1. 引言
地气温差(Ts-Ta)是表征地表加热状况的重要指标，地气温差的正负和变化趋势基本上反映了地表感热通量的变化情况 [1] [2]。在陆气相互作用过程中，感热通量能够直接影响边界层的高度、结构和特征，进而影响大气湍流、混合层厚度等气象条件 [3] [4]。空气质量与污染物的排放浓度、气象条件等有密切联系 [5] [6]，大气稳定度、混合层厚度对污染物的稀释、扩散也能影响空气质量 [7] [8] [9]。所以，研究地气温差的分布特征能够在一定程度上反映空气质量的分布状况，对空气质量的预报等有重要的现实意义。
不同研究学者对不同地区的地气温差、感热通量的分布、变化特征进行了研究 [10] [11] [12] [13] [14]；周连童等 [15] 表明长江中下游地区春夏季地气温差与夏季降水存在正相关关系，华北地区有负相关关系；刘颖 [16] 指出青藏高原春季的地气温差与长江中下游地区夏季降水存在显著的正相关。在大气污染方面，国内学者对主要城市及城市群的空气污染问题进行了大量研究 [17] [18] [19]，分析讨论了不同污染过程的污染物浓度演变及其气象影响因子，郑庆锋等 [20] 基于上海地区AQI指数和风速、气温、相对湿度等气象要素，分析了上海地区空气质量变化特征以及气象要素对空气质量的影响；杨孝文等 [21] 通过对北京一次重污染过程的研究，发现稳高湿度低风速的地面气象条件等因素是造成此次大气重污染过程的主要原因；Wang等 [22] 研究表明行星边界层稳定，混合高度低，抑制了行星边界层的大气湍流，为霾的形成提供了有利的气象条件。
本文采用成都温江站(103.52 E、30.45N) 2014年逐时的气温、地面温度的地面气象观测资料和PM10、PM2.5的质量浓度数据分析地气温差变化特征，对地气温差与颗粒物浓度之间的关系进行分析，讨论成都地区地气温差对空气质量的影响。
2. 地气温差演变规律
2.1. 地气温差总体分布特征
图1为地气温差、气温和地温的频率分布直方图。从图1(a)可以看出，成都地区地面–大气之间的温差主要集中在−2℃~2℃之间，约占整个地气温差频率分布的70%。地气温差的年平均值为2.2℃，方差为16℃。根据图1(b)，成都地区的气温分布较为均匀，其中15℃~25℃占比较多，为48%左右。由图1(c)可知，成都地区的地表温度大多低于30℃，其中地温在20℃~24℃约为全年的16%，所占比例最高。
Figure 1. General distribution characteristics of Ts-Ta (a), Ta (b) and Ts (c)
图1. 地气温差(a)、气温(b)和地温(c)的总体分布特征
2.2. 地气温差年、季节变化特征
图2为成都地区2014年地气温差的年变化特征(a)和季节变化特征(b)。
Figure 2. Annual variations (a) and seasonal variations (b) of temperature
图2. 温度的年变化(a)和季节变化特征(b)
由图2(a)可以看出，成都地区地表温度呈现单峰型变化趋势先增温，在7月份达到最大值，然后温度开始降低。地气温差的变化呈现明显的双峰型。地表与大气之间的温差在5月份达到最大值，最大温差为3.96℃，11月出现地气温差的最小值，最小温差为0.98℃。从图2(b)中可知，地气温差在季节变化中先减小后增大，在秋季达到地气温差的最小值。虽然夏季接受到的太阳辐射最多，温度最高，但由于气温和地温都很高，所以地气温差在夏季并不是最大。春季地表接受的太阳辐射开始增加，地表温度上升，但气温的增温较慢，导致地面与大气之间的温差达到最大，虽然冬季的气温和地表温度都很低，地气温差并不是在冬季最小；但秋地温在秋季开始降低时，气温的降温相对较慢，所以导致秋季的地气温差最小。
2.3. 地气温差日变化特征
图3为成都地区2014年地面与大气之间温差的日变化和季节日变化特征。从图3(a)中可以看出地气温差先增加后减小，变化趋势大致是以14时为轴的对称图形。在日变化图中可知，地气温差在14时达到最大值，为8.31℃，同时可以看出，地面温度与气温在晚上8点到早上7点这段时间差异不大，地气温差基本在0℃左右。地温和气温的变化趋势大致相同，但气温的变化相对于地表温度的变化具有滞后性，这是因为太阳辐射加热地面，地面放出热量加热大气需要一定的时间。图3(b)为不同季节地气温差在的日变化特征。如图所示，四季地气温差日变化趋势相似，温差在四季都是在午后达到最大值，但在变化幅度上有明显差异，春季地气温差变化幅度最大，其变化幅度约为12.65℃，秋季变化幅度最小为5.43℃。
Figure 3. Diurnal variation (a) and seasonal diurnal variation (b) of Ts-Ta
图3. 地气温差日变化(a)和季节日变化(b)
3. 地气温差对空气质量的影响
以成都为经济中心的四川盆地已成为我国四大灰霾高发区之一。成都地区的大气污染以PM2.5和PM10为主，所以本文对空气质量的讨论主要是集中在颗粒物浓度的讨论上，以下是对颗粒物浓度变化的讨论。
图4为2014年成都地区颗粒物浓度和地气温差的年平均日变化图。从图中可知PM10和PM2.5浓度随时间的变化趋势大致相同；地气温差在日出后到傍晚这段时间有明显的变化，地面与大气之间的温差在午后到达最大值，夜间的地温与气温差异不大。从地气温差与颗粒物浓度的变化来看，在凌晨地气温差和颗粒物浓度的变化都不大；上午8时之后，地气温差开始增大，大气的湍流运动开始增强，随后颗粒物浓度出现显著降低，白天地气温差明显大于0℃，湍流较强，颗粒物逐渐降低；傍晚之后，地气温差接近于0℃，地面与大气的温度大致相等，此时湍流活动较弱，大气的扩散能力减弱，颗粒物不断累积，浓度在夜间大致呈现增加的趋势。地气温差和颗粒物浓度变化趋势并不一致，说明颗粒物浓度对地气温差的响应具有一定的滞后性。
为了了解地气温差与颗粒物浓度之间存在的关系，本文把地气温差从−4.5℃到28.5℃间隔1.5℃分成22个区间，分区间讨论与颗粒物浓度的关系。
Figure 4. Diurnal variation characteristics of Ts-Ta and particulate matter concentration
图4. 地气温差与颗粒物浓度的日变化特征
图5为PM10 (a)浓度和PM2.5 (b)浓度在不同地气温差区间上的分布图。从图中可以看出，低地气温差对应高的颗粒物浓度，随着地气温差的增大，颗粒物浓度逐渐减小。这是因为地面与大气之间的温度差异越大，说明地面对大气的加热作用越强，边界层顶偏高，边界层内湍流运动越活跃，有利于污染物在大气中的稀释、扩散，所以地气温差越大，观测到的颗粒物浓度就越低。
Figure 5. Scatter plot of particulate matter concentration in different regions of Ts-Ta
图5. 不同地气温差区间颗粒物浓度散点图
4. 空气质量优劣事件地气温差对比
成都地区影响空气质量的首要污染物通常为PM2.5，所以本文选取成都2014年冬季月份中最高和最低PM2.5浓度的5天进行个例分析，表1列出了2014年冬季月份PM2.5浓度最高和最低时对应的日期。
Table 1. Date of high and low PM2.5 concentration in winter
表1. .冬季月份高、低PM2.5浓度日期
利用表1空气质量最好(低PM2.5浓度)和空气质量最差(高PM2.5浓度)的5天，绘制这些天地气温差的平均日变化图。高PM2.5浓度的5天对应的日期是1月27日~31日，低PM2.5浓度的5天分别是12月10、11、16、17日，2月6日。
图6为典型事件中地气温差平均日变化特征图。从图6中可以看出，高PM2.5浓度的5天和低PM2.5浓度的5天平均日变化趋势相似，有显著的日变化特征。从图中可知高PM2.5浓度时的地气温差大部分时间都小于低PM2.5浓度时的地气温差，说明地气温差越大，空气质量越好，特别是在20时-次日8时，高、低PM2.5事件中平均地气温差分别为0.85℃和1.33℃，这是由于地面与大气之间的温差越大，大气的湍流活动越强，污染物更容易稀释、扩散。但在白天午后，高PM2.5事件地气温差更大，这是由于在成都冬季，低PM2.5往往发生在北方冷空气入侵时，冷空气入侵带来阴雨天气的出现，所以地面接收到的太阳辐射较弱，导致地气温差较小，这与上文结论并不矛盾。图中黑色实线为0℃地气温差线，相比低PM2.5，高PM2.5浓度在夜间的地气温差均小于0，说明日落后有显著的有逆温现象，从而抑制了污染物的稀释、扩散，从而更容易出现低污染事件。
Figure 6. The average daily variation of Ts-Ta in an example
图6. 个例的地气温差平均日变化图
5. 结论与展望
本文利用成都市2014年的气象观测资料和空气质量资料，分析了地气温差演变特征及其对空气质量的影响，得到如下结论：
(1) 成都地区地气温差的年平均值为2.2℃，一年中地气温差的最大值出现在5月，最小值出现在11月；秋季的地气温差最小，冬季次之，冬季的温差最大。在一天中，地气温差的变化明显，午后14时的地气温差为一天中的最大值，且日变化趋势以14时为轴对称分布；一天中地气温差的变化幅度春季最大，秋季最小。
(2) 总的来讲，地气温差越小，越容易出现颗粒物浓度的大值；地气温差越大，越有利于污染物的稀释、扩散，空气质量越好。但在成都，冬季，空气质量优良天气往往出现在北方冷空气入侵时，此时带来的阴雨天气使得在白天地气温差反而更小，所以地气温差对空气质量的影响作用并不一致，在实际工作中需要对背景情况进行讨论。利用本文对成都地气温差的特征分析，利用近年来更高时空分辨率的城市数值天气预报产品中对温度的预报，将对污染潜势预报有一定的参考价值。
基金项目
四川省科技厅(2019YJ0360, 2018JY0011, 2018SZDZX0023)，国家科技支撑计划(2015BAC03B05)，灾害天气国家重点实验室(2019LASW-B02)，国家气象中心(YBGJXM(2020)04-01)，成都信息工程大学(BKJX2019120)。
NOTES
*通讯作者。