鲁西南地区静稳天气特征及其与大气污染物的关系

董宁 赵京峰 王晓默

摘 要：【目的】研究魯西南地区静稳天气特征及其与主要污染物的关系。【方法】通过构建静稳天气综合指数，利用2014—2018年济宁、菏泽、枣庄三市的大气监测和气象资料，构建了鲁西南地区静稳天气指数（SWI），分析了SWI与空气质量指数（AQI）及PM2.5浓度的关系，能较好地表征鲁西南地区大气对污染物的水平与垂直扩散及运输能力。【结果】济宁SWI与AQI相关系数为0.79，与PM2.5浓度的相关系数为0.78；菏泽SWI与AQI相关系数为0.62，与PM2.5浓度的相关系数为0.61；枣庄SWI与AQI相关系数为0.77，与PM2.5浓度的相关系数为0.78。当SWI增大时，PM2.5浓度与AQI值均增大；当SWI值减小时，PM2.5浓度与AQI值均下降，其具备较好的对应关系。【结论】静稳天气指数的时间提前特征，说明静稳天气指数对下一日的空气质量具有一定的影响；静稳天气指数在空气质量发生转折时有较好的指示作用；静稳天气指数在一定程度上与大气污染程度的变化一致，且在一定范围内对分级空气质量有较好的指示意义。

关键词：静稳指数（SWI）；空气质量指数（AQI）；大气污染物

中图分类号：X51     文献标志码：A     文章编号：1003-5168（2024）04-0116-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.04.021

Stationary Weather Characteristics and Its Relationship with Air

Pollutants in Southwest Shandong Province

DONG Ning1    ZHAO Jingfeng1     WANG Xiaomo2

（1.Meteorological Bureau of Jining， Jining 272000，China; 2.Meteorological Bureau of Heze， Heze 273200，China）

Abstract： [Purposes] This paper aims to study the characteristics of calm and stable weather in the southwestern region of Shandong and its main relationship with major pollutants. [Methods] This article constructs a comprehensive index of calm and stable weather， and uses atmospheric monitoring and meteorological data from Jining， Heze， and Zaozhuang from 2014 to 2018 to construct a calm and stable weather index （SWI） in the southwestern region of Shandong. The relationship between SWI and air quality index （AQI） and PM2.5 concentration is analyzed， It can better characterize the horizontal and vertical diffusion and transportation capacity of pollutants in the atmosphere of southwestern Shandong. [Findings] The correlation coefficient between Jining SWI and AQI is 0.79， and the correlation coefficient with PM2.5 concentration is 0.78; The correlation coefficient between Heze SWI and AQI is 0.62， and the correlation coefficient with PM2.5 concentration is 0.61; The correlation coefficient between SWI and AQI in Zaozhuang is 0.77， and the correlation coefficient with PM2.5 concentration is 0.78. When SWI increases， both PM2.5 concentration and AQI value increase; When the SWI value decreases， both the PM2.5 concentration and AQI value decrease. [Conclusions] Indicating a good corresponding relationship The time advance characteristics of the Quiet Weather Index indicate that the Quiet Weather Index has a certain impact on the air quality of the next day; The calm weather index has a good indicating effect when air quality changes The static and stable weather index is consistent with the changes in atmospheric pollution to a certain extent， and within a certain range， it has good indicative significance for grading air quality.

Keywords： SWI; AQI; air pollutants

0 引言

静稳天气包含静风、均压、高湿、层结稳定等［1-3］重要因素，不利于污染物扩散、沉降、扩散。气象条件的利弊是污染天气形成和维持的重要因素［4-6］。在目前城市空气污染预报中，静稳天气的判断主要依靠业务人员对天气形势的定性分析。杨元勤等［7］通过诊断分析风场等敏感因素的贡献，建立了2008年北京奥运会期间空气质量气象条件的PLAM指数预测方法，在特定的气象条件下，如“静稳型”周边区域性污染物通过敏感要素（如温度场、风场等）在影响空气质量中做贡献。王耀庭等［8-9］也指出越稳定的大气越不利于污染物扩散，因为稳定大气边界层不易被突破。本研究在综合考虑气温、风速、相对湿度、海平面气压、逆温强度等要素的情况下，设计了鲁西南地区静稳天气指数，该指数能综合反映出大气稳定程度。

1 数据来源与研究方法

1.1 数据来源

本研究所用污染物浓度、空气质量等级数据来自山东省气象局的逐时监测数据，PM2.5质量浓度取日均值，缺测8 d。相关气象要素取自经过质控的济宁、枣庄、菏泽、徐州市气象局常规地面气象观测资料和探空资料，气温、气压、风、湿度资料取日均值，缺测1 d。样本资料时间长度取 2014年1月1日至2018年12月31日，共1 826 d，其中，气象探空垂直观测气温资料分别为8：00 和20：00。本研究主要采用相关分析、阈值统计、回算检验等统计方法和环境气象预报经验。

1.2 研究方法

结合相关文献研究，通过统计典型边界层特征量对应的静稳天气特征，确定各气象因子阈值和权重，建立了静态天气综合指数（SWI）［3，10］。

1.2.1 筛选有关静稳天气形成的气象要素。判别静稳天气形势主要考虑近地层气压、温度、湿度、风速、逆温等要素。24 h变温、变压较弱时对应较为稳定的天气形势，易形成静稳天气［11-14］。逆温时层结较为稳定，雾霾不利于扩散［15-16］。结合预测经验、文献研究和实际数据环境，本研究选取了6个物理意义明确、时空匹配性好的气象因子构建静态稳定天气指数：日平均相对湿度、日平均风速（10 m）、日平均海平面压力、24小时变压（日平均海平面压力）、24 h变温（日平均温度）、8：00和20：00的850 hPa和1 000 hPa之间的温差（记录为T850～1 000）、850 hPa与925 hPa之间（记录为T950～925）及925 hPa与1 000 hPa的温差（记为T925～1 000）。相关分析表明，这6个气象因子与PM2.5浓度的相关性好于其他因子。

1.2.2 确定各气象要素阈值。根据各气象要素在静稳天气中的作用和物理意义的不同划分出合适的区间，统计分析发生大气污染期间各气象要素的阈值。

1.2.3 计算各气象要素分指数。通过对样本的统计分析，得到了稳定天气的子指标，即各气象因子在不同阈值范围内的权重。同一因子的不同阈值范围的权重与该因子在该阈值范围内对静稳天气形成的影响呈正相关。具体方法如下：利用上述污染物浓度和地表及高空气象观测数据，分段分析近地面各气象要素的分项指数。数值越大，发生污染天气的概率越高。分指数具体计算方法为式（1） 。

Kin = [   ain   ain+bin    a    a+b] （1）

式中：Kin為变量i在区间n的分指数；ain和bin是区间n中变量i条件下污染天气和非污染天气的发生次数；a和b分别为污染天气和非污染天气的总发生次数。张恒德等［17］的研究证实了这种定义方法的可行性，该公式算法也被用于《空气污染扩散气象条件等级》（QX/T413—2018）。

通过统计得到了不同阈值范围对应的影响鲁西南地区静稳天气的不同气象因子的子指标（见表1至表3，区间值大于或等于下限值且小于上限值）。例如，日平均风速（10 m）阈值分为四个区间，其分项指数随着风速的增加而迅速下降，而小于1 m/s的风速最有利于稳定天气的发生。日平均相对湿度分为8个区间。根据各阈值范围对应的静稳天气分项指数，对静稳天气贡献最大的相对湿度为40%～50%，其次为50%～60%和60%～70%，对静稳定天气贡献最小的相对湿度<30%。

1.2.4 计算静稳天气综合指数。静稳天气的综合指数值是落在阈值范围内的所有因素的权重之和。静稳天气指数（SWI）的计算公式见式（2）。若气象要素的值在阈值范围内，则表明物理量支持静稳天气的形成，并促进空气污染的发生。否则，则意味着该因子在计算稳定天气综合指数中的贡献为零，即其权重为零。

SWI = [n=16Kin] （2）

2 静稳天气指数的综合应用

通过相关文献了解到，SWI在污染较为严重的冬季表现出的效果更好［2，3，10］，因此，本研究选取2017—2018年冬季静稳天气综合指数与空气质量进行分析，并对SWI与AQI、PM2.5浓度分别进行线性拟合，尝试根据静稳天气综合指数来预报空气质量。

对2017—2018年冬季济宁、菏泽、枣庄静稳天气指数（SWI）与AQI、PM2.5浓度的关系进行分析，结果如图1至图3所示。从图中可知，AQI、PM2.5浓度与SWI的变化之间有着较好的对应关系，其中济宁SWI与AQI相关系数为0.79，与PM2.5浓度的相关系数为0.78；菏泽SWI与AQI相关系数为0.62，与PM2.5浓度的相关系数为0.61；枣庄SWI与AQI相关系数为0.77，与PM2.5浓度的相关系数为0.78。当SWI增大时，PM2.5浓度和AQI值逐步增大；当SWI值减小时，PM2.5浓度和AQI值逐步减小。此外，SWI的变化在时间上具有一定超前性，这从侧面说明了前一日的静稳天气指数对次日的空气质量具有一定的参考意义。因此，当SWI增大时，说明大气污染状况正在加剧；当SWI减小时，说明空气质量转好。以上分析表明SWI可较好地表现气象条件在大气污染状况转变中的贡献。

根据上述静稳天气指数，本研究计算了鲁西南2014—2018年冬季08：00和20：00的静稳天气指数值，并根据AQI值划分08：00和20：00的空气质量，其中AQI≥101为污染等级，51≤AQI≤100为良级，0≤AQI≤50为最佳等级。选取同一天内两次空气质量等级相同的静稳天气指数值，取两次静稳天气指标值的平均值作为相应的空气质量等级静稳天气指数值。具体计算结果见表4。

由表4可知，静稳天气指数与大气污染程度基本呈正相关。当静稳天气指数在平均状态下小于5.23时，空气质量可达到优良或良好水平，不易发生污染天气。当静稳天气指数在5.07～5.23之间时，空气质量达到良好水平。当静稳天气指数大于6.36时，空气质量达到良或污染水平，易发生污染天气。

据统计，2017—2018年冬鲁西南地区空气质量达到污染水平（AQI≥101）的有162例，其中静稳指数值大于5.23的有85 d，占比为52.5%。空气质量达到优良等级93例（51≤AQI≤100），其中静稳指数值在5.07～6.36之间达58 d，占比为62.3%；空气质量达到优良水平（0≤AQI≤50）15例，其中静稳指数值小于16.5的有11 d。占比为73.3%。以上结果表明，在一定范围内，静稳指数对空气质量分级具有良好的指示意义。

3 结论

本研究利用相关资料，构建了适合鲁西南地区的静稳天气指数（SWI），分析了SWI与AQI及PM2.5浓度的相关关系，结论如下。

①构建了鲁西南地区静稳天气综合指数，能较好地表征鲁西南地区大气对污染物的水平与垂直扩散及运输能力。分析了2017—2018年冬季鲁西南地区静稳天气指数与AQI与PM2.5浓度之间的关系及演变特征，济宁SWI与AQI相关系数为0.79，与PM2.5浓度的相关系数为0.78；菏泽SWI与AQI相关系数为0.62，与PM2.5浓度的相关系数为0.61；枣庄SWI与AQI相关系数为0.77，与PM2.5浓度的相关系数为0.78。当SWI增大时，PM2.5浓度逐步增大，AQI值逐步升高；当SWI值减小时，PM2.5浓度逐步减小，AQI值逐步下降，其具备较好的对应关系。

②静稳天气指数的变化在时间上有一定的提前性，说明前一天的静稳天气指数对次日的空气质量有一定的参考意义，静稳天气指数在空气质量发生转折时有较好的指示作用。静稳天气指数可以在一定程度上表征大气污染程度，两者基本上呈现正相关关系，且在一定范围内静稳天气指 数对分级空气质量有较好的指示意义。

参考文献：

［1］张敏，蔡子颖，韩素芹，等.天津静稳指数建立及在环境气象预报和评估中的应用［J］.环境科学学报， 2020，40（12）： 4461-4459.

［2］陈懿妮，罗玲，马昊，等.杭州市静稳天气指数构建及应用研究［J］.环境科学学报，2020，40（12）：4461-4469.

［3］栗培真，向卫国，张小玲，等.成都静稳天气综合指数的构建及其应用［J］.成都信息工程大学学报， 2020，35（1）： 87-95.

［4］刘娜，胥珈珈，杨秀艳，等.吉林省两次重度污染天气过程对比分析［J］.气象灾害防御， 2018，25（1）：10-14.

［5］张莹，王式功，贾旭伟，等.华北地区冬半年空气污染天气客观分型研究［J］.环境科学学报，  2018，38（10）： 3826-3833.

［6］瞿元昊，马井会，许建明，等.空气污染气象指数在上海地区的应用［J］.气象， 2018，44（5）： 704-712.

［7］杨元琴，王继志，侯青，等.北京夏季空气质量的气象指数预报［J］.应用气象学报， 2009，20（6）： 649-655.

［8］王耀庭，李威，张小玲，等.北京城区夏季静稳天气下大气边界层与大气污染的关系［J］.环境科学研究，  2012，25（10）： 1092-1098.

［9］张建忠，孙瑾，王冠岚，等.北京地区空气质量指数时空分布特征及其与气象条件的关系［J］.气象与环境科学， 2014，37（1）： 33-39.

［10］陳懿妮，罗玲，马昊，等.杭州市静稳天气指数构建及应用研究［J］.环境科学学报， 2020，40（12）： 4461-4469.

［11］李昕翼，倪长健，朱育雷，等.静稳气象条件下的细颗粒物垂直结构特征研究［J］.环境污染与防治， 2019，41（3）： 343-347.

［12］杨军，牛忠清，石春娥，等.南京冬季雾霾过程中气溶胶粒子的微物理特征［J］.环境科学，2010，31（7）： 1425-1431.

［13］陆春松，牛生杰，杨军，等.南京冬季一次雾过程宏微观结构的突变特征及成因分析［J］.大气科学， 2010，34（4）： 681-690.

［14］曹伟华，梁旭东，李青春，等.北京一次持续性雾霾过程的阶段性特征及影响因子分析［J］.气象学报，  2013，71（5）： 940-951.

［15］龙时磊，曾建荣，刘可，等.逆温层在上海市空气颗粒物积聚过程中的作用［J］.环境科学与技术，  2013，36（S1）： 104-109.

［16］尹承美，焦洋，何建军，等.济南地区逆温层特征及其对颗粒物质量浓度的影响［J］.干旱气象，  2019，37（4）： 622-630.

［17］张恒德，张碧辉，吕梦瑶，等.北京地区静稳天气综合指数的初步构建及其在环境气象中的应用［J］.气象，2017，43（8）：998-1004.