1. 引言
国际标准化组织(ISO)通常将由于人类活动和自然过程引起某些物质进入大气中,呈现足够的时间,并因此而危害了人体的健康或者环境的现象称为大气污染。我国自改革开放以来,国民经济快速发展、城市化进程加快,加上我国产业能源结构的不合理 [1],大气污染在我国已成为常见问题之一。随着国家对西部地区发展的重视,西部地区城市快速发展,这导致了西部城市群区的大气污染日益加重。近年来,雾霾天气在西南地区频繁发生。其中大气污染的产生、增强、减弱又与气象条件息息相关,研究大气污染与气象条件的关系对空气质量的预报提供科学依据意义重大。
如今,空气污染已成为热门问题,并急需解决,许多学者对空气污染的来源、主要污染物、时空分布及其影响因素做了深入的研究。相关研究表明,在一定条件下,空气污染物浓度不仅与污染源排放程度有关,还跟气象条件息息相关,气象条件通过影响污染物的扩散、稀释和输送率等来影响污染物浓度 [2]。王式功、李文杰等研究分析了空气污染与气象要素之间的相关性,得出城市环境质量与气象因子之间的密切关系 [2] [3] [4] ;范广洲、颜玉倩等人以一次霾天气过程为研究对象指出了空气污染特征与气象特征的关系 [5] [6]。倪长健、周书华对成都地区大气边界层逆温的特征进行了分析 [7],邱海涛等研究指出逆温出现频率高、厚度大、强度高、维持时间长将限制大气污染物的稀释和扩散 [8] ;邓利群、钱俊等针对成都市进行了颗粒物污染与气象条件的关系研究 [9]。
成都平原地区是位于青藏高原以东的“死水区”,静小风出现频次较高,相对湿度大于80%,具有明显的“昼阴夜雨”的气候特点 [10],大气污染物主要来源于局地污染源,且不易扩散 [10]。因此研究成都平原地区空气污染与气象要素之间的关系和一般规律,对防治并改善当地空气污染有重要意义。借鉴前人对京津冀、长江珠三角地区等发达城市对空气污染及其气象特征分析的方法,本文对成都平原地区的空气污染分析和污染气象特征进行分析。分析2014~2016年3年来成都平原地区空气污染特征与气象因素的关系,了解两者之间的联系,为成都平原空气污染的预警预报及污染防治提供理论依据。
2. 数据来源及研究方法
2.1. 资料概况
本文采用的空气污染数据来自四川环境监测总站,数据包括成都、德阳和绵阳3市2014年3月10日~2016年12月31日,以及眉山市和资阳市2015年1月1日~2016年12月31日的逐日空气质量指数(AQI)、首要污染物、空气质量级别和空气质量状况。地面气象要素数据来源于中国气象数据网提供的中国地面气候资料日值数据集,本文采用与空气污染数据同期的成都、德阳、绵阳、眉山和资阳5个站点的数据,该数据集包括气压(hPa)、气温(℃)、相对湿度(%RH)、风速(m/s)及风向、日照时数(h)、水汽压(hPa)、24小时降水量(mm)等。高空气象要素数据来自学校气象台Micaps中的温江站探空资料。
2.2. 研究方法
1) 空气污染特征分析
1、AQI分析
本文使用四川省环境监测总站2014~2016年期间成都平原地区逐日AQI,根据《环境空气质量指数(AQI)技术规定(试行)》(HJ633-2012)中规定的空气质量指数范围及相应的空气质量级别,统计成都平原地区各质量级别天数和所占比例,并根据AQI逐日数据绘制出图,总结分析变化特征。归类出各个污染等级对应的天数,探讨成都平原地区从2014~2016年各季节空气污染分布特征和成都平原地区AQI的月际变化。
2、首要污染物分析
参与空气质量评价的主要污染物为PM2.5、PM10、SO2、O3、NO2、CO六项。统计数据并得出成都平原地区的首要污染物,具体分析首要污染物的月际变化。
2) 气象特征分析
1、地面要素分析
A、风场、风向、风速分析
统计分析各个站点主导风。风速直接影响大气污染物的扩散稀释能力。统计分析成都平原地区全年风速的季变化和月变化,计算出静小风出现的频率。
B、气温、相对湿度、降水、其他地面气象要素分析
分别对2014~2016年成都平原地区的气象要素进行季变化和月变化分析,并分析其与空气污染的关系。由于数据的缺失问题,选择成都市和绵阳市作为成都平原地区的代表城市进行研究分析。
2、边界层要素分析
A、大气稳定度
使用修订的帕斯奎尔大气稳定度分级法(P-T-C法)进行统计,将5个站点的2014~2016年的逐日4次定时观测资料(总、低云量和风速),以及太阳高度角(h),由表查出太阳辐射等级 [11],再由地面风速值及太阳辐射等级,将稳定度状况进行分级,分为A(强不稳定)、B(不稳定)、C(弱不稳定)、D(中性)、E(较稳定)、F(稳定)和过渡型(A-B、B-C、C-D)九个稳定度见表3,统计得出地区各大气稳定度出现频率,本文选择08时、14时和20时三个时次下大气稳定度数据,由于数据的缺失问题,选择污染最严重的成都市和污染最轻的绵阳市作为成都平原地区的代表城市进行研究分析。
B、混合层高度
大气混合层高度是反映污染物在铅垂方向扩散的重要参数,也是影响大气污染物扩散的主要气象因子之一 [12]。根据环评导则提供的混合层高度的计算公式,其表达式为:
当大气稳定度为A、B、C、D时:
(1)
当大气稳定度为E和F时:
(2)
式中:
,h为混合层高度(E、F时指近地层厚度) m,
为10 m高度处平均风速,风速大于6 m/s时取为6 m/s,
、
为混合层系数。当稳定度为A、B、C和D类时,四川地区分别取0.037、0.048、0.031和0.022,当为E和F类时分别取1.66、0.7。
C、逆温层
本文使用温江站的第一层逆温层数据(第一层逆温层是指将距地高度最低的逆温层),计算出逆温层厚度、温差和逆温强度(逆温强度是指每上升100 m气温增加的值 [13] )。分析逆温强度、厚度和温差的季和月的变化特征。
3) 空气污染和气象特征的关系
结合前面两者的分析,利用SPSS17.0分析软件计算Pearson相关系数来衡量空气污染与气象要素之间的相关性,分别阐述地面要素与空气污染的相关性及边界层要素对污染的影响及其相关性。
3. 空气污染特征分析
3.1. AQI分析
经过数据检查,排除无效数据后得到有效样本数据成都为1018天,德阳为1019天,绵阳为1026天,眉山为729天,资阳为726天。
![](Images/Table_Tmp.jpg)
Table 1. 5 days pollution level days in Chengdu Plain
表1. 成都平原地区5市污染等级天数
由表1污染天数及污染比率可知,近几年来5市的空气质量状况是成都最差,其次是眉山、德阳、资阳,绵阳最优。
对上述数据进一步进行季节分布分析(表2),都平原地区III级及以上污染日数比率的季节分布情况显示:绵阳的空气状况最好的季节为夏季(6.16%),冬季最严重(47.71%)。其他4个城市空气状况最好的季节都为秋季,冬季最严重。总而言之,成都平原整体呈现秋季空气状况好于其他季节,夏季次之、冬季最差。
![](Images/Table_Tmp.jpg)
Table 2. Seasonal distribution of pollution days ratios of Class III and above in Chengdu Plain (%)
表2. 成都平原地区III级及以上污染日数比率的季节分布(%)
对成都平原地区2014~2016年(眉山和资阳为2015~2016年)有效样本的逐日AQI进行统计分析,可得出AQI日变化曲线(图1、图2)。
根据图1、图2可知,空气污染在春冬季节较为严重,秋夏季节较轻。再对成都平原地区AQI进行季和月际变化分析(图3),可以看出,原地区的AQI在秋季最低,冬季最高。成都、德阳、眉山和资阳4个城市AQI月平均最低的为秋季3个月;月平均最高为冬季3个月;绵阳AQI月平均最低的三个月为8月、9月、11月,月平均最高的三个月为1月,2月和5月。再一次证实了成都平原地区整体污染最严重的为冬季,最轻为秋季。
![](//html.hanspub.org/file/4-2420303x15_hanspub.png)
Figure 1. AQI change curve of March 10, 2014 - December 31, 2016, AQI curve of Meishan city and Ziyang city January 1, 2015 - December 31, 2016
图1. 成德绵3市2014年3月10日~2016年12月31日AQI日变化曲线、眉山和资阳市2015年1月1日~2016年12月31日AQI变化曲线
![](//html.hanspub.org/file/4-2420303x16_hanspub.png)
Figure 2. AQI change curve of March 10, 2014 - December 31, 2016, AQI curve of Meishan city and Ziyang city January 1, 2015 - December 31, 2016
图2. 成德绵3市2014年3月10日~2016年12月31日AQI日变化曲线、眉山和资阳市2015年1月1日~2016年12月31日AQI变化曲线
根据图1、图2可知,空气污染在春冬季节较为严重,秋夏季节较轻。再对成都平原地区AQI进行季和月际变化分析(图3),可以看出,原地区的AQI在秋季最低,冬季最高。成都、德阳、眉山和资阳4个城市AQI月平均最低的为秋季3个月;月平均最高为冬季3个月;绵阳AQI月平均最低的三个月为8月、9月、11月,月平均最高的三个月为1月,2月和5月。再一次证实了成都平原地区整体污染最严重的为冬季,最轻为秋季。
![](//html.hanspub.org/file/4-2420303x17_hanspub.png)
Figure 3. Seasonal variation and monthly variation of AQI in 5 cities of Chengdu Plain
图3. 成都平原5市AQI的季节变化和月变化曲线
3.2. 首要污染物分析
通过分析各项污染物浓度的日变化,发现CO、SO2全年变化不明显,其余4种污染物(PM2.5, PM10, O3, NO2)较突出,对成都平原地区2016年全年的PM2.5、PM10、O3、NO2处理分析,图4可知,PM2.5、PM10、NO2变化趋势大致相同,在夏季浓度最低,尤其是在7月;冬季最为严重,浓度最高的月份基本上都在12月。而O3则是相反,夏季最高,冬季最低。
(a) (b)
(c) (d)
(e)
Figure 4. Characteristics of monthly variation of main pollutant concentrations in Chengdu Plain in 2016
图4. 2016年成都平原地区主要污染物浓度月际变化特征
分析各级污染天气的首要污染物,发现中、重度污染的首要污染物仍以可吸入颗粒物(PM10)和细颗粒物(PM2.5)为主。统计结果表明首要污染物为可吸入颗粒物(PM10)和细颗粒物(PM2.5)时所有天数和占污染样本日数比例为:占成都污染日总数的62.75%;占德阳污染日总数的67.36%;占绵阳污染日总数的70.50%;占眉山污染日总数的75.15%;占资阳污染日总数的65.0%。因此,可吸入性颗粒物(PM10)和细颗粒物(PM2.5)是成都平原地区大气污染的最主要污染物。再对5市2016年PM10和PM2.5的浓度变化具体分析(图5),可知两者的浓度变化与季节相关:冬季最高,夏季最低,月平均最高在12月,最低在7月。结合图4可知夏季O3浓度较高导致AQI较高,使得夏季AQI不是最低,出现秋季污染最轻的状况。
4. 空气污染和气象特征的关系
4.1. 地面气象要素与AQI的关系
通过对已选空气污染样本数据(AQI)和气象要素在月份尺度和日尺度求取平均值,利用SPSS17.0中的相关分析,得到表3和表4。
表3中数据分析结果显示:
成都的月均AQI与气压呈显著正相关,相关系数为0.56,与水汽压、降水、温度呈显著负相关,相关系数分别为−0.714,−0.51,−0.669。绵阳的月均AQI与气压呈显著正相关,相关系数为0.507,与风速、相对湿度、降水、温度呈显著负相关,相关系数分别为−0.453、−0.645、−0.368、−0.676。
表4中数据分析结果显示:成都的AQI与日均气压和日照时数呈显著正相关,与风速、气温、水汽压、相对湿度、降水量呈显著负相关,与风向不相关。绵阳的AQI与日均气压和日照时数呈显著正相关,与风速、气温、水汽压、相对湿度、降水量呈显著负相关,与风向不相关。
![](//html.hanspub.org/file/4-2420303x21_hanspub.png)
Figure 5. Monthly average curve of PM2.5 and PM10 in Chengdu Plain in 2016
图5. 2016年成都平原地区PM2.5和PM10月均变化曲线
![](Images/Table_Tmp.jpg)
Table 3. Correlation between AQI and meteorological elements on monthly mean scale
表3. AQI与气象要素在月平均尺度上的相关性
注:“**”表示在0.01水平(双侧)上显著相关,“*”表示在0.05水平(双侧)上显著相关。
![](Images/Table_Tmp.jpg)
Table 4. Correlation of meteorological elements with AQI on daily average scale
表4. 气象要素在日均尺度上与AQI的相关性
注:“**”表示在0.01水平(双侧)上显著相关,“*”表示在0.05水平(双侧)上显著相关。
4.2. 边界层要素与空气污染的关系
4.2.1
. 大气稳定度与AQI的关系
以2014~2016年08时的大气稳定度数据和每日AQI数据,得到可用共样本935天,达到III级及其以上的样本数为361,根据不同稳定度下污染比率(图6),在大气稳定度为不稳定类时(B, C),污染比率是13.3%,中性和不稳定类时(D, E)的污染比率是86.7%,中性时的污染比率最高。结合前面的空气污染分析和大气稳定度分析可知:大气稳定度对污染物的扩散有影响,当大气稳定度越高,污染越容易发生,当大气层结处于不稳定状态时,风和湍流扩散作用较强故不易污染。
![](//html.hanspub.org/file/4-2420303x22_hanspub.png)
Figure 6. Pollution ratio at 08:00
图6. 08时稳定度下的污染比率
4.2.2
. 混合层高度与AQI的关系
选取2014~2016年逐日08时混合层数据,用SPSS软件分析混合层高度和AQI的相关性,从表5数据结果显示:
![](Images/Table_Tmp.jpg)
Table 5. Correlation between AQI and mixed layer height
表5. AQI与混合层高度的相关性
注:“**”表示在0.01水平(双侧)上显著相关,“*”表示在0.05水平(双侧)上显著。
AQI与08时混合层高度在月平均尺度上呈显著负相关,相关系数为−0.185,在日尺度上不相关。
4.2.3. 逆温层与AQI的关系
采用逆温层物理量和AQI数据,用SPSS分析其相关性得到表6,由表6数据结果显示:AQI的月均值与逆温层强度呈显著正相关,相关系数为0.573。AQI与08时的逆温层温差呈显著正相关,相关系数为0.122。
![](Images/Table_Tmp.jpg)
Table 6. Correlation between AQI and inversion layer
表6. AQI与逆温层的相关性
注:“**”表示在0.01水平(双侧)上显著相关,“*”表示在0.05水平(双侧)上显著相关。
5. 结论
综上所诉,本文主要结论包括以下几个方面:
1) 统计结果分析表明,成都平原地区空气污染状况以成都最为严重,眉山 > 德阳 > 资阳 > 绵阳,整体的空气污染状况呈现明显的季节变化特点,冬季污染最严重,秋季最轻。成都平原地区的首要污染物为可吸入颗粒物(PM10)和细颗粒物(PM2.5),夏季颗粒物浓度最低,但因O3浓度在夏季达到最高,空气污染加剧,使得空气污染状况最好的季节不是夏季而是秋季。
2) 气象要素与空气污染的关系:风速、水汽压、降水、相对湿度、温度、混合层高度与AQI呈负相关,气压、大气稳定度、逆温层强度与AQI呈正相关,风向对于污染物的扩散无显著影响。不同时间尺度上的相关性不一样,日照时数和风速在月均尺度上与AQI不相关,而在日均尺度上相关。
基金项目
成都信息工程大学本科教学工程项目(BKJX2019007,BKJX2019013,BKJX2019042,BKJX2019056,BKJX2019062,BKJX2019081,BKJX2019089,BKJX2019120和JY2018012)支持。