魯西南地區靜穩天氣特征及其與大氣污染物的關系

董寧 趙京峰 王曉默

摘 要：【目的】研究魯西南地區靜穩天氣特征及其與主要污染物的關系?！痉椒ā客ㄟ^構建靜穩天氣綜合指數，利用2014—2018年濟寧、菏澤、棗莊三市的大氣監測和氣象資料，構建了魯西南地區靜穩天氣指數（SWI），分析了SWI與空氣質量指數（AQI）及PM2.5濃度的關系，能較好地表征魯西南地區大氣對污染物的水平與垂直擴散及運輸能力?！窘Y果】濟寧SWI與AQI相關系數為0.79，與PM2.5濃度的相關系數為0.78；菏澤SWI與AQI相關系數為0.62，與PM2.5濃度的相關系數為0.61；棗莊SWI與AQI相關系數為0.77，與PM2.5濃度的相關系數為0.78。當SWI增大時，PM2.5濃度與AQI值均增大；當SWI值減小時，PM2.5濃度與AQI值均下降，其具備較好的對應關系?！窘Y論】靜穩天氣指數的時間提前特征，說明靜穩天氣指數對下一日的空氣質量具有一定的影響；靜穩天氣指數在空氣質量發生轉折時有較好的指示作用；靜穩天氣指數在一定程度上與大氣污染程度的變化一致，且在一定范圍內對分級空氣質量有較好的指示意義。

關鍵詞：靜穩指數（SWI）；空氣質量指數（AQI）；大氣污染物

中圖分類號：X51? ? ?文獻標志碼：A? ? ?文章編號：1003-5168（2024）04-0116-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.04.021

Stationary Weather Characteristics and Its Relationship with Air

Pollutants in Southwest Shandong Province

DONG Ning1? ? ZHAO Jingfeng1? ? ?WANG Xiaomo2

（1.Meteorological Bureau of Jining， Jining 272000，China; 2.Meteorological Bureau of Heze， Heze 273200，China）

Abstract： [Purposes] This paper aims to study the characteristics of calm and stable weather in the southwestern region of Shandong and its main relationship with major pollutants. [Methods] This article constructs a comprehensive index of calm and stable weather， and uses atmospheric monitoring and meteorological data from Jining， Heze， and Zaozhuang from 2014 to 2018 to construct a calm and stable weather index （SWI） in the southwestern region of Shandong. The relationship between SWI and air quality index （AQI） and PM2.5 concentration is analyzed， It can better characterize the horizontal and vertical diffusion and transportation capacity of pollutants in the atmosphere of southwestern Shandong. [Findings] The correlation coefficient between Jining SWI and AQI is 0.79， and the correlation coefficient with PM2.5 concentration is 0.78; The correlation coefficient between Heze SWI and AQI is 0.62， and the correlation coefficient with PM2.5 concentration is 0.61; The correlation coefficient between SWI and AQI in Zaozhuang is 0.77， and the correlation coefficient with PM2.5 concentration is 0.78. When SWI increases， both PM2.5 concentration and AQI value increase; When the SWI value decreases， both the PM2.5 concentration and AQI value decrease. [Conclusions] Indicating a good corresponding relationship The time advance characteristics of the Quiet Weather Index indicate that the Quiet Weather Index has a certain impact on the air quality of the next day; The calm weather index has a good indicating effect when air quality changes The static and stable weather index is consistent with the changes in atmospheric pollution to a certain extent， and within a certain range， it has good indicative significance for grading air quality.

Keywords： SWI; AQI; air pollutants

0 引言

靜穩天氣包含靜風、均壓、高濕、層結穩定等［1-3］重要因素，不利于污染物擴散、沉降、擴散。氣象條件的利弊是污染天氣形成和維持的重要因素［4-6］。在目前城市空氣污染預報中，靜穩天氣的判斷主要依靠業務人員對天氣形勢的定性分析。楊元勤等［7］通過診斷分析風場等敏感因素的貢獻，建立了2008年北京奧運會期間空氣質量氣象條件的PLAM指數預測方法，在特定的氣象條件下，如“靜穩型”周邊區域性污染物通過敏感要素（如溫度場、風場等）在影響空氣質量中做貢獻。王耀庭等［8-9］也指出越穩定的大氣越不利于污染物擴散，因為穩定大氣邊界層不易被突破。本研究在綜合考慮氣溫、風速、相對濕度、海平面氣壓、逆溫強度等要素的情況下，設計了魯西南地區靜穩天氣指數，該指數能綜合反映出大氣穩定程度。

1 數據來源與研究方法

1.1 數據來源

本研究所用污染物濃度、空氣質量等級數據來自山東省氣象局的逐時監測數據，PM2.5質量濃度取日均值，缺測8 d。相關氣象要素取自經過質控的濟寧、棗莊、菏澤、徐州市氣象局常規地面氣象觀測資料和探空資料，氣溫、氣壓、風、濕度資料取日均值，缺測1 d。樣本資料時間長度取 2014年1月1日至2018年12月31日，共1 826 d，其中，氣象探空垂直觀測氣溫資料分別為8：00 和20：00。本研究主要采用相關分析、閾值統計、回算檢驗等統計方法和環境氣象預報經驗。

1.2 研究方法

結合相關文獻研究，通過統計典型邊界層特征量對應的靜穩天氣特征，確定各氣象因子閾值和權重，建立了靜態天氣綜合指數（SWI）［3，10］。

1.2.1 篩選有關靜穩天氣形成的氣象要素。判別靜穩天氣形勢主要考慮近地層氣壓、溫度、濕度、風速、逆溫等要素。24 h變溫、變壓較弱時對應較為穩定的天氣形勢，易形成靜穩天氣［11-14］。逆溫時層結較為穩定，霧霾不利于擴散［15-16］。結合預測經驗、文獻研究和實際數據環境，本研究選取了6個物理意義明確、時空匹配性好的氣象因子構建靜態穩定天氣指數：日平均相對濕度、日平均風速（10 m）、日平均海平面壓力、24小時變壓（日平均海平面壓力）、24 h變溫（日平均溫度）、8：00和20：00的850 hPa和1 000 hPa之間的溫差（記錄為T850～1 000）、850 hPa與925 hPa之間（記錄為T950～925）及925 hPa與1 000 hPa的溫差（記為T925～1 000）。相關分析表明，這6個氣象因子與PM2.5濃度的相關性好于其他因子。

1.2.2 確定各氣象要素閾值。根據各氣象要素在靜穩天氣中的作用和物理意義的不同劃分出合適的區間，統計分析發生大氣污染期間各氣象要素的閾值。

1.2.3 計算各氣象要素分指數。通過對樣本的統計分析，得到了穩定天氣的子指標，即各氣象因子在不同閾值范圍內的權重。同一因子的不同閾值范圍的權重與該因子在該閾值范圍內對靜穩天氣形成的影響呈正相關。具體方法如下：利用上述污染物濃度和地表及高空氣象觀測數據，分段分析近地面各氣象要素的分項指數。數值越大，發生污染天氣的概率越高。分指數具體計算方法為式（1） 。

Kin = [? ?ain? ?ain+bin? ? a? ? a+b] （1）

式中：Kin為變量i在區間n的分指數；ain和bin是區間n中變量i條件下污染天氣和非污染天氣的發生次數；a和b分別為污染天氣和非污染天氣的總發生次數。張恒德等［17］的研究證實了這種定義方法的可行性，該公式算法也被用于《空氣污染擴散氣象條件等級》（QX/T413—2018）。

通過統計得到了不同閾值范圍對應的影響魯西南地區靜穩天氣的不同氣象因子的子指標（見表1至表3，區間值大于或等于下限值且小于上限值）。例如，日平均風速（10 m）閾值分為四個區間，其分項指數隨著風速的增加而迅速下降，而小于1 m/s的風速最有利于穩定天氣的發生。日平均相對濕度分為8個區間。根據各閾值范圍對應的靜穩天氣分項指數，對靜穩天氣貢獻最大的相對濕度為40%～50%，其次為50%～60%和60%～70%，對靜穩定天氣貢獻最小的相對濕度<30%。

1.2.4 計算靜穩天氣綜合指數。靜穩天氣的綜合指數值是落在閾值范圍內的所有因素的權重之和。靜穩天氣指數（SWI）的計算公式見式（2）。若氣象要素的值在閾值范圍內，則表明物理量支持靜穩天氣的形成，并促進空氣污染的發生。否則，則意味著該因子在計算穩定天氣綜合指數中的貢獻為零，即其權重為零。

SWI = [n=16Kin] （2）

2 靜穩天氣指數的綜合應用

通過相關文獻了解到，SWI在污染較為嚴重的冬季表現出的效果更好［2，3，10］，因此，本研究選取2017—2018年冬季靜穩天氣綜合指數與空氣質量進行分析，并對SWI與AQI、PM2.5濃度分別進行線性擬合，嘗試根據靜穩天氣綜合指數來預報空氣質量。

對2017—2018年冬季濟寧、菏澤、棗莊靜穩天氣指數（SWI）與AQI、PM2.5濃度的關系進行分析，結果如圖1至圖3所示。從圖中可知，AQI、PM2.5濃度與SWI的變化之間有著較好的對應關系，其中濟寧SWI與AQI相關系數為0.79，與PM2.5濃度的相關系數為0.78；菏澤SWI與AQI相關系數為0.62，與PM2.5濃度的相關系數為0.61；棗莊SWI與AQI相關系數為0.77，與PM2.5濃度的相關系數為0.78。當SWI增大時，PM2.5濃度和AQI值逐步增大；當SWI值減小時，PM2.5濃度和AQI值逐步減小。此外，SWI的變化在時間上具有一定超前性，這從側面說明了前一日的靜穩天氣指數對次日的空氣質量具有一定的參考意義。因此，當SWI增大時，說明大氣污染狀況正在加??；當SWI減小時，說明空氣質量轉好。以上分析表明SWI可較好地表現氣象條件在大氣污染狀況轉變中的貢獻。

根據上述靜穩天氣指數，本研究計算了魯西南2014—2018年冬季08：00和20：00的靜穩天氣指數值，并根據AQI值劃分08：00和20：00的空氣質量，其中AQI≥101為污染等級，51≤AQI≤100為良級，0≤AQI≤50為最佳等級。選取同一天內兩次空氣質量等級相同的靜穩天氣指數值，取兩次靜穩天氣指標值的平均值作為相應的空氣質量等級靜穩天氣指數值。具體計算結果見表4。

由表4可知，靜穩天氣指數與大氣污染程度基本呈正相關。當靜穩天氣指數在平均狀態下小于5.23時，空氣質量可達到優良或良好水平，不易發生污染天氣。當靜穩天氣指數在5.07～5.23之間時，空氣質量達到良好水平。當靜穩天氣指數大于6.36時，空氣質量達到良或污染水平，易發生污染天氣。

據統計，2017—2018年冬魯西南地區空氣質量達到污染水平（AQI≥101）的有162例，其中靜穩指數值大于5.23的有85 d，占比為52.5%?？諝赓|量達到優良等級93例（51≤AQI≤100），其中靜穩指數值在5.07～6.36之間達58 d，占比為62.3%；空氣質量達到優良水平（0≤AQI≤50）15例，其中靜穩指數值小于16.5的有11 d。占比為73.3%。以上結果表明，在一定范圍內，靜穩指數對空氣質量分級具有良好的指示意義。

3 結論

本研究利用相關資料，構建了適合魯西南地區的靜穩天氣指數（SWI），分析了SWI與AQI及PM2.5濃度的相關關系，結論如下。

①構建了魯西南地區靜穩天氣綜合指數，能較好地表征魯西南地區大氣對污染物的水平與垂直擴散及運輸能力。分析了2017—2018年冬季魯西南地區靜穩天氣指數與AQI與PM2.5濃度之間的關系及演變特征，濟寧SWI與AQI相關系數為0.79，與PM2.5濃度的相關系數為0.78；菏澤SWI與AQI相關系數為0.62，與PM2.5濃度的相關系數為0.61；棗莊SWI與AQI相關系數為0.77，與PM2.5濃度的相關系數為0.78。當SWI增大時，PM2.5濃度逐步增大，AQI值逐步升高；當SWI值減小時，PM2.5濃度逐步減小，AQI值逐步下降，其具備較好的對應關系。

②靜穩天氣指數的變化在時間上有一定的提前性，說明前一天的靜穩天氣指數對次日的空氣質量有一定的參考意義，靜穩天氣指數在空氣質量發生轉折時有較好的指示作用。靜穩天氣指數可以在一定程度上表征大氣污染程度，兩者基本上呈現正相關關系，且在一定范圍內靜穩天氣指 數對分級空氣質量有較好的指示意義。

參考文獻：

［1］張敏，蔡子穎，韓素芹，等.天津靜穩指數建立及在環境氣象預報和評估中的應用［J］.環境科學學報， 2020，40（12）： 4461-4459.

［2］陳懿妮，羅玲，馬昊，等.杭州市靜穩天氣指數構建及應用研究［J］.環境科學學報，2020，40（12）：4461-4469.

［3］栗培真，向衛國，張小玲，等.成都靜穩天氣綜合指數的構建及其應用［J］.成都信息工程大學學報， 2020，35（1）： 87-95.

［4］劉娜，胥珈珈，楊秀艷，等.吉林省兩次重度污染天氣過程對比分析［J］.氣象災害防御， 2018，25（1）：10-14.

［5］張瑩，王式功，賈旭偉，等.華北地區冬半年空氣污染天氣客觀分型研究［J］.環境科學學報，? 2018，38（10）： 3826-3833.

［6］瞿元昊，馬井會，許建明，等.空氣污染氣象指數在上海地區的應用［J］.氣象， 2018，44（5）： 704-712.

［7］楊元琴，王繼志，侯青，等.北京夏季空氣質量的氣象指數預報［J］.應用氣象學報， 2009，20（6）： 649-655.

［8］王耀庭，李威，張小玲，等.北京城區夏季靜穩天氣下大氣邊界層與大氣污染的關系［J］.環境科學研究，? 2012，25（10）： 1092-1098.

［9］張建忠，孫瑾，王冠嵐，等.北京地區空氣質量指數時空分布特征及其與氣象條件的關系［J］.氣象與環境科學， 2014，37（1）： 33-39.

［10］陳懿妮，羅玲，馬昊，等.杭州市靜穩天氣指數構建及應用研究［J］.環境科學學報， 2020，40（12）： 4461-4469.

［11］李昕翼，倪長健，朱育雷，等.靜穩氣象條件下的細顆粒物垂直結構特征研究［J］.環境污染與防治， 2019，41（3）： 343-347.

［12］楊軍，牛忠清，石春娥，等.南京冬季霧霾過程中氣溶膠粒子的微物理特征［J］.環境科學，2010，31（7）： 1425-1431.

［13］陸春松，牛生杰，楊軍，等.南京冬季一次霧過程宏微觀結構的突變特征及成因分析［J］.大氣科學， 2010，34（4）： 681-690.

［14］曹偉華，梁旭東，李青春，等.北京一次持續性霧霾過程的階段性特征及影響因子分析［J］.氣象學報，? 2013，71（5）： 940-951.

［15］龍時磊，曾建榮，劉可，等.逆溫層在上海市空氣顆粒物積聚過程中的作用［J］.環境科學與技術，? 2013，36（S1）： 104-109.

［16］尹承美，焦洋，何建軍，等.濟南地區逆溫層特征及其對顆粒物質量濃度的影響［J］.干旱氣象，? 2019，37（4）： 622-630.

［17］張恒德，張碧輝，呂夢瑤，等.北京地區靜穩天氣綜合指數的初步構建及其在環境氣象中的應用［J］.氣象，2017，43（8）：998-1004.