张 楠,尚可政,徐军昶,尚子溦,魏俊涛

(1.西安市气象局,陕西 西安 710016; 2.兰州大学大气科学学院,甘肃 兰州 730000)

空气中负氧离子浓度已经成为衡量空气质量的标准之一,空气负离子中的小离子不仅对人体呼吸系统有益,还具有抗抑郁、改善心功能、增强人体免疫力、抑菌杀菌等一系列对人体健康有益的作用[1]。负氧离子除了有一定的医疗保健作用外,在环境保护、城市规划、生态价值评估等方面还具有重要研究价值。在不同环境场中空气负氧离子浓度差异较大,而所谓的环境场包括了风温湿压等天气状况、水体、植被绿化、建筑等较多复杂因素[2]。这些众多的因素互相作用,对空气负氧离子浓度产生影响。其中,气象因素及气候条件是决定负氧离子浓度及分布特征的重要条件。随着人们对生态环境的关注度越来越高,对良好的空气质量的渴望,选择适宜的时间、地点出行旅游对人体身心健康及保健养生有重要意义,负氧离子的监测和预测研究也为生态环保提供了科学依据。

1 研究方法

1.1 监测地概况

西安浐灞生态区成立于2004年9月,位于西安城区东北部,是浐灞国家湿地公园所在地和2011年西安世界园艺博览会举办地,为西北地区首个国家级生态区。2015年生态区内植被覆盖率为47.71%。西安夏季炎热多雨,汛期(5—9月)降雨集中,1951—2017年西安汛期降水量占年降水量的46%～82%,浐灞生态区降水量集中在5—9月,2008—2014年浐灞生态区年平均降水量约为580 mm,5—9月平均降水量约为440 mm。研究表明有雷电日和有降雨日的负氧离子浓度比无雷电和无降水日明显偏高,降雨强度与负氧离子浓度也有密切的关系[3-4]。为了研究西安地区降水对负氧离子浓度的影响,选取西安浐灞生态区降雨集中的5—9月的气象环境和负氧离子监测数据,分析降雨强度、降雨时间以及其他气象环境因素对负氧离子浓度分布的影响。

1.2 监测设备及数据采集处理

浐灞生态区负氧离子监测仪安装于西安浐灞世博园内,位于109°3′28″E,34°19′50″N,海拔390 m。采用美国Epex200负氧离子监测仪,采用电容式吸入法计算空气负离子。数据监测间隔时间为1 min,监测误差≤±10%,迁移率≥1.0 cm/s。分辨率:10个/cm3,离子浓度检测范围分3档:0～30 000个/cm3、0～300 000个/cm3、0～3 000 000个/cm3。分析采用2014年、2015年5月1日—9月30日的每小时空气负氧离子浓度平均值。数据记录、处理等按照《空气负(氧)离子浓度观测规范》LY/T2586-2016执行。监测小时平均数据7 344 条,排除异常和缺失值后得到数据6 453 条。

1.3 资料与方法

研究所用2014年、2015年5—9月气象资料来源于西安市气象局,包括逐日平均气温、日最高气温、日最低气温、日平均相对湿度、日均风速、日平均气压、日照时数、日降水量、小时降水量;同期环保数据来自中国空气质量在线监测分析平台,包括逐日PM2.5、PM10、SO2、CO、NO2、O3。气象环境因素对浐灞生态区负氧离子浓度的影响采用相关分析法,统计分析应用SPSS17.0完成。收集同期逐日雨量作为晴雨天气条件分型之用,当日降雨量R≤0.0 mm时,定义当日为“无雨日”,当日降雨量R>0.0 mm时,定义为“雨日”。

2 浐灞生态区夏季负氧离子分布特征

2.1 月变化特征

分析西安浐灞生态区5—9月负氧离子浓度监测数据发现:负氧离子7—9月月均浓度值高于5—6月,8月负氧离子月均浓度值最高,7月和9月、5月和6月的月均浓度值差距不大,负氧离子日均浓度极大值出现在8月,为2 024个/cm3。根据气象数据统计,西安历年(1951—2017年)7—9月降水总和占年降水量25%～72%,而2014—2015年暴雨发生于8月,连阴雨、秋淋及雷暴大风等强对流天气也在这个时段出现。降水时充沛的水汽条件、对水分子的剪切以及发生雷电活动时空气放出的大量电子,有利于负氧离子的产生和吸附,使空气中的负氧离子浓度升高[5],浐灞生态区负氧离子浓度变化特征如图1所示。

图1 浐灞生态区负氧离子浓度变化特征Fig.1 Changes of negative oxygen ion concentration in Chanba Ecological Zone

2.2 无雨日负氧离子浓度日分布特征

将每日根据雨量划分为雨日和无雨日,浐灞生态区无雨日夏季夜间负氧离子浓度高于白天。负氧离子小时平均浓度最大值以出现在23时最多,其次是0时、22时、1时,即无雨日负氧离子浓度最大值较常出现在深夜至凌晨的22时到01时,上午的9时、11时,下午的14时、16时负氧离子浓度日最大值出现较少。负氧离子小时平均浓度最小值以出现在21时最多,其次是13时、20时、22时,即无雨日负氧离子最小值较常出现在夜间20—22时及中午13时这2个时段。人为活动和环境污染降低了空气负氧离子浓度,人流量、车流量的增加使空气中二氧化碳、烟粉尘含量增高,吸附空气中的负氧离子,形成重离子沉降,造成空气负离子浓度午夜至清晨高,中午较低,傍晚后逐渐上升的趋势[6-7],如图2所示。

3 降雨对负氧离子浓度的影响

3.1 负氧离子浓度变化与小时雨量的关系

已有研究表明降雨日的负氧离子浓度比无雨日的浓度明显偏高,但降水对负氧离子的增加作用存在一定滞后性[8]。降雨强度、时间长短不同,可能对负氧离子浓度的影响也存在差异,为了研究小时降雨量对负氧离子浓度的影响,分别绘制雨日某时次负氧离子的小时平均浓度与之前0～5 h各个时次小时雨量的散点图,及某时次负氧离子小时平均浓度与之前0～7 h累计雨量的散点图,分析逐小时雨量及小时累计雨量对负氧离子浓度的影响。

图2 无雨日负氧离子浓度最大、最小值出现时次百分比Fig.2 Percentage of time level when maximum and minimum value of negative oxygen ion concentration in days without raining appear

(1) 小时降雨量与负氧离子小时平均浓度的关系 雨日某时次负氧离子小时浓度与之前0～5 h各时次降雨散点图如图3所示,负氧离子小时浓度与前0～2 h的小时降雨量有明显的直线关系(p<0.01),与前3 h的小时雨量也有一定的直线相关关系(p<0.05),其R2分别为0.139、0.057、0.022、0.010,直线关系逐渐减弱;与前4～5 h的小时雨量没有明显的直线关系和相关性,说明当时次及前1～3 h各小时的雨量越大,负氧离子小时浓度值越大。

(2) 负氧离子小时平均浓度与累计小时降雨量的关系 绘制雨日某时次负氧离子小时浓度与前期累计降水量的散点图(图略),并对其进行相关分析,发现至少前1～7 h的累计降雨量与当时次负氧离子小时浓度有一定的正相关关系,这种正相关关系随着累计时长的增大而逐渐减弱,前1～7 h的累计雨量越大负氧离子小时浓度越高。雨日的某小时可能没有降水量,但由于前期小时累计雨量的影响以及降雨时、降雨前后空气相对湿度较高,对负氧离子的浓度增加也有促进作用,使雨日的负氧离子浓度较无雨日高(见表1)。

3.2 负氧离子浓度与降雨强度的关系

负氧离子浓度的变化基本上和降水量的趋势一致,负氧离子浓度随着降水强度的变化波动,降水减弱结束后虽有明显下降趋势,但平均浓度略高于降水前。小时雨强与负氧离子浓度关系密切,负氧离子浓度与中雨量级以上的降水呈正相关关系,负氧离子浓度在小时雨量大于5 mm时显著增加,达到10 mm以上时激增,但都存在2 h左右的滞后期[4,9-10]。为分析浐灞生态区降雨强度对负氧离子浓度的影响,将雨日的每时次按照雨量划分,小时雨量为r,0.0 mm

通过绘制散点图发现,负氧离子小时浓度与雨量大小有明显的线性关系:小雨量级时次和中雨以上量级时次的负氧离子小时平均浓度与雨量有明显的线性关系,中雨以上量级较小雨量级时次与负氧离子浓度的线性关系更明显(R=0.536,P<0.01),说明小时雨强的增大对小时负氧离子浓度的增加有明显的促进作用。单独绘制中雨、大雨量级时次的负氧离子浓度与雨量散点图其线性关系不明显,可能由于两年夏季出现中到大雨的时次较少,样本量较少不能完全体现出两者的关系(见表2、图4)。

3.3 降雨过程负氧离子变化分析

分别绘制西安2014年9月12日—16日的一次连阴雨过程和2015年8月2日夜间的一次暴雨过程中负氧离子浓度与雨量变化的折线图(见图5、图6)。

图3 负氧离子小时平均浓度与前0～5 h雨量的关系Fig.3 Relationship between hourly average concentration of negative oxygen ion and rainfall from 0 to 5 hours

表1 前期累计降雨量与负氧离子小时平均浓度的相关性

表2 负氧离子小时平均浓度与降雨强度的相关分析

从图5、图6可见,负氧离子小时平均浓度与降雨强度变化趋势一致,负氧离子浓度峰值较降雨峰值出现时间滞后约0～3 h。结合上节分析表明:无论小时雨强大小,降水都能增加空气中负氧离子的浓度,但中雨以上量级的降水其增加作用更明显,能激增空气负氧离子浓度值;连阴雨天气中小雨时次有维持雨日空气中负氧离子高浓度的作用。

4 负氧离子浓度的预报研究

4.1 相关分析

负氧离子日均浓度与气象环境因素的Pearson相关分析发现:负氧离子小时浓度与环境因素中的PM2.5、PM10、CO有显著负相关关系(p<0.01),与气象因素中的日降雨量、日均风速有显著正相关关系(p<0.01);与环境因素中的SO2有负相关关系(p<0.05),与气象因素中的日最高、日最低、日平均气温有正相关关系(p<0.05)。气象环境因素中降雨、PM2.5、PM10对负氧离子浓度影响最显著。有研究表明,初夏时相对湿度和气温对负离子浓度影响较大,盛夏时相对湿度和光量子对负离子浓度影响较大[11]。夏季空气负离子浓度与PM2.5、PM10有显著的相关性[12-13]。除此之外,风速对其也有明显的影响,有研究发现空气负离子浓度与风速存在明显的相关性,风速高于1 m/s时产生的摩擦对负离子浓度有显著增大的效果[14]。

图4 小雨和中雨以上量级负氧离子小时浓度与降雨的线性关系Fig.4 Linear relationship between medium and heavy rainfalls and negative oxygen ion hourly concentration

图5 2014年9月一次连阴雨过程中负氧离子浓度变化Fig.5 Changes of negative oxygen ion concentration during rainy periods on September 2014

图6 2015年8月一次暴雨过程中负氧离子浓度变化Fig.6 Changes of negative oxygen ion concentration during heavy rains on August 2015

4.2 预报研究

相关分析和已有研究证实,气温、气压、风速、相对湿度等气象要素和PM2.5、PM10等环境因素有相关性,根据相关分析结果,选取对负氧离子浓度有显著影响的因子,采用多元逐步回归分析法,将自变量因子逐步引入剔除,选取最佳拟合模型,建立西安夏季负氧离子浓度的多元逐步回归预报模型:

Y=1 363.93+10.12W-3.98P1+1.09P2-

94.75C+0.43R+2.06N,

(1)

其中:Y为负氧离子浓度日均值(个/cm3);W为日均风速(m/s);P1为空气中日平均PM2.5浓度(μg/m3);P2为空气中日平均PM10浓度(μg/m3);C为空气中日平均CO浓度(mg/m3);R为日降雨量(mm);N为空气中日平均NO2浓度(μg/m3)。

对预报模型进行统计检验,模型通过p<0.01显著水平检验,R=0.607,F=28.156。拟合模型详见图7。从图7中可见2014年、2015年5—9月每日的拟合效果,预测值与实际观测的曲线基本一致。

图7 2014—2015年夏季负氧离子浓度预测值与观测值Fig.7 Prediction and observation of negative oxygen ion concentration in summer from 2014 to 2015

5 结论

西安浐灞生态区夏季负氧离子月均浓度7—9月高于5—6月,8月的负氧离子浓度最高。无雨日负氧离子最大值较常出现在22时到01时这个时间段,负氧离子最小值较常出现在夜间20—22时及中午13时这2个时段。

雨日负氧离子小时浓度与当时次的降雨量有线性关系(p<0.01),与前1～3 h各时次的降雨大小也有一定的线性相关,线性关系逐渐减弱,前0～3 h每时次的雨量越大负氧离子小时浓度值越高;负氧离子小时浓度与前1～7 h的累计降雨量有一定的正相关关系,并且这种正相关关系随着累计时长的增大而逐渐减弱,前1～7 h的累计雨量越大负氧离子小时浓度越高;小时雨强与负氧离子小时平均浓度有显著正相关关系,中雨以上的降雨与负氧离子浓度的线性关系更显著,无论小时雨强大小都能增加空气中负氧离子的浓度,但中雨以上量级的降水其增加作用更明显,能激增空气负氧离子浓度值;连阴雨天气中小雨时次有维持雨日空气中负氧离子高浓度的作用。

负氧离子日均浓度与PM2.5、PM10、CO、日降雨量、日均风速、SO2、日最高气温、日最低气温、日平均气温有显著相关性。采用多元逐步回归分析法,建立了西安浐灞生态区夏季负氧离子浓度的多元逐步回归预报模型,并对预报模型进行统计检验,预报模型通过P<0.01显著水平检验,模型每日拟合曲线与实际观测曲线基本一致。