長春市春季一次空氣污染過程分析

摘要：以2024年4月19日至21日長春市出現的一次空氣污染事件為研究對象，分析污染過程的概況、成因及潛在污染源。結果表明，研究期出現兩次污染高峰。結合NO2濃度和SO2濃度處于低值的情況，本次污染過程是偏生物質燃燒的污染，不利的氣象條件也對污染過程起到助推作用。經48 h后向軌跡聚類分析，得出4條氣團軌跡。對長春市影響最大的是來自內蒙古自治區、白城市、松原市和吉林市方向的氣團，該類軌跡90%以上可吸入顆粒物（PM10）超標。潛在污染源分析顯示，潛在污染源主要集中在長春市、吉林市和四平市，它們是造成本次污染事件的主要貢獻者。

關鍵詞：空氣污染；后向軌跡；潛在污染源；春季；長春市

中圖分類號：X51 文獻標識碼：A 文章編號：1008-9500（2024）11-0190-03

Analysis of An Air Pollution Process in Spring in Changchun City

YUAN Xianghu， AN Pingping， LIU Qiumeng

（Ecological Environment Monitoring Center of Jilin Province， Changchun 130062， China）

Abstract： Taking an air pollution incident that occurred in Changchun city from April 19 to 21， 2024 as the research object， the overview， causes， and potential sources of the pollution process are analyzed. The results indicate that there are two pollution peaks during the study period. Considering the low concentrations of NO2 and SO2， this pollution process is caused by biomass burning， and unfavorable meteorological conditions also contribute to the pollution process. After 48 h of backward trajectory clustering analysis， 4 air mass trajectories are obtained. The air masses from Inner Mongolia Autonomous Region， Baicheng city， Songyuan city， and Jilin city have the greatest impact on Changchun city， with over 90% of these trajectories exceeding the limit of inhalable particulate matter （PM10）. The analysis of potential pollution sources shows that they are mainly concentrated in Changchun city， Jilin city， and Siping city， which are the main contributors to this pollution incident.

Keywords： air pollution; backward trajectory; potential sources of pollution; spring; Changchun city

近些年，長春市空氣質量得到大幅提升，但是春季時常會發生突發性的嚴重空氣污染事件，周邊大部分地區供暖已經結束，會出現維持時間較短而且以顆粒物為代表的重度以上空氣污染[1-2]。以2024年4月19日至21日發生在長春市的一次空氣污染過程作為研究對象，分析污染的時空變化特征、傳輸途徑和潛在來源，這對長春市季節性污染調控有重要意義。

1 數據來源

可吸入顆粒物（PM10）、細顆粒物（PM2.5）濃度數據來自吉林省環境空氣質量監測聯網與數據管理系統（http：//222.168.28.142：81/Home/），HYSPLIT軌跡模型使用的氣象驅動數據來自美國國家海洋和大氣管理局的全球數據同化系統（Global Data Assimilation System，GDAS）[3-4]，空間分辨率為1°。火點數據來自中國科學院遙感與數字地球研究所網站（http：//satsee.radi.ac.cn：8080/index.html）。

2 研究方法

采用MeteoInfoMap軟件的Traj Stat模塊進行后向軌跡分析，軌跡利用聚類分析法，依據歐式距離算法對抵達長春市的所有氣流軌跡進行分析聚類，得到不同時段不同方向的氣流來源，并利用主成分分析法對氣流對應的污染物濃度特征進行分析聚類[5-6]。以長春市北海公園站（43.86°N，125.36°E）為計算軌跡起點，模擬時段為2024年4月19日00：00至4月22日08：00，選取每天逐小時計算48 h后向軌跡，模擬高度為300 m，與邊界層高度接近。

潛在源貢獻因子算法（Potential Source Contribution"Function algorithm，PSCF）是由條件概率函數發展而來判別污染源區位的計算方法，通過結合氣團軌跡和污染指標判定污染物的可能排放點位和分布情況[7]。研究區網格分辨率為0.5°×0.5°，PM10的臨界值是《環境空氣質量標準》（GB 3095—2012）的二級污染濃度限值（150 μg/m3）。依據分辨率，每個網格坐標記為（i，j），經過網格的所有軌跡數為nij，超過給定閾值的軌跡數為污染軌跡數mij，則網格（i，j）污染軌跡出現的概率Pij采用式（1）計算。由于PSCF算法是條件概率計算，計算結果的不確定性較大，通常引入權重因子來減少軌跡總體停留時間較少而給Pij計算結果帶來的不確定性[8]，加入權重后的污染軌跡出現概率Qij采用式（2）計算。其中，權重因子根據式（3）進行取值。

Pij=mij/nij（1）

Qij=Pij×Wij（2）

（3）

式中：Pij為網格（i，j）污染軌跡出現概率；mij為超過給定閾值的軌跡數，即污染軌跡數；nij為經過網格的所有軌跡數；Qij為加入權重后的污染軌跡出現概率；Wij為權重因子。

3 結果與分析

3.1 污染概況

2024年4月19日至21日出現良到輕度污染、中度污染直至嚴重污染的天氣，其間出現兩次重度污染以上時段，如圖1所示。此次污染過程CO濃度變化趨勢與PM10、PM2.5的濃度變化趨勢高度一致，呈現顯著的正相關，春季為秸稈焚燒的高發期，此次過程可能是不利天氣條件下周邊農田焚燒秸稈造成的。

3.2 污染物聚類分析

依據概況分析，將PM10作為控制因子導入HYSPLIT軌跡模型，通過計算得到300 m高度的48 h后向軌跡結果。對80條有效軌跡進行聚類分析，得到4條平均軌跡。第1類軌跡源自俄羅斯聯邦伊爾庫茨克州，輸送距離遠且速度快，占總數的41.25%，主要影響日期是19日；第2類軌跡源自內蒙古自治區東部，距離近且速度較慢，占總數的21.25%，主要影響日期是20日；第3類軌跡源自俄羅斯聯邦布里亞特共和國，輸送距離遠且速度較快，占總數的12.50%，主要影響日期是20日；第4類軌跡源自黃海，距離近且速度慢，占總數的25.00%，主要影響日期是21日。由表1可知，軌跡2和軌跡3超標嚴重，其中軌跡2超標最多，達到100%，軌跡3超標90%，軌跡2的PM10平均濃度達到251 μg/m3，軌跡3的PM10平均濃度達到163 μg/m3。根據19—21日的火點分布，軌跡2和軌跡3途徑路線火點較多，軌跡均有長春市、松原市和吉林市，這些地區對此次污染事件的影響最大[9-12]。

3.3 潛在污染源分析

為了進一步了解各類軌跡氣團對長春市的影響，以PM10作為模型控制因子，利用后向軌跡及潛在污染源分析方法分析2024年4月19日00：00至22日08：00的污染過程。首先對研究區（104.6°E～128.6°E，36.0°N～61.1°N）進行網格化處理，分成分辨率為0.5°×0.5°的網格，并計算80條軌跡Qij數值。結果顯示，Qij高值區主要集中在長春市、吉林市和四平市，這些區域的污染源排放導致長春市空氣中污染物濃度升高，松原市和遼寧省的部分區域對長春市空氣質量也有一定影響。

4 結論

2024年4月19日00：00至4月22日08：00，長春市出現良到輕度污染、中度污染直至嚴重污染的天氣。其間出現兩次污染高峰，此時段大部分地區供暖已結束。結合NO2濃度和SO2濃度處于低值的情況，本次污染過程是偏生物質燃燒的污染，本地風速低，風向不穩定，造成污染物擴散條件變差，形成污染物的滯留。污染期間300 m高度的48 h后向軌跡聚類分析表明，污染初期受內蒙古自治區、白城市、黑龍江省部分地區的影響，但污染氣團軌跡長，速度快，污染物濃度較低，對長春市的影響小，潛在污染源主要集中在長春市、吉林市和四平市，它們是本次污染事件的主要貢獻者。

參考文獻

1 邱嘉馨.長春市大氣細顆粒物濃度變化驅動因素影響研究[D].長春：吉林大學，2023.

2 王麗媛.長春市大氣中細顆粒物的來源解析及區域傳輸研究[D].長春：吉林大學，2023.

3 裴波妮，王郁聰，許瑞廣，等.西安市2014—2022年大氣污染物特征及潛在源分析[J].環境科學學報，2024（9）：80-92.

4 鄧力琛，錢 悅，楊 超，等.2014—2021年九江市大氣PM2.5污染特征及冬季一次典型污染過程分析[J].環境科學學報，2023（6）：83-93.

5 Wang Y Q.MeteoInfo：GIS software for meteorological data visualization and analysis[J].Meteorological Applications，2014（2）：360-368.

6 Wang Y Q.An open source software suite for multi-dimensional meteorological data computation and visualisation[J].Journal of Open Research Software，2019（3）：1-9.

7 曾 欣，舒 磊，張 靖，等.長株潭區域一次重度污染過程氣象成因[J].中國環境監測，2023（5）：183-192.

8 王 醒，李莉莉，王 琨，等.哈爾濱市一次大氣污染過程及潛在源分析[J].中國環境科學，2019（11）：4502-4510.

9 梁嘉偉.撫順東露天礦開采過程粉塵污染與防治措施[J].現代礦業，2024（2）：233-235.

10 時迎強，屈 垚，師菊蓮，等.汾渭平原城市大氣污染演變及典型污染過程：以寶雞市為例[J].中國環境科學，2023（增刊1）：1-9.

11 馬 瑞，陳 莎，樊守彬，等.北京市空氣質量特征與典型區域污染源貢獻分析[J].環境科學學報，2024（3）：317-326.

12 周德榮，劉 祎，高 健，等.中國東部地區典型臭氧污染過程防控敏感性及減排情景研究[J].大氣科學學報，2023（5）：667-678.