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.

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.

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。

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.

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.

基于多种TSM方法的北京国家奥林匹克体育中心2月颗粒物来源解析

利用HYSPLIT(Hybrid Single Particle Lagrangian Integrated Trajectory)模型和ERA_INTERIM数据,计算2013-2017年北京奥林匹克体育中心(以下简称奥体中心)2月期间抵达的72 h后向轨迹,并结合聚类分析方法和污染物浓度数据,分析2月不同轨迹对奥体中心污染物浓度的影响,采用四种不同的轨迹分析方法分析奥体中心污染物来源特征,并通过实例分析了不同轨迹分析方法的优缺点和适用性。结果表明:奥体中心2月主导气流明显,为西北路径,出现概率为55.85%;清洁通道为北向气流,污染来源为南向路径和偏东路径,对应颗粒物浓度最高;通过轨迹统计方法得到奥体中心2月颗粒物主要污染来源为河北地区、山东半岛、黄渤海区域、新疆北部与河西走廊。此外,研究发现潜在源贡献函数和浓度权重轨迹方法适用于近距离污染源的识别;停留时间浓度加权方法采用确定性办法通过迭代可以精准识别出北京奥体中心主要污染物来源;定量传输偏差分析方法引入不确定性概念,适用于大范围确定性污染源识别,但同时会产生虚假的污染物来源。不过,采用RTWC方法和QTBA方法相结合可消除QTBA方法带来的虚假污染源。

阿克达拉大气本底站黑碳浓度特征和潜在源

利用阿克达拉大气本底站2011~2017年黑碳气溶胶(BC)逐小时质量浓度资料和同期气象数据,采用后向轨迹聚类分析、潜在来源贡献函数法(PSCF)和浓度权重轨迹分析法(CWT),研究了阿克达拉站BC不同时间尺度浓度特征和潜在源区.结果表明:阿克达拉站2011~2017年BC呈波动下降趋势,BC清洁程度较高;BC浓度呈春冬高,夏秋低的季节变化特征,春季(398.85±189.35)ng/m^(3)>冬季(389.89±105.94)ng/m^(3)>夏季(272.07±90.07)ng/m^(3)>秋季(269.52±68.07)ng/m^(3),自然因素为BC浓度变化的主要原因;日变化特征表现为白天低、夜间高,基本呈单峰分布;阿克达拉站BC潜在源随季节变化差异明显,后向轨迹,WPSCF和WCWT分析都表明,春季潜在源集中于俄罗斯南部与新疆交界处的阿尔泰山北麓,秋季潜在源为新疆北疆经济带,冬季BC多受境外排放源影响.BC污染控制需要区域环境合作,实现联防联治,尤其是加强跨境污染源监测工作.

2013—2017年邯郸市PM_(2.5)浓度变化特征及污染源区研究

为探索邯郸地区PM_(2.5)浓度长期变化特征及污染潜在源区,对邯郸2012年12月—2018年2月河北工程大学站点在线监测的PM_(2.5)质量浓度进行统计分析,并结合HYSPLIT模型、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)对PM_(2.5)进行来源解析。结果表明:邯郸市2013—2017年PM_(2.5)年均值为108.4、98.3、92.2、81.2、66.3μg·m-3;整体呈逐年下降趋势;秋冬季污染最为严重,春、夏季次之;月均值呈单峰型分布,1月最高(167.4μg·m-3),7月最低(59.2μg·m-3)。后向轨迹结果显示,近地层大气污染气团输送路径以近距离轨迹为主,轨迹较短的路径占比在40%以上。除冬季外,近距离输送路径均存在螺旋转向,轨迹方向转为南向和东向路径;邯郸主要污染源区范围较大,其中河北中南部、河南北部、山西中南部、陕西北部、内蒙古南部地区的轨迹对邯郸PM_(2.5)质量浓度贡献较大。

疫情期间北京市大气污染特征及潜在源区分析

针对疫情期间北京市的大气污染特征进行了分析,并基于后向轨迹模型(Hysplit)、潜在源贡献因子算法(potential source contribution function,PSCF)和浓度权重轨迹分析法(concentration weighted trajectory,CWT)研究了重污染期间污染气团的主要传输路径和潜在源区.结果表明:与疫情暴发前(2020年1月1—22日)和2019年同期相比,低风速和高湿度的气象条件导致疫情暴发后(23—31日)北京市PM_(2.5)质量浓度分别增加149.7%和62.2%,SO_(2)分别增加40.6%和6.8%,CO分别增加42.6%和37.8%,O_(3)分别增加73.6%和28.0%,NO_(2)分别下降27.9%和21.6%.选取污染最严重的1月28日分析气团来向和潜在污染源区,来自北京市近周边的气团是此次重污染过程的主要传输轨迹,潜在污染源区主要集中在北京本地、廊坊北部和天津北部,来自内蒙古中西部和北京市北部的远距离传输对此次重污染过程几乎没有影响.因此,仍需通过区域联防联控改善北京市大气环境质量.

阳泉市COVID-19期间主要大气污染物的传输及来源分布

2020年初,COVID-19在国内暴发,在相关管控措施下研究了区域性大气污染特征与传输之间的关系。选取山西省阳泉市的6个大气环境质量国控站点,获取了2019—2021年主要大气污染物(NO_(2)、PM_(2.5)和O_(3))在时间尺度上的变化特征。重点评估了2020年2月管控措施对主要大气污染物的影响,并结合HYSPLIT模型模拟的48 h后向轨迹以及潜在源贡献因子法(PSCF)和浓度权重轨迹法(CWT),量化了该研究时间段内阳泉市3种大气污染物的潜在源及贡献。结果表明:在研究时间段内,NO_(2)和PM_(2.5)平均浓度呈现整体下降的趋势,2021年NO_(2)浓度较2020年稍有回升,但整体水平低于2019年。O_(3)浓度则逐年上升,推测是O_(3)在对流层的光化学反应导致。后向轨迹聚类分析发现,2019年2月和2021年2月,大气污染物主要来源于东部气团的输送,而2020年则主要来源于西部。NO_(2)和PM_(2.5)在聚类轨迹上的平均质量浓度与聚类轨迹呈正相关关系,O_(3)则没有明显的相关性。结合2月污染物平均浓度特征来看,管控措施使得2020年主要大气污染物浓度降低,而2021年主要污染物浓度的降低则归因于当地与周边地区实施的大气环境治理措施。NO_(2)和PM_(2.5)的潜在源分布呈现逐年区域化的态势。NO_(2)的潜在源主要是阳泉市本地、晋中市和太原市,而PM_(2.5)的潜在源分布则呈现山西本地、山东、京津冀、河南以及陕西区域贡献的特征。O_(3)的潜在源主要来自阳泉市本地和石家庄市的贡献,这也在一定程度上验证了其来源于本地光化学反应的说法。

2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响

2015年12月中国长三角区域经历了4次高浓度、大范围、长时间的颗粒物污染.本研究基于HYSPLIT后向轨迹模式结合GDAS(Global Data Assimilation System,全球资料同化系统)气象数据和长三角区域15个主要城市的PM_(2.5)质量浓度数据,利用轨迹聚类、潜在源贡献因子法(Potential Source Contribution Function,PSCF)和浓度权重轨迹法(Concentration-Weighted Trajectory,CWT)分析了2015年12月长三角区域主要气流轨迹方向和重污染过程中细颗粒物的潜在来源分布,探讨了不同污染过程的气象特征和影响气团分布.结果表明,2015年12月长三角区域主要受到来自西北和北方气流影响(B、C、D类),其出现概率分别为39.5%、20.0%和25.8%;西方内陆(A类)出现概率最低,仅为14.7%.西北内陆方向长距离输送(B类)对长三角区域空气质量影响较大,在此类气团主导下,长三角区域颗粒物(PM_(2.5)、PM_(10))质量浓度和气态污染物(SO_2、NO_2、CO)质量浓度平均值分别为90.9、135.1、32.4、54.4和1200μg·m^(-3),且粗颗粒物比重较其它3类聚类高;经过东北海面气团(C类)携带的颗粒物浓度也较高,且PM_(2.5)/PM_(10)比值最高,可能是其水汽含量较高加剧了污染物的二次生成.PSCF和CWT分析结果表明,污染过程1(12月5—8日)期间,长三角区域PM_(2.5)浓度主要受内蒙东部、京津冀、山东和江苏东部等地影响;污染过程2(12月10—11日)和污染过程3(12月13—15日)期间,京津冀地区对长三角区域PM_(2.5)浓度的贡献都较低,污染过程2的主要潜在源区较为集中,主要为内蒙东部、辽宁、山东东部、江苏和上海;而污染过程3的潜在源区较广,内蒙西南地区、甘肃、山西、陕西、河南、河北南部、山东、安徽北部等地及长三角本地对区域PM_(2.5)浓度均有重要贡献;污染过程4(12月20—27日)持续时间最长,相较前3次污染过程,京津冀地区和西南地区对长三角区域PM_(2.5)浓度的贡献相对增加.总体来说,2015年12月4次污染过程期间长三角区域PM_(2.5)污染的潜在贡献源主要集中在华北和华东(长三角)地区,区域性污染和长距离输送对冬季长三角区域空气质量有重要影响.

成都市一次典型空气重污染过程特征及成因分析

为了研究成都市冬季空气重污染过程的成因,以2015年12月26日—2016年1月6日成都市一次典型重污染天气过程为例,基于HYSPLIT后向轨迹模式结合全球资料同化系统(Global Data Assimilation System,GDAS)气象数据和成都市7个监测站的AQI、PM_(2.5)、PM10、NO2质量浓度数据,使用气象分析、轨迹聚类(Cluster Analysis)、潜在源贡献因子法(Potential Source Contribution Function,PSCF)和浓度权重轨迹法(Concentration Weighted Trajectory,CWT),分析了此次过程的气象特征、轨迹输送特征和污染物潜在来源分布.结果表明,此次污染天气过程是以PM_(2.5)为主要污染物,其次为PM10、NO2.2015年12月30日14:00左右是此次污染天气过程各站点PM_(2.5)、PM10浓度到达峰值的时刻.缺少北方冷空气南下,四川盆地内空气水平运动弱,以及扩散条件差的静稳天气形势是导致此次大气污染过程成都市污染物累积的原因,而冷空气活动是改善这种天气形势的关键.污染过程辐射逆温层的形成对当时污染物浓度增长有促进作用,但随着每日生消、加强减弱,其并不是最终导致重污染天气形成的关键因素.川东北的广元、绵阳、德阳等地区和成都本地及其南向的眉山、雅安等地区是此次过程主要的潜在源区,这些地区人口较密集,工业较发达,且沿地形走向而分布.

郑州市冬季大气PM_(2.5)传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.

绥化市一次空气污染过程及潜在源区分析

本研究以2019年12月21—25日绥化市一次严重的空气污染事件为研究对象,分析了此次污染概况、气象条件、污染成因以及污染的潜在源区.结果表明:此次污染期间,绥化市以PM2.5污染为主,污染特征由21日10:00及22日11:00的偏燃煤污染型转变为24日15:00的偏二次颗粒物污染型,最终25日12:00污染特征又转变为偏燃煤型,本次污染主要以燃煤、机动车尾气和二次无机源为主;不利的气象条件主要由于弱风、高湿及低温、较差的扩散条件导致污染物局地积累;48 h后向轨迹模拟表明污染期间绥化市受4类气流输送的影响,主要来源于俄罗斯、内蒙古、吉林等方向,其中超标轨迹占97.4%;WPSCF分析发现潜在源区主要集中在绥化本地中部、辽宁省东北部、大庆市中部、齐齐哈尔市东南部、哈尔滨市中部区域;WCWT模拟出的潜在源区域较WPSCF大,模拟发现吉林北部对绥化PM2.5污染贡献值为60~80μg·m^-3,黑河东北部的贡献值高达100μg·m-3以上,俄罗斯、内蒙古地区对绥化市大气PM2.5污染水平的影响及贡献较小.

川南自贡市大气颗粒物污染特征及传输路径与潜在源分析

川南自贡市大气颗粒物污染比较严重, 2015~2018年PM10和PM2.5平均浓度分别为(95.42±9.53)μg·m-3和(65.95±6.98)μg·m-3,并有明显的下降趋势,冬季PM10和PM2.5浓度远高于其它季节, 1月平均浓度最高,分别为(138.08±52.29)μg·m-3和(108.50±18.05)μg·m-3,夏季平均浓度最低.PM2.5与PM10的平均比值为69.12%,冬季比值约为夏季的1.17倍,空气污染以PM2.5为主.采用拉格朗日混合单粒子轨迹模型(HYSPLIT)和全球资料同化系统的GDAS气象数据,对自贡市细颗粒物(PM2.5)浓度和逐日72 h后向轨迹进行计算和聚类研究,利用潜在源贡献分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨不同季节影响自贡市PM2.5浓度的潜在源区以及不同源区的污染贡献.结果表明,自贡市近地面四季多受东南风、偏西风和西北风控制,高浓度PM2.5多出现在0~2 m·s-1的低风速区;不同季节、不同输送路径对自贡PM2.5污染影响的差异显著,春季主要受到来自偏西和偏北方向短距离输送气流的影响,夏季污染轨迹主要来自短距离输送的东南气流,秋季主要受来自资阳,经遂宁、重庆和内江的短距离输送气流的影响,冬季除受到资阳、遂宁和内江等周边城市的影响外,还受到来自西藏中部的远距离输送气流影响;除夏季外,自贡市潜在源区主要位于重庆西部与川南交界区域,冬季的主要贡献区范围最广、贡献程度最大,夏季潜在源区范围最小且贡献程度最弱.

2021年3月14—16日中国北方地区沙尘暴天气过程诊断及沙尘污染输送分析

2021年3月14—16日发生在北方地区的沙尘暴天气过程被认为是近10年来我国出现的最强过程.本文在对此次沙尘暴过程天气学特征分析的基础上,利用HYSPLIT模式和GDAS资料,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨了气候变化背景下沙尘输送源与天气系统的配置关系及本次过程中沙尘污染物PM_(10)质量浓度的潜在源区分布及贡献.结果表明,此次过程由强烈发展的蒙古气旋及冷锋过境,高空槽后冷空气持续补充引起,中高层强斜压性使地面蒙古气旋强烈发展,大风卷扬起的沙尘随上升气流输送到高空,并在偏北大风引导下,影响了我国大范围地区.内蒙古东北部至河套地区的强涡度梯度带、500、700 hPa较高的强冷平流中心与下层的温度平流差异以及交替的上升下沉运动为本次北方地区大范围沙尘暴过程提供了动力、热力及不稳定度条件.本次沙尘天气过程中,影响呼和浩特、北京的沙尘传输通道主要为北偏东路,影响银川的沙尘传输通道为西北路和北路,过程受多沙源传输通道影响.萨彦岭、蒙古国南部戈壁沙漠为本次沙尘天气PM_(10)的主要潜在源区,传输过程中混合内蒙古沙源地沙尘.总体来说,蒙古国南部戈壁沙漠对本次过程PM_(10)质量浓度的贡献最大.

南京地区细颗粒物污染输送影响及潜在源区

基于南京市空气质量数据和NCEP全球再分析资料,利用后向轨迹模式计算了2019年3月至2020年2月以南京城区为受体点的逐小时气团24 h后向轨迹,并将后向轨迹数据和PM_(2.5)浓度数据结合,进行轨迹聚类和潜在源区分析.结果表明,研究期间南京市ρ(PM_(2.5))平均值为(36±20)μg·m^(-3),超过国家二级标准限值的污染天数为17 d,ρ(PM_(2.5))的季节变化特征明显:冬季(49μg·m^(-3))>春季(42μg·m^(-3))>秋季(31μg·m^(-3))>夏季(24μg·m^(-3)),全年PM_(2.5)浓度和地面气压显著正相关,而跟气温、相对湿度、降水量和风速均为显著负相关关系;春季气团输送路径为7条,其余季节均为6条,其中,春季的西北路和东南偏南路,秋季东南路和冬季西南路是各季主要的污染输送路径,均具有传输距离短,气团移动慢的特点,说明静稳天气下本地累积是PM_(2.5)出现高值的主要原因之一;冬季西北路气团传输路径较长,ρ(PM_(2.5))为58μg·m^(-3),是所有路径中第2高值,说明皖东北城市对南京输送影响较大;PSCF和CWT潜在源区分布较为一致,主要的潜在源区分布以南京本地和邻近区域为主,说明控制PM_(2.5)污染需要强化本地管控并和邻近区域开展联防联控,冬季污染输送影响最大,主要潜在源区分布在南京西北和滁州交界地带,且主要范围在滁州境内,联防联控的范围需要扩大到安徽.