山西陽泉空氣污染特征及其與氣象要素的相關性分析

牛俊玫, 吳 瑤, 張 恒, 元 震

(1.山西省陽泉市氣象局,山西陽泉045000;2.成都信息工程學院大氣科學學院,四川成都610225)

0 引言

陽泉市作為山西省第三大城市,是晉東地區政治、經濟、文化和交通中心,又是中國最大無煙煤生產基地,是硫鐵礦和鋁釩土的生產基地之一,素有“煤鐵之鄉”的稱號,是中國單位面積產煤最多的城市。近年,隨著資源性礦產的加速開采和使用,加重了陽泉市大氣環境的污染。眾所周知,空氣污染的防治,根本途徑在于城市規劃布局尤其是工業區的合理布局,改變燃料結構和燃燒方式,提倡低碳生活,采取減少污染物排放等;但同時,由于污染物在大氣中的輸送擴散狀態受地理環境和氣象條件的影響和支配,因而,充分研究地理環境、氣象變化與空氣污染的相關規律,利用有利的氣象條件進行科學合理的排放,趨利避害,也是非常有意義的重要工作。目前,有關氣象變化與空氣污染的研究已有許多成果,如丁一匯等[1]分析了空氣污染與氣候變化之間的關系,認為二者在很大程度上具有共同的原因,即主要是由礦物燃料燃燒的排放所造成的;胡春梅等[2]根據地面常規要素、L波段雷達探測資料風速和溫度與污染指數的相關性,建立了重慶市空氣污染擴散條件的綜合氣象指數,分類確定其潛勢預報指標;尚可政等[3]研究了蘭州冬季空氣污染與地面氣象要素之間的關系,建立了回歸模型用于預報污染物濃度;王宏等[4]、曾光平等[5]討論了福州市空氣高污染與氣象條件的關系,并利用福州站常規氣象資料提出了福州市空氣污染濃度的預報方法;趙惠芳等[6]統計分析了晉江市PM10濃度變化與氣象要素變化的相關關系;王川[7]等結合西安氣象特點,建立了西安空氣污染氣象條件預報服務系統;于亞薇[9]等也分析了葫蘆島市暴雨與污染物濃度的關系。這些工作基本圍繞空氣污染與氣候變化、空氣污染與氣象要素、污染物與氣象要素、空氣污染濃度預報方法及預報服務系統等方面進行。

陽泉市地處黃土高原東緣,地勢西高東低,境內地貌以山地為主,地處暖溫帶半濕潤大陸性季風氣候區,由于受大陸性季風及復雜地形影響,年均氣溫最曖處達13.2℃,最冷處僅為2.0℃,年降水量北部多于南部,南北差異可達60mm,可見市內不同地區的氣候差異較大。從陽泉市的大氣污染環境看,污染源較為單一,主要的影響與礦產資源開采和城市發展有關,氣象因素與陽泉空氣污染的相關性如何,能否通過氣象資料預測污染物或空氣污染濃度的變化的研究,對于提高人民生活水平、提供政府決策、促進公共氣象服務都是非常有意義的。

1 資料及方法

根據中國空氣污染的特點和污染防治重點,省級以下城市目前計入空氣污染指數的項目為二氧化硫(SO2)、氮氧化物(NO2)和可吸入顆粒物或總懸浮顆粒物(PM10),預計2013年開始將全面開展PM2.5的監測。文中所用資料為2007～2011年山西陽泉市7個環境監測站(陽泉、市中心、南莊、平潭、大陽泉、賽魚、白羊墅)的污染監測數據,以及陽泉市地面氣象觀測資料,包括日最高氣溫、日最低氣溫、日平均氣溫、能見度、日最大風速、平均風速、降水量、總云量、氣壓、水汽壓、相對濕度11類氣象要素觀測數據。文中首先研究了陽泉市大氣污染物及首要污染物的排放特征,然后分析了根據污染物的濃度和污染指數值構建的空氣污染指數(API)的變化特征,并利用統計相關分析方法,分析陽泉市大氣污染物排放、氣象要素與污染指數之間的相關性,最后建立了污染氣象預報診斷方程。

文中空氣污染指數API的計算方法為:利用公式 Ii=(Ci-Ci,j)/(Ci,j+1-Ci,j)*(Ii,j+1-Ii,j)+Ii,j,計算第i種污染物的污染分指數值,式中:Ci,Ii分別為第i種污染物的濃度值和污染分指數值,Ci,j,Ii,j分別為第i種污染物在J轉折點的極限濃度值和污染分指數值,Ci,j+1,Ii,j+1分別為第 i種污染物在J+1轉折點的濃度極限值和污染分指數值;然后確認第i種污染物的最大污染分指數值為空氣污染指數,即API=max(I1,I2,…Ii,…In);最后參照國家環保總局空氣污染指數的定義及分級限制[5,8]將空氣質量濃度等級劃分為6個等級:空氣污染指數API≤50為一級標準,空氣質量優;API在51～100為二級標準,空氣質量良;API在101～150為三級標準,為輕微污染;API在151～200為四級標準,輕度污染,API在201～300為五級標準,中重度污染,API＞300為六級標準,重污染。

2 陽泉市大氣污染物排放及首要污染物特征

2.1 大氣污染物的排放特征

表1給出7個環境監測站5年的污染日數統計結果。由表1可見,2007～2011年這5年中陽泉市總體年平均污染日數為35.3d,但污染日數年際差異顯著,其中2007年污染日數平均最多為75d,2009年最少為10.3d,年污染日數差異近7倍;從7個監測站的污染日數統計看,平潭、賽魚、白羊墅和市中心4站年平均污染日數超過40d,分別為60.6d、43d、42.8d、44.6d,而太陽泉年平均污染日數只有5.4d,可見不同站點之間污染差異很大;總體而言,陽泉污染日數的分布顯示出沿桃河流域,沿西北地區和市中心污染較為嚴重的分布特征,形成這種污染分布特征的主要原因可能與平潭、賽魚、白羊墅3站比較靠近工業礦區有關,而市中心站則與城市中心地帶的人口密度大,并日常生活產生的污染物排放量較大有關。

表1 陽泉市7個監測點污染日數(d)

圖1給出7個環境監測站年污染日數占全年總日數的百分率在5年中的變化情況,可見7個監測站污染狀態的變化趨勢是比較一致的。2007～2011年,2007年污染嚴重,平均污染日百分率達到21%,平潭最高達到37%;隨后污染日百分率顯著下降,2009年平均污染日百分率不足3%,太陽泉站2008年、2009年2年幾乎零污染,全年無污染日,而污染比較嚴重的白羊墅、平潭站污染日數百分率也一度降至4%;但從2010年開始7個監測站的污染日數又逐漸上升,至2011年7站平均污染日數百分率到達11.5%,其中平潭站污染日數百分率升至24%。陽泉地區污染日數U型分布特征明顯,其U型底部分布是否與全球經濟的發展如2008年金融危機導致的能源需求下降和山西煤礦安全2008～2009年整頓等有關需要進一步的分析。

圖1 陽泉市7個環境監測站的污染日數百分率

2.2 首要污染物特征

圖2(a～e)分別為2007～2011年逐年年內污染物SO2、NO2、PM10濃度及空氣污染API指數的時間變化曲線,圖中污染物濃度也明顯顯示出2007～2011年這5年的大氣污染濃度先減緩降低后又加劇上升這一變化過程。空氣質量較好的2009年,3種污染物濃度基本都控制在0.1以下,對應的API指數也在50左右波動,空氣質量優。圖中還顯示出NO2濃度基本保持在0.05以下,而SO2、PM10濃度則在0.05～0.25變化,平均是NO2濃度的2～5倍,可見3種污染物中NO2比重較小。比較圖2中5年的年內污染物情況,還顯示出年內污染物的變化特征表現為5～10月污染物濃度相對較低,夏秋季節空氣質量較好,而11～4月的冬春季節則污染物濃度較高,空氣質量較差,為主要污染月份,這可能反映出陽泉地區的污染狀況與大氣活動的季節變化或大氣環流季節演變有一定相關關系,冬季環流更不利于污染物的排放。

圖2 2007～2011年各年 SO2、NO2、PM10濃度及 API指數隨時間的變化

表2給出SO2和PM10兩種污染物在總污染日數中所占比例,由于NO2濃度總體偏小,因而在總的污染日數中所占比例也較小,故未在表中標示。由表2數據可知,SO2和PM10兩種污染物是陽泉地區的首要污染物,但PM10作為首要污染物在污染日數中所占比例顯著高于SO2,甚至個別站點PM10占比為100%,尤其是2010年和2011年的監測數據中首要污染物PM10占比很高,這也是近年來人們特別關注PM10對空氣造成污染的原因之一;但同時也注意到2011年在太陽泉、賽魚站SO2污染日數超過了PM10,表明在分析首要污染物時SO2也不可忽視。故此,陽泉地區的首要污染物為SO2和PM10。

表2 首要污染物占總污染日數比例

3 大氣污染指數(API)與氣象要素的相關性分析

圖2給出了由3種大氣污染物計算得到的大氣污染指數API的變化曲線,計算API與首要污染物SO2和PM10濃度的相關系數為0.89和0.92,可見API指數與污染物濃度變化有著很好的對應關系,API指數的增大(減小)能很好地反映污染物濃度的增大(減小),因此,采用能綜合反映大氣污染強度的API指數代表大氣的污染狀況進行大氣污染與氣象要素的相關性研究[10-11]。

3.1 大氣污染指數(API)與氣象要素總體相關性分析

表3給出11種地面氣象要素與7個環境監測站API指數之間月平均狀況的相關系數,可以看出氣溫、降水量、總云量、水汽壓和相對濕度與污染指數API呈負相關關系,即氣溫越高、降水量和水汽壓越大、相對濕度越高,越不利于污染物擴散;而能見度、風速、氣壓與污染指數API值則呈正相關關系,風速的相關系數較大,基本通過0.05的顯著性檢驗,部分站還通過了0.01的顯著性檢驗,相對而言能見度和氣壓則相關性較弱,特別是氣壓只有兩個站通過0.05的顯著性水平檢驗,在白羊墅站還轉為了負相關。從區域相關看,陽泉、市中心、平潭3站的地面氣象要素與API值相關性最好,如陽泉站有9個要素、市中心站有10個要素、平潭站全部11個要素都通過了0.01和0.05顯著性檢驗,其余4個站區地面要素與API相關性較弱,反映了遠離市區氣象要素與污染指數相關性越弱的特征;僅僅從地面要素看,平均風速、日最大風速和相對濕度在7個站都具有很好的相關性,反映了風速和濕度對污染擴散的重要影響。

表3 月平均地面要素與空氣污染指數API相關系數

3.2 不同月季大氣污染指數與氣象要素的相關性分析

圖2中顯示出年內污染物濃度在5～10月的夏秋季較輕和11～4月的冬春季較重的特征,因而利用日平均污染物指數API資料及7個氣象要素資料計算了的相關系數,如表3所示。

3.2.1 冬春季相關性分析

由冬春季(11～4月)日平均地面要素與空氣污染指數API相關系數表(表4)可以看出,11月至次年4月API相關性最好的是能見度和總云量,大多數站都通過0.1的顯著性檢驗,相關性較好的站為陽泉、南莊、平潭、賽魚,平均風速、降水量、日最大風速和相對濕度無一站通過顯著性檢驗。氣溫、能見度與API成負相關,即氣溫和能見度越低,越有利于污染物擴散。降水量在冬季一般較少,春季才增多,因此前期對污染的影響較小,氣壓與API的相關系數也較小,相關性較弱,而總云量與API成明顯正相關,即總云量越多,越有利于污染物擴散。

表4 11～4月日平均地面氣象要素與空氣污染指數API相關系數

3.2.2 夏秋季相關性分析

夏秋季地面要素與各個站的空氣污染指數(API)的相關性都加大,特別是陽泉、平譚和賽魚,除了降水、總云量和氣壓以外都通過0.05的顯著性檢驗,部分氣象要素通過0.01的顯著性檢驗。能見度、平均風速和日最大風速與7個站的API都具有很好的相關性,水汽壓次之,而降水量、總云量和氣壓則相關性最小,與冬春季有所區別。風速、總云量和氣壓呈正相關,氣溫、能見度、降水量、水汽壓和濕度與API呈負相關。

表5 5～10月日平均地面要素與空氣污染指數API相關系數

綜上所述,在不同季節各氣象要素對空氣污染指數(API)的影響有所不同,氣溫、相對濕度、氣壓和降水量在全年的相關性都較弱。能見度一年四季的相關性都較好,并一直處于負相關狀態,說明能見度越低,越有利于污染物擴散。風速在夏秋季相關性高,為明顯的正相關,到冬春季減弱,相關系數較小。總云量基本呈正相關,冬春季云量正相關系數大,影響較明顯,夏秋季相關系數較小,影響減弱。

4 大氣污染物氣象預報模型的建立

根據上述分析,選擇空氣污染指數(API)以及SO2,PM10和NO2作為污染預報因子建立分季節的回歸模型,其監測值取陽泉全市7個站連續24小時的平均值作為日平均空氣污染指數和污染物濃度,氣象預報因子取2007～2010年的大氣本底氣象要素監測值,并將2011年部分觀測值作為檢驗數據[12]。

4.1 預報因子的選擇

空氣污染的濃度與氣象條件有密切的關系[1]。利用陽泉市7個大氣環境監測點2007～2010年的資料及同時間段11個地面氣象要素進行相關性分析,其相關系數如表6。表中顯示了污染物濃度的變化與氣象要素的變化是相關密切的,因而可以基于這些氣象要素作為預報因子研究污染濃度的變化。

表6 陽泉市污染物濃度與氣象要素相關系數

預報因子的選擇可以基于大氣擴散的基本原理去考慮,考慮到大氣穩定度和風對大氣污染的影響,其兩方面都與天氣形勢有著密切的聯系,故氣象預報因子的選擇首先考慮其物理意義,初選了11種氣象因子,分別表示為X1:當日的最低溫度(℃);X2:當日的最高溫度(℃);X3:前一天20時的能見度(km);X4:當日的平均風速(m/s);X5:當天日平均氣溫(℃);X6:當天的降水量(mm);X7:當天20時的總云量;X8:當天08時氣壓(mpa);X9:當天的最大風速(m/s);X10:當日08時水氣壓(mpa);X11:當日14時相對濕度(%)。

4.2 回歸模型的建立

采取逐步回歸的統計模型,建立了分冬春季、夏秋季的4種預報量 Y(API、SO2、NO2、PM10),初選預報因子X(11個地面氣象要素),其污染指數和污染物濃度定量預報的逐步回歸方程。表中列出了4種預報量分季節的回歸方程及其復相關系數 R、F值和方程的顯著性,其中Fa統一取為7。

表7 回歸方程及顯著性

4.3 回歸方程的預報效果檢驗

根據上述8個方程,分別選擇2011年5～6月(使用夏秋季方程)和11～12月(使用冬春季方程)的氣象觀測值進行了預報,并將污染物濃度的預報值與同時段陽泉市環境監測站的監測資料值曲線顯示在圖3～6中,對上述回歸方程進行了檢驗,表明回歸方程是可用的。

圖3 API監測曲線和回歸預報值曲線

圖4 SO2監測曲線和回歸預報值曲線(單位:mg/m3)

圖5 PM10監測曲線和回歸預報值曲線(單位:mg/m3)

圖6 NO2監測曲線和回歸預報值曲線(單位:mg/m3)

從圖3～圖6的監測值和預報值的對比看,分季方程兩個月時間的檢驗結果表明方程是顯著可用的。從檢驗結果看,圖3中空氣污染指數API預報值在夏秋季主要落在40～100,監測值落在20～140,冬春季預報值在30～120,監測值落在20～150,預報值反映了回歸方程統計計算的集中性特點,API預報準確率到達70%。同樣也可以看到,圖4中SO2的預報值在夏秋季落在0.02～0.08mg/m3,SO2的監測值落在0～0.1mg/m3,冬春季預報值在0.02～0.11mg/m3,監測值在0～0.14mg/m3,預報值與監測值相比,預報值沒有監測值那么分散,預報值較為集中,SO2的平均絕對誤差為0.024mg/m3,SO2準確率為80%。圖5中PM10的預報值在夏秋季落在0.04～0.12mg/m3,PM10的監測值落在 0.02～0.16mg/m3,冬春季預報值在 0.03～0.18mg/m3,監測值在 0.01～0.18mg/m3預報值與監測值相比,預報值沒有監測值那么分散,預報值較為集中,PM10的平均絕對誤差為0.058mg/m3,PM10準確率為85%。圖6中NO2的預報值在夏秋季季落在0.02～0.04mg/m3,NO2的監測值落在0～0.06mg/m3,冬春季預報值在0.02～0.06mg/m3,監測值在0～0.08mg/m3,預報值與監測值相比,預報值沒有監測值那么分散,預報值較為集中,NO2的平均絕對誤差為0.022mg/m3,NO2準確率為80%。

以上分析可知,地面氣象要素對大氣污染物的濃度有很大的影響,在空氣污染預報時,在缺少高空氣象資料的情況下,如何充分利用現有的地面氣象要素,使現有的地面氣象資料發揮其應有的價值值得做進一步的研究。

5 結論

(1)陽泉市大氣污染日數在2007～2011年表現出U型變化特征和區域分布差異特征,其首要污染物主要為SO2和PM10,甚至PM10的污染比重要大于SO2,這可能與陽泉地區的“煤鐵之鄉”的資源性開采有關。

(2)陽泉空氣污染指數API和SO2、PM10、NO2污染物濃度的變化呈現出比較顯著的季節性變化,主要可分為5～10月的夏秋季和11～4月的冬春季,冬春季空氣污染較為嚴重,夏秋季空氣質量較好,因此空氣污染預報應注意季節差異性。

(3)陽泉空氣污染指數與SO2、PM10、NO2污染物濃度的變化與地面氣象要素的變化有密切的關系。冬春季影響污染物變化最重要的是能見度、和總云量,夏秋季影響最大的是能見度、風速,但總體看文中研究的11類氣象要素都對污染物排放有一定的相關性。因而,通過地面氣象要素分季節建立的空氣污染和污染物濃度的氣象預報回歸方程經過檢驗是顯著可用的。

[1] 丁一匯,李巧萍,柳艷菊,等.空氣污染與氣候變化[J].氣象,2009,35(3):3-15.

[2] 胡春梅,劉德,陳道勁.重慶市空氣污染擴散氣象條件指標研究[J].氣象科技,2009,37(6):665-669.

[3] 尚可政,王式功,楊德保,等.蘭州冬季空氣污染與地面氣象要素的關系[J].甘肅科學學報,1999,11(1):1-5.

[4] 王宏,馮宏芳,隋平.福州市空氣高污染與氣象條件關系[J].氣象科技,2009,37(3):676-681.

[5] 曾光平,夏麗花,林祥明,等.福州市空氣污染濃度預報方法[J].氣象,1999,26(4):25-29.

[6] 趙惠芳,唐會榮,趙應龍,等.晉江市區空氣污染事件與氣象因子的關系初探[J].環境科學與技術,2010,33(6):133-137.

[7] 王川,劉子臣,孟煒.西安空氣污染氣象條件預報服務系統[J].陜西氣象,2002,(3):19-20.

[8] GB3095-1996,國家環保總局環境空氣質量標準[S].

[9] 于亞薇,孟振雄.葫蘆島市空氣質量分析及其與暴雨的關系[J].成都信息工程學院學報,2012,27(3):314-317.

[10] 袁美英,周秀杰,張桂華,等.天氣形勢對哈爾濱市空氣質量影響的初步研究[J].氣象,2005,31(1):55-58.

[11] 楊元琴,王繼志,侯青,等.北京夏季空氣質量的氣象指數預報[J].應用氣象學報,2009,20(6):649-655.

[12] 吳振玲,謝以揚,周惠,等.2003年冬季空氣質量趨勢預測方法[J].氣象,2005,31(10):47-50.