2023年1-2月達州市NO2污染特征及潛在源區分析

摘要：基于2023年1—2月達州市 濃度自動監測數據，分析達州市 濃度的時空分布特征，并采用潛在源貢獻因子法（Potential Source Contribution Factor method，PSCF）分析達州市 污染的跨區域傳輸來源。結果表明，2023年1—2月達州市 累計濃度為 ，同比上升 3 3 . 6 % 。與四川省大部分城市相比，達州市的 濃度常年居高。 逐日變化表明，機動車尾氣可能是氮氧化物的重要貢獻源之一。 小時變化表明， 和 的轉化相對不明顯，晚高峰離群現象突出。2023年1—2月，在達州市4個國控站點中，達川機關賓館的 濃度最高（ ），污染特征雷達圖說明區域污染類型為典型的機動車尾氣污染型。2023年1—2月，達州市 污染受區域傳輸影響較大，潛在污染源區主要分布在重慶市主城區－渝西地區、湖北省荊州市－宜昌市等遠距離地區。

關鍵詞： ；污染特征；潛在源貢獻因子法（PSCF）；達州市 中圖分類號：X823 文獻標識碼：A 文章編號：1008-9500（2025）04-0208-09 DOI：10.3969/j.issn.1008-9500.2025.04.059

Analysis of Pollution Characteristics and Potential Source Areas in Dazhou City from January to February 2023

DENG Xiaohan， JIANGHuixian，WANGJnxing （Dazhou Ecological Environment Monitoring Center Station of Sichuan Province，Dazhou 635ooo，China）

Abstract：Based on the automatic monitoring data of NO concentration in Dazhou city from January to February 2023， the spatiotemporal distribution characteristics of NO concentration in Dazhou city are analyzed，and the Potential Source Contribution Factor method （PSCF） is used to analyze the cross regional transmission sources of NO pollution in Dazhou city.The results show that the cumulative concentration of NO in Dazhou city from January to February 2023 is ， an increase of 3 3 . 6 % year-on-year.Compared with most cities in Sichuan province，the NO concentration in Dazhou city is consistently high throughout the year.The daily variation of NO indicates that vehicle exhaust may be one of the important contributing sources of nitrogen oxides.The hourly variation of NO indicates that the conversion of NO and is relatively insignificant，and theoutlier phenomenon is prominent during theevening peak.In JanuaryandFebruary 2O23，among the four national control stations in Dazhou city，the NO concentration at the Dachuan Government Hotel was the highest （204號 ，the polution characteristic radar map indicated thatthe regional polution type was typical motor vehicle exhaust pollution.In January and February 2023，NO pollution in Dazhou city was greatly affected by regional transmission， and potential polution sources were mainly distributed in long-distance areas such as the mainurban area of ChongqingYuxi and Jingzhou-Yichang in Hubei province.

Keywords： pollution characteristics; Potential Source Contribution Factor method （PSCF）; Dazhou city

隨著城市化進程的加速和能源消費結構的轉型，氮氧化物（ ）污染已成為中國中西部地區大氣環境治理的重要挑戰[1-2]。達州市作為川渝城市群東北部的工業與交通樞紐[3，近年來受能源化工產業擴張、機動車保有量激增及盆地地形擴散條件受限等因素影響[4-6]， 污染問題日益凸顯。研究表明， 是二次顆粒物和臭氧生成的關鍵前體物[7-8]，其長期暴露與呼吸系統疾病風險顯著相關[9-10]，因此厘清達州市 污染的時空特征及潛在來源對區域空氣質量改善和公共健康防護具有重要意義。

達州市位于四川省東北部，地形北高南低，由東北向西南傾斜。達州市主城區位于河谷地帶，四周有鐵山、鳳凰山、火峰山、雷音鋪山圍繞，各山與主城區的高程差分別約為660、400、270、 4 9 0 m 。獨特的地形條件導致達州市主城區大氣擴散條件差。從東岳鎮、雙龍鎮、復興鎮到四川省達州鋼鐵集團有限責任公司、化工園區，達州市主城區周邊形成長達 左右的圍城工業帶。受地形條件和氣象影響，達州市主城區周圍形成東、西2個污染物輸送通道，2個輸送通道走向均大致為由北向南。工業廢氣排放具有連續性，不受季節、氣象條件影響[11-13]，對空氣質量的影響是大范圍、連續性的[14-15]，即使氣象擴散條件和凈化條件良好，也無法完全消除對空氣質量的影響[16-18]。本文以達州市為研究區，基于2023年1—2月的 濃度自動監測數據，系統分析 濃度的時空演變規律，并結合潛在源貢獻因子法（Potential SourceContributionFactormethod，PSCF），分析達州市 污染的跨區域傳輸來源，以期為 污染協同治理和區域聯防聯控提供技術支撐。

1數據與方法

1.1數據來源

選取4個達州市國家環境空氣質量評價站點（達川機關賓館、市政中心、市環境監測站、鳳凰小區）作為研究對象，對各站點2023年1一2月逐小時的 、 和風速風向數據進行統計分析。

1.2研究方法

1.2.1 特征雷達圖

對多種污染物進行百分比成分譜化，再除以一定區域的平均值，得到標準化特征譜，以消除污染物濃度變化及不同污染物濃度值差異的影響。然后，通過雷達圖的形式將各種污染物的標準化特征值以坐標軸射線的方式展示，不同污染物對應不同射線，其數值大小決定從圓心到該點的距離，從而形成一個多邊形雷達圖，進一步判斷污染源[19-20]

1.2.2 PSCF

PSCF是一種基于軌跡聚類分析的受體模型方法，主要用于識別大氣污染物的潛在源區。該方法假設到達監測站點的空氣團軌跡與污染物濃度存在一定關系，通過計算不同軌跡污染物濃度的概率分布，確定潛在源區的貢獻程度[21-22]

2 結果與討論

2.1達州市 濃度的時間變化特征

2015—2023年，四川省各地級市（自治州）1—2月 累計濃度及同比變化如圖1、圖2所示。數據顯示，2015—2023年，達州市1—2月 累計濃度分別為39.5、39.4、35.8、43.6、44.7、28.8、41.5、34.2、 。2023年1—2月，在四川省21個市州中，達州市的 濃度排在末位，反彈幅度較大，同比上升 3 3 . 6 % ，且 絕對濃度與前一名的眉山市相差較大，差值達 。2015—2022年，達州市的 濃度在四川省分別排在第20位、第20位、第12位、第20位、第20位、第17位、第19位、第20位，常年處于四川省中下游水平，且多次排在第20位，與四川省大部分城市相比，達州市的 濃度常年偏高。

2023年1一2月，周邊城市均出現 濃度大幅反彈現象，其中遂寧市、南充市反彈最突出，分別同比上升 6 8 . 2 % 、 6 6 . 0 % ，廣安市、巴中市分別同比上升 2 3 . 6 % 與 1 3 . 1 % ，達州市的 濃度反彈幅度（上升 3 3 . 6 % ）低于遂寧市、南充市，高于廣安市、巴中市，在川東區域整體反彈的背景下，達州市反彈幅度居中游。

2023年1—2月，達州市與四川省其他市州 日均濃度變化趨勢如圖2所示。從2023年1—2月逐日變化來看，與四川省14個重點城市（成都市、德陽市、廣安市、樂山市、瀘州市、眉山市、綿陽市、南充市、內江市、遂寧市、雅安市、宜賓市、資陽市、自貢市）相比，達州市的 濃度持續處于高位，這一現象可能與達州市的工業結構、特殊的地理氣象條件等因素密切相關。值得注意的是，在1月下半月至2月初這一特定時段，達州市的 濃度出現顯著的高值離群現象，其濃度峰值明顯高于周邊市州同期水平。經分析，此時段正值春節返鄉高峰期，工業生產活動減弱，但返鄉導致車流量顯著增加，機動車尾氣可能是氮氧化物的重要貢獻源之一。這一研究結果表明，在制定區域大氣污染防治策略時，除了關注工業源排放控制外，還需要充分考慮特殊時期移動源排放特征及其環境影響，采取針對性的管控措施，以實現區域空氣質量的有效改善。

2023年1—2月，四川省各市州 和 小時濃度均值的變化趨勢分別如圖3和圖4所示。從2023年1一2月 2 4 h 均值變化來看，與四川省其他市州相比，達州市的 濃度變化呈現2個特征。一是午后 濃度下降趨勢不明顯，光化學反應特征與其他市州存在明顯差異。從小時變化規律來看，四川省大部分市州在午后時段（通常為12：00-16：00）呈現出典型的 和 光化學轉化特征，即隨著太陽輻射增強， 在紫外光作用下發生光解反應，生成NO 和 表現為 濃度下降而 濃度上升的此降彼升現象。然而，達州市的 濃度在午后時段保持相對穩定，降幅明顯小于其他市州。同時，監測數據顯示，達州市 濃度在各市州中處于最低水平，且日變化峰值不顯著。二是晚高峰時段 濃度離群現象突出，移動源排放特征顯著。在每日17：00-20：00的晚高峰時段，達州市的 濃度顯著升高，峰值濃度明顯高于其他市州，呈現出典型的離群特征。

2.2達州市 濃度的空間變化特征

2023年1—2月，達州市各國控站點 濃度及同比變化如圖5所示。2023年1一2月，在達州市4個國控站點中，達川機關賓館、市政中心、市環境監測站、鳳凰小區的 濃度均值分別為52.6、44.9、42.7、 。其中，達川機關賓館的 濃度最高，同比升幅最大，為 4 9 . 9 % ，對達州市 濃度反彈貢獻最大，貢獻率為 2 8 . 8 % 。

為深入分析達州市達川機關賓館的污染特征，對站點各項污染物數據進行百分比成分譜化，并除以區域（達州市各國控子站）平均百分比化成分譜，從而得到標準化特征譜，以消除污染物濃度變化和不同污染物濃度數量級差異的影響，得到污染特征雷達圖，如圖6所示。2023年1—2月，達川機關賓館的 濃度顯著超出特征值上限，而細顆粒物（ ）、可吸入顆粒物（ ）、 、CO和 等污染物的濃度均低于特征值上限。結果表明，達川機關賓館區域污染類型為典型的機動車尾氣污染型。

2.3達州市 潛在源分布

一個地區的大氣污染物濃度不僅受到本地污染源排放的直接影響，還受到大氣傳輸過程的顯著作用。大氣傳輸可以通過水平輸送和垂直擴散將其他區域的污染物傳輸至目標區域，從而改變當地的污染物濃度分布和化學組成。為了量化區域間污染物傳輸的影響，計算四川省各市州 濃度與達州市 濃度的相關系數，如表1所示。數據顯示，遂寧市、廣安市、南充市、巴中市與達州市 濃度的相關系數分別為0.869、0.851、0.862、0.863，均在0.85以上，為高度相關，說明川東城市 污染相關性較強，主要呈現區域性污染特征。

本研究利用HYSPLIT模型對2023年1—2月達州市的氣團后向軌跡進行模擬分析，并結合PSCF，分析達州市 的潛在源區分布。PSCF通過計算氣團軌跡經過特定網格區域的概率與高濃度污染事件發生概率的比值，從而識別對目標區域污染物濃度有顯著貢獻的潛在源區。在PSCF分析結果圖中，顏色越深表示概率比值越高，表明該區域對達州市 濃度的潛在貢獻可能越大。如圖7所示，2023年1—2月，達州市 外來潛在污染源區主要分布在重慶主城區-渝西地區、湖北省荊州市－宜昌市等遠距離地區。研究結果表明，達州市 污染不僅受本地排放源的影響，還顯著受到區域傳輸的影響。特別是在冬季，受靜穩天氣和逆溫層的影響，大氣擴散條件較差，污染物容易在區域內累積和傳輸，導致達州市的 濃度升高。

3結論

2023年1—2月，達州市的 累計濃度為 ，同比上升 3 3 . 6 % ，反彈較大。與四川省大部分城市相比，達州市的 濃度常年偏高。2023年1-2月 逐日變化表明，機動車尾氣可能是氮氧化物的重要貢獻源之一。2023年1—2月 小時變化表明， 濃度午后下降不明顯， 和 的轉化相對不明顯，晚高峰離群現象突出。2023年1—2月，在達州市4個國控站點中，達川機關賓館的 濃度最高（ ），污染特征雷達圖顯示區域污染類型為典型的機動車尾氣污染型。2023年1—2月，達州市 污染受區域傳輸影響較大，潛在污染源區主要分布在重慶市主城區－渝西地區、湖北省荊州市－宜昌市等遠距離地區。

參考文獻

1 國務院.大氣污染防治行動計劃[EB/OL].（2013- 09-10）[2025-01-19].https：//www.mee.gov.cn/ ywgz/zcghtjdd/sthjghjh/201811/t20181129_676555. shtml.

2 ZHENGB，TONGD，LIM，et al.Trends in China’s anthropogenic emissions since 2010 as the consequence of clean air actions[J].Nature Sustainability，2021（3）：239-248.

3WANG HL.Freight transportation and air quality in inland cities：evidence from the Chengdu-Chongqing economic corridor[J].Transportation Research， 2022，108：103335.

4王聰，賀光艷，羅彬，等.四川省“十三五” 期間大氣污染防治成效評估[J].四川環境，2023 （3）：80-91.

5 WU XD，ZHANGSJ，WUY，et al.Vehicle emission trends in China’s rapidly developing regions： a case study of Chengdu-Chongqing economic circle[J].Science of the Total Environment， 2020，746：141069.

6 ZHANGQ，ZHENGYX，TONGD，et al.Impact of topography on air pollution distribution in Sichuan Basin：a case study of and NO [J].Atmospheric Environment，2020，234：117543.

7 SEINFELDJH，PANDISSN.Atmospheric chemistry and physics：from air pollution to climate change[M].New York：Wiley，2016.

8 LI K，JACOBDJ，LIAO H，et al.Anthropogenic drivers of 2013—2017 trends in summer surface ozone in China[J].Proceedings of the National Academy of Sciences，2019（2）：422-427.

9 JOSL，KLAUSK，ANDREAP，et al.Cardiovascular disease burden from ambient air pollution in Europe reassessed using novel hazard ratio functions[J]. European Heart Journal，2019（20）：1590-1596.

10KHREIS H，KELLY C，TATEJ，et al.Exposure to trafic-related air pollution and risk of development of childhood asthma：a systematic review and metaanalysis[J].Environment International，2017（3）： 1-31.

11 ZHANGQ，JIANGXJ，TONGD，et al. air pollution and international trade[J].Nature，2017 （3）：705-709.

12LIUF，ZHANGQ，VANDERARJ，et al.Recent reduction in emissions over China：synthesis of satelite observations and emisson inventories[J].Environmental Research Letters，2016（11）：114002.

13ZHANG Y L， CAO F.Fine particulate matter （（ ） in China at a city level[J].Scientific Reports，2015 （5）：14884.

14LINJT，PAND，DAVISSJ，etal.China’s international trade and air pollution in the United States[J].Proceedings of the National Academy of Sciences，2014（5）：1736-1741.

15WANG SX，ZHAO B，CAI SY，et al.Emission trends and mitigation options for air pollutants in East Asia[J].Atmospheric Chemistry and Physics，2014 （13）：6571-6603.

16DINGAJ，HUANGX，NIEW，etal.Enhanced haze pollution by black carbon in megacities in China[J].Geophysical Research Letters，2016（6）： 2873-2879.

17ZHANGYL，YANGX，BROWNR，et al. Persistent heavy winter nitrate pollution driven by increased photochemical oxidants in China[J].Nature Geoscience，2020（11）：744-749.

18LIJ，HANZW，ZHANGRJ，et al.Impacts of meteorological conditions on winter fine particulate matter pollution in Central China[J].Atmospheric Environment，2020，223：117240.

19段菁春，胡京南，譚吉華，等.特征雷達圖的設 計及其在大氣污染成因分析中的應用[J].環境科 學研究，2018（8）：1329-1336.

20竇旺勝，王成新，劉照勝.2020年初京津冀及周 邊地區空氣污染特征研究[J].干旱區資源與環境， 2020（11）：8-14.

21ASHBAUGHLL，MALMWC，SADEHWZ. Aresidence time probability analysis of sulfur concentrations at grand Canyon National Park[J]. Atmospheric Environment，1985（8）：1263-1270.

22GUO H，LING ZH，CHENG HR，et al. Tropospheric volatile organic compounds in China[J]. Science of the Total Environment，2017，574： 1021-1043.