2024, Vol. 16 
2. 广东省环珠江口气候环境与空气质量变化野外科学观测研究站，广东 广州 510275;
3. 广东省生态气象中心，广东 广州 510145
2. Guangdong Provincial Observation and Research Station for Climate Environment and Air Quality Change in the Pearl River Estuary, Guangzhou, Guangdong 510275, China;
3. Guangdong Ecological Meteorology Center, Guangzhou, Guangdong 510145, China
近年来，随着社会经济的发展，城市工业化不断发展，汽车总量持续攀升，由此带来的大气污染问题也不断凸显，珠三角等城市群污染问题已引起社会的高度关注。研究发现，某一地区空气污染与本地污染源的类型及分布状况、气象条件、污染物区域传输、地形地貌等密切相关[1-3]。在地形及污染源相对稳定的条件下，气象条件是影响城市空气污染的关键因素[4-6]，而气象条件的变化受到大气环流形势的影响和制约[7-9]。大量研究表明，大气环流特征的变化是所有地区污染物浓度的主要驱动因素之一[10]，大气环流形势演变影响气象条件的变化，同时影响污染物的区域传输，但不同地区造成大气污染的环流特征和区域传输特征具有较大差异[11-14]，且污染状况具有明显的区域性特征。从已有研究来看，华南地区在高空大范围下沉运动、中低空弱的垂直运动或反气旋环流、近地面层弱风场辐合等环流特征下易出现污染天气[15-17]，且污染物浓度与风速、降水、温度及相对湿度等气象要素具有显著相关性[18-19]；大气污染物的跨区域传输对华南地区的污染物浓度也具有较大贡献[20-21]。因此，加强区域空气污染与大气环流形势、气象条件之间的研究，并在此基础上分析污染物传输特征，对提升以气象条件为“信号”的空气质量预报水平非常必要。
目前对华南地区的污染天气研究主要集中在珠三角地区，对粤北地区的大气污染，特别是将大气环流特征与污染潜在源区(PSCF)相结合进行分析的研究较少。现基于2016—2021年地处广东省北部的清远市逐时污染物浓度监测数据、气象观测数据和同期气象再分析资料，对影响清远市细颗粒物(PM2.5)污染的环流形势进行天气分型，归纳总结出不同污染天气型的气象要素特征及污染潜在源区特征，识别影响PM2.5浓度的关键气象影响因子，为广东及粤北地区污染天气预报预警及污染治理区域联防联控提供技术参考。
1 数据与方法 1.1 数据来源观测资料主要为2016—2021年清远市生态环境局提供的清远市空气质量逐日及逐小时污染监测数据和清远市国家基本气象观测站同期气象观测数据；气象再分析资料采用美国国家环境预报中心(NCEP)1°×1° 6 h全球再分析资料(FNL)，研究范围为100°E—130°E，10°N—40°N，包含广东清远市及周边大陆和海洋区域(http://rda.ucar.edu/datasets/ds083.2/)及全球数据同化系统气象数据(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)。
1.2 主观污染天气分型使用主观天气分型方法[22-24]，基于对清远市历史天气的理解和分析，结合天气学、大气污染等理论，对出现大气污染的天气环流背景和形势场进行总结分类，并对各类污染天气分型下的气象条件和污染物特征进行分析，归纳总结出影响清远市PM2.5污染的不同天气类型。
1.3 后向轨迹模式和PSCF分析后向轨迹(HYSPLIT)模式是由美国国家海洋和大气管理局与澳大利亚气象局联合研发的一种具有处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能并包含了完整的输送、扩散和沉降过程的模型。为研究清远市PM2.5污染的来源，以清远市国家基本气象观测站为起始点，采用GDAS1气象数据资料，对清远市PM2.5超标日[ρ(PM2.5)日均>75 μg/m3]计算72 h后向轨迹，定点高度为300 m。每天计算8个时次(00：00—23：00，每3 h计算1次)。
由于HYSPLIT模式模拟所得的后向轨迹数量较大，为了更好地确定颗粒物气团到达研究受点的方向，模拟出不同来源地区的大气污染传输路径，须对结果进行聚类分析。轨迹聚类分析是根据气团轨迹的传输速度和方向等特征，对所有到达研究受点位置的气团轨迹进行分型聚类，以判断受点在不同时间段污染物传输的主导路径，可以用于分析受点的气团来向构成以及占比。本研究采用欧拉距离算法，对到达起始点的所有轨迹进行聚类分析。
PSCF分析方法利用后向轨迹来计算描述可能源区地理位置空间分布的条件概率函数，初步确定污染源区。本研究中PSCF分析研究区域覆盖72 h后向轨迹95%以上的范围(110°E—120°E，20°N—28°N)，按0.1°×0.1°格网对研究区域进行网格化处理，PM2.5超标污染物阈值为75 μg/m3。定义条件概率函数PSCF计算公式见式(1)。
| $ \mathrm{PSCF}=m_{i j} / n_{i j} $ | (1) |
式中：mij——所选研究区域内经过网格(i，j)的污染轨迹数；nij——经过网格(i，j)的所有轨迹数。PSCF的值越大，表明该地区对于污染物的质量浓度贡献也越大。为减小条件概率函数因样本总量nij较小而产生误差的影响，降低计算的不确定性，引入权重函数Wij[25]，加权的条件概率函数(WPSCF)计算公式见式(2)。
| $ \mathrm{WPSCF}=\mathrm{PSCF} \times W_{i j} $ | (2) |
| $ W_{i j}= \begin{cases}1.00, & n_{i j}>80 \\ 0.70, & 20<n_{i j} \leqslant 80 \\ 0.42, & 10<n_{i j} \leqslant 20 \\ 0.05, & n_{i j} \leqslant 10\end{cases} $ |
清远市地处广东省北部，其北部为南岭生态屏障，南部市辖区紧邻广州、佛山等工业发达城市，位于珠三角平原和南岭山脉的结合带上，大气污染问题甚至超过珠三角部分城市，大气污染防控形势十分严峻。2016—2021年清远市ρ(PM2.5)平均值变化见图 1(a)—(d)。
|
图 1 2016—2021年清远市ρ(PM2.5)平均值变化 注：图(b)中直线两端对应该季节内ρ(PM2.5)季度均值的变化范围，实线点代表该季节内ρ(PM2.5)的平均值。 |
由图 1(a)可见，2016—2021年清远市ρ(PM2.5) 和年超标天数呈现先增加后减小的趋势，平均值为32 μg/m3，超标天数合计发生92 d，其中2016—2018年清远市ρ(PM2.5)逐年升高，2018年为38 μg/m3，2017年次之，为37 μg/m3，均超过国家环境空气质量二级标准(35 μg/m3)；2019—2021年清远市ρ(PM2.5)年均值逐年下降，2021年清远市PM2.5污染得到有效治理，污染天数仅2 d，为历史最低。
由图 1(b)可见，清远市ρ(PM2.5)冬季(12—次年2月)最高，为42 μg/m3；春季(3—5月)和秋季(9—11月)次之，分别为34和32 μg/m3；夏季(6—8月)最低，仅为22 μg/m3。这可能是由于清远市冬季干燥少雨，天气静稳，有利于PM2.5的增长，春、秋季降水较冬季明显，对PM2.5有一定的清洁作用，夏季为主要的雨季，充沛的降雨对PM2.5有明显的冲刷作用。
由图 1(c)可见，ρ(PM2.5)月均值峰值出现在1月，12月、2—3月次之，即冬季和初春是清远市PM2.5污染的高发时段，特别是1月，超标率高达14%。其原因可能是在冬季和初春，特别是1月，降水较其他月份显著减少，湿清除条件不利；地面多处在冷高压底部或底后部天气形势下，易出现弱南北风辐合，有利于珠三角及周边地区污染物向清远输送并累积，因此该时段PM2.5污染事件易发、高发；此外，1月为清远市的最冷月份，人类活动、燃煤或生物质燃烧等排放源变化也可能导致PM2.5污染排放的增加。
由图 1(d)可见，清远市ρ(PM2.5)日均值也大致呈现单峰、单谷特征，峰值普遍出现在20：00—21：00，傍晚到夜间凌晨(17：00—次日03：00)ρ(PM2.5)较高，午后ρ(PM2.5)较低，即1 d内夜间到凌晨较易出现PM2.5污染。其原因可能是清远市白天近地面气温高，大气对流较明显，湿度小，风速大，多明显降水，有利于PM2.5的扩散；夜间大气相对静稳，湿度大，风速小，易出现逆温现象，扩散条件转差，但有利于PM2.5的吸湿增长，尤其是在20：00—21：00，上述气象条件最为不利，因此ρ(PM2.5)峰值也常出现在该时段；此外，傍晚下班高峰期开始，人类活动增多，污染排放增加，使得ρ(PM2.5)在20：00前后快速增加至最高值，之后人类活动逐渐减少，ρ(PM2.5)缓慢下降。
2016—2021年清远市ρ(PM2.5)日均值随气象要素的箱线变化见图 2(a)—(d)。由图 2可见，清远市日平均风速＞2 m/s时，ρ(PM2.5)日均值出现明显的下降，即小风日更易出现PM2.5污染；当日平均相对湿度为50%~65%时，有利于ρ(PM2.5)的增加，日平均相对湿度为75%~90%时，则更易出现PM2.5污染；清远市ρ(PM2.5)日均值随降水增大而减小，PM2.5污染主要出现在无降水及微量降水天气下；当日平均气温为18~22 ℃时，ρ(PM2.5)日均值最大，较易出现PM2.5污染，其中当日平均气温在20 ℃左右时，ρ(PM2.5)日均值达到极大值，即该温度下易出现PM2.5重污染。
|
图 2 2016—2021年清远市ρ(PM2.5)日均值随气象要素的箱线变化 注：箱线部分对应该气象要素范围内ρ(PM2.5)日均值，其中上、下短横代表不同气象要素区间内的最大值、最小值，箱体范围为不同气象要素区内ρ(PM2.5)日均值的上、下四分位数区间，箱体中短横为中位值。 |
由上可见，清远市ρ(PM2.5)日均值变化跟风速、温度、湿度及降水联系较为密切，这些气象要素的变化跟天气形势的变化密不可分，因此有必要对清远市PM2.5污染发生的天气进行分型和对比分析。本研究采用主观天气分型的方法对2016—2021年PM2.5污染日地面和500 hPa的大气环流形势进行分析，影响清远市PM2.5污染的天气环流形势分别为变性高压脊型(THR)、脊后槽前型(BRFT)、冷锋前型(CF)、弱冷高压脊型(WR)、高压底后部型(HSW)和台风外围型(TP)。上述分型结果包含了日常预报业务中所见的影响清远市的天气系统，且分型结果与广东省及清远市周边地市的主观及客观分型结果接近。
清远市不同污染天气分型的全年和季节占比见表 1。由表 1可见，6类PM2.5污染天气型中，THR、BRFT、CF、WR是清远市PM2.5污染最主要的天气型。其中，THR出现频率最高，BRFT、CF、WR次之；HSW和TP出现频率较低。6类天气型也表现出一定的季节分布特征，其中，春季PM2.5污染日出现在BRFT下，占比达60.7%，其次为THR；夏季PM2.5污染日全都发生在TP天气型下；秋季PM2.5污染日主要出现在THR和WR天气型下，其次为CF天气型；冬季除BRFT和TP天气型之外，其他天气型均有PM2.5污染发生。
|
表 1 清远市不同污染天气分型的全年和季节占比 |
清远市不同污染天气型的气象要素特征见表 2，2016—2021年清远市PM2.5污染玫瑰图见图 3(a)—(f)。由表 2和图 3可见，6类污染天气型的平均风速为1.7~1.8 m/s，即均出现在小风日下，不同天气型下气象要素的差异是导致PM2.5污染程度不同的重要原因之一。
|
|
表 2 清远市不同污染天气型的气象要素特征 |
|
图 3 2016—2021年清远市不同污染天气型下的PM2.5污染玫瑰图 注：虚线代表风速(单位为m/s)，字母代表风向。 |
THR天气型下，地面冷高压东移出海，位于清远市南部的珠三角近地面受东风或东南风回流影响，湿度较大，有利于颗粒物吸湿增长，自南向北，风速逐渐减弱，清远市北部处在变性高压脊北侧的弱偏北或偏西风影响下，有利于南北两侧上游的污染物在清远市堆积，且日平均气温为18.8 ℃，或有微量的降水，有利于清远市本地颗粒物的增长。该天气型下清远市PM2.5污染主要发生在风速＜3 m/s的偏北风和偏东南风区间内，PM2.5轻度和中度污染天数也最多，在春、秋、冬季均有发生。
BRFT天气型下，影响清远市的地面冷高压迅速减弱并东移出海，地面低压槽快速发展，形成东高西低的气压场形势，近地面受弱东南风影响，在清远市附近存在风速辐合，有利于上游珠三角地区污染物的输送和累积，同时也易发生弱降水，但对污染物的清除作用很微弱。该天气型下清远市PM2.5污染主要发生在风速＜2 m/s的偏南风区间内，以轻度污染为主，是造成清远市春季PM2.5污染事件的主要天气型。
CF天气型下，地面冷高压和冷空气强度较弱，位置偏北，渗透到清远北部，尚未到达清远市区，清远市内存在弱偏北风和弱偏东南风的辐合，有利于污染物的累积，但也易出现污染后快速转为较强偏北风影响的情况，对于PM2.5污染的扩散稀释有较明显的作用。该天气型下清远市PM2.5污染程度一般较轻，主要发生在风速＜4 m/s的偏南风区间内，主要出现在冷空气南下频繁的秋、冬季。
WR天气型下，地面受弱冷空气渗透影响，清远市处在弱冷高压底部，天气干燥晴朗，近地面为弱偏北或偏东北风，与南部珠三角地区的弱东南风存在辐合，温度为20 ℃左右，相对湿度为75%~90%，非常有利于PM2.5的累积和吸湿增长，最易发生PM2.5重度污染。该天气型下清远市PM2.5污染主要发生在风速＜3 m/s的偏西北和偏东南风相对峙的区间内，均出现在秋、冬季。
HSW天气型下，地面高压中心位于华北到渤海一带，清远市处在冷高压中心底后部南伸脊区位置，低层为东北风，易造成上游颗粒物向清远市区传输而发生污染，但污染程度较轻且发生污染概率较小，在冬季偶有发生。
TP天气型下，西太平洋海面有热带低压生成发展，广东及清远市均受其外围下沉气流影响，天气静稳闷热，不利于污染物扩散，只在夏季偶有发生，污染程度最轻，出现概率最小。
2.3 PM2.5污染轨迹及潜在源区分析由上可见，清远市PM2.5污染是在多个天气型下发生的，且不同的天气型影响下PM2.5污染也存在明显差异，为探讨易出现PM2.5污染天气型下外来传输对清远市辖区PM2.5污染的影响及污染主要潜在源区，本研究利用HYSPLIT模式对6类PM2.5污染天气型下到达清远市辖区的后向气流轨迹进行聚类分析及WPSCF分析(阈值为75 μg/m3)，结果见图 4(a)—(f)。由图 4可见，THR天气型下WPSCF高值区域范围明显大于其他几类污染天气型，这也说明了该类天气型下清远市辖区最易出现PM2.5污染。可以看到，THR、BRFT、HSW和TP天气型都较为明显地表现出气流经珠三角地区回流至清远市辖区，并且这4类天气型下WPSCF高值区域都主要位于清远市辖区以及广州、佛山、东莞、惠州、深圳等珠三角城市。
|
图 4 6类污染天气型下轨迹聚类及WPSCF值分布特征 |
推测其原因，可能是因为偏东或东北气流通常较为干燥，但在其绕经沿海时气流湿度增加，有利于颗粒物的吸湿增长，另外在东南气流的控制下，也有利于珠三角城市群输送污染物到清远市辖区，有利于PM2.5质量浓度的升高。
CF天气型下偏北方向气流占比约为50%，另外有10%的东南短距离传输气流经珠三角南部回流影响清远南部；从WPSCF值分布来看，该类天气型下高污染的网格主要集中于偏北到东北方向，以及东南方向。这主要是因为在CF天气型下，清远市以北地区北风下污染传输和珠三角南风传输在清远市南部形成辐合，导致清远市辖区的PM2.5质量浓度升高；此外WPSCF高值区均距离清远市辖区较近，说明在CF天气型下，偏北风的长距离传输对清远市辖区PM2.5污染影响不明显，主要受周边短距离传输的影响。这是因为清远市辖区位于南岭山脉南侧与珠江三角洲的结合带上，偏北气流在经过南岭山脉的阻挡爬坡后，污染物得到一定的沉积，因此偏北方向的长距离输送对清远市辖区PM2.5污染影响会得到明显的削弱。
WR天气型下影响清远的东北到偏北气流轨迹占比(67.5%)较大，其对应的WPSCF高值区域之一也主要位于清远、英德、韶关；另外在东南侧的广州也存在WPSCF高值区域，说明偏北风和偏南风污染在清远市辖区形成辐合导致出现高污染天气。
3 结论(1) 对清远市PM2.5污染天气进行分析，冬季和初春是清远市PM2.5污染的高发时段，特别是1月，PM2.5污染最多发。PM2.5污染主要出现在日均风速＜2 m/s、日均相对湿度为75%~90%、日均气温为18~22 ℃时的无降水或微量降水天气下。
(2) THR、BRFT、CF、WR、HSW、TP天气型是造成清远市PM2.5污染的典型天气型。WR天气型下气象条件对清远市PM2.5累积和增长最为有利，PM2.5重度污染最易发生，主要出现在冷空气活动频繁的秋冬季；THR天气型下易出现弱北风和弱东南风辐合，出现PM2.5轻度和中度污染频率最高；BRFT天气型容易在初春出现弱南风控制引起的PM2.5污染；CF天气型下风速较大，PM2.5污染程度较轻，主要出现在秋、冬季。此外，HSW和TP天气型分别只在冬季和夏季发生，污染程度轻，出现概率很小。
(3) 加剧清远市PM2.5污染的主要气流轨迹为弱偏南气流和南北气流辐合。THR、BRFT、HSW和TP天气型主要表现出偏南气流的控制下珠三角城市群输送污染物到清远市辖区，加剧污染，污染潜在源区主要位于清远市辖区及广州、佛山、东莞、江门等珠三角城市；CF和WR天气型下则表现出南北气流在清远市辖区形成辐合从而加剧污染，潜在源区主要位于清远市南部、韶关及珠三角，说明除了清远市本地污染累积外，珠三角城市群污染物的输送对于清远市区有较大的影响。受南岭山脉地形阻挡作用，偏北方向的长距离输送对清远市辖区PM2.5污染的影响会得到明显的削弱。
| [1] |
李娟, 尉鹏, 褚旸晰, 等. 中国中东部PM2.5时空分布变化及气象影响分析[J]. 环境科学与技术, 2021, 44(3): 53-62. |
| [2] |
高振翔, 叶剑, 周红根, 等. 江苏省PM2.5和PM10时空变化特征及其与气象因子的关系[J]. 环境科学与技术, 2020, 43(7): 51-58. |
| [3] |
谢放尖, 郑新梅, 窦焘焘, 等. 南京地区细颗粒物污染输送影响及潜在源区[J]. 环境科学, 2023, 44(6): 3071-3079. |
| [4] |
姜雪. 西安市空气污染物浓度统计特征及其气象影响研究[D]. 西安: 长安大学, 2012.
|
| [5] |
黄蕾, 毕旭, 杨晓春, 等. 2014—2017年西安市PM2.5污染特征及影响因子[J]. 干旱气象, 2020, 38(3): 440-447. |
| [6] |
曹璐, 刘端阳, 陆维青, 等. 冷空气南下对江苏省重污染天气过程的影响[J]. 环境监控与预警, 2021, 13(2): 19-23, 34. |
| [7] |
姚青, 蔡子颖, 刘敬乐, 等. 气象条件对2009—2018年天津地区PM2.5质量浓度的影响[J]. 环境科学学报, 2020, 40(1): 65-75. |
| [8] |
秦靖蒿, 王晓红, 杨艺科, 等. 2015—2020年中国PM2.5污染时空演化及其与ENSO的关系研究[J]. 环境科学学报, 2023, 43(3): 315-332. |
| [9] |
史俊南, 陆岳, 赵天良, 等. 江苏北部地区冬季PM2.5污染天气形势分型研究[J]. 环境污染与防治, 2021, 43(7): 858-863. |
| [10] |
刘静达. 2013—2018中国臭氧区划和演变特征及其气象形成机制研究[D]. 南京: 南京信息工程大学, 2020.
|
| [11] |
郭立平, 乔林, 石茗化, 等. 河北廊坊市连续重污染天气的气象条件分析[J]. 干旱气象, 2015, 33(3): 497-504. |
| [12] |
许建明, 常炉予, 马井会, 等. 上海秋冬季PM2.5污染天气形势的客观分型研究[J]. 环境科学学报, 2016, 36(12): 4303-4314. |
| [13] |
张新科, 胡长金, 何跃, 等. 重庆市荣昌区冬季PM2.5污染的气象因素及区域传输特征[J]. 干旱气象, 2021, 39(1): 102-111. |
| [14] |
王莹, 智协飞, 白永清, 等. 长江中游地区PM2.5重污染过程的典型天气环流分型及区域传输影响[J]. 环境科学, 2022, 43(8): 3913-3922. |
| [15] |
李婷苑, 陈靖扬, 翁佳烽, 等. 广东省臭氧污染天气型及其变化特征[J]. 中国环境科学, 2022, 42(5): 2015-2024. |
| [16] |
庞业, 潘润西, 何宇, 等. 广西臭氧时空分布特征及污染天气类型研究[J]. 环境监控与预警, 2019, 11(3): 44-48. |
| [17] |
司徒淑娉, 吴洛林, 周柳艺, 等. 佛山市PM2.5污染特征及诱发其高污染过程天气系统分析[J]. 环境监控与预警, 2017, 9(4): 40-44. |
| [18] |
司徒淑娉, 陈辰, 莫海华, 等. 2017—2019年佛山市臭氧污染特征及其与气象条件的关系[J]. 中山大学学报(自然科学版)(中英文), 2022, 61(6): 28-35. |
| [19] |
步巧利, 余乐福, 陈辰. 广州2014—2019年气象条件对O3污染影响的定量评估[J]. 干旱气象, 2022, 40(2): 266-274. |
| [20] |
黄俊, 廖碧婷, 王春林, 等. 广州市PM2.5污染特征及潜在贡献源区分析[J]. 环境科学与技术, 2019, 42(4): 109-118. |
| [21] |
许亦非, 崔寅平, 朱溢啸, 等. 广东省区域臭氧污染过程三维输送特征分析与定量来源解析[J]. 中国环境科学, 2023, 43(5): 2119-2127. |
| [22] |
邹旭东, 李岱松, 杨洪斌. 我国北方地区的污染天气分型[J]. 气象与环境学报, 2006, 22(6): 53-55. |
| [23] |
赵娜, 马翠平, 李洋, 等. 河北重度污染天气分型及其气象条件特征[J]. 干旱气象, 2017, 35(5): 839-846, 856. |
| [24] |
DAI Z, LIU D, YU K, et al. Meteorological variables and synoptic patterns associated with air pollutions in Eastern China during 2013—2018[J]. International Journal of Environmental Research and Public Health, 2020, 17(7): 2528. DOI:10.3390/ijerph17072528 |
| [25] |
WANG Y Q, ZHANG X Y, DRAXLER R R. TrajStat: GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data[J]. Environmental Modelling & Software, 2009, 24(8): 938-939. |