東莞市PM2.5濃度時間變化特征及影響因素研究

陽歡 陳佰滿 李建維 胡欽華

關鍵詞：小波分析；Mann-Kendall檢驗；灰色關聯度；PM2.5；東莞市

前言

PM2.5作為中國的主要大氣污染物，能長時間滯留在大氣中，其粒徑小比表面積大容易富集空氣中的重金屬元素和多環芳烴等，容易引發多種呼吸道疾病對人體的健康有嚴重影響。

目前不少學者對中國城市群和區域PM2.5污染的變化趨勢和影響因子進行了研究，東莞市作為粵港澳大灣區重要的工業城市，大氣污染情況和治理受到很高的關注，PM2.5作為當地的主要大氣污染物能較好的反應當地的大氣污染程度。目前對于東莞市PM2.5污染的研究多聚焦于污染源和治理措施方面，但對于東莞市PM2.5污染的變化趨勢、周期性特征和影響因素等缺少系統性的研究。

因此根據Mann-Kendall（M-K）方法對東莞市2015年-2021年的PM2.5濃度進行趨勢分析和突變點檢測，利用小波變換和小波相干分析方法探究當地PM2.5在不同時間尺度上的變換規律及氣象因子的影響，計算PM2.5濃度數據同社會發展數據的灰色關聯度尋找污染的主要驅動因素，從而對東莞市PM2.5濃度的變化趨勢、周期性特征和影響因素進行全面的研究，明確不同周期上PM2.5的管控重點并為當地及周邊城市的污染防治提供一定的理論支持。

1數據與方法

1.1數據來源及其處理

研究采用數據為東莞市2015年1月1日至2021年12月31日的空氣質量監測數據、社會發展數據和地面氣象資料數據。空氣質量數據來源于空氣質量歷史數據網（www.aqistudy.cn）的東莞市每日PM2.5濃度數據，社會發展數據來自于東莞市歷年統計年鑒，歷史氣象數據來源于中國氣象數據網，選取其中的逐日氣溫、日相對濕度、風速、降雨量作為研究數據。PM2.5濃度數據和氣象數據有部分缺失值，對其采用拉格朗日插值法進行補齊，得到的有效數據為2557天。

1.2趨勢及突變點分析

M-K非參數檢驗方法受樣本異常值的干擾較小，對于樣本的分布不做要求，廣泛應用于降水、氣溫、徑流等時間序列長期趨勢變化和突變點檢測上。

1.3小波分析方法

小波分析是一種可調時頻窗的分析方法，可以滿足在時域和頻域的局部化分析要求，小波分析法通過對選取的小波基函數進行平移和伸縮使其具有時間平移和多尺度分辨率的特點，常用于分析時間序列不同尺度下的細節特征。文章采用Morlet小波函數對PM2.5濃度歷史數據進行分析其小波函數形式如式（1）：

2結果與討論

2.1東莞市PM2.5污染概況

東莞市2015年-2021年間PM-2.5月均濃度如圖1（a）所示，當地PM2.5污染在1-6月濃度逐漸降低，其中6-7月期間污染最輕，7-12月濃度開始逐漸提升，年間污染整體呈現為高一低一高的變化情況，在1月和12月時污染最為嚴重且濃度波動大。從圖1（b）可以看出東莞市PM2.5濃度存在著明顯的季節變化特征在春、冬兩季時PM2.5的濃度較高，這和中國大部分地區的PM2.5污染特征一致。

2.2變化趨勢分析及突變檢測

對2015年-2021年共計7年的東莞市PM2.5濃度序列進行M-K趨勢檢驗計算得：PM2.5序列的統計值Z為2.18>1.96，通過了95%顯著性檢驗，在2015年-2021年間東莞市的PM2.5污染情況存在顯著下降的趨勢，濃度平均下降速率為0.121ug·m-3/30d。

為進一步分析東莞市PM2.5濃度變化趨勢，對其進行M—K突變點檢驗，由圖2可以看出在統計區間內統計量UF值大部分時間在0值下，在每年2-7月間UF值呈現上升趨勢，在每年8月至次年1月間UF值呈現下降趨勢，整體表現為升降反復的波動狀態。UF、UB曲線在2020年1月處相交且交點處于95%置信區間內，UF曲線在2020年1月呈現持續下降的趨勢，在2020年7月初UF曲線超出了-1.96臨界線達到了顯著下降的趨勢，可以確定2020年1月為東莞市PM2.5濃度值降低的突變點，利用M-K趨勢檢驗對突變節點后時間序列進行計算結果得下降速率為0.174ug·m-3/30d。（見圖2）

2.3PM2.5變化周期分析

利用Morlet小波對東莞市2015年-2021年PM2.5日均濃度計算得小波變換系數等值線圖（如圖3所示），從圖3可以看出東莞市PM2.5日均濃度序列在不同時間尺度上均存在周期性震蕩變化，上半部分小波系數顯示出PM2.5污染在512d尺度附近的小波系數正負交替存在著明顯的震蕩過程，下半部分表現出較為復雜的小尺度上污染和較大尺度污染嵌套情形，在2020年1月附近震蕩情況減弱，這同M-K突變檢驗的突變時間節點上一致，在突變發生前PM2.5污染處于一個周期震蕩狀態，之后周期性減弱轉為顯著下降趨勢。

對PM2.5濃度序列計算其小波方差值，以分析PM2.5的周期震蕩規律以及存在的主要周期，繪制其小波方差圖（如圖4（a）所示）。小波方差曲線存在4個峰值，從圖上可以看出當地的周期變化存在約為550d左右的主周期、190d左右半年期、120d左右季節變化周期和30d左右震蕩的次周期。

從圖4（b）不同尺度對應的小波系數可以看出，在550d的主周期時間尺度上周期性最為明顯，污染指數出現高一低反復的365d左右的周期震蕩，小波系數變化曲線近似于余弦曲線；在190d和120d尺度上震蕩頻率較550d有明顯的增加，震蕩的峰值大多出現于冬季；在30d的月尺度上，污染震蕩周期短，頻率高，振幅變化大，這種30d左右的季節性差異明顯的震蕩規律同東莞地處低緯度地區存在的大氣低頻震蕩有關，大氣季節內震蕩在6-8月最弱，在春、冬季最強。（見圖4）

2.4PM2.5濃度與氣象因子相關性分析

選取2015年-2021年東莞市的溫度、相對濕度、降雨量和風速數據，進行氣象因子與PM2.5濃度的小波相干性研究，繪制小波相干譜見圖5。

溫度和PM2.5在8d～32d的短時間尺度上有多個同相位共振區域存在顯著的正相關性且大多位于冬季，在冬季氣溫升高時，冷空氣減弱，容易出現逆溫現象使得大氣比較穩定，空氣流動緩慢不能向上擴散，從而出現污染物的聚集造成污染，在冬季時逆溫層較厚，維持時間長，夏季則相對偏弱。

降雨量和PM2.5短時間尺度和長時間尺度下都為負相位呈現出顯著的負相關性，這是因為降水可以稀釋空氣中的顆粒物，并使大氣中懸浮的顆粒物沉降以減輕空氣中PM2.5濃度。

風速和PM2.5在256d尺度內主要為負相關關系，這同風速的擴散作用有關，當風速越大時越利于空氣中顆粒物的稀釋擴散，使得PM2.5濃度降低。

相對濕度同PM2.5在64d尺度內正相位和負相位的情形都有，在無降雨且相對濕度較高時，大氣中顆粒物的二次生成作用會隨相對濕度增加而增加，此時PM2.5同相對濕度為正相關關系，當相對濕度超過80%容易出現降雨使得空氣中的顆粒物進行沉降，帶走空氣中的顆粒物使得PM2.5濃度降低，此時兩者為負相關關系。

小波相干譜顯示四類氣象因子在長日寸間尺度上共振區域較為穩定，短時間尺度上的共振區域波動較大，表明PM2.5濃度更易在短時間尺度上受到氣象因子變動的影響。

2.5社會因素對PM2.5濃度影響分析

根據2015年-2021年東莞市的PM2.5年均濃度和同期社會影響因素數據計算得灰色關聯度和Spearman系數（如表1所示），原煤消費量和原油消費量同PM2.5灰色關聯度最高且存在顯著的正相關性，天然氣關聯度最低但具有顯著的負相關關系，表明能源結構是當地PM2.5污染的主要影響因子，人口密度、森林覆蓋率和人均GDP的關聯度較高，其中人均GDP和PM2.5間存在顯著負相關性。

東莞市的能源消耗以原煤和原油為主，天然氣使用占比較低，在原煤和原油的消耗和工業生產過程中會排放大量顆粒物造成PM2.5污染，隨著近年來原煤和原油消耗量的降低以及天然氣使用占比的上升，當地PM2.5污染濃度顯著下降。人口密度、森林覆蓋率和人均GDP可以反映一個城市的發展水平，在城市發展和大氣污染間存在著長期穩定的關系，空氣質量存在著隨社會發展先惡化后改善的情況，從顯著的負相關性可以看出隨著當地環保政策的逐步落實、產業和能源結構的優化以及經濟發展的轉型已經從犧牲環境發展經濟階段過渡到經濟和環境共同發展的階段。

3結論

2015年-2021年間東莞市PM2.5污染呈逐年下降的趨勢，在春、冬兩季時的污染嚴重，污染的突變時間節點在2020年1月左右，在突變節點后PM2.5污染出現顯著的下降趨勢。PM2.5污染表現出多尺度的變化特征，存在以550d左右變化的主周期，190d左右半年期、120d左右季節變化周期和30d左右月震蕩的次周期。氣象因子是東莞市PM2.5濃度短期變化的驅動因素，使得污染存在顯著的季節性差異，當地較高的原煤、原油使用占比是區域內PM2.5污染的主要來源，近年來能源結構的優化使得當地PM2.5濃度長期趨勢有所下降，堅持環保政策的落實、加強能源結構優化和經濟產業轉型有利于當地污染的長期改善。