郭春曄,王 穎,劉 灝,劉 揚,王思潼,李 博

甘肅省區(qū)域顆粒物時空分布特征及傳輸路徑

郭春曄1,2,王 穎1*,劉 灝1,劉 揚1,王思潼1,李 博1

(1.蘭州大學大氣科學學院,半干旱氣候變化教育部重點實驗室,甘肅 蘭州 730000；2.青海省海南藏族自治州氣象局,青海 海南 813000)

基于甘肅省2018～2019年顆粒物質量濃度監(jiān)測數(shù)據(jù),分析了全省大氣顆粒物濃度的時空變化及排放特征,并利用HYSPLIT后向軌跡模式研究了顆粒物傳輸路徑.結果表明:顆粒物(PM10和PM2.5)空間分布呈現(xiàn)區(qū)域特征:PM10濃度高值位于河西走廊地區(qū),由北向南呈階梯式遞減;PM2.5以隴中地區(qū)為高值中心,向南北兩側遞減,隴南地區(qū)為全省顆粒物清潔區(qū).不同地區(qū)PM10與PM2.5地面濃度季節(jié)變化特征存在差異,隴中、隴東和隴南地區(qū)PM10和PM2.5濃度變化特征一致,隴中和隴東地區(qū)顆粒物(PM10與PM2.5)濃度冬高夏低,隴南地區(qū)則為冬高秋低;河西走廊PM10和PM2.5濃度季節(jié)變化不同,PM2.5冬高夏低,PM10春高夏低.后向軌跡聚類結果表明全省春季、冬季均受到來自中亞及新疆的偏西氣流影響,該路徑輸送下可吸入顆粒物(PM10)濃度明顯高于其他路徑,是典型的沙塵輸送路徑,4大分區(qū)受沙塵傳輸影響程度依次為河西>隴中>隴東>隴南,來自陜西、川渝的偏東路徑是隴南地區(qū)顆粒物的主要輸送路徑,該路徑下PM2.5/PM10比值大于0.5,明顯高于偏西路徑,說明偏東路徑人為源污染貢獻顯著.研究結果有助于全面認識全省顆粒物污染特點、為分區(qū)制定顆粒物污染防治政策、以及區(qū)域污染協(xié)同治理提供科學的參考依據(jù).

顆粒物；時空分布；PM2.5/PM10；HYSPLIT模型；傳輸路徑

自然或人為排放的顆粒物(PM)是造成我國北方大氣污染的主要原因[1],可吸入顆粒物(PM10)和細顆粒物(PM2.5)一直以來是大氣科學和環(huán)境科學領域研究的熱點對象[2-5].在過去的十幾年中,很多專家學者對中國顆粒物污染的特征、來源、機制和對健康的不利影響進行了大量的研究,但主要集中在中東部發(fā)達地區(qū),如京津冀[6-8]、長三角[9-10]和珠三角等地區(qū)[11-13],對于西北內陸地區(qū)的研究較少,現(xiàn)有的研究也大多局限于較小的城市/區(qū)域尺度[14-20],在更大的全省區(qū)域尺度上對顆粒物污染成因的研究報道不多,已有的研究僅利用甘肅省國控監(jiān)測站資料分析PM10或PM2.5的時空分布特征[21-22],數(shù)據(jù)樣本數(shù)量偏少(33個國控點),且未結合監(jiān)測資料和模式進一步分析顆粒物來源.

污染物濃度監(jiān)測可以反映區(qū)域環(huán)境質量總體水平和大氣環(huán)境質量變化趨勢,為制定大氣污染防治規(guī)劃和對策提供依據(jù)[23].近年來較多的研究發(fā)現(xiàn)空氣中PM2.5和PM10的比值(PM2.5/PM10比值)較PM2.5與PM10更能準確地指示二次污染程度,辨別人為污染源和自然源的貢獻程度[24-26].PM2.5主要來源于化石燃料的燃燒和SO2、NO等氣態(tài)污染物的二次轉化.霧霾污染發(fā)生時,二次有機氣溶膠(硫酸鹽、硝酸鹽等)明顯增加[27-28],因此,高PM2.5/PM10比值表明顆粒物污染以人為排放源為主;沙塵天氣發(fā)生時,大部分沙塵粒徑集中在2～20μm,其中10μm以下的粒子占比達80%[29],由于大粒子入侵導致PM10濃度升高,而PM2.5濃度相對較低,故PM2.5/ PM10比值可作為判別沙塵天氣的一個重要指標[30].也有學者直接將PM2.5/PM10比值為0.5作為判斷人為污染和自然污染的標準線[5,31-34],揭示顆粒物污染來源及輸送特征.

甘肅省位于我國西北內陸,地處青藏高原、黃土高原、內蒙古高原交匯地帶,東西跨度1480km,南北跨度1132km,地形復雜多樣,地勢自西南向東北傾斜,呈狹長狀,特殊的氣象氣候特征和地形條件使得污染擴散特征存在區(qū)域性特點;另一方面,全省的經(jīng)濟發(fā)展不均衡造成各地區(qū)污染物排放量和排放源類型也相差較大,從而導致各地區(qū)污染物濃度時空分布存在明顯差異.根據(jù)2019年甘肅省生態(tài)環(huán)境狀況公報:全省14個地級市均出現(xiàn)沙塵暴、揚沙、浮塵等沙塵天氣過程,剔除沙塵天氣后,全省14個地級市PM10濃度在38～79μg/m3之間,PM2.5濃度在19～ 36μg/m3之間,PM10和PM2.5的高值區(qū)出現(xiàn)在蘭州市,低值區(qū)為隴南市;不同地區(qū)受沙塵影響的程度存在較大差異.以典型地區(qū)為例,2019年河西地區(qū)酒泉市共發(fā)生沙塵天氣40d,剔除沙塵天氣前、后PM10濃度分別為83和65μg/m3,PM2.5濃度分別為28和25μg/m3;而位于隴中地區(qū)的蘭州市2019年受沙塵影響的天數(shù)為11d,剔除沙塵天氣前、后PM10濃度分別為97和79μg/m3,PM2.5濃度分別為37和36μg/m3.可見,甘肅省的顆粒物濃度受人為源和自然源雙重影響.因此,研究甘肅省不同地區(qū)顆粒物濃度的時空變化特征,進而識別顆粒物主要來源(人為源或自然源)和路徑,對于揭示顆粒物污染形成機理、制定區(qū)域大氣污染防治政策有著重要的意義[35].

本研究根據(jù)地形地貌、氣候條件、經(jīng)濟社會發(fā)展狀況對甘肅省所轄14個地級市進行分區(qū),利用城市國控點及省控點監(jiān)測的顆粒物日均濃度,分區(qū)域探討顆粒物濃度和PM2.5/PM10比值的時空變化規(guī)律,并運用拉格朗日混合型單粒子軌跡模型(HYSPLIT模式)研究不同區(qū)域大氣顆粒物傳輸路徑,以期更好地了解近年來甘肅省區(qū)域顆粒物時空分布、排放和傳輸特征,為全省顆粒物污染防治、區(qū)域大氣污染的聯(lián)防聯(lián)控和改善環(huán)境空氣質量提供科學參考.

1 資料與方法

1.1 研究區(qū)概況

圖1 甘肅省4大分區(qū)示意

甘肅省地處我國地理中心,境內有高山、盆地、平川、濕地、沙漠和戈壁等多種地貌類型,形成了復雜多樣的氣候特征,從南向北包括了亞熱帶季風氣候、溫帶季風氣候、溫帶大陸性(干旱)氣候和高原高寒氣候等四大氣候類型,年平均氣溫9℃左右,大部分地區(qū)氣候干燥,年平均降水量約為450mm,總體從東南向西北遞減;受季風影響,降水多集中在6～8月份[36].綜合地形地貌、氣候因素、經(jīng)濟社會發(fā)展狀況,本研究將甘肅省劃分為隴中(蘭州、白銀、定西、天水及臨夏)、河西走廊(酒泉、嘉峪關、張掖、金昌、武威)、隴東(平?jīng)?、慶陽)、隴南(甘南、隴南)4大分區(qū)(如圖1所示),以分區(qū)為基本單元研究不同區(qū)域顆粒物污染特征和輸送特征.

1.2 資料來源

污染物濃度資料來源于甘肅省33個環(huán)境空氣質量國控監(jiān)測點和113個環(huán)境空氣質量省控監(jiān)測點2018～2019年PM10和PM2.5的逐日監(jiān)測數(shù)據(jù).

HYSPLIT模式的氣象資料來源于美國國家環(huán)境預報中心(NCEP)2018～2019年逐日4時次(00:00、06:00、12:00和18:00)的GDAS數(shù)據(jù),其水平分辨率為1°×1°,垂直方向分為23層,包括溫度、氣壓、相對濕度、地面降水、水平和垂直風速等氣象要素.

1.3 研究方法

1.3.1 季節(jié)劃分 顆粒物污染與季節(jié)變化緊密相關,且采暖季與非采暖季污染源排放相差較大,甘肅省大部分地區(qū)冬季供暖從11月開始(隴南地區(qū)從11月下旬開始)[22],因此,本研究劃分3～5月為春季,6～8月為夏季,9～10月為秋季,11～次年2月為冬季.

1.3.2 顆粒物平均濃度 各地級市顆粒物日均濃度和月均濃度是該城市內所有監(jiān)測點(包括國控點和省控點)的2018年和2019年監(jiān)測數(shù)據(jù)的算術平均值.

1.3.3 模式介紹 在一定地理與氣象條件下,大氣污染物隨氣團運動可實現(xiàn)中、遠距離傳輸,造成跨區(qū)域大氣污染現(xiàn)象[37].利用HYSPLIT模型模擬氣團遷移,并以直觀的路徑展現(xiàn)大氣污染物潛在傳輸軌跡,在大氣污染物遷移路徑、大氣污染物源區(qū)與建立源-受體關系的研究方面有著廣泛應用.

本文采用HYSPLIT模式模擬氣團后向軌跡,以分析甘肅省城市大氣污染物潛在傳輸規(guī)律. HYSPLIT模式適用于處理多種氣象要素輸入場和多種物理過程,可用于計算氣團軌跡、模擬復雜的擴散和沉降過程.HYSPLIT模式假定質點是隨著風場而運動的,軌跡是質點在時間和空間上的積分,質點所在位置的矢量速度都是在時間和空間上線性插值得出的.氣團的路徑主要與流場形勢、氣壓系統(tǒng)移動和地形有關.下一時刻質點的位置由初始位置(P)的速度和第一猜值所在點(P’)的速度平均后,與時間步長的乘積得到:

積分時間步長可變:

2 結果與討論

2.1 空間分布特征

甘肅省顆粒物(PM10和PM2.5)的年均濃度空間分布情況如圖2所示,可以看出顆粒物濃度分布總體呈北高南低,西高東低的空間分布特征.從PM10質量濃度空間分布(圖2a)可以看出,河西走廊是PM10質量濃度高值區(qū),監(jiān)測站點最大年均值達198μg/m3,該區(qū)域是中國西北干旱區(qū)沙塵暴活動較頻繁的地區(qū),因此,監(jiān)測的顆粒物濃度較高,PM10濃度由北向南經(jīng)隴中、隴東、隴南地區(qū)呈階梯式遞減;從PM2.5質量濃度空間分布(圖2b)可知,PM2.5的超標地區(qū)(年均值>35μg/m3)主要集中在河西走廊和隴中一帶,監(jiān)測站點最大年均值為59μg/m3,除河西走廊受沙塵傳輸影響導致監(jiān)測的PM2.5濃度較高外,隴中河谷盆地也是PM2.5的高值區(qū),該區(qū)域人口集中、經(jīng)濟較為發(fā)達,工業(yè)、交通和生活源排放的顆粒物較多,另一方面,河谷盆地地形不利于污染物的擴散,也是導致該區(qū)域PM2.5濃度較高的原因;4大分區(qū)中隴南地區(qū)顆粒物(PM10和PM2.5)濃度最低,監(jiān)測站點PM10和PM2.5最低值分別為38與16μg/m3,較少的人口基數(shù)與綠色環(huán)保的產(chǎn)業(yè)結構(農(nóng)產(chǎn)品加工、生態(tài)旅游產(chǎn)業(yè)和現(xiàn)代新興產(chǎn)業(yè)等)使得大氣污染物排放總量低,是區(qū)域空氣質量較優(yōu)的主要原因.

全省4個季節(jié)可吸入顆粒物濃度的空間分布特征如圖3所示.由圖3可知,PM10的空間分布呈現(xiàn)明顯的季節(jié)變化特征;春季PM10濃度高值區(qū)位于河西走廊地帶,從北向南遞減,依次為河西走廊>隴中地區(qū)>隴東地區(qū)>隴南地區(qū),空間上呈現(xiàn)西北到東南階梯式遞減的變化特點.夏秋季節(jié)空間分布特征與春季相似,無明顯變化,僅表現(xiàn)為數(shù)值上的明顯降低.冬季與春季相比,河西、隴中地區(qū)均出現(xiàn)較明顯的高值中心,其他區(qū)域變化不明顯.從圖4可以看出,冬季PM2.5以隴中地區(qū)為高值中心向四周遞減,在河西中部地區(qū)出現(xiàn)次高值,其他季節(jié)變化特征與PM10類似,高、低值中心分別位于河西走廊、隴南地區(qū),從北向南逐級遞減.

圖2 甘肅省PM10、PM2..5年均質量濃度空間分布

圖3 甘肅省春季,夏季,秋季和冬季PM10空間分布特征

2.2 時間分布特征

為了更好地了解甘肅省大氣污染物的季節(jié)變化特征,分別對隴中、河西、隴東、隴南地區(qū)顆粒物質量濃度月均值進行分析(圖5和表1所示).由圖5(a)和表1可知,河西走廊地區(qū)PM10質量濃度變化呈現(xiàn)春季>冬季>秋季>夏季的特點,受沙塵天氣影響,春季是PM10污染最重時期;而隴中、隴東、隴南地區(qū)的PM10濃度冬季最高,春季次之,全省除隴南地區(qū)PM10最低值出現(xiàn)在秋季外,其他地區(qū)夏季出現(xiàn)全年最低值.由圖5(b)和表1可知,不同于PM10,全省4大區(qū)域PM2.5濃度最高值均出現(xiàn)在冬季,這是冬季燃煤取暖使得污染物排放量較大和大氣溫度層結相對穩(wěn)定的氣象條件共同影響的結果,前者增加了一次污染物及其前體物的排放,后者不利于大氣污染物的擴散,從而導致近地表PM2.5濃度的積累[38-39].不同分區(qū)的細顆粒物濃度最低值出現(xiàn)的季節(jié)不同,河西、隴中、隴東地區(qū)PM2.5濃度最低值出現(xiàn)在夏季,隴南地區(qū)則出現(xiàn)在秋季.

圖4 甘肅省春季,夏季,秋季,冬季PM2.5空間分布特征

圖5 甘肅省4大分區(qū)顆粒物濃度月變化特征

圖中從上到下依次為隴中地區(qū)、河西走廊地區(qū)、隴東地區(qū)和隴南地區(qū)

綜上,全省PM10和PM2.5重污染時期出現(xiàn)在冬春季節(jié),輕度污染出現(xiàn)在夏秋季節(jié),隴中、隴東地區(qū)時間變化特征相似,PM10和PM2.5濃度都呈現(xiàn)出冬季最高,夏季最低的特點,這可能與兩個地區(qū)地理特征、氣象特征類似有關;隴南地區(qū)PM10與PM2.5最高值均出現(xiàn)在冬季,最低值出現(xiàn)在秋季;河西地區(qū)則表現(xiàn)為PM10春季最高,夏季最低,PM2.5冬季最高,夏季最低的特點.

表1 甘肅省4大分區(qū)顆粒物濃度季節(jié)均值(μg/m3)

2.3 顆粒物來源辨識

甘肅省4大分區(qū)PM2.5/PM10比值月變化特征如圖6所示.由圖6可以看出,全省PM2.5/PM10比值呈現(xiàn)明顯的季節(jié)變化特征,春季PM2.5/PM10比值最低(0.31～0.44),表明全省春季顆粒物受到沙塵傳輸?shù)挠绊戯@著;冬季PM2.5/PM10比值最高(0.44～0.53),是顆粒物受人為排放源影響較大的季節(jié).從空間分布特征來看,4大分區(qū)中河西走廊地區(qū)PM2.5/PM10比值最低,PM2.5/PM10比值介于0.31～0.44,表明沙塵傳輸對該區(qū)域顆粒物濃度影響較大;隴南地區(qū)PM2.5/PM10比值最高,PM2.5/PM10比值介于0.44～0.52,除了春季比值為0.44外,其他3個季節(jié)均大于0.5,說明該區(qū)域顆粒物受人為源排放影響較大;隴中地區(qū)冬季PM2.5/PM10比值最高,達0.52,其他3個季節(jié)均低于0.5;隴東地區(qū)夏冬季PM2.5/PM10比值接近0.5,春季比值最低(0.39).

圖6 甘肅省4大分區(qū)PM2.5/PM10月變化特征

紅色實線代表中位數(shù)、箱型上邊框代表上四分位數(shù)、下邊框代表下四分位數(shù)

2.4 大氣顆粒物傳輸路徑分析

甘肅省4大分區(qū)顆粒物濃度季節(jié)變化特征均呈現(xiàn)冬、春季節(jié)高,夏、秋季節(jié)低的特點,因此,本節(jié)選擇蘭州市、酒泉市、慶陽市、隴南市作為隴中、河西、隴東、隴南4大分區(qū)的代表城市,利用HYSPLIT模型對2018～2019年4大分區(qū)后向軌跡進行聚類分析.

Borge等[40]指出,軌跡高度和聚類數(shù)量的選擇對研究結果有重要影響,劉灝等[41]的研究結果表明軌跡的起始點高度設置為500m,能夠反映天氣形勢對近地面流場的影響,且顆粒物濃度極值比和極值差均較大,聚類結果最具代表性,因此,本研究后向軌跡起始高度設置500m;區(qū)域輸送是天氣尺度過程,典型的時間尺度從數(shù)天到一周不等,故本文計算時間設置為72h[42].根據(jù)軌跡聚類結果,并結合不同路徑下的顆粒物濃度,研究不同軌跡對甘肅省各分區(qū)大氣污染物濃度的影響.

2.4.1 冬季 甘肅省4大分區(qū)冬季72h后向軌跡如圖7所示,不同氣流軌跡下PM10和PM2.5濃度的算數(shù)平均值統(tǒng)計見表2,綜合圖7、表2可知,影響河西走廊的氣流均來自西部,路徑1和路徑3起源于新疆塔里木盆地的塔克拉瑪干沙漠,占比達51.46%和19.17%,路徑2起源于中亞地區(qū),占比達29.38%,這3條路徑的PM10濃度為123～143μg/m3,均較高,PM2.5的濃度為42～49μg/m3,PM2.5/PM10比值較低(0.32～ 0.38),顆粒物呈現(xiàn)出較強的沙塵傳輸影響特征.隴中地區(qū)受西部路徑(軌跡1、2和4)和東部路徑(軌跡3)影響,西部路徑主要起源于新疆,西藏和中亞地區(qū),是影響隴中地區(qū)顆粒物濃度的主要路徑,東部路徑源自鄰省寧夏,占比19.17%;隴東地區(qū)主要受西部路徑(路徑2)、西北路徑(路徑1)和東部路徑(路徑3)影響,西部路徑2來自新疆中西部地區(qū),占比達41.56%;西北路徑1(33.02%)來自內蒙古境內,東部路徑3(25.42%)則起源于陜西地區(qū);隴南地區(qū)與隴中相似,受西部路徑(路徑2、3和4)和東部路徑(路徑1)影響,西部路徑源自中亞及南疆區(qū)域,東部路徑則來自于鄰省陜西一帶,占比最高,達46.35%,該路徑PM2.5/PM10比值最高(0.51),顯示較強的人為源污染輸送特點.

圖7 甘肅省4大分區(qū)典型城市冬季HYSPLIT后向軌跡

全省4大分區(qū)均受到偏西路徑的影響,隴南地區(qū)偏西路徑占比53.65%,其余3個分區(qū)占比均高于75%,河西走廊地區(qū)占比最高,達100%;除河西走廊外,其余3個分區(qū)冬季還受到不同程度東部路徑影響,其中隴南地區(qū)占比最大,達46.35%.從不同路徑對顆粒物濃度的影響看,起源于中亞、新疆、內蒙等地偏西氣流輸送影響下的顆粒物濃度大于來自毗鄰省份陜西、寧夏地區(qū)的東部路徑對應顆粒物濃度,表明偏西路徑為影響全省4大分區(qū)顆粒物濃度的主要路徑.

2.4.2 春季 全省4大分區(qū)春季氣團軌跡聚類結果如圖8所示,不同軌跡對應PM10、PM2.5濃度的算數(shù)平均值如表3所示,綜合圖8和表3發(fā)現(xiàn):(1)河西走廊地區(qū)主要受西部路徑(軌跡1和3)、西北路徑(軌跡4)、東北路徑(軌跡2)影響,其中西部路徑起源于新疆境內,占比達67.66%,是影響河西走廊地區(qū)的主要路徑;西北路徑主要來自中亞地區(qū),占比12.64%,該路徑最長,代表該路徑氣流輸送最快;東北路徑則來自蒙古境內,占比19.70%;4個路徑PM2.5和PM10濃度相差不大,PM2.5/PM10比值0.31～0.36,顆粒物濃度呈現(xiàn)以沙塵輸送為主要影響的特征;(2)隴中地區(qū)受西北路徑(軌跡1、2)和東部路徑(軌跡3)的影響,西部路徑主要起源于新疆和省內河西地區(qū),占比為60.33%,該方向路徑PM10平均濃度133～137μg/m3;東部路徑則主要來自鄰省寧夏地區(qū),占比39.67%,該路徑PM10濃度明顯低于西北路徑1和2;(3)隴東地區(qū)受西北路徑(路徑1、3)、東部路徑(路徑2)影響,兩個方向路徑占比相差不大;西北路徑來自新疆、內蒙地區(qū),該方向路徑PM10平均濃度118～120μg/m3;東部路徑則來自陜西地區(qū),占比48.78%,該路徑下PM10濃度明顯低于西部路徑;(4)隴南地區(qū)主要受西北路徑(路徑2)、北部路徑(路徑3)和東部路徑(路徑1)影響,西北路徑源自新疆區(qū)域,占比23.64%,該路徑下PM10平均濃度為58μg/m3,高于其他兩個路徑;北部路徑來自內蒙境內,占比14.67%,該路徑下PM2.5和PM10濃度均最低,為清潔路徑;東部路徑來自川渝一帶,占比最高,達61.68%.

表2 甘肅省4大分區(qū)冬季顆粒物聚類統(tǒng)計

圖8 甘肅省4大分區(qū)典型城市春季HYSPLIT后向軌跡

總體來看,春季全省4大分區(qū)均受到偏西路徑、偏東路徑影響,相比冬季,4大分區(qū)偏東路徑的占比均有所增加;其中河西地區(qū)偏西路徑占比最高達80.30%,隴南地區(qū)偏東路徑占比最高達61.68%,除此之外,隴南地區(qū)還受到少量偏北氣流影響;不同路徑影響下的顆粒物濃度特征與冬季類似,偏西、北部路徑均高于偏東路徑,4大分區(qū)中起源于中亞、新疆、內蒙等地的偏西北路徑仍為可吸入顆粒物污染主要貢獻路徑.

表3 甘肅省4大分區(qū)春季顆粒物聚類統(tǒng)計

綜合分析可知,全省4大分區(qū)地處北半球西風環(huán)流帶,冬春季節(jié)受西伯利亞寒流影響較強,偏西、西北氣流占絕對優(yōu)勢[43],西、北部路徑起源于塔克拉瑪干沙漠、羅布泊、庫木塔格沙漠、騰格里沙漠、柴達木盆地等沙漠戈壁地區(qū)[44],對全省4大分區(qū)冬春季節(jié)顆粒物污染貢獻較高,為污染物主要傳輸路徑;相比冬季,春季偏西、北部路徑占比減少,偏東路徑占比增加.

3 結論

3.1 沙塵傳輸對甘肅省可吸入顆粒物(PM10)濃度影響較大,PM10濃度空間分布呈北高南低的特征,河西走廊是高值區(qū),隴南為低值區(qū);受山地地形不利擴散條件和排放量較大雙重影響,細顆粒物(PM2.5)濃度呈現(xiàn)以隴中地區(qū)為高值中心,南北兩側逐漸遞減的分布特征.

3.2 甘肅省4大分區(qū)顆粒物濃度時間變化特征為冬春季濃度最高,夏秋季濃度最低;其中隴中、隴東地區(qū)顆粒物濃度季節(jié)變化特征相似,表現(xiàn)為冬高夏低;河西走廊則表現(xiàn)為PM2.5冬高夏低,PM10春高夏低,隴南地區(qū)二者則為冬高秋低的變化特征.

3.3 全省冬季主要受來自新疆、中亞的西部路徑影響,該路徑下PM2.5/PM10比值低于0.5,顯示較強的沙塵輸送特征,河西走廊受西部路徑影響的程度最大,其次為隴中、隴東,隴南地區(qū)受沙塵影響程度最低;春季4大分區(qū)受東部路徑影響的比例較冬季明顯增強,隴南地區(qū)受東部路徑的影響占比達61.58%,該路徑PM2.5/PM10比值大于0.5,說明人為源排放對顆粒物濃度影響較大.

[1] García M á, Sánchez M L, de L R A, et al. Analysis of PM10and PM2.5concentrations in an urban atmosphere in Northern Spain [J]. Archives of Environmental Contamination and Toxicology, 2019,76 (2):331-345.

[2] Ulla A H, Mette S, Camilla G, et al. Long-term residential exposure to PM2.5, PM10, black carbon, NO2, and ozone and mortality in a Danish cohort [J]. Environment International, 2019,123:265-272.

[3] 劉 凡,譚欽文,江 霞,等.成都市冬季相對濕度對顆粒物濃度和大氣能見度的影響[J]. 環(huán)境科學, 2018,39(4):1466-1472.

Liu F, Tan X W, Jiang X, et al.Effect of relative humidity on particulate matter concentration and visibility during winter in Chengdu [J]. Environmental Science, 2018,39(4):1466-1472.

[4] 趙晨曦,王云琦,王玉杰,等.北京地區(qū)冬春PM2.5和PM10污染水平時空分布及其與氣象條件的關系[J]. 環(huán)境科學, 2014,35(2):418-427.

Zhao C X, Wang Y Q, Wang Y J, et al. Temporal and spatial distribution of PM2.5and PM10pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing [J]. Environmental Science, 2014,35(2):418-427.

[5] 查慧敏.河北省PM2.5/PM10比值時空分布及影響因素分析[D]. 石家莊:河北師范大學, 2020.

Cha H M. Analysis on the Spatial and temporal of PM2.5/PM10ratio and its influencing factors in Hebei Province [D]. Shijiazhuang: Hebei Normal University, 2020.

[6] 徐 楠,王甜甜,李 曉,等.北京冬季PM2.5中有機氣溶膠的化學特征和來源解析[J]. 環(huán)境科學, 2021,42(5):2101-2109.

Xu N, Wang T T, Li X, et al. Chemical characteristics and source apportionment of organic aerosols in atmospheric PM2.5in winter in Beijing [J]. Environmental Science, 2021,42(5):2101-2109.

[7] Wang Y Q, Zhang X Y, Arimoto R, et al. The transport pathways and sources of PM10pollution in Beijing during spring 2001, 2002 and 2003 [J]. Geophysical Research Letters, 2004,31(14).

[8] 古金霞,陳澤鑫,李琳希,等.京津冀區(qū)域顆粒物污染特征研究[J]. 南開大學學報(自然科學版), 2020,53(5):26-32.

Gu J X, hen Z X, Li L X, et al. The pollution characteristics of particulate matter in Beijing-Tianjin-Hebei region [J]. Journal of Nankai University (Natural Science edition), 2020,53(5):26-32.

[9] 王心培.長三角背景點大氣顆粒物中水溶性無機離子污染特征、來源與形成機制[D]. 上海:華東師范大學, 2020.

Wang X P. Chemical characteristics,sources and formation mechanisms of atmospheric water-soluble inorganic ions at a background site of Yangtze River Delta Region, China [D]. Shanghai: East China Normal University, 2020.

[10] 劉可可.合肥市重污染天氣PM2.5和PM10組成特征及來源分析[D]. 合肥:中國科學技術大學, 2020.

Liu K K. The characteristics and pollution source of PM2.5and PM10in heavy pollution weather in Hefei, China [D]. Hefei: University of Science and Technology of China, 2020.

[11] 王肖杰.珠三角地區(qū)不同粒徑大氣顆粒物對不同類型腦卒中死亡的急性效應及死亡負擔研究[D]. 廣州:廣東藥科大學, 2019.

Wang X J. Particulate matter pollution of different particle sizes and stroke mortality:estimating the associations and attributable risk in the Pearl River Delta Region [D]. Guangzhou: Guangdong Pharmaceutical University, 2019.

[12] 張夏夏.基于長時段多站點組分監(jiān)測的珠三角顆粒物來源解析研究 [D]. 廣州:華南理工大學, 2018.

Zhang X X. Source apportionment based on long-term PM compositional monitoring at multiple stations over the Pearl River Delta [D]. Guangzhou: South China University of Technology, 2018.

[13] 賴安琪,陳曉陽,劉一鳴,等.珠江三角洲PM2.5和O3復合污染過程的數(shù)值模擬[J]. 中國環(huán)境科學, 2017,37(11):4022-4031.

Lai A Q, Chen X Y, Liu Y M, et al. Numerical simulation of a complex pollution episode with high concentrations of PM2.5and O3over the Pearl River Delta region, China [J]. China Environmental Science, 2017,37(11):4022-4031.

[14] 賈曉鵬,王海兵.甘肅河西地區(qū)大氣沙塵成分及影響分析[J]. 中國沙漠, 2009,29(1):156-161.

Jia X P, Wang H B. Analysis of atmospheric dust composition and its influence in Hexi Corridor, Gansu [J]. Journal of Desert Resaerch, 2009,29(1):156-161.

[15] 王 芳.蘭州市大氣顆粒物及其化學組分污染特征和成因研究[D]. 蘭州:蘭州大學, 2014.

Wang F. Pollution characteristics and formation causes of atmospheric particles and its chemical components in Lanzhou city [D]. Lanzhou: Lanzhou University, 2014.

[16] 王芳龍.天水市主要大氣污染物特征研究[D]. 蘭州:西北師范大學, 2020.

Wang F L. Characteristics of main air pollutants in Tianshui [D]. Lanzhou: Northwest Normal University, 2020.

[17] 蒙曉瑞.酒泉市大氣顆粒物PM10、PM2.5中無機元素污染特征研究和來源解析[D]. 蘭州:蘭州交通大學, 2020.

Meng X R. Pollution characteristics and source analysis of inorganic elements in atmospheric PM10and PM2.5in Jiuquan city [D]. Lanzhou: Lanzhou Jiaotong University, 2020.

[18] 常 毅,劉得守,劉文君.蘭州城市大氣中PM10污染特征研究[J]. 中國環(huán)境監(jiān)測, 2020,36(4):45-52.

Chang Y, Liu D S, Liu W J. Study on the pollution characteristics of PM10in Lanzhou City [J]. Environmental Monitoring in China, 2020,36(4):45-52

[19] 趙留元,李子璇,呂沛誠等.基于SPAMS的蘭州市2018年冬季沙塵天氣過程細顆粒物污染特征及來源研究[J]. 環(huán)境科學學報, 2020, 40(2):388-400.

Zhao L Y, Li Z X, Lü P C, et al. Pollution characteristics and sources of atmospheric fine particulates during the period of 2018, winter dust weather in Lanzhou City based on SPAMS technology [J]. Acta Scientiae Circumstantiae, 2020,40(2):388-400.

[20] 賈維平,李 斌,劉興鵬,等.2013～2017年武威市大氣顆粒物濃度時空變化研究[J]. 甘肅科技, 2018,34(24):29-34.

Jia W P, Li B, Liu X P, et al. Spatio-temporal variation of atmospheric particulate matter concentration in Wuwei City from 2013 to 2017 [J]. Gansu Science and Technology, 2018,34(24):29-34.

[21] 王亞領.甘肅省2016年夏季大氣首要污染物PM10的空間分析[D]. 蘭州:蘭州大學, 2017.

Wang Y L. Spatial analyis of PM10, the primary pollutant of atmosphere in Gansu province in the summer of 2016 [D]. Lanzhou: Lanzhou University, 2017.

[22] 胡良柏.基于GIS的甘肅省城市PM2.5的時空分布特征研究[J]. 環(huán)境保護科學, 2019,45(1):79-83.

Hu L B. The temporal and spatial distribution of PM2.5in the urban of Gansu province based on GIS technology [J]. Environmental Protection Science, 2019,45(1):79-83.

[23] Nelson L. S. Future directions of meteorology related to air-quality research [J]. Environment International, 2003,29(2):245-252.

[24] Pateraki S, Asimakopoulos D N, Flocas H A, et al. The role of meteorology on different sized aerosol fractions (PM10, PM2.5, PM2.5-10) [J]. Science of The Total Environment, 2012,419:124-135.

[25] Kok Jasper F, Parteli Eric J R, Michaels Timothy I,et al. The physics of wind-blown sand and dust [J]. Reports on progress in physics. Physical Society (Great Britain), 2012,75(10):106-901.

[26] Huang R J, Zhang Y L, Bozzetti K, et al. High secondary aerosol contribution to particulate pollution during haze events in China [J]. Nature: International weekly journal of science, 2014,514(7521): 218-222.

[27] Lm A, Ling J A, Jl B, et al. PM2.5in the Yangtze River Delta, China: Chemical compositions, seasonal variations, and regional pollution events [J]. Environmental Pollution, 2017,223:200-212.

[28] Xie Y Z, Liu Z R, Wen T J, et al. Characteristics of chemical composition and asonal variations of PM2.5in Shi jia zhuang, China: Impact of primary emissions and secondary formation Science of the Total Environment [J]. Ecology Environment & Conservation, 2019,677:215-229.

[29] Zhang X Y, Arimoto R, Zhu G H, et al. Concentration, size- distribution and deposition of mineral aerosol over Chinese desert regions [J]. Tellus B, 1998,50(4):317-330.

[30] Filonchyk M, Yan H, Yang S, et al. A study of PM2.5and PM10concentrations in the atmosphere of large cities in Gansu Province, China, in summer period [J]. Journal of Earth System Science, 2016, 125(6):1-13.

[31] Sumesh R K, Rajeevan K, Resmi E A, et al. Particulate Matter Concentrations in the Southern Tip of India: Temporal Variation, Meteorological Influences, and Source Identification [J]. Earth Systems & Environment, 2017,1(2):13.

[32] Chai F H, Gao J, Chen Z X, et al. Spatial and temporal variation of particulate matter and gaseous pollutants in 26cities in China [J]. Journal of Environmental Sciences, 2014,26(1):75-82.

[33] 蔡惠文,吳序鵬.常州地區(qū)PM10和PM2.5質量濃度的變化特征[C]//中國環(huán)境科學學會.2013中國環(huán)境科學學會學術年會論文集(第五卷).中國環(huán)境科學學會:中國環(huán)境科學學會, 2013.

Cai H W, Wu X P. Variation characteristics of PM10and PM2.5mass concentration in Changzhou region [C]//Chinese Society for Environmental Science.2013 Annual Conference proceedings of Chinese Society for Environmental Science (Vol.5). Chinese Society for Environmental Science: Chinese Society for Environmental Science, 2013.

[34] 馬敏勁,楊秀梅,丁 凡,等.中國南北方大氣污染物的時空分布特征[J]. 環(huán)境科學與技術, 2018,41(5):187-197.

Ma M J, Yang X M, Ding F, et al. Temporal and spatial distribution of atmospheric pollutants between Northern China and Southern China [J]. Environmental Science & Technology, 2018,41(5):187-197.

[35] Zhao S P, Yu Y, Yin D Y, et al. Spatial patterns and temporal variations of six criteria air pollutants during 2015 to 2017 in the city clusters of Sichuan Basin, China [J]. Science of the Total Environment, 2018, 624:540-557.

[36] 蘇亞喬.甘肅中部地區(qū)人工增雨適宜條件分析[D]. 蘭州:蘭州大學, 2019.

Su Y Q. Suitable conditions for artificial precipitation enhancement in the central region of Gansu Province [D]. Lanzhou: Lanzhou University, 2019.

[37] Ramanathan V, Feng Y. Air Pollution, Greenhouse Gases and Climate Change: Global and Regional Perspectives [J]. Atmospheric Environment, 2009,43(1):37-50.

[38] Cao J J, Shen Z X, Chow J C, et al. Winter and summer PM2.5chemical compositions in fourteen Chinese cities [J]. Journal of the Air & Waste Management Association (1995), 2012,62(10):1214-26.

[39] Ma X Y, Jia H L, Sha T, et al. Spatial and seasonal characteristics of particulate matter and gaseous pollution in China: Implications for control policy [J]. Environmental Pollution, 2019,248:421-428.

[40] Borge R, Lumbreras J, Vardoulakis S, et al. Analysis of long-range transport influences on urban PM10using two-stage atmospheric trajectory clusters [J]. Atmospheric Environment, 2007,41(21):4434- 4450.

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

Liu H, Wang Y, Wang S T, et al. Study on the transport path of particles in Tianshui City based on HYSPLIT4model [J]. China Environmental Science, 2021,41(8):3529-3538.

[42] Abdalmogith S S, Harrison R M. The use of trajectory cluster analysis to examine the long-range transport of secondary inorganic aerosol in the UK [J]. Atmospheric Environment, 2005,39(35):6686-6695.

[43] 鄧萌杰,閆雨龍,胡冬梅,等.長治市沙塵天氣污染特征及傳輸路徑解析[J]. 中國環(huán)境科學, 2020,40(10):4275-4283.

Deng M J, Yan Y L, Hu D M, et al. Analysis of dust weather pollution characteristics and transmission paths in Changzhi, China [J]. China Environmental Science, 2020,40(10):4275-4283.

[44] 趙燕華,張文娟,高慶先,等.中國的沙塵暴及其研究進展[C]//中國環(huán)境科學學會大氣環(huán)境分會.大氣環(huán)境科學技術研究進展第九屆全國大氣環(huán)境學術會議論文集, 2002:79-86.

Zhao Y H, Zhang W J, Gao Q X, et al. Sandstorm in China and its research progress [C]//Atmospheric Environment Branch, Chinese Society for Environmental Sciences. Advances in atmospheric environmental science and technology. Proceedings of the ninth National Conference on Atmospheric Environment, 2002:79-86.

Spatial and temporal distribution characteristics and transport path analysis of regional particulate matter over Gansu Province.

GUO Chun-ye1,2, WANG Ying1*, LIU Hao1, LIU Yang1, WANG Si-tong1, LI Bo1

(1.Key Laboratory of semi-arid climate change, Ministry of Education, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China；2.Hainan Tibetan Autonomous Prefecture Meteorological Bureau, Qinghai Province, Hainan 813000, China)., 2021,41(9)：3990～4000

Based on the monitoring data of particulate matter mass concentration, the spatial-temporal variation and emission characteristics of atmospheric particulate matter concentration were analyzed across the Gansu Province for the time period of 2018～2019, with a focus of the transport path of particulate matter using the HYSPLIT backward trajectory model. The results suggested that: Different spatial distribution of PM10and PM2.5were shown across the Gansu Province with a significant regional dependency. The peak value of PM10concentration was located at the Hexi Corridor area, with a strong step-decreasing from north to south. While, the high value center of PM2.5concentration was observed over Longzhong region, which experienced a extending decreasing to the north and south. Furthermore, Longnan region was identified as the noticeable clean area of particulate matter across the Gansu Province. Significant discrepancies were found in the seasonal variation of PM10/PM2.5concentrations among different regions. The similar seasonal patterns of PM10/PM2.5concentration were found over central Gansu, eastern Gansu and southern Gansu, with the concentration of PM10and PM2.5both peaking in winter (winter) but plunging in summer (autumn) at Longzhong and Longdong (Longnan). However, different seasonal variations of PM10and PM2.5concentrations were found over Hexi Corridor, where PM2.5was found to be experiencing high concentration in winter and low in summer, but high concentration of PM10was shown in spring and low in summer. The backward trajectory clustering results showed that the Gansu province was strongly governed by the west air current which come from central Asia and Xinjiang, especially in spring and winter time. This path is considered to be a typical dust transport pathway across the Gansu Province when considering the higher concentration of PM10than others, with which affecting. the four regions in the order of Hexi > Longzhong > Longdong > Longnan. The eastern path from Shanxi, Sichuan & Chongqing with PM2.5/PM10ratio over 0.5which is significantly higher than the western one was deemed to be the dominant transmission path in Longnan area, which indicated that the contribution of man-made source pollution along the eastern path is significant. The results of this study can serve as a scientific reference for comprehensively understanding the characteristics of particulate pollution in the Gansu Province, formulating regional particulate pollution prevention and regional cooperative governance policies.

particulate matter；spatial and temporal distribution；PM2.5/PM10；HYSPLIT model；transmission path

X513

A

1000-6923(2021)09-3990-11

郭春曄(1993-),女,青海海東人,蘭州大學碩士研究生,主要研究方向為污染氣象與環(huán)境空氣質量模擬.

2020-01-26

甘肅省科技計劃項目(18JR2RA005)

* 責任作者, 副教授, yingwang@lzu.edu.cn