王 利，徐翠玲，徐 甫，高 琦

(長安大學 地質工程與測繪學院,陜西 西安 710054)

0 引 言

氣溶膠(Aerosol)是指懸浮在氣體中的固體或液體微粒與氣體載體組成的多相體系[1]，是大氣污染物的重要組成成分[2]。氣溶膠對區(qū)域環(huán)境具有輻射強迫效應[3]，從而進一步影響氣候系統(tǒng)中的降水、氣溫等氣象要素[4-6]，還會通過呼吸作用影響人體健康。因此，研究氣溶膠的時空分布特征對空氣污染防治和人類健康具有重要意義。氣溶膠光學厚度(Aerosol Optical Depth, AOD)是指在垂直方向上氣溶膠消光系數的積分，可以表征大氣混濁度或大氣中氣溶膠總含量，用于定量評估空氣質量等級，進而有效反映區(qū)域空氣污染程度[7-8]。目前，氣溶膠光學厚度產品數據來源于地基數據和衛(wèi)星遙感數據。地基數據精度高但站點分布不均，無法滿足區(qū)域性研究的需要；衛(wèi)星遙感數據獲取方便、覆蓋廣、成本低，能夠實現大范圍長時間監(jiān)測，為氣溶膠光學厚度研究提供了有利條件，也成為了空氣污染監(jiān)測的新手段[9-10]。

目前國內外已有的眾多氣溶膠光學厚度產品數據中，中分辨率成像光譜儀(Moderate Resolution Imaging Spectroradiometer, MODIS)氣溶膠光學厚度產品的時空分辨率、空間覆蓋率以及數據質量較高[11]，算法更新速度較快，先前的C5.0、C5.1和C6.0版本的氣溶膠光學厚度產品數據已廣泛應用于大氣污染研究[12-13]。2017年美國國家航空航天局(National Aeronautics and Space Administration，NASA)發(fā)布了MODIS C6.1氣溶膠光學厚度產品，其在準確度和空間覆蓋范圍方面均優(yōu)于早期版本[14-16]。鑒于此，國內外陸續(xù)開展關于新版本氣溶膠光學厚度的相關研究。Wei等利用MODIS C6.1氣溶膠光學厚度產品數據開展了全球大氣氣溶膠監(jiān)測[17]。張瑞芳等基于2003～2018年的MODIS/Aqua C6.1氣溶膠光學厚度產品，研究分析了西北地區(qū)氣溶膠光學厚度的時空分布特征，并結合氣象資料分析了氣象要素對氣溶膠光學厚度的影響[18]。呂鑫等基于2004～2018年MODIS C6.1氣溶膠光學厚度產品、PM2.5和PM10監(jiān)測數據以及氣象數據，分析研究了四川省氣溶膠光學厚度的時空分布及變化趨勢[19]。張穎蕾等以長三角地區(qū)為例，基于2000～2018年MODIS C6.1氣溶膠光學厚度產品，分析了長三角地區(qū)氣溶膠光學厚度和Angstrom指數的時空變化特征[20]。目前國內基于MODIS C6.1氣溶膠光學厚度產品的研究大多聚焦于某省份、某城市或某區(qū)域，例如四川省、京津冀或長三角地區(qū)等，而關于華北平原的相關研究較少。

華北平原是中國東部平原的重要組成部分。近年來，隨著經濟增長和城市化進程的不斷加快，大氣污染物長期超環(huán)境容量排放，導致華北平原出現多次重污染天氣事件。例如，2013年1月，華北平原出現了罕見的重污染天氣，韓霄等眾多學者對其成因進行了探討[21-23]。相關研究表明，大氣污染具有區(qū)域性，大氣氣溶膠的時空分布與污染物來源關系密切。例如，蘇彬彬等利用后向軌跡模式探究了華東森林及高山背景區(qū)域的大氣污染物傳輸特征及其高污染氣團的主要來源[24]，結果表明城市大氣受本地排放源和外地污染物輸送的共同影響。目前，眾多學者利用聚類分析、潛在源貢獻因子分析以及濃度權重分析等方法研究了華東、鄭州、北京等地區(qū)大氣污染物的來源[25-27]，且這些研究多為針對某次特定的大氣污染過程或某一季節(jié)來進行，而對于長時序的后向軌跡聚類分析和潛在源區(qū)探究鮮少。

基于此，本文利用MODIS/Terra C6.1氣溶膠光學厚度產品，探討華北平原2011～2020年氣溶膠光學厚度的時空變化特征，并基于氣象數據和空氣質量指數數據，綜合運用聚類分析、潛在源貢獻因子分析和濃度權重分析等方法，揭示華北平原不同季節(jié)大氣污染物的輸送途徑及其潛在源區(qū)的空間分布，以期為華北平原大氣污染治理及減排措施制定提供參考依據。

1 研究區(qū)概況及數據來源

1.1 研究區(qū)概況

華北平原位于北緯30°～42°，東經110°～123°(圖1)，北抵燕山南麓，南達大別山北側，西倚太行山—伏牛山和豫西山地，東臨渤海和黃海，橫跨京、津、冀、魯、豫、皖、蘇5省2市，區(qū)域總面積約40×104km2，平原面積約33×104km2。華北平原地勢平坦，河湖眾多，交通便利，經濟發(fā)達，覆蓋人口大省和工業(yè)大省。該地區(qū)四季變化明顯，屬暖溫帶季風氣候，年平均氣溫為8 ℃～15 ℃，年降水量為500～1 000 mm，降水主要集中在6月至9月。此外，華北平原屬于四大霾區(qū)之一，受工業(yè)生產和人為因素的影響，空氣污染狀況嚴重，面臨著較大的環(huán)境壓力。

圖1 華北平原地理位置

1.2 數據來源

1.2.1 氣溶膠光學厚度產品

本文研究所使用的氣溶膠光學厚度產品來自于NASA發(fā)射的Terra-MODIS傳感器提供的每日Level 2氣溶膠光學厚度產品MOD04_L2數據集，空間分辨率為10 km[28]。根據華北平原的地形和位置，選取2011年～2020年MODIS C6.1“AOD_550_Dark_Target_Deep_Blue_Combined”波段獲取的氣溶膠光學厚度數據?；诖?，將10年的MODIS氣溶膠光學厚度產品數據進行處理，通過IDL編程對影像進行拼接、重投影、裁剪等預處理工作，以像素為處理單元，計算研究區(qū)內有效像元的平均值，得到華北平原氣溶膠光學厚度月均值、季均值和年均值及其空間分布，并通過ArcGIS軟件和CorelDRAW軟件繪制為專題圖件。

1.2.2 氣流軌跡模型

氣流軌跡模型數據來自美國國家環(huán)境預報中心(National Centers for Environmental Prediction, NCEP)和美國國家大氣研究中心(National Center for Atmospheric Research, NCAR)聯合發(fā)布的全球資料同化系統(tǒng)(Global Data Assimilation System，GDAS)氣象數據(ftp:∥arlftp.arlhq.noaa.gov/pub/archives/gdas1)。

GDAS氣象數據的地面分辨率為1°，空間覆蓋范圍為全球，GDAS氣象數據每6 h記錄1次，即世界標準時間00:00、06:00、12:00和18:00。數據選取時段為2014～2020年。

1.2.3 空氣質量指數

本研究所使用的空氣質量指數(Air Quality Index，AQI)數據來源于空氣質量在線監(jiān)測分析平臺(https:∥www.aqistudy.cn/)，時間跨度為2014～2020年，時間分辨率為1 d。該數據是對國家環(huán)境監(jiān)測總站(http:∥www.cnemc.cn/)的每小時數據求平均值所得。

2 分析方法

2.1 Slope趨勢分析

基于Slope趨勢分析，模擬研究區(qū)每個柵格單元的變化趨勢，以分析華北平原2011～2020年近10年間氣溶膠光學厚度變化的方向和速率[29]。其計算公式為

(1)

式中：i為年序號；n為時間跨度；Di為第i年的氣溶膠光學厚度；斜率kslope為氣溶膠光學厚度的變化趨勢。

2.2 后向軌跡聚類分析

拉格朗日混合單粒子軌道(Hybrid Single Particle Lagrangian Integrated Trajectory, HYSPLIT)模型最初是由美國國家海洋和大氣管理局以及澳大利亞氣象局合作開發(fā)，可以用來計算簡單的氣團軌跡以及模擬復雜的擴散和沉積，目前廣泛應用于大氣污染物傳輸和來源分析等研究[30]。本研究利用HYSPLIT模型，將華北平原所涉及的2個直轄市(北京、天津)和5個省會城市(河北石家莊、山東濟南、河南鄭州、安徽合肥、江蘇南京)分別設置為受點，軌跡模擬起始高度設為500 m，模擬華北平原這7個城市每日氣團的24 h后向移動軌跡，并利用Meteoinfo軟件和TrajStat軟件對氣流軌跡進行聚類分析，最終得到每個城市不同季節(jié)氣團的主要傳輸路徑。

2.3 潛在源貢獻因子分析

潛在源貢獻因子(Potential Source Contribution Function, PSCF)分析是一種基于條件概率函數發(fā)展而來的定性識別潛在污染源的方法[31]。潛在源貢獻因子分析函數基于空間網格計算，將研究區(qū)劃分成i×j的均勻網格，定義經過某一網格(i,j)污染氣流軌跡端點數mij與經過該網格的總氣流軌跡端點數nij的比值為PSCF值(Pij)。根據潛在源貢獻因子分析原理，當nij較小時，Pij的不確定性較大。為減小Pij的不確定性，引入權重函數(Wij)[32]進行修正，即WP,ij=Pij×Wij。權重函數定義如下

(2)

2.4 濃度權重分析

潛在源貢獻因子分析只能反映當前網格污染軌跡數所占比例，不能體現污染軌跡對目標網格的污染貢獻程度[33]。因此，進一步使用濃度權重(Concentration-weighted Trajectory, CWT)分析來研究不同潛在污染源區(qū)對目標網格的相對貢獻大小[34]。濃度權重分析是通過計算源區(qū)網格(i,j)的平均權重濃度(Cij)來分析其對目標網格的污染貢獻程度。其表達式為

(3)

式中:l是經過網格(i,j)的軌跡之一；Cl是軌跡l經過網格(i,j)時的值；τijl是軌跡l在網格(i,j)停留的時間，用落在網格內軌跡l的端點數來代替；M為軌跡數量。

類似潛在源貢獻因子分析，為濃度權重分析引入權重函數Wij，以減小由于nij較小時引起的不確定性，即WC,ij=Cij×Wij。

3 結果分析與討論

3.1 氣溶膠光學厚度時空變化特征

3.1.1 月均值變化特征

圖2為2011～2020年華北平原氣溶膠光學厚度逐月變化情況。由圖2(a)的逐月氣溶膠光學厚度平均值可知，若以年為周期，氣溶膠光學厚度呈明顯的周期性變化，每個周期內(即每年)峰值一般出現在6月至8月。氣溶膠光學厚度最大值出現在2011年8月，為1.10；最小值一般出現在11月或12月，但2018年9月氣溶膠光學厚度最小，為0.27。近10年間，2011年和2014年夏季(6月至8月)的氣溶膠光學厚度較高，均超過0.80，除此之外，2011年2月、2012年5月至7月及2013年6月氣溶膠光學厚度均大于0.80。圖2(b)給出了2011～2020年各月平均后的氣溶膠光學厚度逐月變化趨勢，變化幅度較大，月份之間差異顯著，最大值出現在6月，為0.75，最小值出現在12月，為0.37。綜上所述，全年氣溶膠光學厚度從1月開始，隨著氣溫的升高，呈緩慢上升趨勢，在6月達到峰值后，呈快速下降趨勢，至12月為全年最低。

圖2 2011～2020年華北平原氣溶膠光學厚度逐月時間序列

為了更清晰地了解華北平原氣溶膠光學厚度的逐月變化特征，圖3進一步給出了近10年氣溶膠光學厚度月均值的空間分布。如圖3所示，1月華北平原大部分區(qū)域氣溶膠光學厚度在0.50以上，經統(tǒng)計有57.03%的樣本點氣溶膠光學厚度大于0.50，較高值主要分布在河南、河北和山東三省的交界處。2月氣溶膠光學厚度高值區(qū)分布在天津，河北南部，山東以及河南、江蘇和安徽的大部分地區(qū)，幾乎覆蓋整個平原。3月華北平原的空氣質量較2月有所好轉，氣溶膠光學厚度高值區(qū)主要集中在河北邢臺、邯鄲，山東聊城，河南鄭州及山東濟寧等地區(qū)。從3月開始，華北平原氣溶膠光學厚度開始逐漸增大，3月至6月氣溶膠光學厚度的空間分布相似，其顯著升高的范圍也大致相同，主要集中在河南與河北兩省交界處、山東除中部以外的外圍區(qū)域、安徽中南部和江蘇等地區(qū)。6月華北平原大部分地區(qū)氣溶膠光學厚度較高，只有極少數地區(qū)空氣質量狀況較好，如河北張家口、承德。7月至8月氣溶膠光學厚度開始逐漸下降，高值區(qū)的空間分布也顯著不同，7月高值區(qū)主要集中在天津、河南鄭州以及山東等地區(qū)，而8月高值區(qū)范圍明顯縮小，僅分布在河南鄭州和河北邯鄲、邢臺等地區(qū)。從8月開始，氣溶膠光學厚度呈快速下降趨勢，到12月華北平原整體氣溶膠光學厚度平均值為0.37?？傮w而言，華北平原氣溶膠光學厚度的空間分布表現出典型的城市污染特征，山東濟南、河南鄭州、河北石家莊等城市空氣污染嚴重，河北張家口和承德等城市空氣狀況較好。這一結論與劉海知等的研究結論[35-36]一致。

圖3 2011～2020年華北平原氣溶膠光學厚度月均值的空間分布

3.1.2 季均值變化特征

為分析華北平原氣溶膠光學厚度的季節(jié)變化特征，通過對MODIS C6.1氣溶膠光學厚度產品數據進行計算，得到了2011～2020年春季(3月至5月)、夏季(6月至8月)、秋季(9月至11月)、冬季(12月至次年2月)氣溶膠光學厚度季均值的空間分布(圖4、5)。氣溶膠光學厚度季均值從大到小依次為夏季(0.67)、春季(0.59)、冬季(0.49)、秋季(0.46)(圖4)。其中，夏季氣溶膠光學厚度最高，可能與華北平原夏季的高溫和豐富的水汽含量有關。一方面，夏季降雨增多且夏季盛行偏南風，北部地區(qū)的地形結構會抑制南來污染物向北輸送，同時高溫高濕條件容易導致氣-粒間的轉換作用以及氣溶膠粒子吸濕增長，最終導致污染物堆積在華北平原上空[37]。另一方面，華北平原盛產小麥，夏季是小麥的收獲季節(jié)，大量的秸稈燃燒也是造成夏季氣溶膠光學厚度較高的原因[38-39]。就空間分布而言，華北平原氣溶膠光學厚度的空間分布呈現出明顯的季節(jié)性特征。春季氣溶膠光學厚度高值區(qū)主要分布在河南鄭州、江蘇蘇州以及山東中西部地區(qū)；夏季高值區(qū)主要位于天津、河北東南部、山東除中部以外的外圍區(qū)域以及河南北部地區(qū)；秋季高值區(qū)僅零散分布在山東棗莊、江蘇蘇州等地區(qū)；冬季高值區(qū)則分布于河北東南部以及山東濟寧、江蘇徐州、安徽淮北等地區(qū)。四季中，僅有河北張家口和承德的氣溶膠光學厚度較小，這可能與該地區(qū)植被覆蓋度較高、工業(yè)排放少以及人類活動相對較少有關。

圖4 2011～2020年華北平原氣溶膠光學厚度季均值直方圖

3.1.3 年均值變化特征

圖5 2011～2020年華北平原氣溶膠光學厚度季均值的空間分布

華北平原平均氣溶膠光學厚度的空間分布如圖6(a)所示。氣溶膠光學厚度極高值以離散的點源分布在河南和江蘇，且太行山脈以北的地區(qū)氣溶膠光學厚度較低，太行山脈以南大部分地區(qū)氣溶膠光學厚度較高。經統(tǒng)計，近10年間華北平原平均氣溶膠光學厚度為0.07～1.29，但其年均值整體呈下降趨勢，下降幅度達36.84%。2011～2013年，氣溶膠光學厚度年均值從2011年的0.72下降至2013年的0.62；至2014年，氣溶膠光學厚度年均值緩慢增加到0.65；2014～2018年，氣溶膠光學厚度年均值幾乎呈直線下降，下降幅度達30.53%，2018年氣溶膠光學厚度年均值為近10年的最小值(0.45)；2019～2020年，氣溶膠光學厚度年均值出現短暫的回升，但上升范圍不大。由圖7可以明顯看出華北平原氣溶膠光學厚度年均值自2011年后呈明顯下降趨勢，這與中國政府在2011～2015年實施“十二五”規(guī)劃時規(guī)定了對應的減排目標來治理大氣污染問題有極大關系[40]。結合近10年氣溶膠光學厚度的空間變化趨勢[圖6(b)]可知，2011～2020年華北平原氣溶膠光學厚度基本呈現降低趨勢，其中下降最顯著的區(qū)域主要有山東濟南及河南鄭州、許昌、漯河、周口，但河北、江蘇和天津極少數地區(qū)氣溶膠光學厚度呈略微增加的趨勢。整體而言，華北平原氣溶膠光學厚度呈減弱趨勢，空氣污染狀況正逐漸改善。

圖6 2011～2020年華北平原平均氣溶膠光學厚度空間分布及其變化趨勢

圖7 2011～2020年華北平原氣溶膠光學厚度年均值變化趨勢

圖8為2011～2020年華北平原氣溶膠光學厚度年均值的空間分布情況。由圖8可知，2011～2020年氣溶膠光學厚度年均值為0～2.3，整體呈下降趨勢，且華北平原中部氣溶膠光學厚度存在明顯的時序變化特征，其周邊無明顯變化。2011年是華北平原近10年空氣污染最嚴重的一年[41]，氣溶膠光學厚度年均值相較于其他年份較高，其中有9.15%的地區(qū)氣溶膠光學厚度大于1.0；2011～2013年，氣溶膠光學厚度高值區(qū)逐年縮小，到2013年有98.00%的地區(qū)氣溶膠光學厚度小于1.0；2014年，氣溶膠光學厚度高值區(qū)緩慢擴增，主要體現在安徽和江蘇部分地區(qū)；2015～2018年，氣溶膠光學厚度年均值明顯降低，有99.67%以上地區(qū)氣溶膠光學厚度小于1.0，到2018年，華北平原氣溶膠光學厚度為近10年最小，其中有79.70%以上地區(qū)氣溶膠光學厚度小于0.6，有39.20%地區(qū)低于2018年年均值(0.45)；2019～2020年，河南鄭州、河北石家莊以及江蘇少數地區(qū)氣溶膠光學厚度出現短暫的回升，這可能與這些地區(qū)人口密度大、工業(yè)化程度高有關，因為人類活動會導致人為源氣溶膠局地排放量增加[42-43]。

圖8 2011～2020年華北平原氣溶膠光學厚度年均值的空間分布

3.2 氣流軌跡輸送的影響

為了解華北平原不同季節(jié)受氣流軌跡輸送的影響，利用HYSPLIT模型以500 m為起始模擬高度，對華北平原所涉及到的7個重點城市的后向軌跡按季節(jié)進行聚類分析，結果如圖9和表1所示。2014～2020年，北京春、秋、冬季主要受長距離氣團輸送影響較大，夏季來自南部和東南方向的短距離氣流軌跡占比最高；天津、安徽合肥、江蘇南京四季主要受短距離氣團輸送的影響較大；山東濟南和河北石家莊四季主要受周邊省市短距離氣團輸送影響較大，受長距離輸送的氣團影響較??；河南鄭州春、夏、秋季主要受短距離氣團輸送影響，冬季除了受短距離氣團輸送影響外，還受長距離氣團輸送的影響。綜上所述，由于華北平原地理位置特殊，受季風氣候及東南海洋暖濕氣流影響，研究區(qū)所涉及到的7個重點城市四季整體上主要受短距離氣流影響較大，受長距離氣團輸送的影響相對較小。

表1 2014～2020年華北平原不同城市四季后向軌跡聚類統(tǒng)計結果

圖9 2014～2020年華北平原不同城市四季后向軌跡聚類分布

3.3 污染物潛在源區(qū)分析

圖10給出了2014～2020年華北平原7個重點城市不同空氣質量指數等級占比情況。由圖10可知，2014～2020年，安徽合肥空氣質量優(yōu)良天數占比最大(70.58%)，江蘇南京次之(68.76%)，而河北石家莊最低(45.62%)，且石家莊的重度、嚴重污染天數占比分別為10.12%、4.06%，均高于其他6個城市。上述分析表明，合肥和南京的空氣質量狀況較好，石家莊的空氣質量狀況差。因此，本文選擇空氣污染相對嚴重的石家莊進行潛在源貢獻因子分析。相關研究表明，MODIS氣溶膠光學厚度產品數據與空氣質量指數數據間有一定的相關性，可以基于氣溶膠光學厚度與空氣質量指數進行空氣污染的相關研究[44-45]。本文按0.5°×0.5°格網將研究區(qū)網格化，并將閾值設置為101(即空氣質量指數級別的三級標準)，以此求出每個網格對應的潛在源貢獻值(Wp)。

圖10 2014～2020年華北平原不同空氣質量指數等級占比情況

圖11為石家莊春、夏、秋、冬四季潛在污染源的分布。WP值越大，表明該格網污染的軌跡占比越高，即該格網受外來污染物輸送的可能性越大，對應的顏色越深。本文按WP值0.1～0.3、 0.3～0.7、0.7～1.0分為輕度、中度和重度污染來標示潛在源區(qū)屬性。由圖11可知，石家莊潛在污染源分布具有明顯的季節(jié)性特征。春季重度污染網格位于陜北南半部、山西西南部和東南部、河南東部和北部、山東西南部以及安徽北部和西北部；夏季潛在源區(qū)最為集中，重度污染網格主要集中于汾河平原、山東菏澤、河南東部和北部以及安徽西北部；秋季重度污染網格縮小，主要集中在河南與山東兩省交界處、臨汾盆地和河南中北部；冬季潛在源區(qū)和秋季類似，呈條帶狀分布，但重度污染網格有所增加，且來源方向為內蒙古西北部、陜西北部、汾河平原、河南東北部、河北中部和南部、山東聊城以及天津。結合后向軌跡聚類分析結果和王冠嵐等的研究結果[46]可知，影響石家莊空氣質量的首要污染物多為本地生成，但氣象條件、人口數量、工業(yè)排放和燃煤用量等因素與空氣污染也關系密切。

圖11 2014～2020年石家莊潛在源區(qū)的四季分布

3.4 濃度權重分析

由于潛在源貢獻因子分析識別的潛在源只能反映某網格內污染軌跡占軌跡總數的比例，無法體現該網格對目標網格的貢獻程度。為此，本文引入濃度權重分析計算污染物潛在源區(qū)的貢獻度(WC)。WC值越大，表示該格網對目標格網的貢獻程度越高，即該格網出現高濃度的污染物，且對應的顏色越深。結果如圖12所示。

圖12 2014～2020年石家莊濃度權重軌跡的四季分布

石家莊春季WC值大于100的高值區(qū)主要分布在河北西南部、東南部和中部，山東西北部、西南部和中南部，河南及內蒙古中西部；夏季WC值大于100的高值區(qū)顯著增多，主要分布在山東、河北、河南三省交界處及其周邊區(qū)域，以及山西等地區(qū)；秋季WC值大于100的區(qū)域分布較分散，主要分布在山東、河北、河南三省交界處及其周邊區(qū)域，以及內蒙古中西部、陜西北部、汾河平原，此外，渤海也有一定的貢獻；冬季WC值大于100的高值區(qū)是四季中分布范圍最廣的季節(jié)，其中大于200的高值區(qū)主要分布于陜西延安、山西呂梁、河北石家莊和邯鄲、河南鶴壁及其周邊區(qū)域。綜上所述，石家莊春、夏、秋、冬四季空氣污染主要受本地排放影響較大，同時也受到周邊省市近距離輸送的影響。

4 結 語

(1)2011～2020年華北平原氣溶膠光學厚度月均值呈顯著的周期性變化，以年為周期，每個周期內峰值一般出現在6月至8月；氣溶膠光學厚度月際年內變化呈單峰分布，峰值出現在6月(0.75)，最小值出現在12月(0.37)。氣溶膠光學厚度季節(jié)性變化特征呈夏季(0.67)最大、春季(0.59)次之、秋季(0.46)最小的特征?？傮w而言，2011～2020年華北平原氣溶膠光學厚度年均值整體呈下降趨勢，下降幅度達36.84%。

(2)華北平原春、夏、秋、冬四季整體上主要受短距離氣團輸送影響較大，長距離氣團輸送影響較小。但是，受季風氣候、東南暖濕氣流及人類活動的影響，北京春、秋和冬季受長距離氣團輸送的影響大。

(3)根據華北平原大氣污染狀況分析結果可知，河北石家莊的空氣質量狀況較差。綜合潛在源貢獻因子、濃度權重和后向軌跡聚類分析結果可知，石家莊污染物潛在源區(qū)具有明顯的季節(jié)性特征，其中夏季的重污染潛在源區(qū)最為集中且范圍最大。經分析，影響石家莊空氣質量的污染物多為本地生成，同時也受到周邊省市近距離輸送的影響。