2017年10月海南省一次臭氧污染特征及输送路径与潜在源区分析

符传博, 丹 利, 唐家翔, 佟金鹤

1.海南省气象科学研究所， 海南 海口 570203 2.中国科学院大气物理研究所东亚区域气候-环境重点实验室， 北京 100029 3.海南省气象台， 海南 海口 570203 4.海南省南海气象防灾减灾重点实验室， 海南 海口 570203

O3作为大气中的一种重要微量成分，在大气化学中起到了核心的作用. 10%的O3分布在对流层中，其作为一种强氧化剂在许多化学过程中充当着重要的角色[1]，同时也是一种重要的大气污染物[2]. 对流层O3的来源可分为自然源和人为源两种，自然源包括平流层的O3向对流层输送以及自然产生的NOx与生物排放的VOCs (挥发性有机化合物)反应生成. 人为源指的是人类活动产生的NOx(包括NO和NO2)、CO等与VOCs反应生成的O3[3-4]. 研究表明，全球对流层ρ(O3)普遍呈增加趋势，其中城市的ρ(O3)上升更为显著[5-6]，这不仅对人体健康造成不同程度的伤害[7-9]，同时对生态系统也造成影响[10-11]. 因此，研究城市O3的分布、变化特征及其成因有十分重要的现实意义. 2.世纪50年代起，国际上许多大城市相继发生光化学烟雾事件[12-15]，科学家开始关注对流层O3污染问题，并得出了一致的认识，即对流层O3主要是通过一系列复杂的链式反应生成[16]，而这需要大气中同时满足紫外光、NOx和VOCs三个基本条件. 在20世纪80年代，北京市和甘肃省兰州市等地区相继有光化学烟雾发生[17]，随后我国各大城市先后出现ρ(O3)超标的大气污染事件，而且在部分城市中O3已经开始取代了PM2.5，成为主要的大气污染物类型[18-19]. O3的污染问题逐渐引起了政府部门和专家学者的高度关注. 海南省地处于我国南端，近年来城市大气环境问题也逐渐突出[20-21]，2017年10月更是发生了一次以O3为主要污染物的大气污染事件，其中多个市县出现轻度污染天气，两个市县达到了中度污染等级，污染范围和强度达到了2013年有观测资料以来的历史极值. 因此，该研究利用HYSPLIT后向轨迹模型，结合卫星反演数据、聚类分析、PSCF (潜在源贡献因子)和CWT (浓度权重轨迹)等资料和方法，对2017年10月海南省大气污染物演变特征、污染物潜在源区和输送路径等问题进行探讨，以期为当地政府制定切实可行的环境管理政策以及为气象及环保部门的预报服务工作等提供技术依据.

1 数据来源与研究方法

1.1 观测资料来源

海南省城市空气质量资料(不包括三沙市数据)来自海南省生态环境厅，包括逐日AQI值，SO2、NO2、PM10、PM2.5、CO和O3(日最大8 h臭氧浓度)浓度资料，以及空气质量等级和首要污染物，统计时段为2017年10月1—31日；同时，还使用了海口市常规气象观测资料，包括日降水量、相对湿度、气温、最大风速和日照时数，气象资料来自海南省气象局信息中心. 在分析2017年10月污染过程的污染物来源时，还使用到OMI卫星反演的对流层NO2柱浓度资料[22]和ECMWF ERA-Interim资料(https://www.ecmwf.int/en/research/climate-reanalysis/era-interim)，包括850 hPa的风场和高度场，分辨率为0.25°×0.25°. HYSPLIT轨迹模型中使用的气象资料为美国国家环境预报中心(NCEP)提供的FNL资料，时间分辨率为4次/d，分别为00:00、06:00、12:00、18:00 (UTC，世界时)，空间分辨率为1°×1°，高度层为23层，变量包括气温、气压、湿度、风场等[23].

1.2 研究方法

1.2.1HYSPLIT轨迹模型及聚类分析

欧拉方法和拉格朗日方法是目前研究某一地区大气污染物浓度与周围环境关系的两个主要技术手段[24]. HYSPLIT模型最初由美国国家海洋大气研究中心空气资源实验室(NOAA)和澳大利亚气象局合作研发，目前HYSPLIT 4.9版本集合了欧拉和拉格朗日两种方法，拉格朗日方法用于处理气团平流和扩散，而欧拉方法用于浓度计算. 该模式在处理气象要素输入场、多种物理过程和各类大气污染物排放源等问题上较为成熟，因此被广泛应用于大气污染物来源及输送路径等方面的研究[25]. 该研究为了探讨海南省(不包括三沙市数据)2017年10月大气污染过程的污染物源地问题，根据后向轨迹模型的设计，以海口市市区(20.00°N、110.25°E)为起点，计算了500 m高度48 h后向轨迹，2017年10月共计31条，用于分析此次过程影响海南省(不包括三沙市数据)的气流轨迹以及潜在源区. 聚类分析是根据各气流轨迹的传输速度和方向进行筛查，梳理出空间相似度最为接近的轨迹进行分类[26].

1.2.2PSCF

PSCF又被称为滞留时间分析法[27]，是一种基于气流轨迹来判断某一地区可能污染源的识别方法. 该研究将海口市气流轨迹所覆盖的区域(90°E～130°E、5°N～40°N)进行网格化，分成0.5°×0.5°的水平网格(i,j)，计算所有气流轨迹经过某一网格的点数(nij)和污染时段的气流轨迹经过该网格的点数(mij)，PSCF值则表示为

PSCFij=mij/nij

(1)

式中，PSCFij为某网格点的PSCF值，PSCF值越大，则表示该区域对海口市AQI值超标的贡献越大. PSCF值表示的是一种条件概率，多引入Wij来降低由于单个网格内气流停留时间较短而引起的PSCF值波动.Wij规定如下：

(2)

因此，加入权重后的PSCF值可表示为

WPSCFij=Wij×PSCFij

(3)

式中，WPSCFij为某网格点的WPSCF值.

1.2.3CWT

该研究进一步利用CWT法来计算气流轨迹的污染权重浓度，该方法可以区分出现相同PSCF值时对受点AQI的贡献，即网格内AQI值高出阈值的程度[28]，计算公式：

(4)

式中，Cij为网格(i,j)的污染权重指数，M为与网格(i,j)相交的轨迹总数，Cl为轨迹l与网格(i,j)相交时受点的AQI值，τijl为轨迹l在网格(i,j)的停留时间，W(nij)为权重函数.

2 结果与讨论

2.1 海南省2017年10月空气质量概况

表1为2017年10月海南省各市县AQI月均值、污染时段AQI平均值以及26日AQI日均值的统计结果. 由表1可见：2017年10月海南省有13个市县AQI月均值超过50，达到良等级，其中北部和西部市县AQI月均值偏高；AQI月均值达到或超过70的市县有2个，分别是东方市(76)和澄迈县(70)，文昌市、海口市和儋州市AQI月均值也偏高，分别为64、57和57. 从2017年10月24日开始，海口市AQI开始超过100，达到轻度污染等级，其中以26日污染最为严重. 从污染时段(2017年10月24—31日)AQI平均值分布可以看出，海南省共有8个市县达到轻度污染等级，其余10个市县均在良等级. 其中，北部的澄迈县AQI平均值最高，达130；其次为西部的东方市，AQI平均值为129；达到轻度污染的市县还有海口市、临高县、文昌市、儋州市、琼中黎族苗族自治县和三亚市. 26日海南省达到轻度及其以上污染等级的市县为9个，其中，澄迈县和儋州市AQI分别为171和151，均属中度污染等级；达到轻度污染等级的市县还有海口市、临高县、文昌市、东方市、琼中黎族苗族自治县、保亭黎族苗族自治县和三亚市，其余9个市县均在良等级.

表1 海南省各市县2017年10月AQI月均值、污染时段AQI平均值以及26日AQI日均值Table 1 Monthly mean, pollution periods and 26th of AQI values over Hainan Province in October 2017

表2为2017年10月海南省18个市县的首要污染物统计. 根据HJ 633—2012《环境空气质量指数(AQI)技术规定》[29]，空气质量等级在良以上才统计首要污染物. 由表2可见：2017年10月海南省大部分市县有10 d以上达到良等级以上，其中超过15 d的有海口市、文昌市、东方市和澄迈县，东方市达到全省最高(19 d); 首要污染物类型以O3为主，有9个市县首要污染物为O3的天数比例达100%，其中包括污染较为严重的澄迈县、东方市、儋州市、海口市、文昌市，其余市县(除万宁市和定安县外)比例也超过了70%. 说明此次大气污染过程主要是由ρ(O3)超标引起的，与全国其他地区一样，O3也已经成为海南省城市大气污染物中的主要污染物类型.

表2 2017年10月海南省各市县首要污染物统计Table 2 Statistics of primary pollutants over Hainan Province in October 2017

2.2 2017年10月海口市大气污染物与气象要素的变化特征

图1为2017年10月海口市AQI、气象要素及6类污染物质量浓度的逐日变化. 由图1可见：10月24日之前海口市AQI值偏低，均在100以下，空气质量等级以优和良为主；同时，部分时段有降水发生，降水的冲刷作用不利于海口市污染物浓度的上升. 24日之后海口市没有降水发生，湿清除作用减弱，有利于大气污染物浓度的增加. 从24日起海口市AQI值开始超过100，达到轻度污染等级. 从气温和相对湿度上看，10月海口市气温和相对湿度呈缓慢下降的趋势，特别是在污染时段，气温在25 ℃以下，相对湿度不到80%. 在O3生成的光化学反应中，太阳的紫外光也是必要条件之一，气温在一定程度上可以反映紫外光的强弱，相对湿度的偏高会影响太阳紫外辐射，同时会加大O3的干沉降，减弱其化学反应[17]，因此气温和相对湿度均与ρ(O3)密切相关. 污染时段尽管气温偏低，但从日照时数上看，污染时段日照时数在8 h/d左右，说明太阳紫外辐射是比较稳定的，并没有随着气温的下降而降低. 而污染时段相对湿度偏低有利于ρ(O3)的积累，导致ρ(O3)上升. 从最大风速上看，污染时段最大风速略偏弱，有利于污染物在本区聚集以及空气污染事件的发生. 六类污染物质量浓度均呈逐日增加的变化趋势，与AQI变化趋势一致. 除ρ(O3)外，其他5类污染物质量浓度均没有超过GB 3095—2012《环境空气质量标准》二级标准限值，说明此次污染过程只是由于ρ(O3)超标引起的. 海南省O3污染已经逐渐取代了PM2.5，成为主要的大气污染物类型[30].

表3为AQI、六类污染物与气象要素之间的相关系数. 由表3可见：AQI、污染物质量浓度均与日降水量、气温、相对湿度呈负相关. AQI、污染物质量浓度均与气温和相对湿度的相关系数较大，大部分都通过了信度检验，说明气温和相对湿度均与污染物质量浓度密切关系，其中ρ(O3)和AQI与相对湿度的相关系数分别为-0.701和-0.685，均通过了99.9%的信度检验；另外，AQI、污染物质量浓度均与日照时数呈正相关，且相关系数均大于0.3，其中ρ(NO2)、ρ(SO2)、ρ(PM10)、ρ(PM2.5)和ρ(CO)与日照时数的相关系数均通过了95%的信度检验. 而最大风速与ρ(O3)和AQI均呈正相关，与其余污染物质量浓度均呈负相关，但相关系数均偏小，没有通过信度检验. 当某一地区地面风速加大时，能加强该地区污染物的向外扩散，从而达到清洁该地区空气质量的效果，但也有可能对风向下流区域造成外源污染[31-32]，因此风速会与当地污染物质量浓度呈负相关. 而海南省(不包括三沙市)2017年10月大气污染过程中，ρ(O3)和AQI均与最大风速呈弱的正相关，这也说明此次O3污染与外源输送关系密切.

2.3 卫星反演结果

图1 2017年10月海口市AQI值、气象要素和6类污染物质量浓度的逐日变化情况Fig.1 Daily change of AQI value and meteorological elements, concentrations of 6 kind pollutant of Haikou City in October 2017

表3 2017年10月海口市AQI、6类污染物浓度与气象要素的相关系数

站点观测的大气污染物数据空间覆盖率低，区域分布并不均匀，无法获得大范围实时观测的数据，而卫星遥感探测能提供长时间、大空间、高分辨率的大气成分数据[33]. 目前，国内外卫星反演的大气污染物数据中并没有对流层O3的产品，因此该研究选取NASA的OMI卫星反演的对流层NO2柱浓度资料进行对比分析[34]. NO2作为O3的前体物，其变化特征与O3有密切联系，结合图1可知，污染时段ρ(NO2)与ρ(O3)均明显上升. 图2为华南地区对流层NO2柱浓度、850 hPa风场和等高线的空间分布. 从2017年10月月均值看，珠江三角洲(珠三角)地区是华南对流层NO2柱浓度高值中心，最大值在80×1014molec/cm2以上〔见图2(a)〕. 850 hPa风场呈东到东北风，海南省位于珠三角地区的下流方向，有利于该地区的大气污染物向海南省输送. 从污染时段看，珠三角地区对流层NO2柱浓度中心值增至100×1014molec/cm2，高值区范围明显扩大，说明污染时段珠三角地区已经有大气污染事件发生，污染物浓度已明显上升，而且在珠三角地区至海南省的南海北部海面上，对流层NO2柱浓度在30×1014molec/cm2以上，较月均值有明显上升；另外，850 hPa等高线也较月均值增大，说明污染时段有冷空气南下，风场也逆转为东北风，而且风速加大，有利于污染物从珠三角地区输送至海南省上空〔见图2(b)〕. 在珠三角地区至海南省的南海北部海面上，有较大的对流层NO2柱浓度出现，珠三角地区的对流层NO2柱浓度高值区域向海南省延伸，也进一步证明外源输送对海南省此次ρ(O3)超标有较大影响，而珠三角地区的直接输送对此次污染过程有较大的贡献. 由于ρ(NO2)与ρ(O3)并不是线性关系，因此外源输送致使海南省ρ(O3)超标的结果存在一定的不确定性.

2.4 后向轨迹的聚类分析与输送路径

注： 底图源自自然资源部(http://bzdt.ch.mnr.gov.cn)下载的《中国地图 1∶2200万16开接线版 无领国 线划一》. 审图号：GS(2021)87号. 下同.图2 华南地区对流层NO2柱浓度、850 hPa风场和等高线空间分布Fig.2 Spatial characteristics of TroNO2, ERA-interim wind vectors and geopotential height at 850 hPa of southern China

利用HYSPLIT模型模拟了2017年10月海口市区500 m高度48 h共31条后向轨迹，并进行聚类分析，得到4类轨迹类型(见表4). 由表4可见：聚类1是来自南海北部的中短距离气流，出现概率为19%；聚类2是来自东南沿海的中短距离气流，出现概率为35%；聚类3和聚类4分别是来自内陆地区的中短距离气流和长距离气流，出现概率分别为35%和10%. 表5进一步给出了这4类后向轨迹气流和相应时段海口市AQI及6类大气污染物质量浓度. 由表5可见：来自内陆地区的聚类4长距离气流对应的AQI最高(83)，除ρ(NO2)外，其余污染物质量浓度也是4类轨迹气流中最高的，ρ(O3)为135.0 μg/m3；其次是同样来自内陆地区的聚类3中短距离气流，AQI为69，ρ(O3)为119.6 μg/m3. 10月内陆地区低层大气污染物质量浓度偏高，来自内陆的聚类3和聚类4气流有利于污染物从源区输送至海南省. 污染时段中，10月30日、31日的气流轨迹属于聚类4，而27日、28日和29日属于聚类3. 来自东南沿海的聚类2中短距离气流对应的AQI和大气污染物质量浓度也均较大，对应海口市的ρ(O3)和AQI分别为102.3 μg/m3和61. 由图2可见，污染时段由于冷空气向东南沿海移动，内陆地区的大气污染物也随着冷空气向东南沿海扩散，致使该区域污染物浓度偏高. 而聚类2气流能将东南沿海的大气污染物进一步输送至海南省，因此在该类气流的影响下，AQI值和大气污染物质量浓度均偏高，统计发现污染时段中24日和26日后向轨迹属于此类气流. 来自南海北部的聚类1中短距离气流由于没有经过明显高污染区域，因此对应的AQI值和污染物质量浓度均是4类气流中最低的，其ρ(O3)和AQI值分别为33.5 μg/m3和18.

表4 2017年10月海口市4类气流后向轨迹的区域特征Table 4 Regional characteristics of 4 types of backward trajectories in Haikou City in October 2017

2.5 大气污染期间的污染物潜在源区

图3为2017年10月海口市AQI的WPSCF和WCWT的计算结果. WPSCF值的大小体现了污染轨迹通过该网格点的概率，而WCWT值的大小表示该网格对受点AQI的贡献大小. WPSCF值越大的网格，WCWT值也越大，即污染轨迹通过概率较大的网格，对受点的污染贡献也越大，而二者高值重合的区域，就是该受点的潜在污染源区. 由图3可见，海口市污染物的潜在贡献源区有湖南省东南部、江西省西部、江苏省南部、浙江省南部、福建省中部和南部地区以及广东省，说明这些地区可能是海南省2017年10月O3污染的潜在源区. 从数值上看，与海南省较近的广东省西部及珠三角地区的WPSCF值和WCWT值均较大，分别在0.21和8以上，而其余地区的WPSCF值和WCWT值相对较小，这也进一步说明了广东省对海南省此次ρ(O3)超标的贡献较大，与卫星遥感结果(见图2)一致. 污染时段随着冷空气南下，O3从源区输送至海南省，导致ρ(O3)上升，海南省污染事件发生. 湖南省东南部、江西省西部、江苏省南部、浙江省南部、福建省中南部地区对2017年10月污染过程也有一定的潜在贡献. 图4为污染时段影响海口市不同高度气流的48 h后向轨迹. 由图4可见，污染时段10 m的气流轨迹分别从湖南省南部、江西省中部和福建省中部经过广东省到达海南省，而500和1 000 m气流轨迹有两支，一支从湖南省和江西省交界经广东省西部到达海南省，另一支从长江口沿我国东南沿海到达海南省，与图3的结果一致.

表5 2017年10月海口市4类气流后向轨迹和污染物浓度Table 5 Characteristics of 4 types of backward trajectories and pollutant concentrations in Haikou City in October 2017

图3 2017年10月海口市AQI值的WPSCF和WCWT分析Fig.3 WPSCF and WCWT analysis results of AQI in Haikou City in October 2017

图4 污染时段(2017年10月24—31日)海口市不同高度48 h后向轨迹Fig.4 48 h backward trajectories of air parcel at different altitude during the polluted period (24th-31st October, 2017) in Haikou City

3 结论

a) 对2017年10月发生在海南省的大气污染事件统计分析发现，O3是此次污染过程的主要污染物，10月有13个市县首要污染物为O3的天数比例超过80%，其中9个市县达到100%. 海南北部和西部的市县O3污染较为严重，26日澄迈县和儋州市AQI值达到了中度污染等级，分别为171和151，此外还有7个市县达到轻度污染等级，AQI值在100～150之间，2017年10月过程污染范围和强度均达到了2013年有观测资料以来的历史极值.

b) 2017年10月海南省相关气象要素与AQI和污染物浓度均存在较好的相关关系，O3和AQI与相对湿度的相关系数分别为-0.701和-0.685，均通过99.9%的信度检验. OMI卫星反演结果表明，污染时段广东省珠三角地区及其至海南省北部南海北部海面的对流层NO2柱浓度均有显著升高，表明外源输送对此次ρ(O3)超标有直接影响.

c) 影响气流后向轨迹聚类分析表明，海南省影响气流主要来自内陆地区的长距离气流、中短距离气流和来自东南沿海的中短距离气流，三支气流影响时段对应的海口市AQI值分别为83、69和61，ρ(O3)分别为和135.0、119.6和102.3 μg/m3.

d) WPSCF和WCWT分析结果表明，广东省是海南省2017年10月ρ(O3)超标的主要贡献源区之一，其WPSCF值和WCWT值分别在0.21和27以上. 湖南省东南部、江西省西部、江苏省南部、浙江省南部、福建省中南部地区也有一定的潜在贡献. 污染时段不同高度影响海口市气流的48 h后向轨迹分析表明，所有轨迹均经过高污染区域——广东省，进一步证明了广东省是2017年10月海南省ρ(O3)超标的主要贡献源区.