气团来源和云雾过程对华南高山背景区亚微米气溶胶数谱分布的影响

周淑婷,龚道程,2,张诗炀,张庆祖,王文路,刘小婷,4,张 涛,周 炎,王伯光,2,陈多宏2,,王 好,2*(.暨南大学环境与气候研究院,广东 广州 44；2.南岭森林大气环境与碳中和野外科学观测研究站,广东 广州 44；.台湾“中央研究院”环境变迁研究中心,台湾 台北 29；4.暨南大学附属第一医院眼科,广东 广州 060；.广东省生态环境监测中心,国家环境保护区域空气质量监测重点实验室,广东 广州 008)

气溶胶是指固体或液体微粒均匀分散在大气中形成的相对稳定的悬浮体系[1],它不仅在改变全球辐射收支和气候上扮演着重要角色,而且会对环境和人体健康产生危害[2-5]近年来,气溶胶污染问题已经引起国内外的广泛关注.广东省针对细颗粒物(PM2.5)污染实施了一系列防治措施,并取得了一定成效然而随着区域性复合污染现象愈发突出,珠三角地区的气溶胶污染仍较为严重.研究表明[6],珠三角地区气溶胶总数浓度超过2×104个/cm3,且其中亚微米级粒子数占比较高(>50%),治理难度大.浓度和粒径是表征气溶胶特点的两个重要参数,关系到颗粒物在大气中的寿命、传输距离及其环境和健康效应[7-8].因此,深入研究气溶胶数浓度和粒径分布,同时探究其影响因素,对于广东省细颗粒物的后续污染治理具有重要意义.目前虽然在珠三角及周边部分城市已开展了大量的气溶胶观测研究[9,12]但对于华南高山背景区域气溶胶理化特征的认识还十分有限.

高山背景站通常远离主要污染排放源,受人为排放的直接影响较小,又因为海拔较高,适合研究区域大气污染特征及其影响因素.近年来,学者们已经陆续在华北、华中、华东等地区的高山背景站开展了一些气溶胶观测.相比于国外高山背景站点,中国高山地理环境和气候更为复杂、各站点下垫面特征不同,导致其气溶胶污染来源差异较大,污染特征具有较强的区域特色和昼夜、季节差异.Li 等[13]在华北地区的华山开展的观测结果表明,南部气团传输带来的气溶胶中硫酸盐和铵盐浓度较高,主要受南方地区燃煤供暖影响,而北部气团传输带来的气溶胶中钙离子浓度较高,主要受北方沙尘影响;位于华中地区的庐山站点,其气溶胶几乎不含黑炭和矿物质颗粒,且PM2.5浓度呈现明显的季节性变化特征,夏季庐山地区大气湍流运动活跃,降雨频繁,能加快污染物的湿清除,PM2.5平均浓度全年最低[14];而由于植被覆盖相对较少,且受周边众多钢铁厂、燃煤厂等工业排放源的影响,华东的泰山[15]气溶胶数浓度(8.83×103个/cm3)远高于黄山[16](3.52×103个/cm3)和衡山[17](1.18×103个/cm3);在黄山和瓦里关的相关研究还发现[18,20],不同气团背景下气溶胶各模态的分布存在较大差异.可见,受污染排放源、气象条件、区域传输等多重影响,气溶胶的数浓度及数谱分布特征具有较大的区域差异.然而,目前针对华南高山背景地区气溶胶数浓度及粒径分布的观测研究还较为缺乏.

广东南岭大气背景站(以下简称南岭站)是我国16 个国家空气背景站之一,位于大气边界层和自由大气层交界处,远离城区和工业区,受人类直接活动影响较小,森林覆盖率高,具备较好的区域代表性;此外,它位于中国中部和南部交界地带,北靠华中地区,南面是珠三角和南海,是污染气团长距离输送的关键通道.所以南岭站点是开展华南背景地区气溶胶区域交互影响研究的理想点位.

本研究于2016年秋季在南岭站对气象参数、常规污染物、气溶胶数浓度及粒径谱分布进行了观测研究,表征了南岭高山背景大气的亚微米气溶胶的数浓度及其谱分布特征;探讨了典型云雾天气条件下气溶胶数浓度及谱分布变化规律;同时结合后向轨迹模型,分析了典型气团对区域背景大气气溶胶的影响,旨在深入了解华南背景大气亚微米气溶胶的区域污染特征及演变规律.

1 实验与方法

1.1 观测站点及观测时间的选择

南岭站(112°53′56″E,24°41′56″N,海拔1690m)位于广东南岭国家自然保护区天井山的顶峰(图1),是广东省唯一的国家大气背景站.站点毗邻珠三角超级城市群,位于湘粤交界处,在东亚季风过渡时期,该站点易受到南部和北部区域输送的影响,是区域污染传输观测的敏感点;此外,作为华南的气候屏障,南岭山地对天气系统起到明显的阻挡作用,冷暖气团的交替影响下,形成云雾多、湿度大、降水多的气候特点.

图1 南岭站的地理位置、观测期间的气团后向轨迹及轨迹高度Fig.1 Location of the Nanling site,backward trajectories and trajectory heights of air masses during the observation period

本研究在2016年10月22日～11月14日(秋季季风交替时段)进行观测,便于比较南北气团对南岭站气溶胶的影响.

1.2 观测仪器

使用扫描电迁移率粒径谱仪(SMPS)(TSI,美国)对亚微米气溶胶数浓度及粒径谱分布进行在线观测.该仪器由差分电迁移率分析仪(DMA,TSI3081)和凝结核粒子计数器(CPC,TSI3775)组成,鞘气流速为3L/min,样气流速为0.3L/min,每5min 扫描1 次,测量的粒径分布范围为14～661nm.为防止高湿环境造成的气溶胶测量偏差,在SMPS 的进气管前连接了干燥管,以保证仪器内部气体相对湿度低于40%[21],故测量结果均为湿度小于40%被干燥后的气溶胶,且气溶胶未与干燥剂直接接触,使粒子损失达到最小.为确保观测数据的准确性,参考Cheung等[22]研究中使用的仪器粒径验证及颗粒物的管道扩散损失校正方法,在观测前对仪器进行了检修及校准.观测后的数据剔除了由于停电、仪器故障等原因造成的浮动较大的数据和部分无效数据.

观测期间的气温、气压、风向、风速及相对湿度数据由集成传感器套件(WXT520,维萨拉公司,芬兰)测得.臭氧(O3)由紫外光度臭氧分析仪(49i 型,赛默飞,美国)测得.氮氧化物(NOx)由基于化学发光法的痕量NOx分析仪(42i-TL 型,赛默飞,美国)检出.一氧化碳(CO)由一氧化碳分析仪(48i-HL 型,赛默飞,美国)检出.PM2.5由环境颗粒物连续监测仪(1405-FTEOM 型,赛默飞,美国)检出,采用两个锥形元件振荡微量天平和两个滤膜动态测量系统,计算接近实时的颗粒物质量浓度.能见度数据由能见度仪(Model 6000 型,Belfort 仪器公司,美国)测得.气象和空气质量监测数据的时间分辨率均为1h.数据质控参照中国环境监测总站的数据质量检查要求.

2 结果与讨论

2.1 气象条件与颗粒物污染情况

如图2所示,观测期间南岭站主导风向为西南风和偏北风.平均风速为3.8m/s,风速波动较大,最低为0.7m/s,最高可达10.1m/s.风速与气溶胶数浓度变化趋势成负相关关系,风速较小时,大气水平扩散能力较弱,易造成污染物累积,气溶胶数浓度往往较高,反之当风速较大时,气溶胶容易被稀释,数浓度较低.观测期间平均温度14.5℃,相对湿度整体处于较高水平,平均值和中值分别为89.1%和97.1%.能见度的变化与湿度呈现较好的一致性,湿度高时能见度低,湿度低时能见度上升.整体能见度偏低,约52%的时段能见度低于1km,多时段出现云雾(气象学上将相对湿度大于90%时发生的能见度低于1km 的现象定义为雾[23]),云雾时段占总观测时段50.9%.整个观测期间PM2.5平均浓度为10.4µg/m3.边界层高度呈现明显的昼夜变化模式,白天高夜间低,这一定程度上影响了气溶胶总数浓度的日变化基于美国环境预报中心提供的全球再分析气象数据,使用Meteoinfo 软件[24]中的TrajStat 插件对观测期间途经南岭站的气团后向轨迹进行聚类分析,设置气团高度同站点海拔高度一致,气团后向时间为48h.最终得到如图1所示三类气团轨迹,第I 类为北部气团,占比33.8%,主要途经湖南省东南部,气团传输路径较短.第II 类气团和第III 类气团为南部气团,南部气团 Ⅱ(占比47.01%)和南部气团 Ⅲ(占比19.16%),分别起源于南海和东南沿海,均途经香港、澳门和珠三角城市群,传输路径较长.

图2 观测期间气象要素、PM2.5质量浓度、气溶胶数量浓度(N)、边界层高度、气溶胶数浓度粒径分布(dN/dlogDp)的时间序列Fig.2 Time series of meteorological elements,particle mass concentration,boundary layer height and number concentration and size distributions during the observation period

2.2 数浓度及粒径分布总体特征

为研究不同粒径气溶胶数浓度的特征,本研究参考Dal Maso 等[25]对气溶胶的划分标准,将观测到的气溶胶分为核模态(14～25nm)、爱根核模态(25～100nm)和积聚模态(100～661nm)进行讨论.表1 统计了本研究观测到的气溶胶数浓度组成,并与国内外其他高山背景地区进行对比.结果表明,南岭站秋季气溶胶平均数浓度约为1.14×103个/cm3,主要集中在积聚模态(50.2%),其次为爱根核模态(45.9%),而核模态占比很少,仅为3.9%.南岭站气溶胶的平均数浓度远低于大多数国内外高山站点的观测结果,甚至略低于全球大气本底站Puy de dome(位于欧洲西部)和瓦里关站点(位于亚欧腹地);此外,南岭站点核模态数浓度占比也低于大部分国内高山背景站点,可能是该站点受云雾降水影如图3所示,南岭站气溶胶数浓度和数谱分布日变化较明显,07:00 时后边界层高度逐渐上升,山底污染物可通过谷风逐渐迁移至山顶,而白天较低的风速也为气溶胶粒子积聚提供了有利条件,在14:00时左右南岭站气溶胶数浓度达到峰值,且伴随有核模态粒子的生成,但由于湿度仍处于较高水平,且太阳辐射开始减弱,粒子的生成和增长未能得到进一步发展.夜间,随着边界层高度的降低,气溶胶数浓度水平先维持相对稳定,在下一个日出前达到浓度最低值,期间03:00～05:00 时气溶胶数浓度骤降可能与晨雾发展有关.气溶胶数浓度日变化整体呈现下午高于上午,受边界层发展、污染物传输、新粒子生成等综合影响.

表1 不同高山背景站点气溶胶数浓度观测结果比对Table 1 Comparison of aerosol number concentration results between Nanling site(this study)and other mountainous sites

图3 边界层高度、气溶胶数量浓度(N)和气溶胶数浓度粒径谱分布(dN/dlogDp)的日变化Fig.3 Diurnal variation of boundary layer height,particle number concentration and size distribution

2.3 不同来源气团对气溶胶数谱分布的影响

观测期间,南岭站点受到南北气团交替影响.南部气团(II 类气团占比47.01%,III 类气团占比19.16%)起源于南海和东南沿海,北部气团经过湖南地区(占比33.8%).对研究期间南北气团影响下的气溶胶平均数浓度粒径谱进行对数正态分布拟合(图4).结果显示,南部和北部气团影响下气溶胶均呈双峰分布,北部气团影响下气溶胶在92 和232nm 处出现两个峰,南部气团II 影响下峰值粒径分别为88 和236nm,南部气团III 影响下峰值粒径分别为75 和150nm;由表2 可知,北部气团影响下气溶胶总数浓度较小,为7.9×102个/cm3,而南部气团II、III 影响下气溶胶总数浓度分别为1.45×103和1.33×103个/cm3;三种气团影响下,气溶胶均以爱根核模态和积聚模态为主,但存在明显差异,北部气团影响下,爱根核模态和积聚模态的数浓度分别为3.5×102和4.0×102个/cm3,南部气团II 影响下,爱根核模态和积聚模态的数浓度分别为7.1×102和7.3×102个/cm3,其中40～300nm 粒径段颗粒物数浓度明显增加.南部气团III 影响下,爱根核模态和积聚模态的数浓度分别为6.4×102和6.4×102个/cm3,颗粒物数浓度也相对增加.对比表2数据中两类气团的气象因子和污染气体浓度可知,当观测点受南部气团影响时,环境湿度高,平均相对湿度可达92.8%,高湿环境下有利于气溶胶粒子的吸湿增长[34],而且粒子间易碰并凝结[35],导致爱根核和积聚模态粒子数浓度较高;除此之外,南部气团影响下NOx和O3浓度均较高,原因是气团途经珠三角城市群,易携带大量人为排放污染物到观测站点[36],较强的大气氧化条件和较高的气温下,有利于前体污染物在气团内发生化学反应生成二次有机气溶胶[37],同时风速较低,有利于污染物在此累积.因而,南部气团影响下气溶胶数浓度高于北部气团的影响.

表2 南部-北部气团、云雾时段-非云雾时段的气象参数、气态污染物、气溶胶质量浓度和数浓度比对结果Table 2 Comparison of meteorological conditions,gaseous air pollutants,particle mass and particle number concentrations under different types of backward trajectory clusters(the southern air mass and the northern air mass)and different weather conditions(clouds and fog weather and non-clouds and fog weather)

图4 不同气团影响下气溶胶平均数浓度谱分布拟合Fig.4 Fitting of mean aerosol number concentration distributions under different air masses

2.4 云雾过程对气溶胶数谱分布的影响

云雾现象在南方高山地区较为常见,而在南岭站观测期间,超过一半的时间是云雾天气.研究指出,雾能通过核化、碰并和液相化学反应来改变气溶胶的化学组分和粒径分布,因此被视为大气气溶胶的物理化学处理器[38,41].一方面云雾作为气溶胶的汇,气溶胶粒子可作为云凝结核(CCN)参与雾的形成过程.而且云雾过程中的高相对湿度有利于气溶胶粒子之间的相互碰并,一定程度上清除了气溶胶粒子;另一方面,云雾为多相反应提供丰富的反应界面,能促进气粒转化反应,加速二次气溶胶的生成.

由表2 中云雾时段和非云雾时段的气溶胶质量和数浓度比对结果可知,云雾时段的气溶胶数浓度普遍低于非云雾时段,尤其是核模态和积聚模态的粒子数浓度,相较于非云雾时段分别下降了约73%与25%;此外,云雾时段的PM2.5质量浓度也低于非云雾时段的50%.可见云雾过程对积聚模态大粒子的清除作用和核模态小粒子的碰并作用影响较大.

选取一个典型云雾过程(10月29日为例)进一步分析.如图2 中所示:10月29日00:00 时云雾开始,湿度维持在较高水平(96.7%),能见度降低至1km,并稳定在50m 之下,且PM2.5的浓度从10月29日00:00时的23.5µg/m3迅速降至10月29日03:00 时的2µg/m3;随着云雾的发展稳定,PM2.5的浓度稳定在较低水平;直到10月30日04:00 时,能见度上升至50km,PM2.5的浓度又逐渐回升至14.3µg/m3,天气形势转好,云雾逐渐消散.这与林钦浩[42]在云雾事件中所观测到的PM2.5变化趋势类似.由气溶胶数浓度粒径谱分布图还可知,随着雾的发展,气溶胶粒子得到一定程度的清除.

为了解云雾期间气溶胶数谱分布的演变规律,图5 绘制了云雾过程不同时段的气溶胶数谱分布.云雾过程开始时,气溶胶粒径谱在80 和180nm 附近出现两个峰值;在00:00～06:00 时期间,谱宽不断收窄,双峰趋向单峰演变,03:00 时与06:00 时峰值粒径位于120nm 附近,此时段清除对象主要是小于80nm 和大于180nm 的粒子,可能是由于小粒子湍流动能更强,越容易通过碰并作用清除,同时大于180nm 的粒子,根据寇拉理论,它们比小的粒子更容易激活,形成的雾滴也更大,会加速碰并过程,最终被清除;在00:00～12:00 时,气溶胶粒子被大量清除,粒子数浓度下降明显,可能是由于粒子活化后,水汽不断在其表面凝结,气溶胶粒子进一步吸湿增长最终沉降去除;从12:00 时至次日00:00 时,气溶胶数浓度谱由单峰向双峰发展,在70～90nm 范围出现新的峰,且峰值粒径不断减小,期间50nm 以下的小粒子略有增加,可能是受到新粒子生成的影响,但由于云雾期间云层较厚,太阳短波辐射较弱,抑制了新粒子生成过程.而50nm 以上的爱根核模态和积聚模态气溶胶粒子数浓度持续降低,云雾的清除作用使得气溶胶数浓度在测量范围全粒径段均达到最低水平,总数浓度下降80.8%.

图5 云雾过程各时段气溶胶数浓度谱分布Fig.5 The PNSD at different times during the clouds and fog event

本研究通过对气溶胶进行观测,分析了云雾过程对气溶胶数谱分布特征的影响,但并未探究气溶胶的粒径分布和雾滴谱的关系,存在一定缺憾,后续研究工作中需增加对雾和气溶胶的联合观测,全面揭示气溶胶与云雾间相互作用机理.

3 结论

3.1 观测期间,南岭高山背景站PM2.5平均浓度为10.4µg/m3,14～661nm 气溶胶平均数浓度约为1.14×103个/cm3,低于国内外其他高山背景站点,云雾天气多是造成南岭站气溶胶数浓度低的重要原因;南岭站气溶胶以积聚模态(50.2%)和爱根核模态(45.9%)为主导,核模态占比较少;同时南岭站气溶胶数浓度和数谱分布具有较明显的日变化特征,一般下午数浓度高于上午,且受边界层发展的影响在14:00 时出现较明显的峰值.

3.2 观测期间,南岭站受到南北气团交替影响.南部气团II 影响下气溶胶数谱峰值粒径分别位于88 和236nm 处,南部气团III 影响下气溶胶数谱峰值粒径位于75 和150nm,北部气团I 影响下气溶胶数谱峰值粒径位于92 和232nm;南部气团I 下气溶胶总数浓度为1.45×103个/cm3,南部气团II下气溶胶总数浓度为1.33×103个/cm3,均明显高于北部气团I 影响下的粒子浓度(7.9×102个/cm3),南部气团II影响下的粒子浓度最高,原因是由于南部气团途径珠三角城市,携带了较多的一次污染物,并在高湿环境下发生非均相反应,形成了二次气溶胶.

3.3 云雾时段的气溶胶数浓度(1.03×103个/cm3),低于非云雾时段(1.28×103个/cm3),尤其是核模态和积聚模态的粒子数浓度,相较于非云雾时段分别下降了约73%与25%,同时云雾时段的PM2.5质量浓度(6.0µg/m3)也远低于非云雾时段(12.7µg/m3),云雾对气溶胶有明显清除作用.

3.4 对一次典型云雾事件分析表明,在云雾发展的不同时段,气溶胶数谱分布呈现出双峰型-单峰型-双峰型的变化特征,在雾的清除作用下气溶胶粒子总数浓度在所测粒径范围下降80.8%.

致谢：本研究的现场观测由广东省韶关市环境保护监测中心、天井山林场和暨南大学环境与气候研究院邓硕老师等协助完成,本研究的粒径谱分布数据利用暨南大学质谱仪器与大气环境研究所吴晟老师开发的SMPS 插件处理,在此一并表示感谢.