（环境工程专业论文）西安城市空气中二氧化硫浓度预报研究.pdf

曲安建筑科技人学硕士学位论文 西安城市空气中二氧化硫浓度预报研究 专业：环境工程 硕士生：王晓平 指导教师：张承中教授 摘要 本文以西安市2 0 0 0 年6 月至2 0 0 5 年3 月各监测点逐日s 0 2 浓度监测值以及2 0 0 1 年6 月至2 0 0 5 年3 月的逐日地面气象要素监测值为研究对象进行西安城市空气中s o ： 浓度预报研究。 西安市s o ：浓度的时空特征分析显示：从2 0 0 1 年到2 0 0 3 年，西安城市空气中s 0 2 年平均浓度逐年下降，但2 0 0 4 年s 0 ：浓度剧增，增幅达3 9 2 9 ；各年四季浓度先减后 增；月浓度变化呈现出不对称的“w ”形；采暖期的s o ：浓度都是非采暖期浓度的倍 以上；各点位每年的月变化趋势与西安市每年的月变化趋势基本相同，曲线变化最为剧 烈、起伏最大的是小寨，兴庆小区和草滩的曲线较为平滑。 s o ：浓度同气象条件关系密切。本文首先分析了近年来西安市各气象因素的变化， 并对2 0 0 1 2 0 0 4 年四年中a p i 5 0 的日子所对应的气象要素进行统计分析比较，找出其 分布规律，初步探讨可能出现较高s o 。浓度的气象条件。 本文采用逐步回归法和主成分回归法，对采暖期和非采暖期分别建立预报模型。逐 步回归法采用s a s 系统的r e g 过程，消除了自变量之间的共线性，从而保证了进入模型 的预报因子的显著性；主成分回归法则将主成分分析和回归分析相结合，克服了回归问 题中由于自变量之间的高度相关而产生的分析困难。逐步回归法建立的采暖期和非采暖 期预报方程的准确率达到了8 7 0 9 j n7 9 7 5 ，等级命中率为1 0 0 。主成分回归法建预 立的预报方程准确率为6 7 1 6 和5 6 3 4 ，等级命中率为1 0 0 。经对比，逐步回归法建 立的预报模型优于主成分回归法建立的预报模型。 此外，针对西安市s 0 。浓度现状，从工程技术、环境质量管理、经济决策、城市绿 化等方面提出一些建议，强调了以“预防为主”的区域综合防治思路，为西安市s o 。污 染的综合防治提供了一定的参考依据。 关键词：s 0 2 浓度逐步回归法主成分回归法 预报模型综合防治 西安建筑科技火学硕士学位论文 s t u d i e so nt h ef o r e c a s to fs 0 2c o n c e n t r a t i o ni nx i a nc i t y s p e c i a l t y ：e n v i r o n m e n t a le n g i n e e r i n g p o s t g r a d u a t e ：w a n gx i a o p i n g t u t o r ：p r o f z h a n gc h e n g z h o n g a b s t r a c t t h ef o r e c a s to fs 0 2c o n c e n t r a t i o ni nx i a nc i t yh a db e e ns t u d i e da c c o r d i n gt ot h es 0 2 c o n c e n t r a t i o nv a l u et h a tm o n i t o r e df r o mj u n e2 0 0 0t om a r c h2 0 0 5a n dt h eg r o u n d m e t e o r o l o g i c a ld a t af r o mj u n e2 0 0 1t om a r c h2 0 0 5o f x i a nc i t y r e s u l t so nt h ea n a l y s eo fc h a r a c t e r so fs 0 2c o n c e n t r a t i o ni nx i a nc i t yi n d i c a t e dt h a t ： a v e r a g ea n n u a ls 0 2c o n c e n t r a t i o nd e s c e n d e dy e a rb yy e a rf r o m2 0 0 1t o2 0 0 3 ， w h i l et h e c o n c e n t r a t i o ni n2 0 0 4r i s e da b r u p t l y ；e v e r ys e a s o nc o n c e n t r a t i o nd e s c e n d e df i r s t l ya n dt h e n r i s e dg r e a t l y ；t h ec h a n g eo fm o n t hc o n c e n t r a t i o ni sl i k eaa n i s o m e r o u sw ：t h ec o n c e n t r a t i o n i nh e a t i n gs e a s o ni sd o u b l e dt h a ti nu n h e a t i n gs e a s o n ；t h ec h a n g eo fm o n t hc o n c e n 订a t i o ni n e v e r yy e a ro fm o n i t o r i n gp o i n t sw a si nc o n s o n a n c ew i t ht h a to fi nx i a nc i t y ；t h ec a l v eo f x i a o z h a ic h a n g e dv i o l e n t l y ，a n dt h a to f x i n g q i n g x i a o q uc h a n g e df l a t l y b e a e a u s et h e r ei sac l o s ec o r r e l a t i v i t yb e t w e e ns 0 2c o n c e n w a f i o na n dm e t e o r o l o g i c a l c o n d i t i o n ，t h ec h a n g e so fm e t e o r o l o g i c a lc o n d i t i o nw a sa n a l y z e df i r s t l y t h e ns t a t i s t i c a l a n a l y s i sh a db e e nd o n e 、v i mt h em e t e o r o l o g i c a ld a t ai nt h ed a y s ( a p i 5 0 、o nt h eb a s i so f c o n t r a s t ， c o n f i r mp o s s i b l em e t e o r o l o g i c a lc o n d i t i o nt h a tc a na r i s es 0 2c o n c e n t r a t i o n t h ed i s s e r t a t i o nc h o o s e ss t e p w i s er e g r e s s i o na n a l y s i sa n dm a i ne l e m e n tr e g r e s s i o ni n t h ee x c e s s i v e m e m b e rs t a t i s t i c a lm e t h o dt ob u i l df o r e c a s tm o d e li nt h eh e a t i n ga n d u n h e a t i n g s e a s o n s r e gp r o c e s si nt h es a ss y s t e mh a db e e nu s e dt oe l i m i n a t et h et o t a ll i n ei nt h e s t e p w i s er e g r e s s i o na n a l y s i s m a i ne l e m e n tr e g r e s s i o nc o m b i n e st o g e t h e rm a i ne l e m e n t a n a l y s i sa n dr e g r e s s i o na n a l y s i s ；i to v e r c o m e st h ed i f f i c u l t yo ft h eh i g h l yr e l e v a n c eb e t w e e n t h ei n d e p e n d e n ta n dd e p e n d e n tv a r i a b l e s t h r o u g hc h e c k o u t ，t h ev e r a c i t yo f m o d e lb u i l tb y s t e p w i s er e g r e s s i o na c h i e v e d8 7 0 9 a n d7 9 7 5 ，t h ec l a s sv e r a c i t ya c h i e d 10 0 ：t h e v e r a c i t yo f m o d e lb u i l tb ym a i ne l e m e n tr e g r e s s i o na c h i e v e d6 7 1 6 a n d5 6 3 4 ，t h ec l a s s v e r a c i t ya c h i e d10 0 ，a f t e rc o n t r a s tt h e m ， s t e p w i s er e g r e s s i o na n a l y s i si sm o r ea c c u r a t e 两安建筑科技大学硕十学位论文 i na d d i t i o n ，d i r e c ta g a i n s tt h ec u r r e n ts i t u a t i o no f x i a nc i t y ，t h ep a p e rp r o p o s e ds o m e s u g g e s t i o n sf r o ms u c hr e s p e c t sa st h ee n g i n e e r i n g ，e n v i r o i m a e n t a lm a n a g e m e n t ，e c o n o m i c d e c i s i o n ， c i t ya f f o r e s t a t i o na n ds o o n h a v ee m p h a s i z e d i to nt h et h i n k i n go fr e g i o n a l i n t e g r a t e dc o n t r o lo f ”p u t t i n gp r e v e n t i o nf i r s t ”，a n dh a v eo f f e r e dc e r t a i nr e f e r e n c ef o rt h e i n t e g r a t e dc o n t r o lo f t h es 0 2p o l l u t i o ni nx i a nc i t y k e yw o r d s ：s 0 2c o n c e n t r a t i o n ；s t e p w i s er e g r e s s i o n ；m a i ne l e m e n tr e g r e s s i o n ；f o r e c a s t m o d e l ；i n t e g r a t e dc o n t r o l 声明 本人郑重声明我所呈交的论文是我个人在导师指导下进行的研究工作及取 得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不 包含其他人已经发表或撰写过的研究成果，也不包含本人或其他人在其它单位 已申请学位或为其它用途使用过的成果。与我一同工作的同志对本研究所做的 所有贡献均已在论文中作了明确的说明并表示了致谢。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 晦泌。7 关于论文使用授权的说明 本人完全了解西安建筑科技大学有关保留、使用学位论文的规定，即：学 校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的 全部或部分内容，可以采用影印、缩印或者其它复制手段保存论文。 ( 保密的论文在论文解密后应遵守此规定) 论文作者签名： 注：请将此页附在论文首页。 翩弛芗参科隰龇幻 西安建筑科技大学硕十学位论文 1 绪论 1 1 课题来源 本课题是省( 部) 级科研项目，属于陕西省自然科学基金项目2 0 0 2 e 。一1 2 的一部分。 1 2 我国s o ：污染状况及危害 1 2 1 我国s 0 ：污染状况 我国“1 是世界上少数几个以煤炭为主要原料的国家之一，这种以煤为主的能源结构 是形成城市空气污染的重要原因。当前我国的空气污染仍以煤烟型为主，最主要的污染 物是颗粒物和s 0 2 。根据2 0 0 3 年中国环境状况公报，2 0 0 3 年我国2 5 6 的城市s 0 。年平 均浓度超过国家二级标准。与上年相比，s o ：年平均浓度超过三级标准的城市比例增加 3 6 个百分点。s o 。污染较重的城市主要在山西、河北、河南、湖南、内蒙古、陕西、 甘肃、贵州、四川和重庆等地区。近年来我国城市空气中s 0 。超标及浓度状况见表1 1 。 从表中可以看出，除2 0 0 1 年外，被统计的3 0 0 多个城市中s o 。年平均浓度超过二级标 准的比例占到了五分之一以上。另外“1 ，在全国的6 0 0 多个城市中，空气环境质量符合 国家一级标准的城市不到1 ，目前已有6 2 3 的城市环境s o 。年平均浓度超过国家环境 空气质量二级标准，日平均浓度超过三级标准。一些大城市的s o ：浓度甚至已经超过国 家标准的2 5 倍。 表1 11 9 9 8 - 2 0 0 3 年我国城市空气中s 仉超标及浓度状况嘲 根据2 0 0 3 年中国环境状况公报，2 0 0 3 年全国废气中s o 。的排放总量为2 1 5 8 7 万吨。 其中工业来源的排放量1 7 9 1 4 万吨，生活来源的3 6 7 3 万吨。与2 0 0 2 年相比，各项分 别增长了1 2 0 ，1 4 7 和0 7 啪。预测表明旧，我国国内生产总值每增加1 ，废气排 放量就增长0 5 5 。随着我国经济的发展， 增加，因此s o 。的污染很有可能继续加重。 由于我国酸雨的主要前体物质是s o ：“3 ， 能耗量势必越来越大，s o 。排放量也将随之 属于硫酸型，而h 。s 吼占绝大多数，主要由 西安建筑科技大学硕士学位论文 燃煤引起。同时，大气颗粒物中的金属离子( 如m n 、f e 等) 可催化s o 。的氧化，增加 s o z 的转化率。因此s o ：的大量排放已造成了我国很大面积的酸雨污染。我国的华东、华 南、华中和西南地区都有明显的酸雨带。到1 9 9 5 年，年均降水p h 值小于5 6 的区域已 占到国上面积的4 0 左右，硫沉降量超临界负荷的面积为2 1 0 万k 疳，占国土面积的 2 1 9 。3 。十余年的监测表明，酸雨污染不仅程度加重，而且在区域上也有扩大的趋势。 2 0 0 3 年4 8 7 个市( 县) 的降水监测结果显示，出现酸雨的城市有2 6 5 个，与2 0 0 2 年相 比，出现酸雨的城市比例增加4 1 个百分点；降水年均p f 值小于和等于5 6 的城市比 例上升了4 7 个百分点，其中降水年均p h 值小于4 5 的城市比例增加2 8 个百分点； 酸雨频率超过4 0 的城市比例上升了7 2 个百分点。3 。酸雨污染与s o ：污染同步呈现加 重趋势。 1 2 2s 0 。污染的危害 s 0 。会危害人体和动物的健康，直至造成死亡。它在低浓度时，会使人体和动物呼 吸道内径变得狭窄，加大呼吸道阻力，造成呼吸道疾病，如胸闷，咽喉疼痛，咳嗽等： 在高浓度时，会侵害中枢神经系统和心脏等部位，使人与动物处于昏迷状态，直至死亡。 s 0 。还有助癌性，尤其是肺癌。专家估算结果显示，若大气中s o 。浓度每增加1 倍，则总 死亡率增加1 1 0 1 。作为一种比较强的还原剂，s o ：对各种物品如金属制品、纺织品、 纸制品、油漆涂料等均有腐蚀作用。 s o s 与其它物质协同作用或与其它物质反应后危害更大。s 0 。与飘尘协同作用，可被 吸附于微粒表面，从而进入呼吸道深部。若颗粒物表面有亚铁、锰和矾化合物等，其毒 性比s o 。大十倍m 。s o ：与其被氧化成的s o 。可以在空气中以较大的反应速率生成硫酸盐 和硫酸气溶胶粒子，在一定的气候条件下就可以形成硫酸雾，历史上有名的八大公害事 件之一的伦敦烟雾事件就是这种情况。 一般大气条件下，s o , 不易直接被0 。氧化，需要通过先行激活或由氧化性更强的自 由基来氧化。实测结果表明，光强、湿度、氧化j j f | j 及催化剂浓度对5 0 3 转化率有重要影 响，并最终形成酸雨。酸雨会使淡水湖泊、河流酸化，水中鱼等水生生物减少；还会改 变土壤结构，导致土壤贫瘠化，影响土壤中微生物的生长发育：损害植物新生叶芽，使 森林生态系统退化；腐蚀建筑材料和金属制品，破坏历史文物和艺术品。严重的酸性降 水和脆弱的生态系统使我国的经济损失严重，仅1 9 9 5 年酸雨污染给森林和农作物造成 的直接经济损失就达到几百亿元”1 。在某些酸雨的敏感区，酸雨污染己造成对生态环境、 建筑物及文物古迹的损害，并使经济损失严重，已成为制约社会经济发展的重要因素之 一。 为了控制我国酸雨和8 ( k 不断恶化的趋势，1 9 9 8 年1 月1 2 日，国务院正式批复了 我国酸雨控制区和s 阻污染控制区( 简称“两控区”) 的划分方案。西安市地处s q i 污 染控制区。 2 西安建筑科技大学硕士学位论文 1 3s o ，污染预报研究现状 1 3 1 国外研究现状 大气污染预测与控制越来越引起西方发达国家的重视，相关研究达到了相当的水 平。在欧洲，比利时皇家气象科学研究院在1 9 7 9 一1 9 8 0 年和1 9 8 0 1 9 8 1 年冬天进行了 大气污染潜势预报试验，依据以往冬季s o 。浓度测量值，再以风速、垂直稳定度、温度 和气团特征组成气象因子，然后与s o 。浓度进行线性回归，得到s o 。浓度与气象因子的 关系。在确立浓度场与气象场对应关系后，在1 9 8 5 年冬天对各污染物浓度进行业务预 报。 美国。1 从7 0 年代初就开始大气污染潜势业务预报，美国国家气象局( n w s ) 依据天气 预报的风、涡度及天气状况、大气稳定度、混合层高度等气象因子，用一个简单的箱体 模式及污染源强来进行未来2 4 小时的扩散计算；l a n d s b e r g h e 等( 1 9 7 6 ) 用5 0 0 h p a 天 气形势结合早晨及下午混合层高度和地面风速对美国东部重污染的出现进行了相关分 析，这样就可以利用美国国家气象中心的高层大气预报来进行大气污染预报。t i m i s o a r a 技术大学的g e o r g eg s a v i i “们采用标准系统鉴定方法进行污染物浓度的预测，这个系 统需要输入大量的参数( 主要是气象参数) ，同时输出一个污染浓度值，该模型被用于 预测一些污染物的浓度及空气质量等级。g o n g y u h l i n ( 1 9 8 2 ) “”利用相关分析给出了氧化 物浓度、气象变量及污染过程出现之间的统计关系，预报加里福尼亚南海岸地区大气污 染过程，精确程度达5 1 8 8 。 前苏联在1 9 8 0 年用自然正交函数变量展开法在阿普歇伦半岛对s o 。及n o ：平均浓度 进行短期预报，预报因子包括s o 。浓度场、风速和垂直温度廓线展开系数，对s o 。预报 验证评分为5 8 2 。到9 0 年代又对各城市和地区大气污染与天气过程的相关性进行统 计分析，以改进大气污染预报质量。 o t a 口3 ( 1 9 7 6 ) 用1 9 7 4 年日本广岛的资料建立了硫氧化物浓度与低层大气气象因子 之间的统计关系。0 t a ( 1 9 8 3 ) 利用更多的资料来建立硫氧化物浓度与气象因子之间的关 系，并利用天气预报资料，在每天早晨与天气预报同时发布广岛的硫氧化物浓度预报。 目前国外多采用多模型相结合的组合预报方法。美国空气资源实验室“2 1 ( a r l ) d r a r i e ls t e i n 等提出将l a g r a n g e 法的扩散模型同e u l e r 法描述的化学变化模型相结合 预报；美国m c n c 环境模型中心“d r j o h nm c h e r r y 等提出将由流动源模型、面源模型、 生物源模型和点源模型四部分组成的疏散矩阵中心发散模型( s m o k e ) 与天气预报模型 ( w p f ) 相结合进行空气质量预报；k e ns c h e r e “钉提出将关于气象参数、污染物 及大气化学组分相关的c m a o 模型与具有较好数字效率优势的m a q s i p 模型相结合预报。 1 3 2 国内研究现状 近几年来，国内关于空气污染与预测的相关研究取得来很大的进展。杨舵等“”对乌 西安建筑科技大学硕士学位论文 鲁木齐市s 晚浓度的时空分布进行分析，得到气象条件是影响乌鲁木齐市s o 。污染的重 要因素；高书然“6 1 等根据北京地区两期实验资料对试验期间出现的天气形势与s 0 2 浓度 作了分析，在此基础上做了有利于和不利于s o 。扩散的地面天气形势分析，得到冷高压 前部、冷锋后，回流形势等有利于污染物扩散的天气形势以及华北地形槽、华北小低压、 华北小倒槽、弱高压控制等不利于污染物扩散的天气形势。田英“”对贵阳市1 9 8 3 1 9 9 2 年的s o 。浓度资料和气象资料进行了统计分析，结果表明s o 。浓度与日照时数、相对湿 度和降水成反相关关系，与地表温度成正相关关系，且与逆温关系密切。 气象条件与污染物浓度关系的探讨为污染预报提供了依据。中国气象科学研究院“” 研制的城市空气污染数值预报系统c a p p s ，不需要污染源强度资料就可预报出城市污染 潜势指数和8 0 2 、n 0 2 、p m 。等主要污染物的污染指数( a p i ) ，北京市和上海市应用c a p p s 系统结果表明，污染指数等级预报准确率平均达到6 1 5 。 在污染潜势预报方面，主要有以下研究成果：孔斌将地面天气形势分为高压内部型、 高压前部型、冷锋前型等七种类型，高空8 5 0h p a 天气形势分为低压槽型、高压脊型、 高压脊前型三种类型，利用天气形势的分类对大连市s o 。浓度进行等级预报，准确率达 8 3 “”。于鹏。”等人利用青岛市空气自动监测系统对主要污染物( 8 0 ：、n 0 x 和t s p ) 的连 续监测资料以及气象台观测的同步风向、风速资料进行统计分析，得出了风向、风速与 污染物浓度等级的诊断判据。 在污染浓度统计预报方面，主要有以下研究成果：大连环境监测站”“采用k a l m a n 滤波法结合逐步回归法建立了预报模型；兰州大学大气科学系”利用兰州市环境监测站 自动监测系统1 9 8 8 - 1 9 9 1 年冬季监测的空气污染物浓度资料和同期的天气图资料，在分 析天气型与空气污染物浓度关系的基础上，筛选出了一批气象要素因子，建立了兰州城 区冬季2 4 h 空气污染物浓度预报方案。兰州大学的尚可政等。”对8 0 2 、c o 、n o x 浓度值 与同时期的气压、气温、相对湿度、风速、总云量和水平能见度作了统计分析，找出与 浓度值相关性较强的气象要素，利用这些地面气象要素可由回归方程较好的作出s o 。浓 度的估计值和次日预报值。王建华等”利用青岛市空气自动监测系统近三年监测资料与 同期气象资料，通过因子初选和相关性分析，针对不同季节和不同污染物，应用逐步回 归法，分别建立了青岛市的大气污染预方程，经检验其准确率在7 0 左右。 在污染物浓度数值预报方面，主要有以下研究成果：佟华等人初步发展了一个空 气污染准业务数值模式，该模式将修改过的二维m a s s 风场模式预报的风场据实测风廓 线推广到三维，用有限元法求解欧拉平流扩散方程，在此基础上，预报上海地区8 0 2 指 数和浓度分布。通过半年的试验，其结果与实测值基本一致，初步可用于业务预报使用。 安俊岭等人o o 从气象模式与物质模式两大方面描述了区域空气质量数值预报模型的基 本物理构架，重点介绍了物质模式( 欧拉型输送沉降模式) 对各种物理、化学过程、初 值与边界条件等问题的处理或简化。并运用本模型作了一周的预报实验。实验结果说明 区域尺度空气质量数值预报模型能够较好地反映全国重点城市的空气质量以及污染物 4 西安建筑科技大学硕士学位论文 随时问的演变态势。湖北省城市空气污染气象条件预报模式建立在有限区域中尺度数值 天气预报模式和大气污染扩散箱格模型的基础上，是种利用大气探空资料和一些地 形、地表特一种利用大气探空资料和些地形、地表特征来预测城市空气污染变化趋势 的方法。经对一年来的业务预报结果作定性检验，其效果较好。范引琪”7 1 应用c a p p s 城市大气污染潜势和污染指数预报系统，对石家庄市主要大气污染物( s o 。、n o x 、t s p ) 的污染指数( a p i ) 进行模拟分析。结果表明，用c a p p s 作城市预报系统加入s 0 。和n o x 排放的时间系数( t i ) 和经验系数( k i ) 后，各时段源强预测更接近实际排放量，提高了 s o ：和n o x 的污染指数预报精度。 1 3 3 大气污染预报方法 a 大气预报方法 大气污染预报”8 1 按预报模式性能的不同，可分为潜势预报、统计模式和数值模式预 报三类。按污染预报的要素的不同，可分为污染潜势预报和空气污染浓度预报，统计方 法和数值模式方法都属于浓度预报。 ( 1 ) 潜势预报污染潜势预报实质是预报未来不同程度污染的气象条件，也称为 污染气象条件预报。是从气象学角度出发，对未来大气污染物的稀释、扩散、聚积和清 除能力的预报。它是由气象因子定义，不考虑是否有污染物排放，在人烟稀少的地方也 可能出现高污染潜势，但实际空气品质却很好。制作空气污染潜势预报，首先要确定可 能导致强污染的气象因子判据。潜势预报的方法是以天气形势及其气象要素指标为依 据，对未来大气环境质量状况进行定性或半定量的分析阱1 。 h o l z w o r t h ( 1 9 6 7 ，1 9 7 0 ) 啪剐等人第次给出空气污染潜势预报指标，即使用 一个相对的稀释指标x q ( s ) ，其中x 是平均浓度( m g m 3 ) ，o 是源强( m g m 3 s ) ， 作为污染潜势或空气停滞指标。也有使用统计表对各种气象要素及组合加权记分的预报 方法。美国国家气象中心脚 州依据当地低空探空资料中的风、温度和稳定度确定空气 停滞区，计算其混合高度和输送风速及通风量，判断是否发布污染潜势预报。中国气象 科学院的徐大海m 3 等利用大气平流扩散的箱格预报模型，引入空气污染潜势指数，来 进行空气污染潜势预报。 ( 2 ) 数值预报在气象场预报模式的基础上，数值求解有源汇的污染物传输扩散 方程，分析源排放量与接受体空气污染浓度之间的关系，从而对污染浓度进行预报，是 一种需要较详尽的污染源强及其时空分布资料，以及时空分辨率很高的气象预报模式。 污染物浓度数值预报是以大气物理，边界层大气动力学以及大气化学理论相结合为 其理论基础的。以中小尺度大气动力学模型，污染源排放率分析模型，大气中化学物质 ( 包括气相与气溶胶物质) 的化学反应模型以及各类污染物的干、湿沉降模型为基本部分 组成的。中小尺度大气动力学模型还必须以天气尺度数值预报产品为依托，常使用的模 式为别”：高斯模式，要求能估计烟型的几何参数6 ，如；k 一理论模式，要求能估计 西安建筑科技大学硕士学位论文 三维扩散率k 。，k 。k 。；另外还有求解物质守恒方程的动力模式等。 ( 3 ) 统计预报污染浓度统计预报”是历史上的污染物浓度监测并与前期和同期 的气象资料( 气象要素及其时空分布、天气类型) 联系起来，分析多年的天气变化规律， 找出若干种天气类型，然后分析各种天气类型的典型参数，将这些参数与相应的环境质 量实测数据建立起各种定量和半定量关系。这些关系可以是线形也可以是非线形的；它 们可以是有量纲的组合，也可以是无量纲的组合。最后根据这些关系作定量和半定量的 空气污染预报。统计模式是建立数值定量预报模式之前的常用方法，包括多元线性回归 法、分类法和趋势分析法。 1 ) 多元线性回归方法采用多元线性回归方法，建立污染物浓度的影响因子与污 染物浓度的多元线性回归模型，进行污染预报。 2 ) 分类法旧1通过分析过去的污染物浓度与天气类型之间的对应关系。导出每类 天气型的浓度时空分布规律，并建立起定量关系以作出预报。 3 ) 趋势外推法0 3 1此方法遵从连贯性原则，通过各类过程发展变化的一致性和连 续性来预报未来。这是一种简便的方法，而作为定量预测，其准确度和精确度都不是非 常理想。 b 本文采用的预报方法 由于统计方法中的多元线性回归方法简单、易行，且所需气象资料为气象监测站常 规监测项目，所以从资料来源上优于其它方法，并且随着计算机的普及和发展，各种统 计软件的使用，使预报模型程序化，更利于推广和使用。因此本论文采用统计预报模式。 但通常的统计预报方法有一定的局限性，主要现象和采取的改进措施如下： ( 1 ) 通常的统计预报首先分析污染物浓度与单个气象因子的一元相关性，筛选出 相关性大的气象因子，虽然这样减少了进入模型的因子个数，简化了数据计算，但也 容易筛选掉与进入模型的气象因子有一定相关关系的因子。因此本文将全部气象因子 纳入建模系统，采用逐步回归法在建模过程中筛选因子。 ( 2 ) 通常的逐步回归方法，不能消除自变量间存在的共线性，使得回归方程不稳 定。本文使用s a s 系统的r e g 过程消除了自变量间的共线性，保证了进入模型的因子对 预报结果影响的显著性。 1 4 论文的目的和意义 1 9 9 5 2 0 0 0 年”西安城市空气中s o 。年均浓度范围在0 0 4 1 0 0 9 0 r a g d 最大值出 现在1 9 9 7 年，年均浓度为0 0 9 0 m g m 3 ，超过国家环境空气质量二级标准0 5 倍，其次 为1 9 9 6 年，年均浓度为0 0 6 6 m g m 3 ，超标0 1 0 倍。1 9 9 7 年到2 0 0 0 年呈逐年下降趋势。 尽管西安城市空气中s o ：年均浓度值自1 9 9 8 年来均低于国家二级标准年均值( o 0 6 m g m 3 ，g b 3 0 9 5 1 9 9 6 ) ，但s 倪始终是西安城市空气中的主要污染物之一，并被作为西 安市常规污染物之一由大气环境自动监测站常年监测。 6 西安建筑科技大学硕士学位论文 随着西安城市经济的快速发展和人口的不断增长，t 业及民用燃料逐年上升。预计 ”“到2 0 0 5 和2 0 l o 年西安市的总能源需求将分别达到8 6 5 和1 0 4 0 4 万吨标准煤。“。按 照2 0 0 0 年消费煤炭的含硫状况( 热电厂用煤含硫量3 ，社会用煤含硫量2 ) 不采取控 制措施的情况进行预测，到2 0 0 5 、2 0 l o 年西安市区排放的s o ：将分别达到1 5 6 3 、1 5 5 7 万吨，届时，环境空气中s o ：预测浓度将达到o 0 6 8m g m 3 ，超过国家环境空气质量二 级标准。 结合上述分析，为减少和控制西安城市s o 。的排放，有效控制s o 。和酸雨污染，实 行s o 。浓度预报是非常有意义的。 本论文根据西安市环境监测站发布的西安市空气质量日报和同期气象观测资料， 结合西安市城区s o 。浓度的时空变化特征和各气象要素的变化特征，研究s o 。浓度与各 气象要素的相关性，建立西安市s o 。浓度预报模型体系，以便更好的反映西安市环境 s o 。浓度变化的态势，使社会有关各方及时了解可能出现的污染情况，使对大气污染物 敏感的人群及时做好预防措施，以采取必要的应对措旌，并为开展西安市s 0 2 浓度预报 和s 0 2 综合防治及环境管理决策提供科学依据。 1 5 论文的研究内容 本论文主要包括以下几部分内容： ( 1 ) 西安市市区s 0 ：时空分布特征分析分析西安市s o 。浓度的年、季、月、采暖 期与非采暖期的时间分布特征和各监测点空间分布特征。 ( 2 ) 西安市气象要素统计分析分析西安市近年来各气象因素的变化，得出各气 象因素的年、季、采暖期与非采暖期变化情况。 ( 3 ) s 0 ：浓度与气象因素的统计分析这部分内容中将各气象要素按照其属性及 分布范围作出分段，重点统计污染指数a p d 5 0 的s o ：浓度在每段的出现概率，初步探 讨可能出现较高s o 。浓度的气象条件。 ( 4 ) 西安市s 0 ：浓度预报模型的建立和检验在上述分析的基础上，按采暖期与 非采暖期分别建立s o 。浓度预报模型体系并进行模型检验。 ( 5 ) 西安市s o 。浓度控制对策研究针对西安市s 0 2 浓度现状，从工程技术、环 境质量管理、经济决策、城市绿化等方面提出建议，为西安市s 0 z 污染综合防治提供参 考。 西安建筑科技大学硕士学位论文 2 1 数据的来源 2 数据来源与分析 本文所采用的数据为西安市大气环境自动监测站所提供的2 0 0 0 年6 月1 日2 0 0 5 年3 月1 5 日共5 7 个月的s o ：实测资料以及2 0 0 1 年6 月1 日2 0 0 5 年3 月1 5 日共4 5 个月的气象资料。 2 1 1s o 。的数据来源和采集 s 0 ：的实测资料为西安市五个国控监测点的每日实测值和全市平均值，共计1 7 4 2 天。 西安市环境空气国控网监测点共有5 个，分别为：1 号点位西安高压开关厂( 西郊 工业区) 、2 号点位兴庆小区( 居民文教区) 、3 号点位纺织城( 东郊工业区) 、4 号点位 小寨( 商业区) 、5 号点位草滩( 清洁对照点) ，其中5 号点位远离城区，为西安市的清 洁对照点，故该点的监测值不包括在s o 。浓度全市平均值之中。 a 1 号点位高压开关厂高压开关厂位于莲湖区，该区丽积4 2 8 7 k m 2 ，人口5 6 8 万，人口密度1 3 2 1 0 4 人k m 2 ，区内有大中型企业2 0 0 余家。近年来进行低洼地改造、 北大街拓宽改造、土门街心花园等工程项目，共完成建筑面积3 8 9 x1 0 5 m 2 ，铺设人行 道6 0 8 1 0 5 m 2 。 b 2 号点位兴庆小区兴庆小区位于碑林区，该区面积2 5 k m 2 ，人口7 1 万，人口 密度2 8 4 1 0 4 人k m 2 ，区属商业企业1 6 家，现有专业批发市场6 8 个，区内有西安市 最繁华的商业街东大街、南大街。 c 3 号点使纺织城纺织城位于灞桥区，该区总面积3 3 2k m 2 ，人口4 3 万，人口 密度1 3 1 0 3 人k m 2 。近年建设项目包括：“三纵六横”公路网络实施；洪庆、席王、 十里铺、红旗等工业园区建设等。 d 4 号点位小寨小寨位于雁塔区，雁塔区总面积1 5 2k m 2 ，人口5 1 万，人口密 度3 4 x1 0 3 人k 廿，区内现有大中型企业3 0 余家，雁塔区境内还有西北最大的植物 园林景观群一西安植物园、西安盆景园、西安春晓园等。近年坚持加快以道路为主的市 政设施建设，二级公路雁环路，西巷道路改造，省市重点项目绕城高速公路南线、西影 路拓宽改造等工程项目。 e 5 号点位草滩草滩位于未央区，该区总面积2 6 1 k m 2 ，人口3 6 万，人口密度 1 4 1 0 3 人k m 2 。近年来，已修建各类道路4 l 条，目前全区平均每平方公里拥有公路 1 1 4 k m ，高于全市平均水平2 8 倍。 各采样点的具体位置参见附图。 西安建筑科技大学硕士学位论文 2 1 2 气象要素的来源和采集 表示大气的物理状态和大气中物理现象的物理量统称为气象要素。本文所用气象 要素为西安市气象局提供给西安市环境监测站的西安市2 0 0 1 年6 月1 日到2 0 0 5 年3 月1 5 日共计1 3 7 6 天的2 0 个气象要素的逐日实测值。 这2 0 个气象要素为天气形势、日均气压、日均气温、最高气温、最低气温、日照 时数、总辐射量、净辐射量、日均湿度、总云量、0 8 气压、0 8 气温、0 8 湿度、0 8 露 温、0 8 风速、1 4 风速、2 0 风速、平均风速、0 8 能见度和1 4 能见度。其中0 8 、1 4 、 2 0 表示监测时间为每天的8 时、1 4 时和2 0 时。 2 2 数据的分析与处理 2 2 1 数据分析的依据和分析项目 本文以概率论和数理统计以及污染气象知识为基础，对s o ：浓度、气象因素等数据 采用图解分析及回归分析相结合的方法，展开预报模型研究。 本课题对数据的分析，主要包括以下几个方面： a s o 。污染时空分布特征研究这部分内容中采用列图对比分析西安市s o 。浓度的 时间和地域差异，其中频率分布主要依据空气污染指数的分级及其浓度限值。单种污 染物的空气污染指数( a p i ) 为真实源强在真实气象条件下产生的平均浓度对标准浓度 的比值。，具体的数值及空气质量类别等参见附录。 b 气象因素的统计分析采用列图和列表的方法统计出气象要素的年、季、采暖 期与非采暖期的分布情况。 c s o ：浓度与气象因素的统计分析这部分内容中将各气象要素按照其属性及分 布范围作出分段，重点统计出污染指数a p i 5 0 的s o 。浓度在每段的出现概率。 d s 0 。浓度预报研究这部分内容中首先对s 0 。浓度和气象因素的数据进行标准化 处理，再分别采用逐步回归法和主成分回归法建立预报模型，并对模型进行检验。 2 2 2 数据处理方法 a 数据的标准化处理在实际问题中，不同的变量往往有不同的量纲，由于不同 的量纲会使各变量取值的分散程度差异较大，为了消除数据之间由于量纲的不同带来的 影响，提高计算的精度，首先要对数据进行标准化处理。”。 标准化处理公式： x ；一x 一。 式中：x ，样本观测值； i 样本观测值的平均值，i = 三y z 1n 莒 ( 2 1 ) ( 2 2 ) 两安建筑科技人学硕士学位论文 自! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! s ! ! ! ! ! ! ! s 标准差，s 丽 ( 2 3 ) b 主成分分析主成分分析就是设法将原来众多具有定相关性的指标( 比如d 个指标) ，重新组合成一组新的相互无关的综合指标来代替原来指标。 下面介绍主成分分析数学模型。 设有刀个样品，每个样品观测p 项指标( 变量) ：点，光，墨，得到原始数据资 料库： 其中 x = 丑= x 1 ix 1 2 x 2 1x 2 2 x m 矗2 x l i x 2 j 垒阮，：，x e ) 用数据矩阵的p 个向量( 即p 个指标向量) 石，丑作线性组合( 即综合指标 向量) 为： 简写成 上述方程组要求： e = a l l z l + 口2 i z 2 + + 口口l p e = a 1 2 x 1 + d 2 2 x 2 + + “p 2 耳 ( 2 4 ) f p = n 、p x 、+ a 2 p x 2 + + a x p 只= a 。插+ a 2 托+ + 岛。z a l ，十昂i 2 + + 嵇= 1i = 1 ，p 且系数由下列原则决定： ( 1 ) 只与b ( j 工i ，户1 ，动不相关； ( 2 ) 矗是z ，墨的一切线性组合( 系数满足上述方程组) 中方差最大的，属是 与片不相关的z ，一切线性组合中方差最大的，昂是与只，冗，尼。 都不相关的点，丑一切线性组合中方差最大的 设j 的协方差矩阵的特征根为 如旯。 0 ，相应的单位特征向量为u i ， m 纫；细 西安建筑科技大学硕士学位论文 ! ! ! 曼烹蔓兰霉ii i i ! 墨烹! 曼皇皇! ! ! 巴曼! ! ! ! ! 鼍烹! ! 竺鼍堂皇鼍烹竺! 竺= = 兰! ! ! ! ! 鼍! ! ! ! ! 苎皇巴! ! 自! ! * ，则 口 = 她“。； ( 2 6 ) j = l z ，局的主成分就是以的特征向量为系数的线性组合，它们互不相关，其方差为 的特征根。 在解决实际问题时，一般不是取卢个主成分，而是根据累计贡献率的大小取前膏 个。前五个主成分的累计贡献率定义为 t” 丑 ( 2 7 ) i = l，i - i 如果前五个主成分的贡献率达到8 5 ，表明取前膏个主成分基本包含了全部测量指 标所具有的信息，这样既减少了变量的个数又便于对实际问题的分析和研究。 当协差阵未知时，可用其估计值一样本协差阵f 来替代。 相关系数阵： x 1 1x 1 2 。 x 2 1x 2 2 。 z h lx h 2 s = k ) 月= k ) 的样本协差阵为 其中驴去耋g 。一夏如。一弓) ( 2 8 ) 舯奄2 南 ( 2 9 ) c 多元线形回归1 ( 1 ) 多元回归模型设r 是一个可观测的随机变量，它受到矿1 个非随机因素石， 厶，五一- 和随机因素e