李曉配，貝耐芳，趙琳娜

1.西安交通大學 人居環(huán)境與建筑工程學院 地球環(huán)境科學系，西安710054 2.中國氣象科學研究院 災害天氣國家重點實驗室，北京100081

大氣中污染物的濃度是由排放源與天氣形勢共同決定的，然而城市中重污染事件往往是由于不利于大氣污染物擴散的天氣形勢而非突增的排放源導致的（Ziomas et al，1995）。天氣形勢影響著空氣污染物的形成、轉換、擴散、輸送及清除過 程（Seaman，2000；Solomon et al，2000；Bei et al，2008，2010，2014）。

目前，天氣形勢對空氣質量的影響已有一些研究。孟燕軍和程叢蘭（2002）對影響北京地區(qū)大氣污染的地面天氣形勢進行分析，并將地面天氣形勢分為不利于污染物擴散和有利于污染物擴散兩大類，其中當?shù)孛媸艿蛪侯愄鞖庑蝿菘刂茣r，地面與高空的對流將會加強地面的輻合作用，導致四周的污染物向中心聚集，容易引起大氣污染天氣的發(fā)生。張國璉等（2010）研究了上海市空氣質量與地面天氣形勢的關系，發(fā)現(xiàn)不同季節(jié)受不同天氣形勢的影響，并指出夏季出現(xiàn)空氣污染通常是受均壓場控制，在其他三個季節(jié)高壓、高壓前及均壓天氣形勢易導致大氣污染的發(fā)生。張宏等（2011）通過對北京能見度的變化趨勢與天氣形勢之間的關系進行研究，發(fā)現(xiàn)氣象要素受天氣形勢的控制并影響污染物的濃度。當華北地區(qū)為高壓均壓場時，不利于污染物的擴散；當處于峰后的高壓控制時，為有利天氣形勢。王喜全等（2007）通過對2004年北京地區(qū)發(fā)生的PM10污染天氣形勢的研究，確定了PM10污染天氣的發(fā)生主要是由于高壓南下及弱高壓兩類天氣形勢導致的。張岳鵬等（2016）對引起2014年2月北京地區(qū)一次PM2.5污染的天氣形勢進行研究，發(fā)現(xiàn)污染期間北京地區(qū)是受地面高壓均壓場控制的。陳訓來等（2008）分析了2000 — 2005年香港地區(qū)的天氣形勢及其對空氣污染的影響，發(fā)現(xiàn)香港空氣污染日天數(shù)分布有明顯的季節(jié)性特征，且與該地區(qū)的氣候特征有很好的一致性；并指出熱帶氣旋型、大陸冷高壓型、入海變性高壓型及低壓槽型是造成香港地區(qū)空氣污染的主要天氣形勢。胡敏等（2006）研究夏季降水對北京地區(qū)大氣顆粒物影響的研究，結果發(fā)現(xiàn)降水對大氣污染物粒子有清除作用，尤其對細粒子的清除作用最為明顯。Zhang et al（2012）使用PCA（principal component analysis）方法將天氣形勢分為九類，并研究了北京地區(qū)大尺度天氣形勢與空氣污染的關系，發(fā)現(xiàn)天氣形勢是使大氣污染物變化的基本動力。Zhao et al（2015）通過利用WRF-Chem模式和觀測資料分析關中地區(qū)大尺度氣象條件對黑碳的影響，指出天氣形勢的演變對黑碳的形成有很重要的影響。Bei et al（2016a）就天氣形勢對大氣污染的影響開展了研究, 通過主觀分類的方法把關中地區(qū)冬季主要的天氣形勢分為六類，并指出影響關中地區(qū)的典型天氣形勢共有六類，其中四類不利于污染物的擴散，兩類有利于污染物的擴散。Bei et al（2016b）還選取了一次重污染天氣過程進行模擬，結果表明期間的天氣形勢非常不利于污染物的擴散及輸送，如果采用減排措施，則排放源需減少90%以上才能使PM2.5濃度達到 35 μg · m?3。

關于天氣形勢對空氣質量影響的研究主要集中于京津冀和沿海地區(qū)，關中地區(qū)關于這方面的研究還不太多。本文采用Bei et al（2016a）中的主觀分類方法，把2013 — 2015年期間冬季關中地區(qū)的天氣形勢進行分析分類，結合同期的環(huán)境監(jiān)測資料，研究2013 — 2015年期間冬季關中地區(qū)氣象條件對空氣質量演變趨勢的影響。

1 數(shù)據(jù)與方法

文中所用的關中地區(qū)33個觀測站的空氣質量指數(shù)（AQI數(shù)據(jù)，包括O3、NO2、SO2、CO、PM2.5和PM10）由中國環(huán)保部網站提供（http://datacenter.mep.gov.cn/index），數(shù)據(jù)分辨率為日平均。

本文采用Bei et al（2016a）中主觀分類的方法把關中地區(qū)主要的天氣形勢分為六類，即：低壓北部型、槽西南型、高壓東南型、過渡型、槽東南型和內陸高壓型。在分類的過程中，首先確定影響關中地區(qū)的主要天氣系統(tǒng)，再考慮主要天氣系統(tǒng)與關中地區(qū)的相對位置。例如，當關中地區(qū)主要受低壓的影響且位于低壓的北部時，這類天氣形勢被命名為“低壓北部型”；“槽東南型”表示關中地區(qū)主要受槽的影響且位于槽的東南方向；“槽西南型”表示關中地區(qū)位于槽前或者槽的西南方向；“高壓東南型”表示關中地區(qū)位于高壓東南部；“過渡型”表示關中地區(qū)位于槽和脊之間比較平直的氣流區(qū)；而“內陸高壓型”則表示關中地區(qū)位于高壓的控制下。Bei et al（2016a）還進一步把槽西南型和高壓東南型定義為有利天氣形勢，把低壓北部型、過渡型、槽東南型和內陸高壓型定義為不利天氣形勢。

然而，有時天氣形勢不明顯難以判別，則可以利用WRF-Flexpart模式的前向軌跡模擬結果對污染物的運動軌跡進行分析，可以通過不同天氣形勢下粒子的運動軌跡進一步確定天氣形勢的類型。例如：當影響關中地區(qū)的主要天氣系統(tǒng)由內陸高壓型向槽西南型轉變時，內陸高壓型下靜穩(wěn)的天氣形勢利于污染物的累積，但槽西南型天氣形勢下干冷的空氣又有利于污染物的擴散。用WRFFlexpart模式模擬粒子運動的軌跡，當模擬結果顯示粒子向盆地外輸送時，則這時的天氣形勢為槽西南型，反之為內陸高壓型。此外，該分類方法中沒有考慮降水的因素，降水對污染物具有清除作用。因此，由于天氣形勢的過渡或降水天氣的發(fā)生，同一天氣類型中會出現(xiàn)污染物不同的現(xiàn)象。

基于上述天氣形勢分類的方法，利用NCEP-FNL再分析資料，通過分析2013 — 2015年冬季關中地區(qū)850 hPa等壓面上的風場及位勢高度，將關中地區(qū)的天氣形勢分為六類。圖1為對應上述六類天氣形勢的850 hPa的風場及位勢高度。

圖1 關中地區(qū)六類天氣形勢下上午8時850 hPa風場及位勢高度的水平分布圖Fig.1 Composite distributions of winds and geopotential heights on 850 hPa at 08:00 am BJT for the six synoptic situations

2 結果與討論

2.1 關中地區(qū)PM2.5濃度的變化趨勢

圖2為2013 — 2015年冬季關中地區(qū)5個城市（包括西安、寶雞、咸陽、銅川、渭南）及這五個城市平均的PM2.5濃度的日變化趨勢。可以看出，這五個城市及其平均的PM2.5濃度的演變趨勢基本一致，其中銅川地區(qū)的PM2.5濃度最低，西安和渭南相對較高。2013 — 2015年冬季關中地區(qū)平均 PM2.5濃度分別為 159.5 μg · m?3，74.2 μg · m?3，101.8 μg · m?3，呈現(xiàn)出先明顯下降然后略有回升的趨勢。2013年冬季整體的PM2.5濃度最高，出現(xiàn)兩個濃度超過 400 μg · m?3的峰值；2014 年整體的PM2.5濃度最低，最大峰值在 250 μg · m?3以下；2015年冬季平均的PM2.5濃度介于前兩者之間。

圖2 2013 — 2015年冬季關中地區(qū)5個城市（西安、寶雞、咸陽、銅川和渭南）及其平均的PM2.5濃度的變化趨勢Fig.2 PM2.5 concentrations averaged in fi ve cities (Xi'an, Xianyang, Baoji, Weinan, and Tongchuan) and average of the fi ve cities in the Guanzhong basin during the period from the winter of 2013 to 2015

2.2 天氣形勢對PM2.5的影響

在對2013 — 2015年冬季關中地區(qū)的天氣形勢進行分析分類的基礎上，對各類典型天氣形勢出現(xiàn)的頻率進行了分析。每年各類天氣形勢出現(xiàn)的頻率如圖3a所示，每年有利天氣形勢和不利天氣形勢的頻率如圖3b所示。整體來看，2013 — 2015年冬季關中地區(qū)以內陸高壓型和槽西南型為主，兩類天氣形勢的總頻率分別達58.9%、66.7%和56.0%。其中2013年和2015年內陸高壓型出現(xiàn)的頻率最高，占比分別為44.4%和32.2%，2014年冬季以槽西南型天氣形勢為主，占比為34.4%。2013 — 2015年冬季關中地區(qū)均以不利天氣形勢為主，其中，三年不利天氣形勢占比分別為80.0%、57.8%和69.2%，呈先下降后上升的趨勢，這與關中地區(qū)PM2.5濃度變化的趨勢相一致。

為了進一步討論每天的天氣形勢與PM2.5濃度的對應關系，深入分析了2013 — 2015年冬季關中盆地逐日PM2.5濃度演變趨勢及相應的天氣形勢類型（圖4）。可以發(fā)現(xiàn)，在有利天氣形勢下，PM2.5濃度相對較低且一般大部分都低于不利天氣形勢下的PM2.5濃度；當天氣形勢由不利轉為有利天氣形勢時，PM2.5濃度有明顯的下降趨勢，反之則有明顯的上升趨勢。PM2.5濃度的峰值通常出現(xiàn)在不利天氣形勢中，而低值一般出現(xiàn)在有利天氣形勢中。持續(xù)數(shù)天的不利天氣形勢（天數(shù)≥2天）會使日平均的PM2.5濃度持續(xù)上升，若長時間的持續(xù)會導致PM2.5濃度飆升到很高的水平。例如：2013年12月16 — 25日持續(xù)的不利天氣形勢，使得PM2.5的濃度不斷上升，并在2013年12月24日達到 477.1 μg · m?3的峰值。2014 年 1 月 21 日 — 2月8日共持續(xù)19天的不利天氣形勢，PM2.5的濃度呈先上升后下降的趨勢，最大的日均PM2.5濃度也達到了 458.0 μg · m?3的峰值。有利天氣形勢不但會使當天的PM2.5濃度降低，并且會使第二天的PM2.5濃度維持在較低的水平。因此，有利天氣形勢天數(shù)的增加會使冬季關中盆地整體的PM2.5濃度下降，2014年冬季關中地區(qū)有利天氣形勢的天數(shù)明顯增加，使得關中地區(qū)的PM2.5濃度明顯降低，2015年冬季關中地區(qū)有利天氣形勢的天數(shù)又略為減少，造成關中地區(qū)PM2.5濃度又開始回升?？梢?，影響關中地區(qū)的有利天氣形勢的天數(shù)變化能基本解釋2013 — 2015年冬季關中地區(qū)PM2.5濃度整體水平的演變趨勢。

圖3 2013—2015年冬季關中地區(qū)六類天氣形勢出現(xiàn)的頻率（a）及有利和不利天氣形勢的占比（b）Fig.3 Frequency of the six synoptic situations (a) and frequency of favorable and unfavorable synoptic situations in the Guanzhong basin during 2013—2015 (b)

2.3 風速與PM2.5的關系

從圖4可以看到，即使在有利或不利天氣形勢下，PM2.5濃度的日平均值還是有很大的起伏，比如2013年12月16 — 25日和2014年1月21日 — 2月8日，這一方面是因為有利和不利天氣形勢中包含具體的不同天氣形勢的分類，另一方面，即使在同一天氣形勢下，PM2.5濃度的日平均值也會有很大差異（圖略）。為此，進一步分析了2013 — 2015年冬季關中地區(qū)PM2.5濃度日均值與風速的對應關系（圖5），發(fā)現(xiàn)PM2.5濃度日均值與關中地區(qū)的平均風速均呈較好的負相關關系，這表明：不管關中地區(qū)處于哪種天氣形勢下，關中地區(qū)平均風速的大小將具體決定當天PM2.5濃度的高低。對于有利天氣形勢，風速的大小將決定污染物被擴散的程度，從而決定該地區(qū)PM2.5濃度值；對于不利天氣形勢，風速的大小將決定污染物被累積的多少，從而決定該地區(qū)PM2.5濃度值。從圖5中還可以看出PM2.5濃度的極高（低）值基本對應區(qū)域平均風速的極低（高）值。因此，每類天氣形勢下風速與PM2.5濃度之間都有較好的負相關關系，這可以解釋同一類天氣形勢下日平均PM2.5濃度的變化。

圖4 2013 — 2015年冬季關中地區(qū)日平均PM2.5濃度的時間演變圖及相應的天氣形勢Fig.4 Daily averaged PM2.5 concentration and the related synoptic situation during wintertime of 2013 — 2015

2.4 降水對PM2.5的影響

為了進一步了解2013 — 2015年冬季降水對PM2.5濃度的影響，對2013 — 2015年冬季關中地區(qū)的24小時降水量進行了分析（圖6）。結果表明：2013 — 2015年冬季關中盆地平均的24小時降水量及降水日數(shù)均呈先下降后上升的趨勢。2014年冬季關中地區(qū)出現(xiàn)14天的降水日，降水量僅為11.1 mm，均為三年中最低值。因此降水的濕清除作用并不是造成2014年冬季關中地區(qū)PM2.5濃度偏低的原因。

圖5 2013 — 2015年冬季關中地區(qū)PM2.5濃度與平均風速的變化趨勢Fig.5 Changes of PM2.5 concentrations and average wind speed in the Guanzhong basin during the period from the winter of 2013 to 2015

圖6 2013 — 2015年冬季關中地區(qū)每年降水日及降水量（降水量＞ 0.1 mm）的變化Fig.6 Annual rainy days and precipitation in the Guanzhong basin during the period from the winter of 2013 to 2015

另外，2013 — 2015年冬季關中地區(qū)一共有18天的日降水量在1 mm以上（圖7），其中在10天的降水天氣中，PM2.5的濃度有不同程度的下降（圖4）。另外8天降水天氣中PM2.5的濃度沒有下降，從圖7可知，其中5天的降水量特別少，分別為2014年2月15日、2014年12月9日、2015年2月27日、2015年12月31日及2016年2月21日，降水量分別為1.1 mm、1.1 mm、1.4 mm、1.1 mm和1.6 mm，可見少量的降水不會使污染物的濃度降低。其他3天，即2014年2月6日、2014年2月8日和2014年2月28日，這幾天的降水量分別為2.5 mm、2.1 mm和2.9 mm，雖然降水量略大，但這幾天的風向均為偏東風且風速較小，由于關中地區(qū)的地勢特點，較小的偏東風有助于污染物的累積?？梢姡邓臐袂宄饔眠€取決于降水量的大小，關中地區(qū)平均3 mm以下的24小時降水可能對PM2.5濃度沒有影響。

圖7 2013 — 2015年冬季關中地區(qū)每個降水日的降水量（降水量＞0.1 mm）變化Fig.7 Annual precipitation for each precipitation day in the Guanzhong basin during the period from the winter of 2013 to 2015

3 結語

（1）天氣形勢是影響2013 — 2015年冬季關中地區(qū)PM2.5濃度的主要因素之一，2013 — 2015年冬季有利天氣形勢的天數(shù)變化趨勢可以基本解釋同期PM2.5濃度的演變趨勢。有利天氣形勢不但會使當天的PM2.5降低，還會使第二天的PM2.5維持在較低的水平。因此，有利天氣形勢天數(shù)的增加會使冬季關中地區(qū)的整體PM2.5濃度下降，反之，有利天氣形勢的減少或不利天氣形勢的持續(xù)則會使PM2.5濃度飆升到很高的水平。

（2）2013 — 2015年冬季關中盆地平均風速與每天的PM2.5濃度日均值呈較好的負相關，可以解釋同一天氣形勢下日均PM2.5濃度的變化。

（3）2014年冬季的降水日數(shù)及降水量均為這三年最低，因此降水并不是造成2014年冬季關中地區(qū)PM2.5濃度偏低的原因。降水雖然對污染物有清除作用，但小于3 mm的24小時降水不會使污染物的濃度明顯降低。

陳訓來, 范紹佳, 李江南, 等. 2008. 香港地區(qū)空氣污染的典型天氣背景形勢 [J]. 熱帶氣象學報, 24(2): 195 – 199.[Chen X L, Fan S J, Li J N, et al. 2008. The typical weather characteristics of the air pollution in Hong Kong area [J].Journal of Tropical Meteorology, 24(2): 195 – 199.]

胡 敏, 劉 尚, 吳志軍, 等. 2006. 北京夏季高溫高濕和降水過程對大氣顆粒物譜分布的影響 [J]. 環(huán)境科學,27(11): 2293 – 2298. [Hu M, Liu S, Wu Z J, et al. 2006.Effects of high temperature, high relative humidity and rain process on particle size distribution in the summer of Beijing [J]. Environmental Science, 27(11): 2293 – 2298.]

孟燕軍, 程叢蘭. 2002. 影響北京大氣污染物變化的地面天氣形勢分析 [J]. 氣象 , 28(4): 42 – 47. [Meng Y J, Cheng C L.2002. Impact of surface synoptic situations on air pollution in Beijing area [J]. Meteorological, 28(4): 42 – 47.]

王喜全, 齊彥斌, 王自發(fā),等. 2007. 造成北京PM10重污染的二類典型天氣形勢 [J]. 氣候與環(huán)境研究, 12(1): 81 – 86.[Wang X Q, Qi Y B, Wang Z F, et al. 2007. The inf l uence of synoptic pattern on PM10heavy air pollution in Beijing [J].Climatic and Environmental Research, 12(1): 81 – 86.]

張國璉, 甄新蓉, 談建國,等. 2010. 影響上海市空氣質量的地面天氣類型及氣象要素分析 [J]. 熱帶氣象學報, 26(1):124 – 128. [Zhang G L, Zhen X R, Tan J G, et al. 2010. The analysis of the relationship between the air quality in Shanghai and surface pressure patterns and Meteorological factors [J].Journal of Tropical Meteorology, 26(1): 124 – 128.]

張 宏, 劉子銳, 胡 波,等. 2011. 北京能見度變化趨勢及冬季一次典型污染過程分析 [J]. 氣候與環(huán)境研究,16(5): 620 – 628. [Zhang H, Liu Z R, Hu B, et al. 2011.Analysis of trends of visibility and its characters during air seriously polluted days in Beijing [J]. Climatic and Environmental Research, 16(5): 620 – 628.]

張岳鵬, 李 璇, 聶 滕,等. 2016. 2014年2月北京PM2.5污染過程及天氣形勢分析[J].氣象與環(huán)境科學, 39(2):55 – 62. [Zhang Y P, Li X, Nie T, et al. 2016. Analysis of PM2.5pollution process and weather situation in Beijing in February 2014 [J]. Meteorological and Environmental Sciences, 39(2): 55 – 62.]

Bei N, Bo X, Ning M, et al. 2016b. Critical role of meteorological conditions in a persistent haze episode in the Guanzhong basin, China [J]. Science of the Total Environment, 550: 273 – 284.

Bei N, de Foy B, Lei W, et al. 2008. Using 3DVAR data assimilation system to improve ozone simulations in the Mexico City basin [J]. Atmospheric Chemistry & Physics, 8:7353 – 7366.

Bei N, Lei W, Zavala M, et al. 2010. Ozone predictabilities due to meteorological uncertainties in Mexico City basin using ensemble forecasts [J]. Atmospheric Chemistry & Physics,10: 6295 – 6309.

Bei N, Li G, Huang R J, et al. 2016a. Typical synoptic situations and their impacts on the wintertime air pollution in the Guanzhong basin, China [J]. Atmospheric Chemistry & Physics, 16: 1 – 34.

Bei N, Li G, Meng Z, et al. 2014. Impacts of using an ensemble Kalman filter on air quality simulations along the California-Mexico border region during Cal–Mex 2010 Field Campaign [J].Science of the Total Environment, 499: 141 – 153.

Seaman N L. 2000. Meteorological modeling for airquality assessments [J]. Atmospheric Environment, 34:2231 – 2259.

Solomon P, Cowling E, Hidv G, et al. 2000. Comparison of scientif i c fi ndings from major ozone fi eld studies in North America and Europe [J]. Atmospheric Environment, 34: 1885 – 1920.

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]. Atmospheric Chemistry & Physics, 12: 5031 – 5053.

Zhao S, Tie X, Cao J, et al. 2015. Seasonal variation and fouryear trend of black carbon in the Mid-west China: The analysis of the ambient measurement and WRF-Chem modeling [J]. Atmospheric Environment, 123: 430 – 439.

Ziomas I C, Melas D, Zerefos C S, et al. 1995. Forecasting peak pollutant levels from meteorological variables [J].Atmospheric Environment, 29: 3703 – 3711.