山西阳泉空气污染特征及其与气象要素的相关性分析

牛俊玫, 吴 瑶, 张 恒, 元 震

(1.山西省阳泉市气象局,山西阳泉045000;2.成都信息工程学院大气科学学院,四川成都610225)

0 引言

阳泉市作为山西省第三大城市,是晋东地区政治、经济、文化和交通中心,又是中国最大无烟煤生产基地,是硫铁矿和铝钒土的生产基地之一,素有“煤铁之乡”的称号,是中国单位面积产煤最多的城市。近年,随着资源性矿产的加速开采和使用,加重了阳泉市大气环境的污染。众所周知,空气污染的防治,根本途径在于城市规划布局尤其是工业区的合理布局,改变燃料结构和燃烧方式,提倡低碳生活,采取减少污染物排放等;但同时,由于污染物在大气中的输送扩散状态受地理环境和气象条件的影响和支配,因而,充分研究地理环境、气象变化与空气污染的相关规律,利用有利的气象条件进行科学合理的排放,趋利避害,也是非常有意义的重要工作。目前,有关气象变化与空气污染的研究已有许多成果,如丁一汇等[1]分析了空气污染与气候变化之间的关系,认为二者在很大程度上具有共同的原因,即主要是由矿物燃料燃烧的排放所造成的;胡春梅等[2]根据地面常规要素、L波段雷达探测资料风速和温度与污染指数的相关性,建立了重庆市空气污染扩散条件的综合气象指数,分类确定其潜势预报指标;尚可政等[3]研究了兰州冬季空气污染与地面气象要素之间的关系,建立了回归模型用于预报污染物浓度;王宏等[4]、曾光平等[5]讨论了福州市空气高污染与气象条件的关系,并利用福州站常规气象资料提出了福州市空气污染浓度的预报方法;赵惠芳等[6]统计分析了晋江市PM10浓度变化与气象要素变化的相关关系;王川[7]等结合西安气象特点,建立了西安空气污染气象条件预报服务系统;于亚薇[9]等也分析了葫芦岛市暴雨与污染物浓度的关系。这些工作基本围绕空气污染与气候变化、空气污染与气象要素、污染物与气象要素、空气污染浓度预报方法及预报服务系统等方面进行。

阳泉市地处黄土高原东缘,地势西高东低,境内地貌以山地为主,地处暖温带半湿润大陆性季风气候区,由于受大陆性季风及复杂地形影响,年均气温最暧处达13.2℃,最冷处仅为2.0℃,年降水量北部多于南部,南北差异可达60mm,可见市内不同地区的气候差异较大。从阳泉市的大气污染环境看,污染源较为单一,主要的影响与矿产资源开采和城市发展有关,气象因素与阳泉空气污染的相关性如何,能否通过气象资料预测污染物或空气污染浓度的变化的研究,对于提高人民生活水平、提供政府决策、促进公共气象服务都是非常有意义的。

1 资料及方法

根据中国空气污染的特点和污染防治重点,省级以下城市目前计入空气污染指数的项目为二氧化硫(SO2)、氮氧化物(NO2)和可吸入颗粒物或总悬浮颗粒物(PM10),预计2013年开始将全面开展PM2.5的监测。文中所用资料为2007～2011年山西阳泉市7个环境监测站(阳泉、市中心、南庄、平潭、大阳泉、赛鱼、白羊墅)的污染监测数据,以及阳泉市地面气象观测资料,包括日最高气温、日最低气温、日平均气温、能见度、日最大风速、平均风速、降水量、总云量、气压、水汽压、相对湿度11类气象要素观测数据。文中首先研究了阳泉市大气污染物及首要污染物的排放特征,然后分析了根据污染物的浓度和污染指数值构建的空气污染指数(API)的变化特征,并利用统计相关分析方法,分析阳泉市大气污染物排放、气象要素与污染指数之间的相关性,最后建立了污染气象预报诊断方程。

文中空气污染指数API的计算方法为:利用公式 Ii=(Ci-Ci,j)/(Ci,j+1-Ci,j)*(Ii,j+1-Ii,j)+Ii,j,计算第i种污染物的污染分指数值,式中:Ci,Ii分别为第i种污染物的浓度值和污染分指数值,Ci,j,Ii,j分别为第i种污染物在J转折点的极限浓度值和污染分指数值,Ci,j+1,Ii,j+1分别为第 i种污染物在J+1转折点的浓度极限值和污染分指数值;然后确认第i种污染物的最大污染分指数值为空气污染指数,即API=max(I1,I2,…Ii,…In);最后参照国家环保总局空气污染指数的定义及分级限制[5,8]将空气质量浓度等级划分为6个等级:空气污染指数API≤50为一级标准,空气质量优;API在51～100为二级标准,空气质量良;API在101～150为三级标准,为轻微污染;API在151～200为四级标准,轻度污染,API在201～300为五级标准,中重度污染,API＞300为六级标准,重污染。

2 阳泉市大气污染物排放及首要污染物特征

2.1 大气污染物的排放特征

表1给出7个环境监测站5年的污染日数统计结果。由表1可见,2007～2011年这5年中阳泉市总体年平均污染日数为35.3d,但污染日数年际差异显著,其中2007年污染日数平均最多为75d,2009年最少为10.3d,年污染日数差异近7倍;从7个监测站的污染日数统计看,平潭、赛鱼、白羊墅和市中心4站年平均污染日数超过40d,分别为60.6d、43d、42.8d、44.6d,而太阳泉年平均污染日数只有5.4d,可见不同站点之间污染差异很大;总体而言,阳泉污染日数的分布显示出沿桃河流域,沿西北地区和市中心污染较为严重的分布特征,形成这种污染分布特征的主要原因可能与平潭、赛鱼、白羊墅3站比较靠近工业矿区有关,而市中心站则与城市中心地带的人口密度大,并日常生活产生的污染物排放量较大有关。

表1 阳泉市7个监测点污染日数(d)

图1给出7个环境监测站年污染日数占全年总日数的百分率在5年中的变化情况,可见7个监测站污染状态的变化趋势是比较一致的。2007～2011年,2007年污染严重,平均污染日百分率达到21%,平潭最高达到37%;随后污染日百分率显著下降,2009年平均污染日百分率不足3%,太阳泉站2008年、2009年2年几乎零污染,全年无污染日,而污染比较严重的白羊墅、平潭站污染日数百分率也一度降至4%;但从2010年开始7个监测站的污染日数又逐渐上升,至2011年7站平均污染日数百分率到达11.5%,其中平潭站污染日数百分率升至24%。阳泉地区污染日数U型分布特征明显,其U型底部分布是否与全球经济的发展如2008年金融危机导致的能源需求下降和山西煤矿安全2008～2009年整顿等有关需要进一步的分析。

图1 阳泉市7个环境监测站的污染日数百分率

2.2 首要污染物特征

图2(a～e)分别为2007～2011年逐年年内污染物SO2、NO2、PM10浓度及空气污染API指数的时间变化曲线,图中污染物浓度也明显显示出2007～2011年这5年的大气污染浓度先减缓降低后又加剧上升这一变化过程。空气质量较好的2009年,3种污染物浓度基本都控制在0.1以下,对应的API指数也在50左右波动,空气质量优。图中还显示出NO2浓度基本保持在0.05以下,而SO2、PM10浓度则在0.05～0.25变化,平均是NO2浓度的2～5倍,可见3种污染物中NO2比重较小。比较图2中5年的年内污染物情况,还显示出年内污染物的变化特征表现为5～10月污染物浓度相对较低,夏秋季节空气质量较好,而11～4月的冬春季节则污染物浓度较高,空气质量较差,为主要污染月份,这可能反映出阳泉地区的污染状况与大气活动的季节变化或大气环流季节演变有一定相关关系,冬季环流更不利于污染物的排放。

图2 2007～2011年各年 SO2、NO2、PM10浓度及 API指数随时间的变化

表2给出SO2和PM10两种污染物在总污染日数中所占比例,由于NO2浓度总体偏小,因而在总的污染日数中所占比例也较小,故未在表中标示。由表2数据可知,SO2和PM10两种污染物是阳泉地区的首要污染物,但PM10作为首要污染物在污染日数中所占比例显著高于SO2,甚至个别站点PM10占比为100%,尤其是2010年和2011年的监测数据中首要污染物PM10占比很高,这也是近年来人们特别关注PM10对空气造成污染的原因之一;但同时也注意到2011年在太阳泉、赛鱼站SO2污染日数超过了PM10,表明在分析首要污染物时SO2也不可忽视。故此,阳泉地区的首要污染物为SO2和PM10。

表2 首要污染物占总污染日数比例

3 大气污染指数(API)与气象要素的相关性分析

图2给出了由3种大气污染物计算得到的大气污染指数API的变化曲线,计算API与首要污染物SO2和PM10浓度的相关系数为0.89和0.92,可见API指数与污染物浓度变化有着很好的对应关系,API指数的增大(减小)能很好地反映污染物浓度的增大(减小),因此,采用能综合反映大气污染强度的API指数代表大气的污染状况进行大气污染与气象要素的相关性研究[10-11]。

3.1 大气污染指数(API)与气象要素总体相关性分析

表3给出11种地面气象要素与7个环境监测站API指数之间月平均状况的相关系数,可以看出气温、降水量、总云量、水汽压和相对湿度与污染指数API呈负相关关系,即气温越高、降水量和水汽压越大、相对湿度越高,越不利于污染物扩散;而能见度、风速、气压与污染指数API值则呈正相关关系,风速的相关系数较大,基本通过0.05的显著性检验,部分站还通过了0.01的显著性检验,相对而言能见度和气压则相关性较弱,特别是气压只有两个站通过0.05的显著性水平检验,在白羊墅站还转为了负相关。从区域相关看,阳泉、市中心、平潭3站的地面气象要素与API值相关性最好,如阳泉站有9个要素、市中心站有10个要素、平潭站全部11个要素都通过了0.01和0.05显著性检验,其余4个站区地面要素与API相关性较弱,反映了远离市区气象要素与污染指数相关性越弱的特征;仅仅从地面要素看,平均风速、日最大风速和相对湿度在7个站都具有很好的相关性,反映了风速和湿度对污染扩散的重要影响。

表3 月平均地面要素与空气污染指数API相关系数

3.2 不同月季大气污染指数与气象要素的相关性分析

图2中显示出年内污染物浓度在5～10月的夏秋季较轻和11～4月的冬春季较重的特征,因而利用日平均污染物指数API资料及7个气象要素资料计算了的相关系数,如表3所示。

3.2.1 冬春季相关性分析

由冬春季(11～4月)日平均地面要素与空气污染指数API相关系数表(表4)可以看出,11月至次年4月API相关性最好的是能见度和总云量,大多数站都通过0.1的显著性检验,相关性较好的站为阳泉、南庄、平潭、赛鱼,平均风速、降水量、日最大风速和相对湿度无一站通过显著性检验。气温、能见度与API成负相关,即气温和能见度越低,越有利于污染物扩散。降水量在冬季一般较少,春季才增多,因此前期对污染的影响较小,气压与API的相关系数也较小,相关性较弱,而总云量与API成明显正相关,即总云量越多,越有利于污染物扩散。

表4 11～4月日平均地面气象要素与空气污染指数API相关系数

3.2.2 夏秋季相关性分析

夏秋季地面要素与各个站的空气污染指数(API)的相关性都加大,特别是阳泉、平谭和赛鱼,除了降水、总云量和气压以外都通过0.05的显著性检验,部分气象要素通过0.01的显著性检验。能见度、平均风速和日最大风速与7个站的API都具有很好的相关性,水汽压次之,而降水量、总云量和气压则相关性最小,与冬春季有所区别。风速、总云量和气压呈正相关,气温、能见度、降水量、水汽压和湿度与API呈负相关。

表5 5～10月日平均地面要素与空气污染指数API相关系数

综上所述,在不同季节各气象要素对空气污染指数(API)的影响有所不同,气温、相对湿度、气压和降水量在全年的相关性都较弱。能见度一年四季的相关性都较好,并一直处于负相关状态,说明能见度越低,越有利于污染物扩散。风速在夏秋季相关性高,为明显的正相关,到冬春季减弱,相关系数较小。总云量基本呈正相关,冬春季云量正相关系数大,影响较明显,夏秋季相关系数较小,影响减弱。

4 大气污染物气象预报模型的建立

根据上述分析,选择空气污染指数(API)以及SO2,PM10和NO2作为污染预报因子建立分季节的回归模型,其监测值取阳泉全市7个站连续24小时的平均值作为日平均空气污染指数和污染物浓度,气象预报因子取2007～2010年的大气本底气象要素监测值,并将2011年部分观测值作为检验数据[12]。

4.1 预报因子的选择

空气污染的浓度与气象条件有密切的关系[1]。利用阳泉市7个大气环境监测点2007～2010年的资料及同时间段11个地面气象要素进行相关性分析,其相关系数如表6。表中显示了污染物浓度的变化与气象要素的变化是相关密切的,因而可以基于这些气象要素作为预报因子研究污染浓度的变化。

表6 阳泉市污染物浓度与气象要素相关系数

预报因子的选择可以基于大气扩散的基本原理去考虑,考虑到大气稳定度和风对大气污染的影响,其两方面都与天气形势有着密切的联系,故气象预报因子的选择首先考虑其物理意义,初选了11种气象因子,分别表示为X1:当日的最低温度(℃);X2:当日的最高温度(℃);X3:前一天20时的能见度(km);X4:当日的平均风速(m/s);X5:当天日平均气温(℃);X6:当天的降水量(mm);X7:当天20时的总云量;X8:当天08时气压(mpa);X9:当天的最大风速(m/s);X10:当日08时水气压(mpa);X11:当日14时相对湿度(%)。

4.2 回归模型的建立

采取逐步回归的统计模型,建立了分冬春季、夏秋季的4种预报量 Y(API、SO2、NO2、PM10),初选预报因子X(11个地面气象要素),其污染指数和污染物浓度定量预报的逐步回归方程。表中列出了4种预报量分季节的回归方程及其复相关系数 R、F值和方程的显著性,其中Fa统一取为7。

表7 回归方程及显著性

4.3 回归方程的预报效果检验

根据上述8个方程,分别选择2011年5～6月(使用夏秋季方程)和11～12月(使用冬春季方程)的气象观测值进行了预报,并将污染物浓度的预报值与同时段阳泉市环境监测站的监测资料值曲线显示在图3～6中,对上述回归方程进行了检验,表明回归方程是可用的。

图3 API监测曲线和回归预报值曲线

图4 SO2监测曲线和回归预报值曲线(单位:mg/m3)

图5 PM10监测曲线和回归预报值曲线(单位:mg/m3)

图6 NO2监测曲线和回归预报值曲线(单位:mg/m3)

从图3～图6的监测值和预报值的对比看,分季方程两个月时间的检验结果表明方程是显著可用的。从检验结果看,图3中空气污染指数API预报值在夏秋季主要落在40～100,监测值落在20～140,冬春季预报值在30～120,监测值落在20～150,预报值反映了回归方程统计计算的集中性特点,API预报准确率到达70%。同样也可以看到,图4中SO2的预报值在夏秋季落在0.02～0.08mg/m3,SO2的监测值落在0～0.1mg/m3,冬春季预报值在0.02～0.11mg/m3,监测值在0～0.14mg/m3,预报值与监测值相比,预报值没有监测值那么分散,预报值较为集中,SO2的平均绝对误差为0.024mg/m3,SO2准确率为80%。图5中PM10的预报值在夏秋季落在0.04～0.12mg/m3,PM10的监测值落在 0.02～0.16mg/m3,冬春季预报值在 0.03～0.18mg/m3,监测值在 0.01～0.18mg/m3预报值与监测值相比,预报值没有监测值那么分散,预报值较为集中,PM10的平均绝对误差为0.058mg/m3,PM10准确率为85%。图6中NO2的预报值在夏秋季季落在0.02～0.04mg/m3,NO2的监测值落在0～0.06mg/m3,冬春季预报值在0.02～0.06mg/m3,监测值在0～0.08mg/m3,预报值与监测值相比,预报值没有监测值那么分散,预报值较为集中,NO2的平均绝对误差为0.022mg/m3,NO2准确率为80%。

以上分析可知,地面气象要素对大气污染物的浓度有很大的影响,在空气污染预报时,在缺少高空气象资料的情况下,如何充分利用现有的地面气象要素,使现有的地面气象资料发挥其应有的价值值得做进一步的研究。

5 结论

(1)阳泉市大气污染日数在2007～2011年表现出U型变化特征和区域分布差异特征,其首要污染物主要为SO2和PM10,甚至PM10的污染比重要大于SO2,这可能与阳泉地区的“煤铁之乡”的资源性开采有关。

(2)阳泉空气污染指数API和SO2、PM10、NO2污染物浓度的变化呈现出比较显著的季节性变化,主要可分为5～10月的夏秋季和11～4月的冬春季,冬春季空气污染较为严重,夏秋季空气质量较好,因此空气污染预报应注意季节差异性。

(3)阳泉空气污染指数与SO2、PM10、NO2污染物浓度的变化与地面气象要素的变化有密切的关系。冬春季影响污染物变化最重要的是能见度、和总云量,夏秋季影响最大的是能见度、风速,但总体看文中研究的11类气象要素都对污染物排放有一定的相关性。因而,通过地面气象要素分季节建立的空气污染和污染物浓度的气象预报回归方程经过检验是显著可用的。

[1] 丁一汇,李巧萍,柳艳菊,等.空气污染与气候变化[J].气象,2009,35(3):3-15.

[2] 胡春梅,刘德,陈道劲.重庆市空气污染扩散气象条件指标研究[J].气象科技,2009,37(6):665-669.

[3] 尚可政,王式功,杨德保,等.兰州冬季空气污染与地面气象要素的关系[J].甘肃科学学报,1999,11(1):1-5.

[4] 王宏,冯宏芳,隋平.福州市空气高污染与气象条件关系[J].气象科技,2009,37(3):676-681.

[5] 曾光平,夏丽花,林祥明,等.福州市空气污染浓度预报方法[J].气象,1999,26(4):25-29.

[6] 赵惠芳,唐会荣,赵应龙,等.晋江市区空气污染事件与气象因子的关系初探[J].环境科学与技术,2010,33(6):133-137.

[7] 王川,刘子臣,孟炜.西安空气污染气象条件预报服务系统[J].陕西气象,2002,(3):19-20.

[8] GB3095-1996,国家环保总局环境空气质量标准[S].

[9] 于亚薇,孟振雄.葫芦岛市空气质量分析及其与暴雨的关系[J].成都信息工程学院学报,2012,27(3):314-317.

[10] 袁美英,周秀杰,张桂华,等.天气形势对哈尔滨市空气质量影响的初步研究[J].气象,2005,31(1):55-58.

[11] 杨元琴,王继志,侯青,等.北京夏季空气质量的气象指数预报[J].应用气象学报,2009,20(6):649-655.

[12] 吴振玲,谢以扬,周惠,等.2003年冬季空气质量趋势预测方法[J].气象,2005,31(10):47-50.