南京主要大氣污染物季節(jié)變化及相關(guān)氣象分析

賈夢(mèng)唯，趙天良*，張祥志，吳香華，湯莉莉，王黎明，陳煜升（.南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，中國(guó)氣象局氣溶膠-云-降水重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 0044；.江蘇省環(huán)境監(jiān)測(cè)中心，江蘇 南京 009；.南京信息工程大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，江蘇 南京 0044）

南京主要大氣污染物季節(jié)變化及相關(guān)氣象分析

賈夢(mèng)唯1，趙天良1*，張祥志2，吳香華3，湯莉莉2，王黎明3，陳煜升1（1.南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，中國(guó)氣象局氣溶膠-云-降水重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210044；2.江蘇省環(huán)境監(jiān)測(cè)中心，江蘇 南京 210029；3.南京信息工程大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，江蘇 南京 210044）

為研究南京主要大氣復(fù)合污染物P M2.5、PM10和O3四季變化特征及其氣象影響因子，利用2013年1月～2015年2月國(guó)控點(diǎn)環(huán)境監(jiān)測(cè)數(shù)據(jù)對(duì)濃度特征進(jìn)行統(tǒng)計(jì)分析，再利用WRF模式模擬的精細(xì)大氣邊界層氣象場(chǎng)，分析氣象要素與各污染物的相關(guān)性，并建立統(tǒng)計(jì)模型.結(jié)果表明：PM10、PM2.5冬高夏低，冬季日均值分別為160.6μg/m3和98.0μg/m3；日變化特征四季基本一致，但秋冬季最強(qiáng)，夏季最弱，且冬季上午峰值比其余三季延后1～2h.各季大氣可吸入顆粒物中細(xì)粒子占主導(dǎo)，PM2.5/PM10年均值為0.59；首要污染物為PM2.5、PM10、O3的年頻率分別為51.5%、26.6%和13.5%，PM2.5主導(dǎo)四季AQI的變化，尤其是在重污染的情況下，首要污染物為PM2.5占96%.O3濃度春末夏初高、秋末冬初低，日變化為單峰式；O3與邊界層高度呈顯著正相關(guān)，四季相關(guān)系數(shù)分別為0.500、0.572、0.326、0.323.四季PM10、PM2.5、O3_8h_max日值逐步回歸方程擬合度為40%～65%.

復(fù)合污染物；南京；氣象要素；季節(jié)變化

在我國(guó)，大量的污染物被集中排放到大氣中，多種污染物均以高濃度同時(shí)存在，進(jìn)而發(fā)生復(fù)雜的相互作用.大氣復(fù)合污染在現(xiàn)象上表現(xiàn)為大氣氧化性增強(qiáng)、大氣能見(jiàn)度顯著下降和環(huán)境惡化趨勢(shì)向整個(gè)區(qū)域蔓延；在污染本質(zhì)上表現(xiàn)為污染物之間源和匯的相互交錯(cuò)、污染轉(zhuǎn)化過(guò)程的耦合作用和環(huán)境影響的協(xié)同效應(yīng)［1-4］.以往以單獨(dú)形式出現(xiàn)的污染，現(xiàn)在已相互結(jié)合成為復(fù)合型的污染，成為以更大尺度出現(xiàn)的環(huán)境問(wèn)題［5］.在多種污染物中，大氣顆粒物PM2.5和低空O3是大氣復(fù)合污染的兩種核心污染物［6］.PM2.5是一次顆粒物與二次顆粒物的混合物，成分復(fù)雜，多種氣、固態(tài)前體物SO2、NOx、元素碳（EC）、有機(jī)碳（OC）通過(guò)均相和非均相反應(yīng)可以轉(zhuǎn)換成為PM2.5［5］.大氣對(duì)流層中O3約占O3總量的10%［7］，雖然含量很低，但其濃度的增加對(duì)人體健康和生態(tài)環(huán)境都會(huì)產(chǎn)生很大的影響.各種自然排放、人為產(chǎn)生及大氣中化學(xué)反應(yīng)生VOCs、NOx等O3前體物對(duì)地面O3濃度的變化有顯著影響.因此，本身就是大氣污染物的氣態(tài)前體物與其轉(zhuǎn)化生成的PM2.5和O3共存于同一大氣中，構(gòu)成了復(fù)雜的大氣化學(xué)體系.高濃度細(xì)粒子污染引起的灰霾現(xiàn)象和以高濃度臭氧為特征的光化學(xué)污染共同形成的復(fù)合型大氣污染，是當(dāng)前全球大中城市所面臨的最突出的大氣污染現(xiàn)象，具有明顯的健康效應(yīng)［8-9］.國(guó)內(nèi)外已有很多學(xué)者對(duì)PM2.5、O3的化學(xué)組成和生消機(jī)制進(jìn)行了細(xì)致的分析，在天氣條件、氣象要素對(duì)污染物濃度的影響方面也進(jìn)行過(guò)不少研究.Ye等［10］對(duì) PM2.5進(jìn)行采樣，分析了其濃度和組成成分；Zhang等［11］分析了 O3及其前體物的濃度特征；Ding等［2］介紹了細(xì)粒子物理化學(xué)特征，并闡述了細(xì)粒子表面的多相反應(yīng)過(guò)程；Zhang等［12］探討了天氣型對(duì)近地層O3時(shí)空變化特征的影響，對(duì)比了不同天氣環(huán)流模式下 O3時(shí)空變化情況；Wang等

［13］研究了各氣象要素與PM2.5之間的相關(guān)性.

目前，國(guó)內(nèi)外研究者大多針對(duì)某一種或幾種污染物在個(gè)別季節(jié)中的污染特征、氣象條件進(jìn)行分析，但不同季節(jié)污染情況差異顯著，并且在大氣復(fù)合污染的背景下，不同季節(jié)污染物的變化特征及其之間的相互關(guān)系、氣象要素對(duì)污染物濃度影響的差異，都需要做進(jìn)一步的分析與探討.南京作為長(zhǎng)三角地區(qū)的重要城市，以PM2.5和O3為主要污染物，PM10、CO、SO2、NO2等多種污染物并存的大氣復(fù)合污染問(wèn)題日益突顯［14-15］.研究表明，南京地區(qū)細(xì)粒子PM2.5是可吸入顆粒物PM10的重要組成部分［16］，并且 PM10與 PM2.5相關(guān)性較強(qiáng)

［17］，均對(duì)于空氣質(zhì)量指數(shù) AQI有重要影響.但由于 PM2.5納入空氣質(zhì)量指標(biāo)體系時(shí)間不長(zhǎng)，常規(guī)觀測(cè)數(shù)據(jù)有限，并且PM10與PM2.5之間的差異還需進(jìn)行更深入的挖掘，因此本文針對(duì)不同季節(jié)PM10、PM2.5、O3濃度變化特征、首要污染物以及氣象要素對(duì)污染物的影響進(jìn)行了對(duì)比分析，并建立多元逐步回歸預(yù)報(bào)方程，以期深入了解南京地區(qū)的污染狀況，為長(zhǎng)三角地區(qū)的空氣質(zhì)量統(tǒng)計(jì)預(yù)報(bào)建立基礎(chǔ).

1 數(shù)據(jù)與方法

本文利用2013年1月～2015年2月南京國(guó)控點(diǎn)環(huán)境監(jiān)測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，再將 NCEP/ NCAR的6h再分析資料作為驅(qū)動(dòng)場(chǎng)，利用WRF模式模擬為精細(xì)的氣象要素資料，主要選取地面2m高度的溫度（T2）、地面2m高度的比濕（Q2）、地面10m風(fēng)場(chǎng)的緯向分量（U10）、地面10m風(fēng)場(chǎng)的經(jīng)向分量（V10）、邊界層高度（PBLH）、海平面氣壓（P）、水平風(fēng)速（UV10），分別與PM2.5、PM10、O3濃度進(jìn)行相關(guān)分析，并分季節(jié)建立逐步回歸方程，研究南京地區(qū)主要大氣復(fù)合污染物 PM2.5、PM10和O3的變化特征、四季首要污染物及影響污染物濃度的氣象影響因子.

1.1 污染物觀測(cè)資料

南京共有9個(gè)空氣質(zhì)量國(guó)控點(diǎn)，分別位于草場(chǎng)門(mén)、仙林、玄武湖、瑞金路、中華門(mén)、山西路、邁皋橋、奧體中心和浦口，分別代表不同區(qū)域，其綜合監(jiān)測(cè)結(jié)果基本反映全市空氣質(zhì)量.本文分析環(huán)境數(shù)據(jù)為2013年1月1日～2015年2月28日PM2.5、PM10、O3質(zhì)量濃度數(shù)據(jù)，時(shí)間分辨率為1h，取9個(gè)國(guó)控點(diǎn)平均值代表南京地區(qū).

1.2 邊界層氣象資料

由于常規(guī)氣象要素觀測(cè)資料空間分布不均勻，F(xiàn)NL資料空間分辨率為1°×1°，時(shí)間分辨率為6h，均不能滿足在小尺度上對(duì)氣象要素分析的需要，因此將NCEP/NCAR的時(shí)間分辨率為6h，空間分辨率為1°×1°的再分析資料作為驅(qū)動(dòng)場(chǎng)，利用WRF模式模擬得到水平分辨率10km、逐小時(shí)的大氣邊界層氣象要素資料.氣象要素主要選取溫度、比濕、氣壓、緯向風(fēng)、經(jīng)向風(fēng)、風(fēng)速和邊界層高度.

WRF模式系統(tǒng)是美國(guó)大氣科學(xué)研究中心（NCAR）、國(guó)家海洋和大氣管理局（NOAA）等多個(gè)部門(mén)聯(lián)合開(kāi)發(fā)的新一代高分辨率中尺度預(yù)報(bào)模式和資料同化系統(tǒng).已有研究工作［18-19］對(duì) WRF模式的模擬結(jié)果進(jìn)行了評(píng)估，表明模擬結(jié)果與觀測(cè)事實(shí)基本一致，尤其在地形相對(duì)平坦地區(qū).

表1 WRF3.6.1參數(shù)化方案Table 1 The parameterization scheme of WRF3.6.1

本文初始場(chǎng)和側(cè)邊界條件采用 NCEP/ NCAR提供的 1°×1°的 FNL分析場(chǎng)資料.選用WRFV3.6.1版本，采用了雙向兩重嵌套區(qū)域，中心點(diǎn)經(jīng)緯度為 105.82°E，30.46°N.垂直方向設(shè)為 33層，模式頂氣壓為 50hPa，邊界層（2km以下）內(nèi)設(shè)18層.模式初始北京時(shí)間： 2013年1月1日00時(shí)，輸出頻率為1h，積分步長(zhǎng)12h，前7h為模式起轉(zhuǎn)時(shí)間不作分析，保留后 6h，共模擬了兩年的氣象場(chǎng)數(shù)據(jù).表1為模式網(wǎng)格設(shè)置和參數(shù)化方案.

為分析周邊源對(duì)南京地區(qū)空氣質(zhì)量的影響，主要關(guān)注由內(nèi)層網(wǎng)格區(qū)域模擬得出的與污染物觀測(cè)資料時(shí)空尺度一致的精細(xì)的氣象場(chǎng)數(shù)據(jù).

2 結(jié)果與討論

2.1 污染物濃度季節(jié)變化

圖1 南京PM2.5、PM10、PM2.5～10、O3逐月變化Fig.1 Monthly changes of PM2.5， PM10， PM2.5～10and O3in Nanjing

利用2013年3月～2015年2月南京國(guó)控點(diǎn)環(huán)境監(jiān)測(cè)數(shù)據(jù)，對(duì)大氣復(fù)合污染物質(zhì)量濃度逐月變化情況進(jìn)行了分析（圖1）.四季劃分分別是3～5月為春季、6～8月為夏季、9～11月為秋季、12月至次年2月為冬季.細(xì)粒子（PM2.5）四季質(zhì)量濃度均大于粗粒子（PM2.5-10），但變化趨勢(shì)保持一致，均呈現(xiàn)夏低冬高的特征，兩種粒子均8月最低，細(xì)粒子在1月達(dá)到最高值，粗粒子在12月達(dá)到最高值.夏季由于強(qiáng)對(duì)流氣團(tuán)的增多和降雨過(guò)程的頻發(fā)，使得顆粒物被更有效地清除，同時(shí)降水減少顆粒物排放（如土壤粉塵），故夏季顆粒物濃度較低.相較于粗粒子，細(xì)粒子濃度四季差異明顯.O3質(zhì)量濃度呈現(xiàn)春夏高、秋冬低的變化特征，在春末夏初達(dá)到最大值，秋末冬初到最小值.春季是中緯度地區(qū)對(duì)流層頂折疊現(xiàn)象的多發(fā)季節(jié)［20］，對(duì)流層頂折疊易使平流層臭氧進(jìn)入對(duì)流層，因此春季O3濃度的高值，除與日照時(shí)長(zhǎng)與強(qiáng)度增加，易于光化學(xué)反應(yīng)發(fā)生的原因外，還可能是由于平流層輸送所導(dǎo)致.冬季由于氣溫低、輻射弱， 光化學(xué)反應(yīng)速率慢，邊界層臭氧濃度偏低.

濃度超過(guò)國(guó)家環(huán)境空氣質(zhì)量二級(jí)標(biāo)準(zhǔn)的污染為超標(biāo)污染物，即空氣質(zhì)量分指數(shù)（IAQI）大于100的污染物［21］.各污染物濃度季節(jié)均值的統(tǒng)計(jì)描述見(jiàn)表2.O3季均值分別為69.7、60.6、46.0、32.2μg/m3，春季＞夏季＞秋季＞冬季，依照現(xiàn)行的國(guó)家環(huán)境保護(hù)標(biāo)準(zhǔn)，以8h滑動(dòng)平均值描述O3污染情況，O3_8h日最大值的季均值分別為 118.7、104.8、81.4、51.8μg/m3，春季＞夏季＞秋季＞冬季，均未超過(guò)國(guó)家二級(jí)標(biāo)準(zhǔn).從表1可以看出，PM10季均值分別為134.1、91.1、126.3、160.6μg/m3，冬季＞春季＞秋季＞夏季，并且冬季日均值超過(guò)了國(guó)家二級(jí)標(biāo)準(zhǔn).從表 2可以看出，PM2.5季均值分別為 70.0、56.3、69.3、98.0μg/m3，冬季＞春季＞秋季＞夏季，冬季均值超過(guò)了國(guó)家二級(jí)標(biāo)準(zhǔn).

大氣顆粒物PM10中細(xì)粒子PM2.5所占質(zhì)量濃度比PM2.5/PM10可以反映可吸入顆粒物中細(xì)粒子的含量，南京地區(qū) PM2.5/PM10四季分別為 0.55，0.62，0.56，0.61（表2），全年平均為0.59，低于成都年平均值0.85［22］，高于北京年平均值0.52［23］.南京全年各季大氣可吸入顆粒物中細(xì)粒子占主導(dǎo)，并呈現(xiàn)春秋低，冬夏高的特征.相比于細(xì)粒子，降雨更有助于粗粒子的清除，相對(duì)低的土壤塵粗粒子釋放，以及較強(qiáng)的光化學(xué)反應(yīng)導(dǎo)致的二次氣溶膠濃度增加，可能是夏季PM2.5/PM10較高的原因.

表3為3種污染物四季每日空氣質(zhì)量分指數(shù)（IAQI）超標(biāo)分布情況，O3在四季超標(biāo)頻率分別為23.4%、15.8%、1.6%、0%，春季最高.PM10分別為27.2%、6.5%、28.5%、46.3%，冬高夏低.PM2.5分別為39.1%、20.1%、37.3%、56.4%，四季均大于20%，冬高夏低.

表2 各污染物質(zhì)量濃度日均值Table 2 Daily averages of air pollutant concentrations

總的來(lái)說(shuō)，臭氧濃度春季最高，夏季次高，顆粒物濃度冬高夏低，南京全年各季大氣可吸入顆粒物中 PM2.5占主導(dǎo).南京地區(qū)冬季顆粒物污染總體水平較高，有濃度高、高濃度時(shí)次多的特點(diǎn)，PM10和PM2.5嚴(yán)重污染均發(fā)生在冬季，可能是由于冬季南京及周邊地區(qū)秸稈燃燒產(chǎn)生大量顆粒物，工業(yè)和生活排放增加以及逆溫等不利于顆粒物擴(kuò)散的氣象條件導(dǎo)致的.

表3 南京四季PM2.5、PM10和O3超標(biāo)頻率（%）Table 3 Air pollution frequencies of PM2.5， PM10and O3in four seasons in Nanjing （%）

2.2 污染物濃度日變化

圖2分別為南京地區(qū)PM10、PM2.5～10、PM2.5、PM2.5/PM10、O3四季質(zhì)量濃度的日變化情況.四季PM10、PM2.5-10、PM2.5質(zhì)量濃度的日變化趨勢(shì)基本一致，冬季日變化最明顯，夏季最弱，春季居中，且冬季上午峰值的出現(xiàn)均比其余三季延后1～2h.從午夜到凌晨的時(shí)段， 該時(shí)段細(xì)粒子的變化很平緩，粗粒子下降較明顯，四季PM2.5/PM10在凌晨均達(dá)到峰值，可能是由于粗粒子隨重力沉降的速率更快導(dǎo)致的.8：00～10：00顆粒物濃度出現(xiàn)峰值與上班高峰期汽車(chē)尾氣排放有關(guān).一般來(lái)說(shuō)，下午是一天中擴(kuò)散條件最好的時(shí)候，這個(gè)時(shí)間段的多數(shù)污染物都呈現(xiàn)較低值，但PM2.5/PM10在下午有所上升，14：00到達(dá)次峰值，夏季最為明顯，可能是午后光化學(xué)反應(yīng)的加快使得二次氣溶膠濃度升高，導(dǎo)致 PM2.5在顆粒物中所占比例上升.16：00以后晚高峰期間排放的尾氣使顆粒物濃度再次上升，而夜間較低氣溫導(dǎo)致大氣層結(jié)穩(wěn)定，易出現(xiàn)逆溫，不利于顆粒物的擴(kuò)散，使得粗細(xì)粒子在晚間，依舊保持較高的質(zhì)量濃度.

四季 O3質(zhì)量濃度日變化均呈現(xiàn)白天高，夜間低的單峰式變化特征，最小和最大值出現(xiàn)在7：00～8：00和14：00～16：00，太陽(yáng)輻射引起的光化學(xué)反應(yīng)增加了 O3，產(chǎn)生了午后峰值.除了冬季O34：00～8：00略大于秋季之外，其余時(shí)間段均是春＞夏＞秋＞冬.O3質(zhì)量濃度逐小時(shí)平均的最高值、日變化幅度均呈現(xiàn)出春季＞夏季＞秋季＞冬季的特征.

圖2 南京PM10、PM2.5、PM2.5-10、PM2.5/PM10和O3四季質(zhì)量濃度的日變化Fig.2 The daily changes of PM10， PM2.5， PM2.5-10， PM2.5/PM10and O3concentrations in Nanjing

2.3 四季首要污染物

空氣質(zhì)量指數(shù)AQI為當(dāng)日IAQI的最大值，首要污染物為 AQI＞50（空氣質(zhì)量指數(shù)為良）時(shí)，IAQI最大的污染物［21］.表 3為南京地區(qū)四季首要污染物頻率表，2013年3月～2015年2月南京地區(qū)首要污染物為PM2.5、PM10、O3的頻率分別為51.5%、26.6%和13.5%.冬季雖是PM10濃度（超標(biāo)率）最高的季節(jié)，卻也是PM10為首要污染物頻率最低的季節(jié)，這與冬季 PM2.5/PM10較高，即PM2.5占主導(dǎo)有關(guān).全年重度污染以上天數(shù)為50d，首要污染物為PM2.5占96%.PM2.5主導(dǎo)四季AQI的變化，尤其是在重污染的情況下，并且 PM2.5是影響南京地區(qū)空氣質(zhì)量的首要污染物.

表3 南京四季首要污染物頻率（%）Table 3 The frequencies of dominant pollutants in four seasons in Nanjing （%）

2.4 污染物與氣象要素的關(guān)系

表4是利用SPSS軟件對(duì)污染物濃度與各氣象要素相關(guān)系數(shù)的統(tǒng)計(jì)結(jié)果.為了降低污染物濃度和氣象要素日變化的影響， 參考現(xiàn)行的《國(guó)家環(huán)境保護(hù)標(biāo)準(zhǔn)環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定》［21］中對(duì)AQI日?qǐng)?bào)方法的規(guī)定，使用PM10、PM2.5和氣象要素的日均值做相關(guān)性分析，對(duì)于O3而言，光化學(xué)反應(yīng)是其濃度上升的重要因素［5］，因此小時(shí)濃度差異顯著，并由2.2得知，O3濃度晝夜變化明顯，因此使用每日O3的8h滑動(dòng)平均濃度最高值與同期氣象要素8h滑動(dòng)平均值進(jìn)行相關(guān)性分析.

四季 O3質(zhì)量濃度與溫度均呈顯著正相關(guān)，相關(guān)性春＞秋＞夏＞冬，說(shuō)明光化學(xué)作用是四季地面O3的重要來(lái)源.四季O3與邊界層高度均呈顯著正相關(guān)，四季相關(guān)系數(shù)分別為 0.500、0.572、0.326、0.323.邊界層高度越高，地面O3濃度越高，相關(guān)性夏＞春＞秋＞冬.因?yàn)檫吔鐚拥母叨扰c逆溫層有關(guān)，而逆溫層的存在抑制自由大氣中較高濃度的臭氧難以向下傳輸，地面 O3濃度降低［24］，逆溫層也使得大氣趨于穩(wěn)定狀態(tài)，抑制水平輸送.同時(shí)O3的生成依賴(lài)光化學(xué)反應(yīng)的發(fā)生，溫度上升也使邊界層高度增高.這些因素都會(huì)導(dǎo)致邊界層高度與O3濃度呈顯著正相關(guān).夏季O3濃度與比濕呈顯著負(fù)相關(guān)，并且夏季降水較多，太陽(yáng)輻射減弱，光化學(xué)反應(yīng)速率降低，O3濃度受到抑制，同時(shí)降水對(duì)O3的濕清除作用，也會(huì)降低O3濃度.春、秋、冬季O3與水平風(fēng)速均呈顯著正相關(guān)，其中冬季相關(guān)性高于其余三季，O3及其前體物區(qū)域輸送是導(dǎo)致冬季O3升高的重要因素.

表4 污染物濃度與氣象要素相關(guān)系數(shù)Table 4 Correlation coefficients of pollutant concentrations and meteorological factors

春季、冬季PM10與溫度呈顯著正相關(guān)，秋季呈顯著負(fù)相關(guān)；夏季、秋季PM10與比濕呈顯著負(fù)相關(guān).春、秋、冬三季經(jīng)向風(fēng)、緯向風(fēng)與PM10濃度均呈顯著正相關(guān)，說(shuō)明西南方向氣流的輸送對(duì)于南京地區(qū)春、秋、冬季PM10濃度上升有顯著影響.四季 PM10與風(fēng)速均呈顯著負(fù)相關(guān)，較大的風(fēng)速對(duì)于 PM10有清除作用.秋冬季邊界層高度與 PM10呈負(fù)相關(guān)，春夏季呈正相關(guān)但相關(guān)程度不高，并未全部通過(guò)顯著性檢驗(yàn)，可能是與邊界層高度有明顯日變化有關(guān).

與PM10類(lèi)似，春季、冬季PM2.5與溫度呈顯著正相關(guān)，秋季呈顯著負(fù)相關(guān)；夏季、秋季 PM2.5與比濕呈顯著負(fù)相關(guān)，春、冬季呈顯著正相關(guān).春、秋、冬三季經(jīng)向風(fēng)、緯向風(fēng)均與PM2.5濃度呈顯著正相關(guān)，說(shuō)明西南風(fēng)的輸送對(duì)于南京春、秋、冬季PM2.5濃度上升也有顯著影響，而夏季PM2.5濃度主要受東北氣流的影響.四季 PM2.5濃度與風(fēng)速均呈顯著負(fù)相關(guān)，較大的風(fēng)速對(duì)于 PM2.5起擴(kuò)散作用.與PM10類(lèi)似，春夏季PM2.5與邊界層高度相關(guān)程度較弱，并未通過(guò)顯著性檢驗(yàn)，秋冬季PM2.5與邊界層高度呈顯著負(fù)相關(guān).

2.5 逐步回歸方程的建立和評(píng)估

為評(píng)估氣象狀況對(duì)污染物濃度逐日變化的影響，利用不同季節(jié)氣象要素與污染物濃度相關(guān)性分析結(jié)果（表4），選取已通過(guò)顯著性檢驗(yàn)的氣象要素，嘗試建立污染物與氣象要素日均值的統(tǒng)計(jì)關(guān)系模型.逐步回歸分析是將變量逐步引入，每引入一個(gè)變量后，對(duì)已選入的變量要進(jìn)行逐個(gè)檢驗(yàn)，當(dāng)原引入的變量由于后面變量的引入而變得不再顯著時(shí)，要將其剔除［25］，已較多用于評(píng)估氣象狀況對(duì)污染物的影響［26-28］.氣象要素主要包括地面2m高度溫度（T2）、地面2m高度比濕（Q2）、地面10m經(jīng)向風(fēng)（V10）、地面10m緯向風(fēng)（U10）、地面10m水平風(fēng)速（UV10）、海平面氣壓（P）、邊界層高度（PBLH）.同時(shí)考慮到前三日污染物濃度對(duì)當(dāng)日也會(huì)有影響，因此污染物前三日值也作為自變量進(jìn)入逐步回歸方程.

南京處于東亞季風(fēng)區(qū)，伴隨冬夏季風(fēng)轉(zhuǎn)化，區(qū)域氣象條件發(fā)生顯著的季節(jié)變化，導(dǎo)致大氣污染物存在明顯的季節(jié)差異.同時(shí)不同大氣污染物具有不同的物理化學(xué)屬性，氣象條件對(duì)于不同污染物變化產(chǎn)生作用也不盡相同.因此，逐步回歸法在各污染物各季節(jié)篩選不同的氣象因子，保證最終得到的逐步回歸方程最優(yōu).以下為得到的逐步回歸方程，均通過(guò)0.01的顯著性檢驗(yàn).

由逐步回歸方程可知，四季 PM10、PM2.5、O3_8h_max日值均分別與前一日濃度值有關(guān)，PM10、PM2.5在夏季、冬季濃度的日均值還受前幾日濃度的影響.水平風(fēng)速的升高會(huì)降低PM10、PM2.5的日均值，O3_8h_max四季日值主要受邊界層高度、溫度影響，與2.4節(jié)（表4）結(jié)論一致.

表5 逐步多元線性回歸方程擬合優(yōu)度（R2）Table 5 Fitting goodness R2of stepwise multiple linear regression

表6 逐步回歸預(yù)報(bào)方程準(zhǔn)確率和命中率Table 6 Accuracies of stepwise regression prediction equation

擬合優(yōu)度R2為回歸平方和與總平方和的比值，可以用于描述回歸方程的擬合程度［25］.四季污染物與氣象要素建立的逐步多元線性回歸方程擬合優(yōu)度，PM2.5逐步回歸方程的擬合度在40%～60%之間，冬季擬合度相對(duì)較高，O3逐步回歸方程的擬合度在 48%～65%之間，春季擬合度相對(duì)較高，PM10逐步回歸方程的擬合度在45%～62%之間，秋冬季擬合度平均值為61.4%.王莉莉等［28］利用天津地區(qū)秋冬季污染物和氣象要素觀測(cè)資料，建立的逐步回歸方程對(duì)于秋冬季PM10擬合度平均值為52%.何建軍等［29］利用蘭州地區(qū)秋冬季污染物濃度監(jiān)測(cè)數(shù)據(jù)，結(jié)合 WRF模式模擬得到的氣象場(chǎng)，建立的線性回歸方程中秋冬季PM10擬合度平均值為59%.本文選取的歷史污染物濃度的時(shí)間序列較長(zhǎng)，考慮的邊界層氣象要素較全面，回歸方程平均擬合程度較高.這些逐步回歸方程可用于南京地區(qū)空氣質(zhì)量統(tǒng)計(jì)預(yù)報(bào)，也為長(zhǎng)三角地區(qū)的空氣質(zhì)量統(tǒng)計(jì)預(yù)報(bào)逐小時(shí)預(yù)報(bào)建立基礎(chǔ).

圖3 PM10預(yù)報(bào)值與觀測(cè)值對(duì)比Fig.3 Comparison of observed and forecast concentrations of PM10

圖4 PM2.5預(yù)報(bào)值與觀測(cè)值對(duì)比Fig.4 Comparisons of observed and forecast concentrations of PM2.5

圖5 O3_8h_max預(yù)報(bào)值與觀測(cè)值對(duì)比Fig.5 Comparison of observed and forecast concentrations of O3_8h_max

根據(jù)已建立的模型，選取未參與逐步回歸方程建立的2015年3月（春）、6月（夏）、9月（秋）、12月（冬）PM10、PM2.5、O3進(jìn)行擬合檢驗(yàn)（圖 3～圖5）.從圖中可以看出，各季實(shí)測(cè)值于模型計(jì)算值的變化趨勢(shì)基本一致，特別是對(duì)于冬季幾次霾污染過(guò)程都進(jìn)行了較好的擬合，但其余季節(jié)對(duì)于極值的模擬效果偏弱，此外秋季顆粒物模擬值總體偏大，O3擬合總體偏小.為了對(duì)預(yù)報(bào)結(jié)果進(jìn)行客觀定量的分析，計(jì)算3種污染物的預(yù)報(bào)準(zhǔn)確率，引入預(yù)報(bào)的級(jí)別命中率，考察預(yù)報(bào)模型的預(yù)報(bào)效果.

式中：yt為觀測(cè)值；yt’為預(yù)報(bào)值；TS為預(yù)報(bào)的級(jí)別命中率（%）；DT為預(yù)報(bào)值與實(shí)測(cè)值級(jí)別相同的天數(shù)；D為預(yù)報(bào)的總天數(shù).表6為各污染物準(zhǔn)確率和命中率，3種污染物準(zhǔn)確率在43%～55%之間，級(jí)別命中率在 56%～78%之間，PM10預(yù)報(bào)準(zhǔn)確率和級(jí)別命中率均高于PM2.5.

3 結(jié)論

3.1 大氣顆粒物PM10和PM2.5季節(jié)變化均為夏低冬高，兩種粒子 8月最低，粗細(xì)粒子分別在 12月和 1月達(dá)到最高值，PM10冬季日均值為160.6μg/m3，PM2.5冬季日均值為 98.0μg/m3，均超過(guò)國(guó)家二級(jí)標(biāo)準(zhǔn)，冬季是南京大氣顆粒物污染最嚴(yán)重的季節(jié).四季PM10、PM2.5～10、PM2.5的日變化趨勢(shì)基本一致，冬季日變化最明顯，夏季最弱，春季居中，且冬季上午峰值均比其余三季延后1～2h.

3.2 全年大氣顆粒物PM10中細(xì)粒子PM2.5所占質(zhì)量濃度比為 0.59，春、夏、秋、冬四季分別為0.55、0.62、0.56、0.61，南京大氣可吸入顆粒物中細(xì)粒子占大氣顆粒物 PM10的較多數(shù)，并呈現(xiàn)春秋低，冬夏高的特征.首要污染物為 PM2.5、PM10、O3的頻率分別為51.5%、26.6%和13.5%，重度污染以上天數(shù)為50d，首要污染物為PM2.5占96%.PM2.5主導(dǎo)四季 AQI的變化，尤其是在重污染的情況下，并且 PM2.5是影響南京地區(qū)空氣質(zhì)量的首要污染物.

3.3 O3濃度春末夏初達(dá)到最大值，秋末冬初達(dá)到最小值.8h平均值最大值的季均值分別為118.7、104.8、81.4、51.8μg/m3.四季 O3質(zhì)量濃度日變化均呈現(xiàn)白天高，夜間低的單峰式變化特征，最小和最大值出現(xiàn)在 7：00～8：00和 14：00～16：00.

3.4 邊界層高度與 O3呈顯著正相關(guān)，四季相關(guān)系數(shù)分別為0.500、0.572、0.326、0.323.相關(guān)性分析和逐步回歸方程結(jié)果均表明風(fēng)速升高會(huì)導(dǎo)致 PM10、PM2.5濃度顯著降低；溫度、邊界層高度的升高會(huì)導(dǎo)致O3濃度顯著升高.

3.5 分季節(jié)多元逐步回歸方程對(duì)于 PM10、PM2.5、O3濃度日值擬合度為 40%～65%，準(zhǔn)確率為43%～55%，級(jí)別命中率為56%～78%，逐步回歸方程的構(gòu)建為長(zhǎng)三角地區(qū)的空氣質(zhì)量統(tǒng)計(jì)預(yù)報(bào)逐小時(shí)預(yù)報(bào)建立基礎(chǔ).

［1］ 朱 彤.城市與區(qū)域大氣復(fù)合污染 ［M］. 北京：化學(xué)工業(yè)出版社，2005：1-3.

［2］ Ding J， Zhu T. Heterogeneous reactions on the surface of fine particles in the atmosphere ［J］. Chinese Science Bulletin， 2003，48：2267-2276.

［3］ Parrish D D， Zhu T. Clean air for megacities ［J］. Science，2009，326：674-675.

［4］ Zhang Y H， Hu M， Zhong L J， et al. Regional integrated experiments on air quality over Pearl River Delta 2004 （PRIDEPRD2004）： Overview ［J］. Atmospheric Environment， 2008，42：6157-6173.

［5］ 唐孝炎，張遠(yuǎn)航，邵 敏.大氣環(huán)境化學(xué) ［M］. 北京：高等教育出版社， 2006，2：102，272-273.

［6］ 賀克斌，楊復(fù)沫，段鳳魁，等.大氣顆粒物與區(qū)域復(fù)合污染 ［M］.北京：科學(xué)出版社， 2011：3-4.

［7］ 盛裴軒，毛節(jié)泰，李建國(guó)，等.大氣物理學(xué) ［M］. 北京：北京大學(xué)出版社， 2003：11-12.

［8］ Tie X， Cao J. Aerosol pollution in China： Present and future impact on environment ［J］. Particuology， 2009，7（6）：426-431.

［9］ Tie X X， Wu D， Brasseur G. Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou， China ［J］. Atmospheric Environment， 2009b，43（14）：2375-2377.

［10］ Ye B， Ji X， Yang H， et al. Concentration and chemical composition of P M2.5in Shanghai for a 1-year period ［J］. Atmospheric Environment， 2003，37（4）：499-510.

［11］ Zhang Y H， Su H， Zhong L J， et al. Regional ozone pollution andobservation-based approach for analyzing ozone—precursor relationship during the PRIDE-PRD2004campaign ［J］. Atmospheric Environment， 2008，42（25）：6203-6218.

［12］ Zhang Y， Mao H， Ding A， et al. Impact of synoptic weather patterns on spatio-temporal variation in surface O3levels in Hong Kong during 1999～2011 ［J］. Atmospheric Environment， 2013，73（4）：41-50.

［13］ Wang J L， Zhang Y H， Shao M， et al. Chemical composition and quantitative relationship between meteorological condition and fine particles in Beijing ［J］. Journal of Environment Sciences，2004，16：860-864.

［14］ 周奕珂，朱 彬，韓志偉，等.長(zhǎng)江三角洲地區(qū)冬季能見(jiàn)度特征及影響因子分析 ［J］. 中國(guó)環(huán)境科學(xué)， 2016，36（3）：660-669.

［15］ 趙子菁，魏永杰，張祥志，等.南京市霾天氣與主要?dú)庀髼l件的相關(guān)分析 ［J］. 中國(guó)環(huán)境科學(xué)， 2015，35（12）：3570-3580.

［16］ 黃鸝鳴，王格慧，王 薈，等.南京市空氣中顆粒物 PM10、PM2.5污染水平 ［J］. 中國(guó)環(huán)境科學(xué)， 2002，22（4）：334-337.

［17］ Shen G F， Yuan S Y， Xie Y N， et al. Ambient levels and temporal variations of PM2.5and PM10at a residential site in the mega-city，Nanjing， in the western Yangtze River Delta， China ［J］. Journal of Environmental Science & Health Part A Toxic/hazardous Substances & Environmental Engineering， 2014，49（2）：171-8.

［18］ 程興宏，徐祥德，丁國(guó)安，等.MM5/WRF氣象場(chǎng)模擬差異對(duì)CMAQ空氣質(zhì)量預(yù)報(bào)效果的影響 ［J］. 環(huán)境科學(xué)研究， 2009，（12）：1411-1419.

［19］ 常爐予，趙天良，何金海，等.周邊氣象條件對(duì)南京城區(qū)大氣污染物濃度的影響 ［J］. 氣象與環(huán)境學(xué)報(bào)， 2013，29（6）：95-101.

［20］ Danielsen E F， Mohnen V A. Project DUSTORM report： Ozone transport， in-situ measurements， and meteorological analyses of tropopause folding ［J］. Journal of Geophysical Research Atmospheres， 1977，82（37）：5867-5877.

［21］ HJ633-2012 中華人民共和國(guó)國(guó)家環(huán)境保護(hù)標(biāo)準(zhǔn) ［S］.

［22］ Li Y， Chen Q， Zhao H， et al. Variations in PM10， PM2.5and PM1.0in an Urban Area of the Sichuan Basin and Their Relation to Meteorological Factors ［J］. Atmosphere， 2015，6（1）：150-163.

［23］ 李衛(wèi)軍，邵龍義，李金娟，等.北京市大氣中PM10和PM2.5的污染水平特征研究 ［J］. 環(huán)境與可持續(xù)發(fā)展， 2006，（2）：18-20.

［24］ Mickle R E， Bottenheim J W， Leaitch W R， et al. Boundary layer ozone depletion during AGASP-II ［J］. Atmospheric Environment，1989，23（11）：2443-2449.

［25］ 汪冬華.多元統(tǒng)計(jì)分析與 SPSS應(yīng)用 ［M］. 上海：華東理工大學(xué)出版社， 2010.

［26］ Eder B K， Davis J M， Bloomfield P. An automated classification scheme designed to better elucidate the dependence of ozone on meteorology ［J］. Journal of Applied Meteorology， 1994，33（10）：1182-1199.

［27］ Hien P， Bac V， Tham H， et al. Influence of meteorological conditions on PM2.5and PM2.5~10concentrations during the monsoon season in Hanoi， Vietnam ［J］. Atmospheric Environment， 2002，36（21）：3473-3484.

［28］ 王莉莉，王躍思，吉東生，等.天津?yàn)I海新區(qū)秋冬季大氣污染特征分析 ［J］. 中國(guó)環(huán)境科學(xué)， 2011，31（7）：1077-1086.

［29］ 何建軍，余 曄，劉 娜，等.基于WRF模式的蘭州秋冬季大氣污染預(yù)報(bào)模型研究 ［J］. 氣象， 2013，（10）：1293-1303.

致謝：感謝江蘇省環(huán)境檢測(cè)中心的數(shù)據(jù)支持，模式模擬工作由南京信息工程大學(xué)郭曉梅、張宸赫、侯夢(mèng)玲等協(xié)助完成，在此表示感謝.

Seasonal variations in major air pollutants in Nanjing and their meteorological correlation analyses.

JIA Meng-wei1，ZHAO Tian-liang1*， ZHANG Xiang-zhi2， WU Xiang-hua3， TANG Li-li2， WANG Li-ming3， CHEN Yu-sheng1（1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters， Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration， Nanjing University of Information Science and Technology， Nanjing 210044， China；2.Jiangsu Provincial Environmental Monitoring Center， Nanjing 210029， China；3.School of Mathematics and Statistics， Nanjing University of Information Science and Technology， Nanjing 210044，China）. China Environmental Science， 2016，36（9）：2567～2577

In order to study the seasonal variations of major air combined pollutants PM2.5， PM10and O3and their influencing factors of meteorology in Nanjing， the major air combined pollutants were seasonally characterized， and the correlations between meteorological factors and air pollutant concentrations were statistically analyzed to develop a statistical model of stepwise regression fitting by using the environmental monitoring data from January 2013 to February 2015 and the fine meteorological fields in the boundary layer produced by the high resolution WRF modeling. The seasonal averages of PM2.5and PM10shifted between wintertime high and summertime low levels in Nanjing with the peaks of daily PM2.5and PM10up to 160.6μg/m3and 98.0μg/m3in winter， and their diurnal changes were distinct from autumn to winter and weak in summer with the similar patterns over four seasons. The daytime peaks of diurnal PM2.5and PM10levels in winter delayed 1～2 hours comparing to other three seasons. Fine particles dominated atmospheric particles in all seasons with the annual mean ratio of PM2.5/PM10reaching 0.59. The annual frequencies of PM2.5， PM10and O3being the major pollutants determining the AQI changes were respectively 51.5%， 26.6% and 13.5% in Nanjing， especially the major air pollutant contribution of PM2.5to heavy haze pollution periods exceeding 96% in Nanjing. The surface levels of O3oscillated seasonally between a peak in late spring and early summer and a bottom in late autumn and early winter with a unimodal pattern. The surface levels of O3were positively related to the boundary layer height with the correlationcoefficients of 0.500， 0.572， 0.326， 0.323 respectively. The fitting goodness of stepwise regressions for the daily concentrations of PM2.5， PM10and O3_8h_max ranged reasonably over 40%～65% in four seasons.

combined pollution；Nanjing；meteorological factor；seasonal change

X51

A

1000-6923（2016）09-2567-11

2016-01-20

國(guó)家科技支撐計(jì)劃（2014BAC22B04）；科技部國(guó)家重點(diǎn)研發(fā)計(jì)劃（2016YFC0203304）；國(guó)家自然科學(xué)青年基金（41505118）；江蘇省環(huán)保科研課題（2015017）

* 責(zé)任作者， 教授， tlzhao@nuist.edu.cn

賈夢(mèng)唯（1992-），女，江蘇南京人，碩士研究生，主要從事大氣物理與大氣環(huán)境方面的研究.發(fā)表論文1篇.