朔州市PM10 污染特征及其与气象要素相关性分析

高 昕，王 妍，罗琨钰

1.朔州市气象局，山西朔州 036000；2.阳泉市气象局，山西阳泉 045000；3.山西省应县气象局，山西应县 037600

PM10是指环境空气中空气动力学当量直径≤10 μm的颗粒物，也称可吸入颗粒物[1]。由于PM10能够通过呼吸进入人体的呼吸系统甚至通过肺泡进入血液循环，对人体产生危害，同时PM10污染会对生产生活、城市建设等产生影响，因此对PM10进行研究意义重大[2-3]。在生态环境和PM10排放量比较稳定的情况下，气象要素的变化是影响PM10浓度的主要原因[4-6]。PM10作为朔州市的主要大气污染物之一，研究PM10浓度时间变化特征及其气象影响因子并建立预报模型，可以为朔州市大气污染防治提供依据和参考。

1 资料与方法

所用的PM10浓度值数据来源于朔州市5个国控环境保护监测站的监测数据，5个站点分别为：平朔、朔唯、区政府、市环保局、市二中；监测数据主要包括PM10小时浓度均值和PM10的24 h滑动平均值。气象数据来源于朔州国家基本气象站，包括2016—2020年气温、相对湿度、气压、风速和降水量的分钟数据，日照时数日数据等，所有时刻均为北京时间。

利用Pearson相关系数法研究朔州市PM10浓度与气象要素之间的相关性，运用软件SPSS 19.0计算，利用逐步回归法建立PM10浓度分季节预报模型。

2 结果与分析

2.1 PM10浓度变化特征

由图1可以看出，各季节PM10浓度日变化趋势基本一致，均表现为双峰分布，日出后浓度逐渐升高，这可能与上午是交通运输、工业活动的高峰期有关；午后PM10浓度开始下降，可能与中午气温较高，PM10在湍流作用下移动扩散有关；日落后PM10浓度再次升高，此时近地面大气较稳定，污染物不容易扩散，23:00达到波峰，夜间一直保持浓度高值。

图1 2016—2020年朔州市各季节PM10浓度日变化特征

将季节划分为冬季(12月至翌年2月)，春季(3至5月)，夏季(6至8月)，秋季(9至11月)。从图2可以看出，2016—2020年PM10浓度的季节变化特征为：冬季(135 μg/m3)＞春季(117 μg/m3)＞秋季(98 μg/m3)＞夏季(70 μg/m3)。冬季PM10最高，因为冬季取暖燃煤量增加，同时冬季逆温现象导致PM10无法及时迁移扩散；春秋季节，朔州市多风干旱的气候特征使得沙尘天气较多，PM10浓度处于高值；夏季高温且降水天气较多，地面升温加快使得大气对流运动变强，有利于PM10扩散，同时雨水会对PM10颗粒起到冲刷作用，PM10浓度降低。

图2 2016—2020年PM10浓度季节变化特征

由图3可以看出，PM10浓度在2016—2018年逐年升高，2018年达到最高值为117 ug/m3，2019—2020年逐年下降。

图3 2016—2020年PM10浓度年变化特征

2.2 PM10浓度与气象要素相关性分析

在排除人为控制排放因素影响下，PM10浓度变化受到气象条件变化的影响，故选取2016—2020年气温、相对湿度、风速、气压的日平均值，日降水量、日照时数等气象要素，与PM10浓度日均值进行Pearson相关性分析，相关系数见表1。可以看出，在不同季节，PM10浓度与气象要素的相关性差异较大。

表1 PM10浓度与气象要素的相关性

PM10浓度与气温在4个季节均表现为负相关关系。这是因为气温升高，大气湍流运动增强，污染物扩散加剧，PM10浓度降低；反之气温降低，PM10浓度升高。

PM10浓度与相对湿度在春、夏、秋3个季节为显著负相关。这是因为在相对湿度较小的时间段，相对湿度升高会对PM10有聚集作用，但相对湿度持续升高到接近饱和时，PM10会产生湿沉降。朔州市春、夏、秋季空气相对湿度较大，对PM10能够起到一定的湿沉降作用和吸湿增长作用，PM10浓度降低。

PM10浓度与风速在春季为显著正相关、冬季为显著负相关；春季，大风带来的沙尘天气会使PM10浓度升高；冬季风速增大时，PM10稀释扩散能力增强，浓度下降。

PM10浓度与气压在春、秋、冬季均表现为弱的正相关系。地面受到低压控制时，低层大气辐合上升，PM10颗粒被带到高空扩散迁移，浓度降低；受到高压控制时，下沉逆温使PM10颗粒积累，浓度升高。

PM10与降水量在4个季节均表现为负相关关系，这是因为雨滴可以吸附和冲刷洗涤PM10颗粒，使PM10浓度降低。

PM10浓度与日照时数在夏季表现为显著正相关，冬季为显著负相关；这是由于夏季多雨，此时日照时数减少和雨滴对PM10的冲刷作用会使其浓度明显降低，而晴天PM10浓度往往较高，所以夏季表现为正相关；日照时数增加能使空气对流和机械湍流的综合作用增强，有助于强污染物扩散，冬季太阳直射南半球，日照时数总体较少，所以冬季为负相关。

3 PM10预报模型

3.1 预报模型建立

在排除突发性污染事件及人为控制减排等因素的情况下，污染物浓度变化主要受到气象条件变化的影响，选取2016—2019年气象因子(表2)日数据与PM10日平均浓度建立多元回归方程，保留2020年相关数据进行检验。同时研究当日PM10浓度与前日PM10浓度可以发现，两者呈显著正相关，且通过了α=0.01的显著性检验。因为PM10每日排放量具有不确定性，建立预报模型中需要反应源强，所以选取前日PM10浓度作为一个自变量进行研究。

表2 预报因子

利用逐步回归法建立PM10浓度的分季节预报模型(表3)，预报方程均通过了α=0.05的信度检验。

表4 PM10方程检验结果

分季节预报模型中，春季PM10预报方程的复相关系数R2=0.433偏小，其他3个季节R2均＞0.6，表明预报值可以较好地反映PM10浓度的变化规律。

3.2 预报模型检验

利用2020年PM10实况值对上述预报方程的准确性进行检验，计算公式为:

公式中，prei为PM10预报值，moni为PM10实况值[7-8]。

由检验结果可以看出，预报准确率最高的是夏季和秋季，准确率均高于70%，春季的准确率最差仅为60%，这可能是由于春季多沙尘天气，PM10颗粒的来源不稳定，对浓度预报产生较大影响[9-11]。

4 结论和讨论

(1)PM10浓度的日变化为双峰分布，PM10浓度在夜间变化较为平缓且保持浓度高值，上午浓度逐渐升高，午后开始下降，日落后浓度再次上升。PM10浓度季节变化特征为：冬季＞春季＞秋季＞夏季。PM10浓度年变化特征为2016—2018年逐年升高，2019—2020年逐年下降。

(2)PM10浓度与气温在4个季节均为负相关关系；与相对湿度在春、夏、秋3个季节为显著负相关；与风速在春季为显著正相关、冬季为显著负相关；与降水量在4个季节均为负相关关系；与气压在春、秋、冬季均为弱的正相关关系；与日照时数在夏季为显著正相关，在冬季为显著负相关。

(3)利用逐步回归法建立的预报模型具有较好的预报能力，通过检验发现，夏、秋季的预报效果较春、冬季好。