基于AQI和小波分析的成都市空氣質量評價研究

曾　偉，李云禎，陳軍輝，徐　友，王　濤，周?平

（1.北京國寰環(huán)境技術有限責任公司四川分公司，四川　成都 610021；2.四川省環(huán)境保護科學研究院，四川　成都 610041；3.西南交通大學，四川　成都 610031）

基于AQI和小波分析的成都市空氣質量評價研究

曾偉1，李云禎2，陳軍輝2，徐友3，王濤3，周?平3

（1.北京國寰環(huán)境技術有限責任公司四川分公司，四川成都 610021；2.四川省環(huán)境保護科學研究院，四川成都 610041；3.西南交通大學，四川成都 610031）

通過環(huán)境監(jiān)測站收集成都市各個區(qū)的空氣質量數據，初步了解成都市空氣質量現狀。從時間和空間兩個角度深入剖析成都市各個區(qū)的空氣質量分布趨勢，并對各個區(qū)的污染天數進行對比研究。結果表明：外圍行政區(qū)空氣污染較輕，城內行政區(qū)污染較重；不同季節(jié)，空氣質量較差的行政區(qū)基本相同，且AQI值波動性不明顯，一年四季中AQI值按冬＞春＞夏＞秋的順序排列。對成都市近兩年來AQI進行小波分析，發(fā)現空氣質量緩慢改善，但總體狀況仍不容樂觀。區(qū)域污染天數結果顯示，郫縣、溫江、青白江區(qū)等區(qū)污染天數最多。

AQI指數；時空分布；小波分析

霧霾天氣，即霧和霾兩種天氣現象的統稱，是一種災害性天氣[1]。近年來，霧霾天氣的出現，顯著降低了大氣能見度，造成城市空氣質量的惡化、交通秩序混亂及市民呼吸疾病高發(fā)。此外，霧霾天氣也會間接地影響農作物生長，造成農作物減產，并且容易形成酸雨，嚴重影響人們的正常生產生活[2]?？諝赓|量（AQI）的大小從某一程度上可以刻畫霧霾的輕重[3]。

國內外研究者對霾的研究主要集中在與其他天氣現象的特征區(qū)別、時空分布、來源解析、氣象形成條件、危害、預報模型等方面[4-7]。目前，主要對珠江三角洲地區(qū)、京津地區(qū)的霧霾天氣開展了重點研究，討論了霧霾天氣下的空氣污染特征及其對多種環(huán)境要素的影響，并分析了霧霾爆發(fā)過程中氣溶膠光學特征以及區(qū)域分布的特征[8-10]。但對易于形成霧霾的城市大氣污染特征和他們之間的相關關系，以及霧霾與空氣質量（AQI）的關系等方面的研究較為淺薄，而以成都為例的霧霾天氣研究及其控制途徑仍有大量研究空間。

利用現有數據，對成都市空氣質量進行時空分布和污染天數等研究，通過小波分析、AQI時空分布等方法對成都市區(qū)域的空氣質量進行評價，獲取成都市各區(qū)域空氣質量情況以及污染區(qū)域的時空分布特點，為成都市空氣污染防治提供參考。

1　小波分析原理

小波分析[11]是一種信號的時間—頻率分析方法，具備了多分辨率的優(yōu)點，不僅可以分析同一時間尺度，而且還能夠較為精確地揭示了時間序列中的頻率結構隨著時間變化的規(guī)律[12]。目前，在大氣污染物的變化研究中已有較多運用[13-14]。小波分析的主要思想是用一簇小波函數系來表示或逼近某一信號或函數。因此，小波函數是小波分析的關鍵。具有震蕩性、能夠迅速衰減到零的一類函數即小波函數Ψ(t)∈L2（R），而且滿足：

通過對尺度的伸縮以及時間軸上的平移構成了一簇函數系：

式（2）中：ψa，b（t）為子小波；α為尺度因子，反映小波的周期長度；b為平移因子，反應時間上的平移。

若ψa，b（t）是由（2）式給出的子小波，對于給定的能量有限信號f（t）∈L2（R），其連續(xù)小波可變換為：

式（3）中：Wf（a，b）為小波變換系數[15-16]；f（t）為一個信號或平方可積函數；a為伸縮尺度；b為平移參數；是共軛函數。將小波系數的平方值b在域上積分，就可得到小波方差，即：

小波方差隨尺度α的變化過程，稱為小波方差圖。由式（4）可知，它能反映信號波動的能量隨尺度α的分布。因此，小波方差圖可用來確定信號中不同種尺度擾動的相對強度和存在的主要時間尺度，即主周期。通常，利用Matlab軟件中小波分析和重構的相關程序進行分析。

2　空氣質量指數的時空分布

2.1空間分布研究

成都市作為四川省的省會城市，擁有較大的地理面積，鑒于區(qū)域與區(qū)域之間經濟、社會和自然環(huán)境上的差異，顯然將其作為一個整體進行AQI研究并不科學，不能突出空氣質量較差區(qū)域，不利于對成都霧霾的深入研究[17]。針對這一特殊情況，擬將成都市按其行政區(qū)劃分19區(qū)域，避免整體性掩蓋地區(qū)差異性。AQI在時間上存在差異，為避免在空間上研究結果與實際存在偏差，故引入AQI年平均值作為區(qū)域研究的對象。

首先，收集了成都市2013～2014年的AQI數據進行預處理和統計分析。AQI為空氣質量指數，由圖1可知AQI等級分布。但對數據進行處理之后，成都市各區(qū)域AQI等級集中在二級與三級（即AQI值為80-89和90-99），無法凸顯區(qū)域之間空氣質量的差異，所以擬對AQI以差值10為一個區(qū)間進行等級細化，體現AQI在空間上的差異。

根據細化后的AQI等級，結合處理好的成都市各行政區(qū)AQI均值，繪制出圖1。由圖1可知，成都區(qū)域AQI值整體趨勢由內到外遞減。外圍區(qū)域AQI更低，空氣質量明顯好于市區(qū)，內部空氣污染大于外圍城區(qū)，這與區(qū)域間自然環(huán)境、社會經濟狀況相符。內部區(qū)域人口密度大、產業(yè)發(fā)達、交通擁擠、綠化面積小，導致污染物的擴散與凈化實現更難，將作為節(jié)能減排重點研究區(qū)域。

圖1　成都市各區(qū)域的AQI

2.2成都市各區(qū)域AQI季節(jié)分布情況

研究定義每年的3～5月為春季，6～8月為夏季，9～11月為秋季，12月至次年2月為冬季。將2014年成都市各區(qū)域每日的AQI根據季節(jié)分別統計并繪制出各個季節(jié)的季節(jié)日均值圖，如圖2。

由圖2可知，與AQI的空間分布相似，成都市各區(qū)域不同季節(jié)的日均AQI值仍以內部城區(qū)的較高，且范圍變化不大；一年四個季節(jié)中，AQI按照冬＞春＞夏＞秋的順序排列，其中夏秋季節(jié)高值區(qū)域數值明顯較低；高值區(qū)域與低值區(qū)域數值差異較均衡，冬春季節(jié)略??；冬季成都市各個區(qū)域均有不同程度的空氣污染，春季，除了少部分區(qū)域如都江堰，蒲江縣等未遭受空氣污染外，其余大部分地區(qū)都處于不同程度的污染中。

圖2　成都市各區(qū)域不同季節(jié)的日均AQI值

結合2014年成都市氣象指標統計數據，可以初步理解為進入冬季以后，成都的靜風頻率大幅度增加，較高的相對濕度和日照條件有利于顆粒物吸濕性增加，以及一次污染物向二次污染物的轉換，隨著春節(jié)的來臨，爆竹煙花燃放形成了大量顆粒物。而逆溫現象的大幅度出現，以及成都地處盆地中央“中間低，四周高”的地形都較容易導致可吸入顆粒物在城市上空的聚集，因而空氣質量明顯變差。而進入春末雨水增多，空氣的流動性也增強，均有利于空氣凈化，空氣質量較之冬季有所好轉。

3　小波分析及成都市AQI時變特征

3.1小波分析

AQI為非實測原始數據，很難直觀辨析其趨勢，其值變化的時間序列也很不規(guī)則，研究采用相應的小波變換對時間序列進行分解與重構，可以探求出其本質的變化趨勢。常用的小波函數有很多，研究選用Dau-bechies 小波系（簡稱db小波）對空氣質量變化特征進行分解和重構。該小波是法國學者Daubechies提出的一系列二進制小波的總稱，它是通過一些離散濾波器建立具有緊支集的規(guī)范正交小波，在Matlab軟件中表示為dbN，N 為小波的序號，取值為2，3，…9，10。

3.2基于小波分析對成都市近年空氣質量變化趨勢識別

觀察小波分解的低頻重構圖（圖3）可以看到，成都市AQI時間序列具有一定的年變化、季節(jié)變化規(guī)律。圖3中S表示原始數據信號，是成都市2013～2015年3月20日AQI變化曲線，橫坐標是時間（d）?？諝赓|量變化受許多因素的影響，利用db小波可將這一不同頻率成分組成的復雜時間序列分解成頻率不相同的子序列，包括一個低頻部分a5和5個高頻部分d1、d2、d3、d4、d5。低頻部分a5表現的是信號的主要特征，是主要的穩(wěn)定特征表現，表征了這一時間過程中成都市空氣質量的主要變化趨勢。

圖3　AQI時間序列變化規(guī)律

由圖3可知：（1）從年內來看，成都市空氣質量指數存在著冬高夏低的年際變化特征，空氣污染程度出現兩個高峰期，大致為集中在春冬兩個季節(jié)，尤其是冬季較為嚴重，這與成都市該時期污染物來源及氣象因素有關；（2）從年間來看，a5曲線總體上呈下降趨勢，2014年成都市的污染天數遠少于2013年的污染天數，且2014年空氣質量為優(yōu)的天數遠多于2013年空氣質量為優(yōu)的天數，這顯示出成都市在提高城市空氣質量方面成效顯著。

4　成都市各區(qū)污染輕重天數分布研究

僅僅研究區(qū)域AQI均值忽略了不同日期上的差異，由《環(huán)境空氣質量指數（AQI）技術規(guī)定》可知，AQI值達到100及以上時，空氣質量將達到污染狀態(tài)，對人們的健康造成威脅。為詳細體現成都市區(qū)域污染狀況，所以將AQI達到100及以上時定義為空氣污染。在研究過程中忽略AQI指數100以下天數，分別按照季節(jié)統計各地區(qū)達到污染狀態(tài)的天數，繪制條形柱狀圖，如圖4所示。

圖4　成都市各行政區(qū)不同季節(jié)空氣質量為污染狀態(tài)的天數

根據定義的污染狀態(tài)標準，整理出成都市各區(qū)域在2014年中的污染天數及四季污染天數比重，如圖5和表1所示。由污染天數分布和季節(jié)比重可見，2014年成都市外圍區(qū)域空氣質量達到污染標準的天數較少，城內區(qū)的污染較為嚴重，尤以城北郫縣、溫江、青白江區(qū)等行政區(qū)的污染天數最多。這與區(qū)域間自然環(huán)境、社會經濟狀況相符。內部城區(qū)人口密度大、產業(yè)發(fā)達、交通擁擠、綠化面積小，導致污染物的擴散與凈化更難。其中，成都市城北區(qū)域最近幾年進行改造，加上該地區(qū)本來工業(yè)就較發(fā)達，其污染天數多也符合實際情況。同時，各區(qū)域均普遍在冬春季節(jié)，污染天數比重較大，與上文AQI季節(jié)分布結果一致，兩個指標可以很好地結合起來對區(qū)域空氣質量進行評價。

圖5　成都市各行政區(qū)2014年空氣質量為污染狀態(tài)的天數

表1　成都各區(qū)域不同季節(jié)空氣污染天數所占比重 （%）

5　結　論

運用AQI指數和小波分析對成都市空氣質量進行研究，得到以下結論：

（1）通過對成都市空氣質量均值分析，成都區(qū)域AQI值整體趨勢由內到外遞減。外圍區(qū)域AQI更低，空氣質量明顯好于市區(qū)，內部空氣污染大于外圍城區(qū)，這與區(qū)域間自然環(huán)境、社會經濟狀況相符。

（2）不同季節(jié)，高值區(qū)域分布基本相同，高值區(qū)的范圍變化不大。但同時也可以明顯看出，夏秋季節(jié)高值區(qū)域AQI數值明顯較低。一年四個季節(jié)中，AQI按照冬＞春＞夏＞秋的順序排列。四季中高值區(qū)域與低值區(qū)域數值差異較均衡，冬春季節(jié)略小。冬季，成都市各個區(qū)域均處于不同程度的空氣污染；春季，除了少部分區(qū)域如都江堰，蒲江縣等未遭受空氣污染以外，其余大部分地區(qū)都處于不同程度的污染中。

（3）從年內來看，成都市空氣質量指數存在著冬高夏低的年際變化特征，空氣污染程度出現兩個高峰期，大致為集中在春冬兩個季節(jié)，尤其以冬季較為嚴重，這與成都市該時期污染物來源及氣象因素有關。從年間來看，2014年成都市的污染天數遠少于2013年的污染天數，且2014年空氣質量為優(yōu)的天數遠多于2013年空氣質量為優(yōu)的天數，這表明成都市為提高城市空氣質量水平所做的措施成效顯著。

（4）由污染天數分布和季節(jié)比重可知，2014年成都市外圍區(qū)域空氣質量為污染狀態(tài)的天數較少，城內區(qū)的污染較為嚴重，其中尤以城北郫縣、溫江、青白江區(qū)等行政區(qū)污染天數最多。這與區(qū)域間自然環(huán)境、社會經濟狀況相符。內部城區(qū)人口密度大、產業(yè)發(fā)達、交通擁擠、綠化面積小，導致污染物的擴散與凈化更難。

[1] 楊衛(wèi)芬，沈 琰. 2013 年常州市灰霾天氣特征分析[J]. 環(huán)境科學與技術，2014，（S2）：127-131.

[2] 戴永立，陶 俊，林澤健，等. 2006～2009年我國超大城市霾天氣特征及影響因子分析[J]. 環(huán)境科學，2013，34（8）：2925-2932.

[3] ChanY C，Simpson R W，Mctainsh G H，et al. Source apportionment of visibility degradation problems in Brisbane （Australia） using the multiple linear regression techniques[J]. Atmospheric Environment，1999，33（19）：3237-3250.

[4] 王 珊，修天陽，孫 揚，等. 1960-2012年西安地區(qū)霧霾日數與氣象因素變化規(guī)律分析[J]. 環(huán)境科學學報，2014，34（1）：19-26.

[5] 葉光營，吳毅偉，劉必桔. 福州區(qū)域霧霾天氣時空分布特征分析[J].環(huán)境科學與技術，2010，33（10）：114-119.

[6] 張玉成，李亞濱. 1961-2013年黑龍江省霧霾時空分布特征及影響因子分析[J]. 黑龍江氣象，2014，31（3）：17-19.

[7] 李艷紅，趙彩萍，荊肖軍，等. 太原地區(qū)灰霾天氣特征及影響因子分析[J]. 氣候與環(huán)境研究，2014，19（2）：200-208.

[8] 姚玉剛，鄒 強，陳 誠，等. 蘇州市霾日細顆粒物的化學組分及來源分析[J]. 中國環(huán)境監(jiān)測，2014，（4）：62-68.

[9] Park R J，Jacob D J，Kumar N，et al. Regional visibility statistics in the United States：Natural and transboundary pollution influence，and implications for the regional haze rule[J]. Atmospheric Environment，2006，40（28）：5405-5423.

[10] Schichtel B A，Husar R B，Falke S R，et al. Haze trends over the United States，1980-1995[J]. Atmospheric Environment，2001，35（30）：5205-5210.

[11] 王紅磊，劉 文，全 利. 成都市霧霾期間氣象要素與環(huán)境空氣質量狀況的對比分析[J]. 四川環(huán)境，2013，32（5）：71-76.

[12] 周 偉. 基于MATLAB的小波分析應用（第2 版）[M]. 西安：西安電子科技大學出版社，2010.

[13] 陳 柳，馬廣大. 小波分析在PM10濃度時間序列分析中的應用[J].環(huán)境工程，2006，24（1）：61-63.

[14] 楊書申，陳 兵，邵龍義. 北京市PM10 濃度變化規(guī)律的小波分析[J]. 中原工學院學報，2014，25（1）：39-42.

[15] 陳 娟. MATLAB 在小波分析中的程序設計[J]. 湖南工業(yè)職業(yè)技術學院學報，2006，6（1）：17-18.

[16] 曲貴波，喬 爽，張德生. 小波分析的應用及其MATLAB程序實現[J]. 交通科技與經濟，2004，（6）：39-40.

[17] 梁增強. 京津冀典型城市環(huán)境污染特征、變化規(guī)律及影響機制對比分析[D]. 北京：北京工業(yè)大學，2014.

（責任編輯：成平）

Evaluation?of?Air?Quality?in?Chengdu?City?Based?on?AQI?and?Wavelet?Analysis

ZENG Wei1，LI Yun-zhen2，CHEN Jun-hui2，XU You3，WANG Tao3，ZHOU Ping3
（1. Sichuan branch of Beijing Guohuan Environment Technology Co., Ltd., Chengdu 610021, PRC; 2. Sichuan academy of environmental sciences, Chengdu 610041, PRC; 3. Southwest Jiaotong University,Chengdu 610031, PRC）

The air quality data of Chengdu City were collected by the environmental monitoring station， and the current situation of air quality in Chengdu City was preliminarily understood. From two angles of time and space， the air quality distribution in each area of Chengdu City was analyzed， and the pollution days in each area were compared and studied. The results showed that the air pollution in the peripheral administration area was relatively light， and the pollution in the city administrative area was more serious; in different seasons，the administrative areas of poor air quality were basically the same， and the fluctuation of AQI value was not obvious， the AQI value in four seasons was arranged by the order of winter > spring > summer > autumn. By the wavelet analysis of AQI in Chengdu city in the last two years， found that the air quality was slow to improve， but the overall situation was still not optimistic. The results of regional pollution days showed that Pixian， Wenjiang， Qingbaijiang were the districts that had the largest number of pollution days.

AQI; space-time distribution; wavelet analysis

X513

A

1006-060X（2016）10-0056-05

2016-05-22

成都市科技惠民技術研發(fā)項目（2015-HM01-00019-SF）；成都市軟科學研究項目（2015-RK00-00016-ZF）；四川省科技廳公益性科研院所基本科研項目（2016YSKY0167）

曾 偉（1984-），男，四川彭州市人，工程師，主要從事危險廢物處置，voc處理等研究。

周 平