城市污染物的相关性分析—以德州为例剖析

德州市空气污染物分析

刘明阳 20110700218

摘要：本文选取了2015年1月至2015年12月期间德州市主要空气污染物浓度数据，基于本月的大雾天气，首先统计了德州市12月份 PM2.5、PM10、CO 、SO2、NO2和CO 的污染状况 , 然后通过观察全年度空气污染物浓度的变化来研究其与气候的关系。最后采用MATLAB 软件分析了PM2.5与其它污染物间的相关性得到了432113.091.031.252.077.21X X X X Y -+++-=的多元线性回归模型，对模型的残差进行分析，得出该模型能较好的拟合PM2.5与其它污染物间相关性。

1研究背景

自11月28日以来，京津冀及周边地区发生严重污染天气，华东督查中心11月30日—12月3日对山东省开展了重污染天气应急督查工作。检查发现，德州市在应急工作中尚存在严重问题。德州因此成为全国首个因重污染天气应急不到位被约谈的城市。而城市环境空气质量的好坏与气象条件密切相关，研究和解决空气质量问题，通过分析各污染物浓度之间相关性，才可能准确掌握城市大气污染规律，对改善城市空气质量、提高人民健康水平有重要意义。

2德州市本月空气质量报告

从图中可看出进入12月以来，德州市空气污染物居高不下，其中在12月11日这一天达到历史峰值，空气质量为重度污染。也就是这一天，德州市成为全国首个因重污染天气应急不到位被环保部约谈的城市。从11日过后，pm2.5以及各种污染物浓度呈直线下降，空气质量大大改善，可以看出约谈效果相当明显，政府在改善空气质量方面

是下了功夫的。

3 本年度德州市空气污染物变化分析

德州地处鲁西北黄河下游，东邻渤海湾，处于东部沿海与内陆过渡地带，属暖温带半湿润季风气候，光照充足，降水适中，气候温和。德州受季风影响显著，四季分明、冷热干湿界限明显。四季分明的特点在污染物的时空分布上也是表现的十分明显。下面对15年德州市12个月的空气污染物数据进行分析，主要污染物的变化情况如下图所示：

图一：德州市12月份上半月主要污染物变化

从图中可以看出郑州市主要空气污染物浓度在十二月至来年二月份左右达到最大，然后污染物浓度开始下降，到六月至八月份降到最低。这主要与本地气候特点分不开。冬季12月-次年2月气候寒冷干燥，气压稳定，风力微弱，是全年降水最少季节，烧煤取暖的烟灰和汽车尾气等难以扩散或稀释，导致污染物浓度提高；夏季受热带低压和副热带高压影响，天气炎热，湿润多雨，雨水会对空气中灰尘等

污染物起冲刷作用，大大降低了相关污染物的浓度。

4 pm2.5浓度相关性分析

Pm2.5其实就是细颗粒物，指的是环境空气中空气动力学当量直径小于等于 2.5 微米的颗粒物。它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重。本文对德州市最近12个月天气数据分析，研究空气中pm2.5浓度与pm10、CO、NO2、和SO2浓度是否相关。其散点图如下所示：

图四：pm2.5与pm10相关性图五：pm2.5与CO相关性

图六：pm2.5与NO2相关性图七：pm2.5与SO2相关性

由上图可知pm2.5浓度随着pm10、CO 、NO2、和SO2浓度增加而增加，假定认为成线性相关，进行多元线性回归，设pm2.5浓度为y ，则01234*1*2*3*4+y x x x x βββββε=++++

其中:x1、x2、x3、x4是回归变量代表pm10、CO 、NO2、和SO2浓度，01234,,,,βββββ是回归系数，ε是随机误差应大致服从均值为0的正态

分布。

直接利用matlab 工具箱中的命令regress 求解，使用格式为：

[b,bint,r,rint,stats]=regress(y,x,0.05)

其中y 为pm2.5浓度，置信度水平设为0.05。输出b 为的估计值，bint 为b 的置信区间，stats 为回归模型的检验统计量，有4个值，第一个是回归方程决定系数2R ，第二个是F 统计量，第三个是与F 统计量对应的概率值p ，第四个是剩余方差2s 。

残差分析，作出残差图如下:

从残差图中得到，除了几个异常点外大部分数据的残差离零点均较近，且残差的置信区间均包含零点，这说明回归模型能较好的符合原始数据。

得到模型的回归系数估计值及其置信区间、检验统计量的结果如下：

表一：多元线性回归计算结果

8502.0R 2= 4422.492F = 0000.0P = 79.5442=s

表一显示，2

R =0.8502指因变量y （pm2.5浓度）的85.02%可以由模型确定，F 检验值远超过F 检验的临界值，p 远小于置信水平0.05，拟合从整体来看是可用的。所以拟合方程为：

432113.091.031.252.077.21X X X X Y -+++-= 根据以上公式，空气中pm2.5浓度与pm10、CO 、NO2、和SO2浓度具有线性相关性，具有一定的现实意义，例如当我们无法检测pm2.5的值时，可利用其它污染物浓度推出。

5 pm2.5提升原因分析

5．1水平方向静风现象的增多

几年来由于城市建设的不断发展，高楼大厦接踵而起，城区内部

风速明显减弱，不利于污染物向外扩散。

5．2垂直方向的逆温现象

逆温层像一层厚厚的被子罩在城乡上空，上下层空气减少了流动，近地面层大气污染物“无路可走”，只好原地不动，越积越多。5．3悬浮颗粒物增多

随着工业的发展，汽车尾气的排放以及农民焚烧秸秆是悬浮颗粒物大大增加，直接导致了pm2.5的上升。

6 结论

pm2.5与大气中PM10、CO、SO2、NO2和CO的浓度具有相关性，其月季变化多受天气形势和气候条件控制。

参考文献

[1]杨玉霞，董翔雁.德州市德城区灰霾天气特征及影响因素初探[J].农业气象，2014，31（10）：111-112

[2]胡雪红，孙翠凤，张琳.德州市灰霾天气特征及成因分析[J].资源与环境，2013，23（5）：177-179

[3]赵娜，尹志聪，吴方.北京一次持续性雾霾的特征[J].气象与环境，2014，30（5）：15-20.

[4]孟小峰.重庆主城区空气质量时空分布及其影响因素研究[D].重庆：西南大学，2011.

[5]蒋维嵋.空气污染气象学教程[M].北京中国气象出版社，2004.

[6]丁国安.实用污染气象学[M].北京：气象出版社，1981.

[7]气象网站天气后报：/

[7]中国气象数据网：/site/index.html