王天正 張美根 , 韓霄

1 中國科學院大氣物理研究所大氣邊界層物理和大氣化學國家重點實驗室，北京 100029

2 中國科學院大學地球與行星科學學院，北京 100049

3 中國科學院城市環(huán)境研究所區(qū)域大氣環(huán)境研究卓越創(chuàng)新中心，福建廈門 361021

1 引言

秦皇島市，也稱“港城”，位于河北省的東北部，是我國北方重要的港口城市，同時也是一座 “新興工業(yè)”城市。由于工業(yè)化進程導致當?shù)卮髿猸h(huán)境的惡化，同時秦皇島市的能源結構以煤炭為主，鋼鐵產(chǎn)能相對過剩，磚廠、石灰窯等小企業(yè)分布較為集中，設備工藝落后，大部分缺少污染防治手段，導致當?shù)匚廴九欧艊乐兀畎残泻屠钕嬉?2014）。秦皇島港，主要運輸煤炭，擁有全國規(guī)模最大的港口儲煤場，在煤炭裝卸、儲存以及運輸過程中容易造成煤煙塵污染（石碧清等,2007）。地理位置上，秦皇島市緊鄰唐山市，而唐山市是鋼鐵、焦化、建材等行業(yè)為一體的典型重工業(yè)城市，大氣污染問題較為嚴重（張莉等,2019）。秦皇島市近幾年減排形勢較好，根據(jù)2016～2018年河北省生態(tài)環(huán)境狀況公報（河北省環(huán)境保護廳,2017,2018,2019）顯示，2016～2018年秦皇島市達到或優(yōu)于《環(huán)境空氣質(zhì)量標準》（GB3095-2012）Ⅱ級標準天數(shù)分別是281、268和285 d，其中2018年PM2.5平均質(zhì)量濃度達到38 μg m?3，位于京津冀前列。但進入2019年后，秦皇島地區(qū)爆發(fā)了多次持續(xù)性的PM2.5污染事件，其中1月PM2.5平均濃度達到67 μg m?3，同比2018年上升了63.4%。同時根據(jù)2019年1月全國城市空氣質(zhì)量報告（中國環(huán)境監(jiān)測總站,2019）顯示，京津冀及周邊地區(qū)“2+26”城市PM2.5平均濃度為108 μg m?3，同比上升16.1%。這樣的結果導致一旦京津冀區(qū)域受西南、偏西風控制，秦皇島地區(qū)將受到污染物的區(qū)域輸送影響（王燕麗等,2017）。

近年來趨向于使用在化學傳輸模式（Chemical Transport Models，CTM）的基礎上開發(fā)的 “標記追蹤法”（Wu et al.,2013;Yin et al.,2017;張婷慧等,2017;吳育杰,2019）進行源解析工作。該方法通過在空氣質(zhì)量模型中耦合相關模塊，對不同行業(yè)、不同區(qū)域排放源排放的污染物進行“標記”，在模式中模擬追蹤其在大氣中傳輸、擴散、化學轉(zhuǎn)化以及沉降過程，并在質(zhì)量守恒的基礎上估算“標記”排放源對關注地區(qū)的污染物濃度貢獻（Wagstrom et al.,2008;Kwok et al.,2013）。Wu et al.（2017）使 用NAQPM（The Nested Air Quality Prediction Model System）耦合一種在線源標記模型（An online source-tagged model）對上海地區(qū)一次和二次無機氣溶膠（硫酸鹽、硝酸鹽、銨鹽）進行標記追蹤，發(fā)現(xiàn)來自江蘇和山東地區(qū)的輸送起重要作用，兩個省對上海地區(qū)硫酸鹽的貢獻達到50%以上。Zhang et al.（2018）利用 CAMx-PSAT（Comprehensive Air Quality Model with extensions-Particulate Source Apportionment Technology）對 北 京 四 季PM2.5的進行來源解析，得出結論：冬季燃煤貢獻最大，春季沙塵貢獻最大，夏、秋季節(jié)貢獻最大的是機動車排放源，且北京本地、近郊以及周邊城市貢獻分別為47.6%、19.3%、11.4%。Kwok et al.（2012）使用CMAQ-TSSA（Community Multiscale Air Quality-The Tagged Species Source Apportionment）對珠三角和香港地區(qū)SO2以及PM2.5中硫酸鹽和EC（elemental carbon）的來源進行解析，發(fā)現(xiàn)燃煤電廠、機動車及船舶排放貢獻最大。Chen et al.（2017）利用了 CMAQ-ISAM（Community Multiscale Air Quality-Integrated Source Apportionment Method）對山東陵城鄉(xiāng)村地區(qū)PM2.5區(qū)域來源進行解析，結果顯示，凌城本地排放僅對PM2.5濃度貢獻了15.4%，德州市和周邊6個城市的PM2.5濃度分別為12.6%和28.1%。來自其他更遠地區(qū)和邊界的區(qū)域長距離運輸分別占31.6%和11.1%。

上述工作很好地說明了基于數(shù)值模式的源解析方法可以對研究區(qū)域?qū)崿F(xiàn)分區(qū)域、分時段的精細化來源解析。目前，針對秦皇島大氣污染特征研究主要是利用觀測資料分析污染物的變化特征和污染時段的氣象要素（龍小菊,2017），而對秦皇島地區(qū)的大氣污染區(qū)域傳輸源解析工作缺乏系統(tǒng)的模擬研究。因此，本文利用空氣質(zhì)量模型RAMS-CMAQ（Regional Atmospheric Modeling System–Community Multiscale Air Quality），耦合ISAM（Integrated Source Apportionment Method），模擬了2019年1月秦皇島市PM2.5污染和傳輸過程，分析了期間秦皇島地區(qū)污染物的分布，并且討論了區(qū)域輸送對秦皇島地區(qū)的PM2.5的貢獻情況。

2 模式介紹與試驗設計

2.1 模式介紹

CMAQv5.0.2由美國環(huán)保署于2014年發(fā)布，用于模擬多種大氣環(huán)境問題。其中包括對流層臭氧、氣溶膠，以及酸沉降（Eder and Yu,2006）。模式中氣相化學機制使用的是更新后的CB05（the Carbon Bond Mechanism；Sarwar et al.,2008），并且使用ISORROPIA（Nenes et al.,1999）模塊處理無機氣溶膠與其氣相前體物之間的熱力學平衡過程。另外使用AER06模塊模擬氣溶膠形成及其動力過程。模式系統(tǒng)模擬的氣溶膠物種包括：硫酸鹽、硝酸鹽、銨鹽、黑碳（BC）、有機碳（OC）、沙塵和海鹽氣溶膠，并將氣溶膠粒子按粒徑大小分為3個模態(tài)（埃根核、聚集態(tài)和粗粒子模態(tài)）。該模式使用區(qū)域大氣模式系統(tǒng)RAMS（6.0版本）提供氣象場。Cotton et al.（2003）對RAMS及其性能進行了詳細描述。該模式垂直方向采用δ–z地形追隨坐標系統(tǒng)對邊界層及下墊面進行細致模擬，增加模式對邊界層內(nèi)大氣污染物模擬的準確性。模式運行所需外強迫氣象場由ECMWF（European Centre for Medium-Range Weather Forecasts）0.75°（緯 度）×0.75°（經(jīng)度）再分析數(shù)據(jù)提供。

ISAM是由Kwok et al.（2013）對TSSA（Tagged Species Source Apportionment）（Wang et al.,2009）進行改進的最新版本源解析工具。其工作原理主要是將上一時次模擬生成的污染物濃度按一定的權重分配給當前時次的“標記”污染物。ISAM在TSSA的基礎上改善了在平流過程對“標記示蹤劑”（tagged tracers）的追蹤過程；同時改進了氣相化學過程對污染物濃度的分配方式，減少非線性過程帶來的影響，兼顧了計算效率和準確性。將ISAM與空氣質(zhì)量模式RAMS-CMAQ耦合，可以對不同地區(qū)的排放源對秦皇島市大氣PM2.5濃度貢獻進行定量模擬解析。

2.2 試驗設計

模式使用的排放源清單如下：人為活動排放的一次氣溶膠和前體物采用MIX排放源清單（基準年為2016；Li et al.,2017），水平分辨率為0.25°（緯度）×0.25°（經(jīng)度），其中包含了工業(yè)源、電廠源、交通源、農(nóng)業(yè)源和居民生活源排放的主要的污染物:CO、NOx、SO2、NMVOC、NH3、BC、OC、PM2.5和PM10。另外，由農(nóng)業(yè)活動產(chǎn)生的VOC和NOx排放數(shù)據(jù)取自REAS2.1（Regional Emission inventory for Asia domain）（Kurokawa et al.,2013）。飛機產(chǎn)生的NOx排放數(shù)據(jù)由EDGAR（Emissions Database For Global Atmospheric Research）（Olivier et al.,1994）提供。GEIA（Global Emissions Inventory Activity;Benkovitz et al.,1996）提供由閃電造成的NOx排放數(shù)據(jù)。此外，森林火災、秸稈焚燒、農(nóng)業(yè)活動造成生物質(zhì)燃燒排放數(shù)據(jù)由GFEDv4.1（Global Fire Emissions Database；van der Werf et al.,2010）提供。

模式采用三重嵌套網(wǎng)格（圖1），最外層網(wǎng)格（D1）覆蓋了東亞地區(qū)，并且為內(nèi)層網(wǎng)格提供邊界條件，模擬區(qū)域的水平網(wǎng)格間距為64 km，總面積為6654 km（經(jīng)向）×5440 km（緯向）；第二層網(wǎng)格（D2）覆蓋了華北平原的主要的人口密集區(qū)，是各種大氣污染物主要排放地區(qū)，且平原地形易于污染物的跨界輸送。該模擬區(qū)域的分辨率為16 km；第三層網(wǎng)格（D3）模擬區(qū)域覆蓋了整個秦皇島地區(qū)，水平分辨率為2 km，在水平方向上有94（經(jīng)向）×98（緯向）個網(wǎng)格點，可詳細的模擬秦皇島地區(qū)的污染物的時空分布。垂直方向上該模式將地面至模式層頂約23 km共分為15層，為了更好的描述大氣邊界層，有6層分配在2 km以下（韓霄和張美根,2014）。

2019年冬季秦皇島地區(qū)發(fā)生了多次污染過程，本次模擬時段選擇為2019年1月。圖1中D3模擬區(qū)域為秦皇島地區(qū)的7個區(qū)縣，利用ISAM追蹤模塊將昌黎縣、撫寧區(qū)、盧龍縣、北戴河區(qū)、海港區(qū)、第一關區(qū)、青龍縣和其他區(qū)域分別標記。同時，追蹤的氣溶膠成分包括：硫酸鹽、硝酸鹽、銨鹽、EC、OC、金屬和揚塵粒子（PM2.5_IONS），得到的它們的質(zhì)量濃度并相加即為追蹤的PM2.5質(zhì)量濃度。接下來，根據(jù)《環(huán)境空氣質(zhì)量標準》（GB 3095-2012）二 級 標 準（75 μg m－3），將2019年1月秦皇島市觀測PM2.5質(zhì)量濃度高于（低于）此標準的時段劃分為污染（清潔）時段，并定量估算污染（清潔）時段 區(qū)域傳輸對秦皇島地區(qū)PM2.5的貢獻情況。

圖1 模式使用的三重嵌套網(wǎng)格的覆蓋區(qū)域以及秦皇島行政區(qū)（顏色）區(qū)劃、2個自動氣象站（星星）以及4個國控站點（圓點）的位置Fig. 1 Model domains in triple-nested grid system in this study;the division of Qinhuangdao administrative district (color),and the automatic meteorological stations (stars). The locations of the air quality monitoring sites (dots) are also in the figure

3 模擬結果評估

本文選取了中國氣象局地面氣候資料日值數(shù)據(jù)集（http://www.cma.gov.cn/2011qxfw/2011qsjgx/[2019-06-10]）中秦皇島、青龍和樂亭的日平均溫度、相對濕度、風速和最大風向來評估氣象場的模擬效果。結果由圖2顯示，秦皇島站（圖2a–2d）模擬溫度與觀測值較為吻合，模擬相對濕度比觀測值略低，模擬風速與觀測值對應較好，模擬結果基本再現(xiàn)了觀測值的大小和趨勢。同時，模擬風向和觀測值也較為一致，基本能反應出秦皇島2019年1月主要受西北—西南風控制。由圖2e–2h可以看出，青龍站整體模擬效果較好，模擬相對濕度雖然在數(shù)值上略低于觀測值，但變化趨勢一致。另外，模擬風速和風向也與觀測值變化趨勢相符。圖2i–2l為樂亭站點處觀測數(shù)據(jù)與模擬結果得比較，除相對濕度觀測值波動較大，模式模擬未能較好的捕捉，其余氣象要素的觀測數(shù)據(jù)與模擬結果在大小和變化趨勢上皆具有良好的一致性，這也表明模式比較合理。

圖2 2019年1月秦皇島（第一列）、青龍（第二列）和樂亭（第三列）模擬（黑色實線）與觀測（黑色圓點）氣象要素日均值結果比較：（a、e、i）溫度；（b、f、j）相對濕度；（c、g、k）風速；（d、h、l）風向Fig. 2 Modeled (black solid lines) and observed (black dots) daily averaged meteorological factors of Qinhuangdao (the first column),Qinglong (the second column),and Laoting (the third column) in January 2019: (a,e,i) Temperature;(b,f,j) relative humidity;(c,g,k) wind speed;(d,h,l) wind direction

圖3為2019年1月PM2.5的CMAQ模 擬 值與相應國控站點（圖1）觀測值逐小時濃度對比圖，表1匯總了本研究中PM2.5模擬濃度的驗證統(tǒng)計量。圖中顯示，CMAQ模式很好的再現(xiàn)4個站點PM2.5的質(zhì)量濃度和變化趨勢，同時捕捉到了10～15日和17～18日這兩次污染生消過程中的濃度高值。根據(jù)表1可以看出，模擬值與觀測值的相關系數(shù)較高，4個站點均在0.6以上；在北戴河環(huán)保局、監(jiān)測站和城建大廈站模擬均值和觀測均值較為接近，僅在第一關相差10 μg m?3左右，這可能與第一關站周邊的一些無組織散煤燃燒排放有關。模式模擬的標準差普遍低于觀測標準差，表明模擬結果的波動幅度較小。一個重要的原因是由于模式輸出值是每個網(wǎng)格單元的平均值，難以表征城市區(qū)域的污染物質(zhì)量濃度的極端高值和極端低值（Han e t al.,2016）。

圖3 2019年1月模擬（灰色實線）與觀測（黑色圓點）PM2.5質(zhì)量濃度小時序列值：（a）北戴河環(huán)保局；（b）第一關；（c）市監(jiān)測站；（d）建設大廈Fig. 3 Modeled (grey solid lines) and observed (black dots) hourly averaged PM2.5 massconcentrations in January 2019 at (a) Beidaihehuanbaoju site,(b) Diyiguan site,(c) Shijiancezhan site,and (d) Jianshedasha site

表1 2019年1月PM2.5質(zhì)量濃度模擬和觀測小時值統(tǒng)計結果T able 1 Statistical comparisons between the simulated and observed hourly PM2.5 mass concentrations in January 2019

4 結果與討論

4.1 華北地區(qū)PM2.5的平均水平分布

圖4展示了2019年1月華北地區(qū)以及秦皇島市及周邊PM2.5質(zhì)量濃度和地面風場的月平均水平分布。從華北地區(qū)（圖4a）來看，京津唐、河北省南部、山東省大部和河南省地區(qū)PM2.5質(zhì)量濃度基本超過了75 μg m?3，其中最高可達到115 μg m?3以上。秦皇島地區(qū)（圖4b）位于京津唐PM2.5濃度的高值區(qū)的東部，其質(zhì)量濃度的南北差異比較明顯，主要污染地區(qū)集中在南部，高PM2.5濃度氣團覆蓋了昌黎縣，盧龍縣南部以及北戴河區(qū)域，形成了污染區(qū)域性分布的特點，PM2.5濃度在75 μg m?3以上，其中昌黎縣西北部的濃度最高，可達到115～250 μg m?3，這可能也與當?shù)剌^高的工業(yè)源排放有關。此外，在撫寧區(qū)、海港區(qū)、山海關區(qū)和青龍縣南部月均PM2.5濃度在75 μg m?3以下，而在青龍縣北部則更為清潔，PM2.5濃度在35 μg m?3以下。同時，華北地區(qū)區(qū)域風場顯示，2019年1月平均風向以西北為主，說明秦皇島北部區(qū)域不易于受到西部高濃度污染物輸送的影響。

圖4 2019年1月（a）華北地區(qū)和（b）秦皇島區(qū)域PM2.5質(zhì)量濃度月平均水平分布及近地面風場Fig. 4 Spatial distribution of the monthly average PM2.5 mass concentration and surface wind field on (a) North China Plain and (b) Qinhuangdao in January 2019

4.2 秦皇島市PM2.5的來源解析

4.2.1 秦皇島PM2.5月均水平分布特征

圖5展示了秦皇島清潔時段和污染時段PM2.5質(zhì)量濃度的平均值和近地面風場的水平分布。從圖5a中可以看出，當秦皇島市處于清潔時段，整個區(qū)域受到較強的西北風控制。青龍縣大部分區(qū)域PM2.5不到35 μg m?3；盧龍縣、撫寧區(qū)、海港區(qū)和第一關區(qū)南部以及北戴河地區(qū)PM2.5在西北風的影響下，濃度在75 μg m?3以下；昌黎縣在清潔時段PM2.5濃度水平仍在75 μg m?3以上，這與其西部緊鄰PM2.5高值區(qū)有關，且存在小部分區(qū)域PM2.5濃度高于115 μg m?3，這可能與當?shù)匚廴九欧艔娪嘘P。由圖5b可知，污染日期間秦皇島北部地區(qū)污染較輕，青龍縣以及盧龍縣、撫寧區(qū)、海港區(qū)北部區(qū)域污染時段風向和PM2.5濃度與清潔時段相比改變都不大。在污染較重的秦皇島南部地區(qū)，昌黎縣PM2.5質(zhì)量濃度大部分地區(qū)超過115 μg m?3，西部地區(qū)濃度在150～250 μg m?3；盧龍縣大部分地區(qū)、撫寧區(qū)南部、海港區(qū)南部，北戴河區(qū)和山海關區(qū)，質(zhì)量濃度也可達75～115 μg m?3，圖中的風場顯示秦皇島南部地區(qū)受偏西風向控制，風速為4 m s?1左右，因此偏西風帶來的污染物輸送是造成秦皇島市南部地區(qū)PM2.5污染加重的重要原因之一。

圖5 2019年1月秦皇島（a）清潔時段和（b）污染時段PM2.5質(zhì)量濃度水平分布及近地面風場Fig. 5 Spatial distribution of PM2.5 mass concentration and surface wind field during (a) clean period and (b) pollution period in Qinhuangdao in January 2019

4.2.2 秦皇島市PM2.5的本地貢獻

圖6展示了本地排放對秦皇島PM2.5質(zhì)量濃度的貢獻百分比。從圖6a中可以看出，清潔時段本地排放對秦皇島地區(qū)PM2.5的貢獻較大，青龍縣、盧龍縣大部分地區(qū)本地源貢獻在40%～50%，撫寧區(qū)、海港區(qū)和昌黎縣大部分區(qū)域，以及北戴河區(qū)和第一關區(qū)本地源貢獻都在60%以上。圖6b所示的污染時段秦皇島市本地貢獻相對于清潔時段整體下降10%左右，其中撫寧區(qū)本地貢獻下降最為明顯，其西部地區(qū)下降20%，可見污染物的區(qū)域輸送對當?shù)乜諝赓|(zhì)量影響較大。另外，昌黎縣北部區(qū)域、海港區(qū)中東部區(qū)域以及北戴河區(qū)在污染期間本地貢獻依舊達到60%以上，說明本地排放源貢獻是上述地區(qū)大氣污染的另一個重要原因。

圖6 2019年1月秦皇島市（a）清潔時段和（b）污染時段本地排放源對PM2.5質(zhì)量濃度貢獻百分比及近地面風場Fig. 6 Contribution percentage to the PM2.5 mass concentration and surface wind field during the (a) clean period and (b) pollution period from Qinhuangdao local emission sources in January 2019

4.2.3 秦皇島市PM2.5的區(qū)域傳輸貢獻

圖7和圖8分別為清潔時段和污染時段秦皇島市內(nèi)標記的7個區(qū)縣以及外來跨界傳輸貢獻對4個國控站點處PM2.5質(zhì)量濃度的貢獻比例。圖7顯示，清潔時段，近地面風場為較強的西北風，外來貢獻主要是西北風帶來的較為清潔的空氣。北戴河環(huán)保局站貢獻主要來源于外界輸送（41.6%）、北戴河區(qū)（18.4%）、撫寧區(qū)（15.8%），而昌黎縣也貢獻了12.0%，這可能是由于圖中所示的近地面風場是整個清潔時段的平均風場，而當期間風向轉(zhuǎn)至偏西風時，昌黎縣排放的污染物就會對北戴河造成影響；第一關站受到外界傳輸貢獻為37.3%，海港區(qū)為20.6%，山海關區(qū)為16.1%；在海港區(qū)內(nèi)的市監(jiān)測站和建設大廈站，由于相距較近，其傳輸貢獻特征基本一致：除了外界傳輸貢獻最大，為34.7%和35.3%，海港區(qū)本地源貢獻分別占34.9%和33.4%，其次為相鄰的撫寧區(qū)，分別為15.2%和16.1%。雖然平均風向為西北風，但由于青龍縣排放量較低，4個站點受到青龍縣貢獻較小。

圖7 2019年1月清潔時段4個國控站點處PM2.5質(zhì)量濃度傳輸貢獻及近地面風場：（a）北戴河環(huán)保局；（b）第一關；（c）市監(jiān)測站；（d）建設大廈Fig. 7 Contribution percentage of PM2.5 mass concentration and surface wind field at monitoring sites during the clean period in January 2019 at (a)Beidaihehuanbaoju site;(b) Diyiguan site;(c) Shijiancezhan site;(d) Jianshedasha site

由圖8可知，污染時段，風場轉(zhuǎn)為偏西氣流控制，這樣的風向有利于將京津唐地區(qū)的高濃度污染物輸送過來。其中，北戴河環(huán)保局站的受到的貢獻主要來源于外界輸送、北戴河區(qū)、昌黎縣、撫寧區(qū)，分別為40.6%、22.4%、13.1%和12.6%，與清潔時段相比，外地和撫寧區(qū)貢獻下降1.0%和3.2%，北戴河區(qū)和昌黎縣貢獻上升4.0%和1.1%。第一關主要受到的貢獻為外地輸送（37.3%），同時山海關區(qū)、海港區(qū)、撫寧區(qū)貢獻分別為18.0%、21.4%和15.6%，相比清潔時段外地貢獻下降2.3%，本市內(nèi)傳輸貢獻分別上升2.0%、0.7%和4.7%。市監(jiān)測站和建設大廈站在污染時段，外地貢獻分別占37.6%和37.2%，相比清潔時段上升2.9%和2.0%，海港區(qū)對兩個站點貢獻分別為27.2%和24.2%，同比下降7.2%和9.2%，臨近的撫寧區(qū)貢獻分別為19.9%和20.8%，同比上升4.7%和4.7%。青龍縣由于排放量低，因此對四個國控站點貢獻較??；盧龍縣污染排放也相對較輕，但由于污染時段偏西風的影響，導致該地區(qū)排放的PM2.5對四個國控站點的貢獻略有增加；昌黎縣雖然排放量也比較可觀，但從所處位置以及風向來看難以影響到除北戴河環(huán)保局站以外的其他國控站點。

圖8 2019年1月污染時段4個國控站點處PM2.5質(zhì)量濃度傳輸貢獻及近地面風場：（a）北戴河環(huán)保局；（b）第一關；（c）市監(jiān)測站；（d）建設大廈Fig. 8 Contribution percentage of PM2.5 mass concentration and surface wind field at monitoring sites during the pollution period in January 2019 at(a) Beidaihehuanbaoju site;(b) Diyiguan site;(c) Shijiancezhan site;(d) Jianshedasha site

5 結論

本文利用區(qū)域空氣質(zhì)量模式RAMS-CMAQ耦合了ISAM源解析工具，對秦皇島地區(qū)2019年1月PM2.5質(zhì)量濃度進行模擬，并以75 μg m?3為標準，將秦皇島市4個國控站點觀測PM2.5濃度均高于（低于）此標準的時段劃分為污染（清潔）時段，并分析污染（清潔）時段PM2.5分布特征與來源貢獻。

（1）2019年1月華北大部分地區(qū)平均PM2.5濃度高于75 μg m?3，秦皇島市污染呈現(xiàn)“南高北低”的分布，西部緊鄰PM2.5濃度高值區(qū)，受影響區(qū)域主要位于秦皇島南部，其中昌黎縣西部PM2.5濃度最高，可達到150 μg m?3以上。清潔時段秦皇島地區(qū)盛行風向為西北風，大部分區(qū)域濃度較低，但昌黎縣的地理位置導致其受到區(qū)域輸送的影響較大。污染時段秦皇島北部仍受西北風控制，PM2.5質(zhì)量濃度較低，南部區(qū)域轉(zhuǎn)為偏西風控制，導致西部地區(qū)的污染物輸送，PM2.5質(zhì)量濃度上升。

（2）清潔時段秦皇島市PM2.5濃度主要受到本地排放貢獻影響。青龍縣、盧龍縣大部分地區(qū)本地源貢獻為40%～50%，其中撫寧區(qū)和海港區(qū)大部，昌黎縣北部地區(qū)，以及北戴河區(qū)和第一關區(qū)全部地區(qū)本地源貢獻都在60%以上。污染時段風向轉(zhuǎn)為偏西風，除昌黎縣北部區(qū)域、海港區(qū)中東部區(qū)域以及北戴河區(qū)在污染期間本地貢獻依舊達到60%以上，秦皇島市本地貢獻相對于清潔時段整體下降10%左右，撫寧區(qū)東部本地貢獻下降至40%~50%，說明當?shù)卮髿馕廴臼艿絽^(qū)域傳輸影響增加。

（3）清潔時段，外地輸送對4個國控站點貢獻在34.7%～41.6%，北戴河環(huán)保局站受到的貢獻主要來自北戴河區(qū)、撫寧區(qū)和昌黎縣，分別為18.4%、15.8%和12.0%。第一關站PM2.5污染主要來自北戴河區(qū)和海港區(qū)排放源的貢獻，分別為16.1%和20.6%。在海港區(qū)內(nèi)的市監(jiān)測站和建設大廈站，本地貢獻主要來自海港區(qū)，分別為34.9%和33.4%，其次為撫寧區(qū)，貢獻百分比為15.2%和16.1%。污染時段，北戴河環(huán)保局站的外地貢獻下降1.0%，北戴河區(qū)和昌黎縣貢獻上升4.0%和1.1%。第一關站外地貢獻下降2.3%，海港區(qū)、山海關區(qū)和撫寧區(qū)貢獻分別上升0.7%、2.0%和4.7%。市監(jiān)測站和建設大廈站在污染時段，外地貢獻分別上升2.9%和2.0%，臨近的撫寧區(qū)、北戴河區(qū)貢獻上升4.7%、4.7%和4.4%、6.4%。