史俊南 陸 岳 趙天良# 龔山陵 張 磊

(1.南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，中國(guó)氣象局氣溶膠與云降水重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210044；2.中國(guó)氣象科學(xué)研究院，中國(guó)氣象局大氣化學(xué)重點(diǎn)開放實(shí)驗(yàn)室，北京 100081)

大氣污染不僅受當(dāng)?shù)匚廴驹磁欧诺挠绊懀才c氣象條件變化緊密相關(guān)。當(dāng)區(qū)域污染排放源固定時(shí)，氣象條件是導(dǎo)致空氣質(zhì)量變化的關(guān)鍵因素[1-4]。局地氣象條件主要受大尺度環(huán)流形勢(shì)，即天氣形勢(shì)的影響和制約。因此，研究天氣形勢(shì)對(duì)于大氣污染變化的影響具有重要的科學(xué)意義。

天氣形勢(shì)分型是研究大氣環(huán)流對(duì)于污染物濃度影響關(guān)系的重要手段。大氣污染天氣形勢(shì)分型主要是針對(duì)海平面氣壓、不同層次上的位勢(shì)高度場(chǎng)、風(fēng)場(chǎng)等要素的主觀[5]133,[6]或客觀分型[7-10]。主觀分型受預(yù)報(bào)員的主觀判斷影響，具有一定的局限性；客觀分型是通過對(duì)物理量矩陣的計(jì)算實(shí)現(xiàn)樣本集合的聚類分類，分型結(jié)果更為穩(wěn)定、客觀。許建明等[11]采用T-mode主成分分析法(PCA)研究上海地區(qū)PM2.5污染時(shí)將天氣形勢(shì)分為9類，指出冷鋒、高壓前部弱氣壓場(chǎng)，高壓后部弱氣壓場(chǎng)對(duì)上海秋冬季PM2.5環(huán)境質(zhì)量影響最為顯著；ZHANG等[12]利用Kirchhofer方法對(duì)華北地區(qū)850 hPa高度場(chǎng)的天氣形勢(shì)進(jìn)行客觀分型，發(fā)現(xiàn)靜穩(wěn)的天氣形勢(shì)有利于污染物的積聚，同時(shí)偏西和偏南風(fēng)會(huì)形成較強(qiáng)的污染傳輸，加重華北東部與北部的大氣污染；DENG等[13]研究廈門地區(qū)黑碳時(shí)空變化時(shí)對(duì)天氣形勢(shì)進(jìn)行半主觀(主觀+客觀)分型，結(jié)果顯示，高濃度黑碳往往與高壓控制的反氣旋環(huán)流有關(guān)。這些研究均揭示了天氣形勢(shì)與區(qū)域污染物濃度存在十分密切的關(guān)系。

江蘇北部城市群——徐州、連云港、淮安、宿遷(以下簡(jiǎn)稱“蘇北四市”)位于長(zhǎng)三角空氣重污染區(qū)北部。蘇北四市首要污染物均為PM2.5，并且PM2.5濃度季節(jié)變化表現(xiàn)為“冬高夏低”[14-17]。目前，關(guān)于該地區(qū)大氣污染與天氣形勢(shì)關(guān)系的案例研究較多，但缺乏基于大樣本數(shù)據(jù)的天氣形勢(shì)客觀分型研究。因此，本研究以蘇北四市為研究對(duì)象，利用PCA與K均值聚類的客觀分型方法對(duì)2015—2019年污染多發(fā)的冬季海平面氣壓場(chǎng)進(jìn)行分型，分析不同天氣形勢(shì)下氣象要素特征和PM2.5濃度變化，旨在完善中國(guó)東部沿海地區(qū)氣象場(chǎng)與污染濃度關(guān)系的研究，有助于該地區(qū)開展大氣污染預(yù)測(cè)工作。

1 資料與方法

1.1 數(shù)據(jù)資料

再分析資料為歐洲中期數(shù)值預(yù)報(bào)中心(ECMWF)2015—2019年的ERA5海平面氣壓場(chǎng)數(shù)據(jù)，采集空間20°N～50°N、100°E～130°E，空間分辨率為0.25°×0.25°；氣象資料為2015—2019年Micaps第一類地面全要素?cái)?shù)據(jù)，數(shù)據(jù)來自中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)，選取的氣象要素分別為溫度、相對(duì)濕度、風(fēng)速、風(fēng)向，時(shí)間分辨率為3 h；大氣污染物濃度資料來自于中國(guó)空氣質(zhì)量歷史數(shù)據(jù)網(wǎng)站(http://beijingair.sinaapp.com/)2015—2019年的PM2.5逐時(shí)質(zhì)量濃度數(shù)據(jù)。

1.2 分型方法

首先處理再分析資料的海平面格點(diǎn)數(shù)據(jù)，將每日8：00海平面氣壓場(chǎng)的二維數(shù)據(jù)(緯度×經(jīng)度)轉(zhuǎn)換為一維數(shù)組(格點(diǎn))，根據(jù)時(shí)間序列構(gòu)成二維矩陣(時(shí)間×格點(diǎn))；通過PCA在矩陣數(shù)據(jù)中提取4個(gè)主成分，累計(jì)方差貢獻(xiàn)率達(dá)到84.5%；對(duì)主成分?jǐn)?shù)據(jù)進(jìn)行K均值聚類，依據(jù)輪廓系數(shù)的極大值判定當(dāng)聚類數(shù)為7時(shí)聚類效果最好，因此將海平面環(huán)流天氣形勢(shì)分為7類。

1.3 PM2.5污染等級(jí)定義

根據(jù)《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ 633—2012)[18]，將地面PM2.5濃度劃分為6個(gè)等級(jí)，劃分標(biāo)準(zhǔn)見表1。

表1 PM2.5污染等級(jí)劃分標(biāo)準(zhǔn)Table 1 Standard for classification of PM2.5 pollution levels

2 結(jié)果與分析

2.1 天氣形勢(shì)分型

根據(jù)2015—2019年冬季(12月至次年2月)每日8：00的海平面氣壓場(chǎng)數(shù)據(jù)(共451個(gè)樣本)，結(jié)合PCA與K均值聚類的客觀分型方法將天氣形勢(shì)分為7類，不同天氣形勢(shì)下的海平面氣壓場(chǎng)見圖1。

類型1為冷鋒前部型，出現(xiàn)概率為5.5%。在該天氣形勢(shì)下，蘇北四市處于冷鋒前部，在內(nèi)蒙古附近存在一個(gè)冷高壓中心，高壓中心最大值為1 049.6 hPa，氣壓梯度大，蘇北地區(qū)地面平均風(fēng)速2.3 m/s，風(fēng)向以偏北風(fēng)、偏西北風(fēng)為主，相對(duì)濕度(54.9%)明顯低于其他幾種天氣形勢(shì)，平均溫度最低(-1.6 ℃)。

類型2為弱高壓環(huán)流型，出現(xiàn)概率為17.5%。該天氣形勢(shì)在西伯利亞存在一個(gè)高壓中心，強(qiáng)度弱于類型1，蘇北四市處于較弱的高壓環(huán)流之下，氣壓梯度小，平均風(fēng)速為2.4 m/s，風(fēng)向以偏東北風(fēng)為主，無明顯冷空氣過程或冷空氣較弱，相對(duì)濕度(75.9%)為7種天氣形勢(shì)中最高，平均溫度4.3 ℃。

類型3為高壓底部型，出現(xiàn)概率為13.7%。該天氣形勢(shì)在西伯利亞地區(qū)存在一個(gè)冷高壓中心，強(qiáng)度介于類型1與類型2之間，蘇北四市處于較強(qiáng)的氣壓梯度之下，地面風(fēng)速最大，平均風(fēng)速2.6 m/s，主導(dǎo)風(fēng)向?yàn)楸睎|北風(fēng)，相對(duì)濕度73.0%，平均溫度1.2 ℃。

類型4為高壓前部型，出現(xiàn)概率為14.0%。在該天氣形勢(shì)下，蘇北四市處于內(nèi)蒙古高壓弱環(huán)流的東側(cè)，氣壓梯度較弱，地面主導(dǎo)風(fēng)向以偏西北風(fēng)為主，相對(duì)濕度(60.1%)較低，僅高于類型1。

注：圖中黑色方框?yàn)樘K北四市所在區(qū)域。圖1 2015—2019年研究區(qū)冬季海平面氣壓場(chǎng)天氣形勢(shì)分型Fig.1 Synoptic patterns of sea level pressure in study area during winter from 2015 to 2019

類型5為低壓均壓場(chǎng)型，出現(xiàn)概率為13.3%。在該天氣形勢(shì)下，華北華中均受低壓均壓場(chǎng)控制，蘇北四市氣壓(1 019～1 022 hPa)低于其他形勢(shì)場(chǎng)，地面平均風(fēng)速(2.1 m/s)較前幾種分型小，風(fēng)向以偏東風(fēng)為主，相對(duì)濕度(74.4%)僅次于類型2，平均溫度(6.1 ℃)為所有天氣形勢(shì)中最高。

類型6為高壓均壓場(chǎng)型，出現(xiàn)概率為19.7%。在該天氣形勢(shì)下，江浙地區(qū)存在小范圍的弱高壓中心，地面風(fēng)速小，平均風(fēng)速1.7 m/s，主導(dǎo)風(fēng)向?yàn)槠巷L(fēng)以及偏東風(fēng)，相對(duì)濕度平均值為66.8%。

類型7為高壓環(huán)流型，出現(xiàn)概率為16.2%。在該天氣形勢(shì)下，中國(guó)北部大部分城市在冷高壓控制之下，蘇北四市位于高壓區(qū)域的底端，地面風(fēng)速最小，均值為1.6 m/s，無明顯的主導(dǎo)風(fēng)向，平均相對(duì)濕度61.0%，平均溫度1.3 ℃。

2.2 天氣形勢(shì)與PM2.5污染關(guān)系

圖2為7種天氣形勢(shì)下蘇北四市PM2.5日均質(zhì)量濃度的統(tǒng)計(jì)箱線圖。在不同天氣形勢(shì)下蘇北四市污染物濃度變化特征基本相似，總體看來，在類型2、5、6下PM2.5日均濃度平均值相對(duì)較高，其中連云港、宿遷在類型6下PM2.5日均質(zhì)量濃度平均值最高，分別為75.1、98.1 μg/m3；徐州、淮安在類型5下PM2.5日均質(zhì)量濃度平均值最高，分別為119.9、91.4 μg/m3。在類型1、3、7下，PM2.5日均濃度平均值都相對(duì)較低，除徐州在類型3、7下外，其他城市在這3種天氣形勢(shì)下的PM2.5日均質(zhì)量濃度平均值均未超過75 μg/m3。

圖2 蘇北四市7種天氣形勢(shì)下PM2.5日均質(zhì)量濃度分布特征Fig.2 Distribution characteristics of PM2.5 daily mean mass concentration in seven synoptic patterns for four cities of Northern Jiangsu

表2為各天氣形勢(shì)下不同PM2.5污染等級(jí)出現(xiàn)的頻率?？傮w看來，在類型2、5、6下，蘇北四市發(fā)生輕度及以上污染的頻率最高，除了臨海的連云港外，其他3個(gè)城市發(fā)生輕度及以上污染的頻率都達(dá)到55%以上；在類型1、3中，蘇北四市發(fā)生輕度及以上污染的頻率都要低于其他幾種天氣形勢(shì)，除了整體污染水平相對(duì)較高的徐州，其他3個(gè)城市發(fā)生輕度及以上污染的頻率均不超過40%。

表2 7種天氣形勢(shì)下PM2.5污染等級(jí)出現(xiàn)頻率Table 2 The frequency of different PM2.5 pollution levels in seven synoptic patterns %

為進(jìn)一步說明天氣形勢(shì)對(duì)PM2.5的影響，計(jì)算了蘇北四市不同天氣形勢(shì)下污染物濃度與全部樣本均值的距平。距平為正，說明該天氣形勢(shì)有利于PM2.5濃度增加，污染加重；距平為負(fù)，表明該天氣形勢(shì)下有利于PM2.5濃度減小，污染減輕。由表3可知，在類型2、5、6下，蘇北四市PM2.5日均質(zhì)量濃度距平都為正，其中類型5、6最為明顯，其中距平最大值出現(xiàn)在徐州類型5下，為21.1 μg/m3。在類型1、3、7下，蘇北四市PM2.5日均質(zhì)量濃度距平都為負(fù)。

表3 7種天氣形勢(shì)下蘇北四市PM2.5日均質(zhì)量濃度距平Table 3 The anomalies of PM2.5 mass concentration in seven synoptic patterns for four cities of Northern Jiangsu μg/m3

距平最小值出現(xiàn)在徐州類型1下，為-25.3 μg/m3。類型4下PM2.5日均濃度變化總體不明顯。

綜合7種天氣形勢(shì)下蘇北四市PM2.5濃度、污染等級(jí)出現(xiàn)頻率及PM2.5濃度距平，類型1、3、7可認(rèn)為是該地區(qū)清潔型天氣；類型2、5、6可認(rèn)為是污染型天氣。

2.3 不同天氣形勢(shì)下PM2.5濃度與氣象要素的關(guān)系

不同的天氣形勢(shì)會(huì)影響局地氣象要素時(shí)空分布，從而影響PM2.5濃度變化[19-20]。表4為7種天氣形勢(shì)下蘇北四市PM2.5日均質(zhì)量濃度、氣象要素日均值及兩者的相關(guān)系數(shù)。污染型天氣類型2、5、6下區(qū)域PM2.5日均質(zhì)量濃度分別為89.2、94.1、92.4 μg/m3，而清潔型天氣類型1、3、7下區(qū)域PM2.5日均質(zhì)量濃度分別為61.9、65.2、72.7 μg/m3。除類型1外，其他天氣形勢(shì)下風(fēng)速與PM2.5濃度有顯著的負(fù)相關(guān)性，較大風(fēng)速有利于地面污染物的擴(kuò)散稀釋，因此大風(fēng)是蘇北四市污染物濃度降低的主要?dú)庀笠蛩亍Ｓ捎谑芾涓邏嚎刂?，類?、3、7的溫度較其他幾種天氣形勢(shì)低，且3種天氣形勢(shì)下的氣壓與PM2.5濃度呈顯著的負(fù)相關(guān)性，說明冷空氣過程會(huì)對(duì)蘇北四市的污染物有一定的清除作用，這與WANG等[21]在研究天氣形勢(shì)對(duì)中國(guó)東部大氣污染分布的影響中得出的結(jié)論一致。在污染型天氣類型2、5、6下，均壓場(chǎng)與弱環(huán)流形勢(shì)下的水平擴(kuò)散條件較差，同時(shí)相對(duì)濕度往往較高(75.9%、74.4%、66.8%)，有利于污染物的吸濕增長(zhǎng)及二次顆粒物的形成，從而使得污染物濃度升高；地面平均溫度≥4.0 ℃，較高的溫度也促進(jìn)了光化學(xué)反應(yīng)的發(fā)生，加快了氣粒轉(zhuǎn)化，因此導(dǎo)致PM2.5濃度增大。戴竹君等[5]140通過主觀分型方法研究江蘇冬季霾時(shí)也得出均壓場(chǎng)是促進(jìn)重度霾發(fā)生的天氣形勢(shì)之一。

表4 7種天氣類型下的PM2.5日均質(zhì)量濃度、氣象要素日均值及兩者的相關(guān)系數(shù)1)Table 4 Averaged value of daily mean PM2.5 mass concentration and meteorological parameters， and their correlation coefficient in the seven synoptic patterns

3 結(jié) 論

用PCA與K均值聚類的客觀分型方法將2015—2019年蘇北四市冬季海平面氣壓場(chǎng)天氣形勢(shì)分為7種類型，分別為冷鋒前部型、弱高壓環(huán)流型、高壓底部型、高壓前部型、低壓均壓場(chǎng)型、高壓均壓場(chǎng)型和高壓環(huán)流型。其中，高壓均壓場(chǎng)型出現(xiàn)概率最高(19.7%)，而冷鋒前部型出現(xiàn)概率最低(5.5%)。

在7種天氣形勢(shì)中，良好的空氣質(zhì)量主要出現(xiàn)在冷鋒前部型、高壓底部型和高壓環(huán)流型3類與冷高壓密切相關(guān)的天氣形勢(shì)，屬于清潔型天氣，地面氣象要素表現(xiàn)為低溫、低濕和大風(fēng)，有利于PM2.5的擴(kuò)散。而在弱低壓環(huán)流型、低壓均壓場(chǎng)型和高壓均壓場(chǎng)型中，PM2.5污染水平較高，屬于污染型天氣，地面氣象要素表現(xiàn)為風(fēng)速較低，相對(duì)濕度較高，有利于污染物的積聚與生成。