乌鲁木齐市区与南郊山区颗粒物污染特征对比分析
2022-09-20 07:41朱翠云赵竹君刘新春普宗朝
中国环境科学 2022年9期
朱翠云,何 清,赵竹君,刘新春,普宗朝
乌鲁木齐市区与南郊山区颗粒物污染特征对比分析
朱翠云1,2,何 清2*,赵竹君1,2,刘新春2,普宗朝3
(1.新疆大学资源与环境科学学院,新疆 乌鲁木齐 830046；2.中国气象局乌鲁木齐沙漠气象研究所,新疆沙漠气象与沙尘暴重点实验室,中国气象局阿克达拉大气本底野外科学试验基地,新疆 乌鲁木齐 830002；3.新疆乌鲁木齐市气象局,新疆 乌鲁木齐 830002)
利用2017年10月～2018年8月的PM10、PM2.5、PM1质量浓度数据以及NCEP全球再分析气象资料,分析乌鲁木齐市区和南郊山区颗粒物浓度变化特征,结合HYSPLIT后向轨迹模型、潜在源贡献因子分析(PSCF)以及浓度权重轨迹分析(CWT)分析市区颗粒物潜在源区.研究结果表明:①市区PM2.5的超标天数为26d,南郊山区无PM2.5超标,市区 PM10的超标天数是南郊山区的3.5倍,市区日均值及月均值质量浓度是南郊山区的2～7倍,市区呈现冬高夏低的季节特征,南郊山区春季最高;②乌鲁木齐市区PM10日变化存在3个峰值,PM2.5、PM1为双峰型分布,南郊山区均呈双峰分布;并存在季节性周末效应;③长短两支聚类气流轨迹对乌鲁木齐市区颗粒物浓度影响较大,春夏气流来自中亚,秋冬来源于北疆周边地区;④颗粒物潜在源区分布季节特征显著,高值区主要为昌吉、巴州、吐鲁番等周边地区,西北部中亚地区也是颗粒物重要来源区域之一.
颗粒物；乌鲁木齐；后向轨迹聚类分析；潜在源区贡献分析；浓度权重轨迹分析；PM2.5
颗粒物污染是城市污染和全球气候变化的研究重点,颗粒物扩散迁移以及跨区域运输对当地以及其他区域环境质量产生不良影响.近年来, HYSPLIT后向轨迹模型以及聚类分析、潜在源贡献因子分析(PSCF)和浓度权重轨迹分析(CWT)等轨迹统计方法广泛应用于研究污染物传输路径以及污染源区,研究人员对京津冀地区[1-2]研究发现秋冬季PM2.5以本地贡献为主,远距离输送贡献为辅,区域间输送显著;汪蕊等[3]研究发现乌鲁木齐潜在源区及其对研究区颗粒物浓度的贡献存在明显的季节特征;李汉林等[4]对帕米尔高原东部研究发现不同方向的气流对PM10不同季节潜在源区贡献有显著差异.IPCC第六次评估报告[5]明确指出全球变暖趋势已经成为限制人类发展的关键性因素,人类活动是全球变暖主导因素,颗粒物、气溶胶的降温效果远不及温室气体的升温效应,全球变暖的日益加剧会导致气候系统的异常变化如极端降水、极端高温等.当前极端天气频发,西北暖湿化现象不断加剧[6],深入分析西北干旱区典型城市颗粒物浓度变化是研究区域气候变化的基础.近年来,不同领域的学者们利用空气质量监测数据以及数值模拟等方法,对污染物的时空分布规律[7]、区域输送[8]、潜在源区分布[9-10]、污染物暴露[11]、对人体健康[12-14]以及流行病学[15]的影响研究也不断深入.
乌鲁木齐位于中天山峡谷北端的开口处,南部是吐鲁番盆地,风口达坂城位于峡谷中部、乌鲁木齐东南部,乌鲁木齐城区东南高西北低,东西南三面环山,北部喇叭口地形朝向准噶尔盆地.乌鲁木齐是新疆天山北坡经济带中心城市,以煤炭、石油为主的产业结构[16]和较大的人口密度使得污染物排放量较大,三面环山的地形使污染物不容易扩散,特殊的气候条件[17-19]和地理位置使得乌鲁木齐整体污染较为严重;乌鲁木齐冬季静风天气多、降雨少,大气湍流活动较夏季较弱,工业燃煤锅炉、逆温层的存在以及天山的阻挡作用[20-21],使得颗粒物、氮氧化物、硫氧化物等污染物的质量浓度较其他季节偏高,重污染天气多.细颗粒物在大气中停留时间长,容易受到区域传输以及远距离输送的影响[22],不同污染物的协同控制以及跨区域污染已经转变为空气质量治理的焦点.
本研究以“乌鲁木齐市区”和“南郊山区(白杨沟站)”为研究区域,两地海拔差约1000m, 两地对比分析时,以南郊山区白杨沟为背景站,市区由于人口密度、工厂污染源排放、车流量、能源结构等因素的影响,人为污染严重,这种污染跨区域输送会进一步影响到本地其他地区以及周围城市的空气质量,影响人体健康及大气能见度,增加大气污染治理成本,通过对比分析乌鲁木齐市区和南郊山区的颗粒物的特征与差异分析,加强对市区污染治理与管控.针对两地2017年10月～2018年8月PM10、PM2.5、PM1不同时间尺度下的质量浓度变化进行分析,利用NCEP再分析GDAS气象数据,结合HYSPLIT后向轨迹模型、潜在源贡献因子分析(PSCF)以及浓度权重轨迹分析(CWT)等方法分析乌鲁木齐市区四季PM2.5和PM10输送路径、潜在源区分布,对不同区域间的传输贡献进行定量的分析,为区域大气污染联防联控提供科学参考.
1 研究资料与方法
1.1 研究区概况
乌鲁木齐(图1)地处86°37'～88°58'E,42°45'32"～ 45°00'N,总面积1.38万km2,属于中温带大陆性干旱气候,年均降水量为250mm,平均温度为25.7℃,乌鲁木齐三面环山,北部喇叭口地形朝向准噶尔盆地.南郊山区地处87°03'～87°14'E,43°21'～43°27'N,位于新疆维吾尔自治区天山中段北坡、乌鲁木齐县南郊,是著名的旅游避暑胜地,距离市区约75km,多年平均气温1.1℃,昼夜温差大,农林牧草生长旺盛,年降雨量在500～600mm,5～8月降水量占全年降水量的66.59%.
乌鲁木齐市区代表站点(87°64'E,43°80'N, 941.3m)位于乌鲁木齐市中国气象局乌鲁木齐沙漠气象研究所楼顶大气成分观测站,位于天山区建国路,周围分布主要是各种商业区以及居民区,采样点距地26m,大气混合度较高;南郊山区白杨沟站点(87°12'E,43°28'N,2169m)位于中国气象局乌鲁木齐沙漠气象研究所的中天山草地生态气象监测站,位于乌鲁木齐南郊,受人类活动影响较小,且植被覆盖率高.
1.2 数据来源
乌鲁木齐市区和南郊山区白杨沟两站的2017年10月～2018年8月的颗粒物质量浓度数据来自中国气象局乌鲁木齐沙漠气象研究所大气成分监测站,观测天数总计335d,市区站和白杨沟站颗粒物有效数据分别为290, 307d.观测仪器为Grimm180颗粒物监测仪,白杨沟站点数据为逐小时数据,市区站点数据为逐5min数据.原始数据资料经过筛选,剔除异常数据,剩余数据资料通过算术平均转换为日均值数据.
所用气象再分析资料来源于美国气象环境预报中心(NCEP)提供的全球资料同化系统(GDAS)气象再分析资料,空间分辨率为1°×1°,数据为UTC(世界时)间隔为6h(分为0,6,12,18h 4个时次),气象要素包括温度、气压、水平和垂直风速等.
图1 研究区概况
1.3 研究方法
1.3.1 数据处理方法 空气质量污染物浓度限值的分级标准以及评价标准统一采用参照《环境空气质量标准》(GB3095-2012)[23],乌鲁木齐属于二类地区,选取对应的标准作为颗粒物限值比对,PM2.5、PM10日均值浓度二级标准限值分别为75, 150μg/m3.原始数据经过质量控制后转换成小时均值,各项污染物的日均值浓度是通过一天中各小时数据汇总得到日均浓度,其他数据建立在小时均值浓度基础上进行计算.图中数据空白处是由于仪器断电造成的数据缺失以及剔除无效观测数据所造成.
1.3.2 HYSPLIT模型与后向轨迹 HYSPLIT模型[24-25]是美国国家海洋大气管理局(NOAA)和澳大利亚气象局(BOM)联合研发的研究污染物传输路径和来源的模式.
由于乌鲁木齐市区人类活动多、颗粒物质量浓度高、污染严重,经查阅文献分析,以市区站点进行潜在源区分析.本文以乌鲁木齐市区站点(87.64°E, 43.80°N)作为模拟受点,轨迹起始高度距离设置为500m,计算2017年10月～2018年8月每天24个时刻到达受体点48h后向轨迹.
1.3.3 聚类分析 聚类分析是根据相似性(气团轨迹的移动速度、方向)对气团轨迹进行重新的分组合并,利用Meteoinfo中的TrajStat插件进行聚类分析、PSCF分析、CWT分析,本文聚类分析采用欧氏距离算法,网格大小为0.25°´0.25°,得到不同季节的输送气流类型、占比和污染物潜在源区.季节划分采取气象划分法:9～11月为秋季,12月～次年2月为冬季,3～5月为春季,6～8月为夏季.
1.3.4 潜在源区贡献分析(PSCF) PSCF是后向气团轨迹基于条件概率函数发展而来的定性识别污染物的潜在污染源区[26-27],PSCF可以把污染物数据叠加到气团轨迹上进一步识别污染源区.PSCF的计算采取以下公式:
1.3.5 浓度权重轨迹分析(CWT) 由于PSCF只能反映每个网格中污染轨迹所占的比例,污染轨迹的污染程度得不到表征.因此,浓度权重轨迹分析(CWT)法能够通过计算潜在源区气团轨迹浓度权重来分析不同源区的相对贡献程度.
式中:CWT是网格(,)的平均加权浓度;是轨迹;为轨迹总数;C是轨迹经过网格(,)时对应的污染物浓度;是轨迹在网格(,)停留的时间.PSCF分析中所用的权重系数同样适用于CWT分析,以减少n较小时引起的误差.
有关溶解纤维素以制备5-羟甲基糠醛(5-HMF)的研究已进行将近一个世纪，国内外研究者利用不同的溶剂对纤维素进行溶解，提出了众多的宏观和微观的反应动力学机理。本文对单一有机溶剂、离子液体、混合溶剂和水4个热点溶剂溶解纤维素催化转化制备5-HMF的机理和优缺点进行了综述，图6展示了全文词汇出现的频率，除纤维素、溶解、溶剂之外，5-HMF、催化剂、溶度共熔溶剂(DES)等词出现的频率最高，在此也针对这几个对象对未来的工作提出一些展望。
2 结果与分析
2.1 PM10、PM2.5、PM1质量浓度变化
2.1.1 PM质量浓度的日均值、月均值变化 对研究期间两站的日均值进行统计,并与《环境空气质量标准》(GB3095-2012)中相应的日均质量浓度二级标准限值对比(表1)).二级标准下,市区PM2.5的超标天数为26d,南郊山区无PM2.5超标,市区 PM10的超标天数是南郊山区的3.5倍.市区PM10超标主要集中在春季,而PM2.5超标日92%在冬季,南郊山区PM10超标均集中在春季(图2).一级标准(PM2.5、PM10日均值浓度一级标准限值分别为35, 50μg/m3)下,南郊山区白杨沟PM2.5、 PM10超标天数分别为7, 29d,PM2.5超标主要集中在春季; PM10超标72%集中在春季,21%集中在秋季.
表1 2017年10月～2018年12月乌鲁木齐市区(W)和南郊山区(B)r(PM10)、r(PM2.5)、r(PM1)日均值统计特征
颗粒物浓度水平受污染源排放和气象条件影响,存在明显的季节性变化特征(图2,图3).乌鲁木齐颗粒物质量浓度是南郊山区的2～7倍,春季以粗颗粒物污染为主,冬季以细颗粒物为主.市区PM10、PM2.5、PM1质量浓度变化的季节性比较明显,冬季(尤其是12月,1月)颗粒物质量浓度达到最大,夏季(尤其是6月)颗粒物质量浓度最低.但是南郊山区颗粒物质量浓度春季最高.归其原因:市区冬季由于工业燃煤烟尘、机动车尾气尘等原因污染物排放量高,冬季虽然有降雪覆盖,但气候背景、地理条件、天气条件共同作用以及逆温层存在,干燥静风天气多,颗粒物扩散受阻,细颗粒物超标较为严重.白杨沟站位于南郊山区,离市区较远,受人类活动影响较小,颗粒物质量浓度以及来源都很少,天山山脉对颗粒物有阻挡作用,总体质量浓度明显低于乌鲁木齐,南郊山区春季为风沙期,此时植被覆盖率低,地表裸露程度高,多风且出现扬尘概率较大;夏季降水增强了颗粒物的湿沉降,大气湍流活动强,对颗粒物有一定的吸收和稀释作用,地表植被旺盛,对颗粒物浓度也会有一定程度的吸收.另外市区颗粒物质量浓度升高集中在12～2月,南郊山区在2～4月,南郊山区较市区滞后,两站浓度水平差异明显,污染物扩散传输之后进行季节性的积累,南郊山区冬春地表裸露对颗粒物的吸收作用降低,海拔差异以及局地环流、季风等气候条件共同作用产生了滞后效应.
图2 颗粒物的日均值变化
PM2.5/PM10、PM1/PM10可以衡量一个地区细颗粒物对PM10的贡献程度, 对比分析市区和山区PM2.5/PM10变化特征时,增加乌鲁木齐市区同期国控站的对比分析(图4),研究发现市区站点数据和国控站数据两者具有一致性.结合图2冬季PM10、PM2.5和PM1的几条曲线几乎重合,且冬季细颗粒物对PM10的贡献率均高于0.8,人类活动产生的颗粒物大幅度增加,人为污染严重,冬季大气稳定度高、逆温现象频发,不利于污染物的扩散与迁移.市区以及国控站PM2.5/PM10、PM1/PM10均呈现冬季>秋季>春季>夏季,南郊山区冬季>秋季>夏季>春季.冬季污染物以细颗粒物污染为主,人为污染源燃煤烟尘、机动车尾气尘等影响严重,逆温天气多加重了污染;乌鲁木齐春季以粗颗粒物污染为主,沙尘输送污染严重.南郊山区远离市区,人类活动少, PM2.5/PM10、PM1/PM10春季最低,夏季次之,一方面是因为地表裸露、沙尘天气增多,对PM10贡献较大,另一方面温度回升,大气湍流、对流增强促进了可吸入颗粒物与细颗粒物的迁移与扩散,夏季降水增多,也会对颗粒物的减少起促进作用,另外南郊山区夏季避暑旅游人数增多,车、人流量增多以及机动车产生的扬尘和尾气使细颗粒物浓度出现一定程度的升高.
2.1.2 PM日变化特征 污染物的日变化与一个地区的城市化发展水平、人类活动的影响、大气稳定度、气候条件的影响关系密切.市区PM2.5、PM1质量浓度的日变化曲线特征相似(图5),南郊山区PM10、PM2.5、PM1质量浓度的日变化曲线特征相似,市区站点颗粒物PM10有3个波峰,分别是09:00、17:00、子夜04:00,PM2.5、PM1为双峰型分布,峰值分别出现在17:00、22:00;南郊山区站点均为双峰型结构,峰值分别出现在凌晨08:00、18:00～19:00,下午峰值远远高于前一个峰值.早晨污染物峰值因日出前后大气边界层稳定,逆温条件下不利于污染物扩散,09:00上班高峰期时间段市区车流量大,汽车尾气排放以及扬尘造成颗粒物质量浓度增大,市区PM2.5、PM1早高峰现象不明显;11:00～12:00地面温度上升,近地面垂直方向大气湍流、对流更强,使得污染物的扩散、迁移能力增强,颗粒物浓度降低出现最低值;17:00～19:00峰值可能为一天内人为活动排放积累结果,加之温度、对流条件不利于颗粒物的扩散和下班高峰期车辆排放源的贡献作用,颗粒物浓度又出现了峰值;而午夜期间大气的垂直输送基本停止,人类活动、车流量急剧降低造成的污染物排放减少,污染物的质量浓度降低.
市区污染物的颗粒物日变化受人为活动影响显著.市区PM10午夜高值的出现可能是,市区站点位于头屯河、新市区、米东区下风口,白天污染物积累,晚上容易产生逆温现象,污染物不容易扩散,另外有的工业错峰用电、白天限排,燃煤量增加对颗粒物的贡献增高,午夜观测位置附近工业工厂开始排放污染物,多种因素的作用可能造成颗粒物质量浓度的升高. 市区颗粒物16:00出现峰值,这时温度、风速较高,热力作用、大气湍流、对流活动较强,大气稳定度低,但是颗粒物浓度却出现明显高值,可能与市区地理位置、气象条件、边界层高度以及复杂的局地环流有关.
2.1.3 PM不同季节周末效应特征 周末效应是指污染物浓度水平和变化特征在周末与其他工作日有明显的区别的现象.乌鲁木齐市区受人为活动影响大,乌鲁木齐市区颗粒物质量浓度是南郊山区的2～4倍,两站颗粒物的周末效应有明显季节差异.如图6所示, 乌鲁木齐市区和南郊山区秋冬周末效应均不明显,春夏季周末效应显著.是由于乌鲁木齐冬季平均气温-13～-4℃,乌鲁木齐集中供暖为10月中旬～翌年4月中旬,秋冬季漫长而严寒导致居民外出活动有限,一定程度上颗粒物浓度会减少,而随着春夏季天气回暖温度上升,周六户外活动增多;南郊山区春夏颗粒物浓度周末略高于工作日,尤其是夏季, PM10周末效应比较明显,可能是南郊山区夏季周末避暑旅游导致人流量、车流量的增多对颗粒物的贡献显著.研究调查发现［28-29］,污染物周末效应可能与人类规律性的生活出行、地理气候条件以及季节变化有关.
图6 乌鲁木齐市区和南郊山区颗粒物的周末效应
2.2 乌鲁木齐市区PM2.5和PM10后向轨迹聚类分析
由于市区人类活动多,颗粒物质量浓度高,污染严重,以市区站点进行潜在源区分析.利用TrajStat软件对2017年10月～2018年8月的气流轨迹按照传输的速度和方向进行轨迹分析,四季轨迹均被聚类为5类(图7),市区四季后向轨迹聚类分析特征明显,表2为不同季节各个轨迹气流来源与占比.
冬季,盛行西风和西北风,大气污染相较于其他季节严重,对应PM2.5轨迹均值为四季最高,为50.40μg/m3,对应PM10轨迹均值较冬季均值较低.对应的PM2.5、PM10浓度轨迹2>轨迹1>轨迹4>轨迹5>轨迹3;冬季轨迹主要集中在研究区及其周边城市(轨迹1、2、4),总共占比为82.42%,且轨迹短移动较慢,为当季主导气流,由于冬天风速小,逆温天气多,加之地形原因,污染物不容易扩散,导致大气污染物容易累积,轨迹1、2较短,移动速度慢,对PM2.5、PM10贡献程度高于其他轨迹,对应的颗粒物浓度也较高,分别为49.31, 52.05μg/m3和58.34, 61.72μg/m3.
图7 乌鲁木齐市区四季后向轨迹聚类
表2 乌鲁木齐市区四季气流后向轨迹500m,48h聚类分析来源
春季,气流轨迹主要来自于受点西北方向,输送距离较近的轨迹占比62.5%,轨迹1起源于克拉玛依,经过昌吉州到达乌鲁木齐,轨迹4起源于中哈交接处,经过博尔塔州、塔城、昌吉州到达乌鲁木齐.输送距离较远的轨迹2、3、5分别起源于哈萨克斯坦中部、哈萨克斯坦东部、俄罗斯中部,轨迹2和轨迹3由于受春季中亚沙尘天气影响会携带大量的沙尘气溶胶进入乌鲁木齐;轨迹2较短(相对于轨迹3、5)且气流轨迹占比多,携带沙尘多,沿途衰弱作用低,对应PM2.5轨迹浓度最高,为29.52μg/m3,对应PM10轨迹浓度达到全年最高值,为106.92μg/m3.
夏季,气流较清洁,主要来自西北中亚地区, PM2.5和PM10轨迹均值为四季最低.远距离输送的气流轨迹占比为72.24%(轨迹1、3、5),轨迹较长,移动较快,分别从塔城、阿勒泰、阿拉山口进入新疆地区,然后输送到市区.输送距离较近的轨迹2、4分别起源于伊犁州、塔城,分别经过昌吉州西部、东部到达市区.其中轨迹4较短,途径古尔班通古特沙漠,携带沙尘沿途衰弱作用较低,因此对应的PM2.5和PM10轨迹均值较高.
综上所述,其中气团输送主要来自西北方向,污染受外来污染物输入和本地污染源排放的影响,与刘子龙等[9]研究具有相似性.秋冬市区气团输送主要来自天山周边经济带的局地近距离气流,对颗粒物浓度贡献高,主要分布在阿勒泰地区、塔城、伊犁州、阿克苏地区、昌吉州、巴州、吐鲁番、哈密等研究区周边地区;春夏市区气团输送主要来自中亚地区的远距离输送,对颗粒物浓度贡献低,主要分布在哈萨克斯坦、乌兹别克斯坦东部、俄罗斯中部等地区.
2.3 乌鲁木齐市区PM2.5和PM10污染源区分析
2.3.1 PSCF分析 按照WPSCF值(0～0.3)、(0.3～ 0.7)、(0.7～1.0)依次标记为轻度、中度、重度潜在源区,主要潜在源区为重度潜在源区[30].如图8所示, 夏季PM2.5的WPSCF值最低(WPSCF<0.2),仅在乌鲁木齐市及巴州与天山北坡经济带交接的地方呈小团状零星分布,表明此区域对PM2.5的质量浓度贡献极其微小;其次是春季,WPSCF值也较低(WPSCF<0.3),潜在源区贡献小而分散,主要集中在巴州东部、乌鲁木齐南部、吐鲁番西部等地区;秋冬季PM2.5的WPSCF值均较高,其中秋季重度污染网格呈少量片状分布在研究区南部以及吐鲁番地区,冬季重度污染网格呈片状分布在吐鲁番、阿克苏地区、巴州,中度及轻度污染网格以重污染网格为中心向周围扩散,冬季相较于秋季,高值区范围大而集中.与PM2.5源区分布相比,PM10春夏季潜在源区分布范围更大更广,以西北方向扩散为主(图8),秋冬季PM10的潜在贡献源区的分布位置和形态与PM2.5极为相似,秋季PM10重污染网格范围扩散,冬季PM10重污染范围有所缩减;夏季WPSCF(PM10)以轻度污染网格为主,主要集中在塔城、博州、塔城、昌吉州等地,中度污染主要集中在阿勒泰、塔城等地呈带状分布;春季WPSCF(PM10)值范围在0.1～0.7,中度污染网格集中在吐鲁番、巴州地区,然后轻度污染网格以中度污染为中心向西北方向扩散,在哈萨克斯坦中部也有带状分布;秋季不同粒径颗粒物污染源区位置分布相似,重污染区域网格集中在昌吉州、吐鲁番地区;冬季PM10重度污染网格集中在伊犁地区.
综上所述,乌鲁木齐市区PM2.5和PM10的WPSCF有明显的季节性分布特征,潜在源区的不同季节的变化存在显著差异.PM2.5高值区范围冬季>秋季>春季>夏季,PM10高值区范围秋季>冬季>春季>夏季.
2.3.2 CWT分析 WPSCF只能反映潜在源区贡献率的大小,不能反映具体的贡献浓度水平,利用CWT法对污染轨迹进行浓度权重分析(图9).
秋冬季PM2.5和PM10的低WCWT值的潜在污染源区空间分布类似.秋季PM2.5的较高WCWT值(30μg/m3
图8 乌鲁木齐市区四季PM10和PM2.5潜在源区(PSCF)分析
图9 乌鲁木齐市区四季PM10和PM2.5浓度权重轨迹(CWT)分析
综上所述,乌鲁木齐市区PM2.5和PM10的WCWT值分布特征以及潜在源区的变化存在显著的季节性差异.PM2.5高值区范围冬季>秋季>春季>夏季,PM10高值区范围秋季>冬季>春季>夏季,高值区主要分布在巴州北部、吐鲁番地区、阿克苏地区,分别位于塔克拉玛干沙漠和吐鲁番盆地,由于地理位置以及地形原因对乌鲁木齐市区颗粒物贡献显著,这与WPSCF分析结果一致.
3 结论
3.1 市区超标日数远远高于南郊山区,两站PM10超标污染、质量浓度高均集中在春季,前者PM2.5、PM1污染集中在冬季,后者集中在春季.市区PM2.5的超标天数为26d,南郊山区无PM2.5超标,市区 PM10的超标天数是南郊山区的3.5倍.市区日均值及月均值质量浓度是南郊山区的2～7倍,市区呈现冬高夏低的季节特征.
3.2 市区受人为活动影响大,市区站点颗粒物PM10有3个峰值,分别是09:00、17:00、子夜04:00,PM2.5、PM1为双峰型分布,峰值分别出现在17:00、22:00;南郊山区颗粒物日变化呈现不明显的双峰型结构,分别是早上08:00(最高峰)和下午18:00～19:00.市区和南郊山区颗粒物PM10、PM2.5、PM1不同季节的周末效应有明显差异,秋冬季周末效应不明显,春夏周末效应显著.
3.3 市区聚类气流轨迹主要有长、短两支气流,秋冬市区气团输送主要来自天山周边经济带的局地近距离气流,春夏市区气团输送主要来自中亚地区的远距离输送.
3.4 市区PM2.5和PM10的WPSCF和WCWT有明显的季节性分布特征,PM2.5高值区范围冬季>秋季>春季>夏季,PM10高值区范围秋季>冬季>春季>夏季.对大气颗粒物影响最大的潜在污染源区为乌鲁木齐周边城市,主要包括昌吉州、巴州、吐鲁番等地,低值区以高值区为中心向周围扩散,主要扩散方向以西北方向为主.
[1] 张智答,王晓琦,张晗宇,等.京津冀地区典型城市秋冬季PM2.5输送特征研究 [J]. 中国环境科学, 2021,41(3):993-1004.
Zhang Z D, Wang X Q, Zhang H Y, et al. Characteristics of PM2.5transport in Autumn and winter in Typical cities in Beijing- Tianjin-Hebei region [J]. 2021,41(3):993-1004.
[2] 王燕丽,薛文博,雷 宇,等.京津冀区域PM2.5污染相互输送特征 [J]. 环境科学, 2017,38(12):4897-4904.
Wang Y L, Xue W B, Lei Y, et al. Characteristics of PM2.5pollution Transport in Beijing-Tianjin-Hebei Region [J]. Environmental Science, 2017,38(12):4897-4904.
[3] 汪 蕊,丁建丽,马 雯,等.基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析 [J]. 环境科学学报, 2021.41(8):3033-3042.
Wang R, Ding J L, Ma W, et al. Source region analysis of atmospheric particulate matter in Urumqi city based on PSCF and CWT model [J]. Journal of Environmental Science, 2021.41(8):3033-3042.
[4] 李汉林,何 清,刘新春,等.帕米尔高原东部PM10输送路径及潜在源分析 [J]. 中国环境科学, 2020,40(11):4660-4668.
Li H L, He Q, Liu X C, et al. Analysis of PM10transport routes and potential sources in the Eastern Pamir Plateau [J]. Chinese Environmental Science, 2020,40(11):4660-4668.
[5] IPCC第六次评估报告第一工作组报告发布 [N]. 中国气象报, 2021-08-10(001).
IPCC Sixth Assessment Report working Group I report released [N]. China Meteorological News, 2021-08-10(001).
[6] 王澄海,张晟宁,张飞民.论全球变暖背景下中国西北地区降水增加问题 [J]. 地球科学进展, 2021,36(9):980-989.
Wang C H, Zhang S N, Zhang F M. Analysis of precipitation increase in northwest China under the background of global warming [J]. Advances in Earth Science, 201,36(9):980-989.
[7] 刘 琳,张正勇,刘 芬,等.天山北坡经济带城市PM2.5质量浓度时空分布及模拟分析 [J]. 环境科学研究, 2018,31(11):1849-1857.
Liu L, Zhang Z Y, Liu F, et al. Spatial and temporal distribution and simulation analysis of PM2.5mass concentration in urban economic belt on the Northern Slope of Tianshan Mountains [J]. Research of Environmental Science, 2018,31(11):1849-1857.
[8] 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 air particulate matter transport channel and pollution source area in Tianshui City [J]. Environmental Chemistry, 2020,39(9):2371-2383.
[9] 刘子龙,代 斌,崔卓彦,等.大气污染物浓度变化特征及潜在源分析—以乌鲁木齐为例 [J]. 干旱区研究, 2021,38(2):562-569.
Liu Z L, Dai B, Cui Z Y, et al. Analysis on variation characteristics and potential sources of atmospheric pollutants concentration: A Case study of Urumqi [J]. Arid Zone Research, 201,38(2):562-569.
[10] 刘 灏,王 颖,王思潼,等.基于HYSPLIT4模式的天水市颗粒物输送路径 [J]. 中国环境科学, 2021,41(8):3529-3538.
Liu H, Wang Y, Wang S T, et al. Transport path of particulate matter in Tianshui City based on HYSPLIT4model [J]. China Environmental Science, 201,41(8):3529-3538.
[11] Chen M J, Li B, Nan S. Particulate matter PM2.5exposure season- dependently induces neuronal apoptosis and synaptic injuries [J]. Journal of Environmental Sciences, 2017,04(v.54):340-349.
[12] 周梦杰,胡文庆,杨思远,等.2000年—2017年中国PM2.5污染的健康影响及经济损失时空分布模式 [J]. 华中师范大学学报(自然科学版), 2021,55(1):110-120.
Zhou M J, Hu W Q, Yang S Y, et al. Effects of PM2.5pollution on health and economic loss in China from 2000 to 2017 [J]. Journal of Central China Normal University (Natural Science Edition), 201,55(1): 110-120.
[13] Pope C A, Dockery D W. Health effects of fine particulate air pollution: lines that connect. [J]. Journal of the Air & Waste Management Association, 2006,56(6):707-708.
[14] 周 童,钱兰红,钱 斌,等.城市空气污染物浓度对健康青年肺功能的短期影响 [J]. 江苏医药, 2015,41(5):546-548.
Zhou T, Qian L H, Qian B, et al. Effect of urban air pollutant concentration on lung function in healthy youth [J]. Jiangsu Medicine, 2015,41(5):546-548.
[15] Lippmann M. Toxicological and epidemiological studies of cardiovascular effects of ambient air fine particulate matter (PM2.5) and its chemical components: coherence and public health implications [J]. Critical Reviews in Toxicology, 2014,44(4):299-347.
[16] 柴发合.中国未来三年大气污染治理形势预判与对策分析 [J]. 中国环境监察, 2019,(1):29-31.
Chai F H. Analysis of control situation prediction and countermeasures of China's air pollution in the next three years [J]. China Environmental Monitoring, 2019,(1):29-31.
[17] 李 军,吕爱华,李建刚.“十一五”时期乌鲁木齐市大气污染特征及影响因素分析 [J]. 中国环境监测, 2014,30(2):14-20.
Li J, Lv A H, Li J G. Characteristics and influencing factors of air pollution in Urumqi during the "11th Five-Year Plan" Period [J]. China Environmental Monitoring, 2014,30(2):14-20.
[18] 杨 静,李 霞,李 秦,等.乌鲁木齐近30a大气稳定度和混合层高度变化特征及其对空气污染的影响 [J]. 干旱区地理, 2011,28(3): 747-752.
Yang J, Li X, Li Q, et al. Changes in atmospheric stability and mixed layer height and their effects on air pollution over Urumqi in recent 30years [J]. Arid land geography, 2011,28(3):747-752.
[19] 蔡 仁,李 霞,赵克明,等.乌鲁木齐大气污染特征及气象条件的影响 [J]. 环境科学与技术, 2014,37(S1):40-48.
Cai R, Li X, Zhao K M, et al. Characteristics of air pollution and influence of meteorological conditions in Urumqi [J]. Environmental Science and Technology, 2014,37(S1):40-48.
[20] 李 霞,王 磊,杨 静,等.峡口地形城市影响大气污染物变化的气象因素研究 [C]//城市气象论坛(2012年)·城市与气候变化论文集, 2012:186.
Li X, Wang L, Yang J, et al. Study on meteorological factors influencing atmospheric pollutants change in Xiakou topographic city [C]// Urban Meteorological Forum (2012). Proceedings of Urban and Climate Change, 2012:186.
[21] 罗治江.乌鲁木齐市冬季大气污染成因分析及防治对策初探 [J]. 资源节约与环保, 2017,(7):58,60.
Luo Z J. Analysis of causes of winter air pollution in Urumqi city and preliminary study on prevention and control countermeasures [J]. Resources Conservation and Environmental Protection, 2017,(7): 58,60.
[22] Cristofanelli P, Bonasoni P. Background ozone in the southern Europe and Mediterranean area: Influence of the transport processes [J]. Environmental Pollution, 2009,157(5):1399-1406.
[23] GB3095- 2012 环境质量空气标准 [S].
GB3095- 2012 Ambient air quality standards [S].
[24] Draxler R R, Hess G D. An overview of the hysplit-4modeling system for trajectories [J]. Australian Meteorological Magazine, 1998,47(4): 295-308.
[25] Stein A F, Draxler R R, Rolph G D, et al. NOAA's HYSPLIT atmospheric transport and dispersion modeling system [J]. Bulletin of the American Meteorological Society, 2015,96(12):2059-2077.
[26] Tian M, Wang H, Chen Y, et al. Characteristics of aerosol pollution during heavy haze events in Suzhou, China [J]. Atmospheric Chemistry and Physics, 2016,16(11):7357-7371.
[27] Ashbaugh L L, Malm W C, Sadeh W Z. A residence time probability analysis of sulfur concentrations at grand Canyon National Park [J]. Atmospheric Environment , 1967,19(8):1263-1270.
[28] Lough G C, Schauer J J, Lawson D R.Day-of-week trends in carbonaceous aerosol composition in the urban atmosphere [J]. Atmospheric Environment, 2006,40(22):4137-4149.
[29] 范圣虎,刘 宁,张飞云.乌鲁木齐城区大气污染“周末效应”特征及其变化趋势分析 [J]. 新疆环境保护, 2021,43(2):1-7.
Fan S H, Liu N, Zhang F Y. Characteristics and trends of weekend effect of air pollution in Urban Area of Urumqi [J]. Xinjiang Environmental Protection, 201,43(2):1-7.
[30] 玛依拉·热西丁,丁建丽,张 喆,等.乌鲁木齐市气溶胶光学厚度时空分布特征及潜在来源分析 [J]. 环境科学学报, 2020,40(5):1611- 1620.
Maiela Rexiding, Ding J L, Zhang Z, et al. Temporal and spatial distribution characteristics and potential sources of aerosol optical thickness in Urumqi city [J]. Chinese journal of environmental science, 2020,40(5):1611-1620.
致谢：感谢中国气象局乌鲁木齐沙漠气象研究所提供观测数据.感谢王亚强老师团队Meteoinfo 软件支持.
Comparative analysis of particulate pollution characteristics between Urumqi urban area and southern mountainous area.
ZHU Cui-yun1,2, HE Qing2*, ZHAO Zhu-jun1,2, LIU Xin-chun2, PU Zong-chao3
(1.College of Resources & Environment Sciences, Xinjiang University, Urumqi 830046, China；2.Institute of Desert Meteorology, China Meteorological Administration, Xinjiang Key Laboratory of Desert Meteorology and Sandstorm, Field Scientific Experiment Base of Akdala Atmospheric Background, China Meteorological Administration, Urumqi 830002, China；3.Urumqi Meteorological Bureau, Urumqi 830002, China)., 2022,42(9)：4073～4085
Based on the observational data of PM10, PM2.5and PM1concentrations from October 2017 to August 2018 as well as NCEP reanalysis data of meteorology, this paper analyzed the variations of particulate concentrations in the urban area and the mountainous area in the southern suburbs of Urumqi, combined with HYSPLIT backward trajectory modelling, potential source contribution factor analysis (PSCF) and concentration weight trajectory analysis (CWT) to analyze the potential sources of particulate matter in urban areas. The results show that: (1) In the urban area, PM2.5exceeded the standard for 26 days, while in the southern suburbs, no PM2.5exceeded the standard, and the number of days exceeding the standard for PM10in the urban area was 3.5 times higher than that in the southern suburbs, The daily and monthly mean PM10concentrations in urban area is 2～7 times that in the southern suburban area. The urban area presented the seasonal characteristics of high in winter and low in summer, while the southern suburban area observed the highest in spring. (2) The diurnal variation of PM10in Urumqi has three peak values, PM2.5and PM1have bimodal distribution in the urban area, and the southern mountainous areas presented the bimodal distribution in diurnal PM10change. There is seasonal weekend effect. (3) The trajectory of the long and short clusters of air flow has a great influence on the concentrations of particulate matter in Urumqi. Air flows in spring and summer is traced from Central Asia, and air flow in autumn and winter from the surrounding areas of northern Xinjiang. (4) The seasonal variations of potential sources of particulate matter are significant, and the high values are mainly in Changji, Bazhou, Turpan and other surrounding areas. The central Asian area in northwest China is also one of the important sources of particulate matter.
particulate matter；Urumqi；backward trajectory clustering analysis；potential source area contribution analysis；concentration weight trajectory analysis；PM2.5
X513
A
1000-6923(2022)09-4073-13
2022-02-22
第二次青藏高原综合科学研究项目(2019QZKK010206)
*责任作者, 研究员, qinghe@idm.cn
朱翠云(1998-),女,河南驻马店人,新疆大学硕士研究生,主要从事大气污染防治研究.
猜你喜欢
环境工程技术学报(2022年3期)2022-06-05
草业科学(2022年1期)2022-03-05
西部资源(2021年1期)2021-11-26
灌溉排水学报(2021年8期)2021-09-02
人人健康(2020年8期)2020-09-02
活力(2019年17期)2019-11-26
武术研究(2019年12期)2019-04-20
幼儿画刊(2018年10期)2018-10-27
环球人文地理·评论版(2016年8期)2017-01-19
中外玩具制造(2016年5期)2016-11-06
