長三角城市大氣復合污染變化及其統(tǒng)計預報模式建立.pdf

1、近年來長三角地區(qū)由于人為活動和氣象條件的共同作用，大氣復合污染事件頻發(fā)，受到了國內(nèi)外各界的廣泛關(guān)注。本文利用2013-2015年長三角主要城市南京PM10、PM25、O3濃度資料，分析了大氣污染物的季節(jié)變化、日變化特征;利用WRF模式模擬的精細氣象場重點分析了氣溫、氣壓、比濕、風速、降水、邊界層高度等對空氣污染的影響，探討了污染物濃度變化的成因;重點分析了大氣主要復合污染物PM2.5與O3在不同季節(jié)的相互作用機制;在此基礎(chǔ)上利用逐步回歸

2、統(tǒng)計方法和基于主成分的人工神經(jīng)網(wǎng)絡(luò)方法對長三角主要城市南京、上海、杭州、合肥，建立了不同季節(jié)空氣質(zhì)量濃度預報模型，并對這兩種預報模型分別進行了效果檢驗。結(jié)果表明:
　　(1)南京主要大氣污染物變化特征及氣象作用
　　大氣顆粒物PM10和PM2.5季節(jié)變化均為夏低冬高，具有良好的一致性，兩種粒子8月最低，粗細粒子分別在12月和1月達到最高值，冬季是南京大氣顆粒物污染最嚴重的季節(jié)。四季PM10、PM2.5-10、PM2.5的日變

3、化趨勢基本一致，冬季日變化最明顯，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小時。
　　全年大氣顆粒物PM10中細粒子PM25所占質(zhì)量濃度比為0.59，南京大氣可吸入顆粒物中細粒子占大氣顆粒物PM10的較多數(shù)，并呈現(xiàn)春秋低，冬夏高的特征。PM25主導四季AQI的變化，尤其是在重污染的情況下，并且PM25是影響南京地區(qū)空氣質(zhì)量的首要污染物。O3濃度呈現(xiàn)春夏高、秋冬低的變化特征，春末夏初達到最大值，秋末冬初達到最小值。四

4、季O3質(zhì)量濃度日變化均呈現(xiàn)白天高，夜間低的單峰式變化特征，最小和最大值出現(xiàn)在07-08時和14-16時。
　　(2)南京主要大氣復合污染物PM2.5和O3相互作用機制
　　通過分析南京2013-2015年空氣質(zhì)量數(shù)據(jù)，發(fā)現(xiàn)大氣主要復合污染物PM2.5與O3之間在冷季（12-2月）和暖季（6-8月）相關(guān)性相反，相關(guān)系數(shù)分別為-0.16和0.40，均通過99％顯著性檢驗?；诃h(huán)境監(jiān)測數(shù)據(jù)和氣象觀測數(shù)據(jù)，從大氣氧化性和太陽總輻射角

5、度討論PM2.5和O3之間相互作用的機制。研究表明，大氣氧化性的增強促進二次氣溶膠的生成，最高占PM25總量的26.76％。暖季較高的O3顯著促進二次氣溶膠的生成，使得PM2.5和O3呈顯著正相關(guān)。冷季大氣氧化性較弱，高濃度的PM25對地表太陽輻射起削弱作用。隨著PM2.5上升，O3小時濃度變化率下降，峰值時間延遲。當PM2.5超過115μg·m-3，環(huán)境大氣O3被顯著抑制，峰值下降到12.7μg·m-3，PM2.5和O3呈顯著負相關(guān)。

6、此次觀察研究有助于對大氣環(huán)境季節(jié)變化的深入理解。
　　(3)長三角地區(qū)空氣質(zhì)量統(tǒng)計預報模型的建立
　　通過相關(guān)系數(shù)分季節(jié)篩選的氣象要素，與前一（幾）日的污染物濃度共同作為預報因子，利用逐步回歸和人工神經(jīng)網(wǎng)絡(luò)建立空氣質(zhì)量統(tǒng)計預報模型，并應用于獨立樣本，進行預報效果檢驗。結(jié)果表明逐步回歸預報模型對于PM2.5，PM10和O3的擬合優(yōu)度為40％-65％，準確率為43％-55％。BP人工神經(jīng)網(wǎng)絡(luò)未來72小時預報平均準確率為61％-7