COVID-19期间武汉地区GNSS水汽与雾霾相关性分析

朱玉香，陈永贵，安春华

（1.河南测绘职业学院，郑州 451464；2.河南省科学院地理研究所，郑州 451464）

0 引言

近年来，我国各地雾霾天气频发且冬季尤为严重，雾霾持续时间连年增长且影响范围逐渐扩张，造成了巨大的经济损失，同时也威胁民众的身体健康，给社会发展和政府民众的日常生活造成极的大不便。雾霾灾害主要是重工业长期污染造成的结果，如何监测治理雾霾污染，是全人类面临急需解决的问题之一[1-2]。2019年12月以来，湖北省武汉市部分医院陆续发现了多例新型冠状病毒（new coronavirus disease 2019,COVID-19）感染引起的急性呼吸道传染病，给武汉地区造成“封城”、停工停产的影响，对比分析武汉地区 COVID-19期间，全球卫星导航系统（global navigation satellite system, GNSS）水汽与雾霾的相关性，旨在为监测治理雾霾气候提供参考依据[3-4]。

20世纪80年代兴起的GNSS气象学，利用地基GNSS探测大气中的水汽分布，这种方法具有时间分辨率高、实时性强、局限小等特点，是监测天气和气候变化的重要手段，对雾霾天气的研究具有重要的作用[5-6]。文献[7-9]最早对可吸入颗粒物展开研究，归纳了直径小于或等于2.5 μm的细颗粒物（particulate matter 2.5，PM2.5）的基本特征，发现离子及有机组成成分含量是最高的，验证了大气可降水量（perceptible water vapor,PWV）与 PM2.5的相关关系；建立了PM2.5空气质量物理气候模型。近年来，国内诸多学者对GNSS水汽与雾霾相关性也进行了研究：文献[10-13]利用主成分和相关性分析，研究了雾霾期间城市大气污染因子时空分布特征、雾霾与气象因素之间的关系等，说明了雾霾形成发展同交通污染的关系密切且具有显著的区域性特点，研究结果表明，雾霾天气形成与GNSS水汽、相对湿度存在一定相关性的结论；文献[14]对上海市2016年62 天的大气中，污染物含量资料与天顶对流层延迟对比分析，发现大气中每种污染物含量基本呈现相似的趋势，天顶对流层延迟（zenith tropospheric delay, ZTD）随着PM2.5含量增加而增大，夏季的PM2.5含量与气压、气温和相对湿度成正相关关系，与风速、降水量呈负相关关系。目前，传统的空间水汽探测手段主要有无线电探空仪、微波辐射计、卫星雷达等，与这些传统水汽探测方式相比，地基

GNSS气象学探测水汽分布的方法具有时间分辨率高、实时性强、局限小等特点，是监测天气和气候变化的重要手段，对雾霾天气的研究具有重要的作用[15-16]。近年来，学者对GNSS水汽与雾霾的相关性研究，都无法排除人为因素（如：工厂排放、汽车排放等）对雾霾造成的影响，因此，本文利用在COVID-19期间，武汉地区停工停产，

在尽可能排除了人为因素对雾霾天气干扰的情况下，来验证GNSS水汽与雾霾的相关性。

1 地基GNSS反演ZTD、PWV的基本原理

基于 GNSS高精度数据处理软件加米特（GAMIT）/格洛布克（GLOBK）获取对流层天顶总延迟，结合气象观测资料和天顶静力延迟计算模型，得到天顶静力学延迟[16]，即

式中：φ为测站的纬度，单位为（°）；h0为测站海拔高度，单位为km；P为测站地面气压，单位为hPa；ZHD为天顶静力学延迟，单位为 cm，此处采用萨斯塔莫伊宁（Saastamoinen）模型计算得到。天顶对流层延迟减去天顶干延迟可得到天顶湿延迟（zenith wet delay, ZWD），即

利用贝维斯（Bevis）公式计算出加权平均温度Tm，进而得到水汽转换系数Π。天顶湿延迟与水汽转换系数相乘即可得到大气可降水量[16]，即

式中：Π为无量纲转换因子，此处取经验值0.15[5]。

在地基GNSS反演ZTD、PWV的过程中：截止高度角设置为 10°；电离层模型采用为无电离层组合，映射函数采用在全球适用性较强的全球投影函数（global mapping function, GMF）模型；加权平均温度采用Bevis模型；反演ZTD、PWV结果的时间分辨率为1 h，每天共计25组。

2 雾霾的基本特征与数据来源

2.1 雾霾的基本特征

雾霾是雾和霾的统称，是地表空气中的悬浮颗粒物质不同程度超标而引起的一种大气污染现象[13]。空气质量指数（air quality index, AQI）是定量描述空气质量状况的无量纲指数，主要依据二氧化硫、二氧化氮、臭氧、一氧化碳、粒径小于2.5 μm的颗粒物、粒径小于10 μm的颗粒物6种主要污染物项目的浓度，来划分空气质量指数级别[14]。由《环境空气质量标准》划分的雾霾等级[15]如表1所示。

表1 AQI划分雾霾等级

由表1可以看出，AQI的指数越小，空气质量越好，当AQI指数小于等于50时，空气质量处于优的状态，当 AQI指数大于300时，空气质量处于严重污染的状态。雾霾的形成受风速、温度、湿度和气压等多种复杂因素的共同影响[16]。PM2.5浓度是影响雾霾形成的主要因素，一次微粒和二次微粒是PM2.5的二大来源。一次微粒是大自然直接产生或人类活动产生的气溶胶颗粒，例如植物燃烧产生的碳黑粒子、工业活动直接排放的粒子等。二次微粒是一次气态污染物之间发生化学反应生成的其他粒子，例如硫酸盐、硝酸盐、铵盐等。常用的PM2.5探测方法包括称重法、射线吸收法、光散射法和微量振荡天平法等[3]。

2.2 数据来源

为分析在COVID-19期间，武汉地区GNSS水汽与雾霾的相关性，借助中国大陆构造环境监测网络（The Crustal Movement Observation Network of China, CMONOC）武汉站（WUHN）2020年年积日（day of year, DOY）第1—121天的观测数据，以及AQI、PM2.5数据数据进行分析，AQI、PM2.5数据由中国空气质量在线监测分析平台下载，时间分辨率为一天[6]。

3 案例分析

3.1 AQI与PM2.5相关性分析

首先对中国空气质量在线监测分析平台提供AQI与PM2.5数据进行相关性分析，2019年12月 1日至 2020年 4月 30日期间，AQI、PM2.5的时间序列如图1所示。

图1 AQI与PM2.5时间序列

由图1可知：在2019年12月及2020年1月，武汉地区的AQI、PM2.5指数远远高于2020年2—4 月；AQI、PM2.5指数在2019年12月14日同时达到了序列中的最大值，分别是180、136 μg/m3，达到了中度污染水平，空气质量较差；总体来看，AQI、PM2.5的时间序列有着较好的一致性。图2给出了AQI与PM2.5的线性关系图。

图2 AQI与PM2.5线性关系

由图2可知：在2019年12月至2020年4月期间， AQI与PM2.5的相关系数为K=0.81，达到了强性相关，同时也表明了PM2.5是影响AQI指数的重要因素之一。

3.2 AQI与ZTD、PWV相关性分析

为了进一步分析空气质量指数 AQI与 GNSS水汽ZTD、PWV的相关性，对比分析了武汉地区2020年1—4 月期间，AQI与ZTD、PWV相关关系，分析时的时间分辨率为1 h。由于2019年12月 WUHN站数据缺失严重，故进行数据分析时，不对 2019年 12月的数据进行分析，其结果分别如图3、图4所示。

图3 武汉地区2020年1—4 月AQI与ZTD关系对比

图4 武汉地区2020年1—4月AQI与PWV关系对比

由于缺失武汉站（WUHN）缺少了2020年积日第 4天（2020-01-04）及 2020年积日第 96天（2020-04-05）的GNSS观测数据，因此这两天不参与AQI与ZTD、PWV对比分析。

由图3可知，武汉地区在 2020-01-02—03、2020-01-13—14、2020-01-18—22期间，AQI指数超过了100，空气质量达到了轻度污染标准；2月份只有第5天、第25天这两天的空气质量达到了轻度污染标准；3月份武汉地区空气质量达到了优良标准；4月份第8天、第28天的空气质量达到了轻度污染标准；总体而言，武汉地区2020年2—4月份的空气质量优于 1月份的空气质量。通过线性回归分析可得，到武汉地区2020年1—4月AQI与ZTD的相关系数分别是0.14、0.05、0.12、0.11，从数值来看，武汉地区2020年1—4 月AQI和ZTD无明显线性关系。

通过线性回归分析得到武汉地区 2020年 1—4月，AQI与PWV的相关系数分别是0.36、0.45、0.11、-0.31，在 2020年1—2月，武汉地区 AQI指数与PWV有着一致的变化趋势，呈现正相关；2020年4月，武汉地区 AQI指数与PWV呈现出负相关，考虑到武汉地区冬季较干燥、燃气取暖等原因使AQI指数增加，PWV数值的少量增加，不可以改善空气质量。春季PWV数值的增加，增加了降雨量，改善了空气质量，使AQI数值下降，这是武汉地区2020年4月 AQI指数与PWV呈负相关关系的原因。

3.3 PM2.5与ZTD、PWV相关性分析

为了进一步探究 PM2.5与 ZTD、PWV的相关关系，对比分析了武汉地区2020年1—4月PM2.5与ZTD、PWV相关关系，其结果分别如图5、图6所示。

图5 武汉地区2020年1—4月PM2.5与ZTD关系对比

图6 武汉地区2020年1—4月PM2.5与PWV关系对比

通过线性回归分析得到：2020年1—4月，武汉地区PM2.5和ZTD的相关系数分别是0.04、0.01、-0.85、0.01，从数值来看，武汉地区2020年1月、2月和4月的PM2.5和ZTD无明显线性关系，而3月的相关系数为-0.85，说明2020年3月武汉地区PM2.5与 ZTD具有强负相关关系，分析其原因是，春季ZTD的增加，增加了降雨量，改善了空气质量，使PM2.5值下降。

通过线性回归分析可得，2020年1—4月，武汉地区的PM2.5与PWV的相关系数分别是0、0.01、

-0.15、0.60。在雾霾事件发生过程中，PWV随PM2.5一起达到峰值；雾霾消散时，PM2.5浓度降低，PWV也随之减小，二者整体变化趋势一致，拟合效果较好，此时，PWV未达到峰值，会加剧雾霾天气的形成。2020年 1月和 2020年 3月，在雾霾事件发生过程中，PWV与PM2.5无明显线性关系，考虑到武汉地区在4月份恢复生产通行，大量污染物的排放，使雾霾事件发生频率增加，空气质量变差。

4 结束语

通过对在 COVID-19期间武汉地区水汽与雾霾的相关性分析，可得到以下结论：

1）在2019年12月和2020年1月，武汉地区的 AQI、PM2.5指数远远高于 2020年 2—4月；AQI、PM2.5指数在2019年12月14日同时达到了序列中的最大值，分别是180、136 μg/m3，达到了中度污染，空气质量较差，AQI、PM2.5具有强相关性，相关系数为0.81；

2）在 2020年 1—4月，武汉地区的 AQI与ZTD有着一致的变化趋势，2020年2—4月的空气质量优于2020年1月的空气质量；

3）在 2020年 1—2月，武汉地区的 AQI指数与 PWV有着一致的变化趋势，呈现正相关，2020年 4月的 AQI指数与 PWV呈现出负相关；

4）在 2020年 1—4月，武汉地区的 PM2.5与ZTD之间的相关系数分别是 0.04、0.01、-0.85、0.01，即1月、2月和4月的PM2.5与ZTD之间无明显线性关系，而3月的相关系数为-0.85，达到了强相关，分析其原因是降雨量的增加，改善了空气质量，使PM2.5值下降造成的；

5）在 2020年1—4月，武汉地区的 PM2.5与PWV的相关系数分别是 0、0.01、-0.15、0.60。在雾霾事件发生过程中，PWV随 PM2.5一起达到峰值；雾霾消散时，PM2.5浓度降低，PWV也随之减小，二者整体变化趋势一致，拟合效果较好，此时，PWV未达到峰值，会加剧雾霾天气的形成，GNSS反演的水汽，可为雾霾天气监测研究提供参考依据。

致谢：感谢中国地震局GNSS数据产品服务平台和中国空气质量在线监测分析平台提供了数据支持。