-
细颗粒物（PM2.5）是指粒径小于等于2.5 μm的颗粒物，它既可进入人体肺部严重危害人类健康，也可通过长距离传输造成区域性污染[1]，特别是PM2.5可显著增加民众患呼吸系统疾病（如支气管炎、哮喘）和心血管系统疾病（如高血压、冠心病）的风险[2]。大量研究表明，气象条件是造成PM2.5超标的关键因素之一，SHU et al[3]基于NCEP 再分析资料对长江三角洲地区PM2.5重污染过程对应的环流形势进行了分类；徐冉等[4-10]分别对北京、沈阳、济南、长沙、开封和乌鲁木齐等地的重污染天气特征进行了分析，发现PM2.5重污染过程均与静稳天气有关，均压系统、气旋环流相对位置、逆温层厚度的增加以及混合层高度的降低，均不利于PM2.5扩散；葛婉如等[11-12]对大气环流指数与空气质量的影响进行了研究，总体研究表明，区域空气质量状况也会受到环流背景影响。2021年1月，受持续异常静稳天气影响，银川市二级以上优良天数减少了38.7%，PM2.5月浓度值增加了60.7%，还出现了持续4 d的PM2.5严重超标的重污染天气。这是银川市大气污染防控取得明显成效背景下出现的异常重污染天气，开展重污染天气特征分析，对于研究建立重污染天气早期预警预报方法具有重要意义。
-
银川市空气质量实时数据源自宁夏空气质量发布系统（
http://111.113.16.83:8086/ ），时间分辨率为1 h；空气质量日数据源自银川市生态环境局发布的银川市空气质量日报；地面气象资料数据及探空数据源自于宁夏气象局；天气形势场数据源自于NCEP全球资料同化系统(GDAS)数据；气候系统监测指数集（130项）源自于国家气候中心网站。 -
银川市生态环境局空气质量监测结果显示：2020年1月银川市空气质量有效监测天数为31 d，二级及好于二级的天数仅有14 d，同比减少了38.7%；轻度污染（三级）9 d，中度污染（四级）4 d，重度污染（五级）4 d，重污染天气明显增多。从分项监测指标来看， PM2.5月平均浓度值为90 μg/m3，同比增加了60.7%，PM10月平均浓度值为126 μg/m3，同比增加了15.6%。
从重污染天气演变过程来看, PM2.5污染从2020年1月8日开始累积发展，9～12日PM2.5日浓度值分别为：158、233、194和164 μg/m3，对应的环境空气质量指数（AQI）分别为：208、283、244和214，达到五级重度污染。13日空气质量降到2级（良），重污染过程结束。分析2020年1月7～15日空气质量小时监测数据，见图1。PM2.5浓度小时值超过五级标准值150 μg/m3的起始时间为2020年1月9日6:00，结束时间为2020年1月12日 23:00，持续时间达89 h；PM2.5浓度小时最大值为343 μg/m3，出现在2020年1月10日14:00，对应的AQI为393，达到六级严重污染标准值。此次PM2.5重污染天气过程具有持续时间长、污染等级高的特点。
-
从气象条件来看，银川市2020年1月的月平均气温为−4.2 ℃，较常年同期偏高3.1 ℃，属异常偏高，为1961年以来同期第3高值；月平均风速为1.2 m/s，较常年同期偏小30%，为近10年来的较低值；月平均相对湿度为60.7%，较常年同期偏多5.5%；月日照时数为150.4 h，较常年同期偏少34.2 h，为近10年来的较低值；月降雨量为0.3 mm，较常年同期偏少1.0 mm，但从宁夏整个区域的降雨量和降雨日数分析，又属于降雨明显偏多的年份，除大武口、贺兰、银川和永宁偏少14%～77%，其余大部地区偏多1.1～3.5倍。银川市总体污染扩散形势表现为天气辐合显著，静稳天气持续时间长,易于污染物聚集。
-
对比分析2020年1月9～12日重污染天气过程期间PM2.5浓度小时值与同期地面水平能见度、相对湿度、气温和风速小时值的演变过程。PM2.5浓度与能见度呈负相关，在PM2.5重污染期间，银川市的能见度基本在3 km以下，最低甚至降低到600 m 以下，而后期随着PM2.5浓度降低，能见度也逐渐转好,见图1a；PM2.5浓度与相对湿度总体呈正相关，湿度高，PM2.5浓度值也高，虽然相对湿度本身具有显著的日变化特征，但在重污染期间，仍表现为高湿（平均相对湿度76%）、湿度日变化幅度小（其中11日湿度日变化仅为19%）且持续时间长的特点,见图1b；PM2.5浓度与气温总体呈正相关，在9～12日PM2.5在重污染期间，表现为日平均气温、日最低气温总体偏高、气温日较差小的特点，其中11日，日最高气温−3.5 ℃，日最低气温−7.0 ℃，气温日较差只有3.5 ℃，体现的是冷空气势力弱，天气形势稳定少动的特点,见图1 c；PM2.5浓度与地面风速总体呈负相关，即风速越大，PM2.5浓度值则降低，在9～12日PM2.5达重污染等级的89 h期间，平均风速为1.2 m/s，﹤1 m/s的时段达22 h，后期随着风速增大，PM2.5浓度值逐渐降低，空气质量逐步转好，见图1 d。
-
从重污染期间的高空环流形势看，过程发生时，500 hPa中纬度气流以纬向气流为主（图2a），宁夏处于偏西平直气流，850 hPa（图2b），宁夏全境受高压脊控制，处于倒槽中或受低压控制，在低压延伸及控制的过程中表现为广泛的均压区，这种高空形势下，银川天空状况多为多云到阴天气，且湿度大，对流相关热力条件和水平扩散的动力条件均较弱，不利于污染物的扩散，污染物易于累积。
2020年1月9～12日重污染天气过程是典型的静稳型重污染天气类型，有明确的静稳天气条件,且持续5 d，天气形势的特点是气压分布均匀，低空风速较小，甚至静风，空气湿度大，大气层结稳定，不利于污染物的稀释和扩散。PM2.5浓度由良-轻度污染-中度污染-重度污染-持续演变。
-
基于银川市2013～2020年1月的PM2.5月浓度值共计8个样本，分别与同期银川市月平均风速、月平均气温进行对比分析，见图3。
图3a可知，PM2.5月浓度值与月平均风速呈负相关，（相关系数=−0.597 4），月平均风速大的年份，PM2.5月浓度值小，重污染天数也少，反之，月平均风速小的年份，PM2.5月浓度值大，重污染天数也多，反映的是水平扩散动力因子项的影响结果。图3b可知，PM2.5月浓度值与月平均气温呈正相关，（相关系数=0.616 3），与夏季不同，在冬季严寒季节，月平均气温的高低，反映的是天气系统稳定程度，月平均气温偏高的年份，天气系统稳定少动，易形成逆温，空气污染物易于累积，PM2.5月浓度值大，重污染天数也多，反之，月平均气温低的年份，冷空气活动频繁，空气污染物不易累积，PM2.5月浓度值小，重污染天数也少，反映的是空气污染综合扩散能力的影响结果。对比分析2013～2020年同期1月的PM2.5月浓度值对应的重污染天气发生情况，PM2.5月浓度值高的年份，重污染天气日数多，PM2.5月浓度值低的年份，重污染天气日数少。2020年1月气温异常偏高，风速异常偏小，是2020年1月空气质量状况较差的主要天气原因。
-
异常静稳天气的长时间维持与全球尺度大气环流背景具有相关关系。基于银川市2010～2020年1月平均风速、平均气温及银川市2013～2020年1月PM2.5月浓度值分别与国家气候中心同期气候系统监测指数集（130项）资料求相关，与1月平均气温值相关性较高的3个因子分别为上年12月的类ENSO指数、上年11月的类ENSO指数和上年12月的西太平洋副高面积指数，相关系数分别为0.795 7、0.771 1和−0.738 2。与1月平均风速值相关性较高的3个因子分别为上年12月的印度副高面积指数、上年11月的北美副高北界位置指数和上年12月的NINO-W区海表温度距平指数，相关系数分别为 0.737 9、0.684 1和−0.658 3。统计说明，月平均气温和月平均风速与前期环流特征因子具有明显的相关性。
进一步统计分析前期环流特征因子与当月PM2.5月浓度平均值的相关关系，前期环流特征因子与1月PM2.5月浓度平均值相关性较高的6个因子分别为上年11月850 hPa东太平洋信风指数、上年12月北太平洋副高北界位置指数、上年11月大西洋海温三极子指数、上年12月NINO 3.4区海表温度距平指数、上年11月南方涛动指数和上年12月北美区极涡面积指数，相关系数分别为−0.915 4、−0.914 0、−0.755 2、−0.749 4、−0.742 1和−0.700 2，均表现为负相关，统计说明，1月PM2.5月浓度值与前期环流特征因子具有明显的相关性。
-
2013～2020年1月PM2.5超标天气共出现20 d，平均每年2.5 d，在0～8 d之间波动，其中有4年未出现过PM2.5超标的重污染天气，年际变化幅度较大（表1）。统计中发现，2013～2020年1月PM2.5月浓度值为76 μg/m3，PM2.5月浓度值与重污染天气日数呈显著的正相关，PM2.5月浓度值低于平均值时，出现PM2.5重污染天气的概率较低，PM2.5月浓度值高于平均值时，出现PM2.5重污染天气事件的概率明显增大，PM2.5月浓度值越高，重污染天气日数越多，持续时间越长。从数据本身分析，重污染天气的发生与持续，造成了PM2.5月浓度值的升高，PM2.5月浓度值的升高也意味着重污染天气日数的增多，它们之间是一种关联关系。
-
统计分析银川市2013～2020年8年间出现的62 d重污染天气，分别为PM10超标和PM2.5超标2种污染类型。其中，PM10的重污染天气日数的年平均值为3.63 d，主要由沙尘天气引起。PM2.5的重污染天气的年平均值为4.12 d，且年际变化幅度较大，主要出现在1月和12月，以1月居多，因此，1月PM2.5重污染天气的长期预报是重污染防治工作的关键。
目前的空气质量预报工作的模式及预报方法较多，预报时效多为1～7 d，重污染天气预警预报时效多为1～3 d。研究可知，PM2.5重污染过程与异常静稳天气相关，而异常静稳天气的长时间维持与全球尺度大气环流背景相关，这也为重污染天气的长期预报研究提供了理论基础。本文探索建立月际尺度的长期预报模式，以提早发布重污染天气趋势预报。
以前期6个环流特征因子，建立1月PM2.5月浓度值长期预报方程，如下：
式中，X1为上年11月850 hPa东太平洋信风指数；X2为上年11月南方涛动指数；X3为上年11月大西洋海温三极子指数；X4为上年12月北太平洋副高北界位置指数；X5为上年12月NINO3.4区海表温度距平指数；X6为上年12月北美区极涡面积指数。
PM2.5月浓度与重污染天气日数分级如下：当PM2.5月浓度预报值低于75 μg/m3时，预示未来30 d不易出现重污染天气；当PM2.5月浓度预报值为75～80 μg/m3，预示未来30 d可能出现1～2 d重污染天气；当PM2.5月浓度预报值为80～85 μg/m3，预示未来30 d可能出现2～3 d重污染天气；当PM2.5月浓度预报值为85～90 μg/m3，预示未来30 d可能出现3～4 d重污染天气；当PM2.5月浓度预报值高于90 μg/m3，预示未来30 d可能出现4～6 d重污染天气，见表2。
从模式拟合结果来看，相关系数R2=0.981 8，通过0.01的检验，见图4。以2021年1月为样本，进行PM2.5月浓度长期预报检验，2021年1月PM2.5月浓度长期预报值为65 μg/m3，低于同期平均值，属于低污染天气背景，1月不易出现重污染天气，实况结果为未出现重污染天气，预报结果与实际一致。
-
（1）2020年1月银川市的细颗粒物（PM2.5）月平均浓度值同比增加了60.7%，可吸入颗粒物（PM10）月平均浓度值同比增加了15.6%。五级重度污染日数达到4 d，且持续时间长达89 h，PM2.5浓度小时最大值达到343 μg/m3，具有持续时间长、污染等级高的特点，是实行新标准以来仅次于2013年1月的PM2.5超标重污染天气。
（2）污染气象条件分析表明,2020年1月银川市污染扩散条件较差，表现为气温偏高3.1 ℃、风速偏小30%、相对湿度偏多5.5%、日照时数偏少34.2 h、且区域降雨量偏多的特点；重污染期间还表现为天气系统稳定少动且持续时间长、水平能见度低、逆温显著的特点。这说明在当前减排措施背景下，银川市遇到异常持续静稳天气时，仍会出现PM2.5超标的重污染天气。
（3）统计分析表明，前期大气环流特征因子与一月银川市PM2.5月浓度平均值具有显著相关关系，相关性较高的6个因子分别是：上年11月850 hPa东太平洋信风指数、上年12月北太平洋副高北界位置指数、上年11月大西洋海温三极子指数、上年12月NINO3.4区海表温度距平指数、上年11月南方涛动指数和上年12月北美区极涡面积指数。以6个环流特征因子为预报因子，建立的PM2.5月浓度统计预报模型，相关系数R2=0.981 8，且通过0.01检验，预报模型时效长，预报结果与实际一致，可为银川市重污染天气预警提供技术支持。
（4）大气环流因子对天气系统的影响较为复杂，引入预报模式的这些环流因子对银川市的天气系统所造成的影响，其影响机理如何解释有待于进一步研究。
银川市一次连续PM2.5重污染天气特征分析及长期预报方法研究
Analysis of characteristics and long-term forecasting methods for a continuous PM2.5 heavy pollution weather in Yinchuan
-
摘要: 利用同期多源观测资料，对2020年1月银川市持续重污染天气过程中的气象条件、扩散特征及前期环流指数特征进行了综合分析。结果表明：2020年1月持续重污染天气过程是实行新标准以来仅次于2013年1月的PM2.5超标的重污染天气，具有持续时间长、污染等级高的特点；2020年1月气温异常偏高、风速偏小、相对湿度偏大，天气系统稳定少动且持续时间长，是造成PM2.5异常超标的主要原因之一； 1月PM2.5月浓度值同850 hPa东太平洋信风指数、北太平洋副高北界位置指数等前期环流特征因子具有较好的相关性，建立的银川市1月PM2.5月浓度预测模型，可提前30 d作出预报且预报结果与实际一致，可为重污染天气预警工作提供参考。Abstract: The meteorological conditions, diffusion characteristics and circulation index characteristics during the continuous heavy pollution weather in Yinchuan in January 2020 were comprehensively analyzed by using multi-source observation data in the same period. The results showed that the continuous heavy pollution weather process in January 2020 was only better than that in January 2013 since the implementation of the new standard with a long duration and serious pollution. In January 2020, the abnormal high temperature, the relatively low wind speed, the high humidity, the stable weather system and long duration were the main reasons for abnormal exceeding of PM2.5. The monthly PM2.5 concentration in January had a good correlation with East Pacific 850 mb Trade Wind Index, Pacific Subtropical High Northern Boundary Position Index, and other pre-circulation characteristic factors. The prediction model of PM2.5 concentration in Yinchuan in January could be accomplish the forecast 30 days in advance and the forecast result was consistent with the reality, thus providing a reference for the early warning of heavy pollution weather.
-
Key words:
- heavy pollution weather /
- PM2.5 /
- air quality /
- forecast
-
-
表 1 银川市重污染天气不同首要污染物超标日数统计表
t/a PM2.5月浓度值/μg•m−3 PM2.5超标日数/d 2013 109 8 2014 74 0 2015 89 6 2016 61 0 2017 79 2 2018 53 0 2019 56 0 2020 90 4 平均 76 2.5 
下载: 导出CSV
表 2 PM2.5月浓度预测值与重污染天气日数对照表
风险分级 PM2.5月浓度/μg•m−3 重污染天气日数/d Ⅰ < 75 0 Ⅱ 75～80 1～2 Ⅲ 80～85 2～3 Ⅳ 89～90 3～4 Ⅴ > 90 4～6
下载: 导出CSV
-
[1] 徐虹, 肖致美, 孔君, 等. 天津市冬季典型大气重污染过程特征[J]. 中国环境科学, 2017, 37(4): 1239 − 1246. doi: 10.3969/j.issn.1000-6923.2017.04.005 [2] 郝宏飞, 杨婷, 王自发, 等. 2013—2015年北京污染频发期细颗粒物重污染成因与天气形势关系的研究[J]. 环境科学学报, 2018, 38(6): 2201 − 221. [3] SHU L, XIE M, GAO D, et al. Regional severe particle pollution and its association with synoptic weather patterns in the Yangtze River Delta region, China[J]. Atmospheric Chemistry and Physics, 2017, 17(21): 12871 − 12891. doi: 10.5194/acp-17-12871-2017 [4] 徐冉, 饶晓琴, 张恒德. 2016年12月北京市持续重污染天气特征分析[C]// 厦门: 2017中国环境科学学会科学与技术年会论文集(第一卷): 783-787. [5] 杨磊, 陈传雷, 曹世腾, 等. 2015年11月沈阳地区一次PM2.5重污染过程综合分析[J]. 气象与环境学报, 2019, 35(3): 37 − 44. doi: 10.3969/j.issn.1673-503X.2019.03.005 [6] 张宸赫, 赵天良, 陆忠艳, 等. 沈阳地区一次颗粒物重污染天气过程的气象成因分析[J]. 环境保护科学, 2021, 47(1): 97 − 103. [7] 冯亚洁, 廉丽姝, 李宝富, 等. 济南市冬季典型重污染天气过程及成因分析[J]. 环境污染与防治, 2020, 42(6): 745 − 750+754. doi: 10.15985/j.cnki.1001-3865.2020.06.016 [8] 张琴, 彭庆庆, 罗岳平, 等. 长沙市一次重污染天气特征分析及空气质量预报研究[C]// 合肥: 2018中国环境科学学会科学技术年会论文集: 87-93. [9] 喻谦花, 闵晓桐. 2014—2016年开封市空气污染特征及重污染过程气象成因分析[J]. 气象与环境科学, 2020, 43(1): 114 − 122. [10] 葛欢欢, 武胜利, 吕婷, 等. 气象因子对乌鲁木齐市一次重污染天气过程影响研究[J]. 干旱区地理, 2018, 41(3): 601 − 607. [11] 葛婉如. 冬季大尺度环流对中国中东部地区空气质量的影响[D]. 北京: 清华大学, 2019. [12] 陈诚. 海冰及海温外强迫在中国冬季严重雾和霾天气形成中的作用研究[D]. 南京: 南京信息工程大学, 2019. -
点击查看大图
图( 4) 表( 2)
计量
- 文章访问数: 1121
- HTML全文浏览数: 1121
- PDF下载数: 9
- 施引文献: 0
