河北省城市PM2.5浓度模型构建研究

朱创业，张昊斐，王 勇

(天津城建大学地质与测绘学院,天津 300384)

河北省城市PM2.5浓度模型构建研究

朱创业，张昊斐，王 勇

(天津城建大学地质与测绘学院,天津 300384)

多年PM2.5浓度序列可用于区域大气污染的时空演变特征分析,现有PM2.5浓度监测数据积累时间短，有必要构建PM2.5浓度模型。以河北省为例，选择空气污染程度不同的 6 个城市(邢台、保定、承德、张家口、唐山、秦皇岛)，开展河北省城市 PM2.5浓度模型构建研究。利用 2013-2016 年的PM2.5浓度与PM10、大气污染物(SO2、NO2、CO 和 O3)观测数据，分析 PM2.5与 PM10、大气污染物(SO2、NO2、CO 和 O3)相关性，PM2.5浓度与 PM10、NO2、SO2和 CO 呈显著正相关，与O3呈负相关。利用逐步多元回归方法分析构建基于PM10与气态污染物的PM2.5浓度模型，模型预测PM2.5浓度与实测PM2.5浓度序列存在较高的相关性，平均偏差优于3.5 μg/m3。河北省城市 PM2.5浓度模型预测值与PM2.5浓度观测值基本吻合。

PM2.5；相关性分析；逐步回归；气态污染物；河北

随着工业化进程的加快和城市化建设的持续推进，城市大气污染物及颗粒污染物浓度增加，重度污染天气频发。PM2.5微颗粒是重度污染天气形成的重要物质，因严重危害人们的身体健康而备受研究者的广泛关注。河北省作为环京津地区，地理位置重要，近年来霾天气的 激增备受人们的诟病,在环保部门公布的 2013、2014、2015 年全国74个城市空气质量状况中,河北省的石家庄、唐山、邢台、邯郸、保定、衡水连续3年进入污染最严重的10个城市榜单[1-3]。在 2016年5月14日,世界卫生组织公布了的 2016 版世界城市空气质量数据库中显示，邢台、保定进入全球细颗粒物(PM2.5)污染前10位[4]。目前国内外不少专家学者针对我国华北重点污染城市的主要污染物浓度变化开展了PM2.5的来源及形成机理研究[5-7]。定量化的PM2.5浓度序列有助于研究区域的大气污染时空演变特征。我国PM2.5的连续观测始于2012年，利用现有的 PM2.5观测数据研究区域大气污染时空演变特征受观测年限短的限制[8]。为获得区域大气污染时空演变特征，有必要构建PM2.5浓度模型。PM2.5微颗粒是组成 PM10颗粒的重要来源,气态污染物(SO2、NO2、CO等)是在一定环境条件下形成 PM2.5的主要气态物质[9-11]，且观测工作开展较早，故可以利用PM10与气态污染物构建PM2.5浓度模型。

本文拟以河北省为例，利用 2013-2016 年的空气质量监测数据，开展 PM2.5与 PM10、SO2、 NO2、CO、O3相关性分析,在此基础上构建基于 PM10与气态污染物的PM2.5浓度模型，并对模型的可靠性进行检验。

1 研究区域选择及研究数据来源

1.1 研究区域选择

河北是全国PM2.5污染最为严重的区域，污染呈南高北低的走势[12]，邢台、保定市是河北南部雾霾最为严重的城市；张家口、承德市受季风影响整体空气质量较好；唐山市是重工业城市，污染严重；秦皇岛是沿海城市，受海洋传输影响空气质量较好[13]。从污染严重性、 地理位置、城市类型、气候等因素考虑，本文选择以上 6 个城市为研究区，开展 PM2.5浓度模型研究。

1.2 研究数据来源

通过天气后报(http://www.tianqihoubao.com/aqi/)下载了2013年10月28日-2016年3月15日邢台、保定、承德、张家口、唐山、秦皇岛 6 个城市的空气质量监测数据。选取6项指标PM2.5、PM10、SO2、NO2、O3、CO的日均浓度值(CO浓度单位为mg/m3，其他观测要素的单位为μg/m3)。以上数据均用于PM2.5与PM10、SO2、NO2、CO、O3相关性分析。本文还将开展PM2.5浓度模型的构建与检验，实验设计如下：选取每个城市2013年10月28日-2015年12月30日相关指标的监测数据，用于各城市PM2.5浓度模型的构建，选用2016年1月1日-2016年3月15日的数据，用于模型可靠性检验。

2 PM2.5浓度与PM10浓度、气态污染物的相关性分析

在进行PM2.5浓度模型构建之前，需要获取PM2.5浓度与哪些要素有关，且分析PM2.5浓度与其他要素的相关性。针对2013-2016年各城市的大气质量监测数据，开展PM2.5浓度与PM10浓度、气态污染物的比较研究，图1为邢台PM2.5浓度与PM10浓度、气态污染物的比较(受篇幅限制仅给出邢台市相关图)，并分析各城市PM2.5浓度与PM10浓度、气态污染物的相关性(表1)。由图1可见，邢台市PM2.5与PM10、SO2、NO2、CO质量浓度变化趋势一致，与O3质量浓度变化趋势相反。由表1可以知，各城市PM2.5与PM10、SO2、NO2、CO呈现显著正相关，相关系数均大于0.567,除邢台、唐山，其余4个城市的观测要素与PM2.5相关性从大到小依次为PM10、CO、NO2、SO2。大气中的SO2、NO2、CO主要来自于原煤的燃烧，说明河北省以煤为主的能源结构是造成河北省PM2.5污染的重要原因。但各城市PM2.5与O3则呈负相关性，因为O3浓度始终与NO2、CO浓度呈负相关。而PM2.5与NO2、CO来源相近且呈正相关，故PM2.5浓度与O3浓度表现为负相关[18]。复相关分析是研究一个变量x0与其他多个变量(x1,x2,…，xn)之间线性相关程度的指标，用复相关系数来测定。取值为[0，1]，其值愈接近1，表明线性相关程度愈密切。表2统计了各城市PM2.5浓度与其它观测要素的复相关分析结果。

表1 PM2.5浓度与PM10浓度、气态污染物的相关性统计

测站PM25与PM10PM25与SO2PM25与N02PM25与COPM25与O3样本数/d邢台0．913∗∗0．706∗∗0．836∗∗0．793∗∗-0．409∗∗866保定0．946∗∗0．758∗∗0．841∗∗0．852∗∗-0．430∗∗866张家口0．839∗∗0．596∗∗0．684∗∗0．775∗∗-0．120∗∗866承德0．879∗∗0．567∗∗0．673∗∗0．787∗∗-0．127∗∗866秦皇岛0．905∗∗0．706∗∗0．722∗∗0．751∗∗-0．184∗∗866唐山0．942∗∗0．682∗∗0．765∗∗0．747∗∗-0．215∗∗866

注：**表示在0.01水平(双侧)上显示相关。

图2 PM2.5模型估算值与实测PM2.5浓度值的比较

表2 PM2.5与PM10、SO2、NO2、CO、O3的复相关分析结果

测站邢台保定唐山张家口承德秦皇岛复相关系数R2087509330898082108440833

由表2可知，各测站复相关系数最小值为0.821,接近于1,表明各测站PM2.5与PM10、SO2、NO2、CO、O3这几个监测指标的线性相关程度密切，可用于PM2.5浓度估算模型的构建。

3 基于PM10与气态污染物的PM2.5浓度模型

3.1 模型构建

多元回归分析[15]是一种处理一个因变量与多个自变量关系的方法，通过多元回归分析，能够得到因变量与自变量的数量关系。该方法作为一种大气污染的传统预测方法，可通过回归建模对污染物质量浓度进行拟合预测。针对2013年10月28日-2015年12月30日期间的各类观测数据，以PM2.5为因变量，PM10、SO2、NO2、CO、O3观测要素为自变量，采用逐步回归方法构建多元线性回归模型。河北省6个城市的PM2.5浓度最优回归模型的常数项和各观测要素的系数见表3。

由表3可知，保定市PM2.5浓度模型自变量SO2系数为0，被剔除。说明自变量SO2在模型建立中对因变量PM2.5所引起的作用被其他自变量代替。

3.2 模型可靠性检验

通过实验设计,将河北省这几个重点城市2016年1月1日-2016年3月15日，共计74d的PM10、SO2、NO2、O3、CO日均质量浓度数据代入各市已建立的PM2.5模型，计算出PM2.5浓度值，并与实测PM2.5浓度值进行比较(图2)，统计结果见表4。

由图2可以看出，邢台、保定、承德、张家口、唐山，秦皇岛6个城市的PM2.5模型的预测值与PM2.5观测值基本吻合，变化趋势一致。但在个别时间点偏差较大，如唐山市、张家口两市2016年3月4日PM2.5预测值与实测值偏差大，查询两地该日的历史天气均为小雨，可以分析到雨水对于PM2.5冲刷，能降低PM2.5的浓度值，下一步可增从表4可知，估算值与实测值的平均偏差绝对值小于3.5；标准差小于20；对两者进行相关性分析计算，相关性大于0.840 8。

表3 各城市PM2.5浓度模型

加预测因子(如气象因素)等优化模型，进一步提高模型预测效果。

表4 各城市模型检验的平均偏差、均方根误差和相关系数

4 结论

本文利用河北省6个城市(邢台、保定、承德、张家口、唐山、秦皇岛)2013年10月28日-2015年3月15日期间空气质量连续观测数据，进行基于PM2.5与PM10和气态污染物的相关性分析，建立6个城市的PM2.5浓度模型，并对模型的可靠性进行了检验，得到的结论如下：

(1)PM2.5与PM10、SO2、NO2、CO呈现显著正相关，相关系数均大于0.567，除邢台、唐山外，其余4个城市的观测要素与PM2.5相关性从大到小依次为PM10、CO、NO2、SO2。PM2.5与O3则呈现负相关性。各测站复相关系数最小值为0.821,接近于1,表明各测站PM2.5与PM10、SO2、NO2、CO、O3这几个监测指标的线性相关程度密切，可用于PM2.5浓度估算模型的构建。

(2)河北省6个城市的PM2.5模型的估算值与实测PM2.5值基本吻合，可利用各市PM10及气态污染物历史数据反演PM2.5浓度值。

[1] 中华人民共和国环境保护部.关于发布国家环境质量标准《环境空气质量标准》的公告[EB/OL].[2014-05-27].http://www.zhb.gov.cn/hjzl/zghjzkgb/lnzghjzkgb/201605/P020160526564151497131.pdf.

[2] 中华人民共和国环境保护部.关于发布国家环境质量标准《环境空气质量标准》的公告[EB/OL].[2015-05-29].http://www.zhb.gov.cn/hjzl/zghjzkgb/lnzghjzkgb/201605/P020160526564730573906.pdf.

[3] 中华人民共和国环境保护部.关于发布国家环境质量标准《环境空气质量标准》的公告[EB/OL].[2016-04-05].http://www.zhb.gov.cn/hjzl/zghjzkgb/lnzghjzkgb/201606/P020160602333160471955.pdf.

[4] 许凯.世卫组织公布中国空气污染最严重的八个城市[N].济南日报，2015-5-31(A02).

[5] 张英娟,张培群,王冀,等. 1981-2013 年京津冀持续性霾天气的气候特征[J].气象,2015,41(3):311-318.

[6] 吴兑,廖碧婷,吴蒙,等. 环首都圈霾和雾的长期变化特征与典型个例的近地层输送条件[J].环境科学学报,2014.34(1):1-11.

[7] 王喜全,孙明生,杨婷,等. 京津冀平原地区灰霾天气的年代变化[J].气候与环境研究,2013,18(2):165-170.

[8] 刘严萍,王勇,赖迪辉. 基于PM10与气态污染物的北京市PM2.5浓度模型研究[J].灾害学,2016,31(2):116-118.

[9] 孟琛琛,王丽涛,张芬芬,等. 邯郸市PM2.5中水溶性无机离子污染特征及来源解析[J].环境科学学报,2015,35(11):3443-3451.

[10]彭应登. 北京近期雾霾污染的成因及控制对策分析[J].工程研究——跨学科视野中的工程,2013,5(3):233-239.

[11]陈仕意,曾立民,董华斌,等. 华北地区乡村站点(曲周)夏季PM2.5中二次无机组分的生成机制与来源解析[J].环境科学,2015,36(10):3554-3565.

[12]王丽涛,潘雪梅,郑佳,等. 河北及周边地区霾污染特征的模拟研究[J].环境科学报，2012,32(4):925-931.

[13]张宝贵,孙丽华. 秦皇岛市空气污染与气象要素的关系[J].气象与环境学报,2009，25(4):43-47.

[14]罗岳平,刘孟佳,甘杰,等. 长株潭城市环境空气中PM2.5和O3质量浓度的相关性研究[J].安全与环境学报,2015,15(4):313-317.

[15]赵静,但琦. 数学建模与数学实验(第3版)[M].北京:高等教育出社,2000:254-269.

Study on PM2.5Concentration Model of the Cities in Hebei Province

ZHU Chuangye, ZHANG Haofei and WANG Yong

(SchoolofGeologyandGeomatics,TianjinChengjianUniversity,Tianjin300384,China)

PM2.5concentrationssequenceformanyyearscanbeusedtotemporalandspatialevolutioncharacteristicofregionalairpollution.DuetotheshortdataoftheexistingPM2.5concentrations,itisnecessarytoconstructaPM2.5concentrationmodel.TakingtheexampleofHebeiprovince,itwasselectedsixcitieswithdifferentairpollutionlevels(Xingtai,Baoding,Chengde,Zhangjiakou,TangshanandQinhangdao)toconstructthemodelsofPM2.5concentration.UsingtheobservationdataofPM2.5,PM10andgaseouspollutantsfrom2013to2016,itwasanalyzedthecorrelationbetweenPM2.5,PM10andgaseouspollutants.TherewasnotablepositivecorrelationexistinginPM10,NO2,SO2andCO,andnegativecorrelationinO3.ItwasconstructedthemodelsofPM2.5concentrationsindifferentcitiesbasedonPM10andgaseouspollutantsbyusingthestepwiseregressionanalysismethod.TherewasahighcorrelationofPM2.5concentrationbetweenthepredictedvalueandthemeasuredvaluewhichtheaveragedeviationwasbetterthan3.5μg/mIn3.Indeed,thePM2.5concentrationmodelisinagreementwithitsobservedvalues.

PM2.5;correlationanalysis;stepwiseregression;gaseouspollutants;Hebei

10.3969/j.issn.1000-811X.2017.02.037.]

2016-08-02

2016-09-14

河北省自然科学基金(D2015209024))；天津城建大学大学生科研立项(156410)

朱创业(1992-)，男，河南夏邑人，本科生，主要从事GPS气象学研究.E-mail： 937276576@qq.com

王勇(1978-)，男，江西宁都人，博士，教授，主要从事GPS气象学研究.E-mail： wangyongjz@126.com

X43；X513

A

1000-811X(2017)02-0210-05

10.3969/j.issn.1000-811X.2017.02.037

朱创业,张昊斐,王勇. 河北省城市PM2.5浓度模型构建研究[J]. 灾害学，2017，32(2)：210-214. [ZHU Chuangye，ZHANG Haofeiand and WANG Yong. Study on PM2.5Concentration Model of the Cities in Hebei Province[J]. Journal of Catastrophology，2017，32(2)：210-214.