程 昊,康 娜,張佳欣,張嘉月

南京冬季典型霾天氣過程多元對(duì)比分析

程 昊,康 娜*,張佳欣,張嘉月

(南京信息工程大學(xué),中國氣象局氣溶膠-云-降水重點(diǎn)開放實(shí)驗(yàn)室,江蘇 南京 210044)

選取2017～2020南京地區(qū)冬季3個(gè)典型霾天氣過程,綜合分析了霾天氣過程中污染物、氣象要素以及邊界層條件等影響機(jī)制與特征變化.結(jié)果表明,3次過程中,AQI指數(shù)峰值分別為304(嚴(yán)重污染)、227(重度污染)與176(中度污染),且與PM2.5、PM10濃度變化基本趨于一致,PM2.5與PM10比值基本都大于0.7;污染期間,相對(duì)濕度幾乎都在70%以上,最低風(fēng)速均在1m/s左右,高濕的環(huán)境、穩(wěn)定的氣溫與靜小風(fēng)為霾天氣的發(fā)生提供了有利的氣象條件;3次過程中,均有低混合層高度出現(xiàn),第1、2次混合層最低高度僅為34m,70m,第3次為204m,整體上PM2.5濃度高值與低混合層高度相對(duì)應(yīng),配合高頻率、強(qiáng)度大的逆溫,抑制污染物的垂直擴(kuò)散形成聚集,導(dǎo)致污染加劇;氣溶膠來源多以沙塵與污染性沙塵為主,同時(shí)伴隨著部分大陸性污染、少量煙塵與海洋清潔空氣;后向軌跡與潛在源分析表明,3次冬季南京地區(qū)霾污染天氣主要受區(qū)域污染影響為主,同時(shí)氣流遠(yuǎn)距離輸送也造成了重要影響,尤其以西北遠(yuǎn)距離輸送居多.

霾污染；PM2.5；氣象條件；后向軌跡模擬

南京作為長三角地區(qū)的中心城市之一,城鎮(zhèn)化率高,重工業(yè)企業(yè)聚集,人為活動(dòng)及其污染物排放較大,大氣污染影響因子復(fù)雜,尤其以冬季最為嚴(yán)重.國內(nèi)許多學(xué)者對(duì)南京地區(qū)大氣污染過程及其影響開展了研究,表明霾污染天氣都發(fā)生在相對(duì)穩(wěn)定的氣象條件下,污染物濃度與氣象要素,尤其是風(fēng)速具有較大的相關(guān)性[1-3];賈夢唯等[4]對(duì)邊界層特征進(jìn)行了探討,發(fā)現(xiàn)穩(wěn)定的氣象條件配合低混合層高度與逆溫層的出現(xiàn),污染物垂直擴(kuò)散能力降低,抑制湍流混合,造成污染物聚集,有利于污染天氣的發(fā)生;南京地區(qū)的污染不僅與本地排放和局地氣象條件有關(guān),受區(qū)域輸送影響,秸稈焚燒是導(dǎo)致南京及周邊地區(qū)形成爆發(fā)性重污染事件的重要因素[5-6];西北與華北地區(qū)的沙塵等污染遠(yuǎn)距離輸送也會(huì)對(duì)南京地區(qū)的污染造成一定的影響[7-8];一些學(xué)者對(duì)南京顆粒物進(jìn)行了探究,秦瑋等[9]對(duì)南京污染時(shí)空演變特征分析,發(fā)現(xiàn)南京地區(qū)顆粒物具有明顯的區(qū)域性分布特征;細(xì)粒子的濃度與大氣能見度之間呈現(xiàn)很好的負(fù)相關(guān)性[10-11];顆粒物濃度的升高,尤其是細(xì)顆粒物占比增大以及化學(xué)組分的二次污染,是導(dǎo)致重污染過程的重要原因[12-13].

本文選取南京地區(qū)2017～2020年冬季發(fā)生的典型空氣質(zhì)量霾天氣過程,對(duì)多個(gè)過程中PM2.5、AQI、常規(guī)氣象要素、邊界層特征與氣溶膠來源等方面進(jìn)行多元對(duì)比分析,并結(jié)合CALIPSO氣溶膠組分、HYSPLIT后向軌跡以及潛在源PSCF與CWT分析方法模擬分析污染物的來源,探討南京地區(qū)污染過程中的相關(guān)影響因素、傳輸特征與特征共性,同時(shí)通過對(duì)比2020年新冠疫情停工減排期間的霾天氣過程,為今后控制人為排放提供參考.

1 資料與方法

1.1 數(shù)據(jù)來源

AQI、PM2.5和PM10數(shù)據(jù)取自中國空氣質(zhì)量在線監(jiān)測分析平臺(tái)(https://www.aqistudy.cn/);氣象信息綜合分析處理系統(tǒng)(MICAPS)數(shù)據(jù)由南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估創(chuàng)新中心提供;混合層高度資料為香港科技大學(xué)環(huán)境研究所數(shù)據(jù)(http://envf.ust.hk/dataview/profile/current/),時(shí)間分辨率為12h,分別為北京時(shí)間的8:00與20:00;逆溫層數(shù)據(jù)采用懷俄明大學(xué)網(wǎng)站(http://weather.uwyo.edu/ upperair/seasia.html),同樣為北京時(shí)間8:00與20:00的探空資料;風(fēng)速風(fēng)向等常規(guī)氣象要素資料來自Wunderground全球天氣精準(zhǔn)預(yù)報(bào)網(wǎng)以及美國國家環(huán)境預(yù)報(bào)中心(NCEP)數(shù)據(jù)與國家氣象信息中心;氣溶膠組分為CALIPSO衛(wèi)星數(shù)據(jù)(https://www.calipso. larc.nasa.gov/);后向軌跡與潛在源分析使用美國國家環(huán)境預(yù)報(bào)中心(NCEP)提供的全球氣象資料同化系統(tǒng)(GDAS)數(shù)據(jù),分辨率為0.5°×0.5°,時(shí)間分辨率為6h;混合層高度、逆溫等均為對(duì)南京站(站點(diǎn)ID: 58238)的探空觀測資料.

1.2　研究方法

利用美國國家環(huán)境預(yù)報(bào)中心(NCEP)提供的全球資料同化系統(tǒng)(GDAS)數(shù)據(jù),使用由大氣成分觀測與服務(wù)中心(CAWAS)和中國氣象科學(xué)研究院(CAMS)開發(fā)的HYSPLIT后續(xù)軟件TrajStat計(jì)算研究大氣污染過程期間氣團(tuán)的后向軌跡,所用潛在源貢獻(xiàn)因子法(PSCF)和濃度權(quán)重軌跡分析法(CWT)是2種以后向軌跡模型為基礎(chǔ)的網(wǎng)絡(luò)化統(tǒng)計(jì)分析法,其中PSCF是基于條件概率函數(shù)發(fā)展而來的一種可以利用后向軌跡計(jì)算描述可能源地位置空間分布的概率,條件概率大值表示對(duì)研究區(qū)域的污染物濃度有高的潛在貢獻(xiàn),但其僅考慮了在某網(wǎng)格點(diǎn)中,經(jīng)過該點(diǎn)空氣團(tuán)抵達(dá)研究區(qū)域高于設(shè)定閾值出現(xiàn)的概率,并無法計(jì)算得到該網(wǎng)格點(diǎn)污染濃度數(shù)值大小,因此配合CWT方法的分析結(jié)果,分析不同軌跡和潛在源地位置的污染程度,獲得不同潛在源區(qū)貢獻(xiàn)的相對(duì)大小.

PSCF是將研究區(qū)域分成′個(gè)網(wǎng)格,研究時(shí)段內(nèi)所有軌跡的總格點(diǎn)數(shù)為,若有n個(gè)格點(diǎn)落在網(wǎng)格中,則時(shí)間A的概率為 :

[A]表示隨機(jī)選擇的氣團(tuán)在第個(gè)網(wǎng)格上相對(duì)經(jīng)過的時(shí)間.若在這n個(gè)格點(diǎn)中有m個(gè)格點(diǎn)對(duì)應(yīng)的軌跡到達(dá)時(shí)污染物的濃度高于設(shè)定的閾值(這里設(shè)PM2.5閾值為《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB3095- 2012)[14]規(guī)定的二級(jí)標(biāo)準(zhǔn)75μg/m3),則該事件B的概率為:

[B]反映污染氣團(tuán)在某一網(wǎng)絡(luò)上的相對(duì)經(jīng)過時(shí)間.潛在源區(qū)貢獻(xiàn)函數(shù)(PSCF)為一個(gè)條件概率:

(3)

運(yùn)用權(quán)重函數(shù)(n)來減小公式計(jì)算所帶來的誤差,參照經(jīng)驗(yàn)[15]設(shè)定為:

則最終PSCF的計(jì)算公式為:

CWT是計(jì)算利用下列公式計(jì)算每個(gè)網(wǎng)格()的濃度平均值:

式中:表示的是軌跡;為軌跡的總數(shù);C為軌跡對(duì)應(yīng)點(diǎn)的濃度;τ表示軌跡在(,)上所經(jīng)過的時(shí)間.

2 結(jié)果與討論

2.1 南京市2017～2020年空氣質(zhì)量總體特征

從表1可以發(fā)現(xiàn),2017～2020年期間,南京地區(qū)空氣質(zhì)量整體上有較好的改善,特別是2020年,各級(jí)污染的發(fā)生天數(shù)明顯下降,沒有重度污染等級(jí)及以上出現(xiàn),這與新冠疫情的發(fā)生有著一定的聯(lián)系,交通的管制、各行業(yè)的停工、人類活動(dòng)的減少等管控措施在很大程度上改善了空氣質(zhì)量.

從季節(jié)分布來看,南京地區(qū)重污染呈現(xiàn)出秋冬多,春夏少的特點(diǎn),重度污染及以上均發(fā)生在秋冬季,尤其是冬季,重污染情況最為嚴(yán)重,所以重點(diǎn)討論2017～2020年冬季南京地區(qū)霾天氣過程.

選取2017～2020年冬季3個(gè)典型的霾天氣過程,第1次過程AQI指數(shù)達(dá)到嚴(yán)重污染(3300),第2次過程為重度污染(201～300),2020年由于空氣質(zhì)量較好,選取了該年空氣質(zhì)量最為嚴(yán)峻的中度污染過程.如表2所示,3次污染過程均以PM2.5為首要污染物.

表1 2017～2020年南京空氣質(zhì)量

表2 3個(gè)典型霾天氣過程概況

2.2 3次污染過程AQI與PM2.5、PM10濃度變化

由圖1可見,3次霾天氣過程中AQI指數(shù)與PM2.5及PM10濃度變化基本一致.第1次污染時(shí)間持續(xù)4d,其中3d在重度污染及以上,AQI峰值為304,為污染程度最為嚴(yán)重的一次,達(dá)到嚴(yán)重污染等級(jí), PM2.5與PM10在污染期間均嚴(yán)重超標(biāo),整個(gè)過程污染積累迅速,之后迅速清除;第2次污染持續(xù)時(shí)間最長,維持達(dá)10d,AQI峰值達(dá)到227,為重度污染,PM2.5與PM10濃度在污染發(fā)生3d后有一次回落,隨后迅速上升達(dá)到峰值,持續(xù)一段時(shí)間后,污染物清除迅速;第3次污染過程相對(duì)較輕,污染持續(xù)時(shí)間最短,AQI峰值為176,為中度污染,污染發(fā)生前在11日空氣質(zhì)量為優(yōu),污染物積累迅速,維持3d后清除,空氣質(zhì)量明顯好轉(zhuǎn),恢復(fù)為良等級(jí).

從圖1中還可見,3次過程PM2.5/PM10只有少部分幾天低于0.6,其余都大于0.6,尤其是最后一次過程比值均在0.7以上,說明PM2.5在污染物中占比更大,影響更大,3次典型污染過程都以細(xì)顆粒物為主要污染物,是典型的霾天氣過程.這與王琴等[16]研究發(fā)現(xiàn)PM2.5/PM10>0.6時(shí),人為污染產(chǎn)生的細(xì)顆粒物在污染氣團(tuán)中起主導(dǎo)作用結(jié)論一致.

2.3 3次污染過程氣象要素

較高的相對(duì)濕度會(huì)使得空氣中粒子的吸濕性能力增強(qiáng),有助于顆粒物的吸濕增長,增大空氣的渾濁程度,增大霾污染發(fā)生的概率,同時(shí)會(huì)加快化學(xué)反應(yīng)導(dǎo)致二次污染物的生成,從而加重污染物濃度.從圖2可見,3次污染過程南京地區(qū)日相對(duì)濕度均高于50%,第1次污染過程在污染前期有輕微降水,濕度迅速上升,PM2.5濃度較低,之后相對(duì)濕度維持在70%以上,PM2.5濃度開始上升,在31日達(dá)到最高值,隨著南京地區(qū)發(fā)生強(qiáng)降水,PM2.5濃度由于濕沉降作用迅速下降,重霾污染去除;第2次污染過程一直保持較高的相對(duì)濕度,顆粒物吸濕增長,污染物逐漸積累,PM2.5濃度在11月30日達(dá)到最大值,后期的連續(xù)性降水,霾污染被逐漸清除.最后一次污染期間,相對(duì)濕度最高,由于11日發(fā)生了降水,之后相對(duì)濕度一直維持在85%以上,為污染的發(fā)生創(chuàng)造了良好的條件,強(qiáng)降水的再次發(fā)生,使相對(duì)濕度進(jìn)一步驟升接近100%,PM2.5濃度也隨著濕沉降的作用驟降,霾污染被迅速清除.值得注意的是,第2次污染過程中,11月26日相對(duì)濕度高于95%時(shí),并沒有發(fā)生降水,PM2.5濃度卻有所降低,鄭飛龍等[17]認(rèn)為過高的相對(duì)濕度使得高空水汽充足同樣會(huì)引起濕沉降清除,從而導(dǎo)致大氣顆粒物濃度有所下降,與本文結(jié)論一致.

圖1 三次污染過程AQI和PM2.5/PM10

溫度是影響大氣對(duì)流的主要因素之一,溫度越低,大氣對(duì)流運(yùn)動(dòng)越弱,不利于污染物的擴(kuò)散,從而導(dǎo)致污染物的積累.3次污染過程中,僅有第3次污染過程(圖2(c)),溫度相對(duì)較低,最高溫度為4℃,有利于污染的發(fā)生;第1次污染過程(圖2(a)),溫度變化較為波動(dòng),整個(gè)過程溫差最大達(dá)到6℃,對(duì)污染物的擴(kuò)散沒有明顯影響;第2次污染期間(圖2(b)),整個(gè)過程溫度維持在10℃,同時(shí)相對(duì)濕度均保持在70%以上,此環(huán)境對(duì)空氣中顆粒物的化學(xué)反應(yīng)有一定促進(jìn)作用,同時(shí)穩(wěn)定的氣象條件也為霾污染天氣的發(fā)生創(chuàng)造了良好的條件.

從圖3(a)可見,南偏西方向風(fēng)速較小,相應(yīng)的PM2.5的濃度較高,PM2.5濃度最低值出現(xiàn)在北偏東方向;第2次污染過程(圖3(b))呈現(xiàn)出南北方向風(fēng)速高,東西低的特點(diǎn),AQI最低值出現(xiàn)在北方向,該風(fēng)向風(fēng)速最大,約為7m/s;第3次污染過程(圖3(c))整體風(fēng)速相對(duì)前2次較小,最大風(fēng)速為5m/s,西方風(fēng)速最低,相應(yīng)的PM2.5濃度也最大,PM2.5濃度最低值同樣出現(xiàn)在北偏東方向.

一般來說,PM2.5濃度與風(fēng)速呈負(fù)相關(guān)關(guān)系,較低的風(fēng)速會(huì)降低污染物在水平方向的擴(kuò)散能力,加之穩(wěn)定的邊界條件,使得污染物輸送不充分形成積累,從而增加污染物濃度.3次污染過程中,南京地區(qū)北偏東方向無論風(fēng)速強(qiáng)弱,相對(duì)的PM2.5濃度均較低,說明南京北偏東方向污染較輕,污染物較少,同時(shí)北部山脈對(duì)風(fēng)與污染物也起到了一定的阻礙作用.南京作為省會(huì)城市,經(jīng)濟(jì)發(fā)達(dá),高層建筑群較多,在一定程度也影響著地表風(fēng)的傳輸能力,不利于污染物的擴(kuò)散清除,是阻礙污染輸送的另一重要因素.

2.4 3次污染過程逆溫

大氣邊界層內(nèi)逆溫的多寡、強(qiáng)度等是衡量大氣擴(kuò)散能力的重要指標(biāo),低空逆溫層會(huì)抑制近地面大氣污染物的垂直擴(kuò)散能力[18].從表3可見,第1次污染過程,白天脫地逆溫頻次達(dá)到了一半,夜晚以脫地逆溫為主,達(dá)到了75%,其中12月31日8:00貼地逆溫強(qiáng)度最大,為5.8℃/100m,是該日污染達(dá)到整個(gè)過程最嚴(yán)重程度的重要影響因素.

第2次污染過程以脫地逆溫為主,貼地逆溫頻次同樣較高,白天脫地逆溫頻次明顯高于貼地逆溫,整個(gè)過程僅有1d白天沒有脫地逆溫出現(xiàn),夜晚貼地與脫地逆溫頻次相當(dāng),均達(dá)到了66.7%,11月26日8:00的脫地逆溫在三次污染過程當(dāng)中強(qiáng)度最大,為6.4℃/100m,是形成此次持續(xù)10d的長時(shí)間空氣污染的重要原因,貼地逆溫多出現(xiàn)在污染發(fā)生的前半段,隨著貼地逆溫的減少,污染也有所減輕.

第3次污染過程以脫地逆溫為主,整個(gè)過程污染程度相對(duì)較輕,僅在13日的白天有貼地逆溫出現(xiàn),逆溫強(qiáng)度最大值出現(xiàn)在12日的夜晚,為3℃/100m,這也為12～14日持續(xù)3d的污染創(chuàng)造了良好的條件.

3次污染過程呈現(xiàn)逆溫頻率高,強(qiáng)度大的特點(diǎn),3次過程雖均以脫地逆溫為主,但貼地逆溫對(duì)地面的污染影響更大,高頻率的近地面強(qiáng)逆溫,使得大氣的湍流熱能和動(dòng)能交換減弱,不利于污染向高空有效擴(kuò)散,導(dǎo)致污染物在近地面附近聚集滯留造成空氣質(zhì)量惡化,形成長時(shí)間、重程度的污染.

表3 三次污染過程南京地區(qū)逆溫層特征

注:脫地逆溫為800hPa(約2km)以下的逆溫,逆溫頻次表示污染期間出現(xiàn)逆溫次數(shù)在總天數(shù)中的占比.

2.5 3次污染過程混合層高度

由圖4(a)可見,第1次污染過程混合層平均高度為479m,有5d存在混合層高度低于100m的情況,從27日20:00持續(xù)到30日8:00,混合層高度始終在400m以下,29日20:00出現(xiàn)了3次污染過程混合層高度的最低值,僅為34m,低混合層高度使污染在近地面附近聚集,隨后PM2.5濃度飆升,形成持續(xù)4d的嚴(yán)重污染.

第2次污染過程(圖4(b)),混合層高度呈現(xiàn)出波動(dòng)下降的趨勢,混合層平均高度在3次污染過程中最低,為471m,整個(gè)過程僅有第1d的8:00混合層高度在1km以上,11月25～12月3日期間,混合層高度一直處于較低的高度,均不超過800m,最低高度出現(xiàn)在25日20:00,為70m,與此過程持續(xù)10d的污染階段相對(duì)應(yīng),混合層高度低值期間,對(duì)應(yīng)的PM2.5濃度較低,兩者存在明顯的負(fù)相關(guān)關(guān)系.

第3次污染過程(圖4(c)),混合層高度普遍較低,始終處于1km以下,平均值為600m,最低值出現(xiàn)在14日20:00,為204m,對(duì)應(yīng)的PM2.5濃度也在當(dāng)天達(dá)到最高值155μg/m3,低混合層高度不利于污染物的垂直擴(kuò)散,配合較強(qiáng)的脫地逆溫,為此次高濃度污染創(chuàng)造了良好的條件.

3次污染過程混合層高度均較低,極低混合層高度期間對(duì)應(yīng)的PM2.5濃度相對(duì)較高,兩者呈現(xiàn)明顯負(fù)相關(guān).較低的混合層高度不利于污染物在垂直方向上的擴(kuò)散,配合高頻、強(qiáng)度大的逆溫進(jìn)一步使得污染物在近地面的積累,是影響近地面空氣污染的重要原因.

2.6 南京市氣溶膠來源與PM2.5潛在源區(qū)分析

2.6.1 氣溶膠來源 利用HYSPLIT模型的后續(xù)軟件Trajstat對(duì)3次污染過程距地面500m高度后向72h時(shí)間尺度的氣流軌跡進(jìn)行聚類分析,采用總空間相異度(Total Spatial Variance, TSV)方法確定聚類的數(shù)目[19],并結(jié)合CALIPSO衛(wèi)星掃描軌跡經(jīng)過南京及周邊地區(qū)的氣溶膠類型圖以及MODIS火點(diǎn)進(jìn)行污染成分及來源分析.

從圖5可以看出,后向軌跡經(jīng)過聚類分析后共有6條.其中氣流軌跡4占比最大,為26.56%,同時(shí)氣流起始高度最低,移動(dòng)緩慢在850hPa(約1500m)高度以下,主要來自山東西部;其中來自內(nèi)蒙古地區(qū)的氣流軌跡2、軌跡5占比分別為15.10%與13.54%,且氣流軌跡較長,移動(dòng)速度較快,輸送高度最高,均在650hPa(約3700m)以上,經(jīng)過寧夏、山西、河北等地,軌跡2在最后階段由西北方向從黃海轉(zhuǎn)為東北方向貫穿江蘇中部,抵達(dá)南京地區(qū),軌跡5則經(jīng)過上海、江蘇、安徽等發(fā)達(dá)地區(qū)再返回流入南京,是大陸性城市污染的主要來源,此2類氣流軌跡為污染期間由西北遠(yuǎn)距離輸送大量沙塵與污染性沙塵污染物;軌跡1與軌跡6的氣流軌跡相似,移動(dòng)速度相對(duì)較慢,氣流高度相對(duì)較低,軌跡1來自河北,途徑山東,經(jīng)過黃海向西經(jīng)過上海抵達(dá)南京地區(qū),軌跡6氣流主要來自海洋,從渤海經(jīng)過黃海,再從上海方向流向南京;氣流軌跡3占比最低,為11.46%,與其他氣流不同的是,為西南氣流,移動(dòng)緩慢,氣流高度較高,自江西經(jīng)過浙江、安徽等發(fā)達(dá)地區(qū),可能攜帶人為因素產(chǎn)生的細(xì)粒子到南京地區(qū).從疊加的火點(diǎn)圖可以看出,沿氣流軌跡4,山東西部火點(diǎn)較為密集,是期間煙粒污染主要來源. 2017年12月29日CALIPSO(圖6)氣溶膠來源顯示南京地區(qū)以沙塵與污染性沙塵為主,同時(shí)伴隨著部分的煙粒污染與大陸性污染.

圖6 2017年12月29日CALIPSO氣溶膠來源

第2次污染過程(圖7)氣流軌跡聚類分析同樣分為6條.此次過程主要受區(qū)域性污染影響,其中氣流軌跡5在此次過程中占比最大,達(dá)到64.39%,來自湖北北部,途徑河南南部,貫穿安徽中部,在江蘇徘徊到達(dá)南京地區(qū),移動(dòng)緩慢,氣流高度較低,在此次污染過程占絕對(duì)優(yōu)勢,由于移動(dòng)緩慢,風(fēng)速較小,大氣擴(kuò)散能力弱,易將周邊污染物在南京地區(qū)聚集,從而形成高濃度污染;軌跡1為西北氣流中遠(yuǎn)距離輸送,占比為25%,來自陜西西北部,途徑河南、安徽等地,是沙塵與污染性沙塵的主要來源;氣流軌跡2、3、6均為西南氣流,占比較小,高度較低,來自江西東部、福建,經(jīng)過浙江與安徽抵達(dá)南京;軌跡4為西北氣流遠(yuǎn)距離輸送,占比最少,僅占總軌跡的1.52%,對(duì)此次污染過程影響較小. 此次過程氣流軌跡路徑上火點(diǎn)相對(duì)較少. 2018年11月30日CALIPSO(圖8)氣溶膠來源,顯示該日南京及周邊地區(qū)同樣以污染性沙塵與沙塵粒子居多,伴隨部分清潔高濕海洋空氣與少量大陸性污染與煙粒.

第3次污染過程(圖9)氣流軌跡聚類結(jié)果為4條,其中軌跡4出現(xiàn)頻率最高,為34.72%,從山東南部,經(jīng)過河南東部及安徽北部,到達(dá)南京地區(qū),軌跡長度短,氣流高度較低,在950hPa(約1000m)左右;其次為軌跡1,占31.25%,來自內(nèi)蒙古東部,途徑遼寧西部,經(jīng)過渤海,在黃海向西南移動(dòng)經(jīng)過江蘇,攜帶部分北方的沙塵與清潔海洋潮濕空氣到達(dá)南京地區(qū);來自內(nèi)蒙古西北遠(yuǎn)距離的氣流軌跡3,占比最低,為10.42%,移動(dòng)路徑長,速度快,是導(dǎo)致南京地區(qū)沙塵與沙塵性污染的另一主要原因;軌跡2,占比23.61%,來自山東省,從北向南進(jìn)入江蘇到達(dá)南京地區(qū),與軌跡4相似,移動(dòng)緩慢,氣流高度低,不利于污染的擴(kuò)散,使得污染積累,從而加重污染. 此過程中火點(diǎn)分布廣,較為密集,氣流軌跡2路徑上山東、軌跡3路徑上山西、河南、安徽等省市火點(diǎn)對(duì)南京煙粒污染有一定影響.2020年1月14日CALIPSO(圖10)氣溶膠來源顯示,該日南京及周邊主要以大陸性污染為主,伴有部分清潔海洋空氣,高層為污染性沙塵、沙塵粒子及少量煙粒.

圖8 2018年11月30日CALIPSO氣溶膠來源

綜上所述,南京地區(qū)3次典型霾天氣過程主要以區(qū)域性污染為主,同時(shí)西北氣流遠(yuǎn)距離輸送也造成了一定的影響.3次污染過程中,南京及周邊地區(qū)的氣溶膠來源多為沙塵、污染性沙塵與大陸性污染物,煙粒污染也是不可忽略的一部分.南京本地及周邊發(fā)達(dá)地區(qū)與城市的人類活動(dòng)與工業(yè)交通等產(chǎn)生的大陸城市污染產(chǎn)生的細(xì)粒子影響嚴(yán)重,另一方面,西北方向的長距離輸送攜帶的沙塵、污染性沙塵等在氣溶膠來源中占較大比例,伴隨著秸稈燃燒等產(chǎn)生的煙粒,在一定程度上加重了污染,形成典型污染過程.

2.6.2 PSCF和CWT 分別用PSCF和CWT潛在源區(qū)的方法分析3次過程PM2.5的來源,PSCF主要體現(xiàn)某區(qū)域中污染軌跡所占的比例,配合CWT方法,對(duì)南京地區(qū)PM2.5進(jìn)行進(jìn)一步的潛在源區(qū)貢獻(xiàn)分析,來確定潛在源區(qū)的污染程度.

圖9 第3次過程氣溶膠聚類模擬及火點(diǎn)分布

圖10 2020年1月14日CALIPSO氣溶膠來源

圖11 三次污染過程PSCF與CWT

由圖11可見,第1次污染過程的潛在源區(qū)主要集中在安徽、江蘇南部以及河北等,受區(qū)域性污染與遠(yuǎn)距離輸送共同影響,這與后向軌跡聚類結(jié)論一致,從CWT圖可以發(fā)現(xiàn),主要貢獻(xiàn)區(qū)與潛在源區(qū)大致相同,貢獻(xiàn)最大的區(qū)域還是安徽與河北地區(qū);第2次污染過程,潛在源區(qū)主要集中在本地及附近上海、安徽等發(fā)達(dá)地區(qū),呈現(xiàn)出以南京地區(qū)為中心,向四周擴(kuò)散的特點(diǎn),在距離較遠(yuǎn)的地區(qū)貢獻(xiàn)相對(duì)較小,整個(gè)過程以區(qū)域污染為主,CWT分析發(fā)現(xiàn)貢獻(xiàn)最大區(qū)域是在南京本地及附近城市,在江西北部同時(shí)也存在小區(qū)域CWT高值. 第3次污染過程,潛在源區(qū)明顯集中在南京地區(qū)西北方,如山東、河南與安徽等省市呈“C”字型,東部地區(qū)貢獻(xiàn)較低,CWT值較前兩次過程有所下降,主要貢獻(xiàn)區(qū)域同樣集中在山東、河南及安徽等區(qū)域,以西北方區(qū)域污染為主.

3 結(jié)論

3.1 南京地區(qū)2017～2020年冬季3次典型霾天氣過程,分別為2017年12月27日～2018年1月3日、2018年11月23日～12月4日和2020年1月11日～1月16日,AQI峰值分別為304、227與176.穩(wěn)定的氣象條件加之較低的地表風(fēng)速使得污染物在垂直與水平方向的擴(kuò)散輸送能力降低,同時(shí)較高的相對(duì)濕度增加了粒子的吸濕性,導(dǎo)致了高濃度重空氣污染的發(fā)生.

3.2 3次污染過程中都有頻率高、強(qiáng)度大的逆溫出現(xiàn),以頻率皆大于50%的脫地逆溫為主,3次最大逆溫強(qiáng)度分別為5.8,6.4,3.0℃/100m.強(qiáng)貼地逆溫與污染物濃度高值相對(duì)應(yīng),對(duì)污染影響更大.逆溫層的出現(xiàn)使得大氣湍流熱能和動(dòng)能交換削弱,抑制污染物的高空擴(kuò)散能力,從而引起污染物的積累.

3.3 三次污染過程混合層高度最低值分別為34,70,204m,較低的混合層高度不利于污染物的有效垂直擴(kuò)散,配合高頻率、強(qiáng)度大的逆溫進(jìn)一步使得污染物在近地面積累,是影響近地面空氣污染的重要原因.

3.4 結(jié)合后向軌跡聚類、MODIS火點(diǎn)數(shù)據(jù)及CALIPSO衛(wèi)星氣溶膠組分分析發(fā)現(xiàn),3次污染過程發(fā)生的主要原因?yàn)閰^(qū)域污染,同時(shí)受冬季冷空氣影響,我國北部內(nèi)陸氣流西北遠(yuǎn)距離輸送影響顯著.除本地及周邊地區(qū)排放的大陸性污染以外,西北氣團(tuán)經(jīng)過長距離輸送攜帶沙塵、污染性沙塵等,同時(shí)伴隨著移動(dòng)路徑上秸稈燃燒等產(chǎn)生的煙粒影響南京地區(qū),加重污染程度.

3.5 PSCF與CWT得到的結(jié)果基本一致,3次過程南京及周邊地區(qū)潛在貢獻(xiàn)較大,與聚類后向軌跡結(jié)論一致,東部多為海洋高濕清潔氣團(tuán),對(duì)南京地區(qū)的污染貢獻(xiàn)較小,整體上呈現(xiàn)出西高東低的特點(diǎn).

3.6 三次霾天氣過程中,2020年受新冠疫情期間停工減排的影響,空氣質(zhì)量僅為輕度污染,可見對(duì)人工排放的控制對(duì)空氣質(zhì)量的影響尤為重要.

[1] 康 娜,胡 康,Kanike Raghavendra Kumar,等.2015年10月南京霾污染過程分析 [J]. 環(huán)境科學(xué)研究, 2017,30(12):1832-1840.

Kang N, Hu K, Kumar K R, et al. Analysis of haze weather process in Nanjing City in October 2015 [J]. Research of Environmental Sciences, 2017,30(12):1832-1840.

[2] 宋子祎,錢小立,康 娜,等.南京市一次持續(xù)性霾天氣的多元分析 [J]. 環(huán)境科學(xué)與技術(shù), 2018,41(S1):245-250.

Song Z Y, Qian X L, Kang N, et al. Multivariate analysis of a persistent haze in Nanjing City [J]. Environmental Science & Technology, 2018,41(S1):245-250.

[3] 胡 康,康 娜,Kanike Raghavendra Kumar.南京秋冬季2次霾污染天氣過程分析 [J]. 環(huán)境科學(xué)與技術(shù), 2017,40(5):158-164.

Hu K, KANG N, Kumar k R. Analysis of two haze weather process in Nanjing during autumn and winter [J]. Environmental Science & Technology, 2017,40(5):158-164.

[4] 賈夢唯,康 娜,趙天良.南京秋冬季典型霾污染過程及邊界層特征分析 [J]. 環(huán)境科學(xué)與技術(shù), 2014,37(S2):105-110.

Jia M W, Kang N, Zhao T L. Characteristics of typical autumn and winter haze pollution episodes and their boundary layer in Nanjing [J]. Environmental Science & Technology, 2014,37(S2):105-110.

[5] 朱 彬,蘇繼鋒,韓志偉,等.秸稈焚燒導(dǎo)致南京及周邊地區(qū)一次嚴(yán)重空氣污染過程的分析 [J]. 中國環(huán)境科學(xué), 2010,30(5):585-592.

Zhu B, SU J F, Han Z W, et al. Analysis of a serious air pollution event resulting from crop residue burning over Nanjing and surrounding regions [J]. China Environmental Science, 2010,30(5):585-592.

[6] 吳萬寧,查 勇,王 強(qiáng),等.南京地區(qū)冬夏季大氣重污染個(gè)例對(duì)比分析 [J]. 中國環(huán)境科學(xué), 2014,34(3):581-587.

Wu W N, Zha Y, Wang Q, et al. Comparative analysis of winter and summer heavy atmospheric pollution events around Nanjing [J]. China Environmental Science, 2014,34(3):581-587.

[7] 崔金夢,王體健,高麗波,等.2016年冬季南京地區(qū)大氣污染特征的觀測分析 [J]. 氣象科學(xué), 2020,40(4):427-437.

Cui J M, Wang T J, Gao L B, et al. Observational analysis on air pollution characteristics in Nanjing during winter of 2016 [J]. Journal of the Meteorological Sciences, 2020,40(4):427-437.

[8] 戰(zhàn)楊志豪,謝 旻,羅 干,等.2018年冬季南京重霾污染特征及氣象因素分析 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(11):4038-4047.

Zhan Y Z H, Xie M, Luo G, et al. Pollution characteristics of a haze episode in Nanjing in the winter of 2018 and the possible meteorological driving force [J]. Acta Scientiae Circumstantiae, 2020, 40(11):4038-4047.

[9] 秦 瑋,范廣強(qiáng),張?zhí)焓?等.基于激光雷達(dá)和地面監(jiān)測數(shù)據(jù)對(duì)南京一次沙塵和細(xì)粒子污染時(shí)空演變特征的分析 [J]. 大氣與環(huán)境光學(xué)學(xué)報(bào), 2016,11(4):270-280.

Qin W, Fan G Q, Zhang T S, et al. Spatiotemporal evolution characteristics of a dust and fine particle pollution in Nanjing based on lidar and ground monitoring data [J].Journal of Atmospheric and Environmental Optics, 2016,11(4):270-280.

[10] 王 磊,孫 燕,魏建蘇,等.2014年南京春節(jié)前后空氣污染特征及其氣象條件分析 [C]//第十二屆全國氣溶膠會(huì)議暨第十三屆海峽兩岸氣溶膠技術(shù)研討會(huì)論文集, 2015:14.

Wang L, Sun Y, Wei J S, et al. Analysis of air pollution characteristics and meteorological conditions before and after the Spring Festival in Nanjing in 2014 [C]//The 12th National Aerosol Conference and the 13th Cross Strait Workshop for Aerosol Science &Technology, 2015:14.

[11] 魏玉香,銀 燕,楊衛(wèi)芬,等.南京地區(qū)PM2.5污染特征及其影響因素分析 [J]. 環(huán)境科學(xué)與管理, 2009,34(9):29-34.

Wei Y X, Yin Y, Yang W F, et al. Analysis of the pollution characteristics & influence factors of PM2.5in Nanjing Area [J]. Environmental Science and Management, 2009,34(9):29-34.

[12] 喻義勇,陸曉波,朱志峰,等.南京2013年12月初持續(xù)重污染天氣特征及成因分析 [J]. 環(huán)境監(jiān)測管理與技術(shù), 2015,27(2):11-16.

Yu Y Y, Lu X B, Zhu Z F, et al. The weather characteristics and causes analysis for continuous heavy air pollution of Nanjing during early December in 2013 [J].The Administration and Technique of Environmental Monitoring, 2015,27(2):11-16.

[13] 張海鷗,周瑤瑤,馬 嫣,等.南京霾天氣及PM2.5化學(xué)污染特征分析 [J]. 環(huán)境科學(xué)與技術(shù), 2015,38(3):114-118.

Zhang H O, Zhou Y Y, Ma Y, et al. Chemical pollution characteristics of PM2.5in haze weather in Nanjing [J]. Environmental Science & Technology, 2015,38(3):114-118.

[14] GB3095-2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) [S].

GB3095-2012 Ambient air quality standards [S].

[15] 李顏君,安興琴,范廣洲.北京地區(qū)大氣顆粒物輸送路徑及潛在源分析 [J]. 中國環(huán)境科學(xué), 2019,39(3):915-927.

Yi 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.

[16] 王 琴,馬琳達(dá).貴陽市空氣中PM2.5/PM10時(shí)空分布特征研究 [J]. 環(huán)?？萍? 2015,21(1):28-31,35.

Wang Q, Ma L D. Discussions on characteristics of PM2.5/PM10in atmospheric environment of Guiyang City [J]. Environmental Protection and Technology, 2015,21(1):28-31,35.

[17] 鄭龍飛,謝郁寧,劉 強(qiáng),等.南京地區(qū)2013年12月重霾污染事件成因分析 [J]. 大氣科學(xué)學(xué)報(bào), 2016,39(4):546-553.

Zheng L F, Xie Y N, Liu Q, et al. Heavy haze events during December 2013 in Nanjing [J]. Trans. Atmos. Sci., 2016,39(4):546-553.

[18] 段 瑋,萬石云,段 旭.昆明壩子邊界層貼地逆溫特征及其成因 [J]. 云南地理環(huán)境研究, 2014,26(4):1-6,34.

Duan W, Wan S Y, Duan X. Characteristics and causes of ground temperature inversion in boundary layer of dam in Kunming [J]. Yunnan Geographic Environment Research, 2014,26(4):1-6,34.

[19] 沙丹丹,王紅磊,朱 彬,等.冬季PM2.5中含碳?xì)馊苣z的污染特征——長江三角洲地區(qū)一次區(qū)域重污染過程分析 [J]. 中國環(huán)境科學(xué), 2017,37(10):3611-3622.

Sha D D, Wang H L, Zhu B, et al. Pollution characteristics of carbonaceous aerosols in PM2.5during a regional heavy air pollution episode in winter in the Yangtze River Delta [J]. China Environmental Science, 2017,37(10):3611-3622.

[20] Xin Huang et al. Amplified transboundary transport of haze by aerosol–boundary layer interaction in China [J]. Nature Geoscience, 2020,13(6):428-434.

[21] 彭 薇,李云丹,康 娜,等.長三角秋冬季典型區(qū)域霾天氣特征及對(duì)比分析 [J]. 中國環(huán)境科學(xué), 2021,41(7):3043-3054

Peng W, Li Y D, Kang N, et al. Characteristics and comparative of typical haze weather during autumn and winter in the Yangtze River Delta [J]. China Environmental Science, 2021,41(7):3043-3054.

[22] 危詩敏,馮鑫媛,王式功,等.四川盆地多層逆溫特征及其對(duì)大氣污染的影響 [J]. 中國環(huán)境科學(xué), 2021,41(3):1005-1013.

Zhan S M, Fen X Y, Wang S G, et al. Characteristics of multi-layer inversions in Sichuan Basin and their influences on air pollution [J]. China Environmental Science, 2021,41(3):1005-1013.

[23] 張瀅瀅,陳 明,陳麗英.?？谑兄匚廴咎鞖鉂撛谠捶治鲅芯?[J]. 氣象與環(huán)境學(xué)報(bào), 2019,35(2):107-111.

Zhang Y Y, Chen M, Chen L Y. Potential source analysis of heavy pollution weather in Haikou [J]. Journal of Meteorology and Environment, 2019,35(2):107-111.

[24] 邱 堅(jiān),霍玉玲,萬學(xué)平,等.鎮(zhèn)江市四季PM2.5污染特征與潛在源區(qū)分析 [J]. 環(huán)境工程, 2019,37(6):123-130.

Qiu J, Huo Y L, Wang X J, et al. Analysis on seasonal differences of pollution characteristics and potential sources of PM2.5of Zhenjiang [J]. Environmental Engineering, 2019,37(6):123-130.

[25] 劉迎云,姜 雨,宗 梁,等.基于HYSPLIT模型的衡陽市大氣PM2.5潛在源分析 [J]. 南華大學(xué)學(xué)報(bào)(自然科學(xué)版), 2019,33(6):12-17.

Liu Y Y, Jiang Y, Zong L, et al. Potential source analysis of PM2.5based on HYSPLIT model in Hengyang [J]. Journal of University of South China (Science and Technology), 2019,33(6):12-17.

[26] 羅 彪,劉 暄.基于后向軌跡模式下的合肥市大氣污染來源研究 [J]. 中國科學(xué)技術(shù)大學(xué)學(xué)報(bào), 2019,49(4):321-328.

Luo B, Liu X. Investigation on the source of air pollutants in Hefei city based on backward trajectory model [J].Journal of University of Science and Technology of China, 2019,49(4):321-328.

[27] 祝祿祺,仝紀(jì)龍,潘 峰,等.基于HYSPLIT后向軌跡模式判斷河谷型城市大氣污染物來源 [J]. 環(huán)境科技, 2019,32(5):43-47,53.

Zhu L Q, Tong J L, Pan F, et al. Study of air pollution transportation source in Valley-City based on the hysplit backward trajectory mode [J]. Environmental Science and Technology, 2019,32(5):43- 47,53.

[28] 王中杰,霍 娟,杜惠云,等.2015～2019年日照市PM2.5長期變化特征及其潛在源區(qū)分析 [J]. 中國環(huán)境科學(xué), 2021,41(9):3969-3980.

Wang Z J, Huo J, Du M Y, et al. Long term characteristics and potential sources of PM2.5in Rizhao City from 2015 to 2019 [J]. China Environmental Science, 2021,41(9):3969-3980.

[29] 吉 慶,武麥鳳,何 林,等.渭南市2015～2017年典型霾天氣過程氣象特征分析 [J]. 陜西氣象, 2019,(6):12-18.

Ji Q, Wu M F, He L, et al.Analysis on meteorological characteristics of typical haze weather process in Weinan City from 2015 to 2017 [J].Journal of Shaanxi Meteorology, 2019,(6):12-18.

[30] 孫丹丹,楊書運(yùn),王體健,等.長三角地區(qū)城市O3和PM2.5污染特征及影響因素分析 [J]. 氣象科學(xué), 2019,39(2):164-177.

Sun D D, Yang S Y, Wang T J, et al. Characteristics of O3and PM2.5and its impact factors in Yangtze River Delta [J]. Journal of the Meteorological Sciences, 2019,39(2):164-177.

[31] 韓博威,馬曉燕.2014～2018年冬季長三角強(qiáng)霾事件及天氣形勢影響分析 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(7):2333-2345.

Han B W, Ma X Y. Analysis of the severe haze events in the Yangtze River Delta during the winter of 2014～2018 and the impact of the weather situation on severe haze [J]. Acta Scientiae Circumstantiae, 2020,40(7):2333-2345.

[32] 鄧發(fā)榮,康 娜,Kanike Raghavendra Kumar,等.長江三角洲地區(qū)大氣污染過程分析 [J]. 中國環(huán)境科學(xué), 2018,38(2):401-411.

Deng F R, Kang N, et al. Analysis of air pollution episodes over different cites in the Yangtze River Delta [J]. China Environmental Science, 2018,38(2):401-411.

[33] 王愛平,朱 彬,銀 燕,等.黃山頂夏季氣溶膠數(shù)濃度特征及其輸送潛在源區(qū) [J]. 中國環(huán)境科學(xué), 2014,34(4):852-861.

Wang A P, Zhu B, Yin Y, et al. Aerosol number concentration properties and potential sources areas transporting to the top of mountain Huangshan in summer [J]. China Environmental Science, 2014,34(4):852-861.

[34] 張 唯,熊險(xiǎn)平,劉炳杰,等.氣象條件對(duì)華北平原持續(xù)性霧霾污染程度的影響研究 [J]. 環(huán)境科學(xué)與管理, 2020,45(8):34-38.

Zhang W, Xiong X P, Liu B J, et al. Study on influence of meteorological conditions on persistent haze pollution in North China Plain [J].Environmental Science and Management, 2020,45(8): 34-38.

[35] 王愛平,朱 彬,秦 瑋,等.新冠疫情嚴(yán)控期間南京市空氣質(zhì)量分析 [J]. 中國環(huán)境科學(xué), 2021,41(7):3088-3095

Wang A P, Zhu B, Qin W, et al. Analysis on air quality in Nanjing during COVID-19lockdown period [J]. China Environmental Science, 2021,41(7):3088-3095

Multivariate comparative analysis of typical haze weather episodes in Nanjing.

CHENG Hao, KANG Na*, ZHANG Jia-xin, ZHANG Jia-yue

(Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China)., 2022,42(3)：993～1004

This paper selects three typical haze weather processes occured in Nanjing during winter of 2017～2020. A comprehensive analysis with the influence mechanism and characteristic changes of pollutants, meteorological elements, and boundary layer conditions in the haze pollution process are investigated. The results show that the peak values of the air quality index (AQI) values were found during the three pollution processes with 304 (severe pollution), 227 (severe pollution), and 176 (moderate pollution). These were consistent and associated well with the changes of PM2.5and PM10concentrations. The ratio of PM2.5to PM10was greater than 0.7signifies the dominant presence of fine aerosols in the winter period at Nanjing. During the pollution episode, the relative humidity (RH) was found maximum with greater than 70%, and the minimum wind speed was about 1m/s. The high RH, low temperatures, and calm with stable winds provided favorable meteorological conditions for the occurrence of haze weather in the winter. During the three pollution processes, the mixing layer height observed low. During the first and second processes, the lowest height of mixing layers was only 34m and 70m, and the third time was 204m. On the whole, the high value of PM2.5concentration corresponds to the low mixing layer height. Combined with the temperature inversion, it inhibits the vertical diffusion of pollutants and forms accumulation, resulting in increase of pollution. In Nanjing, aerosol sources were mainly from sand dust and polluted sand dust, accompanied by some continental pollution sources such as small amount of smoke, dust, and marine clean air. The analysis of backward trajectory and potential source shows that the haze pollution weather during winter in Nanjing was mainly affected by regional pollution, and the long-distance transportation of airmass from the northwest.

haze pollution；PM2.5；weather conditions；backward trajectory simulation

X513

A

1000-6923(2022)03-0993-12

程 昊(1997-),男,江蘇淮安人,南京信息工程大學(xué)碩士研究生,主要從事大氣環(huán)境研究.

2021-08-05

國家自然科學(xué)基金項(xiàng)目(41822504,41805121,41775123)

*責(zé)任作者, 副教授, kangna@nuist.edu.cn