1. 引言
近年来城市的大气污染问题逐渐成为制约可持续发展和生态文明建设的重要因素 [1],环境空气质量已经引起政府和公众的广泛关注。很多人对空气质量特征及其与气象因素间的相关性行进分析研究 [2] [3] [4] [5],目前针对大气颗粒物与气象因子之间的相关性研究集中在温度、相对湿度、风、能见度、降水等因素。研究表表明:城市间的颗粒物浓度差异受大气环流形式、地形、污染物等众多因素的影响。当污染源排放相对稳定时,气象条件是颗粒物的稀释、扩散、输送过程产生的重要因素。另外,由于颗粒物散射和吸收的消光作用能够显著影响能见度 [6],因此大气能见度能够反映大气环境质量,国内外也进行了大量能见度与颗粒物质量浓度之间的研究 [7] [8] [9]。
目前缺少对延庆城区大气颗粒物与气象因素之间相关性的研究。本文通过2018~2019年环境监测站空气质量监测数据,研究大气颗粒物的污染特征,并结合对应的气象资料分析大气颗粒物污染受风向、风速、相对湿度、能见度等气象因素的影响情况,进一步了解延庆大气污染状况以及大气污染传输特征,找出空气质量与气象要素的关系。为气象预报服务积累经验,为本地大气污染防治提供科学依据。
2. 研究区域概况、数据来源及处理
2.1. 研究区域概况
延庆地处北京西北部,平均海拔500米以上,是首都西北部重要生态保育及区域生态治理协作区、生态文明示范区,拥有丰富的旅游资源,是2022年北京冬奥会三大赛区之一。近年来,延庆坚持把握生态涵养区的功能定位,着力开展森林城市建设,推动环境空气污染防治,全面改善环境空气质量,不断践行“生态文明,绿色发展”。
2.2. 数据来源
本文选用2018~2019年延庆区的颗粒物逐日和逐时平均浓度以及日平均风速、风向、相对湿度,定时能见度、相对湿度等气象资料进行数据分析,气象资料来源于延庆区气象局,颗粒物浓度数据来源于延庆区环保局。
2.3. 数据处理
空气质量标准统一采用国家环境空气质量标准(GB 3095-2012),PM10一级和二级标准质量浓度限值分别为50和150 μg/m3,PM2.5一级和二级标准质量浓度限值分别35和75 μg/m3。
运用Microsoft Excel 2010对气象数据和PM2.5和PM10浓度关系进行分析。
3. 空气质量特征
3.1. 空气质量年变化
图1、图2为延庆城区2018年和2019年的PM2.5和PM10不同日均质量浓度所占百分比。可以看出2018和2019年PM2.5日均质量浓度分别有18.4%、9.1%日数超过国家环境空气质量二级标准限值,PM10日均质量浓度分别有10.8%、6.1%日数超过国家环境空气质量二级标准限值。
![](//html.hanspub.org/file/7-2320587x9_hanspub.png)
Figure 1. Percentage of the average daily PM2.5 concentration in Yanging city from 2018 to 2019
图1. 2018~2019年延庆城区PM2.5不同日均质量浓度所占百分比
![](//html.hanspub.org/file/7-2320587x10_hanspub.png)
Figure 2. Percentage of the average daily PM10 concentration in Yanging city from 2018 to 2019
图2. 2018~2019年延庆城区PM10不同日均质量浓度所占百分比
3.2. 空气质量月分布
分析2018~2019年延庆城区颗粒物的月均质量浓度,整体上PM10和PM2.5质量浓度月变化趋势相似,且都呈现逐步下降趋势(图3)。可以看出PM10质量浓度的月变化大致为双峰单谷型,峰值一般出现在3~4月和11月,峰谷大致出现在6~8月份。PM2.5质量浓度2018年和2019年的月变化趋势有差异,2018年3月达到峰值,4月快速下降,5月小幅回升后再次下降并持续至9月达到谷底,之后持续上升至11月份达到次峰值。2019年则表现为1月PM2.5质量浓度达到峰值,之后持续下降至8月达到最低值,9月之后逐渐反弹回升至12月再次达到次峰值。
![](//html.hanspub.org/file/7-2320587x11_hanspub.png)
Figure 3. Monthly variation of PM10 and PM2.5 in Yanqing city from 2018 to 2019
图3. 2018~2019年延庆城区PM10和PM2.5月均质量浓度
3.3. 空气质量及其影响因子日变化
为确定地面气象要素对颗粒物的影响,对2019年PM2.5质量浓度和气象要素的逐时数据进行分析。由PM2.5质量浓度及其影响因子的日变化特征(见图4)可知,PM2.5质量浓度呈现双峰单谷型,分别于06时和17时起由低值两次升至波峰和次波峰,最低值出现在17时左右,最高值出现在09时左右,且夜间一直保持高浓度。对比细颗粒物与影响因子的日变化发现,能见度、相对湿度和风速的波峰和波谷与PM2.5质量浓度有一定的对应关系。由于太阳辐射和大气边界层的日变化 [10],能见度呈现单峰型分布,从09点开始逐渐提升,15时左右达到峰值;相对湿度呈现单峰单谷型分布,峰值出现在06时,谷值出现在15时;风速呈现单峰型分布,峰值出现在15时。
夜间颗粒物吸湿增长,且风速较低,空气污染物扩散条件差,颗粒物不断累积,能见度也缓慢降低。当06时起,热力扩散条件转好,人类开始活动,风速逐渐增加,相对湿度开始降低,PM2.5的积累和扩散同时存在,PM2.5在09时累积达到最大。之后随着风速增大,湿度继续降低,颗粒物开始减少,能见度转好。在15时左右,相对湿度达到最低,风速达到最大,能见度达到峰值,PM2.5浓度值也处于峰谷。17时左右,混合层高度降低,逆温层逐渐形成,不利于污染物扩散,PM2.5开始逐渐累积。
4. 气象条件对PM2.5和PM10的影响
选取2018~2019年PM2.5日均质量浓度超过环境空气质量二级标准限值的100个污染日和PM10日均质量浓度超过环境空气质量二级标准限值的61个污染日观测数据,并结合污染日对应的风速、风向和相对湿度进行统计分析,探究延庆城区颗粒物质量浓度与气象要素的相关性。
![](//html.hanspub.org/file/7-2320587x12_hanspub.png)
![](//html.hanspub.org/file/7-2320587x13_hanspub.png)
Figure 4. Diurnal variation characteristics of PM2.5 and its influencing factors in Yanqing city in 2019
图4. 2019年延庆城区PM2.5及其影响因子的日变化特征
4.1. 风向
将风向按16方位划分(图5),按照风向出现频数前5位由多到少依次排序为东北偏东风(ENE)、东风(E)、东北风(NE)、西南偏西(WSW)、东南偏东(ESE)。其中东北偏东、东风、东北风向出现频数分别占总风向的14.5%、10.2%、10.1%,是延庆城区的主导风向,其他风向出现的频数差别较小。
将PM10和PM2.5质量浓度与各风向结合进行分析(图6),结果表明,出现北风时PM10质量浓度最高,平均为99 μg/m3;出现东风时PM2.5质量浓度最高,平均为62 μg/m3,且大值区主要对应偏东风、偏南风,表明上述风向有利于空气污染物的堆积。
![](//html.hanspub.org/file/7-2320587x14_hanspub.png)
Figure 5. Wind direction rose map of Yanqing city
图5. 延庆城区风向玫瑰图
![](//html.hanspub.org/file/7-2320587x15_hanspub.png)
Figure 6. The average concentrations of PM10 and PM2.5 in each wind direction in Yanqing city
图6. 延庆城区各风向PM10、PM2.5平均浓度
4.2. 风速
以日平均风速5米/秒为阈值,按1米/秒间隔进行分析(表1),结果显示,日平均风速在2米/秒以下时PM2.5污染日数占比达到总污染日数的85%,PM10污染日数占比也达到总污染日数的72%,日平均风速大于3米/秒时未出现PM2.5污染日,但PM10污染日仍有8.2%,表明静稳天气不利于空气污染物的扩散,风力较大时一方面形成对流利于空气污染物扩散,但另一方面易使地面沙尘吹起形成扬尘,造成PM10污染。此外,PM10、PM2.5污染日数最大值并未出现在风力趋于静止(日平均风速≤1米/秒)阶段,其最大值对应在日平均风速1.1~2.0米/秒,PM2.5和PM10污染日数占比分别达到61.0%和63.9%,表明完全的空气静稳不利于空气污染物扩散但也不利于堆积,有一定的风力扰动但未形成较强的对流时,利于空气污染物的堆积。
![](Images/Table_Tmp.jpg)
Table 1. The influence of wind speed on air quality
表1. 风速对空气质量的影响
4.3. 相对湿度
将日平均相对湿度(以下用RH表示)结合PM2.5和PM10污染日数日均质量浓度进行分析(表2),可以看出,PM2.5污染日数占比在RH < 30时最小,仅为2%;在30~50区间时,占比随RH的增加而增加,且在40~50区间占比最高达24%;在RH ≥ 50时,占比随RH的升高而降低。PM10污染日数占比在RH < 30以及30~40区间相同,均为16.4%,在40~50区间占比最高达26.2%,在60以上时占比明显降低。总体看,PM2.5和PM10污染日数易发生在RH位于40~60区间,占比分别达到44%和49.2%。
![](Images/Table_Tmp.jpg)
Table 2. The influence of relative humidity on air quality
表2. 相对湿度对空气质量的影响
4.4. 大气浓见度与颗粒物污染物的关系
选取2019年1~12月PM2.5和大气能见度的小时数据,分析PM2.5质量浓度和大气能见度的相关性。考虑到降水能有效减小PM2.5质量浓度,因此剔除了降水时次,同时为了避免相对湿度对能见度的影响,将相对湿度划分为不同区域,绘制各区间内能见度和PM2.5质量浓度的散点分布趋势图,用幂函数拟合PM2.5质量浓度和能见度的散点分布,并得到能见度与PM2.5质量浓度的定量关系式。
![](//html.hanspub.org/file/7-2320587x16_hanspub.png)
Figure 7. Relationship between atmospheric visibility and PM2.5 concentration in Yanqing city under different relative humidity
图7. 延庆城区不同相对湿度下大气能见度与PM2.5浓度关系
![](Images/Table_Tmp.jpg)
Table 3. The quantitative relationship between visibility and PM2.5 mass concentration under different relative humidity conditions and the sensitive threshold of PM2.5 influence on visibility
表3. 不同相对湿度条件下能见度与PM2.5质量浓度的定量关系式及PM2.5对能见度的影响敏感阈值
由图7和表3可以看出,大气能见度与PM2.5质量浓度散点趋势分布成幂函数关系。结果表明,当RH < 40%,散点分布较为混乱,能见度与PM2.5的相关性较差。随着湿度增加,PM2.5质量浓度与大气能见度的非线性关系逐渐转好,当80% ≤ RH < 90%,两者相关性最强,相关系数为0.7958,当RH > 90%相关性开始减弱,这与白永清等人 [11] 的研究结果一致。
由于能见度与PM2.5浓度成幂函数关系,一定湿度条件下,当PM2.5低于某浓度阈值时,能见度随颗粒物浓度降低迅速升高,当高于该阈值时,能见度随颗粒物的变化不明显。本研究以能见度10 km确定为PM2.5的阈值,求得各湿度区间的PM2.5阈值,随着湿度的增加PM2.5的阈值逐渐减小。这表明由于颗粒物吸湿增长,空气中容纳污染物质量浓度减小,较小的颗粒物浓度就会大幅降低能见度。对于延庆而言,年相对湿度的均值为50%左右,当PM2.5高于69 μg/m3很容易出现低能见度天气。因此在大气污染治理时,初期PM2.5下降对能提高能见度的效果并不明显,一旦浓度超过阈值,能够大幅提升能见度,这对提高延庆城区大气能见度有重要指示意义。
5. 典型污染过程分析
选取11月22日~23日延庆城区经历的一次霾天气过程。图8~9可以看出,21日14时左右,风向转为偏东风,相对湿度增高,PM2.5质量浓度升高,能见度持续走至10 km以下。夜间风速较小且稳定,PM2.5开始累积并始终保持在100 μg/m3左右。22日06时,伴随着日变化,PM2.5质量浓度开始攀升,湿度降低,中午风速略有增大,在13时左右,相对湿度降低到69%,颗粒物浓度达到170 μg/m3,能见度维持在2~3 km。23日06时左右,PM2.5浓度再次攀升,并在12时达到200 μg/m3,直到23日21时左右,相对湿度开始迅速降低,随后PM2.5质量浓度降低,能见度有所好转。在23时,PM2.5浓度降至阈值以下,能见度随之迅速升至30 km,并在02时左右,风速开始增强,风向转为偏北风,相对数湿度降低到20%左右,此次过程结束。
![](//html.hanspub.org/file/7-2320587x17_hanspub.png)
Figure 8. Hourly wind speed and visibility in Yanqing city from 12 o’clock on November 21, 2019 to 24 o’clock on November 24, 2019
图8. 2019年11月21日12时~24日04时延庆城区小时风速与能见度
![](//html.hanspub.org/file/7-2320587x18_hanspub.png)
Figure 9. The PM2.5 concentration and relative humidity in Yanqing from 12 o’clock on November 21 to 24 o’clock on November 24 in 2019
图9. 2019年11月21日12时~24日04时延庆城区PM2.5浓度与相对湿度
在整个过程中,PM2.5随着湿度、风速风向的日变化有所起伏,但可能由于偏东风导致污染物传输,同时有水汽输送,相对湿度始终处于较高水平,致使低能见度和PM2.5浓度始终保持较高水平。此次过程并不能代表普遍的研究结论,还需要结合高空资料进一步分析研究。
6. 结论
1) 2018和2019年延庆城区整体上PM10和PM2.5质量浓度月变化趋势相似,且都呈现逐步下降趋势。从时间上看,PM10质量浓度年度的月变化大致为双峰单谷型,峰值一般出现在3~4月和11月,峰谷大致出现在6~8月份,PM2.5的月变化没有明显的周期特征。2019年PM2.5质量浓度日变化呈现双峰单谷型,分别于06时和17时起由低值两次升至波峰和次波峰,最低值出现在17时左右,最高值出现在09时左右。
2) 延庆城区主导风向为东北偏东风,占总风向频率的14.5%,在近地面吹北风时,PM10质量浓度最高,偏东风能够明显增加PM2.5质量浓度,导致空气质量下降。日平均风速处于1.1~2.0米/秒时,颗粒物污染日数占比达到最大值。
3) 当日平均相对湿度在40%~60%区间时,PM2.5和PM10污染日数占比相对比较集中。
4) 能见度随PM2.5增加呈幂指数降低,在80% ≤ RH < 90%区间,两者相关性最强。随着湿度增大,PM2.5的阈值逐渐变小,当延庆城区PM2.5的浓度超过69这个阈值时,就容易处于较低的大气能见度。
基金项目
北京市气象局科技项目——能见度仪在高山滑雪赛区的适用性研究(BMBKJ201904004)。