

2.1.3 PM不同季節周末效應特征 周末效應是指污染物濃度水平和變化特征在周末與其他工作日有明顯的區別的現象.烏魯木齊市區受人為活動影響大,烏魯木齊市區顆粒物質量濃度是南郊山區的2～4倍,兩站顆粒物的周末效應有明顯季節差異.如圖6所示, 烏魯木齊市區和南郊山區秋冬周末效應均不明顯,春夏季周末效應顯著.是由于烏魯木齊冬季平均氣溫-13～-4℃,烏魯木齊集中供暖為10月中旬～翌年4月中旬,秋冬季漫長而嚴寒導致居民外出活動有限,一定程度上顆粒物濃度會減少,而隨著春夏季天氣回暖溫度上升,周六戶外活動增多;南郊山區春夏顆粒物濃度周末略高于工作日,尤其是夏季, PM10周末效應比較明顯,可能是南郊山區夏季周末避暑旅游導致人流量、車流量的增多對顆粒物的貢獻顯著.研究調查發現［28-29］,污染物周末效應可能與人類規律性的生活出行、地理氣候條件以及季節變化有關.

圖6 烏魯木齊市區和南郊山區顆粒物的周末效應

2.2 烏魯木齊市區PM2.5和PM10后向軌跡聚類分析

由于市區人類活動多,顆粒物質量濃度高,污染嚴重,以市區站點進行潛在源區分析.利用TrajStat軟件對2017年10月～2018年8月的氣流軌跡按照傳輸的速度和方向進行軌跡分析,四季軌跡均被聚類為5類(圖7),市區四季后向軌跡聚類分析特征明顯,表2為不同季節各個軌跡氣流來源與占比.

冬季,盛行西風和西北風,大氣污染相較于其他季節嚴重,對應PM2.5軌跡均值為四季最高,為50.40μg/m3,對應PM10軌跡均值較冬季均值較低.對應的PM2.5、PM10濃度軌跡2>軌跡1>軌跡4>軌跡5>軌跡3;冬季軌跡主要集中在研究區及其周邊城市(軌跡1、2、4),總共占比為82.42%,且軌跡短移動較慢,為當季主導氣流,由于冬天風速小,逆溫天氣多,加之地形原因,污染物不容易擴散,導致大氣污染物容易累積,軌跡1、2較短,移動速度慢,對PM2.5、PM10貢獻程度高于其他軌跡,對應的顆粒物濃度也較高,分別為49.31, 52.05μg/m3和58.34, 61.72μg/m3.

圖7 烏魯木齊市區四季后向軌跡聚類

表2 烏魯木齊市區四季氣流后向軌跡500m,48h聚類分析來源

春季,氣流軌跡主要來自于受點西北方向,輸送距離較近的軌跡占比62.5%,軌跡1起源于克拉瑪依,經過昌吉州到達烏魯木齊,軌跡4起源于中哈交接處,經過博爾塔州、塔城、昌吉州到達烏魯木齊.輸送距離較遠的軌跡2、3、5分別起源于哈薩克斯坦中部、哈薩克斯坦東部、俄羅斯中部,軌跡2和軌跡3由于受春季中亞沙塵天氣影響會攜帶大量的沙塵氣溶膠進入烏魯木齊;軌跡2較短(相對于軌跡3、5)且氣流軌跡占比多,攜帶沙塵多,沿途衰弱作用低,對應PM2.5軌跡濃度最高,為29.52μg/m3,對應PM10軌跡濃度達到全年最高值,為106.92μg/m3.

夏季,氣流較清潔,主要來自西北中亞地區, PM2.5和PM10軌跡均值為四季最低.遠距離輸送的氣流軌跡占比為72.24%(軌跡1、3、5),軌跡較長,移動較快,分別從塔城、阿勒泰、阿拉山口進入新疆地區,然后輸送到市區.輸送距離較近的軌跡2、4分別起源于伊犁州、塔城,分別經過昌吉州西部、東部到達市區.其中軌跡4較短,途徑古爾班通古特沙漠,攜帶沙塵沿途衰弱作用較低,因此對應的PM2.5和PM10軌跡均值較高.

綜上所述,其中氣團輸送主要來自西北方向,污染受外來污染物輸入和本地污染源排放的影響,與劉子龍等[9]研究具有相似性.秋冬市區氣團輸送主要來自天山周邊經濟帶的局地近距離氣流,對顆粒物濃度貢獻高,主要分布在阿勒泰地區、塔城、伊犁州、阿克蘇地區、昌吉州、巴州、吐魯番、哈密等研究區周邊地區;春夏市區氣團輸送主要來自中亞地區的遠距離輸送,對顆粒物濃度貢獻低,主要分布在哈薩克斯坦、烏茲別克斯坦東部、俄羅斯中部等地區.

2.3 烏魯木齊市區PM2.5和PM10污染源區分析

2.3.1 PSCF分析 按照WPSCF值(0～0.3)、(0.3～ 0.7)、(0.7～1.0)依次標記為輕度、中度、重度潛在源區,主要潛在源區為重度潛在源區[30].如圖8所示, 夏季PM2.5的WPSCF值最低(WPSCF<0.2),僅在烏魯木齊市及巴州與天山北坡經濟帶交接的地方呈小團狀零星分布,表明此區域對PM2.5的質量濃度貢獻極其微小;其次是春季,WPSCF值也較低(WPSCF<0.3),潛在源區貢獻小而分散,主要集中在巴州東部、烏魯木齊南部、吐魯番西部等地區;秋冬季PM2.5的WPSCF值均較高,其中秋季重度污染網格呈少量片狀分布在研究區南部以及吐魯番地區,冬季重度污染網格呈片狀分布在吐魯番、阿克蘇地區、巴州,中度及輕度污染網格以重污染網格為中心向周圍擴散,冬季相較于秋季,高值區范圍大而集中.與PM2.5源區分布相比,PM10春夏季潛在源區分布范圍更大更廣,以西北方向擴散為主(圖8),秋冬季PM10的潛在貢獻源區的分布位置和形態與PM2.5極為相似,秋季PM10重污染網格范圍擴散,冬季PM10重污染范圍有所縮減;夏季WPSCF(PM10)以輕度污染網格為主,主要集中在塔城、博州、塔城、昌吉州等地,中度污染主要集中在阿勒泰、塔城等地呈帶狀分布;春季WPSCF(PM10)值范圍在0.1～0.7,中度污染網格集中在吐魯番、巴州地區,然后輕度污染網格以中度污染為中心向西北方向擴散,在哈薩克斯坦中部也有帶狀分布;秋季不同粒徑顆粒物污染源區位置分布相似,重污染區域網格集中在昌吉州、吐魯番地區;冬季PM10重度污染網格集中在伊犁地區.

綜上所述,烏魯木齊市區PM2.5和PM10的WPSCF有明顯的季節性分布特征,潛在源區的不同季節的變化存在顯著差異.PM2.5高值區范圍冬季>秋季>春季>夏季,PM10高值區范圍秋季>冬季>春季>夏季.

2.3.2 CWT分析 WPSCF只能反映潛在源區貢獻率的大小,不能反映具體的貢獻濃度水平,利用CWT法對污染軌跡進行濃度權重分析(圖9).

秋冬季PM2.5和PM10的低WCWT值的潛在污染源區空間分布類似.秋季PM2.5的較高WCWT值(30μg/m3 60μg/m3)的地區主要分布在伊犁州、巴州、吐魯番北部、昌吉州等地,PM10高值區較秋季范圍有所縮小,主要集中在巴州北部;春夏季WCWT(PM2.5)高值區大幅度消失,基本上為低值區,往西北方向擴散,呈點狀分布,春季WCWT(PM2.5)集中在10～30μg/m3,主要分布在塔城、巴州、博州、伊犁州、昌吉州、吐魯番等地,少數零星分布在哈薩克斯坦和阿勒泰地區,春季WCWT(PM10)集中在20～200μg/m3,低值區分布位置范圍與PM2.5分布類似,高值區分布在哈薩克斯坦東部與博州交接的地區;夏季WCWT (PM2.5)集中為四季最低,普遍低于30μg/m3,主要分布在巴州與吐魯番交接處,少量點狀分布在伊犁州、塔城、阿勒泰地區,WCWT(PM10)范圍在20～60μg/m3,主要集中在阿勒泰、塔城、昌吉州、伊犁州、巴州等地區.

圖8 烏魯木齊市區四季PM10和PM2.5潛在源區(PSCF)分析

圖9 烏魯木齊市區四季PM10和PM2.5濃度權重軌跡(CWT)分析

綜上所述,烏魯木齊市區PM2.5和PM10的WCWT值分布特征以及潛在源區的變化存在顯著的季節性差異.PM2.5高值區范圍冬季>秋季>春季>夏季,PM10高值區范圍秋季>冬季>春季>夏季,高值區主要分布在巴州北部、吐魯番地區、阿克蘇地區,分別位于塔克拉瑪干沙漠和吐魯番盆地,由于地理位置以及地形原因對烏魯木齊市區顆粒物貢獻顯著,這與WPSCF分析結果一致.

3 結論

3.1 市區超標日數遠遠高于南郊山區,兩站PM10超標污染、質量濃度高均集中在春季,前者PM2.5、PM1污染集中在冬季,后者集中在春季.市區PM2.5的超標天數為26d,南郊山區無PM2.5超標,市區 PM10的超標天數是南郊山區的3.5倍.市區日均值及月均值質量濃度是南郊山區的2～7倍,市區呈現冬高夏低的季節特征.

3.2 市區受人為活動影響大,市區站點顆粒物PM10有3個峰值,分別是09:00、17:00、子夜04:00,PM2.5、PM1為雙峰型分布,峰值分別出現在17:00、22:00;南郊山區顆粒物日變化呈現不明顯的雙峰型結構,分別是早上08:00(最高峰)和下午18:00～19:00.市區和南郊山區顆粒物PM10、PM2.5、PM1不同季節的周末效應有明顯差異,秋冬季周末效應不明顯,春夏周末效應顯著.

3.3 市區聚類氣流軌跡主要有長、短兩支氣流,秋冬市區氣團輸送主要來自天山周邊經濟帶的局地近距離氣流,春夏市區氣團輸送主要來自中亞地區的遠距離輸送.

3.4 市區PM2.5和PM10的WPSCF和WCWT有明顯的季節性分布特征,PM2.5高值區范圍冬季>秋季>春季>夏季,PM10高值區范圍秋季>冬季>春季>夏季.對大氣顆粒物影響最大的潛在污染源區為烏魯木齊周邊城市,主要包括昌吉州、巴州、吐魯番等地,低值區以高值區為中心向周圍擴散,主要擴散方向以西北方向為主.

[1] 張智答,王曉琦,張晗宇,等.京津冀地區典型城市秋冬季PM2.5輸送特征研究 [J]. 中國環境科學, 2021,41(3):993-1004.

Zhang Z D, Wang X Q, Zhang H Y, et al. Characteristics of PM2.5transport in Autumn and winter in Typical cities in Beijing- Tianjin-Hebei region [J]. 2021,41(3):993-1004.

[2] 王燕麗,薛文博,雷 宇,等.京津冀區域PM2.5污染相互輸送特征 [J]. 環境科學, 2017,38(12):4897-4904.

Wang Y L, Xue W B, Lei Y, et al. Characteristics of PM2.5pollution Transport in Beijing-Tianjin-Hebei Region [J]. Environmental Science, 2017,38(12):4897-4904.

[3] 汪 蕊,丁建麗,馬 雯,等.基于PSCF與CWT模型的烏魯木齊市大氣顆粒物源區分析 [J]. 環境科學學報, 2021.41(8):3033-3042.

Wang R, Ding J L, Ma W, et al. Source region analysis of atmospheric particulate matter in Urumqi city based on PSCF and CWT model [J]. Journal of Environmental Science, 2021.41(8):3033-3042.

[4] 李漢林,何 清,劉新春,等.帕米爾高原東部PM10輸送路徑及潛在源分析 [J]. 中國環境科學, 2020,40(11):4660-4668.

Li H L, He Q, Liu X C, et al. Analysis of PM10transport routes and potential sources in the Eastern Pamir Plateau [J]. Chinese Environmental Science, 2020,40(11):4660-4668.

[5] IPCC第六次評估報告第一工作組報告發布 [N]. 中國氣象報, 2021-08-10(001).

IPCC Sixth Assessment Report working Group I report released [N]. China Meteorological News, 2021-08-10(001).

[6] 王澄海,張晟寧,張飛民.論全球變暖背景下中國西北地區降水增加問題 [J]. 地球科學進展, 2021,36(9):980-989.

Wang C H, Zhang S N, Zhang F M. Analysis of precipitation increase in northwest China under the background of global warming [J]. Advances in Earth Science, 201,36(9):980-989.

[7] 劉 琳,張正勇,劉 芬,等.天山北坡經濟帶城市PM2.5質量濃度時空分布及模擬分析 [J]. 環境科學研究, 2018,31(11):1849-1857.

Liu L, Zhang Z Y, Liu F, et al. Spatial and temporal distribution and simulation analysis of PM2.5mass concentration in urban economic belt on the Northern Slope of Tianshan Mountains [J]. Research of Environmental Science, 2018,31(11):1849-1857.

[8] 王芳龍,李忠勤,楊 宏,等.天水市大氣顆粒物輸送通道及污染源區研究 [J]. 環境化學, 2020,39(9):2371-2383.

Wang F L, Li Z Q, Yang H, et al. Study on air particulate matter transport channel and pollution source area in Tianshui City [J]. Environmental Chemistry, 2020,39(9):2371-2383.

[9] 劉子龍,代 斌,崔卓彥,等.大氣污染物濃度變化特征及潛在源分析—以烏魯木齊為例 [J]. 干旱區研究, 2021,38(2):562-569.

Liu Z L, Dai B, Cui Z Y, et al. Analysis on variation characteristics and potential sources of atmospheric pollutants concentration: A Case study of Urumqi [J]. Arid Zone Research, 201,38(2):562-569.

[10] 劉 灝,王 穎,王思潼,等.基于HYSPLIT4模式的天水市顆粒物輸送路徑 [J]. 中國環境科學, 2021,41(8):3529-3538.

Liu H, Wang Y, Wang S T, et al. Transport path of particulate matter in Tianshui City based on HYSPLIT4model [J]. China Environmental Science, 201,41(8):3529-3538.

[11] Chen M J, Li B, Nan S. Particulate matter PM2.5exposure season- dependently induces neuronal apoptosis and synaptic injuries [J]. Journal of Environmental Sciences, 2017,04(v.54):340-349.

[12] 周夢杰,胡文慶,楊思遠,等.2000年—2017年中國PM2.5污染的健康影響及經濟損失時空分布模式 [J]. 華中師范大學學報(自然科學版), 2021,55(1):110-120.

Zhou M J, Hu W Q, Yang S Y, et al. Effects of PM2.5pollution on health and economic loss in China from 2000 to 2017 [J]. Journal of Central China Normal University (Natural Science Edition), 201,55(1): 110-120.

[13] Pope C A, Dockery D W. Health effects of fine particulate air pollution: lines that connect. [J]. Journal of the Air & Waste Management Association, 2006,56(6):707-708.

[14] 周 童,錢蘭紅,錢 斌,等.城市空氣污染物濃度對健康青年肺功能的短期影響 [J]. 江蘇醫藥, 2015,41(5):546-548.

Zhou T, Qian L H, Qian B, et al. Effect of urban air pollutant concentration on lung function in healthy youth [J]. Jiangsu Medicine, 2015,41(5):546-548.

[15] Lippmann M. Toxicological and epidemiological studies of cardiovascular effects of ambient air fine particulate matter (PM2.5) and its chemical components: coherence and public health implications [J]. Critical Reviews in Toxicology, 2014,44(4):299-347.

[16] 柴發合.中國未來三年大氣污染治理形勢預判與對策分析 [J]. 中國環境監察, 2019,(1):29-31.

Chai F H. Analysis of control situation prediction and countermeasures of China's air pollution in the next three years [J]. China Environmental Monitoring, 2019,(1):29-31.

[17] 李 軍,呂愛華,李建剛.“十一五”時期烏魯木齊市大氣污染特征及影響因素分析 [J]. 中國環境監測, 2014,30(2):14-20.

Li J, Lv A H, Li J G. Characteristics and influencing factors of air pollution in Urumqi during the "11th Five-Year Plan" Period [J]. China Environmental Monitoring, 2014,30(2):14-20.

[18] 楊 靜,李 霞,李 秦,等.烏魯木齊近30a大氣穩定度和混合層高度變化特征及其對空氣污染的影響 [J]. 干旱區地理, 2011,28(3): 747-752.

Yang J, Li X, Li Q, et al. Changes in atmospheric stability and mixed layer height and their effects on air pollution over Urumqi in recent 30years [J]. Arid land geography, 2011,28(3):747-752.

[19] 蔡 仁,李 霞,趙克明,等.烏魯木齊大氣污染特征及氣象條件的影響 [J]. 環境科學與技術, 2014,37(S1):40-48.

Cai R, Li X, Zhao K M, et al. Characteristics of air pollution and influence of meteorological conditions in Urumqi [J]. Environmental Science and Technology, 2014,37(S1):40-48.

[20] 李 霞,王 磊,楊 靜,等.峽口地形城市影響大氣污染物變化的氣象因素研究 [C]//城市氣象論壇(2012年)·城市與氣候變化論文集, 2012:186.

Li X, Wang L, Yang J, et al. Study on meteorological factors influencing atmospheric pollutants change in Xiakou topographic city [C]// Urban Meteorological Forum (2012). Proceedings of Urban and Climate Change, 2012:186.

[21] 羅治江.烏魯木齊市冬季大氣污染成因分析及防治對策初探 [J]. 資源節約與環保, 2017,(7):58,60.

Luo Z J. Analysis of causes of winter air pollution in Urumqi city and preliminary study on prevention and control countermeasures [J]. Resources Conservation and Environmental Protection, 2017,(7): 58,60.

[22] Cristofanelli P, Bonasoni P. Background ozone in the southern Europe and Mediterranean area: Influence of the transport processes [J]. Environmental Pollution, 2009,157(5):1399-1406.

[23] GB3095- 2012 環境質量空氣標準 [S].

GB3095- 2012 Ambient air quality standards [S].

[24] Draxler R R, Hess G D. An overview of the hysplit-4modeling system for trajectories [J]. Australian Meteorological Magazine, 1998,47(4): 295-308.

[25] Stein A F, Draxler R R, Rolph G D, et al. NOAA's HYSPLIT atmospheric transport and dispersion modeling system [J]. Bulletin of the American Meteorological Society, 2015,96(12):2059-2077.

[26] Tian M, Wang H, Chen Y, et al. Characteristics of aerosol pollution during heavy haze events in Suzhou, China [J]. Atmospheric Chemistry and Physics, 2016,16(11):7357-7371.

[27] Ashbaugh L L, Malm W C, Sadeh W Z. A residence time probability analysis of sulfur concentrations at grand Canyon National Park [J]. Atmospheric Environment , 1967,19(8):1263-1270.

[28] Lough G C, Schauer J J, Lawson D R.Day-of-week trends in carbonaceous aerosol composition in the urban atmosphere [J]. Atmospheric Environment, 2006,40(22):4137-4149.

[29] 范圣虎,劉 寧,張飛云.烏魯木齊城區大氣污染“周末效應”特征及其變化趨勢分析 [J]. 新疆環境保護, 2021,43(2):1-7.

Fan S H, Liu N, Zhang F Y. Characteristics and trends of weekend effect of air pollution in Urban Area of Urumqi [J]. Xinjiang Environmental Protection, 201,43(2):1-7.

[30] 瑪依拉·熱西丁,丁建麗,張 喆,等.烏魯木齊市氣溶膠光學厚度時空分布特征及潛在來源分析 [J]. 環境科學學報, 2020,40(5):1611- 1620.

Maiela Rexiding, Ding J L, Zhang Z, et al. Temporal and spatial distribution characteristics and potential sources of aerosol optical thickness in Urumqi city [J]. Chinese journal of environmental science, 2020,40(5):1611-1620.

致謝：感謝中國氣象局烏魯木齊沙漠氣象研究所提供觀測數據.感謝王亞強老師團隊Meteoinfo 軟件支持.

Comparative analysis of particulate pollution characteristics between Urumqi urban area and southern mountainous area.

ZHU Cui-yun1,2, HE Qing2*, ZHAO Zhu-jun1,2, LIU Xin-chun2, PU Zong-chao3

(1.College of Resources & Environment Sciences, Xinjiang University, Urumqi 830046, China；2.Institute of Desert Meteorology, China Meteorological Administration, Xinjiang Key Laboratory of Desert Meteorology and Sandstorm, Field Scientific Experiment Base of Akdala Atmospheric Background, China Meteorological Administration, Urumqi 830002, China；3.Urumqi Meteorological Bureau, Urumqi 830002, China)., 2022,42(9)：4073～4085

Based on the observational data of PM10, PM2.5and PM1concentrations from October 2017 to August 2018 as well as NCEP reanalysis data of meteorology, this paper analyzed the variations of particulate concentrations in the urban area and the mountainous area in the southern suburbs of Urumqi, combined with HYSPLIT backward trajectory modelling, potential source contribution factor analysis (PSCF) and concentration weight trajectory analysis (CWT) to analyze the potential sources of particulate matter in urban areas. The results show that: (1) In the urban area, PM2.5exceeded the standard for 26 days, while in the southern suburbs, no PM2.5exceeded the standard, and the number of days exceeding the standard for PM10in the urban area was 3.5 times higher than that in the southern suburbs, The daily and monthly mean PM10concentrations in urban area is 2～7 times that in the southern suburban area. The urban area presented the seasonal characteristics of high in winter and low in summer, while the southern suburban area observed the highest in spring. (2) The diurnal variation of PM10in Urumqi has three peak values, PM2.5and PM1have bimodal distribution in the urban area, and the southern mountainous areas presented the bimodal distribution in diurnal PM10change. There is seasonal weekend effect. (3) The trajectory of the long and short clusters of air flow has a great influence on the concentrations of particulate matter in Urumqi. Air flows in spring and summer is traced from Central Asia, and air flow in autumn and winter from the surrounding areas of northern Xinjiang. (4) The seasonal variations of potential sources of particulate matter are significant, and the high values are mainly in Changji, Bazhou, Turpan and other surrounding areas. The central Asian area in northwest China is also one of the important sources of particulate matter.

particulate matter；Urumqi；backward trajectory clustering analysis；potential source area contribution analysis；concentration weight trajectory analysis；PM2.5

X513

A

1000-6923(2022)09-4073-13

2022-02-22

第二次青藏高原綜合科學研究項目(2019QZKK010206)

*責任作者, 研究員, qinghe@idm.cn

朱翠云(1998-),女,河南駐馬店人,新疆大學碩士研究生,主要從事大氣污染防治研究.