贵州安顺市PM2.5气象输送条件及贡献源空间分布

曹青 谷晓平 张翅鹏 陈贞宏 吴哲红

（1.安顺市气象局，贵州 安顺561000；2.贵州大学资源与环境工程学院，贵州 贵阳550025；3.贵州省生态气象和卫星遥感中心，贵州 贵阳550002）

引言

近年来，随着中国经济的发展，中国的空气污染问题日益突出［1］。气象条件对大气环境的影响在本地源较少的情况下，污染物的区域传输成为影响地区空气质量的重要因素之一［2-4］。国内外学者基于大气环流形势、污染物时空分布状况、气象因子构成及变化、化学组分分析等，运用HYSPLIT-4模式开展了相关研究，对某一区域典型大气污染物后向轨迹进行来源解析［5-9］。陈乃华等［10］利用全球资料同化系统数据和拉格朗日混合单粒子轨道模式，分析了福建平潭各季节和臭氧超标日的气流后向轨迹；周述学等［11］对2013—2015年合肥市非降水日近地层（100 m）和边界层中上部（1000 m）高度轨迹进行聚类分析，为合肥PM2.5污染预报提供参考；罗彪和刘喧［12］运用后向轨迹模型，模拟了2014年合肥市的大气污染输送过程，得出不同季节SO2、NO2、PM10和PM2.5这4种污染物潜在源区和影响合肥市的主要气团来向；Liu等［13］对中国冬季常见的PM2.5污染事件进行研究，利用后向轨迹聚类分析PM2.5向中国长三角地区的输送情况；钤伟妙等［4］对石家庄大气污染物的输送通道及污染区进行了分析；李义宇等［15］分析了太原市一次重污染天气，表明本地污染源贡献更显著；Rana等［16］运用HYSPLIT-4模型对2013—2018年4月孟加拉国6个重要城市的PM10和PM2.5进行外来输送源解析，发现该国中部的城市（达卡、纳拉扬甘吉、加兹普尔）是污染输送最严重的城市，而该国东北地区的城市（Sylhet）是最轻的。

空气环境质量是影响贵州省安顺市旅游发展关键因素之一，虽然相较于北京、上海等发达城市，安顺市空气质量优良率较高，但作为“康养福地”的旅游发展城市，大气环境质量标准要求更为严苛。研究安顺市大气特征，定量确定区域间传输贡献，相应成果不仅可以为大气污染治理提供数据支撑，也将为空气质量指数（AQI）预报与大气污染预警工作提供参考。

1 资料与方法

1.1 数据来源

贵州省海拔高度由西南向东北方向逐渐走低，安顺市位于贵州省中部偏西，其城区位于安顺北部。6种大气污染物质量浓度来源于安顺市生态环境局布控的4个空气监测站点自动监测分析仪，监测站点分别为伍家关站（105°57′38″E，26°15′40″N）、凤凰山站（105°56′27″E，26°14′35″N）、金钟山站（105°56′38″E，26°15′23″N）和娄家坡站（105°53′54″E，26°14′53″N），经计算得出每日AQI值，确定首要污染物。后向轨迹分析资料来源于美国国家环境预报中心的2015—2019年全球资料同化系统气象数据，该数据每6 h记录一次，即每6 h可分析出1条后向轨迹信息。

1.2 数据处理

1.2.1 后向轨迹及聚类分析

运用HYSPLIT模型进行气团的输送和沉积模拟［17］，计算时间为72 h，轨迹起始高度为距离地面500 m。利用TrajStat软件计算每2条轨迹组合的空间相似度，对气团轨迹进行聚类分组，采用总空间方差（TSV）对分类质量进行判断。

1.2.2 潜在源区分析

潜在源区分析（PSCF）基于空间划分网格概率计算，表示经过某一网格的污染气流轨迹端点数（mij）与所有气流轨迹端点数（nij）的比值，即：

式（3）中，PSCF为潜在源分析，其值越大则说明该网格中污染轨迹经过的概率越高，该网格区域对受点提供外来输送的可能性越大。同时引入Wij（权重因子）进行数值修正，W（nij）计算见式（4），Wij的确定参考文献［18］，修正后比值为WPSCF值［19-20］。

1.2.3 浓度权重分析

浓度权重分析（CWT）通过计算分析其对目标格网的污染贡献［21］，引入τijl（轨迹l在网格（i，j）停留的时间）和权重函数Wij，见式（5）。

式（5）中，l为经过格网（i，j）的轨迹之一；Cl为轨迹l经过网格（i，j）时的PM2.5质量浓度；τijl为轨迹l在网格（i，j）停留的时间，用落在网格内的端点数来替代。

2 结果分析

2.1 安顺市空气质量特征

2015—2019年安顺市大气污染物特征统计见表1，以国家二级空气质量标准为参考，除2016年以外，SO2在2017—2019年均未出现超标天数，年平均值和标准偏差逐年降低，与政府对燃煤、秸秆燃烧的管控措施有关；NO2和CO在2015—2019年未出现超标天数，年平均值远低于国家二级标准，标准偏差均较小，主要由于安顺市城区燃煤锅炉淘汰和清洁能源改造已于2016年底前基本完成；臭氧8 h浓度在2015年、2018年、2019年均出现超标天数，标准偏差在6种污染物中为最高，且O3小时平均浓度逐年上升，O3生成主要受汽车尾气、工业源VOCs排放和气象条件影响；PM2.5在各年均出现超标天数，最大值除2019年超过国家二级标准0.3—1.3倍，PM2.5来源复杂，除受城市化进程影响外，周边区域传输也是原因之一。总体来说，安顺城区空气质量优良，6种污染物年均值远低于国家二级标准。

表1 2015—2019年安顺市大气污染物特征统计Table 1 Statistics of atmospheric pollutant concentrations in Anshun from 2015 to 2019 μg·m-3

2015—2019年安顺市各首要污染物分布见图1，SO2作为首要污染物，其天数从2016年开始得到有效控制，2017—2019年基本未出现；2016—2018年臭氧为首要污染物的天数呈上升趋势，但总体超标频率、幅度均不大。与贵阳、六盘水相比，安顺城区臭氧平均浓度偏高，应引起重视并加强治理和预防［22］；PM2.5在2015—2018年为首要污染物天数逐年上升，臭氧在2016—2018年作为首要污染物出现天数最多，PM2.5和臭氧是安顺城区主要的大气污染物，结合超标的情况来看，PM2.5污染更为突出。

图1 2015—2019年安顺市各首要污染物分布Fig.1 The distributions of prim ary pollutants from 2015 to 2019 in Anshun

2.2 后向轨迹聚类分析

2.2.1 聚类轨迹分布

根据气象划分法，3—5月为春季，6—8月为夏季，9—11月为秋季，12月至翌年2月为冬季。2015—2019年安顺市四季后向轨迹聚类分析如图2所示，不同季节气流轨迹最终聚类的总类数不同。研究期内各季轨迹分布与安顺市高原季风气候、贵州四季风场特征［23］相对应，四季中占比较大的轨迹均为中长轨迹与较短轨迹，移动速度较快的长距离轨迹占比均小于10%；春、夏季中均有来自贵州黔南短距离螺旋转向轨迹，即春季轨迹E、夏季轨迹A，占比分别为35.60%、16.82%；春、夏季轨迹聚类结果相似，6个方向除长轨迹占比较小外，其余方向占比相当；秋季聚类轨迹共5类，来自偏西方向气团比例极小，仅为4.47%，其余方向轨迹比例差别不大；冬季聚类轨迹共4类，其聚类结果与安顺亚热带季风气候对应，冬季盛行东北风，来自东北方向移动速度较慢的聚类轨迹A 类达冬季轨迹半数以上。总体来说，贵州省内短距离传输轨迹是气团主要途径，长距离轨迹占比极小；春、夏季呈星形分布，秋季除偏西方向轨迹外，其余方向轨迹占比相当，冬季气团主要方向为东北方向（贵州省内），占比半数以上。

图2 2015—2019年安顺市春季（a）、夏季（b）、秋季（c）、冬季（d）气流后向轨迹聚类分析Fig.2 The results of airflow backward trajectories clustering analysis in spring（a），summer（b），autumn（c）and w inter（d）from 2015 to 2019 in Anshun

2.2.2 聚类轨迹浓度特征

为了解不同轨迹污染物浓度特征，以主要大气污染物PM2.5为研究对象，将其日浓度（安顺4个监测站点日平均浓度）加入到后向轨迹中，进行季节性聚类分析，统计每条轨迹污染物浓度特征。以国家二级标准（75μg·m-3）为阈值，统计结果见表2。

表2 2015—2019年安顺市不同季节各聚类轨迹PM2.5浓度统计Table 2 Statistical results of PM2.5cluster concentrations in each season from 2015 to 2019 in Anshun

由表2可知，夏季无污染气团输入，ρ（PM2.5）仅为19.05μg·m-3。主要由于夏季植物茂盛，叶片有较好的吸附作用，同时降雨充沛，对污染物有较好的湿沉降作用［24-26］。春、秋季有少许污染轨迹输入，路径均短，表明风速小、区域气象条件稳定，扩散稀释能力较弱。较长轨迹分别起源于印度境内，途经西藏、云南，因所经地区相对洁净，故长轨迹无污染气团输入。春季贵州东南方向是PM2.5的主要输送方向，秋季贵州南部、东北部是主要输送方向。冬季输送污染轨迹共91条，为四季最多，可能与冬季进入燃煤采暖期、不利于污染物扩散的气象条件有关，短轨迹A、C近距离传输，移动速度慢，污染物易在安顺积聚，主要来自贵州东北方向、南方向。

2.3 污染日潜在源区及其贡献

2.3.1 污染日后向轨迹水平及垂直分布

计算2015—2019年安顺市所有PM2.5污染日（PM2.5日均浓度高于75μg·m-3）污染物传输路径及潜在源区，对研究期间共计39个污染日进行分析，对污染日气团输送轨迹聚类，分析聚类轨迹垂直方向上分布特征（图3）。由图3a水平分布可知，污染日PM2.5输送路径主要来自4个方向，其中轨迹B占比最高（51.28%），为近距离省内传输。结合图3b和图3c，轨迹A属于高空远距离传输，传输速度快且垂直方向上运动频繁［27］，扩散条件好，PM2.5输送贡献少；主要传输轨迹B移动距离短，移动速度较慢，基本在880—980 hPa高度范围内移动，说明气团轨迹在监测72 h内一直在一定范围内缓慢移动，受山地地形影响，气团被山前阻挡，水平和垂直扩散条件均较差，有利于PM2.5的混合累积并随气团输送至安顺；轨迹D受山地阻挡，污染物在山前累积，由图3b和图3c垂直分布看，气团到达安顺逐渐下沉至地面形成污染。综上所述，来自贵州东北方向的轨迹B是安顺外来输送PM2.5主要路径，其次是来自广西、贵州南的轨迹D。

图3 2015—2019年安顺市39个污染日聚类轨迹分布（a）、聚类轨迹气压分布（b）和聚类轨迹三维分布（c）Fig.3 Distributions of cluster trajectories（a），pressure of cluster trajectories（b）and three-dimensional distributions of cluster trajectories（c）in 39 polluted days from 2015 to 2019 in Anshun

2.3.2 PM2.5潜在源区分布

计算2015—2019年安顺市所有PM2.5污染日潜在源区分析，WPSCF值分布特征见图4，WPSCF＞0.9高值区主要集中在贵阳整个地区、毕节织金、黔西、金沙、大方县、遵义仁怀、习水县、黔东南凯里、黄平、施秉、镇远、黔南龙里、福泉和四川泸州，污染输送以安顺东北方向区域为主，该地区主要受高原性季风气候和地形特点影响，在污染集中的冬季，盛行东北风易将污染物输送到安顺，受地形阻挡下沉积累。综上所述，安顺市PM2.5外来输送以东北方向为主。

图4 2015—2019年安顺市PM2.5污染日WPSCF值分布Fig.4 Distributions of WPSCF values in polluted days from 2015 to 2019 in Anshun

2.3.3 贡献源空间形态

PSCF法只反映污染轨迹在该网格出现概率，并不能体现贡献大小，因此，WCWT法更能区分出高浓度贡献的潜在源区，贡献源空间形态如图5所示，高值区主要集中在安顺紫云、镇宁县、毕节织金、大方县，输送浓度在90μg·m-3以上；遵义仁怀市、黔南独山县、贵阳主城区和四川泸州，输送浓度为70—90μg·m-3。对比两种方法发现，WPSCF不明显的黔西南望谟县、贞丰县和安龙县，却处于贡献高值区域（WCWT＞75μg·m-3），其主要原因为PSCF仅作概率计算，而CWT没有阈值设定，更能区分不同轨迹浓度差异，体现区域贡献分布［28-30］。

图5 2015—2019年安顺市污染日WCWT值分布Fig.5 Distributions of WCWT values in polluted days from 2015 to 2019 in Anshun

3 结论

（1）2015—2019年安顺城区总体空气质量优良，PM2.5和O3是安顺城区最主要的大气污染物，从超标的情况来看，仅PM2.5在5 a间均出现了超标天数。

（2）春、夏季气团聚类轨迹呈星形分布，秋季除偏西方向轨迹外，其余方向轨迹占比相当，冬季气团主要方向为东北方向（贵州省内），占比半数以上；污染输送主要以秋、冬季为主，途经广西西北部、贵州南部和途经贵州东北部的聚类轨迹是安顺最主要的PM2.5污染输送通道。

（3）安顺市PM2.5超标日途经贵州东北部的轨迹是最主要的污染输送通道，该轨迹基本分布在880—980 hPa高度，其次是途经广西西北小部分、贵州南部的东南向轨迹，PM2.5外来输送以近距离周边地州传输为主，同时有一定跨区域污染输送，高值区主要集中在贵阳整个地区、毕节织金、黔西等，潜在高贡献源区主要集中在安顺紫云、镇宁县、毕节织金等，与PSCF高值区略有差异。