甘肅地區(qū)春冬季顆粒物輸送路徑及潛在源分析——基于HYSPLIT4模式及TraPSA分析平臺(tái)

張 芊,龐 可,馬彩云,陳恒蕤,馬明月,孔祥如,潘 峰*

甘肅地區(qū)春冬季顆粒物輸送路徑及潛在源分析——基于HYSPLIT4模式及TraPSA分析平臺(tái)

張 芊1,龐 可1,馬彩云1,陳恒蕤1,馬明月2,孔祥如1,潘 峰1*

(1.蘭州大學(xué)大氣科學(xué)學(xué)院,甘肅 蘭州 730000；2.中國(guó)石化集團(tuán)北京燕山石油化工有限公司,北京 102400)

利用HYSPLIT4模式和全球資料同化系統(tǒng)數(shù)據(jù),計(jì)算了甘肅地區(qū)5個(gè)站點(diǎn)2017～2018年逐時(shí)72h氣團(tuán)后向軌跡;結(jié)合各站點(diǎn)顆粒物逐時(shí)質(zhì)量濃度數(shù)據(jù),選擇顆粒物污染最嚴(yán)重的春冬季,利用軌跡聚類方法分析了甘肅地區(qū)后向氣流軌跡特征;基于潛在源貢獻(xiàn)函數(shù)(PSCF)分析法和濃度權(quán)重軌跡(CWT)分析法,將各站點(diǎn)分析結(jié)果輸入TraPSA分析平臺(tái)進(jìn)行加權(quán)疊加分析,探討了影響甘肅地區(qū)春冬季顆粒物質(zhì)量濃度的潛在源區(qū)及其貢獻(xiàn).結(jié)果表明:西北路徑是影響甘肅地區(qū)的首要路徑,其移動(dòng)速度快、輸送距離長(zhǎng)、污染程度嚴(yán)重;東北路徑次之,主要來(lái)源地為蒙古及內(nèi)蒙古地區(qū);甘肅南部地區(qū)受東南路徑的短距離輸送影響較大,且受到來(lái)自青藏高原的輸送影響;甘肅地區(qū)春季氣團(tuán)軌跡的輸送距離較冬季長(zhǎng)且輸送高度高,冬季PM2.5濃度均值和PM2.5/PM10的比值均較夏季高.多站點(diǎn)PSCF疊加分析發(fā)現(xiàn),PM10潛在貢獻(xiàn)源區(qū)春季主要分布在新疆東部、準(zhǔn)噶爾盆地、塔里木盆地東北部及青海西北部,蒙古南部、四川北部、青海西北部及東部有零星分布;冬季主要位于新疆東部及塔里木盆地、青海西北部及東部、陜西南部;冬季源區(qū)整體向南偏移,且省內(nèi)的短距離輸送加強(qiáng).多站點(diǎn)CWT疊加分析發(fā)現(xiàn),PM10濃度貢獻(xiàn)區(qū)春季主要位于新疆東部地區(qū)、準(zhǔn)噶爾盆地附近,蒙古南部及內(nèi)蒙古北部有線性分布,青海北部及甘肅北部區(qū)域有零星分布;冬季主要分布在新疆東部及甘肅北部地區(qū);春季較冬季PM10污染的主要貢獻(xiàn)區(qū)域更大、污染更重,但省內(nèi)的短距離傳輸及顆粒物污染程度減弱.

甘肅地區(qū)；大氣顆粒物；HYSPLIT4模式；聚類分析；潛在源貢獻(xiàn)函數(shù)(PSCF)分析；濃度權(quán)重軌跡(CWT)分析；多站點(diǎn)疊加分析

城市顆粒物的污染情況,不僅與本地的污染源排放有關(guān),還與跨區(qū)域的外來(lái)輸送影響有關(guān)[1].裴坤寧等[2]、薛文博等[3]利用數(shù)值模擬方法探討了跨區(qū)域的顆粒物污染輸送來(lái)源,表明跨區(qū)域傳輸對(duì)城市的顆粒物污染有顯著貢獻(xiàn),因此,研究污染物跨區(qū)域輸送對(duì)城市大氣污染防治具有重要意義.

后向軌跡模式(HYSPLIT4)是研究大氣顆粒物跨區(qū)域輸送的方法,潛在源貢獻(xiàn)函數(shù)(PSCF)分析法和濃度權(quán)重軌跡(CWT)分析法被廣泛用于識(shí)別潛在源區(qū).國(guó)內(nèi)外學(xué)者利用上述方法,對(duì)多種污染物在各地區(qū)的傳輸和擴(kuò)散進(jìn)行了廣泛研究[4-6].李顏君等[7]、高陽(yáng)等[8]利用HYSPLIT4后向軌跡模式和全球資料同化系統(tǒng)數(shù)據(jù),計(jì)算了北京市、豫南地區(qū)的氣流后向軌跡,運(yùn)用PSCF分析法和CWT分析法,探討了研究時(shí)期內(nèi)顆粒物質(zhì)量濃度的潛在源區(qū)以及對(duì)顆粒物質(zhì)量濃度的貢獻(xiàn);盧俊平等[9]借助HYSPLIT4模式分析了京蒙沙源區(qū)水庫(kù)大氣氮沉降的變化特征;Lee等[10]、Han等[11]則通過(guò)后向軌跡、PSCF等方法,分析了韓國(guó)永祥島、紐約州(波茨坦、斯托克頓和斯特林)的氣態(tài)汞來(lái)源.

對(duì)于甘肅地區(qū)的顆粒物污染研究,研究者[12-14]利用HYSPLIT4后向軌跡模式研究了省內(nèi)不同地區(qū)污染物的輸送路徑及貢獻(xiàn)源區(qū),但目前的研究大多為單站點(diǎn)、局部區(qū)域,對(duì)于多站點(diǎn)、甘肅地區(qū)的疊加分析較少,因此,本文利用HYSPLIT4模式及其聚類模塊,結(jié)合甘肅地區(qū)5個(gè)監(jiān)測(cè)站點(diǎn)2016年12月～2019年2月PM10及PM2.5的逐時(shí)觀測(cè)資料,分析春冬季不同輸送軌跡類型與甘肅地區(qū)顆粒物濃度的關(guān)系,并統(tǒng)計(jì)分析不同氣流軌跡的污染物特征,同時(shí)利用TraPSA分析平臺(tái)疊加各站點(diǎn)PSCF分析結(jié)果和CWT分析結(jié)果,研究影響甘肅地區(qū)顆粒物質(zhì)量濃度的主要潛在源區(qū),為不同季節(jié)大氣污染防治措施的制定提供參考.

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源與站點(diǎn)選取

污染物濃度數(shù)據(jù)來(lái)源于甘肅省5個(gè)環(huán)境空氣質(zhì)量國(guó)控監(jiān)測(cè)點(diǎn)的2016年12月～2019年2月逐小時(shí)監(jiān)測(cè)數(shù)據(jù),其主要污染物監(jiān)測(cè)指標(biāo)為 PM10、PM2.5、SO2、NO2、CO及O3.模式氣象資料來(lái)源于美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(NCEP)提供的全球資料同化系統(tǒng)(GDAS)2016～2019年的氣象數(shù)據(jù).該數(shù)據(jù)每6h記錄一次,分別為00:00、06:00、12:00和18:00(UTC,世界時(shí)),水平分辨率為1°×1°,垂直方向分23層,氣象要素包括溫度、氣壓、相對(duì)濕度、水平和垂直風(fēng)速等.

從甘肅北部至南部選取酒泉市倉(cāng)門街子站(98.509°E,39.746°N)、張掖市監(jiān)測(cè)站(100.4686°E, 38.9467°N)、蘭州市鐵路設(shè)計(jì)院站(103.831°E, 36.0464°N)、天水市文化館站(105.8614°E, 34.5653°N)、甘南州監(jiān)測(cè)站(102.905°E,35.0003°N)5個(gè)站點(diǎn)作為主要研究站點(diǎn),其覆蓋了甘肅主要城市、河西走廊南北兩端以及不同地形地貌、不同海拔地區(qū),站點(diǎn)分布見(jiàn)圖1.

1.2 研究方法

1.2.1 HYSPLIT4模式 HYSPLIT4(混合單粒子拉格朗日綜合軌跡模式)軌跡模式是歐拉和拉格朗日混合型的擴(kuò)散模式,其平流和擴(kuò)散計(jì)算采用拉格朗日方法,以跟蹤氣流所攜帶的粒子的移動(dòng)方向,濃度計(jì)算采用歐拉方法,氣流垂直方向高度的計(jì)算則是利用氣象數(shù)據(jù)中的位勢(shì)高度數(shù)據(jù),將其插值到遵循模式內(nèi)部坐標(biāo)系的地形數(shù)據(jù)中,以計(jì)算氣流相對(duì)地面高度[15-17].

本文利用HYSPLIT4模式進(jìn)行甘肅地區(qū)5個(gè)國(guó)控站點(diǎn)所在區(qū)域的后向軌跡模擬及聚類,并進(jìn)行PSCF和CWT分析.將酒泉市倉(cāng)門街子站、張掖市監(jiān)測(cè)站、蘭州市鐵路設(shè)計(jì)院站、天水市文化館站、甘南州監(jiān)測(cè)站5個(gè)站點(diǎn)作為模擬受點(diǎn),計(jì)算2017～ 2018 年春冬兩季逐時(shí)到達(dá)受點(diǎn)的72h后向氣團(tuán)軌跡并進(jìn)行聚類分析.

1.2.2 聚類分析方法 聚類分析是研究多個(gè)樣本要素之間相似性的客觀分類方法[15].本文利用HYSPLIT4模式中的聚類分析模塊,對(duì)到達(dá)各站點(diǎn)區(qū)域的氣團(tuán)軌跡進(jìn)行聚類,從而得到各站點(diǎn)春、冬兩季的不同輸送氣團(tuán)類型,并依據(jù)聚類分析模塊輸出的聚類信息文件,結(jié)合站點(diǎn)逐時(shí)污染物資料對(duì)各類氣團(tuán)軌跡的污染濃度特征進(jìn)行統(tǒng)計(jì)分析.

1.2.3 PSCF分析法 PSCF分析法計(jì)算條件概率(如果該值接近1,則表示軌跡穿過(guò)網(wǎng)格有效地將污染物輸送到受體位點(diǎn)),以確定每個(gè)網(wǎng)格對(duì)受體位點(diǎn)的潛在源貢獻(xiàn)[18-19].PSCF由判據(jù)值決定,通?？稍O(shè)置為最高濃度的50%～90%.受體濃度大于的后向軌跡端點(diǎn)貢獻(xiàn)值為1,否則貢獻(xiàn)值為0:

式中:p為后向軌跡的條件值結(jié)果;c為后向軌跡的受體濃度.

每個(gè)網(wǎng)格的PSCF值計(jì)算方法如下:

式中:PSCF為網(wǎng)格(,)的PSCF值;為后向軌跡總數(shù);τ為網(wǎng)格(,)中后向軌跡的端點(diǎn)數(shù).

由于采用固定的判據(jù)值,PSCF模型不能直接應(yīng)用于多站點(diǎn)分析.多站點(diǎn)PSCF模型定義為[20]:

式中:C為站點(diǎn)的判據(jù)值;c為站點(diǎn)的后向軌跡受體濃度;p為軌跡的條件值結(jié)果.

式中:為總站點(diǎn)數(shù);L為站點(diǎn)的后向軌跡總數(shù);τ為網(wǎng)格(,)中站點(diǎn)所屬后向軌跡的端點(diǎn)數(shù).

當(dāng)網(wǎng)格被少量的軌跡穿過(guò)時(shí),如果其中的一些軌跡也通過(guò)真實(shí)的源區(qū),則可能被模式識(shí)別為假源區(qū),這種現(xiàn)象被稱為“拖尾效應(yīng)”[21],可以使用加權(quán)函數(shù)來(lái)避免“拖尾效應(yīng)”,定義如下:

式中:WPSCF為網(wǎng)格(,)的加權(quán)值;PSCF為網(wǎng)格(,)的PSCF值;n為網(wǎng)格(,)的端點(diǎn)數(shù);為權(quán)重等級(jí);為權(quán)重等級(jí)范圍;avg為網(wǎng)格單元的平均端點(diǎn)數(shù),avg=總端點(diǎn)數(shù)/網(wǎng)格數(shù);p為級(jí)別的權(quán)重因子;l為權(quán)重等級(jí)的上限.

1.2.4 濃度權(quán)重軌跡(CWT)分析法 PSCF方法只能反映每個(gè)網(wǎng)格中污染軌跡所占通過(guò)該網(wǎng)格總軌跡數(shù)的比值,而不能反映該網(wǎng)格的污染程度[22].本文利用CWT分析法計(jì)算潛在源區(qū)內(nèi)的污染物濃度權(quán)重,分析潛在源區(qū)的污染程度,給出不同源區(qū)貢獻(xiàn)的相對(duì)大小.CWT方法如下:

式中:CWT為網(wǎng)格(,)上的平均權(quán)重濃度;為軌跡;τ為軌跡在網(wǎng)格(,)停留的時(shí)間;c為軌跡開(kāi)始時(shí)間的濃度;為后向軌跡的總數(shù).PSCF方法中所用的權(quán)重函數(shù)W同樣也適用于CWT方法,以減少n值較小時(shí)所引起的不確定性.

1.2.5 TraPSA分析平臺(tái) TraPSA(基于軌跡的潛在源解析)軟件可以利用大量監(jiān)測(cè)和軌跡數(shù)據(jù)進(jìn)行污染物潛在來(lái)源的定位,并進(jìn)行多站點(diǎn)方法的受體模型分析,以研究大區(qū)域的潛在源及其貢獻(xiàn).TraPSA提供了監(jiān)測(cè)站點(diǎn)數(shù)據(jù)庫(kù)管理、軌跡生成與處理、污染物時(shí)間格局分析、軌跡集成受體模型以及GIS編輯功能,其中軌跡集成受體模型算法包括條件概率函數(shù)(CPF)、濃度場(chǎng)分析(CFA)、CWT、停留時(shí)間加權(quán)濃度(RTWC)、PSCF和簡(jiǎn)化的定量運(yùn)輸偏差分析(SQTBA)[23-29].

2 結(jié)果與討論

2.1 甘肅地區(qū)大氣顆粒物污染特征

根據(jù)我國(guó)的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095- 2012)[30],PM10及PM2.5的24h平均質(zhì)量濃度限值二級(jí)標(biāo)準(zhǔn)分別為150,75μg/m3.

由圖2可見(jiàn),倉(cāng)門街子站3月份PM10濃度均值最高,達(dá)到222.42μg/m3,張掖監(jiān)測(cè)站3月份PM10濃度均值、鐵路設(shè)計(jì)院站1、12月份PM10濃度均值及文化館站12月份PM10濃度均值均超過(guò)150μg/m3;文化館站12月份PM2.5濃度均值最高,達(dá)到81.50μg/m3,鐵路設(shè)計(jì)院站11、12月份PM2.5濃度均值均超過(guò)75μg/m3;PM10及PM2.5月份趨勢(shì)均呈現(xiàn)兩邊高中間低的特點(diǎn),即在7、8、9月份達(dá)到谷值,在年初及年尾達(dá)到峰值.

圖3顯示,5站點(diǎn)均呈現(xiàn)冬季、春季的PM10及PM2.5濃度均值遠(yuǎn)高于夏季及秋季的特點(diǎn),且PM10超過(guò)150μg/m3限值的天數(shù)多、程度高,站點(diǎn)從北至南PM10濃度均值依次減小;細(xì)顆粒物PM2.5濃度均值在鐵路設(shè)計(jì)院站及天水文化館站較高,考慮到蘭州市及天水市工業(yè)化及城市建設(shè)水平相對(duì)較高,受到人為源活動(dòng)導(dǎo)致的細(xì)顆粒物排放影響較大[17,31].

虛線為環(huán)境空氣污染物二級(jí)濃度限值

3.2 各站點(diǎn)春冬季聚類結(jié)果分析

利用HYSPLIT4模式,依據(jù)TSV顯著變化原則,對(duì)2017～2018年春冬季逐小時(shí)72h后向氣團(tuán)軌跡進(jìn)行歸類分析,軌跡起始點(diǎn)高度設(shè)定為500m[32].本文參考此方法確定各站點(diǎn)春(3～5月)冬(12月、次年1、2月)季聚類軌跡數(shù)量,倉(cāng)門街子站冬、春季的后向氣團(tuán)軌跡分別被聚類為6、5類;張掖監(jiān)測(cè)站冬、春季的后向氣團(tuán)軌跡分別被聚類為4、5類;鐵路設(shè)計(jì)院站冬、春季的后向氣團(tuán)軌跡分別被聚類為8、6類;天水文化館站冬、春季的后向氣團(tuán)軌跡分別被聚類為5、7類;甘南監(jiān)測(cè)站冬、春季的后向氣團(tuán)軌跡分別被聚類為6、5類.軌跡聚類結(jié)果及輸送高度見(jiàn)圖4,其中輸送高度圖縱坐標(biāo)AGL為相對(duì)地面高度;各聚類軌跡占總軌跡數(shù)的比例及顆粒物平均濃度貢獻(xiàn)值如表1所示.

2.2.1 酒泉倉(cāng)門街子站 春季顆粒物主要輸送路徑為西北方向,其中來(lái)自新疆北部地區(qū)的聚類1及途經(jīng)此區(qū)域的聚類2、3占比分別達(dá)53%、9%、15%,總占比達(dá)到77%;PM10貢獻(xiàn)值最大的為來(lái)自哈薩克斯坦東南部的聚類3以及來(lái)自蒙古的聚類4,PM10濃度貢獻(xiàn)均值分別為232.78和184.88μg/m3.冬季西部路徑為主要輸送路徑,分別為聚類2、3及4,占比為16%、21%、40%,主要輸送路徑來(lái)源地為南疆的塔里木盆地以及青海北部的柴達(dá)木盆地;冬季輸送高度低,最高高度至1500m左右,主要為低于500m的低空輸送,春冬季的輸送路徑中來(lái)自哈薩克斯坦東南部和蒙古的路徑污染程度最高.

表1 甘肅地區(qū)5站點(diǎn)2017～2018年春冬季顆粒物聚類結(jié)果統(tǒng)計(jì)

續(xù)表1

2.2.2 張掖監(jiān)測(cè)站 春季聚類1、2、3、4均為西北方向輸送路徑,4條路徑的總占比達(dá)77%,是此地區(qū)春季的主要輸送路徑,其中聚類4占比24%,來(lái)源地是甘肅北部區(qū)域,為省內(nèi)輸送;聚類5為東北方向輸送,來(lái)源地為蒙古地區(qū),與酒泉倉(cāng)門街子站春季東北路徑占比相當(dāng),對(duì)應(yīng)PM10與PM2.5濃度貢獻(xiàn)均值分別為122.65和33.82μg/m3,較之下降明顯;冬季輸送呈現(xiàn)3個(gè)方向的特點(diǎn),聚類1、3為西部路徑,其來(lái)源地分別為柴達(dá)木盆地以及塔里木盆地南部;聚類2 為西北路徑,顆粒物濃度最高,但占比最小為8%;聚類4為東北路徑,來(lái)源地為內(nèi)蒙古巴丹吉林沙漠北部,輸送路徑最短.

2.2.3 鐵路設(shè)計(jì)院站 春季輸送路徑以西北、東北方向?yàn)橹?其中聚類1占比最高,達(dá)30%,其源地為騰格里沙漠;聚類3、4占比分別為23%、18%,其氣團(tuán)路徑均經(jīng)過(guò)河西走廊的狹長(zhǎng)地帶輸送至蘭州地區(qū);來(lái)自哈薩克斯坦的聚類6顆粒物濃度最高;冬季輸送方向較多,其中聚類4、5合計(jì)占比60%,其來(lái)源地為騰格里沙漠、巴丹吉林沙漠以及中央戈壁覆蓋的區(qū)域;聚類7為東南路徑,其來(lái)自秦嶺北麓地區(qū).

2.2.4 天水文化館站 春季東南路徑聚類3占比45%,其PM10與PM2.5濃度貢獻(xiàn)均值為89.52和36.51μg/m3,顆粒物濃度低;聚類1、4、5、7氣團(tuán)路徑均經(jīng)過(guò)河西走廊輸送至天水地區(qū),顆粒物污染程度最高;聚類2、5從正北方向輸送,與聚類3均為高度低于1000m的低層輸送;冬季聚類2、3、4的來(lái)源地分別為巴丹吉林沙漠、古爾班迪古特沙漠東部以及塔克拉瑪干沙漠西北部等沙區(qū),顆粒物濃度高;東南路徑聚類1占比為46%,是冬季主要的輸送路徑,來(lái)自陜西南部,其與來(lái)自青藏高原的聚類5污染程度最低.

2.2.5 甘南監(jiān)測(cè)站 春季聚類4占比最高,達(dá)43%,其PM10濃度貢獻(xiàn)均值為74.22μg/m3;聚類2、5來(lái)源地為新疆北部地區(qū),聚類1來(lái)源地為青海西部;冬季輸送路徑主要為3個(gè)方向,北部路徑聚類5占比達(dá)36%,其輸送距離較之春季北部路徑縮短,來(lái)源地至騰格里沙漠地區(qū);西北路徑聚類1、2、3、4經(jīng)新疆、西藏、青海輸送至此地區(qū),聚類6途經(jīng)西藏、青海從西南方向輸送.

綜合分析5個(gè)站點(diǎn)的春冬季輸送情況,可以發(fā)現(xiàn)甘肅地區(qū)全域受西北路徑影響最大,其移動(dòng)速度快,輸送距離長(zhǎng),污染程度重,東北路徑次之,主要源地為蒙古及內(nèi)蒙古地區(qū),甘肅南部地區(qū)受東南路徑的近距離影響較大,并且受到來(lái)自青藏高原的輸送影響;甘肅地區(qū)春季輸送距離較冬季長(zhǎng)且輸送高度高,冬季細(xì)顆粒物PM2.5的濃度貢獻(xiàn)均值以及與PM10的比值較春季高.

2.3 PSCF結(jié)果分析

基于PSCF方法將甘肅區(qū)域內(nèi)5站點(diǎn)的WPSCF網(wǎng)格貢獻(xiàn)結(jié)果運(yùn)用TraPSA分析平臺(tái)進(jìn)行加權(quán)疊加分析,得到整個(gè)甘肅區(qū)域的WPSCF網(wǎng)格貢獻(xiàn),以分析影響甘肅地區(qū)的PM10潛在貢獻(xiàn)源區(qū),且將WPSCF的值大于0.5的網(wǎng)格作為有主要貢獻(xiàn)的顆粒物潛在源區(qū).

分析圖5可知,春季影響甘肅地區(qū)的PM10潛在貢獻(xiàn)源區(qū)主要集中在新疆的東部、準(zhǔn)噶爾盆地、塔里木盆地東北部及青海西北部,其概率可達(dá)70%,在天山山脈兩側(cè)呈現(xiàn)弧狀分布的特點(diǎn);其中在蒙古南部、四川北部、青海西北部及東部有零星分布的PM10潛在貢獻(xiàn)源區(qū),其概率可達(dá)50%左右,甘肅省內(nèi)區(qū)域的貢獻(xiàn)較外部偏小.

冬季新疆東部及塔里木盆地、青海西北部及東部、陜西南部為影響甘肅地區(qū)PM10的主要潛在貢獻(xiàn)源區(qū),其概率可達(dá)50%以上;甘肅省內(nèi)地區(qū)的貢獻(xiàn)加強(qiáng),且從北部至南部有明顯沿著河西走廊線性分布的潛在貢獻(xiàn)區(qū)域.

比較而言,PM10潛在貢獻(xiàn)源區(qū)在冬季整體向南偏移,春季分布在新疆北部地區(qū)的潛在源區(qū)影響基本消失,且南部潛在源區(qū)在冬季向南至塔里木盆地進(jìn)一步偏移延伸;青海西北部及東部的潛在源區(qū)貢獻(xiàn)及范圍較春季加強(qiáng),成為冬季主要的潛在源區(qū);春季南部潛在源區(qū)位于四川北部地區(qū),到冬季偏移加強(qiáng)至陜西南部地區(qū);冬季省內(nèi)地區(qū)的近距離輸送加強(qiáng),也是影響冬季PM10的主要潛在貢獻(xiàn)源區(qū)之一.

2.4 CWT結(jié)果分析

基于CWT方法,將5站點(diǎn)的濃度權(quán)重軌跡 CWT結(jié)果運(yùn)用TraPSA分析平臺(tái)進(jìn)行加權(quán)疊加分析,同時(shí)將CWT大于200μg/m3的區(qū)域定義為主要貢獻(xiàn)區(qū),結(jié)果如圖6所示,春季PM10濃度貢獻(xiàn)超過(guò)200μg/m3的區(qū)域主要分布在新疆東部地區(qū)、準(zhǔn)噶爾盆地附近;青海及甘肅北部區(qū)域有零星網(wǎng)格PM10濃度貢獻(xiàn)超過(guò)200μg/m3;蒙古南部及內(nèi)蒙古北部有線性分布的污染帶,PM10濃度貢獻(xiàn)值超過(guò)200μg/m3.

冬季PM10濃度貢獻(xiàn)超過(guò)200μg/m3的區(qū)域明顯較春季縮減,主要集中在新疆東部及甘肅北部地區(qū);新疆東南部、青海北部及東部的污染貢獻(xiàn)區(qū)域分布密集,但濃度貢獻(xiàn)值均低于200μg/m3.

比較春冬兩季CWT結(jié)果可知,春季PM10污染的主要貢獻(xiàn)區(qū)域大,污染重,主要分布在新疆北部及東部地區(qū);冬季污染區(qū)域向南偏移至新疆東南部,污染貢獻(xiàn)程度減弱,且春季蒙古方向的貢獻(xiàn)區(qū)在冬季的污染貢獻(xiàn)程度有極大的削減;冬季甘肅區(qū)域內(nèi)的顆粒物輸送濃度貢獻(xiàn)較春季加強(qiáng),短距離傳輸增強(qiáng).

3 結(jié)論

3.1 2016年12月～2019年2月各站點(diǎn)PM10及PM2.5濃度月份趨勢(shì)圖均呈現(xiàn)“兩邊高中間低”的特點(diǎn),即在7、8、9月份達(dá)到谷值,在年初及年尾達(dá)到峰值.各站點(diǎn)春冬季的PM10及PM2.5濃度均值遠(yuǎn)高于夏秋季,且PM10超過(guò)150μg/m3限值的天數(shù)多、程度高,站點(diǎn)從北至南的PM10濃度均值依次減小.

3.2 2017～2018年春冬季5站點(diǎn)氣團(tuán)軌跡聚類分析結(jié)果表明,西北路徑為影響甘肅地區(qū)全域的主要路徑,其移動(dòng)速度快,輸送距離長(zhǎng),污染程度重,東北路徑次之,主要來(lái)源地為蒙古及內(nèi)蒙古地區(qū),甘肅南部地區(qū)受東南路徑的近距離輸送影響較大,并且相較于甘肅北部受到來(lái)自青藏高原的輸送影響,但二者污染程度及輸送強(qiáng)度均弱于西北路徑;甘肅地區(qū)春季氣團(tuán)軌跡的輸送距離較冬季長(zhǎng)且輸送高度高,冬季細(xì)顆粒物PM2.5的濃度貢獻(xiàn)均值以及與PM10的比值較夏季高.

3.3 多站點(diǎn)潛在源貢獻(xiàn)函數(shù)分析結(jié)果表明,PM10潛在貢獻(xiàn)源區(qū)春季主要分布在新疆的東部、準(zhǔn)噶爾盆地、塔里木盆地東北部及青海西北部,在蒙古南部、四川北部、青海西北部及東部有零星分布;冬季主要位于新疆東部及塔里木盆地、青海西北部及東部、陜西南部;源區(qū)冬季整體向南偏移,且省內(nèi)地區(qū)的近距離輸送加強(qiáng),也成為影響冬季PM10的主要潛在貢獻(xiàn)源區(qū)之一.

3.4 多站點(diǎn)濃度權(quán)重軌跡分析結(jié)果表明,春季PM10濃度主要貢獻(xiàn)區(qū)位于新疆東部地區(qū)、準(zhǔn)噶爾盆地附近,在蒙古南部及內(nèi)蒙古北部有線性分布,在青海及甘肅北部區(qū)域有零星分布;冬季主要分布在新疆東部及甘肅北部地區(qū);春季較冬季PM10污染的主要貢獻(xiàn)區(qū)域大,污染重,但省內(nèi)地區(qū)的短距離傳輸及顆粒物污染程度減弱.

[1] 劉咸德,李 軍,趙 越,等.北京地區(qū)大氣顆粒物污染的風(fēng)向因素研究[J]. 中國(guó)環(huán)境科學(xué), 2010,30(1):1-6.

Liu X D, Li J, Zhao Y, et al. Impact of wind direction on atmospheric particulate matter concentrations in Beijing [J]. China Environmental Science, 2010,30(1):1-6.

[2] 裴坤寧,高興艾,王淑敏,等.晉東南地區(qū)冬季PM2.5污染輸送路徑分析[J/OL]. 中國(guó)環(huán)境科學(xué), 1-15[2021-12-29].DOI:10.19674/j.cnki. issn1000-6923.20210928.022.

Pei K N, Gao X A, Wang S M, et al. Analysis of PM2.5pollution transportation path in winter in Southeast Shanxi Province [J/OL]. China Environmental Science, 1-15[2021-12-29].DOI:10.19674/j. cnki.issn1000-6923.20210928.022.

[3] 薛文博,付 飛,王金南,等.中國(guó)PM2.5跨區(qū)域傳輸特征數(shù)值模擬研究[J]. 中國(guó)環(huán)境科學(xué), 2014,34(6):1361-1368.

Xue W B, Fu F, Wang J N, et al. Numerical study on the characteristics of regional transport of PM2.5in China [J]. China Environmental Science, 2014,34(6):1361-1368.

[4] 黃 興,黃曉嫻,王體健,等.南京城區(qū)上空大氣一氧化碳的觀測(cè)分析[J]. 中國(guó)環(huán)境科學(xué), 2013,33(9):1577-1584.

Huang X, Huang X X, Wang T J, et al. Observation and analysis of urban upper atmospheric carbon monoxide in Nanjing. China Environmental Science, 2013,33(9):1577-1584.

[5] 史旭榮,溫 杰,田瑛澤,等.天津不同氣團(tuán)來(lái)向PM2.5中組分和污染源貢獻(xiàn)的季節(jié)變化[J]. 中國(guó)環(huán)境科學(xué), 2018,38(7):2406-2414.

Shi X R, Wen J, Tian Y Z, et al. Seasonal patterns of PM2.5sources and chemical composition from different air mass directions in Tianjin [J]. China Environmental Science, 2018,38(7):2406-2414.

[6] Hwang I J, Hopke P K. Estimation of source apportionment and potential source locations of PM2.5at a west coastal IMPROVE site [J]. Atmospheric Environment, 2006,41(3):506-518.

[7] 李顏君,安興琴,范廣洲.北京地區(qū)大氣顆粒物輸送路徑及潛在源分析[J]. 中國(guó)環(huán)境科學(xué), 2019,39(3):915-927.

Li Y J, An X Q, Fan G Z. Transport pathway and potential source area of atmospheric particulates in Beijing [J]. China Environmental Science, 2019,39(3):915-927.

[8] 高 陽(yáng),韓永貴,黃曉宇,等.基于后向軌跡模式的豫南地區(qū)冬季PM2.5來(lái)源分布及傳輸分析[J]. 環(huán)境科學(xué)研究, 2021,34(3):538-548.

Gao Y, Han Y G, Huang X Y, et al. PM2.5source distribution and transmission in winter in southern Henan Based on Backward Trajectory Model [J]. Research of Environmental Sciences, 2021,34(3): 538-548.

[9] 盧俊平,張曉晶,劉廷璽,等.京蒙沙源區(qū)水庫(kù)大氣氮沉降變化特征及源解析[J]. 中國(guó)環(huán)境科學(xué), 2021,41(3):1034-1044.DOI:10.19674/ j.cnki.issn1000-6923.2021.0115.

Lu J P, Zhang X J, Liu T X, et al. Variation characteristics and source analysis of atmospheric nitrogen deposition flux on a reservoir in sand source areas of Beijing-Inner Mongolia [J]. China Environmental Science, 2021,41(3):1034-1044.DOI:10.19674/j.cnki.issn1000-6923. 2021.0115.

[10] Lee G S, Kim P R, Han Y J, et al. Tracing Sources of Total Gaseous Mercury to Yongheung Island off the Coast of Korea [J]. Atmosphere, 2014,5(2):273-291.

[11] Han Y J, Holsen T M, Hopke P K, et al. Comparison between back-trajectory based modeling and Lagrangian backward dispersion modeling for locating sources of reactive gaseous mercury [J]. Environmental Science & Technology, 2005,39(6):1715-23.

[12] 劉 娜,余 曄,陳晉北,等.蘭州春季沙塵過(guò)程PM10輸送路徑及其潛在源區(qū)[J]. 大氣科學(xué)學(xué)報(bào), 2012,35(4):477-486.

Liu N, Yu Y, Chen J B, et al. A study on potential sources and transportation pathways of PM10in spring in Lanzhou [J]. Transactions of Atmospheric Sciences, 2012,35(4):477-486.

[13] 王芳龍,李忠勤,楊 宏,等.天水市大氣顆粒物輸送通道及污染源區(qū)研究[J]. 環(huán)境化學(xué), 2020,39(9):2371-2383.

Wang F L, Li Z Q, Yang H, et al. Study on atmospheric particulate matter transport channel and pollution source area in Tianshui City [J]. Environmental Chemistry, 2020,39(9):2371-2383.

[14] 郭春曄,王 穎,劉 灝,等.甘肅省區(qū)域顆粒物時(shí)空分布特征及傳輸路徑[J]. 中國(guó)環(huán)境科學(xué), 2021,41(9):3990-4000.DOI:10.19674/ j.cnki.issn1000-6923.20210419.006.

Guo C Y, Wang Y, Liu H, et al. Spatial and temporal distribution characteristics and transport path analysis of regional particulate matter over Gansu Province [J]. China Environmental Science, 2021, 41(9):3990-4000.DOI:10.19674/j.cnki.issn1000-6923.20210419.006.

[15] Draxler R R, Hess G D. An overview of the HYSPLIT4modeling system for trajectories, dispersion, and deposition [J]. Australian Meteorological Magazine, 1998,47:295-308.

[16] 劉 灝,王 穎,王思潼,等.基于HYSPLIT4模式的天水市顆粒物輸送路徑的研究[J]. 中國(guó)環(huán)境科學(xué), 2021,41(8):3529-3538.DOI: 10.19674/j.cnki.issn1000-6923.20210331.018.

Liu H, Wang Y, Wang S T, et al. Study on the transport path of particles in Tianshui city based on HYSPLIT4model [J]. China Environmental Science, 2021,41(8):3529-3538.DOI:10.19674/j.cnki. issn1000-6923.20210331.018.

[17] Hopke P K. Recent developments in receptor modeling [J]. Journal of Chemometrics, 2003,17(5):255-265.

[18] Hopke P K. Review of receptor modeling methods for source apportionment [J]. J Air Waste Manag. Assoc., 2016,66(3):237-59.

[19] Han Y J, Holsen T M, Hopke P K, et al. Comparison between back-trajectory based modeling and Lagrangian backward dispersion modeling for locating sources of reactive gaseous mercury [J]. Environmental Science & Technology, 2005,39(6):1715-23.

[20] Cheng I, Xu X, Zhang L. Overview of receptor-based source apportionment studies for speciated atmospheric mercury [J]. Atmospheric Chemistry and Physics, 2015,15(14):7877-7895.

[21] Cheng I, Zhang L, Blanchardp, et al. Concentration-weighted trajectory approach to identifying potential sources of speciated atmospheric mercury at an urban coastal site in Nova Scotia, Canada [J]. Atmospheric Chemistry and Physics, 2013,13(12):6031-6048.

[22] Han Y J, Holsen T M, Hopke P K. Estimation of source locations of total gaseous mercury measured in New York State using trajectory- based models [J]. Atmospheric Environment, 2007,41(28):6033-6047.

[23] Choi H D, Holsen T M, Hopke P K. Atmospheric mercury (Hg) in the Adirondacks: concentrations and sources [J]. Environmental Science & Technology, 2008,42(15):5644-53.

[24] Squizzato S, Masiol M. Application of meteorology-based methods to determine local and external contributions to particulate matter pollution: A case study in Venice (Italy) [J]. Atmospheric Environment, 2015,119:69-81.

[25] Liu W, Hopke P K, Han Y J, et al. Application of receptor modeling to atmospheric constituents at Potsdam and Stockton, NY [J]. Atmospheric Environment, 2003,37(36):4997-5007.

[26] Han Y J, Holsen T M, Lai S O, et al. Atmospheric gaseous mercury concentrations in New York State: relationships with meteorological data and other pollutants [J]. Atmospheric Environment, 2004,38(37): 6431-6446.

[27] Zhou L M, Hopke P K, Liu W. Comparison of two trajectory based models for locating particle sources for two rural New York sites [J]. Atmospheric Environment, 2003,38(13):1955-1963.

[28] Stohl A. Trajectory statistics-A new method to establish source- receptor relationships of air pollutants and its application to the transport of particulate sulfate in Europe [J]. Atmospheric Environment, 1996,30(4):579-587.

[29] Rutter A P, Snyder D C, Stone E A, et al. In situ measurements of speciated atmospheric mercury and the identification of source regions in the Mexico City Metropolitan Area [J]. Atmospheric Chemistry and Physics, 2009,9(154):207-220.

[30] HJ633-2012 中華人民共和國(guó)國(guó)家環(huán)境保護(hù)標(biāo)準(zhǔn)環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定[S].

HJ633-2012 Technical regulation on ambient air quality index [S].

[31] 郭文凱,李光耀,陳 冰,等.蘭州市高分辨率人為源排放清單建立及在WRF-Chem中應(yīng)用評(píng)估[J]. 環(huán)境科學(xué), 2021,42(2):634-642.

Guo W K, Li G Y, Chen B, et al. Establishment of a high-resolution anthropogenic emission inventory and its evaluation using the WRF-Chem model for Lanzhou [J]. Environmental Science, 2021, 42(2):634-642.

[32] Karaca F, Anil I, Alagha O. Long-range potential source contributions of episodic aerosol events to PM10profile of a megacity [J]. Atmospheric Environment, 2009,43(36):5713-5722.

Analysis of transportation path and potential sources of atmospheric particulate matter over Gansu Province in spring and winter — Based on HYSPLIT4model and TraPSA analysis platform.

ZHANG Qian1, PANG Ke1, MA Cai-yun1, CHENG Heng-rui1, MA Ming-yue2, KONG Xiang-ru1, PAN Feng1*

(1.College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China；2.Sinopec Yanshan Petrochemical Company, Beijing 102400, China)., 2022,42(2)：509～518

The hour-by-hour 72-h air mass back-trajectories of five stations in Gansu province from 2017 to 2018 were calculated using the HYSPLIT4 model and the global data assimilation system. The trajectory clustering method was used to analyze the trajectory characteristics of the backward airflow in Gansu province by combining the time-to-time mass concentration data of particulate matter at each station in spring and winter when the particulate matter pollution was most severe. Based on the analysis method of potential source contribution function (PSCF) and the concentration weighted trajectory (CWT), the result of each station was weighted overlay analyzed using the TraPSA analysis platform, and the potential source areas and their contributions to the mass concentration of particulate matter over Gansu in spring and winter were discussed. The northwest path was the primary path affecting the Gansu province with its rapid movement, long transport distance and severe pollution level; the northeastern path was the next most important with Mongolia and Inner Mongolia being the main sources; southern Gansu was heavily influenced by short-range transportation from the southeastern path and the Qinghai-Tibet Plateau; the transportation distance and height of air mass over Gansu province was longer and higher in spring than in winter, and the mean PM2.5concentration and the ratio of PM2.5/PM10were both higher in winter than in summer. The PSCF analysis over multi-sites found that the potential contribution source areas of PM10in spring were mainly distributed in the eastern Xinjiang, Junggar Basin, northeastern Tarim Basin and northwestern Qinghai, with scattered distribution in southern Mongolia, northern Sichuan, northwestern and eastern Qinghai; while in winter it was mainly located in eastern Xinjiang and the Tarim Basin, northwestern and eastern Qinghai, and southern Shanxi; the source area in general shifted southwards in winter and the short-range transportation within the province intensified. The CWT analysis over multi-sites showed that the main contribution areas of PM10concentration in spring were located in the eastern Xinjiang, the Junggar Basin, with linear distribution in southern Mongolia and northern Inner Mongolia and scattered distribution in northern Qinghai and northern Gansu; in winter, it was mainly located in the eastern Xinjiang and northern Gansu; the main contribution area of PM10was larger and more polluted in spring than in winter, but the short-range transportation and the degree of particulate matter pollution within the province were weakened.

Gansu province；atmospheric particulate matter；HYSPLIT4 mode；cluster analysis；potential source contribution function (PSCF) analysis；concentration weight trajectory (CWT) analysis；multi-sites overlay analysis

X513

A

1000-6923(2022)02-0509-10

張 芊(1997-),男,安徽合肥人,蘭州大學(xué)碩士研究生,主要從事大氣污染、大氣環(huán)境等方面研究.發(fā)表論文5篇.

2021-07-06

中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資助項(xiàng)目(lzujbky-2017-66)

* 責(zé)任作者, 教授, panfeng@lzu.edu.cn