章開(kāi)美，陳勝東，徐衛(wèi)民，柳艷香，楊 華

(1.江西省氣象服務(wù)中心,江西 南昌 330096；2.江西省氣象科學(xué)研究所,江西 南昌 330096；3.中國(guó)氣象局 公共氣象服務(wù)中心，北京 100081)

?

基于氣象要素南昌PM2.5污染特性及預(yù)測(cè)方法

章開(kāi)美1，陳勝東2，徐衛(wèi)民2，柳艷香3，楊 華1

(1.江西省氣象服務(wù)中心,江西 南昌 330096；2.江西省氣象科學(xué)研究所,江西 南昌 330096；3.中國(guó)氣象局 公共氣象服務(wù)中心，北京 100081)

運(yùn)用統(tǒng)計(jì)分析和氣象統(tǒng)計(jì)預(yù)報(bào)方法,對(duì)南昌市6個(gè)環(huán)境監(jiān)測(cè)點(diǎn)的污染物觀測(cè)資料和同期南昌市自動(dòng)氣象觀測(cè)資料進(jìn)行了統(tǒng)計(jì)，分季節(jié)研究了南昌市PM2.5質(zhì)量濃度的變化規(guī)律，對(duì)影響大氣污染的氣象因子進(jìn)行了綜合分析,并分別建立夏季及非夏季PM2.5質(zhì)量濃度與氣象要素的統(tǒng)計(jì)預(yù)報(bào)模式。結(jié)果表明：南昌市PM2.5污染非夏季較夏季更為嚴(yán)重，非夏季有超過(guò)一半的時(shí)間空氣質(zhì)量超出了國(guó)家二級(jí)標(biāo)準(zhǔn)。PM2.5質(zhì)量月均濃度峰值出現(xiàn)在12月和1月,其中1月南昌市平均4 d中就有3 d超出國(guó)家二級(jí)標(biāo)準(zhǔn)。PM2.5濃度逐時(shí)變化呈現(xiàn)雙峰型特征，對(duì)于夏季而言，2個(gè)峰值基本出現(xiàn)在9:00～11:00和22:00～24:00時(shí)段；而非夏季前一個(gè)峰值延后至11:00～12:00時(shí)段，后一個(gè)峰值往往提前至21:00～23:00,這主要與人類(lèi)活動(dòng)規(guī)律及太陽(yáng)照射時(shí)間有關(guān)。建立的非夏季預(yù)報(bào)模式等級(jí)預(yù)報(bào)準(zhǔn)確率較夏季高，對(duì)環(huán)境氣象預(yù)報(bào)業(yè)務(wù)有一定實(shí)際應(yīng)用價(jià)值。

PM2.5；南昌；污染特性；預(yù)報(bào)模式

目前，我國(guó)空氣質(zhì)量在顆粒物的檢測(cè)方面主要由PM10和PM2.5兩項(xiàng)內(nèi)容組成。其中，PM2.5指的是空氣中空氣動(dòng)力學(xué)直徑≤2.5 μm的懸浮顆粒物，也被稱(chēng)作大氣細(xì)粒子和“可入肺顆粒物”，PM2.5的粒徑小，且其比表面積大，較易富集大氣中的有害物質(zhì)，吸入人體后會(huì)直接進(jìn)入支氣管并干擾肺部的氣體交換，從而引發(fā)哮喘、支氣管炎及心血管病等多種疾病[1]。近年來(lái)，國(guó)內(nèi)外對(duì)中國(guó)大氣PM2.5進(jìn)行了系列試驗(yàn)和監(jiān)測(cè)，結(jié)果顯示中國(guó)氣溶膠細(xì)粒子污染有相對(duì)加劇的趨勢(shì)[2]。哈佛大學(xué)對(duì)美國(guó)的6個(gè)城市8000多名成年人進(jìn)行了長(zhǎng)達(dá)10多年的流行病學(xué)研究，結(jié)果發(fā)現(xiàn)PM2.5濃度每增加10 μg/m3，死亡率增加14%，這是迄今為止世界衛(wèi)生組織認(rèn)為空氣污染危害人類(lèi)健康最可靠的證據(jù)[3]。因此，在社會(huì)經(jīng)濟(jì)迅速發(fā)展過(guò)程中，減少空氣污染、制定相關(guān)策略顯得尤為重要。

從統(tǒng)計(jì)學(xué)的角度研究城市空氣污染物特征，并將其成果應(yīng)用到空氣污染物的控制及預(yù)測(cè)成為學(xué)者廣泛關(guān)注的一個(gè)重要領(lǐng)域。國(guó)外對(duì)PM2.5研究工作開(kāi)展得較早，曾開(kāi)展過(guò)大規(guī)模城市空氣污染相關(guān)研究，如美國(guó)[4]、澳大利亞[5]、希臘[6]、土耳其[7]等，這些研究主要涉及空氣污染物濃度分布的確定以及超標(biāo)率預(yù)測(cè)等。近幾年來(lái),國(guó)內(nèi)也陸續(xù)開(kāi)展PM2.5顆粒特征的研究，但主要集中在環(huán)渤海[8-11]、長(zhǎng)三角[12-13]和珠三角[14-18]等經(jīng)濟(jì)發(fā)展較快的地區(qū)。相較于國(guó)外的大量研究，國(guó)內(nèi)對(duì)空氣污染物濃度統(tǒng)計(jì)分布特征及污染物濃度預(yù)測(cè)模型的研究較少。

近年來(lái)，南昌國(guó)民經(jīng)濟(jì)得到高速發(fā)展，城鎮(zhèn)居民的生活水平顯著提高，盡管地處贛北平原的南昌擁有得天獨(dú)厚的生態(tài)環(huán)境優(yōu)勢(shì)，但隨著工業(yè)生產(chǎn)、汽車(chē)尾氣等人為污染物排放量不斷增加，大氣顆粒物污染越來(lái)越嚴(yán)重[18]。目前鮮見(jiàn)系統(tǒng)介紹南昌地區(qū)PM2.5顆粒污染的相關(guān)報(bào)道,本研究利用南昌市6個(gè)環(huán)境空氣質(zhì)量監(jiān)測(cè)點(diǎn)采集的PM2.5，分析PM2.5的濃度特征、變化規(guī)律及影響其變化的氣象條件，并建立預(yù)報(bào)方程，對(duì)進(jìn)一步預(yù)防、控制及治理南昌的大氣污染有重要的意義。

1　資料及預(yù)處理

1.1資料

本文使用資料包括：(1)國(guó)家環(huán)境保護(hù)部信息中心提供的2013年1月～2014年5月南昌市6個(gè)環(huán)境監(jiān)測(cè)點(diǎn)PM2.5質(zhì)量濃度逐小時(shí)監(jiān)測(cè)數(shù)據(jù)，監(jiān)測(cè)點(diǎn)分別位于南昌建工職業(yè)技術(shù)學(xué)校(建工學(xué)校)、江西省林業(yè)科學(xué)研究院(省林科所)、南昌化工石油機(jī)械廠(化工石油廠)、江西省林業(yè)公司(林業(yè)公司)、江西省外事僑務(wù)辦公室(省外辦)、江西省環(huán)境監(jiān)測(cè)站(省監(jiān)測(cè)站)；(2)2013年1月～2014年5月南昌地面氣象站逐小時(shí)觀測(cè)數(shù)據(jù)。

1.2預(yù)處理

由于儀器故障、停電關(guān)機(jī)或數(shù)據(jù)質(zhì)量控制等原因，監(jiān)測(cè)數(shù)據(jù)會(huì)有間斷的情況，研究中將PM2.5每天小時(shí)值多于20個(gè)的日期定為有效監(jiān)測(cè)日，其余情況為無(wú)效監(jiān)測(cè)日[19]，日界為當(dāng)日12：00至次日11：00，則PM2.5日均值為當(dāng)日12:00至次日11:00濃度的算術(shù)平均值，為較合理反映南昌市PM2.5污染的平均水平，取南昌市6個(gè)監(jiān)測(cè)站點(diǎn)的算術(shù)平均代表南昌市污染情況，同時(shí)為研究其對(duì)應(yīng)關(guān)系，各氣象要素日均值亦為當(dāng)日12:00至次日11:00的24 h算術(shù)平均值。

2　南昌市PM2.5顆粒污染特性

2.1PM2.5質(zhì)量濃度季節(jié)性變化特征

表1為南昌市在研究時(shí)段期間PM2.5月變化的統(tǒng)計(jì)特征值，污染指數(shù)的計(jì)算結(jié)果保留一位小數(shù)。定義4～9月為夏季，10月～翌年3月為非夏季。由表1可以看出。

(1)南昌市各監(jiān)測(cè)點(diǎn)PM2.5濃度變化都具有明顯的季節(jié)變化規(guī)律，分為夏季和非夏季2種季節(jié)性特征，南昌市各監(jiān)測(cè)點(diǎn)均表現(xiàn)出夏季(4～9月)污染相對(duì)較輕，非夏季污染較嚴(yán)重，非夏季PM2.5平均濃度高于夏季28.7～49.4 μg/m3左右，夏季各月份平均濃度均小于年平均濃度，除2、3月份平均濃度稍小于年平均濃度，非夏季月份平均濃度基本大于年平均濃度。

(2)省外辦PM2.5污染最嚴(yán)重，其濃度年均值達(dá)74.3 μg/m3，接近國(guó)家二級(jí)標(biāo)準(zhǔn)(75 μg/m3)，省林科所污染相對(duì)較輕，PM2.5濃度年均值為51.8 μg/m3，各月中以12月和1月的污染物濃度為高，且各監(jiān)測(cè)點(diǎn)1月份平均濃度均最高，其中省監(jiān)測(cè)站1月平均濃度達(dá)124.9 μg/m3，各監(jiān)測(cè)點(diǎn)日均濃度最高值出現(xiàn)在2013年12月7日和2014年1月30日。由于春節(jié)長(zhǎng)假期間污染物排放量減少，故2月份PM2.5平均濃度較低，各監(jiān)測(cè)點(diǎn)最低日均濃度均出現(xiàn)在2014年2月6日。

(3)從各監(jiān)測(cè)點(diǎn)平均來(lái)看，南昌市PM2.5質(zhì)量濃度夏季主要集中在39.5～53.4 μg/m3，平均值為45.5 μg/m3，非夏季主要集中在54.9～113.2 μg/m3，造成時(shí)空分布差異化主要由地形和氣候特點(diǎn)所致，南昌市地處季風(fēng)氣候區(qū)，冬季受極地冷高壓脊控制，天氣干燥，易造成局部揚(yáng)塵，導(dǎo)致空氣污染較嚴(yán)重；夏季則受副熱帶高壓脊及季風(fēng)低壓、熱帶氣旋影響，盛行西南風(fēng)和東南風(fēng)，天氣高溫多雨，污染物平均濃度下降，空氣質(zhì)量較好。

2.2PM2.5質(zhì)量濃度超標(biāo)率

以我國(guó)GB 3095─2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》中規(guī)定PM2.5日均值二級(jí)標(biāo)準(zhǔn)75 μg/m3為標(biāo)準(zhǔn)計(jì)算各月超標(biāo)率，超標(biāo)率=超標(biāo)天數(shù)/采樣總天數(shù)×100%。從表2可知，1月超標(biāo)率最嚴(yán)重，各監(jiān)測(cè)站超標(biāo)率都在65%以上，站點(diǎn)平均超標(biāo)率達(dá)75.6%，也就是說(shuō)南昌市平均4 d中就有3 d超標(biāo)，其次是12月，站點(diǎn)平均超標(biāo)率達(dá)68.4%。夏季(4～9月)超標(biāo)率為11%，非夏季(10月到次年3月)為46.0%，全年超標(biāo)率為29.8%?？傮w來(lái)說(shuō)，南昌市城區(qū)PM2.5超標(biāo)情況具有明顯的季節(jié)性特征，特別注意的是，南昌市非夏季有超過(guò)一半的時(shí)間空氣質(zhì)量超出了國(guó)家二級(jí)標(biāo)準(zhǔn)，直接影響能見(jiàn)度，危害人體健康。

表1　南昌市PM2.5質(zhì)量濃度日均值統(tǒng)計(jì) μg/m3

表2　南昌市PM2.5質(zhì)量濃度月超標(biāo)率統(tǒng)計(jì)表 %

2.3PM2.5質(zhì)量濃度日變化特征

受氣象條件和人類(lèi)活動(dòng)的影響，大氣污染物在一天中各時(shí)次的濃度存在一定的變化，若沒(méi)有明顯天氣過(guò)程影響，污染物濃度的日變化有一定的規(guī)律，本文分別計(jì)算了夏季和非夏季每日不同時(shí)刻PM2.5質(zhì)量濃度的平均值，即污染物的統(tǒng)計(jì)日變化特征的逐時(shí)算術(shù)平均值，平滑突變天氣的影響，進(jìn)而分析南昌市的PM2.5日變化特征。圖1給出了南昌市各監(jiān)測(cè)點(diǎn)夏季和非夏季PM2.5質(zhì)量濃度逐時(shí)平均值的標(biāo)準(zhǔn)化距平曲線。從各監(jiān)測(cè)點(diǎn)來(lái)看，不管是夏季還是非夏季，PM2.5逐時(shí)變化都呈現(xiàn)雙峰型特征。對(duì)于夏季而言，一個(gè)峰值基本出現(xiàn)在9:00～11:00時(shí)段，另一峰值基本出現(xiàn)在22:00～24:00時(shí)段。有研究表明：汽車(chē)尾氣與大氣光化學(xué)反應(yīng)活躍[20]，產(chǎn)生大量可吸入顆粒PM2.5，PM2.5濃度上升，到下午，地面溫度上升，熱力對(duì)流最旺盛時(shí)期，湍流活躍，空氣的擴(kuò)散能力強(qiáng)，故PM2.5濃度低，晚上以后，夜晚地面降溫厲害，產(chǎn)生逆溫層，不利于污染物擴(kuò)散，導(dǎo)致PM2.5顆粒越積越多。

對(duì)于非夏季而言，PM2.5日變化曲線較夏季平滑，這表明夏季PM2.5變化較夏季平緩，這是因?yàn)槟喜窍募咎鞖庑问捷^夏季穩(wěn)定，氣象條件變化較慢，夏季與非夏季PM2.5峰值的時(shí)間也有所不同，一個(gè)峰值往往延后至11:00～12:00時(shí)段，而另一個(gè)峰值往往提前至21:00～23:00，這主要與人類(lèi)活動(dòng)規(guī)律及太陽(yáng)照射時(shí)間有關(guān)。

圖1　南昌市各監(jiān)測(cè)點(diǎn)夏季(a)和非夏季(b)PM2.5濃度逐時(shí)平均值的標(biāo)準(zhǔn)化距平曲線

2.4南昌市PM2.5污染的可能來(lái)源

為進(jìn)一步探討南昌PM2.5污染的可能來(lái)源，計(jì)算了非夏季、夏季不同風(fēng)向下PM2.5日均濃度，結(jié)果表明：不管是非夏季還是夏季都以東北與西南方向的風(fēng)向?yàn)橹?，而東北-西南向PM2.5質(zhì)量濃度遠(yuǎn)低于西北-東南向。圖2為整個(gè)觀測(cè)期間不同風(fēng)向下PM2.5日均濃度(a)及風(fēng)玫瑰圖(b)，可見(jiàn)東北方向氣流占66%，西南方向氣流占24%，PM2.5質(zhì)量濃度受風(fēng)向的影響較明顯，西北-東南向PM2.5質(zhì)量濃度明顯高于東北-西南向，其中在西北偏西風(fēng)向上出現(xiàn)最高值(119 μg/m3)，不過(guò)該風(fēng)向出現(xiàn)的頻率(1.2%)非常低。

圖2　PM2.5質(zhì)量濃度與風(fēng)向的關(guān)系(a)及風(fēng)向頻率分布(b)

若污染物質(zhì)量濃度較高的風(fēng)向發(fā)生頻率較低，則其影響就僅限于某特定時(shí)段。為合理評(píng)價(jià)局地源和外來(lái)源對(duì)南昌市PM2.5污染的相對(duì)貢獻(xiàn)，據(jù)氣象資料統(tǒng)計(jì)得出南昌市主要風(fēng)向的頻率，其中地方性風(fēng)占38%，東風(fēng)占19%，東北風(fēng)占18%。圖3-b為上述3種主要風(fēng)向條件下PM2.5質(zhì)量濃度的均值。地方性風(fēng)下PM2.5質(zhì)量濃度高于其他主要風(fēng)向，表明南昌市PM2.5污染主要來(lái)自于本地源；另一方面，圖3-a為PM2.5質(zhì)量濃度資料與對(duì)應(yīng)風(fēng)速的散點(diǎn)分布圖,從圖中可以直接看出兩者具有負(fù)相關(guān)關(guān)系，PM2.5質(zhì)量濃度隨風(fēng)速增大而迅速下降，進(jìn)一步計(jì)算了PM2.5質(zhì)量濃度與風(fēng)速的相關(guān)系數(shù)達(dá)-0.3，通過(guò)顯著性水平α=0.001的檢驗(yàn)，也進(jìn)一步證實(shí)PM2.5質(zhì)量濃度主要受局地源控制。

圖3　風(fēng)速(a)及主要風(fēng)向(b)下PM2.5的質(zhì)量濃度

3　南昌市PM2.5質(zhì)量濃度預(yù)測(cè)方法

3.1預(yù)報(bào)因子的初選

大氣污染預(yù)報(bào)統(tǒng)計(jì)模型的穩(wěn)定性及準(zhǔn)確性，取決于預(yù)報(bào)因子的選取。眾多研究表明，城市空氣污染物的擴(kuò)散、稀釋和清除的快慢，主要是由當(dāng)?shù)氐奶鞖庑蝿?shì)所決定。結(jié)合天氣預(yù)報(bào)經(jīng)驗(yàn)，首先初選以下有明確物理意義的常規(guī)地面及低層觀測(cè)資料共57個(gè)作為初選因子。

(1)當(dāng)日的日平均風(fēng)速，反映大氣平流輸送的強(qiáng)弱。一般情況下，風(fēng)速大，空氣污染輕，風(fēng)速小，則空氣污染重；(2)當(dāng)日降水量，反映天氣狀況及污染物的沖刷情況；(3)當(dāng)日平均相對(duì)濕度，2：00、8：00、14：00時(shí)相對(duì)濕度，水汽壓，8：00溫度露點(diǎn)差以及前一日20：00的相對(duì)濕度，反映大氣濕度狀況；(4)當(dāng)日最高、最低氣溫和氣溫日較差，反映城市混合層及逆溫狀況；(5)當(dāng)日總云量、8：00地面、925 hPa、850 hPa、700 hPa溫度及上下層溫度差，反映城市大氣穩(wěn)定度狀況及低空逆溫強(qiáng)度；(6)當(dāng)日和前一日的日均氣溫在2：00、8：00、14：00、20：00時(shí)(北京時(shí)，下同)的氣溫，當(dāng)日與前一日的日平均氣溫，8：00、14：00時(shí)氣溫之差，反映城市所處的冷暖氣團(tuán)狀況及演變趨勢(shì)；(7)當(dāng)日和前一日的日平均氣壓，2：00、8：00、14：00、20：00時(shí)氣壓，當(dāng)日與前一日的日平均氣壓，8：00、14：00時(shí)氣壓之差，反映城市所處的氣壓場(chǎng)以及其變化趨勢(shì)；(8)當(dāng)日2：00、8：00、14：00時(shí)地表溫度，反映地面大氣冷暖狀況；(9)當(dāng)日8：00、14：00時(shí)及前一日20：00能見(jiàn)度。反映城市天氣狀況及污染狀況。由于空氣污染具有一定的延續(xù)性，污染濃度由低到高有一個(gè)累積過(guò)程，從高到低也有一個(gè)稀釋或擴(kuò)散的過(guò)程，若無(wú)特殊情況出現(xiàn)，污染物濃度的變化是一個(gè)漸變過(guò)程，因此把前一日的日均濃度也當(dāng)作一個(gè)預(yù)報(bào)因子來(lái)考慮。

3.2相關(guān)系數(shù)篩選預(yù)報(bào)因子

分別計(jì)算PM2.5日均濃度與57個(gè)初選因子的相關(guān)系數(shù)，選取通過(guò)一定顯著性水平(α=0.001)因子作為進(jìn)入回歸方程的因子。非夏季及夏季初選的預(yù)報(bào)因子與PM2.5質(zhì)量濃度相關(guān)系數(shù)(通過(guò)顯著性水平α=0.001的檢驗(yàn))見(jiàn)表3和表4。

從表3可以看出非夏季共有16個(gè)因子與PM2.5濃度相關(guān)性較好，表現(xiàn)為非夏季PM2.5濃度與前一日濃度、前日8:00氣壓、溫度日較差、850 hPa與700 hPa溫度之差等呈顯著正相關(guān)，而與14：00能見(jiàn)度、總云量、水汽壓、7:00地面氣溫等呈顯著負(fù)相關(guān)。合理性解釋如下：非夏季天氣形勢(shì)變化較慢，污染物濃度延續(xù)性較好，表現(xiàn)為前一日PM2.5濃度與當(dāng)日濃度呈明顯的正相關(guān)；非夏季氣壓高，下沉氣流擬制了大氣污染的垂直擴(kuò)散，表現(xiàn)為溫度日較差與PM2.5濃度呈正相關(guān)；非夏季氣溫升高，有利于大氣污染的擴(kuò)散，表現(xiàn)為日較差與PM2.5濃度呈正相關(guān)；非夏季低空逆溫強(qiáng)度越大，污染物越容易堆積，表現(xiàn)為7：00地面溫度、925 hPa與700 hPa溫度之差、925 hPa與地面溫度之差、850 hPa與700 hPa溫度之差、850 hPa與地面溫度之差及700 hPa與地面溫度之差與PM2.5濃度呈正相關(guān);而非夏季能見(jiàn)度越大(小)，污染越輕(重)，表現(xiàn)為8：00、14：00能見(jiàn)度與PM2.5濃度呈負(fù)相關(guān)；空氣相對(duì)濕度越大，越有利于污染物的沖刷，表現(xiàn)為水汽壓與PM2.5濃度呈負(fù)相關(guān)；非夏季云量越多，空氣保溫保濕能力強(qiáng)，有利于大氣污染的稀釋?zhuān)憩F(xiàn)為總云量及低云量與PM2.5濃度呈負(fù)相關(guān)。

利用相似的方法選取夏季的預(yù)報(bào)因子(表4)，入選的23個(gè)預(yù)報(bào)因子同樣也可以得到合理的解釋?zhuān)琍M2.5濃度與預(yù)報(bào)因子的正、負(fù)相關(guān)均與PM2.5的積累、稀釋或擴(kuò)散的物理過(guò)程相符，說(shuō)明這些預(yù)報(bào)因子的選擇是合理的。這樣非夏季及夏季分別選取了15個(gè)和21個(gè)因子，作為多元逐步回歸分析的備選因子。

表3　非夏季相關(guān)因子及相關(guān)系數(shù)

表4　夏季相關(guān)因子及相關(guān)系數(shù)

3.3統(tǒng)計(jì)預(yù)報(bào)模型的建立

3.3.1多元逐步回歸方程的建立將非夏季和夏季初選的16個(gè)和23個(gè)因子分別作為多元逐步回歸的備選因子，對(duì)2013年4月至2014年3月一整年數(shù)據(jù)分非夏季和夏季建立回歸方程，取F為0.05的信度檢驗(yàn)時(shí)，最終各精選了5個(gè)預(yù)報(bào)因子，將這些因子作為南昌市PM2.5濃度的預(yù)報(bào)因子，分別建立了非夏季及夏季PM2.5濃度預(yù)報(bào)方程。建立回歸方程的資料長(zhǎng)度分別為：非夏季6個(gè)月164 d，夏季6個(gè)月157 d。分季建立的預(yù)報(bào)方程如下(具體預(yù)報(bào)因子見(jiàn)表5)：

Y非夏=80.112+0.437X1-3.267X2-0.406X3+0.182X4+0.18X5

Y夏=17.23+0.435X1-0.507X2+0.252X3-0.114X4+0.078X5

表5　非夏季及夏季信度為F0.05的預(yù)報(bào)因子

3.3.2預(yù)測(cè)結(jié)果與實(shí)測(cè)濃度比對(duì)檢驗(yàn)應(yīng)用研究建立的預(yù)報(bào)方程，分別對(duì)2013年2～3月(代表非夏季)及2014年4～5月(代表夏季)濃度進(jìn)行擬合檢驗(yàn)(圖4)?？芍庇^地看出，不管是非夏季還是夏季實(shí)測(cè)值與模型預(yù)測(cè)值的變化趨勢(shì)基本一致。

據(jù)PM2.5監(jiān)測(cè)網(wǎng)的空氣質(zhì)量新標(biāo)準(zhǔn)劃分，PM2.5可分為6個(gè)等級(jí)，將預(yù)報(bào)與實(shí)測(cè)結(jié)果等級(jí)作對(duì)比，計(jì)算出等級(jí)預(yù)報(bào)正確的次數(shù)占總預(yù)報(bào)次數(shù)的百分比，即預(yù)報(bào)等級(jí)“準(zhǔn)確率”。通過(guò)對(duì)預(yù)報(bào)結(jié)果分析，得出PM2.5的非夏季的預(yù)報(bào)準(zhǔn)確率為72%，而夏季的預(yù)報(bào)準(zhǔn)確率為62%。預(yù)報(bào)的準(zhǔn)確率主要取決于氣象預(yù)報(bào)因子的準(zhǔn)確率，在天氣過(guò)程較平穩(wěn)的情況下，本研究建立的預(yù)報(bào)方程預(yù)報(bào)準(zhǔn)確率較高，非夏季模型的預(yù)報(bào)效果比夏季模型好，其原因可能是南昌非夏季天氣形勢(shì)變化較緩慢，而夏季天氣多變，夏季多強(qiáng)降水對(duì)PM2.5的沖刷、清除作用明顯，有明顯降雨時(shí)預(yù)報(bào)誤差較大。

圖4　2013年2～3月(a)及2014年4～5月(b)PM2.5預(yù)測(cè)、實(shí)測(cè)對(duì)比

4　結(jié)論與討論

本文對(duì)南昌市2013年1月～2014年5月期間6個(gè)監(jiān)測(cè)站各PM2.5質(zhì)量濃度特性進(jìn)行了分析，并建立南昌市PM2.5質(zhì)量濃度的氣象要素預(yù)測(cè)方程。主要結(jié)論如下：

(1)南昌市PM2.5污染特征具有明顯的季節(jié)性特征，非夏季(10月至次年3月)較嚴(yán)重，夏季(4～9月)相對(duì)較輕，非夏季PM2.5平均濃度明顯高于夏季，夏季各月份的平均濃度均小于年平均濃度，而非夏季各月份平均濃度基本大于年平均濃度(除2、3月份平均濃度稍小于年平均濃度)，特別注意的是，南昌市非夏季有將近一半的時(shí)間空氣質(zhì)量超出了國(guó)家二級(jí)標(biāo)準(zhǔn)，危害人體健康。

(2)PM2.5逐時(shí)變化呈現(xiàn)雙峰型特征。對(duì)于夏季而言，一個(gè)峰值基本出現(xiàn)在9:00～11:00時(shí)段，另一峰值基本出現(xiàn)在22:00～24:00時(shí)段。對(duì)于非夏季而言，前一峰值延后至11:00～12:00時(shí)段，而后一個(gè)峰值往往提前至21:00～23:00，這主要與人類(lèi)活動(dòng)規(guī)律及太陽(yáng)照射時(shí)間有關(guān)。

(3)南昌PM2.5質(zhì)量濃度受風(fēng)向的影響較明顯，西北-東南向PM2.5質(zhì)量濃度明顯高于東北-西南向，然不管是非夏季還是夏季南昌都以東北與西南方向的風(fēng)向?yàn)橹?，PM2.5質(zhì)量濃度主要受局地源控制。

(4)運(yùn)用因子相關(guān)分析和多元回歸方法建立南昌市PM2.5質(zhì)量濃度氣象要素預(yù)測(cè)模型，并進(jìn)行檢驗(yàn)，結(jié)果表明該模型預(yù)報(bào)效果非夏季較夏季理想(非夏季準(zhǔn)確率72%)，可供實(shí)際PM2.5質(zhì)量濃度預(yù)報(bào)參考，為環(huán)境氣象預(yù)報(bào)工作提供技術(shù)支撐。

(5)南昌夏季天氣多變，強(qiáng)降水對(duì)PM2.5的沖刷、清除作用明顯，有明顯降雨時(shí)預(yù)報(bào)誤差較大，因此在夏季預(yù)報(bào)方程中引入降水因子可能會(huì)提高夏季PM2.5等級(jí)預(yù)報(bào)質(zhì)量。

[1] 黃金星,張林,陳歡林,等.杭州市區(qū)空氣中細(xì)微粒監(jiān)測(cè)及污染狀況分析[J].環(huán)境科學(xué)與技術(shù),2006,29(9):49-51.

[2] 毛節(jié)泰,張軍華,王美華.中國(guó)大氣氣溶膠研究綜述[J].氣象學(xué)報(bào),2002,60(5):625-634.

[3] 張吉洋,耿世彬.我國(guó)大氣環(huán)境PM2.5來(lái)源、分布、危害現(xiàn)狀分析[J].潔凈與空調(diào)技術(shù),2014(1):45-50.

[4] Baker Kirk R, Foley Kristen M. A nonlinear regression model estimating single source concentrations of primary and secondarily formed PM2.5[J]. Atmospheric Environment, 2011, 45(22): 3758-3767.

[5] Surman P G, Simpson R W, Stokoe J. Application of Larsen’s model to Brisbane, Australia[J]. Atmospheric Environment, 1982, 16(11): 2609-2614.

[6] Gavriil I, Grivas G, Kassomenos P, ChaloulakouA, et al. An application of theoretical probability distributions to the study of PM10and PM2.5time series in Athens, Greece[J]. Global NEST, 2006, 8(3): 241-251.

[7] Ferhat K, Omar A, Ferruh E. Statistical characterization of atmospheric PM10and PM2.5concentrations at a non-impacted suburban site of Istanbul[J]. Turkey Chemosphere, 2005, 59(8): 1183-1190.

[8] 王京麗,謝莊,張遠(yuǎn)航,等.北京市大氣細(xì)粒子的質(zhì)量濃度特征研究[J].氣象學(xué)報(bào),2004,62(1):104-111.

[9] Wu H, Zhang Y F, Han S Q. Vertical characteristics of PM2.5during the heating season in Tianjin[J]. Sci Total Environ, 2015, 523(8): 152-160.

[10] 周麗,徐祥德,丁國(guó)安,等北京地區(qū)氣溶膠粒子濃度的相關(guān)因子及其估算模型[J].測(cè)繪科學(xué),2003,61(6):761-768.

[11] 孟昭陽(yáng),張懷德.太原地區(qū)冬春季污染特征及影響因素[J].中國(guó)科學(xué)院研究生院學(xué)報(bào),2007,24(5):648-656.

[12] Kan H D, Chen B H. Statistical distributions of ambient air pollutants in Shanghai,China[J]. Biomedical and Environmental Sciences: BES, 2004, 17(3): 366-372.

[13] 魏玉香,銀燕,楊衛(wèi)芬,等.南京地區(qū)污染特征及其影響因素分析[J].環(huán)境科學(xué)與管理,2009,34(9):29-34.

[14] 陳慧娟,劉君峰,張靜玉,等.廣州市質(zhì)量濃度變化特征[J].環(huán)境科學(xué)與技術(shù),2008,31(10):87-91.

[15] 謝宏琴,吳對(duì)林,張國(guó)斐,等.東莞城區(qū)環(huán)境空氣細(xì)顆粒物PM2.5特征分析[J].環(huán)境工程,2014,32(6):65-70.

[16] Tao J, Zhang L M, Zhang Z S, et al. Control of PM2.5in Guangzhou during the 16th Asian Games period: Implication for hazy weather prevention[J]. Science of the Total Environment, 2015，508: 57-66.

[17] 徐偉嘉,何芳芳,李紅霞,等.珠三角區(qū)域PM2.5時(shí)空變異特征[J].環(huán)境科學(xué)研究,2014,27(9):951-957.

[18] 馮茜丹,黨志,黃偉林.廣州市秋季中重金屬的污染水平與化學(xué)形態(tài)分析[J].環(huán)境科學(xué),2008,29(3):569-575.

[19] 鄭瑤,邢夢(mèng)林,李明,等.鄭州市PM2.5和PM10質(zhì)量濃度變化特征分析[J].干旱環(huán)境監(jiān)測(cè),2004,28(3):104-108.

[20] 張瑤,張鴻雁,崔海航,等.機(jī)動(dòng)車(chē)單車(chē)揚(yáng)塵濃度分布規(guī)律的模擬[J].環(huán)境工程學(xué)報(bào),2013,7(8)：3094-3098.

(責(zé)任編輯：曾小軍)

Pollution Characteristics and Forecasting Method of PM2.5in Nanchang Based on Meteorological Factors

ZHANG Kai-mei1, CHEN Sheng-dong2, XU Wei-min2, LIU Yan-xiang3, YANG Hua1

(1. Meteorological Service Center of Jiangxi Province, Nanchang 330096, China; 2. Meteorological Sciences Research Institute of Jiangxi Province, Nanchang 330096, China; 3. Public Meteorological Service Center, Chinese Meteorological Bureau, Beijing 100081, China)

According to the pollutant data observed at six monitoring points in Nanchang and the automatic meteorological observation data of Nanchang in the same period, we used the methods of statistical analysis and meteorological statistical forecast to study the seasonal change law of PM2.5mass concentration in Nanchang, carried out a comprehensive analysis of the main meteorological factors affecting the air pollution, and then established the statistical forecasting models of PM2.5mass concentration in summer and non-summer. The results indicated that the average PM2.5mass concentration in summer in Nanchang was lower than that in non-summer, and the air quality in over half of non-summer exceeded the national standard grade Ⅱ. The peak of monthly mean PM2.5mass concentration appeared in December and January, and the air quality of Nanchang in 3/4 of January exceeded the national standard grade Ⅱ. The hourly variation in PM2.5mass concentration was of bimodal distribution, and the two peak values appeared basically at 9:00～11:00 or 22:00～24:00 in summer and at 11:00～12:00 or 21:00～23:00 in non-summer, which was related to the law of human activity and sunlight time. The established non-summer forecast model of PM2.5had a higher accuracy than the summer forecast model, and it has a certain practical application value for environmental meteorological forecast.

PM2.5; Nanchang; Pollution characteristics; Forecast model

2016-03-31

公益性行業(yè)(氣象)可研專(zhuān)項(xiàng)(GYHY201406029、GYHY201306043)；江西省氣象服務(wù)中心2015年課題“南昌空氣污染物(PM2.5)濃度變化特征及預(yù)報(bào)模型研究”。

章開(kāi)美(1986─)，女，工程師，碩士，從事海陸氣相互作用及公共氣象服務(wù)等研究。

X513

A

1001-8581(2016)09-0095-07