上海市PM2.5变化特征与气象因素相关性分析

孙语茉　张建

摘 要 本文采用统计分析方法对上海市2013年3月2014年2月PM2.5浓度及同时段的气象因素进行相关分析，分季节建立回归模型，得出上海市春夏季PM2.5浓度呈下降趋势，在秋季10月份开始上升，于冬季12月份浓度达到最大值。春季PM2.5浓度的主要影响气象因素为气压和相对湿度，夏季为降雨量和风速，秋季为相对湿度，冬季为气温。

关键词 PM2.5浓度 气象因素 相关性 主成分分析 回归

中图分类号：X16 文献标识码：A DOI：10.16400/j.cnki.kjdkx.2015.01.077

Abstract In this paper， the method of statistical analysis in Shanghai in March 2013 February 2014 PM2.5 concentrations and meteorological factors simultaneously segment correlation analysis， regression models by season， spring and summer come to Shanghai PM2.5 concentration decreased， began to rise in the autumn in October， in the winter in December reached a maximum concentration. The main factors affecting the weather in the spring PM2.5 concentrations for barometric pressure and relative humidity in summer rainfall and wind speed， relative humidity fall， winter temperatures.

Key words PM2.5 concentrations； meteorological factors； correlation； principal component analysis； return

0 引言

PM2.5是指大气中直径小于或等于2.5微米的颗粒物，也称为细颗粒物。研究表明由于PM2.5颗粒直径小且表面积大，易携带大量工业废气等有毒有害物质，对空气质量造成重要影响；且能够穿过鼻毛的过滤作用，经呼吸道进入人体肺组织深处，导致支气管炎和心血管病等发病率增加，对人体健康产生严重危害。①

庄国顺等在研究细颗粒物PM2.5和总悬浮颗粒物TSP的离子化学的结果表明，上海市PM2.5的主要成分是硝酸盐、硫酸盐、铵盐和黑炭。二次气溶胶、矿物、工业和交通排放是上海大气颗粒物污染的主要来源，并且气候因素也是上海市PM2.5浓度的重要影响因素。②

为深入了解上海市气象因素与PM2.5浓度的相关关系，本文对2013年3月～2014年2月上海市空气中PM2.5浓度数据以及同期气象因素进行了统计分析研究，并针对不同的气象条件给出上海控制PM2.5污染状况的建议。

1 数据与方法

1.1 数据选取

上海气候四季分明，各季节气象条件有着显著差别，因而不同季节下气象条件对上海PM2.5浓度的影响不同。本文采取气象划分法对季节进行划分——阳历3～5月为春季，6～8月为夏季，9～11月为秋季，12月来～年2月为冬季，分别研究各个季节内PM2.5浓度的变化特征与气温、气压、降雨量、相对湿度和风速五个气象因素的相关性。

从“PM2.5监测网”中，选取2013年3月～2014年2月一整年上海市十个国控点每天每小时的PM2.5连续自动的检测数据，其中对于有缺失的数据采取线性内插法进行补充。同时通过“中国气象科学数据共享服务网”获得2013年3月～2014年2月上海市每天五个气象条件——气温、气压、降雨量、相对湿度和风速的平均指标值。

1.2 研究方法

首先对上海市PM2.5的总体污染情况进行描述性统计分析，进而对上海市十个国控点PM2.5浓度变化进行一致性和差异性分析，简要得出造成上海市不同区域PM2.5浓度不同的原因。其次，采用主成分分析和回归分析法建立因子（主气象因子）与PM2.5浓度的回归方程，得出不同季节下，对于PM2.5浓度影响最重要的气象因子以及二者之间的相关性。

2 上海市PM2.5污染情况

2.1 上海市PM2.5平均浓度

通过对2013年～2014年上海市九个国控点（青浦淀山湖监控站是国家环境空气质量对照点，所采集的数据未计入平均值，只是作为参考和对照，故该站点的PM2.5浓度未纳入统计中）PM2.5年均值浓度、年最值浓度、年最高值所在月份的统计，得出上海市九个国控点PM2.5年均浓度的平均值为58.6764，年均浓度的变化范围为5.21～473.30。浓度变化范围较大，并且各个站点PM2.5年最高浓度均在冬季内（11月或12月）达到。

我国PM2.5标准采用世界卫生组织设定的最宽限值，《标准》中PM2.5年均值和日均值二级标准分别定为0.035和0.075。③相对于该标准，在所采集的一年内，上海市各个站点PM2.5的年均浓度均出现超标情况，甚至最高的浓度达到标准浓度限值的11.6倍。由此可以看出，上海市空气质量情况不容乐观。

2.2 PM2.5浓度变化趋势一致性

通过对上海市十个国控点PM2.5月均浓度变化做折线图，发现上海市十个监测点的PM2.5总体变化趋势一致。春夏季PM2.5浓度较小，呈下降趋势，自秋季10月，PM2.5浓度急剧上升，在冬季12月份达到最高后开始下降，至2014年2月降低至正常水平。

每小时公布一次的PM2.5实时监测数据，加上气温、气压、相对湿度、降水以及风速在一定范围内波动，以及空气的流动性，导致站与站之间空气质量的差异性不大，很快具有一致性。通过对上海市各站点PM2.5月均浓度计算Pearson相关系数，得出每两个站点间的Pearson相关系数均在0.8以上，由此认为上海市各区域空气污染程度具有较强的相关性。

2.3 国控点地理位置差异性

目前，经环境保护部认定的十个国控点，虽然不是每一个城区都有监测点，但约20平方公里就一个，并且它们都位于城市化程度比较高的中心城区，人口集中、活动强度较大，因此九个国控点基本能反映城市的空气质量状况。④而青浦淀山湖监测站是环境空气质量对照点，所采集的数据只是作为参考和对照。参照上海市国控点空间分布图，可以认为这个布局基本合理，所反映的PM2.5浓度具有代表性。

2.4 国控点PM2.5浓度差异性

根据月均浓度变化折线图，发现青浦淀山湖、静安监测站、徐汇上师大、普陀监测站和卢湾师专附小这五个站点的PM2.5浓度相对较高。

从2013年10月开始，青浦淀山湖对照点PM2.5浓度异常高，上升得十分陡峭。这是由于上海临海，淀山湖监测点频繁受到海陆风影响，不断将市区和周边区域的污染物推送至这里。其次，该监测点离湖仅一公里，水面附近湿度偏高，小颗粒污染物容易粘附水汽，雾霾相对较多。这些因素均可能造成淀山湖PM2.5浓度偏高。⑤

静安监测站、徐汇上师大、普陀监测站和卢湾师专附小这四个国控点都位于居民密集居住区和交通繁忙区，居民、饭店众多，道路密集，车流量较大，其地理环境具有商业、居民和交通的混合性。因此这四个国控点受生活油烟排放、机动车尾气排放和扬尘的影响，导致PM2.5浓度较高。

2.5 季节差异性

通过对PM2.5浓度变化趋势一致性分析，自10月份，十个国控点的PM2.5浓度均开始大幅度提升，冬季12月份浓度达到最高，多个国控点PM2.5小时浓度超过500。其实，上海没有冬季取暖，一年中的污染不应有明显变化，但是却出现了秋冬季PM2.5浓度较高，春夏季浓度相对较低的现象。并且根据有关研究，PM2.5浓度变化的确与季节有关，对人体健康危害较大的Pb、As、Cu、Cr等元素浓度的极大值往往出现在冬季，所以冬季是PM2.5颗粒含量较高的季节。⑥因而上海呈现PM2.5季节差异性。

3 统计模型

先用主成分分析法在气温、气压等五个可测气象变量中找出具有显著影响效力的非可测气象因子；再用回归分析法研究PM2.5浓度与这些气象因子的倚变关系，建立回归模型，进而将回归模型中的自变量还原为原始气象因素，对PM2.5浓度的变化进行解释。为了去除各个气象变量因计量单位不同可能对研究结果造成的影响，先对数据标准化，并进行正态性检验。检验结果显示气象数据和PM2.5数据均为正态分布。此外，对气象数据做了Bartlett球形检验，P值小于0.01，适宜做主成分分析。

3.1 春季

（1）主成分分析。对五个气象因素（气温、气压、相对湿度、降雨量、风速）进行主成分分析，得到相关矩阵方差贡献率。前三个因子的累计贡献率达到85.50%，可以认为选择前三个因子可以较好地反映数据的信息。根据旋转后的因子载荷矩阵可以得到各个因子表达式：

1 = + +

2 = + +

3 = +

（2）回归分析。将提取出的因子、、和PM2.5浓度进行回归分析，第一、二因子回归系数通过检验，而第三因子的回归系数未通过检验。删去第三因子后可以得到因子回归模型：

= +

将因子表达式代入上式，得到最终模型：

= +

（3）模型检验。回归模型的统计量对应的概率值<.0001，说明该模型有显著的统计意义；、的检验值分别为<.0001和0.0003，表明按给定的显著性水平模型中、具有显著性意义；回归模型的标准化残差的绝对值最大为0.4397，没有超过默认值3；同时从标准化残差正态P-P图也可以发现残差具有正态分布的趋势，因此可以认为这个因子回归分析模型是恰当的。

（4）模型分析。从最终建立的模型可以分析出，相对其他几个气象因素，春季PM2.5浓度与气压和相对湿度呈现较显著的相关关系，其中与气压呈负相关，与相对湿度呈正相关。

一般地，气压与PM2.5浓度具有负相关性。这是由于在低气压场天气形势下经常会出现静风现象，而且多有低云阻挡垂直扩散，这就间接造成了空气中污染物不易扩散并逐步积累，PM2.5浓度增大；而强高压天气PM2.5易向外和向上走向高空扩散，PM2.5浓度较小。

相对湿度与PM2.5浓度呈正相关性。因为相对湿度大，大气颗粒物能吸收更多的水分子，凝聚增重粒径变大，污染物不易扩散。当空气中水汽多但是为非降水天气时，空气中的水汽可以使PM2.5在空气中停留，造成污染增大；当出现降水天气时，降水将大气中的污染物夹带、溶解或冲刷下来，使污染物浓度降低。上述回归方程得出的结论符合一般规律。

3.2 夏季

类似地，通过对夏季数据进行分析，将提取出的因子、、和PM2.5浓度进行因子回归分析，发现第一、二因子的回归系数的假设检验有显著意义，可以得到回归模型。再将因子表达式代入，即可得到最终模型：

= +

从最终建立的模型中可以分析出，相对其他几个气象因素来说，夏季PM2.5的浓度与降雨量和风速呈现较显著的相关关系，其中与降雨量呈负相关，与风速呈正相关。

通过对下雨天的统计，上海市一年中共降雨122天，其中夏季降雨最多为39天。降雨时，大气细粒子由于降水的冲刷而随雨水降落到地面，另外部分细粒子可以用于使云凝结和雨滴凝结，因此雨水对于细粒子的清除作用非常显著；降雨过后，温度降低也是使PM2.5浓度保持稳定低值的原因之一。

风速的大小决定了对污染物冲淡稀释作用的大小。据有关研究发现，如果在沙尘天气下，PM2.5浓度在风速为15km/h时出现明显拐点，即风速小于15km/h时对污染物扩散具有稀释作用，PM2.5浓度随风速的增大而降低；当风速大于15km/h时地面起尘会使污染更严重，PM2.5浓度随风速的增大而升高。⑦在对上海市四个季节平均风速和PM2.5浓度描绘的散点图中，也证实了这一结论。通过对上海市风速的统计，夏季有16天风速大于15km/h，其余76天风速均小于等于15km/h，但是在夏季PM2.5与风速呈正相关，因此可以认为在夏季PM2.5的浓度还受其他因素的共同影响。

3.3 秋季

采用同样方法，得到最终模型为：

= + +

从模型可以分析出，相对其它几个气象因素，秋季PM2.5浓度与相对湿度呈较显著的正相关关系，原因与春季相同。

3.4 冬季

最终模型为：

= + +

可以分析出，相对其它几个气象因素，冬季PM2.5浓度与温度呈现较显著的正相关关系。

上海市在2013～2014一年中冬季气温变化区间为-0.118，冬季气温偏暖，风速较小，降雨少，大气扩散条件差，能够造成PM2.5浓度升高，因而冬季PM2.5浓度与温度呈正相关。同时12月份至次年1月份是新年、春节期间，燃放烟花爆竹更容易使空气中污染物增加，PM2.5颗粒物浓度便会在冬季明显上升。

在上面的研究过程中有时会有特殊情况出现，这说明各种气象因素的作用是多方面的综合作用。而且PM2.5的浓度也和其他因素，例如人为的生活垃圾排放、工厂的大量污染物排放等各种无规律的特殊因素有关。

4 上海市控制PM2.5途径

4.1 管理完善

目前，上海市已设立二十多个PM2.5监测点，并且十个国控点空气质量监测站能够实时发布PM2.5浓度数据，但是仍然有公布不及时和数据异常现象。有关部门应该提高环境空气监测预警能力，在公开环境质量信息方面继续严格监管，能够使公众免费、方便获取空气质量历史数据，方便各个领域科研人士进行研究，使其为上海市的环境保护监测能够贡献出自己的力量，避免“心有余而数据不足”的现象发生。

4.2 预报预警

短期来看，污染源排放的污染物总量基本不会变化。但在不利气象条件下，污染物易累积会加重污染。建议上海市政府加大环境质量信息公开的同时，在重污染日采取应对措施，即参照各种气象信息（例如台风、大雪等）发布预警机制，在重污染日不仅要向社会发布空气质量预报预警，还要根据污染特征以及气象因素的影响，有针对性地采取停止部分工业企业生产、停止建筑施工土石方作业等污染减排措施。

4.3 预测提醒

春季中，如果气象局可以预测到气压较低，相对湿度较高，则这一天PM2.5浓度很有可能较高，如果有风，风向能够将郊区工厂、施工地的灰尘吹向市中心，那么PM2.5浓度一定会很大。因此，类似此方法并结合文中研究的各季节内PM2.5浓度与气象因子的很好的相关性，政府可以继续深入研究，更精准地预测出每一天的PM2.5浓度，在每日的天气预报中进行预测提醒，从而为上海市环境改善、人民健康出行提供有利的依据。

基金项目：本文章是2013年度“上海市大学生创新活动计划项目”中201310273054《上海市各区域站点PM2.5的变化特征及其与气象因素的相关性分析》创新训练项目的研究成果，经费来源由2013年度上海市大学生创新项目资助

注释

① 滕博，王贺彬，汪雅芳等.细颗粒物（PM2.5）与呼吸系统疾病的关系及机制.中国实验诊断学，2014（2）.

② Y. Wang；G. S. Zhuang；X. Y. Zhang；K. Huang；C. Xu；A. H. Tang；J. M. Chen；Z. S. An.The ion chemistry；seasonal cycle；and sources of PM2.5 and TSP aerosol in Shanghai， Atmospheric Environment， 2006， 40（16）：2935-2952.

③ 新浪网http：//news.sina.com.cn/c/2011-11-17/034523478393.shtml.

④ 文新传媒http：//www.news365.com.cn/xwzx/sh/201204/t20120407_348182. html.

⑤ 东方早报http：//www.dfdaily.com/html/63/2012/7/16/825175.shtml

⑥ 沈轶，陈立民，郑志坚等.上海市大气PM2.5中Cu、Zn、Pb、As等元素的浓度特征.复旦学报（自然科学版），2002.41（4）.

⑦ 广州市PM2.5变化特征及影响因素研究 http：//wenku.baidu.com/view/3fc0 da75f242336c1eb95eeb.html.