PDF《的关系分析》

2018 年 5月30 日;

修回日期 :

2018 年 7月27日 第一作者 : 邓艳君(1988―) ,Email: [email protected] 资助信息 : 荆州市气象局科技基金支持课题(JZ201705)

68 州[4] 、 上海、 沈阳等城市开展了城市空气污染浓度的预 报, 建立了城市空气污染数值预报模式和统计模式, 很 多学者[5-9] 分析了空气污染与气象要素的相关关系. 2012年上半年,国家规定采用空气质量指数(Air Quality Index,AQI)替代原有的空气污染指数(Air Pollution Index,API).AQI分级参考新的环境空气 质量标准(GB―3095―2012),参与评价的污染物包 括二氧化硫(SO2)、二氧化氮(NO2)、可吸入颗粒 物(PM10)、细颗粒物(PM2.5)、臭氧(O3)和一氧 化碳(CO),因此AQI较API监测的污染物指标更多, 评价结果更客观.荆州市环保局从2013年8月开始启用 新的环境监测设备,市委党校环境监测站从2014年1月 1日开始以AQI代替API.本文利用2014―2016年市委党 校环境监测站逐日空气质量监测资料,分析荆州城区 空气质量AQI及主要污染物的现状和变化特征,进一步 讨论空气质量与气象要素之间的关系,以期对荆州城 区空气质量预报提供参考.

1 资料与方法 1.1 研究资料 荆州城区2014年1月1日―2016年12月31日空气 质量数据来源于荆州市环保局市委党校站常规监测项 日均值数据,包括逐日空气质量指数AQI,细颗粒物 (PM2.5)、可吸入颗粒物(PM10)、二氧化硫、二氧 化氮、臭氧、一氧化碳等6种主要污染物浓度,首要 污染物,空气质量类别,以及空气质量等级等数据. 同期气象资料来源于湖北省荆州区国家基本气象站日 值数据,包括逐日气压(平均、最高、最低)、气温 (平均、最高、最低)、平均水汽压、相对湿度(平均、最小)、降水量、平均总云量、平均低云量、平 均风速、风向风速(最大、极大)等气象要素. 1.2 研究方法 Pearson相关系数是反映变量之间相关关系密切 程度的统计指标,通过两个离差乘积反映两个变量之 间的相关程度,着重研究线性的单相关系数.本文利 用统计学中常用的Pearson相关系数来衡量AQI、各污 染物浓度和气象要素的相关关系.在相关分析的基础 上,选取相关性较高的气象要素作为预报因子组,并 排除气象要素间的自相关性,分别建立AQI和污染物 浓度的线性回归预报方程.

2 结果分析 2.1 空气质量变化特征 2.1.1 空气质量现状 2014年1月―2016年12月荆州城区出现频率最高 的空气质量等级是二级良(图1),占总日数的51%;

其次是三级轻度污染,占总日数的28%;

中度污染日 数占8%,优等级的日数占7%,重度污染日数占5%, 严重污染出现的频率最低,仅占1%. 7% 51% 28% 8% 5% 1% 优良轻度污染 中度污染 重度污染 严重污染 图1 2014年1月―2016年12月荆州城区不同等级空气质量 百分比 Fig.

1 Percentage of air quality grades in Jingzhou during the period from January

2014 to December

2016 2014―2016年,荆州城区不同等级空气质量日 数(表1)可以看出,这3年间荆州城区空气质量呈上 升趋势,优良日数增多,轻度污染以上的污染日数 减少,2014年污染日数为175 d,2015和2016年分别 为138和139 d,其中重度污染和严重污染日数显著减 少,2015和2016年没有出现严重污染. 表1 2014―2016年荆州城区不同等级空气质量日数 ( 单位: d) Table

1 Days of various air quality grades in Jingzhou from