武漢市PM10和PM2.5的分析及預(yù)測(cè)

黃小明，范雪敏，李治

（華中農(nóng)業(yè)大學(xué)理學(xué)院，湖北武漢430000）

武漢市PM10和PM2.5的分析及預(yù)測(cè)

黃小明，范雪敏，李治

（華中農(nóng)業(yè)大學(xué)理學(xué)院，湖北武漢430000）

采用相關(guān)分析、Granger因果檢驗(yàn)和殘差修正模型等對(duì)武漢市PM10和PM2.5進(jìn)行定量分析。結(jié)果表明：PM10和PM2.5濃度均具有明顯的季節(jié)性特征和空間差異性；PM2.5和PM10與SO2、NO2、CO呈正相關(guān)，與O3、最高溫、最低溫均呈負(fù)相關(guān)，與風(fēng)力無(wú)關(guān)；下雨天可以顯著降低空氣中PM10和PM2.5的濃度；SO2、NO2、O3、最高溫與PM10和PM2.5存在顯著的格蘭杰因果關(guān)系。采用殘差修正模型分別預(yù)測(cè)武漢市PM10和PM2.5質(zhì)量濃度，結(jié)果表明：預(yù)測(cè)精度優(yōu)于傳統(tǒng)的ARMA模型。

PM10；PM2.5；影響因素；預(yù)測(cè)

隨著我國(guó)加快工業(yè)現(xiàn)代化和城鎮(zhèn)化進(jìn)程，石油、煤礦和天然氣等化石燃料快速消耗，大量的大氣污染物產(chǎn)生并排放到空氣中。這些污染物集中排放、濃度高，加上地形和天氣等因素綜合影響，造成我國(guó)出現(xiàn)了嚴(yán)重的大氣污染問(wèn)題。2011年10月～2012年3月，我國(guó)長(zhǎng)三角等地區(qū)出現(xiàn)了多次嚴(yán)重的霧霾天氣［1］。

近年來(lái)武漢市的霧霾天氣也頻頻發(fā)生。按照修訂前的空氣質(zhì)量標(biāo)準(zhǔn)評(píng)價(jià)，2012年武漢市環(huán)境空氣質(zhì)量?jī)?yōu)良天數(shù)為321 d，優(yōu)良率為87.7%。2013年武漢環(huán)境空氣質(zhì)量?jī)?yōu)良天數(shù)降到了僅有160 d，下降幅度達(dá)到了一半，優(yōu)良率也僅有43.8%。顆粒物污染是武漢大氣環(huán)境污染的主要問(wèn)題之一，但相對(duì)于北京、廣州等大城市，武漢市對(duì)顆粒物的研究較少。因此對(duì)武漢市的PM10和PM2.5進(jìn)行影響因素分析并預(yù)測(cè)很有必要。

1　文獻(xiàn)綜述

20世紀(jì)90年代，國(guó)際上對(duì)PM10和PM2.5的研究主要集中在顆粒物的化學(xué)組成、存在狀態(tài)、物理化學(xué)特征及其在大氣中的變化、對(duì)人體健康的影響、源解析和對(duì)能見(jiàn)度的影響等方面。近年來(lái)隨著我國(guó)霧霾天氣頻發(fā)，國(guó)內(nèi)學(xué)者也對(duì)PM10和PM2.5進(jìn)行了研究。張振華采用序列圖比較和回歸分析的方法分析PM2.5與各大氣污染物和氣象條件之間的相關(guān)關(guān)系，但沒(méi)有對(duì)具體影響形式進(jìn)行分析［2］。朱靜茹等采用Pearson相關(guān)系數(shù)方法分析PM2.5和氣壓、風(fēng)速、溫度、降雨量及相對(duì)濕度的相關(guān)關(guān)系［3］，但沒(méi)有考慮到大氣污染物之間的相互影響。我國(guó)對(duì)于PM10和PM2.5的影響因素分析不夠全面。

為準(zhǔn)確預(yù)測(cè)空氣顆粒物，彭斯俊等采用ARIMA對(duì)武漢市PM2.5濃度進(jìn)行預(yù)測(cè)，結(jié)果顯示，相對(duì)誤差在5%～35%之間［4］，但只預(yù)測(cè)了一個(gè)日期。國(guó)外學(xué)者Perez等利用NN模型對(duì)PM2.5濃度進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)誤差在30%～60%之間［5］。石靈芝等采用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)PM10進(jìn)行了預(yù)測(cè)，結(jié)果顯示，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)R2為0.62［6］。有關(guān)武漢市PM10與PM2.5濃度研究的資料比較缺乏，定量分析預(yù)測(cè)的研究更是稀少。本文中將利用收集到的大氣污染物和氣象數(shù)據(jù)對(duì)PM10與PM2.5濃度進(jìn)行定量分析、研究與預(yù)測(cè)，提出泛化能力和魯棒性更強(qiáng)的預(yù)測(cè)模型，為PM10與PM2.5濃度的預(yù)警工作提供參考。

2　研究方法

采用的大氣污染物2013年1月1日～2015年1月29日數(shù)據(jù)均從武漢市環(huán)保局官網(wǎng)中收集，所有氣象數(shù)據(jù)均從天氣后報(bào)網(wǎng)頁(yè)中收集。對(duì)于缺失值采用臨近兩點(diǎn)均值進(jìn)行插值。

對(duì)連續(xù)性數(shù)據(jù)變量之間的相關(guān)分析采用Pearson相關(guān)系數(shù)進(jìn)行分析，對(duì)于風(fēng)速這類等級(jí)數(shù)據(jù)與PM2.5和PM10的相關(guān)系數(shù)采用Spearman秩相關(guān)系數(shù)分析。采用Granger因果檢驗(yàn)分析污染物之間的因果關(guān)系，并采用殘差修正模型對(duì)PM10和PM2.5濃度。

ARMA（p，q）模型中既有自回歸過(guò)程AR（p）又有移動(dòng)平均MA（q）［7］，其形式如下：

從式（1）中可看到，ARMA（p，q）模型只考慮了自身的影響，沒(méi)有考慮其他影響因素的影響。所以根據(jù)實(shí)際需要采用如下殘差修正模型：

簡(jiǎn)化形式如下：

3　研究結(jié)果

3.1PM10和PM2.5時(shí)間分布分析

PM2.5質(zhì)量濃度隨時(shí)間變化如圖1所示，可以看到：武漢市PM2.5日均濃度波動(dòng)較大，且存在明顯的季節(jié)趨勢(shì)；春季的日均濃度普遍較高，夏季出現(xiàn)下降趨勢(shì)，到了秋天基本保持相對(duì)較低的濃度，然后逐漸上升。從圖2中可以明顯看到，武漢市PM10日均濃度跟PM2.5日均濃度的變化基本相同。

冬季溫度較低，生產(chǎn)生活供能增加將會(huì)排放較多的PM2.5和PM10。春冬季大氣層較為穩(wěn)定，降雨量大大減少不利于PM2.5和PM10的沉降。夏季特別6月份之后武漢市開(kāi)始進(jìn)入梅雨季節(jié)，大氣層活動(dòng)強(qiáng)烈，風(fēng)速也較高，利于污染物擴(kuò)散和沉降。

圖1　PM2.5日均質(zhì)量濃度

圖2　PM10日均質(zhì)量濃度

3.2PM10和PM2.5時(shí)空分布分析

對(duì)不同季節(jié)的PM2.5和PM10的濃度空間分布作圖如圖3～4所示。由圖3可以看到，所有季節(jié)的PM2.5濃度空間分布基本相同。從圖4可以看到，所有季節(jié)的PM10濃度空間分布基本相同。

圖3　不同季節(jié)PM2.5濃度空間分布

圖4　不同季節(jié)PM10濃度空間分布

結(jié)合武漢市的地理分布可以知道，在蔡甸區(qū)擁有大面積的采礦點(diǎn)，而漢南區(qū)有大片旱田，湖泊面積相對(duì)較小，而江夏區(qū)由于近幾年來(lái)的發(fā)展和建設(shè)，建筑業(yè)造成較大的粉塵排放。而在長(zhǎng)江沿岸和洪山區(qū)及江夏區(qū)北部，由于高校數(shù)量較多，綠化程度高且湖泊較多，利于污染物的擴(kuò)散和沉降，從而使得污染物濃度有所降低。

3.3PM10和PM2.5靜態(tài)影響因素分析

連續(xù)性數(shù)據(jù)的變量之間的相關(guān)分析采用Pearson相關(guān)系數(shù)進(jìn)行相關(guān)，風(fēng)速屬于等級(jí)數(shù)據(jù)，與PM2.5和PM10的相關(guān)分析采用Spearman秩相關(guān)系數(shù)分析。由于天氣為名義變量，不能采用相關(guān)系數(shù)分析，采用單因素方差分析進(jìn)行分析，后采用多重分析進(jìn)一步比較不同天氣狀況下的PM10和PM2.5濃度值。相關(guān)系數(shù)如表1所示。

從表1可看到：PM2.5與PM10、SO2、NO2、CO呈正相關(guān)，其中PM10相關(guān)系數(shù)最大；與臭氧（8 h）、臭氧（1 h）最高溫、最低溫均呈負(fù)相關(guān)，其中最低溫的相關(guān)系數(shù)最大；與風(fēng)力相關(guān)系數(shù)沒(méi)有統(tǒng)計(jì)學(xué)意義。

PM10與PM2.5、SO2、NO2、CO、臭氧（1 h）呈正相關(guān)，其中與PM2.5的相關(guān)系數(shù)最大；與最高溫、最低溫均呈負(fù)相關(guān)，其中與最低溫的相關(guān)系數(shù)最大；PM10的質(zhì)量濃度與風(fēng)力、臭氧（8 h）的相關(guān)系數(shù)沒(méi)有統(tǒng)計(jì)學(xué)意義。

表1　相關(guān)分析結(jié)果

雖然PM2.5可由其他氣態(tài)污染物經(jīng)過(guò)二次轉(zhuǎn)化形成，但PM2.5與各大氣污染物存在較強(qiáng)的相關(guān)性并不代表PM2.5主要是由這些氣態(tài)污染物經(jīng)過(guò)二次轉(zhuǎn)化形成，而有可能反映出氣態(tài)污染物與PM2.5有共同的來(lái)源。武漢環(huán)保局研究表明［8］：武漢市PM2.5污染25%左右來(lái)自工地和道路揚(yáng)塵，大約24%來(lái)自工業(yè)生產(chǎn)，16%來(lái)自煤炭燃燒，20%左右來(lái)自汽車排放，其他來(lái)自不確定源、區(qū)域相互影響以及二次污染物。從中也可以看到，二次轉(zhuǎn)化并不是PM2.5污染的主要原因。

大氣中的SO2來(lái)自于煤炭燃燒和工業(yè)生產(chǎn)，NO2主要來(lái)源于汽車尾氣排放和化石燃料燃燒、CO主要來(lái)源于汽車尾氣排放和煤炭燃燒，PM2.5與PM10、SO2、NO2、CO呈正相關(guān)可以反映出武漢市煤炭燃燒、工業(yè)生產(chǎn)、汽車尾氣排放和化石燃料燃燒會(huì)顯著增加PM2.5的污染。

PM2.5與臭氧（8 h）、臭氧（1 h）最高溫和最低溫均呈負(fù)相關(guān)，而臭氧多來(lái)自于光化學(xué)反應(yīng)，在太陽(yáng)輻射較強(qiáng)和溫度較高的條件下容易產(chǎn)生，一方面臭氧會(huì)通過(guò)二次轉(zhuǎn)化增加PM2.5污染，但由于其在濃度較高時(shí)大多在夏季，而夏季時(shí)武漢多風(fēng)多雨，這使得PM2.5極易擴(kuò)散和沉降，最終臭氧所產(chǎn)生的PM2.5速度不如擴(kuò)散和沉降的速度，表現(xiàn)出臭氧和PM2.5呈負(fù)相關(guān)。溫度對(duì)PM2.5影響的原因也是如此。

PM2.5與風(fēng)力沒(méi)有顯著統(tǒng)計(jì)學(xué)意義，是因?yàn)槲錆h的風(fēng)力絕大部分均在3級(jí)以下，風(fēng)力對(duì)PM2.5的作用不能顯著表現(xiàn)出來(lái)。

PM10與PM2.5相同，主要受到煤炭燃燒、工業(yè)生產(chǎn)、汽車尾氣排放和化石燃料燃燒的影響，但PM10的粒徑較大，很少是通過(guò)二次轉(zhuǎn)化而來(lái)，所以與臭氧的相關(guān)系數(shù)非常小。溫度和風(fēng)力對(duì)PM10的影響形式與PM2.5的影響形式基本相同。

3.4PM10和PM2.5動(dòng)態(tài)影響因素分析

PM10和PM2.5的動(dòng)態(tài)影響因素進(jìn)行分析，結(jié)果如表2所示?？梢钥吹剑簩?duì)于PM2.5，滯后1階PM2.5的Granger原因有SO2、NO2、最高溫和最低溫；而滯后2階，PM2.5的Granger因素有SO2、NO2、臭氧（8h）、臭氧（1 h）、最高溫和最低溫；滯后3階PM2.5的Granger因素SO2、NO2、臭氧（8h）、臭氧（1h）、最高溫和最低溫；滯后4階的PM2.5Granger原因有SO2、NO2、PM10、臭氧（8h）、臭氧（1h）、最高溫和最低溫。

表2　Granger因果檢驗(yàn)結(jié)果

而對(duì)于PM10，滯后1階的PM10的Granger原因有SO2、NO2、最高溫和最低溫；而滯后2階，PM10的Granger因素有SO2、NO2、臭氧（8 h）、臭氧（1 h）、最高溫和最低溫；滯后3階PM2.5的Grange因素SO2、NO2、臭氧（8 h）、臭氧（1 h）、最高溫和最低溫；滯后4階的PM2.5Grange原因有SO2、NO2、臭氧（8h）、臭氧（1 h）、最高溫和最低溫。

綜合以上結(jié)果可以知道，影響PM10和PM2.5的因素基本相同，近期的SO2、NO2、臭氧（8 h）、臭氧（1 h）、最高溫和最低溫是影響當(dāng)日PM10和PM2.5的主要因素。而CO對(duì)PM10和PM2.5沒(méi)有顯著影響。

3.5基于殘差修正模型的PM10和PM2.5濃度預(yù)測(cè)

根據(jù)格蘭杰因果檢驗(yàn)結(jié)果，選出滯后1～2階中任意有一個(gè)通過(guò)檢驗(yàn)的變量作為自變量，可以得到：PM2.5（SO2、NO2、臭氧（8h）、臭氧（1h）、最高溫、最低溫）；PM10（SO2、NO2、臭氧（8h）、臭氧（1h）、最高溫、最低溫）。

結(jié)果如表3所示，R2為0.71，說(shuō)明模型擬合優(yōu)度較好，F(xiàn)統(tǒng)計(jì)量P值為0.0000，說(shuō)明得到模型是顯著成立的。D-W統(tǒng)計(jì)量為2.00，說(shuō)明該模型的殘差不存在自相關(guān)。根據(jù)上述結(jié)果可對(duì)PM2.5進(jìn)行預(yù)測(cè)，本文中對(duì)樣本外5個(gè)樣本進(jìn)行預(yù)測(cè)，并與實(shí)際值對(duì)比得到結(jié)果如圖5所示。從圖5中可以看到：預(yù)測(cè)效果較好，平均相對(duì)誤差誤差僅為11.8%。

結(jié)果如表4所示。R2為0.645，說(shuō)明模型擬合優(yōu)度較好，P值為0.0000，說(shuō)明得到模型是顯著成立的。D-W統(tǒng)計(jì)量為1.999，說(shuō)明該模型的殘差不存在自相關(guān)。根據(jù)結(jié)果可對(duì)PM10進(jìn)行預(yù)測(cè)，5個(gè)樣本外預(yù)測(cè)預(yù)測(cè)值和實(shí)際值對(duì)比如圖6所示。從圖6中可以看到：PM10的預(yù)測(cè)模型預(yù)測(cè)效果也較好，平均相對(duì)誤差為16.4%。

為說(shuō)明殘差修正模型效果優(yōu)于一般的ARMA模型，采用ARMA模型對(duì)PM2.5和PM10進(jìn)行預(yù)測(cè)，結(jié)果表明，ARMA模型預(yù)測(cè)PM2.5的擬合優(yōu)度為0.66，平均相對(duì)誤差達(dá)到了33.70%，ARMA用于預(yù)測(cè)PM10擬合優(yōu)度也僅為0.56，相對(duì)誤差為38.90%。相對(duì)于殘差修正模型，ARMA模型的擬合優(yōu)度均有所降低，相對(duì)誤差均有所上升，由此說(shuō)明殘差修正模型相對(duì)于一般的ARMA模型引入了多因素的影響，能更好地用于預(yù)測(cè)PM2.5和PM10質(zhì)量濃度。

表3　PM2.5預(yù)測(cè)模型參數(shù)估計(jì)結(jié)果

表4　PM10預(yù)測(cè)模型參數(shù)估計(jì)結(jié)果

圖5　武漢市PM2.5質(zhì)量濃度預(yù)測(cè)結(jié)果圖

圖6　PM10質(zhì)量濃度預(yù)測(cè)結(jié)果圖

4　結(jié)論

通過(guò)定量分析發(fā)現(xiàn)：武漢市PM10和PM2.5的時(shí)間具有明顯季節(jié)特征，同時(shí)具有空間特性。PM10和PM2.5不僅受到當(dāng)日氣象和污染物濃度的影響，還受到歷史氣象條件和污染物濃度的影響。采用殘差修正模型分別預(yù)測(cè)武漢市PM10和PM2.5質(zhì)量濃度，結(jié)果顯示：相對(duì)于傳統(tǒng)的ARMA模型，殘差修正模型能夠更好的預(yù)測(cè)PM10和PM2.5濃度，模型的擬合優(yōu)度分別為0.645 1和0.705 0，平均相對(duì)誤差分別為37.40%和30.70%。僅對(duì)城區(qū)的PM10和PM2.5進(jìn)行時(shí)間分布、空間分布等分析，沒(méi)有對(duì)不同監(jiān)測(cè)點(diǎn)分別進(jìn)行分析，因?yàn)椴煌谋O(jiān)測(cè)點(diǎn)的分布可能不同。本文中采用殘差修正模型雖然能夠提高擬合優(yōu)度，降低相對(duì)誤差，提高預(yù)測(cè)精度，但效果并不非常明顯。

［1］吳兌.探秘PM2.5［M］.北京：氣象出版社，2013：1-3.

［2］張振華.PM2.5時(shí)空變化特性、影響因素及來(lái)源解析研究［D］.杭州：浙江大學(xué)，2014.

［3］朱倩茹，劉永紅，徐偉嘉，等.廣州PM2.5污染特征及影響因素分析［J］.中國(guó)環(huán)境監(jiān)測(cè)，2013，2：15-21.

［4］彭斯俊，沈加超，朱雪.基于ARIMA模型的PM2.5預(yù)測(cè)［J］.安全與環(huán)境工程，2014（6）：125-128.

［5］Perez P，Trier A，Reyes J.Prediction ofPM2.5Concentrations Several Hour in Advance Using Neural Networks in Santiago，Chile［J］.Atmospheric Environment，2000，34：1189-1196.

［6］石靈芝，鄧啟紅，路蟬，等.基于BP人工智能網(wǎng)絡(luò)的大氣顆粒物PM10質(zhì)量濃度預(yù)測(cè)［J］.中南大學(xué)學(xué)報(bào)，2012（5）：1969-1974.

［7］汪曉銀，周保平，齊立美，等.數(shù)學(xué)建模與數(shù)學(xué)實(shí)驗(yàn)［M］.北京：科學(xué)出版社，2012：38-40.

［8］武漢環(huán)保局.武漢市PM2.5組分研究［EB/OL］.［2016-04-07］.http：//news.cnhubei.com/xw/wuhan/201412/ t3115166.shtml，2014.

Analysis and Prediction of PM10and PM2.5in Wuhan City

Huang Xiaoming，F(xiàn)an Xuemin，Li Zhi
（Faculty of Science，Huazhong Agricultural University，Wuhan 430000，China）

The quantitative analysis ofPM2.5andPM10in Wuhan city was carried out by the correlation analysis，Granger causality test and error correction model.The results indicatePM2.5andPM10concentrations have obviously seasonal and spatial characteristics.PM2.5andPM10that have nothing with wind are positivelycorrelatedwithSO2，NO2andCO，butnegativelycorrelatedwithO3，thehighesttemperatureandthelowest temperature.In raining days，the concentrations ofPM2.5andPM10in the air decrease significantly. There is significant Granger causality between SO2，NO2，O3，the high temperature withPM2.5andPM10.The concentrations ofPM10andPM2.5in Wuhan city were forecasted by the error correction model.The results indicatethepredictionaccuracyisbetterthanthetraditionalmodelofARMA.

PM10；PM2.5；influencing factors；forecast

F812.42；F407.471

A

1008-5483（2016）03-0072-05

10.3969/j.issn.1008-5483.2016.03.017

2016-04-07

黃小明（1992-），男，廣西百色人，碩士生，從事經(jīng)濟(jì)統(tǒng)計(jì)學(xué)方面的研究。E-mail：15377598670@163.com