PM2.5相關(guān)因素分析及其演變預測

李偉+姜志平+李俊坡+劉皞

摘 要： 采用統(tǒng)計學方法對西安地區(qū)監(jiān)測點空氣質(zhì)量指數(shù)AQI包含的6個基本監(jiān)測指標進行相關(guān)性分析。得出了PM2.5與其余5項監(jiān)測指標的具體關(guān)系。由于PM2.5污染源具有分散性，通過監(jiān)測數(shù)據(jù)求得當量污染源位置及相關(guān)參數(shù)，并基于瞬時高斯模型和杜哈梅積分建立了描述區(qū)域PM2.5濃度及其演變的數(shù)學模型。根據(jù)《環(huán)境空氣質(zhì)量標準》（GB3095?2012）動態(tài)地給出隨時間變化的重度污染區(qū)域以及安全區(qū)域。

關(guān)鍵詞： PM2.5； 相關(guān)性分析； 高斯模型； 當量污染源； 杜哈梅積分

中圖分類號： TN919?34； TP319 文獻標識碼： A 文章編號： 1004?373X（2014）18?0063?04

Analysis of factors related to PM2.5 and prediction for its evolution

LI Wei1， JIANG Zhi?ping1， LI Jun?po1， LIU Hao2

（1. College of Aerospace Engineering， Nanjing University of Aeronautics and Astronautics， Nanjing 210016， China；

2. College of Science， Nanjing University of Aeronautics and Astronautics， Nanjing 211106， China）

Abstract： Correlation analysis of AQI （air quality index） including the six basic monitoring indicators was conducted with statistical method. The specific relationship between PM2.5 and the other five indicators was achieved. As the dispersivity of pollution sources of PN2.5， the location and its relevant parameters of the equivalent pollution source were calculated according to monitoring data. Besides， the math model describing the PM2.5 concentration and its evolution was established based on the instantaneous Gauss model and Duhamel integral. According to the “Ambient Air Quality Standards” （GB3095—2012）， the seriously polluted and safe areas changing with time are illustrated dynamically.

Keywords： PM2.5； correlation analysis； Gauss model； equivalent pollution source； Duhamel integral

0 引 言

大氣中直徑小于或等于2.5 μm的顆粒物（以下簡稱PM2.5）對人體健康和環(huán)境的危害逐漸引起人們的關(guān)注。PM2.5與粒徑較大的大氣顆粒物相比，在大氣中停留時間長、輸送距離遠、可吸入肺部等，對人體健康和大氣質(zhì)量影響更大，其危害性逐漸引起人們的關(guān)注。霧霾天氣嚴重影響著人們的健康。近年來突發(fā)性大氣污染逐漸成為各國關(guān)注的安全問題[1?2]。引起大氣污染的兩個基本要素是大氣氣溶膠和氣態(tài)大氣污染物[3?4]。2012年2月，環(huán)境保護部公布了新修訂的《環(huán)境空氣質(zhì)量標準》 （GB3095?2012），與新標準同步還實施了《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）》 （HJ633?2012），新標準中，首次將產(chǎn)生灰霾的主要因素——對人類健康危害極大的PM2.5的濃度指標作為空氣質(zhì)量監(jiān)測指標。因此，了解導致PM2.5產(chǎn)生的因素以及其擴散規(guī)律對于減輕其危害和制定防治策略是很必要的。王風林等針對已知污染源空間位置的情況探討了突發(fā)性環(huán)境污染事故中危險品的大氣擴散在泄露和爆炸兩種條件下的擴散模型，對于類似PM2.5污染源分散的情況沒有研究[5]。胡二邦等定量測算了不同天氣條件下擴散參數(shù)的不確定度，研究了大氣污染擴散參數(shù)的不確定性以及其對擴散因子的影響，研究表明在同一地點，同一天氣類型，擴散參數(shù)實測值相差兩個數(shù)量級[6]。周順武等利用二氧化硫、二氧化氮、可吸入顆粒物三項指標，分析了污染物濃度的分布特征[7]。由于影響PM2.5擴散的因素很多，與當?shù)貧庀笠貓雒芮邢嚓P(guān)[8]。針對不同因素建立的模型其適用范圍受到限制。高斯擴散模型[9]以其模型簡單、易于理解、運算量小等特點，是目前應(yīng)用最廣泛的氣體擴散模型之一[10]。該模型基于污染物濃度分布符合正態(tài)分布的假設(shè)。本文分析了各監(jiān)測指標（二氧化硫、二氧化氮、可吸入顆粒物、PM2.5、臭氧和一氧化碳等6項）之間的相關(guān)性，并根據(jù)監(jiān)測點數(shù)據(jù)給出了等價污染源的確定方法，通過綜合考慮濃度梯度、風向、風速等要素的PM2.5高斯擴散模型，預測了其濃度和演變過程，給出了各個時間段重度污染區(qū)域和安全區(qū)域，該結(jié)果可以為污染的預防、人員的疏散、城市布局規(guī)劃等提供理論支持。

1 監(jiān)測指標的統(tǒng)計學分析

1.1 監(jiān)測指標相關(guān)性分析

各個監(jiān)測指標之間的聯(lián)系與差別比較復雜，為了定量分析它們之間的關(guān)聯(lián)性與獨立性，采用Pearson相關(guān)系數(shù)[11]建立任意兩個監(jiān)測指標之間的聯(lián)系。

Pearson相關(guān)系數(shù)定義為：

[λ=Nxiyi-xiyiNx2i-（xi）2Ny2i-（yi）2] （1）

式中：[λ]表示Person相關(guān)系數(shù)[λ∈-1，1]，且[λ]絕對值越大，相關(guān)性越強；[x]，[y]分別表示兩組分析指標對應(yīng)的數(shù)據(jù)列。運用軟件SPSS容易獲得6個監(jiān)測指標的相關(guān)系數(shù)矩陣，如表1所示。

由表1可見，PM2.5與二氧化硫、二氧化氮、可吸入顆粒物、一氧化碳均有強正相關(guān)性，而與臭氧具有較弱的負相關(guān)性。臭氧與其余的各個監(jiān)測指標均為不同程度的負相關(guān)，可知一定濃度的臭氧對于防止PM2.5的產(chǎn)生具有積極的作用，除臭氧外，其余監(jiān)測指標均會促使PM2.5的產(chǎn)生。

表1 監(jiān)測指標相關(guān)系數(shù)

1.2 PM2.5與監(jiān)測指標線性分析

由表1中的Pearson相關(guān)系數(shù)可以看出，PM2.5與除臭氧外的其他四項監(jiān)測指標均有強相關(guān)性，且都大于0.72。為此可采用線性回歸的方法并用偏相關(guān)理論對其進行分析驗證，建立PM2.5與該5個監(jiān)測指標的關(guān)系。定義二氧化硫[x1]、二氧化氮[x2]、可吸入顆粒物[x3]、一氧化碳[x4]、臭氧[x5]的權(quán)重系數(shù)分別為[w1，w2，???，w5]，調(diào)整常數(shù)項[c]。即PM2.5表達式為：

[y=w1x1+w2x2+w3x3+w4x4+w5x5+c] （2）

監(jiān)測到的PM2.5的濃度與式（2）中得出的PM2.5的濃度誤差平方和最小（最小二乘法），即滿足如下關(guān)系：

[min=j=1myj-i=15wi?xij+c2] （3）

式中：[m]為（本文中[m]取238）監(jiān)測數(shù)據(jù)組數(shù)；[x1j，x2j，][x3j，x4j，x5j，yj] 分別表示第[j]組時二氧化硫、二氧化氮、可吸入顆粒物、臭氧、一氧化碳和PM2.5的監(jiān)測濃度。

以式（3）為約束條件，將監(jiān)測數(shù)據(jù)代入式（3），運用運籌學規(guī)劃軟件Lingo可得出各指標的權(quán)重系數(shù)和調(diào)整常數(shù)項，即細顆粒物PM2.5的關(guān)系式為：

[y=0.179x1+0.443x2+0.881x3+2.210x4-0.332x5-33.413] （4）

采用偏相關(guān)理論進行分析驗證，結(jié)果見表2。

表2 偏相關(guān)分析

分析數(shù)據(jù)顯示二氧化硫的顯著性水平大于0.05，說明其與PM2.5不是線性關(guān)系。但二氧化硫的權(quán)重是最小的，因此其對PM2.5的產(chǎn)生影響較小。

2 擴散模型建立

本文分析的數(shù)據(jù)包括了不同時間、溫度、季節(jié)、風向、地形6個監(jiān)測參數(shù)的測量值，對于數(shù)據(jù)缺失的情況，采用徑向基函數(shù)插值法[12]將數(shù)據(jù)補充完整。為了深入分析各變量對監(jiān)測參量的影響，采用限制變量的方法，觀察個別變量對監(jiān)測參量的統(tǒng)計規(guī)律，然后再進行綜合評價。

2.1 監(jiān)測數(shù)據(jù)分析

PM2.5的數(shù)據(jù)為一段時間內(nèi)的平均值，影響因素較多，包括天氣、溫度、風向、風速等變量，以長安區(qū)、小寨、紡織城等三個地區(qū)監(jiān)測數(shù)據(jù)采用分布Q?Q圖對原始數(shù)據(jù)進行初步分析，分析結(jié)果如圖 1所示。數(shù)據(jù)點基本落在直線上，PM2.5濃度大致符合正態(tài)分布規(guī)律。

圖1 正態(tài)分布檢驗

2.2 模型的建立與分析

由于誘導PM2.5產(chǎn)生的因素較多，污染源分布分散，為了簡化計算，在保證精度的前提下，做出如下假設(shè)：

（1） 測量點所在的高度一致，根據(jù)氣象部分的數(shù)據(jù)，為1.5 m；

（2） 風的平均流場穩(wěn)定，風速均勻，風向平直；

（3） 污染物在輸送擴散中遵守質(zhì)量守恒定律；

（4） 污染源的源強均勻、連續(xù)。

點污染源的高斯模型中，污染物分布滿足式（5）。[C（x，y，z）=Q（2π）32·σx·σy·σze-x22σ2x·e-y22σ2y·（e-（z-h）22σ2z+e-（z+2H+h）22σ2z）] （5）

式中[C（x，y，z）]為當量污染源濃度；[Ci]為各個監(jiān)測點污染物濃度；[Q] 為污染源場強；[σx，σy，σz]為擴散系數(shù)；[H]表示混合層高度；[h]為有效污染源高度，假設(shè)[x]軸與風向一致，[z]軸鉛直向上。

采用如式（6）所示為約束條件：

[min=1ni=1nC（x，y，z）-Ci] （6）

式中[n]為監(jiān)測點個數(shù)，可求出當量污染源的場強[Q]以及相對位置[（x0，y0）]等參數(shù)。

為了計算方便，將13個監(jiān)測點編號1～13，以1（長安區(qū)）為坐標原點，各監(jiān)測點的相對位置可在地圖上的位置得出，如圖2所示，當量污染源坐標位置及參數(shù)如表3所示。

圖2 當量污染源以及各監(jiān)測點位置示意圖

表3 當量污染源坐標位置及參數(shù)

從瞬間點源排放的污染物，其轉(zhuǎn)換和擴散主要受以下幾個要素影響：污染物濃度及濃度梯度、當?shù)仫L速以及風向、污染物的轉(zhuǎn)化和耗散、地形等。無界瞬時點源的污染物濃度函數(shù)[13]為：

[C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-ut）22σ2x·e-（y-vt）22σ2y· （e-（z-h-wt）22σ2z+e-（z+2H+h-wt）22σ2z）] （7）

式中：[Q]表示源強；[υ]，[ω] 均為零。其解具有以下形式：

[C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-ut）22σ2x·e-y22σ2y·（e-（z-h）22σ2z+e-（z+H）22σ2z）] （8）

若瞬間污染源排放不是作用在[t]=0時刻，而是在[t=τ]，則其污染物傳播也將滯后時間[τ]。[C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-u（t-τ））22σ2x·e-y22σ2y· （e-（z-h）22σ2z+e-（z+H）22σ2z）， t≥τ] （9）

通過式（8）可以求解瞬態(tài)污染源排放特定時間下的擴散。

[Q（x，y，z，t）=t1t2C（x，y，z，t-τ）dτ] （10）

式中：[t1]，[t2]分別為瞬態(tài)污染源排放的開始和截止時間。[σy] 和[σz] 對計算結(jié)果影響較大[6，14?15]，在保證計算精度的前提下，為方便計算，對[σx]，[σy]和[σz]采用經(jīng)驗公式，即布里吉斯擴散參數(shù)，大氣穩(wěn)定度劃分采用較成熟的帕斯奎爾穩(wěn)定度分類法[16]。高斯公式中，城市和開闊地的布里吉斯以煙云的寬度和高度來表示橫方向和垂直方向的擴散。積分結(jié)果為：

[Q（x，y，z，t）=Φut2-（ut-x）σx-Φut1-（ut-x）σx2πσxAu] （11）

式中：[Φ（x）] 表示標準正態(tài)分布函數(shù)，積分結(jié)果由標準正態(tài)分布得到，[A]為：

[A=Q（2π）32σxσyσz·ey22σ2y（e-（z-h）22σ2z+e-（z+H）22σ2z）] （12）

計算機仿真得出該地區(qū)在當量污染源噴發(fā)2 h，刮西風，風速為4 m/s的情況下，13個監(jiān)測地點PM2.5的濃度隨時間的變化情況，如圖3所示。從圖3可看出，受風向和與假想污染點源距離的影響，各地濃度變化速率呈現(xiàn)比較大的差異。其中高壓開關(guān)廠污染物達到的峰值最高，約為1 000 μg/m3，達到峰值后，濃度維持峰值附近，高壓開關(guān)廠、市人民體育場、臨潼區(qū)以及紡織城峰值持續(xù)時間超過1 h，約70 min，此階段PM2.5濃度很高，對人健康造成的負面影響將很大，此時應(yīng)該避免外出活動，并關(guān)閉門窗。與圖2中看到的各個測量點和虛擬污染源的相對位置可以看出，分析結(jié)果符合事實情況。

圖3 PM2.5濃度隨時間變化情況

圖4為在瞬時污染源排放1.5 h、2 h、4 h以及4.5 h PM2.5的分布情況。該處忽略各區(qū)域原先含有的PM2.5。1.5 h后，在西風作用下，PM2.5快速擴散，靠近污染源的高壓開關(guān)廠首先進入其影響范圍，濃度逐漸增大。從圖中PM2.5的濃度分布情況反應(yīng)出來風力以及風向?qū)ζ鋫鞑サ木薮笥绊?，與前面的分析相一致。2 h后，污染物繼續(xù)在風傳播方向上快速傳播，受其影響，高壓開關(guān)廠、市人民體育場以及興慶小區(qū)最高濃度超過了[300 μg/m3]，為嚴重污染。為了居民健康，除了主動避免外出外，相關(guān)部門應(yīng)當實施緊急應(yīng)對措施，以使污染物濃度快速下降。

圖4 污染區(qū)域隨時間變化圖

4 h后，PM2.5的污染團整體向東移動，其影響范圍進一步擴大。圖中所示的處在風經(jīng)過的地區(qū)，PM2.5濃度繼續(xù)維持高位，而此時最先受到污染的高壓開關(guān)廠處于嚴重污染的邊緣，其濃度處于下降階段。到4.5 h以后，絕大部分所示地區(qū)均已處于濃度相對較小的區(qū)域，此時PM2.5濃度較高的區(qū)域已經(jīng)快速移動到東南方向，而且其濃度也有了一定程度的減小。當在污染源排放約5 h后，所給13個監(jiān)測地點其污染物濃度全部接近于[0 μg/m3]，人群可以安全活動。

3 結(jié) 論

本文通過對[AQI]監(jiān)測指標的分析，確定了當量污染源的位置，基于高斯擴散模型對當量污染源噴發(fā)兩小時、刮西風的情況進行了分析。該模型能基本反映和預測污染物PM2.5隨時間以及空間的擴散規(guī)律，而且該方法也可以對于核污染、有毒有害氣體泄漏、生化恐怖襲擊等問題的防治具有借鑒意義。該模型較好地解決了西安市地區(qū)PM2.5當量污染源處濃度突然增至2倍，持續(xù)2 h后該區(qū)域的污染狀況，但是該模型也存在著以下問題：實驗數(shù)據(jù)有限，無法充分反映該地區(qū)的污染物濃度；忽略了地形對污染物擴散的影響；當量污染源的位置存在誤差。在今后的研究中該模型需要進一步完善。

參考文獻

[1] 金銀龍，趙寶新.中國煤煙型大氣污染對人群健康危害的定量研究[J].衛(wèi)生研究，2002，31（5）：342?348.

[2] 陳偉，吳介軍，段渭軍.基于小波分解和 SVM 的城市大氣污染濃度預測[J].現(xiàn)代電子技術(shù)，2011，34（13）：145?148.

[3] 王瑋，湯大鋼，劉紅杰.中國 PM2. 5污染狀況和污染特征的研究[J].環(huán)境科學研究，2000，13（1）：1?5.

[4] 李中愚.顆粒物污染特性分析[J].環(huán)境科學與技術(shù)，1990（1）：4?6.

[5] 王鳳林，畢彤，劉振山，等.突發(fā)性環(huán)境污染事故大氣擴散數(shù)學模型初探[J].遼寧城鄉(xiāng)環(huán)境科技，2000，20（2）：35?37.

[6] 胡二邦，王寒，馬紅友.擴散參數(shù)的不確定性及其對擴散因子的影響[J].環(huán)境科學，1998（1）：69?72.

[7] 周順武，黃瓊中.拉薩市空氣污染物濃度的統(tǒng)計分析及其可能的天氣原因[J].西藏科技，2002（5）：39?42.

[8] 周麗，徐祥德，丁國安，等.北京地區(qū)氣溶膠 PM2.5粒子濃度的相關(guān)因子及其估算模型[J].氣象學報，2003，61（6）：761?768.

[9] 黃金杰，楊桂花，馬駿馳.基于高斯的大氣污染評價模型[J].計算機仿真，2011，28（2）：101?104.

[10] 何寧，吳宗之，鄭偉.一種改進的有毒氣體擴散高斯模型算法及仿真[J].應(yīng)用基礎(chǔ)與工程科學學報，2010，18（4）：571?580.

[11] LEE R J， NICEWANDER W A. Thirteen ways to look at the correlation coefficient [J]. The American Statistician， 1988， 42（1）：59?66.

（上接第66頁）

[12] 魏義坤，楊威，劉靜.關(guān)于徑向基函數(shù)插值方法及其應(yīng)用[J].沈陽大學學報，2008，20（1）：7?9.

[13] 鄔毅敏.基于 GIS 的大氣點源污染高斯煙羽擴散模擬研究[D].上海：華東師范大學，2010.

[14] 鄭飛，張鐳，朱江，等.復雜地形城市冬季邊界層氣溶膠擴散和分布模擬[J].高原氣象，2008，26（3）：532?540.

[15] 黃倩，陳長和.幾種大氣穩(wěn)定度分類方法和相應(yīng)擴散參數(shù)的比較[J].蘭州大學學報：自然科學版，1996，32（3）：143?150.

[16] DRAXLER R R. Determination of atmospheric diffusion parameters [J]. Atmospheric Environment， 1976， 10（2）： 99?105.

若瞬間污染源排放不是作用在[t]=0時刻，而是在[t=τ]，則其污染物傳播也將滯后時間[τ]。[C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-u（t-τ））22σ2x·e-y22σ2y· （e-（z-h）22σ2z+e-（z+H）22σ2z）， t≥τ] （9）

通過式（8）可以求解瞬態(tài)污染源排放特定時間下的擴散。

[Q（x，y，z，t）=t1t2C（x，y，z，t-τ）dτ] （10）

式中：[t1]，[t2]分別為瞬態(tài)污染源排放的開始和截止時間。[σy] 和[σz] 對計算結(jié)果影響較大[6，14?15]，在保證計算精度的前提下，為方便計算，對[σx]，[σy]和[σz]采用經(jīng)驗公式，即布里吉斯擴散參數(shù)，大氣穩(wěn)定度劃分采用較成熟的帕斯奎爾穩(wěn)定度分類法[16]。高斯公式中，城市和開闊地的布里吉斯以煙云的寬度和高度來表示橫方向和垂直方向的擴散。積分結(jié)果為：

[Q（x，y，z，t）=Φut2-（ut-x）σx-Φut1-（ut-x）σx2πσxAu] （11）

式中：[Φ（x）] 表示標準正態(tài)分布函數(shù)，積分結(jié)果由標準正態(tài)分布得到，[A]為：

[A=Q（2π）32σxσyσz·ey22σ2y（e-（z-h）22σ2z+e-（z+H）22σ2z）] （12）

計算機仿真得出該地區(qū)在當量污染源噴發(fā)2 h，刮西風，風速為4 m/s的情況下，13個監(jiān)測地點PM2.5的濃度隨時間的變化情況，如圖3所示。從圖3可看出，受風向和與假想污染點源距離的影響，各地濃度變化速率呈現(xiàn)比較大的差異。其中高壓開關(guān)廠污染物達到的峰值最高，約為1 000 μg/m3，達到峰值后，濃度維持峰值附近，高壓開關(guān)廠、市人民體育場、臨潼區(qū)以及紡織城峰值持續(xù)時間超過1 h，約70 min，此階段PM2.5濃度很高，對人健康造成的負面影響將很大，此時應(yīng)該避免外出活動，并關(guān)閉門窗。與圖2中看到的各個測量點和虛擬污染源的相對位置可以看出，分析結(jié)果符合事實情況。

圖3 PM2.5濃度隨時間變化情況

圖4為在瞬時污染源排放1.5 h、2 h、4 h以及4.5 h PM2.5的分布情況。該處忽略各區(qū)域原先含有的PM2.5。1.5 h后，在西風作用下，PM2.5快速擴散，靠近污染源的高壓開關(guān)廠首先進入其影響范圍，濃度逐漸增大。從圖中PM2.5的濃度分布情況反應(yīng)出來風力以及風向?qū)ζ鋫鞑サ木薮笥绊?，與前面的分析相一致。2 h后，污染物繼續(xù)在風傳播方向上快速傳播，受其影響，高壓開關(guān)廠、市人民體育場以及興慶小區(qū)最高濃度超過了[300 μg/m3]，為嚴重污染。為了居民健康，除了主動避免外出外，相關(guān)部門應(yīng)當實施緊急應(yīng)對措施，以使污染物濃度快速下降。

圖4 污染區(qū)域隨時間變化圖

4 h后，PM2.5的污染團整體向東移動，其影響范圍進一步擴大。圖中所示的處在風經(jīng)過的地區(qū)，PM2.5濃度繼續(xù)維持高位，而此時最先受到污染的高壓開關(guān)廠處于嚴重污染的邊緣，其濃度處于下降階段。到4.5 h以后，絕大部分所示地區(qū)均已處于濃度相對較小的區(qū)域，此時PM2.5濃度較高的區(qū)域已經(jīng)快速移動到東南方向，而且其濃度也有了一定程度的減小。當在污染源排放約5 h后，所給13個監(jiān)測地點其污染物濃度全部接近于[0 μg/m3]，人群可以安全活動。

3 結(jié) 論

本文通過對[AQI]監(jiān)測指標的分析，確定了當量污染源的位置，基于高斯擴散模型對當量污染源噴發(fā)兩小時、刮西風的情況進行了分析。該模型能基本反映和預測污染物PM2.5隨時間以及空間的擴散規(guī)律，而且該方法也可以對于核污染、有毒有害氣體泄漏、生化恐怖襲擊等問題的防治具有借鑒意義。該模型較好地解決了西安市地區(qū)PM2.5當量污染源處濃度突然增至2倍，持續(xù)2 h后該區(qū)域的污染狀況，但是該模型也存在著以下問題：實驗數(shù)據(jù)有限，無法充分反映該地區(qū)的污染物濃度；忽略了地形對污染物擴散的影響；當量污染源的位置存在誤差。在今后的研究中該模型需要進一步完善。

參考文獻

[1] 金銀龍，趙寶新.中國煤煙型大氣污染對人群健康危害的定量研究[J].衛(wèi)生研究，2002，31（5）：342?348.

[2] 陳偉，吳介軍，段渭軍.基于小波分解和 SVM 的城市大氣污染濃度預測[J].現(xiàn)代電子技術(shù)，2011，34（13）：145?148.

[3] 王瑋，湯大鋼，劉紅杰.中國 PM2. 5污染狀況和污染特征的研究[J].環(huán)境科學研究，2000，13（1）：1?5.

[4] 李中愚.顆粒物污染特性分析[J].環(huán)境科學與技術(shù)，1990（1）：4?6.

[5] 王鳳林，畢彤，劉振山，等.突發(fā)性環(huán)境污染事故大氣擴散數(shù)學模型初探[J].遼寧城鄉(xiāng)環(huán)境科技，2000，20（2）：35?37.

[6] 胡二邦，王寒，馬紅友.擴散參數(shù)的不確定性及其對擴散因子的影響[J].環(huán)境科學，1998（1）：69?72.

[7] 周順武，黃瓊中.拉薩市空氣污染物濃度的統(tǒng)計分析及其可能的天氣原因[J].西藏科技，2002（5）：39?42.

[8] 周麗，徐祥德，丁國安，等.北京地區(qū)氣溶膠 PM2.5粒子濃度的相關(guān)因子及其估算模型[J].氣象學報，2003，61（6）：761?768.

[9] 黃金杰，楊桂花，馬駿馳.基于高斯的大氣污染評價模型[J].計算機仿真，2011，28（2）：101?104.

[10] 何寧，吳宗之，鄭偉.一種改進的有毒氣體擴散高斯模型算法及仿真[J].應(yīng)用基礎(chǔ)與工程科學學報，2010，18（4）：571?580.

[11] LEE R J， NICEWANDER W A. Thirteen ways to look at the correlation coefficient [J]. The American Statistician， 1988， 42（1）：59?66.

（上接第66頁）

[12] 魏義坤，楊威，劉靜.關(guān)于徑向基函數(shù)插值方法及其應(yīng)用[J].沈陽大學學報，2008，20（1）：7?9.

[13] 鄔毅敏.基于 GIS 的大氣點源污染高斯煙羽擴散模擬研究[D].上海：華東師范大學，2010.

[14] 鄭飛，張鐳，朱江，等.復雜地形城市冬季邊界層氣溶膠擴散和分布模擬[J].高原氣象，2008，26（3）：532?540.

[15] 黃倩，陳長和.幾種大氣穩(wěn)定度分類方法和相應(yīng)擴散參數(shù)的比較[J].蘭州大學學報：自然科學版，1996，32（3）：143?150.

[16] DRAXLER R R. Determination of atmospheric diffusion parameters [J]. Atmospheric Environment， 1976， 10（2）： 99?105.

若瞬間污染源排放不是作用在[t]=0時刻，而是在[t=τ]，則其污染物傳播也將滯后時間[τ]。[C（x，y，z，t）=Q（2π）32·σx·σy·σz·e-（x-u（t-τ））22σ2x·e-y22σ2y· （e-（z-h）22σ2z+e-（z+H）22σ2z）， t≥τ] （9）

通過式（8）可以求解瞬態(tài)污染源排放特定時間下的擴散。

[Q（x，y，z，t）=t1t2C（x，y，z，t-τ）dτ] （10）

式中：[t1]，[t2]分別為瞬態(tài)污染源排放的開始和截止時間。[σy] 和[σz] 對計算結(jié)果影響較大[6，14?15]，在保證計算精度的前提下，為方便計算，對[σx]，[σy]和[σz]采用經(jīng)驗公式，即布里吉斯擴散參數(shù)，大氣穩(wěn)定度劃分采用較成熟的帕斯奎爾穩(wěn)定度分類法[16]。高斯公式中，城市和開闊地的布里吉斯以煙云的寬度和高度來表示橫方向和垂直方向的擴散。積分結(jié)果為：

[Q（x，y，z，t）=Φut2-（ut-x）σx-Φut1-（ut-x）σx2πσxAu] （11）

式中：[Φ（x）] 表示標準正態(tài)分布函數(shù)，積分結(jié)果由標準正態(tài)分布得到，[A]為：

[A=Q（2π）32σxσyσz·ey22σ2y（e-（z-h）22σ2z+e-（z+H）22σ2z）] （12）

計算機仿真得出該地區(qū)在當量污染源噴發(fā)2 h，刮西風，風速為4 m/s的情況下，13個監(jiān)測地點PM2.5的濃度隨時間的變化情況，如圖3所示。從圖3可看出，受風向和與假想污染點源距離的影響，各地濃度變化速率呈現(xiàn)比較大的差異。其中高壓開關(guān)廠污染物達到的峰值最高，約為1 000 μg/m3，達到峰值后，濃度維持峰值附近，高壓開關(guān)廠、市人民體育場、臨潼區(qū)以及紡織城峰值持續(xù)時間超過1 h，約70 min，此階段PM2.5濃度很高，對人健康造成的負面影響將很大，此時應(yīng)該避免外出活動，并關(guān)閉門窗。與圖2中看到的各個測量點和虛擬污染源的相對位置可以看出，分析結(jié)果符合事實情況。

圖3 PM2.5濃度隨時間變化情況

圖4為在瞬時污染源排放1.5 h、2 h、4 h以及4.5 h PM2.5的分布情況。該處忽略各區(qū)域原先含有的PM2.5。1.5 h后，在西風作用下，PM2.5快速擴散，靠近污染源的高壓開關(guān)廠首先進入其影響范圍，濃度逐漸增大。從圖中PM2.5的濃度分布情況反應(yīng)出來風力以及風向?qū)ζ鋫鞑サ木薮笥绊?，與前面的分析相一致。2 h后，污染物繼續(xù)在風傳播方向上快速傳播，受其影響，高壓開關(guān)廠、市人民體育場以及興慶小區(qū)最高濃度超過了[300 μg/m3]，為嚴重污染。為了居民健康，除了主動避免外出外，相關(guān)部門應(yīng)當實施緊急應(yīng)對措施，以使污染物濃度快速下降。

圖4 污染區(qū)域隨時間變化圖

4 h后，PM2.5的污染團整體向東移動，其影響范圍進一步擴大。圖中所示的處在風經(jīng)過的地區(qū)，PM2.5濃度繼續(xù)維持高位，而此時最先受到污染的高壓開關(guān)廠處于嚴重污染的邊緣，其濃度處于下降階段。到4.5 h以后，絕大部分所示地區(qū)均已處于濃度相對較小的區(qū)域，此時PM2.5濃度較高的區(qū)域已經(jīng)快速移動到東南方向，而且其濃度也有了一定程度的減小。當在污染源排放約5 h后，所給13個監(jiān)測地點其污染物濃度全部接近于[0 μg/m3]，人群可以安全活動。

3 結(jié) 論

本文通過對[AQI]監(jiān)測指標的分析，確定了當量污染源的位置，基于高斯擴散模型對當量污染源噴發(fā)兩小時、刮西風的情況進行了分析。該模型能基本反映和預測污染物PM2.5隨時間以及空間的擴散規(guī)律，而且該方法也可以對于核污染、有毒有害氣體泄漏、生化恐怖襲擊等問題的防治具有借鑒意義。該模型較好地解決了西安市地區(qū)PM2.5當量污染源處濃度突然增至2倍，持續(xù)2 h后該區(qū)域的污染狀況，但是該模型也存在著以下問題：實驗數(shù)據(jù)有限，無法充分反映該地區(qū)的污染物濃度；忽略了地形對污染物擴散的影響；當量污染源的位置存在誤差。在今后的研究中該模型需要進一步完善。

參考文獻

[1] 金銀龍，趙寶新.中國煤煙型大氣污染對人群健康危害的定量研究[J].衛(wèi)生研究，2002，31（5）：342?348.

[2] 陳偉，吳介軍，段渭軍.基于小波分解和 SVM 的城市大氣污染濃度預測[J].現(xiàn)代電子技術(shù)，2011，34（13）：145?148.

[3] 王瑋，湯大鋼，劉紅杰.中國 PM2. 5污染狀況和污染特征的研究[J].環(huán)境科學研究，2000，13（1）：1?5.

[4] 李中愚.顆粒物污染特性分析[J].環(huán)境科學與技術(shù)，1990（1）：4?6.

[5] 王鳳林，畢彤，劉振山，等.突發(fā)性環(huán)境污染事故大氣擴散數(shù)學模型初探[J].遼寧城鄉(xiāng)環(huán)境科技，2000，20（2）：35?37.

[6] 胡二邦，王寒，馬紅友.擴散參數(shù)的不確定性及其對擴散因子的影響[J].環(huán)境科學，1998（1）：69?72.

[7] 周順武，黃瓊中.拉薩市空氣污染物濃度的統(tǒng)計分析及其可能的天氣原因[J].西藏科技，2002（5）：39?42.

[8] 周麗，徐祥德，丁國安，等.北京地區(qū)氣溶膠 PM2.5粒子濃度的相關(guān)因子及其估算模型[J].氣象學報，2003，61（6）：761?768.

[9] 黃金杰，楊桂花，馬駿馳.基于高斯的大氣污染評價模型[J].計算機仿真，2011，28（2）：101?104.

[10] 何寧，吳宗之，鄭偉.一種改進的有毒氣體擴散高斯模型算法及仿真[J].應(yīng)用基礎(chǔ)與工程科學學報，2010，18（4）：571?580.

[11] LEE R J， NICEWANDER W A. Thirteen ways to look at the correlation coefficient [J]. The American Statistician， 1988， 42（1）：59?66.

（上接第66頁）

[12] 魏義坤，楊威，劉靜.關(guān)于徑向基函數(shù)插值方法及其應(yīng)用[J].沈陽大學學報，2008，20（1）：7?9.

[13] 鄔毅敏.基于 GIS 的大氣點源污染高斯煙羽擴散模擬研究[D].上海：華東師范大學，2010.

[14] 鄭飛，張鐳，朱江，等.復雜地形城市冬季邊界層氣溶膠擴散和分布模擬[J].高原氣象，2008，26（3）：532?540.

[15] 黃倩，陳長和.幾種大氣穩(wěn)定度分類方法和相應(yīng)擴散參數(shù)的比較[J].蘭州大學學報：自然科學版，1996，32（3）：143?150.

[16] DRAXLER R R. Determination of atmospheric diffusion parameters [J]. Atmospheric Environment， 1976， 10（2）： 99?105.