市域PM10污染研究

前言：本站為你精心整理了市域PM10污染研究范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

本文作者：張瑜1王曉濤2作者單位：1.浙江傳化集團2.陜西省環境科學研究院

大氣污染是由于人類活動或自然災害造成某些污染物質進入大氣中，對空氣環境質量及人類身體健康造成危害的過程。大氣污染物一般按種類分為兩類：氣溶膠狀態和氣體狀態。此外根據污染物粒徑大小也可分為“總懸浮顆粒物”和“可吸入顆粒物”。總懸浮顆粒物（TSP）指其直徑≤100um的懸浮顆粒物。可吸入顆粒物（pm10）指直徑≤10um的懸浮顆粒物。

1可吸入顆粒物（PM10）的危害

懸浮顆粒物的增加，一方面降低空氣能見度，影響了人們的正常交通、生活，另一方面，其表面吸附許多有害物質，人體吸入后會導致哮喘、咳嗽等，造成呼吸系統疾病，嚴重時對肺部組織造成傷害，還可造成肺功能損害，引發心臟病及各種呼吸道疾病等。此外懸浮顆粒物還能引起眼結膜炎及皮膚炎。所以從目前來看，“致癌”，“致畸”，“致突變”是可吸入顆粒的主要危害。

2研究思路

本研究主要依據西安市大氣自動監測站提供的2006年6月至2010年3月的PM10實測資料和同步氣象資料開展研究。

首先，分析資料找出各季節氣象因素變化規律及特征，對量化因子（濕度、氣壓、風速、輻射量、日照時數、氣溫等）進行統計分析，對屬性因子（天氣形式、總云量、能見度、風向等）開展頻率分析。

其次，分析PM10污染特征了解西安市PM10污染概況，研究不同時段、不同氣象條件下PM10污染的年、季、月，采暖期與非采暖期的均值變化特征。

再次，從氣象條件和PM10污染濃度值的關系著手，對API指數≥200的（即空氣質量級別大于四級）的污染日對應的氣象因子逐一進行統計，用“一元相關分析”創建PM10和各氣象因素的相關性特征，繪制趨勢圖并計算相關系數，分析得到影響PM10污染的主要氣象因子。

最后，從氣象因子中篩選出與PM10污染相關性好的因子作為預報因子，用多元統計分析中的“主成分回歸法”建立預報模型，并對模型進行檢驗。

3PM10與氣象因素分析

城市中大氣污染濃度雖然主要由廢氣污染源排放決定，但與其所在地區的氣象因素也有很大關系，它在一定程度上控制著污染源的稀釋、擴散及累積。所以氣象變化能引起PM10污染程度的變化。PM10與各氣象因子的關系是用“一元線性回歸”法進行分析，創建PM10與其“一元方程”，計算相關系數。繪制“一元線性回歸曲線”，得出方程和“復測定系數”R2，從而衡量各氣象因子與PM10之間相關性，判定依據為：“當R>0.254時，兩者顯著相關，用**表示，當0.254>R>0.195時，兩者相關，用*表示，當R<0.195，兩者不相關”。表1為氣象因子與PM10濃度的相關性（僅列出顯著相關的）。

以上通過對PM10與各氣象條件的相關分析，很容易看出如下結論：

3.1PM10與08風速、14風速、平均風速、08濕度、日均濕度、08氣溫-08露溫、日照時數、總輻射量、凈輻射量、08能見度、14能見度，共11個氣象要素對PM10濃度變化有顯著影響。

3.2PM10濃度與08氣溫、08濕度、日均濕度、08露溫呈正相關，與凈輻射量、總輻射量、14能見度、平均風速、08氣溫-08露溫、08能見度、日照時數是負相關性。

4建立PM10預報模式

目前的西安市預報模式是用“逐步回歸法”創建的，其自變量有20個氣象因子，預報準確率是70%左右。本次研究使用2008年1月1日-2009年12月31日共730天的數據，在上述分析的基礎上，從20個氣象因子中選出08風速、日照時數、14風速、總輻射量、08濕度、平均風速、日均濕度、08氣溫-08露溫、凈輻射量、08能見度、14能見度，共11個對PM10污染貢獻較大的氣象要素作為預報因子來建立西安市PM10污染預報模型。用2010年1月1日-3月15日共三月74天的數據進行檢驗。

4.1預報模型建立

本文預報模型建立主要采用主成分回歸法，先將原始數據標準化，建立相關系數矩陣，求特征根對應的特征矢量即可找出主成分，根據其貢獻率選出若干主成分，再結合多元線性回歸法即可建立預報模型，其具體計算步驟如下：

4.1.1將原始數據標準化。

4.1.2建立變量的相關系數陣：

R=(rij)p×p不妨設R=X′X

4.1.3求R的特征根λ1≥λ2≥≥λp＞0及相應的單位特征向量：（略）。

4.1.4寫出主成分

Fi=a1iX1+a2iX2++apiXpi=1，，p

4.1.5計算主成分的貢獻率，找出基本包含全部信息的主成分F1、F2、Fk。

4.1.6寫出回歸方程式：01122kkYFFF4.1.7用最小二乘法確定回歸系數β0、β1、β2、βk。根據以上方法及步驟可計算并寫出回歸方程式，用最小二乘法確定回歸系數，最終可得到如下預報方程。預報方程為：（略）。

4.2預報模型檢驗

模型建好之后，需要對其進行檢驗，檢驗包括兩個方面。一是回歸方程的F檢驗，用以檢驗預報方程的顯著性。二是預報準確率檢驗，以考察預報方程的準確程度。本課題所采用的檢驗方法為：

4.2.1預報準確率（%）=1-|預測值-實測值|/實測值×100％

4.2.2預報級別命中率：（預報值級別與實測值相同的天數/總天數）×100%

4.2.3級別偏差=|實際級別-預報級別|使用2010年01月01日-03月15日，共74天的PM10每天實測數據進行檢驗。計算預報準確率。2010年1、2、3月預報值和實測值曲線見圖1。本課題所建立預報模型的準確率為79.06％，級別命中率為79.7％。

5結論

5.1使用“一元相關分析法”研究氣象條件對PM10變化的影響經過分析檢驗證明，只有08風速、日照時數、14風速、日均濕度、平均風速、總輻射量、08濕度、08氣溫-08露溫、凈輻射量、08能見度、14能見度共11個氣象因子對PM10濃度變化產生顯著性影響。

5.2引入對PM10濃度有較大影響的11個因子用主成分回歸法建立預報模型，用2010年中前74天的PM10濃度進行檢驗，準確率為79.06%，級別命中率為79.7%。