, 莫招育2,3
, 刘慧琳2,3, 陈志明2,3, 李宏姣2, 张达标2, 穆奕君2, 杨俊超2, 梁桂云2, 王丹媛21. 广西医科大学公共卫生学院卫生毒理学教研室, 南宁 530021;
2. 广西壮族自治区环境保护科学研究院, 南宁 530022;
3. 广西西江流域生态环境与一体化发展协同创新中心, 南宁 530001
收稿日期: 2020-07-23; 修回日期: 2020-10-13; 录用日期: 2020-10-13
基金项目: 广西重点研发计划项目（No.桂科AB20238014）；广西自然科学基金项目（No.2019GXNSFBA185039，2019GXNSFAA185061）；广西大气污染源解析及预报预警工程技术中心
作者简介: 黄炯丽(1985—), 女, E-mail: huangjiongli123@163.com
通讯作者（责任作者）: 莫招育, E-mail: 65678503@qq.com
摘要：2020年1月31—2月2日新冠肺炎疫情期间，广西发生的一次区域性大气PM2.5污染引发社会关注.以南宁市为例，利用在线气体组分及气溶胶监测系统（MARGA）、颗粒物激光雷达，结合地面气态污染物和气象数据卫星火点和后向轨迹等分析本次PM2.5污染成因.依据空气质量分指数，将观测过程划分为优、良和污染3个时段.结果表明，污染时段与生物质焚烧相关的K+、Cl-明显升高，K+、Cl-平均浓度分别为优时段的3.6和17.0倍.3个时段8种水溶性离子总浓度占PM2.5均在30%左右，3种二次水溶性离子浓度之和占8种离子总浓度的比例为83.33%~89.18%，二次无机组分占比高，与秸秆焚烧促进二次转化有关.二次水溶性离子浓度变化趋势与占比不一致，除了与秸秆燃烧排放特征有关，还与不同二次无机离子形成的机制及主要影响因素不同有关.秸秆焚烧火点集中分布在良时段的南宁市及周边城市，良时段秸秆露天焚烧直接排放大量颗粒物、气态污染物等，在污染时段边界层高度明显下降，湿度增加、静风等不利气象条件下积累，是造成疫情期间南宁市大气PM2.5污染的主因.污染时段南宁市无明显的颗粒物垂直传输过程，近地面主要受到广东、广西北部湾偏南气流影响，区域污染传输小.
关键词：秸秆焚烧水溶性离子PM2.5气象要素新冠肺炎
Analysis on the causes of PM2.5 pollution in Nanning City in February 2020
HUANG Jiongli1,2
, MO Zhaoyu2,3, LIU Huilin2,3, CHEN Zhiming2,3, LI Hongjiao2, ZHANG Dabiao2, MU Yijun2, YANG Junchao2, LIANG Guiyun2, WANG Danyuan21. Department of Toxicology, School of Public Health, Guangxi Medical University, Nanning 530021;
2. Scientific Research Academy of Guangxi Environmental Protection, Nanning 530022;
3. The Collaborative Innovation Center of the Ecological Environment & Integration Development in the Xijiang River Basin, Nanning 530001
Received 23 July 2020; received in revised from 13 October 2020; accepted 13 October 2020
Abstract: During the novel coronavirus (COVID-19) lock down from 31st January to 2nd February,a regional atmospheric PM2.5 pollution episode had arosed concerns of society in Guangxi. Based on Nanning as an sampling site,Monitor for Aerosols and Gases in Ambient Air (MARGA),particulate LiDAR,surface meteorological and environmental data,satellite remote sensing data and modeled HYSPLIT4 trajectory were used to analyze the cause of PM2.5 pollution. According to the air quality sub-index,the observation durations were classified as the superior period,the fine period and the polluted period. The results indicated that K+ and Cl- concentrations closely related to biomass burning (BB) increased significantly during the polluted period. The average concentrations of K+ and Cl- in polluted period were 3.6 and 17.0 times higher than those corresponding figures of the superior period. The total concentration of eight water-soluble ions accounted for about 30% of PM2.5 in all three periods. The total concentration of three secondary water-soluble ions accounted for 83.33%~89.18% of the total concentration of eight ions. The high proportion of secondary inorganic components was related to the secondary transformation promoted by BB. The variation trends of proportion and levels of secondary water-soluble ions were not consistent,which was not only attributed to the emission characteristics of straw combustion,but also related to the formation mechanism and main influencing factors of different secondary inorganic ions. Straw burning spots were centralized around Nanning city during the fine period. The accumulation of direct emissions of particulate and gaseous pollutants caused by open burning of straw during the fine period under decreased boundary layer height,increased humidity and low wind speed were the main causes for atmospheric PM2.5 pollution in Nanning. During the polluted period,there was no obvious vertical transmission process of particulate matter in Nanning. The near ground was mainly affected by the southward airflow from the Beibu Gulf of Guangxi and Guangdong coastal,which indicated the regional pollution transmissions were insignificant.
Keywords: biomass burningwater-soluble ionsPM2.5key meteorological parametersCOVID-19
1 引言(Introduction)大气污染是人类面临的重大环境挑战(楚碧武等, 2020).我国自实施《大气污染防治行动计划》以来, 城市大气PM2.5浓度逐年下降, 大气污染治理取得阶段性成效(Zhang et al., 2019), 但进一步提升环境空气质量优良天数比率的难度加大, 精准控制的要求日益突出.尤其是在新冠肺炎疫情期间仍发生大气污染事件, 更是对大气污染治理提出了新挑战.中国为抗击2019年爆发的新冠肺炎疫情, 采取多种措施减少社会生产生活活动(Wang et al., 2019).新冠疫情的特殊时期, 生产生活产生的大气污染物排放明显下降(Bao et al., 2020), 但华北平原仍发生了严重的大气污染(Wang et al., ).2020年1月31—2月2日, 新冠疫情期间, 广西也发生了一次区域性大气PM2.5污染过程, 其中南宁市在2月1日和2日分别为轻度和中度污染, 在道路机动车锐减, 工地尚未开工的疫情背景下, 研究大气污染的成因对精准治污具有重要意义.
一方面, 水溶性无机离子, 尤其是二次水溶性无机离子(NO3-、SO42-、NH4+)作为PM2.5的重要组分, 由相应的气态污染物经过化学转化生成二次颗粒物, 其浓度、组成、吸湿性等的变化与大气PM2.5污染的发生发展有关(Li et al., 2016; Wang et al., 2016).另一方面, 研究(Wang et al., 2014; Qin et al., 2016)认为大气重污染是内外因综合作用的结果, 高湿、静风、逆温及异常气象条件等是主要外因, 内因是由污染源直接排放的大量颗粒物在不利气象条件下累积, 造成重污染的发生.不利气象条件是造成PM2.5污染的主要影响因素之一(Liang et al., 2017; Fu et al., 2017; Wang et al., 2020).故本文以南宁市为例, 利用在线气体组分及气溶胶监测系统分析疫情期间南宁市大气PM2.5水溶性无机离子污染特征, 同时利用气象监测、秸秆焚烧火点监测、颗粒物激光雷达监测等手段, 分析污染源、气象和传输的影响, 为南宁市乃至广西大气污染精准防控提供参考依据.
2 材料与方法(Materials and methods)2.1 观测地点及时间观测点位于南宁市广西壮族自治区环境保护科学研究院西南大气观测站(22°48′24.5′′N, 108°20′0.7′′E), 距离地面约30 m.站点处于南宁市城市建成区较为中心的位置, 周边以商住区、学校、居民生活区为主, 靠近教育路、星湖路等车流较为密集的交通干道, 上下班高峰期车流较多, 易发生拥堵.观测期为2020年1月28日—2月3日, 对应农历初四—初十.由于受新冠肺炎疫情影响, 广西按照国家要求, 延长2020年春节假期至2月2日, 并作出延迟广西区内企业复工、学校开学至2月9日的决定.因此, 观测期间观测站点附近道路车辆稀少, 餐饮店、学校等处在闭门状态.
2020年1月28日—2月3日, 南宁市环境空气质量由优-良-轻度污染-中度污染-良.依据空气质量PM2.5分指数, 将观测过程划分为优、良和污染3个时段, 划分标准：理论上PM2.5小时浓度均值≤35、36~75、＞75 μg · m-3分别为优、良和污染时段, 同时兼顾各时段观测过程的连续性, 每个时段PM2.5小时浓度均值能满足相应划分标准的小时数达到总观测小时数的75%即可.据此观测过程划分为优时段(1月28日00:00—1月29日14:00)、良时段(1月29日15:00—2月1日15:00)和污染时段(2月1日16:00—2月3日06:00), 表 1显示, 优、良和污染时段PM2.5满足相应划分标准的小时数占比分别为76.9%、82.8%和97.4%, 污染过程的划分较为合理.
表 1(Table 1)
| 表 1 观测期间不同时段划分 Table 1 Classification of the observation durations | ||||||||||||||||||||||||||||
表 1 观测期间不同时段划分 Table 1 Classification of the observation durations
| ||||||||||||||||||||||||||||
 |
2.2 PM2.5中可溶性无机离子组分采用由Metrohm Applikon与荷兰能源研究中心(ECN)共同研制的在线气体组分及气溶胶监测系统(MARGA, ADI 2080)观测PM2.5中的水溶性无机离子NH4+、Na+、K+、Ca2+、Mg2+、Cl-、NO3-、SO42-和可溶性气体NH3、HONO, 时间分辨率为1 h, 原理及各项指标检出限参见文献(黄炯丽等, 2019).
采用式(1)、(2)(廖碧婷等, 2013)计算不同时段阳离子和阴离子的电荷浓度, 结果显示, 优、良和污染时段阴阳离子相关系数处在0.98~0.99之间, 均处在离子平衡范围, 说明数值可信.斜率均小于1, 表明阳离子浓度大于阴离子浓度, 样品弱碱性.
 | (1) |
 | (2) |
硫氧化率(SOR)、氮氧化率(NOR)分别表示SO2、NO2的二次转化作用.一般SOR和NOR的值越大, 表明硫氧化过程和氮氧化过程越强.具体的计算见公式(3)和(4)(Millero, 1996).
 | (3) |
 | (4) |
2.3 大气颗粒物激光雷达利用无锡中科光电技术有限公司的AGHJ-I-LIDAR型激光雷达对对流层大气气溶胶、云和大气边界层(PBL)的结构分布进行探测.激光雷达使用Nd: YAG激光器, 发射频率为20 Hz的532 nm(激光能量为25 mJ) 与355 nm(激光能量为30 mJ) 激光脉冲, 脉冲持续时间为6~9 ns.激光雷达主要性能参数及原理见文献(伍德侠等, 2015).本文利用大气颗粒物激光雷达监测的消光系数、退偏振比和边界层高度(PBLH)进行污染过程分析.
2.4 大气污染物PM2.5、PM10、CO、NOx、SO2的监测均采用赛默飞世尔科技公司的监测设备, 其中PM2.5采用光散射法和β射线吸收法同步混合监测(5030i型颗粒物同步混合监测仪), PM10采用β射线吸收法(FH62C14系列颗粒物连续监测仪), CO采用相关红外吸收法测量(48i型CO分析仪), NO和NO2用化学发光法监测(42i-HL型NO/NO2/NOx分析仪), SO2采用脉冲紫外荧光法(43i型SO2分析仪), 大气污染物时间分辨率为5 min, 均为24 h连续采样.
2.5 气象条件气温(T)、相对湿度(RH)、气压、风向(WD)、风速(WS)、小时降雨量等气象条件采用北京华创维想科技开发有限公司的太阳跟踪辐射仪(ASP31-UV雾霾臭氧型)监测, 时间分辨率为1 h.
3 结果与讨论(Results and discussion)3.1 污染过程总体情况表 2结果显示, 从环境空气常规污染物看, PM2.5、NO2、SO2、CO污染时段平均浓度分别为119、25、14 μg · m-3和1.05 mg · m-3, 分别是优时段的4.3、2.8、1.2和1.8倍, 浓度增加；污染时段O3平均浓度没有增加.污染时段HONO、NH3平均浓度分别为2.35、9.76 μg · m-3, 分别是优时段的4.1和3.5倍.气态污染物浓度增幅由大及小为HONO＞NH3＞NO2＞CO.优、良和污染时段PM2.5/PM10比值分别为0.82、0.89和0.86, 良和污染时段PM2.5相对优时段污染更明显, 但PM2.5占比没有显著增加.从气象条件看, 污染时段边界层高度(PBLH)、相对湿度(RH)、气温(T)、风速(WS)平均值分别为522 m、72%、16 ℃和0.69 m · s-1, 分别是优时段的0.37、1.2、1.5倍和1.2倍, 污染时段PBLH明显降低, RH增高, 而风速虽略有增加, 但仍属于低风速(郭梦婷等, 2016), 大气污染物扩散条件不利.
表 2(Table 2)
| 表 2 不同时段南宁市环境空气主要污染物和气象要素 Table 2 Key gaseous pollutant and meteorological parameters during different period in Nanning | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 2 不同时段南宁市环境空气主要污染物和气象要素 Table 2 Key gaseous pollutant and meteorological parameters during different period in Nanning
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
3.2 PM2.5中水溶性无机离子组分特征3.2.1 水溶性无机离子浓度特征表 3显示, NO3-、SO42-、NH4+、K+、Cl-平均浓度均为污染时段＞良时段＞优时段.污染时段NO3-、SO42-、NH4+、K+、Cl-平均浓度分别为12.75、6.61、6.94、2.70、2.37 μg · m-3, 分别是优时段的5.6、1.5、3.2、3.6和17.0倍, 污染时段离子浓度增幅为Cl-＞NO3-＞K+＞NH4+＞SO42-.污染时段Mg2+、Na+、Ca2+平均浓度分别为0.02、0.12、0.04 μg · m-3, 与优时段相比无明显波动.由于处在新冠肺炎疫情防控期, 机动车锐减, 建筑工地尚未开工, 扬尘影响小, 故Ca2+浓度小.K+是生物质燃烧源的标识组分, 生物质焚烧时也能产生大量的Cl-.观测期间, 与生物质焚烧排放有关的K+、Cl-浓度同步升高, 优、良、污染时段K+和Cl-相关系数分别为0.87、0.82、0.97, 显著相关, 提示两者可能具有同源性.K+还可以来源于烟花爆竹燃放, 但烟花爆竹燃放释放K+的同时, Mg2+会明显升高.观测期间Mg2+浓度低和占比均低, 变化幅度很小, 进一步说明K+主要来自生物质焚烧.刘慧琳等研究(2017)显示南宁市大气PM2.5冬季二次反应生成的污染物质较多, 元素碳数浓度占比以冬季最高, 主要来源于燃煤、机动车尾气以及生物质燃烧排放等.在疫情特殊背景下, 燃煤、机动车、扬尘源明显减少, 结合后文分析观测到南宁市及周边贵港、来宾等市秸秆大面积集中焚烧, 再次提示本次污染可能主要与生物质燃烧排放有关.
表 3(Table 3)
| 表 3 不同时段南宁市大气PM2.5中水溶性离子 Table 3 Water-soluble inorganic of PM2.5 during different period in Nanning | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 3 不同时段南宁市大气PM2.5中水溶性离子 Table 3 Water-soluble inorganic of PM2.5 during different period in Nanning
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
优、良、污染时段8种水溶性无机离子之和平均浓度分别为9.84、14.95、31.56 μg · m-3, 污染时段分别是优、良时段的2.1、3.2倍.优、良、污染时段3种水溶性二次无机离子浓度(NO3-、SO42-和NH4+)之和均值分别为8.80、12.92、26.30 μg · m-3, 污染时段分别是优、良时段的1.5、3.0倍.优、良、污染时段8种水溶性无机离子浓度占PM2.5的比例分别为33.88%、29.79%和26.52%, 无机水溶性离子占PM2.5均在30%左右.优、良、污染时段3种二次水溶性无机离子浓度之和平均浓度占8种无机离子总浓度的比例分别为89.18%、87.13%和83.33%, 二次无机组分占比均较高.研究(唐喜斌等, 2014)显示, 秸秆燃烧污染期间, 城市大气颗粒物、及其K+、Cl-以及NH4+、NO3-、SO42-等二次离子浓度显著增长, 秸秆焚烧对PM2.5贡献更为显著, 且促进大量二次污染物生成, 本研究结果与此相似.
3.2.2 水溶性无机离子浓度占比图 1显示, 优、良、污染时段K+占比分别为7.72%、8.43%、8.56%, 污染时段K+浓度明显升高, 是优时段的3.7倍, 但占比增幅较小(0.84%), 这可能是由于优、良时段也存在秸秆焚烧, 且以良时段秸秆火点最多(图 3), 但由于良时段大气扩散条件并不差, 未出现污染.污染时段由于PBLH下降, RH增加, 大气扩散条件不利, 导致良时段排放的污染物积累, K+浓度增高的同时, 其它离子组分浓度同样升高, 因此占比波动不大.优、良、污染时段Cl-占比分别为1.42%、3.81%、7.51%, 污染时段Cl-占比明显升高, 与其质量浓度变化趋势一致.可能与Cl-除来源秸秆焚烧外, 还与海盐传输等来源相关.
图 1(Fig. 1)
 |
| 图 1 2020年1月28日—2月3日PM2.5及其水溶性无机离子质量浓度和占比时间变化趋势 (2020年2月2日19:00—2月3日23:00因MARGA运行维护, 数据缺失) Fig. 1Time trend of the mass concentration and composition spectrum characteristics of water-soluble inorganic in PM2.5from 28th January to 3rd February |
优、良、污染时段NO3-占比分别为23.05%、28.49%、40.41%, 污染时段占比明显增加, 与浓度变化趋势一致.优、良、污染时段NH4+占比分别为22.34%、22.01%、22.00%, 污染时段占比与优、良相比变化不明显, 与浓度变化无一致性.优、良、污染时段SO42-浓度占比分别为43.96%、35.85%、20.95%, 污染时段占比明显下降, 与浓度变化趋势相反.优和良时段均以SO42-浓度占比居高, 可能与优和良时段均存在秸秆焚烧直接排放SO42-有关.研究(刘海利等, 2016)表明, 水溶性无机离子是农林生物质焚烧尘的重要组成部分, 其中SO42-、K+、Cl-和F-是最主要的4种水溶性无机离子.离子成分谱中二次水溶性无机离子NH4+、NO3-、SO42-浓度均随着污染程度加重而增加, 以NO3-增加最为明显.导致污染时段3种二次无机离子浓度均增加, 但占比却与浓度增加趋势各不相同的原因, 除了与秸秆燃烧排放特征有关, 还与不同二次无机离子形成的机制及主要影响因素不同有关.下文探讨本次污染过程不同类型二次无机离子形成影响因素.
3.2.3 二次转化分析优、良、污染时段SOR分别为0.77、0.64、0.50, 优、良时段高于污染时段；优、良、污染时段NOR分别为0.12、0.13、0.23, 污染时段明显高于优、良时段, 3个时段SOR与NOR变化规律相反, 与污染源排放、不同二次离子形成机制及影响因素不同有关.图 2结果显示, 总体上, SO42-、NO3-均与SO2、NO2、NH3、HONO呈正相关, SO2、NO2分别是SO42-、NO3-形成的气态前体物, NH3在参与SO42-形成过程中的重要性也逐渐被认识.近年, 不同****从实验模拟、场外观测, 证实NO2促进SO2转化为硫酸盐的机理(Wang et al., 2016; Li et al., 2018; Ma et al., 2018; Zhang et al., 2019;Wang et al., 2020), 较为一致观点是NO2、NH3在高RH条件下协同促进SO2液相氧化.
图 2(Fig. 2)
 |
| 图 2 SOR、NOR、SO42-、NO3-、主要气象条件和气态污染物时间变化 Fig. 2Time trend of the SOR, NOR, SO42-, NO3-, meteorological parameters, gaseous pollutant and from 28th January to 3id February |
表 4结果显示, 优、污染时段SO42-与NO3-之间相关系数分别为0.66、0.89, 呈显著正相关.结合前文分析, 优和污染时段没有明显秸秆焚烧, 且气象条件相对波动较小, 在排放源和气象条件相对稳定的情况下, SO42-与NO3-具有强相关性, 提示两者可能具有同源性.良时段两者相关性不明显, 良时段集中发生2次数量较多的秸秆焚烧, 气象条件, 尤其是PBLH与RH也发生较为明显的波动, 由于排放源和气象条件变化大, SO42-与NO3-无明显相关性, 这也正是二次转化机制的复杂性.进一步分析发现, 优、良、污染时段SO42-与RH的相关系数分别为-0.66、-0.51、-0.32, 均为负相关, 其中优、良时段呈显著负相关；优、良、污染时段NO3-与RH的相关系数分别为-0.47、0.69、-0.56, 优和污染时段呈显著负相关, 良时段呈显著正相关.观测过程RH均较高(58.9%的小时平均RH高于60%), 这可能是导致SO42-、NO3-与RH相关性没有呈现一致性规律的原因之一.不同时段SO42-、NO3-与SO2相关性均为正相关, 且污染越重, 相关系数越大.除良时段SO42-与NO2、HONO呈负相关外, 其余时段SO42-、NO3-与NO2、HONO均呈显著正相关, 尤其是污染时段, SO42-、NO3-与HONO相关系数分别为0.91和0.85.HONO是OH-的主要前体物(Li et al., 2018), 而OH-是大气氧化性的主要物质, 是二次气溶胶形成的重要化学驱动物质.
表 4(Table 4)
| 表 4 SO42-、NO3-与气态污染物(SO2、NO2、NH3、HONO)以及RH相关性 Table 4 The correlation between SO42-, NO3-and gaseous pollutant and RH during different period in Nanning | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 4 SO42-、NO3-与气态污染物(SO2、NO2、NH3、HONO)以及RH相关性 Table 4 The correlation between SO42-, NO3-and gaseous pollutant and RH during different period in Nanning
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
3.3 秸秆焚烧影响图 3和表 5显示, 1月28日—2月1日, 广西秸秆焚烧火点合计417个, 从空间分布看, 秸秆焚烧集中在广西中部南宁、贵港和来宾市, 北部柳州市和沿海北海市.秸秆焚烧数量由多及少排名前四为贵港(80个)＞南宁(75个)＞来宾(59个)＞柳州(37个), 南宁与贵港、来宾市均接壤, 柳州与来宾接壤, 4市秸秆焚烧火点之和占广西总数的60.2%.本次污染呈现区域性、污染物浓度快速上涨的特征, 以来宾、河池、南宁和柳州较为典型.1月31日, 河池、来宾和崇左3个城市出现污染, 其中来宾中度污染, 河池和崇左为轻度污染.2月1日, 来宾重度污染, 河池中度污染, 南宁、柳州、桂林、贵港、贺州和崇左轻度污染.2月2日, 受东南气流和分散降水影响, 污染整体有所减轻, 但南宁污染逐步加重, 出现中度污染, 来宾和百色中度污染, 柳州、贵港、贺州、河池、崇左轻度污染.秸秆火点数量多的城市, 污染越较重.河池虽监测的秸秆焚烧火点数量不多, 但春耕有“炼山”习俗, 可能与山火有关.
图 3(Fig. 3)
 |
| 图 3 不同时段广西秸秆焚烧火点分布图 Fig. 3Crop residue burning spots of Guangxi province during different period |
表 5(Table 5)
| 表 5 广西城市不同时段秸秆焚烧火点数量 Table 5 Crop residue burning spots of Guangxi cities during different period ? | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 5 广西城市不同时段秸秆焚烧火点数量 Table 5 Crop residue burning spots of Guangxi cities during different period ?
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
有研究(陆炳等, 2011)显示广西生物质燃烧污染物排放总量在全国31个省份较高.甘蔗制糖业是广西传统的特色产业, 其中南宁、来宾、贵港市是主要的糖料甘蔗产区, 南宁市甘蔗种植面积和蔗糖产量一直稳居广西第一, 与其接壤的来宾市蔗糖产量则排名第二.广西蔗区农民多集中在春耕时节, 尤其是春节期间, 趁外出务工青壮年春节返乡, 抢收甘蔗, 砍收后剩余蔗叶一般就地焚烧.本次污染秸秆焚烧火点多集中在蔗区, 污染可能与甘蔗叶露天焚烧有关.本研究观测点虽在南宁市市区, 与秸秆焚烧发生的区域存在一定距离, 但研究表明生物质焚烧产生的PM2.5可长距离传输(Uranishi et al., 2019).且本次污染时段前期良时段, 南宁市及周边地区存在较大量秸秆焚烧, 呈现区域性, 排放污染物量大.从秸秆焚烧火点时间分布看, 优、良和污染时段秸秆焚烧火点分别42、371和4个, 良时段火点数量371个, 占监测到的总秸秆焚烧火点数89.0%, 分别是优、污染时段的8.8、92.8倍.秸秆焚烧火点集中在良时段的南宁及与其接壤的来宾、贵港市, PM2.5污染却未发生在良时段而爆发在污染时段2月1日16:00—2月3日06:00, 主要与不同时段的气象条件差异有关.观测期间秸秆焚烧主要发生在13:00—14:00, 其中优时段29日13:00—14:00秸秆焚烧火点37个, 占该时段88.1%, 良时段13:00—14:00时段296个, 占比79.8%, 污染时段秸秆焚烧火点最少, 仅4个.由图 4a进一步分析发现, PM2.5和NO2浓度变化趋势基本一致, 波峰出现的时间多紧随秸秆焚烧集中的时段(图 4a箭头1和箭头3), 研究(陆炳等, 2011)表明秸秆露天焚烧对NOx、OC和PM2.5等污染物贡献率分别为58.1%、61.5%、36.5%, 秸秆焚烧产生大量一次颗粒物和NO2.在新冠肺炎防疫的特殊时期, 工业企业、建筑工地和机动车等大气污染源排放减少的背景下, PM2.5、NO2和秸秆焚烧火点的时序变化特征提示本次污染与区域性秸秆焚烧排放污染物相关, 但污染时段火点最少, 也可能受到云量等影响火点的观测.以下结合秸秆焚烧火点和气象条件变化, 对PM2.5污染过程进行进一步深入分析.
图 4(Fig. 4)
 |
| 图 4 观测期间主要污染物、主要气象参数和边界层高度逐时变化 (以观测期间秸秆焚烧火点数量大于20的城市(贵港、南宁、来宾、柳州、北海、贺州、玉林)进行时序分析, 7个城市秸秆火点占总数的76.3% Fig. 4Hourly variation of key pollutant, main meteorological parameters and planetary boundary layer height (PBLH) during the observation |
3.4 气象因素影响在污染源相对稳定时, 气象条件是影响城市空气污染的主导因素(王继康等, 2017).RH、PBLH、WS等气象条件是大气PM2.5形成的重要影响因素(Zhang et al., 2015; Liu et al., 2018; 李翔翔等, 2019).优和污染时段未监测到明显污染源, 而良时段发现了2次较明显的秸秆焚烧.表 6结果显示.良时段PM2.5与PBLH相关系数-0.41, 呈显著负相关, 与RH相关系数为0.64, 呈显著正相关.良时段PBLH小时均值为1073 m, RH54%, 边界层相对较高, 湿度相对较低, 大气扩散条件相对有利, 污染物不易积累.良时段PM2.5、NO2的时间变化特征很好解释了相似污染源排放在不同气象条件影响下导致污染转归的差异.如图 4a箭头3和箭头4, 同样监测到较大数量秸秆焚烧, 但箭头3 PM2.5、NO2上升明显, 箭头4先降后升, 结合图 4b和4c分析, 箭头3对应时段PBLH明显下降, RH明显升高, 大气扩散条件不利, PM2.5、NO2均明显上升.而箭头4对应时段PBLH和WS明显上升, RH明显下降, 大气垂直和水平扩散条件有利, PM2.5升高不明显, NO2波峰宽平.污染时段火点数量最少PM2.5污染却最重, 与不利气象条件下污染物累积有关.风速小、混合层高度低, 会减缓污染物水平和垂直方向扩散, 较高RH会增加粒子吸湿增长, 进而导致污染天气发生.这与邓发荣等(2018)的研究相似.值得注意的是, 良时段大气扩散条件并不差, 但由于受到秸杆焚烧的影响, 空气质量也有所变差.表 3中污染时段PM2.5与PBLH、RH未呈现显著的相关性, 一方面与样本量相对较少有关, 另一方面污染时段PBLH和RH波动范围小.PM2.5与WS呈显著的正相关, 相关系数0.35, 提示污染时段在PBLH和RH相对稳定条件下, 风速成为主要影响因素.图 4b显示, 污染时段PBLH为333~681 m, 43.5%小时值小于500 m, RH为60%~87%, 82.1%小时值高于65%, WS为0~2.6 m · s-1, 82.1%小时值小于1 m · s-1, 静风频率高.可见污染时段大气垂直和水平扩散条件均不利, 导致良时段秸秆焚烧产生的污染物不断积累, 进而PM2.5爆长导致污染(图 4a箭头5)出现.污染时段2月2日9:00—18:00 PM2.5有较为明显的降低(图 4a箭头6), 主要与该时段风向变化较快, 风速相对增大, 污染物水平扩散条件好转有关.南宁市2月3日7:00开始出现明显降雨, 污染物快速消散(图 4a箭头7).
表 6(Table 6)
| 表 6 不同时段PM2.5浓度与PBLH、RH和WS相关系数 Table 6 The correlation between PM2.5 and PBLH, RH, WS during different period | |||||||||||||||||||||||||||||||||||||||||||||
表 6 不同时段PM2.5浓度与PBLH、RH和WS相关系数 Table 6 The correlation between PM2.5 and PBLH, RH, WS during different period
| |||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||
3.5 污染传输影响图 5a显示, 3个时段未观测到明显的颗粒物垂直传输过程, 气溶胶污染主要集中在边界层1 km以下局部地区.图 5b显示, 观测期间退偏振比均较低, 以PM2.5污染为主, 与PM2.5/PM10比值结论相一致.良时段颗粒物发生时间与前文秸秆焚烧火点集中发生的时段相一致.良时段1月30日夜间起, 受高压后部控制, 转弱偏南气流影响, 大气湿度增加, 大气扩散条件转差.2月1日, 随着PBLH明显下降, RH增加, PM2.5在近地面累积, 出现了轻度污染.随着PM2.5升高, 消光系数增大, PBLH进一步下降, RH上升, PM2.5继续吸湿增长, 气粒转化增强, 2月2日出现了中度污染.且2日南宁转弱东北风, 为弱辐合区, 0:00达到重度污染.由于高RH、低PBLH, 大气水平和垂直扩散能力差, 南宁及周边地区秸秆焚烧产生的污染物被压缩, 不断积累致污染发生.2月3日消光系数值在1.0 km-1以上, 退偏振比小, 南宁市出现了明显降雨, 湿沉降作用使污染物明显下降, 空气质量转良.有研究(Liu et al., 2018)提出边界层(PBL)-相对湿度(RH)-二次颗粒物(SPM)-颗粒物(PM)正向反馈机制, 该机制认为在霾事件开始阶段, PM浓度和RH水平低, PBLH高, 由于天气变化所致的大气扩散条件变差, 导致PM累积.升高的PM通过辐射效应使PBLH下降, 进而又促使PM和RH升高, 同时PM吸湿增长, 导致PM的辐射效应增强和PBLH进一步降低, RH因此继续升高并通过多相水反应增加SPM的形成.由于本研究观测时间较短, 有待进一步研究.
图 5(Fig. 5)
 |
| 图 5 1月28日—2月3日激光雷达监测的消光系数(532 nm)、退偏振比 Fig. 5Time trend of the extinction coefficient and depolarization ratio from 28th January to 3id February |
以南宁市经纬度(22.84°N, 108.33°E) 为参考点, 采用美国NOAA资源实验的HYSPLIT后向轨迹模式(https://www.arl.noaa.gov/)分析污染过程的区域传输.选取500、1000和1500 m 3个高度, 分别计算优、良、污染3个时段分界点39、73和39 h抵达南宁市的后向气流轨迹.图 6a显示, 南宁市优时段3个高度气流轨迹相似, 均主要受到途径柳州、来宾的气流影响, 图 6b显示良时段南宁市主要受到偏南气流的影响, 其中良时段近地面500 m高度主要受到途径广东、海南的气流影响, 1500 m高度主要受到来自东南亚国家气流影响.图 6c显示污染时段气流3个高度气流主要来自东南沿海一带.后向轨迹显示, 观测期间气流来自污染相对较轻的区域, 区域污染传输影响相对较小, 进一步说明南宁市本次PM2.5污染主要是受到本地及周边接壤城市的秸秆焚烧影响.
图 6(Fig. 6)
 |
| 图 6 南宁市1月28日—2月3日后向轨迹图 Fig. 6Backward trajectory figure from 28th January to 3id February in Nanning |
4 结论(Conclusions)1) 污染时段与生物质焚烧相关的K+、Cl-明显升高, K+、Cl-平均浓度分别为优时段的3.6和17.0倍.优、良、污染时段8种水溶性离子总浓度占PM2.5均在30%左右, 优、良、污染时段3种二次水溶性离子浓度之和占8种离子总浓度的比例分别为89.18%、87.13%和83.33%, 二次无机组分占比高, 与秸秆焚烧促进二次转化有关.
2) 不同时段, 二次水溶性离子浓度变化趋势与占比不一致, 除了与秸秆燃烧排放特征有关, 还与不同二次无机离子形成的机制及主要影响因素不同有关.污染时段NO3-浓度占比明显增加, 与NO2、HONO、RH增加, 促进NO2转化有关.优、良SO42-浓度占比高, 与秸秆焚烧直接排放SO42-有关.
3) 秸秆焚烧火点空间上集中分布在南宁市及周边贵港、来宾及柳州市, 4市火点占总数的60.2%, 时间上集中在良时段, 火点占总数89.0%.PM2.5波峰多紧随秸秆集中焚烧时段出现, 良时段南宁市本地和周边地区秸秆露天焚烧直接排放大量颗粒物、气态污染物等, 在污染时段边界层高度明显下降, 湿度增加、静风等不利气象条件下积累, 是造成疫情期间南宁市大气PM2.5污染的主因.
4) 污染时段观测点无明显的颗粒物垂直传输过程.南宁市近地面主要受到途径广东沿海, 广西北部湾偏南气流影响, 区域污染传输小.
参考文献
| Bao R, Zhang A. 2020. Does lockdown reduce air pollution? Evidence from 44 cities in northern China[J]. Science of the Total Environmental, 731: 139052. DOI:10.1016/j.scitotenv.2020.139052 |
| 楚碧武, 马庆鑫, 段凤魁, 等. 2020. 大气"霾化学": 概念提出和研究展望[J]. 化学进展, (1): 1-4. |
| 邓发荣, 康娜, Kumar Kanike-Raghavendra, 等. 2018. 长江三角洲地区大气污染过程分析[J]. 中国环境科学, 38(2): 401-411. |
| Fu H, Chen J. 2017. Formation, features and controlling strategies of severe haze-fog pollutions in China[J]. Science of the Total Environmental, 578: 121-138. DOI:10.1016/j.scitotenv.2016.10.201 |
| 黄炯丽, 陈志明, 莫招育, 等. 2019. 基于高分辨率MARGA分析桂林市PM2.5水溶性离子特征[J]. 中国环境科学, 39(4): 1390-1404. |
| 廖碧婷, 吴兑, 常越, 等. 2013. 广州地区SO42-、NO3-、NH4+与相关气体污染特征研究[J]. 环境科学学报, 34(6): 1551-1559. |
| 郭梦婷, 蔡旭, 晖宋宇. 2016. 全国低风速气象特征分析[J]. 北京大学学报(自然科学版), 52(2): 219-226. |
| Liang P, Zhu T, Fang Y, et al. 2017. The role of meteorological conditions and pollution control strategies in reducing air pollution in Beijing during APEC 2014 and Victory Parade 2015[J]. Atmospheric Chemistry and Physics, 17: 13921-13940. DOI:10.5194/acp-17-13921-2017 |
| Li J, Wang G, Ren Y, et al. 2016. Identification of chemical compositions and sources of atmospheric aerosols in Xi'an, inland China during two types of haze events[J]. Science of the Total Environmental, 566-567: 230-237. DOI:10.1016/j.scitotenv.2016.05.057 |
| Li L, Hoffmann M R, Colussi A J. 2018. Role of Nitrogen Dioxide in the Production of Sulfate during Chinese Haze-Aerosol Episodes[J]. Environmental Science and Technology, 52(5): 2686-2693. DOI:10.1021/acs.est.7b05222 |
| 刘海利. 2016. 农林生物质燃烧排放的大气颗粒物化学组分研究[D]. 太原: 太原理工大学 |
| 刘慧琳, 陈志明, 毛敬英, 等. 2017. 利用SPAMS研究南宁市四季细颗粒物的化学成分及污染来源[J]. 环境科学, 38(3): 894-902. |
| Liu Q, Jia X, Quan J, et al. 2018. New positive feedback mechanism between boundary layer meteorology and secondary aerosol formation during severe haze events[J]. Scientific Reports, 8(1): 6095. DOI:10.1038/s41598-018-24366-3 |
| 李翔翔, 秦晓晨, 彭王敏子, 等. 2019. 1960-2016年江西省霾日变化特征及气候成因分析[J]. 中国环境科学, 39(4): 1355-1364. DOI:10.3969/j.issn.1000-6923.2019.04.002 |
| 陆炳, 孔少飞, 韩斌, 等. 2011. 2007年中国大陆地区生物质燃烧排放污染物清单[J]. 中国环境科学, 31(2): 186-194. |
| Ma J, Chu B, Liu J, et al. 2018. NOx promotion of SO2 conversion to sulfate: An important mechanism for the occurrence of heavy haze during winter in Beijing[J]. Environmental Pollution, 233: 662-669. DOI:10.1016/j.envpol.2017.10.103 |
| Millero F J. 1996. Chemical oceanography[M]. Boca Raton: CRC Press. |
| Qin Y M, Li Y J, Wang H, et al. 2016. Particulate matter (PM) episodes at a suburban site in Hong Kong: evolution of PM characteristics and role of photo chemistry in secondary aerosol formation[J]. Atmospheric Chemistry and Physics, 16(22): 14131-14145. DOI:10.5194/acp-16-14131-2016 |
| 唐喜斌. 2014. 秸秆燃烧对灰霾天气的影响分析及其排放因子与颗粒物成分谱[D]. 上海: 华东理工大学 |
| Uranishi K, Ikemori F, Shimadera H, et al. 2019. Impact of field biomass burning on local pollution and long-range transport of PM2.5 in Northeast Asia[J]. Environmental Pollution, 244: 414-422. DOI:10.1016/j.envpol.2018.09.061 |
| Wang C, Horby P W, Hayden F G, et al. 2020a. A novel coronavirus outbreak of global health concern[J]. The Lancet, 395: 470-473. DOI:10.1016/S0140-6736(20)30185-9 |
| Wang H, Xu J Y, Zhang M, et al. 2014. A study of the meteorological causes of a prolonged and severe haze episode in January 2013over central-eastern China[J]. Atmospheric Environment, 98: 146-157. DOI:10.1016/j.atmosenv.2014.08.053 |
| 王继康, 花丛, 桂海林, 等. 2017. 2016年1月我国中东部一次大气污染物传输过程分析[J]. 气象, 43(7): 804-812. |
| Wang P, Chen K, Zhu S, et al. 2020b. Severe air pollution events not avoided by reduced anthropogenic activities during COVID-19 outbreak[J]. Resour Conserv Recycl, 158: 104814. DOI:10.1016/j.resconrec.2020.104814 |
| Wang S, Zeng X C, Li H, et al. 2020. A possible unaccounted source of atmospheric sulfate formation: amine-promoted hydrolysis and non-radical oxidation of sulfur dioxide[J]. Chemical Science, 11(8): 2093-2102. DOI:10.1039/C9SC04756E |
| 伍德侠, 宫正宇, 潘本锋, 等. 2015. 颗粒物激光雷达在大气复合污染立体监测中的应用[J]. 中国环境监测, 31(5): 156-162. |
| Zhang Q, Quan J, Tie X, et al. 2015. Effects of meteorology and secondary particle formation on visibility during heavy haze events in Beijing, China[J]. Science of the Total Environment, 502: 578-584. DOI:10.1016/j.scitotenv.2014.09.079 |
| Zhang Q, Zheng Y, Tong D, et al. 2019. Drivers of improved PM2.5 air quality in China from 2013 to 2017[J]. Proceedings of the National Academy of Sciences of the United States of America, 116(49): 24463-24469. DOI:10.1073/pnas.1907956116 |
| Zhang S, Xing J, Sarwar G, et al. 2019. Parameterization of heterogeneous reaction of SO2 to sulfate on dust with coexistence of NH3 and NO2 under different humidity conditions[J]. Atmospheric Environment, 208: 133-140. DOI:10.1016/j.atmosenv.2019.04.004 |
