阿克达拉大气本底站黑碳浓度特征和潜在源

利用阿克达拉大气本底站2011~2017年黑碳气溶胶(BC)逐小时质量浓度资料和同期气象数据,采用后向轨迹聚类分析、潜在来源贡献函数法(PSCF)和浓度权重轨迹分析法(CWT),研究了阿克达拉站BC不同时间尺度浓度特征和潜在源区.结果表明:阿克达拉站2011~2017年BC呈波动下降趋势,BC清洁程度较高;BC浓度呈春冬高,夏秋低的季节变化特征,春季(398.85±189.35)ng/m^(3)>冬季(389.89±105.94)ng/m^(3)>夏季(272.07±90.07)ng/m^(3)>秋季(269.52±68.07)ng/m^(3),自然因素为BC浓度变化的主要原因;日变化特征表现为白天低、夜间高,基本呈单峰分布;阿克达拉站BC潜在源随季节变化差异明显,后向轨迹,WPSCF和WCWT分析都表明,春季潜在源集中于俄罗斯南部与新疆交界处的阿尔泰山北麓,秋季潜在源为新疆北疆经济带,冬季BC多受境外排放源影响.BC污染控制需要区域环境合作,实现联防联治,尤其是加强跨境污染源监测工作.

2017年10月海南省一次臭氧污染特征及输送路径与潜在源区分析

为了探讨2017年10月海南省一次O_(3)污染过程的气流轨迹、输送路径和潜在源区,采用海南省18个市县的AQI值、6类大气污染物质量浓度资料以及相关气象观测资料,结合HYSPLIT后向轨迹模型进行分析.结果表明:①2017年10月海南省有13个市县首要污染物为O_(3)的天数比例超过80%,其中9个市县达100%.2017年10月26日澄迈县和儋州市AQI值分别为171和151,均达中度污染等级,7个市县达轻度污染等级.②气象要素与AQI和污染物质量浓度之间均存在较好的相关关系,ρ(O_(3))、AQI与相对湿度的相关系数分别为-0.701和-0.685,均通过了99.9%的信度检验.③卫星反演结果表明,此次污染过程与外源输送关系密切.影响气流主要来自内陆地区的长距离气流、中短距离气流和来自东南沿海的中短距离气流,三支气流影响时段对应的海口市AQI值分别为83、69和61,对应的ρ(O_(3))分别为和135.0、119.6和102.3μg/m^(3).④通过计算PSCF(潜在源贡献因子)和CWT(浓度权重轨迹)发现,广东省为海南省的主要潜在贡献源区,湖南省、江西省、江苏省、浙江省和福建省等地区也有一定的潜在贡献.研究显示,2017年10月海南省出现的O_(3)污染过程中,污染物来源以外源输送为主.

银川市PM_(2.5)的输送路径及潜在源解析

基于2015~2017年银川市PM_(2.5)逐小时质量浓度和同期气象数据,采用气流后向轨迹聚类分析法、潜在来源贡献函数法(PSCF)和浓度权重轨迹分析法(CWT)研究银川市PM_(2.5)的输送路径及潜在源分布.结果表明:2013~2018年银川市大气PM_(2.5)质量浓度呈先升高后下降的趋势,其中2016年PM_(2.5)浓度年均值最高(54.25±20.91)μg/m^(3);在四季变化中,冬季PM_(2.5)浓度最高(75.11±29.21)μg/m^(3),夏季最低(31.83±7.09)μg/m^(3).聚类分析表明西北方向气流是银川市四季PM_(2.5)主要的输送路径,在春、秋、冬3季PM_(2.5)均为西北长距离输送路径;而在夏季,短距离输送气流是PM_(2.5)主要的输送方式.PSCF与CWT分析表明,冬季PM_(2.5)潜在源区范围最大,主要集中在西北-东南走向的潜在贡献源区带,包括新疆中东部、青海省北部、河西走廊地区、内蒙古西南部、甘肃省南部以及宁夏西北部;春、秋两季PM_(2.5)潜在源区主要位于新疆东部与甘肃省交界区域、甘肃省东南部、湖北北部、陕西西南部以及重庆北部;夏季的潜在源区范围最小,主要集中在新疆东部与甘肃交界区域.在PM_(2.5)重污染天气期间,其主要来源于西北方向气流,潜在源区主要分布在新疆东部与甘肃交界区域、内蒙古西南部与甘肃交界区域以及甘肃中南部地区.因此,在实施防风固沙的基础上,加强区域环境合作,实施大气污染联合防治,可以有效缓解银川乃至京津冀地区的大气污染.

蚌埠市PM2.5输送路径和潜在源贡献分析

利用拉格朗日混合单粒子轨道(hybrid single particle Lagrangian integrated trajectory,HYSPLIT)后向轨迹模式和全球资料同化系统(global data assimilation system,GDAS)气象数据(2016年3月1日—2017年2月28日),对抵达蚌埠市的逐小时3 d气流后向轨迹按季节聚类,并结合PM2.5质量浓度观测数据,分析不同输送途径的空间特征及其对蚌埠市PM2.5聚集的贡献。利用潜在源贡献因子(potential source contribution function,PSCF)和浓度权重轨迹(concentration weighted trajectory,CWT)分析方法,揭示了研究期内蚌埠市不同季节PM2.5的潜在源区分布及其贡献特性。结果表明:蚌埠市PM2.5输送途径的季节特征明显,气流输送轨迹除秋季的西北长轨迹气流对应的ρ(PM2.5)较高外,其他中、长轨迹所对应的ρ(PM2.5)均比短轨迹低。不同输送途径对蚌埠市PM2.5的贡献差异显著,春季主要贡献区集中在鲁东、江苏全境、安徽全境、豫东、赣北、浙北及黄海海域;夏季主要贡献区整体向南延伸,贡献区集中在苏南、皖西、皖北、赣北和黄海海域;秋季主要贡献区整体向西北延伸,皖北、苏北的贡献度最大;冬季主要贡献区整体向北延伸,贡献源空间形态与秋季相似,皖北、苏北、山东地区的贡献增大,环首都圈的天津、唐山、冀南的贡献也十分突出。

北京地区大气氨时空变化特征

在北京城区和上甸子本底地区分别开展了为期3a和1a的NH_(3)在线观测,并结合风向、风速、温度、相对湿度等气象因素的变化特征,分析了北京地区NH_(3)浓度水平、年季特征及影响因素.结果发现,北京城区和本底地区的NH_(3)年均浓度分别为(32.5±20.8)×10^(-9)V/V和(11.6±10.3)×10^(-9)V/V,北京城区的NH_(3)浓度高于大多数国内外主要城市和地区的NH_(3)浓度水平.城区和本底地区NH_(3)浓度年变化特征为夏季高,分别为(34.1±6.8)×10^(-9)V/V和(11.1±2.2)×10^(-9)V/V,冬季低,分别为(19.7±9.3)×10^(-9)V/V和(2.4±0.6)×10^(-9)V/V.NH_(3)的日变化特征受气象因素影响明显,其结果表明,春季城区NH_(3)浓度峰值出现在15:00,而本底地区受西南风影响在20:00达到峰值;夏季城区NH_(3)浓度最高值在7:00出现,本底地区则呈现双峰值(分别在09:00和22:00);秋季城区和本底地区的日变化规律一致,均在22:00出现峰值;冬季城区的峰值出现时间晚于本底地区,峰值分别出现在23:00和20:00.西南风是造成本底地区NH_(3)浓度升高的主要原因,春季和夏季,随着西南向风速的增大,NH_(3)浓度显著升高.城区的NH_(3)浓度则主要受到局地排放的影响.浓度权重轨迹法的研究结果发现,北京、天津、河北及河南北部地区是影响北京地区大气NH_(3)的主要源区.

2019年秋冬季京津冀与周边地区污染传输特征分析

本研究结合大气环境观测数据,应用潜在源分析法(PSCF)和浓度权重轨迹分析法(CWT),以及基于WRF-CMAQ模式的传输矩阵和传输通量计算方法,研究分析了2019年秋冬季京津冀典型城市的大气污染特征与成因,量化评估了京津冀地区与周边省份之间的PM_(2.5)传输贡献.结果表明,京津冀地区冬季较秋季污染严重,且重污染时段PM_(2.5)浓度均与相对湿度呈显著的正相关,和风速呈显著的负相关;京津冀典型城市北京、天津和石家庄的潜在源区主要分布在京津冀本地、山西、内蒙古中部地区和山东地区,这与CWT结果基本吻合.京津冀各省域的PM_(2.5)以本地排放贡献为主,北京、天津和河北的本地贡献率范围为54.33%~66.01%,京津冀受区域外传输的贡献率范围为0.11%~26.54%.传输通量结果表明,冬季PM_(2.5)的传输主要受高空西北气流的作用,尤其清洁天气,高风速驱动清洁气团流入;秋季则主要受低空东南气流作用;传输通量呈现出显著的垂直分布特征,高空区域传输作用更为活跃,传输通量的流入/流出以及垂直分布与污染级别和RH呈现非线性响应关系,主导风向变化导致重污染前的传输效应明显大于重污染期间,高湿环境的传输效应明显小于低湿环境.

临汾市臭氧污染变化特征、气象影响及输送源分析

结合2014~2020年临汾市臭氧逐小时质量浓度和同期气象数据、再分析数据以及潜在源贡献函数法(PSCF)对临汾市O_(3)污染时空变化特征、与气象因子的关系以及传输路径及潜在源分布开展研究.结果表明,临汾市近年来臭氧污染日益严重,O_(3)_8h_max年均质量浓度整体呈现上升趋势,2020年相对于2014年增加78.79%;月变化特征呈现“M”双峰型,季节变化峰值出现在夏季,而日变化受近地面大气光化学过程影响显著,呈较为明显的单峰单谷分布,峰值出现在14:00~16:00.O_(3)浓度与气温和日照时数呈显著线性正相关,当研究区相对湿度为40%~60%,气温高于20℃,风速区间为2~6m/s时易出现高浓度O_(3)污染.聚类分析表明临汾市O_(3)重污染天气期间以短距离输送气流为主,高O_(3)浓度除受到本地生成影响外,还受到省内临近城市及陕西省中部、河南省北部重工企业排放的大量NO_(x)和VOCs传输的影响.因此,针对临汾市O_(3)污染在严格控制本地污染源排放的前提下,必须加强汾渭平原地区的联防联控,才能有效缓解该区域大气污染的连片发生.

基于后向轨迹模式的豫南地区冬季PM 2.5来源分布及传输分析

为研究2017年12月—2018年2月冬季不同来源区域对豫南地区ρ(PM 2.5)的贡献影响及污染特征,利用HYSPLIT-4后向轨迹模式模拟了豫南地区冬季24 h的气团后向轨迹,结合ρ(PM 2.5)在线监测数据进行了聚类分析,研究了以豫南地区为受点的各月份PM 2.5不同轨迹的输送特征,并使用潜在源贡献(PSCF)分析法和浓度权重轨迹(CWT)分析法识别了豫南地区冬季PM 2.5的潜在贡献源区及贡献大小.结果表明:①信阳市空气质量最好,其次为驻马店市,南阳市空气质量最差;南阳市、信阳市和驻马店市ρ(PM 2.5)分别超过GB 3095—2012《环境空气质量标准》二级标准限值(75μg m 3)的1.5、1.2和1.2倍,ρ(PM 2.5)日变化均呈双峰特征.②后向轨迹聚类分析表明,豫南地区主要受到来自西北和东北方向长距离传输和正南方向较短距离输送的影响.③潜在源区分析表明,除豫南地区及周边市县本地污染贡献外,冀鲁豫交界区域、陕鄂交界区域、陕西省中西部、湖北省东北部和西部、河南省中北部、山东省南部是影响豫南地区ρ(PM 2.5)的主要潜在源区.研究显示,豫南地区PM 2.5污染过程除了与地形条件、本地污染源排放有关外,来自东北、西北传输通道城市的远距离输送和南部的近距离传输也不容忽视.

西北干旱区乌海市PM_(2.5)的输送路径及潜在源解析

乌海市是中国西北干旱区主要的煤炭工业城市之一,其PM_(2.5)浓度变化特征、输送路径及潜在源尚不清楚。基于2016—2018年乌海市PM_(2.5)逐小时质量浓度数据,采用聚类分析法、潜在来源贡献函数(potential source contribution function,PSCF)和浓度权重轨迹分析法(concentration-weighted trajactory,CWT)等探讨乌海市PM_(2.5)的输送路径及潜在源。结果表明:2016—2018年乌海市PM_(2.5)质量浓度年均值呈下降趋势,冬季PM_(2.5)浓度最高,夏季最低。聚类分析表明西北方向路径是乌海市四季PM_(2.5)主要的输送路径,乌海市气流在春、秋、冬三季均来自于西北长距离输送,其PM_(2.5)平均质量浓度约97.96~151.33μg·m^(-3),而在夏季短距离输送气流是主要的输送路径,其PM_(2.5)平均质量浓度约87.11~96.88μg·m^(-3)。PSCF与CWT分析表明冬季PM_(2.5)的潜在源区范围最大,主要源自库姆塔格沙漠、柴达木盆地、腾格里沙漠、巴丹吉林沙漠以及河西走廊等地区;春、秋两季PM_(2.5)的潜在源区主要位于库姆塔格沙漠及河西走廊地区;夏季的潜在源区范围最小,主要来自河西走廊局部地区。PM_(2.5)重污染期间,其主要路径来源于西北方向,潜在源区主要分布在青海北部与甘肃交界处、新疆东部零星地区以及乌海南部地区。这些结果说明乌海市PM_(2.5)污染的潜在源区主要集中在西北干旱荒漠区,因此,防风固沙和减缓土地荒漠化技术的实施可有效改善乌海市和西北干旱区的空气质量。

不同季节天津市PM_(2.5)与O_(3)潜在源区及传输路径分析

为探究天津市各季节PM_(2.5)与O_(3)污染的非本地源贡献情况,本文以2017—2019年为研究时段,应用HYSPLIT模型,基于MeteoInfo软件对不同季节气流后向轨迹进行聚类分析,通过计算潜在源贡献因子(potential source contribution function,PSCF)、浓度权重轨迹(concentration-weighted trajectory,CWT)对天津市PM_(2.5)与O_(3)污染的外来潜在源区以及可能的污染传输途径进行研究.结果表明:①天津市PM_(2.5)和O_(3)污染均较为严重,且具有明显季节性特征.天津市各季节的气流变化明显,春、秋两季以西南方向气流为主,夏季以来自渤海的气流为主,冬季则以西北方向气流为主.②天津市西南方向气流在各季节对应的污染物浓度均较高,春、秋两季西南方向气流携带的ρ(PM_(2.5))和O_(3)浓度8 h滑动平均值〔简称“ρ(O_(3)-8 h)”〕均最高;夏季,西南方向气流携带的ρ(O_(3)-8 h)最高;冬季,西南方向轨迹携带的ρ(PM_(2.5))最高.③西南方向上河北省南部的邯郸市,山东省西部的菏泽市、聊城市,以及河南省北部的开封市、濮阳市、新乡市均为天津市PM_(2.5)与O_(3)污染的主要潜在源区.此外,冬季张家口市和唐山市对天津市PM_(2.5)污染的潜在影响也较大.冬季影响天津市PM_(2.5)污染的外来潜在源区情况较为复杂,除西南气流外,其还受西北部与东部气流的影响.研究显示,天津市大气污染区域联防联控需重点关注河北省南部、河南省北部以及山东省西部城市的潜在输送影响.

甘肃地区春冬季颗粒物输送路径及潜在源分析——基于HYSPLIT4模式及TraPSA分析平台

利用HYSPLIT4模式和全球资料同化系统数据,计算了甘肃地区5个站点2017~2018年逐时72h气团后向轨迹;结合各站点颗粒物逐时质量浓度数据,选择颗粒物污染最严重的春冬季,利用轨迹聚类方法分析了甘肃地区后向气流轨迹特征;基于潜在源贡献函数(PSCF)分析法和浓度权重轨迹(CWT)分析法,将各站点分析结果输入TraPSA分析平台进行加权叠加分析,探讨了影响甘肃地区春冬季颗粒物质量浓度的潜在源区及其贡献.结果表明:西北路径是影响甘肃地区的首要路径,其移动速度快、输送距离长、污染程度严重;东北路径次之,主要来源地为蒙古及内蒙古地区;甘肃南部地区受东南路径的短距离输送影响较大,且受到来自青藏高原的输送影响;甘肃地区春季气团轨迹的输送距离较冬季长且输送高度高,冬季PM_(2.5)浓度均值和PM_(2.5)/PM_(10)的比值均较夏季高.多站点PSCF叠加分析发现,PM_(10)潜在贡献源区春季主要分布在新疆东部、准噶尔盆地、塔里木盆地东北部及青海西北部,蒙古南部、四川北部、青海西北部及东部有零星分布;冬季主要位于新疆东部及塔里木盆地、青海西北部及东部、陕西南部;冬季源区整体向南偏移,且省内的短距离输送加强.多站点CWT叠加分析发现,PM_(10)浓度贡献区春季主要位于新疆东部地区、准噶尔盆地附近,蒙古南部及内蒙古北部有线性分布,青海北部及甘肃北部区域有零星分布;冬季主要分布在新疆东部及甘肃北部地区;春季较冬季PM_(10)污染的主要贡献区域更大、污染更重,但省内的短距离传输及颗粒物污染程度减弱.

基于多种TSM方法的北京国家奥林匹克体育中心2月颗粒物来源解析

利用HYSPLIT(Hybrid Single Particle Lagrangian Integrated Trajectory)模型和ERA_INTERIM数据,计算2013-2017年北京奥林匹克体育中心(以下简称奥体中心)2月期间抵达的72 h后向轨迹,并结合聚类分析方法和污染物浓度数据,分析2月不同轨迹对奥体中心污染物浓度的影响,采用四种不同的轨迹分析方法分析奥体中心污染物来源特征,并通过实例分析了不同轨迹分析方法的优缺点和适用性。结果表明:奥体中心2月主导气流明显,为西北路径,出现概率为55.85%;清洁通道为北向气流,污染来源为南向路径和偏东路径,对应颗粒物浓度最高;通过轨迹统计方法得到奥体中心2月颗粒物主要污染来源为河北地区、山东半岛、黄渤海区域、新疆北部与河西走廊。此外,研究发现潜在源贡献函数和浓度权重轨迹方法适用于近距离污染源的识别;停留时间浓度加权方法采用确定性办法通过迭代可以精准识别出北京奥体中心主要污染物来源;定量传输偏差分析方法引入不确定性概念,适用于大范围确定性污染源识别,但同时会产生虚假的污染物来源。不过,采用RTWC方法和QTBA方法相结合可消除QTBA方法带来的虚假污染源。

南平市细颗粒物潜在来源分析

通过研究2016年气团的后向轨迹分布特征,分析全年以及典型月份后向轨迹与细颗粒物浓度之间的关系,利用潜在源贡献因子法(PSCF)和浓度权重轨迹(CWT)识别南平市细颗粒物的潜在来源区域。

典型输送通道城市冬季PM_(2.5)污染与传输变化特征

以京津冀典型输送通道上的河北西南4个城市邯郸、邢台、衡水和沧州为例,分析了2019~2021年冬季3 a气象条件与PM_(2.5)浓度变化特征,运用潜在源贡献分析(PSCF)和浓度权重分析(CWT)识别了研究期内4个城市PM_(2.5)输送特征,基于气象-空气质量模型(WRF-CMAQ)传输矩阵法和传输通量法量化评估了邯郸、邢台、衡水和沧州与周边地区之间的PM_(2.5)传输贡献,揭示了PM_(2.5)传输净通量的垂直分布变化特征,并进一步识别4个城市两条PM_(2.5)污染主要传输路径.结果表明,在研究期间,4个城市PM_(2.5)浓度呈下降趋势,下降比例分别为45.85%、49.45%、42.40%和31.65%;邯郸和邢台潜在源贡献较大的区域主要分布在山西中南部(临汾、长治和晋中)和河南北部(新乡、开封和郑州)以及少部分内蒙古部分地区(PSCF>0.9),衡水和沧州潜在贡献较大的区域主要集中在河北南部(邯郸、石家庄)、山西中部(太原、阳泉)和部分山东地区(PSCF>0.7),CWT结果显示与PSCF类似;研究时段内4个城市冬季PM_(2.5)均呈现本地贡献率(51.11%~62.99%)略高于区域贡献率(37.01%~48.89%)的特征,受水平湍流和垂直扩散等影响,4个城市2020年区域传输影响较其他年份稍高(0.50%~9.52%),而2021年由于PM_(2.5)浓度较低、气象因素影响等原因,区域传输影响较其他年份稍低(-2.15%~-9.52%);邯郸、邢台、衡水和沧州这4个城市3 a冬季与周边区域总流入(流出)通量强度大小均为:2020年>2021年>2019年,对于总净通量而言,4个城市3 a冬季分别为邯郸:0.094、-0.070和0.087 kt·d^(-1);邢台:0.212、0.395和0.544 kt·d^(-1);衡水:-0.040、-0.228和0.185 kt·d^(-1);沧州:0.062、0.126和0.128 kt·d^(-1).在研究期间邯郸、邢台和沧州多作为污染传输受体,而衡水多为传输源体.在0~1260 m之间,PM_(2.5)净传输通量强度基本随着高度的升高而增大,不同时期不同城市最大净通量不同,邯郸最大净通量位于252~1261 m,邢台最大净通量位于817 m,衡水最大净通量位于252~817 m,沧州最大净通量位于252~359 m;分析4个城市传输特征发现存在两条主要PM_(2.5)传输方向,即西北-东南方向(山西→邯郸→河南、山东;石家庄→邢台→邯郸、山东;保定→沧州→山东)以及西南-东北方向(山西→邢台→衡水→沧州→渤海湾).

北京城区夏季VOCs初始体积分数特征及来源解析

为明确北京市夏季VOCs体积分数特征及来源,在2022年5~8月对北京城区VOCs开展了连续监测并利用光化学比值法计算了初始体积分数.结果表明:①研究期间,北京城区初始φ(TVOCs)为(30.0±11.5)×10^(-9),其中含氧VOCs和烷烃占比达到34.2%和33.2%,体积分数较高的物种是丙酮、乙烷、乙醛和丙烷等低碳物质.②北京城区初始TVOCs体积分数略微呈现单峰变化趋势,11:00达到峰值,下午略有降低.③各排放物质中对O3生成贡献较大的主要是异戊二烯、乙醛、正丁醛和乙烯等物质,而对二次有机气溶胶生成贡献较大的主要是甲苯、异戊二烯、间/对-二甲苯和乙苯物质.④基于初始体积分数的PMF解析发现,老化背景及二次源(30%)对北京市VOCs贡献率最高,机动车源(25%)则是最主要的一次人为源,此外溶剂及燃油挥发源贡献率16%,燃烧源贡献率11%,工业过程源贡献率9%,天然源贡献率9%.⑤影响北京市的人为源主要来自东部和南部区域,天然源则来自西部和西北部区域.研究显示,应进一步削减机动车排放,开展区域联防联控降低整个区域VOCs水平是最终控制北京市VOCs的有效手段.

CWT方法在中国夏季降水水汽来源识别中的应用

利用Traj Stat软件中的后向轨迹计算模块与浓度权重轨迹（CWT）方法,对中国西部（新疆乌鲁木齐、青海祁连和玛多）和东部（湖南长沙和广东广州）事件尺度的夏季降水水汽来源进行分析,并结合水汽通量进行补充分析。结果发现：（1）乌鲁木齐、祁连、玛多夏季降水受西风水汽影响显著,而长沙夏季降水受西太平洋水汽影响显著,广州夏季降水受印度洋水汽影响显著。（2）5个站点夏季降水均有局地再循环水汽参与。在西部,影响夏季降水的循环水汽主要分布在相对湿度较大的山区、盆地以及蒸发量较大的地区。而在东部,影响夏季降水的循环水汽主要分布在一些地表水体集中的地方。（3）在西部,由于水汽在运移过程中,下垫面起伏大,空气团水汽d值变化除受地表蒸发水汽影响外,还受下垫面地势起伏的影响。在东部,由于水汽在运移过程中,下垫面起伏小,空气团水汽d值变化一般只受地表蒸发水汽影响。

龙凤山大气本底站CO浓度特征及传输路径分析

利用2017年1月—2019年11月龙凤山大气本底站一氧化碳(CO)连续观测资料和NOAA再分析资料,对东北平原地区大气CO浓度季节变化及其排放源特征进行研究.结果表明:龙凤山站CO日变化规律具有季节性差异,春、秋和冬季CO浓度均在午后13:00—14:00出现最低值,秋和冬季19:00出现峰值,春季2:00出现最峰值,冬季CO浓度日平均最大,日振幅最大.夏季CO日变化不同于其他季节,在8:00—13:00维持较高值,在16:00—次日04:00维持较低,峰值出现在08:00,谷值出现在00:00.龙凤山站CO浓度具有明显的周期性季节变化和波动下降趋势,呈现出冬季高夏季低的特点,最高值出现在1月,最低值出现在6月,月平均浓度明显高于青藏高原地区浓度水平,全年CO月均值振幅为134.8×10^(-9)±2.5×10^(-9)(物质的量分数,下同).在春、夏和秋季西南方向地面风能够明显抬升观测CO浓度,冬季西北方向地面风能够明显抬升观测CO浓度.后向轨迹聚类、浓度权重轨迹分析(CWT)以及地面风结果分析表明:SSW-SW-WSW扇区内的城市交通及工业等人为排放是龙凤山站的CO潜在源区,此外,冬季的NW-NNW-N扇区的短距离输送也是龙凤山站的CO潜在源区.

阿克达拉O_(3)与PM_(2.5)的污染特征及潜在来源研究

基于2021年3月1日-2022年2月28日阿克达拉大气本底站PM_(2.5)和O_(3)(P-O)逐小时质量浓度资料以及2012-2022年PM2.5、部分反应性气体(NO_(2)、CO)观测资料和同期气象数据,采用后向轨迹聚类分析、潜在来源贡献函数法(PSCF)和浓度权重轨迹分析法(CWT)进行研究,以探究阿克达拉站P-O浓度变化特征和P-O相关性及潜在来源.结果表明:(1)阿克达拉站观测期间O_(3)-8 h浓度为49.21~128.22μg·m^(-3),年平均浓度为89.58μg·m^(-3),且春季(105.36μg·m^(-3))>夏季(103.05μg·m^(-3))>冬季(75.51μg·m^(-3))>秋季(75.32μg·m^(-3)),O_(3)浓度呈春夏高、秋冬低的季节变化特征,日变化呈单峰型特征.PM_(2.5)日平均浓度为2.06~40.01μg·m^(-3),年平均浓度为9.43μg·m^(-3),且冬季(14.45μg·m^(-3))>春季(9.36μg·m^(-3))>秋季(7.24μg·m^(-3))>夏季(6.77μg·m^(-3)),PM_(2.5)浓度呈冬春高、夏秋低的季节变化特征,日变化呈双峰双谷型特征.(2)整体而言,P-O呈负相关,但在夏季和秋季之间存在弱的正相关关系.(3)综合潜在来源分析发现,阿克达拉站春季、夏季和秋季多受到来自哈萨克斯坦与俄罗斯的长距离输送气流的影响;冬季受蒙古高压影响,偏东气流增多.WPSCF和WCWT分析结果具有较好的一致性,表明P-O春、夏、秋三季的污染源多来自哈萨克斯坦与俄罗斯交界地带,而冬季境内本地污染源增多.

郑州市冬季大气PM_(2.5)传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.

绥化市一次空气污染过程及潜在源区分析

本研究以2019年12月21—25日绥化市一次严重的空气污染事件为研究对象,分析了此次污染概况、气象条件、污染成因以及污染的潜在源区.结果表明:此次污染期间,绥化市以PM2.5污染为主,污染特征由21日10:00及22日11:00的偏燃煤污染型转变为24日15:00的偏二次颗粒物污染型,最终25日12:00污染特征又转变为偏燃煤型,本次污染主要以燃煤、机动车尾气和二次无机源为主;不利的气象条件主要由于弱风、高湿及低温、较差的扩散条件导致污染物局地积累;48 h后向轨迹模拟表明污染期间绥化市受4类气流输送的影响,主要来源于俄罗斯、内蒙古、吉林等方向,其中超标轨迹占97.4%;WPSCF分析发现潜在源区主要集中在绥化本地中部、辽宁省东北部、大庆市中部、齐齐哈尔市东南部、哈尔滨市中部区域;WCWT模拟出的潜在源区域较WPSCF大,模拟发现吉林北部对绥化PM2.5污染贡献值为60~80μg·m^-3,黑河东北部的贡献值高达100μg·m-3以上,俄罗斯、内蒙古地区对绥化市大气PM2.5污染水平的影响及贡献较小.