吳 航，程建華

安徽大學(xué)經(jīng)濟(jì)學(xué)院，安徽合肥，230601

基于合肥環(huán)境空氣質(zhì)量數(shù)據(jù)的PM2.5影響因素分析及模型仿真

吳 航，程建華*

安徽大學(xué)經(jīng)濟(jì)學(xué)院，安徽合肥，230601

利用合肥市2013年11月至2014年3月5個(gè)月的污染物觀測(cè)數(shù)據(jù)以及氣象數(shù)據(jù)，分析了產(chǎn)生顆粒物污染PM2.5的內(nèi)外主要因素，并在此基礎(chǔ)上，采用多元時(shí)滯分布回歸模型對(duì)PM2.5質(zhì)量濃度進(jìn)行預(yù)測(cè)，得到以下主要結(jié)論：(1)污染物排放是顆粒物污染PM2.5的最主要因素，其來(lái)源是工業(yè)廢氣排放、城市建筑揚(yáng)塵和機(jī)動(dòng)車尾氣排放；(2)城市PM2.5存在集聚現(xiàn)象，即霧霾天氣一旦形成，其自身難以擴(kuò)散，并呈日益加劇趨勢(shì)；(3)氣象因素是影響PM2.5的外部因素，冬春季節(jié)大氣壓和溫度上升易于催生污染顆粒物的形成，相對(duì)濕度對(duì)PM2.5無(wú)顯著影響，上升的風(fēng)速可吹散污染顆粒物，在一定程度上緩和大氣污染。

PM2.5；多元時(shí)滯分布模型；合肥

隨著社會(huì)經(jīng)濟(jì)快速發(fā)展，能源消耗增加，工業(yè)污染和環(huán)境污染日趨嚴(yán)重，社會(huì)機(jī)動(dòng)車輛增多，顆粒物已成環(huán)境主要污染源，對(duì)人體健康、氣候變化以及自然環(huán)境都產(chǎn)生眾多不良影響。國(guó)內(nèi)外流行病學(xué)[1-2]研究證實(shí)顆粒物污染會(huì)造成人體呼吸系統(tǒng)、心臟以及血液循環(huán)系統(tǒng)等的巨大損傷，增加死亡率。氣候?qū)W家[3]發(fā)現(xiàn)大氣顆粒物與氣候變化有重大關(guān)聯(lián)：大氣顆粒能減弱太陽(yáng)光照射地球的強(qiáng)度，使地表接受的太陽(yáng)輻射量降低，溫度下降，從而引起全球變冷效應(yīng)。此外，顆粒物的存在對(duì)環(huán)境的影響也顯而易見，王瑋[4]等研究發(fā)現(xiàn)細(xì)顆粒物酸度強(qiáng)，酸化緩沖能力弱，易造成局部酸性降水。劉隨心[5]等研究得到PM2.5質(zhì)量濃度與空氣能見度的相關(guān)系數(shù)高達(dá)-0.52，即PM2.5質(zhì)量濃度越高，空氣能見度就越低。最近三五年越來(lái)越嚴(yán)重的霧霾天氣、顆粒物(PM2.5)來(lái)源和形成原因受到公眾廣泛關(guān)注，并成為學(xué)術(shù)界研究的熱點(diǎn)。

目前關(guān)于PM2.5的研究主要集中于PM2.5的觀測(cè)特征、成分分析、影響因素以及濃度預(yù)測(cè)模型的研制。其中在PM2.5預(yù)測(cè)研究中，多數(shù)學(xué)者直接采用多元回歸分析[6-10]或者時(shí)間序列分析對(duì)PM2.5質(zhì)量濃度進(jìn)行預(yù)測(cè)，然而這些研究均存在較大缺陷：一是在利用多元回歸分析方法建立的預(yù)測(cè)模型中忽視了氣象因子以及PM2.5本身傳播對(duì)其濃度的影響；二是利用時(shí)間序列分析方法對(duì)濃度進(jìn)行模擬時(shí)，實(shí)際上只是一種趨勢(shì)擬合外推，沒(méi)有涉及其內(nèi)在影響因素的分析?；谏鲜鲈?，本文以PM2.5為研究目標(biāo)，利用合肥市2013年11月至2014年3月連續(xù)觀測(cè)的151個(gè)PM2.5、SO2、NO2、CO、溫度、濕度、風(fēng)速、大氣壓力的日?qǐng)?bào)數(shù)據(jù)，在分析PM2.5質(zhì)量濃度與各氣體污染物以及氣象因素之間的相關(guān)關(guān)系的基礎(chǔ)上，研究PM2.5形成機(jī)理，利用時(shí)間序列自回歸分布滯后模型測(cè)算相關(guān)主要因素對(duì)其影響的程度，并通過(guò)現(xiàn)有數(shù)據(jù)對(duì)PM2.5質(zhì)量濃度進(jìn)行仿真預(yù)測(cè)，從而為城市PM2.5監(jiān)測(cè)預(yù)警、防范治理提供理論上的參考依據(jù)。

本文之所以選擇合肥市作為研究對(duì)象，是因?yàn)楹戏式杲?jīng)濟(jì)呈快速發(fā)展勢(shì)頭，工業(yè)企業(yè)大量增加，城區(qū)面積擴(kuò)大，機(jī)動(dòng)車輛明顯增多，而在經(jīng)濟(jì)發(fā)展的同時(shí)空氣環(huán)境質(zhì)量卻逐步惡化。合肥市2013年11月至2014年3月5個(gè)月內(nèi)的大氣氣溶膠PM2.5質(zhì)量濃度平均值為117.85 μg/m3，超過(guò)了國(guó)家75 μg/m3的排放標(biāo)準(zhǔn)，且其中有106天日平均質(zhì)量濃度超過(guò)標(biāo)準(zhǔn)值，超標(biāo)率高達(dá)70%，高于同時(shí)期北京的92.34 μg/m3(48.34%)、天津106.19 μg/m3(63.25%)、上海78.62 μg/m3(42.38%)、重慶83.37 μg/m3(61.59%)、杭州88.70 μg/m3(48.34%)以及南京105.47 μg/m3(60.93%)。研究經(jīng)濟(jì)快速發(fā)展時(shí)期的城市空氣質(zhì)量對(duì)于我國(guó)未來(lái)城市發(fā)展道路選擇具有較大的參考價(jià)值和借鑒意義。

1 相關(guān)研究

由于我國(guó)大中城市霧霾天氣越來(lái)越嚴(yán)重，而霧霾又主要是由PM2.5顆粒形成的，因此近年來(lái)PM2.5也成為了國(guó)內(nèi)學(xué)術(shù)界熱點(diǎn)研究領(lǐng)域。相關(guān)研究指出污染源與氣象條件是形成霧霾、導(dǎo)致PM2.5質(zhì)量濃度過(guò)高的兩大主要因素。茆長(zhǎng)榮等[11]在研究合肥市PM10污染成因中就指出氣象條件是產(chǎn)生PM10的外部條件，而污染物排放則是根本原因。曾靜等[12]通過(guò)比較奧運(yùn)期間與奧運(yùn)之后北京市空氣中PM2.5質(zhì)量濃度的變化情況評(píng)價(jià)交通管制、工廠停工、燃煤污染控制以及工業(yè)污染控制等臨時(shí)減排措施對(duì)環(huán)境空氣質(zhì)量控制的效果，結(jié)果表明北京市奧運(yùn)期間PM2.5質(zhì)量濃度明顯低于奧運(yùn)后PM2.5質(zhì)量濃度，進(jìn)一步證實(shí)汽車排放尾氣、城市揚(yáng)塵以及燃料燃燒等污染源是北京空氣質(zhì)量惡化的罪魁禍?zhǔn)住?/p>

在已有的研究中，相關(guān)學(xué)者還對(duì)造成PM2.5濃度過(guò)高的外部氣象條件進(jìn)行了深入探討，如劉大猛、羅娜娜、張桂芹等認(rèn)為一定范圍內(nèi)PM2.5的質(zhì)量濃度與溫度和風(fēng)速呈負(fù)相關(guān)[13-16]，與相對(duì)濕度呈正相關(guān)。當(dāng)風(fēng)速小于10 km/h這一閾值時(shí)，PM2.5質(zhì)量濃度與風(fēng)速負(fù)相關(guān)，反之，當(dāng)風(fēng)速大于10 km/h時(shí)，則PM2.5質(zhì)量濃度與風(fēng)速正相關(guān)[17]；當(dāng)相對(duì)濕度大于65%時(shí)，PM2.5質(zhì)量濃度與相對(duì)濕度反相關(guān)，當(dāng)相對(duì)濕度小于65%時(shí)，PM2.5質(zhì)量濃度與相對(duì)濕度正相關(guān)[18]。而車瑞俊等[19]在對(duì)北京市的PM2.5進(jìn)行采樣監(jiān)測(cè)研究后發(fā)現(xiàn)顆粒物的濃度隨著逆溫層的出現(xiàn)而增大，并且降水對(duì)顆粒物濃度的影響十分明顯，當(dāng)降雨產(chǎn)生時(shí)，顆粒物濃度會(huì)相應(yīng)降低。劉隨心等的研究進(jìn)一步證實(shí)降雨能降低PM2.5質(zhì)量濃度，并在分析西安1339個(gè)連續(xù)觀測(cè)的PM2.5日質(zhì)量濃度以及氣象因子數(shù)據(jù)變化特征時(shí)，得到降雨和非降雨期間PM2.5的日平均質(zhì)量濃度分別為157.13 μg/m3和217.7 μg/m3，呈現(xiàn)明顯差異，此與國(guó)外學(xué)者類似的研究結(jié)果較為一致。RM.Harrison[20]與Z Wu[21]相繼提到PM2.5和PM10的質(zhì)量濃度與風(fēng)速呈“U型”關(guān)系，當(dāng)風(fēng)速小于某個(gè)閾值時(shí)，與顆粒物濃度呈負(fù)相關(guān)性；當(dāng)風(fēng)速大于該閾值時(shí)，則與顆粒物濃度呈正相關(guān)性。Chaloulak[22]則通過(guò)分析認(rèn)為風(fēng)速和溫度是形成顆粒物濃度過(guò)高的主要外部條件，風(fēng)速越大或者溫度越低，大氣中的顆粒物濃度就越低。除研究風(fēng)速外，Annand[23]在研究中還考慮到溫度和氣壓對(duì)PM2.5濃度的影響。溫度、氣壓與逆溫現(xiàn)象密切相關(guān)，逆溫現(xiàn)象出現(xiàn)則大氣層結(jié)構(gòu)趨于穩(wěn)定，空氣的垂直混合作用減弱，近地面顆粒物聚集，濃度升高。由以上研究結(jié)論可以看出，Harrison與其他學(xué)者關(guān)于影響顆粒物濃度的主要?dú)庀笠蛩卮嬖诓糠植町?，他認(rèn)為風(fēng)速和大氣壓力是影響PM2.5濃度最重要的外部因素，而其他氣象條件如相對(duì)濕度等對(duì)PM2.5濃度的影響雖存在，但不如風(fēng)速和氣壓影響程度大[24]。

在這些相關(guān)研究中，不僅討論了PM2.5濃度過(guò)高的內(nèi)在因素和外部條件，而且還借助現(xiàn)有數(shù)據(jù)對(duì)PM2.5濃度測(cè)算進(jìn)行了定量仿真預(yù)測(cè)研究，所采用的分析模型包括時(shí)間序列、多元回歸、神經(jīng)網(wǎng)絡(luò)等，但以多元回歸模型[6-10]為主。如周麗[6]使用多元回歸模型研究北京PM2.5質(zhì)量濃度與氣體污染物以及氣象參數(shù)之間的關(guān)系，得到NO2、SO2、風(fēng)速和大氣壓力對(duì)PM2.5濃度影響最為顯著。唐猛[7]在研究長(zhǎng)沙地區(qū)PM10與NO2、SO2、溫度、風(fēng)速、相對(duì)濕度以及大氣壓力關(guān)系的基礎(chǔ)上，建立了預(yù)測(cè)PM10質(zhì)量濃度的多元回歸模型，并利用時(shí)間序列分析方法對(duì)模型進(jìn)行修正，最終得到多元回歸與時(shí)間序列的混合模型。張藝耀等[8]使用時(shí)間序列分析方法預(yù)測(cè)影響PM2.5濃度的主要因素，并以此主要因素的預(yù)測(cè)值作為自變量建立預(yù)測(cè)PM2.5濃度的多元回歸模型。在上述研究中，眾多學(xué)者雖然較為全面地考慮了產(chǎn)生PM2.5的內(nèi)在因素和外部條件，但較少考慮到各類因素對(duì)PM2.5濃度作用的時(shí)機(jī)有可能并不同步，即不同因素對(duì)PM2.5產(chǎn)生作用的時(shí)間點(diǎn)不一樣而存在一定時(shí)差，因此其所建立的多元回歸模型應(yīng)是不同時(shí)滯分布的時(shí)間序列方程。遺憾的是這方面考慮的較少，降低了這些研究結(jié)論的可靠性。同時(shí)，有些預(yù)測(cè)分析則是一種簡(jiǎn)單的趨勢(shì)擬合外推，缺少機(jī)理分析。本文在上述研究的基礎(chǔ)上，首先全面分析了產(chǎn)生PM2.5濃度過(guò)高的內(nèi)外影響因素，通過(guò)數(shù)據(jù)仿真明確PM2.5濃度過(guò)高形成的機(jī)理，然后建立具有不同時(shí)滯關(guān)系的定量分析模型，模擬預(yù)測(cè)不同內(nèi)外環(huán)境下PM2.5的濃度大小，以期獲得制定減少或防范PM2.5濃度過(guò)高和霧霾天氣的對(duì)策，比如當(dāng)形成霧霾天氣的外部條件充分時(shí)，可考慮實(shí)時(shí)減少交通車輛出行、工廠生產(chǎn)排放量，避開易于霧霾天氣形成的外部條件，有意識(shí)地避開內(nèi)外影響條件。

2 影響PM2.5濃度的主要因素與變量選擇

影響并形成PM2.5質(zhì)量濃度的因素一是內(nèi)在污染源，二是外部氣候條件。

2.1 影響顆粒物濃度的污染源

污染源是產(chǎn)生顆粒物污染的內(nèi)在原因，煤炭燃燒、工業(yè)生產(chǎn)以及汽車尾氣等排放出的大量細(xì)小粒子進(jìn)入空氣，直接造成大氣中PM2.5質(zhì)量濃度的迅速升高；與此同時(shí)，污染源排放的氮氧化物、硫氧化物進(jìn)入空氣中經(jīng)過(guò)相互作用生成二次細(xì)小粒子，進(jìn)一步增加空氣中PM2.5的質(zhì)量濃度。

2.1.1 工業(yè)廢氣排放

工業(yè)生產(chǎn)排放出大量廢氣是造成城市顆粒物污染的最重要因素，工業(yè)廢氣中含有大量煙(粉)塵等粒徑較小的一次顆粒物，同時(shí)含有二氧化硫、氮氧化物等氣體污染物，這些氣體污染物經(jīng)過(guò)化學(xué)反應(yīng)生成二次顆粒物，與一次顆粒物共同引起空氣中顆粒物濃度升高。根據(jù)安徽省公布的統(tǒng)計(jì)數(shù)據(jù)可知，合肥市2012年工業(yè)企業(yè)總數(shù)為873個(gè)，能源消耗量為8 363.59萬(wàn)噸，排放出的工業(yè)廢氣總量達(dá)2 769億標(biāo)立方米，包括二氧化硫排放量45 572噸、工業(yè)煙(粉)塵排放量41 120噸。而追溯到2005年，工業(yè)企業(yè)總數(shù)為182個(gè)，能源消耗量7 099.55萬(wàn)噸，排放出的工業(yè)廢氣總量達(dá)5 664 190萬(wàn)標(biāo)立方米，包括工業(yè)二氧化硫排放量21 000噸、工業(yè)煙(粉)塵排放量14 484噸，在短短的7年時(shí)間里主要污染物指標(biāo)分別增長(zhǎng)了379.67%、17.80%、388.86%、117.00%、183.90%。由此可見，城市工業(yè)快速發(fā)展所帶來(lái)的負(fù)面影響使城市顆粒物污染日益加重，本文在進(jìn)行實(shí)證分析時(shí)，以空氣中CO、SO2和NO2的日均濃度作為城市主要工業(yè)污染源變量(圖1-3)，其計(jì)量單位分別是mg·m-3、μg·m-3和μg·m-3。

圖1 PM2.5與CO的日變化狀況

圖2 PM2.5與SO2的日變化狀況

2.1.2 機(jī)動(dòng)車尾氣排放

隨著經(jīng)濟(jì)發(fā)展，城鄉(xiāng)居民生活水平日益提高，城市機(jī)動(dòng)車數(shù)量的快速增長(zhǎng)，汽車尾氣排放加劇，空氣質(zhì)量逐漸惡化，為此北京2008年奧運(yùn)會(huì)和2014年OPEC年會(huì)期間不得不采取汽車限行的方法，減少汽車尾氣排放，以控制市內(nèi)空氣質(zhì)量。近十年合肥市機(jī)動(dòng)車增長(zhǎng)速度同樣十分驚人，2013年民用汽車和民用轎車擁有量分別為82.07、49.74萬(wàn)輛，其中私人汽車和私人轎車分別為61.98、43.80萬(wàn)輛；與2010年相比，僅僅三年分別增長(zhǎng)了108.70%、147.43%、142.87%、165.29%。

圖3 PM2.5與NO2的日變化狀況

2.1.3 城市揚(yáng)塵

來(lái)源于城市揚(yáng)塵中的細(xì)粒子在顆粒物總量中所占的比重越來(lái)越高，已經(jīng)成為影響PM2.5質(zhì)量濃度的另一重要因素，如城市里的建筑揚(yáng)塵、交通揚(yáng)塵和風(fēng)土揚(yáng)塵。在建筑施工過(guò)程中，由于不注意物料的堆放、遮擋和覆蓋，產(chǎn)生了大量容易起塵的渣土、砂石等細(xì)粒子。當(dāng)遇到大風(fēng)天氣或機(jī)動(dòng)車輛和人流量增多時(shí)，這些細(xì)粒子便會(huì)從地表?yè)P(yáng)起進(jìn)入空氣中，造成局部地區(qū)顆粒物濃度升高。近年來(lái)，合肥市大力發(fā)展房地產(chǎn)和城市交通基礎(chǔ)設(shè)施建設(shè)，市區(qū)高樓林立，道路縱橫交錯(cuò)。2003年合肥市城區(qū)土地面積為148平方公里，2012年已經(jīng)上升為378平方公里，十年間增加了將近3倍。雖然城區(qū)面積、城市建設(shè)和交通道路有了較大發(fā)展和明顯改觀，但城市綠地減少，大大增加了空氣揚(yáng)塵中的細(xì)粒子數(shù)量。

盡管機(jī)動(dòng)車尾氣和灰土揚(yáng)塵是城市另外兩大重要污染源，但由于其數(shù)據(jù)難以獲得，本文無(wú)法將其列為模型計(jì)算變量指標(biāo)。

2.2 影響顆粒物濃度的氣象條件

已有氣象研究文獻(xiàn)顯示，大氣壓、風(fēng)速、濕度和天氣溫度是影響大氣中顆粒物濃度的四大主要外部條件[12-24]。本文對(duì)此進(jìn)行了實(shí)證檢驗(yàn)，以便仿真建模參考。

2.2.1 大氣壓力對(duì)PM2.5濃度的影響

大氣氣壓能夠直接影響大氣層結(jié)構(gòu)的穩(wěn)定性，從而間接影響顆粒物的水平擴(kuò)散和垂直擴(kuò)散。當(dāng)出現(xiàn)逆溫現(xiàn)象時(shí)，大氣層處于十分穩(wěn)定的狀態(tài)，空氣對(duì)流速度減慢，顆粒物擴(kuò)散能力減弱，導(dǎo)致近地表顆粒物聚集濃度升高；反之，當(dāng)逆溫現(xiàn)象消失后，大氣層恢復(fù)活躍狀態(tài)，空氣中的垂直混合作用加強(qiáng)，顆粒物向四周迅速擴(kuò)散導(dǎo)致其濃度下降。合肥市研究期內(nèi)PM2.5質(zhì)量濃度與大氣壓力的變化序列圖(圖4)顯示：當(dāng)大氣壓力下降時(shí)，PM2.5的質(zhì)量濃度隨之上升；當(dāng)大氣壓力上升時(shí)，PM2.5的質(zhì)量濃度又隨之下降。可見，PM2.5質(zhì)量濃度與大氣壓力之間存在著一定的負(fù)相關(guān)關(guān)系(以P表示大氣壓力，單位為百帕)。

圖4 PM2.5與P的日變化狀況

2.2.2 風(fēng)速對(duì)PM2.5濃度的影響

在一定范圍內(nèi)，風(fēng)對(duì)大氣中的顆粒物具有一定的水平輸送和稀釋擴(kuò)散作用，風(fēng)速越大對(duì)顆粒物的水平輸送和稀釋能力越強(qiáng)，空氣中的PM2.5質(zhì)量濃度也就越??；相反，風(fēng)速越小對(duì)顆粒物的水平輸送和稀釋能力越弱，顆粒物在局部空間堆積無(wú)法擴(kuò)散，PM2.5質(zhì)量濃度也就快速升高。但是，當(dāng)風(fēng)速超過(guò)一定范圍時(shí)，這種負(fù)相關(guān)關(guān)系便不再存在。因?yàn)轱L(fēng)速過(guò)大，地表的灰塵會(huì)被帶入空氣中，直接造成局部PM2.5特別是PM10質(zhì)量濃度的迅速升高。風(fēng)速在一定范圍內(nèi)與PM2.5質(zhì)量濃度之間存在負(fù)相關(guān)性。圖5表示本文樣本內(nèi)的風(fēng)速與PM2.5濃度之間關(guān)系，由此可見，隨著風(fēng)速的升高，PM2.5質(zhì)量濃度相應(yīng)降低；當(dāng)風(fēng)速下降時(shí)，PM2.5的質(zhì)量濃度便又逐漸升高。本文以WS表示風(fēng)速，單位為km/h。

圖5 PM2.5與WS的日變化狀況

2.2.3 相對(duì)濕度對(duì)PM2.5濃度的影響

相對(duì)濕度較高有利于大氣中氣體污染物轉(zhuǎn)化為液態(tài)、半液態(tài)以及固態(tài)細(xì)粒子；與此同時(shí)，大氣中的另一些極小粒子也能夠吸濕漲大轉(zhuǎn)化為集聚核模態(tài)，使得空氣中PM2.5質(zhì)量濃度升高。但是，如果相對(duì)濕度過(guò)高，空氣中的水汽便開始凝結(jié)形成降雨。由于降雨帶來(lái)的濕沉降作用能夠沖刷大氣中的顆粒物，減少揚(yáng)塵污染，所以PM2.5質(zhì)量濃度反而會(huì)下降。圖6反映了在一定范圍內(nèi)，PM2.5質(zhì)量濃度與相對(duì)濕度之間存在正相關(guān)關(guān)系。當(dāng)相對(duì)濕度升高時(shí)，PM2.5質(zhì)量濃度隨之升高；當(dāng)相對(duì)濕度下降時(shí)，PM2.5質(zhì)量濃度隨之下降。相對(duì)濕度以RH表示，單位為%。

圖6 PM2.5與RH的日變化狀況

2.2.4 溫度對(duì)PM2.5濃度的影響

由于在一定范圍內(nèi)，氣溫上升使氣體污染物的活性增強(qiáng)，促進(jìn)了二次顆粒物的形成；氣溫上升使空氣對(duì)流速度加快，大氣中細(xì)顆粒物的水平傳輸能力變強(qiáng)；氣溫上升使大氣中細(xì)粒子的布朗運(yùn)動(dòng)加劇，有利于粒子轉(zhuǎn)化為集聚核模態(tài)[12]。圖7顯示合肥市2013年11月至2014年3月5個(gè)月中的PM2.5質(zhì)量濃度與氣溫的關(guān)系，當(dāng)溫度升高時(shí)PM2.5質(zhì)量濃度隨之升高，溫度下降時(shí)PM2.5質(zhì)量濃度也隨之下降，即PM2.5質(zhì)量濃度與溫度之間存在正相關(guān)性。本文以T表示日均溫度，單位為攝氏溫度。

圖7 PM2.5與T的日變化狀況

3 基于多元時(shí)滯分布回歸模型的PM2.5濃度預(yù)測(cè)

本文在上述定性分析的基礎(chǔ)上，擬建立用于預(yù)測(cè)PM2.5濃度的計(jì)量分析模型。從對(duì)合肥市2013年11月至2014年3月五個(gè)月的日觀察記錄的數(shù)據(jù)分析以及PM2.5形成的機(jī)理可知，本文前面分析的顆粒物三大污染源CO、SO2、NO2以及氣壓、風(fēng)速、相對(duì)濕度和溫度四大氣象條件是影響PM2.5的主要影響因素，但各因素對(duì)形成PM2.5濃度過(guò)高的作用時(shí)間點(diǎn)可能并不一致，因此定量分析模型應(yīng)根據(jù)統(tǒng)計(jì)檢驗(yàn)作相應(yīng)的識(shí)別和選擇。為此，本文在建立計(jì)量模型前，先計(jì)算變量之間的相關(guān)系數(shù)，作此計(jì)算的意義在于利用變量數(shù)據(jù)統(tǒng)計(jì)上的關(guān)聯(lián)性構(gòu)造更簡(jiǎn)潔的計(jì)量模型，計(jì)算結(jié)果見表1。

由表1可知，PM2.5與主要污染物氣體CO、SO2、NO2相關(guān)性較高，這是因?yàn)镻M2.5本身的主要成分即由這些氣體污染物構(gòu)成。PM2.5與同時(shí)期溫度、風(fēng)速、濕度和大氣壓力等氣象因素相關(guān)性較弱，存在這種現(xiàn)象的原因可能是氣象因素對(duì)PM2.5濃度的影響存在滯后性，需進(jìn)一步作時(shí)差相關(guān)分析。本文取最大時(shí)滯天數(shù)為7，即一周內(nèi)各影響因素與PM2.5之間的關(guān)系，計(jì)算結(jié)果見表2。

表1 變量之間的相關(guān)系數(shù)表

表2 PM2.5與相關(guān)變量之間的時(shí)差相關(guān)系數(shù)

表2進(jìn)一步證實(shí)三大主要污染氣體CO、SO2、NO2與同時(shí)期PM2.5的相關(guān)程度最高，雖然在一周時(shí)間內(nèi)，氣象因素與PM2.5濃度的相關(guān)性均不是十分緊密，但相對(duì)而言前后不同時(shí)期對(duì)PM2.5影響程度還是存在差異的。比如氣壓、相對(duì)濕度和溫度在前4天左右影響較大，風(fēng)速則在前1天影響較大。

在上述統(tǒng)計(jì)分析的基礎(chǔ)上建立預(yù)測(cè)PM2.5的仿真模型，本文以PM2.5質(zhì)量濃度作為因變量，將前述分析的各類因素作為解釋變量，考慮PM2.5自身集聚和擴(kuò)散因素，現(xiàn)建立包含所有解釋變量在內(nèi)的多元時(shí)滯分布計(jì)量模型：

PM2.5t=β0+β1PM2.5t-1+β2COt+β3SO2t

+β4NO2t+β5PJ-4+β6Tt-4+β7RHt-4

+β8WSt-1+μt

(1)

由于SO2與NO2之間存在較強(qiáng)的相關(guān)性，可能使得在模型(1)存在多重共線性問(wèn)題，實(shí)際計(jì)算結(jié)果表明SO2對(duì)PM2.5的回歸系數(shù)的顯著性檢驗(yàn)不能通過(guò)，除此之外，相對(duì)濕度RH的回歸系數(shù)也不能通過(guò)統(tǒng)計(jì)顯著性檢驗(yàn)，最后獲得如下方程：

+96.98·COt+0.47·SO2t+1.66·PJ-4

+1.28·Tt-4…1.16·WSt-1

(2)

模型統(tǒng)計(jì)檢驗(yàn)見表3所示。

表3 模型(2)的參數(shù)估計(jì)與檢驗(yàn)統(tǒng)計(jì)量結(jié)果

模型(2)具有0.87的擬合優(yōu)度，此表明模型統(tǒng)計(jì)上擬合效果較為理想，其實(shí)際意義是所給解釋變量較好的反映了PM2.5形成過(guò)程與機(jī)理。具體而言，CO、SO2是產(chǎn)生PM2.5的主要因素，PM2.5(-1)的回歸系數(shù)為正表示前1日的霧霾天氣有加劇空氣質(zhì)量惡化之勢(shì)，即霧霾天氣存在集聚現(xiàn)象；前4日的氣壓P與溫度T對(duì)PM2.5有顯著的正向影響，則表示氣壓與溫度上升易于催生污染顆粒物的形成；WS對(duì)PM2.5具有顯著的負(fù)向影響。此結(jié)果正如公眾對(duì)霧霾天氣無(wú)奈的調(diào)侃式解釋，即“目前我們對(duì)驅(qū)散霧霾無(wú)能為力，只能借助自然大風(fēng)的力量還清新的空氣”。

由于方程中含有被解釋變量的滯后項(xiàng)，因此不能通過(guò)DW統(tǒng)計(jì)量來(lái)判斷回歸方程的殘差是否存在序列相關(guān)，而是計(jì)算殘差序列的自相關(guān)系數(shù)、偏自相關(guān)系數(shù)進(jìn)行判斷[26]。圖8和圖9為殘差序列相關(guān)圖和自相關(guān)散點(diǎn)圖。由圖可知，殘差的自相關(guān)、偏自相關(guān)系數(shù)較小，所對(duì)應(yīng)的P值均大于0.10，表明模型的殘差不存在序列相關(guān)性。圖10為模型的預(yù)測(cè)效果，模型的預(yù)測(cè)值與實(shí)際值的擬合效果較好。

圖8 殘差序列相關(guān)圖

圖9 殘差自相關(guān)散點(diǎn)圖

圖10 模型的預(yù)測(cè)效果圖

4 結(jié)論與啟示

本文運(yùn)用合肥市2013年11月至2014年3月5個(gè)月的污染物觀測(cè)數(shù)據(jù)以及氣象數(shù)據(jù)，分析了產(chǎn)生顆粒物污染PM2.5的內(nèi)外主要因素，并在此基礎(chǔ)上，利用多元時(shí)滯分布回歸分析方法建立了用于預(yù)測(cè)PM2.5質(zhì)量濃度仿真模型，得到以下主要結(jié)論：

(1)污染物排放是顆粒物污染PM2.5的最主要因素，其來(lái)源是工業(yè)化過(guò)程中普遍存在的工業(yè)廢氣排放、城市建筑揚(yáng)塵和機(jī)動(dòng)車尾氣排放。

(2)城市PM2.5存在集聚現(xiàn)象，即霧霾天氣一旦形成，其自身難以擴(kuò)散，并呈日益加劇趨勢(shì)。

(3)氣象因素是影響PM2.5的外部因素，冬春季節(jié)大氣壓和溫度上升易于催生污染顆粒物的形成，相對(duì)濕度對(duì)PM2.5無(wú)顯著影響，上升的風(fēng)速在可吹散污染顆粒物時(shí)，在一定程度上緩和大氣污染。

由本文獲取的結(jié)論可為我國(guó)現(xiàn)今經(jīng)濟(jì)建設(shè)和城市發(fā)展提供一些啟示。置環(huán)境約束于不顧的 “唯GDP至上”經(jīng)濟(jì)增長(zhǎng)模式和城市規(guī)模無(wú)節(jié)制發(fā)展顯然不具有持久性，城市“攤大餅”式發(fā)展，不僅占用有限綠地，而且客觀上增加機(jī)動(dòng)車輛，加劇城市空氣質(zhì)量惡化。這些啟示早已形成共識(shí)，本文從實(shí)證分析角度進(jìn)一步證實(shí)了這一結(jié)論。在短期治理措施方面，可借助氣象預(yù)報(bào)手段，對(duì)未來(lái)三四天存在有利霧霾天氣形成的外部條件時(shí)，適度減少污染企業(yè)和建筑工地開工，勸誡居民放棄機(jī)動(dòng)車行駛，降低霧霾天氣形成的內(nèi)部因素，緩解短期空氣質(zhì)量惡化。從長(zhǎng)期來(lái)看，治理空氣污染的根本出路在于改變現(xiàn)有的經(jīng)濟(jì)增長(zhǎng)方式和城市發(fā)展模式。

[1]DWDockery,CAPope,XXu.AnassociationbetweenairpollutionandmortalityinsixUScities[J].NewEnglandJournalofMedicine,1993:329，1753-1759

[2]CAPope,RTBurnett,MJThun.Lungcancer,cardiopulmonarymortalityandlong-termexposuretofineparticulateairpollution[J].JournaloftheAmericanMedicalAssociation,2002(9):1132-1141

[3]付培健，王世紅，陳長(zhǎng)和．探討氣候變化的新熱點(diǎn)：大氣氣溶膠的氣候效應(yīng)[J]．地球科學(xué)進(jìn)展，1998，13(4)：387-392

[4]王瑋，湯大鋼，劉紅杰，等．中國(guó)PM2.5污染狀況和污染特征的研究[J]．環(huán)境科學(xué)研究，2000，13(1)：1-5

[5]劉隨心，曹軍驥，安芷生．西安大氣細(xì)粒子PM2.5質(zhì)量濃度變化特征及其影響因素[J]．過(guò)程工程學(xué)報(bào)，2009(9)：231-235

[6]周麗，徐祥德，丁國(guó)安，等．北京地區(qū)氣溶膠PM2.5粒子濃度的相關(guān)因子及其估算模型[J]．氣象學(xué)報(bào)，2003，61(6)：761-767

[7]唐猛．長(zhǎng)沙市顆粒物PM10濃度統(tǒng)計(jì)學(xué)分布特征與預(yù)測(cè)[D]．長(zhǎng)沙：中南大學(xué)物理學(xué)院，2010：1-67

[8]張藝耀，苗冠鴻，閆劍詩(shī),等．影響PM2.5因素的多元統(tǒng)計(jì)分析與預(yù)測(cè)[J]．資源節(jié)約與環(huán)保，2013(11)：35-136

[9]CHMonn,OBraendli,GSchaeppi.Particulatematter<10μg(PM10)andtotalsuspendedParticulates(TSP)inurban,ruralandalpineairinSwitzerland[J].AtmosphericEnvironmental,1995，19:2565-2573

[10]GoyalP,AChan.StatisticalmodelsforthepredictionofreparablesuspendedparticulateMatterinurbancities[J].AtmosphericEnvironment,2006(11):2068-2077

[11]茆長(zhǎng)榮，尚廣萍．合肥市城市PM10污染成因及控制對(duì)策[J]．安徽大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，29(4)：88-92

[12]曾靜，廖曉蘭，任玉芬，等．奧運(yùn)期間北京的動(dòng)態(tài)特征及影響因素[J]．生態(tài)學(xué)報(bào)，2010，30(22)：6227-6233

[13]劉大錳，黃杰,高少鵬，等．北京市區(qū)春季交通源大氣顆粒物污染水平及其影響因素[J]．地學(xué)前緣，2006，13(2)：228-233

[14]劉大錳，馬永勝，高少鵬，等．北京市區(qū)春季燃燒源大氣顆粒物的污染水平和影響因素[J] ．現(xiàn)代地質(zhì)，2005，19(4)：627-633

[15]羅娜娜，趙文吉，晏星，等．交通與氣象因子對(duì)不同粒徑大氣顆粒物的影響機(jī)制研究[J]．環(huán)境科學(xué)，2013，34(10)：3741-3748

[16]張桂芹，劉澤常，杜世勇．濟(jì)南市環(huán)境空氣細(xì)粒子PM2.5污染特征及影響因素[J]．環(huán)境科學(xué)與技術(shù)，2010，32(12)：520-522

[17]陳媛，岑況，S.Norra，等．北京市區(qū)大氣氣溶膠PM2.5污染特征及顆粒物溯源與追蹤分析[J]．現(xiàn)代地質(zhì)，2010，24(2)：345-354

[18]黃虹，曾寶強(qiáng)，曹軍驥，等．廣州大學(xué)城大氣質(zhì)量濃度與影響因素[J]．環(huán)境科學(xué)與技術(shù)，2009，32(5)：103-106

[19]車瑞俊，劉大錳，袁楊森．北京冬季大氣顆粒物污染水平和影響因素研究[J]．中國(guó)科學(xué)院研究生院學(xué)報(bào)，2007，24(5)：557-563

[20]RMHarrison,JYin,DMark.Studiesofthecoarseparticle(2.5-10)componentinUKurbanatmospheres[J].AtmosphericEnvironment, 2001,21:3667-3679

[21]ZWu,MHu,PLin.ParticlenumbersizedistributionintheurbanatmosphereofBeijing,China[J].AtmosphericEnvironment, 2008,35:7967-7980

[22]AChaloulakou,PKassonmenos,NSpyrellis.MeasurementsofPM10andPM2.5ParticleinAthens,Greece[J].AtmosphericEnvironment, 2003(5):649-660

[23]AnnandW,AHudson.MeteorologicaleffectsonsmokeandsulphurdioxideconcentrationsintheManchesterarea[J].AtmosphericEnvironment, 1981(5):799-806

[24]JPShi,RMHarrison.RegressionmodelingofHourlyNOxandNO2concentrationsinurbanairinLondon[J].AtmosphericEnvironment,1997,24:4081-4094

[25]高鐵梅，王金明，梁云芳，等．計(jì)量分析方法與建模[M]．北京：清華大學(xué)出版社，2009：152-153

(責(zé)任編輯：汪材印)

Study of the Influential Factors of PM2.5and Modeling Stimulation Based on Ambient Air Quality Data of Heifei

WU Hang,CHENG Jianhua

The Economic School of Anhui University, Hefei, Anhui,China,230601

Direct plus indirect influencical factors of PM2.5,according to observations and meteorological data in the span from November 2013 to March 2014 in Hefei, are studied, and meanwhile mass concentration of PM2.5on the base of multivariate distributed models with time-lags is forecasted.Main conclusions are following:(1) substantial influence on PM2.5is emission of pollution from industrial waste gas, swirling dust of building, automotive exhaust;(2)PM2.5in cities shows aggregating attribution, that’s moderate-scale smog once formed can gradually deteriorate instead of quickening diffusing;(3) external factor influencing PM2.5lies in meteorological fields,namely,barometric pressure in winter and spring plus raise of temperature can catalyze aggregation of particle pollution while relative humidity exerts few impacts, ascending velocity of wind can yet scatter the particle resulting in the alleviation of pollution.

PM2.5;influencial factors; multivariate distributed models with time-lagsHefei

10.3969/j.issn.1673-2006.2015.08.033

2015-03-25

安徽大學(xué)生態(tài)經(jīng)濟(jì)創(chuàng)新研究團(tuán)隊(duì)項(xiàng)目“安徽省生態(tài)經(jīng)濟(jì)發(fā)展創(chuàng)新研究”(J05024542)。

吳航(1992-)，女，安徽宣城人，在讀碩士研究生，主要研究方向：環(huán)境經(jīng)濟(jì)統(tǒng)計(jì)分析。

*通訊作者：程建華(1964-)，安徽涇縣人，教授，主要研究方向：經(jīng)濟(jì)統(tǒng)計(jì)分析。

X51

A

1673-2006(2015)08-0112-07