雷暴云的起电和闪电的产生是非常复杂的问题.通常认为雷暴云主要通过非感应起电机制使云体带电(Takahashi, 1978; Saunders et al., 1991)，从而产生闪电.非感应起电机制是指雷暴云中的霰粒子与冰晶粒子之间的弹性碰撞引起的电荷转移，转移电荷的极性和电荷量与冰晶的尺寸和碰撞速度有关，同时也依赖于所处区域的环境温度和液态水含量(Jayaratne et al., 1983；Saunders and Peck, 1998).因此，雷暴云的热动力过程和微物理过程都可以通过影响雷暴云的起电而影响闪电的产生(Feng et al., 2007).

热动力过程是影响雷暴云发展的重要因素，因此也决定了闪电活动的强弱.大量研究表明闪电活动与空气温度、对流不稳定能量、垂直风切变、对流层低部及中层的相对湿度、云底高度以及上升速度等热动力因素有关(e.g., Price, 1993; Zipser and Lutz, 1994；郄秀书等，2004；赵阳等，2004；熊亚军等，2006；Markson, 2007；Stolz et al., 2015; Williams et al., 2005；李亚珺等，2012；Wall et al., 2014).

近年来，越来越多的研究发现气溶胶也可以通过影响冰相粒子的生成和对流的发展而影响闪电活动.Lal和Pawar(2011)将内陆城市班加罗尔的闪电数量的升高主要归因于气溶胶浓度的增加.Yuan等(2011)通过分析2005年菲律宾西太平洋东部闪电密度，发现火山灰气溶胶增加导致闪电活动增加150%.Thornton等(2017)利用全球闪电定位系统(WWLLN)的年平均闪电密度和轮船排放资料，发现位于东北印度洋和中国南海的航道附近闪电活动提高了两倍以上，轮船排放的尾气使得云凝结核增多导致了闪电的增多.Rosenfeld和Woodley(2000)认为气溶胶通过参与并改变雷暴云内的微物理过程，进而影响雷暴云起电，并可能导致闪电活动的增多.谭涌波等(2017)认为污染型雷暴云中首次放电时间延迟，闪电持续发生的时间长，总闪电频次增加.

也有研究发现气溶胶可以通过辐射效应而减弱闪电活动.Altaratz等(2010)研究亚马逊林火气溶胶对巴西和邻国闪电频数的影响，发现气溶胶光学厚度(Aerosol Optical Depth，简称AOD)高于某一水平后，气溶胶浓度的增加降低了闪电数量.Yang等(2013)通过分析西安流域夏季雷暴发生频率与污染气溶胶浓度，发现雷暴发生频率随污染气溶胶浓度增加而降低.Tan等(2016)研究了南京夏季闪电和气溶胶光学厚度的关系，认为长时间尺度上气溶胶的辐射效应导致闪电密度下降.Wang等(2018)发现当气溶胶较少时，非洲地区闪电频率随气溶胶含量增加而增多；而当气溶胶含量进一步增加，闪电活动在干燥的沙尘区受到明显抑制.

随着城市化进程的加快，北京及周边区域形成了大规模城市群，人为污染程度较大、气溶胶浓度明显高于其他地区，在这种情况下，气溶胶是否会对闪电活动产生影响？如果产生影响，随气溶胶浓度的改变，闪电活动又有怎样的变化？为探讨这一问题，本文基于北京电网(BLNET)得到的全闪(包括云闪和地闪)定位资料、北京市环境监测中心发布的颗粒污染物(PM_2.5)数据，区分清洁和污染两种大气背景，探讨了闪电活动与气溶胶的关系.

本文以北京地区(39.5°N—41.0°N，115.0°E—117.5°E)为研究区域.闪电资料来自于2015—2017年夏季(6—8月)北京闪电探测定位网BLNET，该网共由16个子站组成，其南北跨度120 km，东西跨度110 km，基本覆盖整个北京地区(Wang et al., 2016)，对总闪的探测效率可达97.4%(Srivastava et al., 2017).考虑到一个闪电有多个辐射源被探测并定位，本文参考已有研究方法，将时间差小于400 ms且水平距离差小于15 km的辐射源识别为同一闪电，并以第一个辐射源作为该次闪电的定位结果.总闪密度的计算以5 km×5 km的网格为计算单元.在不同空气质量状况下闪电活动的日变化特征分析中，将不同空气质量状况下逐小时与全天总闪数目的比值记做各时段的总闪百分比.

气溶胶资料来源于北京市环境保护监测中心网站(http://www.bjmemc.com.cn)发布的PM_2.5逐小时平均浓度资料，共有35个大气环境自动监测站点，包括城区环境评价点(城区站)12个、郊区环境评价点(郊区站)11个、对照点及区域点(区域站)7个、以及交通污染监控点(交通站)5个.应该说明的是，目前不少研究采用气溶胶AOD资料，其优势在于能够在一定程度上反映大气垂直方向上气溶胶含量信息，但考虑到气溶胶自动观测网(AERONET)在北京地区的空间覆盖范围较小、而MODIS的时间分辨率较低，本文采用空间覆盖范围较大、且时间分辨率较高的地基PM_2.5观测数据.另外，考虑到PM₁₀具有沉降性且其含量易受建筑施工、商业、交通等因素的影响，测站测得的数据随机性强，很难表征大气中粗粒子含量，故此文中仅选用PM_2.5进行研究.

本文的相关性分析中，气溶胶数据使用12个城区环境评价点在2015—2017年夏季(6—8月)期间的逐小时平均浓度，将雷暴过程当日强雷达回波(基本反射率大于30 dBZ)移入城区的时刻作为该次过程的起始时间，分别统计雷暴发生前1—4 h每个小时内PM_2.5的平均浓度；基于闪电活动的日变化特征，参考Altaratz等(2010)在分析林火气溶胶对巴西闪电的影响中所使用的统计闪电数的方法，计算时间窗口(12:00—22:00LT)内的总闪数目，以分析雷暴前累积的气溶胶对后续雷暴过程的闪电活动影响.考虑到北京地区的雷暴多发于午后，且闪电数在短时间内迅速增加，即使有后续雷暴过程，但闪电数目均远低于首次过程，为方便计算，对12:00—22:00LT内的总闪数目进行统计.

另外，考虑到污染物浓度存在一定的采集处理误差，在分析雷暴过程发生前PM_2.5浓度与闪电活动的关系时，对数据作如下处理：按照污染物浓度将数据分组(PM_2.5浓度范围0~250 μg·m^-3，每10 μg·m^-3 为一组，共25组)，然后取每组的中位数作为该组数据的代表值进行分析.

北京地区2015—2017年夏季平均的总闪密度和气溶胶浓度(PM_2.5)的空间分布如图 1所示.由图 1a可见，三年平均的闪电密度高值中心(65~110 fl·km^-2·summer^-1)位于北京市区的东南部，呈现出从城区向四周逐渐减少的变化特征，东南地区的总闪密度明显高于西北地区，与之前的研究结果相吻合(Wu et al., 2017).北京地区的温度、湿度分布等也有从西北向东南增加的趋势，这主要与地形特点以及大气环流配置有关.

图 1

Fig. 1

图 1 夏季(a)总闪密度(单位：fl·km-2·summer-1)，分辨率为5 km×5 km；(b)PM2.5各站点平均浓度(单位：μg·m-3)的空间分布 Fig. 1 Spatial distribution of (a) total lightning density (units: fl·km-2·summer-1), spatial resolution is 5 km × 5 km; (b) Average PM2.5 mass concentrations (units: μg·m-3) at different sites during summer season

气溶胶(PM_2.5)浓度呈现与总闪密度相似的空间分布，浓度低值区(< 40 μg·m^-3)集中在密云、怀柔北部和延庆，主要是因为北部山区植被覆盖较多，空气净化能力较强；而PM_2.5浓度高值区(50~60 μg·m^-3)则分布在东南部地区(北京城区)，外地(河北中南部)工业排放污染物的输送，是该区域PM_2.5出现较高浓度的可能原因.

北京地区闪电密度存在由西北到东南升高的趋势，其特殊的地形与环流背景下的热动力过程是造成这种趋势的重要原因.北京地区的PM_2.5浓度与闪电密度具有空间上的相关性.那么东南地区较高的PM_2.5浓度是否会在一定程度上导致闪电活动强度的改变？接下来比较一下不同PM_2.5浓度下的闪电活动日变化特征.

首先对2015—2017年夏季(6—8月)的雷暴日进行统计，三年夏季共131个雷暴日，其中有气溶胶数据记录的有117次.Wang等(2018)分析非洲地区不同AOD下闪电活动的日变化特征时分别将AOD范围的前、后1/3定义为相对清洁、污染，类似地这里将个例中雷暴发生前PM_2.5的4 h平均浓度从低到高排序，考虑到雷暴日个例较少，仅把前25%的PM_2.5浓度记作相对清洁，后25%的浓度为相对污染，再分别统计所对应个例中的逐时总闪百分比，得到相对清洁与污染背景下总闪百分比的日变化特征如图 2所示.从图中可以看到，清洁或污染情况下，闪电活动的峰值均出现在下午，说明北京地区强对流活动主要发展增强在午后，这主要与受太阳辐射影响陆地雷暴活动在下午较易发生有关.在污染条件下，总闪峰值出现在19:00LT，这一时段的闪电数约占总闪电数的20%.在清洁背景下，闪电活动午后开始增强，于15:00LT达到峰值，约占总闪电数的9%.比较发现，污染条件下闪电峰值出现的时间(19:00LT)晚于清洁条件下(出现在15:00LT)约4 h.另外，污染与清洁背景下闪电活动多少有较大差异，污染条件下峰值闪电活动时段的占比(20%)为清洁条件闪电活动时段的占比(9%)的两倍.白天随太阳辐射的增强，地表升温，在傍晚地面温度以及近地层的水汽可达到较高水平，大气容易出现对流不稳定，进一步引发雷暴天气，这是闪电活动在傍晚显著增强的主要原因.但与清洁状况相比，污染背景下总闪峰值的出现时间晚且占比显著增加，则可能是PM_2.5浓度的差异所造成的影响.高气溶胶浓度的存在会推迟降水和闪电活动的发生时间(Guo et al., 2016)，以往大量研究也表明气溶胶可通过微物理效应增强闪电活动(Khain et al., 2005, 2008; Fan et al., 2008).

图 2

Fig. 2

图 2 夏季相对清洁(实线)与污染(虚线)条件下总闪百分比的日变化 Fig. 2 Diurnal variations of percentage of total flashes number during summer season under relatively clean (solid line) and polluted (dotted line) conditions

综上，北京地区的闪电活动与PM_2.5浓度在空间分布上具有较好的一致性，两者的高值区基本一致；在时间演变方面，清洁与污染条件下闪电活动峰值均出现在午后，但污染背景下闪电峰值出现的时间(19:00LT)晚于清洁背景(约15:00LT)下4 h，且峰值时段的总闪百分比增加了一倍，说明除对流不稳定能量的累积以外，雷暴发生前较高的气溶胶浓度，也会对闪电活动产生影响.那么雷暴前PM_2.5不同程度的累积会对闪电活动产生怎样的影响？是否较高浓度的PM_2.5一定会使闪电活动得到增强？辐射效应是否存在？除此之外，气溶胶的累积导致闪电峰值在污染背景下的出现时间晚于清洁背景4 h，那么雷暴前具体多长时间的PM_2.5浓度对于总闪有较好的指示作用？接下来将对这几个问题进行探讨.

为进一步探究夏季北京地区闪电活动与气溶胶之间的关系，使用统计得到的117个雷暴日中雷暴发生前1~4 h PM_2.5的逐时平均浓度，以及时间窗口(12:00—22:00LT)内的总闪数目，来分析不同累积程度的气溶胶与闪电活动之间的相关性.

图 3给出雷暴前不同时刻(1~4 h)的PM_2.5浓度与对应时间窗口(12:00—22:00LT)内总闪数的散点图.可以看出，雷暴发生前，PM_2.5浓度主要集中在10~150 μg·m^-3之间，只有极少数高于150 μg·m^-3，而闪电数浮动较大(10~10000/10 h)，分布较为零散.但随PM_2.5浓度增加，总闪数目呈现回形针结构：快速增加、增速减缓、最后甚至有减少趋势.这与Altaratz等(2010)研究亚马逊林火气溶胶对闪电频数的影响所得出的结论接近，Wang等(2018)研究非洲地区气溶胶对闪电活动的长期气候影响也得出相似变化趋势.

图 3

Fig. 3

图 3 雷暴前不同时刻(1~4 h)PM2.5浓度(单位：μg·m-3)与时间窗口(12:00—22:00LT)内总闪数目(/ 10 h)散点图 Fig. 3 Number of total flashes between 12:00—22:00LT (#/ 10h) as a function of concentrations of PM2.5 at different time (1~4 h) before thunderstorms generated

总闪数散点分布较为零散，说明气溶胶并非影响闪电活动的主要因素，天气背景场以及局地的热力、水汽条件等都会对闪电活动的强弱产生较大的影响，即使PM_2.5浓度相近，因热动力条件的不同，总闪数目也会存在较大的差异.而另一方面，闪电数目随气溶胶浓度的升高呈现先增加后缓慢减少的趋势，虽然并不明显，但考虑到总闪数差异较大及PM_2.5在采集过程中存在误差等因素，一定程度上也表明气溶胶的存在可能对闪电活动产生影响.

为进一步分析气溶胶对闪电活动的影响，采取分组取中位数的方法尽可能减小采集过程中产生的误差以及闪电数目差异较大带来的影响，按不同的PM_2.5浓度将时间窗内总闪数据分成25组，取每组中两者的中位数作为代表值，做出PM_2.5浓度与总闪数的中位数散点图，如图 4所示.

图 4

Fig. 4

图 4 雷暴前不同时刻(1~4 h)PM2.5浓度(单位：μg·m-3)与时间窗口(12:00—22:00LT)内总闪数目(/ 10 h)的中位数散点图，实线代表二者之间的拟合曲线 Fig. 4 Median of total flashes number between 12:00—22:00LT (#/10 h) as a function of concentrations of PM2.5 at different time (1~4 h) before thunderstorms generated, the curves represent the trend between them

从图中可以看出，雷暴前1~4 h，在PM_2.5浓度较低(< 130 μg·m^-3)时，闪电数目随PM_2.5浓度增加，两者存在明显的正相关；图中PM_2.5浓度高于150 μg·m^-3的点很少，这主要是由于夏季空气较为清洁，但可以看出此时随PM_2.5浓度的增加，总闪数目呈现逐渐减少的趋势.而当PM_2.5浓度处于130~150 μg·m^-3之间时，两者关系并不明显.

综上，通过对比北京地区夏季雷暴前1~4 h PM_2.5与总闪数目的关系，发现雷暴前气溶胶的累积对闪电活动产生一定影响：浓度较低(< 130 μg·m^-3)时，总闪数会随其浓度增加而增加；当其浓度高于一定阈值(150 μg·m^-3)时，闪电活动随其增加有减少趋势，但数据较少需未来进一步验证.

根据上述发现，在浓度较低时，PM_2.5与总闪数目之间有明显正相关.本节首先对雷暴前低于130 μg·m^-3 的PM_2.5浓度与时间窗口(12:00—22:00LT)内总闪数目做相关性拟合，以分析多长时间气溶胶的累积对闪电活动有较好指示作用，结果如图 5所示.拟合结果均通过95%的置信区间检验，表 1列出各时刻两者的相关结果.除相关系数平方(R-Square)外，表中还给出相应的线性回归评价指标：均方根误差(，表征拟合数据与原始数据的误差)，不同时刻拟合结果的RMSE均小于3000，与总闪数范围(0~13000/10 h)相比，拟合效果可以接受.

图 5

Fig. 5

图 5 雷暴前不同时刻(1~4 h)PM2.5浓度(单位：μg·m-3)与时间窗口(12:00—22:00LT)内总闪数目(/ 10 h)中位数的相关关系，实线代表二者之间的拟合直线 Fig. 5 Relationship between median of total flashes number between 12:00—22:00LT (#/ 10h) and concentrations of PM2.5 at different time (1~4 h) before thunderstorms generated, the lines represent the linear fitting between them

表 1 (Table 1)

表 1 雷暴前不同时刻(1~4 h)PM2.5浓度(＜130 μg·m-3)与时间窗口(12:00—22:00LT)内总闪数目(/10 h)中位数的相关性系数 Table 1 Correlation coefficients between median of total flashes number between 12:00—22:00LT (#/10 h) and concentrations of PM2.5 (< 130 μg·m-3) at different time (1~4 h) before thunderstorms generated 时间窗口(12:00—22:00LT)内总闪数目(/10 h) R-Square RMSE f(x)= P1·x+ P2 P1 P2 PM2.5浓度(强回波移入北京城区1 h前) 0.64 2363 71.62 -1796 PM2.5浓度(2 h前) 0.44 2769 58.33 -1170 PM2.5浓度(3 h前) 0.50 2553 59.72 -1409 PM2.5浓度(4 h前) 0.35 2775 47.63 -665

表 1 雷暴前不同时刻(1~4 h)PM2.5浓度(＜130 μg·m-3)与时间窗口(12:00—22:00LT)内总闪数目(/10 h)中位数的相关性系数 Table 1 Correlation coefficients between median of total flashes number between 12:00—22:00LT (#/10 h) and concentrations of PM2.5 (< 130 μg·m-3) at different time (1~4 h) before thunderstorms generated

从图 5及表 1可以发现，雷暴前1~4 h，当PM_2.5浓度低于130 μg·m^-3 时，总闪数与PM_2.5浓度存在正相关，其中，强回波移入城区1h前两者的相关性最强，其R²=0.64(R=0.80，经过95%的置信区间检验)；4 h的相关性最弱，R²=0.35(R=0.59)；强回波区移入城区的第2、3 h的相关系数接近，分别是R²=0.44和R²=0.50.雷暴前1 h的PM_2.5浓度与总闪的相关系数R=0.80，说明其对闪电的影响最强，与雷暴前第2、3、4 h相比，可充当云凝结核(Cloud Concentration Nuclei，简称CCN)的气溶胶经过更长时间的累积，提供更多CCN，通过云内的微物理过程影响对流、增强闪电活动(Rosenfeld and Woodley, 2000).雷暴前第4 h两者相关性最弱，则可能是因为距离雷暴发生的时间较长，CCN累积少，所以对雷暴的影响较弱.这进一步佐证了气溶胶可以通过微物理效应对闪电活动产生影响.

由于北京地区夏季PM_2.5浓度大于150 μg·m^-3的情况不多，图 4中大于150 μg·m^-3的点过少，两者的拟合系数均未通过假设性检验，但仍可以看出PM_2.5浓度与总闪数之间可能存在负相关.此时认为气溶胶对于闪电活动的影响主要通过其辐射效应(Rosenfeld et al., 2008)，大量的气溶胶导致对流减弱、大气不稳定度降低(Fan et al., 2008)，从而抑制雷暴云的形成，减弱闪电活动.

另外，PM_2.5浓度在130~150 μg·m^-3之间时，与闪电活动无明显关系.可能是此时气溶胶的微物理和辐射效应达到平衡，所以闪电活动对PM_2.5浓度变化的响应并不显著.师正等(2015)利用耦合气溶胶的雷暴云起电模式研究南京的一次雷暴过程，比较50~1000 cm^-3、1000~3000 cm^-3及>3000 cm^-3的气溶胶浓度对于闪电发生率的影响，发现气溶胶的数浓度在1000~3000 cm^-3范围时，云水竞争限制了冰晶的增长，所以闪电发生率保持稳定.而当北京地区的PM_2.5浓度处于130~150 μg·m^-3之间、CCN较多时，更多云滴的凝结增长需要吸收水汽，致使水汽含量降低，进而限制了冰晶的核化与凝华增长，猜测这可能是此时闪电活动保持稳定的微物理机制.

本文综合利用BLNET闪电定位资料以及北京市环境监测中心发布的PM_2.5数据等，分析研究了气溶胶与闪电活动空间分布和日变化特征，并对2015—2017年清洁与污染背景下，气溶胶(PM_2.5)浓度对雷暴和闪电活动的影响进行了相关性分析，主要结论如下：

(1) 北京地区PM_2.5浓度与闪电密度均存在由西北到东南升高的趋势，具有空间上的一致性；

(2) 闪电数目峰值在污染背景下出现的时间(19:00LT)晚于清洁背景下(约15:00LT)4 h，且峰值时段总闪百分比可达清洁背景下的两倍.不同空气质量下闪电活动峰值均出现在午后，其显著增强的主要原因是对流不稳定能量的累积，但两者出现的时间以及所占百分比均有较大差异，气溶胶的存在可能使得闪电活动发生时间推迟并加强；

(3) 雷暴发生前气溶胶(PM_2.5)的累积会对闪电活动会产生一定的影响.PM_2.5浓度(雷暴前1~4 h)低于130 μg·m^-3 时，两者之间存在明显正相关，此时气溶胶作为CCN，主要通过云内的微物理过程影响对流、增强闪电活动.其中，强回波区移入城区前1 h的两者相关性最强，R²=0.64(经过95%的置信区间检验)；4 h前相关性(R²=0.35)最弱，说明雷暴前更长时间气溶胶的累积对于闪电的影响更加强烈，进一步佐证在一定范围内气溶胶可通过微物理效应增强闪电活动.PM_2.5浓度高于150 μg·m^-3时，拟合未通过假设性检验，但两者之间存在一定的弱负相关，此时气溶胶的辐射效应可能导致闪电活动减弱.而PM_2.5浓度处于130~150 μg·m^-3之间时，两者关系不明显，在一定的水汽条件下，凝结核增多，冰晶的成长受到抑制，可能是闪电活动保持稳定的原因.

本文以气溶胶与闪电的关系为出发点，探讨了北京地区，相对清洁和污染两种大气背景下气溶胶对闪电活动的影响.但是，应该指出的是，不同的大气环流背景、特殊的地形条件、城市热岛效应等都可以影响雷暴的发生发展，进而影响闪电活动.中尺度环流背景是影响闪电活动的重要因素，北京地区夏季雷暴天气系统入境的主要路径包括西部和西北山区，另外，北京作为超大城市群，密集的人类活动会对下垫面产生一定影响，热岛的抬升作用也会使对流活动增强(Xiao et al., 2017)，闪电频数增加.Orville等(2001)利用MM5模式模拟发现城市较高地表温度可以产生更深厚的边界层，有利于雷暴形成.以上多种因素，对分析气溶胶浓度变化与闪电活动的关系均会产生一定程度的影响，因此未来工作中还需引入WRF模式针对具体天气过程进行敏感性试验，进一步区分热岛效应或热动力效应与气溶胶微物理效应对闪电活动的不同影响.