，，，，

(1. 河南省地質(zhì)礦產(chǎn)勘查開發(fā)局測繪地理信息院，河南 鄭州 450006; 2. 長安大學(xué)地質(zhì)工程與測繪學(xué)院，陜西 西安 710054)

在我國內(nèi)陸地區(qū)，霧霾多集中在大氣水汽含量較少的秋冬季節(jié)，根據(jù)相關(guān)研究發(fā)現(xiàn)，PM2.5是降低能見度的元兇，對人們的生產(chǎn)生活影響十分嚴(yán)重。目前監(jiān)測PM2.5的方法主要依托地面監(jiān)測站對空氣中的顆粒物進(jìn)行監(jiān)測，而在一些中小城市的監(jiān)測站偏少，使得PM2.5的監(jiān)測具有一定的局限性。

近幾年，國內(nèi)外的專家學(xué)者利用GNSS反演技術(shù)來研究大氣顆粒污染物。張雙成等選擇北京地區(qū)進(jìn)行研究，發(fā)現(xiàn)PM2.5與大氣水汽都有季節(jié)性變化的特征，在一年的變化中，霧霾在GNSS水汽含量較低的季節(jié)最嚴(yán)重。王勇等比較2013年北京地區(qū)PM2.5/PM10資料和GNSS可降水量發(fā)現(xiàn)：冬季PM2.5/PM10與GNSS可降水量相關(guān)系數(shù)大于0.5，表現(xiàn)出明顯的正相關(guān)性，在降雨較多的夏季相關(guān)性不明顯。王勇等又以河北省兩次重度霧霾期間地基GNSS水汽和PM2.5濃度指數(shù)為試驗(yàn)數(shù)據(jù)，對比分析了兩者之間的關(guān)系，其相關(guān)系數(shù)大于0.6，為顯著的正相關(guān)性，SIG值小于0.01。張雙成等研究了西安地區(qū)霧霾的成因，并發(fā)現(xiàn)GNSS水汽含量和霧霾的形成過程有密切的聯(lián)系，冬春季水汽含量與霧霾指數(shù)具有正相關(guān)性[1-9]。這些相關(guān)研究詮釋了PM2.5與大氣水汽和天頂對流層延遲之間的聯(lián)系。

河南地區(qū)霧霾天氣情況日益嚴(yán)峻，現(xiàn)有的監(jiān)測PM2.5方法卻存在一定的時(shí)空局限性，在一些中小城市地區(qū)很難進(jìn)行監(jiān)測。GNSS技術(shù)具有高效、低成本、實(shí)時(shí)監(jiān)測、覆蓋范圍廣及時(shí)空分辨率高等特點(diǎn)[10]，研究基于區(qū)域CORS網(wǎng)的PM2.5濃度監(jiān)測具有必要性及現(xiàn)實(shí)意義。

1 數(shù)據(jù)來源與處理方法

本文試驗(yàn)中所采用的數(shù)據(jù)來源于河南省CORS網(wǎng)中35個(gè)測站的GNSS觀測數(shù)據(jù)。利用雙差技術(shù)處理局部區(qū)域GNSS網(wǎng)數(shù)據(jù)時(shí)，由于相近的兩個(gè)測站間的衛(wèi)星高度角較接近，信號傳播路徑基本一致，不能精確解算出各測站的水汽值。為了解決此問題，選取了CHAN、GMSD、LHAZ、PIMO等4個(gè)IGS站作為本次試驗(yàn)的網(wǎng)外輔助站[11-13]。試驗(yàn)中所采用的IGS站數(shù)據(jù)和廣播星歷數(shù)據(jù)與精密星歷是由武漢大學(xué)IGS數(shù)據(jù)中心提供。試驗(yàn)中所采用的PM2.5監(jiān)測指數(shù)數(shù)據(jù)是由全國城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)提供的PM2.5濃度指數(shù)數(shù)據(jù)，采樣間隔為1 h，日期為2015年12月3—16日，年積日為337—350 d。

本文的GNSS數(shù)據(jù)選用GAMIT 10.6進(jìn)行解算，衛(wèi)星截止高度角設(shè)置為10°，基線解算模式選擇Relax，對流層延遲采用1 h估值。由于解算過程中加入了CHAN、GMSD、LHAZ、PIMO等4個(gè)IGS站作為網(wǎng)外輔助站，因此，得到的天頂對流層延遲為絕對估值。根據(jù)所選取的研究區(qū)域內(nèi)CORS站所采集的地面實(shí)測氣象資料，即可解算出大氣可降水量PWV[14-16]。

2 大氣可降水量與PM2.5相關(guān)性分析

霧霾形成和消散是由天氣條件、環(huán)境因素和人為因素共同影響決定的。河南地區(qū)霧霾形成的主要原因是工業(yè)廢氣和汽車尾氣及冬季供暖，由于河南地區(qū)處于中國內(nèi)陸，屬于暖溫帶至亞熱帶、濕潤至半濕潤季風(fēng)氣候，秋冬季節(jié)干燥少雨，因此在秋冬季節(jié)霧霾更容易爆發(fā)，持續(xù)時(shí)間更長。

2.1 PWV與PM2.5整體相關(guān)性分析

試驗(yàn)把解算得到的測站PWV數(shù)據(jù)和地面監(jiān)測站測得的PM2.5指數(shù)數(shù)據(jù)放在相同的時(shí)間軸中進(jìn)行對比分析，如圖1和圖2所示。

通過圖1和圖2可知，兩個(gè)測站大氣可降水量PWV與PM2.5之間均存在著明顯的相關(guān)關(guān)系，為了探究PWV與PM2.5之間的相關(guān)性，通過程序分別計(jì)算開封站和平頂山站PWV與PM2.5的相關(guān)指數(shù)，其絕對值分別為0.594 1和0.597 8，均通過了0.01顯著性檢驗(yàn)，證明大氣可降水量與PM2.5之間存在著明顯的相關(guān)性，相關(guān)指數(shù)均為正值，因此兩者之間存在著正相關(guān)關(guān)系。

從圖1和圖2可以看出：在整個(gè)霧霾發(fā)生至消散的過程中，整體上大氣可降水量PWV會(huì)隨著PM2.5的加重而上升，當(dāng)PM2.5濃度降低時(shí)會(huì)隨之下降。在霧霾嚴(yán)重的時(shí)間段，大氣可降水量PWV隨著PM2.5濃度的升高而下降，隨著PM2.5的濃度減小而增加，但是PWV值始終較未有霧霾出現(xiàn)時(shí)高。在霧霾持續(xù)爆發(fā)期間，當(dāng)PM2.5急劇下降時(shí)，PWV會(huì)迅速升高。PWV對PM2.5比較敏感，當(dāng)PM2.5產(chǎn)生微小波動(dòng)時(shí)PWV都會(huì)有明顯的變化。

根據(jù)試驗(yàn)分析發(fā)現(xiàn)：通過PWV對PM2.5監(jiān)測的時(shí)空分辨率非常高，反應(yīng)也十分明顯。由于雨雪和大風(fēng)等天氣都會(huì)對霧霾的波動(dòng)產(chǎn)生一定的影響，查閱相關(guān)天氣資料，在年積日346 d上述測站地區(qū)開始出現(xiàn)3級風(fēng)，PM2.5濃度隨之下降，但濃度依然在污染指標(biāo)范疇內(nèi)，年積日348 d出現(xiàn)了大風(fēng)和伴隨降雨，因此在348 d前一段時(shí)間內(nèi)PWV整體呈上升趨勢。

2.2 霧霾期PWV與PM2.5間24 h時(shí)空分布分析

霧霾發(fā)生前后不同時(shí)期大氣可降水量PWV的時(shí)空分布趨勢基本相同，而在霧霾爆發(fā)期間大氣可降水量會(huì)出現(xiàn)波動(dòng)比較劇烈的情況，為了深入探究霧霾發(fā)生期間PWV的波動(dòng)情況與實(shí)測PM2.5之間的關(guān)系，試驗(yàn)選取河南CORS站中開封和平頂山兩個(gè)測站在霧霾持續(xù)期2015年12月10日的觀測值數(shù)據(jù)解算出PWV和實(shí)測的PM2.5數(shù)據(jù)進(jìn)行比較分析，結(jié)果如圖3和圖4所示。

通過圖3和圖4可知，以上兩個(gè)測站在重度污染的一天中PWV的整體走勢與PM2.5的走勢一致，在上午5時(shí)前會(huì)隨著PM2.5的濃度升高而升高。圖3在上午5時(shí)至中午時(shí)分由于當(dāng)天開封地區(qū)有短時(shí)3級左右的風(fēng)(開封地區(qū)一年四季風(fēng)比較頻繁)，使空氣中較高濃度的PM2.5得到輕微稀釋，因此會(huì)出現(xiàn)大氣可降水量下降幅度較小而PM2.5濃度下降相對較大。午后至傍晚時(shí)分PM2.5與大氣可降水量基本上都會(huì)維持在一定的值附近波動(dòng)，在日落以后兩者均會(huì)出現(xiàn)逐漸下降現(xiàn)象。通過圖中這些現(xiàn)象可以看出在水汽含量較低的冬季，大氣可降水量PWV與空氣中微小顆粒物PM2.5之間存在著緊密的正相關(guān)關(guān)系。

3 PM2.5實(shí)時(shí)監(jiān)測模型的建立

將大氣可降水量PWV作為自變量(橫軸變量)，PM2.5數(shù)據(jù)作為因變量(縱軸變量)描繪出兩者的散點(diǎn)分布圖，每個(gè)站點(diǎn)都選擇以1 h為單位的2015年霧霾頻發(fā)冬季的數(shù)據(jù)，數(shù)據(jù)量滿足擬合要求，然后進(jìn)行回歸分析。本文主要以開封站和平頂山站為例來進(jìn)行建模研究，結(jié)果如圖5和6所示。

根據(jù)圖中隨機(jī)點(diǎn)的分布特性進(jìn)行擬合，試驗(yàn)中開封站和平頂山站分別試用了傅里葉逼近、指數(shù)逼近、多項(xiàng)式逼近、有理數(shù)逼近等多種方法進(jìn)行擬合，結(jié)果發(fā)現(xiàn)只有多項(xiàng)式擬合R2值最為理想。以開封站為例，將多項(xiàng)式采用不同的類型進(jìn)行檢驗(yàn)，分別選擇一次多項(xiàng)式、二次多項(xiàng)式、三次多項(xiàng)式、四次多項(xiàng)式、五次多項(xiàng)式和六次多項(xiàng)式進(jìn)行擬合，R2分別為0.989 6、0.972 1、0.970 5、0.968 8、0.957 3和0.940 2，根據(jù)計(jì)算出的R2并結(jié)合圖形走勢與隨機(jī)樣本的分布情況發(fā)現(xiàn)只有一次多項(xiàng)式最適合。然后利用同樣的方法對平頂山站的隨機(jī)樣本進(jìn)行了擬合分析，結(jié)果只有一次多項(xiàng)式最能代表兩者之間的關(guān)系。

試驗(yàn)中研究的開封站和平頂山站通過PWV對PM2.5的實(shí)時(shí)監(jiān)測模型分別為

Y=11.37X+23.259

Y=11.46X+5.251

式中，X代表大氣可降水量PWV；Y代表空氣中大氣污染物PM2.5的值。其中兩個(gè)模型的R2分別為0.989 6和0.989 5，R2的數(shù)值越接近1，說明模型代表兩者之間的關(guān)系越強(qiáng)，通過兩個(gè)模型R2值能夠驗(yàn)證該模型的可靠性。為了更深入地驗(yàn)證該模型的實(shí)用性，利用2015年霧霾頻發(fā)期的數(shù)據(jù)隨機(jī)選取進(jìn)行檢驗(yàn)，結(jié)果見表1。

由表1可知，通過回歸分析方法得到的PM2.5監(jiān)測模型計(jì)算出的結(jié)果和地面監(jiān)測到的PM2.5值具有很強(qiáng)的相關(guān)性，表中最小的絕對誤差值為1.474，而最大的絕對誤差值為19.481 9，但是再通過相對誤差值可驗(yàn)證出該監(jiān)測模型的適用性很強(qiáng)。

本文主要以開封站和平頂山站為例進(jìn)行分析，并得到了比較理想的結(jié)果，河南省其他地區(qū)也可采用此方法進(jìn)行實(shí)時(shí)監(jiān)測模型建立。

表1采用回歸估算模型PWV對PM2.5的估值與實(shí)測值對比

測站名稱日期模型計(jì)算實(shí)際監(jiān)測絕對誤差相對誤差/(%)開封2015-11-16135.281911619.481916.792015-11-2349.0613454.06139.032015-12-22151.61731465.61733.852015-12-2555.664558-2.33554.03平頂山2015-11-07105.526 107-1.474 1.382015-12-0298.645944.64554.942015-12-18172.1671188-15.82368.422015-12-2546.7362433.73628.69

4 結(jié) 語

通過大氣可降水量PWV與PM2.5相關(guān)性試驗(yàn)分析發(fā)現(xiàn)：冬季水汽含量較少，懸浮顆粒物在少量水汽的作用下極易形成霧霾；河南地區(qū)PM2.5與PWV之間存在著緊密的正相關(guān)關(guān)系；在無風(fēng)和降雨發(fā)生時(shí)，在霧霾發(fā)生期間大氣可降水量的24 h波動(dòng)情況與PM2.5一致，并且當(dāng)PM2.5變化時(shí)，PWV反應(yīng)很靈敏；然后，依據(jù)PM2.5與PWV之間的相關(guān)關(guān)系，采用數(shù)學(xué)回歸分析方法建立PM2.5實(shí)時(shí)監(jiān)測模型并通過驗(yàn)證結(jié)果和建模指標(biāo)，從而驗(yàn)證了該模型適用于PM2.5實(shí)時(shí)監(jiān)測，可以為霧霾的防治提供實(shí)時(shí)參考資料。