李香凝 王羽琴 高燕 王競(jìng)錚 臧匯宇 謝林花

文章編號(hào)：2096-398X2024）03-0027-11

（1.陜西科技大學(xué) 環(huán)境科學(xué)與工程學(xué)院， 陜西 西安 710021； 2.隆基綠能光伏科技（西咸新區(qū)）有限公司， 陜西 西安 710021）

摘 要：基于2021年9月～11月西安市環(huán)境空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)，分析十四運(yùn)會(huì)及殘?zhí)貖W會(huì)前中后期西安市區(qū)域PM2.5的污染特征，利用HYSPLIT模型、潛在源貢獻(xiàn)因子法（PSCF）和權(quán)重濃度軌跡法（CWT）確定氣團(tuán)輸送路徑、潛在源區(qū)及其對(duì)PM2.5質(zhì)量濃度的貢獻(xiàn).結(jié)果表明：研究期間西安市以東南風(fēng)為主導(dǎo)，PM2.5濃度在十四運(yùn)會(huì)期間最低，殘?zhí)貖W會(huì)結(jié)束后最高.PM2.5的氣團(tuán)輸送路徑以陜南附近的本地輸送、偏東和偏南方向的近距離輸送以及西北方向的遠(yuǎn)距離輸送為主.PM2.5的潛在源區(qū)主要分布在河南湖北、貴州四川重慶、新疆內(nèi)蒙地區(qū)以及陜南各城市及周邊省份交界處.

關(guān)鍵詞：十四運(yùn)； 細(xì)顆粒物； 后向軌跡； 潛在源分析； 濃度權(quán)重分析

中圖分類號(hào)：X513??? 文獻(xiàn)標(biāo)志碼： A

Traceability study of PM2.5 before，during and after the 14th National Games of the People′s Republic of China & the National Games for Persons with Disabilities in Xi′an City

LI Xiang-ning1， WANG Yu-qin1*， GAO Yan1，2， WANG Jing-zheng1， ANG Hui-yu1， XIE Lin-hua1

1.School of Environmental Science and Engineering， Shaanxi University of Science & Technology， Xi′an 710021， China; 2.Longi Green Energy Photovoltaic Technology Xixian New Area） Co.， Ltd.， Xi′an 710021， China）

Abstract：Based on the ambient air quality monitoring data of Xi′an from September to November in 2021，the pollution characteristics of regional PM2.5 in Xi′an before，during and after the 14th National Games of the People′s Republic of China & the National Games for Persons with Disabilities were analysed.In addition，the air mass transport pathways，potential source areas and their contributions to PM2.5 mass concentrations were also determined by the Hybrid Single-Particle Lagrangian Integrated Trajectory（HYSPLIT） model，potential source contributing factor PSCF） method and weighted concentration trajectory CWT） method.The results showed that during the observation，Southeasterly winds dominated in Xi′an，and the PM2.5 concentration was lowest during the 14th National Games of the People′s Republic of China NG） and highest after the end of the National Games for Persons with Disabilities PG）.The air mass transport pathways of PM2.5 were dominated by the local transport near Southern Shaanxi，the proximity transport in the Easterly and Southerly directions，and the long-range transport in the Northwesterly direction.Potential source regions of PM2.5 were mainly located in the cities and areas of Henan，Hubei，Guizhou，Sichuan，Chongqing，Xinjiang Uygur Autonomous Regions，Inner Mongolia Autonomous Region，Southern Shaanxi，and the junction of cities in Southern Shaanxi and neighboring provinces.

Key words：the 14th National Games of the People′s Republic of China; fine particulate matter; backward trajectory; potential source analysis; concentration weight analysis

0 引言

隨著我國城市化和工業(yè)化進(jìn)程飛速發(fā)展，大氣環(huán)境問題日趨嚴(yán)峻，根據(jù)國家環(huán)保部發(fā)布的2019-2021年生態(tài)環(huán)境公報(bào)，西安市已連續(xù)3年成為全國空氣質(zhì)量相對(duì)較差的城市［1］，主要污染物為PM2.5，已被認(rèn)為是區(qū)域性污染物［2］.區(qū)域大氣污染已經(jīng)成為當(dāng)前社會(huì)發(fā)展面臨的重大環(huán)境問題之一［3］.

西安市大氣污染兼具本地污染累積、周邊跨區(qū)域傳輸和不利氣象條件等共同作用的特征［4］.目前，混合單粒子拉格朗日綜合軌跡（Hybrid Single-Particle Lagrangian Integrated Trajectory，HYSPLIT）模型已被廣泛用于區(qū)域污染物分布、擴(kuò)散和傳輸特征研究［5-10］.污染物潛在源分析可利用后向軌跡確定污染源的地理位置及空間分布，研究主要集中在我國長三角［8，11，12］、珠三角［13-15］和京津冀［16-18］等重點(diǎn)大氣污染區(qū)域，對(duì)于中部內(nèi)陸地區(qū)顆粒物潛在源分析的研究卻較為鮮見.對(duì)西安市溯源的研究，主要集中在污染物時(shí)空分布特征［19，20］、成分分析［21-26］、氣象影響因素分析［27-31］等方面，研究區(qū)域氣團(tuán)傳輸對(duì)大氣污染特征的影響以及顆粒物潛在源分析的研究還存在明顯不足.

當(dāng)前，我國舉辦大型峰會(huì)等活動(dòng)的數(shù)量與日俱增.活動(dòng)期間，主辦方通常會(huì)采取聯(lián)防聯(lián)控等臨時(shí)性管控措施保障環(huán)境空氣質(zhì)量［32］.杭州市G20峰會(huì)管控期間空氣質(zhì)量總體優(yōu)良，PM2.5污染物濃度同比下降40%［33］；APEC會(huì)議期間北京地區(qū)的平均風(fēng)速和相對(duì)濕度優(yōu)于會(huì)前會(huì)后［34］.

為保障十四運(yùn)會(huì)及殘?zhí)貖W會(huì)期間的空氣質(zhì)量，西安市各區(qū)貫徹執(zhí)行《西安市大氣污染防治條例》，以污染物濃度、氣象條件以及模型模擬為主的大氣環(huán)境質(zhì)量分析是評(píng)估重大活動(dòng)舉辦期間管控有效性的重要方法.基于此，本文通過收集十四運(yùn)及殘?zhí)貖W會(huì)前中后期PM2.5環(huán)境監(jiān)測(cè)數(shù)據(jù)和氣象要素等常規(guī)觀測(cè)數(shù)據(jù)，利用HYSPLIT模型、潛在源貢獻(xiàn)因子法（Potential Source Contribution Function，PSCF）和權(quán)重濃度軌跡法（Concentration Weighted Trajectory，CWT）等方法，探討了西安市PM2.5的傳輸途徑和潛在來源，定量識(shí)別不同區(qū)域之間的傳輸貢獻(xiàn)，以期為揭示西部區(qū)域大氣污染分布特征、來源解析提供數(shù)據(jù)支撐.

1 實(shí)驗(yàn)部分

1.1 數(shù)據(jù)來源

研究時(shí)期為十四運(yùn)會(huì)和殘?zhí)貖W會(huì)觀測(cè)期間（2021年9月2日～11月6日），分為6個(gè)階段，分別是十四運(yùn)之前（9月2日～14日，NGB）、十四運(yùn)期間（9月15日～27日，NGD）、十四運(yùn)之后（9月28日～10月10日，NGA）、殘?zhí)貖W會(huì)之前（10月14日～21日，PGB）、殘?zhí)貖W會(huì)期間（10月20日～29日，PGD）和殘?zhí)貖W會(huì)之后（2021年10月30日～11月6日，PGA）.觀測(cè)期間6種主要空氣污染物PM2.5、PM10、SO2、NO2、CO和O3的逐小時(shí)質(zhì)量濃度數(shù)據(jù)來自西安市氣象數(shù)據(jù)網(wǎng)以及中國環(huán)境監(jiān)測(cè)總站的全國城市空氣質(zhì)量數(shù)據(jù)發(fā)布平臺(tái)（https：//www.aqistudy.cn/historydata/）.風(fēng)速、氣溫和降水量的日均數(shù)據(jù)來自國家氣象科學(xué)數(shù)據(jù)中心（http：//data.cma.cn）.后向軌跡模型數(shù)據(jù)來自美國國家預(yù)報(bào)中心的格式為“grib2”的“FNL全球分析資料”和全球資料同化系統(tǒng)（ftp：//arlftp.arlhq.noaa.gov/pub/archives/gdas1），分辨率為0.25°×0.25°［35-37］.

1.2 HYSPLIT模型

本研究利用HYSPLIT模型模擬西安市顆粒物的輸送軌跡、擴(kuò)散路徑和來源［38-40］.模擬高度選取500 m［41，42］，西安市市區(qū)（34.27°N，108.93°E）作為目標(biāo)模擬區(qū)域，時(shí)間分辨率為1 h，進(jìn)行每日24個(gè)時(shí)次UTC的72 h后向軌跡計(jì)算，以反映出污染物的輸送特征.本研究使用MeteoInfo軟件及TrajStat插件中的聚類方法對(duì)觀測(cè)期間的氣流軌跡進(jìn)行聚類分析，整個(gè)觀測(cè)期間共產(chǎn)生1 512條軌跡.

1.3 潛在源貢獻(xiàn)因子分析法

PSCF利用氣流軌跡確定污染區(qū)域及空間分布，將氣流軌跡覆蓋的污染源區(qū)全部劃為0.25°×0.25°水平的網(wǎng)格（i，j）［43-47］，定量描述研究期間每個(gè)網(wǎng)格概率場(chǎng)的軌跡來源強(qiáng)度，識(shí)別對(duì)污染物濃度影響大的區(qū)域.PSCF即是經(jīng)過網(wǎng)格的污染軌跡（Xij）與所有區(qū)域氣流總軌跡（Yij）之比，計(jì)算公式如式（1）所示：

PSCFij=XijYij（1）

PSCF是一種條件概率，值大代表網(wǎng)格污染軌跡數(shù)多，該網(wǎng)格對(duì)應(yīng)區(qū)域的污染源多.為了減小分母Yij引起的不確定性，引入權(quán)重函數(shù)Wij來修正PSCF值，用WPSCF表示，詳見公式（2）所示：

WPSCF=Wij×PSCF（2）

Wij函數(shù)定義如公式（3）［48，49］所示：

Wnij）=[JB{][HL2：1，;2，Y]1.0080

1.4 權(quán)重濃度軌跡分析法

PSCF只能反映污染軌跡經(jīng)過每個(gè)網(wǎng)格的概率，即潛在源區(qū)貢獻(xiàn)率大小，不能確定研究區(qū)域的污染程度.而CWT則可以定量估算每個(gè)網(wǎng)格上污染物的濃度.基于代表經(jīng)過某網(wǎng)格單元（i，j）的空氣團(tuán)對(duì)西安市觀測(cè)點(diǎn)空氣質(zhì)量的貢獻(xiàn)權(quán)重的CWTij值，可以揭示出西安市PM2.5濃度網(wǎng)格化地域分布規(guī)律.某網(wǎng)格單元（i，j）內(nèi)的CWTij值可用以下公式進(jìn)行計(jì)算［38，50］：

CWTij=1∑Ml=1τijl∑Ml=1Clτijl（4）

式 4） 中：l和M分別表示網(wǎng)格單元編號(hào)和軌跡數(shù)量；C表示軌跡l到達(dá)觀測(cè)點(diǎn)時(shí)大氣空氣質(zhì)量的濃度水平，μg·m-3；τijl表示軌跡l在網(wǎng)格單元（i，j）內(nèi)停留的時(shí)間.本研究設(shè)置CWT網(wǎng)格單元的大小為0.25°×0.25°.

CWT法不會(huì)因總軌跡個(gè)數(shù)少而存在不確定性，在評(píng)估遠(yuǎn)距離傳輸貢獻(xiàn)時(shí)，網(wǎng)格點(diǎn)內(nèi)軌跡的距離節(jié)點(diǎn)減少，產(chǎn)生誤差，也要通過權(quán)重函數(shù)Wij消除少量端點(diǎn)網(wǎng)格的不確定性，降低Cij誤差，修正后的CWT用WCWT表示，詳見公式（5）所示：

WCWT=Wij×CWT（5）

2 結(jié)果與討論

2.1 污染特征分析

十四運(yùn)及殘?zhí)貖W會(huì)觀測(cè)期間西安市主要空氣污染物質(zhì)量濃度及氣象因素日均變化見圖1所示.PM2.5和PM10的平均質(zhì)量濃度呈現(xiàn)先降低后持續(xù)升高的趨勢(shì)，十四運(yùn)會(huì)期間PM2.5和PM10的平均質(zhì)量濃度顯著低于其他時(shí)期，分別為12.79±9.44 μg·m-3和21.53±15.89 μg·m-3，表明十四運(yùn)會(huì)期間空氣污染控制措施效果顯著.殘?zhí)貖W會(huì)結(jié)束后PM2.5和PM10的平均質(zhì)量濃度達(dá)到最高值，分別為61.75±33.57 μg·m-3和112.51±33.91 μg·m-3，11月4日PM2.5和PM10的日均濃度最高，分別達(dá)107 μg·m-3和156 μg·m-3，污染物濃度的升高可能與短期污染控制措施的停止有關(guān).

PM2.5/PM10代表細(xì)顆粒物占可吸入顆粒物之比，幾乎均＞0.5，殘?zhí)貖W會(huì)之后為0.54±0.19，與往年同期PM2.5在PM10中占比一致［51］.PM2.5和PM10濃度分別有3天和2天超過《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB 3095-2012）》二級(jí)標(biāo)準(zhǔn).研究期間PM2.5平均濃度為53.84±44.38 μg·m-3，低于袁夢(mèng)娜［52］2018年9～11月西安市PM2.5濃度66.7 μg·m-3，表明十四運(yùn)會(huì)期間各項(xiàng)空氣污染最高級(jí)別保障措施效果顯著，之后污染物濃度的升高可能與短期污染控制措施的停止有關(guān).

基于SPSS 22.0對(duì)氣象參數(shù)與污染物濃度進(jìn)行Pearson相關(guān)性分析，如圖2所示.SO2、NO2及CO是典型的污染源識(shí)別物.整個(gè)觀測(cè)期間西安市SO2、NO2、CO濃度變化與顆粒物呈顯著正相關(guān)，而SO2、NO2、CO主要來自燃煤燃燒、機(jī)動(dòng)車尾氣排放［53］以及碳基燃料的不完全燃燒［54］，說明PM2.5、PM10的濃度受燃燒源和機(jī)動(dòng)車尾氣排放源的影響較大.

觀測(cè)期間不同時(shí)期西安市大氣污染物濃度變化如圖3所示.SO2和NO2平均濃度在十四運(yùn)會(huì)期間最低，分別為5.38±1.11 μg·m-3和17.99±5.11 μg·m-3，在殘?zhí)貖W會(huì)后最高，是最低值的1.38和2.81倍.CO濃度整體呈上升趨勢(shì)，在殘?zhí)貖W會(huì)期間最高，濃度為0.80±0.11 mg·m-3.研究期間NO2濃度整體上升，O3濃度基本下降，十四運(yùn)會(huì)之前O3濃度最高，為66.63±30.14 μg·m-3，可能是O3的前體物質(zhì)增多而促進(jìn)O3生成［55］.

2.2 氣象特征分析

整個(gè)觀測(cè)期間西安市主要?dú)庀笠蛩鼐等绫?所示.期間主要風(fēng)向?yàn)闁|南方向，以東南偏東方向?yàn)橹?，平均溫?7.96±5.29 ℃，平均相對(duì)濕度68.3±15.1%，風(fēng)速2～21 m·s-1，存在明顯波動(dòng).整體平均風(fēng)速較低，為4～5級(jí)，十四運(yùn)和殘?zhí)貖W會(huì)前期的風(fēng)速相對(duì)較高，平均風(fēng)速分別為8.63±4.20和8.36±4.04 m·s-1，大氣水平運(yùn)動(dòng)較強(qiáng)，空氣流動(dòng)較快，有利于污染物擴(kuò)散.

溫度影響污染物垂直擴(kuò)散，觀測(cè)期間溫度整體呈下降趨勢(shì)，十四運(yùn)會(huì)之前平均氣溫最高，為24.86±2.99 ℃.相關(guān)性分析表明溫度與PM10在0.05水平上呈負(fù)相關(guān)，溫度與O3濃度顯著正相關(guān)，Pearson系數(shù)為0.665，溫度與O3的回歸分析如圖4所示.殘?zhí)貖W會(huì)之后進(jìn)入11月，平均氣溫低，為14.08±4.24 ℃，大氣較穩(wěn)定，空氣在地表聚集不宜垂直擴(kuò)散，不利于污染物稀釋，導(dǎo)致污染物濃度較高；溫度低，光照少，光化學(xué)反應(yīng)變?nèi)?，O3含量相對(duì)變少.

降雨影響顆粒物的大氣停留時(shí)間，圖1表明研究期間西安市相對(duì)濕度偏高，整體先增大后降低，在9月17日和23日達(dá)到最大值96%，表1說明十四運(yùn)會(huì)期間平均相對(duì)濕度達(dá)82.7±15.9%.十四運(yùn)會(huì)期間降雨充足，9月15～27日，10月3～9日發(fā)生連續(xù)性降雨，水汽條件好，雨水蒸騰促進(jìn)氣體交換，降低污染物濃度，降雨時(shí)PM2.5與PM10濃度分別降低2.88倍和6.55倍，起到顯著疏散稀釋與凈化潔凈作用.相關(guān)性分析表明相對(duì)濕度與PM2.5（R=-0.250）、PM10（R=-0.430）、NO2（R=-0.475）呈負(fù)相關(guān)關(guān)系，均通過0.05水平顯著性檢驗(yàn)，表明降雨及較大的相對(duì)濕度可有效沖刷大氣中顆粒物及NO2，利于污染物稀釋擴(kuò)散.PM2.5中20%～80% 的有機(jī)物是水溶性的［56］，相對(duì)濕度高更易于NH3、NOx等氣體污染物吸附于顆粒物表面，降雨時(shí)隨雨滴沉降至近地面，濃度降低.而殘?zhí)貖W會(huì)之后進(jìn)入11月，天氣干燥降雨量少，水汽條件差，缺少雨水對(duì)大氣的清潔作用，污染物難聚集沉降，濃度較高.

研究期間風(fēng)向風(fēng)速如圖5所示，結(jié)合圖1，觀測(cè)期間的主要風(fēng)向較穩(wěn)定，從東北、東方和西南偏南方向往西安市匯入污染物，以東北向?yàn)橹?平均風(fēng)速4～5級(jí)，11月6日風(fēng)速最大，為21 m·s-1，10月6日風(fēng)速最小，為2 m·s-1，十四運(yùn)會(huì)和殘?zhí)貖W會(huì)期間平均風(fēng)速低，分別為7.85±3.0 m·s-1和6.77±3.16 m·s-1，氣流穩(wěn)定，污染傳輸少；十四運(yùn)會(huì)之前和殘?zhí)貖W會(huì)之前及之后平均風(fēng)速高，分[JP3]別為8.63±4.20、8.36±4.04和8.59±5.63 m·s-1，風(fēng)力等級(jí)高，空氣流動(dòng)快大氣水平運(yùn)動(dòng)強(qiáng)，利于污染物擴(kuò)散及匯入，外來氣團(tuán)攜帶污染物多，導(dǎo)致西安市大氣組分更復(fù)雜.相關(guān)性分析表明風(fēng)速與O3呈正相關(guān)，風(fēng)將顆粒物吹散，光照和太陽輻射加強(qiáng)，有利于O3生成.同時(shí)，平流層底與對(duì)流層頂進(jìn)行物質(zhì)交換，高濃度的O3向下傳輸累積，冷鋒過境使CO、NO2減少.風(fēng)速與CO、NO2呈負(fù)相關(guān)，對(duì)氣態(tài)污染物的濃度有稀釋作用.

2.3 污染物傳輸特征分析

2.3.1 氣團(tuán)后向軌跡及聚類分析

依據(jù)十四運(yùn)及殘?zhí)貖W會(huì)觀測(cè)期間各時(shí)期PM2.5濃度軌跡的空間分布進(jìn)行聚類，得到3～6個(gè)主要代表路徑及其垂直傳輸高度.觀測(cè)期間各時(shí)期西安市后向軌跡聚類分析結(jié)果及其對(duì)應(yīng)的污染物濃度如圖6和表2所示.

十四運(yùn)會(huì)之前各氣團(tuán)對(duì)應(yīng)的PM2.5濃度均值為軌跡1＞3＞6＞4＞2＞5，PM2.5/PM10低.本地PM2.5排放較少，受傳輸影響較大.軌跡1、3、6的PM2.5濃度較高，為十四運(yùn)會(huì)之前PM2.5的主要輸送路徑，占總軌跡的51.3%，主要集中于陜南，來自貴州、重慶北部，軌跡1和軌跡3路徑短，傳輸速[HJ1.7mm]度慢.軌跡1沿陜西南部經(jīng)漢中安康抵達(dá)西安市，占比28.5%，軌跡3沿江蘇、安徽北部、河南抵達(dá)西安市，占比16.7%.軌跡5沿著新疆北部途經(jīng)內(nèi)蒙古西部、寧夏銀川市經(jīng)銅川抵達(dá)西安市，占比16.4%，屬于長距離傳輸，對(duì)應(yīng)氣團(tuán)移動(dòng)速度快，擴(kuò)散條件好，較清潔.十四運(yùn)會(huì)期間氣團(tuán)軌跡對(duì)應(yīng)的PM2.5均值3＞4＞1＞2.來自貴州的軌跡3和來自新疆的軌跡4氣團(tuán)攜帶的污染物濃度高，屬于遠(yuǎn)距離輸送.來自東部地區(qū)河南北部、山西南部的軌跡1和經(jīng)過甘肅中部、內(nèi)蒙南部、寧夏后輸送到西安市的軌跡2都屬于短距離運(yùn)輸，分別占總軌跡的48.4%和23.1%，污染物濃度低，相對(duì)清潔.十四運(yùn)會(huì)期間管控措施最為嚴(yán)格且多雨，導(dǎo)致PM2.5濃度在所有時(shí)期中最低.十四運(yùn)會(huì)之后氣團(tuán)對(duì)應(yīng)的PM2.5濃度均值為軌跡4＞1＞3＞2.來自陜西商洛附近的軌跡1占比高達(dá)60.6%，屬于本地運(yùn)輸，是十四運(yùn)會(huì)之后的主要輸送通道，由于路徑較短，對(duì)應(yīng)的PM2.5濃度相對(duì)較高，該氣團(tuán)長時(shí)間停留在西安市，加劇了顆粒物的本地累積；此外，位于陜南地區(qū)的秦嶺山脈阻擋了部分氣團(tuán)的移動(dòng)和限制了污染物的擴(kuò)散，導(dǎo)致本地污染較為嚴(yán)重.軌跡3攜帶的顆粒物濃度較低，傳輸路徑長.軌跡4為短距離運(yùn)輸，由貴州、經(jīng)重慶四川到達(dá)西安市，說明大氣環(huán)境較為穩(wěn)定，有利于顆粒物累積.

殘?zhí)貖W會(huì)觀測(cè)期間西安市后向軌跡聚類分析、占比及污染物平均質(zhì)量濃度如圖7和表3所示.殘?zhí)貖W會(huì)之前西安市大部分氣團(tuán)來自西北方向的遠(yuǎn)距離傳輸和東南偏東方向的短距離傳輸，分別占總軌跡的53.7%和46.4%，其中來自西北方向的軌跡又可分為軌跡3和軌跡1，途徑空氣較為清潔的新疆、甘肅、內(nèi)蒙古、寧夏和銅川地區(qū)，攜帶的污染物少，加上風(fēng)速較大，利于污染物的擴(kuò)散和稀釋.來自河南和陜西東部的軌跡2氣團(tuán)對(duì)應(yīng)的PM2.5濃度最高，表明河南和陜西東部是殘?zhí)貖W會(huì)之前西安市高濃度顆粒物的重要污染源區(qū).

殘?zhí)貖W會(huì)期間，氣團(tuán)軌跡主要分6類，均以短距離傳輸為主，詳見圖7（b）.其中，軌跡2氣團(tuán)源于陜西延安、經(jīng)河南和陜西商洛，后進(jìn)入西安市，占比28.7%，軌跡4來源于陜西漢中，占比22.4%，軌跡1源于內(nèi)蒙古，經(jīng)陜西南部一路輸送到西安市，占比20.3%.軌跡1、2和4氣團(tuán)所對(duì)應(yīng)的PM2.5濃度相對(duì)較高，可能是的原因是較低的風(fēng)速和穩(wěn)定的氣象條件抑制了污染物擴(kuò)散和稀釋，進(jìn)而造成污染物積聚.來自西北方向的軌跡3占比少，僅為7.3%，攜帶的PM2.5濃度相對(duì)較低.殘?zhí)貖W會(huì)之后，PM2.5濃度顯著高于殘?zhí)貖W會(huì)開始前后，達(dá)61.75±33.57 μg·m-3.根據(jù)圖7（e），殘?zhí)貖W會(huì)結(jié)束后氣團(tuán)主要來自東南方向的河南和陜西渭南商洛.其中軌跡1氣團(tuán)在總軌跡中占比最多，為32.8%，從河南西部出發(fā)，經(jīng)湖北北部、商洛地區(qū)，從東南方向到達(dá)西安市，傳輸距離短，風(fēng)速較小，不有利于顆粒物污染的擴(kuò)散，其對(duì)應(yīng)的PM2.5平均濃度最高，為97.19 μg·m-3，其次是軌跡6.軌跡2占比23.4%，對(duì)應(yīng)PM2.5平均濃度為52.27 μg·m-3，其輸送距離同樣較短，從西安北部到達(dá)銅川，又經(jīng)渭南轉(zhuǎn)回西安市，該氣團(tuán)在關(guān)中地區(qū)有所停滯，存在明顯的繞流，是關(guān)中地區(qū)二次污染發(fā)生的重要因素［57］.

2.3.2 污染氣團(tuán)潛在源區(qū)分析

依據(jù)PM2.5二級(jí)標(biāo)準(zhǔn)限值75 μg·m-3，利用PSCF分析計(jì)算十四運(yùn)及殘?zhí)貖W會(huì)觀測(cè)期間不同時(shí)期PM2.5的WPSCF值.不同時(shí)期的WPSCF分布存在顯著差異，WPSCF值越大表明該區(qū)域越有可能成為西安市污染物的潛在源區(qū).圖8表明十四運(yùn)會(huì)前WPSCF在江蘇安徽河南中部湖北西北部、陜南、山西南部和甘肅寧夏的交界處最高，其WPSCF＞0.6，結(jié)果表明，除了當(dāng)?shù)匚廴驹磁欧磐?，這些地區(qū)的氣團(tuán)輸送和污染物傳播對(duì)西安市大氣污染也有很大影響.十四運(yùn)會(huì)期間及之后污染格網(wǎng)數(shù)量相當(dāng)，分散著零星PM2.5潛在源高值區(qū)，整體上WPSCF值較低.十四運(yùn)會(huì)期間陜西省南部、四川重慶交界處及貴州南部的WPSCF＞0.5.十四運(yùn)會(huì)之后WPSCF＞0.6的區(qū)域主要在貴州.

殘?zhí)貖W會(huì)前WPSCF均在0.5左右，其高值區(qū)分布較少，在陜南和湖北北部團(tuán)狀集中分布.陜南安康商洛及周邊城市交接處如湖北十堰WPSCF＞0.5，進(jìn)一步驗(yàn)證了周邊污染物傳輸影響西安市大氣污染.殘?zhí)貖W會(huì)期間WPSCF高值區(qū)顯著增加，顆粒物污染的主要源區(qū)是西安市的鄰近區(qū)域，包括陜西南部、山西南部、河南西部、湖北北部以及四川重慶交界區(qū)域，WPSCF＞0.6.殘?zhí)貖W會(huì)后污染格網(wǎng)數(shù)量少，位于東南偏東方向的河南和商洛線是PM2.5高值潛在源區(qū)，主要集中在陜西南部、山西南部、河南西部、湖北北部，WPSCF＞0.6.陜西南部、湖北西北部、四川省與重慶市交匯處、貴州南部等地區(qū)是西安市十四運(yùn)會(huì)觀測(cè)期間顆粒物主要潛在源區(qū).殘?zhí)貖W會(huì)觀測(cè)期間顆粒物的主要源區(qū)是陜西省南部、山西南部、河南西部和湖北北部等偏東區(qū)域.

2.3.3 顆粒物權(quán)重濃度軌跡分析

利用CWT法定量不同污染源區(qū)對(duì)西安市PM2.5的貢獻(xiàn)情況，WCWT高代表貢獻(xiàn)大.圖9表明觀測(cè)期間西安市PM2.5的WCWT高值區(qū)呈點(diǎn)狀或團(tuán)狀分布，十四運(yùn)會(huì)之前主要在陜南安康附近以及重慶北部，WCWT值在30 μg·m-3左右.西北和東部區(qū)域WCWT貢獻(xiàn)較低，小于9 μg·m-3.十四運(yùn)會(huì)期間WCWT最低，大于20 μg·m-3的區(qū)域集中在貴州、四川重慶交界地區(qū)、陜西南部、河南西部和湖北北部.十四運(yùn)會(huì)后WCWT高值區(qū)域主要分布在貴州地區(qū)，WCWT＞30 μg·m-3.

殘?zhí)貖W會(huì)之前WCWT高值區(qū)主要在陜西南部、重慶市北部、四川東北部、河南西部和湖北北部，其中，漢中、巴中、洛陽和十堰等地區(qū)是WCWT＞35 μg·m-3的主要貢獻(xiàn)區(qū)域.殘?zhí)貖W會(huì)期間河南西部、湖北北部、陜南和四川重慶交界地區(qū)均為西安市的潛在貢獻(xiàn)源區(qū)，PM2.5濃度貢獻(xiàn)達(dá)到30～60 μg·m-3.而殘?zhí)貖W會(huì)之后，WCWT高值區(qū)域主要集中在陜西省附近，呈東南方向帶狀分布，其中WCWT＞100 μg·m-3的地區(qū)主要集中在陜西南部、河南西部和湖北北部.

3 結(jié)論

本文以十四運(yùn)及殘?zhí)貖W會(huì)為例，探討重大會(huì)議、賽事等活動(dòng)期間的管控減排措施和氣象條件與污染物濃度變化的內(nèi)在聯(lián)系，并基于HYSPLIT、PSCF和CWT等方法精確識(shí)別污染物的潛在貢獻(xiàn)源區(qū)，以期為相關(guān)部門后續(xù)研究區(qū)域聯(lián)防聯(lián)控下的污染物排放規(guī)律和碳減排策略的制定提供理論和實(shí)際數(shù)據(jù)支撐.得到的主要結(jié)論如下：

（1）十四運(yùn)會(huì)期間PM2.5的平均質(zhì)量濃度最低，為12.79±9.44 μg·m-3，說明十四運(yùn)會(huì)期間各項(xiàng)空氣污染控制措施效果顯著；殘?zhí)貖W會(huì)結(jié)束后PM2.5濃度顯著高于其他時(shí)期，可能與短期污染控制措施的停止和不利的氣象條件有關(guān).

（2）基于后向軌跡聚類分析，觀測(cè)期間的氣團(tuán)主要來自遠(yuǎn)距離的新疆內(nèi)蒙地區(qū)、近距離的河南湖北貴州四川重慶地區(qū)和陜西南部.

（3）基于PSCF和CWT的分析，觀測(cè)期間PM2.5的潛在貢獻(xiàn)源區(qū)主要集中在陜南各地市周邊省份交界地帶，且濃度水平受偏南和偏東區(qū)域傳輸?shù)挠绊戄^大.

參考文獻(xiàn)

［1］ 中華人民共和國生態(tài)環(huán)境部.2019-2021中國生態(tài)環(huán)境狀況公報(bào)［DB/OL］.https：//www.mee.gov.cn/hjzl/sthjzk/，2022-12-20.

［2］ 李莎莎.利用HYSPLIT模式探析西安市大氣顆粒物的輸送路徑.智能城市，2017，35）：62-65.

［3］ San José R，Pérez J L，Pérez L，et al.Effects of climate change on the health of citizens modelling urban weather and air pollution.Energy，2018，165：53-62.

［4］ 王 芳，陳東升，程水源，等.基于氣流軌跡聚類的大氣污染輸送影響.環(huán)境科學(xué)研究，2009，226）：637-642.

［5］ Liao T T，Wang S，Ai J，et al.Heavy pollution episodes，transport pathways and potential sources of PM2.5 during the winter of 2013 in Chengdu China）.Science of the Total Environment，2017，584-585：1 056-1 065.

［6］ Wang Y Q，Wang M M，Li S P，et al.Study on the oxidation potential of the water-soluble components of ambient PM2.5 over Xi′an，China：Pollution levels，source apportionment and transport pathways.Environment International，2020，136：105 515.

［7］ Draxler R R.NOAA Technical memorandum ERL ARL-224 description of the hysplit 4 modeling system［R］.Silver Spring Maryland：Air Resources Laboratory，1997：1-22.

［8］ 王 茜.利用軌跡模式研究上海大氣污染的輸送來源.環(huán)境科學(xué)研究，2013，264）：357-363.

［9］ hao M F，Huang? S，Qiao T，et al.Chemical characterization，the transport pathways and potential sources of PM2.5 in Shanghai：Seasonal variations.Atmospheric Research，2015，158：66-78.

［10］ 高 陽，韓永貴，黃曉宇，等.基于后向軌跡模式的豫南地區(qū)冬季PM2.5來源分布及傳輸分析.環(huán)境科學(xué)研究，2021，343）：538-548.

［11］ Wang Y F，Wang H Y，hang S H.A weighted higher order network analysis of fine particulate matter PM2.5） transport in Yangtze River Delta.Physica A：Statistical Mechanics and its Applications，2018，49615）：654-662.

［12］ 李 敏，何紅弟，郝楊楊，等.上海市大氣環(huán)境中PM2.5/PM10時(shí)空分布特征.云南大學(xué)學(xué)報(bào)：自然科學(xué)版，2019，412）：323-332.

［13］ 潘月云，陳多宏，葉斯琪，等.廣東省大氣污染典型案例特征及其影響因素分析.安全與環(huán)境工程，2017，242）：58-66.

［14］ 黃 俊，廖碧婷，王春林，等.廣州市PM2.5污染特征及潛在貢獻(xiàn)源區(qū)分析.環(huán)境科學(xué)與技術(shù)，2019，424）：115-124.

［15］ 李婷苑，鄧雪嬌，范紹佳，等.2010年廣州亞運(yùn)期間空氣質(zhì)量與污染氣象條件分析.環(huán)境科學(xué)，2012，339）：2 932-2 938.

［16］ 沈洪艷，呂總璞，師華定，等.基于HYSPLIT模型的京津冀地區(qū)大氣污染物輸送的路徑分析.環(huán)境工程技術(shù)學(xué)報(bào)，2018，84）：359-366.

［17］ 鈐偉妙，張艷品，陳 靜，等.石家莊大氣污染物輸送通道及污染源區(qū)研究.環(huán)境科學(xué)學(xué)報(bào)，2018，389）：3 438-3 448.

［18］ hang? Y，Wong M S，Lee? H.Estimation of potential source regions of PM2.5 in Beijing using backward trajectories.Atmospheric Pollution Research，2015，61）：173-177.

［19］ 于英翠，李利敏，左亞杰，等.西安市大氣污染物時(shí)空分布特征及其趨勢(shì)評(píng)估.環(huán)境工程，2018，3610）：165-169.

［20］ 李杏茹，白 羽，陳 曦，等.北京冬季重污染過程大氣細(xì)顆粒物化學(xué)組成特征及來源分析.環(huán)境化學(xué)，2018，3711）：2 397-2 409.

［21］ 曹 寧，黃學(xué)敏，祝 穎，等.西安冬季重污染過程PM2.5理化特征及來源解析.中國環(huán)境科學(xué)，2019，391）：32-39.

［22］ Thamban N M，Lalchandani V，umar V，et al.Evolution of size and composition of fine particulate matter in the Delhi megacity during later winter.Atmospheric Environment，2021，267：118 752.

［23］ 高庚申，遲 峰，毛金群，等.貴陽市大氣細(xì)顆粒物中多環(huán)芳烴時(shí)空分布特征.環(huán)境監(jiān)控與預(yù)警，2019，114）：43-47.

［24］ 謝運(yùn)興，唐 曉，郭宇宏，等.新疆大氣顆粒物的時(shí)空分布特征.中國環(huán)境監(jiān)測(cè)，2019，351）：26-36.

［25］ 王 成，閆雨龍，謝 凱，等.陽泉市秋冬季PM2.5化學(xué)組分及來源分析.環(huán)境科學(xué)，2020，413）：1 036-1 044.

［26］ 吳 丹，張立平，夏廣鋒，等.沈陽市大氣中PM2.5來源解析研究.環(huán)境監(jiān)測(cè)管理與技術(shù)，2020，321）：18-22.

［27］ Wang J，Xing J，Mathur R，et al.Historical trends in PM2.5-related premature mortality during 1990-2010 across the Northern Hemisphere.Environment Health Perspective，2017，1253）：400-408.

［28］ 李星諭，毛 瑤，陳展樂，等.華中地區(qū)冬季灰霾天氣下PM2.5中重金屬污染特征及健康風(fēng)險(xiǎn)評(píng)價(jià)：以湖北黃岡為例.環(huán)境科學(xué)，2021，4210）：4 593-4 601.

［29］ Mai X W，hou H F，Li Y Y，et al.Associations between ambient fine particulate PM2.5） exposure and cardiovascular disease：Findings from the China Health and Retirement Longitudinal Study CHARLS）.Environmental Science & Pollution Research International，2022，29：1-8.

［30］ Bianca S M，Virginia C，Hwanmi L，et al.Similar polycyclic aromatic hydrocarbon and genotoxicity profiles of atmospheric particulate matter from cities on three different continents.Environmental and Molecular Mutagenesis，2020，615）：560-573.

［31］ Sánchez Piero J，Moreda Pieiro J，Concha Graa E，et al.Inhalation bioaccessibility estimation of polycyclic aromatic hydrocarbons from atmospheric particulate matter PM10）：Influence of PM10 composition and health risk assessment.Chemosphere，2021，263：127 847.

［32］ 伏晴艷，李健軍，田旭東，等.我國重大活動(dòng)環(huán)境空氣質(zhì)量監(jiān)測(cè)預(yù)報(bào)評(píng)估技術(shù)體系的發(fā)展與思考.中國環(huán)境監(jiān)測(cè)，2020，362）：1-9.

［33］ 周德榮，田旭東，蔡 哲，等.G20峰會(huì)期間長三角區(qū)域臭氧變化及管控效果評(píng)估.中國環(huán)境監(jiān)測(cè)，2020，362）：41-49.

［34］ 張礁石，陸亦懷，桂華僑，等.APEC會(huì)議前后北京地區(qū)PM2.5污染特征及氣象影響因素.環(huán)境科學(xué)研究，2016，295）：646-653.

［35］ 楊燕燕.甘肅西北關(guān)鍵城市空氣污染特征及顆粒物潛在源區(qū)研究［D］.蘭州：蘭州大學(xué)，2020.

［36］ hao N，Wang G，Li G H，et al.Air pollution episodes during the COVID-19 outbreak in the Beijing-Tianjin-Hebei region of China：An insight into the transport pathways and source distribution.Environmental Pollution，2020，267：115 617

［37］ hao ，Liu R，hang .Characteristics of winter haze pollution in the Fenwei Plain and the possible influence of EU during 1984-2017.Earth and Space Science，2020，76）：1-13.

［38］ 黃光球，雷 哲.西安市大氣顆粒物PM2.5的輸送路徑和潛在源分析.云南大學(xué)學(xué)報(bào)自然科學(xué)版），2019，416）：1 191-1 200.

［39］ Draxler R R，Hess G D.An overview of the HYSPLIT-4 modelling system for trajectories，dispersion and deposition.Australian Meteorological Magazine，1998，474）：295-308.

［40］ Stein A F，Draxler R R，Rolph G D，et al.NOAA′s HYSPLIT atmospheric transport and dispersion modeling system.Bulletin of the American Meteorological Society，2015，96：2 059-2 077.

［41］ 鄭 悅，程 方，張 凱，等.保定市大氣污染特征和潛在輸送源分析.環(huán)境科學(xué)研究，2020，332）：260-270.

［42］ 段時(shí)光，姜 楠，楊留明，等.鄭州市冬季大氣PM2.5傳輸路徑和潛在源分析.環(huán)境科學(xué)，2019，401）：86-93.

［43］ Cheng M D，Hopke P ，Barrie L，et al.Qualitative determination of source regions of aerosol in Canadian high arctic.Environmental Science & Technology，1993，2720）：63-71.

［44］ Begum B A，im E，Jeong C H，et al.Evaluation of the potential source contribution function using the 2002 Quebec forest fire episode.Atmospheric Environment，2005，39：3 719 -3 724.

［45］ Michael L A，Linb C J，Peter M，et al.Atmospheric mercury near Salmon Falls Creek Reservoir in southern Idaho.Applied Geochemistry，2008，233）：438-453.

［46］ Ferhat ，Ismail A，Omar A.Long-range potential source contributions of episodic aerosol events to PM10 profile of a megacity.Atmospheric Environment，2009，4336）：5 713-5 722.

［47］ Salvador P，Artinano B，Alonso D G，et al.Identification and characterization of sources of PM10 in Madrid Spain） by statistical methods.Atmospheric Environment，2004，38：435-447.

［48］ Xu X，Akhtar U S.Identification of potential regional sources of atmospheric total gaseous mercury in Windsor，Ontario，Canada using hybrid receptor modeling.Atmospheric Chemistry and Physics，2010，1015）：7 073-7 083.

［49］ Polissar A V，Hopke P ，Harris J M.Source regions for atmospheric aerosol measured at Barrow，Alaska.Environmental Science & Technology，2001，3521）：4 214-4 226.

［50］Bhuyan P ，Bharali C，Pathak B，et al.The role of precursor gases and meteorology on temporal evolution of O3 at a tropical location in northeast India.Environmental Science & Pollution Research International，2014，2110）：6 696-6 713.

［51］ 李婷苑，鄧雪嬌，范紹佳，等.2010年廣州亞運(yùn)期間空氣質(zhì)量與污染氣象條件分析.環(huán)境科學(xué)，2012，339）：2 932-2 938.

［52］ 袁夢(mèng)娜.西安大氣碳?xì)馊苣z光學(xué)性質(zhì)及其來源解析［D］.西安：中國科學(xué)院大學(xué)中國科學(xué)院地球環(huán)境研究所），2022.

［53］ Jion M M M F，Jannat J N，Mia M Y，et al.A critical review and prospect of NO2 and SO2 pollution over Asia：Hotspots，trends，and sources.Science of the Total Environment，2023，876：162 851.

［54］ Ling J X，hang G，Liu L X，et al.Observation of atmospheric CO2 and CO in a low-carbon pilot city：Insight into CO2 sources and regional transport.Atmospheric Pollution Research，2022，137）：101 585.

［55］ 楊 帆.降雨對(duì)大氣顆粒物和氣態(tài)污染物的清除效率及機(jī)制［D］.南昌：南昌大學(xué)，2015.

［56］ 顧澤平.大氣細(xì)顆粒物有機(jī)質(zhì)組成的變化規(guī)律及其在源解析中的應(yīng)用［D］.上海：上海大學(xué)，2010.

［57］ 李培榮，姚 靜，張煦庭，等.西安冬季不同環(huán)流形勢(shì)下大氣細(xì)顆粒物的輸送特征研究.陜西氣象，20224）：7-14.

【責(zé)任編輯：蔣亞儒】

基金項(xiàng)目：陜西省科技廳自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目（2022JM-076）

作者簡(jiǎn)介：李香凝（1999—），女，河北辛集人，在讀碩士研究生，研究方向：大氣環(huán)境化學(xué)

通訊作者：王羽琴（1988—），女，陜西榆林人，副教授，博士，研究方向：大氣環(huán)境化學(xué)，wangyuqin@sust.edu.cn