天气形势对2014—2018年关中地区各季节空气质量的影响

2022-04-27 14:04梁佳艺刘浪贝耐芳
地球环境学报 2022年1期
关键词:天气形势关中地区天数

梁佳艺,刘浪 ,贝耐芳*

1.西安交通大学 人居环境与建筑工程学院,西安 710049

2.中国科学院气溶胶化学与物理重点实验室,西安 710061

3.中国科学院地球环境研究所 黄土与第四纪地质国家重点实验室,西安 710061

随着国民经济的增长和城镇化进程的加快,中国的空气污染问题在近二十年内集中爆发,并呈现出由传统的总悬浮颗粒物(TSP)、可吸入颗粒物(PM10)和SO2污染向以细颗粒物(PM2.5)和多种污染气体(O3、SO2、NOx)等形成的复合型污染转变的趋势(田鹏山,2015)。研究表明:大气污染物的生命周期受到排放源和气象条件的共同影响(Giorgi and Meleux,2007);气象条件在大气污染物的形成、转化、扩散、输送和清除过程中扮演着重要的角色(Seaman,2000;Solomon et al,2000;Bei et al,2010;Bei and Molina,2012;Bei et al,2014);当污染物排放量保持不变时,大气化学状态的转变主要取决于气象条件(Bei et al,2016a)。大气污染的形成是大、中尺度天气系统,局地小尺度环流和大气边界层结构共同作用的结果(任阵海等,2004;任阵海等,2005;王喜全等,2007);其中,基本天气形势是驱动大气污染物变化的最初动力(Zhang et al,2012),其与大气污染有着密切联系(袁美英等,2005;陈瑞敏等,2014;高庆先等,2017)。

对于天气形势对空气质量的影响,目前已有一些研究。王喜全等(2007)通过分析2004年北京地区PM10的污染情况,认为高压南下东移阻滞型和与北上台风或热带低压相联的弱高压控制型是造成北京PM10重污染的关键因素。王宏等(2008)将影响福州的天气形势分为10 型,统计2002—2006年福州全年、冬半年和夏半年不同天气型的出现率及相应的污染物浓度值,分析不同天气形势下大气扩散能力的强弱以及对污染物浓度的影响。王莉莉等(2010)根据气压场等气象要素将夏末秋初影响北京地区的主要天气系统分为高污染的积累天气型(槽前无降水、槽后脊前、脊、副高4 种基本型)和清洁的清除天气型(槽或槽前有降水、槽后有降水或偏北风2 种基本型)。钟幼军和国世友(2013)指出哈尔滨冬季重污染的典型地面形势包括高压边缘型、高压中心型和低压边缘型3 类,其中高压边缘型出现频率最高。对于影响北京市夏季经常出现的O3和PM2.5污染的天气形势,王占山等(2016)的研究结果表明:O3和PM2.5一高一低污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O3和PM2.5两高的天气形势场为:高空为偏西气流,地面受低压控制。李培荣和肖天贵(2020)研究了2016—2018年成都地区秋冬季PM2.5的扩散与输送情况,将该时段的天气形势分为污染型和清洁型两种天气类型,在污染型天气类型下,成都地区的逆温层较强和混合层高度较低,不利于PM2.5的扩散稀释。常美玉等(2020)对成渝地区及4 个子区域2014—2018年高度场和海平面气压场进行了环流分型,探讨了环流型与空气污染的关系,结果表明:当地面为气旋或东南气流,同时风速较小时,不利于污染物的水平扩散;若高空为弱脊控制或者为槽后西北气流,则在下沉气流的作用下,不利于污染的垂直扩散,地面污染进一步加重。

关中地区位于陕西省中部,包括西安、宝鸡、咸阳、渭南、铜川5 市及杨凌示范区;截至2019年底,共有常住人口2459.21 万人(陕西省统计局和国家统计局陕西调查总队,2020)。近年来,关中地区的重污染天气持续出现且污染程度较为严重;2018年,其所在的汾渭平原被列为大气污染重点防治区域。现阶段关于天气形势对大气污染物浓度的影响,涉及关中地区的较少且缺乏长时间序列的研究。本文利用Bei et al(2016a)的主观分类方法,结合同期观测资料,对2014—2018年关中地区各季节典型天气形势出现频率及其对应的污染物浓度进行统计;分析夏季每日O3_8h_max和其他季节PM2.5、PM10日均浓度在不同天气形势下的变化特征和趋势,探究天气形势对大气污染物浓度变化的影响;研究结果可为各季节不同天气形势下的污染防控提供有益参考。

1 数据与方法

1.1 观测资料

文中所使用的大气污染物观测数据来源于中国空气质量在线监测分析平台(http://www.aqistudy.cn/),涉及关中地区33 个观测站的空气质量指数(AQI 数据,包括PM2.5、PM10、SO2、NO2、O3和CO),数据分辨率包含日平均数据和逐小时数据。其中对O3逐小时数据进行处理,得到每日O3_8h_max浓度。

图1 为2014年春季至2018年冬季关中地区大气主要污染物(PM2.5、PM10日均浓度和每日O3_8h_max)浓度变化趋势。可以看出,PM2.5和PM10的日均浓度变化趋势基本一致,冬季平均浓度最高,春秋季次之,夏季最低。O3_8h_max的浓度变化趋势与前两者相反,夏季最高,春季次之,秋冬季较低。

图1 2014年春季至2018年冬季关中地区大气主要污染物浓度变化趋势Fig.1 Changes in the concentration of major air pollutants in the Guanzhong basin from spring of 2014 to winter of 2018

分季节来看,关中地区夏季的首要污染物为O3_8h,夏季O3_8h_max平均浓度高于5 a 平均值50.24%;其他季节首要污染物主要为PM2.5或PM10,其中冬季的颗粒物污染尤为明显,PM2.5、PM10平均浓度分别高于5 a 平均值65.20%、40.51%(图2)。因此,本文主要研究2014—2018年关中地区夏季O3_8h_max浓度和其他季节PM2.5、PM10日平均浓度受天气形势变化的影响。

图2 2014—2018年关中地区各季节主要大气污染物平均浓度Fig.2 The average concentration of main air pollutants in Guanzhong basin in each season from 2014 to 2018

1.2 天气形势分类方法

Bei et al(2016a)提出了一种影响冬季关中地区典型天气形势的分类方法。该研究的分类过程使用2008—2013年NCEP-FNL 再分析资料,并结合WRF-Flexpart 模式的输出结果和850 hPa风场及位势高度识别影响关中地区的主要天气系统,同时考虑关中地区与主要天气系统的相对位置,进而确定影响关中地区的天气形势类型。本文参考该分类方法,结合2014—2018年相关气象资料,将关中地区的天气形势分为6 类:

(1)低压北部型(图3a)。关中地区位于低压北部,主导风向为偏弱东风。该天气型经常出现下沉气流或静稳态,加之关中地区喇叭口状的地形,会导致该天气型下污染物的累积。有时该天气型会出现降水,使污染情况得到缓解。

(2)槽西南型(图3b)。关中地区处于槽后或者槽的西南方向。在该天气型下通常盛行较强的西北风,污染物浓度通常较低。

(3)高压东南型(图3c)。关中地区位于高压东南部。该天气型下的主导风向为偏北风,能将污染物输送到区域外,显著改善空气质量。

(4)过渡型(图3d)。关中地区一般处于槽的南部和高压北部。该天气型下一般盛行西风,但风速并不大且经常会转变为静稳天气或者变得风向不定。严重的空气污染会因为污染物在盆地内的累积而经常出现。

(5)槽东南型(图3e)。关中地区位于槽前或槽的东南方向,盛行西南风。该天气型下风速偏小,同时由于槽前出现下沉气流,不利于大气污染物向外输送。

(6)内陆高压型(图3f)。关中地区处于高压控制下,盛行风向主要取决于高压的具体位置。该形势下风速较小,且下沉气流会导致静稳天气的形成,导致污染物不断累积,造成严重的空气污染。

图3 北京时间08∶00 影响关中地区的典型天气型对应的850 hPa 位势高度和风矢量水平分布(Bei et al,2016a)Fig.3 Composite distributions of winds and geopotential heights on 850 hPa at 08∶00 BJT for synoptic situations in GZB (Bei et al,2016a)

需要说明的是,该分类方法并未考虑降水以及当天天气形势转变等情况;因此,天气形势的过渡或降水的出现,往往会使同一种天气形势中污染物的浓度出现差异。

2 结果与分析

2.1 不同天气形势下大气污染物浓度特征

本文在对2014—2018年关中地区天气形势进行分析分类的基础上,对各年份各个季节天气形势的出现频率进行了统计(图4)。具体来看,关中地区春季的天气形势以“低压北部型”和“槽西南型”为主,5 a 间总出现频率分别为64.13%、53.26%、58.70%、67.39% 和47.83%;其中2018年“槽西南型”出现的频率最高,占比为25.00%,其他年份“低压北部型”占比较高,依次为46.74%、33.70%、43.48% 和40.22%。夏季天气形势主要为“低压北部型”和“内陆高压型”,总占比分别为67.39%、53.26%、61.96%、59.78%和78.26%;2015—2017年“内陆高压型”占比最高,依次为31.52%、35.87%和31.52%。2014年、2018年“低压北部型”占比最高,分别为36.96%、41.30%。2014—2017年秋季天气形势亦以“低压北部型”和“内陆高压型”为主,总出现率分别为69.23%、68.13%、62.64%和61.54%;2017年“低压北部型”占比最高,达到37.36%,其余年份“内陆高压型”占比最高。2018年秋季以“槽西南型”和“内陆高压型”为主,“内陆高压型”占比达到28.57%。相较其他季节,冬季天气形势的出现频率变化较为复杂;2014年和2015年主要为“槽西南型”和“内陆高压型”,总出现率分别为67.78%和56.04%;2016年以“低压北部型”和“内陆高压型”为主,占到总天数的52.22%;2017年和2018年主要为“低压北部型”和“槽西南型”,占比依次为58.89%和54.44%。

图4 2014—2018年各季节不同天气形势出现频率Fig.4 The occurrence rate of different synoptic situations in each season from 2014 to 2018

为了进一步讨论天气形势对大气污染物浓度的影响,本文计算了2014—2018年关中地区各季节不同天气形势对应的主要污染物浓度(表1)。可以明显看出,无论是从年际角度还是季节角度,“槽西南型”和“高压东南型”对应的PM2.5、PM10浓度均显著小于其他四种天气形势。对于O3_8h_max来说,从年平均浓度来看,“高压东南型”和“过渡型”对应的浓度较低;而在夏季“低压北部型”和“过渡型”对应的浓度较低。两者出现不一致的原因主要是O3浓度的高低不仅与天气形势有关,还受到太阳辐射强度、光化学反应速率、前体物浓度等因素的影响。

表1 2014—2018年关中地区各季节不同天气形势对应的主要大气污染物浓度值Tab.1 Concentration of main air pollutants corresponding to different synoptic situations in each season in Guanzhong basin from 2014 to 2018

图5 统计了2014—2018年6 类天气形势污染物浓度分布特征。相关研究表明(Bei et al,2016a;Bei et al,2016b;李晓配等,2017):对于颗粒物(PM2.5、PM10)而言,“槽西南型”和“高压东南型”可被定义为有利于污染物扩散的天气形势,“低压北部型”、“过渡型”、“槽东南型”和“内陆高压型”定义为不利于污染物扩散的天气形势;图5 和表1 可以证明这种划分方式是合理的,而对于O3显然不适用该种划分方式。考虑到夏季O3_8h_max的浓度显著高于其他季节平均值和年平均值(表1),因此根据夏季不同天气形势下O3_8h_max浓度的差异将“低压北部型”和“过渡型”定义为有利天气形势,将“槽西南型”、“高压东南型”、“槽东南型”和“内陆高压型”定义为不利天气形势。

图5 2014—2018年6 类天气形势对应的大气污染物浓度分布特征Fig.5 Distribution characteristics of air pollutants concentration corresponding to 6 types of synoptic situations from 2014 to 2018

2.2 各季节天气形势与大气污染物浓度变化趋势

图6 分析了2014—2018年各季节有利和不利天气形势下主要污染物浓度的变化趋势。可以看出,无论是颗粒物还是O3_8h_max,当有利天气形势天数增加(不利天气形势天数减少)时,污染物浓度往往出现下降;当有利天气形势天数减少(不利天气形势天数增加)时,污染物浓度会出现上升。

需要指出的是,2016年和2017年秋季PM2.5、PM10浓度变化出现了与上述趋势相反的情况,即有利天气形势天数增加(减少),但污染物浓度上升(下降)。而剔除2016年来看,2017年秋季相较2015年有利天气形势天数有所减少,不利天气形势天数略有增加,对应到PM2.5、PM10浓度,2017年秋季的颗粒物平均浓度高于2015年,符合上文所提出的变化规律。

图7 展示了关中地区2016年秋季PM2.5、PM10日平均浓度与天气形势的对应关系。在进入11月后,关中地区出现了3 次沙尘天气过程(11月1—6日,11月9—21日,11月25—29日),沙尘天气出现频率及出现时长均高于2014—2018年同期水平,沙尘天气持续期间PM2.5、PM10平均浓度分别为126.52 μg·m−3和241.14 μg·m−3。其中,PM10浓度在11月9日达到515.63 μg·m−3,为5 a间关中地区秋季PM10最高日平均浓度。如剔除沙尘天气,关中地区2016年秋季PM2.5、PM10平均浓度分别为51.93 μg·m−3、94.90 μg·m−3,则5 a间关中地区秋季污染物平均浓度与有利和不利天气形势天数变化符合上文提出的规律。由此可见,2016年秋季出现的有利天气形势天数较2015年增加,但污染物平均浓度却高于2015年的现象,主要是由于沙尘天气增多所导致的(相较剔除沙尘天气,关中地区2016年秋季PM2.5、PM10平均浓度因沙尘天气出现分别上升37.88%、40.65%),这也一定程度上解释了2016年PM2.5、PM10的平均浓度高于其他年份(图6)的原因。

图6 2014—2018年各季节大气污染物平均浓度与有利和不利天气形势天数变化趋势Fig.6 The trend of average concentration of air pollutants and days of favorable and unfavorable synoptic situations in each season from 2014 to 2018

图7 关中地区2016年秋季PM2.5、PM10日平均浓度与天气形势Fig.7 Daily average concentrations of PM2.5 and PM10 and synoptic situations in the autumn of 2016 in Guanzhong basin

在大气污染防治日趋严格的背景下,2014—2018年冬季关中地区有利和不利天气形势对应的PM2.5的平均浓度整体呈上升趋势。冬季PM2.5的平均浓度从2014年 的74.19 μg·m−3上升到110.41 μg·m−3,年均增幅为12.21%;PM10的平均浓度从2014年的135.32 μg·m−3上升到163.80 μg·m−3,年均增幅为5.26%。这说明虽然关中地区的大气污染治理强度较大,但从观测数据来看,冬季颗粒物浓度的下降并不明显。本文认为原因一是由于沙尘天气等外来输送以及静稳天气持续出现导致部分日期的颗粒物浓度偏高,进而拉高了季节平均值。从图1 中可以看出,2014—2018年冬季PM10浓度高于300 μg·m−3的出现频率整体呈现上升趋势,这些高值的出现对拉高季节均值起到了重要影响。二是5 a 间不利天气形势天数整体呈现增加的趋势。图6 的分析表明:春、秋、冬季颗粒物浓度的变化整体呈现出当有利天气形势天数增加(不利天气形势天数减少)时,颗粒物浓度往往出现下降;当有利天气形势天数减少(不利天气形势天数增加)时,颗粒物浓度会出现上升的规律,且不利天气形势的连日出现会进一步加剧污染状况。因此本文认为在大气污染防治日趋严格的背景下,2014—2018年各季节颗粒物浓度上升,是气象因素起到了重要作用。

而从有利和不利天气形势对应的污染物平均浓度的角度分析,各年份各季节有利天气形势下污染物浓度均低于不利天气形势(图8);平均来看,春季、秋季和冬季有利天气形势下的PM2.5、PM10浓度相较不利天气形势下分别减少64.93%、57.14%,55.30%、49.50%和46.61%、34.63%。夏季O3_8h_max浓度在有利天气形势下相较不利天气形势下降28.80%。

图8 2014—2018年各季节有利和不利天气形势对应的大气污染物平均浓度Fig.8 The average concentration of air pollutants corresponding to favorable and unfavorable synoptic situations in each season from 2014 to 2018

2.3 各季节不同天气形势对大气污染物浓度的影响幅度

王宏等(2008)认为在污染源强相对平稳的条件下,不同天气形势下污染物的平均浓度相较对应时段污染物平均浓度的变化幅度可以反映天气形势对污染物浓度变化的影响作用。对应不同的天气形势,本文分别计算了2014—2018年各季节主要污染物浓度相较季节平均值的变化幅度(表2)。变化幅度ε=(Ci−C)/ C,其中,Ci为各季节不同天气形势下污染物的平均浓度,C为相应季节污染物的平均浓度;表2 中正、负幅度的变化值分别表示在不同天气形势影响下大气污染物浓度增大和减小的幅度。在影响污染物浓度的其他因素相对稳定的情况下,可认为上述变化幅度能够反映不同天气形势对污染物浓度变化的影响。

由表2 可知,春季“槽西南型”和“高压东南型”对大气污染物浓度减小的影响幅度最大,PM2.5浓度减小幅度分别为22.95%、11.01%,PM10浓度减小幅度分别为14.70%、5.32%;“低压北部型”和“内陆高压型”对PM2.5浓度增大的影响幅度较大,增大幅度分别为7.90%、8.88%;“过渡型”和“内陆高压型”对PM10浓度增大的影响幅度较大,增大幅度分别为9.19%、18.32%。

表2 2014—2018年关中地区各季节不同天气形势对大气污染物浓度的影响幅度Tab.2 The impact of different synoptic situations on the concentration of air pollutants in each season in the Guanzhong basin from 2014 to 2018

夏季“低压北部型”和“过渡型”对大气污染物浓度减小的影响幅度最大,O3_8h_max浓度减小幅度分别为19.95%和17.61%;“内陆高压型”对O3_8h_max浓度增大的影响幅度最大,增大幅度为17.69%,其余天气形势对O3_8h_max浓度变化的影响幅度均为正值。

秋季“槽西南型”和“高压东南型”对大气污染物浓度减小的影响幅度最大,PM2.5浓度减小幅度分别为35.51%、35.22%,PM10浓度减小幅度分别为23.79%、30.83%;“过渡型”和“槽东南型”对污染物浓度增大的影响幅度较大,PM2.5浓度增大幅度分别为54.51%、40.62%,PM10浓度增大幅度分别为52.49%、34.26%。

冬季“槽西南型”和“高压东南型”对大气污染物浓度减小的影响幅度最大,PM2.5浓度减小幅度分别为34.74%、34.08%,PM10浓度减小幅度分别为20.14%、31.72%;“低压北部型”和“槽东南型”对污染物浓度增大的影响幅度较大,PM2.5浓度增大幅度分别为21.72%、48.25%,PM10浓度增大幅度分别为11.09%、35.75%,其余天气形势对污染物浓度变化的影响幅度均为正值。

3 结论

(1)天气形势的变化对关中地区2014—2018年各季节的空气质量产生了重要影响。各年份各季节有利天气形势下污染物浓度均低于不利天气形势;春季、秋季和冬季有利天气形势下的PM2.5、PM10浓度相较不利天气形势下污染物浓度分别减少64.93%、57.14%,55.30%、49.50% 和46.61%、34.63%。夏季O3_8h_max在有利天气形势下相较不利天气形势下降28.80%。

(2)2014—2018年关中地区春季的天气形势以“低压北部型”和“槽西南型”为主;夏季的天气形势主要为“低压北部型”和“内陆高压型”;秋季天气形势以“低压北部型”和“内陆高压型”为主;相较其他三个季节,冬季天气形势的出现频率变化较为复杂。

(3)2014—2018年在各季节均呈现出当有利天气形势天数增加(不利天气形势天数减少)时,污染物浓度下降;当有利天气形势天数减少(不利天气形势天数增加)时,污染物浓度出现上升的规律。在2016年秋季出现的有利天气形势天数较2015年增加,但污染物平均浓度却高于2015年的现象,主要可能是由于沙尘天气增加所导致的。

(4)春、秋、冬季“槽西南型”和“高压东南型”对大气污染物浓度减小的影响幅度最大,夏季“低压北部型”和“过渡型”对O3_8h_max浓度减小的影响幅度最大,在各季节出现以上天气形势时,空气质量一般较好;其余天气形势对大气污染物浓度变化的影响幅度基本均为正值。

猜你喜欢
天气形势关中地区天数
羽翼与转化:朱子学在关中地区的接受和传播
质量管理工具在减少CT停机天数中的应用
抑郁筛查小测试
最多几天?最少几天?
生日谜题
2014年5月25日长沙暴雨天气过程分析
一次台风暴雨过程分析
关中流动重力测网的中小地震映震能力分析
基于安顺市“2014.6”局地暴雨情况简析
临夏州一次副高外围区域性暴雨天气分析