气象因子与春季重污染天气的区域性关联研究

刘永昌，陈永金，张亚茹，刘永芳，刘志远，孙 童

(聊城大学，山东 聊城 252000)

0 引言

随着城市化和工业化进程的加快，大气污染事件出现的频率和强度有明显增加趋势，已经引起了社会广泛的关注。王春梅、叶春明在基于信息扩散理论的雾霾天气关注度研究一文中的研究结果表明:公众对雾霾天气的关注度随关注度水平的增加而提高，且有明显的季节性［1］。针对与大气污染事件，相关领域学者从不同角度进行了大量研究:张永恒等在论重大突发事件应急决策气象服务中针对我国重大突发事件的特点和气象因素的关系得出了建立完善气象服务的必要性的结论［2］。李令军等利用2000—2010年北京空气质量数据对北京空气污染类型进行了划分［3］，唐晓慧从不同视角对大气污染类型进行了划分［4］，丁峰等探讨了对颗粒污染物PM2.5的防治手段［5］。安月改对京、津、冀区域内沙尘暴发生规律进行了综合研究［6］，陶品竹探索了复合性、流动性污染源的治理对策［7］。近几年来有关研究的内容大多只分析某一地区大气污染事件，而分析一次短暂春季区域性大气污染形成消散过程与气象要素的关系以及区域间的传输机制，进而探究中国大气污染现象的独特性等方面研究较少。本文研究从中尺度上分析此次污染形成、消散和扩散的机制与气象要素的关系，进而得出一些不同于前人的研究方法和结果，为以后区域性春季大气污染研究提供一些参考意见。

京津冀及周围地区是中国城市分布最密集、综合实力最强的区域之一，但其环境污染问题也一直是中国环境污染问题的集中点。王慧丽等对京津冀燃煤工业和生活锅炉的技术分布与大气污染物排放特征的研究表明:化石燃料的锅炉燃烧是该地区大气污染物的主要来源之一［8］。继冬季持续雾霾型大气污染过程后，2017年5月4日起，该区出现了一次跨时52个小时的大气重度污染现象。黄德生、张世秋曾对京津冀地区大气PM2.5污染的健康效益进行研究评价，结果表明:京津冀地区能够实现的健康效益总和高达612～2560亿元/年，相当于该地区2009年地方生产总值的1.66%～6.94%［9］。因此深入研究京津冀及其周围地区的大气污染问题尤其是区域间的污染关联机制，对于推动经济稳步前进、促进区域合作处理大气污染问题和建设生态友好型社会显得尤为重要。

1 资料与研究方法

1.1 资料收集

数据来源于空气质量在线监测平台记录的京津冀及周围地区十城市的2017年5月4日至8日的各偶整点时气象数据(风向风级、空气湿度、温度、气压等)、污染指标AQI值和各污染 物 (PM2.5、PM10、SO2、CO、NO2、O3) 浓度值。

利用中国气象局等官方机构所提供的各污染物分级标准、累计平均值等数据出发，对原始数据进行合理划分。从重度污染天气的快速形成、输送与气象要素的关系出发，利用现有数据和有关资料所提供的理论依据探讨了该地区间各城市就大气污染方面联系的客观性。

空气质量指数(Air Quality Index，简称AQI)是定量描述空气质量状况的无量纲指数，根据《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012)规定:空气污染指数划分为0～50、51～100、101～150、151～200、201～300 和大于 300六档，对应于空气质量的六个级别(优、良、轻度污染、中度污染、重度污染、严重污染)，指数越大，级别越高，污染越严重。

1.2 分析方法

基于此次污染的时间短暂性、地域广阔性和输送迅速性，笔者查阅了有关中国大陆、华北地区、京津冀地区、长江三角洲地区等区域的众多研究文献为理论支撑。如隋珂珂等在北京PM10持续污染及常规气象要素的关系中所利用的相关分析法和时空特点探究［10］。分析吸收了近几年较为热点的研究方法;数据处理利用Excel软件、SPSS软件，采用堆积百分比折线图、常规统计图、相关性和显著性分析法以及线性回归分析法等方法对气象数据与污染物浓度变化、扩散进以及区域间污染的时空关联行了分析;各城市大气污染现象形成、输送和消散与其主要气象要素的关系，则采用了SPSS软件进行了相关性和显著性分析，利用分析值对比得出各城市在此次污染天气成散与主要气象要素变化方面的关联。而对于区域间各城市时空关联与气象要素关系方面采用了AQI污染指标出现峰值时间点时的各城市最大风速气象要素的散点线性回归图，借助直观的散点分布规律和回归方程的斜率比较分析各城市时空关联和主要气象要素(风速风级)的关系。

2 结果与分析

2.1 AQI指数的变化

2.1.1 时间变化

在时间轴上污染指标AQI一共出现两次高峰现象，并以第一次为主。自2017年5月4日4时起，研究区内北京的污染指标AQI值最先达到重度污染级别(200)，在此后的8个小时内该地区的10个主要城市污染指标AQI值相继达到峰值(500)，此次重度污染事件持续32个小时(4日5时～5日13时)后开始消散，其中邯郸、衡水、德州三地分别于5月5日19时～6日7时、5日21时～6日15时、6日1时～12时出现了峰值为447的小幅度回升，持续12个小时(图1)。

2.1.2 空间变化

利用2017年5月4日至8日的污染指标AQI数据，将10个城市的AQI值变化用百分比堆积折线图的形式表示出各个城市间污染过程在时间上的空间联系(见图2)。

图2显示10个城市在5月4号到8号时段内的污染现象具有极大趋势相似性，并随纬度的减小具有延后性。图2自上而下的城市的纬度依次升高，而纬度越高，出现严重度污染事件(AQI值达200)的初始时间越早。图中一共出现两次较大的峰谷变化事件，分别是5月4日5～13时和6日10时～7日17时分别对应了此次重污染天气过程的形成和消散时间段。且各地的关联在形成阶段的显著性明显高于消散阶段，形成阶段所经历时间明显较快于消散所经历的时间，即AQI值在空间上的分布具有因地域而导致的变化趋势的一致性和发生时间的延后性。说明区域关联性是客观存在的。而这种客观存在的原因是包涵气象要素的影响在内的。

图1 京津冀及周边10个城市AQI指数时间序列图Fig．1 Time sequence diagram of the AQI index in ten cities in Beijing-Tianjin-Hebei region and its surrounding area

图2 京津冀及周边10个城市AQI百分比堆积折线图Fig．2 Line chart of percentage of the index of AQI in ten cities in Beijing-Tianjin-Hebei region and its surrounding area

2.2 主要污染物指标的变化

不同于本年度以往所出现的冬季严重大气污染现象(雾霾天气)的是，此次污染并不以能见度低和大气呈刺激性气味为特征，而是以高风速、大气悬浮颗粒物增多为特征，即大气污染的沙尘型性质显著。从图3和表1看:在污染物浓度的变化趋势上PM10和PM2.5与AQI的走势较吻合且相关性显著。而其他几项污染物(如SO2、CO、NO2、O3等)浓度在此次重污染天气持续的过程中变化波动较小，且相关性不显著。综上可以得出此次污染物主要为颗粒物即PM10和PM2.5。

2.2.1 时间变化

对于PM10:在此次污染过程中德州、邢台、石家庄、衡水、邯郸等的PM10浓度值变化趋势在峰谷的波动上与AQI呈现出高度的吻合，在AQI值从峰值开始回落一直到达到正常水平的消散时间

表1 十城市各污染物与污染指标AQI的相关性数据表Tab．1 Correlation data of each air pollutants and pollution indicators AQI in 10 cities

图3 廊坊市各污染物浓度变化趋势图Fig．3 The concentration variation of each pollutant concentration in Langfang City

注:＊＊表示在．01水平(双侧)上显著相关。*表示在0.05水平(双侧)上显著相关。段里，各个城市的PM10浓度值变化也在一定程度上影响着AQI值的变化趋势，例如衡水市，在AQI达到峰值的缓冲时间内一共出现了5次峰谷变化，分别是5月4日12～14时、16～18时、20～21时、22～23时、23～24时，在这五次峰谷变化中，PM10的峰谷变化与AQI的峰谷变化均处于趋势一致性，在时间上并微早于AQI的峰谷出现时间点。德州市出现了3次峰谷变化。北京出现两次峰谷变化，5月5日14～15时、16～17时。石家庄出现三次峰谷变化，5月5日6～7时、8～9时、11～13时。邢台出现多次起伏，5月5日3～6时、8～10时、10～11时、11～13时。邯郸、保定、衡水和天津则是在趋势上呈现缓和的回落现象。除PM10的浓度变化与AQI数值变化呈现出吻合外，PM2.5也在一定程度上与AQI数值相关联(表1)，其对AQI值起主导作用时主要表现在污染消散阶段。

2.2.2 空间变化

在空间上，主要污染物的变化和AQI指标的空间分布规律类似，但有一定的差别。相似点是在发生时间上具有明显的延后性，表现在PM10和PM2.5的迅速增高随地区的纬度变化而呈现出“北早南晚”的时间延后特点，自北向南可将主要污染物的形成时间点按先后顺序大致分为三个亚区:即北京、廊坊区，天津、保定、沧州、石家庄区，衡水、德州、邢台、邯郸区;不同点是，各地区内部的污染物浓度变化呈现更多的是差异性。其中北京和沧州的主要污染物浓度在大气污染过境阶段变化波动不大，呈现出稳定的变化趋势，类似于正态分布线;廊坊、天津、保定、石家庄、邯郸、邢台则在大气污染物消散阶段的前期出现小规模的波动，而后大气污染物浓度开始下降，较形成阶段速度有所放慢。此外，德州、衡水两地波动较为剧烈，且在大气污染物浓度升高达到峰值的初期和大气污染过境中期均有波动，以衡水最为典型，峰谷变化事件多达五次。

2.3 气象因子变化

气象因子主要包括湿度、气压、气温、风速、风级等，按其性质差异、变化趋势以及方式的独特性，本文对不同的气象因子采取了不同的研究方法。对于湿度、气压和气温采取时间序列折线图并对其变化趋势进行线性回归分析(图4)。

从10个城市主要气象要素时间变化序列图中可以看出，在二次多项式回归趋势上，各地气温有波动，温度呈现出先减后增的趋势，而气温的波动转折点主要出现在12时、0时、6时，主要是受太阳辐射影响的自然变化，只是在此次污染天气消散的时期略有升温且波动较大于污染天气形成前期阶段。温度的变化可导致空气中水分含量的变化，有利于颗粒污染物附着，对大气污染的消退有积极影响。另外，呈正相关的气象要素是湿度，湿度的波动性变化也呈现出自然变化趋势，即峰谷值出现在12时、0时、6时，且波动幅度逐渐增大，而线性回归分析表示湿度也呈现出小幅度上升，这与温度的变化趋势是相似的，也是此次污染天气消散的推动因素之一。而关于气压的变化，除邢台气压较低于其他几个城市外，十个城市的气压在变化趋势上呈现出一致性，且每个城市的线性回归均显示直线斜率为负值，这也说明了相关性分析表(表1)中所表示的气压气象数据与污染指数的相关性不显著。在整体趋势上，气压值虽然起伏较小(小于50Pa)但是气压值略有降低，结合气温的波动性变化，可以判断此次为一次冷空气过境。气压的降低以及温度的升高和湿度的增大，在一定程度有利于沙尘型大气颗粒污染物的凝聚核形成，即有利于大气污染物的消散。这与图1所显示5月5日12时的污染指标AQI值的下降所一致。

依据城市的经纬度，在该区域内选取纬度较高的北京、廊坊两地和经度较高的沧州。将三地在本次大气重污染过程中(主要指5月4日－5月6日)的风向采取雷达图的形式加以分析，并由此确定主导风向和污染过程中风向对主要污染物(PM10和PM2.5)的影响(见图5)。

图5显示:北京、廊坊、沧州三地在此次大气污染事件的形成初期阶段(5月4日)，分别以北风、东北风、西北风为主导风向。进一步说明此次大气污染过程的污染物系外来污染。即由北向盛行风携带的大量颗粒污染物结合本地区的稳定的大气环境相互作用形成。5月5日至6日，三地主导风向均由北风导向经西向风导向转至南向风导向，在污染过程的消散阶段，该区域十城市大多由西南风主导，加之区域内其他气象要素的稳定变化为污染物的消散提供了有利的环境。黄丽坤等探究了哈尔滨市大气主要污染物(TSP、PM10、PM2.5)的传输途径，结果说明沙尘事件系外来污染，由内蒙古西北部和中部地区出发一路至东北地区［11］。研究方法中多考虑风向影响而忽略了气象要素因子对沙尘型大气污染物输送的影响。王清川等详细探究了气象要素，尤其是降水和风速对大气污染扩散的影响，研究结果肯定了风速较小、天气稳定等因素对大气污染形成的积极作用和风速较大对颗粒污染物输送的正比关联，以及湿度增加时对大气污染消散的有利性［12］。此外，陈朝晖等在对华北区域大气污染过程中天气型和输送路径分析中对气压与路径的关联研究表明:受西南风气流的盛行和地形、天气型控制，最终形成西南甬道［13］。以上研究理论和结果均在一定程度上支撑了风向、风速对区域间的大气污染物输送的导向作用，也在一定程度上解释了城市污染与其经纬度的关联。

图4 10个城市主要气象要素时间变化序列图Fig．4 Time change sequence diagram of major meteorological elements in 10 cities

图5 北京、廊坊、沧州三地污染过程风向雷达图Fig．5 Wind direction radar map of pollution process in Beijing，Langfang and Cangzhou cities

3 讨论

3.1 污染物浓度与气象因子关系

污染物浓度与气象因子的关系具有复合性、

复杂性等特点，因此采用相关性分析法(表2)并使用具有代表主要污染物浓度变化趋势性质的污染指标AQI的数值来分析污染物浓度与气象因子的关系。

表2 气象因子与AQI相关性分析数据表Tab．2 Correlation analysis data table of meteorological factor and AQI

表2显示:温度和湿度与AQI的相关性并不显著，但温度、湿度作为基本的气象要素，在一定程度上为此次大气污染的形成提供了稳定的环境。尉鹏等在分析2014年10月中国东部持续重污染天气成因时采用AQI数据分析了污染过程，结果表明:持续出现的稳定天气形式是导致10月中国东部重污染天气的主要气象原因［14］;气压和风速与AQI的相关性较为显著。周磊等分析了京津冀PM2.5时空分布特征及其污染风险因素，结果表明:在其选取的六个城市中，污染事件和污染的时空分布呈现出一定的规律性，即和城市的经纬度有着密切的关联。污染物在传统的污染物形成源地形成后，在气象因素的影响下按照一贯的路径进行输送［15］。

袁智生等对湖南省近43年雾霾气候变化特征进行分析中采取了线性趋势方法，得出了污染增减规律［16］。将各城市的 AQI早峰值时间点与十城市纬度值的散点图采取线性回归分析(图6)，回归方程具有一定的斜率，而斜率的大小和风速、风向有着密切的联系，风速、风向是推动区域污染物扩散的主要动力之一。

图6 10个城市AQI早峰点与其纬度值回归分析图Fig．6 Regression analysis of AQI peak and its latitude values in ten cities

而王敬等分析了乌鲁木齐市重污染期间PM2.5污染特征与来源认为:PM2.5多源于城市扬尘，煤烟尘［17］。关于此次沙尘型大气重污染事件的区域内客观关联的原因探讨，即:对是外来污染物或是本地城市扬尘、煤烟尘的研究，主要对风速风级两个气象要素数据进行了分析(图7)。

通过对各城市在AQI峰值期间的最大风速的柱状图分析来看，除廊坊、天津、保定和邢台有短时的南风导向外，其余城市均为北风导向，且风级在2～5级之间以4级为众数，结合图6以及2.3中有关气象因子(风向风级)的研究理论支撑可知此次污染物来源主要为外来颗粒污染物的输入，而非本地形成。

图7 AQI峰值期间的最大风速柱状图Fig．7 The histogram of maximum wind speed in AQI peak period

3.2 污染过程分析

大气污染的形成、消散与各气象要素的变化是密不可分紧密相连的。由污染物浓度分析知大气污染为沙尘型大气污染。李贵玲等分析2011年春季沙尘天气影响下上海大气颗粒物及其化学组分的变化特征中指出:沙尘天气出现时PM10和PM2.5的质量浓度显著高于非沙尘天气［18］。刘庆阳等在2012年春季京津冀地区一次沙尘暴天气过程中颗粒物的污染特征分析中主要利用了PM10进行了分析研究，结果表明:沙尘型天气主要是由外来物质(颗粒物)和本地区污染物质叠合形成［19］。郑新江等借用2006年的卫星资料和地面观测点数据分析了北京沙尘暴形成的5条路径。源地均为亚洲中部地区(蒙古地区)［20］。赵玉广探讨了华北地区沙尘天气的形成机制，结果表明:沙尘暴是在干旱少雨的有利的气候背景下产生的。斜压槽和蒙古气旋是触发这次强沙尘暴天气过程的重要的天气系统，高空斜压槽和强锋区促使了地面蒙古气旋的发展和冷锋的加强，诱发沙尘暴天气［21］。结合此次大气污染的各项污染物浓度变化以及以上研究的理论依据可以得知此次沙尘型大气污染的形成机制亦是在本区域干旱少雨的背景下在北向风盛行的条件下带来大量外来颗粒物污染物质而导致的沙尘型大气污染。

3.3 污染的区域关联分析

大气重度污染事件的区域关联分析是研究的核心。研究结果表明，区域的关联性是客观存在的，其受多种因素的共同作用，包括地形、气象因子等自然因素和经济发展、产业结构、国家政策等社会人文因素。刘耀龙等在论灾害风险研究中的空间尺度耦合中强调了地里的尺度效应，并提出了灾害风险尺度耦合的概念与类型［22］。针对于气象因子而言，京津冀及周围地区这一广阔的区域受其影响表现出大气污染过程的多种独特性，主要包括:时间上的发生时间延后性、空间上的变化趋势一致性和区域上的内部变化差异性。时间上的延后性主要受纬度和风向风级影响，表现在风向决定污染顺序的先后、风速和纬度差决定发生时间的差值大小;空间上变化趋势一致性受气温、气压、空气湿度等气象因子影响，表现在污染物变化趋势一致，即拥有相似的增减变化趋势;区域内部变化差异主要受地区小幅变化的气象因子和地区独特性影响，表现在各个地区的污染过程和变化趋势呈现出一定的差异。

4 结论

本文利用京津冀及其周边10个城市2017年5月4日至8日的污染指标AQI数据和主要气象要素数据，结合近几年来的科研理论方法和常用研究方法，探究了该区域内的此次短暂春季大气污染事件的形成、输送和消散过程与地区的气象要素的关联以及区域性大气污染的内在联系机制，结果概括如下:

(1)由污染物指标AQI与各污染物的浓度分析结果和各污染物浓度变化与地区污染物平均标准看，本次大气重度污染天气的主要污染物颗粒污染物即PM10、PM2.5，判定此次大气重污染为沙尘型重污染天气。

(2)此次大气重污染过程历时52个小时，在8个小时内迅速由北京等地扩散至与邢台、邯郸等地区。此次污染天气消散也在短短12个小时内完成，后期有个别地区出现两次历时14个小时的二次污染现象。总的来看本次重污染天气的特点为:形成、扩散及消散过程快速且影响范围广。

(3)气象要素对此次重污染事件的影响显著。由各气象要素的分析图判断，污染成因是因进入春季，北方地区长期干燥无降水，地面空气湿润度较低，为颗粒物的形成和停滞提供了条件，加之北方向主导风向带来大量的外来污染物，并且在地域上呈现出自北向南的污染发生时间上的延迟现象。

(4)污染事件在区域上呈现出明显的时空关联性:在空间方面表现为，污染地的经纬纬度值决定了城市发生污染时间先后顺序;在时间方面表现为处于风向导向地的地区发生污染的时间较早、较长;在地域方面表现为污染物浓度变化的差异性。

此次污染物主要为PM10、PM2.5且污染指标AQI的变化趋势与二污染物变化趋势相关性显著，其他污染物并没有出现极端异常变化，可以确定此次污染是由于北方地区处于稳定的大气环境控制，气温稳定小幅度上升、湿度较低等条件下而产生的沙尘在区域气象条件允许的情况下，由北风主导携带大量外来污染物而在短时间内迅速扩散的沙尘型大气污染。而其在其它气象要素未发生显著变化的情况下快速消退过程的客观事实也说明了这一点。通过此次沙尘型大气污染分析得出的结论也可以在一定程度上解释大气污染的另一种形式－雾霾天气的形成、消散和区域性扩散原因，也会受多种气象要素共同影响。

［1］ 王春梅，叶春明．基于信息扩散理论的雾霾天气关注度研究［J］．物流工程与管理，2016，38(6):187－190．

［2］ 张永恒，张建忠，薛建军，等．论重大突发事件应急决策气象服务［J］．防灾科技学院学报，2015，17(2):82－88．

［3］ 李令军，王英，李金香，等．2000—2010北京大气重污染研究［J］．中国环境科学，2012，32(1):23－30．

［4］ 唐晓慧．大气污染的主要类型及防治技术探讨［J］．科技与企业，2014，(21):81．

［5］ 丁峰，张阳，李鱼．京津冀大气污染现状及防治方向探讨［J］．环境保护，2014，42(21):55－57．

［6］ 安月改．京、津、冀区域沙尘暴气候变化特征分析［C］∥中国气象学会．新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集．中国气象学会，2003:3．

［7］ 陶品竹．从属地主义到合作治理:京津冀大气污染治理模式的转型［J］．河北法学，2014，32(10):120－129．

［8］ 王慧丽，雷宇，陈潇君，等．京津冀燃煤工业和生活锅炉的技术分布与大气污染物排放特征［J］．环境科学研究，2015，28(10):1510－1517．

［9］ 黄德生，张世秋．京津冀地区控制PM_(2.5)污染的健康效益评估［J］．中国环境科学，2013，33(1):166－174．

［10］ 隋珂珂，王自发，杨军，等．北京 PM_(10)持续污染及与常规气象要素的关系［J］．环境科学研究，2007，(6):77－82．

［11］ 黄丽坤，王广智，王琨．哈尔滨市沙尘期大气颗粒物物化特征及传输途径分析［J］．中国环境科学，2014，34(8):1920－1926．

［12］ 王清川，周贺玲，许敏，等．河北省廊坊市大气污染扩散气象条件影响分析［J］．防灾科技学院学报，2014，16(3):1－8．

［13］ 陈朝晖，程水源，苏福庆，等．华北区域大气污染过程中天气型和输送路径分析［J］．环境科学研究，2008，(1):17－21．

［14］ 尉鹏，任阵海，王文杰，等．2014年10月中国东部持续重污染天气成因分析［J］．环境科学研究，2015，28(5):676－683．

［15］ 周磊，武建军，贾瑞静，等．京津冀PM_(2.5)时空分布特征及其污染风险因素［J］．环境科学研究，2016，29(4):483－493．

［16］ 袁智生，陈涛，肖兰，等．湖南省近43年雾霾气候变化特征分析［J］．防灾科技学院学报，2015，17(4):61－67．

［17］ 王敬，毕晓辉，冯银厂，等．乌鲁木齐市重污染期间PM_(2.5)污染特征与来源解析［J］．环境科学研究，2014，27(2):113－119．

［18］ 李贵玲，周敏，陈长虹，等．2011年春季沙尘天气影响下上海大气颗粒物及其化学组分的变化特征［J］．环境科学，2014，35(5):1644－1653．

［19］ 刘庆阳，刘艳菊，赵强，等．2012年春季京津冀地区一次沙尘暴天气过程中颗粒物的污染特征分析［J］．环境科学，2014，35(8):2843－2850．

［20］ 郑新江，罗敬宁，李小龙．北京春季大气污染与沙尘天气关系［J］．中国高校科技与产业化，2006，(10):75－76．

［21］ 赵玉广．华北地区沙尘暴天气形成机制的分析研究［D］．南京气象学院，2003．

［22］ 刘耀龙，牛冲槐，康颖卿，等．论灾害风险研究中的空间尺度耦合［J］．防灾科技学院学报，2012，14(3):24－27．