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。

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。

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。

西安第十四届全国运动会及残特奥会前后PM_(2.5)溯源研究

基于2021年9月~11月西安市环境空气质量监测数据,分析十四运会及残特奥会前中后期西安市区域PM_(2.5)的污染特征,利用HYSPLIT模型、潜在源贡献因子法(PSCF)和权重浓度轨迹法(CWT)确定气团输送路径、潜在源区及其对PM_(2.5)质量浓度的贡献.结果表明:研究期间西安市以东南风为主导,PM_(2.5)浓度在十四运会期间最低,残特奥会结束后最高.PM_(2.5)的气团输送路径以陕南附近的本地输送、偏东和偏南方向的近距离输送以及西北方向的远距离输送为主.PM_(2.5)的潜在源区主要分布在河南湖北、贵州四川重庆、新疆内蒙地区以及陕南各城市及周边省份交界处.

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。

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。

外来输送对舟山城区不同季节PM_(2.5)污染的影响研究

为了揭示外来输送对浙江舟山城区PM_(2.5)污染的影响,在对2016年3月—2019年2月舟山城区PM_(2.5)日均质量浓度季节变化分析的基础上,利用后向轨迹聚类分析、潜在源分析函数和浓度权重轨迹分析方法,对比分析了影响舟山城区PM_(2.5)外来输送路径和潜在外来源区的季节特征。结果表明:春季和秋季以东北偏北和局地偏南路径占比最大,夏季以偏南路径占比最大,冬季以西北路径占比最大。春季西北路径和局地偏南路径分别对PM_(2.5)质量浓度平均值和最大值贡献最大,夏季西北偏北路径和偏南路径分别对PM_(2.5)质量浓度平均值和最大值贡献最大,秋季局地偏南路径对PM_(2.5)质量浓度平均值和最大值贡献最大,冬季西北路径对PM_(2.5)质量浓度平均值和最大值贡献最大。春季的潜在源区主要分布在安徽中北部到东南部、河南东部和福建北部沿海。夏季和秋季的潜在源区主要分布在安徽东南部、江苏南部和浙江西南部。冬季的潜在源区主要分布在山东西南部、江苏西北部、浙江北部、安徽东北部和河南东部。与2013—2016年数据的研究结果相比,不同季节主要输送路径的传输方向较一致,夏季和冬季仍分别主要受偏南路径和西北路径气流的影响。不同之处在于舟山夏季PM_(2.5)受西北偏北路径输送的影响增多,春季和秋季PM_(2.5)受来自浙江省内局地偏南路径输送的影响较明显。安徽、江苏、山东和浙江的部分地区仍是舟山PM_(2.5)主要的潜在源区,但浙江北部和江苏的分布范围有所减小,并有向山东西北部、浙江西南部和福建北部沿海延伸的趋势。

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.

国际会议期间大气污染应急措施改善嘉兴市空气质量效果分析

为研究2015年世界互联网大会期间嘉兴及周边省市采取大气污染应急防治措施对嘉兴市及长三角区域空气质量的影响,利用长三角区域28个主要城市（包括嘉兴市）国控点观测数据,对比分析了近3a嘉兴市和长三角区域管控期同期空气质量情况,发现2015年管控期（12月8—18日）和2013—2014年同期嘉兴市PM（10）年均质量浓度均低于长三角平均浓度,而PM（2.5）,NO2和SO2年均质量浓度总体高于长三角平均浓度;管控期嘉兴市PM（10）和SO2较2014年同期分别下降17.7%和38.1%。为了排除气象条件对污染物的影响,从管控前（12月1—7日）选取与会期（12月16—18日）气象条件相似的时段进行空气质量分析。结果表明,会期SO2、NO2、PM（2.5）和PM（10）平均浓度较管控前（12月2—4日）分别下降了42.7%、11.5%、13.4% 和 27.0%。同时,基于HYSPLIT方法和浓度权重分析讨论了管控期间（12月8—18日）长三角区域发生的2次重污染过程中嘉兴市PM（2.5）的来源,发现管控期间西北方向长距离输送对嘉兴市PM（2.5）浓度影响较大,看来其潜在来源主要集中在江苏、安徽、山东、河北、内蒙等省和自治区,浙江本地对其细颗粒浓度贡献较小。总体来说,在没有明显长距离输送和不利天气条件下,互联网大会空气质量保障措施对嘉兴市乃至长三角区域冬季空气质量均有明显改善作用。

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。

天津PM_(10)和NO_2输送路径及潜在源区研究

利用HYSPLIT模型和全球资料同化系统(GDAS)气象数据,用聚类方法对2012年12月~2013年11月期间抵达天津的逐日72h气流后向轨迹按不同的季节进行归类.并利用相应的PM10和NO2浓度日监测数据,分析了不同季节气流轨迹对天津污染物浓度的影响.运用潜在源贡献(PSCF)因子分析法和浓度权重轨迹(CWT)分析法分别模拟了不同季节PM10和NO2潜在PSCF和CWT.结果表明,不同方向气流轨迹对天津PM10和NO2潜在源区分布的影响存在显著差异.天津PM10和NO2日均浓度最高值对应的气流轨迹均集中在冬、春和秋季等来自内陆的西北气流;夏季影响天津的气流轨迹主要来自西北和东南方向,对天津PM10和NO2的日均浓度贡献较小.天津PM10和NO2的PSCF与CWT分布特征类似,最高值主要集中在天津本地以及邻近的河北省和山东省,是天津这两种污染物主要潜在源区.

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.

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.

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.

北京地区大气颗粒物输送路径及潜在源分析

利用TrajStat软件和全球资料同化系统数据,计算了2005～2016年北京市逐日72h气流后向轨迹,采用聚类分析方法,结合北京同期PM_(2.5)逐日质量浓度数据,分析北京市年及四季后向气流轨迹特征及其对北京市颗粒物浓度的影响,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨研究时期内不同季节影响北京市颗粒物质量浓度的潜在源区以及不同源区对北京颗粒物质量浓度的贡献.结果表明,就全年而言,西北输送气流占总轨迹的比例最高,达59.97%,且其输送距离最远、输送高度最高、移速最快.输送高度最低、距离最短、移速最慢的东南气流占比次之,为27.64%,东北气流占比最低为12.40%,其移速和输送距离介于前两者之间.主要污染轨迹来自山东、河北,其次为来自俄罗斯、蒙古国和内蒙古荒漠戈壁地区的西北气流.PSCF和CWT分析发现,蒙中、晋中、冀西南、豫北及鲁西是影响北京PM_(2.5)的主要潜在区域.而不同季节、不同输送路径对北京PM_(2.5)污染影响的差异显著,春季主要受来自蒙晋交界区域的短距离输送气流影响,潜在源区位于冀南、鲁西、豫东和皖西北地区,夏季污染轨迹来自鲁、晋地区,潜在源区为豫东北、皖北和苏北地区;秋季主要受来自冀南地区的短距离气流影响,潜在源区为晋北、冀南、豫北和鲁西地区,冬季主要受来自蒙古国中西部和蒙中地区的远距离输送气流影响,潜在源区主要在冀南、鲁西、豫北、晋和蒙西地区.

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。

长沙市气流传输特征及其对大气环境的影响分析

利用HYSPLIT气流轨迹模型和GDAS全球资料同化系统数据,文章计算了长沙市2016-2019年区域逐时的72 h气流后向轨迹并进行了轨迹聚类,结合监测数据分析了大气污染物浓度及气象因子受气流传输的影响规律,进一步采用轨迹权重浓度分析(WCWT)识别了污染潜在源区。结果表明:长沙市PM2.5与NO2、SO2、CO均显著正相关,而O3与NO2、CO均显著负相关,且O3与PM2.5浓度分别与风速呈显著正、负相关关系。长沙市受东北方向气流影响显著,春、夏、秋和冬季其轨迹占比分别为50.1%、37.7%、82.1%和42.8%,不同气流传输类型影响下污染物浓度差异明显,颗粒物、NO2、CO在冬季受西南及西北气流影响时浓度较高,其他三季受东北方向短距离传输气流影响时浓度较高,四季O3和SO2分别受东北方向、南面沿海方向气流影响时浓度较高;另外,区域风速和温度受不同类型气流影响时也存在明显差别。WCWT分析表明,长沙市PM2.5潜在源区域主要集中在西北方向的陕西、山西,东北方向的河南以及东南方向的广东等部分区域,O3潜在源区域主要集中在东北方向的河南、河北、江苏、浙江以及西南方向的广西、广东部分区域,SO2、NO2及CO潜在源区域较为相似,在西北方向的宁夏、陕西、湖北沿线及南面的广东珠三角区域均存在贡献高值;污染物潜在源分布差异显示,长沙市NO2受西北燃煤排放影响相对较大,而CO受广东珠三角区域机动车排放影响相对较大,区域NOx对O3的滴定作用明显。

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.

乌鲁木齐市区与南郊山区颗粒物污染特征对比分析

利用2017年10月~2018年8月的PM_(10)、PM_(2.5)、PM_(1)质量浓度数据以及NCEP全球再分析气象资料,分析乌鲁木齐市区和南郊山区颗粒物浓度变化特征,结合HYSPLIT后向轨迹模型、潜在源贡献因子分析(PSCF)以及浓度权重轨迹分析(CWT)分析市区颗粒物潜在源区.研究结果表明:①市区PM_(2.5)的超标天数为26d,南郊山区无PM_(2.5)超标,市区PM_(10)的超标天数是南郊山区的3.5倍,市区日均值及月均值质量浓度是南郊山区的2~7倍,市区呈现冬高夏低的季节特征,南郊山区春季最高;②乌鲁木齐市区PM_(10)日变化存在3个峰值,PM_(2.5)、PM_(1)为双峰型分布,南郊山区均呈双峰分布;并存在季节性周末效应;③长短两支聚类气流轨迹对乌鲁木齐市区颗粒物浓度影响较大,春夏气流来自中亚,秋冬来源于北疆周边地区;④颗粒物潜在源区分布季节特征显著,高值区主要为昌吉、巴州、吐鲁番等周边地区,西北部中亚地区也是颗粒物重要来源区域之一.

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.