趙竹君,陸忠奇,何 清,王建林

阿克達拉大氣本底站甲烷濃度特征及影響因素

趙竹君1,2,3,陸忠奇1,2,何 清2,3*,王建林3,4

(1.新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院,新疆 烏魯木齊 830046；2.中國氣象局烏魯木齊沙漠氣象研究所,新疆 烏魯木齊 830002；3.中國氣象局阿克達拉大氣本底野外科學(xué)試驗基地,新疆 阿勒泰 836500；4.阿克達拉區(qū)域大氣本底站,新疆 阿勒泰 836500)

利用2009～2019年阿克達拉國家大氣本底站CH4濃度數(shù)據(jù)、氣象要素數(shù)據(jù),使用隨機森林模型、后向軌跡模型聚類分析方法對其CH4濃度變化特征和影響因素進行分析.結(jié)果表明,10a間阿克達拉站CH4濃度增長明顯,年平均濃度為(1934.30±30.94)×10?9,平均增長率0.45%;季節(jié)變化呈現(xiàn)秋冬高、春夏低的特征,冬季(1973.77±36.72)×10?9>秋季(1935.86±36.14)×10?9>春季(1922.36±26.38)×10?9>夏季(1920.92±29.82)×10?9.阿克達拉站CH4濃度受到氣象因素綜合影響,氣溫和相對濕度占主導(dǎo)作用.基于HYSPLIT模式和全球資料同化系統(tǒng)氣象數(shù)據(jù)(GDAS)后向軌跡聚類分析發(fā)現(xiàn),阿克達拉站氣團移動的主要通道是與額爾齊斯河河谷平行,途徑阿拉山口和老風(fēng)口的西北路徑,且秋冬季節(jié)氣團移動速度慢、春夏快,可能影響了CH4濃度季節(jié)變化.

阿克達站；CH4；聚類分析；隨機森林模型

甲烷(CH4)是僅次于CO2的第二大溫室氣體,它在大氣中的濃度遠小于CO2,但卻占全球輻射強迫的20%[1].政府間氣候變化專門委員會(IPCC)的第六次評估報告中指出CH4是影響輻射強迫第二大溫室氣體[2].過去的200年間,CH4在大氣中的濃度已經(jīng)增加了2倍以上,主要來源于人類活動的煤炭開采、石油和天然氣的泄露、水稻的種植等[3].

目前,國內(nèi)外的大氣本底站都開展了多年CH4濃度連續(xù)觀測[4].對華北背景地區(qū)上甸子大氣本底站和東北背景地區(qū)龍鳳山大氣本底站2009～2013年CO2, CH4濃度水平及變化特征研究表明,華北與東北地區(qū)CO2, CH4變化差異明顯[5-6].亞洲季風(fēng)區(qū)7個本底站CH4濃度分布呈現(xiàn)北高南低的特征,溫度和降水量是影響CH4濃度主要因素,且呈顯著負相關(guān)[7].瓦里關(guān)全球大氣本底站代表了亞歐大陸大氣本底特征,溫室氣體濃度變化是全球氣候變化的重要數(shù)據(jù)支撐[8].目前大氣本底站分布及研究多集中在歐洲、北美等地區(qū),亞洲地區(qū)的本底站數(shù)量比較少;我國大氣本底站多位于東部沿海.中亞地區(qū)和我國西北的大氣本底站CH4變化特征和影響因素研究工作較少.

阿克達拉國家大氣本底站是中國氣象局設(shè)立的6個區(qū)域大氣本底站之一,位于中國新疆阿勒泰地區(qū)戈壁內(nèi),本底參數(shù)可以代表中亞和新疆北疆的本底情況[9].本文利用2009～2019年阿克達拉站CH4濃度數(shù)據(jù)、氣象要素數(shù)據(jù),使用隨機森林模型、后向軌跡模型聚類分析方法分析阿克達拉站CH4濃度變化特征和影響因素,旨在為區(qū)域環(huán)境政策和大氣污染防治策略的制定提供參考.

1 材料與方法

1.1 研究區(qū)域

阿克達拉國家大氣本底站(47.10°N,87.93°E;海拔563.3m)位于新疆維吾爾自治區(qū)阿勒泰地區(qū)福?？h戈壁區(qū)域內(nèi).站點遠離城市中心,周圍50km內(nèi)無強排放源,是經(jīng)過中國氣象局科學(xué)論證的區(qū)域大氣本底站.其地處干旱半干旱區(qū),為溫帶大陸性氣候,春季多大風(fēng)寒潮天氣;夏季高溫干燥,大氣對流作用較強,多陣雨和陣風(fēng);秋季短暫,冷空氣作用逐漸增強;冬季受到蒙古高壓影響,冷空氣活動頻繁,多降雪,因晴空輻射而形成逆溫層[9].全年以西風(fēng)、西北風(fēng)為主,冬季偏東風(fēng)增多.阿克達拉站所處位域為中亞西風(fēng)帶的上游地區(qū),與哈薩克斯坦、蒙古國、俄羅斯接壤,其獨特的地理位置決定了阿克達拉站為我國西部大氣本底觀測重要站點.氣團軌跡分析發(fā)現(xiàn)站點受到來自中亞的氣團影響,觀測數(shù)據(jù)可反映新疆北疆乃至中亞區(qū)域內(nèi)大氣本底特征[10].

1.2 數(shù)據(jù)來源

觀測數(shù)據(jù)來自于阿克達拉國家大氣本底站CH4觀測資料,利用便攜式采樣器和Flask硬質(zhì)玻璃瓶每周采樣,分析參照WMO/GAW推薦的方法.數(shù)據(jù)的跨度為2009年9月～2019年12月.阿克達拉站氣象資料來自中國氣象局,包括平均氣壓、平均溫度、平均相對濕度、水氣壓、平均2min 風(fēng)速.用于時間序列變化對比分析的同時間段瓦里關(guān)全球大氣本底站(瓦里關(guān)站;WLG;36.17°N,100.54°E;海拔3816m)、美國莫納羅亞全球大氣本底站(Mauna Loa station; MLO;19.53°N,155.8°W;海拔3397m)的數(shù)據(jù)來自WMO世界溫室氣體數(shù)據(jù)中心(https://gaw.kishou. go.jp/).后向軌跡氣象資料采用美國國家環(huán)境預(yù)報中心(NCEP)提供的同期全球資料同化系統(tǒng)(GDAS)數(shù)據(jù)(間隔6h,水平分辨率0.5°×0.5°),氣象要素包括溫度、氣壓、相對濕度、垂直和水平風(fēng)速、水氣壓等.

1.3 隨機森林模型(RF)

RF是一種利用許多決策樹形成的集合分類器,通過bootstrap重采樣技術(shù),將原本樣本集中的數(shù)據(jù)進行隨機抽取形成新的樣本集和具有N個分類樹組成的森林模型[11],是決策樹算法的改進.特征選擇利用隨機方法,根據(jù)內(nèi)在的估計誤差、分類能力和相關(guān)系數(shù)決定其特征的數(shù)目.最小集中樹相關(guān)性分析利用了分區(qū)射頻隨機輸出的方法回歸,輸出平均值[12].它可以進行多變量重要性排序,提供每個變量的相對重要性,有效減少了平衡誤差也避免了過度擬合[13].本文中CH4濃度為因變量,平均氣壓、平均溫度、平均相對濕度、水氣壓、平均2min風(fēng)速5個氣象因素為自變量.

1.4 HYSPLIT后向軌跡模式及聚類分析

HYSPLIT模型是由美國國家海洋和大氣管理局(NOAA)空氣資源實驗室和澳大利亞氣象局聯(lián)合開發(fā)的一種模型,用于計算和分析污染物的輸送、擴散軌跡、潛在源等.模型中處理了多種氣象要素、不同物理過程和不同污染物的完整輸送、擴散和沉降等基本模式. HYSPLIT模型在PM2.5等大氣污染和水汽傳輸路徑研究中應(yīng)用廣泛[14-17].

本研究利用NCEP提供的GDAS數(shù)據(jù),利用MeteoInfo軟件中的TrajStat插件(http://www. meteothink.org/)進行后向軌跡聚類分析,以阿克達拉站(47.10°N,87.93°E)為受點,時間長度和高度分別為24h,100m和48h,1000m.研究表明100m高度的氣流與地面對流、地面摩擦、地形的影響關(guān)系密切,可以反映氣體的本地源[18];1000m高度位于自由大氣下層,邊界處位置氣團輸送與地表摩擦基本消失,此時溫室氣體可以隨著空氣團的流動遠距離傳輸,山脈等都不會影響到其傳輸,可以反映氣體的遠距離輸送特征[19].

2 結(jié)果與討論

2.1 阿克達拉站CH4濃度變化特征

2009～2019年阿克達拉站CH4濃度,發(fā)現(xiàn)其呈現(xiàn)明顯的季節(jié)變化特征和波動上升的趨勢(圖1).

圖1 阿克達拉站CH4濃度時間序列變化

瓦里關(guān)全球大氣本底站位于青藏高原,是亞歐大陸大氣本底的代表;莫納羅亞全球大氣本底站位于美國夏威夷,受到海洋氣流控制,人為源和生物活動很小,被認為是全球大氣平均水平的代表.阿克達拉的2009～2019年年平均濃度為(1934.30±30.94)× 10?9,平均增長率0.45%.年平均濃度(圖2a),2009～ 2019年瓦里關(guān)站和阿克達拉站的年平均濃度水平基本相當,均略高于莫納羅亞站.莫納羅亞站位于北半球低緯度地區(qū),而北半球CH4濃度的分布呈現(xiàn)從北到南遞減的空間特征,亞洲季風(fēng)區(qū)的高值區(qū)位于30°N～60°N,這與瓦里關(guān)站和阿克達拉站年平均濃度高于莫納羅亞站的情況一致[7].另外,CH4并不能長時間穩(wěn)定存在,受到溫度和濕度等氣象因素的影響,溫度低和大氣結(jié)構(gòu)穩(wěn)定的條件下不利于CH4的擴散,從而導(dǎo)致了較高的濃度;而濕度會影響大氣中OH自由基的濃度,影響CH4光化學(xué)反應(yīng)的過程,進而影響CH4濃度[20].瓦里關(guān)站和阿克達拉站的年平均溫度分別為-0.9和4℃[21],因此,氣象條件差異導(dǎo)致了阿克達拉CH4年平均濃度略高于瓦里關(guān)站.增長率方面(圖2b),瓦里關(guān)站、阿克達拉站、莫納羅亞站CH4濃度均呈現(xiàn)上升趨勢,瓦里關(guān)站和莫納羅亞站都保持在0.6%左右的均勻上升趨勢,而阿克達拉站的增長率變化幅度較大.因為瓦里關(guān)站位于高海拔的無人區(qū),而莫納羅亞站所在位置人員活動極少.阿克達拉站周圍存在人員活動,可能在人為因素影響下導(dǎo)致增長率變化較大[22-24].值得注意的是,阿克達拉站2010～2011年、2016～2017年均出現(xiàn)了CH4濃度下降的現(xiàn)象,這可能與當?shù)丨h(huán)境政策相關(guān).阿克達拉站所處的新疆阿勒泰地區(qū)礦產(chǎn)資源豐富,是我國重要的稀有金屬產(chǎn)地之一.從2007年起阿勒泰地區(qū)開始針對于大型礦山展開生態(tài)治理工作,開展4a綜合治理工作后礦山開采的有序程度和綠色礦山的建設(shè)程度大大提升,大規(guī)模礦業(yè)生產(chǎn)排放的CH4減少.另外,新疆已經(jīng)實現(xiàn)了全區(qū)煤改氣取暖工作,阿勒泰地區(qū)也逐步推進電采暖項目,這些區(qū)域環(huán)境政策可能是CH4濃度下降的原因之一.

如圖3所示,受局地源匯的影響,阿克達拉站CH4濃度季節(jié)變化特征明顯,秋冬高、夏秋低,冬季(1973.77±36.72)×10?9>秋季(1935.86±36.14)×10?9>春季(1922.36±26.38)×10?9>夏季(1920.92±29.82)× 10?9,各個季節(jié)CH4濃度均呈上升趨勢,平均增長率冬季(0.59%)>秋季(0.52%)>夏季(0.37%)>春季(0.30%).11月～次年1月形成了CH4濃度峰值,而6～8月間CH4濃度出現(xiàn)小峰值,最高值和最低值出現(xiàn)在1月和5月,分別為(1975.61±36.91)×10?9、(1908.73±27.47)×10?9,這與瓦里關(guān)、上甸子、臨安等季風(fēng)區(qū)大氣本底站存在明顯不同[25].3～6月阿克達拉站CH4濃度出現(xiàn)了下降并保持了較低的濃度,Wang等[21]和李淑婷等[26]都指出3～6月阿克達拉站O3濃度處于較高水平,而O3可以提供參與CH4光化學(xué)反應(yīng)的OH,且此時溫度和濕度呈現(xiàn)上升趨勢,在氣象因素和光化學(xué)反應(yīng)前體物的綜合作用之下可能導(dǎo)致CH4的下降[27].6～8月是夏季放牧黃金期,此時放牧活動頻繁,生物源可能成為CH4濃度變化的主導(dǎo)因素之一.而進入秋冬季節(jié)以后,阿克達拉站CH4濃度呈現(xiàn)快速升高趨勢.阿克達拉站所處的新疆阿勒泰地區(qū)天氣寒冷、冬季來臨較早,10月份已經(jīng)進入了采暖期,這個時期CH4濃度變化可能與人為取暖排放相關(guān)[28].并且本地區(qū)冬季受到蒙古冷高壓影響,地面也存在大量積雪產(chǎn)生輻射逆溫現(xiàn)象,大氣層結(jié)穩(wěn)定度高,不利于CH4擴散[29].與此同時,溫度和濕度條件不利于CH4光化學(xué)反應(yīng).因此,人為因素和自然因素綜合作用下導(dǎo)致阿克達拉站冬季CH4濃度較高.

圖3 阿克達拉站CH4濃度逐月變化(a)和季節(jié)濃度變化(b)趨勢

2.2 CH4濃度與氣象因子的關(guān)系

利用隨機森林模型預(yù)測氣象因素對CH4濃度變化的影響(圖4),CH4濃度和模擬值之間的相關(guān)系數(shù)為0.89,氣象因素對于阿克達拉站CH4濃度排序為溫度>相對濕度>平均水氣壓>平均2min風(fēng)速>平均氣壓.溫度對變化的影響最大,其次是相對濕度,CH4濃度受到所有氣象因素的共同影響.

圖4 氣象要素對CH4濃度影響重要性排序

2009～2019年阿克達拉站地面溫度分布在-31.2～32℃,平均溫度4.21℃,按照圖5(a)所示將其分為6個等級,獲得不同氣溫等級下CH4濃度分布,發(fā)現(xiàn)CH4濃度基本呈現(xiàn)隨溫度升高而降低的趨勢. <-20℃的天數(shù)占總體10.91%, -20℃～-10℃為14.97%,-10℃～0℃為11.62%,0℃～10℃為16.01%,10℃～20℃為25.66%,>20℃為20.83%.阿克達拉站所處的阿勒泰地區(qū)為中溫帶大陸性氣候,冬季長而寒冷,夏季短促氣溫平和[30].溫度升高會造成大氣穩(wěn)定程度下降,垂直層面上的對流作用愈發(fā)明顯,因此CH4在垂直方向上的擴散和輸送可能導(dǎo)致其濃度下降[31];溫度升高為CH4的光化學(xué)反應(yīng)提供了條件,促進了O3光解產(chǎn)生O,O與H2O結(jié)合產(chǎn)生OH,導(dǎo)致CH4的光化學(xué)反應(yīng)進一步增強,可能造成CH4濃度下降[32-33].因此,可能在上述兩種機制的作用下出現(xiàn)了隨著溫度升高CH4濃度降低的現(xiàn)象.

2009～2019年阿克達拉站地面相對濕度分布在21～91%,平均相對濕度為62.01%,按照圖5(b)所示將其分為5個等級,獲得不同濕度等級下CH4濃度分布圖,呈現(xiàn)隨著濕度升高CH4濃度升高的趨勢.濕度20%～35%的天數(shù)占比6.32%,濕度35%～ 50%占比21.35%,濕度50%～65%占比22.88%,濕度65%～80%占比37.47%,濕度>80%占比11.98%.阿克達拉站因冬季受蒙古高壓影響溫度低、降雪量大,漫長的冬季導(dǎo)致地面存在大量積雪,進而產(chǎn)生輻射逆溫現(xiàn)象,使大氣層結(jié)穩(wěn)定度高,不利于CH4擴散[34].此時溫度和濕度條件不利于CH4光化學(xué)反應(yīng),這可能是隨著相對濕度增加CH4濃度增加的原因之一.

2.3 氣團輸送對CH4濃度的影響

由圖6可知,阿克達拉站四季后向軌跡聚類分析變化明顯,表1為不同季節(jié)各個軌跡氣流來源與占比.阿克達拉站位于額爾齊斯河河谷的核心位置,河谷呈西北走向,在冬季受到蒙古冷高壓控制作用明顯.通過100m,24h聚類分析局地源輸送結(jié)果分析,冬季來自新疆北疆的氣流占主導(dǎo)作用,其次是來自哈薩克斯坦東部的氣流.新疆北疆地區(qū)人口密集、工業(yè)發(fā)達,并且準噶爾盆地的西北邊緣是重要的油氣開發(fā)和金屬礦山開采地區(qū),冬季大氣層結(jié)穩(wěn)定程度提升,不利于氣流遠距離運輸和擴散,可能在人為活動影響下造成阿克達拉站CH4濃度增高[35].通過1000m,48h聚類分析遠距離輸送結(jié)果分析發(fā)現(xiàn),約有59.47%的氣流來自于西北方向的哈薩克斯坦東部,經(jīng)過阿拉山口和老風(fēng)口,與冷空氣移動路徑基本一致.來自蒙古國的氣流分別從南北兩側(cè)沿著阿爾泰山到達阿克達拉,約占40.53%.

春季是阿克達拉站大風(fēng)天氣多、寒潮多的季節(jié),風(fēng)向以西風(fēng)和西北風(fēng)為主.通過100m,24h聚類分析局地源輸送結(jié)果分析,春季氣流多來自西北方向,軌跡較長、氣團移動速度快.途徑哈薩克斯坦污染比較重的阿拉木圖市的氣流可能貢獻了較多的CH4[29];來自北疆地區(qū)的本地氣流普遍軌跡短、移動速度慢,CH4不易發(fā)生擴散,可能影響阿克達拉的CH4濃度.1000m,48h聚類分析遠距離輸送結(jié)果發(fā)現(xiàn),約92.64%氣流來自于哈薩克斯坦,氣團移動速度快,自哈薩克斯坦東部主要工業(yè)城市和布克賽爾、薩烏爾山,沿著布克薩爾附近山脈的走向進入新疆.少部分氣流來自北疆地區(qū),氣流短,氣團移動速度慢,來自準噶爾盆地中心的氣團向北輸送至阿克達拉站[28].

夏季阿克達拉站對流作用強,盛行西風(fēng)和西北風(fēng).通過100m,24h聚類分析局地源輸送結(jié)果分析,來自準噶爾盆地北部邊緣和來自西北哈薩克斯坦經(jīng)過哈巴河、北屯等農(nóng)業(yè)發(fā)達地區(qū)氣流較春季明顯增多,這些地區(qū)6～8月的農(nóng)業(yè)活動比較頻繁,可能導(dǎo)致阿克達拉站的CH4濃度小幅度增加[36].1000m,48h聚類分析遠距離輸送的氣流主要來自于西和西北方向,約43.65%氣流來自俄羅斯南部,途徑哈薩克斯坦到達阿克達拉站.氣流軌跡受到額爾齊斯河河谷地形的影響,軌跡長、移動速度快.

秋季阿克達拉站對流作用減弱,并且冷空氣活動較弱,地面風(fēng)為西風(fēng)環(huán)流作用和局地山谷風(fēng)為主.通過100m,24h聚類分析局地源輸送結(jié)果發(fā)現(xiàn),來自新疆北坡經(jīng)濟帶核心區(qū)域和農(nóng)業(yè)產(chǎn)區(qū)的氣流明顯增加,這部分氣流途徑克拉瑪依、昌吉、烏魯木齊以及準格爾盆地北緣等地區(qū),并且移動速度慢,可能貢獻了較大的CH4濃度[37].遠距離輸送氣流以來自哈薩克斯坦的氣流為主,且有來自俄羅斯南部西西伯利亞地區(qū)的氣流跨越阿爾泰山到達阿克達拉站.因為哈薩克斯坦、西西伯利亞等地區(qū)緯度高,取暖季來臨比較早,可能會導(dǎo)致CH4濃度上升.

圖6 阿克達拉站四季氣流后向軌跡100m,24h (a1, b1, c1, d1)和1000m,48h (a2, b2, c2, d2)聚類分析對比

綜上,通過100m,24h聚類分析局地源輸送和1000m,48h聚類分析遠距離輸送結(jié)果發(fā)現(xiàn),阿克達拉站全年來自中亞地區(qū)的氣團占主導(dǎo)作用,與額爾齊斯河河谷平行,途徑阿拉山口和老風(fēng)口的西北路徑是氣團輸送的主要通道.冬秋季CH4濃度增高,來自北疆地區(qū)和準格爾盆地北緣的氣流明顯增多,氣團移動速度慢;夏季和春季CH4濃度較低,氣團移動速度快.新疆北疆是全疆經(jīng)濟發(fā)展的核心區(qū),工業(yè)化程度高、人類活動頻繁,尤其是在秋冬季節(jié)的取暖等活動增多,加之秋冬季節(jié)大氣穩(wěn)定程度高,污染物擴散作用減弱,CH4隨著氣團的移動到達阿克達拉站,這可能是秋冬季節(jié)阿克達拉CH4濃度上升的重要原因之一.

表1 阿克達拉站四季氣流后向軌跡100m,24h和1000m,48h聚類分析來源對比

注:加粗字體為此季節(jié)占比最大的氣流.

3 結(jié)論

3.1 阿克達拉大氣本底站2009～2019年CH4濃度呈現(xiàn)明顯上升趨勢,平均增長率0.45%,年平均濃度為(1934.30±30.94)×10?9.CH4濃度季節(jié)變化呈現(xiàn)秋冬高、春夏低的趨勢,冬季(1973.77±36.72)×10?9>秋季(1935.86±36.14)×10?9>春季(1922.36±26.38)× 10?9>夏季(1920.92±29.82)×10?9.

3.2 阿克達拉站CH4濃度變化與氣象因素有關(guān).溫度和相對濕度是影響CH4濃度變化的主要因素,CH4濃度和溫度呈負相關(guān)關(guān)系,和相對濕度呈正相關(guān)關(guān)系.

3.3 阿克達拉站CH4濃度變化與氣團移動過程有關(guān).全年來自中亞地區(qū)的氣團占主導(dǎo)作用,到達阿克達拉站的氣團移動的主要通道為與額爾齊斯河河谷平行,途徑阿拉山口和老風(fēng)口的西北路徑.全年來自哈薩克斯坦東部氣流影響較大,秋冬季節(jié)來自北疆的氣團增多.秋冬季節(jié)氣團移動速度慢,夏季和春季的氣流軌跡長、氣團移動速度快.不同季節(jié)氣團數(shù)目、移動速度、途徑地區(qū)污染程度不同可能是阿克達拉站CH4濃度季節(jié)變化的影響因素之一.

3.4 阿克達拉站CH4濃度變化與人為因素相關(guān).區(qū)域環(huán)境政策實行對阿克達拉站CH4濃度年變化可能產(chǎn)生影響.氣團移動過程途徑哈薩克斯坦阿拉木圖等經(jīng)濟發(fā)展快、人員密集的區(qū)域和布克賽爾等農(nóng)業(yè)發(fā)達地區(qū)的氣流增多可能會造成阿克達拉站CH4濃度增加.冬季取暖等人類活動也會造成阿克達拉站CH4濃度變化.

[1] Saunois M, Stavert A R, Poulter B, et al. The global methane budget 2000～2017 [J]. Earth System Science Data, 2020,12(3):1561-1623.

[2] IPCC. Climate change 2021: the physical science basis [M]. Cambridge: Cambridge University Press, 2021.

[3] 人行國際司青年課題組.主要國家實現(xiàn)“碳中和”路線圖[N]. 第一財經(jīng)日報, 2021-02-04(A11).

PBOC International Division Youth Project Group. Road Map for major countries to achieve carbon neutrality [N]. China Business News, 2021-02-04(A11).

[4] Lioubimtseva E, Henebry G M. Climate and environmental change in arid Central Asia: Impacts, vulnerability, and adaptations [J]. Journal of Arid Environments, 2009,73(11):963-977.

[5] Fang S X, Tans P, Dong F, et al. Characteristics of atmospheric CO2and CH4at the Shangdianzi regional background station in China [J]. Atmospheric Environment, 2016,131:1-8.

[6] Fang S X, Tans P, Yao B, et al. Study of atmospheric CO2and CH4at Longfengshan WMO/GAW regional station: the variations, trends, inflfluence of local sources/sinks, and transport [J]. China Earth Sci., 2017,60:1886-1895.

[7] 張世勍,曹閃閃,胡禮庭,等.亞洲季風(fēng)區(qū)大氣CH4濃度時空變化特征影響因素[J]. 應(yīng)用生態(tài)學(xué)報, 2021,32(4):1406-1416.

Chang S Q, Chao S, Hu L T, et al. Spatio-temporal variation characteristics and influencing factors of atmospheric CH4concentration in Asian monsoon region [J]. Journal of Applied Ecology, 2021,32(4):1406-1416.

[8] Xu W Y, Xu X B, Lin M Y, et al. Long-term trends of surface ozone and its influencing factors at the Mt Waliguan GAW station, China–Part 2: The roles of anthropogenic emissions and climate variability [J]. Atmospheric Chemistry and Physics, 2018,18(2):773-798.

[9] 馮先林,錢康妮,博爾楠,等.阿克達拉大氣本底站CO質(zhì)量濃度變化特征分析[J]. 陜西氣象, 2021,1:44-49.

Feng X L, Qian K N, Bo E N, et al. Characterization of CO mass concentration variation at Akedala atmospheric background station [J]. Shaanxi Meteorology, 2021,1:44-49.

[10] 徐曉斌,湯 潔.新建大氣本底站候選站址科學(xué)論證[J]. Annual Report of CAMS, 2004,00:34-35.

Xu X B, Tang J. Scientific demonstration of candidate site of new atmospheric background station [J]. Annual Report of CAMS, 2004,00:34-35.

[11] Sun J, Zhong G, Huang K, et al. Banzhaf random forests: cooperative game theory based random forests with consistency [J]. Neural Networks, 2018,106:20-29.

[12] Hong Y, Chen S, Liu Y, et al. Combination of fractional order derivative and memory-based learning algorithm to improve the estimation accuracy of soil organic matter by visible and near-infrared spectroscopy [J]. CATENA, 2019,174:104–116.

[13] Wang Y Q, Zhang X Y, Draxler R R. TrajStat: GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data [J]. Environmental Modeling and Software, 2009,24(8):938-939.

[14] 熊 健,馮徽徽,丁 瑩,等.長沙地區(qū)PM2.5傳輸路徑和潛在源區(qū)時空分析[J]. 環(huán)境科學(xué)學(xué)報, 2020,41(9):3663-3672.

Xoing J, Feng H H, Ding Y, et al. Spatial and temporal analysis of PM2.5transmission paths and potential source areas in Changsha area [J]. Acta Scientiae Circumstantiae, 2020,41(9):3663-3672.

[15] Hiep Nguyen Duc, Kristina Shingles, Stephen, et al. Spatial-Temporal Pattern of Black Carbon (BC) Emission from Biomass Burning and Anthropogenic Sources in New South Wales and the Greater Metropolitan Region of Sydney, Australia [J]. Atmosphere, 2020, 11(6):570.

[16] 符傳博,丹 利,佟金鶴.2017年秋季海口市一次持續(xù)空氣污染過程特征及成因分析[J]. 環(huán)境化學(xué), 2021,40(4):1048-1058.

Fu C B, Dan L, Tong J H.Characteristics and causes analysis of a persistent air pollution process in Haikou City in autumn 2017 [J]. Environmental Chemistry, 2021,40(4):1048-1058.

[17] 萬占鑫,肖萬有,王窈英,等.河西走廊西部一次暴雨過程的水汽特征分析[J]. 內(nèi)蒙古氣象, 2021,2:14-19.

Wang Z X, Xao W Y, Wang Y Y, et al.Analysis of water vapor characteristics of a heavy rainfall process in western Hexi Corridor [J]. Inner Mongolia Meteorology, 2021,2:14-19.

[18] Oke T R. Boundary layer climates [Z]. Routledge, 2002.

[19] Danuta St?palska, Dorota Myszkowska, Katarzyna Piotrowicz, et al. High Ambrosia pollen concentrations in Poland respecting the long distance transport (LDT) [J]. Science of the Total Environment, 2020,736(C):1-14.

[20] Zhang Yong, Jin Jun Li, Yan Peng, et al. Long-term variations of major atmospheric compositions observed at the background stations in three key areas of China [J]. Advances in Climate Change Research, 2020,11:370-380.

[21] Wang H Q, Ma J M, Shen Y J, et al. Assessment of ozone variations and meteorological influences at a rural site in Northern Xinjiang [J]. Bulletin of Environmental Contamination and Toxicology, 2015,94: 240-246.

[22] 張定媛,廖 宏.大氣甲烷的源和匯及其濃度的觀測模擬研究進展[J]. 氣象科技進展, 2015,5(1):40-47.

Zhang D Y, Liao H. Advances in the research on sources and sinks of CH4and observations and simulations of CH4concentrations [J]. Advances in Meteorological Science and Technology, 2015,5(1): 40-47.

[23] 張 芳,周凌晞,許 林.瓦里關(guān)大氣CH4濃度變化及其潛在源區(qū)分析.中國科學(xué):地球科學(xué), 2013,43(4):536-546.

Zhang F, Zhou L X, Xu L. Temporal variation of atmospheric CH4and the potential source regions at Waliguan, China [J]. Science China: Earth Sciences, 2013,43(4):536-546.

[24] 張 芳.大氣CO2, CH4和CO濃度資料再分析及源匯研究[D]. 北京:中國氣象科學(xué)研究院, 2011.

Zhang F. Reanalysis and Evaluation of Atmospheric CO2, CH4and CO [D]. Beijing: Chinese Academy of Meteorological Sciences, 2011.

[25] 浦靜姣,徐宏輝,顧駿強,等.氣象因素對長三角背景地區(qū)甲烷濃度的影響分析 [J]. 環(huán)境科學(xué), 2013,34(3):835-841.

Pu J J, Xu H H, Gu J Q, et al. Influence of meteorological factors on methane concentration in background area of Yangtze River Delta [J]. Environmental Science, 2013,34(3):835-841.

[26] 李淑婷,李 霞,鐘玉婷,等.2017～2018年阿克達拉O3濃度特征及氣象因子分析[J]. 沙漠與綠洲氣象, 2020,14(1):115-122.

Li S T, Li X, Zhong Y T, et al. O3concentration characteristics and analysis of meteorological factors in Akdala, 2017～2018 [J]. Desert and Oasis Meteorology, 2020,14(1):115-122.

[27] 吳海寶.大氣中甲烷的光化學(xué)反應(yīng)及其環(huán)境效應(yīng)[J].環(huán)境污染與防治, 1989,4:13-15.

Wu H B. Photochemical reactions of CH4in the atmosphere and its environmental effects [J]. Prevention and Control of Environmental Pollution, 1989,4:13-15.

[28] Li H L, He Q, Liu X C. Identification of Long-Range Transport Pathways and Potential Source Regions of PM2.5and PM10at Akedala Station, Central Asia [J]. Atmosphere, 2020,11:1183-1200.

[29] 趙權(quán)威,何 清,王慧琴,等.阿克達拉大氣本底站NO2輸送路徑及潛在源分析[J]. 環(huán)境科學(xué)學(xué)報, 2021,41(3):874-885.

Zhao Q W, He Q, Wang H Q, et al. Identification of transport pathways and potential source areas of NO2in Akedala [J]. Acta Scientiae Circumstantiae, 2021,41(3):874-885.

[30] Wang H Q, He Q, Tao L, et al. Characteristics and source of black carbon aerosols at Akedala station, Central Asia [J]. Meteorol. Atmos. Phys., 2012,118:189–197.

[31] 馮冬霞,高曉清,周 亞,等.青藏高原大氣甲烷濃度時空分布變化特征[J]. 氣候與環(huán)境研究, 2017,22(3):346-354.

Feng D X, Gao X Q, Zhou Y, et al. Characteristics of spatial?temporal variation of atmospheric methane over the Tibetan Plateau [J]. Climatic and Environmental, 2017,22(3):346-354.

[32] 任信榮,王會祥,邵可聲,等.北京市大氣OH自由基測量結(jié)果及其特征[J]. 環(huán)境科學(xué), 2002,23(4):24-27.

Ren X R, Wang H X, Shao K S, et al. Measurement results and characteristics of Oh radicals in the atmosphere of Beijing [J]. Environmental Science, 2002,23(4):24-27.

[33] 陳碧輝,李躍清,何光碧,等.溫室氣體源匯及其對氣候影響的研究進展 [J]. 成都信息工程學(xué)院學(xué)報, 2006,21(1):123-127.

Chen B H, Li Yue Q, He G B, et al. Greenhouse gas sources and sinks and their impacts on climate [J]. Journal of Chengdu Institute of Information Engineering, 2006,21(1):123-127.

[34] 張廣興,崔彩霞,趙元茂,等.阿克達拉大氣本底站氣流軌跡模擬研究 [J]. 中國沙漠, 2008,1(28):154-160.

Zhang G X, Cui C X, Zhao Y M, et al. A numerical simulation study of the air trajectory at the Akedala atmospheric background station [J]. China Desert, 2008,1(28):154-160.

[35] 楊 靜,何 靜,祝 婕,等.基于CALPUFF的“烏鄄昌鄄石冶區(qū)域燃煤污染物擴散模擬[J]. 科學(xué)技術(shù)與工程, 2020,20(3):1263-1270.

YangJ, He J, Zhu J, et al. CALPUFF-based "simulation of pollutant diffusion from coal combustion in wujuanchang-shiye region [J]. Science Technology and Engineering, 2020,20(3):1263-1270.

[36] 徐宏輝,浦靜姣,顧駿強,等.臨安區(qū)域本底站大氣甲烷濃度變化特征 [J]. 長江流域資源與環(huán)境, 2012,21(2):204-208.

Xu H H, Pu J J, Gu J Q, et al. Variation characteristics of atmospheric methane concentration at background stations in the Lin'an City region [J]. Resources and environment of the Yangtze River Basin, 2012, 21(2):204-208.

[37] Petracchini F, Paciucci L, Vichi F, et al. Gaseous pollutants in the city of Urumqi, Xinjiang: Spatial and temporal trends, sources and implications [J]. Atmospheric Pollution Research, 2016,7(5):925-934.

致謝：感謝中國氣象局提供的阿克達拉大氣本底站經(jīng)過質(zhì)量處理的Flask瓶采樣分析數(shù)據(jù)和氣象資料,以及阿克達拉大氣本底站野外工作人員的辛苦工作.感謝世界溫室氣體數(shù)據(jù)中心(WDCGG)提供的以上所有地面站點觀測數(shù)據(jù).感謝MeteoInfo軟件開發(fā)者王亞強老師的團隊和美國國家環(huán)境預(yù)報中心(NCEP)提供的同期全球資料同化系統(tǒng)(GDAS)數(shù)據(jù).

Study on the concentration variation and impact factors of CH4in Akedala atmospheric background station.

ZHAO Zhu-jun1,2,3, LU Zhong-qi1,2, HE Qing2,3*, WANG Jian-lin3,4

(1.College of Resources & Environmental Sciences, Xinjiang University, Urumqi 830046, China；2.Institute of Desert Meteorology, China Meteorological Administration, Urumqi 830002, China；3.Field Scientific Experiment Base of Akedala Atmospheric Background, China Meteorological Administration, Altay 836500, China；4.Akedala Atmospheric Background Station, Altay 836500, China)., 2022,42(2)：519～527

The observation data of CH4concentrations and meteorological elements of Akedala station from 2009 to 2019 were used to analyze the CH4concentration changes and influencing factors using random forest model and backward trajectory model with clustering analysis methods. The results showed that the CH4concentrations at Akedala station increased significantly during the recent 10yaers with an annual average concentration of (1934.30±30.94)×10?9and an average growth rate of 0.45%. The seasonal changes showed high CH4in autumn and winter and low CH4in spring and summer, with winter (1973.77±36.72)×10?9>autumn (1935.86±36.14)×10?9>spring (1922.36±26.38)×10?9>summer (1920.92±29.82)×10?9. The CH4concentration change at Akedala station is influenced by a combination of meteorological factors, with air temperature and relative humidity playing the dominant roles. Backward trajectory clustering analysis based on HYSPLIT model driven by GDAS meteorological data reveals that air mass movement to Akedala station is mostly along the northwestern path paralleling to the Valley of Erchez River, and passing through Alashankou and Old Wind Pass. In addition, the low movement speed in autumn and winter as well as its high speed in spring and summer could affect the seasonal variation of CH4concentrations.

Akedala station；CH4；cluster analysis；random forest model

X511

A

1000-6923(2022)02-0519-09

趙竹君(1995-),女,河北保定人,新疆大學(xué)碩士研究生,主要從事大氣環(huán)境和大氣成分研究.發(fā)表論文2篇.

2021-07-15

第二次青藏高原綜合科學(xué)考察研究子專題(2019QZKK 010206)

* 責(zé)任作者, 研究員, qinghe@idm.cn