2015～2021年景洪市PM2.5的传输路径及潜在源区

刘旭艳,韩秀珍,梁林林,朱 琳

2015～2021年景洪市PM2.5的传输路径及潜在源区

刘旭艳1,2,韩秀珍1*,梁林林3**,朱 琳1

(1.国家卫星气象中心(国家空间天气监测预警中心),中国气象局中国遥感卫星辐射测量和定标重点开放实验室,许健民气象卫星创新中心,北京 100081；2.国家环境保护大气复合污染来源与控制重点实验室,北京 100084；3.中国气象科学研究院大气化学重点实验室,北京 100081)

分析2015～2021年景洪市大气污染特征,识别日均PM2.5浓度超过国家空气质量二级标准所在月(超标月).利用混合单粒子拉格朗日积分轨迹模型计算景洪市PM2.5超标月的逐日72h后向轨迹,并结合景洪市PM2.5浓度,通过聚类、潜在源区贡献因子和浓度权重轨迹因子等分析方法,识别景洪市日均PM2.5超标月的主要传输路径和潜在源区.结果表明:景洪市2～5月为日均PM2.5超标月;景洪市2～5月PM2.5的传输主要来自其西向、西南和南向,且中短距离和低空传输对应高PM2.5浓度;景洪市PM2.5源区主要位于缅甸中部、老挝西北部和泰国北部;通过归一化处理浓度权重轨迹因子可知,景洪市2～5月PM2.5传输的源区主要来自缅甸,贡献41%～50%,其次为泰国和老挝,分别为21%～27%和5%～12%.基于2015～2021年2～5月中南半岛火点数分布及与景洪市PM2.5浓度相关性分析,进一步揭示影响景洪市PM2.5的主要排放源为缅甸生物质开放燃烧.研究可为景洪市建立跨境区域联防联控措施以及未来气候变化研究提供指导.

PM2.5；景洪市；聚类分析；潜在源区贡献因子；浓度权重轨迹

PM2.5不仅恶化空气质量,而且影响人体健康[1-4]、能见度[5-6]和气候变化[7-12]等,因此深入研究PM2.5浓度变化的影响因子显得尤为重要.某地的PM2.5浓度不仅与当地污染源排放有关,而且与区域大气输送相关[13-15],因此很多学者不仅致力于本地源排放研究[16-17],而且还长期深入研究PM2.5的传输路径及潜在源区[6,18-28].其中利用气象场驱动混合单粒子拉格朗日积分轨迹模型(Hybrid Single-Particle Lagrangian Integrated Trajectory,简称HYSPLIT)进行传输路径和潜在源区分析较为有效且应用广泛[6,14,18-21,25-30].

近年来我国区域大气环境污染治理已取得显著进展,且多次区域协同空气质量保障措施(2008年北京奥运会、2010年广州亚运会和2014年APEC会议等)均取得实际成效.薛文博等[15]研究表明我国各省市PM2.5受区域外污染源影响较大,因此跨区域、跨境的区域传输不可忽视.云南省景洪市位于我国西南边陲,隶属于云南省西双版纳州,毗邻中南半岛,被誉为“森林生态博物馆”.然而近年来景洪市冬春季频发霾天气[31-40], 2015～2020年生态环境状况公报显示,2020年景洪市首次出现重污染天气(共6d),其中2020年3月29日、3月30日、4月2日～ 4月5日遭遇持续重度污染天气,首要污染物均为PM2.5.卫星监测显示2020年4月3日景洪市西-南方向分布多个火点且有向景洪市扩散的烟羽(图1).目前PM2.5传输路径及潜在源区分析研究主要集中在我国京津冀及周边[6,13-14,21,30]、长三角[19-20,29]和汾渭平原[25,41-42]等经济发达或污染较重区域,对西南边陲地区的PM2.5研究相对较少.王健等[39]和周增春等[40]学者均分析了景洪市的环境空气质量状况、污染特征及变化规律;高婷婷等[32-33]重点分析了与景洪市污染相关的气象因子;Guo[35-36]和Liu等[37]则主要分析了景洪市PM2.5中含碳气溶胶的分布特征和来源,王继康等[43]和张玉洽等[44]学者均利用三维空气质量模型分析了东南亚生物质燃烧对我国西南地区PM2.5浓度影响,结果均表明中南半岛生物质开放燃烧是影响我国西南地区PM2.5浓度及含碳气溶胶的主要来源.这些研究极大丰富了景洪市PM2.5浓度变化因子、形成机理及与气象因子之间关系等的认识,然而多年景洪市发生日均PM2.5浓度超过国家空气质量二级标准所在月(超标月)的传输路径及潜在源区研究较少,因此本文在基于分析2015～2021年景洪市大气污染变化特征的基础上,选择景洪市日均PM2.5超标月,利用HYSPLIT模型计算后向轨迹并进行聚类、潜在源区贡献因子(PSCF)和浓度权重轨迹(CWT)分析,识别影响景洪市PM2.5超标月的主要传输路径和潜在源区,并结合景洪市周边多年火点分布深入准确分析外来输送气团,以期为景洪市发生日均PM2.5超标天的跨境区域联防联控提供参考.

图1 Aqua卫星搭载的中分辨率成像光谱仪监测的2020年4月3日景洪市及周边火点数

审图号:GS (2019) 3082号

1 材料与方法

1.1 数据来源

景洪市空气质量常规监测PM2.5、PM10、CO、SO2、NO2和O3日均浓度来自全国城市空气质量实时发布平台(https://air.cnemc.cn:18007/)公布的2个国控监测站点(景洪市江南和景洪市江北)的逐日质量浓度算数平均值,两个监测站点均从2015年1月1日开始对外发布监测数据,研究时间为2015年～ 2021年.

景洪市地面气象观测站点编号为56969 (101.58°E,21.47°N),其风场(风速和风向)观测数据来自美国国家海洋和大气管理局(NOAA)的国家气候数据中心(NCDC),时间分辨率为3h;相对湿度和24h降水量来自国家气象数据中心(http://data. cma.cn/),相对湿度时间分辨率为1h;行星边界层高度(PBLH)、驱动HYSPLIT模型以及PSCF、CWT分析所需气象资料均来自NOAA的全球数据同化系统(GDAS),该数据集时间分辨率为3h.

火点数据来源于美国国家航空航天局2002年发射的AQUA卫星搭载的中分辨率成像光谱仪(MODIS),该数据集主要包括火点经纬度、卫星类型、过火时间、火点置性度、火点类型等.本研究为保证MODIS识别火点的准确性,选择置性度大于80%[45]以上的火点.

人为源排放数据来源于全球大气研究排放数据库(EDGAR)[46],分辨率为0.1°;生物质开放燃烧排放数据来源于美国国家大气研究中心火点排放清单(FINN)[47],分辨率为1km.

1.2 后向轨迹模型

HYSPLIT模型是对空气团或质点经过复杂的大气扩散和沉降轨迹进行计算的系统,该模式能够对污染物的运动轨迹、扩散和干湿沉降进行很好的模拟和预测,所以可用来评估污染物来源.由于它不包括详细的化学过程,所以相较其它扩散模式具有计算时间极短的优势.本研究每日从0:00,06:00, 12:00,18:00(世界时,分别对应北京时08:00,14:00, 20:00和02:00)4个时间段开始运行,考虑到PM2.5中二次污染物,其模拟时间设为72h.起始高度为景洪市月均行星边界层高度(PBLH)的一半,这样更便于计算轨迹线的传输[48].

1.3 潜在源区贡献因子分析法

利用MeteoInfo软件对HYSPLIT模拟的各轨迹和同期景洪市PM2.5浓度进行PSCF和权重潜在源区贡献因子(WPSCF)计算,以便分析景洪市2015～ 2021年PM2.5的潜在源区.本研究网格大小设定为0.25°´0.25°;研究范围为80°～120°E,10°～35°N;将PM2.5浓度的日均二级标准值(75µg/m3)作为PSCF计算的阈值.通过公式(1)～(3)可分别计算得到PSCF和WPSCF,其计算公式如下:

利用MeteoInfo软件对HYSPLIT模拟的各轨迹和同期景洪市PM2.5浓度进行PSCF和权重潜在源区贡献因子(WPSCF)计算,以便分析景洪市2015～ 2021年PM2.5的潜在源区.本研究网格大小设定为0.25°´0.25°;研究范围为80°～120°E,10°～35°N;将PM2.5浓度的日均二级标准值(75µg/m3)作为PSCF计算的阈值.通过公式(1)～(3)可分别计算得到PSCF和WPSCF,其计算公式如下:

1.4 浓度权重轨迹分析法

2 结果与讨论

2.1 2015～2021年景洪市空气质量概况

2015～2021年景洪市日均污染物浓度变化如图2所示,PM2.5、PM10、SO2、NO2、CO和O3_8h(臭氧8h滑动平均)日均变化基本呈“U”形分布,春冬季日均浓度高,夏秋季日均浓度低.2015～2021年除颗粒物(PM2.5和PM10)外,其余4种污染物日均浓度均未超过《环境空气质量标准》规定的浓度限值[51].景洪市2015～2021年日均PM2.5和PM10浓度超标天数分别为92和55d.PM2.5浓度超标天数及相应浓度统计如图3所示,日均PM2.5浓度超标天数主要集中在2～5月,这与王健等[39]的统计结果一致.其中2020年3月和4月超标天数最多,分别为16和11d,共27d;2018年3月和4月超标天数最少,共5d.2020年PM2.5浓度超标日平均浓度最高,为120.6µg/m3,2016年最低,为85.9µg/m3; 2015～2021年PM2.5超标日平均浓度是二级标准值的1.1～1.6倍.景洪市3月和4月PM2.5污染相对最重,日均PM2.5浓度最高约为210µg/m3,达到重度污染等级.因此本研究将景洪市2～5月定义为污染月,其余月为清洁月,也将重点分析污染月景洪市PM2.5的来源与潜在源区.

图2 2015～2021年景洪市大气污染物日均浓度变化

图3 2015～2021年景洪市PM2.5超标日数及超标日平均浓度

通过2015～2021年景洪市多年月均PBLH、湿度、风速和降水随时间变化(图4)可知,景洪市污染月(2～5月)多年平均PBLH、风速和湿度分别为762m、1.4m/s和65%;清洁月(1月,6～12月)多年平均PBLH、风速和湿度分别为390m、1.3m/s和79%.相比较景洪市污染月对应较高PBLH、高风速和低湿度,表明景洪市污染月总体并非处于不利气象条件,外加降水量较少,干燥易发生火险,因此推测很可能受周边地区排放源的传输影响.

图4 2015～2021年景洪市月均相对湿度(a)、风速(b)、PBLH(c)和24h(d)降水量变化及多年月均变化

2.2 2015～2021年景洪市PM2.5传输路径分析

将2015～2021年2～5月轨迹线分别进行聚类分析,基于各月聚类的总空间变异系数(TSV),均将各月聚为6类,各类轨迹所对应的传输概率、PM2.5浓度及发生污染时(PM2.5>75µg/m3)对应的传输概率和PM2.5浓度、轨迹线聚类空间分布及传输高度分别见表1、图5、图6.

2月,景洪市后向轨迹聚类主要来自其西南方向(聚类2和3),占比约78%,为2月景洪市PM2.5的主要传输路径;其次为东南向(聚类1),占比约12%,这三类传输轨迹线较短,为短距离传输,相应的平均PM2.5浓度为37.0～40.0µg/m3,且这三类轨迹聚类传输高度均不高于1000m.占比7%的西向轨迹(聚类4)对应的平均PM2.5浓度最高,为43.6µg/m3,且距离较长,最高传输高度为3000m.聚类5和6占比较低,且相应的平均PM2.5浓度也较低,但传输高度较高,最高可达8000m左右.当景洪市出现污染时,聚类3和2出现概率较高,分别为41.7%和30.6%,聚类2对应的PM2.5浓度最高,为167.1µg/m3;聚类4出现概率较低,但相应PM2.5浓度较高,为138.4µg/m3;聚类1出现概率为16.7%,相应PM2.5浓度为85.1µg/m3;景洪市PM2.5超标的轨迹线均未来自聚类5和6.

3月是景洪市日均PM2.5浓度最高月,也是PM2.5超标日数最多月.与2月一致,聚类6(西北方位)轨迹占比最低,且相应PM2.5浓度较其它聚类也较低,传输高度较高,最高可保持在7000m左右;对应PM2.5浓度最高的聚类分别是聚类2、3和5,聚类2和3主要来自景洪市西部和西南部,聚类5来自景洪市正南部,这3个聚类传输距离较短,特别是占比42%的聚类2,传输距离最短、传输高度最低且相应PM2.5浓度最高;聚类1和4传输方位较接近,为景洪市西北偏西方位,传输距离较正西、正南和西南方位长,但来自西北偏西方位的轨迹对应PM2.5浓度也较高,其传输高度最高范围为2500～4000m左右.景洪出现污染时轨迹主要来自聚类2(正西短距离传输),相应PM2.5浓度为103µg/m3,来自西南和正南方位轨迹概率分别为20%和23%,对应PM2.5浓度分别为109.6和105µg/m3,聚类1对应PM2.5浓度也较高,为94.7µg/m3,聚类4出现概率较低,对应PM2.5浓度也较低,为79.8µg/m3.

表1 景洪市2015～2021年2～5月PM2.5聚类分析统计

4月,景洪市所有轨迹对应PM2.5浓度为43.2µg/m3,占比32%的聚类4(正西方位)传输距离最短,传输高度最低,对应PM2.5浓度最高,为64.2µg/m3;聚类1(西南方向)和5(正南方向)出现概率均为26%,传输距离也较短,传输高度也维持在较低高度(500m内),对应PM2.5分别为51.5和38.8µg/m3;聚类2(西北偏西)和3(西南偏西)出现概率分别为3%和10%,对应PM2.5浓度分别为42.9和41.7µg/m3,聚类2传输高度维持较高(最高可达4000m),聚类3传输高度较聚类2低,最高可达2000m;聚类6(东北方向)出现概率较低,为3%,对应PM2.5浓度也最低(20.1µg/m3),但其传输高度较聚类2和3低,较聚类4、5和1传输高度高,且污染出现时,未有来自东北方向传输,表明4月来自东北方向轨迹对景洪市PM2.5浓度影响最弱.当景洪市PM2.5浓度出现超标时,来自聚类5(正南方向)对应PM2.5浓度最高,为131.6µg/m3,出现概率为13%;其次为来自正西方向,PM2.5浓度为117.1µg/m3,出现概率最高,为51%;西南方向和西北偏西方向对应PM2.5浓度分别为96.4和92.5µg/m3,出现概率分别为31%和3%;西南偏西方向出现概率为3%,相应PM2.5浓度为86.0µg/m3.

5月,景洪市所有计算轨迹对应PM2.5浓度为24.3µg/m3,为2～5月最低浓度.出现概率最高的为聚类5(西南偏南)和聚类1(西南),分别为35%和32%,对应PM2.5浓度为19.0和24.0µg/m3,且为短距离传输和低空传输(300m内);聚类3(正西短距离)和4(西南偏南较长距离)出现概率为18%和11%,对应PM2.5浓度分别为37.7和26.7µg/m3,传输距离最高分别为500m和1000m;聚类2(正西长距离)和聚类6(西南偏西长距离)出现概率较低,小于3%,且对应PM2.5浓度分别为27.1和11.0µg/m3,传输高度均较高,且来自这两个方位的轨迹均未出现PM2.5浓度超标.PM2.5浓度出现超标轨迹中,对应PM2.5浓度(90.7µg/m3)最高来自正西短距离传输,出现概率较高,为35%;其次为出现概率35%的西南偏南短距离传输方向,对应PM2.5浓度为88.3µg/m3,西南短距离传输出现概率为24%,对应PM2.5浓度为79.4µg/m3;西南偏南较长距离传输出现概率为6%,对应PM2.5浓度为82.5µg/m3.综上所述,2～5月景洪市日均PM2.5浓度超标传输路径主要以西、西南和正南为主,表明景洪市2～5月PM2.5外来输送主要由中南半岛传输,且中短距离传输和低空传输对应高PM2.5浓度.中短距离传输表明移动速度较慢,低空传输表明污染物较易在地面累积.

图5 景洪市2015～2021年2～5月聚类分析轨迹图

审图号:GS (2019) 3082号

图6 景洪市2015～2021年2～5月PM2.5后向轨迹高度变化

2.3 2015～2021年景洪市PM2.5潜在源区及贡献分析

2.3.1 潜在源区分析 2015～2021年2～5月景洪市PM2.5的WPSCF分布如图7所示,潜在源区主要分布在景洪市西-南范围,这与2.2节分析的主要传输路径一致.2月污染程度较高的潜在源区较3月和4月少,其传输主要通过聚类2～4由缅甸中东部、缅甸中南部、老挝西北部和泰国北部输送而来.和2月一致,5月造成景洪市PM2.5污染程度较高的潜在源区也较少,且传输范围也较小,主要通过缅甸中东部和泰国北部传输.3月,景洪市潜在源区范围较大,主要分布在缅甸中部、泰国北部和老挝西北部,污染程度较高的潜在源区范围也较大,主要集中在缅甸中部和泰国北部.4月,景洪市潜在源区范围较3月小,WPSCF分布跟3月较一致,主要集中在缅甸中部和泰国东北部.

2.3.2 潜在源区污染权重分析 与WPSCF方法所得结果相似,2～5月景洪市PM2.5潜在源污染权重分布图如图8所示,景洪市PM2.5浓度贡献超过40µg/m3的区域主要集中在景洪市西-南方向,即缅甸中部、老挝西北部和泰国北部;超过70µg/m3的区域主要位于缅甸中东部、泰国北部和老挝西北部.2月潜在源污染分布范围较小,主要分布在景洪市、缅甸掸邦省、曼德勒省、克邦邦省、勃固省和克伦邦省北部、老挝博胶省和琅南塔省、泰国清莱府、南邦府和清迈府;浓度贡献超过70µg/m3的分布范围较3月和4月也较小,主要位于缅甸掸邦省.5月潜在源污染分布范围较2～4月均较小,其浓度贡献超过40µg/m3的区域主要集中在缅甸掸邦省北部,即景洪市西北偏西方向.3月潜在污染源区范围较大,且浓度贡献超过70µg/m3的区域明显,主要位于缅甸掸邦省、曼德勒省、克邦邦省、勃固省和泰国清莱府.4月潜在污染分布范围较3月小,且浓度贡献超过70µg/m3的区域范围较3月小,主要位于缅甸掸邦省东部.

图7 2015～2021年2～5月景洪市WPSCF值分布特征

审图号:GS (2019) 3082号

通过归一化处理WCWT值(表2),发现2～5月中南半岛(包括缅甸、泰国、老挝、越南和柬埔寨)对景洪市PM2.5浓度贡献分别为77%、75%、77%和82%,表明景洪市PM2.5浓度主要来自中南半岛传输.其中缅甸贡献最高,2～5月贡献约41%～50%,与王继康等[43]得出的2020年3月下旬至4月上旬缅甸对西双版纳PM2.5贡献(50%～60%)结果较相近;泰国贡献约为21%～27%,高于王继康等[43]的研究结果(特定气象条件下为3%左右);老挝贡献约为5%～12%,与王继康等[43]的研究结果较一致(特定气象条件下为10%左右);越南和柬埔寨贡献均小于2%;包括景洪在内的中国本地源排放贡献不高于6%,与王继康等[43]研究结果(30%～40%)差异较大,差异原因有:(1)研究时间段差异,本文为2015～2021年2～5月,王继康等[43]的研究时间为2020年3月下旬至4月上旬;(2)研究方法差异,本文采用归一化WCWT方法分析潜在源区,而王继康等[43]采用三维空气质量模型进行源解析,前者在引入权重因子时具有主观性且未考虑复杂的化学反应,后者输入数据(如气象场和排放清单)存在不确定性,主观性和不确定性可能会导致某些潜在源区结果存在较大差异.

上述分析可知,影响2～5月景洪市PM2.5浓度与中南半岛相关,主要为缅甸、泰国和老挝,而2～5月正是中南半岛生物质燃烧高峰期[37, 43-44].分析2015～2021年中南半岛生物质燃烧火点数(图9),中南半岛火点数主要集中在1～5月和12月,2～5月中南半岛火点数占全年总火点数比例为92%,其中3月火点数最多,其次为4月,这与景洪市高PM2.5浓度所在月及变化趋势均一致.统计2015～2021年2～5月中南半岛、缅甸、泰国、老挝火点数和景洪市相应月PM2.5浓度可知(图10),中南半岛总火点数和景洪市PM2.5浓度相关系数为0.72,其中缅甸火点数和景洪市PM2.5浓度相关系数最高,为0.79,其次为老挝和泰国,其相关系数分别为0.55和0.51.火点数和PM2.5浓度相关性分析表明老挝比泰国与景洪市PM2.5浓度更相关,与WCWT分析结果不一致,暗示景洪市PM2.5浓度不仅与潜在源区排放源相关,也与传输路径相关,主要传输路径经过老挝的概率明显低于泰国(图5).

图8 2015～2021年2～5月景洪市PM2.5的WCWT值分布特征

审图号:GS (2019) 3082号

表2 2015～2021年2～5月传输到景洪市PM2.5的归一化WCWT(%)

景洪市PM2.5浓度的主要源区为缅甸、泰国和老挝,且与这些潜在源区的火点数相关性较高.根据火点数可反演获得生物质开放燃烧,而源区的排放源还包括化石燃料燃烧(人为源).为进一步分析景洪市潜在源区的排放类型,选用CO作为示踪污染物. Bergamaschi等[52]指出,全球CO主要来源于化石燃料燃烧和生物质燃烧,两者比例大约为50%.2～5月中南半岛人为源和生物质开放燃烧排放的CO排放量如图11(由于EDGAR提供的人为源排放更新到2018年)所示,3月(景洪市PM2.5浓度最高)生物质开放燃烧源排放最大的为缅甸,其次为老挝和泰国;2015～2018年3月缅甸生物质源贡献约为人为源贡献的34～70倍,该CO排放分布与王继康等[43]和张玉洽等[44]分别对2020年3～4月和2013年3月的黑炭分析基本一致.

图9 2015～2021年中南半岛1～12月(a)和2～5月(b)总火点数

图10 2015～2021年2～5月中南半岛、缅甸、泰国和老挝总火点数与景洪市PM2.5相关性分析

综上,2～5月景洪市PM2.5浓度不仅与中南半岛生物质开放燃烧分布及排放量密切相关,也与主要传输路径相关,比如3月老挝生物质排放量虽高于泰国,但经过泰国的传输概率高于老挝,因此通过该方法识别的泰国贡献率高于老挝.2～5月景洪市PM2.5的传输路径主要位于景洪市西-南方位,且中短距离传输和低层传输对应景洪市高PM2.5;主要源区为缅甸,生物质开放燃烧为主要排放源.值得注意的是,生物质开放燃烧不仅释放大量污染物,同样也会释放较高的温室气体(CO2、CH4等)[53-56],跨境的温室气体及污染物传输对景洪市人体健康和气候变化的影响值得进一步深入研究,因此建立跨境区域联防联控措施对景洪市空气质量以及气候变化均具有重要意义.

图11 2015～2021年中南半岛2～5月人为源和生物质开放燃烧排放的CO

BB代表生物质开放燃烧排放源,An代表人为源

3 结论

3.1 2015～2021年景洪市超标时的首要污染物为PM2.5;日均PM2.5浓度超标天数主要集中在2～5月,将2～5月定义为污染月.2～5月景洪市PM2.5扩散和生成相关气象条件并非处于不利条件,因此推测有外来源的大量传输.

3.2 利用HYSPLIT模型计算景洪市2015～2021年2～5月后向轨迹并进行聚类分析,结合地面监测PM2.5浓度可知,景洪市日均PM2.5浓度超标时其主要传输路径位于景洪市西向、西南和南向,即经过缅甸中部、泰国北部和老挝西北部;中短距离传输和低层传输对应高PM2.5浓度.

3.3 潜在源区贡献因子分析和浓度权重轨迹分析结果一致,影响景洪市PM2.5的源区主要位于景洪市西-南范围,即缅甸中部、老挝西北部和泰国北部,且识别的源区在3月WCWT最高,源区范围最广;通过归一化WCWT可知,影响2～5月景洪市PM2.5浓度的主要源区为缅甸,其次为泰国和老挝.

3.4 统计2015～2021年中南半岛火点数分布、火点数和景洪市PM2.5浓度相关性及CO排放量特征可知,影响景洪市PM2.5浓度的主要排放源为缅甸的生物质开放燃烧.

[1] 曹军骥. PM2.5与环境[M]. 北京:科学出版社, 2014:428.

Cao Junji. PM2.5and the environment in China [M]. Beijing:Science Press, 2014:428.

[2] Dockery D W, Pope C A, Xu X, et al. An association between air-pollution and mortality in 6 United States cities [J]. The New England Journal of Medicine, 1993,329(24):1753-1759.

[3] 谢 鹏,刘晓云,刘兆荣,等.我国人群大气颗粒物污染暴露-反应关系的研究[J]. 中国环境科学, 2009,29(10):1034-1040.

Xie P, Liu X Y, Liu Z R., et al. Exposure-response functions for health effects of ambient particulate matter pollution applicable for China [J]. China Environmental Scicence, 2009,29(10):1034-1040.

[4] Zheng Y X, Xue T, Zhang Q, et al. Air quality improvements and health benefits from China’s clean air action since 2013 [J]. Environmental Research Letter, 2017,12:1-9.

[5] Wang L T, Xu J, Yang J, et al. Understanding haze pollution over the southern Hebei area of China using the CMAQ model [J]. Atmospheric Environment, 2012, 56:69-79.

[6] Zhang R, Jing J, Tao J, et al. Chemical characterization and source apportionment of PM2.5in Beijing: seasonal perspective [J]. Atmospheric Chemistry and Physics, 2013,13:7053-7074.

[7] Han Z W. Direct radiative effect of aerosols over East Asia with a regional coupled climate/chemistry model [J]. Meteorologische Zeitschrift, 2010,19(3):287-298.

[8] Han Z W, Xiong Z, Li J W. Direct climatic effect of aerosols and interdecadal variations over East Asia investigated by a regional coupled climate-chemistry/aerosol model [J]. Atmospheric and Oceanic Science Letters, 2011,4(6):299-303.

[9] Han Z W, Li J W, Xia X G, et al. Investigation of direct radiative effects of aerosols in dust storm season over East Asia with an online coupled regional climate-chemistry-aerosol model [J]. Atmospheric Environment, 2012,54:688-699.

[10] Liu X Y, Zhang Y, Zhang Q, et al. Application of online-coupled WRF/Chem-MADRID in East Asia: model evaluation and climatic effects of anthropogenic aerosols [J]. Atmospheric Environment, 2016,124:321-336.

[11] Zhuang B L, Liu Q, Wang T J, et al. Investigation on semi-direct and indirect climate effects of fossil fuel black carbon aerosol over China [J]. Theoretical and Applied Climatology, 2013a,114:651–672.

[12] Zhuang B L, Li S, Wang T J, et al. Direct radiative forcing and climate effects of anthropogenic aerosols with different mixing states over China [J]. Atmospheric Environment, 2013b,79:49-361.

[13] 缪育聪,刘树华.雄安新区大气污染的气象特征分析[J]. 科学通报, 2017,62(23):2666-2670.

Miao Y C, Liu S H. Meteorological characteristics associated with air pollution in Xiong’an, China [J]. China Science Bull, 2017,62(23): 2666–2670.

[14] 缪育聪,郑亦佳,王 姝,等.京津冀地区霾成因机制研究进展与展望[J]. 气候与环境研究, 2015,20(3):356−368.

Miao Y C, Zheng Y J, Wang S, et al.. Recent advances in, and future prospects of, research on haze formation over Beijing–Tianjin–Hebei, China [J]. Climatic and Environmental Research, 2015,20(3):356−368.

[15] 薛文博,付 飞,王金南,等.中国PM2.5跨区域传输特征数值模拟研究 [J]. 中国环境科学, 2014,34(6):1361-1368.

Xue W B, Fu F, Wang J N, et al. Numerical study on the characteristics of regional transport of PM2.5in China [J]. China Environmental Science, 2014,34(6):1361-1368.

[16] Lu Z, Zhang Q, Streets D G. Sulfur dioxide and primary carbonaceous aerosol emissions in China and India, 1996～2010 [J]. Atmospheric Chemistry and Physics, 2011,11(18):9839-9864.

[17] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006 for the NASA INTEX-B mission [J]. Atmospheric Chemistry and Physics, 2009,9:5131-5153.

[18] 段时光,姜 楠,杨留明,等.郑州市冬季大气PM2.5传输路径和潜在源分析[J]. 环境科学, 2019,40(1):86-93.

Duan S G, Jiang N, Yang L M, et al. Transport pathways and potential sources of PM2.5during the winter in Zhengzhou [J]. Environmental Science, 2019,40(1):86-93.

[19] 高 月,孙荣国,陈 卓,等.南京市大气PM2.5时空分布特征与潜在源区贡献分析[J]. 地球与环境, 2019,47(3):268-274.

Gao Y, Sun R G, Chen Z, et al. Spatial-temporal characteristics of atmospheric PM2.5and contribution analysis of potential source areas for Nanjing [J]. Earth and Environment, 2019,47(3):268-274.

[20] 蒋琦清,陈文聪,徐冰烨,等.杭州城区大气颗粒物污染特征及PM2.5潜在源区研究[J]. 中国环境监测, 2020,36(5):88-95.

Jiang Q Q, Chen W C, Xu B Y., et al. The characteristics of atmospheric particles and potential sources of PM2.5in urban Hangzhou [J]. Environmental Monitoring in China, 2020,36(5):88-95.

[21] 王琰玮,王 媛,张增凯,等.不同季节天津市PM2.5与O3潜在源区及传输路径分析[J]. 环境科学研究, 2022,35(3):673-682.

Wang Y W, Wang Y, Zhang Z K, et al. Analysis of potential source areas and transport pathways of PM2.5Tianjin by season [J]. Research of Environmental Sciences, 2022,35(3):673-682.

[22] Zhao L, Wang L, Tan J, et al. Changes of chemical composition and source apportionment of PM2.5during 2013～2017 in urban Handan, China [J]. Atmospheric Environment, 2019,206:119-131.

[23] Wang L, Liu Z, Sun Y, et al. Long-range transport and regional sources of PM2.5in Beijing based on long-term observations from 2005 to 2010 [J]. Atmospheric Research, 2015,157:37-48.

[24] 曾 鹏,辛存林,于 奭,等.典型西南工业城市春冬季PM2.5来源与潜在源区分析——以柳州市为例[J]. 中国环境科学, 2020,40(9): 3781-3790.

Zeng P, Xin C L, Yu S, et al. Analysis of PM2.5sources and potential source areas of typical industrial city in spring and winter: A case study in Liuzhou [J]. China Environmental Science, 2020,40(9):3781-3790.

[25] 高兴艾,裴坤宁,王淑敏,等.汾渭平原吕梁市颗粒物潜在源及输送通道分析 [J]. 中国环境科学, 2022,42(7):2988-2999.

Gao X A, Pei K N, Wang S M,et al. Analysis on the potential source and transmission channel of particulate matter in Lüliang City, Fenwei Plain [J]. China Environmental Science, 2022,42(7):2988-2999.

[26] 裴坤宁,高兴艾,王淑敏,等.晋东南地区冬季PM2.5污染输送路径分析 [J]. 中国环境科学, 2022,42(2):557-567.

Pei K N,Gao X A,Wang S M, et al. Analysis of PM2.5pollution transportation path in winter in southeast Shanxi Province [J]. China Environmental Science, 2022,42(2):557-567.

[27] 王中杰,霍 娟,杜慧云,等.2015～2019年日照市PM2.5长期变化特征及其潜在源区分析 [J]. 中国环境科学, 2021,41(9):3969-3980.

Wang Z J, Huo J, Du H Y, et al. Long term characteristics and potential sources of PM2.5in Rizhao city from 2015 to 2019 [J]. China Environmental Science, 2021,41(9):3969-3980.

[28] 张 芊,庞 可,马彩云,等.甘肃地区春冬季颗粒物输送路径及潜在源分析——基于HYSPLIT4 模式及TraPSA分析平台 [J]. 中国环境科学, 2022,42(2):509-518.

Zhang Q, Pang K, Ma C Y, et al. Analysis of transportation path and potential sources of atmospheric particulate matter over Gansu province in spring and winter--based on HYSPLIT4 model and TraPSA analysis platform [J]. China Environmental Science, 2022, 42(2):509-518.

[29] 李 莉,蔡鋆琳,周 敏.2013年12月中国中东部地区严重灰霾期间上海市颗粒物的输送途径及潜在源区贡献分析 [J]. 环境科学, 2015,36(7):2327-2336.

Li L, Cai J L, Zhou M. Potential source contribution analysis of the particulate matters in Shanghai during the heavy haze episode in eastern and middle China in december, 2013 [J]. Environmental Science, 2015,36(7):2327-2336.

[30] 任传斌,吴立新,张媛媛,等.北京城区 PM2.5输送途径与潜在源区贡献的四季差异分析 [J]. 中国环境科学, 2016,6(9):2591-2598.

Ren C B, Wu L X, Zhang Y Y, et al. Analyze to the seasonal differences of transport pathways and potential source-zones of Beijing urban PM2.5[J]. China Environmental Science, 2016,6(9): 2591-2598.

[31] 邓 聪,杨善党,曾新宇,等.云南景洪2016年大气O3特征研究[J]. 环境科学导刊, 2018,37(2):51-55.

Deng C, Yang S D, Zeng X Y, et al. Research on characteristics of ozone in air of Jinghong in 2016 [J]. Environmental Science Survey, 2018,37(2):51-55.

[32] 高婷婷,杨秀平.西双版纳州大气污染与气象因子分析[J]. 皮革制作与环保科技, 2020,1(9):52-55.

Gao T T, Yang X P. Analysis of air pollution and meteorological factors in Xishuangbanna [J]. Leather Manufacture and Environmental Technology, 2020,1(9):52-55.

[33] 高婷婷.西双版纳州AQI指数与气象条件的关系及其预测研究[J]. 农业灾害研究, 2021,11(4):100-102.

Gao T T. Relationship between Xishuangbanna AQI index and meteorological conditions and its forecast study [J]. Journal of Agricultural Catastropholgy, 2021,11(4):100-102.

[34] 郭荣芬,黎成超,邓 聪,等.“2015·3·22”云南大范围空气污染事件气象成因分析[J]. 灾害学, 2017,32(3):91-95.

Guo R F, Li C C, Deng C, et al. Meteorological causes for a wide range of air pollution in Yunnan province on March 22, 2015 [J]. Journal of Catastrophology, 2017,32(3):91-95.

[35] Guo Y H. Size distribution characteristics of carbonaceous aerosol in Xishuangbanna, southwest China: a sign for biomass burning in Asia [J]. Environmental Monitoring and Assessment, 2016a,188:148.

[36] Guo Y H. Size distribution characteristics of carbonaceous aerosol in a rural location in northwestern China [J]. Air Quality Atmosphere and Health, 2016b,9(2):193-200.

[37] Liu X Y, Wang S W, Zhang Q Q, et al. Origins of black carbon from anthropogenic emissions and open biomass burning transported to Xishuangbanna, Southwest China [J]. Journal of Environmental Sciences, 2023,125:277-289.

[38] 罗 燕,陈新梅,田永丽. 2015～2016年云南省主要城市大气污染物浓度特征及其与气象要素的关系[J]. 环境科学导刊, 2018,37(6):40-45.

Luo Y, Chen X M, Tian Y L. Characteristics of atmospheric pollutants and its relationships with meteorological elements from 2015 to 2016 over the sixteen cities in Yunnan [J]. Environmental Science Survey, 2018,37(6):40-45.

[39] 王 健,邱 飞,向 峰,等.景洪市环境空气质量状况及污染特征分析[J]. 环境科学导刊, 2018,37(Z1):58-62.

Wang J, Qiu F, Xiang F, et al. Analysis of air quality and pollution characteristics of Jinghong city [J]. Environmental Science Survey, 2018,37(Z1):58-62.

[40] 周增春,岳存贵,李瑞涛.西南地区空气质量变化规律和发展趋势研究———以西双版纳州景洪市为例[J]. 环境生态学, 2021,3(9):83-89.

Zhou Z C, Yue C G, Li R T. Study on the change law and development trend of air quality in southwest China: a case study of Jinghong city, Xishuangbanna prefecture [J]. Environmental Ecology, 2021,3(9): 83-89.

[41] 黄光球,雷 哲.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), 2019,41(6):1191-1200.

Huang G Q, Lei Z. Transport pathways and potential sources of PM2.5in Xi'an City [J]. Journal of Yunnan University: Natural Sciences Edition, 2019,41(6):1191-1200.

[42] Zhang Q, Shen Z X, Ning Z, et al. Characteristics and source apportionment of winter black carbon aerosols in two Chinese megacities of Xi’an and Hong Kong [J]. Environmental Science and Pollution Research, 2018,25:33783–33793.

[43] 王继康,江 琪,尤 媛,等.东南亚生物质燃烧对我国霾和降水的影响[J]. 气象, 2021,47(3):348-358.

Wang J K, Jiang Q, You Y. et al. Effects of biomass burning aerosol in southeast Asia on haze and precipitation over China [J]. Meterological Monthly, 2021,47(3):348-358.

[44] 张玉洽,杨迎春,李 杰,等.东南亚生物质燃烧对我国春季PM2.5质量浓度影响的数值模拟 [J]. 环境科学研究, 2016,29(7):952-962.

Zhang Y Q, Yang Y C, Li J, et al. Modeling the impacts of biomass burning in southeast Asia on PM2.5over China in spring [J]. Research of Environmental Sciences, 2016,29(7):952-962.

[45] Xia X, Zong X, Sun L,et al. Exceptionally active agricultural fire season in mid-eastern China in June 2012 and its impact on the atmospheric environment [J]. Journal of Geophysical Research- Atmospheres, 2013,118(17):9889-9900.

[46] Crippa M, Guizzardi D, Butler T, et al. HTAPv3 emission mosaic: a global effort to tackle air quality issues [J]. in preparation.

[47] Wiedinmyer C, Akagi S K, Yokelson R J, et al.The Fire INventory from NCAR (FINN): a high resolution global model to estimate the emissions from open burning [J].Geoscientific Model Development, 2011,4:625-641.

[48] Cohen M, Crawford A. Modeling the transport and dispersion of atmospheric tracers. A HYSPLIT workshop presented at Howard University, 2018,Washington D.C.

[49] Seibert P, Kromp-Kolb H, Baltensperger U, et al. Trajectory analysis of high-alpine air pollution data [A]. Gryning S E, Millán M M(Eds).Air pollution modeling and its application X. Boston, MA: Springer, 1994:595-596.

[50] 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.

[51] GB3095-2012 环境空气质量标准 [S].

[52] Bergamaschi P, Hein R, Heimann M, et al. Inverse modeling of the global CO cycle:1.inversion of CO mixing ratios [J]. Journal of Geophysical Research-Atmosphere, 2000,105(D2):1909-1927.

[53] Azhar R, Zeeshan M, Fatima K.Crop residue open field burning in Pakistan; multi-year high spatial resolution emission inventory for 2000～2014 [J]. Atmospheric Environment, 2019,208:20-33.

[54] Ghosh A, Patra P K, Ishijima K, et al.Variations in global methane sources and sinks during 1910～2010 [J]. Atmospheric Chemistry and Physics, 2015,15:2595-2612.

[55] Konovalov I B, Berezin E V, Ciais P, et al. Constraining CO2emissions from open biomass burning by satellite observations of co-emitted species: a method and its application to wildfires in Siberia [J]. Atmospheric Chemistry and Physics, 2014,14:10383-10410.

[56] Zheng B, Ciais P, Chevallier F, et al.Increasing forest fire emissions despite the decline in global burned area [J]. Science Advances, 2021,7:eabh264.

Analysis of transport pathways and potential source regions of PM2.5in Jinghong from 2015 to 2021.

LIU Xu-yan1,2, HAN Xiu-zhen1*, LIANG Lin-lin3**, ZHU Lin1

(1.Innovation Center for FengYun Meteorological Satellite, Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites, National Satellite Meteorological Center (National Center for Space Weather), Beijing 100081；2.State Environmental Protection Key Laboratory of Sources and Control of Air Pollution Complex, Beijing 100084, China；3.State Key Laboratory of Severe Weather and Key Laboratory for Atmospheric Chemistry, Chinese Academy of Meteorological Sciences, Beijing 100081,China)., 2022,42(11)：5023～5035

This study analyzed the characteristics of air pollutants in Jinghong City from 2015 to 2021, and obtained the months when the daily PM2.5exceeded the Class-2limit values of the National Ambient Air Quality Standard (NAAQS). Based on Hybrid Single Particle Lagrangian Integrated Trajectory (HYSPLIT) model, 72-hour daily backward trajectories in those months were calculated, combined with PM2.5concentration, the transport pathways and potential source regions during those months in Jinghong city were determined through the methods of analysing cluster, potential source contribution factor and concentration weighted trajectory factor. The results shown that the months of PM2.5exceeding standard were concentrated on February, March, April and May in Jinghong City. The transport pathways of PM2.5during February to May in Jinghong City mainly originate from west, southwest and south, with medium and short-range, and low-altitude transports corresponded to high concentration of PM2.5pollution. The potential source regions of PM2.5in Jinghong during February to May were mainly located in the central region of Myanmar, the northwest region of Laos and the northern region of Thailand. The results of normalized concentration weighted trajectory factor exhibited that the source regions of PM2.5in Jinghong City during February to May were concentrated in Myanmar, accounting for 41%～50%, with Thailand and Laos accounting for 21%～27%, 5%～12%, 2% and 2%, respectively. To further investigate the sources of the PM2.5in Jinghong, the distribution of fires counts in the indo-China and its correlation with PM2.5in Jinghong from 2015 to 2021 were analyzed. Further results demonstrated that the main source of PM2.5in Jinhong city during February to May was open biomass burning from Myanmar. These results in this study have guiding significance for Jinghong city to establish cross-border regional joint prevention and control measures and to study future climate change.

PM2.5；Jinghong City；cluster analysis；potential source contribution function；concentration weighted trajectory

X513

A

1000-6923(2022)11-5023-13

刘旭艳(1983-),女,山西吕梁人,副研究员,博士,主要从事卫星反演生物质燃烧排放量及对空气质量和天气影响、大气污染扩散、PM2.5源解析以及卫星监测霾天气等.发表论文10余篇.

2022-04-15

国家重点研发计划项目(2018YFC1506503);国家自然科学基金资助项目(41705109, 41871263);国家污染重点实验室基金资助项目(SCAPC202001);大气化学重点实验室基金资助项目(2018B04)

* 责任作者, 正研级高工, hanxz@cma.gov.cn; **, 副研究员, lianglinlin@cma.gov.cn