城市天氣類型及其對污染物質(zhì)量濃度的影響

賀廣興，鄧啟紅

(中南大學 能源科學與工程學院，湖南 長沙，410083)

近年來，隨著我國城市化進程與國民經(jīng)濟的快速發(fā)展，城市空氣污染日益加劇，環(huán)境空氣質(zhì)量問題已引起人們越來越密切的關(guān)注和重視。天氣氣候條件對大氣污染物的濃度水平與分布有重要的影響，不同氣象條件下的污染物濃度存在很大的差別。了解氣象對環(huán)境空氣質(zhì)量的影響規(guī)律，對于做好空氣質(zhì)量預報，為政府決策提供依據(jù)具有重要意義。已有大量針對某些特定氣象參數(shù)與空氣污染物濃度之間的關(guān)系的研究，但是許多研究中，僅考慮空氣污染與大氣中一個或幾個氣象參數(shù)的關(guān)系，而沒有考慮氣象參數(shù)之間的相關(guān)性[1-2]。為了克服此類方法的不足，近半世紀以來，已有多種客觀的天氣氣候方法(synoptic climatology)被用來研究氣象與污染物的關(guān)系，以揭示氣候與環(huán)境之間的特定關(guān)系。目前，天氣氣候方法可分為對天氣類型的歸類和對氣團分類2種[3]。Christiansen等首先使用客觀的天氣分類方法與污染物的關(guān)系，此方法基于主成分分析和 Lund相關(guān)關(guān)系法[4]。在此方法基礎上，Kalkstein等[5]使用主成分分析及聚類分析天氣類型分類方法研究不同天氣類型與污染物之間的關(guān)系，研究結(jié)果較為理想。此研究方法后來得到進一步發(fā)展和應用[6-8]。譚冠日等[9]利用主成分和聚類方法將廣州1979—1984年間的3個冬季和4個夏季的氣象資料進行主成分分析，得出冬季有5種天氣類型，夏季有6種，各類型有顯著不同的天氣特征。Cheng等[10-11]分別研究不同大氣氣團對污染物濃度的影響。本研究在上述基礎上以長沙為例，通過主成分分析和聚類分析對長沙春、秋兩季的天氣進行分類。分析不同天氣類型下污染物的濃度的變化特征，根據(jù)氣象條件對發(fā)生高污染濃度進行預測。

1 數(shù)據(jù)及方法

長沙位于中國中南部的長江以南地區(qū)，湖南省的東部偏北。地處洞庭湖平原的南端向湘中丘陵盆地過渡地帶，地理坐標為東經(jīng) 111°53′～114°5′，北緯27°51′～28°40′，與株洲和湘潭等工業(yè)城市瀕臨。長沙屬世界季風氣候區(qū)，由于受季風影響，季節(jié)變化很明顯；距海較遠，因此冬冷夏熱的大陸性氣候特征較明顯；地勢南高北低，獨特的地形對長沙氣候具有一定影響。

本研究采用的長沙市 2005—2009年氣象參數(shù)及天平均空氣污染物濃度從 NOAA網(wǎng)站下載(http∶//www.noaa.gov/ )[12]。24 h氣象參數(shù)包括環(huán)境溫度(t)、露點溫度(tD)、大氣壓力(p)、風速(v)與風向(θ)；空氣污染物包括SO2與NO2。整個春季(3～5月)時間為396 d，秋季(9～11月)為424 d。對氣象參數(shù)選取1 d中 00∶00，06∶00，12∶00 和 18∶00 4 個時刻的值，對風速進行經(jīng)向和緯向轉(zhuǎn)化，轉(zhuǎn)化公式為：

式中：vWE和vNS分別為經(jīng)向和緯向風速。由此得到每個變量的 1 d 中 4 個時刻(00∶00，06∶00，12∶00 和 18∶00)的值，總共為20個變量。

天氣分類方法是依據(jù)一定時期(一般為某個季節(jié))天的氣象參數(shù)特征，對該段時期的天進行聚類。由于氣象參數(shù)之間存在一定的相關(guān)性，為了使得氣象參數(shù)之間的相關(guān)性不對聚類結(jié)果產(chǎn)生影響，聚類分析前應對初始變量進行統(tǒng)計分析處理，以消除變量之間相關(guān)性影響。

主成分分析法為一種理想的消除變量相關(guān)性的多元統(tǒng)計方法。其原理是將開始眾多具有一定相關(guān)性的變量重新組合成一組新的相互獨立的綜合變量來代替原來的變量。通常數(shù)學上的處理就是將原來氣象參數(shù)作線性組合，作為新的變量。將數(shù)據(jù)降維以排除眾多相互重疊的信息，這些變量要盡可能多地表征原變量的數(shù)據(jù)結(jié)構(gòu)特征而不丟失信息。本研究中首先對 20個具有一定相關(guān)性的氣象參數(shù)進行主成分分析，得到表征原始變量和新變量之間的相關(guān)性的成分載荷矩陣；然后，由初始變量矩陣乘以主成分載荷矩陣得到新的得分矩陣，各天之間的氣象參數(shù)值越相似，則兩者的成分得分越接近；最后對得分矩陣進行聚類分析，得出該區(qū)域的主要天氣類型。

聚類方法基本思想是根據(jù)所研究對象中不同變量的相關(guān)程度對其進行歸類，把相關(guān)性好的歸為一類。本研究中為天氣系統(tǒng)分類。對天氣得分矩陣進行歸類，把相似程度較高的天聚合為一類，把另外彼此之間相似程度較高的天氣又聚合為另一類，直到把所有的天氣聚合完畢[13]。

由于天氣的多變性和復雜性，不同的研究者對天氣類型的分類也不盡相同。在眾多的關(guān)于天氣類型與污染物濃度關(guān)系的研究中，對天氣類型分類情況研究較多的為中尺度范圍的氣旋、反氣旋、槽、冷鋒、高壓脊和季風等天氣類型。Triantafyllou[14]把天氣類型分為反氣旋、冷鋒前沿、高壓系統(tǒng)和由冷鋒過境引起的大風天氣，在大氣流動性能差的反氣旋下高污染事件發(fā)生頻率最高，此種天氣系統(tǒng)下空氣易形成再循環(huán)，從而使污染物擴散困難。Jiang等[15]把天氣歸類為反氣旋、高壓脊、氣旋等天氣類型，大氣相對穩(wěn)定和溫度較低的反氣旋系統(tǒng)易發(fā)生高污染事件；而在以北風較大為特點的不穩(wěn)定氣旋系統(tǒng)下污染程度比較低。Tanner等[16]把香港天氣分類為冷鋒、季風、氣旋、反氣旋、槽等類型，高濃度污染物發(fā)生在反氣旋等低風速天氣類型。孟燕軍等[17]對北京不利于污染物擴散天氣類型分為高壓、均壓和低壓3大類再細分為高壓后部、均壓場、冷鋒前部等12類天氣形勢，高污染事件易發(fā)生于高壓系統(tǒng)下。

本研究分別對不同春、秋季節(jié)取每日4個不同時刻溫度、露點溫度、壓力、經(jīng)向風速和緯向風速。主成分分析先把原始氣象數(shù)據(jù)矩陣轉(zhuǎn)化為一系列線性無關(guān)并且按照它們解釋的變量值進行排列的主成分(本研究中取特征值大于1的主成分)，然后計算主成分得分，主成分得分取決于原始參數(shù)的大小和每個主成分對變量的貢獻[18]，然后將初始變量矩陣乘以主成分得分矩陣，得到每天的成分得分矩陣。對于N天的K個主成分，將會產(chǎn)生1個N×K的得分矩陣，所以，同一成分在氣象狀況相似日可以得到近似得分。最后對天氣成分得分矩陣進行聚類， 得出具有不同天氣特征的幾類天氣類型。本研究采用階梯和離差聚類方法。聚類過程中，各組所含多日各氣象變量的平均值代表該型天氣的特征。所有統(tǒng)計過程在統(tǒng)計軟件 SPSS13上完成。

2 結(jié)果與討論

對上述20個變量與天樣本組成原始矩陣，對此矩陣進行主成分分析，春季得到 3個主成分(PC1，PC2和PC3)；秋季得到4個主成分；對長沙春季和秋季2個具有代表性的季節(jié)的天氣類型進行分類，得出春季和秋季各分出 4個具有顯著不同天氣特點的天氣類型；并對不同季節(jié)天氣類型的污染物濃度特征進行分析，結(jié)果如表1所示。

2.1 主成分分析

由表1可知：春季第一、二和三主成分解釋方差分別為 48.15%，15.75%和 10.65%。方差解釋量為74.5%。溫度和露點溫度與第一主成分具有很好的正相關(guān)，而壓力與之具有強的負相關(guān)；經(jīng)向風速與第二主成分具有好的正相關(guān)，緯向風速則具有較強的負相關(guān)性；第三個主成分與經(jīng)向風正相關(guān)性較好，與緯向風負相關(guān)性較強。 秋季第一、二、三和四主成分解釋方差分別為51.15%，14.58%，8.08%和6.65%，解釋方差為80.40%。溫度、露點溫度與第一主成分呈顯著正相關(guān)，壓力與之具有強的負相關(guān)；經(jīng)向風速與第二主成分正相關(guān)；緯向風速與第三主成分有較強的正相關(guān)性；第四主成分與經(jīng)向風成一定正相關(guān)，與緯向風具有一定的負相關(guān)，相關(guān)程度沒有前三主成分顯著。

初始變量矩陣乘以主成分得分矩陣，春季得到一個396×3的天氣成分得分矩陣，秋季得到1個424×4的天氣成分得分矩陣。

2.2 聚類分析

對前面得到的天成分得分矩陣進行聚類分析結(jié)果如下。

2.2.1 春季天氣類型及其特點

根據(jù)上述統(tǒng)計結(jié)果得出春季分為 4種天氣類型(表2)，分別為：反氣旋(SR1)，冷鋒(SR2)，槽(SR3)，暖峰(SR4)，其時間分別為 52 d，128 d，114 d和 102 d。

表1 長沙市(2005—2009年)春秋季節(jié)氣象參數(shù)主成分分析Table 1 Factor loadings of meteorological variable during spring and autumn of Changsha between 2005-2009

由表2可知：反氣旋控制時，溫度和露點溫度明顯較其他天氣類型低，且日變化大，風速小，這有利于逆溫層的形成；此外，反氣旋控制下空氣下沉，阻止污染物的垂直擴散，十分容易形成高污染。

冷鋒過境時，來自西伯利亞的冷空氣南下，使得溫度降低，氣壓升高，露點溫度低，風速中等，空氣干燥。由上述特點可知：冷空氣經(jīng)過長途傳輸?shù)竭_長沙性質(zhì)已有所改變，溫度較發(fā)源地有所升高，入侵速度減慢，所以沒有造成大風；但此類天氣類型下由于壓力較高，所以氣流下沉，不利于污染物的擴散。

當處于槽控制時，溫度、露點溫度較高且日變化不大，空氣較潮濕；壓力降低、此類天氣類型氣流呈上升趨勢，有利于形成降雨天氣，風速為4類天氣類型中最大，十分有利于污染物的擴散。

暖鋒過境時，此種天氣受南面暖空氣影響。暖鋒發(fā)源南太平洋，因此具有明顯的海洋性質(zhì)，溫度顯著增加，露點溫度高、空氣濕度大、壓力低。由于途經(jīng)廣東，同時受湖南南面山脈阻滯，到達長沙時風速偏小。

2.2.2 秋季天氣類型及其特點

根據(jù)上述統(tǒng)計結(jié)果得出秋季分為 4種天氣類型(表3)，分別為：槽(AU1)，氣旋(AU2)，反氣旋(AU3)，冷鋒(AU4)，其時間分別為 100 d，207 d，92 d和 25 d。

由表3可知：當處于槽控制下時，溫度較高、壓力低、風速偏小，這與春季槽中風速有很大不同，可能是由于春季天氣變化劇烈，槽移動的速度較秋季的快，導致槽中空氣流動也較秋季的快；槽低壓區(qū)空氣上升容易形成降雨，有利于污染物的清除。

氣旋控制時，溫度較高，壓力低，風速偏大，大氣不穩(wěn)定，具有較強的大氣湍流等天氣特征，有利于大氣污染物的稀釋和擴散。

反氣旋控制時，溫度和露點溫度中等，壓力高，導致氣流下沉，天氣晴朗，易形成秋高氣爽好的天氣風速中等；此天氣特征也有利于逆溫層的形成，對污染物的清除不利，容易形成高污染。

冷鋒過境時，溫度降低，露點溫度低，空氣干燥；氣壓高，氣流下沉，不利于混合層的發(fā)展，抑制污染物的垂直擴散；風速偏大，為4類天氣類型中最大，此區(qū)別于春季的冷鋒過境時風速較低。這可能是由于副高中心處于蒙古境內(nèi)，發(fā)源于蒙古冷空氣南下到達湖南路程較春季短，受外界影響相對較小，變性也較小，所有達到湖南境內(nèi)還具有一定強度，所以，造成風速大。

2.3 天氣類型與污染物關(guān)系

對不同天氣類型下的平均污染物濃度分析結(jié)果如圖1所示。由圖1可知：春季SO2質(zhì)量濃度的最高值出現(xiàn)在第一類天氣類型反氣旋，質(zhì)量濃度最小值發(fā)生在為槽控制下的天氣類型。如前所述，反氣旋天氣類型中，空氣一般為下沉，不利于污染物的擴散；槽類天氣類型下，壓力較低，空氣一般為上升，且容易形成降雨等天氣特征，有利于污染物濃度的降低。NO2高濃度也出現(xiàn)在第一天氣類型，這也與第一類天氣類型的壓力高有一定關(guān)系，同樣為高壓天氣類型。NO2的最小質(zhì)量濃度同樣出現(xiàn)在第三類槽控制下。秋季SO2質(zhì)量濃度的最高值出現(xiàn)在第三類天氣類型反氣旋，原因與春季類似。質(zhì)量濃度最小值發(fā)生在為槽控制下的天氣類型。秋季NO2質(zhì)量濃度最高值出現(xiàn)在第三類天氣反氣旋中，最低值出現(xiàn)在第一類槽，變化趨勢與SO2一致。

表2 長沙市春季天氣聚類分析與天氣類型類型Table 2 The synoptic cluster analysis and types of spring in Changsha

表3 長沙市秋季天氣聚類分析與天氣類型類型Table 3 The synoptic cluster analysis and types of autumn in Changsha

表4所示為不同天氣類型下高污染事件的分布，由表4可知：不同季節(jié)的不同天氣類型下高污染事件發(fā)生的次數(shù)和頻率，高污染事件定義為天平均質(zhì)量濃度高于季節(jié)的均值加2倍方差。2005—2009年，SO2在春季發(fā)生高污染事件為18次，其中第一、二、三和四類天氣類型中各發(fā)生6，8，2和2次。NO2發(fā)生14次，其中第一、二、三和四類天氣類型中各發(fā)生3，6，1和4次。從高污染事件所占此類天氣類型的比例可知：春季最容易發(fā)生高污染事件的天氣類型為反氣旋控制下的天氣，SO2和NO2發(fā)生高污染事件比例分別為11.54%和5.77%，為4類天氣類型中最高，最不易發(fā)生高污染事件為第3類槽天氣類型。秋季SO2發(fā)生高污染事件為16次，其中第一、二、三和四類天氣類型中各發(fā)生0，7，8和1次。NO2發(fā)生22次，其中第一、二、三和四類天氣類型中各發(fā)生 2，7，10和 3次。秋季SO2最容易發(fā)生高污染事件的天氣類型為反氣旋控制下的天氣，高污染事件比例為8.7%，NO2最容易發(fā)生高污染事件的天氣類型為冷鋒過境天氣類型，高污染事件比例為8.7%，最不易發(fā)生高污染事件為第一類槽天氣類型。

圖1 長沙市(2005—2009年)不同天氣類型下污染物濃度水平Fig.1 Pollution concentration under different synoptic types in Changsha between 2005-2009

表4 長沙市(2005～2009)不同天氣類型下高污染事件分布Table 4 High pollution events under different synoptic types in Changsha between 2005-2009

3 結(jié)論

(1) 低氣壓和槽類天氣風速較大，空氣不穩(wěn)定，有利于污染物的擴散和清除，故污染物濃度較低。

(2) 反氣旋中，天空狀況良好，風速較小，并伴有空氣的下沉運動，層結(jié)穩(wěn)定，抑制了湍流的向上發(fā)展，阻止了污染物的擴散，有利于形成污染物濃度的高值。

(3) 空氣污染天氣分型由于沒有考慮污染物的來源及強度所以只能提供污染的定性預報，定量的預報工作需要對大氣污染源等資料進行物理量診斷分析計算與大氣擴散能力有關(guān)的參數(shù)或利用物理化學過程完備的大氣擴散模型來實現(xiàn)。正確充分利用氣象條件與污染物濃度的關(guān)系，對減輕城市污染有實際意義。

[1]Elminir H K.Dependence of urban air pollution on meteorology[J].Science of the Total Environment, 2005, 350∶225-237.

[2]Giri D, Krishna M, Adhikary P R.The influence of meteorological conditions on PM10 concentrations in Kathmandu valley[J].International Journal of Environmental Research, 2008, 2(1)∶ 49-60.

[3]Mcgregor G R, Bamzelis D.Synoptic typing and its application to the investigation of weather air pollution relationships,Birmingham, United Kingdom[J].Theoretical and Applied Climatology, 1995, 3(2)∶ 223-236.

[4]Lund I A.Map-pattern classification by statistical methods[J].Journal Meteorology, 1963, 2(2)∶ 56-65.

[5]Kalkstein L S, Corrigan P A.Synoptic climatological approach for geographical analysis∶ assessment of sulphur dioxide concentrations[J].Annals of the Association of American Geographers, 1986, 76(3)∶ 381-395.

[6]Stooksbury D E, Michaels P J.Cluster analysis of southeastern U.S.climate stations[J].Theoretical and Applied Climatology,1991, 44(5)∶ 143-150.

[7]Kassomenos P A, Sindosi O A, Lolis C J.On the relation between seasonal synoptic circulation types and spatial air quality, characteristics in Athens, Greece[J].Journal of Air and Waste Manage Association, 2003, 53(7)∶ 309-324.

[8]Robert E, Gay D A.A synoptic climatological analysis of air quality in the grand canyon national park[J].Atmospheric Environment, 1993, 27(5)∶ 713-727.

[9]譚冠日, 黃勁松, 鄭昌幸.一種客觀的天氣氣候分類方法[J].熱帶氣象, 1991, 7(1)∶ 55-62.TAN Guanri, HUANG Jingsong, ZHENG Changxing.A objective synoptic classification method[J].Journal of Tropical Meteorology, 1991, 7(1)∶ 55-62.

[10]Cheng S Q, Ye H C, Kalkstein L S.An evaluation of pollution concentration in Philadelphia using an automated synoptic approach[J].Minddle States Geographer, 1992, 25(10)∶ 45-51.

[11]張永強, 顏松林.冬季局地大氣 SO2濃度變化的天氣氣候?qū)W方法研究[J].氣象科學, 2000, 20(1)∶ 44-50.ZHANG Yongqiang, YAN Songlin.A study on local sulfur dioxide concentration using synoptic climatological approaches[J].Sciential Meteorological Since, 2000, 20(1)∶44-50.

[12]Kimoanh N T, Chutimon P, Ekbordin W.Meteorological pattern classification and application for forecasting air pollution episode potential in a mountain valley area[J].Atmospheric Environment, 2005, 39∶ 1211-1225.

[13]張文彤.SPSS統(tǒng)計分析高級教程[M].北京∶ 高等教育出版社,2004∶ 235-260.ZHANG Wentong.advanced course of SPSS statistical analysis[M].Beijing Higher Education Press, 2004∶ 235-260.

[14]Triantafyllou A G.PM10 pollution episodes as a function of synoptic climatology in a mountainous industrial area[J].Environment Pollution, 2001, 112∶ 491-500.

[15]Jiang N, Hay J E, Fisher G W.Synoptic weather types and morning rush hour nitrogen oxides concentrations during Auckland winters[J].Weather and Climate, 2005, 25∶ 43-69.

[16]Tanner P A, Law P T.Effects of synoptic weather systems upon the air quality in an Asian megacity[J].Water Air and Soil Pollution, 2002, 136∶ 105-124.

[17]孟燕軍, 程從蘭.影響北京大氣污染物變化的地面天氣形勢分析[J].氣象與環(huán)境, 2002, 28(4)∶ 42-47.MENG Yanjun, CHENG Conglan.Impact of surface synoptic situations on air pollution in Beijing area[J].Weather and Environment, 2002, 28(4)∶ 42-47.

[18]Shahgedanova M, Burt T P, Davies T D.Synoptic climatology of air pollution in Moscow[J].Theoretical and Applied Climatology,1998, 61∶ 85-102.