盧江濤， 彭章娥， 劉 琳

（上海應(yīng)用技術(shù)大學(xué) 城市建設(shè)與安全工程學(xué)院, 上海 201418）

近20 年來(lái)，隨著經(jīng)濟(jì)的發(fā)展，連續(xù)性、區(qū)域性、高強(qiáng)度的大氣污染對(duì)我國(guó)的部分城市造成了一定影響，此類(lèi)現(xiàn)象在華北、華東等密集城市群尤為突出[1]。氣態(tài)污染物質(zhì)持續(xù)排入大氣環(huán)境中，對(duì)人體健康產(chǎn)生了潛在的危害。近年來(lái)，隨著國(guó)家系列政策和整改措施的出臺(tái)，以及產(chǎn)業(yè)、能源結(jié)構(gòu)的調(diào)整與升級(jí)，中國(guó)的大氣污染得到明顯改善，但可吸入細(xì)顆粒物PM2.5仍是環(huán)境污染處理的一大難題，成為多年來(lái)各大城市空氣污染控制的重要對(duì)象[2-3]。

1 細(xì)顆粒物PM2.5

PM2.5具有直徑小、質(zhì)量輕、擴(kuò)散范圍大、易攜帶有害物質(zhì)并在空氣中不易沉降的特點(diǎn)。大量的PM2.5長(zhǎng)期懸浮在城市上空，會(huì)降低地面能見(jiàn)度和大氣透明度，尤其在遇上大氣流動(dòng)差的氣象條件時(shí)，極易形成持續(xù)性的大氣污染。PM2.5因其粒徑小，可直接進(jìn)入肺泡，對(duì)人體健康具有較大的危害性[4-5]。相關(guān)研究已表明：PM2.5對(duì)呼吸系統(tǒng)、心血管系統(tǒng)、免疫系統(tǒng)產(chǎn)生危害[6-8]。因此，加強(qiáng)城市大氣顆粒物濃度變化和分布特征的研究，對(duì)保護(hù)城市空氣質(zhì)量和人體健康具有重要意義。

上海市是全球人口密集的大城市之一。上海市的大氣污染問(wèn)題一直是備受關(guān)注的環(huán)境問(wèn)題，眾多學(xué)者對(duì)上海市PM2.5空氣污染展開(kāi)研究工作[9-11]，并取得了一定的科研成果。王明瑩等[9]發(fā)現(xiàn)PM2.5濃度月變化曲線(xiàn)呈現(xiàn)U 型分布，PM2.5與PM10之間的相關(guān)性大。成亞利等[11]研究了PM2.5與 PM10和CO 的相關(guān)性。高雅琴等[10]發(fā)現(xiàn)PM2.5中脂肪酸類(lèi)物質(zhì)的占比高，這是因?yàn)樯虾５貐^(qū)的顆粒有機(jī)物主要來(lái)源于汽油車(chē)的尾氣排放，此外中心城區(qū)和西部郊區(qū)受到了一定程度的生物質(zhì)燃燒污染。

研究表明，上海大氣中人為源的成分來(lái)源較多較復(fù)雜。近多年來(lái)的研究也顯示，大氣中PM2.5濃度含量的影響因素復(fù)雜，耦合特征也復(fù)雜，在以往關(guān)于PM2.5相關(guān)影響因素的研究中，通常只考慮了單一因素的影響和相關(guān)性，由于人為社會(huì)因素(人口、經(jīng)濟(jì)、運(yùn)輸?shù)?耦合對(duì)其影響復(fù)雜，這方面的相關(guān)性研究仍需考慮。為了較為全面地掌握上海市PM2.5污染特征，并為上海市的大氣污染治理工作提供有效依據(jù)，綜合考慮自然因素以及社會(huì)因素的影響，在研究上海市PM2.5質(zhì)量濃度特征的基礎(chǔ)上，分析了兩方面的影響因素和相關(guān)關(guān)系，研究結(jié)果可為進(jìn)一步治理PM2.5提供方向參考。

2 研究數(shù)據(jù)和方法

PM2.5數(shù)據(jù)來(lái)源于國(guó)家氣象局以及上海地區(qū)的空氣質(zhì)量檢測(cè)站等官方機(jī)構(gòu)發(fā)布的近6 年的監(jiān)測(cè)數(shù)據(jù)。運(yùn)用Matlab、SPSS 軟件進(jìn)行數(shù)據(jù)分析和處理，從而了解其分布規(guī)律和影響因素。主要對(duì)上海市近6 年的PM2.5數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)學(xué)處理分析，得出其月均、日均濃度的變化規(guī)律。為確定氣象參數(shù)、社會(huì)經(jīng)濟(jì)因素對(duì)PM2.5的濃度的影響，采用了相關(guān)性分析方法[12]，用以分析各個(gè)影響因素之間的相關(guān)關(guān)系，其公式如下：

為考查對(duì)PM2.5濃度的影響是否為多重因素耦合共同作用的結(jié)果，本研究建立了多元線(xiàn)性回歸模型。利用了數(shù)理統(tǒng)計(jì)中的回歸分析，來(lái)確定2 種或2 種以上變量間相互依賴(lài)的定量關(guān)系。本研究以氣象參數(shù)、社會(huì)經(jīng)濟(jì)因素為自變量，PM2.5濃度為因變量，構(gòu)建多元回歸模型[12]，該模型的表達(dá)為：

式中：β為回歸系數(shù)；xi1為個(gè)體i的第1 個(gè)解釋變量；xi2為個(gè)體i的第2 個(gè)解釋變量；k為解釋變量個(gè)數(shù)；εi為擾動(dòng)項(xiàng)。以全部的氣象條件、社會(huì)經(jīng)濟(jì)因素為自變量，PM2.5濃度為因變量，構(gòu)建多元回歸模型。

3 結(jié)果與分析

3.1 上海市PM2.5 濃度特征分析

3.1.1 上海市PM2.5質(zhì)量濃度的年變化特征

對(duì)上海市2014 年至2019 年的PM2.5年均濃度進(jìn)行了總體趨勢(shì)分析，結(jié)合社會(huì)因素分析其原因。其近6 年P(guān)M2.5的總體濃度變化趨勢(shì)如圖1 所示。

從圖1 所示，自2014 年以來(lái)，上海地區(qū)的PM2.5濃度逐年下降，從2014 年到2019 年，PM2.5的年均濃度下降了 32.7%，年均變化幅度為–2.83 μg/m3。其中，2015 年—2018 年為主要下降時(shí)期，說(shuō)明此期間上海區(qū)域大氣防治力度較大，典型變化年份為2017 年—2018 年。2013 年國(guó)家發(fā)布《大氣污染防止行動(dòng)計(jì)劃》，全國(guó)各地陸續(xù)進(jìn)行了減排行動(dòng)，尤其是針對(duì)PM2.5的防治措施力度很大。相關(guān)研究也表明，從2013 年到2017 年，大氣細(xì)顆粒物的濃度得到了有效控制[13-17]。

圖1 2014 年—2019 年的PM2.5 年均濃度Fig. 1 Annual mean concentrations of PM2.5 from 2014 to 2019

3.1.2 上海市PM2.5質(zhì)量濃度的季度變化特征

為全面了解近年來(lái)上海區(qū)域的大氣變化特征，結(jié)合上海區(qū)域地理位置和季節(jié)性，也分析了典型年份上海的PM2.5質(zhì)量濃度季節(jié)變化特征。從分析統(tǒng)計(jì)數(shù)據(jù)可以看出，上海市PM2.5質(zhì)量濃度在季節(jié)上有著顯著的變化特征，結(jié)果見(jiàn)圖2 和圖3。

圖2 上海市2017 年—2018 年各個(gè)監(jiān)測(cè)站PM2.5 濃度隨季節(jié)變化趨勢(shì)Fig. 2 Seasonal variation trend of PM2.5 concentration at each monitoring point in Shanghai in 2017 and 2018

如圖2 所示，在典型的變化顯著的年份(如2018 年)，相較于2017 年，上海市四季平均PM2.5質(zhì)量濃度都有顯著的降低。其中春季、夏季、秋季和冬季的平均濃度分別下降了10.4、11.9、11.3、10.6 μg/m3，下降幅度分別為22.31%、33.06%、27.43%、20.08%。2018 年夏季PM2.5平均質(zhì)量濃度下降的幅度比例最大，而冬季下降的幅度比例最小。冬季仍是PM2.5濃度最高的季節(jié)。

如圖3 所示，從2014 到2019 年，總體來(lái)說(shuō)，上海地區(qū)在冬季PM2.5濃度最高，夏季最低。上海冬季PM2.5濃度較高，主要有3 種原因：①北方的采暖季燃燒大量的煤，產(chǎn)生的PM2.5在西北冷空氣的作用下可能擴(kuò)散至華東地區(qū)，從而導(dǎo)致PM2.5的外源累積；②上海市冬季氣溫較低，相對(duì)濕度較小，不利于PM2.5顆粒污染物的沉降；③上海冬季的天氣晴朗無(wú)風(fēng)時(shí)節(jié)，易受到輻射逆溫的影響。上海市冬季逆溫現(xiàn)象出現(xiàn)的頻率高，時(shí)間長(zhǎng)，大氣污染物需要很長(zhǎng)的時(shí)間去進(jìn)行沉降和擴(kuò)散。另外，圖3 也顯示，比較以往年份，從2017 年到2019 年，PM2.5季節(jié)濃度變化趨勢(shì)逐漸變緩，此現(xiàn)象表明近幾年來(lái)上海大氣環(huán)境質(zhì)量的持續(xù)改善。

圖3 上海市2014 年—2019 年P(guān)M2.5 濃度季節(jié)變化趨勢(shì)Fig. 3 Seasonal variation trend of PM2.5 concentration in Shanghai from 2014 to 2019

除上述的年度變化特征分析外，結(jié)合近幾年來(lái)的PM2.5初始數(shù)據(jù)，也對(duì)上海地區(qū)每年P(guān)M2.5濃度的月變化趨勢(shì)進(jìn)行了對(duì)比分析，結(jié)果見(jiàn)圖4。如圖4所示，每年的1、2 和12 月是PM2.5濃度最高的時(shí)間段，6、7 和8 月是濃度最低的時(shí)間段，此結(jié)果與各個(gè)年度季節(jié)濃度分析的特征一致。

3.2 上海市PM2.5 影響因素分析

3.2.1 PM2.5濃度與氣象因素的相互關(guān)系

基于回歸分析的原理，利用SPSS 統(tǒng)計(jì)軟件進(jìn)行影響因素分析，所選數(shù)據(jù)為上海市2018 年逐日的主要?dú)庀髷?shù)據(jù)(上海市區(qū)的溫度、相對(duì)濕度、平均氣壓、平均風(fēng)速和降水量)、空氣質(zhì)量指數(shù)(air quality index，AQI)以及大氣污染物指標(biāo)(PM2.5、PM10、SO2、CO、NO2、O3)，得到PM2.5濃度與氣象因素之間的相關(guān)性。通過(guò)對(duì)氣象因素和AQI 及其他6 個(gè)指標(biāo)做相關(guān)分析得出的，氣象因素與空氣污染物因子之間的數(shù)據(jù)矩陣見(jiàn)表1。

如表1 所示，PM2.5與溫度、相對(duì)濕度、以及每日累計(jì)降水量都呈現(xiàn)負(fù)相關(guān)關(guān)系， 并且都是在0.01 水平上呈現(xiàn)顯著負(fù)相關(guān)；PM2.5與平均氣壓呈現(xiàn)正相關(guān)關(guān)系，并且是在0.01 水平上呈現(xiàn)顯著正相關(guān)。根據(jù)表1 中的相關(guān)程度可以看出，氣象因素對(duì)細(xì)小顆粒物的影響與作用比較明顯。

表1 氣象因素與空氣污染物因子之間的相關(guān)性矩陣Tab. 1 Correlation matrix between meteorological factors and air pollutant factors

溫度對(duì)于PM2.5濃度的變化起著十分重要的作用。溫度對(duì)于顆粒物的影響主要表現(xiàn)在，溫度變化可以增強(qiáng)氣流流動(dòng)，促進(jìn)顆粒物的擴(kuò)散與稀釋。在冬季時(shí)，當(dāng)室外溫度達(dá)到某一臨界值之前，隨著溫度的上升，溫度加強(qiáng)顆粒物的擴(kuò)散的影響能力起主導(dǎo)作用，區(qū)域PM2.5濃度隨著溫度的升高而有所上升；但當(dāng)溫度升高到一定的數(shù)值之后，溫度促使大氣污染物的稀釋的影響力大于溫度加強(qiáng)顆粒物擴(kuò)散的影響力，所以此時(shí)PM2.5的濃度會(huì)隨溫度的升高而減少。

由于氣壓值與天氣情況、季節(jié)等其他因素有著密不可分的關(guān)系，從而導(dǎo)致氣壓大小對(duì)于PM2.5的影響作用不是絕對(duì)的。在晴朗的夏季時(shí)，氣壓較高，溫度也比較高，會(huì)加速高空污染物粒子的運(yùn)動(dòng)，從而造成大氣污染物濃度上升[18]。當(dāng)氣壓較低時(shí)，往往天氣為陰天，這時(shí)濕度較大，這會(huì)促進(jìn)顆粒物的沉降。

相對(duì)濕度與PM2.5的濃度之間的關(guān)系比較復(fù)雜，這是由于相對(duì)濕度與PM2.5濃度的影響關(guān)系取決于相對(duì)濕度的大小。當(dāng)相對(duì)濕度較小時(shí)，相對(duì)濕度的增加會(huì)導(dǎo)致PM2.5濃度增大[19-20]，具體原因在于，當(dāng)相對(duì)濕度增大時(shí)，空氣中水汽增加，這會(huì)使顆粒物表面附著大量水分，顆粒物之間會(huì)聚合在一起，形成直徑更大的顆粒物[21]，導(dǎo)致顆粒物濃度由于集聚而增加；但是當(dāng)相對(duì)濕度達(dá)到一定數(shù)值，顆粒物在持續(xù)集聚后直徑增加容易大量沉降，從而促使大氣內(nèi)污染物減少，此時(shí)相對(duì)濕度對(duì)顆粒物起到的是清除的效果。

降水量和PM2.5濃度兩者呈現(xiàn)明顯的負(fù)相關(guān)，降水量越多，PM2.5濃度越低，降雨量多表示空氣中的水汽條件較好，雨滴的直徑遠(yuǎn)大于顆粒物，可以包裹著顆粒物落到地面，這就使顆粒物發(fā)生了濕沉降，使其被消除掉，所以，例如夏季暴雨之后，空氣質(zhì)量有了明顯的改善。

風(fēng)速對(duì)PM2.5的影響較大，平均風(fēng)速較小時(shí)，促進(jìn)顆粒物的擴(kuò)散與稀釋能力較弱，反而可能會(huì)利于揚(yáng)塵的產(chǎn)生，表現(xiàn)為空氣中顆粒物濃度升高。只有風(fēng)速達(dá)到一定數(shù)值時(shí)，才會(huì)起到快速將污染物擴(kuò)散到高空中的作用。

由于PM2.5的濃度值的變化往往是多個(gè)變量共同影響的結(jié)果，回歸分析可以借助數(shù)學(xué)公式定量地去判斷多個(gè)變量之間的相關(guān)程度與變化關(guān)系。本研究以全部氣象參數(shù)為自變量，以PM2.5濃度為因變量，成功構(gòu)建了多元線(xiàn)性回歸模型來(lái)分析氣象多重因素耦合的影響，結(jié)果如表2 所示。在表2中，t值是T 檢驗(yàn)得到的結(jié)果；Sig 是顯著性水平；VIF 為方差膨脹因子，是檢驗(yàn)各個(gè)因素之間的多重共線(xiàn)性問(wèn)題嚴(yán)重程度的參數(shù)。一般認(rèn)為，當(dāng)VIF≥10 時(shí)，說(shuō)明存在較強(qiáng)的多重共線(xiàn)性；當(dāng)0≤VIF＜10 時(shí)，說(shuō)明不存在多重共線(xiàn)性問(wèn)題，表中5項(xiàng)參數(shù)的VIF 均小于10，說(shuō)明其間不存在多重共線(xiàn)性。由表2 可知，這幾項(xiàng)參數(shù)變量的顯著性水平都小于0.01，說(shuō)明這幾個(gè)因素對(duì)于PM2.5有極為顯著的影響。從系數(shù)一欄可以看出，隨著相對(duì)濕度、溫度、平均風(fēng)速、平均氣壓、降水量的增加，PM2.5濃度均會(huì)減少，只是減少的幅度各不相同。在其他要素保持不變的情況下，降水量每增加1.00 mm，那么PM2.5的濃度就會(huì)減少0.412 μg/m3；在其他要素保持不變的情況下，溫度每增加1.00 ℃，那么PM2.5的濃度就會(huì)減少1.865 μg/m3。從中可以看出，平均風(fēng)速的系數(shù)絕對(duì)值最大，為9.523，說(shuō)明平均風(fēng)速每增加1.00 m/s，那么PM2.5的濃度就會(huì)減少9.523 μg/m3，說(shuō)明平均風(fēng)速是氣象因素之中影響PM2.5濃度的主要因素。

表2 PM2.5 濃度和氣象因素的相關(guān)耦合分析Tab. 2 Coupling analysis of PM2.5 concentration and meteorological factors

3.2.2 PM2.5濃度與社會(huì)經(jīng)濟(jì)因素的相關(guān)分析

摘選《上海統(tǒng)計(jì)年鑒2018》[22]上的2003 年—2017 年部分社會(huì)經(jīng)濟(jì)類(lèi)數(shù)據(jù)，一共12 類(lèi)，包括原煤工業(yè)消耗、工業(yè)能源消費(fèi)量(萬(wàn)t 標(biāo)準(zhǔn)煤)、居民消費(fèi)水平、基礎(chǔ)設(shè)施投資額(交通運(yùn)輸)、環(huán)境保護(hù)投資、綠地面積、自然保護(hù)區(qū)覆蓋率、第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)占比、工業(yè)廢氣排放總量、工業(yè)煙塵排放總量。以這些社會(huì)經(jīng)濟(jì)因素為自變量，以PM2.5濃度為因變量，構(gòu)建多元回歸模型來(lái)分析社會(huì)經(jīng)濟(jì)多重因素耦合的影響，結(jié)果見(jiàn)表3。

表3 PM2.5 濃度與社會(huì)經(jīng)濟(jì)因素的相關(guān)分析Tab. 3 Coupling analysis of PM2.5 concentration and social and economic factors

結(jié)果表明，首先，第一產(chǎn)業(yè)占比、第二產(chǎn)業(yè)占比、第三產(chǎn)業(yè)占比和居民消費(fèi)水平這4 項(xiàng)因素的VIF值＞10，表明其每個(gè)因素與其他因素之間存在嚴(yán)重的多重共線(xiàn)性，所以無(wú)法用于回歸分析。其次，除了環(huán)境保護(hù)投資這一項(xiàng)，其他的Sig 值都大于0.05，這說(shuō)明除了環(huán)境保護(hù)投資以外，其他因素與PM2.5濃度的相關(guān)水平不顯著。只有環(huán)境保護(hù)投資這一項(xiàng)與之顯著相關(guān)，并且是負(fù)相關(guān)關(guān)系。這與實(shí)際情況相符，環(huán)境保護(hù)投資越大，那么對(duì)于大氣污染治理的投資也會(huì)相應(yīng)地增加， PM2.5的污染情況就會(huì)得到改善。其中，環(huán)境保護(hù)投資的系數(shù)為–5.463×10–5，表明，環(huán)境保護(hù)投資每增加1 億元，PM2.5濃度就會(huì)減少–5.463×10–5μg/m3。上述結(jié)果說(shuō)明，在各種社會(huì)因素中，環(huán)保投資是大氣污染改善的重要因素。

4 結(jié) 語(yǔ)

對(duì)近幾年來(lái)上海地區(qū)PM2.5的濃度數(shù)據(jù)進(jìn)行了變化特征分析和各類(lèi)影響因素耦合分析，側(cè)重從氣象因素和社會(huì)經(jīng)濟(jì)因素兩方面的影響進(jìn)行分析。上海市PM2.5濃度變化在時(shí)間維度上具有明顯的規(guī)律和趨勢(shì)。 2014 年—2019 年，PM2.5的濃度呈現(xiàn)逐年持續(xù)降低的趨勢(shì)，PM2.5的濃度年均下降了32.7%，年均變化幅度在–2.83 μg/m3。典型變化年份為2017 年—2018 年。典型年份的PM2.5濃度的月變化分析表明，與2017 年相比除了3 月、7 月、8 月以及10 月，2018 年上海市其他月份的平均PM2.5質(zhì)量濃度都具有較明顯的減少，2018 年P(guān)M2.5月平均濃度比較少的月份為7 月、8 月和9 月，濃度分別為25.4、24.0 和21.3 μg/m3。基于上海市2018 年逐日主要?dú)庀髷?shù)據(jù)以及社會(huì)經(jīng)濟(jì)數(shù)據(jù)構(gòu)建的多元回歸模型，分別研究了氣象因素與社會(huì)經(jīng)濟(jì)因素對(duì)PM2.5的相關(guān)性與多重影響。結(jié)果表明，PM2.5與溫度、相對(duì)濕度、以及降水量都在0.01 水平上呈現(xiàn)負(fù)相關(guān)關(guān)系。PM2.5與平均氣壓在0.01水平上呈現(xiàn)正相關(guān)關(guān)系。在這幾個(gè)氣象因素之中，平均風(fēng)速對(duì)于PM2.5濃度的影響程度是最大的，平均風(fēng)速每增加1.00 m/s，那么PM2.5的濃度就會(huì)減少9.523 μg/m3。在社會(huì)經(jīng)濟(jì)因素影響方面，環(huán)境保護(hù)投資項(xiàng)與PM2.5濃度呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系。