外來輸送對舟山城區不同季節PM2.5污染的影響研究

周昊，牛彧文，何晴，徐哲永，曹宗元，於敏佳，陳淑琴，母清林

(1.舟山市氣象局，浙江 舟山 316021；2.浙江省氣象科學研究所/中國氣象科學研究院浙江分院，浙江 杭州 310008；3.浙江省海洋生態環境監測中心，浙江舟山 316021)

1 引 言

以大氣細顆粒物(PM2.5)為代表的大氣污染物是城市環境空氣質量指數的主要影響因子。PM2.5質量濃度水平上升，不僅會使大氣能見度趨于下降，直接導致灰霾天氣發生，而且還可引起人類呼吸道疾病，給公眾健康帶來嚴重危害[1-3]。研究表明，不利的大氣擴散條件以及大量大氣污染物的本地排放是引發PM2.5長時間超標的根本原因[4-6]。與此同時，在我國京津冀、長三角和珠三角等大型城市群的重污染天氣除了與本地污染源過量排放有關外，不同區域間大氣污染物的外來輸送是影響本地區PM2.5質量濃度升高的主要原因[7-9]。王郭臣等[10]研究發現，西北方向長距離路徑氣流輸送對北京冬季PM2.5濃度變化影響顯著，此外是偏南氣流的影響。朱書慧等[11]研究認為，長江三角洲冬季PM2.5濃度較高主要是受來自華北和華東地區的跨區域輸送的影響。李志成等[12]研究發現，來自中國東北內陸和沿海地區的氣流輸送是珠江三角洲PM2.5高污染的重要原因。

針對外來輸送對不同地區PM2.5污染影響的問題，科研人員已經發展了多種方法進行研究，目前應用較廣泛的是利用拉格朗日混合單粒子軌跡模式(HYSPLIT)，模擬分析影響本地區氣團的來向，以獲取與污染物相關的氣團路徑和來源，并結合潛在源分析函數和濃度權重分析法，研究大氣污染物潛在外來源區的分布?；谏鲜龇椒?，蔣永成等[13]分析發現，對廈門冬春季PM2.5污染有顯著影響的外來輸送源區主要分布在長江三角洲到華北平原，秋季污染外來輸送的主要源區分布在珠江三角洲到福建南部沿海。劉曉詠等[14]分析表明，影響河北邢臺沙河市冬季PM2.5較高污染的潛在源區主要分布在該市周邊區域，其中東南部的工業區對高濃度的PM2.5貢獻最大。嚴宇等[15]研究得出，影響福州PM2.5污染的潛在源區主要分布在長江三角洲、浙江東南沿海和福建北部。符傳博等[16]研究發現，廣東省是影響?？谑写髿馕廴疚锍瑯俗钪饕臐撛谪暙I源區，其次是周邊相鄰省區的貢獻。蔣琦清等[17]對影響杭州城區不同季節PM2.5潛在源區的空間分布特征也進行了分析。此外，張婷慧等[18-20]分別利用CAMx、WRF-Chem 和RAMS-CMAQ 區域空氣質量數值模式對PM2.5的跨界輸送過程和潛在貢獻作用開展了更加精細化的數值模擬研究。以上研究均表明，區域性和跨區域性的外來輸送對不同城市或地區PM2.5污染的影響具有明顯的時空分布特征。

舟山地處浙江省東北部沿海，主城區位于舟山島，為典型海島城市，大氣污染物排放源很少，PM2.5質量濃度總體呈較低水平，城區空氣質量指數級別常年保持一級或二級，但受外來輸入影響，空氣質量有時也會出現不同程度污染[21-22]。目前國內學者針對舟山PM2.5污染的輸送路徑和潛在源區問題已開展了一定的研究。方利江等[23]對舟山本島2012 年四個季節代表月份PM2.5輸送過程的數值模擬結果表明，浙江東部沿海及杭州灣、長江口和上海等毗鄰地區是舟山本島PM2.5污染的潛在源區。黃仲文等[24]對2013—2016 年舟山市PM2.5輸送路徑和潛在來源的分析表明，江蘇、山東南部、浙江北部和安徽東部是舟山PM2.5污染最主要的潛在源區，冬季跨區域的短距離輸送對PM2.5污染有重要影響。但以上研究采用的PM2.5質量濃度數據均為日均值，后向軌跡每天僅對應4 條，對污染物潛在來源分析仍存在一定不確定性，對大氣輸送和潛在源區的分析精度有待進一步提高，高時間分辨率數據有助于改進后向軌跡和潛在貢獻源分析的模擬結果[25-27]。近年來以PM2.5為主的大氣污染防治工作在不斷推進，國內重點防治區域的空氣質量也得到持續改善，利用最近幾年的數據對舟山PM2.5外來輸送可能出現的新特點做進一步研究非常必要。

本文基 于2016 年3 月—2019 年2 月 舟山城區逐小時的大氣污染物監測數據，利用后向軌跡聚類分析、潛在源分析函數和濃度權重分析等方法，研究外來輸送對不同季節舟山城區PM2.5污染的影響，為區域性和跨區域性的大氣污染聯防聯控治理工作提供參考依據。

2 資料和方法

2.1 資料來源

本文所用的大氣污染物監測數據由浙江省海洋生態環境監測中心提供，包括2016 年3 月—2019年2月舟山國家環境空氣質量自動監測站(即國控站)所采集的PM2.5逐小時質量濃度數據。站點均位于舟山城區三個主要城市功能區內，分布如圖1 所示，各站數據分別代表舟山定海城區(舟山定海老城區)、臨城新區(舟山新城區)和普陀城區(舟山沈家門老城區)大氣污染狀況。本文所用的氣象數據為NCEP(美國國家環境預報中心)的GDAS(全球資料同化系統)產生的格點再分析資料，水平方向分辨率為1 °×1 °，垂直方向23 層，時間分辨率為每3小時一次。

圖1 舟山城區環境空氣質量監測站分布

2.2 研究方法

后向軌跡計算采用的是美國大氣資源實驗室和澳大利亞氣象局為主聯合研發的拉格朗日混合單粒子軌跡模式HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory Model)，是一種用于計算和分析大氣污染物擴散范圍、濃度變化和傳輸軌跡的模式。本文采用的是2019 年9 月發布的V4.2.0 版本，該模式對大氣平流和擴散過程采用拉格朗日方法進行計算，具體原理見文獻[28]。模式以舟山市海洋環境生態監測站為后向軌跡計算的起始點，模式層頂設為10 000 m，考慮到大氣污染物在大氣邊界層內的混合特性和近地層風流動的代表性，將起始點的高度設定為200 m[29]，根據舟山氣候特征[30]，將研究期間的3—5 月、6—8月、9—11 月和12 月—次年2 月分別對應春季、夏季、秋季和冬季，以此計算不同季節每日和每小時產生的48小時后向軌跡。

后向軌跡聚類分析方法是按照沃德層次聚類法(TSV 方法)對影響舟山城區不同季節的所有后向軌跡進行聚類分析，通過反復迭代計算不同氣流軌跡上兩個點間的歐拉距離，并對空間相似度中最大的軌跡進行選擇和分類，具體方法見文獻[31-32]，經過后向軌跡聚類分析得到外來輸送在不同季節可能的幾類路徑。

潛在源分析函數(PSCF，Potential Source Contribution Function)法是一種將后向氣流軌跡點數和污染物濃度相結合來計算污染物貢獻源區分布的統計方法[33-34]，該函數給出了經過某區域的氣流到達觀測點時對應的污染物濃度值超過指定閾值的條件概率。本研究將所有后向軌跡覆蓋的區域進行水平網格化，每個網格點大小設為0.5 °×0.5 °，PM2.5質量濃度閾值設為35 μg/m3。PSCF 值為研究區域內經過網格ij內污染軌跡點個數mij與經過該網格內所有軌跡點個數nij的比值。濃度權重軌跡(CWT，Concentration Weighted Trajectory)分析也是通過氣流軌跡識別污染物潛在源區的方法[35-36]，CWT 值為網格ij內的平均權重濃度，反映出潛在源區的污染程度。為了減少經過網格內氣流軌跡點數nij較少而對計算結果產生的不確定性，引入權重函數Wij進行訂正，訂正結果表示為上述兩者與Wij各自的乘積，Wij定義[13-17]如下：當nij小于等于網格內平均軌跡點數時，取0.05；當nij大于網格內平均軌跡點數且小于等于1.5 倍網格內平均軌跡點數時，取0.42；當nij大于1.5 倍網格內平均軌跡點數且小于等于3 倍網格內平均軌跡點數時，取0.7；當nij大于3 倍網格內平均軌跡點數時，取1.0。

將經過權重函數訂正的PSCF 和CWT 結果分別定義為WPSCF 和WCWT，以此反映潛在源區的可能分布和外來輸送對目標點污染的濃度貢獻大小，從而分析外來輸送對舟山城區不同季節PM2.5污染的影響。這里需要指出的是，WPSCF 和WCWT 均是基于后向軌跡和數學統計方法得出的，沒有考慮大氣化學過程對污染源分布和貢獻的影響，因此該方法在分析一次顆粒物的污染源是非常有效的，但是對二次顆粒物(如硫酸鹽、硝酸鹽等)的分析有較大不確定性。

3 結果分析

3.1 舟山城區PM2.5濃度變化的季節特征

圖2 是研究期間舟山城區不同站點PM2.5日均質量濃度變化，各站點PM2.5隨時間變化呈現出很好的一致性特征，特別是在高濃度日各站PM2.5的數值更加接近。計算各站點之間的PM2.5日均質量濃度差值百分比的平均值(表1)，可發現任意兩站之間數據差值百分比平均值最小的是定海檀楓與普陀東港的對比結果，為17.00%，其次是定海檀楓與臨城新區，為17.15%，總體差值百分比的平均值為17.72%。綜上，研究期間舟山城區三個國控站之間PM2.5數據總體差異性較小，說明各站點的PM2.5污染受到共同的區域性污染影響較大，局地污染對站點的影響總體不大，三個站點的平均濃度能夠較好地代表舟山城區的PM2.5環境質量濃度。

表1 2016年3月—2019年2月舟山城區不同站點之間PM2.5日均質量濃度差值百分比的平均值(%)

圖2 2016年3月—2019年2月舟山城區不同站點PM2.5日均質量濃度變化

圖3 是2013—2018 年舟山城區PM2.5年均質量濃度變化，舟山城區年均PM2.5質量濃度總體呈下降趨勢，2018年年均PM2.5質量濃度與2013年相比下降36.6%，2013—2016 年逐年下降趨勢明顯，2016—2018 年呈波動下降趨勢，表明2013 年以來舟山城區的PM2.5污染在持續改善。圖4是研究期間舟山城區PM2.5日均質量濃度的季節變化，PM2.5日均質量濃度季節平均值最大均出現在冬季，春季次之，秋季和夏季濃度較低。除2018 年外，PM2.5的冬季日均質量濃度季節平均值均在30 μg/m3以上，其中2017年冬季和2016年冬季日均質量濃度平均值位于前兩位，分別為(36.14±23.88) μg/m3和(32.79±19.95) μg/m3，PM2.5日均質量濃度最大值出現在2017 年冬季，為131.75 μg/m3。圖5 是研究期間不同季節舟山定海國家基本氣象站風玫瑰圖，在冬、春季節，舟山城區最大頻率風向多為來自內陸的西北偏北風，處在上風側北方內陸的PM2.5被這種氣流攜帶并輸送至舟山，加上不利的大氣擴散條件等因素的影響，容易導致PM2.5質量濃度趨于升高，而夏季舟山城區最大頻率風向多為來自東海和西北太平洋的東南風，秋季則多為來自北部洋面上的偏北風，清潔的海洋性氣團加上降雨偏多等因素的影響，有利于夏、秋季節PM2.5的稀釋和清除。受以上特殊氣候條件的影響，舟山冬季和春季的PM2.5質量濃度總體高于夏季和秋季。

圖3 2013—2018年舟山城區PM2.5年均質量濃度變化

圖4 2016年3月—2019年2月舟山城區PM2.5日均質量濃度的季節變化箱線圖框的上、下邊線分別指示75%分位和25%分位，豎線的上、下邊線分別指示95%分位和5%分位，框內橫線指示中位數，實心方形指示平均值，上、下實心三角形分別指示最小值和最大值。

圖5 2016年3月—2019年2月不同季節舟山市定海國家基本氣象站的風玫瑰圖填色為風速，單位：m/s。a.春季；b.夏季；c.秋季；d.冬季。

3.2 舟山城區PM2.5外來輸送路徑的季節特征

3.2.1 后向軌跡特征分析

對2016年3月—2019年2月每日08時起始高度為200 m的1 095條后向軌跡進行分析(圖6)，分析表明影響舟山城區外來輸入的氣流后向軌跡具有明顯的季節性差異特征，不同季節氣流后向軌跡的源頭方向和覆蓋范圍各有差異。春季，受冬季盛行風向夏季盛行風過渡轉換的影響，天氣系統復雜多變，有來自不同方向的氣流影響舟山，軌跡分布較分散，長距離氣流主要從西北方向我國的內蒙古和甘肅、蒙古、俄羅斯，途經華北、華東地區和渤海、黃海、東海海面輸入至舟山，另有來自南海、廣東、廣西和江西等地西南方向氣流的輸入。夏季，受夏季風影響，氣流以西南和東南方向輸入為主，長距離氣流大多數來自西北太平洋洋面，其中來自南海，途經臺灣海峽和東海海面到達舟山的短距離輸入氣流非常集中，也有少部分來自江西、安徽、河南、山西和遼寧等地，與方利江等[23]2012 年結果不同的是，本研究期間夏季從西北方向和東北方向輸入到舟山的氣團軌跡有所增多。秋季，北方冷空氣活動開始活躍，受夏季盛行風向冬季盛行風過渡轉換的影響，氣流轉變為偏北和東北方向輸入，海洋上氣流多數來自渤海、黃海和日本海，內陸上氣流最遠來自蒙古和俄羅斯，也有少部分從西北太平洋洋面輸入。冬季，受北方大陸冷高壓和冬季風影響，氣流主要從偏北和西北方向輸入，大多數來自華北、西北地區以及蒙古和俄羅斯，且為遠距離輸送為主，有少部分軌跡長度較短的氣流來自西北太平洋以及西南方向的湖南和江西等地。

圖6 2016年3月—2019年2月不同季節每日08時起始的48小時后向軌跡 a.春季；b.夏季；c.秋季；d.冬季。

3.2.2 后向軌跡聚類分析

圖7 是研究期間不同季節逐小時的48 小時后向軌跡及軌跡聚類分析結果，背景軌跡是逐小時輸出的后向軌跡。通過對各季節所有后向軌跡聚類分析過程的空間方差增長率變化分析發現，當聚類結果的簇數小于4 之后空間方差增長率迅速增長，因此確定季節聚類軌跡個數為4，即有4 類路徑。春季，從海洋和陸地而來的氣流各占約一半，其中來自浙江省內及沿海的短距離偏南路徑和來自黃海北部，途經黃海、東海和浙江東北部沿海的東北偏北路徑占比位居前兩位，分別為31.11%和30.25%，其次是來自東海及其以東洋面的偏東路徑，占比22.93%。西北路徑占比15.70%，沿山西、河北、山東、江蘇和上海的長距離輸送路徑到達舟山。夏季，氣流主要從東海、西北太平洋、南海和西北內陸輸送而來，其中來自臺灣南部海域途經臺灣島、東海、浙江沿海的偏南路徑占比最大，為42.51%，其次為來自日本南部洋面，途經東海的偏東路徑和來自江蘇，途經上海、杭州灣的西北偏北路徑，以短距離輸送為主，各占22.96%和20.52%，其余14.01%為來自東南方向的西北太平洋的東南路徑，為長距離輸送。秋季，來自山東半島東部，途經黃海、東海、浙江東北部沿海的東北偏北路徑占比最大，為47.86%，為短距離輸送，其次為偏南路徑和東北偏東路徑，分別來自浙江中北部沿海和日本海、朝鮮海峽，占比各為22.41%和20.07%。占比最少的是來自蒙古，途經我國華北北部、渤海、山東半島、黃海和東海的西北偏北路徑，為9.66%，為長距離輸送。冬季，氣流以偏北路徑和西北路徑為主，其中西北路徑占比最大，為36.40%，其始于山東西南部，穿過江蘇、上海和杭州灣到達舟山，為跨區域的短距離輸送，其次為來自黃海北部和蒙古的東北偏北路徑和西北偏北路徑，分別途經黃海、長江口和東海到達舟山，各占25.88%和24.34%，另有13.38%的短距離偏東路徑來自東海?？傮w上，舟山春季以偏北和局地偏南路徑輸送為主，夏季以偏南路徑輸送為主，秋季以偏北路徑輸送為主，冬季主要受西北路徑和偏北路徑的外來輸送影響，以跨區域的短距離輸送為主。分別與方利江等[23]2012 年和黃仲文等[24]2013—2016 年結果相比，不同季節主要聚類路徑的輸送方向較一致，其中夏季和冬季仍分別主要受偏南路徑和西北路徑氣流輸送的影響，不同之處在于本研究中夏季影響舟山的偏東路徑和西北偏北路徑占比明顯增多。

圖7 2016年3月—2019年2月不同季節后向軌跡的聚類分析括號內數字為各類路徑的占比。a.春季；b.夏季；c.秋季；d.冬季。

3.2.3 不同聚類路徑PM2.5質量濃度的季節特征

圖8 給出了不同季節不同聚類路徑PM2.5質量濃度的箱線圖。從不同季節四類路徑對應的PM2.5質量濃度數據的統計結果來看，春季西北路徑對應的PM2.5質量濃度平均值最高，為(33.55±19.66)μg/m3，該路徑途經山西太原、河北邢臺、山東棗莊和江蘇徐州等污染較重的工業生產區，有利于PM2.5長距離輸送，其次是占比最多的東北偏北路徑，對應的濃度平均值為(30.96±14.51) μg/m3。浙江省內局地偏南路徑對應的PM2.5質量濃度最大值最高，為129.33 μg/m3，超過95%分位(49.33 μg/m3)的高值出現的頻率為4.96%，在高值出現的當日舟山地區主要受高空暖脊控制，大氣層結穩定，加之寧波、臺州工業生產區污染排放的影響，有利于PM2.5最大值濃度水平上升。夏季，途經江蘇鹽城、江蘇南通和上海等地的西北偏北路徑對應的PM2.5質量濃度平均值最大，為(25.10±14.02) μg/m3，該路徑途經長三角人口稠密的污染排放區域，有利于PM2.5短距離輸送。偏南路徑對應的PM2.5質量濃度最大值為113 μg/m3，超過95%分位(37.67 μg/m3)的高值出現的頻率為4.89%，這可能與高值出現時存在局地排放有關。偏東路徑和東南路徑分別源自東海和西北太平洋，清潔的洋面和濕潤的夏季風對PM2.5濃度有稀釋作用，濃度平均值較低。秋季，來自浙江臺州、寧波兩地沿海地區的局地偏南路徑對應的PM2.5質量濃度平均值和最大值分別為(25.20±17.14) μg/m3和125 μg/m3，超過95%分位(58.33 μg/m3)的高值出現的頻率為4.88%，對PM2.5濃度貢獻最大，該路徑主要與高值出現當日地面高壓東移所形成的靜穩天氣有關。東北偏北路徑來自山東膠東半島附近人為污染排放較多區域，對應的濃度平均值為(17.89±11.84) μg/m3，對PM2.5濃度的貢獻略低于偏南路徑。西北偏北軌跡數占比最小，東北偏東路徑來自日本海，并途經東海到達舟山，兩者對PM2.5質量濃度平均值貢獻均較小。冬季，軌跡占比最大的西北路徑對應濃度的平均值和最大值均最高，分別為(50.19±30.46) μg/m3和182 μg/m3，超過95%分位(111.33 μg/m3)的高值出現的頻率為4.95%，高值出現的當日舟山受冷空氣過境影響，出現了輸入性灰霾天氣。該路徑途經山東濟寧、山東棗莊和江蘇徐州等冬季北方生活燃煤供暖區，當地排放的污染物在西北氣流攜帶下輸送至舟山，是PM2.5主要外來輸送路徑，其次是偏東路徑的輸送，對應的PM2.5濃度平均值為(24.60±12.11) μg/m3，這與靜穩天氣所致的大氣擴散條件較差有關。東北偏北路徑途經清潔的黃海和東海海面，對應的濃度值較低。綜上聚類分析結果，舟山城區PM2.5質量濃度平均值較高時對應的外來輸送以西北路徑和偏北路徑為主，這兩類輸送路徑是舟山城區春季、夏季和冬季PM2.5污染的主要來源，此外來自浙江沿海地區的局地偏南路徑對舟山秋季PM2.5污染影響最大，春季和秋季浙江省內的局地偏南路徑的輸送對舟山PM2.5污染的影響不容忽視。

圖8 2016年3月—2019年2月不同季節聚類路徑對應的PM2.5質量濃度值箱線圖說明同圖3。a.春季；b.夏季；c.秋季；d.冬季。

3.3 舟山城區PM2.5外來輸送的潛在源區分析

3.3.1 WPSCF分析

圖9 給出了影響舟山城區PM2.5外來輸送的WPSCF 季節分布，潛在源區的分布具有明顯的季節性差異特征，不同季節潛在源區的空間分布差異明顯。從各季節WPSCF 的分布情況看，春季WPSCF 大于0.8 的網格區集中分布在河南東部、安徽中北部到東南部、浙江西北部和福建北部沿海，其中安徽宣城境內有極大值，表明來自以上地區的外來輸入對春季舟山PM2.5污染的潛在貢獻作用最大。夏季WPSCF 大于0.6 的網格區主要分布在江蘇西南部和浙江西南部，具體位置在江蘇鎮江和浙江麗水境內，此外山西南部也存在孤立的大值區，從河南到浙江內陸以及浙江到福建沿海各分布有兩條較弱的帶狀輸入，其外來貢獻較弱。秋季WPSCF 大于0.6 的網格區集中分布在安徽中西部和東南部、江蘇南部和浙江西南部，其中在浙江麗水和溫州交界附近有極大值，此外在江蘇南部和江蘇東部近海海域也有較大值分布。冬季WPSCF 大于0.7 的區域明顯擴大，主要分布在山東西北部和中南部、安徽東北部和南部、江蘇西北部和中南部以及浙江北部，在山東西南部與江蘇西北部交界、安徽北部和河南東部WPSCF 大于0.9，其中在山東棗莊和江蘇徐州附近為極大值。將研究期間舟山PM2.5的WPSCF 分析結果與方利江等[23]對2012 年的數據研究對比發現，研究期間PM2.5潛在源區主要分布在大陸，而2012 年潛在源區主要集中在浙江沿海區域及杭州灣附近，但浙江東部到福建沿海一帶仍是舟山夏季PM2.5潛在源區之一。與黃仲文等[24]對2013—2016年的數據研究對比發現，研究期間WPSCF 大于0.7 的高值區范圍仍在安徽、江蘇、山東和浙江的部分地區，不同之處在于浙江北部和江蘇的分布范圍有所減小，而在山東、浙江和福建等地有所增多，具有明顯向山東西北部、浙江西南部和福建北部沿海地區延伸的趨勢。這些新發現可能與本研究采用逐小時數據進行分析有關，過去有研究表明采用小時數據相比日均數據可發現更多的潛在源區，WPSCF 大值區分布更加精細，能夠更好地識別潛在源區的具體分布[27]。

圖9 2016年3月—2019年2月不同季節舟山城區PM2.5的WPSCF分布a.春季；b.夏季；c.秋季；d.冬季。

3.3.2 WCWT分析

潛在源貢獻函數能反映污染物在特定閾值條件下軌跡所占的比例大小，但不能定量模擬出該潛在源區污染物濃度數值的大小，這里引入濃度權重分析法，以WCWT 值的分布進一步分析對舟山城區PM2.5濃度影響較大的潛在源區。圖10 是研究期間不同季節舟山城區PM2.5的WCWT 季節分布。分析發現，春季WCWT 大于36 μg/m3的較大值區主要分布在山東半島及其海域、江蘇東北部、安徽大部和長三角等地，其中在山東東南部、安徽中北部和東南部、河南東部、浙江西北部、杭州灣和福建沿海對舟山PM2.5質量濃度的貢獻最大在40 μg/m3以上。夏季WCWT 整體值較低，大于32 μg/m3的較大值區主要分布在安徽東南部、江蘇南部和浙江中部，其中安徽東南部、江蘇西南部和浙江西南部對舟山PM2.5質量濃度的貢獻在36 μg/m3以上，此外從江蘇黃海海域到福建沿海地區存在20～28 μg/m3較弱的濃度貢獻帶。秋季WCWT 大于36 μg/m3的較大值區和夏季分布相似，集中分布在安徽東南部、江蘇西南部和浙江西南部地區，在上述地區內均存在對舟山PM2.5質量濃度貢獻在40 μg/m3以上的網格區。冬季WCWT大于60 μg/m3的高值區集中分布在山東西北部到中南部、江蘇西部和安徽東北部，在山東西南部、江蘇西北部到中西部、安徽北部和河南東部對舟山PM2.5質量濃度貢獻在70 μg/m3以上，極大值仍集中在山東西南部和江蘇西北部交界。同時發現，在安徽南部和浙江北部WPSCF 值較高的網格區在經過WCWT分析后PM2.5權重濃度并不高，另外在WPSCF 值相同的山東中南部、江蘇西北部和安徽北部，經過WCWT 分析后變得不再相同，這說明WCWT 方法比PSCF 方法能夠更加精細地分析出污染物的最佳潛在源區。以上各季節WCWT 分析得出的潛在源區與WPSCF 分析的結果相比較一致，而且舟山城區附近的WPSCF 和WCWT 值均較小，也說明了影響舟山城區PM2.5污染的本地排放源很少，而主要受區域性和跨區域性污染物外來輸送的影響。

4 總結和討論

(1) 2013 年以來，舟山城區年均PM2.5質量濃度總體呈下降趨勢，2018 年年均PM2.5質量濃度與2013 年相比下降了36.6%，近年舟山城區的PM2.5污染在持續改善。PM2.5日均質量濃度季節平均值最大均出現在冬季，春季次之，秋季和夏季濃度較低。

(2) 舟山城區PM2.5質量濃度平均值較高時對應的外來輸送以西北路徑和偏北路徑為主，這兩類輸送路徑是舟山城區春季、夏季和冬季PM2.5污染的主要來源，此外來自浙江沿海地區的局地偏南路徑對舟山秋季PM2.5污染影響最大，春季和秋季浙江內陸的局地偏南路徑的輸送對舟山PM2.5污染的影響不容忽視。

(3) 舟山城區PM2.5污染主要受區域性和跨區域性污染物外來輸送的影響，而本地排放源的影響較小。春季舟山城區PM2.5污染的潛在外來輸送源區主要位于安徽中北部到東南部、河南東部和福建北部沿海等地，其中安徽宣城附近的貢獻最大。夏季和秋季的潛在源區較相似，主要位于安徽東南部、江蘇南部和浙江西南部等地，其中江蘇鎮江、浙江麗水和溫州附近的貢獻最大。冬季的潛在源區主要位于山東西南部、江蘇西北部、安徽東北部和河南東部等地，其中山東棗莊和江蘇徐州附近貢獻最大。

(4) 本文對外來輸送對舟山城區不同季節PM2.5污染影響的研究結果是基于后向軌跡模式和數學統計方法得出的，實況中影響某地區PM2.5污染的外部因素是多方面的而且錯綜復雜，未來可利用其他考慮多種大氣物理和化學過程的空氣質量數值模式對外來輸送對舟山PM2.5污染的影響進行進一步驗證和分析。