多城市PM2.5、PM10、O3濃度與氣象條件關聯性的Meta分析

李郅瑾,郝彥斌

(贛南醫學院 公共衛生與健康管理學院，江西 贛州 341000)

1 引言

國內外有很多研究[1-4]表明如氣溫、氣壓等氣象要素與大氣污染物包括PM2.5、PM10和臭氧(O3)濃度的變化密切相關。我國已經有不同城市或地區對氣象因素與大氣污染物的關聯性研究例子[5]，但缺少將氣象條件與空氣污染物的關聯性進行綜合分析的研究。

本研究基于2015～2017年全國29個城市的氣象數據和空氣污染物濃度，對每個城市空氣質量變化特征與氣象要素值進行線性相關和多元回歸模型分析，然后做Meta分析，探索二者相關性及其規律。

2 資料與方法

2.1 空氣污染與氣象數據

2015～2017年我國29個城市的年氣象監測數據(包括日平均氣壓、日平均氣溫、平均相對濕度、日降水量、日平均風速和日照時數)和PM2.5、PM10、臭氧(O3)這三種空氣污染數據均來源于“國家人口健康科學數據中心數據倉儲PHDA” (https://www.ncmi.cn)[6，7]。

2.2 統計學分析

本研究利用SPSS19.0軟件對數據缺失值進行填補，然后做相關性和回歸分析。2015年1月1日的污染物數據用2016年1月1 日代替，其余缺失值(PM2.5、PM10、O3)采用前后相鄰2 d計算平均值進行填補，并對每日數據計算月平均。由于氣壓值存在整月缺失，故采取相鄰兩月平均值進行填充。每月污染物濃度和氣象數據分別進行單樣本K-S檢驗，除個別城市的日照時數和降雨量不服從正態分布外(可能是由于存在個別極大值導致)，其余變量均符合正態分布。故每個城市空氣污染與氣象相關性分析采用Pearson相關系數，同時進行多元線性回歸建模進行多因素分析(α入=0.05、α出=0.10)。

然后應用Comprehensive Meta Analysis2.0軟件對相關系數和回歸系數進行Meta合并。異質性檢驗均P<0.001且I2>80%,故使用隨機效應模型進行Meta合并。

3 結果

3.1 氣象要素與空氣污染的關系

表1統計了2015～2017年我國29個城市的氣象要素和空氣污染的月平均情況。將PM2.5、PM10、臭氧(O3)濃度與同期日平均氣壓、日平均氣溫等氣象要素的月平均數據作Pearson相關分析，分析氣象要素與空氣污染物濃度的相關性，并對相關系數(r)進行Meta合并，結果見表2。

表1 29個城市氣象和空氣污染的月平均指標

表2 29個城市空氣污染和氣象指標相關系數的Meta合并結果

由表2可知，與PM2.5、關聯性為正的是日平均氣壓(r=0.611)，與PM10關聯性為正的是日平均氣壓(r=0.708)，與O3關聯性為正的是日平均氣溫(r=0.836)、日照時數(r=0.671)、日降雨量(r=0.346)和日平均風速(r=0.255)。

與PM2.5關聯性為負的是日平均氣溫(r=-0.704)、日降雨量(r=-0.531)、平均相對濕度(r=-0.364)和日照時數(r=-0.235)，與PM10關聯性為負的是平均氣溫(r=-0.795)、日降雨量(r=-0.488)、日照時數(r=-0.446)、平均相對濕度(r=-0.197)和日平均風速(r=0.166)，與O3關聯性為負的是日平均氣壓(r=-0.821)。

3.2 氣象要素與空氣污染的回歸分析

多元線性回歸模型要求數據資料滿足線性、獨立、正態和方差齊性四個前提條件[8],還要對所有氣象變量進行多元共線性診斷。本研究多個氣象變量的方差膨脹因子(VIF)均小于5，不能認為多個氣象變量間有共線性。經逐步回歸法篩選對空氣污染有影響的氣象變量，并對不同城市建立回歸模型。對每個城市進行多元線性回歸后，整理出大多數認為對空氣污染有影響的氣象變量，將其回歸系數(b)進行Meta合并，可以反映出這些因素對空氣污染的影響性。

從表3可見，經篩選后有21個城市的日平均氣溫對PM2.5濃度有影響(b=-0.213),其意義為每增加0.1 ℃，PM2.5濃度平均減少0.213單位，其他同理。所有城市的日平均氣溫對PM10濃度有影響(b=-0.185)，12個城市的日平均氣溫對O3濃度有影響(b=0.308)。有13個城市的平均相對濕度對PM2.5濃度有影響(b=-1.447)。有17個城市的日平均氣壓對O3濃度有影響(b=-0.344)，有10個城市(主要是南方城市)的平均相對濕度對O3濃度有影響(b=-1.982)，15個城市(主要是北方城市)的日照時數對O3濃度有影響(b=0.791)。

表3 城市空氣污染和篩選后氣象指標回歸系數的Meta合并結果

回歸模型的擬合程度由決定系數R2表示，整理為表4。考慮氣象條件對空氣污染的影響下，大多數城市的空氣污染指標都得到較好程度的解釋(R2>0.5)。其中北京、福州、上海、拉薩、石家莊、太原、重慶的PM2.5濃度沒有得到較好程度的解釋(R2在0.215～0.490之間)；北京、庫爾勒、拉薩的PM10濃度沒有得到較好的解釋(R2依次為0.487、0.444、0.387)；南昌的O3濃度沒有得到較好程度的解釋(R2=0.335)。考慮到可能空氣污染受到氣象條件的影響外，還有其他因素會對空氣污染有影響，這需要進一步去探討影響這些城市的其他因素。

表4 29個城市空氣污染用氣象變量解釋的程度(R2)

4 討論

4.1 氣壓與空氣污染的關系

PM2.5和PM10與氣壓存在正相關的關系，即PM2.5與PM10的濃度隨著氣壓的增高而增高，反之，隨著氣壓的降低而降低。這是因為大氣壓力與大氣環流密切相關，在低壓天氣的控制下，顆粒污染物濃度降低，這是因為近地面垂直氣流上升，所形成的較大風力加快了污染物的擴散速度；在高壓天氣系統控制下，顆粒污染物濃度增高是由于近地面垂直氣流下沉和大氣的穩定性使污染物不易向上擴散所致[9，10]。O3與氣壓存在負相關的關系，這可能是因為氣壓低時大氣對流活動較活躍，空氣自上而下運動，將O3從大氣上層送到近地面大氣，使O3濃度增高[11]。

4.2 氣溫與空氣污染的關系

PM2.5和PM10與氣溫呈負關聯，O3與氣溫呈正關聯。氣溫較低的時候，高空中的溫度較近地面溫度高且近地面大氣易形成穩定層結，而且降水相對較少，抑制了空氣污染物的擴散。低溫天氣下，城市居民供暖，污染物的排放也進一步加重了空氣污染[9]。O3與氣溫呈正相關的關系，太陽輻射與O3發生光化學反應密切相關，而氣溫能夠較好地反應太陽輻射強度的變化。太陽輻射會隨著氣溫的升高而變強，二者的聯合作用促進了大氣光化學反應的發生，從而使O3濃度增高[12]。

4.3 相對濕度與空氣污染的關系

PM2.5、PM10都與相對濕度存在負相關的關系，而O3與相對濕度無相關性。相對濕度與空氣中含水量程度相關，也就是說空氣的濕潤程度取決于相對濕度的變化。PM2.5和PM10與相對濕度存在負相關的關系，這是由于一方面相對濕度的增加對粗粒子的揚起可以起到抑制作用，另一方面大氣顆粒污染物在濕度較高的情況下易形成凝結核，促成降雨的發生，故使得PM2.5和PM10的濃度降低[13]。

4.4 降雨量與空氣污染的關系

PM2.5和PM10與降雨量的相關性是負的，降雨量增多，不僅使空氣濕度升高減輕了道路等地的塵土飛揚，而且空氣污染物會受到降水的沖刷沉降作用，從而使PM2.5和PM10的濃度減低。O3與降雨量呈正相關，一方面降雨對O3及其前體物具有去除效果，且去除效果較強；另一方面大氣光化學反應的發生與較強的太陽輻射密切相關，而雨天的多云天氣會導致太陽輻射變弱，在這種條件下大氣光化學反應不易發生，使O3濃度降低[14]。

4.5 風速與空氣污染的關系

PM2.5與風速無相關關系，PM10與風速的關聯性為負。研究表明，邊界層中污染物的稀釋擴散和風這種氣象因素有著緊密的聯系。通常情況下，近地面層污染物的不斷積累和增加是由于污染物在微風或靜風的條件下難以擴散導致的；而污染物濃度降低是因為污染物在較高的風速下更易于擴散[15]。O3與風速呈正相關的關系，即風速高時O3濃度較高，反之，風速低時O3濃度較低。風速較低時，O3在風中移動時會由于本身的不穩定性而分解成氧原子和氧分子；風速較高時，O3在完全分解之前就可以被檢測到，而且對O3光化學反應前體物的濃度的降低有促進作用，從而降低了O3濃度[16]。

4.6 日照時數與空氣污染的關系

PM2.5和PM10與日照時數存在負相關的關系，日照加快了顆粒污染物的運動速度，同時促進顆粒污染物內部的化學運動，有利于污染物的擴散，從而降低了PM2.5的濃度[17]?？諝忸w粒污染物濃度較高時，太陽光輻射被細顆粒物散射，吸收比例高，從地面上幾乎看不到陽光[18]，降低了日照時數。O3與日照時數呈正相關的關系，這是因為O3前體光化學反應的發生需要依靠較長的日照時間和較高的溫度等條件，在充足的條件下有利于O3的生成[19]。

4.7 個別城市氣象條件對空氣污染解釋程度低

部分城市的空氣污染指標沒有得到較好的解釋。說明目前這些氣象因素可能不是影響空氣污染的原因。如有研究[20]表明,導致北京市空氣污染的原因可能受污染物(工業源、生活源、機動車源)的排放有關，加上環北京地區(河北和天津地區)的高污染物排放，利用地形及土地利用等條件向北京地區輸送聚集，造成北京地區的空氣污染。

5 結論

PM2.5濃度與所有氣象變量(除風速)呈相關、PM10濃度與所有氣象變量呈相關，而O3也與所有氣象變量(除相對濕度)呈相關，但相關方向相反。通過污染物濃度和氣象變量的多元回歸分析，大多數城市的空氣污染物濃度變化都能通過氣象條件變化來解釋。全國不同城市的氣象因素與空氣污染的關聯既有相似性又有差異性，應綜合考慮氣象條件和地區特征開展空氣污染控制以達到最佳效果。

致謝：數據均來源于“國家人口健康科學數據中心數據倉儲PHDA” (https://www.ncmi.cn)[6，7]。