郑州市大气环境质量分析及预测

郭亚奇,苗 蕾,张 军,赵 勇

(1.河南农业大学林学院,河南郑州 450002;2.中国农业科学院,农业环境与可持续发展研究所,北京 100081)

大气环境质量是城市环境质量的重要组成部分,也是城市可持续发展的基础[1,2].由于地形、地貌和环境特征的不同,各城市之间大气污染特点也有所差别,因此环境治理措施是依据污染特征而提出和制定[3].所以,研究各个城市大气污染特征成为环境治理的基础性工作[4],目前针对郑州市大气环境的研究主要集中在分析单个污染因子或市区总体空气污染的变化特征及趋势[5～7],而对一个城市内各功能区的大气环境质量存在的差异关注不够,尤其是监测指标之间的关系研究较少[8].但由于大气环境的监测数据具有很强的实效性,分析方法和结论都有一定的时间和空间局限性.经过近几年的发展,大气环境分析和预测的方法已日渐成熟,所以此时根据最新监测数据对大气环境污染进行研究就显得很有必要[9,10].本研究以郑州市环境监测年鉴提供的大气监测数据为基础,综合运用主成分分析、聚类分析和灰色理论对郑州市 7个大气监测点所代表的区域内大气环境现状和变化趋势进行评价和分析,找出不同时段和区域的大气污染特征,对郑州大气主要污染物的变化趋势进行预测,并提出有针对性的污染防治措施,为城市的综合发展、大气污染防治等提供科学建议.

1 研究区概况

郑州市北临黄河,西依嵩山,东南为广阔的黄淮平原,辖 6区 5市 1县,其中市区面积 1 010.3 km2.截止到 2008年底,全市总人口为 743.6万,其中市区 326.5万,机动车保有量已达 120万辆[11].郑州地区属暖温带大陆性气候,四季分明,年平均气温 14.4℃.7月最热,平均 27.3℃;1月最冷,平均 0.2℃;年平均降雨量 640.9 mm.郑州是重要的交通通调枢纽、综合性工业生产基地和旅游重点城市[11,12].

2 材料与方法

2.1 材料

大气监测数据来源于郑州市环境监测中心站《郑州市环境监测年鉴(2008年度)》[13].

2.2 方法

2.2.1 主成分分析[14]首先采用 Z-score法对原始数据进行标准化以消除量纲和数量级不同带来的误差,然后计算数据的协方差矩阵,接着求 R的特征值和累计贡献率以及对应的特征向量和主成分的因子载荷矩阵,最后计算主成分得分.

2.2.2 聚类分析 采用聚类分析中应用最广的欧几里德距离(dij)进行系统聚类[15]:

式中:Xik表示第 i个样品的第 k个指标的观测值;Xjk表示第 j个样品的第 k个指标的观测值;dij为第i个样品与第 j个样品之间的欧氏距离.dij越小表示第 i与 j两个样品之间的性质越接近,性质接近的样品或变量就可以划为 1类.

2.2.3 灰色预测 利用原始数据序列 X(0)(k)(k=1,2,…,n)建立灰色预测 GM(1,1)模型,预测数值变化趋势.GM(1,1)模型的白化型响应式为k+1)=(X(0)(1)其中k)=m)为Accumulated Generating Operation(AGO)序列[16],参数 a,b通过原始数据序列计算得到[17],预测值 X＾(0)(k+1)=X(0)(k+1)-X(1)(k).在进行预测时必须要进行模型检验,达到一定精度等级的模型预测结果才具有较高可信度,并采用后验差检验方法,以后验差比 C和小误差概率 P为精度检验标准[17,18].

3 结果与分析

3.1 5项指标主成分分析

3.1.1 指标信息提取率分析 将数据输入 SPSS进行主成分分析,得到如下运行结果(见表 1～4).

表1 指标信息提取率公因子方差分析Table1 Variance of common factor of information extract rate of five pollutions

由表 1得,可吸入颗粒浓度和硫酸盐化速率这两个指标的提取值较高因而最具有代表性,而其他指标未出现大的波动或者未起主导作用.硫酸盐化速率指标信息提取率较高的原因是在监测过程中出现过异常波动,因而不能将其看作代表性指标(下文见4.2).综上所述,可以认为 2008年郑州市大气主要污染物是可吸入颗粒物.

表2 主成分分析解释的总方差Table2 Total variance explained of principal component analysis

表 2反映出各成分解释原始变量总方差和提取信息量的情况.因为成分 1,2,3的初始特征根较大,且它们已经包括了原始变量 83.175%(＞80%)的信息,所以这里选取成分 1,2,3为主成分.

表3 主成分载荷矩阵Table3 Principal component loading matrix

主成分的主要含义由主成分载荷矩阵中各主成分所对应的相关系数绝对值较大的几个指标的综合含义来确定[19].由表 3可以看出主成分 1主要反映了二氧化硫、二氧化氮和降尘这 3个变量的信息,第 2主成分主要反映可吸入颗粒的信息,第3主成分主要反映硫酸盐化速率的信息.

表4 主成分得分系数矩阵Table4 Component score coefficient matrix of principal component analysis

由表 4得出成分得分方程组:

式中:x1～x5表示对应污染物标准化后的样本数据;y1～y3表示对应成分得分.

3.1.2 各监测点大气环境质量综合分析 为评价各监测点每个月的综合大气环境质量状况,采用如下公式计算各监测点的综合得分:

式中:Si表示第 i成分贡献率;Ci表示样本第 i成分得分;S1=47.396%;S2=19.839%;S3=15.941%.经计算各监测点各月的主成分综合得分,结果见图 1.得分越低表明监测点该月空气质量越好[20].

图1 郑州市各监测点主成分综合得分折线图Fig.1 The chart of the principal component analysis for each monitoring sites in Zhengzhou city

在这 6个监测点中,郑纺机、市监测站属于工业区,烟厂、医学院、银行学校、供水公司属于居民区.通过图 1可以很清楚地看出各监测点 2008年各月的主成分综合得分走势.经过对比,可以将 6个监测点根据折线的形状分成 3类:

1)银行学校.该监测点的折线表现为典型的“U”型抛物线,即 1,2,11,12月空气质量较差,6,7,8月空气质量较好,属于典型的城市空气环境状况.因为在进入冬季后随着城市供暖压力加大燃煤燃气量也随之增加,冬季气候条件温度低、湿度小、气压高、风沙多,城市空气污染较为严重.而夏季温度高、湿度大、气压低,茂盛的绿色植物和城市热岛效应利于降低的污染物浓度.

2)医学院、烟厂、郑纺机、供水公司.这 4个监测点的综合得分折线图的形状类似于“W”,一般认为北方城市大气环境质量多是“冬季差,夏季好”[21,22],而郑州在夏季(7月份)出现了不同程度的反弹.这主要是与 7月份硫酸盐化速率出现了异常的增大有关(表 1),根据气象资料,7月份的降水强度和持续时间均大于 6月和 8月,而高温、高湿、气压偏低和静风等气象条件会加速SO2的转化速率,从而造成 SO2的质量浓度显著降低和硫酸盐化速率明显升高的结果[21].

3)市监测站.这个监测点的综合得分折线图与第二类相似,但这个监测点与其他监测点的不同之处在于其折线图在 3月份有明显的上扬.各监测点在 3月份 PM10和 NO2质量浓度出现了突然增大现象,但市监测站却是两项指标同时增大.出现这种情况可能是该区域内的企业在新年复工后排放量突然增大,再加上空气干燥风沙大,导致这两项监测指标的明显升高.

处于郊区农田的供水公司监测点全年的空气质量总体上比其它监测点好.各监测点的主成分综合得分折线图相互交错,这说明了郑州市仍存在生活区与工业区混杂,分区不明确的问题.

3.2 监测指标关联性分析

先对 5项大气环境质量指标数据先标准化,然后进行系统聚类分析 (Hierarchical Cluster Analysis),聚类结果见图 2.

图2 聚类结果树状图Fig.2 Tree diagram

图 2表现出聚类的具体过程,选取相对距离 10将变量划分为 3类:①二氧化氮,二氧化硫,降尘;②硫酸盐化速率;③可吸入颗粒物.表明各变量之间的欧式距离存在较为明显的差异,其中距离最小的 4组是二氧化氮与降尘,降尘与二氧化硫,二氧化氮与二氧化硫,硫酸盐化速率与二氧化硫.而可吸入颗粒物与其他 4个变量之间的距离均比较大.

近年来,郑州市一直处于工业发展的加速期,能源结构仍以煤炭和化石燃料为主,但工业经济增长依然建立在能源资源消耗增长的基础上,再加上近年来市区机动车保有量的快速增长,所以大气污染物主要来自煤炭和化石燃料的燃烧.燃料燃烧过程中产生的气态 SO2,NO2在大气中的浓度变化表现出较强的关联性,同时在燃烧过程中产生的粗大颗粒物与空气中的灰尘以降尘的形式沉降在地表,于是这 3类污染物的在聚类时首先聚为 1类.PM10的浓度虽然与当地的污染源也有很大的关系,但其受气象条件、地理因素的影响更为强烈,近年来PM10作为郑州市影响空气质量的首要污染物,直接影响 API指数的高低,所以这里将其聚为 1类.硫酸盐化速率是大气中 SO2,H2S,H2SO4等含硫污染物经过一系列氧化反应的速率,即含硫二次污染物形成的速率[22],它与光照、温度等有密切关系,同时由于该项指标在 7月份出现异常波动,故将其聚为 1类.

3.3 大气环境质量预测

利用郑州市 2000—2008年大气污染物 SO2,NO2和 PM10的年均浓度建立预测模型,根据原始资料构建数据序列 X(0)(t)(t=1,2,…,n),利用DPS数据处理系统建立 GM(1,1)模型对这 3个指标进行灰色预测[23],得到近 5年郑州市大气污染物浓度变化.

3.3.1 大气 SO2质量浓度预测 根据SO2年均质量浓度资料得出最终预测模型:参数a=0.207 674,b=0.002 067;预测公式 x(1)(t+1)=-0.009 050e-0.207674t+0.009 953.经检验模型:C=0.054 2,P=1.000,精度符合要求,所以该模型预测结果是可信的.根据模型计算未来 5年内 SO2的变化曲线如图 3所示。

通过曲线走势可以看出,郑州市城区未来 5年的大气 SO2质量浓度逐年上升.根据《国家大气环境质量标准》(GB3095—1996)中的标准,在未来 5年中,郑州市大气中 SO2的预测值超过三级标准值即 SO2年均值 0.10 mg◦m-3.这一结论与郑州市近年来大力推广清洁生产措施似乎相矛盾,尚需要结合更多数据资料进一步分析研究.

图3 SO2监测数据与预测结果的拟合曲线Fig.3 Fitting curves of SO2 monitoring data and prediction results

3.3.2 大气 NO2质量浓度预测 根据 NO2年均浓度资料得出最终预测模型:参数 a=0.091 840,b=0.000 657;预测公式 x(1)(t+1)=-0.006 700 e-0.09184t+0.007 151对当前模型的评价:C=0.063 5,P=1.000.模型精度符合要求,所以该模型预测结果是可信的.根据模型计算未来 5 a内 NO2的变化曲线如图 4所示.

根据以上有关 NO2未来 5 a变化趋势的图表,郑州市城区大气 NO2质量浓度一直处于波动状态,但总体呈下降趋势.根据《国家大气环境质量标准》(GB 3095—1996)中的标准,在未来 5年中,郑州市大气中 NO2的预测值低于一级标准值即NO2年均值≤0.04 mg◦m-3.

3.3.3 大气 PM10质量浓度预测 根据 PM10年均浓度资料得出最终预测模型:参数 a=0.213 182,b=0.001 540;预测公式:x(1)(t+1)=-0.666 491 e-0.213182t+0.007 225.对当前模型的评价:C=0.032 8,P=1.000 0.模型精度符合要求,所以该模型预测结果是可信的.根据模型计算未来 5 a内PM10的变化曲线如图 5所示.

图4 NO2监测数据与预测结果的拟合曲线Fig.4 Fitting curves of NO2 monitoring data and prediction results

图5 PM 10监测数据与预测结果的拟合曲线Fig.5 Fitting curves of PM 10 monitoring data and prediction results

由预测结果来看,未来 5 a内郑州市城区的空气中 PM10浓度将大大下降.在主成分分析中得到PM10是郑州市城区的首要污染物,而灰色预测表明这一污染指标在未来会有明显下降,低于《国家大气环境质量标准》(GB 3095—1996)中的二级标准并有可能达到一级标准,即 PM10年均值≤0.04 mg◦m-3.

4 结论与讨论

4.1 结论

1)通过主成分分析和聚类分析,郑州市典型大气环境监测数据根据其数值变化规律可以分为三类①可吸入颗粒物②二氧化硫、二氧化氮、降尘③硫酸盐化速率,每一类均有其特征.可吸入颗粒物仍然是郑州市大气环境污染的首要污染物.

2)郑州市城区 7个大气监测点所代表的区域季节性污染特征较为明显,即具有“夏季好,冬季差”的特征.除“银行学校“监测点外,其他监测点的全年大气环境质量走势在不同时段内均出现异常波动,可能受所处地域及周边环境的影响,所以在进行污染防治时要针对不同区域制定不同的政策和措施.

3)通过灰色 GM(1,1)模型的预测,郑州市城区在近 5 a内,SO2质量浓度有逐渐升高趋势,并有可能超过国标(GB 3095—1996)三级标准限值;而NO2浓度会有所下降,低于国家二级标准并保持平稳,但仍有反弹的可能;PM10的浓度则表现为明显的持续下降,未来将有可能达到国家二级标准.

4.2 讨论

1)医学院、烟厂、郑纺机、供水公司这 4个监测点的主成分综合得分折线图的形状类似于“W”,即在典型“冬季差,夏季好”的基础上于 7月份出现了不同程度的反弹.在表 1原始监测数据中发现监测指标中硫酸盐化速率在 7月份出现了异常的增大波动,而与此同时 SO2质量浓度却下降.这种情况的出现肯定有特定的原因,但由于历史资料有限只能进行大概的推测:①根据气象资料,2008-07降水强度和持续时间均大于同处于夏季的 6、8月份,而高温高湿、气压偏低和静风等气象条件恰好有利于加速 SO2的转化速率[23];②7月份日照强度的增强,有利于光化学氧化剂的产生,从而促进SO2的均相氧化反应,对硫酸盐化速率也起到了推动作用;③7月份进入城市用电高峰期,位于郑州市上风向的 2座大型电厂可能加大产量,从而更多的污染物随空气环流进入城区,是硫酸盐化速率监测值升高.④硫酸盐化速率一般用碱片法或二氧化铅法测定,但其测定结果是相对值而且与大气中SO2质量浓度之间的关系也较为复杂,所以不能简单地把二者看成是正相关.

2)在对郑州市大气环境质量监测数据中的样本进行聚类分析时,分别处在居民区和工业区的几个监测点的月份分类结果表现出了明显不同的特征.这可能是由于郑州市城区分区不明确,各区域内环境情况复杂,污染源特征不具有一致性所导致的.

[1] 赵 勇,孙中党,王 飞,等.郑州市大气酸性物质与降水酸性的相关性分析[J].环境科学研究,2001,14(6):20-23.

[2] 赵 勇,孙中党,李 有,等.郑州市大气环境中的NO2污染与灰色预测[J].安全与环境学报,2002,2(4):38-41.

[3] 秦福生,周 岩,王淑琴,等.郑州市主要污染物污染特征及污染趋势分析[J].气象与环境科学,2007,30(4):63-65.

[4] 彭 华.郑州市环境空气中多环芳烃污染状况及变化规律的研究[J].中国环境监测,2008,24(4):75-78.

[5] 杨书申,邵龙义,李凤菊,等.郑州市大气可吸入颗粒物单颗粒污染特征分析[J].辽宁工程技术大学学报:自然科学版,2008,27(5):774-777.

[6] 侯亚明.郑州市城区环境空气污染特征分析[J].河南科学,2004,22(2):273-276.

[7] 齐飞艳,朱彦峰,赵 勇,等.郑州市园林植物滞留大气颗粒物能力的研究[J].河南农业大学学报,2009,43(3):256-259.

[8] 张兰真,王建英,赵乾杰,等.郑州市区环境空气污染趋势分析[J].河南气象,2006(2):52-54.

[9] 邓 伟,陈怀亮,杨海鹰,等.Models-3/CMAQ模式对郑州市大气污染物的预报分析研究[J].气象与环境科学,2007,30(2):54-57.

[10] 高文英.2004年郑州市不同区域大气污染现状分析[J].河南预防医学杂志,2007,18(1):23-24.

[11] 郑州市统计局.绿城巨变——郑州改革开放 30年辉煌成就[R].郑州:郑州市统计局,2008.

[12] 郑州市统计局.郑州统计年鉴[R].郑州:郑州市统计局,2008.

[13] 郑州市环境监测中心站.郑州市环境监测年鉴.2008[R].郑州市环境监测中心站,2009.

[14] 朱建平.应用多元统计分析[M].北京:科学出版社,2006.

[15] 张崇甫,陈述云,胡希铃.统计分析方法及其应用[M].重庆:重庆大学出版社,1995:47-75.

[16] 邓聚龙.灰预测与灰决策[M].武汉:华中科技大学出版社,2002.

[17] 邓聚龙.灰理论基础[M].武汉:华中科技大学出版社,2002.

[18] 邓聚龙,郭 洪,温坤礼,等.灰预测模型方法与应用[M].台北:高立图书有限公司,1999.

[19] 应竹青.城市环境质量多元统计分析——永安市城市环境质量综合评价[J].河南预防医学杂志,1995,14(6):1-4.

[20] 郭建辉,杨 磊,程新宝.上海市环境空气质量影响参数主成分分析[J].中国科技信息,2005,15:36-41.

[21] 黄梅丽,廖雪萍,冼玉卿.环境因子对南宁市硫酸盐化速率的影响浅析[C]//中国气象学会.中国气象学会 2006年年会论文集——气象科技创新与防灾减灾.2006:372-375.

[22] 奚旦立,孙裕生,刘秀英.环境监测.2004[M].北京:高等教育出版社,2004.

[23] 唐启义,冯明光.DPS数据处理系统[M].北京:科学出版社,2007.