降水对大气污染物的湿清除作用

蒋晓武; 何天晴; 姜润; 王睿阳; 周文鳞; 俞洪; 叶晶晶; 何琦钊

doi:10.16377/j.cnki.issn1007-7731.2025.20.026

安徽农学通报 >

2025 , Vol. 31 >Issue 20: 113 - 118

DOI: https://doi.org/10.16377/j.cnki.issn1007-7731.2025.20.026

农业信息·农业气象

降水对大气污染物的湿清除作用

蒋晓武 ¹ ,
何天晴 ² ,
姜润 ³ ,
王睿阳 ⁴ ,
周文鳞 ² ,
俞洪 ¹ ,
叶晶晶 ¹ ,
何琦钊 ²

展开

^1. 明光市气象局，安徽滁州 239499
^2. 江苏理工学院，江苏常州 213001
^3. 常州高新技术产业开发区（新北）生态环境局，江苏常州 213002
^4. 常州市金坛区气象局，江苏常州 213299

周文鳞（1982—），男，江苏常州人，实验师，从事大气污染监测、评估与防治等研究。

蒋晓武（1982—），男，江苏常州人，硕士，高级工程师，从事基层综合气象业务，预报预警工作。

收稿日期: 2024-10-24

网络出版日期: 2025-10-31

基金资助

滁州市科技计划项目(2022ZD003)

收起

The wet removal effect of precipitation on atmospheric pollutants

JIANG Xiaowu ¹ ,
HE Tianqing ² ,
JIANG Run ³ ,
WANG Ruiyang ⁴ ,
ZHOU Wenlin ² ,
YU Hong ¹ ,
YE Jingjing ¹ ,
HE Qizhao ²

Expand

^1. Mingguang City Meteorological Bureau, Chuzhou 239499, China
^2. Jiangsu University of Technology, Changzhou 213001, China
^3. Changzhou High-tech Industrial Development Zone (Xinbei) Ecology and Environment Bureau, Changzhou 213002, China
^4. Jintan District Meteorological Bureau of Changzhou City, Changzhou 213299, China

Received date: 2024-10-24

Online published: 2025-10-31

Fold

摘要

本研究利用2018—2021年安徽部分地区（BB、CZ、SZ、MAS、WH和XC监测点）的大气污染物（SO₂、NO₂、CO、O₃、PM₁₀和PM_2.5）监测数据、降水数据（以CZ为代表，选取FY、CZ-1、DY、QJ、LA和TC站点），分析研究区的降水和大气污染特征，并通过计算清除率、相关性等探究降水对大气污染物的清除效果。结果表明，BB、CZ、SZ、MAS、WH、XC监测点PM₁₀浓度超标的天数依次为106、106、114、33、23和11 d；PM_2.5浓度超标的天数依次为183、183、221、111、127和93 d。以CZ为例，降水类型发生总体表现为小雨>中雨>大雨>暴雨>大暴雨，各站点的年降水特征总体为先减少再增加再减少，降水峰值出现在7月，降水在6—8月较为集中。降水对大气污染物的清除效果分析表明，随着降水强度的增加，大气污染物的清除率逐渐增加，且正向清除效果逐渐增强；连续降水对大气污染物浓度的削减作用优于单次降水，连续降水4 d的PM₁₀和PM_2.5正清除率较高，分别为68.00%、76.00%，连续降水2 d的SO₂、NO₂、CO、O₃的正清除率较高，在48.84%～65.12%；正清除率事件的降水与PM₁₀、PM_2.5和NO₂呈正相关，负清除率事件的降水与SO₂、NO₂呈正相关。总体而言，降水对O₃与CO的影响较小，对颗粒污染物（PM₁₀和PM_2.5）的清除作用强于气态污染物（SO₂、NO₂、CO、O₃）。研究对优化农业气象服务、保障农业生产具有重要参考价值。

关键词： 大气污染; 降水; 湿清除; 相关性分析

本文引用格式

蒋晓武 , 何天晴 , 姜润 , 王睿阳 , 周文鳞 , 俞洪 , 叶晶晶 , 何琦钊 . 降水对大气污染物的湿清除作用[J]. 安徽农学通报, 2025 , 31(20) : 113 -118 . DOI: 10.16377/j.cnki.issn1007-7731.2025.20.026

Abstract

This study utilized monitoring data of atmospheric pollutants (SO₂, NO₂, CO, O₃, PM₁₀, and PM_2.5) from 2018 to 2021 in parts of Anhui Province (BB, CZ, SZ, MAS, WH, and XC monitoring sites), along with precipitation data (represented by CZ, including FY, CZ-1, DY, QJ, LA, and TC stations), to analyze the characteristics of precipitation and atmospheric pollution in the study area. The scavenging effect of precipitation on atmospheric pollutants was investigated by calculating scavenging rates and correlations. Results showed that the number of days exceeding PM₁₀concentration standards at the BB, CZ, SZ, MAS, WH, and XC monitoring sites were 106, 106, 114, 33, 23, and 11 days, respectively, while the number of days exceeding PM_2.5 concentration standards were 183, 183, 221, 111, 127, and 93 days, respectively. Taking CZ as an example, the distribution of precipitation types generally followed: light rain > moderate rain > heavy rain > storm > heavy storm. The annual precipitation characteristics across the sites generally showed an initial decrease, followed by an increase, and then another decrease, with the peak precipitation occurring in July. Precipitation was concentrated between June and August. Analysis of the scavenging effect of precipitation on atmospheric pollutants revealed that as precipitation intensity increased, the scavenging rate of atmospheric pollutants gradually rose, with the positive scavenging effect strengthening accordingly. Continuous precipitation demonstrated a greater reduction in atmospheric pollutant concentrations compared to single precipitation events. Specifically, continuous precipitation over 4 days resulted in higher positive scavenging rates for PM₁₀ and PM_2.5, were 68.00% 、 76.00%, while continuous precipitation over 2 days yielded higher positive scavenging rates for SO₂, NO₂, CO, and O₃, ranging from 48.84% to 65.12%. Precipitation events with positive scavenging rates showed a positive correlation with PM₁₀ and PM_2.5, and NO₂, whereas precipitation events with negative scavenging rates exhibited a positive correlation with SO₂ and NO₂. Overall, precipitation had a weaker impact on O₃ and CO, and its scavenging effect on particulate pollutants (PM₁₀ and PM_2.5) was stronger than on gaseous pollutants (SO₂, NO₂, CO, O₃). This study provides a valuable reference for optimizing agricultural meteorological services and safeguarding agricultural production.

Key words： air pollution; precipitation; wet scavenging; correlation analysis

随着城市化进程不断加快，工业、交通等导致的大气污染问题日益严峻，对生态环境造成破坏，同时对人类身体健康具有潜在的危害^[1]。因此，探究控制大气污染的方法尤为重要。降水是影响大气污染物浓度的主要气象要素之一，其主要影响大气污染物的湿清除过程，可维持大气中污染物的源、汇平衡^[2-3]。周彬等^[4]分析了降水对气溶胶颗粒物的清除效果，发现其清除作用随降水强度、降水持续时间和降水总量的增加而增强。刘星等^[5]分析了夏季降水对大气污染物的清除影响，结果表明，降水对污染物的清除效率受降水量、降水场数和降水累积时间的影响。王妮等^[6]分析了夏季降水对大气污染物的清除作用，比较了不同日降水强度、日降水时长和累积降水量对SO₂、NO_x（主要是NO和NO₂）、CO、O₃、PM₁₀和PM_2.5的清除效果。Pranesha等^[7]研究发现，降水对颗粒物的清除效果优于气态污染物。Bae等^[8]研究结果显示，降水可有效减轻颗粒物污染。在农业方面，降水不仅是影响作物生长的关键气象因素，也是调节农田生态系统的重要自然过程。适量降水可以促进作物生长，提高产量，而降水过量或不足则可能导致作物减产甚至绝收。此外，降水还能通过湿清除作用减少大气中的污染物，改善农田空气质量，从而间接保护作物免受污染物的侵害。因此，准确预测降水事件，合理利用降水资源，对于优化农业生产和保障粮食安全具有重要的意义。基于此，本研究利用安徽部分地区2018—2021年的降水数据和大气污染物监测数据，分析研究区降水和大气污染物的分布特征，并探究降水对大气污染的清除效果。

1 材料与方法

1.1 数据来源

本研究大气污染物监测数据选取安徽地区的BB站、CZ站、SZ站、MAS站、WH站、XC站6个大气环境监测站点。此外，选取FY站、CZ-1站、DY站、QJ站、LA站、TC站6个气象站点来代表CZ部分区域的降水状况。

1.2 大气污染物及降水的分布特征

1.2.1 大气污染超标分项统计

根据大气污染物浓度以及表1中大气污染物的一级和二级浓度限值，统计BB站、CZ站、SZ站、MAS站、WH站、XC站的SO₂、NO₂、CO、O₃、PM₁₀和PM_2.5的超标情况。

表1 环境空气污染物基本浓度限值

序号	污染物项目	平均时间	浓度限值/（μg/m³）
序号	污染物项目	平均时间	一级	二级
1	SO₂	年平均	20	60
		24 h平均	50	150
		1 h平均	150	500

2	NO₂	年平均	40	40
		24 h平均	80	80
		1 h平均	200	200

3	CO	24 h平均	4	4
3	CO	1 h平均	10	10

4	O₃	日最大8 h平均	100	160
4	O₃	1 h平均	160	200

5	PM₁₀	年平均	40	70
5	PM₁₀	24 h平均	50	150

6	PM_2.5	年平均	15	35
6	PM_2.5	24 h平均	35	75

1.2.2 常规降水分级

本研究采用12 h和24 h 2个不同时段降水量筛选降水事件，根据GB/T 28592—2012《降水量等级》以及研究区的降水状况，将2018年1月1日至2021年12月31日的FY站、CZ-1站、DY站、QJ站、LA站、TC站的6个站点的降水数据进行等级划分（表2）。

表2 不同时段的降雨量等级划分

等级	时段降水量/mm
等级	12 h降水量	24 h降水量
微量降雨	＜0.1	＜0.1
小雨	0.1～4.9	0.1～9.9
中雨	5.0～14.9	10.0～24.9
大雨	15.0～29.9	25.0～49.9
暴雨	30.0～69.9	50.0～99.9
大暴雨	70.0～139.9	100.0～249.9
特大暴雨	$≥$ 140.0	$≥$ 250.0

1.3 降水对大气污染湿清除的影响

1.3.1 清除率计算

污染物清除率（

R F

）是指降水前后污染物质量浓度变化值^[9-10]，将降水前一日SO₂、

NO₂、CO、O₃、PM₁₀、PM_2.5平均浓度记作

C 1

，降水后一日污染物平均24 h浓度记作

C 2

，计算如式（1）。

R F (%) = C 1 - C 2 C 1 × 100

（1）

当RF>0时，定义为正清除；当RF＜0时，定义为负清除；当RF=0时，则定义为零清除。通过上述定量计算研究当地连续降水与大气污染物湿清除之间的关系。

1.3.2 相关性分析

利用SPSS 24.0统计软件计算分析正、负清除样本清除率与对应降水的相关性。

2 结果与分析

2.1 大气污染物的分布特征

大气湿清除主要针对大气颗粒物污染起作用，因此，选取各站点的PM₁₀、PM_2.5作为大气污染超标分项。如图1所示，PM₁₀、PM_2.5浓度呈现出明显的增—减—增的“U”型变化。BB、CZ、SZ、MAS、WH、XC监测点PM₁₀的浓度超标的天数依次为106、106、114、33、23和11 d；PM_2.5超标的天数依次为183、183、221、111、127和93 d。由此可见，上述城市中PM_2.5超标污染重于PM₁₀污染。

显示原图|下载原图ZIP|生成PPT

图1 2018—2021年颗粒物超标天数分布

（A）～（F）分别为BB、CZ、SZ、MAS、WH和XC站点。

2.2 降水的分布特征

如图2所示，在2018—2021年，FY站、LA站、CZ-1站、QJ站、DY站、TA站的降水特征总体为先减少再增加再减少的变化趋势，降水峰值出现在7月。降水在6—8月较为集中，接近200 mm左右。FY站的冬季累计降水量达到150.2 mm，夏季累计降水量达550 mm，主要是因为夏季的降水强度高，单次降水量高。空间上看，QJ站降水较多，而TC站降水较少。降水类型总体表现为小雨>中雨>大雨>暴雨>大暴雨。

显示原图|下载原图ZIP|生成PPT

图2 2018—2021年CZ站点降水等级月分布

（A）~（F）分别为FY站、LA站、CZ-1站、QJ站、TC站和DY站。

夏季降水丰富，尤其是6—8月，恰逢农作物的生长关键期，降水能够为作物提供充足的水源，促进作物生长。但过量的降水也可能引发水涝灾害，影响农田排水和作物生长。此外，不同地区的降水差异可能导致农作物的生长状况不均，影响农业产量和质量，因此农业气象服务需要对降水量进行实时监测与预警，以便采取有效的防灾减灾措施。

2.3 不同降水强度与大气污染湿清除的影响

以CZ站点为例，共选取494个降水事件，小雨、中雨、大雨、暴雨、大暴雨事件分别占比70.65%、18.63%、7.89%、2.43%、0.40%，无特大暴雨事件。由表3可知，PM₁₀在小雨、中雨、大雨、暴雨、大暴雨时的清除率分别为-13.16%、-4.20%、0、-34.00%、38.77%，说明随着降水强度的增加，PM₁₀的清除率不断上升。PM_2.5在小雨、中雨、大雨、暴雨、大暴雨时的清除率分别为-11.86%、11.58%、-4.30%、-32.92%、34.75%，变化规律与PM₁₀一致，总体上保持上升。综合来看，研究区颗粒污染物浓度随降水强度的增加而逐渐减少。气态污染物的浓度变化规律大体上保持一致，以SO₂为例，小雨、中雨、大雨、暴雨时的清除率分别为0、8.00%、9.00%、18.00%，随降水强度的增加呈上升趋势。

表3 CZ站点不同降水强度对污染物清除率的影响单位：%

污染物指标		小雨	中雨	大雨	暴雨	大暴雨
PM_2.5清除率	最大值	85.71	81.20	80.00	60.00	51.35
	最小值	-528.57	-278.95	-200.00	-222.22	15.79
	平均值	-11.86	11.58	-4.30	-32.92	34.75

PM₁₀清除率	最大值	94.24	86.14	81.25	68.42	53.73
	最小值	-550.00	-338.46	-150.00	-312.50	21.88
	平均值	-13.16	-4.20	0	-34.00	38.77

SO₂清除率	最大值	64.71	92.86	55.56	50.00	36.36
	最小值	-1 600.00	-71.43	-42.86	-14.29	9.09
	平均值	0	8.00	9.00	18.00	23.00

NO₂清除率	最大值	80.00	87.50	70.83	78.00	47.73
	最小值	-250	-233.33	-88.89	-64.29	30.77
	平均值	3.00	14.00	18.00	14.00	39.00

CO清除率	最大值	72.73	70.59	66.67	37.5	42.86
	最小值	-266.67	-200	-100	-100	-33.33
	平均值	0	2.00	3.00	-10.00	5.00

O₃清除率	最大值	75.13	68.52	75.54	54.41	-64.79
	最小值	-358.33	-461.54	-83.33	-171.64	-84.85
	平均值	-15.00	-19.00	-8.00	-26.00	-75.00

除O₃外的污染物随降水强度的递增正向清除效果愈佳，颗粒污染物以PM₁₀为例，中雨、大雨、暴雨、大暴雨时正向清除率占比分别为55%，56%、58%、100%。气态污染物以SO₂为例，中雨、大雨、暴雨、大暴雨时正向清除率占比分别为52%、54%、75%、100%（表4）。

表4 CZ站点不同降水强度对大气污染物浓度增减个例占比单位：%

污染物类别		小雨	中雨	大雨	暴雨	大暴雨
PM_2.5	减少个例	55	52	46	50	100
	不变个例	1	4	5	0	0
	增加个例	44	44	49	50	0

PM₁₀	减少个例	58	55	56	58	100
	不变个例	2	2	3	0	0
	增加个例	40	43	41	42	0

SO₂	减少个例	52	52	54	75	100
	不变个例	18	21	18	0	0
	增加个例	30	27	28	25	0

NO₂	减少个例	62	68	69	50	100
	不变个例	3	3	5	17	0
	增加个例	35	28	26	33	0

CO	减少个例	48	48	51	42	50
	不变个例	17	25	18	25	0
	增加个例	35	27	31	33	50

O₃	减少个例	46	46	44	33	0
	不变个例	1	4	3	8	0
	增加个例	52	50	54	58	100

2.4 连续降水对大气污染湿清除的影响

由表5可知，连续降水对颗粒污染物浓度的削减作用优于单次降水，不同的降水时间跨度对污染物浓度的增削效果不一致。就PM_2.5和PM₁₀而言，连续降水2和3 d的正清除率基本维持不变，保持在50.65%～55.04%；连续降水4 d的PM_2.5和PM₁₀正清除率分别为76.00%、68.00%；5 d连续降水的正清除率分别为42.31%、61.4%，相较4 d有所降低。这可能是因为经过连续几日降水后，颗粒物浓度已达到降水所能削减的边界值，后续降水对颗粒物的削减作用变弱。

表5 连续降水对大气污染物浓度增减个例占比单位：%

连续降水	合计频次	污染物类别	减少	不变	增加
2 d	129	SO₂	60.47	12.40	27.13
		PM₁₀	55.04	2.33	42.64
		NO₂	65.12	2.33	32.56
		PM_2.5	55.04	3.10	41.86
		CO	48.84	22.48	28.68
		O₃	53.49	1.55	44.96

3 d	77	SO₂	49.35	18.18	32.47
		PM₁₀	54.55	0.00	45.45
		NO₂	58.44	5.19	36.36
		PM_2.5	50.65	0	49.35
		CO	37.66	25.97	36.36
		O₃	33.77	0	66.23

4 d	50	SO₂	46.00	16.00	38.00
		PM₁₀	68.00	0	32.00
		NO₂	54.00	6.00	40.00
		PM_2.5	76.00	0	24.00
		CO	54.00	20.00	26.00
		O₃	52.00	0	48.00

5 d	26	SO₂	46.15	7.69	46.15
		PM₁₀	61.54	0	38.46
		NO₂	46.15	7.69	46.15
		PM_2.5	42.31	7.69	50.00
		CO	38.46	11.54	50.00
		O₃	42.31	3.85	53.85

对于气态污染物，2 d内的降水对气态污染物削减作用较佳，2 d后的降水对气态污染物削减作用变弱。例如，SO₂在降水2 d的正清除率为60.47%，而在3 d时下降至49.35%；NO₂在2、3、4、5 d时的正清除率分别为65.12%、58.44%、54.00%、46.15%。说明长时间降水对气态污染物的削减贡献较低。

2.5 降水与大气污染物清除的相关性

由表6可知，正清除率事件的降水与PM₁₀、NO₂呈正相关（P＜0.01）；与PM_2.5呈明显正相关（P＜0.05）；与SO₂呈正相关，与CO和O₃呈负相关，但相关性无统计学意义。负清除率事件的降水与SO₂、NO₂呈正相关（P＜0.05）；与PM₁₀、CO、O₃呈正相关，与PM_2.5呈负相关，相关性无统计学意义。综上所述，降水正向清除对颗粒物削减作用总体强于气态污染物；降水对NO₂正向清除作用强于负清除作用；降水对SO₂的负清除作用强于正清除作用；O₃与CO受降水影响较小。

表6 正清除降雨事件过程降水与大气污染间相关性分析

	PM_2.5	PM₁₀	SO₂	NO₂	CO	O₃
降水（正清除）	0.126^*	0.198^**	0.104	0.164^**	-0.044	-0.036
降水（负清除）	-0.058	0.005	0.128^*	0.161^*	0.025	0.046

注：*和** 分别表示相关性在0.05和0.01水平具有统计学意义。

3 结论

本研究利用2018—2021年研究区部分站点的气象和大气污染数据，分析了大气污染和降水的分布特征，探究了降水对大气污染物清除效果的影响，得出以下结论。

（1）PM₁₀、PM_2.5浓度呈现明显的增—减—增的“U”型变化。BB、CZ、SZ、MAS、WH、XC站点的PM₁₀浓度超标的天数依次为106、106、114、33、23和11 d；PM_2.5浓度超标的天数依次为183、183、221、111、127和93 d。PM_2.5污染重于PM₁₀污染。

（2）在2018—2021年，以CZ站点为代表，FY站、LA站、CZ-1站、QJ站、DY站、TC站的降水特征为减—增—减分布，降水类型发生总体表现为小雨>中雨>大雨>暴雨>大暴雨，降水峰值出现在7月，降水在6—8月较为集中。

（3）降水对大气污染物的清除效果结果表明，研究区大气污染物在小雨、中雨、大雨、暴雨、大暴雨的清除率，随降水强度的增加而上升，表明大气污染物浓度随降水强度的增加而逐渐降低。此外，连续降水对颗粒污染物浓度的削减作用优于单次降水，不同的降水时间跨度对污染物浓度的增削效果不一致。随着降水时间的延长，降水对污染物的削减作用逐渐变弱，大气污染物的清除效果逐渐达到边界值。相关性分析表明，降水对颗粒物的清除作用总体强于气态污染物；O₃与CO受降水影响较小。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	丁梁斌. 环境污染对人体健康的影响[J]. 皮革制作与环保科技，2020，1（8）：52-54，57.

[2]	李凯飞. 京津冀地区大气污染云下湿清除作用研究[D]. 南京：南京信息工程大学，2018.

[3]	朱端卫. 环境生态工程[M]. 北京：化学工业出版社，2017.

[4]	周彬，刘端阳，魏建苏，等. 降水对气溶胶颗粒物清除作用的初步分析[J]. 长江流域资源与环境，2015，24（）：160-170.

[5]	刘星，黄虹，左嘉，等. 夏季降雨对大气污染物的清除影响[J]. 环境污染与防治，2016，38（3）：20-24.

[6]	王妮，何太蓉，刘金萍. 重庆城区夏季降水对大气污染物的清除效果分析[J]. 环境工程，2017，35（4）：69-73.

[7]	PRANESHA T S， KAMRA A K. Scavenging of aerosol particles by large water drops：3. Washout coefficients，half-lives，and rainfall depths[J]. Journal of geophysical research：atmospheres，1997，102（D20）：23947-23953.

[8]	BAE S Y， JUNG C H， KIM Y P. Derivation and verification of an aerosol dynamics expression for the below-cloud scavenging process using the moment method[J]. Journal of aerosol science，2010，41（3）：266-280.

[9]	李慧明，钱新，王金花，等. 城市大气颗粒物重金属污染特征与风险评估[M]. 南京：南京大学出版社，2021.

[10]	LI L， LI H， PENG L，et al. Characterization of precipitation in the background of atmospheric pollutants reduction in Guilin：Temporal variation and source apportionment[J]. Journal of environmental sciences，2020，98：1-13.

Options

文章导航

模态框（Modal）标题

摘要