毛 丽，周 静，季冬冬

（江苏金易惠环保科技有限公司，江苏常州 213022）

常州位于中国长三角地区，经济发展快、机动车保有量爆发式增长，以颗粒物为主造成的霾污染给人们的身心健康造成了极大的危害。

由于污染物浓度变化随气象条件以及突发的污染排放有着直接的联系，利用Kolmogorov-Zurbenko（KZ）滤波方法可以去除短期的污染浓度波动从而获得污染物的季节性波动情况及长期变化趋势，从而对各污染物的治理措施提供长期的效果评价。本研究基于KZ 滤波对2014—2019年常州细颗粒物（PM2.5）、PM10的逐日资料的时间序列进行分解，获得短期、季节和长期尺度上污染物浓度序列，并分析其变化规律。

1 材料与方法

1.1 研究区域

常州位于北纬31°09′至32°04′、东经119°08′至120°12′，地处江苏省南部、长三角腹地，属北亚热带季风区，四季分明，气候湿润，雨量充沛，日照充足，无霜期长，据气象统计资料，区域多年平均气温16.5℃，极端最高气温40.6℃，极端最低气温-11.2℃。

根据常州市国控站点 2014— 2019年的PM10、PM2.5小时及日监测数据开展时间序列分析。

1.2 研究方法

KZ 滤波方法是经p次迭代与m点滑动平均的低通滤波，其计算公式见式（1）。

式中，Oi为输入序列；i为序列的时间间隔（d）；j为滑动窗口变量，表示参与滑动的各时间点；k为对Oi进行滤波时其两端滑动窗口长度；滑动窗口长度m=2k+1；滤波结果作为下次滤波的输入再次计算，如此共执行p次，得到最终滤波结果 KZ（m，p）。

调整滤波参数m与p可以控制不同尺度过程的滤波，滤波结果KZ（m，p）将波长小于N的波频滤除，见式（2）。

对某一原始时间序列O（t），可分解为式（3）。

式中，e（t）、S（t）和W（t）分别是长期、季节和短期分量。短期分量W（t）由天气系统及短期污染排放变化引起，时间尺度为1～21d；S（t）代表季节性变化影响，如太阳角度变化引起的季风、气温、辐射、降水等季节性变化，以及与之相关的污染排放变化，时间尺度为1a；长期分量e（t）则反映了人为活动源排放的影响和气候长期变化，包括污染排放总量、污染物传输、气候、政策或经济活动等因素引起的变化，时间尺度一般大于 1a。

参考Rao 等的KZ 方法，3个时间尺度分量分别按式（4）～式（6）计。

根据公式（2），KZ（15，5）滤波的滑动窗口长度为15（m=15），执行5次迭代（p=5），周期小于33d（15×51/2≤33）的波动滤除，即有效滤波约为 33d；同理，KZ（365，3）有效滤波为632d（1.7a）。

定义基线分量为长期分量和季节分量的加和，见式（7）。

O（t）的总方差可写为滤波所得3个分量的方差和协方差之和，见式（8）。

本研究将PM10和PM2.5日均值取对数后进行分解，获得各分量后再恢复为浓度数据；Tmax数据则直接对原始数据进行 分解。

2 结果与讨论

2.1 PM10、PM2.5污染概况

根据常州市生态环境状况公报，2014—2018 年PM2.5的平均浓度依次为67μg/m3、58μg/m3、49μg/m3、47μg/m3、50μg/m3，2014年PM10的平均浓度104μg/m3、2015—2018年PM10的平均浓度依次81μg/m3、73μg/m3、73μg/m3，对照《环境空气质量标准》（GB 3095—2012），PM10二级年均浓度标准为70μg/m3，PM2.5二级年均浓度标准为35μg/m3，常州市上述两个因子均超标，影响常州市环境空气质量的关键因子为细颗粒物PM2.5。

为分析2014—2019年常州市区PM10、PM2.5污染浓度变化的时间序列，采用KZ 滤波方法对数据进行了处理。将原始的时间序列分解得到了污染物浓度季节成分时间序列s（t）以及污染物浓度长期趋势成分时间序列e（t）。

2.2 KZ过滤后的PM10、PM2.5时间序列特征

KZ 滤波参数选择至关重要，Rao 等[2]采用KZ（29，3），后调整为公式（4）～（6）中的KZ（15，5）和KZ（365，3），其时间尺度节点分别为33d 和1.7a。

按照公式（4）～（6），分别对常州PM10、PM2.5原始序列进行分解，获得短期、季节和长期分量序列。

PM2.5、PM10具有类似的趋势，原始序列有高频噪声，具较明显季节特征[图1（a）]；去除天气系统引起的短期分量[图1（b）、图2（b）]后，季节分量[图1（c）、图2（c）]显示出更清晰平滑的周期特征，峰值出现在秋冬季，谷值出现在夏季。不同年份的季节周期存在一定不规则性，如峰值、峰谷的具体时段略有差异；长期分量[图1（d）、图2（d）]则显示2014—2019年总体呈现下降趋势，但2018年有所反复。通过PM2.5、PM10长期分量序列的分析，发现这种趋势在原始序列[图1（a）]、[图2（a）]中基本被高频噪声掩盖，印证了时间尺度分离分析的必要性。

图1 2014—2019年常州PM2.5的原始时间序列和和KZ分解后的短期、季节和长期分量序列

2014—2019 年，常 州 市PM2.5和PM10长 期 分 量 的 下 降速率分别是3.18 和6.02，下降速率比值为0.53；而这6a 中，PM2.5和PM10的浓度比值是0.62，可见下降速率比值低于浓度比值，即PM2.5的下降效果不及PM10。PM10一般以一次源为主，而PM2.5有一次源，也有二次源，故PM2.5的下降效果不及PM10，提示了二次源治理的难度，也提示了治理的重要性，SO2、NOx等气态污染物可作为前体物，通过复杂的反应过程生成新粒子，因此需要气态污染与颗粒物协同控制、协同 治理。

图2 2014—2019年常州PM10的原始时间序列和和KZ分解后的短期、季节和长期分量序列

3 结束语

采用Kolmogorov-zurbenko（KZ）滤波将2014—2019 年常州PM10、PM2.5时间序列分解为短期、季节和长期等3个分量得出其污染物变化规律为：PM10、PM2.5峰值出现在秋冬季，谷值出现在夏季，PM10、PM2.5总体呈现下降趋势，但2018年有所反复，PM2.5的下降效果不及PM10