论文部分内容阅读
摘要 利用2009年12月～2010年11月的上海气象资料、颗粒物资料和后向轨迹聚类分析方法对在此期间的霾日进行统计分析。结果表明，上海霾发生时多盛行由内陆而来的西南和西北气流，且各季有所不同，夏季以西南气流为主，春季比较平均，秋、冬季节则以西北气流为主；较高的相对湿度和较小的风速有利于霾的形成；上海霾的发生受到当地和外部输送两方面因素影响，其中以当地影响为主；细颗粒物对霾发生的贡献很大，上海绝大部分的霾日中，PM2.5/PM10的比值均达0.5以上；上海霾的产生可能与机动车尾气排放有比较密切的关系。
关键词 霾；影响因素；变化特征；上海
中图分类号 S161 文献标识码 A 文章编号 0517-6611（2014）20-06725-03
霾是指大量极细微的干尘粒均匀地浮游在空中，使远处光亮物微带黄、红色，黑暗物微带蓝色，水平能见度<10 km的空气普遍有混浊的天气现象。研究表明，霾中的物质成分除了细尘以外，还包括硫酸与硫酸盐、硝酸与硝酸盐、碳氢化合物、黑碳等粒子[1]，正是由于大量极细微的污染性气溶胶的存在，霾天气对人类的身体健康具有极大的危害性。上海市霾期间PM2.5、PM10污染对医院呼吸科日均门诊人数具有一定影响[2-3]。因此，霾的特征和成因均日益受到人们的关注。
国外学者较早地对霾的物质组成及气候特征进行了研究[4-6]。近年来，我国学者对霾的研究也渐趋深入，我国年和四季霾日的空间分布特征均呈现东多西少的空间分布态势，且霾的增加是造成太阳总辐射减少的主要原因之一[7]。进一步研究发现，在我国风力条件（大气污染物稀释扩散能力）的变化对霾天气增减趋势的影响非常显著[8]；而在对各地的研究中，珠江三角洲区域灰霾天气过程与区域内静小风过程有密切联系，清洁对照过程与强平流输送有关[1]，较高的PM2.5浓度和较高的相对湿度及较小的风速是导致广州霾天气形成的主要原因[9]。 可见，霾的形成与气象条件和空气中颗粒物含量均有密切联系。笔者利用后向轨迹聚类等方法，综合两方面因素，对2009年12月～2010年11月上海1年内霾日进行分析，以期对上海霾的形成、发展、成因和特征等有较细致和全面的了解。
1 资料与方法
1.1 资料来源
所用风速和相对湿度资料来自于上海徐家汇测点，能见度资料使用的是上海市普陀区华东师范大学PWD22能见度仪的观测数据，其经纬度坐标为31.14°N、121.24°E，15 m。颗粒物数据包括PM2.5和PM10的小时数据，均来自于上海普陀监测站。用于轨迹计算的气象场资料为NOAA 的FNL 资料。参考世界卫生组织提出的空气质量准则，过渡时期目标中规定PM2.5的日平均浓度<0.037 5 mg/m3。在此以PM2.5日均值<0.037 5 mg/m3以及能见度日均值<10 000 m为筛选标准，筛选出2009年12月～2010年11月发生的霾日数。
1.2 研究方法
由于气象场的观测误差、分析误差、时空分辨率以及模式所用的一些假定会对单根轨迹的精度产生各种影响，因此常采用聚类分析的方法来研究空气质量、气溶胶的理化特性与不同输送态势之间的关系。聚类分析是一种多元统计技术，近年来，在大气污染研究方面得到广泛应用[10]。 开始聚类分析时，定义每条轨迹为独立的1组，即N条轨迹对应N组。第1次迭代前，需要计算每对轨迹组合的空间方差（SPVAR）。 空间方差定义为组内各轨迹与它们的坐标平均值之差的平方和，SPVAR之和为总空间方差（TSV）。使TSV最小的组合形成1组。经过1次迭代后，聚类数为N-1，即产生N-1类；第2次迭代，在N-1类中计算各种轨迹组合的SPVAR与TSV，与第1步相同，使TSV增加最小的轨迹组合归为1组。由此循环至所有轨迹最终归为1类。最初几次迭代，TSV增加得很快；随后，TSV通常增加比较缓慢，但在某些迭代后，其值会突然增加，表明该次迭代形成的类与之前的类有较大区别。
2 结果与分析
2.1 霾日统计结果
经统计，2009年12月～2010年11月上海总共有霾日107 d，其中，冬季霾日发生的最多，且各月分布比较均匀，12、1、2月分别为20、13、11 d，均超過10 d；夏季和秋季次之，但各月分布较不均匀，在夏季，6月的霾日（15 d）较之7月（6 d）和8月（4 d）明显偏多；而在秋季，9月的霾日（1 d）则较之10月（9 d）和11月（11 d）明显偏少；春季发生的霾日最少，各月分布也比较均匀，3、4、5月分别为7、5、5 d，均未超过10 d。结合气流路径、气象条件、颗粒物浓度等因素进行分析，可以进一步分析各月和各季节霾日分布不均的特征和原因。
2.2 后向轨迹聚类分析
从2009年12月～2010年11月500 m高度每日24 h后向轨迹的聚类结果（图1）可以看出，来自西北、东北和西南的气流所占比例差不多，东南方向的偏少；而从轨迹长度上来看，东南和西北方向的轨迹较长，超过600 km，说明东南和西北方向来的气流移动路径均较长，西南方向轨迹的长度较短（<300 km），说明气流从较近的地方移至上海。
图1 2009年12月～2010年11月24 h后向轨迹聚类结果
对各霾日气流来向进行分析统计，与2009年12月～2010年11月全年总的气流统计情况进行比较，结果发现（表1），就全年而言，在总共107 d霾日中，气流来向为西北和西南的霾日分别达43、39 d，东北方向为22 d，最少的为东南方向，仅为3 d；而从各方向气流下的霾日占各方向气流的总天数的比例来看，西北和西南分别占43.4%和44.0%，东北方向为19.6%，东南方向为4.5%。所以，就全年的情况而言，从霾日发生的天数来看，西北和西南方向是霾日气流的主要来向；从发生的概率来看，当气流来向为西北和西南方向时，霾产生的几率较大。首先，西北和西南方向的气流均是从内陆移动至上海，沿途较易携带各种外源颗粒物影响上海，而东北和东南方向的气流由海上移动至上海，由于海上人类活动较少，因此，海上的清洁气流对上海的颗粒物浓度有稀释作用；其次，从后向轨迹的长度来看，西南气流的长度较短，说明当霾日产生时气流方向为西南气流时，上海霾日的产生更多的是受长三角等周边地区以及当地影响所致；而西北气流长度较长，说明受西北方向气流影响而产生的霾日受外源长途输送的影响较大。 就各季节（表2）而言，春季的17 d霾日中，气流来向为西南和西北方向的最多，均为6 d，东北和东南方向的霾日分别为3、2 d；从发生概率上来说，西南方向最多，西北方向次之，之后是东南和东北方向。夏季的25 d霾日中，气流来向为西南方向的达15 d，之后依次是东北方向5 d、西北方向4 d、东南方向1 d；但从发生概率而言，西北方向最高，西南方向和东北方向次之，东南方向最少；秋季和冬季均是西北方向的霾日最多，西南和东北次之，东南方向没有，而从发生概率上而言，秋季西南方向气流影响下，发生霾日的概率高于西北方向，东北方向概率较小；冬季西南和西北方向发生霾日的概率基本持平，东北方向略小。
总的来说，从霾日发生的天数来看，就各季节而言，西北和西南方向仍旧是霾日气流的主要来向；其中，春季气流来向为西南和西北方向的霾日数比较平均，夏季则西南高于西北；秋冬季节为西北高于西南。从各方向气流影响下霾日发生的概率来看，各季节均是以西南和西北方向更易产生霾日，但就各季节比较而言，春季发生的概率较其他三季低；夏季西北方向发生概率最高，西南方向次之；秋季西南方向发生概率最高，西北方向次之；春季和冬季西南和西北方向发生的概率则相差不大，但较之另2个方向大。这主要是由于秋、冬季节主要是受西北方向弱冷高压影响，因此霾日中西北方向气流所占比重较大；而夏季主要是受副热带高气压带影响，因此霾日中西北方向气流所占比重较大；春季则为两者的过渡期，因此所占比例也比较均等。在秋冬季节，西北弱冷高压南下控制上海，上海处于弱高压前缘或中心地带，一方面，稳定的天气形势使当地的颗粒物不易扩散；另一方面，弱高压沿途携带的颗粒物又被带入上海，导致霾日的产生。而夏季则多为副热带高压减弱，导致上海处于弱气压场控制，从而产生霾天气。
2.3 霾产生时的气象条件
2.3.1
相对湿度。由表3可见，从全年来看，霾日的日平均相对湿度主要集中在60%～90%。从各季节情况而言，大体与全年情况一致，相对湿度也主要集中在60%～90%，但具体而言，各季节略有差异，春季相对湿度在80%～90%区间的霾日数所占比例特别大，达春季总霾日数的58.8%；说明春季当霾日发生时，相对湿度大多在80%～90%；夏季相对湿度在70%～80%区间的霾日数所占比例最大，达夏季总霾日数的52.0%；秋季以60%～80%居多，冬季则在60%～90%的各区间段内分布较均匀。说明霾日产生时，相对湿度一般较高，因为较高的相对湿度有利于颗粒物的吸湿性增长，从而导致霾天气的发展和加剧。
2.3.2
风速。从表4可以看出，就全年而言，当有霾发生时，日平均风速大多为0～2 m/s，占总霾日数的75.7%；风速为2～4 m/s的占总霾日数的24.3%；而当日平均风速>4 m/s时，霾日则不会产生。说明霾日发生时，日平均风速一般均在2 m/s以下，较小的风速使颗粒物不易扩散，大量颗粒物的积聚使霾更易产生。
从各季节来看，在春季，霾日中风速达2～4 m/s的天数较多，达52.9%，而其他季节霾日的日平均风速则多集中在0～2 m/s，说明春季霾日可能更多是受到外部影响，由于颗粒物从周边地区长途输送导致霾日的产生；而其他季节的霾日更多的是受到当地的影响。
2.3.3
PM特征。
在107 d霾日中，PM2.5/PM10超过0.5的天数有97 d，占总数的90.7%，说明大部分霾日中，细颗粒物在总颗粒物中所占比重很大，起到了很重要的作用。
进一步对107 d霾日每日各小时的超标情况进行统计，仍以能见度<10 000 m和PM2.5值<0.037 5 mg/m3为标准，从各小时超标值的统计结果可以看到，在07：00～09：00和18：00～20：00有2个小高峰，分别对应上下班高峰，说明上海霾日的产生与汽车尾气排放有一定的联系。
3 小结
（1）上海霾发生时多盛行由内陆而来的西南和西北气流；且各季有所不同，夏季以西南气流为主、春季比较平均，秋、冬季节则以西北气流为主。
（2）较高的相对湿度、较小的风速有利于上海霾的形成。
（3）上海霾的发生受到当地和外部输送两方面影响，其中以当地影响为主。
（4）上海霾发生时PM2.5/PM10的比值多大于0.5，而从每天的小时浓度变化情况来看，上海霾日在早晚高峰出现小时浓度的峰值，说明上海霾日可能与机动车尾气排放有比较密切的关系。
参考文献
[1]
吴兑.再论都市霾与雾的区别[J].气象， 2006， 32（4）：9-14.
[2] 白志鹏，蔡斌彬，董海燕，等.灰霾的健康效应[J]. 环境污染与防治，2006，28（3）：198-201.
[3] 殷永文，程金平，段玉森，等.上海市霾期间PM2.5 、PM10污染與呼吸科、儿呼吸科门诊人数的相关分析[J]. 环境科学，2011，32（7）： 1894-1898.
[4] MALM W C. Characteristics and origins of haze in the continental United States [J]. Earth & Science Rev， 1992， 33（1）： 1-36.
[5] DOYLE M， DORLING S. Visibility trends in the UK 1950-1997[J]. Atmospheric Environment， 2002， 36： 3161-3172.
[6] QUINN P K， BATES T S. North American， Asian， and Indian haze： similar regional impacts on climate[J]. Geophysical Research Letters， 2003，30： 1555-1599.
[7] 高歌.1961-2005年中国霾日气候特征及变化分析[J].地理学报，2008，63（7）： 761-768.
[8] 胡亚旦，周自江.中国霾天气的气候特征分析[J].气象，2009，35（7）： 73-78.
[9] 梁明易，董林，陶俊.广州冬季霾天气大气PM2.5污染特征分析[J].中国环境监测， 2007，23（5）： 52-54.
[10] 张浩，石春娥，邱明燕，等.合肥市霾天气变化特征及其影响因子[J].环境科学学报， 2010，30（4）： 714-721.
关键词 霾；影响因素；变化特征；上海
中图分类号 S161 文献标识码 A 文章编号 0517-6611（2014）20-06725-03
霾是指大量极细微的干尘粒均匀地浮游在空中，使远处光亮物微带黄、红色，黑暗物微带蓝色，水平能见度<10 km的空气普遍有混浊的天气现象。研究表明，霾中的物质成分除了细尘以外，还包括硫酸与硫酸盐、硝酸与硝酸盐、碳氢化合物、黑碳等粒子[1]，正是由于大量极细微的污染性气溶胶的存在，霾天气对人类的身体健康具有极大的危害性。上海市霾期间PM2.5、PM10污染对医院呼吸科日均门诊人数具有一定影响[2-3]。因此，霾的特征和成因均日益受到人们的关注。
国外学者较早地对霾的物质组成及气候特征进行了研究[4-6]。近年来，我国学者对霾的研究也渐趋深入，我国年和四季霾日的空间分布特征均呈现东多西少的空间分布态势，且霾的增加是造成太阳总辐射减少的主要原因之一[7]。进一步研究发现，在我国风力条件（大气污染物稀释扩散能力）的变化对霾天气增减趋势的影响非常显著[8]；而在对各地的研究中，珠江三角洲区域灰霾天气过程与区域内静小风过程有密切联系，清洁对照过程与强平流输送有关[1]，较高的PM2.5浓度和较高的相对湿度及较小的风速是导致广州霾天气形成的主要原因[9]。 可见，霾的形成与气象条件和空气中颗粒物含量均有密切联系。笔者利用后向轨迹聚类等方法，综合两方面因素，对2009年12月～2010年11月上海1年内霾日进行分析，以期对上海霾的形成、发展、成因和特征等有较细致和全面的了解。
1 资料与方法
1.1 资料来源
所用风速和相对湿度资料来自于上海徐家汇测点，能见度资料使用的是上海市普陀区华东师范大学PWD22能见度仪的观测数据，其经纬度坐标为31.14°N、121.24°E，15 m。颗粒物数据包括PM2.5和PM10的小时数据，均来自于上海普陀监测站。用于轨迹计算的气象场资料为NOAA 的FNL 资料。参考世界卫生组织提出的空气质量准则，过渡时期目标中规定PM2.5的日平均浓度<0.037 5 mg/m3。在此以PM2.5日均值<0.037 5 mg/m3以及能见度日均值<10 000 m为筛选标准，筛选出2009年12月～2010年11月发生的霾日数。
1.2 研究方法
由于气象场的观测误差、分析误差、时空分辨率以及模式所用的一些假定会对单根轨迹的精度产生各种影响，因此常采用聚类分析的方法来研究空气质量、气溶胶的理化特性与不同输送态势之间的关系。聚类分析是一种多元统计技术，近年来，在大气污染研究方面得到广泛应用[10]。 开始聚类分析时，定义每条轨迹为独立的1组，即N条轨迹对应N组。第1次迭代前，需要计算每对轨迹组合的空间方差（SPVAR）。 空间方差定义为组内各轨迹与它们的坐标平均值之差的平方和，SPVAR之和为总空间方差（TSV）。使TSV最小的组合形成1组。经过1次迭代后，聚类数为N-1，即产生N-1类；第2次迭代，在N-1类中计算各种轨迹组合的SPVAR与TSV，与第1步相同，使TSV增加最小的轨迹组合归为1组。由此循环至所有轨迹最终归为1类。最初几次迭代，TSV增加得很快；随后，TSV通常增加比较缓慢，但在某些迭代后，其值会突然增加，表明该次迭代形成的类与之前的类有较大区别。
2 结果与分析
2.1 霾日统计结果
经统计，2009年12月～2010年11月上海总共有霾日107 d，其中，冬季霾日发生的最多，且各月分布比较均匀，12、1、2月分别为20、13、11 d，均超過10 d；夏季和秋季次之，但各月分布较不均匀，在夏季，6月的霾日（15 d）较之7月（6 d）和8月（4 d）明显偏多；而在秋季，9月的霾日（1 d）则较之10月（9 d）和11月（11 d）明显偏少；春季发生的霾日最少，各月分布也比较均匀，3、4、5月分别为7、5、5 d，均未超过10 d。结合气流路径、气象条件、颗粒物浓度等因素进行分析，可以进一步分析各月和各季节霾日分布不均的特征和原因。
2.2 后向轨迹聚类分析
从2009年12月～2010年11月500 m高度每日24 h后向轨迹的聚类结果（图1）可以看出，来自西北、东北和西南的气流所占比例差不多，东南方向的偏少；而从轨迹长度上来看，东南和西北方向的轨迹较长，超过600 km，说明东南和西北方向来的气流移动路径均较长，西南方向轨迹的长度较短（<300 km），说明气流从较近的地方移至上海。
图1 2009年12月～2010年11月24 h后向轨迹聚类结果
对各霾日气流来向进行分析统计，与2009年12月～2010年11月全年总的气流统计情况进行比较，结果发现（表1），就全年而言，在总共107 d霾日中，气流来向为西北和西南的霾日分别达43、39 d，东北方向为22 d，最少的为东南方向，仅为3 d；而从各方向气流下的霾日占各方向气流的总天数的比例来看，西北和西南分别占43.4%和44.0%，东北方向为19.6%，东南方向为4.5%。所以，就全年的情况而言，从霾日发生的天数来看，西北和西南方向是霾日气流的主要来向；从发生的概率来看，当气流来向为西北和西南方向时，霾产生的几率较大。首先，西北和西南方向的气流均是从内陆移动至上海，沿途较易携带各种外源颗粒物影响上海，而东北和东南方向的气流由海上移动至上海，由于海上人类活动较少，因此，海上的清洁气流对上海的颗粒物浓度有稀释作用；其次，从后向轨迹的长度来看，西南气流的长度较短，说明当霾日产生时气流方向为西南气流时，上海霾日的产生更多的是受长三角等周边地区以及当地影响所致；而西北气流长度较长，说明受西北方向气流影响而产生的霾日受外源长途输送的影响较大。 就各季节（表2）而言，春季的17 d霾日中，气流来向为西南和西北方向的最多，均为6 d，东北和东南方向的霾日分别为3、2 d；从发生概率上来说，西南方向最多，西北方向次之，之后是东南和东北方向。夏季的25 d霾日中，气流来向为西南方向的达15 d，之后依次是东北方向5 d、西北方向4 d、东南方向1 d；但从发生概率而言，西北方向最高，西南方向和东北方向次之，东南方向最少；秋季和冬季均是西北方向的霾日最多，西南和东北次之，东南方向没有，而从发生概率上而言，秋季西南方向气流影响下，发生霾日的概率高于西北方向，东北方向概率较小；冬季西南和西北方向发生霾日的概率基本持平，东北方向略小。
总的来说，从霾日发生的天数来看，就各季节而言，西北和西南方向仍旧是霾日气流的主要来向；其中，春季气流来向为西南和西北方向的霾日数比较平均，夏季则西南高于西北；秋冬季节为西北高于西南。从各方向气流影响下霾日发生的概率来看，各季节均是以西南和西北方向更易产生霾日，但就各季节比较而言，春季发生的概率较其他三季低；夏季西北方向发生概率最高，西南方向次之；秋季西南方向发生概率最高，西北方向次之；春季和冬季西南和西北方向发生的概率则相差不大，但较之另2个方向大。这主要是由于秋、冬季节主要是受西北方向弱冷高压影响，因此霾日中西北方向气流所占比重较大；而夏季主要是受副热带高气压带影响，因此霾日中西北方向气流所占比重较大；春季则为两者的过渡期，因此所占比例也比较均等。在秋冬季节，西北弱冷高压南下控制上海，上海处于弱高压前缘或中心地带，一方面，稳定的天气形势使当地的颗粒物不易扩散；另一方面，弱高压沿途携带的颗粒物又被带入上海，导致霾日的产生。而夏季则多为副热带高压减弱，导致上海处于弱气压场控制，从而产生霾天气。
2.3 霾产生时的气象条件
2.3.1
相对湿度。由表3可见，从全年来看，霾日的日平均相对湿度主要集中在60%～90%。从各季节情况而言，大体与全年情况一致，相对湿度也主要集中在60%～90%，但具体而言，各季节略有差异，春季相对湿度在80%～90%区间的霾日数所占比例特别大，达春季总霾日数的58.8%；说明春季当霾日发生时，相对湿度大多在80%～90%；夏季相对湿度在70%～80%区间的霾日数所占比例最大，达夏季总霾日数的52.0%；秋季以60%～80%居多，冬季则在60%～90%的各区间段内分布较均匀。说明霾日产生时，相对湿度一般较高，因为较高的相对湿度有利于颗粒物的吸湿性增长，从而导致霾天气的发展和加剧。
2.3.2
风速。从表4可以看出，就全年而言，当有霾发生时，日平均风速大多为0～2 m/s，占总霾日数的75.7%；风速为2～4 m/s的占总霾日数的24.3%；而当日平均风速>4 m/s时，霾日则不会产生。说明霾日发生时，日平均风速一般均在2 m/s以下，较小的风速使颗粒物不易扩散，大量颗粒物的积聚使霾更易产生。
从各季节来看，在春季，霾日中风速达2～4 m/s的天数较多，达52.9%，而其他季节霾日的日平均风速则多集中在0～2 m/s，说明春季霾日可能更多是受到外部影响，由于颗粒物从周边地区长途输送导致霾日的产生；而其他季节的霾日更多的是受到当地的影响。
2.3.3
PM特征。
在107 d霾日中，PM2.5/PM10超过0.5的天数有97 d，占总数的90.7%，说明大部分霾日中，细颗粒物在总颗粒物中所占比重很大，起到了很重要的作用。
进一步对107 d霾日每日各小时的超标情况进行统计，仍以能见度<10 000 m和PM2.5值<0.037 5 mg/m3为标准，从各小时超标值的统计结果可以看到，在07：00～09：00和18：00～20：00有2个小高峰，分别对应上下班高峰，说明上海霾日的产生与汽车尾气排放有一定的联系。
3 小结
（1）上海霾发生时多盛行由内陆而来的西南和西北气流；且各季有所不同，夏季以西南气流为主、春季比较平均，秋、冬季节则以西北气流为主。
（2）较高的相对湿度、较小的风速有利于上海霾的形成。
（3）上海霾的发生受到当地和外部输送两方面影响，其中以当地影响为主。
（4）上海霾发生时PM2.5/PM10的比值多大于0.5，而从每天的小时浓度变化情况来看，上海霾日在早晚高峰出现小时浓度的峰值，说明上海霾日可能与机动车尾气排放有比较密切的关系。
参考文献
[1]
吴兑.再论都市霾与雾的区别[J].气象， 2006， 32（4）：9-14.
[2] 白志鹏，蔡斌彬，董海燕，等.灰霾的健康效应[J]. 环境污染与防治，2006，28（3）：198-201.
[3] 殷永文，程金平，段玉森，等.上海市霾期间PM2.5 、PM10污染與呼吸科、儿呼吸科门诊人数的相关分析[J]. 环境科学，2011，32（7）： 1894-1898.
[4] MALM W C. Characteristics and origins of haze in the continental United States [J]. Earth & Science Rev， 1992， 33（1）： 1-36.
[5] DOYLE M， DORLING S. Visibility trends in the UK 1950-1997[J]. Atmospheric Environment， 2002， 36： 3161-3172.
[6] QUINN P K， BATES T S. North American， Asian， and Indian haze： similar regional impacts on climate[J]. Geophysical Research Letters， 2003，30： 1555-1599.
[7] 高歌.1961-2005年中国霾日气候特征及变化分析[J].地理学报，2008，63（7）： 761-768.
[8] 胡亚旦，周自江.中国霾天气的气候特征分析[J].气象，2009，35（7）： 73-78.
[9] 梁明易，董林，陶俊.广州冬季霾天气大气PM2.5污染特征分析[J].中国环境监测， 2007，23（5）： 52-54.
[10] 张浩，石春娥，邱明燕，等.合肥市霾天气变化特征及其影响因子[J].环境科学学报， 2010，30（4）： 714-721.