环境科学学报  2020, Vol. 40 Issue (12): 4461-4469
引用本文
陈懿妮, 罗玲, 马昊, 等. 2020. 杭州市静稳天气指数构建及应用研究[J]. 环境科学学报, 40(12): 4461-4469.
Chen Y N,Luo L,Ma H, et al. 2020. Construction and application of stable weather index in Hangzhou[J]. Acta Scientiae Circumstantiae, 40(12): 4461-4469.
杭州市静稳天气指数构建及应用研究    [PDF全文]
陈懿妮1, 罗玲1, 马昊1, 贾燕1, 赵军平1, 徐铖1, 娄小芬1, 于燕2    
1. 浙江省气象台, 杭州 310052;
2. 浙江省气象科学研究所, 杭州 310008
收稿日期: 2020-04-30; 修回日期: 2020-06-17; 录用日期: 2020-06-17
基金项目: 中国气象局预报员专项项目（No.CMAYBY2020-053）；浙江省气象科技计划项目（No.2020ZD13，2017ZD11，2019YB01）
作者简介: 陈懿妮(1988-), 女, 工程师, E-mail:nini243@163.com
通讯作者（责任作者）: 罗玲, E-mail:luoling040806@sina.com
摘要：采用杭州市近7年的气象与环保监测资料，综合考虑2 m相对湿度、10 m水平风速、日均海平面气压、24 h变压、24 h变温、低层逆温等气象因子，通过历史样本统计划分阈值范围再权重求和的方法，构建了静稳天气指数（SWI）.经过实况回算检验，分析所建指数与污染天气的对应关系，并应用到重污染天气成因分析、空气质量预报和污染减排评估等方面.结果表明：①SWI可以综合反映大气静稳程度，与PM2.5浓度有较好对应关系，SWI越大越容易出现污染天气，SWI大值最易出现在冬季，其次为秋季和春季，夏季主要污染物往往是臭氧，不易发生中度以上的污染天气.②SWI可用于判断杭州秋冬季重度及以上污染天气的成因，平均而言SWI < 6.7时不易出现重度及以上污染；若SWI < 6.7时仍出现重污染天气，可判断主导风向上游的外来污染物输入是引起重污染的主要原因，根据前期SWI的相对大小可判断有无叠加前期本地污染物积累；若SWI持续大于6.7且出现重度及以上污染天气，可判断由大气静稳而产生的本地污染物堆积是主要成因.③依据预报数据计算的SWI对空气质量分级预报有较好的参考价值，在短期和中期预报时效内均有表现力.④将SWI应用到G20会议期间污染减排效果评估中发现，在气象条件静稳程度相当时，减排措施有效降低了污染程度.
关键词：静稳天气指数(SWI)    PM2.5    重度污染    空气质量预报    减排评估    杭州    
Construction and application of stable weather index in Hangzhou
CHEN Yini1, LUO Ling1, MA Hao1, JIA Yan1, ZHAO Junping1, XU Cheng1, LOU Xiaofen1, YU Yan2    
1. Zhejiang Meteorological Observatory, Hangzhou 310052;
2. Zhejiang Institute of Meteorological Sciences, Hangzhou 310008
Received 30 April 2020; received in revised from 17 June 2020; accepted 17 June 2020
Abstract: Based on the meteorological and environmental monitoring data of Hangzhou in the past seven years, meteorological factors including 2-meter relative humidity, 10 meter horizontal wind speed, daily mean sea level pressure, 24-hour variable pressure, 24-hour variable temperature and low-level inversion, are considered in this study. The stable weather index (SWI) is constructed by the method of weighting summation according to the historical threshold range of sample statistics. Through the backward calculation, the corresponding relationship between the SWI and pollution weather is analyzed, and it is further applied to investigate the reason of heavy pollution weather, for the air quality prediction and pollution reduction assessment. The results show that: ①SWI can comprehensively reflect the degree of atmospheric stability, and correlates well with PM2.5 concentration. Generally, larger SWI will cause higher frequency of polluted weather. The occurrence of high SWI is most frequent in winter, followed by autumn and spring. The main pollutant in summer is often ozone, which is not likely to be related to SWI. ②SWI can be used to estimate the severity of air pollution in autumn and winter in Hangzhou. Overall, it shows challenge to cause severe air pollution when SWI is less than 6.7. If heavy pollution still occurs when SWI is less than 6.7, it indicates that the input of external pollutants in the upstream of dominant wind direction is the main cause of heavy pollution. According to the relative value of the previous SWI, it can be judged whether there is accumulation of local pollutants in the early stage of pollution development. If SWI is continuously greater than 6.7 and serious pollution weather occurred, the accumulation of local pollutants tended to be caused by the static stability of atmosphere. ③SWI calculated according to the forecast data can well predict the classification of air quality, which performs well for the short-term and medium-term forecast. ④SWI can be applied to assess the pollution reduction effect during the G20 conference. At the same level of static stability degree, the manures of emission reduction had effectively reduced the pollution degree.
Keywords: stable weather index    PM2.5    severe pollution    air quality forecast    reduction assessment    Hangzhou    
1 引言(Introduction)

随着我国经济的高速发展和城市化进程的加快, 霾等污染天气的影响日趋严重(吴兑等, 2010；潘玮等, 2017).近年来我国多地频繁遭受霾天气侵袭, 爆发了多次大范围持续性霾天气, 如2013年1月在中国华北地区和东部地区发生的强雾霾天气不仅强度强、范围广, 而且持续时间长(高怡等, 2014；张人禾等, 2014), 2014年10月北京出现了多次重霾污染过程(王占山等, 2015；方冬青等, 2016).

霾的严重程度同时受气象条件和排放源的制约(张小曳等, 2013；马学款等, 2017；Wang et al., 2020).同样污染源排放量所造成的污染天气程度, 随着气象条件的稀释扩散能力不同而变得很不一样.研究表明(吴珊珊等, 2014；刘建等, 2015；Wang et al., 2018；雷正翠等, 2019), 静稳天气中弱风、高湿、稳定的边界层结构既有利于形成霾, 又有利于污染物排放量大的地区气溶胶的增长和累积, 进一步增加气溶胶的消光作用, 导致能见度下降及霾天气过程的长时间维持.当大气低层存在“逆温”时, 抑制了湍流发展, 边界层高度较低, 污染物在垂直方向不易扩散, 导致近地层大气中污染物的浓度剧增, 大气能见度和空气质量恶化, 进而造成霾天气加重和维持(廖晓农等, 2014；毛卓成等, 2018).另一方面, 大气污染物可通过平流输送跨区域影响, 空气污染是本地排放源与周边区域污染物输送共同作用的结果(王喜全等, 2011；张恒德等, 2016；陆琛莉等, 2018；Wang et al., 2019；Chang et al., 2020).因此, 静稳天气背景、本地污染源强度和外来污染物输送都是大气污染和霾天气形成的重要原因.

目前, 城市空气污染预报业务中, 静稳天气的判断主要依靠预报员对天气形势的主观定性分析, 缺乏可比性.因此, 需要研发客观定量的静稳天气指数, 用于描述气象条件是否有利于形成霾等污染天气.Wang等(1999)曾定性给出大气静稳的判别条件, 美国国家气候数据中心研究人员根据他们的定义方法发布美国地区逐月空气静稳天气指数, 朱蓉等(2001)开发了空气污染潜势指数, 杨元琴等(2009)开发了空气质量气象条件参数指数.上述研究为静稳天气的判识提供了很好的思路, 但在现有环境气象业务数据环境中应用起来有难度.张恒德等(2017)采用统计方法构建了北京地区静稳天气指数, 并指出不同区域需要根据本地情况构建适用于本地的静稳天气指数, 陆忠艳等(2018)构建了基于气象条件的沈阳市静稳天气指数并将其应用到空气质量预报研究中, 上述研究所需计算变量较常用, 适合预报业务应用.

杭州地处长江三角洲南沿的钱塘江流域, 地形地貌复杂, 霾等污染天气的成因与北方主要城市有很大不同.2016年二十国集团(以下简称G20)峰会后, 其经济建设增长势头迅猛, 城市国际知名度和美誉度大有提升.然而, 霾天气的威胁严重影响了杭州市民的幸福指数.基于此, 本文尝试构建一个适用于杭州本地的静稳天气指数, 使其既能综合反映气象条件对空气污染的作用, 又便于结合现有数据环境应用到环境气象预报业务中, 以期为政府决策提供科学参考.

2 资料和方法(Data and methods)

污染物浓度及空气质量等级数据来源于浙江省生态环境厅共享给浙江省气象局的逐时监测数据(资料时间最早从2012年9月1日起), 本文采用杭州市区域所辖环境监测站(包括省中心、西溪、滨江、临平镇、余杭镇一中这5个站点)的平均值来表征杭州的空气污染状况.

气象数据来源于浙江省气象局常规地面气象观测资料和探空资料数据集, 数据经浙江省气象信息网络中心质量控制, 可靠性高.本文采用杭州馒头山国家基准气候站(站号58457)的地面2 m气温、海平面气压、10m水平风速、2 m相对湿度和高空探测气温资料来表征杭州的气象环境场.

样本资料时间长度取2012年9月1日—2018年12月31日, 共2313 d.其中, PM2.5质量浓度取日均值, 缺测73 d.地面气象温压风湿资料取日均值, 没有缺测；气象探空垂直观测气温资料1天有2次, 分别为8：00和20：00, 若850、925、1000 hPa气温在8：00或20：00次中有某一层某一时次缺测则记当日探空气温资料缺测, 缺测478 d.统计时去除缺测的PM2.5质量浓度和气温探空数据, 有效统计样本共计1793 d, 占原样本数的80%左右.模式资料使用的是欧洲中期天气预报中心(简称ECMWF)的全球数值模式细网格预报产品, 高空要素分辨率为0.25 km×0.25 km, 地面要素分辨率为0.125 km×0.125 km.

本研究采用相关分析、阈值统计、回算检验等统计方法和环境气象预报经验.

3 静稳天气指数构建(Construction of stable weather index) 3.1 污染天气界定

本文尝试了两种方法来界定污染天气和非污染天气.首先, 选用浙江省生态环境厅监测的空气污染等级数据, 经过仔细分析对比发现其与气象因子相关性较差, 不适用于构建静稳天气指数, 故本文不再讨论该种方法的研究结果.进而选用第2种方法, 参照国家《环境空气质量标准》(GB 3095—2012), 将PM2.5的日平均浓度限值定为75 μg·m-3, PM2.5日均值小于或等于75 μg·m-3达到国家空气质量二级标准, 大于75 μg·m-3则超标.所以当某日PM2.5日均浓度大于75 μg·m-3则判定为污染天气日, 小于或等于75 μg·m-3且不缺测则判定为非污染天气日.经分析发现该判定方法效果较好, 适合静稳天气指数的构建, 后文所示结果均为采用该种判定方法所得.

3.2 气象因子挑选

在环境气象预报实践中, 判别静稳天气形势通常会考虑近地面层温度、气压、风速、湿度、逆温强度等物理要素.水平风速较低时空气流通能力差, 不利于大气污染物水平输送, 是静稳天气的重要指标, 较弱的24 h变温和变压所对应的天气形势较稳定, 没有较强的天气系统影响背景下容易形成静稳天气(邓利群等, 2012；赵敬国等, 2015；张蓬勃等, 2016；侯梦玲等, 2017；Chen et al., 2018).低层高相对湿度有利于污染物的吸湿增长, 形成雾霾天气, 但湿度过高产生降水不利于雾霾的形成(杨军等, 2010；曹伟华等, 2013).低层强逆温有利于稳定层结的形成, 利于霾天气的出现(龙时磊等, 2013；尹承美等, 2019).

结合预报经验、文献调研、实际数据环境, 本文为静稳天气指数构建选取了6个物理意义明确又便于计算的气象因子：①日平均2 m相对湿度；②日平均10 m水平风速；③日平均海平面气压；④日平均海平面气压的24 h变压；⑤日平均气温的24 h变温；⑥850 hPa与1000 hPa层温度差(记为T850~1000)、850 hPa与925 hPa层温度差(记为T850~925)、925 hPa与1000 hPa层温度差(记为T925~1000)的8：00和20：00次观测值.采用杭州本地的历史样本进行统计相关性分析发现, 这6个气象因子与PM2.5浓度的同期相关性均较好, 优于其他因子.同时, 这6个因子在现有的环境气象业务数据环境中比较容易获取, 时空匹配性也较好.

3.3 气象因子阈值确定

统计样本中所有污染天气日中各气象条件在不同阈值范围的分布频率, 根据统计结果, 将频率分布集中的阈值范围平均划分成多段, 将频率分布不集中的阈值范围归为一段, 从而剔除极端值的影响.将污染天气出现时6个气象因子的阈值范围分别划分成段, 具体见表 1.这种划分方法保证了各区间有充分的样本分布.

表 1 杭州市静稳天气指数构建所选气象因子、阈值范围及其对应分指数 Table 1 Establishment meteorological parameters, threshold value and sub-indices of stable weather index in Hangzhou
3.4 气象因子权重确定

对样本进行统计分析, 得到每个气象因子在不同阈值范围的权重, 即静稳天气分指数.同一因子不同阈值范围的权重越高, 表示该因子在此阈值范围时对静稳天气形成的作用越大.具体方法如下：利用上述污染物浓度数据和地面、高空气象观测数据, 分段统计, 杭州地区近地层各气象要素值落在不同区间的条件下, 污染天气出现概率相比气候态概率的倍数, 作为各要素值区间对应的分指数, 该值越大表明污染天气出现概率越高.分指数具体计算方法见式(1).

(1)

式中, Kin为变量i在区间n的分指数, ain和bin分别为变量i在区间n的条件下污染天气和非污染天气出现次数, a和b分别为污染天气和非污染天气出现总次数.张恒德等(2017)曾在其研究中确认过这种定义方法的可行性, 《空气污染扩散气象条件等级》(QX/T413- 2018K)中亦采用过此公式算法.

经过统计得到杭州地区影响静稳天气的不同气象因子对应不同阈值范围的分指数(表 1, 区间取值为大于等于下限值且小于上限值).例如, 2 m相对湿度被分为7个区间, 从每个阈值范围对应的静稳天气分指数可见, 对静稳天气贡献最大的相对湿度范围是50%~60%, 其次是60%~70%、70%~80%, 对静稳天气贡献最小的相对湿度范围是 < 40%, 其次是≥90%.例如, 日平均10 m风速阈值被分为5个区间, 其分指数随着风速的增大而迅速递减, 风速小于1 m·s-1最有利于静稳天气出现.

3.5 计算静稳天气指数

采用上述数据和方法, 统计得到杭州地区不同气象因子在不同阈值范围对应的静稳天气分指数后, 再根据气象要素实况或预报值, 查找气象因子对应阈值区间的分指数, 最后将6个气象因子的分指数求和, 即得到静稳天气指数实况或预报值.

4 结果检验应用(Test and application of results)

根据上述静稳天气指数(Stable Weather Index, 以下简称SWI)构建方法, 用实况气象数据回算了杭州地区近7年的静稳天气指数(日值).分析表明, 所得指数具有较好代表性, 可以表征杭州市近年来静稳天气状况, 能综合反映气象条件对污染物的传输和扩散能力, 优于单个气象要素分析.该指数可应用于重污染天气成因判断、大气污染过程预报和污染物减排评估等方面.

4.1 静稳天气指数与空气质量的分季节统计关系

按照首要污染物为PM2.5时的空气质量分级标准(表 2中第1行), 将PM2.5日均浓度数据进行分级, 统计空气质量同一级别的天数；挑选同一级别日的SWI值, 统计其平均值、最小值、最大值, 可以反映该级别空气质量对应的SWI阈值分布情况.分全年和四季(春季指3、4、5月, 夏季指6、7、8月, 秋季指9、10、11月, 冬季指12、1、2月)统计, 结果列于表 2.

表 2 杭州市分级PM2.5与静稳天气指数的关系 Table 2 Relationships between PM2.5 of different levels and stable weather index in Hangzhou

由表 2可得, SWI对空气质量有较好的指示意义.全年来看, SWI越大越容易出现污染天气.从全年天数的统计结果来看, SWI指数平均值在轻度污染时为6.7510, 故可取6.7作为SWI阈值划分界限, 当SWI大于6.7时, 空气质量更容易出现污染；从轻度污染到严重污染的SWI指数平均值是依次递增的, 表示SWI越大, 空气污染程度越容易变得严重.各季节对比发现, SWI大值最容易出现在冬季, 其次在秋季和春季.夏季SWI整体较小, 呈现出不太一样的变化趋势, SWI最大值仅为6.891, 其对应的空气状况是良, 发生轻度污染时SWI平均只有5.368.这可能是因为夏季大气首要污染物往往不是PM2.5, 而是呈现PM2.5和臭氧叠加的复合型污染特征(邵平等, 2017；Jia et al., 2017；赵辉等, 2018).

进一步分析可得, 冬季SWI与PM2.5浓度对应关系最好, 其次是秋季, 再次是春季.严重污染天气全部发生在冬季的12月, 且为一次连续污染过程(2013年12月6—8日), SWI平均达7.1478.重度污染天气约90%发生在冬季(12月12 d, 1月16 d, 2月2 d), SWI平均达7.0663, 约10%发生在春、秋季(3月1 d, 11月2 d且为一次连续过程), 夏季没有.中度污染天气约78%发生在冬季(12月15 d, 1月34 d, 2月9 d), SWI平均达7.3267, 约22%发生在春、秋季(3月6 d, 4月1 d, 5月2 d, 10月1 d, 11月6 d), 夏季没有.轻度污染约47%发生在冬季, SWI平均达7.1517, 约48%发生在春、秋季, 约5%发生在夏季.

可以用SWI与PM2.5浓度的统计相关性来解释静稳天气指数的应用, 分以下4种情况：①SWI≥6.7, 出现空气污染；②SWI < 6.7, 没出现空气污染；③SWI≥6.7, 没出现空气污染；④SWI < 6.7, 出现空气污染.第①、②种情况表示二者线性相关性较好, SWI越小越不容易出现污染天气, SWI越大越容易出现污染天气.以2013年为例, 冬季(2012年12月—2013年2月)SWI与同期PM2.5浓度的线性相关系数为0.58, 春季二者相关系数为0.28, 夏季二者相关系数为0.47, 秋季二者相关系数为0.67.第③种情况表示污染排放源较少, 即使气象条件静稳, 也没有本地污染物积累或外来污染源输入.第④种情况表示本地气象扩散条件较好, 但仍出现了污染天气, 将在下一节中详细讨论这种情况.

4.2 静稳天气指数对重污染天气成因判断的指示

参照表 2的结论, 在秋、冬季, SWI=6.7可作为判断杭州地区静稳天气是否出现的阈值.当SWI < 6.7时, 空气质量一般为优良等级不易出现污染天气；当出现严重污染天气时, 统计样本SWI全部大于6.7；当出现重度污染天气时, 样本中SWI≥6.7的情况占76%, 剩下24%的SWI < 6.7的情况是什么原因造成的？值得探究.

已有研究表明(戴竹君等, 2016；许建明等, 2016；俞布等, 2017), 我国南方冬半年重污染发生时的天气形势一般有3种：静稳天气形势下的本地积累型、上游污染输送型、本地静稳积累和上游污染输送叠加型.进一步分析样本, 共出现重度污染天气33 d, 其中SWI < 6.7的情况有8 d(表 3).对比分析这8 d重度污染过程的天气学背景可知, 前期和后续的SWI连续变化可以指示污染天气过程中气象扩散条件演变情况, 进而判断重污染天气成因.

表 3 8次重度污染过程天气背景分析 Table 3 Weather condition analysis during eight times of heavy pollution events

2013年12月9日和26日的过程, 属于本地静稳积累型向清洁空气转换的过渡期间.都是前期静稳天气持续、污染物积累达到重度污染及以上等级, 当有高空槽移过和地面冷空气南下时, 风力逐渐加大, 扩散条件逐渐转好, 污染物逐渐减少.但由于前期污染物积累较多, PM2.5质量浓度日值变化略滞后于SWI值变化, 所以出现了SWI已经降到6.7阈值以下而PM2.5浓度仍维持在重度污染的情况, 随着风力逐渐加大, 次日空气质量会快速转好.

2014年1月4日和18日的过程, 属于本地静稳积累和上游污染输送叠加型.都是前期地面高压环流稳定、污染物本地有积累, 到前一日达到中度污染, 因有北方冷空气扩散南下而静稳条件短暂破坏, 但上游前期也有污染物积累、随风向传输到本地, 造成空气质量不降反升的现象.次日因静稳条件重新建立而重度污染持续.

2014年2月2日、2015年12月15日和2016年1月18日、3月6日的过程, 属于上游污染输送型.这类天气背景的典型形势是地面处于冷锋前部, 在冷空气来临之前, 前期本地为空气轻度污染或良, 冷空气南下时(可以是西路、北路、东北路冷空气), 风力逐渐加大, 在冷空气不够强、风力不够大时以将上游污染物输送到本地为主, 在冷空气较强、风力较大时以污染清除作用为主, 这与俞布等(2017)的结论是一致.

综上所述, 可知SWI阈值6.7可以用来判断杭州地区秋、冬季节重度及以上污染天气的成因.平均而言, SWI在6.7以下时, 大气污染扩散条件好, 不容易出现重度及以上污染天气；如果SWI小于6.7时仍出现了重污染天气, 可以判断引起重污染天气的主要原因是主导风向上游的外来污染物输入, 根据前期SWI的相对大小可以判断有无叠加前期本地污染物积累；如果SWI持续大于6.7, 且出现重度及以上污染天气, 可以判断由大气静稳而产生的本地污染物堆积是主要成因.

需要指出的是, 对于轻度、中度污染天气成因的判断, 在应用SWI时需进一步订正.一方面本地和外来污染源排放量是变化的, 另一方面气溶胶粒子在气象环境变化中会发生复杂的化学反应, 使SWI与同期PM2.5浓度之间的对应关系出现许多波动状态.

4.3 静稳天气指数在空气质量预报中的应用

依据业务常用的ECMWF模式预报气象要素, 可以得到SWI预报值, 并作为一种数值预报产品应用到业务中.据4.2节的讨论可知, SWI数值出现转折变化时, 可以提示空气质量的转折变化时间.因此, 可以用SWI进行空气质量预报.

以2015年12月31日和2016年1月4日杭州出现的两次重污染天气过程为例(图 1).杭州PM2.5浓度从2105年12月30日开始快速上升, 31日空气污染达到重度污染等级, 2016年1月1—3日持续中度污染, 4日快速上升达到重度污染, 5日PM2.5浓度快速下降, 空气质量良.实况回算SWI(图 1b)和PM2.5(图 1a)实况变化曲线呈现出一致的变化趋势：2015年12月30日—2016年1月4日空气持续中度、重度污染期间对应的SWI持续大于6.7的阈值, 5日PM2.5浓度快速下降对应SWI小于6.7；SWI在2016年1月1日的波峰比PM2.5浓度在2015年12月31日的波峰滞后1天, SWI在2016年1月4日的波峰与PM2.5浓度在2016年1月1日的波峰对应.从ECMWF模式不同起报时次对SWI的预报能力(图 1b)来看：在短期预报时效内, 4个起报时次均报出了2015年12月31日—2016年1月3日期间SWI将持续大于6.7的结论, 这可以有效提醒人们在这个时段内静稳天气形势将维持, 空气污染气象扩散条件持续较差, 重污染天气发生可能性较大.在中期预报时效内, 4个起报时次均预报2016年1月4日SWI回落, 比实况PM2.5浓度下降时间超前了1天, 这与气象条件先变、污染物浓度随后再变的事实相符, 由于资料序列是逐日的, 因此, 日界选择的不同也会使得逐日序列有超前或滞后1天的时间差；2015年12月31日12：00的起报场提前10 d预报出2016年1月10日SWI可能迅速升高, 对应实况9—10日确实出现了空气质量中度污染.随着预报的临近, 模式预报和实况将更接近, 如最临近的2015年12月31日12：00这个起报时次, 预报的2016年1月4日SWI降幅比前几个起报时次都大, 与实况最接近.

图 1 2015年12月30日—2016年1月10日期间杭州PM2.5浓度(a)和实况回算及不同起报时次的SWI(b)变化 Fig. 1 PM2.5 concentration(a) and SWI(b) of Hangzhou during 30 December 2015 to 10 January 2016

以上分析表明, 基于ECMWF模式的SWI预报可反映此次污染过程的不同阶段特征.需要指出的是, SWI值的预报, 表征的是静稳气象条件的变化, 在进行污染天气预报时, 应结合实际污染排放源的变化情况综合判断.

4.4 静稳天气指数在G20减排评估中的应用

根据3.1节提到的第3种情况, 如果SWI持续较大, 但没有污染天气出现或污染状况在减轻, 可判断污染源在减少, 这一结论可以应用到大型活动保障的污染减排评估中.以2016年在杭州举办的G20峰会为例, 会议时间为9月4—5日.根据会议环境保障工作方案的要求, 会期保障时段为8月24日—9月6日共计14 d, 期间实施了递进式的管控措施.具体分为3个阶段：8月24—27日, 工地停工；8月28—31日, 机动车辆限行；9月1—6日, 应急管控.应用本文所构建的SWI, 可以评估减排措施和气象条件对空气质量的影响.

G20峰会期间气象条件对空气质量的影响可以用SWI来表征, 污染情况可以用PM2.5浓度来表征.选取管控时段前后各14 d作参照, 将研究时段分为管控前(8月10—23日)、管控中(8月24日—9月6日)和管控后(9月7—20日)3个时段.图 2给出了研究时段内SWI和PM2.5浓度的相应变化.

图 2 杭州G20期间PM2.5浓度和静稳天气指数 Fig. 2 PM2.5 concentration and SWI of Hangzhou during G20 meeting

管控前, 8月18—21日PM2.5浓度持续上升, 22日突降, 主要是因为21日受副高边缘和冷空气共同作用有31 mm降水出现, 降水对污染物的清除作用明显, 降水发生时段SWI明显降低.

开始管控后, 8月24—30日SWI和PM2.5基本保持一致的变化趋势, 此时主要受副热带高压控制, 地面位于均压场(24—25日)或高压底前部(26—27日), 不利于污染物扩散.26日夜间到27日冷空气影响, 杭州有明显大风(10 m平均风速4.8 m·s-1)、降温(日平均气温从31 ℃降到27 ℃)和降水(26日11：00降水14.6 mm)过程, 27日PM2.5浓度下降到谷底.8月31日—9月1日SWI维持平稳, 而PM2.5浓度突增, 主要是因为9月1日杭州处于低涡底部, 地面暖湿的西南气流利于颗粒物吸湿增长, 同时适当的风力(8月31日平均风力2.7 m·s-1, 9月1日平均风力3.4 m·s-1)利于上游污染物传输到本地.9月3—7日SWI维持平稳, 且较前期数值增大1左右, 而5日却出现了PM2.5浓度突降；此时杭州受副热带高压边缘西风小槽和低层辐合线影响, 云系较多, 地面以偏东风为主, 在相似的静稳条件下, 此阶段杭州及周边地区区域大气污染联防联控力度达到最强, 上游重点行业排放受管控、本地机动车辆限行管控等措施保证了本地和上游污染源的急剧减少, 特别是5日会议召开当天, 杭州市各污染物浓度全优, 达到了空气质量双控双优(PM2.5与O3)的保障目标, 有效避免了污染天气的发生.

管控结束后, 9月7—10日PM2.5浓度迅速反弹达到波峰, 虽然9月7日凌晨杭州出现了10 h共计9.9 mm的降水, 但污染物浓度没有明显下降, 这与管控结束各类污染源恢复常态有明显关系.11—20日, SWI和PM2.5浓度又呈现出典型的线性相关性, 相关系数达0.8.

5 结论(Conclusions)

1) SWI与PM2.5浓度有较好的对应关系, 可以综合反映大气对污染物的扩散和传输能力.一般来说, 指数越大越容易出现污染天气, SWI大值最容易出现在冬季, 其次在秋季和春季.夏季主要污染物往往是臭氧, 不易发生中度以上的污染天气.

2) SWI可用来判断杭州秋、冬季节重度及以上污染天气成因.平均而言, SWI小于6.7时不易出现重度及以上污染天气；如果SWI小于6.7时仍出现了重污染天气, 可判断主导风向上游的外来污染物输入是引起重污染天气的主要原因, 根据前期SWI的相对大小可判断有无叠加前期本地污染物积累；如果SWI持续大于6.7, 且出现重度及以上污染天气, 可判断由大气静稳而产生的本地污染物堆积是主要成因.

3) SWI的模式预报值在实际业务应用中有较好的参考价值.个例分析表明, 依据现有模式预报的气象要素可以得到短期和中期预报时效内的SWI预报值, 并应用到空气质量分级预报中.

4) SWI可以应用到G20会议期间污染减排措施和气象条件对空气质量影响的定量评估中.在由SWI所表征的空气静稳程度相当的情况下, 污染减排措施有效降低了污染物浓度, 污染排放源管控结束后污染物浓度迅速反弹.SWI可从气象条件的角度定量评估减排措施对污染物浓度降低的作用.

本文采用的指数构建方法是在环境气象预报工作实践中总结出来的, 兼具科学性和实用性.但本文静稳天气指数是采用逐日数据构建的, 而实际空气质量的演变是一个污染物逐渐积累的过程.有关逐小时, 甚至逐分钟气象要素与空气质量之间的关系, 有待进一步研究.

参考文献
曹伟华, 梁旭东, 李青春. 2013. 北京一次持续性雾霾过程的阶段性特征及影响因子分析[J]. 气象学报, 71(5): 940-951.
Chen Y N, Zhu Z W, Luo L, et al. 2018. Severe haze in Hangzhou in winter 2013/2014 and associated meteorological anomalies[J]. Dynamics of Atmospheres and Oceans, 81: 73-83. DOI:10.1016/j.dynatmoce.2018.01.002
Chang Y, Wang J, Zhu Z W, et al. 2020. A salient oceanic driver for the interannual variability of wintertime haze days over the Pearl River Delta region, China[J]. Theoretical and Applied Climatology, 140(1): 739-750. DOI:10.1007/s00704-020-03111-9
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, 32(8): 1433-1438.
戴竹君, 刘端阳, 王宏斌, 等. 2016. 江苏秋冬季重度霾的分型研究[J]. 气象学报, 74(1): 133-148.
方冬青, 魏永杰, 黄伟, 等. 2016. 北京市2014年10月重霾污染特征及有机碳来源解析[J]. 环境科学研究, 29(1): 12-19.
高怡, 张美根. 2014. 2013年1月华北地区重雾霾过程及其成因的模拟分析[J]. 气候与环境研究, 19(2): 140-152.
国家气象中心, 中国气象局预报与网络司, 中国气象局政策法规司.2018.QX/T413-2018K空气污染扩散气象条件等级[S].北京: 气象出版社
侯梦玲, 王宏, 赵天良, 等. 2017. 京津冀一次重度雾霾天气能见度及边界层关键气象要素的模拟研究[J]. 大气科学, 41(6): 1177-1190.
Jia M W, Zhao T L, Cheng X H, et al. 2017. Inverse relations of PM2.5 and O3 in air compound pollution between cold and hot seasons over an urban area of East China[J]. Atmosphere. DOI:10.3390/atmos8030059
龙时磊, 增建荣, 刘可, 等. 2013. 逆温层在上海市空气颗粒物积聚过程中的作用[J]. 环境科学与技术, 36(6L): 104-109.
廖晓农, 张小玲, 王迎春, 等. 2014. 北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析[J]. 环境科学, 35(6): 2031-2044.
刘建, 范绍佳, 吴兑, 等. 2015. 珠江三角洲典型灰霾过程的边界层特征[J]. 中国环境科学, 35(6): 1664-1674.
陆琛莉, 李海军, 张雪慧, 等. 2018. 2013年12月浙北北部两次重度霾过程的对比分析[J]. 气象与环境科学, 41(1): 47-55.
陆忠艳, 王扬锋, 蒋大凯, 等. 2018. 基于气象条件的沈阳市空气质量预报方法研究[J]. 气象与环境学报, 34(4): 68-74.
雷正翠, 郑媛媛, 刘银峰, 等. 2019. 2018年常州一次罕见持续性雾-霾天气分析[J]. 气象, 45(8): 1123-1134.
马学款, 张碧辉, 桂海林, 等. 2017. APEC前后北京几次静稳天气边界层特征对比分析[J]. 气象, 43(11): 1364-1373.
毛卓成, 马井会, 瞿元昊, 等. 2018. 2015年上海地区空气质量状况及其与气象条件的关系[J]. 气象与环境学报, 34(2): 52-60.
潘玮, 左志燕, 肖栋, 等. 2017. 近50年中国霾年代际特征及气象成因[J]. 应用气象学报, 28(3): 257-269.
邵平, 辛金元, 安俊琳, 等. 2017. 长三角工业区夏季近地层臭氧和颗粒物污染相互关系研究[J]. 大气科学, 41(3): 618-628.
Wang J X L, Angell J K.1999.Air stagnation climatology for the United States(1948-1998)[R].Silver Spring, M D: Air Resources Laboratory, Environmental Research Laboratories, Office of Oceanic and Atmospheric Research
吴兑, 吴晓京, 李菲, 等. 2010. 1951-2005年中国大陆霾的时空变化[J]. 气象学报, 68(5): 680-688.
王喜全, 杨婷, 王自发, 等. 2011. 灰霾污染的跨控制区影响-一次京津冀与东北地区灰霾污染个案分析[J]. 气候与环境研究, 16(6): 690-696.
吴珊珊, 章毅之, 胡菊芳. 2014. 江西省霾天气气候特征及其与气象条件的关系[J]. 气象与环境学报, 30(3): 71-77.
王占山, 李云婷, 孙峰, 等. 2015. 2014年10月上旬北京市大气重污染分析[J]. 中国环境科学, 35(6): 1654-1663.
Wang J, Zhao Q H, Zhu Z W, et al. 2018. Interannual variation in the number and severity of autumnal haze days in the Beijing-Tianjin-Hebei region and associated atmospheric circulation anomalies[J]. Dynamics of Atmospheres and Oceans, 84: 1-9. DOI:10.1016/j.dynatmoce.2018.08.001
Wang J, Zhu Z W, Qi L, et al. 2019. Two pathways of how remote SST anomalies drive the interannual variability of autumnal haze days in the Beijing-Tianjin-Hebei region, China[J]. Atmospheric Chemistry Physics, 19(3): 1521-1535. DOI:10.5194/acp-19-1521-2019
Wang J, Liu Y, Ding Y, et al. 2020. Impacts of climate anomalies on the interannual and interdecadal variability of autumn and winter haze in North China:A review[J]. International Journal of Climatology. DOI:10.1002/joc.6471
许建明, 常炉予, 马井会, 等. 2016. 上海秋冬季PM2.5污染天气形势的客观分型研究[J]. 环境科学学报, 36(12): 4303-4314.
杨元琴, 王继志, 侯青, 等. 2009. 北京夏季空气质量的气象指数预报[J]. 应用气象学报, 20(6): 649-655.
杨军, 牛忠清, 石春娥, 等. 2010. 南京冬季雾霾过程中气溶胶粒子的微物理特征[J]. 环境科学, 31(7): 1425-1431.
俞布, 朱彬, 窦晶晶, 等. 2017. 杭州地区污染天气型及冷锋输送清除特征[J]. 中国环境科学, 37(2): 452-459.
尹承美, 焦洋, 何建军, 等. 2019. 济南地区逆温层特征及其对颗粒物质量浓度的影响[J]. 干旱气象, 37(4): 622-630.
朱蓉, 徐大海, 孟燕君, 等. 2001. 城市空气污染数值预报系统CAPPS及其应用[J]. 应用气象学报, 12(3): 267-278.
中国环境科学研究院, 中国环境监测总站.2012.GB 3095-2012环境空气质量标准[S].北京: 中国环境科学出版社
张小曳, 孙俊英, 王亚强, 等. 2013. 我国雾-霾成因及其治理的思考[J]. 科学通报, 58(13): 1178-1187.
张人禾, 李强, 张若楠. 2014. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学(地球科学), 44(1): 27-36.
赵敬国, 王式功, 张天宇, 等. 2015. 兰州市大气重污染气象成因分析[J]. 环境科学学报, 35(5): 1547-1555.
张恒德, 吕梦瑶, 张碧辉, 等. 2016. 2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析[J]. 环境科学学报, 36(12): 4340-4351.
张蓬勃, 金琼, 陆晓波, 等. 2016. 2013年1月持续性霾天气中影响污染程度的气象条件分析[J]. 气象科学, 36(1): 112-120.
张恒德, 张碧辉, 吕梦瑶, 等. 2017. 北京地区静稳天气综合指数的初步构建及其在环境气象中的应用[J]. 气象, 43(8): 998-1004.
赵辉, 郑有飞, 吴晓云, 等. 2018. 江苏省大气复合污染特征与相关气象驱动[J]. 中国环境科学, 38(8): 2830-2839.