王郭臣,王 玨,信玉潔,陳 莉(天津師范大學(xué)城市與環(huán)境科學(xué)學(xué)院,天津 300387)

天津PM10和NO2輸送路徑及潛在源區(qū)研究

王郭臣,王 玨,信玉潔,陳 莉*(天津師范大學(xué)城市與環(huán)境科學(xué)學(xué)院,天津 300387)

利用HYSPLIT模型和全球資料同化系統(tǒng)(GDAS)氣象數(shù)據(jù),用聚類方法對(duì)2012年12月～2013年11月期間抵達(dá)天津的逐日72h氣流后向軌跡按不同的季節(jié)進(jìn)行歸類.并利用相應(yīng)的 PM10和 NO2濃度日監(jiān)測(cè)數(shù)據(jù),分析了不同季節(jié)氣流軌跡對(duì)天津污染物濃度的影響.運(yùn)用潛在源貢獻(xiàn)(PSCF)因子分析法和濃度權(quán)重軌跡(CWT)分析法分別模擬了不同季節(jié)PM10和NO2潛在PSCF和CWT.結(jié)果表明,不同方向氣流軌跡對(duì)天津PM10和NO2潛在源區(qū)分布的影響存在顯著差異.天津PM10和NO2日均濃度最高值對(duì)應(yīng)的氣流軌跡均集中在冬、春和秋季等來自內(nèi)陸的西北氣流;夏季影響天津的氣流軌跡主要來自西北和東南方向,對(duì)天津PM10和NO2的日均濃度貢獻(xiàn)較小.天津PM10和NO2的PSCF與CWT分布特征類似,最高值主要集中在天津本地以及鄰近的河北省和山東省,是天津這兩種污染物主要潛在源區(qū).

PM10；NO2；后向軌跡；聚類分析；潛在源貢獻(xiàn)；濃度權(quán)重軌跡；天津

近年來,隨著經(jīng)濟(jì)的發(fā)展,京津冀地區(qū)在取得經(jīng)濟(jì)利益的同時(shí),大氣環(huán)境質(zhì)量卻越來越惡化.霧霾天氣的頻繁發(fā)生給京津冀地區(qū)帶來了極大的危害[1].研究表明,一個(gè)地區(qū)的大氣污染物不僅受到本地污染源排放的影響而且還受到鄰近地區(qū)污染源的影響,而這些影響主要是通過污染物的跨區(qū)域輸送造成的[2-3].國(guó)內(nèi)外學(xué)者專家對(duì)不同地區(qū)大氣污染的成因和來源進(jìn)行了研究,并且分析了氣象條件對(duì)空氣污染的影響[4-6],而后向軌跡模型成為研究這一問題的主要手段. Raheleh等[7]利用后向軌跡模型研究發(fā)現(xiàn),中東沙塵區(qū)是影響德黑蘭PM10濃度最大的潛在源地;張磊等[8]利用單條后向軌跡的滯留時(shí)間場(chǎng)和污染物排放強(qiáng)度場(chǎng),研究認(rèn)為平流輸送對(duì)黃山光明頂污染物濃度的變化具有重要作用;朱彬等[9]利用后向軌跡模型分析了秸稈焚燒對(duì)南京及周邊地區(qū)一次嚴(yán)重空氣污染過程影響的天氣條件、大氣邊界層特征以及大氣污染物的來源、輸送路徑.目前國(guó)內(nèi)外的研究主要側(cè)重于對(duì)大氣污染輸送來源的特征分析.

已有研究對(duì)大氣污染輸送源特征進(jìn)行了深入的分析,但主要側(cè)重于對(duì)潛在污染源的定性研究,有些僅對(duì)潛在源的貢獻(xiàn)率大小(潛在源概率)進(jìn)行分析,卻沒有對(duì)潛在源區(qū)進(jìn)行定量研究,即對(duì)潛在源區(qū)污染物濃度值的大小進(jìn)行研究與分析.本文在利用潛在源貢獻(xiàn)(PSCF)分析法的基礎(chǔ)上,引入濃度權(quán)重軌跡(CWT)分析法對(duì)影響天津大氣的潛在源地污染物數(shù)值進(jìn)行定量模擬,以此確定對(duì)天津污染物影響較大的潛在源區(qū),為天津空氣污染的治理提供建議.

1 研究區(qū)概況及數(shù)據(jù)

1.1 研究區(qū)概況

天津市(38°34′N～40°15′N,116°43′E～118°04′E),地處華北平原的東北部,海河流域下游,東臨渤海,北依燕山,西靠首都北京,海岸線長(zhǎng)約 153km,面積約1.19萬km2.地勢(shì)以平原和洼地為主,北部有山地和丘陵,海拔由北向南逐漸下降.天津位于中緯度亞歐大陸東岸,季風(fēng)氣候顯著,屬于溫帶大陸性季風(fēng)氣候.夏季高溫多雨,冬季寒冷干燥.

1.2 數(shù)據(jù)來源

天津主要污染物濃度數(shù)據(jù)來自天津市環(huán)境監(jiān)測(cè)中心國(guó)控點(diǎn)自動(dòng)監(jiān)測(cè)網(wǎng)絡(luò).后向軌跡模式采用的氣象資料為NCEP(美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心)提供的全球資料同化系統(tǒng)(GDAS)2012～2013年數(shù)據(jù).該數(shù)據(jù)6h記錄一次,分別為00:00、06: 00、12:00和18:00(UTC,世界時(shí)).

本文所用氣象資料為美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心提供的全球資料同化系統(tǒng)數(shù)據(jù)可直接從網(wǎng)上http://ready.arl.noaa.gov/HYSPLIT_traj.php下載.

2 研究方法

2.1 HYSPLIT模型

HYSPLIT (Hybrid Single-Particle Lagrangian Integrated Trajectory)是由美國(guó)國(guó)家海洋大氣中心(NOAA)和澳大利亞氣象局共同研發(fā)的一種用于計(jì)算和分析大氣污染物的來源、輸送、擴(kuò)散軌跡的綜合模式系統(tǒng)[10-11].該模型具有處理多種氣象要素輸入場(chǎng)、多種物理過程和不同類型污染物排放源功能的較為完整的輸送、擴(kuò)散和沉降模式.它具有模擬精度高、時(shí)間連續(xù)變化的特點(diǎn),廣泛應(yīng)用于多種污染物在各個(gè)地區(qū)的傳輸和擴(kuò)散的研究中[12].為研究遠(yuǎn)距離污染輸送對(duì)天津市大氣污染物濃度的影響,本文采用500m高度作為研究區(qū)的大氣邊界層的平均流場(chǎng),通過 HYSPLIT模型對(duì)研究區(qū)每日氣團(tuán)移動(dòng)的72h后向軌跡進(jìn)行模擬,以此反映研究區(qū)周圍的氣流運(yùn)動(dòng)特征.

2.2 聚類分析法

聚類分析法是根據(jù)地理變量(或指標(biāo)樣品)特征的相似性、親疏程度,用數(shù)學(xué)的方法把它們逐步地分型劃類,最后得到一個(gè)能反映個(gè)體或站點(diǎn)之間、群體之間親屬關(guān)系的分類系統(tǒng).本文利用TrajStat[13]軟件中的聚類方法對(duì)氣流軌跡進(jìn)行聚類分析,采用angle distance算法對(duì)到達(dá)天津的氣流軌跡進(jìn)行分類,以得到不同的輸送氣流類型,并在此基礎(chǔ)上對(duì)不同季節(jié)的氣流所對(duì)應(yīng)的污染物濃度特征進(jìn)行統(tǒng)計(jì)分析.

2.3 潛在源貢獻(xiàn)分析法

潛在源貢獻(xiàn)(PSCF)算法是一種基于氣流軌跡分析來識(shí)別源區(qū)的方法[14]. PSCF值是所選研究區(qū)域內(nèi)經(jīng)過網(wǎng)格ij的污染軌跡數(shù)(χij)與該網(wǎng)格上經(jīng)過的所有軌跡數(shù)(yij)的比值,即

利用此方法可以對(duì)影響研究區(qū)空氣質(zhì)量的污染源區(qū)進(jìn)行確認(rèn),并在此基礎(chǔ)上分析這些潛在源區(qū)的環(huán)境屬性對(duì)受區(qū)(天津)的影響.為了便于研究不同地區(qū)潛在源貢獻(xiàn)和確定各潛在源貢獻(xiàn)的大小,將研究區(qū)域內(nèi)氣流軌跡所涉及的區(qū)域網(wǎng)格化,分成0.5°×0.5°的水平網(wǎng)格,計(jì)算各個(gè)網(wǎng)格內(nèi)經(jīng)過的氣流軌跡條數(shù)和研究區(qū)所有網(wǎng)格內(nèi)的氣流軌跡條數(shù),以此計(jì)算各研究區(qū)每個(gè)網(wǎng)格內(nèi)的氣流軌跡出現(xiàn)概率.由于PSCF是一種條件概率,當(dāng)各網(wǎng)格內(nèi)氣流滯留時(shí)間較短時(shí),PSCF值會(huì)出現(xiàn)較大波動(dòng),使得這種不確定性增大,出現(xiàn)誤差較大的情況.為了減少誤差,相關(guān)學(xué)者引入了權(quán)重函數(shù)Wij來減小誤差,使不確定性降到最低,以減少誤差[15].當(dāng)某一網(wǎng)格中的yij小于研究區(qū)內(nèi)每個(gè)網(wǎng)格內(nèi)平均軌跡端點(diǎn)數(shù)的3倍時(shí),就要使用Wij來減小PSCF的不確定性.即WPSCF=Wij×PSCF.本文參考Wang等[16]對(duì)Wij的定義,將其定義如下:

2.4 濃度權(quán)重軌跡分析法

濃度權(quán)重軌跡分析法(CWT)是一種計(jì)算潛在源區(qū)氣流軌跡權(quán)重濃度,反映不同軌跡的污染程度的方法[17-18].利用CWT分析法可模擬潛在源區(qū)污染物的權(quán)重濃度數(shù)值.由于PSCF只能反映潛在源區(qū)貢獻(xiàn)率的大小,即每個(gè)網(wǎng)格中污染軌跡所占的比例多少,不能反映潛在源區(qū)的污染程度,也就無法模擬數(shù)值的大小.因此,本文引入CWT分析法對(duì)潛在源區(qū)的污染程度進(jìn)行分析.方法如下:

式中: Cij是網(wǎng)格ij上的平均權(quán)重濃度; k是軌跡; Ck是軌跡k經(jīng)過網(wǎng)格ij時(shí)對(duì)應(yīng)的天津PM10和NO2質(zhì)量濃度;τijk是軌跡 k在網(wǎng)格 ij停留的時(shí)間.在PSCF分析法中所用的權(quán)重函數(shù)Wij也適用于CWT分析法,以減少χij值較小時(shí)所引起的不確定性.

3 結(jié)果與分析

3.1 后向軌跡聚類分析

圖1 2013年天津后向軌跡聚類的季節(jié)分布Fig.1 Seasonal distribution of back trajectories clusters in Tianjin, 2013

利用TrajStat軟件,對(duì)各季節(jié)的氣流資料進(jìn)行處理,分別得到不同季節(jié)的氣流軌跡圖,根據(jù)各類氣流軌跡空間分布特征的一致性,把氣流軌跡分為4類,聚類結(jié)果如圖1所示.為了研究不同類型的氣流軌跡對(duì)PM10和NO2的影響,將各類軌跡對(duì)應(yīng)的 ρ(PM10)和 ρ(NO2)的算數(shù)平均值結(jié)合各類氣流軌跡特征,分析氣流對(duì)污染物濃度的影響.由圖 1和表 1可以看出,研究期間,冬季(2012年 12月～2013年2月)來自北方內(nèi)陸地區(qū)的氣流軌跡(軌跡1和 4)在冬季氣流軌跡總數(shù)中所占的比例最大,其中來自俄羅斯、蒙古國(guó)、內(nèi)蒙古中部、河北方向的氣流軌跡占59.5%;而來自河北東北部、內(nèi)蒙古東部、北京方向的氣流軌跡占 24.7%;春季(2013年3月～2013年5月)來自俄羅斯、蒙古國(guó)、內(nèi)蒙古中部、北京方向的軌跡最多,占當(dāng)季氣流軌跡總數(shù)的31.1%;來自黃海、山東中部、河北東部等方向的氣流軌跡占當(dāng)季氣流軌跡總數(shù)的27.8%;夏季(2013年6月～2013年8月)來自蒙古國(guó)東部、內(nèi)蒙古中部、河北方向的氣流軌跡最高,占當(dāng)季氣流軌跡總數(shù)的47.8%;秋季(2013年9月～2013年11月)來自蒙古國(guó)中部、內(nèi)蒙古中部、河北西北部的氣流軌跡占當(dāng)季氣流軌跡總數(shù)的39.6%.

表1 天津各類軌跡區(qū)域特征的季節(jié)分析Table 1 Seasonal analysis of regional characteristics of backward trajectories in Tianjin, 2013

3.2 不同氣流軌跡對(duì)大氣污染物濃度的影響

基于各季節(jié)氣流后向軌跡聚類分析結(jié)果,對(duì)各類軌跡對(duì)應(yīng)的 ρ(PM10)和 ρ(NO2)算術(shù)平均值進(jìn)行統(tǒng)計(jì)分析,以表征該類氣流影響下的大氣污染物濃度水平特征.由表1可知,冬季來自內(nèi)蒙古東部、河北東北部、北京的氣流軌跡對(duì)應(yīng)的ρ(PM10)平均值最高,為 103μg/m3,這類氣流來自亞洲北部?jī)?nèi)陸地區(qū),通常伴隨著西北冷空氣運(yùn)動(dòng)南下,經(jīng)過亞洲內(nèi)陸沙塵地區(qū),容易攜帶大陸內(nèi)部地區(qū)的塵土以及沿途地區(qū)(河北和北京)排放的人為源,因此其氣流軌跡對(duì)應(yīng)的ρ(PM10)平均值最高.而來自蒙古國(guó)中部、內(nèi)蒙古中部、河北東北部等方向的氣流軌跡對(duì)應(yīng)的 ρ(PM10)較低,為 76μg/m3,這主要是因?yàn)槊晒艊?guó)中部、內(nèi)蒙古中部鄰近沙塵源,河北東北部礦山開采產(chǎn)生大量塵土,當(dāng)氣流經(jīng)過時(shí),就會(huì)攜帶自然源和當(dāng)?shù)嘏欧诺娜藶樵吹诌_(dá)天津.冬季各類氣流軌跡對(duì)應(yīng)的 ρ(NO2),相對(duì)于其他季節(jié)較高,4類軌跡的NO2濃度值較高且數(shù)值相差較小.這可能是由于冬季北方地區(qū)處于采暖期,燃煤電廠排放大量的NO2,在受來自西北或偏西方向的氣流影響時(shí),隨氣流南下,沿途經(jīng)過北京、河北等地區(qū),攜帶NO2到達(dá)天津地區(qū),使得氣流對(duì)應(yīng)的 NO2濃度平均值較高;春季來自內(nèi)蒙古東部、遼寧西部、河北東部等地區(qū)的東北方向氣流軌跡對(duì)應(yīng)的 ρ(PM10)和 ρ(NO2)日平均最高值,分別為 118,58μg/m3,這主要是由于西北氣流南下時(shí),部分氣流偏向東北,經(jīng)過內(nèi)蒙古東部、河北東北部、遼寧省西部等工業(yè)相對(duì)發(fā)達(dá)的地區(qū),攜帶當(dāng)?shù)嘏欧诺娜藶樵吹竭_(dá)天津;夏季各類軌跡對(duì)應(yīng)的 ρ(PM10)和 ρ(NO2)低于其他季節(jié),來自各方向的氣流軌跡對(duì)應(yīng)的 ρ(PM10)和 ρ(NO2)平均值都普遍偏低,最低值分別為76,22μg/m3,這主要是因?yàn)樘旖蛳募臼軚|南季風(fēng)暖濕氣流的影響,主導(dǎo)風(fēng)向?yàn)闁|南風(fēng),且由于夏季北方地區(qū)地面植被覆蓋較好,自然源較少,而夏季的降水較多對(duì)污染物也有一定的稀釋作用,這就使得夏季到達(dá)天津的氣流攜帶的污染物較少;而秋季來自蒙古國(guó)中部、內(nèi)蒙古中部、河北西北部、河北東北部對(duì)應(yīng)的ρ(PM10)和ρ(NO2)的平均值均較高,分別為 104,60μg/m3,原因可能是天津位置偏北,距冬季風(fēng)源地較近,冬季風(fēng)頻繁活動(dòng)對(duì)到達(dá)天津的氣流影響較大.總體來看,天津四季較易受到來自北方地區(qū)大陸性氣流的影響,受沙塵或人為排放因素的影響大,而秋冬兩季 ρ(PM10)和ρ(NO2)的平均值相對(duì)較高.夏季主要受來自東南季風(fēng)的影響,空氣相對(duì)較為清潔 ρ(PM10)和 ρ(NO2)的平均值最低.

3.3 污染氣流潛在源區(qū)分析

圖2 天津PM10潛在源貢獻(xiàn)的季節(jié)分布Fig.2 Seasonal distribution of potential source contribution function (PSCF) of PM10in Tianjin, 2013

圖3 天津NO2潛在源貢獻(xiàn)的季節(jié)分布Fig.3 Seasonal distribution of potential source contribution function (PSCF) of NO2in Tianjin, 2013

為了對(duì)天津大氣污染輸送源進(jìn)一步的研究,主要針對(duì)天津PM10和NO2開展污染潛在源區(qū)分析.圖2為研究期間天津各季節(jié)PM10的潛在源貢獻(xiàn)(PSCF)計(jì)算結(jié)果.冬季 PSCF的較大值主要集中在河北中南部、北京和山東北部等地,是天津PM10的潛在源區(qū);春季PSCF的較大值主要集中在渤海中部、天津和山東北部等區(qū)域.此外,內(nèi)蒙古東部、吉林西部、河北中南部等地區(qū)對(duì)天津污染源也有一定的影響;夏季 PSCF的數(shù)值較小且污染物分布較為分散.這是由于夏季空氣較為清潔,氣流利于污染物擴(kuò)散;秋季PSCF的較大值主要集中在天津、河北中南部和山東北部等地區(qū);除此之外,河南、山西、內(nèi)蒙古、安徽北部以及江蘇沿海等地也有一定的潛在貢獻(xiàn).采用 PSCF方法對(duì)天津污染物分析可以發(fā)現(xiàn),天津 PM10的分布存在明顯的季節(jié)變化.

由圖3可見,天津NO2的PSCF分布特征與PM10較為類似,但夏季則有較大的區(qū)別.具體表現(xiàn)為:夏季PSCF的較大值主要集中在長(zhǎng)三角(主要是上海)、江蘇、山東等地的狹長(zhǎng)地帶,呈線狀分布.這可能是由于夏季東南季風(fēng)北上將沿途的人為污染物攜帶所致.相對(duì)于其他季節(jié),天津夏季NO2的 PSCF潛在分布范圍較小,說明夏季天津受周圍其他地區(qū)污染物的影響較小;而冬、春和秋季則受距離天津周圍較近的河北、內(nèi)蒙古、山東、遼東半島等地的影響,這些地區(qū)是天津污染物的潛在源區(qū).

圖2和圖3所模擬的天津不同季節(jié)PM10和NO2的 PSCF分布是一種源概率分布,其模擬污染物貢獻(xiàn)率值在分析過程中有較多的變化和不確定性.但是其模擬的潛在源區(qū)貢獻(xiàn)率大小與表1中各類氣流所經(jīng)過的潛在源區(qū)的概率在空間上分布較為一致.天津四季PM10和NO2的PSCF最高值的分布與表 1中主要?dú)饬鹘?jīng)過的地區(qū)一致.可見,PSCF分析法模擬的源貢獻(xiàn)具有較大的可信度,在確定潛在源貢獻(xiàn)方面是可以被采用的.

3.4 濃度權(quán)重軌跡分析

由于潛在源貢獻(xiàn)因子分析法只能反映潛在源區(qū)貢獻(xiàn)率的大小,即每一個(gè)網(wǎng)格中污染軌跡所占的比例多少,不能反映潛在源區(qū)的污染程度,也就無法模擬數(shù)值的大小.因此,我們有必要對(duì)潛在源區(qū)污染物濃度大小進(jìn)行研究.為此,本研究引入濃度權(quán)重軌跡分析法計(jì)算潛在源區(qū)氣流軌跡權(quán)重濃度,以反映不同軌跡的污染程度.通過濃度權(quán)重軌跡分析法對(duì)影響天津PM10和NO2濃度值大小的潛在源區(qū)進(jìn)行模擬,結(jié)果如圖4和圖5所示.

由圖 4可以看出,冬季濃度權(quán)重軌跡的較大值主要集中河北中南部和山東西北部,為天津PM10的最主要潛在源區(qū),分布相對(duì)比較集中,這些地區(qū)對(duì)天津日均 PM10質(zhì)量濃度貢獻(xiàn)在100μg/m3以上,這是因?yàn)槎颈狈讲膳?燃燒鍋爐排放大量的污染物所致;春季 CWT的較大值主要集中在天津沿海,日均 PM10質(zhì)量濃度貢獻(xiàn)在80μg/m3左右,但是天津附近的渤海中部地區(qū)對(duì)天津也有一定的影響,這些地區(qū)對(duì)天津日均PM10質(zhì)量濃度貢獻(xiàn)在40μg/m3以上;夏季CWT較大值則主要集中在河北省和天津本地局部地區(qū),日均PM10質(zhì)量濃度貢獻(xiàn)在 60～70μg/m3以上,污染物的濃度較低.這可能是由于夏季天津盛行東南風(fēng),氣象條件有利于污染物的擴(kuò)散,因此污染物濃度較低;秋季 CWT的較大值主要分布在天津、河北、安徽、河南以及山東交界處等地區(qū),對(duì)天津日均PM10質(zhì)量濃度貢獻(xiàn)在80～100μg/m3左右,除此之外,顏色較深的地方在北京、渤海中部的局部地區(qū)也有分布,對(duì)天津日均 PM10質(zhì)量濃度貢獻(xiàn)在 40μg/m3以上.這可能是秋季這些區(qū)域人為排放的污染物隨冷空氣擴(kuò)散,較易影響到天津.與PSCF相比,CWT模擬的夏季潛在源區(qū)范圍比PSCF大,且對(duì)潛在源區(qū)污染物濃度定量化的模擬也更加便于對(duì)研究區(qū)污染物潛在源區(qū)的分析.

由圖 5可以看出,天津 NO2的 CWT值與PM10的CWT值季節(jié)分布極為相似.冬季CWT的較大值主要集中河北中南部、山東北部和天津本地,日均NO2質(zhì)量濃度貢獻(xiàn)在50μg/m3以上,是天津NO2的最主要潛在源區(qū);春季CWT的較大值主要集中在河北和天津本地及其附近海域,質(zhì)量濃度貢獻(xiàn)在30μg/m3以上;夏季CWT較大值主要集中在河北省、山東、天津本地,但潛在源區(qū)的范圍相對(duì)較為集中,日均 NO2質(zhì)量濃度貢獻(xiàn)在20μg/m3左右;秋季CWT的較大值主要集中在河北南部、山東中西部和天津本地,日均NO2質(zhì)量濃度貢獻(xiàn)在 40～50μg/m3左右.但與 PSCF相比較,CWT模擬的夏季潛在源區(qū)分布范圍顯然更大,說明NO2的潛在源區(qū)分布較廣.

圖4 天津PM10濃度權(quán)重軌跡的季節(jié)分布Fig.4 Seasonal distribution of concentration-weighted trajectory(CWT) of PM10in Tianjin, 2013

圖5 天津NO2濃度權(quán)重軌跡的季節(jié)分布Fig.5 Seasonal distribution of concentration-weighted trajectory (CWT) of NO2in Tianjin, 2013

由于濃度權(quán)重軌跡(CWT)分析法在分析過程中有一定的變化和不確定性.但這種方法模擬的結(jié)果與表 1中各氣流所經(jīng)過的潛在地區(qū)以及這些地區(qū)的濃度貢獻(xiàn)值基本一致.天津各季節(jié)PM10和NO2的CWT最大值在地區(qū)分布上與表1中軌跡貢獻(xiàn)最高濃度在這些地區(qū)分布基本接近.這就說明 CWT分析法所模擬的結(jié)果是可信的,模擬的結(jié)果產(chǎn)生的不確定性較小.

4 結(jié)論

4.1 天津氣流輸送季節(jié)性變化特征明顯.冬、春、秋季,來自西北和偏北方向的氣流占有較大比例,對(duì)天津PM10和NO2質(zhì)量濃度影響較大;夏季,東南或西北方向的氣流所占的比例較高,但氣流軌跡相對(duì)分散.

4.2 通過對(duì)天津不同季節(jié)氣流軌跡聚類,可以定量分析各方向氣流軌跡對(duì)天津PM10和NO2質(zhì)量濃度影響的程度:夏季來自北方內(nèi)陸地區(qū)的氣流軌跡對(duì)應(yīng)的 ρ(PM10)和 ρ(NO2)平均值最低.冬春季來自內(nèi)蒙古東部、遼寧西部、河北東部等地區(qū)的東北氣流軌跡對(duì)應(yīng)的ρ(PM10)和ρ(NO2)平均值最高.

4.3 天津PM10和NO2的PSCF和CWT季節(jié)分布特征類似.兩類污染物的PSCF和CWT的高值主要集中在天津本地和鄰近的河北省和山東省北部地區(qū).但周邊的內(nèi)蒙古中東部、遼東半島局部地區(qū)也是天津這兩類污染物的潛在源地.

[1] 李令軍,王 英,李金香,等.2000～2010北京大氣重污染研究 [J].中國(guó)環(huán)境科學(xué), 2012,32(1):23-30.

[2] 古金霞,董海燕,白志鵬,等.天津市顆粒物散射消光特征及化學(xué)組分貢獻(xiàn)研究 [J]. 中國(guó)環(huán)境科學(xué), 2012,32(1):17-22.

[3] 張志剛,高慶先,韓雪琴,等.中國(guó)華北區(qū)域城市間污染物輸送研究 [J]. 環(huán)境科學(xué)研究, 2004,17(1):14-20.

[4] 張 強(qiáng).地形和逆溫層對(duì)蘭州市污染物輸送的影響 [J]. 中國(guó)環(huán)境科學(xué), 2001,21(3):230-234.

[5] 王莉莉,王躍思,王迎紅,等.北京夏末秋初不同天氣形勢(shì)對(duì)大氣污染物濃度的影響 [J]. 中國(guó)環(huán)境科學(xué), 2010,30(7):924-930.

[6] 曹文文,史建武,韓 斌,等.我國(guó)北方典型城市大氣中 VOCs的組成及分布特征 [J]. 中國(guó)環(huán)境科學(xué), 2012,32(2):200-206.

[7] R. Givehchi et al. Contribution of the Middle Eastern dust source areas to PM10levels in urban receptors: Case study of Tehran, Iran [J]. Atmospheric Environment, 2013,75:287-295.

[8] 張 磊,金蓮姬,朱 彬,等.2011年6～8月平流輸送對(duì)黃山頂污染物濃度的影響 [J]. 中國(guó)環(huán)境科學(xué), 2013,33(6):969-978.

[9] 朱 彬,蘇繼鋒,韓志偉,等.秸稈焚燒導(dǎo)致南京及周邊地區(qū)一次嚴(yán)重空氣污染過程的分析 [J]. 中國(guó)環(huán)境科學(xué), 2010,30(5): 585-592.

[10] Sirois A, Bottenhein J W. Use of backward trajectories to interpret the 5-year record of PAN and O3ambient air concentrations at Kejimkujik National Park, Nova Scotia [J]. J Geophys. Res., 1995,100:2867-2881.

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

[12] Chen L L, G R Carmichael, et al. Influences of continental out flow events on the aerosol com posit ion at Cheju Island, South Korea [J]. J Geophys. Res., 1997,102(D23):28551-28574.

[13] Wang Y Q, Zhang X Y, Draxler R R. TrajStat: GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data [J]. Environmental Modeling and Software, 2009,24(8):938-939.

[14] Begum B A, Kim E, Jeong C H, et al, Evaluation of the potential source contribution function using the 2002 Quebec forest fire episode [J]. Atmospheric Environment, 2005,39:3719- 3724.

[15] 劉 娜,余 曄,陳晉北,等.蘭州春季沙塵過程PM10輸送路徑及其潛在源區(qū) [J]. 大氣科學(xué)學(xué)報(bào), 2012,35(4):477-486.

[16] Wang Y Q, Zhang X Y,Arimoto R. The contribution from distant dust sources to the atmospheric particulate matter loading at Xi'an, China during spring [J]. Science of the Total Environment, 2006, 368:875-883.

[17] Seibert P, Kromp-Kolb H, Baltensperger U, et al. Trajectory analysis of aerosol measurements at high alpine sites [J]. Transport and Transformation of Pollutants in the Troposphere, 1994:689-693.

[18] Hsu Y K, Holsen T M, Hopke P K. Comparison of hybrid receptor models to locate PCB sources in Chicago [J]. Atmospheric Environment, 2003,37(4):545-562.

Transportation pathways and potential source areas of PM10and NO2in Tianjin.

WANG Guo-chen, WANG Jue,

XIN Yu-jie, CHEN Li*(College of Urban and Environmental Science, Tianjin Normal University, Tianjin 300387, China). China Environmental Science, 2014,34(12)：3009～3016

HYSPLIT model and global data assimilation system (GDAS) meteorological statistics were applied to analyze the 72-hour backward trajectories of daily airflow in Tianjin during 2012 December～2013 November. At the same time, cluster method was used to classify the airflow backward trajectory in different seasons. Moreover, the daily monitoring data of PM10and NO2from December 2012 to November 2013 were used to analyze the effects that airflow trajectory of different seasons have on the pollutants concentrations in Tianjin. The potential source contribution function (PSCF) analysis method and concentration-weighted trajectory (CWT) analysis method were applied to model the PSCF and CWT of PM10and NO2in different seasons. There was an obvious difference in the potential source area distribution of PM10and NO2owing to the airflow in different directions. Corresponding to the airflow, the highest values of PM10and NO2were concentrated in the inland airflow from northwest in winter, spring and autumn. However, the airflow trajectories in summer were mainly from northwest and southeast, which had less effect on the daily pollutants concentration value of PM10and NO2. The PSCF of PM10and NO2in Tianjin has similar distribution properties to CWT, and the highest value of PM10and NO2was concentrated in Tianjin, Hebei and Shandong province, which were the main potential source area of these two main pollutants.

PM10；NO2；backward trajectory；cluster analysis；potential source contribution function (PSCF)；concentration-weighted trajectory (CWT)；Tianjin

X513

A

1000-6923(2014)12-3009-08

王郭臣(1989-),男,安徽阜陽人,天津師范大學(xué)本科生,研究方向?yàn)榈乩砜茖W(xué).

2014-03-31

國(guó)家自然科學(xué)基金青年科學(xué)基金項(xiàng)目(41205101)

* 責(zé)任作者, 講師, amychenli1981@126.com