在陆气相互作用过程研究中，地气温差（Ts-Ta）是计算地表感热通量主要指标，其正负数值的大小和变化趋势基本上反映了地表感热通量的变化特征[1]。感热对于陆面和大气边界层热力交换起着极为重要的作用，地面感热通量又是低层大气的主要热量来源之一，直接影响了局地的边界层结构和特征[2]，进而影响大气湍流强弱、大气稳定度、混合层厚度等污染气象参数。不同的研究学者对不同地区的感热、地气温差的变化特征及其影响进行了研究[3-6]。在感热研究方面，沈学顺[7]研究发现，春季欧亚大陆地表的热状况变化对于北半球夏季大气环流的变化和东亚季风的年代有显著影响；张盈盈等[8]分析了春季青藏高原感热加热变化特征，并总结了其对印度夏季风爆发时间的影响。在地气温差研究方面，温李明等[2]对比分析了我国东、西部地气温差的变化特征及趋势差异；王超等[9]分析了我国西北极端干旱地区的地气温差的变化特征。在城市污染方面，大量研究集中在京津冀、珠三角、长三角等地区的重点城市，分析了在不同程度污染事件中，污染物浓度演变规律及其气象要素影响等特征[10-13]，研究指出边界层结构和特征对污染浓度影响显著。
已有结论表明，地气温差对感热通量的变化有较大影响，进而对边界层结构和特征影响显著，在已有污染气象相关研究当中，多针对于降水、风、湿度等气象要素进行讨论，而显著影响边界层结构的地气温差研究相对较少；同时，相比经济发达地区，同是灰霾高发区的四川盆地相关研究也相对较少。四川盆地位于秦岭以南，南面紧邻云贵高原，西部与横断山相接东部交接于巫山，是我国第3大盆地[14]。由于地处青藏高原背风坡，受背风坡效应影响显著，因此盆地具有风速较低，空气中水气含量多、相对湿度较大、阴天和雾天较多等气候特点，使盆地大气层结稳定，容易出现逆温和静风等气象特征，不利于大气颗粒物的扩散[15]。本文中利用成都气象观测数据，系统研究成都地区地气温差的自然演变规律，并结合颗粒物浓度观测数据，讨论了地气温差与颗粒物浓度的影响作用，将会为正确认识和了解盆地地区气候特点，合理保护和改善区域空气质量提供科学的参考依据。
1 地气温差分布特征
本文中利用收集到四川省成都市2010—2014年逐小时地表温度（Ts）、气温（Ta），和成都2013—2014年逐小时PM10、PM2.5质量浓度数据，对成都地区地气温差的变化特征及其对颗粒物影响经行了分析。
图1为成都市2010—2014年地气温差、气温、地表温度的总体分布特征图。图1a为成都市地气温差总体分布直方图，从图中可以看出，成都的地气温差主要集中在0.3～1.2℃区间内，出现频率高达54.75%；通过计算，成都该5年的地气温差平均为2.01℃，标准差为3.69℃。
图1 温度的总体分布特征
Fig.1 Distribution of temperature
图1b、c分别为成都市气温和地表温度的总体分布直方图。从图中可以看出，气温和地表温度较地气温差分布均匀，计算得出成都市连续5年的气温和地表温度平均温度分别为16.35、18.36℃，两者标准差分别为7.95、9.77℃，结果见表1。从平均值的角度来看，地表温度是高于的气温的，所以计算出的地气温差为正，表明地表总的效果是加热大气，但对温差日变化分析，也发现地气温差为负情况，占到样本数的21.58%，温差为负的情况多发生在夜间。成都地区观测的地气温差最大值可达28.9℃，最小值为-5.4℃。各温度出现的极值大小和对应的地表温度和气温情况详见表1，相比较于地表温度和气温，地气温差的方差较小，表明温差变化幅度较小，而地表温度的变化变化最为剧烈。
表1 地气温差、气温、地表温度的统计参数特征
Tab.1 Statistical property of Ta-Ts，Ta，Ts ℃
气象要素温度/℃平均值 方差 最大值 最小值地气温差 2.01 3.69 28.9 -5.4平均气温 16.35 7.95 35.9 -4.4平均地表温度 18.36 9.77 57.8 -2.7
2 地气温差变化特征
2.1 温差年际变化、年变化特征
图2为成都市连续5年地气温差年际变化特征图。图2a为地气温差年际变化图，从图中可以看出，地气温差的年际变化，其中2013年的地气温差最大，为2.22℃，2011年的最小，为1.85℃。5年地气温差有增加趋势，对其分析发现地表温度和其气温均有增加趋势，但前者增加更快，导致地气温差增加，该结论与其他城市地气温差变化一致[5，16]。
图2 温差变化特征
Fig.2Variations of（Ta-Ts）
图2b为地气温差的年变化曲线。从中可以看出，成都市地气温差最大值在4月份，为3.41℃，在11月份地气温差达到最小，为1.03℃。地气温差的年变化特征与气温、地表温度的变化趋势有所差异，气温的年变化，大致呈以8月为轴的轴对称分布，在8月达到最大值，为25.61℃，1月气温最小，为5.41℃；地表温度年变化趋势和气温一致，均以8月为轴对称分布，在8月达到最大值，为28.10℃，1月份为最小值，为6.80℃。因为地气温差表征的是地面温度与气温的差值，夏季气温高，地表温度同时也高，所以夏季并不是最大地气温差出现的季节。春季地表温度上升，但气温增温速度较慢，导致地气温差最大；冬季虽然气温和地表温度均为最低的季节，但秋季地表温度降低时，气温降温速度较慢，导致秋季地气温差最小。
利用三次多项式拟合公式对成都地气温差年变化特征进行模拟，拟合公式为y=0.008 9 x3-0.217 4 x2+1.424 0 x+0.030 2，利用相关系数（r）和均方根误差（R）对拟合公式进行检验，其相关系数为0.91，均方根误差为0.28，表明该拟合公式可以较好的模拟成都地区地气温差的年变化特征。
2.2 温差季节变化、日变化特征
图3a为成都市2010—2014年地气温差季节变化柱状图。从图中可以看出，成都市平均地气温差最大值在春季，平均值为2.86℃；其次为夏季，其值为2.37℃。其间地气温差最小的季节在秋季，为1.36℃，冬季地气温差也较小，但略高于秋季，为1.45℃。
图3b为2010—2014年成都市地气温差日变化特征图。分布特征大致呈以14时为轴的轴对称分布，变化范围在0.08～7.36℃之间，夜间地气温差变化幅度很小。地气温差的小时平均温度最小值出现在24时，为0.08℃；最大值出现在14时，为7.36℃。
图3 成都市地气温差变化特征
Fig.3Seasonal and diurnal variation of（Ta-Ts）
利用分段拟合的方式模拟成都地区地气温差日变化特征，即第1段1～6时，第2段7～19时，第3段20～24 时，其公式为
同样利用r和R对拟合公式进行检验，其相关系数和均方根误差分别为0.96、0.73，表明分段拟合公式可以较好地模拟成都地区地气温差的日变化特征。
图4 成都市4个季节各温度日变化特征图
Fig.4 Diurnal variation of temperature in four seasons
图4为地气温差、地表温度、气温分别在春、夏、秋、冬4个季节的日变化特征。如图所示，4个季节变化趋势相似，均以14时为轴的对称分布，1～6时地表温度与气温温度接近，7～14时地表温度逐渐高于气温，在14时附近到达地气温最大值，然后逐渐减小，到了20时以后温差变化幅度减小，持续到第2天日出。各个季节地气温差日变化最大值分别为11.15、7.79、4.51、6.23 ℃，最小值分别为-0.17、0.14、0.29、-0.07℃。不同季节地气温差变化幅度不同，其中春季和冬季地气温差变化幅度较大，夏季和秋季变化幅度较小。地表温度和气温日变化并不对称，同时气温变化延迟于地表温度变化，且变化幅度更小，从而使得温差日变化出现对称变化的日变化特征。
3 地气温差对颗粒物浓度的影响
通过对成都市颗粒物质量浓度的数据分析发现，在2013—2014年成都市PM10和PM2.5的年平均质量浓度值分别为135.58、89.09 μg/m3，其均方差分别为104.11、69.79 μg/m3，对其分布特征进行了初步分析（见图5）。
图5a为成都市PM10的分布直方图，其质量浓度主要集中在0～150 μg/m3之间，约占整年的80%，其中在50～100 μg/m3区间尤为突出，约占35%；图5b为成都市 PM2.5的分布直方图，PM2.5主要集中在 0～100 μg/m3，约占全年的85%，分布频率最高出现在20～60 μg/m3之间约占了全年48%。参考国家发布的《环境空气质量标准》，其中对全年颗粒物质量浓度的二级标准（PM10:70μg/m3，PM2.5:35 μg/m3），成都地区 PM10、PM2.5相对于二级标准分别超标93.69%、154.54%，表明成都地区颗粒物污染情况相对严重。
由于地气温差直接影响到边界层结构和特征，因此为了更好地突出地气温差与颗粒物质量浓度之间的关系，把地气温差从-4.5℃开始划分，每1.5℃为一个区间，统计到28.5℃为止，共计22个区间，分区间的对颗粒物质量浓度进行讨论。
图6为不同地气温差区间上颗粒物质量浓度分布区间散点图。其中X轴为地气温差的统计区间，Y轴所对应区间出现的颗粒物质量浓度。
图5 颗粒物质量浓度分布特征
Fig.5 Distribution of particle concentration
图6 不同地气温差区间颗粒物质量浓度散点图
Fig.6 Scatter plot of particle concentration in each temperature range
图6a、b分别为PM10和PM2.5在不同区间的质量浓度分布图，从图中可明显发现，颗粒物在地气温差较小的区间1—8区间（-4.5～7.5℃），颗粒物质量浓度偏大；当温差越大，9—22区间（7.5～28.5 ℃），污染物质量浓度逐渐减小。这是由于当地气温差偏大时，往往对应的是中午时间，此时下垫面对大气加热作用最强，边界层高度偏高，边界层湍流活跃[17-18]，有利于在水平和垂直方向上颗粒物的传输和扩散，因此观测到的颗粒物质量浓度偏低。值的注意的是，地气温差仅是影响颗粒物浓度的一方面因素，浓度变化还受人类生产生活、排放源强度、降水等多种因素有关，还需要综合考虑。
4 结论
地气温差对陆气能量交换、边界层结构、以及污染扩散等方面有着重要影响。
1）成都市平均地气温差为2.01℃，连续5 a有逐渐递增的趋势，温差年变化最大时出现在4月，最小时出现在11月，三次多项式拟合对温差的年变化拟合的效果较好。
2）温差的日变化明显，大致关于14时对称分布，分段拟合可以较好地模拟出成都温差的日变化特征。
3）成都市颗粒物污染明显，PM10、PM2.5年平均值分别为 135.58、89.09 μg/m3，地气温差偏小时，容易出现较大质量浓度。
参考文献（References）：
[1]范丽军，韦志刚，董文杰.西北干旱区地气温差的时空特征分析[J].高原气象，2004，23（3）:360-367.
[2]温李明，周连童，黄荣辉.我国东西部地区地气温差的年代际变化特征[J].气候与环境研究，2014，19（5）:636-648.
[3]周连童，温李明.我国春夏季地气温差的时空变化特征及其与夏季降水的联系[J].气候与环境研究，2016，21（6）:621-632.
[4]黄芳芳，马伟强，李茂善.藏北高原地表温度对气候变化响应的初步分析[J].高原气象，2016，35（1）:55-63.
[5]杨晓玲，丁文魁，李岩瑛.近50年武威市地气温差变化趋势及影响因子.生态学报，2015，35（8）:2719-2725.
[6]符睿，韦志刚，文军.西北干旱区地气温差季节和年际变化特征的分析[J].高原气象，2008，27（4）:844-851.
[7]沈学顺.春季欧亚大陆地表气温变化特征的气候意义[J].大气科学，2007，31（1）:19-27.
[8]张盈盈，李忠贤，刘伯奇.春季青藏高原表面感热加热的年际变化特征及其对印度夏季风爆发时间的影响 [J].大气科学，2015，39（6）:1059-1072.
[9]王超，韦志刚，李振朝.敦煌戈壁地区地气温差变化特征分析[J].干旱区资源与环境，2011，25（11）:72-78.
[10]王跃思，姚利，王莉莉.2013年元月我国中东部地区强霾污染成因分析[J].中国科学:地球科学，2014，44（1）:15-26.
[11]SUN Y，WANG L，WANG Y，et al.In situ measurements of SO2，NOx，NOy，and O3in Beijing，China during August 2008[J].Science of the Total Environment，2011，409（5）:933-940.
[12]ZHANG L，WANG T，LV M，et al.On the severe haze in Beijing during January 2013 unraveling the effects of meteorological anomalies with WRF-Chem[J].Atmospheric Environment，2015，104:11-21.
[13]郭淳薇，孙兆彬，李梓铭.北京地区近35年大气污染扩散条件变化[J].环境科学，2017，38（6）:2202-2210.
[14]陈超，庞艳梅，张玉芳.近50年来四川盆地气候变化特征研究[J].西南大学学报（自然科学版），2010，32（9）:115-120.
[15]周长艳，岑思弦，李跃清.四川省近50年降水的变化特征及影响[J].地理学报，2011，66:619-630.
[16]陈超，周广胜.1961—2010年桂林气温和地温的变化特征[J].生态学报，2013，33:2043-2053.
[17]杜川利，唐晓，李星敏，等.城市边界层高度变化特征与颗粒物浓度影响分析[J].高原气象，2014，33（5）:1383-1389.
[18]赵采玲，吕世华，李照国，等.夏季巴丹吉林沙漠陆面热状况对边界层高度影响的模拟实验[J].高原气象，2014，33（6）:1526-1533.