北京地区aqi时空分布特征及气象观测要素相关性分析

北京地区aqi时空分布特征及气象观测要素相关性分析

污染物的输送与气象条件冬季是北京雾和污染严重的季节1.2。随着城市化进程的加快,污染物成分以及源地都有了变化。根据一些学者的研究［3－5］,北京地区污染物主要由三部分组成,最主要的部分是本地的排放,第二部分是周边地区污染物的输送,第三部分是污染物的再生。同时,污染物浓度变化具有明显的季节特征［6］。针对污染物的输送,前期有研究者利用MM5、WRF等模式进行了局地环流的模拟［7］,或通过卫星监测分析污染物的演变情况［8］。2013年1月1日之前,环保部门正式公布的污染数据是以可吸入颗粒物(PM10)为基础的,污染物与气象条件的相关研究多以PM10为分析对象［9－13］。按照环保部门的环境空气质量指数(AQI)技术规定(试行)［14］和环境空气质量标准［15］,AQI是从6项污染物(SO2、NO2、PM10、PM2．5、O3、CO)基本项目中选择空气质量分指数最高者为空气质量指数。从环保部门监测数据的统计可知,2013年1-2月,以细颗粒物(PM2．5)为首要污染物的天数达到了51天。因此,空气质量指数和PM2．5成为舆论焦点,也成为气象部门服务工作的一项重要内容。但是,在污染物种类调整、污染指数计算分级方法改变的情况下,气象条件与污染指数的关系是什么,污染的监测和预报中需要关注那些内容,这些就是本文探讨的内容。1年生里气象点分析本文采用的主要数据如下:2013年1-2月共计59d的NCEP(1°×1°)/EC(0.25°×0.25°)逐日再分析资料;北京市环保局35个观测站空气质量日报数据(AQI);北京南郊观象台的相对湿度、气压和风速的逐日观测数据。2北京市avi的时间变化从北京35个监测站的2013年1月、2月逐月的AQI平均(下同)分布图可以看到,1月(图1a)污染程度明显重于2月(图1b)。1月,北京大部地区AQI都在101以上,城区和南部郊区更是达到了201~300的水平。2月,仅部分城区和南部郊区达到了151以上。从1-2月总体AQI平均分布看,延庆、怀柔和密云等地为101~150,城区和南部近郊则为151~200,大兴、通州和房山的部分地区超过了200。AQI呈现出了一种自东南向西北递减的分布趋势。另外,在本次过程的监测分析中发现,城区与郊区的污染程度有着较为明显的差异。城区人口密集,人类活动如汽油燃烧、燃煤供暖等所形成的人为排放较强。北京市环保部门数据监测显示:1月10-14日,北京市二环路以内4个观测站(东城东四、东城天坛、西城官园和西城万寿西宫4站AQI的均值为376)空气质量指数5d均值比远郊区4个观测站(怀柔镇、平谷镇、密云镇和延庆镇4站的均值为294)均值高出27.9%。从1-2月逐日AQI变化(图2)看,1月AQI日指数大于100的天数达到了24天。1月共出现5次污染过程,分别是4-7日、10-14日、16-19日、21-24日、27-31日。其中,10-14日的过程持续时间达5天,AQI日平均值达到353,比27-31日(AQI日平均值为305)过程明显偏重。2月,受大气环流调整影响,污染过程持续时间短,AQI相对较低,污染程度明显轻于1月,AQI大于100的天数为16天。3北京市1月1日至2月28日avi及aai指数变化污染物变化监测是作好分析预报的一个前提,监测一般通过卫星遥感或者地基观测实现。利用卫星遥感监测产品是一个直观性较好的途径。FY-3A/TOU紫外吸收性气溶胶指数(AAI)产品是体现大气中吸收性气溶胶浓度高低的半定量遥感产品,AAI高值分布区对应于污染严重的灰霾天气区,其值越大说明大气颗粒物越多,并以吸收性的污染类气溶胶颗粒物为主。1月10-14日的污染过程是1月持续时间最长也是最为严重的污染过程之一。该时段FY-3A卫星在北京及周边地区的过境时间为09:00-10:30。利用FY-3A/TOU紫外吸收性气溶胶指数(AAI)产品逐日反演结果,可以清楚地看到北京地区的污染天气整体变化过程(图3)。10日,北京地区AAI指数在1~2.5之间;11日,北京地区AAI指数明显升高,河南、河北地区至北京西南方向也出现一条带状污染物高值区,北京地区AAI数值升高至3~4之间,AQI达到了361;12日,指数有所减弱,AAI高值中心东移,北京地区AAI指数集中在2~3之间,但当天的AQI却达到了420;13日,AAI再次升高至3~4.5,AQI维持高值,为399;14日,AAI明显减弱,AAI和AQI指数都回落到10日水平。对南郊观象台地区1月1日至2月28日共计59d的AQI和AAI作线性分析发现,AQI随着AAI的增加呈现出相应的上升趋势。计算二者之间的相关系数为r=0.456,经检验,通过α=0.01的显著性水平检验,表明二者之间呈明显正相关关系。即,当AAI值较高时,AQI也会同样为较高值。因此,AAI对AQI的监测分析有着较高的应用价值。4avi与观测要素的回归分析根据现有的研究,PM10浓度与能见度、相对湿度、气压和风速相关性较好［12－13］。鉴于AQI是基于6种主要污染物的计算结果,是衡量当地污染程度的最终结果,故本文重点研究了AQI与气象观测要素之间的关系。利用北京南郊观象台气象数据分析2013年1-2月期间逐日AQI与气象要素之间的相关特征。计算表明,AQI与风速、气压、相对湿度的相关系数为-0.41、-0.49、0.67。经检验,均通过α=0.001的显著性水平,表明AQI与相对湿度呈明显正相关,与气压和风速呈明显负相关。周丽等［16］的研究结果显示,PM2．5的浓度与风速、气压、湿度的相关系数分别为-0.45、-0.68、0.48,与本文结果近似。其原因在于:1-2月,北京地区共计有52天首要污染物为细颗粒物(PM2．5),比例达到了88.1%,这导致了AQI与观测要素的相关性中PM2．5的作用突出。利用最小二乘法原理,以空气质量指数(Y)为因变量,相对湿度(X1)、气压(X2)和风速(X3)为自变量进行多元线性回归分析,样本长度为1月1日-2月28日(59d),得到方程对回归方程作显著性检验:构造统计量其中,U=347540,为方程的回归平方和;Q=276114,为偏差平方和;n=59,为样本长度;m=3,为自变量个数。得到F=23.08,给定显著性水平α=0.01,F0．01(m,n-m-1)=4.13,F>F0．01,表明回归方程通过显著性检验;复相关系数为0.75,方程的总体回归效果一般。再逐一对相对湿度、气压和风速3个因子的回归系数作显著性检验:计算统计量分别为F1=17.06,F2=13.53,F3=0.71,而F0．01(1,55)=7,可见在α=0.01时,相对湿度、气压这两个因子的影响是显著的,而风速不显著。运用逐步回归法,在3个变量中剔除风速,分别再次对回归方程和系数作显著性检验,在α=0.01时方程、相对湿度系数、气压系数均具有显著性,重新建立回归方程因此方程(2)为空气质量指数(AQI)与相对湿度、本站气压的最优回归方程。为检验回归方程的效果,以相对湿度和气压为自变量,利用方程(2)对1-2月共59d的AQI进行拟合,并与AQI观测数据进行对比,结果如图4所示。由图4可见拟合效果较好。分析二者的统计量:平均值均为173;观测数据的均方差是297,拟合结果为173;观测数据的最大、最小值分别为420、38,拟合结果为297、-9。由此可见,在空气质量指数(AQI)的整体变化趋势和平均状态上拟合效果较好,但对极值的拟合能力不足,拟合结果更趋于平均。在AQI的预报趋势分析中,相对湿度与气压的参考价值较高,建议予以更多关注。5高光耀和北京高光耀的特点及稳定分析5.1天气环流形势从1月的500hPa高度平均场(图5a)来看,乌拉尔山高压脊较常年偏低偏东,高压脊伸展到60°N附近,乌拉尔山附近地区的高压脊高度偏低12~16dagpm,这种环流形势不利于极地冷空气的南下。贝加尔湖地区受弱脊控制,东北冷涡的强度明显偏弱,这同样不利于东路冷空气的南下。1月,北半球西风指数较常年明显偏大,环流平直［17］。正是这种大气环流异常的情况,华北地区冷空气的活动较常年平均偏弱。2月,乌拉尔山附近地区的高度比1月高了12~16dagpm,贝加尔湖及其以东地区高度场较1月偏低4~8dagpm(图5b),极地冷空气南下有所加强。归纳华北地区冷空气活动较弱,污染物不易扩散的环流背景如下:1)500hPa高空在乌拉尔山偏东地区(70-90°E)之间有高压脊,形成了阻塞形势,阻挡或减弱了西北路冷空气东移南下;2)高压脊最高仅伸展到60°N附近,极地冷空气缺乏引导气流,无法南下;3)贝加尔湖地区有间断性高压脊活动,导致西伯利亚远东地区的冷空气影响我国的程度偏弱。5.2混合层高度的相关分析大气稳定度是大气边界层研究中一个极其重要的参数,在许多污染扩散模式中作为单一参数来定义大气湍流状态或描述大气扩散能力。目前存在的大气稳定度分类方法有十几种,综合考虑湍流热力因子和动力因子作用的稳定度参数物理意义最明确。参考毕雪岩［18－19］等的研究,北京地区大气稳定度有着较为明显的季和日变化,不同高度的稳定度区间也有着较大的差异。大气低层的稳定度高不利于低层的污染物向上扩散,从而积聚于低层,这在一定程度上有利于污染天气的持续。利用混合层高度和总体理查森数来分析2013年1-2月北京地区大气的特征与AQI的关系。混合层高度表征污染物在垂直方向被热力对流与动力湍流输送所能达到的高度,是影响污染物扩散的重要参数,计算混合层高度常用的方法为罗氏法［20］。利用EC再分析场计算混合层高度,鉴于大气稳定度的日频率变化特征较为显著［21－22］,选择08时资料进行分析,北京地区1-2月逐日混合层高度平均值为569m,在1-2月AQI>100的40天中混合层高度的平均值为459m,其中,1月仅有3天大于1km,最小的高度不足100m。在1月10-14日的污染过程中,混合层高度为78~625m,另外一次过程中(1月27-31日),混合层高度也始终不足400m。对AQI与1-2月混合层高度进行相关性分析,得到相关系数为-0.511,呈明显的负相关关系,相关系数通过了α=0.01的显著性水平检验。这意味着:混合层高度与AQI有着较好的相关性,混合层高度越低,大气扩散能力越差,污染物难以通过上下层大气之间的对流扩散。吴庆梅等［23］研究也认为,污染物对中低空的扰动敏感。在AQI预报中,混合层厚度是一个很好的参考数据。5.3总体理查森数与空气指数avi动态变化的关系在城市环境中应用较多的稳定度参数———总体理查森数(RB)是通过综合考虑热力动力因素的总体理查森数诊断边界层高度,从而衡量大气稳定度［24］。利用NCEP再分析资料,计算1-2月北京地区850-1000hPa之间的日平均总体理查森数,结果见表1。1月总体理查森数日平均值达到了9.64,高于2月份日均值8.48。1月AQI日指数大于100的天数达到了24天,大于2月的16天。从总体理查森数与空气质量指数AQI趋势变化上可以看到:二者呈现出较为明显的升降趋势一致性,但是空气质量指数AQI有滞后性,要比总体理查森数滞后1天。鉴于这种关系,在分析AQI超过100(轻度污染)、150(中度污染)、200(重度污染)与总体理查森数的关系时,计算了前一天和当天的总体理查森数的平均值,结果为10.63、10.63和10.75。对1-2月的850-1000hPa的总体理查森数计算表明:1)当总体理查森数≥10.63时,大气稳定度高,利于污染持续或发展;2)当总体理查森数介于3.62~10.63之间时,大气稳定度属于中性,需根据环流背景等其他因素分析污染发展趋势;3)当总体理查森数≤3.62时,大气稳定度低,不利于污染持续或发展。根据以上分析,可以利用前一天的总体理查森数与当日的理查森数判断预测AQI的发展趋势。另外,1月1日-2月28日,北京地区共有10天出现雨雪天气,这10天的总体理查森数最高值为3.62(表1),最低值为0.24,平均值为1.49。这说明,雨雪天气出现时,大气稳定度较低,对于削减污染程度有一定的帮助。6avi的回归方程拟合结果与预报分析(1)2013年1-2月北京地区出现了多次严重的污染过程,AQI呈现出了一种自东南向西北递减的分布趋势。延庆、怀柔和密云等地为101~15