2019—2020 年上海地区空气质量变化特征及气象影响因素分析

陈 镭，马井会，瞿元昊，常炉予

（1.长三角环境气象预报预警中心，上海 200030；2.上海市气象与健康重点实验室，上海20030）

引言

随着经济快速发展及城市化进程的加快，大气污染对生存环境和身心健康的影响越来越为人们所关注，空气污染治理已成为社会发展所面临的一项巨大挑战。近年来，国内学者在城市空气质量的时空变化特征及其气象影响因素方面作了大量的研究，肖悦等［1］研究近10a 中国城市空气质量发现，全国空气质量逐年好转，全年呈现先降后升的“U”型变化规律，姜磊等［2］、刘丽等［3］也得出类似的结论。康娜等［4］、王继康等［5］在研究南京地区秋冬污染天气时发现，相对稳定的天气条件不利于污染物在水平和垂直方向上的扩散，有利于污染天气的发生发展。王新等［6］在研究济南市空气质量特征时也发现，2m·s-1以下的微风或静风会抑制污染物质的扩散，使污染物积聚，污染较重。郁珍艳等［7］和欧娜音等［8］研究污染天气与逆温层关系时发现，逆温层高度越低，低层大气扩散能力越弱，空气质量越差。此外，已有研究［9-12］表明，污染物浓度的变化和降水量、云量、相对湿度、气温等也有十分密切的关系。

上海位于我国东部沿海地区，是一个经济发达、人口稠密的超大型城市，其环境空气质量的变化历来备受关注。本文利用2019—2020 年上海地区6 种空气污染物小时浓度和逐日空气质量分指数（Individual Air Quality Index，IAQI）的监测资料，对2020 年上海地区空气质量的变化特征进行分析，并与2019 年进行对比，探讨引起上海地区空气质量变化的气象成因，以期对空气质量预报和空气污染防治提供一定的参考依据。

1 资料与方法

1.1 资料来源

本文采用的空气质量资料来自上海市环境监测中心的10 个国控点（图1，含1 个对照点）的污染物小时浓度资料，这10 个站点中有7 个分布在市区，3个位于市区的边缘，其监测资料对上海地区具有一定的代表性，资料时段为2019—2020 年。此外，文中还使用了同期的常规气象观测资料。

图1 上海市环境监测中心国控点分布示意图

1.2 研究方法

目前，上海市环境监测中心用空气质量指数和空气质量分指数来衡量上海地区空气质量状况。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数，而空气质量分指数（Individual Air Quality Index，IAQI）则是单项污染物的空气质量指数。IAQI 的计算方法［13］为：将空气污染物浓度根据分级浓度限值进行等标化，简化为单一的无量纲指数形式，可以进行不同污染物之间的对比，AQI 则定义为当日各项空气污染物IAQI 中的最大值，当AQI＞50 时，其对应的污染物为首要污染物。

2 结果与分析

2.1 空气污染特征

2.1.1 AQI 变化特征

表1 给出2019—2020 年上海地区AQI 各等级天数，可以看到，2020 年的优良天数达318d，其中达优的天数为117d，比2019 年多了37d，优良率达到了86.9%，高于2019 年的84.3%；在污染日里轻度污染为40d，较2019 年偏少10d，中度及以上污染天数为8d，与2019 年相差不大，两年均没有出现严重污染。总体来看，2020 年的空气质量状况较好，且优于2019 年。

表1 2019—2020 年上海地区AQI 各等级出现天数（单位：d）

图2 给出2019—2020 年上海地区逐月AQI 各等级天数及优良率，由图2b 可知，2020 年上海地区全年优良率均在70%以上，其中2—3 月和10—11月的优良率最高，均达到97%，而最低则出现在1月和12 月，为74%。由污染天数的逐月分布可知，上海地区全年各月均有轻度污染出现，中度污染有5 个月出现，重度污染仅在12 月出现了1d，冬季污染出现天数最多。对比2019 年（图2a）可以看到，两年1 月的优良率均为全年最低，11 月均为全年最高，且较低的月份都出现在冬季，较高的月份都出现在秋季，逐月变化趋势两年差异较小。由污染天数的逐月分布可知，两年均为冬季污染天数最多，秋季最少，但2019 年有5 个月出现了5d 以上的污染，而2020 年仅有3 个月。总体而言，2019 年和2020 年上海地区的空气质量具有冬季最差，秋季最好，春夏两季次之的特征。

图2 2019 年（a）和2020 年（b）上海地区不同AQI 等级出现天数及优良率月分布

2.1.2 首要污染物分布特征

由2020 年上海地区不同首要污染物AQI 各等级出现天数可见（表2），上海地区最主要的污染物为O3，达124d，而PM2.5只出现了55d，全年没有SO2和CO 作为首要污染物出现；从AQI 不同等级出现的天数分布来看，除PM10外，其余污染物均出现了污染，其中O3出现污染的天数最多，达27d，占污染总天数的56.2%，其次为PM2.5，污染天数有16d，且出现了1d 重度污染，占污染总天数的33.3%。对比2019 年可见，2019 年和2020 年上海地区首要污染物的分布一致，O3均为最主要的污染物，各首要污染物出现天数2020 年较2019 年均有所减少。陈镭等［14］在研究2013—2014 年上海地区的空气质量状况时发现，上海地区最主要的污染物为PM2.5，年污染天数达59d，而O3的污染天数为19d。由此可见，近年来，在政府部门的大力管控和治理下，PM2.5污染状况逐年好转，上海的主要污染物已从过去的PM2.5转变为O3，如何治理O3成为改善城市空气质量的关键。

表2 2019 年和2020 年上海地区各首要污染物不同AQI 等级出现天数（单位：d）

由2020 年不同首要污染物出现天数和达到污染级别出现天数的逐月分布可见（图3c 和图3d），O3作为首要污染物出现在2—10 月，污染主要出现在春夏季，其中5 月污染天数最多，达6d；而PM2.5作为首要污染物则主要出现在冬季，污染也出现在这一季节，其中1 月的污染天数最多，达8d；PM10作为首要污染物出现在春秋两季，全年没有出现污染；NO2作为首要污染物在秋冬季出现的天数最多，污染也出现在这两季。与2019 年对比可见（图3a 和图3b），2019 年O3作为首要污染物出现在3—11 月，较2020 年整体延迟一个月，污染主要出现在春夏季，分布特征与2020 年基本一致；两年PM2.5作为首要污染物出现的天数都是夏秋季偏少，冬季最多，污染主要出现在冬季；2019 年PM10和NO2作为首要污染物在各月的分布特征也基本与2020 年一致。

图3 2019 年上海地区各首要污染物出现天数（a）和首要污染物达污染级别天数（b）、2020 年各首要污染物出现天数（c）和首要污染物达污染级别天数（d）月分布

2.1.3 污染物浓度变化特征

由前文分析可知，2019—2020 年上海地区最主要的污染物是O3，而污染则主要由O3和PM2.5造成，因此本文将重点分析O3和PM2.5浓度随时间的变化特征。图4 给出2019—2020 年O3和PM2.5逐小时浓度的平均值及其标准差分布图，由图4a 可以看到，O3浓度在上午是一个快速上升的过程，午后则迅速下降，一天中有一个峰值和一个谷值，浓度日变化幅度较大；由其标准差日变化（图4b）来看，O3浓度值在下午（13—18 时）离散程度较大，主要是由于受气温、日照条件等气象因素的影响，O3污染多发生在下午，春夏季污染时小时浓度最大值可达300μg·m-3以上，而冬季阴雨天时小时浓度最小值甚至小于10μg·m-3，因此容易导致下午O3浓度值变化幅度大。由图4c 可以看到，PM2.5浓度早晨06 时后开始上升，09 时出现峰值，之后浓度下降，17 时达到谷值，之后再次上升，20 时达到第二个峰值，00 时以后浓度缓慢下降，PM2.5浓度的日变化幅度很小，在31～34μg·m-3范围起伏；由其标准差日变化（图4d）可以看到，不同时段PM2.5浓度值离散程度相差不大，主要是由于PM2.5浓度受风向、风速、降水等气象因素的影响，影响时间可以出现在一天中的任意时段内，因此不同时刻PM2.5浓度值都有可能出现极大值和极小值，从而导致分布区间相差不大。

图4 2019—2020 年上海地区O3（a）、（b）和PM2.5（b）、（d）逐小时浓度的平均值及其标准差分布图

图5 为2019—2020 年O3和PM2.5月平均浓度的变化图，由图5a 可以看到，1—5 月O3浓度呈逐月上升的趋势，5 月达到最高值，之后逐月下降，9 月浓度出现反弹，之后再次下降，12 月为全年最低值，O3月平均浓度呈现春夏高，秋冬低的季节特征。从PM2.5月平均浓度的变化来看（图5b），1 月和12 月是PM2.5浓度的高值月，其中1 月为全年最高月，2—8 月浓度是一个缓慢下降的过程，之后至11 月缓慢回升，8 月为全年最低月，PM2.5月平均浓度呈现夏秋低，冬春高的变化趋势。

图5 2019—2020 年上海地区O3（a）和PM2.5（b）月平均浓度分布图

2.2 空气污染气象条件分析

2.2.1 风速风向条件

从2019—2020 年上海地区逐小时风速的平均值及其标准差分布（图略）可以看到，平均风速一天中有一个峰值和一个谷值，白天风速大于夜间风速；由其标准差日变化可以看到，一天中风速值离散程度相差不大。已有研究表明［14-15］，地面风速对上海地区空气污染物浓度变化具有重要的作用，对比图4b中PM2.5小时平均浓度变化可以看到，早晨风速较小，而此时城市交通早高峰造成排放源增多，水平扩散条件不利，容易造成PM2.5浓度的上升，上午随着风速增大，水平扩散条件转好，PM2.5浓度出现下降过程，傍晚到夜间随着风速不断减小，水平扩散条件持续转差，再叠加城市交通晚高峰，PM2.5浓度再次出现上升过程，而半夜到早晨排放源少，虽然此时风速最小，PM2.5浓度仍然缓慢下降，总体来看，PM2.5浓度日变化与风速有一定的负相关关系。从2019—2020 年上海地区平均风速月变化分布(图略）可以看到上海地区平均风速逐月变化幅度不大，8 月为全年最高月，对比图5b 发现，月平均风速与PM2.5浓度没有呈现明显的负相关关系，造成此种情况的原因与风向有关，在相同的风速条件下，不同的风向会造成PM2.5浓度的不同变化，下文将做详细分析。

表3 给出2019—2020 年上海地区不同风向频率逐月分布情况，可以看到上海地区风向具有明显的季节性变化特征，冬季蒙古冷性高压强度最大，冷空气活动频繁，上海地区地面主导风向为偏北风和西北风的时间增多，有利于将上游地区的污染物不断重复地输送至本地，造成PM2.5浓度的上升并且出现污染；夏季上海地区主要受副热带高压控制，地面盛行东南风，海上洁净的空气有利于污染物的稀释，不易造成PM2.5污染；秋季副热带高压仍维持在我国上空，冷空气影响偏北，因此东北风和偏东风仍占主导地位，仍然有利于PM2.5浓度的下降；而春季影响上海地区的天气系统复杂，这一季节冷暖空气势力相当，各个风向都有可能出现，对比秋季而言，来自内陆的风（西南风、偏西风和西北风）更偏多，因此春季的风向更有利于PM2.5浓度的上升。上海地区地面风向这种季节性变化特征正好与PM2.5浓度冬春高，夏秋低，且污染主要出现在冬季的季节性特征相对应。

表3 2019—2020 年上海地区不同风向频率月平均表（单位：%）

2.2.2 气温和日照条件

从上海地区2019—2020 年平均气温日变化情况可以看到，上午随着气温的上升，O3浓度呈现一个快速上升的趋势，午后在气温峰值后达到峰值，下午随着气温的下降，O3浓度也随之下降，在气温谷值后出现谷值，气温的日变化趋势与O3浓度呈明显的正相关关系。另外，由气温的标准差日变化可以看到，一天中气温值的离散程度几乎没有变化。

从上海地区2019—2020 年月平均气温和日照时数分布图（略）看到1—8 月气温逐月升高，8 月达到全年最高，之后气温逐月下降，1 月达到全年最低；而日照时数则是1—4 月是一个上升过程，5 月与4 月持平略降，6—7 月则明显下降，8 月日照时数迅速回升，为全年最多，之后基本呈逐月下降的趋势，1 月为全年最少月。O3是经复杂的光化学反应产生的二次污染物，其成因复杂，气温、日照和降水是影响O3浓度变化的主要气象因子。对比图5a 可以看到，1—5 月随着气温的上升和日照时长的变长，O3浓度呈现上升的趋势，6—7 月，虽然气温继续上升，但日照条件转差，O3浓度出现了下降，8 月虽然气温和日照条件全年最好，但O3浓度仍然继续下降，9 月之后随着气温和日照条件逐月转差，O3浓度呈现下降趋势。分析8 月O3浓度不高的原因可能与风速有关，由前文分析可知，8 月平均风速为全年最大，水平扩散条件最好，有利于污染物的扩散，这可能是造成8 月O3浓度不高的原因。总体来看，O3浓度的月变化趋势受多种气象因子的影响，无法用单一的气象因子来预报。

2.2.3 降水条件

从2019—2020 年上海地区平均月降水量和月雨日分布图（略），可以看到上海地区降水主要集中在6—9 月，其中6 月降水量最大；从平均月雨日分布可以看到，7 月雨日最多，6 月次之。降水对PM2.5具有湿沉降作用，降水偏多，有利于PM2.5浓度的下降，因此在一定程度上造成了上海地区夏秋季PM2.5浓度偏低，且污染较少。另一方面，月雨日较多，有利于抑制光化学反应，影响O3浓度的上升，6—7 月雨日较多，对于夏季O3浓度的上升和出现污染有一定程度的影响。

总体来看，降水量偏多，湿沉降作用明显，有利于PM2.5浓度的下降，同时雨日偏多，有利于抑制光化学反应，影响O3浓度的上升。

3 结论与讨论

（1）2020 年上海地区空气质量优良率达86.9%，污染日数为48d，较2019 年减少9d，没有出现严重污染，空气质量状况优于2019 年。上海地区AQI 具有冬季最差，秋季最好的季节性特征，最主要的污染物已由过去的PM2.5转变为O3。2020 年O3作为首要污染物出现的天数达124d，其中污染天数达27d，占污染总天数的56.2%，污染主要出现在春夏季，而PM2.5污染天数为16d，占污染总天数的33.3%，污染主要出现在冬季。

（2）2019—2020 年上海地区O3浓度一天中存在1 个峰值和1 个谷值，而PM2.5浓度则存在2 个峰值和1 个谷值；从逐月变化来看，O3浓度呈现春夏高，秋冬低的季节特征，而PM2.5则呈现夏秋低，冬春高的季节特征。

（3）地面气象要素对上海地区空气质量变化具有重要的影响：风速的日变化与PM2.5浓度具有一定的负相关关系，风速越大越有利于PM2.5浓度的下降，而风向的季节变化特征与PM2.5浓度季节变化特征相对应，来自海上的洁净空气有利于PM2.5浓度的稀释下降，来自内陆的风则有利于将上游的污染物输送至上海，造成PM2.5浓度的上升和污染；气温和日照对O3浓度的变化有重要影响，气温高、光照条件好，有利于O3的生成，气温的日变化趋势与O3浓度呈明显的正相关关系，而O3浓度的月变化趋势则受多种气象因子的影响，无法用单一的气象因子来预报。另外，降水也是影响PM2.5和O3浓度变化的重要气象因子，降水偏多，湿沉降作用明显，有利于PM2.5浓度的下降，同时雨日偏多，有利于抑制光化学反应，影响O3浓度的上升。