基于 K -means聚类分析法的肇庆市干季PM 2.5 污染天气分型研究

通过分析肇庆市2013-2018年国控大气环境监测站的PM2.5连续监测数据，发现肇庆市区PM2.5浓度在干季（10月-次年4月）明显高于其余月份，轻度以上污染基本发生在干季，且PM2.5浓度对年总浓度贡献达70.8%.基于Era-interim再分析资料采用K-means聚类分析法对2013-2018年干季逐日的海平面气压和10 m水平风进行分型，揭示了肇庆市易出现PM2.5污染的6种大气环流形势，包括冷锋前部（CF）、变性高压脊（THR）、脊后槽前型（BRFT）、高压底后部（HSW）、弱冷高压脊（HR）和台风外围型（TP）.2013-2016年易污染天气型影响天数呈明显减少趋势，2017-2018年呈增加趋势.不同天气型PM2.5浓度与局地气象要素相关性不一致，其中CF、HR、HSW、TP天气型与湿度相关性最好，THR与风速、BRFT与气压相关性最好.PM2.5污染除BRFT天气型主要以本地排放累积影响为主，其余易污染天气型存在不同尺度的外来输送影响，HSW、HR主要来自广州、清远、韶关，CF主要来自佛山、中山，THR来自广州、清远、佛山.同一污染天气型在不同月份的污染影响差异较大，其中HSW、THR污染型主要影响1月和10月，CF为1月和12月，HR为2月和12月，TP为10月，BRFT为1月和10-11月.不同年份的同一月份造成不同程度的PM2.5污染除了排放影响，还与天气环流类型和同一天气型下的局地气象要素密切相关.