基于卫星遥感与CMB模型的济南市冬季重污染过程PM2.5溯源分析

魏小锋，韩红，闫学军，王在峰，李圣增，田勇，梁第，马明亮，张桂芹,

1.山东建筑大学市政与环境工程学院，山东 济南 250101；2.山东省济南生态环境监测中心，山东 济南 250101；3.山东建筑大学资源与环境创新研究院，山东 济南 250101

近年来，随着社会经济的快速发展，大气污染问题日益突出，尤其以细颗粒物（PM2.5）为首要污染物的重污染雾霾天气频发（Lu et al.，2020；Li et al.，2021），不仅会降低大气能见度严重影响城市交通（Wang et al.，2019a），还会引发各种呼吸道疾病（Chen et al.，2018；Fan et al.，2019）、肺结核乃至癌症（Wang et al.，2018），危害人体健康，因此对PM2.5重污染过程的污染成因及溯源分析对于下一步深入推进大气污染科学防治具有重大意义。

大气PM2.5的来源复杂，目前我国常用的颗粒物源解析受体模型主要有主成分分析（principal component analysis，PCA）、多元线性模型（multilinear engine 2，ME2）、化学质量平衡法（chemical mass balance，CMB）和正定矩阵因子分解法（positive matrix factorization，PMF）等。自从1972年CMB模型最早在美国加州（Miller et al.，1972）用来计算气溶胶来源以后，就被广泛应用于大气污染来源解析的研究，目前是应用最广，物理意义明确，算法日益成熟的源解析模型（陈飞等，2013）。周敏（2020）通过不同模型模拟的PM2.5浓度与实测浓度的相关性分析得出，ME2、PMF和CMB模拟值和实测值的相关系数R2分别为0.88、0.87和0.90，可见CMB模型对 PM2.5的拟合性较好。高雪倩等（2021）、Tian et al.（2020）分别利用CMB模型对武汉市和济南市PM2.5进行来源解析，发现机动车源、二次来源和扬尘源贡献率较高。李慧等（2020）对银川市冬季重污染过程 PM2.5进行CMB来源解析，发现燃煤源是银川市冬季PM2.5的重要来源。Hong et al.（2018）、王建英等（2020）、陈燕玲等（2021）和孙峰等（2021）分析了重污染过程 PM2.5组分变化和气象影响因素。而目前采用模型进行重污染过程PM2.5的本地排放溯源分析相对较少。

研究表明城市大气颗粒物不仅受本地排放源的影响，还在一定程度上受区域传输的影响（李春燕等，2021；姚森等，2021），使用后向轨迹结合潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）研究PM2.5的区域传输已经在国内得到广泛的应用。王露等（2017）通过计算潜在源区分布概率（WPSCF）和浓度权重（WCWT）表明泰山顶 PM2.5的主要潜在源区域为临近的山东济宁、聊城以及山西省、河南省、河北省等地区。辛艾萱等（2020）通过后向轨迹分析、PSCF和CWT分析了不同季节武汉市大气污染物潜在源区。李瑞等（2020）通过PSCF和CWT定量分析发现长三角北部城市 PM2.5污染由本地及周边区域贡献最大，属典型的区域性污染。这些研究表明城市间相互影响较大，秋冬季重污染过程为跨区域大气污染联动。近年来，随着卫星遥感技术的发展，研究发现卫星遥感获得的气溶胶光学厚度（AOD）数据能够合理反映近地面 PM2.5污染状况（李倩等，2013；金囝囡等，2021），使得大气污染状况的时空变化规律和区域传输的研究更加全面（Lin et al.，2015；Wang et al.，2019b；Xu et al.，2020）。研究表明通过卫星遥感反演的 AOD数据以及地面监测数据能较好的反映汾渭平原地区的一次污染过程的成因和传输过程（高星星等，2021）。

济南市是山东省经济政治文化中心，是京津冀大气污染传输通道“2+26”城市之一，细颗粒物重污染过程主要发生在冬季。目前对济南市 PM2.5重污染过程的文献研究主要集中在 PM2.5化学组分污染特征以及气象影响因素（刘盈盈等，2018；冯亚洁等，2020；魏小锋等，2020），但对重污染过程PM2.5的本地溯源以及外来传输污染源的影响研究较少。因此，本文以济南市冬季一次重污染过程为研究对象，利用后向轨迹模型、CMB模型以及卫星解译等相关分析方法，对重污染过程的PM2.5及组分的污染特征、本地来源、区域传输和高空演变过程进行全面综合的分析，揭示重污染天气 PM2.5的污染成因和主要来源，为济南市大气重污染防治提供一定的理论依据。

1 材料与方法

1.1 采样地点与时间

采样地点位于济南市龙环大厦山东省济南生态环境监测中心站内，监测点紧邻旅游路和舜华南路；周围交通密集，附近主要为办公区域，无明显工业污染源。采样时间为2020年1月1—6日，24 h连续自动在线采样，1 h一次。PM2.5质量浓度及其离子、碳组分和金属元素等组分质量浓度数据通过气溶胶在线离子色谱仪、有机碳元素碳在线分析仪、大气重金属X射线荧光光谱在线监测仪分别进行在线监测分析而得到；环境空气质量常规污染物质量浓度及气象因子小时数据由监测站自动在线监测同步给出；混合层高度（PBL）采用Mie散射激光雷达（北京爱沃公司）测定。

1.2 CMB模型及其算法

化学质量平衡（CMB）受体模型是通过大气颗粒物环境样品和源的样品的化学或显微分析来确定各类污染源对受体的贡献的一系列源解析技术。假设存在着对受体中的大气颗粒物有贡献的j类源，那么在受体上测量的总物质质量浓度就是每一源类贡献质量浓度值的线性加和（Cheng et al.，2020）。

式中：

ρ——受体大气颗粒物的总质量浓度；

wij——第j类源的颗粒物中组分i的质量分数；

ρj——第j类源贡献的质量浓度；j为源类的序号，j=1, 2……J，i为组分的序号，i=1, 2……I。

ηj——第j类源贡献率，表示第j类源贡献的质量浓度占颗粒物总质量浓度的百分比。

1.3 后向轨迹

本文利用后向轨迹模式计算了观测期间每小时距地 1000 m高度的 48 h后向轨迹分析，按0.1°×0.1°网格对研究区域进行网格化处理，利用Trajstat软件对济南市进行潜在源贡献因子分析（PSCF）和浓度权重轨迹分析（CWT），进行PM2.5及其组分的区域传输和扩散的研究，对外来输送影响进行分析。

（1）潜在源贡献因子分析方法（Potential source contribution factor，PSCF）是一种基于气流后向轨迹辨别污染物潜在源区的滞留时间分析方法，该方法对污染因子设定限值。本文将 PM2.5的日平均值二级标准限值（75 μg·m-3）作为轨迹是否污染的判定标准，即经过某个网格的气团轨迹到达所对应的污染物浓度超过二级标准限值时，该轨迹为污染轨迹；PSCF高值网格区被认为是影响济南市PM2.5的潜在源区；PSCF值等于经过网格（i,j）的污染轨迹个数（mij）与该网格经过的所有轨迹个数（nij）的比值（高阳等，2021）。公式为：

式中：

Pij——网格（i,j）的PSCF值；

i、j——经度和纬度，PSCF是基于条件概率的函数，某些网格的滞留时间较小时，PSCF值的误差会较大，为了降低误差，引入权重函数Wij（高阳等，2021），公式为：

式中：

WPij——网格（i,j）的WPSCF值，WPSCF值越大，表明该网格点对观测点的污染物质量浓度的贡献也越大。

（2）浓度权重轨迹分析（concentration weighed trajectory analysis，CWT）：PSCF方法不能反映网格的污染程度，本文通过浓度权重轨迹分析 CWT法计算轨迹的权重浓度，可以很好地反映污染轨迹的污染程度，具体方法如下（高阳等，2021）：

式中：

ρCij——单元网格（i,j）的平均权重浓度CWT值；

l——轨迹；

M——轨迹总数；

ρCl——轨迹经过网格（i,j）时对应的污染物质量浓度；

τijl——轨迹l在网格（i,j）的停留时间，采用与PSCF相同的权重因子Wij，以减少ρCij的不确定性，即：

式中：

WCij——网格（i,j）的权重轨迹污染程度WCWT。

1.4 卫星遥感

利用卫星遥感数据可以进一步从全局尺度探究重污染过程中气溶胶空间分布特征。本文使用JAXA（https://www.eorc.jaxa.jp/ptree/）发布的日本新一代气象静止卫星向日葵8号搭载的高级成像仪（Advanced Himawari Imager, AHI）Himawari8 L1 网格数据，使用LAPR-V2.0算法反演了华北平原地区气溶胶光学厚度（AOD）分布。气溶胶数据空间分辨率为5 km，时间分辨率为10 min。

2 结果与讨论

2.1 重污染过程PM2.5及组分变化特征

由图1可知，2020年1月1—6日济南市经历了一次以 PM2.5为首要污染物的重污染过程。1日PM2.5质量浓度为42 μg·m-3，空气质量等级为良；随着湿度逐渐升高，大气边界层高度（PBL）逐渐降低，使得大气环境容量下降，污染物不易扩散，导致PM2.5质量浓度逐渐升高（Miao et al.，2019；Sun et al.，2020）；2日PM2.5质量浓度升高至95 μg·m-3，AQI为 125，达到轻度污染；3 日 PM2.5质量浓度继续升高至139 μg·m-3，污染加重至中度污染；随后4日和5日相对湿度分别为54%和70%，PBL分别降至489 m和414 m，PM2.5质量浓度分别达到 195 μg·m-3和 211 μg·m-3，AQI分别为 245 和262，重度污染爆发；之后受冷空气和雨雪天气的清除作用的影响，PM2.5质量浓度降低，空气质量逐渐改善，此次重污染过程结束。

图1 2020年1月1—6日济南市AQI、PM2.5质量浓度、湿度及PBLFigure 1 AQI, PM2.5 concentration, RH and PBL in Ji’nan from January 1 to 6, 2020

为进一步分析此次重污染过程的成因，对比分析了 PM2.5组分质量浓度及主要气象因素的小时变化（图2）。魏小锋等（2020）对济南市PM2.5组分特征研究中发现水溶性离子NO3-、SO42-、NH4+和有机物OM（=1.6×OC）是PM2.5的主要化学组分。由图2可知，在此次污染加重过程中，PM2.5质量浓度随NO3-、SO42-、NH4+和OM质量浓度升高的趋势显著。5日10时PM2.5小时质量浓度达峰值333.0 μg·m-3，NO3-、SO42-、NH4+和 OM 质量浓度也分别达最高值 102.4、38.1、46.5 和 45.7 μg·m-3，在 PM2.5中占比分别为30.7%、11.4%、13.9%和13.7%；与2日7点污染开始相比，质量浓度分别升高了5.2、5.4、4.6和3.3倍，NO3-和SO42-在PM2.5中占比也明显升高，其中SO42-、NO3-和NH4+主要由一次排放的气态前体物SO2、NOx以及NH3在大气中经过一系列化学反应转化生成的二次组分（魏小锋等，2019）。OM既来自一次污染源的直接排放，也来源于 VOCs通过化学反应等途径的二次转化（Nozière et al.，2015）。

SO42-的气态前体物 SO2主要来自煤炭燃烧排放，而 NO3-的气态前体物 NOx主要来自机动车尾气排放，因此，NO3-/SO42-通常用来表示移动源和固定源对大气颗粒物贡献的相对大小（雷天阳等，2020）。NO3-/SO42-的比值越大说明移动源对大气颗粒物的影响越大。此次污染过程中NO3-/SO42-平均比值为 3.0，说明机动车移动源对重污染过程的影响大于固定源。其主要原因是近年来济南市机动车保有量不断增加，尾气排放量增加，再加上济南市大部分工业采取停产等重污染应急减排措施，使得工业排放大幅减少。

SOR（硫氧化率）和NOR（氮氧化率）通常用来表示气态污染物SO2和NO2向SO42-和NO3-转化程度，计算公式如下（雷天阳等，2020）：

式中：

S——SOR，

N——NOR。

此次重污染过程中SOR和NOR如图2所示。SOR、NOR均大于0.1，说明此次重污染过程SO42-和NO3-主要来自于SO2和NO2的二次转化（Zhang et al.，2018）。湿度是影响SOR、NOR的重要因素之一（魏小锋等，2019），SOR和NOR与空气湿度的变化趋势基本一致。重污染时段空气湿度基本维持在80%—90%，促进了气体前体物SO2和NO2的二次转化；SOR和NOR平均值分别达到0.6和0.5，使得SO42-与NO3-质量浓度迅速升高，PM2.5质量浓度不断积累，导致重污染天气发生。

图2 2020年1月1—6日济南市重污染过程SOR和NOR与PM2.5组分质量浓度及气象因素变化Figure 2 Changes of SOR, NOR and PM2.5 component concentration and meteorological factors during heavy pollution in Ji’nan from January 1 to 6, 2020

2.2 基于CMB模型的PM2.5本地溯源分析

为了明确本次重污染过程PM2.5的主要本地来源，采用化学质量平衡模型（CMB）分别对重污染天（1月4—5日）和清洁天（1月1日）PM2.5进行了来源解析，计算了不同天气下济南市各主要排放源类对环境空气中PM2.5贡献的质量浓度和分担率（图3）。分担率为每种源类贡献的质量浓度占受体大气颗粒物的总质量浓度的百分比。

图3 重污染天和清洁天各污染源浓度和分担率Figure 3 PM2.5 concentration and share rate of pollution sources on polluted day and clean day

计算结果表明，重污染天硝酸盐对PM2.5贡献的质量浓度最高为66.9 μg·m-3，是清洁天的10.5倍。重污染天其他各类污染源对PM2.5贡献的质量浓度均升高。硫酸盐、二次有机碳和机动车源对PM2.5贡献的质量浓度分别为 21.0、17.0和 13.4 μg·m-3，分别是清洁天的3.8、3.5和2.4倍；土壤源和钢铁源质量浓度比清洁天升高了30.0倍和12.5倍，但对PM2.5的质量浓度贡献较小。由于重污染天和清洁天PM2.5的质量浓度差异较大，故进一步计算了不同天气下各类源对 PM2.5的分担率，结果表明重污染天硝酸盐、硫酸盐、二次有机碳和机动车源是PM2.5的主要来源，分担率分别为41.0%、12.9%、10.4%和8.2%。这与重污染过程PM2.5组分分析结果一致。硫酸盐、硝酸盐和二次有机碳主要由 SO2、NO2、VOCs等气态前体物经大气光化学反应二次生成（Nozière et al.，2015；魏小锋等，2019），机动车源主要由汽油、柴油机动车排放尾气中的油烟飞灰构成（周睿智等，2021）。与清洁天相比，硝酸盐的分担率显著升高，是清洁天的2.2倍，而机动车源、城市扬尘源和硫酸盐的分担率分别降低了7.9%、6.5%和3.0%，二次有机碳分担率变化不大。总的来看，济南市冬季 PM2.5重污染过程的本地来源主要是二次源和机动车源。

2.3 基于后向轨迹的区域传输分析

为了研究济南市重污染过程 PM2.5及其主要组分的潜在区域传输来源，利用PSCF进一步解析了污染天1月4日PM2.5及其主要组分NO3-、SO42-和NH4+的WPSCF值（图4）。WPSCF值越大，该网格所在区域对研究点济南市颗粒物质量浓度的贡献就越大。PM2.5的WPSCF高值区域（0.7—0.9）主要是济南本地、北方向的济阳区、商河县、德州东部、滨州西部等地和西南方向的长清区、平阴县等地，东南方向临沂、枣庄等地也有一定的传输影响，WPSCF 值较小（0.1—0.2）；NO3-、SO42-和 NH4+的主要潜在源区一致，济南西南方向的长清区、平阴县等地WPSCF值在0.5—0.8之间，是主要潜在源区；次潜在源区是北方向的济阳区和商河县等地，其WPSCF值在0.3—0.5之间；东北方向的淄博市、滨州市、东营市等地有一定的远距离传输作用，其WPSCF值较小（0.1—0.2）。通过CWT进一步计算潜在源区污染贡献程度，计算结果如图 5所示。CWT分析和PSCF分析的强潜在源的结果一致，PM2.5的主要潜在源区域是本地局地源、北方向的济阳区、商河县、德州东部、滨州西部和西南方向的长清区、平阴县等地，其 WCWT值超过 90 μg·m-3；NO3-、SO42-和 NH4+的主要潜在源区是西南方向长清区、平阴县等地，WCWT值分别超过40、10和18 μg·m-3。总的来说，济南市冬季重污染过程颗粒物污染受区域传输的影响，主要的潜在源区是西南方向的长清区、平阴县和北方向的济阳区、商河县、德州东部、滨州西部等地。

图4 济南市1月4日PM2.5、NO3−、NH4+和SO42−的WPSCF分布Figure 4 Distribution of WPSCF of PM2.5, NO3-, NH4+ and SO42- in Ji’nan on January 4

图5 济南市1月4日PM2.5、NO3−、NH4+和SO42−的WCWT分布Figure 5 Distribution of WCWT of PM2.5, NO3-, NH4+ and SO42- in Ji’nan on January 4

2.4 基于卫星遥感的重污染演变过程分析

图6为基于卫星遥感反演得到的2020年1月1—6日华北平原地区AOD分布。由于AOD反演结果太高会被算法自动剔除，导致显示为空值，该区域及其周边均应为AOD高值，因此图中用红框标记AOD高值区。由图6可知，1月1日和1月2日有两个AOD高值区，分别是济南市西南方向的河南省东部和安徽省西部地区（区域 1）和济南市南部、泰安和济宁地区（区域2）；随着气流运动，在风力传输作用下，1月3日AOD高值区主要出现在济南市区以及济南市南部泰安等地（区域3）；1月4日AOD高值区出现在济南市以及济南市西南部、河南北部地区（区域4）；同时，在西南风的传输作用下，污染气团从济南市的西南方向输送至山东省西部，导致了1月5—6日济南市及周边区域环境空气重度污染，反演计算的AOD值太高而被算法自动剔除显示为空值（区域5和区域6）。1月5日和6日两天华北平原地区发生大范围气溶胶污染事件，因此，济南市 PM2.5重度污染是受山东省内污染气团近距离传输和西南方向跨省输送污染气团的共同影响。

图6 2020年1月1—6日华北平原地区AOD分布Figure 6 AOD distribution in North China Plain from January 1 to 6, 2020

结合PSCF和 CWT对PM2.5的潜在源分析可知，本次重污染过程除济南本地污染源以外，一部分是来自北方的德州东部、滨州西部以及济南市的商河县和济阳区；另一部分是PM2.5中NO3-、SO42-和 NH4+组分主要来自西南方向的河南省东北部和安徽省西部地区的跨省输送污染气团，途径济南市南部、泰安和济宁地区以及济南市的长清区、平阴县等地。

3 结论

（1）2020年1月1—6日济南市出现PM2.5重污染过程，其中，4日和5日PM2.5质量浓度分别达到 195 μg·m-3和 211 μg·m-3。湿度增大、PBL 降低等不利的气象条件下，气态污染物的二次转化使得PM2.5中二次组分NO3-、SO42-、NH4+和OM质量浓度显著升高，导致PM2.5重度污染。

（2）PM2.5本地溯源分析结果表明，二次源和机动车源是济南市冬季 PM2.5重污染过程的主要来源。重污染天硝酸盐、硫酸盐、二次有机碳和机动车源PM2.5的分担率分别为41.0%、12.9%、10.4%和8.2%；与清洁天相比，硝酸盐的分担率和质量浓度均显著升高，分担率是清洁天的2.2倍，质量浓度是清洁天的10.5倍。

（3）潜在源贡献分析表明，济南西南方向的长清区、平阴县以及北方向的济阳区、商河县、德州东部、滨州西部等地是影响PM2.5及其主要组分的主要潜在源区。

（4）基于卫星遥感反演得到 AOD演变过程分析表明，本次重污染过程受山东省内德州东部、滨州西部以及济南市的商河县和济阳区等地污染气团近距离传输，同时还受来自西南方向的河南省东北部和安徽省西部地区的跨省输送污染气团，途径济南市南部、泰安和济宁地区以及济南市的长清区、平阴县等地的共同影响。