环境科学学报  2020, Vol. 40 Issue (1): 65-75
气象条件对2009-2018年天津地区PM2.5质量浓度的影响    [PDF全文]
姚青1, 蔡子颖1, 刘敬乐2, 王晓佳1, 郝天依1, 韩素芹1    
1. 天津市环境气象中心, 天津 300074;
2. 天津市气象科学研究所, 天津 300074
摘要:采用PM2.5质量浓度长期连续观测资料,结合地面气象资料和后向轨迹方法,分析2009-2018年天津地区PM2.5质量浓度的长期变化趋势,并探讨气象条件对其浓度变化的影响.结果表明,2013年受不利天气影响,PM2.5质量浓度达到近10 a来的峰值,其后逐年下降,2018年年均值降至52 μg·m-3,与优良天气和重污染及以上天气发生频率的年际变化趋势一致.相关性分析和主成分分析都表明相对湿度、风速和混合层厚度是影响天津地区,尤其是冬季PM2.5浓度的主要气象影响因素.不同季节下随着相对湿度增高,地面风速减小,混合层厚度降低,均有PM2.5污染加重的趋势,其中冬季差异最大,与该季节气象因素剧烈多变、静稳天气和寒潮交替发生有关.后向轨迹的聚类分析结果表明,途经天津偏南区域的短距离近地气流下PM2.5质量浓度较高,与该气流下易形成静稳天气有关,春季西北方向的长距离轨迹对应较高浓度的PM2.5则与沙尘天气有关.
关键词PM2.5    气象因素    后向轨迹    天津    
Effects of meteorological conditions on PM2.5 concentration in Tianjin from 2009 to 2018
YAO Qing1, CAI Ziying1, LIU Jingle2, WANG Xiaojia1, HAO Tianyi1, HAN Suqin1    
1. Tianjin Environmental Meteorology Center, Tianjin 300074;
2. Tianjin Institute of Meteorological Science, Tianjin 300074
Received 17 June 2019; received in revised from 17 September 2019; accepted 17 September 2019
Abstract: Based on the long-term continuous observation data of PM2.5 mass concentration, combined with surface meteorological data and backward trajectory model, the long-term variation tendency of PM2.5 mass concentration in Tianjin from 2009 to 2018 was analyzed, and the influence of meteorological conditions on the concentration change was discussed. The results showed that the mass concentration of PM2.5 reached the peak value of nearly 10 years appeared in 2013, and then decreased year by year.The annual average value decreased to 52 μg·m-3 in 2018, which was consistent with the interannual variation trend of fine weather and heavy pollution weather. Correlation analysis and principal component analysis showed that relative humidity, wind speed and mixed layer thickness were the main meteorological factors affecting PM2.5 concentration in Tianjin, especially in winter. With the increase of relative humidity in different seasons.The surface wind speed and thickness of mixed layer decreased.There was a trend of PM2.5 pollution aggravating, among which the difference in winter was the greatest, which varied violently with the meteorological factors in this season. Steady weather was related to the alternation of cold waves. The results of cluster analysis of backward trajectory showed that the mass concentration of PM2.5was high under the short distance near-ground air flow south of Tianjin, which was related to the formation of static and stable weather under this air flow.The higher concentration of PM2.5 corresponding to the long distance trajectory in the northwest direction of spring was related to sand and dust weather.
Keywords: PM2.5    meteorological factors    backward trajectory    Tianjin    
1 引言(Introduction)

细颗粒物指环境空气中空气动力学当量直径小于等于2.5 μm的颗粒物, 广泛分布于低层大气中, 一方面其质量浓度或数浓度、化学组分及其粒径分布直接或间接影响太阳辐射、大气能见度、云雾降水等大气物理与化学过程, 并最终影响全球气候变化, 另一方面PM2.5因具有较大的比表面积而携带大量的有毒有害气体和化合物, 人体吸入后可对人体健康造成危害(Baiet al., 2014;Hu et al., 2017).《环境空气质量标准》(GB3095—2012)颁布实施后, PM2.5长期成为我国大部分地区, 尤其是京津冀区域的首要大气污染物(中华人民共和国生态环境部, 2019), 受到社会各界广泛重视.经过近年来持续不断的跨区域多部门联合治理, 京津冀区域空气质量明显改善, 2018年天津市PM2.5质量浓度年均值降至52 μg · m-3, 仅为2013年峰值时的一半左右.

PM2.5质量浓度的时空变化具有一定的规律性, 气象要素对其影响明显(桂海林等, 2019; 卢文等, 2019; 欧阳正午等, 2019).2013年初我国东部地区广泛发生的重污染天气, 被广泛认为与当时的不利气象条件有关(张小曳等, 2013; 杨欣等, 2014; 张人禾等, 2014; Wanget al., 2014).徐祥德等(2015)研究表明大气温度垂直结构年代际特征可能加剧了大气污染排放的环境影响效应.Liu等(2014)采用北京2004—2012年共9 a的PM10和PM2.5观测资料, 分析表明颗粒物浓度的季节和日变化主要受边界层和源排放的相关变化控制.对北京宝联站和上甸子本底站PM2.5质量浓度10 a的长期观测资料分析, 表明2011年后城郊差异逐渐变小, 大气污染事件的区域性特征增强(苗蕾等, 2016).

2013年起, 生态环境监测部门在国内大部分地区开展PM2.5的长期业务观测, 至今积累了大量观测数据, 对于制定有针对性的区域联防联控措施, 提升空气质量提供了重要的数据支撑(Sun et al., 2019).天津市气象科学研究所和中国科学院大气物理研究所从2006年夏季开始联合开展PM2.5和反应性气体的长期在线观测, 在天津地区PM2.5时空分布特征、理化特性影响因素和来源解析等方面取得了诸多成果(高文康等, 2012; Han et al., 2015;Zhouet al., 2018).本文对2009—2018年天津地区PM2.5质量浓度在线观测数据进行长序列分析, 以期将2013年前后的观测数据综合利用起来, 并探讨气象因素的作用, 为天津地区PM2.5治理提供技术支撑.

2 资料与方法(Datas and methods)

2009年1月—2017年3月在中国气象局天津大气边界层观测站(北纬39°06', 东经117°10', 海拔高度2.2 m, 台站编号:54517)观测场院内采用TEOM RP1400a型颗粒物监测仪观测PM2.5质量浓度, 该站点位于天津市城区南部, 其北距快速路约200 m, 东距友谊路-友谊南路约50 m, 西面和南面主要为住宅区, 周边无明显近距离污染源, 可代表典型城区环境.2013年起天津市生态环境监测中心对外发布了全市PM2.5质量浓度数据, 对全市27个站点数据进行算术平均, 得到全市PM2.5资料浓度均值, 为保持数据代表性一致, 对2013—2016年大气边界层观测站和全市平均值进行线性拟合, 按照全市均值对2009—2013年天津大气边界层观测站资料进行归一化处理, 具体处理方法见文献(蔡子颖等, 2019). 2013—2016年城区观测值仅为同期全市平均值的82%, 偏低原因主要在于TEOM RP1400a采样时预设气流达到50℃, 这可能造成部分挥发性组分散失, 导致测量结果偏低.温度、相对湿度、风速、降水量和气压等气象资料采用天津市气象信息中心质控后的全市平均数据, 太阳短波辐射采用荷兰Kipp & Zonen公司的CNR4净辐射传感器进行测量, 大气能见度采用MODLE6000型前向散射能见度仪测量, 仪器每日24h连续观测, 计算得到小时均值.混合层厚度资料来自于蔡子颖等(2018)建立的天津地区混合层厚度数据集, 该数据基于云高仪反演数据和中尺度模式获得.为便于统计PM2.5质量浓度和气象因素的长期变化趋势, 所有数据均处理成日均值进行分析.

3 结果与讨论(Results and discussion) 3.1 PM2.5质量浓度变化趋势

图 1给出了2009—2018年天津地区PM2.5质量浓度年均值的变化趋势, 可见近10 a来PM2.5质量浓度经历了3个阶段.2009—2012年PM2.5质量浓度年均值以年均2 μg · m-3的速率缓慢下降, Kong等认为这与受金融危机影响, 中国工业生产能力降低有关.2013年天津地区PM2.5质量浓度大幅度上升至99 μg · m-3, 与年初频繁发生的重污染天气有关, 相当多的研究(姚青等, 2014; 张人禾等, 2014; 花丛等, 2015)表明不利于扩散的气象条件是造成这一时期雾霾天气频发的主要原因, 张人禾等(2014)的研究表明, 热力和动力因子对这次雾霾天气过程具有大致相同的作用, 气象因子可以解释超过2/3的雾霾天气逐日变化的方差.受此事件影响, 中国政府修订和完善了《环境空气质量标准》, 第一次提出了PM2.5质量标准, 并在京津冀等重点区域, 实施了持续至今的多阶段联防联控的PM2.5管控措施, 天津地区PM2.5质量浓度年均值经历了持续多年的快速下降, 年均下降值达到9 μg · m-3, 2018年PM2.5质量浓度年均值降至52 μg · m-3, 仅为2013年峰值的一半左右. PM2.5质量浓度的持续降低, 与污染物排放量大幅度降低关系密切, 也有研究表明, 近年来较为有利的气象条件有助于京津冀区域PM2.5浓度下降.

图 1 2009—2018年天津地区PM2.5质量浓度年际变化 Fig. 1 Daily mean concentration of PM2.5 in Tianjin area from 2009 to 2018

根据《环境空气质量标准》(2012)和相关技术规范(环境保护部, 2012), PM2.5质量浓度日均值可以分为优、良、轻度污染、中度污染、重度污染和严重污染等6个等级.图 2给出了2009—2018年不同等级PM2.5质量浓度的频率分布, 优良天气的发生频率2009—2011年逐年增高, 并维持在50%~60%, 2013年大幅度降至45%, 其后逐年增高, 至2018年达到80%, 这一分布趋势与PM2.5质量浓度年均值变化相一致.环境空气质量预报和治理实践中更为关注PM2.5质量浓度日均值高于150 μg · m-3的重度和严重污染天气, 2009—2014年重度及以上污染天气发生频率长期维持在10%~20%, 其后逐年下降, 2018年降至2%左右, PM2.5质量浓度的均值和高值变化趋势表明天津地区近年来空气质量改善是切实而有效的.分别选取空气质量等级为优良(PM2.5质量浓度日均值低于75 μg · m-3)和重度污染及以上(PM2.5质量浓度日均值大于等于150 μg · m-3)的天气, 分季节统计2009—2018年优良天气和重污染及以上天气的发生频率, 其中2018年冬季(2018年12月—2019年2月)因资料不全未参与统计.如图 3所示, 各季节优良天气均呈逐年增加趋势, 特别是夏季增加更加明显, 2018年夏季优良天气发生频率已接近100%.不同季节重度污染及以上天气发生频率的年际分布差异较大, 2013年以来春、夏和秋季重度污染及以上天气发生频率逐年降低, 夏季甚至多年没有重度污染及以上天气发生, 但2014—2016年冬季空气污染形势日趋严重, 2016年重度污染及以上天气发生频率甚至达到30%, 2017年冬季这一趋势得以缓解.有研究(梅梅等, 2019)表明, 京津冀及周边地区秋冬季重污染气象条件主要由大气通风能力决定, 2010年以来该区域城市大气对污染物的清除能力整体较差, 但2017年冬季平均风速和大风日频次均处于近年来较高水平(石晓雪等, 2019), 大气对污染物的清除能力相应有所提高, 这可能是造成2017年冬季重污染及以上天气发生频率下降的主要气象原因.

图 2 2009—2018年天津地区不同PM2.5污染等级的分布状况 Fig. 2 Distribution of PM2.5 pollution grades in Tianjin area from 2009 to 2018

图 3 不同季节天津地区PM2.5优良天气和重污染天气的年际变化 Fig. 3 Occurrence frequency of PM2.5 pollution grades in Tianjin area during different seasons
3.2 气象因素对PM2.5质量浓度的影响

研究(张人禾等, 2014; 徐祥德等, 2015)表明, 京津冀区域重污染天气常伴有大气静稳天气、较强的逆温层, 以及较强的近地层水汽输送, 此类不利气象条件易导致污染物的累积, 从而形成重污染过程, 并突出性的表现为持续雾霾天气.表 1给出了2009—2018年天津城区PM2.5质量浓度和主要气象因素的统计特征, 气温、相对湿度、地面风速、气压等气象因素的年际变化较小, 混合层厚度和年降水量则存在年际波动, 2013年后随着空气质量的改善, PM2.5质量浓度年均值不断降低, 大气能见度年均值有较明显的增高.基于日均值, 对不同季节下PM2.5质量浓度和主要气象因素进行相关分析, 见表 2. 2009—2018年全部观测数据的相关分析显示, PM2.5质量浓度与任何一种气象因素的相关系数均低于0.5, 表明就长序列数据而言, 单一气象因素对PM2.5质量浓度的影响是有限的, 气象条件通过对PM2.5的输送、扩散等方式影响其质量浓度的时空分布.分季节来看, 在PM2.5质量浓度最高的冬季, PM2.5浓度日均值与相对湿度、地面风速和混合层厚度的相关性较高, 均大于0.5, 而这3种气象因素彼此之间也具有较高的相关性.有研究(姚青等, 2014; Sun et al., 2019)表明, 高相对湿度有助于气溶胶吸湿增长, 而低风速和低混合层在水平和垂直方向上抑制了气溶胶粒子的扩散, 这些气象因素对于重污染天气期间气溶胶粒子的爆发性增长提供了适宜的气象条件, 蔡子颖等(2018)对2009—2015年天津地区PM2.5质量浓度与混合层厚度的统计表明, 两者呈指数关系, 当日均混合层厚度小于200 m时天津地区重污染天气出现的概率达到52%.

表 1 2009—2018年天津地区PM2.5和主要气象因素的统计特征 Table 1 Statistical characteristics of the mass concentration and main meteorological factors of PM2.5 in Tianjin area from 2009 to 2018

表 2 不同季节天津地区PM2.5和主要气象因素的相关性分析 Table 2 Correlation coefficient between PM2.5 mass concentration and main meteorological factors

为分析各季节影响PM2.5质量浓度的主要气象因素, 采用SPSS19.0进行主成分分析, 提取特征值>1的因子作为主因子, 采用方差极大(Varimax)旋转法对初因子载荷矩阵进行旋转, 并选取载荷值>0.5的成分作为相应因子的代表成分来判断各季节影响PM2.5质量浓度的主要气象因素.如表 3所示, 各季节均有2个主成分, 合计可解释62%~74%的总变量, 这表明主成分分析能够判断出主要的气象因素.春季的PC1表现为较高的相对湿度、风速、辐射和混合层厚度, 能够解释总变量的36.3%, PC2主要为温度、气压和辐射的高负荷, 可解释总变量的34.9%, 前者代表影响大气污染物扩散的动力因子, 后者代表了热力因子; 夏季与之类似, 不同之处在于风速并未出现在任何一个主成分的高负载量中, 可能与夏季PM2.5浓度相对较低, 风速对其影响较小有关, 表 2中夏季PM2.5质量浓度与风速的相关系数仅为-0.151也佐证了这一点; 秋冬季一个明显的特征在于相对湿度、风速和混合层厚度具有较高的载荷, 考虑到秋冬季是天津地区PM2.5质量浓度最高的季节, 且重污染天气主要发生在这两个季节, 因此本文重点分析相对湿度、地面风速和混合层厚度对PM2.5浓度的影响.

表 3 不同季节天津地区主要气象因素的主成分分析结果 Table 3 Principal component loading and variance explanation for main meteorological factors

对PM2.5浓度、相对湿度、地面风速和混合层厚度的年际分布状况(表 1), 可以明显的看出, 2013年是近年来相对湿度最高、地面风速最低、混合层厚度最小的一年, 极端不利的气象条件造成了PM2.5浓度最高, 张小曳等(2013)的研究表明, 异常的静稳天气和居高的气溶胶浓度共同造成了2013年1月6—16日我国中东部大范围、持续性雾-霾, Wang等(2014)认为天气系统弱、强冷空气活动少和极其不利于污染物扩散的局地气象条件及地理位置, 是造成此次强霾污染形成的外部条件.进一步按季节分析这些因素的年际分布, 如图 4所示, 近年来PM2.5质量浓度的下降主要由夏季和秋季贡献, 2013年以后各年相对湿度、地面风速和混合层厚度年均值变化较小, 混合层厚度甚至还存在下降趋势, 表明气象因素的变化不能完全解释天津地区夏季PM2.5质量浓度逐年下降的趋势, 这可能与近年来污染物减排关系更为紧密有关, 有模拟研究表明2008—2010年天津地区气象条件有利于PM2.5扩散, 而2013—2015年不利气象条件导致了雾霾和重污染天气频发, 并将2015年PM2.5质量浓度的持续下降归因于大气污染防治措施的有效执行.

图 4 不同季节天津地区PM2.5和主要气象因素的年际分布特征 Fig. 4 Statistical characteristics of PM2.5 mass concentration and main meteorological factors in different seasons

将PM2.5质量浓度日均值按照0~34、35~74、75~149和≥150 μg · m-3分为Ⅰ、Ⅱ、Ⅲ、Ⅳ级, 依次对应空气质量等级为优, 良, 轻中度污染, 以及重度和严重污染.图 5给出了各季节下相应等级的地面风速、相对湿度和混合层厚度, 可见随着地面风速降低, 相对湿度增高, 混合层厚度降低, 各季节PM2.5污染都有加重的趋势.不同季节气象条件对PM2.5质量浓度的影响不尽相同, 冬季随着污染等级不同, 主要气象因素的差异最大, 如PM2.5质量浓度为优时地面风速为3.05 m · s-1, 空气质量为重度和严重污染时, 风速已经降至1.45 m · s-1, 而相对湿度则从33%升至68%, 混合层厚度从571 m降至182 m, 这与冬季气象因素易发生剧烈变化有关, 不同的湿度和风速往往意味着静稳天气和寒潮的交替发生, 气团性质对PM2.5影响明显, 冬季环境气象要素的准确预报可以反映和预测大气污染的变化.夏季这一差异最小, 不同污染等级下, 地面风速、相对湿度和混合层厚度的差异很小, 表明这几种气象因素可能不是影响天津城区夏季PM2.5质量浓度的主要因素, 这需要结合其他资料做进一步分析.

图 5 不同PM2.5污染等级下主要气象因素的统计特征 (Ⅰ、Ⅱ、Ⅲ、Ⅳ级依次对应PM2.5质量等级为优、良、轻中度污染, 以及重度和严重污染) Fig. 5 Statistical characteristics of main meteorological factors under different PM2.5 pollution levels

研究表明, 逆温、高湿和静风等不利天气扩散条件下, PM2.5可连续多日处于重污染等级, 这种情况下PM2.5对人体健康的危害远高于单独的重污染.本文以连续3 d及以上PM2.5质量浓度日均值达到150 μg · m-3记做一次持续重污染天气过程, 经统计2009—2018年合计有38次该类过程, 其发生次数的年际和季节分布状况如图 6所示, 2013年持续重污染天气发生次数最多, 达到8次, 尽管图 3b显示受不利天气影响, 2014—2016年冬季重污染天气发生频率有所增加, 但持续重污染天气却很少发生, 这与采取严格的空气质量治理措施有关.受静稳天气、燃煤采暖等因素影响, 持续性重污染天气主要发生在秋冬季, 春季出现持续重污染天气与扬沙或沙尘天气有关(董全等, 2014; 赖芬芬等, 2015).图 7给出了不同季节全部样本(Ⅰ级)、重污染天气(Ⅱ级), 以及持续重污染天气(Ⅲ级)下地面风速、相对湿度和混合层厚度的统计状况, 可见随着地面风速和混合层厚度的进一步降低, 以及相对湿度进一步增高, PM2.5重污染持续时间增长, 演变为持续重污染天气, 春季、夏季和冬季Ⅱ级与Ⅲ级天气下地面风速、相对湿度和混合层厚度的差异并不明显, 尤其是夏季, 两者几乎没有差别, 可能与夏季重污染天气样本较少有关.值得注意的是, 秋季Ⅲ级天气下, 地面风速、相对湿度和混合层厚度的变化更加明显, 这表明天津秋季气象因素对PM2.5重污染程度的影响更大, 持续出现的稳定天气形势是导致持续重污染天气的主要气象原因(尉鹏等, 2015).

图 6 持续重污染天气发生频率的年际和季节分布 Fig. 6 Interannual and seasonal distribution of the frequency of persistent heavy pollution weather

图 7 重污染天气和持续重污染天气下主要气象因素的统计特征 (Ⅰ、Ⅱ、Ⅲ级依次对应全部样本、重污染天气和持续重污染天气) Fig. 7 Statistical characteristics of main meteorological factors under heavy pollution and persistent heavy pollution weather
3.3 PM2.5的远距离输送来源特征

为分析PM2.5的远距离输送来源特征, 采用HYSPLIT-4模式计算观测期间采样点的后向轨迹, 以中国气象局天津大气边界层观测站(39°04′N, 117°12′E, 海拔高度2.2 m, 台站编号54517)为参考点, 选取200 m作为高度层, 计算观测期内每日6:00(UTC)的后向轨迹, 追踪抵达天津的气团过去48 h的轨迹, 并进行聚类分析, 各轨迹聚类结果对应的PM2.5浓度见图 8.考虑到一般认为UTC每日6:00(北京时间14:00), 是一日内边界层混合最为均匀的时段, 本研究用来与PM2.5质量浓度日均值匹配, 能较好的代表全天气流状况.从聚类结果可见, 第2和6类气团轨迹共占气团轨迹总数的48%, 这两类轨迹长度较短, 离地高度在500 m上下, 途经天津偏南区域, PM2.5质量浓度平均值高于其他轨迹.有研究显示偏南气流下, 京津冀区域PM2.5质量浓度普遍较高, 这与偏南的暖湿气流有助于形成静稳天气有关, 此外这些轨迹沿途密集分布了大量工业企业, SO2和NO2等前体物大量排放, 也是造成PM2.5浓度高企的重要原因.本研究的长期观测结果支持了这一结论.其他轨迹来自于不同程度、不同高度的偏北气流, PM2.5浓度平均值明显小于偏南气流, 与其途经较为洁净的区域有关, 强劲的北风也不利于静稳天气的建立和污染物的积累, 但聚类3下PM2.5浓度较高, 接近聚类2, 这可能与该轨迹途经蒙古高原和内蒙古等地的沙漠戈壁, 带来了大量沙尘有关.

图 8 观测期间后向轨迹聚类及其对应的PM2.5平均质量浓度 Fig. 8 Mean back trajectories resulted from the cluster analysis and average PM2.5 mass concentrations during the observation period

京津冀区域处于东亚季风区, 季节变化明显, 前文的分析也表明, 不同季节下PM2.5质量浓度平均值差异较大, 本研究进一步分季节讨论不同轨迹聚类下PM2.5质量浓度的分布情况.如图 9图 10所示, 各季节具有一些共同的特性, 如偏南气流下PM2.5易超标, 这与偏南气流长度短, 高度低有关, 该方向气流在京津冀区域腹地长时间贴地慢速运行, 易形成静稳天气, 这种天气下气溶胶粒子容易聚集并吸湿增长, 因而对应的PM2.5质量浓度较高.春季除偏南气流下PM2.5质量浓度较高外, 西北方向的长距离轨迹(聚类5)也对应较高浓度的PM2.5, 这与中国北方春季常有的沙尘天气有关, 近年来虽然较大规模的沙尘暴发生频率大为降低, 但大风天气带来的局地扬尘仍时有发生, 这是天津城区春季西北气流控制下PM2.5浓度较高的一个主要原因.冬季是京津冀区域空气污染最为严重的季节, 静风、逆温等不利天气现象常时有发生, 京津冀区域偏南的短程低空气流途经华北平原人口和工业聚集区, 携带大量污染物, 受华北大地形影响, 在与较弱的偏北气流来回拉锯过程中, 在北京、天津和河北中南部地区形成大气辐合带, 造成严重的污染物聚集, 近年来相当多的重污染天气与这种大气辐合带的南北移动有关.

图 9 观测期间不同季节下后向轨迹的聚类 Fig. 9 Mean back trajectories resulted from the cluster analysis arriving in different seasons

图 10 观测期间不同季节下各后向轨迹聚类对应的PM2.5平均质量浓度 Fig. 10 Average PM2.5 mass concentrations for different clusters arriving in different seasons (The dotted line in the figure was the air quality limit standard, 75 μg · m-3)
4 结论(Conclusions)

1) 2009—2012年天津地区PM2.5质量浓度年均值以年均2 μg · m-3的速率缓慢下降, 2013年受不利气象条件导致的重污染天气多发影响, 天津地区PM2.5质量浓度年均值上升至99 μg · m-3, 经过持续多年的多阶段PM2.5联防联控措施, 2018年PM2.5质量浓度年均值降至52 μg · m-3.重度及以上污染天气发生频率由2009—2014年的10%~20%降至2018年的2%左右, 优良天气均呈逐年增加趋势, 2018年夏季优良天气发生频率已接近100%.

2) 相关性分析显示, 就全年尺度而言, PM2.5质量浓度与任何一种气象因素的相关系数均低于0.5, 表明气象因素对PM2.5质量浓度的影响具有季节性.冬季PM2.5浓度日均值与相对湿度、地面风速和混合层厚度的相关系数依次为0.567、-0.515和-0.582, 且主成分分析表明冬季相对湿度、风速和混合层厚度的载荷均高于0.8, 表明相对湿度、地面风速和混合层厚度是影响天津地区, 尤其是冬季PM2.5浓度的主要气象影响因素.

3) 不同季节下随着相对湿度增高, 地面风速减小, 混合层厚度降低, 均有PM2.5污染加重的趋势, 其中冬季主要气象因素的差异最大, 与该季节气象因素剧烈多变、静稳天气和寒潮交替发生有关.秋季随着对湿度增高, 地面风速减小和混合层厚度降低, 持续重污染天气的发生概率增大, 其它季节并不明显.

4) 后向轨迹的聚类分析结果表明, 途经天津偏南区域的短距离近地气流占总轨迹数的48%, 此类气流下易形成静稳天气, PM2.5质量浓度较高, 春季西北方向的长距离轨迹对应较高浓度的PM2.5则与沙尘天气有关.

参考文献
Bai X, Shi P, Liu Y. 2014. Realizing China's Urban dream[J]. Nature, 509: 158-160.
蔡子颖, 姚青, 韩素芹, 等. 2019. 天津地区霾天气特征研究[J]. 中国环境科学, 39(1): 50-60.
蔡子颖, 张敏, 韩素芹, 等. 2018. 天津重污染天气混合层厚度阈值及应用研究[J]. 气象, 44(7): 911-920.
Cheng J, Su J P, Cui T, et al. 2019. Dominant role of emission reduction in PM2.5 air quality improvement in Beijing during 2013-2017:A model-based decomposition analysis[J]. Atmospheric Chemistry and Physics, 19: 6125-6146.
董全, 张涛. 2014. 2014年3月大气环流和天气分析[J]. 气象, 40(6): 769-776.
高文康, 唐贵谦, 姚青, 等. 2012. 天津重污染期间大气污染物浓度垂直分布特征[J]. 环境科学研究, 25(7): 731-738.
桂海林, 江琪, 康志明, 等. 2019. 2016年冬季北京地区一次重污染天气过程边界层特征[J]. 中国环境科学, 39(7): 2739-2747.
Han S Q, Zhang Y F, Wu J H, et al. 2015. Evaluation of regional background particulate matter concentration based on vertical distribution characteristics[J]. Atmospheric Chemistry and Physics, 15: 11165-11177.
Hu J, Huang L, Chen M, et al. 2017. Premature mortality attributable to particulate matter in China:source contributions and responses to reductions[J]. Environmental Science and Technology, 51: 9950-9959.
花丛, 张碧辉, 张恒德. 2015. 2013年1-2月华北雾、霾天气边界层特征对比分析[J]. 气象, 41(9): 1144-1151.
环境保护部.2012. HJ 633-2012环境空气质量指数(AQI)技术规定(试行)[S].北京: 中国环境科学出版社
环境保护部国家质量监督检验检疫总局.2012.GB 3095-2012环境空气质量标准[S].北京: 中国环境科学出版社
赖芬芬, 孙军. 2015. 2015年3月大气环流和天气分析[J]. 气象, 41(6): 786-792.
Liu Z R, Hu B, Wang L L, et al. 2014. Seasonal and diurnal variation in particulate matter(PM10 and PM2.5)at an urban site of Beijing:analyses from a 9-year study[J]. Environmental Science and Pollution Research, 22(1): 627-642. DOI:10.1007/s11356-014-3347-0
卢文, 王红磊, 朱彬, 等. 2019. 南京江北2014-2016年PM2.5质量浓度分布特征及气象和传输影响因素分析[J]. 环境科学学报, 39(4): 1039-1048.
Ma Z W, Liu R Y, Liu Y, et al. 2019. Effects of air pollution control policies on PM2.5 pollution improvement in China from 2005 to 2017:a satellite-based perspective[J]. Atmospheric Chemistry andPhysics, 19: 6861-6877.
梅梅, 朱蓉, 孙朝阳. 2019. 京津冀及周边"2+26"城市秋冬季大气重污染气象条件及其气候特征研究[J]. 气候变化研究进展, 15(3): 270-281. DOI:10.12006/j.issn.1673-1719.2018.130
苗蕾, 廖晓农, 王迎春, 等. 2016. 北京2005-2014年PM2.5质量浓度的演变特征[J]. 气象, 42(8): 954-961.
欧阳正午, 廖婷婷, 陈科艺, 等. 2019. 2014-2017年四川盆地与京津冀地区冬季空气停滞特征及大气质量改善评估对比分析[J]. 环境科学学报, 39(7): 2353-2361.
石晓雪, 龚道溢, 胡毅鸿. 2019. 1979-2017年冬半年京津冀区域大风的变化及其环流背景分析[J]. 地理科学进展, 38(7): 1069-1079.
Sun J J, Liang M J, Shi Z H, et al. 2019. Investigating the PM2.5 mass concentration growth processes during 2013-2016 in Beijing and Shanghai[J]. Chemosphere, 221: 452-463. DOI:10.1016/j.chemosphere.2018.12.200
Wang Y S, Yao L, Wang L L, et al. 2014. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China[J]. Science China:Earth Sciences, 57: 14-25.
尉鹏, 任阵海, 王文杰, 等. 2015. 2014年10月中国东部持续重污染天气成因分析[J]. 环境科学研究, 28(5): 676-683.
徐祥德, 王寅钧, 赵天良, 等. 2015. 中国大地形东侧霾空间分布"避风港"效应及其"气候调节"影响下的年代际变异[J]. 科学通报, 60(12): 1132-1143.
杨欣, 陈义珍, 刘厚凤, 等. 2014. 北京2013年1月连续强霾过程的污染特征及成因分析[J]. 中国环境科学, 34(2): 282-288.
姚青, 蔡子颖, 韩素芹, 等. 2014. 天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响[J]. 中国环境科学, 34(3): 596-603.
张人禾, 李强, 张若楠. 2014. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学:地球科学, 44(1): 27-36.
张小曳, 孙俊英, 王亚强, 等. 2013. 我国雾霾成因及其治理的思考[J]. 科学通报, 58(13): 1178-1187.
Zou J N, Liu Z R, Hu B, et al. 2018. Aerosol chemical compositions in the North China Plain and the impact on the visibility in Beijing and Tianjin[J]. Atmospheric Research, 201: 235-246.