2014—2016年荊州城區空氣質量與氣象要素的關系分析

鄧艷君 趙卓勛 李玲 張倫瑾

（1荊州市氣象局，荊州 434020；2 江漢平原生態氣象遙感監測技術協同創新中心，荊州 434025；3 荊州市環境保護監測站，荊州 434000）

0 引言

隨著城市社會經濟快速發展，荊州的工業化、城鎮化水平不斷提高，城市空氣污染日趨嚴重，空氣污染、霧霾天氣時有發生。近年來，人們生活水平提高，人們對生活環境質量的要求也越來越高，控制空氣污染、改善空氣質量的需求越發強烈，因此對城市空氣質量進行全面、客觀的認識和評價，根據本地實際情況準確預測空氣污染氣象擴散條件，為環境管理提供決策依據，預防嚴重污染事件的發生具有重要意義。

目前，國內學者對空氣質量、大氣污染物的時空分布特征、空氣污染與氣象要素的關系、污染天氣空氣質量的預報等方面做了大量研究。例如，建立了城市空氣污染數值預報系統（CAPPS）[1-2]，北京[3]、廣州[4]、上海、沈陽等城市開展了城市空氣污染濃度的預報，建立了城市空氣污染數值預報模式和統計模式，很多學者[5-9]分析了空氣污染與氣象要素的相關關系。

2012年上半年，國家規定采用空氣質量指數（Air Quality Index，AQI）替代原有的空氣污染指數（Air Pollution Index，API）。AQI分級參考新的環境空氣質量標準（GB—3095—2012），參與評價的污染物包括二氧化硫（SO2）、二氧化氮（NO2）、可吸入顆粒物（PM10）、細顆粒物（PM2.5）、臭氧（O3）和一氧化碳（CO），因此AQI較API監測的污染物指標更多，評價結果更客觀。荊州市環保局從2013年8月開始啟用新的環境監測設備，市委黨校環境監測站從2014年1月1日開始以AQI代替API。本文利用2014—2016年市委黨校環境監測站逐日空氣質量監測資料，分析荊州城區空氣質量AQI及主要污染物的現狀和變化特征，進一步討論空氣質量與氣象要素之間的關系，以期對荊州城區空氣質量預報提供參考。

1 資料與方法

1.1 研究資料

荊州城區2014年1月1日—2016年12月31日空氣質量數據來源于荊州市環保局市委黨校站常規監測項日均值數據，包括逐日空氣質量指數AQI，細顆粒物（PM2.5）、可吸入顆粒物（PM10）、二氧化硫、二氧化氮、臭氧、一氧化碳等6種主要污染物濃度，首要污染物，空氣質量類別，以及空氣質量等級等數據。同期氣象資料來源于湖北省荊州區國家基本氣象站日值數據，包括逐日氣壓（平均、最高、最低）、氣溫（平均、最高、最低）、平均水汽壓、相對濕度（平均、最小）、降水量、平均總云量、平均低云量、平均風速、風向風速（最大、極大）等氣象要素。

1.2 研究方法

Pearson相關系數是反映變量之間相關關系密切程度的統計指標，通過兩個離差乘積反映兩個變量之間的相關程度，著重研究線性的單相關系數。本文利用統計學中常用的Pearson相關系數來衡量AQI、各污染物濃度和氣象要素的相關關系。在相關分析的基礎上，選取相關性較高的氣象要素作為預報因子組，并排除氣象要素間的自相關性，分別建立AQI和污染物濃度的線性回歸預報方程。

2 結果分析

2.1 空氣質量變化特征

2.1.1 空氣質量現狀

2014年1月—2016年12月荊州城區出現頻率最高的空氣質量等級是二級良（圖1），占總日數的51%；其次是三級輕度污染，占總日數的28%；中度污染日數占8%，優等級的日數占7%，重度污染日數占5%，嚴重污染出現的頻率最低，僅占1%。

圖1 2014年1月—2016年12月荊州城區不同等級空氣質量百分比Fig. 1 Percentage of air quality grades in Jingzhou during the period from January 2014 to December 2016

表1 2014—2016年荊州城區不同等級空氣質量日數（單位：d）Table 1 Days of various air quality grades in Jingzhou from 2014 to 2016

2014—2016年，荊州城區首要污染物出現頻率最高的是PM2.5（表2），共出現565 d，這3年間PM2.5出現頻率顯著下降；其次是臭氧，出現242 d，2014—2016年首要污染物為臭氧的日數顯著增加，2014年僅37 d，2016年增加到130 d，主要出現在4—10月；首要污染物為PM10的天數為208 d，2014—2016年略微下降；首要污染物為NO2的天數僅在2015年出現5 d，2016年出現4 d，首要污染物中沒有SO2和CO。

表2 2014—2016年首要污染物出現日數（單位：d）Table 2 Days of primary pollutants occurred in Jingzhou from 2014 to 2016.

2.1.2 空氣質量和污染物的月變化

圖2 2014—2016年荊州城區AQI和污染物濃度月變化Fig. 2 Monthly variation of AQI and pollutant concentration in Jingzhou from 2014 to 2016

由AQI和6種污染物濃度月變化（圖2）可知，PM10、PM2.5和AQI的變化規律一致，呈V型分布，高值區在12—3月，其中峰值出現在1月，1月為全年空氣質量最差的月份，AQI為128.6，PM10高達236.2、PM2.5為139.4，2月、12月PM10、 PM2.5和AQI出現第二和第三高值；低值區出現在7—8月，7月出現最低值，7月為全年空氣質量最好的月份，AQI為69.4，PM10為66.4、PM2.5為40.7，5月、9—10月出現階段性的峰值。SO2和NO2的變化規律比較一致，1—3月兩者濃度比較接近，4—12月NO2濃度均高于SO2，NO2濃度高值出現在10—1月，低值出現在6—8月，SO2高值出現在12—3月，低值出現在6—8月。CO濃度值域范圍較小，在1.03～1.82， 7—8月出現低值，濃度為1.03～1.07，1—2月出現高值，濃度為1.57～1.82。O3的變化規律與AQI和其他5種污染物的變化規律相反，呈反V型分布，低值區在11—1月，高值區在8—9月。

2.2 氣象條件對空氣質量的影響

2.2.1 AQI、污染物濃度與氣象要素相關性

首先初選具有明確物理意義的常規地面觀測資料：當日（日平均、日最高、日最低）氣壓、氣壓日較差、當日（日平均、日最高、日最低）氣溫、氣溫日較差、日平均水汽壓、日平均和日最小相對濕度、當日日平均總云量和低云量、當日日降水量、當日（日平均、日最大、日極大）風速、日日照時數，以及前一日AQI共19個因子，利用Pearson相關系數分析AQI和6種污染物濃度與氣象要素的相關性。

由表3可知，AQI和6種污染物濃度與19種初選因子的相關分析，除AQI與日日照時數、NO2與日日照時數、O3與日極大風速、CO與日最小相對濕度沒通過顯著性檢驗，PM10與日日照時數、O3與日最大風速只通過α＝0.05水平的顯著性檢驗外，其他均通過了α＝0.01水平的顯著性檢驗。

AQI及各污染物濃度，除O3外，與前一日AQI呈正相關關系，AQI與前一日AQI相關系數高達0.73，說明空氣質量具有延續性，受前期空氣質量影響作用較大，空氣質量有一個由好變差的污染物累積過程，也有一個由差轉好的污染物稀釋過程。

多媒體時代下的美術教育不但可以培養學生的創新能力，還可以增強學生的主動性和自信心。學生在上美術課之前，可以搜集大量的圖片資料，并將這些圖片資料進行篩選、整理出自己所需的美術信息，從而增強學生的主動性。學生在上美術課之后，可以在宿舍、在自習室、在家里通過手機、平板電腦、ipad等設備連接平臺獲取教學資源、提交課堂作業、和老師、同學們進行交流互動，從而提高學生的膽量，增強學生的自信心。

表3 2014—2016年荊州城區AQI及6種污染物濃度與氣象要素的相關系數Table 3 Correlation coefficient between AQI, concentrations of 6 pollutants and meteorological elements in Jingzhou from 2014 to 2016

AQI及各污染物濃度，除O3外，均與氣壓呈正相關關系，綜合比較，日最高氣壓相關系數具有微弱優勢。氣壓對AQI和5種污染物濃度有負作用，氣壓越高越不利于空氣質量的提高和污染物濃度的下降，反之，氣壓越低，空氣質量越好，污染物濃度越低，這是由于低壓系統控制下，底層空氣輻合上升，近地面的污染物隨空氣上升到高空，有利于近地面污染物的稀釋和擴散；當高壓系統控制時大氣穩定，不利于污染物向高空擴散，滯留在近地面層，導致空氣質量變差，污染物濃度升高[8]。

AQI及各污染物濃度，除O3外，均與氣溫呈負相關關系；但AQI和6種污染物濃度均與氣溫日較差呈正相關關系；AQI及各污染物濃度與（日平均、日最高、日最低）氣溫的相關系數明顯大于氣溫日較差，O3與日最高氣溫相關性最好，AQI及其他污染物濃度均與日最低氣溫的相關性最好。氣溫對空氣質量有正作用，氣溫越高，空氣質量越好，這是由于近地面氣溫較高時大氣垂直對流作用加強，越有利于污染物向上輸送，污染物濃度越低，空氣質量就越好；當氣溫低時，情況則相反[10]。

水汽壓和相對濕度是表征空氣濕度的兩個物理量。AQI及各污染物濃度，除O3外，均與日平均水汽壓呈負相關關系。AQI及各污染物濃度，除CO外，均與日平均相對濕度呈負相關關系，CO與濕度的相關性較差，AQI及其他5種污染物濃度，與日最小相對濕度的相關性要優于日平均相對濕度。

AQI及各污染物濃度，與云量呈負相關關系，云量越多，空氣質量越好，除O3外，AQI及各污染物濃度與日平均低云量的相關性要優于日平均總云量。

AQI及各污染物濃度與日降水量均呈負相關關系。分析其原因，降水對污染物具有清除作用，降水可以溶解或與有些污染物起化學反應，降水還可以把顆粒物帶到地面。通常，雨滴可兼并粒徑大于2μm的氣溶膠粒子，降雨對各污染物的影響不一，對PM10的影響最大，SO2次之，NO2最小[11]。

AQI及各污染物濃度，除O3外，與風速均呈負相關關系，O3與風速的相關性較差，AQI、PM10、CO、PM2.5與日極大風速的相關性最好，SO2和NO2與日平均風速的相關性最好。分析原因，風速越大，大氣擴散條件越好，污染物擴散能力越強，空氣質量越好；相反，風速小，大氣擴散能力差，容易造成污染物的堆積，污染物濃度升高，空氣質量就差。

O3與日日照時數的相關性較好，AQI及其他5種各污染物濃度與日日照時數的相關性均較差。

O3與AQI和其他5種污染物濃度的特征不一致，O3與氣溫、日照時數、水汽壓有顯著的正相關關系，與氣壓、相對濕度有明顯的負相關關系，與日降水、風速的關系不大，主要是由于其形成原因不同，O3主要與大氣光化學反應有關，在太陽輻射強，日照時間長，云量少，高溫低濕條件時，O3濃度升高。

2.2.2 建立AQI和污染物濃度的回歸預報方程

根據上述分析，從預選因子組中選擇前一日AQI、氣壓、氣溫、水汽壓、云量、降水量、風速、日照時數等8類因子作為備選因子，根據相關系數大小，并排除氣象要素間的自相關性，分別建立AQI和污染物濃度的線性回歸預報方程（表4）。從表4可以看出，各回歸方程顯著，除CO回歸方程復相關系數略低，其他方程的復相關系數均大于0.73，方程均通過顯著性檢驗，可以認為選出的氣象因子對AQI及各污染物的影響顯著，該方程組的結論值得參考。

表4 AQI及6種污染物濃度的回歸預報方程Table 4 Regressive prediction model for AQI and concentrations of 6 pollutants

2.2.3 驗證AQI回歸預報方程

利用2017年逐日地面氣象要素觀測資料計算AQI，得到空氣質量等級，以此來驗證AQI回歸預報方程的精度（表5），可以看出AQI預報方程準確預報空氣質量等級占72%，偏大一個等級占16.9%，偏大兩個等級占0.3%，偏小一個等級占9.2%，偏小2個等級占1.6%，在實際業務中，可以為空氣污染氣象擴散條件預報提供參考。

表5 AQI回歸預報方程驗證誤差（單位：%）Table 5 The hit rate (%) by the regressive prediction model for AQI

3 典型污染天氣過程成因分析

2015和2016年沒有出現嚴重污染日，2014年出現7 d嚴重污染，1月嚴重污染日數達到6 d，5月19日出現嚴重污染。2014年1月除去15日沒有資料，出現嚴重污染日數6 d，分別出現在7日、14日、17日、27日、28日、31日，重度污染日數16d，中度污染日數5d，輕度污染日數3d，沒有空氣質量優良的日數。本文對2014年 1月空氣污染成因進行分析。

2014年1月荊州站氣溫異常偏高，冷空氣活動弱，月平均氣溫排歷史第二位；降水偏少，雨日數偏少，只有三次弱降水天氣過程；日照時數異常偏多。圖3為2014年1月AQI、回歸方程計算AQI與同期氣象要素的變化圖（其中最高氣壓=日最高氣壓—1010hPa），可以看出模型計算的AQI一定程度上能夠反映實際AQI的變化規律，但是時間上有滯后，并且模型計算的AQI峰值要小于實際AQI。影響2014年1月空氣污染過程的主要氣象因子為降水、風速、風向。6—7日受弱冷空氣影響、北風加大，北方污染物在本地迅速累積，空氣質量變差，8日風力加大，氣象擴散條件較好，加上7日雨水沖刷作用，空氣質量有一定改善，10—11日降水過程結束后，空氣質量進一步提高，14—19日天氣晴好，風速較小，大氣靜穩，氣象擴散條件較差，空氣污染比較嚴重，22—24日風力加大，且吹南風，空氣質量得到一定改善，此后空氣質量維持在較差水平，28—29日出現降水后，空氣質量略有改善，但仍處于嚴重污染。

圖3 2014年1月AQI與同期氣象要素變化（AQI使用次坐標軸）Fig. 3 Variations of AQI and meteorological elements in January 2014

4 結果與討論

1）荊州城區空氣質量較差，優良日數偏少，但2014—2016年空氣質量略有改善，冬季空氣污染最嚴重，夏季空氣污染相對較輕。影響荊州城區空氣質量的主要污染物是PM2.5，2016年下降較明顯，其次是O3，2014—2016年增長很快，到2016年增長到130 d，與首要污染物為PM2.5的天數129 d持平，O3和PM2.5為2016年最主要的污染物。

2）AQI和PM10、PM2.5、SO2、NO2、CO的變化規律一致，呈V型分布，高值區在冬季，低值區在夏季；O3的變化規律與AQI和其他5種污染物的變化規律相反，呈反V型分布，低值區在11—1月，高值區在8—9月。

3）AQI、PM2.5、PM10、SO2、NO2、CO與前一日AQI、氣壓呈正相關關系，與氣溫、水汽壓、濕度、云量、降水、風速呈負相關關系。O3與AQI和其他5種污染物濃度的特征不一致，O3與氣溫、日照時數、水汽壓有顯著的正相關關系，與氣壓、相對濕度有明顯的負相關關系，與日降水、風速的關系不大。

4）建立了AQI和各污染物濃度的回歸預報方程，方程組復相關系數較高，精度較好，回歸系數均通過顯著性檢驗，方程組的結論值得參考，利用2017年地面氣象要素觀測資料和AQI驗證了AQI預報方程的誤差，可以為空氣污染氣象擴散條件預報提供參考。

5）影響空氣質量的因素很多，主要有本地污染源的分布和強度、外地污染物輸入和氣象擴散條件等，多種因素共同導致了2014年1月的重污染過程。