PM<sub>2.5</sub>的化学组成和吸湿增长对重庆主城区大气低能见度的影响研究

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 62, No. 1 (Jan. 2026)

国家自然科学基金(42105075)、成都平原城市气象与环境四川省野外科学观测研究站开放课题(CPUME202305)和重庆市留学人员回国创业创新支持计划(cx2021021)资助

PM2.5的化学组成和吸湿增长对重庆主城区大气低能见度的影响研究

1.三峡库区生态环境教育部重点实验室, 重庆大学环境与生态学院, 重庆 400044; 2.成都平原城市气象与环境四川省野外科学观测研究站, 成都信息工程大学大气科学学院, 成都 610225; 3.国家气象中心, 中国气象局, 北京 100081; †通信作者, E-mail: chen.jing@cqu.edu.cn

摘要为厘清近年来重庆主城区低能见度(VIS)事件仍然频发的理化影响机制, 利用 2015—2021 年的气象资料和同期的 PM2.5化学组分数据, 从 PM2.5化学消光和吸湿增长共同作用的角度探讨低 VIS 的原因。结果表明, 重庆主城区 VIS<10km 的现象主要发生在秋冬季, 频率普遍高于 50%。硝酸盐逐渐取代硫酸盐甚至有机物, 成为秋冬季 PM2.5中最主要的二次无机组分, 对消光的贡献最大。随着 VIS 恶化和相对湿度(RH)增大, 硝酸盐及其吸湿增长导致的消光贡献显著增强; 伴随 2018 年以来 PM2.5浓度的大幅度下降, 同等 VIS 水平下的硝酸盐具有更高的质量占比和消光贡献, 且在高 RH 下的吸湿贡献更为明显。在未来低人为排放的背景下, 控制硝酸盐及其前体物排放将有助于重庆主城区大气低 VIS 的有效改善。

关键词 低能见度; PM2.5化学消光; 硝酸盐; 吸湿增长; 低人为排放

大气能见度(visibility, VIS)是衡量大气消光能力和环境空气质量的重要指标[1–2]。伴随中国近几十年快速的城市化和工业化进程, 由高浓度细颗粒物(PM2.5)造成的大气低能见度事件(VIS<10km), 甚至极低能见度现象(VIS<5km)引起广泛关注[3–5]。有研究指出, 低能见度事件会对交通航运产生不利影响[6–7], 并且对人类健康和气候变化造成严重危害[8–10]。为改善空气质量, 推动可持续发展, 中国国务院自 2013, 2018 和 2023 年相继颁布《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》和《空气质量持续改善行动计划》。尽管长期的减排使得大气中 PM2.5浓度显著下降, 但低能见度问题并未得到彻底改善, 华北平原[11]、珠三角[12]、长三角[13]和西南地区[14]低能见度事件仍然频繁, 低能见度的改善存在较大的挑战, 低能见度与 PM2.5理化性质之间的潜在联系有待更深入的研究。

能见度的光学物理本质是大气中气态和颗粒态物质对可见光的总体衰减能力, 一般大气颗粒物的消光贡献占主导[15]。较高的 PM2.5浓度是造成城市地区能见度恶化的重要原因, 通常情况下, PM2.5 浓度越高, 其对可见光的削弱作用越强, 即消光系数越大[16–17]。除浓度外, PM2.5的消光能力也受到自身理化性质(如粒径分布、化学组分和吸湿性等)的显著影响[14,18–20]。Zhao 等[14]发现四川盆地和华北平原两地 PM2.5的粒径分布存在较大差异, 导致四川盆地气溶胶体积消光效率远高于华北平原。PM2.5的化学组分对其消光能力的影响是复杂的。一方面, 化学组分决定颗粒物从大气中吸收水汽的能力(即吸湿性)。一些吸湿性气溶胶, 如二次无机气溶胶(secondary inorganic aerosol, SIA)和部分有机气溶胶(organic aerosol, OA), 能够在高相对湿度(relative humidity, RH)环境下发生显著的吸湿增长, 从而改变其光学特性(如散射截面和散射效率等)[11,21]。另一方面, 不同的化学组分具有不同的质量消光系数, 即便在同一浓度水平下, 由不同化学物质组成的PM2.5所造成的消光也会不同。例如, Pryor 等[22]在加拿大菲沙河谷开展的研究发现, 尽管颗粒物中OA 的质量分数最高, 但其对消光系数的贡献并没有硝酸盐和硫酸盐高。除 PM2.5的浓度和理化性质外, 气象因素也能够对能见度造成显著的影响[23–26]。当不利于大气扩散的气象条件出现时, 大气中的颗粒物会发生积累, 导致能见度恶化[27]。RH 对能见度变化同样具有较大的影响[28–29], 一方面高湿环境能够促进吸湿性气溶胶吸湿增长, 造成更强的消光; 另一方面, 吸湿后的颗粒物具有较多的液态水和更大的表面积, 有利于 SIA 和二次有机气溶胶(secon-dary organic aerosol, SOA)通过液相氧化和非均相反应形成, 导致颗粒物浓度和消光效率增大, 使能见度降低[30–33]。Chen 等[7]发现, 当 RH<90%时, 颗粒物浓度升高是造成华北平原能见度下降的主要原因, 当 RH>90%时, 能见度的下降则主要受高 RH伴随的吸湿增长影响。由此可见, PM2.5浓度及其理化性质和气象因素都会对能见度产生显著的影响。为更有效地提高不同地区的能见度水平, 需进一步明确当地大气低能见度的主要影响因素。

重庆市是中国西南地区典型的超大型城市, 位于四川盆地东部边缘, 以山地和丘陵地貌为主, 具有较高的静风频率, 大气污染物易积累[34]。重庆地属亚热带季风性湿润气候, 常年多雾, 素有“雾都”之称[35]。作为长江上游经济中心, 重庆主城区人口众多, 随着工业与经济快速发展, 空气质量下降, 低能见度事件频发[36–38]。在政府长期减排政策的影响下, 重庆主城区的空气质量得到显著提升, 但低能见度事件仍然时有发生。本研究分析 2015—2021 年重庆主城区大气能见度变化特征、能见度的主要影响因素及 PM2.5 主要化学组分的消光贡献, 旨在从不同减排阶段 PM2.5化学组分变化的角度, 探讨 PM2.5的化学消光及其吸湿增长对能见度改善的总体影响, 以期为未来低人为排放形势下四川盆地更有效的空气污染防控提供科学参考。

1 数据与方法

1.1 数据来源

本文所用数据主要包括 2015—2021 年间重庆主城区的气象、空气质量数据以及 PM2.5化学组分数据。气象数据来自中国气象局官方网站(https:// www.cma.gov.cn/), 选取重庆主城区内北碚、渝北、沙坪坝和巴南 4 个代表性站点。气象数据类型包括能见度(VIS)、降水、温度(T)、相对湿度(RH)和风速(WS)等气象参数。空气质量数据来自中国环境监测总站官方网站(http://www.cnemc.cn/), 选取重庆主城区域内 13 个国控站点, 包括缙云山、天生、两路、虎溪、南坪、唐家沱、茶园、白市驿、空港、新山村、礼嘉、蔡家和鱼新街。数据类型包括 PM2.5, PM10, NO2, SO2, CO 和 O3-8h 的每小时质量浓度。将不同站点的气象和空气质量数据进行平均, 以便更好地代表重庆主城区的气象和空气质量条件。PM2.5化学组分数据来自 Tracking Air Pollu-tion in China (TAP, http://tapdata.org.cn/)网站[39], 该网站提供重庆主城区的日均 PM2.5化学组分数据(SO42−, NO3−, NH4+, OM 和 BC), 我们选择的区域(29.35—29.85°N, 106.35—106.75°E)涵盖重庆主城区。TAP 提供的日均 PM2.5化学组分数据的总体可靠性已在文献[18,40]中得到验证。为保证能见度等数据的代表性, 剔除缺测值、发生降水以及 RH> 97%的时刻对应的同期数据。

1.2 研究方法

1.2.1 基于 IMPROVE 公式的大气颗粒物组分消光及其吸湿贡献估算

利用修订后的 IMPROVE 公式, 估算PM2.5化学组分的消光系数(Bext)[41]。由于重庆为内陆城市, 在计算消光时不考虑海盐项。同时, 考虑到土壤尘(主要以常见的矿物氧化物形式存在)在颗粒物总消光中只占小部分, 计算时排除土壤项对消光的贡献, 并将空气分子对应的瑞利散射项(Rayleigh scatte-ring, RLS)计为 10Mm−1 [42]。IMPROVE 公式的形式如下:

Bext = 2.2 × fS(RH) × [Small AS] + 4.8 × fL(RH) ×[Large AS]+ 2.4 × fS(RH) × [Small AN] + 5.1×fL(RH) × [Large AN]+ 2.8 × [Small OM] +6.1 × [Large OM]+ 10 × [EC] + 0.6 ×[Coarse Mass] + 0.33 × [NO2 (10−9)]+10Mm−1, (1)

式中, [X]表示不同化学组分 X的质量浓度(μg/m3)。假设硫酸盐和硝酸盐分别以硫酸铵(AS)和硝酸铵(AN)的形式存在, 则[AS]=1.375×[硫酸盐], [AN]= 1.29×[硝酸盐], [Coarse Mass]=PM10−PM2.5。当[X]< 20μg/m3 时, [Large X]=[X]2/20, [Small X]=[X]−[Large X]; 当[X]≥20μg/m3 时, [Large X]=[X]。fS(RH)和fL(RH)分别代表颗粒物在细和粗模态下的光学吸湿增长因子, 定义为颗粒物吸湿增长后的消光系数与干燥状态下消光系数的比值, 随 RH 变化。本研究中的 fS(RH)和 fL(RH)的取值参考 Pitchford 等[41]的研究结果。根据光学吸湿增长因子的定义, 当 fS(RH)和 fL(RH)均等于 1 时, 可得到干燥状态下 AN 和 AS对应的消光系数(简称 AN-Dry 和 AS-Dry)。因此, 通过扣除干燥状态下的消光, 即可相应地计算得到吸湿后与干燥状态间的消光系数差值, 分别代表由 AN 和 AS 吸湿增长所贡献的消光系数(记为 AN-Hygrow 和 AS-Hygrow)。

为验证修订后的 IMPROVE 公式可靠性, 利用能见度仪实测大气能见度(VIS), 结合 Koschmieder 公式计算环境的消光系数(σext)[40,43]:

式中 σext的单位是 Mm−1, 能见度 VIS 的单位是 km, 3.912 为 Koschmieder 常数。

图 1 显示利用能见度仪实测大气能见度和 Kos-chmieder 公式计算的消光系数(σext)与利用 IMPRO-VE 公式和 PM2.5化学组分估算的消光系数(Bext)的对比结果。二者线性拟合曲线的斜率为 0.85, 说明IMPROVE 公式估算的消光系数略小于实测的大气消光, 产生误差的原因如下: 1)颗粒物中的部分有机物(OM)也可能存在吸湿性, 而 IMPROVE 公式未予考虑, 因此会低估 OM 的消光贡献[44–45]; 2)未考虑光学吸湿增长因子 f(RH)可能的时空差异性[46]; 3)TAP 化学数据可能与实际环境中的 PM2.5主要化学组分存在差异; 4)未考虑土壤等其他物质的消光; 5)由能见度仪测量的大气能见度可能与实际能见度存在一定的误差, 误差允许范围在 10%以内[47]。总体而言, 由 IMPROVE 公式估算的 Bext与能见度实测计算值 σext 之间具有较好的线性相关性(R=0.87), 能够用于重庆主城区 PM2.5化学组分平均消光的估算和趋势分析。

1.2.2 主成分分析

主成分分析(principal components analysis, PCA)是一种简化数据集的线性变换方法。该方法利用降维的思路, 在尽可能保留原始变量信息的前提下, 通过正交旋转变换, 将数据集中的多个变量转化为少数几个互不相关的综合变量[48–49]。本研究采用主成分分析方法识别影响大气能见度的主要因素, 分析过程通过 SPSS 27.0.1 软件完成。为消除量纲差异, 首先对数据集进行标准化处理, 然后进行 Kaiser-Meyer-Olkin(KMO)检验和 Bartlett 球形度检验。当数据集的 KMO>0.5 且 Bartlett 球形度检验显著性 p<0.05 时, 表明数据集可进行 PCA 分析[50]。主成分的提取依据特征值大于 1 的原则[48], 并结合方差贡献率确定最终主成分个数。

2 结果与讨论

2.1 2015—2021 年重庆主城区大气低能见度的总体变化趋势

图 2 显示 2015—2021 年重庆主城能见度(VIS)和 PM2.5浓度年均值以及不同等级能见度事件的发生频率。从总体上看, 年均 PM2.5浓度逐渐下降, 从2015 年的 60.48±38.27μg/m3降至 2021 年的 35.85± 21.59μg/m3; 年均 VIS 则从 2015 年的 9.1±5.6km 升至 2021 年的 12.1±6.8km, 呈波动上升趋势。上述结果表明, 近年来的持续减排政策对重庆主城区空气质量和能见度有明显的改善作用。值得注意的是, 2020 年的年均 VIS 最高(13.1±6.6km)且 PM2.5浓度最低(35.84±20.04μg/m3), 可能与新冠疫情爆发导致的社会生产活动大幅度减少, 人为排放急剧下降密切相关[40,51–52]。从不同等级 VIS 的发生频率来看, VIS<10km 对应的频率从 2015 年高达 61.54%波动地下降至 2021 年的 45.36%, 其中极低能见度(VIS<5km)的频率从 26.44%(2015 年)缓慢下降至 17.88% (2021 年)。这表明, 尽管大气污染防治措施有所成效, 但低能见度事件仍然较为频繁, 重庆主城区的能见度改善存在较大的改进空间。

鉴于气象条件和人为排放等因素的高度时间变化性, 我们统计了重庆主城区 2015—2021 年不同季节平均 VIS 和不同等级 VIS 的发生频率(图 3)。整体来看, 重庆主城区的能见度表现为夏季最高(16.9 ±6.1km), 春(11.4±4.7km)、秋(9.8±6.0km)季次之, 冬季最低(6.6±4.6km), 各个季节的能见度都呈波动性上升趋势, 且秋冬季的改善效果最显著。秋季由7.8±3.7km(2015 年)上升至 12.8±7.7km(2021 年), 平均升高 64.10%; 冬季由 5.6±3.1km(2015 年)上升至 8.0±4.7km (2021 年), 平均提升 42.86%。不同等级 VIS 的发生频率存在明显的季节差异。夏季的低能见度频率最低, 仅为 14.52%, 且自 2018 年以来未发生 5km 以下的极低能见度事件。春季 VIS<10km和 VIS<5km的频率分别为 44.65%和 8.01%, 呈波动性下降趋势。春夏季的能见度状况整体上较好, 秋冬季则低能见度占主导地位, 频率分别高达 63.63%和 85.20%。从能见度改善的角度来看, 秋季 VIS< 10km 的频率从 2015 年的 74.47%下降至 2021 年的46.67%, 冬季从 92.45%(2015 年)降至 76.83%(2021年), 且 2021 年冬季 VIS<5km 对应的频率仍然高达28.05%, 凸显冬季能见度改善的巨大挑战。

综上所述, 尽管 2015—2021 年重庆主城区的PM2.5浓度明显下降, 大气能见度也逐渐回升, 但低能见度甚至极低能见度事件仍然频发, 尤其秋冬季的能见度改善问题面临更严峻的挑战。因此, 本文针对秋冬季的低能见度事件及其主要成因进行深入的研究。

2.2 重庆主城区大气能见度的主要影响因素

大气中颗粒物(如 PM2.5和 PM10)的散射与吸收作用以及部分气体(如 NO2)的吸收作用能够直接造成可见光的衰减。气象条件(T, RH 和 WS)则通过影响大气化学和扩散过程, 进而改变大气的化学组成和浓度, 间接地影响大气能见度。上述大气消光成分和气象因素对能见度的影响在本研究中得到很好的验证。重庆主城区能见度与大气颗粒物和 NO2均呈显著的负相关关系(图 4(a)～(c)), 表明颗粒态和气态消光成分的浓度越高, 对可见光的衰减作用越强, 能见度恶化也越显著。此外, 气象因素中的 RH 与能见度负相关(图 4(e)), WS 和 T则与能见度明显正相关(图 4(d)和(f))。一方面说明, RH 越高, 越有利于吸湿性气溶胶的吸湿增长, 从而增强其消光作用[53]。另一方面, 颗粒物吸湿增长还可以为液相和非均相反应提供场所, 促进二次气溶胶生成, 使颗粒物浓度和总体消光能力增大, 进一步降低大气能见度[54]。大气温度的上升使得近地层的湍流运动加强, 混合层高度抬升, 地表风速增大, 有利于污染扩散, 从而降低污染物浓度, 促进能见度提高。另外, 在温度升高的同时, 可能伴随 RH 的降低, 在一定程度上减弱颗粒物吸湿增长对能见度的衰减作用。

值得注意的是, 能见度的众多影响因素之间可能存在相互作用。例如, 重庆主城区冬季常伴随高RH、低风速的气象条件, 有利于大气污染物的积累和二次转化, 进而导致较高的颗粒物浓度和较低的能见度。因此, 本文基于主成分分析, 对能见度影响最显著的因素进行识别, 且两种检验结果分别显示 KMO 检验值为 0.605, Bartlett 球形检验的 p< 0.05, 通过显著性检验, 证明了主成分分析的有效性。表 1 给出主成分分析中解释总方差的结果, 其中“总计”一列为各因子对应的特征根, 其值反映各因子对能见度的贡献比例, 方差百分比越高说明对大气能见度的解释程度越好。根据主成分提取特征值一般需大于 1 的标准[48], 共得到两个主成分因子, 对应的特征值分别为 3.205 和 1.385, 累积贡献率为76.502%, 表明两个主成分已经包含 6 个原始成分76%以上的信息, 因此选用两个主成分代表能见度的主要影响因素。表 1 还显示两个主成分与 6 个影响因子之间的相关系数, 第一个主成分的方差贡献率最大(53.411%), 且与 PM2.5为主的污染物相关性最强(R=0.886), 该成分主要代表污染物浓度的消光影响, 说明颗粒物浓度变化能够较好地解释大气能见度变化。第二个主成分的方差贡献率为 23.091%, 与 RH 的相关性最强(R=−0.749), 说明该成分主要代表能见度的气象影响因素。

主成分分析以及相关性分析的结果均表明能见度与大气污染物以及气象要素之间存在显著的关系, 且 PM2.5浓度和 RH 是重庆主城区能见度的两大首要影响因素, 与已有相关研究的结论[28,55–56]相符。同时, 鉴于环境中 PM2.5的来源广泛且成分复杂, 不同组分 PM2.5的大气消光能力存在明显差异, 下面从 PM2.5化学消光与吸湿增长的角度探究重庆主城区 2015—2021 年秋冬低能见度的主要成因。

2.3 2015—2021 年秋冬季 PM2.5 化学组分及其消光贡献的变化特征

2015—2021 年重庆主城区秋冬季 PM2.5化学组分的浓度以及质量分数如图 5(a1)和(a2)所示。与PM2.5 的年变化趋势类似, 各个化学组分的年均浓度在秋冬季大致呈波动性下降趋势, 其中由于新冠疫情导致的一次排放急剧下降, 2019 年冬季对应的PM2.5化学组分浓度均处于最低水平。但是, 总体上冬季各组分的质量浓度普遍高于同年秋季的结果, 主要因为冬季低温条件下大气对流活动较弱, 不利于扩散, 且相对稳定的边界层会造成局地污染物的长时间累积。2015—2021 年秋季, PM2.5中有机物的质量分数较稳定(22.01%±4.66%), 硫酸盐的占比从 22.56%(2015 年)逐年下降至 17.66%(2021 年), 硝酸盐的质量分数则逐年增长, 从 17.58%(2015 年)增长至 22.97%(2021 年), 且自 2017 年起, 硝酸盐取代硫酸盐, 成为 PM2.5中占主导的二次无机组分, 可能与近年来 SO2 比 NOx的减排力度更大有关[57–59]。在冬季, 硝酸盐的占比则一直高于硫酸盐, 可能是由于冬季较低的温度不利于硝酸铵挥发, 主要以颗粒物的形式存在, 并且冬季较高的 RH 有利于促进五氧化二氮(N2O5)非均相水解, 形成硝酸盐[60–62]。

图 5(b1)和(b2)分别显示 IMPROVE 公式估算的2015—2021 年秋冬季重庆主城区 PM2.5化学组分的消光系数及相应的贡献百分比。与 PM2.5组分的年均浓度变化类似, 各组分的消光及总消光系数同样呈现波动性下降趋势, 并且冬季的消光系数显著大于秋季, 对应冬季较高的 PM2.5浓度和较低的能见度。2015—2021 年的秋季, 硝酸铵(AN)对消光系数的贡献逐年增大, 从 30.05%(2015 年)增长至 43.28%(2021 年), 其中 AN-Hygrow 的消光贡献从 17.53% (2015 年)增长至 27.70%(2021 年); 硫酸铵(AS)的消光贡献则从 40.33%(2015 年)逐年下降至 29.87% (2021 年), 其中 AS-Hygrow 的消光贡献从 22.78% (2015 年)下降至 19.10%(2021 年)。同时期的冬季, AN 和 AS 的整体消光贡献相对较稳定, 分别贡献约45%和 30%的总消光, AN 和 AS 吸湿增长的消光贡献分别约为 26%和 18%。总体而言, 作为最主要的SIA, AN 和 AS 整体上贡献近 80%的总消光(不考虑有机物的吸湿增长等其他因素), 且 AN 的消光贡献占主导。由此可见, AN 对重庆主城区秋冬季低能见度的影响日趋显著, 且已逐渐成为 PM2.5中消光能力最强的二次无机组分。与此同时, 由 AN 和 AS 吸湿增长造成的消光(AN-Hygrow 和 AS-Hygrow)接近总消光的约一半, 且以 AN-Hygrow 为主, 再次证明了 SIA(尤其是 AN)的吸湿增长对重庆主城区能见度改善的不利影响。

2.4 不同减排阶段重庆主城区秋冬季 PM2.5化学消光及吸湿增长对能见度的影响

重庆市政府 2018 年 9 月 30 日出台《重庆市贯彻落实国务院打赢蓝天保卫战三年行动计划实施方案》(简称《行动》)。本研究将 2015—2021 年秋冬季划分为两个阶段:《行动》实施前(2018 年 9 月 30日之前)和《行动》实施期间(2018 年 9 月 30 日之后)。图 6 显示不同减排阶段重庆主城区秋冬季PM2.5浓度、VIS 和 RH 的频率分布。相比《行动》实施前, 实施期间 PM2.5浓度低于 75μg/m3的发生频率将近 85%, 高于 75μg/m3的发生频率显著降低, 尤其是 PM2.5 >115μg/m3的频率接近零。从能见度变化看, 10km 以下低能见度事件的发生频率从《行动》实施前的 84.96%显著降低至《行动》实施期间的 67.62%, 且以极低能见度事件(VIS<5km)的显著减少为主, 表明严格的减排措施有利于能见度的改善(尤其是 5km 以下的极低能见度事件)。值得注意的是, 《行动》实施期间 5～10km VIS 的发生频率略微上升, 接近 40%, 可能部分归因于该阶段的高湿环境(RH>80%)发生频率显著高于《行动》实施前阶段, 频繁的高湿条件可能会部分抵消 PM2.5减排所带来的能见度改善效果。

图 7 展示《行动》实施前与实施期间, 秋冬季不同 VIS和 RH 范围内 PM2.5浓度和主要化学组分质量分数变化情况。总体而言, SIA 在 PM2.5中占主导, 其次为 OM, 尤其在低 VIS 和高 RH 条件下。随着能见度恶化(图 7(a1)和(a2)), PM2.5浓度和硝酸盐质量分数逐渐增长, 硫酸盐的占比则相对稳定(约20%)。当 RH升高时, PM2.5浓度和硝酸盐质量分数呈现类似的增长趋势, 可能是由于高湿环境有利于N2O5非均相水解, 促进了硝酸盐形成。相比《行动》实施前, 在同等低 VIS 和 RH 水平下, PM2.5浓度更低, 硫酸盐的质量分数更低, 而硝酸盐的质量分数更高, 表明硝酸盐在低能见度事件中可能发挥着更加显著的作用。

从不同 VIS 和 RH 区间下 PM2.5化学消光贡献变化情况(图 8)来看, 在《行动》实施前的不同 VIS 等级下, AS 的消光贡献为 32.03%～38.60%, AN 的消光贡献为 31.50%～42.49%, OM 的消光贡献为 12.79%～ 17.25%(图 8(a))。相比之下, 《行动》实施期间 AS对消光的贡献有所降低(27.27%～31.37%), AN 对消光的贡献增加(27.15%～47.12%), OM 对消光的贡献变化不显著(13.10%～16.80%)。这也表明, 减排政策的实施凸显 AN 对大气消光的显著贡献, 尤其是对 5km 以下低能见度的显著恶化作用, 在一定程度上也与更高的平均 RH 水平(RH≈85%, 图 8(a2))有关。在《行动》实施前后, 不同 RH 水平下也呈现类似的化学消光贡献变化特征。特别是, 随着 RH增大, AN 和 AS 由于吸湿增长导致的消光显著增强, 且同等 RH 水平所对应 AN-Hygrow 的消光贡献更大, 这一差异在《行动》实施期间由于更高的 RH环境而体现得更明显(图 8(b1)和(b2))。当 RH>90%时, AN 和 AS 的总消光贡献几乎超过 80%, AN-Hy-grow 和 AS-Hygrow 的消光贡献则超过 60%, 其中由 AN 吸湿增长贡献的消光占主导, 说明高湿环境下强吸湿性的 SIA 对大气消光具有显著的影响。另外, 在《行动》实施期间, 由于减排造成 PM2.5中硝酸盐的质量分数增大, 硫酸盐的质量分数减小, 在同等 RH 水平下, AN 的消光贡献也略高于《行动》实施前。

总的来说, 随着能见度降低和 RH 升高, SIA 在PM2.5中的质量分数以及对消光的贡献逐渐增大, 且 AN 及其吸湿增长对消光的贡献显著高于 AS, 表明 AN 在低能见度事件中贡献显著。在新的减排政策实施后, AS 对消光的贡献下降, 而 AN 升高, 表明在未来总体低人为排放的大背景下, 控制 PM2.5中 AN 及其前体物(如机动车尾气释放的 NOx和农业氨排放等)的含量将有助于重庆主城区秋冬季能见度的改善。

3 结论

本文分析 2015—2021 年重庆主城区大气能见度变化趋势及其主要影响因素, 揭示秋冬季 PM2.5化学组分及其消光贡献的变化特征, 并探讨不同减排阶段 PM2.5化学消光及吸湿增长对能见度的影响, 得到如下主要结论。

1)2015—2021 年重庆主城区大气能见度年均值呈波动性上升趋势(2015 年为 9.1±5.6km, 2021 年为12.1±6.8km)。秋冬季的低能见度事件频发, 2021 年冬季 5～10km 和 5km 以下对应频率分别高达 48.78%和 28.05%。

2)主成分分析的结果表明, PM2.5浓度和 RH 是能见度的两大主要影响因素, 且均与能见度显著负相关。

3)2015—2021 年 PM2.5中 SIA 的质量和消光贡献最高, 其次是 OM。秋季, 硝酸盐对质量和消光的贡献逐渐升高, 并从 2017 年开始取代硫酸盐成为SIA 中的主导消光贡献成分。冬季, 硝酸盐的质量分数和消光贡献始终占主导, 表明硝酸盐对秋冬季大气低能见度的影响日趋显著。

4)随着能见度恶化, 硝酸盐及其吸湿增长所致的消光贡献均显著增强, 尤其体现在 RH 增大的情况下。相比 2018 年《行动》实施前, 同等能见度和RH 水平下的硝酸盐在《行动》实施期间(更低的PM2.5浓度水平)具有更高的质量和消光贡献, 再次证明控制 PM2.5中 SIA 含量(尤其是硝酸盐及其前体物 NOx和 NH3)的重要性, 有助于重庆主城区秋冬季大气低能见度的有效改善。

[1] Zhang Q H, Zhang J P, Xue H W. The challenge of improving visibility in Beijing. Atmospheric Chemis-try and Physics, 2010, 10(16): 7821–7827

[2] 陈婧, 马志强, 胡天洁, 等. 华北背景地区大气能见度变化特征及影响因素分析. 气候与环境研究, 2019, 24(2): 277–288

[3] Liu J G, Diamond J. China’s environment in a globali-zing world. Nature, 2005, 435: 1179–1186

[4] Cheng Z, Wang S X, Jiang J K, et al. Long-term trend of haze pollution and impact of particulate matter in the Yangtze River Delta, China. Environmental Pollu-tion, 2013, 182: 101–110

[5] Zhang J, Yuan Q, Liu L, et al. Trans-regional transport of haze particles from the North China Plain to Yangtze River Delta during winter. Journal of Geophysical Re-search: Atmospheres, 2021, 126(8): e2020JD033778

[6] Hyslop N P. Impaired visibility: the air pollution peo-ple see. Atmospheric Environment, 2009, 43(1): 182–195

[7] Chen J, Zhao C S, Ma N, et al. A parameterization of low visibilities for hazy days in the North China Plain. Atmospheric Chemistry and Physics, 2012, 12(11): 4935–4950

[8] Ji D H, Deng Z Z, Sun X Y, et al. Estimation of PM2.5 mass concentration from visibility. Advances in Atmo-spheric Sciences, 2020, 37(7): 671–678

[9] Sharma S, Chandra M, Kota S H. Health effects asso-ciated with PM2.5: a systematic review. Current Pollu-tion Reports, 2020, 6(4): 345–367

[10] Zhang R H, Li Q, Zhang R N. Meteorological condi-tions for the persistent severe fog and haze event over eastern China in January 2013. Science China Earth Sciences, 2014, 57(1): 26–35

[11] Xue B, Kuang Y, Xu W Y, et al. Joint increase of aerosol scattering efficiency and aerosol hygroscopi-city aggravate visibility impairment in the North China Plain. Science of The Total Environment, 2022, 839: 156279

[12] Xu W Y, Kuang Y, Bian Y X, et al. Current challenges in visibility improvement in Southern China. Environ-mental Science & Technology Letters, 2020, 7(6): 395–401

[13] Liu J Y, Ren C H, Huang X, et al. Increased aerosol extinction efficiency hinders visibility improvement in Eastern China. Geophysical Research Letters, 2020, 47(20): e2020GL090167

[14] Zhao G, Hu M, Zhang Z R, et al. Current challenges in visibility improvement in Sichuan Basin. Geophysical Research Letters, 2022, 49(12): e2022GL098836

[15] Cao J J, Wang Q Y, Chow J C, et al. Impacts of aerosol compositions on visibility impairment in Xi’an, China. Atmospheric Environment, 2012, 59: 559–566

[16] 李军, 王京丽, 屈坤. 相对湿度和 PM2.5 浓度对乌鲁木齐市冬季能见度的影响. 中国环境科学, 2020, 40 (8): 3322–3331

[17] 王继康, 张恒德, 桂海林, 等. 能见度与 PM2.5 浓度关系及其分布特征. 环境科学, 2019, 40(7): 2985–2993

[18] Hao Y H, Gou Y F, Wang Z S, et al. Current challenges in the visibility improvement of urban Chongqing in Southwest China: from the perspective of PM2.5-bound water uptake property over 2015–2021. Atmospheric Research, 2024, 300: 107215

[19] Cheng Z, Wang S X, Qiao L P, et al. Insights into extin-ction evolution during extreme low visibility events: case study of Shanghai, China. Science of The Total Environment, 2018, 618: 793–803

[20] Hu S Y, Zhao G, Tan T Y, et al. Current challenges of improving visibility due to increasing nitrate fraction in PM2.5 during the haze days in Beijing, China. Envi-ronmental Pollution, 2021, 290: 118032

[21] Liu S, Luo Q, Feng M, et al. Enhanced nitrate contribu-tion to light extinction during haze pollution in Cheng-du: insights based on an improved multiple linear re-gression model. Environmental Pollution, 2023, 323: 121309

[22] Pryor S C, Simpson R, Guise-Bagley L, et al. Visibility and aerosol composition in the Fraser Valley during reveal. Journal of the Air & Waste Management Asso-ciation, 1997, 47(2): 147–156

[23] Hu Y, Yao L, Cheng Z, et al. Long-term atmospheric visibility trends in megacities of China, India and the United States. Environmental Research, 2017, 159: 466–473

[24] Dupont J C, Haeffelin M, Badosa J, et al. Role of the boundary layer dynamics effects on an extreme air pol-lution event in Paris. Atmospheric Environment, 2016, 141: 571–579

[25] Liu X G, Li J, Qu Y, et al. Formation and evolution mechanism of regional haze: a case study in the mega-city Beijing, China. Atmospheric Chemistry and Phy-sics, 2013, 13(9): 4501–4514

[26] Lee D O. The influence of wind direction, circulation type and air pollution emissions on summer visibility trends in southern England. Atmospheric Environment. Part A: General Topics, 1990, 24(1): 195–201

[27] Tiwari S, Pandithurai G, Attri S D, et al. Aerosol opti-cal properties and their relationship with meteorology-cal parameters during wintertime in Delhi, India. At-mospheric Research, 2015, 153: 465–479

[28] 赵旭辉, 张付海, 王含月, 等. 合肥市颗粒物和气象条件对大气能见度的影响研究. 中国环境监测, 2024, 40(1): 97–106

[29] 崔健, 黄建平, 周晨虹, 等. 江苏省能见度时空分布特征及其影响因子分析. 热带气象学报, 2015, 31 (5): 700–712

[30] Malm W C, Sisler J F, Huffman D, et al. Spatial and seasonal trends in particle concentration and optical extinction in the United States. Journal of Geophysical Research: Atmospheres, 1994, 99(D1): 1347–1370

[31] Hegg D A, Covert D S, Crahan K, et al. The dependen-ce of aerosol light-scattering on RH over the Pacific Ocean. Geophysical Research Letters, 2002, 29(8): 60-1–60-64

[32] Covert D S, Charlson R J, Ahlquist N C. A study of the relationship of chemical composition and humidity to light scattering by aerosols. J Appl Meteorol, 1972, 11: 968–976

[33] Zieger P, Fierz-Schmidhauser R, Weingartner E, et al. Effects of relative humidity on aerosol light scattering: results from different European sites. Atmospheric Chemistry and Physics, 2013, 13(21): 10609–10631

[34] 王棚飞. 重庆市主城区大气污染物现状评价及影响因素分析[D]. 重庆: 西南大学, 2019

[35] 韩余, 刘宁微, 周国兵, 等. 重庆能见度特征分析及其与颗粒物浓度和气象影响因子的关系. 气象科技, 2022, 50(4): 563–573

[36] Cai H K, Gui K, Chen Q L. Changes in haze trends in the Sichuan-Chongqing Region, China, 1980 to 2016. Atmosphere, 2018, 9(7): 277

[37] Li M, Jia L, Zhang F, et al. Characteristics of haze weather in Chongqing, China and its determinants ana-lysis based on automatic monitoring stations. Atmo-spheric Pollution Research, 2016, 7(4): 638–646

[38] Chen Y, Xie S D. Long-term trends and characteristics of visibility in two megacities in southwest China: Chengdu and Chongqing. Journal of the Air & Waste Management Association, 2013, 63(9): 1058–1069

[39] Liu S, Geng G, Xiao Q, et al. Tracking daily concentra-tions of PM2.5 chemical composition in China since 2000. Environmental Science & Technology, 2022, 56 (22): 16517–16527

[40] Wan F L, Hao Y H, Huang W, et al. Hindered visibility improvement despite marked reduction in anthropo-genic emissions in a megacity of southwestern China: an interplay between enhanced secondary inorganics formation and hygroscopic growth at prevailing high RH conditions. Science of The Total Environment, 2023, 895: 165114

[41] Pitchford M, Malm W, Schichtel B, et al. Revised algo-rithm for estimating light extinction from IMPROVE particle speciation data. Journal of the Air & Waste Management Association, 2007, 57(11): 1326–1336

[42] 罗琼, 冯淼, 宋丹林, 等. 成都春季复合污染下PM2.5的化学消光贡献. 大气与环境光学学报, 2022, 17(1): 148–159

[43] Wang H B, Shi G M, Tian M, et al. Aerosol optical properties and chemical composition apportionment in Sichuan Basin, China. Science of The Total Environ-ment, 2017, 577: 245–257

[44] Duplissy J, Decarlo P F, Dommen J, et al. Relating hygroscopicity and composition of organic aerosol par-ticulate matter. Atmospheric Chemistry and Physics, 2011, 11(3): 1155–1165

[45] Kuang Y, He Y, Xu W Y, et al. Distinct diurnal variation in organic aerosol hygroscopicity and its relationship with oxygenated organic aerosol. Atmospheric Chemis-try and Physics, 2020, 20(2): 865–880

[46] Zhao C, Yu Y L, Kuang Y, et al. Recent progress of aerosol light-scattering enhancement factor studies in China. Advances in Atmospheric Sciences, 2019, 36 (9): 1015–1026

[47] 李生慧, 徐泽东, 代永光, 等. 前向散射式能见度仪现场核查方法与应用. 科技与创新, 2021(7): 45–47

[48] 张文霖. 主成分分析在SPSS中的操作应用. 市场研究, 2005(12): 31–34

[49] 刘文博. 能见度短期预测模型研究[D]. 北京: 华北电力大学, 2023

[50] 傅德印. 主成分分析中的统计检验问题. 统计教育, 2007(9): 4–7

[51] Yao L Q, Kong S F, Zheng H, et al. Co-benefits of reducing PM2.5 and improving visibility by COVID-19 lockdown in Wuhan. NPJ Climate and Atmospheric Science, 2021, 4(1): 1–10

[52] Zhang J K, Li H, Chen L Y, et al. Particle composition, sources and evolution during the COVID-19 lockdown period in Chengdu, southwest China: insights from sin-gle particle aerosol mass spectrometer data. Atmo-spheric Environment, 2022, 268: 118844

[53] 陈建华, 沈毅成, 迟翔予, 等. 气溶胶吸湿性的影响因素及其对光学特性的影响. 环境工程技术学报, 2023, 13(6): 2081–2091

[54] 叶兴南, 陈建民. 灰霾与颗粒物吸湿增长. 自然杂志, 2013, 35(5): 337–341

[55] 张杨, 张福浩, 陈才, 等. 京津冀大气能见度特征分析及影响因素研究. 测绘科学, 2021, 46(7): 196–204

[56] 韩丽娜, 郝玉珠, 苏峰. 2016—2021 年内蒙古低能见度日数时空变化特征及影响因素分析. 内蒙古科技与经济, 2024(11): 87–90

[57] Xu Q C, Wang S X, Jiang J K, et al. Nitrate dominates the chemical composition of PM2.5 during haze event in Beijing, China. Science of The Total Environment, 2019, 689: 1293–1303

[58] Li Z J, Sun Y L, Wang Q Q, et al. Nitrate and secondary organic aerosol dominated particle light extinction in Beijing due to clean air action. Atmospheric Environ-ment, 2022, 269: 118833

[59] Yang Y H, Zhang Z S, Yang Y L, et al. Impact of high PM2.5 nitrate on visibility in a medium size city of Pearl River Delta. Atmospheric Pollution Research, 2022, 13(11): 101592

[60] Wang Y, Chen Y, Wu Z J, et al. Mutual promotion be-tween aerosol particle liquid water and particulate ni-trate enhancement leads to severe nitrate-dominated particulate matter pollution and low visibility. Atmo-spheric Chemistry and Physics, 2020, 20(4): 2161–2175

[61] Chen Y, Wolke R, Ran L, et al. A parameterization of the heterogeneous hydrolysis of N2O5 for mass-based aerosol models: improvement of particulate nitrate prediction. Atmospheric Chemistry and Physics, 2018, 18(2): 673–689

[62] Wagner N L, Riedel T P, Young C J, et al. N2O5 uptake coefficients and nocturnal NO2 removal rates deter-mined from ambient wintertime measurements. Journal of Geophysical Research: Atmospheres, 2013, 118(16): 9331–9350

Impacts of PM2.5 Chemical Components and Hygroscopic Growth on Low Visibility in the Urban Area of Chongqing

WANG Zhenshuai1, WAN Fenglian1, CHEN Jing1,†, HAO Yuhang1, YUAN Liang2, HUANG Wei3

1. Key Laboratory of Three Gorges Reservoir Region’s Eco-Environment, Ministry of Education, College of Environment and Ecology, Chongqing University, Chongqing 400044; 2. Chengdu Plain Urban Meteorology and Environment Observation and Research Station of Sichuan Province, School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225; 3. National Meteorological Center, China Meteorological Administration, Beijing 100081; †Corresponding author, E-mail: chen.jing@cqu.edu.cn

Abstract To fully understand the physical and chemical influencing mechanisms of the frequent low visibility (VIS) events at urban Chongqing in recent years, this study explores the crucial causes for low VIS in Chongqing mainly from the perspectives of chemical light extinction combined with aerosol hygroscopic growth by using the simultaneous meteorological data and PM2.5 chemical compositions from 2015 to 2021. Results show that the VIS<10 km cases were mainly observed in autumn and winter, with over half number of the days. Nitrate gradually dominated over sulfate and organics to be the predominant secondary inorganic component of PM2.5 in both seasons, and nitrate possessed the largest contribution to the total light extinction. Along with the visibility deterioration and the increase of relative humidity (RH), the light extinction contribution due to nitrate and its corresponding hygroscopic growth enhanced significantly. Accompanied with the marked decrease in PM2.5 concentrations since 2018, nitrate on average occupied a higher mass fraction and light extinction contribution at the same visibility level in comparison to previous years, specifically under high RH conditions. The above highlights that the continuous control of nitrate and relevant precursors will be beneficial for the effective improvement of low visibility in autumn and winter at urban Chongqing, given the precondition of generally low anthropogenic emission levels in the future.

Key words low visibility; chemical light extinction of PM2.5; nitrate; hygroscopic growth; low anthropogenic emissions.