对比新冠疫情期间成都一次污染天气特征分析

杜筱筱，刘炜桦，赵晓莉，王 婷，成 翔

(四川省气象灾害防御技术中心，成都 610072)

引 言

近些年随着城市化进程的不断加快，大气污染物的排放日益增加，空气污染事件频繁发生，大气质量问题受到大众广泛关注。受污染源排放、地形特征、气象条件、污染防控措施等影响，不同城市的污染天气发生频次和严重等级也各有不同。成都人口密集，机动车保有量居全国第二，地理位置处于四川盆地西部，北部秦岭大巴山对冷空气的阻挡，使其成为冬季空气污染多发的区域之一。

众多专家学者已对成都大气污染进行了研究，贴地逆温及静风的稳定大气抑制污染物扩散[1]，辐射逆温层的形成对污染物浓度的增长有促进作用[2]；成都地区的能见度与相对湿度的相关性最高[3]；当海平面天气形势受高压前部型、低压底部型、低压型和均压场型影响时成都容易出现污染天气[4]。受新冠肺炎疫情影响，2020年1月23日武汉宣布封城，全国上下进行了短期的限行减产，这一特殊时期的天气和空气质量特征，为常态化的大气污染防治研究提供了一个背景场。肖致美等[5]已对天津市新冠疫情期间和非新冠疫情时期两次重污染天气污染特征进行研究，新冠疫情重污染过程期间二次离子、机动车和扬尘贡献率有明显下降，但燃煤和工业排放依然是PM2.5最主要的污染来源。目前对成都市新冠疫情特殊时期的空气质量相关研究还较少，本文对比2020年1月28～30日新冠疫情背景场，对2019年1月22～26日成都市一次连续污染过程，进行对比研究，以期为大气污染防治提供技术支撑。

1 数据与方法

1.1 数据

大气污染物浓度数据来自于成都市环境空气质量国控站点：金泉两河(99052)、十里店(99053)、三瓦窑(99054)、沙河铺(99055)、君平街(98537)、大石西路(92017)，监测站点位置和成都市地形如图1所示。空气质量指数AQI和首要污染物，由大气污染物浓度根据HJ633-2012计算得来。地面气象要素数据为国家气象信息中心研制的CLDAS2.0实时数据产品(空间分辨率0.05°×0.05°)插值到以上环境监测站点的中心点(104.1°E，30.64°N)得来，混合层高度利用CLDAS2.0数据根据罗氏法计算得到[6]。逆温资料来源于温江站L波段雷达每日08时和20时的探空数据；大气环流形势背景资料为MICAPS数据；温度和风的剖面图数据为NCEP的1°×1°的再分析网格点数据；计算后向轨迹、潜在源区贡献(PSCF)分析所需的气象数据来自美国国家环境预报中心提供的GDAS气象数据(ftp://arlftp.arlhq.noaa.gov/pub/archives)。

图1 成都市地形和站点位置分布

1.2 方法

1.2.1 后向轨迹模式

是一种用于计算和分析大气污染物的输送、扩散轨迹的专业模型，被广泛应用于多个地区的大气污染物传输和扩散研究中[7～9]。本文采用Meteoinfo的后向轨迹模式TrajStat模拟成都市距地500 m，每小时后向72 h的气流轨迹，使用angle distance算法进行聚类分析，得到不同的轨迹输送类。

1.2.2 潜在源区贡献因子分析(PSCF)

是一种基于经过i经度、j纬度区域的气团到达观测点时对应的某要素值超过设定阈值的条件概率函数来判断污染源位置的方法。PSCF值是所选研究区域内经过网格ij的污染轨迹数(mij)与该网格上经过所有轨迹数(nij)的比值[10-11]，即PSCF= mij/ nij，当分母nij很小时，PSCF不确定性就会很大。因此，引入Wij权重因子，当某一网格中的nij小于研究区内每个网格内平均轨迹端点数的3倍时[12-13]，就使用Wij来减小PSCF的不确定性。权重函数如下：

(1)

其中，Wij表示权重因子，nij表示经过(i，j)网格的所有轨迹。

1.2.3 浓度权重轨迹分析法(CWT)

是在确定了潜在源区的基础上，进一步计算潜在源区污染轨迹的权重浓度，得出不同源区对成都地区污染贡献[10～13]，计算方法如下：

(2)

式中，Cij是网格ij上的平均权重浓度；k是轨迹，M是轨迹总数；Ck是轨迹k经过网格ij时对应成都市PM2.5的质量浓度；τijk是轨迹k在网格ij停留的时间。公式(1)中的Wij权重函数也适用于CWT中，以减少nij较小时所引起的不确定性。

2 结果与分析

2.1 “2019年1月22～26日”污染过程和新冠疫情期间空气质量实况

2019年1月22～26日，成都市出现了一次时间长达5d的连续污染过程，小时最高AQI为209，达到重度污染等级，从变化趋势上可知(图2)，AQI和6个测站的PM2.5浓度的变化趋势一致，呈逐日累积增大的趋势。除24日外，同时伴有显著的“单峰型”日变化特征，峰值出现在上午11时左右，峰谷出现在17时。24日是因为在零时，成都市重污染天气应急办公室起动重污染天气黄色预警(成气应办[2019]3号)，排放源减少，人为降低大气污染物浓度，使增速放缓，但在气象条件不利于污染物的稀释、扩散和清除的背景下，大气环境对污染物有累积的作用，使25日、26日空气质量持续变差。

图2 2019年1月22～26日成都市PM2.5浓度和AQI逐时变化曲线

受新冠肺炎疫情影响，2020年1月23日武汉封城，24日春节开始放假，加之假期延长至2月2日，这段时间全国进行了最严格的限行限工。对成都市这段时间的AQI和PM2.5日值进行分析(图3)，23日空气质量为中度污染，随着24日假期开始，AQI由155减为77，在24日至2月2日期间，空气质量等级均为良，PM2.5浓度平均值44.5μg/m3，AQI和PM2.5浓度变化趋势一致，首要污染物均是PM2.5。

图3 2020年1月23日～2月2日成都市PM2.5浓度和AQI逐日变化曲线

2.2 环流形势背景和气象要素分析

天气现象与气象状况都是在相应的天气形势背景下产生的，天气形势决定了气象要素的分布和变化，继而决定了大气的扩散能力和污染物的空间和区域特征。通过对此次污染过程和2020年1月23日～2月2日疫情期间500hPa和海平面气压场分析，选取和2019年1月22～26日的大气环流形势较为接近的2020年1月28～30日做背景场。具体如下：

2.2.1 “2019年1月22～26日” 500hPa环流形势

2019年1月22～26日500hPa环流形势为“两槽一脊”型，如图4所示，两个低槽分别位于乌拉尔山至死海以北，以及鄂霍茨克海以西至我国东北地区，高压脊在西西伯利亚到我国天山以北地区，南支槽位于青藏高原以西至孟加拉湾一带，成都主要受纬向西风和弱脊前的偏北气流影响，经向环流弱，无南支波动。

图4 500hPa高度场“两槽一脊”型

2019年1月22～26日成都地区海平面气压场有3种类型：低压顶部型和均压场型(图5～图6)。低压顶部型在攀西地区和云南一带有低压中心存在，低压形成于北伸的倒槽中，成都位于低压区的北部或东北部，曾胜兰等[14]研究指出，此种类型容易导致污染加重。均压场型出现时成都处于高压和低压之间的过渡带，内部气压梯度和风速变化小，不利于污染物的清除和扩散。

(G：高压；D：低压)

(G：高压；D：低压)

2.2.2 新冠疫情背景场环流形势(2020年1月28～30日)

2020年1月28～30日500hPa中高纬的环流形势和2019年1月22～26日污染过程同为“两槽一脊”型，成都受弱脊前部偏北气流影响，天气形势稳定少变。海平面气压场为均压场，气压梯度小，不利于污染物的清除。从环流形势背景场看，2020年1月28～30日和此次污染过程2019年1月22～26日大体一致，基本处于历史同期，有相近的气候背景场，可作为背景场进行对比分析。

2.2.3 气象要素特征

相对湿度会影响颗粒物消光系数，减弱地面辐射，使逆温增强[15-16]，高相对湿度下气溶胶吸湿增长也会加速二次污染物的生成[17]，使污染加重。混合层高度是污染物在垂直方向上可以被湍流稀释扩散的高度范围，混合层高度越大，表征污染物在垂直方向上可以扩散的越高。风速对大气污染物的影响主要有两方面，一是输送，减轻本地污染的同时也带来外源污染；二是稀释扩散，起到降低本地污染物浓度的作用。当风速相对较小时，和污染物浓度呈显著负相关[18]，主要为对污染物为稀释扩散作用。

利用2019年1月21～27日相对湿度、混合层高度、风速和AQI数据，得到变化曲线如图7所示， 22日空气质量开始达到轻度污染，23日相对湿度和风速没有明显变化，但混合层层高度由1 396m降低到1 167m，污染物垂直方向扩散受限，AQI由102升高到141。24日相对湿度和混合层高度较23日无明显变化，风速显著降低，不利的气象条件下，AQI却明显好转，这主要是因为成都24日零时启动重污染天气黄色预警，污染源排放减少，导致大气污染物浓度降低。在不利的气象条件下，污染物继续累积，25日升高到中度污染，26日有利条件是风速略增大，但混合层高度降低、相对湿度升高不利条件的同时存在，使得AQI无明显变化。27日相对湿度的进一步升高，空气湿度接近饱和，有弱降水产生，以及风速的进一步增大，有利于污染物的稀释，空气质量由中度转为良，污染过程结束。

图7 相对湿度、风速、混合层高度和AQI变化曲线

逆温反映了大气层结的稳定程度，是指温度随高度的增加不变或者升高的现象,而逆温强度是指每上升100m气温增加的值[19]。逆温层是导致污染事件发生的主要影响因子之一[1],它使气层稳定性增强，污染物在大气边界层垂直方向扩散减弱，污染物在近地面积累，导致污染事件发生[16]。进一步根据温江站每日探空资料计算逆温强度，对比新冠疫情背景场可知(下表)，两次过程均无降水天气发生，在风速近似相等的条件下，逆温强度是新冠疫情背景场3.8℃/100m>2019年污染过程的1.1℃/100m。相对湿度是背景场高于2019年污染过程，更有利于污染物浓度的吸湿增长，使污染物浓度升高；混合层高度也是背景场858m<2019年过程的1 135m，不利于污染物的垂直扩散。综合以上分析可知，新冠疫情背景场更容易导致污染天气的发生，而空气质量(AQI=64)却好于2019年污染过程(AQI=136)，说明新冠疫情期间没有污染天气的发生和污染源排放减少有关。

表 气象要素和AQI统计

利用Ncep再分析数据得到两个过程从地面到高空500hPa温度和风的时间剖面图，填色为温度，温度单位为℃，风向标的大小表示风速，方向表示垂直上升或下沉运动，为了绘图效果，风的垂直分量扩大10倍。如图8和图9所示，两个过程都有深厚的等温时段，2019年污染过程高温中心>12℃仅发生在污染最重的25～26日，而背景场高温中心>12℃的等温层每日都有发生。2019年污染过程4～8℃等温层最为深厚，从地面延伸到900hPa位势高度，而背景场6～10℃等温层最为深厚，高度也在900hPa。从等温层的高温中心值和深厚高度，可知背景场的逆温强度强于2019年1月22～26日污染过程，这和温江站实况探空资料计算的逆温强度结果一致。虽然2019年污染过程高空750hPa～650hPa有逆温层，但对地面污染物的扩散无明显影响。

图8 2019年1月22～26日温度和风的时间剖面图(成都，103.08°E，30.74°N；世界时)

成都，103.08°E，30.74°N；世界时

背景场2020年1月28～30日期间成都在600hPa以上高空风较为平直，600～850hPa下沉运动明显，近地面到850hPa高度仅在30日凌晨有一股下沉气流，其余时段气流的垂直方向运动非常弱。2019年1月22～26日污染过程期间600～850hPa高空风较为平直，850hPa到地面有明显的下沉气流，部分风速可达0.2 m/s。下沉运动与等温时段和500hPa的高压系统对应，属于下沉逆温，下沉逆温对污染物的扩散起到抑制作用，有利于污染物浓度的增长。结合上表可知，2019年污染过程气象要素较疫情背景场更有利于污染物的扩散，下沉逆温是导致此次污染过程形成和发展的主要原因。

2.3 后向轨迹、PSCF和CWT分析

在大气环境研究中，区域输送不可忽视，空气质量不仅受到本地污染源排放及扩散的影响，也可能受外来气流输送影响。对成都2019年1月22～26日进行后向轨迹分析，结果如图10所示，成都的气流轨迹主要分为4类，第一类占比20.83%，途径雅安，成都西南部；第二类主要来自南充、重庆西北部、资阳、眉山，此类气流出现概率最大，达到36.67%；第三类气流途径泸州、重庆西部、遂宁、绵阳、德阳中部、成都北部，此类所占比重最少，仅15%；第四类主要来自南充、绵阳、德阳中部、成都北部，占比27.5%。第四类气流和第三类在绵阳、德阳中部、成都北部有交集，以上三个区域，可能增强了对成都的污染源输送。

图10 后向轨迹聚类图

进一步对2019年1月22～26日污染过程进行潜在源区和浓度权重轨迹分析，格点设置为0.25°×0.25°，PM2.5阈值根据《环境空气质量标准》(GB 3095—2012)二级标准设为75 μg/m3，PSCF数值越大，表示污染轨迹经过的概率越大，将PSCF值大于0.8的区域定义为主要的潜在源区，由图11可以看出，PSCF值>0.9的区域在成都中部至西北部一带，其次PSCF值0.8～0.9在成都南部和资阳。CWT数值越大，表示该区域对成都的PM2.5的质量浓度贡献越大，将CWT值大于80μg/m3的区域定义为主要贡献区，由图12可知，污染物主要贡献区位于成都至德阳、绵阳一带。PSCF和CWT两者高值重合区才是潜在污染源区，综合分析来看，此次污染过程的潜在污染源区主要在成都本地，受其它区域输送影响较小。

图11 污染期间PSCF分布

图12 污染期间CWT分布

3 结 论

3.1 2019年1月22～26日污染过程和新冠疫情背景场2020年1月28～30日，均发生在高空500hPa稳定少变的“两槽一脊”环流形势背景下，污染过程的海平面气压场比背景场的均压场型多了低压顶部型，都不利于污染物的稀释扩散，污染过程和“新冠疫情”背景场的环流背景大致相同。

3.2 2019年1月22～26日污染过程持续时间长，污染强度大，最高小时AQI达到209；PM2.5浓度有显著的“单峰型”日变化特征，峰值出现在上午11时左右，峰谷出现在17时。重污染天气黄色预警使排放源减少，污染物浓度增速放缓，但在不利于污染物稀释扩散的气象条件下，大气环境对污染物依然有累积的作用。下沉逆温是导致此次污染过程形成和发展的主要原因，此次污染过程的潜在污染源区主要在成都本地，受其它区域输送影响较小。

3.3 两次过程均无降水天气发生，在风速近似相等的条件下，新冠疫情背景场的气象条件更容易导致污染天气的发生，而空气质量(AQI=64)却好于2019年污染过程(AQI=136)，说明新冠疫情期间没有污染天气的发生和污染源排放减少有关，进一步印证控制污染排放在大气污染防治中有一定积极作用。