持续鞍型场导致的西安市PM2.5重污染过程分析

任鹏杰， 尉 鹏， 赵 森， 张博雅， 戴学之， 胡京南

1.中国环境科学研究院， 环境基准与风险评估国家重点实验室, 北京 100012

2.西南林业大学国家高原湿地研究中心， 云南 昆明 650224

3.合肥市气象局， 安徽 合肥 230041

当前，以细颗粒物(PM2.5)为主的重污染天气对全球变化[1-3]、大气能见度[4-5]、人类健康[6-7]以及交通安全[8]等均产生了重大影响，引起了公众的广泛关注. 西安市的人口、科研教育机构和工业活动密集，是我国著名的旅游城市，也是“一带一路”的重要节点城市，近年来随着西安市经济的快速发展，PM2.5重污染对环境、经济及生活的影响备受关注.

PM2.5污染天气的形成与气象条件及大气中的细粒子浓度有关[9-10]. 研究[11-12]发现，污染物的生成、积累和清除过程及其区域输送均受大尺度环流形势的影响. 若低层大气出现梯度很强的逆温层，并且边界层高度比较低，污染物在垂直方向的扩散就会受到阻碍，导致近地层大气中的污染物浓度增大[13-14]. 纬向西风气流型或高压脊型两种环流形势容易引起区域性持续污染事件[15]，北京市的多次重污染过程与这两种环流配置密切相关[16-17]. 均压场、低空逆温层、偏南暖湿气流是PM2.5重污染形成的有利条件[18]，低风速、高湿度、低能见度等地面气象要素是PM2.5重污染形成的重要因素[19]. 张恒德等[20]指出，静稳天气指数对重污染天气有一定的指示意义，较低的混合层，较小的通风系数以及逆温层的存在是重污染天气出现和维持的气象条件. 华北地区中低对流层深厚的下沉气流导致该地区行星边界层的厚度降低，导致空气污染的加重[21]. TAO等[22]研究表明，我国东部持续的重污染与贝加尔湖高压长期影响、对流层低层逆温等有关. 黄少妮等[23]研究了陕西关中地区气象和颗粒物浓度的监测资料，发现关中盆地持续的强东风以及喇叭口地形造成该区域污染传输叠加本地污染后的循环积累，其污染的清除有赖于冷高压南下. 王珊等[24]研究发现，在气压场偏弱、气压梯度力小的情况下，弱冷空气易导致上冷下暖的稳定性层结，城市热岛效应通过环流改变污染物扩散规律，这些都有利于雾霾的形成和维持. 造成空气污染延续性的可能原因是天气系统具有延续性，同时稳定的大气层结和空气对流运动受阻减弱了污染物的垂直扩散能力，最终引起了空气污染[25-26].

鞍型场型是弱气流场，气压场呈2个高压和2个低压相间分布的形势，鞍型场的气压梯度小，地面多静风，不利于污染物的水平和垂直扩散[27]，污染物在地面堆积形成污染天气. 近年来，许多学者对西安市大气重污染成因、影响及天气型方面进行了研究，但现有研究尚不全面，持续鞍型场控制下的PM2.5重污染分析更待进一步研究. 西安市在2016年2月6—14日出现了持续时间达6 d的污染天气，气压场呈明显的“两高两低”的形势，且空气质量从良恶化到重度污染仅用了1 d，是近年来最典型的持续鞍型场控制下的重污染过程，该研究将客观分型和主观研判相结合，从空气污染特征、大气环流形势、主要气象因子、边界层等角度对此次持续鞍型场导致的PM2.5重污染过程进行深入探讨，以期为城市大气重污染过程天气的预测预警以及预防提供理论参考.

1 数据和方法

1.1 研究区概况与数据来源

西安市位于关中盆地中部，三面环山，只有东侧开口. 特殊的地形、不利的天气形势等因素使得污染物不易扩散，逐渐累积形成重污染. 该研究所用PM2.5监测数据来自中国环境监测总站的城市小时浓度数据，时间分辨率为1 h，时段为2016年2月6—14日. 气象数据来自中国气象局的micaps天气型格点数据，时间分辨率为3 h，空间分辨率为2.5°×2.5°. 气象要素数据为中国气象局的micaps第一类站点数据，站点为西安市长安站、宝鸡市宝鸡站、咸阳市秦都站、渭南市渭南站和铜川市铜川站，包括相对湿度、气温、风速、气压等要素，时间分辨率为1 h.

1.2 WRF气象模式

WRF (Weather Research and Forecasting Model)气象模式是由美国国家大气研究中心(NCAR)等机构研制的多尺度数值预报模式，广泛应用于气象、环境等领域. 气压场数据来自美国国家海洋和大气管理局(NOAA)，用WRF气象模式对数据进行处理并成图. 模式采用三层嵌套，采用Lambert投影，分辨率分别为27 km×27 km、9 km×9 km和3 km×3 km，覆盖区域分别为中国、陕西省和关中地区，垂直分为27层，时间分辨率为3 h. WRF模式的参数设置见表1.

1.3 检验方法

对模拟结果的检验采用均方根误差(RMSE，root mean square error)和平均绝对误差(MAE，mean absolute error)，计算公式：

表1 WRF模式参数设置

(1)

(2)

式中，xi为观测值，x0为预测值，n为样本数.

1.4 天气分型方法

该研究采用cost 733天气分型软件中的PCT (Principal Component Analysis in T-mode)方法[28]对天气进行分型，是一种基于Huth改进的T-mode斜交旋转主成分分析法[29]. 基本原理[30]是将原始高维数据Z表示为2个低维矩阵，即Z=FAT，每行有N个空间格点，每列有M个观测时次，其中，F为主成分(PC)，A为PC载荷. 将主成分按照对应的特征值大小排序，特征值越大则对Z的贡献最大. 选取对Z累计贡献率超过85%的特征值所对应的前K个(K≤M)主成分F，从而达到降维的目的. 该方法能较准确地反映原始环流场的特征，不会受到分型对象的影响，可以得到稳定的时空场[31-32]. 2016年2月8日，海平面气压场由西北至东南呈高-低-高的分布特征，由东北至西南呈低-高-低的分布特征，2个高压中心分别位于蒙古高原西部和华南沿海，2个低压中心分别位于中国东北和孟加拉湾，西安市位于4个高低压中心之间的鞍部，气压梯度小，近地面北侧为西北风，南侧为弱的偏南风.

1.5 气象要素模拟结果与实测对比

对气象要素模拟的优劣影响对大气污染过程的判断. 该研究利用WRF对西安市2016年2月6—14日的气温、相对湿度、气压和风场进行模拟. 根据西安市2016年2月的AQI值和ρ(PM2.5)的变化特征，将2016年2月6—7日ρ(PM2.5)持续上升的阶段称为污染加重阶段，8—11日ρ(PM2.5)出现峰值且污染最严重的阶段称为污染维持阶段，12—14日ρ(PM2.5)快速下降且空气质量明显好转的阶段称为污染减轻阶段. 表2为模拟结果值与实测值的RMSE和MAE. 从对气温模拟的准确度来看，RMSE均在4.5 ℃以下，MAE均在2.5 ℃以下，模拟最好的为污染减轻阶段. 在污染加重阶段，相对湿度的MAE低于5.0%，但模型对污染演变各阶段的相对湿度模拟准确度不一，对相对湿度的低估可能受降水过程模拟不准确的影响，但其误差在正常范围内. 对气压的模拟值较为接近实测值，RMSE均不超过2.0 hPa，MAE均在1.0 hPa以下. 各污染阶段的风场模拟能够较好地反映实际风速的变化，对污染加重阶段的风速模拟最优，RMSE和MAE分别为0.92和0.37 ms.

表2 西安市不同污染阶段WRF模拟气象要素的模拟效果

2 结果与讨论

2.1 重污染过程描述

图1 西安市2016年2月6—14日AQI和ρ(PM2.5)日均值变化过程

由图1可见：2016年2月6—14日西安市出现明显的持续性污染过程，ρ(PM2.5)日均值AQI均呈双峰特征，二者呈同步上升或下降的趋势，空气质量表现为良—重度污染—中度污染—重度污染—轻度污染—良的变化过程，中度、重度及以上污染天气过程持续时间达4 d. 2月6日ρ(PM2.5)日均值为24 μgm3，空气质量为良(AQI为52)；7—8日ρ(PM2.5)日均值和AQI均呈快速上升趋势，二者增量分别为158 μgm3和177，因8日是正月初一，受天气形势及燃放烟花爆竹的影响，其空气质量达到重度污染，ρ(PM2.5)日均值和AQI均达最大值，分别为198 μgm3和252；8—9日ρ(PM2.5)日均值和AQI均有小幅下降，分别降低了70 μgm3和82；9—11日ρ(PM2.5)日均值和AQI均有小幅上升，分别增加了为26 μgm3和34；ρ(PM2.5)日均值和AQI均在11日达到次高值，分别为154 μgm3和204，空气质量为重度污染；11—14日的ρ(PM2.5)日均值和AQI均快速下降，分别减少了136 μgm3和152，受天气形势改变的影响，ρ(PM2.5)日均值在14日达到最小值(18 μgm3)，当日AQI为52，空气质量为良.

根据不同来源对一次组分和二次硝酸盐、硫酸盐的贡献进行分析发现，在西安市PM2.5污染较严重的月份能源、工业源、交通源、居民活动、扬尘源、其他来源占比分别为5%、58%、2%、16%、4%、15%[33]. 西安市PM2.5污染表现为范围广、污染水平高的特点，PM2.5是西安市的主要污染物[34]. 关中盆地2月最重要的PM2.5源是居民生活源，其贡献超过40%[35]. 不利的气象条件造成的积累效应导致了重污染过程中OC、EC的上升，二次反应加剧对OC的升高也有重要影响；同时，二次液相反应的增加是造成二次无机离子组分浓度升高以及重污染过程的主要原因[36]. 由表3可见，与其他城市相比，西安市春节期间的ρ(PM2.5)高于北京市[37]、上海市[38]、南京市[39]和新乡市[40]，低于郑州市[41]和济南市[42].

表3 部分城市春节期间的ρ(PM2.5)观测值

2.2 天气形势分析

2.2.1PM2.5污染加重阶段

2016年2月6—7日是污染加重阶段，此时高空为西风气流，高压中心位于45°N～50°N附近. 6日，1 050 hPa覆盖了我国中西部广大地区，我国西北地区处于高压均压带，西安市受大陆高压控制，且处于高压脊附近，东北到华北为低压槽控制，大陆高压受其阻滞，停留时间较长，此时气压梯度很小，地面风力较弱或为静风. 冬季大陆高压的下沉气流和低层逆温阻碍了污染物的垂直扩散，容易导致严重的大气污染[43]；同时，西安市地处关中盆地，受封闭的地形影响，风速明显降低，对流层底部大气温度和湿度升高，边界层高度降低，从而加重PM2.5污染. 气象条件影响大气污染物的扩散、转化和传输速率，是产生大气污染的动力因素. 2月8日为春节，不利的气象条件抑制了烟花爆竹燃放所产生的污染物的扩散. 研究[44]表明，不利的气象条件是春节期间空气质量下降的主要因素，污染物浓度的降低有赖于气象条件的转好. 此次高压控制时间长、范围大，导致PM2.5持续积累. 7日11:00开始，大陆高压断裂为两部分，在45°N和30°N附近各出现1个高压中心，东北地区和西藏地区各有1个低压中心，西安市处于这4个高低压中心之间，鞍型场形势初步显现.

2.2.2PM2.5污染维持阶段

2016年2月8—11日污染维持阶段，此时段污染最严重. 西安市的气压场为脊区转槽前. 8日48°N和25°N附近均为高压中心，东北地区和南亚为低压，西安市处于2个高压和2个低压之间的鞍型场中，地面为弱的气压场，天气持续静稳，整体天气形势有利于污染物的汇聚和累积. 9日西安市的南面有低压槽通过，一部分污染物在槽后西北风作用下得到扩散，因此9日ρ(PM2.5)有一定的下降. 位于四川盆地的低压在9—11日逐步加强，西安市处于低压均压场的控制下，低压系统内的气流为辐合上升，增加了污染物的累积；此时西南槽发展强盛，西安市等地区压线稀疏，气压梯度力小，静稳天气维持，不利于污染物扩散. 10—11日在日本海上空高压的影响下，华北到关中一带持续东南风，导致污染物输送到关中盆地，加之关中盆地的地形阻滞，西安市ρ(PM2.5)出现小幅上升，于11日ρ(PM2.5)达到次高值，空气质量为重度污染. 此阶段内正值春节，因此烟花爆竹的燃放也加重了PM2.5的污染. 研究[45]表明，天气系统显著影响大气污染物的空间分布、扩散条件及其气溶胶光学厚度的空间变异性，不同的天气型通过传输路径和扩散条件影响ρ(PM2.5)[46].

2.2.3PM2.5污染减轻阶段

2016年2月12—14日为污染减轻阶段，此阶段冷高压不断累积并加强. 12日高压中心位于50°N，低压中心位于25°N附近，位于贝加尔湖一带的横槽逐渐转为竖槽，引导冷空气不断南下，有利于西安市ρ(PM2.5)的下降. 13日低压东移，西伯利亚一带的冷高压向东南方向扩散，西安市的气压梯度明显增强，等压线密集，风力加大，最大风速达5.2 ms，地面强劲的西北风持续约3 d，PM2.5得到有效清除. 14日西安市受高压控制，气压升高，气温下降，12—14日的AQI降幅为75，空气质量由轻度污染转为良.

2.3 水平气象要素分析

研究[17]表明，大气污染状况与局地气象要素密切相关. 2016年2月6—14日西安市的能见度、相对湿度、气温、气压和风速等气象要素的变化情况如图2所示.

图2 西安市2016年2月6—14日气象要素及ρ(PM2.5)观测值逐时变化

由图2可见：在污染加重阶段(2016年2月6—7日)，ρ(PM2.5)呈波动变化，7日20:00起ρ(PM2.5)迅速上升，6 h内ρ(PM2.5)由37 μgm3骤增至339 μgm3. 6—7日，日最高气温和最低气温均呈上升趋势，日平均气温的增量为4 ℃；同时，相对湿度由50.5%降至40.7%；西安市在大陆高压的控制下平均风速低于2 ms，静稳的天气条件导致大气污染物持续累积，5—8日连续4 d能见度不足5 km.

2016年2月8—11日是PM2.5污染维持时段，天气系统由高压脊转变为鞍型场. 该阶段每天的日均气温处于研究时段内的较高水平(4.9～7.2 ℃)，且总体呈上升趋势，同时日温差也较小；相对湿度大体也呈上升趋势，且11日05:00的相对湿度达86.5%，8—11日相对湿度超过60%的时段占50%；风速和能见度则均呈波动下降趋势，污染维持阶段西安市以弱风和静风为主(见图2). 风速为4 ms以下时易出现重污染[47]，8日的平均风速为1.2 ms，11日的平均风速只有0.8 ms，同时日均能见度由6日的21.4 km降至11日的不足2.5 km. 24 h正变压表征冷空气的强弱，重污染天气与24 h变压有密切关系[48]. 由图2可见，8—11日西安市的气压出现明显下降，平均气压为 1 014 hPa，48 h内变压为-15.2 hPa. 稳定的逆温层及较高的相对湿度有利于大气边界层维持其稳定的结构，负变压则容易导致污染的积累.

2016年2月12—14日，西安市ρ(PM2.5)呈下降趋势，空气质量逐渐好转. 在冷空气的影响下，气温明显下降，14日的日平均气温和最低气温均达到最小值(-0.75和-4 ℃). 12—13日西安市出现了降水天气(总降水量26.4 mm)，相对湿度明显上升，12日的相对湿度超过80%，14日09:00相对湿度达最大值(93%)，其产生的湿沉降明显降低了大气中污染物的浓度. 12日平均风速达最大值(4.25 ms)，风速的增大为大气污染物扩散提供了有利条件. 在冷高压的影响下，12—14日气压逐渐升高，空气扩散条件好转，能见度逐渐上升，14日能见度达到22.9 km.

综上，ρ(PM2.5)的积累与消散与风速、风向密切相关，风速的增大利于污染物的远程输送或消散，风速减小导致污染物的积累[49-50]. 由表4可见：ρ(PM2.5)与风速、气压、气温和相对湿度均有良好的相关性. 但ρ(PM2.5)与气象要素的变化不完全同步，存在一定的滞后相关性. 在滞后0 h上，ρ(PM2.5)与风速、气压和能见度均呈显著负相关，相关系数分别为-0.45、-0.74、-0.70；ρ(PM2.5)与气温、相对湿度均呈正相关，相关系数分别为0.31和0.04. 该研究结果与已有研究结果一致，如黄少妮等[23]指出在关中盆地，当ρ(PM2.5)<100 μgm3时，相对湿度较低(<60%)；当ρ(PM2.5)>100 μgm3时，相对湿度较高(<70%)；能见度随ρ(PM2.5)的增加而降低. 王跃等[19]发现，较大的日温差会导致夜间较强的逆温层，有利于夜间污染物的积累，同时较低的风速使得污染物停滞难以输出，最终形成污染. 在滞后3 h上，ρ(PM2.5)与风速、气压和能见度均呈负相关，相关系数分别为-0.47、-0.72、-0.64；ρ(PM2.5)与气温、相对湿度均呈正相关，相关系数分别为0.28和0.02. 与滞后0和3 h不同，滞后6 h的ρ(PM2.5)与相对湿度呈负相关，可能与相对湿度在6 h内出现反向变化有关. 就风速、气压、气温、相对湿度、能见度而言，与之相关性最强的分别为滞后3、0、6、3、0 h的ρ(PM2.5). 从滞后0、3、6 h上来看，ρ(PM2.5)与气压的关系均最显著，相关性均高于0.7(P<0.01). 综上，ρ(PM2.5)与风速、气压和能见度的相关性均较强，与相对湿度的相关性较弱.

表4 西安市2016年2月6—14日ρ(PM2.5)与气象要素观测值的相关系数

图3为西安市8—13日的风速风向流场图. 由图3可见：污染维持阶段(8—11日)关中盆地周边风速较大，而平原内部风速较小或为静风，主导风向为偏东风，地面风场辐合，汾河谷地及华北平原的污染物被输送到关中盆地；同时，受到地形阻滞以及春节期间燃放烟花爆竹等影响，此时西安市受鞍型场控制，天气持续静稳，扩散条件较差，污染物在关中盆地汇聚，此时西安市ρ(PM2.5)最高；12—13日，西安市地区周边的风向转为偏北风，风速较大，关中盆地内部为偏西风，有利于污染物的扩散，对应西安市ρ(PM2.5)下降的阶段.

注： 图中黑色圆点代表西安市. a、b、c、d、e、f分别为2月8日、9日、10日、11日、12日、13日的风速风向流场模拟图.

2.4 边界层高度和探空分析

大气边界层的演变对大气污染有重要的影响[51-52]，边界层较低或逆温较强会切断气流的上下流动[53]. 图4、5为分别用WRF模式模拟的西安市站的边界层高度曲线和Skew-T模拟图. 由图4、5可见：2月7—10日，近地面存在贴地逆温，但是逆温层较薄，均仅有150 m左右，其中8日11:00的逆温强度最大，达3.8 ℃(100 m)；8—11日边界层高度不足300 m，其中8日的边界层平均高度只有55 m，极低的边界层高度削弱了污染物的扩散能力，污染物被抑制在近地面，形成较严重的污染. 贴地逆温的维持使得近地面大气层结稳定，此时地面为小风或静风，污染物的扩散能力较弱，不利于大气中PM2.5的扩散和稀释，对应ρ(PM2.5)快速上升阶段. 11—12日贴地逆温减弱并消失，受南下冷空气影响，地面的风力也有所增大，近地面稳定的边界层被破坏，1 d内边界层平均高度升高了474 m (11日、12日边界层平均高度分别为156、630 m)，这有利于污染物的快速清除；此时中低层大气上干下湿，近地面湿度增大，空气趋于饱和，同时12—13日出现了降水天气，在高湿环境下，气溶胶的吸湿增长降低了ρ(PM2.5). 13日之后，西安市的风力加大，逆温层消失，温度廓线的梯度增大，边界层高度最大升至900 m左右，污染物得到有效清除，西安市此次重污染过程结束(图略).

图4 西安市2016年2月6—14日边界层高度模拟曲线

图5 西安市2016年2月7—12日11:00 Skew-T模拟图

3 结论

a) 鞍型场是导致此次西安市PM2.5重污染过程的重要原因，根据2016年2月6—14日西安市重污染过程的特征，可分为污染加重阶段(6—7日)、污染维持阶段(8—11日)及污染减轻阶段(12—14日)，这3个阶段分别受均压场、鞍型场、高压前部等天气型的影响.

b) 受鞍型场天气型的影响，西安市处于高压均压场的控制下，气压梯度力小，天气持续静稳；同时，西安市处于气流辐合地带，最终导致污染物的形成和积累.ρ(PM2.5)和AQI在24 h内的最大增量分别为158 μgm3和177，其最高值达到198 μgm3和252，达到重度污染级别.

c) 在鞍型场天气型的控制下，西安市日均气温维持在偏高水平(4.9～7.2 ℃)，较正常气温偏高1.4～3.7 ℃；相对湿度也较高且呈上升趋势，最高达86.5%；平均风速和能见度最低时分别只有0.8 ms和0.5 km，均呈波动下降的趋势. 高温、高湿、小风的气象条件有利于污染物的吸湿增长，是此次PM2.5重污染的重要气象因素.

d) 在此次鞍型场天气型的影响下，西安市的边界层高度维持在较低水平，最低时只有55 m；同时由于逆温层较厚且强度较大〔最大时达3.8 ℃(100 m)〕，极低的边界层高度和较强的逆温层抑制了污染物的垂直扩散，不利于污染物的对流输送，从而形成较严重的污染.