2017—2018年宿迁市大气污染物主要来源分析

来源:用户上传      作者:

　　摘 要：针对宿迁市2017—2018年PM2.5、PM10、臭氧浓度超标的情况，采用LPDM模型对其大气污染来源进行追踪和轨迹来源解析，结果表明：宿迁地区省内外贡献占比基本在50%左右，2017年江苏本地贡献占比49.6%，2018年占比47.1%，省内贡献同比下降2.5个百分点;2017年宿迁本地贡献占比30.2%，2018年占比26.3%，宿迁本地贡献同比下降3.9个百分点。在江苏省内的各个城市中，对宿迁PM2.5影响较大的是徐州、淮安及南京;对宿迁PM2.5影响最大的外省是山东省和安徽省，通过对比2017和2018年年均PM2.5潜在源区贡献来源比例，2018年的气象条件使得宿迁PM2.5有了更多来自山东的传输影响，其中临沂、青岛、潍坊在冬季对宿迁颗粒物浓度的贡献相对突出。
　　关键词：大气污染物;省内外;来源贡献;宿迁市
　　中图分类号 X51 文献标识码 A 文章编号 1007-7731（2020）07-0134-05
　　Abstract：In 2017-2018 PM2.5、PM10 and ozone in Suqian City are still above the standard. Throμgh LPDM traceability simulation， it is concluded that the contribution of the province and outside the province is basically about 50%， Jiangsu′s local contribution accounted for 49.6% in 2017 and 47.1% in 2018， with a year-on-year drop of 2.5 percentage points;In 2017， the local contribution of Suqian accounted for 30.2%， and in 2018， it accounted for 26.3%. The local contribution of Suqian decreased by 3.9 percentage points year on year. Among the cities in Jiangsu Province， Xuzhou， Huai′an and Nanjing have great influence on the PM2.5 of Suqian;Shandong Province and Anhui Province have the greatest impact on Suqian PM2.5， By comparing the contribution proportion of potential sources of PM2.5 in 2017 and 2018， the meteorological conditions in 2018 make Suqian PM2.5 have more transmission impact from Shandong， among which Linyi， Qingdao and Weifang have relatively prominent contribution to the concentration of particles in Suqian in winter.
　　Key words： Air pollutants; Inside and outside the province; Source contribution;Suqian City
　　隨着我国社会、经济的快速发展，城市化和工业化进程不断加快，工业、燃煤、机动车、生物质以及扬尘排放量也快速增加，城市大气污染问题日益严重。近几年来，宿迁市经过大力开展大气污染防治攻坚行动，空气质量得到了明显的改善，但以细颗粒物为代表的二次转化生成和以臭氧为代表的光化学污染问题仍然十分突出，并且已成为了中国众多城市面临的主要空气污染问题之一。
　　空气污染物对环境、气候以及人体的健康有着重要的影响，暴露于空气中的污染物会加重呼吸道等疾病，改变机体的防御能力，并进一步损害肺组织[1]。因此，大气污染物的研究已受到了社会公众和政府部门的高度重视。国内外专家学者采用多种大气扩散模式，利用轨迹模式描述污染气团传输影响的路径，建立了不同尺度情形下空气污染物源与受纳体的关系，其中大气污染物扩散传输易受地形、地貌、气象条件、大气污染物物理化学属性、区域和本地污染源排放特征等多种因素的影响。通过多项验证，LPDM用来评价大气扩散的平均浓度效果最好，并且适用于复杂地形或热对流产生的复杂流动扩散情况[2]。因此，开展宿迁市大气污染生成的研究，摸清大气污染物本地和外来传输贡献占比是开展PM2.5、O3污染防治与管理的迫切现实需求。
　　1 数据来源和分析方法
　　本研究使用的宿迁市2017—2018年各项污染物（PM2.5、PM10、SO2、NO2、CO、O3）浓度数据均来源于大气自动监测国控站点。采用LPDM（Lagrangian Particle Distribution Model）模型对宿迁所有大气污染来源进行追踪和轨迹来源解析，关注本地外来源占比及传输通道，分别计算宿迁地区PM2.5区域来源分布以及内外源传输贡献。该模型模拟方法是基于丁爱军[3-4]的研究发展而来，已经应用于多个地区的污染溯源工作中。模拟2017—2018年期间17520h后推72h的气团足迹。
　　LPDM模式是一种基于拉格朗日观点的中小尺度粒子扩散模式。假设在受体点释放一定量的粒子，随着粒子的后向扩散计算，可推出粒子可能的来源，以及粒子在每一个三维网格驻留的时间。基于高分辨率的气象数据，可以详细（网格尺度）计算污染来源地区，结合排放清单可以进一步给出各个网格各种污染源排放对所关注地区的贡献。该排放清单采用清华大学研制[5]的2016年多尺度排放清单模型MEIC。该排放清单包含了工业、农业、电厂、交通和居民生活五大类源排放，其空间分辨率为0.25°×0.25°（经度×纬度），时间分辨率为每月。 　　夜间灯光数据在一定程度上反映了人类的生产和生活，因此，大气污染物排放的空间分布和灯光分布具有较高的一致性。本次利用美国国防气象卫星2016年的全球灯光数据，对现有的0.25°分辨率的东亚地区排放清单进行0.1°×0.1°（经度×纬度）和0.025°×0.025°（经度×纬度）精细化处理，2016年PM2.5工业源排放清单0.1°和0.025°处理结果详见图1和图2。
　　2 结果与分析
　　2.1 宿迁市空气污染总体现状 由图3可知，除NO2监测指标外，宿迁市2017—2018年各项污染物年均浓度值均呈下降趋势。相较于2017年，2018年PM2.5颗粒物浓度下降2μg/m3，SO2浓度下降7μg/m3。与国家2级标准相比，2018年宿迁市区的SO2、NO2、CO-95%则在2017—2018年达到了国家2级标准，而PM2.5、PM10年均浓度和O3日最大8h平均浓度的第90百分位数仍分别超标61.9%、15.7%、16.3%。总体来看，当前宿迁市以PM10、PM2.5和O3超标最为严重。
　　图4是宿迁市2017年和2018年各主要污染物的日均浓度变化序列。图中利用三次曲线拟合了污染物的变化趋势，可以看到，SO2浓度全年的趋势基本一致，基本无较大的变化，臭氧和氮氧化物的浓度呈反相关关系。PM2.5和PM10在夏秋季节有所下降，冬季浓度达到最大，整体变化呈现“U”型趋势。2018年PM10拟合曲线曲率偏大，表明浓度变化更剧烈。PM2.5的拟合曲线在2018年底增幅明显较2017年小，说明2018年冬季PM2.5浓度得到了有效控制。
　　2.2 PM2.5污染来源 通过模拟宿迁市2017—2018年每1h气团后向足迹和PM2.5潜在源区贡献分布，研究污染气团经由大气传输达到宿迁市每个网格的停留时间，结合排放清单，计算得到污染物一次排放对宿迁市的影响和贡献。图5为宿迁市2017—2018年PM2.5潜在源区贡献（Potential Source Contribution，PSC）分布。与2017年相比，2018年宿迁市PM2.5浓度有所下降，且江苏和宿迁本地贡献有所减少，外来贡献稍有增加。2017年江苏本地贡献占比为49.6%，2018年占比为47.1%，省内贡献同比下降2.5个百分点;2017年宿迁本地贡献占比为30.2%，2018年占比为26.3%，宿迁本地贡献同比下降3.9个百分点。2017—2018年，对宿迁贡献最大的是宿迁本地，其次分别是徐州、淮安、南京、盐城（表1）。通过对比2017、2018年年均PM2.5潜在源区贡献来源比例，结合气象条件分析，表明2018年宿迁市PM2.5受山东传输影响明显增加。
　　2.3 PM2.5季节来源 从上述可以发现，宿迁市颗粒物浓度变化存在明显的季节性变化，除排放因素外，主要受天气形势、扩散条件等的影响。春季时，外来省份中，安徽省对宿迁市的贡献最大，2018年宿迁受到更多的来自安徽省的贡献，与2017年相比，安徽省贡献增加4.8%;而在冬季时，除本地以外，山东省对宿迁市的颗粒物浓度的影响最大，其次是安徽。山东和安徽在省外贡献里面占主导地位，四季的贡献整体偏高（表2）。在江苏省内，各个城市对宿迁市颗粒物的贡献也存在着明显的差异。春季贡献较高的地区是南京、淮安和徐州，夏季为苏州、南通和淮安，秋冬季都是淮安、连云港和徐州。宿迁本地贡献在2017年和2018年四季也存在着较大的差异，2017年本地贡献最大的季节是秋季的32.7%，最小是夏季的24.9%。2018年本地贡献最大的季节是夏季的30.8%，最小的是冬季的22.7%（表3）。总的来说，省外对宿迁地区影响最大的是安徽和山东省，省内各市中，除宿迁外，淮安、徐州、南京和连云港对宿迁的影响较大。
　　2.4 污染和清洁时段 基于2017和2018年PM2.5逐小时浓度的时间序列，分别提取最高5%浓度出现的时间和最低5%浓度出现的时间，针对PM2.5潜在源区贡献进行分析，可以得到，2017和2018年最高5%濃度和最低5%浓度的PM2.5的潜在源区贡献。针对污染和清洁时段对比（图6）;在发现在污染时段，2017和2018年都有明显的省外传输贡献，而清洁时段，大多是江苏省内的局地贡献。在省外贡献中，山东在污染时段和清洁时段对宿迁PM2.5贡献的差距最大，表明山东地区对宿迁的输送影响可能是导致宿迁地区PM2.5浓度出现峰值的关键因素。同时，在省内贡献中，虽然江苏省的贡献在清洁时段是比污染时段少，但徐州对宿迁的贡献却反而呈现相反的态势。徐州在2017年和2018年的污染时段对宿迁的PM2.5贡献比例明显高于清洁时段，说明在江苏省内，徐州对宿迁的PM2.5浓度的峰值具有很大的影响。同时，宿迁局地的影响来看，在清洁时段，宿迁有更多的本地影响，其高浓度的峰值污染，主要来自外部输送，本地的贡献相对较小（图7）。
　　3 结论
　　（1）宿迁市2018年较2017年空气污染有了一定的改善，但PM2.5、PM10、臭氧仍然超标。
　　（2）通过LPDM溯源模拟分析得出：宿迁地区省外贡献和省内贡献占比基本在50%左右，2017年江苏本地贡献占比49.6%，2018年占比47.1%，省内贡献同比下降2.5个百分点;2017年宿迁本地贡献占比30.2%，2018年占比26.3%，宿迁本地贡献同比下降3.9个百分点;对宿迁PM2.5影响最大的外来省份是山东和安徽，江苏省内的地级市中，对宿迁PM2.5影响较大的是徐州、淮安和南京。外源中山东省的临沂、青岛、潍坊和安徽省的宿州、蚌埠市和毫州对宿迁的贡献相对突出。
　　（3）通过季节性分析，春季外来省份中安徽省对宿迁市的贡献最大，冬季山东省对宿迁市颗粒物浓度的影响最大。在江苏省内，各个城市对宿迁市颗粒物的贡献也有着明显的差异，春季贡献较高的地区是南京、淮安和徐州，夏季为苏州、南通和淮安，秋冬季都是淮安、连云港和徐州。
　　（4）通过污染和清洁时段的分析可知，对宿迁地区PM2.5浓度峰值的出现起着关键作用的是来自山东和徐州的污染输送过程。
　　参考文献
　　[1]王芳龙，李忠勤，尤晓妮，等.2015—2017年天水市大气污染物变化特征及来源分析[J].环境科学学报，2018，38（12）：4592-4604.
　　[2]姚仁太，徐向军，郝宏伟，等.远东地区核风险厂址释放的气载放射性污染物长距离迁移的模拟[J].辐射防护，2005，25（4）：193-205.
　　[3]DING A J，WANG T，FU C B. Transport characteristics and origins of carbon monoxide and ozone in Hong Kong，South China[J]. Journal of Geophysical Research-Atmospheres，2013，118（16）：9475-9488.
　　[4]WANG T，WEI X L，DING A J，et al. Increasing surface ozone concentrations in the background atmosphere of Southern China，1994-2007[J]. Atmospheric Chemistry and Physics，2009，9（16）：6217-6227.
　　[5]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（14）：5131-5153.
　　（责编：张宏民）
转载注明来源:https://www.xzbu.com/1/view-15219838.htm