西安市揮發性有機物(VOCs)擴散遷移與氣象因素的研究

強逸凡，吳柳瑩，張 潔，胡葦杭，馮 哲，黃光球

(西安建筑科技大學管理學院 陜西西安710055)

0 引 言

西安市作為陜西省省會、特大城市、關中平原城市群核心城市，近些年發展勢頭崛起，隨之帶來的是更多的環境問題。2019 年西安市政府發布了《西安市“鐵腕治霾·保衛藍天”2108—2019 三年行動方案(修訂版)》，根據年西安市環境公報顯示，西安市環境整體呈轉好趨勢，但空氣污染物成分含量中首要污染物仍是細顆粒物(PM2.5)。因此，研究西安市揮發性有機物VOCs(Volatile Organic Compounds)擴散遷移與氣象因素的關系極為必要。

此前，學術界已有多名學者對VOCs 擴散遷移與氣象因素做了研究。張勇等[1]研究了棗莊市夏秋季揮發性有機物對環境空氣質量影響；梁天池等[2]探究了工業區大氣污染物的遷移擴散模型及其應用；江軍[3]對黃土高原地區農業面源污染時空特征及與經濟發展關系進行研究；魏巍[4]研究了中國人為源揮發性有機化合物的排放現狀及預測未來發展趨勢；石雪穎等[5]對北京市大氣重污染過程中AQI 的時空擴散特征進行了研究并預測了其模型；余虎等[6]對西安市大氣污染顆粒物自然驅散因素進行了研究；Emilio Sabia 等[7]對揮發性有機物特性及影響進行了進一步研究。

目前，我國大氣污染面臨著嚴重污染，固定源污染包括化石燃料、生物質(秸稈、木材)燃燒，溶劑使用、石油化工、煉鋼煉焦等，移動源包括機動車、火車、飛機、輪船等公共交通工具，它們的尾氣排放到大氣中，導致大氣環境污染日益嚴重。基于此，本文對氣象自然因素對西安市揮發性有機物擴散遷移與氣象因素的影響做進一步研究。

1 數據來源

本文2018 年、2019 年國控城市點PM2.5年平均值(圖 1)來源于 2019 年西安市環境狀況公報(http：//www.xa.gov.cn/gk/sthj/kqhj/5dae57a965cbd86d 496cb373.html)；2018 年、2019 年西安市月均溫度、濕度及風速來源于中國空氣質量在線監測分析平臺(https：//www.aqistudy.cn/historydata/weixin.php)。

圖1 2018年、2019年國控城市點PM2.5 年平均值對比圖Fig.1 Comparison of annual average PM2.5 in statecontrolled cities in 2018 and 2019

2 相關研究方法

2.1 研究方法

通過做出溫度(圖2)、風速(圖3)和PM2.5(圖4)折線圖及空氣質量指數AQI(Air Quality Index)變化趨勢圖(圖5)，發現隨著溫度、風速的升高及變大，會導致PM2.5含量變低及AQI 值變高，而VOCs 是形成PM2.5的重要前提物，且也在很大程度上影響AQI 的指數值，空氣污染物中有 70% ～80% 的組成為PM2.5。為了揭示揮發性有機物和氣象條件帶來的影響之間的關系，本文采用Matlab 建立兩者之間的線性回歸方程，通過回歸分析，初步認為溫度對揮發性有機物具有線性影響。

圖2 2018—2019年西安月均最高氣溫和最低氣溫折線圖Fig.2 Line graph of monthly average maximum and minimum temperatures in Xi"an from 2018 to 2019

圖3 2018—2019年西安月均最高風速和最低風速折線圖Fig.3 Line graph of average monthly maximum and minimum wind speeds in Xi’an from 2018 to 2019

圖4 2018—2019年西安市PM2.5 含量折線圖Fig.4 Line graph of PM2.5 content in Xi’an from 2018 to 2019

圖5 2018—2019年西安市AQI指數變化折線圖Fig.5 Line graph of change in AQI index in Xi’an from 2018 to 2019

2.2 自變量的選擇

本文選擇氣象影響因素中最主要因素之一：溫度。通過分子的熱運動可知，溫度越高分子無規則運動越快，擴散越快；其次是風速，風速加快，會影響氣體局部的壓強，根據理想氣體狀態方程PV＝nRT，物質的量(n)不變、體積(V)不變，當壓強(P)升高時，則溫度(T)也會隨之升高。微觀體現即為分子的熱運動加快，故溫度(T)升高，分子運動加快，則會影響大氣中PM2.5的含量和AQI 指數的變化值(表1)。

2.3 因變量的選擇

VOCs 是形成PM2.5的重要前體物，也在一定程度影響AQI 的數值，VOCs 含量中70%～80%都是PM2.5，說明PM2.5與VOCs 的關系密切，變化相關。因為產生VOCs 的來源多、廣、雜，在收集數據方面會有很大的困難與不便，所以本文選擇PM2.5和AQI作為監測VOCs 擴散與遷移的指標，依據空氣中PM2.5的變化和空氣質量指數進行研究(表2)。

表1 2018—2019年西安市溫度、風級統計數據Tab.1 Statistics of temperature and wind speed in Xi"an from 2018 to 2019

表2 2018—2019年西安市PM2.5、AQI統計數據Tab.2 Statistical data of PM2.5 and AQI in Xi’an from 2018 to 2019

3 計算分析

通過分析初步認為溫度與風力與PM2.5的含量呈線性關系，使用SPSS 工具建立線性回歸方程。

對表3、表4 及圖1 至圖4 用下列表達式：

對表達式(1)進行線性回歸分析，結果如表5所示。

表3 自變量相關自然指標Tab.3 Natural indicators related to independent variables

表4 因變量相關自然指標Tab.4 Natural indicators related to dependent variables

表5 模型匯總bTab.5 Model summary

由表5 可知：相關系數R＝0.894，表明自變量(T、S)和因變量(PM2.5)之間存在著高度線性相關性。

判定R2＝0.800，說明回歸平方和占總離差平方和的比例為80.0%，用T 和S 可以解釋x1即空氣中(PM2.5)的變動比例為80.0%，說明該回歸的效果較好，本觀測值的擬合程度較好。

表6 Anovaa(PM2.5)Tab.6 Anovaa(PM2.5)

對表6 結果分析如下：

SSR(回歸平方和)＝26 390.739

SSE(殘差平方和)＝6 616.219

F(擬合顯著性)＝41.882

P(不拒絕除假設的程度)＝0.000＜0.05(顯著性表示自變量對因變量的影響程度，小于0.05 表示有顯著影響，說明該模型具有95%的把握認為回歸方程顯著)。

對表7 結果分析如下：

如何求得P＝0.01＜0.05，所以選擇表7 中B 列數值，那么可以將表達式(1)寫為如下回歸方程：

若P＞0.05，則該回歸方程不含常數項，就要選擇標準系數檢驗其余系數；如表6 所示，P＝0.449＞0.05，剔除變量S，這個變量S 不能進入該方程。

表7 Anovaa(PM2.5)Tab.7 Anovaa(PM2.5)

圖6 殘差個案次序圖Fig.6 Sequence diagram of residual cases

由表達式(1)生成殘差個案次序圖，如圖6 所示，可知第13 個點落在中軸線的帶狀區域之外，說明該點(1，142)是奇異點應該刪除，刪除后，重新進行運行得到殘差個案次序圖，如圖7 所示。

圖7 殘差個案次序修正圖Fig.7 Sequence correction diagram of residual cases

根據重新運行出的殘差個案次序修正圖(圖7)，可以判斷出殘差個案均落在中軸線帶狀區域以內，說明無奇異點。由圖8 可知：殘差值都在置信區間上限、下限范圍內，代表回歸模型正常，所以表達式(1)的回歸模型正常。

對表達式(2)進行線性回歸分析，得到結果如表8 所示。由表8 可知：相關系數R＝0.741，表明自變量(T、S)和因變量(AQI)之間存在著線性相關性。

但因為R2＝0.550，即回歸平方和占總離差平方和的比例為55.0%，用T 和S 可以解釋空氣中(AQI)的變動的比例為55.0%，說明該回歸的效果一般，本觀測值的擬合程度不佳，據此認為AQI 與T、S 之間無顯著關系，剔除表達式(2)。

圖8 殘差值圖Fig.8 Residual value graph

表8 模型匯總bTab.8 Model summary

通過建立多元線性回歸方程，發現揮發性有機物擴散遷移與氣象因素呈負相關線性影響，即T 每增加1 ℃，空氣中PM2.5的含量下降3.388 mg/m3。

4 結 論

近些年，在經濟上，西安作為陜西省省會城市，發展走在全國城市前列；在環境上，西安位于我國西北區域，關中盆地，暖溫帶半濕潤大陸性季風氣候，四季分明，雨量適中。但近些年發展同時，大氣環境遭到破壞，超過其最大承載力。在日后的發展中要增強對大氣環境的治理與保護，加大大氣環境治理和研究，降低各類有機物的排放。■