基于应急预警的秋冬季重污染天气特征研究*

2023-10-09齐国伟肖瀛川李嘉琪樊寒松

广州化工 2023年11期

龚韬，陈贝，齐国伟，肖瀛川，李嘉琪，樊寒松，邓淼

(1 四川省乐山生态环境监测中心站，四川乐山 614000；2 乐山市气象局气象台，四川乐山 614000)

2018年蓝天保卫战以来，大气污染防治工作进入深水区，针对秋冬频发的区域性污染，目前的预警管控措施在减轻污染强度和减小污染范围上卓有成效，但区域性联防联控不能解决一个地区污染时空差异性问题[1-3]，容易导致“一刀切”，以市(县)为基本经济单元的区域格局需要更精细的预报和防控措施，以乐山市为例，应急成本仅工业源一项就达到2.12亿元/天(黄色预警)～2.52亿元/天(红色预警)[4-6]。针对这一现状，本课题以2019-2022年11次典型的秋冬季重污染天气应急管控过程为研究对象[7-8]，归纳出不同气象场对污染的影响，并分析气象因素和污染物的关系，为今后重污染应急管控提供更精准的技术支撑[9-13]。

1 材料和方法

1.1 数据资料

本次研究气象资料来源于中国气象部门气象信息综合处理系统(MICAPS)。环境空气质量数据来源于四川省空气质量监测网络管理系统，数据选取时段为2019年1月-2022年1月，考虑案例为秋冬季重污染过程，超标污染主要选取O3、PM10和PM2.5。环境空气自动监测设备为24 h连续在线监测，运维和质控均严格按照《环境空气颗粒物(PM10和PM2.5)连续自动监测系统运行和质控技术规范》(HJ 817-2018)；《环境空气气态污染物(SO2、NO2、O3、CO)连续自动监测系统运行和质控技术规范》(HJ 818-2018)等相关标准和技术规范开展。

2019年1月-2022年1月的秋冬季，乐山市共出现了11次典型的重污染天气过程，最短的持续5天，最长的持续了42天。各污染过程对应时间段和应急管控情况见表1。

表1 重污染天气过程应急预警启动情况Table 1 Heavy pollation weather process emergency warning start situation

1.2 分析方法

1.2.1 气象要素的分类

根据选取的2019年1月-2022年1月11次典型的重污染天气过程[14-18]，见表1。采用K-means算法对其中环境空气质量指数AQI>100的天气个例样本进行分型、归类。据此分析归纳出不同污染程度对应的气象条件[19-24]。

1.2.2 主要污染物与气象要素相关性分析

用SPSS软件计算研究时段内乐山市的O3、PM10、PM2.5等污染物浓度与气象要素中的最高气温、最低气温、24 h降雨量(R08-08)、相对湿度、二分钟平均风速、总云量之间的Pearson相关系数，据此判断与主要污染物浓度相关的气象要素[25-30]。

2 结果与讨论

2.1 重污染过程天气形势分型

2.1.1 天气形势分型

基于K-means算法对上述11个重污染个例进行分型、归类。统计出高空500 hPa形势主要有：西风波动气流、槽后脊前西北气流，部分弱脊和南支槽，前两种形势占比约80%，700 hPa形势有70%个例为西南风或者西南急流，其次为弱南风和风向不明确的弱风；850 hPa形势有70%个例为偏北风和东北风，风速以弱风为主，其余为风向不明确的弱风。

对重污染个例的地面天气形势进行分型、归类得出：有利于大气污染物扩散的地面形势为高压前部和高压控制。其环流形势特点是川北和冷空气来源方向有较大的气压梯度，风速较大，有利于污染扩散，东北路强冷空气入侵结合高原低槽，容易出现明显降水，降低污染物浓度。而不利于污染物扩散类地面天气形势可分为高压后部控制，低压前部控制和均压场(鞍型场)控制。主要特点是地面气压分布均匀，近地面和低空风速较小，静风频率高，常伴有较强的辐射逆温或低空逆温，且逆温厚度较大，强度较强，底层大气层结稳定，不易被破坏，不利于大气污染物的稀释和扩散，易导致污染物浓度升高。

2.1.2 主要气象要素分类

统计污染天气发生时的不同等级风速、降雨量以及相对湿度出现的频率，对其进行分类。地面风力条件被认为是大气污染物稀释扩散的最直接因素之一。经统计污染发生时约80%极大风速低于5 m/s，其中3～4 m/s最多；随着风速加大，污染概率明显下降，极大风速7 m/s以上时，出现污染的概率仅有3.8%。据案例统计，中度污染发生时超过90%的极大风风速在5 m/s以下，而当极大风风速超过7 m/s时，中度污染发生的概率为0，风速较大时，越不易发生重污染，见表2。

表2 不同风速区间的污染发生频率统计Table 2 Statistics of pollution frequency in different wind speed intervals

相对湿度(RH)会影响气溶胶的大小、形状和消光。邓利群等[31](2012)研究认为，在一定湿度范围内，相对湿度越大越有利于颗粒物生成，在高湿度情况下更易发生严重污染。研究发现乐山市污染时段多出现在60%～90%湿度范围内，在此范围内，随着相对湿度增大，污染加重；相对湿度在70%～90%时，中度污染出现频率达到73.3%，见表3。

表3 不同湿度区间的污染发生频率统计Table 3 Statistics of pollution frequency in different humidity intervals

降水分为两种情况：一种是高原低槽东移造成的动力性降水，第二种是由于冷空气过境，引起的降水，这两种也可以相结合，即既有低槽引发的降水，也有冷空气导致的降水。比较而言，500 hPa低槽配合中低层冷空气的降水量最明显，雨量最大，范围也较广，而单一由于冷空气或低槽引发的降水要偏弱些。降水对污染物的降解体现在沉降作用，最明显的是在冬季和春秋季节，见表4。

表4 不同降雨量区间的污染发生频率统计Table 4 Statistics of pollution frequency in different rainfall intervals

此外，边界层高度也值得关注，边界层高度是空气污染预报的重要指标之一，边界层高度愈高，污染物扩散稀释的空间愈大，浓度愈小；反之，边界层高度愈低，污染物浓度愈大。在稳定边界层内，污染物不容易上下扩散，而被限制在稳定边界层下的空间。

2.2 环境空气污染物与气象要素的相关性分析

对照表1各污染过程，分析主要污染物(O3、PM10、PM2.5)与气象各要素相关系数得出：PM2.5与相对湿度呈显著正相关，相关系数为0.394；PM2.5、PM10与平均风速呈显著负相关，相关系数分别为：-0.441和-0.467。气象要素之间最高气温与总云量、相对湿度均呈显著负相关，相关系数分别为：-0.674和-0.840；最低气温与总云量呈显著正相关，相关系数为0.333；降雨量与相对湿度呈显著正相关，相关系数为0.330；相对湿度与总云量呈显著正相关，相关系数为0.683，见表5。

表5 2019年第一次污染过程污染物和气象各要素相关系数Table 5 Correlation coefficient between pollutants and meteorological elements in the first pollution process in 2019

从2019年第二次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：PM2.5、PM10与最低气温呈显著正相关，相关系数分别为0.579和0.600。气象要素之间最高气温与总云量、相对湿度均呈显著负相关，相关系数分别为：-0.617和-0.799；相对湿度与总云量呈显著正相关，相关系数为0.654，见表6。

表6 2019年第二次污染过程污染物和气象各要素相关系数Table 6 Correlation coefficient between pollutants and meteorological elements in the second pollution process in 2019

从2019年第三次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：PM2.5、PM10与最高气温、最低气温以及相对湿度呈显著正相关，相关系数分别为：0.573、0.589；0.493、0.497；0.580和0.562。而气象要素之间最高气温与降雨量呈显著负相关，相关系数为：-0.487；最低气温与总云量呈显著正相关，相关系数为0.629，见表7。

表7 2019年第三次污染过程污染物和气象各要素相关系数Table 7 Correlation coefficient of pollutants and meteorological elements in the third pollution process in 2019

从2020年第一次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：PM2.5、PM10与最低气温呈显著正相关，相关系数分别为：0.627和0.610。而气象要素之间最高气温与总云量、相对湿度均呈显著负相关，相关系数分别为：-0.605和-0.874；最低气温与总云量、相对湿度呈显著正相关，相关系数为0.493和0.571；相对湿度与风速呈显著负相关，相关系数为-0.382；相对湿度与总云量呈显著正相关，相关系数为0.685，见表8。

表8 2020年第一次污染过程污染物和气象各要素相关系数Table 8 Correlation coefficient of pollutants and meteorological elements in the first pollution process in 2020

从2020年第二次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：PM2.5、PM10与降雨量呈正相关，相关系数分别为：0.508和0.532。而气象要素之间最低气温与降雨量、总云量呈显著正相关，相关系数为0.834和0.670；相对湿度与风速呈负相关，相关系数为-0.711；相对湿度与总云量呈正相关，相关系数为0.799，总云量与风速呈负相关，相关系数为-0.664，见表9。

表9 2020年第二次污染过程污染物和气象各要素相关系数Table 9 Correlation coefficient between pollutants and meteorological elements in the second pollution process in 2020

从2020年第三次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：PM2.5、PM10与最低气温、风速呈正相关。本次过程降雨量和总云量数据为0，没有得到相关系数。其中气温与湿度、风速均呈负相关，见表10。

表10 2020年第三次污染过程污染物和气象各要素相关系数Table 10 Correlation coefficient between pollutants and meteorological elements in the third pollution process in 2020

从2020年第四次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：PM2.5、PM10与降雨量、相对湿度呈显著正相关，相关系数分别为：0.779、730；785和0.859。而气象要素之间最高气温与相对湿度呈显著负相关，相关系数为-0.890；相对湿度与雨量呈呈正相关，相关系数为0.708，见表11。

表11 2020年第四次污染过程污染物和气象各要素相关系数Table 11 Correlation coefficient of pollutants and meteorological elements in the fourth pollution process in 2020

从2021年第一次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：PM2.5、PM10与平均风速呈显著负相关，相关系数分别为：-0.409和-0.433。而气象要素之间最高气温与雨量、相对湿度呈显著负相关，相关系数为-0.327和-0.645；相对湿度与雨量呈正相关，相关系数为0.445，见表12。

表12 2021年第一次污染过程污染物和气象各要素相关系数Table 12 Correlation coefficient of pollutants and meteorological elements in the first pollution process in 2021

从2021年第二次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：颗粒物与最高气温、总云量呈正相关。而气象要素之间气温与相对湿度呈负相关，见表13。

表13 2021年第二次污染过程污染物和气象各要素相关系数Table 13 Correlation coefficient of pollutants and meteorological elements in the second pollution process in 2021

从2021年第三次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：PM2.5、PM10与气温、降雨量和湿度均呈现正相关，与风速、总云量呈负相关。气象要素之间最高气温与总云量、相对湿度呈显著负相关，相关系数为-0.446和-0.507；相对湿度与雨量呈呈正相关，相关系数为0.488，见表14。

表14 2021年第三次污染过程污染物和气象各要素相关系数Table 14 Correlation coefficient of pollutants and meteorological elements in the third pollution process in 2021

从2022年第一次污染过程环境空气中O3、PM10、PM2.5和气象各要素相关系数可以得出：PM2.5、PM10与气温呈正相关，与降雨量、总云量呈负相关。气象要素之间最高气温与相对湿度呈显著负相关，相关系数为-0.896，与平均风速呈显著正相关，相关系数为0.608；最低气温与总云量呈显著正相关，相关系数为0.468；相对湿度与与平均风速呈显著负相关，相关系数为-0.546，见表15。

表15 2022年第一次污染过程污染物和气象各要素相关系数Table 15 Correlation coefficient between pollutants and meteorological elements in the first pollution process in 2022

综上，从污染过程的主要气象要素归类分型来看，污染发生期间，约80%的极大风速以3～4 m/s为主，湿度范围在60%～90%，无降水或弱降水，且边界层较低；在此条件下，从O3、PM10、PM2.5和气象各要素的Pearson相关系数也可得出污染物浓度与相对湿度、气温主要呈正相关，与风速、降雨量和总云量主要呈负相关。