哈尔滨市一次大气污染过程及潜在源分析

王 醒,李莉莉,王 琨*,刘玉萍,贾琳琳,姜珺秋,朱莉娜

哈尔滨市一次大气污染过程及潜在源分析

王 醒1,2,李莉莉1,2,王 琨1,2*,刘玉萍3,贾琳琳3,姜珺秋1,2,朱莉娜1,2

(1.哈尔滨工业大学城市水资源与水环境国家重点实验室,黑龙江 哈尔滨 150090；2.哈尔滨工业大学环境学院,黑龙江 哈尔滨 150090；3.黑龙江省环境科学研究院,黑龙江 哈尔滨 150056)

本研究以2018年12月10~13日哈尔滨市一次严重的空气污染事件为研究对象,分析了此次污染过程的概况､成因以及污染的潜在源区.结果表明:此次空气污染过程以 PM2.5影响为主,污染类型由10日00:00~11日17:00的偏燃煤型发展为11日17:00~13日15:00的二次气溶胶复合污染,最终在13日15:00后稳定为偏燃煤型.从天气形势和风速风向分析可知此次10~13日的污染过程与不利气象扩散条件也是密不可分的.模拟的48h后向轨迹经过聚类分析主要分为4类,大部分来自内蒙古､吉林等方向,70.83%的轨迹PM2.5超标,表明来自这些方向的污染气团对哈尔滨市的空气质量影响较大;而通过对模拟的48h后向轨迹进行PSCF､CWT分析,发现哈尔滨的WPSCF和WCWT分布特征类似,WPSCF和WCWT的高值主要集中在哈尔滨本地的双城､巴彦､阿城､吉林省的中部､西部地区等地区,以及大庆､绥化等地区,说明这些区域都是哈尔滨市PM2.5的潜在源地.

污染类型；后向轨迹模式；潜在源分布；PM2.5输送特征；哈尔滨市

近几年,哈尔滨市秋末冬初时节频繁发生空气质量指数持续爆表的污染事件,关于哈尔滨市空气质量的研究内容主要集中在颗粒物的组分特征、来源解析和秸秆焚烧传输扩散等方面[1-4],对了解哈尔滨市本地污染和区域传输特征有一定借鉴意义.轨迹聚类分析法、潜在源贡献因子法(PSCF)、浓度权重轨迹分析法(CWT)是识别大气污染物潜在来源和污染物输送扩散的有效手段.国内外众多学者基于气团轨迹分析了大气污染的传输渠道[5-9],并探讨了不同源区对污染物质量浓度贡献的差异[10-13],但是这些研究大多侧重于对单一影响因素的分析,且主要集中在京津冀、长三角等发达地区,而近年来通过结合气象要素和天气背景场对重污染过程及其形成机制进行的研究相对较少[14-20],且时间分辨率和空间代表性可进一步提高[21-25],从而对区域性､时段性的污染过程进行全面和深入的观测研究[26-30].

2018年黑龙江省于9月15日至12月10日实施全区域秸秆禁烧,秸秆焚烧情况有所改观,空气质量状况亦有所改善.但是自12月10日禁烧令解除后,哈尔滨市于12月10~13日期间出现了持续4d的严重雾霾天气, 因此研究此次重雾霾事件中污染物的时空变化特征、传输途径和潜在来源,对进一步调控哈尔滨市秋冬季重污染问题有着重要的意义.因此本研究选用2018年10~13日的一次重雾霾事件,在对污染过程的演变特征、气象条件和污染类型进行详细分析的基础上,基于后向轨迹模式使用聚类分析、PSCF和CWT分析方法,进一步了解哈尔滨市污染来源与传输扩散特征.

1 研究区概况及数据

1.1 研究区概况

哈尔滨市位于中国东北平原东北部地区、黑龙江省南部,见图1.下辖9个市辖区、7个县和代管2个县级市,面积约为5.3万km2,其中市区面积7086km2.哈尔滨市的地势以平原和丘陵为主且主要分布在松花江形成的三级阶地上,海拔由北向南逐渐升高.哈尔滨是中国纬度最高、气温最低的大城市,气温起落变化快的春、秋季属于过渡季节,但这2个季节时间较短属中温带大陆性季风气候,呈现明显的冬长夏短特征.

1.2 数据来源

AQI、PM2.5和PM10浓度数据来自青悦开放环境数据中心(http://data.epmap.org);火点资料来自于生物质卫星监管平台(http://stalk.cnwfire.com/ #/login);HYSPLIT4.9后向轨迹模式所用的气象资料来自NCEP(美国国家环境预报中心)的GDAS全球同化2018年12月数据(http://ready.arl.noaa.gov/ HYSPLIT_traj.php).地面天气形势数据来源于韩国气象局(http://web.kma.go.kr/chn/weather/images/ analysischart.jsp).

2 研究方法

2.1 HYSPLIT模型

后向轨迹模式采用NOAA开发的HYSPLIT4.9版本.HYSPLIT4模型设计利用旧的网格化气象数据迅速响应大气中的紧急状况,以此来诊断案例和分析气候[31].这种模式是拉格朗日和欧拉的混合扩散模式,其平流、扩散均采用拉格朗日方法进行处理,浓度用欧拉方法计算[32].在污染物输送、扩散和沉降等方面HYSPLIT模式都考虑得较周全,最高模拟精度可到小时,目前在国内外广泛用来分析污染物来源及确定传输扩散情况等[33].本研究选取哈尔滨市经济政治中心(45.57°N,126.68°E)为模拟的起始点计算,推算时间为2018年12月10日0点~13日23点,每小时模拟一条后向轨迹(时间分辨率为1h),推算时间为48h后向,起始高度为200m(对应哈尔滨市大气边界层的中下部).

图1 哈尔滨市

2.2 聚类分析法

聚类分析法是根据某地理指标或样品的特征相似性、亲疏程度将这些元素进行分型、划分类型就可以得到反映出个体、站点、群体之间的远近关系的系统的方法[28].本研究采用的是轨迹逐个聚类分析法,利用欧式距离算法对抵达哈尔滨的所有气流轨迹进行分型聚类,即可得到不同类型的输送气流及其分布情况,由此可对不同来源方向的气流所对应的污染物浓度特征进行分析.具体为:计算相邻两条后向轨迹之间的距离后根据轨迹的空间相异度对轨迹分型聚类,即设有条轨迹,选取其中距离最近的2条作为一类并计算它们的每小时滞留点的平均经纬度,便可得到这类轨迹的平均轨迹.计算每条聚类空间的相异度SPVAR,最后通过总空间相异度TSV(所有SPVAR之和)与之间的关系判断轨迹分型的数目和每类平均轨迹的空间分布情况.

2.3 潜在源贡献算法

由条件概率函数发展而来判别污染源区位的一种方法叫做PSCF算法,它主要是通过结合气团轨迹和某指标值(本文为PM2.5浓度)给出污染物可能的排放点位置和分布情况[15].PSCF值为经过研究区域的气团到达网格点(在这里将研究区域按照指定分辨率进行网格化,每个网格记为网格(),其中为该网格的中心经纬度)时所对应的指标值超过设定临界值的条件函数值.对所研究的PM2.5设定一个临界值,若轨迹对应的元素值比这个临界值大时,则该轨迹对应区域是潜在污染源区,若其经过网格的污染轨迹端点数为m,而落在网格()内的所有轨迹端点数为n,则PSCF定义为式(1):

PM2.5的临界值是《环境空气质量标准》(GB3095-2012)[36]中的二级污染浓度限值75mg/m3.某些学者引入权重系数W来减小某些偏僻的网格由于轨迹总体停留时间较少导致PSCF计算结果带来的偏差(一般当某一网格内的n小于研究区内每个网格的平均轨迹端点数的一定倍数时可用W来减小PSCF计算的误差).本研究,共12月10~13日4d,每天24条轨迹,每条轨迹的分辨率是1h,本研究利用(2)式引入的权重系数具体如下:

2.4 浓度权重轨迹分析法

由于PSCF算法只是半定量的给出了网格对控制点污染物浓度,它可以通过计算轨迹的权重浓度定量给出每个网格的平均权重浓度CWT(反映控制点的各贡献区域PM2.5浓度分布情况)[28].按照公式(3)进行计算:

3 结果与分析

3.1 污染概况与形成机制分析

地面监测站的观测资料清楚地记录了此次污染过程,由图2所示.可以看出,10~13日存在2个严重污染时段:12日05:00~11:00以及12日21:00~13日02:00.具体污染过程为从10日00:00~10日10:00PM2.5浓度从88µg/m3增至124µg/m3,为中度污染,之后污染物浓度与AQI值出现小幅度下降,从11日00:00~11日12:00从71µg/m3突升至213µg/m3,达到了重度污染, PM2.5浓度从11日17:00~12日09:00跃升至582 µg/m3,持续维持在高浓度水平,并达到严重污染.12日下午13:00,颗粒物浓度随气象条件的逐渐改善开始缓慢下降至常态水平,12日傍晚18:00~13日01:00,PM2.5浓度再次逐步上升至547µg/m3,直到13日中午持续在严重污染水平,13日15:00后污染物降至常态水平,空气质量明显改善.污染期间PM2.5日均浓度变化范围为125~246µg/m3, PM10日均浓度为149~197µg/m3,PM2.5占PM10的百分比为32%~98%,表明哈尔滨市可吸入颗粒物中的细颗粒物的贡献远大于PM10.

根据污染时间的雷达图可以了解此次污染过程的污染类型,12月10日与11日的污染较12日和13日的污染程度轻,根据10日10:00的SO2特征值高于标准值,且11日12:00的SO2特征值明显超出上限和NO2特征值也即将突破上限,表明污染特征受燃煤排放影响.至AQI呈现较高值的12日,12日09:00的只有PM2.5特征值超出上限,表明第一个严重污染时段的污染特征受二次颗粒物生成影响显著,污染特征表现为二次气溶胶类型.由图3各类污染物的相关性可以看出在污染期间,PM2.5和CO呈现显著的正相关性,达到了74%, CO的主要来源之一是秸秆燃烧不充分,考虑到12月10号秸秆禁烧令刚解禁,因此秸秆焚烧可能成为第一个重污染时段引发因素.为进一步印证,根据图4所示12月10~13日期间哈尔滨区域内焚烧火点较少,但是临近的吉林省有较多火点,且主要位于哈尔滨市的西南方位.通过图6可以看出污染时期哈尔滨市盛行西南风,由此可见,秸秆焚烧可能通过区域传输影响哈尔滨市空气质量.此次污染过程可能为秸秆焚烧、机动车尾气、燃煤等多个因素的复合污染.之后13日01:00的PM2.5和PM10的特征值均突破上限值,不仅二次气溶胶复合污染依旧显著,还通过图6(a)的风速风向的变化情况可以得到该时段的风速显著增加导致粗颗粒排放增大,13日0:00~10:00的平均风速为4.9m/s,且该时段哈尔滨市无降水,从而扬尘的排放成为第二个严重污染时段新增的影响因素.13日17:00后AQI和颗粒物浓度均将至一个较低的稳定状态,13日22:00的雷达图显示SO2和NO2特征值即将突破上限,表明污染特征重新转变为偏燃煤型.

图2 12月10~13日哈尔滨市AQI､PM2.5及PM10小时变化趋势

图3 12月10~13日哈尔滨大气污染物间相关性

图4 12月10~13日哈尔滨及其周边地区的秸秆焚烧火点分布

污染物的积累、扩散和稀释过程主要受气象因素的影响,特别是在某种特定污染源条件下,污染物的浓度主要受制于气象条件的好坏[35].本文主要从地面天气形势方面对哈尔滨地区此次重污染天气过程的形成机制进行分析.大气环流特征大大影响污染物的扩散能力、大气稳定度,因此,对污染期间12月10~13日的500hPa地面天气形势进行分析,见图5.

由图5可见,12月11日6:00至12日23:00,哈尔滨地区主要受大陆低压控制,天气系统不稳定,气流移动速度缓慢,地面风速较小,不利于污染物扩散,13日11:00后,开始受高压控制,天气系统逐渐稳定,气流移动速度变快,污染物开始扩散,空气质量状况开始转好.在此不利地面天气形势的影响下,哈尔滨地区在12月10~13日期间出现严重污染天气,持续维持大幅度、大范围和高浓度细颗粒物的污染态势,期间AQI超200,最高时甚至达500以上.

根据气象局提供的重污染期间12月10~13日哈尔滨市太平宏伟公园处国控站点处的气象数据,对影响污染物扩散的风向风速进行分析,结果见图6.

由图6,2018年12月10~13日哈尔滨市平均风速为2.7m/s,风速偏低,不利于污染物扩散,主导风向主要是西南风,同时覆盖正南和正西风向.根据风速风向和PM2.5浓度的关系,哈尔滨市污染物一方面来源于本地污染排放,另一方面为西南向、西北向污染物传输,且传输影响较大,而西南向部分区域为吉林省辖区,西北向为绥化、齐齐哈尔等辖区,因此吉林省、绥化、齐齐哈尔等区域的污染物排放会对哈尔滨市空气质量造成影响、此外,哈尔滨市地势南高北低,污染物易累积,不利于扩散,加重污染程度、延长污染时长.

图6 12月10~13日哈尔滨市风速风向分布

3.2 污染气流聚类分析

为了解不同轨迹气团的来源方向和传输距离,将计算得到的200m高度的48h后向轨迹进行分型聚类,见图7.根据3.1污染概况分析,PM2.5为此次污染过程的首要污染物,故选取PM2.5为HYSPLIT模型输入的控制因子.

如图7所示,对HYSPLIT模拟的后向48h的96条有效轨迹进行分型聚类后得到4类平均轨迹:第1类轨迹源自内蒙古,输送距离最远且输送速度最慢,数量较多,占总数的30.21%;第2类轨迹也来自内蒙古,输送距离较长,输送速度较慢,轨迹数量最多,占总数的34.38%,经过的区域中吉林省秸秆焚烧火点数较多;第3类轨迹起源于大庆,输送距离最短,输送速度最快,轨迹数量较多,占总数的25.00%;第4类轨迹起源于齐齐哈尔,输送距离较短,且输送速度较快,轨迹数量最少,仅占总数的10.42%.

图7 12月10~13日48h后向轨迹聚类与火点分布

为了进一步表征轨迹来源方向的气团对哈尔滨市空气质量的影响在48h后向轨迹聚类分析结果的基础上计算每类平均轨迹对应的PM2.5平均浓度,且按照空气质量二级标准为临界值进行统计分析,具体结果见表1.

表1 48h后向各类轨迹对应的PM2.5浓度

由图7和表1可知,在48h后向轨迹中:这4类轨迹的PM2.5平均浓度均超标,超标轨迹占轨迹总数的70.83%.其中:第1类轨迹数最多,PM2.5浓度较高,超标的轨迹数目占其总数的48.28%,超标的轨迹PM2.5平均浓度达124.40(µg/m3),第2,3,4类轨迹数目较多,PM2.5浓度较高,超标轨迹数较多,其中第2类轨迹超标轨迹平均浓度达316.60(µg/m3),对照污染时间和火点分布情况,可看出污染主要集中在11日17:00~13日15:00,秸秆焚烧火点也主要分布在这个方向,说明来自此方向的气团对哈尔滨市的空气质量有较大的影响.

综上,内蒙古、吉林、齐齐哈尔等地区的污染物可经过长距离输送到达哈尔滨,而且影响范围比较大.外地源主要受来自吉林秸秆焚烧的影响,本地源主要受齐齐哈尔、大庆、绥化,以及哈尔滨市五常、双城等地区的污染气团的影响.这些方向的气团都有着严重的污染,促进了霾的形成.

3.3 污染气流潜在源分析

由后向轨迹聚类分析结果可知,近地面的气流对此次污染的影响最大,为进一步验证此结论,利用PSCF分析方法对哈尔滨市2018年12月10~13日的48h后向气团轨迹所对应的PM2.5浓度进行分析,将模拟期间计算的气流轨迹所覆盖的区域(122.3°E~128°E、43°N~50°N)网格化,分成0.5°×0.5°的水平网格,然后针对研究期间的所有轨迹,计算各网格的WPSCF值,并用Meteoinfo软件作WPSCF分布图,结果见图8.

图8 12月10~13日PM2.5的WPSCF分布特征

由图8可知,WPSCF的较高值主要集中在五常、阿城、双城、巴彦等地区,表明这些地区的污染输送是导致哈尔滨PM2.5浓度较高的主要原因;大庆、绥化等地区的网格WPSCF值也较高,表明来自这些区域的污染物传输也可导致哈尔滨PM2.5超标情况的发生;其中黑龙江与吉林交界处、吉林中部和西部、内蒙古与黑龙江交界、内蒙古与吉林省交界处的网格颜色也较深,WPSCF值也较大,对原始轨迹进行验证发现11和13日有大量的污染轨迹来源于此,所以此处也是哈尔滨市的潜在污染贡献区.

3.4 污染轨迹浓度权重分析

由后向轨迹聚类分析结果可知,来自内蒙古,经过吉林,最终抵达哈尔滨的气团,对此次污染的影响最大,为进一步验证此结论,将模拟期间计算的气流轨迹所覆盖的区域(122.3E~128°E、43°N~50°N)按照0.5°×0.5°网格化成若干水平网格,采用浓度权重CWT方法对哈尔滨市的2018年12月10~13日的PM2.5浓度进行权重分析,进一步溯源,WCWT分布情况见图9.

图9 12月10~13日PM2.5的WCWT分布特征

由图9可见,WCWT高值区呈现以哈尔滨为中心向西北方向扩散的扇形分布态势.来自兴安盟、白城市、吉林市、长春市、公主岭市、宾县、道外区的轨迹对应的PM2.5的WCWT值最高,贡献最大;来自巴彦、阿城、呼兰、五常等的WCWT值次之,说明贡献也较大;此外,来自绥化北部、德惠市、松原市等地的WCWT值也较高,故推测该区域也是此次哈尔滨市空气污染的主要贡献源、由此可见,要应对当前频发的重污染天气,哈大绥区域大气污染联防联控甚至跨区域大气污染联防联控都具有极重要意义.

4 结论

4.1 选定2018年哈尔滨市一次空气重污染时期12月10~13日为研究对象,10~13日存在两个严重污染时段:12日5:00~11:00以及12日21:00~13日02:00.污染类型由10日0:00至11日17:00的偏燃煤型发展为11日17:00~13日15:00的二次气溶胶复合污染,最终13日15:00后稳定为偏燃煤型.第一个严重污染时段的污染可归因于燃煤与秸秆露天焚烧的复合污染,扬尘的排放成为第二个严重污染时段新增的影响因素,天气形势和风速风向等不利的气象条件为本次污染提供有利的条件.

4.2 重污染期间200m高度的48h后向轨迹聚类分析结果表明:12月10~13日哈尔滨市附近区域的污染物可远距离输送到达哈尔滨,远距离主要受吉林省秸秆焚烧的影响,近距离主要受齐齐哈尔、大庆、绥化,以及哈尔滨市本地的五常、双城等地区的影响.这些方向的气团都携带着严重的污染,促进了霾的形成.PSCF和CWT分析结果表明哈尔滨本地的双城、巴彦、阿城等区域和吉林省的中部地区,另外周边的大庆、绥化是哈尔滨市PM2.5的主要潜在源地.

[1] 张 蕾,戚秀云.哈尔滨市雾霾天气成因及防控对策研究 [J]. 环境科学与管理, 2015,40(12):93-95. Zhang L, Qi X Y. Causes of fog and haze weather in Harbin and Countermeasures for its prevention and control [J]. Environmental Science and Management, 2015,40(12):93-95.

[2] 邢延峰,曹 胜,姜景阳,等.哈尔滨市周边秸秆焚烧对市区空气质量的影响分析研究 [J]. 环境科学与管理, 2016,(6):149-153. Xing Y F, Cao S, Jiang J Y, et al. Analysis of the impact of straw burning around Harbin on urban air quality [J]. Environmental Science and Management. 2016,(6):149-153.

[3] 邢延峰,王鹏杰,曹 胜,等.秸秆焚烧对哈尔滨市灰霾天气的影响 [J]. 中国环境监测, 2017,(3):87-93. Xing Y F, Wang P J, Cao S, et al. Influence of straw burning on haze weather in Harbin [J]. China Environmental Monitoring, 2017,(3): 87-93.

[4] 霍耀强,李 敏,滕泽栋,等.秸秆焚烧对哈尔滨空气质量的影响研究 [J]. 环境污染与防治, 2018,(10):1161-1166. Huo Y Q, Li M, Teng Z D, et al. Study on the effect of straw burning on air quality in Harbin [J]. Environmental Pollution Control, 2018, (10):1161-1166.

[5] 张青新.基于气流轨迹聚类的大气输送对丹东市酸雨形成影响[J]. 中国环境监测, 2013,29(1):52-57. Zhang Q X. Influence of atmospheric transport on the formation of acid rain in Dandong city based on airflow trajectory clustering [J]. China Environmental Monitoring, 2013,29(1):52-57.

[6] 李海军,陆琛莉,宋刘明.嘉兴秋冬季中度及中度以上霾天气的潜在污染来源及污染传输特征分析[J]. 环境污染与防治, 2017,(8): 900-904. Li H J, Lu C L, Song L M. Analysis of potential pollution sources and pollution transmission characteristics of moderate and moderate weather in Jiaxing in autumn and winter [J]. Environmental Pollution Control., 2017,(8):900-904.

[7] 段凤魁,鲁毅强,狄一安,等.秸秆焚烧对北京市空气质量的影响[J]. 中国环境监测, 2001,(3):8-11. Duan F K, Lu Y Q, Di Y A, et al. Influence of straw burning on air quality in Beijing [J]. China Environmental Monitoring, 2001,(3): 8-11.

[8] 丁 铭,朱玉奇,牛志春,等.2013年6月江苏一次大气污染过程分析 [J]. 中国环境监测, 2015,(5):34-39. Ding M, Zhu Y Q, Niu Z C, et al. Analysis of an air pollution process in Jiangsu in June 2013 [J]. China Environmental Monitoring, 2015, (5):34-39.

[9] 张近扬,宋韶华,许 睿,等.基于后向气团轨迹的区域大气污染颗粒物来源分析 [J]. 中国环境监测, 2017,(2):42-46. Zhang J Y, Song Y H, Xu R, et al. Source analysis of particulate matter in regional air pollution based on backward air mass trajectory [J]. China Environmental Monitoring, 2017,(2):42-46.

[10] 李 莉,蔡鋆琳,周 敏.2013年12月中国中东部地区严重灰霾期间上海市颗粒物的输送途径及潜在源区贡献分析 [J]. 环境科学, 2015,36(7):2327-2336. Li L, Cai Y L, Zhou M. Analysis of the transport routes and potential source regions of Shanghai particulate matter during severe ash in central and eastern China in December 2013 [J]. Environmental Science, 2015,36(7):2327-2336.

[11] 孔珊珊,刘厚凤,陈义珍.基于后向轨迹模式的北京市PM2.5来源分布及传输特征探讨 [J]. 中国环境管理, 2017,(1):86-90. Kong S S, Liu H F, Chen Y Z. Discussion on source distribution and transmission characteristics of PM2.5in Beijing based on backward trajectory model [J]. China Environmental Management, 2017,(1):86- 90.

[12] 王 茜.利用轨迹模式研究上海大气污染的输送来源 [J]. 环境科学研究, 2013,(4):357-363. Wang Q. Using Trajectory model to study the source of air pollution in Shanghai [J]. Environmental Science Research, 2013,(4):357-363.

[13] 尹 聪,朱 彬,曹云昌,等.秸秆焚烧影响南京空气质量的成因探讨 [J]. 中国环境科学, 2011,31(2):207-213. Yin C, Zhu B, Cao Y C, et al. Discussion on the causes of air quality in Nanjing caused by straw burning [J]. China Environmental Science, 2011,31(2):207-213.

[14] 聂 滕,李 璇,王占山,等. APEC期间北京市PM2.5时空分布与过程分析[J]. 中国环境科学, 2016,2(36):349-355. Nie T, Li X, Wang Z S, et al. Temporal and spatial distribution and process analysis of PM2.5in Beijing during APEC [J]. China Environmental Science. 2016,2(36):349-355.

[15] 杨孝文,周颖,程水源,等.北京冬季一次重污染过程的污染特征及成因分析[J]. 中国环境科学, 2016,36(3):679-686. Yang X W, Zhou Y, Cheng S Y, et al. Pollution characteristics and genesis of a heavy pollution process in winter in Beijing [J]. China Environmental Science, 2016,36(3):679-686.

[16] 崔 萌,安兴琴,范广洲,等.北京一次重污染过程的天气成因及来源分析[J]. 中国环境科学, 2018,38(10):3628-3638. Cui M, An X Q, Fan G Z, et al. Weather causes and source analysis of a heavy pollution process in Beijing [J]. China Environmental Science. 2018,38(10):3628-3638.

[17] 任浦慧,解静芳,姜洪进,等.太原市大气PM2.5季节传输路径和潜在源分析 [J]. 中国环境科学, 2019,39(8):3144-3151. Ren P H, Xie J F, Jiang H J, et al. Analysis of seasonal transmission path and potential source of PM2.5in Taiyuan city [J]. China Environmental Science, 2019,39(8):3144-3151.

[18] 张懿华,段玉森,高 松,等.上海城区典型空气污染过程中细颗粒污染特征研究[J]. 中国环境科学, 2011,31(7):1115-1121. Zhang Y H, Duan Y S, Gao S, et al. Characteristics of fine particle pollution in typical air pollution process in Shanghai urban area [J]. China Environmental Science, 2011,31(7):1115-1121.

[19] 王郭臣,王 珏,信玉洁,等.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. Wang G C, Wang Y, Xin Y J, et al. Study on the transport path and potential source area of PM10and NO2in Tianjin [J]. China Environmental Science, 2014,34(12):3009-3016.

[20] 翟 华,朱 彬,赵雪婷,等.长江三角洲初冬一次重污染天气成因分析[J]. 中国环境科学, 2018,11(38):4001-4009. Geng H, Zhu B, Zhao X T, et al. Analysis of the causes of heavy pollution in the early winter of the Yangtze River Delta [J]. China Environmental Science, 2018,38(11):4001-4009.

[21] 吴立新,吕 鑫,秦 凯,等.秸秆焚烧期间徐州市空气污染物时空分布特征分析[J]. 地理与地理信息科学, 2014,(1):18-22. Wu L X, Lv X, Qin K, et al. Temporal and spatial distribution characteristics of air pollutants in Xuzhou city during straw burning [J]. Geography and Geography Information Science, 2014,(1):18-22.

[22] 李 展,杜云松,王 斌.2013年成都地区一次秸秆焚烧特征及成因分析 [J]. 环境保护科学, 2015,(1):65-69. Li Z, Du Y S, Wang B. Characteristics and causes of a straw incineration in Chengdu in 2013 [J]. Environmental Science, 2015, (1):65-69.

[23] 张 帆,唐 毅,陈治翰,等.后向轨迹模式在攀枝花市PM2.5来源分析研究中的应用 [J]. 四川环境, 2016,35(4):83-86. Zhang F, Tang Y, Chen Z H, et al. Application of backward trajectory model in source analysis of PM2.5in Panzhihua city [J]. Sichuan Environment, 2016,35(4):83-86.

[24] Verma N, Lakhani A, Kumari K M. High ozone episodes at a semi-urban site in India: Photochemical generation and transport [J]. Atmospheric Research. 2017,197:232-243.

[25] Stein A F, Wang Y, de la Rosa J D, et al. Modeling PM10originating from dust intrusions in the southern iberian peninsula using HYSPLIT [J]. Weather And Forecasting, 2011,26(2):236-242.

[26] Zdun A, Rozwadowska A, Kratzer S. The impact of air mass advection on aerosol optical properties over Gotland (Baltic Sea) [J]. Atmospheric Research. 2016,182:142-155.

[27] Song M, Chobyeongsu. Distributions and origins of PM10in Jeollabuk do from 2010 to 2015 [J]. Journal of Korean Society for Atmospheric Environment. 2017,33(3):251-264.

[28] Banks R F, Tiana-Alsina J, Baldasano J M, et al. Retrieval of boundary layer height from lidar using extended Kalman filter approach, classic methods, and backtrajectory cluster analysis [C]// Proceedings of SPIE, 2014:9242.

[29] Shukurov K A, Shukurova L M. Source regions of ammonium nitrate, ammonium sulfate, and natural silicates in the surface aerosol of Moscow Oblast [J]. Izvestiya Rossiiskoi akademii nauk. Fizika atmosfery i okeana, 2017,53(3):360-369.

[30] Bhuyan P K, Bharali C, Pathak B, et al. The role of precursor gases and meteorology on temporal evolution of O3at a tropical location in northeast India [J]. Environmental Science and Pollution Research, 2014,21(10):6696-6713.

[31] Draxler R R. The use of global and mesoscale meteorological model data to predict the transport and dispersion of tracer plumes over Washington, D. C. [J]. Weather And Forecasting, 2006,21(3):383- 394.

[32] Draxier R R, Hess G D. An overview of the HYSPLIT4modelling system for trajectories, dispersion and deposition [J]. Australian Meteorological Magazine, 1998,47(4):295-308.

[33] Draxler R R, Gillette D A, Kirkpatrick J S, et al. Estimating PM10air concentrations from dust storms in Iraq, Kuwait and Saudi Arabia [J]. Atmospheric Environment, 2001,35(25):4315-4330.

[34] 姚俊英,于宏敏,王 莹.黑龙江省秸秆焚烧气象指数预报服务研究[J]. 环境科学与管理, 2018,(10):45-48. Yao J Y, Yu H M, Wang Y. Research on forecasting service of straw burning meteorological index in Heilongjiang Province [J]. Environmental Science and Management, 2018,(10):45-48.

[35] 生态环境部,《环境空气质量标准》(GB3095-2012) [R]. 2012. Ministry of Ecology and Environment, Ambient Air Quality Standards (GB3095-2012) [R]. 2012.

An air pollution process and potential sources of Harbin.

WANG Xing1,2, LI Li-li1,2, WANG Kun1,2*, LIU Yu-ping3, JIA Lin-lin3, JIANG Jun-qiu1,2, ZHU Li-na1,2

(1.State Key Laboratory of Urban Water Resources and Environment, Harbin 150090, China；2.School of Environment, Harbin Institute of Technology, Harbin 150090, China；3.Heilongjiang Academy of Environmental Sciences, Harbin 150090, China)., 2019,39(11)：4502~4510

A case study was carried out in Harbin during the severe air pollution period from December 10thto 13th, 2018, with focuses on the formation, evolution and potential source areas. The results showed that the air pollution process was dominated by PM2.5. The pollution type was dominated by coal combustion from 00:00 on the 10thto 17:00 on the 11th, then developed into the secondary aerosol pollution from 17:00 on the 11thto 15:00 on the 13th, and eventually stabilized as being dominated by coal combustion after 15:00 on the 13th. Based on the analysis of weather situation, wind speed and wind direction, it can be seen that the pollution process was inseparable from the unfavorable diffusion conditions. The simulated 48h backward trajectories were mainly divided into 4categories after clustering analysis, most of them came from Inner Mongolia, Jilin and other directions. PM2.5exceeded the air quality standard for 70.83% of the trajectories, indicating the polluted air mass from these directions had a greater impact on the air quality of Harbin. Through the PSCF and CWT analysis of the simulated 48h backward trajectory, it was found that the WPSCF and WCWT distribution characteristics in Harbin were similar. The high values of WPSCF and WCWT were mainly concentrated in Harbin's Shuangcheng, Bayan, Acheng, Jilin Province's central and western regions, as well as Daqing and Suihua, indicating that these areas were the potential source areas of PM2.5in Harbin.

pollution type；backward trajectory；potential source distribution；PM2.5transport characteristics；Harbin

X51

A

1000-6923(2019)11-4502-09

王 醒(1994-),女,贵州毕节人,哈尔滨工业大学硕士研究生,主要研究方向为大气污染物排放清单及其传输扩散特征.发表论文1篇.

2019-04-22

国家重点实验室探索课题(2016TS08);国家重点研发计划课题(2017YFC0212305)

* 责任作者, 教授, Wang02kun@126.com