常州市2014—2019年城市PM10與PM2.5污染趨勢

毛 麗，周 靜，季冬冬

（江蘇金易惠環保科技有限公司，江蘇常州 213022）

常州位于中國長三角地區，經濟發展快、機動車保有量爆發式增長，以顆粒物為主造成的霾污染給人們的身心健康造成了極大的危害。

由于污染物濃度變化隨氣象條件以及突發的污染排放有著直接的聯系，利用Kolmogorov-Zurbenko（KZ）濾波方法可以去除短期的污染濃度波動從而獲得污染物的季節性波動情況及長期變化趨勢，從而對各污染物的治理措施提供長期的效果評價。本研究基于KZ 濾波對2014—2019年常州細顆粒物（PM2.5）、PM10的逐日資料的時間序列進行分解，獲得短期、季節和長期尺度上污染物濃度序列，并分析其變化規律。

1 材料與方法

1.1 研究區域

常州位于北緯31°09′至32°04′、東經119°08′至120°12′，地處江蘇省南部、長三角腹地，屬北亞熱帶季風區，四季分明，氣候濕潤，雨量充沛，日照充足，無霜期長，據氣象統計資料，區域多年平均氣溫16.5℃，極端最高氣溫40.6℃，極端最低氣溫-11.2℃。

根據常州市國控站點 2014— 2019年的PM10、PM2.5小時及日監測數據開展時間序列分析。

1.2 研究方法

KZ 濾波方法是經p次迭代與m點滑動平均的低通濾波，其計算公式見式（1）。

式中，Oi為輸入序列；i為序列的時間間隔（d）；j為滑動窗口變量，表示參與滑動的各時間點；k為對Oi進行濾波時其兩端滑動窗口長度；滑動窗口長度m=2k+1；濾波結果作為下次濾波的輸入再次計算，如此共執行p次，得到最終濾波結果 KZ（m，p）。

調整濾波參數m與p可以控制不同尺度過程的濾波，濾波結果KZ（m，p）將波長小于N的波頻濾除，見式（2）。

對某一原始時間序列O（t），可分解為式（3）。

式中，e（t）、S（t）和W（t）分別是長期、季節和短期分量。短期分量W（t）由天氣系統及短期污染排放變化引起，時間尺度為1～21d；S（t）代表季節性變化影響，如太陽角度變化引起的季風、氣溫、輻射、降水等季節性變化，以及與之相關的污染排放變化，時間尺度為1a；長期分量e（t）則反映了人為活動源排放的影響和氣候長期變化，包括污染排放總量、污染物傳輸、氣候、政策或經濟活動等因素引起的變化，時間尺度一般大于 1a。

參考Rao 等的KZ 方法，3個時間尺度分量分別按式（4）～式（6）計。

根據公式（2），KZ（15，5）濾波的滑動窗口長度為15（m=15），執行5次迭代（p=5），周期小于33d（15×51/2≤33）的波動濾除，即有效濾波約為 33d；同理，KZ（365，3）有效濾波為632d（1.7a）。

定義基線分量為長期分量和季節分量的加和，見式（7）。

O（t）的總方差可寫為濾波所得3個分量的方差和協方差之和，見式（8）。

本研究將PM10和PM2.5日均值取對數后進行分解，獲得各分量后再恢復為濃度數據；Tmax數據則直接對原始數據進行 分解。

2 結果與討論

2.1 PM10、PM2.5污染概況

根據常州市生態環境狀況公報，2014—2018 年PM2.5的平均濃度依次為67μg/m3、58μg/m3、49μg/m3、47μg/m3、50μg/m3，2014年PM10的平均濃度104μg/m3、2015—2018年PM10的平均濃度依次81μg/m3、73μg/m3、73μg/m3，對照《環境空氣質量標準》（GB 3095—2012），PM10二級年均濃度標準為70μg/m3，PM2.5二級年均濃度標準為35μg/m3，常州市上述兩個因子均超標，影響常州市環境空氣質量的關鍵因子為細顆粒物PM2.5。

為分析2014—2019年常州市區PM10、PM2.5污染濃度變化的時間序列，采用KZ 濾波方法對數據進行了處理。將原始的時間序列分解得到了污染物濃度季節成分時間序列s（t）以及污染物濃度長期趨勢成分時間序列e（t）。

2.2 KZ過濾后的PM10、PM2.5時間序列特征

KZ 濾波參數選擇至關重要，Rao 等[2]采用KZ（29，3），后調整為公式（4）～（6）中的KZ（15，5）和KZ（365，3），其時間尺度節點分別為33d 和1.7a。

按照公式（4）～（6），分別對常州PM10、PM2.5原始序列進行分解，獲得短期、季節和長期分量序列。

PM2.5、PM10具有類似的趨勢，原始序列有高頻噪聲，具較明顯季節特征[圖1（a）]；去除天氣系統引起的短期分量[圖1（b）、圖2（b）]后，季節分量[圖1（c）、圖2（c）]顯示出更清晰平滑的周期特征，峰值出現在秋冬季，谷值出現在夏季。不同年份的季節周期存在一定不規則性，如峰值、峰谷的具體時段略有差異；長期分量[圖1（d）、圖2（d）]則顯示2014—2019年總體呈現下降趨勢，但2018年有所反復。通過PM2.5、PM10長期分量序列的分析，發現這種趨勢在原始序列[圖1（a）]、[圖2（a）]中基本被高頻噪聲掩蓋，印證了時間尺度分離分析的必要性。

圖1 2014—2019年常州PM2.5的原始時間序列和和KZ分解后的短期、季節和長期分量序列

2014—2019 年，常 州 市PM2.5和PM10長 期 分 量 的 下 降速率分別是3.18 和6.02，下降速率比值為0.53；而這6a 中，PM2.5和PM10的濃度比值是0.62，可見下降速率比值低于濃度比值，即PM2.5的下降效果不及PM10。PM10一般以一次源為主，而PM2.5有一次源，也有二次源，故PM2.5的下降效果不及PM10，提示了二次源治理的難度，也提示了治理的重要性，SO2、NOx等氣態污染物可作為前體物，通過復雜的反應過程生成新粒子，因此需要氣態污染與顆粒物協同控制、協同 治理。

圖2 2014—2019年常州PM10的原始時間序列和和KZ分解后的短期、季節和長期分量序列

3 結束語

采用Kolmogorov-zurbenko（KZ）濾波將2014—2019 年常州PM10、PM2.5時間序列分解為短期、季節和長期等3個分量得出其污染物變化規律為：PM10、PM2.5峰值出現在秋冬季，谷值出現在夏季，PM10、PM2.5總體呈現下降趨勢，但2018年有所反復，PM2.5的下降效果不及PM10