, 邓学良1,2, 石春娥1,2, 吴必文1,2, 翟菁1,2, 杨关盈1,2, 霍彦峰1,21. 安徽省气象科学研究所, 安徽省大气科学与卫星遥感重点实验室, 合肥 230031;
2. 寿县国家气候观象台, 寿县 232200
收稿日期: 2018-03-29; 修回日期: 2018-10-11; 录用日期: 2018-10-11
基金项目: 国家重点研发计划（No.2016YFC0201903，2016YFC0201902）；中央引导地方专项资金科技惠民项目（No.2016080802D116）；中国科学院科技服务网络计划（STS计划）-区域重点项目（No.KFJ-STS-QYZD-022）；安徽省淮河流域气象开放研究基金（No.HRM201506）；安徽省气象科技发展基金（No.KM201809）
作者简介: 于彩霞(1988—), 女, 工程师, E-mail：xiaoyu_abcd@126.com
通讯作者（责任作者）: 于彩霞
摘要: 对合肥2015-2017年的降水、风和PM2.5、PM10浓度观测数据统计研究发现，降水对PM2.5、PM10有一定的清除作用，尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM2.5和PM10浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM2.5/PM10比例上升8.4%，表明降水对PM10清除作用更显著.降水前后PM2.5浓度变化与降水前PM2.5浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h-1或PM2.5初始浓度高于115 μg·m-3时，降水对PM2.5产生明显清除作用；而降水强度小于1 mm·h-1或PM2.5初始浓度低于115 μg·m-3时由于吸湿增长作用极易造成PM2.5浓度反弹升高；且持续3 h以上雨强介于1~4 mm·h-1的降水也对PM2.5产生清除作用.降水前后PM10浓度变化与初始浓度密切相关，而与雨强相关性较弱.当PM10初始浓度大于50 μg·m-3，降水就对PM10产生明显清除作用，且PM10初始浓度越高，降水后PM10浓度下降越多.风速大于2 m·s-1可显著降低PM2.5浓度，因此，当风速大于4 m·s-1时合肥较少出现中度及以上污染，但易造成地面起尘，使PM10浓度不降反升.合肥冬季严重污染主要出现在西北风向，夏季中度以上污染天气较少，主要出现在风速低于3 m·s-1的东南风向.
关键词:降水清除初始浓度雨强PM2.5PM10合肥
The scavenging effect of precipitation and wind on PM2.5 and PM10
YU Caixia1,2
, DENG Xueliang1,2, SHI Chun'e1,2, WU Biwen1,2, ZHAI Jing1,2, YANG Guanying1,2, HUO Yanfeng1,2 1. Key Laboratory of Atmospheric Science and Satellite Remote Sensing, Anhui Institute of Meteorology, Hefei 230031;
2. Shouxian National Climate Observatory, Shouxian 232200
Received 29 March 2018; received in revised from 11 October 2018; accepted 11 October 2018
Supported by the National Science and Technology Projects of China (No. 2016YFC0201903, 2016YFC0201902), the Local Special Funds for Science, Technology and People′s Welfare Projects Guided by Central Government (No.2016080802D116), the Science and Technology Service Network Plan of Chinese Academy of Sciences-Regional Key Projects (No.KFJ-STS-QYZD-022), Anhui Huaihe River Meteorological Open Research Foundation (No.HRM201506), and the Anhui Science and Technology Development Fundation(No.KM201809)
Biography: YU Caixia(1988—), female, engineer, E-mail:xiaoyu_abcd@126.com
*Corresponding author: YU Caixia
Abstract: The scavenging effects of rainfall and wind on PM2.5 and PM10 in Hefei were investigated using hourly data of ground level meteorological parameters and mass concentrations of PM2.5 and PM10 during 2015-2017. Statistical results show that rainfall played significant role on removing PM2.5 and PM10 in the air, especially in fall and winter. The light (moderate) rain decreased PM2.5 concentration by 23.1% (40.4%) and PM10 concentration by 32.0%(63.7%), respectively. Furthermore, the ratio of PM2.5 to PM10 increased by about 8.4% on rainy days, indicating that precipitation had a more significant effect on coarse particulate removal. The change of PM2.5 concentration before and after precipitation was closely related to the initial concentration of PM2.5, the intensity and duration of precipitation. When the precipitation intensity was greater than 4 mm·h-1, or the initial concentration of PM2.5 was higher than 115 μg·m-3, the precipitation had a significant clearance effect on PM2.5. However, when the precipitation intensity was weak (rainfall intensity < 1 mm·h-1)or the initial concentration of PM2.5 was lower than 115 μg·m-3, the concentration of PM2.5 would rebound and rise due to the increasing hygroscopic growth. When the rainfall intensity was between 1~4 mm·h-1 and precipitation lasted for more than 3 hours, it also had a scavenging effect on PM2.5 if PM2.5 initial concentration was between 35 μg·m-3 and 115 μg·m-3. The change of PM10 concentration before and after precipitation was closely related to the initial PM10 concentration, but the correlation with rainfall intensity was weak. When the initial PM10 concentration was greater than 50 μg·m-3, it was obviously removed by precipitation, and the higher the initial PM10 concentration, the more PM10 concentration decreased after precipitation. The wind with a velocity over 2 m·s-1 could weaken the concentration of PM2.5 significantly, so the moderate or above pollution episode was rare when the wind speed exceeded 4 m·s-1. However, strong wind caused dust on the ground, resulting in PM10 concentration increase. Generally, heavy pollution events appeared primarily under northwest wind in winter and southeast wind with wind speed lower than 3 m·s-1 in summer.
Keywords: rainfallscavenginginitial concentrationrainfall intensityPM2.5PM10Hefei
1 引言(Introduction)随着社会经济高速发展和城市化进程加快, 城市大气污染问题日益严重(Chang et al., 2009；吴兑, 2012; 于彩霞等, 2017), 而在各项空气污染指标中, 颗粒物污染尤其显著(Gan et al., 2010；Tang et al., 2014), 可吸入颗粒物通过呼吸道进入人体, 沉积在上呼吸道, 粒径小于2.5 μm的细粒子可进入肺泡中, 并可能导致与心和肺的功能障碍有关的疾病(Carmichael et al., 2009).颗粒物浓度超标已经是我国许多城市空气质量管理中的突出问题, 如何提高城市大气环境质量已成为目前亟需解决的重大环境问题.
当污染源排放相对稳定时, 气象条件是影响颗粒物浓度的重要因素, 其中降水和风影响了颗粒物的湿清除过程和干清除过程(周彬等, 2015), 是维持大气中悬浮粒子源汇平衡、大气自清洁的重要过程(Tie et al., 2015), 降水和风的清除能力是污染天气条件下空气质量转好的重要指标.
降水对颗粒物的清除过程分为云内清除和云下清除.云下清除是指雨滴在降落过程中, 主要通过惯性碰并过程和布朗扩散作用, 捕获气溶胶粒子, 使之从大气中清除的过程.通过采样分析, 认为降水对颗粒物质量浓度、离子组分等具有明显的清除效果(林雨霏等, 2005；霍铭群等, 2009), 也有不少****从大气观测角度出发, 探讨降水的云下清除作用(周学华等, 2008；缑晓辉等, 2016), 认为降水对不同粒径气溶胶的清除效果存在差异, 降水过程对中等尺度气溶胶的湿清除效果均不理想, 但对大尺度气溶胶和小尺度气溶胶具有明显的沉降作用(胡敏等, 2006；董雪玲等, 2007；康汉青等, 2009；邓利群等, 2012；徐建明等, 2017).赵海波等(2005)通过数值计算模拟了降雨过程中气溶胶尺度谱的时间演变过程, 也认为降水对粒径小于0.1 μm的核模态和大于1 μm的粗模态气溶胶粒子影响较大.但也有部分研究(孙根厚等, 2012；吴丹等, 2016)表明受气团和其他因素作用影响, 在夏季一些降水过程中部分粒径段颗粒物易出现浓度增加的情况.另外由于颗粒物监测仪受湿度、降水影响, 采集气流中混杂水滴, 部分吸湿性颗粒物浓度被高估(屈文军等, 2006; 田世丽等, 2014), 也导致研究结果存在差异.由此可见, 降水对颗粒物的清除机制十分复杂, 还存在很多不确定性.
风速风向的转变对于大气污染程度也有重要影响, 在部分时段是影响局地空气质量的首要气象要素(周丽等, 2003), 有****分别对天津(姚青等, 2008)、北京(蒲维维等, 2011)、上海(顾凯华等, 2015)、南京(常炉予等, 2013)等地的风清除能力进行了分析, 受地形、地理位置、气候条件影响, 各区域影响颗粒物浓度的主导风向不同.安徽省位于长三角经济带, 大气污染不仅来自本地积累, 同时也受外来输送影响(苏福庆等, 2004；刘丽丽等, 2015), 而目前针对安徽地区的研究较少(张浩等, 2010), 缺乏性规律总结和定量结论.
综合来看, 以往研究缺少对合肥地区长序列观测资料的分析研究, 且颗粒物浓度监测结果表明, 降水过程后常出现颗粒物浓度反增长, 因此有必要对合肥天气过程常出现的降水和风因素的实际清除规律进行分类分析, 给出定量化指标, 这有利于提高预报员主观判断能力及预报水平, 同时也能为合肥省重污染天气预警提供技术支撑.
2 数据与方法(Datas and methods)2.1 地面气象观测资料雨量、风速风向数据采用合肥气象站常规地面观测数据, 时间分辨率1 h, 数据时间序列为2015年1月—2017年12月.按照中国气象局的划分标准将降水等级划分为小雨、中雨、大雨、暴雨、大暴雨、特大暴雨, 24 h降雨量分别为0.1~9.9、10.0~24.9、25.0~49.9、50.0~99.9、100.0~249.9、≥250.0 mm.以降水过程降水总量除以降水持续时间, 得出小时雨强.
2.2 PM2.5、PM10观测资料PM2.5、PM10浓度数据来源于中国环境监测总站的城市空气质量实时监测数据网(http://106.37.208.233:20035/).合肥PM2.5、PM10浓度监测站点包括明珠广场、三里街、琥珀山庄、董铺水库、长江中路、庐阳区、瑶海区、包河区、滨湖新区、高新区共10个城区监测站.测量仪器为美国METONE BAM1020颗粒物在线监测, 其测量原理是贝塔射线法.数据时间序列为2015年1月—2017年12月.时间分辨率为1 h.统计分析前剔除PM2.5或PM10缺测的监测数据.
按照《环境空气质量技术规定》(HJ 633—2012), 空气质量为优、良、轻度污染、中度污染、重度污染、严重污染等级分别对应大气中PM2.5质量浓度范围为0~35、35~ 75、75~115、115~150、150~250、>250 μg·m-3, PM10质量浓度范围分别为0~50、50~150、150~250、250~350、350~420、>420 μg·m-3.
降水对PM2.5、PM10的清除作用以降水前后PM2.5、PM10的变化量表示, 即降水后1 h PM2.5、PM10的质量浓度与降水前PM2.5、PM10质量浓度的差值.若清差值小于零表示降水后其浓度降低, 反之则升高.PM2.5、PM10初始浓度为降水前1 h PM2.5、PM10浓度值.
3 结果与讨论(Results and discussion)3.1 合肥地区降水及PM2.5、PM10浓度的月变化特征图 1统计了合肥地区2015—2017年共36个月逐月降水量及PM2.5、PM10平均浓度.合肥年均降水量1150.5 mm, 降水主要集中在夏秋季节的6—8月及10月, 其中6月总降水量达到205.1 mm.11月—来年1月降水量最少, 月降水量低于100 mm.根据黄明等(2015)对合肥近60年降水特征的研究, 1954—2013年合肥平均降水量1000 mm, 年降水量在900~1200 mm的累计频率为56.6%.因此, 2015—2017年合肥降水量属正常年份. PM2.5、PM10浓度具有明显的季节变化特征, 7—8月浓度最低, PM2.5、PM10平均浓度分别为34.6、61.3 μg·m-3; 12—1月浓度最高, PM2.5、PM10平均浓度分别为94.8、116.0 μg·m-3.降水量与PM2.5、PM10浓度相关系数分别为-0.56、-0.58, 均通过99%置信区间检验, 具有明显的负相关关系, 即降水量越多, 污染物的浓度越低, 说明降水对PM2.5、PM10有一定的清除作用.
图 1(Fig. 1)
 |
| 图 1 2015—2017年合肥逐月降水量及PM2.5、PM10浓度 Fig. 1Monthly rainfall, PM2.5 and PM10 concentration in Hefei from 2015 to 2017 |
合肥各月降水日数也存在季节变化特征(图 2), 夏秋季节降水日数偏多, 冬春季节降水日数偏少.但不如降水量季节差异明显, 这主要是因为5—7月出现的大雨以上量级降水导致月降水量明显增加.各月大雨以上日数比例仅为7.1%~12.9%, 降水均以小雨为主, 小雨日数比例为62.1%~89.3%, 冬春季节小雨日数比例达80%以上.从图 1可以看出, 12月—3月PM2.5、PM10浓度有明显的上升, 从降水的角度来讲, 可能与降水的减少有关也可能与降水强度减小有关.
图 2(Fig. 2)
 |
| 图 2 2015—2017年合肥各月总降水日数 Fig. 2Monthly total rainy days in Hefei from 2015 to 2017 |
3.2 不同等级降水强度对PM2.5、PM10的清除作用为揭示不同等级降水强度对PM2.5、PM10的清除作用, 图 3给出了不同季节不同降水强度下PM2.5和PM10的浓度特征.在无雨日, 7—8月PM2.5、PM10浓度依然最低, 冬季(12月、1—2月)浓度最高.说明除降水影响外, 7—8月偏南风增多污染源减少导致大气较洁净, 而冬季取暖污染源增多以及上游京津冀地区污染输送等因素导致大气污染加剧.
图 3(Fig. 3)
 |
| 图 3 2015—2017年合肥各月不同等级降水强度下PM2.5(a)、PM10(b)浓度 Fig. 3Monthly averaged PM2.5 (a) and PM10 (b) mass concentration betweendifferentprecipitation intensityat Hefei from 2015 to 2017 |
从统计结果来看, 秋冬季降水对PM2.5、PM10产生明显清除作用, 9月—次年2月无雨日、小雨日、中雨日PM2.5平均浓度分别为77.7、59.8、35.6 μg·m-3, 小雨、中雨对PM2.5的清除作用分别为23.1%、40.4%;无雨日、小雨日、中雨日PM10平均浓度分别为111.1、75.6、40.3 μg·m-3, 小雨、中雨分别导致PM10平均浓度降低32.0%、63.7%.秋冬季降水对PM2.5的清除作用低于PM10, 说明降水对PM10的清除作用更为显著.
在春夏季节, 尤其3—6月, 小雨日及中雨日对PM2.5及PM10的清除作用明显降低, 甚至在雨日PM2.5及PM10平均浓度升高, 图 1表明这一时段PM2.5、PM10浓度较低, 而降水强度大多以小雨和中雨等级降水为主, 与秋冬季降水特征相似, 因此进一步研究初始污染物浓度对雨日PM2.5及PM10的浓度变化影响.
上文分析表明, 降水对PM10的清除作用更强, 尤其是当初始污染物浓度较高时, 与PM2.5相比, 降水导致PM10浓度下降更明显.从各月统计结果来看, PM2.5与PM10质量浓度比值在雨日基本都有所上升(图 4).无雨日、雨日PM2.5/PM10的平均比值分别为62.9%、71.3%, 比例上升8.4%, 即雨日清除更多的是动力学直径在2.5~10 μm之间的颗粒物.
图 4(Fig. 4)
 |
| 图 4 降雨日与无雨日PM2.5/PM10质量浓度比值 Fig. 4Mass concentration of PM2.5/PM10 on rainy days and non-rainy days at Hefei |
3.3 不同初始污染物浓度下降水的清除作用3.3.1 不同初始浓度下降水对PM2.5的清除作用缑晓辉等(2016)对日均降水量及PM10浓度进行了研究, 结果表明对于银川地区来讲, 日降水量大于2.6 mm时, PM10浓度改变量小于0；即降水量大于2.6 mm可有效降低PM10的浓度.但李霞等(2003)也在研究中表明, 气溶胶浓度的改变量和其前一日的平均浓度有较好的相关性, 而和当日降水量相关系数较小, 尤其夏季表现更不明显.因此, 本文认为日降水量对气溶胶粒子浓度改变作用受其他气象因子影响更大, 而以小时雨强更能体现降水强度的影响. 图 5给出了2015—2017年降水持续2 h以上的降水过程中, 不同初始污染物浓度及雨强作用下, 降水前后PM2.5的浓度变化.其中红色圆点表示降雨结束后PM2.5质量浓度上升, 蓝色圆点表示下降.合肥降水强度多集中在0~2 mm·h-1, 占所有降水过程的82.0%.可以看出降水后PM2.5浓度变化不仅与PM2.5初始浓度密切相关, 还受降水强度的影响.按照《环境空气质量技术规定》, 当首要污染物PM2.5浓度达到115 μg·m-3, 空气质量为轻度污染.因此为了在以后合肥空气质量预报中产生直观认识, 基于散点图, 本文以初始浓度115 μg·m-3、降水强度4 mm·h-1为分界线进一步分析.
图 5(Fig. 5)
 |
| 图 5 降水前后PM2.5浓度与降水强度、初始浓度的关系 Fig. 5The relationship between PM2.5 mass concentration and precipitation intensity and initial mass concentration |
初始污染物浓度高于115 μg·m-3、雨强 < 4 mm·h-1(区域1)降水后PM2.5降低30 μg·m-3以上, 可以看出初始空气质量较差, 降水基本都会对污染产生明显的清除作用.初始浓度低于115 μg·m-3、雨强>4 mm·h-1(区域2)降水后PM2.5降低程度与初始浓度相关, 此时降水强度足够强, 初始浓度越高降水清除量越大.初始浓度低于115 μg·m-3、雨强 < 4 mm·h-1(区域3)共统计318个样本, 其中136个样本降水后PM2.5浓度升高, 占比为42.8%, 即非重污染条件下, 弱降水常导致PM2.5浓度升高.
降水强度小于4 mm·h-1、初始浓度低于115 μg·m-3时雨后PM2.5有升有降(区域3).为阐述这一条件下降水对PM2.5的影响, 本文以降水强度是否达到1 mm·h-1、降水前空气质量等级、降水强度进一步分析.
在当雨强小于1 mm·h-1, 不同初始浓度下雨后PM2.5均有反弹(图 6), 说明当雨强小于1 mm·h-1、PM2.5初始浓度低于115 μg·m-3, 降水对于PM2.5的清除作用存在很大的不确定性.这可能是由于弱降水时大气中水汽含量高, 相对湿度增大, 吸湿性气溶胶吸湿增长.而当雨强介于1~4 mm·h-1且PM2.5初始浓度低于35 μg·m-3, 雨后PM2.5有升有降, 作用不明显, 当雨强介于1~4 mm·h-1且PM2.5初始浓度高于35 μg·m-3且降水持续3 h以上, PM2.5浓度明显降低.由此可见合肥雨后PM2.5反弹大多都发生在初始污染物浓度低于35 μg·m-3(空气质量为优)、雨强低于4 mm·h-1时或者发生在初始浓度低于115 μg·m-3(空气质量为轻度污染以下等级)、雨强低于1 mm·h-1时.
图 6(Fig. 6)
 |
| 图 6 不同雨强及初始浓度下降水前后PM2.5浓度变化与降水时长的关系 Fig. 6The relationship between mass concentration variation of PM10 and rainfall duration |
3.3.2 不同初始浓度下降水对PM10的清除作用对于PM10, 实心形状大多集中在PM10初始浓度较低区域, 空心形状集中在PM10初始浓度较高区域(图 7), 表明PM10初始浓度越高, 降水过后PM10浓度下降越多, 降水前后PM10浓度变化与初始浓度密切相关, 而与雨强的相关性不大.初始浓度大于150 μg·m-3, 降水后PM10浓度降低50 μg·m-3以上, 平均降低84.8 μg·m-3, 初始浓度100~150 μg·m-3, 降水后PM10浓度降低30~50 μg·m-3, 平均降低42.3 μg·m-3, 初始浓度介于50~100 μg·m-3, 降水后PM10浓度降低10~30 μg·m-3, 平均降低21.2 μg·m-3, 而当初始浓度低于50 μg·m-3, 降水后PM10浓度多反弹升高, 平均降低0.1 μg·m-3.彭红等(1992)、Bae等(2012)研究认为在相同雨强下雨滴谱的改变也对总清除率产生很大的影响, Chate等(2003)研究表明吸湿粒子的冲刷系数是相对湿度的函数, 要想达到同样的清除效果, 环境湿度50%时所需的雨强为环境湿度95%时所需雨强的2倍, 因此, 这些因素也导致相同初始条件下清除作用效果不同.从统计样本来看, 79次降水后PM10质量浓度反弹中有69次出现在初始浓度低于50 μg·m-3时, 占比达到88.5%.
图 7(Fig. 7)
 |
| 图 7 降水前后PM10浓度与降水强度、初始浓度的关系 Fig. 7The relationship between PM10 mass concentration and precipitation intensity and initial mass concentration |
进一步分析表明(图 8), 当初始浓度低于50 μg·m-3时, 不同雨强及时长的降水对PM10的清除作用仍然存在很大不确定性.当PM10初始浓度高于50 μg·m-3、降水时长超过3 h, PM10浓度均下降, 降水起到清除作用.通过统计污染物初始浓度高于50 μg·m-3时, 不同降水时长(2~8 h)下降水对PM10的平均清除量为2~4 h时段内, PM2.5浓度随降水时长的增加持续下降, 这部分能解释超过3 h的降水过程后PM2.5基本不会反弹的现象.而超过4 h降水清除作用仍持续但清除力度减弱, 超过8 h的降水由于样本较少没有进行统计.周彬等(2015)研究得出类似结论, 他们认为当降水持续时间为2~5 h时, 降水对气溶胶颗粒物已经有了较好的清除效果, 而后降水的清除作用减弱. 韩力慧等(2017)认为长时间降水清除作用减弱可能是因为降水期间大气边界层较低, 容易造成污染物的累积, 当降水的持续时间较长、降水强度较小时, 降水的冲刷作用呈现减弱的趋势.
图 8(Fig. 8)
 |
| 图 8 不同雨强及初始浓度下降水前后PM10浓度变化与降水时长的关系 Fig. 8The relationship between mass concentration variation of PM10 and rainfall duration |
3.4 合肥风向风速概率分布及污染等级分布3.4.1 合肥冬季风向风速概率分布及污染等级分布地面气象观测规范将风向划分为16个方向(GB/T 35227—2017), 为了便于表述, 本文将风向划分为8个方向：N[337.5°, 22.5°)、NE [22.5°, 67.5°)、E [67.5°, 112.5°)、SE [112.5°, 157.5°)、S [157.5°, 202.5°)、SW [202.5°, 247.5°)、W [247.5°, 292.5°)、NW [292.5°, 337.5°), 静风风速小于或等于0.2 m·s-1.合肥夏季风和冬季风的主导风向明显不同, 分别统计合肥冬季、夏季风向风速概率分布及污染等级分布.
图 9(Fig. 9)
 |
| 图 9 合肥11—2月风速风向分布玫瑰图(a)及PM2.5(b)、PM10 (c)与风速风向的关系 Fig. 9The wind direction rose map at Hefei (a)、the relationship between PM2.5(b)、PM10(c) mass concentration and wind speed and wind direction from November to February of the year following |
11月—次年2月以西北、东北、东风为主, 比例分别为17.3%、17.3%、20.6%, 西北风风速偏大, 23.5%的小时风速超过4 m·s-1.污染天气主要出现在低风速时段(< 4 m·s-1), 当风速大于4 m·s-1时, 较少出现中度及以上污染.严重污染主要出现在西北风条件下, 且随着风速的增大, 高浓度PM2.5导致的重污染天气仍存在.考虑主要是京津冀及河南地区冬季燃煤在不利气象条件下污染累积、区域输送的结果(于彩霞等, 2018；石春娥等, 2018).静风及低风速条件下的重污染主要为安徽局地污染累积的结果.
3.4.2 合肥夏季风向风速概率分布及污染等级分布合肥5—8月风向整体以东风、东南风、南风为主, 占比分别为22.3%、18.4%、23.6%, 南风风速偏大, 21.6%的小时风速超过4 m·s-1.夏季大气较洁净, 高温天气主要污染物为臭氧, PM2.5浓度升高导致的中度以上污染天气较少, 主要出现在风速低于3 m·s-1的东南风向, 这可能是长三角上海、江苏等地污染输送及本地累积导致的.当风速超过4 m·s-1时, 各风向均没有中度以上污染.各风向下未出现PM10浓度升高导致中度及以上污染的情况.
图 10(Fig. 10)
 |
| 图 10 5—8月风速风向分布玫瑰图(a)、PM2.5(b)与风速风向的关系 Fig. 10The wind direction rose map at Hefei (a)、the relationship between PM2.5(b) mass concentration and wind speed and wind direction from November to February of the year following |
3.4.3 风速对PM2.5、PM10的清除作用图 11给出了不同风速下污染物的平均浓度以探讨风速的干清除作用.合肥静风条件下, PM2.5浓度高于100 μg·m-3, 基本达到轻度污染量级, 当风速大于2 m·s-1, PM2.5浓度显著降低, PM2.5浓度整体可以清除到75 μg·m-3以下, 空气质量达到良等级, 其中西南风和西风的清除作用最显著.当风速大于6 m·s-1, PM2.5浓度降低趋势减缓.而对于北风和西北风, PM2.5浓度明显高于其他风向, 且风速增大导致的清除作用明显弱于其他风向, 甚至出现PM2.5浓度的反弹.
图 11(Fig. 11)
 |
| 图 11 不同风向风速下PM2.5(a)、PM10(b)浓度变化 Fig. 11PM2.5(a)、PM10(b) mass concentration variation under different wind speed and wind direction |
对于PM10, 合肥PM10在静风条件下为150 μg·m-3左右, 随风速增大到4 m·s-1, 西西北风、西风风向条件下PM10浓度下降到120 μg·m-3左右, 其他风向条件下PM10浓度下降到100 μg·m-3左右.此后随着风速增大, PM10浓度上升, 王淑英等(2002)、郭利等(2011)研究结果也认为等于5 m·s-1以上的风速对加重PM10污染作用显著, 风速增大造成地面起尘, 从而使粗颗粒物浓度不降反升.
4 结论(Conclusions)1) 降水对PM2.5、PM10有一定的清除作用, 尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM2.5和PM10浓度降低23.1%、40.4%和32.0%、63.7%.
2) 降水前后PM2.5浓度变化不仅受降水前PM2.5浓度影响, 还与降水强度、降水时长密切相关.当降水强度大(小时雨强>4 mm·h-1), 降水后PM2.5降低程度与初始浓度相关, 初始浓度越高降水清除量越大.当降水强度较弱(小时雨强 < 4 mm·h-1), 初始污染较重(PM2.5>115 μg·m-3)时, 降水仍会导致PM2.5降低30 μg·m-3以上.而雨强弱(小时雨强 < 4 mm·h-1)、初始浓度低(PM2.5 < 115 μg·m-3)时降水清除作用较为复杂, 一般持续3 h以上降水才能对PM2.5产生明显清除作用.
3) 对PM10降水前后其浓度变化与初始浓度密切相关, 而与雨强的相关性不大.初始浓度大于50 μg·m-3, 降水对PM10就能产生明显清除作用.PM10初始浓度越高, 降水过后PM10浓度下降越多.当初始浓度低于50 μg·m-3, 降水后PM10浓度多反弹升高, 此时降水的清除作用存在很大不确定性.
4) 风速大于2 m·s-1可显著降低PM2.5浓度, 当风速大于4 m·s-1时, 较少出现中度及以上污染, 但风速增大易造成地面起尘, 使PM10浓度不降反升.合肥冬季严重污染主要出现在西北风条件下.夏季(5—8月)中度以上污染天气较少, 主要出现在风速低于3 m·s-1的东南风向.北风和西北风PM2.5平均浓度明显高于其他风向, 且风速增大导致的清除作用明显弱于其他风向, 甚至出现PM2.5浓度的反弹.
参考文献
| Bae S Y, Park R J, Yong P K, et al. 2012. Effects of below-cloud scavenging on the regional aerosol budget in East Asia[J]. Atmospheric Environment, 58(15): 14–22. |
| Carmichael G R, Adhikary B, Kulkarni S, et al. 2009. Asian aerosols:current and year 2030 distributions and implications to human health and regional climate change[J]. Environmental Science & Technology, 43(15): 5811–5817. |
| Chang D, Song Y, Liu B. 2009. Visibility trends in six megacities in China 1973-2007[J]. Atmospheric Research, 94(2): 161–167.DOI:10.1016/j.atmosres.2009.05.006 |
| Chate D M, Rao P, Naik M S, et al. 2003. Scavenging of aerosols and their chemical species by rain[J]. Atmospheric Environment, 37(18): 2477–2484.DOI:10.1016/S1352-2310(03)00162-6 |
| 常炉予, 赵天良, 何金海, 等. 2013. 周边气象条件对南京城区大气污染物浓度的影响[J]. 气象与环境学报, 2013, 29(6): 95–101. |
| 邓利群, 钱骏, 廖瑞雪, 等. 2012. 2009年8-9月成都市颗粒物污染及其与气象条件的关系[J]. 中国环境科学, 2012, 32(8): 1433–1438.DOI:10.3969/j.issn.1000-6923.2012.08.013 |
| 董雪玲, 刘大锰, 袁杨森, 等. 2007. 北京市2005年夏季大气颗粒物污染特征及影响因素[J]. 环境工程学报, 2007, 1(9): 100–106.DOI:10.3969/j.issn.1673-9108.2007.09.022 |
| 缑晓辉, 严晓瑜, 刘玉兰, 等. 2016. 银川地区大气颗粒物浓度变化特征及其与气象条件的关系[J]. 气象与环境学报, 2016, 32(6): 58–68.DOI:10.3969/j.issn.1673-503X.2016.06.008 |
| 顾凯华, 史红仙, 张帅, 等. 2015. 上海崇明岛近三年PM2.5浓度变化特征与气象条件的关系[J]. 长江流域资源与环境, 2015, 24(12): 2108–2116.DOI:10.11870/cjlyzyyhj201512015 |
| 郭利, 张艳昆, 刘树华, 等. 2011. 北京地区PM10质量浓度与边界层气象要素相关性分析[J]. 北京大学学报(自然科学版), 2011, 47(4): 607–612. |
| Gan Z, Li J, Li X D, et al. 2010. Impact of anthropogenic emissions and open biomass burning on regional carbonaceous aerosols in South China[J]. Environmental Pollution, 158(11): 3392–3400.DOI:10.1016/j.envpol.2010.07.036 |
| 韩力慧, 张海亮, 张鹏, 等. 2017. 北京市春夏季降水及其对大气环境的影响研究[J]. 中国环境科学, 2017, 37(6): 2047–2054.DOI:10.3969/j.issn.1000-6923.2017.06.007 |
| 胡敏, 刘尚, 吴志军, 等. 2006. 北京夏季高温高湿和降水过程对大气颗粒物谱分布的影响[J]. 环境科学, 2006, 27(11): 2293–2298.DOI:10.3321/j.issn:0250-3301.2006.11.028 |
| 黄明, 朱正南. 2015. 近60年合肥市降雨特性分析[J]. 安徽农业科学, 2015, 14(14): 228–230.DOI:10.3969/j.issn.0517-6611.2015.14.085 |
| 霍铭群, 孙倩, 谢鹏, 等. 2009. 大气颗粒物和降水化学特征的相互关系[J]. 环境科学, 2009, 30(11): 3159–3166.DOI:10.3321/j.issn:0250-3301.2009.11.007 |
| 康汉青, 朱彬, 樊曙先. 2009. 南京北郊冬季大气气溶胶及其湿清除特征研究[J]. 气候与环境研究, 2009, 14(5): 523–530.DOI:10.3878/j.issn.1006-9585.2009.05.07 |
| 李皓, 樊曙先, 张悦, 等. 2017. 南京市区郊区大气PM10、PM2.1中PAHs的分布特征及影响因素[J]. 中国环境科学, 2017, 37(1): 60–68. |
| 李霞, 杨青, 吴彦. 2003. 乌鲁木齐地区雪和雨对气溶胶湿清除能力的比较研究[J]. 中国沙漠, 2003, 23(5): 560–564.DOI:10.3321/j.issn:1000-694X.2003.05.016 |
| 林雨霏, 刘素美, 纪雷, 等. 2005. 黄海西部春、夏季湿沉降常量离子化学特征研究[J]. 环境化学, 2005, 24(5): 617–619.DOI:10.3321/j.issn:0254-6108.2005.05.029 |
| 刘丽丽, 王莉莉. 2015. 天津冬季重霾污染过程及气象和边界层特征分析[J]. 气候与环境研究, 2015, 20(2): 129–140. |
| 彭红, 秦瑜. 1992. 降水对气溶胶粒子清除的参数化[J]. 大气科学, 1992, 16(5): 622–630.DOI:10.3878/j.issn.1006-9895.1992.05.14 |
| 蒲维维, 赵秀娟, 张小玲. 2011. 北京地区夏末秋初气象要素对PM2.5污染的影响[J]. 应用气象学报, 2011, 22(6): 716–723.DOI:10.3969/j.issn.1001-7313.2011.06.009 |
| 屈文军, 张小曳, 王丹, 等. 2006. 湿度变化对TEOM~1400a系列环境颗粒物监测仪PM10质量浓度观测的影响[J]. 中国粉体技术, 2006, 12(2): 1–3.DOI:10.3969/j.issn.1008-5548.2006.02.001 |
| 石春娥, 张浩, 杨元建, 等. 2018. 安徽省持续性区域霾污染的时空分布特征[J]. 中国环境科学, 2018, 38(4): 1231–1242. |
| 苏福庆, 高庆先, 张志刚, 等. 2004. 北京边界层外来污染物输送通道[J]. 环境科学研究, 2004, 17(1): 26–29.DOI:10.3321/j.issn:1001-6929.2004.01.005 |
| 孙根厚. 2012.上甸子站夏季降水期间气溶胶湿清除影响的观测研究[D].北京: 中国气象科学研究院. 45-75 |
| Tang L, Haeger-Eugensson M, Sj?berg K, et al. 2014. Estimation of the long-range transport contribution from secondaryinorganic components to urban background PM10 concentrations in south-western Sweden during 1986-2010[J]. Atmospheric Environment, 89(2): 93–101. |
| Tie X, Zhang Q, He H, et al. 2015. A budget analysis of the formation of haze in Beijing[J]. Atmospheric Environment, 100: 25–36.DOI:10.1016/j.atmosenv.2014.10.038 |
| 田世丽, 潘月鹏, 刘子锐, 等. 2014. 不同材质滤膜测量大气颗粒物质量浓度和化学组分的适用性——以安德森分级采样器为例[J]. 中国环境科学, 2014, 34(4): 817–826. |
| 王淑英, 张小玲. 2002. 北京地区PM10污染的气象特征[J]. 应用气象学报, 2002, 13(s1): 177–184. |
| 吴丹, 曹双, 汤莉莉, 等. 2016. 南京北郊大气颗粒物的粒径分布及其影响因素分析[J]. 环境科学, 2016, 37(9): 3268–3279. |
| 吴兑. 2012. 近十年中国灰霾天气研究综述[J]. 环境科学学报, 2012, 32(2): 257–269. |
| 许建明, 高伟, 瞿元昊. 2017. 上海地区降雨清除PM2.5的观测研究[J]. 环境科学学报, 2017, 37(9): 3271–3279. |
| 姚青, 蔡子颖, 张长春, 等. 2010. 天津城区大气气溶胶质量浓度分布特征与影响因素[J]. 生态环境学报, 2010, 19(9): 2225–2231.DOI:10.3969/j.issn.1674-5906.2010.09.036 |
| 于彩霞, 邓学良, 石春娥, 等. 2018. 基于CALIOP的安徽沿淮地区霾天气溶胶类型及垂直分布特征[J]. 环境科学学报, 2018, 38(4): 1317–1326. |
| 于彩霞, 杨元建, 邓学良, 等. 2017. 基于CALIOP探测的合肥气溶胶垂直分布特征[J]. 中国环境科学, 2017, 37(5): 1677–1683.DOI:10.3969/j.issn.1000-6923.2017.05.010 |
| 翟广宇, 王式功, 董继元, 等. 2015. 兰州市不同径粒大气颗粒物污染特征及气象因子的影响分析[J]. 生态环境学报, 2015, 24(1): 70–75. |
| 张浩, 石春娥, 邱明燕, 等. 2010. 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. |
| 赵海波, 郑楚光. 2005. 降雨过程中气溶胶湿沉降的数值模拟[J]. 环境科学学报, 2005, 25(12): 1590–1596.DOI:10.3321/j.issn:0253-2468.2005.12.004 |
| 周彬, 刘端阳, 魏建苏, 等. 2015. 降水对气溶胶颗粒物清除作用的初步分析[J]. 长江流域资源与环境, 2015. |
| 周丽, 徐祥德, 丁国安, 等. 2003. 北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型[J]. 气象学报, 2003, 61(6): 761–768.DOI:10.3321/j.issn:0577-6619.2003.06.013 |
| 周学华, 王哲, 郝明途, 等. 2008. 济南市春季大气颗粒物污染研究[J]. 环境科学学报, 2008, 28(4): 755–763.DOI:10.3321/j.issn:0253-2468.2008.04.023 |
