2018, Vol. 38
2. 地理信息工程国家重点实验室，西安市西影路36号，710054;
3. 地理国情监测国家测绘地理信息局工程技术研究中心，西安市友谊东路334号，710054
雾霾天气影响着人们的正常生活，雾霾的产生主要是因为大气中的颗粒物PM2.5，而PM2.5是我国大气复合污染的关键污染物，随着新的国家空气质量标准的实施，PM2.5已成为我国大气污染防控的重点对象[1]。PM2.5的出现同气压、静风、温度等气象条件密切相关，因此，探究PM2.5与其影响因素之间的关系具有重要的理论和实际意义。
近年来，雾霾现象呈现频率增多且程度加重的趋势。雾霾天气作为一种灾害性天气，不仅对人们的生活环境、经济、气候、健康等诸多方面造成不可忽视的影响，还对GNSS卫星信号到达用户接收机引起的大气延迟产生影响。基于此，Fang[2]以美国东北部为例研究夏季PM2.5空气质量的物理气候模型，Boynard[3]利用卫星测量技术探测中国华北地区的冬季空气污染，吕效谱等[4]分析中国大范围雾霾期间的大气污染特征，郭洁等[5]以成都为例分析GPS可降水量与大雾的关系，王珊等[6]分析1960~2012年西安地区雾霾日数与温度、风速的变化规律，王勇等[7-8]研究雾霾天气对GPS对流层延迟和可降水量的影响及水汽和风速对PM2.5的影响，张双成、王建鹏等[9-10]分析西安地区雾霾与GPS水汽的相关性。目前，国内外对雾霾空间分布特征及其组成要素的相关性的研究已基本完善，而较为全面的对气象因素与雾霾的相关性研究尚少，且很少人针对夏季的雾霾进行研究。
本文基于2016年共62 d(DOY 153~214)的大气中污染物含量资料，利用GAMIT软件解算得到的对流层延迟结果，分析上海夏季雾霾的组成成分，并以现有的研究成果为基础，研究雾霾对对流层延迟的影响及其与气象因素(气压、气温、风速、相对湿度、降水量)的相关性。
1 实验数据与处理方法研究数据主要包含3类：由GPS观测数据获得的天顶对流层延迟(ZTD)、大气中污染物含量监测数据、气象站观测资料。
在分析中心下载BJFS、SHAO和WUHN站的观测数据，用高精度GPS数据处理软件GAMIT 10.6解算，其策略如下：采用IGS提供的精密星历，采样间隔为30 s，解算模式为FIX模式，解算时间为UTC 00:00~24:00，按天解算，采用的对流层模型为Saastamoinen模型，设置每2 h解算一次。通过GAMIT软件计算，可获得SHAO站的天顶对流层延迟数据。
在天气后报网站(http://www.tianqihoubao.com)上可下载得到上海市空气质量数据，即得到每天大气中污染物的含量。雾霾是空气污染的主要产物，在自然界中，雾和霾是可以相互转化的，当相对湿度增加超过100%时，霾粒子析出液态水成为雾滴；当相对湿度降低时，雾滴脱水后又以霾粒子的形式悬浮在大气中。由此可见，雾和霾之间往往很难用某个相对湿度值将其区分开，即使是一些相对湿度高于90%的大雾天气，也不能完全排除人为污染的因素[11]。因此，本文将雾和霾现象统称为雾霾现象。
在中国气象科学数据网(http://data.cma.cn/data/)上可下载上海宝山气象站的地面观测资料，通过分析整理，得到各气象因素每天的观测值。
2 夏季雾霾对GPS天顶对流层延迟的影响为了分析雾霾对ZTD的影响，选取了污染较为严重的SHAO(上海)站2016年(DOY 153~214)的数据进行比较分析，并且统计了上海市空气污染较为严重的天数，如表 1所示。
|
表 1 上海夏季受污染的天数及污染物含量统计 Tab. 1 Statistics on the number of days and pollutants in summer in Shanghai |
雾霾的组成成分较为复杂，包括大量人为排放的颗粒物以及气体与颗粒物互相转化形成的污染性粒子，这些粒子日益增多，逐渐富集便形成了雾霾。雾霾是一种污染性天气，它的形成与气象条件以及大气污染密切相关，对人类的日常生活和生产造成了重要的影响(图 1)。
|
图 1 上海雾霾的成分含量 Fig. 1 The component content of haze in Shanghai |
从图 1可以看出，上海地区大气中每种污染物含量基本呈现相似的走势。因此，本文选取PM2.5含量为雾霾的指标作后续研究。
2.2 雾霾与对流层天顶延迟的变化研究为了分析雾霾对天顶对流层延迟的影响，选取SHAO测站的GPS观测数据对其进行研究，其中ZTD值为每2 h给出一个数值，PM2.5含量为每d给出一个数值。
|
图 2 SHAO站PM2.5对ZTD的影响 Fig. 2 The effect of PM2.5 on ZTD at SHAO station |
由图 2可见，GPS ZTD的变化与PM2.5含量的变化有较好的相关性，PM2.5含量的增加往往都对应着天顶对流层延迟的增大，其相关系数RSHAO=0.483。图中有几个时段的PM2.5含量较低，而ZTD值位于较大值，通过查询相关资料发现，这可能与当时发生降水有关。从图 2可以看出，表 1中相应天数(DOY168、DOY169、DOY199、DOY204、DOY210、DOY211)的ZTD值处于ZTD时间序列的峰值阶段。由其余时段也可以发现，当PM2.5含量增加时，GPS ZTD值均普遍存在增大的现象。因此，根据PM2.5含量变化对GNSS定位中天顶对流层延迟的影响，可进一步研究PM2.5含量与对流层中气象因素(气压、大气温度、风速、大气湿度、可降水量等)之间的变化关系。
3 气象因素与雾霾的变化研究气象因素对雾霾的形成与污染程度有重要的影响，据研究表明，气象条件是其决定性因素之一[12]。因此，对气象因素与雾霾进行对比分析，研究其中的变化规律，使相关部门可以在不同的气象条件下采取有针对性的雾霾防治措施，既可以利用有利气象条件更经济地消除雾霾污染，又可以在恶劣气象条件时降低雾霾危害程度。
在中国气象科学数据共享服务网上以月为单位下载相应的气象数据集(气压、气温、风速、相对湿度、降水量)，并对其进行粗差剔除操作。
在数据集中提取出气压、气温、风速、相对湿度、降水量数据，从而研究气象因素与雾霾的变化关系，如图 3~7所示，其中PM2.5和气象因素均为每天给出一个数值。
从图 3~7的日值数据比较与表 2相关系数的统计中可以看出：
|
图 3 气压与PM2.5的对比 Fig. 3 The comparison of air pressure and PM2.5 |
|
图 4 大气温度与PM2.5的对比 Fig. 4 The comparison of air temperature and PM2.5 |
|
图 5 大气相对湿度与PM2.5的对比 Fig. 5 The comparison of relative humidity and PM2.5 |
|
图 6 风速与PM2.5的对比 Fig. 6 The comparison of wind velocity and PM2.5 |
|
图 7 降水量与PM2.5的对比 Fig. 7 The comparison of precipitation and PM2.5 |
|
|
表 2 PM2.5含量与气象因素的相关系数统计 Tab. 2 The statistics of correlation coefficient between PM2.5 content and meteorological factors |
1) 大气气压与PM2.5含量有较强的相关性，相关系数为0.51。气压上升的过程对应了PM2.5含量的增加，且气压变化略超前于PM2.5含量的变化。
2) 大气温度与PM2.5含量有很强的相关性，相关系数为0.697，且温度的急剧上升对应了PM2.5含量的增加。
3) 风速与PM2.5含量有很强的相关性，相关系数高达0.793，且风速的增大对应了PM2.5含量的减少。
4) 相对湿度与PM2.5含量有较强的相关性，相关系数为0.571，相对湿度的上升对应了PM2.5含量的增加。
5) 降水量与PM2.5含量有较好的相关性，相关系数为0.471。降水的发生对应了PM2.5含量的减少，且降水的发生较于PM2.5含量的变化略为超前。然而，当PM2.5含量减少后不发生降水时，PM2.5含量又会急速增加，这说明仅仅靠降水可能达不到防治雾霾的作用。
4 结语雾霾的发生不仅源于污染物的排放，而且与当日的气象因素密切相关。探索雾霾与气象因素之间的变化规律对进一步研究雾霾及其防治具有重要的参考作用，对雾霾的快速预报也具有一定的实际意义。本文利用SHAO站的GPS观测数据、实际污染物含量监测数据及气象因素观测资料，探索了雾霾和气象因素的变化关系。对日值数据的比较研究结果表明，上海夏季的PM2.5含量与气压、温度和相对湿度呈正相关关系，与风速、降水量呈负相关关系。然而，雾霾的发生是多种因素共同作用的结果，仅探索气象因素对雾霾的影响是不够的，相关问题仍有待深入研究。
致谢 长安大学iGMAS分析中心提供数据支持，中国气象局气象数据中心提供参考资料和实验数据，在此一并表示感谢。
| [1] |
黄晓锋, 云慧, 宫照恒, 等. 深圳大气PM2.5来源解析与二次有机气溶胶估算[J]. 中国科学:地球科学, 2014, 4: 723-734 (Huang Xiaofeng, Yun Hui, Gong Zhaoheng, et al. Source Apportionment and Secondary Organic Acrosol Estimation of PM2.5 in an Urban Atmosphere in China[J]. Science China:Earth Sciences, 2014, 4(4): 723-734)
(  0) |
| [2] |
Fang Y, Fiore A M, Lamarque J, et al. Using Synthetic Tracers as a Proxy for Summertime PM2.5 Air Quality over the Northeastern United States in Physical Climate Models[J]. Geophysical Research Letters, 2013, 40(4): 755-760 DOI:10.1002/grl.50162
( 0) |
| [3] |
Boynard A, Clerbaux C, Clarisse L, 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)
( 0) |
| [4] |
吕效谱, 成海容, 王祖武, 等. 中国大范围雾霾期间大气污染特征分析[J]. 湖南科技大学学报:自然科学版, 2013, 28(3): 104-110 (Lü Xiaopu, Cheng Hairong, Wang Zuwu, et al. Analysis of a Wide Range Haze Pollution in China[J]. Joumal of Human University of Science & Technology: Natural Science Edition, 2013, 28(3): 104-110)
( 0) |
| [5] |
郭洁, 李国平, 黄文诗. GPS可降水量与大雾天气关系的初步分析[J]. 自然灾害学报, 2011(4): 142-146 (Guo Jie, Li Guoping, Huang Wenshi, et al. Preliminary Analysis of Relationship between GPS-Based Precipitable Water Vapor and Weather with Dense Fog[J]. Journal of Natural Disasters, 2011(4): 142-146)
( 0) |
| [6] |
王珊, 修天阳, 孙扬, 等. 1960~2012年西安地区雾霾日数与气象因素变化规律分析[J]. 环境科学学报, 2014, 34(1): 19-26 (Wang Shan, Xiu Tianyang, Sun Yang, et al. The Changes of Mist and Haze Days and Meteorological Element during 1960-2012 in Xi'an[J]. Acta Science Circumstantiae, 2014, 34(1): 19-26)
( 0) |
| [7] |
王勇, 闻德保, 刘严萍, 等. 雾霾天气对GPS天顶对流层延迟与可降水量影响研究[J]. 大地测量与地球动力学, 2014, 34(2): 120-123 (Wang Yong, Wen Debao, Liu Yanping, et al. Effects of Fog and Haze Weather on GPS Zenith Tropospheric Delay and Precipitable Water Vapor[J]. Journal of Geodesy and Geodynamics, 2014, 34(2): 120-123)
( 0) |
| [8] |
王勇, 刘严萍, 李江波, 等. 水汽和风速对雾霾中PM2.5/PM10变化的影响[J]. 灾害学, 2015(1): 5-7 (Wang Yong, Liu Yanping, Li Jiangbo, et al. Comparison between GPS PWV and PM2.5/PM10 in Beijing Based on Different Seasons[J]. Journal of Geodesy and Geodynamics, 2015(1): 5-7)
( 0) |
| [9] |
张双成, 赵迎辉, 戴凯阳, 等. 西安地区雾霾与GPS水汽的相关性分析[J]. 工程勘察, 2016, 44(3): 47-50 (Zhang Shuangcheng, Zhao Yinghui, Dai Kaiyang, et al. Correlation Analysis between the Dust-Haze and GPS Water Vapor in Xi'an[J]. Geotechnical Investigation & Surveying, 2016, 44(3): 47-50)
( 0) |
| [10] |
王建鹏, 谢双亭, 庞亚峰, 等. 西安地基GPS水汽解算系统及初步应用[J]. 陕西气象, 2011(4): 8-11 (Wang Jianpeng, Xie Shuangting, Pang Yafeng, et al. Water Vapor Calculation System of Foundation GPS and Its Preliminary Application in Xi'an[J]. Journal of Shaanxi Meteorology, 2011(4): 8-11)
( 0) |
| [11] |
吴兑. 霾与雾的识别和资料分析处理[J]. 环境化学, 2008, 27(3): 327-330 (Wu Dui. Discussion on the Discussion between Haze and Fog and Analysis and Processing of Data[J]. Environmental Chemistry, 2008, 27(3): 327-330)
( 0) |
| [12] |
宋宇, 唐孝炎, 张远航, 等. 夏季持续高温天气对北京市大气细粒子(PM2.5)的影响[J]. 环境科学, 2002, 23(4): 33-36 (Song Yu, Tang Xiaoyan, Zhang Yuanhang, et al. Effects on Fine Particles by the Continued High Temperature Weather in Beijing[J]. Environmental Science, 2002, 23(4): 33-36)
( 0) |
2. State Key Laboratory of Geographic Information Engineering, 36 Xiying Road, Xi'an 710054, China;
3. Engineering Research Center of Geographic National Conditions Monitoring, NASMG, 334 East-Youyi Road, Xi'an 710054, China