基于PM2.5质量浓度判识霾的方法研究

刘闯 邵兵 王新雨 汪贵彬 张博宇

摘要 利用本溪市2013—2018年本溪国家基本气象站和本溪大气观测站气象要素和PM2.5质量浓度，分析霾时与月季和空气质量等级特征，通过计算气溶胶吸湿增长对大气消光的贡献率，用米散射理论消光系数与观测消光系数构建本溪市霾的判别模型。结果表明：本溪市霾时1月出现最多，12月次之;按照季节划分可得，霾的天气现象主要发生在冬季、初春（3月）和秋中后期（10月和11月）;当PM2.5质量浓度≥75 μg·m-3时，对本溪市霾的发生贡献度较高且关联性强;构建本溪市霾的判别模型=0.4387+241.29，预测准确率为80.07%，相对大的风速和相对小的PM2.5质量浓度是影响此模型的准确率的因素。

关键词 PM2.5;米散射;霾的判别;本溪市

中图分类号：X513 文献标识码：B 文章编号：2095–3305（2021）10–0155–03

我国自改革开放以来经济迅速发展，大城市气溶胶污染随之日趋要做，能见度恶化事件频发，以PM2.5为首要污染物的霾天气现象迅速增加[1]。霾天气导致的空气质量和环境污染问题引起了政府和公众的广泛关注。高污染背景下，大气中悬浮的大量气溶胶粒子不仅导致能见度下降，还影響着人体健康以及气候[2]。国外相关研究工作开展较早，美国早在1988年就建立了IMPROVE观测网，通过消光系数和气溶胶细粒子成分谱观测发现细小颗粒物污染易导致低能见度[3]。

近年来，我国霾发生频次增加。气象局高度重视霾的观测工作。由于现有能见度仪器对于不同地区霾判定有地区化、结构化和系数化误差，造成霾的天气现象判别和实际情况有较大差异，对人们工作和生活造成了很大的不便。本文通过米散射理论计算吸湿后的消光系数和大气实际消光系数并构建模型，以便更好地通过能见度仪器判别霾的天气状况。

研究数据为2013—2018本溪市区6年的PM2.5质量浓度、能见度、相对湿度等，运用米散射理论、线性回归分析、统计学原理等方法，构建模型得出湿度在80%～95%区间的本溪市霾的判别。

1 资料与方法

1.1 资料来源

数据来源于本溪国家基本气象站/本溪大气成分站的气象和空气污染物观测资料。本溪国家基本气象站位于本溪市明山区（41°18′24″N，123°46′31″E，海拔185.4 m），该站点具有较为完整的气象观测和空气污染物监测资料，大气污染水平受人为因素，如交通、工业和人群密集活动等影响较小，更适于区域性霾的判定方法研究。

1.2 分析方法

1.2.1 米散射消光系数 气溶胶PM2.5的米散射理论的消光系数[4]：

为吸湿增长后的气溶胶PM2.5的消光系数，单位为m-1或km-1。

为粒径的粒子消光效率因子，由米散射理论计算而来。

为谱分布中粒径为分档内的气溶胶数浓度，单位为个·m-3或个·cm-3，由干气溶胶粒子体积谱分布得到。

1.2.2 观测消光系数 大气实际相关系数：

为实际大气消光系数，单位为m-1或km-1。

MOR为气象光学视程，单位为m或km。

1.2.3 线性回归分析 Y=ax+b，通过拟合线性回归方程模型，计算气溶胶吸湿增长对大气消光的贡献率，用米散射理论消光系数与观测消光系数比值表示，如果该比值超过规定阈值（0.8），则判识湿度在80%～95%，能见度<10 km为霾。

2 结果与分析

2.1 霾的判别模型

2.1.1 月霾时次数和空气质量等级霾时分布 选择2013—2018年本站排除降水、沙尘暴、扬沙、浮尘、吹雪、雪暴等影响视程的天气现象，观测时，能见度<10.0 km，且相对湿度<80%，判识为霾，为一次整点时出现霾天气现象，为霾时。

不同月份、不同季节具有不同的天气条件和天气状况，本溪市1—3月和10—12月出现霾时累计高于其他月份，占总数的82.7%;其中1月出现霾时最多，12月次之（图1）。

按照季节划分可得，霾的天气现象主要发生在冬季、初春（3月）和秋中后期（10月和11月），这是由于本溪市冬季采暖期较长，燃煤使用量超过任何季节，且冬季大气层结稳定、气候干燥、相对湿度较低、风力较弱，造成冬季霾出现的次数远高于其他季节;春末和秋初大气层结不稳定，易出现气温骤降（升）和大风现象，且处于采暖期末尾和将要开始供暖，燃煤使用较少，所以发生霾的次数也相关较少;夏季对流天气频繁、多雷电、多降水、多大风，也没有过量燃烧煤炭，不利于污染物集结，所以发生霾的次数最少。

根据空气质量分指数及对应的污染物项目浓度限值[5]，气溶胶PM2.5质量浓度标准值划分为6个等级：优（0～35 μg·m-3），良（35～75 μg·m-3），轻度污染（75～115 μg·m-3），中度污染（115～150 μg·m-3），重度污染（150～ 250 μg·m-3），严重污染（250 μg·m-3及以上）。国内现行的标准为：75 μg·m-3浓度的PM2.5对应的空气质量指数为100，即高于75为不达标。

当出现霾的天气现象时，对应优等级和良等级的霾时次数较少（图2）。根据数据处理分析得出，多是间断且不连续的霾时，具有偶然现象。但对空气质量等级轻度至严重污染占全部霾时总数的85.4%，多数为连续性非间断。可以看出，当PM2.5质量浓度≥75 μg·m-3时，PM2.5质量浓度对本溪市霾的发生贡献度较高且关联性强。

2.1.2 构建霾的判别模型 构建回归模型，选取2013—2018年小时能见度<10 km且相对湿度<80%和PM2.5质量浓度≥75μg·m-3的实测数据，剔除缺测和降水、沙尘暴、扬沙、浮尘、吹雪、雪暴等影响视程的天气现象后，根据米散射消光系数和观测消光系数公式计算，利用观测消光系数和吸湿增长后的气溶胶PM2.5的米散射消光系数进行建模，建立订正方程（图3）。

本溪市霾的判别模型：=0.4387+241.29，相关系数为0.5055，通过0.01的显著水平。

（1）观测时，能见度<10 km且80%≤相对湿度<95%，当吸湿增长后气溶胶消光系数与实际大气消光系数比值≥0.8时，识别为霾（排除降水、沙尘暴、扬沙、浮尘、吹雪、雪暴等影响视程的天气现象后）。

（2）观测时，能见度<10 km且相对湿度<80%，直接识别为霾（排除降水、沙尘暴、扬沙、浮尘、吹雪、雪暴等影响视程的天气现象后）。

2.2 模型结果分析

选取2019—2020年本溪市1—3月和10—12月逐时数据代表其2019和2020年全年数据，收集逐时能见度、相对湿度、PM2.5质量浓度、风速、天气现象等观测数据，选取能见度<10 km且80%≤相对湿度<95%对本溪市霾的判别模型进行分析，通过实际观测、风速数据、PM2.5质量浓度等综合判断实际霾时次数，对比分析模型准确率80.07%。

结合气象观测数据和实际观测发现，在气象条件为能见度<10 km且80%≤相对湿度<95%时，相对大的风速和相对小的PM2.5质量浓度也是影响此模型的准确率的因素。风速变大利于污染物扩散，虽符合模型判别，但与实际观测不符，不能通过模型判断为霾。PM2.5质量浓度较小，湿度较大时，空气中水汽较多，PM2.5质量较少直接影响着干气溶胶粒子吸水、长大，并最终活化成较大的凝结核数量减少，虽通过模型判断为霾，但无法判断是否因PM2.5造成的霾，从而影响模型对该区间数据判断的准确率（表1）。

3 结论与讨论

（1）本溪市霾时1月出现最多，12月次之。按照季节划分可得，霾的天气现象主要发生在冬季、初春（3月）和秋中后期（10月和11月）。

（2）当PM2.5质量浓度≥75μg·m-3时，对本溪市霾的发生贡献度较高且关联性强。

（3）根据本溪市霾的判别模型=0.4387+241.29，预测准确率为80.07%，相对大的风速和相对小的PM2.5质量浓度是影响此模型准确率的因素。

参考文献

[1] 吴兑.近十年中国灰霾天气研究综述[J].环境科学学报，2012，32（2）：257-269.

[2] 吴兑，邓雪娇，毕雪岩，等.细粒子污染形成灰霾天气导致广州地区能见度下降[J].热带气象学報，2007，23（1）：1-6.

[3] Malm W C， Sisler J F， Huffman D， et al.Spatial and seasonal trends in particle concentration and optical extinction in the United States[J].J Geophys Res， 1994， 99（D1）： 1347-1370.

[4] 国家市场监督管理总局，中国国家标准化管理委员会.霾的观测识别（GB/T 36542—2018）[S].北京：中国标准出版社，2018.

[5] 环境保护部.环境空气质量指数（AQI）技术规定（试行）（HJ633—2012）[S].北京：中国环境科学出版社，2012.

责任编辑：黄艳飞

Study on Haze Identification Method Based on PM2.5 Mass Concentration

—A Case Study of Benxi City

LIU Chuang et al（Benxi Meteorological Bureau， Benxi， Liaoning 117000）

Abstract This study used the meteo-rological elements and PM2.5  mass concentration of Benxi National Basic Meteorological Station and Benxi atmospheric observation station from 2013 to 2018 to analyze the characteristics of haze time， rose and air quality grade. By calculating the contribution rate of aerosol moisture absorption growth to atmospheric extinction， the discrimination model of haze in Benxi is constructed by using meter scattering theory extinction coefficient and observed extinction coefficient. The results show that haze occurs most in January and second in December. According to the season， the weather phenomenon of haze mainly occurs in winter， early spring （March） and middle and late autumn （October and November）. When PM2.5 mass concentration ≥75 μg·m-3， It has a high contribution and strong correlation to the occurrence of haze in Benxi. The discrimination model of haze in Benxi City = 0.4387 +241.29  ， and the prediction accuracy is 80.07%. Relatively large wind speed and relatively small PM2.5 mass concentration are the factors affecting the accuracy of this model.

Key words PM2.5; Meter scattering; Haze discrimination; Benxi City