昆明PM2.5质量浓度演变特征与潜在源扩散模拟分析

doi:10.3969/j.issn.1673-503X.2024.03.004

摘要/Abstract

摘要：

基于2016—2020年昆明地区近地面PM_2.5质量浓度逐时监测数据、同期气象数据, 分析PM_2.5质量浓度变化特征与气象因素的相关性, 利用后向轨迹模型研究昆明地区PM_2.5传输路径、污染轨迹季节特征及其潜在源区分布。结果表明: PM_2.5质量浓度年内均呈现先升后降、峰陡谷平波动变化的态势, 整体呈现为春冬季节高于秋夏季节57.4%, 日内呈现夜间相对稳定而昼间变化幅度大且夜间浓度显著高于白天; PM_2.5质量浓度与气温、风速呈现显著负相关, 相关系数分别为-0.60和-0.13, 与气压呈现显著正相关(R=0.44, P < 0.01)。昆明地区气流轨迹来源方向存在季节性差异, 其中春季、冬季轨迹来源较为集中, 主要来自西南方向, 分别为86.8%和48.7%, 夏季、秋季以南部为中心呈散射状分布; 除夏季、秋季到达昆明地区的所有气流均为清洁气流外, 春季的传输路径较远且贡献源区范围较大, 中国云南省中部(玉溪市)和西南部(楚雄州、普洱市)以及孟加拉国西北部、缅甸北部的部分区域是昆明地区PM_2.5质量浓度的最主要贡献区域, 冬季高值覆盖范围和贡献程度均小于春季, 仅在云南省中南部(玉溪市、红河州)呈点状分布。

关键词: PM_2.5, 后向轨迹, 传输路径, 潜在源区

Abstract:

Based on the hourly monitoring data of near-surface PM_2.5 mass concentration and the meteorological data of the same period in Kunming area from 2016 to 2020, the correlation between the variation characteristics of PM_2.5 mass concentration and meteorological factors was analyzed, and the seasonal characteristics of PM_2.5 transport path and pollution track and the distribution of potential source areas were studied by using the backward trajectory model. The results showed that the mass concentration of PM_2.5 increased first and then decreased and fluctuated peak-valley throughout the year. The overall concentration was 57.4% higher in spring and winter than in autumn and summer, and relatively stable at night, while the variation range was large in daytime, and the concentration at night was significantly higher than that in daytime (22.6%). The mass concentration of PM_2.5 was negatively correlated with air temperature and wind speed, the correlation coefficients were -0.60 and -0.13, respectively, and was positively correlated with air pressure (R=0.44, P < 0.01). There were seasonal differences in the source direction of airflow trajectories in Kunming area. The sources of spring and winter trajectories were concentrated, mainly from the southwest, and scattered in summer and autumn centered on the south. Except for all the airflows arriving in Kunming area in summer and autumn are clean airflow, the transmission path in spring is far and the contribution source area is large. The central part of Yunnan province (Yuxi city), the southwest Yunnan province (Chuxiong prefecture, Puer city) and parts of northwestern Bangladesh and northern Myanmar are the most important contributors to PM_2.5 quality concentrations in Kunming area, and the coverage and contribution degree of high values in winter are smaller than those in spring, and are only distributed in dots in south-central Yunnan province (Yuxi city, Honghe prefecture).

Key words: PM_2.5, Backward trajectory, Transport pathway, Potential source

中图分类号:

X169
X513

李中杰, 严长安, 李亚丽, 张大为, 史建武. 昆明PM_2.5质量浓度演变特征与潜在源扩散模拟分析[J]. 气象与环境学报, 2024, 40(3): 26-36.

Zhongjie LI, Chang'an YAN, Yali LI, Dawei ZHANG, Jianwu SHI. Study of PM_2.5 mass concentration evolution and potential source diffusion simulation in Kunming[J]. Journal of Meteorology and Environment, 2024, 40(3): 26-36.

图/表 9

图1

图2

图3

图4

图5

表1

2016—2020年昆明地区气流轨迹传输路径及对应PM2.5浓度范围"

季节	聚类编号	各聚类占总气流比例	途经区域	各聚类气流PM_2.5质量浓度/(μg·m^-3)		各聚类中污染气流占比	污染气流PM_2.5质量浓度/(μg·m^-3)
季节	聚类编号	各聚类占总气流比例	途经区域	均值	标准偏差	各聚类中污染气流占比	均值	标准偏差
春季	1	26.8%	中国云南省西南部(玉溪市、普洱市)	37.43	15.68	1.0%	90.00	16.73
	2	16.0%	缅甸东部、中国云南省中西部(楚雄州、普洱市、临沧市)	40.49	17.32	5.1%	85.80	7.34
	3	13.2%	中国云南省东部(曲靖市)	29.89	13.75	0.0%
	4	14.0%	缅甸西中东部、中国云南省中西部(楚雄州、大理州、临沧市、保山市、德宏州)	36.32	13.50	1.2%	88.33	10.12
	5	30.1%	缅甸东部、中国云南省中西部(楚雄州、大理州、临沧市、保山市、德宏州)	33.32	12.44	0.5%	76.33	0.58
	总	100.0%		35.49	14.87	1.4%	85.12	9.91
夏季	1	14.5%	中国广西壮族自治区西北部(百色市)、中国云南省东部(曲靖市)	20.53	8.55	—	—	—
	2	20.7%	中国云南省中南部(玉溪市、红河州)	18.17	8.23	—	—	—
	3	15.5%	中国贵州省西部(毕节市、六盘水市)、中国云南省东部(曲靖市)	20.80	9.02	—	—	—
	4	4.7%	缅甸东部、中国云南省西南部(楚雄州、普洱市、临沧市)	12.17	4.77	—	—	—
	5	17.0%	中国云南省东南部(玉溪市、文山州)	23.48	11.00	—	—	—
	6	27.7%	中国云南省西南部(玉溪市、普洱市、西双版纳州)	14.95	7.60	—	—	—
	总	100.0%		18.35	9.26
秋季	1	42.5%	中国云南省中南部(玉溪市、红河州)	23.27	12.05	0.5%	79.50	2.38
	2	20.0%	中国云南省东南部(玉溪市、文山州)	27.56	13.91	0.8%	81.40	7.23
	3	18.1%	中国贵州省西部(毕节市、六盘水市)、云南省东部(曲靖市)	23.24	12.84	0.3%	84.33	—
	4	19.5%	中国云南省西南部(玉溪市、普洱市、临沧市)	22.98	9.99	0.3%	80.75	—
	总	100.0%		24.26	12.34	0.5%	81.50	4.43
冬季	1	38.1%	中国云南省中南部(玉溪市、红河州)	35.25	19.24	4.2%	93.19	19.23
	2	20.6%	缅甸东部、中国云南省西南部(楚雄州、普洱市、临沧市)	27.32	14.63	1.2%	96.00	13.34
	3	13.2%	中国云南省东部(曲靖市)	45.85	23.01	9.3%	93.35	24.59
	4	24.9%	中国云南省西南部(玉溪市、普洱市、临沧市)	29.08	15.14	1.8%	94.13	16.63
	5	3.2%	孟加拉国西北部、缅甸北部、中国云南省中西部(楚雄州、大理州、临沧市、保山市、德宏州)	25.86	11.68	0.0%	—	—
	总	100.0%		32.67	18.69	3.5%	94.17	20.18

表1

图6

图7

图8

参考文献 38

1	Chen Z , Wang J N , Ma G X , et al. China tackles the health effects of air pollution[J]. The Lancet, 2013, 382 (9909): 1959- 1960. doi: 10.1016/S0140-6736(13)62064-4
2	张小曳, 孙俊英, 王亚强, 等. 我国雾-霾成因及其治理的思考[J]. 科学通报, 2013, 58 (13): 1178- 1187.
3	Tian S L , Pan Y P , Liu Z R , et al. Size-resolved aerosol chemical analysis of extreme haze pollution events during early 2013 in urban Beijing, China[J]. Journal of Hazardous Materials, 2014, 279, 452- 460. doi: 10.1016/j.jhazmat.2014.07.023
4	李勇, 廖琴, 赵秀阁, 等. PM_2.5污染对我国健康负担和经济损失的影响[J]. 环境科学, 2021, 42 (4): 1688- 1695.
5	王燕丽, 薛文博, 雷宇, 等. 京津冀区域PM_2.5污染相互输送特征[J]. 环境科学, 2017, 38 (12): 4897- 4904.
6	余钟奇, 瞿元昊, 周广强, 等. 2018年秋冬季长江三角洲区域PM_2.5污染来源数值研究[J]. 中国环境科学, 2020, 40 (10): 4237- 4246.
7	王毓铮, 黄志炯, 肖笑, 等. 珠三角典型城市大气污染减排措施的PM_2.5改善评估研究[J]. 环境科学学报, 2021, 41 (7): 2530- 2539.
8	Maji K J , Ye W F , Arora M , et al. PM_2.5-related health and economic loss assessment for 338 Chinese cities[J]. Environment International, 2018, 121, 392- 403.
9	Yin P , Brauer M , Cohen A J , et al. The effect of air pollution on deaths, disease burden, and life expectancy across China and its provinces, 1990-2017:an analysis for the global burden of disease study 2017[J]. The Lancet Planetary Health, 2020, 4 (9): e386- e398.
10	杨书申, 孙珍全, 邵龙义. 城市大气细颗粒物PM_2.5的研究进展[J]. 中原工学院学报, 2006, 17 (1): 1-5, 25.
11	Martinelli N , Girelli D , Cigolini D , et al. Access rate to the emergency department for venous thromboembolism in relationship with coarse and fine particulate matter air pollution[J]. PLoS One, 2012, 7 (4): e34831.
12	Brook R D , Rajagopalan S , Pope C A , et al. Particulate matter air pollution and cardiovascular disease: an update to the scientific statement from the American Heart Association[J]. Circulation, 2010, 121 (21): 2331- 2378.
13	成莹菲, 侯雪伟, 朱彬, 等. 稳定天气形势下京津冀和长三角地区重度污染过程气象成因解析[J]. 环境科学学报, 2020, 40 (5): 1575- 1586.
14	王芳龙, 李忠勤, 杨宏, 等. 天水市大气颗粒物输送通道及污染源区研究[J]. 环境化学, 2020, 39 (9): 2371- 2383.
15	吕炜, 李金凤, 王雪松, 等. 长距离污染传输对珠江三角洲区域空气质量影响的数值模拟研究[J]. 环境科学学报, 2015, 35 (1): 30- 41.
16	严宇, 王雪松, 周家斌. 福州市区冬春季PM_2.5污染特征与来源差异性分析[J]. 环境科学学报, 2019, 39 (4): 1049- 1056.
17	牛司平, 朱旭, 朱兰兰, 等. 皖南地区铜陵市大气颗粒物污染特征及潜在源研究[J]. 环境科学学报, 2022, 42 (5): 60- 73.
18	陈云波, 徐峻, 何友江, 等. 北京市冬季典型重污染时段PM_2.5污染来源模式解析[J]. 环境科学研究, 2016, 29 (5): 627- 636.
19	刘娜, 余晔, 张莉燕, 等. 2016—2018年西宁市颗粒物来源及输送差异分析[J]. 环境科学学报, 2021, 41 (10): 4212- 4227.
20	薛文博, 付飞, 王金南, 等. 中国PM_2.5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.
21	李颜君, 安兴琴, 范广洲. 北京地区大气颗粒物输送路径及潜在源分析[J]. 中国环境科学, 2019, 39 (3): 915- 927.
22	Hao T Y , Cai Z Y , Chen S C , et al. Transport pathways and potential source regions of PM_2.5 on the west coast of Bohai Bay during 2009-2018[J]. Atmosphere, 2019, 10 (6): 345.
23	段时光, 姜楠, 杨留明, 等. 郑州市冬季大气PM_2.5传输路径和潜在源分析[J]. 环境科学, 2019, 40 (1): 86- 93.
24	毕丽玫. 高原城市昆明大气PM_2.5污染特征及与气象条件相关性分析研究[D]. 昆明: 昆明理工大学, 2015.
25	张朝能, 王梦华, 胡振丹, 等. 昆明市PM_2.5浓度时空变化特征及其与气象条件的关系[J]. 云南大学学报(自然科学版), 2016, 38 (1): 90- 98.
26	李洁, 刘芝芹, 彭明俊, 等. 昆明市PM_2.5和PM₁₀质量浓度变化特征分析[J]. 环境科学导刊, 2020, 39 (2): 37- 41.
27	杨健, 丁祥, 刘寅, 等. 高原城市昆明PM_2.5中碳组分污染特征及来源分析[J]. 环境化学, 2017, 36 (2): 257- 264.
28	韩林洁, 黄俊, 韩新宇, 等. 昆明市典型干季大气PM_2.5中重金属污染特征与来源研究[J]. 昆明理工大学学报(自然科学版), 2019, 44 (2): 99- 110.
29	盛涛. 昆明市大气PM₁₀和PM_2.5比值特征及来源研究[D]. 昆明市: 昆明理工大学, 2014.
30	Draxler R R, Hess G D. Description of the HYSPLIT_4 modeling system[R]. Sliver Spring, Maryland: Air Resources Laboratory, 1997.
31	Wang Y Q , Zhang X Y , Draxler R R . TrajStat: GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data[J]. Environmental Modelling & Software, 2009, 24 (8): 938- 939.
32	Salvador P , Artíñano B , Alonso D G , et al. Identification and characterisation of sources of PM₁₀ in Madrid (Spain) by statistical methods[J]. Atmospheric Environment, 2004, 38 (3): 435- 447.
33	Liu N , Yu Y , He J J , et al. Integrated modeling of urban-scale pollutant transport: application in a Semi-arid Urban Valley, northwestern China[J]. Atmospheric Pollution Research, 2013, 4 (3): 306- 314.
34	曾静, 王美娥, 张红星. 北京市夏秋季大气PM_2.5浓度与气象要素的相关性[J]. 应用生态学报, 2014, 25 (9): 2695- 2699.
35	高睿娜, 孙银川, 左河疆, 等. 银川市主要污染物变化特征及其关系研究[J]. 气象与环境学报, 2022, 38 (1): 33- 39.
36	尹浩, 郯俊岭, 王巨勇, 等. 湖州市PM_2.5浓度变化及传输特征分析[J]. 气象与环境学报, 2021, 37 (5): 20- 26.
37	常嘉成. 云南高原典型城市空气质量变化特征及大气环境容量评估研究[D]. 南京: 南京信息工程大学, 2019.
38	郭晓. 昆明市呈贡区及主城区干季大气PM_2.5的化学特征和来源对比[D]. 昆明: 云南师范大学, 2020.

[1]	范茂清,伍乔,谷惠文,黄慧敏,曾鸣. 2020年长沙市PM_2.5组分特征及来源解析[J]. 气象与环境学报, 2024, 40(5): 57-64.
[2]	汪文雅,朱凌云,郭伟,王雁,陈玲. 2019年8月太原市一次典型O₃和PM_2.5污染天气过程成因分析[J]. 气象与环境学报, 2023, 39(6): 28-36.
[3]	贾小芳,李杨,孙晓晴,董璠. 2015年华北地区上甸子大气本底站PM_2.5化学组分特征及来源分析[J]. 气象与环境学报, 2023, 39(6): 87-95.
[4]	徐红, 陈军庆, 路海军, 宋明坤, 陈玺伍, 龚强, 朱玲, 沈历都. 2021年3月27—28日中国北方沙尘天气特征分析[J]. 气象与环境学报, 2023, 39(4): 9-16.
[5]	王俊秀, 王俊杰, 韩仙桃, 杨彩云, 姜学恭, 李蓉, 张克文. 基于多源数据的2021年3月呼和浩特严重沙尘污染天气特征分析[J]. 气象与环境学报, 2023, 39(4): 17-24.
[6]	王苏瑶,邓学良,胡建林,常炉予. 2015—2018年淮北市冬半年重污染天气大气环流分型研究[J]. 气象与环境学报, 2023, 39(4): 74-83.
[7]	吕文丽,时晓曚,张凯. 青岛地区一次雾—霾过程能见度特征及影响因素分析[J]. 气象与环境学报, 2023, 39(3): 47-55.
[8]	张煦庭, 刘慧, 刘瑞芳, 巨菲, 刘嘉慧敏, 高星星, 黄少妮, 王楠. 基于极端梯度提升算法的西安市逐小时PM_2.5浓度预报研究[J]. 气象与环境学报, 2023, 39(1): 44-54.
[9]	武威,单铁良. 基于后向轨迹的秋冬季漯河重污染输送及典型个例分析[J]. 气象与环境学报, 2022, 38(3): 65-74.
[10]	肖袁俊,李保山,宋文丹,程勇翔,黄敬峰. 1998—2016年中国PM_2.5浓度变化对气温的影响研究[J]. 气象与环境学报, 2022, 38(3): 85-92.
[11]	刘美,姬兴杰,田力,丁亚磊,左璇. 1961—2020年郑州主城区大气自净能力变化特征分析[J]. 气象与环境学报, 2022, 38(3): 93-100.
[12]	曹青, 谷晓平, 张翅鹏, 陈贞宏, 吴哲红. 贵州安顺市PM_2.5气象输送条件及贡献源空间分布[J]. 气象与环境学报, 2022, 38(2): 55-62.
[13]	麦榕, 杨洋, 范根昌, 吕峰, 董晓波, 梁苗, 姚波. 基于飞机观测资料的石家庄秋季对流层CH₄垂直分布特征[J]. 气象与环境学报, 2022, 38(2): 70-77.
[14]	王学强,董慧杰. 一次中尺度对流风暴造成的内蒙古局地沙尘天气过程分析[J]. 气象与环境学报, 2021, 37(6): 11-19.
[15]	尹浩, 郯俊岭, 王巨勇, 李洪权, 奚雷, 吴彬, 邱吉东. 湖州市PM_2.5浓度变化及传输特征分析[J]. 气象与环境学报, 2021, 37(5): 20-26.