论文部分内容阅读
近年来长三角地区由于人为活动和气象条件的共同作用,大气复合污染事件频发,受到了国内外各界的广泛关注。本文利用2013-2015年长三角主要城市南京PM10、PM25、O3浓度资料,分析了大气污染物的季节变化、日变化特征;利用WRF模式模拟的精细气象场重点分析了气温、气压、比湿、风速、降水、边界层高度等对空气污染的影响,探讨了污染物浓度变化的成因;重点分析了大气主要复合污染物PM25与03在不同季节的相互作用机制;在此基础上利用逐步回归统计方法和基于主成分的人工神经网络方法对长三角主要城市南京、上海、杭州、合肥,建立了不同季节空气质量浓度预报模型,并对这两种预报模型分别进行了效果检验。结果表明:(1)南京主要大气污染物变化特征及气象作用大气颗粒物PM10和PM25季节变化均为夏低冬高,具有良好的一致性,两种粒子8月最低,粗细粒子分别在12月和1月达到最高值,冬季是南京大气颗粒物污染最严重的季节。四季PM10、PM2.5-10、PM25的日变化趋势基本一致,冬季日变化最明显,夏季最弱,春季居中,且冬季上午峰值均比其余三季延后1-2小时。全年大气颗粒物PM10中细粒子PM2.5所占质量浓度比为0.59,南京大气可吸入颗粒物中细粒子占大气颗粒物PM10的较多数,并呈现春秋低,冬夏高的特征。PM2 5主导四季AQI的变化,尤其是在重污染的情况下,并且PM2.5是影响南京地区空气质量的首要污染物。O3浓度呈现春夏高、秋冬低的变化特征,春末夏初达到最大值,秋末冬初达到最小值。四季O3质量浓度日变化均呈现白天高,夜间低的单峰式变化特征,最小和最大值出现在07-08时和14-16时。(2)南京主要大气复合污染物PM2.5和03相互作用机制通过分析南京2013-2015年空气质量数据,发现大气主要复合污染物PM2 5与O3之间在冷季(12-2月)和暖季(6-8月)相关性相反,相关系数分别为-0.16和0.40,均通过99%显著性检验。基于环境监测数据和气象观测数据,从大气氧化性和太阳总辐射角度讨论PM25和03之间相互作用的机制。研究表明,大气氧化性的增强促进二次气溶胶的生成,最高占PM25总量的26.76%。暖季较高的03显著促进二次气溶胶的生成,使得PM25和03呈显著正相关。冷季大气氧化性较弱,高浓度的PM25对地表太阳辐射起削弱作用。随着PM2.5上升,03小时浓度变化率下降,峰值时间延迟。当PM2.5超过115μg·m-3,环境大气03被显著抑制,峰值下降到12.7μg·m-3, PM2.5和03呈显著负相关。此次观察研究有助于对大气环境季节变化的深入理解。(3)长三角地区空气质量统计预报模型的建立通过相关系数分季节筛选的气象要素,与前一(几)日的污染物浓度共同作为预报因子,利用逐步回归和人工神经网络建立空气质量统计预报模型,并应用于独立样本,进行预报效果检验。结果表明逐步回归预报模型对于PM2.5,PM10和O3的拟合优度为40%-65%,准确率为43%-55%。BP人工神经网络未来72小时预报平均准确率为61%-77%。将训练集长度增加到4000小时以上时,平均准确率上升到73.31%。相较于全时预报模型,重污染模型准确率提升了39.98%。增加预测集时长有利于预报稳定度的提升,因此在实际预测过程中,建议使用长期历史数据进行神经网络训练,重污染天气建议使用重污染模型进行预报。以此为基础,建立了长三角地区空气质量统计预报模型。