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。

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。

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。

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。

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.

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.

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.

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.

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.

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。

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。

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.

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.

厦门市颗粒物输送路径和源区季节特征分析

该研究基于聚类后向轨迹分析法和潜在源贡献因子法,针对2015-2016年厦门地区季轨迹聚类结果进行统计分析,春季、秋季和冬季以偏北和局地路径占比最高,夏季为偏南和局地路径占比高。当颗粒物污染等级达到良或以上时,偏西和局地路径的PM2.5浓度较高;除局地累积外,冬季表现出明显的由北向南的跨区域输送特征,春季受来自长三角以及湖南、江西、福建西南等地区的污染气团影响明显;细颗粒物污染主要出现在局地输送和偏北路径下,粗颗粒污染则是在西北长距离路径下出现。潜在源区分析结果表明,本地排放、长三角、华北一带是冬春季污染输送的主要源地,珠三角至闽南沿海一带是厦门地区秋季的主要源区。空气相对清洁的厦门地区颗粒物来源存在明显季节差异,受多来源多尺度颗粒物共同影响。

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。

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.

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。