武汉市空气污染状况及其与气象条件的关系

武汉市居民区大气VOCs的污染特征和来源解析作者：沈龙娇梁胜文吴玉婷项萍陈安雄陈怡来源：《南京信息工程大学学报（自然科学版）》2018年第05期摘要于2016年7月—2017年6月在武汉市典型居民区对大气中101种挥发性有机物（VOCs）进行了监测，以便研究武汉市典型居民区周边VOCs的组成特征和变化规律，并探讨了其主要来源.结果表明，武汉市空气中VOCs的体积分数为（4624±2457）×10-9，表现为烷烃>含氧有机物>烯烃>卤代烃>芳香烃.受交通排放影响烷烃的比例上午高于下午，1月机动车尾气为武汉市主要的VOCs排放源，夏季含氧类化合物浓度高于冬季，可能更多地受本地喷涂等溶剂使用行业和光化学反应生成的影响，5—9月表现出明显的生物源排放特征.利用正交矩阵因子分析（PMF）得到武汉市居民区大气VOCs主要有6个来源，分别为燃烧源、机动车尾气、工业排放、溶剂使用、汽油挥发和植物排放.其中，燃烧源、机动车尾气贡献比例最高，是该区域VOCs控制的重要排放源.关键词挥发性有机物（VOCs）；PMF受体模型；源解析中图分类号X51文献标志码A0引言挥发性有机物（VOCs）作为光化学烟雾的关键前体物，在细颗粒物和臭氧的二次生成中扮演着重要角色[1].大量研究表明，城市地区高浓度的臭氧和二次细颗粒物的形成都围绕着VOCs的光化学过程，加强对VOCs的研究是控制城市光化学污染和细颗粒物污染的关键环节之一[25].武汉市作为华中区域中心城市，具有独特的地形条件和气候特征，拥有大量石油化工、基础化工、汽车喷涂、印刷等VOCs的重要人为来源，机动车保有量逐年快速攀升.近年来大气污染事件频发，臭氧已成为除PM25以外的第二大污染物，因此迫切需要对武汉市臭氧污染进行全面深入的研究.曾沛等[6]、Lu等[7]对武汉市VOCs的污染特征及其对臭氧的影响进行了分析，认为烯炔烃对臭氧的生成潜势最大，然而针对武汉市功能区环境空气中的VOCs的来源分析报道较少，有关研究十分缺乏.基于此，本研究于2016年7月—2017年6月在武汉市典型居民区周边开展挥发性环境样品的采集工作，分析大气挥发性有机物的组成和污染特征，并开展了VOCs的来源解析，为大气污染的控制和治理提供科学依据.1实验部分11样品采集与分析本研究采样时间为2016年7月—2017年6月，采样地点位于武汉市武昌区某一建筑楼顶，该区域为武汉市中心城区，周边人口众多、经济繁华、车流量大，工业企业分布较少，以居民区为主，可以作为典型居民区挥发性有机物的采样点，采样高度约为30m.点位处于武汉市中心城区，采样频率为每月3d，原则上采用连续3d采样，采样期间均为晴好天气，如遇阴雨天气或者仪器故障则顺延，采集瞬时样品，采样时间为9时和15时，分别代表光化学反应发生的开始时段和较强时段.使用体积为32L的不锈钢采样罐（美国Entech公司）采集环境样品，最大承受压力50psia（压力单位，磅/平方英寸）.采用美国EPATO15方法中的罐采样低温冷阱预浓缩和GCMSD/FID技术分析环境空气中的VOCs物种，测试仪器为北京大学和武汉天虹公司自主开发的TH300GCMSD/FID系统，测定组分为101种，包括烷烃28种、烯炔烃12种、芳香烃17种、卤代烃34种、含氧有机物（OVOCs）9种及二硫化碳.样品经过预浓缩仪（美国Entech7100A）低温富集，解吸后迅速注入GC.根據目标化合物的性质，用HewlettPackard7890A气相色谱（Agilent公司）配合不同色谱柱对样品进行分离.利用DeanSwitch使大部分组分通过DB624色谱柱（60m×025mm×18μm，J&WScientific）进行分离并利用质谱进行定量分析，另外8种C2～C4组分通过PLOT（Al/KCl）色谱柱（30m×025mm×30μm，J&WScientific）进行分离并进入FID进行定量分析.GC柱箱的初始温度设置30℃，然后以5℃/min升温至120℃，再以6℃/min升温至180℃，全程运行47min.分析过程的质量控制和质量保证主要包括：利用目标组分与内标组分之间浓度的比值和响应的比值，建立工作曲线，用于目标化合物的定性和定量分析.研究中选择4种内标化合物：溴氯甲烷、1，4二氟苯、氘代氯苯、1溴4氟苯（美国ScottSpecialtyGases公司）.采用动态稀释配气仪（美国Entech4600）用高纯氮稀释至8×10-9（体积分数）.同时运用内标法对目标组分定量，在（05～8）×10-9范围内选择5个浓度点建立工作曲线.测定结果表明，各组分工作曲线平方相关系数均大于099，表明目标化合物浓度与色谱峰面积之间线性相关性较好.大部分组分的方法检测限在15×10-12以下，可以实现对目标组分的准确定量.大部分组分的测量精度都在10%以内，从而确保整个实验结果的准确性和精密度.该VOCs在线系统的原理、参数设置及质控措施参见文献[7].12PMF模型正交矩阵因子分析（PositiveMatrixFactorization，PMF）广泛用于颗粒物及VOCs的来源解析.本研究使用美国EPA发布的PMF50对武汉市典型居民区的VOCs样品进行来解析.方法如下：xij=∑pk=1gikfkj+eij，（1）Q=∑ni=1∑mj=1xij-∑pk=1gijfijuij2，（2）式中，xij为j次观测的污染物i的浓度，k为因子，gik和fkj分别为污染源成分谱和污染源贡献，eij为随机误差.p是源的个数，对于给定的p值，求解目标函数的最小值，就可以得到gik和fkj的结果.uij是每个原始数据的不确定值.其他有关于PMF模型的参数说明参见文献[810].2结果与讨论21VOCs组成及浓度水平采样期间VOCs的体积分数范围为2140×10-9～12734×10-9，平均为（4624±2457）×10-9，其中烷烃>OVOCs>烯烃>卤代烃>芳香烃，这与长沙、北京、韩国首尔等地区相似[812]，与武汉市2013年秋冬季VOC主要物种的体积分数[7]相比，乙烯和芳香烃类化合物浓度有所下降，但烷烃、丙烯和异戊二烯的浓度升高.其中，平均体积分数较高的物种依次为丙烷（725×10-9）、丙酮（593×10-9）、乙烷（456×10-9）、乙烯（295×10-9）、异戊烷（287×10-9）、乙炔（277×10-9）、正丁烷（219×10-9）、异丁烷（216×10-9），累计占总VOCs体积分数的663%，如图1，可以看出武汉市VOCs体积分数最高的物种主要是与工业排放有关的丙酮和低碳组分.武汉与其他典型城市关键VOCs组分平均浓度比较如表1所示，丙烷是液化石油气（LPG）挥发和泄漏的示踪物质[11]，武汉市丙烷浓度水平远高于其他城市，可能与点位周边的局地排放有关，点位周边以居民住宅为主，餐饮行业较为密集.异戊烷是汽油挥发的示踪物种，也是机动车尾气排放的典型物种[12].2016年底武汉市机动车保有量达到231万辆，全国排名第11位[13]，呈现快速增长趋势.武汉异戊烷的浓度在列表中仅低于北京，高于其他城市，说明点位周边机动车排放较为集中.异戊二烯在夏季主要来自植被排放，在秋冬季可能来自机动车尾气或橡胶制造相关的企业[1415]，武汉异戊二烯浓度水平低于北京、南京，与重庆持平，高于上海、广州、济南，一方面与城市间绿化面积差异有关，也可能受到采样时间的影响.苯、甲苯和间/对二甲苯主要来自工业排放和溶剂使用[16]，采样期间芳香烃的浓度要普遍低于其他城市，这与不同城市的工业布局及VOCs采样点周边工业较为分散有关.一日之中VOCs的组成受到源强、化学过程和气象条件多种因素的影响.将武汉市上午（9时）和下午（15时）两个时段VOCs的化学组成结构进行了对比（图2），可以发现上午VOCs的平均体积分数为5290×10-9，下午为3966×10-9，整体上VOCs上午的浓度水平要高于下午.对于人为源污染来说，9时高于15时与交通排放（9时为交通高峰期）、去除速率低（光化学刚开始）有关.烷烃的占比上午显著高于下午，而卤代烃则相反，烯烃、芳香烃和OVOCs的占比变化较小.烷烃在城市地区主要来自燃烧过程，包括机动车尾气、燃煤和生物质燃烧[20].燃煤和生物质燃烧具有季节周期性，说明武汉市VOCs 物种浓度及化学组成受机动车尾气排放的影响较大.卤代烃在工业上常被用于电子行业、机械行业、化工行业等作为溶剂、清洗剂和化学反应介质[21].卤代烃通过挥发作用进入大气，因而受温度影响显著，15时处于一天中温度最高时段，光化学反应活跃，因而卤代烃的比例下午高于上午.22VOCs的时间变化特征由于VOCs的源、汇强度的差别，因而表现出的季节变化规律也不尽相同[22].通过比较武汉市4个季节VOCs的化学组成（图3），发现四季中烷烃和OVOCs是最主要的两类VOCs组分，其次是卤代烃、烯烃和芳香烃，但不同季节各类主要组分的污染水平有较大差异.烷烃、烯烃、芳香烃秋冬季节的浓度较高，夏季较低，含氧类化合物夏季的浓度显著高于秋冬季节，卤代烃的浓度水平季节变化特征不明显，这与郑州[23]、天津[24]、南京[25]等城市变化特征不太一致，可能是由于武汉市夏季的气候条件、本地污染源行业和光化学反应机制不同导致.烷烃主要来自一次排放，夏秋季浓度升高主要是由于高温下烷烃的挥发作用更为显著，春季浓度最低的原因有待于进一步分析.烯烃和乙炔除来自工业排放外，城市地区燃烧是其重要来源.秋冬季节除了机动车尾气排放外，还有生物质燃烧及燃煤等活动，因而燃烧特征在秋冬季更为显著.芳香烃秋季浓度最高，其余季节浓度水平相当，推测与本地污染源强有关.卤代烃主要来自工业排放，其在大气中的浓度除受环境温度的影响外，还与局地工业生产活动密切相关，因此卤代烃的季节变化特征并不显著.OVOCs的来源复杂，一部分来自于天然源和人为源的直接排放，另一部分则来自于大气光化学反应的二次转化过程，是光化学烟雾过程中重要的中间产物.OVOCs主要来自工业溶剂排放和光化学过程[2021]，OVOCs在工业上被广泛用作溶剂，尤其是在喷涂行业，如乙酸乙酯就主要是涂装的溶剂使用，而丙酮是重要的化工材料，在不同工业行业均被广泛用于溶剂.夏季温度高、光辐射强，挥发强度和二次生成速率均高于冬季，导致夏季OVOCs浓度高于冬季，可能更多地受本地喷涂等溶剂使用行业和光化学反应生成的影响.总的VOCs体积分数秋季最高，为5695×10-9，其次為夏季，体积分数为5102×10-9，春季最低，为3158×10-9，主要与污染物的源强和气象条件有关.夏季与挥发有关的VOCs类浓度排放强度大于冬季，但与燃烧排放有关的VOCs物种排放强度在秋冬季高于夏季.武汉属于亚热带季风气候，夏季平均气温约30℃，冬季平均气温仅约8℃.夏季高温、日照强烈的情况下，OH自由基等活性物种浓度相对较高，对VOCs的化学清除作用加强，武汉市降雨多集中在每年6—8月，会对污染物有一定清除作用，污染物的累积过程相对减少.冬季干燥少雨，紫外线强度减弱，光化学反应弱，边界层下降，湍流作用缓慢，污染物不易扩散和稀释，容易造成累积.23特征比值VOCs的污染水平会受到VOC物种的来源、光化学的消耗和生成作用的影响.因此本研究中选取了来源不同，但OH反应常数类似、大气寿命相近的物种对比值进行来源的判断.图4展示了i戊烷/乙炔、甲苯/乙烯、异戊二烯/1，3丁二烯比值的月均变化规律.乙炔、乙烯和1，3丁二烯的主要来源为机动车尾气排放，i戊烷、甲苯和异戊二烯同时也受到汽油蒸发、溶剂和油漆使用的影响，图4（左）中i戊烷/乙炔、甲苯/乙烯夏季较冬季的比值高主要是由于夏季高温可以增加汽油和油漆的挥发速率.其中7月i戊烷/乙炔比值出现了低值可能是由于2016年7月武汉处于梅雨季节，采样期间虽然避开了下雨天，但由于空气湿度较大，挥发作用表现得并不明显.8月甲苯/乙烯比值出现了明显低值，可能是由于采样期间局地机动车尾气的排放.1月异戊二烯/1，3丁二烯的比值为087，接近机动车尾气排放的异戊二烯/1，3丁二烯比值（03～05）[19]，表明1月机动车尾气为武汉市主要的VOCs排放源，5—9月异戊二烯/1，3丁二烯的比值范围为5～35，大大高于1月比值，表明5—9月生物源为武汉市异戊二烯的主要来源，体现出明显的生物源排放特征，这与Wang等[19]研究北京市VOCs的时空分布和来源解析中的规律相同.24VOCs的来源解析综合考虑VOCs组分的浓度、物种示踪意义、物种活性，本研究中最终筛选了28种拟合物种来解析各类排放源对大气VOCs的相对贡献，主要包括：9种C2～C8烷烃、7种C2～C5烯烃、乙炔、5种芳香烃、5种卤代烃和MTBE（甲基叔丁基醚）.在因子选择上，本研究测试了3到8个因子的解析结果，随机从不同样品开始计算Qtrue、Qrobust的值差异较小，根据因子指示意义的可解释度最终确定6个因子.PMF模型运算后Qrobust=32493、Qtrue=36858，二者比值为113，在1～15区间内，接近1，拟合结果收敛.各物种残差均符合正态分布，主要分布在-3～+3范围内.各物种拟合值与实测值之间相关系数主要分布在07和10之间.每个因子的绝对浓度和各因子对VOCs组分变化的解释率（因子解释率）如图5所示.下面将逐一对各个因子的特征进行介绍，并确定各个因子所对应的排放源.因子1中主要组分为C7～C8芳香烃：甲苯、乙苯、间/对二甲苯和邻二甲苯.甲苯等苯系物是溶剂使用时的挥发产物[26]，涂料和溶剂使用过程中会排放大量的芳香烃，因而将因子1识别为与溶剂使用相关的排放源.因子2中优势组分为异戊烷和正戊烷，还有部分甲基叔丁基醚（MTBE）.异戊烷是汽油挥发的典型示踪物种[27]，MTBE是提高汽油辛烷值的一种汽油添加剂，因此，本研究将因子2识别为汽油挥发源.因子3中主要组分是卤代烃，包括氯甲烷、二氯甲烷、三氯甲烷以及1，2二氯乙烷和1，2二氯丙烷.氯代烃相关的化工业渗透到日常生活的方方面面，包括农药、医药、化学纤维、塑料、橡胶还有专用日用化学品等，另外在电子产品中也会用到二氯甲烷等作为电路板清洗剂.卤代烃类物种被认为是工业源排放的示踪物[28]，因此因子3识别为工业排放源.因子4中既有C2～C6烷烃，也有乙烯、丙烯、1，3丁二烯等C4烯烃、乙炔、MTBE、苯和甲苯.MTBE主要存在于汽油产品中.异戊烷是汽油挥发的示踪物种，正戊烷、异丁烷等同时存在于汽油挥发和机动车尾气中[29]，而因子1中还含有汽油燃烧的产物乙烯、丙烯、乙炔、1，3丁二烯等.乔月珍等[30]选取轻型汽油车、重型柴油车和摩托车等城市典型机动车种采用底盘测功机及实际道路实验得出不同类型车辆（小轿车、出租车、公交车、卡车、摩托车和LPG助动车）的尾气排放源谱，乙炔、异戊烷、苯和甲苯是主要的尾气排放物种，因而因子4具有明显的机动车尾气排放特征.因子5中主要组分为典型燃烧排放物种，包括乙烷、丙烷、乙烯、乙炔以及苯，因此将其归属为燃料燃烧源.因子6中主要物种为异戊二烯.异戊二烯在夏季主要来自植被排放，冬季可能来自交通和工业排放，考虑到因子6中异戊二烯是绝对优势组分，异戊二烯是植物排放的标识性部分[1315，31]，因此，将因子6归属为植物排放源.通过PMF解析出的6类源对环境VOCs的贡献百分比（图6）可以看出，燃烧源占比308%，机动车尾气占比306%，工业排放占比147%，溶剂使用占比109%，汽油挥发和植物排放分别占比97%、33%.不同城市VOCs的来源结构存在一定的差异，这主要与城市工业类型、能源结构方式、机动车保有量等密切相关，本研究中燃烧源的比例较高（308%），远远高于天津市燃烧源的排放比例（108%）[32]，可能是由于本研究选取的居民区代表性点位，周边存在民用燃煤、液化石油气等化石燃料的排放.各城市的VOCs来源也有一定的共性特征，如机动车尾气、燃油挥发等与交通排放有关的污染源，本研究中机动车尾气源的贡献（306%）与天津[32]、上海[33]、南京[34]等城市机动车尾气的排放比例较为接近，为25%～33%，与2013—2015年由北京大学团队开展的武汉市VOCs排放清单研究成果对比验证具有可比性.针对这一区域而言，溶剂使用和工业排放是仅次于燃烧源和机动车尾气排放的重点源类.3结论1）观测期间VOCs平均体积分数为（4624±2457）×10-9，其中烷烃>含氧有机物>烯烃>卤代烃>芳香烃，VOCs体积分数最高的物种主要为与工业排放有关的丙酮和低碳组分.丙烷浓度水平高于北京、上海、广州等城市，可能受采样点位周边餐饮源密集影响，异戊烷的浓度僅低于北京，高于其他城市，说明点位周边机动车排放较为集中，异戊二烯浓度处于中等水平，芳香烃的浓度低于其他城市.VOCs上午的浓度水平整体要高于下午，烷烃的占比上午显著高于下午，而卤代烃则相反，烯烃、芳香烃和OVOCs的占比变化较小.2）总的VOCs体积分数秋季最高，为5695×10-9，其次为夏季，体积分数为5102×10-9，春季最低，为3158×10-9，主要与污染物的源强和气象条件有关.不同季节VOCs组分的浓度变化特征与郑州[13]、天津[32]、南京[34]等城市不太一致.烷烃夏秋季节的浓度较高，烯烃秋冬季节的浓度较高，夏季较低，含氧类化合物夏季浓度显著高于秋冬季节.1月机动车尾气为武汉市主要的VOCs排放源，5—9月除机动车外，生物源排放为武汉市异戊二烯的主要来源，体现明显的生物质源排放特征.3）通过PMF模型解析出武汉市典型居民区大气中挥发性有机物主要是6类源，分别为燃烧源、机动车尾气源、工业排放源、溶剂使用源、汽油挥发源和植物排放源.观测期间对VOCs 浓度贡献最大的源类为燃烧源，贡献率为308%，其次为机动车尾气（306%）、工业排放（147%）、溶剂使用（109%）、汽油挥发（97%）和植物排放（33%）.燃烧源的贡献率较高，机动车尾气源的贡献（306%）与同等城市机动车尾气的排放比例较为接近，与2013—2015年由北京大学团队开展的武汉市VOCs排放清单结果对比验证具有可比性.参考文献References[1]SeinfeldJH，PandisSN，SeinfeldJH，etal.Atmosphericchemistryandphysics：fromairpollutiontoclimatechange[J].EnvironmentScience&PolicyforSustainableDevelopment，1998，40（7）：2626[2]陆思华，白郁华，张广山，等.大气中挥发性有机化合物（VOCs）的人为来源研究[J].环境科学学报，2006，26（5）：757763LUSihua，BAIYuhua，ZHANGGuangshan，etal.Sourceapportionmentofanthropogenicemissionsofvolatileorganiccompounds[J].JournalofEnviron mentalSciences，2006，26（5）：757763[3]邵敏，劉莹，陆思华.大气挥发性有机物活性和来源研究[C]∥全国环境化学学术大会，2007SHAOMin，LIUYing，LUSihua.StudyonchemicalreactivityandsourceapportionmentofatmosphericVOCs[C]∥NationalConfe renceonEnvironmentalChemistry，2007[4]史建武.中国北方城市大气挥发性有机物活性及来源研究[D].天津：南开大学，2010SHIJianwu.StudyonchemicalreactivityandsourceapportionmentofatmosphericVOCsinnorthernciti es[D].Tianjin：NankaiUniversity，2010[5]周炎，岳玎利，张涛.春季广州城区空气中VOCs来源解析[J].环境监控与预警，2017，9（1）：4247ZHOUYan，YUEDingli，ZHANGTao.SourceapportionmentofspringambientvolatileorganiccompoundsinGuangzhou[J].Envion mentalMonitoringandForewarning，2017，9（1）：4247[6]曾沛，郭海，梁胜文，等.武汉市大气VOCs污染特征及其对臭氧生成的影响[J].环境科学与技术，2018，41（7）：117124ZENGPei，GUOHai，LIANGShengwen，etal.AmbientvolatileorganiccompoundsandtheircontributionstoozoneformationinWuhan[J].Environme ntalScience&Technology，2018，41（7）：117124[7]LuX，ChenN，WangY，etal.RadicalbudgetandozonechemistryduringautumnintheatmosphereofanurbansiteincentralChina[J].Jo urnalofGeophysicalResearchAtmospheres，2017，122（6）：36723685[8]NaK，YongPK.SeasonalcharacteristicsofambientvolatileorganiccompoundsinSeoul，Korea[J].AtmosphericEnvironment，2001，35（15）：26032614[9]SaitoS.CharacteristicsofambientC2-C11nonmethanehydrocarbonsinmetropolitanNagoya，Japan[J].AtmosphericEnvironment，2009，43（29）：43844395[10]XuJ，ZhangX，XuX，etal.MeasurementofsurfaceozoneanditsprecursorsinurbanandruralsitesinBeijing[J].ProcediaEarth&Pla netaryScience，2011，2（1）：255261[11]YuanZ，LauAKH，ShaoM，etal.Sourceanalysisofvolatileorganiccompoundsbypositivematrixfactorizationinurbanandruralenviron mentsinBeijing[J].JournalofGeophysicalResearchAtmospheres，2009，114（D2）：47234734[12]WangM，ShaoM，ChenW，etal.Atemporallyandspatiallyresolvedvalidationofemissioninventoriesbymeasurementsofambientvolatil eorganiccompoundsinBeijing，China[J].AtmosphericChemistry&Physics，2014，14（12）：58715891[13]武汉市统计局.武汉市统计年鉴（2016）[M].武汉：中国统计出版社，2017：79408WuhanDistrictBureauofStatistics.Wuhanstatisticalyearbook：2016[M].Wuhan：ChinaStatisticsPress，2017：79408[14]WangB，ShaoM，LuSH，etal.VariationofambientnonmethanehydrocarbonsinBeijingcityinsummer2008[J].AtmosphericChemist ry&Physics，2010，10（13）：55655597[15]YuanB，ShaoM，LuS，etal.SourceprofilesofvolatileorganiccompoundsassociatedwithsolventuseinBeijing，China[J].AtmosphericEnvironment，2010，44（15）：19191926[16]CaiCJ，GengFH，TieXX，etal.Characteristicsofambientvolatileorganiccompounds （VOCs）measuredinShanghai，China[J].Sensors，2010，10（8）：784362[17]安俊琳，朱彬，王红磊，等.南京北郊大气VOCs变化特征及来源解析[J].环境科学，2014，35（12）：44544464ANJunlin，ZHUBin，WANGHonglei，etal.Characteristicsandsourceapportionmentofvolatileorganiccompounds（VOCs）inthenorthernsuburbofNanjing[J].EnvironmentalScience，2014，35（12）：44544464[18]翟崇治，刘芮伶，余家燕，等.重庆城区大气VOCs的浓度变化特征与臭氧生成潜势[J].环境影响评价，2013（6）：4549ZHAIChongzhi，LIURuiling，YUJiayan，etal.Characteristicsandozoneformationpotentialofvolatileorganiccompounds（VOCs）intheurbansiteofChongqing[J].EnvironmentalImpactAssessment，2013（6）：4549[19]WangN，LiN，LiuZ，etal.InvestigationofchemicalreactivityandactivecomponentsofambientVOCsinJinan，China[J].AirQualityAtmosphere&Health，2016，9（7）：785793[20]姚兰.山东典型地区大气PM25化学组成、来源及二次生成研究[D].济南：山东大学，2016YAOLan.Chenmicalcompositions，sourcesandsecondaryformationofPM25intypical]areasinShandong[D].Jinan：ShandongUniversity，2016[21]YuanB，LiuY，ShaoM，etal.BiomassburningcontributionstoambientVOCsspeciesatareceptorsiteinthePearlRiverDelta （PRD），China[J].EnvironmentalScience&Technology，2010，44（12）：45774582[22]KimKH，HongYJ，PalR，etal.Investigationofcarbonylcompoundsinairfromvariousindustrialemissionsources[J].Chemosphere，2008，70（5）：807820[23]南淑清，張霖琳，张丹，等.郑州市环境空气中VOCs的污染特征及健康风险评价[J].生态环境学报，2014（9）：14381444NANShuqing，ZHANGLinlin，ZHANGDan，etal.HealthriskassessmentofVOCsinambientairinZhengzhou[J].EcologyandEnvironmentalSciences，2014（9）：14381444[24]魏恩棋，时庭锐，李利荣，等.天津市大气中挥发性有机物的组成及分布特点[J].中国环境监测，2010，26（4）：48WEIEnqi，SHITingrui，LILirong，etal.ThecompositionanddistributionofVOCsintheatmosphereofTianjin[J].EnvironmentalMonitoringinc hina，2010，26（4）：48[25]杭维琦，薛光璞.南京市环境空气中挥发性有机物的组成与特点[J].中国环境监测，2004，20（2）：1416HANGWeiqi，positionandcharacteristicsofVOCsimbientairinNanjing[J].EnvironmentalMonitorin ginchina，2004，20（2）：1416[26]ZhongZ，ShaQ，ZhengJ，etal.SectorbasedVOCsemissionfactorsandsourceprofilesforthesurfacecoatingindustryinthePearlRiverD eltaregionofChina[J].ScienceoftheTotalEnvironment，2017，583：1928[27]SairatT，HomwuttiwongS，HomwutthiwongK，etal.Investigationofgasolinedistributionswithinpetrolstations：spatialandseasonalconcentrations，sources，mitigationmeasures，andoccupationallyexposedsymptoms[J].EnvironmentalScience&PollutionResearch，2015，22（18）：1387013880[28]刘奇琛，黄婧，郭新彪.北京市大气挥发性有机物（VOCs）的污染特征及来源[J].生态毒理学报，2017，12（3）：4961LIUQichen，HUANGJing，GUOXinbiao.Pollutioncharacteristicsandsourcesofambientvolatileorganiccompounds（VOCs）inBeijing[J].AsianJournalofEcotoxicology，2017，12（3）：4961[29]张桂芹，姜德超，李曼，等.城市大气挥发性有机物排放源及来源解析[J].环境科学与技术，2014，37（增刊2）：195200ZHANGGuiqin，JIANGDechao，LIMan，etal.Emissionsourcesandanalyticalsourcesofvolatileorganiccompoundsinurbanatmospheric[J].Environ mentalScience&Technology，2014，37（sup2）：195200[30]乔月珍，王红丽，黄成，等.机动车尾气排放VOCs源成分谱及其大气反应活性[J].环境科学，2012，33（4）：10711079QIAOYuezhen，WANGHongli，HUANGCheng，etal.Sourceprofileandchemicalreactivityofvolatileorganiccompoundsfromvehicleexhaust[J].ChineseJo urnalofEnvironmentalScience，2012，33（4）：10711079[31]池彦琦，谢绍东.基于蓄积量和产量的中国天然源VOC排放清单及时空分布[J].北京大学学报（自然科学版），2012，48（3）：475482CHIYanqi，XIEShaodong.SpatiotemporalinventoryofbiogenicvolatileorganiccompoundemissionsinChinabasedon vegetationvolumeandproduction[J].ActaScientiarumNaturaliumUniversitatisPekinensis，2012，48（3）：475482[32]韩萌，卢学强，冉靚，等.天津市城区夏季VOCs来源解析[J].环境科学与技术，2011，34（10）：7680HANMeng，LUXueqiang，RANLiang，etal.SourceapportionmentofvolatileorganiccompoundsinurbanTianjininthesummer[J].EnvironmentalS cience&Technology，2011，34（10）：7680[33]蔡长杰，耿福海，俞琼，等.上海中心城区夏季挥发性有机物（VOCs）的源解析[J].环境科学学报，2010，30（5）：926934CAIChangjie，GENGFuhai，YUQiong，etal.SourceapportionmentofVOCsatcitycentreofShanghaiinsummer[J].ActaScientiaeCircumstantiae，2010，30（5）：926934[34]杨辉，朱彬，高普徽，等.南京市北郊夏季挥发性有机物的源解析[J].环境科学，2014，34（12）：45194528。

气象与大气污染关系探讨作者：何翠荣来源：《中国科技纵横》2013年第09期【摘要】首先阐述了我国近期出现大气污染的状况，然后以此为前提，分别从雾霾天气的生成原理与区别，气象条件对大气污染的影响，近期雾霾天气的影响，气象部门针对大气污染采取的一系列新举措等方面进行了详细的分析，最后总结出雾霾天气给我们带来的启示。

【关键词】气象大气污染关系启示0 引言近期我国中东部各地陆续出现大范围和长时间雾霾天气，受雾霾天气的影响，我国各地空气质量监测数据引发热议。

2013年2月12日，整个北京城都笼罩在一片昏黄中，35个监测子站的空气质量指数有17个超过500μg/m3，28个超过300μg/m3，属六级，严重污染。

至此，北京已连续3天空气质量六级污染。

山东、河北、河南、湖北等地的多个城市空气质量也都为“严重污染”，PM2.5及PM10监测指数达到顶峰数值。

雾霾天气频发再一次给我们敲响了警钟，环境与每个人息息相关。

针对上述现状，从以下几方面对气象与大气污染的关系进行分析：1 雾霾天气的生成原理与区别分析雾和霾相同之处在于它们都是视程障碍物。

但雾与霾的形成原因和条件却有很大的差别。

雾的种类有很多，但生成的基本原理都一样：地面附近的低温使水蒸汽在颗粒物（即凝结核）表面凝结，形成细小的水滴（或冰晶）漂浮在空气中，通常呈乳白色。

霾，是指空气中的灰尘、硫酸、硝酸、有机碳氢化合物等粒子等大量烟、尘微粒悬浮而使大气浑浊，造成视程障碍。

通常呈黄色或橙灰色。

它们的区别在于发生时与大气中的相对湿度有关，相对湿度大（大于90%，通常为阴雨天），形成雾，相对湿度小（小于80%），形成霾。

2 各气象条件对大气污染的影响分析2.1 风的影响风的主要作用是对污染物的平流输送，即以平均风速把污染物向下风方向输送。

风速越大，移动越快，下风方向的污染浓度越低。

其次是对污染物的稀释作用。

在实际大气中，尤其近地面风由于受局地条件的影响，不禁风向不断摆动，风速也忽大忽小的变化着，即风有阵性。

武汉的气候特点是什么如何应对不同季节武汉是一座充满魅力的城市，但它的气候却有着独特的特点。

了解并应对武汉不同季节的气候，对于在这里生活、工作或旅行的人们来说至关重要。

武汉属于亚热带季风性湿润气候，其气候特点主要表现为四季分明，夏季炎热潮湿，冬季寒冷干燥，春秋两季则较为短暂且气候多变。

夏季是武汉气候最为炎热的季节。

从五月开始，气温逐渐攀升，到了七八月，高温常常能达到 35 摄氏度以上，甚至超过 40 摄氏度。

不仅气温高，湿度也大，闷热的感觉让人仿佛置身于蒸笼之中。

这种高温高湿的天气对人们的生活和健康带来了诸多挑战。

在应对夏季的炎热时，首先要做好防暑降温措施。

出门时，尽量选择轻薄透气的衣物，戴上宽边帽子和太阳镜，涂抹防晒霜，避免阳光直射。

同时，要随身携带充足的饮用水，及时补充水分，以防中暑。

在户外活动时，尽量避开高温时段，选择清晨或傍晚较为凉爽的时候。

在家中或办公场所，要确保良好的通风条件。

可以使用空调来调节室内温度，但要注意合理设置温度，避免室内外温差过大导致感冒。

此外，多吃一些清凉解暑的食物，如西瓜、绿豆汤、苦瓜等，也有助于缓解暑热。

秋季的武汉，气温逐渐下降，但气候较为宜人。

然而，秋季的天气变化较大，早晚温差明显，有时一天之中能感受到四季的变化。

在秋季，要注意及时增减衣物，特别是在早晚时分，穿上一件薄外套可以有效防止着凉。

由于秋季气候较为干燥，要注意保湿护肤，可以使用保湿霜和唇膏等。

同时，多喝水，多吃水果和蔬菜，补充身体所需的水分和维生素。

冬季的武汉较为寒冷，最低气温可能会降至 0 摄氏度以下，并且时常伴有寒风和阴雨天气。

为了应对冬季的寒冷，要穿上足够保暖的衣物，包括厚棉袄、羽绒服、围巾、手套和帽子等。

在室内，可以使用取暖设备，如暖气、空调或电暖器，但要注意用电安全。

此外，冬季的空气相对干燥，使用加湿器可以增加室内空气的湿度，减少呼吸道疾病的发生。

饮食方面，冬季可以多吃一些温热的食物，如羊肉汤、火锅等，既能提供热量，又能暖身暖胃。

武汉市气候特征及气候适应性建筑武汉市位于中国中部，属于亚热带季风气候区域。

其气候特征主要表现为四季分明、温暖湿润，冬季温和而夏季炎热。

同时，由于其地处长江中游地区，湿润的气候特征也决定了其雨量充沛。

在冬季，武汉市气温较为温和，平均气温在5℃左右，相对湿度较高，常常有雾和霾天气。

而在夏季，武汉市则是高温多雨的季节，平均气温在28℃左右，往往会出现高温干旱的现象。

基于武汉市的气候特征，建筑设计师和规划者在城市建设中注重气候适应性建筑的设计，以提高建筑物的舒适性和减少能耗。

首先，针对冬季温湿度较低的特点，建筑师会采用保温隔热技术，以减少能源消耗。

比如在建筑物外墙加设保温层，选择较好的保温材料，如岩棉、玻璃棉和泡沫塑料等，以降低冷空气的渗透和热量的损失。

同时，在室内设计中增加阳光房、温室和围合中庭等温室效应的空间，可利用太阳能进行被动式供暖。

其次，针对夏季高温多雨的特点，建筑师会进行适当的遮阳设计和通风设置，以改善室内的温度和空气质量。

例如，在建筑物外挑出合适的屋檐或设置凉棚、雨篷等，以降低夏季阳光的直射和热辐射，减少室内的冷负荷。

同时，在室内设计中增加通风窗、风口和风帘等，以增加室内的自然通风和热量交换。

此外，武汉市雨季较长，建筑师也会考虑采集利用雨水的设计。

例如，在建筑物屋顶设置雨水收集装置和储水池等，以供给植物浇灌、冲洗和洗涤等非饮用水用途，减少对城市供水系统的依赖。

最后，针对武汉市的高湿度气候特点，建筑师会选择适合的建材和设计方案，以防止潮湿和霉菌的产生。

比如，选用透气性好的外墙材料，如砖石、麻石等，增加室内外的空气对流和湿气排放。

同时，合理设计排水系统，确保建筑物周围的水分能够快速排除，避免积水和渗水现象。

综上所述，武汉市气候特征决定了其对气候适应性建筑的需求。

通过采用合理的建筑设计和技术手段，可以在保证舒适性的同时减少能源消耗，提高建筑物的可持续性和适应性。

这些措施不仅可以改善居民的生活质量，还可以在一定程度上缓解城市的能源压力和环境污染。

武汉空气质量预测及受周边城市污染影响分析作者：张学新周泳岑来源：《经济数学》2019年第02期摘要利用武汉及其周边城市长沙、南昌、合肥、襄阳、孝感等城市空气质量指数（AQI）及相关污染物数据，探索了武汉市空气质量指数的统计分布规律及空气污染治理效果的评价问题，给出了能较好预测空气质量指数等级的推理规则.用统计模型分析武汉及周边大中城市的SO2等空气污染物之间的传播及相互影响.关键词环境经济学;空气污染影响机制;规则模型预测;空气质量;因果检验;协整关系中图分类号 X823 ;;;;;;;;;;;文献标识码 APrediction of Air Quality in Wuhanand Analysis of the Influence on its Air PollutionExerted by Those of Surrounding CitiesZHANG Xuexin1， ZHOU; Yongcen 2（1. School of Mathematics and Statistics， Hubei Engineering University， Xiaogan， Hubei 432000， China;2. Wuhan Foreign Languages School， Wuhan， Hubei 430022， China）Abstract The data of air quality index（AQI） and related pollutants in Wuhan and in its surrounding cities such as Changsha， Nanchang， Hefei， Xiangyang and Xiaogan are used in this paper.Then， the statistical distribution of air quality （AQI） in Wuhan and a scientific evaluation of the effect of pollution control and management are explored. More importantly， some inference rules are obtained which can well predict the air quality （AQI） level. Finally， by applying some statistical regression mode， the spread and interaction between air pollutants such as SO2 in atmosphere of Wuhan and its surrounding cities has been analyzed.Key words environmental economics; impact mechanism of air pollution; rulebased model forecast; air quality; testing for causality; cointegration relation1 引言對城市空气质量状况及其气象诱因，已有许多研究.时连俊等（2015）[1]对成都市空气质量状况、李刚（2017）[2]对克拉玛依市空气质量特征进行描述性统计分析.韩霄和张美根（2014）[3] 通过模拟华北平原气象场及主要气溶胶粒子的时空分布分析重霾成因，赵金霞等（2017）[4] 探讨了天津滨海新区灰霾的主要气象诱因.刘超等（2017）[5]讨论上海冬夏两季大气污染特征及其污染来源，苏维等（2017） [6] 讨论南昌市PM2.5和PM10的时空变异特征.在预测方面，丛琳等（2017） [7]对北京市PM2.5做回归分析，用PM10等关联指标对PM2.5作静态预测.对武汉市空气质量研究，岳岩裕等（2016）[8]研究空气质量状况与气象条件的关系;刘慧君（2014）[9]分析PM2.5污染的成因;郭浩天（2014） [10]分析PM2.5中有机酸的分布特征及来源.这些研究侧重于分析气象因素对武汉市空气质量指数的影响，主要关注PM2.5污染物成分的分解.空气质量指数是研究空气质量常用的一个指标.利用当天全部实体污染物信息预测该天空气质量等级很有意义.第一，拟合武汉市PM2.5，PM10，SO2，CO，NO2和O3-8h等实体污染物浓度的分布函数，确认选择非时间序列分析方法预测质量指数等级，使用决策树模型进行预测.第二，分析空气质量治理效果.第三，鉴于城市群之间的空间相关性，应用Granger因果检验、协整检验，联系地、整体地研究武汉市及周边大中城市的污染物间的相互影响及传播机制.2 武汉市空气质量指数分布特征在《空气质量历史数据查询》网页里采集武汉市2013年12月初到2018年6月中旬的日相关记录，其中有空气质量指数值、质量等级、污染物PM2.5、PM10、SO2、CO、NO2、O3-8h的浓度观测值.对少量缺失记录，用最邻近的3个观测值的均值替补.对武汉市空气质量指数序列的频率图及周期性模型拟合分析得到，6年内武汉市空气质量指数序列没有周期性.再考察2015年对2014年、2016年对2015年、2017年对2016年的每日差分序列，均值、方差及其他分布特征均有显著性差异，印证空气质量指数序列没有周期性.统计分布结果从一个侧面说明空气质量治理取得了一定的效果.其中，2013年12月份有21天、2014年有36天、2015年有20天、2016年有7天、2017年有8天、2018年1月～6月份有4天分别是重度污染，这些日期多数分布在12月份、1月份、2月份，少数分布在3～6月、10～11月.2014年有29天、2015年有32天、2016年有52天、2017年有56天、2018年1月～6月份有14天分别是优秀天气，优秀日期多数分布在7月份、8月份、10月份、9月份、5月份，少数分布在2月份、11月份.从空气质量指数的月度平均值看，武汉市空气质量的同比没有明显下降，如图1所示.图1 武汉市5年月度空气质量指数均值比较3 空气质量治理效果分析评价空气质量治理状况，一般是统计某个时段的“优良”等级天数的累计频率.为了分析某个时段连续的“优良”等级天数，需使用序列模式方法.该方法的步骤是：1）保持空气质量指数序列观测值的时间顺序，对序列进行分割聚类;2）在每个聚类里，对空气质量指数求平均值，按“优”、“良”、“重度污染”、“中度污染”、“轻度污染”5级给出该类的属性标签.3）对每个聚类，计算不同属性标签的空气质量指数日数的比例.序列模式分析不打乱空气质量指标值的观测时间顺序，它依据样本点之间的相近程度，将性质相近的样本点聚为一类.设某一类Gi={ti，ti+1，…，ti+j-1}，j≥1，表示Gi包含j个样本点{xti，xti+1，…，xti+j-1}.该类的均值为i.=∑ti+j-1l=tixl/j，该类的直径为D（ti，ti+j-1）=∑ti+j-1l=ti（xl-i.）2.记L（p（n，k））是把n个样本点分为k类遭受的损失函数，并定义为全体分类的直径总和.当n和k固定时，最小的L（p（n，k））意味着分割聚类的离差平方总和最小，因而分割聚类是有效的.可证L（p（n，2））=min 2≤j≤nD（1，j-1）+D（j，n）， L（p（n，k））=min k≤j≤n{L（P （j-1，k-1））+D（j，n）}，（k≥3）.; （1）由式（1）可知，寻找把n个样本点分成k类（k≥3）的最优分割，需要在对j-1个样本点做k-1类最优分割（2≤j≤n）的基础上进行.不失一般性，仅对武汉市2014年至2017年间四个冬季的空气质量指数序列做最优分割聚类，结果见表1.从表1看，2014-2017年4个冬季的空气质量，前3年持续好转，但是在第4年情况恶化.2014年冬季，两次出现重度污染，共9天，良好一次，44天.2015年冬季，两次出现重度污染，共6天，良好一次，100天.2016年冬季，零次出现重度污染，良好二次，57天，其余全是轻度污染.2017年冬季，一次出现重度污染，共3天，良好一次，51天.应用序列模式方法分析和表述武漢市大气环境质量，结果更具体、更深刻.4 空气质量等级预测设样本集S的大小为|S|，样本点共有m个不同的类别，其中属于第i类Ci（i=1，2，…，m）的样本点构成集合Si，样本点落入Ci的概率是pi.再设属性A将S划分为S=∪vj=1Sv，当A取值aj时，落入类Ci的样本点构成集合Sij，发生的概率是pij=|Sij|/|S|，则属性A的信息增益定义为 Gains（C，A）=（∑vj=1∑mk=1Skj/|S|）（∑mi=1pijlog 2pij）-∑mi=1pilog 2pi，信息增益率定义为GainsR（C，A）=Gains（C，A）/[（∑vj=1∑mk=1Skj/|S|）（∑mi=1pijlog 2pij）].;; （2）现在构建分类与回归树（C&R tree）预测模型.这是一种基于树的分类方法，它以递归划分的方式将训练记录分割为具有相似输出变量值的若干个子集.C&R树从根节点开始，每次利用信息增益率选择一个当前最佳的属性进行分枝，采用成本复杂性的修剪策略去控制树的生长，最后产生基本形式是A→B的推理规则来预测新样本点的类别.为了检验C&R树模型的预测效果，把所有样本按7：3的比例随机分成两个数据集，一个用于训练模型，一个用于测试模型的性能，结果如表2所示.由C&R树得到的推理规则有6条，预测准确率在93%以上.变量的重要性依次是PM2.5，PM10，O3-8h，Co，NO2和SO2.规则用于优 - 包含 1 个规则：如果 PM2.5 <= 75.5且 PM10 <= 46.5 则优;规则用于良 - 包含 1 个规则：如果 PM2.5 <= 75.5且 PM10 > 46.5 且 O3-8h <= 160.5 则良;规则用于轻度污染 - 包含 2 个规则：规则 1如果 PM2.5 <= 75.5且 PM10 > 46.5且 O3-8h > 160.5则轻度污染;规则 2如果75.5 < PM2.5 <= 115.5则轻度污染;规则用于中度污染 - 包含 1 个规则：如果 115.5 < PM2.5 <= 149.5则中度污染;规则用于重度污染 - 包含 1 个规则：如果PM2.5 > 149.5则重度污染;缺省：良.给出一个上述推理规则的使用和验证实例.查阅2019年5月1日武汉空气质量指数日历史数据（来源：https：///historydata/daydata.php？city=武汉）知：AQI=79，质量等级=良，PM2.5=28，PM10=71，SO2=8，CO=0.8，NO2=35，O3-8h =134.按照第二条规则，满足条件PM2.5 =28<75.5且PM10=71>46.5且O3-8h =134<160.5，因此它被规则预测为良，的确如此.5 武汉市及周边大城市的空气质量相互影响为了分析武汉市空气质量是否受周边大城市长沙、南昌、合肥、襄阳、宜昌等地空气质量的影响，现对PM2.5、PM10、SO2、CO、NO2、O3-8h等实体污染物观测值序列做统计建模分析.5.1 长期稳定关系如果k个城市的某污染物浓度序列PC1t、PC2t，… PCkt不是平稳的，但其d阶差分是平稳的，而且存在不全为零的常数c1，…，ck使得∑ki=1ciPCit是平稳的，则称这k个序列有协整关系（长期稳定的关系）.把平稳序列视为d=0的情形.对于具有协整关系PC*2=k0+k1PC*1的两个序列，其动态关系用误差修正模型给出：ΔPC2t=α（PC2-k0-k1PC1）t-1+β2ΔPC1t+εt，;; （3）这里，差分ΔPCt=PCt-PCt-1，假定残差εt为白噪声.首先通过单位根检验判断武汉PM2.5W与长沙PM2.5C两个时间序列之间的平稳性.各单位根检验的原假设都是：“序列没有单位根”.细微差别是，Levin方法假设“两个序列有共同的单位根”，Pesaran方法假设“每个序列各自有单位根”.在计算检验的概率时，ADFFisher、Fisher、PPFisher方法使用漸近卡方分布，其它检验方法则使用渐近正态分布.各个检验结果都显著性地拒接了原假设，说明两个序列都是平稳的，见表3.其次，分析它们之间的协整关系.表4是武汉PM2.5W与长沙PM2.5C的误差修正模型拟合结果.表4对应的误差修正模型是：ΔPM2.5Wt=-0.355（PM2.5W-16.225-0.85PM2.5C）t-1+0.507ΔPM2.5Ct+εt，;;; （4）它表明武汉的PM2.5W与长沙的PM2.5C有长期均衡关系，PM2.5W=16.225+0.85PM2.5C，同样的，武汉与南昌、武汉与合肥的PM2.5都有长期均衡关系.值得注意的是，两地之间的影响，不局限于滞后一天，经初步分析，滞后可达7天.对有关城市的其它污染物PM10、SO2、CO、NO2、O3-8h的时间序列分析可以得到类似的结论.5.2 Granger因果关系判断一个城市的空气污染是否是由另一个附近城市漂移过来的，即一个城市的空气质量指数是否与另一个城市的空气质量指数具有Granger因果关系，需要进行相关的检验.把一个城市的某种污染物浓度PC1的历史信息加入到关于另一个城市的同样污染物PC2的预测模型中，如果该模型的预测能力得到显著提高，就说PC1是PC2的“Granger原因”.对模型检验H0：βj=0，（j=0，1，…l），其含义是假设“一地PM2.5不是另一地PM2.5的“Granger原因”.统计量F=（SSE0-SSE1）/mSSE1/（n-l-m-1）～F（m，n-l-m-1），这里n是观测值个数，SSE1、SSE0是模型及零假设下的模型的残差平方和.5.3 武汉、长沙、南昌、合肥各PM2.5序列之间的Granger因果检验武汉、长沙、南昌、合肥各PM2.5序列PM2.5W、PM2.5C、PM2.5N、PM2.5H之间的Granger因果检验结果见表5.在0.05、0.01的显著性水平下，拒接“一地PM2.5不是另一地PM2.5的Granger原因”的假设.即武汉、长沙、南昌、合肥四城市的PM2.5污染物是互为相互影响的，一地至少受另外一地的污染物提前1～2天的影响.5.4 湖北省武汉市周边城市大气污染物的相互影响对湖北省内武汉市周边大中城市空气质量状况对武汉市的影响分析，仅选择SO2污染物这一个指标做实证分析.武汉市某天的SO2污染物不仅受省内其周边大中城市当天SO2污染物的影响，而且也受这些周边大中城市前若干天SO2污染物的影响、还受武汉市自身前若干天SO2污染物的影响，因此，可以建立一个带有分布滞后项的多元线性回归模型.模型的概要见表6.有些系数估计值是负的，比如-0.0805，意指前2天黄石市SO2污染物浓度的减少将引致武汉市今天SO2污染物浓度0.0805个单位的增加，或者说前2天黄石市SO2污染物浓度的增加将引致武汉市今天SO2污染物浓度0.0805个单位的减少.说明武汉市及周边SO2污染物有关联，污染途径可能取决于风向（因为没有取得风向的历史数据，不能确定其具体关系），它引致了SO2污染物的流动.对宜昌没有检测到这种关系.Durbin统计量的值是2.077950，说明残差序列非自相关，图2显示残差分布近似于正态分布.模型总体效果很好.类似的，对其它污染物浓度的分析也表明武汉市及省内部分周边大中城市的污染物浓度是相互影响的.6 结论与讨论武汉市空气质量指数的统计分布难以得到，使得当前评价空气质量治理效果的方法比较简单，序列模式方法尝试更加科学化的评价，但是带来一定的时间复杂度.规则模型不仅可准确地预测空气质量等级，而且能给出等级对应的各种污染物浓度的临界值，给人具体的空气质量认识.武汉市与周边大中城市空气质量污染物之间的影响机制很复杂.Granger因果检验及其它统计分析表明这种影响机制是相互的，武汉市空气污染物与长沙、南昌、合肥的空气污染物有着长期均衡关系，可以有比较稳定的2～7天的前期影响.武汉当天空气污染物还受孝感、黄石及武汉市自身前1～3天污染物影响.建立带有分布滞后项的多元线性回归可以定量地描述武汉市与周边大中城市空气质量污染物之间的影响力度.模型（6）只用PM2.5、PM10、SO2、CO、NO2、O3-8h污染物的浓度就较好地预测了武汉市未来一天SO2污染物浓度.如果能加入其它气象因素，将极大提升模型的预测能力.参考文献[1] 时连俊，徐建，王变芳，等.成都市空气质量状况研究[J].资源与环境，2015，31（8）： 986-989.[2] 李刚.克拉玛依市空气质量特征分析[J].干旱环境监测，2017，31（2）： 75-79.[3] 韩霄，张美根.2013年1月华北平原重霾成因模拟分析[J].气候与环境研究，2014，19（2）：127-139.[4] 赵金霞，沈岳峰，范苏丹.天津市滨海新区持续性重度雾霾成因分析[J].沙漠与绿洲气象，2017， 11（6）： 69-74.[5] 刘超，花丛，康志明. 2014-2015年上海地区冬夏季大气污染特征及其污染源分析[J].气象，2017，43（7）：823-830.[6] 蘇维，赖新云，赖胜男，等.南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系[J].环境科学学报.2017，37（7）： 72432-2439.[7] 丛琳，孙德山，邹存利，等.北京市PM2.5的相关因素研究[J].经济数学，2017，34（4）： 26-29.[8] 岳岩裕，王晓玲，张蒙晰，等.武汉市空气质量状况与气象条件的关系[J].暴雨灾害，2016，35（3）：271-278.[9] 刘慧君.武汉市PM2.5污染的演变预测及成因分析和仿真[D].长沙：湖南大学数学与计量经济学院，2014.[10]郭浩天.武汉市大气PM2.5中有机酸的时空分布特征及来源解析[D].武汉：武汉理工大学资源与环境工程学院，2014.。

武汉气象水文及地形地貌一、气象、水文武汉地处我国东部沿海向内陆过渡地带，地处中纬度，属亚热带湿润性东南季风气候区。

具有冬寒夏暖、春湿秋旱、夏季多雨、冬季少雪、四季分明的特征。

年平均气温为16.7℃，7月平均气温高达28.9℃，1月仅3.5℃。

夏季气温高，35℃以上气温天数为40天左右，极端最高气温41.3℃，极端最低气温-18.1℃，武汉日均温≥10℃持续期达235天，年平均无霜期240天。

一年四季分配也以夏季最长，达135天，冬季次之，为110天，具有冬夏漫长而春秋短促的显著特点。

武汉地区降水充沛，多年平均降水量1284.0mm，降雨集中在4～9月，年平均蒸发量为1391.7mm，绝对湿度年平均16.4毫巴，年平均相对湿度75.7%，湿度系数Ψw=0.903，本地区大气影响深度da=3.0米，大气影响急剧深度为1.35米。

武汉市区内水系发育，长江、汉水横贯市区，将武汉“切割”成武汉三镇，两大水系支流有府河、滠水、长河、倒水等。

以长江和汉水对区内地下水动态、水质影响最为突出。

市区内分布有众多大小不一的湖泊，对位于湖泊四周的建筑工程应高度重视地面水体的影响。

据汉口（武汉关）水文站实测资料，长江武汉段最高洪水位为29.73m（吴淞高程），最低枯水位8.87m，水位升降幅度20.86m。

长江、汉江与其两岸地下承压水有较密切的水力联系，愈靠近长江、汉江江边地段，水位互补关系愈明显。

二、地形及地貌武汉地处江汉平原东部，地势为东高西低，南高北低，中间被长江、汉江呈Y字型切割成三块，谓之武汉三镇。

武汉城区南部分布有近东西走向的条带状丘陵，四周分布有比较密集的树枝状冲沟，武汉素有“水乡泽国”之称，境内大小近百个湖泊星罗棋布，形成了水系发育、山水交融的复杂地形。

最高点高程150m 左右，最低陆地高程约18m。

武汉地区地貌形态主要有以下三种类型：1）剥蚀丘陵区：主要分布在武昌、汉阳地区，丘陵呈线状或残丘状分布，如武昌的磨山、珞珈山、汉阳的扁担山等，丘顶高为80～150m，组成残丘的地层为志留系与泥盆系的砂页岩。

某市几种主要大气污染物浓度时间变化特征及其与气象因子的关系某市位于A高原东北侧，黄河河谷之中，四周群山环绕，是我国建国后首批重点建设的工业城市之一。

特殊的山谷地形、不利的气象条件、以重工业和石化工业为主体的产业结构等诸多因素的影响下，使某市成为我国大气污染较严重的城市之一。

本文通过对某市大气污染监测数据及相关气象资料的统计处理，分析了某市几种主要大气污染物浓度的时空变化以及污染物浓度与气象因子的关系。

主要结论如下：(1)某市主要污染物浓度近30年来呈波动下降趋势，且2001年以后下降幅度显著增加。

(2)一年当中SO2、NO2、PM10月均浓度峰值主要集中在11月、月12和1月，整体而言，三种污染物季节变化均值整体呈“冬高夏低”的变化特点，即冬季污染最严重，夏季空气质量最好。

一年四季中，三种污染物浓度按冬>春>秋>夏的顺序排列。

此外，春季沙尘天气发生频繁，导致PM10在3、4月出现次高峰。

(3)SO2、NO2、PM10日平浓度与同期的气温、相对湿度、风速、总云量、水平能见度均呈负相关，与同期的气压均呈正相关，均通过显著性检验。

具体到每个季节季节，三种污染物与六种地面气象要素之间的相关性不尽相同。

(4)某市月均逆温频率和逆温层厚度年内变化趋势均与污染物浓度年内变化趋势基本一致，表现出冬季频率高、厚度大，夏季频率低、厚度小。

在考虑等温层和不考虑等温层两种情况下，逆温层厚度均与同期SO2、NO2、PM10浓度之间呈显著的正相关，说明逆温层厚度可以作为某市空气污染预报的重要指标之一。

(5)月平均最大混合层厚度的年变化特征呈单周期型，12月最低，4月最高。

污染最严重的11、12和1月的月均最大混合层厚度最低，出现在1000m以下的频率也最高。

SO2、NO2、PM10日平均浓度与同期最大混合层厚度之间呈显著的负相关，说明混合层厚度是影响某市市空气污染的重要因素。

关键词：大气污染物、气象因子、变化特征、相关分析第一章引言空气污染作为世界性的重大问题越来越受到人们的重视，尤其是在城市和工业区。

污染物扩散与各种气象的关系污染物从污染源排放到大气中，只是一系列复杂过程的开始,污染物在大气中的迁移、扩散是这些复杂过程的重要方面.大气污染物在迁移、扩散过程中对生态环境产生影响和危害。

因此，大气污染物的迁移、扩散规律为人们所关注.一、影响大气污染的气象因子大气污染物的行为都是发生在千变万化的大气中，大气的性状在很大程度上影响污染物的时空分布，世界上一些著名大气污染事件都是在特定气象条件下发生的。

影响大气污染的气象因素最重要的是流场和温度层结。

（一）风和大气湍流的影响污染物在大气中的扩散取决于三个因素。

风可使污染物向下风向扩散，湍流可使污染物向各方向扩散,浓度梯度可使污染物发生质量扩散,其中风和湍流起主导作用。

湍流具有极强的扩散能力，它比分子扩散快 105～ 106倍，风速越大，湍流越强，污染物的扩散速度就越快，污染物浓度就越低。

在自由大气中的乱流及其效应通常极微弱，污染物很少到达这里。

根据湍流形成的原因可分为两种湍流，一种是动力湍流,它起因于有规律水平运动的气流遇到起伏不平的地形扰动所产生，它们主要取决于风速梯度和地面粗糙等;另一种是热力湍流，它起因于地表面温度与地表面附近的温度不均一，近地面空气受热膨胀而上升，随之上面的冷空气下降，从而形成垂直运动。

它们有时以动力湍流为主，有时动力湍流与热力湍流共存,且主次难分。

这些都是使大气中污染物迁移的主要原因.（二）温度层结和大气稳定度1。

大气温度层结由于地球旋转作用以及距地面不同高度的各层次大气对太阳辐射吸收程度上的差异，使得描述大气状态的温度、密度等气象要素在垂直方向上呈不均匀的分布.人们通常把静大气的温度和密度在垂直方向上的分布，称为大气温度层结。

气温随高度的变化用气温垂直递减率γ来表示,γ = 其单位常用℃ / 100m .气温垂直递减率γ和另一个在空气污染气象学中经常用到的概念-—干绝热垂直递减率γd是不同的。

γd表示干空气在绝热升降过程中每变化单位高度时干空气自身温度的变化，它表示干空气的热力学性质，是一个气象常数，γd= 0。