引言

重庆城区位于长江与嘉陵江交汇处，三面环山，为典型的山区河谷地形，气候特征表现为平均风速小、静风频率高、逆温现象突出。这使重庆城区大气污染物难以迅速向外扩散，秋冬季节空气污染较为严重。天气形势对大气污染形成有显著影响，对重庆地区秋冬季典型大气污染过程的天气形势进行分型归类总结，有助于了解重庆地区空气污染的环流特征，为空气污染潜势预报提供参考依据。天气分型方法一般分为主观和客观两类。主观方法主要根据主观经验进行分类，针对我国大气污染天气形势的主观分型研究有：周亚军等(2005)根据天气系统的移动方向和站点位置，定义了6种天气型，并指出广州地区主要污染时段出现在脊内回流型天气形势下。周宁芳等(2008)对2006 —2007年我国霾频发期环流形势分析，总结出霾主要发生在中阻塞、南支槽和纬向型3种不同的环流形势下。张国琏等(2010)将影响上海的地面形势分为11种，并指出L型高压和均压场易于形成上海秋冬季节PM₁₀污染。戴竹君等(2016)将江苏地区的重度霾天气分为3种天气形势(均压区型、冷锋前部型和低压倒槽型)，并分别讨论每类天气形成霾的原因。王莉莉等(2010)将北京夏末秋初的天气分为使污染物累积的4种天气基本型和2种清洁天气型。王宏等(2008)将福州天气分为10种类型，讨论不同天气型与大气污染物的相关关系。陈朝晖等(2008)以华北地区一次大气污染过程中出现的不同天气型分析污染输送路径。但主观分类方法存在工作量大、较难定量使用等缺点。

近年来，多种客观分类方法应用于天气分型。许建明等(2016)采用T-mode斜交旋转分解方法(PCT)将上海秋冬季污染天气形势客观分型，得到易污染的4种天气环流类型：冷锋、高压后部弱气压场及2类高压前部弱气压场。杨旭等(2017)同样利用PCT方法对京津冀地区冬半年的污染天气进行分型研究，总结出9种天气类型，包括高压前部和高压南部等不易污染天气类型，以及高压场、高压后部、鞍型场和冷锋前部等污染天气类型。陈龙等(2016)利用Lamb-Jenkinson客观环流分型法，将影响武汉地区空气污染的地面形势分为6种类型。而天气分型客观方法除了PCT方法、Lamb-Jenkinson客观环流分型法和K均值聚类法以外，自组织映射神经网络算法(self-organizing map，SOM)因其非线性、有效性、稳健型等优点，在天气分型中应用越来越广泛。陈豫英等(2008)应用SOM方法建立风预报模型；王彦磊等(2008)采用SOM建立副热带高压指数预测模型。代刊等(2013)利用SOM算法对华北区域夏季天气环流进行分型研究，总结出多种典型地面环流形势特征。目前该方法主要用于风场、副热带高压及大气环流等方面分析，但用于大气污染过程的天气类型分析较少。

诸多学者开展了关于重庆大气污染特点及污染气象成因方面的研究工作。刘德等(2004；2005)分析重庆大雾的形成原因并建立了重庆雾的天气预报模型。韩余等(2013)分析重庆大雾的气候特征并总结形成辐射雾和雨雾的不同天气形势。江文华等(2013)对影响重庆空气质量的重度霾天气过程进行诊断分析，讨论重度霾形成原因。胡春梅等(2016)通过两次连续污染天气过程对比总结出大气边界层的不同动力热力特点。王中和林娜(2013)分析重庆大气层结特征与空气质量之间的关系。胡春梅等(2009)通过对重庆空气污染扩散气象条件指标的研究，建立了大气污染扩散气象条件等级预报模型。以上研究工作多集中于重庆雾-霾天气过程的诊断分析和大气污染气象条件预报方法方面，但对重庆空气污染天气环流形势分型方面的研究(王雪梅和韩志伟，2000)相对较少。本文通过对重庆城区PM₁₀浓度的统计分析，确定11、12、1、2和3月为空气污染主要时间段，挑选出此5个月中达到轻度污染(日均空气污染指数超过100)的样本。应用SOM客观分型方法对地面气压场进行天气分型，并经过主观合成分析得到3大类(共6小类)主要天气型，进一步归纳总结各类污染天气型的出现频次、污染情况及气象要素特征。从大尺度环流背景、动力、热力气象条件及后向轨迹模拟分析等方面，讨论重庆几种典型空气污染天气过程形成原因，总结典型污染天气过程特点，以期为重庆地区空气污染潜势预报及浓度预报提供参考依据。

1 资料和方法 1.1 资料

在2013年以前，重庆城区主要对PM₁₀、SO₂、NO₂ 3种污染物进行观测，而首要污染物以PM₁₀为主。所以本文应用重庆市环境监测中心日均浓度资料分析2008 —2012年PM₁₀月变化规律，根据其变化规律，将2008 —2012年1—3月、11—12月日均空气污染指数(air pollution index, API)超过100的样本，定义为秋冬季空气污染天气；并利用相应时段的NCEP/NCAR再分析资料日均海平面气压场(空间分辨率：2.5°×2.5°)进行天气分型。在典型空气污染天气过程分析中，应用重庆城区沙坪坝站地面常规观测资料(风、温、压、湿、雨量、能见度等)、L波段雷达探空资料和对应的NCEP/NCAR再分析资料(空间分辨率：1.0°×1.0°)。文中计算大气边界层高度和逆温层时均利用重庆城区沙坪坝高空观测站L波段雷达探空资料。

1.2 方法 1.2.1 SOM方法简介

对海平面气压场分型时应用SOM算法。该算法最早由芬兰Helsinki大学的Kohonen(1982)提出。SOM方法能根据其学习规则对输入的模式自动进行分类，即在无监督的情况下，对输入模式进行自组织学习，通过反复调整连接输入和输出的权重系数，最终使得这些系数反映出输入样本之间的相互距离关系，并在竞争层中将分类结果表示出来。

文中所应用的SOM神经网络算法，将学习率初始值设为0.4。具体地，假定输入层由N个神经元构成，竞争层有M个神经元。网络的连接权值为ω_ij(i=1, 2, …, N, j=1, 2, …, M)且满足约束条件$ \sum\limits_{I = 1}^N {{\omega _{ij}} = 1} $。在竞争层中，神经元之间相互竞争，最终只有一个神经元获胜，以适应当前的输入样本。竞争胜利的神经元就代表着当前输入样本的分类模式。竞争型网络的输入样本为二值向量，各元素取值0或者1。竞争层神经元j的状态可按式(1)计算。

$ {S_j} = \sum\limits_{i = 1}^N {{\omega _{ij}}{\boldsymbol{X}_i}} $

(1)

式中X_i为输入样本向量的第i个元素。根据竞争机制，竞争层中具有最大加权值的神经元k赢得竞争胜利，输出为

$ {\alpha _k} = \left\{ \begin{array}{l} 1\;\;\;\;\;{S_k} > {S_j}\\ 0\;\;\;\;\;其他 \end{array} \right. $

竞争后的权值按照下式进行修正，对于所有的输入层神经元i，有

$ {\omega _{ij}} = {\omega _{ij}} + a\left({\frac{{{x_i}}}{m} - {\omega _{ij}}} \right) $

(2)

式中：a为学习率；m为输入层中输出为1的神经元个数，即$ m = \sum\limits_{i = 1}^N {{x_i}} $。根据调整公式中x_i/m项表示：当x_i=1时，权值增加；当x_i=0时，权值减小。也就是说，当x_i活跃时，对应的第i个权值就增加，否则就减小。由于所有权值的和为1，所以当第i个权值增加或减小时，对应的其他权值就可能减小或增加。此外，式(2)还保证了权值的调整能够满足所有的权值调整量之和为0。

1.2.2 位温法计算大气边界层高度

本文应用位温法(Liu and Liang, 2010)计算大气边界层高度(PBLH)。对08时和20时探空资料处理流程如下：

(1) 将原始数据插值成垂直分辨率为5 hPa的数据。

(2) 判断探空廓线当前的层结类型θ₅-θ₂：

$ \begin{array}{l} 当 {\theta _5} - {\theta _2} ＜ - {\delta _s}时, 为不稳定层结 \left({{\rm{CBL}}} \right);\\ 当 {\theta _5} - {\theta _2} > + {\delta _s}时, 为稳定层结 \left({{\rm{SBL}}} \right);\\ 当 - {\delta _s} \le {\theta _5} - {\theta _2} \le + {\delta _s}时, 为中性层结 \left({{\rm{NRL}}} \right) \end{array} $

(3)

式中：θ为位温，下标代表从地表l=1往上的第k个l=k垂直层；CBL为对流边界层，SBL为稳定边界层，NRL为中性层结。δ_s为对流边界层顶逆温层的最小强度或稳定边界层顶的θ增量。根据地表特征δ_s取相应数值，文中将CBL与NRL的临界值δ_s设为0.5 K，NRL与SBL的临界值δ_s设为1.0 K。

(3) CBL出现时PBLH的计算方法。对于CBL，浮力是驱动湍流的主要机制，一般将气块沿干绝热上升直到浮力为中性的高度定义为PBLH。具体方法：从最低层l=k处向上扫描，直到满足条件θ_k-θ₁≥δ_u，δ_u是不稳定层内上下层θ增量可接受的最大值。这一初始猜测层k随后进行订正，继续向上扫描去搜索首次发现

$ {\dot \theta _k} = \frac{{\partial {\theta _k}}}{{\partial z}} \ge {\dot \theta _r} $

(4)

式中：$ {\dot \theta _k} $为单位高度z上的θ_k的垂直梯度，$ {\dot \theta _r} $为顶盖逆温层的最小强度，此处的$ {\dot \theta _r} $可理解为上升气块的极限阈值。所以定义了CBL夹卷层的范围，NRL采用同样的程序确定PBLH。其中，参数δ_u、$ {\dot \theta _r} $分别设定为0.5 K和4.0 K·km^-1。

(4) SBL出现时PBLH的计算方法。相对于不稳定CBL的PBLH，SBL的PBLH很难准确地定量确定；SBL内的湍流来源于两种机制：浮力强迫和切变驱动。对于由浮力强迫的SBL，首先从$ {\dot \theta _k} $达到最小值的最底层向上扫描，然后确定PBLH的位置。如果满足以下条件：

$ \left\{ \begin{array}{l} {{\dot \theta }_k} - {{\dot \theta }_{k - 1}} ＜ - \dot \delta \;\;\;\;\;\;或 \\ {{\dot \theta }_{k + 1}} ＜ {{\dot \theta }_r}, \;\;\;\;\;{{\dot \theta }_{k + 2}} ＜ {{\dot \theta }_r} \end{array} \right. $

(5)

第一个条件保证$ {\dot \theta _k} $是局地曲率参数$ \dot \delta = 40\;{\rm{K}}\; \cdot {\rm{k}}{{\rm{m}}^{ - 1}} $的峰值。第二个条件则确定该层之上两层不是逆温层。PBLH定义为从稳定层结向中性或不稳定层结的过渡。对于SBL产生主要由切变主导的情况，低空急流定义为风速最大处，通过以下方法识别：该层比上下两层的风速至少大2 m·s^-1以上，且该层向下风速线性递减；同时限定低空急流高度不超过1 500 m，且风速大于12 m·s^-1。最后，PBLH定义为热力(θ稳定度)和动力(风切变)廓线两者诊断出的高度中较低的一个。

2 天气分型 2.1 PM₁₀浓度的月变化特征

从2008 —2012年的PM₁₀质量浓度月变化(图 1)分析，平均浓度最高出现在12月，达145.9 μg·m^-3，1月、2月为次高，为126 μg·m^-3左右；1、2、3、11和12月浓度较高，超过100 μg·m^-3，其余月份浓度较低，最低值出现在7月，为68.3 μg·m^-3。春夏季PM₁₀浓度较低，对应空气质量优良天数多；秋冬季PM₁₀浓度高，空气质量较差。经统计，1、2、3、11和12月5个月对PM₁₀年总浓度的贡献达到52.7%，对总污染日数的贡献达到92.8%，且多以轻度污染为主。所以本文对2008 —2012年PM₁₀浓度高的5个月出现空气污染时的气压场进行分型研究，总结重庆城区空气污染的主要天气形势及环流特征，并分析空气污染形成的气象因素。

2.2 地面气压场分型

挑选出2008 —2012年1—3月和11—12月达到轻度污染(API>100)的样本共231 d，利用SOM方法对NCEP再分析日均海平面气压场进行分类，共得到31类天气形势，但有的天气类型样本数较少，并不典型，通过主观比较分析，总结出3大类地面气压场形势：均压型(UP)、低压型(LP)、高压底部型(HPB)。其中均压型分为2小类：一类为两冷锋间的均压场(TCU)，另一类为弱高压区内的均压场(WHU)；高压底部型按冷高压的位置分为3小类：北方高压型(NHB)、西北高压型(NWHB)和东北高压型(NEHB)(图 2)。

图 2为每类天气形势所有样本合成的海平面气压场如。两冷锋间均压型(TCU)出现22 d，其主要特征为：新疆北部及蒙古国境内为高压区，高压位置偏北，弱冷空气影响华北、东北地区；而前一次冷空气过程对我国南方地区影响已经基本结束，重庆正处于两次冷锋过程之间的均压场中(图 2a)。弱高压区内的均压型(WHU)出现41 d，天气形势为：新疆地区有一弱高压中心，冷高压中心强度为1 030 hPa，我国中东部地区在高压区范围内，东北地区和贝加尔湖地区为一低压区，重庆地区为弱高压区内的均压场，等压线稀疏(图 2b)。低压型(LP)出现24 d，主要特征:冷高压主体位于新疆北部和贝加尔湖以西地区，高压中心强度为1 032.5 hPa，冷锋前沿位于南疆到河西走廊，四川盆地南部有一低压中心，重庆地区为低压场(图 2c)。高压底部Ⅰ型(北方高压型，NHB)出现55 d，其形势特征为：冷高压主体在贝加尔湖附近，中心强度为1 037.5 hPa，冷空气从河套地区扩散南下，即将影响四川盆地，重庆位于高压底部(图 2d)；高压底部Ⅱ型(西北高压型，NWHB)出现72 d，形势特征为：冷高压主体在新疆以北和贝加尔湖以西地区，强度为1 042.5 hPa，冷空气从河西走廊扩散南下，将从西路进入四川盆地，影响重庆地区，重庆处于高压底部(图 2e)；高压底部Ⅲ型(东北高压型，NEHB)出现17 d，天气形势为：蒙古国境内和贝加尔湖地区为大片高压区，冷高压中心在贝加尔湖以东地区，强度为1 040 hPa，冷空气将从东路华北地区南下影响四川盆地，重庆处于高压底部，等压线相对密集。高压底部型与前两种天气形势明显不同的是重庆地区等压线变得更为密集，冷空气已扩散南下，即将影响重庆(图 2f)。

2.3 不同污染天气型出现频率

不同地面天气型出现频率如图 3所示，当秋冬季重庆出现空气污染时，地面形势多为高压底部型，所占百分比为62.4%，其中NHB型为23.8%，NWHB型为31.2%，NEHB型为7.4%；其次是均压型(27.2%)，其中TCU型为9.5%，WHU型为17.7%。出现频率最低的是LP天气型(10.4%)。高压底部型多出现在12月，除12月外，NWHB型在11月和2月出现概率也较高，NEHB型频率次多出现在2月；LP型多出现在11月；WHU型出现频率最高的是3月，其次是12月和11月；TCU型多出现在12月。可见，重庆地区12月的污染天气形势多为高压底部型和TCU型，11月多为NWHB、WHU和NHB型，1月多为NWHB型，3月多为WHU型。

2.4 不同污染天气型气象要素特征及PM₁₀浓度比较

不同污染天气形势下，气象要素特征也不尽相同。普遍认为，近地面水平风是影响大气污染物水平扩散的重要气象因子(张人禾等，2014)，水平风速决定本地水平扩散条件，风向则决定上游输送的重要影响因子。另外，温度层结、相对湿度、降水对大气污染物的浓度也有重要影响。本小节比较不同污染天气形势及其他清洁样本对应平均风速、温度、湿度、雨量、气压及大气边界层高度(蔡子颖等，2018)和1 000 m以下逆温出现概率等气象要素(表 1)。此外，也列出PM₁₀平均质量浓度及API大小。

6类污染天气形势下的平均水平风速都较小，基本在1.2 m·s^-1以下，最小的两类是TCU和NWHB型，为1.10 m·s^-1；而秋冬季的清洁天气形势下平均风速为1.32 m·s^-1，大气水平扩散能力比污染天气形势下强；另外，污染天气形势下静风出现概率均达到5%以上，特别WHU、NWHB和TCU型污染天气型静风概率达到8%以上，而清洁天气形势下静风概率仅为4.2%。平均气温为10~14℃；相对湿度约为75%~84%，总体上相对湿度污染天气形势高于清洁天气，但LP型相对湿度低于清洁天气；平均气压约在982~992 hPa，LP型气压最低约为981.8 hPa。一定量的降水对大气污染物有湿沉降作用，据统计，重庆城区达到5 mm以上的降水量对污染物沉降作用较明显。通过对日平均降水量的比较，污染天气型的日均降水量几乎都在0.5 mm以下，清洁天气为1.36 mm。从降水日数所占百分比看，污染天气形势下降水日数较少，在30%以下，特别LP型仅为16.7%，NHB和NEHB型降水日数占29%左右，但没有达到5 mm的有效降水；而清洁样本降水日数百分比超过了45%，湿沉降作用比污染天气显著。

利用L波段探空资料分析大气温度层结情况。TCU、WHU、LP和NHB型污染天气形势在1 000 m以下出现逆温的概率超过90%，NWHB型超过80%，但NEHB型为71%，比清洁天气形势下逆温出现概率略低，因为NEHB天气型冷高压从华北地区南下影响重庆，冷空气从东路渗透，逆温层有所破坏。利用位温法计算出大气边界层高度，由表 1所示，受逆温影响，重庆城区秋冬季大气边界层高度(PBLH)都较低，污染天气PBLH型都低于440 m，NEHB型仅为399 m；清洁天气PBLH型明显高于污染天气，为536 m。

通过对PM₁₀平均质量浓度比较，NEHB型平均浓度最高，达211.7 μg·m^-3，对应平均API也最大131；WHU、NHB、NWHB及LP型平均浓度都超过190 μg·m^-3，如表 1所示，TCU型平均浓度为183.4 μg·m^-3，清洁天气形势下，PM₁₀平均浓度远远低于污染天气，为93.4 μg·m^-3。NEHB型污染物浓度最高的原因与输送型污染有关，将在后面典型污染天气过程分析中具体说明。

3 典型污染天气过程气象成因分析

挑选出3次较典型空气污染天气过程，从大尺度形势、动力及热力等方面分析形成污染的气象原因(雷正翠等，2019)。如表 2所示，TCU型选取2010年1月1—3日，LP型选取2011年11月26—28日，NEHB型选取2012年12月7—9日。对应3次天气过程的PM₁₀平均质量浓度分别为218.7、241.3、236.0 μg·m^-3。

从3次天气过程的气象要素(表 2)可以看出，由于天气过程出现时间的不同，平均气温相差较大，TCU型出现在1月，日平均气温为7.3℃，LP型出现在11月，平均气温为18.4℃，NEHB型出现在12月，气温为10.6℃；LP型和NEHB型气温日较差都在5℃以内，天空状况以阴天为主，其中，NEHB型在9日出现弱降水，气温日较差仅为0.6℃，而TCU型出现辐射降温、早上有雾，所以最大气温日较差达到10℃以上；另外，3次过程都没有明显冷空气影响。平均能见度(潘玮等，2017)TCU型最低为1.5 km，NEHB型为2.1 km，LP型为2.7 km。地面平均相对湿度在80%~90%。TCU和LP型没有出现降水，NEHB型出现弱降水。平均大气边界层高度NEHB型最低，大约为307 m，LP和TCU型分别为352和460 m，08时的PBLH型基本在300 m以下。地面风速小，平均风速在1 m·s^-1左右，最大风速在2 m·s^-1左右；静风出现概率，TCU型约为20.7%、LP型约为9.7%、NEHB型约为2.8%；风玫瑰图(图 4)显示，3次过程的风向都以西北风为主，西北偏西及西北偏北风向出现频率也较高。

3.1 大尺度环流背景

3次天气过程的大尺度环流形势有较明显差异(图 5)。TCU型(图 5a，5b)：重庆地区地面为均压场，等压线稀疏；500 hPa我国西部地区为高压脊控制，重庆受脊前西北气流影响，700 hPa为偏西气流，相对湿度低于50%，850 hPa风速较小为西偏北气流，相对湿度在60%以下，天空状况以多云为主，早上有辐射雾出现，午后转为霾，影响能见度，使气溶胶颗粒悬浮于近地层，形成空气污染。LP型(图 5c, 5d)：四川盆地为低压区，低压中心在川东南、重庆西部地区；500 hPa巴尔喀什湖附近有低槽，新疆到青藏高原西部为高压脊控制，高原低槽东移到川西地区，重庆受纬向波动气流影响，700 hPa为西南气流，850 hPa偏南气流从华南地区伸展到重庆受地形影响转为东南气流，700、850 hPa相对湿度均在80%以上，天空状况为阴天，气温日较差较小，大气边界层湍流活动弱，不利于大气污染物扩散。NEHB型(图 5e, 5f)：冷高压中心在贝湖东北部，强度为1 042.5 hPa，冷空气将从东路南下影响重庆，华北地区等压线密集(图略)。500 hPa我国东北地区为低涡控制，新疆到内蒙古为脊前西北气流，高原地区为短波槽脊，重庆受纬向偏西气流影响，700 hPa为西南气流，850 hPa偏南气流及偏东气流在重庆西部形成弱辐合。700、850 hPa相对湿度为70%~80%，重庆西部相对湿度在80%以上，受弱辐合影响，重庆城区以阴天为主，气温日较差很小，在12月9日出现弱降水，形成雨雾。

3.2 动力条件

在不利于大气污染物扩散的环流背景下，本节将进一步从大气的垂直运动及水平运动分析影响空气质量的动力条件(Wu et al，2017)。利用L波段探空资料(空间分辨率为100 m，时间间隔为12 h，分别为08时和20时)及再分析资料(空间分辨率为1.0°×1.0°)分析3次天气过程的中低层动力条件(图 6)。重庆城区经纬度为29.58°N、106.47°E，分析垂直运动时，沿30°N做垂直剖面。

TCU型(图 6a)在100 m以下近地层风力很小，1月1日08时在200 m以下为静风，1日20时50 m以下为静风；1 000 m以下基本为偏东风或东北风，在2日20时和3日20时的200~1 000 m出现东北风下沉气流。垂直剖面图上(图 6b)在850 hPa以下的低层105.5°~110°E为下沉气流。近地层的小风使大气水平扩散能力变差，而垂直方向的下沉气流将大气污染物压缩在近地层，无法向高层扩散，所以2日、3日的日均PM₁₀质量浓度分别达到265、210 μg·m^-3。

LP型(图 6c)从地面到500 m基本为偏东风，11月26日20时和27日08时在1 000 m以下，风速都小于4 m·s^-1，大气边界层内水平扩散能力差，所以26日PM₁₀日均质量浓度为265 μg·m^-3。但在27日20时，600 m以下偏东风逐渐增大，在700 m以上逐渐转为偏南风，且风力增大，27日PM₁₀日均质量浓度有所下降，为219 μg·m^-3。28日08时，500 m以下风力再次减小，污染物浓度再次增加(241 μg·m^-3)。LP型的垂直剖面图(图 6d)与TCU型有较明显的差异，TCU型在800 hPa以下以下沉气流为主，但LP型由于500 hPa有波动槽过境，所以上升运动增强，在900 hPa以下的低层105.5°~107°E有上升气流，下沉气流出现在107°~109°E，在重庆城区的东部。

NEHB型(图 6e)，08时地面到500 m为偏西风，20时以偏东风为主，600 m以下风速较小，在4 m·s^-1以下。垂直剖面(图 6f)与LP型相似，在900 hPa以下的低层105.5°~107°E有弱上升气流，105.5°E以西有下沉气流，107°~109°E有明显下沉气流。低层的小风环境使大气污染物维持较高浓度，12月8日和9日PM₁₀质量浓度分别为272、261 μg·m^-3，达到轻度污染等级。

从水平运动看，近地层的小风环境，不利于大气污染物的水平扩散。从垂直剖面分析，TCU型在重庆城区附近大气边界层内为下沉运动，LP型和NEHB型在重庆城区以东地区(107°~109°E)为明显下沉气流，下沉气流使PBLH型降低，限制水汽和大气污染物传输，相对湿度增加，气溶胶吸湿增长，能见度变差，形成霾，使空气污染持续加重(Zhang X Y et al，2018)。所以，近地面层的小风环境及大气边界层内的垂直运动对空气污染潜势预报有一定的指示意义。

3.3 热力条件

大气的温度层结是重要的空气污染气象条件之一，主要影响大气污染物的垂直扩散。由温度层结曲线可知(图 7)，3次天气过程有明显逆温现象；TCU和LP型20时逆温强度强于08时，且有较明显的贴地逆温现象，但NEHB型逆温层高度更高，贴地逆温不明显。

TCU型(图 7a)：2010年1月1日08时没有出现逆温，20时出现贴地逆温，逆温强度为8 ℃·km^-1；2日08时和20时出现贴地逆温，最强逆温强度为20 ℃·km^-1；3日08时无贴地逆温，但逆温厚度达200 m，逆温强度为6.5 ℃·km^-1，20时有贴地逆温，强度为18 ℃·km^-1，在1 000 m以下，出现两层逆温层。TCU型天气对应高层为西北气流，夜间晴空辐射，易形成逆温，大气层结稳定度高，在2日和3日凌晨出现辐射雾，不利于大气污染物垂直方向扩散。

LP型(图 7c)：08时和20时都出现贴地逆温，且在1 000 m以下出现两层或三层逆温层，逆温强度比TCU型弱，最强逆温强度出现在2011年11月27日08时(12 ℃·km^-1)，最厚逆温厚度为150 m，出现在28日20时。LP型天气对应高空为西偏南气流，有波动槽过境，天空状况为阴天，大气层结稳定，气温日较差较小，不利于近地层湍流活动，大气垂直扩散能力差，850 hPa以下相对湿度在70%~80%，气溶胶颗粒堆积在逆温层以下，吸湿增长，形成霾。

NEHB型(图 7e)：此类污染天气过程逆温强度最弱，逆温强度最强为7 ℃·km^-1，一般逆温强度为2~4 ℃·km^-1，无明显贴地逆温，仅7日08时出现贴地逆温，在1 000 m以下多为一层逆温，逆温层厚度一般为50 m，最厚为100 m，出现在7日08时。NEHB型高层为纬向偏西气流，波动槽脊快速过境，在7—8日，天空状况以阴天为主，气温日较差为2~3℃，大气热力层结相对稳定，近地层相对湿度在80%左右，出现霾；9日，受东路弱冷空气回流影响，逆温层破坏，出现弱降水，雨量为0.6 mm，对大气污染物湿沉降作用不明显，使气溶胶颗粒物悬浮在近地层，能见度降低。另外，冷空气主体没有完全南下影响重庆，近地层风力较小，大气扩散能力差，污染物浓度没有明显下降，仍为轻度污染。

为了进一步了解大气的层结结构，本文计算出位温曲线(图 7b, 7d, 7f)，3次天气过程在200 m以下近地层位温随高度明显增大，大气层结稳定度高、垂直运动弱，不利于大气污染物垂直方向扩散。

综上所述，逆温强度TCU型强于LP型，LP型强于NEHB型；逆温厚度也是TCU型最厚，NEHB型逆温层最浅薄；NEHB型出现偏东气流影响时，逆温层被破坏。可见，近地层的逆温现象与空气污染天气有较好的对应关系，在空气污染潜势预报中有指示作用。

3.4 典型污染天气过程后向轨迹特征

对3次典型污染天气过程以上几方面的分析可知，气象条件对大气污染物的扩散稀释沉降有非常重要的影响。但另一方面，气溶胶颗粒的来源(Seo et al，2018；Zhang Z Y et al，2018；白永清等，2018)同样值得关注。应用美国国家海洋和大气管理局(NOAA)开发的HYSPLIT模式分析3次天气过程的后向轨迹。由位温法计算出的重庆城区的PBLH大约为500 m，同时考虑地形的影响，所以垂直方向选择100、500和1 000 m三层高度作为初始高度。TCU型(图 8a)，低层(100、500 m)气流输送显示，污染物主要以本地源为主，与戴竹君等(2016)的分析结果一致。TCU型1 000 m气流输送来自西北地区，与850 hPa的西偏北气流方向吻合，但由于没有明显冷空气影响，风速小，西北地区的输入型气溶胶颗粒对四川盆地的影响相对较小，所以，TCU型污染源主要来自本地。LP型(图 8b)与TCU型的后向轨迹有明显的不同，LP型是明显的输送型污染天气过程，各高度层气团都来自华南地区，与850 hPa从华南到重庆地区的东南气流输送一致，所以此类输入型污染，平均浓度相对较高。NEHB型(图 8c)，100 m高度大气污染物主要为本地源；500 m气流输送来自我国东部地区；1 000 m气流输送来自四川盆地以南地区。NEHB型气流主要有两支，一支为偏南气流，另一支为东北气流，所以NEHB型污染过程既有本地污染源又有来自其他地区的污染源，所以在几类污染天气型中污染物浓度最高。

基于前面对典型污染天气过程的分析得到：TCU型重庆地面为均压场，500 hPa为脊前西北气流，中低层相对湿度低，在700 hPa以下为下沉气流，地面等压线稀疏，风力小，以多云天气为主，早上有辐射雾出现；近地层逆温现象明显，逆温层深厚，大气层结稳定度高，PBLH型低，大气垂直输送和水平输送能力差，利于本地污染源静稳累积(刘晓咏等，2019)。LP型重庆地面为低压场，500 hPa为纬向波动气流，700 hPa西南气流和850 hPa偏南气流使重庆地区中低层相对湿度增加，由于地面为低压，有弱辐合气流，但因高层为波动气流，动力抬升条件较差，没有明显降水，天气阴沉，气温日较差小，形成霾；1 000 m以下有多层逆温，大气层结稳定，气溶胶颗粒在低层下沉气流影响下，在近地层混合、堆积，使空气质量变差，此类天气型多为输送型污染天气，污染源多来自南方地区。NEHB型冷空气逐渐扩散南下，但地面风力较小，高空为纬向偏西气流，700 hPa为西南气流、850 hPa受偏南气流和偏东气流共同影响，重庆相对湿度开始增加，明显降水未出现，气溶胶颗粒在适宜的湿度条件下不断吸收大气中的水汽，爆发性增长，使大气污染物浓度维持在较高水平。此类天气型污染源既有本地源也有输入性污染源，大气污染最严重。

4 结论与讨论

综合上述分析得到以下主要结论：

(1) 根据2008 —2012年重庆污染物浓度数据，筛选出大气污染过程，再利用SOM方法将出现大气污染的地面气压场分为31类，经过主观比较合成，总结出3大类天气形势：均压(UP)型、低压(LP)型、高压底部(HPB)型。其中均压型分为2小类：两冷锋间的均压场(TCU)、弱高压区的均压场(WHU)；高压底部型按冷高压的位置分为3小类：北方高压型(NHB)、西北高压型(NWHB)和东北高压型(NEHB)。HPB和TCU型多出现在12月，LP型多出现在11月，WHU型多出现在3月。NEHB型大气污染物浓度最高，空气污染最为严重。

(2) 重庆不同天气型气象要素特征：污染天气形势下，近地层风速小，静风频率高，WHU、NWHB和TCU型静风频率超过8%；降水日数所占百分比低于30%，日均降水量小于0.5 mm。大气层结稳定，1 000 m以下出现逆温概率超过80%，TCU、WHU、LP和NHB型超过90%。大气边界层高度低，各类污染天气型低于440 m。

(3) 典型TCU型天气过程：天空状况为多云，早上有辐射雾出现，至午后转为霾。LP型以阴天为主，气温日较差小，低层湿度大，形成霾。NEHB型有弱降水产生，但湿沉降作用不明显，形成雨雾。典型污染天气过程动力条件：大气边界层内垂直运动和水平运动弱，在低层为下沉气流，200 m以下近地层水平风速小于5 m·s^-1，TCU型地面静风频率超过20%。热力条件：大气层结稳定，1 000 m以下逆温现象明显，逆温强度TCU型强于LP型，强于NEHB型。

(4) 后向轨迹分析显示：TCU型主要为本地污染源；LP型为输送型污染天气，污染源来自我国南方地区；NEHB型为本地源和来自我国东部及南部的污染源共同影响，形成重污染天气。

(5) 通过典型大气污染过程分析发现，重庆由于其特殊的山地城市特点，秋冬季节主要以本地累积污染为主，输送型污染相对较少。

另外，在空气污染潜势预报及浓度预报中值得关注的是：秋冬季地面为均压场或低压场时，重庆易出现雾或霾天气，大气污染物浓度增加，空气质量变差；当有冷空气南下，出现弱降水时，污染物浓度并不会马上下降，仍会维持较高浓度，直到冷空气主体完全影响四川盆地，逆温层破坏，大气边界层高度升高，风力明显增大时，重庆的空气质量才会明显好转。

由于2013年以后受到污染源减排的影响，难以区分气象条件与污染源对污染物浓度时空变化的贡献，讨论大气污染过程的天气类型分析存在不确定性，因此本文采用SOM方法仅分析了2008 —2012年大气污染过程的天气类型，未来将采用数值模拟方法区分气象条件与污染源的贡献后，深入分析其气象影响机理。另外，本文仅对重庆大气污染过程的地面气压场进行天气分型，并没有对清洁天气时的气压场分型，进一步对清洁天气下地面形势场的归类总结研究，将能为重庆地区空气污染潜势预报提供更全面的参考依据。

致谢：中国气象科学研究院端义宏研究员在本文完成过程中提供了指导和帮助，谨此致谢！