兰州市气候变化与大气污染关系研究

王莉霞，李建刚，赵 烜

（天水师范学院 资源与环境工程学院，甘肃 天水 741001）

大气污染问题一直是地理学专家研究的一个热点问题，近年来，许多数学方法和计算机技术，如模糊数学、[1-2]GIS 技术、［3］灰色系统［4-5］等应用于大气污染研究和污染变化因素等分析中。但是，在实际的案例分析中，很多方法都只能对某一时刻或者是某一时间段进行大气污染的评测。在特定的气候环境下，大气的空气污染指数会随着季节、时间等发生周期性的变化，［6-8］因此，为了能够达到较为准确的评价效果，本文采用数学中的时间序列分析方法对兰州市大气的污染程度进行评价，该方法能够反映大气污染物的变化规律，为大气环境质量评价和大气污染研究提供另外一种思路。同时利用季节变动预测方法，预测未来几年兰州市大气污染物的情况。

1 研究区概况

兰州市位于东经102°30″～104°30″、北纬35°5″～38°之间，是中国西北地区中心城市。兰州市城区被南北两山夹峙，地形呈东北高，西南低，相对高差超过600m.南北最窄处不足5km，是一东西长、南北窄的带状河谷盆地城市。［11］由于地形封闭，阻挡了气流流通，造成兰州市大风日数极少，全年静风和小风日数占60%以上，平均风速仅0.7m/s.而在污染更为严重的冬季，除遇到寒潮天气之外，几乎见不到风；另一方面容易形成逆温大气，全年约有80%的天数出现逆温，其中夏季占60%，冬季在90%以上。［12］因此，静风现象和逆温现象是兰州市的空气污染的显著特点和主要原因。兰州地处内陆，大陆性特点明显，属温带半干旱气候，全年的降水量较少。［13］兰州市是典型的重工业城市，工业生产结构以电力、石化、建材、金属冶炼、机械和纺织部门为主导，这种第二产业占主导，且呈现出重化工化和高物耗、高污染的产业结构特征和以燃煤为主的能源利用特征是导致兰州城市气候变化和大气污染的主要原因。

2 数据来源及研究方法

2.1数据来源

本文的研究数据大部分来源于1996～2012年的中国统计年鉴、2003～2013甘肃省环境状况公报及兰州市环保局统计的相关资料。

2.2研究方法

地理过程的时间序列分析，就是通过分析地理要素（变量）随时间变化的历史过程，揭示其发展变化规律，并对其未来状态进行预测。［14］为分析时间序列的趋势模式，必须首先了解时间序列的组合成分。一般来说，时间序列由4种成分所构成，分别为：长期趋势、季节变动、循环变动、不规则变动。统计学家根据时间序列四种成分的不同结合方式，而提出了两种时间序列的组合模型，即所谓的加法模型与乘法模型。

加法模型假定时间序列是基于四种成分相加而成的。加法模型的基本假设是：各成分彼此间相互独立，无交互影响，亦即长期趋势并不影响季节变动。若以Y表示时间序列，则加法模型为：Y=T+S+C+I.

乘法模型假定时间序列是基于四种成分相乘而成的。在乘法模型中，各成分之间明显地存在相互依赖的关系，即假定季节变动与循环变动为长期趋势的函数。该模型的方程式为：Y=T×S×C×I.

3 兰州市气候变化和大气污染状况分析

3.1兰州市气候变化分析

3.1.1 气温状况及其变化

分析兰州市近17年的年平均气温变化趋势（图1）可知，近17年来平均气温呈现下降趋势且波动幅度大，达到4.2℃，其中最高均温出现在1998年为11.4℃，最低均温出现在2005年为7.2℃.1996～2012年兰州市最低平均气温总体呈现下降趋势，且波动幅度更大，达到了8.4℃，其中最高均温出现在2001与2003年，为-3.2℃，最低均温出现在2011年，为-11.6℃.1996～2012年兰州市最高平均气温总体呈现出波动下降的趋势，且波动幅度较大，达到了6.9℃，其中最高均温出现在2000年，为26℃，最低均温出现在2005年，为19.1℃.

3.1.2 降水状况及其变化

分析兰州市近17年的年平均降水量变化趋势（图1）可知，1996～2012年兰州市平均降水量总体呈现出波动下降的趋势，且波动幅度很大，达到了1031.9mm，其中最多降水量出现在1999年为1212.9mm，最少降水量出现在2011年为181mm.

根据时序分析的方法，笔者采用乘法模型，以1996～2012年兰州市市气候参数（年平均气温及年平均降水量等参数）为时序数据，选取移动平均法对兰州市气候变化参数进行进一步分析。[14]

如果某时间序列为y1,y2,…,yt,则该序列在t+1时刻的移动平均预测值为：

yt式中：为t点的移动平均值，n为移动时距（点数）。

根据1996～2012年兰州市气候变化数据分析及对移动平均法的理解，笔者选择1999～2012年的值进行模型构建，分析其结果。

图2 兰州市近14年气温移动平均值变化曲线

图3 1999～2012年年份兰州市年降水量实际值与预测值变化趋势

结合图2、图3可知，近十四年来兰州市的降水量和平均气温均呈下降趋势，实际值比预测值波动幅度更大，可见兰州市气候变化较大，再通过结合图1可知兰州市气温总体呈现下降趋势，且气温的年代际变率总体上呈现下降趋势；最低、最高气温的非对称变化较大，未来或仍将继续维持；降水量的年代际变率自1999年以来则表现较为稳定，与西部地区气候变化相比，兰州市近17年气候变化的规律性并不明显。为了寻找兰州气候变化的其他因素，笔者进一步分析与气候较为密切的兰州大气状况。

3.2兰州市大气污染情况分析及未来发展趋势

对兰州市大气污染情况的分析，笔者主要分析2003～2013年兰州市大气中二氧化硫、二氧化氮、可吸入颗粒物（PM10）这三项污染物的含量及空气质量达到及好于二级的天数。

运用时间序列分析的季节变动预测方法，［14］通过处理数据，得到兰州市大气中二氧化硫、二氧化氮、可吸入颗粒物（PM10）及空气质量达到及好于二级的天数的预测模型，预测2014～2016年三年大气主要污染物的变化情况（图4、图5）；然后，运用时间序列分析的趋势线方法，［14］求得好于二级天数的线性方程。

二氧化硫预测模型：y11+k=（0.0512+0.0919k）θk

二氧化氮预测模型：y11+k=（0.0424+0.1043k）θk可吸入颗粒物（PM10）预测模型：

空气质量达到及好于二级的天数的预测模型：

式中θk为校正后的季节性指标。

由图4可以看出在2013年之前兰州市大气中二氧化硫、二氧化氮、可吸入颗粒物（PM10）的含量总体波动不大，其含量都略呈下降趋势，笔者预测2013年之后三年，如果任其继续发展，兰州市主要大气污染物，则会呈现出上升的态势。

由图5可以看出，在2013年之前及未来三年里，兰州市空气质量达到及好于二级的天数，大致呈现出线性增长的态势，且波动变化的趋势较小。笔者预测2013年之后三年，其空气质量达到及好于二级的天数相比2013年会有所减少。

结合图4、图5，笔者可以得出结论：兰州市大气污染物含量与空气质量达到及好于二级的天数呈现正相关关系。

图4 兰州市大气主要污染物变化曲线

图5 兰州市空气质量达到及好于二级的天数变化曲线

3.3大气污染和气候变化之间的关系

为了更好地反映两者之间的关系，运用相关分析方法来处理分析相关数据。［14］

兰州市气候的变化的结果是降水量趋于减少，而气温明显呈现下降趋势，且波动幅度较大。这与全球气候变暖的自然背景不相符合，同时也说明了，在全球气候变暖的同时，局部有些地区气候是变冷的，笔者认为兰州市存在这一变化的原因与兰州市自身的大气状况有密切关系；经过相关分析发现，降水量与气温两要素之间的相关系数为0.302，降水量与气温之间呈现正相关，但相关性不显著。

通过相关分析计算降水量与可吸入颗粒物（PM10）两要素之间的相关系数为-0.202，降水量与可吸入颗粒物（PM10）之间呈现负相关；研究表明大气杂质是大气成云致雨的必要条件，大气杂质中包括微粒，按常理来讲，假设大气中的水汽含量一定，大气杂质将增多，降水量也会随之增多，但是兰州市降水量却不符合这一现象，存在着降水量的不合理。降水量与二氧化硫两要素之间的相关系数为0.44，降水量与二氧化硫之间呈现正相关，对其进行相关系数的检验，可知降水量与二氧化硫之间的相关性不显著；最后计算了降水量与二氧化氮两要素之间的相关系数，为-0.232，降水量与二氧化氮之间呈现负相关，对其进行相关系数的检验，可知降水量与二氧化氮之间的相关性不显著。

进一步分析气温与可吸入颗粒物（PM10）、二氧化硫、二氧化氮的相关关系。气温与可吸入颗粒物（PM10）两要素之间的相关系数为0.023，相关性不显著；气温与二氧化硫两要素之间的相关系数为0.643，相关性显著；最后计算了气温与二氧化氮两要素之间的相关系数为0.483，相关性显著。

4 结 论

本文利用1996～2012年的中国统计年鉴、2003～2013甘肃省环境状况公报及兰州市环保局统计的相关资料与数据，利用时间序列分析与相关分析等方法，并结合图像，对兰州市气候和大气主要污染物进行了定量与定性分析。初步可得到以下结论：

（1）尽管气候数据和大气主要污染物数据较少，但是也有一定优势，通过时间序列分析方法，得出兰州市气候变化的不理想，发现降水量趋于减少同时年代际变率趋向稳定，而气温明显呈现下降趋势，最低、最高气温的非对称变化仍继续维持，波动幅度较大。同时也揭示了在全球气候变暖的同时，兰州市的气候是趋于寒冷。

（2）选择季节变动预测方法，对兰州市大气主要污染物及空气质量达到及好于二级的天数做了三年的预测，得出在2013年之后三年，如果任其继续发展，兰州市主要大气污染物，则会呈现出上升的态势。同时其空气质量达到及好于二级的天数相比2013年会有所减少。可知其大气污染物含量与空气质量达到及好于二级的天数呈现正相关关系。因此，严格控制和减少大气污染物的排放对空气质量有积极意义。

（3）通过相关分析等方法，分别分析了降水量、气候与大气主要污染物之间的相关关系，得出了降水量与气温之间呈现正相关，但是降水量与气温之间的相关性并不显著，说明两者彼此之间影响不大；降水量与可吸入颗粒物（PM10）之间呈现负相关，与二氧化硫之间呈现正相关，与二氧化氮之间呈现负相关，但是相关性都不显著；气温与可吸入颗粒物（PM10）之间呈现正相关，与二氧化氮之间呈现正相关，但其相关性也不显著；同时气温与二氧化硫之间呈现正相关，气温与二氧化硫之间的相关性显著，说明两者彼此之间影响较大。这使得人们认识到大气污染的变化对气候变化有一定影响作用，对保护大气环境具有一定意义。

[1]季奎.模糊数学在大气环境质量评价中的应用[J].环境科学与管理,2006,(6):188-190.

[2]梁淑轩,李占臣,等.环境空气质量动态变化规律的模糊数学综合评价[J].干旱区资源与环境,2010,24(6):77-81．

[3]赵萍,桂和荣.基于GIS技术的城市大气环境质量评价——以淮南市为例[J].环境科学与技术,2002,25(4):24-26.[4]徐卫国,田伟利,等.灰色关联分析模型在环境空气质量评价中的修正及应用研究[J].中国环境监测,2006,22(4):66-69．

[5]郎君,周秀杰.基于有机灰色神经网络模型的空气污染指数预测[J].哈尔滨工业大学学报,2004,36(12):1598-1704.

[6]LEE CHUNG-KUNG.Multifractal characteristic in air pol⁃lutant concentration time series[J].Water,Air,and Soil Pollu⁃tion,2002,(135):389-409．

[7]李天宇,毕经宝.时间序列在秦皇岛港煤尘污染分析中的应用[J].交通环保,2003,24(4):22-23.

[8]黄磊,王踢震.青岛市大气污染时间序列分析预报方法研究[J].青岛海洋大学学报,2001,31(1):14-20．

[9]NEHA KHANNA.Measuring environmental quality:an in⁃dexofpollution[J].EcologicalEconomics,2000,(35):191-202.[10]HARRIN,TERIH,ARIK.Evolving the neural networkmod⁃elfor forecastingairpollution timeseries[J].EngineeingApplicationsof Artificial Intelligence,2004,(17):159-167．

[11]兰州市自然地理志编纂委员会.自然地理志:2卷·兰州市志[M].兰州:兰州大学出版社,1998．

[12]兰州市环境保护志编纂委员会环境保护志·兰州市志[M].兰州:兰州大学出版社,1999．

[13]张镭.兰州城市主要大气污染治理方案和环境效益[J].环境科学学报,2001,21(2):248-250．

[14]徐建华.计量地理学[M].北京:高等教育出版社,2006.