2015～2021年景洪市PM2.5的傳輸路徑及潛在源區(qū)

劉旭艷,韓秀珍,梁林林,朱 琳

2015～2021年景洪市PM2.5的傳輸路徑及潛在源區(qū)

劉旭艷1,2,韓秀珍1*,梁林林3**,朱 琳1

(1.國家衛(wèi)星氣象中心(國家空間天氣監(jiān)測預警中心),中國氣象局中國遙感衛(wèi)星輻射測量和定標重點開放實驗室,許健民氣象衛(wèi)星創(chuàng)新中心,北京 100081；2.國家環(huán)境保護大氣復合污染來源與控制重點實驗室,北京 100084；3.中國氣象科學研究院大氣化學重點實驗室,北京 100081)

分析2015～2021年景洪市大氣污染特征,識別日均PM2.5濃度超過國家空氣質(zhì)量二級標準所在月(超標月).利用混合單粒子拉格朗日積分軌跡模型計算景洪市PM2.5超標月的逐日72h后向軌跡,并結合景洪市PM2.5濃度,通過聚類、潛在源區(qū)貢獻因子和濃度權重軌跡因子等分析方法,識別景洪市日均PM2.5超標月的主要傳輸路徑和潛在源區(qū).結果表明:景洪市2～5月為日均PM2.5超標月;景洪市2～5月PM2.5的傳輸主要來自其西向、西南和南向,且中短距離和低空傳輸對應高PM2.5濃度;景洪市PM2.5源區(qū)主要位于緬甸中部、老撾西北部和泰國北部;通過歸一化處理濃度權重軌跡因子可知,景洪市2～5月PM2.5傳輸?shù)脑磪^(qū)主要來自緬甸,貢獻41%～50%,其次為泰國和老撾,分別為21%～27%和5%～12%.基于2015～2021年2～5月中南半島火點數(shù)分布及與景洪市PM2.5濃度相關性分析,進一步揭示影響景洪市PM2.5的主要排放源為緬甸生物質(zhì)開放燃燒.研究可為景洪市建立跨境區(qū)域聯(lián)防聯(lián)控措施以及未來氣候變化研究提供指導.

PM2.5；景洪市；聚類分析；潛在源區(qū)貢獻因子；濃度權重軌跡

PM2.5不僅惡化空氣質(zhì)量,而且影響人體健康[1-4]、能見度[5-6]和氣候變化[7-12]等,因此深入研究PM2.5濃度變化的影響因子顯得尤為重要.某地的PM2.5濃度不僅與當?shù)匚廴驹磁欧庞嘘P,而且與區(qū)域大氣輸送相關[13-15],因此很多學者不僅致力于本地源排放研究[16-17],而且還長期深入研究PM2.5的傳輸路徑及潛在源區(qū)[6,18-28].其中利用氣象場驅(qū)動混合單粒子拉格朗日積分軌跡模型(Hybrid Single-Particle Lagrangian Integrated Trajectory,簡稱HYSPLIT)進行傳輸路徑和潛在源區(qū)分析較為有效且應用廣泛[6,14,18-21,25-30].

近年來我國區(qū)域大氣環(huán)境污染治理已取得顯著進展,且多次區(qū)域協(xié)同空氣質(zhì)量保障措施(2008年北京奧運會、2010年廣州亞運會和2014年APEC會議等)均取得實際成效.薛文博等[15]研究表明我國各省市PM2.5受區(qū)域外污染源影響較大,因此跨區(qū)域、跨境的區(qū)域傳輸不可忽視.云南省景洪市位于我國西南邊陲,隸屬于云南省西雙版納州,毗鄰中南半島,被譽為“森林生態(tài)博物館”.然而近年來景洪市冬春季頻發(fā)霾天氣[31-40], 2015～2020年生態(tài)環(huán)境狀況公報顯示,2020年景洪市首次出現(xiàn)重污染天氣(共6d),其中2020年3月29日、3月30日、4月2日～ 4月5日遭遇持續(xù)重度污染天氣,首要污染物均為PM2.5.衛(wèi)星監(jiān)測顯示2020年4月3日景洪市西-南方向分布多個火點且有向景洪市擴散的煙羽(圖1).目前PM2.5傳輸路徑及潛在源區(qū)分析研究主要集中在我國京津冀及周邊[6,13-14,21,30]、長三角[19-20,29]和汾渭平原[25,41-42]等經(jīng)濟發(fā)達或污染較重區(qū)域,對西南邊陲地區(qū)的PM2.5研究相對較少.王健等[39]和周增春等[40]學者均分析了景洪市的環(huán)境空氣質(zhì)量狀況、污染特征及變化規(guī)律;高婷婷等[32-33]重點分析了與景洪市污染相關的氣象因子;Guo[35-36]和Liu等[37]則主要分析了景洪市PM2.5中含碳氣溶膠的分布特征和來源,王繼康等[43]和張玉洽等[44]學者均利用三維空氣質(zhì)量模型分析了東南亞生物質(zhì)燃燒對我國西南地區(qū)PM2.5濃度影響,結果均表明中南半島生物質(zhì)開放燃燒是影響我國西南地區(qū)PM2.5濃度及含碳氣溶膠的主要來源.這些研究極大豐富了景洪市PM2.5濃度變化因子、形成機理及與氣象因子之間關系等的認識,然而多年景洪市發(fā)生日均PM2.5濃度超過國家空氣質(zhì)量二級標準所在月(超標月)的傳輸路徑及潛在源區(qū)研究較少,因此本文在基于分析2015～2021年景洪市大氣污染變化特征的基礎上,選擇景洪市日均PM2.5超標月,利用HYSPLIT模型計算后向軌跡并進行聚類、潛在源區(qū)貢獻因子(PSCF)和濃度權重軌跡(CWT)分析,識別影響景洪市PM2.5超標月的主要傳輸路徑和潛在源區(qū),并結合景洪市周邊多年火點分布深入準確分析外來輸送氣團,以期為景洪市發(fā)生日均PM2.5超標天的跨境區(qū)域聯(lián)防聯(lián)控提供參考.

圖1 Aqua衛(wèi)星搭載的中分辨率成像光譜儀監(jiān)測的2020年4月3日景洪市及周邊火點數(shù)

審圖號:GS (2019) 3082號

1 材料與方法

1.1 數(shù)據(jù)來源

景洪市空氣質(zhì)量常規(guī)監(jiān)測PM2.5、PM10、CO、SO2、NO2和O3日均濃度來自全國城市空氣質(zhì)量實時發(fā)布平臺(https://air.cnemc.cn:18007/)公布的2個國控監(jiān)測站點(景洪市江南和景洪市江北)的逐日質(zhì)量濃度算數(shù)平均值,兩個監(jiān)測站點均從2015年1月1日開始對外發(fā)布監(jiān)測數(shù)據(jù),研究時間為2015年～ 2021年.

景洪市地面氣象觀測站點編號為56969 (101.58°E,21.47°N),其風場(風速和風向)觀測數(shù)據(jù)來自美國國家海洋和大氣管理局(NOAA)的國家氣候數(shù)據(jù)中心(NCDC),時間分辨率為3h;相對濕度和24h降水量來自國家氣象數(shù)據(jù)中心(http://data. cma.cn/),相對濕度時間分辨率為1h;行星邊界層高度(PBLH)、驅(qū)動HYSPLIT模型以及PSCF、CWT分析所需氣象資料均來自NOAA的全球數(shù)據(jù)同化系統(tǒng)(GDAS),該數(shù)據(jù)集時間分辨率為3h.

火點數(shù)據(jù)來源于美國國家航空航天局2002年發(fā)射的AQUA衛(wèi)星搭載的中分辨率成像光譜儀(MODIS),該數(shù)據(jù)集主要包括火點經(jīng)緯度、衛(wèi)星類型、過火時間、火點置性度、火點類型等.本研究為保證MODIS識別火點的準確性,選擇置性度大于80%[45]以上的火點.

人為源排放數(shù)據(jù)來源于全球大氣研究排放數(shù)據(jù)庫(EDGAR)[46],分辨率為0.1°;生物質(zhì)開放燃燒排放數(shù)據(jù)來源于美國國家大氣研究中心火點排放清單(FINN)[47],分辨率為1km.

1.2 后向軌跡模型

HYSPLIT模型是對空氣團或質(zhì)點經(jīng)過復雜的大氣擴散和沉降軌跡進行計算的系統(tǒng),該模式能夠?qū)ξ廴疚锏倪\動軌跡、擴散和干濕沉降進行很好的模擬和預測,所以可用來評估污染物來源.由于它不包括詳細的化學過程,所以相較其它擴散模式具有計算時間極短的優(yōu)勢.本研究每日從0:00,06:00, 12:00,18:00(世界時,分別對應北京時08:00,14:00, 20:00和02:00)4個時間段開始運行,考慮到PM2.5中二次污染物,其模擬時間設為72h.起始高度為景洪市月均行星邊界層高度(PBLH)的一半,這樣更便于計算軌跡線的傳輸[48].

1.3 潛在源區(qū)貢獻因子分析法

利用MeteoInfo軟件對HYSPLIT模擬的各軌跡和同期景洪市PM2.5濃度進行PSCF和權重潛在源區(qū)貢獻因子(WPSCF)計算,以便分析景洪市2015～ 2021年PM2.5的潛在源區(qū).本研究網(wǎng)格大小設定為0.25°′0.25°;研究范圍為80°～120°E,10°～35°N;將PM2.5濃度的日均二級標準值(75μg/m3)作為PSCF計算的閾值.通過公式(1)～(3)可分別計算得到PSCF和WPSCF,其計算公式如下:

利用MeteoInfo軟件對HYSPLIT模擬的各軌跡和同期景洪市PM2.5濃度進行PSCF和權重潛在源區(qū)貢獻因子(WPSCF)計算,以便分析景洪市2015～ 2021年PM2.5的潛在源區(qū).本研究網(wǎng)格大小設定為0.25°′0.25°;研究范圍為80°～120°E,10°～35°N;將PM2.5濃度的日均二級標準值(75μg/m3)作為PSCF計算的閾值.通過公式(1)～(3)可分別計算得到PSCF和WPSCF,其計算公式如下:

1.4 濃度權重軌跡分析法

2 結果與討論

2.1 2015～2021年景洪市空氣質(zhì)量概況

2015～2021年景洪市日均污染物濃度變化如圖2所示,PM2.5、PM10、SO2、NO2、CO和O3_8h(臭氧8h滑動平均)日均變化基本呈“U”形分布,春冬季日均濃度高,夏秋季日均濃度低.2015～2021年除顆粒物(PM2.5和PM10)外,其余4種污染物日均濃度均未超過《環(huán)境空氣質(zhì)量標準》規(guī)定的濃度限值[51].景洪市2015～2021年日均PM2.5和PM10濃度超標天數(shù)分別為92和55d.PM2.5濃度超標天數(shù)及相應濃度統(tǒng)計如圖3所示,日均PM2.5濃度超標天數(shù)主要集中在2～5月,這與王健等[39]的統(tǒng)計結果一致.其中2020年3月和4月超標天數(shù)最多,分別為16和11d,共27d;2018年3月和4月超標天數(shù)最少,共5d.2020年PM2.5濃度超標日平均濃度最高,為120.6μg/m3,2016年最低,為85.9μg/m3; 2015～2021年PM2.5超標日平均濃度是二級標準值的1.1～1.6倍.景洪市3月和4月PM2.5污染相對最重,日均PM2.5濃度最高約為210μg/m3,達到重度污染等級.因此本研究將景洪市2～5月定義為污染月,其余月為清潔月,也將重點分析污染月景洪市PM2.5的來源與潛在源區(qū).

圖2 2015～2021年景洪市大氣污染物日均濃度變化

圖3 2015～2021年景洪市PM2.5超標日數(shù)及超標日平均濃度

通過2015～2021年景洪市多年月均PBLH、濕度、風速和降水隨時間變化(圖4)可知,景洪市污染月(2～5月)多年平均PBLH、風速和濕度分別為762m、1.4m/s和65%;清潔月(1月,6～12月)多年平均PBLH、風速和濕度分別為390m、1.3m/s和79%.相比較景洪市污染月對應較高PBLH、高風速和低濕度,表明景洪市污染月總體并非處于不利氣象條件,外加降水量較少,干燥易發(fā)生火險,因此推測很可能受周邊地區(qū)排放源的傳輸影響.

圖4 2015～2021年景洪市月均相對濕度(a)、風速(b)、PBLH(c)和24h(d)降水量變化及多年月均變化

2.2 2015～2021年景洪市PM2.5傳輸路徑分析

將2015～2021年2～5月軌跡線分別進行聚類分析,基于各月聚類的總空間變異系數(shù)(TSV),均將各月聚為6類,各類軌跡所對應的傳輸概率、PM2.5濃度及發(fā)生污染時(PM2.5>75μg/m3)對應的傳輸概率和PM2.5濃度、軌跡線聚類空間分布及傳輸高度分別見表1、圖5、圖6.

2月,景洪市后向軌跡聚類主要來自其西南方向(聚類2和3),占比約78%,為2月景洪市PM2.5的主要傳輸路徑;其次為東南向(聚類1),占比約12%,這三類傳輸軌跡線較短,為短距離傳輸,相應的平均PM2.5濃度為37.0～40.0μg/m3,且這三類軌跡聚類傳輸高度均不高于1000m.占比7%的西向軌跡(聚類4)對應的平均PM2.5濃度最高,為43.6μg/m3,且距離較長,最高傳輸高度為3000m.聚類5和6占比較低,且相應的平均PM2.5濃度也較低,但傳輸高度較高,最高可達8000m左右.當景洪市出現(xiàn)污染時,聚類3和2出現(xiàn)概率較高,分別為41.7%和30.6%,聚類2對應的PM2.5濃度最高,為167.1μg/m3;聚類4出現(xiàn)概率較低,但相應PM2.5濃度較高,為138.4μg/m3;聚類1出現(xiàn)概率為16.7%,相應PM2.5濃度為85.1μg/m3;景洪市PM2.5超標的軌跡線均未來自聚類5和6.

3月是景洪市日均PM2.5濃度最高月,也是PM2.5超標日數(shù)最多月.與2月一致,聚類6(西北方位)軌跡占比最低,且相應PM2.5濃度較其它聚類也較低,傳輸高度較高,最高可保持在7000m左右;對應PM2.5濃度最高的聚類分別是聚類2、3和5,聚類2和3主要來自景洪市西部和西南部,聚類5來自景洪市正南部,這3個聚類傳輸距離較短,特別是占比42%的聚類2,傳輸距離最短、傳輸高度最低且相應PM2.5濃度最高;聚類1和4傳輸方位較接近,為景洪市西北偏西方位,傳輸距離較正西、正南和西南方位長,但來自西北偏西方位的軌跡對應PM2.5濃度也較高,其傳輸高度最高范圍為2500～4000m左右.景洪出現(xiàn)污染時軌跡主要來自聚類2(正西短距離傳輸),相應PM2.5濃度為103μg/m3,來自西南和正南方位軌跡概率分別為20%和23%,對應PM2.5濃度分別為109.6和105μg/m3,聚類1對應PM2.5濃度也較高,為94.7μg/m3,聚類4出現(xiàn)概率較低,對應PM2.5濃度也較低,為79.8μg/m3.

表1 景洪市2015～2021年2～5月PM2.5聚類分析統(tǒng)計

4月,景洪市所有軌跡對應PM2.5濃度為43.2μg/m3,占比32%的聚類4(正西方位)傳輸距離最短,傳輸高度最低,對應PM2.5濃度最高,為64.2μg/m3;聚類1(西南方向)和5(正南方向)出現(xiàn)概率均為26%,傳輸距離也較短,傳輸高度也維持在較低高度(500m內(nèi)),對應PM2.5分別為51.5和38.8μg/m3;聚類2(西北偏西)和3(西南偏西)出現(xiàn)概率分別為3%和10%,對應PM2.5濃度分別為42.9和41.7μg/m3,聚類2傳輸高度維持較高(最高可達4000m),聚類3傳輸高度較聚類2低,最高可達2000m;聚類6(東北方向)出現(xiàn)概率較低,為3%,對應PM2.5濃度也最低(20.1μg/m3),但其傳輸高度較聚類2和3低,較聚類4、5和1傳輸高度高,且污染出現(xiàn)時,未有來自東北方向傳輸,表明4月來自東北方向軌跡對景洪市PM2.5濃度影響最弱.當景洪市PM2.5濃度出現(xiàn)超標時,來自聚類5(正南方向)對應PM2.5濃度最高,為131.6μg/m3,出現(xiàn)概率為13%;其次為來自正西方向,PM2.5濃度為117.1μg/m3,出現(xiàn)概率最高,為51%;西南方向和西北偏西方向?qū)狿M2.5濃度分別為96.4和92.5μg/m3,出現(xiàn)概率分別為31%和3%;西南偏西方向出現(xiàn)概率為3%,相應PM2.5濃度為86.0μg/m3.

5月,景洪市所有計算軌跡對應PM2.5濃度為24.3μg/m3,為2～5月最低濃度.出現(xiàn)概率最高的為聚類5(西南偏南)和聚類1(西南),分別為35%和32%,對應PM2.5濃度為19.0和24.0μg/m3,且為短距離傳輸和低空傳輸(300m內(nèi));聚類3(正西短距離)和4(西南偏南較長距離)出現(xiàn)概率為18%和11%,對應PM2.5濃度分別為37.7和26.7μg/m3,傳輸距離最高分別為500m和1000m;聚類2(正西長距離)和聚類6(西南偏西長距離)出現(xiàn)概率較低,小于3%,且對應PM2.5濃度分別為27.1和11.0μg/m3,傳輸高度均較高,且來自這兩個方位的軌跡均未出現(xiàn)PM2.5濃度超標.PM2.5濃度出現(xiàn)超標軌跡中,對應PM2.5濃度(90.7μg/m3)最高來自正西短距離傳輸,出現(xiàn)概率較高,為35%;其次為出現(xiàn)概率35%的西南偏南短距離傳輸方向,對應PM2.5濃度為88.3μg/m3,西南短距離傳輸出現(xiàn)概率為24%,對應PM2.5濃度為79.4μg/m3;西南偏南較長距離傳輸出現(xiàn)概率為6%,對應PM2.5濃度為82.5μg/m3.綜上所述,2～5月景洪市日均PM2.5濃度超標傳輸路徑主要以西、西南和正南為主,表明景洪市2～5月PM2.5外來輸送主要由中南半島傳輸,且中短距離傳輸和低空傳輸對應高PM2.5濃度.中短距離傳輸表明移動速度較慢,低空傳輸表明污染物較易在地面累積.

圖5 景洪市2015～2021年2～5月聚類分析軌跡圖

審圖號:GS (2019) 3082號

圖6 景洪市2015～2021年2～5月PM2.5后向軌跡高度變化

2.3 2015～2021年景洪市PM2.5潛在源區(qū)及貢獻分析

2.3.1 潛在源區(qū)分析 2015～2021年2～5月景洪市PM2.5的WPSCF分布如圖7所示,潛在源區(qū)主要分布在景洪市西-南范圍,這與2.2節(jié)分析的主要傳輸路徑一致.2月污染程度較高的潛在源區(qū)較3月和4月少,其傳輸主要通過聚類2～4由緬甸中東部、緬甸中南部、老撾西北部和泰國北部輸送而來.和2月一致,5月造成景洪市PM2.5污染程度較高的潛在源區(qū)也較少,且傳輸范圍也較小,主要通過緬甸中東部和泰國北部傳輸.3月,景洪市潛在源區(qū)范圍較大,主要分布在緬甸中部、泰國北部和老撾西北部,污染程度較高的潛在源區(qū)范圍也較大,主要集中在緬甸中部和泰國北部.4月,景洪市潛在源區(qū)范圍較3月小,WPSCF分布跟3月較一致,主要集中在緬甸中部和泰國東北部.

2.3.2 潛在源區(qū)污染權重分析 與WPSCF方法所得結果相似,2～5月景洪市PM2.5潛在源污染權重分布圖如圖8所示,景洪市PM2.5濃度貢獻超過40μg/m3的區(qū)域主要集中在景洪市西-南方向,即緬甸中部、老撾西北部和泰國北部;超過70μg/m3的區(qū)域主要位于緬甸中東部、泰國北部和老撾西北部.2月潛在源污染分布范圍較小,主要分布在景洪市、緬甸撣邦省、曼德勒省、克邦邦省、勃固省和克倫邦省北部、老撾博膠省和瑯南塔省、泰國清萊府、南邦府和清邁府;濃度貢獻超過70μg/m3的分布范圍較3月和4月也較小,主要位于緬甸撣邦省.5月潛在源污染分布范圍較2～4月均較小,其濃度貢獻超過40μg/m3的區(qū)域主要集中在緬甸撣邦省北部,即景洪市西北偏西方向.3月潛在污染源區(qū)范圍較大,且濃度貢獻超過70μg/m3的區(qū)域明顯,主要位于緬甸撣邦省、曼德勒省、克邦邦省、勃固省和泰國清萊府.4月潛在污染分布范圍較3月小,且濃度貢獻超過70μg/m3的區(qū)域范圍較3月小,主要位于緬甸撣邦省東部.

圖7 2015～2021年2～5月景洪市WPSCF值分布特征

審圖號:GS (2019) 3082號

通過歸一化處理WCWT值(表2),發(fā)現(xiàn)2～5月中南半島(包括緬甸、泰國、老撾、越南和柬埔寨)對景洪市PM2.5濃度貢獻分別為77%、75%、77%和82%,表明景洪市PM2.5濃度主要來自中南半島傳輸.其中緬甸貢獻最高,2～5月貢獻約41%～50%,與王繼康等[43]得出的2020年3月下旬至4月上旬緬甸對西雙版納PM2.5貢獻(50%～60%)結果較相近;泰國貢獻約為21%～27%,高于王繼康等[43]的研究結果(特定氣象條件下為3%左右);老撾貢獻約為5%～12%,與王繼康等[43]的研究結果較一致(特定氣象條件下為10%左右);越南和柬埔寨貢獻均小于2%;包括景洪在內(nèi)的中國本地源排放貢獻不高于6%,與王繼康等[43]研究結果(30%～40%)差異較大,差異原因有:(1)研究時間段差異,本文為2015～2021年2～5月,王繼康等[43]的研究時間為2020年3月下旬至4月上旬;(2)研究方法差異,本文采用歸一化WCWT方法分析潛在源區(qū),而王繼康等[43]采用三維空氣質(zhì)量模型進行源解析,前者在引入權重因子時具有主觀性且未考慮復雜的化學反應,后者輸入數(shù)據(jù)(如氣象場和排放清單)存在不確定性,主觀性和不確定性可能會導致某些潛在源區(qū)結果存在較大差異.

上述分析可知,影響2～5月景洪市PM2.5濃度與中南半島相關,主要為緬甸、泰國和老撾,而2～5月正是中南半島生物質(zhì)燃燒高峰期[37, 43-44].分析2015～2021年中南半島生物質(zhì)燃燒火點數(shù)(圖9),中南半島火點數(shù)主要集中在1～5月和12月,2～5月中南半島火點數(shù)占全年總火點數(shù)比例為92%,其中3月火點數(shù)最多,其次為4月,這與景洪市高PM2.5濃度所在月及變化趨勢均一致.統(tǒng)計2015～2021年2～5月中南半島、緬甸、泰國、老撾火點數(shù)和景洪市相應月PM2.5濃度可知(圖10),中南半島總火點數(shù)和景洪市PM2.5濃度相關系數(shù)為0.72,其中緬甸火點數(shù)和景洪市PM2.5濃度相關系數(shù)最高,為0.79,其次為老撾和泰國,其相關系數(shù)分別為0.55和0.51.火點數(shù)和PM2.5濃度相關性分析表明老撾比泰國與景洪市PM2.5濃度更相關,與WCWT分析結果不一致,暗示景洪市PM2.5濃度不僅與潛在源區(qū)排放源相關,也與傳輸路徑相關,主要傳輸路徑經(jīng)過老撾的概率明顯低于泰國(圖5).

圖8 2015～2021年2～5月景洪市PM2.5的WCWT值分布特征

審圖號:GS (2019) 3082號

表2 2015～2021年2～5月傳輸?shù)骄昂槭蠵M2.5的歸一化WCWT(%)

景洪市PM2.5濃度的主要源區(qū)為緬甸、泰國和老撾,且與這些潛在源區(qū)的火點數(shù)相關性較高.根據(jù)火點數(shù)可反演獲得生物質(zhì)開放燃燒,而源區(qū)的排放源還包括化石燃料燃燒(人為源).為進一步分析景洪市潛在源區(qū)的排放類型,選用CO作為示蹤污染物. Bergamaschi等[52]指出,全球CO主要來源于化石燃料燃燒和生物質(zhì)燃燒,兩者比例大約為50%.2～5月中南半島人為源和生物質(zhì)開放燃燒排放的CO排放量如圖11(由于EDGAR提供的人為源排放更新到2018年)所示,3月(景洪市PM2.5濃度最高)生物質(zhì)開放燃燒源排放最大的為緬甸,其次為老撾和泰國;2015～2018年3月緬甸生物質(zhì)源貢獻約為人為源貢獻的34～70倍,該CO排放分布與王繼康等[43]和張玉洽等[44]分別對2020年3～4月和2013年3月的黑炭分析基本一致.

圖9 2015～2021年中南半島1～12月(a)和2～5月(b)總火點數(shù)

圖10 2015～2021年2～5月中南半島、緬甸、泰國和老撾總火點數(shù)與景洪市PM2.5相關性分析

綜上,2～5月景洪市PM2.5濃度不僅與中南半島生物質(zhì)開放燃燒分布及排放量密切相關,也與主要傳輸路徑相關,比如3月老撾生物質(zhì)排放量雖高于泰國,但經(jīng)過泰國的傳輸概率高于老撾,因此通過該方法識別的泰國貢獻率高于老撾.2～5月景洪市PM2.5的傳輸路徑主要位于景洪市西-南方位,且中短距離傳輸和低層傳輸對應景洪市高PM2.5;主要源區(qū)為緬甸,生物質(zhì)開放燃燒為主要排放源.值得注意的是,生物質(zhì)開放燃燒不僅釋放大量污染物,同樣也會釋放較高的溫室氣體(CO2、CH4等)[53-56],跨境的溫室氣體及污染物傳輸對景洪市人體健康和氣候變化的影響值得進一步深入研究,因此建立跨境區(qū)域聯(lián)防聯(lián)控措施對景洪市空氣質(zhì)量以及氣候變化均具有重要意義.

圖11 2015～2021年中南半島2～5月人為源和生物質(zhì)開放燃燒排放的CO

BB代表生物質(zhì)開放燃燒排放源,An代表人為源

3 結論

3.1 2015～2021年景洪市超標時的首要污染物為PM2.5;日均PM2.5濃度超標天數(shù)主要集中在2～5月,將2～5月定義為污染月.2～5月景洪市PM2.5擴散和生成相關氣象條件并非處于不利條件,因此推測有外來源的大量傳輸.

3.2 利用HYSPLIT模型計算景洪市2015～2021年2～5月后向軌跡并進行聚類分析,結合地面監(jiān)測PM2.5濃度可知,景洪市日均PM2.5濃度超標時其主要傳輸路徑位于景洪市西向、西南和南向,即經(jīng)過緬甸中部、泰國北部和老撾西北部;中短距離傳輸和低層傳輸對應高PM2.5濃度.

3.3 潛在源區(qū)貢獻因子分析和濃度權重軌跡分析結果一致,影響景洪市PM2.5的源區(qū)主要位于景洪市西-南范圍,即緬甸中部、老撾西北部和泰國北部,且識別的源區(qū)在3月WCWT最高,源區(qū)范圍最廣;通過歸一化WCWT可知,影響2～5月景洪市PM2.5濃度的主要源區(qū)為緬甸,其次為泰國和老撾.

3.4 統(tǒng)計2015～2021年中南半島火點數(shù)分布、火點數(shù)和景洪市PM2.5濃度相關性及CO排放量特征可知,影響景洪市PM2.5濃度的主要排放源為緬甸的生物質(zhì)開放燃燒.

[1] 曹軍驥. PM2.5與環(huán)境[M]. 北京:科學出版社, 2014:428.

Cao Junji. PM2.5and the environment in China [M]. Beijing:Science Press, 2014:428.

[2] Dockery D W, Pope C A, Xu X, et al. An association between air-pollution and mortality in 6 United States cities [J]. The New England Journal of Medicine, 1993,329(24):1753-1759.

[3] 謝 鵬,劉曉云,劉兆榮,等.我國人群大氣顆粒物污染暴露-反應關系的研究[J]. 中國環(huán)境科學, 2009,29(10):1034-1040.

Xie P, Liu X Y, Liu Z R., et al. Exposure-response functions for health effects of ambient particulate matter pollution applicable for China [J]. China Environmental Scicence, 2009,29(10):1034-1040.

[4] Zheng Y X, Xue T, Zhang Q, et al. Air quality improvements and health benefits from China’s clean air action since 2013 [J]. Environmental Research Letter, 2017,12:1-9.

[5] Wang L T, Xu J, Yang J, et al. Understanding haze pollution over the southern Hebei area of China using the CMAQ model [J]. Atmospheric Environment, 2012, 56:69-79.

[6] Zhang R, Jing J, Tao J, et al. Chemical characterization and source apportionment of PM2.5in Beijing: seasonal perspective [J]. Atmospheric Chemistry and Physics, 2013,13:7053-7074.

[7] Han Z W. Direct radiative effect of aerosols over East Asia with a regional coupled climate/chemistry model [J]. Meteorologische Zeitschrift, 2010,19(3):287-298.

[8] Han Z W, Xiong Z, Li J W. Direct climatic effect of aerosols and interdecadal variations over East Asia investigated by a regional coupled climate-chemistry/aerosol model [J]. Atmospheric and Oceanic Science Letters, 2011,4(6):299-303.

[9] Han Z W, Li J W, Xia X G, et al. Investigation of direct radiative effects of aerosols in dust storm season over East Asia with an online coupled regional climate-chemistry-aerosol model [J]. Atmospheric Environment, 2012,54:688-699.

[10] Liu X Y, Zhang Y, Zhang Q, et al. Application of online-coupled WRF/Chem-MADRID in East Asia: model evaluation and climatic effects of anthropogenic aerosols [J]. Atmospheric Environment, 2016,124:321-336.

[11] Zhuang B L, Liu Q, Wang T J, et al. Investigation on semi-direct and indirect climate effects of fossil fuel black carbon aerosol over China [J]. Theoretical and Applied Climatology, 2013a,114:651–672.

[12] Zhuang B L, Li S, Wang T J, et al. Direct radiative forcing and climate effects of anthropogenic aerosols with different mixing states over China [J]. Atmospheric Environment, 2013b,79:49-361.

[13] 繆育聰,劉樹華.雄安新區(qū)大氣污染的氣象特征分析[J]. 科學通報, 2017,62(23):2666-2670.

Miao Y C, Liu S H. Meteorological characteristics associated with air pollution in Xiong’an, China [J]. China Science Bull, 2017,62(23): 2666–2670.

[14] 繆育聰,鄭亦佳,王 姝,等.京津冀地區(qū)霾成因機制研究進展與展望[J]. 氣候與環(huán)境研究, 2015,20(3):356?368.

Miao Y C, Zheng Y J, Wang S, et al.. Recent advances in, and future prospects of, research on haze formation over Beijing–Tianjin–Hebei, China [J]. Climatic and Environmental Research, 2015,20(3):356?368.

[15] 薛文博,付 飛,王金南,等.中國PM2.5跨區(qū)域傳輸特征數(shù)值模擬研究 [J]. 中國環(huán)境科學, 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.

[16] Lu Z, Zhang Q, Streets D G. Sulfur dioxide and primary carbonaceous aerosol emissions in China and India, 1996～2010 [J]. Atmospheric Chemistry and Physics, 2011,11(18):9839-9864.

[17] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission [J]. Atmospheric Chemistry and Physics, 2009,9:5131-5153.

[18] 段時光,姜 楠,楊留明,等.鄭州市冬季大氣PM2.5傳輸路徑和潛在源分析[J]. 環(huán)境科學, 2019,40(1):86-93.

Duan S G, Jiang N, Yang L M, et al. Transport pathways and potential sources of PM2.5during the winter in Zhengzhou [J]. Environmental Science, 2019,40(1):86-93.

[19] 高 月,孫榮國,陳 卓,等.南京市大氣PM2.5時空分布特征與潛在源區(qū)貢獻分析[J]. 地球與環(huán)境, 2019,47(3):268-274.

Gao Y, Sun R G, Chen Z, et al. Spatial-temporal characteristics of atmospheric PM2.5and contribution analysis of potential source areas for Nanjing [J]. Earth and Environment, 2019,47(3):268-274.

[20] 蔣琦清,陳文聰,徐冰燁,等.杭州城區(qū)大氣顆粒物污染特征及PM2.5潛在源區(qū)研究[J]. 中國環(huán)境監(jiān)測, 2020,36(5):88-95.

Jiang Q Q, Chen W C, Xu B Y., et al. The characteristics of atmospheric particles and potential sources of PM2.5in urban Hangzhou [J]. Environmental Monitoring in China, 2020,36(5):88-95.

[21] 王琰瑋,王 媛,張增凱,等.不同季節(jié)天津市PM2.5與O3潛在源區(qū)及傳輸路徑分析[J]. 環(huán)境科學研究, 2022,35(3):673-682.

Wang Y W, Wang Y, Zhang Z K, et al. Analysis of potential source areas and transport pathways of PM2.5Tianjin by season [J]. Research of Environmental Sciences, 2022,35(3):673-682.

[22] Zhao L, Wang L, Tan J, et al. Changes of chemical composition and source apportionment of PM2.5during 2013～2017 in urban Handan, China [J]. Atmospheric Environment, 2019,206:119-131.

[23] Wang L, Liu Z, Sun Y, et al. Long-range transport and regional sources of PM2.5in Beijing based on long-term observations from 2005 to 2010 [J]. Atmospheric Research, 2015,157:37-48.

[24] 曾 鵬,辛存林,于 奭,等.典型西南工業(yè)城市春冬季PM2.5來源與潛在源區(qū)分析——以柳州市為例[J]. 中國環(huán)境科學, 2020,40(9): 3781-3790.

Zeng P, Xin C L, Yu S, et al. Analysis of PM2.5sources and potential source areas of typical industrial city in spring and winter: A case study in Liuzhou [J]. China Environmental Science, 2020,40(9):3781-3790.

[25] 高興艾,裴坤寧,王淑敏,等.汾渭平原呂梁市顆粒物潛在源及輸送通道分析 [J]. 中國環(huán)境科學, 2022,42(7):2988-2999.

Gao X A, Pei K N, Wang S M,et al. Analysis on the potential source and transmission channel of particulate matter in Lüliang City, Fenwei Plain [J]. China Environmental Science, 2022,42(7):2988-2999.

[26] 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]. 中國環(huán)境科學, 2022,42(2):557-567.

Pei K N,Gao X A,Wang S M, et al. Analysis of PM2.5pollution transportation path in winter in southeast Shanxi Province [J]. China Environmental Science, 2022,42(2):557-567.

[27] 王中杰,霍 娟,杜慧云,等.2015～2019年日照市PM2.5長期變化特征及其潛在源區(qū)分析 [J]. 中國環(huán)境科學, 2021,41(9):3969-3980.

Wang Z J, Huo J, Du H Y, et al. Long term characteristics and potential sources of PM2.5in Rizhao city from 2015 to 2019 [J]. China Environmental Science, 2021,41(9):3969-3980.

[28] 張 芊,龐 可,馬彩云,等.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 [J]. 中國環(huán)境科學, 2022,42(2):509-518.

Zhang Q, Pang K, Ma C Y, et al. Analysis of transportation path and potential sources of atmospheric particulate matter over Gansu province in spring and winter--based on HYSPLIT4 model and TraPSA analysis platform [J]. China Environmental Science, 2022, 42(2):509-518.

[29] 李 莉,蔡鋆琳,周 敏.2013年12月中國中東部地區(qū)嚴重灰霾期間上海市顆粒物的輸送途徑及潛在源區(qū)貢獻分析 [J]. 環(huán)境科學, 2015,36(7):2327-2336.

Li L, Cai J L, Zhou M. Potential source contribution analysis of the particulate matters in Shanghai during the heavy haze episode in eastern and middle China in december, 2013 [J]. Environmental Science, 2015,36(7):2327-2336.

[30] 任傳斌,吳立新,張媛媛,等.北京城區(qū) PM2.5輸送途徑與潛在源區(qū)貢獻的四季差異分析 [J]. 中國環(huán)境科學, 2016,6(9):2591-2598.

Ren C B, Wu L X, Zhang Y Y, et al. Analyze to the seasonal differences of transport pathways and potential source-zones of Beijing urban PM2.5[J]. China Environmental Science, 2016,6(9): 2591-2598.

[31] 鄧 聰,楊善黨,曾新宇,等.云南景洪2016年大氣O3特征研究[J]. 環(huán)境科學導刊, 2018,37(2):51-55.

Deng C, Yang S D, Zeng X Y, et al. Research on characteristics of ozone in air of Jinghong in 2016 [J]. Environmental Science Survey, 2018,37(2):51-55.

[32] 高婷婷,楊秀平.西雙版納州大氣污染與氣象因子分析[J]. 皮革制作與環(huán)?？萍? 2020,1(9):52-55.

Gao T T, Yang X P. Analysis of air pollution and meteorological factors in Xishuangbanna [J]. Leather Manufacture and Environmental Technology, 2020,1(9):52-55.

[33] 高婷婷.西雙版納州AQI指數(shù)與氣象條件的關系及其預測研究[J]. 農(nóng)業(yè)災害研究, 2021,11(4):100-102.

Gao T T. Relationship between Xishuangbanna AQI index and meteorological conditions and its forecast study [J]. Journal of Agricultural Catastropholgy, 2021,11(4):100-102.

[34] 郭榮芬,黎成超,鄧 聰,等.“2015·3·22”云南大范圍空氣污染事件氣象成因分析[J]. 災害學, 2017,32(3):91-95.

Guo R F, Li C C, Deng C, et al. Meteorological causes for a wide range of air pollution in Yunnan province on March 22, 2015 [J]. Journal of Catastrophology, 2017,32(3):91-95.

[35] Guo Y H. Size distribution characteristics of carbonaceous aerosol in Xishuangbanna, southwest China: a sign for biomass burning in Asia [J]. Environmental Monitoring and Assessment, 2016a,188:148.

[36] Guo Y H. Size distribution characteristics of carbonaceous aerosol in a rural location in northwestern China [J]. Air Quality Atmosphere and Health, 2016b,9(2):193-200.

[37] Liu X Y, Wang S W, Zhang Q Q, et al. Origins of black carbon from anthropogenic emissions and open biomass burning transported to Xishuangbanna, Southwest China [J]. Journal of Environmental Sciences, 2023,125:277-289.

[38] 羅 燕,陳新梅,田永麗. 2015～2016年云南省主要城市大氣污染物濃度特征及其與氣象要素的關系[J]. 環(huán)境科學導刊, 2018,37(6):40-45.

Luo Y, Chen X M, Tian Y L. Characteristics of atmospheric pollutants and its relationships with meteorological elements from 2015 to 2016 over the sixteen cities in Yunnan [J]. Environmental Science Survey, 2018,37(6):40-45.

[39] 王 健,邱 飛,向 峰,等.景洪市環(huán)境空氣質(zhì)量狀況及污染特征分析[J]. 環(huán)境科學導刊, 2018,37(Z1):58-62.

Wang J, Qiu F, Xiang F, et al. Analysis of air quality and pollution characteristics of Jinghong city [J]. Environmental Science Survey, 2018,37(Z1):58-62.

[40] 周增春,岳存貴,李瑞濤.西南地區(qū)空氣質(zhì)量變化規(guī)律和發(fā)展趨勢研究———以西雙版納州景洪市為例[J]. 環(huán)境生態(tài)學, 2021,3(9):83-89.

Zhou Z C, Yue C G, Li R T. Study on the change law and development trend of air quality in southwest China: a case study of Jinghong city, Xishuangbanna prefecture [J]. Environmental Ecology, 2021,3(9): 83-89.

[41] 黃光球,雷 哲.西安市大氣顆粒物PM2.5的輸送路徑和潛在源分析 [J]. 云南大學學報(自然科學版), 2019,41(6):1191-1200.

Huang G Q, Lei Z. Transport pathways and potential sources of PM2.5in Xi'an City [J]. Journal of Yunnan University: Natural Sciences Edition, 2019,41(6):1191-1200.

[42] Zhang Q, Shen Z X, Ning Z, et al. Characteristics and source apportionment of winter black carbon aerosols in two Chinese megacities of Xi’an and Hong Kong [J]. Environmental Science and Pollution Research, 2018,25:33783–33793.

[43] 王繼康,江 琪,尤 媛,等.東南亞生物質(zhì)燃燒對我國霾和降水的影響[J]. 氣象, 2021,47(3):348-358.

Wang J K, Jiang Q, You Y. et al. Effects of biomass burning aerosol in southeast Asia on haze and precipitation over China [J]. Meterological Monthly, 2021,47(3):348-358.

[44] 張玉洽,楊迎春,李 杰,等.東南亞生物質(zhì)燃燒對我國春季PM2.5質(zhì)量濃度影響的數(shù)值模擬 [J]. 環(huán)境科學研究, 2016,29(7):952-962.

Zhang Y Q, Yang Y C, Li J, et al. Modeling the impacts of biomass burning in southeast Asia on PM2.5over China in spring [J]. Research of Environmental Sciences, 2016,29(7):952-962.

[45] Xia X, Zong X, Sun L,et al. Exceptionally active agricultural fire season in mid-eastern China in June 2012 and its impact on the atmospheric environment [J]. Journal of Geophysical Research- Atmospheres, 2013,118(17):9889-9900.

[46] Crippa M, Guizzardi D, Butler T, et al. HTAPv3 emission mosaic: a global effort to tackle air quality issues [J]. in preparation.

[47] Wiedinmyer C, Akagi S K, Yokelson R J, et al.The Fire INventory from NCAR (FINN): a high resolution global model to estimate the emissions from open burning [J].Geoscientific Model Development, 2011,4:625-641.

[48] Cohen M, Crawford A. Modeling the transport and dispersion of atmospheric tracers. A HYSPLIT workshop presented at Howard University, 2018,Washington D.C.

[49] Seibert P, Kromp-Kolb H, Baltensperger U, et al. Trajectory analysis of high-alpine air pollution data [A]. Gryning S E, Millán M M(Eds).Air pollution modeling and its application X. Boston, MA: Springer, 1994:595-596.

[50] Hsu Y K, Holsen T M, Hopke P K. Comparison of hybrid receptor models to locate PCB sources in Chicago [J]. Atmospheric Environment, 2003,37(4):545-562.

[51] GB3095-2012 環(huán)境空氣質(zhì)量標準 [S].

[52] Bergamaschi P, Hein R, Heimann M, et al. Inverse modeling of the global CO cycle:1.inversion of CO mixing ratios [J]. Journal of Geophysical Research-Atmosphere, 2000,105(D2):1909-1927.

[53] Azhar R, Zeeshan M, Fatima K.Crop residue open field burning in Pakistan; multi-year high spatial resolution emission inventory for 2000～2014 [J]. Atmospheric Environment, 2019,208:20-33.

[54] Ghosh A, Patra P K, Ishijima K, et al.Variations in global methane sources and sinks during 1910～2010 [J]. Atmospheric Chemistry and Physics, 2015,15:2595-2612.

[55] Konovalov I B, Berezin E V, Ciais P, et al. Constraining CO2emissions from open biomass burning by satellite observations of co-emitted species: a method and its application to wildfires in Siberia [J]. Atmospheric Chemistry and Physics, 2014,14:10383-10410.

[56] Zheng B, Ciais P, Chevallier F, et al.Increasing forest fire emissions despite the decline in global burned area [J]. Science Advances, 2021,7:eabh264.

Analysis of transport pathways and potential source regions of PM2.5in Jinghong from 2015 to 2021.

LIU Xu-yan1,2, HAN Xiu-zhen1*, LIANG Lin-lin3**, ZHU Lin1

(1.Innovation Center for FengYun Meteorological Satellite, Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites, National Satellite Meteorological Center (National Center for Space Weather), Beijing 100081；2.State Environmental Protection Key Laboratory of Sources and Control of Air Pollution Complex, Beijing 100084, China；3.State Key Laboratory of Severe Weather and Key Laboratory for Atmospheric Chemistry, Chinese Academy of Meteorological Sciences, Beijing 100081,China)., 2022,42(11)：5023～5035

This study analyzed the characteristics of air pollutants in Jinghong City from 2015 to 2021, and obtained the months when the daily PM2.5exceeded the Class-2limit values of the National Ambient Air Quality Standard (NAAQS). Based on Hybrid Single Particle Lagrangian Integrated Trajectory (HYSPLIT) model, 72-hour daily backward trajectories in those months were calculated, combined with PM2.5concentration, the transport pathways and potential source regions during those months in Jinghong city were determined through the methods of analysing cluster, potential source contribution factor and concentration weighted trajectory factor. The results shown that the months of PM2.5exceeding standard were concentrated on February, March, April and May in Jinghong City. The transport pathways of PM2.5during February to May in Jinghong City mainly originate from west, southwest and south, with medium and short-range, and low-altitude transports corresponded to high concentration of PM2.5pollution. The potential source regions of PM2.5in Jinghong during February to May were mainly located in the central region of Myanmar, the northwest region of Laos and the northern region of Thailand. The results of normalized concentration weighted trajectory factor exhibited that the source regions of PM2.5in Jinghong City during February to May were concentrated in Myanmar, accounting for 41%～50%, with Thailand and Laos accounting for 21%～27%, 5%～12%, 2% and 2%, respectively. To further investigate the sources of the PM2.5in Jinghong, the distribution of fires counts in the indo-China and its correlation with PM2.5in Jinghong from 2015 to 2021 were analyzed. Further results demonstrated that the main source of PM2.5in Jinhong city during February to May was open biomass burning from Myanmar. These results in this study have guiding significance for Jinghong city to establish cross-border regional joint prevention and control measures and to study future climate change.

PM2.5；Jinghong City；cluster analysis；potential source contribution function；concentration weighted trajectory

X513

A

1000-6923(2022)11-5023-13

劉旭艷(1983-),女,山西呂梁人,副研究員,博士,主要從事衛(wèi)星反演生物質(zhì)燃燒排放量及對空氣質(zhì)量和天氣影響、大氣污染擴散、PM2.5源解析以及衛(wèi)星監(jiān)測霾天氣等.發(fā)表論文10余篇.

2022-04-15

國家重點研發(fā)計劃項目(2018YFC1506503);國家自然科學基金資助項目(41705109, 41871263);國家污染重點實驗室基金資助項目(SCAPC202001);大氣化學重點實驗室基金資助項目(2018B04)

* 責任作者, 正研級高工, hanxz@cma.gov.cn; **, 副研究員, lianglinlin@cma.gov.cn