北京地區aqi時空分布特征及氣象觀測要素相關性分析

污染物的輸送與氣象條件冬季是北京霧和污染嚴重的季節1.2。隨著城市化進程的加快,污染物成分以及源地都有了變化。根據一些學者的研究［3－5］,北京地區污染物主要由三部分組成,最主要的部分是本地的排放,第二部分是周邊地區污染物的輸送,第三部分是污染物的再生。同時,污染物濃度變化具有明顯的季節特征［6］。針對污染物的輸送,前期有研究者利用MM5、WRF等模式進行了局地環流的模擬［7］,或通過衛星監測分析污染物的演變情況［8］。2013年1月1日之前,環保部門正式公布的污染數據是以可吸入顆粒物(PM10)為基礎的,污染物與氣象條件的相關研究多以PM10為分析對象［9－13］。按照環保部門的環境空氣質量指數(AQI)技術規定(試行)［14］和環境空氣質量標準［15］,AQI是從6項污染物(SO2、NO2、PM10、PM2．5、O3、CO)基本項目中選擇空氣質量分指數最高者為空氣質量指數。從環保部門監測數據的統計可知,2013年1-2月,以細顆粒物(PM2．5)為首要污染物的天數達到了51天。因此,空氣質量指數和PM2．5成為輿論焦點,也成為氣象部門服務工作的一項重要內容。但是,在污染物種類調整、污染指數計算分級方法改變的情況下,氣象條件與污染指數的關系是什么,污染的監測和預報中需要關注那些內容,這些就是本文探討的內容。1年生里氣象點分析本文采用的主要數據如下:2013年1-2月共計59d的NCEP(1°×1°)/EC(0.25°×0.25°)逐日再分析資料;北京市環保局35個觀測站空氣質量日報數據(AQI);北京南郊觀象臺的相對濕度、氣壓和風速的逐日觀測數據。2北京市avi的時間變化從北京35個監測站的2013年1月、2月逐月的AQI平均(下同)分布圖可以看到,1月(圖1a)污染程度明顯重于2月(圖1b)。1月,北京大部地區AQI都在101以上,城區和南部郊區更是達到了201~300的水平。2月,僅部分城區和南部郊區達到了151以上。從1-2月總體AQI平均分布看,延慶、懷柔和密云等地為101~150,城區和南部近郊則為151~200,大興、通州和房山的部分地區超過了200。AQI呈現出了一種自東南向西北遞減的分布趨勢。另外,在本次過程的監測分析中發現,城區與郊區的污染程度有著較為明顯的差異。城區人口密集,人類活動如汽油燃燒、燃煤供暖等所形成的人為排放較強。北京市環保部門數據監測顯示:1月10-14日,北京市二環路以內4個觀測站(東城東四、東城天壇、西城官園和西城萬壽西宮4站AQI的均值為376)空氣質量指數5d均值比遠郊區4個觀測站(懷柔鎮、平谷鎮、密云鎮和延慶鎮4站的均值為294)均值高出27.9%。從1-2月逐日AQI變化(圖2)看,1月AQI日指數大于100的天數達到了24天。1月共出現5次污染過程,分別是4-7日、10-14日、16-19日、21-24日、27-31日。其中,10-14日的過程持續時間達5天,AQI日平均值達到353,比27-31日(AQI日平均值為305)過程明顯偏重。2月,受大氣環流調整影響,污染過程持續時間短,AQI相對較低,污染程度明顯輕于1月,AQI大于100的天數為16天。3北京市1月1日至2月28日avi及aai指數變化污染物變化監測是作好分析預報的一個前提,監測一般通過衛星遙感或者地基觀測實現。利用衛星遙感監測產品是一個直觀性較好的途徑。FY-3A/TOU紫外吸收性氣溶膠指數(AAI)產品是體現大氣中吸收性氣溶膠濃度高低的半定量遙感產品,AAI高值分布區對應于污染嚴重的灰霾天氣區,其值越大說明大氣顆粒物越多,并以吸收性的污染類氣溶膠顆粒物為主。1月10-14日的污染過程是1月持續時間最長也是最為嚴重的污染過程之一。該時段FY-3A衛星在北京及周邊地區的過境時間為09:00-10:30。利用FY-3A/TOU紫外吸收性氣溶膠指數(AAI)產品逐日反演結果,可以清楚地看到北京地區的污染天氣整體變化過程(圖3)。10日,北京地區AAI指數在1~2.5之間;11日,北京地區AAI指數明顯升高,河南、河北地區至北京西南方向也出現一條帶狀污染物高值區,北京地區AAI數值升高至3~4之間,AQI達到了361;12日,指數有所減弱,AAI高值中心東移,北京地區AAI指數集中在2~3之間,但當天的AQI卻達到了420;13日,AAI再次升高至3~4.5,AQI維持高值,為399;14日,AAI明顯減弱,AAI和AQI指數都回落到10日水平。對南郊觀象臺地區1月1日至2月28日共計59d的AQI和AAI作線性分析發現,AQI隨著AAI的增加呈現出相應的上升趨勢。計算二者之間的相關系數為r=0.456,經檢驗,通過α=0.01的顯著性水平檢驗,表明二者之間呈明顯正相關關系。即,當AAI值較高時,AQI也會同樣為較高值。因此,AAI對AQI的監測分析有著較高的應用價值。4avi與觀測要素的回歸分析根據現有的研究,PM10濃度與能見度、相對濕度、氣壓和風速相關性較好［12－13］。鑒于AQI是基于6種主要污染物的計算結果,是衡量當地污染程度的最終結果,故本文重點研究了AQI與氣象觀測要素之間的關系。利用北京南郊觀象臺氣象數據分析2013年1-2月期間逐日AQI與氣象要素之間的相關特征。計算表明,AQI與風速、氣壓、相對濕度的相關系數為-0.41、-0.49、0.67。經檢驗,均通過α=0.001的顯著性水平,表明AQI與相對濕度呈明顯正相關,與氣壓和風速呈明顯負相關。周麗等［16］的研究結果顯示,PM2．5的濃度與風速、氣壓、濕度的相關系數分別為-0.45、-0.68、0.48,與本文結果近似。其原因在于:1-2月,北京地區共計有52天首要污染物為細顆粒物(PM2．5),比例達到了88.1%,這導致了AQI與觀測要素的相關性中PM2．5的作用突出。利用最小二乘法原理,以空氣質量指數(Y)為因變量,相對濕度(X1)、氣壓(X2)和風速(X3)為自變量進行多元線性回歸分析,樣本長度為1月1日-2月28日(59d),得到方程對回歸方程作顯著性檢驗:構造統計量其中,U=347540,為方程的回歸平方和;Q=276114,為偏差平方和;n=59,為樣本長度;m=3,為自變量個數。得到F=23.08,給定顯著性水平α=0.01,F0．01(m,n-m-1)=4.13,F>F0．01,表明回歸方程通過顯著性檢驗;復相關系數為0.75,方程的總體回歸效果一般。再逐一對相對濕度、氣壓和風速3個因子的回歸系數作顯著性檢驗:計算統計量分別為F1=17.06,F2=13.53,F3=0.71,而F0．01(1,55)=7,可見在α=0.01時,相對濕度、氣壓這兩個因子的影響是顯著的,而風速不顯著。運用逐步回歸法,在3個變量中剔除風速,分別再次對回歸方程和系數作顯著性檢驗,在α=0.01時方程、相對濕度系數、氣壓系數均具有顯著性,重新建立回歸方程因此方程(2)為空氣質量指數(AQI)與相對濕度、本站氣壓的最優回歸方程。為檢驗回歸方程的效果,以相對濕度和氣壓為自變量,利用方程(2)對1-2月共59d的AQI進行擬合,并與AQI觀測數據進行對比,結果如圖4所示。由圖4可見擬合效果較好。分析二者的統計量:平均值均為173;觀測數據的均方差是297,擬合結果為173;觀測數據的最大、最小值分別為420、38,擬合結果為297、-9。由此可見,在空氣質量指數(AQI)的整體變化趨勢和平均狀態上擬合效果較好,但對極值的擬合能力不足,擬合結果更趨于平均。在AQI的預報趨勢分析中,相對濕度與氣壓的參考價值較高,建議予以更多關注。5高光耀和北京高光耀的特點及穩定分析5.1天氣環流形勢從1月的500hPa高度平均場(圖5a)來看,烏拉爾山高壓脊較常年偏低偏東,高壓脊伸展到60°N附近,烏拉爾山附近地區的高壓脊高度偏低12~16dagpm,這種環流形勢不利于極地冷空氣的南下。貝加爾湖地區受弱脊控制,東北冷渦的強度明顯偏弱,這同樣不利于東路冷空氣的南下。1月,北半球西風指數較常年明顯偏大,環流平直［17］。正是這種大氣環流異常的情況,華北地區冷空氣的活動較常年平均偏弱。2月,烏拉爾山附近地區的高度比1月高了12~16dagpm,貝加爾湖及其以東地區高度場較1月偏低4~8dagpm(圖5b),極地冷空氣南下有所加強。歸納華北地區冷空氣活動較弱,污染物不易擴散的環流背景如下:1)500hPa高空在烏拉爾山偏東地區(70-90°E)之間有高壓脊,形成了阻塞形勢,阻擋或減弱了西北路冷空氣東移南下;2)高壓脊最高僅伸展到60°N附近,極地冷空氣缺乏引導氣流,無法南下;3)貝加爾湖地區有間斷性高壓脊活動,導致西伯利亞遠東地區的冷空氣影響我國的程度偏弱。5.2混合層高度的相關分析大氣穩定度是大氣邊界層研究中一個極其重要的參數,在許多污染擴散模式中作為單一參數來定義大氣湍流狀態或描述大氣擴散能力。目前存在的大氣穩定度分類方法有十幾種,綜合考慮湍流熱力因子和動力因子作用的穩定度參數物理意義最明確。參考畢雪巖［18－19］等的研究,北京地區大氣穩定度有著較為明顯的季和日變化,不同高度的穩定度區間也有著較大的差異。大氣低層的穩定度高不利于低層的污染物向上擴散,從而積聚于低層,這在一定程度上有利于污染天氣的持續。利用混合層高度和總體理查森數來分析2013年1-2月北京地區大氣的特征與AQI的關系。混合層高度表征污染物在垂直方向被熱力對流與動力湍流輸送所能達到的高度,是影響污染物擴散的重要參數,計算混合層高度常用的方法為羅氏法［20］。利用EC再分析場計算混合層高度,鑒于大氣穩定度的日頻率變化特征較為顯著［21－22］,選擇08時資料進行分析,北京地區1-2月逐日混合層高度平均值為569m,在1-2月AQI>100的40天中混合層高度的平均值為459m,其中,1月僅有3天大于1km,最小的高度不足100m。在1月10-14日的污染過程中,混合層高度為78~625m,另外一次過程中(1月27-31日),混合層高度也始終不足400m。對AQI與1-2月混合層高度進行相關性分析,得到相關系數為-0.511,呈明顯的負相關關系,相關系數通過了α=0.01的顯著性水平檢驗。這意味著:混合層高度與AQI有著較好的相關性,混合層高度越低,大氣擴散能力越差,污染物難以通過上下層大氣之間的對流擴散。吳慶梅等［23］研究也認為,污染物對中低空的擾動敏感。在AQI預報中,混合層厚度是一個很好的參考數據。5.3總體理查森數與空氣指數avi動態變化的關系在城市環境中應用較多的穩定度參數———總體理查森數(RB)是通過綜合考慮熱力動力因素的總體理查森數診斷邊界層高度,從而衡量大氣穩定度［24］。利用NCEP再分析資料,計算1-2月北京地區850-1000hPa之間的日平均總體理查森數,結果見表1。1月總體理查森數日平均值達到了9.64,高于2月份日均值8.48。1月AQI日指數大于100的天數達到了24天,大于2月的16天。從總體理查森數與空氣質量指數AQI趨勢變化上可以看到:二者呈現出較為明顯的升降趨勢一致性,但是空氣質量指數AQI有滯后性,要比總體理查森數滯后1天。鑒于這種關系,在分析AQI超過100(輕度污染)、150(中度污染)、200(重度污染)與總體理查森數的關系時,計算了前一天和當天的總體理查森數的平均值,結果為10.63、10.63和10.75。對1-2月的850-1000hPa的總體理查森數計算表明:1)當總體理查森數≥10.63時,大氣穩定度高,利于污染持續或發展;2)當總體理查森數介于3.62~10.63之間時,大氣穩定度屬于中性,需根據環流背景等其他因素分析污染發展趨勢;3)當總體理查森數≤3.62時,大氣穩定度低,不利于污染持續或發展。根據以上分析,可以利用前一天的總體理查森數與當日的理查森數判斷預測AQI的發展趨勢。另外,1月1日-2月28日,北京地區共有10天出現雨雪天氣,這10天的總體理查森數最高值為3.62(表1),最低值為0.24,平均值為1.49。這說明,雨雪天氣出現時,大氣穩定度較低,對于削減污染程度有一定的幫助。6avi的回歸方程擬合結果與預報分析(1)2013年1-2月北京地區出現了多次嚴重的污染過程,AQI呈現出了一種自東南向西北遞減的分布趨勢。延慶、懷柔和密云等地為101~15