李瑞金，郝乾龍，劉洋，董川，翁建霖，2

（1.山西大學(xué) 環(huán)境科學(xué)研究所，山西 太原 030006；2.香港浸會(huì)大學(xué) 生物系，香港）

0 引言

大氣污染一直是我國關(guān)注的重要環(huán)境問題。PM2.5污染危害人體健康，促進(jìn)灰霾天氣發(fā)生，引起人們極大關(guān)注?！洞髿馕廴痉乐涡袆?dòng)計(jì)劃》（2013）實(shí)施以來，我國大氣污染有很大改善［1］，但2017年全國338個(gè)城市PM2.5年均濃度（43 μg/m3）仍超過我國二級(jí)標(biāo)準(zhǔn)限值。2018年我國實(shí)施《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》，調(diào)整能源結(jié)構(gòu)、攻克京津冀及周邊地區(qū)秋冬季重污染及霧霾問題是其重要工作。2020 年，山西全省 PM2.5年均濃度為 44 μg/m3；優(yōu)良天比例達(dá)到71.9%，未達(dá)《山西省“十三五”環(huán)境保護(hù)規(guī)劃》規(guī)定的75.4%。2017年總理基金項(xiàng)目確定“2+26”城市為“京津冀大氣污染傳輸通道”城市，其中包括山西省太原、陽泉、長治、晉城。這些城市以煤炭焦化冶金行業(yè)為主，有特殊的盆地結(jié)構(gòu)；冬季有輻射逆溫，使大氣污染物不易擴(kuò)散，這些使得該地區(qū)PM2.5污染較為嚴(yán)重。相比于南方開闊沿海地形及交通尾氣污染為主的特點(diǎn)，山西省4城市PM2.5污染具有明顯的地域特征和典型的污染特點(diǎn)。

大氣污染不僅受本地排放源的影響，也受外來源輸送的影響，且污染的時(shí)空分布特征和傳輸規(guī)律也有地域差異。彭玏等［2］研究發(fā)現(xiàn)，2000-2015年京津冀地區(qū)PM2.5年均濃度逐年增加，呈現(xiàn)太行山脈區(qū)域濃度低和太行山脈以東地區(qū)濃度高的污染格局，城鎮(zhèn)濃度高于周邊地區(qū)。沈洪艷等［3］的研究顯示，2014年11月京津冀地區(qū)重污染天氣下，大氣污染傳輸軌跡主要是自南向北擴(kuò)散?？咨荷旱龋?］利用后向軌跡聚類模型（HYSPLIT）分析了2015-2016年北京市PM2.5污染來源，發(fā)現(xiàn)來自內(nèi)蒙古西部及河北、山東、河南交界地區(qū)的兩類軌跡是北京PM2.5污染的主要潛在源區(qū)。目前，針對(duì)山西省大氣污染特別是PM2.5的污染特征、源解析、健康風(fēng)險(xiǎn)已經(jīng)開展了較多研究［5-7］。李宏艷等［8］研究指出，2015-2016年山西省11個(gè)地級(jí)城市PM2.5年均濃度均超過了國家年均濃度二級(jí)標(biāo)準(zhǔn)限值，總體上南部城市PM2.5污染比北部城市高；閆世明等［9］和任浦慧等［10］利用潛在源貢獻(xiàn)因子（PSCF）和濃度權(quán)重軌跡（CWT）分析進(jìn)行研究，結(jié)果發(fā)現(xiàn)，2014-2017年山西省太原冬季PM2.5的質(zhì)量濃度大于夏季；春秋和冬季大氣傳輸路徑主要以西和西北方向的軌跡為主；夏季以東南方向軌跡為主。PM2.5潛在源區(qū)主要位于陜西漢中、西安和山西呂梁、臨汾等地。王妘濤［11］也利用HYSPLIT等方法對(duì)山西運(yùn)城市PM2.5的污染輸送路徑和潛在源區(qū)進(jìn)行了研究。但是針對(duì)太原、陽泉、長治和晉城PM2.5污染的時(shí)空分布特征和區(qū)域傳輸影響的研究還較為鮮見。伴隨著經(jīng)濟(jì)的快速發(fā)展和經(jīng)濟(jì)規(guī)模的擴(kuò)大，不同國家和地區(qū)大氣環(huán)境越來越呈現(xiàn)出區(qū)域性污染的特點(diǎn)，污染物遠(yuǎn)距離區(qū)域傳輸問題日益受到關(guān)注。本研究基于山西省太原、陽泉、長治、晉城市2020年非采暖期和采暖期的相關(guān)數(shù)據(jù)，研究上述4城市大氣污染特征及其與氣象因子的相關(guān)性，并利用HYSPLIT、PSCF和CWT研究山西典型地區(qū)大氣PM2.5傳輸途徑和影響空氣質(zhì)量的潛在源區(qū)，旨在為山西省大氣污染區(qū)域防控提供一定的依據(jù)。

1 研究方法

1.1 數(shù)據(jù)來源

山西2020年空氣污染物（PM2.5、PM10、SO2、NO2、CO、O3）排放數(shù)據(jù)來自中國空氣質(zhì)量歷史數(shù)據(jù)；氣象數(shù)據(jù)（溫度、濕度、風(fēng)速）來源于美國國家環(huán)境預(yù)報(bào)中心提供的全球資料同化系統(tǒng)（global data assimilation system，GDAS）（ftp：//arlftp.arlhq.noaa.gov/pub/archives/gdas1）。數(shù)據(jù)收集時(shí)間為非采暖期（2020年6月1日-2020年8月31日）和采暖期（2020年11月1日-2020年12月31日）。

1.2 后向軌跡模型

采用HYSPLIT模型研究山西典型地區(qū)采暖期和非采暖期PM2.5的來源和傳輸路徑。將太原、陽泉、長治、晉城作為模擬起始點(diǎn)，模擬起始高度設(shè)置為500 m。以每天00：00-23：00為模擬起始時(shí)間，后向追蹤48 h進(jìn)行軌跡計(jì)算。使用Wang等［12］開發(fā)的Meteoinfo軟件中TrajStat插件提供的Euclidean Distance算法，將山西典型地區(qū)冬季的氣流軌跡進(jìn)行聚類分析，并結(jié)合PM2.5的質(zhì)量濃度特征進(jìn)行統(tǒng)計(jì)分析。

1.3 潛在源貢獻(xiàn)因子分析法

PSCF是一種利用后向軌跡確定污染源的地理位置以及空間分布的函數(shù)方法［13］。本研究將HYSPLIT計(jì)算的氣流軌跡所覆蓋的區(qū)域網(wǎng)格化，網(wǎng)格大小為0.5°×0.5°；PM2.5閾值設(shè)為《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012）中的二級(jí)標(biāo)準(zhǔn)限值75 μg/m3。PSCF值是所選研究區(qū)域內(nèi)經(jīng)過某網(wǎng)格（i，j）的污染軌跡（超過閾值的軌跡）數(shù)m（i，j）與總軌跡數(shù)n（i，j）的比值，即：PSCF（i，j）=m（i，j）/n（i，j）。PSCF的值越大，表明該網(wǎng)格對(duì)應(yīng)的區(qū)域?qū)M2.5濃度的影響越大。

為了減少總軌跡數(shù)n（i，j）較小時(shí)所帶來的計(jì)算誤差，引入權(quán)重因子（Wij），WPSCF=Wij×PSCF。當(dāng)nij≤10、10＜nij≤20、20＜nij≤80、nij＞80時(shí)Wij權(quán)重值分別為 0.05、0.42、0.7、1.0［14］。

1.4 濃度權(quán)重軌跡分析法

由于PSCF只能反映每個(gè)網(wǎng)格中污染軌跡的概率，不能反映每個(gè)網(wǎng)格上污染物的濃度。CWT引入污染物濃度，計(jì)算潛在源區(qū)氣流軌跡權(quán)重濃度［15-16］，進(jìn)而反映不同軌跡的污染程度。CWT計(jì)算如下：

式中，CWTij是網(wǎng)格（i，j）上的平均權(quán)重濃度（μg/m3），M代表軌跡總數(shù)（條），l為軌跡，Cl代表軌跡l過網(wǎng)格（i，j）對(duì)應(yīng)的PM2.5濃度（μg/m3），τijl表示軌跡l經(jīng)過網(wǎng)格（i，j）內(nèi)的時(shí)間。同樣，為了減少CWTij的不確定性，CWT值也乘以權(quán)重值Wij，即：

1.5 相關(guān)分析法

PM2.5與其他污染物濃度和氣象因素之間的相關(guān)性采用Pearson相關(guān)系數(shù)法進(jìn)行分析。*P＜0.05表示顯著性相關(guān)，**P＜0.01和***P＜0.001表示有極顯著性相關(guān)。

2 結(jié)果與討論

2.1 山西省4城市非采暖期和采暖期空氣污染物的濃度水平

由表1可知，太原、陽泉、長治和晉城非采暖期O3和采暖期PM2.5日平均濃度有不同程度超標(biāo)，其中，4城市采暖期PM2.5超標(biāo)天數(shù)較多，分別占研究期間總天數(shù)的32.79%、19.67%、13.11%和13.11%。相反，4城市采暖期O3超標(biāo)天數(shù)為0，但非采暖期O3超標(biāo)天數(shù)較多，分別占研究期間總天數(shù)的21.74%、25.00%、19.57%和21.74%。分析其原因主要是非采暖期光照充足、溫度高、空氣干燥，有利于O3的生成［17］；采暖期供暖燃煤排放增加，導(dǎo)致了PM2.5的污染［18］。4城市采暖期顆粒物濃度明顯高于非采暖期，PM2.5和PM10的平均質(zhì)量濃度在非采暖期和采暖期均呈現(xiàn)太原＞陽泉＞晉城≈長治的變化趨勢(shì)。

表1 山西省4城市非采暖期和采暖期六項(xiàng)污染物的質(zhì)量濃度和超標(biāo)天數(shù)占比Table 1 Mass concentrations and over standard rates of six pollutants during the non-heating period and heating period in four cities，Shanxi

2.2 山西省4城市非采暖期和采暖期PM2.5的空間變化特征

圖1和2是山西省4城市空氣質(zhì)量站點(diǎn)（國控站點(diǎn)和非國控站點(diǎn)）數(shù)據(jù)插值繪制的空間分布圖。由圖1和2可知，除晉城（陽城縣實(shí)驗(yàn)小學(xué)站點(diǎn)）外，4城市采暖期PM2.5濃度明顯高于非采暖期，且呈現(xiàn)不同的區(qū)域分布特點(diǎn)。太原PM2.5污染較重主要在南部（小店區(qū)和清徐縣）；陽泉PM2.5污染主要在東南部，污染較重的區(qū)域?yàn)槠蕉h，其原因與煤炭和電力產(chǎn)業(yè)有關(guān)；長治PM2.5污染主要在周邊地區(qū)，污染較重的區(qū)域?yàn)橄逶h，其原因與能源和化工產(chǎn)業(yè)有關(guān)；晉城PM2.5污染主要在西南部地區(qū)，污染較重的區(qū)域?yàn)殛柍强h和澤州縣，其原因與陽城縣電力和煤炭等產(chǎn)業(yè)以及與澤州縣煤炭和冶金產(chǎn)業(yè)有關(guān)。針對(duì)4城市PM2.5污染，應(yīng)加強(qiáng)太原南部、陽泉東南部、長治周邊和晉城西南部等區(qū)域的管控。

圖2 山西省4城市采暖期PM2.5濃度的空間變化Fig.2 Spatial variation of PM2.5concentration during the heating period in four cities，Shanxi

2.3 山西省4城市非采暖期和采暖期大氣污染物及其與氣象因素的相關(guān)性

圖3顯示，4城市非采暖期各污染物兩兩之間呈正相關(guān)關(guān)系，其中，太原、長治和晉城PM2.5與PM10的相關(guān)性（r＞0.71，P＜0.001）高于其他污染物，表明二者的同源性強(qiáng)；陽泉PM2.5與CO的相關(guān)性（r＞0.81，P＜0.001）高于其他污染物，表明CO排放伴隨著 PM2.5排放；太原 PM2.5與 SO2的相關(guān)性（r＞0.56，P＜0.001）高于其他3城市，表明燃煤源要強(qiáng)于其他3城市。4城市PM10和O3與溫度呈正相關(guān)（r＞0.26，P＜0.001）；PM10、SO2、NO2和 O3與濕度呈負(fù)相關(guān)（r＜-0.73～-0.39，P＜0.001）；SO2、NO2和 O3與能見度呈正相關(guān)（r=0.26～0.57，P＜0.05）；O3與風(fēng)速呈弱正相關(guān)（r＞0.38，P＜0.001）。

圖3 山西省4城市非采暖期PM2.5與其他污染物及氣象因素的關(guān)系（溫度：T；濕度：H；風(fēng)速：WS；能見度：V；大氣壓：A。a：太原；b：陽泉；c：長治；d：晉城；*P＜0.05，**P＜0.01，***P＜0.001）Fig.3 Correlation relationship between PM2.5and other pollutants as well as meteorological factors during the non-heating period in four cities of Shanxi（temperature：T；humidity：H；wind speed：WS；atmospheric pressure：A；visibility：V.a：Taiyuan；b：Yangquan；c：Changzhi；d：Jincheng；*P＜0.05，**P＜0.01，***P＜0.001）

圖4顯示，4城市采暖期各污染物基本上呈正相關(guān)關(guān)系（除太原和陽泉O3與其它污染物呈負(fù)相關(guān)外）。4城市PM2.5與PM10的相關(guān)性高于其他污染物（r＞0.8），其次為CO、NO2和SO2，這表明PM10（主要來自化石燃料燃燒和揚(yáng)塵）、CO（主要來自化石燃料不完全燃燒）和NO2（主要來自機(jī)動(dòng)車排放和燃煤）對(duì)PM2.5的貢獻(xiàn)高于SO2（主要來自化石燃料燃燒）對(duì)其的貢獻(xiàn)。太原PM2.5與SO2的相關(guān)性（r＞0.56，P＜0.001）顯著高于其他3城市，這與非采暖期的結(jié)果一樣，這提示太原較其他3城市仍需大力實(shí)施“煤改電”“煤改氣”和“脫硫”等措施。4城市采暖期PM2.5與濕度呈正相關(guān)（r＞0.49，P＜0.001），PM2.5、PM10、CO 與能見度呈負(fù)相關(guān)（r＜-0.75～-0.27，P＜0.01）；O3與溫度呈正相關(guān)（r＞0.28，P＜0.05）。

圖4 山西省4城市采暖期PM2.5與其他污染物及氣象因素的關(guān)系（符號(hào)描述同圖3）Fig.4 Correlation relationship between PM2.5and other pollutants and meteorological factors during the non-heating period in four cities of Shanxi province（the symbolic representation is same as that given in caption of Fig.3）

PM2.5來源與化石燃料的燃燒有關(guān)，也與NOx和SO2等氣態(tài)前體物在大氣中通過均相或非均相（在顆粒物表面）反應(yīng)生成硝酸鹽、硫酸鹽和有機(jī)氣溶膠等二次污染物有關(guān)［19］。非采暖期PM2.5與O3呈正相關(guān)P＜0.001、采暖期PM2.5與O3呈負(fù)相關(guān)P＜0.001，這與任浦慧等［10］的研究結(jié)果一致。研究顯示，北京夏季近地面風(fēng)速與O3之間存在正相關(guān)關(guān)系P＜0.01；風(fēng)速大，則垂直動(dòng)量輸送強(qiáng)，有利于O3從濃度較高的高空往下輸送，增加了近地面O3的濃度［20］。這與本研究非采暖期的結(jié)果相似。采暖期PM2.5增加，O3濃度下降，可能由于冬季氣溫低、增加的顆粒物減弱了太陽輻射繼而影響了O3的生成［21］。

較高濕度有利于半揮發(fā)性組分進(jìn)入氣溶膠相［22］，還會(huì)導(dǎo)致二次組分的生成和顆粒物的吸濕增長［23］。研究表明，近年來太原市小店區(qū)秋冬季PM2.5濃度與近地面相對(duì)濕度呈顯著正相關(guān)關(guān)系P＜0.01，相對(duì)濕度在60%～95%之間時(shí)，顆粒物吸濕作用加強(qiáng)，促進(jìn)PM2.5濃度增加；而濕度大于95%相關(guān)性較差［24］。相對(duì)濕度增大，PM2.5濃度升高導(dǎo)致能見度降低［25］。研究還發(fā)現(xiàn)，相對(duì)濕度不是PM2.5濃度升高的最顯著原因，濕度的波動(dòng)特別是濕度忽然升高與PM2.5濃度上升有較強(qiáng)的相關(guān)性，容易引起霧霾天氣［26］。本研究結(jié)果顯示，采暖期山西省4城市PM2.5與濕度呈正相關(guān)P＜0.001。我們推測(cè)在冬季出現(xiàn)濕度較高的情況下，PM2.5濃度增高，能見度下降，這是霧霾天氣發(fā)生的可能原因。此外，4城市采暖期PM2.5、PM10與能見度呈顯著負(fù)相關(guān)P＜0.001，提示顆粒物污染是大氣能見度下降的原因；非采暖期 PM10、SO2、NO2和 O3與濕度呈負(fù)相關(guān)P＜0.001，這提示降水過程有利于降低污染物濃度。O3與溫度呈正相關(guān)P＜0.001，提示不管采暖期還是非采暖期，較高溫度均有利于O3生成。其他氣象因子對(duì)污染物的影響還有待于深入研究。

2.4 山西省4城市非采暖期和采暖期PM2.5后向軌跡聚類分析

圖5和6分別顯示了非采暖期和采暖期各類氣流軌跡的空間分布特征。由圖5可知，太原、陽泉、長治和晉城在非采暖期的總軌跡數(shù)分別為3條、3條、5條和5條，其中自東南方向的氣流軌跡最多（分別占總軌跡的52.13%、40.35%、45.51%和51.31%），通過計(jì)算得知軌跡平均PM2.5濃度也最高（重要的一條軌跡氣團(tuán)上的濃度分別為43.51 μg/m3、40.31 μg/m3、34.84 μg/m3和 35.00 μg/m3）。由圖6可知，4城市在采暖期的總軌跡數(shù)分別為5條、4條、6條和3條，其中來自西北方向的氣流軌跡最多（分別占總軌跡的77.46%、74.25%、55.34%、61.95%），且軌跡氣團(tuán)PM2.5濃度較高（重要的一條軌跡上的濃度分別為66.05 μg/m3、47.39 μg/m3、162.33 μg/m3和 109.17 μg/m3）。與采暖期相比，非采暖期到達(dá)4城市的各氣團(tuán)攜帶的PM2.5濃度低，氣團(tuán)較為清潔。

圖5 山西省4城市非采暖期后向軌跡聚類分析Fig.5 Clustering analysis of backward trajectory for four cities，Shanxi during the non-heating period

圖6 山西省4城市采暖期后向軌跡聚類分析Fig.6 Clustering analysis of backward trajectory in four cities，Shanxi during the heating period

PM2.5污染不僅與區(qū)域傳輸和季節(jié)變化有關(guān)，還與城市的工業(yè)特點(diǎn)和地形特點(diǎn)有關(guān)。太原市以原材料、高耗能、粗加工的重工業(yè)行業(yè)為主；陽泉市以煤炭資源型工業(yè)企業(yè)為主；長治以采煤、化工、電力、冶金、鋼鐵等行業(yè)為主；晉城以煤炭、電力、煤化工、鋼鐵等行業(yè)為主。這些工業(yè)特點(diǎn)使4城市呈現(xiàn)煤煙型和PM2.5污染。此外，區(qū)域傳輸?shù)暮琍M2.5的氣團(tuán)進(jìn)入這些地區(qū)后，結(jié)合本地產(chǎn)生的PM2.5，造成市區(qū)PM2.5污染水平增加。這4城市皆地處盆地，由于盆地逆溫和山谷風(fēng)環(huán)流會(huì)導(dǎo)致PM2.5被帶回到市區(qū)，不利于擴(kuò)散，使得當(dāng)?shù)豍M2.5污染累積。

2.5 山西省4城市非采暖期和采暖期PM2.5潛在源貢獻(xiàn)因子分析

為了進(jìn)一步確定山西典型地區(qū)非采暖期和采暖期PM2.5的潛在源區(qū)域，采用PSCF模式進(jìn)行了WPSCF計(jì)算，結(jié)果見圖7和8。WPSCF值越大，表明該區(qū)域?qū)ι轿鞯湫偷貐^(qū)PM2.5污染的貢獻(xiàn)較大，是污染主要的潛在源區(qū)。相對(duì)于其他3城市，太原的WPSCF值較高，提示軌跡氣團(tuán)對(duì)太原PM2.5濃度的影響較大。從圖7可知，在非采暖期，太原WPSCF值在0.15～0.25的潛在源區(qū)主要分布在江蘇（南通、泰州、常州、鎮(zhèn)江、南京）、安徽（滁州、淮南、亳州、阜陽）、河南（周口、許昌、開封、鄭州、焦作）以及山西（晉城、長治、臨汾、呂梁、晉中等地），由這些地方向太原傳輸。陽泉WPSCF值在0.16～0.22的城市主要分布在江蘇（揚(yáng)州、淮安、宿遷）、河南（周口、商丘、開封、新鄉(xiāng)、鶴壁、安陽）、山東菏澤。長治WPSCF值在0.15～0.21的城市主要分布在山西（晉城、臨汾、呂梁、晉中）、甘肅（慶陽、平?jīng)?、天水）、寧夏（吳忠、中衛(wèi)、固原）。晉城WPSCF值在0.17～0.20的城市主要為山西臨汾和長治。

圖7 山西省4城市非采暖期PM2.5的WPSCF分布特征Fig.7 WPSCF distribution characteristics of PM2.5in four cities，Shanxi during the non-heating period

從圖8可知，太原PM2.5的WPSCF高值區(qū)主要分布在山西（長治、晉城、晉中、呂梁、臨汾）、河北邯鄲、河南（安陽、濮陽、鶴壁、新鄉(xiāng)、焦作）、山東菏澤；陜西延安和甘肅慶陽也分布著零散高值區(qū)。陽泉PM2.5的WPSCF高值區(qū)主要分布在山西長治、河北（石家莊、邢臺(tái)、邯鄲）、河南（安陽、新鄉(xiāng)、開封）、山東菏澤等地。長治PM2.5的WPSCF高值區(qū)主要分布在河南（開封、商丘、新鄉(xiāng)、鶴壁、濮陽、安陽）、山東菏澤、聊城等地。晉城的高值區(qū)主要分布在河南濮陽及山東等地（聊城、德州、濟(jì)南）。以上分析可看出，WPSCF高值區(qū)域主要集中京津冀傳輸通道城市（如新鄉(xiāng)、開封、焦作、安陽、濮陽、邢臺(tái)、鶴壁和邯鄲等）、安徽、山東、甘肅省部分城市以及山西省周邊區(qū)域。

圖8 山西省4城市采暖期PM2.5的WPSCF分布特征Fig.8 WPSCF distribution characteristics of PM2.5in four cities，Shanxi during the heating period

2.6 山西省4城市非采暖期和采暖期PM2.5濃度權(quán)重軌跡分析

采用CWT分析潛在來源對(duì)山西典型地區(qū)PM2.5的濃度貢獻(xiàn)大小，WCWT分析結(jié)果見圖9和10。WCWT值越大，表示該網(wǎng)格區(qū)域?qū)ι轿鞯湫偷貐^(qū)PM2.5濃度貢獻(xiàn)程度越大。本研究將WCWT＞75 μg/m3的潛在源區(qū)定義為主要貢獻(xiàn)區(qū)。從圖9可知，與WPSCF結(jié)果類似，太原非采暖期相對(duì)于其他3城市潛在源區(qū)的WCWT值最高（約為60 μg/m3），相對(duì)高值區(qū)域主要分布在河南東部。陽泉WCWT數(shù)值基本＜55 μg/m3，高值區(qū)域主要分布在河北、河南和山東三省交界處。長治WCWT值大約40 μg/m3，傳輸范圍較廣，高值區(qū)域主要在河北、河南、山東、安徽和江蘇五省交界處。晉城WCWT值約為40 μg/m3，高值區(qū)域主要是鄰近區(qū)域運(yùn)輸，集中在長治和臨汾附近，有少部分集中在河北和河南兩省的交界處。從圖10可知，與WPSCF結(jié)果類似，河南和山西部分城市對(duì)太原采暖期PM2.5濃度的貢獻(xiàn)明顯增大，WCWT值超過100 μg/m3，而京津冀地區(qū)對(duì)陽泉有超過100 μg/m3的PM2.5濃度貢獻(xiàn)值。山西、河北、河南和山東四省交界處對(duì)長治采暖期PM2.5濃度的貢獻(xiàn)值為75～90 μg/m3，而對(duì)晉城采暖期PM2.5濃度的貢獻(xiàn)值為75～100 μg/m3。

圖9 山西省4城市非采暖期PM2.5的WCWT分布特征Fig.9 WCWT distribution characteristics of PM2.5in four cities，Shanxi during the non-heating period

圖10 山西省4城市采暖期PM2.5的WCWT分布特征Fig.10 WCWT distribution characteristics of PM2.5in four cities，Shanxi during the heating period

3 結(jié)論

山西省4城市采暖期大氣主要污染物（PM2.5、PM10、SO2、NO2、CO）濃度明顯高于非采暖期，PM2.5污染在城市中有不同的地域分布特點(diǎn)，這可能與這些城市的工業(yè)結(jié)構(gòu)和供熱模式相近有關(guān)。

相關(guān)分析發(fā)現(xiàn)，PM2.5與 PM10、SO2、NO2、CO 有正相關(guān)關(guān)系，表明污染物之間存在同源性。PM2.5與O3在非采暖期和采暖期分別呈現(xiàn)正相關(guān)和負(fù)相關(guān)關(guān)系。溫度、濕度、風(fēng)速是影響污染物濃度的重要?dú)庀笠蛩?，而顆粒物濃度增高又能降低能見度。

4城市PM2.5傳輸途徑的季節(jié)特征明顯。非采暖期軌跡氣團(tuán)主要來自東南方向，攜帶的PM2.5濃度低，氣團(tuán)較清潔；采暖期氣團(tuán)主要來自西北方向，攜帶著較高的PM2.5濃度，易造成較重污染。

4城市非采暖期和采暖期大氣PM2.5的潛在源區(qū)雖然有區(qū)別，但總體而言，京津冀傳輸通道中的河南和河北等城市、山西、江蘇、山東、安徽部分區(qū)域?qū)Τ鞘写髿釶M2.5污染水平有較大的影響和貢獻(xiàn)。

運(yùn)用HYSPLIT，對(duì)不同方向來源的軌跡氣團(tuán)對(duì)太原、陽泉、長治、晉城市PM2.5污染的影響及潛在源區(qū)進(jìn)行分析，結(jié)果顯示京津冀及周邊地區(qū)大氣污染的區(qū)域傳輸是造成4城市PM2.5污染的重要原因。加強(qiáng)對(duì)大氣污染傳輸通道城市大氣污染物的控制，并針對(duì)性實(shí)施相應(yīng)的政策和措施，對(duì)實(shí)現(xiàn)山西典型地區(qū)PM2.5污染的區(qū)域聯(lián)防聯(lián)控及“京津冀大氣污染傳輸通道”城市大氣污染控制有重要意義。