天津市东丽区主要大气污染物浓度时空变化特征及气象影响要素分析

李明聪，杨妍辰，姜皓严

(天津市东丽区气象局 天津300300)

0 引 言

随着天津市东丽区经济的快速发展及城镇化规模的急剧扩大，空气污染事件也急剧增多。根据天津市环境监测中心的数据，东丽区2017年上半年PM2.5月均浓度超标 1.0倍，PM10月均浓度超标 0.6倍，PM2.5和 PM10已经成为影响东丽区环境质量的重要因素。

国内一些学者对京津冀、长三角等地区污染天气的时空分布特征进行了分析[1-4]，还有研究人员通过数值模拟等方法对不同地区污染天气发生时大尺度环流形势、近地层输送条件等天气气候特征进行了广泛研究，其中导致天津地区产生污染天气的环流类型主要分为低压型、低压前部型、高压型、高压底部型、高压前部型、均压场型和弱低压型[5-6]。

近年来许多学者对天津地区污染天气特征进行了研究。韩素芹等[7]对天津市 PM2.5的日变化特征、垂直分布特征和扩散特征进行了一系列系统的研究；姚青等[8]揭示了相对湿度、风向风速对天津地区污染物浓度的影响；刘丽丽等[9]分析了一次重污染天气的边界层特征；汪靖等[10]探讨了一次重污染天气形成的环流条件和中期预报着眼点；蔡子颖等[11]对不利气象条件和污染物浓度增加的正反馈作用进行了研究。

目前的研究多集中于个例分析，且研究范围主要为天津市或华北地区，围绕天津市区县精细化污染物时空分布特征及其与气象要素关系方面的研究还比较缺乏。本文采用2016年1月～2017年8月东丽区12个环境监测站逐小时观测数据，分析东丽区主要污染物浓度(PM2.5和 PM10)在日、月、季等不同时间尺度上的变化特征和空间分布特征。结合同期气象台站逐小时观测数据，计算 PM2.5、PM10浓度超标日数对应日最高气温、相对湿度、风速的数值，通过相关分析等方法研究不同气象要素对污染物浓度的影响，建立气象要素和污染物浓度之间的多元回归模型，为东丽区环境气象预报服务提供参考。

1 资料来源和研究方法

1.1 资料来源

本文研究数据来源于筛选和剔除掉异常值后的东丽区环境监测中心发布的 2016年 1月～2018年12月东丽区 12个市级环境监测站 PM2.5和 PM10浓度监测数据，以及同一时期东丽区国家一般气象站观测得到的相对湿度、日照时数、2min风速、最高气温的逐日数据和逐小时数据。

1.2 研究方法

本文采用统计方法计算东丽区各主要街道PM2.5和 PM10浓度的分布情况以及日变化曲线。此外，使用相关分析[12]方法研究了各气象要素与 PM2.5和PM10浓度的关系及气象要素与污染物浓度超标的关系，并且基于逐步多元线性回归方法[12]建立了各气象要素和PM2.5、PM10浓度的多元线性回归模型。

1.3 污染等级标准

PM2.5和 PM10浓度日值(24h平均浓度)的计算参考GB 3095—2012《环境空气质量标准》[13]和HJ 633—2012《环境空气质量指数(AQI)技术规定(试行)》[14]，由此得出 PM2.5污染等级(优，0～35μg/m3；良 ，35～75μg/m3；轻 度 污 染，75～115μg/m3；中度污染，115～150μg/m3；重度污染，150～250μg/m3；严重污染＞250μg/m3)和 PM10污染等级(优，0～50μg/m3；良，50～150μg/m3；轻度污染，150～250μg/m3；中度污染，250～350μg/m3；重度污染，350～420μg/m3；严重污染＞420μg/m3)。PM2.5和 PM10日均浓度大于二级标准(75μg/m3、150μg/m3)即为超标。

2 研究结果

2.1 东丽区PM2.5和PM10浓度时空变化特征

2016—2018年东丽区PM2.5和PM10污染状况明显缓解。总体来看，2018年 PM2.5和 PM10浓度相比于 2016年明显降低，分别从 83.1、128.5μg/m3降至56.3、89.8μg/m3。超标日数也明显减少，2018年比2016年超标日数减少约 50%(表 1、表 2)。表明2017、2018年2年东丽区大气污染防治力度加大，效果显著，其中，东丽湖街两类污染物的年均浓度和超标日数都是全区最低的，其污染物浓度和超标日数在近3年来的降低幅度也是全区最低的。这可能是由于东丽湖街以湿地和住宅区为主，没有较大规模的工业生产区，各项污染防治措施对其污染缓解的影响有限。对于以工业生产为主要经济产业的金钟街和万新街，较大力度的减排措施使这2条街道近3年来污染物浓度和超标日数的降低幅度达到全区最高水平。丰年村街、新立街和金桥街污染物浓度和超标日数仍然维持在全区较高水平并且降幅较小，是今后仍需重点控制排放的地区。

表1 东丽区2016—2018年年均PM2.5浓度和年超标日数Tab.1 Annual average of PM2.5 concentration and number of days exceeding standard from 2016 to 2018

空气污染的季节性规律已被人们认识和普遍接受，但在不同地区空气污染质量季节分布还是会有细小的差异。图 1给出了东丽区 PM2.5浓度的逐月变化，其中 12月 PM2.5浓度最高，为 91.9μg/m3，8月PM2.5浓度最低，为 49.4μg/m3，最高月是最低月的1.9倍，月际变化较大；总体来看11月至次年3月的PM2.5浓度较其余月份高，是东丽区 PM2.5污染的高发时期；夏季大气层结不稳定，对污染物浓度扩散和清除有一定的影响，PM2.5浓度夏季最低。PM2.5浓度的空间分布大致呈南部城区和工业区高、东北部郊区湿地低的特征。PM2.5浓度最高的 3个监测站分别位于南部的无瑕街、金桥街和万新街，PM2.5浓度最低的 3个监测站位于北部的东丽湖街、华新街和华明街。

表2 东丽区2016—2018年年均PM10浓度和年超标日数Tab.2 Annual average of PM10 concentration and number of days exceeding standard from 2016 to 2018

图1 东丽区月均PM2.5分布Fig.1 Distribution of PM2.5 monthly average concentration in Dongli

图 2展示了 PM10浓度的逐月变化。与 PM2.5在冬季浓度较高不同，PM10浓度最高的时期在春季，以冷空气活动最频繁的 3月浓度最高，为141.1μg/m3，8月 PM10最低为 73.0μg/m3，月际变化幅度和 PM2.5相似；总体来看12月、3～5月的PM10浓度较其余月份高，是东丽区 PM10污染的高发时期。空间分布上表现为污染季全区一致、非污染季节东部低西部高的特征，其中，金桥街 PM10浓度在各月都较高，需要重点关注区域内防尘苫盖作业的情况。

图2 东丽区月均PM10分布Fig.2 Distribution of PM10 monthly average concentration in Dongli

PM2.5浓度的日变化则表现出区域内的东西差异特征，全区各街道日变化呈“单峰型”的特征(图3)，大部分街道 PM2.5浓度最高值出现在 8：00，东部东丽湖街的峰值时间略早，为 7：00；东部东丽湖街、华新街、军粮城街的 PM2.5浓度最低值出现在 15：00，无瑕街更早，为 13：00，西部各街道 PM2.5浓度最低值均出现在 16：00及之后。另外东部日变化幅度15μg/m3，比西部日变化幅度低 5μg/m3以上。除东丽湖街外，PM10浓度的日变化呈全区一致的“两峰一谷型”特征，PM10浓度最高值基本都出现在7：00和19：00，最低值在 13：00，日变化幅度在 40μg/m3左右。因此，降尘工作需要在早晚的污染物浓度高峰，即 7：00和 19：00前开展。夜间 PM10随时间的降低较 PM2.5更为明显，这与其自身更易沉降的特性也有一定关系。

2.2 东丽区PM2.5和PM10浓度与气象条件的关系

PM2.5和 PM10的污染状况是由污染源的分布和排放、气象要素对污染物扩散条件的影响2方面因素决定。项目主要研究气象要素与 PM2.5和 PM10浓度的影响。表3给出了PM2.5浓度与不同气象要素的相关系数，可以看出 PM2.5浓度与日最高气温、日照时数、风速呈显著负相关，与相对湿度呈显著正相关，尤其是与风速、相对湿度、日照时数相关性最高。当日最高气温越低、日照时数越少、风速越小、相对湿度越大时，近地面保持稳定的状态，不利于 PM2.5在垂直和水平方向的扩散，使 PM2.5积聚，不仅保持较高浓度，还易与其他污染物发生化学反应，增加二次气溶胶产生的可能性。PM10浓度与日照时数、相对湿度、风速呈负相关，与日最高气温呈正相关，从全年来看 PM10浓度对气象要素的响应较差，主要受排放和扬尘的影响；但是春季 PM10浓度与气象要素、尤其是风速相关关系较好，主要是由于春季冷空气活动频繁，对PM10沉降、扩散的影响较大。

图3 东丽区各街道PM2.5和PM10浓度日变化曲线Fig.3 Daily change curves of PM2.5 and PM10 concentration in Dongli

表3 PM2.5和PM10浓度与各气象要素的相关系数Tab.3 Correlations between PM2.5 and PM10 concentration and meteorological elements

选取 PM2.5和 PM10日均浓度超标日(PM2.5＞75μg/m3、PM10＞150μg/m3)，统计不同污染程度对应的日最高气温、日照时数、日均相对湿度和日均风速的平均值(表 4、表 5、表 6、表 7)。总体来看，当东丽区 PM2.5超标时，日最高气温为 11～21℃，日照时数2～6.5h，相对湿度 60%～77%，风速 1.4～1.8m/s。随着污染程度加重，日最高气温、日照时数、风速下降，相对湿度增加，但在重度污染和严重污染时风速条件几乎相同。这为 PM2.5污染的预报提供了一定的思路。当预报日最高气温在 21℃以下、相对湿度60%以上、风力 2级以下、天空状况多云到阴时，PM2.5超标发生的可能性大。总体来看，PM10超标时风速、日照、日最高气温、相对湿度条件和 PM2.5相似，但污染程度和气象要素缺少较好的对应关系，气象要素随着污染程度的加重没有明显的变化规律。

表4 PM2.5和PM10浓度超标日对应的日最高温度值Tab.4 Daily maximum temperature corresponding to number of days exceeding standard of PM2.5 and PM10

续表4

表5 PM2.5和PM10浓度超标日对应的日照时数Tab.5 Sunshine hour corresponding to number of days exceeding standard of PM2.5 and PM10

表6 PM2.5和PM10浓度超标日对应的相对湿度值Tab.6 Relative humidity corresponding to number of days exceeding standard of PM2.5 and PM10

表7 PM2.5和PM10浓度超标日对应的风速值Tab.7 Wind speed corresponding to number of days exceeding standard of PM2.5 and PM10

2.3 东丽区各街道PM2.5和PM10浓度预报模型构建

使用多元逐步回归方法，将自变量逐个引入回归方程中，每引入一个自变量后都要进行 F检验，并对已经选入的自变量逐个进行显著性水平为 0.05的 T检验，当原来引入的自变量由于后面自变量的引入变得不再显著时，则将其剔除，以确保每次引入新的自变量之前回归方程中只包含显著的自变量。根据2.2节中污染物浓度和气象要素相关关系，选择2016年1月1日～2018年12月31日剔除缺测值和异常值风速、最高气温、相对湿度、日照时数以及前一日污染物浓度作为自变量，除开发区污染物浓度和气象要素无法建立回归方程外，其他街道的回归模型各项自变量的回归系数都通过了显著性检验(显著性水平α＝0.05)(Y预测浓度，C前一天浓度，WS风速，RH相对湿度，TMAX日最高温度，SS日照时数)。通过计算各个回归方程的复相关系数(R2)，可知回归因子可解释 PM2.5日变化的 45%左右，标准误差均在30～40，回归因子可解释 PM10变化的 35%左右，标准误差均在 50～60。可看出，PM2.5的回归模型较PM10的拟合程度更好。使用方差分析检验所拟合的各个回归模型是否具有统计学意义，结果显示 F检验显著性均小于0.05，因此获得的回归模型均具有一定预测价值(表 8、表 9)。对比 PM2.5、PM10拟合值和实际浓度，可以看到基于逐步回归方法得到的预报模型针对实际污染浓度变化的趋势预报效果较好，但对浓度数值的预报偏低，尤其是污染较严重时，模型常常低估极值。这主要是由于较严重的污染时常由外源性污染物输入造成。

表8 PM2.5浓度回归预报模型Tab.8 Regression model of PM2.5 concentration

表9 PM10浓度回归预报模型Tab.9 Regression model of PM10 concentration

3 结 论

①每年11月至次年3月是东丽区PM2.5污染的高发时期，PM2.5浓度夏季最低。PM2.5浓度的空间分布呈南部高、东北部低的特征。12月、3～5月是PM10污染的高发时期。空间分布呈现为污染季全区一致，非污染季节东部低、西部高的特征。PM2.5浓度的日变化表现出东西差异特征，全区各街道日变化呈“单峰型”特征。PM10浓度的日变化呈“两峰一谷型”特征。夜间 PM10随时间的降低较 PM2.5更为明显。

②PM2.5浓度与日最高气温、日照时数、风速呈显著负相关，与相对湿度呈显著正相关，尤其是与风速、相对湿度、日照时数相关性最高。PM10浓度与日照时数、相对湿度、风速呈负相关，与日最高气温呈正相关。春季 PM10浓度与气象要素、尤其是风速相关关系较好。

③当东丽区 PM2.5超标时，日最高气温通常为11～21℃，日照时数 2～6.5h，相对湿度 60%～77%，风速 1.4～1.8m/s。随着污染程度加重，日最高气温、日照时数、风速下降，相对湿度增加，但是重度污染和严重污染时风速条件几乎相同。PM10超标时风速、日照、日最高气温、相对湿度条件和 PM2.5相似，但污染程度和气象要素缺少较好的对应关系，气象要素随着污染程度的加重没有明显的变化规律。

④基于逐步回归方法得到的预报模型针对实际污染浓度变化的趋势预报效果较好，但对浓度数值的预报偏低，尤其是污染较严重时，模型常常低估极值。这主要是由于较严重的污染时常由外源性污染物输入造成。