太原市PM2.5周期性特征及其成因分析

周靜，張岳軍，相棟，韓照宇

1. 山西省氣象科學研究所，山西 太原 030002；2. 山西省氣候中心，山西 太原 030002

大尺度環流形勢和局地氣象條件是污染物生成、累積和清除的外部條件（Davis et al.，1990；Flocas et al.，2009；Hien et al.，2011），在污染源一定的條件下，污染物的變化取決于局地氣象條件的變化，例如風速、相對濕度、大氣穩定度等，而邊界層的狀態是最重要的因素（Greene et al.，1999）。大氣污染過程的產生和維持受邊界層結構的影響，有學者針對重慶、南嶺山地和南京等地區霧-霾的邊界層特征進行分析，初步揭示了大氣污染過程所具有的邊界層結構特征（李子華等，1994；濮梅娟等，2008）。關于大氣污染過程與氣象因子之間的聯系，已有的研究一方面集中在如前所述的大氣污染與氣象因子變化趨勢之間的關系，另一方面集中在局地氣象條件與污染物的演變過程（王躍等，2014；Fan et al.，2009）。按照地面天氣形勢，可以把中國大范圍的持續性污染過程分為均壓型和鋒前型兩大類（Li et al.，2011；Huang et al.，2014），這兩類天氣過程在大氣底層均有暖平流，大氣層結相對穩定，水汽較為充沛，對中國東部大范圍污染的產生具有重要的作用（任陣海等，2004；Xu et al.，2016）。魏文秀（2010）歸納出河北地區霾天氣500 hPa的環流形勢有緯向型、兩槽一脊型、均壓場型、一脊一槽型和兩脊一槽型5種。此外也有很多學者對其他地區的霧-霾天氣環流形勢特征進行分析（Zhang et al.，2016；鮑孟盈等，2017；張浩等，2017）。諸多學者的研究結果都認同大范圍的霧-霾天氣出現時，500 hPa高度環流形勢為緯向型或者存在高空脊，近地面氣壓場為均壓場或者弱高壓場的環流配置（Chen et al.，2017；王躍思等，2014）。

太原市持續性的 PM2.5高污染過程與上述兩種天氣類型息息相關。以往的研究主要從污染過程個例來分析污染特征和成因，本文基于小波分析和交叉小波分析方法，將從氣候學的角度分析太原PM2.5變化的周期性特征及其與背景形勢、氣象要素之間的協同關系。

1　數據與方法

1.1　數據來源

本研究中所使用的資料如下：（1）NCEP/NCAR大氣再分析資料，時間跨度從1979年1月1日—2016年5月31日，水平分辨率為2.5°×2.5°，垂直分辨率為17層，選取的要素有10 m風速、海平面氣壓、925、500 hPa高度場（Geopotential height，z）和850 hPa的溫度場；（2）山西省觀象臺2014年1月1日—2016年5月31日觀測站的數據，選取的要素主要有地面和探空觀測的日均相對濕度、風速、溫度等，探空溫度和風速用于計算逆溫強度、混合層高度；（3）山西省環境監測站提供的 2014年1月1日—2016年5月31日逐時PM2.5濃度數據，有效樣本為20363個，缺失樣本805個，整理后得到843 d，缺失39 d，對于缺失數據采用線性插值法進行補缺。

1.2　方法

影響PM2.5濃度的因子大致可歸納為地形、氣象條件和人類排放（徐祥德等，2001；吳兌等，2014；Ramanathan et al.，2005），這 3種強迫決定了太原地區PM2.5的濃度水平及其變化。其中，地形強迫是恒定的，而氣象條件強迫和人類活動排放強迫則具有一定的周期性變化。中國中緯度地區大氣主要包括準雙周振蕩（10～20 d）和季節內振蕩（30～60 d）。此外，7 d左右振蕩的 Rossby波列是影響北半球中高緯地區的重要天氣系統（程勝等，2006）。人類活動所造成的污染物排放在不同時間尺度上也存在差異，如晝夜差異、季節差異等，這些差異在一定程度上決定了人類活動強迫具有一定的周期性變化。那么，在上述強迫影響下，太原地區PM2.5濃度是否具有周期性變化？其與氣象要素的關系如何？這些都有待進一步探索。本研究擬采用Morlet小波分析和交叉小波分析方法對2014—2016年太原城區PM2.5濃度進行研究。小波分析屬于時頻分析的一種，建立在Fourier變換基礎之上，具有時間多尺度分析的特征。交叉小波分析是小波分析方法的拓展，可以用來分析兩個時間序列（PM2.5與其他氣象要素間）的共振周期及其協同關系。

2　結果分析

2.1　太原市城區PM2.5周期變化

對太原市2014年1月1日—2016年5月31日PM2.5日均濃度的時間序列進行小波功率譜分析。圖1所示為小波局地標準化功率譜分析和平均小波功率譜結果，從圖中可以看出太原市 PM2.5濃度的時間變化存在顯著周期，既有天氣尺度的周期（2～8 d），也存在10～16 d的準雙周低頻振蕩周期，且大多數時段的周期性變化都通過了 95%的顯著性檢驗（黑色等值線包圍的部分），顯著時段主要發生在每年9月份左右至次年3月份，這與中國華北地區的霧-霾事件的主要發生時段極為吻合。從小波功率譜分析發現，2～8 d的周期均滿足95%的置信度檢驗。此外在個別時段也存在季節（128 d左右）和準半年周期（256 d左右），而這些周期在平均小波功率譜曲線中均未通過顯著性檢驗，說明在可信度范圍內，2～8 d的變化周期最為顯著。

2.2　氣象要素與PM2.5的協同關系

圖1　太原市PM2.5日均濃度時間序列的小波局地標準化功率譜（a）和小波方差（b）Fig. 1　The normalized local Morlet wavelet power spectrum (a) and the globale wavelet variance (b) of daily mean PM2.5 in Taiyuan urban area

在本地排放源一定的前提下，氣象要素對氣溶膠粒子濃度具有舉足輕重的影響，由于重污染天氣過程中PM22.5主要聚集在邊界層內（Deng et al.，2011），因此850 hPa以下大氣層中的風速、溫度、濕度等氣象要素至關重要。通常，嚴重污染出現在小風或靜風，對流層低層有逆溫層等不利于污染物水平擴散的條件下（Zhang et al.，2012），逆溫層越強、高度越低，越不利于氣溶膠濃擴散。此外，一些氣溶膠粒子具有很強的吸濕性，在濕度較大的的天氣背景下，干氣溶膠粒子也會吸濕增長（Birgitta et al.，1994）。圖2所示為各月PM2.5濃度與對應時段的2 m相對濕度（RH）、混合層高度（MLH）、近地面逆溫強度（SE）和10 m高度的風速（WS）的相關系數，實心標記為通過95%顯著性檢驗的月份。PM2.5濃度與相對濕度、近地面逆溫呈正相關關系，與混合層高度、10 m風速呈負相關關系，且各指標間相關性在1、2、3和12月份較為顯著，5—9月份較差，均未通過檢驗。

為了探索 PM2.5濃度與氣象要素之間的協同關系，將2014—2016年太原市PM2.5日均濃度序列與對應時段的2 m相對濕度、混合層高度、近地面逆溫強度和10 m高度的風速進行交叉小波分析（見圖3），結果表明，PM2.5與這4種氣象要素之間存在不同周期的共振現象，從位相上看，通過顯著性檢驗的共振區域顯示 PM2.5濃度與相對濕度、逆溫強度呈正相關關系（箭頭向右），與混合層高度、地面風速呈負相關關系（箭頭向左），而且在每年10月份—次年3月份共振關系最為明顯，夏季則不顯著。需要指出的是，2～8 d的共振周期表現最為強烈，由此可知，受人類活動影響和大氣固有的低頻振蕩影響，PM2.5的變化存在顯著的“星期效應”。

圖3　太原市PM2.5日均濃度與對應時段的地面相對濕度（a）、混合層高度（b）、逆溫強度（c）、10 m風速的交叉小波分析Fig. 3　The normalized Mortet Cross wavelet power spectrum of daily mean PM2.5 and surface relative humidity (a), Mixed layer height (b), Inversion strength(c), 10 meters wind speed (d) in Taiyuan

圖2　各月PM2.5與4種氣象要素的相關系數Fig. 2　The correlation coefficient of PM2.5 and meteorological elements

2.3　天氣形勢對PM2.5的影響

許多研究表明，在排放一定的前提下，氣象條件是影響 PM2.5濃度變化的主要因素，而各種氣象要素、PM2.5的變化是在特定的天氣形勢下發生的（林安國等，2017）。圖4所示為太原市2014年1月1日—2016年5月31日的PM2.5日均濃度與對應時段的海平面氣壓和500 hPa高度場的相關關系圖，顯著性檢驗采用了學生氏檢驗方法（填色部分為通過95%的顯著性檢驗區域）。由圖可知，太原市冬季 PM2.5濃度與華北地區海平面氣壓呈負相關關系，與新疆北部、朝鮮半島、日本海的海平面氣壓呈正相關關系；PM2.5濃度與500 hPa高度場相關性最顯著的區域主要分布在中國華北、東北以及朝鮮半島。這兩種相關分布與冬季中高緯度的天氣形勢的演變過程密切相關。研究表明，當歐亞大陸500 hPa高度場以平直的緯向環流為主，中國華北、東北等地受暖脊控制，對應西伯利亞高壓活動較弱（熊新竹等，2017），中國華北地區以均壓場或弱氣壓為主導，大部分地區氣溫偏高，且水汽輸送比較旺盛，累積和吸濕增長效應明顯，PM2.5濃度隨之升高（張人禾等，2014）。反之，如果西風槽位于蒙古國東部和中國的華北、東北一帶，而伴隨西風槽的地面冷高壓位于西北和華北地區，那么華北地區盛行北風或西北風，經向風明顯，且風速較大，污染物的擴散顯著（張小曳等，2013）。當高空系統移動到日本海東部時，伴隨地面的地面冷高壓減弱，并且位于朝鮮半島和東北一帶，中國華北地區處于高壓后部，以較弱的偏東風或者東南風為主導風向，水汽輸送強烈，華北地區包括太原市的主要城市再次上演霧-霾污染。因此，北方霧-霾的周期性變化與Rossby波（2～8 d）的變化周期息息相關。

2.4　冬季天氣形勢特征分析

圖4　太原市PM2.5日均濃度時間序列與海平面氣壓（a）、500 hPa高度場（b）的相關系數（填色部分為通過95%顯著性檢驗的區域）Fig.4　The correlation of daily mean PM2.5 in Taiyuan and sea level pressure (a), 500 hPa Potential height (b) (the shading represents the 95% confidence of the student test)

圖5所示為2014—2016年冬季925 hPa高度場和風場（圖5a）、海平面氣壓和10 m風速（圖5b）、500 hPa位勢高度和850 hPa溫度（圖5c）的距平分布（相對于1979—2009年的冬季平均值）。從925 hPa的高度場和風場的異常情況來看，中國東部地區基本上以偏南風異常為主，東北亞一帶存在一個反氣旋式的環流異常存在，華北東北一帶 925 hPa高度場普遍偏高于歷史平均水平。從海平面氣壓和10 m風速的距平場來看，亞洲大陸上的蒙古高壓偏低1～2.5 hPa，中國華中、華北到東北地區偏低1～1.5 hPa，中國東部絕大部分地區 10 m 風速偏低 1～2 m·s-1，與此同時，850 hPa中國東部上空出現了正的溫度距平，溫度偏高1.5～3 ℃。上述表明，2014—2016年年冬季蒙古高壓和東亞冬季風均明顯偏弱，導致中國中東部地區的風速減弱，氣溫明顯偏高。在500 hPa高度場（圖5b），中國東部高度場偏高，一個較強的異常高值中心出現在30～50°N，120～130°E附近，表明東亞大槽明顯減弱，不利于槽后冷空氣向中國東部發展；中國東部上空500 hPa高度場異常偏高，海平面氣壓偏低，近地面風速減弱，不利于近地面附近形成的大氣污染向區域外平流輸送，造成了大氣污染天氣在中國東部地區的持久發展，這也是太原市冬季 PM2.5持續偏高的背景因素之一。

圖5　冬季925 hPa高度場和風場（a），海平面氣壓和10 m風速異常（b），500 hPa高度場和850 hPa溫度（c）的距平（相對于1979—2009年冬季）Fig. 5　The anomalies of 925 hPa wind field (unit: m·s-1) and Potential height (a), sea level pressure (unit: Pa) and 10 meters wind speed (b), 500 hPa Potential height (unit:gpm) and 850 hPa air temperature (c) in 2014—2016 winter (relative to the 1979—2009 winter)

3　結論

本文分析了2014年1月1日—2016年5月31日太原市 PM2.5的周期變化及其同氣象要素的協同關系，同時從氣候角度研究了對應時段的太原市PM2.5與天氣形勢的相關關系及異常特征，結果表明，特定的天氣形勢是太原市冬季 PM2.5持續偏高的背景因素之一，特定的天氣形勢下 PM2.5與同期的氣象要素存在密切的協同關系。

（1）時間序列的周期分析結果表明，太原市PM2.5濃度變化存在2～8 d和10～16 d的顯著周期變化，與2 m相對濕度、混合層高度、近地面逆溫強度和10 m風速具有相似的共振變化，且顯著時段主要發生在每年9月份左右至次年3月份，這與中國華北地區的霧-霾事件的主要發生時段極為吻合。

（2）太原市冬季 PM2.5濃度與華北地區海平面氣壓呈負相關關系，與朝鮮半島、日本海的海平面氣壓呈正相關關系；PM2.5濃度與500 hPa高度場相關性最顯著的區域主要分布在中國華北、東北以及朝鮮半島，主要表現為正相關關系。這兩種相關分布與冬季中高緯度的大氣活動中心的演變密切相關，而對應時段的中國東部上空500 hPa高度場異常偏高，海平面氣壓偏低，近地面風速減弱等不利于污染物擴散的形勢是造成太原市冬季 PM2.5濃度持續偏高的背景因素之一。

參考文獻：

BIRGITTA S, HANS H, ALFRED W, et al. 1994. Hygroscopic growth of aerosol particles and its influence on nucleation scavenging in cloud:experimental results from Kleiner Feldberg [J]. Journal of Atmospheric Chemistry, 19(1-2): 129-152.

CHEN D, LIU X, LANG J, et al. 2017. Estimating the contribution of regional transport to PM2.5air pollution in a rural area on the North China Plain [J]. Science of the Total Environment, 583: 280-291.

DAVIS R E, KALKSTEIN L S. 1990. Using a spatial synoptic climatological classification to assess changes in atmospheric pollution concentrations [J]. Physical Geography, 11(4): 320-342.

DENG Z Z, ZHAO C S, MA N, et al. 2011. Size-resolution and bulk activation properties of aerosols in the North China Plain: the importance of aerosols size distribution in the prediction of CNN number concentration [J]. Atmospheric Chemistry and Physics, 11:3835-3846.

FAN W, BO H U, WANG Y, et al. 2009. Measurements on the vertical distribution of PM2.5Concentration in fog and haze days in Beijing city[J]. Climatic & Environmental Research, 14(6): 631-638.

FLOCAS H, KELESSIS A, HELMIS C, et al. 2009. Synoptic and local scale atmospheric circulation associated with air pollution episodes in an urban Mediterranean area [J]. Theoretical and Applied Climatology,95(3-4): 265-277.

GREENE J S, KALKSTEIN L S, YE H, et al. 1999. Relationships between synoptic climatology and atmospheric pollution at 4 US cities [J].Theoretical and Applied Climatology, 62(3-4): 163-174.

HIEN P D, LOC P D, DAO N V. 2011. Air pollution episodes associated with East Asian winter monsoons [J]. Science of the Total Environment, 409(23): 5063-5068.

HUANG R J, ZHANG Y, BOZZETTI C, et al. 2014. High secondary aerosol contribution to particulate pollution during haze events in China [J]. Nature, 514(7521): 218-222.

RAMANATHAN V, CHUNG V C, KIM D. 2005. Atmospheric brown clouds: impacts on south Asian climate and hydrological cycle [J].Proceedings of the National Academy of Sciences of the United States of America, 102(15): 5326-5333.

TAO J, GAO J, ZHANG L, et al. 2015. PM2.5pollution in a megacity of southwest China: source apportionment and implication [J].Atmospheric Chemistry & Physics, 14(4): 8679-8699.

XU W, WU Q H, LIU X J, et al. 2016. Characteristics of ammonia, acid gases, and PM2.5for three typical land-use types in the North China Plain [J]. Environmental Science & Pollution Research, 23(2):1158-1172.

LI X Y, DING X M, GAO H, et al. 2011. Characteristics of air pollution index in typical cities of North China [J]. Journal of Arid Land Resources & Environment, 25(3): 96-101.

ZHANG Q, MENG J, QUAN J, et al. 2012. Impact of aerosol composition on cloud condensation nuclei activity [J]. Atmospheric Chemistry and Physics, 12(8): 3783-3790.

ZHANG Y, DING A, MAO H, et al. 2016. Impact of synoptic weather patterns and inter-decadal climate variability on air quality in the North China Plain during 1980—2013 [J]. Atmospheric Environment,124(Part B): 119-128.

鮑孟盈, 曹芳, 劉壽東, 等. 2017. 蘇州郊區主要大氣污染物的演變特征及其影響因素研究[J]. 生態環境學報, 26(1): 119-128.

程勝, 李崇銀. 2006. 北半球冬半年平流層大氣低頻振蕩特征的研究[J].大氣科學, 30(4): 660-670.

李子華, 彭中貴. 1994. 重慶市冬季霧的物理化學特性[J]. 氣象學報,50(4): 477-483.

林安國, 梁云平, 張戰平, 等. 2017. 2012—2013年北京市大氣PM2.5污染成分分析[J]. 生態環境學報, 26(7): 1174-1179.

濮梅娟, 嚴文蓮, 商兆堂, 等. 2008. 南京冬季霧爆發性增強的物理特征研究[J]. 高原氣象, 27(5): 1111-1118.

任陣海, 萬本太, 虞統, 等. 2004. 不同尺度大氣系統對污染邊界層的影響及其水平流場輸送[J]. 環境科學研究, 17(1): 7-13.

王躍, 王莉莉, 趙廣娜, 等. 2014. 北京冬季 PM2.5重污染時段不同尺度環流形勢及邊界層結構分析[J]. 氣候與環境研究, 19(2): 173-184.

王躍思, 張軍科, 王莉莉, 等. 2014 京津冀區域大氣霾污染研究意義、現狀及展望[J]. 地球科學進展, 29(3): 388-396.

魏文秀. 2000. 河北省霾時空分布特征分析[J]. 氣象, 36(3): 77-82.

吳兌, 廖碧婷, 吳蒙, 等. 2014. 環首都圈霾和霧的長期變化特征與典型個例的近地層輸送條件[J]. 環境科學學報, 34(1): 1-11.

熊新竹, 陶雙成, 高碩晗, 等. 2017. 北京典型主城區冬季大氣污染特征分析[J]. 生態環境學報, 26(7): 1167-1173.

徐祥德, 王寅鈞, 趙天良, 等. 2001. 中國大地形東側霾空間分布“避風港”效應及其“氣候調節”影響下的年代際變異[J]. 科學通報, 60(12):1132-1143.

張浩, 石春娥, 吳必文, 等. 2017. 合肥市能見度與相對濕度、PM2.5質量濃度的定量關系[J]. 生態環境學報, 26(6): 1001-1008.

張人禾, 李強, 張若楠. 2014. 2013年1月中國東部持續性強霧-霾天氣產生的氣象條件分析[J]. 中國科學: 地球科學, 44(1): 27-36.

張小曳, 孫俊英, 王亞強, 等. 2013. 我國霧-霾成因及其治理的思考[J].科學通報, 58(13): 1178-1187.