突發性中尺度暴雪過程大氣污染特征與潛在源區研究

卜慶雷　張秀娟　李傳浩

摘要：針對濟南市大氣污染情況，分析突發性中尺度暴雪過程大氣污染特征與潛在源區。基于2020年1月7日濟南市氣象和環境監測數據，通過皮爾遜積差相關系數法分析污染物之間、污染物與氣象要素之間相關關系。經分析可知：暴雪對大氣污染具有一定清洗能力，顆粒污染物濃度與氣體污染物濃度之間存在一定同源性，污染物與不同氣象要素也存在正向或負向相關關系，證明暴雪導致的氣象要素改變對大氣污染擴散具有一定意義。采用潛在源貢獻因子分析法和濃度權重軌跡分析法測得本地源為濟南市PM2.5濃度貢獻最高源區，表明PM2.5高貢獻與聚集性工業活動相關。

關鍵詞：突發性中尺度暴雪；大氣污染特征分析；潛在源區；皮爾遜積差相關系數法；潛在源貢獻因子

中圖分類號：X51 文獻標志碼：A

前言

工業生產過程中排放出的大量有害氣體和粉塵直接危害人類的身體健康和生命安全，同時交通運輸活動中排放的廢氣也是造成大氣污染的主要原因之一。因大氣污染而患有呼吸系統疾病及心血管疾病的人數劇增，所以對大氣污染加以控制已勢在必行。濟南是中國特大城市之一，位于黃河下游地區，地勢起伏不平，不利于大氣污染物擴散，空氣質量較差。中心城區大氣污染受本地源影響較大，濟南市政府部門已采取多項措施治理環境污染，空氣質量持續惡化情況在一定程度上得到控制，但濟南市大氣污染程度仍存在嚴峻問題，治理形勢依然緊迫。

雷雨等對川南自貢市的大氣污染現象進行了分析。結合TrajStat插件和后向軌跡模式確定污染物的輸送軌跡，根據濃度權重軌跡分析法和潛在源貢獻分析法分析不同潛在同區的污染貢獻。王劉銘等主要采用了后向軌跡聚類法、潛在源貢獻因子法和濃度權重軌跡分析法來分析主導氣流方向和潛在源區的污染程度，獲取污染物時空分布特征。以上述研究方法為研究者提供了深入了解大氣污染來源和傳播途徑的手段，以此為基礎，分析突發性中尺度暴雪過程大氣污染特征與潛在源區。

1 研究方法

1.1 數據來源

將中國空氣質量在線監測分析平臺中2020年1月1日-31日數據作為測試數據，站點采用濟南市空氣質量國控自動監測點位，時間分辨率為1h。大氣污染物數據類別為PM2.5、PM10、SO2、NO2、CO和O3。測定儀器為：5030型SHARP監測儀、43i脈沖熒光SO2分析儀、42i化學發光NO-NO2-NO3分析儀、48i氣體濾光相關法CO分析儀和49i紫外發光O3分析儀。

1.2 突發性中尺度暴雪過程及影響

根據濟南市氣象局氣象觀測數據，受氣旋影響，2020年1月7日濟南市出現突發性中尺度暴雪，1月7日0時至23時各項氣象觀測數據如下：1月7日風速在4時左右達到峰值；降雪結束后氣溫逐漸回升，在15時左右達到氣溫峰值；全天大氣壓強處于1023-1026hPa范圍內；相對濕度處于38.2%-86.9%范圍內。本次突發性中尺度暴雪過程對濟南市點源、面源和流動源等污染源均造成一定影響，其中工業源為主要點源，暴雪并未導致停電或停水等阻礙工業生產的重大事件，因此工業源污染排放與平日基本相同；揚塵為主要面源，突發性中尺度暴雪使室外施工困難以至停止，且積雪覆蓋較厚，當日揚塵基本為零；機動車污染排放為主要流動源，暴雪導致出行網難問題，出行者大多放棄駕車或乘車出行，抑或選擇延遲出行，早高峰時段車流量下降，早高峰整體延后，但怠速行駛的機動車污染物排放量大幅度增加，正負抵消，流動源污染排放量與平日相比變化較小。

1.3 皮爾遜積差相關系數法

采用皮爾遜積差相關系數法作為PM2.5、PM10、SO2、NO2、CO、O3之間相關性的計算方法。用x、y表示兩個變量，σx和σy表示兩者對應標準差，cov（x，y）表示兩者協方差，n表示樣本量，r計算公式如式（1）所示：

式（1）中，r值在（-1，1）范圍內，|r|越接近于1，則x與y之間相關度越高，當r小于0時，x與y呈負相關；反之呈正相關。

1.4 潛在源貢獻因子分析法

潛在源貢獻因子（potential source contribution funCtion，PSCF）分析法是常用的污染源位置判定方法，目前已被廣泛應用于大氣污染研究領域之中，該方法利用氣流后向軌跡和要素值獲取要素值潛在源區位置。劃分研究區域后，設mij和Mij為經過任意網格（i，j）的污染氣流和全部氣流軌跡端點數，兩者比值即為網格（i，j）的潛在源貢獻因子P（i，j），如式（2）所示：

因P為條件概率函數，當Mij值較小時，會增加P的強不確定性。因此，采用經驗權重函數W（Mij）對潛在源貢獻因子加權處理，得到加權后潛在源貢獻因子PW如式（3）所示：

Pw=W（Mij）×P（i，j） 式（3）

1.5 濃度權重軌跡分析法

濃度權重軌跡（concentration weighted trajectory，CWT）分析法是一種確定空氣污染源區域的方法，可用于描述每個網格權重濃度均值，進而衡量各區域對目標網格的污染貢獻程度。用s表示氣團軌跡，N表示氣團軌跡總數，Cs表示s經過（i，j）時要素值，tijk表示s在（i，j）上的滯留時間，則（i，j）上的權重濃度均值Cij計算方式如式（4）：

同樣將式（3）的權重函數用于CWT分析法之中，得到加權后濃度權重軌跡CW如式（5）所示：

CW=W（Mij）×Cij 式（5）

2 結果與討論

2.1 大氣污染特征分析

2.1.1 月總體大氣污染特征

統計濟南市2020年1月空氣質量指數（AirQuality Index，AQI）和主要監測數值，2020年1月的31天內，濟南市空氣質量達到優共1天，良好共8天，輕度污染共12天，中度污染共4天，重度污染共6天，其中7日-9日均達到良好及以上級別，7日AQI為48，達到優。可見2020年1月濟南市大氣污染問題較為嚴重。

2.1.2 突發性中尺度暴雪對大氣污染影響

2020年1月6日濟南市空氣質量狀態為輕度污染，AQI為125，8日空氣質量狀態為良好，AQI為78，而7日受突發性中尺度暴雪影響，空氣質量狀態達到優，AQI為48，PM2.5、PM10、SO2、NO2與前后兩日對比情況見圖1。

由圖1可以看出，2020年1月7日與6日相比，AQI、PM2.5濃度和PM10濃度均存在大幅度下降，AQI降幅在61.6%左右，PM2.5濃度降幅在63.8%左右，PM10濃度降幅在67.9%左右，說明暴雪在一定程度上能夠提升空氣質量，但SO2濃度存在小幅度上升，NO2濃度下降幅度較小，究其根本，一是兩者原本濃度較低，小幅度濃度變化為正常波動現象，二是與降水形態存在一定關系，6日降水形態主要為降雨，而7日為降雪，與雨形態降水相比，雪形態降水清洗能力較弱。8日濟南市AQI和污染物濃度出現反彈，其原因一方面是天氣系統恢復穩定，污染物擴散困難，另一方面是社會活動逐漸恢復，各方面污染排放大幅度增加。

2.1.3 大氣污染物程度日變化

主要污染物濃度日變化在較長時間內通常呈現出較為穩定的變化趨勢，但2020年1月7日濟南市受突發性中尺度暴雪影響，主要污染物濃度日變化與2019年同期相比呈現出不同特征，見圖2。

如圖2所示，2020年1月7日濟南市受持續降雪和大風影響，5時前主要污染物濃度處于當日內較低水平，8時左右降雪減小，各類型污染物出現上升趨勢，其中PM2.5和PM10濃度在7時后開始上升，由于上述分析中已排除面源揚塵污染，因此可確定顆粒物污染的主要來源為工業活動及機動車尾氣排放；1月7日SO2在10-11時濃度較高，主要原因是雪后天氣轉晴，太陽輻射逐漸增強，大氣混合層高度提升，高空SO2向下混合，使SO2濃度大幅度升高，當日SO2變化規律與2019年同期基本相同，說明突發性中尺度暴雪對工業活動的影響較小；1月7日NO2在10-11時濃度較高，與SO2基本同步，說明此時NO2濃度也與工業活動存在主要關系，17-21時NO2濃度再次達到峰值，該時段NO2濃度主要影響因素為晚高峰機動車排放。

2.1.4 大氣污染物之間相關性

利用SPS519.0統計軟件分析2020年1月7日濟南市6種污染物之間皮爾遜相關系數，結果見表1。

表1中，**表示通過α=0.01顯著性檢驗，α為顯著性水平。1月7日濟南市PM2.5和PM10均與SO2NO2、CO顯著相關，均通過α=0.01顯著性檢驗且相關性系數較大，說明濟南市該日顆粒污染物與氣態污染物之間存在一定同源性，經以上分析，可確定主要來源為工業活動排放，其中NO2與CO的相關性較強，且通過α=0.01顯著性檢驗，證明機動車排放也為NO2與CO的主要來源，NO2與O3呈負相關且均通過α=0.01顯著性檢驗，因為暴雪天氣光照和溫度等條件無法滿足日光化學反應需要，O3氧化NO2生成NO和O2成為該日反應主導，因此兩者呈負相關。

2.1.5 大氣污染物與氣象要素相關性

氣象要素也是污染物濃度的重要影響因素之一，利用SPS519.0統計軟件分析2020年1月7日濟南市6種污染物與氣象要素之間的皮爾遜相關系數，結果見表2。

由表2可以看出，各項污染物濃度均與氣溫和大氣壓強呈正相關，與風速和相對濕度呈負相關，且通過α=0.01顯著性檢驗，說明風速和相對濕度越高，氣溫和大氣壓強越低，污染物濃度越低，突發性中尺度暴雪過程氣象因素改變對污染物具有一定清除作用。

2.2 潛在源區分析

2.2.1 潛在源貢獻因子分析

對2020年1月7日濟南市后向氣團對應PM2.5濃度加以分析，研究范圍確定在（34°N-40°N，112°E-120°E）之間，劃分研究區域為大小相同的正方形網格，在不同PM2.5閾值下計算潛在源區潛在源貢獻因子，見圖3。

由圖3可以看出，將PM2.5濃度閾值設定為0μg/m3時，強潛在源區范圍較廣，分布于濟南市周邊地區，主要為山東省內濱州市、聊城市、濰坊市、臨沂市、淄博市、東營市等部分地區和河北省滄州市等部分地區以及濟南市本地等；當PM2.5濃度閾值增加至85μg/m3時，強潛在源區分布面積大幅度縮小，主要集中于濟南市本地。

2.2.2 濃度權重軌跡分析

通過上述分析可知，濟南市PM2.5強潛在源區為市內區域，為了進一步分析各地區對濟南市PM2.5的貢獻，將研究區域縮小至（36°0'N-37°5'N，116°0'E-117°5'E）范圍內，得到潛在源區濃度權重軌跡計算結果見圖4。

由圖4可以看出，貢獻濃度大于80μg/m3的強潛在源區主要分布在濟南市北部，說明濟南市本地源對其1月7日突發性中尺度暴雪大氣污染有主要貢獻，經分析，PM2.5的高貢獻與這些地區大量聚集性工業活動有關。

3 結束語

國民經濟快速發展和工業化規模不斷擴大，大氣污染問題日益嚴峻。為了制定相應的應對措施，改善濟南市大氣污染狀況，對突發性中尺度暴雪過程大氣污染特征與潛在源區進行了分析。通過皮爾遜積差相關系數法、PSCF分析法和CWT分析法測定2020年1月7日濟南市一次突發性中尺度暴雪過程中，PM2.5、PM10、SO2、NO2、CO、O3之間相關關系和PM2.5、PM10、SO2、NO2、CO與氣象要素之間相關關系。經分析可知，污染物之間存在一定的同源性且氣象因素能夠對污染物濃度產生影響，此次突發性中尺度暴雪使濟南市當日空氣質量等級提升至優，說明暴雪對污染物具有一定清除作用，通過此次分析，確定了潛在源區為濟南市本地源，引起污染的主要因素為大量聚集性工業活動。