德州能見(jiàn)度與PM2.5、PM10和相對(duì)濕度的關(guān)系

張　琳，高雷娜，朱保美

（1. 德州市氣象局，山東　德州　253000；2. 齊河縣氣象局，山東　齊河　251100）

德州能見(jiàn)度與PM2.5、PM10和相對(duì)濕度的關(guān)系

張琳1，高雷娜1，朱保美2

（1. 德州市氣象局，山東德州253000；2. 齊河縣氣象局，山東齊河251100）

為研究德州大氣能見(jiàn)度與水汽和氣溶膠的關(guān)系，利用2013年逐小時(shí)能見(jiàn)度、相對(duì)濕度、PM2.5和PM10濃度資料，對(duì)三者與能見(jiàn)度的關(guān)系進(jìn)行分析。結(jié)果表明：能見(jiàn)度與相對(duì)濕度的線性相關(guān)最好，與PM2.5濃度的相關(guān)性次之；隨著相對(duì)濕度、PM2.5和PM10濃度的增加，能見(jiàn)度明顯降低。大氣能見(jiàn)度與相對(duì)濕度、PM2.5和PM10濃度非線性相關(guān)系數(shù)明顯高于線性相關(guān)系數(shù)。利用PM2.5和PM10濃度和相對(duì)濕度數(shù)據(jù)計(jì)算得到了非線性大氣能見(jiàn)度擬合公式，經(jīng)驗(yàn)證，該公式能較好地模擬德州大氣能見(jiàn)度。

能見(jiàn)度；PM2.5；PM10；相對(duì)濕度；非線性擬合

引言

大氣能見(jiàn)度是表征大氣透明度的物理量，與百姓生活息息相關(guān)，而且可以反映當(dāng)?shù)氐目諝赓|(zhì)量。德州市位于山東省北部，與河北交界。2006年以來(lái)，霧-霾天數(shù)明顯增多，霧-霾天氣出現(xiàn)時(shí)，不僅空氣質(zhì)量較差，對(duì)人體健康不利，而且由于能見(jiàn)度下降，常常造成交通事故。因此大氣能見(jiàn)度的研究受到廣大氣象和環(huán)境工作者的廣泛關(guān)注。國(guó)外一些學(xué)者發(fā)現(xiàn)大氣能見(jiàn)度與大氣氣溶膠濃度密切相關(guān)［1-2］。馬雁軍［3-4］等將遼寧部分城市的大氣能見(jiàn)度與影響因子進(jìn)行分析，發(fā)現(xiàn)能見(jiàn)度與相對(duì)濕度和PM10呈明顯負(fù)相關(guān)。宋宇［5］等討論了北京市能見(jiàn)度下降與氣溶膠濃度的關(guān)系，得出北京氣溶膠粒子散射消光占總消光70%～80%。宋明等［6］利用天津相對(duì)濕度、PM10和PM2.5數(shù)據(jù)對(duì)當(dāng)?shù)卮髿饽芤?jiàn)度進(jìn)行多元非線性擬合，并以此來(lái)推算大氣能見(jiàn)度。崔宜少［7］分析了威海監(jiān)測(cè)站的PM2.5平均值與風(fēng)向、風(fēng)速及天氣形勢(shì)的相關(guān)性。有些文章還對(duì)空氣污染物時(shí)序特征與氣象條件的關(guān)系進(jìn)行了研究［8-10］。此文旨在研究德州大氣中氣溶膠濃度以及水汽與能見(jiàn)度下降的關(guān)系，在借鑒前人研究成果的基礎(chǔ)上，采用非線性方法將PM10 和PM2.5濃度以及相對(duì)濕度與能見(jiàn)度的關(guān)系進(jìn)行量化分析，并在此基礎(chǔ)上建立多元非線性擬合方程，為大氣能見(jiàn)度的業(yè)務(wù)預(yù)報(bào)提供參考依據(jù)。

1　資料來(lái)源和處理

大氣氣溶膠濃度數(shù)據(jù)來(lái)自德州市環(huán)保局監(jiān)測(cè)站2013年1—12月全年逐小時(shí)資料。在使用前，先剔除數(shù)值為0或者999.9的資料。其次剔除由于監(jiān)測(cè)設(shè)備異常時(shí)出現(xiàn)的 PM2.5濃度大于PM10濃度的資料。

氣象資料來(lái)源于德州氣象觀測(cè)站，站點(diǎn)位于德州市開(kāi)發(fā)區(qū)長(zhǎng)河公園內(nèi)。德州氣象觀測(cè)站CAWS737-V型能見(jiàn)度自動(dòng)觀測(cè)儀量程為0～20km，采集頻率達(dá)到了1次/min。氣象觀測(cè)執(zhí)行國(guó)家相關(guān)標(biāo)準(zhǔn)，所有設(shè)備進(jìn)行過(guò)校準(zhǔn)。所有資料均進(jìn)行了嚴(yán)格的質(zhì)量控制。所有數(shù)據(jù)統(tǒng)一處理成小時(shí)平均值。當(dāng)出現(xiàn)明顯降水時(shí)，能見(jiàn)度儀的觀測(cè)值會(huì)出現(xiàn)明顯降低，因此必須將出現(xiàn)降水時(shí)的資料剔除。

經(jīng)過(guò)資料處理，最終所用數(shù)據(jù)均為較精細(xì)的小時(shí)平均資料，共計(jì) 6424組，完全可以滿足分析大氣能見(jiàn)度逐時(shí)變化、日變化規(guī)律及受各種氣象因素實(shí)時(shí)影響的研究要求。

2　大氣能見(jiàn)度與相對(duì)濕度及PM10和PM2.5的逐月變化

選取 2013年德州逐月大氣能見(jiàn)度與同期相對(duì)濕度、PM2.5和PM10資料進(jìn)行對(duì)比分析。由圖1a可知，德州能見(jiàn)度和相對(duì)濕度逐月度變化較為明顯。能見(jiàn)度在3—6月、11月較高，1—2月、7月、12月較低；相對(duì)濕度在1—2月、7—8月較高，3—6、11—12月較低，相對(duì)濕度與能見(jiàn)度呈現(xiàn)負(fù)相關(guān)關(guān)系。由圖1b可知，PM2.5、PM10的月變化規(guī)律較為一致，在1—2月、7月、12月數(shù)值較高，其他月份相對(duì)較低，與能見(jiàn)度同樣呈現(xiàn)出負(fù)相關(guān)關(guān)系。

3　大氣能見(jiàn)度與相對(duì)濕度及PM10和PM2.5的線性關(guān)系

表1　大氣能見(jiàn)度與相對(duì)濕度、PM2.5和PM10及PM10 與PM2.5濃度差線性相關(guān)系數(shù)

由表 1可知，大氣能見(jiàn)度與相對(duì)濕度的相關(guān)系數(shù)最高，達(dá)到了-0.647，在0.001水平上顯著相關(guān)；與PM2.5的相關(guān)系數(shù)較高，為-0.612，同樣在0.001水平上顯著相關(guān)。說(shuō)明隨相對(duì)濕度和PM2.5的升高，大氣能見(jiàn)度明顯下降。相對(duì)濕度增加，能見(jiàn)度下降主要是由于隨相對(duì)濕度增高，核模態(tài)大氣氣溶膠粒子（粒徑介于 0.005～0.050μm）吸濕增長(zhǎng)，逐步轉(zhuǎn)化為積聚模態(tài)（粒徑介于 0.05～2.00μm）。大粒子的散射效率明顯高于小粒子，從而加劇了對(duì)可見(jiàn)光的散射，使大氣能見(jiàn)度下降。大氣能見(jiàn)度與PM10和PM2.5差值的相關(guān)系數(shù)為-0.180，說(shuō)明粒徑介于2.5～10.0μm的大氣氣溶膠粒子較PM2.5對(duì)大氣能見(jiàn)度影響小。雖然這部分粒子散射效率高于小粒子，但其濃度遠(yuǎn)低于小于2.5μm的氣溶膠粒子，據(jù)統(tǒng)計(jì)，德州 PM2.5占到了PM10總量的67%，所以粒徑介于2.5～10.0μm的粒子對(duì)太陽(yáng)光的散射作用小于PM2.5。

4　大氣能見(jiàn)度與相對(duì)濕度、PM2.5和 PM10的非線性關(guān)系

4.1大氣能見(jiàn)度與PM2.5和PM10的非線性關(guān)系

實(shí)際情況下，能見(jiàn)度與PM2.5，PM10不呈現(xiàn)出簡(jiǎn)單的線性關(guān)系，由散點(diǎn)圖（圖 2）中，明顯可以看出，其關(guān)系呈現(xiàn)較為復(fù)雜的非線性關(guān)系。

由以上分析可知，大氣能見(jiàn)度受空氣中的水汽、PM2.5、PM10濃度影響明顯，為驗(yàn)證大氣能見(jiàn)度與相對(duì)濕度、PM2.5、PM10濃度的關(guān)系，將大氣能見(jiàn)度與相對(duì)濕度、PM2.5濃度、PM10濃度及PM10與PM2.5濃度差分別進(jìn)行線性擬合（表1）。

圖2　能見(jiàn)度與PM2.5（a）和PM10（b）濃度分布散點(diǎn)圖

為驗(yàn)證大氣能見(jiàn)度與相對(duì)濕度、大氣氣溶膠的關(guān)系，為業(yè)務(wù)化預(yù)報(bào)提供依據(jù)，宋明等［6］將相對(duì)濕度分為＜19%、20%～29%、30%～39%、40%～49%、50%～59%、60%～69%、70%～79%、80%～89%、＞90%共9個(gè)等級(jí)，分別對(duì)能見(jiàn)度與PM2.5和PM10濃度進(jìn)行非線性擬合。很多科研工作者認(rèn)為大氣顆粒物與大氣能見(jiàn)度呈負(fù)指數(shù)關(guān)系［11］。SPSS為IBM公司推出的一系列用于統(tǒng)計(jì)學(xué)分析運(yùn)算、數(shù)據(jù)挖掘、預(yù)測(cè)分析和決策支持任務(wù)的軟件產(chǎn)品及相關(guān)服務(wù)的總稱，它和SAS、BMDP并稱為國(guó)際上最有影響的三大統(tǒng)計(jì)軟件?！禨PSS統(tǒng)計(jì)分析高級(jí)教程》［12］一書(shū)中指出，非線性回歸的通用模型可以采用迭代法對(duì)各種復(fù)雜曲線模型進(jìn)行擬合，按照書(shū)中教程可建立如下擬合方程：

式（1）中，VIS為能見(jiàn)度（km），PM2.5、PM10為濃度（mg·m-3），a、b、c、d為系數(shù)。擬合方程參數(shù)如表2。

由表2中發(fā)現(xiàn)，當(dāng)相對(duì)濕度大于80%時(shí)，擬合結(jié)果與實(shí)況值相關(guān)系數(shù)的平方（R2）較相對(duì)濕度比較小時(shí)有明顯降低。這也說(shuō)明當(dāng)相對(duì)濕度大于80%時(shí)，隨著相對(duì)濕度的增大，能見(jiàn)度受PM2.5 和PM10濃度的影響有所減小。氣溶膠中硫酸鹽、硝酸鹽等潮解濕度一般在80%左右，當(dāng)相對(duì)濕度超過(guò)潮解濕度時(shí)，會(huì)造成鹽粒子粒徑隨相對(duì)濕度增加而迅速增加，加劇對(duì)可見(jiàn)光的散射，相對(duì)濕度對(duì)能見(jiàn)度的影響明顯增加，受PM2.5和PM10濃度的影響則相對(duì)減小，與之前的分析一致。

表2　不同濕度條件下，能見(jiàn)度與PM2.5和PM10濃度擬合參數(shù)表

4.2大氣能見(jiàn)度與相對(duì)濕度的非線性關(guān)系

圖3中發(fā)現(xiàn)能見(jiàn)度與相對(duì)濕度的分布非?；靵y，似乎不存在明顯的相關(guān)性，但由前文分析結(jié)論，相對(duì)濕度與能見(jiàn)度呈現(xiàn)非常明顯的負(fù)相關(guān)，圖2之所以非?；靵y，是因?yàn)槲纯紤]氣溶膠濃度的影響。下面分析在PM2.5和PM10濃度變化較小（小于等于 0.005mg·m-3）的情況下，能見(jiàn)度與相對(duì)濕度的關(guān)系。

圖3　能見(jiàn)度與相對(duì)濕度分布散點(diǎn)圖

由于 PM2.5，PM10數(shù)據(jù)眾多，因此采用6個(gè)分別代表低、中、高濃度的數(shù)據(jù)集進(jìn)行分析，樣本總量達(dá)1188個(gè)，使用SPSS軟件進(jìn)行分析，發(fā)現(xiàn)能見(jiàn)度與相對(duì)濕度的3次方多項(xiàng)式有較好的擬合關(guān)系，其方程如下：

式（2）中，VIS為能見(jiàn)度（km），RH為相對(duì)濕度（0～100%），a、b、c、d為系數(shù)。擬合方程參數(shù)如表3。

由表3可知，相對(duì)濕度與能見(jiàn)度擬合的方程整體來(lái)看效果還是不錯(cuò)，可以使用方程2來(lái)模擬能見(jiàn)度與相對(duì)濕度的關(guān)系。但是隨著PM10濃度增加，R2明顯減小，這可能是與非吸濕性粒子的增多有關(guān)系，使能見(jiàn)度與相對(duì)濕度的相關(guān)性下降。

表3　不同PM2.5，PM10濃度下，能見(jiàn)度與相對(duì)濕度擬合參數(shù)表

5　大氣能見(jiàn)度多元非線性擬合及驗(yàn)證

5.1大氣能見(jiàn)度多元非線性擬合公式

綜合以上結(jié)果，僅考慮PM2.5、PM10和相對(duì)濕度對(duì)大氣能見(jiàn)度的影響，其他因素暫不考慮，利用SPSS軟件對(duì)大氣能見(jiàn)度進(jìn)行多元非線性擬合。擬合公式：

式（3）中VIS1為能見(jiàn)度（km），PM2.5、PM10為濃度（mg·m-3），RH為相對(duì)濕度（%），a～g為系數(shù)。最終擬合參數(shù)如表4所示。

表4　大氣能見(jiàn)度與PM2.5和PM10濃度及相對(duì)濕度非線性擬合參數(shù)

經(jīng)過(guò)擬合之后的能見(jiàn)度在與實(shí)況能見(jiàn)度進(jìn)行對(duì)比時(shí)發(fā)現(xiàn)，實(shí)際能見(jiàn)度與式（3）擬合結(jié)果仍呈現(xiàn) 2次多項(xiàng)式的關(guān)系，因此在式（3）的基礎(chǔ)上，再次進(jìn)行修正，最終得到擬合公式。

式（4）中，VIS為最終擬合能見(jiàn)度，VIS1為式（3）得出的擬合能見(jiàn)度。擬合結(jié)果偶爾會(huì)出現(xiàn)小于0的情況，這與實(shí)際明顯不符，因此擬合結(jié)果小于0時(shí)，強(qiáng)制其為0。

5.2大氣能見(jiàn)度多元非線性擬合公式驗(yàn)證

為了驗(yàn)證上節(jié)得出的能見(jiàn)度擬合公式，選取2013年4月和12月小時(shí)數(shù)據(jù)進(jìn)行驗(yàn)證。由于霧、霾都出現(xiàn)在低能見(jiàn)度時(shí)，因此對(duì)擬合能見(jiàn)度小于3km（霾預(yù)警信號(hào)發(fā)布標(biāo)準(zhǔn)之一）的數(shù)據(jù)進(jìn)行了單獨(dú)分析，結(jié)果如表5所示。

表5　2013年4月和12月驗(yàn)證結(jié)果

圖4為擬合能見(jiàn)度與實(shí)測(cè)能見(jiàn)度的散點(diǎn)圖，4月（圖4a）和12月（圖4b）的擬合值與實(shí)測(cè)值吻合均較好，相關(guān)系數(shù)達(dá)到了0.93（通過(guò)顯著性水平0.001檢驗(yàn)），平均絕對(duì)誤差在1.5km左右，尤其是在能見(jiàn)度小于3km時(shí)，平均絕對(duì)誤差更是只有0.38km和0.59km（表5）。以上結(jié)果說(shuō)明可以使用式（3）和式（4）通過(guò)PM10、PM2.5濃度和相對(duì)濕度對(duì)大氣能見(jiàn)度進(jìn)行模擬。

圖4　2013年4月（a）和12月（b）擬合能見(jiàn)度與實(shí)測(cè)能見(jiàn)度散點(diǎn)圖（圖中藍(lán)色直線表示趨勢(shì)線）

6　結(jié)論

（1）大氣能見(jiàn)度隨著顆粒物（PM2.5、PM10）濃度的增加而下降。粒子濃度越大，對(duì)光的散射越強(qiáng)，使能見(jiàn)度下降。

（2）大氣能見(jiàn)度隨著相對(duì)濕度的增加明顯降低。隨著相對(duì)濕度的增加，大氣氣溶膠粒子吸濕性增長(zhǎng)，大粒子的散射效率明顯高于小粒子，從而加劇對(duì)光的散射，造成能見(jiàn)度下降。當(dāng)相對(duì)濕度達(dá)到氣溶膠中鹽粒子的潮解濕度時(shí)，粒子的吸濕增長(zhǎng)更加明顯。

（3）大氣能見(jiàn)度與PM2.5和PM10呈自然常數(shù)e為底的指數(shù)函數(shù)關(guān)系，與相對(duì)濕度成3次方多項(xiàng)式關(guān)系。

（4）利用PM2.5、PM10濃度和相對(duì)濕度對(duì)大氣能見(jiàn)度進(jìn)行多元非線性擬合，計(jì)算得到大氣能見(jiàn)度擬合公式。經(jīng)過(guò)驗(yàn)證表明，此公式能較好地模擬大氣能見(jiàn)度的變化規(guī)律。

［1］ Noll K E，Mueller P K，Inada M.Visibility and aerosol concentration in urban air［J］. Atmospheric Environment，1968，2（5）：465-475.

［2］ Charlson R J.Atmospheric visibility related to aerosol mass concentration:A review［J］. Environmental Seience and Technology，1969，3（10）：430-435.

［3］ 馬雁軍，左洪超，張?jiān)坪＃? 遼寧中部城市群大氣能見(jiàn)度變化趨勢(shì)及影響因子分析［J］.高原氣象，2005，24（4）：623-628.

［4］ 馬雁軍，王揚(yáng)鋒，劉寧微. 遼寧中部城市群主要大氣污染物時(shí)空分布特征的數(shù)值模擬［J］.氣象與環(huán)境學(xué)報(bào)，2006，22（2）：6-l0.

［5］ 宋宇，唐孝炎，張遠(yuǎn)航，等.北京市大氣能見(jiàn)度規(guī)律及下降原因［J］.環(huán)境科學(xué)學(xué)報(bào)，2003，23（4）：468-471.

［6］ 宋明，韓素芹，張敏，等. 天津大氣能見(jiàn)度與相對(duì)濕度和PM10及PM2.5的關(guān)系［J］. 氣象與環(huán)境學(xué)報(bào)，2013，29（2）：34-41.

［7］ 崔宜少. 威海PM2.5 濃度與氣象要素的相關(guān)分析［J］. 山東氣象，2015，35（3）：17-22.

［8］ 馮良敏，陳朝平，龍柯吉，等. 成都地區(qū)2012 年 PM10污染過(guò)程氣象條件分析［J］. 高原山地氣象研究，2014，34（2）：57-62.

［9］ 鄧霞君，蔡振群，項(xiàng)曉美，等. 麗水空氣污染物時(shí)序特征及與氣象條件的關(guān)系研究［J］.氣象與環(huán)境科學(xué)，2015，38（2）：60-65.

［10］ 吳雁，陳瑞敏，王頡，等. 2013年河北中南部PM10和PM2.5濃度時(shí)間變化特征及其影響氣象條件分析［J］. 氣象與環(huán)境科學(xué)，2015，38（4）：68-75.

［11］ 王京麗，劉旭林. 北京市大氣細(xì)粒子濃度與大氣能見(jiàn)度定量關(guān)系初探［J］.氣象學(xué)報(bào)，2006，64（2）：221-228.

［12］ 張文彤，董偉. SPSS統(tǒng)計(jì)分析高級(jí)教程［M］.北京：高等教育出版社，2013：150-154.

P457.7

B

1005-0582（2016）02-0026-05

2015-07-02

德州市氣象局課題（2014dzqxzd03）資助

張琳（1981—），男，山東德州人，學(xué)士，工程師，主要從事天氣預(yù)報(bào)工作。