沈培福，靳全鋒,2*，周雨欣，徐端妙，黃海松

1. 麗水職業(yè)技術(shù)學(xué)院，浙江 麗水 323000

2. 福建農(nóng)林大學(xué)林學(xué)院，福建 福州 350002

城市化和工業(yè)化進(jìn)程的加快，導(dǎo)致大氣污染加劇，從而引起國(guó)內(nèi)外廣泛關(guān)注. 盡管我國(guó)生態(tài)環(huán)境部出臺(tái)了一系列環(huán)境保護(hù)政策[1-2]，但我國(guó)區(qū)域O3濃度仍呈增長(zhǎng)態(tài)勢(shì)[3-4]，在京津唐、長(zhǎng)三角和珠三角地區(qū)O3已取代顆粒物成為主要污染物[5-7]. 因此，我國(guó)越來(lái)越重視O3污染的監(jiān)測(cè)與管理[8]，高精度的O3濃度擬合方法對(duì)解決O3問(wèn)題尤為重要.

研究[9]發(fā)現(xiàn)，O3主要由氮氧化物(NOx)、揮發(fā)性有機(jī)化合物(VOCs)、一氧化碳(CO)、甲烷(CH4)和烴類等多種前體物經(jīng)復(fù)雜光化學(xué)反應(yīng)產(chǎn)生. 長(zhǎng)期暴露在高濃度O3環(huán)境對(duì)人類健康和生態(tài)系統(tǒng)有顯著影響[10-11]. 高濃度O3會(huì)抑制植被光合作用、改變植被理化性質(zhì)、降低植被養(yǎng)分利用率，通過(guò)影響植被有機(jī)物積累進(jìn)而直接或間接改變生態(tài)系統(tǒng)結(jié)構(gòu)[12-14]. 研究[15-16]表明，高濃度O3會(huì)增加人類心血管和呼吸系統(tǒng)疾病的發(fā)生概率，同時(shí)也會(huì)顯著影響人血糖和血壓等生理生化指標(biāo)，甚至導(dǎo)致過(guò)早死亡[17]. 衛(wèi)生計(jì)量評(píng)估研究所(IHME)全球疾病負(fù)擔(dān)(GBD)項(xiàng)目研究顯示，2016年全球因O3導(dǎo)致過(guò)早死亡的人數(shù)達(dá)233 638 人[18]，2015年中國(guó)因O3導(dǎo)致過(guò)早死亡的人數(shù)超過(guò)80 280 人[19]. 同時(shí)，高濃度O3也可顯著影響生態(tài)環(huán)境[20]. 因此，解決O3問(wèn)題是全社會(huì)共同利益. 鑒于長(zhǎng)三角目前面臨著復(fù)雜的O3污染問(wèn)題，全面了解O3污染時(shí)空格局及其影響因子對(duì)開展環(huán)境流行病學(xué)研究和擬定適當(dāng)?shù)腛3污染控制策略具有重要意義.

目前，我國(guó)正處于經(jīng)濟(jì)上升期，長(zhǎng)三角作為工業(yè)生產(chǎn)密集區(qū)，工業(yè)生產(chǎn)和人類活動(dòng)大量排放O3前體物，從而加劇O3污染. 浙江省位于長(zhǎng)三角經(jīng)濟(jì)核心區(qū)，因此探索浙江省O3時(shí)空格局及相關(guān)因子對(duì)解決我國(guó)亞熱帶區(qū)域O3污染問(wèn)題尤為重要. 目前，國(guó)內(nèi)關(guān)于O3污染的研究已取得一定進(jìn)展[1,19-21]，為探究氣象因子和前體物對(duì)O3濃度的影響，在全國(guó)[20]、北京[3]、長(zhǎng)三角[22-23]和珠三角[24]等不同尺度區(qū)域探索了O3濃度的驅(qū)動(dòng)因子. 多數(shù)研究集中在O3污染的時(shí)空格局[1,21]、O3污染對(duì)人類健康的影響[19]以及O3濃度與氣象因素之間的相關(guān)關(guān)系[25]，國(guó)內(nèi)外學(xué)者運(yùn)用多元線性回歸分析法[26]、分位數(shù)回歸分析法[27]、主成分分析法[28]、收斂交叉映射算法[25]和空氣質(zhì)量模型[20]等擬合地面O3濃度與氣象和人為因子相關(guān)關(guān)系，但忽略了季節(jié)對(duì)O3污染的影響. 鑒于此，該研究以浙江省2014-2019年O3濃度小時(shí)監(jiān)測(cè)數(shù)據(jù)為研究對(duì)象，應(yīng)用多元線性回歸方法結(jié)合氣象因子，探究不同時(shí)間內(nèi)O3污染時(shí)空分布及相關(guān)影響因子，以期為相關(guān)模型研究和O3污染防控提供科學(xué)依據(jù).

1 資料來(lái)源與方法

1.1 研究區(qū)概況

浙江省位于中國(guó)東部，區(qū)域范圍為27°06′N～31°11′N、118°01′E～123°10′E，面積為1.02×105km2. 該區(qū)域?qū)賮啛釒Ъ撅L(fēng)性濕潤(rùn)氣候，自然條件較優(yōu)越，年均氣溫為15～18 ℃，年均雨量為980～2 000 mm，年均日照時(shí)長(zhǎng)為1 710～2 100 h[23-24].

1.2 數(shù)據(jù)來(lái)源

2014-2019 年O3濃度小時(shí)監(jiān)測(cè)數(shù)據(jù)來(lái)源于中國(guó)環(huán)境監(jiān)測(cè)中心(http://www.cnemc.cn). 該研究基于浙江省及周邊56 個(gè)監(jiān)測(cè)站點(diǎn)的O3小時(shí)濃度數(shù)據(jù)，計(jì)算每天、每月和每年的O3濃度平均值. 氣象數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)共享網(wǎng)絡(luò)(http://cdc.cma.gov.cn)，浙江省及周邊42 個(gè)國(guó)家基準(zhǔn)站每日氣象數(shù)據(jù)共包含蒸發(fā)量、降水量、相對(duì)濕度、溫度、風(fēng)速、光照和地表溫度等22 個(gè)氣象因子，該研究對(duì)氣象數(shù)據(jù)進(jìn)行了預(yù)處理，去除了由于儀器設(shè)備損壞缺失的數(shù)據(jù)，剩余氣象因子包括蒸發(fā)量(mm)、日均地表氣溫(℃)、日最高地表氣溫(℃)、日最低地表氣溫(℃)、日均風(fēng)速(m/s)、日最大風(fēng)速(m/s)、日最大風(fēng)速的風(fēng)向(°)、日極大風(fēng)速(m/s)、日極大風(fēng)速的風(fēng)向(°)、日降水量(mm)、日均氣壓(hPa)、日最高氣壓(hPa)、日最低氣壓(hPa)、日照時(shí)數(shù)(h)、日均氣溫(℃)、日最高氣溫(℃)、日最低氣溫(℃)、日均相對(duì)濕度(%)和日最小相對(duì)濕度(%)共19 個(gè)氣象因子.

1.3 數(shù)據(jù)處理

1.3.1 后向軌跡聚類分析

后向軌跡聚類分析是一種用于計(jì)算、分析大氣污染物運(yùn)輸、擴(kuò)散軌跡的專業(yè)模型，目前廣泛運(yùn)用大氣污染物的溯源、追蹤和區(qū)域源解析研究[29]. 該研究以氣象數(shù)據(jù)(ftp://arlftp.arlhq.noaa.gov/pub/archives)為基礎(chǔ)運(yùn)用MeteoInfo 軟件進(jìn)行數(shù)據(jù)可視分[30]. 基于已有研究[31-32]，考慮到500 m 高度風(fēng)場(chǎng)能夠準(zhǔn)確反映邊界層的平均流場(chǎng)特征，則以500 m 為模擬高度. 同時(shí)模擬不同季節(jié)典型時(shí)刻（00:00、04:00、08:00、12:00、16:00 和20:00）24 h 后向軌跡.

1.3.2 多元線性回歸模型及多重共線性診斷

多元線性回歸模型是用多個(gè)自變量解釋因變量變化的一種常用統(tǒng)計(jì)模型[33]，其自變量的多重共線性是自變量之間相關(guān)關(guān)系的重要表現(xiàn)，若模型存在較高共線性，會(huì)導(dǎo)致顯著性檢驗(yàn)失去意義及模型的預(yù)測(cè)功能失效. 因此，建模前應(yīng)對(duì)自變量進(jìn)行多重共線性診斷，逐步剔除有顯著共線性的自變量. 該研究運(yùn)用方差膨脹因子(VIF)進(jìn)行多重共線性檢驗(yàn)，當(dāng)VIF≥10時(shí)，表明自變量間存在多重共線性，將其剔除并以逐步回歸法得到最優(yōu)結(jié)果；當(dāng)VIF＜10 時(shí)，表明自變量間不存在多重共線性.

1.3.3 模型變量的選擇及運(yùn)算

該研究將總樣本數(shù)據(jù)隨機(jī)分成70%的訓(xùn)練樣本和30%的測(cè)試樣本，進(jìn)行有放回隨機(jī)抽樣，重復(fù)5 次，分別得到5 組樣本，對(duì)5 組樣本進(jìn)行多元線性回歸運(yùn)算，建立5 個(gè)中間模型，選擇5 次測(cè)試中出現(xiàn)3 次或以上的顯著變量進(jìn)入全樣本數(shù)據(jù)擬合. 應(yīng)用R 軟件的Relaimpo 包計(jì)算顯著性變量的貢獻(xiàn)率.

1.4 浙江省O3 濃度精度評(píng)價(jià)

浙江省O3濃度精度驗(yàn)證是對(duì)O3濃度實(shí)測(cè)值與預(yù)測(cè)值計(jì)算均方根誤差(RMSE)、均方絕對(duì)百分比誤差(MAPE)以及變異解釋量(R2)來(lái)評(píng)估O3濃度精度.RMSE、MAPE 和R2計(jì)算公式參考文獻(xiàn)[33].

2 結(jié)果與討論

2.1 浙江省O3 濃度時(shí)空分布

由圖1(a)可見，浙江省O3濃度月變化存在差異，總體呈“M”型分布，其中最高值多集中在5 月和9 月，最低值多集中在6-7 月，1-12 月O3平均濃度分別為32.16、48.63、56.44、66.74、77.13、68.03、61.22、67.85、70.37、60.38、35.54 和27.49 μg/m3. O3濃度具有明顯的季節(jié)性差異，呈夏季(68.80 μg/m3)＞秋季(66.20 μg/m3)＞春季(57.26 μg/m3)＞冬季(31.73 μg/m3)的特征. 研究[34-35]顯示，冬季O3濃度較低，夏季O3濃度較高，O3濃度受太陽(yáng)輻射和溫度等自然因子的影響，因此夏季氣象條件更適合光化學(xué)反應(yīng)，相反冬季紫外線強(qiáng)度低，光化學(xué)反應(yīng)不足以形成較高的O3濃度.

由圖1(b)可見，2014-2019 年浙江省大氣O3平均濃度總體呈上升趨勢(shì)，2014-2019 年O3平均濃度分別為55.76、53.85、54.40、58.81、56.93 和55.89 μg/m3，年均增長(zhǎng)率為1.34%，與Yang 等[1]研究結(jié)果一致.

圖1 2014—2019 年浙江省O3 濃度時(shí)間變化及年變化情況Fig.1 Time variation and annual variation of O3 concentration in Zhejiang Province from 2014 to 2019

2014-2019 年浙江省四季和年均O3濃度變化如圖2 所示. 由圖2 可見：春季、夏季、秋季和年均O3濃度均在07:00 左右達(dá)到最小值，之后逐步上升，至15:00 達(dá)到峰值后逐步下降，而冬季O3濃度最小值出現(xiàn)時(shí)間較其他季節(jié)晚1 h. 筆者研究結(jié)果與Yang等[1,36]研究結(jié)論一致，即O3形成受溫度和太陽(yáng)輻射等因子影響[37]. 早上隨著太陽(yáng)輻射和溫度升高，光化學(xué)反應(yīng)急劇，加快了O3形成，14:00 溫度和光照均達(dá)到最大值，O3轉(zhuǎn)化效率較高，由于O3積累存在一定的延遲，最終在15:00 達(dá)到峰值[38].

圖2 2014—2019 年浙江省O3 濃度日變化情況Fig.2 Daily variation of O3 concentration in Zhejiang Province from 2014 to 2019

2.2 浙江省O3 濃度空間分布

由圖3 可見，2014-2019 年浙江省O3濃度時(shí)空分布不均勻，O3濃度較高的區(qū)域多集中在浙江省東北區(qū)域和北部區(qū)域，中部區(qū)域O3濃度相對(duì)較低. 杭州市、湖州市、嘉興市、金華市、麗水市、寧波市、衢州市、紹興市、臺(tái)州市、溫州市和舟山市O3年均濃度分別為59.82、65.13、68.80、58.86、56.95、65.27、58.96、60.82、65.01、53.78 和59.48 μg/m3. 研究表明，O3濃度與NOx和VOCs 濃度密切相關(guān)[39-41]，浙江省北部是重工業(yè)分布區(qū)，排放大量NOx和VOCs[33]，可有效促進(jìn)區(qū)域空間O3濃度的增加[42-43].

圖3 2014—2019 年浙江省O3 濃度空間分布Fig.3 Spatial distributions of O3 concentration in Zhejiang Province from 2014 to 2019

2.3 浙江省O3 后向軌跡聚類分析

該研究以2014-2019 年不同季節(jié)氣象數(shù)據(jù)為基礎(chǔ)，運(yùn)用MeteoInfo 軟件模擬高度為500 m，模擬時(shí)間為24 h 的后向軌跡，按傳輸速度和方向?qū)饬鬈壽E進(jìn)行軌跡類型聚類(見表1).

表1 2014-2019 年浙江省四季的氣流后向軌跡聚類Table 1 Backward trajectory clustering of four seasons in Zhejiang Province from 2014 to 2019

春季后向軌跡聚類為6 類(見表1)，聚類Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ和Ⅵ的占比分別為5.43%、7.61%、8.70%、38.04%、22.83%和17.39%. 聚類Ⅰ來(lái)自河北省，經(jīng)過(guò)山東省并穿越安徽省和江蘇省，然后到達(dá)杭州市；聚類Ⅱ來(lái)自湖北省，經(jīng)安徽省南部達(dá)到杭州市；聚類Ⅲ起源于湖南省與廣東省交匯處，貫穿江西省到達(dá)杭州市；聚類Ⅳ起源于皖南直達(dá)杭州市；聚類Ⅴ集群源于浙江省東部沿海；聚類Ⅵ集群起源于黃海，穿越江蘇省和上海市直達(dá)杭州市.

夏季，后向軌跡聚類為6 類(見表1)，聚類Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ和Ⅵ的占比分別為4.40%、1.10%、26.37%、15.38%、20.88%和31.87%，其中聚類Ⅲ、Ⅴ和Ⅵ總占比為79.12%，其起源多為本省或鄰省周邊區(qū)域.

秋季，后向軌跡聚類為5 類(見表1)，聚類Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ的占比分別為6.59%、15.38%、36.26%、26.37%和15.40%，其中Ⅲ和Ⅳ分別起源于黃海和江西省北部，二者占比超過(guò)60%.

冬季，后向軌跡聚類為6 類(見表1)，聚類Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ和Ⅵ的占比分別為2.25%、37.08%、13.48%、11.24%、28.08%和7.87%. 聚類Ⅰ、Ⅱ、Ⅳ、Ⅴ和Ⅵ均源于西南方向，其起源多集中在安徽省和湖北省，聚類Ⅲ源于江西省北部區(qū)域.

2.4 浙江省O3 濃度變化相關(guān)因子分析

該研究基于方差膨脹因子(VIF＜10)和因子解釋率(Img＞1%)對(duì)各季節(jié)因子進(jìn)行逐步剔除，最終結(jié)果見表2、3.

表2 多元線性回歸模型因子篩選Table 2 Factor screening for multiple linear regression models

不同季節(jié)多元線性回歸模型因子存在差異(見表3)：春季，日蒸發(fā)量、日最低氣壓、日照時(shí)長(zhǎng)和日最低氣溫均與O3濃度呈正相關(guān)，日最高氣溫、日最小相對(duì)濕度和NO2濃度對(duì)O3濃度有抑制效應(yīng)；夏季，日極大風(fēng)速、極大風(fēng)速的風(fēng)向、日降水量、日最高氣溫和日平均相對(duì)濕度均與O3濃度呈負(fù)相關(guān)，日蒸發(fā)量、日最高氣壓和日照時(shí)長(zhǎng)對(duì)O3濃度有促進(jìn)作用；秋季，日最大風(fēng)速、日最大風(fēng)速的風(fēng)向、日降水量和NO2濃度均與O3濃度呈負(fù)相關(guān)，日蒸發(fā)量、日平均風(fēng)速、日極大風(fēng)速和日照時(shí)長(zhǎng)對(duì)O3濃度有促進(jìn)作用；冬季，日蒸發(fā)量、日最高地表氣溫、日極大風(fēng)速和日平均相對(duì)濕度均與O3濃度呈正相關(guān)，日最低地表氣溫、極大風(fēng)速的風(fēng)向、日最高氣壓和NO2濃度對(duì)O3濃度有抑制作用. 不同季節(jié)最終模型中各因子對(duì)O3濃度影響差異顯著，其中，秋、春兩季蒸發(fā)量對(duì)O3濃度的貢獻(xiàn)率超過(guò)20%，而夏季日平均相對(duì)濕度貢獻(xiàn)率超過(guò)40%，秋季日光照時(shí)長(zhǎng)貢獻(xiàn)率超過(guò)40%，秋、冬兩季NO2濃度貢獻(xiàn)率超過(guò)35%(見圖4).

圖4 浙江省各季節(jié)自變量對(duì)因變量的貢獻(xiàn)率Fig.4 Contribution rate of independent variables to dependent variables in each season of Zhejiang Province

表3 最終多元線性回歸模型Table 3 The final multiple linear regression models

2.5 模型擬合能力比較

由表4 可見：不同季節(jié)訓(xùn)練樣本和測(cè)試樣本方差解釋度、調(diào)整R2以及O3濃度觀測(cè)值與預(yù)測(cè)值的相關(guān)性均存在較大差異. 其中，春季平均方差解釋度為44.60%，調(diào)整R2為0.446，觀測(cè)值與預(yù)測(cè)值的相關(guān)性為0.669；夏季平均方差解釋度為37.76%，調(diào)整R2為0.377，觀測(cè)值與預(yù)測(cè)值的相關(guān)性為0.593；秋季平均方差解釋度為44.06%，調(diào)整R2為0.441，觀測(cè)值與預(yù)測(cè)值的相關(guān)性為0.665；冬季平均方差解釋度為46.31%，調(diào)整R2為0.463，觀測(cè)值與預(yù)測(cè)值的相關(guān)性為0.682. 結(jié)果表明，春季、冬季和秋季擬合效果優(yōu)于夏季.

表4 多元線性回歸模型中調(diào)整R2、方差解釋度以及O3 濃度觀測(cè)值與預(yù)測(cè)值的相關(guān)性Table 4 Adjust R2, variance explained and correlation values between observed and predicted values in the multiple linear regression model

2.6 擬合精度評(píng)價(jià)

由圖5 可見，春季回歸模型的RMSE、MAPE 和R2分別為0.213、26.45%和0.422，夏季分別為0.234、30.49%和0.359，秋季分別為0.169、24.02%和0.445，冬季分別為0.154、34.14%和0.419. 結(jié)果表明，不同季節(jié)多元線性回歸模型擬合結(jié)果存在差異，擬合效果在秋季最好，其次依次為春季、冬季和夏季，春、秋兩季的擬合效果顯著優(yōu)于夏、冬兩季，與已有研究結(jié)果[20,44-45]一致.

圖5 O3 濃度精度驗(yàn)證Fig.5 Accuracy validations of O3 concentration

2.7 浙江省O3 濃度驅(qū)動(dòng)因子討論

研究[46]發(fā)現(xiàn)，降水、氣溫、相對(duì)濕度、日照時(shí)間、地表氣壓和風(fēng)速等氣象因子是影響O3濃度的主要因素. 而O3濃度的影響因子在四季存在差異，主要是由于前體物、氣象條件和光化學(xué)反應(yīng)的差異導(dǎo)致[47]. 不同季節(jié)O3濃度影響因子存在較大差異，在春季日蒸發(fā)量、日最低氣壓、日照時(shí)長(zhǎng)、日最高氣溫、日最低氣溫、日最小相對(duì)濕度和NO2濃度等7 個(gè)因子對(duì)O3濃度的影響較為顯著. 研究[45]顯示，O3濃度與日蒸發(fā)量呈顯著正相關(guān)，由于日蒸發(fā)量與地表氣溫呈正相關(guān)，因此日蒸發(fā)量對(duì)O3濃度的影響在一定程度上反映了溫度對(duì)其的作用. 隨著氣溫的升高，日蒸發(fā)和植被蒸騰作用顯著增加，地表植被揮發(fā)物(BVOCs)呈增加趨勢(shì)，進(jìn)而促進(jìn)O3形成[48]. 筆者研究顯示，在夏季日極大風(fēng)速、極大風(fēng)速的風(fēng)向、日降水量和和日平均相對(duì)濕度等4 個(gè)因子與O3濃度呈顯著負(fù)相關(guān)，一方面，濕潤(rùn)海洋氣團(tuán)被海風(fēng)帶入浙江省，增加了空氣濕度，降低了O3濃度，而夏季海洋氣團(tuán)占比較少，其對(duì)大氣底層O3濃度影響較?。涣硪环矫?，穩(wěn)定的氣流運(yùn)動(dòng)將周邊NOx和VOCs 等前體物帶入浙江省，日照時(shí)長(zhǎng)的增加，增強(qiáng)了有效光化學(xué)反應(yīng)，導(dǎo)致夏季O3污染加劇[20,49]. 冬季前體物濃度最高，但O3濃度最低[20,22]，主要影響因子是日蒸發(fā)量、日最高地表氣溫、極大風(fēng)速的風(fēng)向和前體物濃度. 由于氣流將高污染區(qū)域的前體物帶到浙江省，污染物濃度的增加促進(jìn)了光的散射，降低了日最高地表氣溫以及減少了日蒸發(fā)量，進(jìn)而降低光化學(xué)反應(yīng)能力和O3濃度[26,50]. 而秋季和春季O3濃度影響因子與夏、冬兩季具有一定相似性.

3 結(jié)論

a) 2014-2019 年浙江省O3濃度時(shí)間分布不均勻，O3年均值整體呈上升趨勢(shì)，四季變化存在差異，總體呈夏季＞秋季 ＞ 春季＞冬季的特征.

b) 浙江省春季、夏季、秋季和全年O3濃度在07:00 左右達(dá)最小值，之后逐步上升，至15:00 達(dá)峰值后逐步下降，冬季O3最小值出現(xiàn)時(shí)間較其他季節(jié)晚1 h 左右.

c) 浙江省O3濃度空間分布不均勻，O3濃度較高的區(qū)域集中在浙江省東北區(qū)域和北部區(qū)域，中部區(qū)域O3濃度相對(duì)較低.

d) 春季氣流以偏西和東南方向?yàn)橹?，偏西氣流占比最高；夏季偏西和西南氣流占比最大，占比超過(guò)45%；秋季海洋氣流占比最大，超過(guò)50%；冬季氣流皆來(lái)源西北和西南方向.

e) 浙江省不同季節(jié)O3濃度模型影響差異顯著，其中，春、秋兩季蒸發(fā)量貢獻(xiàn)率超過(guò)20%，而夏季平均相對(duì)濕度貢獻(xiàn)率超過(guò)40%，秋季日光照時(shí)長(zhǎng)貢獻(xiàn)率超過(guò)40%，秋、冬兩季NO2濃度貢獻(xiàn)率超過(guò)35%.

f) 春季多元線性回歸模型均方根誤差(RMSE)、均方絕對(duì)百分比誤差(MAPE)和變異解釋量(R2)分別為0.213、26.45%和0.422，夏季分別為0.234、30.49%和0.359，秋季分別為0.169、24.02%和0.445，冬季分別為0.154、34.14%和0.419，表明多元線性回歸模型的擬合效果在浙江省春、秋兩季顯著優(yōu)于夏、冬兩季.