毛 麗，周 靜，季冬冬

（江蘇金易惠環(huán)保科技有限公司，江蘇常州 213022）

常州位于中國長三角地區(qū)，經(jīng)濟(jì)發(fā)展快、機(jī)動車保有量爆發(fā)式增長，以顆粒物為主造成的霾污染給人們的身心健康造成了極大的危害。

由于污染物濃度變化隨氣象條件以及突發(fā)的污染排放有著直接的聯(lián)系，利用Kolmogorov-Zurbenko（KZ）濾波方法可以去除短期的污染濃度波動從而獲得污染物的季節(jié)性波動情況及長期變化趨勢，從而對各污染物的治理措施提供長期的效果評價(jià)。本研究基于KZ 濾波對2014—2019年常州細(xì)顆粒物（PM2.5）、PM10的逐日資料的時(shí)間序列進(jìn)行分解，獲得短期、季節(jié)和長期尺度上污染物濃度序列，并分析其變化規(guī)律。

1 材料與方法

1.1 研究區(qū)域

常州位于北緯31°09′至32°04′、東經(jīng)119°08′至120°12′，地處江蘇省南部、長三角腹地，屬北亞熱帶季風(fēng)區(qū)，四季分明，氣候濕潤，雨量充沛，日照充足，無霜期長，據(jù)氣象統(tǒng)計(jì)資料，區(qū)域多年平均氣溫16.5℃，極端最高氣溫40.6℃，極端最低氣溫-11.2℃。

根據(jù)常州市國控站點(diǎn) 2014— 2019年的PM10、PM2.5小時(shí)及日監(jiān)測數(shù)據(jù)開展時(shí)間序列分析。

1.2 研究方法

KZ 濾波方法是經(jīng)p次迭代與m點(diǎn)滑動平均的低通濾波，其計(jì)算公式見式（1）。

式中，Oi為輸入序列；i為序列的時(shí)間間隔（d）；j為滑動窗口變量，表示參與滑動的各時(shí)間點(diǎn)；k為對Oi進(jìn)行濾波時(shí)其兩端滑動窗口長度；滑動窗口長度m=2k+1；濾波結(jié)果作為下次濾波的輸入再次計(jì)算，如此共執(zhí)行p次，得到最終濾波結(jié)果 KZ（m，p）。

調(diào)整濾波參數(shù)m與p可以控制不同尺度過程的濾波，濾波結(jié)果KZ（m，p）將波長小于N的波頻濾除，見式（2）。

對某一原始時(shí)間序列O（t），可分解為式（3）。

式中，e（t）、S（t）和W（t）分別是長期、季節(jié)和短期分量。短期分量W（t）由天氣系統(tǒng)及短期污染排放變化引起，時(shí)間尺度為1～21d；S（t）代表季節(jié)性變化影響，如太陽角度變化引起的季風(fēng)、氣溫、輻射、降水等季節(jié)性變化，以及與之相關(guān)的污染排放變化，時(shí)間尺度為1a；長期分量e（t）則反映了人為活動源排放的影響和氣候長期變化，包括污染排放總量、污染物傳輸、氣候、政策或經(jīng)濟(jì)活動等因素引起的變化，時(shí)間尺度一般大于 1a。

參考Rao 等的KZ 方法，3個(gè)時(shí)間尺度分量分別按式（4）～式（6）計(jì)。

根據(jù)公式（2），KZ（15，5）濾波的滑動窗口長度為15（m=15），執(zhí)行5次迭代（p=5），周期小于33d（15×51/2≤33）的波動濾除，即有效濾波約為 33d；同理，KZ（365，3）有效濾波為632d（1.7a）。

定義基線分量為長期分量和季節(jié)分量的加和，見式（7）。

O（t）的總方差可寫為濾波所得3個(gè)分量的方差和協(xié)方差之和，見式（8）。

本研究將PM10和PM2.5日均值取對數(shù)后進(jìn)行分解，獲得各分量后再恢復(fù)為濃度數(shù)據(jù)；Tmax數(shù)據(jù)則直接對原始數(shù)據(jù)進(jìn)行 分解。

2 結(jié)果與討論

2.1 PM10、PM2.5污染概況

根據(jù)常州市生態(tài)環(huán)境狀況公報(bào)，2014—2018 年P(guān)M2.5的平均濃度依次為67μg/m3、58μg/m3、49μg/m3、47μg/m3、50μg/m3，2014年P(guān)M10的平均濃度104μg/m3、2015—2018年P(guān)M10的平均濃度依次81μg/m3、73μg/m3、73μg/m3，對照《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012），PM10二級年均濃度標(biāo)準(zhǔn)為70μg/m3，PM2.5二級年均濃度標(biāo)準(zhǔn)為35μg/m3，常州市上述兩個(gè)因子均超標(biāo)，影響常州市環(huán)境空氣質(zhì)量的關(guān)鍵因子為細(xì)顆粒物PM2.5。

為分析2014—2019年常州市區(qū)PM10、PM2.5污染濃度變化的時(shí)間序列，采用KZ 濾波方法對數(shù)據(jù)進(jìn)行了處理。將原始的時(shí)間序列分解得到了污染物濃度季節(jié)成分時(shí)間序列s（t）以及污染物濃度長期趨勢成分時(shí)間序列e（t）。

2.2 KZ過濾后的PM10、PM2.5時(shí)間序列特征

KZ 濾波參數(shù)選擇至關(guān)重要，Rao 等[2]采用KZ（29，3），后調(diào)整為公式（4）～（6）中的KZ（15，5）和KZ（365，3），其時(shí)間尺度節(jié)點(diǎn)分別為33d 和1.7a。

按照公式（4）～（6），分別對常州PM10、PM2.5原始序列進(jìn)行分解，獲得短期、季節(jié)和長期分量序列。

PM2.5、PM10具有類似的趨勢，原始序列有高頻噪聲，具較明顯季節(jié)特征[圖1（a）]；去除天氣系統(tǒng)引起的短期分量[圖1（b）、圖2（b）]后，季節(jié)分量[圖1（c）、圖2（c）]顯示出更清晰平滑的周期特征，峰值出現(xiàn)在秋冬季，谷值出現(xiàn)在夏季。不同年份的季節(jié)周期存在一定不規(guī)則性，如峰值、峰谷的具體時(shí)段略有差異；長期分量[圖1（d）、圖2（d）]則顯示2014—2019年總體呈現(xiàn)下降趨勢，但2018年有所反復(fù)。通過PM2.5、PM10長期分量序列的分析，發(fā)現(xiàn)這種趨勢在原始序列[圖1（a）]、[圖2（a）]中基本被高頻噪聲掩蓋，印證了時(shí)間尺度分離分析的必要性。

圖1 2014—2019年常州PM2.5的原始時(shí)間序列和和KZ分解后的短期、季節(jié)和長期分量序列

2014—2019 年，常 州 市PM2.5和PM10長 期 分 量 的 下 降速率分別是3.18 和6.02，下降速率比值為0.53；而這6a 中，PM2.5和PM10的濃度比值是0.62，可見下降速率比值低于濃度比值，即PM2.5的下降效果不及PM10。PM10一般以一次源為主，而PM2.5有一次源，也有二次源，故PM2.5的下降效果不及PM10，提示了二次源治理的難度，也提示了治理的重要性，SO2、NOx等氣態(tài)污染物可作為前體物，通過復(fù)雜的反應(yīng)過程生成新粒子，因此需要?dú)鈶B(tài)污染與顆粒物協(xié)同控制、協(xié)同 治理。

圖2 2014—2019年常州PM10的原始時(shí)間序列和和KZ分解后的短期、季節(jié)和長期分量序列

3 結(jié)束語

采用Kolmogorov-zurbenko（KZ）濾波將2014—2019 年常州PM10、PM2.5時(shí)間序列分解為短期、季節(jié)和長期等3個(gè)分量得出其污染物變化規(guī)律為：PM10、PM2.5峰值出現(xiàn)在秋冬季，谷值出現(xiàn)在夏季，PM10、PM2.5總體呈現(xiàn)下降趨勢，但2018年有所反復(fù)，PM2.5的下降效果不及PM10