甘肃地区春冬季颗粒物输送路径及潜在源分析——基于HYSPLIT4模式及TraPSA分析平台

张 芊,庞 可,马彩云,陈恒蕤,马明月,孔祥如,潘 峰*

甘肃地区春冬季颗粒物输送路径及潜在源分析——基于HYSPLIT4模式及TraPSA分析平台

张 芊1,庞 可1,马彩云1,陈恒蕤1,马明月2,孔祥如1,潘 峰1*

(1.兰州大学大气科学学院,甘肃 兰州 730000；2.中国石化集团北京燕山石油化工有限公司,北京 102400)

利用HYSPLIT4模式和全球资料同化系统数据,计算了甘肃地区5个站点2017～2018年逐时72h气团后向轨迹;结合各站点颗粒物逐时质量浓度数据,选择颗粒物污染最严重的春冬季,利用轨迹聚类方法分析了甘肃地区后向气流轨迹特征;基于潜在源贡献函数(PSCF)分析法和浓度权重轨迹(CWT)分析法,将各站点分析结果输入TraPSA分析平台进行加权叠加分析,探讨了影响甘肃地区春冬季颗粒物质量浓度的潜在源区及其贡献.结果表明:西北路径是影响甘肃地区的首要路径,其移动速度快、输送距离长、污染程度严重;东北路径次之,主要来源地为蒙古及内蒙古地区;甘肃南部地区受东南路径的短距离输送影响较大,且受到来自青藏高原的输送影响;甘肃地区春季气团轨迹的输送距离较冬季长且输送高度高,冬季PM2.5浓度均值和PM2.5/PM10的比值均较夏季高.多站点PSCF叠加分析发现,PM10潜在贡献源区春季主要分布在新疆东部、准噶尔盆地、塔里木盆地东北部及青海西北部,蒙古南部、四川北部、青海西北部及东部有零星分布;冬季主要位于新疆东部及塔里木盆地、青海西北部及东部、陕西南部;冬季源区整体向南偏移,且省内的短距离输送加强.多站点CWT叠加分析发现,PM10浓度贡献区春季主要位于新疆东部地区、准噶尔盆地附近,蒙古南部及内蒙古北部有线性分布,青海北部及甘肃北部区域有零星分布;冬季主要分布在新疆东部及甘肃北部地区;春季较冬季PM10污染的主要贡献区域更大、污染更重,但省内的短距离传输及颗粒物污染程度减弱.

甘肃地区；大气颗粒物；HYSPLIT4模式；聚类分析；潜在源贡献函数(PSCF)分析；浓度权重轨迹(CWT)分析；多站点叠加分析

城市颗粒物的污染情况,不仅与本地的污染源排放有关,还与跨区域的外来输送影响有关[1].裴坤宁等[2]、薛文博等[3]利用数值模拟方法探讨了跨区域的颗粒物污染输送来源,表明跨区域传输对城市的颗粒物污染有显著贡献,因此,研究污染物跨区域输送对城市大气污染防治具有重要意义.

后向轨迹模式(HYSPLIT4)是研究大气颗粒物跨区域输送的方法,潜在源贡献函数(PSCF)分析法和浓度权重轨迹(CWT)分析法被广泛用于识别潜在源区.国内外学者利用上述方法,对多种污染物在各地区的传输和扩散进行了广泛研究[4-6].李颜君等[7]、高阳等[8]利用HYSPLIT4后向轨迹模式和全球资料同化系统数据,计算了北京市、豫南地区的气流后向轨迹,运用PSCF分析法和CWT分析法,探讨了研究时期内颗粒物质量浓度的潜在源区以及对颗粒物质量浓度的贡献;卢俊平等[9]借助HYSPLIT4模式分析了京蒙沙源区水库大气氮沉降的变化特征;Lee等[10]、Han等[11]则通过后向轨迹、PSCF等方法,分析了韩国永祥岛、纽约州(波茨坦、斯托克顿和斯特林)的气态汞来源.

对于甘肃地区的颗粒物污染研究,研究者[12-14]利用HYSPLIT4后向轨迹模式研究了省内不同地区污染物的输送路径及贡献源区,但目前的研究大多为单站点、局部区域,对于多站点、甘肃地区的叠加分析较少,因此,本文利用HYSPLIT4模式及其聚类模块,结合甘肃地区5个监测站点2016年12月～2019年2月PM10及PM2.5的逐时观测资料,分析春冬季不同输送轨迹类型与甘肃地区颗粒物浓度的关系,并统计分析不同气流轨迹的污染物特征,同时利用TraPSA分析平台叠加各站点PSCF分析结果和CWT分析结果,研究影响甘肃地区颗粒物质量浓度的主要潜在源区,为不同季节大气污染防治措施的制定提供参考.

1 数据与方法

1.1 数据来源与站点选取

污染物浓度数据来源于甘肃省5个环境空气质量国控监测点的2016年12月～2019年2月逐小时监测数据,其主要污染物监测指标为 PM10、PM2.5、SO2、NO2、CO及O3.模式气象资料来源于美国国家环境预报中心(NCEP)提供的全球资料同化系统(GDAS)2016～2019年的气象数据.该数据每6h记录一次,分别为00:00、06:00、12:00和18:00(UTC,世界时),水平分辨率为1°×1°,垂直方向分23层,气象要素包括温度、气压、相对湿度、水平和垂直风速等.

从甘肃北部至南部选取酒泉市仓门街子站(98.509°E,39.746°N)、张掖市监测站(100.4686°E, 38.9467°N)、兰州市铁路设计院站(103.831°E, 36.0464°N)、天水市文化馆站(105.8614°E, 34.5653°N)、甘南州监测站(102.905°E,35.0003°N)5个站点作为主要研究站点,其覆盖了甘肃主要城市、河西走廊南北两端以及不同地形地貌、不同海拔地区,站点分布见图1.

1.2 研究方法

1.2.1 HYSPLIT4模式 HYSPLIT4(混合单粒子拉格朗日综合轨迹模式)轨迹模式是欧拉和拉格朗日混合型的扩散模式,其平流和扩散计算采用拉格朗日方法,以跟踪气流所携带的粒子的移动方向,浓度计算采用欧拉方法,气流垂直方向高度的计算则是利用气象数据中的位势高度数据,将其插值到遵循模式内部坐标系的地形数据中,以计算气流相对地面高度[15-17].

本文利用HYSPLIT4模式进行甘肃地区5个国控站点所在区域的后向轨迹模拟及聚类,并进行PSCF和CWT分析.将酒泉市仓门街子站、张掖市监测站、兰州市铁路设计院站、天水市文化馆站、甘南州监测站5个站点作为模拟受点,计算2017～ 2018 年春冬两季逐时到达受点的72h后向气团轨迹并进行聚类分析.

1.2.2 聚类分析方法 聚类分析是研究多个样本要素之间相似性的客观分类方法[15].本文利用HYSPLIT4模式中的聚类分析模块,对到达各站点区域的气团轨迹进行聚类,从而得到各站点春、冬两季的不同输送气团类型,并依据聚类分析模块输出的聚类信息文件,结合站点逐时污染物资料对各类气团轨迹的污染浓度特征进行统计分析.

1.2.3 PSCF分析法 PSCF分析法计算条件概率(如果该值接近1,则表示轨迹穿过网格有效地将污染物输送到受体位点),以确定每个网格对受体位点的潜在源贡献[18-19].PSCF由判据值决定,通常可设置为最高浓度的50%～90%.受体浓度大于的后向轨迹端点贡献值为1,否则贡献值为0:

式中:p为后向轨迹的条件值结果;c为后向轨迹的受体浓度.

每个网格的PSCF值计算方法如下:

式中:PSCF为网格(,)的PSCF值;为后向轨迹总数;τ为网格(,)中后向轨迹的端点数.

由于采用固定的判据值,PSCF模型不能直接应用于多站点分析.多站点PSCF模型定义为[20]:

式中:C为站点的判据值;c为站点的后向轨迹受体浓度;p为轨迹的条件值结果.

式中:为总站点数;L为站点的后向轨迹总数;τ为网格(,)中站点所属后向轨迹的端点数.

当网格被少量的轨迹穿过时,如果其中的一些轨迹也通过真实的源区,则可能被模式识别为假源区,这种现象被称为“拖尾效应”[21],可以使用加权函数来避免“拖尾效应”,定义如下:

式中:WPSCF为网格(,)的加权值;PSCF为网格(,)的PSCF值;n为网格(,)的端点数;为权重等级;为权重等级范围;avg为网格单元的平均端点数,avg=总端点数/网格数;p为级别的权重因子;l为权重等级的上限.

1.2.4 浓度权重轨迹(CWT)分析法 PSCF方法只能反映每个网格中污染轨迹所占通过该网格总轨迹数的比值,而不能反映该网格的污染程度[22].本文利用CWT分析法计算潜在源区内的污染物浓度权重,分析潜在源区的污染程度,给出不同源区贡献的相对大小.CWT方法如下:

式中:CWT为网格(,)上的平均权重浓度;为轨迹;τ为轨迹在网格(,)停留的时间;c为轨迹开始时间的浓度;为后向轨迹的总数.PSCF方法中所用的权重函数W同样也适用于CWT方法,以减少n值较小时所引起的不确定性.

1.2.5 TraPSA分析平台 TraPSA(基于轨迹的潜在源解析)软件可以利用大量监测和轨迹数据进行污染物潜在来源的定位,并进行多站点方法的受体模型分析,以研究大区域的潜在源及其贡献.TraPSA提供了监测站点数据库管理、轨迹生成与处理、污染物时间格局分析、轨迹集成受体模型以及GIS编辑功能,其中轨迹集成受体模型算法包括条件概率函数(CPF)、浓度场分析(CFA)、CWT、停留时间加权浓度(RTWC)、PSCF和简化的定量运输偏差分析(SQTBA)[23-29].

2 结果与讨论

2.1 甘肃地区大气颗粒物污染特征

根据我国的《环境空气质量标准》(GB3095- 2012)[30],PM10及PM2.5的24h平均质量浓度限值二级标准分别为150,75μg/m3.

由图2可见,仓门街子站3月份PM10浓度均值最高,达到222.42μg/m3,张掖监测站3月份PM10浓度均值、铁路设计院站1、12月份PM10浓度均值及文化馆站12月份PM10浓度均值均超过150μg/m3;文化馆站12月份PM2.5浓度均值最高,达到81.50μg/m3,铁路设计院站11、12月份PM2.5浓度均值均超过75μg/m3;PM10及PM2.5月份趋势均呈现两边高中间低的特点,即在7、8、9月份达到谷值,在年初及年尾达到峰值.

图3显示,5站点均呈现冬季、春季的PM10及PM2.5浓度均值远高于夏季及秋季的特点,且PM10超过150μg/m3限值的天数多、程度高,站点从北至南PM10浓度均值依次减小;细颗粒物PM2.5浓度均值在铁路设计院站及天水文化馆站较高,考虑到兰州市及天水市工业化及城市建设水平相对较高,受到人为源活动导致的细颗粒物排放影响较大[17,31].

虚线为环境空气污染物二级浓度限值

3.2 各站点春冬季聚类结果分析

利用HYSPLIT4模式,依据TSV显著变化原则,对2017～2018年春冬季逐小时72h后向气团轨迹进行归类分析,轨迹起始点高度设定为500m[32].本文参考此方法确定各站点春(3～5月)冬(12月、次年1、2月)季聚类轨迹数量,仓门街子站冬、春季的后向气团轨迹分别被聚类为6、5类;张掖监测站冬、春季的后向气团轨迹分别被聚类为4、5类;铁路设计院站冬、春季的后向气团轨迹分别被聚类为8、6类;天水文化馆站冬、春季的后向气团轨迹分别被聚类为5、7类;甘南监测站冬、春季的后向气团轨迹分别被聚类为6、5类.轨迹聚类结果及输送高度见图4,其中输送高度图纵坐标AGL为相对地面高度;各聚类轨迹占总轨迹数的比例及颗粒物平均浓度贡献值如表1所示.

2.2.1 酒泉仓门街子站 春季颗粒物主要输送路径为西北方向,其中来自新疆北部地区的聚类1及途经此区域的聚类2、3占比分别达53%、9%、15%,总占比达到77%;PM10贡献值最大的为来自哈萨克斯坦东南部的聚类3以及来自蒙古的聚类4,PM10浓度贡献均值分别为232.78和184.88μg/m3.冬季西部路径为主要输送路径,分别为聚类2、3及4,占比为16%、21%、40%,主要输送路径来源地为南疆的塔里木盆地以及青海北部的柴达木盆地;冬季输送高度低,最高高度至1500m左右,主要为低于500m的低空输送,春冬季的输送路径中来自哈萨克斯坦东南部和蒙古的路径污染程度最高.

表1 甘肃地区5站点2017～2018年春冬季颗粒物聚类结果统计

续表1

2.2.2 张掖监测站 春季聚类1、2、3、4均为西北方向输送路径,4条路径的总占比达77%,是此地区春季的主要输送路径,其中聚类4占比24%,来源地是甘肃北部区域,为省内输送;聚类5为东北方向输送,来源地为蒙古地区,与酒泉仓门街子站春季东北路径占比相当,对应PM10与PM2.5浓度贡献均值分别为122.65和33.82μg/m3,较之下降明显;冬季输送呈现3个方向的特点,聚类1、3为西部路径,其来源地分别为柴达木盆地以及塔里木盆地南部;聚类2 为西北路径,颗粒物浓度最高,但占比最小为8%;聚类4为东北路径,来源地为内蒙古巴丹吉林沙漠北部,输送路径最短.

2.2.3 铁路设计院站 春季输送路径以西北、东北方向为主,其中聚类1占比最高,达30%,其源地为腾格里沙漠;聚类3、4占比分别为23%、18%,其气团路径均经过河西走廊的狭长地带输送至兰州地区;来自哈萨克斯坦的聚类6颗粒物浓度最高;冬季输送方向较多,其中聚类4、5合计占比60%,其来源地为腾格里沙漠、巴丹吉林沙漠以及中央戈壁覆盖的区域;聚类7为东南路径,其来自秦岭北麓地区.

2.2.4 天水文化馆站 春季东南路径聚类3占比45%,其PM10与PM2.5浓度贡献均值为89.52和36.51μg/m3,颗粒物浓度低;聚类1、4、5、7气团路径均经过河西走廊输送至天水地区,颗粒物污染程度最高;聚类2、5从正北方向输送,与聚类3均为高度低于1000m的低层输送;冬季聚类2、3、4的来源地分别为巴丹吉林沙漠、古尔班迪古特沙漠东部以及塔克拉玛干沙漠西北部等沙区,颗粒物浓度高;东南路径聚类1占比为46%,是冬季主要的输送路径,来自陕西南部,其与来自青藏高原的聚类5污染程度最低.

2.2.5 甘南监测站 春季聚类4占比最高,达43%,其PM10浓度贡献均值为74.22μg/m3;聚类2、5来源地为新疆北部地区,聚类1来源地为青海西部;冬季输送路径主要为3个方向,北部路径聚类5占比达36%,其输送距离较之春季北部路径缩短,来源地至腾格里沙漠地区;西北路径聚类1、2、3、4经新疆、西藏、青海输送至此地区,聚类6途经西藏、青海从西南方向输送.

综合分析5个站点的春冬季输送情况,可以发现甘肃地区全域受西北路径影响最大,其移动速度快,输送距离长,污染程度重,东北路径次之,主要源地为蒙古及内蒙古地区,甘肃南部地区受东南路径的近距离影响较大,并且受到来自青藏高原的输送影响;甘肃地区春季输送距离较冬季长且输送高度高,冬季细颗粒物PM2.5的浓度贡献均值以及与PM10的比值较春季高.

2.3 PSCF结果分析

基于PSCF方法将甘肃区域内5站点的WPSCF网格贡献结果运用TraPSA分析平台进行加权叠加分析,得到整个甘肃区域的WPSCF网格贡献,以分析影响甘肃地区的PM10潜在贡献源区,且将WPSCF的值大于0.5的网格作为有主要贡献的颗粒物潜在源区.

分析图5可知,春季影响甘肃地区的PM10潜在贡献源区主要集中在新疆的东部、准噶尔盆地、塔里木盆地东北部及青海西北部,其概率可达70%,在天山山脉两侧呈现弧状分布的特点;其中在蒙古南部、四川北部、青海西北部及东部有零星分布的PM10潜在贡献源区,其概率可达50%左右,甘肃省内区域的贡献较外部偏小.

冬季新疆东部及塔里木盆地、青海西北部及东部、陕西南部为影响甘肃地区PM10的主要潜在贡献源区,其概率可达50%以上;甘肃省内地区的贡献加强,且从北部至南部有明显沿着河西走廊线性分布的潜在贡献区域.

比较而言,PM10潜在贡献源区在冬季整体向南偏移,春季分布在新疆北部地区的潜在源区影响基本消失,且南部潜在源区在冬季向南至塔里木盆地进一步偏移延伸;青海西北部及东部的潜在源区贡献及范围较春季加强,成为冬季主要的潜在源区;春季南部潜在源区位于四川北部地区,到冬季偏移加强至陕西南部地区;冬季省内地区的近距离输送加强,也是影响冬季PM10的主要潜在贡献源区之一.

2.4 CWT结果分析

基于CWT方法,将5站点的浓度权重轨迹 CWT结果运用TraPSA分析平台进行加权叠加分析,同时将CWT大于200µg/m3的区域定义为主要贡献区,结果如图6所示,春季PM10浓度贡献超过200µg/m3的区域主要分布在新疆东部地区、准噶尔盆地附近;青海及甘肃北部区域有零星网格PM10浓度贡献超过200µg/m3;蒙古南部及内蒙古北部有线性分布的污染带,PM10浓度贡献值超过200µg/m3.

冬季PM10浓度贡献超过200µg/m3的区域明显较春季缩减,主要集中在新疆东部及甘肃北部地区;新疆东南部、青海北部及东部的污染贡献区域分布密集,但浓度贡献值均低于200µg/m3.

比较春冬两季CWT结果可知,春季PM10污染的主要贡献区域大,污染重,主要分布在新疆北部及东部地区;冬季污染区域向南偏移至新疆东南部,污染贡献程度减弱,且春季蒙古方向的贡献区在冬季的污染贡献程度有极大的削减;冬季甘肃区域内的颗粒物输送浓度贡献较春季加强,短距离传输增强.

3 结论

3.1 2016年12月～2019年2月各站点PM10及PM2.5浓度月份趋势图均呈现“两边高中间低”的特点,即在7、8、9月份达到谷值,在年初及年尾达到峰值.各站点春冬季的PM10及PM2.5浓度均值远高于夏秋季,且PM10超过150μg/m3限值的天数多、程度高,站点从北至南的PM10浓度均值依次减小.

3.2 2017～2018年春冬季5站点气团轨迹聚类分析结果表明,西北路径为影响甘肃地区全域的主要路径,其移动速度快,输送距离长,污染程度重,东北路径次之,主要来源地为蒙古及内蒙古地区,甘肃南部地区受东南路径的近距离输送影响较大,并且相较于甘肃北部受到来自青藏高原的输送影响,但二者污染程度及输送强度均弱于西北路径;甘肃地区春季气团轨迹的输送距离较冬季长且输送高度高,冬季细颗粒物PM2.5的浓度贡献均值以及与PM10的比值较夏季高.

3.3 多站点潜在源贡献函数分析结果表明,PM10潜在贡献源区春季主要分布在新疆的东部、准噶尔盆地、塔里木盆地东北部及青海西北部,在蒙古南部、四川北部、青海西北部及东部有零星分布;冬季主要位于新疆东部及塔里木盆地、青海西北部及东部、陕西南部;源区冬季整体向南偏移,且省内地区的近距离输送加强,也成为影响冬季PM10的主要潜在贡献源区之一.

3.4 多站点浓度权重轨迹分析结果表明,春季PM10浓度主要贡献区位于新疆东部地区、准噶尔盆地附近,在蒙古南部及内蒙古北部有线性分布,在青海及甘肃北部区域有零星分布;冬季主要分布在新疆东部及甘肃北部地区;春季较冬季PM10污染的主要贡献区域大,污染重,但省内地区的短距离传输及颗粒物污染程度减弱.

[1] 刘咸德,李 军,赵 越,等.北京地区大气颗粒物污染的风向因素研究[J]. 中国环境科学, 2010,30(1):1-6.

Liu X D, Li J, Zhao Y, et al. Impact of wind direction on atmospheric particulate matter concentrations in Beijing [J]. China Environmental Science, 2010,30(1):1-6.

[2] 裴坤宁,高兴艾,王淑敏,等.晋东南地区冬季PM2.5污染输送路径分析[J/OL]. 中国环境科学, 1-15[2021-12-29].DOI:10.19674/j.cnki. issn1000-6923.20210928.022.

Pei K N, Gao X A, Wang S M, et al. Analysis of PM2.5pollution transportation path in winter in Southeast Shanxi Province [J/OL]. China Environmental Science, 1-15[2021-12-29].DOI:10.19674/j. cnki.issn1000-6923.20210928.022.

[3] 薛文博,付 飞,王金南,等.中国PM2.5跨区域传输特征数值模拟研究[J]. 中国环境科学, 2014,34(6):1361-1368.

Xue W B, Fu F, Wang J N, et al. Numerical study on the characteristics of regional transport of PM2.5in China [J]. China Environmental Science, 2014,34(6):1361-1368.

[4] 黄 兴,黄晓娴,王体健,等.南京城区上空大气一氧化碳的观测分析[J]. 中国环境科学, 2013,33(9):1577-1584.

Huang X, Huang X X, Wang T J, et al. Observation and analysis of urban upper atmospheric carbon monoxide in Nanjing. China Environmental Science, 2013,33(9):1577-1584.

[5] 史旭荣,温 杰,田瑛泽,等.天津不同气团来向PM2.5中组分和污染源贡献的季节变化[J]. 中国环境科学, 2018,38(7):2406-2414.

Shi X R, Wen J, Tian Y Z, et al. Seasonal patterns of PM2.5sources and chemical composition from different air mass directions in Tianjin [J]. China Environmental Science, 2018,38(7):2406-2414.

[6] Hwang I J, Hopke P K. Estimation of source apportionment and potential source locations of PM2.5at a west coastal IMPROVE site [J]. Atmospheric Environment, 2006,41(3):506-518.

[7] 李颜君,安兴琴,范广洲.北京地区大气颗粒物输送路径及潜在源分析[J]. 中国环境科学, 2019,39(3):915-927.

Li Y J, An X Q, Fan G Z. Transport pathway and potential source area of atmospheric particulates in Beijing [J]. China Environmental Science, 2019,39(3):915-927.

[8] 高 阳,韩永贵,黄晓宇,等.基于后向轨迹模式的豫南地区冬季PM2.5来源分布及传输分析[J]. 环境科学研究, 2021,34(3):538-548.

Gao Y, Han Y G, Huang X Y, et al. PM2.5source distribution and transmission in winter in southern Henan Based on Backward Trajectory Model [J]. Research of Environmental Sciences, 2021,34(3): 538-548.

[9] 卢俊平,张晓晶,刘廷玺,等.京蒙沙源区水库大气氮沉降变化特征及源解析[J]. 中国环境科学, 2021,41(3):1034-1044.DOI:10.19674/ j.cnki.issn1000-6923.2021.0115.

Lu J P, Zhang X J, Liu T X, et al. Variation characteristics and source analysis of atmospheric nitrogen deposition flux on a reservoir in sand source areas of Beijing-Inner Mongolia [J]. China Environmental Science, 2021,41(3):1034-1044.DOI:10.19674/j.cnki.issn1000-6923. 2021.0115.

[10] Lee G S, Kim P R, Han Y J, et al. Tracing Sources of Total Gaseous Mercury to Yongheung Island off the Coast of Korea [J]. Atmosphere, 2014,5(2):273-291.

[11] Han Y J, Holsen T M, Hopke P K, et al. Comparison between back-trajectory based modeling and Lagrangian backward dispersion modeling for locating sources of reactive gaseous mercury [J]. Environmental Science & Technology, 2005,39(6):1715-23.

[12] 刘 娜,余 晔,陈晋北,等.兰州春季沙尘过程PM10输送路径及其潜在源区[J]. 大气科学学报, 2012,35(4):477-486.

Liu N, Yu Y, Chen J B, et al. A study on potential sources and transportation pathways of PM10in spring in Lanzhou [J]. Transactions of Atmospheric Sciences, 2012,35(4):477-486.

[13] 王芳龙,李忠勤,杨 宏,等.天水市大气颗粒物输送通道及污染源区研究[J]. 环境化学, 2020,39(9):2371-2383.

Wang F L, Li Z Q, Yang H, et al. Study on atmospheric particulate matter transport channel and pollution source area in Tianshui City [J]. Environmental Chemistry, 2020,39(9):2371-2383.

[14] 郭春晔,王 颖,刘 灏,等.甘肃省区域颗粒物时空分布特征及传输路径[J]. 中国环境科学, 2021,41(9):3990-4000.DOI:10.19674/ j.cnki.issn1000-6923.20210419.006.

Guo C Y, Wang Y, Liu H, et al. Spatial and temporal distribution characteristics and transport path analysis of regional particulate matter over Gansu Province [J]. China Environmental Science, 2021, 41(9):3990-4000.DOI:10.19674/j.cnki.issn1000-6923.20210419.006.

[15] Draxler R R, Hess G D. An overview of the HYSPLIT4modeling system for trajectories, dispersion, and deposition [J]. Australian Meteorological Magazine, 1998,47:295-308.

[16] 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.DOI: 10.19674/j.cnki.issn1000-6923.20210331.018.

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.DOI:10.19674/j.cnki. issn1000-6923.20210331.018.

[17] Hopke P K. Recent developments in receptor modeling [J]. Journal of Chemometrics, 2003,17(5):255-265.

[18] Hopke P K. Review of receptor modeling methods for source apportionment [J]. J Air Waste Manag. Assoc., 2016,66(3):237-59.

[19] Han Y J, Holsen T M, Hopke P K, et al. Comparison between back-trajectory based modeling and Lagrangian backward dispersion modeling for locating sources of reactive gaseous mercury [J]. Environmental Science & Technology, 2005,39(6):1715-23.

[20] Cheng I, Xu X, Zhang L. Overview of receptor-based source apportionment studies for speciated atmospheric mercury [J]. Atmospheric Chemistry and Physics, 2015,15(14):7877-7895.

[21] Cheng I, Zhang L, Blanchardp, et al. Concentration-weighted trajectory approach to identifying potential sources of speciated atmospheric mercury at an urban coastal site in Nova Scotia, Canada [J]. Atmospheric Chemistry and Physics, 2013,13(12):6031-6048.

[22] Han Y J, Holsen T M, Hopke P K. Estimation of source locations of total gaseous mercury measured in New York State using trajectory- based models [J]. Atmospheric Environment, 2007,41(28):6033-6047.

[23] Choi H D, Holsen T M, Hopke P K. Atmospheric mercury (Hg) in the Adirondacks: concentrations and sources [J]. Environmental Science & Technology, 2008,42(15):5644-53.

[24] Squizzato S, Masiol M. Application of meteorology-based methods to determine local and external contributions to particulate matter pollution: A case study in Venice (Italy) [J]. Atmospheric Environment, 2015,119:69-81.

[25] Liu W, Hopke P K, Han Y J, et al. Application of receptor modeling to atmospheric constituents at Potsdam and Stockton, NY [J]. Atmospheric Environment, 2003,37(36):4997-5007.

[26] Han Y J, Holsen T M, Lai S O, et al. Atmospheric gaseous mercury concentrations in New York State: relationships with meteorological data and other pollutants [J]. Atmospheric Environment, 2004,38(37): 6431-6446.

[27] Zhou L M, Hopke P K, Liu W. Comparison of two trajectory based models for locating particle sources for two rural New York sites [J]. Atmospheric Environment, 2003,38(13):1955-1963.

[28] Stohl A. Trajectory statistics-A new method to establish source- receptor relationships of air pollutants and its application to the transport of particulate sulfate in Europe [J]. Atmospheric Environment, 1996,30(4):579-587.

[29] Rutter A P, Snyder D C, Stone E A, et al. In situ measurements of speciated atmospheric mercury and the identification of source regions in the Mexico City Metropolitan Area [J]. Atmospheric Chemistry and Physics, 2009,9(154):207-220.

[30] HJ633-2012 中华人民共和国国家环境保护标准环境空气质量指数(AQI)技术规定[S].

HJ633-2012 Technical regulation on ambient air quality index [S].

[31] 郭文凯,李光耀,陈 冰,等.兰州市高分辨率人为源排放清单建立及在WRF-Chem中应用评估[J]. 环境科学, 2021,42(2):634-642.

Guo W K, Li G Y, Chen B, et al. Establishment of a high-resolution anthropogenic emission inventory and its evaluation using the WRF-Chem model for Lanzhou [J]. Environmental Science, 2021, 42(2):634-642.

[32] Karaca F, Anil I, Alagha O. Long-range potential source contributions of episodic aerosol events to PM10profile of a megacity [J]. Atmospheric Environment, 2009,43(36):5713-5722.

Analysis of transportation path and potential sources of atmospheric particulate matter over Gansu Province in spring and winter — Based on HYSPLIT4model and TraPSA analysis platform.

ZHANG Qian1, PANG Ke1, MA Cai-yun1, CHENG Heng-rui1, MA Ming-yue2, KONG Xiang-ru1, PAN Feng1*

(1.College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China；2.Sinopec Yanshan Petrochemical Company, Beijing 102400, China)., 2022,42(2)：509～518

The hour-by-hour 72-h air mass back-trajectories of five stations in Gansu province from 2017 to 2018 were calculated using the HYSPLIT4 model and the global data assimilation system. The trajectory clustering method was used to analyze the trajectory characteristics of the backward airflow in Gansu province by combining the time-to-time mass concentration data of particulate matter at each station in spring and winter when the particulate matter pollution was most severe. Based on the analysis method of potential source contribution function (PSCF) and the concentration weighted trajectory (CWT), the result of each station was weighted overlay analyzed using the TraPSA analysis platform, and the potential source areas and their contributions to the mass concentration of particulate matter over Gansu in spring and winter were discussed. The northwest path was the primary path affecting the Gansu province with its rapid movement, long transport distance and severe pollution level; the northeastern path was the next most important with Mongolia and Inner Mongolia being the main sources; southern Gansu was heavily influenced by short-range transportation from the southeastern path and the Qinghai-Tibet Plateau; the transportation distance and height of air mass over Gansu province was longer and higher in spring than in winter, and the mean PM2.5concentration and the ratio of PM2.5/PM10were both higher in winter than in summer. The PSCF analysis over multi-sites found that the potential contribution source areas of PM10in spring were mainly distributed in the eastern Xinjiang, Junggar Basin, northeastern Tarim Basin and northwestern Qinghai, with scattered distribution in southern Mongolia, northern Sichuan, northwestern and eastern Qinghai; while in winter it was mainly located in eastern Xinjiang and the Tarim Basin, northwestern and eastern Qinghai, and southern Shanxi; the source area in general shifted southwards in winter and the short-range transportation within the province intensified. The CWT analysis over multi-sites showed that the main contribution areas of PM10concentration in spring were located in the eastern Xinjiang, the Junggar Basin, with linear distribution in southern Mongolia and northern Inner Mongolia and scattered distribution in northern Qinghai and northern Gansu; in winter, it was mainly located in the eastern Xinjiang and northern Gansu; the main contribution area of PM10was larger and more polluted in spring than in winter, but the short-range transportation and the degree of particulate matter pollution within the province were weakened.

Gansu province；atmospheric particulate matter；HYSPLIT4 mode；cluster analysis；potential source contribution function (PSCF) analysis；concentration weight trajectory (CWT) analysis；multi-sites overlay analysis

X513

A

1000-6923(2022)02-0509-10

张 芊(1997-),男,安徽合肥人,兰州大学硕士研究生,主要从事大气污染、大气环境等方面研究.发表论文5篇.

2021-07-06

中央高校基本科研业务费专项资助项目(lzujbky-2017-66)

* 责任作者, 教授, panfeng@lzu.edu.cn