王琴 焦樹友 石宇 張春輝 劉群

摘要 分析了貴陽市2013—2022年全市顆粒物日均濃度，篩選PM2.5日均濃度≥67 μg/m3（AQI≥90）日的氣象要素進(jìn)行統(tǒng)計(jì)分析，總結(jié)了PM2.5濃度出現(xiàn)高值的氣象條件特征，為PM2.5高濃度過程的預(yù)警預(yù)報(bào)提供技術(shù)參考。

關(guān)鍵詞 PM2.5；高濃度日；氣象條件；預(yù)報(bào)；統(tǒng)計(jì)分析

中圖分類號(hào)：X513 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2023）07–0216-03

PM2.5是指空氣動(dòng)力學(xué)中，粒徑≤2.5 ?g的顆粒物，也被稱為可入肺顆粒物。大量研究表明，PM2.5具備一定的毒性，高濃度甚至?xí)鹑祟惡粑兰膊“l(fā)生[1-2]，也是引發(fā)霧霾天氣的重要原因[3]，對社會(huì)經(jīng)濟(jì)、生態(tài)環(huán)境、人類健康均有重要影響[4]。近十年來，我國先后實(shí)施了《大氣污染防治行動(dòng)計(jì)劃》（“大氣十條”）和《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》（“藍(lán)天保衛(wèi)戰(zhàn)”），以PM2.5作為大氣污染防治工作的重點(diǎn)和核心約束性指標(biāo)，環(huán)境空氣質(zhì)量得到了較大改善。

眾多學(xué)者對典型的PM2.5污染過程氣象條件展開大量研究工作[5-8]，也有統(tǒng)計(jì)分析長時(shí)間序列污染物濃度和氣象要素特征研究[9-10]。大量研究表明，在污染源排放變化不大的情況下，氣象條件對PM2.5濃度有顯著影響[11-14]。貴陽市自2013年正式對PM2.5進(jìn)行監(jiān)測和治理以來，大氣污染的治理水平不斷提高。吳戰(zhàn)平等[15-16]從天氣形勢和氣象要素對典型污染過程進(jìn)行了綜合分析，尚媛媛等[17]利用5年較大時(shí)間分辨率的PM2.5和氣象數(shù)據(jù)，探討了大氣污染物濃度變化與影響氣象因子的關(guān)聯(lián)性。在貴陽市大氣污染系統(tǒng)治理十年的基礎(chǔ)上，目前尚未針對貴陽市長時(shí)間序列PM2.5高濃度的天氣形勢和氣象要素共性特征進(jìn)行研究。

《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）定義PM2.5日均濃度高于75 ?g/m3為污染日，本研究為貴陽取10%的緩沖余量，定義當(dāng)天PM2.5日均濃度參考文獻(xiàn)67 ?g/m3（AQI≥90）為貴陽市PM2.5高濃度日。總結(jié)近2013—2022年貴陽市PM2.5高濃度日對應(yīng)的天氣形勢和氣象要素（溫度、風(fēng)速、相對濕度等）特征，結(jié)合典型案例，分析氣象要素對PM2.5濃度變化趨勢的特征，以期提高對PM2.5高濃度過程的預(yù)警預(yù)報(bào)準(zhǔn)確率，為大氣污染防治管控提供參考。

1 材料與方法

1.1 數(shù)據(jù)來源

研究使用的氣象要素包括風(fēng)速、溫度、相對濕度、降水量等，來自中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/）；逆溫和天氣形勢等資料來自貴陽市氣象臺(tái)，大氣污染物濃度監(jiān)測數(shù)據(jù)來自貴陽市10個(gè)空氣質(zhì)量自動(dòng)監(jiān)測國控自動(dòng)監(jiān)測站。

1.2 資料與方法

利用近10年（2013年1月1日—2022年12月31日）的污染物濃度監(jiān)測數(shù)據(jù)，按照貴陽市PM2.5高濃度日的定義進(jìn)行篩選，找出對應(yīng)日期的氣象資料進(jìn)行分析整理，結(jié)合天氣形勢和氣象要素特征，分析其對PM2.5濃度的影響，利用Origin等軟件對獲取的數(shù)據(jù)資料做相應(yīng)分析，初步揭示貴陽市出現(xiàn)PM2.5高濃度日的氣象特征。

2 結(jié)果與討論

2.1 近十年貴陽市PM2.5高值日氣象條件統(tǒng)計(jì)

2.1.1 天氣類型 統(tǒng)計(jì)2013—2022年貴陽市PM2.5高濃度日的天氣類型，占比較高的前3種天氣類型分別為Ld2—南部靜止鋒型（52.9%）、Gt—西藏高壓類（27.3%）、Nd—熱低壓類（7.4%），共計(jì)占高濃度日天氣類型的90%。這3種天氣形勢都易出現(xiàn)晴好天氣，當(dāng)晴好過程持續(xù)時(shí)間較長時(shí)，易造成輻射逆溫或低空逆溫等不利的“靜穩(wěn)”天氣出現(xiàn)，大氣污染物難以擴(kuò)散，導(dǎo)致濃度累積升高而出現(xiàn)污染。

2.1.2 溫度 據(jù)統(tǒng)計(jì)，2013—2022年貴陽市PM2.5高濃度日平均溫度為9.9 ℃，最高溫度和最低溫度差的平均值為7.8 ℃，85%以上高濃度日會(huì)出現(xiàn)逆溫天氣。將高濃度日平均溫度（T）和最低、最高溫度差（t）按D參考文獻(xiàn)5.0 ℃、5.0 ℃20.0 ℃進(jìn)行劃分統(tǒng)計(jì)，高濃度日平均溫度和最高、最低溫差都是在5～10 ℃時(shí)出現(xiàn)頻率最高（大于1/3），平均溫度主要集中在15 ℃以下，最低、最高溫差主要集中在10 ℃以下。通常情況下，溫度越高，空氣垂直對流越強(qiáng)，越有利于污染物的擴(kuò)散。但在冬季，當(dāng)白天溫度較高、早晚溫差大時(shí)，易形成輻射逆溫，導(dǎo)致污染物累積，第二天白天垂直有效擴(kuò)散時(shí)間短、作用弱，擴(kuò)散量小于累積量時(shí)，連續(xù)數(shù)日污染物累積升高易造成污染。

2.1.3 風(fēng)速 通常來說，風(fēng)速越大，污染物水平擴(kuò)散能力越強(qiáng)，反之亦然。統(tǒng)計(jì)2013—2022年貴陽市PM2.5高濃度日平均風(fēng)速特征發(fā)現(xiàn)，小于2.0 m/s的天數(shù)有138 d，2.0～2.5 m/s的有84 d，2.5～3.0 m/s有48 d，大于3 m/s的有27 d。統(tǒng)計(jì)結(jié)果表明，風(fēng)速越小，出現(xiàn)PM2.5高濃度日的概率越大，這也與眾多研究成果結(jié)論一致。貴陽市年平均風(fēng)速為2.2 m/s，近10年高濃度日風(fēng)速大于2.2 m/s的天數(shù)有124 d，說明顆粒物濃度與風(fēng)速大小并不完全呈線性相關(guān)。相關(guān)研究表明[18-19]，當(dāng)風(fēng)速較大時(shí)，水平方向空氣流動(dòng)加速，遠(yuǎn)距離傳輸污染物量增加，在合適的條件下發(fā)生沉降和二次轉(zhuǎn)化，導(dǎo)致本地PM2.5濃度升高，預(yù)報(bào)PM2.5濃度變化，在評估擴(kuò)散條件的同時(shí)，要考慮周邊污染物傳輸影響。

2.1.4 相對濕度 相對濕度對顆粒物理化結(jié)構(gòu)的影響是最為復(fù)雜的[20]。

本研究將高濃度日相對濕度按RH≤60%、60%80%進(jìn)行統(tǒng)計(jì)（表1）。RH≤60%的天數(shù)比例為13.7%，RH>80%的天數(shù)比例為34.6%，60%

2.2 典型污染過程案例分析

本研究對2021年1月10—17日貴陽市1次PM2.5典型污染過程進(jìn)行分析。如圖1所示，在整個(gè)污染過程中，PM10、SO2、NO2、O3、CO等5項(xiàng)污染物濃度變化趨勢與PM2.5一致，過程可分為累積（10—13日）—污染（14—15日）—消散（16—17日）3個(gè)階段。

2.2.1 天氣形勢分析 此次污染過程天氣形勢屬于統(tǒng)計(jì)中出現(xiàn)頻率最高的Ld2—南部靜止鋒型，出現(xiàn)在冷鋒南下2次過程中的晴好天氣，此段晴好天氣維持5 d，其中輕度污染2 d。在污染過程中，貴陽市高空500 hPa環(huán)流形勢為兩槽一脊型，700 hPa風(fēng)場以西南風(fēng)為主，

850 hPa為暖脊后控制，地面處于均壓場控制，天氣形勢持續(xù)靜穩(wěn)、中低層存在逆溫，這種不利于污染物擴(kuò)散的高、低空天氣形勢配合抑制了污染物的擴(kuò)散，為污染天氣的形成提供了有利條件。

2.2.2 氣象要素分析 對13—16日PM2.5

濃度與溫度、風(fēng)速風(fēng)向、相對濕度和降水等氣象要素變化進(jìn)行逐時(shí)分析（圖2）。污染物積累階段：13日夜間至14日凌晨，風(fēng)向由南轉(zhuǎn)北，溫度快速下降，相對濕度迅速上升，在弱風(fēng)條件下，PM2.5濃度急速增大，14日凌晨01：00達(dá)到91 ?g/m3，PM2.5濃度在此階段累積；夜間人為活動(dòng)源排放減少，PM2.5濃度略有下降，07：00隨著人為活動(dòng)源排放增加、太陽輻射增強(qiáng)逆溫層增厚，PM2.5濃度進(jìn)一步上升，到11：00濃度達(dá)最高，106 ?g/m3；午時(shí)溫度升高，逆溫逐漸減弱，垂直對流增強(qiáng)，PM2.5濃度逐漸下降至當(dāng)日谷值（54 ?g/m3）；隨夜間溫度降低、相對濕度增大，逆溫增強(qiáng)，PM2.5濃度再次上升，至15日00：00：00達(dá)峰值109 ?g/m3。14日全天PM2.5濃度均值達(dá)85 ?g/m3，發(fā)生輕度污染，當(dāng)日早晚風(fēng)速明顯減弱，相對濕度整體偏高，晝夜溫差加大，導(dǎo)致PM2.5累積時(shí)段加長、程度加深形成污染。

高濃度維持階段：15日PM2.5濃度日變化規(guī)律與14日完全相同，但風(fēng)速進(jìn)一步減弱，最低相對濕度高于前一日，不利氣象條件導(dǎo)致PM2.5污染持續(xù)加深；16日凌晨開始受冷空氣影響溫度下降，07：00風(fēng)向開始由南轉(zhuǎn)北，相對濕度維持較高，在午后風(fēng)速明顯增強(qiáng)且有降水情況下，PM2.5濃度仍持續(xù)較高。

污染消散階段：16日午后，在相對濕度突然增大并出現(xiàn)降水時(shí)段，PM2.5濃度不降反升，持續(xù)數(shù)小時(shí)強(qiáng)風(fēng)、降水、降溫后，PM2.5濃度開始明顯持續(xù)下降。

3 結(jié)論

（1）貴陽市PM2.5高濃度日主要?dú)庀筇卣鳌Ｌ鞖膺^程：主要是南部靜止鋒型、西藏高壓類和熱低壓類3種類型，當(dāng)出現(xiàn)晴好天氣且持續(xù)時(shí)間較長時(shí)，易造成輻射逆溫或低空逆溫等不利的“靜穩(wěn)”天氣條件。溫度：平均溫度和最低、最高溫差都是在5～10 ℃出現(xiàn)頻率最高（大于1/3），平均溫度主要集中在15 ℃以下，最低、最高溫差主要集中在10 ℃以下。風(fēng)速：風(fēng)速小于2.0 m/s時(shí)，出現(xiàn)PM2.5高濃度日的概率較大，風(fēng)速越小，出現(xiàn)PM2.5高濃度的概率越大，但風(fēng)速大也可能導(dǎo)致遠(yuǎn)距離傳輸污染物量增加，增加量大于擴(kuò)散量，污染物濃度反而上升。相對濕度：60

（2）結(jié)合典型污染過程分析，當(dāng)氣溫相對升高，早晚溫差較大時(shí)會(huì)形成逆溫層，不利于污染物垂直擴(kuò)散；相對濕度較高，有利于二次粒子轉(zhuǎn)化，顆粒物吸濕性增長；弱風(fēng)條件下，不利于污染物的水平傳輸擴(kuò)散。同時(shí)存在高溫、弱風(fēng)、高濕的氣象條件下，極易導(dǎo)致局地顆粒物累積達(dá)污染水平。

（3）在預(yù)報(bào)空氣質(zhì)量時(shí)，需綜合評估天氣形勢、風(fēng)速、溫度、相對濕度、周邊區(qū)域污染水平等要素。在冬季出現(xiàn)短暫或持續(xù)溫度回升天氣時(shí)，要重點(diǎn)關(guān)注PM2.5濃度變化，當(dāng)溫度超過10 、早晚溫差10 ℃左右、風(fēng)速小于2.0 m/s、相對濕度在60%～80%且無降水時(shí)，細(xì)顆粒物濃度累積上升，連續(xù)數(shù)日極易達(dá)污染水平。在天氣轉(zhuǎn)型出現(xiàn)降溫降雨等有力的擴(kuò)散條件時(shí)，還要考慮PM2.5濃度變化的滯后性。

參考文獻(xiàn)

[1] 沙英琥，翟暢.長春市PM2.5污染特征及影響因素分析[J].皮革制作與環(huán)?？萍迹?022，3（12）：120-121，134.

[2] 楊紅，謝海燕，鮑昱璇，等.阿克蘇市春季PM10和PM2.5輸送路徑及潛在源分析[J].四川環(huán)境，2022，41（3）：71-78.

[3] 張哲，喬利平，周敏，等.環(huán)境空氣PM2.5化學(xué)組分監(jiān)測數(shù)據(jù)審核指標(biāo)的建立：以長三角地區(qū)為例[J].環(huán)境科學(xué)，2020，41 （11）：4786-4802.

[4] Gao X， Li W D. A graph-based LSTM model for PM2.5 forecasting[J]. Atmospheric Pollution Research， 2021， 12（9）： 101150. doi.org/10.1016/j.apr. 2021.101150.

[5] 崔萌，安興琴，范廣洲，等.北京一次重污染過程的天氣成因及來源分析[J].中國環(huán)境科學(xué)，2018，38（10）：3628-3638.

[6] 賈秋剛，張艷杰.石家莊市一次重污染過程氣象條件分析[J].環(huán)境監(jiān)控與預(yù)警，2020，12（6）：22-26.

[7] 封彩云，余蓮，季承荔，等.成都一次持續(xù)性污染天氣過程的氣象條件分析[J].高原山地氣象研究，2019，39（4）：59-66.

[8] 郭倩，汪嘉楊，周子航，等.成都市一次典型空氣重污染過程特征及成因分析[J].環(huán)境科學(xué)學(xué)報(bào)，2018，38（2）：629-639.

[9] 宋國龍.2014—2020年西寧市PM2.5濃度與氣象條件關(guān)系研究[J].環(huán)境與發(fā)展， 2022，34（7）：85-89.

[10] 刁一偉，王紅磊，沈利娟，等.2015—2021年南京市大氣污染特征及污染個(gè)例研究[J].環(huán)境科學(xué)研究，2023，36（2）： 260-272.

[11] 高嵩，田蓉，郭彬，等.長三角典型城市PM2.5濃度變化特征及與氣象要素的關(guān)系[J].科學(xué)技術(shù)與工程，2018，18（9）： 142-155.

[12] 劉瑞琪，賈海鷹.北京地區(qū)氣象條件與區(qū)域傳輸對PM2.5濃度影響研究[J].環(huán)境監(jiān)測管理與技術(shù)，2021，33（5）：16-20，25.

[13] 付桂琴，張杏敏，尤鳳春，等.氣象條件對石家莊PM2.5濃度的影響分析[J].干旱氣象，2016，34（2）：349-355.

[14] 李瑞.成都市PM2.5、PM10變化特征及其與氣象因素的關(guān)系[J].大氣與環(huán)境光學(xué)學(xué)報(bào)，2023，18（1）：47-58.

[15] 吳戰(zhàn)平，白慧，陳早陽，等.貴陽市兩次空氣污染過程的氣象條件分析[J].干旱氣象，2019，37（5）：827-835.

[16] 劉群，張春輝，石宇，等.貴陽市冬季一次典型PM2.5污染過程分析[J].環(huán)?？萍?，2021，27（3）：7-15.

[17] 尚媛媛，鄭小波，夏曉玲，等.貴陽市PM2.5分布特征及氣象條件的影響[J].高原山地氣象研究，2018，38（3）：45-50.

[18] 顧凱華，史紅仙，張帥，等.上海崇明島近三年P(guān)M2.5濃度變化特征與氣象條件的關(guān)系[J].長江流域資源與環(huán)境， 2015，24（12）：2108-2116.

[19] 張高健，曹梅，仇娜，等.西安北郊PM10、PM2.5特征及其與氣象要素的關(guān)系[J].陜西氣象，2022（6）：53-58.

[20] 潘小樂，顏鵬，湯潔.2006年北京春季氣溶膠吸收系數(shù)的分離研究[J].氣候變化研究進(jìn)展，2007（5）：249-254.

[21] 趙子菁，魏永杰，張祥志，等.南京市霾天氣與主要?dú)庀髼l件的相關(guān)分析[J].中國環(huán)境科學(xué)，2015，35（12）：3570-3580.

[22] 朱敏，陳海宇，張驍君.上海市青浦區(qū)PM10污染與氣象要素的關(guān)系[J].環(huán)境科學(xué)與管理，2012，37（4）：103-107.

[23] 周德平，洪也，王揚(yáng)鋒，等.沈陽春夏季大氣冰核濃度的觀測研究[J].氣候與環(huán)境研究，2012，17（6）：719-726.

[24] 葉興南，陳建民.灰霾與顆粒物吸濕增長[J].自然雜志，2013，35（5）：337-341.

Statistical Analysis of Daily Meteorological Conditions of High PM2.5 Concentration in Guiyang City from 2013 to 2023

Wang Qin et al（Guiyang Environmental Information Center， Guiyang， Guizhou 550000）

Abstract Analyzed the average daily concentration of particulate matter in Guiyang City from 2013 to 2022， and selected the meteorological elements with the average daily concentration of PM2.5 ≥ 67 μg /m3 （AQI≥90） days for statistical analysis， summarizes the characteristics of meteorological conditions for the occurrence of high PM2.5 concentration， and provides technical reference for the early warning and prediction of the process of high PM2.5 concentration.

Key wordsPM2.5; High concentration day; Meteorological conditions; Forecast; Statistical analysis