温州市灰霾污染的特征与成因分析*

徐 港 王 斯 李鹏飞 俞绍才# 刘维屏 郑仙珏

(1.浙江大学环境与资源学院，污染环境修复与生态健康教育部重点实验室,空气污染与健康研究中心，浙江 杭州 310058;2.杭州市环境监测中心站，浙江 杭州 310007)

温州市灰霾污染的特征与成因分析*

徐 港1王 斯1李鹏飞1俞绍才1#刘维屏1郑仙珏2

(1.浙江大学环境与资源学院，污染环境修复与生态健康教育部重点实验室,空气污染与健康研究中心，浙江 杭州 310058;2.杭州市环境监测中心站，浙江 杭州 310007)

利用高时空分辨率的监测数据，结合混合受体模式，运用统计学分析方法，研究温州市2013—2014年大气污染物时间变化特征，并对2013年12月初严重灰霾污染事件进行案例分析。结果表明：春、冬季PM2.5平均值明显高于夏、秋季。本地PM2.5浓度受二次细颗粒物的形成、区域传输以及气象条件的影响，交通运输源是重要来源。春季PM2.5/CO(质量比)最高(尤其在凌晨和下午两个时段)，此时二次细颗粒物的贡献较大。案例分析发现，安徽省及长三角地区的工业化发达区域(特别是上海市、宁波市等沿海城市)是温州市严重灰霾污染的主要潜在源区；沈阳市也是重要潜在源区，传输路径为海上通道。

灰霾 统计学分析方法 混合受体模式 污染特征 成因

区域灰霾污染(能见度<10 km且相对湿度<80%)已成为中国最严重的环境问题之一[1-2]。研究表明，不利气象因素是外因，大气复合污染为内因，PM2.5是灰霾的本质[3]。近年来，我国关于PM2.5来源分析的研究发展迅速，出现了将受体和扩散模型相结合，且联系气象条件的源解析新方法[4]。但因PM2.5来源多样，形成机制复杂，存在区域差异，研究成果具有较大不确定性[5]。目前，混合受体模式(如混合单粒子拉格朗日积分轨迹(HYSPLIT)模式、潜在源贡献函数分析法(PSCF)模式、浓度权重轨迹分析法(CWT)模式、聚类分析)大量运用于城市灰霾污染的特征与成因分析[6]2739,[7-9]，统计学分析方法也广泛应用于该方面的研究[10-11],[12]1，将两者相结合，有望得到更全面的结果。

浙江省温州市经济发达，但灰霾污染严重，且研究较少，这不利于灰霾的治理和大气联防联控的开展。因此，本研究利用高时空分辨率的监测数据，结合混合受体模式，运用统计学分析方法，研究温州市2013—2014年(2013年3月1日至2014月2月28日)大气污染物的时间变化特征，再对严重灰霾污染事件(2013年11月25日至2013年12月11日)进行案例分析，探索温州市灰霾污染的特征与成因，为针对性防治灰霾提供科学指导。

1 材料与方法

1.1 监测数据

本研究利用了2013—2014年温州市各监测站点(瓯海站、南浦站、龙湾站和市站)的标准污染物(PM2.5、PM10、O3、NO2、CO、SO2)的小时平均浓度(数据来自http://www.cnemc.cn/publish/totalWebSite/0490/376/newList_1.html)。以PM2.5小时质量浓度判断灰霾污染程度，PM2.5≥75 μg/m3达到灰霾污染标准，其中PM2.5≥200 μg/m3达到严重灰霾污染标准。温州市天气状况参见http://lishi.tianqi.com/wenzhou/index.html。

550 nm波长条件下的气溶胶光学厚度(AOD)空间分布图像由装载有中分辨率成像光谱仪(MODIS)传感器的Terra卫星监测所得，能够用于有效分析灰霾污染的严重程度和移动情况。本研究利用了空间分辨率为1°的MOD08_D3数据(数据来自http://giovanni.sci.gsfc.nasa.gov/giovanni/)。

直接影响温州市的台风来源情况参见http://www.wztf121.com。

1.2 混合受体模式

1.2.1 HYSPLIT模式

HYSPLIT模式是一种用于计算和分析大气污染物来源、长距离输送和扩散情况的综合模式，具有模拟精度高、时间变化连续等特点[13]。本研究采用100 m作为温州大气边界层的平均流场高度，进行48、96 h后向轨迹计算模拟(限于篇幅，后文仅展示96 h后向轨迹)，来分析周围的气流运动特征。

所用的气象资料为全球数据同化系统文件，水平网格大小为1.0°×1.0°(数据来自http://ready.arl.noaa.gov/HYSPLIT.php)。

1.2.2 聚类分析

聚类分析是一种根据空间特征相似度，对气流轨迹进行归纳分类的统计分析技术。本研究采用TrajStat软件进行聚类分析。目前，聚类分析的依据包括欧氏距离和角距离两种[14-15]。本研究主要关注气流的运动方向和起源，因此以角距离为依据。由于各监测站点相距较近，本研究将各监测站点后向轨迹作为一个整体进行聚类分析处理。

1.2.3 PSCF模式

PSCF模式是一种结合气象条件的源解析方法，基于HYSPLIT模式计算所得的后向轨迹，对高浓度污染物的潜在源区进行识别与分析[16]。

各区域水平网格为0.2°×0.2°，PSCF模式输出值(记为VPSCF)表示网格中超过标准值的网格比例。VPSCF越大，表明该区域对受体区域污染物的潜在贡献程度越大。本研究以《环境空气质量标准》(GB 3095—2012)二级限值为标准值。

1.2.4 CWT模式

考虑到PSCF模式无法区分出潜在源区的相对贡献情况，本研究又采用CWT模式来计算潜在源区气流轨迹权重浓度，以识别潜在源区。

CWT模式输出值(记为VCWT)由经过网格的气流轨迹所对应的受体区域污染物浓度的加权平均值得到。VCWT越大，说明该区域对受体区域污染物的潜在贡献程度越大。

2 结果与讨论

2.1 2013—2014年颗粒物污染情况

从图1可看出，温州市PM2.5、PM10、PM2.5/PM10(质量比)逐日变化和季节性变化显著。从表1可以看出，PM2.5、PM10年均值远超GB 3095—2012二级限值(分别为35、70 μg/m3)，PM2.5年均值最大值还达到了严重灰霾污染标准。

由表1还可看出，春、冬季PM2.5平均值明显高于夏、秋季。这与前人的研究结果相符[17-20]，表明灰霾天气多出现在春、冬季。夏、秋季台风频发，颗粒物沉降和扩散较为剧烈，因此PM2.5、PM10浓度相对较低。总体上严重灰霾污染少见，仅在4月出现1 d；灰霾污染较常见，在春、冬季均累计达到32 d。温州市PM2.5/PM10年均值为0.60，最高达到0.89，相比北京市[21]，PM2.5/PM10较高，说明燃烧源和二次细颗粒物形成对PM2.5有重要贡献[12]2。

2.2 PM2.5特征及来源分析

由图2可以看出，PM2.5在夜间(18:00至次日6:00)较高，白天(6:00—18:00)较低。主要原因可能是夜间边界层高度较低[22]，并可能存在偷排行为[23-25]。此外，夜间NO2浓度也高于白天，因此交通运输源可能是温州市PM2.5重要来源(全年PM2.5与NO2相关系数为0.58，P≤0.01)。

8:00—14:00，PM2.5浓度持续下降，主要原因可能在于边界层高度上升，人为排放污染物(如NO2、CO、SO2)减少。在春、夏、秋季，PM2.5约在6:00达到峰值，而冬季PM2.5峰值提前。PM2.5峰值出现于4:00，可能与此时近地层易出现逆温现象有关[26]。PM2.5谷值大体出现在16:00—18:00，而后PM2.5浓度开始上升，并伴随NO2、CO浓度总体上升，表明交通高峰期到来。

图1 2013—2014年温州市PM2.5、PM10、PM2.5/PM10逐日变化曲线Fig.1 Daily averages of PM2.5 and PM10 concentrations,PM2.5/PM10 in Wenzhou during 2013-2014

时期PM2.5/(μg·m-3)最大值平均值最小值PM10/(μg·m-3)最大值平均值最小值PM2.5/PM10最大值平均值最小值春季204.466.921.3254.8108.034.20.820.620.43夏季55.234.312.393.458.823.90.830.570.41秋季81.143.712.4157.881.323.70.750.540.40冬季192.268.013.2277.5105.118.70.890.670.512013—2014年204.453.112.3277.587.918.70.890.600.40

注：1)2013年3月1日至5月31日为春季，2013年6月1日至8月31日为夏季，2013年9月1日至11月30日为秋季，2013年12月1日至2014年2月28日为冬季。

PM2.5/CO(质量比)可反映二次细颗粒物对PM2.5的贡献情况[27]。春季PM2.5/CO明显高于其他季节，这与PM2.5的季节特征相似，说明二次细颗粒物的形成可能是PM2.5的重要来源。春季O3浓度总体最高，NO2、SO2浓度也较高，说明春季大气氧化性较大，这将增加二次细颗粒物的形成强度[28-29]，导致春季PM2.5/CO远大于其他季节。春季的PM2.5/CO逐时波动性较大，1:00—6:00为峰值时段，此时PM2.5、PM10浓度高，且其前驱体的协同反应较剧烈[30-31]；14:00左右，PM2.5/CO有所回升，主要原因可能是此时光化学反应强烈；19:00左右，城市交通高峰期到来，PM2.5/CO出现谷值，说明此时一次燃烧排放对PM2.5起主导作用。

可见，PM2.5的形成机制较复杂，不仅取决于各类污染物的排放强度，还取决于气象条件以及二次细颗粒物的形成。另外，在大气联防联控背景下，污染物区域传输可能也是PM2.5形成机制之一[6]2739。

图2 2013—2014年温州市污染物质量浓度、PM2.5/CO逐时变化曲线Fig.2 Diurnal variations of hourly pollutant concentrations and PM2.5/CO in Wenzhou during 2013-2014

注：图3(a)中所示分数为各方向轨迹数占比；图3(c)所示分数为各方向污染轨迹数占比。图3 2013年11月25日至12月11日温州市及周边区域96 h后向轨迹及气压变化Fig.3 Cluster analysis and pressure profiles of 96 h back trajectories in regios around Wenzhou from Norvember 25 to December 11th,2013

2.3 区域传输对灰霾污染的贡献情况

2013年12月初的灰霾污染事件是温州近几十年来最严重的灰霾污染事件之一[32]。事件发展过程为：相对清洁(11月25日至12月1日)→灰霾污染(12月2—5日)→严重灰霾污染(12月6—8日)→相对清洁(12月9—11日)。除NO2外，SO2、CO和O3均远小于GB 3095—2012二级限值，再次证明交通运输源对PM2.5的贡献程度较大。此次灰霾污染事件的发展与气象条件的变化存在关联。12月8日出现降雨，PM2.5明显降低(从约250 μg/m3降至约140 μg/m3)，NO2和SO2浓度也发生降低。此次灰霾污染事件期间，温州市与宁波市、上海市各监测站点的PM2.5浓度接近，因此可将其作为整体区域进行分析。

由图3可以看出，到达温州市的气流主要来自北部区域且涉及区域较广，这可能与温州市西南部多山区地形有关。相对清洁时期，气流主要来自离温州市较远的区域，如西北-北(NW-N)方向的内蒙古自治区，西北(NW)方向的陕西省和山西省；严重灰霾污染时期，气流则主要来自东北(NE)方向的海上通道和长三角地区，部分气流是先移动至海上再到达温州市(见图3(b))。

海上通道对污染物传输有重要贡献。而且，来自海面的气团会使温州市增暖增湿，并加速气溶胶的吸湿增长过程[33-34]，此外，气团可能会受温州市西南部山区的影响形成局地环流，加重灰霾污染状况。

由图3(c)可以看出，污染物扩散主要方向为NW-N和NE，这两个方向的气流呈现出明显的下沉现象，这会促进污染物的积累[35-36]。结合图3(b)和图3(c)可以发现，污染轨迹数占比最高的NE方向的气流轨迹短且低，从南京市(860 hPa，约1 300 m高)途径上海市，到宁波市(920 hPa，约800 m高)，最后下沉到温州市。

由图4可看出，VPSCD和VCWT高值主要分布在安徽省和长三角的工业化发达区域，特别是上海市、宁波市等沿海城市以及南京市，说明这些区域是温州市严重灰霾污染的主要潜在源区，可见温州市灰霾污染的潜在源区主要位于以北区域且涉及区域较广。另外，沈阳市是重要潜在源区，其污染物传输路径为海上通道。AOD图显示，污染物可能是温州市以北区域往沿海区域，再向温州市以南区域扩散，且温州市的严重灰霾污染时期，安徽省和长三角大部分区域以及沈阳市均呈现严重灰霾污染。因此，需对温州市当地污染物排放和污染物区域传输进行整合治理，实施长三角地区乃至跨区域大气联防联控策略。

注：图4(c)至图4(e)中箭头所指为温州市。图4 2013年11月25日至12月11日温州市及周边区域PM2.5的PSCF、CWT以及AOD图Fig.4 PSCF,CWT and AOD maps for PM2.5 in regions around Wenzhou from Norvember 25 to December 11th,2013

3 结 论

(1) 2013—2014年，温州市PM2.5、PM10、PM2.5/PM10存在明显的时间变化规律。春、冬季PM2.5平均值明显高于夏、秋季，与灰霾污染情况相吻合。PM2.5/PM10年均值为0.60，最高为0.89，说明燃烧源和二次细颗粒物形成对PM2.5有重要贡献。

(2) PM2.5夜间较高，白天较低。主要原因可能是夜间大气边界层高度较低，且可能存在的偷排行为。交通运输源是PM2.5的重要来源。

(3) 二次细颗粒物的形成也是PM2.5的重要来源(尤其在春季)。春季凌晨时，二次细颗粒物形成强度高可能与前驱体的协同反应较强烈有关；下午时，二次细颗粒物的高形成强度则可能与强烈的光化学反应有关。

(4) 2013年12月初的严重灰霾污染期间，海上通道对灰霾污染的贡献程度较大。安徽省和长三角地区的工业化发达区域，特别是上海市、宁波市等沿海城市是温州市严重灰霾污染的主要潜在源区。另外，沈阳市也是潜在源区，传输路径为海上通道。因此，需实施长三角地区乃至跨区域大气联防联控策略。

[1] CHAN C K, YAO X.Air pollution in mega cities in China[J].Atmospheric Environment,2008,42(1)：1-42.

[2] GUO S,HU M,ZAMORA M L,et al.Elucidating severe urban haze formation in China[J].Proceedings of the National Academy of Sciences,2014,111(49):17373-17378.

[3] 朱彤,尚静,赵德峰.大气复合污染及灰霾形成中非均相化学过程的作用[J].中国科学:B辑 化学,2010,40(12):1731-1740.

[4] 郑玫，张延君，闫才青，等．中国PM2.5来源解析方法综述[J]．北京大学学报(自然科学版)，2014，50(6)：1141-1154．

[5] ZHANG R Y,WANG G H,GUO S,et al.Formation of urban fine particulate matter[J].Chemical Reviews,2015,115(10):3803-3855.

[6] LI P F,YAN R C,YU S C,et al.Reinstate regional transport of PM2.5as a major cause of severe haze in Beijing[J].Proceedings of the National Academy of Sciences,2015,112(21).

[7] YAN R C,YU S C,ZHANG Q Y,et al.A heavy haze episode in Beijing in February of 2014: characteristics,origins and implications[J].Atmospheric Pollution Research,2015,6(5):867-876.

[8] ZHANG Q Y,YAN R C,FAN J W,et al.A heavy haze episode in Shanghai in December of 2013:characteristics, origins and implications[J].Aerosol and Air Quality Research,2015,15(5):1881-1893.

[9] YU S C,ZHANG Q Y,YAN R C,et al.Origin of air pollution during a weekly heavy haze episode in Hangzhou,China[J].Environmental Chemistry Letters,2014,12(4):543-550.

[10] 何晓朗，谭吉华，郭送军，等．2014年北京APEC期间大气醛酮污染物的污染特征与来源分析[J]．环境科学，2016，37(3)：801-806．

[11] LIANG X,ZOU T,GUO B,et al.Assessing Beijing’s PM2.5pollution:severity,weather impact,APEC and winter heating[J].Proceedings of the Royal Society A - Mathematical Physical and Engineering Sciences,2015,471(2182):1-18.

[12] ZHANG Y L,CAO F.Fine particulate matter (PM2.5) in China at a city level[J].Scientific Reports,2015,5.

[13] 王郭臣,王珏,信玉洁.天津PM10和NO2输送路径及潜在源区研究[J].中国环境科学,2014,34(12):3009-3016.

[14] 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 Modelling & Software,2009,24(8):938-939.

[15] SIROIS A,BOTTENHEIM 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].Journal of Geophysical Research - Atmospheres,1995,100:2867-2881.

[16] WANG Z S,WU T,SHI G L,et al.Potential source analysis for PM10and PM2.5in autumn in a northern city in China[J].Aerosol and Air Quality Research,2012,12(1):39-48.

[17] 王圣，朱法华，孙雪丽，等．宁波和温州地区夏季大气中不同粒径颗粒物特征分析[J]．中国环境监测，2012，28(3)：37-40．

[18] 宋跃群，徐跃，钟良明，等．温州市区灰霾天气发展趋势及影响因素[J]．环境科学与管理，2011，36(7)：21-23．

[19] 宋跃群, 钟良明.温州市区灰霾天气成因及大气复合污染控制研究[J].温州论坛,2011(5):61-74.

[20] 郑峰，颜琼丹，吴贤笃，等．温州地区雾霾气候特征及其预报[J]．气象科技，2011，39(6)：791-795．

[21] 林海峰，辛金元，张文煜，等．北京市近地层颗粒物浓度与气溶胶光学厚度相关性分析研究[J]．环境科学，2013，34(3)：826-834．

[22] SEIBERT P,BEYRICH F,GRYNING S E,et al.Review and inter-comparison of operational methods for the determination of the mixing height[J].Atmospheric Environment,2000,34(7):1001-1027.

[23] 李名升，任晓霞，于洋，等．中国大陆城市PM2.5污染时空分布规律[J]．中国环境科学，2016，36(3)：641-650．

[24] YAO Z L,WU B B,SHEN X B,et al.On-road emission characteristics of VOCs from rural vehicles and their ozone formation potential in Beijing,China[J].Atmospheric Environment,2015,105:91-96.

[25] 周磊，王伯光，汤大钢．重型柴油车对空气质量的影响及其排放的控制[J]．环境科学，2011，32(8)：2177-2183．

[26] 王静，施润和，李龙，等．上海市一次重雾霾过程的天气特征及成因分析[J]．环境科学学报，2015，35(5)：1537-1546．

[27] GOUW J D,WELSHBON D,WARNEKE C,et al.Emission and chemistry of organic carbon in the gas and aerosol phase at a sub-urban site near Mexico City in March 2006 during the MILAGRO study[J].Atmospheric Chemistry & Physics Discussions,2009,9(6):3425-3442.

[28] 杜欢欢，孔令东，王雪梅，等．大气氧化性对硫酸盐气溶胶形成的影响研究[C]//中国颗粒学会.中国颗粒学会第七届学术年会暨海峡两岸颗粒技术研讨会论文集.西安：中国颗粒学会，2010：224-226．

[29] 杜欢欢，孔令东，王雪梅，等．大气氧化性对硝酸盐气溶胶形成的影响研究[C]//中国仪器仪表学会分析仪器分会.第十三届离子色谱学术报告会论文集.青岛：中国仪器仪表学会分析仪器分会，2010：1-3．

[30] HE H,WANG Y,MA Q X,et al.Mineral dust and NOxpromote the conversion of SO2to sulfate in heavy pollution days[J].Scientific Reports,2014,4:4172.

[31] YANG W W,HE H, MA Q X,et al.Synergistic formation of sulfate and ammonium resulting from reaction between SO2and NH3on typical mineral dust[J].Physical Chemistry Chemical Physics,2015,18(2):956-964.

[32] 李锋，朱彬，安俊岭，等．2013年12月初长江三角洲及周边地区重霾污染的数值模拟[J]．中国环境科学，2015，35(7)：1965-1974．

[33] YU S C.Water spray geoengineering to clean air pollution for mitigating haze in China’s cities[J].Environmental Chemistry Letters,2014,12(1):109-116.

[34] 刘建，范绍佳，吴兑，等．珠江三角洲典型灰霾过程的边界层特征[J]．中国环境科学，2015，35(6)：1664-1674．

[35] 郑丹楠,王雪松,周军,等.2013年1月宁波市PM2.5污染的形成过程与传输规律[J].环境科学学报,2015,35(8):2378-2386.

[36] GUO S,HU M,GUO Q,et al.Quantitative evaluation of emission controls on primary and secondary organic aerosol sources during Beijing 2008 Olympics[J].Atmospheric Chemistry and Physics,2013,13(16):8303-8314.

CharacteristicsandoriginsofhazepollutioninWenzhou

XUGang1,WANGSi1,LIPengfei1,YUShaocai1,LIUWeiping1,ZHENGXianjue2.

(1.KeyLaboratoryofEnvironmentRemediationandEcologicalHealth,MinistryofEducation,ResearchCenterforAirPollutionandHealth,CollegeofEnvironmental&ResourceSciences,ZhejiangUniversity,HangzhouZhejiang310058;2.HangzhouEnvironmentalMonitoringCenter,HangzhouZhejiang310007)

To identify sources and characteristics of haze pollution in Wenzhou,statistical analysis method was used to study the temporal variations of air pollution from March 1st,2013 to February 28th, 2014. The observational data with the high spatial-temporal resolution and hybrid receptor models were used in this study. In addition,a case study for a heavy haze episode from November 25th to December 11th,2013 was carried out. The results revealed that PM2.5showed significantly higher concentrations during the spring and winter than the summer and autumn. PM2.5levels were affected by other factors such as meteorological conditions,secondary fine particulate production,regional transport processes. Vehicle emissions were one of the major sources. The PM2.5/CO (mass fraction) was the largest in spring,especially in the early morning and afternoon,reflecting a significant contribution of secondary fine particulate formation. The case study indicated that PM2.5pollution in Wenzhou mainly originated from the industrial zones in the Anhui Province and Yangtze River Delta,especially from the coastal cities such as Shanghai and Ningbo. It was of interest to find that Shenyang was also an important potential source with the transport path through the ocean region.

haze; statistical analysis method; hybrid receptor models; characteristics of pollutant; origins

10.15985/j.cnki.1001-3865.2017.10.012

徐 港，男，1994年生，本科，研究方向为大气污染。#

。

*国家自然科学基金资助项目(No.21577126、No.41561144004)；科技部重点研发计划项目(No.2016YFC0202702)。

2016-07-19)