郴州市秋冬季PM_(2.5)污染传输路径与潜在源贡献分析

通过应用HYSPLIT、MeteoInfo模型,计算2017—2021年秋冬季抵达郴州地区72 h的后向气流轨迹并进行轨迹聚类、潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)分析,探讨郴州市PM_(2.5)传输特征及污染潜在源分布。结果表明,郴州市秋冬季PM_(2.5)潜在源区主要分布在北偏东方向,以近距离输送为主,频率最高的是从咸宁市通城县经岳阳市平江县、株洲地区的短距离轨迹,其频率为34.17%;WPSCF高值带起源于河南省,经湖北、平江、江西等地区,最终到达郴州。WCWT分析结果得出,PM_(2.5)污染趋势与上述一致,影响范围更宽,影响程度相对较轻。2017—2021年间,郴州地区污染传输通道影响逐年减小,PM_(2.5)浓度平均下降19.7%。

新疆大气PM_(2.5)来源与潜在贡献源分析

利用2021年3月—2022年2月新疆空气质量数据分析PM_(2.5)浓度演化特征及其控制因素,结合因子分析和NO_(2)、SO_(2)与CO的来源特性辨别物质排放源,并借助基于Hysplit模式的Meteo Info软件包确定PM_(2.5)输送路径和潜在贡献源区分布状况。结果表明:(1)新疆PM_(2.5)浓度显著偏高,尤其是冬季平均高达86.16μg·m^(-3)。其中,天山北坡经济带PM_(2.5)来源主要受周围油气田作业排放及其输送过程中大风扬尘的支配,而其他地区的PM_(2.5)主要源于大风扬尘,辅以石油与天然气燃烧排放。(2)天山北坡经济带经油气田作业区气流输送PM_(2.5)浓度虽然仅为局地路径的50%,但路径占比达50%,因此,应是区域PM_(2.5)来源的重要通道,且PM_(2.5)浓度变异系数高达103.6%,是导致雾霾甚至浮尘天气形成的关键因素。哈密盆地与塔里木盆地物质补给路径虽然存在差异,但二者PM_(2.5)潜在贡献源区均主要分布在孔雀河流域和罗布泊等地。(3)外源气流受盆地地形作用而演化成辐合/辐散气流,辅以(类)山谷风促进污染物混合,应是天山北坡经济带和塔里木盆地内PM_(2.5)演化趋势类似的成因之一。

秦巴山区东部近5年大气污染物的气象影响因素及潜在来源分析

为明确秦巴山区东部大气污染物的气象影响以及潜在来源,对安康市2016—2020年的逐日大气及气象监测数据进行分析,结果表明:冬季在连续2~3个小时最大风速维持在3~3.5m/s以上,会有利于污染物的扩散;在有降水发生时,若小时最大风速超过2.8m/s时,且0.3mm以上的小时降水量持续3个小时以上,对污染物具有明显的沉降清洁效果;若小时最大风速小于2m/s,小时降水量达到0.5~0.8mm以上,对污染物也有较明显的沉降和清除作用。通过对输送大气污染物的轨迹分析发现,安康市的大气污染物主要来源于四川省、河南省以及湖北省的偏南和偏东方向轨迹输送,同时安康市冬季PM_(2.5)浓度的贡献最大的区域在2019年后存在明显南移。

疫情前后长沙市PM_(2.5)水溶性离子污染特征及潜在源区分布

利用2019年11月1日-2020年2月29日长沙市六种常规大气污染物(PM_(2.5)、PM_(10)、NO_(2)、SO_(2)、O_(3)及CO)及PM_(2.5)组分数据分析了长沙市疫情前后大气污染物浓度及气象条件变化、PM_(2.5)水溶性离子污染特征、PM_(2.5)传输路径和潜在源区。结果发现:各大气污染物受疫情影响浓度降幅范围为14.3%~64.4%,NO_(2)降幅最大;疫情前后气象条件基本一致,本地排放减少是造成污染物浓度大幅下降的主要原因;疫情期间SNA浓度显著下降,NO_(3)^(-)浓度降低尤为明显,移动源影响明显减少;SOR、NOR出现不同程度上升,颗粒物二次转化显著。疫情前后PM_(2.5)高值由外来传输转为本地,污染方位位于西北方向;基于后向轨迹分析,正常生产期间气流轨迹以北方为主,但PM_(2.5)浓度受东南方向的福建影响显著,疫情期间,PM_(2.5)受湖南-湖北-江西交界处气流影响显著;基于潜在源分析,正常生产期间PM_(2.5)潜在源区以湖南、湖北及广东为主,疫情期间潜在源区主要以省内传输为主。

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。

益阳市大气污染特征及潜在来源分析

该文以湖南省“大气污染防治重点城市”之一的益阳市为研究对象,分析了“十三五”期间大气环境污染物浓度变化情况,同时对后向气团轨迹、潜在污染来源进行了模拟.结果表明,益阳市“十三五”期间六项常规污染物浓度整体变化呈现向好趋势,PM_(2.5)浓度整体下降但峰值仍较高,秋冬季是益阳市PM_(2.5)污染的重点时段.O_(3)逐渐成为大气污染的重要因子,超标主要集中在4月—5月.特征雷达图显示益阳市2020年整体偏燃烧型、偏机动车型的特征.PM_(2.5)及PM_(10)、NO_(2)、CO日变化均呈现“双峰”态势,光照辐射较强的日间O_(3)与NO_(2)日变化呈现相反趋势.不同季节轨迹聚类和污染物浓度有明显的季节性差异.PM_(2.5)与PM_(10)潜在源较为相似,主要集中在湖南省东北部及湖北省东部区域,O_(3)潜在源主要分布在益阳市西部区域.

突发性中尺度暴雪过程大气污染特征与潜在源区研究

针对济南市大气污染情况,分析突发性中尺度暴雪过程大气污染特征与潜在源区。基于2020年1月7日济南市气象和环境监测数据,通过皮尔逊积差相关系数法分析污染物之间、污染物与气象要素之间相关关系。经分析可知:暴雪对大气污染具有一定清洗能力,颗粒污染物浓度与气体污染物浓度之间存在一定同源性,污染物与不同气象要素也存在正向或负向相关关系,证明暴雪导致的气象要素改变对大气污染扩散具有一定意义。采用潜在源贡献因子分析法和浓度权重轨迹分析法测得本地源为济南市PM_(2.5)浓度贡献最高源区,表明PM_(2.5)高贡献与聚集性工业活动相关。

2022年贵港市臭氧潜在源区及传输路径季节特点分析

为了揭示贵港市2022年臭氧(O3)不同季节的传输规律和污染来源,利用Meteo Info软件后向轨迹模式,结合O3小时浓度数据,对2022年贵港市各季节500 m高度逐日72 h后向轨迹进行深入分析,并使用潜在源区贡献分析法(PSCF)和浓度权重轨迹分析法(CWT)对贵港市O3的潜在贡献源区和贡献大小进行研究。结果表明:(1)贵港市各季节近地层大气污染输送以长距离输送为主,东北方向的长距离输送对O3浓度影响最大。(2)河南、湖北、湖南及广西贵港周边地区是主要的O3潜在源区,秋季的潜在源区范围最广。(3)贵港市O3污染来源为区域传输和本地排放,区域传输以河南、湖北、江西、湖南的贡献较大,本地污染受贵港北部影响较显著。

伊宁市细颗粒物输送路径及潜在源区分析

基于污染物自动监测数据及全球资料同化系统气象数据(GDAS),分析伊宁市细颗粒物(PM_(2.5))浓度变化特征及不同季节下外来传输路径,结合潜在源贡献因子法(PSCF)和浓度权重轨迹法(CWT)分析潜在源和浓度贡献区。结果表明:伊宁市空气质量主要受汽车尾气源为主,冬季PM_(2.5)污染最严重;春、夏、秋季伊宁市周边不存在明显潜在污染源贡献区,冬季PM_(2.5)潜在源区为琼博拉镇与海努克镇区域,贡献源区分布在特克舍山地区。

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。

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。

成都平原城市群夏季臭氧污染天气形势与潜在源分析

通过分析成都平原城市群8个城市2015-2019年夏季地面臭氧污染特征表明,近5年夏季平原O_(3)污染区域呈扩大趋势,成都市O_(3)_8 h第90百分位浓度和超标日数均为最大,雅安、绵阳浓度较低但上升趋势显著。利用PCT客观天气分型方法,对近5年夏季成都平原及周边的位势高度场进行分型研究,结果表明:(1)700 hPa臭氧污染天气形势为高压型,500 hPa为西风槽后和平直纬向型,100 hPa为南亚高压中部和东部型;(2)近5年夏季典型O_(3)污染过程的高低空天气形势为西风槽后部、高压发展和高压控制型,污染过程期间成都平原多受到西风槽后西北气流或副热带高压脊线附近下沉气流的影响;(3)污染天气型具有高温低湿,小风强辐射,白天混合层高的特征。气流下沉增温和局地环流的作用抑制了污染物向高层扩散,促使边界层上部O_(3)下传并堆积于成都平原地区。采用HYSPLIT后向轨迹模式和潜在源贡献法(PSCF),探讨了不同天气型影响下成都平原O_(3)浓度输送的轨迹聚类和潜在源区。结果表明,本地和盆地城市之间的输送对臭氧污染有重要贡献。最主要的臭氧潜在源区位于本地城区,成都、眉山和资阳臭氧潜在源区还集中在川南北部和重庆西部,德阳集中在成都、眉山一带。西风槽后和高压发展型影响下臭氧区域输送表现比较明显,高压控制天气型臭氧呈本地积聚性较显著。

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。

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%.

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。

南京市大气PM2.5时空分布特征与潜在源区贡献分析

对2017年南京市区7个自动空气质量监测点的PM2.5质量浓度ρ(PM2.5)数据进行分析,采用克里金(Kringing)空间插值法、气流运动轨迹聚类、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)探讨了四季大气中ρ(PM2.5)的时空分布特征和潜在来源。结果显示,四季大气中ρ(PM2.5)均值由高到低依次为冬季(65.54 μg/m^3)、春季(41.70 μg/m^3)、秋季(35.18 μg/m^3)和夏季(23.56 μg/m^3),秦淮区四季大气中ρ(PM2.5)均最高。春季南京大气中ρ(PM2.5)易受黄海海岸和北方大陆性输送气流的影响,来自黄海方向的气流轨迹2贡献比例达51.65%,对应的ρ(PM2.5)为50.91 μg/m3;夏季南京大气中ρ(PM2.5)主要受江苏、东部海洋和南部沿海城市输送气流的影响,其中源自江苏的气流轨迹1对南京大气PM2.5贡献比例最大(33.64%),气流轨迹对应的ρ(PM2.5)为35 μg/m^3;秋季南京大气中ρ(PM2.5)易受短距离的偏北气流影响,来自山西南部,河南中部、安徽中部的气流轨迹5对应的ρ(PM2.5)最高,出现概率(21.11%)和贡献比例(27.81%)均较高;冬季南京大气中ρ(PM2.5)主要受北方大陆性输送气流影响,来自俄罗斯、蒙古国东部、河北北部、北京、天津、山东中部的长距离气流轨迹4对应的ρ(PM2.5)最高,达109.8 μg/m^3,其贡献比例为26.86%。PSCF和CWT分析发现,安徽、山东、浙江与江苏交界和黄海海岸是影响南京市空气质量的主要潜在源区,此外,湖北、北京、天津以及渤海海岸也是南京大气PM2.5的潜在源区。

广州市PM_(2.5)污染特征及潜在贡献源区分析

基于NCEP/NCAR全球再分析气象资料和2015-2017年PM_(2.5)浓度,利用HYSPLIT模型研究不同气流轨迹对广州PM_(2.5)浓度的影响,以及污染输送路径和潜在源区空间分布特征。结果表明:(1)广州2015-2017年PM_(2.5)平均浓度为36.5μg/m^3,逐月平均PM_(2.5)浓度1月份最高,为49.3μg/m^3,轻度污染及以上时次比例达15.66%,6月份最低,为20.8μg/m^3,无轻度及以上污染时次。(2)PM_(2.5)平均浓度在不同情景类型下的浓度高低顺序依次为:污染日>干季>清洁日>湿季,其中污染日的PM_(2.5)平均浓度是清洁日的近3倍,干季的PM_(2.5)平均浓度是湿季的1.4倍;不同情景类型下的PM_(2.5)浓度日变化特征基本都在白天时段低(16时最低),晚上时段高(21-22时最高),日变化幅度为污染日>干季>清洁日>湿季。(3)在干季,影响广州的气流轨迹路径主要有5类:东北路径、东南路径、西北路径、西南路径及偏西路径,其中第2类东南路径对广州PM_(2.5)平均浓度的贡献最高;而在湿季,影响广州的气流轨迹路径主要有4类:偏南路径、东南路径、偏北路径及西南路径,其中第3类偏北路径对广州PM_(2.5)浓度的贡献最高。(4)基于潜在源贡献因子和浓度权重轨迹分析法分析表明,广州PM_(2.5)浓度潜在源贡献较大的区域主要集中在广州东部的东莞、惠州、深圳、肇庆、中山等周边地区,该研究可为确定广州污染潜在源贡献区以及区域联防联控提供参考。

2019年瓦里关地区CO_(2)和CH_(4)浓度变化特征及潜在来源分析

利用2019年瓦里关站在线温室气体观测数据,分析了该站CO_(2)、CH_(4)浓度的季节和日变化特征,探讨了CO_(2)和CH_(4)可能的潜在源区。结果表明,2019年瓦里关地区CO_(2)和CH_(4)浓度分别为412.07±4.78ppm(1 ppm=10-6)和1935.17±21.13ppb(1ppb=10-9),略高于全球平均浓度水平。大气CO_(2)浓度季节变化呈现夏秋季低、冬春季较高的特征,CH_(4)浓度变化特征正好与CO_(2)的相反,呈现为夏秋季高,冬春季低,这可能与瓦里关地区夏秋季放牧活动增加和来自兰州—西宁城市群主导气流的输送有关。CO_(2)和CH_(4)浓度平均日变化规律明显,其变化特征是源、汇强度变化和大气扩散强度变化相互作用的结果。后向轨迹聚类表明,来自甘肃中部和青海东北部兰州—西宁城市群的气团对瓦里关CO_(2)和CH_(4)浓度贡献最大。PSCF法分析同样表明,兰州—西宁城市群是瓦里关CO_(2)和CH_(4)最主要的潜在源区。

济南市区黑碳污染变化特征及来源解析

黑碳(BC)作为细颗粒物(PM2.5)的重要来源之一,探究其变化特征及来源对PM2.5管控具有指导意义。为了研究济南市区大气黑碳颗粒物污染变化特征及来源,于2020年1月-2021年12月在济南市区选择市中心站(1#)利用Magee公司AE33型黑碳仪对黑碳浓度展开了在线连续观测,还开展了PM2.5、氮氧化物(NOx)、一氧化碳(CO)质量浓度的同步在线观测,获得了市区黑碳浓度变化特征,探究了BC与主要大气污染物的关系,并结合省中心站(2#)BC监测,定量解析了济南市区BC排放来源的日变化特征,同时选取典型污染过程研究不同排放源黑碳的传输影响。结果表明,整个观测时段1#BC平均质量浓度为(1.86±1.21)μg·m^(-3),BC与PM2.5和CO呈正相关关系。BC质量浓度呈现明显的年、季节、周和日变化特征,2021年BC较2020年下降约0.28μg·m^(-3),下降比例为14%,BC质量浓度春(1.47±0.51)μg·m^(-3)<夏(1.60±0.43)μg·m^(-3)<秋(1.99±0.77)μg·m^(-3)<冬(2.48±1.17)μg·m^(-3);BC受交通早晚高峰的影响呈现双峰型日变化特征,春夏季周末浓度高于工作日,具有比较明显的“周末效应”。源解析结果表明,交通排放为BC主要来源,2020年和2021年BC交通源贡献均值占比(BCtraffic/BC)夏(0.81)>秋(0.79)>春(0.76)>冬(0.67),不同季节BCtraffic日变化特征也证实了交通源对BC贡献占主导作用,2#省中心站与1#市中心站变化相似,但受交通流量与工业源影响BC浓度通常高于1#市中心站,典型PM2.5污染期间BC除受近距离局地排放源影响外,还有济南北部、德州市和河北衡水市传输影响。风场对BCtraffic和BCnontraffic浓度的影响显示该站点以周边源排放为主,BCtraffic受西南方向的旅游路隧道及东北方向舜华路等交通繁忙路段排放影响明显。

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。