太原市PM2.5周期性特征及其成因分析

周静，张岳军，相栋，韩照宇

1. 山西省气象科学研究所，山西 太原 030002；2. 山西省气候中心，山西 太原 030002

大尺度环流形势和局地气象条件是污染物生成、累积和清除的外部条件（Davis et al.，1990；Flocas et al.，2009；Hien et al.，2011），在污染源一定的条件下，污染物的变化取决于局地气象条件的变化，例如风速、相对湿度、大气稳定度等，而边界层的状态是最重要的因素（Greene et al.，1999）。大气污染过程的产生和维持受边界层结构的影响，有学者针对重庆、南岭山地和南京等地区雾-霾的边界层特征进行分析，初步揭示了大气污染过程所具有的边界层结构特征（李子华等，1994；濮梅娟等，2008）。关于大气污染过程与气象因子之间的联系，已有的研究一方面集中在如前所述的大气污染与气象因子变化趋势之间的关系，另一方面集中在局地气象条件与污染物的演变过程（王跃等，2014；Fan et al.，2009）。按照地面天气形势，可以把中国大范围的持续性污染过程分为均压型和锋前型两大类（Li et al.，2011；Huang et al.，2014），这两类天气过程在大气底层均有暖平流，大气层结相对稳定，水汽较为充沛，对中国东部大范围污染的产生具有重要的作用（任阵海等，2004；Xu et al.，2016）。魏文秀（2010）归纳出河北地区霾天气500 hPa的环流形势有纬向型、两槽一脊型、均压场型、一脊一槽型和两脊一槽型5种。此外也有很多学者对其他地区的雾-霾天气环流形势特征进行分析（Zhang et al.，2016；鲍孟盈等，2017；张浩等，2017）。诸多学者的研究结果都认同大范围的雾-霾天气出现时，500 hPa高度环流形势为纬向型或者存在高空脊，近地面气压场为均压场或者弱高压场的环流配置（Chen et al.，2017；王跃思等，2014）。

太原市持续性的 PM2.5高污染过程与上述两种天气类型息息相关。以往的研究主要从污染过程个例来分析污染特征和成因，本文基于小波分析和交叉小波分析方法，将从气候学的角度分析太原PM2.5变化的周期性特征及其与背景形势、气象要素之间的协同关系。

1　数据与方法

1.1　数据来源

本研究中所使用的资料如下：（1）NCEP/NCAR大气再分析资料，时间跨度从1979年1月1日—2016年5月31日，水平分辨率为2.5°×2.5°，垂直分辨率为17层，选取的要素有10 m风速、海平面气压、925、500 hPa高度场（Geopotential height，z）和850 hPa的温度场；（2）山西省观象台2014年1月1日—2016年5月31日观测站的数据，选取的要素主要有地面和探空观测的日均相对湿度、风速、温度等，探空温度和风速用于计算逆温强度、混合层高度；（3）山西省环境监测站提供的 2014年1月1日—2016年5月31日逐时PM2.5浓度数据，有效样本为20363个，缺失样本805个，整理后得到843 d，缺失39 d，对于缺失数据采用线性插值法进行补缺。

1.2　方法

影响PM2.5浓度的因子大致可归纳为地形、气象条件和人类排放（徐祥德等，2001；吴兑等，2014；Ramanathan et al.，2005），这 3种强迫决定了太原地区PM2.5的浓度水平及其变化。其中，地形强迫是恒定的，而气象条件强迫和人类活动排放强迫则具有一定的周期性变化。中国中纬度地区大气主要包括准双周振荡（10～20 d）和季节内振荡（30～60 d）。此外，7 d左右振荡的 Rossby波列是影响北半球中高纬地区的重要天气系统（程胜等，2006）。人类活动所造成的污染物排放在不同时间尺度上也存在差异，如昼夜差异、季节差异等，这些差异在一定程度上决定了人类活动强迫具有一定的周期性变化。那么，在上述强迫影响下，太原地区PM2.5浓度是否具有周期性变化？其与气象要素的关系如何？这些都有待进一步探索。本研究拟采用Morlet小波分析和交叉小波分析方法对2014—2016年太原城区PM2.5浓度进行研究。小波分析属于时频分析的一种，建立在Fourier变换基础之上，具有时间多尺度分析的特征。交叉小波分析是小波分析方法的拓展，可以用来分析两个时间序列（PM2.5与其他气象要素间）的共振周期及其协同关系。

2　结果分析

2.1　太原市城区PM2.5周期变化

对太原市2014年1月1日—2016年5月31日PM2.5日均浓度的时间序列进行小波功率谱分析。图1所示为小波局地标准化功率谱分析和平均小波功率谱结果，从图中可以看出太原市 PM2.5浓度的时间变化存在显著周期，既有天气尺度的周期（2～8 d），也存在10～16 d的准双周低频振荡周期，且大多数时段的周期性变化都通过了 95%的显著性检验（黑色等值线包围的部分），显著时段主要发生在每年9月份左右至次年3月份，这与中国华北地区的雾-霾事件的主要发生时段极为吻合。从小波功率谱分析发现，2～8 d的周期均满足95%的置信度检验。此外在个别时段也存在季节（128 d左右）和准半年周期（256 d左右），而这些周期在平均小波功率谱曲线中均未通过显著性检验，说明在可信度范围内，2～8 d的变化周期最为显著。

2.2　气象要素与PM2.5的协同关系

图1　太原市PM2.5日均浓度时间序列的小波局地标准化功率谱（a）和小波方差（b）Fig. 1　The normalized local Morlet wavelet power spectrum (a) and the globale wavelet variance (b) of daily mean PM2.5 in Taiyuan urban area

在本地排放源一定的前提下，气象要素对气溶胶粒子浓度具有举足轻重的影响，由于重污染天气过程中PM22.5主要聚集在边界层内（Deng et al.，2011），因此850 hPa以下大气层中的风速、温度、湿度等气象要素至关重要。通常，严重污染出现在小风或静风，对流层低层有逆温层等不利于污染物水平扩散的条件下（Zhang et al.，2012），逆温层越强、高度越低，越不利于气溶胶浓扩散。此外，一些气溶胶粒子具有很强的吸湿性，在湿度较大的的天气背景下，干气溶胶粒子也会吸湿增长（Birgitta et al.，1994）。图2所示为各月PM2.5浓度与对应时段的2 m相对湿度（RH）、混合层高度（MLH）、近地面逆温强度（SE）和10 m高度的风速（WS）的相关系数，实心标记为通过95%显著性检验的月份。PM2.5浓度与相对湿度、近地面逆温呈正相关关系，与混合层高度、10 m风速呈负相关关系，且各指标间相关性在1、2、3和12月份较为显著，5—9月份较差，均未通过检验。

为了探索 PM2.5浓度与气象要素之间的协同关系，将2014—2016年太原市PM2.5日均浓度序列与对应时段的2 m相对湿度、混合层高度、近地面逆温强度和10 m高度的风速进行交叉小波分析（见图3），结果表明，PM2.5与这4种气象要素之间存在不同周期的共振现象，从位相上看，通过显著性检验的共振区域显示 PM2.5浓度与相对湿度、逆温强度呈正相关关系（箭头向右），与混合层高度、地面风速呈负相关关系（箭头向左），而且在每年10月份—次年3月份共振关系最为明显，夏季则不显著。需要指出的是，2～8 d的共振周期表现最为强烈，由此可知，受人类活动影响和大气固有的低频振荡影响，PM2.5的变化存在显著的“星期效应”。

图3　太原市PM2.5日均浓度与对应时段的地面相对湿度（a）、混合层高度（b）、逆温强度（c）、10 m风速的交叉小波分析Fig. 3　The normalized Mortet Cross wavelet power spectrum of daily mean PM2.5 and surface relative humidity (a), Mixed layer height (b), Inversion strength(c), 10 meters wind speed (d) in Taiyuan

图2　各月PM2.5与4种气象要素的相关系数Fig. 2　The correlation coefficient of PM2.5 and meteorological elements

2.3　天气形势对PM2.5的影响

许多研究表明，在排放一定的前提下，气象条件是影响 PM2.5浓度变化的主要因素，而各种气象要素、PM2.5的变化是在特定的天气形势下发生的（林安国等，2017）。图4所示为太原市2014年1月1日—2016年5月31日的PM2.5日均浓度与对应时段的海平面气压和500 hPa高度场的相关关系图，显著性检验采用了学生氏检验方法（填色部分为通过95%的显著性检验区域）。由图可知，太原市冬季 PM2.5浓度与华北地区海平面气压呈负相关关系，与新疆北部、朝鲜半岛、日本海的海平面气压呈正相关关系；PM2.5浓度与500 hPa高度场相关性最显著的区域主要分布在中国华北、东北以及朝鲜半岛。这两种相关分布与冬季中高纬度的天气形势的演变过程密切相关。研究表明，当欧亚大陆500 hPa高度场以平直的纬向环流为主，中国华北、东北等地受暖脊控制，对应西伯利亚高压活动较弱（熊新竹等，2017），中国华北地区以均压场或弱气压为主导，大部分地区气温偏高，且水汽输送比较旺盛，累积和吸湿增长效应明显，PM2.5浓度随之升高（张人禾等，2014）。反之，如果西风槽位于蒙古国东部和中国的华北、东北一带，而伴随西风槽的地面冷高压位于西北和华北地区，那么华北地区盛行北风或西北风，经向风明显，且风速较大，污染物的扩散显著（张小曳等，2013）。当高空系统移动到日本海东部时，伴随地面的地面冷高压减弱，并且位于朝鲜半岛和东北一带，中国华北地区处于高压后部，以较弱的偏东风或者东南风为主导风向，水汽输送强烈，华北地区包括太原市的主要城市再次上演雾-霾污染。因此，北方雾-霾的周期性变化与Rossby波（2～8 d）的变化周期息息相关。

2.4　冬季天气形势特征分析

图4　太原市PM2.5日均浓度时间序列与海平面气压（a）、500 hPa高度场（b）的相关系数（填色部分为通过95%显著性检验的区域）Fig.4　The correlation of daily mean PM2.5 in Taiyuan and sea level pressure (a), 500 hPa Potential height (b) (the shading represents the 95% confidence of the student test)

图5所示为2014—2016年冬季925 hPa高度场和风场（图5a）、海平面气压和10 m风速（图5b）、500 hPa位势高度和850 hPa温度（图5c）的距平分布（相对于1979—2009年的冬季平均值）。从925 hPa的高度场和风场的异常情况来看，中国东部地区基本上以偏南风异常为主，东北亚一带存在一个反气旋式的环流异常存在，华北东北一带 925 hPa高度场普遍偏高于历史平均水平。从海平面气压和10 m风速的距平场来看，亚洲大陆上的蒙古高压偏低1～2.5 hPa，中国华中、华北到东北地区偏低1～1.5 hPa，中国东部绝大部分地区 10 m 风速偏低 1～2 m·s-1，与此同时，850 hPa中国东部上空出现了正的温度距平，温度偏高1.5～3 ℃。上述表明，2014—2016年年冬季蒙古高压和东亚冬季风均明显偏弱，导致中国中东部地区的风速减弱，气温明显偏高。在500 hPa高度场（图5b），中国东部高度场偏高，一个较强的异常高值中心出现在30～50°N，120～130°E附近，表明东亚大槽明显减弱，不利于槽后冷空气向中国东部发展；中国东部上空500 hPa高度场异常偏高，海平面气压偏低，近地面风速减弱，不利于近地面附近形成的大气污染向区域外平流输送，造成了大气污染天气在中国东部地区的持久发展，这也是太原市冬季 PM2.5持续偏高的背景因素之一。

图5　冬季925 hPa高度场和风场（a），海平面气压和10 m风速异常（b），500 hPa高度场和850 hPa温度（c）的距平（相对于1979—2009年冬季）Fig. 5　The anomalies of 925 hPa wind field (unit: m·s-1) and Potential height (a), sea level pressure (unit: Pa) and 10 meters wind speed (b), 500 hPa Potential height (unit:gpm) and 850 hPa air temperature (c) in 2014—2016 winter (relative to the 1979—2009 winter)

3　结论

本文分析了2014年1月1日—2016年5月31日太原市 PM2.5的周期变化及其同气象要素的协同关系，同时从气候角度研究了对应时段的太原市PM2.5与天气形势的相关关系及异常特征，结果表明，特定的天气形势是太原市冬季 PM2.5持续偏高的背景因素之一，特定的天气形势下 PM2.5与同期的气象要素存在密切的协同关系。

（1）时间序列的周期分析结果表明，太原市PM2.5浓度变化存在2～8 d和10～16 d的显著周期变化，与2 m相对湿度、混合层高度、近地面逆温强度和10 m风速具有相似的共振变化，且显著时段主要发生在每年9月份左右至次年3月份，这与中国华北地区的雾-霾事件的主要发生时段极为吻合。

（2）太原市冬季 PM2.5浓度与华北地区海平面气压呈负相关关系，与朝鲜半岛、日本海的海平面气压呈正相关关系；PM2.5浓度与500 hPa高度场相关性最显著的区域主要分布在中国华北、东北以及朝鲜半岛，主要表现为正相关关系。这两种相关分布与冬季中高纬度的大气活动中心的演变密切相关，而对应时段的中国东部上空500 hPa高度场异常偏高，海平面气压偏低，近地面风速减弱等不利于污染物扩散的形势是造成太原市冬季 PM2.5浓度持续偏高的背景因素之一。

参考文献：

BIRGITTA S, HANS H, ALFRED W, et al. 1994. Hygroscopic growth of aerosol particles and its influence on nucleation scavenging in cloud:experimental results from Kleiner Feldberg [J]. Journal of Atmospheric Chemistry, 19(1-2): 129-152.

CHEN D, LIU X, LANG J, et al. 2017. Estimating the contribution of regional transport to PM2.5air pollution in a rural area on the North China Plain [J]. Science of the Total Environment, 583: 280-291.

DAVIS R E, KALKSTEIN L S. 1990. Using a spatial synoptic climatological classification to assess changes in atmospheric pollution concentrations [J]. Physical Geography, 11(4): 320-342.

DENG Z Z, ZHAO C S, MA N, et al. 2011. Size-resolution and bulk activation properties of aerosols in the North China Plain: the importance of aerosols size distribution in the prediction of CNN number concentration [J]. Atmospheric Chemistry and Physics, 11:3835-3846.

FAN W, BO H U, WANG Y, et al. 2009. Measurements on the vertical distribution of PM2.5Concentration in fog and haze days in Beijing city[J]. Climatic & Environmental Research, 14(6): 631-638.

FLOCAS H, KELESSIS A, HELMIS C, et al. 2009. Synoptic and local scale atmospheric circulation associated with air pollution episodes in an urban Mediterranean area [J]. Theoretical and Applied Climatology,95(3-4): 265-277.

GREENE J S, KALKSTEIN L S, YE H, et al. 1999. Relationships between synoptic climatology and atmospheric pollution at 4 US cities [J].Theoretical and Applied Climatology, 62(3-4): 163-174.

HIEN P D, LOC P D, DAO N V. 2011. Air pollution episodes associated with East Asian winter monsoons [J]. Science of the Total Environment, 409(23): 5063-5068.

HUANG R J, ZHANG Y, BOZZETTI C, et al. 2014. High secondary aerosol contribution to particulate pollution during haze events in China [J]. Nature, 514(7521): 218-222.

RAMANATHAN V, CHUNG V C, KIM D. 2005. Atmospheric brown clouds: impacts on south Asian climate and hydrological cycle [J].Proceedings of the National Academy of Sciences of the United States of America, 102(15): 5326-5333.

TAO J, GAO J, ZHANG L, et al. 2015. PM2.5pollution in a megacity of southwest China: source apportionment and implication [J].Atmospheric Chemistry & Physics, 14(4): 8679-8699.

XU W, WU Q H, LIU X J, et al. 2016. Characteristics of ammonia, acid gases, and PM2.5for three typical land-use types in the North China Plain [J]. Environmental Science & Pollution Research, 23(2):1158-1172.

LI X Y, DING X M, GAO H, et al. 2011. Characteristics of air pollution index in typical cities of North China [J]. Journal of Arid Land Resources & Environment, 25(3): 96-101.

ZHANG Q, MENG J, QUAN J, et al. 2012. Impact of aerosol composition on cloud condensation nuclei activity [J]. Atmospheric Chemistry and Physics, 12(8): 3783-3790.

ZHANG Y, DING A, MAO H, et al. 2016. Impact of synoptic weather patterns and inter-decadal climate variability on air quality in the North China Plain during 1980—2013 [J]. Atmospheric Environment,124(Part B): 119-128.

鲍孟盈, 曹芳, 刘寿东, 等. 2017. 苏州郊区主要大气污染物的演变特征及其影响因素研究[J]. 生态环境学报, 26(1): 119-128.

程胜, 李崇银. 2006. 北半球冬半年平流层大气低频振荡特征的研究[J].大气科学, 30(4): 660-670.

李子华, 彭中贵. 1994. 重庆市冬季雾的物理化学特性[J]. 气象学报,50(4): 477-483.

林安国, 梁云平, 张战平, 等. 2017. 2012—2013年北京市大气PM2.5污染成分分析[J]. 生态环境学报, 26(7): 1174-1179.

濮梅娟, 严文莲, 商兆堂, 等. 2008. 南京冬季雾爆发性增强的物理特征研究[J]. 高原气象, 27(5): 1111-1118.

任阵海, 万本太, 虞统, 等. 2004. 不同尺度大气系统对污染边界层的影响及其水平流场输送[J]. 环境科学研究, 17(1): 7-13.

王跃, 王莉莉, 赵广娜, 等. 2014. 北京冬季 PM2.5重污染时段不同尺度环流形势及边界层结构分析[J]. 气候与环境研究, 19(2): 173-184.

王跃思, 张军科, 王莉莉, 等. 2014 京津冀区域大气霾污染研究意义、现状及展望[J]. 地球科学进展, 29(3): 388-396.

魏文秀. 2000. 河北省霾时空分布特征分析[J]. 气象, 36(3): 77-82.

吴兑, 廖碧婷, 吴蒙, 等. 2014. 环首都圈霾和雾的长期变化特征与典型个例的近地层输送条件[J]. 环境科学学报, 34(1): 1-11.

熊新竹, 陶双成, 高硕晗, 等. 2017. 北京典型主城区冬季大气污染特征分析[J]. 生态环境学报, 26(7): 1167-1173.

徐祥德, 王寅钧, 赵天良, 等. 2001. 中国大地形东侧霾空间分布“避风港”效应及其“气候调节”影响下的年代际变异[J]. 科学通报, 60(12):1132-1143.

张浩, 石春娥, 吴必文, 等. 2017. 合肥市能见度与相对湿度、PM2.5质量浓度的定量关系[J]. 生态环境学报, 26(6): 1001-1008.

张人禾, 李强, 张若楠. 2014. 2013年1月中国东部持续性强雾-霾天气产生的气象条件分析[J]. 中国科学: 地球科学, 44(1): 27-36.

张小曳, 孙俊英, 王亚强, 等. 2013. 我国雾-霾成因及其治理的思考[J].科学通报, 58(13): 1178-1187.