城市主要氣體污染物與PM2.5相關性建模分析

崔淑華，倪艷姝

(東北林業(yè)大學 交通學院，哈爾濱 150040)

?

城市主要氣體污染物與PM2.5相關性建模分析

崔淑華，倪艷姝

(東北林業(yè)大學 交通學院，哈爾濱 150040)

摘要：PM2.5中的主要無機離子組分及的質量濃度與大氣中氣態(tài)污染物的濃度具有一定的相關性。本文基于北方某城市連續(xù)三個月不同監(jiān)測點的CO、NO2、SO2、O3和PM2.5的濃度監(jiān)測值，對城市環(huán)境中的PM2.5和主要氣體污染物日均濃度隨時間的變化關系進行相關性分析，并建立PM2.5與CO、NO2、SO2、O3的濃度關系的數(shù)學模型。對分析城市中PM2.5的來源、預測和降低城市大氣中的PM2.5濃度提供方法和途徑。

關鍵詞：PM2.5；氣體污染物；相關性；數(shù)學模型

0引言

1城市氣體污染物與PM2.5的成分及來源

城市氣體污染物主要由交通運輸、工業(yè)生產和生物質燃燒等產生，其中工業(yè)生產排放到大氣中的污染物種類繁多，有煙塵、SOX、NOX、有機化合物、鹵化物和碳化合物等，居民生活和采暖消耗的煤炭會釋放大量的灰塵、SO2、CO等有害物質。城市中汽車的量大而集中，產生了大量的CO、NOX、HC和固體懸浮顆粒等[5-7]?？諝庵蠳OX和揮發(fā)性有機物在一定的氣象條件下也會生成大量的O3和其他類有機物，嚴重影響著城市的空氣質量[8]。

2PM2.5與主要氣體污染物的相關性研究

分析城市大氣中的主要氣體污染物濃度與PM2.5濃度的相關性，并建立相關數(shù)學模型，可為城市大氣中PM2.5濃度的預測和控制奠定理論基礎。本文選取北方某城市的主干道路、商業(yè)街、公園綠地周邊、大型工廠等10個代表監(jiān)測點的監(jiān)測數(shù)據(jù)，選取時段為2014年9月~2014年11月；監(jiān)測數(shù)據(jù)包括PM2.5、CO、NO2、SO2、O3濃度。

2.1PM2.5與CO的相關性分析

城市中CO主要來源是汽車排氣，其次是鍋爐中化石燃料的燃燒。龍連芳等針對廣州公交站的空氣質量情況進行研究，利用PM2.5和CO測定儀測定空氣中PM2.5和CO暴露水平，通過對測定結果的分析，表明CO和PM2.5具有正相關性[13]。圖1和圖2分別是某城市CO和PM2.5日均濃度隨時間的變化曲線、CO與PM2.5的回歸曲線圖。如圖1所示，PM2.5日均濃度范圍在8~418 μg/m3之間變化，CO和PM2.5濃度隨時間的變化規(guī)律大體一致，二者相關系數(shù)R=0.86，為強相關。

2.2PM2.5與NO2的相關性分析

大氣中的NO2會通過大氣化學反應生成二次顆粒物，實現(xiàn)由氣體到粒子的相態(tài)轉換。圖3為NO2日均濃度隨時間的變化曲線，NO2日均最高值達到129 μg/m3；圖4為PM2.5與NO2的相關性曲線。由圖可知，PM2.5與NO2日均濃度隨時間的變化趨勢基本類似，相關系數(shù)為R=0.91，有很強的相關性。

圖1　CO和PM2.5日均濃度隨時間的變化曲線Fig.1 The variation curves of daily average concentrationsof CO and PM 2.5 along with time

圖2　CO與PM2.5的回歸曲線Fig.2 Regression curve of CO and PM2.5

圖3　NO2日均濃度隨時間的變化曲線Fig.3 Daily average concentrations of NO2 along with time

2.3PM2.5與SO2的相關性分析

硫酸鹽是PM2.5主要化學成分，大氣中的SO2可以通過氣相或液相氧化反應可直接生成H2SO4，再與大氣中的NH3作用產生硫酸銨，所以SO2是形成PM2.5二次顆粒的主要氣態(tài)前體物。圖5為SO2的日均濃度隨時間的變化曲線，圖6為PM2.5與SO2的相關性曲線。PM2.5與SO2的相關系數(shù)R=0.65，為強相關。

圖4　NO2與PM2.5的相關性曲線Fig.4 Regression curve of NO2 and PM2.5

圖5　SO2日均濃度隨時間的變化曲線Fig.5 Daily average concentrations of SO2 along with time

2.4PM2.5與O3的相關性分析

汽車尾氣、工業(yè)生產活動都會產生大量的揮發(fā)性有機污染物(VOCs)和氮氧化物(NOx)，這些污染物會與空氣中的O2結合，在陽光輻射和溫度的催化下形成O3。O3前體物也是PM2.5二次顆粒物前體物的一種。根據(jù)O3與PM2.5的關系也可以判斷光化學氧化反應對PM2.5的影響。圖7為O3的日均濃度隨時間的變化曲線，圖8為PM2.5和O3的相關性曲線。PM2.5與O3的相關系數(shù)R=0.75，為強相關。

圖6　SO2與PM2.5的相關性曲線Fig.6 Regression curve of SO2 and PM2.5

圖7　O3日均濃度隨時間的變化曲線Fig.7 Daily average concentrations of O3 along with time

圖8　O3和PM2.5的相關性曲線Fig.8 Regression curve of O3 and PM2.5

3城市氣體污染物的多元線性回歸模型建立

用含有多個自由變量的多元線性回歸模型，可以揭示出因變量和相應多個自變量之間的線性相關關系，最終由多個自變量的最優(yōu)組合共同來預測或估計因變量。多元線性回歸方程的經驗模型如公式(1)：

Y=β0+β1X1+β2X2+β3X3+…+βpXp。

(1)

假設該線性方程有p個自變量X1，…，Xk，βp(i=1,…，p)是回歸方程中的偏回歸系數(shù)。

PM2.5與CO、NO2、SO2、O3的濃度關系的多元線性回歸模型可由下列的線性關系公式(2)描述：

Y=β0+β1XCO+β2XNO2+β3XSO2+β4XO3。

(2)

以CO、NO2、SO2、O3的濃度為自變量，PM2.5的濃度為因變量，用SPSS進行多元線性回歸求解，建立多元線性回歸模型為：

Y=138.15XCO+1.44XNO2+0.34XSO2-0.27XO3-104.27。

(3)

式中：Y、XCD、XNO2、XSO2、XO3分別為PM2.5、CO、NO2、SO2、O3的濃度。在SPSS輸出結果中，復相關系數(shù)R=0.937，決定系數(shù)R2=0.878，由決定系數(shù)可以看出回歸方程非常顯著。同時，方差松驗量F=154.451，顯著性Sig值=0.000，說明XCO、XNO2、XSO2、XO3整體上對Y有高度顯著的線性影響。

圖9　基于氣態(tài)污染物的多元線性回歸模型的PM2.5預測值與實測值對比圖Fig.9 Comparison of predicted and measured values of PM2.5based on multiple liner regression model of gaseous pollutants

運用PM2.5與CO、NO2、SO2、O3的濃度之間關系的數(shù)學模型，模擬計算PM2.5的濃度，并與實測值進行對比。如圖9所示，模擬計算結果與實際監(jiān)測值總體基本吻合。

4結論

本文基于城市大氣中PM2.5的生成來源及與城市主要氣體污染物濃度間的相關性分析，以北方某城市連續(xù)三個月的實際監(jiān)測數(shù)據(jù)為例，具體分析了監(jiān)測時段的PM2.5和主要氣體污染物的濃度的相關性，即PM2.5與CO、NO2、SO2、O3的相關系數(shù)分別為0.86、0.91、0.65、0.75，具有較強的相關性?；诖耍⒘薖M2.5與大氣主要氣體污染物濃度的多元線性回歸模型，該模型可定量分析PM2.5和氣態(tài)污染物的濃度之間關系，對分析城市中PM2.5的來源、預測和降低城市大氣中的PM2.5濃度提供方法和途徑。

【參考文獻】

[1]楊天智.長沙市大氣顆粒物PM2.5化學組分特征及來源解析[D].長沙：中南大學，2010.

[2]Lin C H，Wu Y L，Lai C H，et al.Air quality measurements from the southern particulate matter supersite in Taiwan[J].Aerosol and Air Quality Research，2008，8(3)：233-264.

[3]張振華.PM2.5濃度時空變化特性、影響因素及來源解析研究[D].杭州：浙江大學，2014.

[4]鄧利群，李紅，柴發(fā)合，等.北京東北部城區(qū)大氣細粒子與相關氣體污染特征研究[J].中國環(huán)境科學，2011，7(2)：1064-1070.

[5]劉杰.北京大氣污染物時空變化規(guī)律及評價預測模型研究[D].北京：北京科技大學，2015.

[6]袁春歡.哈爾濱市大氣可吸入顆粒物組分及來源研究[D].哈爾濱：哈爾濱工業(yè)大學，2006.

[7]崔中華，程曉霞，張亞維，等.哈爾濱松北區(qū)2007年春季可吸入顆粒物PM10的粒度分布及來源分析[J].環(huán)境科學導刊，2008，27(3)：74-76.

[8]謝旻，李明高，朱寬廣，等.南京地區(qū)光化學污染特征及其變化趨勢研究[J].環(huán)境科學與技術，2014，11(2)：50-54.

[9]牛彧文，何凌燕，胡敏，等.深圳冬、夏季大氣細粒子及其二次組分的污染特征[J].中國科學，2011，2 (2)：173-180.

[10]Lonati G，Cernuschi S，Giugliano M.The duration of PM10 concentration in a large metropolitan area[J].Atmospheric Environment，2011，45(1)：137-146.

[11]Sangil L，Karsten B，Schauer J J，et al.Gaseous and particulate emissions from prescribed burning in Georgia[J].Environmental Science and Technology，2005，39(23)：9049-9056.

[12]徐昶.中國特大城市氣溶膠的理化特性、來源及其形成機制[D].上海：復旦大學，2010.

[13]龍連芳，王新明，馮寶志，等.廣州市區(qū)公交車站PM2.5與CO暴露水平研究[J].環(huán)境科學與技術，2010，33(9)：87-94.

The Correlation Analysis of Main Gas Pollutantsand PM2.5 in an Urban City

Cui Shuhua，Ni Yanshu

(Traffic College，Northeast Forestry University，Harbin 150040)

Abstract：The mass concentrations of inorganic ion components in PM2.5 such as and have some relevance with the atmospheric concentration of gaseous pollutants.In this paper，based on the concentration monitoring value of CO，NO2，SO2，O3 and PM2.5 in different monitoring points for three consecutive months in a northern city，the correlation analysis was conducted for the average daily concentrations of PM2.5 and primary gas pollutants in urban environment along with time variation，and the mathematical model of concentration relationship between PM2.5 and CO，NO2，SO2，O3 was established.The study has provided a method and means of analyzing the major source of PM2.5 in cities，as well as forecasting and reducing urban PM2.5 concentrations in the atmosphere.

Keywords：PM2.5；gaseous pollutants；correlation；mathematical model

中圖分類號：X 513

文獻標識碼：A

文章編號：1001-005X(2016)02-0065-04

作者簡介：第一崔淑華，碩士，教授。研究方向：汽車節(jié)能減排技術。E-mail:601350111@qq.com

基金項目：黑龍江省自然科學基金項目(E201350)

收稿日期：2015-10-20

引文格式：崔淑華，倪艷姝.城市主要氣體污染物與PM2.5相關性建模分析[J].森林工程，2016，32(2)：65-68.