甘肃省区域颗粒物时空分布特征及传输路径

郭春晔,王 颖,刘 灏,刘 扬,王思潼,李 博

甘肃省区域颗粒物时空分布特征及传输路径

郭春晔1,2,王 颖1*,刘 灏1,刘 扬1,王思潼1,李 博1

(1.兰州大学大气科学学院,半干旱气候变化教育部重点实验室,甘肃 兰州 730000；2.青海省海南藏族自治州气象局,青海 海南 813000)

基于甘肃省2018～2019年颗粒物质量浓度监测数据,分析了全省大气颗粒物浓度的时空变化及排放特征,并利用HYSPLIT后向轨迹模式研究了颗粒物传输路径.结果表明:颗粒物(PM10和PM2.5)空间分布呈现区域特征:PM10浓度高值位于河西走廊地区,由北向南呈阶梯式递减;PM2.5以陇中地区为高值中心,向南北两侧递减,陇南地区为全省颗粒物清洁区.不同地区PM10与PM2.5地面浓度季节变化特征存在差异,陇中、陇东和陇南地区PM10和PM2.5浓度变化特征一致,陇中和陇东地区颗粒物(PM10与PM2.5)浓度冬高夏低,陇南地区则为冬高秋低;河西走廊PM10和PM2.5浓度季节变化不同,PM2.5冬高夏低,PM10春高夏低.后向轨迹聚类结果表明全省春季、冬季均受到来自中亚及新疆的偏西气流影响,该路径输送下可吸入颗粒物(PM10)浓度明显高于其他路径,是典型的沙尘输送路径,4大分区受沙尘传输影响程度依次为河西>陇中>陇东>陇南,来自陕西、川渝的偏东路径是陇南地区颗粒物的主要输送路径,该路径下PM2.5/PM10比值大于0.5,明显高于偏西路径,说明偏东路径人为源污染贡献显著.研究结果有助于全面认识全省颗粒物污染特点、为分区制定颗粒物污染防治政策、以及区域污染协同治理提供科学的参考依据.

颗粒物；时空分布；PM2.5/PM10；HYSPLIT模型；传输路径

自然或人为排放的颗粒物(PM)是造成我国北方大气污染的主要原因[1],可吸入颗粒物(PM10)和细颗粒物(PM2.5)一直以来是大气科学和环境科学领域研究的热点对象[2-5].在过去的十几年中,很多专家学者对中国颗粒物污染的特征、来源、机制和对健康的不利影响进行了大量的研究,但主要集中在中东部发达地区,如京津冀[6-8]、长三角[9-10]和珠三角等地区[11-13],对于西北内陆地区的研究较少,现有的研究也大多局限于较小的城市/区域尺度[14-20],在更大的全省区域尺度上对颗粒物污染成因的研究报道不多,已有的研究仅利用甘肃省国控监测站资料分析PM10或PM2.5的时空分布特征[21-22],数据样本数量偏少(33个国控点),且未结合监测资料和模式进一步分析颗粒物来源.

污染物浓度监测可以反映区域环境质量总体水平和大气环境质量变化趋势,为制定大气污染防治规划和对策提供依据[23].近年来较多的研究发现空气中PM2.5和PM10的比值(PM2.5/PM10比值)较PM2.5与PM10更能准确地指示二次污染程度,辨别人为污染源和自然源的贡献程度[24-26].PM2.5主要来源于化石燃料的燃烧和SO2、NO等气态污染物的二次转化.雾霾污染发生时,二次有机气溶胶(硫酸盐、硝酸盐等)明显增加[27-28],因此,高PM2.5/PM10比值表明颗粒物污染以人为排放源为主;沙尘天气发生时,大部分沙尘粒径集中在2～20μm,其中10μm以下的粒子占比达80%[29],由于大粒子入侵导致PM10浓度升高,而PM2.5浓度相对较低,故PM2.5/ PM10比值可作为判别沙尘天气的一个重要指标[30].也有学者直接将PM2.5/PM10比值为0.5作为判断人为污染和自然污染的标准线[5,31-34],揭示颗粒物污染来源及输送特征.

甘肃省位于我国西北内陆,地处青藏高原、黄土高原、内蒙古高原交汇地带,东西跨度1480km,南北跨度1132km,地形复杂多样,地势自西南向东北倾斜,呈狭长状,特殊的气象气候特征和地形条件使得污染扩散特征存在区域性特点;另一方面,全省的经济发展不均衡造成各地区污染物排放量和排放源类型也相差较大,从而导致各地区污染物浓度时空分布存在明显差异.根据2019年甘肃省生态环境状况公报:全省14个地级市均出现沙尘暴、扬沙、浮尘等沙尘天气过程,剔除沙尘天气后,全省14个地级市PM10浓度在38～79μg/m3之间,PM2.5浓度在19～ 36μg/m3之间,PM10和PM2.5的高值区出现在兰州市,低值区为陇南市;不同地区受沙尘影响的程度存在较大差异.以典型地区为例,2019年河西地区酒泉市共发生沙尘天气40d,剔除沙尘天气前、后PM10浓度分别为83和65μg/m3,PM2.5浓度分别为28和25μg/m3;而位于陇中地区的兰州市2019年受沙尘影响的天数为11d,剔除沙尘天气前、后PM10浓度分别为97和79μg/m3,PM2.5浓度分别为37和36μg/m3.可见,甘肃省的颗粒物浓度受人为源和自然源双重影响.因此,研究甘肃省不同地区颗粒物浓度的时空变化特征,进而识别颗粒物主要来源(人为源或自然源)和路径,对于揭示颗粒物污染形成机理、制定区域大气污染防治政策有着重要的意义[35].

本研究根据地形地貌、气候条件、经济社会发展状况对甘肃省所辖14个地级市进行分区,利用城市国控点及省控点监测的颗粒物日均浓度,分区域探讨颗粒物浓度和PM2.5/PM10比值的时空变化规律,并运用拉格朗日混合型单粒子轨迹模型(HYSPLIT模式)研究不同区域大气颗粒物传输路径,以期更好地了解近年来甘肃省区域颗粒物时空分布、排放和传输特征,为全省颗粒物污染防治、区域大气污染的联防联控和改善环境空气质量提供科学参考.

1 资料与方法

1.1 研究区概况

图1 甘肃省4大分区示意

甘肃省地处我国地理中心,境内有高山、盆地、平川、湿地、沙漠和戈壁等多种地貌类型,形成了复杂多样的气候特征,从南向北包括了亚热带季风气候、温带季风气候、温带大陆性(干旱)气候和高原高寒气候等四大气候类型,年平均气温9℃左右,大部分地区气候干燥,年平均降水量约为450mm,总体从东南向西北递减;受季风影响,降水多集中在6～8月份[36].综合地形地貌、气候因素、经济社会发展状况,本研究将甘肃省划分为陇中(兰州、白银、定西、天水及临夏)、河西走廊(酒泉、嘉峪关、张掖、金昌、武威)、陇东(平凉、庆阳)、陇南(甘南、陇南)4大分区(如图1所示),以分区为基本单元研究不同区域颗粒物污染特征和输送特征.

1.2 资料来源

污染物浓度资料来源于甘肃省33个环境空气质量国控监测点和113个环境空气质量省控监测点2018～2019年PM10和PM2.5的逐日监测数据.

HYSPLIT模式的气象资料来源于美国国家环境预报中心(NCEP)2018～2019年逐日4时次(00:00、06:00、12:00和18:00)的GDAS数据,其水平分辨率为1°×1°,垂直方向分为23层,包括温度、气压、相对湿度、地面降水、水平和垂直风速等气象要素.

1.3 研究方法

1.3.1 季节划分 颗粒物污染与季节变化紧密相关,且采暖季与非采暖季污染源排放相差较大,甘肃省大部分地区冬季供暖从11月开始(陇南地区从11月下旬开始)[22],因此,本研究划分3～5月为春季,6～8月为夏季,9～10月为秋季,11～次年2月为冬季.

1.3.2 颗粒物平均浓度 各地级市颗粒物日均浓度和月均浓度是该城市内所有监测点(包括国控点和省控点)的2018年和2019年监测数据的算术平均值.

1.3.3 模式介绍 在一定地理与气象条件下,大气污染物随气团运动可实现中、远距离传输,造成跨区域大气污染现象[37].利用HYSPLIT模型模拟气团迁移,并以直观的路径展现大气污染物潜在传输轨迹,在大气污染物迁移路径、大气污染物源区与建立源-受体关系的研究方面有着广泛应用.

本文采用HYSPLIT模式模拟气团后向轨迹,以分析甘肃省城市大气污染物潜在传输规律. HYSPLIT模式适用于处理多种气象要素输入场和多种物理过程,可用于计算气团轨迹、模拟复杂的扩散和沉降过程.HYSPLIT模式假定质点是随着风场而运动的,轨迹是质点在时间和空间上的积分,质点所在位置的矢量速度都是在时间和空间上线性插值得出的.气团的路径主要与流场形势、气压系统移动和地形有关.下一时刻质点的位置由初始位置(P)的速度和第一猜值所在点(P’)的速度平均后,与时间步长的乘积得到:

积分时间步长可变:

2 结果与讨论

2.1 空间分布特征

甘肃省颗粒物(PM10和PM2.5)的年均浓度空间分布情况如图2所示,可以看出颗粒物浓度分布总体呈北高南低,西高东低的空间分布特征.从PM10质量浓度空间分布(图2a)可以看出,河西走廊是PM10质量浓度高值区,监测站点最大年均值达198μg/m3,该区域是中国西北干旱区沙尘暴活动较频繁的地区,因此,监测的颗粒物浓度较高,PM10浓度由北向南经陇中、陇东、陇南地区呈阶梯式递减;从PM2.5质量浓度空间分布(图2b)可知,PM2.5的超标地区(年均值>35μg/m3)主要集中在河西走廊和陇中一带,监测站点最大年均值为59μg/m3,除河西走廊受沙尘传输影响导致监测的PM2.5浓度较高外,陇中河谷盆地也是PM2.5的高值区,该区域人口集中、经济较为发达,工业、交通和生活源排放的颗粒物较多,另一方面,河谷盆地地形不利于污染物的扩散,也是导致该区域PM2.5浓度较高的原因;4大分区中陇南地区颗粒物(PM10和PM2.5)浓度最低,监测站点PM10和PM2.5最低值分别为38与16μg/m3,较少的人口基数与绿色环保的产业结构(农产品加工、生态旅游产业和现代新兴产业等)使得大气污染物排放总量低,是区域空气质量较优的主要原因.

全省4个季节可吸入颗粒物浓度的空间分布特征如图3所示.由图3可知,PM10的空间分布呈现明显的季节变化特征;春季PM10浓度高值区位于河西走廊地带,从北向南递减,依次为河西走廊>陇中地区>陇东地区>陇南地区,空间上呈现西北到东南阶梯式递减的变化特点.夏秋季节空间分布特征与春季相似,无明显变化,仅表现为数值上的明显降低.冬季与春季相比,河西、陇中地区均出现较明显的高值中心,其他区域变化不明显.从图4可以看出,冬季PM2.5以陇中地区为高值中心向四周递减,在河西中部地区出现次高值,其他季节变化特征与PM10类似,高、低值中心分别位于河西走廊、陇南地区,从北向南逐级递减.

图2 甘肃省PM10、PM2..5年均质量浓度空间分布

图3 甘肃省春季,夏季,秋季和冬季PM10空间分布特征

2.2 时间分布特征

为了更好地了解甘肃省大气污染物的季节变化特征,分别对陇中、河西、陇东、陇南地区颗粒物质量浓度月均值进行分析(图5和表1所示).由图5(a)和表1可知,河西走廊地区PM10质量浓度变化呈现春季>冬季>秋季>夏季的特点,受沙尘天气影响,春季是PM10污染最重时期;而陇中、陇东、陇南地区的PM10浓度冬季最高,春季次之,全省除陇南地区PM10最低值出现在秋季外,其他地区夏季出现全年最低值.由图5(b)和表1可知,不同于PM10,全省4大区域PM2.5浓度最高值均出现在冬季,这是冬季燃煤取暖使得污染物排放量较大和大气温度层结相对稳定的气象条件共同影响的结果,前者增加了一次污染物及其前体物的排放,后者不利于大气污染物的扩散,从而导致近地表PM2.5浓度的积累[38-39].不同分区的细颗粒物浓度最低值出现的季节不同,河西、陇中、陇东地区PM2.5浓度最低值出现在夏季,陇南地区则出现在秋季.

图4 甘肃省春季,夏季,秋季,冬季PM2.5空间分布特征

图5 甘肃省4大分区颗粒物浓度月变化特征

图中从上到下依次为陇中地区、河西走廊地区、陇东地区和陇南地区

综上,全省PM10和PM2.5重污染时期出现在冬春季节,轻度污染出现在夏秋季节,陇中、陇东地区时间变化特征相似,PM10和PM2.5浓度都呈现出冬季最高,夏季最低的特点,这可能与两个地区地理特征、气象特征类似有关;陇南地区PM10与PM2.5最高值均出现在冬季,最低值出现在秋季;河西地区则表现为PM10春季最高,夏季最低,PM2.5冬季最高,夏季最低的特点.

表1 甘肃省4大分区颗粒物浓度季节均值(μg/m3)

2.3 颗粒物来源辨识

甘肃省4大分区PM2.5/PM10比值月变化特征如图6所示.由图6可以看出,全省PM2.5/PM10比值呈现明显的季节变化特征,春季PM2.5/PM10比值最低(0.31～0.44),表明全省春季颗粒物受到沙尘传输的影响显著;冬季PM2.5/PM10比值最高(0.44～0.53),是颗粒物受人为排放源影响较大的季节.从空间分布特征来看,4大分区中河西走廊地区PM2.5/PM10比值最低,PM2.5/PM10比值介于0.31～0.44,表明沙尘传输对该区域颗粒物浓度影响较大;陇南地区PM2.5/PM10比值最高,PM2.5/PM10比值介于0.44～0.52,除了春季比值为0.44外,其他3个季节均大于0.5,说明该区域颗粒物受人为源排放影响较大;陇中地区冬季PM2.5/PM10比值最高,达0.52,其他3个季节均低于0.5;陇东地区夏冬季PM2.5/PM10比值接近0.5,春季比值最低(0.39).

图6 甘肃省4大分区PM2.5/PM10月变化特征

红色实线代表中位数、箱型上边框代表上四分位数、下边框代表下四分位数

2.4 大气颗粒物传输路径分析

甘肃省4大分区颗粒物浓度季节变化特征均呈现冬、春季节高,夏、秋季节低的特点,因此,本节选择兰州市、酒泉市、庆阳市、陇南市作为陇中、河西、陇东、陇南4大分区的代表城市,利用HYSPLIT模型对2018～2019年4大分区后向轨迹进行聚类分析.

Borge等[40]指出,轨迹高度和聚类数量的选择对研究结果有重要影响,刘灏等[41]的研究结果表明轨迹的起始点高度设置为500m,能够反映天气形势对近地面流场的影响,且颗粒物浓度极值比和极值差均较大,聚类结果最具代表性,因此,本研究后向轨迹起始高度设置500m;区域输送是天气尺度过程,典型的时间尺度从数天到一周不等,故本文计算时间设置为72h[42].根据轨迹聚类结果,并结合不同路径下的颗粒物浓度,研究不同轨迹对甘肃省各分区大气污染物浓度的影响.

2.4.1 冬季 甘肃省4大分区冬季72h后向轨迹如图7所示,不同气流轨迹下PM10和PM2.5浓度的算数平均值统计见表2,综合图7、表2可知,影响河西走廊的气流均来自西部,路径1和路径3起源于新疆塔里木盆地的塔克拉玛干沙漠,占比达51.46%和19.17%,路径2起源于中亚地区,占比达29.38%,这3条路径的PM10浓度为123～143μg/m3,均较高,PM2.5的浓度为42～49μg/m3,PM2.5/PM10比值较低(0.32～ 0.38),颗粒物呈现出较强的沙尘传输影响特征.陇中地区受西部路径(轨迹1、2和4)和东部路径(轨迹3)影响,西部路径主要起源于新疆,西藏和中亚地区,是影响陇中地区颗粒物浓度的主要路径,东部路径源自邻省宁夏,占比19.17%;陇东地区主要受西部路径(路径2)、西北路径(路径1)和东部路径(路径3)影响,西部路径2来自新疆中西部地区,占比达41.56%;西北路径1(33.02%)来自内蒙古境内,东部路径3(25.42%)则起源于陕西地区;陇南地区与陇中相似,受西部路径(路径2、3和4)和东部路径(路径1)影响,西部路径源自中亚及南疆区域,东部路径则来自于邻省陕西一带,占比最高,达46.35%,该路径PM2.5/PM10比值最高(0.51),显示较强的人为源污染输送特点.

图7 甘肃省4大分区典型城市冬季HYSPLIT后向轨迹

全省4大分区均受到偏西路径的影响,陇南地区偏西路径占比53.65%,其余3个分区占比均高于75%,河西走廊地区占比最高,达100%;除河西走廊外,其余3个分区冬季还受到不同程度东部路径影响,其中陇南地区占比最大,达46.35%.从不同路径对颗粒物浓度的影响看,起源于中亚、新疆、内蒙等地偏西气流输送影响下的颗粒物浓度大于来自毗邻省份陕西、宁夏地区的东部路径对应颗粒物浓度,表明偏西路径为影响全省4大分区颗粒物浓度的主要路径.

2.4.2 春季 全省4大分区春季气团轨迹聚类结果如图8所示,不同轨迹对应PM10、PM2.5浓度的算数平均值如表3所示,综合图8和表3发现:(1)河西走廊地区主要受西部路径(轨迹1和3)、西北路径(轨迹4)、东北路径(轨迹2)影响,其中西部路径起源于新疆境内,占比达67.66%,是影响河西走廊地区的主要路径;西北路径主要来自中亚地区,占比12.64%,该路径最长,代表该路径气流输送最快;东北路径则来自蒙古境内,占比19.70%;4个路径PM2.5和PM10浓度相差不大,PM2.5/PM10比值0.31～0.36,颗粒物浓度呈现以沙尘输送为主要影响的特征;(2)陇中地区受西北路径(轨迹1、2)和东部路径(轨迹3)的影响,西部路径主要起源于新疆和省内河西地区,占比为60.33%,该方向路径PM10平均浓度133～137μg/m3;东部路径则主要来自邻省宁夏地区,占比39.67%,该路径PM10浓度明显低于西北路径1和2;(3)陇东地区受西北路径(路径1、3)、东部路径(路径2)影响,两个方向路径占比相差不大;西北路径来自新疆、内蒙地区,该方向路径PM10平均浓度118～120μg/m3;东部路径则来自陕西地区,占比48.78%,该路径下PM10浓度明显低于西部路径;(4)陇南地区主要受西北路径(路径2)、北部路径(路径3)和东部路径(路径1)影响,西北路径源自新疆区域,占比23.64%,该路径下PM10平均浓度为58μg/m3,高于其他两个路径;北部路径来自内蒙境内,占比14.67%,该路径下PM2.5和PM10浓度均最低,为清洁路径;东部路径来自川渝一带,占比最高,达61.68%.

表2 甘肃省4大分区冬季颗粒物聚类统计

图8 甘肃省4大分区典型城市春季HYSPLIT后向轨迹

总体来看,春季全省4大分区均受到偏西路径、偏东路径影响,相比冬季,4大分区偏东路径的占比均有所增加;其中河西地区偏西路径占比最高达80.30%,陇南地区偏东路径占比最高达61.68%,除此之外,陇南地区还受到少量偏北气流影响;不同路径影响下的颗粒物浓度特征与冬季类似,偏西、北部路径均高于偏东路径,4大分区中起源于中亚、新疆、内蒙等地的偏西北路径仍为可吸入颗粒物污染主要贡献路径.

表3 甘肃省4大分区春季颗粒物聚类统计

综合分析可知,全省4大分区地处北半球西风环流带,冬春季节受西伯利亚寒流影响较强,偏西、西北气流占绝对优势[43],西、北部路径起源于塔克拉玛干沙漠、罗布泊、库木塔格沙漠、腾格里沙漠、柴达木盆地等沙漠戈壁地区[44],对全省4大分区冬春季节颗粒物污染贡献较高,为污染物主要传输路径;相比冬季,春季偏西、北部路径占比减少,偏东路径占比增加.

3 结论

3.1 沙尘传输对甘肃省可吸入颗粒物(PM10)浓度影响较大,PM10浓度空间分布呈北高南低的特征,河西走廊是高值区,陇南为低值区;受山地地形不利扩散条件和排放量较大双重影响,细颗粒物(PM2.5)浓度呈现以陇中地区为高值中心,南北两侧逐渐递减的分布特征.

3.2 甘肃省4大分区颗粒物浓度时间变化特征为冬春季浓度最高,夏秋季浓度最低;其中陇中、陇东地区颗粒物浓度季节变化特征相似,表现为冬高夏低;河西走廊则表现为PM2.5冬高夏低,PM10春高夏低,陇南地区二者则为冬高秋低的变化特征.

3.3 全省冬季主要受来自新疆、中亚的西部路径影响,该路径下PM2.5/PM10比值低于0.5,显示较强的沙尘输送特征,河西走廊受西部路径影响的程度最大,其次为陇中、陇东,陇南地区受沙尘影响程度最低;春季4大分区受东部路径影响的比例较冬季明显增强,陇南地区受东部路径的影响占比达61.58%,该路径PM2.5/PM10比值大于0.5,说明人为源排放对颗粒物浓度影响较大.

[1] García M Á, Sánchez M L, de L R A, et al. Analysis of PM10and PM2.5concentrations in an urban atmosphere in Northern Spain [J]. Archives of Environmental Contamination and Toxicology, 2019,76 (2):331-345.

[2] Ulla A H, Mette S, Camilla G, et al. Long-term residential exposure to PM2.5, PM10, black carbon, NO2, and ozone and mortality in a Danish cohort [J]. Environment International, 2019,123:265-272.

[3] 刘 凡,谭钦文,江 霞,等.成都市冬季相对湿度对颗粒物浓度和大气能见度的影响[J]. 环境科学, 2018,39(4):1466-1472.

Liu F, Tan X W, Jiang X, et al.Effect of relative humidity on particulate matter concentration and visibility during winter in Chengdu [J]. Environmental Science, 2018,39(4):1466-1472.

[4] 赵晨曦,王云琦,王玉杰,等.北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系[J]. 环境科学, 2014,35(2):418-427.

Zhao C X, Wang Y Q, Wang Y J, et al. Temporal and spatial distribution of PM2.5and PM10pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing [J]. Environmental Science, 2014,35(2):418-427.

[5] 查慧敏.河北省PM2.5/PM10比值时空分布及影响因素分析[D]. 石家庄:河北师范大学, 2020.

Cha H M. Analysis on the Spatial and temporal of PM2.5/PM10ratio and its influencing factors in Hebei Province [D]. Shijiazhuang: Hebei Normal University, 2020.

[6] 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 atmospheric PM2.5in winter in Beijing [J]. Environmental Science, 2021,42(5):2101-2109.

[7] Wang Y Q, Zhang X Y, Arimoto R, et al. The transport pathways and sources of PM10pollution in Beijing during spring 2001, 2002 and 2003 [J]. Geophysical Research Letters, 2004,31(14).

[8] 古金霞,陈泽鑫,李琳希,等.京津冀区域颗粒物污染特征研究[J]. 南开大学学报(自然科学版), 2020,53(5):26-32.

Gu J X, hen Z X, Li L X, et al. The pollution characteristics of particulate matter in Beijing-Tianjin-Hebei region [J]. Journal of Nankai University (Natural Science edition), 2020,53(5):26-32.

[9] 王心培.长三角背景点大气颗粒物中水溶性无机离子污染特征、来源与形成机制[D]. 上海:华东师范大学, 2020.

Wang X P. Chemical characteristics,sources and formation mechanisms of atmospheric water-soluble inorganic ions at a background site of Yangtze River Delta Region, China [D]. Shanghai: East China Normal University, 2020.

[10] 刘可可.合肥市重污染天气PM2.5和PM10组成特征及来源分析[D]. 合肥:中国科学技术大学, 2020.

Liu K K. The characteristics and pollution source of PM2.5and PM10in heavy pollution weather in Hefei, China [D]. Hefei: University of Science and Technology of China, 2020.

[11] 王肖杰.珠三角地区不同粒径大气颗粒物对不同类型脑卒中死亡的急性效应及死亡负担研究[D]. 广州:广东药科大学, 2019.

Wang X J. Particulate matter pollution of different particle sizes and stroke mortality:estimating the associations and attributable risk in the Pearl River Delta Region [D]. Guangzhou: Guangdong Pharmaceutical University, 2019.

[12] 张夏夏.基于长时段多站点组分监测的珠三角颗粒物来源解析研究 [D]. 广州:华南理工大学, 2018.

Zhang X X. Source apportionment based on long-term PM compositional monitoring at multiple stations over the Pearl River Delta [D]. Guangzhou: South China University of Technology, 2018.

[13] 赖安琪,陈晓阳,刘一鸣,等.珠江三角洲PM2.5和O3复合污染过程的数值模拟[J]. 中国环境科学, 2017,37(11):4022-4031.

Lai A Q, Chen X Y, Liu Y M, et al. Numerical simulation of a complex pollution episode with high concentrations of PM2.5and O3over the Pearl River Delta region, China [J]. China Environmental Science, 2017,37(11):4022-4031.

[14] 贾晓鹏,王海兵.甘肃河西地区大气沙尘成分及影响分析[J]. 中国沙漠, 2009,29(1):156-161.

Jia X P, Wang H B. Analysis of atmospheric dust composition and its influence in Hexi Corridor, Gansu [J]. Journal of Desert Resaerch, 2009,29(1):156-161.

[15] 王 芳.兰州市大气颗粒物及其化学组分污染特征和成因研究[D]. 兰州:兰州大学, 2014.

Wang F. Pollution characteristics and formation causes of atmospheric particles and its chemical components in Lanzhou city [D]. Lanzhou: Lanzhou University, 2014.

[16] 王芳龙.天水市主要大气污染物特征研究[D]. 兰州:西北师范大学, 2020.

Wang F L. Characteristics of main air pollutants in Tianshui [D]. Lanzhou: Northwest Normal University, 2020.

[17] 蒙晓瑞.酒泉市大气颗粒物PM10、PM2.5中无机元素污染特征研究和来源解析[D]. 兰州:兰州交通大学, 2020.

Meng X R. Pollution characteristics and source analysis of inorganic elements in atmospheric PM10and PM2.5in Jiuquan city [D]. Lanzhou: Lanzhou Jiaotong University, 2020.

[18] 常 毅,刘得守,刘文君.兰州城市大气中PM10污染特征研究[J]. 中国环境监测, 2020,36(4):45-52.

Chang Y, Liu D S, Liu W J. Study on the pollution characteristics of PM10in Lanzhou City [J]. Environmental Monitoring in China, 2020,36(4):45-52

[19] 赵留元,李子璇,吕沛诚等.基于SPAMS的兰州市2018年冬季沙尘天气过程细颗粒物污染特征及来源研究[J]. 环境科学学报, 2020, 40(2):388-400.

Zhao L Y, Li Z X, Lü P C, et al. Pollution characteristics and sources of atmospheric fine particulates during the period of 2018, winter dust weather in Lanzhou City based on SPAMS technology [J]. Acta Scientiae Circumstantiae, 2020,40(2):388-400.

[20] 贾维平,李 斌,刘兴鹏,等.2013～2017年武威市大气颗粒物浓度时空变化研究[J]. 甘肃科技, 2018,34(24):29-34.

Jia W P, Li B, Liu X P, et al. Spatio-temporal variation of atmospheric particulate matter concentration in Wuwei City from 2013 to 2017 [J]. Gansu Science and Technology, 2018,34(24):29-34.

[21] 王亚领.甘肃省2016年夏季大气首要污染物PM10的空间分析[D]. 兰州:兰州大学, 2017.

Wang Y L. Spatial analyis of PM10, the primary pollutant of atmosphere in Gansu province in the summer of 2016 [D]. Lanzhou: Lanzhou University, 2017.

[22] 胡良柏.基于GIS的甘肃省城市PM2.5的时空分布特征研究[J]. 环境保护科学, 2019,45(1):79-83.

Hu L B. The temporal and spatial distribution of PM2.5in the urban of Gansu province based on GIS technology [J]. Environmental Protection Science, 2019,45(1):79-83.

[23] Nelson L. S. Future directions of meteorology related to air-quality research [J]. Environment International, 2003,29(2):245-252.

[24] Pateraki S, Asimakopoulos D N, Flocas H A, et al. The role of meteorology on different sized aerosol fractions (PM10, PM2.5, PM2.5-10) [J]. Science of The Total Environment, 2012,419:124-135.

[25] Kok Jasper F, Parteli Eric J R, Michaels Timothy I,et al. The physics of wind-blown sand and dust [J]. Reports on progress in physics. Physical Society (Great Britain), 2012,75(10):106-901.

[26] Huang R J, Zhang Y L, Bozzetti K, et al. High secondary aerosol contribution to particulate pollution during haze events in China [J]. Nature: International weekly journal of science, 2014,514(7521): 218-222.

[27] Lm A, Ling J A, Jl B, et al. PM2.5in the Yangtze River Delta, China: Chemical compositions, seasonal variations, and regional pollution events [J]. Environmental Pollution, 2017,223:200-212.

[28] Xie Y Z, Liu Z R, Wen T J, et al. Characteristics of chemical composition and asonal variations of PM2.5in Shi jia zhuang, China: Impact of primary emissions and secondary formation Science of the Total Environment [J]. Ecology Environment & Conservation, 2019,677:215-229.

[29] Zhang X Y, Arimoto R, Zhu G H, et al. Concentration, size- distribution and deposition of mineral aerosol over Chinese desert regions [J]. Tellus B, 1998,50(4):317-330.

[30] Filonchyk M, Yan H, Yang S, et al. A study of PM2.5and PM10concentrations in the atmosphere of large cities in Gansu Province, China, in summer period [J]. Journal of Earth System Science, 2016, 125(6):1-13.

[31] Sumesh R K, Rajeevan K, Resmi E A, et al. Particulate Matter Concentrations in the Southern Tip of India: Temporal Variation, Meteorological Influences, and Source Identification [J]. Earth Systems & Environment, 2017,1(2):13.

[32] Chai F H, Gao J, Chen Z X, et al. Spatial and temporal variation of particulate matter and gaseous pollutants in 26cities in China [J]. Journal of Environmental Sciences, 2014,26(1):75-82.

[33] 蔡惠文,吴序鹏.常州地区PM10和PM2.5质量浓度的变化特征[C]//中国环境科学学会.2013中国环境科学学会学术年会论文集(第五卷).中国环境科学学会:中国环境科学学会, 2013.

Cai H W, Wu X P. Variation characteristics of PM10and PM2.5mass concentration in Changzhou region [C]//Chinese Society for Environmental Science.2013 Annual Conference proceedings of Chinese Society for Environmental Science (Vol.5). Chinese Society for Environmental Science: Chinese Society for Environmental Science, 2013.

[34] 马敏劲,杨秀梅,丁 凡,等.中国南北方大气污染物的时空分布特征[J]. 环境科学与技术, 2018,41(5):187-197.

Ma M J, Yang X M, Ding F, et al. Temporal and spatial distribution of atmospheric pollutants between Northern China and Southern China [J]. Environmental Science & Technology, 2018,41(5):187-197.

[35] Zhao S P, Yu Y, Yin D Y, et al. Spatial patterns and temporal variations of six criteria air pollutants during 2015 to 2017 in the city clusters of Sichuan Basin, China [J]. Science of the Total Environment, 2018, 624:540-557.

[36] 苏亚乔.甘肃中部地区人工增雨适宜条件分析[D]. 兰州:兰州大学, 2019.

Su Y Q. Suitable conditions for artificial precipitation enhancement in the central region of Gansu Province [D]. Lanzhou: Lanzhou University, 2019.

[37] Ramanathan V, Feng Y. Air Pollution, Greenhouse Gases and Climate Change: Global and Regional Perspectives [J]. Atmospheric Environment, 2009,43(1):37-50.

[38] Cao J J, Shen Z X, Chow J C, et al. Winter and summer PM2.5chemical compositions in fourteen Chinese cities [J]. Journal of the Air & Waste Management Association (1995), 2012,62(10):1214-26.

[39] Ma X Y, Jia H L, Sha T, et al. Spatial and seasonal characteristics of particulate matter and gaseous pollution in China: Implications for control policy [J]. Environmental Pollution, 2019,248:421-428.

[40] Borge R, Lumbreras J, Vardoulakis S, et al. Analysis of long-range transport influences on urban PM10using two-stage atmospheric trajectory clusters [J]. Atmospheric Environment, 2007,41(21):4434- 4450.

[41] 刘 灏,王 颖,王思潼,等.基于HYSPLIT4模式的天水市颗粒物输送路径的研究[J]. 中国环境科学, 2021,41(8):3529-3538.

Liu H, Wang Y, Wang S T, et al. Study on the transport path of particles in Tianshui City based on HYSPLIT4model [J]. China Environmental Science, 2021,41(8):3529-3538.

[42] Abdalmogith S S, Harrison R M. The use of trajectory cluster analysis to examine the long-range transport of secondary inorganic aerosol in the UK [J]. Atmospheric Environment, 2005,39(35):6686-6695.

[43] 邓萌杰,闫雨龙,胡冬梅,等.长治市沙尘天气污染特征及传输路径解析[J]. 中国环境科学, 2020,40(10):4275-4283.

Deng M J, Yan Y L, Hu D M, et al. Analysis of dust weather pollution characteristics and transmission paths in Changzhi, China [J]. China Environmental Science, 2020,40(10):4275-4283.

[44] 赵燕华,张文娟,高庆先,等.中国的沙尘暴及其研究进展[C]//中国环境科学学会大气环境分会.大气环境科学技术研究进展第九届全国大气环境学术会议论文集, 2002:79-86.

Zhao Y H, Zhang W J, Gao Q X, et al. Sandstorm in China and its research progress [C]//Atmospheric Environment Branch, Chinese Society for Environmental Sciences. Advances in atmospheric environmental science and technology. Proceedings of the ninth National Conference on Atmospheric Environment, 2002:79-86.

Spatial and temporal distribution characteristics and transport path analysis of regional particulate matter over Gansu Province.

GUO Chun-ye1,2, WANG Ying1*, LIU Hao1, LIU Yang1, WANG Si-tong1, LI Bo1

(1.Key Laboratory of semi-arid climate change, Ministry of Education, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China；2.Hainan Tibetan Autonomous Prefecture Meteorological Bureau, Qinghai Province, Hainan 813000, China)., 2021,41(9)：3990～4000

Based on the monitoring data of particulate matter mass concentration, the spatial-temporal variation and emission characteristics of atmospheric particulate matter concentration were analyzed across the Gansu Province for the time period of 2018～2019, with a focus of the transport path of particulate matter using the HYSPLIT backward trajectory model. The results suggested that: Different spatial distribution of PM10and PM2.5were shown across the Gansu Province with a significant regional dependency. The peak value of PM10concentration was located at the Hexi Corridor area, with a strong step-decreasing from north to south. While, the high value center of PM2.5concentration was observed over Longzhong region, which experienced a extending decreasing to the north and south. Furthermore, Longnan region was identified as the noticeable clean area of particulate matter across the Gansu Province. Significant discrepancies were found in the seasonal variation of PM10/PM2.5concentrations among different regions. The similar seasonal patterns of PM10/PM2.5concentration were found over central Gansu, eastern Gansu and southern Gansu, with the concentration of PM10and PM2.5both peaking in winter (winter) but plunging in summer (autumn) at Longzhong and Longdong (Longnan). However, different seasonal variations of PM10and PM2.5concentrations were found over Hexi Corridor, where PM2.5was found to be experiencing high concentration in winter and low in summer, but high concentration of PM10was shown in spring and low in summer. The backward trajectory clustering results showed that the Gansu province was strongly governed by the west air current which come from central Asia and Xinjiang, especially in spring and winter time. This path is considered to be a typical dust transport pathway across the Gansu Province when considering the higher concentration of PM10than others, with which affecting. the four regions in the order of Hexi > Longzhong > Longdong > Longnan. The eastern path from Shanxi, Sichuan & Chongqing with PM2.5/PM10ratio over 0.5which is significantly higher than the western one was deemed to be the dominant transmission path in Longnan area, which indicated that the contribution of man-made source pollution along the eastern path is significant. The results of this study can serve as a scientific reference for comprehensively understanding the characteristics of particulate pollution in the Gansu Province, formulating regional particulate pollution prevention and regional cooperative governance policies.

particulate matter；spatial and temporal distribution；PM2.5/PM10；HYSPLIT model；transmission path

X513

A

1000-6923(2021)09-3990-11

郭春晔(1993-),女,青海海东人,兰州大学硕士研究生,主要研究方向为污染气象与环境空气质量模拟.

2020-01-26

甘肃省科技计划项目(18JR2RA005)

* 责任作者, 副教授, yingwang@lzu.edu.cn