曹青 谷曉平 張翅鵬 陳貞宏 吳哲紅

（1.安順市氣象局，貴州 安順561000；2.貴州大學資源與環(huán)境工程學院，貴州 貴陽550025；3.貴州省生態(tài)氣象和衛(wèi)星遙感中心，貴州 貴陽550002）

引言

近年來，隨著中國經(jīng)濟的發(fā)展，中國的空氣污染問題日益突出［1］。氣象條件對大氣環(huán)境的影響在本地源較少的情況下，污染物的區(qū)域傳輸成為影響地區(qū)空氣質(zhì)量的重要因素之一［2-4］。國內(nèi)外學者基于大氣環(huán)流形勢、污染物時空分布狀況、氣象因子構(gòu)成及變化、化學組分分析等，運用HYSPLIT-4模式開展了相關(guān)研究，對某一區(qū)域典型大氣污染物后向軌跡進行來源解析［5-9］。陳乃華等［10］利用全球資料同化系統(tǒng)數(shù)據(jù)和拉格朗日混合單粒子軌道模式，分析了福建平潭各季節(jié)和臭氧超標日的氣流后向軌跡；周述學等［11］對2013—2015年合肥市非降水日近地層（100 m）和邊界層中上部（1000 m）高度軌跡進行聚類分析，為合肥PM2.5污染預報提供參考；羅彪和劉喧［12］運用后向軌跡模型，模擬了2014年合肥市的大氣污染輸送過程，得出不同季節(jié)SO2、NO2、PM10和PM2.5這4種污染物潛在源區(qū)和影響合肥市的主要氣團來向；Liu等［13］對中國冬季常見的PM2.5污染事件進行研究，利用后向軌跡聚類分析PM2.5向中國長三角地區(qū)的輸送情況；鈐偉妙等［4］對石家莊大氣污染物的輸送通道及污染區(qū)進行了分析；李義宇等［15］分析了太原市一次重污染天氣，表明本地污染源貢獻更顯著；Rana等［16］運用HYSPLIT-4模型對2013—2018年4月孟加拉國6個重要城市的PM10和PM2.5進行外來輸送源解析，發(fā)現(xiàn)該國中部的城市（達卡、納拉揚甘吉、加茲普爾）是污染輸送最嚴重的城市，而該國東北地區(qū)的城市（Sylhet）是最輕的。

空氣環(huán)境質(zhì)量是影響貴州省安順市旅游發(fā)展關(guān)鍵因素之一，雖然相較于北京、上海等發(fā)達城市，安順市空氣質(zhì)量優(yōu)良率較高，但作為“康養(yǎng)福地”的旅游發(fā)展城市，大氣環(huán)境質(zhì)量標準要求更為嚴苛。研究安順市大氣特征，定量確定區(qū)域間傳輸貢獻，相應成果不僅可以為大氣污染治理提供數(shù)據(jù)支撐，也將為空氣質(zhì)量指數(shù)（AQI）預報與大氣污染預警工作提供參考。

1 資料與方法

1.1 數(shù)據(jù)來源

貴州省海拔高度由西南向東北方向逐漸走低，安順市位于貴州省中部偏西，其城區(qū)位于安順北部。6種大氣污染物質(zhì)量濃度來源于安順市生態(tài)環(huán)境局布控的4個空氣監(jiān)測站點自動監(jiān)測分析儀，監(jiān)測站點分別為伍家關(guān)站（105°57′38″E，26°15′40″N）、鳳凰山站（105°56′27″E，26°14′35″N）、金鐘山站（105°56′38″E，26°15′23″N）和婁家坡站（105°53′54″E，26°14′53″N），經(jīng)計算得出每日AQI值，確定首要污染物。后向軌跡分析資料來源于美國國家環(huán)境預報中心的2015—2019年全球資料同化系統(tǒng)氣象數(shù)據(jù)，該數(shù)據(jù)每6 h記錄一次，即每6 h可分析出1條后向軌跡信息。

1.2 數(shù)據(jù)處理

1.2.1 后向軌跡及聚類分析

運用HYSPLIT模型進行氣團的輸送和沉積模擬［17］，計算時間為72 h，軌跡起始高度為距離地面500 m。利用TrajStat軟件計算每2條軌跡組合的空間相似度，對氣團軌跡進行聚類分組，采用總空間方差（TSV）對分類質(zhì)量進行判斷。

1.2.2 潛在源區(qū)分析

潛在源區(qū)分析（PSCF）基于空間劃分網(wǎng)格概率計算，表示經(jīng)過某一網(wǎng)格的污染氣流軌跡端點數(shù)（mij）與所有氣流軌跡端點數(shù)（nij）的比值，即：

式（3）中，PSCF為潛在源分析，其值越大則說明該網(wǎng)格中污染軌跡經(jīng)過的概率越高，該網(wǎng)格區(qū)域?qū)κ茳c提供外來輸送的可能性越大。同時引入Wij（權(quán)重因子）進行數(shù)值修正，W（nij）計算見式（4），Wij的確定參考文獻［18］，修正后比值為WPSCF值［19-20］。

1.2.3 濃度權(quán)重分析

濃度權(quán)重分析（CWT）通過計算分析其對目標格網(wǎng)的污染貢獻［21］，引入τijl（軌跡l在網(wǎng)格（i，j）停留的時間）和權(quán)重函數(shù)Wij，見式（5）。

式（5）中，l為經(jīng)過格網(wǎng)（i，j）的軌跡之一；Cl為軌跡l經(jīng)過網(wǎng)格（i，j）時的PM2.5質(zhì)量濃度；τijl為軌跡l在網(wǎng)格（i，j）停留的時間，用落在網(wǎng)格內(nèi)的端點數(shù)來替代。

2 結(jié)果分析

2.1 安順市空氣質(zhì)量特征

2015—2019年安順市大氣污染物特征統(tǒng)計見表1，以國家二級空氣質(zhì)量標準為參考，除2016年以外，SO2在2017—2019年均未出現(xiàn)超標天數(shù)，年平均值和標準偏差逐年降低，與政府對燃煤、秸稈燃燒的管控措施有關(guān)；NO2和CO在2015—2019年未出現(xiàn)超標天數(shù)，年平均值遠低于國家二級標準，標準偏差均較小，主要由于安順市城區(qū)燃煤鍋爐淘汰和清潔能源改造已于2016年底前基本完成；臭氧8 h濃度在2015年、2018年、2019年均出現(xiàn)超標天數(shù)，標準偏差在6種污染物中為最高，且O3小時平均濃度逐年上升，O3生成主要受汽車尾氣、工業(yè)源VOCs排放和氣象條件影響；PM2.5在各年均出現(xiàn)超標天數(shù)，最大值除2019年超過國家二級標準0.3—1.3倍，PM2.5來源復雜，除受城市化進程影響外，周邊區(qū)域傳輸也是原因之一?？傮w來說，安順城區(qū)空氣質(zhì)量優(yōu)良，6種污染物年均值遠低于國家二級標準。

表1 2015—2019年安順市大氣污染物特征統(tǒng)計Table 1 Statistics of atmospheric pollutant concentrations in Anshun from 2015 to 2019 μg·m-3

2015—2019年安順市各首要污染物分布見圖1，SO2作為首要污染物，其天數(shù)從2016年開始得到有效控制，2017—2019年基本未出現(xiàn)；2016—2018年臭氧為首要污染物的天數(shù)呈上升趨勢，但總體超標頻率、幅度均不大。與貴陽、六盤水相比，安順城區(qū)臭氧平均濃度偏高，應引起重視并加強治理和預防［22］；PM2.5在2015—2018年為首要污染物天數(shù)逐年上升，臭氧在2016—2018年作為首要污染物出現(xiàn)天數(shù)最多，PM2.5和臭氧是安順城區(qū)主要的大氣污染物，結(jié)合超標的情況來看，PM2.5污染更為突出。

圖1 2015—2019年安順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 后向軌跡聚類分析

2.2.1 聚類軌跡分布

根據(jù)氣象劃分法，3—5月為春季，6—8月為夏季，9—11月為秋季，12月至翌年2月為冬季。2015—2019年安順市四季后向軌跡聚類分析如圖2所示，不同季節(jié)氣流軌跡最終聚類的總類數(shù)不同。研究期內(nèi)各季軌跡分布與安順市高原季風氣候、貴州四季風場特征［23］相對應，四季中占比較大的軌跡均為中長軌跡與較短軌跡，移動速度較快的長距離軌跡占比均小于10%；春、夏季中均有來自貴州黔南短距離螺旋轉(zhuǎn)向軌跡，即春季軌跡E、夏季軌跡A，占比分別為35.60%、16.82%；春、夏季軌跡聚類結(jié)果相似，6個方向除長軌跡占比較小外，其余方向占比相當；秋季聚類軌跡共5類，來自偏西方向氣團比例極小，僅為4.47%，其余方向軌跡比例差別不大；冬季聚類軌跡共4類，其聚類結(jié)果與安順亞熱帶季風氣候?qū)臼⑿袞|北風，來自東北方向移動速度較慢的聚類軌跡A 類達冬季軌跡半數(shù)以上?？傮w來說，貴州省內(nèi)短距離傳輸軌跡是氣團主要途徑，長距離軌跡占比極?。淮?、夏季呈星形分布，秋季除偏西方向軌跡外，其余方向軌跡占比相當，冬季氣團主要方向為東北方向（貴州省內(nèi)），占比半數(shù)以上。

圖2 2015—2019年安順市春季（a）、夏季（b）、秋季（c）、冬季（d）氣流后向軌跡聚類分析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 聚類軌跡濃度特征

為了解不同軌跡污染物濃度特征，以主要大氣污染物PM2.5為研究對象，將其日濃度（安順4個監(jiān)測站點日平均濃度）加入到后向軌跡中，進行季節(jié)性聚類分析，統(tǒng)計每條軌跡污染物濃度特征。以國家二級標準（75μg·m-3）為閾值，統(tǒng)計結(jié)果見表2。

表2 2015—2019年安順市不同季節(jié)各聚類軌跡PM2.5濃度統(tǒng)計Table 2 Statistical results of PM2.5cluster concentrations in each season from 2015 to 2019 in Anshun

由表2可知，夏季無污染氣團輸入，ρ（PM2.5）僅為19.05μg·m-3。主要由于夏季植物茂盛，葉片有較好的吸附作用，同時降雨充沛，對污染物有較好的濕沉降作用［24-26］。春、秋季有少許污染軌跡輸入，路徑均短，表明風速小、區(qū)域氣象條件穩(wěn)定，擴散稀釋能力較弱。較長軌跡分別起源于印度境內(nèi)，途經(jīng)西藏、云南，因所經(jīng)地區(qū)相對潔凈，故長軌跡無污染氣團輸入。春季貴州東南方向是PM2.5的主要輸送方向，秋季貴州南部、東北部是主要輸送方向。冬季輸送污染軌跡共91條，為四季最多，可能與冬季進入燃煤采暖期、不利于污染物擴散的氣象條件有關(guān)，短軌跡A、C近距離傳輸，移動速度慢，污染物易在安順積聚，主要來自貴州東北方向、南方向。

2.3 污染日潛在源區(qū)及其貢獻

2.3.1 污染日后向軌跡水平及垂直分布

計算2015—2019年安順市所有PM2.5污染日（PM2.5日均濃度高于75μg·m-3）污染物傳輸路徑及潛在源區(qū)，對研究期間共計39個污染日進行分析，對污染日氣團輸送軌跡聚類，分析聚類軌跡垂直方向上分布特征（圖3）。由圖3a水平分布可知，污染日PM2.5輸送路徑主要來自4個方向，其中軌跡B占比最高（51.28%），為近距離省內(nèi)傳輸。結(jié)合圖3b和圖3c，軌跡A屬于高空遠距離傳輸，傳輸速度快且垂直方向上運動頻繁［27］，擴散條件好，PM2.5輸送貢獻少；主要傳輸軌跡B移動距離短，移動速度較慢，基本在880—980 hPa高度范圍內(nèi)移動，說明氣團軌跡在監(jiān)測72 h內(nèi)一直在一定范圍內(nèi)緩慢移動，受山地地形影響，氣團被山前阻擋，水平和垂直擴散條件均較差，有利于PM2.5的混合累積并隨氣團輸送至安順；軌跡D受山地阻擋，污染物在山前累積，由圖3b和圖3c垂直分布看，氣團到達安順逐漸下沉至地面形成污染。綜上所述，來自貴州東北方向的軌跡B是安順外來輸送PM2.5主要路徑，其次是來自廣西、貴州南的軌跡D。

圖3 2015—2019年安順市39個污染日聚類軌跡分布（a）、聚類軌跡氣壓分布（b）和聚類軌跡三維分布（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潛在源區(qū)分布

計算2015—2019年安順市所有PM2.5污染日潛在源區(qū)分析，WPSCF值分布特征見圖4，WPSCF＞0.9高值區(qū)主要集中在貴陽整個地區(qū)、畢節(jié)織金、黔西、金沙、大方縣、遵義仁懷、習水縣、黔東南凱里、黃平、施秉、鎮(zhèn)遠、黔南龍里、福泉和四川瀘州，污染輸送以安順東北方向區(qū)域為主，該地區(qū)主要受高原性季風氣候和地形特點影響，在污染集中的冬季，盛行東北風易將污染物輸送到安順，受地形阻擋下沉積累。綜上所述，安順市PM2.5外來輸送以東北方向為主。

圖4 2015—2019年安順市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 貢獻源空間形態(tài)

PSCF法只反映污染軌跡在該網(wǎng)格出現(xiàn)概率，并不能體現(xiàn)貢獻大小，因此，WCWT法更能區(qū)分出高濃度貢獻的潛在源區(qū)，貢獻源空間形態(tài)如圖5所示，高值區(qū)主要集中在安順紫云、鎮(zhèn)寧縣、畢節(jié)織金、大方縣，輸送濃度在90μg·m-3以上；遵義仁懷市、黔南獨山縣、貴陽主城區(qū)和四川瀘州，輸送濃度為70—90μg·m-3。對比兩種方法發(fā)現(xiàn)，WPSCF不明顯的黔西南望謨縣、貞豐縣和安龍縣，卻處于貢獻高值區(qū)域（WCWT＞75μg·m-3），其主要原因為PSCF僅作概率計算，而CWT沒有閾值設(shè)定，更能區(qū)分不同軌跡濃度差異，體現(xiàn)區(qū)域貢獻分布［28-30］。

圖5 2015—2019年安順市污染日WCWT值分布Fig.5 Distributions of WCWT values in polluted days from 2015 to 2019 in Anshun

3 結(jié)論

（1）2015—2019年安順城區(qū)總體空氣質(zhì)量優(yōu)良，PM2.5和O3是安順城區(qū)最主要的大氣污染物，從超標的情況來看，僅PM2.5在5 a間均出現(xiàn)了超標天數(shù)。

（2）春、夏季氣團聚類軌跡呈星形分布，秋季除偏西方向軌跡外，其余方向軌跡占比相當，冬季氣團主要方向為東北方向（貴州省內(nèi)），占比半數(shù)以上；污染輸送主要以秋、冬季為主，途經(jīng)廣西西北部、貴州南部和途經(jīng)貴州東北部的聚類軌跡是安順最主要的PM2.5污染輸送通道。

（3）安順市PM2.5超標日途經(jīng)貴州東北部的軌跡是最主要的污染輸送通道，該軌跡基本分布在880—980 hPa高度，其次是途經(jīng)廣西西北小部分、貴州南部的東南向軌跡，PM2.5外來輸送以近距離周邊地州傳輸為主，同時有一定跨區(qū)域污染輸送，高值區(qū)主要集中在貴陽整個地區(qū)、畢節(jié)織金、黔西等，潛在高貢獻源區(qū)主要集中在安順紫云、鎮(zhèn)寧縣、畢節(jié)織金等，與PSCF高值區(qū)略有差異。