何 歡，趙碧云，韋凱華，何盛浩*，李世剛，魯 霞

（1.荊門市氣象局，湖北 荊門448000；2.廣東省氣象臺，廣東 廣州510640）

PM2.5是影響空氣污染的重要因子，同時由于PM2.5粒徑與可見光波長較接近，對可見光的消光作用較強[1]，被認為是造成低能見度現(xiàn)象的重要因素[2]，其濃度變化不僅受控于大氣顆粒物排放，也受到氣象條件的影響，氣象條件對其形成、分布、維持與變化的作用顯著，導致中國PM2.5呈區(qū)域性分布的特點[3-4]。許多學者[5-9]基于不同模型或統(tǒng)計方法在各地區(qū)開展顆粒物污染天氣過程分析、傳輸軌跡和潛在源相關(guān)研究，探討本地區(qū)重污染事件的氣象相關(guān)條件成因，這些研究表明一個地區(qū)的大氣顆粒污染物不僅來自于本地及其周邊區(qū)域的源排放，還存在遠距離輸送。

荊門市位于湖北省中部江漢平原地區(qū)，屬亞熱帶季風性氣候，各季節(jié)盛行風向有明顯差異，尤其冬季，漢江谷地作為冷空氣南下的主要通道，使得偏北大風對本地的影響較為顯著，可能存在污染物的外源性輸入，本地大氣環(huán)境污染問題日益突出。近年來，湖北省氣溶膠濃度整體呈現(xiàn)逐年上升趨勢[10]，PM2.5是湖北省冬季大氣的首要污染物，且具有明顯區(qū)域傳輸特征，重污染過程表現(xiàn)出的“非靜穩(wěn)”邊界層氣象條件特征有別于華北地區(qū)[11]，時空上呈現(xiàn)山區(qū)低平原高、冬季高夏季低的分布特征[12]。

盡管學者們對各地大氣污染過程中氣象條件特征進行了廣泛研究，但一般是對幾次重污染過程進行分析，研究時段比較短，并且不同氣象條件在不同地區(qū)對污染物濃度影響有明顯差異，有必要進行針對性研究。本文采用HYSPLIT 模型，利用聚類分析客觀方法，模擬近3 a 冬季抵達荊門市氣團的傳輸軌跡，結(jié)合起始點地面觀測要素值分析各路徑軌跡造成PM2.5濃度值變化的異同。利用潛在源分析方法估計出影響荊門市的潛在源區(qū)概率以及不同潛在源區(qū)對荊門市冬季PM2.5濃度貢獻的差異。通過這些分析，可以對本地空氣污染和低能見度事件作出科學診斷，為主要依靠大氣環(huán)流形勢判斷的空氣污染氣象條件等級預報業(yè)務(wù)提供理論支撐；同時研究污染物的傳輸軌跡、潛在源區(qū)對于認識跨界污染的來源，有針對性地制定區(qū)域協(xié)同控制政策也有重要意義[13]。

1 資料來源與研究方法

1.1 資料來源

本文所用資料時間為2015 年3 月—2018 年2月。地面常規(guī)氣象要素（10 m 10 min 平均風、海平面氣壓、水汽壓）逐小時數(shù)據(jù)來源于荊門國家氣象觀測站（112.22°E，31.0°N）。PM2.5濃度逐小時數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站公布的荊門市城區(qū)4 個環(huán)保國控監(jiān)測站（竹園小學、掇刀、石化一小、西山林語），逐小時數(shù)據(jù)為這四站的算術(shù)平均。邊界層高度和用于氣團傳輸軌跡計算的大氣再分析數(shù)據(jù)為NOAA 提供的GDAS1°×1°逐3 h 資料。根據(jù)荊門市氣候特征，定義本地冬季：12 月—次年2 月，春季：3—5 月，夏季：6—8 月，秋季：9—11 月。其中用于冬季氣團軌跡計算及潛在源分析相關(guān)資料時間為2015 年12 月—次年2 月，2016 年12 月—次年2 月，2017 年12 月—次年2 月，本文將這3 個時段稱為“2015—2017 年冬季”。

1.2 研究方法

1.2.1 氣團軌跡計算

HYSPLIT 是NOAA 的空氣資源實驗室和澳大利亞氣象局聯(lián)合研發(fā)的一種用于計算和分析大氣污染物輸送、擴散軌跡的專業(yè)模型。該模型可以模擬不同排放源在不同的氣象條件下所排放的污染物的輸送、擴散和沉降等過程。目前該模型多用于研究污染物的污染過程以及污染物來源的探求。本文應用HYSPLIT 模型計算氣團傳輸軌跡，考慮冬季一般邊界層高度相對較低，模擬高度選擇為近地面層的100 m 處，逐3 h 計算一次荊門（112.22°E，31.0°N）后向48 h 氣流軌跡，以此來反映氣團的傳輸軌跡。

1.2.2 聚類與潛在源貢獻分析

聚類分析是一種定量方法，其原理是將多個樣本數(shù)據(jù)分到不同的類，類內(nèi)的相似度盡可能高，而類間的相似度盡可能低。為了提高單一的后向軌跡的可信度，許多研究用軌跡聚類分析的方法來研究大氣環(huán)境污染物的輸送[13-15]，對計算出的大量樣本軌跡進行分類，以便于找出其中的主要特征。本文采用總空間方差（TSV）變化率對聚類質(zhì)量進行評價，軌跡數(shù)由大到小進行迭代，當TSV 變化率迅速增大后，說明這次聚類的結(jié)果類內(nèi)已經(jīng)非常不相似，迭代結(jié)束，選擇此次迭代前的軌跡條數(shù)作為聚類數(shù)[10]，另外本研究注重的是抵達研究站點的氣流軌跡的方向，因此本文聚類使用的距離算法采用Angle Distance[16]，它能夠清晰地看出各個方向氣團比例。

軌跡的聚類分析能確定氣團的路徑、方向和傳輸速度，但是不能定位氣團的潛在源區(qū)。潛在源貢獻因子分析法（Potential Source Contribution Function，PSCF），也稱為滯留時間分析法，是一種根據(jù)氣象數(shù)據(jù)計算出的氣團軌跡與污染物濃度數(shù)據(jù)來分析辨別源區(qū)的方法[17]。該方法將研究區(qū)域網(wǎng)格化，某條軌跡在空間中某地停留時間越長，該網(wǎng)格中軌跡節(jié)點數(shù)就更多，經(jīng)過網(wǎng)格（i，j）上的節(jié)點數(shù)記為Nij。該方法需要對觀測要素（如PM2.5小時濃度值）設(shè)定閾值，當后向軌跡上的節(jié)點所對應的要素值高于這個閾值時，則認為該軌跡節(jié)點為污染節(jié)點，記為Mij。Mij與Nij的比值[18]即：

PSCF 的值越大，表明該格點對于研究站點要素值的貢獻越大，為潛在源區(qū)。由于PSCF 是一種條件概率，當經(jīng)過網(wǎng)格（i，j）上的節(jié)點數(shù)Nij較少時；或者只因為有少量的軌跡在經(jīng)過該網(wǎng)格，僅因停留時間較長而造成的節(jié)點數(shù)較多的這兩種情況，PSCF 計算結(jié)果的不確定性較大，使其不具有統(tǒng)計學意義，應該被處理為很低的值，為降低這種計算的不確定性，有學者引入了兩個權(quán)重函數(shù)W1ij和W2ij來降低這兩種情況下該網(wǎng)格的概率，具體經(jīng)驗權(quán)重因子參照相關(guān)文獻確定[19-20]，即:

本文使用的聚類與潛在源貢獻分析方法均來自于TrajStat 軟件（http://www.meteothinker.com/index.html），參考《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）》（HJ 633—2012），將PM2.5濃度等級劃分為，優(yōu)、良、輕度污染、中度污染及嚴重污染。優(yōu)，0～35 μg/m3，良，35～75 μg/m3，輕度污染，75～115 μg/m3，中度污染，115～150 μg/m3，重度污染，150～250 μg/m3，嚴重污染，＞250 μg/m3及以上，設(shè)定軌跡中PM2.5濃度閾值為輕度污染起始值75 μg/m3。

2 荊門市PM2.5 濃度變化特征

通過對荊門市區(qū)4 個環(huán)保國控站點2015 年3月—2018 年2 月的3 a 數(shù)據(jù)做各月算術(shù)平均，得到PM2.5月均濃度變化（圖1）。PM2.5月均濃度表現(xiàn)為1月最高，達到107 μg/m3，接近中度污染，在此期間PM2.5濃度最大值出現(xiàn)在2016 年1 月4 日20 時，為529 μg/m3；7 月最低，達到優(yōu)；冬季3 個月濃度值均達到或者接近輕度污染，冬季平均值為92 μg/m3，春秋季基本相當，夏季最好，春夏秋為優(yōu)或良好等級。鑒于冬季PM2.5污染最重，且濃度顯著高于其它季節(jié)，本文僅對冬季氣團傳輸軌跡及潛在源區(qū)進行模擬與分析。

圖1 2015 年3 月—2018 年2 月荊門PM2.5 月均濃度

對荊門2015—2017 年冬季逐小時地面10 m風與PM2.5濃度值分析（圖2），中度污染以上的高濃度值區(qū)域主要集中在地面N 和NNE 風向，在整個冬季中占比達40%（N 占25%，NNE 占15%），并且污染區(qū)域內(nèi)風速值較大，主要在5～11 m/s，NNE 風向是污染物最集中的方向，在8 m/s 處出現(xiàn)濃度為250 μg/m3嚴重污染以上的極值區(qū)，NW、NNW 風向雖然存在中度污染以上的高值區(qū)，但是僅占5%，在冬季較少出現(xiàn)。同時注意到NE、ENE 風向?qū)ξ廴疚镉酗@著清除作用，PM2.5濃度出現(xiàn)相對的低值區(qū)，最優(yōu)等級主要在該方向出現(xiàn)。SW 風向污染物與風速關(guān)系不大，分布比較均勻。W 風向全風速段濃度值都較低，在良到輕度污染等級。其余風向中，污染主要集中在5 m/s 以下的低風速區(qū)，為本地源排放造成，污染等級不高。總的來說，較高濃度PM2.5主要與本地地面偏北（N、NNE）大風伴隨出現(xiàn)，低風速較少達到中度以上污染，表明污染較重的過程以傳輸性為主。

3 氣團軌跡與潛在貢獻源區(qū)分析

3.1 氣團軌跡

圖2 2015—2017 年冬季荊門風玫瑰圖與PM2.5 濃度分布

在一定時間內(nèi)，一般本地污染排放量變化較小，除了本地污染物的累積，外來污染物的輸送也至關(guān)重要，利用后向軌跡模式可反推污染氣團來源，重現(xiàn)污染形成的過程[21]。利用HYSPLIT 模型對2015—2017 年冬季做3 h 間隔的后向48 h 軌跡模擬，得到2085 條軌跡，并進行聚類，由TSV 變化率確定出3條主要軌跡路徑，根據(jù)方位記為西南、東北、西北路徑，軌跡數(shù)分別為633、741、711 條，占總數(shù)的比分別為30.36%、35.54%、34.1%，各路徑軌跡數(shù)分布比較均勻（圖3a）。同時，圖3a 還給出了每條氣團軌跡隨時間的變化高度，其中東北路徑軌跡都在900 hPa之下，為近地面或低空傳輸；而西北和西南路徑軌跡為850 hPa 之上的中高空傳輸，臨近時間高度才開始降低，與東北路徑軌跡傳輸高度形成顯著差異。圖3b 計算出各路徑軌跡隨后向時間的平均高度變化，西北和西南路徑在后向12 h 內(nèi)高度快速下降，根據(jù)時間推算下降的區(qū)域已經(jīng)在荊門本地或其周邊。

圖3 2015—2017 年冬季荊門后向氣團軌跡與聚類路徑（a）和軌跡隨時間的平均高度變化（b）

為了研究各路徑軌跡傳輸高度差異對于軌跡起始點PM2.5濃度影響，將各路徑軌跡起始點對應的站點要素值作算術(shù)平均，并對各要素的48 h 變化計算兩端差值，進行統(tǒng)計分析，結(jié)果如表1、2 所示。其中東北路徑PM2.5濃度最高，西南路徑次之，兩者均高于冬季平均值92 μg/m3，這兩條路徑軌跡的PM2.5濃度48 h 變化值為正，可見都對荊門市PM2.5濃度的增加有正貢獻。而西北路徑PM2.5濃度48 h 變化值為-12.8 μg/m3，濃度分等級統(tǒng)計表中也相較于其它兩類軌跡更趨于向低等級聚集，表明該軌跡對濃度有較大的負貢獻，另外，海平面氣壓48 h變化值為+2.9 hPa，水汽壓48 h 變化值為-0.6 hPa，可見西北干冷空氣對荊門市污染物具有一定的清除作用。

根據(jù)表1、2 進一步分析發(fā)現(xiàn)，東北和西南路徑雖然都對PM2.5濃度的增加有正貢獻，但這兩者的貢獻方式存在明顯差異。西南路徑主要是位于高空槽前（地面減壓4.3 hPa），高空傳輸高度在850 hPa 以上，根據(jù)本地天氣學模型分析，高空槽前中層一般存在水汽輸送，軌跡高度在靠近荊門或其周邊區(qū)域降低，地面水汽壓增大1.0 hPa，表明西南路徑軌跡水汽有向下傳輸?shù)倪^程。根據(jù)再分析資料計算出的邊界層平均高度可以發(fā)現(xiàn)，西南路徑高度最低，為270 m，相較于東北和西北路徑的386 m、408 m，垂直擴散條件較差。許多研究表明，當近地面層空氣中水汽較多時，能夠?qū)е露瘟Ｗ拥纳刹⒓铀兕w粒物的吸濕增長[22-23]，同時顆粒物對太陽輻射的反射和散射，加強了對近地邊界層的壓抑作用，進一步限制顆粒物的垂直擴散[24-26]。故西南路徑軌跡水汽的向下傳輸導致粒子吸濕增長和邊界層限制擴散是荊門地面PM2.5濃度值升高的重要因素。這里需要說明的是荊門冬季降水經(jīng)常伴隨有冷鋒，雖然在中高空表現(xiàn)為西南路徑方向的水汽輸送，但可能水汽沉降到荊門市北部地區(qū)，然后受地面冷鋒的偏北風影響，再向南傳輸，所以西南方向路徑軌跡對應地面站點觀測可能是偏北風，而并不一定是偏南風。

表1 后向軌跡起始點要素值統(tǒng)計

表2 后向軌跡起始點PM2.5 濃度分等級統(tǒng)計路徑軌跡數(shù)及占比 條

東北路徑軌跡傳輸高度較低，重度和嚴重污染軌跡條數(shù)為135 條，另外兩類合計117 條，占比較大，71%的嚴重污染等級出現(xiàn)在該路徑，而西南路徑較東北路徑污染總體偏弱，說明東北路徑PM2.5濃度值較高的原因是因為上游地區(qū)污染物傳入，近地面層為其主要的輸送通道，本地或其周邊區(qū)域PM2.5排放和吸濕增長后的濃度不及東北路徑外源性輸入的多。但同時注意到東北路徑軌跡的優(yōu)到良等級軌跡條數(shù)也較多，與前文站點風玫瑰圖對應，地面偏北大風往往與高污染值伴隨出現(xiàn)，特別是NE 和ENE 風向，在高污染值出現(xiàn)之后因為冷空氣的繼續(xù)南下，大氣擴散條件好，空氣質(zhì)量好轉(zhuǎn)，使得PM2.5濃度48 h變化值西南路徑大于東北路徑。

3.2 潛在源區(qū)

圖4 為荊門2015—2017 年冬季48 h 潛在源區(qū)分布，值越大表明更趨向于受到了來自經(jīng)過這些格點的氣團影響，則該格點對于荊門市PM2.5濃度傳輸貢獻的概率就越大，即為潛在源區(qū)。西南路徑中48 h 潛在源區(qū)主要集中在湖北省內(nèi)和湖南省北部區(qū)域，離荊門市距離較近，與前文軌跡輸送高度下降區(qū)一致，進一步證明是水汽沉降后，該地區(qū)的吸濕增長和不利的垂直擴散條件導致PM2.5濃度增長，成為潛在源區(qū)；東北路徑的48 h 潛在源區(qū)是距離較遠處的河南，這些地區(qū)成為荊門市主要的外源性輸入地；西北路徑潛在源區(qū)的概率值都較小，從整個冬季來看，雖然冷空氣活動對本地污染物有清除作用，但在靠近荊門市的西北向地區(qū)還是有一定的貢獻。

圖4 2015—2017 年冬季荊門48 h潛在源貢獻因子分布

4 結(jié)論

本文對2015 年3 月—2018 年2 月荊門市PM2.5濃度值按月和季節(jié)進行了分析，利用HYSPLIT 軌跡模型對污染最嚴重的冬季進行后向48 h 氣團軌跡模擬，用聚類和潛在源貢獻分析方法獲得了不同潛在源區(qū)對荊門市冬季PM2.5濃度貢獻的差異。得到如下結(jié)論：

（1）荊門市PM2.5月均濃度表現(xiàn)為1 月最高，達到107 μg/m3，7 月最低，為30 μg/m3。冬季3 個月份濃度值均已達到或者接近輕度污染，冬季平均值為92 μg/m3，顯著高于其它季節(jié)。

（2）較高濃度PM2.5主要與本地地面5～11 m/s偏北（N、NNE）大風伴隨出現(xiàn)，低風速較少達到中度以上污染，表明污染較重的過程以傳輸性為主。NE和ENE 風向?qū)ξ廴疚镉酗@著清除作用，PM2.5濃度出現(xiàn)相對的低值區(qū)，最優(yōu)等級主要在該方向出現(xiàn)。

（3）將冬季后向48 h 氣團軌跡通過聚類分為西南、東北、西北3 個路徑。東北和西南路徑氣團引起PM2.5濃度升高，西北路徑氣團整體上對污染物具有一定清除作用。東北路徑軌跡傳輸高度低，將近地面層潛在源區(qū)的污染物輸送至荊門，同時冷空氣南下還具有先污染后清除的特征。西南路徑氣團軌跡輸送中高層水汽并在潛在源區(qū)逐漸下沉，加速顆粒物的吸濕增長，限制顆粒物的垂直擴散，導致PM2.5濃度上升。

（4）東北路徑方向的河南以及靠近荊門市的西北、西南向地區(qū)為48 h 的潛在源貢獻大值區(qū)，這些地區(qū)成為荊門市主要的外源性污染物輸入地。

5 討論

本文綜合分析氣團軌跡傳輸高度、軌跡起始點地面氣象觀測要素和潛在源區(qū)位置，從得出的結(jié)論來看，在用氣象條件定性判斷荊門的未來的PM2.5濃度變化時，對于近地面的傳輸東北路徑，應關(guān)注上游潛在源區(qū)內(nèi)地面站點PM2.5的濃度值。對于高空傳輸?shù)奈髂下窂?，應關(guān)注高空水汽的輸送情況，以及軌跡高度下降地區(qū)即水汽的沉降地區(qū)是否在潛在源區(qū)。西北路徑為干冷空氣的高空傳輸，在較接近荊門市時軌跡高度才開始明顯下降，其概率值較大的潛在源區(qū)靠近荊門市，應關(guān)注西北方向近距離潛在源區(qū)的地面站點PM2.5的濃度值，若這一源區(qū)內(nèi)濃度較小，可大概率判斷為冷空氣的活動對本地污染物有清除作用。如果冬季地面有東北路徑冷空氣與高空偏南暖濕氣流配合可能出現(xiàn)這兩者情況的疊加，造成荊門市PM2.5濃度爆發(fā)性增大。

通過HYSPLIT 軌跡模型對氣團軌跡進行后向模擬和聚類，并結(jié)合起始站點污染物濃度和氣象要素分析得出潛在源區(qū)以及路徑傳輸特征，其思路方法對于綜合運用氣象、環(huán)境觀測資料進行本地空氣污染科學診斷與氣象條件等級預報具有一定普遍適用性和指導借鑒意義。