張　琳，高雷娜，朱保美

（1. 德州市氣象局，山東　德州　253000；2. 齊河縣氣象局，山東　齊河　251100）

德州能見度與PM2.5、PM10和相對濕度的關(guān)系

張琳1，高雷娜1，朱保美2

（1. 德州市氣象局，山東德州253000；2. 齊河縣氣象局，山東齊河251100）

為研究德州大氣能見度與水汽和氣溶膠的關(guān)系，利用2013年逐小時能見度、相對濕度、PM2.5和PM10濃度資料，對三者與能見度的關(guān)系進行分析。結(jié)果表明：能見度與相對濕度的線性相關(guān)最好，與PM2.5濃度的相關(guān)性次之；隨著相對濕度、PM2.5和PM10濃度的增加，能見度明顯降低。大氣能見度與相對濕度、PM2.5和PM10濃度非線性相關(guān)系數(shù)明顯高于線性相關(guān)系數(shù)。利用PM2.5和PM10濃度和相對濕度數(shù)據(jù)計算得到了非線性大氣能見度擬合公式，經(jīng)驗證，該公式能較好地模擬德州大氣能見度。

能見度；PM2.5；PM10；相對濕度；非線性擬合

引言

大氣能見度是表征大氣透明度的物理量，與百姓生活息息相關(guān)，而且可以反映當?shù)氐目諝赓|(zhì)量。德州市位于山東省北部，與河北交界。2006年以來，霧-霾天數(shù)明顯增多，霧-霾天氣出現(xiàn)時，不僅空氣質(zhì)量較差，對人體健康不利，而且由于能見度下降，常常造成交通事故。因此大氣能見度的研究受到廣大氣象和環(huán)境工作者的廣泛關(guān)注。國外一些學(xué)者發(fā)現(xiàn)大氣能見度與大氣氣溶膠濃度密切相關(guān)［1-2］。馬雁軍［3-4］等將遼寧部分城市的大氣能見度與影響因子進行分析，發(fā)現(xiàn)能見度與相對濕度和PM10呈明顯負相關(guān)。宋宇［5］等討論了北京市能見度下降與氣溶膠濃度的關(guān)系，得出北京氣溶膠粒子散射消光占總消光70%～80%。宋明等［6］利用天津相對濕度、PM10和PM2.5數(shù)據(jù)對當?shù)卮髿饽芤姸冗M行多元非線性擬合，并以此來推算大氣能見度。崔宜少［7］分析了威海監(jiān)測站的PM2.5平均值與風(fēng)向、風(fēng)速及天氣形勢的相關(guān)性。有些文章還對空氣污染物時序特征與氣象條件的關(guān)系進行了研究［8-10］。此文旨在研究德州大氣中氣溶膠濃度以及水汽與能見度下降的關(guān)系，在借鑒前人研究成果的基礎(chǔ)上，采用非線性方法將PM10 和PM2.5濃度以及相對濕度與能見度的關(guān)系進行量化分析，并在此基礎(chǔ)上建立多元非線性擬合方程，為大氣能見度的業(yè)務(wù)預(yù)報提供參考依據(jù)。

1　資料來源和處理

大氣氣溶膠濃度數(shù)據(jù)來自德州市環(huán)保局監(jiān)測站2013年1—12月全年逐小時資料。在使用前，先剔除數(shù)值為0或者999.9的資料。其次剔除由于監(jiān)測設(shè)備異常時出現(xiàn)的 PM2.5濃度大于PM10濃度的資料。

氣象資料來源于德州氣象觀測站，站點位于德州市開發(fā)區(qū)長河公園內(nèi)。德州氣象觀測站CAWS737-V型能見度自動觀測儀量程為0～20km，采集頻率達到了1次/min。氣象觀測執(zhí)行國家相關(guān)標準，所有設(shè)備進行過校準。所有資料均進行了嚴格的質(zhì)量控制。所有數(shù)據(jù)統(tǒng)一處理成小時平均值。當出現(xiàn)明顯降水時，能見度儀的觀測值會出現(xiàn)明顯降低，因此必須將出現(xiàn)降水時的資料剔除。

經(jīng)過資料處理，最終所用數(shù)據(jù)均為較精細的小時平均資料，共計 6424組，完全可以滿足分析大氣能見度逐時變化、日變化規(guī)律及受各種氣象因素實時影響的研究要求。

2　大氣能見度與相對濕度及PM10和PM2.5的逐月變化

選取 2013年德州逐月大氣能見度與同期相對濕度、PM2.5和PM10資料進行對比分析。由圖1a可知，德州能見度和相對濕度逐月度變化較為明顯。能見度在3—6月、11月較高，1—2月、7月、12月較低；相對濕度在1—2月、7—8月較高，3—6、11—12月較低，相對濕度與能見度呈現(xiàn)負相關(guān)關(guān)系。由圖1b可知，PM2.5、PM10的月變化規(guī)律較為一致，在1—2月、7月、12月數(shù)值較高，其他月份相對較低，與能見度同樣呈現(xiàn)出負相關(guān)關(guān)系。

3　大氣能見度與相對濕度及PM10和PM2.5的線性關(guān)系

表1　大氣能見度與相對濕度、PM2.5和PM10及PM10 與PM2.5濃度差線性相關(guān)系數(shù)

由表 1可知，大氣能見度與相對濕度的相關(guān)系數(shù)最高，達到了-0.647，在0.001水平上顯著相關(guān)；與PM2.5的相關(guān)系數(shù)較高，為-0.612，同樣在0.001水平上顯著相關(guān)。說明隨相對濕度和PM2.5的升高，大氣能見度明顯下降。相對濕度增加，能見度下降主要是由于隨相對濕度增高，核模態(tài)大氣氣溶膠粒子（粒徑介于 0.005～0.050μm）吸濕增長，逐步轉(zhuǎn)化為積聚模態(tài)（粒徑介于 0.05～2.00μm）。大粒子的散射效率明顯高于小粒子，從而加劇了對可見光的散射，使大氣能見度下降。大氣能見度與PM10和PM2.5差值的相關(guān)系數(shù)為-0.180，說明粒徑介于2.5～10.0μm的大氣氣溶膠粒子較PM2.5對大氣能見度影響小。雖然這部分粒子散射效率高于小粒子，但其濃度遠低于小于2.5μm的氣溶膠粒子，據(jù)統(tǒng)計，德州 PM2.5占到了PM10總量的67%，所以粒徑介于2.5～10.0μm的粒子對太陽光的散射作用小于PM2.5。

4　大氣能見度與相對濕度、PM2.5和 PM10的非線性關(guān)系

4.1大氣能見度與PM2.5和PM10的非線性關(guān)系

實際情況下，能見度與PM2.5，PM10不呈現(xiàn)出簡單的線性關(guān)系，由散點圖（圖 2）中，明顯可以看出，其關(guān)系呈現(xiàn)較為復(fù)雜的非線性關(guān)系。

由以上分析可知，大氣能見度受空氣中的水汽、PM2.5、PM10濃度影響明顯，為驗證大氣能見度與相對濕度、PM2.5、PM10濃度的關(guān)系，將大氣能見度與相對濕度、PM2.5濃度、PM10濃度及PM10與PM2.5濃度差分別進行線性擬合（表1）。

圖2　能見度與PM2.5（a）和PM10（b）濃度分布散點圖

為驗證大氣能見度與相對濕度、大氣氣溶膠的關(guān)系，為業(yè)務(wù)化預(yù)報提供依據(jù)，宋明等［6］將相對濕度分為＜19%、20%～29%、30%～39%、40%～49%、50%～59%、60%～69%、70%～79%、80%～89%、＞90%共9個等級，分別對能見度與PM2.5和PM10濃度進行非線性擬合。很多科研工作者認為大氣顆粒物與大氣能見度呈負指數(shù)關(guān)系［11］。SPSS為IBM公司推出的一系列用于統(tǒng)計學(xué)分析運算、數(shù)據(jù)挖掘、預(yù)測分析和決策支持任務(wù)的軟件產(chǎn)品及相關(guān)服務(wù)的總稱，它和SAS、BMDP并稱為國際上最有影響的三大統(tǒng)計軟件。《SPSS統(tǒng)計分析高級教程》［12］一書中指出，非線性回歸的通用模型可以采用迭代法對各種復(fù)雜曲線模型進行擬合，按照書中教程可建立如下擬合方程：

式（1）中，VIS為能見度（km），PM2.5、PM10為濃度（mg·m-3），a、b、c、d為系數(shù)。擬合方程參數(shù)如表2。

由表2中發(fā)現(xiàn)，當相對濕度大于80%時，擬合結(jié)果與實況值相關(guān)系數(shù)的平方（R2）較相對濕度比較小時有明顯降低。這也說明當相對濕度大于80%時，隨著相對濕度的增大，能見度受PM2.5 和PM10濃度的影響有所減小。氣溶膠中硫酸鹽、硝酸鹽等潮解濕度一般在80%左右，當相對濕度超過潮解濕度時，會造成鹽粒子粒徑隨相對濕度增加而迅速增加，加劇對可見光的散射，相對濕度對能見度的影響明顯增加，受PM2.5和PM10濃度的影響則相對減小，與之前的分析一致。

表2　不同濕度條件下，能見度與PM2.5和PM10濃度擬合參數(shù)表

4.2大氣能見度與相對濕度的非線性關(guān)系

圖3中發(fā)現(xiàn)能見度與相對濕度的分布非?；靵y，似乎不存在明顯的相關(guān)性，但由前文分析結(jié)論，相對濕度與能見度呈現(xiàn)非常明顯的負相關(guān)，圖2之所以非?；靵y，是因為未考慮氣溶膠濃度的影響。下面分析在PM2.5和PM10濃度變化較?。ㄐ∮诘扔?0.005mg·m-3）的情況下，能見度與相對濕度的關(guān)系。

圖3　能見度與相對濕度分布散點圖

由于 PM2.5，PM10數(shù)據(jù)眾多，因此采用6個分別代表低、中、高濃度的數(shù)據(jù)集進行分析，樣本總量達1188個，使用SPSS軟件進行分析，發(fā)現(xiàn)能見度與相對濕度的3次方多項式有較好的擬合關(guān)系，其方程如下：

式（2）中，VIS為能見度（km），RH為相對濕度（0～100%），a、b、c、d為系數(shù)。擬合方程參數(shù)如表3。

由表3可知，相對濕度與能見度擬合的方程整體來看效果還是不錯，可以使用方程2來模擬能見度與相對濕度的關(guān)系。但是隨著PM10濃度增加，R2明顯減小，這可能是與非吸濕性粒子的增多有關(guān)系，使能見度與相對濕度的相關(guān)性下降。

表3　不同PM2.5，PM10濃度下，能見度與相對濕度擬合參數(shù)表

5　大氣能見度多元非線性擬合及驗證

5.1大氣能見度多元非線性擬合公式

綜合以上結(jié)果，僅考慮PM2.5、PM10和相對濕度對大氣能見度的影響，其他因素暫不考慮，利用SPSS軟件對大氣能見度進行多元非線性擬合。擬合公式：

式（3）中VIS1為能見度（km），PM2.5、PM10為濃度（mg·m-3），RH為相對濕度（%），a～g為系數(shù)。最終擬合參數(shù)如表4所示。

表4　大氣能見度與PM2.5和PM10濃度及相對濕度非線性擬合參數(shù)

經(jīng)過擬合之后的能見度在與實況能見度進行對比時發(fā)現(xiàn)，實際能見度與式（3）擬合結(jié)果仍呈現(xiàn) 2次多項式的關(guān)系，因此在式（3）的基礎(chǔ)上，再次進行修正，最終得到擬合公式。

式（4）中，VIS為最終擬合能見度，VIS1為式（3）得出的擬合能見度。擬合結(jié)果偶爾會出現(xiàn)小于0的情況，這與實際明顯不符，因此擬合結(jié)果小于0時，強制其為0。

5.2大氣能見度多元非線性擬合公式驗證

為了驗證上節(jié)得出的能見度擬合公式，選取2013年4月和12月小時數(shù)據(jù)進行驗證。由于霧、霾都出現(xiàn)在低能見度時，因此對擬合能見度小于3km（霾預(yù)警信號發(fā)布標準之一）的數(shù)據(jù)進行了單獨分析，結(jié)果如表5所示。

表5　2013年4月和12月驗證結(jié)果

圖4為擬合能見度與實測能見度的散點圖，4月（圖4a）和12月（圖4b）的擬合值與實測值吻合均較好，相關(guān)系數(shù)達到了0.93（通過顯著性水平0.001檢驗），平均絕對誤差在1.5km左右，尤其是在能見度小于3km時，平均絕對誤差更是只有0.38km和0.59km（表5）。以上結(jié)果說明可以使用式（3）和式（4）通過PM10、PM2.5濃度和相對濕度對大氣能見度進行模擬。

圖4　2013年4月（a）和12月（b）擬合能見度與實測能見度散點圖（圖中藍色直線表示趨勢線）

6　結(jié)論

（1）大氣能見度隨著顆粒物（PM2.5、PM10）濃度的增加而下降。粒子濃度越大，對光的散射越強，使能見度下降。

（2）大氣能見度隨著相對濕度的增加明顯降低。隨著相對濕度的增加，大氣氣溶膠粒子吸濕性增長，大粒子的散射效率明顯高于小粒子，從而加劇對光的散射，造成能見度下降。當相對濕度達到氣溶膠中鹽粒子的潮解濕度時，粒子的吸濕增長更加明顯。

（3）大氣能見度與PM2.5和PM10呈自然常數(shù)e為底的指數(shù)函數(shù)關(guān)系，與相對濕度成3次方多項式關(guān)系。

（4）利用PM2.5、PM10濃度和相對濕度對大氣能見度進行多元非線性擬合，計算得到大氣能見度擬合公式。經(jīng)過驗證表明，此公式能較好地模擬大氣能見度的變化規(guī)律。

［1］ Noll K E，Mueller P K，Inada M.Visibility and aerosol concentration in urban air［J］. Atmospheric Environment，1968，2（5）：465-475.

［2］ Charlson R J.Atmospheric visibility related to aerosol mass concentration:A review［J］. Environmental Seience and Technology，1969，3（10）：430-435.

［3］ 馬雁軍，左洪超，張云海，等. 遼寧中部城市群大氣能見度變化趨勢及影響因子分析［J］.高原氣象，2005，24（4）：623-628.

［4］ 馬雁軍，王揚鋒，劉寧微. 遼寧中部城市群主要大氣污染物時空分布特征的數(shù)值模擬［J］.氣象與環(huán)境學(xué)報，2006，22（2）：6-l0.

［5］ 宋宇，唐孝炎，張遠航，等.北京市大氣能見度規(guī)律及下降原因［J］.環(huán)境科學(xué)學(xué)報，2003，23（4）：468-471.

［6］ 宋明，韓素芹，張敏，等. 天津大氣能見度與相對濕度和PM10及PM2.5的關(guān)系［J］. 氣象與環(huán)境學(xué)報，2013，29（2）：34-41.

［7］ 崔宜少. 威海PM2.5 濃度與氣象要素的相關(guān)分析［J］. 山東氣象，2015，35（3）：17-22.

［8］ 馮良敏，陳朝平，龍柯吉，等. 成都地區(qū)2012 年 PM10污染過程氣象條件分析［J］. 高原山地氣象研究，2014，34（2）：57-62.

［9］ 鄧霞君，蔡振群，項曉美，等. 麗水空氣污染物時序特征及與氣象條件的關(guān)系研究［J］.氣象與環(huán)境科學(xué)，2015，38（2）：60-65.

［10］ 吳雁，陳瑞敏，王頡，等. 2013年河北中南部PM10和PM2.5濃度時間變化特征及其影響氣象條件分析［J］. 氣象與環(huán)境科學(xué)，2015，38（4）：68-75.

［11］ 王京麗，劉旭林. 北京市大氣細粒子濃度與大氣能見度定量關(guān)系初探［J］.氣象學(xué)報，2006，64（2）：221-228.

［12］ 張文彤，董偉. SPSS統(tǒng)計分析高級教程［M］.北京：高等教育出版社，2013：150-154.

P457.7

B

1005-0582（2016）02-0026-05

2015-07-02

德州市氣象局課題（2014dzqxzd03）資助

張琳（1981—），男，山東德州人，學(xué)士，工程師，主要從事天氣預(yù)報工作。