導(dǎo)語(yǔ)：如何才能寫好一篇大氣污染主要因子，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：大氣擴(kuò)散能力；大氣擴(kuò)散指數(shù)；混合層高度

中圖分類號(hào)：P4

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：16749944（2017）10001603

1 引言

當(dāng)前我國(guó)大氣污染形勢(shì)嚴(yán)峻，國(guó)家和社會(huì)各界高度關(guān)注，環(huán)境氣象儼然成了當(dāng)今時(shí)代的焦點(diǎn)。有效地防止大氣污染的途徑，除了采用除塵及廢氣凈化裝置等各種工程技術(shù)手段外，還需充分利用大氣的湍流混合作用對(duì)污染物的擴(kuò)散稀釋能力，即大氣的自凈能力。大氣擴(kuò)散是指將一定量的含有有害物質(zhì)的氣體排入高空，借大氣湍流和分子運(yùn)動(dòng)，向大氣中低濃度區(qū)域遷移，從而把有害物質(zhì)稀釋到容許濃度以下的過程。在污染源排放相對(duì)穩(wěn)定的條件下，大氣擴(kuò)散能力的強(qiáng)弱直接決定著空氣質(zhì)量的好壞，與人們的生活息息相關(guān)[1]。就大氣污染成因而言，污染是主因，氣象是誘因。歷史上發(fā)生過的重大空氣污染危害事件，都是在不利于污染物擴(kuò)散的氣象條件下發(fā)生的。為了掌握污染物的擴(kuò)散規(guī)律，以便采取有效措施防治大氣污染的形成，必須了解氣象條件對(duì)大氣擴(kuò)散的影響，以及局部氣象因素與地形地貌狀況之間的關(guān)系[2]。

目前大氣擴(kuò)散能力的衡量沒有一個(gè)確定的標(biāo)準(zhǔn)，通過大氣擴(kuò)散模式計(jì)算大氣擴(kuò)散指數(shù)是一種行之有效的方法。大氣擴(kuò)散模式的種類很多，按模式理論的發(fā)展途徑可分為統(tǒng)計(jì)理論模式、K理論模式和相似理論模式。按模擬的時(shí)間尺度可分為短期平均及長(zhǎng)期平均濃度模式；按污染源的形態(tài)又可分為點(diǎn)源、線源、面源、體源、多源或復(fù)合源模式。盡管大氣擴(kuò)散模式的種類繁多，但從應(yīng)用角度出發(fā)，在實(shí)際工作中使用的大氣擴(kuò)散模式多屬高斯模式及高斯模式的變形[3]。

近年來(lái)，針對(duì)空氣質(zhì)量與氣象條件關(guān)系的研究很多，但對(duì)大氣擴(kuò)散與氣象條件的關(guān)系研究卻很少。馬香香等對(duì)幾種大氣污染擴(kuò)散模式應(yīng)用進(jìn)行了比較[4]。王偉平等用高斯模式估算了臺(tái)州電廠一期工程的SO2濃度分布[5]。王文等則介紹了基于高斯模式的幾個(gè)主要擴(kuò)散模型，并比較了它們的優(yōu)劣，指出了開發(fā)新模型需解決的問題[6]。胡春梅等根據(jù)重慶市地面常規(guī)要素、L波段雷達(dá)探測(cè)資料風(fēng)速和溫度與API的相關(guān)性，建立了空氣污染擴(kuò)散條件的綜合氣象指數(shù)[7]。陳宣慶等在對(duì)Turner大氣擴(kuò)散等級(jí)的分類方法進(jìn)行部分修正的基礎(chǔ)上，對(duì)長(zhǎng)春市大氣擴(kuò)散能力進(jìn)行了定級(jí)分類，并分析了其氣候特征，對(duì)長(zhǎng)春市大氣擴(kuò)散能力做了初步評(píng)價(jià)[8]。

此外，環(huán)保部門和氣象部門一直緊密合作，雙方不僅加強(qiáng)信息共享，充分發(fā)揮信息資源效益，還對(duì)規(guī)范實(shí)施了標(biāo)準(zhǔn)化，聯(lián)合開展重污染天氣監(jiān)測(cè)預(yù)警業(yè)務(wù)和基于AQI（空氣質(zhì)量指數(shù)）的預(yù)報(bào)，建立定期交流機(jī)制，完善會(huì)商機(jī)制和重大信息協(xié)調(diào)機(jī)制，不斷把兩部門在信息共享、預(yù)警服務(wù)甚至科研等方面的合作推向深入，更好地履行職責(zé)、服務(wù)社會(huì)。雙方還根據(jù)“大氣十條”要求，深化開展針對(duì)重污染天氣的預(yù)報(bào)預(yù)測(cè)預(yù)警工作，建立重污染天氣監(jiān)測(cè)預(yù)警體系。

2 資料與方法

大氣擴(kuò)散能力資料采用浙江省氣象科學(xué)研究所根據(jù)高斯模式計(jì)算出的大氣擴(kuò)散指數(shù)，是定量描述大氣擴(kuò)散能力的無(wú)量綱指數(shù)，在此取湖州（站號(hào)：58450）2013年1～12月逐日資料。同時(shí)用到的混合層高度數(shù)據(jù)也是該模式計(jì)算輸出產(chǎn)品。

氣象資料采用同時(shí)段湖州國(guó)家基本觀測(cè)站地面觀測(cè)逐日資料。

空氣質(zhì)量資料采用同時(shí)段湖州市環(huán)境保護(hù)監(jiān)測(cè)中心監(jiān)測(cè)獲得的AQI及PM2.5等逐日資料。2013年之前，環(huán)保部門采用空氣污染指數(shù)API來(lái)表示空氣污染狀況，2013年起則啟用空氣質(zhì)量指數(shù)AQI來(lái)表示空氣質(zhì)量狀況。根據(jù)環(huán)境保護(hù)部《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定》分級(jí)方法，空氣質(zhì)量指數(shù)（AQI）劃分為0～50、51～100、101～150、151～200、201～300和大于300六n，分別對(duì)應(yīng)于空氣質(zhì)量的六個(gè)級(jí)別：優(yōu)、良、輕度污染、中度污染、重度污染、嚴(yán)重污染，指數(shù)越大，級(jí)別越高，說(shuō)明污染越嚴(yán)重，對(duì)人體健康的影響也越明顯。

首先對(duì)2013年湖州大氣擴(kuò)散指數(shù)及AQI數(shù)據(jù)進(jìn)行月平均處理，分析其月際變化特征。然后對(duì)逐日大氣擴(kuò)散指數(shù)與對(duì)應(yīng)的氣象要素?cái)?shù)據(jù)進(jìn)行相關(guān)分析，并將樣本分為有降水樣本和無(wú)降水樣本，分別研究了大氣擴(kuò)散指數(shù)與氣象條件之間的關(guān)系。此外，還將環(huán)境氣象中衍生的重要參數(shù)混合層高度與大氣擴(kuò)散指數(shù)進(jìn)行了相關(guān)分析，得出了其對(duì)大氣擴(kuò)散能力的影響。

3 大氣擴(kuò)散指數(shù)的月際變化特征

圖1為2013年湖州大氣擴(kuò)散指數(shù)和AQI的月平均值的逐月變化，可見，2013年湖州大氣擴(kuò)散指數(shù)的月變化較為明顯，除3～5月和8月、10月大氣擴(kuò)散指數(shù)較高大于等于3之外，其他月份均低于3。其中4月最高，達(dá)到了3.5，這主要是因?yàn)榇杭救照粘渥悖嘏黠@，湍流活動(dòng)相對(duì)比較旺盛；8月次之，達(dá)到了3.3，則是因?yàn)槭⑾募竟?jié)天氣炎熱，熱力不穩(wěn)定條件好，云團(tuán)易發(fā)展，對(duì)流活動(dòng)頻繁所致。1月和11～12月大氣擴(kuò)散指數(shù)則處于一個(gè)低谷期，表明晚秋到隆冬季節(jié)里，多冷性高壓控制，大氣層結(jié)較為穩(wěn)定，且風(fēng)力較小、降水較少，大氣擴(kuò)散能力明顯變?nèi)酢?/p>

另外，從圖1還可以看出，AQI的變化與大氣擴(kuò)散指數(shù)的變化基本趨于相反，AQI值越高，即空氣質(zhì)量越差，大氣擴(kuò)散指數(shù)則越小，即大氣擴(kuò)散能力越弱；AQI值越小，即空氣質(zhì)量越好，大氣擴(kuò)散指數(shù)則越大，即大氣擴(kuò)散能力越強(qiáng)。經(jīng)計(jì)算，大氣擴(kuò)散指數(shù)與AQI之間的相關(guān)系數(shù)達(dá)到了-0.32，兩者呈顯著負(fù)相關(guān)，這也印證了大氣擴(kuò)散能力的強(qiáng)弱直接影響著空氣質(zhì)量的好壞。

4 大氣擴(kuò)散能力與氣象條件的關(guān)系

4.1 大氣擴(kuò)散指數(shù)與各氣象因子的關(guān)系

在氣象學(xué)中，氣象要素是指用于描述的物理狀態(tài)與現(xiàn)象的物理量，包括氣壓、氣溫、濕度、云、風(fēng)、能見度以及太陽(yáng)輻射等。這些要素都能從觀測(cè)直接獲得，并隨著時(shí)間經(jīng)常變化，彼此之間相互制約。不同的氣象要素組合呈現(xiàn)不同的氣象特征，因此對(duì)污染物在大氣中的輸送擴(kuò)散產(chǎn)生不同的影響。其中風(fēng)和大氣不規(guī)則的湍流運(yùn)動(dòng)是直接影響大氣污染物擴(kuò)散的氣象因素，而氣溫的垂直分布又制約著風(fēng)場(chǎng)與湍流結(jié)構(gòu)。

采用湖州市2013年逐日大氣擴(kuò)散指數(shù)及地面觀測(cè)資料，對(duì)大氣擴(kuò)散指數(shù)與各氣象要素進(jìn)行了相關(guān)性分析（表1）。從2013年全年樣本分析來(lái)看，與大氣擴(kuò)散指數(shù)相關(guān)性較好的氣象因子有平均氣壓、最低氣溫、降水量、最低氣壓、平均風(fēng)速，且均通過了0.01的顯著性檢驗(yàn)。其中相關(guān)性最好的為平均風(fēng)速，相關(guān)系數(shù)達(dá)到了0.96，其次為降水量，相關(guān)系數(shù)為0.35。

由表1可以看出，降水量對(duì)于大氣擴(kuò)散能力的影響是較為顯著的，為了進(jìn)一步研究，將2013年全年樣本再分為有雨樣本（152個(gè)）和無(wú)雨樣本（215個(gè)），分別計(jì)算各氣象因子與大氣擴(kuò)散指數(shù)的相關(guān)性?？梢钥闯?，有雨樣本中，氣象因子中還是平均風(fēng)速與大氣擴(kuò)散能力的相關(guān)性最好，相關(guān)系數(shù)同樣達(dá)到了0.96，此外則是降水量和蒸發(fā)量相關(guān)性較好，相關(guān)系數(shù)分別達(dá)到了0.38和0.27，且均通過了0.01的顯著性檢驗(yàn)，而其他氣象因子都沒有通過顯著性檢驗(yàn)。這說(shuō)明，在有降雨的情況下，假設(shè)排除風(fēng)的影響，則降水量是大氣擴(kuò)散能力決定性的因素，降水量越大，大氣擴(kuò)散能力越強(qiáng)，降水量越小，大氣擴(kuò)散能力越小。無(wú)雨樣本中，大氣擴(kuò)散指數(shù)相關(guān)性較好的氣象因子有平均氣壓、平均氣溫、相對(duì)濕度、日照時(shí)數(shù)、平均風(fēng)速，且均通過了0.01的顯著性檢驗(yàn)。其中相關(guān)性最好的還是平均風(fēng)速，相關(guān)系數(shù)也達(dá)到了0.96。

大氣擴(kuò)散能力與氣象條件息息相關(guān)，大的天氣系統(tǒng)決定了大氣擴(kuò)散能力的整體背景，而風(fēng)、壓、濕及降水等氣象條件的細(xì)微變化直接導(dǎo)致了大氣擴(kuò)散能力的強(qiáng)弱變化。從以上與大氣擴(kuò)散指數(shù)的相關(guān)性可見，風(fēng)速為正相關(guān)，風(fēng)力增大有助于大氣擴(kuò)散；相對(duì)濕度為負(fù)相關(guān)，濕度高有利于氣溶膠粒徑增大并在空氣中滯留；氣壓為負(fù)相關(guān)，高氣壓時(shí)，氣流下沉，容易形成逆溫，低氣壓時(shí)，氣流上升，容易擴(kuò)散。溫度為正相關(guān)，溫度高整體上有利于擴(kuò)散，雖然溫度高同時(shí)也有助于二次污染物的形成。降水量為正相關(guān)，降水有助于沖刷空氣中的污染物。

4.2 大氣擴(kuò)散指數(shù)與混合層高度的關(guān)系

大氣邊界層中的空氣明顯地受地面摩擦或熱力作用的影響，因而在某個(gè)高度的穩(wěn)定層下會(huì)出現(xiàn)顯著的垂直混合，造成混合層。大氣混合層高度與逆溫的形成和消散過程有密切關(guān)系，混合層底面對(duì)煙氣的向上擴(kuò)散起著抑制作用，混合層高度的變化影響著大氣污染物的濃度分布，它是影響大氣擴(kuò)散的一個(gè)重要因素。

通過計(jì)算2013年全年樣本中混合層高度與大氣擴(kuò)散指數(shù)的相關(guān)性，得出兩者的相關(guān)系數(shù)高達(dá)0.92，且通過了0.01的顯著性檢驗(yàn)，表明混合層高度與大氣擴(kuò)散能力呈明顯正相關(guān)。這也充分印證了混合層高度是衡量大氣擴(kuò)散能力的一個(gè)重要指標(biāo)，混合層高度越高，大氣擴(kuò)散能力越強(qiáng)，混合層高度越低，大氣擴(kuò)散能力越弱。

5 結(jié)語(yǔ)

（1）2013年湖州大氣擴(kuò)散指數(shù)的月變化較為明顯，3～5月和8月、10月大氣擴(kuò)散指數(shù)較高，1月和11～12月較低，表明春、夏季大氣擴(kuò)散能力較強(qiáng)，秋、冬季擴(kuò)散能力較弱。

（2）AQI的變化與大氣擴(kuò)散指數(shù)的變化基本趨于相反，兩者呈顯著負(fù)相關(guān)，說(shuō)明大氣擴(kuò)散能力的強(qiáng)弱直接影響著空氣質(zhì)量的好壞。

（3）在決定大氣擴(kuò)散能力強(qiáng)弱的氣象因子中，風(fēng)速是最主要的，其次是降水量。排除風(fēng)的影響，有降水情況下，降水量是大氣擴(kuò)散能力決定性的因素，降水量越大，大氣擴(kuò)散能力越強(qiáng)，降水量越小，大氣擴(kuò)散能力越??；無(wú)降水情況下，決定大氣擴(kuò)散能力的氣象因子較多，主要有相對(duì)濕度、氣壓和平均氣溫，大氣擴(kuò)散指數(shù)與相對(duì)濕度和氣壓呈負(fù)相關(guān)，與平均氣溫呈正相關(guān)。

（4）混合癰叨扔氪篤擴(kuò)散指數(shù)有很高的正相關(guān)性，可以作為衡量大氣擴(kuò)散能力的一個(gè)重要指標(biāo)。

參考文獻(xiàn)：

[1]

丁一匯，李巧萍，柳艷菊，等.空氣污染與氣候變化[J].氣象，2009，35（3）： 3～14.

[2]張建忠，孫 瑾，王冠嵐，等.北京地區(qū)空氣質(zhì)量指數(shù)時(shí)空分布特征及其與氣象條件的關(guān)系[J].氣象與環(huán)境科學(xué)，2014，37（1）：33～39.

[3]呂 煒，李金鳳，王雪松，等.長(zhǎng)距離污染傳輸對(duì)珠江三角洲區(qū)域空氣質(zhì)量影響的數(shù)值模擬研究[J].環(huán)境科學(xué)學(xué)報(bào)，2015，35（1）：30～41.

[4]馬春香，趙淑敏.幾種大氣污染擴(kuò)散模式的應(yīng)用比較[J].環(huán)境科學(xué)與管理，2007，32（10）：35～36.

[5]王偉平，余錫剛.高斯擴(kuò)散模式的應(yīng)用[J].浙江氣象科技，2007，8（4）：37～45.

[6]王 文，于 雷，裴文文，等.基于高斯線性源模式的主要尾氣擴(kuò)散模型綜述[J].交通環(huán)保，2004，25（5）：7～10.

篇2

關(guān)鍵詞：新鄉(xiāng)；大氣污染；PM2.5；濃度；區(qū)域功能

中圖分類號(hào)：X831

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：16749944（2017）8009302

1引言

在環(huán)境空氣中，PM2.5又稱細(xì)顆粒物，是空氣動(dòng)力學(xué)當(dāng)量直徑小于等于2.5 μm的顆粒物，其來(lái)源和成因極其復(fù)雜，主要來(lái)源包括二次顆粒物、汽車排放、化石燃料燃燒、道路揚(yáng)塵、生物質(zhì)燃燒、土壤層以及金屬加工處理等。PM2.5只是地球大氣成分中含量很少的組分，但它對(duì)空氣能見度有重要的影響，也是造成空氣環(huán)境污染，對(duì)人體健康危害最嚴(yán)重的大氣污染物之一[1，2]。因此，PM2.5是評(píng)價(jià)大氣環(huán)境質(zhì)量的重要指標(biāo)，已成為近年來(lái)城市大氣環(huán)境研究的焦點(diǎn)[3～6]。

新鄉(xiāng)市地處河南省北部黃河中下游，由于特殊的地理位置以及產(chǎn)業(yè)結(jié)構(gòu)，其大氣環(huán)境質(zhì)量備受社會(huì)各方面關(guān)注。筆者將借助空氣自動(dòng)監(jiān)測(cè)數(shù)據(jù)，分析新鄉(xiāng)市大氣污染物中PM2.5濃度變化特征，通過探討環(huán)境空氣中PM2.5濃度隨季節(jié)、月份變化的關(guān)系，對(duì)新鄉(xiāng)市的PM2.5污染狀況進(jìn)行了客觀評(píng)價(jià)，為管理部門控制空氣污染決策提供科學(xué)依據(jù)。

2數(shù)據(jù)來(lái)源

數(shù)據(jù)采用“國(guó)家空氣質(zhì)量聯(lián)網(wǎng)監(jiān)測(cè)管理平臺(tái)（市級(jí)版）”的監(jiān)測(cè)數(shù)據(jù)，研究中選用數(shù)據(jù)為2015年1月1日至2016年12月31日新鄉(xiāng)市國(guó)控站點(diǎn)連續(xù)監(jiān)測(cè)的PM2.5小時(shí)平均質(zhì)量濃度，并獲取該時(shí)間段內(nèi)日平均質(zhì)量濃度，各月、各季節(jié)以及年P(guān)M2.5的平均濃度時(shí)空分布特征。

表1所示為大氣污染物PM2.5濃度劃分國(guó)家標(biāo)準(zhǔn)，日均質(zhì)量濃度及年均質(zhì)量濃度的統(tǒng)計(jì)滿足《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012）的要求。依據(jù)國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)，新鄉(xiāng)市執(zhí)行二級(jí)標(biāo)準(zhǔn)。

由表1、表2可知，2015年和2016年新鄉(xiāng)市區(qū)大氣污染物PM2.5濃度均超過國(guó)家大氣潔凈水平二級(jí)標(biāo)準(zhǔn)；2015年四個(gè)國(guó)控點(diǎn)位，環(huán)保西院年平均PM2.5污染最重，開發(fā)區(qū)的污染最低，2016年四個(gè)國(guó)控點(diǎn)位PM2.5污染水平基本一致；雖然城區(qū)和四個(gè)國(guó)控點(diǎn)位2016年相對(duì)于2015年均有明顯下降，但均超過了國(guó)家規(guī)定的二級(jí)標(biāo)準(zhǔn)，這也說(shuō)明城區(qū)和四個(gè)國(guó)控點(diǎn)位大氣環(huán)境中PM2.5污染程度仍然較重。

2015年各站點(diǎn)污染物年均值顯示，開發(fā)區(qū)PM2.5的年均值相對(duì)較低，而環(huán)保西院年均值相對(duì)較高，符合其功能區(qū)周邊環(huán)境現(xiàn)狀情況，而2016年各個(gè)功能區(qū)PM2.5年均濃度基本一致。整體上看，新鄉(xiāng)市PM2.5污染物呈現(xiàn)區(qū)域性污染（圖1）。

3.2各監(jiān)測(cè)點(diǎn)污染物PM2.5濃度隨季節(jié)變化的特征分析

如圖2所示，四個(gè)季節(jié)中，污染物PM2.5在整個(gè)市區(qū)的濃度表現(xiàn)為“V”形狀特征，夏季、秋季PM2.5濃度較低，春季、冬季PM2.5濃度較高。污染物PM2.5濃度整體上呈現(xiàn)出冬強(qiáng)夏弱的季節(jié)變化規(guī)律。

夏秋兩季氣溫較高，雨水豐富，盛行西南風(fēng)和東南風(fēng)，風(fēng)力較強(qiáng)，有利于空氣中污染物的稀釋和擴(kuò)散；春冬兩季則相反，降水較少再加上近地面逆溫層和靜風(fēng)等天氣現(xiàn)象發(fā)生頻率較高，不利于污染物擴(kuò)散和稀釋。

3.3污染物PM2.5濃度變化與社會(huì)功能區(qū)域關(guān)系分析

如圖3所示，環(huán)保西院，工業(yè)較多，人口密度大，車輛多交通擁擠，人類活動(dòng)頻繁，其年均PM2.5超過其他城區(qū)；開發(fā)區(qū)，人口密度低，綠地分布廣，無(wú)明顯污染源，其年均PM2.5濃度最低。PM2.5年平均濃度的區(qū)域差異，工業(yè)居民混合區(qū)的PM2.5濃度變化最為明顯，而居民區(qū)的PM2.5濃度變化略低。這說(shuō)明人類活動(dòng)、交通狀況、商業(yè)活動(dòng)強(qiáng)度是全市PM2.5濃度影響最主要因素，因此各區(qū)域的社會(huì)功能對(duì)城市空氣質(zhì)量起著不同的作用。

4結(jié)果與結(jié)論

新鄉(xiāng)市大氣環(huán)境中PM2.5濃度年度變化呈現(xiàn)明顯下降，但均超過了國(guó)家規(guī)定的二級(jí)標(biāo)準(zhǔn)， PM2.5污染程度仍然較重。季節(jié)變化呈現(xiàn)出春、冬季高，夏、秋季低的差異性。各功能區(qū)域中大氣污染中PM2.5濃度變化為人口密集、交通擁堵、經(jīng)濟(jì)活躍的工業(yè)混合區(qū)最為顯著；人口密度低，綠地分布廣，無(wú)明顯污染源的居民區(qū)最不明顯。

本研究表明人類日?；顒?dòng)、季節(jié)變化是該市PM2.5濃度變化的主要因素，這也說(shuō)明城市大氣環(huán)境質(zhì)量的變化是人類活動(dòng)和自然環(huán)境相互作用的結(jié)果。但導(dǎo)致大氣環(huán)境質(zhì)量狀態(tài)變化的因素是多方面的，需要進(jìn)一步采用更多指標(biāo)，更全面揭示城市大氣環(huán)境質(zhì)量動(dòng)態(tài)變化規(guī)律。

參考文獻(xiàn)：

[1]

王京麗，劉旭林.北京市大氣細(xì)粒子質(zhì)量濃度與能見度定量關(guān)系初探[J]. 氣象學(xué)報(bào)，2006，64（2）：221～228.

[2]楊新興，馮麗華.大氣顆粒物PM2.5及其危害[J].前沿科學(xué)，2012，6（1）：22～31.

[3]朱能文. 顆粒物濃度的影響因素及變化規(guī)律[J]. 環(huán)境科學(xué)動(dòng)態(tài)， 2005（2）： 16～18.

[4]宋宇， 唐孝炎， 方晨，等. 北京市能見度下降與顆粒物污染的關(guān)系[J]. 環(huán)境科學(xué)學(xué)報(bào)， 2003， 23（4）： 468～471.

篇3

關(guān)鍵詞：銅山礦 大氣環(huán)境質(zhì)量 污染物排放 監(jiān)測(cè)分析

中圖分類號(hào)：X37 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2017）01（a）-0000-00

作者簡(jiǎn)介：李毛毛（1986-），漢族，女，安徽池州，本科，助理工程師，主要從事礦山環(huán)境保護(hù)的管理工作。

銅山礦是銅陵有色金屬集團(tuán)公司的主力礦山之一，地處安徽省池州市境內(nèi)，主要從事銅礦采選，采選能力為2000t/d。礦山深部資源項(xiàng)目分兩期開采，一期開采-613m中段以上礦體，二期開采-613m中段以下礦體。工程主要包括主井、副井和風(fēng)井等采礦工程、選礦工程及其他公共輔助設(shè)施。礦山采選作業(yè)可能會(huì)產(chǎn)生礦區(qū)環(huán)境大氣污染，為了了解其正常生產(chǎn)情況下的污染情況，對(duì)該礦區(qū)大氣環(huán)境進(jìn)行現(xiàn)狀調(diào)查與分析。

1工程概況

該礦原工程設(shè)計(jì)內(nèi)容中選礦工藝為“三段一閉路破碎+球磨”，充填工藝為分級(jí)尾砂充填。隨著全尾充填技術(shù)日臻成熟并在集團(tuán)內(nèi)的冬瓜山銅礦和鳳凰山礦業(yè)公司的運(yùn)用，企業(yè)采用“全尾充填替代分級(jí)尾砂充填”，增加尾砂井下充填量。

另外，礦山在實(shí)際建設(shè)中還發(fā)生了一些工程內(nèi)容變更，主要變更內(nèi)容包括以下四方面：

（1）破碎磨礦工藝變更。采用“半自磨+直線振動(dòng)篩閉路系統(tǒng)”替代“三段一閉路破碎+球磨”，取消了地面破碎工序，增加井下粗破碎工序，減少粉塵污染。

（2）尾礦脫水設(shè)施變更。采用全尾充填工藝，尾砂輸送量和輸送濃度大幅度提高，配套的濃縮和過濾設(shè)施能力也相應(yīng)提高，因此采用高效率的新型濃密機(jī)和陶瓷過濾機(jī)取代老式濃密機(jī)和外濾式過濾機(jī)，優(yōu)化濃縮和脫水效果，從而提高充填輸送濃度和充填能力。

（3）充填工藝和充填站位置變化。充填工藝由原來(lái)設(shè)計(jì)的分級(jí)充填變更為全尾充填。另外，由于充填送濃度的提高，最大輸送距離受到限制，將充填站遷建于距離選礦廠較近的位置，縮短了地表尾砂輸送距離。

（4）尾礦庫(kù)尾砂入庫(kù)地點(diǎn)變更。實(shí)施全尾充填后，由于進(jìn)入尾礦庫(kù)的尾砂將大幅度減少，尾礦庫(kù)所需庫(kù)容也相應(yīng)減少。為了減少尾礦庫(kù)對(duì)環(huán)境的影響，在原有尾礦庫(kù)干灘上建立子壩，將尾礦放砂地點(diǎn)由壩體變更到子壩，將子壩和原壩體之間實(shí)施生態(tài)復(fù)墾工程，從而縮小干灘面，減少尾礦庫(kù)干灘揚(yáng)塵污染范圍。

2 大氣污染物排放變化情況

該礦工程項(xiàng)目變更前廢氣污染源主要是井下采礦作業(yè)粉塵、選礦破碎篩分產(chǎn)生的粉塵，道路運(yùn)輸揚(yáng)塵水泥倉(cāng)揚(yáng)塵、尾礦庫(kù)揚(yáng)塵等。變更后，項(xiàng)目廢氣污染源主要有井下廢氣（包括粗碎系統(tǒng)粉塵）、轉(zhuǎn)運(yùn)站粉塵、充填站粉塵、尾礦庫(kù)揚(yáng)塵、以及運(yùn)輸?shù)缆窊P(yáng)塵、廢石場(chǎng)粉塵等。工程變更前后主要大氣污染物排放變化情況見表1所示。

由表1可以看出，變更后，因轉(zhuǎn)運(yùn)站、原礦倉(cāng)的無(wú)組織排放變?yōu)橛薪M織排放，同時(shí)中細(xì)碎系統(tǒng)和篩分系統(tǒng)取消，因此廢氣產(chǎn)生量大大減少，減少約13.843t/a。

3 大氣環(huán)境質(zhì)量監(jiān)測(cè)變化情況

3.1變更前大氣環(huán)境質(zhì)量監(jiān)測(cè)分析

工程變更前于2007年3月12日-3月16日委托銅陵市環(huán)境監(jiān)測(cè)站對(duì)項(xiàng)目所在地環(huán)境質(zhì)量進(jìn)行了連續(xù)5天的監(jiān)測(cè)，監(jiān)測(cè)項(xiàng)目為PM10、TSP、SO2、NO2，共布設(shè)銅山礦區(qū)、南泉村、銅山鎮(zhèn)政府三個(gè)點(diǎn)，監(jiān)測(cè)結(jié)果見表2。

由表2監(jiān)測(cè)結(jié)果可知，礦區(qū)環(huán)境影響范圍內(nèi)SO2、NO2均達(dá)到《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095―1996）中二級(jí)標(biāo)準(zhǔn)，TSP濃度超標(biāo)率達(dá)6.7%、PM10濃度超標(biāo)率達(dá)46.7%。

TSP、PM10濃度超標(biāo)時(shí)段出現(xiàn)在3月14日的2#點(diǎn)（南泉村）、和3#點(diǎn)的（鎮(zhèn)政府），主要因氣象條件與汽車揚(yáng)塵影響所致。

3.2 變更后大氣環(huán)境質(zhì)量監(jiān)測(cè)分析

1、監(jiān)測(cè)結(jié)果

工程變更后，委托上海檢測(cè)技術(shù)有限公司于2015年3月24日至3月28日、3月30日至31日共7天對(duì)設(shè)定的監(jiān)測(cè)點(diǎn)（劉沖村、銅山鎮(zhèn)政府、銅源村、南泉村4個(gè)監(jiān)測(cè)點(diǎn)）進(jìn)行了大氣環(huán)境質(zhì)量現(xiàn)狀監(jiān)測(cè)，日均濃度監(jiān)測(cè)結(jié)果見表3。

2、監(jiān)測(cè)結(jié)果分析

分析方法

評(píng)價(jià)方法采用單因子標(biāo)準(zhǔn)指數(shù)法：

分析標(biāo)準(zhǔn)

分析標(biāo)準(zhǔn)采用《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012）二級(jí)標(biāo)準(zhǔn)。

結(jié)果分析

日均濃度監(jiān)測(cè)結(jié)果分析見表4。

由表4可以看出：劉沖村、銅山鎮(zhèn)政府、銅源村、南泉村4個(gè)監(jiān)測(cè)點(diǎn)TSP、PM10、SO2、NO2標(biāo)準(zhǔn)指數(shù)均小于1，日均濃度未出現(xiàn)超標(biāo)?？傮w來(lái)看，項(xiàng)目區(qū)域環(huán)境空氣TSP、PM10、SO2及NO2日均濃度可滿足《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB3095-2012）二級(jí)標(biāo)準(zhǔn)要求，無(wú)超標(biāo)現(xiàn)象。

4 結(jié)論與分析

經(jīng)過對(duì)銅山礦深部礦產(chǎn)資源采選工程項(xiàng)目變更后的工程分析，計(jì)算了項(xiàng)目變更前后大氣污染物排放的變化情況，主要大氣污染物排放總量有所減少；同時(shí)對(duì)變更前后的大氣環(huán)境質(zhì)量進(jìn)行了現(xiàn)場(chǎng)監(jiān)測(cè)，結(jié)果表明項(xiàng)目變更后的大氣環(huán)境影響在當(dāng)?shù)丨h(huán)境可接受的允許范圍內(nèi)。

變更后的大氣環(huán)境質(zhì)量現(xiàn)狀與變更前的相比，區(qū)域環(huán)境質(zhì)量大大改善，主要原因是因企業(yè)最近幾年加強(qiáng)了礦區(qū)的大氣污染控制措施，改善了運(yùn)輸路面，增設(shè)了灑水車，同時(shí)廢棄了原有的選廠，新建了選廠，取消了中細(xì)碎車間，并配套建設(shè)各項(xiàng)除塵設(shè)施。

參考文獻(xiàn)

篇4

當(dāng)前，威脅人類生存的十大環(huán)境問題是：

4.1 （一）全球氣候變暖由于人口的

增加和人類生產(chǎn)活動(dòng)的規(guī)模越來(lái)越大，向大氣釋放的二氧化碳(co2)、甲烷(ch4)、一氧化二氮(n2o)、氯氟碳化合物(cfc)、四氯化碳(ccl4)、一氧化碳(co)等溫室氣體不斷增加，導(dǎo)致大氣的組成發(fā)生變化。大氣質(zhì)量受到影響，氣候有逐漸變暖的趨勢(shì)。由于全球氣候變暖，將會(huì)對(duì)全球產(chǎn)生各種不同的影響，較高的溫度可使極地冰川融化，海平面每xx年將升高6厘米，因而將使一些海岸地區(qū)被淹沒。全球變暖也可能影響到降雨和大氣環(huán)流的變化，使氣候反常，易造成旱澇災(zāi)害，這些都可能導(dǎo)致生態(tài)系統(tǒng)發(fā)生變化和破壞，全球氣候變化將對(duì)人類生活產(chǎn)生一系列重大影響。

4.2 （二）臭氧層的耗損與破壞在離地球表面10~50千米的大氣平流層中集中了地球上90%的臭氧氣體，在離地面25千米處臭氧濃度最大，形成了厚度約為3毫米的臭氧集中層，稱為臭氧層。它能吸收太陽(yáng)的紫外線，以保護(hù)地球上的生命免遭過量紫外線的傷害，并將能量貯存在上層大氣，起到調(diào)節(jié)氣候的作用。但臭氧層是一個(gè)很脆弱的大氣層，如果進(jìn)入一些破壞臭氧的氣體，它們就會(huì)和臭氧發(fā)生化學(xué)作用，臭氧層就會(huì)遭到破壞。臭氧層被破壞，將使地面受到紫外線輻射的強(qiáng)度增加，給地球上的生命帶來(lái)很大的危害。研究表明，紫外線輻射能破壞生物蛋白質(zhì)和基因物質(zhì)脫氧核糖核酸，造成細(xì)胞死亡;使人類皮膚癌發(fā)病率增高;傷害眼睛，導(dǎo)致白內(nèi)障而使眼睛失明;抑制植物如大豆、瓜類、蔬菜等的生長(zhǎng)，并穿透10米深的水層，殺死浮游生物和微生物，從而危及水中生物的食物鏈和自由氧的來(lái)源，影響生態(tài)平衡和水體的自凈能力。

4.3 （三）生物多樣性減少《生物多樣

性公約》指出，生物多樣性“是指所有來(lái)源的形形的生物體，這些來(lái)源包括陸地、海洋和其他水生生態(tài)系統(tǒng)及其所構(gòu)成的生態(tài)綜合體;它包括物種內(nèi)部、物種之間和生態(tài)系統(tǒng)的多樣性。”在漫長(zhǎng)的生物進(jìn)化過程中會(huì)產(chǎn)生一些新的物種，同時(shí)，隨著生態(tài)環(huán)境條件的變化，也會(huì)使一些物種消失。所以說(shuō)，生物多樣性是在不斷變化的。近百年來(lái)，由于人口的急劇增加和人類對(duì)資源的不合理開發(fā)，加之環(huán)境污染等原因，地球上的各種生物及其生態(tài)系統(tǒng)受到了極大的沖擊，生物多樣性也受到了很大的損害。有關(guān)學(xué)者估計(jì)，世界上每年至少有5萬(wàn)種生物物種滅絕，平均每天滅絕的物種達(dá)140個(gè)，估計(jì)到21世紀(jì)初，全世界野生生物的損失可達(dá)其總數(shù)的15%~30%。在中國(guó)，由于人口增長(zhǎng)和經(jīng)濟(jì)發(fā)展的壓力，對(duì)生物資源的不合理利用和破壞，生物多樣性所遭受的損失也非常嚴(yán)重，大約已有200個(gè)物種已經(jīng)滅絕;估計(jì)約有5000種植物已處于瀕危狀態(tài)，這些約占中國(guó)高等植物總數(shù)的20%;大約還有398種脊椎動(dòng)物也處在瀕危狀態(tài)，約占中國(guó)脊椎動(dòng)物總數(shù)的7.7%左右。因此，保護(hù)和拯救生物多樣性以及這些生物賴以生存的生活條件，同樣是擺在我們面前的重要任務(wù)。

4.4 （四）酸雨蔓延酸雨是指大氣降水中酸堿度(ph值)低于5.6的雨、雪或其他形式的降水。這是大氣污染的一種表現(xiàn)。 酸雨對(duì)人類環(huán)境的影響是多方面的。酸雨降落到河流、湖泊中，會(huì)妨礙水中魚、蝦的成長(zhǎng)，以致魚蝦減少或絕跡;酸雨還導(dǎo)致土壤酸化，破壞土壤的營(yíng)養(yǎng)，使土壤貧瘠化，危害植物的生長(zhǎng)，造成作物減產(chǎn)，危害森林的生長(zhǎng)。此外，酸雨還腐蝕建筑材料，有關(guān)資料說(shuō)明，近十幾年來(lái)，酸雨地區(qū)的一些古跡特別是石刻、石雕或銅塑像的損壞超過以往百年以上，甚至千年以上。世界已有三大酸雨區(qū)。我國(guó)華南酸雨區(qū)是唯一尚未治理的。

4.5 （五）森林銳減在今天的地球上，我們的綠色屏障——森林正以平均每年4000平方公里的速度消失。森林的減少使其涵養(yǎng)水源的功能受到破壞，造成了物種的減少和水土流失，對(duì)二氧化碳的吸收減少進(jìn)而又加劇了溫室效應(yīng)。

4.6 （六）土地荒漠化全球

陸地面積占60%，其中沙漠和沙漠化面積29%。每年有600萬(wàn)公頃的土地變成沙漠。經(jīng)濟(jì)損失每年423億美元。全球共有干旱、半干旱土地50億公頃，其中33億遭到荒漠化威脅。致使每年有600萬(wàn)公頃的農(nóng)田、900萬(wàn)公頃的牧區(qū)失去生產(chǎn)力。人類文明的搖籃底格里斯河、幼發(fā)拉底河流域，已由沃土變成荒漠。中國(guó)的黃河流域，水土流失亦十分嚴(yán)重。

4.7 （七）大氣污染大氣污染的主要因子為懸浮顆粒物、一氧化碳、臭氧、二氧化碳、氮氧化物、鉛等。大氣污染導(dǎo)致每年有30-70萬(wàn)人因煙塵污染提前死亡，2500萬(wàn)的兒童患慢性喉炎，400-700萬(wàn)的農(nóng)村婦女兒童受害。

4.8 （八）水污染水是我們?nèi)粘Ｗ钚枰采辖佑|最多的物質(zhì)之一，然而就是水如今也成了危險(xiǎn)品。

4.9 （九）海洋污染人類活動(dòng)使近海區(qū)的氮和磷增加50%-200%;過量營(yíng)養(yǎng)物導(dǎo)致沿海藻類大量生長(zhǎng);波羅的海、北海、黑海、東中國(guó)海(東海)等出現(xiàn)赤潮。海洋污染導(dǎo)致赤潮頻繁發(fā)生，破壞了紅樹林、珊瑚礁、海草，使近海魚蝦銳減，漁業(yè)損失慘重。

篇5

區(qū)大氣環(huán)境質(zhì)量、監(jiān)測(cè)結(jié)果顯示：與相比，區(qū)環(huán)境空氣質(zhì)量總體基本保持穩(wěn)定。環(huán)境空氣中主要污染物濃度有升有降，按《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（gb3095—1996）二級(jí)標(biāo)準(zhǔn)加以考核全部達(dá)標(biāo)。

1．質(zhì)量狀況

大

氣質(zhì)量監(jiān)測(cè)指標(biāo)有：二氧化硫、氮氧化物、總懸浮顆粒物（tsp）、pm10。以國(guó)家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（gb3095—1966）中年日平均值二級(jí)標(biāo)準(zhǔn)評(píng)定本區(qū)環(huán)境空氣質(zhì)量污染水平，達(dá)到了國(guó)家環(huán)境空氣質(zhì)量二級(jí)標(biāo)準(zhǔn)，其中二氧化硫、氮氧化物均達(dá)到國(guó)家一級(jí)標(biāo)準(zhǔn)。

2．污染因子比較

區(qū)二氧化硫、氮氧化物、總懸浮顆粒濃度略低于郊縣年平均值，而pm10接近城區(qū)年平均值。我區(qū)空氣質(zhì)量一級(jí)天數(shù)為40天、二級(jí)天數(shù)為325天；空氣質(zhì)量一級(jí)為55天、二級(jí)天數(shù)為310天；總優(yōu)良率均為100%。二級(jí)天數(shù)大于市區(qū)，但一級(jí)天數(shù)少于市區(qū)。

二、原因分析及對(duì)策

1．選址不合理

監(jiān)測(cè)點(diǎn)位按規(guī)定應(yīng)設(shè)在區(qū)政府所在地，但目前仍在朱涇鎮(zhèn)。由于監(jiān)測(cè)點(diǎn)位設(shè)在320國(guó)道和水泥廠附近，且近年來(lái)附近區(qū)域建筑和市政施工大為增加，客觀上造成總懸浮顆粒和可吸入顆粒物（pm10）濃度較高。

2．監(jiān)測(cè)儀器設(shè)備陳舊、分析方法落后

總懸浮顆粒和可吸入顆粒物（pm10）濃度的測(cè)試仍采用手工采樣、實(shí)驗(yàn)室分析手段，重量法分析方法的準(zhǔn)確度主要取決采樣儀器設(shè)備和監(jiān)測(cè)環(huán)境條件。而市中心和一些區(qū)站已建立大氣質(zhì)量自動(dòng)在線監(jiān)測(cè)站，采用較為先進(jìn)的采樣儀器設(shè)備，提高了分析質(zhì)量。若我區(qū)也采用自動(dòng)在線監(jiān)測(cè)，則更能真實(shí)客觀地反映我區(qū)大氣環(huán)境質(zhì)量水平。

3．企事業(yè)單位燃煤鍋爐煙塵污染、企業(yè)排放的廢氣和餐飲業(yè)排放的油煙氣

目前我區(qū)尚有部分地區(qū)和企業(yè)使用燃煤鍋爐，城鎮(zhèn)餐飲業(yè)油煙氣大量增多，有關(guān)設(shè)施尚未完善，必須配套治理裝置，或使用清潔能源。

4．機(jī)動(dòng)車數(shù)量逐年遞增，尾氣排放污染嚴(yán)重

有關(guān)部門應(yīng)對(duì)機(jī)動(dòng)車尾氣排放加強(qiáng)管理，按歐盟二號(hào)廢氣排放標(biāo)準(zhǔn)執(zhí)行。

5．道路、市政、建筑工地的揚(yáng)塵增多

由于近幾年我區(qū)道路和基建項(xiàng)目大量上馬，導(dǎo)致?lián)P塵增多，應(yīng)當(dāng)采取防治揚(yáng)塵污染的措施。

6．土壤的揚(yáng)塵

篇6

關(guān)鍵詞： PM2.5； 相關(guān)性分析； 高斯模型； 當(dāng)量污染源； 杜哈梅積分

中圖分類號(hào)： TN919?34； TP319 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）18?0063?04

Analysis of factors related to PM2.5 and prediction for its evolution

LI Wei1， JIANG Zhi?ping1， LI Jun?po1， LIU Hao2

（1. College of Aerospace Engineering， Nanjing University of Aeronautics and Astronautics， Nanjing 210016， China；

2. College of Science， Nanjing University of Aeronautics and Astronautics， Nanjing 211106， China）

Abstract： Correlation analysis of AQI （air quality index） including the six basic monitoring indicators was conducted with statistical method. The specific relationship between PM2.5 and the other five indicators was achieved. As the dispersivity of pollution sources of PN2.5， the location and its relevant parameters of the equivalent pollution source were calculated according to monitoring data. Besides， the math model describing the PM2.5 concentration and its evolution was established based on the instantaneous Gauss model and Duhamel integral. According to the “Ambient Air Quality Standards” （GB3095―2012）， the seriously polluted and safe areas changing with time are illustrated dynamically.

Keywords： PM2.5； correlation analysis； Gauss model； equivalent pollution source； Duhamel integral

0 引 言

大氣中直徑小于或等于2.5 μm的顆粒物（以下簡(jiǎn)稱PM2.5）對(duì)人體健康和環(huán)境的危害逐漸引起人們的關(guān)注。PM2.5與粒徑較大的大氣顆粒物相比，在大氣中停留時(shí)間長(zhǎng)、輸送距離遠(yuǎn)、可吸入肺部等，對(duì)人體健康和大氣質(zhì)量影響更大，其危害性逐漸引起人們的關(guān)注。霧霾天氣嚴(yán)重影響著人們的健康。近年來(lái)突發(fā)性大氣污染逐漸成為各國(guó)關(guān)注的安全問題[1?2]。引起大氣污染的兩個(gè)基本要素是大氣氣溶膠和氣態(tài)大氣污染物[3?4]。2012年2月，環(huán)境保護(hù)部公布了新修訂的《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》 （GB3095?2012），與新標(biāo)準(zhǔn)同步還實(shí)施了《環(huán)境空氣質(zhì)量指數(shù)（AQI）技術(shù)規(guī)定（試行）》 （HJ633?2012），新標(biāo)準(zhǔn)中，首次將產(chǎn)生灰霾的主要因素――對(duì)人類健康危害極大的PM2.5的濃度指標(biāo)作為空氣質(zhì)量監(jiān)測(cè)指標(biāo)。因此，了解導(dǎo)致PM2.5產(chǎn)生的因素以及其擴(kuò)散規(guī)律對(duì)于減輕其危害和制定防治策略是很必要的。王風(fēng)林等針對(duì)已知污染源空間位置的情況探討了突發(fā)性環(huán)境污染事故中危險(xiǎn)品的大氣擴(kuò)散在泄露和爆炸兩種條件下的擴(kuò)散模型，對(duì)于類似PM2.5污染源分散的情況沒有研究[5]。胡二邦等定量測(cè)算了不同天氣條件下擴(kuò)散參數(shù)的不確定度，研究了大氣污染擴(kuò)散參數(shù)的不確定性以及其對(duì)擴(kuò)散因子的影響，研究表明在同一地點(diǎn)，同一天氣類型，擴(kuò)散參數(shù)實(shí)測(cè)值相差兩個(gè)數(shù)量級(jí)[6]。周順武等利用二氧化硫、二氧化氮、可吸入顆粒物三項(xiàng)指標(biāo)，分析了污染物濃度的分布特征[7]。由于影響PM2.5擴(kuò)散的因素很多，與當(dāng)?shù)貧庀笠貓?chǎng)密切相關(guān)[8]。針對(duì)不同因素建立的模型其適用范圍受到限制。高斯擴(kuò)散模型[9]以其模型簡(jiǎn)單、易于理解、運(yùn)算量小等特點(diǎn)，是目前應(yīng)用最廣泛的氣體擴(kuò)散模型之一[10]。該模型基于污染物濃度分布符合正態(tài)分布的假設(shè)。本文分析了各監(jiān)測(cè)指標(biāo)（二氧化硫、二氧化氮、可吸入顆粒物、PM2.5、臭氧和一氧化碳等6項(xiàng)）之間的相關(guān)性，并根據(jù)監(jiān)測(cè)點(diǎn)數(shù)據(jù)給出了等價(jià)污染源的確定方法，通過綜合考慮濃度梯度、風(fēng)向、風(fēng)速等要素的PM2.5高斯擴(kuò)散模型，預(yù)測(cè)了其濃度和演變過程，給出了各個(gè)時(shí)間段重度污染區(qū)域和安全區(qū)域，該結(jié)果可以為污染的預(yù)防、人員的疏散、城市布局規(guī)劃等提供理論支持。

1 監(jiān)測(cè)指標(biāo)的統(tǒng)計(jì)學(xué)分析

1.1 監(jiān)測(cè)指標(biāo)相關(guān)性分析

各個(gè)監(jiān)測(cè)指標(biāo)之間的聯(lián)系與差別比較復(fù)雜，為了定量分析它們之間的關(guān)聯(lián)性與獨(dú)立性，采用Pearson相關(guān)系數(shù)[11]建立任意兩個(gè)監(jiān)測(cè)指標(biāo)之間的聯(lián)系。

Pearson相關(guān)系數(shù)定義為：

[λ=Nxiyi-xiyiNx2i-（xi）2Ny2i-（yi）2] （1）

式中：[λ]表示Person相關(guān)系數(shù)[λ∈-1，1]，且[λ]絕對(duì)值越大，相關(guān)性越強(qiáng)；[x]，[y]分別表示兩組分析指標(biāo)對(duì)應(yīng)的數(shù)據(jù)列。運(yùn)用軟件SPSS容易獲得6個(gè)監(jiān)測(cè)指標(biāo)的相關(guān)系數(shù)矩陣，如表1所示。

由表1可見，PM2.5與二氧化硫、二氧化氮、可吸入顆粒物、一氧化碳均有強(qiáng)正相關(guān)性，而與臭氧具有較弱的負(fù)相關(guān)性。臭氧與其余的各個(gè)監(jiān)測(cè)指標(biāo)均為不同程度的負(fù)相關(guān)，可知一定濃度的臭氧對(duì)于防止PM2.5的產(chǎn)生具有積極的作用，除臭氧外，其余監(jiān)測(cè)指標(biāo)均會(huì)促使PM2.5的產(chǎn)生。

表1 監(jiān)測(cè)指標(biāo)相關(guān)系數(shù)

1.2 PM2.5與監(jiān)測(cè)指標(biāo)線性分析

由表1中的Pearson相關(guān)系數(shù)可以看出，PM2.5與除臭氧外的其他四項(xiàng)監(jiān)測(cè)指標(biāo)均有強(qiáng)相關(guān)性，且都大于0.72。為此可采用線性回歸的方法并用偏相關(guān)理論對(duì)其進(jìn)行分析驗(yàn)證，建立PM2.5與該5個(gè)監(jiān)測(cè)指標(biāo)的關(guān)系。定義二氧化硫[x1]、二氧化氮[x2]、可吸入顆粒物[x3]、一氧化碳[x4]、臭氧[x5]的權(quán)重系數(shù)分別為[w1，w2，???，w5]，調(diào)整常數(shù)項(xiàng)[c]。即PM2.5表達(dá)式為：

[y=w1x1+w2x2+w3x3+w4x4+w5x5+c] （2）

監(jiān)測(cè)到的PM2.5的濃度與式（2）中得出的PM2.5的濃度誤差平方和最?。ㄗ钚《朔ǎ?，即滿足如下關(guān)系：

[min=j=1myj-i=15wi?xij+c2] （3）

式中：[m]為（本文中[m]取238）監(jiān)測(cè)數(shù)據(jù)組數(shù)；[x1j，x2j，][x3j，x4j，x5j，yj] 分別表示第[j]組時(shí)二氧化硫、二氧化氮、可吸入顆粒物、臭氧、一氧化碳和PM2.5的監(jiān)測(cè)濃度。

以式（3）為約束條件，將監(jiān)測(cè)數(shù)據(jù)代入式（3），運(yùn)用運(yùn)籌學(xué)規(guī)劃軟件Lingo可得出各指標(biāo)的權(quán)重系數(shù)和調(diào)整常數(shù)項(xiàng)，即細(xì)顆粒物PM2.5的關(guān)系式為：

[y=0.179x1+0.443x2+0.881x3+2.210x4-0.332x5-33.413] （4）

采用偏相關(guān)理論進(jìn)行分析驗(yàn)證，結(jié)果見表2。

表2 偏相關(guān)分析

分析數(shù)據(jù)顯示二氧化硫的顯著性水平大于0.05，說(shuō)明其與PM2.5不是線性關(guān)系。但二氧化硫的權(quán)重是最小的，因此其對(duì)PM2.5的產(chǎn)生影響較小。

2 擴(kuò)散模型建立

本文分析的數(shù)據(jù)包括了不同時(shí)間、溫度、季節(jié)、風(fēng)向、地形6個(gè)監(jiān)測(cè)參數(shù)的測(cè)量值，對(duì)于數(shù)據(jù)缺失的情況，采用徑向基函數(shù)插值法[12]將數(shù)據(jù)補(bǔ)充完整。為了深入分析各變量對(duì)監(jiān)測(cè)參量的影響，采用限制變量的方法，觀察個(gè)別變量對(duì)監(jiān)測(cè)參量的統(tǒng)計(jì)規(guī)律，然后再進(jìn)行綜合評(píng)價(jià)。

2.1 監(jiān)測(cè)數(shù)據(jù)分析

PM2.5的數(shù)據(jù)為一段時(shí)間內(nèi)的平均值，影響因素較多，包括天氣、溫度、風(fēng)向、風(fēng)速等變量，以長(zhǎng)安區(qū)、小寨、紡織城等三個(gè)地區(qū)監(jiān)測(cè)數(shù)據(jù)采用分布Q?Q圖對(duì)原始數(shù)據(jù)進(jìn)行初步分析，分析結(jié)果如圖 1所示。數(shù)據(jù)點(diǎn)基本落在直線上，PM2.5濃度大致符合正態(tài)分布規(guī)律。

圖1 正態(tài)分布檢驗(yàn)

2.2 模型的建立與分析

由于誘導(dǎo)PM2.5產(chǎn)生的因素較多，污染源分布分散，為了簡(jiǎn)化計(jì)算，在保證精度的前提下，做出如下假設(shè)：

（1） 測(cè)量點(diǎn)所在的高度一致，根據(jù)氣象部分的數(shù)據(jù)，為1.5 m；

（2） 風(fēng)的平均流場(chǎng)穩(wěn)定，風(fēng)速均勻，風(fēng)向平直；

（3） 污染物在輸送擴(kuò)散中遵守質(zhì)量守恒定律；

（4） 污染源的源強(qiáng)均勻、連續(xù)。

點(diǎn)污染源的高斯模型中，污染物分布滿足式（5）。[C（x，y，z）=Q（2π）32?σx?σy?σze-x22σ2x?e-y22σ2y?（e-（z-h）22σ2z+e-（z+2H+h）22σ2z）] （5）

式中[C（x，y，z）]為當(dāng)量污染源濃度；[Ci]為各個(gè)監(jiān)測(cè)點(diǎn)污染物濃度；[Q] 為污染源場(chǎng)強(qiáng)；[σx，σy，σz]為擴(kuò)散系數(shù)；[H]表示混合層高度；[h]為有效污染源高度，假設(shè)[x]軸與風(fēng)向一致，[z]軸鉛直向上。

采用如式（6）所示為約束條件：

[min=1ni=1nC（x，y，z）-Ci] （6）

式中[n]為監(jiān)測(cè)點(diǎn)個(gè)數(shù)，可求出當(dāng)量污染源的場(chǎng)強(qiáng)[Q]以及相對(duì)位置[（x0，y0）]等參數(shù)。

為了計(jì)算方便，將13個(gè)監(jiān)測(cè)點(diǎn)編號(hào)1～13，以1（長(zhǎng)安區(qū)）為坐標(biāo)原點(diǎn)，各監(jiān)測(cè)點(diǎn)的相對(duì)位置可在地圖上的位置得出，如圖2所示，當(dāng)量污染源坐標(biāo)位置及參數(shù)如表3所示。

圖2 當(dāng)量污染源以及各監(jiān)測(cè)點(diǎn)位置示意圖

表3 當(dāng)量污染源坐標(biāo)位置及參數(shù)

從瞬間點(diǎn)源排放的污染物，其轉(zhuǎn)換和擴(kuò)散主要受以下幾個(gè)要素影響：污染物濃度及濃度梯度、當(dāng)?shù)仫L(fēng)速以及風(fēng)向、污染物的轉(zhuǎn)化和耗散、地形等。無(wú)界瞬時(shí)點(diǎn)源的污染物濃度函數(shù)[13]為：

[C（x，y，z，t）=Q（2π）32?σx?σy?σz?e-（x-ut）22σ2x?e-（y-vt）22σ2y? （e-（z-h-wt）22σ2z+e-（z+2H+h-wt）22σ2z）] （7）

式中：[Q]表示源強(qiáng)；[υ]，[ω] 均為零。其解具有以下形式：

[C（x，y，z，t）=Q（2π）32?σx?σy?σz?e-（x-ut）22σ2x?e-y22σ2y?（e-（z-h）22σ2z+e-（z+H）22σ2z）] （8）

若瞬間污染源排放不是作用在[t]=0時(shí)刻，而是在[t=τ]，則其污染物傳播也將滯后時(shí)間[τ]。[C（x，y，z，t）=Q（2π）32?σx?σy?σz?e-（x-u（t-τ））22σ2x?e-y22σ2y? （e-（z-h）22σ2z+e-（z+H）22σ2z）， t≥τ] （9）

通過式（8）可以求解瞬態(tài)污染源排放特定時(shí)間下的擴(kuò)散。

[Q（x，y，z，t）=t1t2C（x，y，z，t-τ）dτ] （10）

式中：[t1]，[t2]分別為瞬態(tài)污染源排放的開始和截止時(shí)間。[σy] 和[σz] 對(duì)計(jì)算結(jié)果影響較大[6，14?15]，在保證計(jì)算精度的前提下，為方便計(jì)算，對(duì)[σx]，[σy]和[σz]采用經(jīng)驗(yàn)公式，即布里吉斯擴(kuò)散參數(shù)，大氣穩(wěn)定度劃分采用較成熟的帕斯奎爾穩(wěn)定度分類法[16]。高斯公式中，城市和開闊地的布里吉斯以煙云的寬度和高度來(lái)表示橫方向和垂直方向的擴(kuò)散。積分結(jié)果為：

[Q（x，y，z，t）=Φut2-（ut-x）σx-Φut1-（ut-x）σx2πσxAu] （11）

式中：[Φ（x）] 表示標(biāo)準(zhǔn)正態(tài)分布函數(shù)，積分結(jié)果由標(biāo)準(zhǔn)正態(tài)分布得到，[A]為：

[A=Q（2π）32σxσyσz?ey22σ2y（e-（z-h）22σ2z+e-（z+H）22σ2z）] （12）

計(jì)算機(jī)仿真得出該地區(qū)在當(dāng)量污染源噴發(fā)2 h，刮西風(fēng)，風(fēng)速為4 m/s的情況下，13個(gè)監(jiān)測(cè)地點(diǎn)PM2.5的濃度隨時(shí)間的變化情況，如圖3所示。從圖3可看出，受風(fēng)向和與假想污染點(diǎn)源距離的影響，各地濃度變化速率呈現(xiàn)比較大的差異。其中高壓開關(guān)廠污染物達(dá)到的峰值最高，約為1 000 μg/m3，達(dá)到峰值后，濃度維持峰值附近，高壓開關(guān)廠、市人民體育場(chǎng)、臨潼區(qū)以及紡織城峰值持續(xù)時(shí)間超過1 h，約70 min，此階段PM2.5濃度很高，對(duì)人健康造成的負(fù)面影響將很大，此時(shí)應(yīng)該避免外出活動(dòng)，并關(guān)閉門窗。與圖2中看到的各個(gè)測(cè)量點(diǎn)和虛擬污染源的相對(duì)位置可以看出，分析結(jié)果符合事實(shí)情況。

圖3 PM2.5濃度隨時(shí)間變化情況

圖4為在瞬時(shí)污染源排放1.5 h、2 h、4 h以及4.5 h PM2.5的分布情況。該處忽略各區(qū)域原先含有的PM2.5。1.5 h后，在西風(fēng)作用下，PM2.5快速擴(kuò)散，靠近污染源的高壓開關(guān)廠首先進(jìn)入其影響范圍，濃度逐漸增大。從圖中PM2.5的濃度分布情況反應(yīng)出來(lái)風(fēng)力以及風(fēng)向?qū)ζ鋫鞑サ木薮笥绊懀c前面的分析相一致。2 h后，污染物繼續(xù)在風(fēng)傳播方向上快速傳播，受其影響，高壓開關(guān)廠、市人民體育場(chǎng)以及興慶小區(qū)最高濃度超過了[300 μg/m3]，為嚴(yán)重污染。為了居民健康，除了主動(dòng)避免外出外，相關(guān)部門應(yīng)當(dāng)實(shí)施緊急應(yīng)對(duì)措施，以使污染物濃度快速下降。

圖4 污染區(qū)域隨時(shí)間變化圖

4 h后，PM2.5的污染團(tuán)整體向東移動(dòng)，其影響范圍進(jìn)一步擴(kuò)大。圖中所示的處在風(fēng)經(jīng)過的地區(qū)，PM2.5濃度繼續(xù)維持高位，而此時(shí)最先受到污染的高壓開關(guān)廠處于嚴(yán)重污染的邊緣，其濃度處于下降階段。到4.5 h以后，絕大部分所示地區(qū)均已處于濃度相對(duì)較小的區(qū)域，此時(shí)PM2.5濃度較高的區(qū)域已經(jīng)快速移動(dòng)到東南方向，而且其濃度也有了一定程度的減小。當(dāng)在污染源排放約5 h后，所給13個(gè)監(jiān)測(cè)地點(diǎn)其污染物濃度全部接近于[0 μg/m3]，人群可以安全活動(dòng)。

3 結(jié) 論

本文通過對(duì)[AQI]監(jiān)測(cè)指標(biāo)的分析，確定了當(dāng)量污染源的位置，基于高斯擴(kuò)散模型對(duì)當(dāng)量污染源噴發(fā)兩小時(shí)、刮西風(fēng)的情況進(jìn)行了分析。該模型能基本反映和預(yù)測(cè)污染物PM2.5隨時(shí)間以及空間的擴(kuò)散規(guī)律，而且該方法也可以對(duì)于核污染、有毒有害氣體泄漏、生化恐怖襲擊等問題的防治具有借鑒意義。該模型較好地解決了西安市地區(qū)PM2.5當(dāng)量污染源處濃度突然增至2倍，持續(xù)2 h后該區(qū)域的污染狀況，但是該模型也存在著以下問題：實(shí)驗(yàn)數(shù)據(jù)有限，無(wú)法充分反映該地區(qū)的污染物濃度；忽略了地形對(duì)污染物擴(kuò)散的影響；當(dāng)量污染源的位置存在誤差。在今后的研究中該模型需要進(jìn)一步完善。

參考文獻(xiàn)

[1] 金銀龍，趙寶新.中國(guó)煤煙型大氣污染對(duì)人群健康危害的定量研究[J].衛(wèi)生研究，2002，31（5）：342?348.

[2] 陳偉，吳介軍，段渭軍.基于小波分解和 SVM 的城市大氣污染濃度預(yù)測(cè)[J].現(xiàn)代電子技術(shù)，2011，34（13）：145?148.

[3] 王瑋，湯大鋼，劉紅杰.中國(guó) PM2. 5污染狀況和污染特征的研究[J].環(huán)境科學(xué)研究，2000，13（1）：1?5.

[4] 李中愚.顆粒物污染特性分析[J].環(huán)境科學(xué)與技術(shù)，1990（1）：4?6.

[5] 王鳳林，畢彤，劉振山，等.突發(fā)性環(huán)境污染事故大氣擴(kuò)散數(shù)學(xué)模型初探[J].遼寧城鄉(xiāng)環(huán)境科技，2000，20（2）：35?37.

[6] 胡二邦，王寒，馬紅友.擴(kuò)散參數(shù)的不確定性及其對(duì)擴(kuò)散因子的影響[J].環(huán)境科學(xué)，1998（1）：69?72.

[7] 周順武，黃瓊中.拉薩市空氣污染物濃度的統(tǒng)計(jì)分析及其可能的天氣原因[J].科技，2002（5）：39?42.

[8] 周麗，徐祥德，丁國(guó)安，等.北京地區(qū)氣溶膠 PM2.5粒子濃度的相關(guān)因子及其估算模型[J].氣象學(xué)報(bào)，2003，61（6）：761?768.

[9] 黃金杰，楊桂花，馬駿馳.基于高斯的大氣污染評(píng)價(jià)模型[J].計(jì)算機(jī)仿真，2011，28（2）：101?104.

[10] 何寧，吳宗之，鄭偉.一種改進(jìn)的有毒氣體擴(kuò)散高斯模型算法及仿真[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)，2010，18（4）：571?580.

[11] LEE R J， NICEWANDER W A. Thirteen ways to look at the correlation coefficient [J]. The American Statistician， 1988， 42（1）：59?66.

（上接第66頁(yè)）

[12] 魏義坤，楊威，劉靜.關(guān)于徑向基函數(shù)插值方法及其應(yīng)用[J].沈陽(yáng)大學(xué)學(xué)報(bào)，2008，20（1）：7?9.

[13] 鄔毅敏.基于 GIS 的大氣點(diǎn)源污染高斯煙羽擴(kuò)散模擬研究[D].上海：華東師范大學(xué)，2010.

[14] 鄭飛，張鐳，朱江，等.復(fù)雜地形城市冬季邊界層氣溶膠擴(kuò)散和分布模擬[J].高原氣象，2008，26（3）：532?540.

篇7

關(guān)鍵詞 霧霾；變化特征；低能見度；影響因子；山東東營(yíng)

中圖分類號(hào) P427 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2016）19-0238-05

霧霾是發(fā)生在大氣近地面層的一種重要的氣象災(zāi)害天氣，近年來(lái)我國(guó)霧霾低能見度天氣頻繁發(fā)生，對(duì)城市大氣環(huán)境、群眾健康、交通安全、農(nóng)業(yè)生產(chǎn)的影響日益顯著。2011年，霧霾天氣第1次入選中國(guó)十大天氣氣候事件，反映出社會(huì)公眾對(duì)霧霾天氣關(guān)注程度的進(jìn)一步提高。

丁一匯[1]、吳 兌[2]等對(duì)中國(guó)霧霾長(zhǎng)期變化特征進(jìn)行研究，指出中國(guó)年霾日數(shù)呈明顯上升趨勢(shì)，霧日數(shù)呈下降趨勢(shì)；張人禾等[3]對(duì)產(chǎn)生霧霾的氣象條件進(jìn)行分析，指出霧霾區(qū)域表面風(fēng)速、500 hPa的水平風(fēng)垂直梯度以及對(duì)流層中低層的水平風(fēng)垂直切邊、層結(jié)不穩(wěn)定和溫度露點(diǎn)差均是影響霧霾的氣象因子；王京麗[4]、Deng[5]等研究指出，氣溶膠與霧霾能見度存在顯著的相關(guān)關(guān)系，且霧霾天氣同時(shí)發(fā)生時(shí)，它們之間難以確定明確界限；張新榮等[6]指出，大氣底層暖平流、大氣層結(jié)相對(duì)穩(wěn)定和充沛的水汽條件對(duì)我國(guó)東部大霧產(chǎn)生有重要作用。在分析東營(yíng)霧霾變化特征的基礎(chǔ)上，針對(duì)東營(yíng)2013―2014年氣象觀測(cè)資料、氣溶膠觀測(cè)資料和天氣圖資料，確定了影響霧霾低能見度的具體因子，計(jì)算了相關(guān)性，加深了對(duì)霧霾的認(rèn)識(shí)，為利用數(shù)學(xué)模型進(jìn)行能見度預(yù)報(bào)提供了依據(jù)。

1 資料來(lái)源

本文所用資料包括東營(yíng)氣象觀測(cè)站的霧、霾、能見度和相對(duì)濕度等逐日觀測(cè)數(shù)據(jù)；東營(yíng)環(huán)境監(jiān)測(cè)站的PM2.5等氣溶膠數(shù)據(jù)逐日觀測(cè)資料；CMAcast下發(fā)的天氣圖資料。

2 東營(yíng)地區(qū)霧霾變化特征

霧日定義為每天出現(xiàn)1次霧及以上為1個(gè)霧日，年內(nèi)的霧日數(shù)為霧日的累加；霾日定義為每天出現(xiàn)1次霾及以上為1個(gè)霾日，年內(nèi)的霾日數(shù)為霾日的累加。

以東營(yíng)氣象觀測(cè)站的數(shù)據(jù)代表東營(yíng)地區(qū)進(jìn)行表述。東營(yíng)地區(qū)1981―2015年平均霧日數(shù)為每年12.5 d，最多為1990年的32 d，最少為1986年的6 d；1981―2015年平均霾日數(shù)為每年25.5 d，最多為2015年的102 d，最少為1996年和1998年，均為1 d。圖1是1981―2015年?yáng)|營(yíng)地區(qū)年霧日數(shù)和霾日數(shù)的時(shí)間演變曲線?？梢钥吹?，東營(yíng)年霧日數(shù)總體變化不大，除了1990年霧日數(shù)明顯偏多以外，其他年份均在平均值上下正常波動(dòng)，2008年以后有減少的趨勢(shì)。年霾日數(shù)變化較大，1981―1990年呈上升趨勢(shì)，1991―1997年呈下降趨勢(shì)，之后再次小幅上升至2005年，然后再次下降至2009年，2010年以后呈直線上升趨勢(shì)。

從東營(yíng)逐月霧霾日數(shù)的趨勢(shì)變化（圖2）來(lái)看，霧多發(fā)生在深秋至冬季，而霾多發(fā)生在深秋至次年的春季，夏季都是霧和霾出現(xiàn)最少的季節(jié)。但是，2012年以來(lái)，霾日數(shù)較之前呈現(xiàn)明顯增加的趨勢(shì)，其月分布特點(diǎn)也發(fā)生了變化。除了10月至次年3月仍然是霾高發(fā)期以外，7月也成為容易出現(xiàn)霾的月份。

3 霧霾低能見度影響因子

3.1 霧霾低能見度天氣樣本分型

從霧霾低能見度天氣的性質(zhì)分析，此類天氣包含有霧、輕霧和霾3種天氣現(xiàn)象。霧和輕霧主要是水汽影響視程能見度的現(xiàn)象，在后文表述中統(tǒng)稱為霧；而霾則是氣溶膠粒子影響視程能見度的現(xiàn)象，兩者的本質(zhì)是不同的。但是研究發(fā)現(xiàn)，氣溶膠粒子在水汽飽和時(shí)顯著增大并影響能見度，因此霧霾混合出現(xiàn)影響能見度的現(xiàn)象也時(shí)有發(fā)生。本文主要針對(duì)有霾和無(wú)霾2種低能見度類型進(jìn)行研究的。

依據(jù)目前霾天氣預(yù)警的標(biāo)準(zhǔn)和實(shí)際工作需要，能見度6 km以上的霧霾對(duì)工作生活影響不大。在本文中，定義全天出現(xiàn)了能見度≤6 km的霧或霾，即為1個(gè)霧霾日；否則視為本日無(wú)霧霾，即為無(wú)霧霾日。霧霾日樣本分為有霾樣本和無(wú)霾樣本。

3.2 霧霾低能見度影響因子分析

查閱東營(yíng)氣象站2013―2014年資料，符合霧霾日的樣本216個(gè)，占全部樣本的29.6%。在這216個(gè)樣本中，只出現(xiàn)霾的樣本33個(gè)，占霧霾日樣本的15.3%；霧霾同時(shí)出現(xiàn)的88個(gè)，占40.7%；只出現(xiàn)霧的95個(gè)，占44%?？梢姶蟛糠朱F霾日是伴隨霧出現(xiàn)的，而出現(xiàn)霾時(shí)大部分情況伴隨霧出現(xiàn)，但出現(xiàn)霧時(shí)不一定伴隨霾出現(xiàn)。

總結(jié)氣象工作者的研究，影響霧霾低能見度天氣的主要因子包括天氣形勢(shì)因子、氣溶膠因子、水汽因子、低層平流因子和基礎(chǔ)能見度因子。本文主要通過分析霧霾低能見度天氣與以上因子的具體關(guān)系，找到各個(gè)影響因子的差異，從而為建立能見度預(yù)報(bào)數(shù)學(xué)模型提供依據(jù)。

3.2.1 環(huán)流形勢(shì)因子。有利的天氣形勢(shì)是出現(xiàn)霧霾低能見度的環(huán)境基礎(chǔ)。天氣形勢(shì)具體描述有很多方式，本文利用每日8：00天氣圖內(nèi)插得到本站的500、700、850、925、1 000 hPa渦度來(lái)表述。這種方式的優(yōu)勢(shì)：一是將復(fù)雜的天氣形勢(shì)簡(jiǎn)單化，利用各層渦度表述高空至地面的輻合輻散，免去復(fù)雜的天氣形勢(shì)分型和個(gè)人表述差異；二是將天氣形勢(shì)描述具體數(shù)字化，各層的渦度數(shù)值可以詳盡描述該層輻合輻散強(qiáng)度；三是使得層次描述精細(xì)化，500～1 000 hPa共有5個(gè)渦度數(shù)值描述，而不是簡(jiǎn)單的高空和地面2層描述；四是有利于開發(fā)應(yīng)用，數(shù)字化的描述更有利于結(jié)合數(shù)值預(yù)報(bào)與智能程序開發(fā)。根據(jù)有霾樣本和無(wú)霾樣本分別與無(wú)霧霾日的渦度分布對(duì)比，可以確定樣本間的渦度分布差異。圖3為500 hPa各型樣本與無(wú)霧霾日渦度對(duì)比散點(diǎn)分布圖，可以看出，有霾樣本渦度值相對(duì)于無(wú)霾樣本更趨近集中，而無(wú)霧霾日的渦度最為分散。

利用以上對(duì)比方法，可以確定各型樣本不會(huì)出現(xiàn)霧霾的渦度范圍，即出現(xiàn)霧霾的否定條件。按照同樣方法可以得到其他高度層出現(xiàn)霧霾的否定條件（表1）。

表1中的區(qū)間，為樣本在不同高度出現(xiàn)霧霾的否定條件。該區(qū)間的反區(qū)間，即為該高度出現(xiàn)霧霾的可能條件。比如對(duì)于有霾樣本，在500 hPa上渦度≥39×10-5/s或≥-41×10-5/s即為出現(xiàn)霧霾的可能條件。通過計(jì)算各型樣本各高度上出現(xiàn)霧霾可能條件的命中率，最終確定利用哪層的渦度作為天氣形勢(shì)因子。計(jì)算結(jié)果見表2。

利用表2確定500 hPa渦度為有霾樣本的天氣形勢(shì)因子，925 hPa渦度為無(wú)霾樣本的天氣形勢(shì)因子。也可以說(shuō)，預(yù)報(bào)霾時(shí)應(yīng)主要關(guān)注500 hPa天氣形勢(shì)，而預(yù)報(bào)霧時(shí)應(yīng)主要關(guān)注925 hPa天氣形勢(shì)。需要說(shuō)明的是，總體來(lái)說(shuō)天氣形勢(shì)與霧霾的相關(guān)性并不太好。

3.2.2 氣溶膠因子。霧霾天氣多發(fā)的因素與污染物排放源強(qiáng)度和分布直接有關(guān)。將各類樣本的首要污染物進(jìn)行對(duì)比，找出出現(xiàn)霧霾時(shí)的主要污染物，從而確立影響霧霾的主要污染物因子（表3）?？梢姡霈F(xiàn)霧霾時(shí)絕大多數(shù)樣本的首要污染物是PM2.5，其次是O3和PM10，其他情況均可以不考慮。

大氣污染物的分布隨季節(jié)有明顯變化，圖4為2013―2014年730 d東營(yíng)逐月首要污染物分布圖?？梢钥闯?，冬季（12月至次年2月）大氣污染物以PM2.5為主，夏季（6―8月）則是O3占據(jù)主導(dǎo)地位，初春和深秋季節(jié)是PM2.5和PM10平分秋色，春末和初秋則是PM2.5、PM10和O3三強(qiáng)鼎立。由此可見，污染物對(duì)于霧霾的影響，必須分季節(jié)進(jìn)行分析。

制作有霾樣本PM10與PM2.5對(duì)比圖（圖5），發(fā)現(xiàn)其變化趨勢(shì)相同。由于PM10與PM2.5同屬于空氣顆粒物，只是粒子直徑不同，而PM10經(jīng)常由PM2.5顆粒吸濕增大而來(lái)。其表征的含義類似，PM2.5更精確些，對(duì)于能見度的反應(yīng)也更敏感些，所以在實(shí)際應(yīng)用中只保留PM2.5即可。春季也會(huì)出現(xiàn)因沙塵天氣導(dǎo)致能見度變差的情況，主要污染物是PM10，不作為研究的主要內(nèi)容。因此，確定PM2.5和O3是預(yù)報(bào)霧霾的污染物因子。

同樣根據(jù)樣本分布，確定樣本不會(huì)出現(xiàn)霧霾的污染物因子范圍，即出現(xiàn)霧霾的否定條件。該條件的反區(qū)間，即為該時(shí)段出現(xiàn)霧霾的可能條件。對(duì)于有霾樣本，11月至次年3月時(shí)段內(nèi)，如果PM2.5≥100 μg/m3即為出現(xiàn)霧霾的可能條件。通過計(jì)算各型樣本出現(xiàn)霧霾可能條件的命中率，最終確定在何時(shí)段利用哪個(gè)污染物作為氣溶膠因子進(jìn)行分析。具體計(jì)算結(jié)果見表4。

根據(jù)可能條件命中率，確定4―10月PM2.5和無(wú)霾樣本相關(guān)性差，為放棄因子，而其他為采用的因子。

3.2.3 水汽因子。水汽除了直接影響能見度以外，還會(huì)導(dǎo)致污染物顆粒吸濕增大，從而影響能見度。由于每日的最差能見度多在早晨出現(xiàn)，本文應(yīng)用8：00觀測(cè)的氣象站相對(duì)濕度資料作為水汽因子，制作11月至次年3月各類樣本對(duì)比散點(diǎn)圖（圖6）。可以看出，霧霾和水汽因子都有較明顯的指示意義。同樣確定水汽因子對(duì)于所有霧霾樣本的否定條件和可能條件的命中率（表5）?？梢宰C明，秋冬季節(jié)以相對(duì)濕度為代表的水汽因子作用比夏季大。

3.2.4 低層平流因子。低層平流因子是預(yù)報(bào)能見度的重要指標(biāo)。前文的天氣形勢(shì)因子主要以輻合輻散來(lái)表述，其實(shí)主要表述的是大氣的垂直運(yùn)動(dòng)。而本節(jié)的風(fēng)因子，主要是表述大氣的水平運(yùn)動(dòng)狀況，即表述周圍環(huán)境對(duì)本地的影響。本文利用每日8：00天氣圖內(nèi)插得到的本站850、925、1 000 hPa的風(fēng)向風(fēng)速數(shù)值，作為本日低層平流因子。應(yīng)用8：00觀測(cè)的氣象站風(fēng)向風(fēng)速資料作為地面風(fēng)向風(fēng)速因子。

（1）風(fēng)向因子。利用各類樣本的風(fēng)向玫瑰圖來(lái)對(duì)比風(fēng)向的差異，圖7是850 hPa風(fēng)向玫瑰圖。對(duì)于850 hPa風(fēng)向因子，11月至次年3月有霾樣本多為WNW風(fēng)，無(wú)霾樣本則是NW風(fēng)至S風(fēng)都有，無(wú)霧霾日以NW風(fēng)個(gè)例最多。4―10月有霾樣本多為SW風(fēng)，無(wú)霾樣本則是SW風(fēng)和ENE風(fēng)最多，無(wú)霧霾日以NW風(fēng)和WSW風(fēng)個(gè)例最多。850 hPa的風(fēng)更多貢獻(xiàn)為環(huán)境因素，11月至次年3月霧霾日的氣流較無(wú)霧霾日更為偏西，4―10月更為偏南，均為回暖的表征。4―10月無(wú)霾樣本中的ENE風(fēng)，則說(shuō)明該季節(jié)的弱冷空氣對(duì)于霧的出現(xiàn)有利。同理，對(duì)照其他高度層的風(fēng)向特點(diǎn)，總結(jié)各層不同樣本的常見風(fēng)向（表6）。

對(duì)于風(fēng)向因子整體概括為以下特點(diǎn)：一是有霾樣本的風(fēng)向相對(duì)集中，特別是850 hPa和925 hPa；二是無(wú)霾樣本除了925 hPa以外的風(fēng)向分布比較分散；三是11月至次年3月無(wú)霧霾日的風(fēng)向都比較集中，而4―10月的無(wú)霧霾日只有地面風(fēng)向相對(duì)集中；四是4―10月的所有樣本的地面風(fēng)向差別不大，可以將其舍棄不用。

（2）風(fēng)速因子。對(duì)比不同樣本風(fēng)速散點(diǎn)圖，得到各樣本各層不同季節(jié)有利于出現(xiàn)霧霾的風(fēng)速有利條件和命中率（表7）。可以看出，11月至次年3月的命中率明顯大于4―10月的命中率，11月至次年3月的有霾樣本命中率大于無(wú)霾樣本命中率，4―10月的有霾樣本命中率小于無(wú)霾樣本命中率。由于11月至次年3月850 hPa風(fēng)速因子各類樣本風(fēng)速差別不大，風(fēng)速因子剔除。

3.2.5 基礎(chǔ)能見度因子。以前日20：00氣象站的能見度作為該日的基礎(chǔ)能見度因子，制作各類樣本對(duì)比散點(diǎn)圖，得到各樣本各層不同月份有利于出現(xiàn)霧霾的基礎(chǔ)能見度有利條件和命中率（表8）?？梢钥闯觯撘蜃?1月至次年3月相關(guān)性明顯高于4―10月，有霾樣本相關(guān)性明顯高于無(wú)霾樣本。

3.3 各型相關(guān)因子

依據(jù)前文各因子分析，確定不同季節(jié)下霧和霾的相關(guān)因子（表9）。需要說(shuō)明，雖然O3僅在5―9月與霧霾低能見度相關(guān)性較好，但為了數(shù)學(xué)建模方便，也將其放在4―10月區(qū)間。

4 驗(yàn)證結(jié)果及提高手段

利用前文所述影響能見度的相關(guān)因子，構(gòu)建霧霾低能見度預(yù)報(bào)BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。將2015年?yáng)|營(yíng)地區(qū)數(shù)據(jù)代入模型進(jìn)行驗(yàn)證，預(yù)報(bào)準(zhǔn)確率見表10。

可見，11月至次年3月預(yù)報(bào)結(jié)果好于4―10月結(jié)果，原因在于氣溶膠因子、水汽因子、風(fēng)速因子和基礎(chǔ)能見度因子與霧霾的相關(guān)性均是11月至次年3月更好。隨著誤差范圍增加，預(yù)報(bào)準(zhǔn)確率增加。因東營(yíng)地區(qū)沒有探空資料，無(wú)法總結(jié)逆溫層因子與霧霾低能見度的關(guān)系。如果將該因子放入模型，預(yù)報(bào)結(jié)果可以進(jìn)一步提高。

5 參考文獻(xiàn)

[1] 丁一匯，柳燕菊.近50年我國(guó)霧霾的長(zhǎng)期變化特征及其與大氣濕度的關(guān)系[J].中國(guó)科學(xué)，2014，44（1）：37-48.

[2] 吳兌，吳曉京，李菲，等.1951―2005年中國(guó)大陸霧霾的時(shí)空變化[J].氣象學(xué)報(bào)，2010，68（5）：680-688.

[3] 張人禾，李強(qiáng)，張若楠.2013年1月中國(guó)東部持續(xù)性強(qiáng)霧霾天氣產(chǎn)生的氣象條件分析[J].中國(guó)科學(xué)，2014，44（1）：27-36.

[4] 王京麗，劉旭林.北京市大氣細(xì)粒子質(zhì)量濃度月能減速定量關(guān)系初探[J].氣象學(xué)報(bào)，2006，64（2）：221-228.

篇8

關(guān)鍵詞：礦山地質(zhì)環(huán)境；地質(zhì)遙感；GIS

中圖分類號(hào)：TU984 文獻(xiàn)標(biāo)識(shí)碼： A

前言

“3S” 技術(shù)是遙感技術(shù)（Remote Sensing，RS）、地理信息系統(tǒng)（Geography Information Systems，GIS）和全球定位系統(tǒng)（Global Positioning Systems，GPS）的統(tǒng)稱，是空間技術(shù)、傳感器技術(shù)、衛(wèi)星定位與導(dǎo)航技術(shù)和計(jì)算機(jī)技術(shù)、通訊技術(shù)相結(jié)合，多學(xué)科高度集成的對(duì)空間信息進(jìn)行采集、處理、管理、分析、表達(dá)、傳播和應(yīng)用的現(xiàn)代信息技術(shù)。遙感技術(shù)不斷發(fā)展，同一區(qū)域所獲取的光譜信息越來(lái)越豐富、空間分辨率越來(lái)越高、時(shí)相越來(lái)越多，可為礦山地質(zhì)環(huán)境監(jiān)測(cè)及研究工作提供越來(lái)越多的遙感數(shù)據(jù)。利用遙感技術(shù)對(duì)礦山地質(zhì)環(huán)境問題進(jìn)行監(jiān)測(cè)己是必然的趨勢(shì)。

國(guó)土資源部對(duì)全國(guó)礦山地質(zhì)環(huán)境監(jiān)測(cè)內(nèi)容包括侵占、破壞土地及土地復(fù)墾監(jiān)測(cè)、固體廢棄物及其綜合利用監(jiān)測(cè)、采空區(qū)地面沉（ 塌） 陷監(jiān)測(cè)、山體開裂、滑坡、崩塌、泥石流地質(zhì)災(zāi)害監(jiān)測(cè)、水土流失和土地沙化監(jiān)測(cè)、礦區(qū)地表水體污染監(jiān)測(cè)、土壤污染監(jiān)測(cè)、地裂縫監(jiān)測(cè)、廢水廢液排放監(jiān)測(cè)、地下水監(jiān)測(cè)等11項(xiàng)內(nèi)容。本文選取礦山環(huán)境污染遙感監(jiān)測(cè)、礦區(qū)地質(zhì)災(zāi)害監(jiān)測(cè)和地貌景觀的破壞遙感監(jiān)測(cè)兩個(gè)方面，為礦區(qū)地質(zhì)環(huán)境監(jiān)測(cè)提供新技術(shù)手段，促進(jìn)“3S”技術(shù)在礦山地質(zhì)環(huán)境監(jiān)測(cè)中的應(yīng)用。

1礦山環(huán)境污染監(jiān)測(cè)

1.1水體污染監(jiān)測(cè)

水污染主要是由于礦山開采過程中產(chǎn)生的礦坑水、廢石淋濾水、選礦水及尾礦壩廢水等直接排放到江河湖泊或者未達(dá)到工業(yè)廢水排放標(biāo)準(zhǔn)，水體污染是環(huán)境評(píng)價(jià)的重要指標(biāo)之一。對(duì)于水體污染的監(jiān)測(cè)可對(duì)水體污染區(qū)制作遙感圖像三維可視化圖，從而直觀的看出水污染的情況。

1.2大氣污染監(jiān)測(cè)

礦區(qū)大氣污染重要是由于煉礦廠煉礦排放出來(lái)的有害氣體引起。在遙感影像上表現(xiàn)為位于煙囪附近，且被污染區(qū)域下方地物朦朧，有霧籠罩感，TM、ETM光譜信息豐富， 對(duì)大氣污染識(shí)別較好。

2礦區(qū)地質(zhì)災(zāi)害監(jiān)測(cè)

2.1 滑坡遙感監(jiān)測(cè)

礦產(chǎn)資源開發(fā)能夠引發(fā)滑坡地質(zhì)災(zāi)害，主要表現(xiàn)為2種形式：一是開采過程直接造成山體滑坡；二是產(chǎn)生的排土場(chǎng)、煤矸石等固體廢棄物，堆積到一定程度時(shí)， 在內(nèi)外營(yíng)力共同作用下形成松散層滑（坡）塌。礦區(qū)滑坡遙感監(jiān)測(cè)方法， 需要借助地理信息系統(tǒng)技術(shù)并通過相關(guān)的遙感信息模型進(jìn)行。首先，通過多源遙感數(shù)據(jù)獲取上述影響滑坡發(fā)育的因子， 并確定其對(duì)滑坡發(fā)育的重要程度；然后，根據(jù)滑坡或者斜坡所處部位含有的重要因子進(jìn)行礦區(qū)滑坡穩(wěn)定性評(píng)價(jià)。如利用地形判別法、人工神經(jīng)網(wǎng)絡(luò)方法等，其中地形判別法能夠有效地避免對(duì)評(píng)價(jià)因子賦值的主觀性。

2.2泥石流遙感監(jiān)測(cè)

泥石流是一種嚴(yán)重的洪流作用下形成的地質(zhì)災(zāi)害，其形成有3個(gè)基本條件：一是松散物發(fā)育；二是河谷縱坡坡降5%-30%；三十一定的水動(dòng)力條件。決定因素是形成水動(dòng)力條件的降雨臨界值。泥石流發(fā)育的地段常是崩塌、滑坡發(fā)育的地段。遙感影像記錄了大量的泥石流直接與間接信息。在SPOT影像上，采用213 波段組合，圖像進(jìn)行線性增強(qiáng)后，泥石流溝顯示灰白彩，溝口的扇狀沖積錐顯示較清晰；QuickBird影像上對(duì)較小型的泥石流都能很好的辨認(rèn)。

3地貌景觀的破壞監(jiān)測(cè)

煤礦、鐵礦及非金屬礦露天開采，道路開挖，造成基巖、地表土壤剝離、植被破壞，導(dǎo)致地表類型從植被過渡到的礦石，從而增加了降雨和巖石的接觸面積，造成了礦山環(huán)境的污染。產(chǎn)生的固體廢棄物占?jí)捍罅客恋?，尾礦在遙感影像上最容易識(shí)別，能較清晰地顯示礦產(chǎn)開采產(chǎn)生的地質(zhì)環(huán)境問題。利用不同時(shí)相、不同分辨率的遙感影像，采用圖像融合和圖像增強(qiáng)的方法，提取礦山植被破壞動(dòng)態(tài)監(jiān)測(cè)的變化信息，分析出不同時(shí)間段開礦對(duì)植被破壞情況，并可通過GIS空間分析功能定量計(jì)算出礦山破壞和占用的土地面積，并利用GPS野外核查和實(shí)地采點(diǎn)，進(jìn)一步核查礦山破壞情況，從而為科學(xué)地進(jìn)行礦山環(huán)境保護(hù)工作提供重要的支撐數(shù)據(jù)。

4 結(jié)語(yǔ)

本文通過對(duì)礦山環(huán)境污染監(jiān)測(cè)、礦區(qū)地質(zhì)災(zāi)害監(jiān)測(cè)和地貌景觀的破壞監(jiān)測(cè)三個(gè)方面的遙感工作方法概述，利用遙感和 GPS 技術(shù)開展遙感監(jiān)測(cè)工作，通過監(jiān)測(cè)數(shù)據(jù)變化的時(shí)空分析，設(shè)計(jì) GIS 數(shù)據(jù)的更新模型。可監(jiān)測(cè)程度與影像的分辨率、周圍地物屬性、解譯者的專業(yè)知識(shí)等密切相關(guān)，可監(jiān)測(cè)頻率則與影像獲取能力有密切關(guān)系。對(duì)大面積的污染監(jiān)測(cè)、地質(zhì)災(zāi)害監(jiān)測(cè)、地貌景觀破壞監(jiān)測(cè)等可選取多時(shí)相的中等分辨率的遙感影像（TM/ETM/OLI）進(jìn)行動(dòng)態(tài)監(jiān)測(cè)；對(duì)小區(qū)域的污染監(jiān)測(cè)、地質(zhì)災(zāi)害監(jiān)測(cè)、地貌景觀破壞監(jiān)測(cè)等可結(jié)合中等分辨率（TM/ETM/OLI）和高分?jǐn)?shù)據(jù)（SPOT）相結(jié)合的方法來(lái)進(jìn)行遙感監(jiān)測(cè)；對(duì)小規(guī)模的污染監(jiān)測(cè)、地質(zhì)災(zāi)害監(jiān)測(cè)、地貌景觀破壞監(jiān)測(cè)等可采用更高分辨率的遙感影像（QuickBird＼IKONOS）和航片（無(wú)人機(jī)航片）進(jìn)行監(jiān)測(cè)。

隨著資源三號(hào)衛(wèi)星等高分辨率立體測(cè)繪衛(wèi)星、環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星星座和航空無(wú)人機(jī)遙感技術(shù)的逐步完善，光學(xué)和雷達(dá)遙感協(xié)同發(fā)展的格局已經(jīng)初步形成，隨著北斗衛(wèi)星系統(tǒng)的逐步建立，大型數(shù)據(jù)庫(kù)（如ArcObject / Oracle等）的開發(fā)技術(shù)逐步完善，礦山地質(zhì)環(huán)境的監(jiān)測(cè)對(duì)象和精度將會(huì)逐步提升。運(yùn)用“3S”技術(shù)對(duì)礦山地質(zhì)環(huán)境監(jiān)測(cè)對(duì)構(gòu)建高效、通用、可靠的監(jiān)測(cè)體系，建立礦山地質(zhì)環(huán)境監(jiān)測(cè)及綜合評(píng)價(jià)應(yīng)用示范與相關(guān)的標(biāo)準(zhǔn)規(guī)范，全面推進(jìn)以遙感、地理信息系統(tǒng)為核心的空間信息技術(shù)在礦山地質(zhì)環(huán)境遙感監(jiān)測(cè)中的綜合應(yīng)用，直接服務(wù)于礦區(qū)可持續(xù)發(fā)展，具有重要的現(xiàn)實(shí)意義。

參考文獻(xiàn)

[1] 饒歡. 基于”3S”的礦業(yè)環(huán)境監(jiān)測(cè)技術(shù)研究[D]. 信息工程大學(xué)， 2008.

[2] 李明立， 原振雷， 朱嘉偉. 礦山固體廢物對(duì)環(huán)境的影響及綜合利用探討[ J] . 礦產(chǎn)保護(hù)與利用， 2005（ 4） ： 38- 41.

[3] 武強(qiáng)， 劉伏昌， 李鐸. 礦山環(huán)境研究理論與實(shí)踐[M] .北京： 地質(zhì)出版社， 2010.

篇9

關(guān)鍵詞：空氣質(zhì)量；時(shí)空分布特征；相關(guān)性

中圖分類號(hào)：X24 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）17-0207-04

1概述

城市群作為推進(jìn)新型城鎮(zhèn)化的主體形態(tài)，已經(jīng)成為加速我國(guó)經(jīng)濟(jì)增長(zhǎng)的堅(jiān)實(shí)力量。然而，隨著城市群經(jīng)濟(jì)的快速發(fā)展，帶來(lái)了嚴(yán)重的區(qū)域空氣污染問題，已成為威脅我國(guó)可持續(xù)發(fā)展和人類健康的重要挑戰(zhàn)。2016年11月-2017年1月，京津冀地區(qū)發(fā)生7次中、重度霾天氣，比2015年同期增長(zhǎng)兩次。2016年12月29日-2017年1月4日，山|省17地市共有16市重污染天氣預(yù)警。2016年12月19日，我國(guó)重度污染的省區(qū)市數(shù)量有17個(gè)，重度霾污染區(qū)域的面積達(dá)到58萬(wàn)平方公里。根據(jù)美國(guó)耶魯大學(xué)的《2016年環(huán)境績(jī)效指數(shù)報(bào)告》顯示，我國(guó)空氣質(zhì)量排名在全球?qū)儆诘箶?shù)第二，是空氣污染重災(zāi)區(qū)，其中城市群作為經(jīng)濟(jì)更發(fā)達(dá)、人口更集中區(qū)域，其空氣污染過程同步性更明顯，區(qū)域污染特征更顯著。因此，城市群空氣質(zhì)量問題成為目前的研究熱點(diǎn)問題之一。另外，在我國(guó)工業(yè)化、城鎮(zhèn)化的進(jìn)程中，我國(guó)政府始終重視空氣質(zhì)量問題。雖然在政府和社會(huì)各方面的不懈努力下，我國(guó)空氣污染防治工作取得許多進(jìn)展，但是隨著我國(guó)經(jīng)濟(jì)的迅猛增長(zhǎng)，城市群在經(jīng)濟(jì)、社會(huì)、文化等方面發(fā)展的同時(shí)，其空氣質(zhì)量出現(xiàn)復(fù)雜的時(shí)空特征，使得空氣污染形勢(shì)仍非常嚴(yán)峻。因此，根據(jù)不同城市群面臨的特定問題，充分分析空氣主要污染物的時(shí)空分布變化特征，并找到影響該時(shí)空變化特征的因素，是進(jìn)一步促進(jìn)空氣質(zhì)量的提升、推進(jìn)新型城鎮(zhèn)化進(jìn)程的關(guān)鍵問題之一。

目前國(guó)內(nèi)的研究?jī)?nèi)容大多數(shù)集中到自然因素、社會(huì)經(jīng)濟(jì)因素對(duì)城市群空氣質(zhì)量的影響研究。例如，李明華等（2008）研究了秋季海風(fēng)的出現(xiàn)對(duì)珠江三角洲城市群空氣污染濃度增加的影響。袁博等（2009）、羅岳平等（2014）等主要分析了主要污染物的季節(jié)變化特征。周德平等（2010）分析了2007年春季沙塵暴對(duì)遼寧中部城市群的可吸入顆粒物的影響，研究得出沙塵暴天氣會(huì)使得PMIO與PM2.5質(zhì)量濃度明顯增加。廖志恒等（2014）分析了長(zhǎng)株潭城市群2013年近10天的空氣污染過程，分析得出秸稈焚燒火點(diǎn)分布、大氣環(huán)流、高壓等對(duì)該區(qū)域的空氣質(zhì)量有重要的影響。陳永林等（2015）利用2013年全國(guó)省會(huì)城市、直轄市及主要地級(jí)市共156個(gè)城市的數(shù)據(jù)，運(yùn)用雙變量分析法，主要揭示了季節(jié)、降水、氣壓、溫度等對(duì)全國(guó)城市群空氣質(zhì)量的影響，以及AQI、PM10、PM2.5與地區(qū)生產(chǎn)總值、工業(yè)用電量等之間的相關(guān)關(guān)系。胡秋靈等（2016）利用AQI數(shù)據(jù)，統(tǒng)計(jì)分析了滇中、黔中、北部灣三個(gè)城市群的空氣污染差異性，并得出城市群空氣污染存在季節(jié)效應(yīng)與節(jié)日效應(yīng)，首要污染物種類明顯不同等結(jié)論。

國(guó)外學(xué)者主要研究城市層次的相關(guān)空氣質(zhì)量研究。比如，Laureti等（2014）利用STIRPAT模型，分析了馬德里城市的社會(huì)一經(jīng)濟(jì)因子與空氣質(zhì)量環(huán)境因子之間的復(fù)雜關(guān)系，發(fā)現(xiàn)私人交通工具相關(guān)變量與NOx排放存在正的統(tǒng)計(jì)相關(guān)性。Tsegas等（2015）利用不同尺度上的耦合系統(tǒng)，模擬了巴黎地區(qū)大氣污染的擴(kuò)散與城市冠層結(jié)構(gòu)之間的時(shí)空關(guān)系。Rodriguez等（2016）利用貝葉斯平均選擇模型，實(shí)證分析了歐洲249個(gè)大城市的結(jié)構(gòu)與造成空氣污染的主要因素：NO2，PM10，SO2之間的關(guān)系，結(jié)果顯示，城市結(jié)構(gòu)與空氣污染存在顯著相關(guān)性?；诳諝赓|(zhì)量變化的復(fù)雜性與潛在的非線性，Thunis等（2015）提出了一種新的函數(shù)時(shí)間平均方法，來(lái)量化空氣質(zhì)量模型中的非線性效應(yīng)，并利用歐洲城市空氣質(zhì)量中PM10、PM2.5、03在年、月、日平均中體現(xiàn)出的非線性，實(shí)證分析了該方法的有效性。為了評(píng)估大范圍尺度上的可持續(xù)化發(fā)展，X.Feng等（2015）提出了一種基于空氣質(zhì)量軌跡分析與小波變化的人工神經(jīng)網(wǎng)絡(luò)模型，用來(lái)預(yù)測(cè)可吸入顆粒物的日均濃度。

綜上所述，國(guó)內(nèi)外關(guān)于城市群空氣質(zhì)量時(shí)空分布特征及其影響因素的研究不多，而且已有的城市群空氣質(zhì)量時(shí)空分布研究往往局限于空氣質(zhì)量指數(shù)AQI、可吸入顆粒物PM10與PM2.5的年平均值為基礎(chǔ)數(shù)據(jù)，這種數(shù)據(jù)分析基礎(chǔ)很難準(zhǔn)確的體現(xiàn)城市群空氣質(zhì)量的時(shí)空變化。另外，相關(guān)的數(shù)據(jù)分析與仿真模型很少是運(yùn)用MATALB軟件進(jìn)行研究的。因此，本文以山東半島城市群2013年12月-2016年11月的空氣質(zhì)量指數(shù)AQI、可吸入顆粒物PM10與PM2.5、SO2、CO、NO2、O3的月數(shù)據(jù)為基礎(chǔ)，采用MATLAB軟件進(jìn)行編程計(jì)算其Moran’Ⅰ指數(shù)，計(jì)算了該城市群空氣質(zhì)量的時(shí)空分布特征，并運(yùn)用MATALB編程雙變量相關(guān)分析法分析了影響該城市群空氣質(zhì)量的因素，為促進(jìn)城市群空氣質(zhì)量的提升、推進(jìn)新型城鎮(zhèn)化進(jìn)程提供新的實(shí)證基礎(chǔ)，同時(shí)也為我國(guó)如何進(jìn)一步解決區(qū)域空氣污染問題提供可借鑒的參考理論。

2數(shù)據(jù)來(lái)源與研究方法

篇10

關(guān)鍵詞：城鎮(zhèn)化；環(huán)境污染；邊際；主成分；STIRPAT模型

中圖分類號(hào)：F299.21 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2016）31-0096-03

引言

工業(yè)文明興起之時(shí)，人類便開始了從農(nóng)村向城市化的發(fā)展。然而城鎮(zhèn)化的快速發(fā)展，也會(huì)導(dǎo)致環(huán)境污染加重、資源使用超負(fù)荷、建設(shè)用地占用耕地等一系列負(fù)面影響。近幾年霧霾天氣影響的范圍與深度都在逐漸加大，甚至幾度成為年度關(guān)鍵詞，水資源污染、大氣污染、噪聲污染、生活垃圾污染愈演愈烈，所以城鎮(zhèn)化發(fā)展到底保持多快的速度才是合適的？城鎮(zhèn)化的發(fā)展會(huì)帶來(lái)經(jīng)濟(jì)的增長(zhǎng)，也會(huì)帶來(lái)各項(xiàng)污染指標(biāo)的增長(zhǎng)，無(wú)論從經(jīng)濟(jì)學(xué)角度還是合理規(guī)模增長(zhǎng)角度來(lái)看，一個(gè)地方的城鎮(zhèn)化總歸有邊際效應(yīng)，一旦突破某項(xiàng)指標(biāo)的臨界值，原住民的教育、醫(yī)療、資源、就業(yè)等都會(huì)攤薄，對(duì)于攤大餅式的發(fā)展，資源環(huán)境承受度很難在短期內(nèi)支撐起來(lái)，甚至?xí)鲑Y源環(huán)境的承載能力，造成嚴(yán)重的環(huán)境污染，后續(xù)的治理問題又將是一個(gè)棘手的問題。因此，本文的探索對(duì)制定協(xié)調(diào)城鎮(zhèn)化與環(huán)境之間關(guān)系的政策具有一定的參考意義。

一、變量與測(cè)度模型

城鎮(zhèn)化是一個(gè)農(nóng)村化逐漸轉(zhuǎn)變?yōu)槌鞘谢⒐I(yè)化，人口聚集化、規(guī)?；倪^程。最直觀的結(jié)果就是城鎮(zhèn)人口增多，所以一般用城鎮(zhèn)化率來(lái)反映一個(gè)地區(qū)的城鎮(zhèn)化水平高低，即一個(gè)地區(qū)常住于城鎮(zhèn)的人口占該地區(qū)總?cè)丝诘谋壤?/p>

自然環(huán)境具有自凈能力，但是過多的人類活動(dòng)參與，使得環(huán)境中有害物質(zhì)增加到超過自然的自凈能力就會(huì)出現(xiàn)環(huán)境污染。環(huán)境污染包括大氣污染、土壤污染和水體污染，由于人類城市化過程中最主要的活動(dòng)是日常生活以及工業(yè)生產(chǎn)，所以選取了人均城鎮(zhèn)生活污水排放量（萬(wàn)噸/萬(wàn)人），人均生活污水COD排放量（噸/萬(wàn)人），人均生活垃圾清運(yùn)量（萬(wàn)噸/萬(wàn)人）等指標(biāo)來(lái)評(píng)價(jià)城鎮(zhèn)化對(duì)環(huán)境的污染效應(yīng)。

（一）數(shù)據(jù)來(lái)源

基于本文的研究目標(biāo)和選取的變量，考慮數(shù)據(jù)的準(zhǔn)確性以及獲取的可行性，從《安徽省統(tǒng)計(jì)年鑒》（2000―2015）中選取了城鎮(zhèn)化率和各指標(biāo)相關(guān)數(shù)據(jù)，以及常住城鎮(zhèn)人口、研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)投入和安徽省的GDP數(shù)據(jù)。

（二）污染測(cè)度模型

1.邊際污染測(cè)度模型。城鎮(zhèn)化最直接的表現(xiàn)就是常住于城市的人口比重越來(lái)越大、城市非農(nóng)業(yè)產(chǎn)業(yè)的發(fā)展進(jìn)步迅猛，包括服務(wù)業(yè)與工業(yè)，而基于我國(guó)的現(xiàn)狀，最主要的就是工業(yè)的迅速發(fā)展，所以將上述的幾項(xiàng)指標(biāo)除以安徽省常住人口，每年各項(xiàng)指標(biāo)較上年的增量除以當(dāng)年的城鎮(zhèn)化率的增量，具體用以下的公式表示：

ΔQc=■

其中，Qi表示第i年安徽省城鎮(zhèn)環(huán)境污染物的人均排放量，Ci表示第i年安徽省城鎮(zhèn)化率，ΔQc為城鎮(zhèn)化率每提高一個(gè)百分點(diǎn)帶來(lái)的人均城鎮(zhèn)污染物增加量，此式將安徽省城鎮(zhèn)化率對(duì)環(huán)境污染的進(jìn)行了量化表示，可以更直觀地看到城鎮(zhèn)化對(duì)于環(huán)境的影響。

2.綜合污染測(cè)度模型。綜合污染測(cè)度主要選用因子分析法

（1）利用SPSS20.0先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理（為消除各指標(biāo)變量單位間的量綱影響）。

（2）利用最大方差法提取公共因子。如果各個(gè)變量在公共因子上的載荷相差不大，多為中等水平，則需要進(jìn)行因子旋轉(zhuǎn)，一般采用最大方差法，也叫正交旋轉(zhuǎn)法。

（3）_定權(quán)重。

3.STRIPAT城鎮(zhèn)化回歸模型。STIRPAT全名為可拓展的隨機(jī)性的環(huán)境影響評(píng)估模型，最初由Dietz和Rose所提出，可利用其來(lái)來(lái)探討各因素（人口、財(cái)產(chǎn)、技術(shù)）對(duì)環(huán)境壓力的影響，具體模型如下：

It=aPtT1AtT2TtT3et

其中，It為環(huán)境污染指標(biāo)，Pt表示為人口指標(biāo)，At為富裕度指標(biāo)，Tt代表技術(shù)水平，指標(biāo)Ti，（i=1，2，3）稱為對(duì)應(yīng)各因素的環(huán)境彈性系數(shù)，表示各因素每增長(zhǎng)1%，環(huán)境污染增長(zhǎng)Ti%，a為常數(shù)項(xiàng)，e為誤差項(xiàng)。為了探討城鎮(zhèn)化率對(duì)環(huán)境的影響，將城鎮(zhèn)化率（記為Zt）添加到公式中，并將上述非線性模型兩邊取對(duì)數(shù)轉(zhuǎn)化為線性模型，變換后的模型如下：

lnIt=lna+T1lnPt1+T2lnAt+T3lnTt+T4lnZt+tlne

其中，得到的污染綜合得分表征為環(huán)境污染指標(biāo)，以及城鎮(zhèn)人口表示為人口指標(biāo)，人均GDP表示為富裕度指標(biāo)，研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)和內(nèi)部支出情況表示為技術(shù)水平指標(biāo)，利用Eviews帶入估算出各環(huán)境彈性系數(shù)，可以直觀看出城鎮(zhèn)化率每提高1個(gè)百分點(diǎn)帶來(lái)的環(huán)境污染得分的百分比變化。

二、安徽省邊際環(huán)境污染效應(yīng)實(shí)證分析

（一）污染測(cè)度

1.邊際污染測(cè)度

首先，所獲取的指標(biāo)數(shù)據(jù)（城鎮(zhèn)生活污水排放量，生活污水COD排放量、工業(yè)廢水排放量，工業(yè)廢氣排放總量，工業(yè)二氧化硫排放量，煙塵排放量，工業(yè)粉塵排放量，工業(yè)固體廢物產(chǎn)生量，生活垃圾清運(yùn)量）除以各年安徽省的常住人口總數(shù)，獲得各指標(biāo)數(shù)據(jù)的人均數(shù)，然后根據(jù)以上部分所述的邊際污染指數(shù)計(jì)算方法，得到的結(jié)論如下：2000―2014年，安徽省的城鎮(zhèn)化率每年每提高1個(gè)百分點(diǎn)，各項(xiàng)環(huán)境污染指標(biāo)都受到相應(yīng)的影響。其中，除了人均工業(yè)二氧化硫排放量的增加量出現(xiàn)了明顯的減少，人均生活污水中COD排放量增加量總體有少量的減少趨勢(shì)，剩下的各指標(biāo)增加量總體上都呈現(xiàn)逐年增加的趨勢(shì)，這說(shuō)明這幾年一直強(qiáng)調(diào)的節(jié)能減排政策，以及對(duì)生活污水的技術(shù)處理有了顯著的效果。而人均城鎮(zhèn)生活污水量排放量的增加量逐年增加的趨勢(shì)最明顯，人均工業(yè)廢氣排放量與人均工業(yè)粉塵排放量的增加量。其次，這與近幾年來(lái)安徽省的空氣質(zhì)量下降、大氣污染嚴(yán)重息息相關(guān)。人均固體廢棄物增加量不減的趨勢(shì)也是導(dǎo)致環(huán)境污染的一大因素――有害物質(zhì)通過地表、水資源對(duì)人們的生活以及環(huán)境造成惡劣的負(fù)面影響。

2.綜合污染指數(shù)測(cè)度

（1）利用SPSS 20.0，將人均數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，首先進(jìn)行數(shù)據(jù)檢驗(yàn)，看看本次的樣本數(shù)據(jù)是否適合進(jìn)行因子分析。檢驗(yàn)結(jié)果（如表1所示）。

KMO檢驗(yàn)用于檢驗(yàn)變量間的偏相關(guān)系數(shù)是否過小。KMO值越接近于1，表示變量的共同因素越多，變量間的凈相關(guān)系數(shù)越低，越適合做因子分析。由分析結(jié)果可知，KMO的值為0.769，說(shuō)明該樣本總體的變量較適宜進(jìn)行因子分析。

（2）根據(jù)上部分的說(shuō)明，將9個(gè)指標(biāo)的數(shù)據(jù)進(jìn)行降維處理，得到的變量方差解釋結(jié)果（如表2所示）。

按照系統(tǒng)默認(rèn)的提取方法，提取特征根大于1的主成分，由表2可得，提取了3個(gè)主成分，主成分1提取了總方差66.824%，主成分2提取了總方差的14.2%，主成分2提取了總方差13.102%，累計(jì)解釋了總體方差的94.126%，即所有指標(biāo)的94.126%可以由這3個(gè)主成分表示。

（3）采用正交旋轉(zhuǎn)法進(jìn)行因子旋轉(zhuǎn)，對(duì)原始載荷矩陣進(jìn)行調(diào)整簡(jiǎn)化。

（4）根據(jù)成分得分系數(shù)矩陣以及公式計(jì)算綜合得分，將得分進(jìn)行排名（見下頁(yè)表3）。

根據(jù)在綜合得分的排名可看出，2011年之前的得分都為負(fù)數(shù)，之后便開始一直出現(xiàn)正數(shù)。且總體而言，2000―2014年安徽省的環(huán)境污染得分呈現(xiàn)逐年遞增的趨勢(shì)，這與上一部分的邊際污染結(jié)果一致。所以可以得出安徽省近幾年來(lái)的環(huán)境污染情況越來(lái)越嚴(yán)重。

3.城鎮(zhèn)化與環(huán)境污染的效應(yīng)關(guān)系

注意到環(huán)境污染綜合得分有些為負(fù)值，由于取對(duì)數(shù)時(shí)變量不能為負(fù)值，所以首先參照張樂勤、張勇在《城鎮(zhèn)化演進(jìn)邊際污染效應(yīng)及其庫(kù)茲涅茨曲線探析：基于安徽省的實(shí)證》中的處理方法，將綜合污染得分按照下式進(jìn)行百分比的轉(zhuǎn)變：

可以計(jì)算得出，安徽省的環(huán)境污染從2004年的最低46.37到2011年的60.66，七年時(shí)間增加將近15分，平均每年增加2分多，但是2011年后的污染的增勢(shì)有所緩解，基本維持在60.6，處于較穩(wěn)定的狀態(tài)。對(duì)數(shù)線性回歸結(jié)果（如下頁(yè)表4所示）。

P值都大于0.05，接受殘差為白噪聲序列的原假設(shè)，所以可以認(rèn)為回歸模型是平穩(wěn)的，較好地模擬了幾個(gè)變量之間的關(guān)系。

另得到R2為0.9343，說(shuō)明在線性回歸模型中，環(huán)境增長(zhǎng)率總離差中，由這4個(gè)離差解釋的部分占93.43%，模型擬合的較好。DW值為2.0659，說(shuō)明不存在自相關(guān)性。

得到關(guān)系式為：lnIt=-10.69277+1.16225lnAt-1.0121741lnTt+

1.351754lnPt+3.165704lnZt

所以由上式可以知道，2000―2014年安徽省的人均富裕度、技術(shù)進(jìn)步、城鎮(zhèn)人口以及城鎮(zhèn)化率4個(gè)因素對(duì)環(huán)境污染都會(huì)有影響。根據(jù)模擬得知，當(dāng)安徽省的人均GDP、研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)、城鎮(zhèn)人口和城鎮(zhèn)化率每增加1%，環(huán)境綜合污染得分分別增加1.16225%、-1.012174%、1.357154%和3.165704%。所以，城鎮(zhèn)化率的提高對(duì)于環(huán)境的影響力度大于其他幾個(gè)影響因素，城鎮(zhèn)化的快速發(fā)展是造成安徽省近幾年的環(huán)境污染不可忽略的原因。

（二）結(jié)論

本文通過對(duì)安徽省2000―2014年相關(guān)數(shù)據(jù)的分析，得到以下幾點(diǎn)結(jié)論：第一，經(jīng)過對(duì)安徽省城鎮(zhèn)化的邊際污染指數(shù)分析得出，2000―2014年，城鎮(zhèn)化率每年每提高1個(gè)百分點(diǎn)，各項(xiàng)環(huán)境污染指標(biāo)都受到相應(yīng)的影響的結(jié)論。第二，經(jīng)過主成分分析方法提取了3個(gè)公共因子，這3個(gè)公共因子對(duì)環(huán)境污染的貢獻(xiàn)率分別為0.608541、0.118874、0.097573。所以，第一公共因子對(duì)環(huán)境的污染力度明顯高于其他公共因子。對(duì)于減少環(huán)境的污染，要著重從第一公共因子中的那幾個(gè)指標(biāo)入手。第三，建立STIRPAT模型，結(jié)合本文的探討目標(biāo)，強(qiáng)調(diào)當(dāng)安徽省的城鎮(zhèn)化率每提高1個(gè)百分c，環(huán)境綜合污染得分將提高3.165704的百分點(diǎn)，是城鎮(zhèn)化率增長(zhǎng)的3倍之多，且城鎮(zhèn)化率的提高對(duì)于環(huán)境的影響力度要大于其他幾個(gè)影響因素，所以城鎮(zhèn)化的快速發(fā)展是造成安徽省近幾年環(huán)境污染的最主要的原因。

三、建議

根據(jù)本文的結(jié)論，對(duì)于從哪些方面、怎樣適當(dāng)發(fā)展城鎮(zhèn)化以減少對(duì)環(huán)境的惡化提出以下幾點(diǎn)建議：第一，城鎮(zhèn)化過程中伴隨著各項(xiàng)污染物排放量的增加，所以不能一味追求城鎮(zhèn)化率數(shù)字上的進(jìn)步，繼續(xù)走先污染后治理的老路，而是要在考慮資源、環(huán)境的承載能力的基礎(chǔ)上，尋求一個(gè)人與自然、人與生態(tài)協(xié)同共存的平衡點(diǎn)，做到在最大速度發(fā)展城鎮(zhèn)化的同時(shí)使環(huán)境能夠自我調(diào)節(jié)、自我消化。第二，城鎮(zhèn)化過程中二氧化硫以及污水中的COD排放量得到了一定的控制，所以我們要繼續(xù)保持以及更進(jìn)一步的貫徹落實(shí)節(jié)能減排、科學(xué)發(fā)展、可持續(xù)發(fā)展的政策，繼續(xù)加強(qiáng)對(duì)廢水、廢氣的處理以及排放，從源頭上做到城鎮(zhèn)化的同時(shí)保護(hù)生態(tài)環(huán)境。第三，城鎮(zhèn)化過程中帶來(lái)的工業(yè)化程度加大是引起環(huán)境污染的一大重要因素，所以在城鎮(zhèn)化進(jìn)程中要深化產(chǎn)業(yè)結(jié)構(gòu)改革，盡量發(fā)展廢氣、廢水、固體廢棄物產(chǎn)生少的行業(yè)，逐漸減少工業(yè)企業(yè)的比重，加大服務(wù)業(yè)的比重，這樣就可以發(fā)展與環(huán)境健康發(fā)展的城鎮(zhèn)化產(chǎn)業(yè)結(jié)構(gòu)。第四，建立生態(tài)工業(yè)園區(qū)，在發(fā)展工業(yè)的同時(shí)利用生態(tài)進(jìn)行循環(huán)發(fā)展，綠色發(fā)展，協(xié)調(diào)發(fā)展。且各生態(tài)工業(yè)園區(qū)要結(jié)合實(shí)踐，聯(lián)系自身的特點(diǎn)進(jìn)行深化改革，建立和完善協(xié)調(diào)統(tǒng)一、合理運(yùn)轉(zhuǎn)、機(jī)制透明的工業(yè)園區(qū)生態(tài)化改造監(jiān)管機(jī)制。充分發(fā)揮工業(yè)園區(qū)生態(tài)改造監(jiān)管機(jī)制在工業(yè)生態(tài)園區(qū)實(shí)際建設(shè)中的指導(dǎo)監(jiān)督作用，否則一切都是空談?dòng)诩垺?/p>

參考文獻(xiàn)：

[1] 張樂勤，張勇.城鎮(zhèn)化演進(jìn)邊際污染效應(yīng)及其庫(kù)茲涅茨曲線探析：基于安徽省的實(shí)證[J].世界科技研究與發(fā)展，2015，（1）：33-38.

[2] 王立猛，何康林.基于STIRPAT模型分析中國(guó)環(huán)境壓力的時(shí)間差異――以1952―2003年能源消費(fèi)為例[J].自然資源學(xué)報(bào)，

2006，（6）：862-869.

[3] 聶國(guó)卿，尹向飛，鄧柏盛.基于STIRPAT模型的環(huán)境壓力影響因素及其演進(jìn)分析――以湖南省為例[J].系統(tǒng)工程，2012，（5）：