2022年重大活动期间空气质量保障及污染过程分析

2022年10月16-22日在北京召开某重大活动,安阳市作为空气质量保障通道城市,在思想上高度重视,在行动上积极响应,并于10月12日启动协商减排措施;但在10月14-16日,不利气象条件叠加区域性污染,安阳市经历了一轮轻至中度污染过程。对本轮污染过程进行深入分析,结果表明此次污染过程中综合指数占比最大的为颗粒物,污染负荷比为62.2%,其中PM2.5占比为34.9%。对比污染过程前后离子浓度表明,二次组分变化是导致本次PM2.5污染的关键因素之一;浓度权重轨迹分析表明,本次污染本地积累为主,外部传输受到上风向鹤壁市、新乡市和邯郸市的影响。

乌鲁木齐市大气污染物NO_(2)输送路径及潜在源分析

为深化对乌鲁木齐市大气污染物NO_(2)的传输路径和潜在来源的研究,文章利用2017—2022年OMI遥感监测对流层NO_(2)垂直柱浓度(VCD)数据分析了乌鲁木齐市NO_(2)浓度的大气污染特征,运用后向轨迹模型、潜在源区贡献分析法和浓度权重轨迹分析法,揭示了不同季节NO_(2)潜在源区及其对研究区NO_(2)VCD的贡献变化趋势。结果表明:五年来,乌鲁木齐市NO_(2)VCD波动下降,各区NO_(2)VCD在2020年春夏季变幅最大,降幅介于18.45%~35.25%之间;空间上高污染区范围持续缩小至人口基数较大的中心城区;乌鲁木齐市大气NO_(2)污染的气团轨迹受山盆体系的地形影响较大,春、秋、冬三季来自哈萨克斯坦境内的长距离气流频率持续提高(2022年占比分别为25.74%、21.11%、41.83%);影响NO_(2)污染的潜在源区呈现显著季节变化特征,秋冬季源区分布广、贡献度高,而春夏季源区分布狭窄、贡献度低。潜在源区主要为本地源和西部源区,本地源区作为重度污染源区出现在秋冬季,对NO_(2)污染的贡献逐渐增强,源区范围逐渐收缩至乌鲁木齐市沙依巴克区和达坂城区;西部源区主要为中度污染区,近年来向西扩展至伊犁哈萨克自治州西南部、阿克苏地区以及巴音郭楞蒙古自治州等区域。

2015—2021年郴州城区臭氧污染特征、气象影响及输送源分析

在对2015—2021年郴州城区不同时间尺度臭氧(O_(3))污染特征进行分析的基础上,进一步研究气象因素对O_(3)污染的影响,并采用潜在源贡献因子分析法(PSCF)对郴州城区O_(3)污染传输路径及潜在污染源进行分析。结果表明:2015—2021年郴州城区O_(3)质量类别主要为优和良,比例达到98.9%,O_(3)为首要污染物的天数呈波动上升趋势。O_(3)的年均质量浓度整体呈现波动上升趋势,2021年相对于2015年上升了6.0%,年内变化呈现“M”双峰型特征,日变化呈现单峰单谷分布,峰值出现在14:00—15:00。O_(3)质量浓度与日照时数及温度呈显著正相关,与相对湿度呈显著负相关;O_(3)质量浓度随风速的增加,先上升后下降。郴州城区O_(3)污染在超标日期间以短距离输送气流为主,占比达89.7%,主要为东北方及南方气流。在本地西南部污染贡献较大的基础上,受区域输送影响明显,主要为广东省西南部及西北部、江西省西北部、湖北省中部的污染排放。针对郴州城区O_(3)污染,须在严格控制本地污染排放的基础上,进一步加强区域联防联控。

利用轨迹模式研究重庆主城区冬季PM2.5污染特征

利用轨迹聚类法,对2014年12月至2015年1月重庆主城区上方的后向轨迹气团进行聚类分组,分析重庆主城区气团来源。结合重庆主城区PM_(2.5)小时浓度资料,分析污染较重时重庆主城区后向轨迹特征。最后结合潜在源贡献因子分析(PSCF)法和浓度权重轨迹分析(CWT)法定性与定量分析了重庆主城区PM_(2.5)的潜在源区。结果表明,重庆本地气团占60.9%,不利于本地污染物的扩散;超过60%的污染事件是由本地颗粒物聚集造成的;重庆主城区颗粒物其潜在污染源区,以西藏与四川交界处、四川东部、贵州北部以及重庆本地为主。

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.

长沙市冬季重污染过程PM_(2.5)污染特征和潜在源分析

文章针对2019年12月长沙市冬季气象数据和大气污染物质量浓度在线监测数据,分析大气污染特征及气象因素,通过HYSPLIT后向轨迹模型和NCEP的GDAS气象数据对12月及污染过程的3个阶段逐时72 h气流后向轨迹进行聚类,利用潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)揭示长沙市冬季PM_(2.5)的潜在源区及其贡献特征。结果表明:12月长沙市PM_(2.5)平均浓度分别为77.12μg/m^(3),其中阶段Ⅱ(185.9μg/m^(3))>阶段Ⅰ(80.9μg/m^(3))>阶段Ⅲ(59.1μg/m^(3)),相关性分析和特征雷达图表明,污染过程以一次颗粒物的排放为主;风速上升过程长沙市PM_(2.5)污染方位由西南方向南方转移,不利气象条件促进了污染过程PM_(2.5)的积累和爆发;聚类分析显示长沙市12月来自湘鄂交界处的轨迹3最频繁,来自福建和广东的轨迹4携带PM_(2.5)浓度最高。阶段Ⅰ偏燃煤型污染显著,受安徽、江西和湖南3个省份的气流轨迹影响;阶段Ⅱ偏二次型污染受福建和广东气流轨迹影响;阶段Ⅲ转变为偏综合型和其他类型污染,与北方气流占比相对阶段Ⅱ上升有关,主要受来自江西和福建交界处的轨迹1影响浓度和占比均为最大;WPSCF和WCWT结果显示,长沙市PM_(2.5)浓度的主要源区位于湖南西南、北部及广东、湖北等地。

青岛市大气颗粒物污染特征及潜在来源分析

利用山东青岛2017年1月至2020年12月的大气颗粒物质量浓度、常规气象观测资料以及全球数据同化系统(Global Data Assimilation System,GDAS)数据,研究了该地区大气颗粒物的污染特征,基于拉格朗日混合单粒子轨道模型(Hybrid Single Particle Lagrangian Integrated Trajectory Model,HYSPLIT)和轨迹统计(TrajStat)软件对青岛市大气颗粒物的传输路径进行了研究,运用潜在源贡献因子分析法(Potential Source Contribution Function,PSCF)和浓度权重轨迹分析法(Concentration Weighted Trajectory,CWT)对其潜在源区和浓度贡献进行了分析。研究结果表明:(1)青岛市PM_(2.5)质量浓度年均值为35.3μg·m^(-3),冬季最高,春、秋次之,夏季最低。PM_(2.5)质量浓度年超标率分别为8.22%,7.40%,11.51%和7.38%,重污染日仅出现在冬季,夏季从未出现过超标日。(2)PM_(2.5)质量浓度季节日变化呈“双峰双谷”型,峰值出现在08:00(北京时,下同)-10:00、21:00-22:00,谷值出现在16:00-18:00、02:00-04:00;SO2质量浓度季节日变化呈“单峰”型,日间浓度高于夜间,采暖季日变化曲线波动更明显;NO2日变化呈“双峰双谷”型,峰值时间较PM_(2.5)日变化峰值时间略早。(3)PM_(2.5)质量浓度与气温、日降水量、风速、逆温起始高度呈负相关,相关系数分别为-0.422,-0.212和-0.106(风速≤2.5 m·s^(-1))、-0.15;与气压、逆温层强度呈正相关,相关系数分别为0.319和0.10;与逆温层厚度相关性不明显;与相对湿度的相关性不唯一。(4)春、秋、冬季的气流轨迹来自西北和偏北方向,西北气流占比最高,分别为70.27%,75.39%和100%,其污染轨迹的PM_(2.5)质量浓度最高,是青岛市春、秋、冬季外来大气颗粒物的最重要输送路径;夏季东南向的气流轨迹占比最大,为45.89%,其污染轨迹的PM_(2.5)质量浓度最高,为青岛市夏季外来大气颗粒物的主要输送路径。PM_(2.5)质量浓度潜在源区冬季分布范围最广,潜在源贡献因子值最高,春、秋次之,夏季最小。春、秋、冬季主要潜在污染源区和高浓度贡献潜在源区位于河北南、河南中东、安徽西、山西西、鲁西南等地,是青岛市春、秋、冬季PM_(2.5)污染外来输送的主要源区;夏季高浓度贡献潜在源区位于河北东南、河南东北以及鲁西南等地。

基于卫星遥感与CMB模型的济南市冬季重污染过程PM_(2.5)溯源分析

济南市作为京津冀大气污染传输通道“2+26”城市之一,冬季易出现以PM_(2.5)为首要污染物的重污染天气。为探究济南市冬季PM_(2.5)重污染过程的污染成因和主要来源,以济南市冬季一次重污染过程(2020年1月1日—6日)为研究对象,基于卫星遥感、化学质量平衡(CMB)模型、潜在源贡献因子分析(PSCF)和浓度权重轨迹分析(CWT),同时结合气态污染物和PM_(2.5)组分小时数据以及各项气象要素等资料,全面和综合地对济南市冬季重污染过程污染特征、本地来源、区域传输和时空演变过程进行了分析。结果表明,济南市本次重污染过程以PM_(2.5)为首要污染物,随着湿度升高和大气边界层高度(PBL)的降低,PM_(2.5)日均质量浓度达到最高211μg·m^(−3),其中PM_(2.5)小时质量浓度最高达到333μg·m^(−3);NO_(3)^(−)、SO_(4)^(2−)、NH4+和有机物(OM)在PM_(2.5)中占比分别为30.7%、11.4%、13.9%和13.7%;重污染时段硫氧化率(SOR)和氮氧化率(NOR)平均值分别达到0.6和0.5,说明此次重污染过程主要来自于气态前体物的二次转化。CMB来源解析结果表明,二次源(硝酸盐、硫酸盐、二次有机碳)和机动车源是济南市冬季PM_(2.5)重污染过程的主要来源;与清洁天相比,硝酸盐的分担率和质量浓度均显著升高,分担率是清洁天的2.2倍,质量浓度是清洁天的10.5倍。本次重污染过程除济南本地污染源以外,还受山东省内德州东部、滨州西部以及济南市的商河县和济阳区等地污染气团近距离传输,以及来自西南方向的河南省东北部和安徽省西部地区的跨省输送的污染气团,途径济南市南部、泰安和济宁地区以及济南市的长清区和平阴县等地的共同影响。

后向轨迹模式在攀枝花市PM_(2.5)来源分析研究中的应用

利用后向轨迹模式计算2014年1月1日～2014年12月31日以攀枝花市为起始点的后向轨迹，并结合攀枝花市PM2．5的实测浓度数据，通过聚类分析法、潜在源贡献因子法（PSCF）和浓度权重轨迹分析法（CWT）研究不同来源区域对攀枝花市PM2．5浓度的贡献影响。结果表明：攀枝花市的西南区域与云南省的交界地区最有可能是攀枝花市PM2．5的贡献源区。攀枝花市西南区域本地排放的PM2．5污染物及其前体物和来自攀枝花市西南方向的气团对攀枝花市的PM2．5浓度影响最大。

基于PSCF与CWT方法的赣江新区大气污染物潜在源区个例分析

利用TrajStat软件和GDAS全球同化气象数据,对江西省赣江新区2011—2020年四季72 h气团后向轨迹进行聚类分析,并结合PM_(2.5)和O_(3)逐小时浓度数据,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)分析了2016年12月2—10日一次污染天气过程中大气污染物输送对赣江新区上空污染物浓度的贡献。结果表明,赣江新区2011—2020年四季气团后向轨迹中占比最大的均为短支气流,其中春季的短支气流来源于东侧,其他季节均来源于东北方向的安徽省,夏季和冬季的长支气流与季风的季节性变化一致。在2016年12月2—10日的污染天气过程中,赣江新区的PM_(2.5)潜在源区主要分布于江西省北部、湖北省东南部,O_(3)潜在源区主要分布于江西省北部、湖北省南部和湖南省东北小部分地区;同时天气形势显示,赣江新区处在槽后脊前,湖北省东南部存在偏强西北风,为大气污染物向赣江新区的输送创造了条件。

京津冀地区2015~2020年臭氧持续污染事件特征、气象影响及潜在源区分析

基于京津冀地区2015~2020年臭氧小时浓度数据和气象再分析数据,利用广义加性模型、潜在源贡献函数法、浓度权重轨迹法分析了京津冀地区臭氧持续污染事件特征、气象影响和潜在源区.结果表明,京津冀地区持续3d及以上的臭氧污染事件(OPE3)出现天数由2015年的24d上升到2020年的76d,占臭氧污染总天数的比例最高达到85%;OPE3天数的月变化特征与臭氧浓度的变化特征高度一致,在5~9月的相关性达0.97;京津冀地区OPE3发生的天气形势主要为高温、低湿、异常南风、异常反气旋及明显下沉气流;以京津冀地区的典型代表城市北京为例,OPE3期间气团主要来自于北京以南地区(71.2%),以短距离传输为主,主要潜在源区是河北省南部、山西省东北部、河南省东北部以及山东省北部,污染轨迹的贡献率约79.3%.

基于PSCF与CWT模型对乌鲁木齐市地表臭氧源区分析

乌鲁木齐市是中国西部典型的重工业城市,伴随着快速的工业化和城市化发展,城市大气臭氧污染日益严重。为探究乌鲁木齐市地表臭氧污染特征,该研究采用2015-2019年乌鲁木齐市大气污染物监测数据及同期气象观测资料,结合统计分析、后向轨迹分析、潜在源贡献因子以及浓度权重轨迹对乌鲁木齐市臭氧污染特征及潜在源区进行分析。结果显示,(1)2015-2019年乌鲁木齐市臭氧年评价指标由118μg/m^(3)增长至128μg/m^(3)。同时,乌鲁木齐市主要大气污染正经历由颗粒物向臭氧过渡的变化,其作为首要污染物占比从2015年的5.8%上升至2019年的28.0%,不同季节臭氧浓度变化特征为夏季>春季>秋季>冬季,且在分布特征上与NO2、CO呈显著负相关。(2)后向轨迹分析结果表明:影响乌鲁木齐市大气臭氧分布的气流具有途经境外地区、长距离迁移、高浓度的特征,境内气流迁移途径普遍较短且对乌鲁木齐市臭氧浓度传输影响较小。(3)潜在源贡献因子法与浓度权重轨迹法表明,影响乌鲁木齐市臭氧浓度的主要源区与贡献高值区是昌吉州、塔城地区、博尔塔拉蒙古自治州、阿勒泰地区,且臭氧源区与臭氧贡献高值区分布与臭氧浓度季节变化呈正相关,有明显季节变化特征,其中夏季潜在源区主要为中度源区且分布广泛、贡献度高,冬季全域为轻度源区,春秋季源区介于两者之间。

乌昌石都市圈城市空间发展对NO_(2)浓度时空变化的影响

为探究城市空间发展对天山北坡经济带重心乌昌石都市圈NO_(2)污染的影响,利用多源遥感数据对乌昌石都市圈NO_(2)排放量时空变化进行研究。结果表明:基于2006—2020年OMI遥感数据,按全疆NO_(2)平均排放量大小进行划分后发现,新疆地区NO_(2)低污染区为和田等小城市,较低污染区为喀什及哈密等地区,中污染区在其中西部地区,次高污染区出现在天山南坡中等城市巴音郭楞蒙古自治州中部,高污染区在乌昌石都市圈。在空间格局上,城镇用地与建设用地以乌鲁木齐市五大城区为中心,以昌吉回族自治州昌吉市、阜康市及石河子市城区为副中心不断增长。乌昌石都市圈城市化进程加快,距离城区越近NO_(2)浓度越高,对其周围环境的污染程度越高。乌昌石都市圈2次疫情防控时,NO_(2)浓度下降幅度最大。对新型冠状病毒感染疫情防控前后(2019—2021年)乌昌石都市圈潜在源贡献因子(PSCF)及浓度权重轨迹(CWT)进行分析,结果表明主要潜在源区为乌鲁木齐本地区域以及昌吉回族自治州西南部邻近城市。

葫芦岛市大气颗粒物潜在源区分析

基于后向轨迹模式(HYSPLIT)模拟了葫芦岛市2019—2021年气流的72 h后向轨迹,同时结合同期的逐日PM_(2.5)浓度数据,采用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)探讨了葫芦岛市PM_(2.5)不同季节的潜在源区及其对葫芦岛市PM_(2.5)浓度的贡献。结果表明:冬季,葫芦岛市最主要的潜在源区为乌兰布和沙漠,其次为蒙古国东南部、内蒙古东部、京津冀地区和辽宁省西部城市群;秋季葫芦岛市最主要的潜在源区为辽宁省南部、京津冀地区、山东省北部和河南省北部;春季的相对高值区域零星分布在京津冀地区、山东省和渤海海域等地区,夏季相对高值区域零星分布在京津冀地区和山东省西北部。

济南市冬季大气污染时空分布特征及潜在污染源区分析

利用2016-2018年冬季济南市大气主要污染物和气象监测数据,对大气污染特征及潜在源区进行分析。结果表明:2016-2018年冬季济南市环境空气中可吸入颗粒物PM_(10)和细颗粒物PM_(2.5)分别占首要污染物的34.7%和63.8%,轻度污染以上天数占总天数的58.6%,冬季高质量浓度PM_(2.5)导致年均值增加7.5μg/m 3;从空间分布来看,PM_(10)与PM_(2.5)空间分布为天桥区、槐荫区及平阴县质量浓度较高,SO_(2)则为商河县和济阳区质量浓度偏高,NO 2和CO为济阳区、天桥区和槐荫区质量浓度较高;研究期间NO 2、CO、PM_(10)、PM_(2.5)的质量浓度呈正相关性,相关系数均在0.7以上,推断交通源、工业燃烧源、燃煤是颗粒物的主要来源;济南市冬季的气团输送为偏南、西北、偏北和偏东4个方向,偏南和偏东气团为影响济南市冬季大气污染主要输送路径。进一步研究潜在源区贡献及浓度权重表明,济南地区大气污染物主要受本地及周边区域影响,当前大气污染呈现跨区域交叉污染特征,应建立区域联防机制,统筹研究解决区域大气环境污染突出问题。

2013年南昌市区PM_(2.5)的浓度水平及时空分布特征与来源

对2013年南昌市区9个自动空气质量监测点的ρ(PM_(2.5))数据进行分析,探讨了PM_(2.5)浓度水平及时空分布特征,并采用轨迹聚类、PSCF(潜在源贡献因子)、CWT(浓度权重轨迹分析)进行了大气PM_(2.5)的来源分析.结果显示:2013年南昌市区ρ(PM_(2.5))年均值为69.1μg/m^3,超过GB 3095—2012《环境空气质量标准》二级标准限值(35μg/m^3)的97%;ρ(PM_(2.5))昼夜变化呈双峰型分布,峰值位于09:00—11:00和20:00—22:00;月际变化呈两边高、中间低的"V"型趋势;ρ(PM_(2.5))有明显的季节性变化特征,由高到低依次为冬季、春季、秋季和夏季;ρ(PM_(2.5))空间分布呈由东南至西北递减的分布特征.气流轨迹聚类结果表明,南昌市气流输送季节性变化特征明显,夏季来自南方或东南方向的气流比例高达65.6%,而在另外三个季节,东北和偏北方向的气流分别占62.0%(冬)、59.6%(春)、54.7%(秋),对南昌市ρ(PM_(2.5))影响较大;夏季南方或东南方向的气流所占比例较高,为65.6%;PM_(2.5)的PSCF和CWT的高值主要集中在南昌本地和邻近的浙江省及福建省北部地区,但周边的河南南部、江苏中部也是南昌市PM_(2.5)的潜在来源地.

舟山本岛大气污染输送过程的数值模拟分析

利用HYSPLIT-4后向轨迹模式和NCEP(美国国家环境预报中心)的2012年GDAS(全球资料同化系统)气象数据,结合NO2、PM2.5、PM10和SO2等常规大气污染物的质量浓度数据,对舟山本岛2012年4月、7月、10月和12月的大气污染输送过程进行了模拟,并通过聚类分析和潜在源区分析〔包括PSCF(潜在源贡献)和CWT(浓度权重轨迹)计算〕,确定大气污染传输路径及影响源区.结果表明:舟山本岛气流后向轨迹呈明显的季节变化特征,4月主要受来自黄海海面气流轨迹的影响,其占总轨迹数的36.7%,ρ(PM10)为(53.24±24.33)μgm3;7月以途经琉球群岛和东海气流轨迹为主,占总轨迹数的48.4%,对ρ(NO2)、ρ(PM2.5)、ρ(PM10)和ρ(SO2)贡献分别为(24.63±6.33)、(28.60±4.83)、(52.89±18.76)和(8.67±3.11)μgm3;10月气流轨迹主要来自于东海海面,占总轨迹数的49.2%;12月气流则主要来自辽宁南部和黄海,占总轨迹数的66.1%,对ρ(NO2)、ρ(PM2.5)、ρ(PM10)和ρ(SO2)贡献分别为(28.48±15.14)、(58.71±14.10)、(69.83±38.94)和(20.83±13.28)μgm3.舟山本岛PM2.5的潜在源主要为毗邻城市间局地污染,集中于浙江沿海城市及杭州湾、上海等地.

重庆市冬季PM(2.5)输送特征及污染源地解析

利用全球资料同化系统数据(GDAS)和PM_(2.5)实测浓度数据,使用HYSPLIT模型和Trajstat插件的聚类方法和聚类统计模块对2015年12月-2016年2月间到达缙云山空气质量监测站的28个不同气流高度气流进行聚类分析;结合Arc GIS软件计算气流速度和气流密度,以分析山体对PM_(2.5)跨区域输送的影响;运用潜在源贡献(PSCF)分析法及浓度权重轨迹(CWT)分析缙云山PM_(2.5)潜在源贡献率和轨迹权重浓度。结果表明:重庆主城主要受西部气流影响,主城PM_(2.5)异地源多来自该方向;高大山体会减缓气流运行速度,增大气流轨迹密度,阻碍PM_(2.5)的跨区域传输,PM_(2.5)浓度、输送速度和输送方向等会发生改变,山地城市PM_(2.5)浓度受气流输送影响小于平原城市;铜锣山以西重庆段是缙云山PM_(2.5)的极重要源区,源贡献率达到80%以上,重要源区多在四川与重庆接壤区域,横断山脉部分区域气流潜在源贡献率较高。PM_(2.5)的PSCF和CWT分布区域类似,气流轨迹浓度最大值区多位于极重要源区,随着源区重要性等级的减弱,浓度也逐步降低。

军运会期间武汉东南传输通道PM_(2.5)中水溶性离子区域传输解析

2019年10月武汉市举办第七届世界军人运动会。为探究军运会期间武汉市和黄石市两地的大气细颗粒物浓度特征、污染源差异及区域传送情况,于2019年10月10日至2019年11月5日对武汉和黄石两站点的大气细颗粒物进行了连续观测,并分析了PM_(2.5)中水溶性离子的浓度特征,通过后向气团运动轨迹结合潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)分析方法探究了两站点的污染物区域传送。结果表明:本次观测期间武汉站点和黄石站点的PM_(2.5)浓度超过《环境空气质量标准》(GB 3095—2012)日均二级限值(75μg/m^(3))的超标率分别为26.1%和17.4%,时间主要处于军运会结束后;武汉和黄石两站点PM_(2.5)中的水溶性离子主要以NO-_(3)、SO_(4)^(2-)和NH~+_(4)为主;黄石站点CE/AE值的拟合曲线斜率小于1,表明颗粒物表面呈弱酸性,而武汉站点CE/AE值的拟合曲线斜率大于1,表明颗粒物表面呈中性或弱碱性;两地PM_(2.5)中水溶性离子的存在形式主要以NH_(4)HSO_(4)或(NH_(4))_2SO_(4)为主,武汉站点的缺氨样品的占比为30.4%,而黄石站点的缺氨样品的占比为43.5%;主成分分析结果表明,两站点污染源相同,以二次污染源、扬尘源和生物质燃烧源为主;PSCF和CWT分析结果表明,黄石是武汉站点PM_(2.5)的主要潜在源区,WPSCF因子大于0.7,且浓度贡献权重超过45μg/m^(3),而黄石站点的主要潜在源区位于湖北省与安徽省交界处和安徽省安庆市内。

利用后向轨迹模式研究上海市PM_(2.5)来源分布及传输特征

利用后向轨迹模式,结合上海PM_(2.5)的浓度数据计算了2012年6月27日—2013年6月26日以上海为起始点的后向轨迹,并通过轨迹相关的分析方法,研究不同来源区域对上海PM_(2.5)浓度的贡献影响。结果表明:长三角地区的排放对上海的贡献最为显著;苏北、山东等地区的排放对上海也有较明显的贡献;来自海面的贡献总体低于大陆。所采用的轨迹多元回归分析法为PM_(2.5)的来源分布及传输特征研究提供了新思路。