廊坊市大氣污染變化的特征分析

紀詩璇，高清泉，呂宜謙

（廊坊市氣象局，河北 廊坊 065000）

隨著經(jīng)濟的發(fā)展，我國城市化進程加快，城市大氣污染問題日益凸顯。大氣污染對人體健康存在直接或間接的影響，社會關(guān)注度越來越高[1]。大氣污染已經(jīng)對京津冀城市群產(chǎn)生不容忽視的影響[2]，廊坊市位于華北地區(qū)腹部，同樣受到大氣污染的影響，但近年對華北地區(qū)大氣污染物的研究主要集中于北京市、天津市等地[3]。近年來，華北地區(qū)冬季供暖方式發(fā)生調(diào)整，重工業(yè)企業(yè)大量遷移、轉(zhuǎn)型，大氣污染對中小城市的影響不容忽視[4]。因此，研究廊坊市大氣污染現(xiàn)狀，剖析未來污染發(fā)展趨勢，不僅能為廊坊市未來大氣污染防治提供參考，也對進一步研究京津冀地區(qū)大氣污染影響具有重要意義。

1 數(shù)據(jù)來源與處理方法

1.1 數(shù)據(jù)來源

數(shù)據(jù)來源于廊坊市氣象信息共享平臺，以廊坊市國家氣象觀測站內(nèi)大氣成分站SO2、細顆粒物（PM2.5）、可吸入顆粒物（PM10）質(zhì)量濃度的日平均數(shù)據(jù)為基礎(chǔ)，結(jié)合河北省廊坊生態(tài)環(huán)境監(jiān)測中心數(shù)據(jù)，做綜合分析。監(jiān)測時間為2015年1月1日至2018年12月31日。如表1所示，與2014年相比，2015—2018年廊坊市空氣中主要污染物含量逐漸降低，空氣質(zhì)量指數(shù)逐步上升，重污染天數(shù)逐漸減少。2018年，廊坊市PM10、PM2.5、SO2年均濃度分別為97 μg/m3、52 μg/m3、11 μg/m3，與2017年相比分別下降4.90%、13.33%、21.43%。2018年，廊坊市空氣質(zhì)量指數(shù)為5.94，與2017年相比，空氣質(zhì)量有所改善。

表1 2014—2018年廊坊市空氣質(zhì)量對比

2018年，廊坊市完成有效監(jiān)測357 d。其中，2018年優(yōu)良天數(shù)共計222 d，達標率為62.2%，與2017年（214 d）相比，達標天數(shù)增加8 d；2018年輕度污染天數(shù)為89 d，相比2017年（78 d），增加11 d；2018年中度污染天數(shù)為34 d，相比2017年（44 d），減少10 d；2018年重污染天數(shù)合計12 d，與2017年（25 d）相比，減少13 d。

1.2 處理方法

小波分析是大氣污染物監(jiān)測數(shù)據(jù)的常用處理方法。小波函數(shù)是指具有震蕩性且能夠迅速衰減到0 的一類函數(shù)[5]，能夠揭示時間序列（t）中的多種變化周期（L），可以反映系統(tǒng)在不同時間尺度中的變化趨勢。數(shù)學上，定義小波函數(shù)ψ(t)∈L2(R)。其中，R表示實數(shù)集合，表示平方可積的信號空間，函數(shù)L2(R)具有有限能量。滿足式（1）的ψ(t)為小波基函數(shù)，小波基函數(shù)通過尺度的伸展、縮小和時間軸上的平移可以組成一簇函數(shù)系列，如式（2）所示。

式中：ψa.b(t)為子小波函數(shù)；a為尺度因子，可以反映小波的周期長度；b為平移因子，可以反映在時間上的平移。

小波變換是一種時域-頻域局部化方法，其時間窗和頻率窗都可以改變。對于子小波函數(shù)ψa.b(t)，如果定義一個大氣污染物質(zhì)量濃度有限時間序列可積函數(shù)f(t)∈L2(R)，則f(t)的連續(xù)小波變換函數(shù)如式（3）所示。在大氣污染物的實際數(shù)據(jù)處理過程中，常見的時間序列是離散的。若定義時間序列函數(shù)f(kΔt)（k=1,2,3,…,N），則式（3）的離散函數(shù)如式（4）所示。小波變換函數(shù)Wf(a,b)受參數(shù)a和b的影響而發(fā)生變化。若以b為橫坐標，a為縱坐標，繪制Wf(a,b)的二維等值線圖，可得到小波變化系數(shù)圖。

式中：Wf(a,b)為小波變換系數(shù)；f(t)為大氣污染物質(zhì)量濃度有限時間序列可積函數(shù)t的時間序列；a為污染物質(zhì)量濃度時間序列尺度因子；b為污染物質(zhì)量濃度時間序列平移因子；Δt為時間間隔；小波變換系數(shù)Wf(a,b)可以反映時域參數(shù)b與頻域參數(shù)a的特性。

2 結(jié)果分析

2.1 PM10 質(zhì)量濃度時間序列變化特征

首先利用Morlet 小波對2015—2018年P(guān)M10日均質(zhì)量濃度做時間序列變化處理。由于日均質(zhì)量濃度數(shù)據(jù)為有限時間序列，為消除或減小數(shù)據(jù)起點與終點附近可能會產(chǎn)生的邊界效應(yīng)，先用信號延伸功能對兩端數(shù)據(jù)進行延伸處理，最后對邊界效應(yīng)處理后的時間序列（見圖1）進行小波變換。

圖1 PM10 質(zhì)量濃度時間序列變化

由圖1 可以發(fā)現(xiàn)，2015—2018年，大氣污染物PM10日均質(zhì)量濃度存在周期變化，季節(jié)性變化顯著。夏季濃度最低，冬季是一年中污染最嚴重的季節(jié)，存在顯著峰值。根據(jù)日均質(zhì)量濃度，PM10污染天數(shù)呈逐年下降趨勢。

2.2 PM2.5 質(zhì)量濃度時間序列小波變換

根據(jù)式（4），利用小波計算PM2.5質(zhì)量濃度時間序列，得到小波系數(shù)模方等值線圖，即以b為橫坐標、a為縱坐標的時-頻分布圖，如圖2所示。根據(jù)小波系數(shù)模方等值線圖，既可以得到PM2.5質(zhì)量濃度在時間域上的分布規(guī)律，也可以獲得PM10質(zhì)量濃度時間序列上的周期性變化特征，從而明確PM10質(zhì)量濃度在不同時間尺度上的變化趨勢。

圖2 小波系數(shù)模方等值線變化

圖2 顯示，PM10質(zhì)量濃度呈現(xiàn)大小交替的變化規(guī)律。在不同時間尺度上，PM10質(zhì)量濃度也存在顯著的變化。根據(jù)a值，周期變化顯著的區(qū)間有[10，20]、[30，40] 和[50，60]。a介 于10～20 時，2015—2018年均存在顏色最深的等值線，說明有較強的周期變化，周期性明顯，具有全域性，波動較大；a介于30～40 時，2015年、2016年、2018年周期性較強，2015年與2016年尤為明顯，依然存在明顯的周期性；當a介于50～60 時，2017年與2018年P(guān)M10質(zhì)量濃度變化較小，等值線密度及顏色變化不明顯，周期性較弱。

3 結(jié)論

2015—2018年，廊坊市空氣中主要污染物含量逐漸降低，空氣質(zhì)量指數(shù)逐步上升，重污染天數(shù)逐漸減少。2018年，廊坊市空氣中PM10、PM2.5、SO2的年均濃度分別為97 μg/m3、52 μg/m3、11 μg/m3，與2017年相比，分別下降4.90%、13.33%、21.43%。PM10質(zhì)量濃度呈現(xiàn)大小交替的變化規(guī)律，在不同時間尺度上也存在顯著的變化。根據(jù)a值，周期變化顯著的區(qū)間有[10，20]、[30，40]和[50，60]。a介于10～20 時，2015—2018年均存在顏色最深的等值線，說明有較強的周期變化，周期性明顯，具有全域性，波動較大；a介于30～40 時，2015年、2016年、2018年周期性比較強，2015年與2016年尤為明顯，依然存在明顯的周期性。