王 露,侯 曌,赵卓勋 ,刘 蔚 ,吴 悠,李 兰
(1.湖北省荆州市气象局,湖北 荆州 434000;2.湖北省武汉市气象局,武汉 430040; 3.武汉区域气候中心,武汉 430070)
空气作为人类生存的必需品,其质量直接影响着每个人的正常生活和身体健康,随着经济社会全面发展,大气环境出现了较明显的区域性和复合型空气污染特征,空气质量问题已日益成为社会关注的热点和焦点。有关污染特征的分析及预报效果评估的研究已有很多[1-2],空气质量不仅与大气污染物的排放有关,同时也受到气象条件和下垫面状况的影响。有学者研究发现[3],短时间内大气污染物排放源没有发生明显变化,但空气污染物浓度出现较大波动,说明气象条件在污染过程中起到了一定作用。国内已有许多学者从天气形势、逆温层、混合层以及各种气象因子的影响角度对空气质量进行了较多研究[4-5],提出静小风、稳定的大气层结等气象条件是造成颗粒物浓度达到重污染的主要原因。
荆州地处长江中游的江汉平原腹心之地,随着经济快速发展,荆州工业化、城镇化进程加快,大气污染成为难以避免的环境问题。荆州亦常出现不利于污染物扩散的气象条件,为此,本文利用2017年1月至2018年12月荆州城区3个国家环境空气质量监测点的污染物监测数据和荆州站地面气象要素观测数据,对荆州城区空气质量分布及重污染过程天气特征进行了初步分析,以期发现相关规律,为荆州大气污染防治与管控提供气象决策咨询服务。
1.1 资料来源
本文使用的资料包括:(1)2017年1月1日~2018年12月31日荆州城区3个国家环境空气质量监测点(即市委党校、市图书馆、管委会)6种主要污染物(PM2.5、PM10、SO2、NO2、CO和O3)逐小时浓度数据,该数据由荆州市生态环境局环境监测站提供,图1为荆州城区3个国家环境空气质量监测点分布图;(2)2017年1月1日~2018年12月31日荆州站(站号57467,30.21°N,112.09°E)逐小时气象要素观测数据,该资料由荆州市气象局国家气象观测站和技术保障中心提供,其中,气象要素包括相对湿度、2min风向风速、降水量和能见度等。
图1 荆州城区3个国家环境空气质量监测点分布图Fig.1 The distribution map of 3 national ambient air quality monitoring points in Jingzhou City
1.2 研究方法
目前,国内通常采用空气质量指数(AQI)评价某一地区或城市的空气质量。AQI综合考虑了大气中6种主要污染物(PM2.5、PM10、SO2、NO2、CO和O3),可以反映出一定地域范围内的污染物浓度高低。利用6种污染物浓度数据计算不同污染物的空气质量分指数(AQI),其中最大值为空气质量指数AQI。本文采用统计学方法,从年内到日间,给出荆州城区污染物浓度的分布规律,并研究重度污染发生时各类气象要素和天气特征。
2.1 荆州城区2017~2018年空气质量的分布特征
2.1.1 优良天数和污染天数分布
2012年2月29日出台的新的环境空气质量评价体系考虑了6种污染物,并采用空气质量指数AQI来反映一个地区的污染程度:0~50之间为优、51~100之间为良、101~150之间为轻度污染、151~200之间为中度污染、201~300之间为重度污染、>300为严重污染。表1给出了荆州城区2017和2018年空气质量各等级天数。
表1 荆州城区2017和2018年空气质量各等级天数Tab.1 Days of days with air quality in Jingzhou Cityin 2017 and 2018 (天)
由表1可知,2017年全年良所占比例最多,为60.7%,轻度污染和优所占比例分别为17.7%和15.0%,中度污染和重度污染所占比例分别为4.2%和2.2%,严重污染有1天,占比0.3%;2018年良占比67%,轻度污染和优分别占比18.9%和9.9%,中度污染和重度污染分别占比2.8%和1.4%,全年无严重污染。总体来看,相较于2017年,2018年中度以上的污染天数明显减少。
2.1.2 污染物年平均浓度分布
荆州城区空气6项污染物中,如图2所示,2018年细颗粒物(PM2.5)年平均浓度值为49μg/m3,比2017年下降12.5%;可吸入颗粒物(PM10)年平均浓度值为86μg/m3,比2017年下降6.5%;二氧化氮(NO2)、二氧化硫(SO2)、一氧化碳(CO)24小时平均第95百分位、臭氧(O3)日最大8小时滑动平均第90百分位浓度值分别为34μg/m3、15μg/m3、1.8mg/m3、157μg/m3,较2017年变幅分别为-5.6%、-16.7%、5.9%、12.1%。
图2 2017和2018年荆州城区6项污染物浓度对比图Fig.2 Comparison of the concentration of 6 pollutants in Jingzhou City in 2017 and 2018
2.1.3 污染物综合指数逐月变化
图3给出荆州城区2017和2018年污染物综合指数逐月变化,由图3可见,综合指数呈现“两头高,中间低”的分布特征。究其原因,冬季空气干燥,风力微弱,大气边界层稳定度高,地面附近的灰尘、汽车尾气难以扩散或稀释,导致其污染物综合指数最高;春秋季次高,夏季最低。
图3 2017和2018年荆州城区综合指数逐月变化图Fig.3 The monthly changes of composite index in Jingzhou City in 2017 and 2018
比较2017和2018这两个年份可以看出,1~5月和11~12月2017年的污染物综合指数高于2018年,6~10月2017年的污染物综合指数低于2018年,究其原因,主要是2018年夏季和初秋较重的O3污染拉高了此时段的综合指数。
如图4, 2018年O3的峰值明显更高且高值的持续时间明显更长。O3的生成和光照、气温等气象因素密切相关,主要发生在光照强烈的夏、秋季节。汽车尾气、工业企业排放的氮氧化物与挥发性有机物等臭氧前体物,在高温、强光照条件下,经过一系列复杂的光化学反应,产生臭氧污染物。O3主要来自光化学反应,夏季温度和能见度最高,对应太阳辐射最强,光化学反应最强烈。相较于2015~2017年,2018年夏季荆州平均气温明显偏高,降水明显偏少,雨日数也明显偏少,全年日照时数明显偏多。所以和2017年相比,荆州2018年太阳辐射更强,光化学反应更剧烈,因此O3浓度也明显升高。
图4 2017和2018年荆州城区O3浓度逐月变化图Fig.4 The monthly changes of the concentration of O3 in Jingzhou Cityin 2017 and 2018
2.1.4 污染物浓度日间分布
另从图5可见,2017~2018年荆州城区6种污染物浓度日变化,除O3浓度在正午前后大幅上升外,其他污染物浓度在午后均有所下降,这与太阳辐射有直接联系,正午强烈的日照更易促发光化学反应,产生对人体有害的二次污染物(其中包括O3);PM2.5、PM10、CO和NO2的浓度变化表现为双峰分布,在上午和傍晚至上半夜其浓度较高;SO2的浓度只在上午6~8时出现一次高峰,在傍晚有一次弱的回升。
图5 2017和2018年荆州城区6种污染物浓度日变化Fig.5 The daily changes of the concentration of 5 pollutants in Jingzhou Cityin 2017 and 2018
究其原因,06~11时(北京时),太阳辐射逐渐加强,夜间稳定层结尚未完全破坏之前,加上交通等人为因素,造成上午出现高值;午后由于太阳辐射以感热和潜热形式向上输送,加热上层大气,湍流混合强烈,污染物容易扩散,浓度下降;傍晚至夜间,机动车尾气和工业气体排放后往往直接通过气粒转化过程形成二次气溶胶粒子,加之边界层结逐渐稳定,产生的污染物不易扩散,形成第二次高峰[6]。
2.2 重污染发生时的天气特征
基于2017~2018年的气象要素小时观测数据,研究重污染天气发生时的相对湿度、风向风速、降水量、能见度和环流背景。
2.2.1 相对湿度
中国近50年霾长期观测资料的分析表明[7],近地面相对湿度减小,霾日频率增加,湿度变化对环境条件有明显影响。图6给出了2017年1月1日至2018年12月31日的重度污染时次的相对湿度分布,730天共17 520个小时里,有456个重度污染时次,其中有422个时次的首要污染物为PM2.5。有6个时次湿度在31%~40%,占重度污染总时数的1.3%;有12个时次湿度在41%~50%,占重度污染总时数的2.6%;有34个时次湿度在51%~60%,占重度污染总时数的7.5%;有104个时次湿度在61%~70%,占重度污染总时数的22.8%;有94个时次湿度在71%~80%,占重度污染总时数的20.6%;有92个时次湿度在81%~90%,占重度污染总时数的20.2%;有114个时次湿度在91%~100%,占重度污染总时数的25%。分析图6可知,当相对湿度低于40%时,一般不会出现重度污染;而88.6%以上时次的重度污染,其相对湿度都在60%以上。这是因为,当相对湿度低于40%时,气溶胶粒子一般以“干”的状态存在,未达到潮解点,粒径小于2.5μm的粒子无明显增长,PM2.5浓度变化不大;当相对湿度高于60%时,在高湿条件下,粒子表面化学反应更明显,粒子出现明显增长,这可能是导致PM2.5浓度上升的原因。
图6 2017和2018年荆州城区重度污染 时次的相对湿度分布Fig.6 The distributionof relative humidity during heavy pollution in Jingzhou City in 2017 and 2018
2.2.2 风向和风速
风向、风速对大气污染物扩散起着重要作用,风向决定污染物输送方向,风速决定污染物输送能力[8]。其作用表现在两个方面:一是风的水平搬运作用;二是风对大气污染物质的稀释作用[9]。
2.2.2.1 风向
图7给出了荆州城区2017和2018年重度污染时次的风向分布,从456个重度污染时次的风向来看,出现频率较高的风向依次为NNE、N、NE和ENE,频率分别为121、75、49和25次,其余风向均不足20次。
图7 2017和2018年荆州城区重度污染时次的风向分布Fig.7 The wind direction distribution during heavy pollution in Jingzhou City in 2017 and 2018
2.2.2.2 风速
图8为重度污染时次频率最高的4个风向所对应的风速分布,从图8可以看出,频率最高的风速区间为1.1~3.0m/s,其次是0.0~1.0m/s和3.1~4.0m/s两个区间,4.0m/s以上的风速只发生在NNE和N这两个风向。频率最高的NNE风向,风速多在1.1~4.0m/s,有99次,0.0~1.0m/s和4.1~5.0m/s区间各有11和7次;频率次高的N风向,风速多在1.0~3.0m/s,有42次,0.0~1.0m/s、3.1~4.0m/s、4.1~5.0m/s区间各有9、9和10次;NE和ENE风向的风速多在0.0~2.0m/s区间,分别为41和24次;其余风向对应的风速多在0.5~2.5m/s。
图8 2017和2018年荆州城区重度 污染时次各区间风速频率分布Fig.8 The frequency distribution of the wind speed during heavy pollution in Jingzhou Cityin 2017 and 2018
2.2.3 降水
降水对大气中污染物的增加或减少作用显著。降水天气可起到湿清除作用,相反,降水日数减少会导致大气对污染物的沉降能力减弱。有研究表明[8,10~12],降水对清除大气中的污染物质起着重要作用,连续无降水日越多,降水量越小,霾日数也越多,空气污染越严重。也有研究指出[3],阵性降水较多而雨量不大时,对污染物的清除作用不明显,反而提高空气湿度,使得大气相对湿度保持在60%以上,为PM2.5中亲水性颗粒物增长提供有利条件,造成其浓度达到最高。弱降水会增加相对湿度导致PM2.5浓度上升,较强降水会清除PM2.5。图9给出了荆州城区2017和2018年重度污染时次的降水量分布,456个重度污染时次里,只有28个时次出现降水;在28个降水时次里,有24个时次在2mm以下,其中有19个时次在1mm以下,占总时次的68%。这说明大部分重度污染仍发生在无降水的时次,只有少数发生在2mm以下的弱降水中。
图9 2017和2018年荆州城区重度污染时次的降水量分布Fig.9 The distribution of precipitation during heavy pollution in Jingzhou City in 2017 and 2018
2.2.4 能见度
污染物超标日连续在72h以上的为持续污染,以持续在72h以上能见度小于10km作为一次持续低能见度天气事件,记做A类持续低能见度事件;考虑到环境气象预报实践中常以能见度小于5km作为启动各种霾预警的前提条件,以持续在72h以上能见度小于5km作为一次持续低能见度天气事件,记做B类持续低能见度事件;A类低能见度事件包含B类事件。如图10所示的荆州2017~2018年重度污染时次的能见度区间分布,从图10可以看出,能见度在3 000m以下的时次占83%,在5 000m以下的时次占94%。且从14个污染日分成的8个重污染过程来看,均可构成B类持续低能见度事件。
图10 2017和2018年荆州城区重度污染 时次的能见度区间分布Fig.10 The distribution of visibility during heavy pollution in Jingzhou City in 2017 and 2018
2.2.5 天气分型
2017年和2018年的重度污染日数分别为8天和5天,2017年还有1个严重污染日。污染日期依次为2017年1月1~4日、1月28日、3月6日、11月7~9日、2018年1月2日、1月19日、11月30日~12月1日、12月22日。考虑到污染物的累积通常都有一个过程,故将以上14个重度以上的污染日整理为8次重污染过程,依次为2017年1月1~4日、1月27~28日、3月6~7日、11月7~9日、2018年1月1~3日、1月18~21日、11月29日~12月2日、12月21~22日。下文将对8个重污染个例综合进行环流背景分类分析。
2.2.5.1 大气静稳型
静稳型大气中,重度污染过程通常持续时间长,可达连续三日或以上,且污染期间有雾或霾或两者交替存在。如2017年1月1~4日和11月7~9日两次过程。
1月1~4日的日均AQI分别为217、228、223和230,2分钟风速均在1m/s上下;从环流形势上看,500和700hpa以偏西风为主,850和925hpa分别以偏南和东南风为主;其中2日出现霾,4日出现雾,4日凌晨有弱降水发生,相对湿度随之增大从而发生雾。过程开始之前两天已达到中度污染,且12月31日有雾出现、12月30日有霾出现。
11月7~9日的日均AQI分别为218、203和210,2分钟风速均在1m/s上下;从环流形势上看,500hpa均以偏西风为主,700和850hpa逐渐由偏北转为偏南;其中9日出现雾,此三天均有霾,直至10日有冷空气大风出现,AQI迅速降至95。9日08时1 000hpa附近和925~850之间均出现逆温,非常有利于雾的出现和静稳天气的形成。
2.2.5.2 弱冷空气型
1月27~28日和3月6~7日此两次过程为弱冷空气型。此种类型通常前期本地有一定污染物的积累或上风方向已出现较严重的污染,过程持续时间一般1~2日,时而有霾出现。
1月27~28日的日均AQI分别为200和319,前期23~26日的日均AQI亦都在150以上,26~27日的2分钟平均风速分别为1.8和2.3m/s,地面上26~27日有西北路冷空气渗透;3月6~7日的日均AQI分别为215和200,6日的2分钟平均风速为2.1m/s,且6日有北方冷高压南落。
2.2.5.3 混合型
混合型多为降水与冷空气的混合,通常先由弱冷空气或弱降水使得AQI升高,次日随着降水增强或风力增大,使得污染物稀释或扩散。此种类型的重度污染发生前一至二日常有雾出现。
2018年1月1~3日为降水与冷空气混合,1月2日的日均AQI为204,降水量0.1mm,2分钟平均风速为1.6m/s;3日开始,降水增强(14.1mm),风力增大(5.6m/s),直至4日,AQI才降至77。由此可见降水湿清除对AQI的影响有一定的滞后。
2018年1月18~21日为降水与弱冷空气混合,18~19日的日均AQI分别为180和284,2分钟平均风速分别为2.1和3.2m/s,19日的降水量为4.8mm,直至20日,AQI才降至135,表明降水湿清除对AQI影响的滞后;21日降水0.6mm,AQI又升至149,说明弱降水有利于颗粒污染物的湿增长。
2018年11月30日~12月1日为降水与弱冷空气混合,日均AQI分别为250和233。11月30日的2分钟平均风速为2.1m/s,地面上30日有北方冷高压南落;12月1日有0.3mm降水,2日降水量为0.4mm,AQI为189,直至3日降水16.4mm,AQI才降至95。
2018年12月21~22日为降水与弱冷空气混合,21~22日的日均AQI分别为118和210,降水量分别为1.2和4.8mm,2分钟平均风速分别为2.1和3.2m/s。可以看出,降水发生在22日,却直至23日AQI才降至84,再一次证明了降水湿清除对AQI影响的滞后性。
3.1 相较于2017年,2018年中度以上的污染天数明显减少;荆州城区冬季空气污染最严重,夏季空气污染相对较轻;PM2.5、PM10、CO和NO2的浓度在上午和傍晚至上半夜其浓度较高,SO2的浓度只在上午6~8时出现一次高峰,在傍晚有一次弱的回升,O3浓度在正午前后大幅上升。
3.2 荆州城区88.6%以上时次的重度污染,其相对湿度都在60%以上;重度污染时次以NNE风向最多,占比28.9%,其次为N和NE风向,分别占比17.9%和占比11.7%;风速频率最高的区间为1.1~3.0m/s,占比55.8%,其次是0.0~1.0m/s,占比30.5%;重度污染有93.9%是发生在无降水的时次,5.3%发生在2mm以下的弱降水时次;重度污染发生时次里,能见度在3 000m以下的占83%;64.3%的重度污染日,当日最小能见度在1 000m以下。
3.3 本文将荆州城区重度污染分为大气静稳型、弱冷空气型和混合型三种类型。静稳型重度污染过程通常持续时间可达连续三日或以上,且污染期间有雾或霾或两者交替存在;弱冷空气型通常前期本地有一定污染物的积累或上风方向已出现较严重的污染,过程持续时间一般1~2日,时而有霾出现;混合型多为降水与冷空气的混合,通常先由弱冷空气或弱降水使得AQI升高,隔天随着降水增强或风力增大,使得污染物稀释或扩散,此种类型的重度污染发生前一至二日常有雾出现。
3.4 影响空气质量的因素很多,本文主要从荆州本地的气象要素特征和大气环流规律方面进行了初步分析。研究成果可为荆州市大气污染防治与管控提供气象决策咨询服务,也可为本地环境空气质量的预测提供技术支持。