PM10是指空气动力学直径小于或等于10 μm的大气颗粒物，由于其特殊的物理化学特性，可直接影响大气能见度、人体健康和气候，导致许多环境问题[1-3]。国内外研究表明，大气气溶胶污染水平与其周边区域输送密切相关。因此，许多学者通过分析气流来源来研究一个地区大气气溶胶区域传输特征[4-6]，而潜在源贡献因子(PSCF)法和浓度权重轨迹(CWT)法是目前最常用的分析方法。任传斌等[7]利用混合单粒子拉格朗日综合轨迹(HYSPLIT)模式结合CWT等方法揭示了北京市PM2.5 输送途径和潜在源区季节显著不同；ZHAO等[8]采用PSCF法和CWT法分析发现，来自我国环渤海和内蒙地区的大气污染物严重影响到上海秋、冬两季PM2.5的浓度。

本研究虽然历时一年对来台州培训的基层农技人员进行了调研，但是样本容量仍然有限，数据采集在全面性上尚有不足。但研究样本中，已然反映出基层农技人员职业“亚健康”状态明显，应及时引起基层农技人员个人及相关部门重视，切实调整好基层农技队伍的整体精神状态。本研究以期经过这次抽样调查对当前的基层农技人员职业状态提升能起到一定的作用。

兰州市是我国西部地区重要的中心城市之一。长期以来，大气污染成为该市久治不愈的顽疾，而PM10是该市的首要大气污染物，成为制约环境空气质量改善的关键因素。针对兰州市PM10污染问题，许多学者的研究主要集中在化学特征、形成机制及其与气象条件的关系等方面[9-11]，而周边区域输送对该市PM10的影响研究较少[12-13]，为此，本研究将 HYSPLIT模式与 PM10浓度数据相结合，综合运用聚类分析、PSCF和CWT 等方法，分析气流来源与兰州市PM10的关系，探讨该市PM10的潜在源区及其贡献，以期对兰州市PM10污染治理政策制定及其环境空气质量改善提供科学支撑。

乌江风情廊道文化旅游产业集群化发展已初具规模，区域内形成多核联动的发展态势，但受投资强度、开发力度、社会经济水平和跨区域合作等因素影响，存在的问题也比较显著。

1 资料与方法

1.1 数据来源

2001年 1月1日— 2013年12月31日PM10浓度数据来自环境保护部数据中心发布的兰州市空气污染指数，然后根据《环境空气质量标准》(GB 3095—1996)对应的污染物浓度限值及其空气污染指数计算公式计算得到，2014年1月1日─2016年 12月31日PM10浓度数据来自全国城市空气质量实时发布平台(http：//113.108.142.14:20035/emcpublish)的兰州市逐时PM10浓度。

1.2 TrajStat软件

该方法首先选定能覆盖住气流轨迹分布的区域，创建PSCF 网格(28°N至48°N，78°E至115°E)，划分为 0.5°×0.5° 网格 (约2 960个)后设定阈值。本研究将150 μg/m3设定为阈值，当气流对应的PM10浓度大于此值时，就认定为污染气流。计算公式如下：

1.2.1 气流来源模拟

由于PSCFi,j是条件概率， 当ni,j较小时， 计算结果不确定性较大，必须使用权重函数来减小不确定性。计算公式如下：

教师的肢体语言在教学中有着不容忽视的重要作用。因此，在教学中，想要提高教学的有效性，提升教学的质量，就需要加强师生之间的沟通，用肢体语言激励学生，感染学生。

为了将质量管理工作落实到位，需构建健全的质量管理制度，如果没有制度的束缚，就不能保证质量安全。对此，在操作过程中，需根据环境监测的真实状况，详细拟定质量管理制度。把工作抽查和考核内容加入制度中去，只有借助制度来进行质量管理，才能提高环境监测数据的真实性。

总裁。今年11月26日，在阿里集团新一轮架构调整中，杨伟东一年轮值期满，樊路远接任，目前没有证据显示，此轮组织架构调整与杨伟东涉嫌经济问题有关。

1.2.3 PSCF法

TrajStat是一款采用地理信息系统(GIS)技术统计分析气流来源的软件。主要功能包括对气流轨迹的计算(采用HYSPLIT模式) 并聚类分析；结合大气成分数据，寻找研究地点大气成分的源区及其贡献(采用PSCF、CWT法)[14-16]。

 

(1)

式中：PSCFi,j为经过网格(i,j) 的污染气流端点数与所有气流端点数的比值；mi,j 为经过网格(i,j)的污染气流端点数；ni,j为经过网格(i，j)的所有气流端点数。

利用HYSPLIT 模式计算研究期内逐日的后向72 h气流轨迹，起点设置为兰州市(36.05°N，103.86°E)，鉴于500 m 高度风场比较能准确反映边界层平均流场特征，起始高度选定为500 m，气象数据使用美国国家环境预报中心全球再分析资料(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)，水平分辨率为2.5° × 2.5°。

 

(2)

WPSCFi,j=PSCFi,j×Wi,j

(3)

式中：Wi,j为权重函数；navg为所有网格的平均轨迹端点数；WPSCFi,j为网格(i，j)的权重PSCF。

1.2.4 CWT法

地勘单位测绘成果使用与保密管理工作的探讨（陈晓芳） .............................................................................5-35

1.2.2 气流聚类方法

PSCF体现的是每个网格中污染气流所占比例，未反映对PM10的贡献，因此采用 CWT法计算每个网格对PM10污染的贡献程度。计算公式如下：

 

(4)

由表1可知，春季各类气流PM10浓度为4>1>2>3。污染气流主要在第1、第4类气流中，依次占到本季污染气流的37.1%、32.7%。第1、第4类气流分别起源新疆东南部、青海北部和甘肃河西走廊地区，这几个地区是我国沙尘暴主要源地，春季冷空气频繁，伴随冷空气的大风将上述地区的沙尘气溶胶带到兰州市，从而对兰州市的PM10浓度造成极大影响。

2 结果与讨论

2.1 PM10浓度特征

由图1可见，研究期内每年的PM10年均值都介于113～232 μg/m3，且呈现逐年波动下降趋势。《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012)将PM10日均浓度分为6级，分别为1级(≤50 μg/m3)、2级(50～150μg/m3)、3级(>150～250 μg/m3)、4级(>250～350 μg/m3)、5级(>350～420 μg/m3)、6级(>420 μg/m3)。其中1、2级为良好，此后级别越高，污染越严重，对人体健康的影响也越明显。从图1看出该市PM10浓度为1、2级的发生率为32.7%～80.3%，且呈现逐年波动增加趋势。图2显示，研究期内兰州市PM10日均浓度为2级的最多，占59.4%，其次3级，占22.5%。

  

图1 2001—2016年兰州市PM10质量浓度年均值和1、2级发生率Fig.1 Annual average PM10 mass concentration and the rate of Grade 1 and Grade 2 in Lanzhou from 2001 to 2016

  

图2 2001—2016兰州市PM10日均质量浓度等级分布Fig.2 Distribution of the PM10 daily average concentration grade in Lanzhou from 2001 to 2016

2.2 气流来源聚类分析

由图3可见，除春季分为4类外，其他季节气流均为5类。春季属于大气环流调整期，冷暖空气非常活跃，气流以偏西和西北方向主，分别占到本季气流的30.1%、29.5%。夏季受东亚季风影响，气流以偏东和东南方向为主，分别占到本季气流的33.1%、31.5%。秋季季风渐渐消退，而亚洲大陆冷高压逐渐增强，气流以偏西和东南方向为主，分别占到本季气流的39.1%、28.6%。冬季受亚洲冷高压和青藏高原共同影响，气流以偏西和西南方向为主，分别占到本季气流的45.9%、19.4%。这表明随着季节转换，研究期内该市的气流差异显著。

2.3 气流中PM10浓度特征分析

式中：Ci,j为网格(i，j)中的PM10平均权重质量浓度，μg/m3；Cl为气流l 经过网格(i，j)时的PM10质量浓度，μg/m3；τi,j,l为气流l在网格(i，j)停留时间，h。

  

图3 2001—2016年兰州市四季气流聚类分布Fig.3 Four seasonal cluster distribution of air mass in Lanzhou from 2001 to 2016

 

表1 兰州市四季各类气流对应PM10质量浓度统计结果Table 1 Statistical results of PM10 mass concentration in clusters of four seasons in Lanzhou

  

季节气流类型途径区域总气流占比/%PM10/(μg·m-3)污染气流占比/%PM10/(μg·m-3)1新疆东南部、青海北部30.117637.1226 春2内蒙古西部、甘肃河西走廊12.41559.8234 3兰州市周边地区28.013620.3199 4甘肃河西走廊29.517832.7244 1陕西中西部、甘肃东部33.110731.1179 2甘肃河西走廊14.911118.5180 夏3四川北部、甘肃东南部31.511035.6178 4内蒙古西部、甘肃白银地区15.910812.6177 5青海中北部、甘肃临夏地区4.61092.2169 1陕西和四川交界处、甘肃东南部28.611916.3190 2内蒙古西部、甘肃河西走廊8.41276.6206 秋3宁夏、甘肃白银地区11.21094.1183 4青海中部、甘肃临夏地区12.615013.6212 5新疆东南部、青海北部39.117259.4224 1新疆东南部、青海北部45.919552.4241 2陕西中西部、甘肃东部9.51527.4204 冬3青海中南部、甘肃临夏地区19.417120.0203 4内蒙古西部、甘肃白银地区6.91374.1232 5新疆中西部、青海和甘肃交界处18.317816.0230

夏季的污染气流主要在第1、第3类气流中，依次占到本季污染气流的31.1%、35.6%。这两类气流分别起源陕西中西部、四川北部，途径甘肃东部和甘肃东南部。这些地区工农业活动频繁，大气污染物排放量大。上述地区的大气污染物随这两类气流抵达兰州市，影响了兰州市的PM10浓度。

使用角度距离算法对抵达兰州市的气流进行聚类分析。该算法采用总空间方差对分类质量进行判断。分类的总空间方差在开始前几步迅速增加，之后缓慢增长；当类别分到一定数目后，总空间方差又迅速增大，说明合并类不再相似，分类合并结束；此次合并之前的各类即为分类结果，求出这几类的平均轨迹，即代表该研究地点气流类型。

某发电厂1000 MW机组汽轮机回热系统优化完成后，机组升负荷全过程锅炉给水温度平均值提高约9 ℃。90%THA负荷工况锅炉平均给水温度提高3.5 ℃；75%THA负荷工况为9.9 ℃；50%THA负荷工况为13.8 ℃。由于系统优化设计未充分考虑0号抽汽在低负荷工况存在较大的节流损失[19]，锅炉给水提升幅度小于优化方案预期。

秋季各类气流PM10浓度为5>4>2>1>3。污染气流集中在第5类气流，约占到本季污染气流的59.4%。该类气流起源新疆东南部，途径青海北部。新疆东南部沙漠面积广阔，沙尘气溶胶丰富，青海北部是该省主要人口居住区，人为活动多，大气污染物排放量大，该地区的人为大气污染物与新疆东南部沙尘气溶胶随第5类气流到达兰州市，对该市的PM10浓度造成显著影响。

冬季污染气流主要在第1类气流中，占到冬季污染气流的52.4%。这类气流起源新疆东南部，经过青海北部地区。冬季是取暖季，该地区大气污染物排放强度增加。新疆东南部的沙尘气溶胶与青海北部的人为大气污染物在第1类气流中相互混合，严重影响了兰州市PM10的浓度。

2.4 潜在源区分析

本研究按照轻度(WPSCFi,j为0～0.4)、中度(WPSCFi,j为>0.4～0.7) 和重度(WPSCFi,j为>0.7～1.0) 来分析兰州市PM10潜在源区分布特征。由图4可见，春季中度污染源区主要分布在内蒙古西部、甘肃河西走廊等地区，重度污染源区在新疆东南部，该地区拥有塔克拉玛干沙漠和库姆塔格沙漠，沙源丰富，对兰州市PM10的浓度影响较大。夏季中、重度污染源区没有集中分布，只零星分散在四川北部、陕西中西部、甘肃河西走廊等地区。与春季相比，秋季中、重度污染源区南移并向西延伸，且有所扩大，中度分布在青海北部，重度污染源区在新疆东南部。冬季潜在源区有所扩大，中、重度污染源区与秋季相似，中度集中在青海北部地区，重度在新疆东南部。这表明该市潜在源区季节分布总体差异明显。

将得到的平均弹性模量和平均密度代替干岩石模量和密度，然后用Gassmann方程进行流体替代。对于未吸附饱和状态的煤岩来说，孔隙(包括基质大孔隙和割理孔隙)内充填为溶解气体饱和的盐水。Gassmann方程表达了纵波速度与岩石固体颗粒的弹性模量，流体体积模量，干燥岩石体积模量及孔隙度、岩石密度的关系，即

2.5 CWT结果

CWT结果见图 5，其中网格颜色越深，网格所在区域对兰州市 PM10的贡献越大。由图5可见，春季内蒙古西部、甘肃河西走廊等地区贡献在125 μg/m3以上，新疆东南部地区贡献达到150 μg/m3，应与这些地区沙尘远距离输送有关。夏季时Ci,j总体较小，四川北部、陕西中西部等地区贡献在75 μg/m3以上，这与夏季受季风的影响，东向气流增多，有利于上述地区的人为气溶胶向兰州市扩散有关；此外，甘肃河西走廊、内蒙古西部等地区贡献也在75 μg/m3以上。秋季青海北部地区贡献在125 μg/m3以上，新疆东南部地区贡献更是达到150 μg/m3以上。冬季贡献源空间形态与秋季相似，但是各方向的Ci,j总体走高，其中青海北部地区贡献在150 μg/m3以上，新疆东南部地区贡献达到175μg/m3以上，应与冬季取暖，该地区大气污染物排放强度增加有关。

  

图4 2001—2016年兰州市PM10潜在源区四季分布Fig.4 Four seasonal potential source contribution for PM10 in Lanzhou from 2001 to 2016

  

图5 2001—2016年兰州市四季CWT分布Fig.5 Four seasonal concentration-weighted trajectory contribution for PM10 in Lanzhou from 2001 to 2016

3 结 论

(1) 兰州市PM10日均质量浓度为HJ 633—2012 2级的占到59.4%，3级占22.5%。

(2) 兰州市气流来源四季变化明显。总体而言，起源于新疆东南部(春季)，四川北部(夏季)，新疆东南部(秋季)，新疆东南部(冬季)的气流含有的污染气流最多，分别占到相应季节污染气流的37.1%、35.6%、59.4%、52.4%。

(3) 兰州市潜在源区季节差异明显。春季内蒙古西部、甘肃河西走廊等地区对兰州市PM10质量浓度贡献在125 μg/m3以上，新疆东南部地区贡献达到150 μg/m3。夏季四川北部、陕西中西部等地区贡献在75 μg/m3以上。秋季青海北部地区贡献在125 μg/m3以上；新疆东南部地区贡献在150 μg/m3以上。冬季青海北部地区贡献在150 μg/m3以上，新疆东南部地区贡献达175 μg/m3以上，应与冬季取暖，该地区大气污染物排放强度增加有关。

参考文献:

[1] ZHANG J F,QIAN Z G,KONG L L,et al.Effects of air pollution on respiratory health of adults in three Chinese cities[J].Archives of Environmental Health,1999,54(6):373-381.

[2] 徐鹏炜，谭湘萍，蔡菊珍，等．杭州城市大气消光系数和能见度的影响因子研究[J].环境污染与防治，2005，27(6)：410-413．

[3] 吴国雄，李占清，符淙斌，等．气溶胶与东亚季风相互影响的研究进展[J].中国科学:D辑 地球科学，2015，45(11)：1609-1627．

[4] BORGE R,LUMBRERAS J,VARDOULAKIS S A,et al.Analysis of long-range transport influences on urban PM10 using two-stage atmospheric trajectory clusters[J].Atmospheric Environment,2007,41(21):4434-4450.

[5] 李海军，陆琛莉，宋刘明．嘉兴秋冬季中度及中度以上霾天气的潜在污染来源及污染传输特征分析[J].环境污染与防治，2017，39(8)：900-904，910．

[6] KOWSALYA V,KIM K H,LIM J M,et al.Identification of nitrogen dioxide and ozone source regions for an urban area in Korea using back trajectory analysis[J].Atmospheric Research,2016(176/177):212-221.

[7] 任传斌，吴立新，张媛媛，等．北京城区PM2.5输送途径与潜在源区贡献的四季差异分析[J].中国环境科学，2016，36(9)：2591-2598．

[8] ZHAO M F,HUANG Z S,QIAO T,et al.Chemical characterization,the transport pathways and potential sources of PM2.5 in Shanghai:seasonal variations[J].Atmospheric Research,2015,158/159:66-78.

[9] 王新，聂燕，陈红，等．兰州城区大气PM2.5污染特征及来源解析[J].环境科学，2016，37(5)：1619-1628．

[10] 翟广宇，王式功，董继元，等．兰州市不同径粒大气颗粒物污染特征及气象因子的影响分析[J].生态环境学报，2015，24(1)：70-75．

[11] CHU P C,CHEN Y C,LU S H,et al.Particulate air pollution in Lanzhou China[J].Environment International,2008,34(5):698-713.

[12] 刘娜，余晔，陈晋北，等．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．

[13] 刘娜，余晔，何建军，等．兰州冬季大气污染来源分析[J].环境科学研究，2015，28(4)：509-516．

[14] WANG Y Q,ZHANG X Y,DRAXLER R R.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 & Software,2009,24(8):938-939.

[15] LI P F,YAN R C,YU S C,et al.Reinstate regional transport of PM2.5 as a major cause of severe haze in Beijing[J].Proceedings of the National Academy of Sciences of the United States of America,2015,112(21):2739-2740.

[16] YAN R,YU S,ZHANG Q,et al.A heavy haze episode in Beijing in February of 2014:characteristics,origins and implications[J].Atmospheric Pollution Research,2015,6(5):867-876.