持續(xù)鞍型場導致的西安市PM2.5重污染過程分析

任鵬杰， 尉 鵬， 趙 森， 張博雅， 戴學之， 胡京南

1.中國環(huán)境科學研究院， 環(huán)境基準與風險評估國家重點實驗室, 北京 100012

2.西南林業(yè)大學國家高原濕地研究中心， 云南 昆明 650224

3.合肥市氣象局， 安徽 合肥 230041

當前，以細顆粒物(PM2.5)為主的重污染天氣對全球變化[1-3]、大氣能見度[4-5]、人類健康[6-7]以及交通安全[8]等均產生了重大影響，引起了公眾的廣泛關注. 西安市的人口、科研教育機構和工業(yè)活動密集，是我國著名的旅游城市，也是“一帶一路”的重要節(jié)點城市，近年來隨著西安市經濟的快速發(fā)展，PM2.5重污染對環(huán)境、經濟及生活的影響備受關注.

PM2.5污染天氣的形成與氣象條件及大氣中的細粒子濃度有關[9-10]. 研究[11-12]發(fā)現(xiàn)，污染物的生成、積累和清除過程及其區(qū)域輸送均受大尺度環(huán)流形勢的影響. 若低層大氣出現(xiàn)梯度很強的逆溫層，并且邊界層高度比較低，污染物在垂直方向的擴散就會受到阻礙，導致近地層大氣中的污染物濃度增大[13-14]. 緯向西風氣流型或高壓脊型兩種環(huán)流形勢容易引起區(qū)域性持續(xù)污染事件[15]，北京市的多次重污染過程與這兩種環(huán)流配置密切相關[16-17]. 均壓場、低空逆溫層、偏南暖濕氣流是PM2.5重污染形成的有利條件[18]，低風速、高濕度、低能見度等地面氣象要素是PM2.5重污染形成的重要因素[19]. 張恒德等[20]指出，靜穩(wěn)天氣指數(shù)對重污染天氣有一定的指示意義，較低的混合層，較小的通風系數(shù)以及逆溫層的存在是重污染天氣出現(xiàn)和維持的氣象條件. 華北地區(qū)中低對流層深厚的下沉氣流導致該地區(qū)行星邊界層的厚度降低，導致空氣污染的加重[21]. TAO等[22]研究表明，我國東部持續(xù)的重污染與貝加爾湖高壓長期影響、對流層低層逆溫等有關. 黃少妮等[23]研究了陜西關中地區(qū)氣象和顆粒物濃度的監(jiān)測資料，發(fā)現(xiàn)關中盆地持續(xù)的強東風以及喇叭口地形造成該區(qū)域污染傳輸疊加本地污染后的循環(huán)積累，其污染的清除有賴于冷高壓南下. 王珊等[24]研究發(fā)現(xiàn)，在氣壓場偏弱、氣壓梯度力小的情況下，弱冷空氣易導致上冷下暖的穩(wěn)定性層結，城市熱島效應通過環(huán)流改變污染物擴散規(guī)律，這些都有利于霧霾的形成和維持. 造成空氣污染延續(xù)性的可能原因是天氣系統(tǒng)具有延續(xù)性，同時穩(wěn)定的大氣層結和空氣對流運動受阻減弱了污染物的垂直擴散能力，最終引起了空氣污染[25-26].

鞍型場型是弱氣流場，氣壓場呈2個高壓和2個低壓相間分布的形勢，鞍型場的氣壓梯度小，地面多靜風，不利于污染物的水平和垂直擴散[27]，污染物在地面堆積形成污染天氣. 近年來，許多學者對西安市大氣重污染成因、影響及天氣型方面進行了研究，但現(xiàn)有研究尚不全面，持續(xù)鞍型場控制下的PM2.5重污染分析更待進一步研究. 西安市在2016年2月6—14日出現(xiàn)了持續(xù)時間達6 d的污染天氣，氣壓場呈明顯的“兩高兩低”的形勢，且空氣質量從良惡化到重度污染僅用了1 d，是近年來最典型的持續(xù)鞍型場控制下的重污染過程，該研究將客觀分型和主觀研判相結合，從空氣污染特征、大氣環(huán)流形勢、主要氣象因子、邊界層等角度對此次持續(xù)鞍型場導致的PM2.5重污染過程進行深入探討，以期為城市大氣重污染過程天氣的預測預警以及預防提供理論參考.

1 數(shù)據(jù)和方法

1.1 研究區(qū)概況與數(shù)據(jù)來源

西安市位于關中盆地中部，三面環(huán)山，只有東側開口. 特殊的地形、不利的天氣形勢等因素使得污染物不易擴散，逐漸累積形成重污染. 該研究所用PM2.5監(jiān)測數(shù)據(jù)來自中國環(huán)境監(jiān)測總站的城市小時濃度數(shù)據(jù)，時間分辨率為1 h，時段為2016年2月6—14日. 氣象數(shù)據(jù)來自中國氣象局的micaps天氣型格點數(shù)據(jù)，時間分辨率為3 h，空間分辨率為2.5°×2.5°. 氣象要素數(shù)據(jù)為中國氣象局的micaps第一類站點數(shù)據(jù)，站點為西安市長安站、寶雞市寶雞站、咸陽市秦都站、渭南市渭南站和銅川市銅川站，包括相對濕度、氣溫、風速、氣壓等要素，時間分辨率為1 h.

1.2 WRF氣象模式

WRF (Weather Research and Forecasting Model)氣象模式是由美國國家大氣研究中心(NCAR)等機構研制的多尺度數(shù)值預報模式，廣泛應用于氣象、環(huán)境等領域. 氣壓場數(shù)據(jù)來自美國國家海洋和大氣管理局(NOAA)，用WRF氣象模式對數(shù)據(jù)進行處理并成圖. 模式采用三層嵌套，采用Lambert投影，分辨率分別為27 km×27 km、9 km×9 km和3 km×3 km，覆蓋區(qū)域分別為中國、陜西省和關中地區(qū)，垂直分為27層，時間分辨率為3 h. WRF模式的參數(shù)設置見表1.

1.3 檢驗方法

對模擬結果的檢驗采用均方根誤差(RMSE，root mean square error)和平均絕對誤差(MAE，mean absolute error)，計算公式：

表1 WRF模式參數(shù)設置

(1)

(2)

式中，xi為觀測值，x0為預測值，n為樣本數(shù).

1.4 天氣分型方法

該研究采用cost 733天氣分型軟件中的PCT (Principal Component Analysis in T-mode)方法[28]對天氣進行分型，是一種基于Huth改進的T-mode斜交旋轉主成分分析法[29]. 基本原理[30]是將原始高維數(shù)據(jù)Z表示為2個低維矩陣，即Z=FAT，每行有N個空間格點，每列有M個觀測時次，其中，F(xiàn)為主成分(PC)，A為PC載荷. 將主成分按照對應的特征值大小排序，特征值越大則對Z的貢獻最大. 選取對Z累計貢獻率超過85%的特征值所對應的前K個(K≤M)主成分F，從而達到降維的目的. 該方法能較準確地反映原始環(huán)流場的特征，不會受到分型對象的影響，可以得到穩(wěn)定的時空場[31-32]. 2016年2月8日，海平面氣壓場由西北至東南呈高-低-高的分布特征，由東北至西南呈低-高-低的分布特征，2個高壓中心分別位于蒙古高原西部和華南沿海，2個低壓中心分別位于中國東北和孟加拉灣，西安市位于4個高低壓中心之間的鞍部，氣壓梯度小，近地面北側為西北風，南側為弱的偏南風.

1.5 氣象要素模擬結果與實測對比

對氣象要素模擬的優(yōu)劣影響對大氣污染過程的判斷. 該研究利用WRF對西安市2016年2月6—14日的氣溫、相對濕度、氣壓和風場進行模擬. 根據(jù)西安市2016年2月的AQI值和ρ(PM2.5)的變化特征，將2016年2月6—7日ρ(PM2.5)持續(xù)上升的階段稱為污染加重階段，8—11日ρ(PM2.5)出現(xiàn)峰值且污染最嚴重的階段稱為污染維持階段，12—14日ρ(PM2.5)快速下降且空氣質量明顯好轉的階段稱為污染減輕階段. 表2為模擬結果值與實測值的RMSE和MAE. 從對氣溫模擬的準確度來看，RMSE均在4.5 ℃以下，MAE均在2.5 ℃以下，模擬最好的為污染減輕階段. 在污染加重階段，相對濕度的MAE低于5.0%，但模型對污染演變各階段的相對濕度模擬準確度不一，對相對濕度的低估可能受降水過程模擬不準確的影響，但其誤差在正常范圍內. 對氣壓的模擬值較為接近實測值，RMSE均不超過2.0 hPa，MAE均在1.0 hPa以下. 各污染階段的風場模擬能夠較好地反映實際風速的變化，對污染加重階段的風速模擬最優(yōu)，RMSE和MAE分別為0.92和0.37 ms.

表2 西安市不同污染階段WRF模擬氣象要素的模擬效果

2 結果與討論

2.1 重污染過程描述

圖1 西安市2016年2月6—14日AQI和ρ(PM2.5)日均值變化過程

由圖1可見：2016年2月6—14日西安市出現(xiàn)明顯的持續(xù)性污染過程，ρ(PM2.5)日均值AQI均呈雙峰特征，二者呈同步上升或下降的趨勢，空氣質量表現(xiàn)為良—重度污染—中度污染—重度污染—輕度污染—良的變化過程，中度、重度及以上污染天氣過程持續(xù)時間達4 d. 2月6日ρ(PM2.5)日均值為24 μgm3，空氣質量為良(AQI為52)；7—8日ρ(PM2.5)日均值和AQI均呈快速上升趨勢，二者增量分別為158 μgm3和177，因8日是正月初一，受天氣形勢及燃放煙花爆竹的影響，其空氣質量達到重度污染，ρ(PM2.5)日均值和AQI均達最大值，分別為198 μgm3和252；8—9日ρ(PM2.5)日均值和AQI均有小幅下降，分別降低了70 μgm3和82；9—11日ρ(PM2.5)日均值和AQI均有小幅上升，分別增加了為26 μgm3和34；ρ(PM2.5)日均值和AQI均在11日達到次高值，分別為154 μgm3和204，空氣質量為重度污染；11—14日的ρ(PM2.5)日均值和AQI均快速下降，分別減少了136 μgm3和152，受天氣形勢改變的影響，ρ(PM2.5)日均值在14日達到最小值(18 μgm3)，當日AQI為52，空氣質量為良.

根據(jù)不同來源對一次組分和二次硝酸鹽、硫酸鹽的貢獻進行分析發(fā)現(xiàn)，在西安市PM2.5污染較嚴重的月份能源、工業(yè)源、交通源、居民活動、揚塵源、其他來源占比分別為5%、58%、2%、16%、4%、15%[33]. 西安市PM2.5污染表現(xiàn)為范圍廣、污染水平高的特點，PM2.5是西安市的主要污染物[34]. 關中盆地2月最重要的PM2.5源是居民生活源，其貢獻超過40%[35]. 不利的氣象條件造成的積累效應導致了重污染過程中OC、EC的上升，二次反應加劇對OC的升高也有重要影響；同時，二次液相反應的增加是造成二次無機離子組分濃度升高以及重污染過程的主要原因[36]. 由表3可見，與其他城市相比，西安市春節(jié)期間的ρ(PM2.5)高于北京市[37]、上海市[38]、南京市[39]和新鄉(xiāng)市[40]，低于鄭州市[41]和濟南市[42].

表3 部分城市春節(jié)期間的ρ(PM2.5)觀測值

2.2 天氣形勢分析

2.2.1PM2.5污染加重階段

2016年2月6—7日是污染加重階段，此時高空為西風氣流，高壓中心位于45°N～50°N附近. 6日，1 050 hPa覆蓋了我國中西部廣大地區(qū)，我國西北地區(qū)處于高壓均壓帶，西安市受大陸高壓控制，且處于高壓脊附近，東北到華北為低壓槽控制，大陸高壓受其阻滯，停留時間較長，此時氣壓梯度很小，地面風力較弱或為靜風. 冬季大陸高壓的下沉氣流和低層逆溫阻礙了污染物的垂直擴散，容易導致嚴重的大氣污染[43]；同時，西安市地處關中盆地，受封閉的地形影響，風速明顯降低，對流層底部大氣溫度和濕度升高，邊界層高度降低，從而加重PM2.5污染. 氣象條件影響大氣污染物的擴散、轉化和傳輸速率，是產生大氣污染的動力因素. 2月8日為春節(jié)，不利的氣象條件抑制了煙花爆竹燃放所產生的污染物的擴散. 研究[44]表明，不利的氣象條件是春節(jié)期間空氣質量下降的主要因素，污染物濃度的降低有賴于氣象條件的轉好. 此次高壓控制時間長、范圍大，導致PM2.5持續(xù)積累. 7日11:00開始，大陸高壓斷裂為兩部分，在45°N和30°N附近各出現(xiàn)1個高壓中心，東北地區(qū)和西藏地區(qū)各有1個低壓中心，西安市處于這4個高低壓中心之間，鞍型場形勢初步顯現(xiàn).

2.2.2PM2.5污染維持階段

2016年2月8—11日污染維持階段，此時段污染最嚴重. 西安市的氣壓場為脊區(qū)轉槽前. 8日48°N和25°N附近均為高壓中心，東北地區(qū)和南亞為低壓，西安市處于2個高壓和2個低壓之間的鞍型場中，地面為弱的氣壓場，天氣持續(xù)靜穩(wěn)，整體天氣形勢有利于污染物的匯聚和累積. 9日西安市的南面有低壓槽通過，一部分污染物在槽后西北風作用下得到擴散，因此9日ρ(PM2.5)有一定的下降. 位于四川盆地的低壓在9—11日逐步加強，西安市處于低壓均壓場的控制下，低壓系統(tǒng)內的氣流為輻合上升，增加了污染物的累積；此時西南槽發(fā)展強盛，西安市等地區(qū)壓線稀疏，氣壓梯度力小，靜穩(wěn)天氣維持，不利于污染物擴散. 10—11日在日本海上空高壓的影響下，華北到關中一帶持續(xù)東南風，導致污染物輸送到關中盆地，加之關中盆地的地形阻滯，西安市ρ(PM2.5)出現(xiàn)小幅上升，于11日ρ(PM2.5)達到次高值，空氣質量為重度污染. 此階段內正值春節(jié)，因此煙花爆竹的燃放也加重了PM2.5的污染. 研究[45]表明，天氣系統(tǒng)顯著影響大氣污染物的空間分布、擴散條件及其氣溶膠光學厚度的空間變異性，不同的天氣型通過傳輸路徑和擴散條件影響ρ(PM2.5)[46].

2.2.3PM2.5污染減輕階段

2016年2月12—14日為污染減輕階段，此階段冷高壓不斷累積并加強. 12日高壓中心位于50°N，低壓中心位于25°N附近，位于貝加爾湖一帶的橫槽逐漸轉為豎槽，引導冷空氣不斷南下，有利于西安市ρ(PM2.5)的下降. 13日低壓東移，西伯利亞一帶的冷高壓向東南方向擴散，西安市的氣壓梯度明顯增強，等壓線密集，風力加大，最大風速達5.2 ms，地面強勁的西北風持續(xù)約3 d，PM2.5得到有效清除. 14日西安市受高壓控制，氣壓升高，氣溫下降，12—14日的AQI降幅為75，空氣質量由輕度污染轉為良.

2.3 水平氣象要素分析

研究[17]表明，大氣污染狀況與局地氣象要素密切相關. 2016年2月6—14日西安市的能見度、相對濕度、氣溫、氣壓和風速等氣象要素的變化情況如圖2所示.

圖2 西安市2016年2月6—14日氣象要素及ρ(PM2.5)觀測值逐時變化

由圖2可見：在污染加重階段(2016年2月6—7日)，ρ(PM2.5)呈波動變化，7日20:00起ρ(PM2.5)迅速上升，6 h內ρ(PM2.5)由37 μgm3驟增至339 μgm3. 6—7日，日最高氣溫和最低氣溫均呈上升趨勢，日平均氣溫的增量為4 ℃；同時，相對濕度由50.5%降至40.7%；西安市在大陸高壓的控制下平均風速低于2 ms，靜穩(wěn)的天氣條件導致大氣污染物持續(xù)累積，5—8日連續(xù)4 d能見度不足5 km.

2016年2月8—11日是PM2.5污染維持時段，天氣系統(tǒng)由高壓脊轉變?yōu)榘靶蛨? 該階段每天的日均氣溫處于研究時段內的較高水平(4.9～7.2 ℃)，且總體呈上升趨勢，同時日溫差也較小；相對濕度大體也呈上升趨勢，且11日05:00的相對濕度達86.5%，8—11日相對濕度超過60%的時段占50%；風速和能見度則均呈波動下降趨勢，污染維持階段西安市以弱風和靜風為主(見圖2). 風速為4 ms以下時易出現(xiàn)重污染[47]，8日的平均風速為1.2 ms，11日的平均風速只有0.8 ms，同時日均能見度由6日的21.4 km降至11日的不足2.5 km. 24 h正變壓表征冷空氣的強弱，重污染天氣與24 h變壓有密切關系[48]. 由圖2可見，8—11日西安市的氣壓出現(xiàn)明顯下降，平均氣壓為 1 014 hPa，48 h內變壓為-15.2 hPa. 穩(wěn)定的逆溫層及較高的相對濕度有利于大氣邊界層維持其穩(wěn)定的結構，負變壓則容易導致污染的積累.

2016年2月12—14日，西安市ρ(PM2.5)呈下降趨勢，空氣質量逐漸好轉. 在冷空氣的影響下，氣溫明顯下降，14日的日平均氣溫和最低氣溫均達到最小值(-0.75和-4 ℃). 12—13日西安市出現(xiàn)了降水天氣(總降水量26.4 mm)，相對濕度明顯上升，12日的相對濕度超過80%，14日09:00相對濕度達最大值(93%)，其產生的濕沉降明顯降低了大氣中污染物的濃度. 12日平均風速達最大值(4.25 ms)，風速的增大為大氣污染物擴散提供了有利條件. 在冷高壓的影響下，12—14日氣壓逐漸升高，空氣擴散條件好轉，能見度逐漸上升，14日能見度達到22.9 km.

綜上，ρ(PM2.5)的積累與消散與風速、風向密切相關，風速的增大利于污染物的遠程輸送或消散，風速減小導致污染物的積累[49-50]. 由表4可見：ρ(PM2.5)與風速、氣壓、氣溫和相對濕度均有良好的相關性. 但ρ(PM2.5)與氣象要素的變化不完全同步，存在一定的滯后相關性. 在滯后0 h上，ρ(PM2.5)與風速、氣壓和能見度均呈顯著負相關，相關系數(shù)分別為-0.45、-0.74、-0.70；ρ(PM2.5)與氣溫、相對濕度均呈正相關，相關系數(shù)分別為0.31和0.04. 該研究結果與已有研究結果一致，如黃少妮等[23]指出在關中盆地，當ρ(PM2.5)<100 μgm3時，相對濕度較低(<60%)；當ρ(PM2.5)>100 μgm3時，相對濕度較高(<70%)；能見度隨ρ(PM2.5)的增加而降低. 王躍等[19]發(fā)現(xiàn)，較大的日溫差會導致夜間較強的逆溫層，有利于夜間污染物的積累，同時較低的風速使得污染物停滯難以輸出，最終形成污染. 在滯后3 h上，ρ(PM2.5)與風速、氣壓和能見度均呈負相關，相關系數(shù)分別為-0.47、-0.72、-0.64；ρ(PM2.5)與氣溫、相對濕度均呈正相關，相關系數(shù)分別為0.28和0.02. 與滯后0和3 h不同，滯后6 h的ρ(PM2.5)與相對濕度呈負相關，可能與相對濕度在6 h內出現(xiàn)反向變化有關. 就風速、氣壓、氣溫、相對濕度、能見度而言，與之相關性最強的分別為滯后3、0、6、3、0 h的ρ(PM2.5). 從滯后0、3、6 h上來看，ρ(PM2.5)與氣壓的關系均最顯著，相關性均高于0.7(P<0.01). 綜上，ρ(PM2.5)與風速、氣壓和能見度的相關性均較強，與相對濕度的相關性較弱.

表4 西安市2016年2月6—14日ρ(PM2.5)與氣象要素觀測值的相關系數(shù)

圖3為西安市8—13日的風速風向流場圖. 由圖3可見：污染維持階段(8—11日)關中盆地周邊風速較大，而平原內部風速較小或為靜風，主導風向為偏東風，地面風場輻合，汾河谷地及華北平原的污染物被輸送到關中盆地；同時，受到地形阻滯以及春節(jié)期間燃放煙花爆竹等影響，此時西安市受鞍型場控制，天氣持續(xù)靜穩(wěn)，擴散條件較差，污染物在關中盆地匯聚，此時西安市ρ(PM2.5)最高；12—13日，西安市地區(qū)周邊的風向轉為偏北風，風速較大，關中盆地內部為偏西風，有利于污染物的擴散，對應西安市ρ(PM2.5)下降的階段.

注： 圖中黑色圓點代表西安市. a、b、c、d、e、f分別為2月8日、9日、10日、11日、12日、13日的風速風向流場模擬圖.

2.4 邊界層高度和探空分析

大氣邊界層的演變對大氣污染有重要的影響[51-52]，邊界層較低或逆溫較強會切斷氣流的上下流動[53]. 圖4、5為分別用WRF模式模擬的西安市站的邊界層高度曲線和Skew-T模擬圖. 由圖4、5可見：2月7—10日，近地面存在貼地逆溫，但是逆溫層較薄，均僅有150 m左右，其中8日11:00的逆溫強度最大，達3.8 ℃(100 m)；8—11日邊界層高度不足300 m，其中8日的邊界層平均高度只有55 m，極低的邊界層高度削弱了污染物的擴散能力，污染物被抑制在近地面，形成較嚴重的污染. 貼地逆溫的維持使得近地面大氣層結穩(wěn)定，此時地面為小風或靜風，污染物的擴散能力較弱，不利于大氣中PM2.5的擴散和稀釋，對應ρ(PM2.5)快速上升階段. 11—12日貼地逆溫減弱并消失，受南下冷空氣影響，地面的風力也有所增大，近地面穩(wěn)定的邊界層被破壞，1 d內邊界層平均高度升高了474 m (11日、12日邊界層平均高度分別為156、630 m)，這有利于污染物的快速清除；此時中低層大氣上干下濕，近地面濕度增大，空氣趨于飽和，同時12—13日出現(xiàn)了降水天氣，在高濕環(huán)境下，氣溶膠的吸濕增長降低了ρ(PM2.5). 13日之后，西安市的風力加大，逆溫層消失，溫度廓線的梯度增大，邊界層高度最大升至900 m左右，污染物得到有效清除，西安市此次重污染過程結束(圖略).

圖4 西安市2016年2月6—14日邊界層高度模擬曲線

圖5 西安市2016年2月7—12日11:00 Skew-T模擬圖

3 結論

a) 鞍型場是導致此次西安市PM2.5重污染過程的重要原因，根據(jù)2016年2月6—14日西安市重污染過程的特征，可分為污染加重階段(6—7日)、污染維持階段(8—11日)及污染減輕階段(12—14日)，這3個階段分別受均壓場、鞍型場、高壓前部等天氣型的影響.

b) 受鞍型場天氣型的影響，西安市處于高壓均壓場的控制下，氣壓梯度力小，天氣持續(xù)靜穩(wěn)；同時，西安市處于氣流輻合地帶，最終導致污染物的形成和積累.ρ(PM2.5)和AQI在24 h內的最大增量分別為158 μgm3和177，其最高值達到198 μgm3和252，達到重度污染級別.

c) 在鞍型場天氣型的控制下，西安市日均氣溫維持在偏高水平(4.9～7.2 ℃)，較正常氣溫偏高1.4～3.7 ℃；相對濕度也較高且呈上升趨勢，最高達86.5%；平均風速和能見度最低時分別只有0.8 ms和0.5 km，均呈波動下降的趨勢. 高溫、高濕、小風的氣象條件有利于污染物的吸濕增長，是此次PM2.5重污染的重要氣象因素.

d) 在此次鞍型場天氣型的影響下，西安市的邊界層高度維持在較低水平，最低時只有55 m；同時由于逆溫層較厚且強度較大〔最大時達3.8 ℃(100 m)〕，極低的邊界層高度和較強的逆溫層抑制了污染物的垂直擴散，不利于污染物的對流輸送，從而形成較嚴重的污染.