郑州市冬春季相对湿度和PM2.5的关系

张 雯 白建伟 张 宁 韦贞鸽 李俊杰

（1.郑州市生态环境局，河南 郑州，450007；2.郑州市生态环境监测和安全中心，河南 郑州，450007；3.河南省郑州生态环境监测中心，河南 郑州，450007）

0 引言

PM2.5主要由盐构成，盐的特性之一是吸收水分。因此，湿度对空气质量的影响显而易见。陈艳丽［1］以某市2019—2020 年相对湿度、绝对湿度及PM2.5浓度数据为依据，对湿度参数进行区间划分，发现PM2.5在高相对湿度的环境下浓度增大，在绝对湿度增加的情况下浓度减少，原因是相对湿度大时绝对湿度并不一定大。丁净等［2］以天津市冬季大气环境为研究对象，得出冬季平均相对湿度＞80%或比湿＞3.0 g∕kg 时，PM2.5质量浓度＞75 μg∕m3的发生频率分别为78%和80%，但在比湿最高值出现的2020 年2 月，PM2.5浓度却较低。吕安等［3］通过皮尔森相关性分析太原市小店点位2019—2020 年秋冬季PM2.5浓度和常规气象数据，得出相对湿度在60%以下时，颗粒物吸湿增长较弱，对空气质量影响较小，而相对湿度大于60%将促进PM2.5浓度上升。张金萍等［4］探究北京市居民住宅、学生宿舍、农村住宅的室内PM1.0、PM2.5及PM10与相对湿度的关系，发现住户相对湿度在10%～50%时，室内颗粒物PM1.0∕PM2.5及PM2.5∕PM10的比值随相对湿度增大而增大。

国内对PM2.5和相对湿度的研究多采用个别监测站点的数据，缺乏整个地级市层面的研究，且多局限于观察PM2.5随相对湿度的分布，未建立包含风速、降水、气温等多参数在内的模型。郑州市年平均气温为15.6℃［5］，相对湿度＞50%，空气中水蒸气平均含量＞6.5 g∕m3，水是空气中仅次于氮气、氧气的第三大成分。2016—2022 年，郑州市PM2.5年平均值由78 μg∕m3下降至45 μg∕m3，降幅＞40%，但仍高于《环境空气质量标准》(GB 3095—2012)年平均二级浓度限值35 μg∕m3。因此，研究空气湿度对郑州市细颗粒物污染的影响具有现实意义。鉴于大气污染天气多发生在冬春季，本研究利用2019—2023 年11 月至次年4 月的数据，建立PM2.5与气象参数的多元逻辑回归模型，并对PM2.5监测及道路洒水作业提出了建议。

1 数据与方法

PM2.5数据来自郑州市空气质量日报，相对湿度、气温、降水、风速的数据来自气象日报，为2019—2023 年11 月1 日至次年4 月30 日的逐日平均浓度数据，无效测量值已剔除。分析采用StataMP17.0 和EXCEL。Stata 是一款具有数据分析、数据管理、图表绘制等功能的统计软件［6］，除了传统的统计分析方法外，Stata 还囊括了Cox 比例风险回归，指数与Weibull 回归，多类结果与有序结果的logistic回归等模型。

首先分析PM2.5、相对湿度的数据特征，包括平均值、最小值和最大值，观察二者年际之间的变化趋势，并绘制PM2.5逐月变化图，制作PM2.5随相对湿度分布的散点图。在分析PM2.5与相对湿度之间的关系时，采用多元逻辑回归模型。根据《环境空气质量标准》（GB3095—2012），将PM2.5浓度作为因变量并分为三个区间:

组1：CPM2.5≤35 μg∕m3

组2：35 μg∕m3＜CPM2.5≤75 μg∕m3

组3：CPM2.5＞75 μg∕m3

组1 为回归模型的参照组，逻辑回归模型为式（1）和式（2）。

式中：P代表概率，CPM2.5代表PM2.5浓度，b1为常数项，b2、b3、b4、b5分别代表相对湿度、气温、降水、风速的相关系数。

2 结果分析与讨论

2.1 冬春季PM2.5和相对湿度基本情况

2019—2023 年冬春季期间PM2.5和相对湿度的统计数据见表1。由表1 可知，2019—2022 年冬春季PM2.5均值呈下降趋势，由72.41 μg∕m3下降为61.42 μg∕m3，降幅为15.2%。但2022—2023 年的值有所反弹，达到68.70 μg∕m3，相较于2021—2022 年冬春季的均值高出11.85%。这是由于新冠疫情期结束，郑州市复工复产，加之2023 年春节烟花爆竹燃放政策松动，一定程度上加重了污染天气。PM2.5最大日均值出现在2023 年1 月，为295 μg∕m3，超过空气质量二级浓度限值293%。2019—2023年郑州市相对湿度均在50%以上，并呈现波动下降趋势，2019—2020 年冬春季相对湿度均值最高，达到57.19%。2022—2023 年冬春季相对湿度均值最低，为52.61%。

表1 2019—2023年冬春季PM2.5浓度及相对湿度统计数据

2019—2023 年冬春季PM2.5逐月平均浓度变化如图1 所示。由四条曲线走向可知，除了2021—2022 年PM2.5月均浓度由11 月的57 μg∕m3下降至12月的53.2 μg∕m3，再升高至1月的109.8 μg∕m3外，其他年份PM2.5逐月平均值均呈现先升高，再波动下降的趋势，最大值都出现在1月，2020年1月、2021年1月、2022年1月和2023年1月的均值分别为119.9 μg∕m3、85.9 μg∕m3、109.8 μg∕m3和97.9 μg∕m3，分别超过《环境空气质量标准》PM2.5年平均二级浓度限值的242.6%、145.45%、213.7%和179.7%。冬季处于采暖期，以煤炭为主的能源结构导致污染物排放量大。据统计，2020 年郑州市煤炭消费总量为1974万t，煤炭占比约为51%［7］。根据2021年、2022年大气污染源解析和污染源排放清单，燃煤对PM2.5的贡献达到20%以上。目前，郑州市燃煤消费90%以上为电力使用，尽管所有燃煤电厂均已完成超低排放改造，由于煤炭消费量居高不下，仍然是大气污染的主要来源［8］。此外，冬季地面温度急剧降低，贴近地面的下层大气温度更低，上层温度反而更高，形成“逆温”现象［9］，空气对流减弱，污染物较难扩散。

图1 2019-2023年冬春季PM2.5浓度月均变化

PM2.5最小值均出现在4 月，说明PM2.5在冬季浓度极高，进入春季后逐渐下降，但2020—2023 年4月浓度值仍高于二级浓度限值，反映出郑州市细颗粒物污染治理的压力仍较大。尽管近年来郑州市不断强化产业管控，但目前传统高污染企业、小散企业在全市依然占有较大比重，产业高质量发展水平有待提高。

2019年11月1日至2020年4月30日共182天，其他三个年度冬春季的观测期均为181 天。《环境空气质量标准》规定的PM2.524 小时平均浓度一、二级限值分别为35 μg∕m3和75 μg∕m3，统计浓度值超过二级浓度限值的天数占比如图2所示。由图2可知，2019—2020 年、2020—2021 年、2021—2022 年、2022—2023年冬春季期间PM2.5日均值超过75 μg∕m3的比例分别为36%、33%、30%和31%。相较于2021年及之前，郑州市PM2.5污染状况有所改善。

图2 PM2.5日均值超过75 μg∕m3的天数占比

4 个年度冬春季PM2.5日均值随相对湿度的分布情况如图3至图6所示。其中，相对湿度在20%～40%时，PM2.5日均值的分布相对比较集中，且浓度值往往低于50 μg∕m3。当出现PM2.5日均浓度极高值（大于150 μg∕m3）时，对应的相对湿度往往在60%～80%。当相对湿度极大（大于80%），PM2.5日均值反而有所减小，因为湿度极大可能伴随降雨、降雪，对PM2.5起到一定冲刷作用，使得PM2.5下降。综合图3 至图6，PM2.5日均值随相对湿度的分布整体比较分散，趋势性不够明显，这可能与其他气象条件、监测数据误差等因素有关。

图3 2019—2020年冬春季PM2.5浓度随相对湿度变化散点

图4 2020—2021年冬春季PM2.5浓度随相对湿度变化散点

图5 2021—2022年冬春季PM2.5浓度随相对湿度变化散点

图6 2022—2023年冬春季PM2.5浓度随相对湿度变化散点

以相对湿度为横坐标，按照20%的间隔划分5个区间，绘制箱线图。箱线图适合观察数据整体的分布情况。在统计学中，将一组数据按从大到小的顺序排列后，把该组数据四等分的数称为四分位数［10］。针对PM2.5在不同相对湿度区间的分布进行探讨，由图7 可知，随着相对湿度的增加，PM2.5的中位数、上四分位数、上边缘值均增加。在相对湿度处于较大区间时，PM2.5也相应较高，与多元逻辑回归的结论吻合。此外，箱子的宽度在一定程度上反映了数据波动程度，箱体越扁说明数据越集中。随着相对湿度的增大，相应区间PM2.5数据的波动也逐渐增大。

图7 冬春季PM2.5浓度和相对湿度的箱线图

2.2 PM2.5与相对湿度多元逻辑回归结果

对不同年度PM2.5浓度和相对湿度分别进行多元逻辑回归，并考虑气温、降水、风速的影响。在该回归模型中，因变量PM2.5是一个分类变量。按照《环境空气质量标准》，将PM2.5浓度分为三组，分别为浓度小于等于35 μg∕m（3组1）、浓度大于35 μg∕m3且小于等于75 μg∕m（3组2）和浓度大于75 μg∕m（3组3）。将组1作为基准组，分别得到组2和组3各变量的相关系数（见表2、表3）。在逻辑回归模型中，自变量相关系数的正负表示自变量对分类结果的方向性影响，系数的绝对值大小表示自变量对分类结果的重要程度。例如，某个特征的系数为1，表示每单位特征的增加会使得预测正类别的概率增加1 个单位。关于统计显著性，使用t 检验来确定系数是否显著不等于0，显著性水平按照0.1、0.05和0.01分为三个层次。

表2 2019—2020年、2020—2021年冬春季多元逻辑回归结果

表3 2021—2022年、2022—2023年冬春季多元逻辑回归结果

根据表2 和表3，各年度组2 和组3 中相对湿度的系数均大于0，且均具有统计显著性。说明与PM2.5小于等于35 μg∕m3相比，随着相对湿度增加，PM2.5出现在更大区间的概率也相应增大。例如，在2019 年11 月至2020 年4 月期间，相对湿度每增加一个单位，PM2.5浓度在35～75 μg∕m3之间的概率是PM2.5小于35 μg∕m3的概率的1.25 倍，PM2.5浓度大于75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的1.41倍，且二者p值均小于显著性水平0.01；在2020年11月至2021 年4 月期间，相对湿度每增加一个单位，PM2.5浓度在35～75 μg∕m3之间的概率将是PM2.5小于35 μg∕m3的概率的1.08倍，PM2.5浓度大于75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的1.15 倍，二者分别在0.05和0.01的水平下显著。

此外，降水、风速与PM2.5呈负相关。仍以2019 年11 月至2020 年4 月为例，降水量每增加1个单位，PM2.5在35～75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的83%，PM2.5大于75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的66%，该结果在0.05的统计水平下显著；风速每增加1 个单位，PM2.5在35～75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的87%，PM2.5大于75 μg∕m3的概率是PM2.5小于35 μg∕m3的概率的59%。温度与PM2.5浓度无明确关系。随着相对湿度增加，空气中水分增多，PM2.5因吸水而增重，继而浓度变大。降水量与PM2.5浓度呈负相关，因为降雨往往伴随空气流动，对污染物起到冲刷沉降，导致PM2.5下降。但降水的影响在不同年度并不都具有统计显著性，原因是冬春季郑州降雨量小，在降水极少甚至无降水时，体现不出其对PM2.5的影响。风速与PM2.5呈现负相关，因为风速较大时污染物扩散条件更好，因而PM2.5较低。

2.3 相对湿度对PM2.5监测的影响

PM2.5监测常用方法有滤膜称重法、压电晶体频差法、光散射法、β 射线法等［11］。目前国内普遍采用的是加载膜动态监测系统的微量振荡天平技术（TEOM+FDMS）和加装动态加热系统的β 射线法(β+DHS）［12］。TEOM+FDMS 的原理为环境空气以一恒定流量通过采样滤膜，颗粒物将沉积在滤膜上［13］，进而测定前后振荡频率并计算出颗粒物平均浓度。环境空气被采集进入仪器后会经过干燥器处理。干燥器利用水汽渗透膜两侧的气压差剔除空气中的水分，进而使得空气样本中的水分与颗粒物分离。在此过程中，渗透膜工作效率及气流压差均会影响水汽去除率，去除的是气相中的水分，对于吸附在颗粒物上的水和结晶水难以去除［14］。特别是高湿度条件下，干燥器中滤膜对水分去除不彻底将进一步导致PM2.5测量值增大［15］；β+DHS 法则利用采集到的颗粒物质量变化与β 射线检测器输出信号之间的对应关系进行测定。该方法能够减少水分对测定的影响，但对采样滤膜带有较高要求，在湿度短期变化大时易出现仪器故障［16]。

郑州市空气质量自动站监测PM10采用常态加热50 ℃，PM2.5则是动态加热［17］，即测量室相对湿度大于35%时才启动加热，这是导致有时PM2.5大于PM10的原因。PM2.5采用动态加热不至于因常态加热而导致半挥发性有机物的损失，却把PM2.5中的水也测量进来了，而空气中水的浓度是挥发性有机物的数百万倍。国际上已开展PM2.5监测仪器认证的国家有美国联邦环保署、欧盟环境委员会、德国、英国、法国、日本等［18］，而我国监测设备认证仍处于筹措中。

3 结论

①2019—2023年冬春季期间，郑州市相对湿度均值在50%以上，湿度对空气质量具有较大影响。当相对湿度较低（20%～40%）时，PM2.5低于50 μg∕m3的发生频率较高；当相对湿度较高（60%～80%）时，PM2.5出现极大值（大于150 μg∕m3）的概率增大；当相对湿度继续增大，PM2.5反而有所下降，可能是降水的冲刷沉降造成的。

②2019—2022年冬春季期间，PM2.5月均浓度最大值均出现在1 月，最小值均出现在4 月,说明冬季污染比春季严重。PM2.5平均值由72.41 μg∕m3下降为61.42 μg∕m3，降幅达15.2%。但2022—2023 年冬春季PM2.5平均浓度出现反弹，达到68.70 μg∕m3，这是因为新冠疫情结束复工复产以及燃放烟花爆竹政策有所松动。

③PM2.5监测应进一步提升在线设备质量控制水平，细化监测规范，完善监测所用滤膜的质量管理体系，对其生产过程、运输要求、保存条件等进行明确，充分考虑湿度的影响，保证自动监测数据的准确性。建立手工监测与自动监测数据溯源对比与评价体系，以更为精准的数据推动大气污染防治攻坚战的胜利。

④道路洒水会增加周边空气的相对湿度，而其能否达到减少道路灰尘与颗粒物的效果有待进一步探究。开展道路洒水前应充分考虑气象条件及大气污染状况。