關鍵詞：重污染天氣；成因；污染物；輸送路徑；臨汾市

中圖分類號：X51 文獻標識碼：A 文章編號：1008-9500(2025)07-0162-03

DOI:10.3969/j.issn.1008-9500.2025.07.047

Analysis of the Causes and Pollutant Transport Paths of Persistent Heavy Pollution Weather in Linfen City

GAO Jingjing

(Linfen Central Regional Ecological Environment Monitoring Station，LinfenO41ooo，China)

Abstract:TheheavypolutionweatherinLinfen cityismainlyaffectedbylocalemissionsandexternal transportation.The frequentoccurenceof temperature inversioninwinterinhibitsthedifusionofpolutants，andtheconcentrationoffine particulate matter ( PM_2.5 ) is positively correlated with the intensity of temperature inversion.Local emissions are mainly from industry (47.5% )and transportation (22.5% )，with external transportation contributing 30%～40% .Numerical simulations showthat polutants mainly come from the northwest direction in winter and from the southeast direction in summer. Buildingapolution warning systemand implementing astrategy thatcombines pollution source control with meteorological regulation can effectively improve air quality.

Keywords:heavy pollution weather; causes; pollutant; transport path; Linfen city

臨汾市地形復雜，氣象條件受地形、季風和區(qū)域環(huán)流影響，當?shù)仡l繁出現(xiàn)重污染天氣。冬季逆溫現(xiàn)象使污染物積聚，難以擴散。研究表明，本地排放（主要來自工業(yè)和交通）與外部輸送（主要來自西北和東南方向）是大氣污染物濃度升高的主要原因?；诖?，本文提出構建污染預警系統(tǒng)、污染源管控與氣象調控相結合的策略，為改善臨汾市空氣質量提供科學依據(jù)。

1臨汾市氣象條件

臨汾市位于山西省西南部，氣候受地形、季風和區(qū)域環(huán)流影響，年平均氣溫為 12.3°C ，冬季平均氣溫為 -1.8°C ，夏季平均氣溫為 25.7°C 。年平均相對濕度為 58% ，冬季較低（ 45%～50% ），夏季較高（ 70%～75% ）。年平均風速為 2.3m/s ，冬季平均氣壓為 1020hPa ，夏季為 1005hPa ，春秋季氣壓波動較大[。冬季，冷空氣沿山坡下沉，形成逆溫層。冬季逆溫現(xiàn)象發(fā)生頻率為 65%～70% ，逆溫層厚度通常為 200～400m ，持續(xù) 8～12h_? 。逆溫層抑制垂直氣流，導致污染物積聚，難以擴散。盆地地形還使風速較小，冬季平均風速為 1.8m/s ，低于夏季的 2.8m/s 進一步加劇污染物滯留。

逆溫現(xiàn)象與空氣穩(wěn)定性顯著影響污染物積累[2]。逆溫層使大氣垂直擴散減弱，導致污染物在近地面積聚，形成重污染天氣。根據(jù)2018一2020年的數(shù)據(jù)，冬季細顆粒物（ PM_2.5 ）濃度與逆溫層強度及持續(xù)時間正相關，逆溫層強度每增加 1^dC ， PM_2.5 濃度平均上升18～22μg/m³ ?？諝夥€(wěn)定性分析顯示，冬季臨汾市理查森數(shù)普遍大于0.25，表明大氣層結構穩(wěn)定，垂直湍流弱，進一步限制污染物擴散。具體監(jiān)測數(shù)據(jù)如表1所示。

2污染物輸送路徑分析

2.1污染物的來源與擴散特征

臨汾市污染物來源主要包括本地排放源和外部輸送源。本地排放源包括工業(yè)活動、交通運輸、居民生活及農(nóng)業(yè)活動等[3]。其中，工業(yè)排放占比最大，約為 47.5% ，以鋼鐵、焦化、水泥等高耗能行業(yè)為主；交通運輸排放占 22.5% ，主要來自機動車尾氣；居民生活和農(nóng)業(yè)活動分別貢獻 17.5% 和 12.5% 。外部輸送源主要來自周邊地區(qū)（如運城市、普中市等）及跨區(qū)域輸送（如京津冀地區(qū)），研究表明，外部輸送對臨汾市 PM_2.5 濃度的貢獻率為 30%～40% ，尤其在冬季靜穩(wěn)天氣條件下影響更為明顯。

污染物擴散受氣象和地形影響較大。臨汾市地處盆地，東西兩側被山脈環(huán)繞，限制污染物的水平擴散。冬季西北風較為常見，風速低且逆溫層影響強，導致污染物在近地面積聚。夏季風速較大，氣溫較高，大氣對流有助于污染物擴散，但夏季臭氧污染較為嚴重，這主要與光化學反應、氮氧化物（ NO_x ）和揮發(fā)性有機物（Volatile Organic Compounds，VOCs）的輸送有關。

采用正矩陣分解模型和數(shù)值模擬方法，量化本地排放與外部輸送對臨汾市 PM_2.5 的貢獻?；?018—2020年的數(shù)據(jù)，正定矩陣因子分解（PositiveMatrixFactorization，PMF）模型結果顯示，本地排放貢獻率為 60%～70% ，外部輸送貢獻率為 30%～40% 。本地排放中，二次無機氣溶膠（如硫酸鹽、硝酸鹽）占 35%～40% ，主要來自工業(yè)排放和機動車尾氣；外部輸送則以區(qū)域傳輸?shù)亩晤w粒物為主，占25%～30% 。除此之外，結合氣象和化學過程的中尺度數(shù)值模型（WRF-Chem模型）模擬污染物的擴散特征，模型參數(shù)包括 3km 的水平分辨率、35層垂直分層和 60s 的時間步長。模擬結果表明，冬季西北風主導時，外部污染物主要來自陜西省和內蒙古自治區(qū)，沿西北－東南方向進入臨汾盆地；而夏季東南風主導時，京津冀地區(qū)的污染物可通過長距離輸送影響臨汾市。

2.2輸送路徑的數(shù)值模擬與反演

采用拉格朗日軌跡模型和混合單一粒子拉格朗日集成軌跡模型（Hybrid Single-ParticleLagrangianIntegratedTrajectorymodel，HYSPLIT），分析氣象數(shù)據(jù)，對臨汾市2018—2020年冬季和夏季典型重污染事件的污染物輸送路徑及來源進行系統(tǒng)分析。模擬時間為 72h ，氣團高度分別設置為100、500、 1000m 以全面反映不同高度層的污染物輸送特征。

2019年1月冬季重污染事件中，臨汾市 PM_2.5 日均濃度最高達 350μg/m³ ，遠超國家二級標準。氣象條件表明，臨汾市大氣受西北風控制，逆溫層厚度為300m ，導致垂直擴散能力弱。HYSPLIT模型軌跡分析顯示，污染物主要來自西北方向，陜西省榆林市、內蒙古自治區(qū)鄂爾多斯市和山西省北部貢獻顯著，分別占 35% ！ 25% 和 20% 。2020年7月夏季重污染事件以 0₃ 為主， 0₃ 日最大 8h 平均濃度達到 280μg/m³ ，超出國家標準。氣象分析顯示，受東南風影響，臨汾市光化學反應活躍。軌跡分析顯示，污染物主要來自京津冀地區(qū)和河南省北部，貢獻分別為 40% 和 30% 。

為量化不同輸送路徑對污染物濃度的貢獻，綜合運用2種分析方法，即潛在源貢獻因子（PotentialSourceContributionFunction，PSCF）和濃度權重軌跡（ConcentrationWeighted Trajectory，CWT）。PSCF通過計算氣團軌跡經(jīng)過特定區(qū)域的概率識別潛在污染源，結果顯示，冬季陜西省榆林市、內蒙古自治區(qū)鄂爾多斯市和山西省北部的PSCF值均高于0.6，表明這些區(qū)域對臨汾市污染物濃度有顯著貢獻。CWT通過加權氣團軌跡上的污染物濃度量化來源區(qū)域的責獻，冬季陜西省榆林市、內蒙古自治區(qū)鄂爾多斯市和山西省北部的CWT值分別為120、90、 70μg/m³ 夏季京津冀地區(qū)和河南省北部的CWT值分別為100μg/m³ 和 80μg/m³ 。結果表明，臨汾市污染物輸送路徑具有顯著的季節(jié)性差異：冬季主要受西北風影響，氣團軌跡多來自陜西省、內蒙古自治區(qū)等西北方向，西北方向的輸送路徑占比為 60%～70% ；夏季則以東南風為主，污染氣團主要來自京津冀地區(qū)和河南省，東南方向的輸送路徑占比為 40%～50% 。這一結果與臨汾市地形特征和季風氣候高度吻合，表明外部污染物輸送對本地污染濃度的影響顯著。

3應對策略

3.1構建基于氣象因素的污染預警系統(tǒng)

為應對臨汾市頻發(fā)的重污染天氣，構建基于氣象因素的污染預警系統(tǒng)。系統(tǒng)整合氣象數(shù)據(jù)與污染物監(jiān)測數(shù)據(jù)，結合數(shù)值模擬與機器學習，提前預測重污染天氣，為防控提供科學依據(jù)。數(shù)據(jù)主要有2類，一是臨汾市及周邊氣象站的氣象監(jiān)測數(shù)據(jù)，二是臨汾市生態(tài)環(huán)境局的污染物濃度監(jiān)測數(shù)據(jù)。數(shù)據(jù)預處理步驟包括剔除異常值、插補缺失值與時間序列對齊，確保數(shù)據(jù)的完整性和一致性。通過多元線性回歸和隨機森林算法建立氣象－污染關聯(lián)模型，以 PM_2.5 為例，輸入變量包括逆溫層強度、逆溫層持續(xù)時間、風速、相對濕度、溫度及氣壓，輸出為 PM_2.5 濃度?；?018一2020年冬季數(shù)據(jù)訓練模型，驗證集為2020年冬季數(shù)據(jù)，結果顯示，隨機森林模型在預測 PM_2.5 濃度方面表現(xiàn)優(yōu)異，相關系數(shù)為0.85，均方根誤差為 15.6μg/m³ 。

為提高預警系統(tǒng)的時空分辨率，結合WRF-Chem數(shù)值模型進行動態(tài)模擬。模擬區(qū)域覆蓋臨汾盆地，輸入實時氣象數(shù)據(jù)后，可預測未來 ^72h 污染物擴散與積聚過程，生成動態(tài)預警信息。例如，當逆溫層強度增加 1^°C 且持續(xù)時間超過 8h 時，系統(tǒng)觸發(fā)重污染天氣預警。預警系統(tǒng)將污染天氣分為4個等級，即輕度污染（ PM_2.5 濃度介于 75～115μg/m³ ）、中度污染（ PM_2.5 濃度介于 115～150μg/m³ ）、重度污染（ PM_2.5 濃度介于 150～250μg/m³. ）和嚴重污染( PM_2.5 濃度大于 250μg/m³ ）。預警信息通過臨汾市生態(tài)環(huán)境局官網(wǎng)、短信與社交媒體實時發(fā)布，提醒公眾采取防護措施，并為政府部門制定應急減排方案提供依據(jù)。

3.2污染源管控與氣象調控相結合

針對臨汾市本地污染源，重點控制鋼鐵、焦化、水泥等高耗能行業(yè)的排放。冬季逆溫現(xiàn)象頻發(fā)時，實施嚴格的工業(yè)限產(chǎn)，重點關注 PM_2.5 貢獻大的行業(yè)。通過在線監(jiān)測實時監(jiān)控排放[4-5]，設定 PM_2.5 排放限值為 50μg/m³ ， SO₂ 為 100mg/m³ ， NO_x 為 150mg/m³ 使其達到超低排放標準。針對交通排放，結合氣象預報，預測未來 72h 出現(xiàn)逆溫層且風速低于 2.0m/s 時，啟動機動車單雙號限行，并發(fā)展公共交通，推廣新能源汽車，以減少尾氣排放。在農(nóng)業(yè)源方面，禁止焚燒秸稈，并推廣還田和生物質發(fā)電。結合衛(wèi)星遙感與地面巡查，確保管控落實。

氣象調控方面，根據(jù)WRF-Chem模型，在冬季靜穩(wěn)天氣下實施人工增雨或增雪，以增強大氣垂直擴散，緩解污染積聚。操作時，在逆溫層頂部使用碘化銀催化劑，每平方千米投放 0.5～1.0g ，作業(yè)持續(xù)^8h 以上，風速低于 2.0m/s 。針對外部輸送源，應與周邊地區(qū)建立聯(lián)防聯(lián)控機制（如共享氣象和污染數(shù)據(jù)、統(tǒng)一預警標準，協(xié)調限產(chǎn)和限行政策），以減少跨區(qū)域污染。

4結論

臨汾市持續(xù)性重污染天氣主要受氣象條件和污染物輸送路徑的雙重影響。冬季逆溫現(xiàn)象抑制垂直擴散，低風速加劇污染物積聚；夏季風速較高，有利于污染物擴散，但臭氧污染問題突出。污染物主要來源于本地排放和外部輸送，季節(jié)性差異明顯：冬季污染物主要來自西北方向，夏季則受東南風影響?；谘芯拷Y果，建議建立氣象驅動的污染預警系統(tǒng)，結合本地管控與區(qū)域聯(lián)防，實施精準減排和氣象調控措施。

參考文獻

1 黨淑青.臨汾市大氣降塵時空分布特征及影響因素分析[J].干旱環(huán)境監(jiān)測，2024（3）：119-123.

2 衛(wèi)甜，丁亨.臨汾地區(qū)持續(xù)性重污染天氣過程成因分析[J].成都信息工程大學學報，2023(4）:484-491.

3 樊晉宇.山西省4城市大氣污染物時空變化特征分析[D].太原：山西師范大學，2023.

4 吳張偉，劉立文，段永紅，等.臨汾市大氣污染物的時間分布特征與源區(qū)分析[J].中國環(huán)境監(jiān)測，2023（2）:95-106.

5 路紅娟.市區(qū)大氣污染現(xiàn)狀及治理對策分析[J]山西化工，2024（5）：268-269.