APP下载

重庆市万盛地区大气12月份PM10污染预测分析

2020-07-07翁文江李萍史秋萍池洪敏罗宗秀饶远

河南科技 2020年14期
关键词:气象因子预测

翁文江 李萍 史秋萍 池洪敏 罗宗秀 饶远

摘 要:本文利用重庆市万盛地区2018年12月份空气质量监测数据及气象数据,首次研究了万盛地区PM10浓度与其他5项污染物、相关气象因素的关系。研究表明,PM10浓度与NO2、CO污染因子显著正相关,但与SO2、O3-8h污染因子相关性不明显;PM10质量浓度受能见度、相对湿度、风速和风向等气象因素影响较大。本研究首次建立了万盛地区PM10预测模型,能较准确反映该地区PM10的污染特征,为开展该地区PM10污染预警预报提供了思路和奠定了基础。

关键词:PM10;气象因子;预测

中图分类号:X169文献标识码:A文章编号:1003-5168(2020)14-0153-03

Prediction and Analysis of PM10 Pollution in Atmosphere in Wansheng District of Chongqing City in December

WENG Wenjiang1 LI Ping1 SHI Qiuping1 CHI Hongmin2 LUO Zongxiu3 RAO Yuan1

(1. Ecological Environment Monitoring Station of Wansheng Economic and Technological Development Zone,Chongqing 400800;2. Wansheng Jingkai Meteorological Bureau,Chongqing 400800;3. Agricultural Service Center of Guanba Town of Qijiang District,Chongqing 400800)

Abstract: Using the air quality monitoring data and meteorological data of December 2018 in Wansheng, Chongqing, the relationship between PM10 concentration in Wansheng and five other pollutants and related meteorological factors was studied for the first time in this paper. Studies have shown that PM10 concentration is significantly positively correlated with NO2 and CO pollution factors, but not significantly correlated with SO2 and O3-8h pollution factors; PM10 mass concentration is greatly affected by meteorological factors such as visibility, relative humidity, wind speed and wind direction. This study establishes the PM10 prediction model for Wansheng area for the first time, which can accurately reflect the pollution characteristics of PM10 in this area, and provides a basis and foundation for the early warning of PM10 pollution in this area.

Keywords: PM10;meteorological factors;prediction

打贏蓝天保卫战事关党和国家发展全局,是一项伟大而艰巨的历史任务和时代使命。大气PM10污染成为影响人们生产生活的重要污染问题[1]。PM10被人体吸入后会积累在呼吸系统中,引发许多疾病[2]。重庆市万盛经济技术开发区四面临山,具有湿度大、雾日多、风速小的典型山城气候特征,同时煤电化工、新型材料等传统工业较为发达,大气污染物排放总量大,冬季管控污染难度较大。因此,对万盛冬季重要的大气污染物可吸入颗粒物(PM10)进行研究,对开展污染预警预报及大气污染联防联控等方面的研究与管理工作具有十分重要的意义。

张代荣等人研究了万盛地区6种大气污染物(SO2、NO2、O3、PM2.5、PM10和CO)的污染特征[3]。本文以万盛经开区市控空气质量自动监测站数据和气象局气象观测数据为基础,首次揭示了该地区12月份大气PM10与PM2.5、SO2、NO2、CO和O3-8h污染因子的联系,首次分析了PM10与气象因素的相关关系,首次建立该地区PM10预测模型,为实现PM10污染预警预报和坚决打赢蓝天保卫战提供决策依据。

1 数据来源与处理

1.1 数据来源

空气质量资料来自万盛经济技术开发区市控空气质量监测站点,为2018年12月PM10、PM2.5、SO2、NO2、CO和O3-8h共6项污染物质量浓度日均质量浓度和气象观测站10种气象因素(气压、气温、相对湿度、能见度、雨量、日均平均风速、最大风速、最大风向、极大风速和极大风向)的每日24 h逐时监测浓度实测数据。

1.2 数据处理

利用气象指标逐时监测数据,求出相应的日均值;利用SPSS软件相关分析求出PM10与PM2.5、SO2等5项污染因子的相关性、PM10与10个气象因子的相关性;利用SPSS软件计算PM10与其他5项污染物、10个气象因子的最优回归方程。

2 结果与讨论

2.1 PM10质量浓度与其他污染因子相关性分析

表1相关性研究表明,PM10和PM2.5浓度相关系数为0.994,在Sig<0.01水平上具有显著正相关,说明两者变化规律极度相似。PM10质量浓度与NO2、CO污染因子质量浓度的相关系数分别为0.861、0.692,均在Sig<0.01水平显著正相关。PM10质量浓度与SO2、O3-8h污染因子质量浓度的相关系数分别为-0.085、-0.319,相关性不明显。

表1 万盛地区12月PM10与其他污染因子相关性分析

[污染物 PM2.5 SO2 NO2 CO O3-8h PM10 0.994** -0.085 0.861** 0.692** -0.319 ]

注:*表示在0.05水平上显著相关,**表示在0.01水平上显著相关。

2.2 PM10质量浓度与气象因子相关性分析

PM10质量浓度与不同气象因子的person相关分析结果如表2所示。可以看出,万盛地区12月份PM10质量浓度与能见度在Sig<0.01水平上显著相关,与极大风向在Sig<0.01水平上具有相关性;与相对湿度、日均平均风速和最大风向在Sig<0.05水平上显著相关。研究表明,PM10质量浓度受能见度、极大风向、相对湿度、日均平均风速和最大风向等气象因素影响较大。其中,西北至正北风向和相对湿度对PM10起正向影响作用,能见度和风速对PM10起逆向影响作用。

2.3 PM10预测模型建立与检验

2.3.1 PM10预测模型的建立。研究表明,PM10质量浓度受其他污染因子和多个气象因素的共同影响。本文将其他污染因子和气象因子结合起来,首次建立万盛地区PM10预测模型[4]。以SO2([X1])、NO2([X2])、CO([X3])、O3-8h([X4])、气压([X5])、气温([X6])、相对湿度([X7])、能见度([X8])、雨量([X9])、日均平均风速([X10])、最大风速([X11])、最大风向([X12])、极大风速([X13])和极大风向([X14])共14个指标为自变量,PM10浓度为应变量,通过SPSS最优回归方程计算,最终确定12月份PM10的预测模型,如表3所示。

研究发现,PM10的最优回归方程为[Y=2.739X2+][80.468X3-5.014X6-0.001X8-5.394X9-52.261],在Sig<0.01水平上具有显著性。

2.3.2 PM10预测模型的检验。为验证方程,根据以上预测模型绘制了2019年12月PM10浓度变化曲线。通过比较同期计算值和实测值(见图1),发现曲线大部分重合。特别指出,12月18—19日,预测值为负值,主要是连续两天出现暴雨,导致预测模型失真;12月28—29日,计算值比实测值高0.7倍左右,初步推测原因是氮氧化物浓度骤然陡增至少60%,预测模型失真;12月12—14日、31日计算值低于实测,初步推测原因为预测模型未考虑地形地貌在污染天气时的叠加影响效应。

剔除12月18—19日、28—29日极端失真数据后,计算值和实测值SPSS配对的t检验结果为:标准差为13.76 μg/m3,相关系数为0.916,在Sig<0.01水平上呈现显著正相关,说明利用NO2、CO、温度、能见度和降雨量五项指标建立的多元回归模型预测PM10具有较好的可信度,正常情况下能基本预测12月PM10的变化趋势。

3 结论

重庆市万盛地区12月PM10浓度与NO2、CO污染因子显著正相关,但与SO2、O3-8h污染因子相關性不明显。本研究首次分析了万盛地区12月PM10浓度与气象因素的相关性,其受能见度、相对湿度、风速和风向等气象因素影响较大。其间首次建立万盛地区PM10预测模型,该预测模型具有一定的实用性,正常情况下能基本预测PM10的变化趋势,为开展该地区PM10污染防治提供了思路。

参考文献:

[1]虎彩娇,李锦伦,王祖武,等.黄石市大气PM10和PM2.5质量浓度特征研究[J].气象与环境学报,2019(4):40-46.

[2]韩茜.北京市大气污染物中可吸入颗粒物(PM10)造成的健康损失研究:人力资本法实例研究[J].北方环境,2011(11):150-152.

[3]张代荣,史晓云,周欣.重庆市万盛区大气污染物分布特征[J].环境与健康杂志,2018(4):351-353.

[4]王娟.基于多元回归分析的PM2.5预测研究[J].微型电脑应用,2020(3):48-51.

猜你喜欢

气象因子预测
选修2—2期中考试预测卷(B卷)
选修2—2期中考试预测卷(A卷)
选修2—2期中考试预测卷(A卷)答案与提示
选修2—2期中考试预测卷(B卷)答案与提示
胶东半岛地区气象因子对冬小麦产量影响的研究
遵义烤烟种植区气候因子分析
随机森林在棉蚜虫害等级预测中的应用
橡胶产量与气象因子的灰色关联性及逐步回归分析研究
杨树叶纹斑病与气象因子的关系
《福彩3D中奖公式》:提前一月预测号码的惊人技巧!