ZJ西安地区PM影响因素及扩散规律研究.docVIP

西安地区PM2.5气象影响因素及扩散规律研究 PM2.5气象影响因素进行了权重分析，并通过统计评分模型建立突发PM2.5污染灾害预测与评估方法。西安地区风速、相对湿度、温度与PM2. 5质量浓度成反风速与PM2.5关联度最大其次是温度，最小的相对湿度PM2.5中的权重接近，风速当高压开关厂PM2.5浓度激增时PM2.5呈现东、西方向扩散的趋势，离越近PM2.5污染越严重。PM2.5，灰理论，统计评分，气象因素，扩散规律 0 引言 已有研究表明，PM2.5（环境空气中空气动力学当量直径小于等于 2.5 μm的颗粒物）来源与形成机理复杂，长时间悬浮空气中不但会吸附空气中的有害物质，还会引起颗粒物表面的发生物理化学反应形成二次污染物，现已成为我国城市大气环境的主要污染物之一；更严重的是，PM2.5会随着呼吸进入肺泡，对人体呼吸系统造成巨大危害，大量科学数据证明PM2.5与肺癌、哮喘等疾病的发生密切相关；另外，PM2.5还是形成灰霾、降低大气能见度的重要因素。 随着大气环境与人们健康问题的日益突出，PM2.5的危害正受到越来越的关注。由于PM2.5进入公众视线的时间还很短，在学术界也是新课题，目前国内的研究才开始，对于 PM2.5的化学特征、时空变化特征、相关气象影响因素、来源等问题还处在探索阶段。在PM2.5的扩散规律方面鲜有报道。本文依据西安地区气象数据，采用灰理论探讨PM2.5与相关气象因素的关系，利用统计评分原理建立PM2.5扩散模型，以提高人们对PM2.5影响因素的认识，同时为应对PM2.5浓度突增情形下城市治污与减灾工作提供理论支撑。 1 数据来源 数据来源于西安市环保局13个环境空气质量自动监测站（监测站分布如图1）。监测站依照GB3095-2102自动实时监测并记录PM2.5等各种污染物浓度。利用风速风向仪、湿度计、温度计等仪器自动监测相关气象因素的实时数据。收集2013年1月1日到2013年4月26日每隔5秒西安地区的PM2. 5质量浓度风速、相对湿度、温度气象因素的实时监测数据，并将其处理成24小时平均值。 2 通过灰理论的灰关联度和灰权重分析，计算西安地区风速、相对湿度、温度与PM2.5质量浓度之间的关联度，并确定气象因素在PM2.5质量浓度中的权重。采用统计评分模型建立西安地区突发PM2.5污染灾害时，PM2.5扩散预测与评估方法，给出重度污染和可能安全区域。 图1 西安市13个监测点位置的平面示意图Fig.1 Plane?sketch of 13 monitoring point position of Xian 2.1 灰关联度分析设参考序列为，与参考数据序列进行比较的数据序列为。其中，，分别是及的第k点，其中i=1，2，…，m，k=1，2，…，n。令为对于在k点的灰关联度，可记为，k点关联系数记为。求解关联度的一般步骤为： 第一步：求各序列的均值像得 (1) 第二步：求差序列，记为 (2) 第三步：求序列的两极最大差值与最小差值，记为 (3) 第四步：计算关联系数，可以定义以下点关联系数的计算公式，一般取0.5 (4) 第五步：计算关联度： ，， (5) 第六步：按关联度的大小排序。关联度越大，表示两个因素间关系越紧密，否则反之，即关联度排序反映了各相关因素序列与系统参考序列的优劣关系。 2.2 灰权重分析灰权重分析采用白化权函数作为权重函数，设白化权函数的来自无限资讯空间，其白化权函数为： (6) 规划权重的一般步骤为： 已知序列，则各序列中各属性因子总和 (7) 第二步：求因子熵（Entropy） (8) 第三步：求熵总和 (9) 第四步：求相对权重 (10) 第五步：利用正规化法求各因子权重 (11) 2.3 统计评分模型 设定对于空间和时间中的某一点xiji=1,2,3……n; 为空间位置j=1,2,3…...m; 为时间位置,存在一个与之对应的yij，即 (12) 当有 (13) 计算 (14) 则同时存在 i’=1,2,3…i-1,i+1…n） (15)