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。

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。

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%.

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。

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。

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。

许昌市夏季臭氧污染特征与气象因子影响分析

结合许昌市2019—2022年夏季(5—9月)臭氧(O_(3))逐小时质量浓度与气象数据,分析O_(3)浓度变化特征与气象因子的影响,识别O_(3)污染传输特征与潜在源分布。结果表明,许昌市2019—2022年夏季O_(3)浓度整体呈下降趋势,但2022年O_(3)季均值略有上升;夏季中6月的O_(3)污染最重,平均日超标率达61%;O_(3)浓度日变化呈单峰状,峰值出现在16:00左右;O_(3)浓度与气温、风速呈正相关,与相对湿度呈负相关;当气温≥35℃、相对湿度为20%~<40%、风速为2~<3 m/s、主要风向为南风、东南风时易发生O_(3)小时浓度超标;6月高温(气温≥30℃)和低湿(相对湿度20%~<40%)时段持续时间长是导致O_(3)浓度较高的重要因素;2022年夏季气团主要来自东北、西南和东南方向;除本地生成外,许昌市高浓度O_(3)还受到山东、安徽、湖北等区域传输影响。

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。

黄山顶夏季气溶胶数浓度特征及其输送潜在源区

利用轨迹聚类方法对2011年6-8月黄山光明顶的气团轨迹进行聚类分组，得到2011年夏季到达黄山顶的主要气团输送轨迹，结合黄山顶的气溶胶数浓度观测资料，分析不同类型输送轨迹与黄山顶积聚模态颗粒物数浓度的关系.利用潜在源贡献因子分析法PSCF（potential source contribution function analysis）定性分析了不同气团背景下黄山顶积聚模态颗粒物数浓度的潜在源区，最后结合浓度权重轨迹分析法CWT（concentration weighted field）定量分析不同潜在源区对黄山顶积聚模态颗粒物数浓度的贡献.结果表明，积聚模态颗粒物（0.5-1μm）数浓度约占0.5-20μm颗粒物数浓度的94.9%；黄山顶6-8月大陆气团的发生频率最高，约43.4%；影响黄山光明顶积聚模态颗粒物数浓度的潜在源区主要来自一些工业发达人口密集的城市群：湖北东部、安徽中部、河南、江西境内、两广交界处、湖南南部以及浙江北部地区.而垂直方向上，来自西北和西南方向高度约2-5km的自由对流层气团对黄山顶积聚模态粒子数浓度贡献较大.

兰州市PM_(10)输送途径与源区贡献的四季差异分析

利用混合单粒子拉格朗日综合轨迹(HYSPLIT)模式对兰州市近16年逐日72h后向气流按季节聚类,结合PM_(10)浓度数据,分析气流来源与该市PM_(10)的关系,使用潜在源贡献因子(PSCF)法和浓度权重轨迹(CWT)法,探讨该市PM_(10)的潜在源区季节分布及其贡献特征。结果表明:总体而言,兰州市气流来源四季变化明显,不同来源气流对该市PM_(10)的贡献具有一定差异。潜在源区有明显的季节和空间变化。春季潜在源区主要分布在内蒙古西部、甘肃河西走廊、新疆东南部等地区,其中内蒙古西部、甘肃河西走廊地区对兰州市PM_(10)质量浓度贡献在125μg/m^3以上,新疆东南部地区贡献达到150μg/m^3。夏季四川北部、陕西中西部地区对PM_(10)质量浓度贡献在75μg/m^3以上。秋季潜在源区主要分布在青海北部、新疆东南部等地区,其中青海北部对兰州市PM_(10)质量浓度贡献在125μg/m^3以上,新疆东南部地区贡献在150μg/m^3以上。冬季潜在源区主要分布在青海北部、新疆东南部地区;其中青海北部地区贡献在150μg/m^3以上,新疆东南部地区贡献在175μg/m^3以上。

2011~2020年华北平原气溶胶光学厚度时空分布特征及潜在源分析

随着经济高速增长和城市化进程不断加快,华北平原区域性空气污染问题愈演愈烈。针对该区域开展长时序气溶胶光学厚度时空分布特征和潜在源分析研究,对华北平原大气污染治理具有重要意义。基于长时序MODIS/Terra C6.1 MOD04_L2气溶胶光学厚度产品,分析华北平原气溶胶光学厚度的时空分布特征,并利用后向轨迹聚类分析讨论华北平原7个重点城市气团输送的季节变化,并以污染较为严重的河北石家庄为例进行潜在源分析和浓度权重分析,探究影响其大气质量的污染物潜在源区。结果表明:2011~2020年华北平原气溶胶光学厚度月均值呈显著的周期性变化,以年为周期,每个周期内峰值一般出现在6月至8月;气溶胶光学厚度月际年内呈单峰分布,峰值出现在6月(0.75),最小值出现在12月(0.37);气溶胶光学厚度季均值从大到小依次为夏季(0.67)、春季(0.59)、冬季(0.49)、秋季(0.46);10年间气溶胶光学厚度呈下降趋势,整体下降幅度达36.84%,其中2011年最高(0.72),2018年最低(0.45);华北平原7个重点城市春、夏、秋、冬四季主要受短距离气团输送影响较大,长距离气团输送影响较小;2014~2020年河北石家庄的空气质量优良天数占比相对较小,空气质量状况差,影响其空气质量的污染物多为本地生成,同时也受周边省市近距离输送的影响。

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.

太原市大气PM2.5季节传输路径和潜在源分析

为了研究太原市大气PM2.5不同季节的传输路径和污染源区,利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据,对2017~2018年不同季节太原市逐日48h气流后向轨迹进行聚类分析,同时结合小时污染物质量浓度数据,分析不同季节太原市PM2.5的潜在源贡献因子(WPSCF)和浓度权重轨迹(WCWT).结果表明,太原市PM2.5的质量浓度在季节上呈现冬季(77.56μg/m^3)>秋季(69.89μg/m^3)>春季(63.78μg/m^3)>夏季(45.51μg/m3)的变化趋势.PM2.5与SO2、NO2和CO之间存在明显的同源性和二次转化过程.春、秋和冬季大气传输路径主要以西和西北方向近距离、慢移速的轨迹为主,夏季以南和东方向轨迹为主.PM2.5潜在源区季节变化明显:夏季主要受太原本地和晋中地区的影响;春、秋和冬季主要受陕西中北部、吕梁、临汾和晋中等地的影响.

泰山顶PM2.5及其二次组分的输送路径与潜在源

为了明确泰山顶PM_(2.5)及其二次组分的输送路径与潜在来源,基于后向轨迹聚类方法对2015年冬季和春季抵达泰山顶的气团传输轨迹进行聚类分析,并利用PSCF(潜在源贡献因子)和CWT(浓度权重轨迹)方法分析泰山顶冬季和春季PM_(2.5)、SO_4^(2-)、NO_3^-和NH_4^+的潜在源域.结果表明,冬季和春季来自不同方向的气团轨迹对泰山顶PM_(2.5)及其组分的潜在源分布的影响具有明显差异.冬季泰山顶ρ(PM_(2.5))和ρ(NO_3^-)平均值的最高值对应的气团轨迹来自湖北、河南、山东济宁等地区,而来自西北方向的轨迹1和轨迹2分别对应的ρ(SO_4^(2-))和ρ(NH_4^+)平均值最高;春季影响ρ(PM_(2.5))和ρ(NO_3^-)的气团轨迹主要来自西南方向的河南、安徽北部、山东聊城等地区,而源自蒙古国途经内蒙古、山西、河南北部和山东聊城的气团轨迹对ρ(SO_4^(2-))和ρ(NH_4^+)的贡献最大.泰山顶ρ(PM_(2.5))、ρ(SO_4^(2-))、ρ(NO_3^-)和ρ(NH_4^+)的PSCF分布特征与CWT分布特征类似,WPSCF(源区分布概率)和CWT的最高计算值主要集中山东济宁、聊城以及邻近的山西省、河北省和河南省,是泰山顶大气污染物的主要潜在源域.

典型西南工业城市春冬季PM2.5来源与潜在源区分析——以柳州市为例

为了揭示柳州城区春冬季PM2.5的来源及其潜在源区分布和贡献,利用2018年24h自动监测数据和气象数据对柳州市大气污染物浓度变化特征进行了分析,并且使用后向轨迹模型(HYSPLIT)对春冬季柳州市PM2.5逐日72h气流后向轨迹和前向轨迹进行聚类分析,同时结合潜在源贡献因子分析法(WPSCF)和轨迹浓度权重法(WCWT)对其潜在源区和浓度贡献进行了分析.结果显示,(1)在研究期内,不利的主导风向和工业区布局导致研究区PM2.5在春冬季污染较严重,且工业源和交通源是其主要本地来源;(2)春冬季PM2.5高值主要来源于西北和东南方向,其中,西北向PM2.5主要来源于本地排放,且浓度在空间上呈现西高东低的趋势;(3)春季后向轨迹PM2.5浓度整体大于冬季,春冬季中对柳州市PM2.5影响最大轨迹均来自东部的短距离输送,而来自西北的气流轨迹输对PM2.5贡献最低.春冬季柳州市大气PM2.5通过气流传输对贵州地区大气环境有较大影响;(4)春季,柳州市PM2.5的主要潜在源区分布在广西东南部、广东中西部、南海沿岸海域、湖南中部、江西西北部、湖北东部及安徽西北部;冬季,主要分布在广西东南部、广东西南部和南海沿岸海域.

哈尔滨市大气污染物输送路径及潜在源区分析

该文采用空气质量指数(AQI)分析了2015-2019年哈尔滨市不同季节首要污染物的污染特征,利用HYSPLIT后向轨迹模式对近5年四季逐日72 h后向轨迹气流进行聚类分析,结合AQI数据,揭示哈尔滨市大气污染物传输路径及潜在源贡献因子和浓度权重轨迹的季节差异。结果表明:哈尔滨市优良天数占比从2015年的66%上升到2019年的83%,5年中2015年为大气污染较为严重的一年,5年来空气质量呈明显好转趋势。哈尔滨市大气污染呈现出不同的季节特征:优良天数平均值占比从高到低依次为夏季(94.6%)>秋季(84.4%)>春季(80%)>冬季(53%),O_(3)和PM_(2.5)分别为空气质量最优的夏季与最差的冬季的首要污染物,春季和秋季首要污染物表现为由NO_(2)和PM_(2.5)复合型污染向以O_(3)为主导的气态型污染转变。各季节轨迹分布与其所处的地理位置和季风气候密切相关,春季来自山东东部、渤海、辽宁、吉林到达哈尔滨的轨迹污染率最高;夏季污染率较高的气流轨迹均来自南部方向,主要传输方向自渤海越过山东东部到达青岛地区,经辽宁、吉林汇入哈尔滨;秋季污染率较高的轨迹分布最为分散,主要以近距离输送轨迹为主;冬季AQI值显著高于其他季节,可能与北方冬季进入燃煤采暖期,污染物排放增多有关,主要集中分布于西北方向输送进入哈尔滨,呈现出输送轨迹越短,污染率越高的特点,其中来自吉林的最短转向路径挟带的污染物浓度最高,其次为由俄罗斯东南部经内蒙古过吉林到达哈尔滨,说明吉林是影响哈尔滨市冬季大气污染物浓度偏高的主要地区。

京津冀气溶胶时空变化特征及潜在来源分析

针对京津冀日益恶化的环境问题,采用Terra-MODIS C6.1 MOD04_L2气溶胶光学厚度(aerosol optical depth,AOD)产品对京津冀地区2011—2020年AOD时空变化特征进行探究,基于HYSPLIT模型得到京津冀地区3个主要城市的四季主要气流输送轨迹,并结合空气质量指数(air quality index,AQI)数据和潜在源贡献因子法(potential source contribution function,PSCF)分析石家庄市不同季节的污染物潜在源区。结果表明:京津冀地区多年AOD空间分布大体呈东南高西北低的特征;10 a间AOD总体呈W型下降,峰值和谷值出现在2011年(0.49)和2017年(0.33);AOD月均值变化呈双峰型,峰值出现在2月(0.48)和7月(0.59);AOD四季均值由高至低依次为:夏(0.53)>春(0.39)>冬(0.36)>秋(0.32);北京市、天津市和石家庄市四季主要受到短距离气团输送的影响;统计AQI优良率可知京津冀3个主要城市中石家庄市空气质量最差,通过PSCF分析得出影响石家庄市AQI值的潜在源区主要分布在石家庄市本地及周边省市。

深圳市东北部PM_(2.5)的变化特征及潜在传输来源

2014年深圳市东北部吓陂监测站PM_(2.5)的年均质量浓度为47.0μg/m^3,在全市处于较高污染状态,并呈现出冬季>秋季>春季>夏季的季节变化特征。气象要素的分析表明,2014年吓陂监测站夏季时降水较多、湿度最大、风速最大、气温最高、边界层高度最高,最有利于污染物的扩散和清除;冬季时降水最少、湿度最小、风速最小、气温最低、边界层高度最低,最不利于污染物的扩散和清除。后向轨迹聚类分析表明,吓陂监测站的后向轨迹主要分为5类,其中来自北方内陆地区的气团污染最重,来自南海地区的气团污染最轻。进一步利用潜在源贡献因子进行源区识别分析,结果表明:2014年吓陂监测站的PM_(2.5)主要来源于本地源的排放及周边地区(尤其是广东东北部地区)的短距离输送,此外江西等内陆地区的长距离传输在一定程度上也可能导致吓陂监测站PM_(2.5)质量浓度的升高。

杭州城区大气颗粒物污染特征及PM2.5潜在源区研究

基于2015年9月1日至2016年8月25日杭州城区观测点PM1、PM2.5、PM10小时浓度数据进行分析,利用HYSPLIT模型、潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法,探讨了杭州城区PM1、PM2.5、PM10时间分布特征和PM2.5潜在来源。结果表明:研究期间PM1季节平均浓度表现为冬季>秋季、春季>夏季,PM1~2.5、PM2.5~10浓度则表现为冬季>春季>秋季>夏季;PM1浓度日变化呈现明显的双峰现象,而PM1~2.5和PM2.5~10在同一时段均无明显浓度峰值;杭州城区PM2.5受外源输送污染具有明显的季节性变化特征,夏季、秋季杭州城区PM2.5的潜在源区主要是浙江北部、安徽东南部等,春季PM2.5的潜在源区主要是浙江中部、江苏南部等,冬季PM2.5的潜在源区主要是山东南部、江苏西南部、浙江北部、安徽南部、江西中部等地区。

帕米尔高原东部PM10输送路径及潜在源分析

基于HYSPLIT后向轨迹模式和NCEP的GDAS数据(2019年3月~2020年2月),对抵达帕米尔高原东部的48h后向气团轨迹按季节聚类,其PM10和PM2.5年均值分别为(29.4±16.4),(9.3±5.1)μg/m3,大气颗粒物以PM10为主,结合同期PM10浓度数据,分析不同路径对帕米尔高原东部PM10聚集的贡献,并利用潜在源贡献因子法(PSCF)和浓度权重轨迹法(CWT),揭示研究期间帕米尔高原东部不同季节PM10的潜在源分布及其贡献水平.结果表明:帕米尔高原东部PM10输送路径的季节特征明显,春季来自中亚的西风气流对应PM10高值,夏季来自中国新疆西部的气流也对应较高PM10值,秋季各轨迹对应PM10值相当,冬季来自南亚方向气流对应PM10高值.PM10春季贡献源区主要位于中国新疆西部、阿富汗东北部、巴基斯坦东北部、塔吉克斯坦中部及东部地区,夏季主要位于中国新疆西部喀什与和田北部地区,秋季主要位于土库曼斯坦东部、乌兹别克斯坦东南部、巴基斯坦北部、阿富汗北部与塔吉克斯坦南部接壤地区,冬季主要位于巴基斯坦东北部、印度北部以及阿富汗北部.