基于小波分析的煤炭资源型城市供暖期PM2.5浓度特征

杨明航

摘 要：为探究煤炭资源型城市鹤壁供暖期PM2.5浓度变化特征，利用MATLAB对其进行小波分析，分析PM2.5的时间序列周期和突变特征。结果表明：鹤壁市供暖期内PM2.5污染程度以良为主，占比为40.16%，严重污染天数最少，为3天;PM2.5浓度最高值出现在1月，最低值出现在3月，总体趋势为先上升后下降;Morlet小波分析结果表明鹤壁市PM2.5日均变化序列存在多时间尺度特征，第一主周期为15 d，第二主周期为50 d;鹤壁市共有4次突变事件，多发生在冬季。与陕北地区的煤炭资源型城市榆林、延安相比，鹤壁優良天数远低于二者，人口密度、地理环境也是影响空气质量的重要因素。

关键词：PM2.5;供暖期;小波分析;突变

中图分类号：X51文献标识码：A文章编码：1003-5168（2021）08-0149-03

Characteristics of PM2.5 Concentration in Heating Period of

Hebi City Based on Wavelet Analysis

YANG Minghang

（Shaanxi Key Laboratory of Disasters Monitoring & Mechanism Simulation， Baoji University of Arts and Sciences，

Baoji Shaanxi 721013）

Abstract： In order to explore the variation characteristics of PM2.5 concentration during heating period in Hebi， a coal resource-based city， the wavelet analysis of PM2.5 was carried out by using MATLAB， and the period and mutation characteristics of PM2.5 time series were analyzed. The results show that： the PM2.5 pollution degree was mainly good， accounting for 40.16%， the days of serious pollution was the least， only 3 days; the highest PM2.5 concentration appears in January， the lowest in March， the overall trend was first rising and then falling; Morlet wavelet analysis results show that the PM2.5 daily average Change Series in Hebi City has multi time scale characteristics， the first main cycle was 15 days， the second main cycle was 15 days.There were four mutation events in Hebi City， most of which occurred in winter. Compared with Yulin and Yan'an， which were both coal resource-based cities in Northern Shaanxi， the number of excellent days in Hebi was far lower than both. Population density and geographical environment are also important factors affecting air quality.

Keywords： PM2.5; heating period; wavelet analysis; mutation

PM2.5是指细颗粒物，粒径小于2.5 μm，能较长时间悬浮于空气中，具有明显的周期性变化规律[1-2]，空气中PM2.5质量浓度越高就代表空气污染越严重[3]。冬季由于供暖等活动使城市用电量增大，更容易导致PM2.5质量浓度超标。对于煤炭资源型城市，产业结构偏向于重工业，研究该种类型城市的PM2.5浓度特征，对于改善城市空气质量具有重要意义。

近年来，许多学者对PM2.5的时空分布特征进行了研究。易文利等对陕西省冬春季PM2.5时空分布特征进行了研究[4];苏明伟等对西北内陆和东部沿海地区的12座城市的PM2.5分布特征进行研究[5]。以上研究均是利用小波分析的手段对城市PM2.5特征进行分析，但对于易发生PM2.5污染事件的煤炭资源型城市的相关研究还比较少。

本文基于2019年供暖期空气质量逐小时监测数据，结合Origin和MATLAB（矩阵实验室）软件，运用小波分析对煤炭资源型城市鹤壁市供暖期PM2.5的质量浓度、周期特征进行了研究。本研究对于揭示PM2.5的周期性规律具有重要意义，以期为煤炭资源型城市的PM2.5治理提供科学参考。

1 数据和方法

1.1 研究区概况

鹤壁市地处豫北，紧邻河北省。鹤壁市第四次全国经济普查公报显示，鹤壁市采矿业从业人员共有44 469人，资产总计387.01亿元，占比为12.53%，属于煤炭资源型城市。以煤炭开采、第二产业为主的产业结构，使得鹤壁市PM2.5质量浓度在供暖期时超标。

1.2 数据来源

本文原始数据来源于河南省环境保护厅（http：//sthjt.henan.gov.cn/），鹤壁市PM2.5逐小时监测数据自2019年11月15日至2020年3月15日，有效数据天数为122 d。

1.3 研究方法

使用Origin 9.1软件完成PM2.5污染程度占比饼状图、日浓度变化箱型图，利用MATLAB 2018a软件实现鹤壁市供暖期PM2.5小波系数实部图和小波方差图，研究鹤壁市PM2.5周期波动规律，对存在的突变点进行分析。

2 结果与分析

2.1 PM2.5时间变化特征

依据国家PM2.5污染程度分级标准，日均浓度0～35 μg/m3为优，35～75 μg/m3为良，75～115 μg/m3为轻度污染，115～150 μg/m3为中度污染，150～250 μg/m3为重度污染，大于250 μg/m3为严重污染。122 d内鹤壁市供暖期PM2.5污染程度占比如图1所示。鹤壁市为优的天数为15 d，占比12.31%;良的天数较多为49 d，占比40.16%;轻度污染为21 d，占比17.21%;中度污染为16 d，占比为13.11%;重度污染为18 d，占比为14.75%;严重污染为3 d，占比为2.46%。鹤壁市供暖期PM2.5污染程度，主要以良为主，严重污染的天数较少，只有3天，其余为优、轻度污染、中度污染和重度污染，占比相当。

选取5个特征日，即每月15号，制作PM2.5日浓度变化箱型图，如图2所示。从图1可知，1月15日PM2.5的浓度最高，此后两个月的特征日逐渐下降到较低水平。1月15日为供暖期的中间日期，同时也为冬季气温较低的时间段，用电用暖均达到了时间段内的高峰期，造成了PM2.5浓度较高。由图2可知，供暖期内PM2.5最高值出现在1月，最低值在3月，总体趋势为先上升后下降。

2.2 PM2.5周期性规律小波分析

近年来，小波函数分析被运用到PM2.5长时间尺度变化规律研究，在大气颗粒物变化周期分析和突变点分析方面效果显著[6～7]。常用的小波函数有Morlet小波函数和Daubechies（db）小波函数。本文运用Morlet小波函数对供暖期内PM2.5日均数据进行小波变换，得到鹤壁市供暖期小波系数实部图（见图3）和小波方差图（见图4）。小波变换系数实部图，反应PM2.5时间序列下不同尺度的周期变化，图中颜色偏浅表示PM2.5浓度值大，偏深表示PM2.5浓度值小，系数为0表示PM2.5值在偏大偏小之间转换的突变点;小波方差图，反应时间序列下各种尺度波动及强弱。

小波系数实部图（图3）中，在低时间尺度下（10～20 d），PM2.5浓度变化周期较小，大小交替较多，主要体现在冬季时段（2018年11月至2019年1月）;在30～60 d时间尺度内，PM2.5整体变化周期较强，变化较为稳定，高低交替具有全域性;时间尺度在80 d以上时，实部图存在未闭合部分，故不做考虑。小波方差图（见图4）能反映时间序列中所包含的各种尺度的波动及其强弱，第一个对应峰值处的尺度为第1主周期，其余类推。鹤壁市以15 d为第一主周期，50 d为第二主周期。

2.3 PM2.5浓度时间序列突变点分析

选用具有较强正则性的db小波对PM2.5时间序列突变点进行分析[8]，所得第1层和第2层高频系数重构信号曲线如图5所示。图中高频系数重构振幅较强的点代表PM2.5濃度的突变点，振幅弱表示PM2.5浓度值变化较平稳。鹤壁市存在4次突变事件，分别在10、42、58、70 d附近，发生在冬季寒潮天气，这可能与冷空气移动并从北方带来大气颗粒物有关 [4]。

3 讨论

有学者对陕北的煤炭资源型城市PM2.5污染特征进行了研究[2]。榆林市优良天数占比高达80%以上，延安市优良天数接近80%，没有严重污染天数。对比鹤壁市优良天数占比为52%，陕北地区煤炭资源型城市空气质量明显优于鹤壁市。造成该结果的原因可能是：豫北地区的人口密度较高，除了煤炭开采外，汽车尾气等生产生活活动也会对空气质量产生重要影响。此外，陕北地区地势较高，大风天气较多，空气污染物容易扩散也是该地区空气质量较好的原因之一。

大气颗粒物防治不仅要加强煤炭开采等工业的环境监测，而且要实施汽车限行，开展节约用电等居民日常生活行为的宣传教育活动，冬季是防治的重点时段，应建立区域大气污染联防联控机制，加强源头减污工作。

4 结论

鹤壁市供暖期PM2.5污染程度，主要以良为主（占比40.16%），严重污染的天数最少，为3 d;PM2.5浓度最高值出现在1月，最低值出现在3月，总体趋势为先上升后下降。

在低时间尺度下（10～20 d），PM2.5浓度变化周期较小，大小交替较多，而在30～60 d时间尺度内，PM2.5整体变化周期较强;鹤壁市以15 d为第一主周期，50 d为第二主周期;鹤壁市存在4次PM2.5浓度突变事件，气象因素可导致PM2.5浓度骤升。

同为煤炭资源型城市，陕北地区的榆林和延安优良天数远高于豫北地区的鹤壁市，除了煤炭开采外，人口密度、地理环境也是影响空气质量的重要因素。

参考文献：

[1]WANG S， LI G G， GONG Z Y， et al. Spatial distribution，seasonal variation and regionalization of PM2.5 concentrations in China [J].Science China ，2015（9）：1435-1443.

[2]ZHAO S P， YU Y， YIN D Y， et al. Annual and diurnal variations of gaseous and particulate pollutants in 31 provincial capital cities based on in situ air quality monitoring data from China National Environmental Monitoring Center [J]. Environmental International，2016（86）：92-106.

[3]朱彤，尚静，赵德峰.大气复合污染及灰霾形成中非均相化学过程的作用[J].中国科学（化学），2010（12）：1731-1740.

[4]易文利，朱婵园，郭婵，等.陕西省冬春季PM2.5时空分布特征研究[J].地球与环境，2020（6）：663-671.

[5]苏明伟，张伟峰，郑润禾.基于小波分析的PM2.5分布特征及差异分析[J/OL].环境工程，1-10.[2021-02-06].http：//kns.cnki.net/kcms/detail/11.2097.X.20201215.1730.004.html.

[6]王海鹏，张斌，刘祖涵，等.基于小波变换的兰州市近十年空气污染指数变化[J].环境科学学报，2011（5）：1070-1076.

[7]周杰，杨鹏，吕文生，等.小波方差分析北京市PM2.5质量浓度序列周期特征[J].环境监测管理与技术，2016（6）：19-22.

[8]孙春媛，李令军，赵文吉，等.基于小波变换的北京市PM2.5时空分布特征及成因分析[J].生态环境学报，2016（8）：1343-1350.