高 琦， 郭新成， 孟妮娜， 王 利， 丁慧蘭

(長安大學(xué)地質(zhì)工程與測繪學(xué)院， 西安 710054)

大氣氣溶膠(aerosol)是指空氣中的固態(tài)或液態(tài)微粒懸浮物[1]，是陸地-海洋-大氣系統(tǒng)的重要組成部分[2]。它通過散射和吸收太陽輻射改變地—?dú)庀到y(tǒng)輻射收支平衡[3]，進(jìn)而直接或間接影響全球氣候。氣溶膠光學(xué)厚度指單位截面垂直柱面上的綜合消光系數(shù)，是表征氣溶膠對(duì)光的衰減作用的重要參數(shù)[4-5]。目前，氣溶膠光學(xué)厚度的探測手段主要包括地基遙感和衛(wèi)星遙感兩種[6]。在過去的幾十年里，世界各國已建立了許多地面網(wǎng)絡(luò)以不斷獲得氣溶膠光學(xué)和微物理特性的定量測量結(jié)果。常見的地基觀測網(wǎng)絡(luò)包括：美國氣溶膠地面自動(dòng)觀測網(wǎng)(aerosol robotic network, AERONET)[7]、加拿大太陽光度計(jì)網(wǎng)絡(luò)(aerosol Canada, AEROCAN)[8]、中國氣溶膠遙感地基觀測網(wǎng)(China aerosol remote sensing network, CARSNET)[9]等，能夠提供準(zhǔn)確的氣溶膠光學(xué)厚度數(shù)據(jù)，但由于站點(diǎn)數(shù)量有限且分布不均勻，不適用于大尺度區(qū)域性研究[10-11]。衛(wèi)星監(jiān)測可實(shí)現(xiàn)長期、大面積同步觀測，能夠彌補(bǔ)地基遙感的缺陷。

近年來，京津冀地區(qū)城市化進(jìn)程加快，氣溶膠等大氣污染物長期超環(huán)境容量排放，導(dǎo)致霧霾天氣頻繁發(fā)生。據(jù)環(huán)境保護(hù)部發(fā)布的2013年重點(diǎn)區(qū)域空氣質(zhì)量狀況顯示，京津冀13個(gè)城市中，有7個(gè)城市排在污染最重的城市前10位[12]。同時(shí)有研究表明本地污染物排放和外地污染物遠(yuǎn)距離傳送都會(huì)造成城市大氣污染[13]，大氣氣溶膠時(shí)空分布特征與污染物來源有著密切聯(lián)系[14]。因此，研究京津冀地區(qū)氣溶膠時(shí)空變化特征及確定影響京津冀空氣質(zhì)量狀況潛在源區(qū)對(duì)當(dāng)?shù)卮髿馕廴局卫碇陵P(guān)重要。

目前，中分辨率成像光譜儀(moderate resolution imaging spectroradiometer, MODIS)氣溶膠產(chǎn)品由于具有較高的數(shù)據(jù)質(zhì)量和時(shí)空分辨率[15]，已被中外眾多學(xué)者用以探究不同地區(qū)氣溶膠光學(xué)厚度時(shí)空分布。牛林芝等[16]利用2002—2019年MODIS 二級(jí)氣溶膠產(chǎn)品對(duì)中亞五國的氣溶膠光學(xué)厚度時(shí)空變化特征進(jìn)行了研究；瑪依拉·熱西丁等[17]基于MODIS氣溶膠產(chǎn)品分析了烏魯木齊市2009年1月至2019年7月氣溶膠光學(xué)厚度(aerosol optical depth, AOD)時(shí)空分布特征；Rupakheti等[18]利用MOD04日氣溶膠產(chǎn)品對(duì)中亞地區(qū)15個(gè)城市的氣溶膠光學(xué)厚度及氣溶膠類型進(jìn)行了分析。一些科研人員也利用MODIS氣溶膠產(chǎn)品探究了京津冀地區(qū)氣溶膠光學(xué)厚度時(shí)空變化特征。例如，景悅等[19]利用C06 MODIS AOD日產(chǎn)品數(shù)據(jù)分析了2010—2016年京津冀地區(qū)AOD時(shí)空變化情況，得出河北南部地區(qū)AOD值較高的結(jié)論；張西雅等[20]基于C6 版本MODIS二級(jí)衛(wèi)星遙感氣溶膠產(chǎn)品揭示了京津冀地區(qū)AOD時(shí)空分布特征，并證明氣溶膠時(shí)空分布與城市化發(fā)展水平密切相關(guān)。綜上，近年來學(xué)者對(duì)京津冀地區(qū)AOD時(shí)空變化特征的研究采用的均為舊版本MODIS氣溶膠資料。而美國國家航空航天局(National Aeronautics and Space Administraion, NASA)最新版本發(fā)布的C6.1 MODIS AOD產(chǎn)品，與產(chǎn)品早期版本相比，改進(jìn)了反演算法并保留了C6.0版的暗像元法與深藍(lán)算法相融合的算法模式，產(chǎn)品版本的準(zhǔn)確度和空間覆蓋范圍也更高。但利用C6.1 MODIS AOD產(chǎn)品數(shù)據(jù)進(jìn)行分析的研究有所欠缺。因此，基于精度更高的C6.1 MODIS AOD產(chǎn)品有利于更準(zhǔn)確分析京津冀地區(qū)AOD時(shí)空格局。

相關(guān)學(xué)者已利用后向軌跡和潛在源貢獻(xiàn)因子法分析?？赱21]、沈陽[22]、綏化市[23]等地的大氣污染來源與潛在源區(qū)。對(duì)于京津冀地區(qū)大氣污染來源與潛在源區(qū)的研究，王帥等[24]利用后向軌跡模型和潛在源貢獻(xiàn)因子法探究石家莊市2019年4—10月的O3傳輸軌跡和潛在源區(qū)；張忠地等[25]利用后向軌跡模型和潛在源貢獻(xiàn)因子法分析2017年北京不同季節(jié)PM2.5的輸送路徑及潛在源區(qū)。但上述研究主要集中于對(duì)短期污染要素進(jìn)行分析，對(duì)長時(shí)間尺度的大氣污染來源與潛在源區(qū)探究較少。而潛在源區(qū)貢獻(xiàn)因子法主要基于條件概率函數(shù)來判斷污染源可能來向，因此在京津冀地區(qū)對(duì)短期污染過程進(jìn)行潛在源區(qū)貢獻(xiàn)的分析市不夠精確的。此外，已有研究一般結(jié)合某種污染物濃度來分析潛在源區(qū)，相較于這些污染物濃度數(shù)據(jù)，空氣質(zhì)量指數(shù)(air quality index, AQI)作為一個(gè)綜合指標(biāo)可以更宏觀地表征一個(gè)地區(qū)的總體污染程度。

綜上，現(xiàn)利用新版本MODIS C6.1 10KM AOD數(shù)據(jù)，探討京津冀地區(qū)2011年1月至2020年12月AOD時(shí)空變化特征，采用HYSPLIT(hybrid single particle lagrangian integrated trajectory) 模型分析京津冀地區(qū)3個(gè)代表城市(北京市、天津市、石家莊市)氣團(tuán)的傳輸路徑；并基于逐日空氣質(zhì)量指數(shù)數(shù)據(jù)，運(yùn)用潛在源貢獻(xiàn)因子法(potential source contribution function, PSCF)進(jìn)一步探究影響石家莊市AQI等級(jí)的潛在源區(qū)。以期為確定京津冀地區(qū)大氣污染的調(diào)控目標(biāo)提供參考。

1 研究區(qū)概況

京津冀地區(qū)位于中國東部沿海地區(qū)(圖1)，其北靠燕山山脈、南部與山東、河南相鄰、西倚太行山、東臨渤海，整體呈現(xiàn)出西北高東南低的地形特點(diǎn)，屬于暖溫帶大陸性季風(fēng)氣候，年平均降雨量500 nm，年平均氣溫12 ℃。該地區(qū)由于受特殊地理地形和不利氣象條件等“先天因素”制約導(dǎo)致污染物不易擴(kuò)散，霧霾多發(fā)。

圖1 研究區(qū)概況圖Fig.1 Overview map of the study area

2 數(shù)據(jù)來源與方法

2.1 數(shù)據(jù)來源

MOD04_L2來源于NASA發(fā)布的搭載于 Terra衛(wèi)星的 MODIS C6.1 Level 2 逐日氣溶膠產(chǎn)品數(shù)據(jù)，空間分辨率為10 km。后向軌跡模式采用的氣象場數(shù)據(jù)來源于美國國家氣象局國家環(huán)境預(yù)測中心(National Centers for Environmental Prediction, NCEP)提供的全球數(shù)據(jù)同化系統(tǒng)(global aata assimiltion system，GDAS)數(shù)據(jù)，該數(shù)據(jù)每6 h發(fā)布一次，分別為00:00、06:00、12:00、18:00(UTC，協(xié)調(diào)世界時(shí))，從2005年1月2020年12月，按周保存GDAS氣象資料，更新頻率為1個(gè)月?？諝赓|(zhì)量指數(shù)數(shù)據(jù)是由中國空氣質(zhì)量在線監(jiān)測平臺(tái)免費(fèi)提供(https://arlftp.aqistudy.cn/)，現(xiàn)如今可獲得AQI數(shù)據(jù)起始年份為2013年，故時(shí)間跨度選擇2013年12月至2020年12月。30 m空間分辨率的數(shù)字高程模型 (digital elevation model, DEM)數(shù)據(jù)由美國太空總署和國防部國家測繪局聯(lián)合測量獲取[26]。

2.2 方法

選取2011-2020年C6.1版本MOD04_L2 DTB(“AOD_550_Dark_Target_Deep_Blue_Combined”)AOD融合產(chǎn)品，基于交互式數(shù)據(jù)語言(interactive data language, IDL)完成批量重投影、幾何校正、波段堆疊、鑲嵌拼接和邊界裁剪等影像預(yù)處理工作，得到京津冀地區(qū)不同時(shí)間尺度(月、季、年)的AOD數(shù)據(jù)，并分析其空間和時(shí)間變化特征；基于HYSPLIT模型，將京津冀地區(qū)包含的2個(gè)直轄市(北京市、天津市)和1個(gè)省會(huì)城市(石家莊市)的經(jīng)緯度分別設(shè)置為受點(diǎn)，以500 m作為起始高度(500 m高度的風(fēng)場可以反映邊界層的平均流場特征)，模擬2013年12月至2020年12月每日抵達(dá)模擬受點(diǎn)的24 h后向軌跡，并運(yùn)用Meteoinfo的TrajStat插件對(duì)各季節(jié)的后向氣流軌跡數(shù)據(jù)進(jìn)行聚類分析，得到每個(gè)城市四季氣團(tuán)傳輸路徑圖；統(tǒng)計(jì)京津冀3個(gè)主要城市逐日AQI數(shù)據(jù)，分析獲得AQI優(yōu)良率，在此基礎(chǔ)上利用潛在源貢獻(xiàn)因子法(potential source contribution function, PSCF)分析優(yōu)良率最低的城市的潛在源區(qū)。

分析四季變化時(shí)，選取的劃分原則為：春季(3—5月)，夏季(6—8月)，秋季(9—11月)，冬季(12月至次年2月)。

(1)線性趨勢(shì)分析法。本文選取線性趨勢(shì)分析法[27]探究2011年1月至2020年12月京津冀AOD數(shù)據(jù)年際變化趨勢(shì)：

(1)

式(1)中：Xi為第i年AOD；i為年份序號(hào)(i=1～n)；n為數(shù)據(jù)的累計(jì)觀測年份數(shù)。slope為累計(jì)觀測年份內(nèi)柵格像元的變化趨勢(shì)斜率，slope>0表示10 a內(nèi)該像元屬性值(AOD)呈增加趨勢(shì)，slope<0表示10 a內(nèi)該像元屬性值(AOD)呈減少趨勢(shì)，slope=0表示10 a內(nèi)該像元屬性值(AOD)沒有發(fā)生變化。

(2)拉格朗日混合單粒子軌道(HYSPLIT)模型。HYSPLIT模型是由美國國家海洋與大氣管理局和澳大利亞氣象局合作開發(fā)[28]，可以用來模擬計(jì)算氣團(tuán)的運(yùn)動(dòng)軌跡及復(fù)雜的擴(kuò)散和沉積[29]。其基本原理為假定氣團(tuán)隨著風(fēng)場運(yùn)動(dòng), 氣團(tuán)軌跡是其在空間和時(shí)間上的積分。氣團(tuán)所在位置的矢量速度在空間上和時(shí)間上都是通過線性插值得出。具體計(jì)算公式為

(2)

式(2)中：P(t)為t時(shí)刻氣團(tuán)的位置 ；Δt為時(shí)間步長，P(t+Δt)為下一時(shí)刻的預(yù)測位置，v(P,t)為某一位置和時(shí)間點(diǎn)的風(fēng)速信息；P′為第一猜測位置；P為初始位置。

該模型在定量計(jì)算時(shí)有后向軌跡和前向軌跡兩種形式。其中，前向軌跡是模擬目標(biāo)地區(qū)氣流流向的一種形式，主要用于說明目標(biāo)地區(qū)的氣體將對(duì)其他地區(qū)所造成的影響；而后向軌跡主要用于說明目標(biāo)地區(qū)氣體的來源。選用HYSPLIT后向軌跡模式模擬京津冀地區(qū)代表城市的氣團(tuán)輸送軌跡。

(3)軌跡聚類分析。基于氣流軌跡的聚類分析是依據(jù)氣流的空間相似度(傳輸速度和方向) 對(duì)大量軌跡進(jìn)行分類[30]。采用TrajStat提供的歐式距離算法對(duì)后向軌跡進(jìn)行聚類。針對(duì)每個(gè)聚類空間的空間相異度(spatial variance,SPVAR),具體計(jì)算公式為

(3)

式(3)中:Dij為第i條軌跡中第j個(gè)小時(shí)的滯留點(diǎn)到平均軌跡對(duì)應(yīng)點(diǎn)的距離；x為該聚類中的軌跡條數(shù)；t為軌跡的時(shí)間長度。

最后根據(jù)總空間相異度(total spatial variance,TSV)與n之間的關(guān)系判斷聚類的個(gè)數(shù)及每類平均軌跡的空間分布。

(4)潛在源貢獻(xiàn)因子法。PSCF是以條件函數(shù)為基本原理識(shí)別可能污染物位置的方法[31]。該方法基于HYSPLIT模型所產(chǎn)生的模擬結(jié)果，創(chuàng)建一定分辨率矩形單元(i,j)覆蓋研究區(qū)，并對(duì)污染因子設(shè)置閾值，當(dāng)某軌跡的要素值超過用戶確定的閾值標(biāo)準(zhǔn)即被標(biāo)記為污染軌跡。PSCF具體計(jì)算公式為

(4)

式(4)中:mij為網(wǎng)格(i,j)內(nèi)的污染軌跡節(jié)點(diǎn)數(shù)；nij為網(wǎng)格(i,j)所有軌跡節(jié)點(diǎn)數(shù)；PSCFij為網(wǎng)格(i,j)中污染軌跡出現(xiàn)的概率。

根據(jù)該算法來確定石家莊市大氣污染物的源區(qū)，閾值設(shè)為AQI的日均值Ⅱ級(jí)標(biāo)準(zhǔn)限定值，即當(dāng)某軌跡的AQI值高于Ⅱ級(jí)標(biāo)準(zhǔn)值(100)則被標(biāo)記為污染軌跡，網(wǎng)格分辨率設(shè)為0.5°。為了消除網(wǎng)格單元內(nèi)氣流停留時(shí)間短和PSCF高值所導(dǎo)致的較大不確定性，通常將權(quán)重函數(shù)wij乘以PSCF值以降低誤差帶來的影響。參考李顏君等[32]和高陽等[33]設(shè)定的權(quán)重函數(shù)wij：

(5)

3 結(jié)果與分析

3.1 京津冀地區(qū)AOD年平均值變化特征

圖2顯示了京津冀地區(qū)2011—2020年AOD年平均空間分布。從圖2可以明顯看到，研究區(qū)AOD空間分布與地形大體一致，以沿西北向的燕山-太行山地為界，劃分為AOD高值區(qū)和低值區(qū)兩部分，呈現(xiàn)出東南高西北低的總體格局。高值區(qū)主要分布于分界線東南麓，此區(qū)域海拔較低，氣溶膠等大氣污染物受燕山-太行山脈阻擋，隨氣團(tuán)沿山脈邊坡向東南方向擴(kuò)散，波及范圍包括河北南部和中部、北京東南部及天津一帶，最大值可達(dá)0.72以上。其中河北中部和南部成為AOD高值區(qū)，一方面因?yàn)楹?、石家莊、衡水等地是我國典型的重工業(yè)區(qū)，工業(yè)廢氣(如硫化氫、二氧化碳等)排放強(qiáng)度高，另一方面，該地區(qū)是農(nóng)作物高產(chǎn)地，秋收時(shí)節(jié)當(dāng)?shù)剞r(nóng)民在田間焚燒大量秸稈，造成嚴(yán)重的大氣污染。而京津地區(qū)由于城市化建設(shè)水平高，車流量大，受高山及高空逆溫層的阻擋，城市建設(shè)裝修等排放的有害物質(zhì)長期滯留于大氣，污染物擴(kuò)散導(dǎo)致其AOD值偏高。低值區(qū)主要集中于分界線西北麓，森林覆蓋率高的高海拔地區(qū)，AOD值在0.36以下。

圖2 2011—2020年京津冀地區(qū)平均AODFig.2 2011—2020 average AOD in Beijing-Tianjin-Hebei region

京津冀地區(qū)近10年AOD年均值變化趨勢(shì)如圖3(a)所示，從圖3(a)可看出，2011—2020年間京津冀年平均AOD在0.33(2017年)至0.49(2011年)之間浮動(dòng)，10a均值為0.39，年增幅達(dá)到-1.81%，總體呈下降狀態(tài)，說明京津冀地區(qū)污染防治工作已初見成效。近10年來研究區(qū)AOD值存在多次浮動(dòng)，具體表現(xiàn)為：2011—2012年AOD值迅速下降，其中2012年AOD值也是近10年的波谷；2012年以后，AOD年均值呈減小趨勢(shì)，2017年達(dá)到近10年最小值0.33；2018年出現(xiàn)短暫增加后，2020年又緩慢減小為0.33。采用線性趨勢(shì)分析法得到近10年京津冀地區(qū)AOD變化趨勢(shì)情況如圖3(b)所示。由圖3(b)可知：京津冀地區(qū)總體呈減少趨勢(shì)，其中邢臺(tái)市、邯鄲市、衡水市、滄州市和石家莊市存在明顯減少的趨勢(shì)，但全區(qū)只有部分區(qū)域AOD呈增加趨勢(shì)，主要分布在張家口市、承德市和北京市東南部。

3.2 京津冀地區(qū)AOD季節(jié)變化特征

圖4為京津冀地區(qū)2011—2020年氣溶膠光學(xué)厚度季節(jié)均值的空間分布，從圖4可看出該地區(qū)氣溶膠光學(xué)厚度的季節(jié)空間分布與年平均AOD的分布規(guī)律相似，均呈現(xiàn)出東南方向AOD值偏高的特征。春季與冬季AOD空間分布相近，高值區(qū)(AOD>0.6)主要分布于邢臺(tái)市、邯鄲市等河北南部地區(qū)和天津一帶，低值區(qū)位于河北北部，分析其可能原因，一方面來自采暖期結(jié)束后京津冀實(shí)施錯(cuò)峰生產(chǎn)的各類工業(yè)企業(yè)大面積復(fù)產(chǎn)，另一方面，春季干旱少雨、處于沙塵暴頻發(fā)期，研究區(qū)獨(dú)特的地形條件使污染物不易擴(kuò)散，從而在山前堆積。與春季相比，夏季AOD高值區(qū)分布范圍顯著擴(kuò)大，東南方向的所有城市均位于高值區(qū)，而西北向AOD低值區(qū)分布范圍較春季顯著縮減，夏季AOD值較高可能是由于夏季濕度高和風(fēng)速低，促進(jìn)氣溶膠的非均相生成和聚集。秋季濕度小且邊界層高，為污染物擴(kuò)散創(chuàng)造了有利條件，全區(qū)AOD值普遍較低，除邯鄲、邢臺(tái)、石家莊、天津部分區(qū)域存在小面積高值區(qū)外，其他地區(qū)基本均位于中低值區(qū)，空氣質(zhì)量處于較高水平。冬季工業(yè)生產(chǎn)、生物質(zhì)燃燒、居民生活取暖等引起大量顆粒污染物質(zhì)的排放，是造成冬季大氣污染主要成因。

圖4 2011—2020年京津冀地區(qū)AOD四季分布Fig.4 Distribution of AOD in the four seasons of the Beijing-Tianjin-Hebei region from 2011 to 2020

圖5為2011—2020年京津冀地區(qū)AOD季節(jié)均值的時(shí)間序列圖。由圖5可知，研究區(qū)各季節(jié)間AOD均值存在明顯差異。春夏秋冬四季氣溶膠光學(xué)厚度均值由高至低依次為：夏(0.53)>春(0.39)>冬(0.36)>秋(0.32)。夏季AOD值變化幅度最為顯著，范圍為0.37～0.76；春秋冬三季雖有一定浮動(dòng)但總體幅度不大，范圍為0.26～0.48。夏季AOD始終保持全年高值水平甚至高于受北方沙塵暴、揚(yáng)塵天氣影響的春季，可能原因是京津冀地區(qū)夏季相對(duì)濕度較高，高濕的氣象條件有利于氣溶膠吸濕增長，從而導(dǎo)致粒徑和光學(xué)性質(zhì)發(fā)生改變，氣溶膠質(zhì)量濃度增加，進(jìn)一步導(dǎo)致能見度的下降[34]。根據(jù)每年的四季AOD值統(tǒng)計(jì)得到10年間各季節(jié)年平均增長率和均值，其中春季整體呈M形曲線，年平均增長率為-1.55%，均值為0.39；夏季年平均增長率為-3.6%，均值為0.53；秋季年平均增長率為-0.55%，均值為0.32；冬季年平均增長率為-1.37%，均值為0.36。四季AOD隨年份增加均呈減小趨勢(shì)，表明近年來京津冀地區(qū)空氣質(zhì)量狀況日益優(yōu)化。

圖5 2011—2020年京津冀地區(qū)AOD季節(jié)均值的年際變化Fig.5 Inter-annual variation of the seasonal average of AOD in the Beijing-Tianjin-Hebei region from 2011 to 2020

3.3 京津冀地區(qū)AOD月變化特征

2011年1月至2020年12月研究區(qū)AOD值年內(nèi)呈雙峰型(圖6)，峰值分別出現(xiàn)在2月(0.48)和7月(0.59)。1—2月AOD值迅速增長，3月略有下降，4—7月整體呈現(xiàn)增加的趨勢(shì)，其中7月AOD達(dá)到全年峰值，8—12月逐步下降。7月AOD值處全年最高水平主要是由于7月受氣溫濕度影響易生成小粒徑的二次粒子。

圖6 2011—2020年京津冀地區(qū)AOD年內(nèi)變化特征Fig.6 The characteristics of AOD changes in the Beijing-Tianjin-Hebei region from 2011 to 2020

圖7展示了2011—2020年京津冀地區(qū)AOD月均值空間分布。從圖中可以分析得出，京津冀地區(qū)AOD月均值范圍為0～1.3。1月AOD高值區(qū)(AOD>0.7主要分布在河北南部的滄州市、衡水市、邢臺(tái)市、邯鄲市和石家莊市。2月AOD高值區(qū)分布范圍迅速延伸至東南方向的大部分平原地區(qū)，其中，廊坊市全市位于高值區(qū)，污染最為嚴(yán)重。3—5月空間分布相似，AOD高值區(qū)分布均較為分散且高值區(qū)占據(jù)全區(qū)面積比明顯小于1月、2月，高值區(qū)主要位于石家莊市、邯鄲市、邢臺(tái)市和衡水市，僅有少量樣本點(diǎn)分布于保定市和滄州市。6—7月京津冀地區(qū)氣溶膠含量大幅增加，并在7月達(dá)到全年最高值(0.59)，高值區(qū)分布范圍相較1—5月也更加廣泛，這歸因于6—7月城市有較高的溫度和相對(duì)濕度，從而人為產(chǎn)生了更多的二次氣溶膠。8—12月AOD值在0.5以下的離散點(diǎn)所占比例依次為56.56%、66.56%、70.85%、81.5%、89%。這表明，從8月開始京津冀地區(qū)空氣質(zhì)量日益優(yōu)化，直至12月氣溶膠光學(xué)厚平均值降至0.23。

圖7 2011—2020年京津冀地區(qū)AOD月變化特征Fig.7 Monthly changes of AOD in the Beijing-Tianjin-Hebei region from 2011 to 2020

3.4 后向軌跡聚類分析

利用HYSPLIT模型，計(jì)算起始高度設(shè)為500 m，對(duì)京津冀地區(qū)2013年12月至2020年12月逐日到達(dá)的72 h后向移動(dòng)軌跡進(jìn)行聚類，得到3個(gè)代表城市(北京、天津、石家莊)各季節(jié)主要?dú)鈭F(tuán)流向并估算每條路徑出現(xiàn)的頻率，如圖8所示。

圖8 京津冀地區(qū)3個(gè)代表城市四季后向軌跡聚類分析Fig.8 Cluster analysis of the four seasons backward trajectory of 3 representative cities in the Beijing-Tianjin-Hebei region

北京市春夏秋冬四季的后向氣團(tuán)軌跡最終聚類總類數(shù)不同，春、秋、冬三季均為5類，僅夏季為4類。春季(3—5月)來源于河北省承德市的最短氣流(聚類4)占比最大，達(dá)28.84%；其次是來自河北南部地區(qū)的短距離西南氣流(聚類2)占比次之，為23.86%；來自蒙古國中部、東部和南部的氣流(聚類5、聚類3和聚類1)占比接近，分別為18.24%、14.55%、14.51%。夏季(6—8月)氣團(tuán)呈星形散列，主要受偏南和東南方向短距離氣團(tuán)的影響，上述兩方向氣流占北京市夏季氣流軌跡總數(shù)的66.3%，其中東南氣流(聚類1)來源于渤海海域，偏南氣流(聚類3)源于河北省東南部與山東交界地區(qū)。秋季(9—11月)受短距離氣流傳輸影響較大，總占比高達(dá)68.52%，短距離氣流中，29.95%氣流(聚類1)來自河北省東北部，24.14%(聚類5)來自河北省南部地區(qū)，14.43%氣流(聚類4)源于內(nèi)蒙古中西部。冬季(12月至次年2月)氣流以西北和東南方向?yàn)橹鳎渲?，來源于?nèi)蒙古中部的短氣流(聚類1)貢獻(xiàn)比例最高，為28.66% ；其次源于蒙古國南部，途經(jīng)內(nèi)蒙古和河北輸入到北京的氣流(聚類2)占比為23.43%；再次是源于天津市的短氣流(聚類3)占比為20.02%；來自蒙古國東部氣流占比為14.76%(聚類5)；從蒙古國北部輸入的氣流(聚類4)距離最長，占比最低，為13.13%。

天津市不同季節(jié)的后向氣團(tuán)軌跡最終聚類總類數(shù)相同，春、夏、秋和冬均為4類。春季(3—5月)每條路徑的氣流占總氣流軌跡數(shù)的比例相當(dāng)，其中，29.83%的長距離西北氣流(聚類2)來自蒙古國南部，25.34%的短距離西南氣流(聚類4)來源于河南省東部即河南省開封市，23.02%的短距離偏北氣流(聚類3)來自內(nèi)蒙古東部，21.82%的短距離偏南氣流(聚類1)來自山東省濱州市。這表明天津市春季受到短距離氣流的影響最大。夏季(6—8月)主要受渤海海域氣流(聚類1)的影響，氣流軌跡占總氣流軌跡數(shù)的比例達(dá)45.45%；來源于山東省西部、途經(jīng)河北省東南部，輸入到天津的短距離氣流(聚類2)影響次之，占比為37.12%；源于內(nèi)蒙古中部和東南部的短距離西北和東北氣流(聚類3和聚類4)影響較小，占比分別為 11.92%和5.51%。秋季(9—11月)來自河北省邢臺(tái)市的短距離西南氣流(聚類3)貢獻(xiàn)比例最多，占比為44.10%；其次是源于河北省東北部，先向正南方向移動(dòng)，后途經(jīng)渤海海域回旋至天津市的短氣流(聚類1)，占比為29.26%；再次是來自蒙古國中部，途經(jīng)內(nèi)蒙古烏蘭察布市、河北省張家口市和北京到達(dá)天津的最長氣流(聚類4)，占比為14.02%；來自蒙古國東南部中蒙交界處的氣流(聚類2)軌跡出現(xiàn)比例最低，為12.62%。冬季(12月至次年2月)主要?dú)饬鱽硐蛞晕鞅狈较驗(yàn)橹?，總占比?6.64%，西北氣流中，23.40%氣流(聚類3)源于蒙古國中部，16.86%氣流(聚類4)源于蒙古國蘇赫巴托爾省，16.38%氣流(聚類2)源于內(nèi)蒙古中部；其次是來自天津與河北交界地區(qū)的回旋氣流(聚類1)距離最短，占比最大，達(dá)43.36%。整體而言，天津市四季受短距離氣團(tuán)輸送的影響較大。

石家莊市春夏秋冬四季的后向氣團(tuán)軌跡最終聚類總類數(shù)不同，春季和夏季均為5類，秋季和冬季均為4類。春季(3—5月)氣團(tuán)呈星形散列，主要受短距離輸送的影響，總占比高達(dá)70.35%，短距離氣流中，30.75%氣流來自河南省鶴壁市(聚類2)，22.26%氣流源于天津市東北部與河北交界處(聚類4)，17.34%氣流源于陜西省榆林市(聚類1)；其次是來自蒙古國中南部和南部的長距離氣流(聚類3和聚類5)，占比分別為10.92%和18.73%。夏季(6—8月)來源于石家莊市本地的氣流軌跡(聚類3)出現(xiàn)比例最高，為42.18%；其次是來源于河南省濮陽市的短距離氣流軌跡(聚類1)占比僅次于聚類2，為25.64%；再次是來源于渤海海域，途經(jīng)天津市西南部，輸入到石家莊的短距離氣流(聚類4)，占比達(dá)到16.78%；來自山西省呂梁市的短距離氣流(聚類2)與來自蒙古國南部的長距離偏北氣流(聚類5)占比接近，分別為7.25%和8.15%。秋季(9—11月)來自河北省南部的最短距離南部氣流(聚類1)占比最高，達(dá)52.46%；來源于內(nèi)蒙古中部的短距離西北氣流(聚類2)占比次之，為21.49%；其次是來自北京，途經(jīng)河北省廊坊市和天津市的氣流(聚類4)占比為17.80%；源自蒙古國中南部的長距離西北氣流(聚類3)，占比最低，為8.25%。冬季(12月至次年2月)主要受3個(gè)方向氣團(tuán)的影響，分別為西北、偏北、正東，其中西北方向的氣流占總氣流軌跡數(shù)的比例最高(48.27%)，西北氣流中，32.38%的氣流(聚類1)源于內(nèi)蒙古鄂爾多斯市，15.89%氣流(聚類4)源于蒙古國中南部；來自河北省東南部的正東氣流軌跡(聚類3)貢獻(xiàn)比例僅次于西北方向氣流，為39.17%；來自蒙古國中部的偏北氣流(聚類2)貢獻(xiàn)比例最低，為12.56%。綜上，石家莊市四季主要受短距離氣流輸送影響。

綜上所述，京津冀地區(qū)受季風(fēng)氣候及東南海洋暖濕氣流影響，3個(gè)代表城市春夏秋冬四季主要受近距離氣團(tuán)輸送的影響，遠(yuǎn)距離輸送的影響較小。

3.5 潛在源分析

從圖9給出的2013年12月至2020年12月京津冀地區(qū)三大典型城市AQI日均變化特征可以看出，石家莊市空氣質(zhì)量等級(jí)達(dá)到重度污染等級(jí)(AQI>200)上的天數(shù)明顯超過天津市和北京市且 石家莊市年際間變化最顯著。表1進(jìn)一步統(tǒng)計(jì)了三大城市每年AQI等級(jí)優(yōu)良率，其中北京市和天津市空氣質(zhì)量狀況持續(xù)好轉(zhuǎn)，除2013—2014年優(yōu)良天數(shù)占比較低外，其余年份京津兩市AQI等級(jí)優(yōu)良率均超過50%，而石家莊市每年AQI等級(jí)優(yōu)良率基本均低于50%，僅2020年達(dá)到56%，上述分析表明三大城市中石家莊市污染程度最為嚴(yán)重。

圖9 2013年12月至2020年12月京津冀三大典型城市AQI日均變化特征Fig.9 Characteristics of daily average AQI changes in the three typical cities of Beijing-Tianjin-Hebei from December 2013 to December 2020

表1 2013年12月至2020年12月京津冀三大典型城市AQI年均優(yōu)良率Table 1 The average annual excellent rate of AQI in the three typical cities of Beijing-Tianjin-Hebei from December 2013 to December 2020

后向軌跡聚類分析雖能確定氣團(tuán)的路徑和來向和傳輸速度，但是不能確定造成AQI值超標(biāo)(AQI>100)的潛在源區(qū)。因此為探究污染相對(duì)比較嚴(yán)重的石家莊市的潛在源區(qū)，利用PSCF法識(shí)別污染物潛在源。圖10為石家莊市春夏秋冬四季AQI的WPSCF值計(jì)算結(jié)果。

圖10 2013年12月至2020年12月石家莊市四季PSCF分布Fig.10 Distribution of PSCF in Shijiazhuang city by four seasons from December 2013 to December 2020

春季(3—5月)，石家莊市WPSCF高值區(qū)(WPSCF>0.7)分布相對(duì)較為集中，造成AQI值超標(biāo)的潛在源區(qū)主要位于河南省廣大地區(qū)、山東省西南部、冀南、山西省東南部和西南部、陜北、安徽省西北部和東北部，江蘇省西北部和內(nèi)蒙古西南部等地也存在較大的WPSCF值分布，也是源區(qū)之一；夏季(6—8月)，WPSCF高值區(qū)(WPSCF>0.7)向西北方向移動(dòng)，WPSCF值大于0.8的格網(wǎng)明顯減少，石家莊市潛在源區(qū)主要集中于河北省南部、豫北和豫東、安徽省西北部與河南省交界處和山西省大部分地區(qū)，此外，也有零星高值區(qū)分布在魯東和豫中等地區(qū)；秋季(9—11月)，WPSCF高值區(qū)較春季東移，主要潛在源區(qū)包括山西省廣大地區(qū)、山東省西南部、陜北、冀南、豫中和豫北等區(qū)域，而內(nèi)蒙古西南部與陜西省交界處等零星區(qū)域排放的污染物質(zhì)也是造成石家莊市環(huán)境惡化的關(guān)鍵因素；冬季(12月至次年2月)，WPSCF高值區(qū)分布范圍最廣泛，潛在源區(qū)除集中于河南省北部、陜西省北部、山西省廣大地區(qū)、河北省南部、山東省西南部等地外，還向西北和東北方向延伸至內(nèi)蒙古西南部和西部、河北省中部和東部、北京市、天津市、渤海海域和山東省北部等地區(qū)。冬季W(wǎng)PSCF高值區(qū)較春夏秋三季有顯著增加。綜上所述，石家莊市春夏秋冬四季的空氣質(zhì)量主要受到石家莊市本地及周邊省市的影響。

4 結(jié)論

(1)2011—2020年京津冀地區(qū)年平均AOD空間分布整體呈現(xiàn)西北低東南高的特征，高值區(qū)(AOD>0.72)主要位于燕山—太行山山脈東南麓。

(2)2011—2020年京津冀地區(qū)年際間AOD最大值出現(xiàn)在2011年(0.49)，最小值出現(xiàn)在2017年(0.33)，總體呈下降趨勢(shì)，年增幅為-1.81%，說明京津冀地區(qū)污染防治工作已初見成效；年內(nèi)AOD值呈“雙峰”型，峰值出現(xiàn)在2月(0.48)和7月(0.45)，其中7月AOD值達(dá)到全年峰值主要是由于7月受氣溫濕度影響易生成小粒徑的二次粒子。

(3)2011—2020年京津冀地區(qū)各季節(jié)間AOD均值差異明顯，表現(xiàn)為夏季最高、春冬季次之、秋季最低，夏季AOD很高主要原因可能是氣溶膠吸濕增長導(dǎo)致粒徑和光學(xué)性質(zhì)發(fā)生改變。從變化幅度來看，夏季AOD值變化最為劇烈，春、秋、冬三季波動(dòng)平穩(wěn)。

(4)京津冀地區(qū)典型城市后向軌跡聚類分析結(jié)果表明，受季風(fēng)氣候影響北京市、天津市和石家莊市四季主要受到近距離氣團(tuán)輸送的影響，遠(yuǎn)距離輸送的影響較小。

(5)統(tǒng)計(jì)京津冀地區(qū)3個(gè)主要城市的AQI優(yōu)良率可知石家莊市空氣質(zhì)量狀況最嚴(yán)重，石家莊市除2020年AQI等級(jí)優(yōu)良率達(dá)到56%外，其他年份優(yōu)良率均低于50%，因此主要分析石家莊市的潛在源區(qū)，石家莊市潛在源分析結(jié)果表明，春夏秋冬四季主要潛在源區(qū)為石家莊市本地及周邊省市，因此要重視對(duì)石家莊市及周邊地區(qū)的污染防控。