金華市大氣污染特征及與氣象條件的關系分析*

韓芙蓉 鹿 翔 吳天貽 韓 興 梁 亮

(金華市氣象局，浙江 金華 321000)

0 引 言

大氣污染不僅影響人們的生活質量,甚至危害人類的健康。氣象要素制約著空氣污染物的稀釋、擴散、傳輸和轉化過程,是影響空氣污染物濃度、污染物分布的重要因素[1-2],大氣污染與氣象條件的關系一直備受學者們的關注[3-7]。紀忠萍等[8]研究發現，冬半年空氣污染指數、PM10、NO2、SO2濃度與氣壓、風速、降水呈穩定的負相關,與溫度、相對濕度等呈穩定的正相關,而夏半年主要與風速、降水具有較好的負相關。除常規氣象要素外,大氣逆溫也是影響污染物擴散的重要因素。鄭紅等[9]發現哈爾濱市冬季1月的大氣污染最嚴重,逆溫的持續性、強度和層厚與其對冬季重度大氣污染擴散的影響呈正相關。此外,天氣形勢的變化在空氣污染潛勢預報中具有很好的指示作用。學者們研究了不同污染天氣，尤其是中度以上污染天氣形勢特征。張國璉等[10]歸納了不同季節導致上海市不同空氣質量狀況的天氣類型,其中春、秋、冬季引起空氣污染的天氣類型有L型高壓、高壓、高壓前和均壓場4類地面天氣類型,與空氣質量優等級別相對應的天氣類型是低壓槽、高壓底和高壓后。尹承美等[11]利用長時間序列的空氣質量數據和氣象數據分析了不同天氣類型對應的PM2.5濃度特征。李瓊等[12]研究發現污染物濃度不僅與當天的天氣類型有密切的關系,且與前幾天的天氣類型的持續時間、地面氣壓場等有關。

金華地處金衢盆地東段,地勢南北高、中部低,具有典型的盆地小氣候特征。本文利用金華市環境監測站數據(包括空氣質量指數和主要污染物濃度)和地面氣象觀測站常規氣象資料分析當地大氣污染變化特征及與氣象條件的關系,以便更好地為當地污染天氣預測預警及綜合防治提供一些參考。

1 資 料

本文使用的數據資料有:2015年1月—2018年12月金華市環境監測站數據,包括空氣質量指數AQI、細顆粒物PM2.5、可吸入顆粒物PM10、SO2、NO2、O3、CO濃度的逐時資料;同時段金華市國家氣象觀測站的地面常規觀測資料,包括逐日氣壓、氣溫、降水、相對濕度、風向、風速等;氣候再分析資料。

AQI是各項污染物空氣質量分指數IAQI中的最大值。當AQI大于50時,IAQI最大的污染物為首要污染物,若IAQI最大的污染物為兩項或兩項以上時,并列為首要污染物。根據常規空氣質量狀況分類方法，將空氣質量級別分為6級,分別對應于空氣質量優、良好、輕度污染、中度污染、重度污染和嚴重污染。表1為空氣質量指數及對應的空氣質量級別和空氣質量狀況。

表1 空氣質量指數及對應的空氣質量級別和空氣質量狀況

2 空氣質量狀況和首要污染物變化特征

2.1 空氣質量狀況變化特征

由金華市環境監測站2015—2018年空氣質量狀況(表2)可知,金華市空氣質量狀況以優和良好為主,4 a間空氣質量狀況呈逐年改善趨勢,空氣質量狀況由以良好為主轉為以優為主,空氣質量優良率(優和良好的日數占全年總日數的比值)一直穩定在80%以上,且穩中有升。其中2018年空氣質量狀況達到優和良好的日數最多,共有321 d,占全年總日數的94.7%。此外,當空氣質量狀況表現為污染時,最大比例為輕度污染,2015—2018年達輕度污染的總日數為147 d,中度污染日數為22 d,重度污染日數為7 d。從AQI逐月變化特征可知,AQI月均值在40～120之間起伏變化,但總體呈逐漸下降趨勢(圖1a),進一步表明金華市空氣質量狀況逐年好轉。AQI存在顯著的季節變化,夏季(6—8月)的空氣質量狀況明顯優于其他3季,春秋季的空氣質量狀況次之,冬季(12月、次年1—2月)的空氣質量狀況最差(圖1b)。

表2 金華市環境監測站2015—2018年空氣質量狀況統計

圖1 金華市環境監測站2015—2018年AQI特征(a.逐月變化、b.月變化)

2.2 首要污染物變化特征

金華市首要污染物出現日數最多的是細顆粒物PM2.5,占統計時段內總日數的40.3%,其次是O3,占比為31.4%,再次是NO2和PM10,占比分別為16.7%和11.5%(表3)。金華的首要污染物極少為CO和SO2。從2015—2018年金華逐年首要污染物出現日數分布可知,金華市近年來在空氣質量明顯改善的基礎上,空氣受污染時首要污染物和其他污染物的構成有所變化,PM2.5作為首要污染物的占比逐年降低,PM10的占比較為穩定,O3和NO2作為首要污染物的占比逐年升高。此外,2015年和2016年首要污染物出現日數最多的是PM2.5,全年占比分別為56.7%和52.0%;2017年和2018年首要污染物出現日數最多的是O3,全年占比分別為40.1%和42.8%。2015—2018年PM2.5平均濃度逐年下降,O3平均濃度穩中有升(圖2)?？梢?，近年來首要污染物出現日數最多的污染物由PM2.5轉為O3。O3逐漸成為金華市首要污染物，一方面反映了當前的空氣治理較有成效,另一方面需要對日益嚴峻的臭氧污染提高警惕。

表3 2015—2018年首要污染物出現日數和占比統計

圖2 2015—2018年PM2.5和O3平均濃度年變化特征

3 中度以上污染日分析

3.1 環流形勢分析

利用氣候再分析資料分析金華市中度以上污染日的環流形勢場可知,中度以上污染過程發生、發展期間的地面形勢場大致可分為3類:高壓影響型、冷空氣影響型和高壓后部型(表4)。

表4 2015—2017年中度以上污染日特征

表4(續)

3.1.1 高壓影響型

在金華市29個中度以上污染日中，有20個地面形勢場屬于高壓影響型。從高壓影響型低層高度場和風場的合成分析可知,山東半島南部、江蘇、安徽和浙江大部分地區均處于高壓控制下,氣壓梯度力小。在高壓影響型中，金華市國家氣象觀測站日平均風速小于2.5 m/s的日數占比為90%,出現逆溫的日數占比為85%(表4)。地面風速小加上逆溫存在,大氣平流和對流條件均較差,污染物(外來輸入性污染物和當地污染物)無法及時擴散,易達到中度以上污染。

3.1.2 冷空氣影響型

統計時段內冷空氣影響型有7次,占中度以上污染總數的24%,冷高壓中心一般位于新西伯利亞到貝加爾湖一帶,北方污染氣團隨著冷空氣傳輸至南方,導致金華當地空氣質量明顯下降,且金華處于低層1000 hPa和850 hPa偏北氣流風速輻合區中,有利于污染物停滯積累?？梢娎淇諝獯箫L是將上游空氣污染物持續輸送至當地的動力因子,而低層風場輻合是污染物滯留的有利環境條件。

3.1.3 高壓后部型

高壓后部型出現次數較少,統計時段內僅有2次,高壓后部型出現當天地面風速小(日平均風速為1 m/s左右),同時存在逆溫(表4),不利于空氣污染物的消散。

3.2 水平和垂直運動分析

風速對大氣污染物的匯聚、傳輸和擴散具有十分重要的作用。金華市中度以上污染天氣發生、發展和維持期間,地面水平風速基本上為2.5 m/s以下,不利于大氣污染物的水平輸送和擴散,易造成局部地區污染物濃度的顯著增高。從低層大氣垂直運動可知,在29 d中度以上污染日中，有22 d大氣低層(850 hPa或925 hPa)存在下沉運動,占全部中度以上污染日數的76%;且有26 d出現了不同程度的逆溫結構,占中度以上污染日數約90%。下沉氣流和逆溫的存在,表明污染天氣出現時大氣對流條件差,極不利于大氣污染物的垂直擴散。

綜合形勢場和大氣水平、垂直運動分析，可將引發金華市污染天氣過程的機制概括為兩類:一是地面均壓場和近地面逆溫層導致當地污染物堆積;二是冷空氣向當地持續輸送上游空氣污染物。污染天氣的發生、發展和維持較為復雜,往往是兩種機制交替作用的結果。持續污染天氣的出現往往對應著冷空氣過程頻繁出現。冷空氣將外來污染物持續輸入金華市,隨著冷空氣過境后地面逐漸轉受冷高壓控制,均壓場進一步抑制低層污染物的擴散,冷空氣反復影響導致持續污染天氣形成。

4 氣象要素對兩大主要污染物的影響

由上文分析可知,金華市空氣質量在穩步改善的基礎上出現次數最多的首要污染物由PM2.5轉為O3,而當中度以上污染天氣發生時,污染物仍以PM2.5為主,在此討論氣象要素對PM2.5和O3的影響。

氣象要素中對顆粒物(包括PM2.5和PM10)影響較大的主要是降水和風,降水對顆粒物的濕沉降作用和風對顆粒物的擴散作用,都有利于大氣的清潔。對比降水日和非降水日的細顆粒物濃度可知,在降水的清潔作用下,降水日的污染物濃度低于非降水日的(表5),這與魏玉香等[1]的研究結論相一致。金華市降水量季節分布不均,2015—2018年夏季的累計降水量最多,為2377.3 mm,占總量的34.1%;春季的為2068.8 mm(占29.7%);秋季、冬季的分別為1223.7(占17.6%)、1302.4 mm(占18.6%)。降水的季節變化對細顆粒物PM2.5的變化有重要影響,夏季降水對污染物的濕沉降作用明顯,夏季的空氣相對清潔,細顆粒物PM2.5濃度較小,而秋冬季污染物有更長的時間積蓄,細顆粒物PM2.5污染較重些。

表5 金華四季降水日與非降水日的PM2.5和O3濃度統計 μg/m3

參照馬雙良等[13]的計算方法，將日降水量出現≥0.1 mm作為降水日,以第1 d出現≥0.1 mm降水量作為連續降水過程的開始,以最后1 d出現≥0.1 mm降水量作為過程的結束。選取降水日開始前1 d的細顆粒物平均濃度C1作為降水過程前細顆粒物濃度,結束后1 d的細顆粒物平均濃度C2作為降水過程后細顆粒物濃度。連續降水過程的清除效率S定義為:S=(C1-C2)/C1;當S>0時,為正清除過程;當S<0時,為負清除過程。

由統計結果可知,降水對PM2.5的平均清除效率為0.58,總體上過程總降水量越大,降水對于細顆粒物的正清除效率越明顯(圖3a),其中當過程降水量大于100 mm時,PM2.5的正清除效率達到100%(圖3b)。在194次過程降水中有52次出現了負清除效率,即降水產生后PM2.5濃度不降反升,這種情況大部分發生在降水量為50 mm以下時,降水前較高的細顆粒物濃度會加重污染程度[13]。

圖3 a.降水清除效率分布、b.各降水等級正負清除數分布

風速變化與細顆粒物PM2.5濃度變化呈顯著的負相關,即風速越大,細顆粒物PM2.5濃度越小;風速越小,細顆粒物PM2.5濃度越大。計算不同風速下的細顆粒物PM2.5濃度變化率,以變化率大小代表風的擴散能力,正變化率代表風對細顆粒物PM2.5具有正擴散作用;負變化率代表風對細顆粒物PM2.5擴散作用不明顯。從圖4a可知,風擴散系數主要在-0.65～+0.65之間,當風速小于3 m/s時,風對細顆粒物PM2.5影響不明顯;當風速大于3 m/s時,風對細顆粒物的正擴散能力明顯增強。此外,當風速小于1.5 m/s時,PM2.5平均濃度為50.6 μg/m3;當風速增加至3 m/s以上時,PM2.5平均濃度降低到20.9 μg/m3(圖4b)。以上分析表明，風速越大，對細顆粒物的擴散作用越顯著。

圖4 a.風速擴散系數分布、b.不同風速區間PM2.5平均濃度

O3是典型的二次污染物,涉及的光化學反應比較復雜,大部分是由人為排放的氮氧化物和揮發性有機物在高溫、日照充足、空氣干燥條件下轉化形成的。太陽輻射和大氣逆輻射結果可體現在氣溫和日照時數上。由相關系數可知,O3濃度與溫度和日照時數呈正相關,且相關系數均在0.5以上,與相對濕度(RH)呈負相關,相關系數絕對值也接近0.5。當O3濃度增加時，一般對應著溫度升高、日照時數增加和相對濕度減少(表6)。一般夏季高溫天氣和強烈的輻射,是造成O3污染的主要原因。

表6 不同O3濃度區間對應的平均溫度、日照時數和相對濕度

5 結 語

本文利用金華市2015—2018年空氣質量指數、主要污染物數據、氣象資料，分析了金華市大氣污染特征及兩大主要污染物與氣象條件的關系,所得結果如下。

(1)2015—2018年金華市空氣質量逐年改善,空氣質量優良率一直穩定在80%以上,且穩中有升。夏季的空氣質量狀況明顯優于其他3季,春秋季的空氣質量狀況次之,冬季的空氣質量狀況最差,其中污染最輕的月份是8月,污染較重的月份是12月和次年1月。

(2)金華市全年出現日數較多的首要污染物為細顆粒物PM2.5和O3。近年來在空氣質量總體改善的基礎上，全年首要污染物日數最多的污染物由PM2.5轉為O3。

(3)引發金華市污染天氣過程形成的機制有兩類:一是地面均壓場和近地面逆溫層導致當地污染物堆積;二是冷空氣向當地持續輸送上游空氣污染物。污染天氣的出現往往是兩種機制交替作用的結果。中度以上污染日地面形勢場主要有3種類型:高壓影響型、冷空氣影響型和高壓后部型。

(4)降水和風較有利于降低細顆粒物PM2.5濃度,主要表現為降水對細顆粒物的濕沉降作用和風對細顆粒物的擴散作用。降水對PM2.5的平均清除效率為0.58,過程總降水量越大,降水對于細顆粒物的濕沉降效果越明顯。風速變化與細顆粒PM2.5濃度變化呈顯著的負相關,風速越大,細顆粒物PM2.5濃度越小;風速越小,細顆粒物PM2.5濃度越大。

(5)O3濃度與溫度和日照時數呈正相關,與相對濕度呈負相關。O3濃度增加時一般對應著溫度升高、日照時數增加和相對濕度減少。高溫天氣和強烈的輻射,是造成夏季易出現O3污染的主要原因。