翁文江　李萍　史秋萍　池洪敏　羅宗秀　饒遠(yuǎn)

摘 要：本文利用重慶市萬(wàn)盛地區(qū)2018年12月份空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)及氣象數(shù)據(jù)，首次研究了萬(wàn)盛地區(qū)PM10濃度與其他5項(xiàng)污染物、相關(guān)氣象因素的關(guān)系。研究表明，PM10濃度與NO2、CO污染因子顯著正相關(guān)，但與SO2、O3-8h污染因子相關(guān)性不明顯;PM10質(zhì)量濃度受能見(jiàn)度、相對(duì)濕度、風(fēng)速和風(fēng)向等氣象因素影響較大。本研究首次建立了萬(wàn)盛地區(qū)PM10預(yù)測(cè)模型，能較準(zhǔn)確反映該地區(qū)PM10的污染特征，為開(kāi)展該地區(qū)PM10污染預(yù)警預(yù)報(bào)提供了思路和奠定了基礎(chǔ)。

關(guān)鍵詞：PM10;氣象因子;預(yù)測(cè)

中圖分類號(hào)：X169文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）14-0153-03

Prediction and Analysis of PM10 Pollution in Atmosphere in Wansheng District of Chongqing City in December

WENG Wenjiang1 LI Ping1 SHI Qiuping1 CHI Hongmin2 LUO Zongxiu3 RAO Yuan1

（1. Ecological Environment Monitoring Station of Wansheng Economic and Technological Development Zone，Chongqing 400800;2. Wansheng Jingkai Meteorological Bureau，Chongqing 400800;3. Agricultural Service Center of Guanba Town of Qijiang District，Chongqing 400800）

Abstract： Using the air quality monitoring data and meteorological data of December 2018 in Wansheng， Chongqing， the relationship between PM10 concentration in Wansheng and five other pollutants and related meteorological factors was studied for the first time in this paper. Studies have shown that PM10 concentration is significantly positively correlated with NO2 and CO pollution factors， but not significantly correlated with SO2 and O3-8h pollution factors; PM10 mass concentration is greatly affected by meteorological factors such as visibility， relative humidity， wind speed and wind direction. This study establishes the PM10 prediction model for Wansheng area for the first time， which can accurately reflect the pollution characteristics of PM10 in this area， and provides a basis and foundation for the early warning of PM10 pollution in this area.

Keywords： PM10;meteorological factors;prediction

打贏藍(lán)天保衛(wèi)戰(zhàn)事關(guān)黨和國(guó)家發(fā)展全局，是一項(xiàng)偉大而艱巨的歷史任務(wù)和時(shí)代使命。大氣PM10污染成為影響人們生產(chǎn)生活的重要污染問(wèn)題[1]。PM10被人體吸入后會(huì)積累在呼吸系統(tǒng)中，引發(fā)許多疾病[2]。重慶市萬(wàn)盛經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)四面臨山，具有濕度大、霧日多、風(fēng)速小的典型山城氣候特征，同時(shí)煤電化工、新型材料等傳統(tǒng)工業(yè)較為發(fā)達(dá)，大氣污染物排放總量大，冬季管控污染難度較大。因此，對(duì)萬(wàn)盛冬季重要的大氣污染物可吸入顆粒物（PM10）進(jìn)行研究，對(duì)開(kāi)展污染預(yù)警預(yù)報(bào)及大氣污染聯(lián)防聯(lián)控等方面的研究與管理工作具有十分重要的意義。

張代榮等人研究了萬(wàn)盛地區(qū)6種大氣污染物（SO2、NO2、O3、PM2.5、PM10和CO）的污染特征[3]。本文以萬(wàn)盛經(jīng)開(kāi)區(qū)市控空氣質(zhì)量自動(dòng)監(jiān)測(cè)站數(shù)據(jù)和氣象局氣象觀測(cè)數(shù)據(jù)為基礎(chǔ)，首次揭示了該地區(qū)12月份大氣PM10與PM2.5、SO2、NO2、CO和O3-8h污染因子的聯(lián)系，首次分析了PM10與氣象因素的相關(guān)關(guān)系，首次建立該地區(qū)PM10預(yù)測(cè)模型，為實(shí)現(xiàn)PM10污染預(yù)警預(yù)報(bào)和堅(jiān)決打贏藍(lán)天保衛(wèi)戰(zhàn)提供決策依據(jù)。

1 數(shù)據(jù)來(lái)源與處理

1.1 數(shù)據(jù)來(lái)源

空氣質(zhì)量資料來(lái)自萬(wàn)盛經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)市控空氣質(zhì)量監(jiān)測(cè)站點(diǎn)，為2018年12月PM10、PM2.5、SO2、NO2、CO和O3-8h共6項(xiàng)污染物質(zhì)量濃度日均質(zhì)量濃度和氣象觀測(cè)站10種氣象因素（氣壓、氣溫、相對(duì)濕度、能見(jiàn)度、雨量、日均平均風(fēng)速、最大風(fēng)速、最大風(fēng)向、極大風(fēng)速和極大風(fēng)向）的每日24 h逐時(shí)監(jiān)測(cè)濃度實(shí)測(cè)數(shù)據(jù)。

1.2 數(shù)據(jù)處理

利用氣象指標(biāo)逐時(shí)監(jiān)測(cè)數(shù)據(jù)，求出相應(yīng)的日均值;利用SPSS軟件相關(guān)分析求出PM10與PM2.5、SO2等5項(xiàng)污染因子的相關(guān)性、PM10與10個(gè)氣象因子的相關(guān)性;利用SPSS軟件計(jì)算PM10與其他5項(xiàng)污染物、10個(gè)氣象因子的最優(yōu)回歸方程。

2 結(jié)果與討論

2.1 PM10質(zhì)量濃度與其他污染因子相關(guān)性分析

表1相關(guān)性研究表明，PM10和PM2.5濃度相關(guān)系數(shù)為0.994，在Sig<0.01水平上具有顯著正相關(guān)，說(shuō)明兩者變化規(guī)律極度相似。PM10質(zhì)量濃度與NO2、CO污染因子質(zhì)量濃度的相關(guān)系數(shù)分別為0.861、0.692，均在Sig<0.01水平顯著正相關(guān)。PM10質(zhì)量濃度與SO2、O3-8h污染因子質(zhì)量濃度的相關(guān)系數(shù)分別為-0.085、-0.319，相關(guān)性不明顯。

表1 萬(wàn)盛地區(qū)12月PM10與其他污染因子相關(guān)性分析

[污染物 PM2.5 SO2 NO2 CO O3-8h PM10 0.994** -0.085 0.861** 0.692** -0.319 ]

注：*表示在0.05水平上顯著相關(guān)，**表示在0.01水平上顯著相關(guān)。

2.2 PM10質(zhì)量濃度與氣象因子相關(guān)性分析

PM10質(zhì)量濃度與不同氣象因子的person相關(guān)分析結(jié)果如表2所示。可以看出，萬(wàn)盛地區(qū)12月份PM10質(zhì)量濃度與能見(jiàn)度在Sig<0.01水平上顯著相關(guān)，與極大風(fēng)向在Sig<0.01水平上具有相關(guān)性;與相對(duì)濕度、日均平均風(fēng)速和最大風(fēng)向在Sig<0.05水平上顯著相關(guān)。研究表明，PM10質(zhì)量濃度受能見(jiàn)度、極大風(fēng)向、相對(duì)濕度、日均平均風(fēng)速和最大風(fēng)向等氣象因素影響較大。其中，西北至正北風(fēng)向和相對(duì)濕度對(duì)PM10起正向影響作用，能見(jiàn)度和風(fēng)速對(duì)PM10起逆向影響作用。

2.3 PM10預(yù)測(cè)模型建立與檢驗(yàn)

2.3.1 PM10預(yù)測(cè)模型的建立。研究表明，PM10質(zhì)量濃度受其他污染因子和多個(gè)氣象因素的共同影響。本文將其他污染因子和氣象因子結(jié)合起來(lái)，首次建立萬(wàn)盛地區(qū)PM10預(yù)測(cè)模型[4]。以SO2（[X1]）、NO2（[X2]）、CO（[X3]）、O3-8h（[X4]）、氣壓（[X5]）、氣溫（[X6]）、相對(duì)濕度（[X7]）、能見(jiàn)度（[X8]）、雨量（[X9]）、日均平均風(fēng)速（[X10]）、最大風(fēng)速（[X11]）、最大風(fēng)向（[X12]）、極大風(fēng)速（[X13]）和極大風(fēng)向（[X14]）共14個(gè)指標(biāo)為自變量，PM10濃度為應(yīng)變量，通過(guò)SPSS最優(yōu)回歸方程計(jì)算，最終確定12月份PM10的預(yù)測(cè)模型，如表3所示。

研究發(fā)現(xiàn)，PM10的最優(yōu)回歸方程為[Y=2.739X2+][80.468X3-5.014X6-0.001X8-5.394X9-52.261]，在Sig<0.01水平上具有顯著性。

2.3.2 PM10預(yù)測(cè)模型的檢驗(yàn)。為驗(yàn)證方程，根據(jù)以上預(yù)測(cè)模型繪制了2019年12月PM10濃度變化曲線。通過(guò)比較同期計(jì)算值和實(shí)測(cè)值（見(jiàn)圖1），發(fā)現(xiàn)曲線大部分重合。特別指出，12月18—19日，預(yù)測(cè)值為負(fù)值，主要是連續(xù)兩天出現(xiàn)暴雨，導(dǎo)致預(yù)測(cè)模型失真;12月28—29日，計(jì)算值比實(shí)測(cè)值高0.7倍左右，初步推測(cè)原因是氮氧化物濃度驟然陡增至少60%，預(yù)測(cè)模型失真;12月12—14日、31日計(jì)算值低于實(shí)測(cè)，初步推測(cè)原因?yàn)轭A(yù)測(cè)模型未考慮地形地貌在污染天氣時(shí)的疊加影響效應(yīng)。

剔除12月18—19日、28—29日極端失真數(shù)據(jù)后，計(jì)算值和實(shí)測(cè)值SPSS配對(duì)的t檢驗(yàn)結(jié)果為：標(biāo)準(zhǔn)差為13.76 μg/m3，相關(guān)系數(shù)為0.916，在Sig<0.01水平上呈現(xiàn)顯著正相關(guān)，說(shuō)明利用NO2、CO、溫度、能見(jiàn)度和降雨量五項(xiàng)指標(biāo)建立的多元回歸模型預(yù)測(cè)PM10具有較好的可信度，正常情況下能基本預(yù)測(cè)12月PM10的變化趨勢(shì)。

3 結(jié)論

重慶市萬(wàn)盛地區(qū)12月PM10濃度與NO2、CO污染因子顯著正相關(guān)，但與SO2、O3-8h污染因子相關(guān)性不明顯。本研究首次分析了萬(wàn)盛地區(qū)12月PM10濃度與氣象因素的相關(guān)性，其受能見(jiàn)度、相對(duì)濕度、風(fēng)速和風(fēng)向等氣象因素影響較大。其間首次建立萬(wàn)盛地區(qū)PM10預(yù)測(cè)模型，該預(yù)測(cè)模型具有一定的實(shí)用性，正常情況下能基本預(yù)測(cè)PM10的變化趨勢(shì)，為開(kāi)展該地區(qū)PM10污染防治提供了思路。

參考文獻(xiàn)：

[1]虎彩嬌，李錦倫，王祖武，等.黃石市大氣PM10和PM2.5質(zhì)量濃度特征研究[J].氣象與環(huán)境學(xué)報(bào)，2019（4）：40-46.

[2]韓茜.北京市大氣污染物中可吸入顆粒物（PM10）造成的健康損失研究：人力資本法實(shí)例研究[J].北方環(huán)境，2011（11）：150-152.

[3]張代榮，史曉云，周欣.重慶市萬(wàn)盛區(qū)大氣污染物分布特征[J].環(huán)境與健康雜志，2018（4）：351-353.

[4]王娟.基于多元回歸分析的PM2.5預(yù)測(cè)研究[J].微型電腦應(yīng)用，2020（3）：48-51.