金昌市环境空气质量变化趋势预测与评价

杨丽丽，陶会杰，李晓云，王静

（1.兰州大学大气科学学院，半干旱气候变化教育部重点实验室，甘肃兰州730000；2.甘肃省环境监测中心站，甘肃兰州730020；3.无锡中科光电技术有限公司，江苏无锡214135）

引言

随着人类生产生活的发展，民众对环境空气质量要求也在逐步提升。另外，由于产业结构的调整和社会经济转型的需求，对特定地理气候条件下的地区进行环境空气质量预测具有重大意义，那么，建立理想的环境空气质量预测模型是最基础的保障[1,2]。目前国内外主流的环境空气质量数值模式主要包括NAQPMS、CMAQ、CAMx和WRF−Chem等[3]，时间尺度可实现小时级别，空间尺度可达到几公里，实现环境空气质量精准预报。但其计算方法复杂，计算量庞大，通常都是基于大型计算集群上，且无法实现年尺度的预报。对于环境管理部门来说，合理的、长期的空气质量预测为城市环境管理、规划及城市建设可以提供更科学、更明确的决策依据。

自1982年邓聚龙首次提出灰色系统理论[4]后，该理论便被广泛应用于农业、工业、社会、经济、气象、生态及环境等众多系统。王志强等[5]提供灰色理论对环渤海地区各站降水进行预测，并利用实际观测资料进行检验，发现灰色预测模型对中长期降水预报具有一定的参考价值；李欢等[6]为了提供湖南省节能减排政策的参考，基于灰色系统理论，预测湖南省未来5年碳排放量。因此，灰色系统理论可以实现长期的环境空气质量预测。Zadeh[7]于1965年提出模糊数学理论后，模糊数学得到迅速发展[8,9]。环境质量评价中“污染程度”是一个模糊概念，存在着不确定性，即模糊性。空气污染由轻到重是逐渐变化过渡的，很难找出一个分明的界限，如果采用一个简单的数字将环境空气质量分为不同级别，这样的分级标准是不太客观[10]。因此，环境空气质量评价分级标准也应是模糊的，即用模糊综合评价方法较为客观，准确度也比较高。

金昌由于毗邻我国第四大沙漠−腾格里沙漠，且常年以西北风为主，尤其春季多大风，气候干燥，加之金昌市及周边生态植被覆盖率低，容易形成沙尘暴和浮尘天气。受特殊地理地貌、不利气象条件、脆弱生态环境制约，金昌市环境空气质量急需分析。通过2014−2018年SO2、O3、PM2.5、PM10年金昌市国控站点监测值，利用灰色系统理论预测2014−2025年剔除沙尘天气影响前后SO2、O3、PM2.5、PM10的年均浓度值，并采用模糊数学的模糊综合评价法对2014−2025年预测的金昌市环境空气质量进行综合评价。

1 数据和方法

1.1 监测数据

模糊综合评价法对环境空气质量进行综合评价时，首先得选取影响环境空气质量的评价因子，为此，表1展示了2014−2018年金昌市各污染物为首要污染物的百分比（本文数据来源于金昌市空气质量国控站点日均浓度值）。可以看出，首要污染物主要以PM10为主，比例达到52%；其次为O3，占比为30%；再次为SO2和PM2.5，分别为6%和4%；CO作为首要污染物的比例仅仅为1%，而NO2近5年内没有出现为首要污染物。另外，金昌市环境空气质量达到优的比例为7%。因此，本文选取PM10、O3、SO2、PM2.5为评价因子，对金昌市环境空气质量进行综合评价。

表1 2014−2018年金昌市各污染物为首要污染物的百分比

根据《受沙尘天气过程影响城市空气质量评价补充规定》，判定沙尘起始时间和结束时间。表2是金昌市2014−2018年SO2、O3以及剔除沙尘天气前后PM2.5、PM10年均浓度值。

表2 金昌市2014−2018年SO2、O3、PM2.5、PM10年均浓度值（单位µg·m−3）

1.2 评价等级的确定

本文根据《环境空气质量标准》（GB3095−2012）规定的各项污染物浓度限值（表3）对参与评价的因子进行评价。其中，规定O3只有1小时平均和日最大8小时平均两种浓度限值，本文采用O3日最大8小时平均（日平均）浓度限值进行评价。

表3 评价分级标准（单位µg·m−3）

2 结果与分析

2.1 灰色模型预测结果

利用灰色预测模型，得到SO2、O3、PM2.5、PM10的灰色模型如表4所示，根据表4中的灰色模型可对金昌市各污染物发展趋势作长期预测。

表4 SO2、O3、PM2.5、PM10的灰色模型

为了更直观显示灰色预测模型预测的2014−2025年各污染物的发展趋势，图1（a）、（b）、（c）、（d）分别给出了SO2、O3、PM2.5、PM10灰色预测模型预测的年均浓度趋势图，并与实际监测值进行比较。可以看出，SO2和PM2.5年均浓度呈逐年稳定下降趋势，且预测值非常接近于监测值；O3年均浓度略有起伏，但整体呈现下降趋势；由于受沙尘天气影响，人为不可控制因素，2018年PM10年均浓度相比2015年至2017年均较高，导致PM10年均浓度呈现增长趋势。但剔除沙尘天气影响之后，如图1（f）所示，PM10年均浓度呈现明显的下降趋势，且PM2.5（图1（e））和PM10浓度较剔除沙尘天气影响之前相比，均明显降低。

图1 2014−2025年各污染物年均浓度趋势图

2.2 模糊综合评价结果

表5是各污染因子评价权重系数值，2014−2018年采用观测值，2019−2025年采用预测值。可以看出，剔除沙尘天气影响之前，金昌市首要污染物主要为PM10；另外，2014−2015年SO2和PM2.5也有不同程度的污染；2016年开始O3为首要污染物开始凸显，直到2019年甚至超过PM2.5的影响。剔除沙尘天气影响之后，金昌市首要污染物主要仍然为PM10。值得注意的是O3作为首要污染物的权重越来越大，直至2022年开始，首要污染物转变为O3占据首位，其次为PM10。

表5 各评价因子权重值

可以看出，无论是否考虑沙尘剔除，金昌市由于毗邻腾格里沙漠，受沙尘天气影响较大，首要污染物主要为PM10，另外，O3污染应该引起关注。

从表6各污染因子隶属度（2014−2018年采用观测值，2019−2025年采用预测值）可以看出，金昌市SO2、O3自2016年起已经达到一级，并且预测未来完全达到一级。剔除沙尘天气影响之前，直至2025年，PM10仍属于二级，PM2.5自2019年起达到一级；剔除沙尘天气影响之后，PM10于2021年达到一级，而PM2.5于2017年达到一级。

表6 各污染因子隶属度

根据表7综合评判结果（2014−2018年采用观测值，2019−2025年采用预测值）可知，剔除沙尘天气影响之前，金昌市环境空气质量逐年有所改善，但每年对二级水平的隶属度最大，故定为二级水平；但是剔除沙尘天气影响之后，金昌市环境空气质量于2018年起对一级水平的隶属度最大，故定为一级水平。

表7 综合评判结果

3 结论与展望

利用模糊综合评价法对2014−2025年预测的金昌市环境空气质量进行综合评价。对于各评价因子而言，金昌市SO2、O3自2016年起已经达到一级，并且预测未来完全达到一级；剔除沙尘天气影响之前，直至2025年PM10仍属于二级，PM2.5自2019年起达到一级；剔除沙尘天气影响之后，PM10于2021年达到一级，而PM2.5于2017年达到一级。就环境空气质量而言，剔除沙尘天气影响之前，逐年有所改善，但每年对二级水平的隶属度最大，故定为二级水平；剔除沙尘天气影响之后，环境空气质量于2018年起对一级水平的隶属度最大，故定为一级水平。

依近年来大气污染治理形势，金昌市环境空气质量逐年有所改善，各污染物浓度值呈明显的下降趋势，2021年起环境空气质量有望达到预测的一级水平，但需要注意的是O3的治理也不容忽视。本文仅用灰色系统理论进行预测，并与实际观测值进行了比较，但未与其他模型或者预测方法进行比较。在下一步工组中将利用其他方法进行预测，并比较不同方法的预测结果，选取最优预测方法，为城市环境管理、规划及城市建设提供更科学、更明确的决策依据。