2015～2019年日照市PM2.5长期变化特征及其潜在源区分析

王中杰,霍 娟,杜惠云,王大玮,4,李 杰,3,4,张传兵,张 涛,王 威,王海波,3,杨文夷,4*

2015～2019年日照市PM2.5长期变化特征及其潜在源区分析

王中杰1,2,3,霍 娟2,杜惠云1,王大玮1,4,李 杰1,3,4,张传兵5,张 涛6,王 威7,王海波1,3,杨文夷1,4*

(1.中国科学院大气物理研究所,大气边界层物理和大气化学国家重点实验室,北京 100029；2.中国科学院大气物理研究所,中国科学院中层大气和全球环境探测重点实验室,北京 100029；3.中国科学院大学,北京 100049；4.中国科学院区域大气环境研究卓越创新中心,福建 厦门 361021；5.山东省日照市生态环境监测中心,山东 日照 276800；6.山东省日照市生态环境保护服务中心,山东 日照 276800；7.中国环境监测总站,北京 100012)

利用2015～2019年山东省日照市PM2.5质量浓度和气象要素的小时数据,对日照市PM2.5季节污染特征和日照市海陆风特征进行了分析,并基于HYSPLIT模式计算了5年逐日02:00、08:00、14:00和20:00(BTC)的48h后向轨迹,不仅通过轨迹聚类分析和潜在源区分析探讨了日照市不同季节PM2.5主要传输路径和其轨迹污染特征及其潜在源区分布和贡献,也分析了海陆风对日照市污染物的影响.结果表明:日照市PM2.5呈现冬季最高、夏季最低的分布特征,监测站点颗粒物浓度在偏西北风影响下较高.日照市不同季节主要输送路径存在差异:春季主要受到偏东和偏北方向气流影响;夏季在副热带高压影响下主要受到来自海上的较为清洁的偏东气流影响;秋季主要受到西北和偏东气流影响;冬季主要受西北和偏北气流影响.整体而言,不同季节受偏西至偏南气流影响时,日照市对应的PM2.5浓度较高.日照市海陆风春秋季多,夏冬季少;在海陆风影响下,日照市PM2.5污染和臭氧污染呈现不同的分布特征,且在不同PM2.5污染等级下,PM2.5浓度日变化特征也与其在非海陆风日的日变化有所差异.污染潜在源区分析结果表明,日照市最主要的潜在源区位于山东省临沂市、潍坊市、青岛市和江苏省连云港市.

PM2.5；后向轨迹；聚类分析；传输路径；潜在源区

近几十年来,工业化和城市化不断推进和发展的同时带来了大量污染物排放,我国面临严峻的区域复合型大气污染问题.其中,大气颗粒物是我国最主要的空气污染物之一[1],按粒径大小主要可以分为总悬浮颗粒物(TSP)、PM10和PM2.5,对人体健康和生态环境造成危害[2].近年来为了改善空气质量,我国采取了一系列污染物减排措施,2018年《政府工作报告》还将污染防治列为未来3年中国政府的“三大攻坚战”之一.虽然根据主要空气污染物日常监测数据显示,我国各城市PM10和PM2.5浓度逐年降低,但颗粒物仍然是我国很多城市特别是北方城市的首要空气污染物[3-4](http://www.cnemc.cn/jcbg/ zghjzkgb/).

日照市是山东省东部一座沿海港口城市,位于京津冀和长江三角洲两个特大经济圈之间,也处于中国污染物向下游输送通道的关键节点.其产业结构偏重,以钢铁、石油化工、浆纸、汽车、船舶、粮油加工等为主的第二产业占比较高;且能源消耗以煤炭为主,煤炭消费长期维持在高位.如何在保障空气质量持续改善的前提下,承接京津冀大气污染传输通道城市(济南、淄博、聊城和滨州等)等地转移的钢铁产能,是摆在日照市面前的机遇与挑战.分析日照市不同季节气象和污染时空分布特征,厘清PM2.5的主要输送通道,总结不同气象条件下,如海陆风等,污染物的传输特征,将为日照市大气污染防治提供科学的技术支撑.

大气颗粒物污染浓度变化受到多种因素影响,如污染排放源、大气传输和气象条件等,分析大气颗粒物浓度的长期变化特征,识别不同输送通道下污染物分布规律,了解污染潜在源区将有利于改善环境空气质量[5-8],但目前较少有学者针对日照市开展相关研究.本研究基于日照市2015～2019年PM2.5质量浓度观测数据分析其季节变化特征,利用后向轨迹模型进行聚类分析,识别不同季节日照市空气污染物主要传输特征,并开展潜在源贡献分析,探讨周边不同地区对日照市PM2.5浓度的贡献,为日照市的大气污染防治工作提供理论依据.

1 数据与研究方法

1.1 数据来源

采用中国环境监测总站发布的日照市国控站点的2015年～2019年空气质量6项主要污染物(PM2.5、PM10、CO、NO2、SO2和O3)的监测数据.PM2.5质量浓度来自于β射线颗粒物自动检测仪.气象要素观测数据来源于污染物监测站点附近的空气质量自动站,其监测的气象要素包括气压、气温、相对湿度、风向、风速、降水量和能见度.日照市地理位置及地形高度分布如图1所示,3个国控站点分别为港务局(119.56°E,35.40°N)、监测站(119.48°E, 35.42°N)和市政府广场(119.53°E,35.42°N).港务局站点地理位置濒临黄海,在三个站点中距离海岸线最近;市政府站点位于港务局站点西北方向,位于内陆城区;监测站站点距离海岸线最远,位于日照市市区位置,周围污染源较多.

后向轨迹分析所用的气象数据源于美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)将常规气象资料和卫星观测资料经过全球大气数据同化系统(Global Data Assimilation System,GDAS)同化后而得的GDAS1数据[9].GDAS1数据包含温度、水平风速和垂直风速等35个变量,空间分辨率为1°×1°,时间分辨率为3h,垂直分层23层,其中900m以下分为5个层[10].

图1 山东省日照市及其周边地区地形

1.2 研究方法

TrajStat软件是基于HYSPLIT(Hybrid Single- Particle Lagrangian Integrated Trajectory Model)计算模型,并结合长期气团轨迹和站点观测数据,分析污染物传输路径和潜在源区的开源软件[11]. MeteoinfoMap软件是一款旨在交互查看并分析气象和空间数据的GIS应用程序.本文利用MeteoInfoMap的TrajStat插件功能,基于日照市3个国控站点中代表性最好的东港区市政府广场站点的观测数据,并以此站点(119.53°E,35.42°N)为模拟起点,计算2015～2019年全年02:00、08:00、14:00、20:00(BTC)的48h后向轨迹.模拟高度设置为200m[12-13],并将PM2.5质量浓度结合北京时间叠加到后向轨迹上.

为了探究大气污染传输和周围地区的污染源对日照市本地PM2.5质量浓度的影响.一方面,利用TrajStat中聚类分析功能对日照市2015年～2019年全年02:00、08:00、14:00、20:00(BTC)的48h后向轨迹进行分季节聚类.

另一方面,采用潜在源贡献因子分析法(Potential Source Contribution Function,PSCF),即计算式(1)所示,对站点位置观测到的高浓度污染物的潜在源区进行识别[14].本研究选取日照市2015～2019年整段时期内和不同季节范围下PM2.5质量浓度大于75μg/m3作为标准,进行计算.纬度设置范围为30°N～45°N,经度设置范围为110°E～125°E,分辨率为0.1°×0.1°.为了消除不确定性,将PSCF值与权重系数相乘,权重系数确定如式(2).

式中:m为污染轨迹端点数;n为网格(,)内所有轨迹端点数.区域内PSCF值越高,说明该区域是高潜在污染源区,应该与该区域内已知的排放区域一致.然而,PSCF值较低的区域并不一定代表该区域内排放量较低,可能由于该区域排放量没有传输到观测位置.

为了进一步确定不同潜在源区对观测点的相对贡献大小,运用浓度权重轨迹分析法(CWT)可以将气象轨迹停留时间与污染物浓度结合来追溯对观测点污染贡献并反映不同轨迹的污染程度[15],计算公式如式(3).权重系数确定如式(2).

式中:C为网格(,)上的平均权重浓度;为轨迹;为轨迹总数;C为轨迹经过网格(,)时对应的某要素值;为轨迹在网格(,)停留时间[16].CWT值越高,表明所经过的轨迹对观测点污染物浓度贡献越大.

2 结果与讨论

2.1 日照市PM2.5质量浓度长期变化特征

图2为2015～2019年不同季节日照市PM2.5日均浓度箱型图,其中,箱体的上边框表示75%分位数,中间横线表示50%分位数即中位数,下边框表示25%分位数;中间实心方框表示平均值.由监测数据可知,2015年和2016年日照市PM2.5年均浓度分别为62μg/m3和58μg/m3.为了深入贯彻“生态立市”战略,日照市积极开展集中攻坚行动和环境整治工作,从2016年年底,先后出台了一系列大气污染防治工作方案,做好重污染天气应对工作,确保大气质量持续改善.2017年起大气污染防治工作初有成效, PM2.5年均浓度稳定降低至50μg/m3以内,2017～2019年年均浓度分别为47、43和49μg/m3,然而该年均浓度仍超过世界卫生组织对于颗粒物的过渡期目标-1(35μg/m3)和中国环境空气质量一级标准(35μg/m3).

从多年的季节变化来看,整体而言,日照市PM2.5浓度分布呈现冬季最高、春秋季次之,夏季最低的特征.日照市属于温带季风气候,降水主要集中在夏季,平均降水量达2.3mm,有利于颗粒物的清除;且夏季主要受太平洋副热带高压控制,受到来自海洋的清洁气团影响,夏季颗粒物浓度较低.日照市濒临沿海,受海洋的影响显著,冬季相对湿度较高;近年来,马庆鑫等[17]、叶春翔等[18]和颜鹏等[19]研究指出在较高相对湿度条件下,非均相化学反应对二次颗粒物爆发性增长起到重要作用.从空气质量自动站气象要素监测数据来看,2017～2019年期间冬季相对湿度平均达到53%左右,而相对湿度达到50%以上的频率为54%.此外,冬季北方地区属于采暖期,由于燃煤等导致二氧化硫、氮氧化物和颗粒物等排放量比其他季节有所增加;日照市主要受到来自内陆的偏西北气流影响,受到本地排放叠加大量PM2.5及其前体物区域输送的影响,在不利的大气扩散条件下,冬季易发生灰霾污染过程,PM2.5浓度在冬季较高.

由图3可知,从各个季节方面来看,冬季颗粒物污染严重,其次是秋季,夏季污染最小.冬季PM2.5污染主要源于日照市市政府广场站点的站点周围及西北方向,风速在0～5m/s,虽然风频不高,但是颗粒物污染较重;秋季PM2.5污染主要源于日照市市政府广场站点的西北方向,风速在2～4m/s;夏季PM2.5污染相对高值主要源于站点西北部.整体来看,细颗粒物污染主要源于日照市西北部,冬季较为严重,秋季次之.

图2 2015至2019年日照市各个季节PM2.5日浓度统计箱型图

图3 2017至2019年不同季节日照市市政府广场站点PM2.5质量浓度随风速风向变化及风玫瑰图

2.2 传输路径特征及传输路径污染特征

2.2.1 日照市传输路径特征因根据对日照市2015年至2019年全年02:00、08:00、14:00及20:00(BTC)的48h后向轨迹分季节进行聚类分析,如图4所示,本研究中,春季、夏季、秋季和冬季后向轨迹分别分为4、5、7和5类(图4).各传输路径和方向表示气流到达受体点前经过的区域,传输距离可判断气流传输速度[20].结果可知,各季节聚类轨迹出现概率、途径区域、传输距离及传输速度存在差异.

在春季,来自海上的偏东气流(轨迹3)出现的频率最高,为36.8%,其次是来自内蒙,途径河北东部和渤海的偏北气流(轨迹2),为30.5%;在夏季,较多气流聚类源于海上,轨迹1和轨迹2出现频率较高,分别为36.4%和22.9%;在秋季,源于内蒙古,途径河北东部和渤海的西北转偏北气流(轨迹7)出现频率最高,为20.9%,其次是来自海上的偏东气流(轨迹5),为20.3%;在冬季,来自内蒙古,途径河北东部和渤海的偏西北转偏北气流(轨迹4)占比最大,为35.8%,其次是来自内蒙古,途径河北中部的西北气流(轨迹1),为27.9%.

秋冬季多为西北和偏北气流,且传输距离长,传输速度快,这可能与东亚冬季风的传播有关[21],夏季气流轨迹传输距离最短.4个季节都出现了一定频率的近距离传输,且秋冬季近距离传输路径出现明显转向折回.除了夏季主要传输路径都源于海上,春秋冬3个季节主要传输路径大部分源于内蒙古,且途径河南东部、河南中部和渤海.

2.2.2 日照市传输路径污染特征因为了研究日照市各传输路径的污染特征,将污染轨迹定义为其轨迹对应的PM2.5质量浓度大于空气质量二级标准限值,即75μg/m3,反之为清洁轨迹.图5和图6分别给出了各季节轨迹聚类上相关的PM2.5质量浓度箱线统计及各季节轨迹聚类上污染轨迹相关的PM2.5质量浓度箱线统计,表1给出了各季节污染轨迹中各聚类轨迹占比.结果显示,春季主要传输路径与主要污染传输路径有所差异;夏季细颗粒物总体污染小,主要传输路径以清洁轨迹为主;秋冬季污染轨迹与主要传输路径有对应关系.

图4 2015至2019年日照市各季节平均后向轨迹聚类

图5 各季节轨迹聚类上相关的PM2.5质量浓度箱线图

在春季,轨迹1和轨迹4在污染轨迹中占比较高,分别为31%和35%,且PM2.5平均质量浓度也偏高,为80.2μg/m3和63.7μg/m3,说明偏西和偏南气流由于传输距离相对较短且传输速度慢,污染物不易清除,是春季影响日照市的主要污染传输通道;在夏季,来自海上的主要输送通道(轨迹2)以清洁轨迹为主,为日照市带来清洁的海上气团,而相对近距离输送的轨迹3污染轨迹占比高,是夏季出现细颗粒污染的主要来源;在秋季,主要传输通道上的偏西北气流在污染轨迹中占比高,其源于内蒙古,途径河北、北京、天津和山东省西北部,携带大量细颗粒物影响日照市,偏西南和途径江苏省沿海区域的近距离传输气流也对日照市细颗粒物污染产生影响;在冬季,污染轨迹最多,其主要传输通道在污染轨迹中占比高,偏南及西南气流传输距离短且传输速度小,较小的风速以及静稳的区域气象条件有利于PM2.5的累积,导致冬季日照市PM2.5浓度较其他季节偏高,这种污染输送特征与杜艳伟等[22]对青岛市外源PM2.5传输路径特征的研究结果类似.

图6 各季节轨迹聚类上污染轨迹相关的PM2.5质量浓度箱线图

表1 各季节污染轨迹中各聚类轨迹占比统计

2.3 海陆风对日照市PM2.5质量浓度的影响分析

2.3.1 日照市海陆风特征因日照市处于山东省沿海区域,海陆风局地环流与大气环境污染密切相关[23].海陆风在很大程度上影响着沿海地区大气污染物的运输和扩散,对城市的环境空气质量有着重要影响[24],为了更清楚地了解海陆风对沿海城市—日照市PM2.5质量浓度的影响,本文利用2017～2019年日照市3个国控站污染物监测数据及气象要素观测数据并基于海陆风定义的分类统计方法[25]对日照市发生的海陆风日进行了统计.本文中,将陆风方向规定为:NNW,NW,WNW,W,WSW;将海风方向规定为:NE,ENE,E,ESE,SE,SSE,S,SSW.图7显示: 2017～2019年港务局、监测站和市政府站点分别共发生了160d、107d和74d海陆风日,港务局站点海陆风日发生天数最多,这可能由于港务局站点地理位置更靠近沿海.日照市海陆风具有明显的季节特征,春秋季多,夏冬季少.

图7 日照市国控站点海陆风日数统计

由图8可知,各国控站点海陆风日变化特征不同.整体来看,日照市陆风转海风一般发生在09:00～12:00,最早在监测站站点09:00,最晚在市政府广场站点12:00,这与地面升温规律相符合;日照市海风转陆风一般发生在22:00～00:00,最早在港务局22:00,最晚在监测站00:00.日照市陆风最常发生在02:00～05:00,海风最常发生在15:00～18:00,这与庄子善等[26]对日照沿海海陆风的特点研究结果相似.各站点陆风与海风的持续时间具有差异,监测站站点地理位置更靠近内陆,其陆风持续时间长,一般从01:00～06:00;港务局站点地理位置靠近沿海,其海风持续长,一般从13:00～17:00,且海、陆风转变易被观测.

图8 日照市国控站点海陆风出现频率日变化

2.3.2 海陆风对日照市大气污染物的影响 图9显示:整体来看,日照市各国控站点细颗粒物在陆风影响下浓度较高,且秋冬季污染严重,而O3在海风影响下浓度偏高,且春夏季污染较重.在海陆风日与非海陆风日对比下,各国控站点污染分布呈现季节性差异.在秋冬季,各国控站点污染以西部的细颗粒物污染为主,在陆风的影响下,各站点细颗粒物浓度偏高,这与在非海陆风日下,细颗粒物污染分布相似,以内陆污染输送为主,海上气流带来较为清洁的气团,对各站点细颗粒物浓度起到扩散稀释的作用;在春夏季,海陆风影响下O3浓度较系统风影响下浓度偏高,这与海陆风日的主导天气形势和气象要素场特征较为吻合,且因O3浓度的来源主要受光化学作用影响,冬季太阳辐射相对于其他季节稍弱,日照时间短,光化学作用较其他季节相比不强,O3浓度普遍低于其他季节.在海陆风影响下,各国控站点大部分都在海风方向的O3污染浓度偏高,这可能是由于O3浓度生成速率较高的时间正好在海、陆风转换期间,被陆风带向海洋的O3被发展起来的海风带回陆地,使得各站点在海风方向上O3浓度累积升高.总的来说,日照市各国控站点细颗粒物浓度在海陆风或系统风影响下都以内陆区域的污染输送为主,而O3浓度在海陆风的影响下,污染以海风方向输送为主且沿海区域O3浓度偏高,内陆区域细颗粒物污染较重.

图10是不同PM2.5污染等级下日照市市政府站点PM2.5质量浓度日变化对比.整体来看,该站点在不同PM2.5污染等级下,非海陆风日的PM2.5质量浓度日变化趋势较为一致,且在优良天时海陆风日与非海陆风日的PM2.5浓度日变化趋势也相似,呈现日间浓度升高,下午浓度降低,夜间浓度又抬升的特征.这种变化特征与Xu等[27]对北京PM2.5时空分布的特征研究类似,下午浓度逐渐降低可能是由于边界层高度抬升,大气扩散条件较好,对细颗粒物浓度起到扩散稀释作用,而夜间边界层高度降低,近地层细颗粒物浓度累积导致污染浓度上升.在轻度污染和中度污染时,海陆风日的PM2.5质量浓度日变化与非海陆日的日变化不同,呈现白天高,夜间低的变化特征.结合图11的逐时局地风纬向风分量和经向风分量的日变化,夜间PM2.5质量浓度偏低并没有明显抬升现象,这可能主要是由于该站点海风转陆风期间较长,海风带来了清洁气团,且夜间风速较大,对细颗粒物也起到了扩散作用.

a、c、e:分别是海陆风日下港务局、监测站、市政府;b、d、f:分别是非海陆风日下港务局、监测站、市政府

图10 不同PM2.5污染等级下日照市市政府站点PM2.5质量浓度日变化对比

图11 日照市市政府站点轻度及中度PM2.5污染等级下逐时局地风纬向风分量和经向风分量的日变化

a、c:海陆风日;b、d:非海陆风日

2.4 日照市潜在源区特征及变化

基于2015～2019年各个季节的后向轨迹进行PSCF分析和CWT分析,以期全面反映潜在源区对日照市PM2.5质量浓度的长期影响特征和贡献大小,分析结果如图12和图13.

PSCF计算值越大,表示该区域对日照市PM2.5质量浓度的影响越大.日照市PM2.5的污染潜在源区分布存在着明显的季节差异(图12).春季对日照市PM2.5浓度贡献相对较高的区域主要集中在临沂市东部和连云港市北部,其PSCF值在0.3～0.45之间;潍坊市南部的PSCF值在0.12～0.16,也对日照市PM2.5浓度产生影响.结合图4a中,轨迹1和4的PM2.5平均质量浓度较高,且途径临沂市东部和连云港市北部,给日照带来污染气团,是春季日照市颗粒物污染的主要潜在源区.夏季PSCF整体不高,范围在0.02～0.2之间,PSCF分布范围相对较广,其值较高的区域主要集中在日照市东南沿海、临沂市东部和连云港市北部,较远的地方有商丘市西南部和开封市西部.秋季,PSCF相对较高的区域主要集中在日照市西北部和东南沿海、临沂市东部、潍坊市南部、连云港市北部、青岛市西南部和黄海近海海域,其PSCF值在0.18以上.结合图4c可知,轨迹1、3和6的PM2.5平均质量浓度偏高,且途径区域与秋季高贡献潜在源区一致.冬季,PSCF值较高且范围广,说明冬季颗粒物污染严重并呈现一定的区域性.PSCF值相对较高的区域主要集中在临沂市、连云港市、潍坊市南部、青岛市西北部和淄博市中部,其值在0.4以上,其中日照市东南沿海PSCF值高达0.6以上,说明此区域对日照市PM2.5质量浓度产生较大影响.结合图4d可知,轨迹2和5的PM2.5平均质量浓度较高,分别为126.9μg/m3和98.5μg/m3,是冬季日照市颗粒物污染的重要来源之一,且途径的区域为高PSCF值区域,对日照市冬季PM2.5浓度产生较大影响.

图12 日照市2015～2019年各季节PSCF分布

a～d分别为春季、夏季、秋季和冬季

CWT值越高,该网格所在地区对日照市PM2.5污染贡献越大.整体而言,冬季影响范围广且强度强,秋季次之,夏季影响范围小且强度最小(图13).春季,对日照市PM2.5质量浓度贡献相对较高区域主要集中在临沂市东部和连云港市北部,其CWT值为50～60μg/m3;日照市东南沿海地区的CWT值在60～80μg/m3.夏季,CWT值相对较高的区域主要集中在临沂市东部和连云港市北部,其CWT值在30～40μg/m3;日照市东南沿海CWT值可达40～50μg/m3.秋季,CWT值相对较高的区域主要集中在临沂市东部、连云港市北部、潍坊市南部和青岛市南部,其CWT在40μg/m3以上,部分区域如日照市东南沿海区域可达60μg/m3以上.冬季,CWT值相对较高的区域分布较广,对日照市PM2.5质量浓度影响较大的区域主要集中在临沂市、潍坊市、连云港市、青岛市和东营市,其CWT值可达60μg/m3以上,其中临沂市东部、潍坊市南部、连云港市北部和东营市南部以及青岛市西北部的CWT可高达80μg/m3以上;日照市本地东南区域CWT值高达100μg/m3以上.

结合PSCF和CWT分析结果,可以发现影响日照市PM2.5质量浓度的外来主要潜在源区在临沂市、潍坊市、连云港市和青岛市.各季节污染较为严重的后向轨迹聚类也与影响日照市PM2.5浓度的主要潜在源区位置比较吻合.不仅外来输入对日照市PM2.5浓度产生较大的影响,日照市本地排放也是造成秋冬季颗粒物污染严重的重要原因.

图13 日照市2015～2019年各季节CWT分布

a～d分别为春季、夏季、秋季和冬季

3 结论

3.1 2015～2019年日照市PM2.5年均浓度分别为62、58、47、43和49μg/m3,2017年起大气污染防治工作初显成效,3年内稳定将PM2.5质量浓度降低至50μg/ m3以内;从多年的季节变化来看,日照市PM2.5浓度分布呈现冬季最高、春秋季次之,夏季最低的特征.

3.2 通过聚类分析可以发现,不同季节主要影响日照市气流来自不同方向:春季主要传输路径为偏北和偏东气流;夏季以源于海上的偏东气流输入为主;秋季主要传输路径为西北和偏东方向气流;冬季主要传输路径为西北方向气流.在传输路径污染特征方面,来自西南,偏南和西北方向的短距离输送气流对冬、春和秋三季的PM2.5污染贡献较高,来自黄海的气流对应的PM2.5浓度较低,带来清洁的海上气团,有利于污染物扩散和清除.总体来说,春季主要气流传输路径与主要污染传输路径有所差异;夏季细颗粒物总体污染小,主要传输路径以清洁轨迹为主;秋冬季污染轨迹与主要传输路径有对应关系.

3.3 日照市海陆风具有明显的季节特征,春秋季多,夏冬季少.由于各站点地理位置不同,各站点海陆风转换发生时间与持续时间虽有所差异,但相差不大.

3.4 在海陆风日与非海陆风日对比下,各国控站点污染分布呈现季节性差异:细颗粒物污染严重主要分布在陆风方向,且秋冬季污染严重,而O3高浓度主要分布在海风方向,且春夏季污染较重.在不同PM2.5污染等级下,市政府站点非海陆风日的PM2.5质量浓度日变化趋势较为一致,且在优良天时海陆风日与非海陆风日的PM2.5浓度日变化趋势也相似,呈现日间浓度升高,下午浓度降低,夜间浓度又抬升的特征.在轻度污染和中度污染时,海陆风日的PM2.5质量浓度日变化与非海陆日的日变化不同,呈现白天高,夜间低的变化特征.

3.5 通过PSCF法和CWT法分析,影响日照市PM2.5质量浓度的外来主要潜在源区位于临沂市、潍坊市、连云港市和青岛市.不同季节影响下,PM2.5浓度较高的后向轨迹聚类与影响日照市PM2.5浓度的主要潜在源区位置较吻合.

[1]Ning G C, Steve H L Y, Yang Y J, et al. Modulations of synoptic and climatic changes on ozone pollution and its health risks in mountain- basin areas [J]. Atmospheric Environment, 2020,240.

[2]王桂芝,武灵艳,陈纪波,等.北京市PM2.5污染健康经济效应的CGE分析[J]. 中国环境科学, 2017,37(7):2779-2785.

Wang G Z, Wu L Y, Chen J B, et al. CGE analysis of health economic effects of PM2.5pollution in Beijing [J]. China Environmental Science, 2017, 37(7):2779-2785.

[3]徐 楠,王甜甜,李 晓,等.北京冬季PM2.5中有机气溶胶的化学特征和来源解析[J]. 环境科学, 2021,42(5):2101-2109.

Xu N, Wang T T, Li X, et al. Chemical characteristics and source apportionment of organic aerosols in PM2.5in winter in Beijing [J]. Environmental Science, 2021,42(5):2101-2109.

[4]张众志,唐 伟,杜晓惠,等.气象因素对“2+26”城市春节期间PM2.5污染影响模拟研析[J]. 环境影响评价, 2020,42(6):6-10,69.

Zhang Z Z, Tang W, Du X H, et al. Influence of meteorological factors on PM2.5pollution during spring festival in “2+26” cities [J]. Environmental Impact Assessment, 2020,42(6):6-10,69.

[5]李 瑞,李 清,徐 健,等.秋冬季区域性大气污染过程对长三角北部典型城市的影响[J]. 环境科学, 2020,41(4):1520-1534.

Li R, Yi C, Xu J, et al. Effects of regional air pollution processes in autumn and winter on typical cities in northern Yangtze River [J]. Environmental Science, 2020,41(4):1520-1534.

[6]王海波,杨 婷,王自发,等.“2+26”城市2017年冬防减排效果及其潜在原因分析——以衡水市为例[J]. 环境科学学报, 2019,39(11): 3639-3647.

Wang H B, Yang T, Wang Z F, et al. Analysis of the effect of winter air pollution prevention and control in the “2+26” cities in 2017 and its potential reasons—Taking Hengshui City as an example [J]. Acta Scientiae Circumstantiae [J]. 2019,39(11):3639-3647.

[7]蒋琦清,陈文聪,徐冰烨,等.杭州城区大气颗粒物污染特征及PM2.5潜在源区研究[J]. 中国环境监测, 2020,36(5):88-95.

Jiang Q Q, Chen W C, Xu B Y, et al. The characteristics of atmospheric particles and potential sources of PM2.5in urban Hangzhou [J]. Environmental Monitoring in China, 2020,36(5):88-95.

[8]闫世明,王 雁,郭 伟,等.太原市秋冬季大气污染特征和输送路径及潜在源区分析[J]. 环境科学, 2019,40(11):4801-4809.

Yan S M, Wang Y, Guo W, et al. Characteristics, transportation, pathways, and potential sources of air pollution during autumn and winter in Taiyuan [J]. Environmental Science, 2019,40(11):4801- 4809.

[9]陈莹莹,施建成,杜今阳,等.基于GLDAS的中国区地表能量平衡数值试验[J]. 水科学进展, 2009,20(1):25-31.

Chen Y Y, Shi J C, Du J Y, et al. Numerical experiments of surface energy balance over China area based on GLDAS [J]. Advances IN Water Science, 2009,20(1):25-31.

[10]Su L, Yuan Z B, Fung J C H, et al. A comparison of HYSPLIT backward trajectories generated from two GDAS datasets [J]. Science of the Total Environment, 2015,506:527-537.

[11]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 and Software, 2009,24(8):938-939.

[12]Schäfer K, Wang Y S, Münkel C, et al. Evaluation of continuous ceilometer-based mixing layer heights and correlations with PM2.5concentrations in Beijing [R]. http://dx.doi.org/10.1117/12.830430, 2009-09-24.

[13]Sun Y, Song T, Tang G Q, et al. The vertical distribution of PM2.5and boundary-layer structure during summer haze in Beijing [J]. Atmospheric Environment, 2013,74:413-421.

[14]曾 鹏,辛存林,于 奭,等.典型西南工业城市春冬季PM2.5来源与潜在源区分析——以柳州市为例[J]. 中国环境科学, 2020,40(9): 3781-3790.

Zeng P, Xin C L, Yu S, et al. Analysis of PM2.5sources and potential source areas of typical industrial city in spring and winter: A case study in Liuzhou [J]. China Environmental Science, 2020,40(9):3781- 3790.

[15]Wang Y Q, Zhang X Y, Arimoto R. The contribution from distant dust sources to the atmospheric particulate matter loadings at XiAn, China during spring [J]. Science of the Total Environment, 2006,368(2): 875-883.

[16]闫世明,王 雁,郭 伟,等.太原市秋冬季大气污染特征和输送路径及潜在源区分析[J]. 环境科学, 2019,40(11):4801-4809.

Yan S M, Wang Y, Guo W, et al. Characteristics and transportation pathways and potential sources of air pollution during autumn and winter in Taiyuan [J]. Environmental Science, 2019,40(11):4801- 4809.

[17]马庆鑫,马金珠,楚碧武,等.矿质和黑碳颗粒物表面大气非均相反应研究进展[J]. 科学通报, 2015,60(2):122-136.

Ma Q X, Ma J Z, Chu B W, et al. Current progress towards the heterogeneous reactions on mineral dust and soot (in Chinese) [J]. Chin. Sci. Bull., 2015,60(2):122-136.

[18]叶春翔,李宏军,朱 彤,等.海盐颗粒物表面的NO2非均相反应[J]. 中国科学:化学, 2010,40(12):1765-1771.

Ye C X, Li Z J, Zhu T, et al. Heterogeneous reaction of NO2on the surface of sea salt particles [J]. Chinese Science: Chemistry, 2010, 40(12):1765-1771.

[19]颜 鹏,潘小乐,汤 洁,等.北京市区大气气溶胶散射系数亲水增长的观测研究[J]. 气象学报, 2008,66(1):111-119.

Yan P, Pan X L, Tang J, et al. An observational study on the hydrophilic growth of aerosol scattering coefficient in Beijing urban area [J]. Journal of Meteorology, 2008,66(1):111-119.

[20]刘 娜,余 晔,何建军,等.兰州冬季大气污染来源分析[J]. 环境科学研究, 2015,28(4):509-516.

Liu N, Yu Y, He J J, et al. Source analysis of winter air pollution in Lanzhou [J]. Environmental Science, 2015,28(4):509-516.

[21]刘 娜,余 晔,马学谦.西宁市大气污染来源和输送季节特征[J]. 环境科学, 2021,42(3):1268-1279.

Liu N, Yu Y, Ma X Q. Seasonal characteristics of source and transport of air pollution in Xining [J]. Environmental Science, 2021,42(3): 1268-1279.

[22]杜艳伟,程建光,吴一钢,等.青岛市外源PM2.5传输路径及潜在污染源区[J]. 城市环境与城市生态, 2015,28(4):11-14.

Du Y W, Chen J G, Wu Y G, et al. PM2.5transmission path and potential pollution source area in Qingdao City [J]. Urban Environment and Urban Ecology, 2015,28(4):11-14.

[23]王 坚,赵丽娟.厦门海陆风环流特征与环境空气质量影响研究[J]. 环境科学与管理, 2017,42(6):30-33.

Wang J, Zhao L J. The characteristics of sea-land breeze circulation and the influence of ambient air quality in Xiamen [J]. Environmental Science, 2017,42(6):30-33.

[24]Dimitra Boucouvala, Robert Bornstein. Analysis of transport patterns during an SCOS97-NARSTO episode [J]. Atmospheric Environment, 2003,37(S2):73-94.

[25]王玉国,吴增茂,常志清.辽东湾西岸海陆风特征分析[J]. 海洋预报, 2004,3:57-63.

Wang Y G, Wu Z M, Chang Z Q. Analysis of the characteristics of sea-land breeze on the west coast of Liaodong Bay [J]. Ocean Forecast, 2004,3:57-63.

[26]庄子善,郑美琴,王继秀,等.日照沿海海陆风的气候特点及其对天气的影响[J]. 气象, 2005,(9):66-70.

Zhuang Z S, Zheng M Q, Wang J X, et al. Climatic characteristics of coastal sea-land breeze in Rizhao and its influence on weather [J]. Meteorology, 2005,(9):66-70.

[27]Xu Xiaohong, Zhang Tianchu. Spatial-temporal variability of PM2.5air quality in Beijing, China during 2013～2018 [J]. Journal of Environmental Management, 2020:10.1016lj.jenvman.2020.110263.

Long term characteristics and potential sources of PM2.5in Rizhao City from 2015 to 2019.

WANG Zhong-jie1,2,3, HUO Juan2, DU Hui-yun1, WANG Da-wei1,4, LI Jie1,3,4, ZHANG Chuan-bing5, ZHANG Tao6, WANG Wei7, WANG Hai-bo1,3, YANG Wen-yi1,4*

(1.State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China；2.Key Laboratory of Middle Atmosphere and Global Environment Observation, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China；3.University of Chinese Academy of Sciences, Beijing 100049, China；4.CAS Center for Excellence in Regional Atmospheric Environment, Xiamen 361021, China；5.Rizhao Environmental Monitoring Centre, Rizhao 276800, China；6.Rizhao Eco Environmental Protection Service Centre, Rizhao 276800, China；7.China National Environmental Monitoring Centre, Beijing 100012, China)., 2021,41(9)：3969～3980

Based on the hourly data of PM2.5concentrations and meteorological elements in Rizhao City during 2015 to 2019, the seasonal characteristics of PM2.5and its relationship with wind speed and wind direction were analyzed. Also, the characteristics of sea-land in Rizhao City were summarized. Combined with HYSPLIT model and GDAS data, the 48h backward trajectories of PM2.5concentrations at 02:00, 08:00, 14:00 and 20:00 (BTC) every day in five years were calculated. The main transport pathways and potential source contribution of PM2.5concentrations in different seasons were discussed by cluster analysis and potential source contribution analysis. The influence of sea-land wind on pollutants in Rizhao City was also analyzed. The results showed that the seasonal characteristics of PM2.5concentrations in Rizhao City was the highest in winter and the lowest in summer. The particles concentrations of the monitoring station is higher under the influence of northwest wind. There are differences in the main transport routes in different seasons in Rizhao: in spring, it is mainly affected by the easterly and northerly airflow; in summer, it is mainly affected by the cleaner easterly airflow from the sea under the influence of subtropical high system; in autumn, it is mainly affected by the northwest and easterly airflow; in winter, it is mainly affected by the northwest and northerly airflow. On the whole, the PM2.5concentrations of Rizhao City is higher in different seasons affected by the westerly to southerly airflow. The sea-land wind days are more in spring and autumn,less in summer and winter. Under the influence of sea-land wind, the PM2.5and ozone pollution in Rizhao City present different distribution characteristics, and under different PM2.5pollution levels, the daily variation characteristics of PM2.5concentrations are also different from those in normal days.The results show that the main potential source areas of Rizhao are Linyi City, Weifang City, Qingdao city and Lianyungang City of Jiangsu Province.

PM2.5；backward trajectory；cluster analysis；transport pathway；potential source

X573

A

1000-6923(2021)09-3969-12

王中杰(1996-),男,江苏苏州人,硕士生,主要从事大气环境研究.

2021-01-18

国家自然科学基金项目(91744203);国家重点研发计划(2018YFC0213205)

* 责任作者, 助理研究员, yangwenyi@mail.iap.ac.cn