長江三角洲初冬一次重污染天氣成因分析

翟 華,朱 彬,趙雪婷,潘 晨

?

長江三角洲初冬一次重污染天氣成因分析

翟 華,朱 彬*,趙雪婷,潘 晨

(南京信息工程大學,氣象災害教育部重點實驗室,氣候與環境變化國際合作聯合實驗室,氣象災害預報預警與評估協同創新中心,中國氣象局氣溶膠與云降水重點開放實驗室,江蘇 南京 210044)

利用站點氣象和PM2.5資料以及NCEP的全球再分析數據集研究了2015年12月17~28日長江三角洲地區一次重污染天氣過程.結果表明:地面弱氣壓場是此次污染事件發生發展的主要天氣背景,而冷空氣帶來的大風使PM2.5濃度迅速下降,有效清除了PM2.5.區域熱力因子和動力因子分析發現,此次過程中大氣中低層層結穩定、近地面逆溫強,有利于PM2.5和水汽的累積,使其濃度水平升高;對于動力因子來說,較小的通風率和較低的邊界層高度不利于污染物擴散,同樣使PM2.5濃度上升.兩者相比,熱力因子對PM2.5濃度值的貢獻比動力因子大.結合后向軌跡和排放源分布發現,此次污染過程中長江三角洲地區的PM2.5主要受來自其西北方向的大陸氣團(占46%左右)的影響,這些氣團途經高污染排放源并把污染物遠距離傳輸至長江三角洲地區.最后利用PSCF和CWT對長江三角洲地區污染物的潛在來源進行了分析,發現PM2.5的來源主要集中在安徽、河南、山西、山東以及長江三角洲本地,說明此次過程中長江三角洲地區的污染物濃度受到遠距離輸送和局地過程的共同影響.

PM2.5；氣象條件；潛在源區

隨著經濟的快速發展與城市化進程的不斷推進,由于燃煤、工業、機動車和揚塵等污染源排放[1]以及天氣條件、氣候變化等原因[2-5],中國東部地區經常出現范圍廣、持續時間長的重污染天氣[6],其中珠江三角洲地區、長江三角洲地區、京津冀地區3大城市群空氣污染尤其嚴重[7-10],影響區域大氣環境質量[11-12],對人體健康也造成極大的危害[13-15].

已有眾多學者對形成我國區域重污染天氣的氣象條件做了大量研究,研究表明[16-19]:在區域污染源變化相對穩定的情況下,污染物濃度的高低主要取決于大氣的擴散能力,尤其與地面天氣形勢密切相關.童堯青等[20]、趙子菁等[21]研究發現:穩定的大氣層結、靜小風和較高的相對濕度等氣象要素非常不利于污染物的擴散,有利于霾天氣的出現.任陣海[22]、朱佳雷[23]、戴竹君[24]等研究發現平穩的高空環流形勢、暖平流、地面高壓均壓場是重度霾發生時的天氣形勢和環流特征,在大范圍的均壓場條件下,易出現近地層小尺度局地環流群體,大范圍均壓場持續演變和移動會形成大氣污染匯聚帶,從而形成局地嚴重污染的重要天氣背景.吳兌等[25]、尉鵬等[26]研究表明:區域霾天氣過程與區域內靜小風過程,即出現的氣流停滯區有密切聯系,伴隨冷空氣的大風等天氣有利于污染物的擴散,區域氣象條件的變化直接影響污染物累積,以及污染天氣的形成、發展和消散. Dayan等[27]研究證實了利用通風率可以用來評估某區域上層大氣的分散狀態.張人禾等[28]、祁妙等[29]采用動力熱力因子分析方法,研究氣象條件對霧、霾天氣演變過程中能見度的影響,是一種表征空氣污染發生條件的較好指標.

污染天氣形成的主要原因有兩個:一是污染源的排放,二是氣象條件的影響.理論上,空氣污染物的來源可由這兩個因子確定.梁丹等[30]研究發現由于不同方向的氣流途徑的區域污染源強度不同,所攜帶的污染物濃度會有較大差異.Hopke[31]、Han[32]和Payra等[33]研究認為潛在源貢獻因子分析法(PSCF)和濃度權重軌跡分析法(CWT)可以較好的確定污染物的潛在源區.每種方法都有自身的優勢,但使用單一方法不能較好地分析觀測點受潛在源區的影響,因此綜合使用不同的方法能更好的確定污染物的潛在源區[34].

至今已有大量研究討論空氣污染物與氣象條件之間的聯系,但從天氣系統、區域邊界層熱力、動力因子并結合污染來源研究該問題的還較少.本文將結合長江三角洲初冬典型污染發生的天氣形勢、熱力和動力因子、污染物潛在來源分析等方面對長江三角洲地區(28~35°N,118~122°E)2015年12月17~28日發生的一次持續時間長、影響范圍廣、污染程度重的污染過程開展研究,以揭示此次重污染天氣成因.

1 資料與方法

1.1 資料

本文所選取的資料來源:

(1)中國氣象局地面氣象要素小時平均觀測資料.

(2)中國空氣質量在線監測分析平臺—PM2.5監測網提供的小時平均PM2.5數據,來源于國家空氣質量自動監測點位的空氣質量自動監測結果(http://www.cnemc.cn/和http://www.aqistudy.cn/).

(3)韓國天氣圖(http://222.195.136.24/forecast. html).

(4)NCEP(美國國家環境預報中心)提供的空間分辨率為1°×1°,時間分辨率為6h的FNL再分析資料(http://rda.ucar.edu/datasets/ds083.2/).

1.2 方法

潛在源貢獻因子分析法(PSCF)和濃度權重軌跡分析法(CWT)都是通過氣流軌跡識別大氣污染物潛在來源的方法[35].其中PSCF 是根據條件概率函數發展的一種判斷污染源可能方位的方法[36-37], PSCF函數定義為經過某一區域的氣團到觀測點時對應的某要素值高出設定的閾值條件概率.

先將某一研究區域劃分為0.1°′0.1°的網格,對研究的要素(本文中為PM2.5)設定一個閾值,當軌跡所對應的要素值高于這個閾值時,認為該軌跡是污染軌跡,其經過網格(,), 這里的代表經度和緯度,污染軌跡端點數為m,而落在某網格(,)內的所有軌跡端點數為n,則 PSCF 可以定義為式(1):

但是由于PSCF的誤差會隨著采樣點與網格距離增加而增加,尤其是當n較小時,會有很大的不確定性.為了減小不確定性,一些研究者[38-39]引入了一個權重函數(n)[式(2)],就是當某一網格內n小于研究區域內每個網格平均軌跡端點數ave的3倍時,就使用(n).

PSCF在一定程度上可以反映網格對受點污染程度貢獻大小,然而無法區分相同PSCF 值的網格對受點污染物濃度貢獻大小,即網格內軌跡的要素值超過設定閾值的程度范圍.為了彌補不足,本文在PSCF的基礎上引入了CWT,用CWT方法[40]計算軌跡的權重濃度,以表征不同軌跡的污染程度.設置CWT 的網格為0.1°′0.1°,其中:ij是網格(,)上平均權重濃度;是軌跡;C是軌跡經過網格(,)時對應的要素濃度;是軌跡l在網格(,)停留時間,在計算過程中,采用落在網格內軌跡的端點數代替停留的時間,使用與PSCF分析法相同的權重函數(n),計算方法如公式(3)所示:

利用FNL資料和MICAPS資料計算得出如下氣象因子:850hPa與1000hPa假相當位溫垂直差(se81)、925hPa與1000hPa溫度垂直差(91)、地面相對濕度(RH)、通風率()和地面風速()等氣象因子.

其中通風率是邊界層中風速和邊界層厚度乘積的積分,可定義和評估區域上空大氣的大氣擴散狀態.本文通風率是利用NCEP資料中水平風場數據(3層:457,914,1524m),結合邊界層高度數進行計算得出.計算公式[27]如下:

式中:u和v分別為第層的緯向風速和經向風速(為1-3層);為邊界層高度.

2 結果與討論

2.1 氣象條件與PM2.5之間的關系

2.1.1 污染天氣過程描述 16日,我國大部受到中等強度冷空氣影響[41],長江三角洲全區PM2.5濃度較低,無污染天氣出現.17日8:00,長江三角洲地區強冷空氣過程結束,地面圖上(圖1a),長江三角洲地區處于高壓前部的弱氣壓場中 ,PM2.5濃度開始升高,北部PM2.5濃度超過75μg/m3(圖2a),出現從北到南的污染過程.18日-25日,長江三角洲地區高空氣流弱,地面氣壓場處于北支和南支鋒區之間的弱氣壓場中,如21日8:00地面天氣圖所示(圖1b),為污染天氣的發生發展提供了有利條件.期間20日8:00,弱冷空氣開始影響蒙古和我國北方,并快速南侵.然而由于冷空氣強度弱,高空和地面風速小,對PM2.5清除作用不顯著,反而由于弱冷空氣過境引起地面增濕和弱輻合作用,造成PM2.5濃度升高(圖3). 21日8:00,長江三角洲地區處于高壓中心范圍內的均壓場中(圖1b),等壓線分布稀疏,氣壓梯度弱,地面風速小,大范圍站點溫度露點差降低到2℃以下,這種天氣形勢極有利于污染物累積[26], PM2.5濃度迅速升高,在該天氣形勢控制下長江三角洲地區發生重污染天氣(圖2b).由圖3可知,長江三角洲從北到南鹽城、南京、上海和杭州四個城市PM2.5濃度最大值分別出現在21日20:00(280μg/m3)、23日2:00(280μg/m3)、23日8:00(251μg/m3)和23日20:00(300μg/m3).22日20:00長江三角洲地區500hPa高度場有小槽快速東移(圖略),產生弱降水,對長江三角洲地區污染有一定的緩解作用.弱冷空氣過境后,24日長江三角洲地區又重新受高壓弱氣壓場控制(圖1c),長江三角洲北部地區PM2.5濃度迅速回升,污染天氣再次出現(圖2c).

26日,來自貝加爾湖的冷空氣東移發展成東北冷渦,同時伴有強鋒區東移南壓, ,27日長江三角洲地區受到中等強度冷空氣[41]自北向南的強力“清掃”,大風降溫帶來的鋒后干潔氣團使PM2.5濃度迅速下降,鹽城、南京、上海和杭州的PM2.5濃度分別在27日8:00、27日14:00、27日14:00和27日20:00下降到75μg/m3以下(圖3),28日長江三角洲地區污染天氣過程結束(圖1d、圖2d和圖3)

圖2 12月17日、21日、24日和28日長江三角洲地區PM2.5濃度分布

圖3 鹽城、南京、上海和杭州PM2.5及各氣象要素時間變化趨勢

圖4 長江三角洲地區熱力因子和PM2.5時間演變

2.1.2 熱力因子作用 在熱力因子中,850hPa與1000hPa假相當位溫垂直差(se81)[28]主要是表征大氣中低層的層結不穩定程度,當se81越大時,大氣中低層的層結越穩定;而當se81越小時,大氣中低層的層結越不穩定.本次污染過程中,大氣中低層的層結穩定,污染物不易擴散,PM2.5的濃度較大,大氣污染程度較嚴重.925hPa與1000hPa 溫度垂直差(91)[28]可以表征大氣近地面逆溫狀況.穩定的逆溫層使PM2.5在邊界層內累積,易發生大氣污染.因此,本次過程中近地面的逆溫強,大氣中低層穩定性大,有利于PM2.5濃度的升高,導致大氣嚴重污染.由圖4可知,長江三角洲地區的se81和91與PM2.5的濃度呈正相關關系,相關系數分別為0.436和0.643,均通過了0.01的顯著性水平檢驗.

在本次過程中,選取地面的相對濕度(RH)分析水汽條件與PM2.5濃度的關系.從圖4中可知,長江三角洲地區的RH與PM2.5濃度的相關系數為0.650,通過了0.01的顯著性水平檢驗.說明在層結穩定的條件下,水汽和PM2.5同時得到累積.

2.1.3 動力因子 從圖5中可知,通風率和邊界層高度都與長江三角洲地區的PM2.5濃度之間呈負相關,相關系數分別為-0.372和-0.371,均通過了0.01的顯著性水平檢驗.通風率可表征邊界層擴散條件狀況,而邊界層高度是在垂直方向上PM2.5可以擴散的上限.本次污染過程中通風率較小、邊界層高度較低,污染物擴散能力較差,PM2.5易在邊界層內累積,造成局地污染.而在過程后期,污染消散時段,通風率大、邊界層高度較高時,污染物易擴散,有助于PM2.5濃度降低.圖5中地面風速與PM2.5相關性較差,表明在較小的靜穩氣象條件下,不是導致PM2.5增加的主要因素.

2.1.4 各氣象因子在污染過程中的作用 進一步分析長江三角洲地區熱力和動力因子對PM2.5濃度變化的影響,選取與PM2.5顯著相關的850hPa與1000hPa假相當位溫垂直差(se81)、925hPa與1000hPa溫度垂直差(91)、地面相對濕度(RH)、邊界層高度()和通風率()等氣象因子,分別建立了熱力因子與PM2.5濃度變化的多元線性回歸方程(公式5)和動力因子與PM2.5濃度變化的多元線性回歸方程(公式6)如下:

PM

2.5

=13.290

T

91

-0.830

θ

se

81

+1.052RH+55.681 (5)

PM

2.5

=-0.005

a

-0.032

H

+115.768 (6)

圖5 長江三角洲地區動力因子和PM2.5時間演變

如圖6所示:熱力因子擬合值與觀測值的相關系數較大,而動力因子擬合值與觀測值的相關系數較小,相關系數分別為0.761和0.381,都通過了0.01的顯著性水平檢驗.熱力因子可單獨解釋57.9%的PM2.5濃度變化,動力因子僅可單獨解釋14.5%的PM2.5濃度變化.由以上分析可知,在長江三角洲地區重污染天氣過程中,相比動力因子,熱力因子對長江三角洲地區PM2.5濃度的影響更大,單獨的動力因子不能很好地反映PM2.5的變化.

為了進一步研究氣象因子在重污染天氣中的綜合作用,選取與PM2.5顯著相關的熱力因子和動力因子:se81、91、RH、和,使用多元線性回歸方法建立了關于PM2.5濃度值的多元線性回歸方程.回歸方程擬合的PM2.5濃度值和觀測值之間的相關系數達到0.763,通過了0.01的顯著性水平檢驗,方程得到的PM2.5回歸值對觀測值的方差解釋為58.2%,其回歸方程如下: