基于后向轨迹模式的北京市PM2.5来源分布及传输特征探讨

孔珊珊，刘厚凤*，陈义珍

（1. 山东师范大学，济南 250014；2. 中国环境科学研究院，北京 100012）

基于后向轨迹模式的北京市PM2.5来源分布及传输特征探讨

孔珊珊1，刘厚凤1*，陈义珍2

（1. 山东师范大学，济南 250014；2. 中国环境科学研究院，北京 100012）

近年来中国经历了数次大范围雾霾天气，北京等多个城市更是遭遇连续雾霾。造成雾霾天气的主要污染物PM2.5又称细颗粒物。为了进一步治理北京雾霾，为制定政策提供依据，须了解北京地区PM2.5的来源。本文基于后向轨迹模式并结合PM2.5浓度计算了2015年9月1日0∶00至2016年8月31日23∶00以北京为起始点，向后推算48小时的轨迹，并结合轨迹聚类分析法、潜在源贡献因子法（PSCF）、浓度权重轨迹分析法（CWT）等，探讨北京地区PM2.5的来源。结果表明：模拟的后向轨迹经过聚类分析可分为6类，其中来自内蒙古西部的轨迹最多，来自西北、北西北方向的轨迹次之，来自西西北方向且在京津冀地区停留一段时间的轨迹占比最小，来自河北、山东、河南的交接地区及河北的沿海地区的轨迹占比也较小。其中来自内蒙古西部地区及河北、山东、河南交界地区的两类轨迹对北京的空气质量有较大的影响，是北京PM2.5污染的主要潜在源区；来自北西北方向及河北的沿海地区两类轨迹的气团最为清洁，为北京带来良好的天气；来自西北及西西北方向的部分轨迹对应的PM2.5浓度严重超标，说明来自此方向的气团对北京的空气质量也有一定的影响。

后向轨迹模式；PM2.5来源分布；传输特征；北京市

引言

PM2.5又称细颗粒物，是指空气中空气动力学粒径小于2.5μm的颗粒物，是造成雾霾污染的主要污染物。与PM10（空气中空气动力学粒径小于10μm的颗粒物）相比，PM2.5的粒径更小，能在大气中远距离传输和长时间停留，因而对大气环境质量的影响很大；PM2.5易于附着在各类有毒有害物质（如各种致病菌、持久性有机污染物、重金属等）上，并且可以进入肺部，对人体具有更大的健康危害[1,2]。近几年，虽然北京市在治理雾霾方面取得一定成绩，但雾霾天气仍然频繁发生。为进一步更好地治理北京雾霾，为制定政策提供依据，须了解北京地区PM2.5的来源。

陈云波等[3]对2014年北京两次重污染过程进行PM2.5区域来源贡献分析，得出河北、山西、山东、天津、河南的PM2.5贡献率随污染的加重而增长的结论，说明较远距离的污染输送影响逐渐加大；李璇等[4]通过建立三维空气质量模型系统对2013年1月北京的一次污染过程进行模拟，得到本地污染源排放是北京地区PM2.5的主要来源，京津冀周边地区及边界外来源贡献率分别为12%和24%。由此可见，对北京远距离的潜在污染源区研究较少，而后向轨迹模式结合了大气水平和垂直运动，在污染物传输、扩散和沉降等方面都有较完整的考虑，被广泛应用于分析远距离的大气污染过程。以其为基础的统计和分析方法有多种，如轨迹聚类分析、潜在源贡献因子法（potential source contribution function，PSCF）、浓度权重轨迹分析法（CWT）等。赵倩彪等[5]运用后向轨迹模式分析上海市PM2.5的来源及传输特征，得到长三角的主要城市尤其是上海及周边地区的排放贡献最大，江苏北部和山东南部的带状地区贡献也较明显。另外，王茜等、赵恒等、石春娥等也分别运用后向轨迹模式对上海、香港、合肥等地的大气污染进行研究并得到相应的结论[6-8]。本文利用后向轨迹模式及其分析方法，结合PM2.5浓度，分析不同方向来源的气团对北京市空气质量的影响，探讨北京地区PM2.5的来源。

1 资料和方法

1.1 资料来源

PM2.5浓度数据来自北京市环境监测中心的美国大使馆监测点（http://www.young-0.com/airquality）。后向轨迹模式采用的气象资料为NCEP（美国国家环境预报中心）提供的全球资料同化系统（GDAS）2015—2016年数据，气象要素场包括温度、气压、相对湿度、地面降水、水平和垂直风速等。

1.2 后向轨迹模式

后向轨迹模式采用NOAA（美国国家海洋大气研究中心空气资源实验室）开发的HYSPLIT4.9版本[9]。该模式是欧拉和拉格朗日混合型的扩散模式，其平流和扩散的处理均采用拉格朗日方法，浓度计算采用欧拉方法。HYSPLIT 模式在输送、扩散和沉降过程方面考虑得较为完整，模拟时间精度最高可精确到小时，目前在国内外广泛应用于分析污染物来源及确定传输路径等[10]。以其为基础的统计和分析方法有多种，如轨迹聚类分析、潜在源贡献因子法（PSCF）、浓度权重轨迹分析法（CWT）等。今选取北京市环境监测点美国大使馆为后向轨迹起始点，起始高度为500m，时间为2015年9月1日0：00—2016年8月31日23：00，每2小时模拟一条后向轨迹，推算时间48小时。

2 结果与分析

2.1 聚类分析

聚类分析是一种研究多个要素（或多个变量）的客观分类方法，其通过寻找一种能客观反映样本之间远近关系的统计量，然后根据该统计量将样本分成若干类。基于气流轨迹的聚类方法是根据气流的空间相似度（传输速度和方向）对大量轨迹进行分组[11]。常用的聚类分析方法主要有系统聚类法和非系统聚类法。系统聚类法是按照样本间的距离定义聚类类别，首先将所有n 个变量看成不同的n类，先将距离最近的两类合并为一类，再从分出的n–1类中寻找最近的两类加以合并，以此类推直至所有变量合为一类。常用的系统聚类方法有很多种[10]，为了解北京市主要污染物的输送路径，该研究利用系统聚类方法中的Ward’s 方差法进行分析。由于仅关注研究点（北京）的后向气流轨迹输送的水平来向，因此采用Angle distance 算法[12]进行分类，得到不同的输送气流类型，在此基础上对每组气流所对应的污染物浓度特征进行统计分析[6]。

图1 后向轨迹聚类分布

如图1所示，对后向轨迹模式模拟的4313条有效轨迹进行聚类分析，得到6类。其中，第一类轨迹来自北西北方向，传输距离较远，传输速度慢，经过河北、内蒙古，最远可达蒙古、俄罗斯，轨迹数量占总数的16.6%；第二类轨迹来自西北方向，传输距离也较远，可达蒙古，占轨迹总数的25.5%；第三类轨迹来自西西北方向，起源于我国内蒙古西部与蒙古的交界处，经过蒙古、我国河北的传输后在京津冀地区停留一段时间，最终抵达终点，此类轨迹为6类轨迹中数目最少的，仅占5.1%；第四类轨迹主要来自内蒙古西部，气流轨迹数量为6类轨迹中最大的，占轨迹总数的27.3%；第五类轨迹传输距离较近，传输速度快，来自河北、山东、河南的交接地区，占轨迹总数的12.0%；第六类轨迹传输距离最近，传输速度也最快，主要来自河北的沿海地区，占轨迹总数的13.5%。

2.2 不同轨迹对PM2.5浓度的影响

基于后向轨迹聚类分析结果，计算每类轨迹对应时间的PM2.5浓度的平均值，以表征该轨迹来源方向的气团对北京市空气质量的影响。另对每类轨迹中超过空气质量二级标准的轨迹进行统计分析，具体参数见表1。由表1可知：①第一类轨迹传输距离较长，PM2.5浓度最低，仅为21.8μg/m3，超标的轨迹数也仅占5.7%，说明来自此方向的气团较为清洁；②第二类轨迹数较多，PM2.5平均浓度低于空气质量二级标准，但有27.8%的轨迹严重超标，超标的PM2.5平均浓度达196.56μg/m3，究其污染时间主要在11月、12月、1月、3月、4月；③第三类轨迹的PM2.5平均浓度较低，但也有一定比例的超标现象；④第四类轨迹的PM2.5平均浓度高达110.68μg/m3，且有50%的轨迹是严重超标，说明来自此方向的气团对北京的空气质量有较大的影响；⑤第五类轨迹数量占总体比例不高，传输时间也较短，但其污染严重，53%的轨迹严重超标；⑥第六类轨迹的PM2.5平均浓度较低，虽有一定比例轨迹超标的现象，但污染水平不高，总体而言来自此方向的气团较为清洁。

表1 各类后向轨迹对应的PM2.5浓度

2.3 PSCF分析

PSCF 因子法是一种基于气流轨迹分析来识别源区的方法，也称为滞留时间分析法[13]。利用该方法可初步确定影响空气质量的污染源区[14-17]。该方法假设：如果气团后向轨迹在某个网格中有停留时间，那么该气团会接收到来自这个区域的排放，随后经过传输，对接受点的浓度产生贡献[5]。按式（1）计算：

式中，nij是所有轨迹在网格ij中的总停留时间；mij是浓度超过某规定限值的所有轨迹在网格ij中的停留时间。文中PM2.5的临界值均采用《环境空气质量标准》（GB3095—2012）中的二级标准限值75μg/m3。

对于某些偏远网格，由于轨迹总体停留时间占比少，即分母nij较小，可能会引起计算结果较大的不确定度，因此引入Wij（权重因子）[18,19]。当某一网格中的mij小于研究区域内各个网格内平均滞留时间的3倍时[20]，则用Wij来计算PSCF值，以减小不确定性，即WPSCF = Wij×PSCF。Wij定义如下：

利用PSCF方法对北京PM2.5浓度进行分析，将模拟期间计算的气流轨迹所覆盖的区域（90°E～130°E、30°N～60°N）网格化，分成0.5°×0.5°的水平网格，然后针对研究期间的所有轨迹，计算各网格的WPSCF值，结果见图2。如图2所示，网格颜色越深，代表WPSCF值越大，也就是说，北京市PM2.5浓度超过75μg/m3时更趋向于接受来自这些地区的气团影响，可以间接地反映该地区的排放对北京PM2.5浓度的影响程度。由图可见，WPSCF高值区主要集中在河北南部、山东与河南交界处及其周围地区，表明除本地污染源以外，这些地区的污染输送是导致北京PM2.5浓度较高的主要原因，这一结论与陈云波等、李璇等[3,4]的结论一致。内蒙古西部、山西、陕西等地区的网格也有一些颜色较深，表明来自这些区域的传输也可能在一定程度上导致北京PM2.5超标情况的发生。另外值得注意的是，山东半岛南部的黄海海域网格颜色也较深，WPSCF值较大，通过对原始轨迹进行验证，发现7月份有大量的污染轨迹来源于此，导致此处成为北京市的潜在污染源区。

2.4 CWT分析

PSCF方法的一个局限是，当PM2.5浓度略高或远高于标准时可以有相同的WPSCF值，很难区分出高浓度的PM2.5来源。而CWT分析法则可以通过计算轨迹的权重浓度定量给出每个网格的平均权重浓度，反映以北京为接受点的上游地区PM2.5浓度的分布情况。计算公式为：

式中，Cij是网格ij的平均权重浓度；l是轨迹；M是轨迹数目；Cl是轨迹到达时对应的浓度；τijl轨迹l在网格ij的停留时间。为减少Cij值的不确定性，权重因子Wij同样适用，即WCWT=Cij×Wij。

同样将模拟期间计算的气流轨迹所覆盖的区域（90°E～130°E、30°N～60°N）网格化，分成0.5°×0.5°的水平网格，利用WCWT方法对北京市的PM2.5浓度进行分析，结果见图3。网格颜色越深，WCWT值越大。由图3可见，WCWT高值区并不完全呈现以北京为中心的分布态势。来自京津冀地区、山东及安徽与河南交界地区、陕西及山西北部、内蒙古西部等地区的轨迹对应的PM2.5权重浓度最高，来自我国山东半岛、内蒙古中部及蒙古等的轨迹权重浓度次之，说明也有一定的贡献。另外值得注意的是，哈萨克斯坦的WCWT值也较大，虽然距离北京较远，推测可能是来自于西伯利亚气流的影响，使污染物远距离输送到北京。

图2 北京市PM2.5的WPSCF分布特征

3 结论与对策

3.1 结论

图3 北京市PM2.5的WCWT分布特征

（1）对北京市进行后向轨迹聚类分析，得到6类，其中来自内蒙古西部的轨迹最多，来自西北、北西北方向的轨迹次之，来自西西北方向且在京津冀地区停留一段时间的轨迹占比最小，来自河北、山东、河南的交接地区及河北的沿海地区的轨迹占比也较小。

（2）基于后向轨迹聚类分析结果，计算每类轨迹对应的PM2.5平均浓度，得到第4、5类轨迹对应的PM2.5浓度严重超标，说明来自此方向的气团对北京的空气质量有较大的影响；第1、6类轨迹对应的PM2.5浓度最低，说明来自此方向的气团较为清洁；第2、3类轨迹对应的PM2.5平均浓度低于空气质量二级标准，但有一定比例轨迹对应的PM2.5浓度严重超标，说明来自此方向的气团对北京的空气质量也有一定的影响。

（3）利用PSCF方法对北京的PM2.5浓度进行分析，得到WPSCF高值区主要集中在河北、山西及其周围地区，表明短距离传输是导致北京PM2.5高浓度的主要原因。内蒙古西部、河南、山东等地区的网格也有一些颜色较深，表明来自这些区域的传输也可能在一定程度上导致北京PM2.5超标情况的发生。

（4）利用WCWT方法对北京市的PM2.5浓度进行分析，得到WCWT高值区并不完全呈现以北京为中心的分布态势。来自京津冀地区、山东及安徽与河南交界地区、陕西及山西北部、内蒙古西部等地区的轨迹对应的PM2.5权重浓度最高，来自我国山东半岛、内蒙古中部及蒙古等的轨迹权重浓度次之，说明也有一定的贡献。

3.2 对策

本研究对北京市PM2.5的来源进行了初步探讨，结果显示，我们在制定相关减排控污政策时应着重考虑相应污染物的来源控制，重视雾霾污染源区域性污染迁移效应，并采取有针对性的措施加以管理和控制。

（1）加强细颗粒物（PM2.5）的监测能力，建立科学的监测评估体系。进一步完善北京市的监测系统及信息公布情况，并在此基础上建立健全极端不利气象条件下大气污染监测报告和预警体系，以便出现重污染天气时及时启动应急机制。

（2）实施区域污染分区分类管理。依据北京市周边地区的大气污染程度、城市空间分布及区域内污染物的空间输送规律将周边区域划分为重点控制区和一般控制区，并实施差异化的控制管理制定有针对性的污染防治措施。

（3）完善配套治理措施，切实控制PM2.5浓度。北京市需要实施与多污染物协同减排，深化工业污染防治，同时加强移动源和面源污染的治理工作。改变燃料构成，提高环境准入门槛，严格控制开放源和机动车污染，降低环境与人群健康风险。

[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, 张小玲, 熊亚军, 等. 北京一次持续霾天气过程气象特征分析[J]. 气象与环境学报, 2013, 29(5): 12-19.

[3] 陈云波, 徐峻, 何友江, 等. 北京市冬季典型重污染时段PM2.5污染来源模式解析[J]. 环境科学研究, 2016, 29(5): 627-636.

[4] 李璇, 聂滕, 齐珺, 等. 2013年1月北京市PM2.5区域来源解析[J]. 环境科学, 2015, 36(4): 1148-1153.

[5] 赵倩彪, 胡鸣, 张懿华. 利用后向轨迹模式研究上海市PM2.5来源分布及传输特征[J]. 环境监测管理与技术, 2014, 26(4): 22-26.

[6] 王茜. 利用轨迹模式研究上海大气污染的输送来源[J]. 环境科学研究, 2013, 26(4): 357-363.

[7] 赵恒, 王体健, 江飞, 等. 利用后向轨迹模式研究TRACE-P期间香港大气污染物的来源[J]. 热带气象学报, 2009, 25(2): 181-186.

[8] 石春娥, 姚叶青, 张平, 等. 合肥市PM10输送轨迹分类研究[J]. 高原气象, 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，山东师范大学在读硕士研究生，研究方向为环境规划与管理，E-mail: 937615906@ qq.com。

*责任作者： 刘厚凤（1965—），女，山东师范大学教授，主要从事环境规划与管理，大气科学等方面的研究。