長(zhǎng)沙市氣象因素對(duì)大氣污染的影響分析①

謝 昆，陳博明

（1．長(zhǎng)沙環(huán)境保護(hù)職業(yè)技術(shù)學(xué)院，湖南 長(zhǎng)沙410004；2．湖南省生態(tài)環(huán)境事務(wù)中心，湖南 長(zhǎng)沙410007）

我國(guó)經(jīng)濟(jì)發(fā)展迅速，但環(huán)境問(wèn)題不可忽視［1］。水污染［2］、大氣污染［3］、土壤污染［4］和生態(tài)環(huán)境問(wèn)題使區(qū)域發(fā)展面臨挑戰(zhàn)。其中大氣污染物的組分來(lái)源復(fù)雜，對(duì)經(jīng)濟(jì)發(fā)展、人體健康的影響大［5－6］。為有效防治大氣污染，國(guó)內(nèi)外學(xué)者對(duì)大氣污染的影響因素做了大量研究，初步將大氣污染的影響因素劃分為自然因素和人為因素［7－8］；影響大氣污染的自然因素有氣象因素、海拔、植被覆蓋、地形等，人為因素主要涉及城市發(fā)展、工業(yè)發(fā)展、農(nóng)業(yè)活動(dòng)、土地利用／土地覆蓋變化［9］等。以PM2．5和O3污染為代表的區(qū)域大氣復(fù)合污染問(wèn)題，近年來(lái)成為大氣污染問(wèn)題的研究熱點(diǎn)［10－11］。未來(lái)的大氣污染將會(huì)隨著氣候的變化而變化［12－13］。有研究表明，平均氣溫、平均降水量與空氣質(zhì)量指數(shù)（Air quality index，AQI）均呈極顯著負(fù)相關(guān)，氣壓與AQI呈顯著正相關(guān)［14］；平均氣溫、平均風(fēng)速對(duì)PM2．5濃度空間分布有影響作用，平均氣壓、地形起伏度、日照時(shí)間和平均風(fēng)速對(duì)O3濃度空間分布有影響作用［15－16］。可見(jiàn)氣象因素對(duì)大氣污染影響作用至關(guān)重要。本文以長(zhǎng)沙市為例，通過(guò)分析長(zhǎng)沙市氣象因素對(duì)大氣污染的影響作用，為長(zhǎng)沙市大氣污染預(yù)防與控制提供科學(xué)理論依據(jù)。

1 數(shù)據(jù)與研究方法

1．1 數(shù)據(jù)來(lái)源

本研究的大氣污染物數(shù)據(jù)來(lái)自天氣后報(bào)（http：∥www．tianqihoubao．com／），主要指標(biāo)有AQI、SO2、NO2、CO、O3、PM2．5、PM10濃度。氣象數(shù)據(jù)來(lái)自國(guó)家氣象科學(xué)數(shù)據(jù)中心（https：∥data．cma．cn／），WMOID＝576 87，主要指標(biāo)有平均氣溫（TEM，0．1℃）、平均氣壓（PRS，0．1 hPa）、平均風(fēng)速（WIN，0．1 m／s）、日照時(shí)數(shù)（SSD，0．1 h）、平均相對(duì)濕度（RHU，1%）。大氣污染物數(shù)據(jù)與氣象要素?cái)?shù)據(jù)為2016～2019年逐日觀測(cè)統(tǒng)計(jì)數(shù)據(jù)。

AQI是定量描述空氣質(zhì)量狀況的無(wú)量綱指數(shù)，空氣質(zhì)量分指數(shù)依據(jù)（individual air quality index，IAQI）是單項(xiàng)污染物的空氣質(zhì)量指數(shù)，首要污染物（primary pollutant）指AQI＞50時(shí)IAQI最大的空氣污染物。依據(jù)《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）》（HJ 633—2012），空氣質(zhì)量分指數(shù)級(jí)別及對(duì)應(yīng)的污染物項(xiàng)目濃度限值見(jiàn)表1。

表1 空氣質(zhì)量分指數(shù)及對(duì)應(yīng)的污染物項(xiàng)目濃度等級(jí)劃分

《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）》（HJ 633—2012）及《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095—2012）是為了保護(hù)和改善生態(tài)環(huán)境、生活環(huán)境、人體健康而制定的。污染物項(xiàng)目P的空氣質(zhì)量分指數(shù)計(jì)算公式為：

式中IAQIp為各單項(xiàng)污染物的空氣質(zhì)量分指數(shù)；IAQIHi為與Cp接近的高位臨界值對(duì)應(yīng)的空氣質(zhì)量指數(shù)；IAQILo為與Cp接近的低位臨界值對(duì)應(yīng)的空氣質(zhì)量指數(shù)；BPHi為與Cp接近的高位臨界值；B PLo為與Cp接近的低位臨界值；Cp為污染物濃度值。

空氣質(zhì)量指數(shù)計(jì)算公式為：

式中IAQI為空氣質(zhì)量分指數(shù)；n為污染物項(xiàng)目。

1．2 主要研究方法

本文采用的研究方法包括相關(guān)性分析和逐步回歸分析［17－18］，其中相關(guān)性分析由軟件SPSS19．0完成，逐步回歸分析由軟件Eviews8．0完成。文中所有繪圖在Excel2013和Eviews8．0中完成。

2 結(jié)果與分析

2．1 大氣污染物時(shí)間變化分布特征

長(zhǎng)沙市2016～2019年空氣質(zhì)量狀況見(jiàn)表2。由表2可知，長(zhǎng)沙市空氣質(zhì)量?jī)?yōu)、良天數(shù)占比相對(duì)較大，且逐年呈現(xiàn)上升趨勢(shì)；輕度污染和中度污染天數(shù)占比總體呈逐年下降趨勢(shì)；重度污染和嚴(yán)重污染天數(shù)變化不穩(wěn)定，這對(duì)改善長(zhǎng)沙市空氣質(zhì)量構(gòu)成一定挑戰(zhàn)。總體來(lái)看，長(zhǎng)沙市空氣質(zhì)量逐年向好。

表2 長(zhǎng)沙市2016～2019年空氣質(zhì)量狀況

長(zhǎng)沙市2019年SO2、NO2、CO、O3、PM2．5、PM10濃度逐日分布圖見(jiàn)圖1。對(duì)照表1分析得出，長(zhǎng)沙市SO2、NO2、CO、PM10濃度基本保持在二級(jí)標(biāo)準(zhǔn)以?xún)?nèi)，狀況優(yōu)良。O3濃度在7、8、9月急劇增加，且在8月達(dá)到三級(jí)標(biāo)準(zhǔn)（輕度污染）；PM2．5濃度在1、11、12月急劇增加，且超過(guò)四級(jí)標(biāo)準(zhǔn)（中度污染）。可以得出，O3和PM2．5是長(zhǎng)沙市2019年主要的大氣污染物。進(jìn)一步分析了2016～2018年O3、PM2．5濃度逐日變化趨勢(shì)，結(jié)果如圖2～3所示。結(jié)合圖1和圖2可知，長(zhǎng)沙市2016～2019年O3濃度呈現(xiàn)逐年增加趨勢(shì)，由2016年的一級(jí)標(biāo)準(zhǔn)增加到了2019年的三級(jí)標(biāo)準(zhǔn)，說(shuō)明長(zhǎng)沙市O3對(duì)大氣的污染逐年加重。結(jié)合圖1和圖3可知，長(zhǎng)沙市2016～2019年P(guān)M2．5濃度呈現(xiàn)下降趨勢(shì)，一級(jí)和二級(jí)占比逐年增加，三級(jí)和四級(jí)占比逐年降低，說(shuō)明長(zhǎng)沙市PM2．5對(duì)大氣的污染逐年減輕；但是三級(jí)和四級(jí)污染仍然是長(zhǎng)沙市PM2．5濃度治理的工作重點(diǎn)。

圖1 長(zhǎng)沙市2019年大氣污染物時(shí)間變化趨勢(shì)

圖2 長(zhǎng)沙市2016～2018年O3變化趨勢(shì)

圖3 長(zhǎng)沙市2016～2018年P(guān)M2．5變化趨勢(shì)

2．2 氣象因素時(shí)間變化特征

對(duì)長(zhǎng)沙市2016～2019年逐日氣象因素變化進(jìn)行了統(tǒng)計(jì)分析，結(jié)果見(jiàn)圖4。由圖4可見(jiàn)，2016～2019年長(zhǎng)沙市全年平均氣溫變化趨勢(shì)基本一致，呈現(xiàn)顯著的倒“U”型。2016～2019年長(zhǎng)沙市平均氣壓全年變化趨勢(shì)基本保持一致，呈現(xiàn)顯著的“V”型變化趨勢(shì)。2016～2019年長(zhǎng)沙市平均風(fēng)速全年波動(dòng)顯著，1～5月呈現(xiàn)波動(dòng)下降，6～12月波動(dòng)上升。2016～2019年長(zhǎng)沙市日照時(shí)數(shù)全年變化趨勢(shì)呈現(xiàn)顯著的倒“V”型變化趨勢(shì)。2016～2019年長(zhǎng)沙市平均相對(duì)濕度變化趨勢(shì)相對(duì)平穩(wěn)，但存在顯著的波動(dòng)。

圖4 長(zhǎng)沙市2016～2019年氣象逐月趨勢(shì)

2．3 氣象因素對(duì)空氣質(zhì)量的影響分析

基于前面對(duì)長(zhǎng)沙市空氣質(zhì)量和氣象因素的分析，以逐日O3、PM2．5濃度值為因變量，以相對(duì)應(yīng)的逐日氣象因素為自變量，分析氣象因素對(duì)O3、PM2．5濃度的影響作用。

2．3．1 相關(guān)性分析結(jié)果

分別對(duì)O3、PM2．5濃度和氣象因素做相關(guān)性分析，結(jié)果如表3所示。與O3濃度在0．01水平上有顯著正面影響的氣象因素有平均氣溫（TEM，0．63）和日照時(shí)數(shù)（SSD，0．52），有顯著負(fù)面影響的氣象因素有平均氣壓（PRS，－0．5）、平均風(fēng)速（WIN，－0．1）和平均相對(duì)濕度（RHU，－0．4）。與PM2．5濃度在0．01水平上有顯著正面影響的氣象因素有平均氣壓（PRS，0．45），有顯著負(fù)面影響的氣象因素有平均氣溫（TEM，－0．42）、日照時(shí)數(shù)（SSD，－0．11）和平均相對(duì)濕度（RHU，－0．17）。平均氣溫（TEM）和平均氣壓（PRS）分別對(duì)O3、PM2．5濃度的影響作用相反，這對(duì)O3、PM2．5的治理帶來(lái)難題，即降低PM2．5對(duì)大氣的污染，勢(shì)必會(huì)增加O3對(duì)大氣的污染。平均相對(duì)濕度（RHU）均對(duì)O3、PM2．5濃度產(chǎn)生顯著的負(fù)面影響，這意味著長(zhǎng)沙市應(yīng)采取措施增加空氣的相對(duì)濕度，以便同時(shí)有效緩解O3、PM2．5對(duì)大氣的污染程度。

表3 O3、PM2．5與氣象因素相關(guān)性分析

2．3．2 逐步回歸分析結(jié)果

相關(guān)性分析結(jié)果只能說(shuō)明氣象因素對(duì)O3、PM2．5濃度是否存在顯著、積極或消極影響，不能說(shuō)明其影響程度。基于相關(guān)性分析結(jié)果，采用線(xiàn)性回歸分析法揭示長(zhǎng)沙市氣象因素對(duì)O3、PM2．5濃度的影響程度和解釋力度。

分別對(duì)與O3、PM2．5濃度相關(guān)性顯著的氣象因素進(jìn)行線(xiàn)性關(guān)系初步判斷，結(jié)果分別見(jiàn)圖5～6。從圖5可知，與O3濃度線(xiàn)性關(guān)系顯著的氣象因素有平均氣溫、平均氣壓、日照時(shí)數(shù)和平均相對(duì)濕度；從圖6可知，與PM2．5濃度線(xiàn)性關(guān)系顯著的氣象因素有平均氣溫、平均氣壓和平均相對(duì)濕度。一般情況下，氣溫越高，氣壓越低（圖5），氣溫與氣壓存在顯著線(xiàn)性關(guān)系，無(wú)法避免變量的多重共線(xiàn)性，所以本研究通過(guò)逐步回歸分析O3、PM2．5濃度與氣象因素之間的線(xiàn)性關(guān)系。

圖5 O3與氣象要素線(xiàn)性關(guān)系初判斷

圖6 PM2．5與氣象要素線(xiàn)性關(guān)系初判斷

逐步回歸分析結(jié)果如表4所示。從表4可知，平均氣溫、平均氣壓和平均相對(duì)濕度是對(duì)O3、PM2．5濃度相對(duì)較好的氣象因素解釋變量。首先，各氣象因素對(duì)O3、PM2．5濃度的影響作用與相關(guān)性分析結(jié)果一致，證明了研究結(jié)果的科學(xué)性。其次，平均相對(duì)濕度分別與平均氣溫、平均氣壓最對(duì)分析時(shí)，其系數(shù)都高于其他2個(gè)氣象因素，說(shuō)明在平均氣溫和平均氣壓不能同步調(diào)節(jié)和控制的情況下，長(zhǎng)沙市人工增加平均相對(duì)濕度能夠同時(shí)有效降低O3和PM2．5濃度。最后，如果把長(zhǎng)沙市O3濃度的解釋變量看作灰箱“1”，那么O3濃度變化的46%能夠由氣象因素解釋?zhuān)煌砜傻瞄L(zhǎng)沙市PM2．5濃度變化的23%可由氣象因素解釋。

表4 O3、PM2．5與氣象要素線(xiàn)性回歸分析

3 結(jié) 論

1）長(zhǎng)沙市空氣質(zhì)量逐年向好，SO2、NO2、CO、PM10濃度基本保持在二級(jí)標(biāo)準(zhǔn)以?xún)?nèi)，狀況優(yōu)良，PM2．5對(duì)大氣的污染逐年減輕，O3對(duì)大氣的污染逐年加重。

2）對(duì)O3濃度正面影響的氣象因素是平均氣溫和日照時(shí)數(shù)，負(fù)面影響的氣象因素是平均氣壓、平均風(fēng)速和平均相對(duì)濕度；對(duì)PM2．5濃度正面影響的氣象因素是平均氣壓，顯著負(fù)面影響的是平均氣溫、日照時(shí)數(shù)和平均相對(duì)濕度。

3）長(zhǎng)沙市O3濃度變化的46%能夠由氣象因素解釋?zhuān)琍M2．5濃度變化的23%可由氣象因素解釋。增加平均相對(duì)濕度能夠同時(shí)有效降低O3和PM2．5濃度。