城市主要气体污染物与PM2.5相关性建模分析

崔淑华，倪艳姝

(东北林业大学 交通学院，哈尔滨 150040)



城市主要气体污染物与PM2.5相关性建模分析

崔淑华，倪艳姝

(东北林业大学 交通学院，哈尔滨 150040)

摘要：PM2.5中的主要无机离子组分及的质量浓度与大气中气态污染物的浓度具有一定的相关性。本文基于北方某城市连续三个月不同监测点的CO、NO2、SO2、O3和PM2.5的浓度监测值，对城市环境中的PM2.5和主要气体污染物日均浓度随时间的变化关系进行相关性分析，并建立PM2.5与CO、NO2、SO2、O3的浓度关系的数学模型。对分析城市中PM2.5的来源、预测和降低城市大气中的PM2.5浓度提供方法和途径。

关键词：PM2.5；气体污染物；相关性；数学模型

0引言

1城市气体污染物与PM2.5的成分及来源

城市气体污染物主要由交通运输、工业生产和生物质燃烧等产生，其中工业生产排放到大气中的污染物种类繁多，有烟尘、SOX、NOX、有机化合物、卤化物和碳化合物等，居民生活和采暖消耗的煤炭会释放大量的灰尘、SO2、CO等有害物质。城市中汽车的量大而集中，产生了大量的CO、NOX、HC和固体悬浮颗粒等[5-7]。空气中NOX和挥发性有机物在一定的气象条件下也会生成大量的O3和其他类有机物，严重影响着城市的空气质量[8]。

2PM2.5与主要气体污染物的相关性研究

分析城市大气中的主要气体污染物浓度与PM2.5浓度的相关性，并建立相关数学模型，可为城市大气中PM2.5浓度的预测和控制奠定理论基础。本文选取北方某城市的主干道路、商业街、公园绿地周边、大型工厂等10个代表监测点的监测数据，选取时段为2014年9月~2014年11月；监测数据包括PM2.5、CO、NO2、SO2、O3浓度。

2.1PM2.5与CO的相关性分析

城市中CO主要来源是汽车排气，其次是锅炉中化石燃料的燃烧。龙连芳等针对广州公交站的空气质量情况进行研究，利用PM2.5和CO测定仪测定空气中PM2.5和CO暴露水平，通过对测定结果的分析，表明CO和PM2.5具有正相关性[13]。图1和图2分别是某城市CO和PM2.5日均浓度随时间的变化曲线、CO与PM2.5的回归曲线图。如图1所示，PM2.5日均浓度范围在8~418 μg/m3之间变化，CO和PM2.5浓度随时间的变化规律大体一致，二者相关系数R=0.86，为强相关。

2.2PM2.5与NO2的相关性分析

大气中的NO2会通过大气化学反应生成二次颗粒物，实现由气体到粒子的相态转换。图3为NO2日均浓度随时间的变化曲线，NO2日均最高值达到129 μg/m3；图4为PM2.5与NO2的相关性曲线。由图可知，PM2.5与NO2日均浓度随时间的变化趋势基本类似，相关系数为R=0.91，有很强的相关性。

图1　CO和PM2.5日均浓度随时间的变化曲线Fig.1 The variation curves of daily average concentrationsof CO and PM 2.5 along with time

图2　CO与PM2.5的回归曲线Fig.2 Regression curve of CO and PM2.5

图3　NO2日均浓度随时间的变化曲线Fig.3 Daily average concentrations of NO2 along with time

2.3PM2.5与SO2的相关性分析

硫酸盐是PM2.5主要化学成分，大气中的SO2可以通过气相或液相氧化反应可直接生成H2SO4，再与大气中的NH3作用产生硫酸铵，所以SO2是形成PM2.5二次颗粒的主要气态前体物。图5为SO2的日均浓度随时间的变化曲线，图6为PM2.5与SO2的相关性曲线。PM2.5与SO2的相关系数R=0.65，为强相关。

图4　NO2与PM2.5的相关性曲线Fig.4 Regression curve of NO2 and PM2.5

图5　SO2日均浓度随时间的变化曲线Fig.5 Daily average concentrations of SO2 along with time

2.4PM2.5与O3的相关性分析

汽车尾气、工业生产活动都会产生大量的挥发性有机污染物(VOCs)和氮氧化物(NOx)，这些污染物会与空气中的O2结合，在阳光辐射和温度的催化下形成O3。O3前体物也是PM2.5二次颗粒物前体物的一种。根据O3与PM2.5的关系也可以判断光化学氧化反应对PM2.5的影响。图7为O3的日均浓度随时间的变化曲线，图8为PM2.5和O3的相关性曲线。PM2.5与O3的相关系数R=0.75，为强相关。

图6　SO2与PM2.5的相关性曲线Fig.6 Regression curve of SO2 and PM2.5

图7　O3日均浓度随时间的变化曲线Fig.7 Daily average concentrations of O3 along with time

图8　O3和PM2.5的相关性曲线Fig.8 Regression curve of O3 and PM2.5

3城市气体污染物的多元线性回归模型建立

用含有多个自由变量的多元线性回归模型，可以揭示出因变量和相应多个自变量之间的线性相关关系，最终由多个自变量的最优组合共同来预测或估计因变量。多元线性回归方程的经验模型如公式(1)：

Y=β0+β1X1+β2X2+β3X3+…+βpXp。

(1)

假设该线性方程有p个自变量X1，…，Xk，βp(i=1,…，p)是回归方程中的偏回归系数。

PM2.5与CO、NO2、SO2、O3的浓度关系的多元线性回归模型可由下列的线性关系公式(2)描述：

Y=β0+β1XCO+β2XNO2+β3XSO2+β4XO3。

(2)

以CO、NO2、SO2、O3的浓度为自变量，PM2.5的浓度为因变量，用SPSS进行多元线性回归求解，建立多元线性回归模型为：

Y=138.15XCO+1.44XNO2+0.34XSO2-0.27XO3-104.27。

(3)

式中：Y、XCD、XNO2、XSO2、XO3分别为PM2.5、CO、NO2、SO2、O3的浓度。在SPSS输出结果中，复相关系数R=0.937，决定系数R2=0.878，由决定系数可以看出回归方程非常显著。同时，方差松验量F=154.451，显著性Sig值=0.000，说明XCO、XNO2、XSO2、XO3整体上对Y有高度显著的线性影响。

图9　基于气态污染物的多元线性回归模型的PM2.5预测值与实测值对比图Fig.9 Comparison of predicted and measured values of PM2.5based on multiple liner regression model of gaseous pollutants

运用PM2.5与CO、NO2、SO2、O3的浓度之间关系的数学模型，模拟计算PM2.5的浓度，并与实测值进行对比。如图9所示，模拟计算结果与实际监测值总体基本吻合。

4结论

本文基于城市大气中PM2.5的生成来源及与城市主要气体污染物浓度间的相关性分析，以北方某城市连续三个月的实际监测数据为例，具体分析了监测时段的PM2.5和主要气体污染物的浓度的相关性，即PM2.5与CO、NO2、SO2、O3的相关系数分别为0.86、0.91、0.65、0.75，具有较强的相关性。基于此，建立了PM2.5与大气主要气体污染物浓度的多元线性回归模型，该模型可定量分析PM2.5和气态污染物的浓度之间关系，对分析城市中PM2.5的来源、预测和降低城市大气中的PM2.5浓度提供方法和途径。

【参考文献】

[1]杨天智.长沙市大气颗粒物PM2.5化学组分特征及来源解析[D].长沙：中南大学，2010.

[2]Lin C H，Wu Y L，Lai C H，et al.Air quality measurements from the southern particulate matter supersite in Taiwan[J].Aerosol and Air Quality Research，2008，8(3)：233-264.

[3]张振华.PM2.5浓度时空变化特性、影响因素及来源解析研究[D].杭州：浙江大学，2014.

[4]邓利群，李红，柴发合，等.北京东北部城区大气细粒子与相关气体污染特征研究[J].中国环境科学，2011，7(2)：1064-1070.

[5]刘杰.北京大气污染物时空变化规律及评价预测模型研究[D].北京：北京科技大学，2015.

[6]袁春欢.哈尔滨市大气可吸入颗粒物组分及来源研究[D].哈尔滨：哈尔滨工业大学，2006.

[7]崔中华，程晓霞，张亚维，等.哈尔滨松北区2007年春季可吸入颗粒物PM10的粒度分布及来源分析[J].环境科学导刊，2008，27(3)：74-76.

[8]谢旻，李明高，朱宽广，等.南京地区光化学污染特征及其变化趋势研究[J].环境科学与技术，2014，11(2)：50-54.

[9]牛彧文，何凌燕，胡敏，等.深圳冬、夏季大气细粒子及其二次组分的污染特征[J].中国科学，2011，2 (2)：173-180.

[10]Lonati G，Cernuschi S，Giugliano M.The duration of PM10 concentration in a large metropolitan area[J].Atmospheric Environment，2011，45(1)：137-146.

[11]Sangil L，Karsten B，Schauer J J，et al.Gaseous and particulate emissions from prescribed burning in Georgia[J].Environmental Science and Technology，2005，39(23)：9049-9056.

[12]徐昶.中国特大城市气溶胶的理化特性、来源及其形成机制[D].上海：复旦大学，2010.

[13]龙连芳，王新明，冯宝志，等.广州市区公交车站PM2.5与CO暴露水平研究[J].环境科学与技术，2010，33(9)：87-94.

The Correlation Analysis of Main Gas Pollutantsand PM2.5 in an Urban City

Cui Shuhua，Ni Yanshu

(Traffic College，Northeast Forestry University，Harbin 150040)

Abstract：The mass concentrations of inorganic ion components in PM2.5 such as and have some relevance with the atmospheric concentration of gaseous pollutants.In this paper，based on the concentration monitoring value of CO，NO2，SO2，O3 and PM2.5 in different monitoring points for three consecutive months in a northern city，the correlation analysis was conducted for the average daily concentrations of PM2.5 and primary gas pollutants in urban environment along with time variation，and the mathematical model of concentration relationship between PM2.5 and CO，NO2，SO2，O3 was established.The study has provided a method and means of analyzing the major source of PM2.5 in cities，as well as forecasting and reducing urban PM2.5 concentrations in the atmosphere.

Keywords：PM2.5；gaseous pollutants；correlation；mathematical model

中图分类号：X 513

文献标识码：A

文章编号：1001-005X(2016)02-0065-04

作者简介：第一崔淑华，硕士，教授。研究方向：汽车节能减排技术。E-mail:601350111@qq.com

基金项目：黑龙江省自然科学基金项目(E201350)

收稿日期：2015-10-20

引文格式：崔淑华，倪艳姝.城市主要气体污染物与PM2.5相关性建模分析[J].森林工程，2016，32(2)：65-68.