生物质燃烧跨境传输对中国云南边境城市空气质量影响的研究

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 2 (Mar. 2025)

云南省科技厅基础研究重点项目(202401AS070116)和国家重点研发计划(2022YFC3704000)资助

邱飞1,2 毕丽玫2 刘炤寰2 向峰2 刀谞3 史建武1,† 赵露4,† 孙倩倩4 项衍5 张天舒6

1.昆明理工大学环境科学与工程学院, 昆明 650500; 2.云南省生态环境监测中心, 昆明 650034; 3.中国环境监测总站, 北京 100012; 4.合肥中科环光技术有限公司, 合肥 230061; 5.安徽大学物质科学与信息技术研究院, 合肥 230039; 6.中国科学院合肥物质科学研究院安徽光学精密机械研究所, 合肥 230031; †通信作者, E-mail: shijianwu2000@sina.com (史建武), zhaolu0016@163.com (赵露)

摘要为研究中国西南边境省份云南省空气质量在春季受外围地区生物质燃烧跨境传输的影响, 针对 2024年 4 月 1—18 日云南省大范围污染增长过程, 以蒙自市、芒市和勐腊县 3 个云南省边境城市为例, 利用地基颗粒物激光雷达组网观测, 结合地面空气质量数据、气象数据和 MODIS 卫星遥感数据, 利用 HYSPLIT 后向轨迹模式和潜在源浓度权重轨迹分析法等多种手段, 分析污染物的时空分布特征和运动轨迹, 评估其对云南省空气质量的影响。结果表明, 2024 年 4 月云南省外围地区火点数量较多, 在西南季风主导下, 夜间至上午时段, 蒙自市、芒市和勐腊县易受缅甸、泰国、老挝和越南等地生物质燃烧跨境传输的影响, 滞后时间为 1.5～ 72h, 覆盖范围可达 2300km。在污染增长过程期间, 蒙自市空气质量主要受缅甸、老挝和越南等地污染混合层内输送影响, 缅甸东部以及途经地区的污染输送导致 4 月 6 日下午蒙自市地面 PM2.5 浓度升高约 30μg/m3。芒市主要受缅甸和孟加拉国等地污染贴地输送以及低空沉降影响, 勐腊县主要受老挝、缅甸和泰国等地污染贴地输送以及低空沉降影响。总体来看, 缅甸对云南省边境城市空气质量的影响最大。

关键词 跨境传输; 大气污染; 激光雷达; 生物质燃烧; 云南省

近年来, 云南省环境空气质量总体较好, 但污染天气的隐患仍然存在。国家环境空气质量自动监测结果显示, 2015—2023 年, 16 个云南省州(市)政府所在地出现轻度及以上污染共 549 天, 有 268 天分布在 4 月, 占 48.8%。出现污染天数最多的前三名城市均为边境城市, 分别是景洪市(113 天)、蒙自市(66 天)和芒市(53 天)。

云南省与缅甸、老挝、越南等中南半岛国家接壤, 而中南半岛是全球生物质燃烧高发区, 在春耕季节秸秆燃烧强度大[1–3]。研究表明, 中南半岛春季频发的生物质燃烧活动显著地影响位于下风向的云南省环境空气质量[4–8]。饶晓琴等[9]采用 WRF-CAMx 和 HYSPLIT 模型对 3—4 月两次污染过程的研究结果表明, 向我国边境输送的泰国和缅甸生物质燃烧产生的高浓度污染气团是云南省南部污染激增的重要原因。张玉洽等[10]利用 NAQPMS 模拟结果, 分析东南亚国家生物质燃烧对我国 PM2.5 浓度的贡献, 结果表明缅甸向云南等地的输送, 对云南PM2.5 浓度的月均贡献达 20µg/m3(贡献率为 30%), 约为云南本地生物质燃烧贡献的两倍, 日均贡献可达 34µg/m3(贡献率为 43%), 高于我国人为源的贡献量(28µg/m3)和贡献率(36%)。史建武等[11]分析云南省临沧市 PM2.5 的化学组分特征, 发现缅甸东部地区日均火点数与临沧市的 PM2.5 以及其他生物质燃烧指标(OC 和 K+等)具有较好的相关性, PSCF 模型模拟结果表明, 该地区是临沧市 PM2.5 最大的潜在来源区域。

上述研究主要采用数值模拟、后向轨迹模型和气团聚类分析等方法研究东南亚生物质燃烧对云南省空气质量的影响, 多聚焦于数值模拟结果, 缺乏基于实测数据的外场观测验证, 对污染输送过程以及垂直方向分布的观测较少。本文以 2024 年 4 月1—18 日云南省大范围连续污染增长过程为研究对象, 选取芒市、勐腊县和蒙自市 3 个污染最严重的边境城市作为典型案例, 利用地基颗粒物激光雷达组网观测气溶胶的垂直分布特征, 结合地面空气质量数据、地面气象数据和 MODIS 卫星遥感数据以及 HYSPLIT 后向轨迹模式和潜在源浓度权重轨迹分析法等多种手段, 探究生物质燃烧跨境传输的可能来源、路径和特征。

1 数据与方法

1.1 激光雷达监测地点

为研究不同方向的污染传输路径和特征, 选取蒙自市、勐腊县和芒市 3 个城市为研究对象, 分别代表滇东南、滇南和滇西地区污染较重的边境城市。为进行与地面站数据同步的分析, 雷达监测点设置在国家级和省级城市环境空气质量自动监测站, 具体点位为红河州生态环境局蒙自分局(103.388°E, 23.347°N, 海拔高度约为 1300m)、西双版纳州生态环境局勐腊分局(101.556°E, 21.441°N, 海拔高度约为 644m)和芒市人民政府(98.58913°E, 24.43646°N, 海拔高度约为 935m)。

1.2 数据来源

本文使用的地面气象数据来自中国气象局气象数据中心(https://data.cma.cn), 用于分析相对湿度(relative humidity, RH)、风速(wind speed, WS)、风向(wind direction, WD)和温度(temp, T)对污染过程的影响。高空风速和风向数据利用 WRF 模型(wea-ther research and forecasting model)的中尺度气象模式模拟得出。卫星遥感火点数据来源于美国航空航天局(National Aeronautics and Space Administration, NASA)发布的中分辨率成像光谱仪(moderate-reso-lution imaging spectroradiometer, MODIS), 该光谱仪搭载于 Terr 和 Aqua 卫星上。其中, Terra 卫星(原名EOS AM-1)上午由北向南穿过赤道, Aqua 卫星(原名EOS PM-1)下午由南向北穿过赤道。地面污染物浓度监测数据来自国家级和省级城市环境空气质量自动监测站。

1.3 研究方法

1.3.1 激光雷达组网观测

如图 1 所示, 激光雷达(light detection and ran-ging, LIDAR)主要由光源发射系统、光学接收系统以及数据采集和分析系统三部分组成。激光雷达以激光为光源, 通过监测激光与大气相互作用的辐射信号来探测大气的成分。Nd: YAG 激光器输出 1064nm 的近红外光, 经由二倍频和三倍频, 分别产生532nm 的绿光和 355nm 的紫外光。激光在大气中传播时, 与大气分子和颗粒物发生弹性散射, 激光雷达望远镜接收系统接收这些大气分子和颗粒物的后向散射信号, 经过光阑、分光片和干涉滤光器后, 分为 3 个通道(355nm 的水平和垂直偏振通道以及532nm 通道), 并由光电倍增管(photomultiplier tube, PMT)接收。采集系统以 5kHz 的采样率和 7.5m 的垂直距离分辨率对信号进行连续采样, 将数据传输至计算机进行反演处理, 最终获得该观测点气溶胶消光系数和退偏振比的时空分布图。

气溶胶消光系数(km−1)是通过具有更高稳定性和准确性的 Fernald 后向积分算法[12–16], 对激光雷达原始信号进行反演获得。根据观测点的气溶胶类型, 532nm 波长的激光雷达比率(大气气溶胶消光后向散射比)取常数值 50[17]。利用经验阈值和云筛选算法剔除低信噪比和受云干扰的激光雷达数据[18], 其中消光系数数据的剔除方法参照文献[19]。此外, 基于非球形粒子对线偏振激光的退偏振效应原理, 532nm 激光可以用于探测云和气溶胶粒子的形态。通过计算后向散射系数的垂直分量与平行分量的比值[15,20], 可以获得大气退偏振比的垂直分布廓线。由于大气中气体分子在 532nm 波长的退偏振比很小(约为 0.0297[21]), 偏振激光雷达在探测大气中非球形粒子时, 获得的退偏振比主要来自非球形粒子的贡献。

1.3.2 HYSPLIT后向轨迹模式

HYSPLIT 模型(https://www.ready.noaa.gov/)由美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA)空气资源实验室以及澳大利亚气象局联合开发, 可用于计算和分析大气气团的输送、扩散和沉降轨迹[22–24]。

1.3.3 轨迹聚类分析

本文中的聚类分析基于 MeteoInfo 软件 TrajStat模块进行。MeteoInfo 是中国气象科学研究院开发的一款适用于 GIS 应用程序和科学计算环境(尤其是气象科学)的集成框架[25], 能够根据气团轨迹数据的空间相似性, 将到达目标点的气团轨迹划分为不同的类别, 从而判断不同时段主导气流的方向以及污染物的潜在来源。本文分别对芒市、勐腊县和蒙自市站点在离地 100, 500 和 1500m 高度的气团进行 48 小时轨迹聚类。

1.3.4 潜在源浓度权重轨迹分析法

潜在源分析方法分为潜在源贡献函数(potential source contribution function, PSCF)分析法和浓度权重轨迹(concentration-weighted trajectory, CWT)分析法。由于 PSCF 方法仅能反映污染轨迹经过每个网格的概率, 无法反映该网格的污染程度[26], 因此本文选用 CWT 分析法计算潜在源区内的污染物浓度权重。该方法通过计算穿过每个网格单元的相关轨迹的样本浓度平均值, 为每个网格单元分配加权浓度, 从而定量地估算每个网格内污染物的浓度, 并揭示不同源区污染物贡献的相对大小。CWT 的计算公式为

其中, Cij 为网格(i, j)中的平均权重浓度, l 为轨迹, M为轨迹总数, Cl 为轨迹 l 在起始时间对应的污染物浓度, τijl 为轨迹 l 在网格(i, j)中的停留时间。

2 结果与讨论

2.1 地面污染物质量浓度特征

表 1 列出 2024 年 1—5 月云南省部分污染物浓度、气象参数以及境内外火点情况的统计数据。从气象条件来看, 1—4 月, 云南省的大气温度和风速逐月上升, 相对湿度逐月下降。从火点情况来看, 东南亚地区火点数呈上升趋势, 云南省本地火点数在 2 月达到最高值。4 月, 当境外火点数达到峰值时, 在高温、干燥和大风的气象条件下, 云南省的PM2.5, PM10 和 CO 浓度也达到最高水平。5 月, 随着云南进入雨季, 环境空气质量开始好转。

为研究境外生物质燃烧活动高发时段对云南边境城市空气质量的影响, 本文对 2024 年 4 月环境空气质量国控自动站和省控自动站监测数据进行分析。结果显示, 2024 年 4 月云南省 129 个县(区、市)的 PM2.5 浓度月均值为 34µg/m3, 较 1—5 月的 PM2.5浓度月均值高出 36%, 为 1—5 月期间的最高值。按照地理位置划分, 滇西南地区(德宏州、西双版纳州、普洱市、临沧市和保山)、滇中(昆明市、玉溪市和楚雄市)、滇东南(红河州和文山州)、滇东北(昭通市和曲靖市)、滇西北(大理州、怒江州、丽江市和迪庆州)的 4 月 PM2.5 月平均浓度呈现显著的区域差异(图 2)。滇西南地区最高(47µg/m3), 其次为滇东南地区(36µg/m3)、滇中地区(34µg/m3)、滇东北地区(26µg/m3)和滇西北地区(22µg/m3), 整体上表现为由边境向内陆递减的趋势。具体来看, 蒙自市的 PM2.5 月平均浓度为 45µg/m3, 比滇东南地区高25%; 芒市的 PM2.5 月平均浓度为 51µg/m3, 比滇西南地区高 8.5%; 勐腊县的 PM2.5 月平均浓度为 54µg/m3, 比滇西南地区高 14.9%。

将 PM2.5 浓度从谷值持续上升至峰值, 随后逐渐下降到谷值的倒“U”型变化趋势定义为一次 PM2.5污染增长过程。如图 3 所示, 蒙自市的主要 PM2.5污染增长过程发生在 4 月 1—18 日, 期间 PM2.5 的浓度范围为 34～70µg/m3, 均值为 50µg/m3; 芒市的主要PM2.5 污染增长过程出现在 4 月 14—18 日, 期间PM2.5 浓度范围为 47～96µg/m3, 均值为 66µg/m3; 勐腊县的主要 PM2.5 污染增长过程发生在 3 月 29 日—4 月 10 日, 期间 PM2.5 浓度范围为 23～107µg/m3, 均值为 80µg/m3。总体来说, 蒙自市的 PM2.5 污染增长过程持续时间长, PM2.5 浓度增长缓慢并伴随反复的波动; 芒市的 PM2.5 污染增长过程持续时间短, PM2.5浓度表现为快速上升和快速下降; 勐腊县的 PM2.5污染增长过程表现为 PM2.5 浓度缓慢增长和快速下降, 且污染程度最严重。

如图 4 所示, 在污染增长过程中, 蒙自市 PM2.5小时浓度较高的时段为上午(5—12 时)和傍晚(18—21 时), 此时地面风向以偏西南风为主, 风速呈现午后增大和夜间至上午减小的变化规律; 在污染物浓度略低的时段(4 月 10—12 日), 主导风向转为东南风。芒市 PM2.5 小时浓度最高值出现在中午(11—14时)和夜间(21—24 时), 高值期间无明显主导风向, 风速较低。勐腊县 PM2.5 浓度通常在夜间(20—22时)和上午(6—10 时)达到最高值, 4 月 6—9 日 PM2.5, PM10 和 CO 浓度较高, 该时间段内无明显主导风向, 风速较低。这 3 个城市的 PM2.5小时浓度均呈现夜间和上午较高、下午较低的变化规律, 大部分时段PM2.5, PM10 和 CO 的变化趋势完全一致, 这与生物质燃烧跨境传输气团的缓慢推进以及大气环境容量的昼夜变化有一定的关系[27]。

2.2 地基激光雷达观测结果

根据 2024 年 4 月 1—18 日红河州生态环境局蒙自分局地基激光雷达 355nm 和 532nm 消光系数的连续观测结果(图 5(a)和(b)), 在污染增长过程中, 蒙自市的 PM2.5 污染主要分布在离地高度(above ground level, AGL) 2500m 以下。在观测期间的夜间至次日上午, 离地高度 600m 以下的低空消光系数呈现规律性上升的趋势。其中, 5 日、6 日和 15 日夜间至次日上午, 355nm 和 532nm 消光系数的上升更明显, 对应时段地面国控站点监测到的 PM2.5 和PM10 浓度升高。从图 5(c)可知, 同时段的退偏振比出现明显突变。在激光雷达监测点附近污染排放特征没有发生明显改变的前提下, 可以推断蒙自市受到外来输送影响的可能性较大。此外, 4 月 1—8 日以及 18 日白天的退偏振比整体上高于 4 月 9—17 日, 说明 4 月初白天不规则粒子的占比整体上高于 4 月中上旬。综合分析图 5(a)～(c)可以发现, 4 月初雷达观测的退偏振比白天高于夜间, 即不规则粒子在白天占比升高。据此推断, 蒙自市白天正午时段以粗颗粒物输送为主(表现为消光系数低和退偏振比高), 夜间至次日上午时段则以 PM2.5(球形粒子)输送为主(表现为消光系数高和退偏振比低)。

从 MODIS 观测数据可以看出, 云南省内的火点分布比较分散, 且数量明显少于云南省以南的境外地区。4月 4—7 日以及 14—16 日, 老挝和缅甸等地火点数量明显增多, 与蒙自市、芒市和勐腊县的污染时段吻合。为研究境外生物质燃烧产生的污染物向云南省方向输送的轨迹路径, 本文以蒙自市地基雷达所在位置为中心, 结合卫星遥感监测火点情况、HYSPLIT 后向轨迹模式以及 CWT 分析法进行分析。

根据激光雷达观测的气溶胶垂直分布特征, 针对北京时间(Beijing time, BJT)4 月 6 日 5 时(UTC 为5 日 21 时), 分别选取 3 个不同的离地高度(100, 500和 1500m)进行气团 72 小时后向轨迹模拟, 并结合卫星遥感监测火点情况进行分析, 结果如图 6 所示。北京时间 4 月 6 日凌晨, 蒙自市的气团主要来自西南方。其中, 离地高度为 100 和 500m 的气团来自火点密集的缅甸东部地区, 途经西双版纳州到达蒙自市。气团在输送初期以贴近地面输送为主, 随后的 5 日 20 时(BJT)分别抬升至 100 和 500m(AGL)并抵达蒙自市。离地高度为 1500m 的气团则可以追溯到印度东部地区, 在高空下沉气流的影响下, 先沉降至缅甸地区近地面, 然后在 5 日 0 时(BJT)随上升气流到达蒙自市低空 1500m(AGL)。污染增长过程其他时段的后向轨迹也表明, 离地高度为 100和 500m 的气团主要来自缅甸东部边境地区, 输送形式以短距离贴地输送为主; 离地高度为 1500m 的气团主要来自缅甸甚至印度东部地区高空, 输送形式以远距离输送为主。

2.3 气溶胶污染输送情况综合分析

采用与蒙自市污染输送分析相同的方法, 对芒市和勐腊县的污染增长过程进行分析, 结果见附录, 这 3 个城市 2024 年 4 月上旬主要污染增长过程成因的分析结果如表 2 所示。表 2 中地面监测数据分别来自蒙自市监测站、芒市人民政府综合楼和勐腊县环境保护局自动站, 输送形式基于地基雷达监测结果进行判断, 污染来源方向基于气象数据和 72 小时 HYSPLIT 后向轨迹结果进行判断。

由表 2 可知, 3 个边境城市中蒙自市的地面平均风速最高, 4 月中上旬(4 月 13—17 日), 蒙自市的污染程度最严重, 全天地面平均风速较 4 月初有所增大, 且以西南偏南风为主导风向。结合 HYSPLIT后向轨迹和 CWT 分析结果可以发现, 4 月 5—18 日, 蒙自市主要受西南方向混合层内污染输送影响, 地面 PM2.5 和 PM10 浓度通常在上午(5—12 时)和傍晚(18—21 时)达到最高值。芒市 4 月 15—17 日污染程度最严重, 主要受偏西方向污染贴地输送以及低空沉降影响, 地面 PM2.5 和 PM10 浓度通常在中午(11—14 时)和夜间(21—24 时)达到最高值。勐腊县 4 月5—9 日污染程度最严重, 主要受西南方向污染贴地输送及低空沉降影响。相较于其他两个边境城市, 勐腊县的地面风速最低, CO 平均浓度最高, 地面PM2.5 和 PM10 浓度通常在夜间(20—22 时)和上午(6 —10 时)达到最高值。

分别对这 3 个城市污染程度最重时段的 PM2.5, PM10 和 CO 进行离地高度 500m 的 48 小时浓度权重轨迹分析和轨迹聚类分析。图 7 显示, 蒙自、芒市和勐腊县 3 个城的 PM2.5, PM10 和 CO 潜在源分析结果具有较高的一致性, 表明这 3 种污染物具有同源性。图 7(a)和图 8(a)显示, 4 月 1—18 日, 蒙自市主要受缅甸和老挝等地的污染输送影响, 其中来自缅甸地区的污染物贡献最大。图 7(b)和图 8(b)显示, 4月 14—18 日, 芒市主要受缅甸、印度东北部和孟加拉国等地的污染输送影响。图 7(c)和图 8(c)显示, 3月 29 日—4 月 10 日, 勐腊县主要受缅甸、泰国和老挝等地污染输送影响。这 3 个城市污染来源的分析结果与地基雷达和 HYSPLIT 后向轨迹的结果一致。

72 小时 HYSPLIT 后向轨迹、48 小时 CWT 结果和 MODIS 卫星火点监测数据的综合分析结果表明, 蒙自市、芒市和勐腊县监测点位因外来火点污染输送的影响存在滞后性。在确定目标点受到上风向污染输送影响的前提下, 通过测算出现在目标站点上风向的火点与目标站点之间的距离, 监测到该火点的起始时间至目标站点地面污染物浓度开始升高的时间, 并结合该时段目标站点离地高度 500m以下的平均风速, 分析该时段内污染输送的延时情况。结果表明, 污染输送延时最低约为 1.5h, 以勐腊县监测点位为例, 位于该点位的上风向火点与该点位的距离约为 30km, 离地高度 500m 以下的平均风速约为 20km/h; 污染输送延时最长可达 72h 以上, 以蒙自市监测点位为例, 4 月 1 日夜间, 位于该点位的上风向火点与该点位的距离约为 2300km, 离地高度 500m 以下的平均风速约为 28km/h。污染输送延迟的时间与风速、上风向火点发生的时间以及输送距离密切相关。外来火点污染输送距离为30～2300km, 向西方向最远可追溯到印度和孟加拉国地区, 向南方向最远可追溯到泰国和老挝地区。总体来说, 缅甸地区对蒙自市、芒市和勐腊县这 3个边境城市的污染贡献占比最高。

3 结论和讨论

1)云南省环境空气质量中污染物浓度水平在 4月相对较高, PM2.5 月平均浓度呈现滇西南地区>滇东南地区>滇中地区>滇东北地区>滇西北地区的分布特征以及由边境向内陆递减的趋势。其中, 蒙自市的 PM2.5 月平均浓度比滇东南地区高 25%, 芒市的 PM2.5 月平均浓度比滇西南地区高 8.5%, 勐腊县的 PM2.5 月平均浓度比滇西南地区高 14.9%。

2)蒙自市、芒市和勐腊县的环境空气质量均受到生物质燃烧跨境传输影响。其中, 蒙自市的大气污染主要受缅甸东部地区、老挝和越南影响, 污染物主要通过混合层内输送, 地面颗粒物浓度通常在上午和傍晚达到最高值。芒市的大气污染主要受缅甸和孟加拉国等地影响, 污染物输送方式主要为贴地输送和低空沉降, 地面颗粒物浓度在中午和夜间最高。勐腊县的大气污染主要受老挝、缅甸和泰国等地影响, 污染物输送方式主要为贴地输送和低空沉降, 地面颗粒物浓度通常在夜间和上午达到最高值。

3)受外来污染输送影响, 蒙自市、芒市和勐腊县存在滞后效应, 输送延时的范围为 1.5～72h, 与风速、上风向监测到火点发生的时间及输送距离密切相关。污染输送覆盖距离为 30～2300km, 向西最远可追溯到印度和孟加拉国地区, 向南最远可追溯到泰国和老挝地区。

南亚–东南亚地区是世界三大生物质燃烧地之一, 其产生的污染物在西南季风的引导下, 对我国西南地区特别是云南省的环境空气质量造成较大的影响。由于次区域国家的经济发展水平、生产生活方式在短期内难以发生根本性的转变, 污染隐患将长期存在。“十三五”计划以来, 云南省空气质量稳居全国前列。然而, 跨境污染传输给云南省持续保持优良的环境空气质量以及完成国家考核目标带来巨大的不确定性, 直接影响大气污染防治工作的成效。未来, 应立足于云南省作为面向南亚–东南亚辐射中心和生态文明建设排头兵的战略定位, 加强跨境生物质燃烧影响的研究与合作, 推动面向次区域的大气环境治理体系建设。这样, 不仅可以为客观地评价大气污染防治成效、科学地制定环境管理决策提供技术支撑, 也有助于促进次区域环境安全合作, 对维护西南生态安全屏障具有重要的理论价值与实践意义。

2024年4月14—18日, 芒市人民政府的地基激光雷达连续观测的532 nm消光系数以及退偏振比在5 km高度的时空变化, 结果如图S1(a)和(b)所示。2024年4月14—18日期间, 芒市PM2.5污染主要分布在离地高度2000m以下范围内, 15日夜间—17日中午时段低空900 m高度以下的消光系数明显升高并维持在一定的水平, 对应时段地面国控站点监测的PM2.5和PM10浓度呈现同步升高趋势。

根据芒市激光雷达观测的气溶胶垂直分布特征, 以雷达所在位置为中心, 分别选取4月16日21时(BJT, UTC16日13时)100, 500和1500 m三个不同离地高度72h后向轨迹模拟分析, 结果如图S2所示。北京时间4月16日夜间100和500 m高度的气团主要来自芒市以西方向的缅甸中部地区, 输送形式以贴近地面输送为主; 1500 m气团则可以追溯到印度东北部地区, 在高空下沉气流的影响下, 沉降至缅甸地区近地面, 再随15日23时(BJT)开始的上升气流到达蒙自市低空1500 m高度。污染增长过程其他时段的后向轨迹也表明, 100和500 m高度的气团以来自缅甸中部地区的贴地输送为主, 1500 m高度的气团主要来源于缅甸甚至印度东北部地区高空的远距离输送。

Fig. S2 72h backward trajectories by HYSPLIT for Mangshi at 13:00 (UTC) on Apr. 16, 2024

2024年3月29日—4月10日, 西双版纳州生态环境局勐腊县分局的地基激光雷达连续观测的532 nm消光系数以及退偏振比在5 km高度的时空变化如图S3(a)和(b)所示。2024年3月29日—4月10日污染增长过程中, 勐腊县的PM2.5污染主要分布在离地高度2500 m以下范围内, 3月30日—4月7日夜间至次日中午时段低空1500 m高度以下的消光系数呈现规律性升高现象, 对应时段地面站点监测的PM2.5和PM10浓度升高。

附录图3 2024年3月29日—4月10日勐腊县地基激光雷达监测结果伪彩图

根据勐腊县激光雷达观测的气溶胶垂直分布特征, 以勐腊县地基雷达所在位置为中心, 针对4月7日10时(BJT, UTC 7日2时)分别选取100, 500 和1500 m三个不同离地高度进行气团的72小时后向轨迹模拟分, 如图S4所示。北京时间4月7日上午100和500 m高度的气团主要来自位于勐腊县西南方向的缅甸和泰国地区的贴近地面输送, 途径老挝地区; 1500 m的气团则可以追溯到印度地区, 在高空下沉气流的影响下, 沉降至蒙自市低空1500 m高度(AGL)。污染增长过程其他时段的后向轨迹也表明, 100和500 m高度的气团以来自缅甸地区的贴地输送为主, 1500 m高度的气团主要来源于缅甸、印度等地高空的远距离输送沉降。

Fig. S4 72h backward trajectories by HYSPLIT for Mengla at 2:00 (UTC) on Apr. 7, 2024

[1] Gustafsson O, Krusa M, Zencak Z, et al. Brown clouds over South Asia: biomass or fossil fuel combustion?. Science, 2009, 323: 495–498

[2] Tsay S C, Hsu N C, Lau W K M, et al. From BASE-ASIA toward 7-SEAS: a satellite-surface perspective of boreal spring biomass-burning aerosols and clouds in Southeast Asia. Atmospheric Environment, 2013, 78: 20–34

[3] Huang K, Fu J S, Hsu N C, et al. Impact assessment of biomass burning on air quality in Southeast and East Asia during BASE-ASIA. Atmospheric Environment, 2013, 78(7): 291–302

[4] 忽建永, 钱雪莹, 殷文涛, 等. 近3年西双版纳州勐腊县大气污染基本特征及污染原因分析. 环境科学学报, 2021, 41(11): 4388–4395

[5] 刘芮男, 寇星霞, 高怡, 等. 近年来云南省PM2.5浓度变化趋势与潜在区域来源分析. 气候与环境研究, 2023, 28(5): 509–517

[6] Li J, Zhang Y, Wang Z, et al. Regional impact of bio-mass burning in Southeast Asia on atmospheric aero-sols during the 2013 Seven South-East Asian Studies Project. Aerosol Air Qual Res, 2017, 17(12): 2924–2941

[7] 周茹, 朱君. 东南亚生物质燃烧输送影响我国西南气溶胶辐射特性研究, 中国环境科学, 2020, 40(4): 1429–1436

[8] Zhu J, Xia X, Che H, et al. Study of aerosol optical properties at Kunming in southwest China and long-range transport of biomass burning aerosols from North Burma. Atmospheric Research, 2016, 169: 237–247

[9] 饶晓琴, 张碧辉, 江琪, 等. 东南亚生物质燃烧对云南边境污染传输影响. 中国环境科学, 2023, 43 (9): 4459–4468

[10] 张玉洽, 杨迎春, 李杰, 等. 东南亚生物质燃烧对我国春季PM2.5 质量浓度影响的数值模拟. 环境科学研究, 2016, 29(7): 952–962

[11] 史建武, 吴小彤, 韩新宇, 等. 临沧市城区大气PM2.5 组分特征及受境外生物质燃烧传输的影响. 环境化学, 2025, 44(2): 1–13

[12] Fernald F G. Analysis of atmospheric lidar observa-tions: some comments. Applied Optics, 1984, 23(5): 652–653

[13] Yang H, Xie C, Fang Z, et al. Joint observations of vertical distribution of aerosols in Hefei area by space-borne and ground-based lidars. Chinese Journal of Lasers, 2021, 48(1): 0110001

[14] Fang Z, Yang H, Cao Y, et al. Study of persistent pollution in Hefei during winter revealed by ground based LIDAR and the CALIPSO Satellite. Sustaina-bility, 2021, 13(2): 1–14

[15] Measures R M. Laser remote sensing: funda-mentals and applications. New York: Wiley-Interscience, 1984

[16] Schäfer K, Blumenstock T, Bonn B, et al. Mixing layer height measurements determines influence of meteo-rology on air pollutant concentrations in urban area. Remote Sensing of Clouds and the Atmosphere XX. SPIE, 2015, 9640: 166–173

[17] 张朝阳, 苏林, 陈良富. 中国典型地区气溶胶激光雷达比反演与分析. 中国激光, 2013, 40(5): 0513002

[18] Liu Z, Sugimoto N. Simulation study for cloud detec-tion with space lidars by use of analog detection photo-multiplier tubes. Applied Optics, 2002, 41(9): 1750–1759

[19] Xiang Y, Lü L, Chai W, et al. Using Lidar technology to assess regional air pollution and improve estimates of PM2.5 transport in the North China Plain. Environ-mental Research Letters, 2020, 15(9): 094071

[20] Sugimoto N, Lee C H. Characteristics of dust aerosols inferred from lidar depolarization measurements at two wavelengths. Applied Optics, 2006, 45(28): 7468–7474

[21] Burton S P, Hair J W, Kahnert M, et al. Observations of the spectral dependence of linear particle depolari-zation ratio of aerosols using NASA langley airborne High Spectral Resolution Lidar. Atmospheric Chemis-try and Physics, 2015, 15(23): 13453–13473

[22] Rolph G, Stein A, Stunder B. Real-time Environmental applications and display system: READY. Environ-mental Modelling & Software, 2017, 95: 210–228

[23] Draxler R R, Hess G D. An overview of the HYSPLIT4 modeling system for trajectories, dispersion, and depo-sition. Australian Meteorological Magazine, 1998, 47: 295–308

[24] Hopke P K. Recent developments in receptor mode-ling. Journal of Chemometrics, 2003, 17(5): 255–265

[25] Wang Y Q. MeteoInfo: GIS software for meteorolo-gical data visualization and analysis. Meteorological Applications, 2014, 21(2): 360–368

[26] Han Y J, Holsen T M, Hopke P K. Estimation of source locations of total gaseous mercury measured in New York State using trajectory based models. Atmospheric Environment, 2007, 41(28): 6033–6047

[27] 杨清健. 云南高原清洁大气环境背景下城市空气质量变化及其影响因素的观测与模拟研究[D]. 南京: 南京信息工程大学, 2020

Research on the Impact of Biomass Burning and Cross-Border Transport on Air Quality in Border Cities in Yunnan, China

QIU Fei1,2, BI Limei2, LIU Zhaohuan2, XIANG Feng2, DAO Xu3, SHI Jianwu1,†, ZHAO Lu4,†, SUN Qianqian4, XIANG Yan5, ZHANG Tianshu6

1. Faculty of Environmental Science and Engineering, Kunming University of Science and Technology, Kunming 650500; 2. Yunnan Ecological and Environmental Monitoring Center, Kunming 650034; 3. China National Environmental Monitoring Centre, Beijing 100012; 4. Hefei CAS Environmental Optical Technology Co., Ltd, Hefei 230061; 5. Institutes of Physical Science and Information Technology, Anhui University, Hefei 230039; 6. Anhui Institute of Optics and Fine Mechanics, Hefei Institutes of Physical Science, Chinese Academy of Sciences, Hefei 230031; †Corresponding authors, E-mail: shijianwu2000@sina.com (SHI Jianwu), zhaolu0016@163.com (ZHAO Lu)

Abstract In order to study the impact of cross-border transportation of biomass burning from peripheral areas on the air quality in Yunnan Province, a southwestern border province in China, during spring, specifically in response to the large-scale pollution process in Yunnan from April 1 to 18, 2024, three border cities in Yunnan Province, namely Mengzi City, Mangshi City, and Mengla County, were selected as examples. Ground-based particle laser radar network observations, combined with ground air quality data, meteorological data, and MODIS satellite remote sensing data, were used, along with the HYSPLIT backward trajectory model, potential source concentration weight trajectory analysis method, and other technical means, to analyze the spatiotemporal distribution characteristics and motion trajectories of pollutants and to evaluate their impact on the air quality in Yunnan province. The results show that in April 2024, there were numerous fire points in the peripheral areas of Yunnan province. Under the dominance of the southwest monsoon, the three border cities were prone to the cross-border transport of biomass burning from Myanmar, Thailand, Laos, and Vietnam during the period from night to morning, with a lag time of 1.5 to 72 hours and a coverage range of up to 2300 kilometers. During the pollution growth process, the air quality in Mengzi City was mainly affected by mixed-layer transport from Myanmar, Laos, and Vietnam. The transport from eastern Myanmar and passing areas led to an increase of about 30 μg/m3 in the ground PM2.5 concentration in Mengzi City on the afternoon of April 6th. Mangshi City was mainly affected by surface-level transport and low-altitude subsidence from Myanmar and Bangladesh, while Mengla County was mainly affected by surface-level transport and low-altitude subsidence from Laos, Myanmar and Thailand. Overall, Myanmar has the greatest impact on the air quality of border cities in Yunnan Province.

Key words cross-border transport; air pollution; LIDAR; biomass burning; Yunnan Province