近5年滁州市空气质量指数变化及其与气象要素的关系

张鑫童 金华星 龚年祖 王刚 杜少栋

摘 要：根据2015—2019年滁州市逐日空气质量指数（AQI）与对应的气象要素资料，运用统计方法和广义加性模型（GAM）分析AQI的时间变化特征及气象要素的影响效应。结果表明：近5年滁州市空气质量整体变化幅度较小，夏、秋季空气质量明显好于冬、春季，同时存在一定程度的周末效应;AQI整体上与日照时数显著正相关，与平均气温、平均相对湿度、平均风速、平均水汽压及降水量显著负相关，AQI在不同季节、不同空气质量指数类别下与气象要素的相关性存在较大的差别;各气象要素均在0.01水平下对AQI变化影响显著，气象要素对AQI变化的影响均表现为非线性关系，只有平均风速接近线性关系：在不同阈值范围内，气象要素对AQI变化的影响趋势和显著程度也存在明显的差异。

关键词：空气质量指数（AQI）;气象要素;相关分析;GAM模型

中图分类号 X51文献标识码 A文章编号 1007-7731（2020）18-0157-05

Variation of Air Quality Index and Its Relationship With Meteorological Elements in Chuzhou in Recent Five Years

ZHANG Xintong1 et al.

（1Chuzhou Meteorological Bureau，Chuzhou 239000，China）

Abstract：According to the daily air quality index（AQI） and the corresponding meteorological elements data of Chuzhou from 2015 to 2019，the statistical method and generalized additive model（GAM） are used to analyze the time variation characteristics of AQI and the effect of meteorological elements. The results show that the overall change range of air quality in Chuzhou in the past five years is relatively small，and the air quality in summer and autumn is significantly better than that in winter and spring，and there is a certain range at the same time AQI has a significant positive correlation with sunshine hours，a significant negative correlation with average temperature，average relative humidity，average wind speed，average water vapor pressure and precipitation，and a significant difference between AQI and meteorological elements in different seasons and different air quality index categories. All meteorological elements are at 0.01 level The influence of meteorological factors on AQI changes is nonlinear，only the average wind speed is close to linear. In different threshold range，the influence trend and significance of meteorological factors on AQI changes are also significantly different.

Key words：Air quality index（AQI）;Meteorological elements;Correlation analysis;GAM model

滁州市位于皖东江淮之间，是皖江城市带承接转移示范区的重要一翼，也是南京都市圈、合肥都市圈的核心圈层城市。近年来，随着经济社会的快速发展，滁州市空气质量问题日益突显。为此，自2015年1月1日起，滁州市环境监测站执行新的环境空气质量标准[1]，监测并发布空气质量指数[2]（Air Quality Index，以下简称 AQI）代替原有的空气污染指数[3]（API）。

近年来，关于气象要素对空气质量的影响，相关学者已进行了大量的研究，气温、湿度、风速、降水等气象要素均直接或间接影响大气污染物的扩散[4-6]，同时气象要素与空气质量间的相关性也具有较大的时空差异[7]。现有关于滁州市空气质量的研究都在相对较短的周期内进行，例如，熊世为等[8]分析了滁州市2015—2016年气象要素与空气质量的关系并建立基于气象因子的污染物浓度预报模型;张鑫童[9]运用主成分分析法研究了2017年上半年滁州市大气污染物之间的关系及其对空气质量的影响。本研究以现有资料最长时段（2015—2019年）为周期，分析探讨AQI变化特征及气象要素的影响效应，为滁州市大气污染防治及空气质量预报提供理论依据。

1 资料与方法

2015—2019年空气质量数据来源于滁州市环境监测站空气质量日报，其中2016年12月30日、2018年1月4日、2018年4月23日、2019年4月23日空气质量指数缺测，实际样本总量为1822d。同时期的气象要素数据为滁州市国家气象观测站地面气象观测日值，主要包括平均气温、平均相对湿度、平均风速、日照时数、平均水汽压、降水量等指标，数据来源于全国综合气象信息共享平臺（CIMISS）。

广义加性模型[10]（GAM）是由数据驱动的非参数回归模型，能够对部分影响因子进行线性拟合，对其他解释变量进行平滑函数拟合。GAM模型通过建立影响因子的平滑函数，在不提前设定参数模型的条件下，可以自动选择适合的多项式进行模拟。GAM模型分析使用R软件完成，Pearson相关分析使用SPSS 18.0软件完成。

2 结果与分析

2.1 AQI时间变化趋势

2.1.1 年变化 2015—2019年滁州市AQI年际变化特征如表1所示。由表1可知，滁州市空气质量指数年平均值自2015年以来呈先上升再下降的变化趋势，但变化幅度较小，整体都处于良等级。从AQI数值上看，2015年空气质量相对最好，AQI年平均值为85.5;2017年空气质量相对最差，AQI年平均值为92.7。就空气质量指数的波动情况来看，总体呈下降趋势，2019年AQI波动相对较小，2016年相对较大。2018年空气质量较2017年改善明显，这可能是由于滁州市自2018年起创建全国文明城市，并在当年围绕“控尘、控车、控烟”3大重点，在城区范围内开展了百日攻坚集中整治行动，在控制建筑扬尘、渣土车、餐饮油烟等污染源头的同时，加大了城区主要道路洒水和大雾炮车喷洒水作业频次，全年空气质量得到有效提升;而2019年空气质量又出现回落，可能是受极端天气影响，市区降水量较常年同期偏少50%，不利于大气污染物的沉降。

2.1.2 季节变化 2015—2019年滁州市AQI季节变化特征如表2所示。由表2可知，滁州市冬季AQI平均值为轻度污染等级，其他3个季节均为良等级。从数值上看夏、秋季空气质量好于春季，冬季空气质量最差，AQI平均值达到107.1。由四季AQI平均值的标准差可知，春季AQI波动相对较小，冬季AQI波动相对较大，总体呈逐渐增大的变化趋势。这与现有研究结果[11]较为一致，即冬季大气层结较稳定，静稳天气多，不利于污染物的扩散，而夏季对流相对较强，对大气污染物的扩散较为有利。

2.1.3 周内变化 2015—2019年滁州市AQI周内变化特征如表3所示。由表3可知，滁州市周一到周日AQI平均值均为良等级，周六AQI平均值最高，存在一定程度的周末效应。这与北京、太原[12，13]等城市的研究结果相似，也在一定程度上说明人类活动对空气质量变化的影响。从AQI数值上看，周六数值最高，为91.4，其次是周日，为90.7;周三数值最低，为85.0。从数据的波动性来看，周四AQI最为稳定，周五的波动性最大。

2.2 AQI与气象要素相关性分析

2.2.1 整体相关性 对2015—2019年AQI日数据与对应的气象要素数据进行Pearson相关分析，结果如表4所示。由表4可知，AQI与平均气温、平均相对湿度、平均风速、平均水汽压、降水量显著负相关，这可能是由于低层气温的升高，下暖上冷的不稳定层结更易形成，有利于大气污染物的纵向扩散;相对湿度与水汽压影响一致，即当相对湿度较高时，空气中水汽含量增加，颗粒物周围被水分包裹，导致其密度变小，浓度降低，同时由于颗粒物周围被水分包裹，质量增加产生一定程度的沉降;风速较高时，有利于污染物水平方向的扩散;降水通过冲刷、溶解等方式对污染物存在明显的湿沉降作用。AQI与日照时数显著正相关，这是由于相对湿度与AQI负相关，而日照时数的增加通常会导致相对湿度的降低。

2.2.2 季节相关性 不同季节AQI与气象要素的相关分析结果如表5所示。由表5可知，春季AQI与平均气温、日照时数、平均水汽压显著正相关，与平均相对湿度、平均风速、降水量呈显著相关;夏季AQI与平均气温、日照时数显著正相关，与平均相对湿度、平均风速、平均水汽压、降水量显著负相关;秋季AQI与日照时数显著正相关，与平均相对湿度、平均风速、平均水汽压、降水量显著负相关;冬季AQI与平均气温、平均水汽压显著正相关，与平均风速、降水量显著负相关。从气象要素上看，平均气温在秋季与AQI不存在显著相关性，在春季相关性最强;平均相对湿度和日照时数在冬季与AQI不存在显著相关性，在夏季相关性最强;平均水汽压在春、冬2季与AQI显著正相关，在夏、秋2季相反;平均风速和降水量在4季与AQI均显著负相关，且冬季相关性最强。

2.2.3 不同空气质量指数类别相关性 不同空气质量指数类别AQI与气象要素的相关分析结果如表6所示。由表6可知，空气质量指数类别为优、良时，AQI与平均相对湿度、平均风速、平均水汽压、降水量显著负相关，与日照时数显著正相关;空气质量指数类别为轻度污染时，AQI与平均气温显著负相关，与其他气象要素均不存在显著相关性;空气质量指数类别为中度污染及以上时，AQI与平均气温、日照时数、平均水汽压显著负相关，与平均相对湿度、平均风速、降水量不存在显著相关性。总体上看，当空气质量较好时，AQI与气象要素的相关性也较为显著，这可能是由于样本数量存在差异，近5年滁州市空气质量优良天数占样本总量的68.9%，轻度污染占比24.2%，而中度污染及以上只占样本总量的6.9%。

2.3 基于广义加性模型的AQI影响因素分析 由上述AQI与气象要素的相关分析结果可知，气象要素对AQI的影响较为复杂，不同季节、不同空气质量类别下，AQI与气象要素的相关性存在明显差异。当解释变量与响应变量间关系不明确时，可以使用广义加性模型（GAM）模拟变量间的非线性关系[14，15]。表7为AQI与气象要素的GAM模型假设检验结果。由表7可知，降水量和平均相对湿度对AQI变化影响的模型解释率相对较高，分别为16.9%和13.6%，平均气温对AQI变化的解释率相对较低，仅为3.3%;各气象要素在0.01水平下对AQI变化均影响显著，表明各影响因素作为AQI变化的解释变量是具有统计学意义的。

图1为基于GAM分析的平均水汽压（P）、降水量（RE）、平均气温（T）、平均相对湿度（RH）、日照时数（S）及平均风速（W）对AQI变化的影响效应，实线表示AQI的平滑拟合曲线，虚线表示拟合加性函数的逐点标准差，即置信区间的上、下限;横坐标表示各气象要素的实测值，纵坐标表示各气象要素对AQI的拟合值（取对数）;纵坐标括号内的数值为估计自由度，当解释变量与响应变量線性相关时，估计自由度等于1。

由图1（a）可知，平均水汽压与AQI变化呈复杂非线性关系，当平均水汽压小于约6hPa或大于约32hPa时，AQI随平均水汽压的上升显著增加;在约6～32hPa的区间内，随着平均水汽压的上升，AQI呈波动下降趋势。由图1（c）可知，平均气温对AQI影响效应的变化趋势与平均水汽压类似，当平均气温小于约5℃或大于约28℃时，AQI随平均气温的上升显著增加;在5～28℃的区间内，随着平均气温的上升，AQI呈波动下降趋势。

由图1（d）可知，平均相对湿度与AQI变化表现为非线性关系，但存在明显的阈值。当平均相对湿度小于约72%时，AQI随平均风速的增大而上升;超过这一阈值，随着平均风速的增大，AQI显著下降。由图1（e）可知，日照时数对AQI影响效应的变化趋势与平均相对湿度较为类似，当日照时数小于约7h时，随着日照时数的增加，AQI显著上升;超过这一阈值，AQI随日照时数的增加呈下降趋势，但变幅较小。

由图1（b）可知，降水量与AQI变化呈非线性关系，但整体表现是随着降水量的增加，AQI呈下降趋势，特别是在约0～10mm（即小雨量级）的降水量范围内，AQI随降水量的增加显著下降。由图1（f）可知，平均风速与AQI变化表现为接近线性关系的非线性关系（估计自由度接近1），即随着平均风速的上升，AQI呈单调递减的变化趋势。

3 结论

（1）统计结果表明，2015—2019年滁州市空气质量整体变化幅度较小，2015年空气质量较好，2017年空气质量最差;夏、秋季空气质量明显好于冬、春季，且空气质量最差的冬季，AQI波动性也最大;AQI平均值周六最高，周日次之，存在一定程度的周末效应。

（2）相关分析表明，AQI整体上与日照时数呈显著正相关，与平均气温、平均相对湿度、平均风速、平均水汽压及降水量呈显著负相关，AQI在不同季节、不同空气质量指数类别下与气象要素的相关性存在较大的差别。其中，平均相对湿度和日照时数在冬季与AQI不存在显著相关性;轻度污染条件下，AQI只与平均气温显著相关，日照时数在优、良和中度污染及以上两种空气质量情况下，与AQI的相关性相反。

（3）GAM模型分析结果表明，各气象要素在0.01水平下对AQI变化均影响显著，AQI除了与平均风速存在接近线性关系的非线性关系，与其他气象要素均表现为较复杂的非线性关系。在不同阈值范围内，气象要素对AQI变化的影响趋势和显著程度也存在明显的差异。

参考文献

[1]国家环境保护部.GB3095-2012，中华人民共和国国家标准环境空气质量标准[S].北京：中国环境科学出版社，2012.

[2]国家环境保护部.HJ633-2012，中华人民共和国国家环境保护标准环境空气质量指数（AQI）技术规定（试行）[S].北京：中国环境科学出版社，2012.

[3]国家环境保护部.GB3095-1996，中华人民共和国国家标准环境空气质量标准[S].北京：中国环境科学出版社，1996.

[4]张鑫童，徐姗，金华星，等.滁州市空气质量指数（AQI）与气象条件的关系分析[J].安徽农学通报，2017，23（14）：188-192.

[5]姚海涛，唐迪，董钰春，等.江苏省宿迁市气象条件对空气污染的影响[J].江苏农业科学，2015，43（12）：399-405.

[6]白雪，张翠艳，纪源，等.锦州市空气质量变化特征及其与气象条件关系[J].气象与环境学报，2016，32（2）：52-58.

[7]李文杰，张时煌，高庆先，等.京津石三市空气污染指数（API）的时空分布特征及其与气象要素的关系[J].资源科学，2012，34（8）：1392-1400.

[8]熊世为，王曼丽，邓汗青，等.滁州市空气质量与气象要素的关系及其预报方法研究[J].湖北农业科学，2018，57（18）：34-38，43.

[9]张鑫童.滁州市空气质量影响因素的主成分分析[J].安徽农学通报，2018，24（13）：122-124，139.

[10]Hastie T J，Tibshirani R J. Generalized additive models[J].Statistical Science，1986，1（3）：297-310.

[11]王冠岚，薛建军，张建忠.2014年京津冀空气污染时空分布特征及主要成因分析[J].气象与环境科学，2016，39（1）：34-42.

[12]王景云，张红日，赵相伟，等.2012-2015年北京市空气质量指数变化及其与气象要素的关系[J].气象与环境科学，2017，40（4）：35-41.

[13]戴燕燕，张鹏飞.2014-2017年太原市空气质量变化特征分析[J].太原师范学院学报（自然科学版），2019，18（1）：76-81.

[14]贺祥，林振山.基于GAM模型分析影响因素交互作用对PM2.5浓度变化的影响[J].环境科学，2017，38（1）：22-32.

[15]胡成媛，康平，吴锴，等.基于GAM模型的四川盆地臭氧时空分布特征及影响因素研究[J].环境科学学报，2019，39（3）：809-820. （責编：张宏民）