文章編號：1674-6139（2025）06-0072-05

中圖分類號：X513文獻標志碼：B

Analysis on Influence of Rainstorm and Snow Meteorological Factors on PM_2.5 Air Pollution Diffusion

HuQiuhong，Guo Juncheng，Hu Jianlong，WangXingju，F(xiàn)angYijin （Anshun Meteorological Bureau of Guizhou Province，Anshun 561ooo，China）

Abstract：In order to analyze the impact of rainstorm and snow meteorological factors on PM_2，5 air pollution diffusion，the PM_2，5 pollutantconcentrationdataandinstoandsowmeteorologicalfactoratawerepreprocessedtoextractthedatacharacteristicsofdaily and interanualfluctuations.Usingthestepwiselinearregresion（MLR）andLMGmethods，thispaperstudieshowspecificraistor and snow meteorological factors affect the concentration changes of PM_2.5 pollutants in the study area from 2019 to 2023．The research results show that precipitation，wind speed，and temperature have the greatest impact onthe dailyvariationof PM_2，5 air pollution diffusion insummer，while snowfall，wind speed，and humidity have the greatest impact on the dailyvariationof PM_2.5 air pollution diffusion in winter.The mainrainstorm meteorological factors of the interannual variation of thedaily variation of PM_2.5 concentration in summer and winterin the study area are precipitationand snowfall，respectively.

Key words：rainstorm and snow meteorological factors; PM_2，5 ；pollution diffusion；precipitation；snowfall amount

前言

在工業(yè)化和城市化的加速發(fā)展下， PM_2.5 污染問題愈發(fā)凸顯，成為全球關注的重點環(huán)境問題。 PM_2.5 作為大氣中直徑小于或等于2.5微米的顆粒物，不僅對人體健康構成嚴重威脅，還對環(huán)境質(zhì)量產(chǎn)生顯著影響。氣象因子在 PM_2.5 的擴散過程中起著決定性作用[1]。其中，暴雨雪作為一種特殊的氣象條件，影響尤為顯著。暴雨雪氣象因子具有強度大、持續(xù)時間長、影響范圍廣等特點，這些特性使得其對PM_2.5 的擴散過程產(chǎn)生獨特的影響。通過深入分析暴雨雪氣象因子的特性及其對 PM_2.5 擴散的影響機制，可以更準確地預測和評估在極端氣象條件下的大氣污染狀況，為制定有效的污染防治措施提供科學依據(jù)[2] C

為更深入了解暴雨雪氣象因子對 PM_2.5 擴散的影響，研究者們采用了多種方法實施研究。例如，通過分析氣象觀測數(shù)據(jù)和空氣質(zhì)量監(jiān)測數(shù)據(jù)，建立數(shù)學模型來模擬和分析暴雨雪對 PM_2.5 擴散的影響。一些研究還利用遙感技術和地理信息系統(tǒng)等工具，對暴雨雪前后的空氣質(zhì)量實施空間分析和比較。這些研究取得了豐富的成果，不僅揭示了暴雨雪氣象因子對 PM_2.5 擴散的影響機制，還為制定有效的污染防治措施提供了科學依據(jù)。基于現(xiàn)已取得的各種研究成果對暴雨雪氣象因子對 PM_2.5 大氣污染擴散的影響實施深入分析。

1研究區(qū)域與研究方法

1. 1 研究區(qū)域

研究區(qū)域是一個典型的平原地區(qū)，位于中國東部，面積廣闊，地勢平坦，海拔較低。地表主要由河流沖積物、湖泊沉積物和海洋沉積物組成。該區(qū)域氣候溫和，四季分明，降水充沛，是農(nóng)業(yè)和工業(yè)發(fā)展的重要區(qū)域。隨著城市化進程的加速，城市人口不斷增加，交通擁堵、能源消耗等問題也日益凸顯，這些因素共同導致 PM_2.5 污染問題的加劇。尤其在冬季，由于采暖期和不利的氣象條件， PM_2.5 污染問題更為嚴重。暴雨雪天氣對該區(qū)域的 PM_2.5 大氣污染擴散具有重要影響，因此選擇這一區(qū)域作為研究對象，旨在深入探討暴雨雪氣象因子對 PM_2.5 大氣污染擴散的影響機制。

1.2暴雨雪氣象因子數(shù)據(jù)獲取

使用研究區(qū)域MERRA－2的空間分辨率為0.5^°×0.625^° 、時間分辨率為1小時的大氣再分析資料。

首先定義暴雨雪氣象，將24小時總雨量達到50毫米、12小時總雨量達到30毫米以上標準的降水定義為暴雨。將24小時降水量在10.0毫米（或等效液態(tài)水深度）或12小時降水量在6.0毫米（或等效液態(tài)水深度）以上的降雪定義為暴雪[3]

將降水量與降雪量作為研究中的主要暴雨雪氣象因子，分別選取滿足以上降水量與降雪量的夏季大氣再分析資料與冬季大氣再分析資料作為研究數(shù)據(jù)。將氣溫、濕度、風速、風向等作為輔助性的暴雨雪氣象因子，同步獲取滿足以上降水量與降雪量時間段內(nèi)的相關大氣再分析資料。

1.3 PM_2.5 大氣污染數(shù)據(jù)獲取

獲取環(huán)保部發(fā)布的 PM_2.5 污染物的實時監(jiān)測數(shù)據(jù)（http：//106.37.208.233：20035/），并計算其平均小時濃度。

1.4 數(shù)據(jù)預處理

從日變動與年際波動兩個維度，詳細研究了2019年至2023年間特定暴雨雪氣象因子如何影響研究區(qū)域內(nèi) PM_2.5 污染物的濃度變化。在運用逐步線性回歸（MLR）和LMG方法之前，首先對獲取的PM_2.5 污染物濃度數(shù)據(jù)及暴雨雪氣象因子數(shù)據(jù)實施預處理，以提取日變動和年際波動的數(shù)據(jù)特征[4]

首先，計算暴雨氣象因子和 PM_2.5 污染物濃度的區(qū)域平均值。通過計算選定區(qū)域內(nèi)暴雨氣象因子的小時數(shù)據(jù)的算術平均值獲得日均值，進而計算得出研究區(qū)域內(nèi)各個氣象因子的區(qū)域日均值時間序列。同樣地，通過對選定區(qū)域內(nèi) PM_2.5 污染物濃度的日數(shù)據(jù)實施算術平均，得到了環(huán)境數(shù)據(jù)區(qū)域值的時間序列。

接下來，為了獲得暴雨氣象因子和 PM_2.5 污染物濃度數(shù)據(jù)的日變動數(shù)據(jù)，對數(shù)據(jù)實施去趨勢處理。從原始日數(shù)據(jù)中減去滑動月均值（即當天及前后各十五天，總計三十一天的平均值），從而得到日變動數(shù)據(jù)的時間序列[5]。然后，利用逐步線性回歸方法，量化處理后的暴雨氣象因子對區(qū)域 PM_2.5 污染物濃度日變動的影響，并借助LMG方法進一步明確了相對貢獻。

最后，從所用數(shù)據(jù)的滑動月均值中減去當日的五年均值，得到年際波動數(shù)據(jù)的時間序列[6]。然后，運用逐步線性回歸方法，量化了處理后的暴雨雪氣象因子對區(qū)域污染物濃度年際波動的影響。

1.5 研究方法

多元線性回歸模型，簡稱MLR，是構建在單個響應變量與若干預測變量間的函數(shù)關系。采用逐步線性回歸的技術手段，深入分析暴雨雪氣象因子對夏冬兩季 PM_2. 5污染物變化的影響。在實施過程中，根據(jù)逐步線性回歸的策略，在模型中動態(tài)地增加或刪除氣象變量，同時計算出相關系數(shù)并實施共線性檢驗，以求得最佳的模型匹配度[]。此處的決定系數(shù) （R² ）是一個關鍵指標，它具體衡量了MLR模型所能闡釋的因變量變動的比例。當 R² 值越趨近于1時，意味著模型的擬合度越出色，數(shù)學表達式為式（1）：

式（1）中 ?_?β_i 指的是預處理后的 PM_2.5 濃度 ;χ₀ 指的是截距 σ;χ_l 指的是第 l 個暴雨雪氣象因子的回歸系數(shù)； α_l 指的是預處理后的暴雨或暴雪氣象因子的集合；δ指的是殘差。

在探討暴雪氣象因子對研究區(qū)域夏冬季節(jié)PM_2.5 污染物濃度變化影響的過程中，為了精確評估氣象因子的相對重要性，引入了LMG方法這一廣泛使用的分析策略。為了更準確地量化MLR模型中各氣象因子的具體貢獻，采用R語言中的relaimpo包，它不僅高效地確定了線性模型中回歸變量的相對重要性，還因其專為線性模型設計而顯著提升了計算效率。此外，relaimpo還提供了具有統(tǒng)計意義的置信區(qū)間，以及MLR模型中各變量非負貢獻的分解。

首先，針對夏季 PM_2.5 污染物的日均濃度數(shù)據(jù)，實施去長期趨勢的日變化處理。通過應用MLR模型并借助逐步的變量添加與剔除過程，找到最能反映實際情況的擬合方程。探討暴雨氣象因子變化如何驅動區(qū)域夏季 PM_2.5 濃度的變化趨勢，并利用LMG方法明確這些暴雨氣象因子的相對貢獻。特別地，選取三個關鍵的暴雨氣象因子，分析它們在2023年內(nèi) PM_2.5 小時平均濃度下降值大于 10μg/m³ 時的數(shù)值范圍[8]

接下來，轉向冬季 PM_2.5 污染物的日均濃度數(shù)據(jù)，同樣實施去長期趨勢的日變化處理。通過MLR模型的逐步分析，量化暴雪氣象因子對冬季 PM_2.5 濃度日變化的影響，并探討了這些氣象因子變化如何影響冬季 PM_2.5 濃度的變化趨勢。再次，利用LMG方法明確這些暴雪氣象因子的相對貢獻。在選取的三個關鍵暴雪氣象因子中，特別地選取三個關鍵的暴雪氣象因子，分析它們在2023年內(nèi) PM_2.5 小時平均濃度下降值大于 10μg/m³ 時的數(shù)值范圍[9]

在年際變化的分析中，首先去除夏季 PM_2.5 污染物數(shù)據(jù)的短期趨勢，得到逐日異常值利用MLR模型，量化了暴雨氣象變量對夏季 PM_2.5 濃度年際變化的具體影響，并借助LMG方法明確這些氣象變量的相對貢獻。

類似地，在冬季的年際變化分析中，首先去除短期趨勢，得到了逐日異常值（包括冬季 PM_2.5 異常和暴雪氣象因子異常）。接著，利用MLR模型，量化暴雪氣象變量對冬季 PM_2.5 濃度年際變化的影響，并借助LMG方法明確了這些氣象變量的相對貢獻[10]

2 影響分析

2.1 暴雨對夏季 PM_2.5 日變化的影響

選擇降水量、風速、氣溫這三個氣象因子，分析它們在2023年內(nèi)暴雨天數(shù)內(nèi) PM_2.5 平均小時濃度下降值大于 10μg/m³ 時的數(shù)值范圍，具體見圖1。

暴雨降水量是影響 PM_2.5 濃度下降的重要因素之一。當 PM_2.5 小時平均濃度下降值大于 10μg/m³ 時，暴雨降水量達到了較高的水平，大于 50mm ，這有助于有效地沖刷空氣中的 PM_2.5 顆粒。

風速對于 PM_2.5 的擴散和稀釋起著重要作用。在PM_2.5 小時平均濃度下降值大于 10μg/m³ 時，風速處于一個較為高的范圍，污染物更容易被稀釋和擴散。

當 PM_2.5 小時平均濃度下降值大于 10μg/m³ 時，氣溫在 29%～37% 的范圍內(nèi)波動，整體氣溫偏高。

在 PM_2.5 小時平均濃度下降值大于 10μg/m³ 的情況下，降雪量較低。這說明較低的降雪量足以有效地清除空氣中的顆粒物，導致 PM_2.5 濃度顯著下降。

2.2暴雪對冬季日變化的影響

選擇降雪量、風速、濕度這三個氣象因子，分析它們在2023年內(nèi)暴雪天數(shù)內(nèi) PM_2.5 平均小時濃度下降值大于 10μg/m³ 時的數(shù)值范圍，具體見圖2。

在 PM_2.5 小時平均濃度下降值大于 10μg/m³ 時，風速通常在4至7米/秒之間。這個范圍內(nèi)的風速有助于污染物的擴散和稀釋，從而降低 PM_2.5 濃度

在 PM_2.5 濃度顯著下降的情況下，相對濕度在50% 至 80% 之間。這個范圍內(nèi)的濕度可能有利于顆粒物的濕沉降，同時避免過高的濕度導致顆粒物 吸濕增長。

2.3暴雨對夏季年變化的影響

整個研究時段內(nèi)研究區(qū)域夏季 PM_2.5 濃度日變化的年際變化主要暴雨氣象因子見表1。

可以看到，研究區(qū)域夏季 PM_2.5 濃度日變化的年際變化主要暴雨氣象因子是降水量與風速，其中降水量的相對貢獻達到 79% ，說明降水量是最主要的影響因素。

2.4暴雪對冬季年變化的影響

整個研究時段內(nèi)研究區(qū)域冬季 PM_2.5 濃度日變化的年際變化主要暴雪氣象因子見表2。

研究區(qū)域冬季 PM_2.5 濃度日變化的年際變化主要暴雪氣象因子是降雪量、濕度、風速，其中降雪量是最主要的影響因素，相對貢獻達到 74% 。

3 結束語

通過對暴雨雪氣象因子與 PM_2.5 大氣污染擴散之間關系的深入探討，實驗結果發(fā)現(xiàn)，降水量在夏季和冬季均是控制 PM_2.5 濃度的最主要因素，分別貢獻了 79% 和 74% 的相對變化。夏季風速也顯著影響PM_2.5 濃度，而冬季濕度則在一定程度上發(fā)揮作用。這些氣象因子通過沖刷、擴散、稀釋和濕沉降等機制，有效降低了空氣中的 PM_2.5 濃度。證明暴雨和暴雪對改善區(qū)域空氣質(zhì)量具有顯著作用，特別是在降水量較大、風速適中或濕度適宜的條件下， PM_2.5 濃度下降更為明顯。因此，合理利用氣象條件，加強環(huán)境管理和污染控制，對于減少 PM_2.5 污染具有重要意義。然而也需認識到，氣象因子僅是影響 PM_2.5 擴散的眾多因素之一，在治理大氣污染時，還需綜合考慮污染源控制、城市規(guī)劃等多方面的因素。

參考文獻：

[1]吳舒祺，金國囡，鄭冬陽，等.“ 2+26^′ 城市 PM_2.5 與氣象因子的尺度依存關系及影響因素分析[J].環(huán)境科學，2023，44（12）：6441-6451.

[2]毛敏，劉光霆，李全金，等.基于MODIS和地面監(jiān)測數(shù)據(jù)的 PM_2.5 反演模型研究[J].環(huán)境工程，2023，41（增刊2）：493-496.

[3]王悅穎，陳麗娟，安興琴，等.基于MERRA-2資料的PM_2，5 主要組分污染特征及與氣象條件的相關性分析[J].中國環(huán)境科學，2023，43（5）：2128-2137.

[4]王筱迪，張杰銘，姜姜，等.杉木水分利用效率對混交和氣象因子的響應[J].應用生態(tài)學報，2023，34（12）：3232-3238.

[5]王莉莉，金鑫，劉博雅，等.2018＼～2021年春季云南空氣質(zhì)量變化規(guī)律及境外生物質(zhì)燃燒影響分析[J].氣候與環(huán)境研究，2023，28（3）：315-326.

[6]陳漾，張金譜，邱曉暖，等.2021年廣州市臭氧污染特征及氣象因子影響分析[J].生態(tài)環(huán)境學報，2022，31（10）：2028-2038.

[7]楊玖，代佼，龔興濤，等.攀枝花市大氣污染物特征及氣象因子關系分析[J].環(huán)境科學與技術，2022，45（增刊1）：205-214.

[8]安霞東，陳文，李春，等.降雨非絕熱加熱對2023年2月上旬中國東部\"南雨-北霾”事件的影響[J].中國科學：地球科學，2023，53（11）：2623-2638.

[9]劉博涵，袁金國，李艷翠，等.基于TROPOMI的石家莊市 NO₂ 柱濃度時空分布及來源分析[J].環(huán)境科學與技術，2023，46（8）：77-89.

[10]何向陽，張鳳英，何立環(huán)，等.20152020年山西省空氣質(zhì)量時空變化特征及其驅動因素分析[J].環(huán)境科學研究，2023，36（10）：1870-1881.