李恬，李怀刚，栾兆鹏，张永婧，王洪

1. 山东省济南市气象局，山东 济南 250102；2. 山东省气象信息中心，山东 济南 250031；3. 山东省泰安市气象局，山东 泰安 271000；4. 山东省人民政府人工影响天气办公室，山东 济南 250031

获取大气连续的温、湿廓线数据，对于认识各种尺度的天气演变过程、做好临近天气预报以及数值模式结果的检验具有重要意义。研究证明，利用遥感的方式可以经济、快捷地实现连续监测大气的变化。地基微波辐射计是一种被动式微波遥感设备，它能够反演获得大气不同高度的温度、湿度、水汽密度和液态水含量等数据的瞬时值，得到连续时间内的大气垂直结构，时间和空间分辨率都很高，弥补了常规探空资料的时间分辨率不高不连续的缺点（Ware et al.，2003；Crewell et al.，2007；Tan et al.，2011；Löhnert et al.，2012）。一方面，微波辐射计对于认识季节性、空间性和地域性的大气层结特征和云微物理特征，以及对水汽和液态水含量等数据的观测在短时对流天气临近预报中具有一定的指导作用（Chan，2009；王叶红等，2010；Chakraborty et al.，2014；张秋晨等，2017a）；另一方面，由于其能够较好地探测边界层直至对流层中的温度和湿度变化，微波辐射计数据还被应用在雾霾天气的大气垂直结构观测分析中。京津冀、长三角、珠三角等地的研究人员已经开展了一些对污染天气个例的探测分析研究（邓涛等，2014；郭丽君等，2015；赵金霞等，2015；李力等，2016；蒋永成等，2019）：微波辐射计探测的温度和相对湿度在指示雾的发展演变过程中具有较好的一致性（郭丽君等，2015）；污染物浓度变化与逆温层强度呈显著的滞后正相关，中-重度污染对应的逆温层阈值一致，轻度污染对应的逆温层阈值明显较小（李力等，2016）；污染时边界层内的垂直温差可以一定程度反映干季的垂直扩散条件（蒋永成等，2019）。利用微波辐射计研究污染天气大气垂直结构特征是一种可行且有效的观测手段。

济南市地处山东省中西部，北临黄河，中部为山前平原带，南部为丘陵山区带，地形条件复杂，加之受气象条件与大气污染物排放的共同影响（李恬等，2016；孙玉伟等，2012），该地区的污染天气具有混合型污染的特征（李敏等，2018；张佃国等，2011）。现阶段，利用微波辐射计资料研究较长时间序列的污染天气大气垂直结构特征的研究较为鲜见，且还没有相关研究对济南地区的大气污染廓线特征进行统计分析。本研究利用微波辐射计资料，结合污染观测数据，分析了不同污染条件下大气的温、湿特征，提供一些定量统计指标，旨在总结出不同污染条件下大气的平均温、湿结构特征，为深入研究济南地区污染天气大气的垂直结构、污染天气的监测预警和新型探测设备在济南地区的应用提供科学依据。

1 数据与方法

1.1 数据与质量控制

图1 监测站点位置分布Fig. 1 The location of observation stations

本研究利用了2018年9月—2019年8月济南地区逐日QFW-6000型微波辐射计温、湿廓线数据、污染监测数据（AQI、PM2.5、PM10）和L波段探空雷达数据进行分析。目前国内研究应用较多的是美国MP-3000A型和德国RPG-HATPRO型微波辐射计，国产QFW-6000型微波辐射计在国内的应用研究较少。QFW-6000型微波辐射计安装在济南市平阴气象观测站（图1 A点所示），该仪器采用并行测量技术体制，具有天顶观测和边界层扫描两种观测模式，V 波段（51—59 GHz）和 K 波段（22—31 GHz）各有8个通道，温度和湿度数据的时间分辨率为5 min，从地面至10 km内共有53层，2 km以下分辨率为100 m，2—10 km的分辨率为250 m。根据微波辐射计的位置选取临近的污染数据监测点，采用与微波辐射计数据相同日的平阴城区环境监测站（图1 B点所示）的逐日AQI均值和首要污染物数据。L波段探空数据（图 1 C点所示）用于与QFW-6000型微波辐射计反演廓线进行对比，观测时次为每日08:00和20:00。该型号微波辐射计厂家对廓线的反演算法是依据L波段雷达探空点的历史探空数据，且L波段探空数据的垂直分辨率较高，所以结合L波段探空资料进行微波辐射计反演数据的可用性分析依然是较好的选择（张文刚等，2013；张佃国等，2017）。不同天气现象（晴天、阴天、降水）均会对其反演精度造成一定影响，整体上反演的温度、水汽密度和相对湿度与实际观测探空结果之间的偏差在无降水天气时相对较小；微波辐射计对相对湿度的反演误差整体上高于温度和水汽密度（徐桂荣等，2010；丁虹鑫等，2018）。因此，本研究利用的微波辐射计反演数据经去除研究时段内的降水日数据、去除缺测数据、剔除奇异值数据等步骤的质量控制后，保留微波辐射计与探空数据对应时次的温度、相对湿度相关系数大于0.7的数据所在日的廓线数据。

1.2 污染条件分类

按不同首要污染物和不同污染等级将2018年9月—2019年8月逐日数据分为两大类，其中不同首要污染物按 PM2.5和 PM10划分，不同污染等级按空气质量为优-良（AQI＜100），轻-中度污染（100≤AQI≤200）和重度污染（AQI＞200）进行划分（GB3095—2012环境空气质量标准，2012）。依据上述污染条件对质量控制后的廓线值进行分类，统计天数如图2统计所示。其中，用1—2和12月数据代表冬天，6—8月代表夏天，除了重度污染8天均出现在冬季之外，其它污染条件数据每季均有。

1.3 数据的一致性分析

图2 不同污染条件的天数Fig. 2 The number of days under different pollution conditions

图3 L波段探空与微波辐射计数据0—10 km高度层温度（a、b）、相对湿度（c、d）的平均误差和均方根误差Fig. 3 The mean errors and root mean square errors of temperature (a, b) and relative humidity (c, d) between L-band sounding and microwave radiometer data under 10 km

图3表示0—10 km温度和相对湿度的平均误差（Mean Errors，ME）和均方根误差（Root Mean Square Errors，RMSE）。温度的平均误差在0.25—1.55 ℃之间波动，相对湿度的平均误差在-15%—10%之间波动（图3a、c）；在3 km以下，温度与相对湿度为均方根误差分别＜2.5 ℃和＜30%（图3b、d）。综合比较白天（08:00）夜间（20:00）的反演误差，温度白天的反演精度高于夜间，相对湿度白天夜间的差别并不大（平均误差5%—10%）。综上，QFW-6000型微波辐射计反演的温度和湿度误差在该类仪器正常的误差范围之内（徐桂荣等，2010；张秋晨等，2017b）。由于微波辐射计安装地点与探空测站存在距离差异，因此两者数据存在一定误差也是合理的。

2 结果与讨论

2.1 不同污染条件的温、湿廓线

对不同首要污染物条件下微波辐射计反演的温、湿廓线值先做日平均，再做总平均，求得平均廓线如图4所示。两种不同首要污染物条件下的温度均随高度呈线性递减趋势，2 km以下，PM10为首要污染物时的温度高于 PM2.5为首要污染物，两者温差在近地面层相差3 ℃左右，差值随高度逐渐减小，2 km以上，两者温度廓线值相差不大（小于0.3 ℃）；相对湿度随高度的变化规律与温度不同，即 PM10为首要污染物时近地面层的相对湿度低于PM2.5为首要污染物时10%—20%，差值随高度总体呈减小的趋势，直至7 km左右两者差异小于5%。相关研究结果表明PM2.5的平均含水量要高于PM10（Hueglin et al.，2004），这可以初步解释图4中PM2.5为首要污染物时的相对湿度高于 PM10为首要污染物的原因。

图5 的计算方法同图 4，即取优-良（AQI＜100）、轻-中（100≤AQI≤200）、重度污染（AQI＞200）3 种AQI等级下温、湿廓线的平均值。AQI等级在优-良、轻-中、重度污染及以上时近地面的温度分别为0、13、20 ℃，温度廓线基本随高度呈线性递减趋势，但各等级之间的温差值随高度变化不大；5 km以下，重度污染的相对湿度最大，其次是轻-中和优-良，两者的湿度差值在 10%以内。虽然 AQI＞200的污染事件均集中于冬季，但是在近地面层该等级的相对湿度与其它污染等级相比却是最大的。综合图4、5可知，在不同污染条件之下，4—5 km以下温度和相对湿度的差别均较大。这个现象反映了不同污染条件下温、湿廓线的分布，与边界层内的污染物浓度的垂直分布和大气中低层天气系统的配置有一定关系。

图4 不同首要污染物条件下温度和相对湿度廓线Fig. 4 The profiles of temperature and relative humidity under the condition of different primary pollutant days

图5 不同污染等级条件下温度和相对湿度廓线Fig. 5 The profiles of temperature and relative humidity under the condition of different pollution levels days

2.2 冬、夏季不同污染条件下的温、湿廓线

济南地区的污染气候特征为冬夏季差异明显，春秋季差异不大（李恬等，2014）。将不同污染条件进一步按冬、夏进行季节分类，探究大气温、湿廓线的气候特征（图6），并做定量分析。从图6a、e中可以看到，不同首要污染物条件下，冬、夏季温度廓线各层温差值在1 ℃之内；不同污染物等级条件下，冬季的温度廓线差别不大，夏季（无重度污染天气）的温度廓线差值在1—2 ℃之间（图6c、g）。结合图6b、f分析，无论冬季还是夏季，高度从地面延伸至6 km，PM2.5为首要污染物时的湿度廓线值均大于 PM10为首要污染物时，近地面差值在 10%—20%；结合图6d、h分析，冬季2.5 km以下相对湿度大小依次为重度污染＞轻-中＞优-良，夏季（无重度污染天气）则相反。综上，不同污染条件下边界层内的温、湿廓线具有明显的冬夏季节差异：冬季AQI等级为重度污染时，边界层内湿度相对较大（＞60%，1.5 km以下均值为72%），夏季AQI等级为优-良时，边界层内湿度较大（＞60%，1.5 km以下均值为66%）；冬季与夏季边界层内 PM2.5为首要污染物时相对湿度均大于 PM10。另外，冬季 PM2.5为首要污染物和轻-中污染时的温、湿廓线具有相似性，相关系数达0.85，夏季 PM10为首要污染物和等级为优-良时的温、湿廓线相似性为 0.72。这是因为通过统计数据文件发现，冬季污染等级为轻-中时82%为PM2.5为首要污染物影响，夏季污染等级为优-良时 63%为PM10为首要污染物影响。

2.3 边界层内温、湿廓线的日变化

边界层内温、湿的变化与大气污染程度密切相关。利用微波辐射计高时间分辨率的优点，探究不同污染条件下 0—3 km不同高度的温度和相对湿度一日逐小时的变化特征，如图7所示（北京时，下同）。不同高度下，温度的日变化（图 7a—d）均呈现“一峰一谷”的特征，在 04:00—06:00出现日最小值，13:00—14:00出现日最大值。按不同首要污染物划分时，PM2.5为首要污染物时的逐小时相对湿度基本均大于 PM10为首要污染物时，1 km以下两者差值在10%—20%，1 km以上差值小于 10%；按不同污染等级划分时，不同高度的逐时相对湿度数值大小依次为重度污染＞轻-中＞优-良。在近地面及3 km高度，除重度污染条件下，其它污染条件下不同高度的相对湿度日变化也呈现“一峰一谷”的特征（图 7e—h），相对湿度在04:00—06:00出现日最大值，在13:00—14:00出现日最小值，但在1 km及2 km处，相对湿度在04:00—06:00出现日最小值，13:00—14:00出现日最大值，后文结合垂直廓线进一步说明。重度污染条件下，除近地面层之外，其它高度层的相对湿度日变化特征均不明显。

图6 不同污染条件下冬季（a—d）和夏季（e—h）的温度和相对湿度廓线Fig. 6 The profiles of temperature and relative humidity under different pollution conditions in winter (a-d) and summer (e-h)

用每天4个时次（02:00、08:00、14:00、20:00）作为代表时刻，对比0—3 km内的相对湿度廓线日变化特征（图8）。PM2.5为首要污染物时（图8a）与PM10为首要污染物时（图8b）边界层内相对湿度廓线的日变化具有相似的特征：PM10为首要污染物时边界层内各层相对湿度约小于 PM2.5为首要污染物时10%—15%，近地面层相对湿度在02:00最大，14:00最小；02:00、08:00和20:00相对湿度基本上随高度呈递减的趋势，14:00相对湿度在1.3 km左右以上随高度递减，1.3 km左右以下随高度呈递增的趋势，呈现一定的逆湿。日出之后由于太阳辐射的作用，随着近地面层的加热，大气湍流作用增强，易将近地面层的水汽分子带到高层。图 8c—e再次说明不同污染等级下近地面层相对湿度依次为重度污染＞轻-中＞优-良，优-良、轻-中等级的相对湿度廓线形态具有相似的特征：近地面层相对湿度在02:00最大，14:00最小。重度污染情况下，4个时次内边界层内相对湿度廓线的差异均小，随高度呈递减的趋势，递减率约为3%·hm-1—5 %·hm-1。济南重度污染天气中近地层大多具有雾霾混合现象，配合高空静稳的天气形势，大气边界层内湍流作用很弱，湿度较大（李敏等，2018）。可见，大气边界层内湿度大，且湿度廓线日变化及垂直变化率均较小是 AQI＞200重污染天气发生及持续的重要气象特征。

图8 不同污染条件一日4个时次的相对湿度廓线Fig. 8 The profiles of relative humidity at four times a day under different pollution conditions

图9 不同污染条件下一日4个时次的温度垂直递减率廓线Fig. 9 The profiles of the lapse rates of temperature at four times a day under different pollution conditions

用4个时次垂直温度递减率廓线描述边界层内温度的垂直日变化特征。大气温度垂直递减率定义为：γ=-dT/dz，其中，T为整百米高度上的温度值，dT为相邻两个高度上温度差值，dz是 100 m。图9a、b显示，PM2.5为首要污染物时4个时次0—3 km内的温度垂直递减率随高度在 0.4—0.5 ℃·hm-1之间波动，PM10为首要污染物时在 0.5—0.6 ℃·hm-1之间波动，1.5 km以下越靠近地面，各时次温度递减率差异较大，说明近地面层湍流作用较强，近地层02:00的温度递减率最小，14:00温度递减率最大。随着太阳辐射增加（02:00—14:00），温度垂直递减率有增大的趋势，随着太阳辐射减小（14:00—20:00），温度垂直递减率亦有减小的趋势。根据不同污染等级的递减率分析，AQI＜200时（图 7c—d），亦有上述相似的规律。但是在 AQI＞200时的重度污染情况下（图9e），4个时次温度垂直递减率的廓线形态相似，0—3 km波动幅度在-0.3—0.6 ℃·hm-1之间，越接近地面，数值越小。08:00时400 m左右的温度递减率为负值，说明该时段近地层大气悬垂逆温现象明显。结合图9c—e中AQI等级与温度垂直递减率的关系，进一步分析其相关性。研究时段内 0—3 km 温度递减率的日均值与AQI指数的散点图如图10所示，可见AQI指数与0—3 km 内温度垂直递减率相关性为-0.44（通过99.5%的显著性检验）。因此，温度垂直递减率可以较好反应污染大气的稳定程度，污染等级越高，边界层内湍流扩散作用越弱，温度垂直递减率越小。

3 结论

不同污染条件下大气垂直温、湿差异主要集中在4—5 km以下。不同首要污染物条件下，PM2.5为首要污染物时大气近地面层的相对湿度高于PM10为首要污染物时约15%，大气近地面层的温度较PM10为首要污染物时低约3 ℃；不同污染等级条件下，湿度廓线在AQI＞200时较AQI＜200时差异显著，重度污染虽然多发于冬季，但是其湿度廓线的数值却是较大的，5 km以下在50%—80%之间。

图10 AQI指数与3 km下温度垂直递减率的散点图Fig. 10 Scatter diagram of AQI value and the lapse rates of temperature under 3 km

不同污染条件下大气边界层内温、湿廓线均具有一定的季节差异和日变化差异。冬季，AQI等级为重度污染时，边界层内湿度较大（＞60%），夏季，AQI等级为优-良时，边界层内湿度较大（＞60%）；冬、夏季边界层内 PM2.5为首要污染物时相对湿度均大于 PM10为首要污染物时；AQI指数值与边界层内温度垂直递减率呈显著负相关，AQI＞200的重污染天气中边界层内温度的垂直递减率和其日变化均最小。

对地基 QFW-6000型微波辐射计反演的不同污染条件下的温、湿廓线资料进行分析，能够探究污染天气大气温、湿的季节和日变化特征，集其高时空分辨率的优势开展污染天气大气垂直探测具有较高的可行性和科学性。另外，本研究对不同污染条件下廓线的特征分析是比较粗略的，更长时间序列的特征及机理分析有待下一步继续细化研究。