2015—2021年广州市...复合污染特征及天气分型研究_刘南希.pdf

《2015—2021年广州市...复合污染特征及天气分型研究_刘南希.pdf》由会员分享，可在线阅读，更多相关《2015—2021年广州市...复合污染特征及天气分型研究_刘南希.pdf（12页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第 43 卷第 1 期2023 年 1 月Vol.43，No.1Jan.，2023环境科学学报Acta Scientiae Circumstantiae20152021年广州市臭氧和PM2.5复合污染特征及天气分型研究刘南希1，2，何成1，2，刘晨曦1，2，何国文1，2，王一鸣1，2，王浩霖1，2，曹梅1，3，卢骁1，2，*，范绍佳1，2，*1.中山大学大气科学学院，珠海 5190822.广东省环珠江口气候环境与空气质量变化野外科学观测研究站，广州 5102753.广东省气象公共服务中心，广州 510640摘要：利用广州市20152021年的地面观测资料和ERA5再分析数据集，统计了臭氧和PM

2、2.5的时间分布特征及两者同时出现高值（“双高”过程）的气象成因，并进一步用自组织神经网络（SOM）研究了高浓度臭氧和PM2.5（浓度大于年第85分位数）对应的客观天气型.结果表明，20152021年，广州市臭氧浓度呈逐年上升趋势，而PM2.5浓度则呈逐年下降趋势，臭氧逐渐取代PM2.5成为首要污染物.“双高”日主要集中在春季和秋季，且秋季占比超过50%.当温度为2030，湿度为30%50%时，“双高”日出现的概率达到30%以上.基于天气分型方法，本研究 发现在所有“双高”污染过程中，主要天气分型依次为：高压底后部型、变性高压脊型、副高+台风外围型、冷锋前部型；秋季发生“双高”污染时，天气分型

3、依次为：副高+台风外围型和副高+弱冷高压脊型.关键词：广州；臭氧；PM2.5；复合污染；客观天气分型文章编号：0253-2468（2023）01-0042-12 中图分类号：X51，X16 文献标识码：AStudy on characteristics and weather classification of ozone and PM2.5 complex pollution in Guangzhou from 2015 to 2021LIU Nanxi1，2，HE Cheng1，2，LIU Chenxi1，2，HE Guowen1，2，WANG Yiming1，2，WANG Haolin1

4、，2，CAO Mei1，3，LU Xiao1，2，*，FAN Shaojia1，2，*1.School of Atmospheric Sciences，Sun Yat-sen University，Zhuhai 5190822.Guangdong Provincial Observation and Research Station for Climate Environment and Air Quality Change in the Pearl River Estuary，Guangzhou 5102753.Guangdong Meteorological Public Service

5、Center，Guangzhou 510640Abstract：In this paper，based on the ground observation data and ERA5 reanalysis data set from 2015 to 2021 in Guangzhou，the temporal characteristics of ozone and PM2.5 and the meteorological causes of the high value（“double high”process）of both are statistically analyzed，and t

6、he objective weather patterns corresponding to the high concentration of ozone and PM2.5（greater than the 85th quantile）are further studied through the self-organizing neural network（SOM）.The concentration of ozone is increasing year by year，while the concentration of PM2.5 is decreasing.Ozone gradu

7、ally replaced PM2.5 as the primary pollutant.“Double high”days are mainly concentrated in spring and autumn，with autumn accounting for more than 50%.When the temperature falls in the range of 2030，and the humidity falls in 30%50%，the probability of“double high”days is higher than 30%.Results based o

8、n SOM show that，when“double high”pollution occurs，the weather types are：high pressure bottom rear，transformed cold high ridge，subtropical high+typhoon periphery and front of cold front；When“double high”pollution occurs in autumn，the weather types are：subtropical high+typhoon periphery and subtropica

9、l high+weak cold high ridge.Keywords：Guangzhou；ozone；PM2.5；complex pollution；objective weather classificationDOI：10.13671/j.hjkxxb.2022.0417刘南希，何成，刘晨曦，等.2023.20152021年广州市臭氧和PM2.5复合污染特征及天气分型研究 J.环境科学学报，43（1）：42-53LIU Nanxi，HE Cheng，LIU Chenxi，et al.2023.Study on characteristics and weather classifica

10、tion of ozone and PM2.5 complex pollution in Guangzhou from 2015 to 2021 J.Acta Scientiae Circumstantiae，43（1）：42-53收稿日期：2022-08-31 修回日期：2022-10-15 录用日期：2022-11-15基金项目：广东省科技计划项目（科技创新平台类）（No.2019B121201002）；广东省基础与应用基础研究重大项目（No.2020B0301030004）；广东省重点领域研发计划项目（No.2020B1111360003）作者简介：刘南希（1999），女，E-mail：

11、；*责任作者，E-mail：；1 期刘南希等：20152021年广州市臭氧和PM2.5复合污染特征及天气分型研究1引言（Introduction）近地层臭氧（O3）是一种具有氧化性的二次污染物，主要由氮氧化物（NOx）和挥发性有机化合物（VOCs）在阳光照射下发生光化学反应产生（Atkinson，2000）.细颗粒物PM2.5（大气中粒径小于2.5 m的固态和液态颗粒物）由一次气溶胶和二次气溶胶组成（Dai et al.，2021）.对流层臭氧和PM2.5都是对环境和人类健康造成严重威胁的大气污染物（Wu et al.，2021）.长期暴露于高浓度的PM2.5和臭氧环境中可诱发心血管、高血压、

12、老花眼等疾病（Chuang et al.，2011；Song et al.，2019）.因此，PM2.5和臭氧污染起了大众和科学界的高度关注.随着经济和城市群的迅速发展，区域性、复合型大气污染逐渐成为我国面临的重要大气污染问题（Zhang et al.，2008；Shao et al.，2009）.城市群大气复合型污染是指城市群出现大气氧化性物种（如臭氧）增加和PM2.5浓度增高、大气能见度下降以及环境恶化趋势向整个区域蔓延的污染现象（吴兑等，2006；邓雪娇等，2008；邓涛等，2012）.自2014年起，广东省相继颁布了 广东省大气污染防治“十三五”规划、广东省大气污染防治行动方案 201

13、42017 等，各地通过开展一系列排放控制举措，使得颗粒物污染得到了显著改善（廖志恒等，2015；van der A et al.，2017），但与国外相比还有较大差距.与此同时，由于臭氧与其前体物间有着复杂的非线性关系，加之目前对VOCs的排放控制相对滞后于NOx的控制，导致近地层臭氧浓度逐年升高（周学思等，2019；Chen et al.，2020）.在细颗粒物污染问题还未得到彻底解决，臭氧污染仍在加剧的大背景下，不利气象条件导致的PM2.5和臭氧复合型污染特征在珠三角地区愈发凸显（赖安琪等，2018；He et al.，2022；何国文等，2022）.当前，针对粤港澳大湾区的PM2.5或

14、臭氧的污染特征、理化性质和污染事件成因等方面的研究已取得了较多的成果（陈训来等，2008；刘建等，2015；Deng et al.，2019；沈劲等，2020；陈多宏等，2022），但对高浓度的PM2.5和臭氧复合型污染的关注较少，且多局限于对个例的研究.污染过程对应天气的预报预警是有效开展污染预报和防治的前提条件，城市复合污染天气往往是由不利的气象要素导致的.然而气象要素的变化是由不同的大尺度天气环流形势演变所决定的，区域中复合污染物的空间分布和随时间的变化特征与天气 形势密切相关（Russo et al.，2014；高晓荣等，2018）.因此，找出重污染天气对应的天气形势十分有必要（Sch

15、nell et al.，2017；Xiao et al.，2022）.基于此，本文利用20152021年广州市地面观测资料和ERA5再分析数据集，研究广州PM2.5和臭氧浓度的年际-月变化和年际-日变化以及各污染物逐年超标率；汇总出现“双高”污染的月份分布和逐年变化趋势；利用自组织经网络算法（SOM，即Self-Organizing Maps）进行客观天气分型，得到易发生复合污染的大气环流形势和天气分型.这有助于进一步加深对粤港澳大湾区地区复合污染成因及影响机制的认识，为粤港澳 大湾区污染天气的准确预报预警提供科学参考依据.2数据与方法（Data and methodology）2.1数据资料

16、本文使用的环境空气质量监测数据来源于国家环境空气质量监测网（https：/：18007/），包括20152021年广州市11个环境空气质量国控监测站点的空气质量指数（AQI）及6项污染物（SO2、NO2、CO、PM2.5、PM10、臭氧）的逐小时浓度监测资料.本文使用的气象资料来自广州气象站（59287站点）20172021年逐小时的观测数据，包括气压（hPa）、温度（）、湿度、风速（ms-1）、能见度（m）资料.数据从广东省空气质量预报预警系统网站下载得到（http：/113.108.142.147：20032/Home/Index）.本文用于天气分型研究的气象资料为ERA5再分析数据，下载

17、于欧洲中期天气预报中心官网（https：/cds.climate.copernicus.eu/#！/search？text=ERA5）.ERA5数据集的水平分辨率为 0.250.25，时间分辨率为1 h，研究区域为90130E、1045N，该区域可以反映直接影响广东省的主要天气系统.本文获取的主要 气象数据包括20152021年的海平面气压场、10 m水平风场、500 hPa位势高度场、950 hPa温度场、950 hPa垂直速度、950 hPa云量和950 hPa相对湿度.43环境科学学报43 卷2.2客观天气分型方法天气分型方法是通过分析海平面气压、不同层次的位势高度场、温度场和风场等气象

18、要素，从而识别 不同环流形势的方法，目前主要包括主观天气分型方法和客观天气分型方法及两者的结合（Philipp et al.，2010）.客观天气分型方法的优点是在处理大量样本数据的过程中，计算和比较矩阵的相似性和方差，避免 主观经验的影响.常用的客观分型方法包括：K-means聚类分析法（Huth et al.，2008；翁佳烽等，2020）、T-mode主成分分析方法PCT（卢宁生等，2021；陆汇丞等，2021）、自组织神经网络算法SOM（Liao et al.，2018；Han et al.，2020；李婷苑等，2022）等.洪莹莹等（2021）研究表明，珠三角地区的SOM组内离合差平

19、方和最小，分型结果最好，与预报员主观分型的结果最吻合.因此，本研究针对广州市分型也使用SOM算法.SOM方法是神经网络的一种，也是划分聚类方法最常见的方法之一.它是对代表环流形势的逐日气象要素数据进行训练分型，根据分型数量对应的总解释方差拐点确定为具体天气型种数的一种天气分型方法.Kohonen最早在1982年提出在对海平面气压场分型时使用SOM算法（Kohonen，1982）.SOM方法在无监督的情况下，能根据其学习规则对输入的样本进行自动分类，对输入的样本进行自组织学习，反复调整连接输入和输出的权重系数，得到输入样本之间的相互距离关系，并显示在竞争层中的分类结果（胡春梅等，2020）.3结

20、果与分析（Results and analysis）3.120152021年广州市臭氧和PM2.5浓度变化及各污染物逐年超标率图 1a 是 20152021 年广州市臭氧浓度的年际-月变化图.近 7 年来，广州臭氧浓度呈明显的上升趋势.20152016年臭氧浓度最大值分布在810月，2017年5月开始出现臭氧高值，2018年2月也出现臭氧浓度增加的现象，同时范围扩大到811月.2019年911月是7年内臭氧浓度最高、持续时间最长的时期，这与该年该时段降水量小、平均风速小、边界层高度高、污染物清除能力弱、太阳辐射强、特殊的天气系统等气象条件有关（Lin et al.，2021）.20202021

21、年臭氧污染情况有所好转，最高值降低，但出现臭氧高值的持续时间变长，且时间有所提前，甚至2021年2月出现了较多超标现象，导致全年均出现了臭氧高值.图1b是20152021年广州市臭氧浓度的年际-日变化图.近7年来，每日高臭氧浓度出现的时间段在 午后，有较明显的延伸趋势，逐年平均的每日臭氧小时浓度高值时间窗逐渐扩大.2015年臭氧高值（大于100 g m-3）出现在12：0015：00，高值时间窗仅为3 h，而2021年臭氧高值的出现时间为11：0018：00，时间窗延长到5 h.图2a是20152021年广州市PM2.5浓度的年际-月变化图.近7年来，PM2.5浓度显著下降，20152018年

22、春、冬季节颗粒物污染问题严重，夏季颗粒物污染问题有所减轻.2019年以后，除冬季外，其他时段PM2.5浓度明显下降，超标天数逐年减少，2021年平均浓度最低.图2b是20152021年广州市PM2.5浓度的年际-日变化图.近7年来，PM2.5浓度有较明显的降低趋势，20152018年在20：000：00会出现PM2.5浓度高值，这是由于广州夜间有大型运输车辆进城、建筑工地的施工产生扬尘以及交通运输造成汽车尾气排放，且夜间边界层高度低，有利于PM2.5在边界层内积累.2019年后全天的PM2.5浓度基本维持在较低的水平，2020年PM2.5污染最少，全天逐小时浓度几乎都在25 g m-3以下，2

23、021年浓度略有回升.按照国家 环境空气质量标准（GB3095-2012）二级标准，使用广州市20152021年逐时污染物数据可统计各污染物的逐年超标率，如图3所示.20152021年广州市AQI整体呈下降趋势，2015年空气质量最差，全年超标率高达26.1%，2020的AQI达到最低值6.83%，2021年略有回升，这可能与2020年新冠疫情的全国大流行导致人为排放和人类活动减少有关.PM2.5和PM10与AQI有相同的变化趋势，超标天数均在2020年 最低，随后回升.臭氧日最大8 h滑动平均浓度（O3_8 h）呈相反趋势，超标率逐年增加，2019年达到最大的14.56%，随后2020年下降

24、到9.84%，可能与疫情导致的人为排放臭氧前体物（NOx和VOCs）减少及有利于污染清除的气象条件有关，2021年与2020年基本持平.近年来，O3逐渐成为首要污染物，2021年环境空气质量6种污染物超标率最大的为O3_8 h（9.59%），其次是PM2.5_24 h（1.37%）和PM10（1.37%），SO2、CO和NO2浓度均未超标.441 期刘南希等：20152021年广州市臭氧和PM2.5复合污染特征及天气分型研究图120152021年广州市臭氧浓度的年际-月变化（a）及年际-日变化（b）Fig.1Ozone concentrations in Guangzhou during 20

25、152021（a.the interannual changes in annual cycle，b.interannual changes in daily cycle）45环境科学学报43 卷3.2广州市出现臭氧和PM2.5“双高”的统计特征“双高”日是指在该日同时出现PM2.5和臭氧超标的情况.按照 GB3095-2012的二级标准（如果某日臭氧日最大8 h滑动平均值浓度大于160 g m-3，则认为该日出现了臭氧污染；PM2.5的24 h平均值超过75 g m-3，则认为该日出现了PM2.5污染），图4统计了20152021年各月份出现“双高”的天数.20152021年“双高”日数总共

26、为29 d，主要集中在20152018年的35月和810月.以上研究表明，广州市的PM2.5呈逐年下降趋势，这就造成了达到PM2.5污染标准的天数逐渐降低，同时出现PM2.5和臭氧的复合污染的天数显著降低，甚至2019年以后基本没有“双高”日.为了更好地探究出现同时污染的天气型，本研究选取以每年的O3_8 h和PM2.5的第85分位数作为该年“双高”日选取的标准.这样选择可以避免由于广州市近年来PM2.5污染状况转好而使PM2.5超标日数值减少，导致“双高”日天数过少无法应用于探究PM2.5和臭氧同时出现相对高值的情况.如图5所示，根据双第85分位数筛选结果，20152021年共有107 d出

27、现“双高”污染，主要集中在春季（34月）和秋季（911月），夏季最少.秋季的“双高”天数占了全年的 54.2%，超过了全年的 1/2.11月出现“双高”天数最多，其次是 9月.图220152021年广州市PM2.5浓度的年际-月变化（a）及年际-日变化（b）Fig.2PM2.5 concentrations in Guangzhou during 20152021（a.the interannual changes in annual cycle，b.the interannual changes in daily cycle）图320152021年广州市各污染物超标率分布图Fig.3Dist

28、ribution of standard-exceeding rate of pollutants in Guangzhou from 2015 to 2021461 期刘南希等：20152021年广州市臭氧和PM2.5复合污染特征及天气分型研究因此，秋季是广州市复合污染防控的重点时段.随年份来看，O3_8 h的第85分位数逐年波动上升，从129.55 g m-3增长到146 g m-3，PM2.5的第85分位数逐年波动下降，从57.49 g m-3下降到36.93 g m-3.20152021年的“双高”天数大多数集中在1218 d，2019年的911月份出现了较为严重且较长时间的复合污染天

29、气，这与该时段不利的扩散条件有关（Ouyang et al.，2022）.3.3臭氧、PM2.5及“双高”点与气象因素的关系研究表明，除受前体物排放的影响外，臭氧与气温、相对湿度、风速、太阳辐射强度、日照时数等气象因子关系密切，高浓度臭氧的区域往往对应了高温低湿的气象条件（刘建等，2017；黄俊等，2018；Lu et al.，2019；钱悦等，2021）.气温可以在一定程度上反映太阳辐射的强度，太阳辐射强度影响着光化学反应速率（夏冬等，2019）.同时，一定温度范围内，温度增加也将促进植被VOCs和土壤NOx等臭氧前体物自然来源的图4根据国家标准筛选的20152021年“双高”天数分布图Fi

30、g.4Distribution of“double high”days in 20152021 determined according to national standards图5根据“双高”85分位数筛选的20152021年“双高”天数分布图（a）、“双高”天数逐年柱状图（曲线表示臭氧和PM2.5对应的第85分位值的逐年变化）（b）及“双高”天数逐月柱状图（c）Fig.5The count of“double high”days for each month and year in 20152021（a），the“double high”days are determined as oz

31、one and PM2.5 concentrations both show higher values than the annual 85th high level，distribution of“double high”days for yearly（the curve represents the annual change of the annual 85th high level corresponding to ozone and PM2.5）（b）and distribution of“double high”days for monthly（c）47环境科学学报43 卷排放，

32、造成臭氧增加.大气中的水汽不仅可以影响光化学反应强度，也可以在一定条件下通过反应消耗臭氧.同时，较高的相对湿度有利于湿沉降作用的发生，不利于近地面臭氧的积累，往往对应着较低的臭氧浓度（曹庭伟等，2018；Wang et al.，2021）.图6a是20172021年广州市逐时臭氧浓度与温度和相对湿度的散点图，可以看出高浓度的臭氧主要集中在较高温度和较低湿度的区域.当温度达到30 以上，相对湿度在图620172021年广州市逐时臭氧浓度与温度和相对湿度的散点图（a）、逐时PM2.5浓度与温度和相对湿度的散点图（b）及“双高”点与温度、相对湿度之间的关系及落入对应区间内的概率（c）Fig.6Sca

33、tter plot of hourly ozone concentration versus temperature and relative humidity（a），scatter plot of hourly PM2.5 concentration versus temperature and relative humidity in Guangzhou from 2017 to 2021（b）and the probability of“double high”day occurrence in different temperature and relative humidity ra

34、nge（c）481 期刘南希等：20152021年广州市臭氧和PM2.5复合污染特征及天气分型研究40%60%的区域内极易出现高浓度臭氧污染，这与安俊琳等（2009）发现的当相对湿度在60%左右时，光化学反应的发生强度存在达到上限这一结论相吻合.同时过高的温度也会抑制植被VOCs的排放速率，不利于臭氧生成.图6b为20172021年广州市逐时PM2.5浓度与温度和相对湿度的散点图，PM2.5及其二次组分与相对 湿度、温度之间存在复杂的和较强的非线性关系（刘可欣等，2021），没有类似于臭氧与相对湿度、温度之间那样较为明显的关系.高浓度的PM2.5主要分布在温度为1828 和相对湿度为30%70

35、%的范围内，这主要是受到广州的地理位置的影响，在该范围内的样本数量较多，分布密集.与此同时，在温度为515 和相对湿度为80%100%的范围内，也出现了部分PM2.5的高值，这些点主要反映了广州冬季的情况，温度偏低，而且空气中水分含量较高，促进颗粒物吸湿增长，导致近地面PM2.5的积累.图6c为“双高”点与温度、相对湿度之间的关系及落入对应区间内的概率，可以发现复合污染发生的 范围主要在温度为1535，相对湿度为20%60%.其中，在温度为3035，相对湿度为20%30%时，“双高”日出现的概率高达50%，但这个范围的样本量很少，代表性高不足.其次是在温度为2530，相对湿度为40%50%时，

36、“双高”日出现的概率也高达44.41%.在温度为2030，相对湿度为30%50%时，“双高”日 出现的概率均达到30%以上，极易出现二者质量浓度同时超过污染限值的大气复合污染事件，证明这种 气象条件十分有利于臭氧和PM2.5的生成.3.4客观天气分型结果3.4.1广州市全年出现“双高”污染的天气分型利用SOM对研究区域20152021年的海平面气压场进行客观分型，样本总量一共2557个.根据第85分位数进行“双高”污染天气筛选，得到样本量一共107个.经过客观天气分型后，得到4种天气型，分别是高压底后部型、变性高压脊型、副高台风外围型、冷锋前部型，分别如图7和图8所示，具体描述如下：SOM1为

37、高压底后部型，共出现48 d，发生天数的比例为44.86%，是出现比例最大的天气形势.该类型主要发生在秋、冬两季，夏季基本没有出现.高压底后部型发生时高压中心位于华北-渤海一带，中心气压最大值不高，平均为10241026 hPa，广州位于高压中心底后部，受冷高压中心南伸的脊区控制.在秋、冬季时，晴朗干燥，低层为东北风，有利于上游的污染物输送和本地排放累计.SOM2为变性高压脊型，共出现33 d，发生天数的比例为30.84%，是出现比例较大的天气形势.该类型主要发生在春、秋两季.变性高压脊型是指在寒潮爆发的末期，冷高压东移南下，变性出海，冷高压强度有所减弱，但大湾区低空依然受到回流东北风影响，风

38、速较小，气流携带海上水汽输送到广东，造成近地面湿度较高，促进PM2.5颗粒物吸湿增长，易出现复合污染.SOM3为副高+台风外围型，共出现21 d，发生天数的比例为19.63%，该类型主要发生在夏、秋两季，其中9月发生次数为11 d，占全年的52.4%.副高+台风外围型表现为广东省被西太平洋副热带高压控制，而且在15N以北、120E以东的洋面上存在热带气旋，大湾区同时处在台风外围和副高的下沉气流区，云量少，且以静小风天气为主，易出现高温、晴朗和闷热的天气，太阳辐射强度高，有利于臭氧光化学反应生成.同时下沉气流不利于污染物的水平和垂直的输送和扩散，从而造成污染物在广州的积累.SOM4为冷锋前部型，

39、共出现5 d，发生天数的比例为4.67%，该类型主要发生在秋、冬季.冷锋前部型是指大湾区地区处在冷锋前部，锋面对应的低压位于内蒙古东北部地区，冷高压和冷空气强度较弱，主体 偏北，本地对应的500 hPa等高线稀疏，气压梯度较弱.在此期间大陆冷空气还未到达本地，广州市温度整体偏高，且以静小风天气为主，由于受到弱东北气流的控制，地面出现弱风场辐合带，有利于污染物往本地 输送形成高“双高”污染区.广州市发生“双高”污染时高压底后部型出现次数最多，其次是变性高压脊型和副高+台风外围型，冷锋前部型发生次数最少.各种类型“双高”污染的季节特征显著.其中，高压底后部型主要发生在秋、冬季，变性高压脊型主要发生

40、在春、秋季，副高+台风外围型主要发生在夏、秋季，冷锋前部型主要发生在秋、冬季.49环境科学学报43 卷3.4.2广州市秋季出现“双高”污染的天气分型秋季的气象因素有利于珠三角地区高浓度臭氧和PM2.5 同时出现（Ding et al.，2013；Wang et al.，2017）.颜丰华等（2021）统计了20132017年珠三角地区的复合污染事件，发现复合污染主要发生在主城区且秋季更为频繁（52%）.从3.2节可知，广州秋季“双高”污染出现的 天数占全年的54.2%，且为了消除不同季节对分型结果的影响，本研究进一步剖析了秋季“双高”污染的客观天气分型特征.利用SOM对研究区域20152021

41、年秋季的海平面气压场进行客观分型，样本总量一共637个，根据第85分位数进行“双高”污染天气筛选，得到样本量一共41个.经过客观天气分型后，得到2种天气型，分别是副高+弱冷高压脊型和副高+台风外围型，如图9所示.图10是2种天气型对应的同时段气象场，具体描述如下：SOM1为副高+弱冷高压脊型，共出现22 d，发生天数的比例为53.7%.该类型主要发生在秋末，11月 发生次数为11 d，占整个秋季的50%，表现为华南地区被西太平洋副热带高压控制，副高位置偏北且范围大，图7各天气型发生次数随月份的分布Fig.7Distribution of occurrence times of each wea

42、ther pattern with month图820152021年广州市“双高”污染发生时天气环流形势（图中填色为海平面气压，等值线为500 hPa位势高度场，箭头为风10 m矢量，蓝色的五角星为广州市的位置，左上角为SOM类型以及其发生天数的比例）Fig.8Synoptic circulation pattern during“double high”pollution in Guangzhou from 2015 to 2021（the filled color in the figure is the sea level pressure，the isoline is the 500h

43、Pa potential height field，the arrow is the wind 10m vector，the blue five pointed star is the location of Guangzhou，and the upper left corner is the type of SOM and the proportion of its occurrence days）501 期刘南希等：20152021年广州市臭氧和PM2.5复合污染特征及天气分型研究同时内蒙古东北部地区又存在一个强度偏弱的冷高压，向南伸出的弱冷高压脊.广州市以弱偏北风为主，且上空为下沉气流，

44、易造成外来污染物的输送和在广州市的积累.由图10a10d可知，大湾区温度显著偏高，湿度低，湿清除能力弱，广州上空的基本无云，太阳辐射强，整个广东省近地面出现大范围下沉运动.SOM2为副高+台风外围型，共出现19 d，发生天数的比例为46.3%，该类型主要发生在初秋，9月发生次数为17 d，占整个秋季的89.5%，表现为广东省被西太平洋副热带高压控制，而且在20N以北、120E以东的洋面上存在一个热带气旋，大湾区同时处在台风外围和副高的下沉气流区.由图10e10h可知，大湾区 温度整体偏高，湿度低，湿清除发生的次数少，广州上空的基本无云，日照时间长.整个广东省垂直速度以 负值为主，即近地面出现大

45、范围下沉运动，这与广州初秋“双高”污染过程的天气条件对应.广州市秋季发生“双高”污染时，出现上述两种类型的次数相当，共同点是都以高压系统下的均压场控制为主，水平气压梯度力较小，风速较弱.由图10a和10e可知，最显著的区别是两种类型的发生时间，图10e对应的整体温度显著高于图10a，这是因为副高+台风外围型发生在初秋，而副高+弱冷高压脊型发生在秋末.在初秋，广州常受到台风外围影响，而在秋末，广州常受到北方冷空气影响，因此形成了两种不同的类型.图920152021年广州市秋季“双高”污染发生时天气环流形势（同图8）Fig.9Synoptic circulation pattern during“

46、double high”pollution in autumn in Guangzhou from 2015 to 2021（same as Fig.8）图10SOM1和SOM2对应的950 hPa温度（a、e）、950 hPa相对湿度（b、f）、950 hPa云量（c、g）、950 hPa垂直速度（d、h）Fig.10SOM1 and SOM2 corresponding 950 hPa temperature（a，e），950 hPa relative humidity（b，f），950 hPa cloud amount（c，g），950 hPa vertical velocity（d，h

47、）51环境科学学报43 卷对全年“双高”污染进行客观天气分型的结果和秋季客观分型的结果略有差异，这是由于SOM算法分类结果是与分类个数相关的，两次分型时的分类个数不同，因此结果有也不同.另外，进行分类的样本也不同，全年样本个数为107 d，秋季样本个数仅有41 d.不仅如此，全年的4个天气型是由多个相似的天气型相加 平均后得到的，因此可能会受到不同季节相互干扰的影响，比如在同一个天气型中秋季的北风分量与夏季的南风分量进行相互抵消等.4结论（Conclusions）1）20152021年广州市臭氧浓度呈上升趋势，且臭氧小时浓度在每日的高值时间窗有明显延长趋势.PM2.5浓度逐年显著下降，春、冬季

48、污染依然存在，但夏季污染明显减轻，全天逐小时浓度基本都在25 g m-3以下.AQI呈逐年下降趋势，臭氧逐渐取代PM2.5成为首要污染物.2）“双高”日集中在春季和秋季，且秋季天数超过了总数的1/2.臭氧高值主要集中高温低湿的区域.当 温度达到30 以上，湿度在40%60%时，极易出现高浓度臭氧污染.PM2.5浓度与温度、湿度的关系不明显.当温度为2030，湿度为30%50%时，“双高”日出现的概率达到30%以上，极易出现复合污染事件.3）本研究发现在所有“双高”污染过程中，主要天气分型依次为：高压底后部型（秋冬）、变性高压脊型（春秋）、副高+台风外围型（夏秋）和冷锋前部型（秋冬）；秋季发生“

49、双高”污染时天气分型依次为：副高+台风 外围型（初秋）和副高+弱冷高压脊型（秋末）.本研究利用多年地面大气环境实测数据结合再分析资料，在引入自组织神经网络（SOM）算法基础上 研究了不同天气型、不同气象要素（气温、相对湿度）阈值等对发生“双高”事件的概率贡献，研究成果有助于学界对“双高”污染事件发生特征、气象条件、机理等方面的认识.但仅从天气条件角度开展“双高”事件成因 机理研究，实际上不同天气条件下大气氧化性有所变化，因此，天气条件影响里面实际上有一部分是化学的贡献，这在本研究中未单独进行剖析，有必要在后续研究中，从PM2.5和O3“双高”事件气象条件下二者共同的前体物（如VOCs）对臭氧或

50、SOA的生成速率等方面开展深入研究，从而进一步深化对“双高”事件成因的认识.参考文献（References）：安俊琳，王跃思，孙扬.2009.气象因素对北京臭氧的影响J.生态环境学报,18(3):944-951Atkinson R.2000.Atmospheric chemistry of VOCs and NOxJ.Atmospheric Environment,34(12):2063-2101曹庭伟，吴锴，康平，等.2018.成渝城市群臭氧污染特征及影响因素分析J.环境科学学报,38(4):1275-1284陈多宏，沈劲，陈瑶瑶，等.2022.2020 年珠三角区域臭氧污染特征及主要成因分