2019—2020 年上海地區(qū)空氣質(zhì)量變化特征及氣象影響因素分析

陳 鐳，馬井會，瞿元昊，常爐予

（1.長三角環(huán)境氣象預報預警中心，上海 200030；2.上海市氣象與健康重點實驗室，上海20030）

引言

隨著經(jīng)濟快速發(fā)展及城市化進程的加快，大氣污染對生存環(huán)境和身心健康的影響越來越為人們所關(guān)注，空氣污染治理已成為社會發(fā)展所面臨的一項巨大挑戰(zhàn)。近年來，國內(nèi)學者在城市空氣質(zhì)量的時空變化特征及其氣象影響因素方面作了大量的研究，肖悅等［1］研究近10a 中國城市空氣質(zhì)量發(fā)現(xiàn)，全國空氣質(zhì)量逐年好轉(zhuǎn)，全年呈現(xiàn)先降后升的“U”型變化規(guī)律，姜磊等［2］、劉麗等［3］也得出類似的結(jié)論?？的鹊龋?］、王繼康等［5］在研究南京地區(qū)秋冬污染天氣時發(fā)現(xiàn)，相對穩(wěn)定的天氣條件不利于污染物在水平和垂直方向上的擴散，有利于污染天氣的發(fā)生發(fā)展。王新等［6］在研究濟南市空氣質(zhì)量特征時也發(fā)現(xiàn)，2m·s-1以下的微風或靜風會抑制污染物質(zhì)的擴散，使污染物積聚，污染較重。郁珍艷等［7］和歐娜音等［8］研究污染天氣與逆溫層關(guān)系時發(fā)現(xiàn)，逆溫層高度越低，低層大氣擴散能力越弱，空氣質(zhì)量越差。此外，已有研究［9-12］表明，污染物濃度的變化和降水量、云量、相對濕度、氣溫等也有十分密切的關(guān)系。

上海位于我國東部沿海地區(qū)，是一個經(jīng)濟發(fā)達、人口稠密的超大型城市，其環(huán)境空氣質(zhì)量的變化歷來備受關(guān)注。本文利用2019—2020 年上海地區(qū)6 種空氣污染物小時濃度和逐日空氣質(zhì)量分指數(shù)（Individual Air Quality Index，IAQI）的監(jiān)測資料，對2020 年上海地區(qū)空氣質(zhì)量的變化特征進行分析，并與2019 年進行對比，探討引起上海地區(qū)空氣質(zhì)量變化的氣象成因，以期對空氣質(zhì)量預報和空氣污染防治提供一定的參考依據(jù)。

1 資料與方法

1.1 資料來源

本文采用的空氣質(zhì)量資料來自上海市環(huán)境監(jiān)測中心的10 個國控點（圖1，含1 個對照點）的污染物小時濃度資料，這10 個站點中有7 個分布在市區(qū)，3個位于市區(qū)的邊緣，其監(jiān)測資料對上海地區(qū)具有一定的代表性，資料時段為2019—2020 年。此外，文中還使用了同期的常規(guī)氣象觀測資料。

圖1 上海市環(huán)境監(jiān)測中心國控點分布示意圖

1.2 研究方法

目前，上海市環(huán)境監(jiān)測中心用空氣質(zhì)量指數(shù)和空氣質(zhì)量分指數(shù)來衡量上海地區(qū)空氣質(zhì)量狀況?？諝赓|(zhì)量指數(shù)（Air Quality Index，AQI）是定量描述空氣質(zhì)量狀況的無量綱數(shù)，而空氣質(zhì)量分指數(shù)（Individual Air Quality Index，IAQI）則是單項污染物的空氣質(zhì)量指數(shù)。IAQI 的計算方法［13］為：將空氣污染物濃度根據(jù)分級濃度限值進行等標化，簡化為單一的無量綱指數(shù)形式，可以進行不同污染物之間的對比，AQI 則定義為當日各項空氣污染物IAQI 中的最大值，當AQI＞50 時，其對應(yīng)的污染物為首要污染物。

2 結(jié)果與分析

2.1 空氣污染特征

2.1.1 AQI 變化特征

表1 給出2019—2020 年上海地區(qū)AQI 各等級天數(shù)，可以看到，2020 年的優(yōu)良天數(shù)達318d，其中達優(yōu)的天數(shù)為117d，比2019 年多了37d，優(yōu)良率達到了86.9%，高于2019 年的84.3%；在污染日里輕度污染為40d，較2019 年偏少10d，中度及以上污染天數(shù)為8d，與2019 年相差不大，兩年均沒有出現(xiàn)嚴重污染?？傮w來看，2020 年的空氣質(zhì)量狀況較好，且優(yōu)于2019 年。

表1 2019—2020 年上海地區(qū)AQI 各等級出現(xiàn)天數(shù)（單位：d）

圖2 給出2019—2020 年上海地區(qū)逐月AQI 各等級天數(shù)及優(yōu)良率，由圖2b 可知，2020 年上海地區(qū)全年優(yōu)良率均在70%以上，其中2—3 月和10—11月的優(yōu)良率最高，均達到97%，而最低則出現(xiàn)在1月和12 月，為74%。由污染天數(shù)的逐月分布可知，上海地區(qū)全年各月均有輕度污染出現(xiàn)，中度污染有5 個月出現(xiàn)，重度污染僅在12 月出現(xiàn)了1d，冬季污染出現(xiàn)天數(shù)最多。對比2019 年（圖2a）可以看到，兩年1 月的優(yōu)良率均為全年最低，11 月均為全年最高，且較低的月份都出現(xiàn)在冬季，較高的月份都出現(xiàn)在秋季，逐月變化趨勢兩年差異較小。由污染天數(shù)的逐月分布可知，兩年均為冬季污染天數(shù)最多，秋季最少，但2019 年有5 個月出現(xiàn)了5d 以上的污染，而2020 年僅有3 個月。總體而言，2019 年和2020 年上海地區(qū)的空氣質(zhì)量具有冬季最差，秋季最好，春夏兩季次之的特征。

圖2 2019 年（a）和2020 年（b）上海地區(qū)不同AQI 等級出現(xiàn)天數(shù)及優(yōu)良率月分布

2.1.2 首要污染物分布特征

由2020 年上海地區(qū)不同首要污染物AQI 各等級出現(xiàn)天數(shù)可見（表2），上海地區(qū)最主要的污染物為O3，達124d，而PM2.5只出現(xiàn)了55d，全年沒有SO2和CO 作為首要污染物出現(xiàn)；從AQI 不同等級出現(xiàn)的天數(shù)分布來看，除PM10外，其余污染物均出現(xiàn)了污染，其中O3出現(xiàn)污染的天數(shù)最多，達27d，占污染總天數(shù)的56.2%，其次為PM2.5，污染天數(shù)有16d，且出現(xiàn)了1d 重度污染，占污染總天數(shù)的33.3%。對比2019 年可見，2019 年和2020 年上海地區(qū)首要污染物的分布一致，O3均為最主要的污染物，各首要污染物出現(xiàn)天數(shù)2020 年較2019 年均有所減少。陳鐳等［14］在研究2013—2014 年上海地區(qū)的空氣質(zhì)量狀況時發(fā)現(xiàn)，上海地區(qū)最主要的污染物為PM2.5，年污染天數(shù)達59d，而O3的污染天數(shù)為19d。由此可見，近年來，在政府部門的大力管控和治理下，PM2.5污染狀況逐年好轉(zhuǎn)，上海的主要污染物已從過去的PM2.5轉(zhuǎn)變?yōu)镺3，如何治理O3成為改善城市空氣質(zhì)量的關(guān)鍵。

表2 2019 年和2020 年上海地區(qū)各首要污染物不同AQI 等級出現(xiàn)天數(shù)（單位：d）

由2020 年不同首要污染物出現(xiàn)天數(shù)和達到污染級別出現(xiàn)天數(shù)的逐月分布可見（圖3c 和圖3d），O3作為首要污染物出現(xiàn)在2—10 月，污染主要出現(xiàn)在春夏季，其中5 月污染天數(shù)最多，達6d；而PM2.5作為首要污染物則主要出現(xiàn)在冬季，污染也出現(xiàn)在這一季節(jié)，其中1 月的污染天數(shù)最多，達8d；PM10作為首要污染物出現(xiàn)在春秋兩季，全年沒有出現(xiàn)污染；NO2作為首要污染物在秋冬季出現(xiàn)的天數(shù)最多，污染也出現(xiàn)在這兩季。與2019 年對比可見（圖3a 和圖3b），2019 年O3作為首要污染物出現(xiàn)在3—11 月，較2020 年整體延遲一個月，污染主要出現(xiàn)在春夏季，分布特征與2020 年基本一致；兩年P(guān)M2.5作為首要污染物出現(xiàn)的天數(shù)都是夏秋季偏少，冬季最多，污染主要出現(xiàn)在冬季；2019 年P(guān)M10和NO2作為首要污染物在各月的分布特征也基本與2020 年一致。

圖3 2019 年上海地區(qū)各首要污染物出現(xiàn)天數(shù)（a）和首要污染物達污染級別天數(shù)（b）、2020 年各首要污染物出現(xiàn)天數(shù)（c）和首要污染物達污染級別天數(shù)（d）月分布

2.1.3 污染物濃度變化特征

由前文分析可知，2019—2020 年上海地區(qū)最主要的污染物是O3，而污染則主要由O3和PM2.5造成，因此本文將重點分析O3和PM2.5濃度隨時間的變化特征。圖4 給出2019—2020 年O3和PM2.5逐小時濃度的平均值及其標準差分布圖，由圖4a 可以看到，O3濃度在上午是一個快速上升的過程，午后則迅速下降，一天中有一個峰值和一個谷值，濃度日變化幅度較大；由其標準差日變化（圖4b）來看，O3濃度值在下午（13—18 時）離散程度較大，主要是由于受氣溫、日照條件等氣象因素的影響，O3污染多發(fā)生在下午，春夏季污染時小時濃度最大值可達300μg·m-3以上，而冬季陰雨天時小時濃度最小值甚至小于10μg·m-3，因此容易導致下午O3濃度值變化幅度大。由圖4c 可以看到，PM2.5濃度早晨06 時后開始上升，09 時出現(xiàn)峰值，之后濃度下降，17 時達到谷值，之后再次上升，20 時達到第二個峰值，00 時以后濃度緩慢下降，PM2.5濃度的日變化幅度很小，在31～34μg·m-3范圍起伏；由其標準差日變化（圖4d）可以看到，不同時段PM2.5濃度值離散程度相差不大，主要是由于PM2.5濃度受風向、風速、降水等氣象因素的影響，影響時間可以出現(xiàn)在一天中的任意時段內(nèi)，因此不同時刻PM2.5濃度值都有可能出現(xiàn)極大值和極小值，從而導致分布區(qū)間相差不大。

圖4 2019—2020 年上海地區(qū)O3（a）、（b）和PM2.5（b）、（d）逐小時濃度的平均值及其標準差分布圖

圖5 為2019—2020 年O3和PM2.5月平均濃度的變化圖，由圖5a 可以看到，1—5 月O3濃度呈逐月上升的趨勢，5 月達到最高值，之后逐月下降，9 月濃度出現(xiàn)反彈，之后再次下降，12 月為全年最低值，O3月平均濃度呈現(xiàn)春夏高，秋冬低的季節(jié)特征。從PM2.5月平均濃度的變化來看（圖5b），1 月和12 月是PM2.5濃度的高值月，其中1 月為全年最高月，2—8 月濃度是一個緩慢下降的過程，之后至11 月緩慢回升，8 月為全年最低月，PM2.5月平均濃度呈現(xiàn)夏秋低，冬春高的變化趨勢。

圖5 2019—2020 年上海地區(qū)O3（a）和PM2.5（b）月平均濃度分布圖

2.2 空氣污染氣象條件分析

2.2.1 風速風向條件

從2019—2020 年上海地區(qū)逐小時風速的平均值及其標準差分布（圖略）可以看到，平均風速一天中有一個峰值和一個谷值，白天風速大于夜間風速；由其標準差日變化可以看到，一天中風速值離散程度相差不大。已有研究表明［14-15］，地面風速對上海地區(qū)空氣污染物濃度變化具有重要的作用，對比圖4b中PM2.5小時平均濃度變化可以看到，早晨風速較小，而此時城市交通早高峰造成排放源增多，水平擴散條件不利，容易造成PM2.5濃度的上升，上午隨著風速增大，水平擴散條件轉(zhuǎn)好，PM2.5濃度出現(xiàn)下降過程，傍晚到夜間隨著風速不斷減小，水平擴散條件持續(xù)轉(zhuǎn)差，再疊加城市交通晚高峰，PM2.5濃度再次出現(xiàn)上升過程，而半夜到早晨排放源少，雖然此時風速最小，PM2.5濃度仍然緩慢下降，總體來看，PM2.5濃度日變化與風速有一定的負相關(guān)關(guān)系。從2019—2020 年上海地區(qū)平均風速月變化分布(圖略）可以看到上海地區(qū)平均風速逐月變化幅度不大，8 月為全年最高月，對比圖5b 發(fā)現(xiàn)，月平均風速與PM2.5濃度沒有呈現(xiàn)明顯的負相關(guān)關(guān)系，造成此種情況的原因與風向有關(guān)，在相同的風速條件下，不同的風向會造成PM2.5濃度的不同變化，下文將做詳細分析。

表3 給出2019—2020 年上海地區(qū)不同風向頻率逐月分布情況，可以看到上海地區(qū)風向具有明顯的季節(jié)性變化特征，冬季蒙古冷性高壓強度最大，冷空氣活動頻繁，上海地區(qū)地面主導風向為偏北風和西北風的時間增多，有利于將上游地區(qū)的污染物不斷重復地輸送至本地，造成PM2.5濃度的上升并且出現(xiàn)污染；夏季上海地區(qū)主要受副熱帶高壓控制，地面盛行東南風，海上潔凈的空氣有利于污染物的稀釋，不易造成PM2.5污染；秋季副熱帶高壓仍維持在我國上空，冷空氣影響偏北，因此東北風和偏東風仍占主導地位，仍然有利于PM2.5濃度的下降；而春季影響上海地區(qū)的天氣系統(tǒng)復雜，這一季節(jié)冷暖空氣勢力相當，各個風向都有可能出現(xiàn)，對比秋季而言，來自內(nèi)陸的風（西南風、偏西風和西北風）更偏多，因此春季的風向更有利于PM2.5濃度的上升。上海地區(qū)地面風向這種季節(jié)性變化特征正好與PM2.5濃度冬春高，夏秋低，且污染主要出現(xiàn)在冬季的季節(jié)性特征相對應(yīng)。

表3 2019—2020 年上海地區(qū)不同風向頻率月平均表（單位：%）

2.2.2 氣溫和日照條件

從上海地區(qū)2019—2020 年平均氣溫日變化情況可以看到，上午隨著氣溫的上升，O3濃度呈現(xiàn)一個快速上升的趨勢，午后在氣溫峰值后達到峰值，下午隨著氣溫的下降，O3濃度也隨之下降，在氣溫谷值后出現(xiàn)谷值，氣溫的日變化趨勢與O3濃度呈明顯的正相關(guān)關(guān)系。另外，由氣溫的標準差日變化可以看到，一天中氣溫值的離散程度幾乎沒有變化。

從上海地區(qū)2019—2020 年月平均氣溫和日照時數(shù)分布圖（略）看到1—8 月氣溫逐月升高，8 月達到全年最高，之后氣溫逐月下降，1 月達到全年最低；而日照時數(shù)則是1—4 月是一個上升過程，5 月與4 月持平略降，6—7 月則明顯下降，8 月日照時數(shù)迅速回升，為全年最多，之后基本呈逐月下降的趨勢，1 月為全年最少月。O3是經(jīng)復雜的光化學反應(yīng)產(chǎn)生的二次污染物，其成因復雜，氣溫、日照和降水是影響O3濃度變化的主要氣象因子。對比圖5a 可以看到，1—5 月隨著氣溫的上升和日照時長的變長，O3濃度呈現(xiàn)上升的趨勢，6—7 月，雖然氣溫繼續(xù)上升，但日照條件轉(zhuǎn)差，O3濃度出現(xiàn)了下降，8 月雖然氣溫和日照條件全年最好，但O3濃度仍然繼續(xù)下降，9 月之后隨著氣溫和日照條件逐月轉(zhuǎn)差，O3濃度呈現(xiàn)下降趨勢。分析8 月O3濃度不高的原因可能與風速有關(guān)，由前文分析可知，8 月平均風速為全年最大，水平擴散條件最好，有利于污染物的擴散，這可能是造成8 月O3濃度不高的原因。總體來看，O3濃度的月變化趨勢受多種氣象因子的影響，無法用單一的氣象因子來預報。

2.2.3 降水條件

從2019—2020 年上海地區(qū)平均月降水量和月雨日分布圖（略），可以看到上海地區(qū)降水主要集中在6—9 月，其中6 月降水量最大；從平均月雨日分布可以看到，7 月雨日最多，6 月次之。降水對PM2.5具有濕沉降作用，降水偏多，有利于PM2.5濃度的下降，因此在一定程度上造成了上海地區(qū)夏秋季PM2.5濃度偏低，且污染較少。另一方面，月雨日較多，有利于抑制光化學反應(yīng)，影響O3濃度的上升，6—7 月雨日較多，對于夏季O3濃度的上升和出現(xiàn)污染有一定程度的影響。

總體來看，降水量偏多，濕沉降作用明顯，有利于PM2.5濃度的下降，同時雨日偏多，有利于抑制光化學反應(yīng)，影響O3濃度的上升。

3 結(jié)論與討論

（1）2020 年上海地區(qū)空氣質(zhì)量優(yōu)良率達86.9%，污染日數(shù)為48d，較2019 年減少9d，沒有出現(xiàn)嚴重污染，空氣質(zhì)量狀況優(yōu)于2019 年。上海地區(qū)AQI 具有冬季最差，秋季最好的季節(jié)性特征，最主要的污染物已由過去的PM2.5轉(zhuǎn)變?yōu)镺3。2020 年O3作為首要污染物出現(xiàn)的天數(shù)達124d，其中污染天數(shù)達27d，占污染總天數(shù)的56.2%，污染主要出現(xiàn)在春夏季，而PM2.5污染天數(shù)為16d，占污染總天數(shù)的33.3%，污染主要出現(xiàn)在冬季。

（2）2019—2020 年上海地區(qū)O3濃度一天中存在1 個峰值和1 個谷值，而PM2.5濃度則存在2 個峰值和1 個谷值；從逐月變化來看，O3濃度呈現(xiàn)春夏高，秋冬低的季節(jié)特征，而PM2.5則呈現(xiàn)夏秋低，冬春高的季節(jié)特征。

（3）地面氣象要素對上海地區(qū)空氣質(zhì)量變化具有重要的影響：風速的日變化與PM2.5濃度具有一定的負相關(guān)關(guān)系，風速越大越有利于PM2.5濃度的下降，而風向的季節(jié)變化特征與PM2.5濃度季節(jié)變化特征相對應(yīng)，來自海上的潔凈空氣有利于PM2.5濃度的稀釋下降，來自內(nèi)陸的風則有利于將上游的污染物輸送至上海，造成PM2.5濃度的上升和污染；氣溫和日照對O3濃度的變化有重要影響，氣溫高、光照條件好，有利于O3的生成，氣溫的日變化趨勢與O3濃度呈明顯的正相關(guān)關(guān)系，而O3濃度的月變化趨勢則受多種氣象因子的影響，無法用單一的氣象因子來預報。另外，降水也是影響PM2.5和O3濃度變化的重要氣象因子，降水偏多，濕沉降作用明顯，有利于PM2.5濃度的下降，同時雨日偏多，有利于抑制光化學反應(yīng)，影響O3濃度的上升。