蒋 敏，吴 婷，周 雯，王 斌＊，黄 伟，余家燕，翟崇治

（1.四川大学建筑与环境学院，成都 610065；2.重庆市环境监测中心站，重庆 401147）

随着城市化进程的推进，大气环境质量形势日益严峻，大气能见度及相关的城市污染问题逐渐引起人们广泛的关注。造成能见度下降的主要因素是大气中各种粒子对可见光的吸收和散射效应，我国目前关于大气能见度及其与大气污染物之间关系的研究大多处于直接统计分析的层面。由于大气能见度与大气污染物浓度之间存在一定的非线性相关［1］，统计结果之间存在较大差异。从测定原理分析，能见度测定仪获得的大气消光系数与污染物浓度之间应该符合线性加和性。因此本研究通过逐步回归分析方法建立重庆市大气消光系数的数学模型，并分析不同污染物消光作用的贡献比重，本文通过大气消光系数建立能见度与大气污染物之间的关系，对影响大气能见度变化的因素有更深入的科学认识。

1 数据来源及分析方法

本研究数据来源：重庆市环境监测中心站提供的大气超级站（北部新区）2011年春、夏、秋、冬4个季节代表月份（1月、4月、7月、10月）的城市空气污染物（PM10、PM2.5、NO2、NO、O3、CO、非甲烷总烃）日平均浓度资料以及对应时段的能见度和常规气象观测数据。

根据Koschmieder测量理论，并取ε＝0.02，能见度计算公式为式中V是大气能见度，ε是视觉对比阀值，σ是大气消光系数，采用上述公式可通过能见度计算获得的大气消光系数测量值［2］。

运用SPSS软件对大气消光系数与大气污染物、常规气象观测之间进行逐步回归分析。

2 大气能见度影响因子分析

从能见度测定仪的原理分析，大气消光系数与污染物浓度之间应该符合线性加和性，而大气消光系数与能见度之间的定量关系为Koschmieder公式。因此，本研究通过逐步回归分析方法对大气消光系数的影响因子进行分析，从而分析大气能见度影响因子。

2.1 模型因子的选取

大气消光系数包括颗粒物散射消光、颗粒物吸收消光、分子散射消光和分子吸收消光。由于大气中的气体分子和气溶胶粒子具有吸收和散射特性，因此气溶胶粒子会对大气消光系数产生影响，有研究表明，气溶胶总消光系数的90%来自细粒子［3］。此外颗粒物的消光系数受到密度的较大影响，与大气湿度密切相关［4］，尤其在某些高湿状态下，气溶胶粒子经凝结、碰并和悬浮增长，可使气溶胶散射系数成倍增加。常规气象参数（除相对湿度外）对大气消光系数的影响最终表现为对大气污染物浓度的影响，因此，选取除相对湿度外的气象参数意义不大。因此，本文选取以下因子进行回归分析：X1：PM10；X2：PM2.5；X3：NO2；X4：NO；X5：O3；X6：CO；X7：NMHC（非甲烷总烃）；X8：RH （相对湿度）。

由于PM10中包括了PM2.5，两个变量之间存在高度相关关系，为了避免回归分析的时候产生很强共线性，使模型估计失真或难以估计准确，本研究中选择PM10－2.5进行计算，即 PM10－2.5为 PM10中扣除PM2.5之后剩余的部分。

2.2 逐步回归模型的建立

由于各个季度对大气消光系数有显著影响的因子可能有所不同，所以本文分别研究了春季、夏季、秋季、冬季4个季节以及全年大气消光系数与大气污染物、相对湿度之间的关系（表1）。

表1 大气消光系数与各变量的相关系数

从分季节回归系数来看，春季大气消光系数与PM2.5、RH呈显著的正相关，与O3呈显著的负相关，其余因子相关性较弱。夏季消光系数与PM2.5、CO、RH的正相关性最显著，其余因子相关性较弱。秋季消光系数与PM2.5、RH呈显著的正相关，其余因子相关性较弱。冬季消光系数与PM2.5、NMHC、RH、NO呈显著的正相关，其余因子相关较弱。从全年来看，大气消光系数与PM2.5和RH显著正相关，与 PM10－2.5、NO、NMHC呈正相关，与 NO2呈很弱正相关，与O3、CO呈较弱负相关。总体来说大气消光系数与PM2.5、RH的相关性最好，呈显著正相关，因此，PM2.5和相对湿度是影响大气消光系数和能见度的主要因素。

在不同季节建立的回归模型中，所有的复相关系数R均在0.840以上，这表明模型所选因子与大气消光系数的相关性较高，能够反映大气消光系数的变化规律。不同季节回归模型中的R2均在0.700以上说明模型对数据的拟合程度很好，能解释不同程度的大气消光系数变异（表2）。

表2 重庆市大气消光系数及其影响因子的逐步回归结果

本研究进行了α＝0.01、α＝0.05、α＝0.10的显著性检验，从回归系数的变化可以看出，回归方程没有因数据本身的波动和自变量的选取而导致回归方程的变量或回归系数有很大变化。因此，模型具有较好的稳健性，整体来说以通过了α＝0.01的置信度检验的逐步回归方程来分析消光系数及其主要影响因子之间关系最好。

模型中的标准回归系数能很好的解释各因子对大气消光系数的贡献大小。从表3中可以看出，春季以RH对大气消光系数的贡献最大，而夏、秋、冬及全年以PM2.5的贡献最大，尤其是冬季，大气消光系数的贡献几乎全是来自PM2.5。同时，本研究还将所有的影响因子强迫引入回归方程中，对四个不同季节以及全年进行分析，结果显示所有回归方程中以PM2.5和RH的标准回归系数最大，其余因子的均很小。通过上述分析可知，PM2.5和相对湿度是大气消光系数的最大贡献者。

表3 大气消光系数主要影响因子的贡献

2.3 大气能见度实测值与逐步回归模型计算值的比较

根据通过了α＝0.01的置信度检验的逐步回归模型，得出大气消光系数的计算值，再通过消光系数计算值推导出大气能见度的计算值。图1是对2011年春、夏、秋、冬以及全年的大气能见度的实测值与逐步回归模型计算值进行比较。

图1 全年大气能见度实测值与回归模型计算值比较

图1中1代表1月；2代表4月；3代表7月；4代表10月。可以看出，在秋季当大气能见度出现很高值时，模型计算结果与实测值出现较大误差，但总体趋势吻合的较好，夏季模型计算值与实测值吻合的较一般，而冬季和春季的模型计算值与实测值吻合的很好。对于全年的大气消光系数的计算值和实测值吻合的程度还是较好的，但是不同季节的之间的大气能见度波动比较大，大气能见度季节性差异较大。

3 结论

本文根据重庆市大气污染物、相对湿度及能见度的数据资料，分析了重庆市大气消光系数贡献因子的情况。主要结论如下：

（1）大气消光系数与PM2.5、相对湿度的相关性最好，呈显著的正相关，是大气消光系数及大气能见度的主要影响因子，这与现有的关于重庆市大气消光系数研究结果是一致的。春季以湿度对大气消光系数的贡献最大，而夏、秋、冬及全年以PM2.5的贡献最大。因此，PM2.5和湿度是大气消光系数的最大贡献因子。

（2）通过分季节以及全年的回归模型计算获得的大气能见度与实测结果的吻合良好，能准确的反映大气能见度的变化规律，且分季节的回归模型的效果更好。

（3）由于大气消光系数与能见度之间具有严格的函数关系，因此，可通过用PM2.5质量浓度和相对湿度与消光系数的回归方程方便快捷地估算出大气能见度的近似值。

［1］宋 宇，唐孝炎，方 晨，等.北京市能见度下降与颗粒物污染的关系［J］.环境科学学报，2003，23（4）：468－471.

［2］Larson S M，Cass G R.Characteristics of summer middy lowvisibility events in the Los Angeles area［J］.Environmental Science ＆Technology，1989，23：281.

［3］Molnar A，Meszaros E.On the relation between the size and chemical composition of aerosol particles and their optical properties［J］.Atmospheric Environment，2001，35（30）：5 053－5 058.

［4］刘新民，邵 敏.北京市夏季大气消光系数的来源分析［J］.环境科学，2004，24（2）：185－189.