基于后向軌跡的京津冀地區重污染事件成因研究

祝紹誠

摘要：2019年京津冀地區發生了重污染過程，且持續4天。本研究基于衛星遙感數據，PM2.5數據、氣象數據和DEM數據，基于地理加權回歸模型，運用相關性分析法和氣團后向軌跡聚類法，對2019年1月～11月PM2.5濃度進行了反演，分析了京津冀城市群PM2.5濃度的時空演化格局。

關鍵詞：京津冀;地理加權回歸模型;PM2.5;相關性分析

1 引言

近年來，由于我國不斷高速發展的社會經濟，城市化和工業化越來越顯著，并伴隨著人民生活水平的不斷提高，煤炭、電力等能源消耗也隨之增加，城市建設和工業發展對各種資源的需求也在增加，以資源消耗為主的粗放型經濟發展方式，已經引發了經濟發展與生態環境保護之間的矛盾，我們賴以生存的地球環境將面臨著更嚴峻的問題，其中大氣污染問題成為重重之重。據最近的調查研究表明，我國在空氣質量改善方面取得的成效還偏小，大氣污染物排放總量還持續維持在較高的榜單排名上，特別是以 PM2.5為主的重污染現象時有發生，特別是在長江三角洲、珠江三角洲等沿海城市，以及工業發展迅速的京津冀城市群和發展迅速的成渝地區成為我國空氣污染的熱點區域。

PM2.5 （Particulate Matter，PM）是可以穿透肺部的微粒，其直徑小于或等于2.5微米，含有大量有毒有害的物質，嚴重威脅著人類健康和環境質量。許多研究表明，人類若長期處于一定濃度的PM2.5環境中，會導致心血管疾病、肺組織損傷，甚至可能導致癌癥甚至引發人的死亡。據《全球環境展望5》寫道，每年大約200萬人因吸入固體顆粒物入肺導致死亡。

國內外已經有不少學者對這方面開展了研究。在國內，任毅等[1]（2019）對京津冀地區城市群霧霾污染的時空特征進行了分析，結果表明該地區PM2.5濃度呈現夏季偏低、冬季偏高、春夏居中的顯著季節性特征。熊歡歡等[2]（2017）基于我國的大城市和中等城市的PM2.5監測數據，通過建立空間數據統計模型，對PM2.5濃度和空間聚集的變化特征進行了總結，發現污染核心由京津冀向魯西北和豫北地區擴散轉移的結論。周亮等[3]基于NASA大氣遙感影像，對PM2.5濃度進行了反演，結果表明我國2000-2011年PM2.5濃度先快速增加后趨于穩定，空間分布上北方高于南方，東部高于西部。在國外，Itai Kloog等[4]利用高分辨率1KM MAIAC AOD，基于混合效應模型反演進行PM預測，探索高時空分辨率下預測PM的可靠性，結果顯示模型的預測值和觀測值幾乎沒有偏差。Joshua S Apte等[5]使用高分辨率濃度數據，評估區域和全球環境空氣質量改善如何降低PM2.5的可歸因死亡率。B. Golly等[6]通過源解析方法，以法國5個農村為研究對象，測定有機碳、元素碳、離子種類等，分析PM2.5的季節變化，結果表明，木材燃燒對土壤有機碳的相對貢獻率很高，部分農村地區冬季平均貢獻率達90%。

京津冀地區曾多次發生重污染事件，其中多個城市PM2.5小時濃度達到重度污染，嚴重制約著人民生活進步和社會經濟的發展。因此，本文基于2019年11月20日～2019年11月24日京津冀地區的相關污染物濃度數據、地面監測PM2.5濃度數據產品、MAIAC 1km AOD產品、氣象觀測數據、DEM數據，通過相關性分析，氣團后向軌跡聚類分析等方法，采用地理加權回歸模型（GWR），模擬了京津冀城市群PM2.5濃度時空分布，揭示該期間重污染事件的成因。

2研究方法

1）最大信息系數

最大信息系數可求出兩變量 X、 Y之間線性或非線性關系的強度。若兩個變量相關，則對兩個變量繪制散點圖并按照規則網格對其進行劃分，求網格中變量的概率密度，計算出它們之間的互信息，然后進行正則化，正則化后的值可以用來評估兩個變量之間的相關性。

2）氣團后向軌跡與聚類

HYSPLIT模型是運用拉格朗日方法，基于不同氣象輸入量、不同物理過程和不同類型排放源的處理，計算平流和擴散，時間精度最高可以精確到一個小時。此次研究采用HYSPLIT模式，對重污染過程中達到重污染標準（即AQI>200）且達到最重污染的城市進行24小時的氣團后向軌跡模擬，采用Meteoinfo的TrajStat插件結合氣團的運動軌跡點文件對氣團的運動路徑進行軌跡聚類，分析污染過程中的區域傳輸的影響。

3）PM2.5濃度時空分布模擬

采用反距離權重插值（IDW）對各解釋因子進行插值，建立樣本數據集，創建漁網點，利用多值提取至點工具提取因變量和解釋變量，利用地理加權回歸模型計算PM2.5的預測值。

3 結論

（1）京津冀城市群PM2.5濃度與氣壓的相關性顯著，達到了0.65左右，與相對濕度存在一定的相關性，不利的氣象條件造成了污染物區域性堆積和SO2、氮氧化物等相關污染物的二次轉化。

（2）京津冀地區主要受來自西北氣團和南方氣團的影響，部分城市還受到渤海方向氣團的影響。外運和內運污染物疊加效應嚴重，其中內運污染影響較大，區域性影響明顯。海邊城市受來自渤海的冷濕氣流影響，污染物擴散困難。

（3）PM2.5濃度值具有明顯的季節性和區域性特征。從季節上看，夏季PM2.5濃度最低，平均濃度在30μg/m3左右;秋季PM2.5濃度逐漸上升，總體還控制在75μg/m3以下，空氣質量達標;冬季PM2.5污染最嚴重，結果表明，1月僅有張家口和承德市PM2.5在75μg/m3以下，邯鄲、邢臺、石家莊PM2.5濃度超過150μg/m3，石家莊甚至超過了180μg/m3;從區域上看，北方空氣質量比南方好，PM2.5濃度值由北方向東南部逐漸升高。

參考文獻：

[1]任毅，郭豐，高聰聰. 京津冀城市群霧霾污染的時空特征與影響因素[J]. 首都經濟貿易大學學報，2019，21（06）：80-91.

[2]熊歡歡，梁龍武，曾贈，王振波. 中國城市PM_（2.5）時空分布的動態比較分析[J]. 資源科學，2017，39（01）：136-146.

[3]周亮，周成虎，楊帆，王波，等. 2000-2011年中國PM2.5時空演化特征及驅動因素解析[J]. 地理學報，2017，72（11）：2079-2092.

[4]Itai Kloog，Meytar Sorekhamer，Alexei Lyapustin，et al. Estimating daily PM2.5 and PM10 across the complex geo-climate region of Israel using MAIAC satellite-based AOD data[J]. Atmospheric Enviroment，2015，122：409-416.

[5]Apte J S， Marshall J D， Cohen A， et al. Addressing Global Mortality from Ambient PM2.5[J]. Environmental Science & Technology， 2015， 49（13）： 8057-8066.

[6]B. Golly，A. Waked，S. Weber，A. Samake，V. Jacob，S. Conil，J. Rangognio，E. Chrétien，M.-P. Vagnot，P.-Y. Robic，J.-L. Besombes，J.-L. Jaffrezo. Organic markers and OC source apportionment for seasonal variations of PM 2.5 at 5 rural sites in France[J]. Atmospheric Environment，2019，198.

成都理工大學地球科學學院 610059