江苏省大气重污染过程特征分析以及预报效果评估

余进海

(江苏省环境监测中心，南京 210036)

1 引 言

空气质量与人类的生活和健康息息相关。研究表明，大气污染不仅仅与污染物的排放有关，还受到气象和气候条件的影响[1～3]。研究大气重污染过程特征，尤其是其中的气象和气候条件，对提高空气质量预报和污染防控具有一定的指导意义。

江苏省经济实力雄厚，工业发达，但随着近几年工业总产值的不断增加，环境保护的压力也越来越大[4-5]。江苏省位于中国东部沿海的中部，江淮下游，属于温带向亚热带的过度性气候，基本以淮河为界，以北为温带季风气候，以南为亚热带季风气候。江苏气候的多样性使得大气污染十分复杂。张祥志等分析了2011年江苏省6次较大规模的灰霾污染天气，发现可以把重污染天气归纳为春季沙尘灰霾型、夏季秸秆焚烧灰霾型和秋冬雾霾混合型[6]。何涛等分析了常州市2014年不同季节的污染气团来源，研究表明，冬季随着空气污染加重，本地和本省的气团逐渐占主导地位[7]。周兆媛研究了气象要素对京津冀空气质量的影响，指出在SRES A1B排放情景下(SRES A1B情景是一个中等排放情景，至2100年的CO2浓度值约为700mL/m3)，未来气候变化对京津冀地区空气质量的改善有一定促进作用[8]。封艺等利用WRF-Chem(Weather Research and Forecasting model with Chemistry)模式分析了长三角排放源对本地不同污染物浓度的贡献。结果表明，在2013年12月上旬的一次污染事件中，颗粒物平均本地贡献与外来输送比重相当，气体污染物的本地贡献为主，外界输送为辅[9]。

江苏省环境监测中心于2014年建成覆盖省域及13个地级市的重污染天气预报预警系统，2016年3月，依托“江苏省重污染天气监测预报预警”平台，江苏省开始发布未来5天区域空气质量预报，13个地级市陆续建成本地化空气质量预报系统[10]。本文结合了预警平台上的观测数据对江苏省冬季重污染过程进行了分析，并评估模式和人工预估结果，对预报方法提出了改进建议。

2 数据来源与方法

本文使用的环境监测数据来自于江苏省的72个国控点，选取了SO2、NO2、CO、O3、PM10和PM2.56项污染物的数据进行分析。监测方法、分析方法、数据统计等严格按照《环境空气质量标准》(GB3095-2012)、《环境空气质量指数(AQI)技术规定》(HJ633-2012)和《环境空气质量评价技术规范(试行)》(HJ 663—2013)等规定执行。

大气环流资料采用中央气象局发布的天气实况分析图和欧洲中期天气预报中心 (ECMWF European Centre for Medium-Range Weather Forecasts)第3代再分析资料ERA-Interim，探空数据为美国怀俄明州立大学南京和徐州区域点位数据。

江苏省环境监测中心于2014年建成覆盖省域及13个地级市的重污染天气预报预警系统。系统平台集成了NAQPMS、CMAQ、CAMx和WRF-Chem 4大主流空气质量模式，并运用资料同化和集合预报等技术提供未来5天的空气质量预报。

模式采用了三重嵌套网格，分别覆盖了中国、长三角地区、江苏省，水平分辨率分别为27km、9km、3km，中心经纬度为112°E、36°N，垂直方向上采用地形追随坐标，垂直方向不均匀地划分为30层。系统将MEIC排放清单和江苏省本地清单耦合在一起，生成了各个模式需要的高精度网格化排放数据。

3 结果与讨论

3.1 冬季江苏省空气质量整体情况

在长三角地区，大部分重污染过程发生在冬季，因此本文分析了江苏省过去两个冬季(2016年12月～2017年2月、2017年12月～2018年2月)的空气质量状况。2016～2017年冬季(以下简称2016年冬季)共计90d，江苏省13个设区市空气质量超标日数累计513d，超标日数占总有效日数的比例为43.8%。其中，全部城市以NO2、O3-8、SO2、CO为首要污染物的超标日数累计分别为9、0、0、0d，而以PM2.5和PM10为首要污染物的超标日数累计为504d。其中以PM2.5为首要污染物的超标日数累计503d，占总超标天数的98.1%。

2017～2018年冬季(以下简称2017年冬季)共计90d，江苏省13个设区市空气质量超标日数累计511d，超标日数占总有效日数的比例为43.7%。其中，全部城市以NO2、O3-8、SO2、CO为首要污染物的超标日数累计分别为24、0、0、0d，而以PM2.5和PM10为首要污染物的超标日数累计为487d。其中以PM2.5为首要污染物的超标日数累计469d，占总超标天数的91.8%。

2016年冬季，全省PM2.5均值为73.0μg/m3。空气质量达到重度及以上日数为41d，重污染时期PM2.5平均浓度为181.4μg/m3。江苏省在2016年12月～2017年2月期间共发布了7次重污染天气蓝色预警，未发布黄色预警。2017年冬季，全省PM2.5均值为78.2μg/m3。空气质量达到重度及以上日数为115d，重污染时期PM2.5平均浓度为191.8μg/m3。江苏省在2017年12月～2018年2月期间共发布了8次重污染天气蓝色预警，其中4次升级成了黄色预警。由此可见，在冬季，影响全省的污染物主要为PM2.5，但是NO2和PM10的影响正在变大。与2016年相比，全省2017年冬季的大气污染状况更加严重，PM2.5平均浓度略有上升，而重污染天数明显增加，污染程度也有所增加。

为分析2017年冬季(2017年12月～2018年2月)重污染天气的特征和成因，本文对重污染过程进行了统计。当省内有5个及以上设区市的日AQI超过200(达重度污染)时，认为发生了一次重污染事件，当没有城市达到重度污染时认为污染过程结束，具体的污染过程统计见表1。

在2017年12月～2018年2月的5次重污染事件中，首要污染物均为PM2.5，污染时段主要集中在1月份，本文将对12月30日～1月1日(简称T1)、1月16日～1月22日(简称T2)、1月29日～2月1日(简称T3)三次较重的污染过程进行分析，并对该时期内的预报结果进行评估。

表1 2017年冬季江苏省重污染过程统计Tab.1 Statistics of heavy pollution process of Jiangsu in winter 2017

3.2 污染与气象条件的分析

江苏省大气污染过程与大气环流变化紧密相关，相关研究表明[11]，江苏省PM2.5重污染期间，高低空环流形势可以分成高压或均压场、冷空气扩散南下、入海高压后部3种天气概念模型。高压或均压场型在秋冬季经常会造成静稳的天气形势，其一般特征为：地面处于高压内或者均压场控制，地面风速小，高空环流系统平直；天气以晴好为主，但是夜间会有明显的辐射降温，容易形成贴地的逆温层；污染以本地累积为主，有明显日变化(夜间和上午污染重，下午稍转好)。冷空气扩散型则往往会带来北方的污染物，其一般特征为：高空槽引导北方的冷空气扩散南下，地面有冷高压移动；天气逐渐转差，多云或有降水；污染由前期的本地累积和外源输送共同造成。入海高压后部型经常伴随着倒槽的东移，在倒槽的影响下，天气逐渐转差，湿度较高，颗粒物吸湿增长，污染加重。

2017年12月30日～2018年1月1日(T1)，江苏省由北向南经历了一次污染过程，12月29日20时，在高空槽的引导下，北方的冷空气扩散南下，同时将北方的污染物由西北向东南方向输送。30日徐州、宿迁、淮安、南京和镇江市达到了重度污染，南部城市有明显降水(图1)，空气质量较好。由于冷空气势力较弱，地面上北风很弱，污染物没有被有效清除。31日，地面处于高压的控制之下，除连云港市外，其他城市均达到了重度或以上污染。从31日08时的探空数据可以看出(图2)，南京地面风速小，近地层有明显的逆温，温度露点(红线为露点温度)差小，低空大气稳定、湿度大，稳定的大气会减弱大气的垂直混合，不利于污染的垂直扩散；较高的湿度有利于污染物的吸湿增长，促进了气态污染物向颗粒物的转化。1月2日，新一轮冷空气南下，偏东风加强，污染物逐渐清除。1月29日～2月1日(T3)的污染过程与T1相似：在高空槽的引导下，北方的冷空气扩散南下，由于冷空气强度逐渐减弱，污染物在被输送到长三角地区后无法被清除。与上次污染过程不同的是，此次污染过程(T3)日变化明显，午后太阳辐射增强，边界层顶抬升，污染物浓度下降，但夜间和上午天气静稳，边界层顶下降，污染物在近地面累积，污染情况加重。2月2日，冷空气南下，偏北风增强，空气质量状况自北向南逐渐好转。

2018年1月16日～1月22日(T2)期间，江苏省13个设区市均经历了重度或以上污染过程，其中19、20日污染的范围和程度最重。本次重污染期间，地面多处于均压场控制，地面风速小，高空仅有浅槽活动，环流系统相对平直。从徐州的探空数据来看(图3)，15～22日，徐州地面风速较小，且风向转变较大，低层湿度较大，大气层结稳定，其中上午近地层都有明显逆温，在这种不利的气象条件下，污染物迅速的累积。23日08时大气层结依然稳定，但是冷高压南下，受东北风的影响，江苏省空气质量逐渐好转。

综上所述，造成2017年冬季江苏省重污染的天气类型是高压或均压场、冷空气扩散南下这两种类型。比较两次重污染过程(T1和T2)的气象要素(表2)后发现，与冷空气扩散南下相比，在高压或均压场的控制下(T2)，气压、风速的数值更小，温度、相对湿度的数值更大，气象条件更加不利，因此污染范围大、持续时间长。

表2 两次重污染过程气象要素比较Tab.2 Comparison of meteorological elements in two different heavy pollution processes

注：T1为2017年12月30日～2018年1月1日，T2为2018年1月16日～1月22日。

a:1月平均风速;b:1月2～5日平均风速;c:1月16～22日平均风速;d:1月24～29日平均风速。 方形、三角、圆形、菱形分别表示南京、徐州、盐城和苏州图4 2018年1月份江苏省地面风场图Fig.4 Surface wind in Jiangsu in January 2018

以上重污染天气的结束均是由于冷空气南下、风速增强。因此本文使用了ECMWF第3代再分析资料ERA-Interim，分析风对重污染过程的影响，ERA-Interim提供了自1979年以来的再分析资料，并实时更新。相比于ERA-40再分析数据，ERA-Interim采用了四维变分同化方法，并结合改进的湿度分析、卫星数据误差校正等技术，数据质量更高[12]。下载2014～2018年的1月份10m风场数据，再根据格点数据提取115.5°E～122°E、30°N～36.5°N作为研究江苏省的范围。对该范围的风速取算数平均，结果表明，在近5年中，2018年1月的月平均风速(5.46m/s)较大，仅次于2014年1月(5.48m/s)。2018年1月有两次强冷空气南下过程。1月2～5日，陕西、河南、湖北、安徽、江苏等地先后出现大雪或暴雪。1月24～29日，中国中东部地区出现1月以来第三次大范围雨雪天气过程，也是1月以来最强的一次低温冰冻天气过程，平均气温较常年同期偏低4℃以上。对比2018年1月份不同时间段的风场(图4)，当冷空气南下时(1月2～5日、1月24～29日)，江苏全境的风速都超过了4m/s，且以东北风为主；但重污染时期(1月16～22日)风速明显减弱，大部分地区风速低于1m/s，长江以北以静风为主。分析水平风量U和V的日均值(图略)，与2017年1月相比，2018年1月整体的北风(水平风量V)较弱，且西风(水平风量U)稍强，重污染期间北风很弱，当污染物由北方输送至江苏后难以被清除。

3.3 预报评估

以南京市的市级预报为例，分析了江苏省重污染期间的预报准确率。评估时段为2017年12月29日～2018年2月2日，统计了NAQPMS、人工修订和实况AQI的均值偏差MB和标准平均误差NME，公式如下：

式中：N为评估的天数，P为预报值，O为观测值。

人工预报的MB为-5.31，NME为23.9%，NAQPMS预报的MB为19.81，NME为24.4%。总体上来说，人工预报稍微低估了南京的大气污染，而模式明显高估了污染状况，人工预报的准确率稍高于模式。对比2017年12月29日～2018年2月2日AQI的实况和预报值(图5)，在未发生重污染期间，预报结果很接近实况值，但在重污染期间，人工预报的AQI明显低于实况值，这主要是由于人工预报为前一天17时的预报结果，且过于依赖气象预报的结果，当预报江苏地区北风超过2m/s时，会认为污染物易被清除，而气候变化的复杂性导致气象预报在某些时候依然有较大的误差，尤其是风场的预报存在较大不确定性。模式在重污染期间的偏差较小，主要是由于NAQPMS模式在每次计算时(每天20∶00)会进行资料同化。相关研究表明，资料同化后，12小时以内的预报准确率显著提高。因此，人工预报的结果应该根据天气实况及时更新。

图5 2018年1月份南京市预报与实况AQI对比Fig.5 Comparison between Nanjing forecast and actual AQI in January 2018

采用《环境空气质量预报成效评估方法技术指南》中的区域预报评估方法，对江苏省24h预报进行评估(表3)。评估对象为NAQPMS、CMAQ、CAMx、WRF-Chem模式和人工修订，其中人工修订的数据为13个市站的预报结果。计算公式如下。

区域空气质量等级准确率G：区域内所有城市空气质量等级准确率的平均值。单个城市空气质量等级准确率以跨级准确为计算标准。

式中，N为评估的天数，m为区域内城市总个数，n为某一天区域内空气质量等级预测准确的城市个数。江苏省的模式和人工修订的结果都为具体的AQI数值，首先由AQI数值得到空气质量等级，如果预报和实况一致，则认为空气质量等级准确，或者当预报和实况的AQI差值在20以内时，也认为空气质量等级准确，否则空气质量等级不准确。

2018年1月NAQPMS、CMAQ、CAMx、WRF-Chem模式和人工修订的区域空气质量等级准确率(G)分别为66.7%、64.5%、62.0%、56.8%、65.0%，4个主流模式中，NAQPMS和CMAQ的准确了较高，人工预报略低于NAQPMS的结果。同时评估了2015～2017年1月的预报准确率，结果表明，随着模式的不断调优，NAQPMS模式预报准确率显著提高，但是人工修订的提高并不明显，主要是因为目前人工修订时更依赖气象预报，而对风场的预报存在较大的不确定性。当气象条件较往年明显不同时，主观的经验预报可能会出现较大偏差，例如2018年1月的风场较2017年1月风场变化很大。随着空气质量模式预报水平的提高，人工修订时应该更多参考系统模式的结果，同时应该及时分析气象条件的短期气候变化，尤其是风场的变化。

表3 24小时区域预报准确率Tab.3 24-hour regional forecast accuracy (%)

4 结 论

4.1 对近两年江苏省冬季空气质量进行分析。结果表明，与2016年相比，江苏省2017年冬季的大气污染状况更加严重，PM2.5平均浓度略有上升，而重污染天数和污染程度都有所增加。NO2和PM10的影响变大。

4.2 对2017年冬季重污染时段的气象条件进行分析，结果显示造成江苏省重污染的天气类型是高压或均压场、冷空气扩散南下这两种类型。冬季风异常是造成重污染加重的重要原因。

4.3 对江苏省冬季模式和人工预报结果进行评估，2018年1月NAQPMS、CMAQ、CAMx、WRF-Chem模式和人工修订的区域空气质量等级准确率(G)分别为66.7%、64.5%、62.0%、56.8%、65.0%。随着模式的不断改进，人工预报时应该更多参考模式的结果，同时应该及时分析气象条件的短期气候变化，尤其是风场的变化。