随州市2015—2020年.对PM_（2.5）贡献分析_郝元甲.pdf

二次气溶胶是大气气溶胶的重要组成，量化二次气溶胶贡献是认识PM2.5污染成因的关键.本研究通过近似包络法（AEM）估算了随州20152020年冬季的一次气溶胶和二次气溶胶浓度，分析了二次气溶胶对PM2.5贡献的变化特征及其可能的影响因素，得到以下主要结论：随州冬季 PM2.5及其一次和二次组分均呈逐年下降趋势，分别为 5.8、3.8 和 1.7 g m-3 a-1，而二次气溶胶对 PM2.5贡献呈逐年上升趋势（2.1%a-1），反映了减排进程中二次气溶胶对空气质量变化的重要贡献.人为活动和化学转化分别影响了一次和二次PM2.5日变化分布.一次PM2.5双峰结构（09：00和21：00）对应了早晚人为活动高峰，二次气溶胶在午后（13：0015：00）和凌晨（03：0006：00）对PM2.5贡献最大；PM2.5正午峰值可能与当地二次污染生成密切相关.二次气溶胶对随州冬季PM2.5平均贡献为60.0%；随着PM2.5污染程度加重，二次气溶胶对PM2.5贡献明显增加，从清洁条件的29%上升到重污染条件的72%，表明二次气溶胶对重污染事件的显著贡献.二次气溶胶贡献与污染物浓度及气象条件的关系分析表明，相对高温高氧化条件下的光化学氧化作用加速了气态前体物的消耗，明显促进了二次气溶胶的形成.特定气象条件驱动下的大气污染物区域传输也可能对二次气溶胶生成有一定的贡献.因此，未来需要坚持以PM2.5和O3协同控制为核心，强化区域协同减排，做好对二次污染源的控制，加强对二次污染的针对性治理措施.关键词：PM2.5；二次气溶胶；近似包络法（AEM）；协同控制文章编号：0253-2468（2023）03-0333-10 中图分类号：X513 文献标识码：AAnalysis on the contribution of secondary aerosol to PM2.5 in Suizhou City in Central China from 2015 to 2020HAO Yuanjia1，BAI Yongqing2，*，ZHU Yan3，4，YUE Yanyu5，YANG Tao1，HE Xiaolu1，ZHAO Tianliang4，QIN Youwen1，LI Yanjie11.Suizhou Meteorological Bureau，Suizhou 4413002.Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research，Institute of Heavy Rain，China Meteorological Administration，Wuhan 4302053.Hubei Meteorological Service Center，Wuhan 4302054.Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration，Nanjing University of Information Science and Technology，Nanjing 2100445.Wuhan Regional Climate Center，Wuhan 430074Abstract：Secondary aerosols are an important component of atmospheric aerosols，and quantifying the contribution of secondary aerosols is the key to understanding the causes of PM2.5 pollution.In this study，the approximate envelope method（AEM）was used to estimate the primary and secondary aerosol concentrations in Suizhou in winter from 2015 to 2020，as well as the variation characteristics of the contribution of secondary aerosols to PM2.5.The following main conclusions were obtained：PM2.5 and its primary and secondary components in Suizhou in winter showed a decreasing trend year by year，which were 5.8，3.8 and 1.7 g m-3 a-1 respectively，while the contribution of secondary aerosols to PM2.5 is increasing year by year（2.1%a-1），reflecting the important contribution of secondary aerosols to air quality changes in the process of emission reduction.Human activities and DOI：10.13671/j.hjkxxb.2022.0296郝元甲，白永清，朱燕，等.2023.随州市20152020年冬季二次气溶胶对PM2.5贡献分析 J.环境科学学报，43（3）：333-342HAO Yuanjia，BAI Yongqing，ZHU Yan，et al.2023.Analysis on the contribution of secondary aerosol to PM2.5 in Suizhou City in Central China from 2015 to 2020 J.Acta Scientiae Circumstantiae，43（3）：333-342收稿日期：2022-06-29 修回日期：2022-08-25 录用日期：2022-08-26基金项目：国家自然科学基金项目（No.42075186，41830965）；湖北省气象局科技课题（No.2021Q16，2021Z05）作者简介：郝元甲（1988），男，工程师，E-mail：；*责任作者，E-mail：环境科学学报43 卷chemical transformations affected the diurnal distribution of primary and secondary PM2.5，respectively.The primary PM2.5 double-peak structure（09：00 and 21：00）corresponds to the peak of anthropogenic activity in the morning and evening，and the secondary aerosols in the afternoon（13：0015：00）and early morning（03：0006：00）contributed the most；PM2.5 peak at noon may be closely related to local secondary pollution.The average contribution of secondary aerosols to PM2.5 in Suizhou in winter is 60.0%；with the increase of PM2.5 pollution，the contribution of secondary aerosols to PM2.5 increases significantly，from 29%in clean conditions to 72%under heavy pollution conditions，indicating a significant contribution of secondary aerosols to heavy pollution events.Analysis of the relationship between the contribution of secondary aerosols and pollutant concentrations and meteorological conditions showed that photochemical oxidation under relatively high temperature and high oxidation conditions accelerated the consumption of gaseous precursors and significantly promoted the formation of secondary aerosols.Regional transport of atmospheric pollutants driven by specific meteorological conditions may also contribute to secondary aerosol generation.Therefore，in the future，it is necessary to focus on the synergic control of PM2.5 and O3，strengthen regional coordinated emission reduction，and establish targeted control measures for secondary pollution.Keywords：PM2.5；secondary aerosol；approximate envelope method（AEM）；collaborative control1引言（Introduction）大气细颗粒物（PM2.5）污染已经成为当前我国面对的主要环境问题之一.PM2.5污染形成过程复杂，其中既包括一次污染源直接排放（一次气溶胶），也有气态前体物在大气中二次反应形成（二次气溶胶）的贡献（Zhu et al.，2018；Wang et al.，2019；Zhang et al.，2022）.由于不同的来源和生产途径，一次和二次气溶胶对空气质量、人类健康和气候变化的影响不同（Feng et al.，2020；Wang et al.2020）.特别是二次气溶胶的形成，会迅速加重大气中颗粒物污染程度，对自然环境及人体健康产生严重影响（Huang et al.，2014；Zhang et al.，2019；Li et al.，2021）.近年来，随着大气污染防治措施实施的不断深化，一次PM2.5排放大幅减少（Shao et al.，2018；Zheng et al.，2018；Ding et al.，2019），但二次PM2.5浓度下降却并不明显，甚至在特殊时期呈上升趋势（耿冠楠等，2020；薛涛等，2020；陈楠等，2022）.新冠疫情期间大气污染物排放减少与二次 PM2.5贡献增加（Zhou et al.，2019；Huang et al.，2020；Sun et al.，2020），进一步认识到二次气溶胶的重要性，以及二次PM2.5污染治理面临的挑战性.二次污染物对空气质量和公众健康的影响在未来会进一步凸显，二次气溶胶的变化已成为大气气溶胶领域研究的重点（Liu et al.，2018；Shang et al.，2021）.一次污染物是由污染源直接排出的空气污染物；二次污染物是由一次污染物或由固定源、流动源排放出的其他物质，在大气中通过物理或化学反应而生成.二次气溶胶是大气气溶胶的重要组成，高浓度二次气溶胶是导致雾-霾天气的重要原因.我国中东部地区二次PM2.5贡献通常高达60以上（李圣增等，2022；沈嵩等，2022），当雾-霾形成时，二次PM2.5贡献甚至更高（赵鹏等，2021；梁越等，2022）.因此，量化二次气溶胶组分及贡献是认识大气颗粒物污染成因的关键，对制定控制策略和治理措施提具有重要意义（Huang et al.，2014；Ding et al.，2019；Wang et al.，2019）.目前PM2.5组分观测数据获取通常采用人工滤膜采样和实验室离线分析手段，或者依托高分辨率仪器如气溶胶质谱仪在线测量，然而该观测分析方法经济成本较高，不适用长期的大规模区域观测研究.也有研究利用常规环境气象监测数据估算二次气溶胶生成，以此分析区域二次PM2.5贡献的气候特征（He et al.，2018；高杰等，2019；牛英博等，2022）.近年来国际上提出了许多相关成熟算法，例如多示踪估计算法（Multi-Tracer Estimation Algorithm，MTEA）（Zhang et al.，2022）、近似包络法（Approximate Envelope Method，AEM）（Chang et al.，2007；Du et al.，2020），这些方法已在我国和美国多个地区和城市进行了成功测试，能够有效将PM2.5的初级和次级成分与常规观测PM2.5浓度区分开来，并且便于在常规环境气象监测站点推广应用.本研究主要借鉴近似包络法（AEM）（Du et al.，2020），利用随州城市常规空气质量和气象监测数据来估算本地二次气溶胶生成.随州市位于湖北省正北方，与河南省交界，地处长江流域和淮河流域的交汇地带，处于中纬度季风环流区域的中部，冬季盛行偏北风，夏季盛行偏南风.随州北部为桐柏山，西南部为大洪山，中部有一西北东南向的平原、丘陵地带，称为“随枣走廊”.冬季“随枣走廊”上风向为襄阳，连接华北平原重污染区，下风向为武汉，连接两湖盆地重污染区，随州处在污染物传输通道上，污染气团易进不易出，天然地理位置决定了大气扩散条件不利（图1）.随州春夏秋冬各季节的平均PM2.5浓度分别为44、28、42和83 g m-3，冬季PM2.5浓度远高于其他三季，且主要污染过程集中在冬季，因此侧重研究近6年冬季二次气溶胶变化特3343 期郝元甲等：随州市20152020年冬季二次气溶胶对PM2.5贡献分析征及其对PM2.5贡献，研究结果有助于了解随州市PM2.5的污染特征.本研究采用近似包络法估算了随州20152020年冬季二次气溶胶的浓度及其对PM2.5质量浓度的贡献，进而分析了二次气溶胶浓度的分布特征及其可能的影响因素，加深对大气气溶胶污染成因与来源的科学理解，为未来制定控制政策和治理措施提供科学依据.2资料与方法（Materials and methods）2.1资料来源本文使用的资料包括：20152020年冬季（当年12月次年2月）随州城市空气质量监测站逐小时PM2.5、CO、NO2、O3、SO2浓度观测数据，来源于湖北省生态环境厅随州生态环境监测中心.随州市空气质量国控监测站点共有3个，分别位于市委党校、市林业局和市立交桥位置，监测点位附近没有集中的生活区、商业区和工业区等人为源排放影响，但周边公路的交通源排放对监测点可能有一定影响.国控点污染物浓度数据的质量控制严格按照国家行业标准执行，以这3个国控点的污染物浓度算术平均值代表随州市污染物浓度的总体平均值.20152020年冬季随州气象观测站逐小时气象要素观测数据，包括降水量、气温、相对湿度和风速等，由随州市气象局提供.以上数据从随州国家观测站的逐月A文件中提取，经过严格的质量控制，数据准确无误.2.2研究方法本研究采用近似包络法（AEM）在常规PM2.5浓度观测中提取一次PM2.5（PPM）和二次PM2.5（SPM）浓度.Chang等（2007）在估算二次气溶胶时，将清洁条件下PM2.5/CO比值同时视作污染条件下一次PM2.5与CO的比值.然而在清洁条件下二次气溶胶对PM2.5的贡献也是不可忽视的.为了减小在清洁条件下二次组分对一次PM2.5与CO的比值的影响，本研究参照Du 等（2020）利用AEM方法估算二次气溶胶.在这种方法中，CO被视为机动车、燃烧和其它天然颗粒物排放的一次PM2.5示踪剂，由于城区的汽车尾气和工业生产是CO的主要来源，因此单一时间段内CO的来源变化相对稳定，对PM2.5/CO比值变化影响较小.选取无降水的清洁条件下（PM2.5 75 g m-3）PM2.5与CO数据，将每小时PM2.5与CO浓度的比值记为RA，一次PM2.5与CO浓度比值记为RP，在特定时间段内各种源排放是维持稳定的，即在一定的排放背景下RP值不变.由于环境大气中二次气溶胶的存在，RA始终大于RP.在绘制散点图中，多组RA值的连线可看作是近似包络线（Du et al.，2020），散点图的下包络线代表二次PM2.5对RP影响最小的情况，并在该情况下得到RP的稳健估计，从而估算出二次PM2.5的质量浓度.尽管AEM是在以往方法基础上做了改进，但该方法还是存在一定的不确定性，需要在更多城市开展适用性验证.考虑到一天中不同时间段排放特征不同，本研究估算了20152020年冬季每3 h一次的近似包络线上的RP值.以2020年冬季为例，将RA按CO浓度箱（0.50.7、0.70.9、0.91.1、1.11.3、1.31.5和1.51.7 mg m-3）进行分组绘制RA-CO散点图，在近似包络线上的多个RA平均值即为RP值（图2）.利用RP值乘以CO浓度即可图1随州市地理位置Fig.1Suizhou geographical location335环境科学学报43 卷估算出PPM浓度，SPM浓度由PM2.5观测值减去PPM浓度计算得出.3结果与讨论（Results and discussion）3.1近6年冬季二次气溶胶污染变化特征3.1.1年际变化趋势自2013年 大气污染防治行动计划 实施以来，我国颁布了一系列与环境保护相关的法律法规、标准和规划，实施了一系列监管政策，从而改善了大气环境质量，全国不同地区大气污染物浓度逐年下降（Shao et al.，2018；Zheng et al.，2018；Ding et al.，2019）.图3给出随州20152020年冬季PM2.5、PPM和SPM浓度年际变化.由图可见，受政策上减排主导的影响，随州20152020年冬季PM2.5、一次和二次PM2.5均呈逐年下降趋势，其中 PM2.5下降约 5.8 g m-3 a-1，PPM 下降约 3.8 g m-3 a-1，SPM 下降约 1.7 g m-3 a-1 （表2）.可见，一次和二次PM2.5下降趋势导致了PM2.5总量下降，但二次PM2.5下降趋势更缓慢.此外，在2019年冬季新冠疫情期间，PM2.5和PPM达到历年最低值，而SPM/PM2.5达到了历年最大值0.74（图3）.研究表明，疫情管控期一次排放显著降低，但二次颗粒物生成量有所增长（Zhou et al.，2019；Huang et al.，2020；Sun et al.，2020；Shang et al.，2021）.一次和二次PM2.5对人为排放变化的响应显著不同，疫情期间图2随州市2020年冬季一天中不同时段RA与CO浓度的散点图Fig.2Scatter plot of RA and CO concentrations in different periods of a day in winter of 2020 in Suizhou3363 期郝元甲等：随州市20152020年冬季二次气溶胶对PM2.5贡献分析大气氧化性的增强促进了二次气溶胶组分的形成和转化（高杰等，2019；牛英博等，2022）.近年来随着深度减排，2020年冬季二次PM2.5浓度是近6年的最低值，同时叠加了气象条件对污染物浓度的年际调节作用，会导致SPM/PM2.5相对2017和2018年略有下降.但整体上看，二次气溶胶贡献（SPM/PM2.5）年际变化为增长趋势，约2.1%a-1，反映了我国减排进程中二次气溶胶对空气质量变化的重要贡献.通过以上分析表明，AEM方法能有效辨识近6年随州PPM和SPM变化趋势，也合理呈现了疫情期间一次和二次气溶胶对人为排放变化的响应，证明了AEM方法的可行性.此外，由AEM方法估算的随州20152020年冬季二次气溶胶对PM2.5平均贡献为60.0%（表2）.对比以往观测分析，2013年1月北京、上海、广州和西安二次气溶胶对PM2.5贡献约为30%77%（Huang et al.，2014），2016年12月2017年 1 月 武 汉 二 次 气 溶 胶 对 PM2.5贡 献 为 62.4%（Zhang et al.，2019），表明随州二次气溶胶贡献估算具有一定合理性.3.1.2日变化特征不同地区的大中型城市PM2.5浓度日变化特征已有大量研究（岳岩裕等，2016；白永清等，2018；喻谦花等，2020），但对于长时间序列的一次和二次PM2.5浓度日变化的关注还很少.大量研究表明，城市PM2.5浓度日变化通常呈双峰结构特征，多数情况下两个峰值浓度对应早晚出行高峰，其中昼间峰值最晚出现在正午，第二个峰值也可推迟到凌晨（岳岩裕等，2016；白永清等，2018；喻谦花等，2020）.图4给出了随州20152020年冬季PM2.5、PPM和SPM浓度日变化.由图可见，一次PM2.5浓度的双峰值（09：00和21：00）和早晚人为活动高峰有关.通常认为09：00前后大气颗粒物浓度出现峰值与早高峰时期的人为活动排放有关；而午后大气对流边界层发展强盛，大气颗粒物更容易扩散，浓度呈下降趋势；17：00以后，大气颗粒物浓度开始升高与晚高峰人为活动排放以及夜间稳定边界层的形成有关.夜间大气稳定边界层形成，大气边界层高度降低，地表辐射降温更容易出现逆温，不利于污染物的扩散，使得大气颗粒物在夜间维持较高浓度.可见，由人为活动的一次污染物排放和大气边界层变化直接决定了一次PM2.5浓度双峰分布.二次污染物形成原因复杂，主要通过物理或化学反应而生成，与人类活动有很大关系，例如早晚高峰时段的汽车尾气排放、生活和商业源区的烹饪活动等.二次PM2.5浓度的昼间峰值出现在午间13：00，滞后于一次PM2.5昼间的峰值.早高峰时段人为活动排放的大量二次污染物前体物在上午时段累积，至午间强烈的日照促进了前体物的光化学反应，高温高氧化性条件利于二次污染物的产生，促进午间的二次气溶胶浓度升图3随州20152020年冬季PM2.5浓度、PPM浓度、SPM浓度和SPM/PM2.5的年际变化Fig.3the annual variation of Suizhou PM2.5 concentration，PPM concentration，SPM concentration，the proportion of SPM in PM2.5 during the winters of 20152020表2随州 20152020 年冬季 PM2.5、PPM、SPM 平均浓度和 SPM/PM2.5年均值，及其线性趋势Table 2the mean concentration and linear change trend of Suizhou PM2.5，PPM，SPM，SPM/PM2.5 during the winters of 20152020研究对象PM2.5PPMSPMSPM/PM2.5年平均/（g m-3）76.431.245.960.00%线性趋势/（g m-3a-1）-5.8-3.8-1.72.1%a-1337环境科学学报43 卷高.在PPM和SPM浓度共同叠加下，昼间PM2.5浓度峰值出现在正午12：00，可能也与当地二次污染物生成相关.由二次PM2.5占比（SPM/PM2.5）的双峰分布也可看出，凌晨（03：0006：00）和午后（13：0015：00）二次气溶胶对PM2.5贡献最大，这可能与夜间高湿条件下的液相非均相反应和白天强日照条件下的光化学氧化反应有关（Li et al.，2018；Chen et al.，2020；Fu et al.，2020）.3.1.3不同空气质量等级下二次气溶胶贡献变化根据 环境空气质量标准（GB3095-2012），按PM2.5浓度将空气质量分为优（PM2.5浓度35 g m-3）、良（35 gm-3PM2.5浓度75 gm-3）、轻度污染（75 gm-3PM2.5浓度115 gm-3）、中度污染（115 gm-3PM2.5浓度150 gm-3）和重度污染（PM2.5浓度150 gm-3）.统计随州不同污染等级下的PM2.5、PPM、SPM浓度和SPM/PM2.5，以及各污染物浓度和气象要素，如表3所示.表中所有污染物浓度均为逐小时监测浓度的平均值，温度和相对湿度为逐小时观测值的平均值.从表3中可以看到，空气质量从优到重度污染，PM2.5浓度从24.9 g m-3上升到191.2 g m-3，增长了7.7倍；其中一次气溶胶浓度从18 g m-3上升到53.2 g m-3，增长了3倍；而二次气溶胶浓度从7.3 g m-3上升到138.3 g m-3，增长高达19倍.由此可见，随着PM2.5污染程度加重，主要是二次气溶胶大幅增加，成为了重污染的主要来源.二次气溶胶在很大程度上引起了严重的雾-霾污染，而一次颗粒物排放对PM2.5的贡献相对较小（Shao et al.，2018；Zheng et al，2018；Ding et al.，2019），也与该结论相一致.SPM/PM2.5从清洁条件的29%上升到重污染条件的72%，表明二次气溶胶对重污染事件的显著贡献.以往研究也表明，污染期间二次污染物占比较高，二次气溶胶对严重灰霾事件中大气细颗粒物浓度具有重要贡献（耿冠楠等，2020；薛涛等，2020；陈楠等，2022）.因此，在未来的大气污染防治中，仅依靠一次颗粒物的控制是远远不够的，需要将重点转向对二次污染前体物的控制，加强对二次污染的针对性治理措施.图4随州20152020年冬季PM2.5浓度、PPM浓度、SPM浓度和SPM/PM2.5占比日变化Fig.4the daily variation of Suizhou PM2.5 concentration，PPM concentration，SPM concentration，the proportion of SPM in PM2.5 during the winters of 20152020表3随州20152020年冬季不同污染等级下PM2.5、PPM、SPM浓度和SPM/PM2.5，及NO2、SO2、O3浓度和温度、相对湿度Table 3the concentration of Suizhou PM2.5，PPM，SPM，SPM/PM2.5，NO2，SO2，O3 and temperature，relative humidity under different pollution levels during the winters of 20152020参数PM2.5PPMSPMSPM/PM2.5NO2SO2O3TRH单位g m-3g m-3g m-3g m-3g m-3g m-3不同污染等级下的平均值优24.9187.329%20.112.249.74.4168.6%良55.727.528.351%28.71441.64.2175.6%轻度污染93.535.258.362%38.214.538.54.7776.2%中度污染128.841.587.268%43.915.234.55.0276.5%重度污染191.253.2138.372%4817.332.45.9678.3%3383 期郝元甲等：随州市20152020年冬季二次气溶胶对PM2.5贡献分析SO2和NO2是二次污染物的气态前体物，与PM2.5具有同源性，在大气中经过一系列转化生成 PM2.5 中的二次组分（Huang et al.，2014；Zhu et al.，2018；Zhang et al.，2019）.由表3可见，在PM2.5污染程度加重的同时，SO2 和 NO2浓度不断增加，说明气态前体物对二次PM2.5生成起到一定贡献.然而O3浓度在下降，一方面是滴定效应消耗了O3浓度，另一方面是PM2.5升高使得大气消光增强导致光化学反应减弱从而降低O3（Gao et al.，2022）.从气象变化影响来看，随着污染加重，气温和相对湿度也呈上升趋势，且轻度以上污染的气温、湿度均大于冬季平均值（冬季平均气温4.4，相对湿度72.7%），表明相对较高的环境气温、湿度条件更有利于二次气溶胶的生成，这与其他研究结论一致（崔虎雄等，2013；姜晓彤等，2022）.3.2 二次气溶胶贡献增长的可能驱动因素二次气溶胶污染和臭氧污染的问题是具有同源性的（崔虎雄等，2013；姜晓彤等，2022；任秀龙等，2022）.有研究表明，湖北省PM2.5和O3协同效应显著，大气氧化性对二次PM2.5污染尤为重要，冬季PM2.5浓度与Ox（O3+NO2）浓度呈正相关，大气氧化性促进了颗粒物的二次生成，形成重污染事件（陈楠等，2022）.为了探讨随州二次气溶胶贡献增长的可能驱动因素，本文分析了二次气溶胶形成与其气体前体物（NO2、SO2）、大气氧化性（O3）及气温的关系.图 5 给出不同二次气溶胶贡献率下的 NO2、SO2、O3、PM2.5、SPM浓度和气温变化.如图所示，随着二次气溶胶贡献率增大，O3、PM2.5、SPM浓度和气温均呈明显上升趋势，而NO2和 SO2均呈先升再降的趋势；且当SPM/PM2.5大于年均值0.6，气温和O3浓度明显上升，气体前体物浓度也开始快速消耗，同时SPM和PM2.5浓度也在上升.有研究表明，在光化学反应过程中，气态前体物（SO2、NOx）容易被O3氧化消耗（Wang et al.，2017；Su et al.，2017；Dai et al.，2018；Liu et al.，2019）.图中结果也证明了相对高温高氧化条件加速了气态前体物的消耗，明显促进二次气溶胶的形成.因此，在如今臭氧污染较突出的情况下，在减缓一次气溶胶排放的同时，也需要减少对二次气溶胶前体物的排放.此外，有研究指出，大气污染物区域传输可以显著促进二次气溶胶转化效率（Du et al.，2020）.区域传输对湖北省重污染事件有重要贡献（祁海霞等，2019；Yu et al.，2020；Bai et al.，2022；Shen et al.，2022），随州地处污染物的传输通道中，经统计，随州冬季75%以上的重污染过程都以偏北风输送为主.考虑到大气污染物区域传输也可能会促进随州二次气溶胶贡献增长.某个城市污染物浓度和风向风速的组合玫瑰图常被用来辨识和分析区域传输、本地累积特征（白永清等，2018；Yu et al.，2020）.当污染物高浓度值集中在小风速（小于2 ms-1）中心区域，认为是小弱风有利本地污染物累积；而当某个风向的风速大值区域对应污染物高浓度值时，认为是该方向较强风速驱动污染物区域传输加重了本地污染.图6给出随州2015、2016及2018年SPM/PM2.5和气态前体污染物浓度（SO2）与风速风向的风玫瑰分布图.由图可见，在东亚冬季风背景下，主导风为偏北、偏东北风且风速大于3 ms-1区域对应SPM/PM2.5和SO2均为高值，表明东亚冬季风驱动污染物区域传输增加了气体前体物，同时增加了二次PM2.5占比，这表明二次气溶胶贡献增长可能与特定气象条件驱动的大气污染物区域传输有关.冷空气南下将华北源区大气污染物传输到随州，一方面输送了更多气态前体物，促进了光化学氧化反应，增加了二次气溶胶的贡献；另一方面特定的气象条件驱动二次PM2.5传输直接加重当地二次气溶胶污染.已有数值模拟试验证实了这个结论（Du et al.，2020）.因此，对于大气污染防治工作来说，还需要进一步强化区域协同减排.需要深入理解污染排放、化学转化和气象过程在不同尺度大气污图5随州20152020年冬季不同二次气溶胶贡献率下PM2.5、SPM、NO2、SO2、O3浓度和温度变化Fig.5PM2.5 concentration，SPM concentration，NO2 concentration，SO2 concentration，O3 concentration，temperature changes under different proportion of SPM in PM2.5 during the winters of 20152020 in Suizhou339环境科学学报43 卷染事件中的作用，以做到科学和精准的治理.4结论（Conclusions）1）随州20152020年冬季一次和二次PM2.5浓度均呈逐年下降趋势，其中PPM下降趋势3.8 g m-3 a-1，SPM下降趋势1.7 g m-3 a-1；一次和二次PM2.5共同下降导致PM2.5总量下降（5.8 g m-3 a-1）.疫情封控影响下二次气溶胶对PM2.5贡献达到了历年最大值0.74.二次气溶胶对PM2.5贡献呈逐年上升趋势（2.1%a-1），反映了减排进程中二次气溶胶对空气质量变化的重要贡献.AEM方法能有效辨识PPM和SPM年际变化趋势，也合图62015（a、b）、2016（c、d）及2018（e、f）年冬季随州SPM/PM2.5（a、c、e）、SO2浓度（b、d、f）与10 m风速（圈线）和风向组合玫瑰图Fig.6Rose charts of SPM/PM2.5（a，c，e），SO2 concentration（b，d，f）and 10m wind speed（circle line）and wind direction combination in 2015（a，b），2016（c，d）and 2018（e，f）winters in Suizhou3403 期郝元甲等：随州市20152020年冬季二次气溶胶对PM2.5贡献分析理呈现了疫情期间一次和二次PM2.5对人为排放变化的响应，证明了AEM方法的可行性.2）一次PM2.5浓度双峰值（09：00和21：00）很好对应了早晚人为活动高峰；午间强烈日照促进了早高峰排放累积的气态前体物光化学反应，形成正午（13：00）二次PM2.5浓度高峰.二次气溶胶在午后（13：0015：00）和凌晨（03：0006：00）对PM2.5贡献最大.可见，人为排放主导了一次PM2.5日变化，而化学转化主导了二次PM2.5日变化，特别是正午PM2.5浓度峰值可能与当地二次污染生成密切相关.3）随州20152020年冬季二次气溶胶对PM2.5平均贡献为60.0%.随着PM2.5污染程度加重，二次气溶胶增幅远大于一次气溶胶增幅，SPM/PM2.5从清洁条件的29%上升到重污染条件的72%，成为重污染的主要来源.表明二次气溶胶对重污染事件的显著贡献.4）由二次气溶胶贡献与各污染物浓度及气温的关系分析发现，当SPM/PM2.5大于年均值0.6，O3和气温出现快速上升，