京津冀氣溶膠時空變化特征及潛在來源分析

高 琦， 郭新成， 孟妮娜， 王 利， 丁慧蘭

(長安大學地質工程與測繪學院， 西安 710054)

大氣氣溶膠(aerosol)是指空氣中的固態或液態微粒懸浮物[1]，是陸地-海洋-大氣系統的重要組成部分[2]。它通過散射和吸收太陽輻射改變地—氣系統輻射收支平衡[3]，進而直接或間接影響全球氣候。氣溶膠光學厚度指單位截面垂直柱面上的綜合消光系數，是表征氣溶膠對光的衰減作用的重要參數[4-5]。目前，氣溶膠光學厚度的探測手段主要包括地基遙感和衛星遙感兩種[6]。在過去的幾十年里，世界各國已建立了許多地面網絡以不斷獲得氣溶膠光學和微物理特性的定量測量結果。常見的地基觀測網絡包括：美國氣溶膠地面自動觀測網(aerosol robotic network, AERONET)[7]、加拿大太陽光度計網絡(aerosol Canada, AEROCAN)[8]、中國氣溶膠遙感地基觀測網(China aerosol remote sensing network, CARSNET)[9]等，能夠提供準確的氣溶膠光學厚度數據，但由于站點數量有限且分布不均勻，不適用于大尺度區域性研究[10-11]。衛星監測可實現長期、大面積同步觀測，能夠彌補地基遙感的缺陷。

近年來，京津冀地區城市化進程加快，氣溶膠等大氣污染物長期超環境容量排放，導致霧霾天氣頻繁發生。據環境保護部發布的2013年重點區域空氣質量狀況顯示，京津冀13個城市中，有7個城市排在污染最重的城市前10位[12]。同時有研究表明本地污染物排放和外地污染物遠距離傳送都會造成城市大氣污染[13]，大氣氣溶膠時空分布特征與污染物來源有著密切聯系[14]。因此，研究京津冀地區氣溶膠時空變化特征及確定影響京津冀空氣質量狀況潛在源區對當地大氣污染治理至關重要。

目前，中分辨率成像光譜儀(moderate resolution imaging spectroradiometer, MODIS)氣溶膠產品由于具有較高的數據質量和時空分辨率[15]，已被中外眾多學者用以探究不同地區氣溶膠光學厚度時空分布。牛林芝等[16]利用2002—2019年MODIS 二級氣溶膠產品對中亞五國的氣溶膠光學厚度時空變化特征進行了研究；瑪依拉·熱西丁等[17]基于MODIS氣溶膠產品分析了烏魯木齊市2009年1月至2019年7月氣溶膠光學厚度(aerosol optical depth, AOD)時空分布特征；Rupakheti等[18]利用MOD04日氣溶膠產品對中亞地區15個城市的氣溶膠光學厚度及氣溶膠類型進行了分析。一些科研人員也利用MODIS氣溶膠產品探究了京津冀地區氣溶膠光學厚度時空變化特征。例如，景悅等[19]利用C06 MODIS AOD日產品數據分析了2010—2016年京津冀地區AOD時空變化情況，得出河北南部地區AOD值較高的結論；張西雅等[20]基于C6 版本MODIS二級衛星遙感氣溶膠產品揭示了京津冀地區AOD時空分布特征，并證明氣溶膠時空分布與城市化發展水平密切相關。綜上，近年來學者對京津冀地區AOD時空變化特征的研究采用的均為舊版本MODIS氣溶膠資料。而美國國家航空航天局(National Aeronautics and Space Administraion, NASA)最新版本發布的C6.1 MODIS AOD產品，與產品早期版本相比，改進了反演算法并保留了C6.0版的暗像元法與深藍算法相融合的算法模式，產品版本的準確度和空間覆蓋范圍也更高。但利用C6.1 MODIS AOD產品數據進行分析的研究有所欠缺。因此，基于精度更高的C6.1 MODIS AOD產品有利于更準確分析京津冀地區AOD時空格局。

相關學者已利用后向軌跡和潛在源貢獻因子法分析?？赱21]、沈陽[22]、綏化市[23]等地的大氣污染來源與潛在源區。對于京津冀地區大氣污染來源與潛在源區的研究，王帥等[24]利用后向軌跡模型和潛在源貢獻因子法探究石家莊市2019年4—10月的O3傳輸軌跡和潛在源區；張忠地等[25]利用后向軌跡模型和潛在源貢獻因子法分析2017年北京不同季節PM2.5的輸送路徑及潛在源區。但上述研究主要集中于對短期污染要素進行分析，對長時間尺度的大氣污染來源與潛在源區探究較少。而潛在源區貢獻因子法主要基于條件概率函數來判斷污染源可能來向，因此在京津冀地區對短期污染過程進行潛在源區貢獻的分析市不夠精確的。此外，已有研究一般結合某種污染物濃度來分析潛在源區，相較于這些污染物濃度數據，空氣質量指數(air quality index, AQI)作為一個綜合指標可以更宏觀地表征一個地區的總體污染程度。

綜上，現利用新版本MODIS C6.1 10KM AOD數據，探討京津冀地區2011年1月至2020年12月AOD時空變化特征，采用HYSPLIT(hybrid single particle lagrangian integrated trajectory) 模型分析京津冀地區3個代表城市(北京市、天津市、石家莊市)氣團的傳輸路徑；并基于逐日空氣質量指數數據，運用潛在源貢獻因子法(potential source contribution function, PSCF)進一步探究影響石家莊市AQI等級的潛在源區。以期為確定京津冀地區大氣污染的調控目標提供參考。

1 研究區概況

京津冀地區位于中國東部沿海地區(圖1)，其北靠燕山山脈、南部與山東、河南相鄰、西倚太行山、東臨渤海，整體呈現出西北高東南低的地形特點，屬于暖溫帶大陸性季風氣候，年平均降雨量500 nm，年平均氣溫12 ℃。該地區由于受特殊地理地形和不利氣象條件等“先天因素”制約導致污染物不易擴散，霧霾多發。

圖1 研究區概況圖Fig.1 Overview map of the study area

2 數據來源與方法

2.1 數據來源

MOD04_L2來源于NASA發布的搭載于 Terra衛星的 MODIS C6.1 Level 2 逐日氣溶膠產品數據，空間分辨率為10 km。后向軌跡模式采用的氣象場數據來源于美國國家氣象局國家環境預測中心(National Centers for Environmental Prediction, NCEP)提供的全球數據同化系統(global aata assimiltion system，GDAS)數據，該數據每6 h發布一次，分別為00:00、06:00、12:00、18:00(UTC，協調世界時)，從2005年1月2020年12月，按周保存GDAS氣象資料，更新頻率為1個月?？諝赓|量指數數據是由中國空氣質量在線監測平臺免費提供(https://arlftp.aqistudy.cn/)，現如今可獲得AQI數據起始年份為2013年，故時間跨度選擇2013年12月至2020年12月。30 m空間分辨率的數字高程模型 (digital elevation model, DEM)數據由美國太空總署和國防部國家測繪局聯合測量獲取[26]。

2.2 方法

選取2011-2020年C6.1版本MOD04_L2 DTB(“AOD_550_Dark_Target_Deep_Blue_Combined”)AOD融合產品，基于交互式數據語言(interactive data language, IDL)完成批量重投影、幾何校正、波段堆疊、鑲嵌拼接和邊界裁剪等影像預處理工作，得到京津冀地區不同時間尺度(月、季、年)的AOD數據，并分析其空間和時間變化特征；基于HYSPLIT模型，將京津冀地區包含的2個直轄市(北京市、天津市)和1個省會城市(石家莊市)的經緯度分別設置為受點，以500 m作為起始高度(500 m高度的風場可以反映邊界層的平均流場特征)，模擬2013年12月至2020年12月每日抵達模擬受點的24 h后向軌跡，并運用Meteoinfo的TrajStat插件對各季節的后向氣流軌跡數據進行聚類分析，得到每個城市四季氣團傳輸路徑圖；統計京津冀3個主要城市逐日AQI數據，分析獲得AQI優良率，在此基礎上利用潛在源貢獻因子法(potential source contribution function, PSCF)分析優良率最低的城市的潛在源區。

分析四季變化時，選取的劃分原則為：春季(3—5月)，夏季(6—8月)，秋季(9—11月)，冬季(12月至次年2月)。

(1)線性趨勢分析法。本文選取線性趨勢分析法[27]探究2011年1月至2020年12月京津冀AOD數據年際變化趨勢：

(1)

式(1)中：Xi為第i年AOD；i為年份序號(i=1～n)；n為數據的累計觀測年份數。slope為累計觀測年份內柵格像元的變化趨勢斜率，slope>0表示10 a內該像元屬性值(AOD)呈增加趨勢，slope<0表示10 a內該像元屬性值(AOD)呈減少趨勢，slope=0表示10 a內該像元屬性值(AOD)沒有發生變化。

(2)拉格朗日混合單粒子軌道(HYSPLIT)模型。HYSPLIT模型是由美國國家海洋與大氣管理局和澳大利亞氣象局合作開發[28]，可以用來模擬計算氣團的運動軌跡及復雜的擴散和沉積[29]。其基本原理為假定氣團隨著風場運動, 氣團軌跡是其在空間和時間上的積分。氣團所在位置的矢量速度在空間上和時間上都是通過線性插值得出。具體計算公式為

(2)

式(2)中：P(t)為t時刻氣團的位置 ；Δt為時間步長，P(t+Δt)為下一時刻的預測位置，v(P,t)為某一位置和時間點的風速信息；P′為第一猜測位置；P為初始位置。

該模型在定量計算時有后向軌跡和前向軌跡兩種形式。其中，前向軌跡是模擬目標地區氣流流向的一種形式，主要用于說明目標地區的氣體將對其他地區所造成的影響；而后向軌跡主要用于說明目標地區氣體的來源。選用HYSPLIT后向軌跡模式模擬京津冀地區代表城市的氣團輸送軌跡。

(3)軌跡聚類分析。基于氣流軌跡的聚類分析是依據氣流的空間相似度(傳輸速度和方向) 對大量軌跡進行分類[30]。采用TrajStat提供的歐式距離算法對后向軌跡進行聚類。針對每個聚類空間的空間相異度(spatial variance,SPVAR),具體計算公式為

(3)

式(3)中:Dij為第i條軌跡中第j個小時的滯留點到平均軌跡對應點的距離；x為該聚類中的軌跡條數；t為軌跡的時間長度。

最后根據總空間相異度(total spatial variance,TSV)與n之間的關系判斷聚類的個數及每類平均軌跡的空間分布。

(4)潛在源貢獻因子法。PSCF是以條件函數為基本原理識別可能污染物位置的方法[31]。該方法基于HYSPLIT模型所產生的模擬結果，創建一定分辨率矩形單元(i,j)覆蓋研究區，并對污染因子設置閾值，當某軌跡的要素值超過用戶確定的閾值標準即被標記為污染軌跡。PSCF具體計算公式為

(4)

式(4)中:mij為網格(i,j)內的污染軌跡節點數；nij為網格(i,j)所有軌跡節點數；PSCFij為網格(i,j)中污染軌跡出現的概率。

根據該算法來確定石家莊市大氣污染物的源區，閾值設為AQI的日均值Ⅱ級標準限定值，即當某軌跡的AQI值高于Ⅱ級標準值(100)則被標記為污染軌跡，網格分辨率設為0.5°。為了消除網格單元內氣流停留時間短和PSCF高值所導致的較大不確定性，通常將權重函數wij乘以PSCF值以降低誤差帶來的影響。參考李顏君等[32]和高陽等[33]設定的權重函數wij：

(5)

3 結果與分析

3.1 京津冀地區AOD年平均值變化特征

圖2顯示了京津冀地區2011—2020年AOD年平均空間分布。從圖2可以明顯看到，研究區AOD空間分布與地形大體一致，以沿西北向的燕山-太行山地為界，劃分為AOD高值區和低值區兩部分，呈現出東南高西北低的總體格局。高值區主要分布于分界線東南麓，此區域海拔較低，氣溶膠等大氣污染物受燕山-太行山脈阻擋，隨氣團沿山脈邊坡向東南方向擴散，波及范圍包括河北南部和中部、北京東南部及天津一帶，最大值可達0.72以上。其中河北中部和南部成為AOD高值區，一方面因為邯鄲、石家莊、衡水等地是我國典型的重工業區，工業廢氣(如硫化氫、二氧化碳等)排放強度高，另一方面，該地區是農作物高產地，秋收時節當地農民在田間焚燒大量秸稈，造成嚴重的大氣污染。而京津地區由于城市化建設水平高，車流量大，受高山及高空逆溫層的阻擋，城市建設裝修等排放的有害物質長期滯留于大氣，污染物擴散導致其AOD值偏高。低值區主要集中于分界線西北麓，森林覆蓋率高的高海拔地區，AOD值在0.36以下。

圖2 2011—2020年京津冀地區平均AODFig.2 2011—2020 average AOD in Beijing-Tianjin-Hebei region

京津冀地區近10年AOD年均值變化趨勢如圖3(a)所示，從圖3(a)可看出，2011—2020年間京津冀年平均AOD在0.33(2017年)至0.49(2011年)之間浮動，10a均值為0.39，年增幅達到-1.81%，總體呈下降狀態，說明京津冀地區污染防治工作已初見成效。近10年來研究區AOD值存在多次浮動，具體表現為：2011—2012年AOD值迅速下降，其中2012年AOD值也是近10年的波谷；2012年以后，AOD年均值呈減小趨勢，2017年達到近10年最小值0.33；2018年出現短暫增加后，2020年又緩慢減小為0.33。采用線性趨勢分析法得到近10年京津冀地區AOD變化趨勢情況如圖3(b)所示。由圖3(b)可知：京津冀地區總體呈減少趨勢，其中邢臺市、邯鄲市、衡水市、滄州市和石家莊市存在明顯減少的趨勢，但全區只有部分區域AOD呈增加趨勢，主要分布在張家口市、承德市和北京市東南部。

3.2 京津冀地區AOD季節變化特征

圖4為京津冀地區2011—2020年氣溶膠光學厚度季節均值的空間分布，從圖4可看出該地區氣溶膠光學厚度的季節空間分布與年平均AOD的分布規律相似，均呈現出東南方向AOD值偏高的特征。春季與冬季AOD空間分布相近，高值區(AOD>0.6)主要分布于邢臺市、邯鄲市等河北南部地區和天津一帶，低值區位于河北北部，分析其可能原因，一方面來自采暖期結束后京津冀實施錯峰生產的各類工業企業大面積復產，另一方面，春季干旱少雨、處于沙塵暴頻發期，研究區獨特的地形條件使污染物不易擴散，從而在山前堆積。與春季相比，夏季AOD高值區分布范圍顯著擴大，東南方向的所有城市均位于高值區，而西北向AOD低值區分布范圍較春季顯著縮減，夏季AOD值較高可能是由于夏季濕度高和風速低，促進氣溶膠的非均相生成和聚集。秋季濕度小且邊界層高，為污染物擴散創造了有利條件，全區AOD值普遍較低，除邯鄲、邢臺、石家莊、天津部分區域存在小面積高值區外，其他地區基本均位于中低值區，空氣質量處于較高水平。冬季工業生產、生物質燃燒、居民生活取暖等引起大量顆粒污染物質的排放，是造成冬季大氣污染主要成因。

圖4 2011—2020年京津冀地區AOD四季分布Fig.4 Distribution of AOD in the four seasons of the Beijing-Tianjin-Hebei region from 2011 to 2020

圖5為2011—2020年京津冀地區AOD季節均值的時間序列圖。由圖5可知，研究區各季節間AOD均值存在明顯差異。春夏秋冬四季氣溶膠光學厚度均值由高至低依次為：夏(0.53)>春(0.39)>冬(0.36)>秋(0.32)。夏季AOD值變化幅度最為顯著，范圍為0.37～0.76；春秋冬三季雖有一定浮動但總體幅度不大，范圍為0.26～0.48。夏季AOD始終保持全年高值水平甚至高于受北方沙塵暴、揚塵天氣影響的春季，可能原因是京津冀地區夏季相對濕度較高，高濕的氣象條件有利于氣溶膠吸濕增長，從而導致粒徑和光學性質發生改變，氣溶膠質量濃度增加，進一步導致能見度的下降[34]。根據每年的四季AOD值統計得到10年間各季節年平均增長率和均值，其中春季整體呈M形曲線，年平均增長率為-1.55%，均值為0.39；夏季年平均增長率為-3.6%，均值為0.53；秋季年平均增長率為-0.55%，均值為0.32；冬季年平均增長率為-1.37%，均值為0.36。四季AOD隨年份增加均呈減小趨勢，表明近年來京津冀地區空氣質量狀況日益優化。

圖5 2011—2020年京津冀地區AOD季節均值的年際變化Fig.5 Inter-annual variation of the seasonal average of AOD in the Beijing-Tianjin-Hebei region from 2011 to 2020

3.3 京津冀地區AOD月變化特征

2011年1月至2020年12月研究區AOD值年內呈雙峰型(圖6)，峰值分別出現在2月(0.48)和7月(0.59)。1—2月AOD值迅速增長，3月略有下降，4—7月整體呈現增加的趨勢，其中7月AOD達到全年峰值，8—12月逐步下降。7月AOD值處全年最高水平主要是由于7月受氣溫濕度影響易生成小粒徑的二次粒子。

圖6 2011—2020年京津冀地區AOD年內變化特征Fig.6 The characteristics of AOD changes in the Beijing-Tianjin-Hebei region from 2011 to 2020

圖7展示了2011—2020年京津冀地區AOD月均值空間分布。從圖中可以分析得出，京津冀地區AOD月均值范圍為0～1.3。1月AOD高值區(AOD>0.7主要分布在河北南部的滄州市、衡水市、邢臺市、邯鄲市和石家莊市。2月AOD高值區分布范圍迅速延伸至東南方向的大部分平原地區，其中，廊坊市全市位于高值區，污染最為嚴重。3—5月空間分布相似，AOD高值區分布均較為分散且高值區占據全區面積比明顯小于1月、2月，高值區主要位于石家莊市、邯鄲市、邢臺市和衡水市，僅有少量樣本點分布于保定市和滄州市。6—7月京津冀地區氣溶膠含量大幅增加，并在7月達到全年最高值(0.59)，高值區分布范圍相較1—5月也更加廣泛，這歸因于6—7月城市有較高的溫度和相對濕度，從而人為產生了更多的二次氣溶膠。8—12月AOD值在0.5以下的離散點所占比例依次為56.56%、66.56%、70.85%、81.5%、89%。這表明，從8月開始京津冀地區空氣質量日益優化，直至12月氣溶膠光學厚平均值降至0.23。

圖7 2011—2020年京津冀地區AOD月變化特征Fig.7 Monthly changes of AOD in the Beijing-Tianjin-Hebei region from 2011 to 2020

3.4 后向軌跡聚類分析

利用HYSPLIT模型，計算起始高度設為500 m，對京津冀地區2013年12月至2020年12月逐日到達的72 h后向移動軌跡進行聚類，得到3個代表城市(北京、天津、石家莊)各季節主要氣團流向并估算每條路徑出現的頻率，如圖8所示。

圖8 京津冀地區3個代表城市四季后向軌跡聚類分析Fig.8 Cluster analysis of the four seasons backward trajectory of 3 representative cities in the Beijing-Tianjin-Hebei region

北京市春夏秋冬四季的后向氣團軌跡最終聚類總類數不同，春、秋、冬三季均為5類，僅夏季為4類。春季(3—5月)來源于河北省承德市的最短氣流(聚類4)占比最大，達28.84%；其次是來自河北南部地區的短距離西南氣流(聚類2)占比次之，為23.86%；來自蒙古國中部、東部和南部的氣流(聚類5、聚類3和聚類1)占比接近，分別為18.24%、14.55%、14.51%。夏季(6—8月)氣團呈星形散列，主要受偏南和東南方向短距離氣團的影響，上述兩方向氣流占北京市夏季氣流軌跡總數的66.3%，其中東南氣流(聚類1)來源于渤海海域，偏南氣流(聚類3)源于河北省東南部與山東交界地區。秋季(9—11月)受短距離氣流傳輸影響較大，總占比高達68.52%，短距離氣流中，29.95%氣流(聚類1)來自河北省東北部，24.14%(聚類5)來自河北省南部地區，14.43%氣流(聚類4)源于內蒙古中西部。冬季(12月至次年2月)氣流以西北和東南方向為主，其中，來源于內蒙古中部的短氣流(聚類1)貢獻比例最高，為28.66% ；其次源于蒙古國南部，途經內蒙古和河北輸入到北京的氣流(聚類2)占比為23.43%；再次是源于天津市的短氣流(聚類3)占比為20.02%；來自蒙古國東部氣流占比為14.76%(聚類5)；從蒙古國北部輸入的氣流(聚類4)距離最長，占比最低，為13.13%。

天津市不同季節的后向氣團軌跡最終聚類總類數相同，春、夏、秋和冬均為4類。春季(3—5月)每條路徑的氣流占總氣流軌跡數的比例相當，其中，29.83%的長距離西北氣流(聚類2)來自蒙古國南部，25.34%的短距離西南氣流(聚類4)來源于河南省東部即河南省開封市，23.02%的短距離偏北氣流(聚類3)來自內蒙古東部，21.82%的短距離偏南氣流(聚類1)來自山東省濱州市。這表明天津市春季受到短距離氣流的影響最大。夏季(6—8月)主要受渤海海域氣流(聚類1)的影響，氣流軌跡占總氣流軌跡數的比例達45.45%；來源于山東省西部、途經河北省東南部，輸入到天津的短距離氣流(聚類2)影響次之，占比為37.12%；源于內蒙古中部和東南部的短距離西北和東北氣流(聚類3和聚類4)影響較小，占比分別為 11.92%和5.51%。秋季(9—11月)來自河北省邢臺市的短距離西南氣流(聚類3)貢獻比例最多，占比為44.10%；其次是源于河北省東北部，先向正南方向移動，后途經渤海海域回旋至天津市的短氣流(聚類1)，占比為29.26%；再次是來自蒙古國中部，途經內蒙古烏蘭察布市、河北省張家口市和北京到達天津的最長氣流(聚類4)，占比為14.02%；來自蒙古國東南部中蒙交界處的氣流(聚類2)軌跡出現比例最低，為12.62%。冬季(12月至次年2月)主要氣流來向以西北方向為主，總占比為56.64%，西北氣流中，23.40%氣流(聚類3)源于蒙古國中部，16.86%氣流(聚類4)源于蒙古國蘇赫巴托爾省，16.38%氣流(聚類2)源于內蒙古中部；其次是來自天津與河北交界地區的回旋氣流(聚類1)距離最短，占比最大，達43.36%。整體而言，天津市四季受短距離氣團輸送的影響較大。

石家莊市春夏秋冬四季的后向氣團軌跡最終聚類總類數不同，春季和夏季均為5類，秋季和冬季均為4類。春季(3—5月)氣團呈星形散列，主要受短距離輸送的影響，總占比高達70.35%，短距離氣流中，30.75%氣流來自河南省鶴壁市(聚類2)，22.26%氣流源于天津市東北部與河北交界處(聚類4)，17.34%氣流源于陜西省榆林市(聚類1)；其次是來自蒙古國中南部和南部的長距離氣流(聚類3和聚類5)，占比分別為10.92%和18.73%。夏季(6—8月)來源于石家莊市本地的氣流軌跡(聚類3)出現比例最高，為42.18%；其次是來源于河南省濮陽市的短距離氣流軌跡(聚類1)占比僅次于聚類2，為25.64%；再次是來源于渤海海域，途經天津市西南部，輸入到石家莊的短距離氣流(聚類4)，占比達到16.78%；來自山西省呂梁市的短距離氣流(聚類2)與來自蒙古國南部的長距離偏北氣流(聚類5)占比接近，分別為7.25%和8.15%。秋季(9—11月)來自河北省南部的最短距離南部氣流(聚類1)占比最高，達52.46%；來源于內蒙古中部的短距離西北氣流(聚類2)占比次之，為21.49%；其次是來自北京，途經河北省廊坊市和天津市的氣流(聚類4)占比為17.80%；源自蒙古國中南部的長距離西北氣流(聚類3)，占比最低，為8.25%。冬季(12月至次年2月)主要受3個方向氣團的影響，分別為西北、偏北、正東，其中西北方向的氣流占總氣流軌跡數的比例最高(48.27%)，西北氣流中，32.38%的氣流(聚類1)源于內蒙古鄂爾多斯市，15.89%氣流(聚類4)源于蒙古國中南部；來自河北省東南部的正東氣流軌跡(聚類3)貢獻比例僅次于西北方向氣流，為39.17%；來自蒙古國中部的偏北氣流(聚類2)貢獻比例最低，為12.56%。綜上，石家莊市四季主要受短距離氣流輸送影響。

綜上所述，京津冀地區受季風氣候及東南海洋暖濕氣流影響，3個代表城市春夏秋冬四季主要受近距離氣團輸送的影響，遠距離輸送的影響較小。

3.5 潛在源分析

從圖9給出的2013年12月至2020年12月京津冀地區三大典型城市AQI日均變化特征可以看出，石家莊市空氣質量等級達到重度污染等級(AQI>200)上的天數明顯超過天津市和北京市且 石家莊市年際間變化最顯著。表1進一步統計了三大城市每年AQI等級優良率，其中北京市和天津市空氣質量狀況持續好轉，除2013—2014年優良天數占比較低外，其余年份京津兩市AQI等級優良率均超過50%，而石家莊市每年AQI等級優良率基本均低于50%，僅2020年達到56%，上述分析表明三大城市中石家莊市污染程度最為嚴重。

圖9 2013年12月至2020年12月京津冀三大典型城市AQI日均變化特征Fig.9 Characteristics of daily average AQI changes in the three typical cities of Beijing-Tianjin-Hebei from December 2013 to December 2020

表1 2013年12月至2020年12月京津冀三大典型城市AQI年均優良率Table 1 The average annual excellent rate of AQI in the three typical cities of Beijing-Tianjin-Hebei from December 2013 to December 2020

后向軌跡聚類分析雖能確定氣團的路徑和來向和傳輸速度，但是不能確定造成AQI值超標(AQI>100)的潛在源區。因此為探究污染相對比較嚴重的石家莊市的潛在源區，利用PSCF法識別污染物潛在源。圖10為石家莊市春夏秋冬四季AQI的WPSCF值計算結果。

圖10 2013年12月至2020年12月石家莊市四季PSCF分布Fig.10 Distribution of PSCF in Shijiazhuang city by four seasons from December 2013 to December 2020

春季(3—5月)，石家莊市WPSCF高值區(WPSCF>0.7)分布相對較為集中，造成AQI值超標的潛在源區主要位于河南省廣大地區、山東省西南部、冀南、山西省東南部和西南部、陜北、安徽省西北部和東北部，江蘇省西北部和內蒙古西南部等地也存在較大的WPSCF值分布，也是源區之一；夏季(6—8月)，WPSCF高值區(WPSCF>0.7)向西北方向移動，WPSCF值大于0.8的格網明顯減少，石家莊市潛在源區主要集中于河北省南部、豫北和豫東、安徽省西北部與河南省交界處和山西省大部分地區，此外，也有零星高值區分布在魯東和豫中等地區；秋季(9—11月)，WPSCF高值區較春季東移，主要潛在源區包括山西省廣大地區、山東省西南部、陜北、冀南、豫中和豫北等區域，而內蒙古西南部與陜西省交界處等零星區域排放的污染物質也是造成石家莊市環境惡化的關鍵因素；冬季(12月至次年2月)，WPSCF高值區分布范圍最廣泛，潛在源區除集中于河南省北部、陜西省北部、山西省廣大地區、河北省南部、山東省西南部等地外，還向西北和東北方向延伸至內蒙古西南部和西部、河北省中部和東部、北京市、天津市、渤海海域和山東省北部等地區。冬季WPSCF高值區較春夏秋三季有顯著增加。綜上所述，石家莊市春夏秋冬四季的空氣質量主要受到石家莊市本地及周邊省市的影響。

4 結論

(1)2011—2020年京津冀地區年平均AOD空間分布整體呈現西北低東南高的特征，高值區(AOD>0.72)主要位于燕山—太行山山脈東南麓。

(2)2011—2020年京津冀地區年際間AOD最大值出現在2011年(0.49)，最小值出現在2017年(0.33)，總體呈下降趨勢，年增幅為-1.81%，說明京津冀地區污染防治工作已初見成效；年內AOD值呈“雙峰”型，峰值出現在2月(0.48)和7月(0.45)，其中7月AOD值達到全年峰值主要是由于7月受氣溫濕度影響易生成小粒徑的二次粒子。

(3)2011—2020年京津冀地區各季節間AOD均值差異明顯，表現為夏季最高、春冬季次之、秋季最低，夏季AOD很高主要原因可能是氣溶膠吸濕增長導致粒徑和光學性質發生改變。從變化幅度來看，夏季AOD值變化最為劇烈，春、秋、冬三季波動平穩。

(4)京津冀地區典型城市后向軌跡聚類分析結果表明，受季風氣候影響北京市、天津市和石家莊市四季主要受到近距離氣團輸送的影響，遠距離輸送的影響較小。

(5)統計京津冀地區3個主要城市的AQI優良率可知石家莊市空氣質量狀況最嚴重，石家莊市除2020年AQI等級優良率達到56%外，其他年份優良率均低于50%，因此主要分析石家莊市的潛在源區，石家莊市潛在源分析結果表明，春夏秋冬四季主要潛在源區為石家莊市本地及周邊省市，因此要重視對石家莊市及周邊地區的污染防控。