基于平均质量消光率分析太原重污染时段相对湿度对PM2.5浓度影响

吕 安， 盛若虹， 李晓瑞

(山西省生态环境监测中心，山西 太原 030027)

引 言

近年来，京津冀及周边区域已成为全国大气污染重灾区，特别是秋冬季以PM2.5为首的重污染天气频发，具有持续时间长、影响范围广、污染程度重的特点，严重影响大气环境质量[1]，危害人民群众身体健康。太原市是我国能源和重工业基地，在传统煤烟型污染未得到彻底解决的情况下，叠加以在京津冀及其周边、汾渭平原等区域以PM2.5为代表的区域性、复合型大气污染，环境空气质量形势异常严峻[2]。2019年10月15日至2020年3月15日太原市秋冬季PM2.5累计超标63 d，占总超标天数94.0%，作为首要污染占超标天数92.5%，PM2.5平均质量浓度75 μg/m3。目前，已有许多学者开展了关于太原市大气污染物监测过程、时空分析特征及影响因素的研究[3-5]。为进一步分析太原市重污染天气时段相对湿度对PM2.5影响，我们对太原市秋冬季PM2.5浓度与相应时段近地面气象要素进行Pearson相关分析，建立了PM2.5质量浓度与相对湿度和能见度的关系模型，分析了重污染时段相对湿度对PM2.5浓度的影响，以期为太原市重污染天气预警提供积极有效的支撑。

1 数据来源

空气质量监测数据为中国生态环境监测总站发布的太原市小店点位逐小时PM2.5质量浓度，气象观测数据由小店国家一般气象站(37°45′N，112°33′E)提供。

2 PM2.5浓度与相对湿度相关性分析

2.1 PM2.5浓度变化特征

2019年-2020年秋冬季，太原市小店地区PM2.5呈“⌒”变化趋势，2020年1月上中旬达到年度最高水平。2019年10月太原PM2.5平均质量浓度在50 μg/m3左右，11月上旬有明显陡升过程，可能与刚进入采暖期污染物排放量增加有关，之后PM2.5浓度呈缓慢上升趋势。2020年1月太原进入重污染天气高发期，小店点位PM2.5浓度显著上升，由80 μg/m3左右迅速上升达到150 μg/m3左右，2月污染程度有所缓解，3月PM2.5回落至10月中下旬水平。

2.2 PM2.5浓度近地面气象要素相关性

城市大气污染物浓度由排放源、区域传输和大气扩散能力三方面共同决定，污染物的聚集、传输和扩散与近地面气象要素密切相关，当污染源相对稳定时，气象条件成为影响城市空气污染的主导因素[6-7]。对小店环境空气监测点位2019年10月15日至2020年3月15日PM2.5小时浓度与相应时段近地面气象要素进行Pearson相关分析，结果表明，秋冬季PM2.5小时浓度与湿度正相关，与能见度、风速、温度负相关，与气压和降水无显著相关性。考虑单点瞬时值受实时气象条件影响代表性较差，本文引入旬小时平均浓度，将每月数据分为三段(上旬、中旬、下旬)统计PM2.5小时平均浓度，用以表征该点短时段的集中趋势。Pearson相关分析表明，PM2.5小时平均浓度与湿度、气压和降水量正相关，与能见度、风速、温度负相关。其中，能见度与颗粒物浓度、湿对湿度相关性较强(表1、图1)。

表1 2019年-2020年秋冬季小店站PM2.5浓度与地面气象要素相关系数

图1 2019年10月至2020年3月PM2.5浓度与能见度、相对湿度及风速的时间变化

3 影响分析模型建立

能见度受相对湿度和颗粒物浓度影响，2.2的相关分析也表明PM2.5浓度与相对湿度和能见度有明显著的相关性。假设大气中所有气溶胶颗粒成分相同，且颗粒物形状呈均匀球体的理想状态，根据Mie散射理论，大气气溶胶有消光系数β和能见度r存在式(1)关系，环境条件下混合气溶胶的平均质量消光效率E可用式(2)描述，β是气溶胶粒子整体的消光贡献，本文用PM2.5代替。基于平均质量消光效率的吸湿增长因子RE用式(3)表示。那么在相对湿度为RH条件下，吸湿增长因子RE与PM2.5浓度呈正相关与能见度呈负相关见式(4)。

(1)

(2)

(3)

(4)

式(3)和式(4)中，E(RH)、RE(RH)、r(RH)、CPM(RH)分别表示在相对湿度为RH条件下的平均质量消光效率、平均质量消光效率的吸湿增长因子、能见度和PM2.5质量浓度。E(dry)、r(dry)、CPM(dry)分别表示干燥条件下(RH<40%)的平均质量消光效率、能见度和PM2.5质量浓度。

目前，国际上关于气溶胶吸湿增长模型的研究主要指气溶胶散射吸湿增长因子R(RH)，较为常用的模型有4种[8-9]，见第165页表2。虽然模型4对气溶胶散射吸湿增长的模拟更为准确、拟合效果更好，但模型1和模型2形式更简洁，应用更广泛。

基于平均质量消光效率的吸湿增长因子与相对湿度分布关系(第165页图2)拟合吸湿因子模型，拟合发现，在40%≤RH≤95%时拟合效果较好，相关系数R2>0.8，那么，相对太原市南部空气干燥条件下(RH<40%)的吸湿吸增长因子可用第165页式(5)表示，相对湿度由RH1变至RH2时对颗粒物浓度影响可用第165页式(6)表示。根据式(4)和式(5)，推导PM2.5质量浓度与相对湿度和能见度的关系模型第165页式(7)，那么，在湿度一定时，颗粒物浓度与能见度呈负相关。根据不同湿度水平绘制能见度与PM2.5浓度相关图(第165页图3)，拟合出能见度与PM2.5的相关模型第165页式(8)，拟合因子c、d值见第165页表3，当相对湿度<95%时，拟合效果较好；湿度大于95%，相对湿度与PM2.5浓度关系需进一步研究。

表2 常见吸湿增长模型适用性比较

表3 相对湿度对PM2.5浓度变化影响

R(RH)=aRHb

(5)

f(RH2,RH1)=a(RH2b-RH1b)/(1-RH)-2

(6)

CPM(RH)=CPM(dry)r(dry)/r(RH)R(RH)

(7)

r(CPM,RH)=cCPMd

(8)

式(5)～式(8)中，R(RH)表示气溶胶散射吸湿增长因子，a、b、c、d为拟合因子，为相对湿度对颗粒物浓度变化的影响率；r(RH)，CPM(RH)分别表示在相对湿度为RH条件下能见度和PM2.5质量浓度；r(dry)，CPM(dry)分别表示干燥条件下(RH<40%)能见度和PM2.5质量浓度；r(CPM,RH)表示在一定湿度条件下能见度与PM2.5的质量浓度关系。

图2 相对湿度与吸湿因子相关性

图3PM2.5浓度与能见度的相关

4 结果分析

排除强沙尘过程影响，太原市2019年-2020年秋冬季在干燥条件下，即，相对湿度小时值低于40%时，能见度小时平均值为24.39 km，PM2.5小时平均质量浓度为34 μg/m3。考虑RH接近100%可能出现降水过程，对大气污染物起到一定的消除作用，因此在计算相对湿度和能见度对PM2.5的影响时扣除RH>99%时统计结果。根据太原市实际数据拟合吸湿增长因子R(RH)模型，确定a=7.612，b=12.954。当5%≤RH<99%时，相对湿度与吸湿因为子的相关系数为0.730，当40%≤RH<95%时，相对湿度与吸湿因子的相关系数为0.867，拟合效果较好。由表3知RH≤60%，颗粒物吸湿增长较弱对空气质量影响较小；RH>60%吸湿增长作用将促进PM2.5质量浓度上升，且相对湿度越大，PM2.5质量浓度增长越快；当相对湿度由80%升至95%时，吸湿增长可能使PM2.5质量浓度上升200%以上。当RH>95%时，吸湿因子拟合相关性下降，具体影响需进一步研究。

5 结论

1) 通过建立数学模型分析，秋冬季PM2.5浓度与相对湿度显著相关，根据太原市实际数据拟合吸湿增长因子R(RH)模型，a=7.612，b=12.954。当5%≤RH<99%时，相对湿度与吸湿因子的相关系数为0.730；40%≤RH<95%时，相对湿度与吸湿因为子的相关系数为0.867；当RH≥95%，相关性较差，特别是RH接近100%时，可能出现降水过程，对大气污染物产生一定的清除作用，吸湿增长模型不适用，需进一步研究。

2) RH≤60%，颗粒物吸湿增长较弱对空气质量影响较小；RH>60%吸湿增长作用将促进PM2.5浓度上升，且相对湿度越大，PM2.5浓度增长越快；当相对湿度由80%升至95%时，吸湿增长可能使PM2.5浓度上升200%以上。建议在重污染天天气预报中进一步关注相对湿度的变化，提前采取措施控制相对干燥条件下PM2.5浓度，至少低于重度浓度限值的三分之一。

3)2019年-2020年秋冬季，太原市南部地区PM2.5呈“⌒”变化趋势，11月上旬有明显陡升过程，与进入采暖期污染物排放量增加有关，需进一步加强对供暖期间废气稳定达标排放和冬季废气污染源排放的监管。