鄭州市冬春季相對濕度和PM2.5的關系

張 雯 白建偉 張 寧 韋貞鴿 李俊杰

（1.鄭州市生態環境局，河南 鄭州，450007；2.鄭州市生態環境監測和安全中心，河南 鄭州，450007；3.河南省鄭州生態環境監測中心，河南 鄭州，450007）

0 引言

PM2.5主要由鹽構成，鹽的特性之一是吸收水分。因此，濕度對空氣質量的影響顯而易見。陳艷麗［1］以某市2019—2020 年相對濕度、絕對濕度及PM2.5濃度數據為依據，對濕度參數進行區間劃分，發現PM2.5在高相對濕度的環境下濃度增大，在絕對濕度增加的情況下濃度減少，原因是相對濕度大時絕對濕度并不一定大。丁凈等［2］以天津市冬季大氣環境為研究對象，得出冬季平均相對濕度＞80%或比濕＞3.0 g∕kg 時，PM2.5質量濃度＞75 μg∕m3的發生頻率分別為78%和80%，但在比濕最高值出現的2020 年2 月，PM2.5濃度卻較低。呂安等［3］通過皮爾森相關性分析太原市小店點位2019—2020 年秋冬季PM2.5濃度和常規氣象數據，得出相對濕度在60%以下時，顆粒物吸濕增長較弱，對空氣質量影響較小，而相對濕度大于60%將促進PM2.5濃度上升。張金萍等［4］探究北京市居民住宅、學生宿舍、農村住宅的室內PM1.0、PM2.5及PM10與相對濕度的關系，發現住戶相對濕度在10%～50%時，室內顆粒物PM1.0∕PM2.5及PM2.5∕PM10的比值隨相對濕度增大而增大。

國內對PM2.5和相對濕度的研究多采用個別監測站點的數據，缺乏整個地級市層面的研究，且多局限于觀察PM2.5隨相對濕度的分布，未建立包含風速、降水、氣溫等多參數在內的模型。鄭州市年平均氣溫為15.6℃［5］，相對濕度＞50%，空氣中水蒸氣平均含量＞6.5 g∕m3，水是空氣中僅次于氮氣、氧氣的第三大成分。2016—2022 年，鄭州市PM2.5年平均值由78 μg∕m3下降至45 μg∕m3，降幅＞40%，但仍高于《環境空氣質量標準》(GB 3095—2012)年平均二級濃度限值35 μg∕m3。因此，研究空氣濕度對鄭州市細顆粒物污染的影響具有現實意義。鑒于大氣污染天氣多發生在冬春季，本研究利用2019—2023 年11 月至次年4 月的數據，建立PM2.5與氣象參數的多元邏輯回歸模型，并對PM2.5監測及道路灑水作業提出了建議。

1 數據與方法

PM2.5數據來自鄭州市空氣質量日報，相對濕度、氣溫、降水、風速的數據來自氣象日報，為2019—2023 年11 月1 日至次年4 月30 日的逐日平均濃度數據，無效測量值已剔除。分析采用StataMP17.0 和EXCEL。Stata 是一款具有數據分析、數據管理、圖表繪制等功能的統計軟件［6］，除了傳統的統計分析方法外，Stata 還囊括了Cox 比例風險回歸，指數與Weibull 回歸，多類結果與有序結果的logistic回歸等模型。

首先分析PM2.5、相對濕度的數據特征，包括平均值、最小值和最大值，觀察二者年際之間的變化趨勢，并繪制PM2.5逐月變化圖，制作PM2.5隨相對濕度分布的散點圖。在分析PM2.5與相對濕度之間的關系時，采用多元邏輯回歸模型。根據《環境空氣質量標準》（GB3095—2012），將PM2.5濃度作為因變量并分為三個區間:

組1：CPM2.5≤35 μg∕m3

組2：35 μg∕m3＜CPM2.5≤75 μg∕m3

組3：CPM2.5＞75 μg∕m3

組1 為回歸模型的參照組，邏輯回歸模型為式（1）和式（2）。

式中：P代表概率，CPM2.5代表PM2.5濃度，b1為常數項，b2、b3、b4、b5分別代表相對濕度、氣溫、降水、風速的相關系數。

2 結果分析與討論

2.1 冬春季PM2.5和相對濕度基本情況

2019—2023 年冬春季期間PM2.5和相對濕度的統計數據見表1。由表1 可知，2019—2022 年冬春季PM2.5均值呈下降趨勢，由72.41 μg∕m3下降為61.42 μg∕m3，降幅為15.2%。但2022—2023 年的值有所反彈，達到68.70 μg∕m3，相較于2021—2022 年冬春季的均值高出11.85%。這是由于新冠疫情期結束，鄭州市復工復產，加之2023 年春節煙花爆竹燃放政策松動，一定程度上加重了污染天氣。PM2.5最大日均值出現在2023 年1 月，為295 μg∕m3，超過空氣質量二級濃度限值293%。2019—2023年鄭州市相對濕度均在50%以上，并呈現波動下降趨勢，2019—2020 年冬春季相對濕度均值最高，達到57.19%。2022—2023 年冬春季相對濕度均值最低，為52.61%。

表1 2019—2023年冬春季PM2.5濃度及相對濕度統計數據

2019—2023 年冬春季PM2.5逐月平均濃度變化如圖1 所示。由四條曲線走向可知，除了2021—2022 年PM2.5月均濃度由11 月的57 μg∕m3下降至12月的53.2 μg∕m3，再升高至1月的109.8 μg∕m3外，其他年份PM2.5逐月平均值均呈現先升高，再波動下降的趨勢，最大值都出現在1月，2020年1月、2021年1月、2022年1月和2023年1月的均值分別為119.9 μg∕m3、85.9 μg∕m3、109.8 μg∕m3和97.9 μg∕m3，分別超過《環境空氣質量標準》PM2.5年平均二級濃度限值的242.6%、145.45%、213.7%和179.7%。冬季處于采暖期，以煤炭為主的能源結構導致污染物排放量大。據統計，2020 年鄭州市煤炭消費總量為1974萬t，煤炭占比約為51%［7］。根據2021年、2022年大氣污染源解析和污染源排放清單，燃煤對PM2.5的貢獻達到20%以上。目前，鄭州市燃煤消費90%以上為電力使用，盡管所有燃煤電廠均已完成超低排放改造，由于煤炭消費量居高不下，仍然是大氣污染的主要來源［8］。此外，冬季地面溫度急劇降低，貼近地面的下層大氣溫度更低，上層溫度反而更高，形成“逆溫”現象［9］，空氣對流減弱，污染物較難擴散。

圖1 2019-2023年冬春季PM2.5濃度月均變化

PM2.5最小值均出現在4 月，說明PM2.5在冬季濃度極高，進入春季后逐漸下降，但2020—2023 年4月濃度值仍高于二級濃度限值，反映出鄭州市細顆粒物污染治理的壓力仍較大。盡管近年來鄭州市不斷強化產業管控，但目前傳統高污染企業、小散企業在全市依然占有較大比重，產業高質量發展水平有待提高。

2019年11月1日至2020年4月30日共182天，其他三個年度冬春季的觀測期均為181 天。《環境空氣質量標準》規定的PM2.524 小時平均濃度一、二級限值分別為35 μg∕m3和75 μg∕m3，統計濃度值超過二級濃度限值的天數占比如圖2所示。由圖2可知，2019—2020 年、2020—2021 年、2021—2022 年、2022—2023年冬春季期間PM2.5日均值超過75 μg∕m3的比例分別為36%、33%、30%和31%。相較于2021年及之前，鄭州市PM2.5污染狀況有所改善。

圖2 PM2.5日均值超過75 μg∕m3的天數占比

4 個年度冬春季PM2.5日均值隨相對濕度的分布情況如圖3至圖6所示。其中，相對濕度在20%～40%時，PM2.5日均值的分布相對比較集中，且濃度值往往低于50 μg∕m3。當出現PM2.5日均濃度極高值（大于150 μg∕m3）時，對應的相對濕度往往在60%～80%。當相對濕度極大（大于80%），PM2.5日均值反而有所減小，因為濕度極大可能伴隨降雨、降雪，對PM2.5起到一定沖刷作用，使得PM2.5下降。綜合圖3 至圖6，PM2.5日均值隨相對濕度的分布整體比較分散，趨勢性不夠明顯，這可能與其他氣象條件、監測數據誤差等因素有關。

圖3 2019—2020年冬春季PM2.5濃度隨相對濕度變化散點

圖4 2020—2021年冬春季PM2.5濃度隨相對濕度變化散點

圖5 2021—2022年冬春季PM2.5濃度隨相對濕度變化散點

圖6 2022—2023年冬春季PM2.5濃度隨相對濕度變化散點

以相對濕度為橫坐標，按照20%的間隔劃分5個區間，繪制箱線圖。箱線圖適合觀察數據整體的分布情況。在統計學中，將一組數據按從大到小的順序排列后，把該組數據四等分的數稱為四分位數［10］。針對PM2.5在不同相對濕度區間的分布進行探討，由圖7 可知，隨著相對濕度的增加，PM2.5的中位數、上四分位數、上邊緣值均增加。在相對濕度處于較大區間時，PM2.5也相應較高，與多元邏輯回歸的結論吻合。此外，箱子的寬度在一定程度上反映了數據波動程度，箱體越扁說明數據越集中。隨著相對濕度的增大，相應區間PM2.5數據的波動也逐漸增大。

圖7 冬春季PM2.5濃度和相對濕度的箱線圖

2.2 PM2.5與相對濕度多元邏輯回歸結果

對不同年度PM2.5濃度和相對濕度分別進行多元邏輯回歸，并考慮氣溫、降水、風速的影響。在該回歸模型中，因變量PM2.5是一個分類變量。按照《環境空氣質量標準》，將PM2.5濃度分為三組，分別為濃度小于等于35 μg∕m（3組1）、濃度大于35 μg∕m3且小于等于75 μg∕m（3組2）和濃度大于75 μg∕m（3組3）。將組1作為基準組，分別得到組2和組3各變量的相關系數（見表2、表3）。在邏輯回歸模型中，自變量相關系數的正負表示自變量對分類結果的方向性影響，系數的絕對值大小表示自變量對分類結果的重要程度。例如，某個特征的系數為1，表示每單位特征的增加會使得預測正類別的概率增加1 個單位。關于統計顯著性，使用t 檢驗來確定系數是否顯著不等于0，顯著性水平按照0.1、0.05和0.01分為三個層次。

表2 2019—2020年、2020—2021年冬春季多元邏輯回歸結果

表3 2021—2022年、2022—2023年冬春季多元邏輯回歸結果

根據表2 和表3，各年度組2 和組3 中相對濕度的系數均大于0，且均具有統計顯著性。說明與PM2.5小于等于35 μg∕m3相比，隨著相對濕度增加，PM2.5出現在更大區間的概率也相應增大。例如，在2019 年11 月至2020 年4 月期間，相對濕度每增加一個單位，PM2.5濃度在35～75 μg∕m3之間的概率是PM2.5小于35 μg∕m3的概率的1.25 倍，PM2.5濃度大于75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的1.41倍，且二者p值均小于顯著性水平0.01；在2020年11月至2021 年4 月期間，相對濕度每增加一個單位，PM2.5濃度在35～75 μg∕m3之間的概率將是PM2.5小于35 μg∕m3的概率的1.08倍，PM2.5濃度大于75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的1.15 倍，二者分別在0.05和0.01的水平下顯著。

此外，降水、風速與PM2.5呈負相關。仍以2019 年11 月至2020 年4 月為例，降水量每增加1個單位，PM2.5在35～75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的83%，PM2.5大于75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的66%，該結果在0.05的統計水平下顯著；風速每增加1 個單位，PM2.5在35～75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的87%，PM2.5大于75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的59%。溫度與PM2.5濃度無明確關系。隨著相對濕度增加，空氣中水分增多，PM2.5因吸水而增重，繼而濃度變大。降水量與PM2.5濃度呈負相關，因為降雨往往伴隨空氣流動，對污染物起到沖刷沉降，導致PM2.5下降。但降水的影響在不同年度并不都具有統計顯著性，原因是冬春季鄭州降雨量小，在降水極少甚至無降水時，體現不出其對PM2.5的影響。風速與PM2.5呈現負相關，因為風速較大時污染物擴散條件更好，因而PM2.5較低。

2.3 相對濕度對PM2.5監測的影響

PM2.5監測常用方法有濾膜稱重法、壓電晶體頻差法、光散射法、β 射線法等［11］。目前國內普遍采用的是加載膜動態監測系統的微量振蕩天平技術（TEOM+FDMS）和加裝動態加熱系統的β 射線法(β+DHS）［12］。TEOM+FDMS 的原理為環境空氣以一恒定流量通過采樣濾膜，顆粒物將沉積在濾膜上［13］，進而測定前后振蕩頻率并計算出顆粒物平均濃度。環境空氣被采集進入儀器后會經過干燥器處理。干燥器利用水汽滲透膜兩側的氣壓差剔除空氣中的水分，進而使得空氣樣本中的水分與顆粒物分離。在此過程中，滲透膜工作效率及氣流壓差均會影響水汽去除率，去除的是氣相中的水分，對于吸附在顆粒物上的水和結晶水難以去除［14］。特別是高濕度條件下，干燥器中濾膜對水分去除不徹底將進一步導致PM2.5測量值增大［15］；β+DHS 法則利用采集到的顆粒物質量變化與β 射線檢測器輸出信號之間的對應關系進行測定。該方法能夠減少水分對測定的影響，但對采樣濾膜帶有較高要求，在濕度短期變化大時易出現儀器故障［16]。

鄭州市空氣質量自動站監測PM10采用常態加熱50 ℃，PM2.5則是動態加熱［17］，即測量室相對濕度大于35%時才啟動加熱，這是導致有時PM2.5大于PM10的原因。PM2.5采用動態加熱不至于因常態加熱而導致半揮發性有機物的損失，卻把PM2.5中的水也測量進來了，而空氣中水的濃度是揮發性有機物的數百萬倍。國際上已開展PM2.5監測儀器認證的國家有美國聯邦環保署、歐盟環境委員會、德國、英國、法國、日本等［18］，而我國監測設備認證仍處于籌措中。

3 結論

①2019—2023年冬春季期間，鄭州市相對濕度均值在50%以上，濕度對空氣質量具有較大影響。當相對濕度較低（20%～40%）時，PM2.5低于50 μg∕m3的發生頻率較高；當相對濕度較高（60%～80%）時，PM2.5出現極大值（大于150 μg∕m3）的概率增大；當相對濕度繼續增大，PM2.5反而有所下降，可能是降水的沖刷沉降造成的。

②2019—2022年冬春季期間，PM2.5月均濃度最大值均出現在1 月，最小值均出現在4 月,說明冬季污染比春季嚴重。PM2.5平均值由72.41 μg∕m3下降為61.42 μg∕m3，降幅達15.2%。但2022—2023 年冬春季PM2.5平均濃度出現反彈，達到68.70 μg∕m3，這是因為新冠疫情結束復工復產以及燃放煙花爆竹政策有所松動。

③PM2.5監測應進一步提升在線設備質量控制水平，細化監測規范，完善監測所用濾膜的質量管理體系，對其生產過程、運輸要求、保存條件等進行明確，充分考慮濕度的影響，保證自動監測數據的準確性。建立手工監測與自動監測數據溯源對比與評價體系，以更為精準的數據推動大氣污染防治攻堅戰的勝利。

④道路灑水會增加周邊空氣的相對濕度，而其能否達到減少道路灰塵與顆粒物的效果有待進一步探究。開展道路灑水前應充分考慮氣象條件及大氣污染狀況。