城市天气类型及其对污染物质量浓度的影响
贺广兴，邓启红
(中南大学 能源科学与工程学院，湖南 长沙，410083)
摘要：根据长沙市2005—2009年每天24 h气象数据和天平均污染物(SO2与NO2)浓度，运用主成分(PCA)与聚类(CA)统计分析方法对影响城市大气污染物扩散的地面天气进行分类，得出影响污染物浓度的主要天气类型，分析不同天气类型下的污染物浓度变化特征。研究结果表明：高压反气旋控制之下容易形成高浓度污染，而在低压气旋或槽等天气类型控制时污染物浓度相对较低；同一种天气类型对不同污染物的影响程度也有所不同。研究结果能为大气环境质量预报与空气污染总量控制等措施提供科学依据。
关键词：空气污染；天气类型；主成分分析；聚类分析
中图分类号：P462.1 文献标志码：A 文章编号：1672-7207(2013)02-0799-06
Classification of urban synoptic types and its effect on air pollutant concentration
HE Guangxing, DENG Qihong
(School of Energy Science and Engineering, Central South University, Changsha 410083, China)
Abstract: The principal component analysis (PCA) and clustering analysis (CA) were used, according to 24 h meteorological data and daily average air pollutant (SO2 and NO2) concentrations between 2005—2009 in Changsha，to analyze the impact of synoptic type on air pollutant concentrations. The results show that it is easy to form high pollution concentrations during anticyclone, while cyclone and trough are beneficial for air pollutants dilution. There are some differences in the impact of synoptic types on different air pollution concentrations. The results can provide evidence for predicting air quality and control strategies in practice.
Key words: air pollution; synoptic climatology; principal component analysis; cluster analysis
近年来，随着我国城市化进程与国民经济的快速发展，城市空气污染日益加剧，环境空气质量问题已引起人们越来越密切的关注和重视。天气气候条件对大气污染物的浓度水平与分布有重要的影响，不同气象条件下的污染物浓度存在很大的差别。了解气象对环境空气质量的影响规律，对于做好空气质量预报，为政府决策提供依据具有重要意义。已有大量针对某些特定气象参数与空气污染物浓度之间的关系的研究，但是许多研究中，仅考虑空气污染与大气中一个或几个气象参数的关系，而没有考虑气象参数之间的相关性[1-2]。为了克服此类方法的不足，近半世纪以来，已有多种客观的天气气候方法(synoptic climatology) 被用来研究气象与污染物的关系，以揭示气候与环境之间的特定关系。目前，天气气候方法可分为对天气类型的归类和对气团分类2种[3]。Christiansen等首先使用客观的天气分类方法与污染物的关系，此方法基于主成分分析和Lund相关关系法[4]。在此方法基础上，Kalkstein等[5]使用主成分分析及聚类分析天气类型分类方法研究不同天气类型与污染物之间的关系，研究结果较为理想。此研究方法后来得到进一步发展和应用[6-8]。谭冠日等[9]利用主成分和聚类方法将广州1979—1984年间的3个冬季和4个夏季的气象资料进行主成分分析，得出冬季有5种天气类型，夏季有6种，各类型有显著不同的天气特征。Cheng等[10-11]分别研究不同大气气团对污染物浓度的影响。本研究在上述基础上以长沙为例，通过主成分分析和聚类分析对长沙春、秋两季的天气进行分类。分析不同天气类型下污染物的浓度的变化特征，根据气象条件对发生高污染浓度进行预测。
1 数据及方法
长沙位于中国中南部的长江以南地区，湖南省的东部偏北。地处洞庭湖平原的南端向湘中丘陵盆地过渡地带，地理坐标为东经111°53′~114°5′，北纬27°51′~28°40′，与株洲和湘潭等工业城市濒临。长沙属世界季风气候区，由于受季风影响，季节变化很明显；距海较远，因此冬冷夏热的大陆性气候特征较明显；地势南高北低，独特的地形对长沙气候具有一定影响。
本研究采用的长沙市2005—2009年气象参数及天平均空气污染物浓度从NOAA网站下载(http://www.noaa.gov/ )[12]。24 h气象参数包括环境温度(t)、露点温度(tD)、大气压力(p)、风速(v)与风向(θ)；空气污染物包括SO2与NO2。整个春季(3~5月)时间为396 d，秋季(9~11月)为424 d。对气象参数选取1 d中00:00，06:00，12:00和18:00 4个时刻的值，对风速进行经向和纬向转化，转化公式为：
式中：vWE和vNS分别为经向和纬向风速。由此得到每个变量的1 d中4个时刻(00:00，06:00，12:00和18:00)的值，总共为20个变量。
天气分类方法是依据一定时期(一般为某个季节)天的气象参数特征，对该段时期的天进行聚类。由于气象参数之间存在一定的相关性，为了使得气象参数之间的相关性不对聚类结果产生影响，聚类分析前应对初始变量进行统计分析处理，以消除变量之间相关性影响。
主成分分析法为一种理想的消除变量相关性的多元统计方法。其原理是将开始众多具有一定相关性的变量重新组合成一组新的相互独立的综合变量来代替原来的变量。通常数学上的处理就是将原来气象参数作线性组合，作为新的变量。将数据降维以排除众多相互重叠的信息，这些变量要尽可能多地表征原变量的数据结构特征而不丢失信息。本研究中首先对20个具有一定相关性的气象参数进行主成分分析，得到表征原始变量和新变量之间的相关性的成分载荷矩阵；然后，由初始变量矩阵乘以主成分载荷矩阵得到新的得分矩阵，各天之间的气象参数值越相似，则两者的成分得分越接近；最后对得分矩阵进行聚类分析，得出该区域的主要天气类型。
聚类方法基本思想是根据所研究对象中不同变量的相关程度对其进行归类，把相关性好的归为一类。本研究中为天气系统分类。对天气得分矩阵进行归类，把相似程度较高的天聚合为一类，把另外彼此之间相似程度较高的天气又聚合为另一类，直到把所有的天气聚合完毕[13]。
由于天气的多变性和复杂性，不同的研究者对天气类型的分类也不尽相同。在众多的关于天气类型与污染物浓度关系的研究中，对天气类型分类情况研究较多的为中尺度范围的气旋、反气旋、槽、冷锋、高压脊和季风等天气类型。Triantafyllou[14]把天气类型分为反气旋、冷锋前沿、高压系统和由冷锋过境引起的大风天气，在大气流动性能差的反气旋下高污染事件发生频率最高，此种天气系统下空气易形成再循环，从而使污染物扩散困难。Jiang等[15]把天气归类为反气旋、高压脊、气旋等天气类型，大气相对稳定和温度较低的反气旋系统易发生高污染事件；而在以北风较大为特点的不稳定气旋系统下污染程度比较低。Tanner等[16]把香港天气分类为冷锋、季风、气旋、反气旋、槽等类型，高浓度污染物发生在反气旋等低风速天气类型。孟燕军等[17]对北京不利于污染物扩散天气类型分为高压、均压和低压3大类再细分为高压后部、均压场、冷锋前部等12类天气形势，高污染事件易发生于高压系统下。
本研究分别对不同春、秋季节取每日4个不同时刻温度、露点温度、压力、经向风速和纬向风速。主成分分析先把原始气象数据矩阵转化为一系列线性无关并且按照它们解释的变量值进行排列的主成分(本研究中取特征值大于1的主成分)，然后计算主成分得分，主成分得分取决于原始参数的大小和每个主成分对变量的贡献[18]，然后将初始变量矩阵乘以主成分得分矩阵，得到每天的成分得分矩阵。对于N天的K个主成分，将会产生1个N×K的得分矩阵，所以，同一成分在气象状况相似日可以得到近似得分。最后对天气成分得分矩阵进行聚类， 得出具有不同天气特征的几类天气类型。本研究采用阶梯和离差聚类方法。聚类过程中，各组所含多日各气象变量的平均值代表该型天气的特征。所有统计过程在统计软件SPSS13上完成。
2 结果与讨论
对上述20个变量与天样本组成原始矩阵，对此矩阵进行主成分分析，春季得到3个主成分(PC1，PC2和PC3)；秋季得到4个主成分；对长沙春季和秋季2个具有代表性的季节的天气类型进行分类，得出春季和秋季各分出4个具有显著不同天气特点的天气类型；并对不同季节天气类型的污染物浓度特征进行分析，结果如表1所示。
2.1 主成分分析
由表1可知：春季第一、二和三主成分解释方差分别为48.15%，15.75%和10.65%。方差解释量为74.5%。温度和露点温度与第一主成分具有很好的正相关，而压力与之具有强的负相关；经向风速与第二主成分具有好的正相关，纬向风速则具有较强的负相关性；第三个主成分与经向风正相关性较好，与纬向风负相关性较强。 秋季第一、二、三和四主成分解释方差分别为51.15%，14.58%，8.08%和6.65%，解释方差为80.40%。温度、露点温度与第一主成分呈显著正相关，压力与之具有强的负相关；经向风速与第二主成分正相关；纬向风速与第三主成分有较强的正相关性；第四主成分与经向风成一定正相关，与纬向风具有一定的负相关，相关程度没有前三主成分显著。
初始变量矩阵乘以主成分得分矩阵，春季得到一个396×3的天气成分得分矩阵，秋季得到1个424×4的天气成分得分矩阵。
2.2 聚类分析
对前面得到的天成分得分矩阵进行聚类分析结果如下。
2.2.1 春季天气类型及其特点
根据上述统计结果得出春季分为4种天气类型(表2)，分别为：反气旋(SR1)，冷锋(SR2)，槽(SR3)，暖峰(SR4)，其时间分别为52 d，128 d，114 d和102 d。
表1 长沙市(2005—2009年)春秋季节气象参数主成分分析
Table 1 Factor loadings of meteorological variable during spring and autumn of Changsha between 2005-2009
由表2可知：反气旋控制时，温度和露点温度明显较其他天气类型低，且日变化大，风速小，这有利于逆温层的形成；此外，反气旋控制下空气下沉，阻止污染物的垂直扩散，十分容易形成高污染。
冷锋过境时，来自西伯利亚的冷空气南下，使得温度降低，气压升高，露点温度低，风速中等，空气干燥。由上述特点可知：冷空气经过长途传输到达长沙性质已有所改变，温度较发源地有所升高，入侵速度减慢，所以没有造成大风；但此类天气类型下由于压力较高，所以气流下沉，不利于污染物的扩散。
当处于槽控制时，温度、露点温度较高且日变化不大，空气较潮湿；压力降低、此类天气类型气流呈上升趋势，有利于形成降雨天气，风速为4类天气类型中最大，十分有利于污染物的扩散。
暖锋过境时，此种天气受南面暖空气影响。暖锋发源南太平洋，因此具有明显的海洋性质，温度显著增加，露点温度高、空气湿度大、压力低。由于途经广东，同时受湖南南面山脉阻滞，到达长沙时风速偏小。
2.2.2 秋季天气类型及其特点
根据上述统计结果得出秋季分为4种天气类型(表3)，分别为：槽(AU1)，气旋(AU2)，反气旋(AU3)，冷锋(AU4)，其时间分别为100 d，207 d，92 d和25 d。
由表3可知：当处于槽控制下时，温度较高、压力低、风速偏小，这与春季槽中风速有很大不同，可能是由于春季天气变化剧烈，槽移动的速度较秋季的快，导致槽中空气流动也较秋季的快；槽低压区空气上升容易形成降雨，有利于污染物的清除。
气旋控制时，温度较高，压力低，风速偏大，大气不稳定，具有较强的大气湍流等天气特征，有利于大气污染物的稀释和扩散。
反气旋控制时，温度和露点温度中等，压力高，导致气流下沉，天气晴朗，易形成秋高气爽好的天气风速中等；此天气特征也有利于逆温层的形成，对污染物的清除不利，容易形成高污染。
冷锋过境时，温度降低，露点温度低，空气干燥；气压高，气流下沉，不利于混合层的发展，抑制污染物的垂直扩散；风速偏大，为4类天气类型中最大，此区别于春季的冷锋过境时风速较低。这可能是由于副高中心处于蒙古境内，发源于蒙古冷空气南下到达湖南路程较春季短，受外界影响相对较小，变性也较小，所有达到湖南境内还具有一定强度，所以，造成风速大。
2.3 天气类型与污染物关系
对不同天气类型下的平均污染物浓度分析结果如图1所示。由图1可知：春季SO2质量浓度的最高值出现在第一类天气类型反气旋，质量浓度最小值发生在为槽控制下的天气类型。如前所述，反气旋天气类型中，空气一般为下沉，不利于污染物的扩散；槽类天气类型下，压力较低，空气一般为上升，且容易形成降雨等天气特征，有利于污染物浓度的降低。NO2高浓度也出现在第一天气类型，这也与第一类天气类型的压力高有一定关系，同样为高压天气类型。NO2的最小质量浓度同样出现在第三类槽控制下。秋季SO2质量浓度的最高值出现在第三类天气类型反气旋，原因与春季类似。质量浓度最小值发生在为槽控制下的天气类型。秋季NO2质量浓度最高值出现在第三类天气反气旋中，最低值出现在第一类槽，变化趋势与SO2一致。
表2 长沙市春季天气聚类分析与天气类型类型
Table 2 The synoptic cluster analysis and types of spring in Changsha
表3 长沙市秋季天气聚类分析与天气类型类型
Table 3 The synoptic cluster analysis and types of autumn in Changsha
表4所示为不同天气类型下高污染事件的分布，由表4可知：不同季节的不同天气类型下高污染事件发生的次数和频率，高污染事件定义为天平均质量浓度高于季节的均值加2倍方差。2005—2009年，SO2在春季发生高污染事件为18次，其中第一、二、三和四类天气类型中各发生6，8，2和2次。NO2发生14次，其中第一、二、三和四类天气类型中各发生3，6，1和4次。从高污染事件所占此类天气类型的比例可知：春季最容易发生高污染事件的天气类型为反气旋控制下的天气，SO2和NO2发生高污染事件比例分别为11.54%和5.77%，为4类天气类型中最高，最不易发生高污染事件为第3类槽天气类型。秋季SO2发生高污染事件为16次，其中第一、二、三和四类天气类型中各发生0，7，8和1次。NO2发生22次，其中第一、二、三和四类天气类型中各发生2，7，10和3次。秋季SO2最容易发生高污染事件的天气类型为反气旋控制下的天气，高污染事件比例为8.7%，NO2最容易发生高污染事件的天气类型为冷锋过境天气类型，高污染事件比例为8.7%，最不易发生高污染事件为第一类槽天气类型。
图1 长沙市(2005—2009年)不同天气类型下污染物浓度水平
Fig.1 Pollution concentration under different synoptic types in Changsha between 2005-2009
表4 长沙市(2005~2009)不同天气类型下高污染事件分布
Table 4 High pollution events under different synoptic types in Changsha between 2005-2009
3 结论
(1) 低气压和槽类天气风速较大，空气不稳定，有利于污染物的扩散和清除，故污染物浓度较低。
(2) 反气旋中，天空状况良好，风速较小，并伴有空气的下沉运动，层结稳定，抑制了湍流的向上发展，阻止了污染物的扩散，有利于形成污染物浓度的高值。
(3) 空气污染天气分型由于没有考虑污染物的来源及强度所以只能提供污染的定性预报，定量的预报工作需要对大气污染源等资料进行物理量诊断分析计算与大气扩散能力有关的参数或利用物理化学过程完备的大气扩散模型来实现。正确充分利用气象条件与污染物浓度的关系，对减轻城市污染有实际意义。
参考文献：
[1] Elminir H K. Dependence of urban air pollution on meteorology[J]. Science of the Total Environment, 2005, 350: 225-237.
[2] Giri D, Krishna M, Adhikary P R. The influence of meteorological conditions on PM10 concentrations in Kathmandu valley[J]. International Journal of Environmental Research, 2008, 2(1): 49-60.
[3] Mcgregor G R, Bamzelis D. Synoptic typing and its application to the investigation of weather air pollution relationships, Birmingham, United Kingdom[J]. Theoretical and Applied Climatology, 1995, 3(2): 223-236.
[4] Lund I A. Map-pattern classification by statistical methods[J]. Journal Meteorology, 1963, 2(2): 56-65.
[5] Kalkstein L S, Corrigan P A. Synoptic climatological approach for geographical analysis: assessment of sulphur dioxide concentrations[J]. Annals of the Association of American Geographers, 1986, 76(3): 381-395.
[6] Stooksbury D E, Michaels P J. Cluster analysis of southeastern U.S. climate stations[J]. Theoretical and Applied Climatology, 1991, 44(5): 143-150.
[7] Kassomenos P A, Sindosi O A, Lolis C J. On the relation between seasonal synoptic circulation types and spatial air quality, characteristics in Athens, Greece[J]. Journal of Air and Waste Manage Association, 2003, 53(7): 309-324.
[8] Robert E, Gay D A. A synoptic climatological analysis of air quality in the grand canyon national park[J]. Atmospheric Environment, 1993, 27(5): 713-727.
[9] 谭冠日, 黄劲松, 郑昌幸. 一种客观的天气气候分类方法[J]. 热带气象, 1991, 7(1): 55-62.
TAN Guanri, HUANG Jingsong, ZHENG Changxing. A objective synoptic classification method[J]. Journal of Tropical Meteorology, 1991, 7(1): 55-62.
[10] Cheng S Q, Ye H C, Kalkstein L S. An evaluation of pollution concentration in Philadelphia using an automated synoptic approach[J]. Minddle States Geographer, 1992, 25(10): 45-51.
[11] 张永强, 颜松林. 冬季局地大气SO2浓度变化的天气气候学方法研究[J]. 气象科学, 2000, 20(1): 44-50.
ZHANG Yongqiang, YAN Songlin. A study on local sulfur dioxide concentration using synoptic climatological approaches[J]. Sciential Meteorological Since, 2000, 20(1): 44-50.
[12] Kimoanh N T, Chutimon P, Ekbordin W. Meteorological pattern classification and application for forecasting air pollution episode potential in a mountain valley area[J]. Atmospheric Environment, 2005, 39: 1211-1225.
[13] 张文彤. SPSS统计分析高级教程[M]. 北京: 高等教育出版社, 2004: 235-260.
ZHANG Wentong. advanced course of SPSS statistical analysis[M]. Beijing Higher Education Press, 2004: 235-260.
[14] Triantafyllou A G. PM10 pollution episodes as a function of synoptic climatology in a mountainous industrial area[J]. Environment Pollution, 2001, 112: 491-500.
[15] Jiang N, Hay J E, Fisher G W. Synoptic weather types and morning rush hour nitrogen oxides concentrations during Auckland winters[J]. Weather and Climate, 2005, 25: 43-69.
[16] Tanner P A, Law P T. Effects of synoptic weather systems upon the air quality in an Asian megacity[J]. Water Air and Soil Pollution, 2002, 136: 105-124.
[17] 孟燕军, 程从兰. 影响北京大气污染物变化的地面天气形势分析[J]. 气象与环境, 2002, 28(4): 42-47.
MENG Yanjun, CHENG Conglan. Impact of surface synoptic situations on air pollution in Beijing area[J]. Weather and Environment, 2002, 28(4): 42-47.
[18] Shahgedanova M, Burt T P, Davies T D. Synoptic climatology of air pollution in Moscow[J]. Theoretical and Applied Climatology, 1998, 61: 85-102.
(编辑 何运斌)
收稿日期：2012-05-20；修回日期：2012-07-28
基金项目：国家自然科学基金资助项目(51178466)；国家科技支撑计划项目(2008BAJ12B03)；中央高校基本科研业务费专项资金资助项目
通信作者：邓启红(1973-)，男，河南潢川人，博士，教授，从事城市环境研究；电话：0731-88877175；E-mail：qhdeng@csu.edu.cn
