天津PM10和NO2输送路径及潜在源区研究

王郭臣,王 珏,信玉洁,陈 莉(天津师范大学城市与环境科学学院,天津 300387)

天津PM10和NO2输送路径及潜在源区研究

王郭臣,王 珏,信玉洁,陈 莉*(天津师范大学城市与环境科学学院,天津 300387)

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.

PM10；NO2；后向轨迹；聚类分析；潜在源贡献；浓度权重轨迹；天津

近年来,随着经济的发展,京津冀地区在取得经济利益的同时,大气环境质量却越来越恶化.雾霾天气的频繁发生给京津冀地区带来了极大的危害[1].研究表明,一个地区的大气污染物不仅受到本地污染源排放的影响而且还受到邻近地区污染源的影响,而这些影响主要是通过污染物的跨区域输送造成的[2-3].国内外学者专家对不同地区大气污染的成因和来源进行了研究,并且分析了气象条件对空气污染的影响[4-6],而后向轨迹模型成为研究这一问题的主要手段. Raheleh等[7]利用后向轨迹模型研究发现,中东沙尘区是影响德黑兰PM10浓度最大的潜在源地;张磊等[8]利用单条后向轨迹的滞留时间场和污染物排放强度场,研究认为平流输送对黄山光明顶污染物浓度的变化具有重要作用;朱彬等[9]利用后向轨迹模型分析了秸秆焚烧对南京及周边地区一次严重空气污染过程影响的天气条件、大气边界层特征以及大气污染物的来源、输送路径.目前国内外的研究主要侧重于对大气污染输送来源的特征分析.

已有研究对大气污染输送源特征进行了深入的分析,但主要侧重于对潜在污染源的定性研究,有些仅对潜在源的贡献率大小(潜在源概率)进行分析,却没有对潜在源区进行定量研究,即对潜在源区污染物浓度值的大小进行研究与分析.本文在利用潜在源贡献(PSCF)分析法的基础上,引入浓度权重轨迹(CWT)分析法对影响天津大气的潜在源地污染物数值进行定量模拟,以此确定对天津污染物影响较大的潜在源区,为天津空气污染的治理提供建议.

1 研究区概况及数据

1.1 研究区概况

天津市(38°34′N～40°15′N,116°43′E～118°04′E),地处华北平原的东北部,海河流域下游,东临渤海,北依燕山,西靠首都北京,海岸线长约 153km,面积约1.19万km2.地势以平原和洼地为主,北部有山地和丘陵,海拔由北向南逐渐下降.天津位于中纬度亚欧大陆东岸,季风气候显著,属于温带大陆性季风气候.夏季高温多雨,冬季寒冷干燥.

1.2 数据来源

天津主要污染物浓度数据来自天津市环境监测中心国控点自动监测网络.后向轨迹模式采用的气象资料为NCEP(美国国家环境预报中心)提供的全球资料同化系统(GDAS)2012～2013年数据.该数据6h记录一次,分别为00:00、06: 00、12:00和18:00(UTC,世界时).

本文所用气象资料为美国国家环境预报中心提供的全球资料同化系统数据可直接从网上http://ready.arl.noaa.gov/HYSPLIT_traj.php下载.

2 研究方法

2.1 HYSPLIT模型

HYSPLIT (Hybrid Single-Particle Lagrangian Integrated Trajectory)是由美国国家海洋大气中心(NOAA)和澳大利亚气象局共同研发的一种用于计算和分析大气污染物的来源、输送、扩散轨迹的综合模式系统[10-11].该模型具有处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能的较为完整的输送、扩散和沉降模式.它具有模拟精度高、时间连续变化的特点,广泛应用于多种污染物在各个地区的传输和扩散的研究中[12].为研究远距离污染输送对天津市大气污染物浓度的影响,本文采用500m高度作为研究区的大气边界层的平均流场,通过 HYSPLIT模型对研究区每日气团移动的72h后向轨迹进行模拟,以此反映研究区周围的气流运动特征.

2.2 聚类分析法

聚类分析法是根据地理变量(或指标样品)特征的相似性、亲疏程度,用数学的方法把它们逐步地分型划类,最后得到一个能反映个体或站点之间、群体之间亲属关系的分类系统.本文利用TrajStat[13]软件中的聚类方法对气流轨迹进行聚类分析,采用angle distance算法对到达天津的气流轨迹进行分类,以得到不同的输送气流类型,并在此基础上对不同季节的气流所对应的污染物浓度特征进行统计分析.

2.3 潜在源贡献分析法

潜在源贡献(PSCF)算法是一种基于气流轨迹分析来识别源区的方法[14]. PSCF值是所选研究区域内经过网格ij的污染轨迹数(χij)与该网格上经过的所有轨迹数(yij)的比值,即

利用此方法可以对影响研究区空气质量的污染源区进行确认,并在此基础上分析这些潜在源区的环境属性对受区(天津)的影响.为了便于研究不同地区潜在源贡献和确定各潜在源贡献的大小,将研究区域内气流轨迹所涉及的区域网格化,分成0.5°×0.5°的水平网格,计算各个网格内经过的气流轨迹条数和研究区所有网格内的气流轨迹条数,以此计算各研究区每个网格内的气流轨迹出现概率.由于PSCF是一种条件概率,当各网格内气流滞留时间较短时,PSCF值会出现较大波动,使得这种不确定性增大,出现误差较大的情况.为了减少误差,相关学者引入了权重函数Wij来减小误差,使不确定性降到最低,以减少误差[15].当某一网格中的yij小于研究区内每个网格内平均轨迹端点数的3倍时,就要使用Wij来减小PSCF的不确定性.即WPSCF=Wij×PSCF.本文参考Wang等[16]对Wij的定义,将其定义如下:

2.4 浓度权重轨迹分析法

浓度权重轨迹分析法(CWT)是一种计算潜在源区气流轨迹权重浓度,反映不同轨迹的污染程度的方法[17-18].利用CWT分析法可模拟潜在源区污染物的权重浓度数值.由于PSCF只能反映潜在源区贡献率的大小,即每个网格中污染轨迹所占的比例多少,不能反映潜在源区的污染程度,也就无法模拟数值的大小.因此,本文引入CWT分析法对潜在源区的污染程度进行分析.方法如下:

式中: Cij是网格ij上的平均权重浓度; k是轨迹; Ck是轨迹k经过网格ij时对应的天津PM10和NO2质量浓度;τijk是轨迹 k在网格 ij停留的时间.在PSCF分析法中所用的权重函数Wij也适用于CWT分析法,以减少χij值较小时所引起的不确定性.

3 结果与分析

3.1 后向轨迹聚类分析

图1 2013年天津后向轨迹聚类的季节分布Fig.1 Seasonal distribution of back trajectories clusters in Tianjin, 2013

利用TrajStat软件,对各季节的气流资料进行处理,分别得到不同季节的气流轨迹图,根据各类气流轨迹空间分布特征的一致性,把气流轨迹分为4类,聚类结果如图1所示.为了研究不同类型的气流轨迹对PM10和NO2的影响,将各类轨迹对应的 ρ(PM10)和 ρ(NO2)的算数平均值结合各类气流轨迹特征,分析气流对污染物浓度的影响.由图 1和表 1可以看出,研究期间,冬季(2012年 12月～2013年2月)来自北方内陆地区的气流轨迹(轨迹1和 4)在冬季气流轨迹总数中所占的比例最大,其中来自俄罗斯、蒙古国、内蒙古中部、河北方向的气流轨迹占59.5%;而来自河北东北部、内蒙古东部、北京方向的气流轨迹占 24.7%;春季(2013年3月～2013年5月)来自俄罗斯、蒙古国、内蒙古中部、北京方向的轨迹最多,占当季气流轨迹总数的31.1%;来自黄海、山东中部、河北东部等方向的气流轨迹占当季气流轨迹总数的27.8%;夏季(2013年6月～2013年8月)来自蒙古国东部、内蒙古中部、河北方向的气流轨迹最高,占当季气流轨迹总数的47.8%;秋季(2013年9月～2013年11月)来自蒙古国中部、内蒙古中部、河北西北部的气流轨迹占当季气流轨迹总数的39.6%.

表1 天津各类轨迹区域特征的季节分析Table 1 Seasonal analysis of regional characteristics of backward trajectories in Tianjin, 2013

3.2 不同气流轨迹对大气污染物浓度的影响

基于各季节气流后向轨迹聚类分析结果,对各类轨迹对应的 ρ(PM10)和 ρ(NO2)算术平均值进行统计分析,以表征该类气流影响下的大气污染物浓度水平特征.由表1可知,冬季来自内蒙古东部、河北东北部、北京的气流轨迹对应的ρ(PM10)平均值最高,为 103µg/m3,这类气流来自亚洲北部内陆地区,通常伴随着西北冷空气运动南下,经过亚洲内陆沙尘地区,容易携带大陆内部地区的尘土以及沿途地区(河北和北京)排放的人为源,因此其气流轨迹对应的ρ(PM10)平均值最高.而来自蒙古国中部、内蒙古中部、河北东北部等方向的气流轨迹对应的 ρ(PM10)较低,为 76µg/m3,这主要是因为蒙古国中部、内蒙古中部邻近沙尘源,河北东北部矿山开采产生大量尘土,当气流经过时,就会携带自然源和当地排放的人为源抵达天津.冬季各类气流轨迹对应的 ρ(NO2),相对于其他季节较高,4类轨迹的NO2浓度值较高且数值相差较小.这可能是由于冬季北方地区处于采暖期,燃煤电厂排放大量的NO2,在受来自西北或偏西方向的气流影响时,随气流南下,沿途经过北京、河北等地区,携带NO2到达天津地区,使得气流对应的 NO2浓度平均值较高;春季来自内蒙古东部、辽宁西部、河北东部等地区的东北方向气流轨迹对应的 ρ(PM10)和 ρ(NO2)日平均最高值,分别为 118,58µg/m3,这主要是由于西北气流南下时,部分气流偏向东北,经过内蒙古东部、河北东北部、辽宁省西部等工业相对发达的地区,携带当地排放的人为源到达天津;夏季各类轨迹对应的 ρ(PM10)和 ρ(NO2)低于其他季节,来自各方向的气流轨迹对应的 ρ(PM10)和 ρ(NO2)平均值都普遍偏低,最低值分别为76,22µg/m3,这主要是因为天津夏季受东南季风暖湿气流的影响,主导风向为东南风,且由于夏季北方地区地面植被覆盖较好,自然源较少,而夏季的降水较多对污染物也有一定的稀释作用,这就使得夏季到达天津的气流携带的污染物较少;而秋季来自蒙古国中部、内蒙古中部、河北西北部、河北东北部对应的ρ(PM10)和ρ(NO2)的平均值均较高,分别为 104,60µg/m3,原因可能是天津位置偏北,距冬季风源地较近,冬季风频繁活动对到达天津的气流影响较大.总体来看,天津四季较易受到来自北方地区大陆性气流的影响,受沙尘或人为排放因素的影响大,而秋冬两季 ρ(PM10)和ρ(NO2)的平均值相对较高.夏季主要受来自东南季风的影响,空气相对较为清洁 ρ(PM10)和 ρ(NO2)的平均值最低.

3.3 污染气流潜在源区分析

图2 天津PM10潜在源贡献的季节分布Fig.2 Seasonal distribution of potential source contribution function (PSCF) of PM10in Tianjin, 2013

图3 天津NO2潜在源贡献的季节分布Fig.3 Seasonal distribution of potential source contribution function (PSCF) of NO2in Tianjin, 2013

为了对天津大气污染输送源进一步的研究,主要针对天津PM10和NO2开展污染潜在源区分析.图2为研究期间天津各季节PM10的潜在源贡献(PSCF)计算结果.冬季 PSCF的较大值主要集中在河北中南部、北京和山东北部等地,是天津PM10的潜在源区;春季PSCF的较大值主要集中在渤海中部、天津和山东北部等区域.此外,内蒙古东部、吉林西部、河北中南部等地区对天津污染源也有一定的影响;夏季 PSCF的数值较小且污染物分布较为分散.这是由于夏季空气较为清洁,气流利于污染物扩散;秋季PSCF的较大值主要集中在天津、河北中南部和山东北部等地区;除此之外,河南、山西、内蒙古、安徽北部以及江苏沿海等地也有一定的潜在贡献.采用 PSCF方法对天津污染物分析可以发现,天津 PM10的分布存在明显的季节变化.

由图3可见,天津NO2的PSCF分布特征与PM10较为类似,但夏季则有较大的区别.具体表现为:夏季PSCF的较大值主要集中在长三角(主要是上海)、江苏、山东等地的狭长地带,呈线状分布.这可能是由于夏季东南季风北上将沿途的人为污染物携带所致.相对于其他季节,天津夏季NO2的 PSCF潜在分布范围较小,说明夏季天津受周围其他地区污染物的影响较小;而冬、春和秋季则受距离天津周围较近的河北、内蒙古、山东、辽东半岛等地的影响,这些地区是天津污染物的潜在源区.

图2和图3所模拟的天津不同季节PM10和NO2的 PSCF分布是一种源概率分布,其模拟污染物贡献率值在分析过程中有较多的变化和不确定性.但是其模拟的潜在源区贡献率大小与表1中各类气流所经过的潜在源区的概率在空间上分布较为一致.天津四季PM10和NO2的PSCF最高值的分布与表 1中主要气流经过的地区一致.可见,PSCF分析法模拟的源贡献具有较大的可信度,在确定潜在源贡献方面是可以被采用的.

3.4 浓度权重轨迹分析

由于潜在源贡献因子分析法只能反映潜在源区贡献率的大小,即每一个网格中污染轨迹所占的比例多少,不能反映潜在源区的污染程度,也就无法模拟数值的大小.因此,我们有必要对潜在源区污染物浓度大小进行研究.为此,本研究引入浓度权重轨迹分析法计算潜在源区气流轨迹权重浓度,以反映不同轨迹的污染程度.通过浓度权重轨迹分析法对影响天津PM10和NO2浓度值大小的潜在源区进行模拟,结果如图4和图5所示.

由图 4可以看出,冬季浓度权重轨迹的较大值主要集中河北中南部和山东西北部,为天津PM10的最主要潜在源区,分布相对比较集中,这些地区对天津日均 PM10质量浓度贡献在100µg/m3以上,这是因为冬季北方采暖,燃烧锅炉排放大量的污染物所致;春季 CWT的较大值主要集中在天津沿海,日均 PM10质量浓度贡献在80µg/m3左右,但是天津附近的渤海中部地区对天津也有一定的影响,这些地区对天津日均PM10质量浓度贡献在40µg/m3以上;夏季CWT较大值则主要集中在河北省和天津本地局部地区,日均PM10质量浓度贡献在 60～70µg/m3以上,污染物的浓度较低.这可能是由于夏季天津盛行东南风,气象条件有利于污染物的扩散,因此污染物浓度较低;秋季 CWT的较大值主要分布在天津、河北、安徽、河南以及山东交界处等地区,对天津日均PM10质量浓度贡献在80～100µg/m3左右,除此之外,颜色较深的地方在北京、渤海中部的局部地区也有分布,对天津日均 PM10质量浓度贡献在 40µg/m3以上.这可能是秋季这些区域人为排放的污染物随冷空气扩散,较易影响到天津.与PSCF相比,CWT模拟的夏季潜在源区范围比PSCF大,且对潜在源区污染物浓度定量化的模拟也更加便于对研究区污染物潜在源区的分析.

由图 5可以看出,天津 NO2的 CWT值与PM10的CWT值季节分布极为相似.冬季CWT的较大值主要集中河北中南部、山东北部和天津本地,日均NO2质量浓度贡献在50µg/m3以上,是天津NO2的最主要潜在源区;春季CWT的较大值主要集中在河北和天津本地及其附近海域,质量浓度贡献在30µg/m3以上;夏季CWT较大值主要集中在河北省、山东、天津本地,但潜在源区的范围相对较为集中,日均 NO2质量浓度贡献在20µg/m3左右;秋季CWT的较大值主要集中在河北南部、山东中西部和天津本地,日均NO2质量浓度贡献在 40～50µg/m3左右.但与 PSCF相比较,CWT模拟的夏季潜在源区分布范围显然更大,说明NO2的潜在源区分布较广.

图4 天津PM10浓度权重轨迹的季节分布Fig.4 Seasonal distribution of concentration-weighted trajectory(CWT) of PM10in Tianjin, 2013

图5 天津NO2浓度权重轨迹的季节分布Fig.5 Seasonal distribution of concentration-weighted trajectory (CWT) of NO2in Tianjin, 2013

由于浓度权重轨迹(CWT)分析法在分析过程中有一定的变化和不确定性.但这种方法模拟的结果与表 1中各气流所经过的潜在地区以及这些地区的浓度贡献值基本一致.天津各季节PM10和NO2的CWT最大值在地区分布上与表1中轨迹贡献最高浓度在这些地区分布基本接近.这就说明 CWT分析法所模拟的结果是可信的,模拟的结果产生的不确定性较小.

4 结论

4.1 天津气流输送季节性变化特征明显.冬、春、秋季,来自西北和偏北方向的气流占有较大比例,对天津PM10和NO2质量浓度影响较大;夏季,东南或西北方向的气流所占的比例较高,但气流轨迹相对分散.

4.2 通过对天津不同季节气流轨迹聚类,可以定量分析各方向气流轨迹对天津PM10和NO2质量浓度影响的程度:夏季来自北方内陆地区的气流轨迹对应的 ρ(PM10)和 ρ(NO2)平均值最低.冬春季来自内蒙古东部、辽宁西部、河北东部等地区的东北气流轨迹对应的ρ(PM10)和ρ(NO2)平均值最高.

4.3 天津PM10和NO2的PSCF和CWT季节分布特征类似.两类污染物的PSCF和CWT的高值主要集中在天津本地和邻近的河北省和山东省北部地区.但周边的内蒙古中东部、辽东半岛局部地区也是天津这两类污染物的潜在源地.

[1] 李令军,王 英,李金香,等.2000～2010北京大气重污染研究 [J].中国环境科学, 2012,32(1):23-30.

[2] 古金霞,董海燕,白志鹏,等.天津市颗粒物散射消光特征及化学组分贡献研究 [J]. 中国环境科学, 2012,32(1):17-22.

[3] 张志刚,高庆先,韩雪琴,等.中国华北区域城市间污染物输送研究 [J]. 环境科学研究, 2004,17(1):14-20.

[4] 张 强.地形和逆温层对兰州市污染物输送的影响 [J]. 中国环境科学, 2001,21(3):230-234.

[5] 王莉莉,王跃思,王迎红,等.北京夏末秋初不同天气形势对大气污染物浓度的影响 [J]. 中国环境科学, 2010,30(7):924-930.

[6] 曹文文,史建武,韩 斌,等.我国北方典型城市大气中 VOCs的组成及分布特征 [J]. 中国环境科学, 2012,32(2):200-206.

[7] R. Givehchi et al. Contribution of the Middle Eastern dust source areas to PM10levels in urban receptors: Case study of Tehran, Iran [J]. Atmospheric Environment, 2013,75:287-295.

[8] 张 磊,金莲姬,朱 彬,等.2011年6～8月平流输送对黄山顶污染物浓度的影响 [J]. 中国环境科学, 2013,33(6):969-978.

[9] 朱 彬,苏继锋,韩志伟,等.秸秆焚烧导致南京及周边地区一次严重空气污染过程的分析 [J]. 中国环境科学, 2010,30(5): 585-592.

[10] Sirois A, Bottenhein J W. Use of backward trajectories to interpret the 5-year record of PAN and O3ambient air concentrations at Kejimkujik National Park, Nova Scotia [J]. J Geophys. Res., 1995,100:2867-2881.

[11] Draxler R R, Hess G D. An overview of the HYSPLIT_ 4modeling system for trajectories [J]. Australian Meteorological Magazine, 1998,47:295-308.

[12] Chen L L, G R Carmichael, et al. Influences of continental out flow events on the aerosol com posit ion at Cheju Island, South Korea [J]. J Geophys. Res., 1997,102(D23):28551-28574.

[13] Wang Y Q, Zhang X Y, Draxler R R. TrajStat: GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data [J]. Environmental Modeling and Software, 2009,24(8):938-939.

[14] Begum B A, Kim E, Jeong C H, et al, Evaluation of the potential source contribution function using the 2002 Quebec forest fire episode [J]. Atmospheric Environment, 2005,39:3719- 3724.

[15] 刘 娜,余 晔,陈晋北,等.兰州春季沙尘过程PM10输送路径及其潜在源区 [J]. 大气科学学报, 2012,35(4):477-486.

[16] Wang Y Q, Zhang X Y,Arimoto R. The contribution from distant dust sources to the atmospheric particulate matter loading at Xi'an, China during spring [J]. Science of the Total Environment, 2006, 368:875-883.

[17] Seibert P, Kromp-Kolb H, Baltensperger U, et al. Trajectory analysis of aerosol measurements at high alpine sites [J]. Transport and Transformation of Pollutants in the Troposphere, 1994:689-693.

[18] 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.

Transportation pathways and potential source areas of PM10and NO2in Tianjin.

WANG Guo-chen, WANG Jue,

XIN Yu-jie, CHEN Li*(College of Urban and Environmental Science, Tianjin Normal University, Tianjin 300387, China). China Environmental Science, 2014,34(12)：3009～3016

HYSPLIT model and global data assimilation system (GDAS) meteorological statistics were applied to analyze the 72-hour backward trajectories of daily airflow in Tianjin during 2012 December～2013 November. At the same time, cluster method was used to classify the airflow backward trajectory in different seasons. Moreover, the daily monitoring data of PM10and NO2from December 2012 to November 2013 were used to analyze the effects that airflow trajectory of different seasons have on the pollutants concentrations in Tianjin. The potential source contribution function (PSCF) analysis method and concentration-weighted trajectory (CWT) analysis method were applied to model the PSCF and CWT of PM10and NO2in different seasons. There was an obvious difference in the potential source area distribution of PM10and NO2owing to the airflow in different directions. Corresponding to the airflow, the highest values of PM10and NO2were concentrated in the inland airflow from northwest in winter, spring and autumn. However, the airflow trajectories in summer were mainly from northwest and southeast, which had less effect on the daily pollutants concentration value of PM10and NO2. The PSCF of PM10and NO2in Tianjin has similar distribution properties to CWT, and the highest value of PM10and NO2was concentrated in Tianjin, Hebei and Shandong province, which were the main potential source area of these two main pollutants.

PM10；NO2；backward trajectory；cluster analysis；potential source contribution function (PSCF)；concentration-weighted trajectory (CWT)；Tianjin

X513

A

1000-6923(2014)12-3009-08

王郭臣(1989-),男,安徽阜阳人,天津师范大学本科生,研究方向为地理科学.

2014-03-31

国家自然科学基金青年科学基金项目(41205101)

* 责任作者, 讲师, amychenli1981@126.com