王勇;刘严萍;李江波;柳林涛
【摘 要】依据北京2013年PM2.5／PM10、GPS水汽和无线电探空风速资料，发现水汽变化与PM2.5／PM10变化呈正相关，风速变化与PM2.5／PM10变化呈负相关。在风速较小情况下，水汽变化与PM2.5／PM10变化呈显著正相关，水汽上升对应了GPS水汽变化与PM2.5／PM10质量浓度的上升，水汽下降则对应了PM2.5／PM10质量浓度的下降。分析了水汽与PM2.5／PM10变化显著正相关的原因。%Based on the observation data of PM2.5/PM1 0 ,GPS PWV (Precipitable Water Vapor)and Radio-sonde wind speed in Beijing in 201 3 ,it is found that there is positive correlation between PM2.5/PM1 0 variation and GPS PWV change;while negative correlation between PM2.5/PM10 variation and Radiosonde wind speed change. During the period of less wind speed,the PWV changes are significantly positive correlated to PM2.5/PM1 0 varia-tion.The rising of PWV is corresponding to the rising of PM2.5/PM10 variation;while the decreasing of PWV is cor-responding to the decreasing of PM2.5/PM1 0 variation.It is analyzed the cause of significantly positive correlation between PM2.5/PM10 variation and PWV change.
【期刊名称】《灾害学》
【年(卷),期】2015(000)001
【总页数】3页(P5-7)
【关键词】PM2.5/PM10;水汽;GPS;风速;北京
【作 者】王勇;刘严萍;李江波;柳林涛
【作者单位】天津城建大学地质与测绘学院，天津300384; 大地测量与地球动力学国家重点实验室，湖北 武汉430077;天津城建大学 经济与管理学院，天津300384;河北省气象局，河北 石家庄050022;大地测量与地球动力学国家重点实验室，湖北 武汉430077
【正文语种】中 文
【中图分类】P426.615;X4
雾霾是空气污染和气象因素共同作用的结果，雾霾天气发生时，大气能见度下降，大气中的
颗粒物(PM2.5/PM10)是导致能见度降低的主要因素［1］，城市大气PM2.5/PM10污染影响空气质量，威胁人健康，是具有区域性特征、危害严重的大气污染物。我国区域灰霾污染日益严重，区域大气能见度逐年下降，细颗粒物浓度超标。Yuanyuan Fang以美国东北部为例研究了夏季PM2.5空气质量的物理气候模型［2］;Anne Boynard利用IASI(红外大气探测干涉仪)卫星测量技术探测了中国华北地区的冬季空气污染［3］。近年来我国部分学者针对北京、广州、深圳和天津等城市开展了城市PM2.5浓度特征及其影响因素的分析研究［4-7］。郭洁以成都为例研究了GPS水汽与大雾天气变化的关系，通过水汽变化分析雾形成原因［8］。
风是影响PM2.5/PM10横向水平移动的关键要素，水汽(可降水量)是影响PM2.5/PM10垂直运动的因素。我们针对雾霾天气过程研究了GPS可降水量和天顶对流层延迟的变化，发现GPS可降水量在雾霾过程前后有较大的变动［9］。水汽和风速的变化如何影响空气中的微颗粒物(PM2.5/PM10)的质量浓度变化?本文拟利用2013年的北京市PM2.5/PM10观测资料，结合GPS水汽资料、无线电探空风速资料，进行北京地表PM2.5/PM10变化与水汽、风速变化的比较研究，并对比较结果进行分析。
本文研究数据主要包含3类数据:GPS水汽(GPS Precipitable Water Vapor，GPS PWV)、无线电探空风速、PM2.5/PM10质量浓度观测数据。
1.1 GPS水汽
利用GPS观测资料可以反演出高时间分辨率的对流层延迟序列，结合气象观测资料(气压、温度)，可以获得时值GPS水汽序列［10］。国际GNSS服务(Internatianal GNSS Service，IGS)提供国际GPS站点的对流层延迟解算资料和气象观测数据，通过下载BJNM站点对流层延迟和气象资料，按照文献［10］中提供的方法可以获得时值GPS水汽序列。GPS水汽与无线电探空/水汽辐射计水汽具有接近(1～2 mm)的精度［11-12］，IGS提供的GPS对流层延迟产品精度最为可靠，因而本文解算的GPS水汽数值可靠。GPS水汽的单位为mm。
1.2 无线电探空风速
无线电探空是气象领域探测水汽的一种常用手段，利用该方法可探测各层气压、高度、温度、风速和风向等要素，本文选择无线电探空观测的地表风速进行PM2.5/PM10变化分析。无线电探空在每天的08:00和20:00(北京时间)进行观测。无线电探空风速的单位为m/s。
1.3 PM2.5/PM10质量浓度
PM2.5，即细颗粒物，是指环境空气中空气动力学当量直径小于等于2.5μm的颗粒物。PM10是指环境空气中空气动力学当量直径小于等于10μm的颗粒物，是可在大气中长期飘浮的悬浮微粒，也称可吸入微粒、可吸入尘或飘尘。PM2.5/PM10能较长时间悬浮于空气中，它们在空气中含量浓度越高，代表空气污染越严重。PM2.5/PM10对空气质量和能见度等有重要的影响。北京有多个PM2.5/ PM10观测站点，本文选择了昌平站点的PM2.5/PM10观测资料，该资料为时值观测数据。PM2.5/PM10观测数据的单位为μm/m3。
2.1 GPS水汽变化与PM2.5/PM10变化的比较
冬春季节是北京霾天气的高发时节，本文选择2013年春季(第061-072日)和冬季(第321-333日)各一时段数据进行水汽/风速变化对PM2.5/ PM10变化的影响研究。图1所示为GPS水汽变化对PM2.5/PM10质量浓度变化的影响。雾霾和雾的区别
由图1可见，GPS水汽变化与PM2.5/PM10质量浓度变化趋势较为一致，两者具有较好的正相关特性。表1中统计了GPS水汽与PM2.5/PM10的相关性。
2.2 风速变化与PM2.5/PM10变化的比较
图2所示风速变化对PM2.5/PM10质量浓度变化的影响。由图2可见，风速变化与PM2.5/PM10质量浓度变化趋势相反，两者呈负相关特性。表1中统计了风速与PM2.5/PM10的相关性。
由图1和图2可以看出，在年积日第068日20时无线电探空观测风速达到11 m/s，此时PM2.5/ PM10质量浓度处于低值，仅有10μg/m3，而GPS水汽在年积日第069日16时处于期间的最低值，由图1、图2和表1推断，风速和水汽是影响PM2.5/PM10质量浓度的关键因素，风速与PM2.5/ PM10质量浓度呈负相关，而水汽与PM2.5/PM10质量浓度呈显著正相关。
2.3 风速较小时GPS水汽变化与PM2.5/PM10变化的比较
由图2可见，在年积日第061-066日风速较小，因而选择该时间段进行风速较小情况下水汽对PM2.5/PM10质量浓度变化的影响研究(图3)。
统计图3中的GPS水汽与PM2.5/PM10质量浓度的相关性，GPS水汽与PM2.5/PM10质量浓度的相关系数分别为0.676 6和0.704 0。在风速较小情况下，水汽是影响PM2.5/PM10质量浓
度变化的一个关键要素，两者呈显著正相关。水汽的上升对应了PM2.5/PM10质量浓度的上升，原因分析如下:
(1)水汽的增加能促进二氧化硫、氮氧化物被氧化成SOA(SOA是指直接排放的污染物与大气中物质反应后生成的二次污染的颗粒)，从而提高PM2.5/PM10浓度。
(2)当水汽上升时，臭氧与有机物发生化学反应生成大量的微颗粒，而该微颗粒属于PM2.5/ PM10。因此，在水汽上升时，臭氧浓度下降，PM2.5/PM10浓度上升。
(3)北京PM2.5/PM10污染源的组成中，煤燃烧所占比重最大，尤其是到了冬季，燃煤供暖，煤燃烧占的比重会更大。燃煤PM2.5/PM10微粒大多为难溶于水且吸湿性较差的球形硅铝质矿物颗粒，润湿性较差。因而PM2.5/PM10颗粒不因水汽的增加而减少。
本文利用北京市GPS水汽、无线电探空观测的地表风速与PM2.5/PM10质量浓度观测资料，进行了水汽和风速变化对PM2.5/PM10质量浓度变化的影响研究，结论如下:
(1)风速变化与PM2.5/PM10质量浓度变化呈负相关。
(2)GPS水汽变化与PM2.5/PM10质量浓度变化呈显著正相关，在风速较小情况下，水汽与PM2.5/ PM10质量浓度变化的相关性更为显著。
【相关文献】
［1］王秦，陈曦，何公理，等.北京市城区冬季雾霾天气PM2.5中元素特征研究［J］.光谱学与光谱分析，2013，33(6): 1441-1445.
［2］Fang Yuanyuan，Arlene M Fiore，Jean-François Lamarque.Using synthetic tracers as a proxy for summertime PM2.5air quality over the Northeastern United States in physical climate models［J］. Geophysical Research Letters，2013，40(4):755-760.
［3］Anne Boynard，Cathy Clerbaux，Lieven Clarisse，et al.First simultaneous space measurements of atmospheric pollutants in the boundary layer from IASI:A case study in the North China Plain［J］.Geophysical Research Letters，2014，41(2):645-651.
发布评论