贵阳市近2013—2022年PM2.5高浓度日气象条件统计分析
2023-09-14王琴焦树友石宇张春辉刘群
王琴 焦树友 石宇 张春辉 刘群
摘要 分析了贵阳市2013—2022年全市颗粒物日均浓度，筛选PM2.5日均浓度≥67 μg/m3（AQI≥90）日的气象要素进行统计分析，总结了PM2.5浓度出现高值的气象条件特征，为PM2.5高浓度过程的预警预报提供技术参考。
关键词 PM2.5；高浓度日；气象条件；预报；统计分析
中图分类号：X513 文献标识码：B 文章编号：2095–3305（2023）07–0216-03
PM2.5是指空气动力学中，粒径≤2.5 ?g的颗粒物，也被称为可入肺颗粒物。大量研究表明，PM2.5具备一定的毒性，高浓度甚至会引起人类呼吸道疾病发生[1-2]，也是引发雾霾天气的重要原因[3]，对社会经济、生态环境、人类健康均有重要影响[4]。近十年来，我国先后实施了《大气污染防治行动计划》（“大气十条”）和《打赢蓝天保卫战三年行动计划》（“蓝天保卫战”），以PM2.5作为大气污染防治工作的重点和核心约束性指标，环境空气质量得到了较大改善。
众多学者对典型的PM2.5污染过程气象条件展开大量研究工作[5-8]，也有统计分析长时间序列污染物浓度和气象要素特征研究[9-10]。大量研究表明，在污染源排放变化不大的情况下，气象条件对PM2.5浓度有显著影响[11-14]。贵阳市自2013年正式对PM2.5进行监测和治理以来，大气污染的治理水平不断提高。吴战平等[15-16]从天气形势和气象要素对典型污染过程进行了综合分析，尚媛媛等[17]利用5年较大时间分辨率的PM2.5和气象数据，探讨了大气污染物浓度变化与影响气象因子的关联性。在贵阳市大气污染系统治理十年的基础上，目前尚未针对贵阳市长时间序列PM2.5高浓度的天气形势和气象要素共性特征进行研究。
《环境空气质量标准》（GB 3095—2012）定义PM2.5日均浓度高于75 ?g/m3为污染日，本研究为贵阳取10%的缓冲余量，定义当天PM2.5日均浓度参考文献67 ?g/m3（AQI≥90）为贵阳市PM2.5高浓度日。总结近2013—2022年贵阳市PM2.5高浓度日对应的天气形势和气象要素（温度、风速、相对湿度等）特征，结合典型案例，分析气象要素对PM2.5浓度变化趋势的特征，以期提高对PM2.5高浓度过程的预警预报准确率，为大气污染防治管控提供参考。
1 材料与方法
1.1 数据来源
研究使用的气象要素包括风速、温度、相对湿度、降水量等，来自中国气象数据网（http：//data.cma.cn/）；逆温和天气形势等资料来自贵阳市气象台，大气污染物浓度监测数据来自贵阳市10个空气质量自动监测国控自动监测站。
1.2 资料与方法
利用近10年（2013年1月1日—2022年12月31日）的污染物浓度监测数据，按照贵阳市PM2.5高浓度日的定义进行筛选，找出对应日期的气象资料进行分析整理，结合天气形势和气象要素特征，分析其对PM2.5浓度的影响，利用Origin等软件对获取的数据资料做相应分析，初步揭示贵阳市出现PM2.5高浓度日的气象特征。
2 结果与讨论
2.1 近十年贵阳市PM2.5高值日气象条件统计
2.1.1 天气类型 统计2013—2022年贵阳市PM2.5高浓度日的天气类型，占比较高的前3种天气类型分别为Ld2—南部静止锋型（52.9%）、Gt—西藏高压类（27.3%）、Nd—热低压类（7.4%），共计占高浓度日天气类型的90%。这3种天气形势都易出现晴好天气，当晴好过程持续时间较长时，易造成辐射逆温或低空逆温等不利的“静稳”天气出现，大气污染物难以扩散，导致浓度累积升高而出现污染。
2.1.2 温度 据统计，2013—2022年贵阳市PM2.5高浓度日平均温度为9.9 ℃，最高温度和最低温度差的平均值为7.8 ℃，85%以上高浓度日会出现逆温天气。将高浓度日平均温度（T）和最低、最高温度差（t）按D参考文献5.0 ℃、5.0 ℃
2.1.3 风速 通常来说，风速越大，污染物水平扩散能力越强，反之亦然。统计2013—2022年贵阳市PM2.5高浓度日平均风速特征发现，小于2.0 m/s的天数有138 d，2.0～2.5 m/s的有84 d，2.5～3.0 m/s有48 d，大于3 m/s的有27 d。统计结果表明，风速越小，出现PM2.5高浓度日的概率越大，这也与众多研究成果结论一致。贵阳市年平均风速为2.2 m/s，近10年高浓度日风速大于2.2 m/s的天数有124 d，说明颗粒物浓度与风速大小并不完全呈线性相关。相关研究表明[18-19]，当风速较大时，水平方向空气流动加速，远距离传输污染物量增加，在合适的条件下发生沉降和二次转化，导致本地PM2.5浓度升高，预报PM2.5浓度变化，在评估扩散条件的同时，要考虑周边污染物传输影响。
2.1.4 相对湿度 相对湿度对颗粒物理化结构的影响是最为复杂的[20]。
本研究将高浓度日相对湿度按RH≤60%、60% 2.2 典型污染过程案例分析 本研究对2021年1月10—17日贵阳市1次PM2.5典型污染过程进行分析。如图1所示，在整个污染过程中，PM10、SO2、NO2、O3、CO等5项污染物浓度变化趋势与PM2.5一致，过程可分为累积（10—13日）—污染（14—15日）—消散（16—17日）3个阶段。 2.2.1 天气形势分析 此次污染过程天气形势属于统计中出现频率最高的Ld2—南部静止锋型，出现在冷锋南下2次过程中的晴好天气，此段晴好天气维持5 d，其中轻度污染2 d。在污染过程中，贵阳市高空500 hPa环流形势为两槽一脊型，700 hPa风场以西南风为主， 850 hPa为暖脊后控制，地面处于均压场控制，天气形势持续静稳、中低层存在逆温，这种不利于污染物扩散的高、低空天气形势配合抑制了污染物的扩散，为污染天气的形成提供了有利条件。 2.2.2 气象要素分析 对13—16日PM2.5 浓度与温度、风速风向、相对湿度和降水等气象要素变化进行逐时分析（图2）。污染物积累阶段：13日夜间至14日凌晨，风向由南转北，温度快速下降，相对湿度迅速上升，在弱风条件下，PM2.5浓度急速增大，14日凌晨01：00达到91 ?g/m3，PM2.5浓度在此阶段累积；夜间人为活动源排放减少，PM2.5浓度略有下降，07：00随着人为活动源排放增加、太阳辐射增强逆温层增厚，PM2.5浓度进一步上升，到11：00浓度达最高，106 ?g/m3；午时温度升高，逆温逐渐减弱，垂直对流增强，PM2.5浓度逐渐下降至当日谷值（54 ?g/m3）；随夜间温度降低、相对湿度增大，逆温增强，PM2.5浓度再次上升，至15日00：00：00达峰值109 ?g/m3。14日全天PM2.5浓度均值达85 ?g/m3，发生轻度污染，当日早晚风速明显减弱，相对湿度整体偏高，昼夜温差加大，导致PM2.5累积时段加长、程度加深形成污染。 高浓度维持阶段：15日PM2.5浓度日变化规律与14日完全相同，但风速进一步减弱，最低相对湿度高于前一日，不利气象条件导致PM2.5污染持续加深；16日凌晨开始受冷空气影响温度下降，07：00风向开始由南转北，相对湿度维持较高，在午后风速明显增强且有降水情况下，PM2.5浓度仍持续较高。 污染消散阶段：16日午后，在相对湿度突然增大并出现降水时段，PM2.5浓度不降反升，持续数小时强风、降水、降温后，PM2.5浓度开始明显持续下降。 3 结论 （1）贵阳市PM2.5高浓度日主要气象特征。天气过程：主要是南部静止锋型、西藏高压类和热低压类3种类型，当出现晴好天气且持续时间较长时，易造成辐射逆温或低空逆温等不利的“静稳”天气条件。温度：平均温度和最低、最高温差都是在5～10 ℃出现频率最高（大于1/3），平均温度主要集中在15 ℃以下，最低、最高温差主要集中在10 ℃以下。风速：风速小于2.0 m/s时，出现PM2.5高浓度日的概率较大，风速越小，出现PM2.5高浓度的概率越大，但风速大也可能导致远距离传输污染物量增加，增加量大于擴散量，污染物浓度反而上升。相对湿度：60 （2）结合典型污染过程分析，当气温相对升高，早晚温差较大时会形成逆温层，不利于污染物垂直扩散；相对湿度较高，有利于二次粒子转化，颗粒物吸湿性增长；弱风条件下，不利于污染物的水平传输扩散。同时存在高温、弱风、高湿的气象条件下，极易导致局地颗粒物累积达污染水平。 （3）在预报空气质量时，需综合评估天气形势、风速、温度、相对湿度、周边区域污染水平等要素。在冬季出现短暂或持续温度回升天气时，要重点关注PM2.5浓度变化，当温度超过10 、早晚温差10 ℃左右、风速小于2.0 m/s、相对湿度在60%～80%且无降水时，细颗粒物浓度累积上升，连续数日极易达污染水平。在天气转型出现降温降雨等有力的扩散条件时，还要考虑PM2.5浓度变化的滞后性。 参考文献 [1] 沙英琥，翟畅.长春市PM2.5污染特征及影响因素分析[J].皮革制作与环保科技，2022，3（12）：120-121，134. [2] 杨红，谢海燕，鲍昱璇，等.阿克苏市春季PM10和PM2.5输送路径及潜在源分析[J].四川环境，2022，41（3）：71-78. [3] 张哲，乔利平，周敏，等.环境空气PM2.5化学组分监测数据审核指标的建立：以长三角地区为例[J].环境科学，2020，41 （11）：4786-4802. [4] Gao X， Li W D. A graph-based LSTM model for PM2.5 forecasting[J]. Atmospheric Pollution Research， 2021， 12（9）： 101150. doi.org/10.1016/j.apr. 2021.101150. [5] 崔萌，安兴琴，范广洲，等.北京一次重污染过程的天气成因及来源分析[J].中国环境科学，2018，38（10）：3628-3638. [6] 贾秋刚，张艳杰.石家庄市一次重污染过程气象条件分析[J].环境监控与预警，2020，12（6）：22-26. [7] 封彩云，余莲，季承荔，等.成都一次持续性污染天气过程的气象条件分析[J].高原山地气象研究，2019，39（4）：59-66. [8] 郭倩，汪嘉杨，周子航，等.成都市一次典型空气重污染过程特征及成因分析[J].环境科学学报，2018，38（2）：629-639. [9] 宋国龙.2014—2020年西宁市PM2.5浓度与气象条件关系研究[J].环境与发展， 2022，34（7）：85-89. [10] 刁一偉，王红磊，沈利娟，等.2015—2021年南京市大气污染特征及污染个例研究[J].环境科学研究，2023，36（2）： 260-272. [11] 高嵩，田蓉，郭彬，等.长三角典型城市PM2.5浓度变化特征及与气象要素的关系[J].科学技术与工程，2018，18（9）： 142-155. [12] 刘瑞琪，贾海鹰.北京地区气象条件与区域传输对PM2.5浓度影响研究[J].环境监测管理与技术，2021，33（5）：16-20，25. [13] 付桂琴，张杏敏，尤凤春，等.气象条件对石家庄PM2.5浓度的影响分析[J].干旱气象，2016，34（2）：349-355. [14] 李瑞.成都市PM2.5、PM10变化特征及其与气象因素的关系[J].大气与环境光学学报，2023，18（1）：47-58. [15] 吴战平，白慧，陈早阳，等.贵阳市两次空气污染过程的气象条件分析[J].干旱气象，2019，37（5）：827-835. [16] 刘群，张春辉，石宇，等.贵阳市冬季一次典型PM2.5污染过程分析[J].环保科技，2021，27（3）：7-15. [17] 尚媛媛，郑小波，夏晓玲，等.贵阳市PM2.5分布特征及气象条件的影响[J].高原山地气象研究，2018，38（3）：45-50. [18] 顾凯华，史红仙，张帅，等.上海崇明岛近三年PM2.5浓度变化特征与气象条件的关系[J].长江流域资源与环境， 2015，24（12）：2108-2116. [19] 张高健，曹梅，仇娜，等.西安北郊PM10、PM2.5特征及其与气象要素的关系[J].陕西气象，2022（6）：53-58. [20] 潘小乐，颜鹏，汤洁.2006年北京春季气溶胶吸收系数的分离研究[J].气候变化研究进展，2007（5）：249-254. [21] 赵子菁，魏永杰，张祥志，等.南京市霾天气与主要气象条件的相关分析[J].中国环境科学，2015，35（12）：3570-3580. [22] 朱敏，陈海宇，张骁君.上海市青浦区PM10污染与气象要素的关系[J].环境科学与管理，2012，37（4）：103-107. [23] 周德平，洪也，王扬锋，等.沈阳春夏季大气冰核浓度的观测研究[J].气候与环境研究，2012，17（6）：719-726. [24] 叶兴南，陈建民.灰霾与颗粒物吸湿增长[J].自然杂志，2013，35（5）：337-341. Statistical Analysis of Daily Meteorological Conditions of High PM2.5 Concentration in Guiyang City from 2013 to 2023 Wang Qin et al（Guiyang Environmental Information Center， Guiyang， Guizhou 550000） Abstract Analyzed the average daily concentration of particulate matter in Guiyang City from 2013 to 2022， and selected the meteorological elements with the average daily concentration of PM2.5 ≥ 67 μg /m3 （AQI≥90） days for statistical analysis， summarizes the characteristics of meteorological conditions for the occurrence of high PM2.5 concentration， and provides technical reference for the early warning and prediction of the process of high PM2.5 concentration. Key wordsPM2.5; High concentration day; Meteorological conditions; Forecast; Statistical analysis
