石春娥 姚叶青 邱明燕 张平
安徽省气象科学研究所,合肥,230031
摘要苌家拳
应用聚类分析的方法对2001-2005年合肥市逐日72h后向轨迹按季节分类,结合PM10日均浓度观测资料研究了不同输送态势与该地区PM10浓度之间的关系。结果表明:不同方向后向轨迹所对应的PM10平均浓度有显著不同;最高PM10平均浓度对应的后向轨迹在春、秋和冬季都是来自西北方向,它们与季节平均的相对距平分别为44%、20%和31%;夏季为东北方向,与季节平均的相对距平为20%;其次为本地轨迹,各季的相对距平分别为5%、16%、18%和17%。得出6组有利于出现高浓度PM10的后向轨迹及对应的天气形势。气溶胶的远程输送主要发生在自由对流层,区域输送主要发生在边界层内,移动快的气团不一定对应低浓度的PM10。 延吉市十二中关键词: 空气质量;后向轨迹;聚类分析;天气形势;PM10 ;合肥。
1引言
可吸入性颗粒物(PM10),是悬浮于大气中空气动力学直径<10µm的粒子。由于其粒径小,能直接进入呼吸道,其中的细粒子甚至能进入人的肺泡底部,从而对人体健康造成较大危害。研究表明[1-3],空气中可吸入性颗粒物与医院就诊率、心肺疾病人人数等诸多不利健康效应之间关系密切。因此对PM10污染的危害,形成机理及其与天气条件的关系研究是继SO2,NO2,O3之后的又一研究热点,已引起不同领域科学家们广泛的关注[1-13] 。这些研究结果加深了人们对PM10对人体健康、生态环境以及天气气候的负面作用及其在大气中形成机理的理解。
近20年来,随着我国东部地区经济、人口的快速增长,人为大气污染物的排放大量增加,从而产生了一系列的环境问题, 如区域空气质量下降和人为气候变化等[14-15]。另外,春季产生于中国西北、内蒙和蒙古沙漠的沙尘暴也会对中国东部地区的大气气溶胶浓度产生较大影响。研究[16-18]表明大气气溶胶的时空分布和输送态势与气象条件密切相关。因此,应用一些客观方法,如轨迹分析,来研究一个地区的大气气溶胶的输送通道对理解该地区的大气气溶胶来源非常重要。
轨迹分析是研究区域性空气污染问题中常用的方法[19,20]。计算到达某地气团的后向轨迹,可以了解气团到达该地之前经过的地区,从而可以定性地了解污染物的潜在来源[20]。由于单根轨迹的精度总会受到气象场的时空分辨率、观测误差、分析误差以及模式所用的一些假定的影响。很多学者讨论过轨迹计算的不足和精度[21-22]。为避免单根轨迹的误差影响,大家常采用大量轨迹和聚类分析的(CA)方法来研究空气质量、气溶胶的理化特征和光学特征、降水的化学特征等与不同输送态势之间
的关系[20,18]。本文应用后向轨迹分析-聚类分析-统计分析的方法,利用合肥市西郊董铺水库的逐日PM10浓度观测资料研究大尺度输送态势与我合肥地区PM10浓度之间的关系。
2 资料来源
本文所用PM10浓度资料来自合肥市环境监测站。从2000年6月起PM10成为城市空气质量监测的三种大气污染物之一。合肥市环境监测站在合肥的不同功能区设了四个空气自动监测点:三里街(工业交通频繁区)、长江中路(商业交通混合区)、琥珀山庄(居民区)和董铺水库(清洁对照点)。董铺水库PM10平均浓度在各季都低于其他测站,比市区三个测站的平均浓度低0.015mg/m3(15%)~0.025 mg/m3 (27%)。各测站都是冬、春季高,夏季低于其他季节。
本文所用气象资料为美国国家海洋和大气管理局(NOAA)的FNL资料 (191 km grid),可直接从网上下载(aa.gov/ss/transport/archives.html)。
3研究方法
3.1后向轨迹分析
应用美国NOAA研制的轨迹模式HYSPLIT4(Hybrid Single Particle Lagrangian Integrated)[23]计算从2001年1月1日到2005年12 月31日逐日72小时后向轨迹,并用于聚类分析。该模式被广泛应用于大
气污染物输送研究[7,18,24-26]。
根据中国环境保护总局的规定,各重点城市每天发布的空气质量指数是由前一天12时到当天11时监测的逐时浓度平均后用公式换算而成。因此,本文计算后向轨迹的开始时间为每天的北京时间00时(对应的格林威治时间为前一天的16GMT),为一天记录时段的中间时间;考虑到边界层内的扩散与混和,轨迹起始点设在海拔1000米,对应于该地区的边界层中上部。
3.2聚类分析
聚类分析是一种多元统计技术,近年来,被广泛应用于大气污染研究中对大量轨迹进行分类 [20]。该方法根据气团水平移动速度和方向对大量轨迹进行分组,分组的原则是达到组间差异极大,组内差异极小。因此,该方法可用于估计大气污染物(如气溶胶)的潜在源区和对不同的输送态势分类。由于合肥属于典型的季风气候,而且PM10浓度存在明显的季节变化,本文首先应用Dorling et al[27]提出的聚类分析方法按季节对合肥5年逐日的72小时后向轨迹进行分类。为了解有利于造成该地区高浓度PM10污染的输送态势,本文也对5年来达到大气污染日子的后向轨迹进行分类。后向轨迹资料的时间间隔为6小时,每一根轨迹可以得到12组(24个)x(经度)-y(纬度)坐标,这些坐标值作为聚类分析算子的输入参数。具体计算步骤见文献[27],同时为便于后面的进一步分析,所得到的总组数不能太多又要能描述不同流场形式之间的重要差别,这里参照Brankov et al[20]做法,以TRMSD发生5%变
化为选择标准,同时又希望所得的组数在10组以下。因此春、夏、秋、冬四季的所有的轨迹分别被分为8、7、7、6组。输出详细的分组结果,如每一组的平均轨迹,每一组内的所有轨迹。得到四季平均轨迹的水平分量分布(图1)。图中数字为轨迹序号。轨迹水平分量经过的路线和方向表示气团在到达本地以前所经过的地区,根据其长短可以判断气团移动的速度,长的轨迹对应快速移动的气团,短的轨迹表示气团移动缓慢。在同一季节同一方向可能因为气团运动速度的快慢存在多个轨迹组。
3.3组内大气污染物日均浓度的统计分析
为了解不同输送条件下合肥市PM10日均浓度的差异,对每一组内轨迹所对应的PM10浓度进行统计分析,计算了包括平均浓度、标准偏差、最大浓度、最小浓度等传统的统计量,详细结果见表1。为讨论方便,表中不仅给出了轨迹序号,同时还给出了以英文字母表示的大致方向。同一方向存在多组轨迹时,用下标L、M、S分别表示长、中、短轨迹,本地轨迹用Local表示。
虽然不应用数值模式很难定量估计远程输送对某地大气污染物浓度的贡献,但是通过轨迹分析,并结合地面观测资料,可以定性地估计出受远程输送影响而出现大气污染的几率。
sack图1 四季各族平均后向轨迹分布
Fig.1 The cluster-mean back-trajectories in four seasons. The number (outside the bracket) indicate the cluster number in table 1and the occurrence percentage of each cluster
4结果和讨论
4.1平均后向轨迹分布
由图 1 可知合肥四季的平均后向轨迹分布情况。春、秋、冬三季的平均后向轨迹分布比较接近。春季的后向轨迹分为8组;夏、秋季的后向轨迹都分为7组,夏季的平均轨迹分布比较分散;冬季的后向轨迹分为6组。根据平均轨迹的长短以及组内轨迹的分布状况,春季的第8组,夏季的第7组,秋季的第5组和冬季的第4组轨迹所对应的移动缓慢的气团定义为本地气团。
图1中合肥各季平均轨迹的分布与合肥的季风气候是相适应的,例如冬季以西北、偏北风为主,夏季以南风和东南风为主,秋季和春季是季风变换的季节,主要以西北风为主,但也有其他方向的轨迹存在。在夏季以外的季节,西北方向的轨迹比其他方向的轨迹长,表明来自西北方向的气团移动都比较快。
4.2 不同输送条件下合肥市平均PM10浓度
由表1可见,不同大方向轨迹所对应的平均浓度在四季都存在显著差异。下面按季节讨论不同输送条件下合肥市PM10浓度变化情况。
4.2.1 春季
春季各组平均浓度按大小顺序排列为:NW L > NW M > NW S > Local > E > N S > N L > SW。西北方向轨迹对应的平均浓度最大(143±102ug/m3);西南轨迹的平均浓度最低(76±40ug/m3),约是西北长轨迹平均浓度的一半;本地轨迹和偏东轨迹对应的平均浓度在中间。同一大方向不同组的平均浓度与轨迹长度之间的关系因方向不同而有差异。例如:西北方向,轨迹越长平均浓度越大,而且西北长轨迹对应的平均浓度比短轨迹对应的平均浓度大得多;偏北方向,长短轨迹对应的平均浓度相差不大,但长轨迹对应的平均浓度略低。
从各组内最大24小时平均浓度看,本地轨迹对应值在各组中最大,达到0.78mg/m3, 超过大气污染等级6级的标准(0.6 mg/m3),五年中本地轨迹造成中度以上大气污染的个例仅此一次,而且当天合肥其他测站PM10浓度也很高,其形成原因有待于进一步研究;西南轨迹对应值在各组中最小(0.177mg/m3);其他方向差别不大,在0.33 和0.47 mg/m3之间。西北(中、短)轨迹所对应的最小24小时平均浓度,在各组中最大;其他方向的最小24小时平均浓度差别不大。
笑蜀春季各组都可以出现大气污染,出现大气污染的后向轨迹主要是本地轨迹、西北轨迹和偏东轨迹,但
出现大气污染组内频率最高的是西北轨迹,尤其是西北长轨迹,达到50%。而且中度以上大气污染基本上都是出现在春季。
合肥春季的后向轨迹主要为本地(5年130天,年均26天)和西北方向(5年108天,年均21天),这两类轨迹出现的几率超过了50%,而这两类轨迹对应着最高的平均浓度,可见春季有一半的输送条件有利于在合肥地区形成高浓度PM10。春季是沙尘暴易发季节,本文的统计结果也充分证明了沙尘气溶胶的远程输送对合肥地区PM10浓度的影响。
4.2.2 夏季
夏季各类轨迹所对应的PM10浓度都比春季低。各组平均浓度按大小顺序排列为:NNE>Local>NNW>SW S>E>S>SW L。西南长轨迹对应的平均浓度最低,约是偏北方向(NNE)平均浓度的一半。同是西南方向的轨迹,长轨迹对应的平均浓度比短轨迹对应的平均浓度略低,这一点与春季西北轨迹不同,但与春季北方轨迹的情形一致。这可能是由于这几个地区污染源性质不同,以及所对应的气象条件不同所致。夏季各组中的最大24小时平均浓度比春季低得多,这反映了夏季多雨、扩散条件好等气候条件以及我国大部分地区夏季普遍植被覆盖率高的特点。夏季出现大气污染的几率很小,几乎都属于本地轨迹和偏北轨迹。
表1 董铺水库测站PM 10平均浓度在四季各组的统计结果
Table 1 Statistical comparison of 24-hr PM10 concentrations of each season by clusters for the rural sites at Hefei 季节
组号(方向)
平均浓度
(ug/m 3) 标准偏差
(ug/m 3) 最大浓度
(ug/m 3)
最小浓度 (ug/m 3)发生概率(%)
轻度以上污染日数 污染概率(%)
中度以上污染日数
1-E 90 75 351 8 13.08 8 13.56 1 2-NW M 134 69 332 34 7.32 9 27.27 0 3-SW 76 40 177 17 12.20 2 3.64 0 4-N L 80 75 468 9 8.43 2 5.26 1 5-NW S 110 63 408 40 12.64 11 19.30 1 6-N S 8
8 73 372 2 13.53 7 11.48 1 7-NW L 143 102 358 10 3.99 9 50.00 1 春季
8-Local 105 81 780 15 28.82 21 16.15 1 1-SW L 43 25 184 5 16.30 1 1.33 0 2-NNE 79 45 250 12 15.00 5 7.25 0 3-NNW 70 39 210 10 5.22 1 4.17 0 4-SW S 64 31 161 15 18.04 1 1.20 0 5-S 50 17 84 10 6.96 0 0.00 0 6-E 63 33 150 3 11.30 0 0.00 0 夏季
7-Local 75 39 182 10 27.17 6 4.80 0 1-NW S 118 44 235 25 12.09 9 16.36 0 2-NNW 110 68 383 15 12.75 12 20.69 1 3-N 82 43 197 15 15.60 6 8.45 0 4-NE 81 39 197 11 26.15 5 4.20 0 5-Local 116 62 321 18 22.42 25 24.51 0 6-NW L 112 62 279 28 9.01 7 17.07 0 秋季
奥修书7-SE 52 7 75 17 1.98 0 0.00 0 1-NE 55 42 215 4 23.73 4 3.74 0 2-NW M 99 57 289 7 16.41 13 17.57 0 3-NW L 118 64 308 32 6.87 7 22.58 0 4-Local 105 51 264 20 25.72 23 19.83 0 5-N 74 39 151 5 7.54 1 2.94 0 冬季
6-NW S
96
44
196
10
19.73 13铝矿石
14.61 0
4.2.3秋季
西北和偏北各组所对应的平均浓度比春季低,本地轨迹所对应的平均浓度比春季略高。各组平均浓度按大小顺序排列为:NW S >Local>NW L >NNW>N>NE>SE。西北方向和本地轨迹所对应的平均浓度最高,东南方向轨迹所对应的平均浓度最低,偏东北方向居中。西北方向长短轨迹之间平均浓度差异不大,而且西北短轨迹所对应的平均浓度比长轨迹输送条件下略高,这反映了春、秋季西北方向污染源性质、植被条件等不同。各组中单次最大浓度存在很大差异,