长江三角洲初冬一次重污染天气成因分析

翟 华,朱 彬,赵雪婷,潘 晨



长江三角洲初冬一次重污染天气成因分析

翟 华,朱 彬*,赵雪婷,潘 晨

(南京信息工程大学,气象灾害教育部重点实验室,气候与环境变化国际合作联合实验室,气象灾害预报预警与评估协同创新中心,中国气象局气溶胶与云降水重点开放实验室,江苏 南京 210044)

利用站点气象和PM2.5资料以及NCEP的全球再分析数据集研究了2015年12月17~28日长江三角洲地区一次重污染天气过程.结果表明:地面弱气压场是此次污染事件发生发展的主要天气背景,而冷空气带来的大风使PM2.5浓度迅速下降,有效清除了PM2.5.区域热力因子和动力因子分析发现,此次过程中大气中低层层结稳定、近地面逆温强,有利于PM2.5和水汽的累积,使其浓度水平升高;对于动力因子来说,较小的通风率和较低的边界层高度不利于污染物扩散,同样使PM2.5浓度上升.两者相比,热力因子对PM2.5浓度值的贡献比动力因子大.结合后向轨迹和排放源分布发现,此次污染过程中长江三角洲地区的PM2.5主要受来自其西北方向的大陆气团(占46%左右)的影响,这些气团途经高污染排放源并把污染物远距离传输至长江三角洲地区.最后利用PSCF和CWT对长江三角洲地区污染物的潜在来源进行了分析,发现PM2.5的来源主要集中在安徽、河南、山西、山东以及长江三角洲本地,说明此次过程中长江三角洲地区的污染物浓度受到远距离输送和局地过程的共同影响.

PM2.5；气象条件；潜在源区

随着经济的快速发展与城市化进程的不断推进,由于燃煤、工业、机动车和扬尘等污染源排放[1]以及天气条件、气候变化等原因[2-5],中国东部地区经常出现范围广、持续时间长的重污染天气[6],其中珠江三角洲地区、长江三角洲地区、京津冀地区3大城市群空气污染尤其严重[7-10],影响区域大气环境质量[11-12],对人体健康也造成极大的危害[13-15].

已有众多学者对形成我国区域重污染天气的气象条件做了大量研究,研究表明[16-19]:在区域污染源变化相对稳定的情况下,污染物浓度的高低主要取决于大气的扩散能力,尤其与地面天气形势密切相关.童尧青等[20]、赵子菁等[21]研究发现:稳定的大气层结、静小风和较高的相对湿度等气象要素非常不利于污染物的扩散,有利于霾天气的出现.任阵海[22]、朱佳雷[23]、戴竹君[24]等研究发现平稳的高空环流形势、暖平流、地面高压均压场是重度霾发生时的天气形势和环流特征,在大范围的均压场条件下,易出现近地层小尺度局地环流群体,大范围均压场持续演变和移动会形成大气污染汇聚带,从而形成局地严重污染的重要天气背景.吴兑等[25]、尉鹏等[26]研究表明:区域霾天气过程与区域内静小风过程,即出现的气流停滞区有密切联系,伴随冷空气的大风等天气有利于污染物的扩散,区域气象条件的变化直接影响污染物累积,以及污染天气的形成、发展和消散. Dayan等[27]研究证实了利用通风率可以用来评估某区域上层大气的分散状态.张人禾等[28]、祁妙等[29]采用动力热力因子分析方法,研究气象条件对雾、霾天气演变过程中能见度的影响,是一种表征空气污染发生条件的较好指标.

污染天气形成的主要原因有两个:一是污染源的排放,二是气象条件的影响.理论上,空气污染物的来源可由这两个因子确定.梁丹等[30]研究发现由于不同方向的气流途径的区域污染源强度不同,所携带的污染物浓度会有较大差异.Hopke[31]、Han[32]和Payra等[33]研究认为潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)可以较好的确定污染物的潜在源区.每种方法都有自身的优势,但使用单一方法不能较好地分析观测点受潜在源区的影响,因此综合使用不同的方法能更好的确定污染物的潜在源区[34].

至今已有大量研究讨论空气污染物与气象条件之间的联系,但从天气系统、区域边界层热力、动力因子并结合污染来源研究该问题的还较少.本文将结合长江三角洲初冬典型污染发生的天气形势、热力和动力因子、污染物潜在来源分析等方面对长江三角洲地区(28~35°N,118~122°E)2015年12月17~28日发生的一次持续时间长、影响范围广、污染程度重的污染过程开展研究,以揭示此次重污染天气成因.

1 资料与方法

1.1 资料

本文所选取的资料来源:

(1)中国气象局地面气象要素小时平均观测资料.

(2)中国空气质量在线监测分析平台—PM2.5监测网提供的小时平均PM2.5数据,来源于国家空气质量自动监测点位的空气质量自动监测结果(http://www.cnemc.cn/和http://www.aqistudy.cn/).

(3)韩国天气图(http://222.195.136.24/forecast. html).

(4)NCEP(美国国家环境预报中心)提供的空间分辨率为1°×1°,时间分辨率为6h的FNL再分析资料(http://rda.ucar.edu/datasets/ds083.2/).

1.2 方法

潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)都是通过气流轨迹识别大气污染物潜在来源的方法[35].其中PSCF 是根据条件概率函数发展的一种判断污染源可能方位的方法[36-37], PSCF函数定义为经过某一区域的气团到观测点时对应的某要素值高出设定的阈值条件概率.

先将某一研究区域划分为0.1°´0.1°的网格,对研究的要素(本文中为PM2.5)设定一个阈值,当轨迹所对应的要素值高于这个阈值时,认为该轨迹是污染轨迹,其经过网格(,), 这里的代表经度和纬度,污染轨迹端点数为m,而落在某网格(,)内的所有轨迹端点数为n,则 PSCF 可以定义为式(1):

但是由于PSCF的误差会随着采样点与网格距离增加而增加,尤其是当n较小时,会有很大的不确定性.为了减小不确定性,一些研究者[38-39]引入了一个权重函数(n)[式(2)],就是当某一网格内n小于研究区域内每个网格平均轨迹端点数ave的3倍时,就使用(n).

PSCF在一定程度上可以反映网格对受点污染程度贡献大小,然而无法区分相同PSCF 值的网格对受点污染物浓度贡献大小,即网格内轨迹的要素值超过设定阈值的程度范围.为了弥补不足,本文在PSCF的基础上引入了CWT,用CWT方法[40]计算轨迹的权重浓度,以表征不同轨迹的污染程度.设置CWT 的网格为0.1°´0.1°,其中:ij是网格(,)上平均权重浓度;是轨迹;C是轨迹经过网格(,)时对应的要素浓度;是轨迹l在网格(,)停留时间,在计算过程中,采用落在网格内轨迹的端点数代替停留的时间,使用与PSCF分析法相同的权重函数(n),计算方法如公式(3)所示:

利用FNL资料和MICAPS资料计算得出如下气象因子:850hPa与1000hPa假相当位温垂直差(se81)、925hPa与1000hPa温度垂直差(91)、地面相对湿度(RH)、通风率()和地面风速()等气象因子.

其中通风率是边界层中风速和边界层厚度乘积的积分,可定义和评估区域上空大气的大气扩散状态.本文通风率是利用NCEP资料中水平风场数据(3层:457,914,1524m),结合边界层高度数进行计算得出.计算公式[27]如下:

式中:u和v分别为第层的纬向风速和经向风速(为1-3层);为边界层高度.

2 结果与讨论

2.1 气象条件与PM2.5之间的关系

2.1.1 污染天气过程描述 16日,我国大部受到中等强度冷空气影响[41],长江三角洲全区PM2.5浓度较低,无污染天气出现.17日8:00,长江三角洲地区强冷空气过程结束,地面图上(图1a),长江三角洲地区处于高压前部的弱气压场中 ,PM2.5浓度开始升高,北部PM2.5浓度超过75µg/m3(图2a),出现从北到南的污染过程.18日-25日,长江三角洲地区高空气流弱,地面气压场处于北支和南支锋区之间的弱气压场中,如21日8:00地面天气图所示(图1b),为污染天气的发生发展提供了有利条件.期间20日8:00,弱冷空气开始影响蒙古和我国北方,并快速南侵.然而由于冷空气强度弱,高空和地面风速小,对PM2.5清除作用不显著,反而由于弱冷空气过境引起地面增湿和弱辐合作用,造成PM2.5浓度升高(图3). 21日8:00,长江三角洲地区处于高压中心范围内的均压场中(图1b),等压线分布稀疏,气压梯度弱,地面风速小,大范围站点温度露点差降低到2℃以下,这种天气形势极有利于污染物累积[26], PM2.5浓度迅速升高,在该天气形势控制下长江三角洲地区发生重污染天气(图2b).由图3可知,长江三角洲从北到南盐城、南京、上海和杭州四个城市PM2.5浓度最大值分别出现在21日20:00(280µg/m3)、23日2:00(280µg/m3)、23日8:00(251µg/m3)和23日20:00(300µg/m3).22日20:00长江三角洲地区500hPa高度场有小槽快速东移(图略),产生弱降水,对长江三角洲地区污染有一定的缓解作用.弱冷空气过境后,24日长江三角洲地区又重新受高压弱气压场控制(图1c),长江三角洲北部地区PM2.5浓度迅速回升,污染天气再次出现(图2c).

26日,来自贝加尔湖的冷空气东移发展成东北冷涡,同时伴有强锋区东移南压, ,27日长江三角洲地区受到中等强度冷空气[41]自北向南的强力“清扫”,大风降温带来的锋后干洁气团使PM2.5浓度迅速下降,盐城、南京、上海和杭州的PM2.5浓度分别在27日8:00、27日14:00、27日14:00和27日20:00下降到75µg/m3以下(图3),28日长江三角洲地区污染天气过程结束(图1d、图2d和图3)

图2 12月17日、21日、24日和28日长江三角洲地区PM2.5浓度分布

图3 盐城、南京、上海和杭州PM2.5及各气象要素时间变化趋势

图4 长江三角洲地区热力因子和PM2.5时间演变

2.1.2 热力因子作用 在热力因子中,850hPa与1000hPa假相当位温垂直差(se81)[28]主要是表征大气中低层的层结不稳定程度,当se81越大时,大气中低层的层结越稳定;而当se81越小时,大气中低层的层结越不稳定.本次污染过程中,大气中低层的层结稳定,污染物不易扩散,PM2.5的浓度较大,大气污染程度较严重.925hPa与1000hPa 温度垂直差(91)[28]可以表征大气近地面逆温状况.稳定的逆温层使PM2.5在边界层内累积,易发生大气污染.因此,本次过程中近地面的逆温强,大气中低层稳定性大,有利于PM2.5浓度的升高,导致大气严重污染.由图4可知,长江三角洲地区的se81和91与PM2.5的浓度呈正相关关系,相关系数分别为0.436和0.643,均通过了0.01的显著性水平检验.

在本次过程中,选取地面的相对湿度(RH)分析水汽条件与PM2.5浓度的关系.从图4中可知,长江三角洲地区的RH与PM2.5浓度的相关系数为0.650,通过了0.01的显著性水平检验.说明在层结稳定的条件下,水汽和PM2.5同时得到累积.

2.1.3 动力因子 从图5中可知,通风率和边界层高度都与长江三角洲地区的PM2.5浓度之间呈负相关,相关系数分别为-0.372和-0.371,均通过了0.01的显著性水平检验.通风率可表征边界层扩散条件状况,而边界层高度是在垂直方向上PM2.5可以扩散的上限.本次污染过程中通风率较小、边界层高度较低,污染物扩散能力较差,PM2.5易在边界层内累积,造成局地污染.而在过程后期,污染消散时段,通风率大、边界层高度较高时,污染物易扩散,有助于PM2.5浓度降低.图5中地面风速与PM2.5相关性较差,表明在较小的静稳气象条件下,不是导致PM2.5增加的主要因素.

2.1.4 各气象因子在污染过程中的作用 进一步分析长江三角洲地区热力和动力因子对PM2.5浓度变化的影响,选取与PM2.5显著相关的850hPa与1000hPa假相当位温垂直差(se81)、925hPa与1000hPa温度垂直差(91)、地面相对湿度(RH)、边界层高度()和通风率()等气象因子,分别建立了热力因子与PM2.5浓度变化的多元线性回归方程(公式5)和动力因子与PM2.5浓度变化的多元线性回归方程(公式6)如下:

PM

2.5

=13.290

T

91

-0.830

θ

se

81

+1.052RH+55.681 (5)

PM

2.5

=-0.005

a

-0.032

H

+115.768 (6)

图5 长江三角洲地区动力因子和PM2.5时间演变

如图6所示:热力因子拟合值与观测值的相关系数较大,而动力因子拟合值与观测值的相关系数较小,相关系数分别为0.761和0.381,都通过了0.01的显著性水平检验.热力因子可单独解释57.9%的PM2.5浓度变化,动力因子仅可单独解释14.5%的PM2.5浓度变化.由以上分析可知,在长江三角洲地区重污染天气过程中,相比动力因子,热力因子对长江三角洲地区PM2.5浓度的影响更大,单独的动力因子不能很好地反映PM2.5的变化.

为了进一步研究气象因子在重污染天气中的综合作用,选取与PM2.5显著相关的热力因子和动力因子:se81、91、RH、和,使用多元线性回归方法建立了关于PM2.5浓度值的多元线性回归方程.回归方程拟合的PM2.5浓度值和观测值之间的相关系数达到0.763,通过了0.01的显著性水平检验,方程得到的PM2.5回归值对观测值的方差解释为58.2%,其回归方程如下: