1 引言(Introduction)

随着城市化进程加快, 城市大气污染愈发严重(Chan et al., 2008；吴兑等, 2012; Zhao et al., 2013), 以细颗粒物为主的气溶胶污染对能见度、人体健康造成了巨大危害.研究表明, 颗粒物的大小、成分和形状决定了颗粒物能够最终进入人体的部位及对健康的危害程度, 粒径小于2.5 μm的细颗粒物能够进入人体肺泡中, 从而引发心和肺的功能障碍有关的疾病, 其浓度与呼吸道疾病、心脑血管病发病率密切相关(Carmichael et al., 2009).在严重的大气污染过程中, 如何改善低能见度问题, 降低气溶胶浓度水平, 成为政府乃至社会关注的重要问题.目前有通过人工增雨或喷洒水雾来清除大气颗粒物的操作, 但自然降水过程对大气污染物的清除作用效果如何, 系统性研究较少.

大气中气溶胶主要的清除机制包括干清除和湿清除.其中, 湿清除作为大气气溶胶的主要清除机制分为云中清除和云下清除, 云中清除是指气溶胶粒子作为降雨的凝结核而随降雨粒子降落至地面, 云下清除是通常所说的降雨过程雨滴的清除作用, 降水通过碰并机制捕获气溶胶粒子, 达到从大气中清除颗粒物的效果, 碰并机制包括布朗运动、惯性碰撞、静电作用、方向阻截等(邓利群等, 2012).影响湿清除的机制较为复杂, 与雨滴下落的末端速度、气溶胶粒子谱、雨滴谱等均有关系.

为探索降雨的清除机制, 国内研究人员大多采用观测试验的方式, 计算降水对气溶胶的清除系数.研究发现, 降水对颗粒物浓度具有明显的清除作用(林雨霏等, 2005；霍铭群等, 2009), 清除的效果与颗粒物的粒径分布和组成成分有关.颗粒物粒径分布方面, 有学者指出不同粒径大小对碰并机制的影响程度不同(董雪玲等, 2007), 降水对核模态(0.01~0.1 μm)和粗模态(2~10 μm)气溶胶的清除作用较为显著(Chate et al., 2005；康汉青等, 2009；孙根厚, 2012；吴丹等, 2016；董群等, 2016), 但对积聚模态(0.1~2 μm)气溶胶的清除作用不理想.这是因为降雨清除机制存在“Greenfield gap”(Greenfield et al., 1957), 而PM_2.5主要分布于0.1~1 μm, 导致降水对其清除效果不理想.颗粒物的组成成分同样会对降雨清除作用产生影响, 由于降雨对阴离子的清除作用较高, 而对阳离子的清除作用较弱, 导致不同气溶胶成分组成比重不同, 湿清除的效率也有较大差别(吴兑等, 1994).

但也有不少观测研究发现, 一定强度的降水能够有效清除大气污染物, 但弱降水不但起不到清除的效果, 反而导致污染物浓度上升.部分学者认为这是因为颗粒物的吸湿增长特性而出现颗粒物浓度上升, 相对湿度越高、水汽含量越多, 气溶胶粒径越容易增大, 尤其是对于粒径小于1 μm的细颗粒物(胡敏等, 2006；Andronache et al., 2004; Chate et al., 2004; 杨晓亮等, 2014；王瑛等, 2014；刘厚凤等, 2015；赵胡笳等, 2015)；也有学者认为这可能是由于气溶胶再悬浮机制而导致浓度反升, 尤其是在层结稳定的条件下, 雨滴粒径越小, 周围相对湿度越低, 越有利于气溶胶再悬浮机制的发生(吴兑, 1991；吴兑等, 1996).

由此可见, 降水对颗粒物的清除作用存在很多不确定性, 这也是部分污染天气预报结论失误的重要原因之一.另一方面对于可溶性气溶胶, 其清除机制以湿清除为主, 但存在明显的地区非均匀性分布(毛节泰等, 1992), 所以东莞区域的PM_2.5湿清除相较其他地区也存在差异.基于此, 本研究通过建立长时间序列的降水资料与PM_2.5观测资料, 研究降雨前后PM_2.5浓度变化情况, 探讨不同等级降雨强度、不同降雨持续时间对PM_2.5清除作用的影响, 这对提高东莞区域空气质量预报能力具有重要意义.

2 数据和方法(Data and methods) 2.1 数据来源和说明

观测点设立在东莞国家气象站, 该站处于东莞市植物园内, 以植被覆盖为主, 周围无明显污染源.

雨量数据采用的是东莞国家气象站常规地面观测资料数据, 时间分辨率为1 h, 精度为0.1 mm, 数据时间跨度为2013年1月-2017年12月.

PM_2.5、PM₁₀浓度数据来自Grimm180检测仪, 数据系列为2013年1月-2017年12月.仪器采用的是光散射原理, 可在恒定流量下将空气吸入检测气室内；采用激光对气室的样本进行照射, 照射到颗粒物时, 将出现散射并被检测器接收, 检测器将形成与之对应的脉冲信；脉冲信号计数器不但记录了颗粒物的个数, 而且还可根据脉冲信号的强弱对颗粒物大小进行划分；测量分辨率达到6 s, 测量范围为0.1~6000 μg·m^-3, 可获取0.25~32 μm的31个粒径分布的实时数据.

2.2 数据处理

本研究用清除率来描述降水对气溶胶的清除作用效果, 将其定义为雨滴捕获气溶胶的浓度占初始浓度的比例, 可通过观测降水前后气溶胶的浓度变化得出(Davenport et al., 1978; Lai et al., 1978; Laakso et al., 2003; Croft et al., 2009; 康汉青等, 2009; 王瑛等, 2014；Olszowski et al., 2016).某一降水过程, 降水对PM_2.5的清除率计算公式如式(1)所示.

(1)

式中, R为PM_2.5清除率, C₁为降水前1 h的PM_2.5平均浓度(μg·m^-3), C₂为降水结束后1 h的PM_2.5平均浓度(μg·m^-3).当R大于0时, 表示降水后PM_2.5浓度降低；当R小于0时, 为PM_2.5浓度增加率, 表示降水后PM_2.5浓度升高.

2.3 数据质量控制说明

剔除PM_2.5浓度负值和奇异值, 同时为避免冷锋过境及大风的强烈影响, 剔除了降水过程中出现风速大于4 m·s^-1的降水个例；为减少零星降水的影响, 剔除了短历时降水和零星降水过程, 仅选择降水持续时间大于1 h、降雨强度超过0.1 mm的个例.根据以上筛选条件, 共选出709次连续降水过程的个例.

3 结果和讨论(Results and discussion) 3.1 东莞降水与PM_2.5的月变化特征

图 1统计了东莞地区2013年1月-2017年12月共计60个月的PM_2.5月平均浓度及月累计降雨量.东莞地区降雨80%集中在汛期(4-9月), 并分为前汛期(4-6月)和后汛期(7-9月), 非汛期降水较少, 期间年平均降雨量为2108.4 mm. PM_2.5浓度呈现明显的季节变化特征, 5-8月浓度最低, 12-1月浓度最高, 期间年平均浓度为39.62 μg·m^-3.

图 1a中PM_2.5浓度在2013-2015年呈逐年下降趋势, 2015年后保持在35 μg·m^-3左右, 年降雨量逐年上升, 2016年最高, 为2612 mm, 但同年的PM_2.5浓度并没有出现下降趋势.图 1b显示, 在雨季PM_2.5浓度较低, 旱季PM_2.5浓度较高, 但雨季当中, 如6-8月, 降雨量逐月增加, 而PM_2.5浓度未出现下降趋势.进一步计算了月降雨量及PM_2.5浓度之间的相关系数, 为-0.584, 通过99%置信区间检验, 具有负相关关系.综上说明降雨对PM_2.5具有一定的清除作用.

3.2 不同初始浓度降水过程对PM_2.5的清除作用分析

为讨论不同初始浓度对PM_2.5清除率的影响, 图 2统计了各连续降水过程个例的PM_2.5初始浓度及清除率.由图可知, 降水个例的PM_2.5初始浓度主要集中在60 μg·m^-3以下, 占总个例的93.81%, 清除率主要集中在-100%~90%, 占总个例的93%；所有降水过程的平均清除率为-9.4%, 降水结束后PM_2.5浓度有上升也有下降, 有部分降水过程PM_2.5浓度更是上升为降水前的2倍, 说明降水与PM_2.5清除并没有必然的关系.

如图 2所示, 对于PM_2.5浓度反弹的个例, 尤其是升幅较大的个例, 其初始浓度多在40 μg·m^-3以下, 部分升幅明显的个例, 初始浓度仅为10 μg·m^-3以下, 而对于初始浓度较高的个例, 其清除效果往往较好.因2013-2017年东莞PM_2.5平均浓度约为39.62 μg·m^-3, 为便于计算, 确定40 μg·m^-3为分界线, 分别统计浓度上升及下降的个例, 结果见表 1.如表 1所示, 浓度下降的降水过程有376次, 浓度上升的降水过程有333次, 浓度下降个例略多于上升个例；浓度上升的个例中, 有299次出现在初始浓度小于40 μg·m^-3时, 占比达89.79%, 平均PM_2.5增加率为63.5%, 而初始浓度大于40 μg·m^-3的反弹个例中, 其平均PM_2.5增加率为21.61%, 相较前者, 其反弹的幅度减少41.85%；在浓度下降的个例中, 有292个降水过程的初始浓度小于40 μg·m^-3, PM_2.5平均清除率为32.04%, 有84个降水过程初始浓度大于40 μg·m^-3, PM_2.5平均清除率为43.94%, 较前者升高了11.9%.在所有初始浓度低于40 μg·m^-3的个例中, 浓度下降的个例占比约49.4%, 在所有初始浓度高于40 μg·m^-3的个例中, 浓度下降的个例占比约71.2%, 比例明显升高；浓度下降个例的初始浓度平均值为29.45 μg·m^-3, 比浓度上升个例(19.85 μg·m^-3)高9.6 μg·m^-3.说明低初始浓度更容易造成PM_2.5浓度反弹, 造成这种现象的原因可能是PM_2.5数量较多时, 雨滴对粒子的碰并作用较理想, 而PM_2.5数量较少时, 雨滴的碰并作用不明显, 其他因素导致了PM_2.5浓度积累, 其作用抵消了雨滴的清除作用, 导致浓度更容易出现反弹(Chen et al., 2013；徐建明等, 2017)；也有可能是与气溶胶的再悬浮机制有关, 即在降水后期, 小雨滴蒸发后, 气溶胶释出, 并在空中再悬浮, 导致浓度回升.

按年份、季节分别统计了浓度下降个例及上升个例的平均清除率, 结果如图 3所示, 其中, 2015年清除率为5年中最高, 2014年为清除率反弹最明显的年份.从季节变化来看, 对于初始浓度大于40 μg·m^-3的浓度下降个例, 冬季平均清除率最低, 夏季最高, 基本对应了东莞地区夏季降雨最强、冬季最弱的特点.

进一步统计了不同年份、季节各初始浓度分档与平均清除率的相关系数, 结果如表 2所示.从相关系数的分布情况来看, 降水过程PM_2.5初始浓度与清除率的相关系数大多为正数, 但仅有部分通过了显著性检验(α=0.05), 说明PM_2.5初始浓度与清除率相关性并不强, 可能的原因是降水的清除效果还跟降水强度和持续时间有关(下文将讨论), 而初始浓度仅是可以作为降水能否有效清除的判断依据；相关系数仅在冬季出现负值, 其余季节相关系数为正值, 该分布趋势基本与东莞的汛期集中期相吻合(4-9月).

将清除率进行分档统计, 分析其与PM_2.5初始浓度的关系, 结果见图 4.由图可知, 总体上随着PM_2.5清除率的上升, 初始浓度平均值也出现不断抬升的趋势.浓度反弹个例中, PM_2.5初始浓度普遍较低, 其中, 浓度反弹超过60%的个例, 其平均初始浓度仅为12.53 μg·m^-3, 而清除率超过60%的个例, 其初始浓度的平均值为37.05 μg·m^-3.综上说明降水对污染天气下PM_2.5的清除效果较好, 因此, 降雨前PM_2.5的初始浓度可以作为判断降雨后PM_2.5浓度是否下降的预报依据, 这也与一些学者的研究结果一致(苏艳等, 2016).

3.3 不同强度降水过程对PM_2.5的清除作用分析

一次降水过程的强弱可从降水持续时间、平均强度来评价.由于不同降水过程降水强度不同, 对PM_2.5清除的影响亦各不相同, 本节主要探讨PM_2.5的清除作用与降水强度的关系.按前文40 μg·m^-3为分界线, 统计了各年及各季节平均降水强度和清除率的分布及相关系数, 结果如表 3所示.由表可知, 2015年各档整体的降水强度较其他年份偏高, 对应期间的清除率也相对偏高；从季节变化来看, 冬季雨强明显偏弱, 夏季偏强, 春季和秋季次之, 对应的清除效率冬季最弱, 夏季最强；从相关系数来看, 对于有效清除的个例, 雨强与清除率的相关系数分别为0.19和0.20, 具有正相关性, 通过α=0.05的显著性水平检验；对于初始浓度大于40 μg·m^-3的浓度反弹个例, 相关系数为-0.19, 而个例中的平均雨强仅为0.49 mm·h^-1, 说明雨强偏低同样是造成PM_2.5浓度出现反弹的原因.

为进一步研究PM_2.5的清除作用与不同降水强度的关系, 本文计算了各降水过程的平均雨强和清除率, 并一一对应.将小时降雨量(即雨强)划分为小雨(≤2.5 mm)、中雨(2.6~7.6 mm)、大雨(>7.6 mm)3个等级(栾天等, 2019; ), 当降水间隔超过1 h, 视为两次降水过程(Andronache et al., 2003).共统计得到不同的降水过程次数分别是492次小雨、172次中雨和45次大雨.由图 5可以看出, 在小雨降水过程中, 清除率出现频次最多的是-20%~20%, 说明小雨过程清除效率不高；而中雨过程中, 出现频次最多的是50%左右的清除率；在大雨降水过程中, 其清除率分布则较为均匀.另外, 各等级降水过程均有浓度反弹的个例出现, 浓度反弹的个例数略小于有效清除的个例数, 这些反弹个例中, PM_2.5初始浓度大部分低于35 μg·m^-3, 说明如果初始浓度较低, 即便降水强度大, PM_2.5浓度仍有可能出现反弹.

本文分别统计了各强度降水过程的PM_2.5浓度反弹及有效清除个例, 结果如表 4所示.小雨过程中PM_2.5浓度反弹和有效清除的个例数占比接近, 而在中雨和大雨过程中, 这两者的差距有所增加, 有效清除的占比略有上升；小雨过程的PM_2.5增加率平均值为12.46%, 清除效率不理想, 中雨和大雨过程的清除率平均值分别为-4.04%和1.65%, 清除率较小雨过程略有增加.

前述提到, 有效清除个例中, 雨强与清除率存在正相关关系, 因此, 本文此处重点讨论在有效清除个例中, 降水强度与清除率的关系.将各降水等级进行更精细的分档, 如图 6所示, 总体上, 随着降水强度增加, PM_2.5清除率在各降水强度段表现各有差别.当降水强度小于2.5 mm, 即小雨过程, 随着降水强度增加, PM_2.5清除率缓慢升高；当降水强度处于2.5~7.5 mm(中雨降水过程), PM_2.5清除率较小雨过程有所升高, 但波动幅度较大；大雨过程中, PM_2.5清除率随降水强度升高有较为明显的上升, 最大可达60%以上.以上结果表明雨强越大, 整体的清除作用略有加强, 这与国内外一些研究结果相近(赵海波等, 2005；Andronache et al., 2003；Wang et al., 2010；周彬等, 2015；栾天等, 2019).

3.4 降水持续时间对PM_2.5清除率的影响分析

图 7统计了各年份、各季节降水持续时间分布情况及相关系数.从图中可知, 有效清除个例的降雨持续时间普遍较高, 降雨持续时间冬季最长, 夏季最短；降雨持续时间与清除率的相关系数为0.08, 相关性不显著, 但按40 μg·m^-3的分界线分项统计后(图 7), 相关系数明显提高, 有效清除个例中, 降雨持续时间与清除率成正比, 而在反弹个例中, 两者呈负相关关系, 即对于有效清除个例, 降雨持续时间越长, 越有利于PM_2.5清除, 对于反弹个例, 持续时间越长, 反弹越明显.

受不同降水系统影响, 东莞的降水过程持续时间各有差别, 主要跟影响的降水系统有关, 前汛期主要是冷暖空气作用、季风的暴发引起, 后汛期主要是台风降水为主.统计的个例中, 有75%的降水个例持续时间小于6 h, 因有效清除个例中降雨持续时间与清除率成正相关, 为进一步研究降水持续时间对PM_2.5清除率的影响, 选取有效清除的个例, 将个例按3.3节的雨强档次进行分类, 分析各降雨强度中持续时间与清除率的关系.

如图 8所示, 在小雨、中雨、大雨降水过程中, 均表现为降水持续时间越长, PM_2.5清除率越高.在小雨过程中, 降水持续时间小于3 h时, 清除率在30%左右, 当持续时间增加, 清除率可增加至40%左右, 即使持续时间继续增长至9 h以上, 清除率也基本维持在40%左右；在中雨过程中, 降水持续时间小于3 h时, 清除率也是在30%左右, 当持续时间增加至3~9 h时, 清除率提高至35%~40%, 当持续时间超过9 h时, 清除率上升至50%左右；在大雨过程中, 当持续时间小于6 h时, 清除率就已经达到40%左右, 当持续时间超过6 h时, 清除率上升至60%~70%.以上分析表明, 降水持续时间是影响PM_2.5清除作用的重要因素, 持续时间超过6 h的小雨降水过程能达到40%的清除率效果, 中雨以上降水过程持续时间越长, PM_2.5的清除效果越好.

3.5 降雨强度及降雨持续时间对PM_2.5浓度反弹的影响分析

3.2节中讨论了较低初始浓度更容易出现雨后PM_2.5浓度反弹, 为进一步了解雨后PM_2.5浓度反弹的影响因子, 本节将从降雨强度、降雨持续时间两个角度综合研究对PM_2.5浓度反弹的影响.

图 9统计了PM_2.5浓度反弹个例中降雨持续时间与清除率的关系, 从图中可知, PM_2.5初始浓度为0~30 μg·m^-3时, 反弹的个例集中出现在降水持续时间为2~5 h的范围内, 反弹的幅度普遍集中在100%以内, 随着降水持续时间延长, PM_2.5浓度的反弹幅度并没有出现收敛的趋势；在PM_2.5初始浓度为大于30 μg·m^-3的个例中, 反弹的个例集中出现在降水持续时间为2~3 h的范围内, 反弹的幅度集中在50%以内, 相较前者, 反弹幅度明显降低, 而随着降水持续时间延大, PM_2.5浓度仍有可能出现较大幅度的反弹.说明降水持续时间对PM_2.5浓度反弹的影响较小.

图 10为降水强度与PM_2.5浓度反弹个例散点图.由图 10a可知, 对于初始浓度小于30 μg·m^-3的反弹个例, PM_2.5清除率主要集中在0~-100%, 对应的降水强度多为0~2 mm·h^-1, 在其余的降水强度区间内, PM_2.5清除率分布较为分散, 说明在低初始浓度条件下, 降水强度对PM_2.5浓度反弹影响不确定性较大.对于初始浓度大于30 μg·m^-3的个例(图 10b), PM_2.5浓度增加率主要集中在0~50%, 对应的降水强度为0~2 mm·h^-1, 当降水强度增加时, PM_2.5浓度反弹幅度普遍减少, 部分个例降至10%~20%, 个例数也出现明显较少的趋势, 说明在高初始浓度条件下, 当降水强度达到2 mm·h^-1以上时, 出现PM_2.5浓度反弹较为困难.

综上, 在低PM_2.5初始浓度条件下, 降水强度与降水持续时间对PM_2.5浓度反弹的影响均较小；在初始浓度大于30 μg·m^-3的条件下, PM_2.5浓度平均反弹幅度收窄, 初始浓度的增加使得雨滴与颗粒物之间的碰并作用加强, 降水强度的增大使这种碰并作用进一步加强, 进而制约了PM_2.5浓度反弹的幅度.

3.6 典型降雨个例分析

为对比不同降雨过程中颗粒物清除率的变化情况, 选取了2013年5月7-10日的3轮降水过程, 这3次降雨过程之间的时间间隔较短, 能尽可能地减少其他因素对颗粒物浓度造成的影响.

如图 11所示, 这3次降雨发生的时间分别是5月7日18：00、5月8日9：00-23：00和5月9日21：00-24：00.其中, 5月7日18：00的降雨量仅为0.1 mm, 持续时间较短, 在此过程中各粒径颗粒物浓度上升, PM_2.5的占比增加, 即PM_2.5浓度回升, 这说明雨强较小, PM_2.5浓度容易出现反弹(表 2).5月8日的降水过程持续时间为15 h, 初期雨强较弱, 颗粒物浓度没有出现明显降低, 中期雨强逐渐增强至31 mm·h^-1时, 各粒径颗粒物浓度明显下降, 最低降至2 μg·m^-3, 后期雨强继续加强至55.1 mm·h^-1并逐渐回落, 在此过程中颗粒物浓度并没有继续下降或保持较低水平, 而是出现浓度反弹, 并且PM_2.5浓度较PM₁₀浓度反弹更明显.类似的, 5月9日的降水过程中, 降水开始前PM_2.5初始浓度仅为2.2 μg·m^-3, 降水过程持续了4 h, 最大雨强达25.2 mm·h^-1, 但整个过程颗粒物浓度并没有保持较低水平, 而同样出现了各粒径颗粒物浓度的反弹.综上, 本研究进一步验证了初始浓度较高时, 雨强越大清除效果较好, 但在初始浓度较低时, 即便雨强增加, 也容易出现颗粒物浓度反弹.

本文选取2017年4月23日的降水过程作为研究对象, 该降雨过程持续了4 h, 降雨开始前PM_2.5浓度为30.16 μg·m^-3, 降雨结束后PM_2.5浓度反升为62.33 μg·m^-3.同时截取了本次降雨过程第1、2.5、4 h的粒径分布情况, 并计算了降雨前、后段各粒径数浓度变化情况(图 12).在降雨前段, 各粒径颗粒物数浓度均出现下降, 其中, 425~625、4500~7750 nm段颗粒物数浓度下降幅度最大, 其余粒径段颗粒物数浓度下降幅度并不大；在降雨后段, 颗粒物数浓度回升, 以细粒径段回升最为明显.由此可知, 对于本次过程出现颗粒物浓度雨后反弹, 主要原因是细粒径段颗粒物数浓度回升明显, 随着降雨逐渐转弱趋于结束, 小雨滴蒸发使细粒子脱水在空中再次悬浮.

4 结论(Conclusions)

1) 2013至2017年东莞区域数据统计显示, 在雨季PM_2.5浓度较低, 旱季浓度较高, 呈负相关关系, 降雨对PM_2.5具有一定的清除作用.

2) PM_2.5浓度下降个例略多于上升个例, 平均清除率为-9.4%, 降水结束后PM_2.5浓度有上升也有下降, 有部分降水过程, 降水后的PM_2.5浓度更是上升为降水前的2倍, 说明降水与PM_2.5清除并没有必然的关系, 应与气溶胶再悬浮机制和吸湿效应有关.

3) 在所有PM_2.5初始浓度低于40 μg·m^-3的个例中, 浓度下降的个例占比约49.4%, 在所有PM_2.5初始浓度高于40 μg·m^-3的个例中, 浓度下降的个例占比约71.2%, 比例明显升高说明低初始浓度更容易造成PM_2.5浓度反弹, 这是因为PM_2.5数量较多时, 雨滴对粒子的碰并作用较理想, 降雨前PM_2.5的初始浓度可以作为判断降雨后PM_2.5浓度是否下降的预报依据.

4) 对于有效清除的个例, 雨强、降雨持续时间与清除率具有正相关性；而对于反弹个例, 雨强小也是浓度出现反弹的原因之一.

5) 持续时间超过6 h的小雨降水过程能达到40%的清除率效果.在低PM_2.5初始浓度条件下, 降水强度与降水持续时间对PM_2.5浓度反弹的影响均较小, 在初始浓度大于30 μg·m^-3的条件下, 平均反弹幅度收窄, 即PM_2.5初始浓度越大, 越不利于反弹.

6) 降雨前后粒径分布变化结果表明, 小雨滴蒸发在空中再次悬浮, 是造成颗粒物浓度雨后出现反弹的主要原因.