杜筱筱，劉煒樺，趙曉莉，王 婷，成 翔

(四川省氣象災(zāi)害防御技術(shù)中心，成都 610072)

引 言

近些年隨著城市化進程的不斷加快，大氣污染物的排放日益增加，空氣污染事件頻繁發(fā)生，大氣質(zhì)量問題受到大眾廣泛關(guān)注。受污染源排放、地形特征、氣象條件、污染防控措施等影響，不同城市的污染天氣發(fā)生頻次和嚴重等級也各有不同。成都人口密集，機動車保有量居全國第二，地理位置處于四川盆地西部，北部秦嶺大巴山對冷空氣的阻擋，使其成為冬季空氣污染多發(fā)的區(qū)域之一。

眾多專家學(xué)者已對成都大氣污染進行了研究，貼地逆溫及靜風(fēng)的穩(wěn)定大氣抑制污染物擴散[1]，輻射逆溫層的形成對污染物濃度的增長有促進作用[2]；成都地區(qū)的能見度與相對濕度的相關(guān)性最高[3]；當海平面天氣形勢受高壓前部型、低壓底部型、低壓型和均壓場型影響時成都容易出現(xiàn)污染天氣[4]。受新冠肺炎疫情影響，2020年1月23日武漢宣布封城，全國上下進行了短期的限行減產(chǎn)，這一特殊時期的天氣和空氣質(zhì)量特征，為常態(tài)化的大氣污染防治研究提供了一個背景場。肖致美等[5]已對天津市新冠疫情期間和非新冠疫情時期兩次重污染天氣污染特征進行研究，新冠疫情重污染過程期間二次離子、機動車和揚塵貢獻率有明顯下降，但燃煤和工業(yè)排放依然是PM2.5最主要的污染來源。目前對成都市新冠疫情特殊時期的空氣質(zhì)量相關(guān)研究還較少，本文對比2020年1月28～30日新冠疫情背景場，對2019年1月22～26日成都市一次連續(xù)污染過程，進行對比研究，以期為大氣污染防治提供技術(shù)支撐。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

大氣污染物濃度數(shù)據(jù)來自于成都市環(huán)境空氣質(zhì)量國控站點：金泉兩河(99052)、十里店(99053)、三瓦窯(99054)、沙河鋪(99055)、君平街(98537)、大石西路(92017)，監(jiān)測站點位置和成都市地形如圖1所示?？諝赓|(zhì)量指數(shù)AQI和首要污染物，由大氣污染物濃度根據(jù)HJ633-2012計算得來。地面氣象要素數(shù)據(jù)為國家氣象信息中心研制的CLDAS2.0實時數(shù)據(jù)產(chǎn)品(空間分辨率0.05°×0.05°)插值到以上環(huán)境監(jiān)測站點的中心點(104.1°E，30.64°N)得來，混合層高度利用CLDAS2.0數(shù)據(jù)根據(jù)羅氏法計算得到[6]。逆溫資料來源于溫江站L波段雷達每日08時和20時的探空數(shù)據(jù)；大氣環(huán)流形勢背景資料為MICAPS數(shù)據(jù)；溫度和風(fēng)的剖面圖數(shù)據(jù)為NCEP的1°×1°的再分析網(wǎng)格點數(shù)據(jù)；計算后向軌跡、潛在源區(qū)貢獻(PSCF)分析所需的氣象數(shù)據(jù)來自美國國家環(huán)境預(yù)報中心提供的GDAS氣象數(shù)據(jù)(ftp://arlftp.arlhq.noaa.gov/pub/archives)。

圖1 成都市地形和站點位置分布

1.2 方法

1.2.1 后向軌跡模式

是一種用于計算和分析大氣污染物的輸送、擴散軌跡的專業(yè)模型，被廣泛應(yīng)用于多個地區(qū)的大氣污染物傳輸和擴散研究中[7～9]。本文采用Meteoinfo的后向軌跡模式TrajStat模擬成都市距地500 m，每小時后向72 h的氣流軌跡，使用angle distance算法進行聚類分析，得到不同的軌跡輸送類。

1.2.2 潛在源區(qū)貢獻因子分析(PSCF)

是一種基于經(jīng)過i經(jīng)度、j緯度區(qū)域的氣團到達觀測點時對應(yīng)的某要素值超過設(shè)定閾值的條件概率函數(shù)來判斷污染源位置的方法。PSCF值是所選研究區(qū)域內(nèi)經(jīng)過網(wǎng)格ij的污染軌跡數(shù)(mij)與該網(wǎng)格上經(jīng)過所有軌跡數(shù)(nij)的比值[10-11]，即PSCF= mij/ nij，當分母nij很小時，PSCF不確定性就會很大。因此，引入Wij權(quán)重因子，當某一網(wǎng)格中的nij小于研究區(qū)內(nèi)每個網(wǎng)格內(nèi)平均軌跡端點數(shù)的3倍時[12-13]，就使用Wij來減小PSCF的不確定性。權(quán)重函數(shù)如下：

(1)

其中，Wij表示權(quán)重因子，nij表示經(jīng)過(i，j)網(wǎng)格的所有軌跡。

1.2.3 濃度權(quán)重軌跡分析法(CWT)

是在確定了潛在源區(qū)的基礎(chǔ)上，進一步計算潛在源區(qū)污染軌跡的權(quán)重濃度，得出不同源區(qū)對成都地區(qū)污染貢獻[10～13]，計算方法如下：

(2)

式中，Cij是網(wǎng)格ij上的平均權(quán)重濃度；k是軌跡，M是軌跡總數(shù)；Ck是軌跡k經(jīng)過網(wǎng)格ij時對應(yīng)成都市PM2.5的質(zhì)量濃度；τijk是軌跡k在網(wǎng)格ij停留的時間。公式(1)中的Wij權(quán)重函數(shù)也適用于CWT中，以減少nij較小時所引起的不確定性。

2 結(jié)果與分析

2.1 “2019年1月22～26日”污染過程和新冠疫情期間空氣質(zhì)量實況

2019年1月22～26日，成都市出現(xiàn)了一次時間長達5d的連續(xù)污染過程，小時最高AQI為209，達到重度污染等級，從變化趨勢上可知(圖2)，AQI和6個測站的PM2.5濃度的變化趨勢一致，呈逐日累積增大的趨勢。除24日外，同時伴有顯著的“單峰型”日變化特征，峰值出現(xiàn)在上午11時左右，峰谷出現(xiàn)在17時。24日是因為在零時，成都市重污染天氣應(yīng)急辦公室起動重污染天氣黃色預(yù)警(成氣應(yīng)辦[2019]3號)，排放源減少，人為降低大氣污染物濃度，使增速放緩，但在氣象條件不利于污染物的稀釋、擴散和清除的背景下，大氣環(huán)境對污染物有累積的作用，使25日、26日空氣質(zhì)量持續(xù)變差。

圖2 2019年1月22～26日成都市PM2.5濃度和AQI逐時變化曲線

受新冠肺炎疫情影響，2020年1月23日武漢封城，24日春節(jié)開始放假，加之假期延長至2月2日，這段時間全國進行了最嚴格的限行限工。對成都市這段時間的AQI和PM2.5日值進行分析(圖3)，23日空氣質(zhì)量為中度污染，隨著24日假期開始，AQI由155減為77，在24日至2月2日期間，空氣質(zhì)量等級均為良，PM2.5濃度平均值44.5μg/m3，AQI和PM2.5濃度變化趨勢一致，首要污染物均是PM2.5。

圖3 2020年1月23日～2月2日成都市PM2.5濃度和AQI逐日變化曲線

2.2 環(huán)流形勢背景和氣象要素分析

天氣現(xiàn)象與氣象狀況都是在相應(yīng)的天氣形勢背景下產(chǎn)生的，天氣形勢決定了氣象要素的分布和變化，繼而決定了大氣的擴散能力和污染物的空間和區(qū)域特征。通過對此次污染過程和2020年1月23日～2月2日疫情期間500hPa和海平面氣壓場分析，選取和2019年1月22～26日的大氣環(huán)流形勢較為接近的2020年1月28～30日做背景場。具體如下：

2.2.1 “2019年1月22～26日” 500hPa環(huán)流形勢

2019年1月22～26日500hPa環(huán)流形勢為“兩槽一脊”型，如圖4所示，兩個低槽分別位于烏拉爾山至死海以北，以及鄂霍茨克海以西至我國東北地區(qū)，高壓脊在西西伯利亞到我國天山以北地區(qū)，南支槽位于青藏高原以西至孟加拉灣一帶，成都主要受緯向西風(fēng)和弱脊前的偏北氣流影響，經(jīng)向環(huán)流弱，無南支波動。

圖4 500hPa高度場“兩槽一脊”型

2019年1月22～26日成都地區(qū)海平面氣壓場有3種類型：低壓頂部型和均壓場型(圖5～圖6)。低壓頂部型在攀西地區(qū)和云南一帶有低壓中心存在，低壓形成于北伸的倒槽中，成都位于低壓區(qū)的北部或東北部，曾勝蘭等[14]研究指出，此種類型容易導(dǎo)致污染加重。均壓場型出現(xiàn)時成都處于高壓和低壓之間的過渡帶，內(nèi)部氣壓梯度和風(fēng)速變化小，不利于污染物的清除和擴散。

(G：高壓；D：低壓)

(G：高壓；D：低壓)

2.2.2 新冠疫情背景場環(huán)流形勢(2020年1月28～30日)

2020年1月28～30日500hPa中高緯的環(huán)流形勢和2019年1月22～26日污染過程同為“兩槽一脊”型，成都受弱脊前部偏北氣流影響，天氣形勢穩(wěn)定少變。海平面氣壓場為均壓場，氣壓梯度小，不利于污染物的清除。從環(huán)流形勢背景場看，2020年1月28～30日和此次污染過程2019年1月22～26日大體一致，基本處于歷史同期，有相近的氣候背景場，可作為背景場進行對比分析。

2.2.3 氣象要素特征

相對濕度會影響顆粒物消光系數(shù)，減弱地面輻射，使逆溫增強[15-16]，高相對濕度下氣溶膠吸濕增長也會加速二次污染物的生成[17]，使污染加重。混合層高度是污染物在垂直方向上可以被湍流稀釋擴散的高度范圍，混合層高度越大，表征污染物在垂直方向上可以擴散的越高。風(fēng)速對大氣污染物的影響主要有兩方面，一是輸送，減輕本地污染的同時也帶來外源污染；二是稀釋擴散，起到降低本地污染物濃度的作用。當風(fēng)速相對較小時，和污染物濃度呈顯著負相關(guān)[18]，主要為對污染物為稀釋擴散作用。

利用2019年1月21～27日相對濕度、混合層高度、風(fēng)速和AQI數(shù)據(jù)，得到變化曲線如圖7所示， 22日空氣質(zhì)量開始達到輕度污染，23日相對濕度和風(fēng)速沒有明顯變化，但混合層層高度由1 396m降低到1 167m，污染物垂直方向擴散受限，AQI由102升高到141。24日相對濕度和混合層高度較23日無明顯變化，風(fēng)速顯著降低，不利的氣象條件下，AQI卻明顯好轉(zhuǎn)，這主要是因為成都24日零時啟動重污染天氣黃色預(yù)警，污染源排放減少，導(dǎo)致大氣污染物濃度降低。在不利的氣象條件下，污染物繼續(xù)累積，25日升高到中度污染，26日有利條件是風(fēng)速略增大，但混合層高度降低、相對濕度升高不利條件的同時存在，使得AQI無明顯變化。27日相對濕度的進一步升高，空氣濕度接近飽和，有弱降水產(chǎn)生，以及風(fēng)速的進一步增大，有利于污染物的稀釋，空氣質(zhì)量由中度轉(zhuǎn)為良，污染過程結(jié)束。

圖7 相對濕度、風(fēng)速、混合層高度和AQI變化曲線

逆溫反映了大氣層結(jié)的穩(wěn)定程度，是指溫度隨高度的增加不變或者升高的現(xiàn)象,而逆溫強度是指每上升100m氣溫增加的值[19]。逆溫層是導(dǎo)致污染事件發(fā)生的主要影響因子之一[1],它使氣層穩(wěn)定性增強，污染物在大氣邊界層垂直方向擴散減弱，污染物在近地面積累，導(dǎo)致污染事件發(fā)生[16]。進一步根據(jù)溫江站每日探空資料計算逆溫強度，對比新冠疫情背景場可知(下表)，兩次過程均無降水天氣發(fā)生，在風(fēng)速近似相等的條件下，逆溫強度是新冠疫情背景場3.8℃/100m>2019年污染過程的1.1℃/100m。相對濕度是背景場高于2019年污染過程，更有利于污染物濃度的吸濕增長，使污染物濃度升高；混合層高度也是背景場858m<2019年過程的1 135m，不利于污染物的垂直擴散。綜合以上分析可知，新冠疫情背景場更容易導(dǎo)致污染天氣的發(fā)生，而空氣質(zhì)量(AQI=64)卻好于2019年污染過程(AQI=136)，說明新冠疫情期間沒有污染天氣的發(fā)生和污染源排放減少有關(guān)。

表 氣象要素和AQI統(tǒng)計

利用Ncep再分析數(shù)據(jù)得到兩個過程從地面到高空500hPa溫度和風(fēng)的時間剖面圖，填色為溫度，溫度單位為℃，風(fēng)向標的大小表示風(fēng)速，方向表示垂直上升或下沉運動，為了繪圖效果，風(fēng)的垂直分量擴大10倍。如圖8和圖9所示，兩個過程都有深厚的等溫時段，2019年污染過程高溫中心>12℃僅發(fā)生在污染最重的25～26日，而背景場高溫中心>12℃的等溫層每日都有發(fā)生。2019年污染過程4～8℃等溫層最為深厚，從地面延伸到900hPa位勢高度，而背景場6～10℃等溫層最為深厚，高度也在900hPa。從等溫層的高溫中心值和深厚高度，可知背景場的逆溫強度強于2019年1月22～26日污染過程，這和溫江站實況探空資料計算的逆溫強度結(jié)果一致。雖然2019年污染過程高空750hPa～650hPa有逆溫層，但對地面污染物的擴散無明顯影響。

圖8 2019年1月22～26日溫度和風(fēng)的時間剖面圖(成都，103.08°E，30.74°N；世界時)

成都，103.08°E，30.74°N；世界時

背景場2020年1月28～30日期間成都在600hPa以上高空風(fēng)較為平直，600～850hPa下沉運動明顯，近地面到850hPa高度僅在30日凌晨有一股下沉氣流，其余時段氣流的垂直方向運動非常弱。2019年1月22～26日污染過程期間600～850hPa高空風(fēng)較為平直，850hPa到地面有明顯的下沉氣流，部分風(fēng)速可達0.2 m/s。下沉運動與等溫時段和500hPa的高壓系統(tǒng)對應(yīng)，屬于下沉逆溫，下沉逆溫對污染物的擴散起到抑制作用，有利于污染物濃度的增長。結(jié)合上表可知，2019年污染過程氣象要素較疫情背景場更有利于污染物的擴散，下沉逆溫是導(dǎo)致此次污染過程形成和發(fā)展的主要原因。

2.3 后向軌跡、PSCF和CWT分析

在大氣環(huán)境研究中，區(qū)域輸送不可忽視，空氣質(zhì)量不僅受到本地污染源排放及擴散的影響，也可能受外來氣流輸送影響。對成都2019年1月22～26日進行后向軌跡分析，結(jié)果如圖10所示，成都的氣流軌跡主要分為4類，第一類占比20.83%，途徑雅安，成都西南部；第二類主要來自南充、重慶西北部、資陽、眉山，此類氣流出現(xiàn)概率最大，達到36.67%；第三類氣流途徑瀘州、重慶西部、遂寧、綿陽、德陽中部、成都北部，此類所占比重最少，僅15%；第四類主要來自南充、綿陽、德陽中部、成都北部，占比27.5%。第四類氣流和第三類在綿陽、德陽中部、成都北部有交集，以上三個區(qū)域，可能增強了對成都的污染源輸送。

圖10 后向軌跡聚類圖

進一步對2019年1月22～26日污染過程進行潛在源區(qū)和濃度權(quán)重軌跡分析，格點設(shè)置為0.25°×0.25°，PM2.5閾值根據(jù)《環(huán)境空氣質(zhì)量標準》(GB 3095—2012)二級標準設(shè)為75 μg/m3，PSCF數(shù)值越大，表示污染軌跡經(jīng)過的概率越大，將PSCF值大于0.8的區(qū)域定義為主要的潛在源區(qū)，由圖11可以看出，PSCF值>0.9的區(qū)域在成都中部至西北部一帶，其次PSCF值0.8～0.9在成都南部和資陽。CWT數(shù)值越大，表示該區(qū)域?qū)Τ啥嫉腜M2.5的質(zhì)量濃度貢獻越大，將CWT值大于80μg/m3的區(qū)域定義為主要貢獻區(qū)，由圖12可知，污染物主要貢獻區(qū)位于成都至德陽、綿陽一帶。PSCF和CWT兩者高值重合區(qū)才是潛在污染源區(qū)，綜合分析來看，此次污染過程的潛在污染源區(qū)主要在成都本地，受其它區(qū)域輸送影響較小。

圖11 污染期間PSCF分布

圖12 污染期間CWT分布

3 結(jié) 論

3.1 2019年1月22～26日污染過程和新冠疫情背景場2020年1月28～30日，均發(fā)生在高空500hPa穩(wěn)定少變的“兩槽一脊”環(huán)流形勢背景下，污染過程的海平面氣壓場比背景場的均壓場型多了低壓頂部型，都不利于污染物的稀釋擴散，污染過程和“新冠疫情”背景場的環(huán)流背景大致相同。

3.2 2019年1月22～26日污染過程持續(xù)時間長，污染強度大，最高小時AQI達到209；PM2.5濃度有顯著的“單峰型”日變化特征，峰值出現(xiàn)在上午11時左右，峰谷出現(xiàn)在17時。重污染天氣黃色預(yù)警使排放源減少，污染物濃度增速放緩，但在不利于污染物稀釋擴散的氣象條件下，大氣環(huán)境對污染物依然有累積的作用。下沉逆溫是導(dǎo)致此次污染過程形成和發(fā)展的主要原因，此次污染過程的潛在污染源區(qū)主要在成都本地，受其它區(qū)域輸送影響較小。

3.3 兩次過程均無降水天氣發(fā)生，在風(fēng)速近似相等的條件下，新冠疫情背景場的氣象條件更容易導(dǎo)致污染天氣的發(fā)生，而空氣質(zhì)量(AQI=64)卻好于2019年污染過程(AQI=136)，說明新冠疫情期間沒有污染天氣的發(fā)生和污染源排放減少有關(guān)，進一步印證控制污染排放在大氣污染防治中有一定積極作用。