严晓瑜^1,2, 缑晓辉^1,2, 武万里^1,2, 黄峰^1,2, 杨军^1,2, 刘玉兰^1,2
1. 中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室, 银川 750000;
2. 宁夏气象防灾减灾重点实验室, 银川 750000
收稿日期: 2017-09-18; 修回日期: 2017-10-12; 录用日期: 2017-10-12
基金项目: 国家自然科学基金（No.41765006）
作者简介: 严晓瑜(1983-), 女, 高级工程师, E-mail:yanxy366@126.com
通讯作者（责任作者）: 严晓瑜

摘要: 利用TrajStat软件和全球资料同化系统数据，计算了2014—2016年银川市逐日72 h气流后向轨迹，并采用聚类分析方法，结合银川市同期PM₁₀和PM_2.5质量浓度数据，分析了银川年及四季气流轨迹特征及其对银川颗粒物浓度的影响.同时，运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT），探讨了影响银川颗粒物质量浓度的潜在源区及不同源区对银川颗粒物质量浓度的贡献.结果表明，输送距离最长、高度最高、移速最快的西北气流轨迹占总轨迹的比例最高，达66.7%，且气团移动速度和高度与轨迹距离呈正比；输送高度较低、距离最短、移速最慢的北方气流轨迹占总轨迹数的24.3%；东南气团占总轨迹数的9%，输送距离和移速介于前两者之间，但输送高度较西北气流和北方气流低.四季各类气流轨迹变化特征与年变化特征基本一致，春、秋、冬三季，中、短距离西北气流占气流轨迹总数的比例最高，夏季东南气流占比最高，且夏季南方气流和北方气流占比较春、秋两季高，冬季未出现南方气流和北方气流，春季和冬季气流轨迹输送距离普遍比夏季和秋季长；春、夏、秋三季，偏南气流的输送高度均最低，四季长距离西北气流的输送高度均最高.年及四季都表现为西北气流轨迹对应的银川PM₁₀和PM_2.5平均浓度均较高，是影响银川颗粒物质量浓度的最重要输送路径，其次是东南气流轨迹，北方气流轨迹对银川颗粒物浓度影响较小.PSCF和CWT分析发现，位于新疆、甘肃、蒙古国、内蒙古、青海的西北源区及四川、陕西的东南源区是影响银川PM₁₀和PM_2.5浓度的两个主要潜在源区，各季节区域范围有所差异.
关键词:大气颗粒物后向轨迹聚类分析潜在源贡献浓度权重轨迹银川
Analysis of atmospheric particulate transport path and potential source area in Yinchuan
YAN Xiaoyu^1,2 , GOU Xiaohui^1,2, WU Wanli^1,2, HUANG Feng^1,2, YANG Jun^1,2, LIU Yulan^1,2
1. Key Laboratory for Meteorological Disaster Monitoring and Early Warning and Risk Management of Characteristic Agriculture in Arid Regions, CMA, Yinchuan 750000;
2. Ningxia Key Lab of Meteorological Disaster Prevention and Reduction, Yinchuan 750000
Received 18 September 2017; received in revised from 12 October 2017; accepted 12 October 2017
Supported by the National Natural Science Foundation of China(No.41765006)
Biography: YAN Xiaoyu(1983—), female, senior engineer, E-mail:yanxy366@126.com
^*Corresponding author: YAN Xiaoyu
Abstract: In this study, first, the daily 72 h back trajectories are calculated in Yinchuan during the period of 2014-2016 using the TrajStat software and the global data assimilation system. And then, the back trajectory cluster analysis method combined with PM₁₀ and PM_2.5 concentration data observed during the same period are employed to understand the impacts of different trajectories on the concentration of particles over Yincuan in the whole year and different seasons. Meanwhile, using potential source contributing factor analysis method and concentration weight trajectory analysis method, the potential source regions and the contribution of different source regions to the particle concentrations in Yinchuan are analyzed. The results show that the northwest airflow trajectory with the longest distance, the highest altitude, and the fastest moving velocity accounts for the highest proportion of the total trajectory number, up to 66.7%, and the air mass movement speed and altitude is proportional to the trajectory distance, the northern airflow trajectory with low altitude, shortest distance and the slowest moving velocity accounts for 24.3%, and the southeast air mass accounts for 9%, transportation distance and velocity are between the first two, but the transportation height is lower than the northwest and northern airflow. The variation characteristics of airflow trajectories in the four seasons are basically the same as those in the year. The distribution range of air flow in spring and winter was generally longer than in summer and autumn, and the transport height of southerly air was lowest in spring, summer and autumn. The transportation height of long distance north-west air was highest in all four seasons. In spring, autumn and winter, northwest airflow with middle or short trajectory distance accounts for the highest proportion of total airflow, while the southwest airflow accounts for the highest proportion in summer, and the southern and the northern airflow are higher in spring and autumn than in summer, but there is no southern and northern flow in winter. The transportation distance of air trajectory in spring and winter is generally longer than in summer and autumn. The transportation height of the northwest airflow is slowest in spring, summer and autumn, while the height of longest northwest airflow is highest in the four seasons. The analysis of the concentration loadings proves that the air mass from northwest are the main directions influencing particles concentration of Yinchuan in the year and different seasons, followed by the southeast, and the north are the directions for the minimum particles concentration loading. The PSCF and CWT results indicate that northwest source area and southeast source area are the two main potential source regions that have great influence on PM₁₀ and PM_2.5 concentrations of Yinchuan, but the range of region is different for different seasons.
Key words: atmospheric particlesback trajectory cluster analysispotential source contributionconcentration weighted trajectoryYinchuan
1 引言(Introduction)随着社会经济的高速发展和城市化进程的加快, 导致城市大气污染问题日益严重, 已引起了公众的极大关注和各级政府的高度重视.研究表明, 一个地区的大气污染物不仅受到本地污染源排放的影响, 而且还受到邻近地区污染源的影响(刘世玺等, 2010；张志刚等, 2004；陈燕等, 2005), 这些影响主要是通过污染物的跨区域输送造成的, 其输送与扩散的范围小至几百米, 大至区域、洲际乃至全球性各种不同尺度, 因此, 关注一个城市的大气环境, 不仅要考虑局地的影响, 还要考虑周边区域的影响.而后向轨迹分析模型已成为研究大气污染输送影响的主要手段.例如, Dutkiewicz等(2004)利用后向轨迹聚类方法研究了气团远程输送对美国纽约市地面SO₂的影响规律, 认为皇后区44%~55%、怀特费斯地区60%的近地层SO₂是由远程输送带来的.王芳等(2009)研究发现, 珠江三角洲地区低层大气输送季节变化明显, 广州市大气污染较重时段均受到周边城市大气污染输送的影响.王茜(2013)利用HYSPLIT4模式研究表明, 上海气流输送季节变化特征明显, 冬、春和秋季, 上海较易受到来自西北、西南等区域的大陆性气流影响, 受沙尘或人为污染排放的影响相对较大, 夏季上海主要受较清洁的海洋性气流影响.刘娜等(2012)分析了兰州春季沙尘过程PM₁₀输送路径及其潜在源区, 结果表明, 沙尘天气相对较多的年份, 西路径和西北路径是造成PM₁₀污染的主要输送路径, 沙尘天气相对较少的年份的主要输送路径是西路径, 其次是北路径；影响兰州市春季大气PM₁₀质量浓度的潜在源区分布在新疆塔里木盆地、吐鲁番盆地、青海柴达木盆地、甘肃河西走廊、内蒙古中部和西部的沙漠戈壁地区.马林等(2014)利用轨迹分析法、印痕分析和流场分析法, 结合上甸子站卤代温室气体H-1301、HCFC-22、CFC-11和SF6在线浓度观测数据, 选取2012年9月7—12日上甸子测站卤代温室气体浓度短期波动典型个例进行分析发现, 与偏北轨迹输送相比, 近地层回旋打转的偏南气团和辐合下沉气流, 对上甸子本底站卤代温室气体浓度水平短期抬升的贡献较大.
银川作为宁夏的首府, 大气污染问题也随经济社会的发展日益严重.已有****对银川市的大气污染问题进行了研究, 在污染物分布特征(严晓瑜等, 2015；缑晓辉等, 2016)、气象条件影响(刘玉兰等, 2002)、污染来源(桑建人等, 2005)、污染防治(姜玲, 2003)等方面取得了丰富的成果, 但目前对影响银川市大气污染的外来源地及其输送路径的研究较少.
基于此, 本文利用后向轨迹聚类分析法, 结合银川市2014—2016年PM₁₀、PM_2.5浓度监测资料, 研究不同输送轨迹类型与银川市颗粒物浓度的关系, 探讨对银川大气颗粒物影响较大的输送路径, 同时, 利用潜在源贡献(PSCF)分析法和浓度权重轨迹(CWT)分析法确定对银川颗粒物质量浓度影响较大的潜在源区, 以期为银川空气污染防治提供科学依据.
2 资料来源(Data sources)本文所用大气污染物数据来源于国家环境空气质量监测网发布的2014—2016年银川市6个环境监测国控点的PM₁₀和PM_2.5的逐时质量浓度资料.后向轨迹模式使用的气象资料为NCEP(National Center for Environmental Prediction, 美国国家环境预报中心)提供的2014—2016年全球资料同化系统(GDAS)数据.该数据6 h记录1次, 分别为0：00、6：00、12：00和18：00(UTC, 世界时), 分辨率为0.5°×0.5°, 垂直方向分23层, 气象要素包括温度、气压、相对湿度、水平和垂直风速等, 可直接从网上(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)下载.
3 研究方法(Research methods)3.1 HYSPLIT模式介绍HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory)轨迹模式是由美国国家海洋大气中心(National Oceanic and Atmospheric Administration, NOAA)和澳大利亚气象局(Bureau of Meteorology Australia, BOM)共同研发的一种具有处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能的较为完整的输送、扩散、沉降的综合模式系统(Draxler et al., 1998; Stein et al., 2015).该模式是欧拉和拉格朗日混合型的扩散模式, 其平流和扩散计算均采用拉格朗日方法, 浓度计算采用欧拉方法.
本文利用HYSPLIT模式和GIS技术结合的TrajStat软件(Wang et al., 2009)进行银川市后向轨迹聚类、PSCF和CWT分析.将银川市气象站(106.21°E, 38.48°N)作为模拟受点, 计算2014—2016年逐日8：00(北京时)到达受点的72 h后向气流轨迹, 轨迹计算起始高度为500 m.研究区域按0.5°×0.5°划分网格计算PSCF和CWT.
3.2 后向轨迹聚类分析聚类分析是按照样本的相似性、亲疏程度将它们进行分型划类的一种多元统计分析方法.后向轨迹聚类就是根据气团轨迹的空间相似度, 即传输速度和方向, 对所有到达模式受点的气团轨迹进行分组聚类, 以判断受点不同时间段主导气流方向和污染物潜在来源.本文利用TrajStat软件中的欧氏距离(Euclidean distance)聚类算法对到达银川的气流轨迹进行聚类分析, 得到年及四季银川市不同输送气流类型.
依据环境空气质量指数技术规定(HJ633—2012)(国家环境保护部, 2012)计算银川逐日颗粒物的日平均浓度, 结合逐日污染物资料对年及不同季节各类气流的污染特征进行统计分析.
3.3 潜在源贡献分析法潜在源贡献(PSCF)分析法是一种基于气流轨迹分析来识别污染源区的方法(Ashbaugh et al., 1985), 本文利用此方法来确定影响银川大气颗粒物的潜在污染源区.PSCF值为所选研究区域内经过网格(i, j)的污染轨迹数m_ij与经过该网格的所有轨迹数n_ij的比值(Zeng et al., 1989; Hopke et al., 1993), 即：

(1)

本文取PM₁₀和PM_2.5的日平均值二级标准值作为判断污染轨迹的标准, 即经过某网格的气团轨迹到达银川时对应的颗粒物浓度超过日平均二级标准值时则认为该轨迹为污染轨迹, 反之则为清洁轨迹.PSCF值越大表示经过该网格的污染轨迹比例越高, PSCF高值所在的网格区就是影响银川市大气颗粒物的潜在源区.
由于PSCF是一种条件概率, 当n_ij较小时, 会有很大的不确定性, 为此, 引入权重函数W_ij, 当某一网格中的n_ij小于研究区内每个网格内平均轨迹端点数的3倍时(Xu et al., 2010；Polissar et al., 1999), 就使用W_ij来减小PSCF的不确定性.本文参考文献研究(Polissar et al., 2001；Wang et al., 2006), 使用以下权重函数：

(2)

2.4 浓度权重轨迹分析法由于PSCF只能反映每个网格中污染轨迹所占的比例大小, 不能反映污染轨迹的污染程度, 因此, 本文利用浓度权重轨迹(CWT)分析法计算潜在源区气流轨迹浓度权重, 分析不同轨迹和潜在源区的污染程度(Seibert et al., 1994；Hsu et al., 2003), 给出不同源区贡献的相对大小. CWT方法如下：

(3)

式中, C_ij为网格(i,j)上的平均权重浓度(μg · m^-3), l为轨迹, C_l为轨迹l经过网格(i, j)时对应的银川颗粒物质量浓度(μg · m^-3), τ_ijl为轨迹l在网格(i, j)停留的时间(h).C_ij高值网格区域是对银川市颗粒物污染有贡献的主要外来源区, 经过该网格的轨迹就是对银川大气颗粒物有贡献的主要输送路径.PSCF分析法中所用的权重函数W_ij也适用于CWT分析法, 以降低n_ij值较小时所引起的不确定性.
3 结果与讨论(Results and discussion)3.1 银川市大气污染特征利用2014—2016年银川市PM₁₀和PM_2.5逐日质量浓度资料, 对PM₁₀和PM_2.5年、季、月质量浓度变化特征进行分析.由图 1可知, 2014—2016年3年平均PM₁₀质量浓度为105.1 μg · m^-3, 超过国家二级标准0.5倍；年际差异不大, 2014、2015和2016年PM₁₀质量浓度年平均值分别为105.3、107.8和102.1 μg · m^-3.2014—2016年3年平均PM_2.5质量浓度为49.3 μg · m^-3, 超标0.4倍；2014、2015和2016年PM_2.5质量浓度年平均值分别为48.5、48.5和50.8 μg · m^-3.
图 1(Fig. 1)

图 1 2014—2016年银川市PM10和PM2.5年(a)、季(b)、月(c)变化特征 Fig. 1Characteristics of yearly(a), seasonal(b) and monthly(c) variation of PM10 and PM2.5 in Yinchuan City over 2014—2016

从季节变化来看, PM₁₀质量浓度最大的季节为冬季, 达126.1 μg · m^-3, 其次为春季(121.5 μg · m^-3), 再次为秋季(94.8 μg · m^-3), 最低值出现在夏季, 为79.0 μg · m^-3.PM_2.5冬季浓度最高, 为70.0 μg · m^-3, 其次是秋季(49.2 μg · m^-3), 再次是春季(43.4 μg · m^-3), 夏季浓度最低为35.5 μg · m^-3.
从月分布来看, 6—10月PM₁₀质量浓度较低, 普遍在100 μg · m^-3以下, 其中, 9月最低仅68.8 μg · m^-3, 其它各月PM₁₀质量浓度均在100 μg · m^-3以上, 其中, 3月是一年中PM₁₀质量浓度最高的月份, 达135.9 μg · m^-3, 其次是12月, 为133.7 μg · m^-3.PM_2.5质量浓度最高的月份为12月, 达75.9 μg · m^-3, 其次是1月, 为73.3 μg · m^-3, 6、9月PM_2.5质量浓度分别为33.4和32.5 μg · m^-3, 是浓度最低的两个月份.
3.2 后向轨迹聚类分析利用TrajStat软件对2014—2016年逐日到达银川的后向气流轨迹进行聚类分析, 并计算各类轨迹数占总轨迹数的比例(图 2), 以分析银川气团输送路径特征.可以看出, 来自哈萨克斯坦、新疆中北部、蒙古国西部、甘肃北部、内蒙古西部的西北气流(聚类1、2和4)的输送轨迹最长, 其次是来自陕西西南部、甘肃东北部的东南气流(聚类5), 气流轨迹最短的是来自内蒙古中西部的北方气流(聚类3), 这表明西北气团移动速度最快, 其次是东南气团, 移动速度最慢的是北方气团.从比例来看, 西北气流轨迹占总轨迹的比例最高, 达66.7%, 其中, 距离最短、移动最慢的西北气流(聚类2)占比最高为35.1%, 中、长距离的移动速度较快的西北气流(聚类4、1)占比相当, 分别为19.1%和12.5%.北方气流轨迹占总轨迹数的比例为24.3%, 东南气流轨迹占总轨迹数的比例最低, 仅9%.
图 2(Fig. 2)

图 2 2014—2016年银川年及四季后向轨迹聚类分布 Fig. 2Distributions of cluster-mean back-trajectories in the whole year and four seasons in Yinchuan during 2014—2016

就不同季节而言, 春季, 来自于新疆北部、甘肃北部和内蒙古西南部的短距离西北气流轨迹(聚类1)占春季气流轨迹总数的比例最大, 达37.1%；其次是源自内蒙古西南部, 先向东南方向移动进入宁夏西部, 然后回旋至银川的气流轨迹(聚类2), 占总轨迹数的33.1%；再次是较长距离西北气流和北方气流, 占比分别为12.7%和10.2%；长距离西北气流(聚类3)占比最小, 为6.9%.
夏季, 东南气流(聚类1)占总轨迹数的比例最高, 为31.2%；其次是短距离西北气流(聚类4), 占比22.8%；再次是北方气流(聚类5), 占比19.2%；比例最低的为东北气流(聚类3), 占比10.5%.
秋季, 来源于新疆中部、甘肃北部、内蒙古西南部的较长西北气流(聚类2)占气流轨迹总数的比例最高, 为31.1%；其次是回旋式南方气流, 占比为25.6%；再次是短距离西北气流, 占比21.6%；北方气流占秋季总轨迹数的比例最低为9.5%.
冬季均为西北气流, 其中, 距离最短、移速最快的聚类3占总轨迹数的比例最高, 为26.6%；其次是较短距离的聚类2, 占比为22.1%；再次是轨迹最长的聚类1, 占比为20.3%；较长距离的聚类4和聚类5, 占比较低, 分别为15.9%和15.1%.
综上所述, 春季和冬季气流轨迹输送距离普遍比夏季和秋季长；春、秋、冬三季中、短距离西北气流占气流轨迹总数的比例最高, 夏季东南气流占比最高；夏季南方气流和北方气流占比较春、秋两季高, 冬季未出现南方气流和北方气流.
计算2014—2016银川年及四季各类后向轨迹垂直高度气压平均值(图 3), 对各类气团垂直混合移动特征进行分析.图中横坐标时间为气流到达银川以前的后向推移时间，因此用负值表示.由图可知, 东南气流(聚类5)的输送高度最低, 普遍在750 hPa以下, 其次是北方气流(聚类3), 西北气流(聚类1、2、4)的输送高度最高, 且轨迹运行距离越长, 气团移动速度越快, 输送高度越高.同时发现, 气团由远及近抵达银川时, 东南气流气团输送高度呈现出先降低后升高的变化特征, 北方气流和短距离西北气流气团输送高度变化较小, 中长距离西北气流气团输送高度呈先增加后降低的变化特征.
图 3(Fig. 3)

图 3 2014—2016年银川年及四季后向轨迹高度变化 Fig. 3Vertical variations of backward trajectories in the whole year and four seasons in Yinchuan over 2014—2016

四季各类气流轨迹高度变化特征与年基本一致.春季, 占比较高的南方回旋气流轨迹(聚类2)的高度最低, 普遍在750~780 hPa之间；其次是北方气流(聚类4), 西北气流轨迹高度均较高, 且移速最快、距离最长的占比最低的聚类3的高度最高.出现比例最高的东南气流轨迹是夏季各类轨迹中输送高度最低的, 普遍在720~760 hPa之间, 比例最低的长距离西北气流则是最高的, 输送高度普遍高于650 hPa, 北方气流、东北气流及短距离西北气流的输送高度相当, 约在680~720 hPa之间.秋季, 占比较高的近距离盘旋的南方气流的输送高度最低, 占比较小的长距离西北气流的输送高度最高, 北方气流和中短距离西北气流输送高度相当, 且随气团移动高度变化不大.占冬季轨迹总数比例较大的轨迹较短、移速较慢的聚类3和聚类2的气流输送高度最低, 轨迹稍长、移速稍快的聚类4和聚类5次之, 轨迹最长、移速最快的聚类1的输送高度最高.
总的来讲, 除冬季外, 春、夏、秋三季均是占比较高的偏南气流的输送高度最低, 占比较低的长距离西北气流的输送高度最高.
3.3 不同气流轨迹对大气污染物浓度的影响基于后向轨迹聚类结果, 计算各类轨迹对应的大气颗粒物浓度算术平均值(图 4), 以分析各类气流轨迹对银川大气颗粒物的影响.可以看出, 西北气流轨迹对应的PM₁₀和PM_2.5平均浓度均较高, 其中, 来自哈萨克斯坦西部、新疆北部、蒙古国西南部、内蒙古西部的长距离西北气流轨迹(聚类1)的PM₁₀和PM_2.5平均浓度均最高, 分别为122.2和52.9 μg · m^-3；中、短距离西北气流轨迹(聚类4、2)对应的PM₁₀平均浓度分别为110.4和108.3 μg · m^-3, 对应的PM_2.5平均浓度分别为50.6和51.8 μg · m^-3.来自陕西西南部、甘肃东部的东南气流轨迹(聚类5)对应的PM₁₀和PM_2.5平均浓度均分别为105.8和46.1 μg · m^-3；来自内蒙古中西部的北方气流轨迹(聚类3)对应的PM₁₀和PM_2.5平均浓度明显低于西北气流和东南气流, 分别为86.8和43.9 μg · m^-3.说明西北气流轨迹是影响银川PM₁₀和PM_2.5质量浓度的最重要输送路径, 其次是东南气流轨迹, 北方气流轨迹对银川颗粒物浓度影响较小.
图 4(Fig. 4)

图 4 2014—2016年银川年及四季各类轨迹大气颗粒物平均浓度 Fig. 4Cluster-mean concentrations of all the trajectory groups in the whole year and four seasons in Yinchuan over 2014—2016

从不同季节来看, 春季长西北气流轨迹(聚类3)对应的PM₁₀平均浓度最高, 为164.1 μg · m^-3；西南盘旋气流和短距离西北气流对应的PM₁₀浓度相当, 分别为127.1和123.3 μg · m^-3；中距离西北气流(聚类5)对应的PM₁₀浓度较低, 为104.5 μg · m^-3；北方气流(聚类4)对应的PM₁₀浓度最低, 为85.0 μg · m^-3.春季PM_2.5平均浓度中, 西南盘旋气流最高为48.7 μg · m^-3, 长距离西北气流次之, 为46.8 μg · m^-3, 再次为短距离西北气流(42.7 μg · m^-3), 北方气流最低, 为32.8 μg · m^-3.说明来自哈萨克斯坦西部、新疆北部、内蒙古西北部的长西北气流轨迹和来自陕西西南部、甘肃东部、宁夏中部的东南气流轨迹是影响春季银川颗粒物水平的重要输送路径, 特别前者是影响银川春季PM₁₀质量浓度的主要输送路径.
夏季, 西北气流轨迹(聚类4、2)对应的PM₁₀平均浓度较高, 分别为89.8和85.5 μg · m^-3；北方气流轨迹(聚类5)和东南气流轨迹(聚类1)对应的PM₁₀浓度稍低, 分别为75.5和74.7 μg · m^-3；东北气流轨迹对应的PM₁₀浓度最低(64.8 μg · m^-3).短距离西北气流轨迹(聚类4)对应的PM_2.5平均浓度最高, 为40.1 μg · m^-3；其次是东南气流轨迹(聚类1)和北方气流轨迹(聚类5), PM_2.5平均浓度分别为36.4和34.4 μg · m^-3；长距离西北气流轨迹(聚类2)和东北气流轨迹(聚类3)对应的PM_2.5平均浓度较低, 分别为31.6和31.2 μg · m^-3.表明影响夏季银川大气颗粒物浓度的最重要输送路径是来自新疆北部、内蒙古西北部方向的气流轨迹, 其次是来源于甘肃东部、宁夏中部的东南气流轨迹和来自内蒙古中西部的北方气流轨迹.
秋季, 中、长距离西北气流轨迹(聚类2、3)对应的PM₁₀和PM_2.5平均浓度均为各类轨迹中最高的, 浓度分别为109.4、108.7 μg · m^-3(PM₁₀)和56.6、52.5 μg · m^-3(PM_2.5)；其次是回旋南方气流(聚类1), PM₁₀和PM_2.5的平均浓度分别为90.1和50.5 μg · m^-3；再次是短距离西北气流(聚类5), PM₁₀和PM_2.5的平均浓度分别为88.1和45.3 μg · m^-3；北方气流(聚类4)对应的PM₁₀和PM_2.5的平均浓度最低, 分别为57.5和26.4 μg · m^-3.说明影响银川秋季颗粒物浓度的最主要输送路径为西北气流轨迹, 次要输送路径为回旋南方气流轨迹.
冬季, 偏西气流轨迹下颗粒物浓度较高, 聚类3、2、4对应的PM₁₀的平均浓度分别为135.6、135.1和126.1 μg · m^-3, 对应的PM_2.5平均浓度分别为80.0、78.8和69.4 μg · m^-3, 偏西北气流轨迹(聚类1、5)对应的PM₁₀和PM_2.5平均浓度相对较低.表明来自新疆中南部、甘肃北部、内蒙古西北部的偏西气流是影响冬季银川大气颗粒物浓度的最主要输送路径, 特别是短距离偏西气流.
综上所述, 由于西北气流途径吐鲁番盆地、塔克拉玛干沙漠、河西走廊、腾格里沙漠、巴丹吉林沙漠等沙漠戈壁地带, 且输送高度较高, 远距离输送使其成为影响银川年及四季大气颗粒物浓度的最主要输送路径.东南气流所经四川、陕西、甘肃东部等区域人口密集, 污染排放较重, 且东南气流通常在比较低的边界层范围内缓慢移动, 污染物不易扩散, 致使其成为影响银川PM₁₀和PM_2.5污染的另一主要输送路径.
3.4 污染气流潜在源区分析利用TrajStat软件对银川PM₁₀和PM_2.5开展污染气流潜在源区分析, PSCF计算结果见图 5.年PM₁₀的PSCF高值区主要分布于新疆中东部、甘肃、青海北部和内蒙古西部, 是银川PM₁₀的潜在源区；同时, 四川东北部、陕西西南部和甘肃东部的PSCF值也较高, 对银川PM₁₀浓度有一定影响.年PM_2.5高的PSCF值主要集中于新疆南部, 以及新疆、甘肃、青海交界地带、甘肃河西走廊、内蒙古西南部及四川东北部、陕西西南部和甘肃东部, 是影响银川PM_2.5浓度的潜在源区.
图 5(Fig. 5)

图 5 2014—2016年银川年及四季PSCF分布 Fig. 5Distribution of potential source of PM10 and PM2.5 in the whole year and four seasons in Yinchuan over 2014—2016

春季PM₁₀高PSCF值主要集中在新疆、甘肃、内蒙古, 是PM₁₀的潜在源区；另外, 四川北部、陕西西南部、甘肃东北部、宁夏中南部等地对银川春季PM₁₀也有一定的潜在贡献.夏季、秋季及冬季PM₁₀高PSCF值均主要集中于新疆中东部、甘肃河西走廊、内蒙古西部, 只是区域范围有所差异, 冬季最广, 其次是秋季, 夏季分布范围最小.
春季PM_2.5高PSCF值分布在新疆东部、甘肃、内蒙古的分散性区域；夏季PM_2.5较高PSCF值主要位于宁夏中东部；秋季PM_2.5高PSCF值集中在新疆东部、甘肃、内蒙古西南部、宁夏西北部及陕西西南部, 为秋季PM_2.5的潜在源区；冬季PM_2.5高PSCF值是四季中分布范围最广的, 位于新疆东部、蒙古国西南部、甘肃河西走廊、内蒙古西部及宁夏大部.
比较而言, PM₁₀和PM_2.5的PSCF高值区域分布范围的季节变化特征有所差异, PM₁₀的PSCF高值区冬季最广, 其次是春季, 再次是秋季, 夏季最小.冬季PM_2.5的PSCF高值区最广, 且数值较PM₁₀的高, 与PM₁₀不同, 秋季PM_2.5的PSCF高值区域较广, 但春季和夏季分布区域明显较秋、冬两季减少.
3.5 浓度权重轨迹分析使用TrajStat软件计算了2014—2016年银川市年及四季PM₁₀和PM_2.5浓度权重轨迹CWT, 结果如图 6.图中CWT值越大, 表示该网格区域对受点银川市污染物质量浓度贡献越大.可以看出, 年PM₁₀浓度权重轨迹的高值区主要集中在新疆中东部、蒙古国西南部、甘肃、内蒙古中西部、青海北部及四川北部、陕西西南部, 日均PM₁₀质量浓度贡献普遍超过60 μg · m^-3.年PM_2.5的CWT高值区主要位于新疆、青海、甘肃交界地带, 以及甘肃河西走廊、内蒙古西部, 对银川年PM_2.5质量浓度贡献在40~60 μg · m^-3之间, 陕西西南部、甘肃东部、宁夏中南部区域的CWT值也较高, 日均PM_2.5质量浓度贡献普遍在40 μg · m^-3以上.
图 6(Fig. 6)

图 6 2014—2016年银川年及四季CWT分布 Fig. 6Distribution of concentration-weighted trajectory method analysis in the whole year and four seasons in Yinchuan over 2014—2016

春季PM₁₀浓度权重轨迹的高值区主要集中在内蒙古西部的巴丹吉林沙漠及新疆塔里木盆地和吐鲁番盆地、甘肃河西走廊, 日均PM₁₀质量浓度贡献超过60 μg · m^-3；另外, 陕西西南部和甘肃东北部、宁夏东部、内蒙古南部交界地带的局部地区CWT值也较高.夏季PM₁₀高CWT值主要集中在内蒙古西部、宁夏北部和陕西西南部, 对银川夏季日均PM₁₀质量浓度贡献普遍超过60 μg · m^-3, 强贡献源区周围为中等贡献源区, 对银川夏季PM₁₀质量浓度贡献在40~60 μg · m^-3之间.秋季PM₁₀高CWT区主要集中在内蒙古西部巴丹吉林沙漠及新疆东部、河西走廊, 日均PM₁₀质量浓度贡献在60 μg · m^-3以上；同时, 陕西西南部和甘肃东北部、宁夏中部的局部地区CWT值也较高.冬季PM₁₀高CWT值主要分布于新疆塔里木盆地和吐鲁番盆地、甘肃北部、内蒙古西北部, 日均PM₁₀质量浓度贡献超过60 μg · m^-3, 中等强度贡献源区主要分布在蒙古国西南部及其与新疆、甘肃、内蒙古的交界地带.比较而言, 春季CWT高于60 μg · m^-3的区域分布范围最广, 其次是冬季和秋季, 夏季最小.
春季PM_2.5高CWT值主要集中在内蒙古腾格里沙漠及宁夏北部, 日均PM_2.5质量浓度贡献约在40~60 μg · m^-3之间, 河西走廊、内蒙古西北部和陕西西南部、甘肃东北部、宁夏东部对春季银川PM_2.5质量浓度也有一定影响, 贡献约在20~40 μg · m^-3之间.夏季PM_2.5的CWT较高值分布区域与春季基本一致, 在内蒙古腾格里沙漠和宁夏北部地区, 但日均PM_2.5质量浓度贡献低, 普遍在30~40 μg · m^-3之间, 银川夏季日均PM_2.5质量浓度贡献为10~30 μg · m^-3的潜在源区较春季的面积大.秋季PM_2.5的CWT高值区主要集中在内蒙古西部腾格里沙漠、巴丹吉林沙漠和新疆东部, 日均PM_2.5质量浓度贡献在40 μg · m^-3以上, 部分地区甚至超过60 μg · m^-3.冬季PM_2.5的CWT值超过60 μg · m^-3的区域是4个季节中分布范围最广的, 主要集中在新疆东部库姆塔格沙漠和内蒙古腾格里沙漠、巴丹吉林沙漠, 内蒙古西北部、甘肃北部CWT也较高, 普遍在40~60 μg · m^-3, 新疆塔里木盆地和吐鲁番盆地CWT值约在30~40 μg · m^-3.
4 结论(Conclusions)1) 2014—2016年, 银川平均PM₁₀质量浓度为105.1 μg · m^-3, 超过国家二级标准值0.5倍, 且冬季浓度最高, 春季次之, 秋季再次, 夏季最低.2014—2016年, 年平均PM_2.5质量浓度为49.3 μg · m^-3, 超标0.4倍, 冬季浓度最高, 其次是秋季, 再次是春季, 夏季浓度最低.
2) 2014—2016年银川后向气流轨迹聚类分析结果表明, 输送距离最长、高度最高、移速最快的西北气流轨迹占总轨迹的比例最高, 达66.7%, 且气团移动速度和高度与轨迹距离呈正比；输送高度较低、距离最短、移速最慢的北方气流轨迹占总轨迹数的24.3%；东南气团占总轨迹数的9%, 输送距离和移速介于前两者之间, 但输送高度较西北气流和北方气流低.西北气流轨迹对应的银川PM₁₀和PM_2.5平均浓度均较高, 是影响银川颗粒物质量浓度的最重要输送路径, 其次是东南气流轨迹, 北方气流轨迹对银川颗粒物浓度影响较小.PSCF和CWT分析发现, 新疆中东部、新疆、甘肃、青海交界地带、蒙古国西南部、甘肃河西走廊、内蒙古中西部、青海北部以及四川北部、陕西西南部、甘肃东部是影响银川PM₁₀和PM_2.5浓度的两个主要潜在源区.
3) 四季来看, 春、秋、冬三季，中、短距离西北气流占气流轨迹总数的比例最高, 夏季东南气流占比最高, 但夏季南方气流和北方气流占比较春、秋两季高, 冬季未出现南方气流和北方气流, 春季和冬季气流轨迹输送距离普遍比夏季和秋季长.除冬季外, 春、夏、秋三季均是偏南气流的输送高度最低, 四季长距离西北气流的输送高度均最高.影响春、夏、秋三季银川颗粒物浓度水平的最重要输送路径为西北气流, 其次是东南气流, 再次是北方气流, 影响冬季银川颗粒物浓度的最主要路径是来自新疆中南部、甘肃北部、内蒙古西北部的偏西气流.新疆、甘肃、蒙古国西南部、内蒙古中西部、青海北部以及四川北部、陕西西南部、甘肃东部是影响银川四季PM₁₀和PM_2.5浓度的两个主要潜在源区, 只是各季节区域范围有所差异, 春、冬季最广, 秋季次之, 夏季分布范围最小.
致谢(Acknowledgements):中国气象科学研究院安兴琴研究员和北京师范大学吴其重副教授在论文撰写中给予了帮助, 在此表示感谢！
参考文献

Ashbaugh L L, Malm W C, Sadeh W Z, et al. 1985. A residence time probability analysis of sulfur concentrations at Grand Canyon National Park[J]. Atmospheric Environment, 19(8): 1263–1270.DOI:10.1016/0004-6981(85)90256-2

陈燕, 蒋维楣, 郭文利, 等. 2005. 珠江三角洲地区城市群发展对局地大气污染物扩散的影响[J]. 环境科学学报, 2005, 25(5): 700–710.

Draxler R R, Hess G D. 1998. An overview of the HYSPLIT_4 modeling system for trajectories, dispersion, and deposition[J]. Australian Meteorological Magazine, 47: 295–308.

Dutkiewicz V A, Qureshi S, Khan A R, et al. 2004. Sources of fine particulate sulfate in New York[J]. Atmospheric Environment, 38(20): 3189.

国家环境保护部. HJ633-2012. 中华人民共和国国家环境保护标准环境空气质量指数(AQI)技术规定[S]. 北京: 中国环境科学出版社

Hopke P K, Gao N, Cheng M D. 1993. Combining chemical and meteorological data to infer source areas of airborne pollutant[J]. Chemometrics and Intelligent Laboratory Systems, 19(2): 187–199.DOI:10.1016/0169-7439(93)80103-O

缑晓辉, 严晓瑜, 刘玉兰, 等. 2016. 银川地区大气颗粒物浓度变化特征及其与气象条件的关系[J]. 气象与环境学报, 2016, 32(6): 58–68.

Hsu Y K, Holsen T M, Hopke P K. 2003. Comparison of hybrid receptor models to locate PCB sources in Chicago[J]. Atmospheric Environment, 37(4): 545–562.DOI:10.1016/S1352-2310(02)00886-5

姜玲. 2003. 银川市城市环境质量状况及污染防治[J]. 宁夏工程技术, 2003, 2(1): 16–18.

刘娜, 余哗, 陈晋北, 等. 2012. 兰州春季沙尘过程PM10输送路径及其潜在源区[J]. 大气科学学报, 2012, 35(4): 477–486.

刘世玺, 安俊琳, 朱彬, 等. 2010. 远距离输送作用对南京大气污染的影响[J]. 生态环境学报, 2010, 19(11): 2629–2635.DOI:10.3969/j.issn.1674-5906.2010.11.019

刘玉兰, 肖云清. 2002. 银川市空气质量超标的天气形势分析[J]. 气象科学, 2002, 23(4): 460–466.

马林, 安兴琴, 朱彬, 等. 2014. 上甸子本底站卤代温室气体大气浓度短期波动的个例分析[J]. 大气科学学报, 2014, 37(4): 493–501.

Polissar A V, Hopke P K, Harris J M. 2001. Source regions for atmospheric aerosol measured at Barrow, Alaska[J]. Environ Sci Technol, 35: 4214–4226.DOI:10.1021/es0107529

Polissar A V, Hopke P K, Paatero P, et al. 1999. The aerosol at Barrow, Alaska:long-term trends and source locations[J]. Atmospheric Environment, 33: 2441–2458.DOI:10.1016/S1352-2310(98)00423-3

桑建人, 刘玉兰. 2005. 银川市可吸入颗粒物(PM10)来源解析[J]. 气象科学, 2005, 25(1): 40–47.

Seibert P, Kromp-Kolb H, Baltensperger U, et al. 1994. Trajectory analysis of aerosol measurements at high alpine sites[J]. Transport and Transformation of Pollutants in the Troposphere: 689–693.

Stein A F, Draxler R R, Rolph G D, et al. 2015. NOAA's HYSPLIT atmospheric transport and dispersion modeling system[J]. Bull Amer Meteor Soc, 96: 2059–2077.DOI:10.1175/BAMS-D-14-00110.1

王芳, 陈东升, 程水源, 等. 2009. 基于气流轨迹聚类的大气污染输送影响[J]. 环境科学研究, 2009, 22(6): 637–642.

王茜. 2013. 利用轨迹模式研究上海大气污染的输送来源[J]. 环境科学研究, 2013, 26(4): 357–363.

Wang Y Q, Zhang X Y, Arimoto R. 2006. The contribution from distant dust sources to the atmospheric particulate matter loading at Xi'an, China during spring[J]. Science of the Total Environment, 368: 875–883.DOI:10.1016/j.scitotenv.2006.03.040

Wang Y Q, Zhang X Y, Draxler R R. 2009. TrajStat:GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data[J]. Environmental Modeling and Software, 24(8): 938–939.DOI:10.1016/j.envsoft.2009.01.004

Xu X, Akhtar U S. 2010. Identification of potential regional sources of atmospheric total gaseous mercury in Windsor, Ontario, Canada Using hybrid receptor modeling[J]. Atmos Chem Phys, 10: 7073–7083.DOI:10.5194/acp-10-7073-2010

严晓瑜, 缑晓辉, 刘玉兰, 等. 2015. 银川市大气污染物浓度变化特征及其与气象条件的关系[J]. 气象与环境学报, 2015, 31(2): 21–30.

Zeng Y, Hopke P K. 1989. A study of the sources of acid precipitation in Ontario, Canada[J]. Atmospheric Environment, 23(7): 1499–1509.DOI:10.1016/0004-6981(89)90409-5

张志刚, 高庆先, 韩雪琴, 等. 2004. 中国华北区域城市间污染物输送研究[J]. 环境科学研究, 2004, 17(1): 14–20.