鄭州市大氣可吸入顆粒物濃度變化的小波分析

楊書申,楊春麗,鄭明凱

(中原工學院,鄭州 450007)

鄭州市大氣可吸入顆粒物濃度變化的小波分析

楊書申,楊春麗,鄭明凱

(中原工學院,鄭州 450007)

對鄭州市2005-2010年大氣可吸入顆粒物濃度(PM10)的變化特征進行了分析,利用小波分析法對鄭州市PM10日濃度變化曲線進行了消噪濾波分析,并結合鄭州市的氣候條件,討論了造成鄭州市 PM10變化規律的原因.結果表明:鄭州市PM10質量濃度在夏季達到最低值,冬春季節污染較嚴重,這與鄭州所處的地理位置、自然環境以及氣候、氣象條件有直接關系;鄭州市大氣污染物中的PM10污染得到了一定控制,但二氧化硫污染天數增加較多,應該注意SO2污染的控制;小波分析后的濃度曲線較好地把由于偶然因素造成的高頻信號消除,清晰顯示出污染物濃度的變化規律,小波分析法在PM10濃度變化規律的分析中有明顯優勢.

大氣可吸入顆粒物(PM10);小波分析;信號去噪

鄭州市是中原城市群的中心,位于河南省中部偏北地區,北臨黃河,地理位置位于東經 112°42′～114°14′、北緯 34°16′～34°58′.近年來 ,鄭州市經濟社會迅猛發展,同時也帶來了一些大氣環境質量問題.雖然環境整治力度不斷加強,但鄭州市的大氣顆粒物污染仍較嚴重[1-4].因此,對鄭州市大氣可吸入顆粒物(PM10)進行深入研究,有針對性地采取科學措施治理大氣PM10,具有十分重要的意義.本文利用小波分析法(Wavelet Transform)分析了鄭州市近年來PM10的質量濃度變化規律,并討論了鄭州市近年來影響PM10變化的主要因素.

1 鄭州市2005—2010年 PM10濃度變化

1.1 數據來源

鄭州市PM10濃度數據,主要來自國家環保總局信息中心制作發布的《中國重點城市空氣質量日報》.《中國重點城市空氣質量日報》由中國環境監測總站匯總了全國113個大城市對國家《環境空氣質量標準》中規定的常見污染物例行監測的結果,評價城市的空氣質量,并以空氣污染指數(API)的形式向公眾發布,包括二氧化硫(SO2)、二氧化氮(NO2)和可吸入顆粒物(PM10).空氣質量公報的主要內容有:空氣污染指數、空氣質量級別和首要污染物,空氣質量為優時無首要污染物.

分析過程中將空氣質量日報中的污染指數換算為質量濃度[2].

1.2 鄭州市2005—2010年PM10總體質量濃度特征

2005—2010年鄭州市城區空氣質量天數分布見表1,首要污染物天數分布見表2.從表1、表2可以看出,2005—2010年,空氣質量達到良以上的天數,從2005年的300 d——占全年天數的82.2%,逐年增加到2008年的326 d——占全年天數的89.3%,隨后又逐年減少,到 2010年變為 318 d——占全年天數的87.1%.近年來,城區空氣質量呈現惡化趨勢.鄭州市首要污染物的分布顯示,其中可吸入顆粒物污染得到了一定控制,有減少的趨勢,但二氧化硫污染天數增加較多且居高不下.

圖1—圖3分別表示2005—2010年鄭州市 PM10濃度的年度、月、季節平均分布.可以看出,除了2008年市區PM10年平均濃度值好于國家二級標準(0.100 mg/m3)外,其余年份都超過了國家二級標準,并且出現了鞍形分布,2008年最低.PM10月平均濃度值和季節平均濃度值均顯示,在鄭州市,常規年份都是 PM10冬季(每年的12月和次年的1、2月)污染最重,春季(3-5月)、秋季(9-11月)污染稍輕,夏季(6-8月)污染最輕,一般污染最輕的夏季PM10平均質量濃度低于年平均值的國家二級標準.以上說明鄭州市PM10污染隨季節變化特征明顯.

表12005—2010年鄭州市空氣質量天數分布

表22005—2010年鄭州市大氣首要污染物分布

圖32005—2010年鄭州市PM10濃度的季節變化

2 PM10濃度變化的小波分析

大氣環境質量由于受多種因素的影響,使得污染物濃度時間序列數據有很大的無規律變化,其中有許多是由于偶然因素造成的,這些因素嚴重影響其變化規律的分析和處理.消除偶然因素造成的變化,分析污染物濃度的變化規律,從信號處理的角度來看是典型的去噪處理[5].

對時間序列數據去噪的傳統方法,主要有移動平均法、傳統濾波法、卡爾曼濾波法和維納濾波法[6].傳統濾波法的一個典型例子是采用傅立葉(Fourier)變換,它是信號數字處理中的重要手段,在信號處理中得到普遍應用.傅里葉變換將時域信號變換到頻域,認為低頻信號是有用信號而高頻信號一般為噪聲.它要求有用信號和噪聲的頻譜相互分開;同時,由于 Fourier變換中采樣間隔都是常數,時間域與頻率域之間彼此是整體刻畫,不能用于局部分析.對污染物濃度時間序列來說,波動性都比較大,頻譜比較寬,有用信號和噪聲譜重疊比較嚴重,污染物濃度時間序列數據本身具有非平穩、非線性和信噪比高的特點,采用傳統的去噪處理方法往往存在諸多缺陷,難以實現信噪的有效分離[7].

小波分析法(或小波變換法)是近幾年發展很快的一種多尺度分析工具,它是根據時頻局部化的要求而發展起來的,具有自適應和數學顯微鏡性質.與傳統的傅里葉變換相比,小波變換對于不同的頻率分量具有不同的時間分辨率,能夠提供信號在時頻域上的局部化特征,特別適合非平穩、非線性信號的處理[8-9].利用小波變換去噪,其實質就是用不同中心頻率的帶通濾波器對信號進行濾波,把那些主要反映噪聲性質的成分去掉,得到質量較好的觀測數據.它是一種窗口面積恒定、窗口形狀(時域窗口和頻域窗口)可變的時頻域局域化分析方法,在低頻段具有較高的頻率分辨率和較低的時間分辨率,在高頻段具有較高的時間分辨率和較低的頻率分辨率,可以對信號的任意細節加以分析,實現了時頻窗口的自適應變化,具有時頻分析局域性.

小波變換理論的一個重要特色是可以進行多分辨率分析.通過這種多分辨率分解,信號和噪聲通常會有不同的表現,從而可達到信噪分離的目的.將小波變換用于信號去噪,能在去噪的同時而不損壞信號的突變部分,是一種對信號局部頻譜分析比較理想的數學工具.小波變換廣泛應用于信號處理、地震勘測、圖形處理、語言分析等眾多領域[10-11].

本研究采用MATLAB7.0附帶的小波分析工具,對鄭州市2005-2010年PM10質量濃度隨時間變化的數據進行小波去噪分析.分析過程是將2005-2010年PM10質量濃度數據導入MA TLAB,然后用MA TLAB命令對數據進行小波分析,將原始數據和處理得到的數據作圖,以便進行分析.

3 鄭州市PM10濃度變化規律

鄭州市2005-2010年PM10質量濃度隨時間變化的曲線及小波分析結果如圖4所示.可以看出,經過小波分析去噪后,污染物的變化規律比較明顯地顯現出來了,說明小波去噪處理在分析時間序列數據中確實有明顯的效果.

圖42005-2010年鄭州市PM10濃度變化的小波分析結果

從圖4可以看出,鄭州市PM10濃度變化在一年中呈現一定的規律性,每年年初有一下降的過程,一般到2月達到最低,隨后上升,到3、4月達到高點,隨后一直降低,到7、8月,只有 2008年、2009年兩年基本上從年初一直降低到7月,隨后逐漸上升,到11-12月達到最高,以后逐漸下降到次年,只有2006年9月出現了一個峰值.分析造成這種變化的原因,除了鄭州市局域污染的變化外,原因可能還有:每年的3-4月,鄭州市及周邊開始春耕,同時氣溫升高,土壤解凍,風力也逐漸達到全年最大,引起土壤浮塵和局地揚塵,同時來自西北沙漠的春季沙塵暴更加重了顆粒物污染,這些因素都會影響鄭州市的大氣質量;6、7、8月是鄭州市的雨季(見表3),降水對顆粒物的清除能力增強,顆粒物濃度降低;進入9月后氣溫降低,鄭州市及周邊地區進入秋收季節,莊稼開始收割,植被減少,同時降水減少,降水造成的可吸入顆粒物清除減少,同時風力減小,大氣擴散能力降低,容易造成污染物積累;特別是進入冬季后,鄭州地區開始取暖季節,使顆粒物濃度開始增加,到12月顆粒物濃度達到最高;到年底 PM10濃度開始降低的主要原因,可能是進入冬季后,天氣寒冷,土壤開始凍結,同時來自北方的冷空氣頻繁入侵,使可吸入顆粒物得到擴散、凈化,可吸入顆粒物濃度降低.

表3 鄭州市1971-2000年的氣候值

通過分析鄭州市大氣污染物質量濃度的變化情況不難看出,大氣污染物濃度的影響因素非常復雜,但基本上都在夏季達到污染的最低值,到12月達到污染的最大值.這主要與鄭州所處的地理位置、自然環境以及氣候、氣象條件有關.總的說來,鄭州市大氣質量較好的季節在5-8月.這種顆粒物污染的季度變化趨勢和其他北方干旱城市的變化趨勢接近[12-13],與鄭州市的氣候特點也相符合.鄭州地處北半球的中緯度地帶,屬北暖帶季風型大陸性氣候,總的特點是春季干燥,風沙較多,夏季炎熱,降雨集中,秋季晴朗,冬季寒冷,年平均降雨量636 mm,全年平均風速2.2 m/s.由于春季風沙較多,春季的顆粒物污染情況也較高;夏季則由于降雨等的作用,利于顆粒物的沉降、擴散,顆粒物不容易積累,因此顆粒物濃度最低;冬季則由于取暖燃煤等的影響,顆粒物濃度最為嚴重.根據以上分析,對于鄭州市大氣顆粒物污染的治理,除了源頭控制,嚴格控制工業污染源和機動車尾氣污染外,應該針對鄭州市的氣候、氣象特征,在冬春季節嚴格控制建筑工地和道路揚塵,在少雨季節及時灑水以降低道路揚塵,同時冬季還應做好取暖燃煤污染的控制.

4 結 語

(1)從對鄭州市PM10濃度的小波分析可以看出,小波分析后的濃度曲線較好地把由于偶然因素造成的高頻信號(噪聲)消除,清晰顯示出污染物濃度的變化規律,小波分析法在PM10濃度變化規律的分析中有明顯優勢.

(2)鄭州市大氣污染物質量濃度在夏季達到最低值,冬春季節污染最嚴重,這與鄭州所處的自然環境以及氣候、氣象條件有直接關系.

(3)鄭州市首要污染物中,可吸入顆粒物污染得到了一定控制,有減少的趨勢,但 SO2污染天數增加較多且居高不下,應該注意SO2污染的控制.

[1] 秦福生,張志紅,林麗,等.鄭州市主要污染物污染特征及污染趨勢分析[J].氣象與環境科學,2007,30(4):63-65.

[2] 楊書申,邵龍義,李鳳菊,等.鄭州市大氣可吸入顆粒物單顆粒污染特征分析[J].遼寧工程技術大學學報(自然科學版),2008,27(5):774-777.

[3] 郭亞奇,苗蕾,張軍,等.鄭州市大氣環境質量分析及預測[J].河南農業大學學報,2010,44(6):704-709.

[4] 李尉卿,崔娟.鄭州市大氣氣溶膠數濃度和質量濃度時空變化研究[J].氣象與環境科學,2010,33(2):7-13.

[5] 張蓮,秦華峰,余成波.基于小波閾值去噪算法的研究[J].計算機工程與應用,2008,44(9):172-173.

[6] 蘭秋軍,馬超群,文鳳華.金融時間序列去噪的小波變換方法[J].科技管理研究,2004(6):117-120.

[7] 王勇,繆啟龍,丁園圓.西北地區春季沙塵暴的區域性時間變化特征[J].干旱區資源與環境,2008,22(11):30-37.

[8] 鄭楠,張德強.小波分析及Matlab仿真在信號檢測方面的應用研究[J].遼寧工業大學學報(自然科學版),2008,28(5):316-318.

[9] Chang S G,Yu B,Vetterli M.Adaptive Wavelet Thresholding for Image Denoising and Compression[J].IEEE Trans.Image Proc.,2000,9(9):1532-1546.

[10] Bruce L M,Mathur A,Byrd J D.Denoising and Wavelet-Based Feature Extraction of MODIS Multi-Temporal Vegetation Signatures[J].GIScience&Remote Sensing,2006,43:170-180.

[11] Reddy T S,Reddy G R,Varadajan S,et al.Noise Reduction in LIDAR Signal Using Wavelets[J].International Journal of Engineering and Technology,2009,2(1):21-28.

[12] 王淑英,張小玲.北京地區PM10污染的氣象特征[J].應用氣象學報,2002,13(sl):176-184.

[13] SHE Feng,CHENG Yi-fan,WANG Shi-gong,et al.Temporal Variations in Aerosol Composition at Lanzhou City,Northwestern China[J].Sciences in Cold and Arid Regions,2011,3(3):252-263.

Variation Analysis on Concentration of Inhalable Particulate Matter in Zhengzhou by Wavelet Transformation

YANG Shu-shen,YANG Chun-li,ZHENG Ming-kai
(Zhongyuan University of Technology,450007 Zhengzhou,China)

Variation characterization of Concentration of inhalable particulate matter(PM10)in Zhengzhou during 2005 to 2010 was investigated.The denoising filtration analysis on daily variation curve of PM10in Zhengzhou was conducted by Wavelet Transformation.The reasons causing the variation regularity of PM10were discussed combining the climate condition of Zhengzhou.The results show that the concentration of PM10in Zhengzhou reach its lowest value in summer of a year,and the PM10pollution in winter and spring are more serious.This was due to the geography and nature environment,the climate and meteorology condition of Zhengzhou.The PM10pollution was under control,whereas the days of SO2as the principal pollutant increase;The SO2pollution should be controlled in future.The concentration curve after wavelet transformation can well eliminate the high frequency signal caused by accident factors so that the variation regularity of the concentration of pollutants can be shown clearly.The wavelet transformation has the obviously advantage in analyzing the variation regularity of the concentration of PM10.

inhalable particulate matter;wavelet transformation;signal denoising

X513

A

10.3969/j.issn.1671-6906.2011.04.004

1671-6906(2011)04-0017-05

2011-07-15

河南省基礎與前沿技術研究計劃項目(072300460060)

楊書申(1966-),男,河南唐河人,教授,博士.