嘉兴市冬季一次污染过程PM2.5组分特征及来源分析

张颖龙,张 帆, 唐 倩, 吴伟超,吕 升, 袁 婧

(1.浙江省嘉兴生态环境监测中心,浙江 嘉兴 314000; 2.浙江省生态环境监测中心,杭州 310012)

前 言

近些年随着我国经济的快速发展,PM2.5已经成为我国很多城市空气质量的主要污染物之一[1-2],特别是发生在2013年全国大范围的污染事件,引起了社会各界的广泛关注[3]。 长三角地区是中国经济发展最活跃、城市化进程最快的区域之一,较快的工业化发展使得污染物排放量急剧增加。 现如今,虽然颗粒物水平较往年已经降低很多,但还是高于一些发达国家。PM2.5易富集大气中的有机物、重金属、细菌和病毒等,化学组分极其复杂。PM2.5不仅能影响大气能见度[4]还影响着居民的身心健康[5～8]。

国内外学者针对大气颗粒物组分的研究已经做了大量工作。 不同污染过程[9～11]、地理区域[12-13]、气象条件等[14]使得PM2.5中组分特征有一定差异。在污染时段,二次无机盐在PM2.5中占比较高[15];对无锡[16]、苏州、南京和临安[17]地区污染天的组分研究发现,污染天的硫转化率和氮转化率明显高于清洁天, 且较高的相对湿度有利于污染物的二次生成。 城市间存在污染物的输送[18],Li等[19]分析了北京市2014～2015年PM2.5、PM10长程输送路径及潜在来源,王茜[20]等利用HYSPLIT模型分析了上海的后向轨迹并结合聚类分析方法,分析不同类型气流轨迹下的污染物浓度。这些研究对于了解本地污染传输通道有重要意义,然而对嘉兴地区颗粒物潜在源区贡献的相关研究比较少。本研究利用PM2.5组分数据及气象数据讨论了2020年12月9～14日期间气象因素对本次污染过程的影响和PM2.5组分特征,以及嘉兴地区的PM2.5污染过程潜在贡献源区,以期了解本次污染的成因,进而为嘉兴市污染防治提供理论依据。

1 数据和方法

1.1 监测地点及数据介绍

观测点位于浙江省嘉兴市颗粒物组分监测站(N30°45'13",E120°47'7"),位于长三角中东部地区,浙江东北部,毗邻上海市和江苏苏州。采样点距地面约20m,周围1km范围内没有明显污染源。采样时间为2020年12月9日～14日,24小时在线连续监测。数据包括阴阳离子、有机碳、元素碳、重金属, 气象数据(温度、湿度、风速、风向和气压)来源于中国天气网。

1.2 仪器介绍

Sunset OCEC 分析仪采用 NIOSH(美国职业安全与卫生研究所 The National Institute for Occupational Safety and Health)认可的热学/光学方法测定分析收集在石英滤膜上的有机碳 OC 和元素碳 EC。

在线微量元素采样器为Xact625i多金属连续排放检测系统, Xact可同时量测23种元素, Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、As、Se、Br、Pd、Ag、Cd、Sn、Sb、Ba、Au、Hg、Pb、K。

1.3 Minimum R-squared(MRS)方法估算SOC

大气颗粒物中OC包含一次排放的一次有机气溶胶外还有来自光化学反应二次生成的有机气溶胶,而EC是基于碳的不完全燃烧过程产物,只来自于一次排放。OC在大气中易受气象条件影响,如温度、湿度和光照等,二次生成SOC。一般OC/EC大于2表明存在二次生成。对OC中SOC的估算目前没有方法直接测定,常用的方法有EC示踪法、有机分子示踪法和模型预测法等[21～24],其中EC示踪法因方便和有效已被广泛用于SOC的估算,计算公式为:

POC=(OC/EC)pri×EC

(1)

SOC=OCtotal-POC

(2)

其中,(OC/EC)pri是新鲜一次排放的气溶胶OC/EC值,OCtotal和EC为监测值,POC为一次有机碳,SOC为二次有机碳。

EC示踪法旨在求得准确的 (OC/EC)pri值,一般是在最低固定百分位(通常为5%～25%)上求得OC/EC的值[25～27],由计算得到的OC/EC的值得到SOC,这种方法存在一定的不确定性。本文采用MRS方法,与传统方法相比,MRS方法计算的不确定性最小[28]。 MRS法基于EC与SOC本质上不相关的假设(SOC是二次生成的,EC是一次生成的[29]),假设用连续不同的(OC/EC)pri_h计算得到不同(OC/EC)pri_h下的SOCh,将计算EC和SOCh两者的相关系数R2,找出最小R2对应的(OC/EC)pri_h即为(OC/EC)pri,此时SOCh与EC相关性最差,说明二次污染影响最弱[30]。

1.4 聚类分析和浓度权重轨迹法(CWT方法)

利用TrajStat软件对观测期间PM2.5浓度进行聚类分析和潜在源区研究[31-32]。使用的气象数据由美国国家环境预报中心全球资料同化系统(GDAS)提供, 数据间隔为6h,分别为00∶00、06∶00、12∶00和18∶00(UTC),下载链接为ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1。 本研究每隔1h计算一次, 起始高度为300m 的72h后向轨迹。 聚类分析是根据大量气团轨迹的移动速度和方向进行分组,得到不同分类轨迹,能够直观反应气团来源方向和传输距离。浓度权重轨迹法(Concentration-Weighted Trajectory, CWT)分析法[33]是一种计算潜在源区气流轨迹权重浓度的方法,能反映不同轨迹的污染程度, CWT分析法能模拟出潜在源区污染物的权重浓度数值,而不是贡献大小。因此本文通过浓度权重轨迹分析法对潜在源区的污染物程度进行分析,计算公式:

(3)

WCWTij=CWTij×Wij

(4)

(5)

式中:WCWTij为网格(i,j)上的平均污染权重浓度;M是轨迹总数;k为某一轨迹;Ck是轨迹k经过网格(i,j)时对应的某要素值;ijk为轨迹k在网格(i,j)停留的时间, Wij为权重函数,以降低当xij较小时引起的不确定性。

2 结果与讨论

2.1 天气形势及污染时序变化

图表1为监测期间PM2.5及气象参数小时序列图,可以看到,10日后PM2.5浓度开始逐渐升高,并在13日晚上迅速降低。据天气形势的变化(图2)及污染浓度变化趋势,本文将本次污染过程分为三个阶段。第一阶段为12日9日～11日,受均压场控制,风速较小(1.6m/s),扩散条件较差,污染逐渐积累,能见度迅速下降(6km),湿度较高,为本地积累阶段;第二阶段为12日～13日18时,此时上游出现重度污染(苏州、上海等地),风速比第一阶段略大(1.8m/s),弱西北风,存在一定的上游输送,污染浓度进一步升高,能见度仅为1.6km,此阶段为本地积累叠加上游输送;第三阶段为13日19时～14日,高压主体入境,偏西北风,风速增大(4.8m/s),扩散条件较好,污染物浓度迅速降低,能见度为监测期间最高(15.2km),此阶段为污染消散阶段。

图2 12月9日～14日地面天气形势变化Fig.2 Changes in the surface weather situation from 9 to 14 December

2.2 不同污染时段特征分析

图3 观测期间嘉兴PM2.5组分质量浓度时间序列Fig.3 Time series of PM2.5 chemical components during observation period

图4 观测期间不同阶段SOR和NOR值Fig.4 SOR and NOR values at different stages during the observation period

2.3 SOC估算

图5为利用MRS方法计算得到监测期间中三个阶段(OC/EC)pri值,计算得到监测三个阶段下表中各碳组分浓度。 可以看到三个阶段(OC/EC)pri值分别为2.67、1.73和2.08,计算得到三个阶段SOC浓度分别为1.04μg/m3、6.40μg/m3和1.23μg/m3,在OC中占比分别为13.0%、42.5%和45.1%,占比呈上升趋势;POC浓度分别为6.97、8.65和1.50,在OC中占比分别为87.0%、57.5%和54.9%,占比呈下降趋势。在本地积累叠加上游输送阶段,SOC浓度有明显上升,较本地积累阶段增加5.36μg/m3,在OC中占比较本地积累阶段升高29.5个百分点。值得注意的是,在计算(OC/EC)pri值时,第二阶段和第三阶段(OC/EC)pri值均低于OC/EC最小值,说明气溶胶在传输过程中老化程度较高。

图5 监测期间MRS方法计算Fig.5 MRS method calculation during monitoring period

表 利用MRS方法估算SOC和POCTab. Estimation of SOC and POC using MRS method

2.4 轨迹聚类及CWT分析

采用后向轨迹模式计算嘉兴地区(30.75°N,120.75°E)监测期间逐小时后向轨迹,采用二分k值法对其进行聚类,聚类分析能够确定影响嘉兴地区的气流轨迹及大致方向和贡献占比。图6为监测期间轨迹聚类及PM2.5浓度权重轨迹结果,可以发现,监测期间嘉兴主要受4类轨迹影响,其中地3、4类气流轨迹占比分别为10.4%和25.7%,均为长距离输送;第2类气流轨迹占比为29.2%,来源于山东,经黄海和苏南到达嘉兴地区;第4类气流轨迹来源于安徽北部,占比最高,为34.7%。 结合CWT结果分析可以看出,PM2.5贡献源区主要在第1类气流轨迹上,安徽和江苏北部交界处、淮安、扬州、苏锡常等沿线地区污染浓度权重较高,是嘉兴地区本次污染过程重要的潜在源区。

图6 监测期间轨迹聚类及PM2.5浓度权重轨迹分析结果Fig.6 Results of trajectory clustering and PM2.5 concentration weight trajectory analysis during monitoring

3 结 论

3.1 2020年12月9～14日将污染过程主要分为本地积累阶段、本地积累叠加上游输送和污染消散阶段,监测期间二次无机盐为PM2.5主要组分。本地积累叠加上游输送阶段二次无机盐浓度较本地积累阶段上升131.1%,同时SOR和NOR也最高,说明二次生成明显。监测期间三个阶段均受移动源影响,污染时段受移动源影响最大。

3.2 利用MRS方法计算得到三个阶段SOC浓度在OC中占比呈上升趋势,POC反之;本地积累叠加上游输送阶段(OC/EC)pri值均低于OC/EC最小值,说明气溶胶在传输过程中老化程度较高。

3.3 CWT结果显示,PM2.5贡献源区主要来源于西北方向,安徽和江苏北部交界处、淮安、扬州、苏锡常等沿线地区污染浓度权重较高,是嘉兴地区本次污染过程重要的潜在源区。

3.4 城市间大气污染是相互影响的,形成PM2.5的污染物是可以跨越城市甚至省际的行政边界远距离输送。 因此,开展区域大气污染联防联控是解决区域大气污染问题的有效手段。