蚌埠市空氣中PM2.5形成與擴散的研究

劉　權(quán)，楊鵬輝，劉潤茜，楊悅月

(1.安徽財經(jīng)大學統(tǒng)計與應用數(shù)學學院,安徽 蚌埠 233000；2.安徽財經(jīng)大學金融學院；安徽 蚌埠 233000)

?

蚌埠市空氣中PM2.5形成與擴散的研究

劉權(quán)1，楊鵬輝1，劉潤茜1，楊悅月2

(1.安徽財經(jīng)大學統(tǒng)計與應用數(shù)學學院,安徽 蚌埠 233000；2.安徽財經(jīng)大學金融學院；安徽 蚌埠 233000)

目的探究空氣中PM2.5形成方式、傳播途徑及模式。方法首先以蚌埠市為例，參考相關資料，使用相關性分析，分析各因素與PM2.5的相關性和各因素之間的相關性。得到相關結(jié)果，對結(jié)果進行檢驗，并使用SPSS得到各因素的系數(shù)，判斷方程是否為線性，從而得到PM2.5的形成模型。接著通過熱傳導方程對高斯煙羽模型進行改進，得到空氣污染物擴散模型。收集蚌埠市空氣數(shù)據(jù)，對數(shù)據(jù)進行處理后代入模型，利用MATLAB進行求解，得到蚌埠市PM2.5的分布情況。結(jié)果從PM2.5的形成模型結(jié)果，得到了二氧化硫(SO2)、二氧化氮(NO2)和一氧化碳(CO)等是在一定環(huán)境條件下形成PM2.5前的主要氣態(tài)物體。推導出空氣污染物擴散模型，得到PM2.5的擴散方式，在通過對空氣污染物擴散模型求解后，得出蚌埠市空氣監(jiān)測點每天空氣中PM2.5的分布情況。結(jié)論空氣中PM2.5由各因素綜合影響形成。改進后的空氣污染物擴散模型更好地模擬了PM2.5的擴散方式，得到的具體結(jié)果說明了模型的可行性和實用性。

PM2.5；相關分析；熱傳導方程；高斯煙羽模型；MATLAB

工業(yè)革命以來空氣質(zhì)量一直是各國政府及相關部門關注的熱點，而霧霾問題則成為焦點。對空氣質(zhì)量的監(jiān)測、預報和控制，各級政府制定了相應政策、法規(guī)和管理辦法。PM2.5的形成機理和過程比較復雜，主要來源有“自然源”(植物花粉和孢子、土壤揚塵、海鹽、森林火災、火山爆發(fā)等)和“人為源”(燃燒燃料、工業(yè)生產(chǎn)過程排放、交通運輸排放等)，可以分為一次顆粒物(即由排放源直接排放到大氣中的顆粒物)和二次顆粒物(即通過與大氣組成成分發(fā)生化學反應后生成的顆粒物)。PM2.5的成分主要由水溶性離子、顆粒有機物和微量元素等組成。研究認為，AQI監(jiān)測指標中的二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)等是在一定環(huán)境條件下形成PM2.5前的主要氣態(tài)物體。由于細顆粒物PM2.5進入公眾視線的時間還很短，在學術(shù)界也是新課題。本文以蚌埠市為例，主要對蚌埠市空氣中PM2.5的形成進行成分分析，得到各因素的影響程度，并建立空氣污染物擴散模型，研究蚌埠市空氣中PM2.5的分布情況。

1　問題分析和基本假設

收集蚌埠地區(qū)空氣質(zhì)量指數(shù)的數(shù)據(jù)，對AQI中6個基本監(jiān)測指標的相關性與獨立性進行定量分析，尤其對其中PM2.5(含量)與其它5項分指標及其對應污染物(含量)之間的相關性進行分析，得到各因素與PM2.5之間存在的關系。為描述PM2.5的時空分布及其規(guī)律，利用百度地圖找出蚌埠市6個空氣質(zhì)量監(jiān)測點的位置以及每個月每個監(jiān)測點的PM2.5濃度數(shù)據(jù)，并利用網(wǎng)格線在地圖上定量給出6個監(jiān)測點的坐標位置和PM2.5濃度三維圖，分析其分布特征及其規(guī)律。并參考高斯煙羽模型和分析擴散模型建立空氣污染物分布模型，利用MATLAB分析其分布情況。

為方便說明問題，給出以下假設：(1)假設收集到的數(shù)據(jù)真實可信,不考慮人為因素,具有統(tǒng)計和預測意義；(2)忽略突發(fā)事件造成的空氣質(zhì)量突變；(3)假設PM2.5在整個過程中不會發(fā)生非預期的劇烈變化；(4)假設污染物PM2.5在空氣中只進行物理擴散，不進行化學變化；(5)在建立模型時只考慮PM2.5，忽略其他污染物的影響；(6)污染物PM2.5在空氣中擴散視為均勻擴散。

2　PM2.5的相關性分析

空氣環(huán)境質(zhì)量標準(AQI)[1]的6個基本檢測指標分別是二氧化硫(SO2)、二氧化氮(NO2)、可吸入顆粒物(PM10)、細顆粒物(PM2.5)、臭氧(O3)和一氧化碳(CO)。經(jīng)有關研究[4]可知PM2.5受上述污染物影響，因此需要研究其相關性和獨立性，尤其是PM2.5與其他污染物的關系。

2.1各因素相關性分析

利用SPSS軟件對各污染物進行相關性分析[2]，得到互相的皮爾遜相關系數(shù)和顯著性，見表1。

表1　相關性分析

注：**.在.01水平(雙側(cè))上顯著相關；*.在0.05水平(雙側(cè))上顯著相關。

由數(shù)理統(tǒng)計知識可知，顯著性越大，相關程度越低。<0.05為顯著相關，<0.01為極顯著相關。由表1可知，PM2.5與PM10、二氧化硫、二氧化氮、一氧化碳極顯著正相關。PM10與另外五項分指標都是極顯著正相關。二氧化硫與PM2.5、PM10、二氧化氮極顯著正相關，與一氧化碳顯著正相關。一氧化碳與PM2.5、PM10、二氧化氮極顯著正相關，與二氧化硫顯著正相關，與臭氧極顯著負相關。二氧化氮與PM2.5、PM10、二氧化硫、一氧化碳極顯著正相關。臭氧與PM10極顯著正相關，與一氧化碳極顯著負相關。

由上面的結(jié)果已知PM2.5與PM10、二氧化硫、二氧化氮、一氧化碳極顯著正相關?？稍偻ㄟ^SPSS作圖來檢驗，得到圖1。

圖1　各因素相關性分析

由圖1可知，PM2.5與一氧化碳呈線性關系。嘗試利用SPSS對PM2.5和PM10、二氧化硫、二氧化氮、一氧化碳做多元線性回歸。再對所建立的方程進行檢驗，得到表2。

表2　檢驗結(jié)果

注：a.預測變量:(常量),CO,SO2,PM10,NO2；b.因變量:PM2.5

2.2結(jié)果分析

將所得模型通過SPSS軟件進行運算，得到方程各系數(shù)，見表3。

表3　方程系數(shù)

注：a.因變量：PM2.5

得到模型：

y=-11.989+0.514x1+0.493x2-0.346x3+24.181x4

(其中，y為PM2.5，x1為PM10，x2為二氧化硫，x3為二氧化氮，x4為一氧化碳。)

由該模型就可以通過PM10、二氧化硫、二氧化氮和一氧化碳間接估計PM2.5的值，從另一個角度也間接佐證了一種學術(shù)觀點：AQI監(jiān)測指標中的二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)等是在一定環(huán)境條件下形成PM2.5前的主要氣態(tài)物體。

3　空氣污染物擴散模型

3.1模型的分析與建立

考慮到各污染物在空氣中的運動情況，參考熱傳導方程，模擬空氣污染物在空氣中的傳播模式，并通過熱傳導方程再對高斯煙羽模型改進，得到空氣污染物擴散模型。

收集蚌埠市6個監(jiān)測點不同時間PM2.5濃度值數(shù)據(jù)，對所得到的數(shù)據(jù)利用MATLAB軟件進行處理，得到其分布狀況，通過建立的空氣污染物擴散模型模擬蚌埠市空氣中PM.5的擴散和分布情況，對得到結(jié)果進行分析。

3.1.1熱傳導方程

首先考慮污染物單方向傳播，熱傳導方程根據(jù)假設，單位時間流過的廢氣流量為：

q=-α·gradC

其中α為擴散系數(shù)，grad表示梯度。負號表示流量的流向與濃度梯度相反。

取其一段空間域d，體積為v，表面積為s，s的外法線向量為n。在t1到t2時間段內(nèi)通過d的廢氣流量為：

又因為質(zhì)量守恒定律：

Q1=Q2

可以解得方程：

由上式可知對于煙囪排放廢氣在任意t時刻的濃度C是以初始時刻釋放點為球心的無限球面上，以一定濃度梯度遞減，且隨著距離d的增加濃度C是遞減的。

3.1.2高斯煙羽模型及其改進

高斯擴散模型[3]用于均衡的大氣條件，以及地面平坦的地區(qū)、電源的擴散模式。排放大量污染物的大小不一，但是都可視為電源。根據(jù)高斯擴散模型，通過表4確定風速方向x以及風速大小u(m·s-1)，x軸為風力方向，y軸表示水平內(nèi)與風向垂直的方向，z軸指向與水平面垂直的方向，具體公式：

為了得到蚌埠地區(qū)的污染物擴散模型，通過修改高斯擴散模型，得到污染物PM2.5擴散-衰減公式為：

可知，限制條件為：

①當x、y、z趨于0時，即在原點處，C趨于無窮；

②在當x、y、z趨于無窮時，即擴散衰減邊緣時，濃度C趨于0；

③在整個空間中污染物PM2.5的總濃度為Q。

求解方程，得到：

由上可以將高斯煙羽模型改進成無界范圍的模型。因為考慮廢氣只隨自身排放，即為排放速度v，可知廢氣無方向擴散，所以x軸y軸z軸方向上的擴散系數(shù)均相等。

σ=σy=σz

根據(jù)熱傳導方程得到：

根據(jù)所推導的模型可知，PM2.5或一般的污染物在擴散衰減呈現(xiàn)一般的規(guī)律：污染物擴散的速度會根據(jù)空氣的濕度大小變化，同時排放的污染物總濃度越大，擴散越快且衰減速度也會加快，與此同時，不同地區(qū)的范圍大小也同樣影響污染物的擴散和衰減，范圍越大，擴散越快，衰減會減慢。

3.2擴散模型的模擬

3.2.1數(shù)據(jù)的處理

由不同監(jiān)測點一天內(nèi)不同時間PM2.5濃度變化數(shù)據(jù)[4]，得到不同監(jiān)測點PM2.5濃度值與時間的關系見表4。

表4　各時間各監(jiān)測點PM2.5濃度值(μg·m-3)

圖2　6個監(jiān)測點的地圖位置

由不同監(jiān)測點PM2.5濃度值與時間的關系可知，1天的不同時間段內(nèi)，蚌埠市各監(jiān)測點的PM2.5濃度值變化趨勢趨于一致，前1天晚上18時到24時PM2.5濃度全天最高，在次日凌晨2時到8時出現(xiàn)小高潮，有超越前一晚的趨勢，在次日8時以后到晚上6時PM2.5濃度值減少較多，趨于平坦。

由地圖上截取需要的部分添加網(wǎng)格線，每個格子的邊長定義為單位長度1，并且假設高新區(qū)為坐標原點(0，0)，則蚌埠學院坐標為(21，6)，工人療養(yǎng)院坐標為(8，14)，二水廠坐標為(9，13)，百貨大樓坐標為(11，18)，淮上區(qū)政府坐標為(10，22)，見圖2。

為了通過這13個監(jiān)測點的監(jiān)測數(shù)據(jù)得到整體蚌埠市PM2.5的分布情況[5]，采取二維插值的方法對其進行插值，選擇的函數(shù)為雙三次插值，畫出等高線圖，并標注6個監(jiān)測點的具體位置，如圖3所示。

圖3　監(jiān)測點PM2.5分布圖

3.2.2模型的求解和結(jié)果分析

表5　PM2.5擴散結(jié)果表

由圖3和MATLAB結(jié)果輸出可知，在1天內(nèi)：早上9時至下午3時期間的排放濃度為406.92mg·m-3，排放速度為1 200m3·h-1；晚上10時～凌晨4時期間的排放濃度為1 160m3·h-1，排放速度為5 700m3·h-1。統(tǒng)計6個監(jiān)測點數(shù)據(jù)和分布情況，可以得到蚌埠市一天內(nèi)PM2.5的擴散情況，見表5。

將所得數(shù)據(jù)代入空氣污染物擴散模型，通過MATLAB軟件進行結(jié)果輸出，在只考慮1天的時間內(nèi)，可以得到蚌埠市PM2.5擴散分布[6]，如圖5所示。

圖5　蚌埠市PM2.5擴散分布

在9:00am～3:00pm和10:00pm～4:00am時間段內(nèi)，由MATLAB求解可知PM2.5濃度呈拋物型分布，濃度隨距離增加而減少。在9:00am～3:00pm時，在x=51km處，令y=0，z=0,求在此處地面濃度最大值，積分求其濃度值得c(x,0,0,H)=0.141mg·m-3,所以在51km處廢氣濃度呈以0.141mg·m-3為最大值的拋物分布。在10:00pm～4:00am內(nèi)，同上求得濃度最大值為c=0.255mg·m-3，所以在51km處廢氣濃度呈0.255mg·m-3為最大值的拋物分布。而在3：00pm～10:00pm時段和4：00am～9:00am時段，由于點源停止廢氣排放，空間中原有的污染氣體自行擴散，根據(jù)所給擴散速度，此時間段內(nèi)廢氣呈高斯煙羽模型分布[7]。

根據(jù)MATLAB輸出結(jié)果[8]可以得到，在3：00pm～10:00pm時段，在51km處氣體濃度最大值為0.141mg·m-3，所以，在中午12：00時，PM2.5濃度值在67～141μg·m-3,且在0～10km處污染最嚴重。在10:00pm～4:00am內(nèi)，同上求得濃度最大值為c=0.255mg·m-3，所以在51km處廢氣濃度呈0.255mg·m-3為最大值的拋物分布。在早上8點時，PM2.5濃度值在67～255μg·m-3，且在0～10km處污染最嚴重。在晚上9時，PM2.5濃度值在67～78μg·m-3，且在0～10km處污染最嚴重，可知基本無污染。

4　結(jié)論與討論

本文對城市PM2.5的形成與擴散進行研究與分析，通過對影響PM2.5形成的5個因素[9]進行分析，得到各因素的相關關系，并建立線性回歸方程。通過熱傳導方程對高斯煙羽模型進行改進，得到空氣污染物擴散模型，并以蚌埠市為例，模擬蚌埠市空氣中PM2.5的分布及擴散情況，得到一天內(nèi)蚌埠市PM2.5擴散和污染情況。經(jīng)過優(yōu)化后的擴散模型有效模擬了擴散情況，說明了模型的有效性。在進行相關性分析，考慮空氣中各成分時，由于不考慮空氣的流動，在建立擴散模型時可以對不同情況進行討論：在無風情況時，空氣勻速擴散；而在有風情況時，空氣加速擴散，需要對模型進一步進行改進。同樣地，在數(shù)據(jù)處理時，只選擇了一天的數(shù)據(jù)，并沒有在時間上體現(xiàn)出擴散的方式。

[1]郭蓮仙,邵軍麗,戴娟秀,等.環(huán)境空氣質(zhì)量新標準下的空氣理化檢驗教學改革[J].科教導刊，2014，(03):91.

[2]黃亨燁.PM2.5相關性的探索型研究[D].蘇州：蘇州大學，2014:5-70.

[3]董赫,翟哲,李奪,等.高斯煙雨擴散模型在空氣中PM2.5實際問題的應用[J].黑龍江八一農(nóng)墾大學學報，2014，26(03):69-73.

[4]付偉,何麗霞.西安市空氣中PM2.5的影響因素[J].價值工程，2014，(21):308-311.

[5]劉慧君.武漢市PM2.5污染的演變預測及成因分析和仿真[D].長沙：湖南大學，2014.

[6]徐小麗,鄭婷婷.PM2.5變化趨勢的聯(lián)合多重分形分析[J].合肥學院學報，2014，26(03):27-30.

[7]郭浩,紀德鈺,苗書一,等.對城市環(huán)境空氣中顆粒物影響成因的研究[J].資源節(jié)約與環(huán)保，2014，(07):161-166.

[8]邱堅,陳誠.關于環(huán)境空氣新舊標準變化的探討[J].鎮(zhèn)江高專學報，2012，8(04):41-44.

[9]王紀文,陳峰云,盧劍.湖州市冬季大氣顆粒物變化特點及其影響因子分析[J].安徽農(nóng)學通報，2014，26(01-02):145-148.

[責任編輯：關金玉英文編輯：劉彥哲]

Formation and Diffusion of PM2.5 in Air of Bengbu

LIU Quan1,YANG Peng-hui1,LIU Run-xi1,YANG Yue-yue2

(1.School of Statistics and Appl.Math，Anhui University of Finance and Economics，Bengbu，Anhui 233030，China;2.School of Finance,Anhui University of Finance and Economics，Bengbu，Anhui 233030，China)

ObjectiveTo examine the generating and spreading of PM2.5 in the atmosphere.MethodsFirst correlation analysis was used to study the relations of different elements with PM2.5 in the case of Bengbu.Then the result was examined and the coefficients of each elements were collected by using SPSS.Hence we could produce a PM2.5 generating model and determine whether it was linear.Meanwhile,the Gaussian plume model was modified according to the thermal conduction equation and generated an air contaminants spreading model.By collecting and manipulating atmosphere data in Bengbu,we used MATLAB to compute the spreading condition of PM2.5 in Bengbu based on our models.ResultsAccording to the calculation of PM2.5 generating model,the major elements which generated PM2.5 under some given conditions were SO2,NO2and CO.Then we conducted the spreading pattern of PM2.5 in Bengbu according to the air contaminants spreading model.ConclusionThere are a great number of factors behind the generation of PM2.5 in the atmosphere.The models proposed and modified are of great use in simulating the spreading of PM2.5,and the results also illustrate that the models is highly functional and feasible.

PM2.5;correlation analysis;thermal conduction equation;Gaussian plume model;MATLAB

10.3969/j.issn.1673-1492.2016.05.008

國家自然科學基金項目(11301001)；國家級大學生創(chuàng)新項目(201510378050)

劉權(quán)(1994-)，男，安徽安慶人，安徽財經(jīng)大學統(tǒng)計與應用數(shù)學學院在讀學生，研究方向：經(jīng)濟數(shù)學。

楊鵬輝(1981-)，女，安徽淮南人，安徽財經(jīng)大學統(tǒng)計與應用數(shù)學學院講師，碩士，研究方向：圖論與網(wǎng)絡分析建模。

X 511

A

來稿日期：2015-03-03