孔珊珊，劉厚鳳*，陳義珍

（1. 山東師范大學，濟南 250014；2. 中國環(huán)境科學研究院，北京 100012）

基于后向軌跡模式的北京市PM2.5來源分布及傳輸特征探討

孔珊珊1，劉厚鳳1*，陳義珍2

（1. 山東師范大學，濟南 250014；2. 中國環(huán)境科學研究院，北京 100012）

近年來中國經歷了數(shù)次大范圍霧霾天氣，北京等多個城市更是遭遇連續(xù)霧霾。造成霧霾天氣的主要污染物PM2.5又稱細顆粒物。為了進一步治理北京霧霾，為制定政策提供依據(jù)，須了解北京地區(qū)PM2.5的來源。本文基于后向軌跡模式并結合PM2.5濃度計算了2015年9月1日0∶00至2016年8月31日23∶00以北京為起始點，向后推算48小時的軌跡，并結合軌跡聚類分析法、潛在源貢獻因子法（PSCF）、濃度權重軌跡分析法（CWT）等，探討北京地區(qū)PM2.5的來源。結果表明：模擬的后向軌跡經過聚類分析可分為6類，其中來自內蒙古西部的軌跡最多，來自西北、北西北方向的軌跡次之，來自西西北方向且在京津冀地區(qū)停留一段時間的軌跡占比最小，來自河北、山東、河南的交接地區(qū)及河北的沿海地區(qū)的軌跡占比也較小。其中來自內蒙古西部地區(qū)及河北、山東、河南交界地區(qū)的兩類軌跡對北京的空氣質量有較大的影響，是北京PM2.5污染的主要潛在源區(qū)；來自北西北方向及河北的沿海地區(qū)兩類軌跡的氣團最為清潔，為北京帶來良好的天氣；來自西北及西西北方向的部分軌跡對應的PM2.5濃度嚴重超標，說明來自此方向的氣團對北京的空氣質量也有一定的影響。

后向軌跡模式；PM2.5來源分布；傳輸特征；北京市

引言

PM2.5又稱細顆粒物，是指空氣中空氣動力學粒徑小于2.5μm的顆粒物，是造成霧霾污染的主要污染物。與PM10（空氣中空氣動力學粒徑小于10μm的顆粒物）相比，PM2.5的粒徑更小，能在大氣中遠距離傳輸和長時間停留，因而對大氣環(huán)境質量的影響很大；PM2.5易于附著在各類有毒有害物質（如各種致病菌、持久性有機污染物、重金屬等）上，并且可以進入肺部，對人體具有更大的健康危害[1,2]。近幾年，雖然北京市在治理霧霾方面取得一定成績，但霧霾天氣仍然頻繁發(fā)生。為進一步更好地治理北京霧霾，為制定政策提供依據(jù)，須了解北京地區(qū)PM2.5的來源。

陳云波等[3]對2014年北京兩次重污染過程進行PM2.5區(qū)域來源貢獻分析，得出河北、山西、山東、天津、河南的PM2.5貢獻率隨污染的加重而增長的結論，說明較遠距離的污染輸送影響逐漸加大；李璇等[4]通過建立三維空氣質量模型系統(tǒng)對2013年1月北京的一次污染過程進行模擬，得到本地污染源排放是北京地區(qū)PM2.5的主要來源，京津冀周邊地區(qū)及邊界外來源貢獻率分別為12%和24%。由此可見，對北京遠距離的潛在污染源區(qū)研究較少，而后向軌跡模式結合了大氣水平和垂直運動，在污染物傳輸、擴散和沉降等方面都有較完整的考慮，被廣泛應用于分析遠距離的大氣污染過程。以其為基礎的統(tǒng)計和分析方法有多種，如軌跡聚類分析、潛在源貢獻因子法（potential source contribution function，PSCF）、濃度權重軌跡分析法（CWT）等。趙倩彪等[5]運用后向軌跡模式分析上海市PM2.5的來源及傳輸特征，得到長三角的主要城市尤其是上海及周邊地區(qū)的排放貢獻最大，江蘇北部和山東南部的帶狀地區(qū)貢獻也較明顯。另外，王茜等、趙恒等、石春娥等也分別運用后向軌跡模式對上海、香港、合肥等地的大氣污染進行研究并得到相應的結論[6-8]。本文利用后向軌跡模式及其分析方法，結合PM2.5濃度，分析不同方向來源的氣團對北京市空氣質量的影響，探討北京地區(qū)PM2.5的來源。

1 資料和方法

1.1 資料來源

PM2.5濃度數(shù)據(jù)來自北京市環(huán)境監(jiān)測中心的美國大使館監(jiān)測點（http://www.young-0.com/airquality）。后向軌跡模式采用的氣象資料為NCEP（美國國家環(huán)境預報中心）提供的全球資料同化系統(tǒng)（GDAS）2015—2016年數(shù)據(jù)，氣象要素場包括溫度、氣壓、相對濕度、地面降水、水平和垂直風速等。

1.2 后向軌跡模式

后向軌跡模式采用NOAA（美國國家海洋大氣研究中心空氣資源實驗室）開發(fā)的HYSPLIT4.9版本[9]。該模式是歐拉和拉格朗日混合型的擴散模式，其平流和擴散的處理均采用拉格朗日方法，濃度計算采用歐拉方法。HYSPLIT 模式在輸送、擴散和沉降過程方面考慮得較為完整，模擬時間精度最高可精確到小時，目前在國內外廣泛應用于分析污染物來源及確定傳輸路徑等[10]。以其為基礎的統(tǒng)計和分析方法有多種，如軌跡聚類分析、潛在源貢獻因子法（PSCF）、濃度權重軌跡分析法（CWT）等。今選取北京市環(huán)境監(jiān)測點美國大使館為后向軌跡起始點，起始高度為500m，時間為2015年9月1日0：00—2016年8月31日23：00，每2小時模擬一條后向軌跡，推算時間48小時。

2 結果與分析

2.1 聚類分析

聚類分析是一種研究多個要素（或多個變量）的客觀分類方法，其通過尋找一種能客觀反映樣本之間遠近關系的統(tǒng)計量，然后根據(jù)該統(tǒng)計量將樣本分成若干類?；跉饬鬈壽E的聚類方法是根據(jù)氣流的空間相似度（傳輸速度和方向）對大量軌跡進行分組[11]。常用的聚類分析方法主要有系統(tǒng)聚類法和非系統(tǒng)聚類法。系統(tǒng)聚類法是按照樣本間的距離定義聚類類別，首先將所有n 個變量看成不同的n類，先將距離最近的兩類合并為一類，再從分出的n–1類中尋找最近的兩類加以合并，以此類推直至所有變量合為一類。常用的系統(tǒng)聚類方法有很多種[10]，為了解北京市主要污染物的輸送路徑，該研究利用系統(tǒng)聚類方法中的Ward’s 方差法進行分析。由于僅關注研究點（北京）的后向氣流軌跡輸送的水平來向，因此采用Angle distance 算法[12]進行分類，得到不同的輸送氣流類型，在此基礎上對每組氣流所對應的污染物濃度特征進行統(tǒng)計分析[6]。

圖1 后向軌跡聚類分布

如圖1所示，對后向軌跡模式模擬的4313條有效軌跡進行聚類分析，得到6類。其中，第一類軌跡來自北西北方向，傳輸距離較遠，傳輸速度慢，經過河北、內蒙古，最遠可達蒙古、俄羅斯，軌跡數(shù)量占總數(shù)的16.6%；第二類軌跡來自西北方向，傳輸距離也較遠，可達蒙古，占軌跡總數(shù)的25.5%；第三類軌跡來自西西北方向，起源于我國內蒙古西部與蒙古的交界處，經過蒙古、我國河北的傳輸后在京津冀地區(qū)停留一段時間，最終抵達終點，此類軌跡為6類軌跡中數(shù)目最少的，僅占5.1%；第四類軌跡主要來自內蒙古西部，氣流軌跡數(shù)量為6類軌跡中最大的，占軌跡總數(shù)的27.3%；第五類軌跡傳輸距離較近，傳輸速度快，來自河北、山東、河南的交接地區(qū)，占軌跡總數(shù)的12.0%；第六類軌跡傳輸距離最近，傳輸速度也最快，主要來自河北的沿海地區(qū)，占軌跡總數(shù)的13.5%。

2.2 不同軌跡對PM2.5濃度的影響

基于后向軌跡聚類分析結果，計算每類軌跡對應時間的PM2.5濃度的平均值，以表征該軌跡來源方向的氣團對北京市空氣質量的影響。另對每類軌跡中超過空氣質量二級標準的軌跡進行統(tǒng)計分析，具體參數(shù)見表1。由表1可知：①第一類軌跡傳輸距離較長，PM2.5濃度最低，僅為21.8μg/m3，超標的軌跡數(shù)也僅占5.7%，說明來自此方向的氣團較為清潔；②第二類軌跡數(shù)較多，PM2.5平均濃度低于空氣質量二級標準，但有27.8%的軌跡嚴重超標，超標的PM2.5平均濃度達196.56μg/m3，究其污染時間主要在11月、12月、1月、3月、4月；③第三類軌跡的PM2.5平均濃度較低，但也有一定比例的超標現(xiàn)象；④第四類軌跡的PM2.5平均濃度高達110.68μg/m3，且有50%的軌跡是嚴重超標，說明來自此方向的氣團對北京的空氣質量有較大的影響；⑤第五類軌跡數(shù)量占總體比例不高，傳輸時間也較短，但其污染嚴重，53%的軌跡嚴重超標；⑥第六類軌跡的PM2.5平均濃度較低，雖有一定比例軌跡超標的現(xiàn)象，但污染水平不高，總體而言來自此方向的氣團較為清潔。

表1 各類后向軌跡對應的PM2.5濃度

2.3 PSCF分析

PSCF 因子法是一種基于氣流軌跡分析來識別源區(qū)的方法，也稱為滯留時間分析法[13]。利用該方法可初步確定影響空氣質量的污染源區(qū)[14-17]。該方法假設：如果氣團后向軌跡在某個網格中有停留時間，那么該氣團會接收到來自這個區(qū)域的排放，隨后經過傳輸，對接受點的濃度產生貢獻[5]。按式（1）計算：

式中，nij是所有軌跡在網格ij中的總停留時間；mij是濃度超過某規(guī)定限值的所有軌跡在網格ij中的停留時間。文中PM2.5的臨界值均采用《環(huán)境空氣質量標準》（GB3095—2012）中的二級標準限值75μg/m3。

對于某些偏遠網格，由于軌跡總體停留時間占比少，即分母nij較小，可能會引起計算結果較大的不確定度，因此引入Wij（權重因子）[18,19]。當某一網格中的mij小于研究區(qū)域內各個網格內平均滯留時間的3倍時[20]，則用Wij來計算PSCF值，以減小不確定性，即WPSCF = Wij×PSCF。Wij定義如下：

利用PSCF方法對北京PM2.5濃度進行分析，將模擬期間計算的氣流軌跡所覆蓋的區(qū)域（90°E～130°E、30°N～60°N）網格化，分成0.5°×0.5°的水平網格，然后針對研究期間的所有軌跡，計算各網格的WPSCF值，結果見圖2。如圖2所示，網格顏色越深，代表WPSCF值越大，也就是說，北京市PM2.5濃度超過75μg/m3時更趨向于接受來自這些地區(qū)的氣團影響，可以間接地反映該地區(qū)的排放對北京PM2.5濃度的影響程度。由圖可見，WPSCF高值區(qū)主要集中在河北南部、山東與河南交界處及其周圍地區(qū)，表明除本地污染源以外，這些地區(qū)的污染輸送是導致北京PM2.5濃度較高的主要原因，這一結論與陳云波等、李璇等[3,4]的結論一致。內蒙古西部、山西、陜西等地區(qū)的網格也有一些顏色較深，表明來自這些區(qū)域的傳輸也可能在一定程度上導致北京PM2.5超標情況的發(fā)生。另外值得注意的是，山東半島南部的黃海海域網格顏色也較深，WPSCF值較大，通過對原始軌跡進行驗證，發(fā)現(xiàn)7月份有大量的污染軌跡來源于此，導致此處成為北京市的潛在污染源區(qū)。

2.4 CWT分析

PSCF方法的一個局限是，當PM2.5濃度略高或遠高于標準時可以有相同的WPSCF值，很難區(qū)分出高濃度的PM2.5來源。而CWT分析法則可以通過計算軌跡的權重濃度定量給出每個網格的平均權重濃度，反映以北京為接受點的上游地區(qū)PM2.5濃度的分布情況。計算公式為：

式中，Cij是網格ij的平均權重濃度；l是軌跡；M是軌跡數(shù)目；Cl是軌跡到達時對應的濃度；τijl軌跡l在網格ij的停留時間。為減少Cij值的不確定性，權重因子Wij同樣適用，即WCWT=Cij×Wij。

同樣將模擬期間計算的氣流軌跡所覆蓋的區(qū)域（90°E～130°E、30°N～60°N）網格化，分成0.5°×0.5°的水平網格，利用WCWT方法對北京市的PM2.5濃度進行分析，結果見圖3。網格顏色越深，WCWT值越大。由圖3可見，WCWT高值區(qū)并不完全呈現(xiàn)以北京為中心的分布態(tài)勢。來自京津冀地區(qū)、山東及安徽與河南交界地區(qū)、陜西及山西北部、內蒙古西部等地區(qū)的軌跡對應的PM2.5權重濃度最高，來自我國山東半島、內蒙古中部及蒙古等的軌跡權重濃度次之，說明也有一定的貢獻。另外值得注意的是，哈薩克斯坦的WCWT值也較大，雖然距離北京較遠，推測可能是來自于西伯利亞氣流的影響，使污染物遠距離輸送到北京。

圖2 北京市PM2.5的WPSCF分布特征

3 結論與對策

3.1 結論

圖3 北京市PM2.5的WCWT分布特征

（1）對北京市進行后向軌跡聚類分析，得到6類，其中來自內蒙古西部的軌跡最多，來自西北、北西北方向的軌跡次之，來自西西北方向且在京津冀地區(qū)停留一段時間的軌跡占比最小，來自河北、山東、河南的交接地區(qū)及河北的沿海地區(qū)的軌跡占比也較小。

（2）基于后向軌跡聚類分析結果，計算每類軌跡對應的PM2.5平均濃度，得到第4、5類軌跡對應的PM2.5濃度嚴重超標，說明來自此方向的氣團對北京的空氣質量有較大的影響；第1、6類軌跡對應的PM2.5濃度最低，說明來自此方向的氣團較為清潔；第2、3類軌跡對應的PM2.5平均濃度低于空氣質量二級標準，但有一定比例軌跡對應的PM2.5濃度嚴重超標，說明來自此方向的氣團對北京的空氣質量也有一定的影響。

（3）利用PSCF方法對北京的PM2.5濃度進行分析，得到WPSCF高值區(qū)主要集中在河北、山西及其周圍地區(qū)，表明短距離傳輸是導致北京PM2.5高濃度的主要原因。內蒙古西部、河南、山東等地區(qū)的網格也有一些顏色較深，表明來自這些區(qū)域的傳輸也可能在一定程度上導致北京PM2.5超標情況的發(fā)生。

（4）利用WCWT方法對北京市的PM2.5濃度進行分析，得到WCWT高值區(qū)并不完全呈現(xiàn)以北京為中心的分布態(tài)勢。來自京津冀地區(qū)、山東及安徽與河南交界地區(qū)、陜西及山西北部、內蒙古西部等地區(qū)的軌跡對應的PM2.5權重濃度最高，來自我國山東半島、內蒙古中部及蒙古等的軌跡權重濃度次之，說明也有一定的貢獻。

3.2 對策

本研究對北京市PM2.5的來源進行了初步探討，結果顯示，我們在制定相關減排控污政策時應著重考慮相應污染物的來源控制，重視霧霾污染源區(qū)域性污染遷移效應，并采取有針對性的措施加以管理和控制。

（1）加強細顆粒物（PM2.5）的監(jiān)測能力，建立科學的監(jiān)測評估體系。進一步完善北京市的監(jiān)測系統(tǒng)及信息公布情況，并在此基礎上建立健全極端不利氣象條件下大氣污染監(jiān)測報告和預警體系，以便出現(xiàn)重污染天氣時及時啟動應急機制。

（2）實施區(qū)域污染分區(qū)分類管理。依據(jù)北京市周邊地區(qū)的大氣污染程度、城市空間分布及區(qū)域內污染物的空間輸送規(guī)律將周邊區(qū)域劃分為重點控制區(qū)和一般控制區(qū)，并實施差異化的控制管理制定有針對性的污染防治措施。

（3）完善配套治理措施，切實控制PM2.5濃度。北京市需要實施與多污染物協(xié)同減排，深化工業(yè)污染防治，同時加強移動源和面源污染的治理工作。改變燃料構成，提高環(huán)境準入門檻，嚴格控制開放源和機動車污染，降低環(huán)境與人群健康風險。

[1] LIU T, ZHANG Y H, XU Y J, et al. The effects of dusthaze on mortality are modified by seasons and individual characteristics in Guangzhou, China[J]. Environmental pollution, 2014, 187: 116-123.

[2] 唐宜西, 張小玲, 熊亞軍, 等. 北京一次持續(xù)霾天氣過程氣象特征分析[J]. 氣象與環(huán)境學報, 2013, 29(5): 12-19.

[3] 陳云波, 徐峻, 何友江, 等. 北京市冬季典型重污染時段PM2.5污染來源模式解析[J]. 環(huán)境科學研究, 2016, 29(5): 627-636.

[4] 李璇, 聶滕, 齊珺, 等. 2013年1月北京市PM2.5區(qū)域來源解析[J]. 環(huán)境科學, 2015, 36(4): 1148-1153.

[5] 趙倩彪, 胡鳴, 張懿華. 利用后向軌跡模式研究上海市PM2.5來源分布及傳輸特征[J]. 環(huán)境監(jiān)測管理與技術, 2014, 26(4): 22-26.

[6] 王茜. 利用軌跡模式研究上海大氣污染的輸送來源[J]. 環(huán)境科學研究, 2013, 26(4): 357-363.

[7] 趙恒, 王體健, 江飛, 等. 利用后向軌跡模式研究TRACE-P期間香港大氣污染物的來源[J]. 熱帶氣象學報, 2009, 25(2): 181-186.

[8] 石春娥, 姚葉青, 張平, 等. 合肥市PM10輸送軌跡分類研究[J]. 高原氣象, 2008, 27(6): 1383-1391.

[9] DRAXLER R R, STUNDER B, ROLPH G, et al. Hysplit4 user's guide[EB/OL]. US: Air Resources Laboratory, 2009[2009-01-01]. http://ready.arl.noaa.gov/HYSPLIT.php.

[10] DRAXLER R R, HESS G D. Description of the HYSPLIT_4 modeling system[R]. NOAA Technical Memorandum ERL ARL-224. Silver Spring, Maryland: NOAA, Air Resources Laboratory, 1997.

[11] BORGE R, LUMBRERAS J, VARDOULAKIS S, et al. Analysis of long-range transport influences on urban PM10 using two-stage atmospheric trajectory clusters[J]. Atmospheric environment, 2007, 41(21): 4434-4450.

[12] SIROIS A, BOTTENHEIM J W. Use of backward trajectories to interpret the 5-year record of PAN and O3 ambient air concentrations at Kejimkujik National Park, Nova Scotia[J]. Journal of geophysical research, 1995, 100(D2): 2867-2881.

[13] BEGUM B A, KIM E, JEONG C H, et al. Evaluation of the potential source contribution function using the 2002 Quebec forest fire episode[J]. Atmospheric environment, 2005, 39(20): 3719-3724.

[14] ABBOTT M L, LIN C J, MARTIAN P, et al. Atmospheric mercury near Salmon Falls Creek Reservoir in southern Idaho[J]. Applied geochemistry, 2008, 23(3): 438-453.

[15] KARACA F, ANIL I, ALAGHA O. Long-range potential source contributions of episodic aerosol events to PM10 profile of a megacity[J]. Atmospheric environment, 2009, 43(36): 5713-5722.

[16] HSU Y K, HOLSEN T M, HOPKE P K. Comparison of hybrid receptor models to locate PCB sources in Chicago[J]. Atmospheric environment, 2003, 37(4): 545-562.

[17] POLISSAR A V, HOPKE P K, PAATERO P, et al. The aerosol at Barrow, Alaska: long-term trends and source locations[J]. Atmospheric environment, 1999, 33(16): 2441-2458.

[18] CHENG M D, LIN C J. Receptor modeling for smoke of 1998 biomass burning in Central America[J]. Journal of geophysical research, 2001, 106(D19): 22871-22886.

[19] XU X, AKHTAR U S. Identification of potential regional sources of atmospheric total gaseous mercury in Windsor, Ontario, Canada using hybrid receptor modeling[J]. Atmospheric chemistry and physics, 2010, 10(15): 7073-7083.

[20] POLISSAR A V, HOPKE P K, HARRIS J M. Source regions for atmospheric aerosol measured at Barrow, Alaska[J]. Environmental science & technology, 2001, 35(21): 4214-4226.

Discussion on the Source Distribution and Transmission Characteristics of PM2.5 in Beijing Based on Backward Trajectory Model

KONG Shanshan, LIU Houfeng*, CHEN Yizhen2
( 1. Shandong Normal University, Jinan 250014; 2. Chinese Research Academy of Environmental Sciences, Beijing 100012 )

China has experienced several large-scale haze weather in recent years, Beijing and other cities are facing to consecutive haze. The main pollutants of haze weather are PM2.5, also called fine particulate matter. In order to better governance haze in Beijing, provide reference for making policy, its source of PM2.5must be understood. Based on the backward trajectory model and combining the PM2.5concentrations, using Beijing as the starting point, the backward 48 hours trajectory from 0:00 on September 1, 2015 to 23:00 on August 31, 2016 were calculated, and then the trajectory clustering analysis method, the potential source contribution factor weights (PSCF) and the concentration of the trajectory analysis (CWT), etc., were used to discuss the source of PM2.5in Beijing. The results showed that the simulated track after a clustering analysis can be divided into six categories, trajectories from western Inner Mongolia were the most, second with trajectories from northwest and north-northwest, trajectories from west-northwest which stay in Beijing-Tianjin-Hebei region for a period of time are the minimum, trajectories from the transition region of Hebei, Shandong, Henan and from coastal areas of Hebei were also smaller. Two types of PM2.5trajectories from western Inner Mongolia and transition region of Hebei, Shandong, Henan have large effects on local air quality, which are major potential source areas of PM2.5pollution in Beijing; Air mass from north-northwest and the coastal areas of Hebei are the most clean, which bring good weather for Beijing; PM2.5concentration of parts trajectories from northwest and west-northwest exceeded bid badly, which also had certain impact on the air quality in Beijing.

backward trajectory model; source distribution of PM2.5; transmission characteristics; Beijing

X513

1674-6252（2017）01-0086-05

A

10.16868/j.cnki.1674-6252.2017.01.086

孔珊珊（1991—），女，山東師范大學在讀碩士研究生，研究方向為環(huán)境規(guī)劃與管理，E-mail: 937615906@ qq.com。

*責任作者： 劉厚鳳（1965—），女，山東師范大學教授，主要從事環(huán)境規(guī)劃與管理，大氣科學等方面的研究。