2023年1-2月達(dá)州市NO2污染特征及潛在源區(qū)分析

摘要：基于2023年1—2月達(dá)州市 濃度自動監(jiān)測數(shù)據(jù)，分析達(dá)州市 濃度的時空分布特征，并采用潛在源貢獻(xiàn)因子法（Potential Source Contribution Factor method，PSCF）分析達(dá)州市 污染的跨區(qū)域傳輸來源。結(jié)果表明，2023年1—2月達(dá)州市 累計濃度為 ，同比上升 3 3 . 6 % 。與四川省大部分城市相比，達(dá)州市的 濃度常年居高。 逐日變化表明，機動車尾氣可能是氮氧化物的重要貢獻(xiàn)源之一。 小時變化表明， 和 的轉(zhuǎn)化相對不明顯，晚高峰離群現(xiàn)象突出。2023年1—2月，在達(dá)州市4個國控站點中，達(dá)川機關(guān)賓館的 濃度最高（ ），污染特征雷達(dá)圖說明區(qū)域污染類型為典型的機動車尾氣污染型。2023年1—2月，達(dá)州市 污染受區(qū)域傳輸影響較大，潛在污染源區(qū)主要分布在重慶市主城區(qū)－渝西地區(qū)、湖北省荊州市－宜昌市等遠(yuǎn)距離地區(qū)。

關(guān)鍵詞： ；污染特征；潛在源貢獻(xiàn)因子法（PSCF）；達(dá)州市 中圖分類號：X823 文獻(xiàn)標(biāo)識碼：A 文章編號：1008-9500（2025）04-0208-09 DOI：10.3969/j.issn.1008-9500.2025.04.059

Analysis of Pollution Characteristics and Potential Source Areas in Dazhou City from January to February 2023

DENG Xiaohan， JIANGHuixian，WANGJnxing （Dazhou Ecological Environment Monitoring Center Station of Sichuan Province，Dazhou 635ooo，China）

Abstract：Based on the automatic monitoring data of NO concentration in Dazhou city from January to February 2023， the spatiotemporal distribution characteristics of NO concentration in Dazhou city are analyzed，and the Potential Source Contribution Factor method （PSCF） is used to analyze the cross regional transmission sources of NO pollution in Dazhou city.The results show that the cumulative concentration of NO in Dazhou city from January to February 2023 is ， an increase of 3 3 . 6 % year-on-year.Compared with most cities in Sichuan province，the NO concentration in Dazhou city is consistently high throughout the year.The daily variation of NO indicates that vehicle exhaust may be one of the important contributing sources of nitrogen oxides.The hourly variation of NO indicates that the conversion of NO and is relatively insignificant，and theoutlier phenomenon is prominent during theevening peak.In JanuaryandFebruary 2O23，among the four national control stations in Dazhou city，the NO concentration at the Dachuan Government Hotel was the highest （204號 ，the polution characteristic radar map indicated thatthe regional polution type was typical motor vehicle exhaust pollution.In January and February 2023，NO pollution in Dazhou city was greatly affected by regional transmission， and potential polution sources were mainly distributed in long-distance areas such as the mainurban area of ChongqingYuxi and Jingzhou-Yichang in Hubei province.

Keywords： pollution characteristics; Potential Source Contribution Factor method （PSCF）; Dazhou city

隨著城市化進(jìn)程的加速和能源消費結(jié)構(gòu)的轉(zhuǎn)型，氮氧化物（ ）污染已成為中國中西部地區(qū)大氣環(huán)境治理的重要挑戰(zhàn)[1-2]。達(dá)州市作為川渝城市群東北部的工業(yè)與交通樞紐[3，近年來受能源化工產(chǎn)業(yè)擴張、機動車保有量激增及盆地地形擴散條件受限等因素影響[4-6]， 污染問題日益凸顯。研究表明， 是二次顆粒物和臭氧生成的關(guān)鍵前體物[7-8]，其長期暴露與呼吸系統(tǒng)疾病風(fēng)險顯著相關(guān)[9-10]，因此厘清達(dá)州市 污染的時空特征及潛在來源對區(qū)域空氣質(zhì)量改善和公共健康防護(hù)具有重要意義。

達(dá)州市位于四川省東北部，地形北高南低，由東北向西南傾斜。達(dá)州市主城區(qū)位于河谷地帶，四周有鐵山、鳳凰山、火峰山、雷音鋪山圍繞，各山與主城區(qū)的高程差分別約為660、400、270、 4 9 0 m 。獨特的地形條件導(dǎo)致達(dá)州市主城區(qū)大氣擴散條件差。從東岳鎮(zhèn)、雙龍鎮(zhèn)、復(fù)興鎮(zhèn)到四川省達(dá)州鋼鐵集團(tuán)有限責(zé)任公司、化工園區(qū)，達(dá)州市主城區(qū)周邊形成長達(dá) 左右的圍城工業(yè)帶。受地形條件和氣象影響，達(dá)州市主城區(qū)周圍形成東、西2個污染物輸送通道，2個輸送通道走向均大致為由北向南。工業(yè)廢氣排放具有連續(xù)性，不受季節(jié)、氣象條件影響[11-13]，對空氣質(zhì)量的影響是大范圍、連續(xù)性的[14-15]，即使氣象擴散條件和凈化條件良好，也無法完全消除對空氣質(zhì)量的影響[16-18]。本文以達(dá)州市為研究區(qū)，基于2023年1—2月的 濃度自動監(jiān)測數(shù)據(jù)，系統(tǒng)分析 濃度的時空演變規(guī)律，并結(jié)合潛在源貢獻(xiàn)因子法（Potential SourceContributionFactormethod，PSCF），分析達(dá)州市 污染的跨區(qū)域傳輸來源，以期為 污染協(xié)同治理和區(qū)域聯(lián)防聯(lián)控提供技術(shù)支撐。

1數(shù)據(jù)與方法

1.1數(shù)據(jù)來源

選取4個達(dá)州市國家環(huán)境空氣質(zhì)量評價站點（達(dá)川機關(guān)賓館、市政中心、市環(huán)境監(jiān)測站、鳳凰小區(qū)）作為研究對象，對各站點2023年1一2月逐小時的 、 和風(fēng)速風(fēng)向數(shù)據(jù)進(jìn)行統(tǒng)計分析。

1.2研究方法

1.2.1 特征雷達(dá)圖

對多種污染物進(jìn)行百分比成分譜化，再除以一定區(qū)域的平均值，得到標(biāo)準(zhǔn)化特征譜，以消除污染物濃度變化及不同污染物濃度值差異的影響。然后，通過雷達(dá)圖的形式將各種污染物的標(biāo)準(zhǔn)化特征值以坐標(biāo)軸射線的方式展示，不同污染物對應(yīng)不同射線，其數(shù)值大小決定從圓心到該點的距離，從而形成一個多邊形雷達(dá)圖，進(jìn)一步判斷污染源[19-20]

1.2.2 PSCF

PSCF是一種基于軌跡聚類分析的受體模型方法，主要用于識別大氣污染物的潛在源區(qū)。該方法假設(shè)到達(dá)監(jiān)測站點的空氣團(tuán)軌跡與污染物濃度存在一定關(guān)系，通過計算不同軌跡污染物濃度的概率分布，確定潛在源區(qū)的貢獻(xiàn)程度[21-22]

2 結(jié)果與討論

2.1達(dá)州市 濃度的時間變化特征

2015—2023年，四川省各地級市（自治州）1—2月 累計濃度及同比變化如圖1、圖2所示。數(shù)據(jù)顯示，2015—2023年，達(dá)州市1—2月 累計濃度分別為39.5、39.4、35.8、43.6、44.7、28.8、41.5、34.2、 。2023年1—2月，在四川省21個市州中，達(dá)州市的 濃度排在末位，反彈幅度較大，同比上升 3 3 . 6 % ，且 絕對濃度與前一名的眉山市相差較大，差值達(dá) 。2015—2022年，達(dá)州市的 濃度在四川省分別排在第20位、第20位、第12位、第20位、第20位、第17位、第19位、第20位，常年處于四川省中下游水平，且多次排在第20位，與四川省大部分城市相比，達(dá)州市的 濃度常年偏高。

2023年1一2月，周邊城市均出現(xiàn) 濃度大幅反彈現(xiàn)象，其中遂寧市、南充市反彈最突出，分別同比上升 6 8 . 2 % 、 6 6 . 0 % ，廣安市、巴中市分別同比上升 2 3 . 6 % 與 1 3 . 1 % ，達(dá)州市的 濃度反彈幅度（上升 3 3 . 6 % ）低于遂寧市、南充市，高于廣安市、巴中市，在川東區(qū)域整體反彈的背景下，達(dá)州市反彈幅度居中游。

2023年1—2月，達(dá)州市與四川省其他市州 日均濃度變化趨勢如圖2所示。從2023年1—2月逐日變化來看，與四川省14個重點城市（成都市、德陽市、廣安市、樂山市、瀘州市、眉山市、綿陽市、南充市、內(nèi)江市、遂寧市、雅安市、宜賓市、資陽市、自貢市）相比，達(dá)州市的 濃度持續(xù)處于高位，這一現(xiàn)象可能與達(dá)州市的工業(yè)結(jié)構(gòu)、特殊的地理氣象條件等因素密切相關(guān)。值得注意的是，在1月下半月至2月初這一特定時段，達(dá)州市的 濃度出現(xiàn)顯著的高值離群現(xiàn)象，其濃度峰值明顯高于周邊市州同期水平。經(jīng)分析，此時段正值春節(jié)返鄉(xiāng)高峰期，工業(yè)生產(chǎn)活動減弱，但返鄉(xiāng)導(dǎo)致車流量顯著增加，機動車尾氣可能是氮氧化物的重要貢獻(xiàn)源之一。這一研究結(jié)果表明，在制定區(qū)域大氣污染防治策略時，除了關(guān)注工業(yè)源排放控制外，還需要充分考慮特殊時期移動源排放特征及其環(huán)境影響，采取針對性的管控措施，以實現(xiàn)區(qū)域空氣質(zhì)量的有效改善。

2023年1—2月，四川省各市州 和 小時濃度均值的變化趨勢分別如圖3和圖4所示。從2023年1一2月 2 4 h 均值變化來看，與四川省其他市州相比，達(dá)州市的 濃度變化呈現(xiàn)2個特征。一是午后 濃度下降趨勢不明顯，光化學(xué)反應(yīng)特征與其他市州存在明顯差異。從小時變化規(guī)律來看，四川省大部分市州在午后時段（通常為12：00-16：00）呈現(xiàn)出典型的 和 光化學(xué)轉(zhuǎn)化特征，即隨著太陽輻射增強， 在紫外光作用下發(fā)生光解反應(yīng)，生成NO 和 表現(xiàn)為 濃度下降而 濃度上升的此降彼升現(xiàn)象。然而，達(dá)州市的 濃度在午后時段保持相對穩(wěn)定，降幅明顯小于其他市州。同時，監(jiān)測數(shù)據(jù)顯示，達(dá)州市 濃度在各市州中處于最低水平，且日變化峰值不顯著。二是晚高峰時段 濃度離群現(xiàn)象突出，移動源排放特征顯著。在每日17：00-20：00的晚高峰時段，達(dá)州市的 濃度顯著升高，峰值濃度明顯高于其他市州，呈現(xiàn)出典型的離群特征。

2.2達(dá)州市 濃度的空間變化特征

2023年1—2月，達(dá)州市各國控站點 濃度及同比變化如圖5所示。2023年1一2月，在達(dá)州市4個國控站點中，達(dá)川機關(guān)賓館、市政中心、市環(huán)境監(jiān)測站、鳳凰小區(qū)的 濃度均值分別為52.6、44.9、42.7、 。其中，達(dá)川機關(guān)賓館的 濃度最高，同比升幅最大，為 4 9 . 9 % ，對達(dá)州市 濃度反彈貢獻(xiàn)最大，貢獻(xiàn)率為 2 8 . 8 % 。

為深入分析達(dá)州市達(dá)川機關(guān)賓館的污染特征，對站點各項污染物數(shù)據(jù)進(jìn)行百分比成分譜化，并除以區(qū)域（達(dá)州市各國控子站）平均百分比化成分譜，從而得到標(biāo)準(zhǔn)化特征譜，以消除污染物濃度變化和不同污染物濃度數(shù)量級差異的影響，得到污染特征雷達(dá)圖，如圖6所示。2023年1—2月，達(dá)川機關(guān)賓館的 濃度顯著超出特征值上限，而細(xì)顆粒物（ ）、可吸入顆粒物（ ）、 、CO和 等污染物的濃度均低于特征值上限。結(jié)果表明，達(dá)川機關(guān)賓館區(qū)域污染類型為典型的機動車尾氣污染型。

2.3達(dá)州市 潛在源分布

一個地區(qū)的大氣污染物濃度不僅受到本地污染源排放的直接影響，還受到大氣傳輸過程的顯著作用。大氣傳輸可以通過水平輸送和垂直擴散將其他區(qū)域的污染物傳輸至目標(biāo)區(qū)域，從而改變當(dāng)?shù)氐奈廴疚餄舛确植己突瘜W(xué)組成。為了量化區(qū)域間污染物傳輸?shù)挠绊懀嬎闼拇ㄊ「魇兄? 濃度與達(dá)州市 濃度的相關(guān)系數(shù)，如表1所示。數(shù)據(jù)顯示，遂寧市、廣安市、南充市、巴中市與達(dá)州市 濃度的相關(guān)系數(shù)分別為0.869、0.851、0.862、0.863，均在0.85以上，為高度相關(guān)，說明川東城市 污染相關(guān)性較強，主要呈現(xiàn)區(qū)域性污染特征。

本研究利用HYSPLIT模型對2023年1—2月達(dá)州市的氣團(tuán)后向軌跡進(jìn)行模擬分析，并結(jié)合PSCF，分析達(dá)州市 的潛在源區(qū)分布。PSCF通過計算氣團(tuán)軌跡經(jīng)過特定網(wǎng)格區(qū)域的概率與高濃度污染事件發(fā)生概率的比值，從而識別對目標(biāo)區(qū)域污染物濃度有顯著貢獻(xiàn)的潛在源區(qū)。在PSCF分析結(jié)果圖中，顏色越深表示概率比值越高，表明該區(qū)域?qū)_(dá)州市 濃度的潛在貢獻(xiàn)可能越大。如圖7所示，2023年1—2月，達(dá)州市 外來潛在污染源區(qū)主要分布在重慶主城區(qū)-渝西地區(qū)、湖北省荊州市－宜昌市等遠(yuǎn)距離地區(qū)。研究結(jié)果表明，達(dá)州市 污染不僅受本地排放源的影響，還顯著受到區(qū)域傳輸?shù)挠绊憽Ｌ貏e是在冬季，受靜穩(wěn)天氣和逆溫層的影響，大氣擴散條件較差，污染物容易在區(qū)域內(nèi)累積和傳輸，導(dǎo)致達(dá)州市的 濃度升高。

3結(jié)論

2023年1—2月，達(dá)州市的 累計濃度為 ，同比上升 3 3 . 6 % ，反彈較大。與四川省大部分城市相比，達(dá)州市的 濃度常年偏高。2023年1-2月 逐日變化表明，機動車尾氣可能是氮氧化物的重要貢獻(xiàn)源之一。2023年1—2月 小時變化表明， 濃度午后下降不明顯， 和 的轉(zhuǎn)化相對不明顯，晚高峰離群現(xiàn)象突出。2023年1—2月，在達(dá)州市4個國控站點中，達(dá)川機關(guān)賓館的 濃度最高（ ），污染特征雷達(dá)圖顯示區(qū)域污染類型為典型的機動車尾氣污染型。2023年1—2月，達(dá)州市 污染受區(qū)域傳輸影響較大，潛在污染源區(qū)主要分布在重慶市主城區(qū)－渝西地區(qū)、湖北省荊州市－宜昌市等遠(yuǎn)距離地區(qū)。

參考文獻(xiàn)

1 國務(wù)院.大氣污染防治行動計劃[EB/OL].（2013- 09-10）[2025-01-19].https：//www.mee.gov.cn/ ywgz/zcghtjdd/sthjghjh/201811/t20181129_676555. shtml.

2 ZHENGB，TONGD，LIM，et al.Trends in China’s anthropogenic emissions since 2010 as the consequence of clean air actions[J].Nature Sustainability，2021（3）：239-248.

3WANG HL.Freight transportation and air quality in inland cities：evidence from the Chengdu-Chongqing economic corridor[J].Transportation Research， 2022，108：103335.

4王聰，賀光艷，羅彬，等.四川省“十三五” 期間大氣污染防治成效評估[J].四川環(huán)境，2023 （3）：80-91.

5 WU XD，ZHANGSJ，WUY，et al.Vehicle emission trends in China’s rapidly developing regions： a case study of Chengdu-Chongqing economic circle[J].Science of the Total Environment， 2020，746：141069.

6 ZHANGQ，ZHENGYX，TONGD，et al.Impact of topography on air pollution distribution in Sichuan Basin：a case study of and NO [J].Atmospheric Environment，2020，234：117543.

7 SEINFELDJH，PANDISSN.Atmospheric chemistry and physics：from air pollution to climate change[M].New York：Wiley，2016.

8 LI K，JACOBDJ，LIAO H，et al.Anthropogenic drivers of 2013—2017 trends in summer surface ozone in China[J].Proceedings of the National Academy of Sciences，2019（2）：422-427.

9 JOSL，KLAUSK，ANDREAP，et al.Cardiovascular disease burden from ambient air pollution in Europe reassessed using novel hazard ratio functions[J]. European Heart Journal，2019（20）：1590-1596.

10KHREIS H，KELLY C，TATEJ，et al.Exposure to trafic-related air pollution and risk of development of childhood asthma：a systematic review and metaanalysis[J].Environment International，2017（3）： 1-31.

11 ZHANGQ，JIANGXJ，TONGD，et al. air pollution and international trade[J].Nature，2017 （3）：705-709.

12LIUF，ZHANGQ，VANDERARJ，et al.Recent reduction in emissions over China：synthesis of satelite observations and emisson inventories[J].Environmental Research Letters，2016（11）：114002.

13ZHANG Y L， CAO F.Fine particulate matter （（ ） in China at a city level[J].Scientific Reports，2015 （5）：14884.

14LINJT，PAND，DAVISSJ，etal.China’s international trade and air pollution in the United States[J].Proceedings of the National Academy of Sciences，2014（5）：1736-1741.

15WANG SX，ZHAO B，CAI SY，et al.Emission trends and mitigation options for air pollutants in East Asia[J].Atmospheric Chemistry and Physics，2014 （13）：6571-6603.

16DINGAJ，HUANGX，NIEW，etal.Enhanced haze pollution by black carbon in megacities in China[J].Geophysical Research Letters，2016（6）： 2873-2879.

17ZHANGYL，YANGX，BROWNR，et al. Persistent heavy winter nitrate pollution driven by increased photochemical oxidants in China[J].Nature Geoscience，2020（11）：744-749.

18LIJ，HANZW，ZHANGRJ，et al.Impacts of meteorological conditions on winter fine particulate matter pollution in Central China[J].Atmospheric Environment，2020，223：117240.

19段菁春，胡京南，譚吉華，等.特征雷達(dá)圖的設(shè) 計及其在大氣污染成因分析中的應(yīng)用[J].環(huán)境科 學(xué)研究，2018（8）：1329-1336.

20竇旺勝，王成新，劉照勝.2020年初京津冀及周 邊地區(qū)空氣污染特征研究[J].干旱區(qū)資源與環(huán)境， 2020（11）：8-14.

21ASHBAUGHLL，MALMWC，SADEHWZ. Aresidence time probability analysis of sulfur concentrations at grand Canyon National Park[J]. Atmospheric Environment，1985（8）：1263-1270.

22GUO H，LING ZH，CHENG HR，et al. Tropospheric volatile organic compounds in China[J]. Science of the Total Environment，2017，574： 1021-1043.