基于時(shí)空模型鄭州市PM2.5影響因素研究

(青島大學(xué) 山東 青島 266100)

一、引言

隨著社會(huì)科學(xué)技術(shù)的發(fā)展，伴隨著城市化進(jìn)程的加速，污染氣體的排放問題正在變得越來越嚴(yán)重，生態(tài)安全問題也日趨嚴(yán)重。這一切都在提醒我們關(guān)注空氣質(zhì)量健康，部分城市空氣質(zhì)量堪憂，當(dāng)?shù)氐貐^(qū)以及人民深受其害。通過調(diào)查我們可以發(fā)現(xiàn)，中國(guó)地區(qū)pm2.5分布具有明顯的時(shí)空變異特征，造成這種情況的因素有很多，比如排放源的分布，地形的差異，溫度濕度的差別等。

過去的數(shù)十年內(nèi)，國(guó)外方面對(duì)pm2.5展開了大規(guī)模的研究，研究?jī)?nèi)容包括pm2.5污染特征，pm2.5對(duì)人體能夠造成的影響等方面。相應(yīng)的國(guó)內(nèi)方面主要的研究方向是污染特征，化學(xué)組成，源解析等，在這些方面做了大量研究并取得了一定成果。綜合來看，越來越多的學(xué)者致力于空氣污染的研究工作，數(shù)據(jù)主體正由城市和城市群轉(zhuǎn)向全國(guó)和大區(qū)域，污染物類型也不斷豐富。除了上述所說的污染氣體有重要的影響作用外，氣象條件也是影響空氣質(zhì)量的重要因素，綜合已有的研究結(jié)論可知，氣象條件的確影響細(xì)顆粒物的濃度，因此有必要對(duì)主要?dú)庀笠蛩氐牟煌绊懗潭冗M(jìn)行定量研究。

本文對(duì)空氣中的細(xì)顆粒物PM2.5濃度一年觀測(cè)值進(jìn)行建模，主要目的是研究污染氣體排放濃度和氣象條件對(duì)PM2.5濃度的影響。

二、Pm2.5的理論概述

(一)Pm2.5的含義。PM2.5是指大氣中顆粒物直徑小于或等于2.5m的顆粒物。PM是顆粒物的英文縮寫，PM2.5數(shù)值越高.就標(biāo)明空氣污染越嚴(yán)重。

(二)PM2.5的來源。PM2.5主要來源于發(fā)電廠、工業(yè)生產(chǎn)、汽車尾氣排放的殘留物。主要來自機(jī)動(dòng)車尾氣，燃煤燃燒產(chǎn)生的煙塵、帶有揮發(fā)性的有機(jī)物等。

(三)PM2.5帶來的危害。1.公共危害。城市大規(guī)模的進(jìn)行建設(shè)，城市儼然變成了工地，導(dǎo)致能見度很低，交通事故也頻繁發(fā)生，嚴(yán)重危害了人民群眾的生命財(cái)產(chǎn)安全。2.疾病危害。專家認(rèn)為，PM2.5會(huì)對(duì)呼吸系統(tǒng)和心腦血管系統(tǒng)造成傷害，其中，老人和小孩及心肺疾病患者是易感染的人群。3.健康危害。專家認(rèn)為小于2.5μm的顆粒物，會(huì)引發(fā)哮喘、支氣管炎等疾病，它們會(huì)損害血紅蛋白偷送氧氣的能力，從而產(chǎn)生嚴(yán)重的后果。

三、模型的選擇和建立

(一)模型的選擇。由各空氣監(jiān)測(cè)站PM2.5小時(shí)濃度計(jì)算對(duì)應(yīng)時(shí)段鄭州市總體污染水平,利用單變量方差分析方法,對(duì)鄭州市PM2.5濃度日變化特征和周末效應(yīng)進(jìn)行研究。為降低缺失數(shù)據(jù)的干擾,對(duì)觀測(cè)數(shù)據(jù)量少于12組的予以舍去。

(二)模型的建立。選擇鄭州市每日的平均氣溫、相對(duì)濕度、風(fēng)速、平均海平面氣壓、日照時(shí)數(shù)5項(xiàng)因子,五日內(nèi)降雨量、前一日的PM2.5濃度均值作為BP-ANN預(yù)測(cè)模型的輸入因子,由各測(cè)站小時(shí)實(shí)測(cè)數(shù)據(jù)計(jì)算整個(gè)鄭州市日平均PM2.5濃度,作為輸出因子。數(shù)據(jù)來源自2018年8—12月,以日為單位共得到137組樣本。隨機(jī)抽取80%作為訓(xùn)練數(shù)據(jù),用于構(gòu)建模型;將剩余20%作為模型的驗(yàn)證數(shù)據(jù)。

四、二級(jí)神經(jīng)網(wǎng)絡(luò)具體實(shí)施步驟

(一)數(shù)據(jù)預(yù)處理。本研究即采用3層BP網(wǎng)絡(luò)結(jié)構(gòu),通過模型自動(dòng)尋優(yōu)確定隱含層最佳節(jié)點(diǎn)數(shù)為14,構(gòu)建PM2.5濃度BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型結(jié)構(gòu),所有過程均通過Matlab編程實(shí)現(xiàn)。

(二)網(wǎng)絡(luò)構(gòu)建。對(duì)所構(gòu)建的BP-ANN模型,通過擬合一致性指標(biāo)(D)、平均偏差(MBE)、平均絕對(duì)誤差(MAE)、均方根誤差(RMSE)、相關(guān)系數(shù)(r)共5項(xiàng)因子進(jìn)行模型評(píng)價(jià)。同時(shí)采用逐步回歸方法,構(gòu)建一個(gè)多元線性模型用于比較。利用驗(yàn)證數(shù)據(jù)分別檢驗(yàn)兩模型的擬合度和穩(wěn)定性。

五、結(jié)果討論

(一)PM2.5濃度日變化特征。圖1給出了周末、工作日與國(guó)慶節(jié)不同時(shí)期PM2.5濃度的日變化趨勢(shì)。從相似性角度分析,各時(shí)期細(xì)顆粒物污染日變化均具有明顯單峰分布特征,日平均波動(dòng)幅度為37%,變化顯著。

圖1 鄭州市總體PM2.5濃度日變化趨勢(shì)及周末效應(yīng)研究

從差異性角度分析,國(guó)慶節(jié)期間鄭州市整體細(xì)顆粒物污染日變化顯著,高出周末和工作日平均污染濃度的32.8%。通過單變量方差分析和成對(duì)比較,可以認(rèn)為周末、工作日均與國(guó)慶節(jié)時(shí)期的PM2.5濃度均值有顯著差異,國(guó)慶節(jié)期間空氣污染更為嚴(yán)重。工作日與周末兩個(gè)時(shí)期在圖1中相比,PM2.5濃度表現(xiàn)出前者高后者低的現(xiàn)象，然而從統(tǒng)計(jì)學(xué)角度分析,兩者總體均值無顯著差異,尚不能認(rèn)為鄭州市PM2.5濃度存在明顯“周末效應(yīng)”。

(二)PM2.5濃度空間變化特征。采用IDW算法,對(duì)已知監(jiān)測(cè)站進(jìn)行插值,生成鄭州市PM2.5濃度連續(xù)曲面,進(jìn)行符號(hào)化處理后得到鄭州市細(xì)顆粒物污染空間分布,并對(duì)9個(gè)測(cè)站數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。由數(shù)據(jù)可知,其中鄭紡機(jī)、經(jīng)開區(qū)管委兩測(cè)站PM2.5平均濃度最高,位于遠(yuǎn)郊的對(duì)比監(jiān)測(cè)點(diǎn)崗里水庫,其平均PM2.5濃度并未隨距市中心的距離增大而降低,反而基本持平于觀測(cè)期間鄭州市109.4μg/m3的總體污染水平。結(jié)合本研究觀測(cè)時(shí)期特點(diǎn),城郊及北部農(nóng)村秸稈焚燒現(xiàn)象和崗里水庫附近的燒烤成風(fēng),均對(duì)該地區(qū)PM2.5濃度存在重要貢獻(xiàn);市中心地帶受到燃煤供暖、密集交通影響,污染物排放增加的影響，且觀測(cè)期間鄭州市空氣對(duì)流運(yùn)動(dòng)弱,不易于污染物的擴(kuò)散稀釋,造成了更為嚴(yán)重的二次污染。此外,觀測(cè)期間,鄭州市城區(qū)多處進(jìn)行的地鐵施工、大型建筑施工等建設(shè)所產(chǎn)生的揚(yáng)塵、水泥塵對(duì)PM2.5濃度貢獻(xiàn)也不容忽視。

(三)BP-ANN模型驗(yàn)證。由Pearson相關(guān)系數(shù)可知除五日內(nèi)降雨量因子外,其余因子均通過了顯著性檢驗(yàn)(P<0.05)。結(jié)合具體氣象數(shù)據(jù),表明PM2.5濃度在一定程度上受氣象條件影響,驗(yàn)證了通過氣象數(shù)據(jù)預(yù)測(cè)細(xì)顆粒物污染程度的合理性。

為了更好驗(yàn)證所構(gòu)建BP-ANN模型的優(yōu)劣,采用逐步回歸方法,在SPSS中構(gòu)建多元線性回歸模型用于比較,其最優(yōu)方程為

Y=132.053+0.821X1-6.637X2-0.055X3,(P<0.01)

式中:x1為由各測(cè)站計(jì)算出的整個(gè)鄭州市前一日PM2.5平均濃度(μg/m3),x2為風(fēng)速(km/h),x3為平均海平面氣壓(hPa)。

分別將31組驗(yàn)證數(shù)據(jù)帶入BP-ANN模型和逐步回歸模型,對(duì)各模型的預(yù)測(cè)值和實(shí)際監(jiān)測(cè)值進(jìn)行對(duì)比。

通過計(jì)算兩模型的評(píng)價(jià)指標(biāo)發(fā)現(xiàn)(見表1),在建模階段,BP-ANN模型的擬合一致性指標(biāo)取值表明在建模階段該取值更好地學(xué)習(xí)了樣本規(guī)律;在驗(yàn)證階段,兩模型與觀測(cè)值的Pearson系數(shù)相近,但其平均偏差和均方根誤差均高于后者;分析整個(gè)過程,所構(gòu)建的BP-ANN模型的預(yù)測(cè)結(jié)果與實(shí)際監(jiān)測(cè)值的線性擬合能力(R2=0.759)優(yōu)于回歸模型(R2=0.667)。綜上,所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果能更為精確地模擬鄭州市細(xì)顆粒物污染濃度的分布。

表1 BP-ANN預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)

通過對(duì)觀測(cè)期間鄭州市PM2.5濃度進(jìn)行統(tǒng)計(jì),結(jié)合氣象數(shù)據(jù)、基礎(chǔ)地理數(shù)據(jù)進(jìn)行綜合分析,得到如下結(jié)論:1)觀測(cè)期間鄭州市PM2.5平均濃度為109.4μg/m3,超標(biāo)率為64.2%，污染情況不容樂觀。2)鄭州市PM2.5濃度日變化呈單峰模式，國(guó)慶節(jié)污染程度顯著高于平日,表明人為活動(dòng)的加劇影響PM2.5的排放;周末效應(yīng)則不明顯。3)在氣象因素中,風(fēng)速、相對(duì)濕度、平均海平面氣壓是影響鄭州市PM2.5濃度的主要因子,驗(yàn)證了通過氣象數(shù)據(jù)預(yù)測(cè)細(xì)顆粒物污染程度的科學(xué)性。相對(duì)于傳統(tǒng)回歸模型,BP-ANN模型具備更好的短期預(yù)測(cè)能力。