蘭州市氣候變化與大氣污染關(guān)系研究

王莉霞，李建剛，趙 烜

（天水師范學(xué)院 資源與環(huán)境工程學(xué)院，甘肅 天水 741001）

大氣污染問題一直是地理學(xué)專家研究的一個熱點(diǎn)問題，近年來，許多數(shù)學(xué)方法和計算機(jī)技術(shù)，如模糊數(shù)學(xué)、[1-2]GIS 技術(shù)、［3］灰色系統(tǒng)［4-5］等應(yīng)用于大氣污染研究和污染變化因素等分析中。但是，在實(shí)際的案例分析中，很多方法都只能對某一時刻或者是某一時間段進(jìn)行大氣污染的評測。在特定的氣候環(huán)境下，大氣的空氣污染指數(shù)會隨著季節(jié)、時間等發(fā)生周期性的變化，［6-8］因此，為了能夠達(dá)到較為準(zhǔn)確的評價效果，本文采用數(shù)學(xué)中的時間序列分析方法對蘭州市大氣的污染程度進(jìn)行評價，該方法能夠反映大氣污染物的變化規(guī)律，為大氣環(huán)境質(zhì)量評價和大氣污染研究提供另外一種思路。同時利用季節(jié)變動預(yù)測方法，預(yù)測未來幾年蘭州市大氣污染物的情況。

1 研究區(qū)概況

蘭州市位于東經(jīng)102°30″～104°30″、北緯35°5″～38°之間，是中國西北地區(qū)中心城市。蘭州市城區(qū)被南北兩山夾峙，地形呈東北高，西南低，相對高差超過600m.南北最窄處不足5km，是一東西長、南北窄的帶狀河谷盆地城市。［11］由于地形封閉，阻擋了氣流流通，造成蘭州市大風(fēng)日數(shù)極少，全年靜風(fēng)和小風(fēng)日數(shù)占60%以上，平均風(fēng)速僅0.7m/s.而在污染更為嚴(yán)重的冬季，除遇到寒潮天氣之外，幾乎見不到風(fēng)；另一方面容易形成逆溫大氣，全年約有80%的天數(shù)出現(xiàn)逆溫，其中夏季占60%，冬季在90%以上。［12］因此，靜風(fēng)現(xiàn)象和逆溫現(xiàn)象是蘭州市的空氣污染的顯著特點(diǎn)和主要原因。蘭州地處內(nèi)陸，大陸性特點(diǎn)明顯，屬溫帶半干旱氣候，全年的降水量較少。［13］蘭州市是典型的重工業(yè)城市，工業(yè)生產(chǎn)結(jié)構(gòu)以電力、石化、建材、金屬冶煉、機(jī)械和紡織部門為主導(dǎo)，這種第二產(chǎn)業(yè)占主導(dǎo)，且呈現(xiàn)出重化工化和高物耗、高污染的產(chǎn)業(yè)結(jié)構(gòu)特征和以燃煤為主的能源利用特征是導(dǎo)致蘭州城市氣候變化和大氣污染的主要原因。

2 數(shù)據(jù)來源及研究方法

2.1數(shù)據(jù)來源

本文的研究數(shù)據(jù)大部分來源于1996～2012年的中國統(tǒng)計年鑒、2003～2013甘肅省環(huán)境狀況公報及蘭州市環(huán)保局統(tǒng)計的相關(guān)資料。

2.2研究方法

地理過程的時間序列分析，就是通過分析地理要素（變量）隨時間變化的歷史過程，揭示其發(fā)展變化規(guī)律，并對其未來狀態(tài)進(jìn)行預(yù)測。［14］為分析時間序列的趨勢模式，必須首先了解時間序列的組合成分。一般來說，時間序列由4種成分所構(gòu)成，分別為：長期趨勢、季節(jié)變動、循環(huán)變動、不規(guī)則變動。統(tǒng)計學(xué)家根據(jù)時間序列四種成分的不同結(jié)合方式，而提出了兩種時間序列的組合模型，即所謂的加法模型與乘法模型。

加法模型假定時間序列是基于四種成分相加而成的。加法模型的基本假設(shè)是：各成分彼此間相互獨(dú)立，無交互影響，亦即長期趨勢并不影響季節(jié)變動。若以Y表示時間序列，則加法模型為：Y=T+S+C+I.

乘法模型假定時間序列是基于四種成分相乘而成的。在乘法模型中，各成分之間明顯地存在相互依賴的關(guān)系，即假定季節(jié)變動與循環(huán)變動為長期趨勢的函數(shù)。該模型的方程式為：Y=T×S×C×I.

3 蘭州市氣候變化和大氣污染狀況分析

3.1蘭州市氣候變化分析

3.1.1 氣溫狀況及其變化

分析蘭州市近17年的年平均氣溫變化趨勢（圖1）可知，近17年來平均氣溫呈現(xiàn)下降趨勢且波動幅度大，達(dá)到4.2℃，其中最高均溫出現(xiàn)在1998年為11.4℃，最低均溫出現(xiàn)在2005年為7.2℃.1996～2012年蘭州市最低平均氣溫總體呈現(xiàn)下降趨勢，且波動幅度更大，達(dá)到了8.4℃，其中最高均溫出現(xiàn)在2001與2003年，為-3.2℃，最低均溫出現(xiàn)在2011年，為-11.6℃.1996～2012年蘭州市最高平均氣溫總體呈現(xiàn)出波動下降的趨勢，且波動幅度較大，達(dá)到了6.9℃，其中最高均溫出現(xiàn)在2000年，為26℃，最低均溫出現(xiàn)在2005年，為19.1℃.

3.1.2 降水狀況及其變化

分析蘭州市近17年的年平均降水量變化趨勢（圖1）可知，1996～2012年蘭州市平均降水量總體呈現(xiàn)出波動下降的趨勢，且波動幅度很大，達(dá)到了1031.9mm，其中最多降水量出現(xiàn)在1999年為1212.9mm，最少降水量出現(xiàn)在2011年為181mm.

根據(jù)時序分析的方法，筆者采用乘法模型，以1996～2012年蘭州市市氣候參數(shù)（年平均氣溫及年平均降水量等參數(shù)）為時序數(shù)據(jù)，選取移動平均法對蘭州市氣候變化參數(shù)進(jìn)行進(jìn)一步分析。[14]

如果某時間序列為y1,y2,…,yt,則該序列在t+1時刻的移動平均預(yù)測值為：

yt式中：為t點(diǎn)的移動平均值，n為移動時距（點(diǎn)數(shù)）。

根據(jù)1996～2012年蘭州市氣候變化數(shù)據(jù)分析及對移動平均法的理解，筆者選擇1999～2012年的值進(jìn)行模型構(gòu)建，分析其結(jié)果。

圖2 蘭州市近14年氣溫移動平均值變化曲線

圖3 1999～2012年年份蘭州市年降水量實(shí)際值與預(yù)測值變化趨勢

結(jié)合圖2、圖3可知，近十四年來蘭州市的降水量和平均氣溫均呈下降趨勢，實(shí)際值比預(yù)測值波動幅度更大，可見蘭州市氣候變化較大，再通過結(jié)合圖1可知蘭州市氣溫總體呈現(xiàn)下降趨勢，且氣溫的年代際變率總體上呈現(xiàn)下降趨勢；最低、最高氣溫的非對稱變化較大，未來或仍將繼續(xù)維持；降水量的年代際變率自1999年以來則表現(xiàn)較為穩(wěn)定，與西部地區(qū)氣候變化相比，蘭州市近17年氣候變化的規(guī)律性并不明顯。為了尋找蘭州氣候變化的其他因素，筆者進(jìn)一步分析與氣候較為密切的蘭州大氣狀況。

3.2蘭州市大氣污染情況分析及未來發(fā)展趨勢

對蘭州市大氣污染情況的分析，筆者主要分析2003～2013年蘭州市大氣中二氧化硫、二氧化氮、可吸入顆粒物（PM10）這三項污染物的含量及空氣質(zhì)量達(dá)到及好于二級的天數(shù)。

運(yùn)用時間序列分析的季節(jié)變動預(yù)測方法，［14］通過處理數(shù)據(jù)，得到蘭州市大氣中二氧化硫、二氧化氮、可吸入顆粒物（PM10）及空氣質(zhì)量達(dá)到及好于二級的天數(shù)的預(yù)測模型，預(yù)測2014～2016年三年大氣主要污染物的變化情況（圖4、圖5）；然后，運(yùn)用時間序列分析的趨勢線方法，［14］求得好于二級天數(shù)的線性方程。

二氧化硫預(yù)測模型：y11+k=（0.0512+0.0919k）θk

二氧化氮預(yù)測模型：y11+k=（0.0424+0.1043k）θk可吸入顆粒物（PM10）預(yù)測模型：

空氣質(zhì)量達(dá)到及好于二級的天數(shù)的預(yù)測模型：

式中θk為校正后的季節(jié)性指標(biāo)。

由圖4可以看出在2013年之前蘭州市大氣中二氧化硫、二氧化氮、可吸入顆粒物（PM10）的含量總體波動不大，其含量都略呈下降趨勢，筆者預(yù)測2013年之后三年，如果任其繼續(xù)發(fā)展，蘭州市主要大氣污染物，則會呈現(xiàn)出上升的態(tài)勢。

由圖5可以看出，在2013年之前及未來三年里，蘭州市空氣質(zhì)量達(dá)到及好于二級的天數(shù)，大致呈現(xiàn)出線性增長的態(tài)勢，且波動變化的趨勢較小。筆者預(yù)測2013年之后三年，其空氣質(zhì)量達(dá)到及好于二級的天數(shù)相比2013年會有所減少。

結(jié)合圖4、圖5，筆者可以得出結(jié)論：蘭州市大氣污染物含量與空氣質(zhì)量達(dá)到及好于二級的天數(shù)呈現(xiàn)正相關(guān)關(guān)系。

圖4 蘭州市大氣主要污染物變化曲線

圖5 蘭州市空氣質(zhì)量達(dá)到及好于二級的天數(shù)變化曲線

3.3大氣污染和氣候變化之間的關(guān)系

為了更好地反映兩者之間的關(guān)系，運(yùn)用相關(guān)分析方法來處理分析相關(guān)數(shù)據(jù)。［14］

蘭州市氣候的變化的結(jié)果是降水量趨于減少，而氣溫明顯呈現(xiàn)下降趨勢，且波動幅度較大。這與全球氣候變暖的自然背景不相符合，同時也說明了，在全球氣候變暖的同時，局部有些地區(qū)氣候是變冷的，筆者認(rèn)為蘭州市存在這一變化的原因與蘭州市自身的大氣狀況有密切關(guān)系；經(jīng)過相關(guān)分析發(fā)現(xiàn)，降水量與氣溫兩要素之間的相關(guān)系數(shù)為0.302，降水量與氣溫之間呈現(xiàn)正相關(guān)，但相關(guān)性不顯著。

通過相關(guān)分析計算降水量與可吸入顆粒物（PM10）兩要素之間的相關(guān)系數(shù)為-0.202，降水量與可吸入顆粒物（PM10）之間呈現(xiàn)負(fù)相關(guān)；研究表明大氣雜質(zhì)是大氣成云致雨的必要條件，大氣雜質(zhì)中包括微粒，按常理來講，假設(shè)大氣中的水汽含量一定，大氣雜質(zhì)將增多，降水量也會隨之增多，但是蘭州市降水量卻不符合這一現(xiàn)象，存在著降水量的不合理。降水量與二氧化硫兩要素之間的相關(guān)系數(shù)為0.44，降水量與二氧化硫之間呈現(xiàn)正相關(guān)，對其進(jìn)行相關(guān)系數(shù)的檢驗(yàn)，可知降水量與二氧化硫之間的相關(guān)性不顯著；最后計算了降水量與二氧化氮兩要素之間的相關(guān)系數(shù)，為-0.232，降水量與二氧化氮之間呈現(xiàn)負(fù)相關(guān)，對其進(jìn)行相關(guān)系數(shù)的檢驗(yàn)，可知降水量與二氧化氮之間的相關(guān)性不顯著。

進(jìn)一步分析氣溫與可吸入顆粒物（PM10）、二氧化硫、二氧化氮的相關(guān)關(guān)系。氣溫與可吸入顆粒物（PM10）兩要素之間的相關(guān)系數(shù)為0.023，相關(guān)性不顯著；氣溫與二氧化硫兩要素之間的相關(guān)系數(shù)為0.643，相關(guān)性顯著；最后計算了氣溫與二氧化氮兩要素之間的相關(guān)系數(shù)為0.483，相關(guān)性顯著。

4 結(jié) 論

本文利用1996～2012年的中國統(tǒng)計年鑒、2003～2013甘肅省環(huán)境狀況公報及蘭州市環(huán)保局統(tǒng)計的相關(guān)資料與數(shù)據(jù)，利用時間序列分析與相關(guān)分析等方法，并結(jié)合圖像，對蘭州市氣候和大氣主要污染物進(jìn)行了定量與定性分析。初步可得到以下結(jié)論：

（1）盡管氣候數(shù)據(jù)和大氣主要污染物數(shù)據(jù)較少，但是也有一定優(yōu)勢，通過時間序列分析方法，得出蘭州市氣候變化的不理想，發(fā)現(xiàn)降水量趨于減少同時年代際變率趨向穩(wěn)定，而氣溫明顯呈現(xiàn)下降趨勢，最低、最高氣溫的非對稱變化仍繼續(xù)維持，波動幅度較大。同時也揭示了在全球氣候變暖的同時，蘭州市的氣候是趨于寒冷。

（2）選擇季節(jié)變動預(yù)測方法，對蘭州市大氣主要污染物及空氣質(zhì)量達(dá)到及好于二級的天數(shù)做了三年的預(yù)測，得出在2013年之后三年，如果任其繼續(xù)發(fā)展，蘭州市主要大氣污染物，則會呈現(xiàn)出上升的態(tài)勢。同時其空氣質(zhì)量達(dá)到及好于二級的天數(shù)相比2013年會有所減少。可知其大氣污染物含量與空氣質(zhì)量達(dá)到及好于二級的天數(shù)呈現(xiàn)正相關(guān)關(guān)系。因此，嚴(yán)格控制和減少大氣污染物的排放對空氣質(zhì)量有積極意義。

（3）通過相關(guān)分析等方法，分別分析了降水量、氣候與大氣主要污染物之間的相關(guān)關(guān)系，得出了降水量與氣溫之間呈現(xiàn)正相關(guān)，但是降水量與氣溫之間的相關(guān)性并不顯著，說明兩者彼此之間影響不大；降水量與可吸入顆粒物（PM10）之間呈現(xiàn)負(fù)相關(guān)，與二氧化硫之間呈現(xiàn)正相關(guān)，與二氧化氮之間呈現(xiàn)負(fù)相關(guān)，但是相關(guān)性都不顯著；氣溫與可吸入顆粒物（PM10）之間呈現(xiàn)正相關(guān)，與二氧化氮之間呈現(xiàn)正相關(guān)，但其相關(guān)性也不顯著；同時氣溫與二氧化硫之間呈現(xiàn)正相關(guān)，氣溫與二氧化硫之間的相關(guān)性顯著，說明兩者彼此之間影響較大。這使得人們認(rèn)識到大氣污染的變化對氣候變化有一定影響作用，對保護(hù)大氣環(huán)境具有一定意義。

[1]季奎.模糊數(shù)學(xué)在大氣環(huán)境質(zhì)量評價中的應(yīng)用[J].環(huán)境科學(xué)與管理,2006,(6):188-190.

[2]梁淑軒,李占臣,等.環(huán)境空氣質(zhì)量動態(tài)變化規(guī)律的模糊數(shù)學(xué)綜合評價[J].干旱區(qū)資源與環(huán)境,2010,24(6):77-81．

[3]趙萍,桂和榮.基于GIS技術(shù)的城市大氣環(huán)境質(zhì)量評價——以淮南市為例[J].環(huán)境科學(xué)與技術(shù),2002,25(4):24-26.[4]徐衛(wèi)國,田偉利,等.灰色關(guān)聯(lián)分析模型在環(huán)境空氣質(zhì)量評價中的修正及應(yīng)用研究[J].中國環(huán)境監(jiān)測,2006,22(4):66-69．

[5]郎君,周秀杰.基于有機(jī)灰色神經(jīng)網(wǎng)絡(luò)模型的空氣污染指數(shù)預(yù)測[J].哈爾濱工業(yè)大學(xué)學(xué)報,2004,36(12):1598-1704.

[6]LEE CHUNG-KUNG.Multifractal characteristic in air pol?lutant concentration time series[J].Water,Air,and Soil Pollu?tion,2002,(135):389-409．

[7]李天宇,畢經(jīng)寶.時間序列在秦皇島港煤塵污染分析中的應(yīng)用[J].交通環(huán)保,2003,24(4):22-23.

[8]黃磊,王踢震.青島市大氣污染時間序列分析預(yù)報方法研究[J].青島海洋大學(xué)學(xué)報,2001,31(1):14-20．

[9]NEHA KHANNA.Measuring environmental quality:an in?dexofpollution[J].EcologicalEconomics,2000,(35):191-202.[10]HARRIN,TERIH,ARIK.Evolving the neural networkmod?elfor forecastingairpollution timeseries[J].EngineeingApplicationsof Artificial Intelligence,2004,(17):159-167．

[11]蘭州市自然地理志編纂委員會.自然地理志:2卷·蘭州市志[M].蘭州:蘭州大學(xué)出版社,1998．

[12]蘭州市環(huán)境保護(hù)志編纂委員會環(huán)境保護(hù)志·蘭州市志[M].蘭州:蘭州大學(xué)出版社,1999．

[13]張鐳.蘭州城市主要大氣污染治理方案和環(huán)境效益[J].環(huán)境科學(xué)學(xué)報,2001,21(2):248-250．

[14]徐建華.計量地理學(xué)[M].北京:高等教育出版社,2006.