對(duì)比新冠疫情期間成都一次污染天氣特征分析

杜筱筱，劉煒樺，趙曉莉，王 婷，成 翔

(四川省氣象災(zāi)害防御技術(shù)中心，成都 610072)

引 言

近些年隨著城市化進(jìn)程的不斷加快，大氣污染物的排放日益增加，空氣污染事件頻繁發(fā)生，大氣質(zhì)量問題受到大眾廣泛關(guān)注。受污染源排放、地形特征、氣象條件、污染防控措施等影響，不同城市的污染天氣發(fā)生頻次和嚴(yán)重等級(jí)也各有不同。成都人口密集，機(jī)動(dòng)車保有量居全國第二，地理位置處于四川盆地西部，北部秦嶺大巴山對(duì)冷空氣的阻擋，使其成為冬季空氣污染多發(fā)的區(qū)域之一。

眾多專家學(xué)者已對(duì)成都大氣污染進(jìn)行了研究，貼地逆溫及靜風(fēng)的穩(wěn)定大氣抑制污染物擴(kuò)散[1]，輻射逆溫層的形成對(duì)污染物濃度的增長有促進(jìn)作用[2]；成都地區(qū)的能見度與相對(duì)濕度的相關(guān)性最高[3]；當(dāng)海平面天氣形勢受高壓前部型、低壓底部型、低壓型和均壓場型影響時(shí)成都容易出現(xiàn)污染天氣[4]。受新冠肺炎疫情影響，2020年1月23日武漢宣布封城，全國上下進(jìn)行了短期的限行減產(chǎn)，這一特殊時(shí)期的天氣和空氣質(zhì)量特征，為常態(tài)化的大氣污染防治研究提供了一個(gè)背景場。肖致美等[5]已對(duì)天津市新冠疫情期間和非新冠疫情時(shí)期兩次重污染天氣污染特征進(jìn)行研究，新冠疫情重污染過程期間二次離子、機(jī)動(dòng)車和揚(yáng)塵貢獻(xiàn)率有明顯下降，但燃煤和工業(yè)排放依然是PM2.5最主要的污染來源。目前對(duì)成都市新冠疫情特殊時(shí)期的空氣質(zhì)量相關(guān)研究還較少，本文對(duì)比2020年1月28～30日新冠疫情背景場，對(duì)2019年1月22～26日成都市一次連續(xù)污染過程，進(jìn)行對(duì)比研究，以期為大氣污染防治提供技術(shù)支撐。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

大氣污染物濃度數(shù)據(jù)來自于成都市環(huán)境空氣質(zhì)量國控站點(diǎn)：金泉兩河(99052)、十里店(99053)、三瓦窯(99054)、沙河鋪(99055)、君平街(98537)、大石西路(92017)，監(jiān)測站點(diǎn)位置和成都市地形如圖1所示?？諝赓|(zhì)量指數(shù)AQI和首要污染物，由大氣污染物濃度根據(jù)HJ633-2012計(jì)算得來。地面氣象要素?cái)?shù)據(jù)為國家氣象信息中心研制的CLDAS2.0實(shí)時(shí)數(shù)據(jù)產(chǎn)品(空間分辨率0.05°×0.05°)插值到以上環(huán)境監(jiān)測站點(diǎn)的中心點(diǎn)(104.1°E，30.64°N)得來，混合層高度利用CLDAS2.0數(shù)據(jù)根據(jù)羅氏法計(jì)算得到[6]。逆溫資料來源于溫江站L波段雷達(dá)每日08時(shí)和20時(shí)的探空數(shù)據(jù)；大氣環(huán)流形勢背景資料為MICAPS數(shù)據(jù)；溫度和風(fēng)的剖面圖數(shù)據(jù)為NCEP的1°×1°的再分析網(wǎng)格點(diǎn)數(shù)據(jù)；計(jì)算后向軌跡、潛在源區(qū)貢獻(xiàn)(PSCF)分析所需的氣象數(shù)據(jù)來自美國國家環(huán)境預(yù)報(bào)中心提供的GDAS氣象數(shù)據(jù)(ftp://arlftp.arlhq.noaa.gov/pub/archives)。

圖1 成都市地形和站點(diǎn)位置分布

1.2 方法

1.2.1 后向軌跡模式

是一種用于計(jì)算和分析大氣污染物的輸送、擴(kuò)散軌跡的專業(yè)模型，被廣泛應(yīng)用于多個(gè)地區(qū)的大氣污染物傳輸和擴(kuò)散研究中[7～9]。本文采用Meteoinfo的后向軌跡模式TrajStat模擬成都市距地500 m，每小時(shí)后向72 h的氣流軌跡，使用angle distance算法進(jìn)行聚類分析，得到不同的軌跡輸送類。

1.2.2 潛在源區(qū)貢獻(xiàn)因子分析(PSCF)

是一種基于經(jīng)過i經(jīng)度、j緯度區(qū)域的氣團(tuán)到達(dá)觀測點(diǎn)時(shí)對(duì)應(yīng)的某要素值超過設(shè)定閾值的條件概率函數(shù)來判斷污染源位置的方法。PSCF值是所選研究區(qū)域內(nèi)經(jīng)過網(wǎng)格ij的污染軌跡數(shù)(mij)與該網(wǎng)格上經(jīng)過所有軌跡數(shù)(nij)的比值[10-11]，即PSCF= mij/ nij，當(dāng)分母nij很小時(shí)，PSCF不確定性就會(huì)很大。因此，引入Wij權(quán)重因子，當(dāng)某一網(wǎng)格中的nij小于研究區(qū)內(nèi)每個(gè)網(wǎng)格內(nèi)平均軌跡端點(diǎn)數(shù)的3倍時(shí)[12-13]，就使用Wij來減小PSCF的不確定性。權(quán)重函數(shù)如下：

(1)

其中，Wij表示權(quán)重因子，nij表示經(jīng)過(i，j)網(wǎng)格的所有軌跡。

1.2.3 濃度權(quán)重軌跡分析法(CWT)

是在確定了潛在源區(qū)的基礎(chǔ)上，進(jìn)一步計(jì)算潛在源區(qū)污染軌跡的權(quán)重濃度，得出不同源區(qū)對(duì)成都地區(qū)污染貢獻(xiàn)[10～13]，計(jì)算方法如下：

(2)

式中，Cij是網(wǎng)格ij上的平均權(quán)重濃度；k是軌跡，M是軌跡總數(shù)；Ck是軌跡k經(jīng)過網(wǎng)格ij時(shí)對(duì)應(yīng)成都市PM2.5的質(zhì)量濃度；τijk是軌跡k在網(wǎng)格ij停留的時(shí)間。公式(1)中的Wij權(quán)重函數(shù)也適用于CWT中，以減少nij較小時(shí)所引起的不確定性。

2 結(jié)果與分析

2.1 “2019年1月22～26日”污染過程和新冠疫情期間空氣質(zhì)量實(shí)況

2019年1月22～26日，成都市出現(xiàn)了一次時(shí)間長達(dá)5d的連續(xù)污染過程，小時(shí)最高AQI為209，達(dá)到重度污染等級(jí)，從變化趨勢上可知(圖2)，AQI和6個(gè)測站的PM2.5濃度的變化趨勢一致，呈逐日累積增大的趨勢。除24日外，同時(shí)伴有顯著的“單峰型”日變化特征，峰值出現(xiàn)在上午11時(shí)左右，峰谷出現(xiàn)在17時(shí)。24日是因?yàn)樵诹銜r(shí)，成都市重污染天氣應(yīng)急辦公室起動(dòng)重污染天氣黃色預(yù)警(成氣應(yīng)辦[2019]3號(hào))，排放源減少，人為降低大氣污染物濃度，使增速放緩，但在氣象條件不利于污染物的稀釋、擴(kuò)散和清除的背景下，大氣環(huán)境對(duì)污染物有累積的作用，使25日、26日空氣質(zhì)量持續(xù)變差。

圖2 2019年1月22～26日成都市PM2.5濃度和AQI逐時(shí)變化曲線

受新冠肺炎疫情影響，2020年1月23日武漢封城，24日春節(jié)開始放假，加之假期延長至2月2日，這段時(shí)間全國進(jìn)行了最嚴(yán)格的限行限工。對(duì)成都市這段時(shí)間的AQI和PM2.5日值進(jìn)行分析(圖3)，23日空氣質(zhì)量為中度污染，隨著24日假期開始，AQI由155減為77，在24日至2月2日期間，空氣質(zhì)量等級(jí)均為良，PM2.5濃度平均值44.5μg/m3，AQI和PM2.5濃度變化趨勢一致，首要污染物均是PM2.5。

圖3 2020年1月23日～2月2日成都市PM2.5濃度和AQI逐日變化曲線

2.2 環(huán)流形勢背景和氣象要素分析

天氣現(xiàn)象與氣象狀況都是在相應(yīng)的天氣形勢背景下產(chǎn)生的，天氣形勢決定了氣象要素的分布和變化，繼而決定了大氣的擴(kuò)散能力和污染物的空間和區(qū)域特征。通過對(duì)此次污染過程和2020年1月23日～2月2日疫情期間500hPa和海平面氣壓場分析，選取和2019年1月22～26日的大氣環(huán)流形勢較為接近的2020年1月28～30日做背景場。具體如下：

2.2.1 “2019年1月22～26日” 500hPa環(huán)流形勢

2019年1月22～26日500hPa環(huán)流形勢為“兩槽一脊”型，如圖4所示，兩個(gè)低槽分別位于烏拉爾山至死海以北，以及鄂霍茨克海以西至我國東北地區(qū)，高壓脊在西西伯利亞到我國天山以北地區(qū)，南支槽位于青藏高原以西至孟加拉灣一帶，成都主要受緯向西風(fēng)和弱脊前的偏北氣流影響，經(jīng)向環(huán)流弱，無南支波動(dòng)。

圖4 500hPa高度場“兩槽一脊”型

2019年1月22～26日成都地區(qū)海平面氣壓場有3種類型：低壓頂部型和均壓場型(圖5～圖6)。低壓頂部型在攀西地區(qū)和云南一帶有低壓中心存在，低壓形成于北伸的倒槽中，成都位于低壓區(qū)的北部或東北部，曾勝蘭等[14]研究指出，此種類型容易導(dǎo)致污染加重。均壓場型出現(xiàn)時(shí)成都處于高壓和低壓之間的過渡帶，內(nèi)部氣壓梯度和風(fēng)速變化小，不利于污染物的清除和擴(kuò)散。

(G：高壓；D：低壓)

(G：高壓；D：低壓)

2.2.2 新冠疫情背景場環(huán)流形勢(2020年1月28～30日)

2020年1月28～30日500hPa中高緯的環(huán)流形勢和2019年1月22～26日污染過程同為“兩槽一脊”型，成都受弱脊前部偏北氣流影響，天氣形勢穩(wěn)定少變。海平面氣壓場為均壓場，氣壓梯度小，不利于污染物的清除。從環(huán)流形勢背景場看，2020年1月28～30日和此次污染過程2019年1月22～26日大體一致，基本處于歷史同期，有相近的氣候背景場，可作為背景場進(jìn)行對(duì)比分析。

2.2.3 氣象要素特征

相對(duì)濕度會(huì)影響顆粒物消光系數(shù)，減弱地面輻射，使逆溫增強(qiáng)[15-16]，高相對(duì)濕度下氣溶膠吸濕增長也會(huì)加速二次污染物的生成[17]，使污染加重?；旌蠈痈叨仁俏廴疚镌诖怪狈较蛏峡梢员煌牧飨♂寯U(kuò)散的高度范圍，混合層高度越大，表征污染物在垂直方向上可以擴(kuò)散的越高。風(fēng)速對(duì)大氣污染物的影響主要有兩方面，一是輸送，減輕本地污染的同時(shí)也帶來外源污染；二是稀釋擴(kuò)散，起到降低本地污染物濃度的作用。當(dāng)風(fēng)速相對(duì)較小時(shí)，和污染物濃度呈顯著負(fù)相關(guān)[18]，主要為對(duì)污染物為稀釋擴(kuò)散作用。

利用2019年1月21～27日相對(duì)濕度、混合層高度、風(fēng)速和AQI數(shù)據(jù)，得到變化曲線如圖7所示， 22日空氣質(zhì)量開始達(dá)到輕度污染，23日相對(duì)濕度和風(fēng)速?zèng)]有明顯變化，但混合層層高度由1 396m降低到1 167m，污染物垂直方向擴(kuò)散受限，AQI由102升高到141。24日相對(duì)濕度和混合層高度較23日無明顯變化，風(fēng)速顯著降低，不利的氣象條件下，AQI卻明顯好轉(zhuǎn)，這主要是因?yàn)槌啥?4日零時(shí)啟動(dòng)重污染天氣黃色預(yù)警，污染源排放減少，導(dǎo)致大氣污染物濃度降低。在不利的氣象條件下，污染物繼續(xù)累積，25日升高到中度污染，26日有利條件是風(fēng)速略增大，但混合層高度降低、相對(duì)濕度升高不利條件的同時(shí)存在，使得AQI無明顯變化。27日相對(duì)濕度的進(jìn)一步升高，空氣濕度接近飽和，有弱降水產(chǎn)生，以及風(fēng)速的進(jìn)一步增大，有利于污染物的稀釋，空氣質(zhì)量由中度轉(zhuǎn)為良，污染過程結(jié)束。

圖7 相對(duì)濕度、風(fēng)速、混合層高度和AQI變化曲線

逆溫反映了大氣層結(jié)的穩(wěn)定程度，是指溫度隨高度的增加不變或者升高的現(xiàn)象,而逆溫強(qiáng)度是指每上升100m氣溫增加的值[19]。逆溫層是導(dǎo)致污染事件發(fā)生的主要影響因子之一[1],它使氣層穩(wěn)定性增強(qiáng)，污染物在大氣邊界層垂直方向擴(kuò)散減弱，污染物在近地面積累，導(dǎo)致污染事件發(fā)生[16]。進(jìn)一步根據(jù)溫江站每日探空資料計(jì)算逆溫強(qiáng)度，對(duì)比新冠疫情背景場可知(下表)，兩次過程均無降水天氣發(fā)生，在風(fēng)速近似相等的條件下，逆溫強(qiáng)度是新冠疫情背景場3.8℃/100m>2019年污染過程的1.1℃/100m。相對(duì)濕度是背景場高于2019年污染過程，更有利于污染物濃度的吸濕增長，使污染物濃度升高；混合層高度也是背景場858m<2019年過程的1 135m，不利于污染物的垂直擴(kuò)散。綜合以上分析可知，新冠疫情背景場更容易導(dǎo)致污染天氣的發(fā)生，而空氣質(zhì)量(AQI=64)卻好于2019年污染過程(AQI=136)，說明新冠疫情期間沒有污染天氣的發(fā)生和污染源排放減少有關(guān)。

表 氣象要素和AQI統(tǒng)計(jì)

利用Ncep再分析數(shù)據(jù)得到兩個(gè)過程從地面到高空500hPa溫度和風(fēng)的時(shí)間剖面圖，填色為溫度，溫度單位為℃，風(fēng)向標(biāo)的大小表示風(fēng)速，方向表示垂直上升或下沉運(yùn)動(dòng)，為了繪圖效果，風(fēng)的垂直分量擴(kuò)大10倍。如圖8和圖9所示，兩個(gè)過程都有深厚的等溫時(shí)段，2019年污染過程高溫中心>12℃僅發(fā)生在污染最重的25～26日，而背景場高溫中心>12℃的等溫層每日都有發(fā)生。2019年污染過程4～8℃等溫層最為深厚，從地面延伸到900hPa位勢高度，而背景場6～10℃等溫層最為深厚，高度也在900hPa。從等溫層的高溫中心值和深厚高度，可知背景場的逆溫強(qiáng)度強(qiáng)于2019年1月22～26日污染過程，這和溫江站實(shí)況探空資料計(jì)算的逆溫強(qiáng)度結(jié)果一致。雖然2019年污染過程高空750hPa～650hPa有逆溫層，但對(duì)地面污染物的擴(kuò)散無明顯影響。

圖8 2019年1月22～26日溫度和風(fēng)的時(shí)間剖面圖(成都，103.08°E，30.74°N；世界時(shí))

成都，103.08°E，30.74°N；世界時(shí)

背景場2020年1月28～30日期間成都在600hPa以上高空風(fēng)較為平直，600～850hPa下沉運(yùn)動(dòng)明顯，近地面到850hPa高度僅在30日凌晨有一股下沉氣流，其余時(shí)段氣流的垂直方向運(yùn)動(dòng)非常弱。2019年1月22～26日污染過程期間600～850hPa高空風(fēng)較為平直，850hPa到地面有明顯的下沉氣流，部分風(fēng)速可達(dá)0.2 m/s。下沉運(yùn)動(dòng)與等溫時(shí)段和500hPa的高壓系統(tǒng)對(duì)應(yīng)，屬于下沉逆溫，下沉逆溫對(duì)污染物的擴(kuò)散起到抑制作用，有利于污染物濃度的增長。結(jié)合上表可知，2019年污染過程氣象要素較疫情背景場更有利于污染物的擴(kuò)散，下沉逆溫是導(dǎo)致此次污染過程形成和發(fā)展的主要原因。

2.3 后向軌跡、PSCF和CWT分析

在大氣環(huán)境研究中，區(qū)域輸送不可忽視，空氣質(zhì)量不僅受到本地污染源排放及擴(kuò)散的影響，也可能受外來氣流輸送影響。對(duì)成都2019年1月22～26日進(jìn)行后向軌跡分析，結(jié)果如圖10所示，成都的氣流軌跡主要分為4類，第一類占比20.83%，途徑雅安，成都西南部；第二類主要來自南充、重慶西北部、資陽、眉山，此類氣流出現(xiàn)概率最大，達(dá)到36.67%；第三類氣流途徑瀘州、重慶西部、遂寧、綿陽、德陽中部、成都北部，此類所占比重最少，僅15%；第四類主要來自南充、綿陽、德陽中部、成都北部，占比27.5%。第四類氣流和第三類在綿陽、德陽中部、成都北部有交集，以上三個(gè)區(qū)域，可能增強(qiáng)了對(duì)成都的污染源輸送。

圖10 后向軌跡聚類圖

進(jìn)一步對(duì)2019年1月22～26日污染過程進(jìn)行潛在源區(qū)和濃度權(quán)重軌跡分析，格點(diǎn)設(shè)置為0.25°×0.25°，PM2.5閾值根據(jù)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB 3095—2012)二級(jí)標(biāo)準(zhǔn)設(shè)為75 μg/m3，PSCF數(shù)值越大，表示污染軌跡經(jīng)過的概率越大，將PSCF值大于0.8的區(qū)域定義為主要的潛在源區(qū)，由圖11可以看出，PSCF值>0.9的區(qū)域在成都中部至西北部一帶，其次PSCF值0.8～0.9在成都南部和資陽。CWT數(shù)值越大，表示該區(qū)域?qū)Τ啥嫉腜M2.5的質(zhì)量濃度貢獻(xiàn)越大，將CWT值大于80μg/m3的區(qū)域定義為主要貢獻(xiàn)區(qū)，由圖12可知，污染物主要貢獻(xiàn)區(qū)位于成都至德陽、綿陽一帶。PSCF和CWT兩者高值重合區(qū)才是潛在污染源區(qū)，綜合分析來看，此次污染過程的潛在污染源區(qū)主要在成都本地，受其它區(qū)域輸送影響較小。

圖11 污染期間PSCF分布

圖12 污染期間CWT分布

3 結(jié) 論

3.1 2019年1月22～26日污染過程和新冠疫情背景場2020年1月28～30日，均發(fā)生在高空500hPa穩(wěn)定少變的“兩槽一脊”環(huán)流形勢背景下，污染過程的海平面氣壓場比背景場的均壓場型多了低壓頂部型，都不利于污染物的稀釋擴(kuò)散，污染過程和“新冠疫情”背景場的環(huán)流背景大致相同。

3.2 2019年1月22～26日污染過程持續(xù)時(shí)間長，污染強(qiáng)度大，最高小時(shí)AQI達(dá)到209；PM2.5濃度有顯著的“單峰型”日變化特征，峰值出現(xiàn)在上午11時(shí)左右，峰谷出現(xiàn)在17時(shí)。重污染天氣黃色預(yù)警使排放源減少，污染物濃度增速放緩，但在不利于污染物稀釋擴(kuò)散的氣象條件下，大氣環(huán)境對(duì)污染物依然有累積的作用。下沉逆溫是導(dǎo)致此次污染過程形成和發(fā)展的主要原因，此次污染過程的潛在污染源區(qū)主要在成都本地，受其它區(qū)域輸送影響較小。

3.3 兩次過程均無降水天氣發(fā)生，在風(fēng)速近似相等的條件下，新冠疫情背景場的氣象條件更容易導(dǎo)致污染天氣的發(fā)生，而空氣質(zhì)量(AQI=64)卻好于2019年污染過程(AQI=136)，說明新冠疫情期間沒有污染天氣的發(fā)生和污染源排放減少有關(guān)，進(jìn)一步印證控制污染排放在大氣污染防治中有一定積極作用。