基于后向轨迹的京津冀地区重污染事件成因研究

祝绍诚

摘要：2019年京津冀地区发生了重污染过程，且持续4天。本研究基于卫星遥感数据，PM2.5数据、气象数据和DEM数据，基于地理加权回归模型，运用相关性分析法和气团后向轨迹聚类法，对2019年1月～11月PM2.5浓度进行了反演，分析了京津冀城市群PM2.5浓度的时空演化格局。

关键词：京津冀;地理加权回归模型;PM2.5;相关性分析

1 引言

近年来，由于我国不断高速发展的社会经济，城市化和工业化越来越显著，并伴随着人民生活水平的不断提高，煤炭、电力等能源消耗也随之增加，城市建设和工业发展对各种资源的需求也在增加，以资源消耗为主的粗放型经济发展方式，已经引发了经济发展与生态环境保护之间的矛盾，我们赖以生存的地球环境将面临着更严峻的问题，其中大气污染问题成为重重之重。据最近的调查研究表明，我国在空气质量改善方面取得的成效还偏小，大气污染物排放总量还持续维持在较高的榜单排名上，特别是以 PM2.5为主的重污染现象时有发生，特别是在长江三角洲、珠江三角洲等沿海城市，以及工业发展迅速的京津冀城市群和发展迅速的成渝地区成为我国空气污染的热点区域。

PM2.5 （Particulate Matter，PM）是可以穿透肺部的微粒，其直径小于或等于2.5微米，含有大量有毒有害的物质，严重威胁着人类健康和环境质量。许多研究表明，人类若长期处于一定浓度的PM2.5环境中，会导致心血管疾病、肺组织损伤，甚至可能导致癌症甚至引发人的死亡。据《全球环境展望5》写道，每年大约200万人因吸入固体颗粒物入肺导致死亡。

国内外已经有不少学者对这方面开展了研究。在国内，任毅等[1]（2019）对京津冀地区城市群雾霾污染的时空特征进行了分析，结果表明该地区PM2.5浓度呈现夏季偏低、冬季偏高、春夏居中的显著季节性特征。熊欢欢等[2]（2017）基于我国的大城市和中等城市的PM2.5监测数据，通过建立空间数据统计模型，对PM2.5浓度和空间聚集的变化特征进行了总结，发现污染核心由京津冀向鲁西北和豫北地区扩散转移的结论。周亮等[3]基于NASA大气遥感影像，对PM2.5浓度进行了反演，结果表明我国2000-2011年PM2.5浓度先快速增加后趋于稳定，空间分布上北方高于南方，东部高于西部。在国外，Itai Kloog等[4]利用高分辨率1KM MAIAC AOD，基于混合效应模型反演进行PM预测，探索高时空分辨率下预测PM的可靠性，结果显示模型的预测值和观测值几乎没有偏差。Joshua S Apte等[5]使用高分辨率浓度数据，评估区域和全球环境空气质量改善如何降低PM2.5的可归因死亡率。B. Golly等[6]通过源解析方法，以法国5个农村为研究对象，测定有机碳、元素碳、离子种类等，分析PM2.5的季节变化，结果表明，木材燃烧对土壤有机碳的相对贡献率很高，部分农村地区冬季平均贡献率达90%。

京津冀地区曾多次发生重污染事件，其中多个城市PM2.5小时浓度达到重度污染，严重制约着人民生活进步和社会经济的发展。因此，本文基于2019年11月20日～2019年11月24日京津冀地区的相关污染物浓度数据、地面监测PM2.5浓度数据产品、MAIAC 1km AOD产品、气象观测数据、DEM数据，通过相关性分析，气团后向轨迹聚类分析等方法，采用地理加权回归模型（GWR），模拟了京津冀城市群PM2.5浓度时空分布，揭示该期间重污染事件的成因。

2研究方法

1）最大信息系数

最大信息系数可求出两变量 X、 Y之间线性或非线性关系的强度。若两个变量相關，则对两个变量绘制散点图并按照规则网格对其进行划分，求网格中变量的概率密度，计算出它们之间的互信息，然后进行正则化，正则化后的值可以用来评估两个变量之间的相关性。

2）气团后向轨迹与聚类

HYSPLIT模型是运用拉格朗日方法，基于不同气象输入量、不同物理过程和不同类型排放源的处理，计算平流和扩散，时间精度最高可以精确到一个小时。此次研究采用HYSPLIT模式，对重污染过程中达到重污染标准（即AQI>200）且达到最重污染的城市进行24小时的气团后向轨迹模拟，采用Meteoinfo的TrajStat插件结合气团的运动轨迹点文件对气团的运动路径进行轨迹聚类，分析污染过程中的区域传输的影响。

3）PM2.5浓度时空分布模拟

采用反距离权重插值（IDW）对各解释因子进行插值，建立样本数据集，创建渔网点，利用多值提取至点工具提取因变量和解释变量，利用地理加权回归模型计算PM2.5的预测值。

3 结论

（1）京津冀城市群PM2.5浓度与气压的相关性显著，达到了0.65左右，与相对湿度存在一定的相关性，不利的气象条件造成了污染物区域性堆积和SO2、氮氧化物等相关污染物的二次转化。

（2）京津冀地区主要受来自西北气团和南方气团的影响，部分城市还受到渤海方向气团的影响。外运和内运污染物叠加效应严重，其中内运污染影响较大，区域性影响明显。海边城市受来自渤海的冷湿气流影响，污染物扩散困难。

（3）PM2.5浓度值具有明显的季节性和区域性特征。从季节上看，夏季PM2.5浓度最低，平均浓度在30μg/m3左右;秋季PM2.5浓度逐渐上升，总体还控制在75μg/m3以下，空气质量达标;冬季PM2.5污染最严重，结果表明，1月仅有张家口和承德市PM2.5在75μg/m3以下，邯郸、邢台、石家庄PM2.5浓度超过150μg/m3，石家庄甚至超过了180μg/m3;从区域上看，北方空气质量比南方好，PM2.5浓度值由北方向东南部逐渐升高。

参考文献：

[1]任毅，郭丰，高聪聪. 京津冀城市群雾霾污染的时空特征与影响因素[J]. 首都经济贸易大学学报，2019，21（06）：80-91.

[2]熊欢欢，梁龙武，曾赠，王振波. 中国城市PM_（2.5）时空分布的动态比较分析[J]. 资源科学，2017，39（01）：136-146.

[3]周亮，周成虎，杨帆，王波，等. 2000-2011年中国PM2.5时空演化特征及驱动因素解析[J]. 地理学报，2017，72（11）：2079-2092.

[4]Itai Kloog，Meytar Sorekhamer，Alexei Lyapustin，et al. Estimating daily PM2.5 and PM10 across the complex geo-climate region of Israel using MAIAC satellite-based AOD data[J]. Atmospheric Enviroment，2015，122：409-416.

[5]Apte J S， Marshall J D， Cohen A， et al. Addressing Global Mortality from Ambient PM2.5[J]. Environmental Science & Technology， 2015， 49（13）： 8057-8066.

[6]B. Golly，A. Waked，S. Weber，A. Samake，V. Jacob，S. Conil，J. Rangognio，E. Chrétien，M.-P. Vagnot，P.-Y. Robic，J.-L. Besombes，J.-L. Jaffrezo. Organic markers and OC source apportionment for seasonal variations of PM 2.5 at 5 rural sites in France[J]. Atmospheric Environment，2019，198.

成都理工大学地球科学学院 610059