北京城區(qū)PM2.5輸送途徑與潛在源區(qū)貢獻(xiàn)的四季差異分析

任傳斌，吳立新，2*，張媛媛，李佳樂，柴 曼，項(xiàng)程程（.中國礦業(yè)大學(xué)（北京）地球科學(xué)與測(cè)繪工程學(xué)院，北京 00083；2.中國礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，江蘇 徐州 226）

北京城區(qū)PM2.5輸送途徑與潛在源區(qū)貢獻(xiàn)的四季差異分析

任傳斌1，吳立新1，2*，張媛媛1，李佳樂1，柴 曼1，項(xiàng)程程1（1.中國礦業(yè)大學(xué)（北京）地球科學(xué)與測(cè)繪工程學(xué)院，北京 100083；2.中國礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，江蘇 徐州 221116）

利用HYSPLIT后向軌跡模式和NCEP的GDAS氣象數(shù)據(jù)（2014年5月1日～2015年4月30日），對(duì)抵達(dá)北京城區(qū)的逐小時(shí)3日氣流后向軌跡按季節(jié)聚類，并結(jié)合P M2.5質(zhì)量濃度地基觀測(cè)數(shù)據(jù)，分析不同輸送途徑的空間特征及其對(duì)北京城區(qū)PM2.5聚集的貢獻(xiàn).利用潛在源貢獻(xiàn)作用（PSCF）和濃度權(quán)重軌跡（CWT）分析方法，揭示研究期內(nèi)北京城區(qū)不同季節(jié) PM2.5的潛在源區(qū)分布及其貢獻(xiàn)特性.結(jié)果表明：北京城區(qū)PM2.5輸送途徑的季節(jié)特征明顯，不同輸送途徑對(duì)北京城區(qū)PM2.5的貢獻(xiàn)差異顯著.春季貢獻(xiàn)源區(qū)主要位于中國西部地區(qū)、華北及黃淮平原，夏季貢獻(xiàn)源區(qū)主要位于山東、蘇北及黃海地區(qū)，秋季主要位于冀南、魯西、魯中及蘇魯豫皖交界地區(qū)，冬季主要位于冀南、魯西北、晉北、陜西、內(nèi)蒙中部及蒙古國南部.來自山東與冀南的氣流軌跡四季均對(duì)應(yīng)PM2.5高值；冬春兩季來自西北的氣流軌跡也對(duì)應(yīng)較高PM2.5值.

PM2.5聚集；后向軌跡；聚類分析；輸送途徑；潛在源區(qū)；北京城區(qū)

工農(nóng)業(yè)發(fā)展、城市化及化石燃料的大量使用，使得中國空氣質(zhì)量愈發(fā)惡化，城市大氣環(huán)境質(zhì)量的評(píng)價(jià)及污染防治已成為多學(xué)科關(guān)注的熱點(diǎn)

［1］.PM2.5不僅會(huì)導(dǎo)致大氣能見度下降［2-3］，其污染物還可隨呼吸進(jìn)入細(xì)支氣管和肺泡區(qū)，從而導(dǎo)致各種疾病，危害生命健康［4-6］.已有研究表明，城市大氣污染不僅與本地排放有關(guān)，還受區(qū)域輸送影響［7-8］.在我國東部重污染區(qū)，外源污染物貢獻(xiàn)率占了很大比重，本地源和外地源的影響程度隨季節(jié)變化存在很大差異［9-10］.區(qū)域大氣污染的成因和來源與氣流軌跡暨輸送途徑密切相關(guān)，后向軌跡模型成為研究這一問題的重要手段［11］.軌跡分析中的聚類分析［12-14］、潛在源貢獻(xiàn)因子分析法（potential source contribution function， PSCF）［15-17］和濃度權(quán)重軌跡分析法 （concentrationweighted trajectory method， CWT）［18］等被廣泛用于區(qū)域污染物分布、擴(kuò)散及傳輸特征研究.Hus等［19］提出：相較于單獨(dú)使用一種軌跡分析方法，綜合使用多種軌跡分析能更好地確定污染物的來源.王愛平等［20］綜合利用后向軌跡模型、PSCF及 CWT方法分析了高層氣溶膠的傳輸情況，確定了黃山頂積聚模態(tài)顆粒物數(shù)濃度的潛在源區(qū)及其對(duì)顆粒物數(shù)濃度的貢獻(xiàn)； Yan等［21］對(duì)北京市2014年2月一次嚴(yán)重霧霾過程進(jìn)行了軌跡分析，發(fā)現(xiàn)保定、衡水、邯鄲等地是其重要的潛在源地.但是，現(xiàn)有關(guān)于北京市大氣污染輸送特征的研究

［22-24］，多集中于特定時(shí)間或某個(gè)軌跡分析方法的具體應(yīng)用，沒有系統(tǒng)分析不同季節(jié)污染物輸送特征及其潛在源區(qū)的差異，缺少對(duì)北京市潛在源區(qū)空間分布特征的總體分析.本文將 HYSPLIT后向軌跡模式與北京城區(qū)PM2.5質(zhì)量濃度逐小時(shí)觀測(cè)數(shù)據(jù)相結(jié)合，綜合運(yùn)用軌跡聚類及 PSCF、CWT方法，揭示北京城區(qū)不同季節(jié)的大氣污染物輸送途徑及潛在源區(qū)空間分布特征，以期為北京大氣污染治理及區(qū)域減排提供依據(jù).

1 材料與方法

1.1 數(shù)據(jù)來源

本文所用PM2.5質(zhì)量濃度觀測(cè)數(shù)據(jù)為北京城區(qū)8個(gè)國控點(diǎn)PM2.5的逐小時(shí)質(zhì)量濃度均值；氣流軌跡資料來源于 NCEP（美國國家環(huán)境預(yù)報(bào)中心）的 GDAS（全球資料同化系統(tǒng)）氣象數(shù)據(jù)（ftp：//arlftp.arlhq.noaa.gov/pub/archives/gdas1），時(shí)段選取為2014年5月1日～2015年4月30日共1a.該數(shù)據(jù)每6h記錄一次，分別為00：00、06：00、12：00和18：00（UTC）.

1.2 HYSPLIT模式與后向軌跡

HYSPLIT模式是由美國國家海洋和大氣管理局（NOAA）的空氣資源實(shí)驗(yàn)室（Air Resources Laboratory， ARL）和澳大利亞氣象局在過去 20a聯(lián)合研發(fā)的一種用于計(jì)算和分析氣流運(yùn)動(dòng)、沉降和擴(kuò)散軌跡的綜合模式系統(tǒng)［25-26］，已廣泛用于空氣污染物傳輸途徑與來源分析.本研究每小時(shí)模擬一個(gè)后向軌跡點(diǎn)，模式起始高度選擇 300m，既可代表近地層風(fēng)的流動(dòng)、反映氣流的區(qū)域性流動(dòng)特征，又能減小近地面摩擦力的影響［8］；后向時(shí)間尺度為3d，以便涵蓋二次污染物的生命周期［27］.

1.3 軌跡聚類方法

本研究利用 TrajStat［28］軟件提供的 Angle Distance算法［26］對(duì)氣流軌跡進(jìn)行聚類，采用總空間方差（total spatial variance， TSV）［29］對(duì)分類質(zhì)量進(jìn)行判斷.最終選取TSV第二次迅速增大之前的分類結(jié)果，其原理為：最初幾步分類的 TSV迅速增加，之后緩慢增加；當(dāng)類別分到一定數(shù)目后，TSV又迅速增大，說明此次合并類己經(jīng)非常不相似，分類合并結(jié)束；此次合并之前的各類即為分類結(jié)果.求出這幾類的平均軌跡，即代表該目標(biāo)點(diǎn)在分析期內(nèi)的主要?dú)饬鬈壽E類型.

1.4 潛在源貢獻(xiàn)作用（PSCF）分析法

可通過氣流后向軌跡和某要素值（如 PM2.5質(zhì)量濃度）的結(jié)合來求解潛在源區(qū)位置［20］.PSCF函數(shù)基于空間網(wǎng)格計(jì)算，定義為研究區(qū)內(nèi)經(jīng)過某一網(wǎng)格（i，j）的污染氣流軌跡端點(diǎn)數(shù)（mij）與經(jīng)過該網(wǎng)格的所有氣流軌跡端點(diǎn)數(shù)（nij）的比值，即

本文按0.5°×0.5°格網(wǎng)對(duì)研究區(qū)（70°E～135°E，25°N～60°N）進(jìn)行網(wǎng)格化處理，計(jì)算每個(gè)網(wǎng)格內(nèi)污染軌跡端點(diǎn)數(shù)出現(xiàn)的概率.因 PSCF是一種條件概率，當(dāng)各網(wǎng)格內(nèi)氣流滯留時(shí)間較短時(shí)（nij值較?。?， PSCF值的不確定性較大.為此，以研究區(qū)內(nèi)全體網(wǎng)格平均軌跡端點(diǎn)數(shù)（Avg）的 3倍為邊界，引入經(jīng)驗(yàn)權(quán)重函數(shù)（Wij）對(duì)其進(jìn)行區(qū)間化賦權(quán)和降誤差處理［28，30］，權(quán)重函數(shù)Wij定義為：

進(jìn)而，對(duì)PSCF進(jìn)行加權(quán)計(jì)算：

1.5 濃度權(quán)重軌跡（CWT）分析法

PSCF只反映當(dāng)前網(wǎng)格污染軌跡數(shù)所占比例，并不體現(xiàn)污染軌跡對(duì)目標(biāo)格網(wǎng)的污染貢獻(xiàn).CWT 是一種網(wǎng)格化識(shí)別源區(qū)的方法［19］（其網(wǎng)格粒度取與 PSCF相同），通過計(jì)算源區(qū)格網(wǎng)（i，j）的平均權(quán)重濃度（Cij）來分析其對(duì)目標(biāo)格網(wǎng)的污染貢獻(xiàn)：

式中：l是經(jīng)過格網(wǎng)（i，j）的軌跡之一； Cl是軌跡l經(jīng)過網(wǎng)格（i，j）時(shí)的PM2.5質(zhì)量濃度； τijl是軌跡l在網(wǎng)格（i，j）停留的時(shí)間，用落在網(wǎng)格內(nèi)的軌跡l的端點(diǎn)數(shù)來代替.PSCF中所用權(quán)重函數(shù)Wij同樣適用于CWT法，以減少nij較少時(shí)引起的不確定性：

2 后向軌跡聚類分析

2.1 后向軌跡聚類分布

為揭示不同季節(jié)北京氣流軌跡差異，對(duì)北京城區(qū)逐小時(shí)后向軌跡按季節(jié)進(jìn)行聚類分析.本文依據(jù)中國農(nóng)歷節(jié)氣時(shí)間點(diǎn)來近似劃分4季［31］.夏（5～7月）、秋（8～10月）、冬（11、12及次年1月）、春（2～4月）各季的軌跡分別被聚類為5、5、8、7類（圖1）.通過對(duì)圖1分析可見，研究期內(nèi)各季平均軌跡分布與北京季風(fēng)氣候相對(duì)應(yīng)：夏季軌跡呈星形散列，受東南海洋暖濕氣流影響以南風(fēng)和東南風(fēng)氣流為主，雖然軌跡短，但兩者占當(dāng)季氣流軌跡總數(shù)的 48.83%；秋季軌跡分布與夏季類似，但隨著冷氣團(tuán)逐漸南下，東南氣流軌跡有所減弱；冬春兩季受西伯利亞寒流影響，盛行西北風(fēng)，西北氣流軌跡占絕對(duì)優(yōu)勢(shì)，且西北方向軌跡均很長，表明來自西北方向的氣團(tuán)移動(dòng)速度較快.

圖1 研究期內(nèi)（2014.5～2015.4）北京城區(qū)四季的氣流后向軌跡聚類Fig.1 The seasonal distribution of airflow back-trajectories clusters in Beijing urban from May 2014 to April 2015

2.2 不同氣流軌跡的污染特征

為分析四季不同氣流軌跡的污染特征，可將北京城區(qū) PM2.5逐小時(shí)質(zhì)量濃度均值與后向軌跡相結(jié)合，進(jìn)行軌跡污染特征分析.本文設(shè)定《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095-2012）［32］中PM2.5二級(jí)濃度（75μg/m3）為閾值，將后向軌跡分為清潔軌跡與污染軌跡：當(dāng)某條軌跡所對(duì)應(yīng)的PM2.5質(zhì)量濃度大于 75μg/m3時(shí)，定義為污染軌跡；否則，為清潔軌跡.各類軌跡統(tǒng)計(jì)結(jié)果如表 1所示.由圖1和表1可知，研究期內(nèi)，各類氣流軌跡所對(duì)應(yīng)的PM2.5平均質(zhì)量濃度［ρ（PM2.5）］存在顯著差異.

表1 不同季節(jié)各類軌跡PM2.5質(zhì)量濃度統(tǒng)計(jì)結(jié)果Table 1 Statistical results of PM2.5mass concentration in different seasons

2.2.1 夏季軌跡及其貢獻(xiàn) 夏季 ρ（PM2.5）為四季最低， 僅為 70.02μg/m3.分析其原因：①夏季植被茂盛、覆蓋率高，植被葉片能有效吸附和移除空氣中的污染顆粒物，加速顆粒物沉降過程［33-34］；②夏季降雨充足，對(duì)污染物有較強(qiáng)清除與濕沉降作用［35］.夏季各類軌跡所對(duì)應(yīng)的 ρ（PM2.5）從高到低依次是：1＞2＞3＞5＞4，軌跡長度與 ρ（PM2.5）存在明顯對(duì)應(yīng)關(guān)系：長軌跡對(duì)應(yīng)的 ρ（PM2.5）較低，短軌跡較高.東南軌跡1、2路徑短，表明風(fēng)速小、區(qū)域氣象條件穩(wěn)定，擴(kuò)散稀釋能力較弱，易將山東、冀南及黃海等沿途地區(qū)污染物輸送至北京形成積聚.其中軌跡2對(duì)應(yīng)的ρ（PM2.5）值較高還與其途徑海域，空氣相對(duì)濕度較大，利于氣溶膠吸濕增長和二次顆粒物生成有關(guān)［36］.北方軌跡4和西北軌跡5所經(jīng)地區(qū)夏季污染物少，氣團(tuán)較為潔凈，再加上風(fēng)速較大，利于污染物擴(kuò)散稀釋，故其 ρ（PM2.5）較低.偏東北軌跡3也較短，對(duì)應(yīng)的ρ（PM2.5）值居中.

在1、2兩類東南軌跡中，污染軌跡分別占本類軌跡的65.61%、57.83%，共占本季污染軌跡總數(shù)的 83.10%.顯然，夏季東南及偏南方向是北京城區(qū)PM2.5的主要輸送方向.

2.2.2 秋季軌跡及其貢獻(xiàn) 秋季 ρ（PM2.5）為83.44μg/m3，各類軌跡的ρ（PM2.5）從高到低依次是：1＞2＞3＞5＞4.與夏季軌跡特征相同，其長軌跡對(duì)應(yīng)的 ρ（PM2.5）較低，短軌跡較高.各個(gè)方向的軌跡來源以及途經(jīng)路徑也與夏季相似.1、2類軌跡路徑短且軌跡2經(jīng)過渤海海域，故其對(duì)應(yīng)ρ（PM2.5）值較高.軌跡3易將河北東北部及天津的污染物攜帶至北京，造成空氣質(zhì)量下降.北方軌跡4和西北軌跡5分別起源于俄羅斯與蒙古國境內(nèi)，軌跡較長、風(fēng)速大，有利于污染物擴(kuò)散消除，且所經(jīng)地區(qū)相對(duì)潔凈，人為排放源少，故ρ（PM2.5）較低.

在1、2兩類東南軌跡及偏北軌跡3中，污染軌跡分別占本類軌跡的 66.26%、61.26%和52.17%，共占本季污染軌跡總數(shù)的 92.24%.顯然，秋季東南、偏南及偏東北方向是北京城區(qū)PM2.5的主要輸送方向.

2.2.3 冬季軌跡及其貢獻(xiàn) 冬季 ρ（PM2.5）為81.31μg/m3，各類軌跡的 ρ（PM2.5）從高到低依次是：1＞2＞8＞7＞6＞5＞4＞3.其中，軌跡1對(duì)應(yīng)的值高達(dá)211.86μg/m3，另有 3類軌跡對(duì)應(yīng)的 ρ（PM2.5）值在120μg/m3左右.究其原因，可能與我國北方冬季進(jìn)入燃煤采暖期，污染物排放增多有關(guān).短軌跡1近似為局地環(huán)形特征，易將周邊大氣污染物帶入北京形成積聚，故對(duì)應(yīng) ρ（PM2.5）值最高.偏東北中長軌跡 2途經(jīng)河北東北部及天津，對(duì)應(yīng)的 ρ（PM2.5）值也較高.除此之外，其他氣流軌跡均來自西北方向，且軌跡較長.其中，軌跡 5、6對(duì)應(yīng)中等值ρ（PM2.5），與夏、秋長軌跡對(duì)應(yīng)低值ρ（PM2.5）不同，反映了不同季節(jié)西部草原、沙漠與黃土地區(qū)自然源及植被覆蓋條件的變化；軌跡3、4主要來自西伯利亞，經(jīng)蒙古高原到達(dá)北京，且氣流軌跡長、風(fēng)速大，有利于污染物擴(kuò)散與稀釋，故ρ（PM2.5）很低.

在軌跡1、2、8、7中，污染軌跡分別占到本類軌跡的 96.13%、75.38%、88.62%和 59.46%，該4類軌跡共占本季污染軌跡總數(shù)的71.88%.顯然，冬季北京城區(qū) PM2.5主要輸送方向包括東、南、西3個(gè)方向.

2.2.4 春季軌跡及其貢獻(xiàn) 春季與冬季相似，盛行西北風(fēng)向，軌跡較長，ρ（PM2.5）為 83.75μg/m3.各聚類軌跡的 ρ（PM2.5）從高到低依次是：1＞7＞6＞4＞5＞2＞3.其中，西部長軌跡 6、7對(duì)應(yīng)較高值 ρ（PM2.5），大風(fēng)易將中國西部地區(qū)的干旱表土與細(xì)沙揚(yáng)起形成沙塵暴［37］.軌跡4在北京南部的河北省境內(nèi)形成局地環(huán)形特征，易將河北東南部工業(yè)區(qū)的污染物攜帶至北京形成積聚，影響北京城區(qū)的空氣質(zhì)量，故對(duì)應(yīng)較高的 ρ（PM2.5）值.西北軌跡 3、5經(jīng)過冰凍地區(qū)，軌跡長、風(fēng)速大，利于北京本地污染物的擴(kuò)散與稀釋.

在軌跡1、7、6、4中，污染軌跡分別占本類軌跡的 83.40%、84.68%、69.56%和 62.77%，且該4類軌跡共占本季污染軌跡總數(shù)的74.75%.顯然，春季西、南兩方向是北京城區(qū)PM2.5主要輸送方向.

綜上，北京城區(qū)四季在東南氣流輸送作用下，來自山東經(jīng)過河北南部的氣流軌跡均對(duì)應(yīng)ρ（PM2.5）高值，反映華北平原東南部對(duì)北京城區(qū)空氣質(zhì)量的關(guān)鍵性影響.源自北方，途經(jīng)遼寧、冀東北、天津的偏東北中長軌跡的ρ（PM2.5）值居中；源自俄羅斯、途徑蒙古國的西北長軌跡氣流風(fēng)速較大，且所經(jīng)地區(qū)污染物人為源和自然源少，空氣較為潔凈，有利于北京本地污染物的擴(kuò)散與稀釋，對(duì)應(yīng)ρ（PM2.5）低值；源自我國西部、途徑黃土高原的偏西中長軌跡氣流受植被覆蓋與自然源的季節(jié)性差異影響，夏秋兩季對(duì)應(yīng)的 ρ（PM2.5）值較低，冬春兩季對(duì)應(yīng)的ρ（PM2.5）值較高.

3 潛在源區(qū)及其貢獻(xiàn)分析

3.1 潛在源區(qū)分析

為分析北京城區(qū)大氣污染輸送途徑及其潛在源區(qū)，首先按式（1）～（3）甄別潛在源.圖2為北京城區(qū)四季污染軌跡格網(wǎng)的WPSCF值計(jì)算結(jié)果.

圖2 北京城區(qū)PM2.5潛在源區(qū)的四季分布Fig.2 Seasonal distribution of potential source zones of Beijing urban PM2.5

由圖2可見，北京城區(qū)PSCF分布的季節(jié)性特征十分明顯，潛在源區(qū)的四季變化存在顯著差異.本文按WPSCF值0～0.3、0.3～0.7、0.7～1.0分為輕度、中度和重度污染格網(wǎng)來標(biāo)示潛在源格網(wǎng)屬性.①夏季：潛在源區(qū)最為集中，重度污染格網(wǎng)位于冀東南、山東全境、豫北、蘇北及黃海海域；②秋季：潛在源區(qū)西移，重度污染格網(wǎng)除集中在魯東、魯中、冀魯豫接壤地區(qū)之外，增加了陜北地區(qū)；③冬季：潛在源區(qū)向西北轉(zhuǎn)移、延伸，重度污染格網(wǎng)位于冀南、魯西北、晉北和蒙中，中度污染格網(wǎng)延伸至內(nèi)蒙西部和蒙古國西南部廣大地區(qū)；④春季：潛在源區(qū)的條帶狀空間特征與冬季相似，但重度污染格網(wǎng)南移，并擴(kuò)大至淮河以北廣大平原地區(qū)，包括冀南、魯西、豫北、蘇西及皖北，其中內(nèi)蒙中西部及晉中較冬季有所增強(qiáng)，應(yīng)與春季沙塵天氣增多有關(guān).

3.2 潛在源貢獻(xiàn)分析

由 PSCF法甄別的潛在源只反映某網(wǎng)格中污染軌跡所占比例，不體現(xiàn)該格網(wǎng)對(duì)目標(biāo)格網(wǎng)的污染貢獻(xiàn)，具有相同 WPSCF值的潛在源格網(wǎng)對(duì)目標(biāo)格網(wǎng)的污染貢獻(xiàn)可能不同.為此，進(jìn)一步按式（4）、（5）對(duì)潛在源格網(wǎng)進(jìn)行PM2.5質(zhì)量濃度加權(quán)計(jì)算，得到潛在源格網(wǎng)的貢獻(xiàn)水平（圖3）.

由圖3可知，北京城區(qū)PM2.5的潛在源區(qū)及其貢獻(xiàn)水平的空間分布特征為：①夏季： WCWT數(shù)值總體較??；主要貢獻(xiàn)區(qū)集中在山東全境和蘇北地區(qū)，其中蘇北沿海岸地區(qū)的貢獻(xiàn)度最大.這與夏季盛行東南風(fēng)，氣象條件有利于該地區(qū)的海鹽氣溶膠及工業(yè)氣溶膠向北京方向擴(kuò)散、沉降有關(guān)；②秋季：魯中、魯西的貢獻(xiàn)度最大；相比于夏季，北京東南方向的貢獻(xiàn)消減，東北和西部方向的貢獻(xiàn)有所增大；③冬季：主要貢獻(xiàn)區(qū)整體向西北延伸，山西、陜北、蒙中地區(qū)的貢獻(xiàn)增大，環(huán)首都圈的天津、唐山、冀南、魯北的貢獻(xiàn)也十分突出；④春季：貢獻(xiàn)源空間形態(tài)與冬季相似，各方向的WCWT數(shù)值總體走低，但南部范圍擴(kuò)大，應(yīng)與河南、山東、江蘇、皖北春耕活動(dòng)有關(guān)；蒙西以及新疆東部（哈密、且末）局部出現(xiàn)貢獻(xiàn)高值，應(yīng)與該地大風(fēng)揚(yáng)沙遠(yuǎn)程傳輸有關(guān).

CWT方法與PSCF方法分別確定的各季相對(duì)高值的污染源區(qū)空間分布有所差異.對(duì)比發(fā)現(xiàn)：夏季具有相同WPSCF值的山東、蘇北及黃海海域等地區(qū)，在CWT結(jié)果分布中雖然仍為主要源區(qū)，但黃海海域的貢獻(xiàn)度顯著下降，山東也有所減少.與此類似，秋季陜北、魯東地區(qū)，冬季魯西、晉北和蒙中地區(qū)，以及春季冀南、魯西北地區(qū)的WPSCF高值源區(qū)，其在CWT分布結(jié)果中的貢獻(xiàn)度不再相同.其主要原因?yàn)椋寒?dāng)某些軌跡的ρ（PM2.5）高于設(shè)定的濃度閾值（75μg/m3）時(shí)，PSCF認(rèn)為這些軌跡對(duì)目標(biāo)格網(wǎng)的影響相等，不再區(qū)分這些軌跡ρ（PM2.5）的實(shí)際值大小. CWT則沒有設(shè)定閾值，能顧及各條軌跡 ρ（PM2.5）的實(shí)際值，可體現(xiàn)不同軌跡的貢獻(xiàn)差異，便于準(zhǔn)確刻畫目標(biāo)格網(wǎng)污染物的潛在源區(qū).

圖3 北京城區(qū)PM2.5質(zhì)量濃度權(quán)重軌跡的四季分布Fig.3 Seasonal distribution of concentration-weighted trajectory of Beijing urban PM2.5

4 結(jié)語

2014年5月1日～2015年4月30日，北京城區(qū)氣流輸送的四季變化特征明顯，除冬春兩季的西北長軌跡氣流對(duì)應(yīng)的 ρ（PM2.5）值較高外，其他中、長軌跡所對(duì)應(yīng)的 ρ（PM2.5）值均比短軌跡低.四季中，來自北京以南及東南方向的氣流軌跡最短，且均對(duì)應(yīng)ρ（PM2.5）高值.通過PSCF和CWT分析，揭示了北京城區(qū) PM2.5潛在源區(qū)及主要貢獻(xiàn)區(qū)的空間分布特征與四季差異：夏季貢獻(xiàn)區(qū)主要集中在山東、蘇北及黃海地區(qū)；秋季主要分布在冀南、魯中、魯西以及蘇魯豫皖交界地區(qū)；冬季除冀南、魯西北、晉北、陜西外，還有蒙中和蒙古國南部；春季北京城區(qū) PM2.5潛在源區(qū)最為廣泛，既有來自黃土高原、內(nèi)蒙中西部、蒙古國、新疆及其以西地區(qū)的沙塵遠(yuǎn)程傳輸，也有來自黃淮平原春耕生產(chǎn)的揚(yáng)塵輸送.總之，來自華北及黃淮平原的污染輸送是北京城區(qū)四季PM2.5的主要貢獻(xiàn)源；北京大氣污染防控應(yīng)特別注意魯中、魯西、冀南的近距離輸送；秋冬季來自黃土高原及西部荒漠地區(qū)的遠(yuǎn)距離輸送貢獻(xiàn)依然很大.

由于本文在進(jìn)行潛在源分析時(shí)所用PM2.5質(zhì)量濃度為地基觀測(cè)濃度，與實(shí)際氣團(tuán)三維空間運(yùn)動(dòng)存在一定差異，今后可考慮將地基觀測(cè)的PM2.5質(zhì)量濃度折算到后向軌跡起算高度處的濃度.還可縮小網(wǎng)格粒度，進(jìn)行不同時(shí)間尺度的模擬分析與對(duì)比，進(jìn)而更詳細(xì)、準(zhǔn)確地分析揭示北京城區(qū) PM2.5潛在源區(qū)的時(shí)空差異與演化規(guī)律，為北京大氣環(huán)境治理與區(qū)域減排提供科學(xué)依據(jù).

［1］ 張亞娟，康慕寧，鄧正宏，等.基于動(dòng)態(tài)多叉樹的大氣環(huán)境質(zhì)量評(píng)價(jià)方法的研究 ［J］. 計(jì)算機(jī)應(yīng)用研究， 2007，24（11）：90-92.

［2］ Wang J L， Zhang Y H， Shao M， et al. Quantitative relationship between visibility and mass concentration of P M2.5in Beijing ［J］. Journal of Environmental Sciences， 2006，18（3）：475-481.

［3］ Dan M， Zhuang G， Li X， et al. The characteristics of carbonaceous species and their sources in PM2.5in Beijing ［J］. Atmospheric Environment， 2004，38（21）：3443-3452.

［4］ 蘇都爾·克熱木拉，胡 穎，迪麗努爾·塔力甫，等.烏魯木齊大氣PM2.5對(duì)質(zhì)粒DNA的損傷研究 ［J］. 中國環(huán)境科學(xué)， 2014，34（3）：786-792.

［5］ 韓金保，倪天茹，李彭輝，等.天津市老年人 P M2.5暴露研究 ［J］.中國環(huán)境科學(xué)， 2015，35（2）：610-616.

［6］ 林 俊，劉 衛(wèi)，李 燕，等.上海市郊區(qū)大氣細(xì)顆粒和超細(xì)顆粒物中元素粒徑分布研究 ［J］. 環(huán)境科學(xué)， 2009，30（4）：982-987.

［7］ 薛文博，付 飛，王金南，等.中國PM2.5跨區(qū)域傳輸特征數(shù)值模擬研究 ［J］. 中國環(huán)境科學(xué)， 2014，34（6）：1361-1368.

［8］ 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 ［J］. 環(huán)境科學(xué)研究， 2009，22（6）：637-642.

［9］ 蔣永成，趙天良，王 宏，等.福州市PM2.5污染過程中大氣邊界層和區(qū)域傳輸研究 ［J］. 中國環(huán)境科學(xué)， 2015，35（2）：347-355.

［10］ 張 艷，余 琦，伏晴艷，等.長江三角洲區(qū)域輸送對(duì)上海市空氣質(zhì)量影響的特征分 ［J］. 中國環(huán)境科學(xué)， 2010，30（7）：914-943.

［11］ 王郭臣，王 玨，信玉潔，等.天津PM10和NO2輸送路徑及潛在源區(qū)研究 ［J］. 中國環(huán)境科學(xué)， 2014，34（12）：3009-3016.

［12］ 趙 恒，王體健，江 飛，等.利用后向軌跡模式研究 TRACE-P期間香港大氣污染物的來源 ［J］. 熱帶氣象學(xué)報(bào)， 2009，25（2）：181-186.

［13］ 畢麗玫，郝吉明，寧 平，等.昆明城區(qū)大氣PM2.5中PAHs的污染特征及來源分析 ［J］. 中國環(huán)境科學(xué)， 2015，35（3）：659-667.

［14］ Rozwadowska A， Zieliński T， Petelski T， et al. Cluster analysis of the impact of air back-trajectories on aerosol optical properties at Hornsund， Spitsbergen ［J］. Atmospheric Chemistry and Physics，2010，10：877-893.

［15］ 張 磊，金蓮姬，朱 彬，等.2011年6～8月平流輸送對(duì)黃山頂污染物濃度的影響 ［J］. 中國環(huán)境科學(xué)， 2013，33（6）：969-978.

［16］ 高志強(qiáng)，劉 明，陳來國，等.廣東南嶺大氣背景點(diǎn)氣態(tài)元素汞含量變化特征 ［J］. 中國環(huán)境科學(xué)， 2016，36（2）：342-348.

［17］ Han Y J， Holsen T M， Hopke P K. Estimation of source locations of total gaseous mercury measured in New York State using trajectory based models ［J］. Atmospheric Environment， 2007，41（28）：6033-6047.

［18］ Zhao M， Huang Z， Qiao T， et al. Chemical characterization， the transport pathways and potential sources of PM2.5in Shanghai：Seasonal variations ［J］. Atmospheric Research， 2015，158：66-78.［19］ Hsu Y K， Holsen T M， Hopke P K. Comparison of hybrid receptor models to locate PCB sources in Chicago ［J］. Atmospheric Environment， 2003，37（4）：545-562.

［20］ 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.

［21］ Yan R， Yu S， Zhang Q， et al. A heavy haze episode in Beijing in February of 2014： Characteristics， origins and implications ［J］. Atmospheric Pollution Research， 2015，6（5）：867-876.

［22］ Zhang Z Y， Wong M S， Lee K H. Estimation of potential source regions of PM2.5in Beijing using backward trajectories ［J］. Atmospheric Pollution Research， 2015，6（1）：173-177.

［23］ Zhang L， Wang S X， Wang L， et al. Atmospheric mercury concentration and chemical speciation at a rural site in Beijing， China： implications of mercury emission sources ［J］. Atmospheric Chemistry and Physics， 2013，13（20）：10505—10516.

［24］ 馬鋒敏，高慶先，周鎖銓，等.北京及周邊地區(qū)一次典型大氣污染過程的模擬分析 ［J］. 環(huán)境科學(xué)研究， 2008，21（1）：30-36.

［25］ Sirois A， Bottenhein J W. Use of backward trajectories to interpret the 5-year record of PAN and O3ambient air concentrations at Kejimkujik National Park， Nova Scotia ［J］. Journal of Geophysical Research， 1995，100（D2）：2867-2881.

［26］ Draxler R R， Hess G D. An overview of the HYSPLIT_ 4modeling system for trajectories ［J］. Australian Meteorological Magazine， 1998，47（4）：295-308.

［27］ 劉世璽，安俊琳，朱 彬，等.遠(yuǎn)距離輸送作用對(duì)南京大氣污染的影響 ［J］. 生態(tài)環(huán)境學(xué)報(bào)， 2010，19（11）：2629-2635.

［28］ Wang Y Q， Zhang X Y， Draxler R R. TrajStat： GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data ［J］. Environmental Modeling & Software，2009，24（8）：938-939.

［29］ Draxler R R， Stunder B， Rolph G D， et al. HYSPLIT4User's Guide ［EB/OL］. http：//www.arl.noaa.gov/documents/reports/ hysplit_user_guide.pdf.

［30］ Polissar A V， Hopke P K， Harris J M. Source regions for atmospheric aerosol measured at Barrow， Alaska ［J］. Environmental Science & Technology， 2001，35（21）：4214-4226.

［31］ 吳立新，呂 鑫，秦 凱，等.基于太陽光度計(jì)地基觀測(cè)的徐州氣溶膠光學(xué)特性變化分析 ［J］. 科學(xué)通報(bào)， 2016，61（20）：2287-2298.

［32］ GB 3095-2012 環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) ［S］.

［33］ 趙晨曦，王玉杰，王云琦，等.細(xì)顆粒物（PM2.5）與植被關(guān)系的研究綜述 ［J］. 生態(tài)學(xué)雜志， 2013，32（8）：2203- 2210.

［34］ McDonald A G， Bealey W J， Fowler D， et al. Quantifying the effect of urban tree planting on concentrations and depositions of PM10in two UK conurbations ［J］. Atmospheric Environment，2007，41（38）：8455-8467.

［35］ Mircea M， Stefan S， Fuzzi S. Precipitation scavenging coefficient：influence of measured aerosol and raindrop size distributions ［J］. Atmospheric Environment， 2000，34（29）：5169-5174.

［36］ Gu J， Du S， Han D， et al. Major chemical compositions， possible sources， and mass closure analysis of PM2.5in Jinan， China ［J］. Air Quality， Atmosphere & Health， 2014，7（3）：251—262.

［37］ 唐 楊，徐志方，韓貴琳.北京及其北部地區(qū)大氣降塵時(shí)空分布特征 ［J］. 環(huán)境科學(xué)與技術(shù)， 2011，34（2）：115-119.

Analyze to the seasonal differences of transport pathways and potential source-zones of Beijing Urban PM2.5.

REN Chuan-bin1， WU Li-xin1，2*， ZHANG Yuan-yuan1， LI Jia-le1， CHAI Man1， XIANG Cheng-cheng1（1.College of Geoscience and Surveying Engineering， China University of Mining and Technology （Beijing）， Beijing 100083， China；2.School of Environment Science and Spatial Informatics， China University of Mining and Technology， Xuzhou， 221116， China）. China Environmental Science， 2016，36（9）：2591～2598

Both HYSPLIT backward trajectory mode and Global Data Assimilation System （GDAS） meteorological data from the National Centers for Environmental Prediction （NCEP） were used to analyze the three-day backward trajectories of hourly airflow in Beijing urban from May 1st， 2014 to April 30st， 2015. Clustering analysis was used to classify the airflow backward trajectories of Beijing urban in different seasons. The hourly ground PM2.5observations were also used to analyze the spatial characteristics of different transport pathways and its contribution to the PM2.5concentration in Beijing urban. Potential source contribution function （PSCF） and concentration-weighted trajectory （CWT） were applied to identify the potential source-zones （PSZs） and its contribution to Beijing urban PM2.5in different seasons during the study period. This study revealed that the Beijing airflows were significantly characterized by monsoons， and the PTZs of Beijing urban PM2.5varied a lot in different seasons during the study period： a） in the spring， it mainly located in northwest China， North China Plain and YellowRiver-HuaiRiver plain； b） in the summer， it mainly located in Shandong，north Jiangsu and Yellow Sea； c） in the fall， it mainly located in south Hebei， west Shandong， central Shandong and the adjoining areas of Jiangsu， Shandong， Henan and Anhui Provinces； d） in the winter， it mainly located in south Hebei，northwest Shandong， north Shanxi， Shaanxi， central Inner Mongolia and south Mongolia. The airflows from Shandong and south Hebei carried high concentrations of PM2.5in all seasons， while the airflows from northwest China carried middle concentrations of PM2.5in winter and spring.

PM2.5concentration；backward trajectory；clustering analysis；transport pathway；potential source-zone（PSZ）；Beijing urban

X513

A

1000-6923（2016）09-2591-08

2016-01-10

科技部973課題（2011CB707102）、江蘇省優(yōu)勢(shì)學(xué)科（PAPD）及雙創(chuàng)團(tuán)隊(duì)項(xiàng)目聯(lián)合資助

* 責(zé)任作者， 教授，長江學(xué)者特聘教授， awulixin@263.net

任傳斌（1990-），男，山東泰安人，中國礦業(yè)大學(xué)（北京）地球科學(xué)與測(cè)繪工程學(xué)院碩士研究生，主要從事大氣污染空間分析.