發布時間: 2022-12-29
作者 / 莊銘棟研究副技師(本院環境變遷研究中心)
前言
「空氣污染」可以怎樣簡單形容呢?想像大氣環境是一個鍋子,各種排放源所排出的空氣污染物為食材,鍋子的形狀和大小會影響食材分布的密集度,換言之,大氣的擴散條件良好與不良,會影響空氣污染物的濃度高低。所以,天氣條件與空氣污染的關係非常密切。本文將討論一般民眾是否可藉由氣象播報內容,來預測未來可能發生的空氣污染。關於空氣汙染預測的研究,臺灣發展得相當早且豐富、齊全,但在介紹這方面的研究之前,先來複習一些天氣預報的基礎知識。
複習氣象知識
首先要懂得判讀天氣圖上的高壓(H)及低壓(L),高壓的中心上方是下沉氣流,然後由內往外的順時鐘轉向的系統(圖 1),而低壓的中心則是往上的氣流,低壓四周的氣流是由外往內以逆時鐘方向轉向的系統(圖 2)。若是這個高壓的源頭來自於冬季時的西伯利亞,通常將其視為大陸性冷高壓;若是來自於夏季時的太平洋,則可稱為太平洋高壓。
夏季太平洋上的低壓若轉為颱風,中間過渡的狀況稱為熱帶低壓,而颱風就是一個風速強度達到一定程度以上且中心氣壓值非常低的低壓。此外,鋒面可以視為一個低壓系統,暖氣流流向北方我們視為暖鋒(面),冷氣流流向南方為冷鋒(面)(圖 3),由於鋒面是一個不連續帶,我們可以把鋒面視為一道會移動的牆。
另外,氣象播報員展示天氣圖的時候,在高壓及低壓的周圍畫了一圈又一圈的線,那個線叫做等壓線,等壓線的密度越密,代表那個地區的氣壓梯度力越強,也就代表風速越強,通常都發生在強烈冷高壓前緣(圖 4)或是颱風周圍(圖 5);相對地,等壓線的密度越疏,代表那個地區的氣壓梯度力越弱, 也就是風速也弱(圖 6)。至於氣壓梯度力的方向,也就是氣流吹的方向,簡單的說,就看等壓線圍繞的是高壓還是低壓,高壓的環流是順時針的,低壓的環流是逆時針的,你可以把氣流的移動方向視為跟等壓線平行(實際上有很小的角度偏差),所以看等壓線以及其圍繞的高壓或低壓系統,就可以判斷氣流的行進方向了。
再來要討論中央山脈,要是沒有它,臺灣的空氣污染事件日可能會減少 90% 以上。簡單說明氣流流經障礙物所發生會與空氣污染有關聯的情況,以圖 7 為例,我們從側面看(想像你站在菲律賓往北方看臺灣),當來自東方的成層氣流要通過三角錐(中央山脈)時,上空的氣流動能可以爬越要克服的障礙物,但接近地面的氣流,可能就越不過障礙物了,所以障礙物西側的背風面會形成一個弱風區,不利於污染物的擴散。此外,根據白努力原理,一定高度的氣流爬越山之後,會依照它原來的慣性回到原來的高度繼續往前行進(如圖 7 中的藍線),氣流在背風面降至原來高度時,依照熱力學第二定律,由於壓力增大,氣流的溫度會增加,無形中在背風面形成類似焚風的效應,甚至可能會壓低混和層高度,使得接近地面處的擴散不利條件。
氣流要是爬不過障礙物,就很可能往旁邊繞,假如氣流不強,我們從上往下俯視看,就像圖 8 那樣,要是氣流很強,那麼可能就會像圖 9 那樣,這兩種情況都會在氣流流經障礙物的背風處,產生輻合區,也就是氣流聚集的地方,或是產生渦流區,要是污染物排放在輻合區或是渦流區,都會因為擴散不良導致污染物濃度升高。
天氣類型研究在臺灣
早在 1993 年,學者就歸納出天氣預報的 24 種天氣類型,並探討這 24 種天氣類型與臺灣空氣品質的相關性分析,其中有 7 種污染天氣類型可適用空氣污染潛勢預報,分別是:冬季高壓迴流污染型、夏季高壓迴流污染型、夏季低壓迴流污染型、微弱低壓梯度污染型、鋒面前緣污染型、鋒面通過污染型及熱帶低壓污染型。
「迴流」是什麼呢?以圖 10 來看,冷高壓中心移至太平洋後,它的環流往東南深入太平洋然後轉往西回到亞洲大陸,我們比喻這種環流就像鮭魚從亞洲大陸游至太平洋又迴流回來。當迴流抵達臺灣時,由於遇到中央山脈的阻擋,因此位於背風面的臺灣西部,就會形成高污染事件了。另外,當夏季太平洋高壓西伸時,圖 11 顯示,太平洋高壓的中心在臺灣的西北方,高壓迴流相對臺灣為東風偏東南風,同樣使中部地區為中央山脈的背風面,也會形成高污染事件。而微弱低壓梯度污染,代表天氣圖上的等壓線稀疏(圖 12),風速微弱,空氣污染物不易擴散。
鋒面前緣或鋒面通過污染型,與鋒面有關,圖 13 顯示臺灣位於鋒面前緣,西半部被中央山脈以及鋒面這兩面牆夾擊時,越往北越處於角椎的尖端,故西半部污染物隨往北氣流往角錐尖端移動的時候容易累積在角錐的尖端處。要是鋒面通過臺灣北方或甚至臺灣上空,如圖 14 顯示一樣,隨著鋒面通過,臺灣北方盛行東北風,此時有可能會將中國的污染帶往臺灣。
再來我們看看熱帶低壓污染型是什麼情況,當熱帶低壓或是颱風位於臺灣南方或東南方的位置,如圖 15,要是颱風外圍環流風速不夠強,西半部可能就會形成一個弱風區,要是颱風外圍環流風速夠強,那麼我們也可以預期它的逆時針環流可能會爬越中央山脈,在臺灣西半部形成下沉氣流,造成地面污染物不易往上擴散。
後來,學者李清勝等(1997)將天氣類型擴展至 51 種,由於該研究是環保署委託執行的計畫,因此他們分類的天氣類型是提供環保署的人員可以學習並判斷是否會形成空氣污染事件日,這種方法稱為「類比法」,簡單來說,你只要背熟這 51 種天氣類型,將氣象播報的天氣圖去對比 51 種天氣類型,哪一種最像你要對比的天氣預測圖,就可以有效預測未來是否會發生空氣污染事件日。但是後來這 51 種天氣類型並沒有被持續使用。
2008 年,Chuang et al.針對大臺北地區,將這些複雜的天氣類型分類,根據形成 PM2.5 事件的大氣動力學原理而予以簡化分為七種類型,其中亞洲大陸高壓迴流(HPPC)、亞洲大陸高壓冷鋒前暖區(WAF)、颱風(TYP)、太平洋高壓西伸(PHP)以及微弱西南氣流(WSW)五種類型與複雜地形的影響有關,其他兩類型分別為微弱高壓籠罩型(WHP)及亞州大陸高壓推擠型(HPP)。Lai et al.(2015)針對 PM2.5 也歸納出 9 種天氣類型以及 2 種混和型。而最近,我們又將 Chuang et al.(2008)的七種擴展為 11 種 PM2.5 及 O3 的污染天氣類型,這 11 種 污染天氣類型列示如表 1。以上的研究,皆需要每天的天氣圖一張一張的審視,一張一張的判別,都是非常耗費時間的研究。
以下為 2006 年至 2021 年 PM2.5 污染天氣類型的統計,結果如表 2 所示,從長期來看,PM2.5 高濃度事件日主要發生在秋、冬、春三季,其中又以 PW1 一般東北風型發生次數最多(表 3)。夏季發生 PM2.5 高污染次數較多的事件日為 PS3 微弱西南風型。另外可以注意到,近 16 年來,總污染天數是有逐年下降的趨勢,從污染天氣類型的角度來看,冬季型的 PW1 一般東北風型與 PW2 高壓推擠型發生的次數顯著減少,到了 2021 年,PW3 高壓迴流東風型的發生次數與 PW1。夏季天氣類型 PS1、 PS2、 PS3 發生次數都有逐年下降的趨勢,2015 年以後,臺灣夏季發生 PM2.5 污染事件的日數已相當少。在這裡我們想表達的是,污染天氣類型在每年發生的次數都有變化,但它們發生的時間會與冬半季及下半季季節有密切關係,這可以方便我們做類型的判斷。
大數據研究
最近,由於大數據的研究非常盛行,因此使用大量的污染物濃度數據庫、氣象數據庫,甚至全世界的天氣都已經有網格化的長期數據,因此使用這些資料進行統計分析,也可以將污染天氣類型進行分類。
更進一步
希望以上的介紹,可以讓讀者在看氣象播報的時候,嘗試判斷及預測未來幾天會不會發生高污染事件。目前環保署也每日公布未來三日各空品區的空氣品質預報,本院環變中心也有每日公布以空氣品質模式模擬的未來三日空品預報(環境變遷研究中心)。
其實,隱藏在前述各種污染天氣類型下,有許多艱深的物理及化學原理在其中,如:前述提到氣流爬越障礙物的理論,包含了邊界層、大氣穩定度、氣流過山的熱力學及流體力學等許多知識,經由這些知識可以讓我們更為微觀的去分析每次不同高濃度事件的成因。還有,隨著氣候變遷,前述分類出的天氣類型,會不會變得更簡化或更複雜,這也有待未來的氣象及空品資料庫如何變化而可能產生變化。
參考文獻
- 楊宏宇,1993。臺灣地區空氣品質與天氣類型分類相關性研究。文化大學地學研究所博士論文,台北市。
- 李清勝、俞家忠、王天胤,1997:導致台灣地區高污染之氣象分析與預報,環保署研究報告 EPA-86-E3L1-09-01。
- Chuang, M.T., Lee, C.T., Chiang, P.C., Wang, C.F., Chang, Y.Y., 2008. The effects of synoptical weather pattern and complex terrain on the formation of aerosol events in the greater Taipei area. Science of the Total Environment, 399, 128-146.
- Hsu, C.H., Cheng, F.Y., 2016. Classification of weather patterns to study the influence of meteorological characteristics on PM2.5 concentrations in Yunlin County, Taiwan. Atmospheric Environment 144, 397-408.
- Hsu, C.H., Cheng, F.Y., 2019. Synoptic weather patterns and associated air pollution in Taiwan. Aerosol and Air Quality Research 19, 1139-1151.
- Lai, L,W., 2015. Fine particulate matter events associated with synoptic weather patterns, long-range transport paths and mixing height in the Taipei Basin, Taiwan. Atmospheric Environment 113, 50-62.
- Su, S.H., Chang, C.W., Chen, W.T., 2020. The temporal evolution of PM2.5 pollution events in Taiwan: Clustering and the association with synoptic weather. Atmosphere 11, 1265.