2013年南昌市區PM2.5的濃度水平及時空分布特征與來源

趙 陽, 胡恭任, 于瑞蓮, 陸成偉, 樊孝俊, 黃靈光, 劉海婷

1.華僑大學化工學院, 福建 廈門 361021 2.南昌市環境保護局, 江西 南昌 330038 3.成都市環境保護科學研究院, 四川 成都 610072 4.南昌市環境監測站, 江西 南昌 330002 5.江西省山江湖開發治理委員會辦公室, 江西 南昌 330038

2013年南昌市區PM2.5的濃度水平及時空分布特征與來源

趙 陽1,2, 胡恭任1*, 于瑞蓮1, 陸成偉3, 樊孝俊4, 黃靈光5, 劉海婷5

1.華僑大學化工學院, 福建 廈門 361021 2.南昌市環境保護局, 江西 南昌 330038 3.成都市環境保護科學研究院, 四川 成都 610072 4.南昌市環境監測站, 江西 南昌 330002 5.江西省山江湖開發治理委員會辦公室, 江西 南昌 330038

對2013年南昌市區9個自動空氣質量監測點的ρ(PM2.5)數據進行分析，探討了PM2.5濃度水平及時空分布特征，并采用軌跡聚類、PSCF(潛在源貢獻因子)、CWT(濃度權重軌跡分析)進行了大氣PM2.5的來源分析. 結果顯示：2013年南昌市區ρ(PM2.5) 年均值為69.1 μgm3，超過GB 3095—2012《環境空氣質量標準》二級標準限值(35 μgm3)的97%；ρ(PM2.5)晝夜變化呈雙峰型分布，峰值位于09:00—11:00和20:00—22:00；月際變化呈兩邊高、中間低的“V”型趨勢；ρ(PM2.5)有明顯的季節性變化特征，由高到低依次為冬季、春季、秋季和夏季；ρ(PM2.5)空間分布呈由東南至西北遞減的分布特征. 氣流軌跡聚類結果表明，南昌市氣流輸送季節性變化特征明顯，夏季來自南方或東南方向的氣流比例高達65.6%，而在另外三個季節，東北和偏北方向的氣流分別占62.0%(冬)、59.6%(春)、54.7%(秋)，對南昌市ρ(PM2.5)影響較大；夏季南方或東南方向的氣流所占比例較高，為65.6%；PM2.5的PSCF和CWT的高值主要集中在南昌本地和鄰近的浙江省及福建省北部地區，但周邊的河南南部、江蘇中部也是南昌市PM2.5的潛在來源地.

PM2.5; 時空特征; 后向軌跡; 潛在源貢獻因子; 濃度權重軌跡分析

隨著社會經濟的快速發展、城市化進程的加快以及能源消耗的不斷攀升，顆粒物已成為我國城市大氣的首要污染物. 其中，PM2.5對人體健康危害極大，不僅影響視覺，還會引發肺癌等疾病，也嚴重影響大氣能見度[1]，對人體健康和大氣環境質量均產生了嚴重影響，受到了國內外研究學者的廣泛關注[2-6]. 2012年12月，世界衛生組織等300多家國際研究機構聯合發布了《全球疾病負擔2010》(簡稱GBD2010)[7]，結果顯示，PM2.5可導致全球320×104人過早死亡，其中中國的死亡人數高達123×104人.

大氣污染具有區域性，一個地區或城市的大氣污染不僅與本地排放有關，還在一定程度上受區域傳輸的影響[8-10]. 目前關于PM2.5和氣態污染物污染特征及區域傳輸的研究主要集中在京津、沿海和珠江三角洲地區[11-13]，而對南昌地區的研究鮮見報道. 為此，該研究利用南昌市區9個自動監測點2013年ρ(PM2.5)

監測數據，分析南昌市PM2.5污染水平、時空分布，基于反距離權重插值法(IDW)、軌跡聚類法和PSCF(潛在源貢獻因子)法、濃度權重軌跡分析(CWT)，分析南昌市PM2.5的濃度水平及時空變化特征與來源，以期為南昌市大氣污染防治提供一定的科學依據.

1 材料與方法

1.1 研究區域概況與監測點分布

南昌市位于平原地帶，東南相對平坦，西北丘陵起伏，水網密布，湖泊眾多. 南昌市區共設9個大氣自動監測點(見表1)，分別是石化、省站、省外辦、林業公司、省林科所、京東鎮政府、建工學校、象湖子站、武術學校(對照點). 所有觀測數據均經過嚴格質量控制，主要通過限值檢查、氣候極值檢查、內部和時間一致性檢驗手段. 文中討論的晝夜、月和季節變化均由觀測的小時平均值計算所得.

表1 南昌市環境空氣質量監測布點

1.2 儀器設備

PM2.5監測儀采用7201-PM2.5型β射線法懸浮顆粒物分析儀，操作流程嚴格按照HJ/T 193—2005《環境空氣質量自動監測技術規范》進行，每天24 h連續進行采樣，設備由技術人員定期檢查并及時維護保養，在1 a的監測時間內有效數據捕獲率超過95%，數據樣本量充足.

1.3ρ(PM2.5)時空特征分析

由各監測點PM2.5逐日濃度計算南昌市污染水平、季節性變化特征、月際變化特征，利用省外辦小時濃度研究南昌市城區晝夜變化特征. 結合地理數據，利用GIS空間分析中的反距離權重(IDW)算法[14]對各監測點的小時濃度計算得出的PM2.5季度濃度進行插值，模擬出細顆粒物污染空間分布等級，并在GIS系統(ArcGIS 10.2)中進行可視化表達. IDW插值是GIS中常用的精確插值方法，基本原理是假設未知值的點受近距離控制點的影響比遠距離控制點的影響更大，其通用方程為式(1).

(1)

式中：zp為未知點p的估計值，μg/m3；zi為控制點i的z值，μg/m3，具體在該研究中為各監測點的ρ(PM2.5)；di為控制點i與點p間的距離，km；n為在估算中用到的控制點數目；k為確定的冪. 反距離插值法冪值要求在0.5～3.0之間，插值效果均可接受，該研究中冪值為2.0，可以滿足要求.

1.4 后向軌跡分析

后向軌跡模型被廣泛應用于跟蹤氣流所攜帶的粒子或氣體的移動方向，分析污染物來源和傳輸路徑等方面[15]. 利用美國海洋與大氣管理局(NOAA)空氣資源實驗室(ARL)提供的混合型單粒子拉格朗日綜合軌跡(HYSPLIT 4.2)模式和NCEP ARL數據計算每日00:00到達南昌市氣團的后向軌跡，每隔2 h計算1次，后推時間為72 h，受體高度為10 m，模擬起始高度選為500 m[16].

1.5 軌跡聚類分析

將計算得到的后向軌跡進行聚類分析，該方法是根據氣團的移動速度和方向對大量軌跡進行分組，得到不同的軌跡輸送組來估計污染物的潛在源區[17]. 軌跡聚類方法主要有Euclidean distance或angle distance 兩種[18]. 該研究注重的是抵達研究站點(省外辦)的氣流軌跡的方向，因此采用angle distance算法. 軌跡聚類參照WANG等[17]的分析方法.

在聚類分析過程中，將組間差異臨界值設為30%，即前后兩個軌跡的差異在30%以內就歸為同一類型氣流，把聚類后的各條軌跡對應的氣溶膠數濃度進行平均，得到南昌市主要的輸送路徑.

1.6 潛在源貢獻因子分析法(PSCF)

PSCF是基于條件概率函數發展而來的一種判斷污染源可能方位的方法[19]，PSCF通過結合氣團軌跡和某要素值〔該研究指ρ(PM2.5)〕來給出可能的排放源位置. PSCF函數定義為經過某一區域的氣團到達觀測點時對應的某要素值超過設定閾值的條件概率.

將某一研究區域劃分為特定分辨率的網格，對研究的要素設定一個閾值，當軌跡所對應的要素值高于這個閾值時，認為該軌跡是污染軌跡，具體計算公式見WANG等[20-21]的分析方法.

1.7 濃度權重軌跡分析(CWT)

由于PSCF只能反映潛在源區貢獻率的大小，即每個網格中污染軌跡所占比例的多少，不能反映潛在源區的污染程度，也就無法模擬數值的大小. 用CWT[22]方法計算了軌跡的權重濃度，以反映不同軌跡的污染程度. 在CWT分析法中，每個網格點都有一個權重濃度，它可以通過計算經過該網格的軌跡對應的ρ(PM2.5)平均值來實現，計算方法見王愛平等[20]的研究報道.

2 結果與分析

2.1 PM2.5濃度水平及時空分布特征

2.1.1 PM2.5濃度水平

2013年南昌市ρ(PM2.5)年均值為69.1 μg/m3，超過GB 3095—2012《環境空氣質量標準》二級標準限值(35 μg/m3)的97%，ρ(PM2.5)日均值范圍為10～ 286 μg/m3，日均值超標率為79.2%. 污染程度低于京津冀區域中的北京等城市，但比長三角、珠三角等區域中的上海、廣州等地的污染程度[23]重.

9個監測點ρ(PM2.5)年均值和標準差見圖1. 2013年全市9個監測點ρ(PM2.5)的年均值均超過GB 3095—2012二級標準限值(35 μg/m3). 各監測點ρ(PM2.5)年均值大小依次為省外辦>林業公司>京東鎮政府>石化>省站>建工學校>象湖子站>省林科所>武術學校. 除對照點(武術學校)外，省外辦監測點ρ(PM2.5)高達83.1 μg/m3，超過GB 3095—2012二級標準限值1.38倍，可能是受到交通尾氣和周邊佑民寺燒香的影響；省林科所監測點ρ(PM2.5)最低為55.8 μg/m3，該監測點靠近梅嶺風景區，植被覆蓋率高，落葉植被的抽枝發芽，使得葉面積顯著增加，濕潤且具有一定粗糙度的葉片有利于顆粒物的吸收和滯留，導致其值較低[24]；市中心區的省外辦、省站、石化等監測點ρ(PM2.5)比市區周邊監測點省林科所、象湖子站較高，說明人為活動對ρ(PM2.5)產生一定的影響；各監測點的ρ(PM2.5)標準差均處于較高濃度水平，甚至接近平均值，表明南昌市ρ(PM2.5)在時間序列上非均勻化分布，在短時間內出現較大的波動，這可能是受到南昌市特殊的地理位置和氣象條件、較多的本地污染物排放量以及周邊地區較高污染水平的影響.

圖1 南昌市區各監測點ρ(PM2.5)水平Fig.1 Concentration levels of PM2.5 in monitoring stations in Nanchang

2.1.2 晝夜變化特征

由于人為活動、氣象條件和大氣物理化學特性的晝夜變化差異，ρ(PM2.5)也表現出晝夜變化特性.選取南昌市中心省外辦監測點的2103年全年24 hρ(PM2.5) 為代表，研究其晝夜變化特征(見圖2). 南昌市ρ(PM2.5)晝夜變化大體呈雙峰趨勢，一個波峰出現在09:00—11:00時段，另一波峰出現在20:00 —22:00時段，與寧波市[25]、深圳市郊區[26]分布規律相同.ρ(PM2.5)在清晨05:00—07:00較低，隨著太陽逐漸升起，太陽輻射逐漸增強、空氣溫度升高，人們開始外出活動，汽車尾氣排放量迅速增長，大氣光化學反應更加活躍，污染排放開始累積，因此ρ(PM2.5) 也隨之升高，并在上午上班高峰后、太陽輻射較大的09:00—11:00時段達到一個小高峰. 午后，太陽輻射有所減弱，大氣及地面的累積溫度繼續升高，局部溫度差異增大，空氣流動性增強，使得ρ(PM2.5) 隨之下降. 然而，由于下午人類活動的增加、下班晚高峰的到來以及市區夜生活的各種能源消耗，市區夜晚地面溫度下降，相對地面上空溫度反而升高，產生逆溫層，污染物由低溫向高溫發散受到阻力，不利于擴散，ρ(PM2.5)再次呈攀升趨勢，直至晚間20:00—22:00達到一天中的峰值. 夜間出現最高峰值與以下兩方面的因素有關：①南昌市夜間多小風靜風和逆溫的不利氣象擴散條件；②可能與夜間行駛的機動車多為排放大量顆粒物的柴油重型車有關.

圖2 南昌市區ρ(PM2.5)晝夜變化特征Fig.2 Daily variation of PM2.5 mass concentration in measuring points in Nanchang

2.1.3 月際變化特征

從9個監測點ρ(PM2.5)月均值數據可以看出，其月際變化總體呈兩邊高、中間低的“V”型趨勢，12月、1月較高，6—8月低，與文獻[27]報道的顆粒物濃度夏季低、冬季高的情況相吻合，說明顆粒物濃度與氣象條件有著緊密的聯系. 南昌市區ρ(PM2.5)月均值在24～150 μg/m3，最大值出現在1月的石化監測點，最小值出現在8月的武術學校監測點. 1月空氣污染最嚴重，9個監測點均高于年均值，其次是12月. 究其原因，主要是由于冬季空氣污染較重會出現重度霧霾情況. 如南昌市在2013年1月9—14日、12月4—8日分別連續出現6、5 d的重度污染天氣. 各監測點最低值均出現在6—8月，因為該時段大氣擴散條件好、逆溫層的情況較少，有利于污染物的擴散稀釋.

圖3 南昌市各監測點ρ(PM2.5)月均值變化曲線Fig.3 The variation curve of monthly average concentration value of PM2.5 in each point of Nanchang

2.1.4ρ(PM2.5)季度性變化特征

南昌市屬于亞熱帶季風氣候，氣候濕潤溫和，日照充足，一年中夏冬季長、春秋季短. 按照氣象學上季節劃分，將一個完整年分為春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12月、1—2月)[28]. 9個監測點的ρ(PM2.5)季節性變化如圖4所示. 由圖4可以看出，ρ(PM2.5)具有較為明顯的季節性變化規律，ρ(PM2.5)由高到低依次為冬季、春季、秋季和夏季，平均值分別為101、65.7、62.6、41.0 μg/m3，冬春季污染比較嚴重，夏秋季污染比較輕，與青島市[29]、越南河內[30]顆粒物濃度夏季低、冬季高的情況比較吻合.ρ(PM2.5)冬季污染最嚴重，究其原因：①冬季時北方進入采暖季，ρ(PM2.5)較高，由于南昌市冬季多偏北風，ρ(PM2.5)會受到北方外來輸入性影響. ②春節期間燃放煙花爆竹會產生大量的顆粒物. ③冬季天氣的氣流非常穩定，大氣垂直擴散條件較差，容易形成逆溫效應，不利于PM2.5擴散和降解. 而夏季大氣垂直擴散條件較好，并且多雨水、雨量大，風速快且大雨前后伴隨著大風，使空氣中的PM2.5容易得到稀釋和沖刷，因此夏季ρ(PM2.5)低.

2.2ρ(PM2.5)時空分布特征

采用IDW算法，通過ArcGIS軟件中的空間分析模塊對已知監測站進行插值，生成南昌市區ρ(PM2.5) 連續曲面，進行符號化處理后得到南昌市PM2.5污染空間分布(見圖5). 整體來看，南昌市ρ(PM2.5)呈西北部低、東南部高的分布特征，特別是秋冬季，ρ(PM2.5) 由東南到西北遞減的層次極為明顯，這可能是由于南昌市的南部和東西部各靠近一個國家級開發區，污染物排放量相對較大，在不利的氣象條件下容易對南昌市空氣質量產生影響，體現了工業布局和區域傳輸對南昌市ρ(PM2.5)的影響.

圖4 南昌市大氣ρ(PM2.5)的季節變化Fig.4 Seasonal variation of PM2.5 mass concentration in Nanchang

圖5 南昌市四季ρ(PM2.5)空間插值分布Fig.5 Distribution of spatial interpolation of PM2.5 in Nanchang in four seasons

2.3 后向軌跡聚類分析與研究

以南昌市省外辦(28°40′N、115°53′E)為目標點，以2013年全年為模擬時段，以每日00:00(UTC)為后推起始時間，利用HYSPLIT模擬每日氣流運動的72 h后向軌跡，并使用R語言以及Openair開源大氣環境分析包開發相應的后向軌跡統計程序，結合南昌市省外辦2013年全年ρ(PM2.5)監測數據，對各季節的氣流資料進行處理，分別得到不同季節的氣流軌跡圖，用angle distance方法對軌跡進行分組，把氣流軌跡分為五類，聚類結果如圖6所示. 為了研究不同類型的氣流軌跡對PM2.5的影響，將各類軌跡對應的ρ(PM2.5) 進行算術平均，分析氣流對污染物濃度的影響(見表2). 表2中ρ(PM2.5)表示聚類前所有軌跡到達受體點位時的ρ(PM2.5)監測值的平均值.

2.3.1 氣流軌跡方向和比例

軌跡的路線和方向表示氣團在到達觀測點以前所經過的地區，根據軌跡路線長短可以判斷氣團移動的速度，長的軌跡對應快速移動的氣團，短的軌跡對應移動緩慢的氣團. 由圖6和表2可以看出，南昌市四季后向軌跡變化明顯. 冬季(1—2月、12月)來自東北方的氣流軌跡(C1和C2)在冬季氣流軌跡總數中所占比例最大達到62%，來自于江蘇中北部地區，移動速度比其他氣流軌跡快，其次是來自于浙江西部的氣流軌跡C3占總軌跡數的22.0%，來自于江西境內的氣流軌跡C4占總軌跡數的4.24%；春季(3—5月)來自福建西南部的氣流軌跡最多，占當季氣流總數的28.4%，來自于江蘇北部、東南部和浙江境內的氣流軌跡數(C1、C2、C3)大體相同，占當季氣流總數的20.0%左右；夏季(6—8月)來自于南海方向的氣流軌跡數最多，共占當季氣流總數的65.6%，來自于東海、上海方向和臺灣海峽方向的氣流軌跡數相當，占當季氣流總數的14.0%左右，來自南海方向的氣流軌跡比其他方向長，表明來自南海方向的氣團移動都比較快；秋季(9—11月)來自江蘇境內的兩個氣流軌跡最多，占當季總數的54.7%.

注：底圖于2013年11月下載自國家基礎地理信息系統數據網站(http://nfgis.nsdi.gov.cn)，審圖號：gs[2008]1228號. 圖中數字為經緯度.下同.圖6 南昌后向軌跡聚類的季節性分布Fig.6 Seasonal distribution of back trajectories clusters in Nanchang

季節軌跡類型途經區域所占比例∕%ρ(PM2.5)∕(μg∕m3)季節軌跡類型途經區域所占比例∕%ρ(PM2.5)∕(μg∕m3)冬季C1江蘇中部、安徽東南部33.3108C2江蘇北部、安徽中部28.794.3C3浙江西部、福建西北部22.0147C4江西中部4.24103C5河南南部、安徽西部、湖北東部11.7146夏季C1南海、廣東中部35.059.8C2河南東南部、湖北東部6.3457.1C3上海、江蘇南部、安徽東南部14.150.4C4臺灣海峽、福建中部14.049.1C5南海、廣東東部、福建西部30.651.9春季C1浙江中西部、福建西北部、23.2 94.8C2江蘇東南部、安徽南部17.396.4C3江蘇北部、安徽中部18.167.8C4河南南部、湖北東部13.198.7C5福建西南部28.487.7秋季C1黃海、江蘇北部、安徽中部27.161.9C2江蘇中部、安徽東南部27.767.7C3東海、上海、浙江中部22.673.4C4浙江西部、福建西北部12.4113C5河南南部、湖北東部10.358.1

2.3.2 氣流軌跡對ρ(PM2.5)的影響

基于各季節氣流后向軌跡聚類分析結果，對各類軌跡對應的ρ(PM2.5)算術平均值進行統計分析，以表征該類氣流影響下的大氣污染物濃度水平特征.由表2可知，冬季途經河南南部、安徽西部、湖北東部和途徑浙江西部、福建西北部的氣流軌跡對應的ρ(PM2.5) 平均值較高，分別為146、147 μg/m3，這可能是由于冬季北方地區處于采暖期，ρ(PM2.5)較高，而浙江西部等地工業企業較多，PM2.5排放量大；春季途經河南南部、湖北東部的氣流軌跡對應的ρ(PM2.5)均值最高，為98.7 μg/m3，可能是由于春季北方地區的沙塵暴天氣較多，來自于西北內陸地區的沙塵主要通過該氣流輸送至南昌；隨著夏季風環流建立，南昌盛行偏南風，北方氣流減弱，夏季各類軌跡對應的ρ(PM2.5) 低于其他季節，來自各方向的氣流軌跡對應物ρ(PM2.5)均值都普遍偏低，最低值為49.1 μg/m3，為來自于臺灣海峽途經福建東南部、西北部的軌跡氣流，這主要是因為南昌市夏季受東南季風暖濕氣流的影響，夏季植被覆蓋率高，自然源較少，同時夏季的降水較多對污染物也有一定的稀釋作用，這就使得夏季到達南昌的氣流攜帶的污染物較少；秋季南方氣流逐漸減弱，北方氣流逐漸加強，途經浙江西部、福建西北部的氣流對應的ρ(PM2.5)均值最高，為113 μg/m3，出現該種現象的原因可能是當地工業發達、當地人為排放的污染物較多導致的. 總體來看，南昌秋季較易受到來自北方地區大陸性氣流的影響，受沙塵或人為排放因素的影響大.

2.4 PM2.5氣流潛在源區分析

為了對南昌大氣污染輸送源進一步的研究，針對南昌市PM2.5開展污染潛在源區分析. 圖7為南昌市四季PM2.5的PSCF計算結果. 由圖7可以看出，南昌市冬季PSCF的較大值主要集中在河南南部、福建西北部、浙江中部等地，表明這些地方是PM2.5的主要潛在源區，攜帶這些源區的污染物沿著聚類軌跡C3、C5輸送抵達南昌. 此外，江蘇中部等地區污染源對南昌也有一定的影響；春季PSCF的較大值主要集中在浙江、江西福建交界處；夏季PSCF的數值較小且污染源分布在江西南部、廣東北部；秋季PSCF的較大值主要集中在浙江南部、福建北部等地區，聚類軌跡C4對污染物的輸送有一定作用.

圖7 南昌市PM2.5潛在源貢獻的季節性分布Fig.7 Seasonal distribution of potential source contribution function (PSCF) of PM2.5 in Nanchang

2.5 PM2.5濃度權重軌跡分析(CWT)

通過CWT對影響ρ(PM2.5)大小的潛在源區進行模擬，結果如圖8所示. 由圖8可見，冬季PM2.5濃度權重軌跡的較大值主要集中在南昌市周邊，其中湖北、安徽交界處和安徽、江西交界處及南昌東北部較高，這些地區對南昌日均ρ(PM2.5)貢獻在120 μg/m3以上，此外江西與福建交界處貢獻也比較高；春季南昌市周邊地區對南昌市日均ρ(PM2.5)貢獻相當，都在100 μg/m3左右，并且主要集中在南昌周邊江西境內；夏季也主要是南昌市周邊地區的貢獻比較大，但是比其他季節貢獻濃度小只有60 μg/m3以上，其中南昌南部部分地區貢獻達到80 μg/m3，這可能是由于夏季南昌盛行南風，氣象條件有利于污染物的擴散，因此ρ(PM2.5)較低且主要在南方；秋季時CWT的較大值主要分布在福建西北部、浙江安徽與江西交界處等地區，其中福建西北部貢獻最大可達到100 μg/m3. 總的來看，四季的PM2.5潛在源區都有南昌市周邊地區，可見當地人為污染源對PM2.5的影響較大.

雖然濃度權重軌跡(CWT)分析法在分析過程中有一定的變化和不確定性. 但這種方法模擬的結果與表2中各氣流所經過的潛在地區以及這些地區的濃度貢獻值基本一致. 南昌市四季PM2.5的CWT最大值在地區分布上與表2中軌跡貢獻最高濃度在這些地區分布基本接近. 這說明CWT分析法所模擬的結果是可信的，模擬的結果產生的不確定性較小[21].

圖8 南昌PM2.5濃度權重軌跡的季節性分布Fig.8 Seasonal distribution of concentration-weighted trajectory (CWT) of PM2.5 in Nanchang

2.6 潛在源區分析結果

分別用PSCF和CWT潛在源區的方法分析PM2.5的來源，對比發現，兩種分析方法得到的主要污染源區分布結果大致相同，細節方面略有不同. PSCF僅從軌跡過點概率上給出不同格點的可能貢獻值高低，但無法區分不同格點對污染物濃度的貢獻大小，僅僅是貢獻可能性的高低；而CWT方法則在過點概率的基礎上增加了受體點濃度作為權重，加權后的過點概率可以較好地反映不同格點對受體點位的不同程度的貢獻，能夠區分高低貢獻區域.

在PSCF方法中，每條軌跡對觀測點的影響都是相等的，通過大量軌跡的疊加分析，得到不同區域的可能貢獻程度.與PSCF方法的結果相比，CWT模擬的夏季潛在源區范圍比PSCF大，增加了廣東東部、福建西南部和南海小部分海域源區；在分析春秋季PM2.5的潛在源區時增加了安徽北部、河南南部、湖北東部源區，這些地方雖然距離南昌市更遠，但由于其排放和污染物濃度的影響，對南昌市的影響可能更大.由于PSCF方法和CWT方法使用的相同后向軌跡模擬結果，區別僅僅在于計算方法上，故結果存在可比性. 而與Intex-B排放清單[32]比較，CWT模擬結果和排放清單提供的PM2.5分布存在一定的一致性，以南昌市北部貢獻為主.

3 結論

a) 2013年，南昌市環境空氣中的ρ(PM2.5)年均值為69 μg/m3，超過GB 3095—2012《環境空氣質量標準》二級標準限值(35 μg/m3)的97%；ρ(PM2.5)晝夜變化呈雙峰型分布，峰值位于09:00—11:00和20:00—22:00；月際變化規律總體呈兩邊高、中間低的“V”型趨勢；ρ(PM2.5)有明顯的季節性分布特征，由高到低的季節依次為冬季、春季、秋季和夏季.

b) 南昌市區ρ(PM2.5)空間分布呈由東南至西北遞減的特征，這主要與南昌市工業區布局和區域傳輸的影響.

c) 南昌氣流輸送季節性變化特征明顯. 在冬、春、秋三季，來自東北和偏北方向的氣流占有較大比例，分別為62.0%、59.6%、54.7%，對南昌市ρ(PM2.5) 影響較大；夏季南方或東南方向的氣流所占比例較高，為65.6%.

d)ρ(PM2.5)的PSCF和CWT的高值主要集中在南昌本地和鄰近的浙江省和福建省北部地區，但周邊的河南南部、江蘇中部也是南昌PM2.5的潛在源地，需在下一步研究工作中作進一步分析.

[1] HU David,JIANG Juyuan.PM2.5pollution and risk for lung cancer: a rising issue in China[J].Journal of Environmental Protection,2014(5):731- 738.

[2] ARMIENTO G,MARCO I,SIMONA M T,etal.A comprehensive approach to the investigation of atmospheric particulate PM2.5:preliminary results[J].Periodico Di Mineralogia,2013,82(1):199- 216.

[3] NICOLE A H J,GERARD H,MILENA S L,etal.Black carbon as an additional indicator of the adverse health effects of airborne particles compared with PM10and PM2.5[J].Environmental Health Perspectives,2011,119(12):1691- 1699.

[4] ROGGE W,ONDOV J M,ANNA B B,etal.Baltimore PM2.5Supersite: highly time-resolved organic compounds-sampling duration and phase distribution-implications for health effects studies[J].Analytical and Bioanalytical Chemistry,2011,401(10):3069- 3082.

[5] RICH D Q,KIPEN H M,HUANG Wei,etal.Association between Changes in Air Pollution Levels during the Beijing Olympics and biomarkers of inflammation and thrombosis in healthy young adults[J].Journal of the American Medical Association,2012,307(19):2068- 2078.

[6] WANG Hailin,ZHUANG Yahui,WANG Ying,etal.Long-term monitoring and source apportionment of PM2.5PM10in Beijing,China[J].Journal of Environmental Sciences,2008,20(11):1323- 1327.

[7] LIM S S,VOS T,FLAXMAN A D,etal.A comparative risk assessment of burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions,1990-2010:a systematic analysis for the Global Burden of Disease Study 2010[J].Lancet,2012,380(9859):2224- 2260.

[8] 梁丹,王彬,王云琦,等.重慶市冬季PM2.5及氣態污染物的分布特征與來源[J].環境科學研究,2015,28(7):1039- 1046. LIANG Dan,WANG Bin,WANG Yunqi,etal.Distribution characteristics and sources of PM2.5and gaseous pollutants in winter in Chongqing[J].Research of Environmental Sciences,2015,28(7):637- 642.

[9] 王芳,陳東升,程水源,等.基于氣流軌跡聚類的大氣污染輸送影響[J].環境科學研究,2009,22(6):637- 642. WANG Fang,CHEN Dongsheng,CHENG Shuiyuan,etal.Impacts of air pollutant transport based on air trajectory clustering[J].Research of Environmental Sciences,2009,22(6):1039- 1046.

[10] POPE Ⅲ C A,DOCKRY D W.Health effects of fine particulate air pollution: lines that connect[J].Journal of the Air and Waste Management Association,2006,56(6):709- 742.

[11] LIU Xiaohuan,ZHANG Yang,CHENG Shuhui,etal.Understanding of regional air pollution over China using CMAQ:part I.performance evaluation and seasonal variation[J].Atmospheric Environment,2010,44(20):2415- 2426.

[12] 徐偉嘉,何芳芳,李紅霞,等.珠三角區域PM2.5時空變異特征[J].環境科學研究,2014,27(9):951- 957. XU Weijia,HE Fangfang,LI Hongxia,etal.Spatial and temporal variations of PM2.5in the Pearl River Delta[J].Research of Environmental Sciences,2014,27(9):951- 957.

[13] 肖致美,畢曉輝,馮銀廠,等.天津市大氣顆粒物污染特征與來源構成變化[J].環境科學研究,2014,27(3):246- 252. XIAO Zhimei,BI Xiaohui,FENG Yinchang,etal.Variations of characteristics and sources of ambient particulate matter pollution in Tianjin City[J].Research of Environmental Sciences,2014,27(3):246- 252.

[14] WU Jun,WINER A M,DELFINO R.Exposure assessment of particulate matter air pollution before,during,and after the 2003 Southern California wildfires[J].Atmospheric Environment,2006,40(18):3333- 3348.

[15] DRAXLER R R,ROLPH G D.HYSPLIT(HYbrid Single Particle Lagrangian Integrated Trajectory) Model access via NOAA ARL READY Website[EBOL].Silver Spring,MD:NOAA Air Resources Laboratory,2003.http:www.ready.noaa.govHYSPLIT.php

[16] 周勤遷,潘月鵬,王劍,等.黑龍江海倫農業區冬春PM2.5和氣態污染物污染特征[J].中國環境科學,2014,34(4):844- 851. ZHOU Qinqian,PAN Yuepeng,WANG Jian,etal.Pollution characteristics of PM2.5and gaseous pollutants in winter and spring at agricultural region of Hailun city,Heilongjiang Province[J].China Environmental Science,2014,34(4):844- 851.

[17] WANG Yaqiang,ZHANG X.Y,XLER RR.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 and Software,2009,24(8):938- 939.

[18] SIROIS A,BOTTENHEIM J W.Use of backward trajectories to interpret the 5-year record of PAN and O3ambient air concentrations at Keimkujik National Park,Nova Scotia[J].Journal of Geophysical Research Atmospheres,1995,100:2867- 2881.

[19] GAO Ning,CHENG Mengdawn,HOPKE P K.Potential source contribution function analysis and source apportionment of sulfur species measured at Rubidoux,CA during the Southern California Air Quality Study,1987[J].Analytica Chimica Acta,1993,277(2):369- 380.

[20] 王愛平,朱彬,銀燕,等.黃山頂夏季氣溶膠數濃度特征及其輸送潛在源區[J].中國環境科學,2014,34(4):852- 861. WANG Aiping,ZHU Bin,YIN Yan,etal.Aerosol number concentration properties and potential sources areas transporting to the top of mountain Huangshan in summer[J].China Environmental Science,2014,34(4):852- 861.

[21] WANG Y Q,ZHANG X Y,ARIMOTO R.The contribution from distant dust sources to the atmospheric particulate matter loading at Xi′an,China during spring[J].Science of the Total Environment,2006,368:875- 883.

[22] HSU Y K,HOLSEN T M,HOPKE P K.Comparison of hybrid receptor models to locate PCB sources in Chicago[J].Atmospheric Environment,2003,37(4):545- 562.

[23] 中華人民共和國環境保護部.中國環境狀況公報-大氣環境[EBOL].北京:中華人民共和國環境保護部,2014[2014- 06- 05].http:jcs.mep.gov.cnhjzlzkgb2013zkgb201406t20140605_276521.htm.

[24] 趙晨曦,王云琦,王玉杰,等.北京地區冬春PM2.5和PM10污染水平時空分布及其與氣象條件的關系[J].環境科學,2014,35(2):418- 427. ZHAO Chenxi,WANG Yunqi,WANG Yujie,etal.Temporal and spatial distribution of PM2.5and PM10pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing[J].Environmental Science,2014,35(2):418- 427.

[25] 王占山,李云婷,陳添,等.2013年北京市PM2.5的時空分布[J].地理學報,2015,70(1):110- 120. WANG Zhanshan,LI Yunting,CHEN Tian,etal.Spatial-temporal characteristics of PM2.5in Beijing in 2013[J].Acta Geographica Sinica,2015,70(1):110- 120.

[26] 戴偉,高佳琪,曹罡,等.深圳市郊區大氣中PM2.5的特征分析[J].環境科學,2012,33(6):1952- 1957. DAI Wei,GAO Jiaqi,CAO Gang,etal.Characterization of atmospheric PM2.5in the suburb of Shenzhen[J].Environmental Science,2012,33(6):1952- 1957.

[27] 盛濤.昆明市大氣PM10和PM2.5比值特征及來源研究[D].昆明:昆明理工大學,2014:41- 43. SHENG Tao.The ratio characteristics and source apportionment of PM10and PM2.5in the city of Kunming[D].Kunming:Kunming University of Science and Technology,2014:41- 43.

[28] 程念亮,李云婷,張大偉,等.2013年北京市細顆粒物時空分布特征研究[J].環境工程,2015,33(10):43- 46. CHENG Nianliang,LI Yunting,ZHANG Dawei,etal.Analysis on the spatial and temporal distribution of PM2.5in Beijing in 2013[J].Environmental Engineering,2015,33(10):43- 46.

[29] 吳虹,張彩艷,王靜,等.青島環境空氣PM10和PM2.5污染特征與來源比較[J].環境科學研究,2013,26(6):583- 589. WU Hong,ZHANG Caiyan,WANG Jing,etal.Comparative study on pollution characteristics and source apportionment of PM10and PM2.5in Qingdao[J].Research of Environmental Sciences,2013,26(6):583- 589.

[30] HIEN P D,BAC V T,THAM H C,etal.Influence of meteorological conditions on PM2.5and PM2.5-10concentrations during the monsoon season in Hanoi,Vietnam[J].Atmospheric Environment,2002,36(21):3473- 3484.

[31] 王郭臣,王玨,信玉潔,等.天津PM10和NO2輸送路徑及潛在源區研究[J].中國環境科學,2014,34(12):3009- 3016. WANG Guochen,WANG Jue,XIN Yujie,etal.Transportation pathways and potential source areas of PM10and NO2in Tianjin[J].China Environmental Science,2014,34(12):3009- 3016.

[32] 周廣強,謝英,吳劍斌,等.基于WRF-Chem 模式的華東區域PM2.5預報及偏差原因[J].中國環境科學,2016,36(8):2251- 2259. ZHOU Guangqiang,XIE Ying,WU Jianbin,etal.WRF-Chem based PM2.5forecast and bias analysis over the East China Region[J].China Environmental Science,2016,36(8):2251- 2259.

Concentrations and Spatial-Temporal Characteristics and Source Analysis of PM2.5 in Nanchang City in 2013

ZHAO Yang1,2, HU Gongren1*, YU Ruilian1, LU Chengwei3, FAN Xiaojun4, HUANG Lingguan5, LIU Haiting5

1.College of Chemical Technology,Huaqiao University, Xiamen 361021, China 2.Nanchang Municipal Environmental Protection Bureau, Nanchang 330038, China 3.Chengdu Academy of Environmental Science, Chengdu 610072, China 4.Nanchang Municipal Environmental Monitoring Station, Nanchang 330002, China 5.Office of Mountain-River-Lake Development Committee of Jiangxi Province, Nanchang 330038, China

PM2.5data from nine automatic air quality monitoring stations in Nanchang City in 2013 were analyzed to examine the spatial and temporal characteristics of PM2.5. The potential sources of PM2.5were explored by trajectory cluster, potential source contribution function (PSCF) and concentration-weighted trajectory (CWT). The results showed that the annual average PM2.5concentration was 69.1 μg/m3in 2013, exceeding the secondary national standard (35 μg/m3) by 97%. The diurnal variation curve showed a bimodal distribution with peaks at 09:00-11:00 and 20:00-22:00. The monthly average concentration of PM2.5at each station showed a ′V′-shaped trend, i.e., higher on both sides while lower in the middle. The seasonal variation of PM2.5was significant with the sequence of winter > spring > autumn > summer. The temporal characteristics of PM2.5showed a significant decreasing trend from the southeast to the northwest. There was an obvious difference in the potential source area distribution of PM2.5owing to the airflow in different directions. The airflow trajectories were mainly from the south and the southeast in summer, with contribution of 65.6%. However, the inland airflow trajectories were mainly from the northeast and the north in winter, spring and autumn, with contributions of 62.0%, 59.6% and 54.7%, respectively, which greatly affected the PM2.5level in Nanchang City. The higher PM2.5values analyzed by PSCF and CWT were in Nanchang City, Zhejiang Province and northern Fujian Province, while southern Henan province and central Jiangsu province were also potential source areas of PM2.5in Nanchang City.

PM2.5; spatial-temporal characteristics; backward trajectory; PSCF; CWT

2016-04-21

2016-12-04

國家自然科學基金項目(21477042，21377042)

趙陽(1987-)，男，安徽蚌埠人，zhaoyang8763@163.com.

*責任作者，胡恭任(1966-)，男，江西贛縣人，教授，博士，博導，主要從事環境監測與評價，grhu@hqu.edu.cn

X513

1001- 6929(2017)06- 0854- 10

A

11.13198/j.issn.1001- 6929.2017.02.19

趙陽,胡恭任,于瑞蓮,等.2013年南昌市區PM2.5的濃度水平及時空分布特征與來源[J].環境科學研究,2017,30(6):854- 863.

ZHAO Yang,HU Gongren,YU Ruilian,etal. Concentrations and spatial-temporal characteristics and source analysis of PM2.5in Nanchang City in 2013[J].Research of Environmental Sciences,2017,30(6):854- 863.