疫情期间北京市大气污染特征及潜在源区分析

2022-11-08王大壮张周红

北京工业大学学报 2022年11期

曹娜, 王伟, 王大壮, 郭靖, 张周红

(1.生态环境部环境工程评估中心，北京 100012； 2.北京中环格亿技术咨询有限公司，北京 100012；3.中国电建集团华东勘测设计研究院有限公司，杭州 311122)

新型冠状病毒肺炎简称新冠肺炎(coronavirus disease，COVID-19)于2020年上半年在全球范围内暴发，并成为全球公共卫生的威胁. 许多国家和城市采取了非常规的防控措施，以防止病毒进一步传播. 在中国，预防性封锁首先于2020年1月23日在湖北省武汉市实施，随后其他省市也相继实施. 由于工业源、移动源等人为源排放量降低，我国大部分地区空气质量在新冠肺炎疫情期间得到改善[1-2]，但不利的气象条件仍然导致我国华北地区发生了区域重污染天气过程[3-4].

污染区域传输对于城市空气质量有重要影响，国内外学者基于数值模拟系统和聚类分析等方法对区域大气污染传输来源开展了深入研究[5-8]. 基于WRF-CMAQ(Weather Research and Forecasting-Community Multiscale Air Quality)、WRF-CAMx(Comprehensive Air Quality Model Extensions)和WRF-CALPUFF(California Puff)等数值模型系统，薛文博等[9]以我国31个省市作为源体，333个地级城市作为受体为基础，研究了大气PM2.5(fine particulate matter)及二次无机气溶胶跨区域的输送规律. 张婷慧等[10]研究了徐州不同季节、不同离地高度背景下PM2.5的输送来源. 后向轨迹模型(hybrid single particle Lagrangian integrated trajectory，Hysplit)、潜在源贡献因子算法(potential source contribution function，PSCF)和浓度权重轨迹分析法(concentration weighted trajectory，CWT)也是识别大气污染轨迹及来源的有效方法[11-14]. 任浦慧等[15]研究了太原市大气PM2.5、水溶性离子、碳组分和无机元素的污染特征，结合Hysplit等模型分析了PM2.5来源和传输路径. 以上研究结果对于认识大气污染传输提供了支撑，2020年1月份受新冠肺炎疫情的影响，全国范围内实施应急措施，大部分交通和公共活动被迫关闭，污染源排放与前期研究有很大区别. 因此，新冠肺炎疫情期间的封锁措施为研究大气污染特征、重污染气团轨迹及来源提供了时机.

北京市作为我国的政治、经济和文化中心，其三面环山的地理位置使其成为我国重污染频发地区之一. 北京市生态环境局发布的2019年生态环境状况公报表明，北京优良天数比例为65.8%，出现重度污染4 d；全市PM2.5年平均质量浓度和O3(ozone)日最大8 h滑动平均第90百分位质量浓度分别为42和191 μg/m3，超过国家二级标准20%和19%；SO2、NO2和CO年均质量浓度均达到国家二级标准[16]. PM2.5来源解析结果显示，移动源和扬尘源已经成为大气颗粒物的主要来源，对PM2.5的年均贡献分别占45%和16%[17]. 尤其在冬季，不利于污染物扩散的气象条件，使得大气污染变得尤为严重. 由此可见，研究北京市重污染期间，尤其是疫情期间这一特殊时期的大气污染特征及传输轨迹，对于环境管理部门制定污染防治对策、开展京津冀及周边区域联防联控具有重要意义.

因此，本研究选择北京市作为研究对象，通过与2019年1月份同期对比，分析了2020年1月份新冠肺炎疫情期间的空气质量及重污染特征，并采用Hysplit模型、PSCF和CWT模型分析了重污染期间污染气团的主要传输路径和潜在源区.

1 研究方法

1.1 后向轨迹模型

本文首先采用Hysplit和MeteoInfoMap模型追踪过去48 h到达北京市(39.91°N，116.40°E)的气流传输轨迹，其中追踪高度分别为距离地表50、100和500 m，追踪频率为每天的0:00、06:00、12:00和18:00. 其次，采用TrajStat模型进行逐时段非连续轨迹追踪，即不同时刻均生成一条轨迹，气象数据来自全球数据同化系统(ftp:∥arlftp.arlhq.noaa.gov/pub/archives/gdas1/)，同时将获取的小时轨迹进行聚类分析，获取不同的聚类轨迹.

1.2 PSCF和CWT模型

PSCF模型可用于识别北京市潜在的空气污染源区，本文将后向轨迹覆盖的区域划分为0.5°×0.5°的网格单元，PSCF定义为

PSCFij=mij/nij

(1)

式中nij和mij分别表示通过网格单元的所有轨迹和污染轨迹的数量.

根据我国环境空气质量指数规定，PM2.5日质量浓度高于75 μg/m3为污染日. 因此，本研究将75 μg/m3设定为PM2.5浓度参考值. 为了减少低nij值对结果的影响，引入经验权重函数Wij[18]，较高WPSCF值的网格单元表示北京市潜在污染源区

WPSCF=Wij×PSCFij

(2)

(3)

由于WPSCF只能反映不同网格单元中污染轨迹所占的比例，不能区分具有相同PSCF值的网格单元对目标城市污染贡献大小，因此本文采用CWT模型进一步定量分析不同污染源区域对目标城市的相对贡献，同样采用权重函数来降低不确定度，从而得到WCWT值[19-20].

2 结果与讨论

2.1 疫情暴发前后北京市大气污染特征

2020年疫情暴发前后及2019年同期北京市空气质量如图1所示. 数据来自古城、奥体中心、昌平镇、怀柔镇、顺义新城、海淀区万柳、官园、农展馆、天坛、东四、定陵和万寿西宫共12个国控站点. 2020年1月北京市SO2、NO2、CO、O38 h和PM2.5平均质量浓度分别为(6.5±2.7)、(39.3±15.6)、(0.9±0.5)、(35.2±18.3)和(58.1±46.7)μg/m3(见图1(a)). 疫情暴发后(23—31日)北京市SO2、CO、O38 h 和PM2.5质量浓度分别高达(8.2±2.9)、(1.2±0.5)、(50.3±7.8)和(101.2±51.3)，与疫情暴发前(1—22日)相比分别增加了40.6%、42.6%、73.6%和149.7%，但NO2质量浓度下降了27.9%. 疫情暴发后北京市O3质量浓度的增加与我国西部地区[21]、湖北[1]等地的研究结果一致，主要是由于交通管制等人为源减排措施降低了大气环境中NO的质量浓度，导致其对O3的滴定作用减弱，从而增加了大气氧化能力[22]，可见NO减排并不能完全避免O3污染[23]. 鉴于我国城区范围内基本处于O3生成的VOCs(volatile organic compounds)控制区，明确VOCs与NOx合理减排比例、识别VOCs控制的重点行业和重点组分，对于O3污染控制至关重要.

图1 2020年疫情暴发前后及2019年同期北京市空气质量Fig.1 Air quality in Beijing before and during the COVID-19 in 2020 and the same period in 2019

与2019年同期相比，2020年疫情暴发前SO2、NO2、CO、O38 h和PM2.5质量浓度分别降低了65.2%、20.8%、20.6%、-6.8%和37.4%(见图1(b))，疫情暴发后SO2、CO、O38 h和PM2.5质量浓度降低了6.8%、37.8%、28.0%和62.2%，但NO2增加了21.6%.

疫情对经济活动和人民生活产生了重要影响，如北京市及其他地区采取了一系列措施(如限制出行、关闭服务场所、关停建筑施工工地等)，导致社会活动水平很低、人为源排放量降低[1,24-25]. 从污染源排放角度看，与2019年同期相比，2020年疫情暴发后北京市污染源(含电力、工业、居民和交通源)SO2、NOx、CO和PM2.5排放量分别降低27.0%、28.0%、36.4%和21.4%左右[26]，但疫情对维持社会基本运转的电厂等行业的生产影响不大，污染物排放量虽有降低但排放基数较高，如电力行业的NOx和CO排放量仅降低2.3%～2.7%. 即便疫情暴发后污染源排放下降，2020年1月北京市污染天数(PM2.5质量浓度>75 μg/m3)为6 d，其中5 d(24—28日)发生在疫情暴发后，占总污染天数的83.3%，28日PM2.5质量浓度达到重度污染级别(166.8 μg/m3). 不利于污染物扩散的气象条件是造成疫情期间污染事件的主要原因，疫情暴发前(1—22日)北京市风速、能见度和湿度的小时均值分别为1.4 m/s、16.8 km和48.2%，疫情暴发后表现为弱风速(0.9 m/s)和高湿度(56.3%)的气象特征，能见度也降低至7.1 km，大气扩散能力显著下降，高湿度加速污染物的累积和二次转化，Zheng等[2]研究发现2020年1月23日—2月22日武汉市大气颗粒物中的硫酸盐、有机碳和二次无机气溶胶的质量浓度增加了2.5%～8.7%.

2.2 气团传输路径分析

本文选取2020年1月份污染最严重的28日为研究对象，追踪过去48 h到达北京市距离地表高度分别为50、100和500 m的污染气团传输轨迹，如图2所示. 研究结果显示距离地表高度50和100 m的气团传输轨迹基本一致，传输起点均位于廊坊、顺义和通州交界处，随后向东传输至廊坊中部地区、向西折返至北京中心城区，造成局地污染物累积；距离地表高度500 m的气团传输起点位于怀柔和密云交界处，随后向东南方向传输至平谷、再向东传输至北京中心城区. 廊坊市在此期间同样遭受了重污染天气，其中26—28日污染等级达到了严重污染程度(http:∥www.tianqihoubao.com/aqi/)，SO2、NO2、CO、O38 h和PM2.5质量浓度分别高达(9.7±2.5)、(42.0±4.6)、(1.8±0.2)、(55.7±4.2)和(222.0±25.0)μg/m3，PM2.5质量浓度高于同期北京市浓度值(157.5±9.3)μg/m3.

注：红色五角星表示北京(39.91°N，116.40°E)，紫色、黄色和蓝色轨迹分别代表距离地表50、100和500 m. 图2 2020年1月28日北京市48 h后向轨迹Fig.2 48 h air-mass back trajectories on January 28, 2020

总体而言，轨迹追踪结果显示，造成此次北京市重污染的气团主要来自北京市本地和近周边传输. 2018年北京市生态环境局基于PM2.5化学组分源解析和气象/空气质量耦合模式研究得到PM2.5综合源解析结果，北京市本地PM2.5排放占2/3，区域传输占1/3，但重污染日区域传输贡献超过50%[16]. 综合来看，本地污染减排与区域协同优化控制是缓解北京市大气污染物的重要手段.

本文同时基于Hysplit模型和TrajStat模型对获取的不同传输轨迹进行聚类统计，共得到4类聚类轨迹(cluster 1、2、3和4；表1和图3)，代表了污染物的主要传输路径. 结果显示来自北京市近周边的cluster 1是主要的传输轨迹，占总轨迹数量的65.2%，且具有较高的污染物质量浓度，SO2、NO2、CO、O38 h和PM2.5质量浓度分别为(10.8±4.7)、(34.2±6.7)、(1.6±0.5)、(54.1±20.3)和(153.0±28.1)μg/m3，其中PM2.5质量浓度达到了重度污染水平. 虽然cluster 4轨迹占比仅为9.5%，但污染物质量浓度与cluster 1差别不大，该聚类轨迹主要来自北京市西部的呼和浩特、大同等地的短距离传输，如呼和浩特同期(26—28日)PM2.5质量浓度高达(170.7±41.8)μg/m3，同样达到了重度污染级别，且SO2、NO2、CO质量浓度高于北京市，分别为(24.0±4.6)、(52.3±2.5)和(2.5±0.3)mg/m3. 来自西部的远距离传输(cluster 2)和北部的短距离传输(cluster 3)对北京市污染传输贡献相对较小，轨迹占比分别为6.3%和19.0%.

2.3 潜在污染源区分析

本文采用PSCF和CWT模型对典型污染时段的PM2.5潜在污染源区进行了分析. PSCF模拟结果显示(见图4(a))，此次重污染期间主要的潜在污染源区分布较为集中，WPSCF高值均位于北京市本地范围内(>0.9)，表明该区域的网格对北京市PM2.5质量浓度的影响较大；此外，近周边地区的廊坊和天津北部对北京市PM2.5污染的潜在贡献也不容忽视，WPSCF值高于0.7，而内蒙古中西部和北京市北部的WPSCF值处于较低水平(<0.2). CWT的模拟结果与PSCF基本一致(见图4(b))，潜在贡献源区主要集中在北京本地、廊坊北部和天津北部，WCWT值大于100 μg/m3，天津中部的WCWT相对较小(<70 μg/m3). 此外，内蒙古中西部和北京市北部等地的WCWT结果显示，来自以上地区的远距离传输对此次北京市重污染过程几乎没有影响(<30 μg/m3). 该结果与Zhang等[27]在2013年冬季的研究结果一致，即北京市的潜在污染源主要位于北京市及近周边地区(WPSCF>0.7).

表1 后向轨迹聚类统计结果

红色和蓝色五角星分别表示呼和浩特和大同. 图3 2020年1月28日北京市48 h后向轨迹聚类Fig.3 48 h air mass backward trajectories and clusters in Beijing on January 28, 2020

图4 2020年1月28日北京PM2.5的WPSCF和WCWT分布Fig.4 Distribution of weighted potential source contribution function and weighted concentration weighted trajectory for PM2.5 in Beijing on January 28, 2020