天津市東麗區主要大氣污染物濃度時空變化特征及氣象影響要素分析

李明聰，楊妍辰，姜皓嚴

(天津市東麗區氣象局 天津300300)

0 引 言

隨著天津市東麗區經濟的快速發展及城鎮化規模的急劇擴大，空氣污染事件也急劇增多。根據天津市環境監測中心的數據，東麗區2017年上半年PM2.5月均濃度超標 1.0倍，PM10月均濃度超標 0.6倍，PM2.5和 PM10已經成為影響東麗區環境質量的重要因素。

國內一些學者對京津冀、長三角等地區污染天氣的時空分布特征進行了分析[1-4]，還有研究人員通過數值模擬等方法對不同地區污染天氣發生時大尺度環流形勢、近地層輸送條件等天氣氣候特征進行了廣泛研究，其中導致天津地區產生污染天氣的環流類型主要分為低壓型、低壓前部型、高壓型、高壓底部型、高壓前部型、均壓場型和弱低壓型[5-6]。

近年來許多學者對天津地區污染天氣特征進行了研究。韓素芹等[7]對天津市 PM2.5的日變化特征、垂直分布特征和擴散特征進行了一系列系統的研究；姚青等[8]揭示了相對濕度、風向風速對天津地區污染物濃度的影響；劉麗麗等[9]分析了一次重污染天氣的邊界層特征；汪靖等[10]探討了一次重污染天氣形成的環流條件和中期預報著眼點；蔡子穎等[11]對不利氣象條件和污染物濃度增加的正反饋作用進行了研究。

目前的研究多集中于個例分析，且研究范圍主要為天津市或華北地區，圍繞天津市區縣精細化污染物時空分布特征及其與氣象要素關系方面的研究還比較缺乏。本文采用2016年1月～2017年8月東麗區12個環境監測站逐小時觀測數據，分析東麗區主要污染物濃度(PM2.5和 PM10)在日、月、季等不同時間尺度上的變化特征和空間分布特征。結合同期氣象臺站逐小時觀測數據，計算 PM2.5、PM10濃度超標日數對應日最高氣溫、相對濕度、風速的數值，通過相關分析等方法研究不同氣象要素對污染物濃度的影響，建立氣象要素和污染物濃度之間的多元回歸模型，為東麗區環境氣象預報服務提供參考。

1 資料來源和研究方法

1.1 資料來源

本文研究數據來源于篩選和剔除掉異常值后的東麗區環境監測中心發布的 2016年 1月～2018年12月東麗區 12個市級環境監測站 PM2.5和 PM10濃度監測數據，以及同一時期東麗區國家一般氣象站觀測得到的相對濕度、日照時數、2min風速、最高氣溫的逐日數據和逐小時數據。

1.2 研究方法

本文采用統計方法計算東麗區各主要街道PM2.5和 PM10濃度的分布情況以及日變化曲線。此外，使用相關分析[12]方法研究了各氣象要素與 PM2.5和PM10濃度的關系及氣象要素與污染物濃度超標的關系，并且基于逐步多元線性回歸方法[12]建立了各氣象要素和PM2.5、PM10濃度的多元線性回歸模型。

1.3 污染等級標準

PM2.5和 PM10濃度日值(24h平均濃度)的計算參考GB 3095—2012《環境空氣質量標準》[13]和HJ 633—2012《環境空氣質量指數(AQI)技術規定(試行)》[14]，由此得出 PM2.5污染等級(優，0～35μg/m3；良 ，35～75μg/m3；輕 度 污 染，75～115μg/m3；中度污染，115～150μg/m3；重度污染，150～250μg/m3；嚴重污染＞250μg/m3)和 PM10污染等級(優，0～50μg/m3；良，50～150μg/m3；輕度污染，150～250μg/m3；中度污染，250～350μg/m3；重度污染，350～420μg/m3；嚴重污染＞420μg/m3)。PM2.5和 PM10日均濃度大于二級標準(75μg/m3、150μg/m3)即為超標。

2 研究結果

2.1 東麗區PM2.5和PM10濃度時空變化特征

2016—2018年東麗區PM2.5和PM10污染狀況明顯緩解。總體來看，2018年 PM2.5和 PM10濃度相比于 2016年明顯降低，分別從 83.1、128.5μg/m3降至56.3、89.8μg/m3。超標日數也明顯減少，2018年比2016年超標日數減少約 50%(表 1、表 2)。表明2017、2018年2年東麗區大氣污染防治力度加大，效果顯著，其中，東麗湖街兩類污染物的年均濃度和超標日數都是全區最低的，其污染物濃度和超標日數在近3年來的降低幅度也是全區最低的。這可能是由于東麗湖街以濕地和住宅區為主，沒有較大規模的工業生產區，各項污染防治措施對其污染緩解的影響有限。對于以工業生產為主要經濟產業的金鐘街和萬新街，較大力度的減排措施使這2條街道近3年來污染物濃度和超標日數的降低幅度達到全區最高水平。豐年村街、新立街和金橋街污染物濃度和超標日數仍然維持在全區較高水平并且降幅較小，是今后仍需重點控制排放的地區。

表1 東麗區2016—2018年年均PM2.5濃度和年超標日數Tab.1 Annual average of PM2.5 concentration and number of days exceeding standard from 2016 to 2018

空氣污染的季節性規律已被人們認識和普遍接受，但在不同地區空氣污染質量季節分布還是會有細小的差異。圖 1給出了東麗區 PM2.5濃度的逐月變化，其中 12月 PM2.5濃度最高，為 91.9μg/m3，8月PM2.5濃度最低，為 49.4μg/m3，最高月是最低月的1.9倍，月際變化較大；總體來看11月至次年3月的PM2.5濃度較其余月份高，是東麗區 PM2.5污染的高發時期；夏季大氣層結不穩定，對污染物濃度擴散和清除有一定的影響，PM2.5濃度夏季最低。PM2.5濃度的空間分布大致呈南部城區和工業區高、東北部郊區濕地低的特征。PM2.5濃度最高的 3個監測站分別位于南部的無瑕街、金橋街和萬新街，PM2.5濃度最低的 3個監測站位于北部的東麗湖街、華新街和華明街。

表2 東麗區2016—2018年年均PM10濃度和年超標日數Tab.2 Annual average of PM10 concentration and number of days exceeding standard from 2016 to 2018

圖1 東麗區月均PM2.5分布Fig.1 Distribution of PM2.5 monthly average concentration in Dongli

圖 2展示了 PM10濃度的逐月變化。與 PM2.5在冬季濃度較高不同，PM10濃度最高的時期在春季，以冷空氣活動最頻繁的 3月濃度最高，為141.1μg/m3，8月 PM10最低為 73.0μg/m3，月際變化幅度和 PM2.5相似；總體來看12月、3～5月的PM10濃度較其余月份高，是東麗區 PM10污染的高發時期。空間分布上表現為污染季全區一致、非污染季節東部低西部高的特征，其中，金橋街 PM10濃度在各月都較高，需要重點關注區域內防塵苫蓋作業的情況。

圖2 東麗區月均PM10分布Fig.2 Distribution of PM10 monthly average concentration in Dongli

PM2.5濃度的日變化則表現出區域內的東西差異特征，全區各街道日變化呈“單峰型”的特征(圖3)，大部分街道 PM2.5濃度最高值出現在 8：00，東部東麗湖街的峰值時間略早，為 7：00；東部東麗湖街、華新街、軍糧城街的 PM2.5濃度最低值出現在 15：00，無瑕街更早，為 13：00，西部各街道 PM2.5濃度最低值均出現在 16：00及之后。另外東部日變化幅度15μg/m3，比西部日變化幅度低 5μg/m3以上。除東麗湖街外，PM10濃度的日變化呈全區一致的“兩峰一谷型”特征，PM10濃度最高值基本都出現在7：00和19：00，最低值在 13：00，日變化幅度在 40μg/m3左右。因此，降塵工作需要在早晚的污染物濃度高峰，即 7：00和 19：00前開展。夜間 PM10隨時間的降低較 PM2.5更為明顯，這與其自身更易沉降的特性也有一定關系。

2.2 東麗區PM2.5和PM10濃度與氣象條件的關系

PM2.5和 PM10的污染狀況是由污染源的分布和排放、氣象要素對污染物擴散條件的影響2方面因素決定。項目主要研究氣象要素與 PM2.5和 PM10濃度的影響。表3給出了PM2.5濃度與不同氣象要素的相關系數，可以看出 PM2.5濃度與日最高氣溫、日照時數、風速呈顯著負相關，與相對濕度呈顯著正相關，尤其是與風速、相對濕度、日照時數相關性最高。當日最高氣溫越低、日照時數越少、風速越小、相對濕度越大時，近地面保持穩定的狀態，不利于 PM2.5在垂直和水平方向的擴散，使 PM2.5積聚，不僅保持較高濃度，還易與其他污染物發生化學反應，增加二次氣溶膠產生的可能性。PM10濃度與日照時數、相對濕度、風速呈負相關，與日最高氣溫呈正相關，從全年來看 PM10濃度對氣象要素的響應較差，主要受排放和揚塵的影響；但是春季 PM10濃度與氣象要素、尤其是風速相關關系較好，主要是由于春季冷空氣活動頻繁，對PM10沉降、擴散的影響較大。

圖3 東麗區各街道PM2.5和PM10濃度日變化曲線Fig.3 Daily change curves of PM2.5 and PM10 concentration in Dongli

表3 PM2.5和PM10濃度與各氣象要素的相關系數Tab.3 Correlations between PM2.5 and PM10 concentration and meteorological elements

選取 PM2.5和 PM10日均濃度超標日(PM2.5＞75μg/m3、PM10＞150μg/m3)，統計不同污染程度對應的日最高氣溫、日照時數、日均相對濕度和日均風速的平均值(表 4、表 5、表 6、表 7)。總體來看，當東麗區 PM2.5超標時，日最高氣溫為 11～21℃，日照時數2～6.5h，相對濕度 60%～77%，風速 1.4～1.8m/s。隨著污染程度加重，日最高氣溫、日照時數、風速下降，相對濕度增加，但在重度污染和嚴重污染時風速條件幾乎相同。這為 PM2.5污染的預報提供了一定的思路。當預報日最高氣溫在 21℃以下、相對濕度60%以上、風力 2級以下、天空狀況多云到陰時，PM2.5超標發生的可能性大。總體來看，PM10超標時風速、日照、日最高氣溫、相對濕度條件和 PM2.5相似，但污染程度和氣象要素缺少較好的對應關系，氣象要素隨著污染程度的加重沒有明顯的變化規律。

表4 PM2.5和PM10濃度超標日對應的日最高溫度值Tab.4 Daily maximum temperature corresponding to number of days exceeding standard of PM2.5 and PM10

續表4

表5 PM2.5和PM10濃度超標日對應的日照時數Tab.5 Sunshine hour corresponding to number of days exceeding standard of PM2.5 and PM10

表6 PM2.5和PM10濃度超標日對應的相對濕度值Tab.6 Relative humidity corresponding to number of days exceeding standard of PM2.5 and PM10

表7 PM2.5和PM10濃度超標日對應的風速值Tab.7 Wind speed corresponding to number of days exceeding standard of PM2.5 and PM10

2.3 東麗區各街道PM2.5和PM10濃度預報模型構建

使用多元逐步回歸方法，將自變量逐個引入回歸方程中，每引入一個自變量后都要進行 F檢驗，并對已經選入的自變量逐個進行顯著性水平為 0.05的 T檢驗，當原來引入的自變量由于后面自變量的引入變得不再顯著時，則將其剔除，以確保每次引入新的自變量之前回歸方程中只包含顯著的自變量。根據2.2節中污染物濃度和氣象要素相關關系，選擇2016年1月1日～2018年12月31日剔除缺測值和異常值風速、最高氣溫、相對濕度、日照時數以及前一日污染物濃度作為自變量，除開發區污染物濃度和氣象要素無法建立回歸方程外，其他街道的回歸模型各項自變量的回歸系數都通過了顯著性檢驗(顯著性水平α＝0.05)(Y預測濃度，C前一天濃度，WS風速，RH相對濕度，TMAX日最高溫度，SS日照時數)。通過計算各個回歸方程的復相關系數(R2)，可知回歸因子可解釋 PM2.5日變化的 45%左右，標準誤差均在30～40，回歸因子可解釋 PM10變化的 35%左右，標準誤差均在 50～60。可看出，PM2.5的回歸模型較PM10的擬合程度更好。使用方差分析檢驗所擬合的各個回歸模型是否具有統計學意義，結果顯示 F檢驗顯著性均小于0.05，因此獲得的回歸模型均具有一定預測價值(表 8、表 9)。對比 PM2.5、PM10擬合值和實際濃度，可以看到基于逐步回歸方法得到的預報模型針對實際污染濃度變化的趨勢預報效果較好，但對濃度數值的預報偏低，尤其是污染較嚴重時，模型常常低估極值。這主要是由于較嚴重的污染時常由外源性污染物輸入造成。

表8 PM2.5濃度回歸預報模型Tab.8 Regression model of PM2.5 concentration

表9 PM10濃度回歸預報模型Tab.9 Regression model of PM10 concentration

3 結 論

①每年11月至次年3月是東麗區PM2.5污染的高發時期，PM2.5濃度夏季最低。PM2.5濃度的空間分布呈南部高、東北部低的特征。12月、3～5月是PM10污染的高發時期。空間分布呈現為污染季全區一致，非污染季節東部低、西部高的特征。PM2.5濃度的日變化表現出東西差異特征，全區各街道日變化呈“單峰型”特征。PM10濃度的日變化呈“兩峰一谷型”特征。夜間 PM10隨時間的降低較 PM2.5更為明顯。

②PM2.5濃度與日最高氣溫、日照時數、風速呈顯著負相關，與相對濕度呈顯著正相關，尤其是與風速、相對濕度、日照時數相關性最高。PM10濃度與日照時數、相對濕度、風速呈負相關，與日最高氣溫呈正相關。春季 PM10濃度與氣象要素、尤其是風速相關關系較好。

③當東麗區 PM2.5超標時，日最高氣溫通常為11～21℃，日照時數 2～6.5h，相對濕度 60%～77%，風速 1.4～1.8m/s。隨著污染程度加重，日最高氣溫、日照時數、風速下降，相對濕度增加，但是重度污染和嚴重污染時風速條件幾乎相同。PM10超標時風速、日照、日最高氣溫、相對濕度條件和 PM2.5相似，但污染程度和氣象要素缺少較好的對應關系，氣象要素隨著污染程度的加重沒有明顯的變化規律。

④基于逐步回歸方法得到的預報模型針對實際污染濃度變化的趨勢預報效果較好，但對濃度數值的預報偏低，尤其是污染較嚴重時，模型常常低估極值。這主要是由于較嚴重的污染時常由外源性污染物輸入造成。