环境科学研究  2017, Vol. 30 Issue (6): 864-873  DOI: 10.13198/j.issn.1001-6929.2017.01.54

引用本文  

谢祖欣, 王宏, 郑秋萍, 等. 2015年福州市大气颗粒物污染特征[J]. 环境科学研究, 2017, 30(6): 864-873.
XIE Zuxin, WANG Hong, ZHENG Qiuping, et al. Pollution Characteristics of Airborne Particles in Fuzhou City in 2015[J]. Research of Environmental Sciences, 2017, 30(6): 864-873.

基金项目

国家自然科学基金项目(41461164007);福建省自然科学基金项目(2016J05091);福建省气象局青年科技专项(2016q01)

责任作者

作者简介

谢祖欣(1987-), 女(布依族), 贵州都匀人, 工程师, 博士, 主要从事大气环境研究, xie_zuxin@163.com

文章历史

收稿日期:2016-08-26
修订日期:2016-11-17
2015年福州市大气颗粒物污染特征
谢祖欣1 , 王宏1 , 郑秋萍1 , 林文1 , 吴启树2     
1. 福建省气象科学研究所, 福建 福州 350001;
2. 福建省气象台, 福建 福州 350001
摘要:为了解福州市大气颗粒物污染状况,利用中国环境监测总站发布的实时大气环境监测资料,结合气象资料和HYSPLIT4轨迹模式,分析了2015年福州市大气颗粒物污染特征和典型污染过程.结果表明:2015年福州市ρ(PM10)、ρ(PM2.5)年均值分别为55.8和29.2μg/m3,均低于GB 3095-2012《环境空气质量标准》二级标准限值.颗粒物浓度季节性变化特征明显,表现为冬春季高、夏秋季低的变化特征. ρ(PM2.5)/ρ(PM10)为52%,普遍低于我国东部其他大中城市;日际变化明显,受混合层高度日变化和机动车排放的影响,呈双峰形态. ρ(PM2.5)/ρ(PM10)日变化趋势与ρ(PM10)日变化特征相反,即ρ(PM10)高时ρ(PM2.5)所占比例低,ρ(PM10)低时ρ(PM2.5)所占比例高,表明早晚高峰机动车排放所造成的颗粒物污染以粗颗粒物贡献为主.福州市颗粒物污染天气成因主要有"积累型"和"输送型"污染. 2015年1月5-6日发生的污染过程,是在一次静稳、高湿天气形势下,本地排放的污染物在不利于扩散的气象条件下聚集、二次转化,导致颗粒物浓度升高、能见度降低. 2015年1月17-19日的污染过程主要是北方污染物随冷空气输送南下,导致本地颗粒物浓度迅速升高、能见度迅速降低.研究显示,福州市PM10和PM2.5优良率较高,颗粒物污染主要发生于冬季,污染成因包括局地累积和区域输送.
关键词PM10    PM2.5    区域输送    污染累积    
Pollution Characteristics of Airborne Particles in Fuzhou City in 2015
XIE Zuxin1 , WANG Hong1 , ZHENG Qiuping1 , LIN Wen1 , WU Qishu2     
1. Fujian Meteorological Science Institute, Fuzhou 350001, China;
2. Fujian Meteorological Observatory, Fuzhou 350001, China
Abstract: The characteristics and main processes of typical particulate pollution in Fuzhou City in 2015 were investigated by using air quality data released by the Environmental Monitoring Station of China, meteorological data and HYSPLIT4 Trajectory Model. The analysis results showed that the annual concentrations ρ(PM10) and ρ(PM2.5) were 55.8 μg/m3 and 29.2 μg/m3 respectively, both lower than the national secondary standard. The particulate matter concentration exhibited an apparent seasonality, which was higher in winter and spring and lower in summer and autumn. The ratio ρ(PM2.5)/ρ(PM10) was 52%, which was generally lower than other cities over East China. The diurnal variation in PM concentration was significant, with two peaks during a day, which was mainly associated with the changes in boundary layer height and vehicle emissions. The ratio ρ(PM2.5)/ρ(PM10) showed an opposite variation trend to the PM concentration, with high ρ(PM10) concentration corresponding to a low ratio and vice versa. PM10 was the main particle pollution from vehicle emissions during the morning and evening peaks. Particulate pollution episodes in Fuzhou city were characterized by rapid increases in particulate concentration and reduction in visibility, and could be classified into the 'accumulation' and 'transport' types. The episode on 5-6 January 2015 was mainly attributed to the chemical formation and accumulation of pollutants under static and humid weather conditions, whereas the episode on 17-19 January was caused by southward transport of pollutants from North China along with cold air. The results showed that the air quality in Fuzhou was generally good, with particulate pollution mainly occurring in winter caused by both local accumulation and regional transport effects. The overall results suggested that there was a high rate of 'excellent' and 'good' air quality for PM10 and PM2.5 in Fuzhou. Particle pollution mostly occurred in winter, and the main causes included local accumulation and regional transport.
Keywords: PM10    PM2.5    regional transport    pollution accumulation    

当前,大气颗粒物(Particulate Metter, PM)已成为影响我国大中城市环境空气质量的重要污染物,对人体健康、大气环境和气候变化具有重要影响.大量流行病学研究表明,大气颗粒物可以对人体健康产生危害,主要表现在对心血管疾病、呼吸系统疾病、过敏症状的发病率和死亡率以及对疾病传播的影响等方面[1-4].近年来我国强度大、范围广、持续时间长的重污染天气过程频发[5-7],这与颗粒物尤其是PM2.5(细颗粒物)的贡献密不可分.此外,大气颗粒物的直接气候效应和间接气候效应还对地气系统辐射收支平衡和气候系统具有显著影响.我国的大气污染问题已经引起国家和各级政府的高度重视,以及科学家及社会公众的极大关注.如何在发展过程中改善大气环境质量,有效防治大气污染、优化控制,既是国际大气化学研究领域最为关注的前沿科学问题,也是制定大气污染控制方案的科学基础.国内就大气颗粒物污染特征和来源解析开展了大量研究工作[8-13].如张小曳等[14]通过分析雾和霾与气溶胶的联系、维持机制、污染物构成等问题,指出我国现今雾-霾问题的主因及治理建议.王金南等[15]从区域划分,控制技术、控制目标确定与分配等方面讨论了我国实施区域大气污染联防联控的技术与方法.高庆先等[16]利用大气环境监测资料,对北京奥体中心空气质量演变特征进行了综合分析和评估.王跃思等[17]利用“中国气溶胶观测研究网”(CARE-China)对2013年1月我国中东部地区大范围重污染天气过程进行了成因分析.

福建省城市环境空气质量优良率较高.然而,一方面随着经济的快速增长、城市化进程的加快、机动车保有量的增加、能源的大量消耗和区域污染的输送等因素引发了一系列大气污染问题;另一方面,随着公众对大气环境问题的关注和对环境空气质量要求的提升,福建省的大气环境问题受到了越来越多的关注和重视. 2014年1月,福建省政府印发《福建省大气污染防治行动计划实施细则》,指出全省环境空气质量需要得到巩固和提升,力争到2017年可吸入颗粒物浓度比2015年下降5%以上,大气污染防治形势依然严峻.近年来,福建省在大气污染防治方面开展了一系列研究工作,主要是以外场观测数据为主,研究污染物与天气形势、气象要素之间的关系等[18-21].将PM10(可吸入颗粒物)与PM2.5一并讨论并对二者进行比较的研究报道较少.笔者以PM10和PM2.5为研究对象,分析了2015年福州市大气颗粒物污染特征和典型污染过程,以期为大气颗粒物防治、大气污染预报预警提供科学参考.

1 数据与方法 1.1 空气质量数据

空气质量数据来自中国环境监测总站“全国城市空气质量实时发布平台”(http://113.108.142.147 :20045/emcpublish).选择2015年ρ(PM10)和ρ(PM2.5)逐时观测数据,在数据统计分析中去除清洁对照站.为确保数据统计的有效性,参考GB 3095—2012《环境空气质量标准》[22]、HJ 633—2012《环境空气质量指数(AQI)技术规定》[23]、HJ 663—2013《环境空气质量评价技术规范(试行)》[24]等标准,对数据进行了如下质量控制.

a)去除“ρ(PM2.5)和ρ(PM10)倒挂”的数据.理论而言,同一地点同时监测的ρ(PM2.5)应低于ρ(PM10).然而在数据使用过程中会出现ρ(PM2.5)小时平均值高于ρ(PM10)的现象,即“ρ(PM2.5)和ρ(PM10)倒挂”.排除仪器校准、维护不当导致系统误差的情况,导致这种现象产生的原因主要源于ρ(PM2.5)和ρ(PM10)监测所采用的监测方法不同、监测设备不同、高温高湿气象条件下监测设备对颗粒物中含水量的去除程度不同等因素.因此,该研究在数据处理过程中,首先剔除了同一站点同一时刻ρ(PM2.5)小时平均值高于ρ(PM10)的数据.

b)文中所用的日均值是指一个自然日(北京时间00:00—23:00)24 h颗粒物浓度的算术平均值.日均值至少有20 d平均值或采样时间,否则视为无效.月均值至少需要有27 d的日均值(2月至少需要有25 d的日均值),否则视为无效.年均值有效性规定为当年日均值数据至少需达到324个,否则视为无效.

1.2 气象数据

气象资料:① 福州国家基准气象站能见度、相对湿度、风向、风速等观测数据;② NCEP(National Centers for Environmental Prediction,美国国家环境预报中心)提供的FNL全球分析资料(Final Analyses Data,http://dss.ucar.edu/datasets/ds083.2),资料为4次/d,分别为北京时间02:00、08:00、14:00和20:00,水平分辨率1°×1°,分析中用到了FNL分析资料中大气对流层中低层风速、风向和相对湿度数据;NCEP的GDAS全球数据同化系统资料(Global Data Assimilation System,http://rda.ucar.edu/datasets/ds735.0)为HYSPLIT轨迹模式提供气象场.

1.3 轨迹计算模式

采用NOAA(National Oceanic and Atmospheric Administration,美国国家海洋和大气管理局)的HYSPLIT4轨迹模式[25]对典型污染个例进行气流来向轨迹分析.该模式是一种欧拉和拉格朗日混合计算模式,假定质点的轨迹是随着风场而运动的,轨迹是质点在空间和时间上的积分. HYPSLIT能够处理多种气象输入场、多种物理过程和不同类型排放源,可用于计算简单传输轨迹、复杂污染扩散和沉降模拟等,目前被广泛应用于大气污染输送研究[26-30].

2 结果与讨论 2.1 颗粒物浓度全年演变特征

2015年,福州市ρ(PM10)年均值为55.8 μg/m3ρ(PM2.5)年均值为29.2 μg/m3,均低于GB 3095—2012《环境空气质量标准》[25]二级标准限值〔ρ(PM10)为70 μg/m3ρ(PM2.5)为35 μg/m3〕. 图 1为2015年福州市ρ(PM10)和ρ(PM2.5)月均值变化,以及ρ(PM2.5)在ρ(PM10)中所占比例的月变化.由图 1可以看出,颗粒物浓度表现出明显的季节性变化特征:冬春季高、夏秋季低;ρ(PM10)与ρ(PM2.5)的变化趋势相似.其中,ρ(PM10)和ρ(PM2.5)月均值在1月最高,分别为84.5和51.9 μg/m3, ρ(PM10)在9月最低(42.9 μg/m3),ρ(PM2.5)在7月最低(18.6 μg/m3).冬季颗粒物浓度高主要考虑与气象条件和区域输送有关:① 冬季福州降水量小,混合层高度较低,大气层结相对稳定,污染物扩散和清除条件较差;② 冬季冷空气南下频繁,来自福建上风方向的长江中下游地区污染物输入也是导致福州冬季颗粒物污染的重要原因.春季多阴雨,相对湿度高,大气层结稳定,容易导致污染物累积;此外,高湿、静稳的天气条件有利于颗粒物的吸湿增长、非均相反应等过程,促进颗粒物浓度增加从而造成污染.

图 1 2015年福州市ρ(PM10)、ρ(PM2.5)月均值以及ρ(PM2.5)/ρ(PM10)月均值 Figure 1 Monthly mean trend of ρ(PM10), ρ(PM2.5) and ρ(PM2.5)/ρ(PM10) in Fuzhou in 2015

ρ(PM2.5)/ρ(PM10)可以反映一个地区颗粒物的理化特性. 2015年福州市ρ(PM2.5)/ρ(PM10)为52%,普遍低于我国东部其他大中城市[16, 31-34]. ρ(PM2.5)和ρ(PM10)显著相关,相关系数达到1.80,说明二者的主要源类相似.从季节性变化来看,冬春两季以细粒子为主导,其中2月最高,ρ(PM2.5)/ρ(PM10)约为62%;夏秋两季细粒子所占比例略低,ρ(PM2.5)/ρ(PM10)为43%~50%. ρ(PM2.5)/ρ(PM10)的时间变化趋势, 一方面可能与当地天气条件、排放源的变化有关, 如冬季能源需求提高导致污染排放增加,静稳、高湿天气条件促进颗粒二次转化、细粒子生成等; 另一方面,外来输送使得颗粒物的成分发生改变,从而导致ρ(PM2.5)在ρ(PM10)中所占比例发生变化.

2015年福州市IAQIPM10(PM10空气质量分指数)有173 d(47.9%)为优,186 d(51.5%)为良,超标(日均值>150 μg/m3)天数为2 d,均为轻度污染,全年平均超标率0.6%. IAQIPM2.5(PM2.5空气质量分指数)有268 d(74.9%)为优,83 d(23.2%)为良,超标(日均值>75 μg/m3)天数7 d,均为轻度污染,全年平均超标率1.9%.颗粒物浓度超标均发生在1月,并以细颗粒物污染为主.当IAQIPM10和IAQIPM2.5均为优时,ρ(PM2.5)/ρ(PM10)为0.54;当IAQIPM10和IAQIPM2.5均为良时,ρ(PM2.5)/ρ(PM10)为0.56,优良时期的比值相当.当IAQIPM10和IAQIPM2.5均为轻度污染时,ρ(PM2.5)/ρ(PM10)为0.63,细粒子所占比例明显高于优、良天气时期.

福建省环境保护厅发布的数据(http://fjepb.gov.cn/zwgk/kjjc/hjzl/zlph)显示,2015年福州市首要污染物为PM2.5,颗粒物(PM2.5和PM10)污染是福州市面临的主要大气环境问题.尽管福州市颗粒物污染状况与我国中东部其他大中城市相比较轻,然而,参考世界卫生组织(WHO)《空气质量准则》,ρ(PM2.5)和ρ(PM10)的年均值准则值分别为10和20 μg/m3,福州市ρ(PM2.5)和ρ(PM10)年均值分别是其2.9和2.8倍.轻度污染时,ρ(PM2.5)和ρ(PM10)日均值可达87.7和171.6 μg/m3,分别是WHO《空气质量准则》24 h平均浓度准则值(25和50 μg/m3)的3.5和3.4倍.对人体健康的影响不容忽视.

2.2 颗粒物日变化特征

2015年福州市ρ(PM10)和ρ(PM2.5)的日变化特征如图 2所示.从图 2可见,ρ(PM10)和ρ(PM2.5)均呈明显的日变化特征,并且不同季节的日变化趋势一致,呈双峰形态. ρ(PM10)峰值出现在09:00左右、16:00—18:00之间;除冬季外,早间ρ(PM10)峰值略高于傍晚; ρ(PM10)最低值出现在午后13:00左右,次低谷出现在后半夜00:00—04:00之间. ρ(PM2.5)峰值出现在07:00—09:00,夏季早间峰值略有滞后,在11:00左右;次峰值出现在傍晚19:00左右, ρ(PM2.5)低值出现在午后14:00—16:00和夜间,ρ(PM2.5)在午后降至一天中的最低值,而夜间变化幅度小,ρ(PM2.5)相对稳定.颗粒物浓度的日变化趋势与本地源的排放密切相关:峰值出现的时间与上下班高峰期较为吻合,说明机动车排放源对这些时段的贡献较大.其他时段,颗粒物浓度主要受稳定的本地源排放和混合层高度日变化影响,浓度值相对较低且比较稳定.

图 2 2015年福州市ρ(PM10)、ρ(PM2.5)和ρ(PM2.5)/ρ(PM10)日变化特征 Figure 2 Daily mean trend of ρ(PM10), ρ(PM2.5) and ρ(PM2.5)/ρ(PM10) in Fuzhou in 2015

ρ(PM2.5)在ρ(PM10)中所占比例也呈现出明显的日变化特征(见图 2),而其变化趋势与颗粒物的日变化特征相反,即ρ(PM10)高时ρ(PM2.5)所占比例低,而ρ(PM10)低时ρ(PM2.5)所占比例高. ρ(PM2.5)/ρ(PM10)极小值出现在上午08:00—09:00之间以及下午16:00左右;ρ(PM2.5)/ρ(PM10)极大值出现在中午12:00和后半夜01:00—04:00之间,表明早晚高峰机动车排放所造成的一次污染以PM10贡献为主.在午后和夜里,可能是气溶胶二次转换较为显著或粗颗粒物的沉降相对较快,导致ρ(PM2.5)所占比例上升.

2.3 典型颗粒物污染过程与成因分析

福州市颗粒物污染天气成因主要包括:①“积累型”污染,发生在静稳天气形势下,由于本地排放的污染物在不利于扩散的气象条件下聚集、二次转化,导致污染物浓度升高、能见度降低,形成颗粒物污染天气;②“输送型”污染,冬季北方污染物随着冷高压前的偏北气流输送南下,导致污染物浓度迅速升高、能见度迅速降低,形成污染天气. 表 1为2015年福州市颗粒物污染过程及其对应的天气成因. 2015年福州共有2 d ρ(PM10)日均值超过150 μg/m3,有7 d ρ(PM2.5)日均值超过75 μg/m3,达到轻度污染级别,共4个污染过程,包括3次累积型污染和1次输送型污染.以下选取累积型污染(1月5—6日)和输送型污染(1月17—19日)各一次典型过程进行成因分析.

表 1 2015年福州市颗粒物污染天气及成因 Table 1 Particle pollution and weather cause in Fuzhou in 2015
2.3.1 累积型污染过程

图 3为2015年1月4—7日福州市ρ(PM10)、ρ(PM2.5)、能见度和相对湿度时序图.在这次累积型污染过程(1月5—6日)中,ρ(PM10)与ρ(PM2.5)日均值均达到轻度污染级别,个别时次出现中度污染,首要污染物为PM2.5.自5日04:00起,颗粒物浓度逐渐攀升,5日11:00 ρ(PM2.5)达到轻度污染,5日19:00 ρ(PM2.5)达到中度污染;受日变化影响,午夜到凌晨略有回落,6日又经历了一次ρ(PM2.5)的攀升,个别时次出现中度污染;自7日01:00起,ρ(PM2.5)迅速回落至优等级,污染结束. ρ(PM10)与ρ(PM2.5)的时间变化趋势一致,在5日和6日出现轻度污染,个别时次达到中度污染,自7日01:00起,与ρ(PM2.5)变化相同,迅速回落至优等级.此次污染过程中,ρ(PM10)在5日傍晚达到最高,而ρ(PM2.5)的最大值出现在6日傍晚.

图 3 2015年1月4—7日福州市ρ(PM10)、ρ(PM2.5)、能见度和相对湿度时间序列图 Figure 3 Hourly series of ρ(PM10), ρ(PM2.5), visibility and humidity on January 4th-7th 2015

结合近地面风玫瑰图(见图 4)以及风场与湿度场垂直剖面图(见图 5)和天气形势可以看出,4—6日白天,伴随西伯利亚强冷空气逐渐东移、南压,福州位于强冷空气前锋的锋前暖区内,低空受西南、东南气流控制,风速弱,气压梯度小,冷空气偏北并不断将暖气团往南推挤,导致空气压缩增温,相对湿度逐渐加大,大气层结非常稳定,呈现出典型的超静稳天气形势,颗粒物浓度,特别是ρ(PM10)从4日起明显升高,ρ(PM2.5)从4日午后开始持续上升,ρ(PM2.5)小时均值超过75 μg/m3的持续时间达到37 h, 其中6日低涡切变东移,湿度进一步增大,近地面风速仍为小风. 6日ρ(PM10)升高不大,而湿度的增加有利于PM2.5的吸湿增长和二次反应的生成,ρ(PM2.5)升至此次污染的极大值(156.2 μg/m3).

图 4 2015年1月5—6日福州市近地面风玫瑰图 Figure 4 Surface wind rose in Fuzhou on January 5th-6th 2015

图 5 2015年1月4—8日福州市风场、湿度场垂直剖面图 Figure 5 Wind and humidity vertical field in Fuzhou on January 4th-8th 2015

这次过程一直处于低能见度状态(<10 km),尤其是6日午后到夜里,当ρ(PM2.5)达到峰值后,能见度迅速降至5 km以下;7日颗粒物浓度降低后,能见度随之转好. 5—6日,福州近地面相对湿度(>70%)一直较高,垂直结构上湿层也较为深厚,850 hPa以下的大气相对湿度基本大于70%.深厚的湿层一方面有利于颗粒物吸湿增长和非均相反应的发生,另一方面也阻碍了污染物的垂直扩散.风速的垂直结构显示,5—6日,850 hPa以下的低空风速小,空气污染扩散条件差,近地面基本处于小风状态(风速<2 m/s);主导风向5日为潮湿的西南风或东南风;6日后半夜起,强冷空气入侵,福州中低层转为偏北风,将上游清洁空气带入福州,沿海风梯度加大,温度降低.在清洁冷空气和大气水平输送能力增强的共同作用下,颗粒物浓度迅速降低,污染过程结束.综上,这是一次发生在静稳、高湿天气下,本地排放的污染物在不利于扩散的气象条件下聚集、二次转化,导致污染物浓度升高,能见度降低所形成的污染天气过程.

2.3.2 输送型污染

图 6为2015年1月16日—19日福州市ρ(PM10)、ρ(PM2.5)和能见度时序图.这次过程的首要污染物为PM2.5ρ(PM2.5)日均值在17日、18日分别为77.0和99.5 μg/m3,均达到轻度污染级别;而PM10只有个别时次达到轻度污染,因此只讨论PM2.5的污染过程. ρ(PM2.5)自17日04:00开始攀升;17日13:00,ρ(PM2.5)升至77 μg/m3,达到轻度污染级别;17日20:00,ρ(PM2.5)达到116 μg/m3,出现中度污染,18日02:00,ρ(PM2.5)升至整个过程的最高值129.8 μg/m3;到18日13:00—16:00,ρ(PM2.5)回落到75 μg/m3以内;而后又经历了11个时次的轻度污染后,19日14:00开始,ρ(PM2.5)大幅降低,此次污染结束.这一过程跨幅3个自然日,经历了31个时次轻度污染和14个时次中度污染.

图 6 2015年1月16—19日福州市ρ(PM10)、ρ(PM2.5)和能见度时间序列图 Figure 6 Hourly series of ρ(PM10), ρ(PM2.5) and visibility in Fuzhou on January 16th-19th 2015

这次PM2.5污染过程几乎一直处于低能见度状态,能见度与ρ(PM2.5)呈现出明显的负相关关系. 17日04:00始,随着ρ(PM2.5)的升高能见度开始逐渐下降,18日02:00 ρ(PM2.5)升至峰值时,能见度降至最低值(3.3 km);18日午后,ρ(PM2.5)大幅降低后能见度也随之迅速增至10 km以上.

结合天气形势和风场、相对湿度场垂直剖面图(见图 7)可以看出,16—18日福建省受庞大而稳定的冷高压控制,中低层为一致的偏北或东北气流,受不断补充的冷空气影响沿海风速逐渐加大. 16日20:00,低层为偏北气流,污染物浓度开始上升. 17日,中等强度的冷空气从东路南下影响福建,低层受高压底部东北气流影响,长江中下游高浓度的污染物自北而南输送;加之850 hPa以下有湿层存在,相对湿度大于70%,有利于气溶胶吸湿增长和非均相反应的发生,ρ(PM2.5)迅速升高. 18日,弱冷空气补充南下,ρ(PM2.5)依旧保持在轻度污染以上. 19日,900 hPa以下转为偏东气流,切断了北方污染的来源,将清洁空气带入,PM2.5浓度迅速回落,污染过程结束.

图 7 2015年1月16—21日福州市风场、相对湿度场垂直剖面图 Figure 7 Wind and humidity vertical field in Fuzhou on January 16th-21th 2015

图 8为2015年1月17—18日PM2.5污染过程中福州市48 h后向轨迹图,起报时间为08:00,选取了离地面10、500和1 500 m处后向轨迹分别代表近地面、低空和中空的气团轨迹,轨迹经过的地方如果存在污染物质,就可能对轨迹沿途的下游区域造成污染.从图 8可以看到,17日08:00福州中空主要受来自西北方向途经重庆、湖北、江西的气团影响;低空和近地面主要受来自东北方向长三角地区气团的影响. 18日08:00福州中空主要受来自华北区域的气团沿海路输送的影响;低空受来自华北、长三角地区的气团影响;近地层受长三角地区气团影响.

注:底图自“国家测绘地理信息局标准地图服务”网站(http://bzdt.nasg.gov.cn:8080/index.jsp)下载,审图号:GS(2016)549号. 图 8 2015年1月17—18日PM2.5污染过程中福州市48 h后向轨迹 Figure 8 48 hours backward trajectories ending in Fuzhou during PM2.5 pollution process on January 17th-18th 2015

沿近地面和低空气团轨迹至北而南选取南京、杭州和福州3个城市,给出其16—19日ρ(PM2.5)时间序列图(见图 9).由图 9可以看出,16—18日南京、杭州和福州三市的ρ(PM2.5)变化趋势相似,ρ(PM2.5)逐渐升高,南京、杭州两市的ρ(PM2.5)均明显高于福州市,并且自北向南的ρ(PM2.5)上升有明显时滞,ρ(PM2.5)分别在17日03:00、17日10:00和18日02:00达到此次过程的峰值.自19日上午起,福州低空转为偏东气流,切断了北方污染的来源后,ρ(PM2.5)迅速回落,而南京和杭州低层仍受偏北气流控制,ρ(PM2.5)变化趋势与福州截然不同.结合天气形势分析和后项轨迹模拟可以看出,这是一次典型区域输送所带来的颗粒物污染过程.

图 9 2015年1月16—19日南京、杭州和福州市ρ(PM2.5)时间序列图 Figure 9 Hourly series of ρ(PM2.5) in Nanjing, Hangzhou and Fuzhou on January 16th-19th 2015
3 结论

a)福州市ρ(PM10)、ρ(PM2.5)年均值分别为55.8和29.2 μg/m3,均低于GB 3095—2012二级标准限值.呈明显的季节性变化特征,ρ(PM10)、ρ(PM2.5)的变化趋势相似,均表现为冬春季高、夏秋季低的特点. ρ(PM2.5)/ρ(PM10)为52%,颗粒物中细粒子所占比例约为一半,普遍低于我国东部其他大中城市. ρ(PM10)和ρ(PM2.5)显著相关,二者主要源类相似.

b)颗粒物浓度日变化明显,并且不同季节的日变化趋势一致,呈双峰形态.主要受混合层高度日变化和机动车排放影响,高峰值出现在早间,次峰值出现在傍晚;最低值出现在午后,次低谷出现在后半夜.

c) ρ(PM2.5)/ρ(PM10)日变化趋势与颗粒物浓度的日变化特征相反,ρ(PM10)高时ρ(PM2.5)所占比例低,反之亦然.早晚高峰机动车排放所造成的污染以PM10贡献为主;而在午后和夜里,可能是气溶胶二次转换较为显著或粗颗粒物的沉降相对较快从而使得PM2.5所占比例上升.

d)福州市颗粒物污染天气成因主要有“输送型”和“积累型”污染. 2015年1月5—6日发生的污染过程是一次静稳、高湿天气形势下,本地排放的污染物在不利于扩散的气象条件下聚集、二次转化,导致污染物浓度升高、能见度降低形成污染天气.

e) 2015年1月17—19日的污染过程主要是北方污染物随冷空气输送南下,导致本地污染物浓度迅速升高、能见度迅速降低形成污染天气.

参考文献
[1]
POSCHL U. Atmospheric aerosols:composition, transformation, climate and health effects[J]. Angewandte Chemie International Edition, 2005, 44(46): 7520-7540. DOI:10.1002/(ISSN)1521-3773 (0)
[2]
HARRISON R M, YIN J X. Particulate matter in the atmosphere:which particle properties are important for its effects on health?[J]. Science of Total Environment, 2000, 249(1/2/3): 85-101. (0)
[3]
SAMET J M, DOMINICI F, CURRIERO F C, et al. Fine particulate air pollution and mortality in 20 US cities, 1987-1994[J]. New England Journal of Medicine, 2000, 343(24): 1742-1749. DOI:10.1056/NEJM200012143432401 (0)
[4]
POPE C A, BURNETT R T, THUN M J, et al. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution[J]. Journal of the American Medical Association, 2002, 287(9): 1132-1141. DOI:10.1001/jama.287.9.1132 (0)
[5]
CHANG Di, SONG Yu, LIU Bing. Visibility trends in six megacities in China 1973-2007[J]. Atmospheric Research, 2009, 94(2): 161-167. DOI:10.1016/j.atmosres.2009.05.006 (0)
[6]
CHE Huizheng, ZHANG Xiaoye, LI Yang, et al. Haze trends over the capital cities of 31 provinces in China, 1981-2005[J]. Theoretical Applied Climatology, 2009, 97(3): 235-242. (0)
[7]
丁一汇, 柳艳菊. 近50年我国雾和霾的长期变化特征及其与大气湿度的关系[J]. 中国科学:地球科学, 2014, 44(1): 37-48. (0)
[8]
AN Junling, LI Ying, CHEN Yong, et al. Enhancements of major aerosol components due to additional HONO sources in the North China Plain and implications for visibility and haze[J]. Advances in Atmospheric Science, 2013, 30(1): 57-66. DOI:10.1007/s00376-012-2016-9 (0)
[9]
胡敏, 唐倩, 彭剑飞, 等. 我国大气颗粒物来源及特征分析[J]. 环境与可持续发展, 2011, 36(5): 15-19.
HU Min, TANG Qian, PENG Jianfei, et al. Study on characterization and source apportionment of atmospheric particulate matter in China[J]. Environment and Sustainable Development, 2011, 36(5): 15-19. (0)
[10]
LIAO Hong, ZHANG Ying, CHEN Weiting, et al. Effect of chemistry-aerosol-climate coupling on predictions of future climate and future levels of tropospheric ozone and aerosols[J]. Journal of Geophysical Research Atmosphere, 2009, 114(D10306). DOI:10.1029/2008JD010984 (0)
[11]
HAN Zhiwei, XIE Zuxin, WANG Gehui, et al. Modeling organic aerosols over east China using a volatility basis-set approach with aging mechanism in a regional air quality model[J]. Atmospheric Environment, 2015, 124: 186-198. (0)
[12]
ZHANG R, JING J, TAO J, et al. Chemical characterization and source apportionment of PM2.5 in Beijing:seasonal perspective[J]. Atmospheric Chemistry and physics, 2013, 13(14): 7053-7074. DOI:10.5194/acp-13-7053-2013 (0)
[13]
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. DOI:10.5194/acp-9-5131-2009 (0)
[14]
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.
ZHANG Xiaoye, SUN Junying, WANG Yaqiang, et al. Factors contributing to haze and fog in China[J]. Chinese Science Bulletin, 2013, 58(13): 1178-1187. (0)
[15]
王金南, 宁淼, 孙亚梅. 区域大气污染联防联控的理论与方法分析[J]. 环境与可持续发展, 2012, 37(5): 5-10.
WANG Jinnan, NING Miao, SUN Yamei. Study on theory and methodology about joint prevention and control of regional air pollution[J]. Environment and Sustainable Development, 2012, 37(5): 5-10. (0)
[16]
高庆先, 李亮, 黄炳博, 等. 2014年北京奥体中心空气质量演变特征[J]. 环境科学研究, 2016, 29(4): 465-474.
GAO Qingxian, LI Liang, HUANG Bingbo, et al. Analysis of air quality at Beijing Olympic Sports Center in 2014[J]. Research of Environmental Sciences, 2016, 29(4): 465-474. (0)
[17]
王跃思, 姚利, 王莉莉, 等. 2013年元月我国中东部地区强霾污染成因分析[J]. 中国科学:地球科学, 2014, 44(1): 15-26. (0)
[18]
陈彬彬, 林长城, 杨凯, 等. 基于CMAQ模式产品的福州市空气质量预报系统[J]. 中国环境科学, 2012, 32(10): 1744-1752.
CHEN Binbin, LIN Changcheng, YANG Kai, et al. Air quality forecasting system based on model products of CMAQ in Fuzhou City[J]. China Environmental Science, 2012, 32(10): 1744-1752. DOI:10.3969/j.issn.1000-6923.2012.10.003 (0)
[19]
王宏, 冯宏芳, 石珏, 等. CAPPS3模式在福州市预报效果检验[J]. 气象与环境学报, 2011, 27(4): 25-29.
WANG Hong, HENG Hongfang, SHI Yu, et al. Forecasting verification of CAPPS3 mode in Fuzhou, Fujian Province[J]. Journal of Meteorology and Environment, 2011, 27(4): 25-29. (0)
[20]
赵卫红. 福建省城市空气质量变化趋势及影响因素分析[J]. 亚热带资源与环境学报, 2009, 4(4): 86-91.
ZHAO Weihong. Variations and affecting factors of urban air quality in Fujian Province[J]. Journal of Subtropical Resources and Environment, 2009, 4(4): 86-91. (0)
[21]
郑秋萍, 王宏, 林长城, 等. 海峡西岸沿海城市群大气污染物浓度特征及其与天气形势的关系[J]. 环境科学学报, 2013, 33(2): 356-363.
ZHEN Qiuping, WANG Hong, LIN Changcheng, et al. Characters of atmospheric pollutants and its relationships with synoptic situations over the metropolis in the western coast of Taiwan Strait[J]. Acta Scientiae Circumstantiae, 2013, 33(2): 356-363. (0)
[22]
环境保护部, 国建质量监督检验检疫总局. GB 3095-2012环境空气质量标准[S]. 北京: 中国环境科学出版社, 2012. (0)
[23]
环境保护部. HJ 633-2012环境空气质量指数(AQI)技术规定(试行)[S]. 北京: 中国环境科学出版社, 2012. (0)
[24]
环境保护部. HJ 663-2013环境空气质量评价技术规范(试行)[S]. 北京: 中国环境科学出版社, 2013. (0)
[25]
DRAXLER R R, HESS G D.Description of the HYSPLIT_4 modeling system[R].NOAA Technical Memorandum:Silver Spring, Maryland, 1997:1-22. (0)
[26]
SALVADOR P, ARTINANO B, ALONSO D G, et al. Identification and characterization of source of PM10 in Madrid (Spain) by statistical methods[J]. Atmospheric Environment, 2004, 38(3): 435-447. DOI:10.1016/j.atmosenv.2003.09.070 (0)
[27]
CHEN L W A, DODDRIDGE B G, DICKERSON R R, et al. Origins of fine aerosol mass in the Baltimore-Washington corridor:Implications from observation, factor analysis, and ensemble air parcel back trajectories[J]. Atmospheric Environment, 2002, 36(28): 4541-4554. DOI:10.1016/S1352-2310(02)00399-0 (0)
[28]
ZHANG Renjian, ARIMOTO R, AN Junling, et al. Ground observation of a strong dust storm in Beijing in March 2002[J]. Journal of Geophysical Research-Atmospheres, 2005, 110. (0)
[29]
徐祥德, 周丽, 周秀骥, 等. 城市环境大气重污染过程周边源影响域[J]. 中国科学:地球科学, 2004, 34(D10): 958-966. (0)
[30]
石春娥, 姚叶青, 张平, 等. 合肥市PM10输送轨迹分类研究[J]. 高原气象, 2008, 27(6): 1383-1391.
SHI Chun'e, YAO Yeqing, ZHANG Ping, et al. Transport trajectory classifying of PM10 in Hefei[J]. Plateau Meteorology, 2008, 27(6): 1383-1391. (0)
[31]
包贞, 冯银厂, 焦荔, 等. 杭州市大气PM2.5和PM10污染特征及来源分析[J]. 中国环境监测, 2010, 26(2): 44-48.
BAO Zhen, FENG Yinchang, JIAO Li, et al. Characterization and source Apportionment of PM2.5 and PM10 in Hangzhou[J]. Environmental Monitoring in China, 2010, 26(2): 44-48. (0)
[32]
黄鹂鸣, 王格慧, 王荟, 等. 南京市空气中颗粒物PM10、PM2.5污染水平[J]. 中国环境科学, 2002, 22(4): 334-337.
HUANG Liming, WANG Gehui, WANG Hui, et al. Pollution level of the airborne particulate matter (PM10, PM2.5) in Nanjing City[J]. China Environment Science, 2002, 22(4): 334-337. (0)
[33]
吴虹, 张彩艳, 王静, 等. 青岛环境空气PM10和PM2.5污染特征与来源比较[J]. 环境科学研究, 2013, 26(6): 583-589.
WU Hong, ZHANG Caiyang, WANG Jing, et al. Comparative study on pollution characteristics and source apportionment of PM10 and PM2.5 in Qingdao[J]. Research of Environmental Science, 2013, 26(6): 583-589. (0)
[34]
刘燕, 贺克斌, 时宗波, 等. 珠江三角洲大气颗粒物研究进展[J]. 环境保护科学, 2006, 32(5): 1-4.
LIU Yan, HE Kebin, SHI Zongbo, et al. Study progress of atmospheric particulate in the Pearl River Delta Region[J]. Environmental Protection Science, 2006, 32(5): 1-4. (0)