梁 祝，李 龍，張 輝，張自露，陳順祥，周變紅

(寶雞文理學(xué)院 地理與環(huán)境學(xué)院，陜西省災(zāi)害監(jiān)測(cè)與機(jī)理模擬重點(diǎn)實(shí)驗(yàn)室，陜西 寶雞 721013)

1 引言

自20世紀(jì)90年代末開(kāi)始，我國(guó)工業(yè)化和城鎮(zhèn)化發(fā)展取得了很大的成就，產(chǎn)生了許多的城市群；伴隨而來(lái)的是，一系列的空氣污染問(wèn)題[1～3]。PM2.5污染問(wèn)題越來(lái)越嚴(yán)重，不僅能夠影響能見(jiàn)度，且PM2.5容易附著各種有毒物質(zhì)，對(duì)人類(lèi)身體健康產(chǎn)生一定的危害[4～6]。PM2.5來(lái)源較為廣泛，成因不僅包括本地源，還包括其他外來(lái)傳輸源(如來(lái)自跨區(qū)域傳輸)[7,8]。目前后向軌跡聚類(lèi)分析、潛在源貢獻(xiàn)分析法(PSCF)和濃度權(quán)重軌跡分析法(CWT)是研究污染物跨區(qū)域傳輸以及識(shí)別潛在源區(qū)最常用的方法。近年來(lái)，我國(guó)對(duì)于PM2.5污染特征及來(lái)源解析的相關(guān)研究主要集中在京津冀地區(qū)、長(zhǎng)江三角洲地區(qū)、珠江三角洲地區(qū)及鄭州等嚴(yán)重污染區(qū)[9～12]。高陽(yáng)等[13]通過(guò)對(duì)2017年12月至2018年2月冬季豫南地區(qū)的PM2.5濃度進(jìn)行后向軌跡以及潛在源分析發(fā)現(xiàn)，豫南地區(qū)以西北方向以及東北方向長(zhǎng)距離傳輸和正南方向較短距離傳輸為主。孔珊珊等[14]利用北京地區(qū)2015年9月1日至2016年8月31日PM2.5濃度數(shù)據(jù)，利用后向軌跡模式、PSCF以及CWT方法研究北京地區(qū)污染物來(lái)源，研究發(fā)現(xiàn)來(lái)自能蒙古西部的氣團(tuán)最多，且內(nèi)蒙古西部地區(qū)是PM2.5污染的主要潛在源區(qū)。王帥等[15]利用沈陽(yáng)地區(qū)2016年至2017年冬季空氣污染物數(shù)據(jù)，研究發(fā)現(xiàn)，沈陽(yáng)地區(qū)PM2.5平均濃度為149 μg/m3，最大值為273 μg/m3，潛在源區(qū)分析表明，沈陽(yáng)地區(qū)污染物潛在源區(qū)為遼寧中西部、內(nèi)蒙古東北部及京津冀北部等。

2 數(shù)據(jù)與方法

2.1 研究區(qū)概況

寶雞市地處關(guān)中平原西部，位于東經(jīng)106°18′～108°03′，北緯33°35′～35°06，全市平均海拔618 m。東西長(zhǎng)156.6 km，南北寬160.6 km，是陜西省第二大城市，陜甘川寧毗鄰地區(qū)區(qū)域性中心城市。處于西安、成都、蘭州、銀川四省會(huì)(首府)城市的中心位置，總面積1.82萬(wàn)km2,常住人口373.67萬(wàn)人。

2.2 數(shù)據(jù)來(lái)源

本研究所用的PM2.5濃度數(shù)據(jù)來(lái)源于PM2.5空氣質(zhì)量在線(xiàn)監(jiān)測(cè)分析平臺(tái)(https://www.aqistudy.cn/)，后向軌跡資料來(lái)自美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction，NCEP) 和美國(guó)國(guó)家大氣研究中心(National Centers for Atmospheric Research，NCAR) 提供的全球再分析資料以及全球資料同化系統(tǒng)(Global Land Data Assimilation System, GDAS)氣象要素?cái)?shù)據(jù)(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)，氣象要素包括溫度、氣壓、降水、風(fēng)速等。選取時(shí)間段為2019年2月1～28日。

2.3 研究方法

2.3.1 后向軌跡模型

HYSPLIT-4后向軌跡模式是歐拉和拉格朗日混合型的擴(kuò)散模式，其平流和擴(kuò)散處理采用拉格朗日方法，污染物濃度計(jì)算采用歐拉方法，該方法目前在國(guó)內(nèi)外已廣泛應(yīng)用于研究污染物的來(lái)源及傳輸路徑[16]，在此基礎(chǔ)上統(tǒng)計(jì)分析方法有很多，如聚類(lèi)分析、潛在源貢獻(xiàn)函數(shù)分析法(PSCF)、濃度權(quán)重軌跡分析法(CWT)等。時(shí)間選用2019年2月1日0:00至2月28日23:00，起始高度為500 m，每1 h模擬一條后向軌跡，向后推48 h。

2.3.2 聚類(lèi)分析

聚類(lèi)分析方法是將多個(gè)參數(shù)之間距離遠(yuǎn)近關(guān)系以一種統(tǒng)計(jì)量的方式來(lái)表示，以此將多個(gè)樣本歸類(lèi)分成一定類(lèi)數(shù)的方法． 再將該聚類(lèi)方法在不同輸送方向和速度的氣團(tuán)軌跡結(jié)合，計(jì)算空間相似度后對(duì)所有氣團(tuán)軌跡進(jìn)行分類(lèi)。為了解觀(guān)測(cè)點(diǎn)BC的傳輸路徑，采用歐拉距離分析法得到不同氣團(tuán)的傳輸類(lèi)型，并對(duì)各傳輸類(lèi)型氣團(tuán)輸送軌跡所對(duì)應(yīng)的BC質(zhì)量濃度數(shù)值特征進(jìn)行統(tǒng)計(jì)分析[17]。

2.3.3 潛在源貢獻(xiàn)函數(shù)分析法(PSCF)

PSCF算法是通過(guò)結(jié)合氣團(tuán)軌跡和該軌跡對(duì)應(yīng)某要素值(本研究指880 nm處BC的小時(shí)濃度值)來(lái)初步斷定來(lái)初步確定排放源位置。PSCF函數(shù)定義為經(jīng)過(guò)某一區(qū)域(i,j)的氣團(tuán)到達(dá)觀(guān)測(cè)點(diǎn)時(shí)對(duì)應(yīng)的BC濃度超過(guò)設(shè)定閾值的條件概率，i和j分別代表經(jīng)度和緯度，如公式(1)所示[18]：

(1)

式(1)中，mij表示經(jīng)過(guò)網(wǎng)格(i,j)且對(duì)應(yīng)BC濃度超過(guò)設(shè)置閾值的污染軌跡端點(diǎn)數(shù)，nij表示經(jīng)過(guò)網(wǎng)格(i,j)內(nèi)部所有軌跡點(diǎn)數(shù)，W(nij)為權(quán)重函數(shù)，由于PSCF算法存在一定的不確定性，為降低計(jì)算不確定性，參考Wang等[19]對(duì)權(quán)重的定義，公式如下：

(2)

2.3.4 濃度權(quán)重軌跡分析法(CWT)

濃度權(quán)重軌跡分析法(CWT) 是一種計(jì)算軌跡的權(quán)重濃度，反映不同源區(qū)對(duì)觀(guān)測(cè)點(diǎn)污染程度的方法。在CWT分析中，每個(gè)網(wǎng)格都有一個(gè)權(quán)重濃度，通過(guò)計(jì)算軌跡經(jīng)過(guò)該網(wǎng)格時(shí)對(duì)應(yīng)觀(guān)測(cè)點(diǎn)BC質(zhì)量濃度的平均值來(lái)實(shí)現(xiàn)[20,21]：

(3)

式(3)中，Cij是網(wǎng)格(i，j) 上的平均權(quán)重濃度；l是經(jīng)過(guò)網(wǎng)格(i，j) 的軌跡之一；Cl是軌跡l經(jīng)過(guò)網(wǎng)格(i，j) 時(shí)對(duì)應(yīng)的BC濃度；mijl是軌跡l在網(wǎng)格(i，j) 停留的時(shí)間，nij是所有軌跡點(diǎn)數(shù)，W(nij)是權(quán)重函數(shù)，具體與PSCF相同。

3 結(jié)果與分析

3.1 PM2.5濃度的變化特征

圖1為2019年2月1～28日寶雞市PM2.5濃度變化圖，由圖1可知，研究期間， 72%左右的數(shù)據(jù)均大于GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》二級(jí)標(biāo)準(zhǔn)限值(75 μg/m3)，表明2019年2月份寶雞市污染較嚴(yán)重，觀(guān)測(cè)期間PM2.5平均濃度為112.4 μg/m3，變化范圍為17～229 μg/m3，其中最大值是二級(jí)標(biāo)準(zhǔn)限值的3.1倍。最大值出現(xiàn)在2019年2月20日1時(shí)，最小值出現(xiàn)在2019年2月6日17時(shí)。

為進(jìn)一步研究寶雞市PM2.5濃度的日變化特征，對(duì)寶雞市日變化進(jìn)行分析，如圖2所示。研究期間寶雞市日變化呈雙峰雙谷型，雙峰值出現(xiàn)在9:00和21:00，谷值出現(xiàn)在6:00和17:00。早晨為上班高峰期，車(chē)流量增多，汽車(chē)尾氣排放也隨之增加，導(dǎo)致PM2.5濃度在9:00出現(xiàn)第一個(gè)峰值，說(shuō)明汽車(chē)尾氣的排放對(duì)PM2.5濃度有一定的影響；正午隨著溫度升高，太陽(yáng)輻射增強(qiáng)，大氣邊界層升高，對(duì)流和湍流活動(dòng)增強(qiáng)，易使污染物的擴(kuò)散，故PM2.5濃度逐漸降低，在17:00達(dá)到全天最小值；17:00后PM2.5濃度迅速增加，主要是晚高峰到來(lái)，車(chē)輛增多，居民取暖燃煤增多，故PM2.5濃度在21:00達(dá)到一天最大值，之后隨著人類(lèi)活動(dòng)的減少，PM2.5濃度逐漸下降。

圖2 研究區(qū)2019年2月PM2.5濃度的日變化

3.2 聚類(lèi)分析

為了分析區(qū)域傳輸對(duì)寶雞市灰霾期間(2019年2月1～28日)PM2.5濃度的影響以及不同方向氣流的污染特征，利用TrajStat軟件，對(duì)其進(jìn)行聚類(lèi)分析見(jiàn)圖3，氣團(tuán)軌跡分類(lèi)見(jiàn)表1。

圖3 后向軌跡聚類(lèi)分析表1 研究區(qū)不同氣團(tuán)軌跡區(qū)域特征

軌跡類(lèi)型占比/%途徑區(qū)域PM2.5濃度/(μg/m3)111.90新疆東部、甘肅西北部和東部、內(nèi)蒙古南部、寧夏中部、寶雞市72.6212.50甘肅中部、寧夏中部、寶雞市115.3354.02咸陽(yáng)市、寶雞市107.843.72西藏西北部、青海西部、中部和東部、甘肅南部、寶雞市163.6517.86漢中市、秦嶺區(qū)域、寶雞市137.5

對(duì)研究期間寶雞市進(jìn)行后向軌跡聚類(lèi)分析，得到5類(lèi)。氣流以偏東方向和東南方向?yàn)橹?。其中偏東氣流(來(lái)自陜西省咸陽(yáng)市以及寶雞市本地的軌跡3)，占比最大，為54.02%，該方向帶來(lái)的PM2.5濃度為107.8 μg/m3；東南氣流途徑漢中市、秦嶺區(qū)域、寶雞南部區(qū)域到達(dá)寶雞市(軌跡5)，該氣團(tuán)占比17.86%，該方向帶來(lái)的PM2.5濃度為137.5 μg/m3，該氣團(tuán)傳輸距離較短、速度較慢，污染物在傳輸過(guò)程中逐漸累積，故該方向帶來(lái)的PM2.5濃度較高；來(lái)自西藏西北部、青海西部、中部和東部、甘肅南部以及寶雞市區(qū)域的軌跡4雖然占比最少，為3.72%，但是該方向攜帶的PM2.5濃度最大，為163.6 μg/m3，該方向氣團(tuán)傳輸距離長(zhǎng)、傳輸速度較快，其所攜帶的PM2.5濃度較高。

3.3 潛在源貢獻(xiàn)因子分析(PSCF)

為了進(jìn)一步研究觀(guān)測(cè)期間對(duì)寶雞市PM2.5濃度的貢獻(xiàn)大小，利用PSCF對(duì)2019年2月寶雞市PM2.5濃度潛在源貢獻(xiàn)大小進(jìn)行分析，見(jiàn)圖4。為了進(jìn)一步區(qū)分，將PM2.5濃度二級(jí)標(biāo)準(zhǔn)限值(75 μg/m3)設(shè)定為標(biāo)準(zhǔn)值。

圖4 2019年2月研究區(qū)PM2.5的PSCF分布

由圖4可看出，PM2.5潛在貢獻(xiàn)源區(qū)WPSCF高值區(qū)(0.6

3.4 濃度權(quán)重軌跡分析(CWT)

PSCF方法只能反映潛在源區(qū)貢獻(xiàn)率大小是多少，不能體現(xiàn)對(duì)目標(biāo)網(wǎng)格的貢獻(xiàn)水平。故在各季節(jié)后向軌跡聚類(lèi)分析的基礎(chǔ)上進(jìn)行濃度權(quán)重軌跡分析，對(duì)目標(biāo)網(wǎng)格進(jìn)行PM2.5污染物濃度加權(quán)計(jì)算，進(jìn)而反應(yīng)污染源區(qū)的污染程度，如圖5寶雞市2019年2月PM2.5的CWT分布。圖中顏色越深值越大，說(shuō)明顏色深的區(qū)域?qū)氹u市污染物濃度貢獻(xiàn)越大。

圖5 2019年2月研究區(qū)PM2.5的CWT分布

由圖5可知，觀(guān)測(cè)期間PM2.5的WCWT高值(WCWT>100 μg/m3)主要分布在咸陽(yáng)、安康、漢中、秦嶺以及西安區(qū)域，表明鄰近的市對(duì)PM2.5影響較大，PM2.5的較高值WCWT(75 μg/m3≤WCWT<100 μg/m3)值主要分布在四川東北部、甘肅東南部、內(nèi)蒙古南部、寧夏中部、陜西榆林以及渭南區(qū)域。說(shuō)明本地源對(duì)PM2.5的貢獻(xiàn)較大。

4 結(jié)論

(1)2019年2月1～28日期間寶雞市PM2.5平均濃度為112.4 μg/m3，變化范圍為17～229 μg/m3。最大值出現(xiàn)在2019年2月20日1時(shí)，最小值出現(xiàn)在2019年2月6日17時(shí)。觀(guān)測(cè)期間寶雞市PM2.5濃度日變化呈雙峰雙谷型，分別在9:00和21:00出現(xiàn)峰值，6:00和17:00出現(xiàn)谷值，這與人類(lèi)的出行活動(dòng)規(guī)律有關(guān)。

(2)后向軌跡聚類(lèi)分析表明，觀(guān)測(cè)期間寶雞市PM2.5主要受寶雞東部區(qū)域以及本地氣團(tuán)影響，該氣團(tuán)占比54.02%，來(lái)自西藏西北部、青海西部、中部和東部、甘肅南部、寶雞市的氣團(tuán)占比最小，為3.72%，攜帶的PM2.5濃度最大，為163.6 μg/m3。

(3)PSCF結(jié)果表明，陜西南部、四川西北部、秦嶺地區(qū)、西安、咸陽(yáng)以及寶雞市本地區(qū)域的排放源對(duì)PM2.5濃度起重要作用。CWT分析結(jié)果表明，觀(guān)測(cè)期間PM2.5潛在源區(qū)主要集中在咸陽(yáng)、陜西南部、寶雞周邊地區(qū)，這些區(qū)域?qū)氹u市CWT貢獻(xiàn)值較高。