劉晨露，郭春會(huì)，蔣祖斌，陳蘭英,肖 娟

(1.西華師范大學(xué)環(huán)境科學(xué)與工程學(xué)院，四川 南充 637000；2.南充市環(huán)境監(jiān)測中心站，四川 南充 637000；3.西華師范大學(xué)生命科學(xué)學(xué)院，四川 南充 637000)

隨著我國經(jīng)濟(jì)建設(shè)加快，能源消耗加大，能源產(chǎn)業(yè)結(jié)構(gòu)不完整造成嚴(yán)重的大氣污染，大氣污染已嚴(yán)重危及到人體健康，因此對大氣污染物、空氣質(zhì)量的研究以及大氣污染防治極為迫切。四川屬于盆地地形，地勢中間低，四周高，常年小風(fēng)甚至無風(fēng)，不利于大氣污染物的擴(kuò)散[1]，因此大氣環(huán)境問題日益突出。南充市作為四川省8個(gè)全國環(huán)保重點(diǎn)城市之一，南充市委、市政府高度重視其生態(tài)環(huán)境保護(hù)工作，先后出臺(tái)制定了《中共南充市委關(guān)于推進(jìn)綠色發(fā)展建設(shè)美麗南充的決定》。查閱南充的環(huán)境質(zhì)量公報(bào)，可知南充市主城區(qū)環(huán)境空氣質(zhì)量優(yōu)良率自新標(biāo)準(zhǔn)實(shí)施以來，2014～2018年的優(yōu)良天數(shù)比例分別為66.76%、74.37%、76.90%、80.10%、80.40%逐步上升。2018年南充市主城區(qū)空氣質(zhì)量達(dá)標(biāo)天數(shù)為292天，優(yōu)良天數(shù)比例80.4%，主城區(qū)PM2.5年均值47.9μg/m3，圓滿完成省上規(guī)定目標(biāo)。正確認(rèn)識(shí)和掌握空氣質(zhì)量的變化特征，是開展大氣污染治理的前提；首要污染物的確定對于開展大氣污染預(yù)報(bào)預(yù)警，充分利用大氣自凈能力和人工措施改善空氣質(zhì)量以及對污染的控制有重要的指導(dǎo)作用[2]。

研究城市大氣污染的時(shí)空分布特征及氣象條件對污染物濃度的影響對進(jìn)一步治理、預(yù)測進(jìn)而控制本地大氣污染具有重要的意義。近年來，專家和學(xué)者對空氣質(zhì)量變化特征、影響因子及污染物的擴(kuò)散、降解等過程進(jìn)行了大量的研究。常美玉等人的分析得出AQI指數(shù)與日平均溫度、日平均風(fēng)速、日平均相對濕度以及日總降水量均為負(fù)相關(guān)關(guān)系[3]。張瑩等對中國典型代表城市空氣污染特征及與氣象參數(shù)的關(guān)系進(jìn)行研究，發(fā)現(xiàn)四川盆地西部地區(qū)成都、資陽、眉山3個(gè)城市的空氣質(zhì)量狀況與大氣主要污染物PM2.5、PM10、NO2、O3等氣象因子密切相關(guān)；氣象因素可顯著影響大氣污染物的遷移、擴(kuò)散以及二次轉(zhuǎn)化，進(jìn)而影響PM2.5的形成[4]。徐藝雯研究表明降水對環(huán)境空氣質(zhì)量有改善作用，對顆粒物的清除作用較為明顯，清除作用與降水量有關(guān)，雨量較小時(shí)對顆粒物的清除作用具有滯后性[5]。在了解污染物的變化特征及規(guī)律后建立合適的模型進(jìn)行污染物預(yù)測，可為防治大氣污染、保護(hù)城市生態(tài)環(huán)境提供科學(xué)依據(jù)。Holt-Winters乘法模型是一種線性季節(jié)預(yù)測模型，通過傅立葉周期分析確定季節(jié)影響[6]。本文通過對2014～2018年大氣日報(bào)6項(xiàng)指標(biāo)與AQI指數(shù)之間的相關(guān)分析，再進(jìn)行主成分分析，找出影響空氣質(zhì)量指數(shù)的主要因素，并對其進(jìn)行可行性分析、預(yù)測，再進(jìn)一步對PM2.5、PM10進(jìn)行季節(jié)影響因素分析，以期為南充地區(qū)的環(huán)境空氣質(zhì)量管理、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、城市精細(xì)化管理等提供理論和數(shù)據(jù)支撐。

1 研究內(nèi)容與方法

1.1 指標(biāo)選取

根據(jù)《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ 633—2012)規(guī)定[7]，日報(bào)的指標(biāo)包括二氧化硫(SO2)、二氧化氮(NO2)、顆粒物(粒徑小于等于2.5μm)、顆粒物(粒徑小于等于10μm)、一氧化碳(CO)的24小時(shí)平均值，以及臭氧(O3)的日最大1小時(shí)平均值、臭氧(O3)的日最大8小時(shí)滑動(dòng)平均值，共計(jì)7個(gè)指標(biāo)。故本文從南充空氣監(jiān)測數(shù)據(jù)中，選取了2014～2018年的6個(gè)指標(biāo)(PM2.5、PM10、O3、CO、NO2、SO2的24h平均值)進(jìn)行AQI主成分分析和Holt-Winters乘法模型預(yù)測，且使用數(shù)據(jù)為各站點(diǎn)均值(CO單位mg/m3、風(fēng)級單位“級”、降水量單位mm，其余均用μg/m3)。再選取風(fēng)級、降水量、溫度3個(gè)指標(biāo)進(jìn)行空氣改善因素的分析。

南充市主城區(qū)目前共有6個(gè)國控空氣質(zhì)量自動(dòng)監(jiān)測站，分別為南充煉油廠、高坪區(qū)監(jiān)測站、南充市委、嘉陵區(qū)環(huán)保局、市環(huán)境監(jiān)測站和西山風(fēng)景區(qū)，具體見圖1。

圖1 南充主城區(qū)環(huán)境空氣自動(dòng)監(jiān)測點(diǎn)位分布圖Fig.1 Distribution map of automatic monitoring points of ambient air in the main urban area of Nanchong

1.2 研究方法

用SPSS22.0軟件和Microsoft Office Excel進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析和作圖。利用主成分分析，得出影響空氣質(zhì)量指數(shù)的主要因素；利用時(shí)間序列分析模型分析主要成分在2019年及2020年的季節(jié)變化趨勢。

2 結(jié)果分析

2.1 南充市空氣AQI變化特征分析

由圖2可見，2014～2018年空氣質(zhì)量AQI總體呈下降趨勢，每年12、1、2月空氣污染最嚴(yán)重，7、8月空氣質(zhì)量較好；PM2.5與PM10總體趨勢與AQI一致，五年內(nèi)明顯下降；SO2從2014～2018年呈現(xiàn)明顯下降趨勢，其中2014～2015年下降速度最快，之后逐漸減緩；2014～2018年CO與NO2無明顯下降或上升趨勢，而在每一年中呈現(xiàn)周期性的波動(dòng)；O3濃度逐年上升，且在每年7～8月份濃度最高，12～1月濃度最低。由此可以得出結(jié)論：2014～2018年空氣質(zhì)量AQI總體下降，空氣狀況在不斷改善，PM2.5、PM10、SO2濃度明顯降低。

圖2 南充市2014～2018年空氣質(zhì)量月變化圖Fig.2 Monthly variation of air quality in Nanchong City from 2014 to 2018

2.2 空氣質(zhì)量影響因子主成分分析

對PM2.5、PM10、SO2、CO、NO2、O36項(xiàng)指標(biāo)進(jìn)行主成分分析，根據(jù)特征值的大小判斷主成分因子(表1)，PM2.5的特征值最大且明顯大于其它特征值，即影響AQI的主成分為PM2.5，其次是PM10、SO2、CO。

表1 主成分分析結(jié)果Tab.1 Principal component analysis results

2.3 空氣質(zhì)量主成分的Holt-Winters乘法模型分析

2.3.1 數(shù)據(jù)處理

以南充市2014～2018年月PM2.5數(shù)據(jù)作為本次分析樣本，首先進(jìn)行時(shí)間序列分析，分析圖3得該時(shí)間序列具有逐年下降趨勢和季節(jié)效應(yīng)。

圖3 2014～2018年南充市PM2.5濃度圖Fig.3 PM2.5 content of Nanchong City from 2014 to 2018

2.3.2 預(yù)測結(jié)果與分析

時(shí)間序列分析方法屬于統(tǒng)計(jì)學(xué)范疇, 該方法通過研究、分析和處理時(shí)間序列, 提取出系統(tǒng)的相關(guān)信息, 從而揭示時(shí)間序列本身的結(jié)構(gòu)與規(guī)律, 挖掘系統(tǒng)的固有特性, 掌握系統(tǒng)與外界的聯(lián)系, 推斷出系統(tǒng)的未來變化趨勢[8]。利用時(shí)間序列分析某一監(jiān)測站的PM2.5的監(jiān)測值隨時(shí)間的推移而發(fā)生改變, 因此大氣污染物濃度變化可以被看作是非平穩(wěn)的時(shí)間序列, 通過對相關(guān)監(jiān)測值建立時(shí)間序列模型, 并以歷史資料進(jìn)行參數(shù)估計(jì), 就可以進(jìn)行模擬預(yù)測[9]。

由于其中Holt-Winters乘法模型適用于具有線性趨勢和乘法季節(jié)變化的序列，故采用其進(jìn)行分析預(yù)測。結(jié)果得到R2值為0.878(接近于1)，擬合圖如圖4所示，擬合效果較好，故Holt-Winters乘法是可取的。再對2019年1～6月的PM2.5值進(jìn)行預(yù)測并與所取得真實(shí)數(shù)據(jù)進(jìn)行比較，結(jié)果如表2所示。

圖4 2014～2018年P(guān)M2.5擬合圖Fig.4 2014～2018 PM2.5 fitting map

表2 2019年1～6月份Holt-Winters乘法預(yù)測值與實(shí)測值統(tǒng)計(jì)單位Tab.2 Statistics of Holt-Winters multiplication predicted and measured values from January to June 2019 (μg/m3)

結(jié)果表明：2019年模型預(yù)測值與實(shí)測值之間排除個(gè)別偶然誤差值較大的數(shù)值之外，其它實(shí)測值與預(yù)測值的相對誤差率都在10%之內(nèi)，屬于正常范圍，說明此模型預(yù)測效果較好，可以用于南充市未來短時(shí)間內(nèi)的PM2.5數(shù)值預(yù)測。則2019年7月～2020年6月預(yù)測數(shù)據(jù)如表3所示。

由預(yù)測值可以看出2019年7～9月的PM2.5濃度均達(dá)到空氣質(zhì)量評價(jià)二級標(biāo)準(zhǔn)限值35μg/m3，而在2019年11月～2020年2月PM2.5濃度值較高，從2020年3月以后濃度值又降低。

表3 2019年7月份至2020年6月份的PM2.5預(yù)測值Tab.3 Predicted PM2.5 value from July 2019 to June 2020 (μg/ m3)

2.4 空氣改善因素分析

2.4.1 PM2.5、PM10與氣象條件分析

選取氣象條件中的溫度、風(fēng)級、降水量與PM2.5、PM10分別作折線圖，如圖5、圖6。

圖5 2014～2018年P(guān)M2.5與降水量、溫度、風(fēng)級趨勢對比Fig.5 Comparison of PM2.5 and precipitation, temperature and wind level trends from 2014 to 2018

圖6 2014～2018年P(guān)M10與降水量、溫度、風(fēng)級趨勢對比Fig.6 Comparison of PM10 and precipitation, temperature and wind level trends from 2014 to 2018

由圖5、圖6可以看出，降水量呈現(xiàn)明顯周期性，以一年為一個(gè)周期，每年7、8月降水量最大，1、12月最少。溫度具有明顯季節(jié)效應(yīng)，風(fēng)級全年變化不大，雖有逐年增加趨勢，但增幅較小，無法得出相關(guān)關(guān)系。PM2.5、PM10的濃度變化和降水量呈負(fù)相關(guān)關(guān)系，說明降水量是使得夏季PM2.5、PM10濃度下降的重要因素。降水量的增加，有利于空氣中懸浮顆粒物的沉降。

2.4.2 特殊季節(jié)空氣改善因素分析

經(jīng)上述分析，PM2.5、PM10濃度呈季節(jié)效應(yīng)，在夏季濃度最低、冬季濃度最高，故對夏季和冬季進(jìn)行空氣改善因素分析。

夏季，由于PM2.5、PM10濃度受降水影響大量沉降，因此濃度明顯降低，同時(shí)在2014～2018期間，政府不斷出臺(tái)政策，加大顆粒物控制：2014年期間，在原來的政策基礎(chǔ)上新添餐飲行業(yè)要求，要求餐飲行業(yè)必須安裝高效油煙處理器。同時(shí)到8月初為止，采取多次人工降雨措施，加大洗塵。2015年劃分區(qū)域完善秸稈燃燒責(zé)任體系，將責(zé)任落實(shí)到部門。2016年，取代了使用燃煤的餐飲行業(yè)。2017、2018年比起前三年，淘汰了分散燃燒小鍋爐，車輛改革初現(xiàn)成效。在道路揚(yáng)塵上，加大了道路清洗。在高溫，干旱持續(xù)的時(shí)間里多次組織進(jìn)行人工降雨。

冬季降水量較少，但PM2.5、PM10在冬季仍有逐年下降趨勢，說明南充市開展的大氣污染防治工作對空氣質(zhì)量的改善起主導(dǎo)作用。從2014年～2018年，南充市環(huán)保部門開展的大氣環(huán)境保護(hù)工作逐漸增多，對城市進(jìn)行精細(xì)化管理，全力推進(jìn)大氣污染防治工作再上新臺(tái)階。2015年1月～4月共投放37枚火箭彈，進(jìn)行人工降雨，2016年5月也開展多次增雨作業(yè)。南充市生態(tài)環(huán)保局于2017年12月13日發(fā)布“關(guān)于冬季大氣污染防治的通告”，要求①在主城區(qū)內(nèi)禁止任何單位和個(gè)人露天焚燒農(nóng)作物秸稈建筑垃圾及生或垃圾等產(chǎn)生有毒有害氣體的物質(zhì)。②所有“黃標(biāo)車”逐步淘汰。③相關(guān)的禁放區(qū)域內(nèi)一律禁止燃放煙花爆竹。④主城區(qū)居民需集中熏制點(diǎn)熏制臘肉制品。

據(jù)張自全研究表明，柴油車是NOX、SO2、PM10和PM2.5的主要移動(dòng)排放源[10]。2017年12月～2018年1月，市環(huán)境保護(hù)局等相關(guān)部門聯(lián)合開展了3次重型柴油車排氣污染專項(xiàng)整治行動(dòng)。隨機(jī)在重型柴油車出現(xiàn)頻次較多、比較集中的地方進(jìn)行尾氣抽測。對抽測超標(biāo)的車輛，依法對其進(jìn)行處罰，并督促其進(jìn)行整改。同時(shí)期，環(huán)保部門夜查揚(yáng)塵控制情況，以及重污染天氣應(yīng)急的落實(shí)情況。督導(dǎo)檢查組，對主城三區(qū)煙花爆竹禁(限)放工作落實(shí)情況開展督導(dǎo)檢查。

3 討 論

南充市主城區(qū)2014～2016年空氣質(zhì)量持續(xù)改善，PM2.5污染變化由輕到重依次為夏季、秋季、春季、冬季[11]。本文選取2014～2018年的數(shù)據(jù)分析得圖3，空氣質(zhì)量仍在持續(xù)改善，且PM2.5在冬季的濃度最高、夏季最低，呈現(xiàn)明顯的季節(jié)趨勢。這與張巍等采用2013～2017年四川省環(huán)境空氣質(zhì)量監(jiān)測數(shù)據(jù)，按照國家最新標(biāo)準(zhǔn)及技術(shù)規(guī)范分析空氣質(zhì)量變化趨勢及污染特征的結(jié)果:四川省城市空氣質(zhì)量總體逐年好轉(zhuǎn)優(yōu)良天數(shù)率在80%左右波動(dòng)上升的結(jié)論一致[12]。由表4預(yù)測值可以看出2019年7～9月的PM2.5濃度均達(dá)到空氣質(zhì)量評價(jià)二級標(biāo)準(zhǔn)限值35μg/m3，而在2019年11月～2020年2月PM2.5濃度值較高，從2020年3月以后濃度值又降低，同樣呈現(xiàn)冬季PM2.5濃度最高的特點(diǎn)。相關(guān)研究表明，主成分分析法在城市大氣顆粒物來源研究方面是一種切實(shí)可行的有效的方法[13]。故本文采用主成分分析法分析影響AQI的主要因子，結(jié)果表明影響AQI的主成分為PM2.5，并且與魯朝旭等人的研究結(jié)果：近三年，細(xì)顆粒物是造成南充市主城區(qū)空氣污染最主要的原因[14]。結(jié)論一致。

參考王濤等人的基于時(shí)間序列模型的PM2.5研究[15]與本文對應(yīng)月份的相對誤差率的比較，得出Holt-Winters乘法模型可行，但此模型只適用于基于大量時(shí)間序列的短期預(yù)測且有一定的相對誤差，可能存在的原因如下：

(1)個(gè)別原始數(shù)據(jù)在監(jiān)測過程中可能存在偶然誤差；

(2)本文分析數(shù)據(jù)樣本偏少，未呈現(xiàn)明顯的循環(huán)周期波動(dòng)；

(3)造成空氣污染的原因較多，有自然因素如氣象條件、地形條件等因素，也有人為因素如城市工業(yè)布局、機(jī)動(dòng)車尾氣、工業(yè)生活燃煤等，對于各種污染源的權(quán)重分析更待進(jìn)一步的研究。本文的Holt-Winters模型從時(shí)間序列出發(fā)，還有待添加其他社會(huì)因素的考慮如地區(qū)環(huán)境保護(hù)政策及地區(qū)規(guī)劃變化，使得模型的預(yù)測更加真實(shí)可靠。