环境科学学报  2020, Vol. 40 Issue (10): 3785-3793
绥化市一次空气污染过程及潜在源区分析    [PDF全文]
李莉莉1,2, 朱莉娜1,2, 闫耀宗1,2, 王琨1,2, 王维业1,2, 姜珺秋1,2    
1. 哈尔滨工业大学城市水资源与水环境国家重点实验室, 哈尔滨 150090;
2. 哈尔滨工业大学环境学院, 哈尔滨 150090
摘要:本研究以2019年12月21—25日绥化市一次严重的空气污染事件为研究对象,分析了此次污染概况、气象条件、污染成因以及污染的潜在源区.结果表明:此次污染期间,绥化市以PM2.5污染为主,污染特征由21日10:00及22日11:00的偏燃煤污染型转变为24日15:00的偏二次颗粒物污染型,最终25日12:00污染特征又转变为偏燃煤型,本次污染主要以燃煤、机动车尾气和二次无机源为主;不利的气象条件主要由于弱风、高湿及低温、较差的扩散条件导致污染物局地积累;48 h后向轨迹模拟表明污染期间绥化市受4类气流输送的影响,主要来源于俄罗斯、内蒙古、吉林等方向,其中超标轨迹占97.4%;WPSCF分析发现潜在源区主要集中在绥化本地中部、辽宁省东北部、大庆市中部、齐齐哈尔市东南部、哈尔滨市中部区域;WCWT模拟出的潜在源区域较WPSCF大,模拟发现吉林北部对绥化PM2.5污染贡献值为60~80 μg·m-3,黑河东北部的贡献值高达100 μg·m-3以上,俄罗斯、内蒙古地区对绥化市大气PM2.5污染水平的影响及贡献较小.
关键词污染特征    后向轨迹模型    聚类分析    潜在源贡献因子(PSCF)    浓度权重轨迹(CWT)    绥化    
An air pollution process and potential sources of Suihua
LI Lili1,2, ZHU Lina1,2, YAN Yaozong1,2, WANG Kun1,2, WANG Weiye1,2, JIANG Junqiu1,2    
1. State Key Laboratory of Urban Water Resources and Environment, Harbin Institute of Technology, Harbin 150090;
2. School of Environment, Harbin Institute of Technology, Harbin 150090
Received 10 September 2020; received in revised from 12 September 2020; accepted 12 September 2020
Abstract: This study took a severe air pollution event in Suihua City from December 21st to 25th, 2019 as the research object, and analyzed the pollution profile, meteorological conditions, pollution causes, and potential source areas of pollution. The results showed that during this pollution period, Suihua City was dominated by PM2.5 pollution, and the pollution characteristics changed from the partial combustion coal pollution type at 10:00 on the 21st and 11:00 on the 22nd to the partial secondary particulate pollution type at 15:00 on the 24th. Finally, the pollution characteristics at 12:00 on the 25th changed to partial coal combustion. This pollution was mainly caused by coal combustion, motor vehicle exhaust, and secondary inorganic sources; unfavorable weather conditions were mainly due to weak winds, high humidity, and low temperatures. The local diffusion of pollutants caused local accumulation of pollutants; 48 h backward trajectory simulation showed that Suihua was affected by 4 types of airflow during the pollution period, mainly from Russia, Inner Mongolia, Jilin and other directions, of which 97.4% exceeded the standard trajectory; WPSCF analysis found that the potential source areas were mainly concentrated in the central area of Suihua, northeast of Liaoning Province, central area of Daqing, southeast of Qiqihar City, and central area of Harbin; The potential source area simulated by WCWT was larger than that of WPSCF. The contribution value of PM2.5 pollution was 60~80 μg·m-3, and the contribution value of the northeast of Heihe River was more than 100 μg·m-3. The impact of Russia and Inner Mongolia on the PM2.5 pollution level in Suihua City and was a smaller contribution.
Keywords: pollution characteristics    backward trajectory model    cluster analysis    potential source contribution factor (PSCF)    concentration weight trajectory (CWT)    Suihua    
1 引言(Introduction)

目前我国大气污染以颗粒物与臭氧并存的复合型污染为主(Chan et al., 2008Zhang et al., 2008贺克斌等, 2009), 秋冬季重污染天气频发不断, 研究表明主要是高污染排放量、不利的气象条件及污染区域传输等影响因素叠加造成的(李令军等, 2012Soonung et al., 2016), 许多学者主要从污染物时空分布及源解析、天气形势、边界层结构、动力条件、区域输送等方面分析大气重污染过程(王康宏等, 2019刘玲等, 2019刘可可等, 2019王醒等, 2019常美玉等, 2020), 研究城市多集中于京津冀、长三角、珠三角、关中平原及各个省会城市.针对污染物区域输送的研究多采用后向轨迹模型(HYSPLIT), 利用轨迹聚类分析、潜在源贡献因子分析(PSCF)、浓度权重轨迹分析(CWT)来识别污染物输送扩散特征和潜在源区.Kong等(2020)采用HYSPLIT模式的PSCF、CWT及聚类分析表明四川盆地的南部、东南部和东部是成都市PM2.5的主要潜在源区.薛文博等(2014)模拟研究表明跨区域输送对京津冀、长三角、珠三角及成渝城市群的PM2.5年均浓度贡献分别为22%、37%、28%、14%.黄光球等(2019)利用HYSPLIT模型模拟了西安市PM2.5输送路径及潜在源区, 发现来自西北方向的气流轨迹占比超过50%, PM2.5潜在源区主要位于陕南各城市及陕南周边省份交界处.段时光等(2019)发现低风速、高湿度及降水少是造成颗粒物污染的重要原因, 通过HYSPLIT方法模拟了PM2.5的潜在源区主要是北部的京津冀传输通道城市.李颜君等(2019)使用后向轨迹模型发现影响北京颗粒物浓度的外来气团和潜在源区具有明显季节差异, 蒙中、晋中、冀西南、豫北及鲁西是影响北京PM2.5的主要潜在区域.

与2018年相比, 2019年黑龙江省13个地级及以上城市中哈尔滨、牡丹江、大庆、伊春和绥化5个城市优良天数比例降低, 其中绥化市降低了4.2%.长期以来哈尔滨绥化的大气污染变化几乎完全同步, 而目前学者针对省会城市哈尔滨的空气污染研究工作做得较多, 绥化市是黑龙江省典型农业城市, 在空气污染方面的研究几乎空白.近几年绥化市秋冬时节频频爆发雾霾天气, 2019年12月下旬绥化又发生重度-严重污染事件, 对该时段污染事件的分析能进一步解析绥化市秋冬季雾霾成因, 因此, 本研究以2019年12月21—25日绥化市发生的持续性重污染过程为研究对象, 采用地面污染物数据、气象数据及后向轨迹模式模拟相结合的方法, 从重污染时期污染物形成过程、污染类型、气象条件及区域污染传输等方面来探究此次重污染过程的污染特征和潜在源区, 可以为绥化本地及哈大绥区域大气污染防治及联防联控提供科学理论和依据.

2 材料与方法(Materials and methods) 2.1 研究区域

绥化市地处黑龙江省中部偏西南部(124°53′~128°35′E, 45°10′~48°05′N), 下辖1个市辖区、6个县和3个县级市, 其行政区域划分如图 1所示, 总面积为35211 km2, 其中市区面积为2743 km2, 地处小兴安岭山脉与松嫩平原衔接处, 隶属典型寒温带大陆性季风气候, 冬季漫长寒冷干燥, 夏季温热多雨, 春季降水少, 多大风, 秋季降水适中.

图 1 绥化市行政区域示意图 Fig. 1 Administrative area of Suihua City
2.2 数据来源

大气污染物数据来源于绥化市两个空气质量国控站点(人和东街和党政办公中心), 下载于上海青悦开放环境数据中心(http://data.epmap.org/), 包括颗粒物(PM2.5、PM10)和气态污染物(SO2、NO2、O3)的小时浓度值, 选取重污染时段为2019年12月21—25日;本文所采用的的气象数据有两类:第一类是研究气象要素对重污染过程的影响, 来源于绥化市北林区气象局, 主要包括气温、风速、风向、相对湿度、降雨量、气压及能见度7种气象因子;第二类是后向轨迹模型所需要的气象资料来源于美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)提供的GDAS(全球资料同化系统数据), 该数据从网站(ftp://arlftp.arlhq.noaa.gov/pub/archives/reanalysis)下载所得, 水平分辨率为1.0°×1.0°, 时间分辨率为1 h.

2.3 特征雷达图

对多种污染物进行百分比成分谱化, 来消除不同污染物浓度存在数量级而产生的偏差, 特征雷达图可以直观分析出污染物特征, 污染因子的确定可根据实际研究需要, 学者一般分析PM2.5、PM10、SO2、NO2、CO这5种污染因子(段菁春等, 2018).SO2、NO2、CO及PM10主要来自于一次来源(Xie et al., 2015何涛等, 2018), 而PM2.5既来自一次来源又来自二次来源(Xiang et al., 2017).其中SO2、NO2可以作为污染源的标识物, SO2主要来自煤、化石燃料的燃烧排放, NO2主要来自机动车尾气、居民取暖燃煤、工业燃煤电厂及天然气的燃烧, 而CO主要是能源的不完全燃烧排放(如燃煤和机动车燃油)所导致(段时光等, 2019).

① 特定时间的归一化成分谱

(1)

式中, Ziji时间第j种污染物归一化成分谱;ciji时间第j种污染物原始质量浓度(μg·m-3).

② 特定时间污染物特征值

(2)

式中, CViji时间第j种污染物的特征值;Zj为一定时期第j种污染物的均一化值得平均值;Ziji时间第j种污染物归一化值.

③ 一定时期污染物特征标准值及上下限

标准值为一定时期平均污染特征成分谱与该平均污染特征成分谱的比值, 数值为1.

上限:

(3)

下限:

(4)

式中, Maxj为第j种污染物的上限;Minj为第j种污染物的下限;Sj为第j种污染物的标准偏差.

2.4 后向轨迹模型

本研究使用HYSPLIT模型来研究绥化市冬季重污染期污染物的来源和传输路径.HYSPLIT模型是由美国国家海洋和大气管理局(NOAA)的空气资源实验室和澳大利亚气象局联合开发的, 是一种用于模拟分析大气污染物传送以及扩散轨迹的模型, 该模型拥有处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能, 具备较完善的输送、扩散及沉降模式, 目前已在多种污染物传输扩散的研究中得到了广泛地应用(王艳等, 2008Stein et al., 2015).本研究选取绥化市中心(46.89°N, 126.65°E)为起始点, 模式顶高度设置为10000 m, 运用后向轨迹模拟500 m高度的48 h后向轨迹, 通过模拟绥化市气团的后向轨迹, 进而定性地了解大气污染物的来源以及长距离输送扩散的方向、路径及影响范围等(Brankov et al., 1998).

2.5 轨迹聚类分析

聚类分析是根据事物自身的特性对被聚类对象进行类别划分的统计分析方法, 它的目的是根据某种相似度对数据集进行划分(Draxier et al., 1998), 运用此方法可以将污染气团移动速度及输送轨迹相似的进行聚类, 聚类方法主要包括Angle Distance角度距离以及欧几里得距离(Sirois et al., 1995), 由于本文着重关注气流移动方向, 因此, 采用角度距离法, 差异率控制在30%以内, 见式(5)~(8).

(5)
(6)
(7)
(8)

式中, d12为两条后向轨迹间距离, 值域为0~π;X0Y0分别为研究目标的经纬度;X1(i)、Y1(i)分别为轨迹1的经纬度;X2(i)、Y3(i)分别为轨迹2的经纬度.

2.6 潜在源贡献法(PSCF)

在1985年Ashbaugh等(1985)开创了潜在源区贡献法, 至今为止已经运用到许多研究领域, 潜在源分析法(PSCF)是通过气团轨迹和污染物浓度值预估可能的排放源位置(Draxler et al., 2001).采用这种方法时, 将绥化市划分成大小一致的水平网格, 在气团移动轨迹的覆盖区域中, 对污染物浓度设定阈值, 如果轨迹途经该网格, 且浓度超过阈值时, 即认为此轨迹为污染轨迹, PSCF计算方法见式(9).

(9)

式中, PSCFij为某一网格ij的潜在源贡献值;mij为某一网格ij污染要素值超过阈值的污染轨迹端点数;nij为是经过某一网格ij所有气流轨迹端点数.

本研究确定PM2.5为此次后向轨迹模型的控制因子, 确定阈值为《环境空气质量标准》(GB3095—2012)中二级污染浓度限值为75 μg·m-3, PSCF是一种条件概率函数, 由于某些网格内气流轨迹停留时间较短即nij较小时, 则会计算出较高的PSCFij值, 具有较大的不确定性, 特别是某一网格内nij为小于区域内每个网格的平均气流轨迹端点数的3倍时, 应该引入权重因子Wij来降低PSCF的误差值(Zeng et al., 1989Polissar et al., 1999Zhang et al., 2011), 参考相关学者的研究和绥化市实际情况, 定义Wij如式(10)所示.

(10)
(11)
2.7 浓度权重轨迹分析法(CWT)

PSCF法只能反映潜在源区对大气污染贡献的大小, 而无法揭示其污染程度, 因此, 不能精准区分各个程度的污染源区(王郭臣等, 2014).相较于这种方法, 浓度权重分析法(CWT)采取浓度权重来计算并反映不同轨迹下污染程度的大小.其中, 对平均样本浓度进行加权, 将其赋予每个网格, 而该样本浓度拥有与该网格交叉的相关轨迹.通过加权浓度场, 可以反映潜在来源区的浓度梯度.采取此方法, 确定相对重要的潜在来源时具有一定优势, CWT计算方法见式(12).

(12)

式中, Cij为网格ij的平均加权浓度;Ci为绥化市污染物浓度值;τij为轨迹在网格ij的停留时间.

与PSCF一样为减小计算误差引入Wij, 即

(13)
3 结果与讨论(Results and discussion) 3.1 重污染形成过程分析

2019年12月20日的AQI为107, 为轻度污染, 之后在12月21—25日绥化市空气污染加重, 出现重度至严重污染天气, 根据地面监测数据分析此次污染过程, 如图 2所示AQI、PM2.5及PM10的变化呈“锯齿状”, 污染可分为4个时段:第1个时段是12月21日0:00—23日2:00, PM2.5浓度为94~274 μg·m-3, PM10浓度为101~294 μg·m-3, 最高浓度值分别为国家空气质量二级标准(PM2.5为75 μg·m-3, PM10为150 μg·m-3)的3.6和2倍, AQI最高可达324, 污染等级主要处于重度-严重污染;第2个时段是12月23日3:00—24日8:00, PM2.5浓度为92~149 μg·m-3, PM10浓度为107~210 μg·m-3, 最高浓度值分别为二级标准的2和1.4倍, 颗粒物浓度和AQI均出现小幅度下降, AQI最高值为210, 污染等级主要处于轻度及中度污染;第3个时段是12月24日9:00—25日15:00, PM2.5浓度为87~226 μg·m-3, PM10浓度为101~229 μg·m-3, 最高浓度值分别为二级标准的3和1.5倍, 污染由重度污染-中度污染-轻度污染, 空气污染状况逐渐改善;第4个时段(清洁时段)是12月25日16:00—25日23:00, PM2.5和PM10最高浓度值分别为58 μg·m-3和88 μg·m-3, 地面污染物清除迅速, 空气质量转变为良;前3个污染时段污染过程中PM2.5/PM10比值为55%~99%, 说明绥化市大气细颗粒物浓度比较高, 颗粒物污染主要以PM2.5为主.

图 2 绥化市12月21—25日AQI、PM2.5、PM10质量浓度以及PM2.5/PM10比值与各气象要素的变化 Fig. 2 The changes of AQI, PM2.5, PM10 mass concentration, PM2.5 / PM10 ratio and meteorological elements in Suihua from December 21st to 25th

空气重度污染的发生不仅与污染物的排放及区域传输有关, 还与不利的气象扩散因素有密切的关系, 其中远超环境承载力的污染排放强度是大气重污染形成的主因, 不利的气象条件是造成污染快速累积的诱因.在前3个时段(12月21日0:00—25日15:00)污染积累过程中, 绥化出现大面积均压场, 天气均为多云或晴, 由污染期间风玫瑰图(图 4)可知绥化市主导风向主要为东南风和东北风, 并且也出现较低频次的西北风和西南风, 风力等级为1~2级, 风速最大仅为2.9 m·s-1, 对污染物水平扩散极其不利, 大气处于静稳状态, 垂直扩散能力较差;相对湿度为61%~86%, 尤其是在夜间相对湿度均在80%以上, 高湿条件下会导致气态前体物向颗粒物加速转化, 并且无降水为重污染天气的形成和维持提供了有利条件(Liao et al., 2017);且在空气污染过程中, 污染累积到一定程度后还会导致气象条件进一步转差, 重污染和不利的气象条件之间会形成显著的“双向反馈”效应;重污染清除过程中(12月25日16:00—23:00), 相对湿度保持在70%左右, 风向由东南风转为西北风, 清洁空气将使污染物浓度迅速降低, 且天气状况为小雪, 降雪过程将对污染物具有湿清除作用.

图 4 风玫瑰图 Fig. 4 Wind rose

选取AQI处于高值的时间点作出特征雷达图来了解此次污染过程的主要污染特征类型, 可以看出21日10:00 CO特征值超出标准值, 22日11:00 SO2特征值超出标准值, 说明污染特征受燃煤排放影响显著, 24日15:00 PM2.5特征值超出标准值且明显超出上限, 表明污染特征受二次颗粒物生成影响显著, 主要是由于SO2、NOx等气态污染物在大气中发生氧化等化学反应, 形成硝酸盐、硫酸盐等PM2.5的主要成分, 25日12:00 SO2特征值超出标准值, 则污染类型又转变为偏燃煤型, 据调查绥化农村地区冬季取暖原煤散烧现象较多, 存在较严重的低空面源污染.由污染物间相关性(图 3)可看出污染期间PM2.5与SO2、NO2及CO的相关性分别为52%、79%及91%, PM2.5浓度受SO2、NO2及CO排放源的影响较大, 且SO2、NO2作为PM2.5的前体物, 它们二次形成的气溶胶也是造成PM2.5浓度升高的重要原因(葛跃等, 2017), 因此, 此次污染过程主要以燃煤、机动车尾气和二次无机源为主.

图 3 污染物间相关性 Fig. 3 Correlation between pollutants

综上可知, 绥化市此次重污染主要以燃煤、机动车尾气和二次无机源为主, 且弱风、高湿及低温, 不利的扩散条件加强导致局地积累;再通过西北风输送的清洁空气和小雪的湿沉降作用下将污染物进行了清除, 污染物浓度迅速下降, 空气质量达到良等级.

3.2 污染气团轨迹聚类分析

重污染天气的发生不仅与本地源的排放有关, 污染物的区域传输也是一个重要贡献源, 因此, 采用HYSPLIT后向轨迹模式, 来深入探究周边区域输送对此次绥化空气重污染的影响程度.以绥化市中心(46.89°N, 126.65°E)为受体点, 大量数据模拟研究得出大气污染物的跨区域输送集中在500~1500 m高度范围内, 本次选用受体点500 m高度处气流作为研究高度, 因为500 m的风场既可以反映近地层的气团输送特征, 又可以减少地面摩擦对气团的影响(王芳等, 2009), 时间为2019年12月21—25日, 每条轨迹模拟时长为48 h, 时间分辨率为1 h, 对所有气流轨迹进行聚类分析, 采用总空间方差(TSV)方法选取最佳聚类数目(周沙等, 2017), 聚类结果见表 1.由3.1节可知污染期间首要污染物为PM2.5, 因此, 确定PM2.5为此次后向轨迹模型的控制因子, 结合PM2.5小时浓度值, 对超过75 μg·m-3气流轨迹聚类结果进行统计分析, 见表 1.污染期间绥化市主要受4类气流输送的影响, 第1类轨迹为偏西北气流, 起源于俄罗斯, 途径蒙古东北部、内蒙古东部、齐齐哈尔、大庆直至绥化, 轨迹占比最高是38.26%, 气流轨迹最长, 说明气团移动速度最快, 但是对应PM2.5平均浓度值和超标轨迹平均浓度值最低均为137.82 μg·m-3;第2类轨迹为偏北气流, 同样起源于俄罗斯, 途径大兴安岭西部、齐齐哈尔东部抵达绥化, 轨迹占比较大为33.91%, 气流轨迹较长, 移动速度较快, 超标轨迹占比为92.3%, PM2.5平均浓度为144.85 μg·m-3;第3类轨迹为偏西南气流, 起源于内蒙古北部, 横跨内蒙古、吉林西北部、大庆直至绥化, 轨迹占比为16.52%, 气流轨迹较短, 移动速度较慢, 停留时间较长, PM2.5平均浓度较高为160.84 μg·m-3;第4类轨迹为偏西气流, 起源于内蒙古地区、途径吉林省北部, 然后气流转向哈尔滨经过较长时间的停留之后抵达绥化, 轨迹占比最少为11.30%, 气流轨迹最短, 移动速度最慢, PM2.5平均浓度最高为216.23 μg·m-3.综上可知来自东南、西南、西北及西方向中空气团对绥化市此次重污染天气影响较大, 主要是来自俄罗斯南部、蒙古国东北部、内蒙古、吉林等地区污染物的长距离输送, 还有来自周围城市哈尔滨、齐齐哈尔、大庆、大兴安岭污染气团的输送, 且绥化市本地源的排放也不可忽略, 这些污染气团共同作用促进了绥化市重污染天气的发生.

表 1 12月21—25日48 h后向各类轨迹对应的PM2.5浓度 Table 1 PM2.5 concentration corresponding to various backward trajectories in 48h from December 21st to 25th
3.3 潜在源贡献及浓度权重分析

为了确定绥化市冬季重污染期PM2.5的潜在源分布, 利用PSCF模式进行计算, 气流轨迹覆盖区域设置为(109.2°~129.1°E、41.3°~56.7°N)并进行0.5°×0.5°的网格化.网格颜色越深的地区其WPSCF值越大, 表明潜在源区对绥化市PM2.5的浓度贡献越大.俄罗斯、内蒙古地区及辽宁地区的WPSCF值< 0.5, 因此不是绥化市主要的潜在源区, 绥化本地WPSCF值最高, 其中绥化中部区域WPSCF值在0.9以上, 辽宁省东北部、大庆市中部、齐齐哈尔市东南部、哈尔滨市中部区域, 这些地方的值为0.7~0.8, 这些区域是绥化市PM2.5的主要潜在源区.绥化市PM2.5的潜在区域主要集中绥化中部、辽宁省东北部、大庆市中部、齐齐哈尔市东南部及哈尔滨市中部区域以及俄罗斯、内蒙古、辽宁等地区对绥化市PM2.5有显著影响.由于PSCF潜在源贡献因子法只能反映潜在源区贡献率的大小, 无法模拟数值的大小, 因此引入CWT浓度权重轨迹分析法计算潜在源区的权重浓度数值, 以反映潜在污染源区的污染程度.利用浓度权重轨迹分析法所得分析可以看出WCWT所模拟的潜在源区域比WPSCF大, 绥化本地、哈尔滨地区、黑河东北部这些污染源区对绥化市PM2.5污染贡献值均在100 μg·m-3以上, 内蒙古东部、辽宁北部、吉林北部及齐齐哈尔东部这些区域对绥化PM2.5污染贡献值为60~80 μg·m-3, 蒙古中部、内蒙古南部、黑河南部及伊春西南部对绥化PM2.5贡献值最小, 为10~20 μg·m-3, 大兴安岭东部、蒙古东部及内蒙古东部及大庆北部对绥化PM2.5污染贡献值为40~60 μg·m-3.

4 结论(Conclusions)

1) 以绥化市2019年12月21—25日一次空气污染过程为研究对象, 污染期间AQI、PM2.5及PM10的变化呈“锯齿状”, PM2.5和PM10最高浓度分别为274 μg·m-3和294 μg·m-3, PM2.5/PM10比值为55%~99%, 颗粒物污染主要以PM2.5为主;由特征雷达图看出污染特征由21日10:00及22日11:00的偏燃煤污染型转变为24日15:00的偏二次颗粒物污染型, 最终25日12:00污染特征又转变为偏燃煤型, 此次污染过程主要以燃煤、机动车尾气和二次无机源为主;不利的气象条件, 风力等级为1~2级, 风速最大为2.9 m·s-1, 相对湿度为61%~86%, 静风、高湿及低温, 较弱的扩散能力导致局地积累, 且无降水为重污染天气的维持提供了有利条件.

2) 气流轨迹聚类分析结果表明:来自偏西北和偏北气流轨迹占比分别为38.26%和33.91%, 偏西南气流和偏西气流分别为16.52%和11.30%, 主要是来自俄罗斯南部、蒙古国东北部、内蒙古、吉林等地区污染物的长距离输送, 还有来自周围城市哈尔滨、齐齐哈尔、大庆、大兴安岭污染气团的输送, 且绥化市本地源的排放也不可忽略, 这些污染气团共同作用促进了绥化市重污染天气的发生;WPSCF分析发现潜在源区主要集中在绥化本地中部区域、辽宁省东北部、大庆市中部区域、齐齐哈尔市东南部、哈尔滨市中部区域, WCWT模拟出的潜在源区域较WPSCF大, 模拟发现吉林北部对绥化PM2.5污染贡献值为60~80 μg·m-3, 黑河东北部的贡献值高达100 μg·m-3以上, 俄罗斯、内蒙古地区对绥化市大气PM2.5污染水平的影响及贡献较小.

参考文献
Ashbaugh L L, Malm W C, Sadeh W Z. 1985. A residence time probability analysis of sulfur concentrations at Grand Canyon National Park[J]. Atmospheric Environment, 19(8): 1263-1270. DOI:10.1016/0004-6981(85)90256-2
Brankov E, Rao S T, Porter P S. 1998. A trajectory-clustering-correlation methodology for examining the long-range transport of air pollutants[J]. Atmospheric Environment, 32(9): 1525-1534. DOI:10.1016/S1352-2310(97)00388-9
Chan C K, Yao X. 2008. Air pollution in mega cities in China[J]. Atmospheric Environment, 42(1): 1-42.
常美玉, 向卫国, 钱骏, 等. 2020. 成渝地区空气重污染天气形势分析[J]. 环境科学学报, 40(1): 43-57.
段菁春, 胡京南, 谭吉华, 等. 2018. 特征雷达图的设计及其在大气污染成因分析中的应用[J]. 环境科学研究, 31(8): 1329-1336.
Draxler R R, Gillette D A, Kirkpatrick J S, et al. 2001. Estimating PM10 air concentrations from dust storms in Iraq, Kuwait and Saudi Arabia[J]. Atmospheric Environment, 35(25): 4315-4330. DOI:10.1016/S1352-2310(01)00159-5
Draxier R R, Hess G D. 1998. An overview of the HYSPLIT4 modelling system for trajectories, dispersion and deposition[J]. Australian Meteorological Magazine, 47(4): 295-308.
段时光, 姜楠, 杨留明, 等. 2019. 郑州市冬季大气PM2.5传输路径和潜在源分析[J]. 环境科学, 40(1): 87-93.
葛跃, 王明新, 白雪, 等. 2017. 苏锡常地区PM2.5污染特征及其潜在源区分析[J]. 环境科学学报, 37(3): 803-813.
黄光球, 雷哲. 2019. 西安市大气颗粒物PM2.5的输送路径和潜在源分析[J]. 云南大学学报(自然科学版), 41(6): 1191-1200.
贺克斌, 贾英韬, 马永亮, 等. 2009. 北京大气颗粒物污染的区域性本质[J]. 环境科学学报, 29(3): 482-487.
何涛, 彭燕, 乔利平, 等. 2018. 常州市冬季大气污染特征及潜在源区分析[J]. 环境科学研究, 31(3): 487-495.
Kong L W, Tan Q W, Feng M, et al. 2020. Investigating the characteristics and source analyses of PM2.5 seasonal variations in Chengdu, Southwest China[J]. Chemosphere, 243: 125267. DOI:10.1016/j.chemosphere.2019.125267
刘可可, 张红, 刘桂建. 2019. 合肥市PM2.5和PM10中元素组成特征及重污染成因分析[J]. 中国环境科学, 40(8): 3415-3420.
刘玲, 赵巧华, 汪靖. 2019. 长三角城市群冬季一次重污染天气过程分析[J]. 科学技术与工程, 19(26): 376-383.
李令军, 王英, 李金香, 等. 2012. 2000-2010北京大气重污染研究[J]. 中国环境科学, 32(1): 23-30.
Liao T, Wang S, AI J, et al. 2017. Heavy pollution episodes, transport pathways and potential sources of PM2.5 during the winter of 2013 in Chengdu (China)[J]. Science of the Total Environment, 584/585: 1056-1065. DOI:10.1016/j.scitotenv.2017.01.160
李颜君, 安兴琴, 范广洲. 2019. 北京地区大气颗粒物输送路径及潜在源分析[J]. 中国环境科学, 39(3): 915-927.
Polissar A V, Hopke P K, Paatero P, et al. 1999. The aerosol at Barrow, Alaska:long-term trends and source locations[J]. Atmospheric Environment, 33(16): 2441-2458. DOI:10.1016/S1352-2310(98)00423-3
Sirois A, Bottenheim J W. 1995. Use of backward trajectories to interpret the 5-year record of PAN and O3 ambient air concentrations at Keimkujik National Park, Nova Scotia[J]. Journal of Geophysical Research Atmospheres, 100: 2867-2881. DOI:10.1029/94JD02951
Stein A F, Draxler R R, Rolph G D, et al. 2015. NOAA's HYSPLIT atmospheric transport and dispersion modeling system[J]. Bulletin of the American Meteorological Society, 96(12): 2059-2077. DOI:10.1175/BAMS-D-14-00110.1
Soonung P, Inhye L, Seungjin J. 2016. Spatial and temporal distributions of aerosol concentrations and depositions in Asia during the year 2010[J]. Science of the Total Environment, 542: 210-222. DOI:10.1016/j.scitotenv.2015.10.084
王芳, 陈东升, 程水源, 等. 2009. 基于气流轨迹聚类的大气污染输送影响[J]. 环境科学研究, 22(6): 637-642.
王郭臣, 王珏, 信玉洁, 等. 2014. 天津PM10和NO2输送路径及潜在源区研究[J]. 中国环境科学, 34(12): 3009-3016.
王康宏, 倪婷. 2019. 2016年冬季安徽寿县地区两次重污染过程分析研究[J]. 大气科学学报, 42(6): 944-952.
薛文博, 付飞, 王金南, 等. 2014. 中国PM2.5跨区域传输特征数值模拟研究[J]. 中国环境科学, 34(6): 1361-1368.
王醒, 李莉莉, 王琨, 等. 2019. 哈尔滨市一次大气污染过程及潜在源分析[J]. 中国环境科学, 39(11): 4502-4510.
王艳, 柴发合, 王永红, 等. 2008. 长江三角洲地区大气污染物输送规律研究[J]. 环境科学, 29(5): 1430-1435.
Xiang P, Zhou X M, Duan J C, et al. 2017. Chemical characteristics of water-soluble organic compounds (WSOC) in PM2.5 in Beijing, China:2011-2012[J]. Atmospheric Research, 183: 104-112. DOI:10.1016/j.atmosres.2016.08.020
Xie Y Y, Zhao B, Zhang L, et al. 2015. Spatiotemporal variations of PM2.5 and PM10 concentrations between 31 Chinese cities and their relationships with SO2, NO2, CO and O3[J]. Particuology, 20: 141-149. DOI:10.1016/j.partic.2015.01.003
Zhang F, Zhou L X, Novelli P C, et al. 2011. Evaluation of in situ measurements of atmospheric carbon monoxide at Mount Waliguan, China[J]. Atmospheric Chemistry and Physics, 11(11): 5195-5206. DOI:10.5194/acp-11-5195-2011
周沙, 刘宁, 刘朝顺. 2017. 2013-2015年上海市霾污染事件潜在源区贡献分析[J]. 环境科学学报, 37(5): 224-231.
Zeng Y, Hopke P K. 1989. A study of the sources of acid precipitation in Ontario, Canada[J]. Atmospheric Environment, 23(7): 1499-1509. DOI:10.1016/0004-6981(89)90409-5
Zhang Y H, Hu M, Zhong L J, et al. 2008. Regional integrated experiments on air quality over pearl river delta 2004 (PRIDE-PRD2004):Overview[J]. Atmospheric Environment, 42(25): 6157-6173. DOI:10.1016/j.atmosenv.2008.03.025