劉馨語，李 玄，惠富斐，謝 南，陶 威

(1.攀枝花市氣象局，四川 攀枝花 617000;2.四川省攀枝花生態(tài)環(huán)境監(jiān)測中心站，四川 攀枝花 617099; 3.湖州市氣象局，浙江 湖州 313002)

引 言

眾所周知，空氣質量對人類的身體健康有著十分重要的影響。而它的主要影響因素包括局地氣候變化、具體的氣象要素以及大氣污染物的實際排放情況等[1-2]。之前有研究顯示，如果具有較為穩(wěn)定的污染源排放條件，影響空氣質量的主要因素則是氣象條件[3]。對于市區(qū)空氣質量造成影響的主要因素，一方面包括由于經濟建設過程所致的環(huán)保及能源需求的壓力，另一方面也有市區(qū)氣象條件及其實際地理位置所帶來的一系列作用。目前，有必要對氣象要素和空氣污染之間內在的關聯性進行深入的分析，闡明空氣質量所受各類氣象要素影響的主要機理，從而為有效制定合理的防治措施提供重要的理論支撐[4]。

在經濟社會和生活質量均全面提升的大背景之下，人民群眾健康及生命安全如何受到城市空氣質量水平的影響，其規(guī)律和內在機制等問題備受矚目[5～9]。空氣質量的好壞與氣象條件是密不可分的，為此國內外專家學者也深入地探討了各類氣象要素和空氣質量之間的科學相關性，其中，有學者[10]系統(tǒng)地研究了北京市的一次持續(xù)性重污染過程，研究顯示，不利于污染物擴散的主要因素包括逆溫，大氣層結穩(wěn)定以及較低的風速。此外，劉彩霞[11]研究了天津在采暖期，其空氣質量與相關氣象因子的影響規(guī)律，所得結果表明，由地面風場所帶來的影響存在著顯著的雙重性[12]；而且，國內的一份研究工作[13]探討了河北省石家莊某個時期的天氣情況和污染日特征等，將污染日進一步分為沙塵和沙塵2個不同的類型，對于后者而言，其氣象要素特征主要為一系列的鋒后特征(包括多正變壓、濕度以及風速等)[14]；李文杰等[15]利用統(tǒng)計分析法對京津石3市AQI和各類氣象要素之間的內容關聯展開了深入的探討，結果表明，空氣污染受到氣象要素不同程度的影響外，還存在著較為明顯的時空差異性[16-17]。

目前，大量的研究主要集中在經濟較為發(fā)達的沿海城市，針對在攀枝花本地特有的地形氣候背景下，對空氣質量和氣象要素相關性的研究相對較少。攀枝花作為新中國首個資源開發(fā)特區(qū)，同時也是所在的四川省距離東南亞地區(qū)和我國華南各省(自治區(qū))距離最短的一個城市，長期以來都是十分重要的物流及交通要道[18]。隨著供給型結構性改革的持續(xù)推進，以煤及煤化工、鋼鐵機械深加工、電力、建材為主的攀枝花市經濟受到了一定影響，產業(yè)結構調整和經濟結構轉型勢在必行，在此背景下如何平衡地區(qū)經濟發(fā)展與空氣質量，分析攀枝花氣象條件對空氣污染的影響十分關鍵。

本文利用2015年到2017年期間氣象要素以及空氣污染等方面實時監(jiān)測數據，通過統(tǒng)計分析及新型的GIS技術等，深入探討氣象要素，污染因子與AQI指數等的內在關聯性，此外還采用IDW空間插值方法，對攀枝花市的各污染因子及其來源的時空分布情況進行分析。

1 材料與方法

1.1 研究區(qū)域概況

攀枝花市位于中國西南川滇交界部，北緯26°05′～27°21′，東經101°08′～102°15′，金沙江與雅礱江交匯于此[25](如圖1)。東、北面與四川省涼山彝族自治州接壤，西、南面與云南省交界，總面積7 440.398km2[26]。地處攀西裂谷中南段，具有山高谷深，盆地交錯分布的特點，相對海拔差高達3 258.5m。具有全國獨有的“南亞熱帶為基帶的立體氣候”，具有夏季長，四季不分明，旱、雨季分明，晝夜溫差大，氣候干燥，日照長，太陽輻射強等小氣候復雜多樣等特點[27]。

因為氣候及地形等因素帶來的一定影響，使得攀枝花市的低空風與地面風均有十分明顯的山谷風特征，常年處于靜風和小風區(qū)，局地性強不利于污染擴散。然而，攀枝花市能源以鋼鐵和煤炭為主，作為四川省的重要城市，其發(fā)展迅速，空氣污染問題不容小覷。

圖1 攀枝花市地形圖Fig.1 Topographic map of Panzhihua City

1.2 數據來源與處理

1.2.1 數據來源

空氣質量數據來自于攀枝花市環(huán)保局設置在攀枝花市區(qū)的4個空氣質量監(jiān)測站點，其中包括2015～2017年的AQI指數和6種污染物(PM2.5、PM10、CO、NO2、SO2、O3)；氣象數據由攀枝花市氣象局提供，包括對應時段的降水量、氣壓、溫度、相對濕度及風速等各類氣象要素實時監(jiān)測數據。

1.2.2 數據處理

利用攀枝花市設立的實時監(jiān)測站，對氣象要素和污染數據進行全天候逐時的監(jiān)測，從而求出氣象要素以及污染因子等數據的日均值數據；將2015到2017年共計三年中每天的首要污染物進行統(tǒng)計，并計算各污染物的實際比值；基于日均值數據來將各類氣象要素和污染因子分別對應的月均值和年均值數據求出來，通過Python進行處理，從而得到對應的月季變化及日變化曲線和相關性。通過Arc GIS 10.1來開展空間疊加處理以及空間插值分析工作，深入地探討AQI指數和氣象要素的時空變化特征。

1.3 研究方法

1.3.1 相關分析

相關分析的主要目標為：深入地探討各類要素與外在表象之間的內在關聯性，然后分析其中存在著特定關聯的不同現象，最終掌握它們的相關程度和具體的方向等。所用算式為：

1.3.2 反距離權重(IDW)法

我們可利用空間插值法來轉化離散點，從而得到具有連續(xù)性的相關曲面，由此開展空間分布方面的分析研究工作[19]。利用該法可分析攀枝花市污染因子和AQI等的分布情況。

而反距離權重法屬于簡單便捷的空間插值法，目前已經取得了較好的應用成果，尤其特別適用于區(qū)域性污染物所具有的空間分布特征的相關研究[20～22]。在應用該法時，主要是采用樣本點和插值點之間的距離來開展加權平均，如果樣本點和插值點間距越小，則其將有更大的權重，然而它對距離有較強的依賴性，如果樣本點相互間存在著比較長的距離，則將有明顯的誤差產生。在進行距離設置時其冪值采用的是默認數值(即2)。如果所設定的冪值比較小，將明顯地影響到較遠距離的點，使外表面變得更為平滑[23-24]。

2 結果與討論

2.1 攀枝花市首要污染物情況

統(tǒng)計2015年1月1日～2017年12月31日攀枝花市每日所對應的首要污染物，(圖2)可知，2015年1月1日～2017年12月31日，在攀枝花市886天有效數據中，以PM10為首要污染物的天數最多(453d)，占51%；首要污染物為NO2的共計228d，對應占比26 %；而為O3的則是99d，總占到11%；其余，以PM2.5、SO2、CO為首要污染物的天數分別有36d、25d、45d。這表明影響攀枝花市環(huán)境空氣質量的污染物因子主要為PM10、NO2和O3。由于灰霾天氣的本質是光化學污染相關聯的粒子氣溶膠污染，很多學者的研究表明，城市中排放的機動車尾氣、煤煙塵以及揚塵等因素是O3、NO2以及PM10的重要來源[28～30]，該市近年來在發(fā)展經濟的過程中，消耗了大量的能源，也相應地提高了大氣O3、NO2及PM10的含量。

圖2 攀枝花市首要污染物組成比例Fig.2 Proportion of primary pollutants in Panzhihua city

2.2 AQI及首要污染物月季變化分析

根據圖3中攀枝花市不同季節(jié)首要污染物的占比情況可知：攀枝花秋冬以PM10和NO2為主，春夏以PM10和O3為主。其中，由于高強度的太陽輻射會使O3的濃度升高，導致O3濃度在春夏季逐漸升高，同時，夏季的連續(xù)性降水也會影響O3濃度[31]。

圖3 攀枝花市不同季節(jié)首要污染物占比Fig.3 Proportion of primary pollutants in different seasons in Panzhihua City

結合對攀枝花AQI的分析可知，2015年1月～2017年12月，不同污染因子和AQI月季變化明顯。其全年空氣質量為優(yōu)占15.6%，良占82.0%，輕度污染及以上級別占2.4%，優(yōu)良率達97.6%。分析圖4可知，在6～8月(夏季)AQI級別為優(yōu)的天數最多，表明夏季空氣質量較好，其中6月空氣質量最好(優(yōu)占43d，良47d，且無輕度污染及以上級別)。而在2月出現了四種不同AQI級別的天氣現象(從優(yōu)到中度污染)，表明在這一個月份里，空氣質量波動較大。

圖4 攀枝花市空氣質量指數 AQI 級別Fig.4 Air quality index levels in Panzhihua city

綜上所述，我們可發(fā)現攀枝花市的空氣質量和季節(jié)之間存在著較為明顯的關系，具有夏季空氣質量好，冬季較差的季節(jié)特點。這與攀枝花市地處山區(qū)，常年風速較小不利于污染擴散有關。此外，一些主要的氣象要素(包括降水量、氣壓以及溫度等)都將會不同程度地影響著該市整體的空氣質量。

2.3 攀枝花市氣象要素分析

對于污染物擴散及擴散過程來說，氣象條件具有不可忽視的控制作用。當污染源的排放保持不變的情況下，氣象條件對污染物濃度起到了決定性的作用[32～36]。因此，探討各類主要的氣象要素和空氣質量之間的關系很有必要。從圖5中攀枝花市2015～2017年降水量、氣壓、風速、相對濕度以及溫度等月季波動情況，我們可發(fā)現：①溫度：整體呈拋物線特征，從3月到10月，月均溫度值均高于20°C，在六月達到最高(27.4°C)；②相對濕度：攀枝花市地處內陸山地，全年大氣相對濕度相差較大，月季波動變化較明顯，其中相對濕度最大在9月(75.17%)，最小在3月(31.63%)。這主要是因為從6月開始，攀枝花市雨季開始，尤其6～9月當地通常會出現副高天氣所致強降水現象，使相對濕度明顯增大，進入10月之后，降雨量顯著降低，所以相對濕度值也相應地減?。虎埏L速：攀枝花市處于靜風或小風區(qū)，11月平均風速最低(1.1m/s)，3～5月(春季)最高(2m/s)；④氣壓：攀枝花市全年平均氣壓大致呈反拋物線狀，在870～880hP范圍內波動，9月至次年2月(秋、冬季)氣壓均高于875 hPa，其余月份氣壓值均在875hPa以下，其中6月平均氣壓最低(870hPa)；⑤降水量：攀枝花旱、雨季分布明顯，主要降雨時段在每年6～9月，2015～2017年三年月平均降水量最高出現在7月(234.6mm)，最低在2月(1.4mm)。

圖5 攀枝花市溫度、濕度、風速、氣壓、降水量月份變化Fig.5 Monthly variation of temperature，humidity and wind speed，air pressure and precipitation in Panzhihua city

2.4 AQI與氣象要素相關分析

對于污染物的轉化、遷移、擴散以及稀釋等過程來說，氣象要素起到了十分重要的制約作用[37-38]。本文利用攀枝花2015～2017年的AQI日數據以及對應的氣象數據分析發(fā)現(如圖6)，空氣質量會受到不同氣象要素的影響，而且各個要素也具有不同的影響程度。

2.4.1 溫度、風速與 AQI 的關系

AQI指數日變化與溫度、風速日變化均呈顯著負相關關系。據圖6可知，氣溫的垂直分布一定程度上決定了大氣污染物在垂直方向的擴散情況[39-40]，在進入到午后，隨著溫度逐漸增加，該市的大氣將會變得更加不穩(wěn)定，由于受到熱力對流的影響，使得污染物朝上進行逐步的擴散，相應地降低了AQI值；反之，該市的大氣處于穩(wěn)定狀態(tài)之中，抑制了污染物擴散的過程，相應地AQI值增大。而風速是造成快速水平輸送或平流的主要原因，也是邊界層內影響污染物稀釋擴散的重要因子[41-42]。當風速在特定范圍之內時，在越高的風速條件下，將更有利于各類空氣污染物的稀釋及擴散，相應地降低了AQI值。反之，AQI指數越大。

2.4.2 氣壓、相對濕度、降水量與AQI的關系

降水量和相對濕度關系緊密，同時PM10作為攀枝花排名居首的一類空氣污染物，由于攀枝花污染主要集中在冬季，大量的降水一方面沖刷空氣中一部分PM10，另一方面對地面揚塵有良好的抑制作用，因此在冬季相對濕度和降水量與AQI呈負相關；而攀枝花春、夏、秋三個季節(jié)中，空氣質量相對較好，加上溫度較高，小量的相對濕度的增長反而有利于空氣中顆粒物的吸濕增長，導致AQI上升[43]。攀枝花本站氣壓與AQI指數年均日變化相關系數為0.881，具有顯著正相關性(p<0.01)。天氣背景會明顯地影響到污染物擴散過程。在低壓控制的條件下，大氣為不穩(wěn)定或者是處于中性的狀態(tài)，相應地提高了低層空氣輻合，處于地面附近區(qū)域中的污染物將會和空氣共同上升至更高的區(qū)域里，這對于污染物的稀釋及高空擴散是有利的；在高壓控制的情況下，空氣將會出現下沉，導致下沉逆溫，這將會對污染物朝上的擴散過程造成一定的抑制作用[44]。若高壓處于緩慢的移動狀態(tài)，則將會長時間地在某地區(qū)進行停留，由此導致穩(wěn)定層結以及小風速等現象，這對于污染物擴散及稀釋過程是十分不利的[45～46]。特別是在晴朗的高壓天氣條件下，在夜間通常會出現輻射逆溫，將會抑制污染物擴散的過程，從而導致污染加重的問題[39]。若地形條件不理想，則還會導致更為嚴重的結果。

綜上，攀枝花春、夏、秋三個季節(jié)，風速和溫度與AQI均呈負相關；與降水量、相對濕度、氣壓呈正相關關系。而冬季，降水量與AQI也呈負相關關系(見表1)。

2.5 攀枝花地區(qū)空氣污染指數與氣象要素的主成分回歸分析

主成分統(tǒng)計分析是有一種能有效地簡化一系列指標，從而得到若干不相關的指標的綜合指標，該法尤其適用于對多指標數據的分析研究，此外，還可深入地探討不同數據之間所存在的內在聯系和后續(xù)的發(fā)展趨勢。所以，目前它也被廣泛地用在空氣污染分析方面的工作之中。因為對于降水量、氣壓、風速、相對濕度以及溫度等各類氣象要素而言，它們具有緊密的關聯，所以主成分的分析是不可或缺的，采用SPSS所算得的系數矩陣貢獻率和相關特征值結果可參考表2中所列的數據。

在攀枝花市四季的主要氣象要素之中，處于最前面的2個主成分具有著高于85%的累計貢獻率，也就是說，超過85 %的原指標相關信息可被有效地提取出來，因此，選擇最前面的2個主成分就可滿足條件。我們可通過表3的特征向量值來很好地解釋這2個主成分。

表3 特征值對應的特征向量Tab.3 The corresponding eigenvectors of eigenvalues

如表3所示，該市首個主成分(除春季)所體現的是5大氣象要素的綜合指標，而第2個主成分(除秋季)則主要描述了降水量指標。新構造的主成分代表了原來各氣象要素的大部分信息，且各新構造主成分之間相互獨立，不存在共線性，因此可實現多元線性回歸分析的有效構建。在此過程中，其自變量為首個主成分值(即Z1)和第2主成分值(即Z2)，而所用的因變量則為AQI 指數y′，然后開展多元線性回歸處理，通過最小二乘法來進行相關參數的估算。

由此，所得回歸方程具體如下：

春季：y′=0.822*Z1+0.044*Z2 ；

夏季：y′=0.787*Z1+0.1*Z2 ;

秋季：y′=0.74*Z1+0.065*Z2；

冬季：y′=-0.72*Z1+0.411*Z2；

此處的y′代表了AQI指數(已經進行了標準化)；而Z1以及Z2則分別代表了第一及第二主成分。算得其F檢驗中P值均小于0.05，意味著具有良好的回歸效果。且對于各個系數來說，其t檢驗的P值均小于0.05，意味著所有的主成分均具有較為顯著的影響。

在回歸方程中代入主成分所分別對應的線性表達式，然后對其進行轉換而得到常規(guī)的線性回歸方程，具體為：

春季：

y=31.97171*x1-0.3836*x2-0.5773*x3+21.073*x4+0.806*x5-727.3011

R2=0.647；

夏季：

y=1.8659*x1-0.4156*x2-0.4444*x3+10.8016*x4+0.9271*x5+751.2702

R2=0.595；

秋季：

y=22.3062*x1-0.6814*x2-0.6193*x3+12.7192*x4+1.1710*x5-954.9506

R2=0.51；

冬季：

y=819.5852*x1-0.5712*x2+0.5175*x3+12.8246*x4+1.1483*x5-2635.9216

R2=0.657；

式中y為AQI指數；x1～x5分別為降水量、風速、氣溫、相對濕度、氣壓。

2.6 污染因子及氣象要素的IDW法插值和空間疊加分析

根據提高監(jiān)測站點數量，空間插值誤差會相應地降低的原理[46]，為增加本地插值研究的精確度，我們以當前設置于本市的四個監(jiān)測站所得的數據開展污染分布方面的研究分析工作。圖7是對2015年1月～2017年12月攀枝花市區(qū)4個監(jiān)測站點6種污染因子開展IDW空間插值處理所得的最終結果，很明顯，對于所研究的污染因子而言，它們存在著十分顯著的空間污染分布差異。PM2.5、CO、SO2污染因子主要分布在弄弄坪及以西地區(qū)，而NO2、O3、PM10等污染因子主要分布受人類活動排放影響的[47～49]主城區(qū)中心炳草崗一帶。

圖7 4個站點上6個污染因子的空間插值圖Fig.7 Space interpolation of six pollution factors at four stations

圖8 6個污染因子在4個站點的空間疊加圖Fig.8 Spatial overlay of six pollution factors at four stations

針對這些污染因子，歸一化處理其有關的數據圖層，再開展空間疊加處理，得出不同污染因子對當地環(huán)境空氣的綜合影響。根據圖8疊加圖可知：炳草崗和弄弄坪站點周圍空氣污染最嚴重。其中，弄弄坪-河門口測點位于攀鋼廠區(qū)、發(fā)電廠及煤礦、焦炭集中區(qū)，當化石燃料被大量地燃燒之后，除了一些污染性的氣態(tài)物質(如一氧化碳與二氧化硫等)和可吸入性固態(tài)顆粒物形成之外，污染性氣體將會發(fā)生二次轉化過程，使得當地空氣污染問題變得更加嚴重，其中最典型的就是河門口-弄弄坪周邊；而炳草崗測點一帶位于市中區(qū)，受汽車尾氣及建筑施工揚塵影響明顯，導致PM10和NO2、O3濃度偏高。

3 結 論

3.1 攀枝花市首要污染物為PM10，其作為首要污染物的天數占全年51%，NO2(26%)、O3(11%)；其次PM2.5、SO2、CO分別占4%、3%、5%，對攀枝花市環(huán)境空氣質量的影響相對較小。其中，秋冬以PM10和NO2為主，春夏以PM10，O3為主。

3.2 在時間序列上，各氣象要素對攀枝花空氣質量的影響程度存在一定的差異。夏季空氣質量最好，冬季最差；從相關系數和主成分回歸系數的數值可以看出，攀枝花春、夏、秋三個季節(jié)，風速和溫度與AQI均呈負相關；與降雨量、相對濕度、氣壓呈正相關關系。而冬季，降雨量與AQI也呈負相關關系。

3.3 對4個站點的6種空氣污染因子進行空間插值和空間疊加分析，結果表明:PM2.5、PM10、SO2、NO2、O3、CO污染因子在空間分布上差異明顯，其中炳草崗和弄弄坪周圍空氣質量相對較差；弄弄坪一帶分布著攀枝花市的主要重工業(yè)企業(yè)，導致大量的可吸入顆粒物和SO2、CO等污染因子濃度升高；位于市中心的炳草崗站點周圍，受汽車尾氣及建筑施工揚塵影響明顯，導致PM10和NO2、O3濃度偏高。

3.4 通過以上分析可以發(fā)現，結合攀枝花本地發(fā)展規(guī)劃和實際情況，根據氣象要素分析，為攀枝花市分區(qū)分季節(jié)的防污減排決策提供了氣象參考。