多城市PM2.5、PM10、O3浓度与气象条件关联性的Meta分析

李郅瑾,郝彦斌

(赣南医学院 公共卫生与健康管理学院，江西 赣州 341000)

1 引言

国内外有很多研究[1-4]表明如气温、气压等气象要素与大气污染物包括PM2.5、PM10和臭氧(O3)浓度的变化密切相关。我国已经有不同城市或地区对气象因素与大气污染物的关联性研究例子[5]，但缺少将气象条件与空气污染物的关联性进行综合分析的研究。

本研究基于2015～2017年全国29个城市的气象数据和空气污染物浓度，对每个城市空气质量变化特征与气象要素值进行线性相关和多元回归模型分析，然后做Meta分析，探索二者相关性及其规律。

2 资料与方法

2.1 空气污染与气象数据

2015～2017年我国29个城市的年气象监测数据(包括日平均气压、日平均气温、平均相对湿度、日降水量、日平均风速和日照时数)和PM2.5、PM10、臭氧(O3)这三种空气污染数据均来源于“国家人口健康科学数据中心数据仓储PHDA” (https://www.ncmi.cn)[6，7]。

2.2 统计学分析

本研究利用SPSS19.0软件对数据缺失值进行填补，然后做相关性和回归分析。2015年1月1日的污染物数据用2016年1月1 日代替，其余缺失值(PM2.5、PM10、O3)采用前后相邻2 d计算平均值进行填补，并对每日数据计算月平均。由于气压值存在整月缺失，故采取相邻两月平均值进行填充。每月污染物浓度和气象数据分别进行单样本K-S检验，除个别城市的日照时数和降雨量不服从正态分布外(可能是由于存在个别极大值导致)，其余变量均符合正态分布。故每个城市空气污染与气象相关性分析采用Pearson相关系数，同时进行多元线性回归建模进行多因素分析(α入=0.05、α出=0.10)。

然后应用Comprehensive Meta Analysis2.0软件对相关系数和回归系数进行Meta合并。异质性检验均P<0.001且I2>80%,故使用随机效应模型进行Meta合并。

3 结果

3.1 气象要素与空气污染的关系

表1统计了2015～2017年我国29个城市的气象要素和空气污染的月平均情况。将PM2.5、PM10、臭氧(O3)浓度与同期日平均气压、日平均气温等气象要素的月平均数据作Pearson相关分析，分析气象要素与空气污染物浓度的相关性，并对相关系数(r)进行Meta合并，结果见表2。

表1 29个城市气象和空气污染的月平均指标

表2 29个城市空气污染和气象指标相关系数的Meta合并结果

由表2可知，与PM2.5、关联性为正的是日平均气压(r=0.611)，与PM10关联性为正的是日平均气压(r=0.708)，与O3关联性为正的是日平均气温(r=0.836)、日照时数(r=0.671)、日降雨量(r=0.346)和日平均风速(r=0.255)。

与PM2.5关联性为负的是日平均气温(r=-0.704)、日降雨量(r=-0.531)、平均相对湿度(r=-0.364)和日照时数(r=-0.235)，与PM10关联性为负的是平均气温(r=-0.795)、日降雨量(r=-0.488)、日照时数(r=-0.446)、平均相对湿度(r=-0.197)和日平均风速(r=0.166)，与O3关联性为负的是日平均气压(r=-0.821)。

3.2 气象要素与空气污染的回归分析

多元线性回归模型要求数据资料满足线性、独立、正态和方差齐性四个前提条件[8],还要对所有气象变量进行多元共线性诊断。本研究多个气象变量的方差膨胀因子(VIF)均小于5，不能认为多个气象变量间有共线性。经逐步回归法筛选对空气污染有影响的气象变量，并对不同城市建立回归模型。对每个城市进行多元线性回归后，整理出大多数认为对空气污染有影响的气象变量，将其回归系数(b)进行Meta合并，可以反映出这些因素对空气污染的影响性。

从表3可见，经筛选后有21个城市的日平均气温对PM2.5浓度有影响(b=-0.213),其意义为每增加0.1 ℃，PM2.5浓度平均减少0.213单位，其他同理。所有城市的日平均气温对PM10浓度有影响(b=-0.185)，12个城市的日平均气温对O3浓度有影响(b=0.308)。有13个城市的平均相对湿度对PM2.5浓度有影响(b=-1.447)。有17个城市的日平均气压对O3浓度有影响(b=-0.344)，有10个城市(主要是南方城市)的平均相对湿度对O3浓度有影响(b=-1.982)，15个城市(主要是北方城市)的日照时数对O3浓度有影响(b=0.791)。

表3 城市空气污染和筛选后气象指标回归系数的Meta合并结果

回归模型的拟合程度由决定系数R2表示，整理为表4。考虑气象条件对空气污染的影响下，大多数城市的空气污染指标都得到较好程度的解释(R2>0.5)。其中北京、福州、上海、拉萨、石家庄、太原、重庆的PM2.5浓度没有得到较好程度的解释(R2在0.215～0.490之间)；北京、库尔勒、拉萨的PM10浓度没有得到较好的解释(R2依次为0.487、0.444、0.387)；南昌的O3浓度没有得到较好程度的解释(R2=0.335)。考虑到可能空气污染受到气象条件的影响外，还有其他因素会对空气污染有影响，这需要进一步去探讨影响这些城市的其他因素。

表4 29个城市空气污染用气象变量解释的程度(R2)

4 讨论

4.1 气压与空气污染的关系

PM2.5和PM10与气压存在正相关的关系，即PM2.5与PM10的浓度随着气压的增高而增高，反之，随着气压的降低而降低。这是因为大气压力与大气环流密切相关，在低压天气的控制下，颗粒污染物浓度降低，这是因为近地面垂直气流上升，所形成的较大风力加快了污染物的扩散速度；在高压天气系统控制下，颗粒污染物浓度增高是由于近地面垂直气流下沉和大气的稳定性使污染物不易向上扩散所致[9，10]。O3与气压存在负相关的关系，这可能是因为气压低时大气对流活动较活跃，空气自上而下运动，将O3从大气上层送到近地面大气，使O3浓度增高[11]。

4.2 气温与空气污染的关系

PM2.5和PM10与气温呈负关联，O3与气温呈正关联。气温较低的时候，高空中的温度较近地面温度高且近地面大气易形成稳定层结，而且降水相对较少，抑制了空气污染物的扩散。低温天气下，城市居民供暖，污染物的排放也进一步加重了空气污染[9]。O3与气温呈正相关的关系，太阳辐射与O3发生光化学反应密切相关，而气温能够较好地反应太阳辐射强度的变化。太阳辐射会随着气温的升高而变强，二者的联合作用促进了大气光化学反应的发生，从而使O3浓度增高[12]。

4.3 相对湿度与空气污染的关系

PM2.5、PM10都与相对湿度存在负相关的关系，而O3与相对湿度无相关性。相对湿度与空气中含水量程度相关，也就是说空气的湿润程度取决于相对湿度的变化。PM2.5和PM10与相对湿度存在负相关的关系，这是由于一方面相对湿度的增加对粗粒子的扬起可以起到抑制作用，另一方面大气颗粒污染物在湿度较高的情况下易形成凝结核，促成降雨的发生，故使得PM2.5和PM10的浓度降低[13]。

4.4 降雨量与空气污染的关系

PM2.5和PM10与降雨量的相关性是负的，降雨量增多，不仅使空气湿度升高减轻了道路等地的尘土飞扬，而且空气污染物会受到降水的冲刷沉降作用，从而使PM2.5和PM10的浓度减低。O3与降雨量呈正相关，一方面降雨对O3及其前体物具有去除效果，且去除效果较强；另一方面大气光化学反应的发生与较强的太阳辐射密切相关，而雨天的多云天气会导致太阳辐射变弱，在这种条件下大气光化学反应不易发生，使O3浓度降低[14]。

4.5 风速与空气污染的关系

PM2.5与风速无相关关系，PM10与风速的关联性为负。研究表明，边界层中污染物的稀释扩散和风这种气象因素有着紧密的联系。通常情况下，近地面层污染物的不断积累和增加是由于污染物在微风或静风的条件下难以扩散导致的；而污染物浓度降低是因为污染物在较高的风速下更易于扩散[15]。O3与风速呈正相关的关系，即风速高时O3浓度较高，反之，风速低时O3浓度较低。风速较低时，O3在风中移动时会由于本身的不稳定性而分解成氧原子和氧分子；风速较高时，O3在完全分解之前就可以被检测到，而且对O3光化学反应前体物的浓度的降低有促进作用，从而降低了O3浓度[16]。

4.6 日照时数与空气污染的关系

PM2.5和PM10与日照时数存在负相关的关系，日照加快了颗粒污染物的运动速度，同时促进颗粒污染物内部的化学运动，有利于污染物的扩散，从而降低了PM2.5的浓度[17]。空气颗粒污染物浓度较高时，太阳光辐射被细颗粒物散射，吸收比例高，从地面上几乎看不到阳光[18]，降低了日照时数。O3与日照时数呈正相关的关系，这是因为O3前体光化学反应的发生需要依靠较长的日照时间和较高的温度等条件，在充足的条件下有利于O3的生成[19]。

4.7 个别城市气象条件对空气污染解释程度低

部分城市的空气污染指标没有得到较好的解释。说明目前这些气象因素可能不是影响空气污染的原因。如有研究[20]表明,导致北京市空气污染的原因可能受污染物(工业源、生活源、机动车源)的排放有关，加上环北京地区(河北和天津地区)的高污染物排放，利用地形及土地利用等条件向北京地区输送聚集，造成北京地区的空气污染。

5 结论

PM2.5浓度与所有气象变量(除风速)呈相关、PM10浓度与所有气象变量呈相关，而O3也与所有气象变量(除相对湿度)呈相关，但相关方向相反。通过污染物浓度和气象变量的多元回归分析，大多数城市的空气污染物浓度变化都能通过气象条件变化来解释。全国不同城市的气象因素与空气污染的关联既有相似性又有差异性，应综合考虑气象条件和地区特征开展空气污染控制以达到最佳效果。

致谢：数据均来源于“国家人口健康科学数据中心数据仓储PHDA” (https://www.ncmi.cn)[6，7]。