成都?xì)庀笠氐燃墝Υ髿馕廴镜母纳谱饔醚芯?/h1>
2023-12-26 10:02:58高夢醒劉智媛費永成
中國環(huán)境監(jiān)測 2023年5期
張 穎,高夢醒,陳 林,劉智媛,汪 玲,費永成
1.成都市溫江區(qū)氣象局,四川 成都 611130
2.成都市彭州市氣象局,四川 成都 611930
3.成都市都江堰市氣象局,四川 成都 611830
由于我國經(jīng)濟(jì)發(fā)展和城市化進(jìn)程加快,大氣污染問題隨之加劇,重污染過程頻發(fā),對生態(tài)環(huán)境和人類健康有著很大影響。 目前四川盆地已成為我國區(qū)域性大氣復(fù)合污染最嚴(yán)重的四大區(qū)域之一,以PM2.5和O3污染為主要特征的區(qū)域性、復(fù)合型大氣污染問題日趨凸顯[1-6]。 成都位于四川盆地西部,是西南地區(qū)最大的城市之一,由于城市人口、機(jī)動車保有量的爆發(fā)式增長以及大型工業(yè)開發(fā)區(qū)的快速建設(shè)與擴(kuò)張,導(dǎo)致成都地區(qū)工業(yè)污染物排放量大,城市污染源復(fù)雜[7-11]。
氣象條件是造成污染天氣的關(guān)鍵因素之一,成都地區(qū)常年靜風(fēng)、濕度高、日照時間短、夏季熱島效應(yīng)明顯、冬季多逆溫,大氣擴(kuò)散能力弱使污染容易持續(xù)并且加重[12-17]。 因此了解近年來年氣象條件對大氣污染過程形成、擴(kuò)散的影響對今后控制措施的發(fā)展和改善至關(guān)重要。 馮小瓊等[18]研究了成都冬季3 次灰霾污染過程的氣象特征,發(fā)現(xiàn)3 次污染過程均發(fā)生在相對濕度和溫度持續(xù)上升,風(fēng)速和邊界層高度持續(xù)降低的不利氣象條件下。 王碧菡等[19]構(gòu)建了成都地區(qū)冬季空氣停滯氣象條件閾值經(jīng)驗公式,指出當(dāng)?shù)孛骘L(fēng)速小于2.2 m/s、邊界層高度小于520 m 且無有效降水(日降水量＞1 mm)時,氣象條件阻礙了污染物的擴(kuò)散。 吳鍇等[20]發(fā)現(xiàn)當(dāng)紫外輻射大于12 MJ/m2、氣溫高于15 ℃、相對濕度低于65%、西風(fēng)或偏東北風(fēng)控制時,成都市容易發(fā)生高濃度O3污染。 楊景朝等[21]認(rèn)為小時臭氧超標(biāo)近地面氣象要素特征為氣溫和總輻射曝輻量相對較高,分別為30 ～36 ℃和0 ～3.5 MJ/m2,相對濕度在60%以下,總云量低于40%,以偏南風(fēng)影響為主。 現(xiàn)有的研究更多是圍繞大氣污染過程分析其不利的氣象條件,而氣象要素等級對大氣污染物的改善作用卻研究較少,進(jìn)一步明確對成都空氣質(zhì)量有改善作用的氣象要素等級,對基層環(huán)境氣象服務(wù)能力提升具有較強的指導(dǎo)和參考意義,也能為成都空氣環(huán)境保護(hù)、大氣污染治理和大氣環(huán)境影響評價提供更加科學(xué)的氣象支撐。 為弄清成都?xì)庀笠氐燃墝Υ髿馕廴疚锏挠绊懬闆r,本文基于2015—2018 年成都空氣質(zhì)量數(shù)據(jù)及同期氣象因子數(shù)據(jù),分析成都大氣污染物的區(qū)域分布及首要污染物特征,探討氣象因子與大氣污染物的關(guān)系,找到對空氣質(zhì)量有改善作用的氣象要素等級,量化成都?xì)庀髼l件對大氣污染物的影響,以期為科學(xué)應(yīng)對污染防治、提高環(huán)境氣象決策服務(wù)的針對性、推進(jìn)區(qū)域產(chǎn)業(yè)布局調(diào)整提供客觀依據(jù)。
1 數(shù)據(jù)與方法
1.1 研究數(shù)據(jù)
空氣質(zhì)量數(shù)據(jù)來源于成都市環(huán)境監(jiān)測站,包括2015—2018 年成都市區(qū)和崇州、蒲江、彭州、溫江、新都、雙流、龍泉驛、金堂等8 個區(qū)縣的逐日空氣質(zhì)量指數(shù)AQI 及首要污染物數(shù)據(jù)。 成都主要污染物PM2.5、PM10、NO2、O3、SO2和 CO 的逐時濃度數(shù)據(jù)為金泉兩河、十里店、大石西路、君平街、梁家巷 、三瓦窯和沙河鋪等7 個國家環(huán)境空氣質(zhì)量監(jiān)測站點的平均值。 氣象數(shù)據(jù)來源于溫江國家氣候觀象臺,包括2015—2018 年氣壓、溫度、降水、風(fēng)速、相對濕度、輻射等逐時的地面觀測資料。
1.2 分析方法
1.2.1 污染過程統(tǒng)計
根據(jù)成都主要污染物逐時濃度數(shù)據(jù),計算出成都PM2.5日均質(zhì)量濃度和O3日最大8 h 滑動平均質(zhì)量濃度(O3-8 h),統(tǒng)計出2015—2018 年成都PM2.5持續(xù)重污染過程(PM2.5日均質(zhì)量濃度大于150 μg/m3且持續(xù)3 d 及以上)和成都典型O3污染過程(O3-8 h 大于160 μg/m3、持續(xù)3 d 及以上且有中度污染發(fā)生)。
1.2.2 相關(guān)性分析
為更好地了解PM2.5的氣象影響因素,對PM2.5持續(xù)重污染過程中的氣壓、氣溫、最高氣溫、風(fēng)速、相對濕度、降水量小時數(shù)據(jù)與PM2.5小時數(shù)據(jù)進(jìn)行Spearman 相關(guān)性計算分析。 由于PM2.5持續(xù)重污染過程均集中在冬季,而成都冬季降雨過程較少,因此降水量與PM2.5的相關(guān)性分析主要選取2015—2018 年成都冬季出現(xiàn)降水的時段進(jìn)行分析,并選取過去1 h 時降水量、過去3 h 時降水量、過去6 h 時降水量、過去12 h 時降水量和過去24 h 時降水量與同時次PM2.5進(jìn)行相關(guān)性計算。
已有研究表明,降水對O3濃度有明顯影響,出現(xiàn)降水時成都O3平均濃度遠(yuǎn)低于未出現(xiàn)降水時的O3平均濃度,且沒有出現(xiàn)O3超標(biāo)情況[15]?？紤]到出現(xiàn)降水時O3濃度普遍較低,因而探討氣象因子與O3的關(guān)系時,主要采用典型O3污染過程期間氣壓、氣溫、最高氣溫、地面溫度、風(fēng)速、相對濕度、總輻射的逐時觀測資料(未考慮降水)。
1.2.3 改善作用分析
根據(jù)楊柳等[22]研究成果,本文主要利用降水12 h 或24 h 后的PM2.5質(zhì)量濃度較過去12 h 或24 h PM2.5質(zhì)量濃度的百分比來表示過去12 h 或24 h 降水對PM2.5污染的改善作用,計算公式:
式中:R 表示過去12 h 或24 h 降水對PM2.5污染的改善率,ρi表示降水12 h 或24 h 后的PM2.5質(zhì)量濃度, ρi-1表示過去12 h 或24 h 的PM2.5質(zhì)量濃度。 當(dāng)R＞0 時表示PM2.5質(zhì)量濃度較過去12 h或24 h 有所下降,降水對PM2.5污染具有改善作用;當(dāng) R＜0 時表示某日PM2.5質(zhì)量濃度較過去12 h或24 h 有所增加,并未體現(xiàn)降水的濕清除作用。
2 結(jié)果和討論
2.1 區(qū)域分布及首要污染物特征
通過對2015—2018 年成都市區(qū)及其8 個區(qū)縣的AQI 進(jìn)行統(tǒng)計(圖1)發(fā)現(xiàn),成都地區(qū)的AQI年平均為98,其中年均AQI 最大地區(qū)為溫江,其次為雙流、新都和崇州,低于區(qū)域均值的地區(qū)有成都市區(qū)、金堂、龍泉驛和蒲江,其中蒲江的空氣質(zhì)量情況最優(yōu)。 從AQI 分級占比來看(表1),成都地區(qū)空氣質(zhì)量主要為良,占比48.64%,其次為輕度污染占比 25.54%, 空氣質(zhì)量為優(yōu)占比13.25%,中度污染、重度污染和嚴(yán)重污染累計占比12.56%。 中度污染、重度污染和嚴(yán)重污染累計天數(shù)占比高于均值的地區(qū)有崇州、彭州、雙流、溫江和新都,其中新都最高,占16.66%,其次為溫江和雙流。 空氣質(zhì)量優(yōu)良天數(shù)占比高于均值的地區(qū)為成都市區(qū)、蒲江、龍泉驛和金堂,其中蒲江最高,達(dá)68.21%,但金堂空氣質(zhì)量為優(yōu)的天數(shù)最多。 從空間分布上來看,除市區(qū)外,成都中部地區(qū)的空氣質(zhì)量污染較為嚴(yán)重,而東部和西部地區(qū)污染相對較輕。 市區(qū)相對較優(yōu)的空氣質(zhì)量與城區(qū)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、機(jī)動車尾氣污染控制、重點行業(yè)除塵設(shè)施建設(shè)等管控措施息息相關(guān)。
圖1 2015—2018 年成都市區(qū)和8 個區(qū)縣的年均AQ IFig.1 The annual average AQI distribution in Chengdu from 2015 to 2018
2015—2018 年成都中度污染、重度污染和嚴(yán)重污染累計天數(shù)占比高于均值的地區(qū)有崇州、彭州、雙流、溫江和新都,因此,本文主要以該地區(qū)為代表分析成都大氣污染物的首要污染物特征。 從成都的首要污染物特征來看(圖2),成都首要污染物的季節(jié)特征差異較大,但全年主要以PM2.5和O3為主,占比達(dá)75%。 從首要污染物的季節(jié)特征來看,春季主要以PM2.5和O3為主且PM2.5占比更高,達(dá)46%;夏季的首要污染物則表現(xiàn)為O3污染最多,占比達(dá)到69%,其次為PM10和PM2.5;秋季首要污染物以PM10和PM2.5為主,兩者占比分別為21%和43%,其次為O3,另外秋季清潔日天數(shù)最多,占比達(dá)16%;而冬季是污染最重的季節(jié),其首要污染物主要以PM2.5為主,占比達(dá)88%,其次為PM10,占比達(dá)8%。 其他污染物在首要污染物中的占比均較小,幾乎可以忽略不計。
圖2 成都不同季節(jié)首要污染物出現(xiàn)天數(shù)占比Fig.2 The proportion of days with major pollutant occurrence in different seasons in Chengdu
從成都首要污染物PM2.5和O3出現(xiàn)天數(shù)占比的變化來看(表2),成都的PM2.5污染出現(xiàn)天數(shù)占比除2016 年達(dá)50%外,其余年份均維持在45%～46%,其中2017 年最低為45.19%;O3污染出現(xiàn)天數(shù)占比呈升高趨勢,其中2017 年O3污染占比達(dá)29.51%。 從不同季節(jié)首要污染物出現(xiàn)天數(shù)占比變化來看(圖3),成都春季和秋季主要以PM2.5污染為主,其中秋季O3污染占比有所增加,夏季O3污染出現(xiàn)天數(shù)占比呈遞增趨勢,冬季幾乎無O3污染。
表2 2015—2018 年成都首要污染物出現(xiàn)天數(shù)占比變化統(tǒng)計Table 2 The proportion of days with major pollutant occurrence in Chengdu from 2015 to 2018
圖3 2015—2018 年成都不同季節(jié)首要污染物出現(xiàn)天數(shù)占比Fig.3 The proportion of days with major pollutant occurrence in Chengdu in different seasons from 2015 to 2018
從成都首要污染物PM2.5和O3的時間變化趨勢來看(圖4),近年來成都的PM2.5污染有明顯改善,由2015 年的83.45 μg/m3上升至2016年的87.57 μg/m3,2017 年開始PM2.5濃度呈下降趨勢, 2018 年 PM2.5質(zhì)量濃度降至 66.96 μg/m3;2015—2018 年成都O3雖有所波動但沒有顯著改善,O3-8 h 高于160 μg/m3共出現(xiàn)160 d,2015 年最多達(dá)61 d,2016 年最少為44 d,主要分布在4—8 月,以7 月和8 月居多,2015—2018 年共計出現(xiàn)45 d 和50 d。
圖4 成都首要大氣污染物的時間變化趨勢Fig.4 Long-term trends of main pollutants sequences in Chengdu
2.2 與氣象因子的關(guān)系
由于成都全年主要以PM2.5和O3為主,本文主要研究PM2.5和O3與氣象因子的關(guān)系。
2.2.1 PM2.5持續(xù)重污染過程分析
將PM2.5日均質(zhì)量濃度大于150 μg/m3且持續(xù)3 d 及以上定義為一次持續(xù)性重污染事件。2015—2018 年成都PM2.5持續(xù)重污染過程統(tǒng)計結(jié)果顯示,2015 年1 月、2 月和12 月均出現(xiàn)持續(xù)重污染過程,總共31 d,主要集中在1 月,每次過程持續(xù)時間為5 ～8 d;2016 年P(guān)M2.5持續(xù)重污染過程發(fā)生在1 月和12 月,總共14 d,主要集中在12 月,每次過程持續(xù)時間為3 ～6 d;2017 年P(guān)M2.5持續(xù)重污染過程發(fā)生在1 月和12 月,總共26 d,主要集中在1 月,每次過程持續(xù)時間為7 ～11 d;2018 年1 月、2 月和12 月均出現(xiàn)持續(xù)重污染過程,總共10 d,每次過程持續(xù)時間為3 ～4 d。 總體來看,近年來成都PM2.5持續(xù)重污染過程呈現(xiàn)逐漸減少的趨勢,2015 年污染過程總天數(shù)為31,到2018 年污染過程總天數(shù)降為10 d。
統(tǒng)計成都持續(xù)重污染過程中氣象因子與PM2.5的相關(guān)性發(fā)現(xiàn),相對濕度與同時段PM2.5濃度呈顯著正相關(guān),較高的相對濕度在一定程度上減緩了空氣的流動速度,有利于顆粒物的吸濕性增長,進(jìn)而促進(jìn)污染物的積累。 10 min 平均風(fēng)速、過去12 h 降水量和過去24 h 降水量與同時段PM2.5濃度呈顯著負(fù)相關(guān),對PM2.5濃度水平的改善具有重要作用。
2.2.2 O3重污染分析
將O3日最大8 h 滑動平均質(zhì)量濃度(O3-8 h)大于160 μg/m3、持續(xù)3 d 及以上且有中度污染發(fā)生定義為一次典型O3污染事件。 2015—2018 年成都O3污染過程統(tǒng)計結(jié)果顯示,2015 年4 月、7月和8 月均出現(xiàn)典型O3污染過程,總共28 d,主要集中在7 月,每次過程持續(xù)時間為4 ～12 d;2016 年典型O3污染過程發(fā)生在8 月,總共9 d;2017 年典型O3污染過程發(fā)生在7 月,總共16 d;2018 年5 月、6 月和8 月均出現(xiàn)典型O3污染過程,總共14 d,每次過程持續(xù)時間為3 ～7 d。
統(tǒng)計成都典型O3污染過程氣象因子與O3的相關(guān)性發(fā)現(xiàn),相對濕度與同時段O3濃度呈顯著負(fù)相關(guān)關(guān)系,這是由于高相對濕度有利于O3干沉降作用的發(fā)生[23],而大氣中的水汽通過反應(yīng)會直接消耗O3[24]。 統(tǒng)計發(fā)現(xiàn),風(fēng)速與同時段O3濃度呈顯著正相關(guān),有研究發(fā)現(xiàn),風(fēng)速較低時,O3水平擴(kuò)散作用弱于 O3的向下輸送作用,從而導(dǎo)致超標(biāo)頻率隨著風(fēng)速的增加而增大,而當(dāng)風(fēng)速超過一定值時,水平擴(kuò)散作用逐漸占據(jù)主導(dǎo)地位,超標(biāo)頻率隨著風(fēng)速的增加將顯著下降[25]。 O3濃度與同時段的氣溫、總輻射和直接輻射呈顯著正相關(guān)關(guān)系,可見伴隨著輻射的增強,氣溫上升,O3濃度將明顯增加。 另外,對典型O3污染過程個例研究發(fā)現(xiàn),總輻射最大值與O3最大值出現(xiàn)時間的平均時差為3.72 h,將O3小時濃度數(shù)據(jù)向后推遲4 h,4 h 后O3濃度與總輻射相關(guān)性達(dá)0.819,說明輻射對O3的影響存在一定程度的滯后。
2.3 氣象要素等級對大氣污染物的改善作用
2.3.1 氣象要素對PM2.5的影響分析
成都PM2.5持續(xù)重污染過程均發(fā)生在冬季,按照成都冬季過去12 h 降水量(P12)和過去24 h降水量(P24)的范圍及分布情況統(tǒng)計P12和P24對PM2.5污染具有改善率。 由圖5 可以看到,當(dāng)P12和P24均≤1 mm 時,降水對污染物并未起到改善作用,P12≤0.1 mm 和P24≤0.1 mm 對PM2.5污染的改善率分別為-6.78%和-10.64%,有研究表明微量降水反而會引起空氣濕度增加,導(dǎo)致PM2.5容易吸濕增長,促使污染進(jìn)一步惡化;當(dāng)P12和P24均≥1 mm 時,降水對污染物的改善作用開始體現(xiàn),特別P12和P24均為2.5 ～5 mm 時,對PM2.5污染的改善率顯著增加(達(dá)26.06%和15.48%);當(dāng)P12達(dá)5 mm 后,P12對PM2.5污染的改善率有所降低,這是由于出現(xiàn)5 ～15 mm 降水量的一般為連續(xù)降雨過程,污染物在降雨過程前期已下降到一定程度,后期降水對污染物的改善率將明顯降低;而P24達(dá)5 mm 后對PM2.5污染的改善率繼續(xù)增加,是因為與P12相比,P24對污染的改善率會存在一定程度的滯后。 因此,成都冬季P12和P24均≥1 mm 時,降水過程為有效降水,對PM2.5污染開始起到改善作用,當(dāng)P12和P24均≥2.5 mm時,對PM2.5污染的改善作用顯著增強。
在討論相對濕度對PM2.5污染的影響時,將2015—2018 年12 月、1 月和2 月成都冬季相對濕度小時數(shù)據(jù)(RH)劃分成7 個等級,觀察不同相對濕度區(qū)間內(nèi)PM2.5濃度的分布特征。 由圖6 可以看到,2015—2018 年成都冬季空氣大多時候均保持在高濕狀態(tài),RH＞70%的發(fā)生頻率為72%,其中高于90%的發(fā)生頻率達(dá)到了39%,有利于 SO2和NO2發(fā)生非均相反應(yīng)轉(zhuǎn)化為二次粒子,造成細(xì)粒子質(zhì)量濃度的增加,同時也為粒子的吸濕增長提供了有利條件。 當(dāng)RH＜70%時,隨著RH 的降低,對中度及以上PM2.5污染的改善作用同步增加;當(dāng)RH＜40%時,優(yōu)良天氣的發(fā)生頻率顯著增加,對輕度PM2.5污染的改善作用較為明顯。
圖6 成都冬季各等級相對濕度的發(fā)生頻率和不同相對濕度區(qū)間內(nèi)PM 2.5 濃度的分布特征Fig.6 The frequency of different interval relative hum idity and the PM 2.5 concentrations distribution on different humidity ranges in winter of Chengdu
風(fēng)速對污染物的水平擴(kuò)散具有重要作用,同時影響著污染物的平流輸送。 經(jīng)統(tǒng)計不同區(qū)間風(fēng)速(v)對PM2.5污染的影響情況(圖7)發(fā)現(xiàn),成都典型PM2.5持續(xù)重污染過程中(0,1] m/s 風(fēng)速頻率最多,占57%,當(dāng)風(fēng)速小于1 m/s 時,風(fēng)速對PM2.5濃度影響不大;(1,2] m/s 風(fēng)速頻率為33%,當(dāng)風(fēng)速大于1 m/s 時,PM2.5濃度平均值隨風(fēng)速的增大而減小;若風(fēng)速大于2 m/s,隨著風(fēng)速的增大,對PM2.5濃度的改善作用顯著加強。 經(jīng)分析2015—2018 年成都典型PM2.5持續(xù)重污染過程中風(fēng)速大于2 m/s 的持續(xù)時間及對PM2.5污染的影響作用,發(fā)現(xiàn)成都風(fēng)速大于2 m/s 的持續(xù)時間均較短,大多是1 ～2 h,2015—2018 年持續(xù)3 h 以上僅有10 次(表3)。 當(dāng)PM2.5污染為中度及以上污染時,風(fēng)速若大于2 m/s 且持續(xù)時間在3 h 以上,對PM2.5污染的擴(kuò)散作用明顯,改善作用顯著。
表3 PM 2.5 持續(xù)重污染過程中風(fēng)速大于2 m/s 且持續(xù)3h 以上的改善作用統(tǒng)計Table 3 The impact of wind speed higher than 2m/s and lasting more than 3 hours on the PM 2.5 during the typical PM 2.5 pollution processes
圖7 成都典型PM 2.5 持續(xù)重污染過程中各等級風(fēng)速的出現(xiàn)頻率及對PM 2.5 的影響Fig.7 The frequency of d ifferen t interval relative wind speed and the impact of wind speed on the PM 2.5 during the typical PM 2.5 pollution processes
2.3.2 氣象要素對O3的影響分析
進(jìn)一步分析典型O3污染事件中不同強度總輻射和氣溫背景下O3小時濃度變化、一級超標(biāo)率和二級超標(biāo)率變化情況可知,當(dāng)總輻射低于3 MJ/m2,總輻射每減少0.5 MJ/m2,4 h 后O3濃度一級超標(biāo)率按9.6%增幅降低,當(dāng)總輻射低于2.5 MJ/m2,4 h 后O3濃度二級超標(biāo)率在50%以下;當(dāng)總輻射低于1 MJ/m2時,4 h 后O3濃度超標(biāo)率將低于20%,對O3污染起到顯著改善作用[圖8(a)]。 由圖8(b)可知,當(dāng)溫度低于32 ℃時,O3濃度超標(biāo)率按7%減幅緩慢減少。
圖8 成都典型O 3 污染過程中總輻射和氣溫對O 3 的影響Fig.8 The impact of radiation and temperature on the O 3 during the typical O 3 pollution processes
進(jìn)一步分析典型O3污染事件中不同相對濕度和風(fēng)速區(qū)間中 O3濃度變化、一級超標(biāo)率和二級超標(biāo)率變化情況可知,當(dāng)相對濕度為50% ～60%時,O3濃度一級超標(biāo)率50%以上,二級超標(biāo)率為35%,當(dāng)相對濕度高于50%時,O3濃度隨相對濕度的增高而降低[圖9(a)]。 風(fēng)速低于2 m/s 時,O3濃度一級超標(biāo)率和二級超標(biāo)率均隨風(fēng)速的減小快速降低;另外,當(dāng)風(fēng)速高于2 m/s 和3 m/s 時,O3濃度二級超標(biāo)率和一級超標(biāo)率均有一定程度的降低,但幅度不大[圖9(b)]。
圖9 成都市典型O 3 污染過程中相對濕度和風(fēng)速對O 3 的影響Fig.9 The impact of the relative humidity(a) and wind speed(b) on the O 3 during the typical O 3 pollution processes
3 結(jié)論
1)成都中部地區(qū)的空氣質(zhì)量污染較為嚴(yán)重,東部和西部地區(qū)污染相對較輕。 中度污染、重度污染和嚴(yán)重污染累計天數(shù)占比高于均值的地區(qū)有崇州、彭州、雙流、溫江和新都,優(yōu)良天數(shù)占比高于均值的地區(qū)為市區(qū)、蒲江、龍泉驛和金堂。
2)成都全年主要以PM2.5和O3污染為主,其中春季、秋季和冬季均為PM2.5污染出現(xiàn)天數(shù)占比較高,而夏季則以O(shè)3污染為主。 從其時間變化來看,2015—2018 年成都的PM2.5污染濃度呈下降趨勢,而O3污染出現(xiàn)天數(shù)占比呈升高趨勢。
3)成都PM2.5持續(xù)重污染過程中,相對濕度(RH)與同時段PM2.5濃度呈顯著正相關(guān),10 min平均風(fēng)速(v)、過去12 h 降水量(P12)和過去24 h降水量(P24)與同時段PM2.5濃度呈顯著負(fù)相關(guān),對PM2.5濃度水平的改善具有重要作用。 成都冬季P12和P24均≥1 mm 時,降水過程為有效降水,對PM2.5污染開始起到改善作用,當(dāng)P12和P24均≥2.5 mm 時,對PM2.5污染的改善作用顯著增強。當(dāng)RH＜70%時,隨著RH 的降低,對中度及以上PM2.5污染的改善作用同步增加;當(dāng)RH＜40%時,優(yōu)良天氣的發(fā)生概率顯著增加,對輕度PM2.5污染的改善作用較為明顯。 當(dāng)v＞1 m/s 時,PM2.5濃度平均值隨風(fēng)速的增大而減小;若v ＞2 m/s,對PM2.5濃度的改善作用顯著加強。 另外,當(dāng)PM2.5污染為中度及以上污染時,風(fēng)速若大于2 m/s 且持續(xù)時間在3 h 以上,對PM2.5污染的擴(kuò)散作用明顯。
4)成都典型O3污染過程中,相對濕度與同時段O3濃度呈顯著負(fù)相關(guān)關(guān)系,O3濃度與同時段的風(fēng)速、氣溫、總輻射呈顯著正相關(guān)關(guān)系。 當(dāng)總輻射低于1 MJ/m2、溫度低于32 ℃、相對濕度高于50%、風(fēng)速低于2 m/s 時,O3污染將得到顯著改善。
猜你喜歡
什么是污染?小學(xué)科學(xué)(學(xué)生版)(2021年7期)2021-07-28 06:44:32 基于Kmeans-VMD-LSTM的短期風(fēng)速預(yù)測電機(jī)與控制應(yīng)用(2021年12期)2021-02-28 07:55:52 基于最優(yōu)TS評分和頻率匹配的江蘇近海風(fēng)速訂正海洋通報(2020年5期)2021-01-14 09:26:54 什么是污染?小學(xué)科學(xué)(學(xué)生版)(2020年6期)2020-08-13 07:47:12 堅決打好污染防治攻堅戰(zhàn)當(dāng)代陜西(2019年7期)2019-04-25 00:22:18 堅決打好污染防治攻堅戰(zhàn)領(lǐng)導(dǎo)決策信息(2018年26期)2018-10-12 02:18:26 基于GARCH的短時風(fēng)速預(yù)測方法西南交通大學(xué)學(xué)報(2016年4期)2016-06-15 20:29:37 考慮風(fēng)切和塔影效應(yīng)的風(fēng)力機(jī)風(fēng)速模型電測與儀表(2015年8期)2015-04-09 11:50:06 對抗塵污染，遠(yuǎn)離“霾”伏都市麗人(2015年5期)2015-03-20 13:33:49 GE在中國發(fā)布2.3-116低風(fēng)速智能風(fēng)機(jī)電機(jī)與控制應(yīng)用(2015年7期)2015-03-01 03:50:15
張 穎,高夢醒,陳 林,劉智媛,汪 玲,費永成
1.成都市溫江區(qū)氣象局,四川 成都 611130
2.成都市彭州市氣象局,四川 成都 611930
3.成都市都江堰市氣象局,四川 成都 611830
由于我國經(jīng)濟(jì)發(fā)展和城市化進(jìn)程加快,大氣污染問題隨之加劇,重污染過程頻發(fā),對生態(tài)環(huán)境和人類健康有著很大影響。 目前四川盆地已成為我國區(qū)域性大氣復(fù)合污染最嚴(yán)重的四大區(qū)域之一,以PM2.5和O3污染為主要特征的區(qū)域性、復(fù)合型大氣污染問題日趨凸顯[1-6]。 成都位于四川盆地西部,是西南地區(qū)最大的城市之一,由于城市人口、機(jī)動車保有量的爆發(fā)式增長以及大型工業(yè)開發(fā)區(qū)的快速建設(shè)與擴(kuò)張,導(dǎo)致成都地區(qū)工業(yè)污染物排放量大,城市污染源復(fù)雜[7-11]。
氣象條件是造成污染天氣的關(guān)鍵因素之一,成都地區(qū)常年靜風(fēng)、濕度高、日照時間短、夏季熱島效應(yīng)明顯、冬季多逆溫,大氣擴(kuò)散能力弱使污染容易持續(xù)并且加重[12-17]。 因此了解近年來年氣象條件對大氣污染過程形成、擴(kuò)散的影響對今后控制措施的發(fā)展和改善至關(guān)重要。 馮小瓊等[18]研究了成都冬季3 次灰霾污染過程的氣象特征,發(fā)現(xiàn)3 次污染過程均發(fā)生在相對濕度和溫度持續(xù)上升,風(fēng)速和邊界層高度持續(xù)降低的不利氣象條件下。 王碧菡等[19]構(gòu)建了成都地區(qū)冬季空氣停滯氣象條件閾值經(jīng)驗公式,指出當(dāng)?shù)孛骘L(fēng)速小于2.2 m/s、邊界層高度小于520 m 且無有效降水(日降水量＞1 mm)時,氣象條件阻礙了污染物的擴(kuò)散。 吳鍇等[20]發(fā)現(xiàn)當(dāng)紫外輻射大于12 MJ/m2、氣溫高于15 ℃、相對濕度低于65%、西風(fēng)或偏東北風(fēng)控制時,成都市容易發(fā)生高濃度O3污染。 楊景朝等[21]認(rèn)為小時臭氧超標(biāo)近地面氣象要素特征為氣溫和總輻射曝輻量相對較高,分別為30 ～36 ℃和0 ～3.5 MJ/m2,相對濕度在60%以下,總云量低于40%,以偏南風(fēng)影響為主。 現(xiàn)有的研究更多是圍繞大氣污染過程分析其不利的氣象條件,而氣象要素等級對大氣污染物的改善作用卻研究較少,進(jìn)一步明確對成都空氣質(zhì)量有改善作用的氣象要素等級,對基層環(huán)境氣象服務(wù)能力提升具有較強的指導(dǎo)和參考意義,也能為成都空氣環(huán)境保護(hù)、大氣污染治理和大氣環(huán)境影響評價提供更加科學(xué)的氣象支撐。 為弄清成都?xì)庀笠氐燃墝Υ髿馕廴疚锏挠绊懬闆r,本文基于2015—2018 年成都空氣質(zhì)量數(shù)據(jù)及同期氣象因子數(shù)據(jù),分析成都大氣污染物的區(qū)域分布及首要污染物特征,探討氣象因子與大氣污染物的關(guān)系,找到對空氣質(zhì)量有改善作用的氣象要素等級,量化成都?xì)庀髼l件對大氣污染物的影響,以期為科學(xué)應(yīng)對污染防治、提高環(huán)境氣象決策服務(wù)的針對性、推進(jìn)區(qū)域產(chǎn)業(yè)布局調(diào)整提供客觀依據(jù)。
1 數(shù)據(jù)與方法
1.1 研究數(shù)據(jù)
空氣質(zhì)量數(shù)據(jù)來源于成都市環(huán)境監(jiān)測站,包括2015—2018 年成都市區(qū)和崇州、蒲江、彭州、溫江、新都、雙流、龍泉驛、金堂等8 個區(qū)縣的逐日空氣質(zhì)量指數(shù)AQI 及首要污染物數(shù)據(jù)。 成都主要污染物PM2.5、PM10、NO2、O3、SO2和 CO 的逐時濃度數(shù)據(jù)為金泉兩河、十里店、大石西路、君平街、梁家巷 、三瓦窯和沙河鋪等7 個國家環(huán)境空氣質(zhì)量監(jiān)測站點的平均值。 氣象數(shù)據(jù)來源于溫江國家氣候觀象臺,包括2015—2018 年氣壓、溫度、降水、風(fēng)速、相對濕度、輻射等逐時的地面觀測資料。
1.2 分析方法
1.2.1 污染過程統(tǒng)計
根據(jù)成都主要污染物逐時濃度數(shù)據(jù),計算出成都PM2.5日均質(zhì)量濃度和O3日最大8 h 滑動平均質(zhì)量濃度(O3-8 h),統(tǒng)計出2015—2018 年成都PM2.5持續(xù)重污染過程(PM2.5日均質(zhì)量濃度大于150 μg/m3且持續(xù)3 d 及以上)和成都典型O3污染過程(O3-8 h 大于160 μg/m3、持續(xù)3 d 及以上且有中度污染發(fā)生)。
1.2.2 相關(guān)性分析
為更好地了解PM2.5的氣象影響因素,對PM2.5持續(xù)重污染過程中的氣壓、氣溫、最高氣溫、風(fēng)速、相對濕度、降水量小時數(shù)據(jù)與PM2.5小時數(shù)據(jù)進(jìn)行Spearman 相關(guān)性計算分析。 由于PM2.5持續(xù)重污染過程均集中在冬季,而成都冬季降雨過程較少,因此降水量與PM2.5的相關(guān)性分析主要選取2015—2018 年成都冬季出現(xiàn)降水的時段進(jìn)行分析,并選取過去1 h 時降水量、過去3 h 時降水量、過去6 h 時降水量、過去12 h 時降水量和過去24 h 時降水量與同時次PM2.5進(jìn)行相關(guān)性計算。
已有研究表明,降水對O3濃度有明顯影響,出現(xiàn)降水時成都O3平均濃度遠(yuǎn)低于未出現(xiàn)降水時的O3平均濃度,且沒有出現(xiàn)O3超標(biāo)情況[15]?？紤]到出現(xiàn)降水時O3濃度普遍較低,因而探討氣象因子與O3的關(guān)系時,主要采用典型O3污染過程期間氣壓、氣溫、最高氣溫、地面溫度、風(fēng)速、相對濕度、總輻射的逐時觀測資料(未考慮降水)。
1.2.3 改善作用分析
根據(jù)楊柳等[22]研究成果,本文主要利用降水12 h 或24 h 后的PM2.5質(zhì)量濃度較過去12 h 或24 h PM2.5質(zhì)量濃度的百分比來表示過去12 h 或24 h 降水對PM2.5污染的改善作用,計算公式:
式中:R 表示過去12 h 或24 h 降水對PM2.5污染的改善率,ρi表示降水12 h 或24 h 后的PM2.5質(zhì)量濃度, ρi-1表示過去12 h 或24 h 的PM2.5質(zhì)量濃度。 當(dāng)R＞0 時表示PM2.5質(zhì)量濃度較過去12 h或24 h 有所下降,降水對PM2.5污染具有改善作用;當(dāng) R＜0 時表示某日PM2.5質(zhì)量濃度較過去12 h或24 h 有所增加,并未體現(xiàn)降水的濕清除作用。
2 結(jié)果和討論
2.1 區(qū)域分布及首要污染物特征
通過對2015—2018 年成都市區(qū)及其8 個區(qū)縣的AQI 進(jìn)行統(tǒng)計(圖1)發(fā)現(xiàn),成都地區(qū)的AQI年平均為98,其中年均AQI 最大地區(qū)為溫江,其次為雙流、新都和崇州,低于區(qū)域均值的地區(qū)有成都市區(qū)、金堂、龍泉驛和蒲江,其中蒲江的空氣質(zhì)量情況最優(yōu)。 從AQI 分級占比來看(表1),成都地區(qū)空氣質(zhì)量主要為良,占比48.64%,其次為輕度污染占比 25.54%, 空氣質(zhì)量為優(yōu)占比13.25%,中度污染、重度污染和嚴(yán)重污染累計占比12.56%。 中度污染、重度污染和嚴(yán)重污染累計天數(shù)占比高于均值的地區(qū)有崇州、彭州、雙流、溫江和新都,其中新都最高,占16.66%,其次為溫江和雙流。 空氣質(zhì)量優(yōu)良天數(shù)占比高于均值的地區(qū)為成都市區(qū)、蒲江、龍泉驛和金堂,其中蒲江最高,達(dá)68.21%,但金堂空氣質(zhì)量為優(yōu)的天數(shù)最多。 從空間分布上來看,除市區(qū)外,成都中部地區(qū)的空氣質(zhì)量污染較為嚴(yán)重,而東部和西部地區(qū)污染相對較輕。 市區(qū)相對較優(yōu)的空氣質(zhì)量與城區(qū)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、機(jī)動車尾氣污染控制、重點行業(yè)除塵設(shè)施建設(shè)等管控措施息息相關(guān)。
圖1 2015—2018 年成都市區(qū)和8 個區(qū)縣的年均AQ IFig.1 The annual average AQI distribution in Chengdu from 2015 to 2018
2015—2018 年成都中度污染、重度污染和嚴(yán)重污染累計天數(shù)占比高于均值的地區(qū)有崇州、彭州、雙流、溫江和新都,因此,本文主要以該地區(qū)為代表分析成都大氣污染物的首要污染物特征。 從成都的首要污染物特征來看(圖2),成都首要污染物的季節(jié)特征差異較大,但全年主要以PM2.5和O3為主,占比達(dá)75%。 從首要污染物的季節(jié)特征來看,春季主要以PM2.5和O3為主且PM2.5占比更高,達(dá)46%;夏季的首要污染物則表現(xiàn)為O3污染最多,占比達(dá)到69%,其次為PM10和PM2.5;秋季首要污染物以PM10和PM2.5為主,兩者占比分別為21%和43%,其次為O3,另外秋季清潔日天數(shù)最多,占比達(dá)16%;而冬季是污染最重的季節(jié),其首要污染物主要以PM2.5為主,占比達(dá)88%,其次為PM10,占比達(dá)8%。 其他污染物在首要污染物中的占比均較小,幾乎可以忽略不計。
圖2 成都不同季節(jié)首要污染物出現(xiàn)天數(shù)占比Fig.2 The proportion of days with major pollutant occurrence in different seasons in Chengdu
從成都首要污染物PM2.5和O3出現(xiàn)天數(shù)占比的變化來看(表2),成都的PM2.5污染出現(xiàn)天數(shù)占比除2016 年達(dá)50%外,其余年份均維持在45%～46%,其中2017 年最低為45.19%;O3污染出現(xiàn)天數(shù)占比呈升高趨勢,其中2017 年O3污染占比達(dá)29.51%。 從不同季節(jié)首要污染物出現(xiàn)天數(shù)占比變化來看(圖3),成都春季和秋季主要以PM2.5污染為主,其中秋季O3污染占比有所增加,夏季O3污染出現(xiàn)天數(shù)占比呈遞增趨勢,冬季幾乎無O3污染。
表2 2015—2018 年成都首要污染物出現(xiàn)天數(shù)占比變化統(tǒng)計Table 2 The proportion of days with major pollutant occurrence in Chengdu from 2015 to 2018
圖3 2015—2018 年成都不同季節(jié)首要污染物出現(xiàn)天數(shù)占比Fig.3 The proportion of days with major pollutant occurrence in Chengdu in different seasons from 2015 to 2018
從成都首要污染物PM2.5和O3的時間變化趨勢來看(圖4),近年來成都的PM2.5污染有明顯改善,由2015 年的83.45 μg/m3上升至2016年的87.57 μg/m3,2017 年開始PM2.5濃度呈下降趨勢, 2018 年 PM2.5質(zhì)量濃度降至 66.96 μg/m3;2015—2018 年成都O3雖有所波動但沒有顯著改善,O3-8 h 高于160 μg/m3共出現(xiàn)160 d,2015 年最多達(dá)61 d,2016 年最少為44 d,主要分布在4—8 月,以7 月和8 月居多,2015—2018 年共計出現(xiàn)45 d 和50 d。
圖4 成都首要大氣污染物的時間變化趨勢Fig.4 Long-term trends of main pollutants sequences in Chengdu
2.2 與氣象因子的關(guān)系
由于成都全年主要以PM2.5和O3為主,本文主要研究PM2.5和O3與氣象因子的關(guān)系。
2.2.1 PM2.5持續(xù)重污染過程分析
將PM2.5日均質(zhì)量濃度大于150 μg/m3且持續(xù)3 d 及以上定義為一次持續(xù)性重污染事件。2015—2018 年成都PM2.5持續(xù)重污染過程統(tǒng)計結(jié)果顯示,2015 年1 月、2 月和12 月均出現(xiàn)持續(xù)重污染過程,總共31 d,主要集中在1 月,每次過程持續(xù)時間為5 ～8 d;2016 年P(guān)M2.5持續(xù)重污染過程發(fā)生在1 月和12 月,總共14 d,主要集中在12 月,每次過程持續(xù)時間為3 ～6 d;2017 年P(guān)M2.5持續(xù)重污染過程發(fā)生在1 月和12 月,總共26 d,主要集中在1 月,每次過程持續(xù)時間為7 ～11 d;2018 年1 月、2 月和12 月均出現(xiàn)持續(xù)重污染過程,總共10 d,每次過程持續(xù)時間為3 ～4 d。 總體來看,近年來成都PM2.5持續(xù)重污染過程呈現(xiàn)逐漸減少的趨勢,2015 年污染過程總天數(shù)為31,到2018 年污染過程總天數(shù)降為10 d。
統(tǒng)計成都持續(xù)重污染過程中氣象因子與PM2.5的相關(guān)性發(fā)現(xiàn),相對濕度與同時段PM2.5濃度呈顯著正相關(guān),較高的相對濕度在一定程度上減緩了空氣的流動速度,有利于顆粒物的吸濕性增長,進(jìn)而促進(jìn)污染物的積累。 10 min 平均風(fēng)速、過去12 h 降水量和過去24 h 降水量與同時段PM2.5濃度呈顯著負(fù)相關(guān),對PM2.5濃度水平的改善具有重要作用。
2.2.2 O3重污染分析
將O3日最大8 h 滑動平均質(zhì)量濃度(O3-8 h)大于160 μg/m3、持續(xù)3 d 及以上且有中度污染發(fā)生定義為一次典型O3污染事件。 2015—2018 年成都O3污染過程統(tǒng)計結(jié)果顯示,2015 年4 月、7月和8 月均出現(xiàn)典型O3污染過程,總共28 d,主要集中在7 月,每次過程持續(xù)時間為4 ～12 d;2016 年典型O3污染過程發(fā)生在8 月,總共9 d;2017 年典型O3污染過程發(fā)生在7 月,總共16 d;2018 年5 月、6 月和8 月均出現(xiàn)典型O3污染過程,總共14 d,每次過程持續(xù)時間為3 ～7 d。
統(tǒng)計成都典型O3污染過程氣象因子與O3的相關(guān)性發(fā)現(xiàn),相對濕度與同時段O3濃度呈顯著負(fù)相關(guān)關(guān)系,這是由于高相對濕度有利于O3干沉降作用的發(fā)生[23],而大氣中的水汽通過反應(yīng)會直接消耗O3[24]。 統(tǒng)計發(fā)現(xiàn),風(fēng)速與同時段O3濃度呈顯著正相關(guān),有研究發(fā)現(xiàn),風(fēng)速較低時,O3水平擴(kuò)散作用弱于 O3的向下輸送作用,從而導(dǎo)致超標(biāo)頻率隨著風(fēng)速的增加而增大,而當(dāng)風(fēng)速超過一定值時,水平擴(kuò)散作用逐漸占據(jù)主導(dǎo)地位,超標(biāo)頻率隨著風(fēng)速的增加將顯著下降[25]。 O3濃度與同時段的氣溫、總輻射和直接輻射呈顯著正相關(guān)關(guān)系,可見伴隨著輻射的增強,氣溫上升,O3濃度將明顯增加。 另外,對典型O3污染過程個例研究發(fā)現(xiàn),總輻射最大值與O3最大值出現(xiàn)時間的平均時差為3.72 h,將O3小時濃度數(shù)據(jù)向后推遲4 h,4 h 后O3濃度與總輻射相關(guān)性達(dá)0.819,說明輻射對O3的影響存在一定程度的滯后。
2.3 氣象要素等級對大氣污染物的改善作用
2.3.1 氣象要素對PM2.5的影響分析
成都PM2.5持續(xù)重污染過程均發(fā)生在冬季,按照成都冬季過去12 h 降水量(P12)和過去24 h降水量(P24)的范圍及分布情況統(tǒng)計P12和P24對PM2.5污染具有改善率。 由圖5 可以看到,當(dāng)P12和P24均≤1 mm 時,降水對污染物并未起到改善作用,P12≤0.1 mm 和P24≤0.1 mm 對PM2.5污染的改善率分別為-6.78%和-10.64%,有研究表明微量降水反而會引起空氣濕度增加,導(dǎo)致PM2.5容易吸濕增長,促使污染進(jìn)一步惡化;當(dāng)P12和P24均≥1 mm 時,降水對污染物的改善作用開始體現(xiàn),特別P12和P24均為2.5 ～5 mm 時,對PM2.5污染的改善率顯著增加(達(dá)26.06%和15.48%);當(dāng)P12達(dá)5 mm 后,P12對PM2.5污染的改善率有所降低,這是由于出現(xiàn)5 ～15 mm 降水量的一般為連續(xù)降雨過程,污染物在降雨過程前期已下降到一定程度,后期降水對污染物的改善率將明顯降低;而P24達(dá)5 mm 后對PM2.5污染的改善率繼續(xù)增加,是因為與P12相比,P24對污染的改善率會存在一定程度的滯后。 因此,成都冬季P12和P24均≥1 mm 時,降水過程為有效降水,對PM2.5污染開始起到改善作用,當(dāng)P12和P24均≥2.5 mm時,對PM2.5污染的改善作用顯著增強。
在討論相對濕度對PM2.5污染的影響時,將2015—2018 年12 月、1 月和2 月成都冬季相對濕度小時數(shù)據(jù)(RH)劃分成7 個等級,觀察不同相對濕度區(qū)間內(nèi)PM2.5濃度的分布特征。 由圖6 可以看到,2015—2018 年成都冬季空氣大多時候均保持在高濕狀態(tài),RH＞70%的發(fā)生頻率為72%,其中高于90%的發(fā)生頻率達(dá)到了39%,有利于 SO2和NO2發(fā)生非均相反應(yīng)轉(zhuǎn)化為二次粒子,造成細(xì)粒子質(zhì)量濃度的增加,同時也為粒子的吸濕增長提供了有利條件。 當(dāng)RH＜70%時,隨著RH 的降低,對中度及以上PM2.5污染的改善作用同步增加;當(dāng)RH＜40%時,優(yōu)良天氣的發(fā)生頻率顯著增加,對輕度PM2.5污染的改善作用較為明顯。
圖6 成都冬季各等級相對濕度的發(fā)生頻率和不同相對濕度區(qū)間內(nèi)PM 2.5 濃度的分布特征Fig.6 The frequency of different interval relative hum idity and the PM 2.5 concentrations distribution on different humidity ranges in winter of Chengdu
風(fēng)速對污染物的水平擴(kuò)散具有重要作用,同時影響著污染物的平流輸送。 經(jīng)統(tǒng)計不同區(qū)間風(fēng)速(v)對PM2.5污染的影響情況(圖7)發(fā)現(xiàn),成都典型PM2.5持續(xù)重污染過程中(0,1] m/s 風(fēng)速頻率最多,占57%,當(dāng)風(fēng)速小于1 m/s 時,風(fēng)速對PM2.5濃度影響不大;(1,2] m/s 風(fēng)速頻率為33%,當(dāng)風(fēng)速大于1 m/s 時,PM2.5濃度平均值隨風(fēng)速的增大而減小;若風(fēng)速大于2 m/s,隨著風(fēng)速的增大,對PM2.5濃度的改善作用顯著加強。 經(jīng)分析2015—2018 年成都典型PM2.5持續(xù)重污染過程中風(fēng)速大于2 m/s 的持續(xù)時間及對PM2.5污染的影響作用,發(fā)現(xiàn)成都風(fēng)速大于2 m/s 的持續(xù)時間均較短,大多是1 ～2 h,2015—2018 年持續(xù)3 h 以上僅有10 次(表3)。 當(dāng)PM2.5污染為中度及以上污染時,風(fēng)速若大于2 m/s 且持續(xù)時間在3 h 以上,對PM2.5污染的擴(kuò)散作用明顯,改善作用顯著。
表3 PM 2.5 持續(xù)重污染過程中風(fēng)速大于2 m/s 且持續(xù)3h 以上的改善作用統(tǒng)計Table 3 The impact of wind speed higher than 2m/s and lasting more than 3 hours on the PM 2.5 during the typical PM 2.5 pollution processes
圖7 成都典型PM 2.5 持續(xù)重污染過程中各等級風(fēng)速的出現(xiàn)頻率及對PM 2.5 的影響Fig.7 The frequency of d ifferen t interval relative wind speed and the impact of wind speed on the PM 2.5 during the typical PM 2.5 pollution processes
2.3.2 氣象要素對O3的影響分析
進(jìn)一步分析典型O3污染事件中不同強度總輻射和氣溫背景下O3小時濃度變化、一級超標(biāo)率和二級超標(biāo)率變化情況可知,當(dāng)總輻射低于3 MJ/m2,總輻射每減少0.5 MJ/m2,4 h 后O3濃度一級超標(biāo)率按9.6%增幅降低,當(dāng)總輻射低于2.5 MJ/m2,4 h 后O3濃度二級超標(biāo)率在50%以下;當(dāng)總輻射低于1 MJ/m2時,4 h 后O3濃度超標(biāo)率將低于20%,對O3污染起到顯著改善作用[圖8(a)]。 由圖8(b)可知,當(dāng)溫度低于32 ℃時,O3濃度超標(biāo)率按7%減幅緩慢減少。
圖8 成都典型O 3 污染過程中總輻射和氣溫對O 3 的影響Fig.8 The impact of radiation and temperature on the O 3 during the typical O 3 pollution processes
進(jìn)一步分析典型O3污染事件中不同相對濕度和風(fēng)速區(qū)間中 O3濃度變化、一級超標(biāo)率和二級超標(biāo)率變化情況可知,當(dāng)相對濕度為50% ～60%時,O3濃度一級超標(biāo)率50%以上,二級超標(biāo)率為35%,當(dāng)相對濕度高于50%時,O3濃度隨相對濕度的增高而降低[圖9(a)]。 風(fēng)速低于2 m/s 時,O3濃度一級超標(biāo)率和二級超標(biāo)率均隨風(fēng)速的減小快速降低;另外,當(dāng)風(fēng)速高于2 m/s 和3 m/s 時,O3濃度二級超標(biāo)率和一級超標(biāo)率均有一定程度的降低,但幅度不大[圖9(b)]。
圖9 成都市典型O 3 污染過程中相對濕度和風(fēng)速對O 3 的影響Fig.9 The impact of the relative humidity(a) and wind speed(b) on the O 3 during the typical O 3 pollution processes
3 結(jié)論
1)成都中部地區(qū)的空氣質(zhì)量污染較為嚴(yán)重,東部和西部地區(qū)污染相對較輕。 中度污染、重度污染和嚴(yán)重污染累計天數(shù)占比高于均值的地區(qū)有崇州、彭州、雙流、溫江和新都,優(yōu)良天數(shù)占比高于均值的地區(qū)為市區(qū)、蒲江、龍泉驛和金堂。
2)成都全年主要以PM2.5和O3污染為主,其中春季、秋季和冬季均為PM2.5污染出現(xiàn)天數(shù)占比較高,而夏季則以O(shè)3污染為主。 從其時間變化來看,2015—2018 年成都的PM2.5污染濃度呈下降趨勢,而O3污染出現(xiàn)天數(shù)占比呈升高趨勢。
3)成都PM2.5持續(xù)重污染過程中,相對濕度(RH)與同時段PM2.5濃度呈顯著正相關(guān),10 min平均風(fēng)速(v)、過去12 h 降水量(P12)和過去24 h降水量(P24)與同時段PM2.5濃度呈顯著負(fù)相關(guān),對PM2.5濃度水平的改善具有重要作用。 成都冬季P12和P24均≥1 mm 時,降水過程為有效降水,對PM2.5污染開始起到改善作用,當(dāng)P12和P24均≥2.5 mm 時,對PM2.5污染的改善作用顯著增強。當(dāng)RH＜70%時,隨著RH 的降低,對中度及以上PM2.5污染的改善作用同步增加;當(dāng)RH＜40%時,優(yōu)良天氣的發(fā)生概率顯著增加,對輕度PM2.5污染的改善作用較為明顯。 當(dāng)v＞1 m/s 時,PM2.5濃度平均值隨風(fēng)速的增大而減小;若v ＞2 m/s,對PM2.5濃度的改善作用顯著加強。 另外,當(dāng)PM2.5污染為中度及以上污染時,風(fēng)速若大于2 m/s 且持續(xù)時間在3 h 以上,對PM2.5污染的擴(kuò)散作用明顯。
4)成都典型O3污染過程中,相對濕度與同時段O3濃度呈顯著負(fù)相關(guān)關(guān)系,O3濃度與同時段的風(fēng)速、氣溫、總輻射呈顯著正相關(guān)關(guān)系。 當(dāng)總輻射低于1 MJ/m2、溫度低于32 ℃、相對濕度高于50%、風(fēng)速低于2 m/s 時,O3污染將得到顯著改善。
猜你喜歡
小學(xué)科學(xué)(學(xué)生版)(2021年7期)2021-07-28 06:44:32
電機(jī)與控制應(yīng)用(2021年12期)2021-02-28 07:55:52
海洋通報(2020年5期)2021-01-14 09:26:54
小學(xué)科學(xué)(學(xué)生版)(2020年6期)2020-08-13 07:47:12
當(dāng)代陜西(2019年7期)2019-04-25 00:22:18
領(lǐng)導(dǎo)決策信息(2018年26期)2018-10-12 02:18:26
西南交通大學(xué)學(xué)報(2016年4期)2016-06-15 20:29:37
電測與儀表(2015年8期)2015-04-09 11:50:06
都市麗人(2015年5期)2015-03-20 13:33:49
電機(jī)與控制應(yīng)用(2015年7期)2015-03-01 03:50:15
