長順縣空氣質量及氣象要素對主要大氣污染物的影響

陳 楊

(貴州省長順縣氣象局,貴州 長順 558550)

0 引言

除了污染源排放，氣象要素也是影響大氣環境的又一重要因素[10]；氣象因子對大氣污染的形成、擴散、輸送、轉化及沉降等過程均有顯著影響[11-12]。如降雨量達一定程度會對大氣中的PM2.5、PM10和SO2都有明顯的清除效果[13]。

長順縣地處貴州省黔南布依族苗族自治州西部，亞熱帶季風濕潤氣候區，雨熱同季，夏無酷暑，冬無嚴寒，空氣質量好，是避暑休閑的旅游勝地。為保護好當地的大氣環境，長順縣政府號召各相關部門強化空氣質量預測預報能力，提高污染天氣預判和應對處置能力。該文分析了長順縣空氣質量狀況，探究了氣象要素與大氣主要污染物的關系，建立了大氣主要污染物與氣象要素間的逐步回歸方程組模型，為了解長順縣空氣質量狀況，用氣象要素來分析長順縣的空氣質量提供有力的理論依據，在平衡好經濟發展與環境保護的關系、堅持可持續發展上具有一定意義。

1 數據及方法

1.1 數據來源

長順縣2016年之前的空氣質量監測指標為API(監測項目：PM10、SO2、NO2)，2016年后改為AQI(Air Quality Index)，新增監測項目PM2.5、CO、O3。該文對長順縣環境空氣自動監測站2016年1月—2018年7月共868個逐日AQI及6個監測項目數據進行研究。

該文氣象要素來源于長順縣氣象局，主要為2016年1月—2018年7月逐日平均氣溫、日相對濕度、日累計降水量(08時—08時)、日平均風速4種數據各868個。

1.2 分析方法

用Excel分析監測期間的日AQI及6個監測項目(PM10、SO2、NO2、PM2.5、CO、O3)的分布情況及變化特征；將之分別與該日的氣象要素(平均氣溫、相對濕度、累計降水量、平均風速)一一對應，探究各氣象要素與AQI各監測項目的關系。用SPSS軟件對3種主要大氣污染物日含量與日氣象要素進行逐步回歸分析，建立逐步回歸方程組，初始參數設為：將F≤0.05的顯著性水平值選入回歸方程組模型，剔除F≥0.05的顯著性水平；用此模型預測長順2018年8月的首要大氣污染物(IAQI)。

2 結果與討論

2.1 監測期間空氣質量狀況

監測期間長順縣空氣質量等級的占比分布情況(不同等級的空氣質量出現天數與監測總天數的比值)。其中，空氣質量為Ⅰ級的占比為52.9%，Ⅱ級占比44.8%，Ⅲ級為2.3%,Ⅳ級、Ⅴ級、Ⅵ級占比均為0.0%，空氣質量優良日(Ⅰ級與Ⅱ級日數之和)共848 d，空氣質量優良率(Ⅰ級與Ⅱ級占比之和)達97.7%。可見，長順縣的空氣質量良好。

監測期間AQI平均值為51.9，IAQI所占頻率(IAQI出現天數與其對應AQI>50的天數之比)見表1。其中，PM2.5占比最高，對大氣污染的貢獻最大[14]。O3作為光化學煙霧中最主要大氣污染物之一，近年來其含量增加，對人類生活及生存環境產生重要影響[15]，本研究中O3的出現頻率僅次于PM2.5且二者相差不大，應引起重視。表1表明現階段影響長順縣空氣質量的主要大氣污染物為PM2.5、PM10和新型污染物O3，這與我國其他城市首要污染物的頻率分布大概一致[16-18]。其余污染物對長順縣空氣質量影響極小，后文不做分析。

表1 長順縣污染物情況統計表Tab.1 The statistics table of the pollutants in Changshun

2.2 氣象要素與大氣污染物的關系

2.2.1 主要大氣污染物與氣象要素的相關性 分別計算長順縣大氣中PM2.5、O3、PM10日含量與對應日的4個氣象要素的相關系數，結果見表2。

表2 長順縣主要大氣污染物與氣象要素的相關系數Tab.2 Correlation coefficient between main air pollutants and meteorological elements in Changshun County

“**”表示通過0.01的顯著性水平檢驗，“*”表示通過0.1的顯著性水平檢驗)

4個氣象因子與長順縣PM2.5的日含量均呈負相關關系，其中日平均氣溫、日相對濕度對其影響最大。可見，高溫、高濕、降水、大風天氣對長順縣大氣PM2.5的減少有利。

日平均氣溫、日平均風速與長順縣大氣O3呈正相關關系，日相對濕度、日累計降水量與長順縣大氣O3呈負相關關系，對O3影響最大的兩要素也是日平均氣溫、日相對濕度。可見，低溫、高濕、無風、降水天氣有利于降低長順縣大氣O3的含量。

4個氣象因子與長順縣的日PM10含量均呈負相關關系，對其影響最大的仍是日平均氣溫、日相對濕度。可見，與PM2.5一致，高溫、高濕、降水、大風天氣對長順縣大氣PM10的減少有利。

2.2.2 逐步回歸方程的建立 將日平均氣溫、日累計降水量、日相對濕度、日平均風速這4個氣象因子分別與3種大氣首要污染物的日監測值進行逐步回歸分析。監測期間日累計降水量<10 mm的天數占比為89.5%，平均日平均風速為1.2 m/s，可見這兩個氣象因子對降低大氣污染物的貢獻甚小。SPSS自動剔除掉不顯著的氣象因子日累計降水量、日平均風速后建立逐步回歸方程組:

y1=84.099-0.865x1-0.541x2+ε1

y2=166.091+1.367x1-1.471x2+ε2

y3=140.356-0.708x1-1.082x2+ε3

(x1:日平均氣溫(℃)，x2:日相對濕度，y1:日PM2.5預測值，y2:日O3預測值，y3:日PM10預測值)

以上方程組，經T檢驗，偏回歸系數b1和b2的概率均為0.000，當顯著性水平為0.05時，均具顯著性；方程復相關系數分別為0.540、0.584、0.482；模型的概率均為0.000，給定顯著性水平為0.05，可以認為日PM2.5、O3、PM10的預測值分別與日平均氣溫和日相對濕度的相關性顯著。

用該模型方程組對長順2018年8月的IAQI進行試預測，預測準確率為71.4%。可以認為，在大氣污染為當前較為平穩的狀態下，用該方程組模型預測長順縣首要大氣污染物的準確率較好。

3 結論

①長順縣空氣質量優良天數為848 d，優良率達97.7%，空氣質量較好。大氣主要污染物為PM2.5、O3、PM10。

②長順縣大氣主要污染物PM2.5、O3、PM10與氣象要素的相關性不盡相同：PM2.5、PM10與4個氣象要素均呈負相關關系；O3與日平均氣溫、日平均風速呈正相關關系，與日相對濕度、日累計降水量呈負相關關系。因此降低大氣中PM2.5、O3、PM10所需天氣條件也不盡相同。對PM2.5、O3、PM10影響最大的兩個氣象因子均為日平均溫度和日相對濕度。

③經剔除不顯著的氣象因子日累計降水量、日平均風速后，得到的大氣主要污染物與氣象要素的逐步回歸方程組顯著，用得到的回歸方程組模型預測長順縣首要大氣污染的準確率較好，但大氣監測數據較少，還需補充完善。