程瀅，彭婷，王玉祥，吳瑩

(江蘇省泰州環(huán)境監(jiān)測(cè)中心，江蘇 泰州 225300)

泰州市地處江蘇中部，位于長(zhǎng)江下游地區(qū)，是長(zhǎng)三角中心城市之一。目前針對(duì)泰州市空氣質(zhì)量的專項(xiàng)研究較少，吳瑩等[1-3]對(duì)泰州市大氣污染物的短期時(shí)空分布特征及氣象條件進(jìn)行了分析，王玉祥等[4]對(duì)泰州市 2013—2017年大氣污染特征及潛在來(lái)源進(jìn)行了分析。PM2.5的來(lái)源主要分為自然源(火山噴發(fā)、地面揚(yáng)塵、森林火災(zāi)和植物排放等)和人為源(化石燃料燃燒、汽車尾氣排放、工業(yè)生產(chǎn)排放和建筑揚(yáng)塵等)[5]。為進(jìn)一步提升泰州大氣環(huán)境質(zhì)量，現(xiàn)選取2020年泰州市大氣PM2.5質(zhì)量濃度高值區(qū)——蓮花國(guó)控空氣站點(diǎn)(以下簡(jiǎn)稱“蓮花站點(diǎn)”)所在的海陵區(qū)為研究區(qū)域，采用空氣自動(dòng)監(jiān)測(cè)數(shù)據(jù)和PM2.5組分手工監(jiān)測(cè)數(shù)據(jù)，采用正定矩陣因子分解(PMF)受體模型對(duì)區(qū)域大氣污染源及貢獻(xiàn)率開展深度追溯解析，提出管控措施及建議。

1 數(shù)據(jù)來(lái)源和研究方法

1.1 數(shù)據(jù)來(lái)源

2020年泰州市6個(gè)國(guó)控空氣站點(diǎn)大氣 PM2.5的質(zhì)量濃度數(shù)據(jù)來(lái)自中國(guó)空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)(https://www.aqistudy.cn)。蓮花站點(diǎn)周圍大氣PM2.5手工采樣組分分析數(shù)據(jù)來(lái)自江蘇省泰州環(huán)境監(jiān)測(cè)中心。氣象數(shù)據(jù)來(lái)自NCEP(美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心)提供的GDAS氣象數(shù)據(jù)(全球資料同化系統(tǒng)，ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)，分辨率為1°×1°。

1.2 研究方法

拉格朗日粒子擴(kuò)散模型(LPDM)溯源模型：LPDM是常被用作模擬大氣中氣體和氣溶膠的輸運(yùn)和湍流混合的工具。基于拉格朗日方法的中小尺度擴(kuò)散模式，LPDM計(jì)算了大量概念粒子的軌跡，通過(guò)軌跡來(lái)模擬粒子的擴(kuò)散過(guò)程，能夠同時(shí)考慮粒子在傳輸過(guò)程中不同外界因素(包括放射性衰變、化學(xué)損失、干濕沉降等)的影響，有效模擬由于熱對(duì)流或者復(fù)雜地形而產(chǎn)生的粒子流動(dòng)擴(kuò)散情況，并能夠很好地表征粒子的光化學(xué)特征，常被用于預(yù)測(cè)放射性物質(zhì)的濃度[7-11]。

正定矩陣因子分解(PMF)受體模型：PMF受體法是基于受體采樣點(diǎn)獲取的物理化學(xué)信息來(lái)反推各種源貢獻(xiàn)的源解析方法,是將細(xì)顆粒物中對(duì)源有指示意義的化學(xué)示蹤物信息與數(shù)學(xué)統(tǒng)計(jì)方法相結(jié)合而發(fā)展起來(lái)的方法。該方法應(yīng)用較早，也是目前國(guó)內(nèi)外最常用的PM2.5源解析方法[12-15]?，F(xiàn)使用PMF受體模型對(duì)大氣PM2.5進(jìn)行源解析?；舅悸肥牵紫葘M2.5中各化學(xué)組分的質(zhì)量濃度、PM2.5的總質(zhì)量濃度以及各化學(xué)組分的測(cè)量偏差輸入模型，然后利用權(quán)重計(jì)算出PM2.5中各化學(xué)組分的誤差，再通過(guò)最小二乘法確定PM2.5的主要污染源及其貢獻(xiàn)率[16-18]。

2 結(jié)果與討論

2.1 2020年蓮花站點(diǎn)顆粒物污染狀況

2020年，泰州市大氣PM2.5年均質(zhì)量濃度為37 μg/m3，同比降低了15.9%；各站點(diǎn)質(zhì)量濃度為35～39 μg/m3，蓮花站點(diǎn)最高。1—9月，蓮花站點(diǎn)PM2.5質(zhì)量濃度高出國(guó)控站點(diǎn)平均值2～8 μg/m3，5月高出國(guó)控站點(diǎn)平均值8 μg/m3，較PM2.5質(zhì)量濃度最低的國(guó)控站點(diǎn)高14 μg/m3，蓮花站點(diǎn)所在的海陵區(qū)是全市PM2.5質(zhì)量濃度的高值區(qū)。10—12月泰州市開展“大氣治理百日攻堅(jiān)戰(zhàn)”，海陵區(qū)管控成效明顯。2020年蓮花站點(diǎn)的PM2.5月均質(zhì)量濃度變化趨勢(shì)見圖1。由圖1可見，10—12月，蓮花站點(diǎn)的PM2.5質(zhì)量濃度在6個(gè)國(guó)控站點(diǎn)中的排名持續(xù)向好。

圖1 2020年蓮花站點(diǎn)的PM2.5月均質(zhì)量濃度變化趨勢(shì)

2020年泰州市大氣國(guó)控站點(diǎn)PM2.5和PM10的質(zhì)量濃度見表1。由表1可見，蓮花站點(diǎn)全年ρ(PM10)為56 μg/m3，低于國(guó)控站點(diǎn)平均值57 μg/m3。揚(yáng)塵污染一般會(huì)造成粗粒子濃度偏高，導(dǎo)致粗粒子在大氣顆粒物中的占比偏高，[ρ(PM10)-ρ(PM2.5)]/ρ(PM10)值代表粒徑在2.5～10 μm之間的顆粒物在大氣顆粒物中的占比，該值越大表示粗粒子在大氣顆粒物中占比較高，該值越小表明大氣顆粒物中主要成分為細(xì)粒子。蓮花站點(diǎn)該值最低，說(shuō)明該站點(diǎn)揚(yáng)塵污染相對(duì)較輕，大氣顆粒物污染以PM2.5為主。

表1 2020年泰州市大氣國(guó)控站點(diǎn)PM2.5和PM10的質(zhì)量濃度 μg/m3

2.2 大氣PM2.5的PMF受體模型源解析結(jié)果

圖2 2020年蓮花站點(diǎn)PM2.5各組分占比

圖3 2020年蓮花站點(diǎn)PM2.5各組分變化趨勢(shì)

2020年蓮花站點(diǎn)的PM2.5源解析結(jié)果見圖4(a)(b)。由圖4(a)可見，2020年影響蓮花站點(diǎn)PM2.5的污染源及貢獻(xiàn)占比分別是：流動(dòng)源(24.9%)、工業(yè)源(21.8%)、燃煤源(16.8%)、生物質(zhì)燃燒源(11.4%)、揚(yáng)塵源(7.5%)、二次生成源(17.6%)。其中流動(dòng)源、工業(yè)源和二次生成源是主要污染源，三者貢獻(xiàn)占比之和達(dá)64.3%。由圖4(b)可見，蓮花站點(diǎn)PM2.5的污染源貢獻(xiàn)占比存在明顯的時(shí)間差異，二次生成源在冬季明顯增加，夏季有小幅增加；生物質(zhì)燃燒源貢獻(xiàn)在3，5和9月明顯增加；揚(yáng)塵源在春季和秋季明顯增加；流動(dòng)源受疫情影響在2和3月占比較低；工業(yè)源和燃煤源較為穩(wěn)定。

圖4 2020年蓮花站點(diǎn)的PM2.5源解析結(jié)果

2.3 重點(diǎn)污染時(shí)段PM2.5污染特征分析

2.3.1 1—2月PM2.5污染特征

1月，蓮花站點(diǎn)PM2.5月均質(zhì)量濃度為70 μg/m3，是月均質(zhì)量濃度最高的月份。2020年1—2月蓮花站點(diǎn)的PM2.5源解析結(jié)果見圖5。

圖5 2020年1—2月蓮花站點(diǎn)的PM2.5源解析結(jié)果

由圖5可見，各類污染源及貢獻(xiàn)占比分別為：流動(dòng)源(26.2%)、工業(yè)源(26.1%)、燃煤源(16.5%)、二次生成源(18.6%)、揚(yáng)塵源(7.9%)、生物質(zhì)燃燒源(4.7%)。對(duì)比2月PM2.5組分濃度及解析結(jié)果，1—2月污染特征分析如下。

(2)2月受一次燃燒源影響較為顯著。EC主要來(lái)自含碳燃料的不完全燃燒，具有較強(qiáng)的惰性和熱穩(wěn)定性，常被用作一次燃燒源的排放示蹤物。2月ρ(EC)為1.11 μg/m3，較1月上升了23.2%。Cl-來(lái)自煤燃燒和生物質(zhì)燃燒，K+是生物質(zhì)燃燒的指示物，ρ(Cl-)/ρ(K+)越高，說(shuō)明煤燃燒強(qiáng)度越大。1，2月該值分別為2.37和2.57，與1月相比，2月煤燃燒強(qiáng)度更大，燃煤源貢獻(xiàn)占比略有上升，達(dá)到18.3%。

(3)煙花爆竹燃放現(xiàn)象仍有發(fā)生。2020年1—2月蓮花站點(diǎn)的PM2.5燃燒源解析結(jié)果見圖6。由圖6可見，春節(jié)期間(1月26日—2月8日)ρ(PM2.5)有顯著抬升趨勢(shì)，ρ(K+)上升幅度較大，ρ(Cl-)/ρ(K+)明顯下降，從1月23日的4.26下降至1月29日的0.95，說(shuō)明煙花爆竹燃放對(duì)PM2.5的貢獻(xiàn)較大。

圖6 2020年1—2月蓮花站點(diǎn)的PM2.5燃燒源解析結(jié)果

2.3.2 5月PM2.5污染特征

5月，蓮花站點(diǎn)PM2.5質(zhì)量濃度相對(duì)較高。2020年5月蓮花站點(diǎn)的PM2.5源解析結(jié)果見圖7。由圖7可見，PM2.5污染源及貢獻(xiàn)占比分別為：流動(dòng)源(23.3%)、工業(yè)源(21.8%)、燃煤源(16.0%)、二次生成源(11.7%)、揚(yáng)塵源(8.1%)、生物質(zhì)燃燒源(19.1%)，與年均值相比，生物質(zhì)燃燒源貢獻(xiàn)占比上升顯著。

圖7 2020年5月蓮花站點(diǎn)的PM2.5源解析結(jié)果

2020年5月蓮花站點(diǎn)的PM2.5各組分變化特征見圖8。由圖8可見，自5月16日開始，EC、K+、Cl-質(zhì)量濃度大幅增長(zhǎng)，5月28日達(dá)到峰值，分別為1.93，3.72和3.71 μg/m3，較非秸稈焚燒日(5月16日)分別上升378%，355%和963%，上升幅度非常大，造成空氣質(zhì)量短時(shí)達(dá)重度污染，秸稈焚燒日造成蓮花站點(diǎn)5月PM2.5月均質(zhì)量濃度上升3 μg/m3。

圖8 2020年5月蓮花站點(diǎn)的PM2.5組分變化特征

2.3.3 10月PM2.5污染特征

10月，蓮花站點(diǎn)PM2.5污染源及貢獻(xiàn)占比分別為：流動(dòng)源(19.3%)、工業(yè)源(23.6%)、燃煤源(17.7%)、二次生成源(11.8%)、揚(yáng)塵源(15.1%)、生物質(zhì)燃燒源(12.5%)，揚(yáng)塵源污染相對(duì)嚴(yán)重。2020年蓮花站點(diǎn)各月顆粒物濃度變化趨勢(shì)見圖9。

圖9 2020年蓮花站點(diǎn)各月顆粒物濃度變化趨勢(shì)

由圖9可見，蓮花站點(diǎn)PM2.5和PM10月均質(zhì)量濃度變化趨勢(shì)基本一致，5—8月PM2.5與PM10質(zhì)量濃度最接近，[ρ(PM2.5)-ρ(PM10)]/ρ(PM10)在10月達(dá)到峰值(0.48)，較9月上升47.5%，說(shuō)明揚(yáng)塵污染貢獻(xiàn)占比明顯上升。

2.3.4 12月PM2.5污染特征

12月，對(duì)PM2.5貢獻(xiàn)較高的污染源主要為二次生成源、流動(dòng)源和燃煤源，貢獻(xiàn)占比分別為33.3%，20.3%和20.1%，其他各類污染源貢獻(xiàn)占比分別為：工業(yè)源(15.6%)、生物質(zhì)燃燒源(5.8%)、揚(yáng)塵源(4.9%)。12月主要污染過(guò)程有3次：12月11—13日，12月21—24日，12月27—28日，這3次污染過(guò)程均表現(xiàn)出區(qū)域型污染特征。以12月21—24日污染過(guò)程為例，主要由于不利擴(kuò)散條件引起本地污染物快速二次轉(zhuǎn)化，疊加上游地區(qū)顆粒物污染傳輸導(dǎo)致。數(shù)值模擬結(jié)果顯示，21—24日外源輸送對(duì)江蘇省污染貢獻(xiàn)為21%～49%，內(nèi)源貢獻(xiàn)為51%～79%。LPDM溯源模型結(jié)果顯示，21日主要受內(nèi)源影響；22—23日氣團(tuán)仍以內(nèi)源為主，來(lái)自安徽方向的外源貢獻(xiàn)增加；24日內(nèi)源貢獻(xiàn)有所減弱，外源輸送面積增加，氣團(tuán)主要來(lái)自山東、河北、安徽等地，見圖10(a)(b)(c)(d)。

圖10 2020年12月21—24日氣團(tuán)貢獻(xiàn)分布

3 結(jié)論及建議

3.1 結(jié)論

(1)2020年影響泰州市PM2.5高值區(qū)的污染源及貢獻(xiàn)占比分別是：流動(dòng)源(24.9%)、工業(yè)源(21.8%)、燃煤源(16.8%)、生物質(zhì)燃燒源(11.4%)、揚(yáng)塵源(7.5%)、二次生成源(17.6%)。其中流動(dòng)源、工業(yè)源和二次生成源是主要污染源，三者貢獻(xiàn)占比之和達(dá)64.3%。

(2)對(duì)重點(diǎn)污染時(shí)段進(jìn)行PM2.5分析，1月流動(dòng)源污染相對(duì)嚴(yán)重，貢獻(xiàn)占比達(dá)26.2%；受疫情影響，2月大氣PM2.5污染來(lái)源較為單一，主要來(lái)自一次燃燒排放，燃煤源貢獻(xiàn)占比上升至18.3%；生物質(zhì)燃燒源對(duì)蓮花站點(diǎn)PM2.5貢獻(xiàn)較大，在不利氣象條件下導(dǎo)致5月底出現(xiàn)重污染過(guò)程；受施工工地?fù)P塵影響，10月?lián)P塵源貢獻(xiàn)占比明顯上升；12月受區(qū)域污染傳輸影響較大。

3.2 建議

(1)優(yōu)化城市路網(wǎng)結(jié)構(gòu)，加強(qiáng)重要交叉路口的交通管制，推行錯(cuò)峰上下班政策，有效解決高峰擁堵現(xiàn)象，提高道路通行效率，防止車輛怠速或低速行駛造成尾氣排放量激增而導(dǎo)致的PM2.5濃度上升。(2)強(qiáng)化工地?fù)P塵管控，在全市建筑施工工地、道路施工工地、裸土點(diǎn)位開展?jié)L動(dòng)督查，推進(jìn)建筑工地標(biāo)準(zhǔn)化建設(shè)，充分發(fā)揮樣板工地的示范帶動(dòng)作用。(3)全面取締燃煤爐，摸清在用燃煤爐數(shù)量，社區(qū)加大巡查力度，實(shí)現(xiàn)動(dòng)態(tài)清零。(4)嚴(yán)抓秸稈禁燒工作，推廣主城區(qū)鐵塔監(jiān)控經(jīng)驗(yàn)，實(shí)現(xiàn)秸稈禁燒視頻監(jiān)控系統(tǒng)在全市重點(diǎn)農(nóng)作物區(qū)域的全時(shí)段覆蓋，嚴(yán)格落實(shí)禁燒工作責(zé)任追究制度。