当前位置:文档之家› 环境空气质量变化及与气象关系

环境空气质量变化及与气象关系

基于小波分析的上海市环境空气质量变化及与气象关系研究程涛
【摘要】: 近年来,随着工业生产的发展和城市人口的迅速增长,城市大气污染日趋严重,这使人民的生命和财产受到了严重的威胁,因此我们在发展生产的同时迫切需要保护和改善环境。尤其是空气环境,空气质量的好坏一方面取决于污染源的多少、性质和排放强度,另一方面还要依据当时、当地的气象条件而定。在不同气象条件下,同一污染源排放所造成的地面污染物浓度可相差几十倍乃至几百倍。气象条件与空气质量的关系十分密切,为了改善上海市地区的空气质量,我们很有必要研究该地区气象条件与空气质量的关系。大气污染物含量具有一定的年变化、日变化规律,在时域中存在多层次时间尺度结构和局部化特征,包括主周期变化和突变点变化,分析大气污染物的本身规律,来进行短时间的预测和突变点原因分析很有必要。 本文工作是在上海市环境监测中心在四个国控点,分别包括杨浦区第四漂染厂(工业区域)、虹口区海南路(商业区域)、普陀区环境监测站(居住区域)和淀山湖环境监测站(清洁对照点)2005年12月31号12时—2006年5月11号9时的实测小时数据基础上,采用具有可变分辨率、能够提供信号在时域和频域上局部化信息的小波分析法来研究上海市环境空气质量的变化规律和趋势及其与气象的关系,得出上海市环境空气质量浓度时间序列变化的周期性和突变性以及突变点发生的具体时间和原因,并对其短时期内的变化趋势进行预测。 本文研究发现近半年来四个区的相对湿度、气温和PM_(10)的变化接近,无论是从第一,二主周期上,还是从突变点的变化情况来看,虽然是四个不同的功能区,每区的情况各有不同,但相对湿度、气温和PM_(10)的第一主周期均在14天左右,也就是两个星期,与之对应的是第二主周期均在5天左右。主要是由于气温的变化直接影响到相对湿度的变化,而相对的湿度的变化又和PM_(10)的变化直接相关,另一方面,从它们的第一主周期在14天左右,主要是和大气低频振荡相关,而与各区局部的天气情况相关性较小,所以对这三个因子而言四个区的整体情况比较类似。 在进行各区对比研究时发现,虹口区与杨浦区的SO_2、PM_(10)、NO_2三个空气质量因子的主周期和突变点的变化相当接近,第一主周期在14天左右,第二主周期在5天左右,表明两区的SO_2、PM_(10)、NO_2季节变化规律相当的一致。这种典型的季节变化规律与天气条件如逆温、风向、风速等关系密切,由此一致性可以推定,二氧化硫、二氧化氮和可吸入颗粒物的排放源,排放方式及变化规律

之间的某种共性。普陀区监测站与青浦区监测站两地的空气质量因子的各项指标比较接近:如SO_2、NO_2的第一主周期和第二主周期都已经很接近,第一主周期在19天左右,第二主周期5天左右,在突变点方面,PM_(10)、O_3和NO_2空气质量因子也很接近,这主要是因为氮氧化合物主要是和机动车的尾气相关,随着近年来经济的发展,郊区所拥有的机动车的数量越来越多,所以氮氧化合物的变化已经和市区的同步。 对臭氧时间序列进行小波分析发现:臭氧的第一主周期不同于其他各空气质量参数,除青浦清洁对照区外,臭氧的第一主周期均在5天左右,而其他各空气质量参数的第一主周期均在14天以上,由此可认为臭氧的变化机理不同于PM_(10)、NO_2和SO_2的变化。而在清洁对照区青浦淀山湖臭氧的第一主周期达到了20天,据此推定,臭氧的变化之所以与城区的三区不同,关键还是在郊区机动车辆和工业比城区的少,在城区由于机动车排放的氧化氮和城市工业在燃烧矿物燃料时排放的氮氧化物和碳氢化合物等一次污染物在空气中遇到阳光,就可能转化为臭氧等二次污染物,形成光化学烟雾污染。 在进一步研究各空气质量因子的突变点变化的原因时,发现除了人为排放源的影响外,天气形势的变化是重要原因如寒潮、沙尘暴、逆温及热岛效应的影响。 依据小波系数变化过程的高中低三个尺度的变化趋势和等值线的变化情况,可以预测今后几天内的污染物浓度的变化。小波系数正的浓度较大,小波系数为负的浓度较小。可以预测在今后的4到5天内,虹口区SO_2和O_3浓度将由继续减少,PM_(10)和NO_2的浓度先减小后增加。普陀区SO_2、PM_(10)和O_3浓度先减小后增加,而NO_2的浓度总体上继续增加。杨浦区SO_2、NO_2和PM_(10)的浓度是先减小后增加,而O_3的浓度在1到2天内小幅度增加到最大值,然后开始减小。青浦SO_2、PM_(10)和NO_2的浓度是先减小后增加,O_3的浓度将由先微弱上升然后一直减小。并且经过实测值的检验与预测值较好的保持一致。 总之,小波分析方法克服了傅里叶分析不能实现时域局部化和短时傅早叶分析窗口大小不能随频率变化而调节的不足,它不仅能识别空气质量时间序列隐含的主要周期,而且能给出其时频同时的局部化结构,为分析空气质量序列多时间 尺度的强弱变化、分布和突变点发生的具体时间提供了一条新途径。

相关主题
文本预览
相关文档 最新文档