基于平均質(zhì)量消光率分析太原重污染時段相對濕度對PM2.5濃度影響

呂 安， 盛若虹， 李曉瑞

(山西省生態(tài)環(huán)境監(jiān)測中心，山西 太原 030027)

引 言

近年來，京津冀及周邊區(qū)域已成為全國大氣污染重災區(qū)，特別是秋冬季以PM2.5為首的重污染天氣頻發(fā)，具有持續(xù)時間長、影響范圍廣、污染程度重的特點，嚴重影響大氣環(huán)境質(zhì)量[1]，危害人民群眾身體健康。太原市是我國能源和重工業(yè)基地，在傳統(tǒng)煤煙型污染未得到徹底解決的情況下，疊加以在京津冀及其周邊、汾渭平原等區(qū)域以PM2.5為代表的區(qū)域性、復合型大氣污染，環(huán)境空氣質(zhì)量形勢異常嚴峻[2]。2019年10月15日至2020年3月15日太原市秋冬季PM2.5累計超標63 d，占總超標天數(shù)94.0%，作為首要污染占超標天數(shù)92.5%，PM2.5平均質(zhì)量濃度75 μg/m3。目前，已有許多學者開展了關于太原市大氣污染物監(jiān)測過程、時空分析特征及影響因素的研究[3-5]。為進一步分析太原市重污染天氣時段相對濕度對PM2.5影響，我們對太原市秋冬季PM2.5濃度與相應時段近地面氣象要素進行Pearson相關分析，建立了PM2.5質(zhì)量濃度與相對濕度和能見度的關系模型，分析了重污染時段相對濕度對PM2.5濃度的影響，以期為太原市重污染天氣預警提供積極有效的支撐。

1 數(shù)據(jù)來源

空氣質(zhì)量監(jiān)測數(shù)據(jù)為中國生態(tài)環(huán)境監(jiān)測總站發(fā)布的太原市小店點位逐小時PM2.5質(zhì)量濃度，氣象觀測數(shù)據(jù)由小店國家一般氣象站(37°45′N，112°33′E)提供。

2 PM2.5濃度與相對濕度相關性分析

2.1 PM2.5濃度變化特征

2019年-2020年秋冬季，太原市小店地區(qū)PM2.5呈“⌒”變化趨勢，2020年1月上中旬達到年度最高水平。2019年10月太原PM2.5平均質(zhì)量濃度在50 μg/m3左右，11月上旬有明顯陡升過程，可能與剛進入采暖期污染物排放量增加有關，之后PM2.5濃度呈緩慢上升趨勢。2020年1月太原進入重污染天氣高發(fā)期，小店點位PM2.5濃度顯著上升，由80 μg/m3左右迅速上升達到150 μg/m3左右，2月污染程度有所緩解，3月PM2.5回落至10月中下旬水平。

2.2 PM2.5濃度近地面氣象要素相關性

城市大氣污染物濃度由排放源、區(qū)域傳輸和大氣擴散能力三方面共同決定，污染物的聚集、傳輸和擴散與近地面氣象要素密切相關，當污染源相對穩(wěn)定時，氣象條件成為影響城市空氣污染的主導因素[6-7]。對小店環(huán)境空氣監(jiān)測點位2019年10月15日至2020年3月15日PM2.5小時濃度與相應時段近地面氣象要素進行Pearson相關分析，結果表明，秋冬季PM2.5小時濃度與濕度正相關，與能見度、風速、溫度負相關，與氣壓和降水無顯著相關性。考慮單點瞬時值受實時氣象條件影響代表性較差，本文引入旬小時平均濃度，將每月數(shù)據(jù)分為三段(上旬、中旬、下旬)統(tǒng)計PM2.5小時平均濃度，用以表征該點短時段的集中趨勢。Pearson相關分析表明，PM2.5小時平均濃度與濕度、氣壓和降水量正相關，與能見度、風速、溫度負相關。其中，能見度與顆粒物濃度、濕對濕度相關性較強(表1、圖1)。

表1 2019年-2020年秋冬季小店站PM2.5濃度與地面氣象要素相關系數(shù)

圖1 2019年10月至2020年3月PM2.5濃度與能見度、相對濕度及風速的時間變化

3 影響分析模型建立

能見度受相對濕度和顆粒物濃度影響，2.2的相關分析也表明PM2.5濃度與相對濕度和能見度有明顯著的相關性。假設大氣中所有氣溶膠顆粒成分相同，且顆粒物形狀呈均勻球體的理想狀態(tài)，根據(jù)Mie散射理論，大氣氣溶膠有消光系數(shù)β和能見度r存在式(1)關系，環(huán)境條件下混合氣溶膠的平均質(zhì)量消光效率E可用式(2)描述，β是氣溶膠粒子整體的消光貢獻，本文用PM2.5代替?；谄骄|(zhì)量消光效率的吸濕增長因子RE用式(3)表示。那么在相對濕度為RH條件下，吸濕增長因子RE與PM2.5濃度呈正相關與能見度呈負相關見式(4)。

(1)

(2)

(3)

(4)

式(3)和式(4)中，E(RH)、RE(RH)、r(RH)、CPM(RH)分別表示在相對濕度為RH條件下的平均質(zhì)量消光效率、平均質(zhì)量消光效率的吸濕增長因子、能見度和PM2.5質(zhì)量濃度。E(dry)、r(dry)、CPM(dry)分別表示干燥條件下(RH<40%)的平均質(zhì)量消光效率、能見度和PM2.5質(zhì)量濃度。

目前，國際上關于氣溶膠吸濕增長模型的研究主要指氣溶膠散射吸濕增長因子R(RH)，較為常用的模型有4種[8-9]，見第165頁表2。雖然模型4對氣溶膠散射吸濕增長的模擬更為準確、擬合效果更好，但模型1和模型2形式更簡潔，應用更廣泛。

基于平均質(zhì)量消光效率的吸濕增長因子與相對濕度分布關系(第165頁圖2)擬合吸濕因子模型，擬合發(fā)現(xiàn)，在40%≤RH≤95%時擬合效果較好，相關系數(shù)R2>0.8，那么，相對太原市南部空氣干燥條件下(RH<40%)的吸濕吸增長因子可用第165頁式(5)表示，相對濕度由RH1變至RH2時對顆粒物濃度影響可用第165頁式(6)表示。根據(jù)式(4)和式(5)，推導PM2.5質(zhì)量濃度與相對濕度和能見度的關系模型第165頁式(7)，那么，在濕度一定時，顆粒物濃度與能見度呈負相關。根據(jù)不同濕度水平繪制能見度與PM2.5濃度相關圖(第165頁圖3)，擬合出能見度與PM2.5的相關模型第165頁式(8)，擬合因子c、d值見第165頁表3，當相對濕度<95%時，擬合效果較好；濕度大于95%，相對濕度與PM2.5濃度關系需進一步研究。

表2 常見吸濕增長模型適用性比較

表3 相對濕度對PM2.5濃度變化影響

R(RH)=aRHb

(5)

f(RH2,RH1)=a(RH2b-RH1b)/(1-RH)-2

(6)

CPM(RH)=CPM(dry)r(dry)/r(RH)R(RH)

(7)

r(CPM,RH)=cCPMd

(8)

式(5)～式(8)中，R(RH)表示氣溶膠散射吸濕增長因子，a、b、c、d為擬合因子，為相對濕度對顆粒物濃度變化的影響率；r(RH)，CPM(RH)分別表示在相對濕度為RH條件下能見度和PM2.5質(zhì)量濃度；r(dry)，CPM(dry)分別表示干燥條件下(RH<40%)能見度和PM2.5質(zhì)量濃度；r(CPM,RH)表示在一定濕度條件下能見度與PM2.5的質(zhì)量濃度關系。

圖2 相對濕度與吸濕因子相關性

圖3PM2.5濃度與能見度的相關

4 結果分析

排除強沙塵過程影響，太原市2019年-2020年秋冬季在干燥條件下，即，相對濕度小時值低于40%時，能見度小時平均值為24.39 km，PM2.5小時平均質(zhì)量濃度為34 μg/m3。考慮RH接近100%可能出現(xiàn)降水過程，對大氣污染物起到一定的消除作用，因此在計算相對濕度和能見度對PM2.5的影響時扣除RH>99%時統(tǒng)計結果。根據(jù)太原市實際數(shù)據(jù)擬合吸濕增長因子R(RH)模型，確定a=7.612，b=12.954。當5%≤RH<99%時，相對濕度與吸濕因為子的相關系數(shù)為0.730，當40%≤RH<95%時，相對濕度與吸濕因子的相關系數(shù)為0.867，擬合效果較好。由表3知RH≤60%，顆粒物吸濕增長較弱對空氣質(zhì)量影響較小；RH>60%吸濕增長作用將促進PM2.5質(zhì)量濃度上升，且相對濕度越大，PM2.5質(zhì)量濃度增長越快；當相對濕度由80%升至95%時，吸濕增長可能使PM2.5質(zhì)量濃度上升200%以上。當RH>95%時，吸濕因子擬合相關性下降，具體影響需進一步研究。

5 結論

1) 通過建立數(shù)學模型分析，秋冬季PM2.5濃度與相對濕度顯著相關，根據(jù)太原市實際數(shù)據(jù)擬合吸濕增長因子R(RH)模型，a=7.612，b=12.954。當5%≤RH<99%時，相對濕度與吸濕因子的相關系數(shù)為0.730；40%≤RH<95%時，相對濕度與吸濕因為子的相關系數(shù)為0.867；當RH≥95%，相關性較差，特別是RH接近100%時，可能出現(xiàn)降水過程，對大氣污染物產(chǎn)生一定的清除作用，吸濕增長模型不適用，需進一步研究。

2) RH≤60%，顆粒物吸濕增長較弱對空氣質(zhì)量影響較??；RH>60%吸濕增長作用將促進PM2.5濃度上升，且相對濕度越大，PM2.5濃度增長越快；當相對濕度由80%升至95%時，吸濕增長可能使PM2.5濃度上升200%以上。建議在重污染天天氣預報中進一步關注相對濕度的變化，提前采取措施控制相對干燥條件下PM2.5濃度，至少低于重度濃度限值的三分之一。

3)2019年-2020年秋冬季，太原市南部地區(qū)PM2.5呈“⌒”變化趨勢，11月上旬有明顯陡升過程，與進入采暖期污染物排放量增加有關，需進一步加強對供暖期間廢氣穩(wěn)定達標排放和冬季廢氣污染源排放的監(jiān)管。