江苏北部地区冬季PM2.5污染天气形势分型研究*

史俊南 陆 岳 赵天良# 龚山陵 张 磊

(1.南京信息工程大学气象灾害预报预警与评估协同创新中心，中国气象局气溶胶与云降水重点实验室，江苏 南京 210044；2.中国气象科学研究院，中国气象局大气化学重点开放实验室，北京 100081)

大气污染不仅受当地污染源排放的影响，也与气象条件变化紧密相关。当区域污染排放源固定时，气象条件是导致空气质量变化的关键因素[1-4]。局地气象条件主要受大尺度环流形势，即天气形势的影响和制约。因此，研究天气形势对于大气污染变化的影响具有重要的科学意义。

天气形势分型是研究大气环流对于污染物浓度影响关系的重要手段。大气污染天气形势分型主要是针对海平面气压、不同层次上的位势高度场、风场等要素的主观[5]133,[6]或客观分型[7-10]。主观分型受预报员的主观判断影响，具有一定的局限性；客观分型是通过对物理量矩阵的计算实现样本集合的聚类分类，分型结果更为稳定、客观。许建明等[11]采用T-mode主成分分析法(PCA)研究上海地区PM2.5污染时将天气形势分为9类，指出冷锋、高压前部弱气压场，高压后部弱气压场对上海秋冬季PM2.5环境质量影响最为显著；ZHANG等[12]利用Kirchhofer方法对华北地区850 hPa高度场的天气形势进行客观分型，发现静稳的天气形势有利于污染物的积聚，同时偏西和偏南风会形成较强的污染传输，加重华北东部与北部的大气污染；DENG等[13]研究厦门地区黑碳时空变化时对天气形势进行半主观(主观+客观)分型，结果显示，高浓度黑碳往往与高压控制的反气旋环流有关。这些研究均揭示了天气形势与区域污染物浓度存在十分密切的关系。

江苏北部城市群——徐州、连云港、淮安、宿迁(以下简称“苏北四市”)位于长三角空气重污染区北部。苏北四市首要污染物均为PM2.5，并且PM2.5浓度季节变化表现为“冬高夏低”[14-17]。目前，关于该地区大气污染与天气形势关系的案例研究较多，但缺乏基于大样本数据的天气形势客观分型研究。因此，本研究以苏北四市为研究对象，利用PCA与K均值聚类的客观分型方法对2015—2019年污染多发的冬季海平面气压场进行分型，分析不同天气形势下气象要素特征和PM2.5浓度变化，旨在完善中国东部沿海地区气象场与污染浓度关系的研究，有助于该地区开展大气污染预测工作。

1 资料与方法

1.1 数据资料

再分析资料为欧洲中期数值预报中心(ECMWF)2015—2019年的ERA5海平面气压场数据，采集空间20°N～50°N、100°E～130°E，空间分辨率为0.25°×0.25°；气象资料为2015—2019年Micaps第一类地面全要素数据，数据来自中国气象数据网(http://data.cma.cn)，选取的气象要素分别为温度、相对湿度、风速、风向，时间分辨率为3 h；大气污染物浓度资料来自于中国空气质量历史数据网站(http://beijingair.sinaapp.com/)2015—2019年的PM2.5逐时质量浓度数据。

1.2 分型方法

首先处理再分析资料的海平面格点数据，将每日8：00海平面气压场的二维数据(纬度×经度)转换为一维数组(格点)，根据时间序列构成二维矩阵(时间×格点)；通过PCA在矩阵数据中提取4个主成分，累计方差贡献率达到84.5%；对主成分数据进行K均值聚类，依据轮廓系数的极大值判定当聚类数为7时聚类效果最好，因此将海平面环流天气形势分为7类。

1.3 PM2.5污染等级定义

根据《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012)[18]，将地面PM2.5浓度划分为6个等级，划分标准见表1。

表1 PM2.5污染等级划分标准Table 1 Standard for classification of PM2.5 pollution levels

2 结果与分析

2.1 天气形势分型

根据2015—2019年冬季(12月至次年2月)每日8：00的海平面气压场数据(共451个样本)，结合PCA与K均值聚类的客观分型方法将天气形势分为7类，不同天气形势下的海平面气压场见图1。

类型1为冷锋前部型，出现概率为5.5%。在该天气形势下，苏北四市处于冷锋前部，在内蒙古附近存在一个冷高压中心，高压中心最大值为1 049.6 hPa，气压梯度大，苏北地区地面平均风速2.3 m/s，风向以偏北风、偏西北风为主，相对湿度(54.9%)明显低于其他几种天气形势，平均温度最低(-1.6 ℃)。

类型2为弱高压环流型，出现概率为17.5%。该天气形势在西伯利亚存在一个高压中心，强度弱于类型1，苏北四市处于较弱的高压环流之下，气压梯度小，平均风速为2.4 m/s，风向以偏东北风为主，无明显冷空气过程或冷空气较弱，相对湿度(75.9%)为7种天气形势中最高，平均温度4.3 ℃。

类型3为高压底部型，出现概率为13.7%。该天气形势在西伯利亚地区存在一个冷高压中心，强度介于类型1与类型2之间，苏北四市处于较强的气压梯度之下，地面风速最大，平均风速2.6 m/s，主导风向为北东北风，相对湿度73.0%，平均温度1.2 ℃。

类型4为高压前部型，出现概率为14.0%。在该天气形势下，苏北四市处于内蒙古高压弱环流的东侧，气压梯度较弱，地面主导风向以偏西北风为主，相对湿度(60.1%)较低，仅高于类型1。

注：图中黑色方框为苏北四市所在区域。图1 2015—2019年研究区冬季海平面气压场天气形势分型Fig.1 Synoptic patterns of sea level pressure in study area during winter from 2015 to 2019

类型5为低压均压场型，出现概率为13.3%。在该天气形势下，华北华中均受低压均压场控制，苏北四市气压(1 019～1 022 hPa)低于其他形势场，地面平均风速(2.1 m/s)较前几种分型小，风向以偏东风为主，相对湿度(74.4%)仅次于类型2，平均温度(6.1 ℃)为所有天气形势中最高。

类型6为高压均压场型，出现概率为19.7%。在该天气形势下，江浙地区存在小范围的弱高压中心，地面风速小，平均风速1.7 m/s，主导风向为偏南风以及偏东风，相对湿度平均值为66.8%。

类型7为高压环流型，出现概率为16.2%。在该天气形势下，中国北部大部分城市在冷高压控制之下，苏北四市位于高压区域的底端，地面风速最小，均值为1.6 m/s，无明显的主导风向，平均相对湿度61.0%，平均温度1.3 ℃。

2.2 天气形势与PM2.5污染关系

图2为7种天气形势下苏北四市PM2.5日均质量浓度的统计箱线图。在不同天气形势下苏北四市污染物浓度变化特征基本相似，总体看来，在类型2、5、6下PM2.5日均浓度平均值相对较高，其中连云港、宿迁在类型6下PM2.5日均质量浓度平均值最高，分别为75.1、98.1 μg/m3；徐州、淮安在类型5下PM2.5日均质量浓度平均值最高，分别为119.9、91.4 μg/m3。在类型1、3、7下，PM2.5日均浓度平均值都相对较低，除徐州在类型3、7下外，其他城市在这3种天气形势下的PM2.5日均质量浓度平均值均未超过75 μg/m3。

图2 苏北四市7种天气形势下PM2.5日均质量浓度分布特征Fig.2 Distribution characteristics of PM2.5 daily mean mass concentration in seven synoptic patterns for four cities of Northern Jiangsu

表2为各天气形势下不同PM2.5污染等级出现的频率。总体看来，在类型2、5、6下，苏北四市发生轻度及以上污染的频率最高，除了临海的连云港外，其他3个城市发生轻度及以上污染的频率都达到55%以上；在类型1、3中，苏北四市发生轻度及以上污染的频率都要低于其他几种天气形势，除了整体污染水平相对较高的徐州，其他3个城市发生轻度及以上污染的频率均不超过40%。

表2 7种天气形势下PM2.5污染等级出现频率Table 2 The frequency of different PM2.5 pollution levels in seven synoptic patterns %

为进一步说明天气形势对PM2.5的影响，计算了苏北四市不同天气形势下污染物浓度与全部样本均值的距平。距平为正，说明该天气形势有利于PM2.5浓度增加，污染加重；距平为负，表明该天气形势下有利于PM2.5浓度减小，污染减轻。由表3可知，在类型2、5、6下，苏北四市PM2.5日均质量浓度距平都为正，其中类型5、6最为明显，其中距平最大值出现在徐州类型5下，为21.1 μg/m3。在类型1、3、7下，苏北四市PM2.5日均质量浓度距平都为负。

表3 7种天气形势下苏北四市PM2.5日均质量浓度距平Table 3 The anomalies of PM2.5 mass concentration in seven synoptic patterns for four cities of Northern Jiangsu μg/m3

距平最小值出现在徐州类型1下，为-25.3 μg/m3。类型4下PM2.5日均浓度变化总体不明显。

综合7种天气形势下苏北四市PM2.5浓度、污染等级出现频率及PM2.5浓度距平，类型1、3、7可认为是该地区清洁型天气；类型2、5、6可认为是污染型天气。

2.3 不同天气形势下PM2.5浓度与气象要素的关系

不同的天气形势会影响局地气象要素时空分布，从而影响PM2.5浓度变化[19-20]。表4为7种天气形势下苏北四市PM2.5日均质量浓度、气象要素日均值及两者的相关系数。污染型天气类型2、5、6下区域PM2.5日均质量浓度分别为89.2、94.1、92.4 μg/m3，而清洁型天气类型1、3、7下区域PM2.5日均质量浓度分别为61.9、65.2、72.7 μg/m3。除类型1外，其他天气形势下风速与PM2.5浓度有显著的负相关性，较大风速有利于地面污染物的扩散稀释，因此大风是苏北四市污染物浓度降低的主要气象因素。由于受冷高压控制，类型1、3、7的温度较其他几种天气形势低，且3种天气形势下的气压与PM2.5浓度呈显著的负相关性，说明冷空气过程会对苏北四市的污染物有一定的清除作用，这与WANG等[21]在研究天气形势对中国东部大气污染分布的影响中得出的结论一致。在污染型天气类型2、5、6下，均压场与弱环流形势下的水平扩散条件较差，同时相对湿度往往较高(75.9%、74.4%、66.8%)，有利于污染物的吸湿增长及二次颗粒物的形成，从而使得污染物浓度升高；地面平均温度≥4.0 ℃，较高的温度也促进了光化学反应的发生，加快了气粒转化，因此导致PM2.5浓度增大。戴竹君等[5]140通过主观分型方法研究江苏冬季霾时也得出均压场是促进重度霾发生的天气形势之一。

表4 7种天气类型下的PM2.5日均质量浓度、气象要素日均值及两者的相关系数1)Table 4 Averaged value of daily mean PM2.5 mass concentration and meteorological parameters， and their correlation coefficient in the seven synoptic patterns

3 结 论

用PCA与K均值聚类的客观分型方法将2015—2019年苏北四市冬季海平面气压场天气形势分为7种类型，分别为冷锋前部型、弱高压环流型、高压底部型、高压前部型、低压均压场型、高压均压场型和高压环流型。其中，高压均压场型出现概率最高(19.7%)，而冷锋前部型出现概率最低(5.5%)。

在7种天气形势中，良好的空气质量主要出现在冷锋前部型、高压底部型和高压环流型3类与冷高压密切相关的天气形势，属于清洁型天气，地面气象要素表现为低温、低湿和大风，有利于PM2.5的扩散。而在弱低压环流型、低压均压场型和高压均压场型中，PM2.5污染水平较高，属于污染型天气，地面气象要素表现为风速较低，相对湿度较高，有利于污染物的积聚与生成。