溫州市灰霾污染的特征與成因分析*

徐 港 王 斯 李鵬飛 俞紹才# 劉維屏 鄭仙玨

(1.浙江大學環境與資源學院，污染環境修復與生態健康教育部重點實驗室,空氣污染與健康研究中心，浙江 杭州 310058;2.杭州市環境監測中心站，浙江 杭州 310007)

溫州市灰霾污染的特征與成因分析*

徐 港1王 斯1李鵬飛1俞紹才1#劉維屏1鄭仙玨2

(1.浙江大學環境與資源學院，污染環境修復與生態健康教育部重點實驗室,空氣污染與健康研究中心，浙江 杭州 310058;2.杭州市環境監測中心站，浙江 杭州 310007)

利用高時空分辨率的監測數據，結合混合受體模式，運用統計學分析方法，研究溫州市2013—2014年大氣污染物時間變化特征，并對2013年12月初嚴重灰霾污染事件進行案例分析。結果表明：春、冬季PM2.5平均值明顯高于夏、秋季。本地PM2.5濃度受二次細顆粒物的形成、區域傳輸以及氣象條件的影響，交通運輸源是重要來源。春季PM2.5/CO(質量比)最高(尤其在凌晨和下午兩個時段)，此時二次細顆粒物的貢獻較大。案例分析發現，安徽省及長三角地區的工業化發達區域(特別是上海市、寧波市等沿海城市)是溫州市嚴重灰霾污染的主要潛在源區；沈陽市也是重要潛在源區，傳輸路徑為海上通道。

灰霾 統計學分析方法 混合受體模式 污染特征 成因

區域灰霾污染(能見度<10 km且相對濕度<80%)已成為中國最嚴重的環境問題之一[1-2]。研究表明，不利氣象因素是外因，大氣復合污染為內因，PM2.5是灰霾的本質[3]。近年來，我國關于PM2.5來源分析的研究發展迅速，出現了將受體和擴散模型相結合，且聯系氣象條件的源解析新方法[4]。但因PM2.5來源多樣，形成機制復雜，存在區域差異，研究成果具有較大不確定性[5]。目前，混合受體模式(如混合單粒子拉格朗日積分軌跡(HYSPLIT)模式、潛在源貢獻函數分析法(PSCF)模式、濃度權重軌跡分析法(CWT)模式、聚類分析)大量運用于城市灰霾污染的特征與成因分析[6]2739,[7-9]，統計學分析方法也廣泛應用于該方面的研究[10-11],[12]1，將兩者相結合，有望得到更全面的結果。

浙江省溫州市經濟發達，但灰霾污染嚴重，且研究較少，這不利于灰霾的治理和大氣聯防聯控的開展。因此，本研究利用高時空分辨率的監測數據，結合混合受體模式，運用統計學分析方法，研究溫州市2013—2014年(2013年3月1日至2014月2月28日)大氣污染物的時間變化特征，再對嚴重灰霾污染事件(2013年11月25日至2013年12月11日)進行案例分析，探索溫州市灰霾污染的特征與成因，為針對性防治灰霾提供科學指導。

1 材料與方法

1.1 監測數據

本研究利用了2013—2014年溫州市各監測站點(甌海站、南浦站、龍灣站和市站)的標準污染物(PM2.5、PM10、O3、NO2、CO、SO2)的小時平均濃度(數據來自http://www.cnemc.cn/publish/totalWebSite/0490/376/newList_1.html)。以PM2.5小時質量濃度判斷灰霾污染程度，PM2.5≥75 μg/m3達到灰霾污染標準，其中PM2.5≥200 μg/m3達到嚴重灰霾污染標準。溫州市天氣狀況參見http://lishi.tianqi.com/wenzhou/index.html。

550 nm波長條件下的氣溶膠光學厚度(AOD)空間分布圖像由裝載有中分辨率成像光譜儀(MODIS)傳感器的Terra衛星監測所得，能夠用于有效分析灰霾污染的嚴重程度和移動情況。本研究利用了空間分辨率為1°的MOD08_D3數據(數據來自http://giovanni.sci.gsfc.nasa.gov/giovanni/)。

直接影響溫州市的臺風來源情況參見http://www.wztf121.com。

1.2 混合受體模式

1.2.1 HYSPLIT模式

HYSPLIT模式是一種用于計算和分析大氣污染物來源、長距離輸送和擴散情況的綜合模式，具有模擬精度高、時間變化連續等特點[13]。本研究采用100 m作為溫州大氣邊界層的平均流場高度，進行48、96 h后向軌跡計算模擬(限于篇幅，后文僅展示96 h后向軌跡)，來分析周圍的氣流運動特征。

所用的氣象資料為全球數據同化系統文件，水平網格大小為1.0°×1.0°(數據來自http://ready.arl.noaa.gov/HYSPLIT.php)。

1.2.2 聚類分析

聚類分析是一種根據空間特征相似度，對氣流軌跡進行歸納分類的統計分析技術。本研究采用TrajStat軟件進行聚類分析。目前，聚類分析的依據包括歐氏距離和角距離兩種[14-15]。本研究主要關注氣流的運動方向和起源，因此以角距離為依據。由于各監測站點相距較近，本研究將各監測站點后向軌跡作為一個整體進行聚類分析處理。

1.2.3 PSCF模式

PSCF模式是一種結合氣象條件的源解析方法，基于HYSPLIT模式計算所得的后向軌跡，對高濃度污染物的潛在源區進行識別與分析[16]。

各區域水平網格為0.2°×0.2°，PSCF模式輸出值(記為VPSCF)表示網格中超過標準值的網格比例。VPSCF越大，表明該區域對受體區域污染物的潛在貢獻程度越大。本研究以《環境空氣質量標準》(GB 3095—2012)二級限值為標準值。

1.2.4 CWT模式

考慮到PSCF模式無法區分出潛在源區的相對貢獻情況，本研究又采用CWT模式來計算潛在源區氣流軌跡權重濃度，以識別潛在源區。

CWT模式輸出值(記為VCWT)由經過網格的氣流軌跡所對應的受體區域污染物濃度的加權平均值得到。VCWT越大，說明該區域對受體區域污染物的潛在貢獻程度越大。

2 結果與討論

2.1 2013—2014年顆粒物污染情況

從圖1可看出，溫州市PM2.5、PM10、PM2.5/PM10(質量比)逐日變化和季節性變化顯著。從表1可以看出，PM2.5、PM10年均值遠超GB 3095—2012二級限值(分別為35、70 μg/m3)，PM2.5年均值最大值還達到了嚴重灰霾污染標準。

由表1還可看出，春、冬季PM2.5平均值明顯高于夏、秋季。這與前人的研究結果相符[17-20]，表明灰霾天氣多出現在春、冬季。夏、秋季臺風頻發，顆粒物沉降和擴散較為劇烈，因此PM2.5、PM10濃度相對較低。總體上嚴重灰霾污染少見，僅在4月出現1 d；灰霾污染較常見，在春、冬季均累計達到32 d。溫州市PM2.5/PM10年均值為0.60，最高達到0.89，相比北京市[21]，PM2.5/PM10較高，說明燃燒源和二次細顆粒物形成對PM2.5有重要貢獻[12]2。

2.2 PM2.5特征及來源分析

由圖2可以看出，PM2.5在夜間(18:00至次日6:00)較高，白天(6:00—18:00)較低。主要原因可能是夜間邊界層高度較低[22]，并可能存在偷排行為[23-25]。此外，夜間NO2濃度也高于白天，因此交通運輸源可能是溫州市PM2.5重要來源(全年PM2.5與NO2相關系數為0.58，P≤0.01)。

8:00—14:00，PM2.5濃度持續下降，主要原因可能在于邊界層高度上升，人為排放污染物(如NO2、CO、SO2)減少。在春、夏、秋季，PM2.5約在6:00達到峰值，而冬季PM2.5峰值提前。PM2.5峰值出現于4:00，可能與此時近地層易出現逆溫現象有關[26]。PM2.5谷值大體出現在16:00—18:00，而后PM2.5濃度開始上升，并伴隨NO2、CO濃度總體上升，表明交通高峰期到來。

圖1 2013—2014年溫州市PM2.5、PM10、PM2.5/PM10逐日變化曲線Fig.1 Daily averages of PM2.5 and PM10 concentrations,PM2.5/PM10 in Wenzhou during 2013-2014

時期PM2.5/(μg·m-3)最大值平均值最小值PM10/(μg·m-3)最大值平均值最小值PM2.5/PM10最大值平均值最小值春季204.466.921.3254.8108.034.20.820.620.43夏季55.234.312.393.458.823.90.830.570.41秋季81.143.712.4157.881.323.70.750.540.40冬季192.268.013.2277.5105.118.70.890.670.512013—2014年204.453.112.3277.587.918.70.890.600.40

注：1)2013年3月1日至5月31日為春季，2013年6月1日至8月31日為夏季，2013年9月1日至11月30日為秋季，2013年12月1日至2014年2月28日為冬季。

PM2.5/CO(質量比)可反映二次細顆粒物對PM2.5的貢獻情況[27]。春季PM2.5/CO明顯高于其他季節，這與PM2.5的季節特征相似，說明二次細顆粒物的形成可能是PM2.5的重要來源。春季O3濃度總體最高，NO2、SO2濃度也較高，說明春季大氣氧化性較大，這將增加二次細顆粒物的形成強度[28-29]，導致春季PM2.5/CO遠大于其他季節。春季的PM2.5/CO逐時波動性較大，1:00—6:00為峰值時段，此時PM2.5、PM10濃度高，且其前驅體的協同反應較劇烈[30-31]；14:00左右，PM2.5/CO有所回升，主要原因可能是此時光化學反應強烈；19:00左右，城市交通高峰期到來，PM2.5/CO出現谷值，說明此時一次燃燒排放對PM2.5起主導作用。

可見，PM2.5的形成機制較復雜，不僅取決于各類污染物的排放強度，還取決于氣象條件以及二次細顆粒物的形成。另外，在大氣聯防聯控背景下，污染物區域傳輸可能也是PM2.5形成機制之一[6]2739。

圖2 2013—2014年溫州市污染物質量濃度、PM2.5/CO逐時變化曲線Fig.2 Diurnal variations of hourly pollutant concentrations and PM2.5/CO in Wenzhou during 2013-2014

注：圖3(a)中所示分數為各方向軌跡數占比；圖3(c)所示分數為各方向污染軌跡數占比。圖3 2013年11月25日至12月11日溫州市及周邊區域96 h后向軌跡及氣壓變化Fig.3 Cluster analysis and pressure profiles of 96 h back trajectories in regios around Wenzhou from Norvember 25 to December 11th,2013

2.3 區域傳輸對灰霾污染的貢獻情況

2013年12月初的灰霾污染事件是溫州近幾十年來最嚴重的灰霾污染事件之一[32]。事件發展過程為：相對清潔(11月25日至12月1日)→灰霾污染(12月2—5日)→嚴重灰霾污染(12月6—8日)→相對清潔(12月9—11日)。除NO2外，SO2、CO和O3均遠小于GB 3095—2012二級限值，再次證明交通運輸源對PM2.5的貢獻程度較大。此次灰霾污染事件的發展與氣象條件的變化存在關聯。12月8日出現降雨，PM2.5明顯降低(從約250 μg/m3降至約140 μg/m3)，NO2和SO2濃度也發生降低。此次灰霾污染事件期間，溫州市與寧波市、上海市各監測站點的PM2.5濃度接近，因此可將其作為整體區域進行分析。

由圖3可以看出，到達溫州市的氣流主要來自北部區域且涉及區域較廣，這可能與溫州市西南部多山區地形有關。相對清潔時期，氣流主要來自離溫州市較遠的區域，如西北-北(NW-N)方向的內蒙古自治區，西北(NW)方向的陜西省和山西省；嚴重灰霾污染時期，氣流則主要來自東北(NE)方向的海上通道和長三角地區，部分氣流是先移動至海上再到達溫州市(見圖3(b))。

海上通道對污染物傳輸有重要貢獻。而且，來自海面的氣團會使溫州市增暖增濕，并加速氣溶膠的吸濕增長過程[33-34]，此外，氣團可能會受溫州市西南部山區的影響形成局地環流，加重灰霾污染狀況。

由圖3(c)可以看出，污染物擴散主要方向為NW-N和NE，這兩個方向的氣流呈現出明顯的下沉現象，這會促進污染物的積累[35-36]。結合圖3(b)和圖3(c)可以發現，污染軌跡數占比最高的NE方向的氣流軌跡短且低，從南京市(860 hPa，約1 300 m高)途徑上海市，到寧波市(920 hPa，約800 m高)，最后下沉到溫州市。

由圖4可看出，VPSCD和VCWT高值主要分布在安徽省和長三角的工業化發達區域，特別是上海市、寧波市等沿海城市以及南京市，說明這些區域是溫州市嚴重灰霾污染的主要潛在源區，可見溫州市灰霾污染的潛在源區主要位于以北區域且涉及區域較廣。另外，沈陽市是重要潛在源區，其污染物傳輸路徑為海上通道。AOD圖顯示，污染物可能是溫州市以北區域往沿海區域，再向溫州市以南區域擴散，且溫州市的嚴重灰霾污染時期，安徽省和長三角大部分區域以及沈陽市均呈現嚴重灰霾污染。因此，需對溫州市當地污染物排放和污染物區域傳輸進行整合治理，實施長三角地區乃至跨區域大氣聯防聯控策略。

注：圖4(c)至圖4(e)中箭頭所指為溫州市。圖4 2013年11月25日至12月11日溫州市及周邊區域PM2.5的PSCF、CWT以及AOD圖Fig.4 PSCF,CWT and AOD maps for PM2.5 in regions around Wenzhou from Norvember 25 to December 11th,2013

3 結 論

(1) 2013—2014年，溫州市PM2.5、PM10、PM2.5/PM10存在明顯的時間變化規律。春、冬季PM2.5平均值明顯高于夏、秋季，與灰霾污染情況相吻合。PM2.5/PM10年均值為0.60，最高為0.89，說明燃燒源和二次細顆粒物形成對PM2.5有重要貢獻。

(2) PM2.5夜間較高，白天較低。主要原因可能是夜間大氣邊界層高度較低，且可能存在的偷排行為。交通運輸源是PM2.5的重要來源。

(3) 二次細顆粒物的形成也是PM2.5的重要來源(尤其在春季)。春季凌晨時，二次細顆粒物形成強度高可能與前驅體的協同反應較強烈有關；下午時，二次細顆粒物的高形成強度則可能與強烈的光化學反應有關。

(4) 2013年12月初的嚴重灰霾污染期間，海上通道對灰霾污染的貢獻程度較大。安徽省和長三角地區的工業化發達區域，特別是上海市、寧波市等沿海城市是溫州市嚴重灰霾污染的主要潛在源區。另外，沈陽市也是潛在源區，傳輸路徑為海上通道。因此，需實施長三角地區乃至跨區域大氣聯防聯控策略。

[1] CHAN C K, YAO X.Air pollution in mega cities in China[J].Atmospheric Environment,2008,42(1)：1-42.

[2] GUO S,HU M,ZAMORA M L,et al.Elucidating severe urban haze formation in China[J].Proceedings of the National Academy of Sciences,2014,111(49):17373-17378.

[3] 朱彤,尚靜,趙德峰.大氣復合污染及灰霾形成中非均相化學過程的作用[J].中國科學:B輯 化學,2010,40(12):1731-1740.

[4] 鄭玫，張延君，閆才青，等．中國PM2.5來源解析方法綜述[J]．北京大學學報(自然科學版)，2014，50(6)：1141-1154．

[5] ZHANG R Y,WANG G H,GUO S,et al.Formation of urban fine particulate matter[J].Chemical Reviews,2015,115(10):3803-3855.

[6] LI P F,YAN R C,YU S C,et al.Reinstate regional transport of PM2.5as a major cause of severe haze in Beijing[J].Proceedings of the National Academy of Sciences,2015,112(21).

[7] YAN R C,YU S C,ZHANG Q Y,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.

[8] ZHANG Q Y,YAN R C,FAN J W,et al.A heavy haze episode in Shanghai in December of 2013:characteristics, origins and implications[J].Aerosol and Air Quality Research,2015,15(5):1881-1893.

[9] YU S C,ZHANG Q Y,YAN R C,et al.Origin of air pollution during a weekly heavy haze episode in Hangzhou,China[J].Environmental Chemistry Letters,2014,12(4):543-550.

[10] 何曉朗，譚吉華，郭送軍，等．2014年北京APEC期間大氣醛酮污染物的污染特征與來源分析[J]．環境科學，2016，37(3)：801-806．

[11] LIANG X,ZOU T,GUO B,et al.Assessing Beijing’s PM2.5pollution:severity,weather impact,APEC and winter heating[J].Proceedings of the Royal Society A - Mathematical Physical and Engineering Sciences,2015,471(2182):1-18.

[12] ZHANG Y L,CAO F.Fine particulate matter (PM2.5) in China at a city level[J].Scientific Reports,2015,5.

[13] 王郭臣,王玨,信玉潔.天津PM10和NO2輸送路徑及潛在源區研究[J].中國環境科學,2014,34(12):3009-3016.

[14] 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 Modelling & Software,2009,24(8):938-939.

[15] SIROIS A,BOTTENHEIM 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 - Atmospheres,1995,100:2867-2881.

[16] WANG Z S,WU T,SHI G L,et al.Potential source analysis for PM10and PM2.5in autumn in a northern city in China[J].Aerosol and Air Quality Research,2012,12(1):39-48.

[17] 王圣，朱法華，孫雪麗，等．寧波和溫州地區夏季大氣中不同粒徑顆粒物特征分析[J]．中國環境監測，2012，28(3)：37-40．

[18] 宋躍群，徐躍，鐘良明，等．溫州市區灰霾天氣發展趨勢及影響因素[J]．環境科學與管理，2011，36(7)：21-23．

[19] 宋躍群, 鐘良明.溫州市區灰霾天氣成因及大氣復合污染控制研究[J].溫州論壇,2011(5):61-74.

[20] 鄭峰，顏瓊丹，吳賢篤，等．溫州地區霧霾氣候特征及其預報[J]．氣象科技，2011，39(6)：791-795．

[21] 林海峰，辛金元，張文煜，等．北京市近地層顆粒物濃度與氣溶膠光學厚度相關性分析研究[J]．環境科學，2013，34(3)：826-834．

[22] SEIBERT P,BEYRICH F,GRYNING S E,et al.Review and inter-comparison of operational methods for the determination of the mixing height[J].Atmospheric Environment,2000,34(7):1001-1027.

[23] 李名升，任曉霞，于洋，等．中國大陸城市PM2.5污染時空分布規律[J]．中國環境科學，2016，36(3)：641-650．

[24] YAO Z L,WU B B,SHEN X B,et al.On-road emission characteristics of VOCs from rural vehicles and their ozone formation potential in Beijing,China[J].Atmospheric Environment,2015,105:91-96.

[25] 周磊，王伯光，湯大鋼．重型柴油車對空氣質量的影響及其排放的控制[J]．環境科學，2011，32(8)：2177-2183．

[26] 王靜，施潤和，李龍，等．上海市一次重霧霾過程的天氣特征及成因分析[J]．環境科學學報，2015，35(5)：1537-1546．

[27] GOUW J D,WELSHBON D,WARNEKE C,et al.Emission and chemistry of organic carbon in the gas and aerosol phase at a sub-urban site near Mexico City in March 2006 during the MILAGRO study[J].Atmospheric Chemistry & Physics Discussions,2009,9(6):3425-3442.

[28] 杜歡歡，孔令東，王雪梅，等．大氣氧化性對硫酸鹽氣溶膠形成的影響研究[C]//中國顆粒學會.中國顆粒學會第七屆學術年會暨海峽兩岸顆粒技術研討會論文集.西安：中國顆粒學會，2010：224-226．

[29] 杜歡歡，孔令東，王雪梅，等．大氣氧化性對硝酸鹽氣溶膠形成的影響研究[C]//中國儀器儀表學會分析儀器分會.第十三屆離子色譜學術報告會論文集.青島：中國儀器儀表學會分析儀器分會，2010：1-3．

[30] HE H,WANG Y,MA Q X,et al.Mineral dust and NOxpromote the conversion of SO2to sulfate in heavy pollution days[J].Scientific Reports,2014,4:4172.

[31] YANG W W,HE H, MA Q X,et al.Synergistic formation of sulfate and ammonium resulting from reaction between SO2and NH3on typical mineral dust[J].Physical Chemistry Chemical Physics,2015,18(2):956-964.

[32] 李鋒，朱彬，安俊嶺，等．2013年12月初長江三角洲及周邊地區重霾污染的數值模擬[J]．中國環境科學，2015，35(7)：1965-1974．

[33] YU S C.Water spray geoengineering to clean air pollution for mitigating haze in China’s cities[J].Environmental Chemistry Letters,2014,12(1):109-116.

[34] 劉建，范紹佳，吳兌，等．珠江三角洲典型灰霾過程的邊界層特征[J]．中國環境科學，2015，35(6)：1664-1674．

[35] 鄭丹楠,王雪松,周軍,等.2013年1月寧波市PM2.5污染的形成過程與傳輸規律[J].環境科學學報,2015,35(8):2378-2386.

[36] GUO S,HU M,GUO Q,et al.Quantitative evaluation of emission controls on primary and secondary organic aerosol sources during Beijing 2008 Olympics[J].Atmospheric Chemistry and Physics,2013,13(16):8303-8314.

CharacteristicsandoriginsofhazepollutioninWenzhou

XUGang1,WANGSi1,LIPengfei1,YUShaocai1,LIUWeiping1,ZHENGXianjue2.

(1.KeyLaboratoryofEnvironmentRemediationandEcologicalHealth,MinistryofEducation,ResearchCenterforAirPollutionandHealth,CollegeofEnvironmental&ResourceSciences,ZhejiangUniversity,HangzhouZhejiang310058;2.HangzhouEnvironmentalMonitoringCenter,HangzhouZhejiang310007)

To identify sources and characteristics of haze pollution in Wenzhou,statistical analysis method was used to study the temporal variations of air pollution from March 1st,2013 to February 28th, 2014. The observational data with the high spatial-temporal resolution and hybrid receptor models were used in this study. In addition,a case study for a heavy haze episode from November 25th to December 11th,2013 was carried out. The results revealed that PM2.5showed significantly higher concentrations during the spring and winter than the summer and autumn. PM2.5levels were affected by other factors such as meteorological conditions,secondary fine particulate production,regional transport processes. Vehicle emissions were one of the major sources. The PM2.5/CO (mass fraction) was the largest in spring,especially in the early morning and afternoon,reflecting a significant contribution of secondary fine particulate formation. The case study indicated that PM2.5pollution in Wenzhou mainly originated from the industrial zones in the Anhui Province and Yangtze River Delta,especially from the coastal cities such as Shanghai and Ningbo. It was of interest to find that Shenyang was also an important potential source with the transport path through the ocean region.

haze; statistical analysis method; hybrid receptor models; characteristics of pollutant; origins

10.15985/j.cnki.1001-3865.2017.10.012

徐 港，男，1994年生，本科，研究方向為大氣污染。#

。

*國家自然科學基金資助項目(No.21577126、No.41561144004)；科技部重點研發計劃項目(No.2016YFC0202702)。

2016-07-19)