謝劭峰, 周志浩, 李國弘
(桂林理工大學測繪地理信息學院,廣西空間信息與測繪重點實驗室,桂林 541006)
隨著中國城市化的進程和經(jīng)濟的不斷發(fā)展,在頻繁的人類活動中有大量的有害氣體排放到了空氣中,對人們所居住的大氣環(huán)境造成了嚴重的影響。當遇到大氣污染擴散條件較為惡劣時,空氣污染將進一步加劇[1],這給人們的生活和居住的環(huán)境帶來了不良的影響??諝赓|(zhì)量指數(shù)(air quality index, AQI)[2]是定量描述空氣質(zhì)量狀況的無量綱指數(shù)??諝赓|(zhì)量評價指數(shù)是由六項主要污染物構(gòu)成,它們分別是 PM2.5、PM10、SO2、NO2、O3、CO??諝赓|(zhì)量通常按數(shù)值分為六個等級,一級優(yōu)(I 0~50)、二級良(II 51~100)、三級輕度污染(III 101~150)、四級中度污染(IV 151~200)、五級重度污染(V 201~300)、六級嚴重污染(VI 301~500)??諝庾钪饕奈廴境煞质荘M2.5(細顆粒物),高濃度的PM2.5不僅會降低能見度影響交通運輸[3],甚至影響人體健康。PM2.5稱為細顆粒物,指在空氣中物體直徑小于等于2.5 μm的顆粒物。它能夠較長時間的懸浮在空氣中,輸送距離遠,同時顆粒直徑小,面積達,活性強,易于附帶有毒、有害的物質(zhì),對人體健康和大氣環(huán)境質(zhì)量的影響更大[4]。2017年南寧市首要污染物為PM2.5的天數(shù)占到整年度的非I級天數(shù)比例的62%,PM10占到了38%,并且PM2.5與PM10具有強烈的相關(guān)性,它們之間的Pearson系數(shù)達到了0.8以上。而AQI與PM2.5的Pearson系數(shù)為0.977,說明南寧市的空氣質(zhì)量指數(shù)主要是由PM2.5的濃度值決定。有研究表明不利的氣象條件會顯著加重PM2.5污染過程,Tai等[5]發(fā)現(xiàn)溫度、相對濕度、降水和大氣循環(huán)等條件能夠較好地解釋北美地區(qū) PM2. 5濃度的變化情況。張雙成等[6]結(jié)合水汽資料分析了霧霾天氣時PM2.5的濃度變化特征。張文靜[7]通過解算大氣水汽以及對流層延遲,建立了香港地區(qū)的PM2.5回歸預測模型。丁一匯等[8]、王珊等[9]、毛敏等[10]、梁春麗等[11]對霧霾天氣及其影響因素分別進行了深入的研究,研究表明氣象因素對于霧霾天氣的形成以及PM2.5濃度變化有著顯著影響?;诖私Y(jié)合氣溫、相對濕度、風速、降雨量、氣壓等氣象因素以及GPS(全球定位系統(tǒng)),對流層總延遲(ZTD)、對流層干延遲(ZHD)、水汽(PWV)等分析PM2.5的時空特征變化。
南寧是廣西壯族自治區(qū)首府及政治、經(jīng)濟、文化中心,位于廣西南部偏西,介于東經(jīng)107°45′~108°51′,北緯22°13′~23°32′。氣候?qū)偌竟?jié)變化明顯的亞熱帶季風性氣候區(qū),氣候溫和,雨量充沛,夏長視夏季潮濕,冬季稍顯干燥;地形是以邕江廣大河谷為中心,南、北、西三面均為山地圍繞的盆地形態(tài)。
實驗數(shù)據(jù)主要包括空氣質(zhì)量數(shù)據(jù)、氣象數(shù)據(jù)、GPS對流層數(shù)據(jù)。采用相關(guān)性的方法分析PM2.5濃度與氣象因子、對流層數(shù)據(jù)之間的關(guān)系。通過氣象數(shù)據(jù)和GPS對流層數(shù)據(jù)研究空氣污染物PM2.5濃度值的變化特征并建立多元線性回歸模型。
(1)空氣質(zhì)量數(shù)據(jù):廣西壯族自治區(qū)環(huán)境保護廳數(shù)據(jù)中心提供了逐小時的各項污染物濃度值歷史數(shù)據(jù)。
(2)氣象數(shù)據(jù):氣象逐小時數(shù)據(jù)如氣壓、氣溫、降雨、風速等由國家氣象數(shù)據(jù)中心提供。
(3)GPS對流層數(shù)據(jù):中國地震局GNSS(全球?qū)Ш叫l(wèi)星系統(tǒng))數(shù)據(jù)產(chǎn)品服務(wù)平臺提供的ZTD數(shù)據(jù),根據(jù)Saastamoinen模型計算的ZHD,以及由ZTD、ZHD計算的對流層天頂濕延遲(ZWD)[12]。
(1)
ZWD=ZTD-ZHD
(2)
式中:ZHD是對流層天頂靜力學延遲;ZWD是對流層天頂濕延遲;P是測站大氣壓;φ是測站緯度;H是測站大地高。
現(xiàn)將得到的數(shù)據(jù)進行匯總整理,按季節(jié)分別來討論PM2.5濃度變化特征。
為了更好地分析PM2.5濃度值變化與氣象因子之間的關(guān)系,將南寧市2017年整年度的數(shù)據(jù)按小時平均值制成日變化趨勢圖,如圖1所示。從圖1(a)來看,南寧市PM2.5日變化特征大致呈現(xiàn)出的是雙峰雙谷特征,波峰分別出現(xiàn)在中午12:00,以及傍晚的23:00。12:00時刻的PM2.5濃度變化趨勢較為平穩(wěn),波峰不太明顯;從圖(a)中能明顯看到當過了12:00后PM2.5的濃度快速降低,直至午后17:00達到一天中的最低值,然后又快速升高至21:00,再以較為平緩的速度在23:00升高至一天的最高值。PM2.5濃度在0:00以及1:00都是保持著較高的數(shù)值,之后再以較快的速度下降到6:00的波谷,6:00—12:00的PM2.5濃度呈現(xiàn)的是較為平緩的上升階段。圖1(a)顯示了南寧市的氣溫日變化趨勢是從早晨7:00持續(xù)升高,直到下午16:00達到了一天中的氣溫最大值,然后一直下降到次日的7:00。一天中最高氣溫點為16:00,對應了PM2.5濃度值的最低點,處于該時刻的氣溫最大,局部溫差差異增大,空氣的端流運動增強,從而有助于PM2.5在空氣中的擴散。相對濕度的變化趨勢從圖1(b)可以看出正與氣溫相反,7:00最高,13:00最低。這是因為隨著溫度的增高空氣中可以含的水就越多,也就是說,在同樣多的水蒸氣的情況下溫度升高相對濕度就會降低。相對濕度對于PM2.5的影響主要體現(xiàn)在當無降雨空氣相對濕度在60%~80%以下時,顆粒物的二次生成作用較強,PM2.5的濃度同相對濕度呈正比關(guān)系。在圖1(c)中,風速在凌晨保持一個較低的數(shù)值,7時后開始增加,到10:00達到一個相對較高的值然后持續(xù)到傍晚19:00才開始下降??梢钥吹斤L速與PM2.5呈現(xiàn)的是負相關(guān)的關(guān)系,風速越大越有利于PM2.5的擴散,從而有效地降低當?shù)氐腜M2.5濃度值。氣壓日變化[圖1(d)]同樣也呈現(xiàn)出了雙峰的特征,在10:00達到主高峰,在23:00達到次高峰。氣壓與PM2.5的變化趨勢最為接近,同樣呈現(xiàn)出了雙峰雙谷的日變化特征,并且對應的波峰波谷時刻一致。氣壓高低與大氣環(huán)流密切相關(guān),當?shù)孛媸艿蛪嚎刂茣r,四周高壓氣團流向中心,使中心形成上升氣流從而加大風力,這樣有利于污染物向上疏散降低顆粒物的濃度。相反,若地面受高壓控制,中心部位出現(xiàn)下沉氣流,抑制污染物向上擴散,在穩(wěn)定高壓的控制下,污染物積累,顆粒物濃度加劇。從圖1(e)上看ZTD,整體上0:00—11:00一直保持較高水平,11:00后急劇下降,直到16:00達到最低,然后開始上升。ZTD與PM2.5濃度變化趨勢較為一致,二者都是由12:00開始降低,直到16:00左右達到了一天中的最低值。
圖1 PM2.5、氣象因素、ZTD日變化趨勢
根據(jù)PM2.5濃度變化特征在不同季節(jié)有著明顯差異,將由廣西壯族自治區(qū)環(huán)境保護廳獲取的實測PM2.5濃度值數(shù)據(jù)繪制成年濃度變化折線圖(圖2),從而分析不同季節(jié)的PM2.5濃度變化特征。南寧市PM2.5濃度季平均值分別為40.17 μg/m3(春3—5月)、36.12 μg/m3(夏6—8月)、53.76 μg/m3(秋9—11月)、69.80 μg/m3(冬12—次年2月),呈現(xiàn)出了冬>秋>春>夏的趨勢。不同季節(jié)PM2.5濃度值日變化也不同,春季日變化均值為18.09 μg/m3,夏季日變化均值為15.71 μg/m3,秋季日變化均值為23.81 μg/m3,冬季日變化均值為43.87 μg/m3。從圖2也能看出冬季的波動幅度較大,夏季波動幅度較小,南寧市PM2.5濃度呈現(xiàn)較為明顯的季節(jié)性變化特征。在此特別需要指出的一點是1月28日的空氣質(zhì)量出現(xiàn)了重度污染天氣,污染物PM10、PM2.5出現(xiàn)嚴重超標現(xiàn)象,濃度值異常高。從圖2中可以看到,在凌晨二點時刻PM2.5濃度達到了最高值391 μg/m3。對此進行研究分析發(fā)現(xiàn)是由于1月28日正值農(nóng)歷春節(jié)人類活動較頻繁,春節(jié)燃放煙花炮竹較多,且春節(jié)期間氣溫升高,地面風速小,大氣條件不利于空氣污染物的擴散。這在一定程度上說明了污染物PM2.5濃度值變化受到春節(jié)的“假日效應”影響。在統(tǒng)計不同季節(jié)的空氣質(zhì)量級別分布情況后,將其繪制成表1。從表1中可以看到夏季的空氣質(zhì)量情況最好,多數(shù)時間處于優(yōu)良的空氣質(zhì)量狀況中。冬季的空氣質(zhì)量情況最差,其中空氣質(zhì)量為優(yōu)的情況僅占到了整個季度的22.8%,占優(yōu)比例遠遠小于其他的季節(jié),并且出現(xiàn)了重度以及嚴重污染的空氣質(zhì)量情況。
圖2 南寧市2017年P(guān)M2.5濃度變化
表1 空氣質(zhì)量級別分布
氣象因素以及對流層延遲呈現(xiàn)出了較為明顯的季節(jié)性分布特征,夏季高溫多雨對流層總延遲大而干延遲較低、冬季低溫少雨對流層總延遲小干延遲較大。統(tǒng)計不同季節(jié)PM2.5、氣象因素、ZTD遲的數(shù)據(jù)繪制成表2。同時大氣污染物PM2.5的濃度與氣象因素有著密切的關(guān)系,將PM2.5濃度值與氣象因素、其他污染物濃度值在不同季節(jié)的Spearman相關(guān)系數(shù)繪制成表3,從表3中可以看到SO2、NO2、CO三項污染物與PM2.5的相關(guān)性較強,且隨季節(jié)變化,在秋季呈現(xiàn)的相關(guān)性就要比其它季節(jié)強。氣溫對PM2.5濃度值的影響,主要體現(xiàn)在當氣溫較高時,大氣垂直湍流作用加劇,有利于污染物的擴散。相反當對流層出現(xiàn)逆溫層時,會阻礙PM2.5垂直方向的擴散運動,使得污染物聚集在近地層的大氣中從而加劇了空氣污染的程度。因此氣溫與PM2.5二者呈現(xiàn)出的是負相關(guān)性,氣溫對PM2.5濃度值變化的影響顯著。表2中冬季的平均氣溫最低為15.3 °C,最容易出現(xiàn)逆溫層現(xiàn)象,因而多發(fā)高污染空氣情況。夏季平均溫度是四季中最高的,其數(shù)值達到了27.8 °C,因此夏季的大氣湍流運動強度大,大氣污染物擴散條件好,多呈現(xiàn)為優(yōu)、良空氣質(zhì)量狀況。相對濕度在夏季與PM2.5的相關(guān)性最明顯,從表3來看它們之間具有負相關(guān)的特性。統(tǒng)計數(shù)據(jù)表明,當濕度處于30%~50%時,PM2.5濃度均值為56.2 μg/m3,50%~60%相對濕度時的PM2.5濃度均值為47.8 μg/m3,60%~70%相對濕度時的PM2.5濃度均值為37.2 μg/m3,70%~80%相對濕度時的PM2.5濃度均值為36.3 μg/m3,相對濕度大于80%時刻的PM2.5濃度均值為28.8 μg/m3。表3中風速與PM2.5的Spearman相關(guān)系數(shù)不管在任何季節(jié)中都是呈現(xiàn)的負相關(guān)性,既隨著風速的增大污染物PM2.5的濃度值會隨之降低。風速影響著污染物擴散的情況,排放源的污染物會隨著風被傳送到其他地區(qū),從而得到稀釋。風速越大,污染物擴散的效果就越好,通常持續(xù)一段時間的強風會使當?shù)氐腜M2.5濃度值處于一個較低的水平。一般傍晚至凌晨時間段的風速較低,因而在這個時間段的PM2.5的濃度值呈現(xiàn)出相對一天中較高的濃度值。南寧市PM2.5濃度年均值為33.7 μg/m3,處于二級風速(1.6 m/s)以下時刻的PM2.5濃度均值為39.8 μg/m3,特別當天氣出無風(0~0.3 m/s)狀態(tài)時的PM2.5濃度均值達到了58.9 μg/m3,同時風速與PM2.5的相關(guān)性在冬、春季呈現(xiàn)的要比夏、秋季強。ZTD與PM2.5濃度值的相關(guān)性在春、夏季呈現(xiàn)負相關(guān),其中夏季的Spearman系數(shù)達到了-0.452。而在秋、冬季則為正相關(guān),但它們之間的Spearman相關(guān)性系數(shù)較小。降雨對大氣污染物有很好的沖刷作用,雨滴降落時,大氣中的氣體,有時包括顆粒物,經(jīng)雨滴的溶解或粘附而被去除。統(tǒng)計數(shù)據(jù)表明,降雨期的PM2.5濃度均值為24.6 μg/m3,非降雨時刻的PM2.5濃度均值為34.7 μg/m3。特別以一月份數(shù)據(jù)為例,其PM2.5濃度月均值為60.7 μg/m3,而一月中旬有較多的降雨,PM2.5濃度均值僅為33.7 μg/m3,空氣質(zhì)量狀況多呈現(xiàn)為優(yōu)良。顯著性是評估原假設(shè)即它們之間存在相關(guān)性為真的情況下拒絕此假設(shè)所要承擔的風險水平,通常取顯著性(α=0.05)。
表2 氣象因素、對流層延遲季節(jié)均值
表3 PM2.5與氣象因素、對流層延遲的Spearman秩相關(guān)系數(shù)
從Spearman相關(guān)系數(shù)表(表3)來看,PM2.5與SO2、NO2、CO等污染物具有較高的相關(guān)性。在分析了污染物、氣象因子與 PM2.5之間的相關(guān)性和趨勢圖的基礎(chǔ)上,對它們進行多元線性回歸,建立它們之間的關(guān)系方程式。通過PM2.5與其他因素的相關(guān)系數(shù)值,選擇多個自變量對PM2.5濃度值進行預測建模。相關(guān)系數(shù)絕對值的大小決定它們之間相關(guān)性的強弱,對不同季節(jié)的PM2.5濃度值作為因變量,采用相關(guān)系數(shù)較大的因子作為自變量,同時滿足顯著性小于0.05。PM2.5數(shù)據(jù)作為因變量建立模型,采用多元線性回歸進行分析,分析結(jié)果見表4。其中R2代表多元線性回歸模型的擬合度,在0~1取值,其值越與1接近,代表擬合度越好;反之,說明擬合度越差。
以SO2、NO2、CO、氣溫、風速、降雨、相對濕度、ZTD、ZHD作為自變量,PM2.5數(shù)據(jù)作為因變量建立的多元線性回歸模型,從模型的擬合度R2來看預測效果較為顯著,其中秋季模型的擬合度最大達到了0.747。下面以南寧市為例對季節(jié)預測模型進行精度驗證,如果如圖3所示。取四月份中旬實測數(shù)據(jù)對春季模型的預測精度進行驗證,圖3(a)是春季模型在四月中旬的預測值與實測值的比較,藍色實線為實測的PM2.5濃度值,綠色虛線為模型的預測值,可以看到二者整體變化趨勢保持一致,通常在波峰與波谷處二者相差較大。并且預測值的波動頻率要比實測值的大,實測值一般在某一段時間內(nèi)保持穩(wěn)定,即對氣象因素的響應敏感度不大,不會隨著某一氣象因素的改變立刻增大或降低。夏季模型
表4 PM2.5與氣象因素、對流層延遲的多元線性回歸方程
注:x1~x9分別代表SO2、NO2、CO、氣溫、風速、降雨、相對濕度、ZTD、ZHD。
[圖3(b)]中預測值整體上與實測值的變化趨勢保持一致,但二者在7月14日有較大的差別,實測值線條較為平穩(wěn)的在濃度值為20 μg/m3附近波動,而預測值的波動較大,二者濃度值相差最大達到了10 μg/m3。在圖3(c)中秋季模型的預測值與實測值差別最大處是在10月16日15時,預測值明顯偏大,而實測值較小。PM2.5的預測值高出實測值是因為自變量SO2的濃度值在此段時間內(nèi)處于一個異常高的濃度值26 μg/m3,而相鄰時間段僅為8~9 μg/m3,這可能是受到人為排放源的影響。圖3(d)冬季模型的預測值濃度在1月11—13日、17—20日明顯要高于實測值,主要由于在該段時間內(nèi),有持續(xù)的降雨,雨水對于PM2.5有洗滌作用。PM2.5中的銨鹽、硫酸鹽、和硝酸鹽就是典型的親水組分,被雨水碰撞后可以洗去,因此PM2.5實測的濃度值較低。
圖3 多元線性回歸模型預測值和實測值的對比
對多元線性回歸模型的精度驗證結(jié)果進行統(tǒng)計,同時計算預測值與實測值的相關(guān)系數(shù),統(tǒng)計結(jié)果如表5所示。四季中夏季的絕對誤差和相對誤差是最小的,說明夏季的預測模型要比其他季節(jié)的模型精度要高。而冬季的PM2.5濃度值絕對誤差最大,一方面因為冬季PM2.5濃度值波動較多,幅度也較大。同時氣象因素對PM2.5濃度值的影響具有一定的滯后性。例如,通常降雨時不會立刻降低PM2.5濃度值,往往在雨后幾個小時PM2.5濃度值才會顯著降低。因此冬季的模型效果較差,其預測值與實測值的相關(guān)性也僅為0.416。
表5 多元線性回歸模型預測PM2.5濃度值精度驗證
由上述研究分析可知,PM2.5濃度值的變化與氣象因素呈現(xiàn)出明顯的季節(jié)分布特性,因此按季節(jié)對PM2.5、氣象因素、對流層延遲進行分析是十分必要的。PM2.5、氣象因素、對流層延遲的相關(guān)性分析結(jié)果顯示:PM2.5與SO2、NO2、CO等污染物均呈現(xiàn)正相關(guān),并且它們之間的相關(guān)系數(shù)隨季節(jié)波動,在秋季相關(guān)系數(shù)達到最大。PM2.5與氣溫的相關(guān)性在夏、冬季相對顯著,呈現(xiàn)的是正相關(guān)性。PM2.5與風速、相對濕度、降雨均呈現(xiàn)出負相關(guān)性,但是PM2.5與降雨的相關(guān)性較弱。這是由于研究分析的時間跨度大,多數(shù)時刻都是沒有降雨發(fā)生,且降雨對PM2.5濃度的影響有滯后性,即PM2.5濃度值通常是在雨后的幾個時刻才會顯著降低,因此降雨與PM2.5呈現(xiàn)弱相關(guān)性。PM2.5與對流層總延遲(ZTD)的相關(guān)性在春、夏季較為顯著,呈負相關(guān)性,而PM2.5與對流層干延遲(ZHD)呈弱相關(guān)性。在分析PM2.5與氣象因素、對流層延遲的相關(guān)性基礎(chǔ)上,建立了多元線性回歸預測模型并對其精度進行驗證。結(jié)果表明:結(jié)合氣象因素、對流層延遲的多元線性回歸模型對于南寧市PM2.5濃度值的預測效果較好,模型的擬合度R2最大達到了0.747,說明該模型適用于南寧市空氣污染物PM2.5的監(jiān)測和預報。