麦盖提县大气颗粒物污染特征及潜在源区分析

Analysis of Atmospheric Particulate Matter Pollution Characteristics and Potential Source Regions in Magaiti County

摘要: 基于全球同化系统(GDAS)数据及2018~2024年麦盖提县环境监测站逐小时颗粒物浓度数据等多源资料，运用大气团后轨迹聚类分析、潜在源贡献因子法(PSFC)和浓度权重轨迹法(CWT)等方法，分析麦盖提县颗粒物浓度的时空变化特征及不同季节外源污染物传输的路径及潜在源区。结果表明：(1) 麦盖提县PM_2.5和PM₁₀污染天数分别为132 d和925 d，年均浓度依次为81.2 μg·m⁻³和271.1 μg·m⁻³，按季节变化来看，不同季节、不同输送路径对麦盖提县PM_2.5和PM₁₀污染物影响的差异显著，PM_2.5浓度表现为春季 > 冬季 > 秋季 > 夏季，PM₁₀浓度表现为春季 > 秋季 > 冬季 > 夏季。(2) 麦盖提县全年，东北方向输送的气流对应的PM_2.5和PM₁₀浓度最大，轨迹占比为25.7%，轨迹途径区域分别为巴楚县和墨玉县等；其次是麦盖提本区域内气流对应的PM_2.5和PM₁₀浓度，轨迹占比为59.4%，移动速度较慢；西北方向输送气流对应的PM_2.5和PM₁₀浓度相对较低，轨迹占比为14.9%，且其输送距离最远，轨迹途径区域分别为乌恰县–疏附县–岳普湖县–麦盖提县。(3) 麦盖提县颗粒物春季PSFC值和CWT值最大，夏季最小。PSFC和CWT值高值区分布在阿克苏–巴楚县–麦盖提县–墨玉县呈带状区域。(4) 由随机森林模型结果表明，PM_2.5受气温和湿度的影响比较大，PM₁₀受到风速和温度的影响比较大。

Abstract: Based on multi-source data such as Global Data Assimilation System (GDAS) data, ERA5 reanalysis data, and hourly particulate matter concentration data from the environmental monitoring station in Maigaiti County from 2018 to 2024, methods such as air mass back-trajectory cluster analysis, Potential Source Contribution Function (PSFC), and Concentration Weighted Trajectory (CWT) were used to analyze the temporal and spatial variation characteristics of particulate matter concentrations in Maigaiti County, as well as the transport paths and potential source areas of exogenous pollutants in different seasons. The results show that: (1) In Maigaiti County, the number of days with PM_2.5 and PM₁₀ pollution was 132 and 925, respectively, with corresponding average annual concentrations of 81.2 μg·m⁻³ and 271.1 μg·m⁻³. Seasonally, the influence of different seasons and transport pathways on these pollutants varied significantly. PM_2.5 concentrations followed the order of spring > winter > autumn > summer, while PM₁₀ concentrations followed spring > autumn > winter > summer. (2) Annually, the highest PM_2.5 and PM₁₀ concentrations in Maigaiti County were associated with airflows from the northeast, which accounted for 25.7% of the trajectories and passed through areas such as Bachu and Moyu counties. Local airflows within Maigaiti contributed the second-highest concentrations, characterized by slower movement and comprising the majority (59.4%) of trajectories. Notably, airflows from the northwest, despite having the longest transport distance and passing through Wuqia, Shufu, and Yuepuhu counties, corresponded to relatively lower PM_2.5 and PM₁₀ levels, representing only 14.9% of the total trajectories. (3) The PSFC and CWT values of particulate matter in Maigaiti County are the largest in winter and the smallest in summer. The high-value areas of PSFC and CWT values are distributed in a strip-shaped area from Aksu to Bachu County, Maigaiti County, and Moyu County. (4) The results of the random forest model show that PM_2.5 is more affected by air temperature and humidity, and PM₁₀ is more affected by wind speed and temperature.

1. 引言

在全球城市化与工业化加速推进的背景下，大气污染物的跨境传输效应已成为环境科学领域的前沿议题。其中，PM_2.5和PM₁₀因其微米级粒径特征，能够通过大气环流实现跨区域迁移，形成“局地排放-区域传输–全域影响”的污染链，对生态系统和公共健康构成双重威胁[1] [2]。近年来，不少科研工作者针对不同区域大气污染和雾霾做了大量研究，项佳娥等[3]研究发现PM_2.5和PM₁₀浓度变化不仅仅受一些气象因素的影响，还受人类城市建设、汽车排放和土地开发利用等人为活动影响。康盼茹等[4]-[10]的研究也指出，PM_2.5和PM₁₀的浓度变化主要受制于气象条件和人为活动的双重影响，呈现出显著的时空变异性。陆忠奇等[11] [12]基于HYSPLIT模型，结合聚类分析、PSCF、CWT等方法对库尔勒市颗粒物研究，结果表明其气流输送路径以西风气流为主，吐鲁番盆地的东灌气流次之。塔里木盆地作为库尔勒市颗粒物的主要贡献源区，其贡献水平呈现显著的季节差异–春、冬季颗粒物浓度贡献较高，夏、秋季则相对较低。然而，现有研究多局限于单一城市的短周期分析，对干旱区特殊生态区长时间序列的系统监测及连续数据积累较为匮乏。该研究短板不仅显著制约了跨境颗粒物污染联防联控策略的科学化、精准化制定，更难以支撑区域大气环境质量协同提升的实践诉求。

麦盖提位于新疆地区西南部，毗邻塔里木盆地，坐落于塔克拉玛干沙漠边缘，地跨77˚28'E~79˚05'E、38˚25'N~39˚22'N，面积约1 × 105 m²，平均海拔1180 m左右。该地植被覆盖率较低，生态环境极为脆弱。同时，作为“丝绸之路”刀郎文化的核心区域，麦盖提县的空气质量不仅直接关系到当地的交通安全、旅游业发展，更与社会公众的日常生活和身体健康紧密相连。目前，在南疆西部地区，针对PM_2.5和PM₁₀的相关研究相对较少。本文以新疆麦盖提县为研究对象，系统开展大气颗粒物污染特征解析与源区识别研究。基于2018~2024年逐小时大气细颗粒物监测数据，集成运用混合单粒子拉格朗日轨迹模型(Hybrid Single-Particle Lagrangian Integrated Trajectory, HYSPLIT)的后向轨迹聚类分析、潜在源贡献因子法(Potential Source Contribution Function, PSCF)及浓度权重轨迹分析法(Concentration Weighted Trajectory, CWT)，重点解析PM_2.5和PM₁₀作为首要污染物的跨区域传输路径及其潜在贡献源区空间分布特征。通过这些方法，能够精准追溯污染物的传输轨迹，识别出污染物来源的关键区域，为后续治理工作提供清晰的方向指引。

2. 资料与方法

2.1. 数据资料

文中资料包括：2018年1月~2024年12月麦盖提县监测站逐小时PM_2.5和PM₁₀质量浓度资料、全球资料同化系统的水平分辨率为1˚ × 1˚逐6 h资料(GDAS, global data assimilation system)用于后向轨迹计算，由于本区域位于沙漠边缘沙尘天气频繁发生，后向时间尺度72 h，以便于同时分析PM_2.5和PM₁₀质量浓度，且不考虑二次污染物的生命周期影响。文中时间统一采用北京时间(BT)。

2.2. 技术方法

PM_2.5和PM₁₀源区研究主要基于潜在源贡献分析法(PSCF, Potential Source Contribution Function)和浓度权重轨迹分析法(CWT, Concentration weighted Trajectory Method) [13] [14]，其中PSCF值是利用后向气流轨迹来描述污染物可能源区地理位置空间分布的条件概率函数，研究区被分为i × j个网格，研究时段内所有轨迹的总节点数为N_ij，如果有n_ij个节点落在第(i, j)个网格中，PSCF值表示为：

PSCF_ij = n_ij/N_ij (1)

由于PSCF是一种条件概率，PSCF高的网格被解释为潜在源区。当各网格内气流滞留时间较短时，加上瞬时风速的影响，使得PSCF的数值存在一定的误差。相关学者引入了权重函数W_ij来减小误差，使不确定性降到最低。当某一网格中的n_ij小于研究区内每个网格内平均轨迹端点数的3倍时，使用权重因子W_ij降低PSCF的误差，即

WPSCF = W_ij × PSCF。 (2)

CWT分析通过气流轨迹与其对应的污染物浓度进行对比，以此确定对研究区污染物影响较大的源区。每个网格(i, j)的浓度平均值C_ij表示为：

$C_{ij}=\frac{1}{ {\rho }_{ij}T}{\displaystyle {\sum }_{T=1}^N{C}_T{\rho }_{ij}}$ (3)

式中：C_ij为网格i，j上的平均权重浓度，轨迹T在网格(i, j)停留的时间为ρ_ijT，而轨迹T经过网格(i, j)时对应的研究区域污染物质量浓度则为C_T。若某网格C_ij具有较高数值，表明平均后过该网格的气流会导致接收站点的高浓度。

随机森林(Random Frests) [15]是包含多个决策树，并对其进行训练达到某种预测结果为目的分类器的一种。基本流程：首先利用自取重采样的的方法进行采样且对全体训练样本(M)，并对其进行M次的随机放回抽样，把以上的抽样过程进行N次重复，从而能获取到的S₁，S₂，S₃，……，S_n样本作为N颗决策树的训练样本。以N颗树对应的训练样本作为依据，进行采取各节点分裂技术从所有属性特征T当中随机地选择t个属性特征(t ≤ T)，并把t个属性特征进行分裂作该颗树的属性特征集。以方差不纯度作指标对随机选择的t个属性特征进行建树。公式如下：

$i\left(N\right)={\displaystyle {\sum }_{i\ne j}P\left(w_i\right)P\left(w_j\right)}=1-{\displaystyle {\sum }_j{p}^2\left(w_j\right)}$ (4)

W_i为第i类的属性特征；w_i类样本在P(w_i)是在节点N处占总样本数的频数，i是方差的不纯程度。

最终依据分支停止的准则提前设置方差不纯程度的下降差阈值。分支使节点的方差不纯程度的下降差值小于到提前设置好的阈值时，停止该分支。实现对N颗树的构建，最后这些N颗树构成随机森林算法。

3. 结果与讨论

3.1. 麦盖提县大气污染特征

Figure 1. The diurnal variations of particulate matter concentrations in four seasons in Magaiti County from 2018 to 2024

图1. 2018~2024年麦盖提县颗粒物浓度四季内日变化

研究区域2018~2024年空气质量优良率为45.4%，PM_2.5和PM₁₀污染天数分别为132 d和925 d，年均浓度依次为81.2 μg·m⁻³和271.1 μg·m⁻³，均显著高于《环境空气质量标准》(GB 3095-2012)二级标准限值(PM_2.5: 35 μg·m⁻³, PM₁₀: 70 μg·m⁻³)，区域颗粒物污染形势严峻。近30 a沙尘观测资料可以看出，麦盖提县年平均沙尘日数107 d，其中浮尘(90 d)占比84.1%，扬沙(13 d)占12.1%，沙尘暴(4 d)占3.8%；季节分布呈现春季(45 d) > 冬季(29 d) > 秋季(21 d) > 夏季(12 d)，春季占比达42.2%，与区域强风活动周期吻合。2018~2024年麦盖提县颗粒物浓度季节变化如图1所示，PM_2.5浓度春季(126.6 μg·m⁻³)>冬季(71.3 μg·m⁻³) > 秋季(63.8 μg·m⁻³) > 夏季(63.0 μg·m⁻³)，PM₁₀浓度春季(502.4 μg·m⁻³) > 秋季(200.6 μg·m⁻³) > 冬季(199.9 μg·m⁻³) > 夏季(181.4 μg·m⁻³)，春季PM₁₀浓度为夏季2.8倍，凸显沙尘输入的显著影响。塔里木盆地春季盛行ENE—NE风(频率32.7%)，直接输送塔克拉玛干沙漠沙尘，导致PM₁₀浓度骤升；春季逆温层出现频率高于夏季，大气层结稳定抑制污染物垂直扩散，PM_2.5近地面累积效应显著。夏季降水量占全年42%，雨滴对细颗粒物(PM_2.5)清除效率达35%~40%；夏季平均风速较春季略低，但边界层高度较春季增加50%，增强污染物水平扩散能力。

3.2. 麦盖提县大气团后向轨迹聚类分析

以麦盖提县环境监测(38˚53'47"N，77˚36'55"E，海拔高度1178 m)为中心，基于2018~2024年大气团后向轨迹数据(采用HYSPLIT模型，轨迹时长72 h，起始高度500 m)，运用聚类分析方法划分气流路径(图2)，麦盖提县大气团轨迹可分为3类，东南方向轨迹(蓝色，占比59.4%) PM_2.5浓度为78 μg·m⁻³ (低于GB 3095~2012二级标准限值75 μg·m⁻³，超标率1.3%)，PM₁₀为286 μg·m⁻³ (超二级标准限值150 μg·m⁻³，超标率90.7%)，移动速度缓慢，路径主要环绕麦盖提县，途经区域以农田、荒漠交错带为主，本地扬尘(农业耕作、地表裸露)是PM₁₀的主要贡献源。东北方向气流(红色，占比25.7%) PM_2.5和PM₁₀浓度最大，分别为138 μg·m⁻³、480 μg·m⁻³，均超过国家二级标准，移动速度缓慢，轨迹途径区域分别为阿克苏地区、墨玉、巴楚和麦盖提县，形成PM_2.5和PM₁₀的复合污染；西北方向(绿色，占比11.8%)气流对应的PM_2.5和PM₁₀浓度相对较低，分别为60 μg·m⁻³、184 μg·m⁻³，PM₁₀超过国家二级标准，PM_2.5浓度低于国家二级标准，气流移动速度较快，途径区域阿图什、伽师、岳普湖和麦盖提县。揭示了干旱区绿洲城市“本地扬尘 + 跨区域源输送”的污染模式，建议针对东北向路径途经的工业–农业–沙尘过渡带加强扬尘管控与产业布局优化，同时强化本地农田地表覆盖措施以降低PM₁₀污染。

Figure 2. Clustering analysis of backward trajectories of atmospheric air masses in Maigaiti County from 2018 to 2024

图2. 2018~2024年麦盖提县大气团后向轨迹聚类分析

春季(3~5月)影响麦盖提县的气流轨迹可归纳为4条主要路径，具体分布及环境效应如下：偏东方向有两条路径，该方向轨迹对大气污染物浓度贡献显著，PM_2.5和PM₁₀轨迹占比分别为31%和30.2%，对应PM_2.5浓度为190 μg·m⁻³，PM₁₀浓度为696 μg·m⁻³，均远超《环境空气质量标准》(GB 3095-2012)二级标准限值，气流移动速度缓慢，轨迹途径区域以墨玉县–巴楚县–麦盖提县监测站周边为核心，呈现局地聚集与缓慢扩散的复合特征；西北方向也有两条路径，该方向轨迹具有“高占比、广覆盖、快移动”的特点，PM_2.5和PM₁₀轨迹占比分别为33.1%、5.7%，对应浓度分别为86 μg·m⁻³、426 μg·m⁻³，仍高于国家二级标准限值，气流移动速度较快，影响范围显著扩大，途径区域可延伸至哈萨克斯坦–乌恰县–阿图什市–伽师县–岳普湖县等跨境及区域内多节点，体现出长距离传输与区域污染耦合的特征。

夏季(6~8月)影响麦盖提县的气流轨迹呈现“局地主导、外源为辅”的复杂格局，共4条主要路径，其时空分布与污染贡献差异显著，局地主导路径(2条，麦盖提县本区域)轨迹占比分别为58.3%和35.7%，合计占比达94%，凸显局地气流的主导地位，对应PM_2.5和PM₁₀浓度分别为91 μg·m⁻³、233 μg·m⁻³，均超过国家二级标准，气流移动速度缓慢，污染物呈现显著的局地滞留与累积效应，路径以麦盖提县内不同方向的气流循环为主，未涉及大规模区域传输；东北方向路径为夏季次要外源输入通道，PM_2.5和PM₁₀轨迹占比4.2%，占比较低但仍具环境意义。PM_2.5浓度为50 μg·m⁻³ (低于国家标准26.7%)，PM₁₀浓度141 μg·m⁻³ (接近标准值，超标6.0%)，呈现“单污染物超标”特征，气流移动速度较快，途径区域为麦盖提县–巴楚县–阿瓦提县，表现为短距离区域传输，污染物混合程度较低；西北方向跨境路径体现夏季气流的长距离传输潜力，PM_2.5和PM₁₀轨迹占比仅1.8%，PM_2.5浓度为63 μg·m⁻³低于国家二级标准，PM₁₀浓度为182 μg·m⁻³超过国家二级标准，与东北路径一致呈现PM₁₀单因子超标，气流移动速度快，影响范围跨越国界，途径区域为境外–乌恰县–阿图什市–伽师县–岳普湖县，显示出跨境大气污染物传输对麦盖提县的潜在影响，尽管贡献度较低但需关注区域协同防控。

秋季(9~11月)影响麦盖提县气流轨迹主要分为4类，其中偏东路径有两条，一条跨区域偏东气流，途径墨玉县、巴楚县，PM_2.5和PM₁₀轨迹占比12.4%，浓度分别为91 μg·m⁻³、337 μg·m⁻³，均超过国家二级标准，污染物浓度最高，可能携带区域传输的污染源；另一条本地偏东气流，轨迹占比为53.1% (占比最高)，对应的PM_2.5浓度62 μg·m⁻³低于国家二级标准，PM₁₀浓度194 μg·m⁻³超过国家二级标准，气流移动速度较慢，以本地污染源累积为主；西北方向路径涉及范围广，延伸至境外(乌恰县–阿图什市–伽师县–岳普湖等区域)，PM_2.5和PM₁₀轨迹占比4.9%，PM_2.5浓度44 μg·m⁻³低于国家二级标准，PM₁₀浓度192 μg·m⁻³超过国家二级标准，气流移动速度较快，可能受远距离传输及区域扩散影响；西南方向主要途经麦盖提县西南方向莎车县偏北区域，PM_2.5和PM₁₀轨迹占比30.3%，PM_2.5浓度为58 μg·m⁻³低于国家二级标准，PM₁₀浓度为158 μg·m⁻³超过国家二级标准，气流移动速度极慢，污染物易在本地及周边低扩散区域累积。

冬季影响麦盖提县的气流轨迹主要分为3类，其中东北气流轨迹占比为24.7%，污染物浓度最高，PM_2.5浓度74 μg·m⁻³低于国家二级标准，PM₁₀浓度388 μg·m⁻³超过国家二级标准，移动速度缓慢，轨迹途径墨玉县、巴楚县；偏东气流为本地主导轨迹，轨迹占比46.8% (占比最高)，PM_2.5浓度69 μg·m⁻³低于国家二级标准，PM₁₀浓度210 μg·m⁻³超过国家二级标准，移动速度较慢，路径以麦盖提县本地为主；西北气流轨迹占比28.5%，PM_2.5浓度73 μg·m⁻³低于国家二级标准，PM₁₀浓度236 μg·m⁻³超过国家二级标准，速度较快，途径阿图什市–伽师县–岳普湖等区域。

3.3. 麦盖提县PSCF潜在源分析

基于后向轨迹模型，以麦盖提县环境监测站为起点，设定12小时回溯时间、500 m模拟高度，对2018~2024年PM_2.5和PM₁₀开展PSCF(潜在源贡献函数)分析。其中，PM_2.5阈值设定为75 μg·m⁻³ (对应《环境空气质量标准》GB 3095-2012二级标准年均值)，PM₁₀阈值设定为150 μg·m⁻³ (同上)，并将PSCF值 > 0.7的区域划定为核心潜在源区。麦盖提县PM_2.5潜在源区主要分布于麦盖提县东北方位的柯坪县、阿瓦提县、阿拉尔市及和田地区北部(图3(a))。该区域PSCF值显著高于周边，表明其对麦盖提县PM_2.5的贡献具有强潜在关联性。PM₁₀潜在源区集中于阿克苏地区南部及和田地区北部塔克拉玛干沙漠边缘地带(图3(b))。沙漠边缘的松散地表物质及区域传输过程，成为PM₁₀的主要潜在贡献源。两类污染物均呈现远距离输送特征，PM_2.5潜在源区以人类活动相对密集的绿洲农业区(如柯坪、阿瓦提)及城镇区域(阿拉尔)为主，可能与农业扬尘、工业排放及交通源相关；PM₁₀潜在源区则直接关联塔克拉玛干沙漠边缘的自然起尘及区域风沙活动。研究结果为识别麦盖提县大气颗粒物外源输入路径、制定跨区域污染防控策略提供了科学依据。

(a) (b)

Figure 3. Analysis of potential source regions (PSCF) of PM_2.5 (a) and PM₁₀ (b) in Maigaiti County from 2018 to 2024

图3. 2018~2024年麦盖提县PM_2.5 (a)和PM₁₀ (b)潜在源贡献函数(PSCF)分布

基于PSCF (潜在源贡献函数)模型分析麦盖提县季节性PM_2.5和PM₁₀潜在源区差异(图4)，春季PM_2.5和PM₁₀潜在源区空间分布高度重合，主要集中于麦盖提县东北方位的巴楚县、墨玉县及阿克苏地区部分区域，该类区域PSCF值显著高于背景水平(PSCF > 0.7)，表明污染物通过东北向气流远距离输送(如塔里木盆地东部路径)成为麦盖提县春季颗粒物的主要外源贡献，本地源贡献相对有限。

夏季PM_2.5和PM₁₀潜在源区呈现“相似为主、差异为辅”的格局，均受远距离区域传输主导，核心贡献区包括东北方位的巴楚县、墨玉县及阿克苏地区(与春季一致，PSCF > 0.7)；以及西北方向的阿合奇县及跨境区域(如哈萨克斯坦东南部，PSCF > 0.65)，与夏季西风带气流增强导致的跨境传输相关。PM_2.5本地生成贡献极低，几乎完全依赖周边区域及远距离输送，PM₁₀除区域传输外，本地地表松散物质起尘(如绿洲边缘戈壁、农田裸露地表)贡献显著，表现为监测站周边网格PSCF值(0.5~0.7)高于PM_2.5。PM₁₀在夏季的“本地–外源”双源性特征，提示需针对农田管理、戈壁地表固化等开展本地化防控，同时加强与东北、西北方向区域的污染协同治理。

秋季PM_2.5和PM₁₀潜在源区空间分布基本一致，核心潜在源区均集中于麦盖提县东北方位的巴楚县、墨玉县及阿克苏地区部分区域，污染物通过东北向远距离气流输送；PM_2.5本地生成贡献极低，几乎完全依赖区域传输，PM₁₀除区域传输外，本地绿洲边缘农田收割后裸露地表起尘形成次要贡献，呈现“外源主导、本地辅助”特征。

冬季PM_2.5和PM₁₀潜在源区空间分异显著，贡献机制呈“逆向互补”格局，PM_2.5潜在源区呈现“本地–外源双源驱动”，且外源贡献以多方向远距离传输为主。近距离本地源与冬季居民燃煤取暖、低空逆温导致的污染物累积相关，远距离西北方位的岳普湖县、阿图什市、乌恰县及东北方位的巴楚县、墨玉县、阿克苏地区部分区域，通过西北–东北向气流跨区域输送。PM₁₀本地起尘贡献极小，完全依赖东北向远距离传输，东北方位的巴楚县、墨玉县及阿克苏地区部分区域，与冬季东北气流携带的沙漠边缘扬尘(如塔克拉玛干沙漠北缘松散沉积物)及工业粉尘远距离输送相关，针对PM₁₀需强化东北路径上游沙漠边缘防风固沙及工业粉尘治理。

Figure 4. Analysis of potential source regions (PSCF) of PM_2.5 and PM₁₀ in Spring, Summer, Autumn and Winter Seasons in Maigaiti County from 2018 to 2024

图4. 2018~2024年麦盖提县春、夏、秋、冬季节PM_2.5和PM₁₀潜在源区(PSCF)分布

3.4. 麦盖提县CWT结果分析

为量化潜在源区对麦盖提县PM_2.5和PM₁₀的浓度贡献权重，采用CWT (浓度权重轨迹)模型开展分析。CWT值表征轨迹途经网格单元时携带的污染物对目标区域的平均浓度贡献，数值越大表明该区域的影响权重越高。2018~2024年PM_2.5和PM₁₀的CWT高值区(CWT > 30 μg·m⁻³)空间分布高度重合，均集中于阿克苏地区南部及和田地区北部塔克拉玛干沙漠边缘区域(图5)。该区域作为塔里木盆地主要的松散沉积物分布区，其地表沙尘起尘及区域气流输送过程，对麦盖提县两类颗粒物的浓度抬升起主导作用。PM_2.5 CWT高值区覆盖阿克苏南部农田–沙漠过渡带，表明农业活动与自然起尘的协同贡献；PM₁₀ CWT高值区集中于塔克拉玛干沙漠边缘裸露沙丘区，直接关联沙尘活动的粗颗粒物质输送。尽管PSCF分析显示PM_2.5存在一定本地源贡献(如冬季燃煤)，但CWT高值区的一致性表明，塔克拉玛干沙漠边缘的远距离沙尘输送是长期主导因素。分析结果为跨区域划定“沙漠–绿洲过渡带生态防护重点区”“农业扬尘管控协同区”提供了浓度权重层面的科学依据。

(a) (b)

Figure 5. Analysis of potential source regions (CWT) of PM_2.5 (a) and PM₁₀ (b) in Maigaiti County from 2018 to 2024

图5. 2018~2024年麦盖提县PM_2.5 (a)和PM₁₀ (b)潜在源区分析(CWT)

麦盖提县春季PM_2.5和PM₁₀潜在源差异较大，影响PM_2.5平均浓度的CWT高值区分布在阿克苏东部区域，影响PM₁₀平均浓度的CWT高值区范围广，分布在岳普湖、伽师、阿图什、乌恰以及巴楚县、墨玉县和阿克苏地区西部。夏季PM_2.5和PM₁₀潜在源基本一致，PM_2.5贡献较大的潜在源区明显增多，CWT高值区分布在塔克拉玛干沙漠和田北部和阿克苏南部区域，影响PM₁₀平均浓度的CWT高值区主要分布在和田地区中部和北部区域。秋季影响PM₁₀平均浓度贡献较大的潜在源区跟春季有些相似，影响PM_2.5平均浓度的CWT高值区分布在巴楚县、和田北部和阿克苏南部区域。冬季PM_2.5和PM₁₀潜在源有些差异，影响PM_2.5平均浓度贡献最大的(CWT > 80 μg·m⁻³)主要分布在阿克苏西部及巴楚县东部区域，其次(CWT > 60 μg·m⁻³)主要分布在麦盖提县城区及喀什北部区域，影响PM₁₀平均浓度的CWT高值区主要分布在阿克苏西部区域。

3.5. 随机森林预测变化趋势

利用随机森林机器学习算法，针对麦盖提县PM_2.5、PM₁₀浓度数据及气象因子开展建模分析，通过构建决策树并进行500次迭代训练，量化评估评估气温、湿度、风速等气象因子对PM_2.5、PM₁₀浓度的非线性影响机制。计算模型的精度和效率，如图6所示，PM_2.5和PM₁₀随机森林模型的确定系数R²分别是0.53和0.70，表明模型对观测数据的解释力较强，具备可靠的学习能力与泛化潜力；PM_2.5平均绝对误差MAE为2.8 μg·m⁻³，PM₁₀模型MAE为3.3 μg·m⁻³，均低于同类研究中环境浓度预测的行业可接受误差阈值(±10%)，验证了模型预测结果的稳定性与有效性。基于随机森林模型的变量重要性得分，PM_2.5浓度受气温和相对湿度的驱动作用显著，反映出热力条件与吸湿增长过程的关键影响；PM₁₀浓度则主要受制于风速和温度，体现了动力传输与扬尘释放过程的主导机制。

Figure 6. The precision (R²) and mean absolute error (MAE) of the random forest model

图6. 随机森林模型精度R²和平均绝对误差MAE

Figure 7. The seasonal and diurnal variations of particulate matter concentrations in Magaiti County from 2018 to 2024

图7. 2018~2024年麦盖提县颗粒物浓度季节一日内变化

3.6. 颗粒物浓度季节一日内变化特征

基于2018~2024年麦盖提县PM_2.5、PM₁₀质量浓度逐时观测数据，系统解析四季浓度变化规律(图7)。春季PM_2.5、PM₁₀浓度峰值均出现在14~16时，夜间再次抬升，午后峰值与沙尘天气频发导致的粗颗粒输入直接相关，夜间二次抬升与居民供暖活动增强、边界层高度降低引发的污染物累积耦合作用有关。进入夏季，PM_2.5、PM₁₀浓度高值区集中在夜间，最低值则出现在19时，但整体浓度较春季有所下降，夜间高值与温度逆温层形成、静风抑制污染物扩散，叠加人类晚间活动排放增加等因素有关，午后低值是因为19时前后温度较高、风速上升，促进大气湍流混合与污染物稀释。秋、冬季PM_2.5、PM₁₀浓度呈现显著“W”型双峰值特征，早晚高峰交通排放激增，冬季供暖期(11月~次年3月)燃煤或燃气使用量增加，形成典型“生活–交通源”叠加排放；同时夜间至早晨强逆温层持续存在，垂直扩散系数较午后降低，导致污染物在近地面累积；午间太阳辐射增强使逆温层破裂，湍流强度上升，促进污染物扩散。

4. 结论与讨论

1) 2018~2024年监测数据表明，麦盖提县大气首要污染物以细颗粒物(PM_2.5)和可吸入颗粒物(PM₁₀)为首要污染物。研究期间，PM_2.5、PM₁₀污染天数分别为132 d、925 d，二者年均浓度分别为81.2 μg·m⁻³、271.1 μg·m⁻³，均显著高于国家二级标准限值，区域颗粒物污染形势严峻。颗粒物浓度呈现显著的季节性分异规律，具体表现为：PM_2.5浓度春季(126.6 μg·m⁻³) > 冬季(71.3 μg·m⁻³) > 秋季(63.8 μg·m⁻³) > 夏季(63 μg·m⁻³)；PM₁₀浓度表现为春季(502.4 μg·m⁻³) > 秋季(200.6 μg·m⁻³) > 冬季(199.9 μg·m⁻³) > 夏季(181.4 μg·m⁻³)。春季主导因素为干旱区典型的沙尘天气，导致地壳源粗颗粒集中输入；夏季受东南季风带来的湿润气流影响，地表扬尘强度减弱，浓度降至全年最低。

2) 通过对2018~2024年逐日500 m高度气团12小时后向轨迹的聚类分析，发现麦盖提县气流轨迹具有明显的季节性变化。夏季空气质量较好，而冬、春、秋季常受沙漠和大陆性气团的共同影响。具体表现为：东北方向气流对应的PM_2.5和PM₁₀浓度最大，其轨迹占比为25.7%，轨迹途径区域分别为阿克苏地区、墨玉、巴楚和麦盖提县；麦盖提本区域内气流对应的PM_2.5和PM₁₀浓度分别为78 μg·m⁻³、286 μg·m⁻³，轨迹占比为59.4%；西北方向气流，受乌拉尔山南端低槽影响，南疆及麦盖提县大风和沙尘暴天气频繁，轨迹占比为14.9%，该路径对应的PM₁₀浓度超过国家二级标准，而PM_2.5浓度低于国家二级标准。

3) 基于潜在源贡献因子法(PSCF)和浓度权重轨迹法(CWT)分析，麦盖提县PM_2.5和PM₁₀的PSCF和CWT分布及变化类似，春季PSFC值和CWT值最大，夏季最小。高值区主要分布在麦盖提县东北方向的巴楚县及部分阿克苏地区，表明这些区域对麦盖提县颗粒物污染有显著贡献。

4) 通过随机森林机器学习模型，揭示了PM_2.5和PM₁₀浓度与各气象因子之间的非线性关系，结果表明，PM_2.5浓度主要受气温和湿度的影响，而PM₁₀浓度则主要受风速和温度的影响。这一发现为理解气象条件对颗粒物污染的调控作用提供了重要依据。

麦盖提县大气污染以PM_2.5和PM₁₀为主，污染程度呈现显著的季节性差异，春季最为严重。不同季节的气流输送路径对颗粒物浓度有显著影响，西北、偏东和东南方向的气流是主要的外源污染物输送路径。潜在源区分析表明，巴楚县及部分阿克苏地区是麦盖提县颗粒物污染的重要贡献区域。此外，气象条件(如温度、湿度和风速)对颗粒物浓度的影响显著，为未来空气质量管理和污染防控提供了科学依据。

基金项目

新疆维吾尔自治区气象局引导性项目(YD2024026)，新疆维吾尔自治区气象局青年基金(QN202407)，喀什地区气象局自立课题(KS202307)。

NOTES

^*通讯作者。