快速检索
  气象   2018, Vol. 44 Issue (11): 1454-1463.  DOI: 10.7519/j.issn.1000-0526.2018.11.008

论文

引用本文 [复制中英文]

杨浩, 许冠宇, 白永清, 等, 2018. 湖北省近两年冬季月份PM2.5污染天气型特征及其与大尺度环流的相关研究[J]. 气象, 44(11): 1454-1463. DOI: 10.7519/j.issn.1000-0526.2018.11.008.
[复制中文]
YANG Hao, XU Guanyu, BAI Yongqing, et al, 2018. Study on PM2.5 Pollution Synoptic Patterns in Hubei Province and Its Connection with Large-Scale Circulation in Winter Months[J]. Meteorological Monthly, 44(11): 1454-1463. DOI: 10.7519/j.issn.1000-0526.2018.11.008.
[复制英文]

资助项目

国家重点研发计划(2016YFC0203304)、国家自然科学基金项目(91637211和41375057)及湖北省气象局科技发展基金项目(2017C05)共同资助

第一作者

杨浩,主要从事短期气候诊断与预测研究.Email:yanghao0202@126.com

文章历史

2017年9月21日收稿
2018年7月11日收修定稿
湖北省近两年冬季月份PM2.5污染天气型特征及其与大尺度环流的相关研究
杨浩 1, 许冠宇 2, 白永清 1, 刘琳 1    
1. 中国气象局武汉暴雨研究所暴雨监测预警湖北省重点实验室,武汉 430205
2. 武汉中心气象台,武汉 430205
摘要:基于湖北省PM2.5大气成分逐日监测数据和高分辨率气象再分析资料,利用EOF方法对2015—2016年湖北省近两年冬季月份PM2.5的污染分型并分析其天气特征,探讨PM2.5质量浓度与大尺度环流因子相关性,并计算得到海平面气压指数。结果表明:冬季PM2.5质量浓度湖北中部高于东西部,时间序列上存在较大波动,且近两年有明显下降趋势。湖北省冬季PM2.5 EOF前4个特征向量时间系数的方差贡献为86.2%,能够反映PM2.5空间场的主要特征。湖北省PM2.5污染的天气型特征主要有两类:传输型污染和本地累积型,前者造成的PM2.5污染浓度高于后者。传输型分别表现出全区污染、西部污染和中北部污染,全区污染时段湖北近地层以偏北气流为主,有利于将北方地区PM2.5输送到湖北省; 西部污染在于偏东气流将东部污染物以及沿海地区水汽输送到湖北省,同时受鄂西山脉的阻挡,污染物在湖北省西部地区聚积; 中北部污染表现为东北和西北气流的汇集效应。本地累积型在静稳天气条件和地形共同作用下造成湖北东部污染和中南部污染。三种传输型污染物输送通道分别为北路输送、东路输送和东北路输送。东亚冬季风系统的高层东亚大槽和低层大陆冷高压减弱时,PM2.5质量浓度增加。关键区的海平面气压相关指数与湖北省PM2.5质量浓度和EOF第一模态时间系数相关性较好,对预报预测有一定指示意义。
关键词PM2.5质量浓度    EOF分型    天气型    相关指数    
Study on PM2.5 Pollution Synoptic Patterns in Hubei Province and Its Connection with Large-Scale Circulation in Winter Months
YANG Hao1, XU Guanyu2, BAI Yongqing1, LIU Lin1    
1. Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Institute of Heavy Rain, CMA, Wuhan 430205;
2. Wuhan Central Meteorological Observatory, Wuhan 430205
Abstract: Based on the PM2.5 air quality monitoring data of Hubei Province in winter months during 2015-2016, the PM2.5 mass concentration is classified by EOF method and its synoptic patterns are analyzed. The correlation between PM2.5 and large-scale circulation is discussed and correlation index with SLP is established. The results show that the PM2.5 mass concentration in central part of Hubei is higher than in the easten and westen parts. There are large fluctuations in the PM2.5 time series and a downward trend in the recent two years. Four distinguished modes of PM2.5 are clarified, which can explain over 86.2% of the variance. The synoptic patterns are transmission type and local accumulated type. The PM2.5 mass concentration of transmission type is higher than the other one. The transmission type presents pollution in the whole region, pollution in the west and pollution in the north-central, respectively. Northerly airflow dominates Hubei during the whole region pollution, bringing PM2.5 from northern China. For the west region pollution of transmission type, the pollutions and moisture are carried to western Hubei by east winds and the western Hubei mountain makes the pollutions accumulate in this area. The north-central region pollution shows a collection effect of northeast and northwest wind. The local accumulated type pollution in eastern Hubei and south-central Hubei are under the common cause of static weather condition and terrain. The transporting paths of three transmission type pollution are the north path, east path and northeast path.With the decrease of high-level East Asia trough and low-level cold continental high pressure, PM2.5 mass concentration increases. The correlation index with the sea level pressure is closely related to the PM2.5 mass concentration and the first EOF mode time coefficient which has certain significance for pollution forecasting.
Key words: PM2.5 mass concentration    EOF classification    synoptic patterns    correlation index    
引言

气象条件是决定大气污染物的空间分布及其随时间变化特征的重要因素(Zhang et al, 2015; 尚可等,2016)。天气型对大气污染过程形成的影响和造成大气污染过程形成的主要环流系统已有广泛研究(Cheng et al,2001; Wang et al,2016)。例如,当华北地区受大尺度高压控制时,若高压中心位于山西南部,河北为弱的低压区(地形槽),将导致西南风气流盛行于该区域,受此天气型控制,西南方向的输送通道是引起北京大气污染的主要通道(陈朝晖等,2008)。邓雪娇等(2006)研究发现,深圳地区空气污染过程的控制天气型主要有副热带高压影响型、副热带高压与热带气旋共同影响型和变性冷高压脊影响型。2013年1月我国东部频繁出现的重污染天气与贝加尔湖大尺度高压在中国境内长期滞留、对流层低层逆温密切相关(Tao et al, 2014)。总之,大气重污染的形成不仅与风速、风向、相对湿度、温度、气压等气象要素具有一定的关系(尉鹏等,2015; 白永清等, 2016, 张恒德等,2017),同时大尺度天气型(大尺度气旋、反气旋的动力、热力特征)影响区域污染物的传输、积累和清除过程(张人禾等,2014; 刘琳等,2017)。

湖北省年均霾日数近几十年整体呈现波动上升的趋势(许明芳等,2014),东亚大陆海平面气压降低、季节性北风的减弱和中国东部500 hPa的高压异常等因子为湖北地区冬季霾过程的维持提供了气象条件(肖莺等,2015; 陈龙等,2016)。2013年1月湖北省特大霾过程的气候背景是北方冷空气活动出现显著间歇,地面出现大面积均压场及弱鞍型场的环流背景下发生的(李兰等,2014)。近年来我国大气中PM2.5污染程度呈逐渐恶化的趋势,PM2.5的污染特征和成因是当前研究热点(何心河等,2016),PM2.5较其他大气污染物在大气中寿命更长,且能随着大气运动传输至更远距离。目前国内外对PM2.5污染物区域输送的研究主要集中在京津冀、长三角及珠三角等地区(薛文博等,2014; 聂滕等,2016),湖北省作为中部地区发展较快的省份之一,PM2.5污染问题日益严峻。但有关湖北区域大气污染过程中PM2.5分布特征、输送路径及其与天气型的相关性分析尚缺乏研究。

为此,本文基于湖北省环保厅大气成分监测数据、常规气象观测资料及ERA-Interim逐日再分析资料,对2015—2016年湖北省冬季月份PM2.5的污染特征及与不同气象要素的相关性展开分析,从天气型背景分析PM2.5形成的气象条件和输送维持机制,以加深预报员对持续性污染天气形成机理的认识进而提高分析预报能力。

1 资料说明

湖北省对于PM2.5的监测近年才逐渐完善,其中2013年仅武汉市和神农架国家大气背景监测站对PM2.5指标进行监测,2014年新增宜昌和荆州2个重点城市对PM2.5指标进行监测,2015年才建立起湖北省全部17个地、市的PM2.5监测网。本文分别选取2015年和2016年的1、2、12月共6个月湖北省17个地、市PM2.5指标逐日监测数据。气象场资料来源于欧洲中心ERA-Interim再分析数据,包括逐日各层位势高度、相对湿度、风场以及海平面气压场,水平分辨率为0.75°×0.75°。

2 湖北省冬季PM2.5时空分布特征

从湖北省冬季月份日平均PM2.5质量浓度的空间分布(图 1)可以看出,整体呈现出中部污染值较大,东、西部略小的分布特征。极大值中心出现在襄阳地区,冬季平均值超过120 μg·m-3,中部的荆门、随州、宜昌、荆州等地的PM2.5质量浓度均超过100 μg·m-3。此外,武汉地区的PM2.5质量浓度明显高于周边区域,超过100 μg·m-3。湖北省东、西部PM2.5质量浓度低于中部,其中神农架的日平均PM2.5质量浓度在60 μg·m-3以下,鄂东南的咸宁地区PM2.5质量浓度低于80 μg·m-3

图 1 2015—2016年冬季月份湖北省日平均PM2.5质量浓度分布(单位:μg·m-3) Fig. 1 Distribution of daily PM2.5 mass concentration in Hubei Province in winter months during 2015-2016 (unit: μg·m-3)

气象条件是决定大气污染物空间分布的重要因素之一,同时,地形在一定程度上也能影响污染物的传输。湖北省地形分布大致为东、西、北三面环山,中间低平,略呈向南敞开的不完整盆地,这种地形更有利于污染物在湖北中部平原的累积。此外,结合该省地域经济发展情况分析认为,武汉、宜昌和荆州地区的大气细颗粒物主要来源于工业排放和机动车排放,其中,武汉市工业排放和机动车排放对本地区大气细颗粒物环境浓度的贡献比例相对周边地区更高,图 1中武汉地区PM2.5质量浓度明显高于周边区域即证明了这点。

对2015—2016年冬季月份湖北省17地、市PM2.5质量浓度进行平均,得到逐日浓度序列(图 2),近两年湖北省PM2.5质量浓度在冬季存在明显波动,最大值为202.5 μg·m-3,出现在2015年1月26日,最低值为24.3 μg·m-3,出现在2016年2月14日,整个时段平均浓度为92.6 μg·m-3。从变化趋势来看,冬季PM2.5质量浓度呈现明显下降趋势,变率超过-22%,2015年和2016年冬季时段的PM2.5质量浓度分别为100.6、84.7 μg·m-3

图 2 2015—2016年冬季月份湖北省PM2.5逐日平均质量浓度序列(三角形)、平均值(虚线)及变化趋势(直线) Fig. 2 Series of daily mean PM2.5 mass concentration (triangle) in Hubei Province and its average value (dashed line) and trends (straight line) in winter months during 2015-2016
3 基于EOF分型的PM2.5污染天气型特征

为进一步了解湖北省冬季PM2.5质量浓度的时空特征,采用经验正交函数分解(empirical orthogonal function,EOF)提取了湖北地区2015—2016年冬季逐日PM2.5质量浓度的主要空间分布形势特征。EOF在气象学中常被用来分析各种气象要素场,其基本原理是把Xtt=1, 2, …, n,看作m维空间中的n个向量,现在要寻找一组正交基向量,把Xt尽可能准确地表示出来:

$ {\mathit{\boldsymbol{X}}_t} = \mathop \sum \limits_{k = 1}^K {\alpha _k}\left(t \right){\mathit{\boldsymbol{V}}_k} + {\varepsilon _t} $ (1)

式中,Vkm维向量; εt是误差向量,也是m维。Vk不随时间变化,把它的m个分量v1kv2k,…,vmk的值填在对应格点的位置上并分析等值线也得到一个空间分布图。当所选的Vk能尽可能准确地表达X1X2,…,Xn时,这些空间分布图就反映了X1X2,…,Xn共同的空间变化特征,常称Vk为空间型或空间特征向量,αk(t)为展开的时间系数。式(1)应用到本文中,m=17(测站数),n=181(观测时次)。特征向量表征了某一区域气候变量场的变率分布结构,其空间分布形式代表了该变量场的主体分布结构; 所对应的时间系数为正,表明该时刻变量与此类分布形式相同的变化趋势; 反之,系数为负则表明该时刻变量与此类分布形式相反的变化趋势,且其数值越大,对应的空间分布形式越显著(魏凤英,2007)。湖北省冬季PM2.5质量浓度经过EOF统计,前4个特征向量时间系数的累积方差贡献为86.2%,能够反映PM2.5质量浓度空间场的主要特征(表 1)。

表 1 湖北省PM2.5质量浓度经EOF分解后前4个特征向量时间系数的方差贡献及典型时段 Table 1 Variance contribution of the first four eigenvectors of PM2.5 EOF decomposition and their typical periods in Hubei Province

第一模态(EOF1)的方差贡献率为64.9%,是主要模态(图 3a)。其向量值均大于0,反映湖北省17个监测点PM2.5质量浓度变化一致的特征。当对应的时间系数大于0时,湖北各城市的PM2.5质量浓度普遍较高,代表性时段如2015年1月25—26日等(表 1),反之则PM2.5质量浓度普遍较低,如2015年2月28日等。该模态空间向量场大值区位于湖北东部,湖北西部山区向量值略低。需要指出的是,空间向量值的大小并不能完全表示PM2.5质量浓度大小,还要结合时间系数的振幅分析实际PM2.5质量浓度的空间分布。第二模态(EOF2)的方差贡献率为12.3%,基本上沿随州、天门、潜江一线呈东西方向对称:湖北西部为正值区,越往西向量值越大; 湖北东部为负值区,越往东向量值越小。当对应的时间系数大于0时,表示湖北西部的正值区PM2.5质量浓度增加,而东部负值区PM2.5质量浓度减小; 当时间系数小于0时则相反(表 1)。第三模态(EOF3)和第四模态(EOF4)方差贡献率分别为4.9%和4.2%,特征向量在湖北省分别表现为“正—负—正”和“负—正—负”的东西向空间分布型(图 3),代表不同的PM2.5质量浓度空间分布特征。

图 3 湖北省PM2.5质量浓度EOF第一(a)、第二(b)、第三(c)和第四(d)特征向量的空间分布 (等值线和阴影均表示向量值) Fig. 3 Spatial distribution of (a) first, (b) second, (c) third and (d) fourth eigenvectors of PM2.5 mass concentration EOF decomposition in Hubei Province (Contours and shaded areas indicate the eigenvector value)

进一步根据湖北省PM2.5质量浓度四种主要模态的EOF时间系数振幅大小分别确定出八类典型时段(表 1),对各类型时段的PM2.5质量浓度和气象要素分别进行合成,综合分析发现湖北省PM2.5污染类型主要分为:传输型污染和本地累积型污染。

3.1 PM2.5传输型天气特征

湖北省PM2.5质量浓度EOF分型第一模态的全区污染、第二模态的西部污染和第三模态的中北部污染代表了三种不同的传输型天气特征。

当为全区污染时(图 4a),污染极大值中心出现在襄阳地区,PM2.5质量浓度超过220 μg·m-3,西部山区浓度略低,低值中心在神农架地区,但浓度也到达100 μg·m-3。从地面环流合成分析(图 4b)中可以看到,整体表现为北路输送型天气特征。湖北地区地面以偏北气流为主,有利于将北方地区PM2.5输送至湖北省,同时湖北大部地区低层湿度较大(70%以上),有利于近地层PM2.5吸湿增长,加剧污染(白永清等,2016)。全区清洁时(图略),湖北全省PM2.5质量浓度基本均降低到40 μg·m-3以下,北部浓度低于南部,说明污染扩散过程自北向南进行,这与天气变化特征有关。此时,北方蒙古冷高压加强,高压发展带来冷空气扩散南下,冷锋携带的偏西气流在陕西南部分为两支,其中一支西北气流由鄂西北进入湖北,在中东部转为北风继续南下,该支气流风速较强(图略),有利于污染物较快扩散,同时北方的干冷空气使该地区湿度明显降低(60%以下),PM2.5质量浓度进一步下降。

图 4 湖北省PM2.5质量浓度EOF(a)第一模态全区污染时段合成场及(b)对应时段天气特征 (图 4b中等值线、箭头和阴影分别表示地面气压、风场和相对湿度) Fig. 4 (a) Whole region pollution of first mode of PM2.5 EOF in Hubei Province and (b) weather pattern (In Fig. 4b, contours, arrows and shaded areas indicate surface pressure, wind and relative humidity, respectively)

当西部污染时(图 5a),两个极大值中心分别出现在襄阳和宜昌地区,均超过220 μg·m-3,湖北西部PM2.5质量浓度几乎全部在120 μg·m-3以上(除神农架地区),湖北东部的黄石等地污染较轻,PM2.5质量浓度低于90 μg·m-3。从地面形势场看到(图 5b),此类型污染多以东北冷高压和西南地区暖低压发展影响为主,地面处于冷高压底后部和暖低压前部,受偏东气流影响,有利于将东北部污染物以及东部沿海地区水汽输送到湖北省,使得近地层污染物吸湿增长,同时受鄂西山脉的影响,有利于污染物在湖北省西部山区聚积。与全区污染时的北路输送型天气(图 5b)相比,东北—西南向地面气压梯度较大,华东地区东北气流明显偏强,湖北东部偏东风较强,表现为东路输送型天气特征。

图 5图 4,但为第二模态西部污染型 Fig. 5 Same as Fig. 4, but for western pollution of second mode

第三模态的中北部污染时段(图 6a),PM2.5质量浓度极大值中心位于襄阳地区,超过220 μg·m-3,另一大值中心位于武汉地区,神农架地区污染浓度较低。地面形势场显示(图 6b),弱的西北气流和东北气流在河南和湖北一带汇集,湖北中部地区表现为弱的东北风,携带北方的污染物到达湖北,使得湖北中部江汉平原PM2.5质量浓度增加。湖北东南部为静风状态,大气扩散能力弱,有利于污染物累积,导致武汉地区成为污染高值区,同时湖北较高的相对湿度有利于污染物浓度进一步升高。该天气型整体表现为北路和东路组合型输送特征。

图 6图 4,但为第三模态中北部污染型 Fig. 6 Same as Fig. 4, but for north-central pollution of third mode

从清华大学公布的2012年污染源排放清单的分布(图略)来看,湖北周边污染源主要位于河南、山东、江苏、安徽及重庆等地。因此,结合以上几种传输型天气的地面风场分布,说明各模态均表现为较明显的传输型特征。

3.2 PM2.5本地累积型天气特征

湖北省PM2.5质量浓度EOF分型第二模态的东部污染和第四模态的中南部污染表现为静稳天气条件下的本地累积型(图 7)。

图 7 湖北省PM2.5质量浓度EOF(a)第二模态东部污染和(b)第四模态中南部污染时段质量浓度合成场及(c,d)对应时段天气特征 (说明同图 4) Fig. 7 (a) The eastern pollution of second mode and (b) south-central pollution of fourth mode of PM2.5 mass concentration EOF in Hubei Province and (c, d) the corresponding weather patterns (Illustration is same as Fig. 4)

当为东部污染时(图 7a),主要染区域分布在江汉平原及以东地区,极大值中心位于武汉地区,超过180 μg·m-3,湖北西部PM2.5质量浓度全部低于100 μg·m-3。对这该污染型的地面形势场分析(图 7c),发现此类污染过程主要为湖北中东部和华东地区的静稳型天气系统控制。地面弱蒙古冷高压东移带来较弱西北气流翻越鄂西山区之后在湖北东部减弱静止,本地污染物在江汉平原累积。虽然湖北东部相对湿度较低,但PM2.5在鄂东南幕阜山脉阻挡的影响下无法扩散,造成江汉平原和鄂东的PM2.5质量浓度增加。

湖北中南部污染时(图 7b),极大值中心位于宜昌地区,超过210 μg·m-3,湖北西北和东南部污染较轻,此类污染同样为本地型。此时,地面处于均压场中,气压梯度较弱(图 7d),湖北东部基本为静风区,西部山区弱的西风,相对湿度较低。陈龙等(2016)指出当大范围近地面大气层持续维持气压场均匀、静风或风速较小的天气即为静稳天气。在这种天气条件下,大气输送、扩散能力弱,污染物浓度升高主要以本地污染物排放累积为主。

通过对湖北冬季PM2.5质量浓度的EOF分型,结合各模态天气型分析主要分为两类:传输型污染和本地累积型污染。传输型分别表现出全区污染、西部污染和中北部污染,全区污染时段湖北近地层以偏北气流为主,有利于将北方地区PM2.5输送到湖北省; 西部污染在于偏东气流将东部污染物以及沿海地区水汽输送到湖北省,同时受鄂西山脉的阻挡,污染物在湖北省西部地区聚积; 中北部污染主要表现为东北路径输送。本地累积型在静稳天气条件和地形共同作用下造成湖北东部污染和中南部污染。传输型污染造成的PM2.5质量浓度高于本地累积型污染。

4 PM2.5传输型污染路径

徐祥德等(2005)研究指出,中国东部冬季重污染区域主要分布在京津冀、河南、山东、山西以及安徽等地。为进一步了解PM2.5传输型天气条件下湖北省与周边重污染区域的输送过程,揭示不同传输型天气PM2.5污染传输轨迹,利用美国国家海洋大气研究中心空气资源实验室的HYSPLIT轨迹模式(Draxler and Hess, 1998)进行气流来向轨迹模拟。该模式具有多种气象输入场、物理过程和不同类型排放源,且拥有较完整的输送、扩散和沉降过程,可进行分辨率最高精确到小时的气流来向及去向轨迹模拟,国内外大量研究已将该模式用于气象、大气污染过程的分析中(邓雪娇等,2006; 陈朝晖等,2008)。模式所用气象数据为NECP再分析资料。

上文分析发现,三种传输型污染分布中均表现出襄阳地区污染浓度最高(图 4~图 6),因此选取襄阳(32.1°N、112.9°E)为起始点,100 m高度,分别计算EOF三个模态污染典型时段(表 1中EOF1时间系数>1.5σ过程、EOF2时间系数>1.5σ过程和EOF3时间系数 < -1.5σ过程)的48 h后向轨迹,以追踪抵达襄阳的气团过去48 h所经过的地方(图 8)。第一模态全区污染时段(图 8a),受北风气流影响,该时段内所有轨迹主要来自北方,气团经过河北、山东、山西、河南等地到达襄阳。在垂直方向上,PM2.5的轨迹线一直在800 hPa以下(图略),说明污染物的长距离输送一直稳定在低层。第二模态西部污染时段(图 8b),受偏东风气流影响,轨迹主要来自东部和东北部,气团经过山东、江苏、安徽、河南等地到达襄阳。轨迹高度维持在900 hPa以下,高度低于来自北方的气团。第三模态中北部污染时段(图 8c),从气团轨迹明显看出受偏北和偏东气流的汇集作用影响,来自河南西部的气团和来自山东安徽等地的气团共同汇集到东北通道进入湖北省。

图 8 PM2.5质量浓度EOF(a)第一模态全区污染,(b)第二模态西部污染和(c)第三模态中北部污染时段(具体时段见表 1)襄阳48 h后向轨迹 Fig. 8 The 48 h back trajectory of (a) the whole region pollution of first mode, (b) western pollution of the second mode and (c) north-central pollution of the third mode of PM2.5 mass concentration EOF in Xiangyang of Hubei Province

三种传输型污染环流形势各有不同,PM2.5的输送路径差异明显。但是影响空气质量转好的天气形势较为一致,都为西北气流控制(图略)。这表明湖北PM2.5污染过程大部分情况可能与来自北部或东北部周边污染物的输送有关。这为污染物在湖北与周边地区的区域间输送研究提供了重要信息。

5 PM2.5污染与大尺度环流要素相关性分析 5.1 大尺度环流的影响

上文分析了湖北省冬季PM2.5污染的几种天气型特征,在环境气象研究中,不仅需要诊断影响大气污染的区域性气象条件,大尺度环流背景同样对局地的污染起着至关重要的作用(Zhang et al,2012; 董小芳等,2017)。为了深入揭示造成湖北PM2.5污染的典型环流形势,从ERA-Interim再分析资料中提取500 hPa位势高度场和海平面气压场,分别与湖北省平均PM2.5质量浓度序列求相关。

在2015—2016年东亚冬季风系统中,500 hPa高度上东亚大槽位于日本海附近,南方副热带高压位于20°N以南、120°E以东,冬季风总体呈现明显的斜压结构,表现为强盛的垂直西风切变和整层冷平流(图略)。从湖北PM2.5质量浓度与500 hPa位势高度的相关系数分布(图 9a)看出,在我国东部大陆存在一个显著正相关区,负相关区分别位于西北太平洋和巴尔喀什湖附近。说明当我国东部上空500 hPa气压增强时,伴随着湖北地区PM2.5质量浓度显著增加,此时控制我国东部的东亚大槽减弱,副热带高压偏强,不利于干冷空气东移南下,有利于污染物累积加重。

图 9 2015—2016年冬季湖北省平均PM2.5质量浓度与(a)500 hPa位势高度和(b)海平面气压的相关分布 (阴影区表示通过0.10显著性水平检验,图 9b中箭头表示重污染时段风场距平,红色和蓝色方框代表相关关键区) Fig. 9 The correlation between Hubei PM2.5 mass concentration and (a) 500 hPa geopotential height and (b) SLP in winter during 2015-2016 (Shaded areas indicate those having passed the 0.10 significance level test, arrows in Fig. 9b show wind anomalies during pollution, red and blue boxes represent two key correlated areas)

在近地面,冬季西伯利亚—蒙古冷高压位于欧亚大陆上空,北太平洋北部的阿留申地区存在一个明显的低压,此外,在阿拉伯海—孟加拉湾一带同样为低压系统(图略)。湖北PM2.5质量浓度与海平面气压的相关场(图 9b)显示,亚洲区域主要存在两个相关显著区,其中从中国新疆到华东地区呈现显著负相关,最大相关区位于河套地区,正相关区域分布在印度半岛和阿拉伯海一带,极大值中心位于印度西部沿海地区。当大陆冷高压减弱时,中国东部西北风减弱,东北风偏强(图 9b),有利于外来PM2.5污染物由华北地区输送到湖北,同时江南地区西南风偏强,导致污染物在湖北等地的持续累积。反之,大陆冷高压增强时,西北气流引导冷空气向东南爆发,湖北PM2.5质量浓度降低,空气变清洁,此时阿拉伯海低压下降。

5.2 相关指数的建立

大量研究表明,东亚冬季风对我国天气气候具有重要影响(Wang et al,2010),并且定义了诸多冬季风指数用来研究其与我国气候的关系(Wang et al,2009)。但是,对东亚大尺度冬季风与区域性污染天气的关系研究较少,对湖北省污染影响的研究就更少了。

在湖北省PM2.5质量浓度与海平面气压的相关场中(图 9b),两个相关显著区极大值中心分别位于河套地区和印度西部沿海地区,因此,本文在这两个区域框出大小相同的关键区(图 9b方框),计算出关键区的平均海平面气压,利用两者气压差定义海平面气压指数作为湖北省PM2.5质量浓度的相关指数,该指数表示冬季东亚大陆和南亚沿海的气压差。具体公式如下:

$ \begin{array}{l} {I_{SLP}} = SLP\left[ {\left(\begin{array}{l} 38^\circ {\rm{N}}\\ 33^\circ {\rm{N}} \end{array} \right)105^\circ {\rm{E}}, \left(\begin{array}{l} 38^\circ {\rm{N}}\\ 33^\circ {\rm{N}} \end{array} \right)110^\circ {\rm{E}}} \right] - \\ \;\;\;\;\;\;\;\;SLP\left[ {\left(\begin{array}{l} 22^\circ {\rm{N}}\\ 17^\circ {\rm{N}} \end{array} \right)69^\circ {\rm{E}}, \left(\begin{array}{l} 22^\circ {\rm{N}}\\ 17^\circ {\rm{N}} \end{array} \right)74^\circ {\rm{E}}} \right] \end{array} $ (2)

利用式(2)计算得到湖北省冬季PM2.5质量浓度变化同期海平面气压指数序列,并对其进行标准化处理(图 10)。通过与PM2.5质量浓度序列对比发现,两者相关系数到达-0.36,通过了0.01的显著性水平检验。前文对PM2.5的EOF模态分析得到第一模态(EOF1)的方差贡献率为64.9%,其时间系数序列与海平面气压指数的相关系数为-0.34(图 10),同样通过了0.01的显著性水平检验。

图 10 2015—2016年冬季月份海平面气压关键区相关指数序列、湖北省PM2.5质量浓度及EOF第一模态时间系数 Fig. 10 Time series of SLP key areas correlation index, Hubei PM2.5 mass concentration and the first EOF mode in winter months during 2015-2016

综上所述,影响湖北省冬季PM2.5质量浓度变化的环流因子既包括中国东部地面风场,又有来自对东亚大尺度高低空气压的响应。根据东亚冬季风环流特点及其与PM2.5质量浓度的关系,挑选关键区建立的海平面气压相关指数对湖北省PM2.5质量浓度的预报有一定指示意义。

6 结论

本文基于湖北省环保厅PM2.5等大气成分监测数据和ERA-Interim逐日再分析资料,利用EOF方法对2015—2016年湖北省冬季PM2.5污染分型,分析其天气特征,并从大尺度天气背景分析PM2.5污染形成的气象条件和输送扩散机制,进一步建立了海平面气压相关指数,主要结论如下:

2015—2016年湖北省冬季日平均PM2.5质量浓度整体呈现出中部污染程度重,东、西部污染程度轻的分布特征。污染较严重的襄阳地区日平均值超过120 μg·m-3,武汉地区是湖北东部的PM2.5污染中心,超过100 μg·m-3。湖北西部神农架地区污染最轻,日平均PM2.5质量浓度在60 μg·m-3以下。时间序列上PM2.5质量浓度变化存在较大波动,近两年有明显下降趋势。

湖北省冬季PM2.5经过EOF统计,前4个特征向量的累积方差贡献为86.2%,能够反映PM2.5空间场的主要特征,其中第一模态方差贡献达到64.9%。对四种主模态各类型时段的PM2.5质量浓度和气象要素合成归纳,湖北省PM2.5污染的天气型特征主要有两类:传输型污染和本地累积型污染。传输型污染造成的PM2.5质量浓度高于本地累积型污染。

传输型分别表现出全区污染、西部污染和中北部污染,全区污染时段湖北近地层以偏北气流为主,有利于将北方地区PM2.5输送到湖北省; 西部污染在于偏东气流将东部污染物以及沿海地区水汽输送到湖北省,同时受鄂西山脉的阻挡,污染物在湖北省西部地区聚积; 中北部污染主要表现为东北路径输送。本地累积型在静稳天气条件和地形共同作用下造成湖北东部污染和中南部污染。

三种传输型污染PM2.5的输送路径差异明显,湖北PM2.5污染可能与来自北部或东北部周边污染物的输送有关,全区污染、西部污染和中北部污染分别为北路输送、东路输送和东北路输送。这为污染物在湖北与周边地区的区域间输送研究提供了重要信息。PM2.5污染程度与东亚冬季风系统有显著的相关关系,尤其在高层东亚大槽和低层大陆冷高压减弱时,PM2.5质量浓度增加。挑选关键区建立的海平面气压相关指数与湖北省PM2.5质量浓度和EOF第一模态时间系数相关性较好,对湖北省PM2.5污染的预报有一定指示意义。

参考文献
白永清, 祁海霞, 刘琳, 等, 2016. 武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报[J]. 气象学报, 74(2): 189-199.
陈龙, 智协飞, 覃军, 等, 2016. 影响武汉市空气污染的地面环流形势及其与污染物浓度的关系[J]. 气象, 42(7): 819-826.
陈朝晖, 程水源, 苏福庆, 等, 2008. 华北区域大气污染过程中天气型和输送路径分析[J]. 环境科学研究, 21(1): 17-21.
邓雪娇, 黄健, 吴兑, 等, 2006. 深圳地区典型大气污染过程分析[J]. 中国环境科学, 26(S1): 7-11.
董小芳, 杨华玮, 张峦, 等, 2017. ENSO事件对上海降水中氢氧同位素变化的影响[J]. 环境科学, 38(12): 4991-5003.
何心河, 马建中, 徐敬, 等, 2016. 2014年10月京津冀地区一次PM2.5污染过程的数值模拟[J]. 气象, 42(7): 827-837.
李兰, 刘敏, 方思达, 等, 2014. 湖北省2013年1月特大霾过程的气象成因分析[J]. 环境科学与技术, 37(5): 16-20.
刘琳, 王玲玲, 白永清, 等, 2017. 应用WRF/Chem模拟河南冬季大气颗粒物的区域输送特征[J]. 环境科学学报, 37(5): 1843-1854.
聂滕, 李璇, 王占山, 等, 2016. APEC期间北京市PM2.5时空分布与过程分析[J]. 中国环境科学, 36(2): 349-355. DOI:10.3969/j.issn.1000-6923.2016.02.005
尚可, 杨晓亮, 张叶, 等, 2016. 河北省边界层气象要素与PM2.5关系的统计特征[J]. 环境科学研究, 29(3): 323-333.
魏凤英, 2007. 现代气候统计诊断与预测技术:第2版[M]. 北京: 气象出版社.
尉鹏, 任阵海, 王文杰, 等, 2015. 2014年10月中国东部持续重污染天气成因分析[J]. 环境科学研究, 28(5): 676-683.
肖莺, 李兰, 杜良敏, 等, 2015. 湖北省近年11次典型霾过程的气象要素和大气环流特征分析[J]. 长江流域资源与环境, 24(Z1): 191-196.
许明芳, 苏天星, 杨再强, 等, 2014. 湖北省1980—2012年霾气候变化特征的研究[J]. 中国农学通报, 30(26): 253-259. DOI:10.11924/j.issn.1000-6850.2013-3202
徐祥德, 周秀骥, 施晓晖, 2005. 城市群落大气污染源影响的空间结构及尺度特征[J]. 中国科学:地球科学, 35(S1): 1-19.
薛文博, 付飞, 王金南, 等, 2014. 中国PM2.5跨区域传输特征数值模拟研究[J]. 中国环境科学, 34(6): 1361-1368.
张恒德, 张碧辉, 吕梦瑶, 等, 2017. 北京地区静稳天气综合指数的初步构建及其在环境气象中的应用[J]. 气象, 43(8): 998-1004.
张人禾, 李强, 张若楠, 2014. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学:地球科学, 44(1): 27-36.
Cheng W L, Pai J L, Tsuang B J, et al, 2001. Synoptic patterns in relation to ozone concentrations in west-central Taiwan[J]. Meteor Atmos Phys, 78(1/2): 11-21.
Draxler R R, Hess G D, 1998. An overview of the HYSPLIT_4 mo-delling system for trajectories, dispersion and deposition[J]. Aust Meteor Mag, 47(4): 295-308.
Tao Minghui, Chen Liangfu, Xiong Xiaozhen, et al, 2014. Formation process of the widespread extreme haze pollution over northern China in January 2013:implications for regional air quality and climate[J]. Atmos Environ, 98: 417-425. DOI:10.1016/j.atmosenv.2014.09.026
Wang Bin, Wu Zhiwei, Chang C P, et al, 2010. Another look at interannual-to-interdecadal variations of the East Asian winter monsoon:the northern and southern temperature modes[J]. J Climate, 23(6): 1495-1512. DOI:10.1175/2009JCLI3243.1
Wang H L, Qiao L P, Lou S R, et al, 2016. Chemical composition of PM2.5 and meteorological impact among three years in urban Shanghai[J]. J Clean Prod, 112: 1302-1311. DOI:10.1016/j.jclepro.2015.04.099
Wang Lin, Huang Ronghui, Gu Lei, et al, 2009. Interdecadal variations of the East Asian winter monsoon and their association with quasi-stationary planetary wave activity[J]. J Climate, 22(18): 4860-4872. DOI:10.1175/2009JCLI2973.1
Zhang J P, Zhu T, Zhang Q H, et al, 2012. The impact of circulation patterns on regional transport pathways and air quality over Beijing and its surroundings[J]. Atmos Chem Phys, 12(11): 5031-5053. DOI:10.5194/acp-12-5031-2012
Zhang Li, Wang Tao, Lü Mengyao, et al, 2015. On the severe haze in Beijing during January 2013:unraveling the effects of meteorological anomalies with WRF-Chem[J]. Atmos Environ, 104: 11-21. DOI:10.1016/j.atmosenv.2015.01.001