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??晌腩w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%。