苏州市区灰霾现象形成的气象条件分析

邹　强，姚玉刚，林惠娟

1.苏州市环境监测中心站，江苏 苏州 215004

2.苏州市气象局，江苏 苏州 215131

随着工业化和城市化进程的迅速发展，大气污染增加，大量极细微的干尘粒等均匀地悬浮在空中(相对湿度小于80％)，排除其他自然天气过程(如降水、沙尘暴和雪暴等)，使水平能见度小于10 km的空气普遍混浊现象，称为霾[1]，其中受人类活动影响显著而形成的霾又称为灰霾。灰霾已成为一种严重的灾害性天气现象[2-3]。区域尺度上的灰霾总称为大气棕色云(ABCs)[4-5]，大气棕色云能与温室气体(如CO2和CH4等)相耦合，进而显著影响区域尺度气候变化、水循环、冰川消融、农业生产和人体健康[6-9]。为科学识别灰霾天气，刘伟等[10]初步探讨灰霾天气下空气污染程度评估方法及建立污染程度与能见度量化相关关系。灰霾的形成与气象条件和大气污染密切相关[11]。灰霾易于在稳定天气条件和大气污染物高排放区域形成[12]。在逆温条件下，大气中飘尘、有机物和颗粒物难以扩散而悬浮在城市上空[13]。

基于苏州市环境监测中心站的统计资料，2011年苏州市的霾日为137 d，受到社会各界的广泛热议。其中灰霾天气的成因最受关注，但相关研究较少，亟待解决。该研究基于4个典型季节的集中观测数据，采用因子分析的主成分提取方法，判断不同月份有利于出现苏州市灰霾天气的气象因子，旨在探讨不同气象条件在不同月份对苏州市灰霾天气的影响规律，为客观评价灰霾现象的发生和发展规律提供理论依据。

1　实验部分

1.1监测点概况

苏州市地处太湖之滨，京杭运河与娄江的交汇处，东距上海约80 km，西离南京约200 km，四季分明，气候温和，雨量充沛，属北亚热带季风气候，年均降水量 1 100 mm，年均气温15.7 ℃，1月平均气温2.5 ℃，7月平均气温28 ℃。地貌特征以平缓平原为主，全市的地势低平，自西向东缓慢倾斜，平原的海拔高度3～4 m。选取南门子站(点位代码55)作为研究苏州市区灰霾的监测点位(31°19.583′N，120°35.733′E)，该子站位于苏州市环境科学研究所内，所处区域为工业/居民混交区，已具备完善的PM2.5监测能力。

1.2研究方法

1.2.1仪器设置

能见度监测系统设置在距地表15 m高度，Belfort 6000型能见度传感器，单光路前向散射仪，测量范围6 m至80 km，测量精度3 m，散射角度42°。细颗粒物(PM2.5)由美国某公司生产，1405-DF型颗粒物在线分析仪，测量范围小于10 g/m3，精度为±2满量程。采用美国某公司生产的自动气象站进行同期气象要素观测。雨量数据来自苏州市气象台的观测资料。通过环境质量数据采集系统与工控机相连，每1 min输出1组平均值。除降雨量为日总量值外，其余各气象因子均为日均值(表1)。

表1　观测要素简介

1.2.2数据处理

选择2011年1—2月(冬季)、4—5月(春季)、7—8月(夏季)、10—11月(秋季)代表典型季节。结合能见度和相对湿度指标(基于灰霾判断标准[1,14]：能见度小于10 km, 相对湿度小于80％，以此划分霾日和非霾日)，将4个典型季节监测期间各天均划分为霾日和非霾日，以此为依据划分同期气象因子(总辐射、气温、相对湿度、降雨量、风速和气压)。

经数据处理后，2011年1—2月、4—5月、7—8月、10—11月期间气象要素有效天数分别为59、61、62、61 d。使用SPSS13.0针对同期气象要素日均值进行基于因子分析的主成分分析。主成分分析可以通过多个指标的线性组合把原来多个变量归纳为少数几个相互独立的综合指标，并尽可能多地保留原来变量所反映的信息。列入主成分分析的气象因子归为3类：热量条件(总辐射、气温)、水分条件(相对湿度、降雨量)和动力条件(风速、气压)，由于各指标的量纲存在不同，在SPSS 主成分分析设置中对原始数据进行标准化处理，消除了量纲的影响。该文采用SigmaPlot11软件绘制折线图。

2　结果与分析

2.1苏州市区能见度和细颗粒物日变化特征

根据划分标准，4个典型季节获得霾日分别为40、33、14、20 d，霾日出现频率分别为67.8％(1—2月)、54.1％(4—5月)、22.6％(7—8月)和32.8％(10—11月)。苏州市区能见度和细颗粒物浓度日变化特征如图1所示。从各月霾日情况来看，能见度日变化主要呈现“单峰型”特征，昼间能见度较高，早晚能见度降低，且能见度低值主要位于5:00—8:00，10—11月能见度状况最差(日均值为12.3 km)。霾日细颗粒物浓度在1—2月和10—11月出现双峰型变化特征，而4—5月和7—8月双峰变化并不明显。霾日细颗粒物浓度在1—2月最高(日均值为0.074 μg/m3)，7—8月最低(日均值为0.056 μg/m3)。非霾日能见度均显著高于霾日，且细颗粒物浓度相比霾日偏低。7—8月和10—11月非霾日能见度状况较好，分别平均为27.2、27.0 km，4—5月非霾日细颗粒物浓度在全年非霾日中浓度最高(日均值为0.056 μg/m3)，10—11月最低(日均值为0.034 μg/m3)。

图1　苏州市区能见度和细颗粒物浓度日变化特征

2.2观测气象因子逐日值比较

4次典型季节监测的降雨日总量和其他气象因子日均值逐日变化趋势如图2所示。总辐射在4—5月总体较高，10—11月较低，7—8月变化剧烈；而气温7—8月较高，1—2月最低[图2(a)]。相对湿度7—8月较高，4—5月较低；降雨主要集中在7—8月，4—5月次之，其余月份分布较少[图2(b)]。风速在4—5月中后期和7—8月中前期较高，1—2月和10—11月相对较低；气压1—2月和10—11月较高，7—8月最低[图2(c)]。

2.3灰霾天气的影响因子分析

灰霾天气的发生由诸多因子决定，每个气象因子从不同方面反映出灰霾天气出现的影响程度是不同的。从表2可以看出，4个典型季节中前3个主成分的累积方差贡献率超过了80％，特征值均接近或大于1，表明这3个主成分基本包含了6个气象因子的所有变异信息，从而可以用3个彼此不相关的综合指标分别综合存在于原有的8个指标的各类信息中，各综合指标代表的信息不重叠。

表2　主成分特征值及方差贡献率

图2　苏州市区典型季节气象因子逐日变化特征

表3为气象因子的前3个主成分的旋转后的因子载荷矩阵。通过四次方最大旋转后，得到了6个气象因子在3个主成分上的新的因子载荷。从表3可以看出：1—2月影响霾日形成的第1主成分指标为气温，表明热量条件影响最大，方差贡献率达34.1％(表2)；第2主成分的贡献来源为降雨量，方差贡献率为31.9％；第3主成分的支配指标为总辐射，方差贡献率为15.5％。4—5月影响霾日形成的第1主成分指标为气温，热量条件方差贡献率达35.2％，第2主成分的指标为相对湿度，水分条件的方差贡献率为30.8％。第3主成分的支配指标为风速，动力条件一定程度上有利于霾日的形成，方差贡献率为16.8％。7—8月影响霾日形成的第1主成分指标为总辐射和气温，热量条件方差贡献率高达59.8％，第2主成分的支配指标为气压，动力条件方差贡献率为16.9％，第3主成分的支配因子为降雨量，水分条件的方差贡献率为15.5％。10—11月第1主成分指标为风速，动力条件方差贡献率达34.8％，第2主成分和第3主成分的支配因子分别为相对湿度和降雨量，水分条件可解释的方差贡献率分别为27.4％和24.5％。

表3　因子旋转载荷矩阵

3　讨论

3.1热量条件对苏州市灰霾天气形成的影响

热量条件由总辐射和气温构成。总辐射在4—5月总体较高，10—11月较低，7—8月变化剧烈[图2(a)]。气温7—8月较高，1—2月最低。热量条件是1—2月、4—5月和7—8月第1主成分中的支配因子(方差贡献率分别为34.1％、35.2％和59.8％)。在1—2月是第3主成分的支配因子，方差贡献率为15.5％。由此可见，热量条件在1—2月、4—5月和7—8月灰霾天气形成中起主导作用。总辐射对近地层“逆温”的形成有重要的影响，在逆温条件下，大气层结稳定，近地层污染物不易扩散，颗粒物浓度持续增加，引发能见度下降[13]。伴随着气温升高和辐射增强，近地层湍流活动频繁，加速了大气光化学反应，导致一次颗粒物向二次颗粒物转化[15]，为霾日提供了细颗粒物来源。

3.2水分条件对灰霾形成的影响

水分条件由相对湿度和降雨量反映，相对湿度7—8月较高，4—5月较低，降雨主要集中在7—8月，4—5月次之，其余月份分布较少[(图2(b)]。水分条件在1—2月、4—5月和10—11月是第2主成分的支配因子(方差贡献率分别为31.9％、30.8％和27.4％)。在7—8月和10—11月是第3主成分的支配因子(方差贡献率分别为15.5％和24.5％)。水分条件是10—11月第2和第3主成分的支配因子，也是10—11月霾日形成的重要条件之一，在1—2月和4—5月起次要作用，在7—8月仅起辅助作用。7—8月苏州市雨量充沛，雨水带来的冲刷作用，一定程度上降低了大气中的颗粒物浓度(图1)，拓展了能见度范围。相对湿度作为颗粒物吸湿增长的重要条件，与细颗粒物浓度一起，削减了能见度范围，对1—2月、4—5月和10—11月霾日的形成造成影响。

3.3动力条件对灰霾形成的影响

动力条件由风速和气压反映，季节变化趋势表明：风速在4—5月中后期和7—8月中前期较高，1—2月和10—11月相对较低。气压1—2月和10—11月较高，7—8月最低[图2(c)]。动力条件是10—11月第1主成分的支配因子，方差贡献率达34.8％。7—8月是第2主成分的支配因子，方差贡献率为16.9％。4—5月是第3主成分的支配因子，方差贡献率为16.8％。动力条件在10—11月霾日形成中起主导作用，7—8月起次要作用，4—5月仅起辅助作用，对1—2月影响微弱。10—11月，风速相对偏低，污染物持续堆积，较低的风速和较高的气压不利于气体交换，为霾日形成提供相对稳定的环境背景。

通过霾日最高和最低出现频率时间来分析综合的气象因子影响。霾日出现频率1—2月最高，苏州市冬季大气层结稳定，近地层湍流运动受到抑制，易形成近地逆温，不利于污染物的扩散[16]。此时，相对湿度有助于颗粒物粒径的增加，共同导致了该时期霾日频繁发生。从霾日出现频率最低的7—8月来看，夏季大气对流活动剧烈，有利于湍流交换，污染物易于扩散，伴随着雨热同期，湿沉降冲刷作用明显，大气中细颗粒物浓度持续降低，风速较高，湍流交换强烈，不利于形成霾日。热量条件对苏州市区霾日形成的影响主要集中在除10—11月外的其余3个时期。动力条件对霾日的影响集中在10—11月。水分条件是10—11月霾日形成的第二个重要条件，在1—2月和4—5月起次要作用，7—8月仅起辅助作用，存在明显的季节性变化特征。热量因子中辐射因子形成的逆温抑制了动力作用，而气温的升高又有利于动力条件的产生。综合来看，热量条件和动力条件主导了苏州市霾日形成的外界气象条件，水分条件对霾日的形成影响较弱。

此外，风向对霾日的形成也有一定的关系，如Sun等[12]在北京市的霾日研究表明，西风和南风所携带的污染物浓度和类型均存在较大差异，南风的二次污染物浓度显著高于西风，但其他污染物浓度低于西风，需要结合苏州市本地污染物类型开展进一步研究。

4　结论

苏州市区霾日出现频率主要发生在1—2月，7—8月最低。热量条件是影响1—2月、4—5月和7—8月霾日形成的主要气象条件。动力条件是10—11月霾日形成的主要气象条件，水分条件影响相对较弱。主要结论：

1)热量条件对苏州市区霾日形成的影响主要集中在1—2月(冬季)、4—5月(春季)和7—8月(夏季)，对10—11月(秋季)影响微弱。

2)水分条件是10—11月(秋季)苏州市区霾日形成的第二个重要条件，在1—2月(冬季)和4—5月(春季)起次要作用，在7—8月仅起辅助作用；

3)动力条件对苏州市区霾日形成的影响主要集中在10—11月(秋季)，7—8月(夏季)起次要作用，4—5月(春季)仅起辅助作用，对1—2月(冬季)影响微弱。

综上所述，热量条件和动力条件主导了苏州市区霾日形成的外界气象条件，水分条件对霾日的形成影响较弱。

致谢:感谢苏州市环境监测中心站自动监测室丁黄达工程师、张晓华工程师和朱燕玲助理工程师等在南门子站数据质量控制和质量保证中所作的贡献！感谢苏州市气象局提供的2011年度苏州市区降雨资料！

621 Analysis of influencing factors of coronary artery calcification in patients with chronic kidney disease

参考文献：

[1]中国气象局. 霾的观测和预报等级[M]. 北京：气象出版社, 2010.

[2]高歌. 1961—2005年中国霾日气候特征及变化分析[J]. 地理学报, 2008, 63(7): 761-768.

[3]姚玉刚，邹强，张仁泉，等. 灰霾监测研究进展[J]. 环境监控与预警，2012, 4(5): 14-17.

[4]UNEP. Atmospheric Brown Clouds-Regional Assessment Report with Focus on Asia, United Nations Environment Programme[R], Nairobi: Unifed Nation’s Environment Programme, 2008.

[5]王体健, 李树, 刘丽，等. 大气棕色云和区域气候变化[J]. 气候变化研究进展, 2010, 6(3): 230-232.

[6]Lee Y L, Sequeira R. Visibility degradation across Hong Kong: its components and their relative contributions[J]. Atmospheric Environment, 2001, 35(34): 5 861-5 872.

[7]Ramanathan V, Crutzen P J, Kiehl J T, et al. Aerosols, Climate, and the Hydrological Cycle[J]. Science, 2001, 294(5 549): 2 119-2 124.

[8]Ramanathan V, Li F, Ramana M V, et al. Atmospheric brown clouds: Hemispherical and regional variations in long-range transport, absorption, and radiative forcing[J]. Journal of Geophysical Research-Atmospheres, 2007, 112(D22): 1-26.

[9]Davis M E, Laden F, Hart J E, et al. Economic activity and trends in ambient air pollution[J]. Environmental Health Perspectives, 2010, 118(5): 614-619.

[10]刘伟，韩毓.灰霾天气城市空气污染程度判据指标体系建立的探讨[J].中国环境监测, 2009, 25(3):86-89.

[11]Keywood M D, Ayers G P, Gras J L, et al. Haze in the Klang Valley of Malaysia[J]. Atmospheric Chemistry and Physics, 2003, 3(1): 591-605.

[12]Sun Y, Zhuang G, Tang A A, et al. Chemical Characteristics of PM2.5and PM10in haze-fog episodes in Beijing[J]. Environment Science and Technology, 2006, 40: 3 148-3 155.

[13]Viezee W， Oblanas J. Lidar-observed haze layers associated with thermal structure in the lower atmosphere[J]. Journal of Applied meteorology, 1969, 8(3): 369-375.

[14]吴兑. 灰霾天气的形成与演化[J]. 环境科学与技术, 2011, 34(3): 157-161.

[15]贺克斌, 杨复沫, 段凤魁，等. 大气颗粒物与区域复合污染[M]. 北京：科学出版社，2011:45-51.

[16]邹强, 宋福明, 张晓华，等. 苏州市区能见度变化特征及影响因素分析[J]. 环境监测与预警, 2011, 3(3): 41-44.