卫尤文,郑志侠，汪水兵,张 红，易明建，陈 建

(1.合肥学院 生物食品与环境学院，安徽 合肥 230601；2.安徽省环境科学研究院，安徽 合肥 230071)

1 引言

近年来，随着社会经济发展、城市化进程加快、机动车增加、工业多样化发展等原因，大气污染已由传统的煤烟型污染转变为气溶胶复合光化学污染类型。以臭氧为特征污染物的大气环境问题越来越突出。为了系统性地掌握臭氧污染变化规律，国内学者从臭氧的形成机理、区域传输、影响因素等方面展开了研究。研究显示，大气污染中O3的形成主要是通过人为和自然排放的前体物NOx、CO和VOCs在光照作用下经过一系列的化学反应形成的二次光化学氧化剂[2]。王磊[3]、程念亮[4]、王闯[5]和王宏[6]等研究发现臭氧的形成与气象条件密切相关，其主要表现为气温、能见度、日照时数、总辐照强度等要素呈显著正相关，与相对湿度、总(低)云量呈负相关。臭氧高浓度污染还与天气型、风向、气压等因素相关。还有学者通过统计分析得出各地区易发生臭氧污染的气象条件，如吴锴等[7]统计发现气温高于15℃、相对湿度低于65%、西风或偏东北风控制时，成都市容易发生高浓度O3污染。王文波等[8]研究发现相对湿度为45%～85%、平均风速为1.0～2.0 m/s、日照时数>6 h、日平均气压为998～1013 hPa，同时主导风存在偏南风量或吹较大北风、东风或西北偏西风时可考虑发布臭肇庆市氧污染预警。

O3浓度与气象要素之间存在较为明显的相互作用影响，但目前研究O3浓度与气象要素之间的关系多以假设两者之间存在线性影响为基础，研究结果与实际存在一定的误差。而运用非线性模型分析影响因素对O3浓度变化的研究成果目前还较少。贾彬等[9]通过对广义可加模型共曲线性及其在空气污染问题研究中的应用研究发现在空气污染问题影响因素研究中采用GAM模型的分析结果较传统线性分析结果的可信度高，结果应用更为准确。基于此，本文运用运用广义相加模型(GAM)，构建O3浓度与气象要素的非线性模型，探讨不同季节气象要素对O3浓度的影响，以期为合肥市O3污染的防治提供科学参考。

2 资料与方法

2.1 数据来源

使用合肥市2018年3年间的O3浓度值和常规气象参数为研究对象，研究2018年合肥O3与气象参数之间的非线性关系，气象数据来源于中国气象数据网(http://data.cma.cn)发布的中国地面气候资料日值数据集(V3.0)，该数据集已经过严格的质量控制，数据较为可靠，主要有SPD(风速)、RH(相对湿度)、SLP(海平面气压)、TEMP(温度)和PRE(降水)5项参数，数据均处理成日均值进行研究。部分数据缺失，为保证数据的真实性，均进行舍去处理。

2.2 研究方法

广义可加模型(GAM)是Stone[10]提出的一种传统可加模型，它是能够解释影响因子与相应变量之间的非线性响应关系的模型。本文以SPD、RH、SLP、TEMP和PRE等5个气象因子作为解释变量，O3浓度为响应变量，运用GAM模型，深入探讨5项气象因素对O3浓度变化的影响特征。该模型的基本形式为:

g(μi)=α0+f1(x1i)+f2(x2i)+f3(x3i)+…+fj(xji)+δi,i=1,2,3…n

(1)

式(1)中，μi为相对应变量的期望值；g(μi)为连接函数；α0表示截距，i代表第i天；n代表观测的天数；j代表气象因子的数量；fi是气象因子xij的光滑函数，代表O3浓度和气象因子间存在在的复杂关系；δi表示残差。在GAM模型具体分析过程中，采用Rx64.3.3.0版R软件的mgcv包。

3 结果与讨论

3.1 时空分布特征

3.1.1 空间分布特征

通过对合肥市4个空气质量监测站点的逐小时O3浓度进行对比分析，了解合肥市O3浓度在地理位置上的变化。结果见表1，合肥市各个站点O3年均浓度高低顺序为董铺水库(76.4 μg/m3)>长江中路(68.6 μg/m3)>琥珀山庄(65.0 μg/m3)>三里街(54.2 μg/m3)，其中董铺水库和长江中路的O3浓度较合肥市整体浓度高，琥珀山庄和三里街较合肥整体浓度低。各监测站点的最大小时浓度高低顺序为与年均浓度表现一致。由此说明，合肥市O3浓度郊区较市区高。这主要由于O3前体物向郊区扩散并在郊区积累发生一系列光化学反应导致的。

表1 合肥市臭氧年均浓度与最大小时浓度统计

3.1.2 季节变化特征

对合肥市各监测点位O3浓度的季节变化做对比分析，结果如表2所示，合肥市O3浓度季节变化春夏高于秋冬。整体来看，合肥市O3浓度的季节变化由高到低分别是：夏季(90.4±14.8) μg/m3>春季(74.1±12.2) μg/m3>秋季(57±8.1) μg/m3>冬季(39.1±9.5) μg/m3。从图1中可以看出，合肥市2018年O3超标主要发生在春夏秋三季，其中夏季超标占总超标的55%。

表2 合肥市O3季均浓度

图1 合肥市2018年O3超标天数分布

3.1.3 时间变化特征

图2为合肥市O3浓度日小时变化曲线，可以看出，O3在0:00～7:00之间维持在一个相对较低的水平，且在7:00左右出现最小值，主要是由于此时间段温度较低，光化学反应弱，不利于臭氧的生成，而大气中的NOx通过与O3发生化学反应，不断“滴定”消耗O3[1]，7:00之后温度升高，太阳辐射增大，NOx浓度也逐渐升高，此时生成O3的光化学反应强烈，导致O3浓度开始积累升高，在15:00左右达到峰值，之后又随着温度和太阳辐射的降低而降低。

图2 合肥市O3浓度日小时变化曲线

3.2 O3浓度影响因素的GAM模型拟合

3.2.1 构建GAM模型

对选定的气温(TEMP)、气压(SLP)、降水量(PRE)、相对湿度(RH)、及风速(SPD)等5个气象因子进行单项因子与O3浓度的分析。结果见表3，各单项气象因子与O3浓度模型的自由度都大于1，说明各气象因子对O3浓度的影响均是非线性的。而TEMP和RH的F统计值(462.2～590.4)、R2(0.322～0.392)及方差解释率(32.3%～39.3%)较大，说明TEMP、RH对O3的影响显著，模型拟合效果较好。其中PRE的F统计值、R2及方差解释率最低，说明此单因子的GAM模型拟合度较差；SLP及SPD的F统计值、R2及方差解释率较小，但所有因子均在P<0.001水平下，通过相关性检验。

表3 合肥市O3浓度单影响因素GAM模型拟合结果

以选定5项气象因子作为解释变量，O3浓度为响应变量，通过GAM模型进行多因素的相关性分析，结果如表4所示。

表4 合肥市O3浓度与5气象因子的多因素GAM模型拟合结果

多因素分析表明，多因素GAM模型R2为0.653、方差解释率为65.7%，较各单因素GAM模型的R2和方差解释率高。说明多因素GAM模型拟合效果要优于单因素GAM模型。其中PRE的P值大于0.001，未通过在0.01水平下显著检验，说明PRE对合肥市O3浓度全年尺度的变化影响不大；其余因子在P<0.001水平下显著影响O3浓度变化；说明TEMP、SLP、RH及SPD对合肥市O3浓度全年尺度的变化影响显著。

删除PRE未通过显著性分析的因子，以O3作为解释变量，重新构建多因素GAM模型，结果如表5所示。

表5 合肥市O3浓度与4气象因子的多因素GAM模型拟合结果

重新分析后，TEMP、SLP、SPD及RH均在P<0.001水平下显著影响O3浓度变化，多因素GAM模型R2为0.652、方差解释率为65.6%，说明此GAM模型拟合较好，TEMP、SLP、SPD及RH这4个气象因子与O3浓度之间的相关性较强。对合肥市全年O3浓度影响最大的是3个因素是相对湿度、温度和气压。

3.2.2 GAM模型检验

GAM模型检验主要是通过R语言mgcv程序包中的gam.check函数来评估拟定最优模型的质量[11]。其检验结果见图3，从模型的残差QQ图和直方图来看，图中的点大致在直线上，说明残差符合正态分布，且残差值在主要集中在0附近，由此说明模型的拟合度较好。而观测值与拟合值基本y=x分布，说明模型拟合值与实际观测值匹配度较高。综上，说明本次GAM模型的拟合效果较好。

图3 GAM模型残差结果检验

3.2.3 O3浓度影响因素分析

通过GAM模型进行多因素的相关性分析，从而得到TEMP、SLP、RH、SPD四项影响因子的影响效应图(图4)，由此分析各影响因子对O3浓度的具体影响。由图4可以看出，O3浓度与各气象因素间并非是简单的线性关系，而是呈现较为复杂的非线性关系。其中TEMP与O3浓度主要呈非线性正相关，曲线形似开口向上的抛物线；当TEMP<13 ℃时，O3浓度随TEMP的升高有微弱的降低，但变化幅度不大；当13 ℃33 ℃时，O3浓度随TEMP的升高而上升的幅度降低。O3浓度与气压主要呈非线性负相关，曲线形似开口向下的抛物线，当SLP<1012 hPa时，SLP对O3浓度的影响较小，当SLP>1012 hPa时，O3浓度随SLP的增加而降低，且O3浓度下降速度较快。O3浓度与RH主要呈非线性负相关，曲线形态近似开口向下的抛物线，当RH<40%时，RH对O3浓度的影响不显著；当RH>40%时，O3浓度随RH的增加而降低，且降低幅度较大。当SPD<2.6 m/s时，O3浓度随SPD的上升而升高，但上升幅度较小，此时SPD对臭氧的影响为正相关；当SPD>2.6 m/s时，曲线近似线性，此时O3浓度随SPD的上升而降低，且SPD越大下降速度越快，主要呈现负相关。

图4 各气象因素对臭氧浓度变化的影响效应

4 结论

(1) 合肥市O3浓度郊区较市区高。且春夏臭氧浓度较秋冬季高，O3浓度季节变化特征表现为:夏季(90.4±14.8) μg/m3>春季(74.1±12.2) μg/m3>秋季(57±8.1) μg/m3>冬季(39.1±9.5) μg/m3，而O3超标主要发生在春夏秋三季，其中夏季超标占总超标的55%。

(2) O3浓度日小时变化呈单峰型分布，在7:00左右出现最小值，峰值在15:00左右。对气压、气温、相对湿度、风速、降水量等5项气象因子利用GAM模型进行单因素分析，结果表明O3浓度与单个气象因子皆呈非线性关系。在做多因素模型分析下，结果表明相对湿度、温度、气压和风速对合肥市O3浓度影响较为显著。且当TEMP<13 ℃时，O3浓度随TEMP的升高有微弱的降低，但变化幅度不大；当13 ℃33 ℃时，O3浓度随TEMP的升高而上升幅度降低。当SLP<1012 hPa时，SLP对O3浓度的影响较小，当SLP>1012 hPa时，O3浓度随SLP的增加而降低，且O3浓度下降速度较快。当RH<40%时，RH对O3浓度的影响不显著；当RH>40%时，O3浓度随RH的增加而降低，且降低幅度较大。当SPD<2.6 m/s时，O3浓度随SPD的上升而升高，但上升幅度较小，此时SPD对臭氧的影响为正相关；当SPD>2.6 m/s时，曲线近似线性，此时O3浓度随SPD的上升而降低，且SPD越大下降速度越快，主要呈现负相关[12]。

(3) 从全年来看，对合肥市影响较大的3项气象因子主要为相对湿度、温度、气压。