焦亞音,孟 凱*,杜惠云,馬志淳

京津冀中南部污染氣象貢獻(xiàn)的時(shí)空變化特征

焦亞音1,孟 凱1*,杜惠云2,馬志淳1

(1.河北省環(huán)境氣象中心,河北 石家莊 050021；2.中國(guó)科學(xué)院大氣物理研究所大氣邊界層物理與大氣化學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100029)

基于環(huán)境氣象評(píng)估指數(shù)(EMI,environmental meteorology index ),以石家莊、邢臺(tái)、邯鄲、衡水四個(gè)京津冀中南部重點(diǎn)城市為研究對(duì)象,對(duì)2013～2018年的氣象條件變化時(shí)空分布特征進(jìn)行分析.結(jié)果顯示: EMI指數(shù)與經(jīng)過(guò)去趨勢(shì)處理的PM2.5濃度的相關(guān)系數(shù)達(dá)0.88,說(shuō)明EMI指數(shù)具有較好的可靠性,能夠可靠性地應(yīng)用于大氣環(huán)境評(píng)價(jià)和重污染天氣過(guò)程評(píng)估業(yè)務(wù);基于氣象條件對(duì)PM2.5濃度貢獻(xiàn)的定量分析方法,計(jì)算得到2013～2018年月度氣象條件對(duì)PM2.5濃度變化的貢獻(xiàn)率,定量分析不同月份的氣象條件變化,可有效評(píng)價(jià)不同污染程度月份的氣象條件影響.此外,該定量方法在重大活動(dòng)期間氣象條件和減排效果評(píng)估中得到有效應(yīng)用; 從冬季氣象定量貢獻(xiàn)的空間分布來(lái)看,在京津冀中南部的山前地區(qū)形成EMI正距平百分比高值區(qū),除人為排放較高外,惡劣的氣象條件是京津冀中南部顆粒物污染嚴(yán)重的重要原因.

環(huán)境氣象評(píng)估指數(shù)(EMI)；氣象條件；PM2.5濃度；定量影響

根據(jù)生態(tài)環(huán)境部發(fā)布的《2020年全國(guó)生態(tài)環(huán)境質(zhì)量簡(jiǎn)況》顯示,2020年全年,京津冀及周邊地區(qū)PM2.5平均濃度為51μg/m3,同比2013年約下降51.9%.在嚴(yán)格落實(shí)大氣污染防治措施的情況下,顆粒物排放得到一定的控制,但該地區(qū)重污染天氣仍時(shí)有發(fā)生[1],僅2016年12月京津冀地區(qū)就出現(xiàn)了五次持續(xù)性大范圍的重污染天氣過(guò)程.在當(dāng)前仍然嚴(yán)峻的空氣污染形勢(shì)下,迫切需要對(duì)顆粒物污染的復(fù)雜形成機(jī)制和氣象影響進(jìn)行深入探究[2-5].

大氣污染排放和不利氣象條件是導(dǎo)致空氣污染的重要原因[6-7].國(guó)內(nèi)外諸多學(xué)者已經(jīng)開(kāi)展了很多相關(guān)的研究,如江琪等[8]發(fā)現(xiàn)北京市PM2.5濃度與風(fēng)速、混合層高度和降水呈負(fù)相關(guān);呂夢(mèng)瑤等[9]發(fā)現(xiàn)京津冀地區(qū)重污染過(guò)程與均壓場(chǎng)、小風(fēng)、高濕、逆溫以及混合層高度較低等不利的氣象條件有關(guān).此外一些研究通過(guò)主觀和客觀方法分析空氣污染過(guò)程所對(duì)應(yīng)的天氣形勢(shì),歸納總結(jié)出空氣污染天氣類(lèi)型.例如:Sun等[10]運(yùn)用聚類(lèi)分析方法指出四川盆地重污染過(guò)程主要的形勢(shì)背景分為弱高壓型、均壓場(chǎng)、高壓前部型;污染消散期間的天氣類(lèi)型為低壓前部型、低壓型、低壓底部型;張瑩等[11]利用PCT客觀分型方法,總結(jié)了華北地區(qū)冬半年9種污染天氣類(lèi)型,其中均壓場(chǎng)型、高壓內(nèi)部型和高壓后部型為重污染潛勢(shì)天氣型.但以上研究均是從定性的角度分析氣象條件對(duì)污染的影響,缺乏定量分析,難以起到量化大氣環(huán)境評(píng)估、科學(xué)制定防治措施的參考意義.

一些研究借助污染氣象條件的量化指標(biāo),實(shí)現(xiàn)氣象條件對(duì)PM2.5影響的定量分析.Allwine等[12]首次提出了可以反映大氣水平擴(kuò)散條件的滯留指數(shù)概念.廖碧婷等[13]基于天氣預(yù)報(bào)中的K指數(shù)、沙氏指數(shù)和抬升指數(shù)得到垂直交換系數(shù),利用其對(duì)大氣的垂直輸送能力進(jìn)行評(píng)估.張恒德等[14-15]基于統(tǒng)計(jì)結(jié)果和預(yù)報(bào)經(jīng)驗(yàn)選取氣象因子,建立了靜穩(wěn)天氣指數(shù),該指數(shù)對(duì)于持續(xù)重污染過(guò)程有一定的指示意義.朱蓉等[16]基于大氣污染數(shù)值預(yù)報(bào)系統(tǒng),定義了大氣自凈能力指數(shù),以此研究大氣對(duì)污染物清除能力的全國(guó)分布特征,并嘗試應(yīng)用于大氣污染潛勢(shì)預(yù)報(bào).但目前對(duì)污染氣象條件的定量診斷較為籠統(tǒng),無(wú)法滿足環(huán)境氣象業(yè)務(wù)對(duì)深入量化大氣污染氣象條件影響的迫切需求.劉洪利等[17]通過(guò)數(shù)值方法計(jì)算得到環(huán)境氣象評(píng)估指數(shù)(EMI),包括大氣對(duì)污染物的稀釋擴(kuò)散、輸送、沉降以及二次轉(zhuǎn)化等過(guò)程,相對(duì)于其他污染氣象條件指數(shù),其物理意義更加明確.氣象條件對(duì)空氣質(zhì)量的影響不容忽視,迫切需要量化氣象條件對(duì)PM2.5濃度變化的貢獻(xiàn),進(jìn)而科學(xué)客觀評(píng)估大氣污染治理的效果.本文以京津冀中南部顆粒物污染問(wèn)題最為突出的石家莊、衡水、邢臺(tái)、邯鄲4個(gè)城市為研究對(duì)象,基于環(huán)境氣象評(píng)估指數(shù)(EMI)開(kāi)發(fā)氣象條件定量貢獻(xiàn)算法,分離出氣象條件和排放對(duì)PM2.5濃度變化的分別貢獻(xiàn)率,開(kāi)展氣象條件和減排措施影響的定量分析;采用去趨勢(shì)、距平處理等統(tǒng)計(jì)方法,從時(shí)間和空間角度分析2013～2018年京津冀中南部氣象條件變化特征.以期對(duì)深入理解京津冀中南部顆粒物污染氣象成因提供依據(jù),為大氣環(huán)境評(píng)估和大氣污染治理工作提供有實(shí)際應(yīng)用價(jià)值和指示意義的科學(xué)方法.

1 資料與方法

利用2013～2018年京津冀中南部重點(diǎn)城市(石家莊、邢臺(tái)、邯鄲、衡水)大氣成分地面監(jiān)測(cè)站PM2.5濃度觀測(cè)數(shù)據(jù)、基于中國(guó)氣象局空氣質(zhì)量預(yù)報(bào)模式CUACE開(kāi)發(fā)的環(huán)境氣象評(píng)估指數(shù)和基于歐洲中期天氣預(yù)報(bào)中心(ECMWF)模式預(yù)報(bào)資料開(kāi)發(fā)的靜穩(wěn)指數(shù)展開(kāi)分析討論(2013年9～11月PM2.5觀測(cè)數(shù)據(jù)缺測(cè)).

1.1 環(huán)境氣象評(píng)估指數(shù)的定義

本文基于環(huán)境氣象評(píng)估指數(shù)(EMI)研究氣象條件對(duì)京津冀中南部污染貢獻(xiàn)的時(shí)空分布.劉洪利等[17]給出EMI指數(shù)的定義,即EMI為PM2.5濃度變化中氣象條件貢獻(xiàn)的無(wú)量綱綜合指數(shù),EMI指數(shù)越大表征氣象條件越不利于近地面大氣中PM2.5稀釋與擴(kuò)散,EMI指數(shù)越小表示氣象條件越有利.EMI用地面到1500m高度氣柱內(nèi)示蹤物平均濃度與參考濃度的比值表示.計(jì)算見(jiàn)式 (1):

式中:iEmid、iTran和iDiff分別表示地表交換層的排放沉降項(xiàng)、水平和垂直方向的大氣輸送項(xiàng)以及垂直擴(kuò)散項(xiàng).可以看出,環(huán)境氣象評(píng)估指數(shù)(EMI)是通過(guò)數(shù)值模擬計(jì)算得到氣象條件影響下氣溶膠排放、沉降、傳輸和擴(kuò)散等過(guò)程的綜合指數(shù).

1.2 靜穩(wěn)指數(shù)的定義

靜穩(wěn)指數(shù)可定量反映大氣靜穩(wěn)程度,表征大氣對(duì)污染物的傳輸擴(kuò)散能力.指數(shù)越大,表明氣象條件越不利.根據(jù)京津冀地區(qū)具體情況構(gòu)建本地靜穩(wěn)指數(shù),主要步驟如下:①篩選有關(guān)靜穩(wěn)天氣形成的氣象要素.結(jié)合預(yù)報(bào)經(jīng)驗(yàn)最終選取近地面溫度、露點(diǎn)、相對(duì)濕度、風(fēng)速風(fēng)向、變溫、變壓、925hPa垂直速度、1000～850hPa逆溫、海平面氣壓等氣象要素;②確定各氣象要素的閾值和分配權(quán)重,計(jì)算得到靜穩(wěn)指數(shù),為重污染天氣過(guò)程預(yù)報(bào)和污染減排評(píng)估業(yè)務(wù)的開(kāi)展提供數(shù)據(jù)支撐.

1.3 去趨勢(shì)分析法

基于簡(jiǎn)單線性去趨勢(shì)的方法[18-20],首先對(duì)PM2.5濃度時(shí)間序列進(jìn)行線性回歸分析,判斷PM2.5濃度時(shí)間序列是否存在顯著遞減的趨勢(shì),若存在線性趨勢(shì),將原數(shù)據(jù)序列中去除線性趨勢(shì)值,使之轉(zhuǎn)化成穩(wěn)定的PM2.5時(shí)間序列,PM2.5數(shù)據(jù)變?yōu)?/p>

PM2.5*=PM2.5-=PM2.5-(2)

式中:PM2.5為去趨勢(shì)后濃度;PM2.5為實(shí)際濃度;為線性擬合值;為擬合斜率.對(duì)得到的PM2.5*濃度進(jìn)行統(tǒng)計(jì)分析為去趨勢(shì)分析.

1.4 氣象條件對(duì)PM2.5濃度貢獻(xiàn)的定量分析方法

參照基于EMI指數(shù)的氣象條件對(duì)PM2.5濃度貢獻(xiàn)的定量分析方法[21-22],定量分離氣象條件和排放貢獻(xiàn),計(jì)算得到其他年份相同時(shí)段相對(duì)基準(zhǔn)年的PM2.5濃度變化率R、排放變化率R(表征排放變化對(duì)PM2.5濃度變化的貢獻(xiàn)率)、氣象條件變化率R(表征氣象因素對(duì)PM2.5濃度變化的貢獻(xiàn)率),正值代表氣象條件同比不利,負(fù)值代表氣象條件同比有利.見(jiàn)式(3～5).

排放變化率

式中:不同年份相同時(shí)段PM2.5濃度分別為12,單位為μg/m3;排放率為12,單位為mg/(m3×s),氣象條件為EMI1EMI2,無(wú)量綱.

本文以2013～2018年同期平均值為基準(zhǔn)年,計(jì)算得到2013～2018年各月的氣象條件變化率和PM2.5濃度變化率.

2 結(jié)果與分析

2.1 EMI指數(shù)可靠性檢驗(yàn)

逐年采取不同的減排措施且減排力度均有所不同, PM2.5濃度存在著逐年遞減的變化趨勢(shì)(圖1a),直接分析PM2.5濃度,不利于逐年P(guān)M2.5濃度進(jìn)行橫向?qū)Ρ?因此,為了去除人為排放逐年變化的影響,對(duì)PM2.5濃度進(jìn)行了線性去趨勢(shì)處理,得到去趨勢(shì)后PM2.5*濃度.去趨勢(shì)后(圖1b),4～9月PM2.5*濃度較低,六年均值低于150μg/m3;10月PM2.5*濃度開(kāi)始增高;12月及來(lái)年1月PM2.5*濃度上升至最高,六年均值高于220μg/m3.

從圖2可以看出,環(huán)境氣象評(píng)估指數(shù)(EMI)與PM2.5*濃度有一致的季節(jié)變化趨勢(shì).4～9月處于全年最低值,低于4,氣象條件較好;10月之后EMI指數(shù)逐漸上升,氣象條件逐漸轉(zhuǎn)差;12月及來(lái)年1月EMI指數(shù)全年最高,氣象條件最差. PM2.5*濃度變化與EMI指數(shù)有著很好地對(duì)應(yīng)趨勢(shì).從靜穩(wěn)指數(shù)的變化趨勢(shì)和季節(jié)變化來(lái)看,其與PM2.5*濃度的相關(guān)性明顯低于EMI- PM2.5*關(guān)系,尤其是6～9月靜穩(wěn)指數(shù)偏高,表明氣象條件較差,這與PM2.5*濃度季節(jié)變化特征不能對(duì)應(yīng);而秋冬季靜穩(wěn)指數(shù)與EMI指數(shù)、PM2.5*濃度季節(jié)變化趨勢(shì)相似.EMI指數(shù)與去趨勢(shì)前PM2.5濃度的相關(guān)系數(shù)為0.78,與去趨勢(shì)PM2.5*濃度的相關(guān)系數(shù)上升至0.88(圖3);而靜穩(wěn)指數(shù)與去趨勢(shì)前后PM2.5濃度的相關(guān)系數(shù)只有0.48、0.71,明顯低于EMI指數(shù)與PM2.5濃度的相關(guān)性(以上相關(guān)系數(shù)均通過(guò)了0.001水平的顯著性檢驗(yàn)).通過(guò)與PM2.5觀測(cè)濃度和靜穩(wěn)指數(shù)對(duì)比,說(shuō)明EMI指數(shù)能夠更好地解析月、季、年尺度污染氣象條件貢獻(xiàn),可用于大氣環(huán)境評(píng)價(jià)和重污染天氣過(guò)程評(píng)估,具有很好的可靠性.

圖1 非去趨勢(shì)和去趨勢(shì)的2013～2018年京津冀中南部重點(diǎn)城市PM2.5平均濃度的月變化

Fig.1 The monthly variation of non-detrended and detrended PM2.5 average concentration in key cities of central and southern BTH region from 2013 to 2018, m3

2.2 重污染過(guò)程及重大活動(dòng)期間氣象條件定量貢獻(xiàn)的分析

通過(guò)計(jì)算2013～2018年歷年氣象條件變化率(即氣象條件對(duì)PM2.5*濃度變化的貢獻(xiàn)率),可以發(fā)現(xiàn),京津冀中南部重點(diǎn)城市氣象條件貢獻(xiàn)呈現(xiàn)不同的年際變化特征.與2013～2018年均值相比,2013年、2015年和2016年氣象條件總體不利,分別導(dǎo)致京津冀中南部PM2.5*濃度上升4.8%、1.3%和1.0%,2014年氣象條件與多年平均基本持平(-0.1%),2017年和2018年氣象條件有利,使PM2.5*濃度分別下降2.4%和4.7%.

從各月的PM2.5*濃度以及PM2.5*重污染日數(shù)(PM2.5*濃度大于200μg/m3)分布來(lái)看,2013年1月PM2.5*平均濃度最高(圖4),重污染日數(shù)最多,與基準(zhǔn)年同期相比,2013年1月PM2.5*濃度偏高32%(圖5),其中,不利的氣象條件導(dǎo)致PM2.5*濃度升高16%,氣象貢獻(xiàn)占比達(dá)50%,說(shuō)明不利的氣象條件是2013年1月京津冀中南部出現(xiàn)重污染天氣的主要原因之一.受不利的氣象條件和較高的人為排放共同影響, 2013年1月成為2013～2018年顆粒物污染最嚴(yán)重的月份.

自2013年9月“大氣國(guó)十條”發(fā)布以來(lái),京津冀地區(qū)實(shí)施了一系列空氣污染防治措施.京津冀中南部地區(qū)PM2.5*的累積過(guò)程明顯變緩, PM2.5*濃度開(kāi)始持續(xù)下降,再無(wú)出現(xiàn)2013年1月類(lèi)似的重污染月份.2016年2月PM2.5*濃度為130μg/m3,重污染日數(shù)較少, PM2.5*濃度較基準(zhǔn)年同期大幅下降,幅度高達(dá)29%,其中有利的氣象條件使PM2.5*濃度下降15%,減排措施貢獻(xiàn)和氣象條件貢獻(xiàn)相當(dāng),在有利的氣象條件和人為減排共同影響下,2016年2月為近6年冬季污染最輕的月份.

本文對(duì)于一些社會(huì)重大活動(dòng)及減排政策實(shí)施效果進(jìn)行了深入分析.2014年亞太經(jīng)合組織(APEC)會(huì)議在北京懷柔召開(kāi),為保障會(huì)期的空氣質(zhì)量,京津冀及周邊地區(qū)自11月1日起實(shí)施了一系列的減排措施.APEC會(huì)議當(dāng)月(2014年11月),京津冀中南部重點(diǎn)城市PM2.5*月均濃度為166μg/m3,重污染日數(shù)為11d,PM2.5*濃度小幅下降(約3%).其中氣象條件使PM2.5*濃度下降約1%,人為減排貢獻(xiàn)(60.1%)大于氣象條件貢獻(xiàn)(39.9%).本文與文獻(xiàn)[23-24]均得到了排放率和PM2.5濃度降低、氣象貢獻(xiàn)較減排貢獻(xiàn)小的一致結(jié)論,但本文氣象貢獻(xiàn)明顯小于Zhang等[25]基于PLAM指數(shù)對(duì)北京市的氣象貢獻(xiàn)占比(64.3%),可能與研究區(qū)域、評(píng)估方法以及評(píng)估時(shí)段差異有關(guān).

2015年9月3日在北京舉行中國(guó)人民抗日戰(zhàn)爭(zhēng)勝利紀(jì)念日閱兵儀式,為做好閱兵期間空氣質(zhì)量保障工作,京津冀及周邊地區(qū)先后實(shí)施重污染企業(yè)停產(chǎn)、機(jī)動(dòng)車(chē)單雙號(hào)行駛、建筑工地停工等空氣質(zhì)量保障措施.“九三閱兵”當(dāng)月(2015年9月),京津冀中南部重點(diǎn)城市PM2.5*月均濃度為2013～2018年同期的最低值(113μg/m3),且無(wú)重污染日,氣象條件使PM2.5*濃度升高接近于1%,而PM2.5*濃度下降10%,說(shuō)明氣象條件對(duì)本次活動(dòng)期間的污染改善影響不大,主要在于減排措施的實(shí)施.此外,曹天慧等[26]結(jié)果同樣也發(fā)現(xiàn)減排方案對(duì)北京市PM2.5濃度下降起著關(guān)鍵的控制作用.以上分析一致說(shuō)明,減排措施的實(shí)行是閱兵期間京津冀中南部及周邊地區(qū)空氣質(zhì)量明顯改善的主要原因.

自2017年京津冀及周邊地區(qū)開(kāi)始實(shí)施煤改氣(電)政策以來(lái),與多年同期均值相比,2017年冬季(2017年11月～2018年1月),京津冀中南部重點(diǎn)城市重污染平均日數(shù)大幅度減少,PM2.5*濃度比實(shí)施之前降幅明顯,從月尺度來(lái)看,較基準(zhǔn)年同期下降10%～ 15%,其中,氣象條件使中南部重點(diǎn)城市PM2.5*濃度下降9%～11%.2017年冬季京津冀中南部空氣質(zhì)量改善是減排和氣象條件好轉(zhuǎn)共同的結(jié)果;2018年12月氣象條件變化率低于1%,氣象條件與多年均值基本持平,而PM2.5*月均濃度下降達(dá)7%,重污染日數(shù)低于多年均值.氣象條件作用微小且起到負(fù)面作用,空氣質(zhì)量的改善主要依靠減排的作用,減排措施有效地降低了污染強(qiáng)度和時(shí)間,煤改氣政策實(shí)施效果顯著.

圖4 2013～2018年各月京津冀中南部重點(diǎn)城市PM2.5*平均濃度分布(取對(duì)數(shù)處理,并乘以100)及PM2.5*平均濃度大于200μg/m3的日數(shù)分布

圖5 2013～2018年不同月份京津冀中南部重點(diǎn)城市PM2.5*濃度變化率及氣象條件變化率

由以上分析可見(jiàn),氣象條件對(duì)PM2.5濃度貢獻(xiàn)的定量分析方法可在年際變化、月變化以及重大活動(dòng)的氣象條件和減排效果評(píng)估中實(shí)現(xiàn)應(yīng)用,在定量分析空氣質(zhì)量變化的人為排放與氣象條件貢獻(xiàn)中可以發(fā)揮重要作用.

2.3 京津冀中南部冬季氣象條件定量影響的空間分布特征

通過(guò)計(jì)算冬季EMI指數(shù)距平百分比,分析氣象條件影響的空間分布特征.EMI指數(shù)表征氣象條件影響下PM2.5排放、傳輸、擴(kuò)散以及沉降等整體效應(yīng)[22],采用2013～2018年全年EMI指數(shù)的平均值作為參考標(biāo)準(zhǔn),將每年冬季EMI指數(shù)與平均值的差值除以平均值所得的百分率,作為每年冬季距平百分比,其中正值代表氣象條件相對(duì)不利,負(fù)值表示氣象條件相對(duì)有利.從冬季EMI距平百分比分布(圖6)可以看出,京津冀地區(qū)燕山-太行山脈以南為EMI正距平區(qū),EMI距平百分比為正值,說(shuō)明冬季污染氣象條件影響與地形密切相關(guān).污染氣象條件最不利的區(qū)域?yàn)榫┙蚣街心喜刻猩角靶纬傻腅MI正距平百分比高值區(qū),說(shuō)明京津冀中南部平原地區(qū)受到最不利的氣象條件影響,除人為排放較高外,惡劣的氣象條件是該地區(qū)空氣污染嚴(yán)重的重要原因.

此外,冬季氣象條件存在明顯的年際變化特征.其中,2013年和2016年為冬季EMI正距平百分比最高的年份,氣象條件最不利,易于出現(xiàn)較嚴(yán)重的重污染天氣.歷史觀測(cè)數(shù)據(jù)表明2016年12月29日至2017年1月9日,京津冀地區(qū)出現(xiàn)持續(xù)12天的跨年重污染天氣過(guò)程,這與圖中EMI距平百分比高值區(qū)相對(duì)應(yīng),表明該持續(xù)時(shí)間長(zhǎng)的跨年重污染過(guò)程與氣象條件是緊密相關(guān)的.2014年和2017年為冬季EMI正距平百分比最低的年份,說(shuō)明2014年和2017年冬季氣象條件相對(duì)較好,與這兩年較好的空氣質(zhì)量是對(duì)應(yīng)的(圖4).

圖6 2013～2018年冬季京津冀中南部及周邊地區(qū)EMI距平百分比分布

圖中虛線為地形高度,單位:m

2013～2018年冬季EMI距平百分比的空間分布表明,石家莊、邢臺(tái)、邯鄲及衡水等地的氣象條件最差;保定北部、北京北部、張家口北部、承德等地的氣象條件較好或略差;其他地區(qū)的氣象條件較差.Xu等[27]和Zhu等[28]研究發(fā)現(xiàn)冬季PM2.5濃度空間分布呈現(xiàn)中國(guó)大地形半包圍結(jié)構(gòu)內(nèi)的PM2.5濃度較高,河北中南部PM2.5污染最重的特征;Meng等[29]發(fā)現(xiàn)燕山-太行山前沿線存在次尺度渦旋擾動(dòng)序列,氣象條件較差,為污染脆弱區(qū).這與冬季EMI距平百分比的空間分布相一致.此外,本文進(jìn)一步給出了京津冀中南部及周邊地區(qū)冬季氣象條件空間影響的量化描述.

3 結(jié)論

3.1 EMI指數(shù)與PM2.5濃度有一致的季節(jié)變化趨勢(shì). 2013～2018年京津冀中南部四個(gè)重點(diǎn)城市的EMI平均值與去趨勢(shì)后的PM2.5*濃度的相關(guān)系數(shù)為0.88.相比靜穩(wěn)指數(shù),EMI能夠更好地解析月、季、年尺度污染氣象條件貢獻(xiàn).該指數(shù)可用于大氣環(huán)境評(píng)價(jià)和重污染天氣過(guò)程評(píng)估,具有很好的可靠性.

3.2 通過(guò)氣象條件對(duì)PM2.5濃度貢獻(xiàn)的定量分析方法評(píng)價(jià)不同年份及不同月份的氣象條件影響,與2013～2018年均值相比,2013年、2015年和2016年氣象條件不利(4.8%、1.3%和1.0%),2014年氣象條件與多年平均基本持平(-0.1%),2017年和2018年氣象條件有利(-2.4%和-4.7%).2013年1月為顆粒物污染最嚴(yán)重的月份,PM2.5*濃度偏高32%,其中,氣象條件不利導(dǎo)致PM2.5*濃度升高了16%,氣象貢獻(xiàn)占比達(dá)50%;2016年2月為冬季污染最輕的月份, PM2.5*濃度下降高達(dá)29%,有利的氣象條件使PM2.5*濃度下降15%,減排措施貢獻(xiàn)和氣象條件貢獻(xiàn)相當(dāng).

3.3 此外,該定量方法可以在重大活動(dòng)期間氣象條件和減排效果評(píng)估中得到有效應(yīng)用.評(píng)估結(jié)果表明:APEC會(huì)議當(dāng)月氣象條件和減排措施共同對(duì)空氣質(zhì)量改善起到正向作用,但氣象條件作用較小,減排貢獻(xiàn)大于氣象貢獻(xiàn);“九三閱兵”當(dāng)月氣象條件略不利,減排措施對(duì)空氣質(zhì)量改善起到主導(dǎo)作用.該方法從氣象貢獻(xiàn)的角度定量評(píng)估氣象條件和減排措施對(duì)PM2.5濃度下降的作用.

3.4 從氣象條件定量貢獻(xiàn)的空間分布來(lái)看,不利的氣象條件受到地形分布的影響,在京津冀中南部的山前地區(qū)形成EMI正距平百分比高值區(qū).總體來(lái)看,除人為排放較高外,惡劣的氣象條件是京津冀中南部空氣污染嚴(yán)重的重要原因.此外,本文進(jìn)一步給出了京津冀中南部及周邊地區(qū)冬季氣象條件空間影響的量化描述.

[1] Zhu W, Xu X, Zheng J, et al. The characteristics of abnormal wintertime pollution events in the Jing-Jin-Ji region and its relationships with meteorological factors [J]. Science of The Total Environment, 2018,626:887-898.

[2] Kang H, Zhu B, Gao J, et al. Potential impacts of cold frontal passage on air quality over the Yangtze River Delta, China [J]. Atmos. Chem. Phys., 2019,19:3673–3685.

[3] Chen S, Jiang N, Huang J, et al. Estimations of indirect and direct anthropogenic dust emission at the global scale [J]. Atmospheric environment, 2019,200:50-60.

[4] 陳顥元,王曉琦,程水源,等.京津冀和長(zhǎng)三角地區(qū)一次重霾過(guò)程氣象成因及傳輸特征 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(6):2481-2492.

Chen H Y, Wang X Q,Cheng S Y, et al. Analysis of meteorological causes and transmission characteristics of a heavy haze process in Beijing Tianjin Hebei and Yangtze River Delta [J]. China Environmental Science, 2021,41(6):2481-2492.

[5] 尹曉梅,李梓銘,喬 林,等.北京冬季疫情期間空氣質(zhì)量及氣象影響分析 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(5):1985-1994.

Yin X M, Li Z M, Qiao L, et al. Effect analysis of meteorological conditions on air quality during the winter COVID-19 lockdown in Beijing. China Environmental Science, 2021,41(5):1985-1994.

[6] Zhang X, Xu X, Ding Y, et al. The impact of meteorological changes from 2013 to 2017 on PM2.5mass reduction in key regions in China. Sci. China Earth Sci., 2019,62:1885–1902.

[7] Sun J, Liang M, Shi Z, et al. Investigating the PM2.5mass concentration growth processes during 2013～2016 in Beijing and Shanghai [J]. Chemosphere, 2019,221:452-463.

[8] 江 琪,王 飛,張恒德,等.北京市PM2.5和反應(yīng)性氣體濃度的變化特征及其與氣象條件的關(guān)系[J]. 中國(guó)環(huán)境科學(xué), 2017,37(3):829- 837.

Jiang Q, Wang F, Zhang H D, et al. Analysis of temporal variation characteristics and meteorological conditions of reactive gas and PM2.5in Beijing [J].China Environmental Science, 2017,37(3):829-837.

[9] 呂夢(mèng)瑤,張恒德,王繼康,等.2015年冬季京津冀兩次重污染天氣過(guò)程氣象成因 [J]. 中國(guó)環(huán)境科學(xué), 2019,39(7):2748-2757.

Lü M Y, Zhang H D, Wang J K, et al. Analysis of meteorological causes of two heavily polluted weather processes in Beijing-Tianjin- Hebei Region in winter of 2015 [J]. China Environmental Science, 2019,39(7):2748-2757.

[10] Sun Y, Niu T, He J K, et al. Classification of circulation patterns during the formation and dissipation of continuous pollution weather over the Sichuan Basin, China [J]. Atmospheric Environment, 2019, 117244.

[11] 張 瑩,王式功,賈旭偉,等.華北地區(qū)冬半年空氣污染天氣客觀分型研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2018,38(10):43-50.

Zhang Y, Wang S G, Jia X W, et al. Study on an objective synoptic typing method for air pollution weather in north China during winter half year [J]. Acta Scientiae Circumstantiae, 2018,38(10):43-50.

[12] Allwine K J, Whiteman C D, Single-station integral measures of atmosphere Stagnation, recirculation and ventilation [J]. Atmospheric Environment, 1994,28(4):713-721.

[13] 廖碧婷,吳 兌,陳 靜,等.灰霾天氣變化特征及垂直交換系數(shù)的預(yù)報(bào)應(yīng)用[J]. 熱帶氣象學(xué)報(bào), 2012,28(3):417-424.

Liao B T, Wu D, Chen J, et al. Astudy of the variation trends of haze and application of the vertical exchange coefficient [J]. Journal of Tropical Meteorology, 2012,28(3):417-424.

[14] 張恒德,呂夢(mèng)瑤,張碧輝,等.2014年2月下旬京津冀持續(xù)重污染過(guò)程的靜穩(wěn)天氣及傳輸條件分析[J]. 環(huán)境科學(xué)學(xué)報(bào), 2016,36(12): 4340-4351.

Zhang H D, Lu M Y, Zhang B H, et al. Analysis of the stagnant meteorological situation and the transmission condition of continuous heavy pollution course from February 20 to 26, 2014 in Beijing- Tianjin-Hebei [J]. Acta Scientiae Circumstantiae, 2016,36(12):4340- 4351.

[15] 張恒德,張碧輝,呂夢(mèng)瑤,等.北京地區(qū)靜穩(wěn)天氣綜合指數(shù)的初步構(gòu)建及其在環(huán)境氣象中的應(yīng)用[J]. 氣象, 2017,43(8):998-1004.

Zhang H D, Zhang B H, Lü M Y, et al. Development and application of stable weather index of Beijing in environment metrorology [J]. Meteorological Monthly, 2017,43(8):998-1004.

[16] 朱 蓉,張存杰,梅 梅.大氣自凈能力指數(shù)的氣候特征與應(yīng)用研究[J]. 中國(guó)環(huán)境科學(xué), 2018,38(10):3601-3610.

Zhu R, Zhang C J, Mei M. The climate characteristics of atmospheric self-cleaning ability index and its application in China [J]. China Environmental Science, 2018,38(10):3601-3610.

[17] 劉洪利,龔山陵,何建軍,等.環(huán)境氣象評(píng)估指數(shù)EMI原理及應(yīng)用[Z]. 第35屆中國(guó)氣象學(xué)會(huì)年會(huì), 2018.

Liu H L, Gong S L, He J J, et al. The theory and application of evaluation on meteorological condition index for air pollution [Z]. The 35th Annual Meeting of China Meteorological Society, 2018.

[18] 李 雪,黃選瑞,張先亮.不同去趨勢(shì)方法對(duì)樹(shù)輪氣候信號(hào)識(shí)別的影響.生態(tài)學(xué)報(bào), 2021,41(5):1970-1978.

Li X, Huang X R, Zhang X L. Influences of different detrending methods on identifying the climate signals from tree-ring analysis [J]. Acta Ecologica Sinica, 2021,41(5):1970-1978.

[19] 周孝煌,鄭彥佳,徐 琳,等.基于去趨勢(shì)分析的中國(guó)溫帶旱柳開(kāi)花始期對(duì)氣候變暖的響應(yīng) [J]. 中國(guó)農(nóng)業(yè)氣象, 2018,39(9):559-566.

Zhou X H, Zheng Y J, Xu L, et al. Detrending time series improves the response offlowering to climate in China’s temperate zone [J]. Chinese Journal of Agrometeorology, 2018,39(9): 559-566.

[20] 王 婷.青藏高原積雪對(duì)陸面過(guò)程水熱輸送的影響研究 [D]. 成都:成都信息工程大學(xué), 2019.

Wang T. Study on the effects of snow cover on hydrothermal transport in land surface processes over Qinghai-Tibetan Plateau [D]. Chengdu: Chengdu University of Information Technology, 2019.

[21] QX/T 479-2019 PM2.5氣象條件評(píng)估指數(shù)(EMI) [S].

QX/T 479-2019 Evaluation on meteorological condition index of PM2.5pollution [S].

[22] Gong S, Liu H, Zhang B, et al. Assessment of meteorology vs. control measures in the China fine particular matter trend from 2013 to 2019 by an environmental meteorology index [J]. Atmospheric Chemistry and Physics, 2021,21(4):2999-3013.

[23] 梅 梅,徐大海,朱 蓉,等.基于城市大氣環(huán)境荷載指數(shù)的大氣污染排放變率估算 [J]. 中國(guó)環(huán)境科學(xué), 2020,40(2):465-474.

Mei M, Xu D H, Zhu R, et al. Quantitative estimation of air pollutant emission rate based on urban atmospheric load index [J].China Environmental Science,2020,40(2):465-474.

[24] 賈 佳,郭秀銳,程水源.APEC期間北京市PM2.5特征模擬分析及污染控制措施評(píng)估 [J]. 中國(guó)環(huán)境科學(xué), 2016,36(8):2337-2346.

Jia J, Guo X R, Cheng S Y. Numerical study on the characteristics of PM2.5in Beijing and the assessment of pollution control measures during APEC [J].China Environmental Science, 2016,36(8):2337- 2346.

[25] Zhang Y, Wang J,Yang Y, et al. Contribution distinguish between emission reduction and meteorological conditions to "Blue Sky" [J]. Atmospheric Environment, 2018,190(OCT.):209-217.

[26] 曹天慧,王 哲,張 晶,等.“9﹒3”閱兵期間協(xié)同減排措施對(duì)北京市大氣PM2.5質(zhì)量濃度及其來(lái)源影響的數(shù)值模擬 [J]. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017,53(2):201-207.

Cao T H, Wang Z, Zhang J, et al. Impact of coordinated emission controls on concentrations and sources of PM2.5in Beijing during“9﹒3”military parade: a numerical model [J]. Journal of Beijing Normal University (Natural Science),2017,53(2):201-207.

[27] Xu X, Zhao T, Liu F, et al. Climate modulation of the Tibetan Plateau on haze in China [J]. Atmospheric Chemistry & Physics Discussions, 2015,15(3):28915-28937.

[28] Zhu W, Xu X, Zheng J, et al. The characteristics of abnormal wintertime pollution events in the Jing-Jin-Ji region and its relationships with meteorological factors [J]. Science of The Total Environment, 2018,626:887-898.

[29] Meng K, Xu X, Xu X, et al. The causes of “vulnerable regions”to air pollution in winter in the Beijing-Tianjin-Hebei region: a topographic-meteorological impact model based on adaptive emission constraint technique. Atmosphere, 2019,10(11):719.

Spatial-temporal characteristics of the contributions to the particle pollution meteorological conditions in central and southern Beijing-Tianjin-Hebei (BTH) region.

JIAO Ya-yin1, MENG Kai1*, DU Hui-yun2, MA Zhi-chun1

(1.Hebei Provincial Environmental Meteorological Center, Shijiazhuang 050021, China；2.State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China)., 2021,41(11)：4982～4989

In this study, environmental meteorology index (EMI) from model simulation of CMA (China Meteorological Administration) was used to analyze the spatial and temporal distribution characteristics of meteorological conditions variation during 2013～2018 in four key cities of central and southern Beijing-Tianjin-Hebei (BTH) region (Shijiazhuang, Xingtai, Handan and Hengshui). The results showed that, the correlation coefficient between EMI and the detrended PM2.5concentration was up to 0.88. EMI had high reliability, and could be applied to atmospheric environment assessment and the meteorological condition evaluation during heavy polluted processes; the contributions of monthly meteorological condition to PM2.5concentration variation during 2013～2018 were calculated by the quantitative analysis method based on EMI. The influence of meteorological conditions in months with different atmosphere pollution degrees could be effectively evaluated by quantitatively analyzing the monthly variations of meteorological conditions. In addition, the quantitative analysis method had been effectively applied in the evaluation of meteorological conditions and emission reduction effect on PM2.5pollution during important events; According to the spatial distribution of meteorological conditions in winter, it was found that the regions with high positive EMI anomaly percentage concentration were those over central and southern BTH region in front of Taihang-Mountain, which indicated that severe weather conditions were the important reasons for the serious PM2.5pollution in central and southern BTH region, in addition to the high anthropogenic emissions.

environmental meteorology index (EMI)；meteorological conditions；PM2.5pollution；quantitative impact

X513

A

1000-6923(2021)11-4982-08

焦亞音(1990-),女,河北邯鄲人,工程師,碩士,主要從事環(huán)境氣象研究.

2021-04-07

河北省自然科學(xué)基金資助項(xiàng)目(D2020304038),河北省氣象局科研項(xiàng)目(19ky27)

* 責(zé)任作者, 高級(jí)工程師, macka@foxmail.com