銅川新區采暖期PM2.5濃度與氣象條件關系探究

倪紅梅，陳建文，孫彬彬

(1.銅川市環境監測站，陜西 銅川 727000；2.陜西省氣候中心，陜西 西安 710014)

1 引言

隨著社會經濟的高速發展，生活水平的不斷提高，人們健康意識不斷增強，對環境空氣質量的關注度迅速提高。但是，工業生產的高速發展，城市和社會基礎建設的大規模投資，城市汽車保有量的迅速膨脹，使得環境空氣中的污染物濃度越來越高，城市區域的不斷拓展又使得植被大面積減少，自然生態環境受到破壞，大氣污染物的凈化能力不斷減弱，同時造成近地層風速減小，城市熱島效應和逆溫加劇，大氣擴散能力削弱，能見度和空氣質量明顯下降，形成霾天氣。近年來，北方采暖期特別是在大氣擴散能力最差的冬季，大范圍、高強度、持續時間長的霾天氣過程明顯常態化，已經成為一種新的災害性天氣。霾天氣的本質是細粒子氣溶膠污染，與光化學煙霧相關聯[1]。空氣中不同大小的顆粒物均能降低能見度，但細顆粒物(PM2.5)降低能見度的能力更強[2]，細顆粒物污染是造成大氣能見度下降的主要原因[3]。PM2.5因其粒徑小和比表面積大，更容易富集有毒物質，對人體健康的危害遠比粗顆粒物大[4]。大氣顆粒物中PM2.5的比重較小，但其粒徑小，在大氣中的停留時間長、輸送距離遠，并含有大量有毒有害氣體和重金屬離子等有害物質，而且人體對其沒有任何過濾和阻攔能力，可由呼吸進入支氣管和肺泡到達血液，不經過肝臟解毒直接通過血液循環分布到全身，不僅干擾肺部的氣體交換，引發哮喘、支氣管炎和心血管疾病，還會損害血紅蛋白輸送氧的能力。PM2.5主要來自車輛尾氣、化石、油料及生物質燃料燃燒等人為排放源和二次污染[5]，但不同區域不同季節具有很大差異，如南方區域冬季PM2.5可能主要來自于火電廠、化工廠、汽車尾氣和揚塵等，北方采暖期燃煤燃燒廢氣則是PM2.5的重要來源，而夏季光化學過程造成的二次污染影響較大。

污染物的排放是形成大氣污染的內因，氣象條件是外因。通常，氣象條件變化不大時，污染源排放大氣污染物越多，大氣污染越嚴重，反之越輕。大氣擴散的理論和實踐研究表明，在不同的氣象條件下，同一污染源排放所造成的近地層污染物體積分數可相差幾十倍乃至幾百倍[6]。同一區域一定時期內源排放總量是大致穩定的，大氣污染物濃度取決于環境氣象條件。風速和混合層高度是反映大氣污染擴散能力的動力因子，反映大氣水平和垂直擴散能力，降水條件體現大氣的凈化能力，而湍流強度決定大氣對污染物的稀釋能力。本文利用銅川市新區2013年11月至2014年3月PM2.5濃度、氣象觀測站同步氣象觀測資料，探究PM2.5與環境氣象條件的關系，為開展大氣污染預測、大氣污染治理和環境規劃提供科學依據。

2 資料來源

2.1 對比氣象站的確定

銅川市新區管委會環境空氣自動監測子站位于34°52′21″N、108°56′04″E，海拔745m，采樣口距地面高度20m。新區蘭芝公司環境空氣自動監測子站位于34°52′23″N、108°57′32″E，海拔836m，采樣口距地面高度18m。距離新區最近的耀州區氣象站(34°55′27.69″N、108°58′32.91″E，觀測場海拔710m)位于新區管委會環境空氣自動監測子站ENE方向約4.3km，蘭芝公司環境空氣自動監測子站NNE方向約5.86km。區域地勢較為平坦，監測子站與對比氣象站之間無大的地物阻隔且距離較近，因此耀州區氣象站氣象觀測資料對銅川市新區具有較好的代表性。

2.2 基礎資料及其來源

為了消除非正常排放和污染源間歇排放等可能造成的觀測資料波動，區域PM2.5濃度采用了新區管委會環境空氣自動監測子站和新區蘭芝公司環境空氣自動監測子站提供的2013年11月至2014年3月每日逐時平均濃度，氣象資料來源于耀州區氣象觀測站氣溫、風速、降水量、氣壓、相對濕度、日照時數、總云量、低云量、大氣能見度同步觀測資料，能見度和云量人工定時觀測資料為02、05、08、11、14、17和20時8次觀測，其余時刻采用線性內插得到。

3 基本原理與分析方法

3.1 穩定度分類與混合層高度計算

首先采用帕斯奎爾(Pasquill)及其修訂的分類法對每日逐時大氣穩定度計算分類：根據云量、云狀、太陽輻射狀況和地面風速等常規氣象資料用A、B、C、D、E、F六個穩定度級別來表示大氣對污染物的擴散能力，從A→F表示大氣擴散能力逐漸減弱[7-9]。然后根據大氣邊界層(或混合層)高度參數計算方程，計算各類穩定度下的混合層高度。

3.2 主要環境氣象要素與PM2.5濃度的關系

采用數理統計、點聚圖和對應關系圖，通過PM2.5濃度與主要環境氣象要素小時和日均值之間的相關分析，探究氣象要素對PM2.5濃度變化的影響。

4 環境氣象條件與PM2.5濃度相關分析

4.1 主要污染過程與良好天氣過程及其氣象條件

銅川新區2013年度采暖期PM2.5濃度超過《環境空氣質量》二級標準75 μg/m3的天數共90天(占采暖期的59.6%)，其中輕度污染天數47天(占52.2%)，中度污染天數10天(占11.1%)，重度污染天數26天(占28.9%)，嚴重污染天數7天(占7.8%)。共出現了三次持續污染天氣過程，分別是：2013年12月17日至25日、2014年1月23日至2月2日、2014年2月6日至3月8日；三次環境空氣良好天氣過程，分別是：2013年11月23日至12月11日、2013年12月16日至2014年1月4日、2014年3月9日至27日。第一次污染過程持續時間短但強度最大，多日平均濃度242.2μg/m3，接近250μg/m3屬重度污染，第三次污染過程強度最小但持續時間長。從表1看出，三次污染過程和良好過程比較，空氣相對濕度、總云量和穩定類天氣出現頻率較高，能見度、日平均氣溫、風速、日照時數、混合層高度和不穩定類天氣出現頻率較低。PM2.5濃度對大氣能見度的影響顯著，較高的空氣濕度能促進本區域氣溶膠顆粒的增加，云量會阻擋太陽輻射和大氣污染物的垂直擴散，穩定類天氣多不利于大氣污染物的垂直擴散，氣溫的高低不僅能反映冬季太陽輻射條件和垂直擴散能力的強弱，也影響著污染源強的變化，而風速是大氣水平擴散能力的主要指標。不穩定類天氣出現頻率和混合層高度是大氣垂直擴散能力的主要指標，其值越大則大氣水平和垂直擴散能力越強。總之，環境氣象條件對PM2.5濃度影響顯著。

表1 各主要污染過程與良好天氣過程平均氣象要素

4.2 相關性分析

從表2看，各主要環境氣象要素與PM2.5濃度的小時值線性相關系數均通過0.001的相關性檢驗。日平均值中，大氣能見度、相對濕度、風速、日照時數、混合層高度、日最高氣溫和日平均氣溫的相關關系數均通過0.001的相關性檢驗，總云量通過0.005的相關性檢驗，最低氣溫通過0.05的相關性檢驗。能見度與PM2.5濃度的相關性最好，其次是相對濕度，日最低氣溫的相關性相對最小，說明PM2.5濃度對大氣能見度的影響較大，而日最低氣溫對PM2.5濃度的影響相對較小。由于小時污染源強的不穩定性較日平均差，氣象要素日均值與對應PM2.5濃度相關性均明顯好于小時值。能見度、風速、日照時數、混合層高度和氣溫與PM2.5濃度呈負相關，相對濕度和總云量呈正相關。可見：能見度越好、日照時間越長、氣溫越高；PM2.5濃度越小，風速越大、混合層高度越高，大氣水平和垂直擴散能力越強，PM2.5濃度亦越小，而空氣相對濕度越高、云量越多，PM2.5濃度越大。

5 環境氣象要素對PM2.5濃度的綜合影響分析

PM2.5濃度和空氣濕度是影響大氣能見度的主要因子，而降水又直接影響能見度和空氣濕度，并對其進行稀釋沉降，風速決定大氣水平擴散能力。太陽輻射是大氣垂直擴散能力的動力因子，對大氣層和混合層高度起決定作用，而混合層高度是太陽輻射強弱和大氣層的客觀反映。因此，利用日平均相對濕度、能見度、風速和降水量、風速和混合層高度的組合來分析其對PM2.5濃度的綜合影響。

5.1 日平均相對濕度和能見度與PM2.5濃度的綜合分析

相對濕度和能見度是判別灰霾天氣的兩個主要環境氣象指標，而大氣中水汽和PM2.5顆粒物會減弱大氣能見度，與粗顆粒物相比，細顆粒物(PM2.5)降低能見度的能力更強，是灰霾天氣能見度降低的主要原因[2]。從圖1看，相對濕度和PM2.5濃度明顯與能見度呈反相關，相對濕度與PM2.5濃度呈較好的正相關。2013年11月23日至12月11日、2013年12月26日至31日和2014年3月9日至27日三次能見度較好天氣過程，相對濕度和PM2.5濃度明顯均較低。2013年12月16日至25日和2014年2月6日至3月8日兩次嚴重灰霾天氣過程是由水汽和PM2.5共同造成，2014年1月23日至2月2日灰霾天氣過程主要由PM2.5濃度高引起；2013年11月1日至9日能見度小于10 km則由相對濕度較高造成，日平均相對濕度高達83.3%、能見度7 km，主要是霧。可見：本區域采暖期相對濕度越高，越有利于PM2.5顆粒的形成和發展，能見度越差；PM2.5對能見度的影響明顯大于相對濕度，而濕度和PM2.5共同作用影響更大。

圖1 逐日PM2.5濃度與相對濕度和能見度變化關系圖

5.2 日平均風速和降水量對PM2.5濃度的綜合影響分析

風速決定大氣水平擴散能力，降水條件體現大氣凈化能力。新區采暖期共出現8次單日降水、3次2日以上降水過程和7次持續多日較大風速過程，降水發生時風速均較小。從表3和圖2看出，2日以上的過程降水對PM2.5的凈化效果最為顯著，其次是較大風速過程，而單日降水的效果相對較差。采暖期第1次降水過程強度大，三日降水量14.9 mm，第二日高達11.6 mm，凈化效果最顯著；第2次二日降水過程雨量6.1 mm，雖然降水量稍大于第3次過程的5.1 mm，但時間短，效果反而不如第3次，表明強度越大、持續時間越長的降水過程對降低空氣中PM2.5濃度效果更顯著。7次較大風速過程對PM2.5的凈化效率均較高，表明持續多日平均風速在2.3 m/s以上的風對PM2.5有很好的凈化效果。比較來看，降水過程和較大風速過程前PM2.5濃度越高，其凈化效果越顯著，2.0 mm以下的單日降水在風速較小時效果不明顯，1.0 mm以下的微量降水在風速較小時還會使PM2.5濃度不降反升。

表3 單日降水、過程降水和較大風速天氣過程對PM2.5濃度的凈化效果

*注：表3中標注*為降水過程最大日平均PM2.5濃度，對應PM2.5濃度下降率=100×(降水過程最大日平均PM2.5濃度-次日平均PM2.5濃度)÷降水過程最大日平均PM2.5濃度。

圖2 逐日PM2.5濃度與風速和降水量變化關系圖

圖3 逐日PM2.5濃度與風速和混合層高度變化關系圖*注：圖中混合層高度單位為100m

5.3 日平均風速和混合層高度對PM2.5濃度的綜合影響分析

風速和混合層高度是反映大氣水平和垂直擴散能力的主要環境氣象因子。從表1看，相比三次PM2.5為主要污染物過程，三次良好天氣過程風速大、混合層高度高。從圖3看，7次較大風速過程平均混合層高度也明顯高于過程前后，分別為545.1 m、497.7 m、549.0 m、586.4 m、594.7 m、612.7 m和839.5 m。可見，風速較大時一般混合層高度也較高，大氣水平和垂直擴散能力均較強，PM2.5濃度也明顯較低。

6 主要環境氣象要素日均值與PM2.5污染特征分析

利用日平均的大氣能見度、空氣相對濕度、日照時數、風速、混合層高度等，與PM2.5濃度繪制點聚圖(見圖4)，分析采暖期主要環境氣象要素與PM2.5日均濃度變化之間的關系。從圖4看，日平均PM2.5濃度與大氣能見度、日照時數、風速和混合層高度明顯呈反相關，與相對濕度呈正相關。當能見度>10 km時，PM2.5日均濃度均≤111.2 μg/m3，根據《地面氣象觀測規范》(QX/T 46-2007)，可將PM2.5日均濃度>111.2 μg/m3作為本區域采暖期灰霾日的一個預測判別指標。當相對濕度≤29%時，PM2.5日均濃度均<75 μg/m3；相對濕度≤38%時，PM2.5日均濃度均<150 μg/m3；當日照時數≥8.4 h時，PM2.5日均濃度均≤99.2μg/m3；當日平均風速≥3.5 m/s時，PM2.5日均濃度均≤53 μg/m3；當日平均混合層高度≥730 m時PM2.5日均濃度均≤102 μg/m3；當日均混合層高度≥850 m時，PM2.5日均濃度均≤75 μg/m3。因此，根據《環境空氣質量指數(AQI)技術規定(試行)》(HJ633-2012)，對本區域采暖期可基本確定：當日平均相對濕度≤29%，或者日平均風速≥3.5 m/s，或者日平均混合層高度≥850 m時，PM2.5AQI<100(二級)；當日照時數≥8.4 h時，或者日平均混合層高度≥730 m時，PM2.5AQI<150(三級)；當日平均相對濕度≤38%時，PM2.5AQI<200(四級)。

7 結語

(1)環境氣象條件對PM2.5濃度影響顯著。能見度越好、日照時間越長、氣溫越高，PM2.5濃度越小；風速越大、混合層高度越高，大氣水平和垂直擴散能力越強，PM2.5濃度亦越小；而空氣相對濕度越高、云量越多，PM2.5濃度越大。

圖4 逐日PM2.5濃度與能見度、相對濕度、日照時數、風速和混合層高度點聚圖

(2)本區域采暖期相對濕度越高，越有利于PM2.5顆粒的形成和發展，能見度越差；PM2.5對能見度的影響明顯大于相對濕度，而濕度和PM2.5共同作用影響更大。

(3)5 mm以上連續性降水過程對PM2.5的凈化效果明顯，強度越大、持續時間越長，效果越顯著，持續多日平均風速2.3 m/s以上的較大風速過程也有很好的凈化效果。降水過程或較大風速過程前PM2.5濃度越高，其凈化效果越顯著。2.0 mm以下的單日降水在風速較小時凈化效果不明顯，1.0 mm以下的微量降水在風速較小時，還會使PM2.5濃度不降反升。

(4)風速較大時一般混合層高度也較高，大氣水平和垂直擴散能力均較強，PM2.5濃度明顯較低。

(5)PM2.5日均濃度>111.2 μg/m3可作為本區域采暖期灰霾日的一個預測判別指標，當日平均相對濕度≤29%，或者日平均風速≥3.5 m/s，或者日平均混合層高度≥850 m時，PM2.5AQI<100(二級)；當日照時數≥8.4 h時，或者日平均混合層高度≥730 m時，PM2.5AQI<150(三級)；當日平均相對濕度≤38%時，PM2.5AQI<200(四級)。

[1] 吳兌.灰霾天氣的形成與演化[J].環境科學與技術，2011，34(3)：157-161.

[2] 楊宏斌，鄒旭東，汪宏宇，等.大氣環境中PM2.5的研究進展與展望[J].氣象與環境學報，2012，28(3)：77-82.

[3] 王麗京，劉旭林.北京市大氣細粒子濃度與能見度定量關系初探[J].北京氣象學報，2006，64(2)：221-228.

[4] 孟昭陽，張懷德，蔣曉明，等. PM2.5太原地區冬春季污染特征及影響因素[J].中國科學院研究生院學報，2007，24(5)：648-656.

[5] 于鳳蓮.城市大氣氣溶膠細粒子的化學成分及其來源[J].氣象，2002，28(11)：3-6.

[6] 周麗，徐祥德，丁國安，等.北京地區氣溶膠PM2.5粒子濃度的相關因子及其估算模型[J].氣象學報，2003，61(6)，761-768.

[7] 國家環保總局監督管理司編.中國環境影響評價培訓教材[M].2000年第1版.北京：同濟大學出版社化學工業出版社出版發行，2000：116-117.

[8] 張德華，李曉忠，侯祺棕. 城市大氣穩定度分級模型的研究[J].武漢理工大學學報，2011，23(1)：63-66.

[9] 陳建文，胡琳，王娟敏，等.陜西省大氣穩定度分布特征研究[J].水土保持研究，2013，20(3)：299-304.