突发性中尺度暴雪过程大气污染特征与潜在源区研究

卜庆雷　张秀娟　李传浩

摘要：针对济南市大气污染情况，分析突发性中尺度暴雪过程大气污染特征与潜在源区。基于2020年1月7日济南市气象和环境监测数据，通过皮尔逊积差相关系数法分析污染物之间、污染物与气象要素之间相关关系。经分析可知：暴雪对大气污染具有一定清洗能力，颗粒污染物浓度与气体污染物浓度之间存在一定同源性，污染物与不同气象要素也存在正向或负向相关关系，证明暴雪导致的气象要素改变对大气污染扩散具有一定意义。采用潜在源贡献因子分析法和浓度权重轨迹分析法测得本地源为济南市PM2.5浓度贡献最高源区，表明PM2.5高贡献与聚集性工业活动相关。

关键词：突发性中尺度暴雪；大气污染特征分析；潜在源区；皮尔逊积差相关系数法；潜在源贡献因子

中图分类号：X51 文献标志码：A

前言

工业生产过程中排放出的大量有害气体和粉尘直接危害人类的身体健康和生命安全，同时交通运输活动中排放的废气也是造成大气污染的主要原因之一。因大气污染而患有呼吸系统疾病及心血管疾病的人数剧增，所以对大气污染加以控制已势在必行。济南是中国特大城市之一，位于黄河下游地区，地势起伏不平，不利于大气污染物扩散，空气质量较差。中心城区大气污染受本地源影响较大，济南市政府部门已采取多项措施治理环境污染，空气质量持续恶化情况在一定程度上得到控制，但济南市大气污染程度仍存在严峻问题，治理形势依然紧迫。

雷雨等对川南自贡市的大气污染现象进行了分析。结合TrajStat插件和后向轨迹模式确定污染物的输送轨迹，根据浓度权重轨迹分析法和潜在源贡献分析法分析不同潜在同区的污染贡献。王刘铭等主要采用了后向轨迹聚类法、潜在源贡献因子法和浓度权重轨迹分析法来分析主导气流方向和潜在源区的污染程度，获取污染物时空分布特征。以上述研究方法为研究者提供了深入了解大气污染来源和传播途径的手段，以此为基础，分析突发性中尺度暴雪过程大气污染特征与潜在源区。

1 研究方法

1.1 数据来源

将中国空气质量在线监测分析平台中2020年1月1日-31日数据作为测试数据，站点采用济南市空气质量国控自动监测点位，时间分辨率为1h。大气污染物数据类别为PM2.5、PM10、SO2、NO2、CO和O3。测定仪器为：5030型SHARP监测仪、43i脉冲荧光SO2分析仪、42i化学发光NO-NO2-NO3分析仪、48i气体滤光相关法CO分析仪和49i紫外发光O3分析仪。

1.2 突发性中尺度暴雪过程及影响

根据济南市气象局气象观测数据，受气旋影响，2020年1月7日济南市出现突发性中尺度暴雪，1月7日0时至23时各项气象观测数据如下：1月7日风速在4时左右达到峰值；降雪结束后气温逐渐回升，在15时左右达到气温峰值；全天大气压强处于1023-1026hPa范围内；相对湿度处于38.2%-86.9%范围内。本次突发性中尺度暴雪过程对济南市点源、面源和流动源等污染源均造成一定影响，其中工业源为主要点源，暴雪并未导致停电或停水等阻碍工业生产的重大事件，因此工业源污染排放与平日基本相同；扬尘为主要面源，突发性中尺度暴雪使室外施工困难以至停止，且积雪覆盖较厚，当日扬尘基本为零；机动车污染排放为主要流动源，暴雪导致出行网难问题，出行者大多放弃驾车或乘车出行，抑或选择延迟出行，早高峰时段车流量下降，早高峰整体延后，但怠速行驶的机动车污染物排放量大幅度增加，正负抵消，流动源污染排放量与平日相比变化较小。

1.3 皮尔逊积差相关系数法

采用皮尔逊积差相关系数法作为PM2.5、PM10、SO2、NO2、CO、O3之间相关性的计算方法。用x、y表示两个变量，σx和σy表示两者对应标准差，cov（x，y）表示两者协方差，n表示样本量，r计算公式如式（1）所示：

式（1）中，r值在（-1，1）范围内，|r|越接近于1，则x与y之间相关度越高，当r小于0时，x与y呈负相关；反之呈正相关。

1.4 潜在源贡献因子分析法

潜在源贡献因子（potential source contribution funCtion，PSCF）分析法是常用的污染源位置判定方法，目前已被广泛应用于大气污染研究领域之中，该方法利用气流后向轨迹和要素值获取要素值潜在源区位置。划分研究区域后，设mij和Mij为经过任意网格（i，j）的污染气流和全部气流轨迹端点数，两者比值即为网格（i，j）的潜在源贡献因子P（i，j），如式（2）所示：

因P为条件概率函数，当Mij值较小时，会增加P的强不确定性。因此，采用经验权重函数W（Mij）对潜在源贡献因子加权处理，得到加权后潜在源贡献因子PW如式（3）所示：

Pw=W（Mij）×P（i，j） 式（3）

1.5 浓度权重轨迹分析法

浓度权重轨迹（concentration weighted trajectory，CWT）分析法是一种确定空气污染源区域的方法，可用于描述每个网格权重浓度均值，进而衡量各区域对目标网格的污染贡献程度。用s表示气团轨迹，N表示气团轨迹总数，Cs表示s经过（i，j）时要素值，tijk表示s在（i，j）上的滞留时间，则（i，j）上的权重浓度均值Cij计算方式如式（4）：

同样将式（3）的权重函数用于CWT分析法之中，得到加权后浓度权重轨迹CW如式（5）所示：

CW=W（Mij）×Cij 式（5）

2 结果与讨论

2.1 大气污染特征分析

2.1.1 月总体大气污染特征

统计济南市2020年1月空气质量指数（AirQuality Index，AQI）和主要监测数值，2020年1月的31天内，济南市空气质量达到优共1天，良好共8天，轻度污染共12天，中度污染共4天，重度污染共6天，其中7日-9日均达到良好及以上级别，7日AQI为48，达到优。可见2020年1月济南市大气污染问题较为严重。

2.1.2 突发性中尺度暴雪对大气污染影响

2020年1月6日济南市空气质量状态为轻度污染，AQI为125，8日空气质量状态为良好，AQI为78，而7日受突发性中尺度暴雪影响，空气质量状态达到优，AQI为48，PM2.5、PM10、SO2、NO2与前后两日对比情况见图1。

由图1可以看出，2020年1月7日与6日相比，AQI、PM2.5浓度和PM10浓度均存在大幅度下降，AQI降幅在61.6%左右，PM2.5浓度降幅在63.8%左右，PM10浓度降幅在67.9%左右，说明暴雪在一定程度上能够提升空气质量，但SO2浓度存在小幅度上升，NO2浓度下降幅度较小，究其根本，一是两者原本浓度较低，小幅度浓度变化为正常波动现象，二是与降水形态存在一定关系，6日降水形态主要为降雨，而7日为降雪，与雨形态降水相比，雪形态降水清洗能力较弱。8日济南市AQI和污染物浓度出现反弹，其原因一方面是天气系统恢复稳定，污染物扩散困难，另一方面是社会活动逐渐恢复，各方面污染排放大幅度增加。

2.1.3 大气污染物程度日变化

主要污染物浓度日变化在较长时间内通常呈现出较为稳定的变化趋势，但2020年1月7日济南市受突发性中尺度暴雪影响，主要污染物浓度日变化与2019年同期相比呈现出不同特征，见图2。

如图2所示，2020年1月7日济南市受持续降雪和大风影响，5时前主要污染物浓度处于当日内较低水平，8时左右降雪减小，各类型污染物出现上升趋势，其中PM2.5和PM10浓度在7时后开始上升，由于上述分析中已排除面源扬尘污染，因此可确定颗粒物污染的主要来源为工业活动及机动车尾气排放；1月7日SO2在10-11时浓度较高，主要原因是雪后天气转晴，太阳辐射逐渐增强，大气混合层高度提升，高空SO2向下混合，使SO2浓度大幅度升高，当日SO2变化规律与2019年同期基本相同，说明突发性中尺度暴雪对工业活动的影响较小；1月7日NO2在10-11时浓度较高，与SO2基本同步，说明此时NO2浓度也与工业活动存在主要关系，17-21时NO2浓度再次达到峰值，该时段NO2浓度主要影响因素为晚高峰机动车排放。

2.1.4 大气污染物之间相关性

利用SPS519.0统计软件分析2020年1月7日济南市6种污染物之间皮尔逊相关系数，结果见表1。

表1中，**表示通过α=0.01显著性检验，α为显著性水平。1月7日济南市PM2.5和PM10均与SO2NO2、CO显著相关，均通过α=0.01显著性检验且相关性系数较大，说明济南市该日颗粒污染物与气态污染物之间存在一定同源性，经以上分析，可确定主要来源为工业活动排放，其中NO2与CO的相关性较强，且通过α=0.01显著性检验，证明机动车排放也为NO2与CO的主要来源，NO2与O3呈负相关且均通过α=0.01显著性检验，因为暴雪天气光照和温度等条件无法满足日光化学反应需要，O3氧化NO2生成NO和O2成为该日反应主导，因此两者呈负相关。

2.1.5 大气污染物与气象要素相关性

气象要素也是污染物浓度的重要影响因素之一，利用SPS519.0统计软件分析2020年1月7日济南市6种污染物与气象要素之间的皮尔逊相关系数，结果见表2。

由表2可以看出，各项污染物浓度均与气温和大气压强呈正相关，与风速和相对湿度呈负相关，且通过α=0.01显著性检验，说明风速和相对湿度越高，气温和大气压强越低，污染物浓度越低，突发性中尺度暴雪过程气象因素改变对污染物具有一定清除作用。

2.2 潜在源区分析

2.2.1 潜在源贡献因子分析

对2020年1月7日济南市后向气团对应PM2.5浓度加以分析，研究范围确定在（34°N-40°N，112°E-120°E）之间，划分研究区域为大小相同的正方形网格，在不同PM2.5阈值下计算潜在源区潜在源贡献因子，见图3。

由图3可以看出，将PM2.5浓度阈值设定为0μg/m3时，强潜在源区范围较广，分布于济南市周边地区，主要为山东省内滨州市、聊城市、潍坊市、临沂市、淄博市、东营市等部分地区和河北省沧州市等部分地区以及济南市本地等；当PM2.5浓度阈值增加至85μg/m3时，强潜在源区分布面积大幅度缩小，主要集中于济南市本地。

2.2.2 浓度权重轨迹分析

通过上述分析可知，济南市PM2.5强潜在源区为市内区域，为了进一步分析各地区对济南市PM2.5的贡献，将研究区域缩小至（36°0'N-37°5'N，116°0'E-117°5'E）范围内，得到潜在源区浓度权重轨迹计算结果见图4。

由图4可以看出，贡献浓度大于80μg/m3的强潜在源区主要分布在济南市北部，说明济南市本地源对其1月7日突发性中尺度暴雪大气污染有主要贡献，经分析，PM2.5的高贡献与这些地区大量聚集性工业活动有关。

3 结束语

国民经济快速发展和工业化规模不断扩大，大气污染问题日益严峻。为了制定相应的应对措施，改善济南市大气污染状况，对突发性中尺度暴雪过程大气污染特征与潜在源区进行了分析。通过皮尔逊积差相关系数法、PSCF分析法和CWT分析法测定2020年1月7日济南市一次突发性中尺度暴雪过程中，PM2.5、PM10、SO2、NO2、CO、O3之间相关关系和PM2.5、PM10、SO2、NO2、CO与气象要素之间相关关系。经分析可知，污染物之间存在一定的同源性且气象因素能够对污染物浓度产生影响，此次突发性中尺度暴雪使济南市当日空气质量等级提升至优，说明暴雪对污染物具有一定清除作用，通过此次分析，确定了潜在源区为济南市本地源，引起污染的主要因素为大量聚集性工业活动。