天津市東麗區(qū)主要大氣污染物濃度時(shí)空變化特征及氣象影響要素分析

李明聰，楊妍辰，姜皓嚴(yán)

(天津市東麗區(qū)氣象局 天津300300)

0 引 言

隨著天津市東麗區(qū)經(jīng)濟(jì)的快速發(fā)展及城鎮(zhèn)化規(guī)模的急劇擴(kuò)大，空氣污染事件也急劇增多。根據(jù)天津市環(huán)境監(jiān)測(cè)中心的數(shù)據(jù)，東麗區(qū)2017年上半年P(guān)M2.5月均濃度超標(biāo) 1.0倍，PM10月均濃度超標(biāo) 0.6倍，PM2.5和 PM10已經(jīng)成為影響東麗區(qū)環(huán)境質(zhì)量的重要因素。

國(guó)內(nèi)一些學(xué)者對(duì)京津冀、長(zhǎng)三角等地區(qū)污染天氣的時(shí)空分布特征進(jìn)行了分析[1-4]，還有研究人員通過數(shù)值模擬等方法對(duì)不同地區(qū)污染天氣發(fā)生時(shí)大尺度環(huán)流形勢(shì)、近地層輸送條件等天氣氣候特征進(jìn)行了廣泛研究，其中導(dǎo)致天津地區(qū)產(chǎn)生污染天氣的環(huán)流類型主要分為低壓型、低壓前部型、高壓型、高壓底部型、高壓前部型、均壓場(chǎng)型和弱低壓型[5-6]。

近年來許多學(xué)者對(duì)天津地區(qū)污染天氣特征進(jìn)行了研究。韓素芹等[7]對(duì)天津市 PM2.5的日變化特征、垂直分布特征和擴(kuò)散特征進(jìn)行了一系列系統(tǒng)的研究；姚青等[8]揭示了相對(duì)濕度、風(fēng)向風(fēng)速對(duì)天津地區(qū)污染物濃度的影響；劉麗麗等[9]分析了一次重污染天氣的邊界層特征；汪靖等[10]探討了一次重污染天氣形成的環(huán)流條件和中期預(yù)報(bào)著眼點(diǎn)；蔡子穎等[11]對(duì)不利氣象條件和污染物濃度增加的正反饋?zhàn)饔眠M(jìn)行了研究。

目前的研究多集中于個(gè)例分析，且研究范圍主要為天津市或華北地區(qū)，圍繞天津市區(qū)縣精細(xì)化污染物時(shí)空分布特征及其與氣象要素關(guān)系方面的研究還比較缺乏。本文采用2016年1月～2017年8月東麗區(qū)12個(gè)環(huán)境監(jiān)測(cè)站逐小時(shí)觀測(cè)數(shù)據(jù)，分析東麗區(qū)主要污染物濃度(PM2.5和 PM10)在日、月、季等不同時(shí)間尺度上的變化特征和空間分布特征。結(jié)合同期氣象臺(tái)站逐小時(shí)觀測(cè)數(shù)據(jù)，計(jì)算 PM2.5、PM10濃度超標(biāo)日數(shù)對(duì)應(yīng)日最高氣溫、相對(duì)濕度、風(fēng)速的數(shù)值，通過相關(guān)分析等方法研究不同氣象要素對(duì)污染物濃度的影響，建立氣象要素和污染物濃度之間的多元回歸模型，為東麗區(qū)環(huán)境氣象預(yù)報(bào)服務(wù)提供參考。

1 資料來源和研究方法

1.1 資料來源

本文研究數(shù)據(jù)來源于篩選和剔除掉異常值后的東麗區(qū)環(huán)境監(jiān)測(cè)中心發(fā)布的 2016年 1月～2018年12月東麗區(qū) 12個(gè)市級(jí)環(huán)境監(jiān)測(cè)站 PM2.5和 PM10濃度監(jiān)測(cè)數(shù)據(jù)，以及同一時(shí)期東麗區(qū)國(guó)家一般氣象站觀測(cè)得到的相對(duì)濕度、日照時(shí)數(shù)、2min風(fēng)速、最高氣溫的逐日數(shù)據(jù)和逐小時(shí)數(shù)據(jù)。

1.2 研究方法

本文采用統(tǒng)計(jì)方法計(jì)算東麗區(qū)各主要街道PM2.5和 PM10濃度的分布情況以及日變化曲線。此外，使用相關(guān)分析[12]方法研究了各氣象要素與 PM2.5和PM10濃度的關(guān)系及氣象要素與污染物濃度超標(biāo)的關(guān)系，并且基于逐步多元線性回歸方法[12]建立了各氣象要素和PM2.5、PM10濃度的多元線性回歸模型。

1.3 污染等級(jí)標(biāo)準(zhǔn)

PM2.5和 PM10濃度日值(24h平均濃度)的計(jì)算參考GB 3095—2012《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》[13]和HJ 633—2012《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》[14]，由此得出 PM2.5污染等級(jí)(優(yōu)，0～35μg/m3；良 ，35～75μg/m3；輕 度 污 染，75～115μg/m3；中度污染，115～150μg/m3；重度污染，150～250μg/m3；嚴(yán)重污染＞250μg/m3)和 PM10污染等級(jí)(優(yōu)，0～50μg/m3；良，50～150μg/m3；輕度污染，150～250μg/m3；中度污染，250～350μg/m3；重度污染，350～420μg/m3；嚴(yán)重污染＞420μg/m3)。PM2.5和 PM10日均濃度大于二級(jí)標(biāo)準(zhǔn)(75μg/m3、150μg/m3)即為超標(biāo)。

2 研究結(jié)果

2.1 東麗區(qū)PM2.5和PM10濃度時(shí)空變化特征

2016—2018年?yáng)|麗區(qū)PM2.5和PM10污染狀況明顯緩解?？傮w來看，2018年 PM2.5和 PM10濃度相比于 2016年明顯降低，分別從 83.1、128.5μg/m3降至56.3、89.8μg/m3。超標(biāo)日數(shù)也明顯減少，2018年比2016年超標(biāo)日數(shù)減少約 50%(表 1、表 2)。表明2017、2018年2年?yáng)|麗區(qū)大氣污染防治力度加大，效果顯著，其中，東麗湖街兩類污染物的年均濃度和超標(biāo)日數(shù)都是全區(qū)最低的，其污染物濃度和超標(biāo)日數(shù)在近3年來的降低幅度也是全區(qū)最低的。這可能是由于東麗湖街以濕地和住宅區(qū)為主，沒有較大規(guī)模的工業(yè)生產(chǎn)區(qū)，各項(xiàng)污染防治措施對(duì)其污染緩解的影響有限。對(duì)于以工業(yè)生產(chǎn)為主要經(jīng)濟(jì)產(chǎn)業(yè)的金鐘街和萬(wàn)新街，較大力度的減排措施使這2條街道近3年來污染物濃度和超標(biāo)日數(shù)的降低幅度達(dá)到全區(qū)最高水平。豐年村街、新立街和金橋街污染物濃度和超標(biāo)日數(shù)仍然維持在全區(qū)較高水平并且降幅較小，是今后仍需重點(diǎn)控制排放的地區(qū)。

表1 東麗區(qū)2016—2018年年均PM2.5濃度和年超標(biāo)日數(shù)Tab.1 Annual average of PM2.5 concentration and number of days exceeding standard from 2016 to 2018

空氣污染的季節(jié)性規(guī)律已被人們認(rèn)識(shí)和普遍接受，但在不同地區(qū)空氣污染質(zhì)量季節(jié)分布還是會(huì)有細(xì)小的差異。圖 1給出了東麗區(qū) PM2.5濃度的逐月變化，其中 12月 PM2.5濃度最高，為 91.9μg/m3，8月PM2.5濃度最低，為 49.4μg/m3，最高月是最低月的1.9倍，月際變化較大；總體來看11月至次年3月的PM2.5濃度較其余月份高，是東麗區(qū) PM2.5污染的高發(fā)時(shí)期；夏季大氣層結(jié)不穩(wěn)定，對(duì)污染物濃度擴(kuò)散和清除有一定的影響，PM2.5濃度夏季最低。PM2.5濃度的空間分布大致呈南部城區(qū)和工業(yè)區(qū)高、東北部郊區(qū)濕地低的特征。PM2.5濃度最高的 3個(gè)監(jiān)測(cè)站分別位于南部的無(wú)瑕街、金橋街和萬(wàn)新街，PM2.5濃度最低的 3個(gè)監(jiān)測(cè)站位于北部的東麗湖街、華新街和華明街。

表2 東麗區(qū)2016—2018年年均PM10濃度和年超標(biāo)日數(shù)Tab.2 Annual average of PM10 concentration and number of days exceeding standard from 2016 to 2018

圖1 東麗區(qū)月均PM2.5分布Fig.1 Distribution of PM2.5 monthly average concentration in Dongli

圖 2展示了 PM10濃度的逐月變化。與 PM2.5在冬季濃度較高不同，PM10濃度最高的時(shí)期在春季，以冷空氣活動(dòng)最頻繁的 3月濃度最高，為141.1μg/m3，8月 PM10最低為 73.0μg/m3，月際變化幅度和 PM2.5相似；總體來看12月、3～5月的PM10濃度較其余月份高，是東麗區(qū) PM10污染的高發(fā)時(shí)期?？臻g分布上表現(xiàn)為污染季全區(qū)一致、非污染季節(jié)東部低西部高的特征，其中，金橋街 PM10濃度在各月都較高，需要重點(diǎn)關(guān)注區(qū)域內(nèi)防塵苫蓋作業(yè)的情況。

圖2 東麗區(qū)月均PM10分布Fig.2 Distribution of PM10 monthly average concentration in Dongli

PM2.5濃度的日變化則表現(xiàn)出區(qū)域內(nèi)的東西差異特征，全區(qū)各街道日變化呈“單峰型”的特征(圖3)，大部分街道 PM2.5濃度最高值出現(xiàn)在 8：00，東部東麗湖街的峰值時(shí)間略早，為 7：00；東部東麗湖街、華新街、軍糧城街的 PM2.5濃度最低值出現(xiàn)在 15：00，無(wú)瑕街更早，為 13：00，西部各街道 PM2.5濃度最低值均出現(xiàn)在 16：00及之后。另外東部日變化幅度15μg/m3，比西部日變化幅度低 5μg/m3以上。除東麗湖街外，PM10濃度的日變化呈全區(qū)一致的“兩峰一谷型”特征，PM10濃度最高值基本都出現(xiàn)在7：00和19：00，最低值在 13：00，日變化幅度在 40μg/m3左右。因此，降塵工作需要在早晚的污染物濃度高峰，即 7：00和 19：00前開展。夜間 PM10隨時(shí)間的降低較 PM2.5更為明顯，這與其自身更易沉降的特性也有一定關(guān)系。

2.2 東麗區(qū)PM2.5和PM10濃度與氣象條件的關(guān)系

PM2.5和 PM10的污染狀況是由污染源的分布和排放、氣象要素對(duì)污染物擴(kuò)散條件的影響2方面因素決定。項(xiàng)目主要研究氣象要素與 PM2.5和 PM10濃度的影響。表3給出了PM2.5濃度與不同氣象要素的相關(guān)系數(shù)，可以看出 PM2.5濃度與日最高氣溫、日照時(shí)數(shù)、風(fēng)速呈顯著負(fù)相關(guān)，與相對(duì)濕度呈顯著正相關(guān)，尤其是與風(fēng)速、相對(duì)濕度、日照時(shí)數(shù)相關(guān)性最高。當(dāng)日最高氣溫越低、日照時(shí)數(shù)越少、風(fēng)速越小、相對(duì)濕度越大時(shí)，近地面保持穩(wěn)定的狀態(tài)，不利于 PM2.5在垂直和水平方向的擴(kuò)散，使 PM2.5積聚，不僅保持較高濃度，還易與其他污染物發(fā)生化學(xué)反應(yīng)，增加二次氣溶膠產(chǎn)生的可能性。PM10濃度與日照時(shí)數(shù)、相對(duì)濕度、風(fēng)速呈負(fù)相關(guān)，與日最高氣溫呈正相關(guān)，從全年來看 PM10濃度對(duì)氣象要素的響應(yīng)較差，主要受排放和揚(yáng)塵的影響；但是春季 PM10濃度與氣象要素、尤其是風(fēng)速相關(guān)關(guān)系較好，主要是由于春季冷空氣活動(dòng)頻繁，對(duì)PM10沉降、擴(kuò)散的影響較大。

圖3 東麗區(qū)各街道PM2.5和PM10濃度日變化曲線Fig.3 Daily change curves of PM2.5 and PM10 concentration in Dongli

表3 PM2.5和PM10濃度與各氣象要素的相關(guān)系數(shù)Tab.3 Correlations between PM2.5 and PM10 concentration and meteorological elements

選取 PM2.5和 PM10日均濃度超標(biāo)日(PM2.5＞75μg/m3、PM10＞150μg/m3)，統(tǒng)計(jì)不同污染程度對(duì)應(yīng)的日最高氣溫、日照時(shí)數(shù)、日均相對(duì)濕度和日均風(fēng)速的平均值(表 4、表 5、表 6、表 7)?？傮w來看，當(dāng)東麗區(qū) PM2.5超標(biāo)時(shí)，日最高氣溫為 11～21℃，日照時(shí)數(shù)2～6.5h，相對(duì)濕度 60%～77%，風(fēng)速 1.4～1.8m/s。隨著污染程度加重，日最高氣溫、日照時(shí)數(shù)、風(fēng)速下降，相對(duì)濕度增加，但在重度污染和嚴(yán)重污染時(shí)風(fēng)速條件幾乎相同。這為 PM2.5污染的預(yù)報(bào)提供了一定的思路。當(dāng)預(yù)報(bào)日最高氣溫在 21℃以下、相對(duì)濕度60%以上、風(fēng)力 2級(jí)以下、天空狀況多云到陰時(shí)，PM2.5超標(biāo)發(fā)生的可能性大?？傮w來看，PM10超標(biāo)時(shí)風(fēng)速、日照、日最高氣溫、相對(duì)濕度條件和 PM2.5相似，但污染程度和氣象要素缺少較好的對(duì)應(yīng)關(guān)系，氣象要素隨著污染程度的加重沒有明顯的變化規(guī)律。

表4 PM2.5和PM10濃度超標(biāo)日對(duì)應(yīng)的日最高溫度值Tab.4 Daily maximum temperature corresponding to number of days exceeding standard of PM2.5 and PM10

續(xù)表4

表5 PM2.5和PM10濃度超標(biāo)日對(duì)應(yīng)的日照時(shí)數(shù)Tab.5 Sunshine hour corresponding to number of days exceeding standard of PM2.5 and PM10

表6 PM2.5和PM10濃度超標(biāo)日對(duì)應(yīng)的相對(duì)濕度值Tab.6 Relative humidity corresponding to number of days exceeding standard of PM2.5 and PM10

表7 PM2.5和PM10濃度超標(biāo)日對(duì)應(yīng)的風(fēng)速值Tab.7 Wind speed corresponding to number of days exceeding standard of PM2.5 and PM10

2.3 東麗區(qū)各街道PM2.5和PM10濃度預(yù)報(bào)模型構(gòu)建

使用多元逐步回歸方法，將自變量逐個(gè)引入回歸方程中，每引入一個(gè)自變量后都要進(jìn)行 F檢驗(yàn)，并對(duì)已經(jīng)選入的自變量逐個(gè)進(jìn)行顯著性水平為 0.05的 T檢驗(yàn)，當(dāng)原來引入的自變量由于后面自變量的引入變得不再顯著時(shí)，則將其剔除，以確保每次引入新的自變量之前回歸方程中只包含顯著的自變量。根據(jù)2.2節(jié)中污染物濃度和氣象要素相關(guān)關(guān)系，選擇2016年1月1日～2018年12月31日剔除缺測(cè)值和異常值風(fēng)速、最高氣溫、相對(duì)濕度、日照時(shí)數(shù)以及前一日污染物濃度作為自變量，除開發(fā)區(qū)污染物濃度和氣象要素?zé)o法建立回歸方程外，其他街道的回歸模型各項(xiàng)自變量的回歸系數(shù)都通過了顯著性檢驗(yàn)(顯著性水平α＝0.05)(Y預(yù)測(cè)濃度，C前一天濃度，WS風(fēng)速，RH相對(duì)濕度，TMAX日最高溫度，SS日照時(shí)數(shù))。通過計(jì)算各個(gè)回歸方程的復(fù)相關(guān)系數(shù)(R2)，可知回歸因子可解釋 PM2.5日變化的 45%左右，標(biāo)準(zhǔn)誤差均在30～40，回歸因子可解釋 PM10變化的 35%左右，標(biāo)準(zhǔn)誤差均在 50～60?？煽闯觯琍M2.5的回歸模型較PM10的擬合程度更好。使用方差分析檢驗(yàn)所擬合的各個(gè)回歸模型是否具有統(tǒng)計(jì)學(xué)意義，結(jié)果顯示 F檢驗(yàn)顯著性均小于0.05，因此獲得的回歸模型均具有一定預(yù)測(cè)價(jià)值(表 8、表 9)。對(duì)比 PM2.5、PM10擬合值和實(shí)際濃度，可以看到基于逐步回歸方法得到的預(yù)報(bào)模型針對(duì)實(shí)際污染濃度變化的趨勢(shì)預(yù)報(bào)效果較好，但對(duì)濃度數(shù)值的預(yù)報(bào)偏低，尤其是污染較嚴(yán)重時(shí)，模型常常低估極值。這主要是由于較嚴(yán)重的污染時(shí)常由外源性污染物輸入造成。

表8 PM2.5濃度回歸預(yù)報(bào)模型Tab.8 Regression model of PM2.5 concentration

表9 PM10濃度回歸預(yù)報(bào)模型Tab.9 Regression model of PM10 concentration

3 結(jié) 論

①每年11月至次年3月是東麗區(qū)PM2.5污染的高發(fā)時(shí)期，PM2.5濃度夏季最低。PM2.5濃度的空間分布呈南部高、東北部低的特征。12月、3～5月是PM10污染的高發(fā)時(shí)期?？臻g分布呈現(xiàn)為污染季全區(qū)一致，非污染季節(jié)東部低、西部高的特征。PM2.5濃度的日變化表現(xiàn)出東西差異特征，全區(qū)各街道日變化呈“單峰型”特征。PM10濃度的日變化呈“兩峰一谷型”特征。夜間 PM10隨時(shí)間的降低較 PM2.5更為明顯。

②PM2.5濃度與日最高氣溫、日照時(shí)數(shù)、風(fēng)速呈顯著負(fù)相關(guān)，與相對(duì)濕度呈顯著正相關(guān)，尤其是與風(fēng)速、相對(duì)濕度、日照時(shí)數(shù)相關(guān)性最高。PM10濃度與日照時(shí)數(shù)、相對(duì)濕度、風(fēng)速呈負(fù)相關(guān)，與日最高氣溫呈正相關(guān)。春季 PM10濃度與氣象要素、尤其是風(fēng)速相關(guān)關(guān)系較好。

③當(dāng)東麗區(qū) PM2.5超標(biāo)時(shí)，日最高氣溫通常為11～21℃，日照時(shí)數(shù) 2～6.5h，相對(duì)濕度 60%～77%，風(fēng)速 1.4～1.8m/s。隨著污染程度加重，日最高氣溫、日照時(shí)數(shù)、風(fēng)速下降，相對(duì)濕度增加，但是重度污染和嚴(yán)重污染時(shí)風(fēng)速條件幾乎相同。PM10超標(biāo)時(shí)風(fēng)速、日照、日最高氣溫、相對(duì)濕度條件和 PM2.5相似，但污染程度和氣象要素缺少較好的對(duì)應(yīng)關(guān)系，氣象要素隨著污染程度的加重沒有明顯的變化規(guī)律。

④基于逐步回歸方法得到的預(yù)報(bào)模型針對(duì)實(shí)際污染濃度變化的趨勢(shì)預(yù)報(bào)效果較好，但對(duì)濃度數(shù)值的預(yù)報(bào)偏低，尤其是污染較嚴(yán)重時(shí)，模型常常低估極值。這主要是由于較嚴(yán)重的污染時(shí)常由外源性污染物輸入造成。