昆明市PM2.5 時空變化規(guī)律及其預(yù)測模型研究

萬普娟 ,邱飛 ,向峰 ,王健 ,潘春梅 ,朱翔, ,徐麗霞

（1.云南師范大學(xué)地理學(xué)部，云南 昆明 650500；2.云南省生態(tài)環(huán)境監(jiān)測中心，云南 昆明 650034）

0 引言

2015年柴靜的紀(jì)錄片《柴靜霧霾調(diào)查：穹頂之下》引發(fā)了人們對霧霾這一污染天氣的關(guān)注，細(xì)顆粒物濃度不斷積聚是霧霾形成的一個重要因素。細(xì)顆粒物即PM2.5，指的是大氣中直徑≤2.5μm的顆粒物，富含大量的有毒、有害物質(zhì)，且在大氣中停留時間長、輸送距離遠(yuǎn)，因而對大氣環(huán)境質(zhì)量和人體健康產(chǎn)生非常重要的影響[1]。早在1997年，美國就意識到了PM2.5的危害并將其作為空氣質(zhì)量監(jiān)測的指標(biāo)之一[2]，隨后國際上的其他國家也開始先后制定關(guān)于PM2.5的標(biāo)準(zhǔn)。我國對于PM2.5的標(biāo)準(zhǔn)制定得相對較晚一些，2012年國家生態(tài)環(huán)境部發(fā)布《GB-3095-2012環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》[3]第一次將PM2.5納入監(jiān)測指標(biāo)。各省環(huán)保部門主要是通過建立空氣監(jiān)測站點(diǎn)的方式來觀測PM2.5，20世紀(jì)90年代末，云南省開始開展空氣自動監(jiān)測站建設(shè)工作，昆明市作為云南省省會城市，在2013年按《GB-3095-2012環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》開展監(jiān)測評價，實(shí)現(xiàn)了環(huán)境6參數(shù)（PM2.5、PM10、CO、SO2、NO2、O3）以及氣象6參數(shù)（風(fēng)速、氣溫、濕度、風(fēng)向、氣壓、降水量）的逐時監(jiān)測。但是監(jiān)測站點(diǎn)所監(jiān)測到的數(shù)據(jù)只能代表站點(diǎn)所處位置有限范圍內(nèi)的濃度情況，不能宏觀地展出整個區(qū)域的濃度分布以及變化趨勢[4]。通過研究PM2.5的時空分布特征，能直觀地表現(xiàn)大氣污染物在地理位置上濃度值的差異性，更好的分析、描述局部和整體大氣污染物的空間信息。

PM2.5的預(yù)測原理即通過探索影響它質(zhì)量濃度的因素和其歷史監(jiān)測數(shù)據(jù)，以此來建立一個預(yù)測的數(shù)學(xué)模型[5]。對于PM2.5的預(yù)測研究，國內(nèi)外學(xué)者主要采用傳統(tǒng)統(tǒng)計(jì)和機(jī)器學(xué)習(xí)兩種模型。傳統(tǒng)統(tǒng)計(jì)模型主要包括多元線性回歸[6]、時間序列[7]、灰色系統(tǒng)[8]等方法；而機(jī)器學(xué)習(xí)主要是以神經(jīng)網(wǎng)絡(luò)為主[9-10]。本研究以PM2.5濃度數(shù)據(jù)為基礎(chǔ)，結(jié)合昆明市主城區(qū)監(jiān)測站點(diǎn)的經(jīng)緯度坐標(biāo)，利用ArcGIS空間分析功能，借助數(shù)理統(tǒng)計(jì)和地統(tǒng)計(jì)學(xué)方法，從月度、季節(jié)2個時間尺度和區(qū)域空間尺度對2019年1—12月昆明市PM2.5濃度數(shù)據(jù)進(jìn)行分析，探討昆明市PM2.5的時空分布規(guī)律，并建立PM2.5濃度與O3-8h、CO、SO2、NO2、O3、濕度、氣溫和風(fēng)速的預(yù)測模型，旨在合理評估昆明市大氣環(huán)境質(zhì)量變化特征，以期獲得更科學(xué)的昆明市PM2.5時空分布特征以及預(yù)測模型，為昆明市大氣污染治理提供較為科學(xué)的理論依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

昆明市2019年的環(huán)境和氣象監(jiān)測參數(shù)來自國家空氣質(zhì)量監(jiān)測數(shù)據(jù)聯(lián)網(wǎng)管理平臺。環(huán)境監(jiān)測參數(shù)主要包括昆明市主城區(qū)各監(jiān)測站點(diǎn)日均SO2、CO、O3、NO2、O3-8h和PM2.5濃度資料，氣象監(jiān)測參數(shù)包括各監(jiān)測站點(diǎn)日均的濕度、氣溫和風(fēng)速數(shù)據(jù)。昆明市空氣質(zhì)量自動監(jiān)測站位于主城區(qū)的主要有7 個國控點(diǎn)，由于西山森林公園監(jiān)測站點(diǎn)是清潔對照點(diǎn)，所以本研究只選取了呈貢新區(qū)（呈貢區(qū)）、龍泉鎮(zhèn)（盤龍區(qū)）、東風(fēng)東路（盤龍區(qū)）、金鼎山（五華區(qū)）、碧雞廣場（西山區(qū)）、官渡區(qū)博物館（官渡區(qū)）6個站點(diǎn)來進(jìn)行研究，站點(diǎn)的分布如圖1所示。

圖1 昆明市主城區(qū)空氣監(jiān)測站點(diǎn)分布示意圖

1.2 數(shù)據(jù)預(yù)處理

由于氣象變化有延續(xù)性和滯后性，對于有數(shù)據(jù)缺失的日期，采用其相鄰日期的數(shù)據(jù)平均值進(jìn)行替換，求出昆明市主城區(qū)各站點(diǎn)PM2.5的月均值和季均值。由于采用的參數(shù)物理意義不同，導(dǎo)致數(shù)據(jù)的量綱不一定相同，不便于比較，或在比較時難以得到正確的結(jié)論。因此在進(jìn)行雙變量相關(guān)分析時，先進(jìn)行無量綱化的數(shù)據(jù)處理。本研究采用IBM SPSS Statistics 26 工具對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

1.3 雙變量相關(guān)分析

運(yùn)用SPSS雙變量相關(guān)分析對各站點(diǎn)PM2.5月平均濃度和各影響參數(shù)進(jìn)行相關(guān)分析，從而篩選出主要影響因素。選擇Pearson簡單相關(guān)系數(shù)（皮爾遜相關(guān)系數(shù)）≥0.5的影響因素。Pearson簡單相關(guān)系數(shù)的計(jì)算公式[11]如下：

1.4 多元線性回歸分析

多元回歸分析主要是用于處理一個因變量與多個自變量關(guān)系，通過多元回歸分析，能夠得到因變量與自變量的數(shù)量關(guān)系[12]。選取昆明市2019年1—9月數(shù)據(jù)構(gòu)建各個站點(diǎn)PM2.5預(yù)測模型。本研究采用IBM SPSS Statistics 26 工具進(jìn)行多元線性回歸模型的建立。多元線性回歸模型的公式[11]如下：

1.5 反距離權(quán)重插值

在建立空氣質(zhì)量自動監(jiān)測站時不僅要考慮點(diǎn)位的代表性，還要考慮監(jiān)測方法的科學(xué)性，因此不可能在每一個地方都設(shè)立站點(diǎn)[13]。地統(tǒng)計(jì)學(xué)的空間插值法可以通過已知的空間數(shù)據(jù)推求未知的空間特性[14]。本研究利用ArcGIS 10.5的反距離權(quán)重進(jìn)行空間插值，得到昆明市主城區(qū)PM2.5濃度空間分布圖，進(jìn)而直觀地分析其空間分布特性。反距離權(quán)重插值的原理是以點(diǎn)與樣本點(diǎn)間的距離為權(quán)重，然后對距離進(jìn)行加權(quán)平均計(jì)算，離插值點(diǎn)越遠(yuǎn)的樣本點(diǎn)被賦予的權(quán)重越小[15]。

2 時空特征分析

2.1 時間特征分析

2.1.1 昆明市主城區(qū)PM2.5月均值濃度特征

2019年昆明市主城區(qū)PM2.5月均變化濃度如圖2所示。昆明市PM2.5月均濃度在11.45～60.42μg/m3，1—4月PM2.5濃度不斷升高，除龍泉鎮(zhèn)PM2.5濃度在12月出現(xiàn)最高值，其余5個站點(diǎn)在4月均達(dá)到一年中的最大值，4—5月有所下降，5—6月出現(xiàn)大幅度降低，6—7月仍再下降但幅度有所減緩，并且各站點(diǎn)在7月份出現(xiàn)最低值，7—8月開始上升，8—10月緩慢降低，10—12月逐步上升?？傮w而言，昆明市4月PM2.5濃度較高，7月最低；6—11月各站點(diǎn)的PM2.5濃度相對較低，12—5月各站點(diǎn)的PM2.5濃度相對較高。昆明市地處低緯度高原，冬季受大陸季風(fēng)的影響，夏季盛行印度洋季風(fēng)，氣候?qū)賮啛釒Ц咴撅L(fēng)型，干濕季節(jié)分明，干季為11—次年4月，降水稀少，日照充足，晝夜溫差大；濕季為5—10月,降水充沛,日照較少，晝夜溫差小。在氣候的影響下，昆明市PM2.5濃度也具有明顯的季節(jié)分布特點(diǎn)，但昆明市位于中國西南方，春季來得比較早，污染時段與氣候干濕季節(jié)的分布相比稍有滯后，即每年的6—11月濃度較低，12—次年5月濃度較高。碧雞廣場位于市中心，由于道路改造施工、機(jī)動車流量大，工業(yè)揚(yáng)塵和機(jī)動車尾氣排放使得碧雞廣場PM2.5濃度高于其他監(jiān)測站點(diǎn)濃度。

圖2 昆明市主城區(qū)PM2.5月均變化濃度

2.1.2 昆明市主城區(qū)PM2.5季節(jié)變化特征

2019年昆明市主城區(qū)PM2.5季均變化濃度如圖3所示。碧雞廣場、官渡區(qū)博物館和金鼎山PM2.5濃度較高，其余站點(diǎn)濃度相對較低；昆明市主城區(qū)秋季PM2.5的濃度相對較低，而冬季、春季和夏季濃度較高。昆明市經(jīng)濟(jì)發(fā)達(dá)，本地工業(yè)源排放是PM2.5聚集的主要原因，冬半年晝夜溫差大，夜間至早晨小風(fēng)高濕，易形成靜穩(wěn)天氣，不利于污染物的擴(kuò)散；而云南省周邊的東南亞國家由于春耕燃燒大量的生物質(zhì)，在低層偏西風(fēng)作用下，有利于污染物向昆明市擴(kuò)散；另外國家氣候中心的監(jiān)測結(jié)果表明2018年9月進(jìn)入厄爾尼諾狀態(tài)，由于厄爾尼諾暖海溫影響，東亞冬季風(fēng)偏弱，云南省氣溫異常偏高，夏季溫度更是比往年高，降水量異常偏少，氣候干燥，不利于大氣污染物的擴(kuò)散和清除，污染物在低空積聚。所以容易造成昆明市冬季、春季、夏季的PM2.5濃度高于秋季。

圖3 昆明市主城區(qū)PM2.5季均變化濃度

2.2 空間特征分析

2019年昆明市主城區(qū)PM2.5濃度空間分布如圖4所示。五華區(qū)和西山區(qū)PM2.5的濃度較高，而盤龍區(qū)、官渡區(qū)和呈貢區(qū)的濃度相對較低。西山區(qū)春季的濃度相對夏季、秋季和冬季較低，五華區(qū)、盤龍區(qū)和官渡區(qū)在冬季PM2.5濃度較高，呈貢區(qū)的濃度相對其他區(qū)較低。西山區(qū)處于昆明市中心繁華地段，企業(yè)較多、人流量大、機(jī)動車量多等，使PM2.5濃度較高。而昆明市主城區(qū)工業(yè)用地主要集中在五華區(qū)，包括污染型企業(yè)、生物制藥企業(yè)、規(guī)模以上骨干企業(yè)等產(chǎn)生工業(yè)源污染，另外不少重型貨車往返于五華區(qū)產(chǎn)生交通揚(yáng)塵和尾氣排放[16]，造成五華區(qū)的PM2.5濃度較高。

圖4 昆明市主城區(qū)PM2.5空間分布

3 預(yù)測模型研究

本研究選取2019年1—9月數(shù)據(jù)構(gòu)建預(yù)測模型，然后運(yùn)用2019年10—12月的數(shù)據(jù)進(jìn)行精度驗(yàn)證。PM2.5的形成受多種因素影響，為了更好地對PM2.5進(jìn)行預(yù)測，剔除影響因子，先用SPSS雙變量相關(guān)分析對各站點(diǎn)PM2.5月均濃度和環(huán)境及氣象監(jiān)測參數(shù)進(jìn)行相關(guān)分析。設(shè)自變量月均SO2質(zhì)量濃度為X1、月均NO2質(zhì)量濃度為X2、月均O3質(zhì)量濃度為X3、月均CO質(zhì)量濃度為X4、月均O3-8h質(zhì)量濃度為X5、月均氣溫為X6、月均濕度為X7、月均風(fēng)速為X8，因變量月均PM2.5細(xì)顆粒物濃度為Y，雙變量相關(guān)分析結(jié)果如表1所示。各站點(diǎn)月均PM2.5濃度與SO2、NO2、O3、CO、O3-8h、風(fēng)速呈現(xiàn)出正相關(guān)關(guān)系，與濕度呈負(fù)相關(guān)；除碧雞廣場PM2.5濃度與氣溫呈正相關(guān)外，其余5個站點(diǎn)與氣溫呈負(fù)相關(guān)。根據(jù)相關(guān)性分析結(jié)果篩選出各個站點(diǎn)參數(shù)與月均PM2.5的Pearson簡單相關(guān)系數(shù)（皮爾遜相關(guān)系數(shù)）≥0.5的參數(shù)進(jìn)行多元線性回歸分析。

表1 昆明市主城區(qū)各個監(jiān)測站點(diǎn)與相關(guān)參數(shù)的相關(guān)性

各個站點(diǎn)的預(yù)測模型如表2回歸方程所示。金鼎山和碧雞廣場監(jiān)測站點(diǎn)R2在0.95以上，調(diào)整后的R2在0.93以上，說明這兩個站點(diǎn)的模型擬合程度最佳；龍泉鎮(zhèn)和呈貢新區(qū)監(jiān)測站點(diǎn)R2在0.8以上，調(diào)整后的R2在0.7以上，這兩個站點(diǎn)的模型擬合程度也比較好；官渡區(qū)博物館和東風(fēng)東路這兩個站點(diǎn)的R2在0.7以上，調(diào)整后的R2在0.6以上，相比于其他監(jiān)測站點(diǎn)擬合程度較低，但是擬合程度在可靠范圍內(nèi)，可以采用。昆明市主城區(qū)各個監(jiān)測站點(diǎn)的回歸方程不同，可能是由于各個站點(diǎn)所處的地理位置不同，所以它所受到的影響因素，以及因素的影響程度都不盡相同。

表2 昆明市主城區(qū)各個監(jiān)測站點(diǎn)回歸方程

利用表2回歸模型對昆明市主城區(qū)2019年10—12月的PM2.5濃度進(jìn)行預(yù)測，預(yù)測值和真實(shí)值的差異如圖5所示。金鼎山站點(diǎn)的PM2.5預(yù)測值與真實(shí)值相對較接近，模型預(yù)測效果較好；金鼎山、碧雞廣場11月預(yù)測值與真實(shí)值相差較大，其余4個站點(diǎn)12月預(yù)測值與真實(shí)值相差較大；各個站點(diǎn)10月預(yù)測值更準(zhǔn)確，12月份預(yù)測相對較差。

圖5 昆明市主城區(qū)預(yù)測值與真實(shí)值對比

4 結(jié)論

（1）在時間分布上，龍泉鎮(zhèn)PM2.5濃度在12月出現(xiàn)最高值，其余5個站點(diǎn)在4月達(dá)到一年中的最大值，6個站點(diǎn)的濃度均在7月出現(xiàn)最低值；6—11月各站點(diǎn)的濃度相對較低，12—5月各站點(diǎn)的濃度相對較高；昆明市主城區(qū)秋季的濃度相對較低，而冬季、春季和夏季濃度較高。

（2）在空間分布上，五華區(qū)和西山區(qū)PM2.5的濃度較高，而盤龍區(qū)、官渡區(qū)和呈貢區(qū)的濃度相對較低。西山區(qū)春季的濃度相對夏季、秋季和冬季較低，五華區(qū)、盤龍區(qū)和官渡區(qū)則是冬季濃度較高，呈貢區(qū)的濃度相對昆明市其他區(qū)相對較低。

（3）構(gòu)建各個監(jiān)測站點(diǎn)的預(yù)測模型，R2在0.731～0.987，調(diào)整后的R2在0.629以上，模型擬合程度較好。其中金鼎山、碧雞廣場、龍泉鎮(zhèn)和呈貢新區(qū)監(jiān)測站點(diǎn)的擬合效果較好，而官渡區(qū)博物館和東風(fēng)東路站點(diǎn)的擬合效果相對較差。