氣候條件對大氣污染物擴(kuò)散及濃度變化的影響模擬研究

文章編號：1674-6139（2025）06-0066-06

中圖分類號：X511文獻(xiàn)標(biāo)志碼：A

Simulation Analysis on Impact of Climate Conditions on Diffusion and Concentration Changes of Atmospheric Pollutants

Hu Dongping

（WuhanMeteorologicalBureau，Wuhan43OO4O，China）

Abstract：Toexploretheimpactmechanismofclimateconditionsonthedifusionandconcentrationchangesofatmosphericpollutants，thispaperdeveloedasoableirlocotroltegiesndpropeduaoalysisoftepactofateoo onthediusionandconcenrationchangesofamosphericpolltantsBycollctingcimatedataandpolltantconcentrationcangedata fromtheresearchareaofWuhanCity，thedrivingfieldmodelWRFwascombinedwiththeLagrangianairblocktrajectorypartiledifu sionmainmodelFLEXPARTtoconstructaFLEXPART-WRFnumericalsimulationmodel.ThePearsonproduct moment（Pearson）correlationumberasusedtoanalyeteconcentrationchangecharactesticsofvariouspolltantsunderdiferentlimateconditions，and thedifusionandconcentrationchangeprocesssofamospericpolutantsunderdiferentclimateconditionseresimulatedByverifing thesimulationresults，theesultsrevealedevealtheimpactoflimateondionsonthedifusionandconcentrationchangsofaos pheric pollutants in the research area of Wuhan City.

Key words：climate conditions；FLEXPART-WRF model；polutant diffusion；concentration change

前言

隨著工業(yè)化和城市化的快速發(fā)展，大氣污染已成為全球性的環(huán)境問題。氣候因素如溫度、濕度、風(fēng)速、風(fēng)向和大氣穩(wěn)定度等，對污染物的擴(kuò)散、稀釋和轉(zhuǎn)化過程具有顯著影響[1]。因此，通過模擬研究來理解和預(yù)測不同氣候條件下污染物的擴(kuò)散模式和濃度變化，對于制定有效的污染控制策略、優(yōu)化排放源布局以及提升空氣質(zhì)量預(yù)報準(zhǔn)確性具有重要意義。

當(dāng)前，氣候條件對大氣污染物擴(kuò)散及濃度變化的影響模擬研究正處于快速發(fā)展階段，研究者們采用不同的技術(shù)來模擬不同氣候條件下污染物的擴(kuò)散過程。其中，楊欣[2等人通過統(tǒng)計運算和深度學(xué)習(xí)方法獲取氣象條件指數(shù)，基于氣象條件指數(shù)開展區(qū)域大氣污染與氣象條件之間的相關(guān)性分析。李芬[3]等人對武漢市2019 年大氣污染物在不同時間段上的變化特征進(jìn)行分析，并探討了污染物與氣象要素之間的關(guān)系。崔洋[4]等人對銀川早晚大氣逆溫變化特征進(jìn)行了分析，并進(jìn)一步研究了氣候環(huán)境對大氣污染的影響。

在現(xiàn)有研究的基礎(chǔ)上，為了增進(jìn)對中國不同地域大氣重污染成因多樣性的科學(xué)理解，提高應(yīng)對大氣環(huán)境惡化的決策能力，文章以武漢市為例，展開深入的研究分析，探究氣候條件對大氣污染物擴(kuò)散及濃度變化的影響機制。

1 資料與方法

研究區(qū)位于湖北省武漢市，選取武漢市城區(qū)2019年－2022年的空氣質(zhì)量監(jiān)測數(shù)據(jù)，涵蓋 SO₂ 、NO₂、CO、0₃、PM_2.5 和 PM₁₀ 等主要大氣污染物的濃度值。

1.1 資料介紹

1.1.1大氣污染物觀測資料

武漢地區(qū)的大氣污染物觀測數(shù)據(jù)由國家環(huán)境監(jiān)測網(wǎng)在武漢設(shè)立的10個國控站點收集，涵蓋了季節(jié)和日、月的平均濃度數(shù)據(jù)。同時，還使用了武漢市國家基本氣象觀測站的氣象數(shù)據(jù)，共劃分為以下三類站點。

1.1.1.1 生活區(qū)空氣質(zhì)量監(jiān)測站點

武漢市的生活區(qū)設(shè)有5個空氣質(zhì)量監(jiān)測站點，旨在了解并保障市民居住環(huán)境的空氣質(zhì)量。其中，漢陽月湖位于經(jīng)度114.2511，緯度30.5514，東湖梨園位于經(jīng)度114.3672，緯度30.5719，也位于市區(qū)繁華地段，為居民提供實時的空氣質(zhì)量數(shù)據(jù)。此外，武昌紫陽和漢口花橋和漢口江灘站點分別位于不同的生活區(qū)域，共同構(gòu)成了武漢市生活區(qū)的空氣質(zhì)量監(jiān)測網(wǎng)絡(luò)，站點編號分別為 1325A～1329A 。

1.1.1.2工業(yè)區(qū)空氣質(zhì)量監(jiān)測站點

武漢市在工業(yè)區(qū)設(shè)立4個空氣質(zhì)量監(jiān)測站點，沌口新區(qū)位于經(jīng)度114.1525，緯度30.4753，是該地區(qū)的一個重要工業(yè)發(fā)展區(qū)域;青山鋼花位于經(jīng)度114.4272，緯度30.6103，是該城市的主要工業(yè)區(qū)之一；吳家山和東湖高新站點也分別位于不同的工業(yè)區(qū)域，負(fù)責(zé)監(jiān)測工業(yè)排放對空氣質(zhì)量的影響，站點編號分別為 1330A～1333A 。

1.1.1.3 鄉(xiāng)村背景區(qū)空氣質(zhì)量監(jiān)測站點

武漢市還在鄉(xiāng)村背景區(qū)設(shè)立了1個單獨的空氣質(zhì)量監(jiān)測站點-沉湖七壕（站點編號1334A）。

1.1.2 氣象觀測資料

近四年來（2019.1.1—2022.12.31）武漢市的氣象觀測資料全部來源于站號為57494、海拔 23m 的武漢氣象觀測站。這些數(shù)據(jù)由湖北省氣象局提供，每小時更新一次，詳細(xì)記錄了氣壓、溫度、相對濕度、風(fēng)速、風(fēng)向、降水量及大氣穩(wěn)定性等關(guān)鍵氣候條件信息。

1.2 研究方法

將驅(qū)動場模型WRF與拉格朗日氣塊軌跡－粒子擴(kuò)散主體模型FLEXPART相結(jié)合，構(gòu)建FLEX-PART－WRF數(shù)值模擬模型，并引入皮爾遜積矩（Pearson）相關(guān)系數(shù)共同展開相關(guān)模擬分析。

1.2.1 FLEXPART-WRF模型

在研究中，使用WEF模型生成高精度氣象數(shù)據(jù)，并基于這些數(shù)據(jù)，利用FLEXPART模型模擬，以量化評估研究區(qū)域?qū)δ繕?biāo)區(qū)域大氣污染的潛在責(zé)獻(xiàn)。具體表達(dá)式如式（1）：

式（1）中，Cantributionrate為貢獻(xiàn)率； u 為模型模擬結(jié)果駐留時間； i，j 為空間格點位置； R 為大氣污染物排放率； ^{，N，S} 為空間網(wǎng)格數(shù)。通過該模型確定武漢地區(qū)大氣污染物的時空變化特征，以便更好地分析和模擬氣候條件對武漢地區(qū)大氣污染物擴(kuò)散及濃度變化的影響。

1.2.2 Pearson相關(guān)系數(shù)

分析中還將用到Pearson相關(guān)系數(shù)的統(tǒng)計方法量化氣象條件（如溫度、濕度、風(fēng)速、風(fēng)向、降雨等）與大氣污染物擴(kuò)散和濃度之間的關(guān)系，計算公式為式（2）：

式（2）中， x_i，y_i 為氣候條件與污染物擴(kuò)散及濃度中的第 i 個變量； M 為變量個數(shù)。

當(dāng)氣候條件與污染物擴(kuò)散及濃度的相關(guān)系數(shù)絕對值趨近于1時，表明兩者之間存在顯著的線性正相關(guān)關(guān)系；若該絕對值趨近于0，則表明兩者之間的線性關(guān)系相對較弱，甚至可能呈現(xiàn)負(fù)相關(guān)。

2 模擬結(jié)果與分析

2.1氣候條件下污染物濃度變化特征

2.1.1污染物濃度季節(jié)和月變化

根據(jù)研究時間內(nèi)武漢國控點的環(huán)境監(jiān)測數(shù)據(jù)和FLEXPART-WRF模型的模擬計算結(jié)果，重點分析武漢10個監(jiān)測點的主要大氣污染物平均質(zhì)量濃度逐月的季/月變化情況[5]，具體見圖1。

分析圖1可知：

（1）冬季武漢的 PM_2.5?PM_10?NO_2?SO₂ 的濃度普遍偏高，在11月至次年1月期間，這些污染物的濃度達(dá)到全年峰值。

（2）夏季溫度較高，風(fēng)速容易突然變大，有利于污染物擴(kuò)散， PM_2.5?PM_10?NO_2?SO₂ 及CO的濃度相對較低呈“U型”。此外，春、秋兩季污染物濃度介于冬、夏之間，但受季風(fēng)轉(zhuǎn)換影響，CO的濃度波動較大。

（3）臭氧 0₃ 的質(zhì)量濃度呈現(xiàn)出明顯的季節(jié)性波動，夏季達(dá)到峰值，冬季則降至最低，春秋兩季則位于這兩者之間。特別是在夏季的初月，即6月，臭氧濃度達(dá)到年度最高值。這主要是由于夏季氣溫升高和輻射增強，促進(jìn)了光化學(xué)反應(yīng)的速率，從而導(dǎo)致了邊界層中臭氧濃度的顯著上升。

2.1.2污染物濃度日變化

以武昌紫陽、青山鋼花和沉湖七壕3個不同功能區(qū)作為此次觀測點，計算2022年全年 00：00-24 .00每個時刻的 SO₂、NO₂、CO、O₃、PM_2.5 和 PM₁₀ 的平均質(zhì)量濃度，得出以下日變化特征（見圖2）。

圖2的分析結(jié)果為：

（1）武昌紫陽（生活區(qū)）：由于該區(qū)域主要是居住區(qū)，早晚高峰時段（上班時間7：00-9：00和下班時間 16：00-19：00） 人類活動增多，交通流量增大，導(dǎo)致顆粒物排放增加，因此 PM_2.5 和 PM₁₀ 的濃度在此時段較高。而在中午和下午（14：00－16：00），由于交通流量減少和氣象條件的變化（如風(fēng)速增加），顆粒物濃度有所下降； SO₂ 和 NO₂ 主要來自工業(yè)和交通排放[6]，早晚高峰時段，由于交通流量的增加，SO₂ 和 NO₂ 的濃度也相應(yīng)上升;CO在早晚高峰時段車輛增多的時候排放增加，導(dǎo)致濃度上升;由于武昌紫陽主要是居住區(qū)，光化學(xué)反應(yīng)可能不如工業(yè)區(qū)那么強烈，因此 0₃ 在中午至下午時段（12：00－14：00）濃度達(dá)到峰值，卻低于工業(yè)區(qū)。

（2）青山鋼花（工業(yè)區(qū)）：工業(yè)區(qū)的顆粒物排放通常較高，因此，在青山鋼花， PM_2.5 和 PM₁₀ 的濃度會持續(xù)較高，尤其是在工廠生產(chǎn)活動頻繁的時段（白天工作時段上午 8：00-12：00 和下午13：00－17：00）；早晚高峰時段CO的濃度與生活區(qū)變化相近；由于光化學(xué)反應(yīng)在工業(yè)區(qū)較為強烈， O₃ 的濃度更高，尤其是在陽光充足的中午至下午時段達(dá)到峰值。

（3）沉湖七壕（鄉(xiāng)村背景區(qū)）：由于農(nóng)業(yè)活動（如秸稈焚燒、農(nóng)藥噴灑等）和交通流量的影響， PM_2.5 和PM₁₀ 的濃度有所波動；鄉(xiāng)村背景區(qū)的 SO₂ 和 NO₂ 濃度較低，這是因為鄉(xiāng)村工業(yè)排放較少，但交通排放仍對濃度產(chǎn)生影響;鄉(xiāng)村背景區(qū)的交通流量通常較小，因此CO的濃度相對較低；由于沒有強烈的工業(yè)排放和光化學(xué)反應(yīng)， 0₃ 的濃度相對于生活區(qū)和工業(yè)區(qū)要更低一些。

2.2氣象因素與大氣污染物的關(guān)系分析

考慮到武漢市空氣質(zhì)量的季節(jié)性變化特征，以及已有的研究和分析，可以推斷 PM_2.5 可能是最嚴(yán)重的污染物之一，且與氣象因素和其他污染物之間均存在一定的相關(guān)性，為此對該類污染物與氣象因素之間展開從2019年到2022年的相關(guān)性分析，所得的平均結(jié)果見圖3。

根據(jù)圖3可知，氣象因素與大氣污染物擴(kuò)散和濃度之間存在顯著的相關(guān)性：

當(dāng)氣壓升高，大氣層穩(wěn)定， PM_2.5 因粒徑小、化學(xué)成分復(fù)雜更易在地面附近積聚，而其他污染物如 SO₂、CO 和 NO₂ 也受類似影響。氣溫升高則促進(jìn)大氣流動，利于 PM_2.5 擴(kuò)散，降低其濃度，，但也可能間接影響其他污染物從而影響 PM_2.5 。降水對PM_2.5 有顯著清除效果，而濕度增加雖能減少 PM_2.5 濃度，但也可能導(dǎo)致其聚集和降水過程，增加污染。風(fēng)速是 PM_2.5 擴(kuò)散和濃度的關(guān)鍵，大風(fēng)利于擴(kuò)散，小風(fēng)則易積聚。

除了已詳細(xì)分析的 PM_2.5 與氣象因素的關(guān)系外，SO₂ 和 NO₂ 的濃度變化同樣受到氣壓、氣溫、降水量、相對濕度和風(fēng)速等氣象條件的顯著影響：

當(dāng)氣壓升高時，大氣層趨于穩(wěn)定，不利于污染物的垂直擴(kuò)散。因此， SO₂ 和 NO₂ 容易在近地面層積聚，導(dǎo)致濃度上升；氣溫的升高通常會增加大氣邊界層的厚度，促進(jìn)空氣垂直運動，有利于污染物的擴(kuò)散。然而，對于 SO₂ 和 NO₂ 來說，高溫可能加速化學(xué)反應(yīng)速率，影響濃度變化。此外，高溫條件下，排放源的活動增加，也可能導(dǎo)致 SO₂ 和 NO₂ 排放量上升；雨水能夠溶解并帶走大氣中的氣態(tài)污染物，顯著降低濃度。然而降水過程也可能引發(fā)地面揚塵等二次污染源，間接影響空氣質(zhì)量;相對濕度對 SO₂ 和NO₂ 的影響相對復(fù)雜，一方面，較高的濕度可能通過增加云量和霧的形成來限制太陽輻射，從而降低光化學(xué)反應(yīng)速率，減緩 NO₂ 向其他氮氧化物的轉(zhuǎn)化。另一方面，濕度增加也可能促進(jìn)氣態(tài)污染物在水滴表面的吸附和溶解，從而有助于污染物的清除。風(fēng)速是影響 SO₂ 和 NO₂ 擴(kuò)散的關(guān)鍵因素，大風(fēng)條件下，空氣流動加快，有利于污染物的水平擴(kuò)散和稀釋，從而降低濃度。相反，在靜風(fēng)或微風(fēng)條件下，污染物容易在局部區(qū)域積聚，導(dǎo)致濃度升高。

2.3 模擬驗證

從站點中隨機選擇5個站點作為模擬對象，使用FLEXPART-WRF模型，設(shè)置模擬參數(shù)并提取模擬結(jié)果，計算其中隨機5個站點在四個不同氣候條件（溫度、風(fēng)速、濕度和氣壓變化）下的標(biāo)準(zhǔn)偏差分布，評估模擬污染物擴(kuò)散和濃度方面的有效性；計算模擬結(jié)果與觀測結(jié)果之間的Pearson相關(guān)系數(shù)，以量化模擬結(jié)果的準(zhǔn)確性；求出觀測結(jié)果與模擬結(jié)果之間的均方根誤差（RMSE），以評估模擬結(jié)果的誤差大小。通過標(biāo)準(zhǔn)化偏差（歸一化）的形式，展示多個站點在不同氣候條件下的變化幅度。（見表1）

根據(jù)模擬結(jié)果和統(tǒng)計分析得出：

（1）Pearson相關(guān)系數(shù)值較高，均在0.88到0.95之間，表明模擬結(jié)果與觀測結(jié)果之間存在顯著的相關(guān)性；

（2）各類指標(biāo)的標(biāo)準(zhǔn)化偏差和均方根誤差整體較小，標(biāo)準(zhǔn)化偏差值均在0.04到0.14之間，均方根誤差在1.8到3.9之間，這表明模擬結(jié)果能夠合理表征武漢的氣候條件對大氣污染物的擴(kuò)散和濃度的影響；

3 結(jié)束語

為了理解不同氣候條件下大氣污染物的擴(kuò)散過程，揭示氣候因素如何影響污染物的空間分布和濃度變化，結(jié)合WRF驅(qū)動場模型和FLEXPART氣塊軌跡－粒子擴(kuò)散主體模型，構(gòu)建了FLEXPART-WRF數(shù)值模擬模型，該模型提高了模擬的精確度，能夠深入探索氣候與大氣污染之間的復(fù)雜關(guān)系。同時，利用皮爾遜積矩（Pearson）相關(guān)系數(shù)，對不同氣候條件下的大氣污染物濃度變化特征進(jìn)行了細(xì)致分析，這一方法的引入能夠更準(zhǔn)確地量化氣候因素對污染物擴(kuò)散和濃度變化的影響，為制定針對性的控制策略提供了科學(xué)依據(jù)，有利于促進(jìn)生態(tài)環(huán)境的保護(hù)和改善。以武漢市為例，通過模擬得出了氣候條件下污染物濃度的變化特征以及氣象因素與大氣污染物之間的關(guān)系，研究結(jié)果可為制定環(huán)境保護(hù)策略提供指導(dǎo)意義。

參考文獻(xiàn)：

[1]田開文，朱江，王自發(fā)，等.2020年上半年“COVID-19\"疫情期間氣象條件變化對四川盆地城市污染物質(zhì)量濃度影響初步分析[J].氣候與環(huán)境研究，2022，27（2）：243-262.

[2]楊欣，楊元琴，李紅，等.基于氣象條件指數(shù)的我國重點區(qū)域 PM_2.5 和臭氧復(fù)合污染氣象影響評估[J].環(huán)境科學(xué)，2023，44（12） ：6433-6440.

[3]李芬，王文琦，王筱雯，等.武漢市大氣污染物質(zhì)量濃度變化特征及其與氣象要素的關(guān)系[J].四川師范大學(xué)學(xué)報（自然科學(xué)版），2024，47（1）：98-108.

[4]崔洋，常倬林，王天河，等.銀川市區(qū)及寧東能源基地早晚逆溫變化及其對大氣污染影響研究[J].干旱區(qū)資源與環(huán)境，2022，36（8）：84-91.

[5]丁偉宸，劉勤亞，張俊，等.北京大興國際機場不利氣象條件下飛機尾氣排放對大氣環(huán)境影響的模擬研究[J].氣象，2023，49（1）：62-73.

[6]任至涵，倪長健，花瑞陽，等.成都夏季臭氧光化學(xué)反應(yīng)控制氣象因子的概率分布特征[J].生態(tài)與農(nóng)村環(huán)境學(xué)報，2022，38（3）：334-342.

[7]郭昌勝，高雅，樊境樸，等.我國大氣污染和氣候變化協(xié)同治理的健康效益研究進(jìn)展［J].環(huán)境科學(xué)研究，2023，36（11）：2040-2049.