南寧市PM2.5濃度與氣象因素的關系

謝劭峰， 周志浩， 李國弘

(桂林理工大學測繪地理信息學院，廣西空間信息與測繪重點實驗室，桂林 541006)

隨著中國城市化的進程和經濟的不斷發展，在頻繁的人類活動中有大量的有害氣體排放到了空氣中，對人們所居住的大氣環境造成了嚴重的影響。當遇到大氣污染擴散條件較為惡劣時，空氣污染將進一步加劇[1]，這給人們的生活和居住的環境帶來了不良的影響。空氣質量指數(air quality index, AQI)[2]是定量描述空氣質量狀況的無量綱指數。空氣質量評價指數是由六項主要污染物構成，它們分別是 PM2.5、PM10、SO2、NO2、O3、CO。空氣質量通常按數值分為六個等級，一級優(I 0～50)、二級良(II 51～100)、三級輕度污染(III 101～150)、四級中度污染(IV 151～200)、五級重度污染(V 201～300)、六級嚴重污染(VI 301～500)。空氣最主要的污染成分是PM2.5(細顆粒物)，高濃度的PM2.5不僅會降低能見度影響交通運輸[3]，甚至影響人體健康。PM2.5稱為細顆粒物，指在空氣中物體直徑小于等于2.5 μm的顆粒物。它能夠較長時間的懸浮在空氣中，輸送距離遠，同時顆粒直徑小，面積達，活性強，易于附帶有毒、有害的物質，對人體健康和大氣環境質量的影響更大[4]。2017年南寧市首要污染物為PM2.5的天數占到整年度的非I級天數比例的62%，PM10占到了38%，并且PM2.5與PM10具有強烈的相關性，它們之間的Pearson系數達到了0.8以上。而AQI與PM2.5的Pearson系數為0.977，說明南寧市的空氣質量指數主要是由PM2.5的濃度值決定。有研究表明不利的氣象條件會顯著加重PM2.5污染過程，Tai等[5]發現溫度、相對濕度、降水和大氣循環等條件能夠較好地解釋北美地區 PM2. 5濃度的變化情況。張雙成等[6]結合水汽資料分析了霧霾天氣時PM2.5的濃度變化特征。張文靜[7]通過解算大氣水汽以及對流層延遲，建立了香港地區的PM2.5回歸預測模型。丁一匯等[8]、王珊等[9]、毛敏等[10]、梁春麗等[11]對霧霾天氣及其影響因素分別進行了深入的研究，研究表明氣象因素對于霧霾天氣的形成以及PM2.5濃度變化有著顯著影響。基于此結合氣溫、相對濕度、風速、降雨量、氣壓等氣象因素以及GPS(全球定位系統)，對流層總延遲(ZTD)、對流層干延遲(ZHD)、水汽(PWV)等分析PM2.5的時空特征變化。

1 研究數據

南寧是廣西壯族自治區首府及政治、經濟、文化中心，位于廣西南部偏西，介于東經107°45′～108°51′，北緯22°13′～23°32′。氣候屬季節變化明顯的亞熱帶季風性氣候區，氣候溫和，雨量充沛，夏長視夏季潮濕，冬季稍顯干燥；地形是以邕江廣大河谷為中心，南、北、西三面均為山地圍繞的盆地形態。

實驗數據主要包括空氣質量數據、氣象數據、GPS對流層數據。采用相關性的方法分析PM2.5濃度與氣象因子、對流層數據之間的關系。通過氣象數據和GPS對流層數據研究空氣污染物PM2.5濃度值的變化特征并建立多元線性回歸模型。

(1)空氣質量數據：廣西壯族自治區環境保護廳數據中心提供了逐小時的各項污染物濃度值歷史數據。

(2)氣象數據：氣象逐小時數據如氣壓、氣溫、降雨、風速等由國家氣象數據中心提供。

(3)GPS對流層數據：中國地震局GNSS(全球導航衛星系統)數據產品服務平臺提供的ZTD數據，根據Saastamoinen模型計算的ZHD，以及由ZTD、ZHD計算的對流層天頂濕延遲(ZWD)[12]。

(1)

ZWD=ZTD-ZHD

(2)

式中：ZHD是對流層天頂靜力學延遲；ZWD是對流層天頂濕延遲；P是測站大氣壓；φ是測站緯度；H是測站大地高。

現將得到的數據進行匯總整理，按季節分別來討論PM2.5濃度變化特征。

2 PM2.5濃度與氣象因子的相關性分析

2.1 PM2.5濃度和氣象因子的日變化特征

為了更好地分析PM2.5濃度值變化與氣象因子之間的關系，將南寧市2017年整年度的數據按小時平均值制成日變化趨勢圖，如圖1所示。從圖1(a)來看，南寧市PM2.5日變化特征大致呈現出的是雙峰雙谷特征，波峰分別出現在中午12：00，以及傍晚的23：00。12：00時刻的PM2.5濃度變化趨勢較為平穩，波峰不太明顯；從圖(a)中能明顯看到當過了12：00后PM2.5的濃度快速降低，直至午后17：00達到一天中的最低值，然后又快速升高至21：00，再以較為平緩的速度在23：00升高至一天的最高值。PM2.5濃度在0：00以及1：00都是保持著較高的數值，之后再以較快的速度下降到6：00的波谷，6：00—12：00的PM2.5濃度呈現的是較為平緩的上升階段。圖1(a)顯示了南寧市的氣溫日變化趨勢是從早晨7：00持續升高，直到下午16：00達到了一天中的氣溫最大值，然后一直下降到次日的7：00。一天中最高氣溫點為16：00，對應了PM2.5濃度值的最低點，處于該時刻的氣溫最大，局部溫差差異增大，空氣的端流運動增強，從而有助于PM2.5在空氣中的擴散。相對濕度的變化趨勢從圖1(b)可以看出正與氣溫相反，7：00最高，13：00最低。這是因為隨著溫度的增高空氣中可以含的水就越多，也就是說，在同樣多的水蒸氣的情況下溫度升高相對濕度就會降低。相對濕度對于PM2.5的影響主要體現在當無降雨空氣相對濕度在60%～80%以下時，顆粒物的二次生成作用較強，PM2.5的濃度同相對濕度呈正比關系。在圖1(c)中，風速在凌晨保持一個較低的數值，7時后開始增加，到10：00達到一個相對較高的值然后持續到傍晚19：00才開始下降。可以看到風速與PM2.5呈現的是負相關的關系，風速越大越有利于PM2.5的擴散，從而有效地降低當地的PM2.5濃度值。氣壓日變化[圖1(d)]同樣也呈現出了雙峰的特征，在10：00達到主高峰，在23：00達到次高峰。氣壓與PM2.5的變化趨勢最為接近，同樣呈現出了雙峰雙谷的日變化特征，并且對應的波峰波谷時刻一致。氣壓高低與大氣環流密切相關，當地面受低壓控制時，四周高壓氣團流向中心，使中心形成上升氣流從而加大風力，這樣有利于污染物向上疏散降低顆粒物的濃度。相反，若地面受高壓控制，中心部位出現下沉氣流，抑制污染物向上擴散，在穩定高壓的控制下，污染物積累，顆粒物濃度加劇。從圖1(e)上看ZTD，整體上0：00—11：00一直保持較高水平，11：00后急劇下降，直到16：00達到最低，然后開始上升。ZTD與PM2.5濃度變化趨勢較為一致，二者都是由12：00開始降低，直到16：00左右達到了一天中的最低值。

圖1 PM2.5、氣象因素、ZTD日變化趨勢

2.2 PM2.5濃度和氣象因子的季節變化特征

根據PM2.5濃度變化特征在不同季節有著明顯差異，將由廣西壯族自治區環境保護廳獲取的實測PM2.5濃度值數據繪制成年濃度變化折線圖(圖2)，從而分析不同季節的PM2.5濃度變化特征。南寧市PM2.5濃度季平均值分別為40.17 μg/m3(春3—5月)、36.12 μg/m3(夏6—8月)、53.76 μg/m3(秋9—11月)、69.80 μg/m3(冬12—次年2月)，呈現出了冬>秋>春>夏的趨勢。不同季節PM2.5濃度值日變化也不同，春季日變化均值為18.09 μg/m3，夏季日變化均值為15.71 μg/m3，秋季日變化均值為23.81 μg/m3，冬季日變化均值為43.87 μg/m3。從圖2也能看出冬季的波動幅度較大，夏季波動幅度較小，南寧市PM2.5濃度呈現較為明顯的季節性變化特征。在此特別需要指出的一點是1月28日的空氣質量出現了重度污染天氣，污染物PM10、PM2.5出現嚴重超標現象，濃度值異常高。從圖2中可以看到，在凌晨二點時刻PM2.5濃度達到了最高值391 μg/m3。對此進行研究分析發現是由于1月28日正值農歷春節人類活動較頻繁，春節燃放煙花炮竹較多，且春節期間氣溫升高，地面風速小，大氣條件不利于空氣污染物的擴散。這在一定程度上說明了污染物PM2.5濃度值變化受到春節的“假日效應”影響。在統計不同季節的空氣質量級別分布情況后，將其繪制成表1。從表1中可以看到夏季的空氣質量情況最好，多數時間處于優良的空氣質量狀況中。冬季的空氣質量情況最差，其中空氣質量為優的情況僅占到了整個季度的22.8%，占優比例遠遠小于其他的季節，并且出現了重度以及嚴重污染的空氣質量情況。

圖2 南寧市2017年PM2.5濃度變化

表1 空氣質量級別分布

氣象因素以及對流層延遲呈現出了較為明顯的季節性分布特征，夏季高溫多雨對流層總延遲大而干延遲較低、冬季低溫少雨對流層總延遲小干延遲較大。統計不同季節PM2.5、氣象因素、ZTD遲的數據繪制成表2。同時大氣污染物PM2.5的濃度與氣象因素有著密切的關系，將PM2.5濃度值與氣象因素、其他污染物濃度值在不同季節的Spearman相關系數繪制成表3，從表3中可以看到SO2、NO2、CO三項污染物與PM2.5的相關性較強，且隨季節變化，在秋季呈現的相關性就要比其它季節強。氣溫對PM2.5濃度值的影響，主要體現在當氣溫較高時，大氣垂直湍流作用加劇，有利于污染物的擴散。相反當對流層出現逆溫層時，會阻礙PM2.5垂直方向的擴散運動，使得污染物聚集在近地層的大氣中從而加劇了空氣污染的程度。因此氣溫與PM2.5二者呈現出的是負相關性，氣溫對PM2.5濃度值變化的影響顯著。表2中冬季的平均氣溫最低為15.3 °C，最容易出現逆溫層現象，因而多發高污染空氣情況。夏季平均溫度是四季中最高的，其數值達到了27.8 °C，因此夏季的大氣湍流運動強度大，大氣污染物擴散條件好，多呈現為優、良空氣質量狀況。相對濕度在夏季與PM2.5的相關性最明顯，從表3來看它們之間具有負相關的特性。統計數據表明，當濕度處于30%～50%時，PM2.5濃度均值為56.2 μg/m3，50%～60%相對濕度時的PM2.5濃度均值為47.8 μg/m3，60%～70%相對濕度時的PM2.5濃度均值為37.2 μg/m3，70%～80%相對濕度時的PM2.5濃度均值為36.3 μg/m3，相對濕度大于80%時刻的PM2.5濃度均值為28.8 μg/m3。表3中風速與PM2.5的Spearman相關系數不管在任何季節中都是呈現的負相關性，既隨著風速的增大污染物PM2.5的濃度值會隨之降低。風速影響著污染物擴散的情況，排放源的污染物會隨著風被傳送到其他地區，從而得到稀釋。風速越大，污染物擴散的效果就越好，通常持續一段時間的強風會使當地的PM2.5濃度值處于一個較低的水平。一般傍晚至凌晨時間段的風速較低，因而在這個時間段的PM2.5的濃度值呈現出相對一天中較高的濃度值。南寧市PM2.5濃度年均值為33.7 μg/m3，處于二級風速(1.6 m/s)以下時刻的PM2.5濃度均值為39.8 μg/m3，特別當天氣出無風(0～0.3 m/s)狀態時的PM2.5濃度均值達到了58.9 μg/m3，同時風速與PM2.5的相關性在冬、春季呈現的要比夏、秋季強。ZTD與PM2.5濃度值的相關性在春、夏季呈現負相關，其中夏季的Spearman系數達到了-0.452。而在秋、冬季則為正相關，但它們之間的Spearman相關性系數較小。降雨對大氣污染物有很好的沖刷作用，雨滴降落時，大氣中的氣體，有時包括顆粒物，經雨滴的溶解或粘附而被去除。統計數據表明，降雨期的PM2.5濃度均值為24.6 μg/m3，非降雨時刻的PM2.5濃度均值為34.7 μg/m3。特別以一月份數據為例，其PM2.5濃度月均值為60.7 μg/m3，而一月中旬有較多的降雨，PM2.5濃度均值僅為33.7 μg/m3，空氣質量狀況多呈現為優良。顯著性是評估原假設即它們之間存在相關性為真的情況下拒絕此假設所要承擔的風險水平，通常取顯著性(α=0.05)。

表2 氣象因素、對流層延遲季節均值

表3 PM2.5與氣象因素、對流層延遲的Spearman秩相關系數

3 模型預測

從Spearman相關系數表(表3)來看，PM2.5與SO2、NO2、CO等污染物具有較高的相關性。在分析了污染物、氣象因子與 PM2.5之間的相關性和趨勢圖的基礎上，對它們進行多元線性回歸，建立它們之間的關系方程式。通過PM2.5與其他因素的相關系數值，選擇多個自變量對PM2.5濃度值進行預測建模。相關系數絕對值的大小決定它們之間相關性的強弱，對不同季節的PM2.5濃度值作為因變量，采用相關系數較大的因子作為自變量，同時滿足顯著性小于0.05。PM2.5數據作為因變量建立模型，采用多元線性回歸進行分析，分析結果見表4。其中R2代表多元線性回歸模型的擬合度，在0～1取值，其值越與1接近，代表擬合度越好；反之，說明擬合度越差。

以SO2、NO2、CO、氣溫、風速、降雨、相對濕度、ZTD、ZHD作為自變量，PM2.5數據作為因變量建立的多元線性回歸模型，從模型的擬合度R2來看預測效果較為顯著，其中秋季模型的擬合度最大達到了0.747。下面以南寧市為例對季節預測模型進行精度驗證，如果如圖3所示。取四月份中旬實測數據對春季模型的預測精度進行驗證，圖3(a)是春季模型在四月中旬的預測值與實測值的比較，藍色實線為實測的PM2.5濃度值，綠色虛線為模型的預測值，可以看到二者整體變化趨勢保持一致，通常在波峰與波谷處二者相差較大。并且預測值的波動頻率要比實測值的大，實測值一般在某一段時間內保持穩定，即對氣象因素的響應敏感度不大，不會隨著某一氣象因素的改變立刻增大或降低。夏季模型

表4 PM2.5與氣象因素、對流層延遲的多元線性回歸方程

注：x1～x9分別代表SO2、NO2、CO、氣溫、風速、降雨、相對濕度、ZTD、ZHD。

[圖3(b)]中預測值整體上與實測值的變化趨勢保持一致，但二者在7月14日有較大的差別，實測值線條較為平穩的在濃度值為20 μg/m3附近波動，而預測值的波動較大，二者濃度值相差最大達到了10 μg/m3。在圖3(c)中秋季模型的預測值與實測值差別最大處是在10月16日15時，預測值明顯偏大，而實測值較小。PM2.5的預測值高出實測值是因為自變量SO2的濃度值在此段時間內處于一個異常高的濃度值26 μg/m3，而相鄰時間段僅為8～9 μg/m3，這可能是受到人為排放源的影響。圖3(d)冬季模型的預測值濃度在1月11—13日、17—20日明顯要高于實測值，主要由于在該段時間內，有持續的降雨，雨水對于PM2.5有洗滌作用。PM2.5中的銨鹽、硫酸鹽、和硝酸鹽就是典型的親水組分，被雨水碰撞后可以洗去，因此PM2.5實測的濃度值較低。

圖3 多元線性回歸模型預測值和實測值的對比

對多元線性回歸模型的精度驗證結果進行統計，同時計算預測值與實測值的相關系數，統計結果如表5所示。四季中夏季的絕對誤差和相對誤差是最小的，說明夏季的預測模型要比其他季節的模型精度要高。而冬季的PM2.5濃度值絕對誤差最大，一方面因為冬季PM2.5濃度值波動較多，幅度也較大。同時氣象因素對PM2.5濃度值的影響具有一定的滯后性。例如，通常降雨時不會立刻降低PM2.5濃度值，往往在雨后幾個小時PM2.5濃度值才會顯著降低。因此冬季的模型效果較差，其預測值與實測值的相關性也僅為0.416。

表5 多元線性回歸模型預測PM2.5濃度值精度驗證

4 結論

由上述研究分析可知，PM2.5濃度值的變化與氣象因素呈現出明顯的季節分布特性，因此按季節對PM2.5、氣象因素、對流層延遲進行分析是十分必要的。PM2.5、氣象因素、對流層延遲的相關性分析結果顯示：PM2.5與SO2、NO2、CO等污染物均呈現正相關，并且它們之間的相關系數隨季節波動，在秋季相關系數達到最大。PM2.5與氣溫的相關性在夏、冬季相對顯著，呈現的是正相關性。PM2.5與風速、相對濕度、降雨均呈現出負相關性，但是PM2.5與降雨的相關性較弱。這是由于研究分析的時間跨度大，多數時刻都是沒有降雨發生，且降雨對PM2.5濃度的影響有滯后性，即PM2.5濃度值通常是在雨后的幾個時刻才會顯著降低，因此降雨與PM2.5呈現弱相關性。PM2.5與對流層總延遲(ZTD)的相關性在春、夏季較為顯著，呈負相關性，而PM2.5與對流層干延遲(ZHD)呈弱相關性。在分析PM2.5與氣象因素、對流層延遲的相關性基礎上，建立了多元線性回歸預測模型并對其精度進行驗證。結果表明：結合氣象因素、對流層延遲的多元線性回歸模型對于南寧市PM2.5濃度值的預測效果較好，模型的擬合度R2最大達到了0.747，說明該模型適用于南寧市空氣污染物PM2.5的監測和預報。