PM2.5与大气污染物的相关性分析

谷超　苗云阁　王健　马银红

摘 要：通过对喀什和乌鲁木齐两地2016年不同季节的大气污染物监测数据分析发现，两地的大气污染物间的相关性具有显著地地域特征，分析显示风沙天气的存在会削减或抑制污染物对细颗粒物污染的加剧。而通径分析结果显示：①对喀什和乌鲁木齐两地的PM2.5污染关系最密切的最主要气态污染物均为CO，且分别为冬季和春季影响最大，最大值分别为0.950和2.793。②喀什地区除CO外，其余主要污染物对PM2.5的总作用系数均为负值，进一步印证了沙尘天气的发生会抑制PM2.5污染的加剧结论。③乌鲁木齐夏季NO2对PM2.5浓度变化的总作用系数高达0.838，与其产业结构和经济地位决定的人口数量和汽车保有量相关。④乌鲁木齐虽夏季温度不高，O3（8 h）等光化学氧化剂未对PM2.5污染产生极大影响，但其危害性仍然存在的。⑤喀什和乌鲁木齐两地通径分析结果综合分析显示，4种大气污染物对PM2.5污染仍是直接作用影响起主导作用，但间接作用也不容忽视。

关键词：PLS1；通径分析；沙尘；PM2.5；CO；NO2；O3（8 h）

近年来城市化和现代化进程的快速发展，导致了我国新疆塔克拉玛干沙漠及周边地区沙尘天气频繁发生，严重污染当地环境[1-6]。沙尘天气不仅严重影响着新疆塔克拉玛干沙漠附近地域的空气质量，更可在远距离传输的作用下不同程度的影响到在京津冀地区及其他的内陆地区[7-12]，沙尘天气影响的大气污染问题已经受到国内外专家和学者的密切关注。在沙尘天气的影响下，空气中颗粒物含量短时间内骤然上升、空气湿度下降、能见度降低，严重影响着人类的生产生活和身心健康[13-17]。一些研究指出，沙尘天气是导致大气能见度降低、空气重度污染的主要原因，且长期生活在该环境下的人群会出现眼睛发干、咽部干痒、鼻阻塞、眼异物感等症状[18-22]。因此，利用相关性分析定性定量的了解沙尘天发生率较高区域中PM2.5与其他大气污染物之间的相互作用与影响机制对于掌控和治理大气污染问题有着直接和高效的指导意义。

目前，对于气态污染物与PM2.5相关性分析的研究显示单因变量偏最小二乘回归法（PLS1）可在多因变量存在的前提下有效剔除因严重共线性阻碍回归模型建立的因变量，从而更科学的进行相关性的分析研究[23-27]。为了提高模型数据量和研究结果的准确定，本文选取东临塔克拉玛干大沙漠的喀什和相对距大沙漠较远的乌鲁木齐作为研究城市，选取其2016春、夏、秋、冬四季PM2.5、SO2、NO2、CO和O3（8h）五项有代表性的大气污染物质量浓度数据进行相关性分析，得到不同地区不同季节中各污染物对PM2.5质量浓度变化的直接影响、间接影响以及总影响作用，对比发现相同季节下不同地区的影响机理和同一地区内不同季节的大气污染物之间的相互影响机理的异同点，找出在不同季节影响喀什和乌鲁木齐PM2.5浓度变化的主要污染因子，以期為环境管理部门更科学更有针对性的提出和开展沙尘区域不同季节对PM2.5的环境治理工作提供科学严谨的理论依据。

1 材料

1.1 研究区概况

喀什市（73°20’E～79°57’E，35°20’N～40°18’N），地处新疆维吾尔自治区西南部，西、南、北三面环山仅有东部一面敞开，敞开面东临塔克拉玛干沙漠。受地理环境的制约，属暖温带大陆性干旱气候带，气温年变化和日变化大，日照长，蒸发强，气候干燥，常年受大风、浮尘和沙尘暴天气的影响，环境空气质量恶劣，尤其在春季更为显著。

乌鲁木齐市（86°37’E～88°58’E，42°45’N～45°00’N），作为我国西北地区重要的中心城市和沟通东西国家贸易的国际商贸中心，是全疆政治、文化、经济、科教和交通中心。其位于新疆的中北部，依然是三面环山北部平原开阔，与塔克拉玛干大沙漠隔山相望。乌鲁木齐是世界上距离海洋最远的城市，属于中温带大陆性干旱气候。由于特殊的地理环境影响，其并不直接受到塔克拉玛干大沙漠的直接影响，沙尘暴、扬尘、浮尘等天气对其影响相对较弱。

1.2 数据来源及处理

数据来源于中国环境监测总站公布的全国城市空气质量实时发布平台（http：//106.37.208.233：20035/），共收集了喀什和乌鲁木齐两个城市2016年全年标况下PM2.5、SO2、NO2、CO和O3（8h）的每天24个小时平均浓度。依据GB 3095—2012《空气质量标准》计算出五项污染物的日均值浓度，并依据该文件中对各污染物数据统计有效性和统计时效的有关规定，检查审核该数据的可用性。剔除不符合规定的日均值数据后，喀什和乌鲁木齐分别剩余361d和358d的大气数据，日可用数据中共包含PM2.5、SO2、NO2、CO、O3（8h）5项污染物的质量浓度数据，最后对该数据进行分地点分季节的统计整理。

根据GB 3095—2012检测喀什和乌鲁木齐两地2016年PM2.5浓度数据结果显示：①喀什地区PM2.5浓度超过GB 3095—2012二级质量标准的天数在春、夏、秋、冬四季分别为79、56、30和91 d，全年超标天数为256 d，超标率高达到70.9%；②乌鲁木齐PM2.5浓度超标天数在春、夏、秋、冬分别为44d、2d、3d和71 d，全年超标天数为138 d，超标率为38.5%。乌鲁木齐全年的PM2.5质量浓度超二级标准天数同比喀什下降了32.4%，可明显看出乌鲁木齐受塔克拉瑪干大沙漠的风沙天气影响较小。

2 研究方法

2.1正态分布检验

运用SPSS 18.0软件对从中国环境监测总站公布的全国城市空气质量实时发布平台获取的喀什和乌鲁木齐两地区2016年361d和358d的PM2.5数据分别进行Q-Q图的正态分布检验，验证其数据是否与理论正态分布曲线有着显著地差异，若如显著差异，则满足正态分布，可进行下一步相关性分析。

2.2 相关性分析

运用SPSS 18.0软件对喀什和乌鲁木齐2016年4个季节的5类污染物〔PM2.5、SO2、NO2、CO、O3（8 h）〕进行线性相关分析，直接可看到各地区不同季节中每种污染物之间的相关性系数，可大致推断出影响该地区不同季节的主要污染因子。由相关的共线性诊断结果可初步剔除各污染物中存在严重共线性的因子。

2.3 最优回归模型的建立

运用单因变量偏最小二乘回归法（PLS1）建立不同地区不同季节各自的最优线性回归方程，可依据模型建立过程中的显著性检验（F检验和T检验）剔除不符合要求或对PM2.5影响不大的自变量，确保所建立的最优方程有解且有合理的解[28-38]。

2.4 通径分析

利用通径分析法更加直观地计算出自变量与因变量（PM2.5）之间的直接作用系数、间接作用系数和总作用系数，更加客观和直观的体会到四项大气污染物对PM2.5浓度变化的直接影响、通过其他空气污染物的间接影响以及污染物之间的总作用影响

3 结果与讨论

3.1 正态分布检验

分别将喀什和乌鲁木齐两地的可用数据中的PM2.5数据分季节性地进行自然对数的Q-Q图检验，结果如图1所示。由图1可看出，2016年喀什和乌鲁木齐两市全年的PM2.5数据均高度符合正态分布检验，其中乌鲁木齐市的数据波动较大，可能与其受风沙季节性变化影响有关，而喀什全年数据波动较小，也从另一个角度印证了数据处理阶段分析的全年四个季节中PM2.5超国家二级标准的占比都较大相呼应。总体来说，本研究中所采用的喀什和乌鲁木齐两地点的数据准确，与理论正态分布均无显著差异，满足正态分布，为有效数据，可进一步进行相关性分析。

3.2 相关性分析

该章节中，假设PM2.5为因变量（Y），SO2、NO2、CO、O3（8 h）分别为自变量X1、X2、X3、X4，运用SPSS软件对喀什和乌鲁木齐2016年春夏秋冬四季5类污染物的质量浓度数据进行相关性分析，相关性标准及结果列于表1至表3中。

由表2可知，喀什地区四季的PM2.5与O3（8 h）均为负相关，且相关性均在均在0.01或0.05水平（双侧）上显著相关；春、夏两季的PM2.5与SO2、NO2、CO之间相关性均不大，相关性最大绝对值仅为0.133；秋冬两季的NO2、CO均与在0.01的水平（双侧）上显著性正相关，和O3（8 h）在0.01水平（双侧）上具有显著的负相关，与SO2的相关性较弱，且秋季为负相关，冬季为正相关；秋冬两季各污染物的与PM2.5的相关系数都远远大于春夏两季。

由表3乌鲁木齐的相关性分析结果可知，除O3（8 h）在春、夏、秋、冬四个季节中与PM2.5均为负相关外，其余三项大气污染物（SO2、NO2、CO）在春、夏、秋、冬四个季节中均与PM2.5有正相关，且秋冬两季比春夏两季的相关性更显著春；在四個季节中，与PM2.5存在正相关的三项污染物的相关性系数基本都遵循CO﹥NO2﹥SO2，因此我们大概可以认为在乌鲁木齐地区，大气污染物影响质量浓度关系密切程度由大到小分别为CO、NO2、SO2，与喀什的规律基本吻合；春夏两季与O3（8 h）具有较弱的负相关，秋冬两季则与O3（8 h）在0.01水平（双侧）上具有显著的负相关，这与喀什O3（8 h）与PM2.5的关系的規律上显示出一致性；四个季节中，秋季的每项污染物相关系数都是最大的，结合上文统计的乌鲁木齐秋季PM2.5质量浓度超国家二级标准的天数仅3天，可知对乌鲁木齐而言，风沙天存在较少时，大气中的污染物与PM2.5质量浓度会存在较为显著的相关性，换言之，即风沙天气的发生会减少或削减大气中污染物对PM2.5质量浓度的影响作用。

由表4可知，4个自变量都存在不同程度的共线性，但乌鲁木齐的各项污染物的共线性普遍大于喀什地区，且乌鲁木齐春季NO2和CO的方差膨胀因子（Variance Inflation Factor，VIF）为10.809和14.703，均大于10，说明乌鲁木齐春季的NO2和CO2个污染因子之间存在严重共线性，阻碍下文PLS1回归模型中最优方程的建立。故考虑在下文最优方程建立的过程中分别剔除其中一个进行检验，选取最优模型。

3.3 PM2.5的PLS1回归模型的建立及显著性检验

运用最小二乘法分别对喀什和乌鲁木齐两地区2016年春、夏、秋、冬4个季节的数据进行PLS1最优回归模型的建立，并进行显著性检验，其中包括回归效果检验（F检验）和回归系数检验（T检验）。若模型未通过检验，则剔除检验未通过的污染因子后重新建立最优模型，直至模型中污染因子均通过显著性检验方得到最优回归模型。

在建模过程中，因未通过显著性检验而剔除的数据在喀什为：春夏季的SO2和CO，秋季的SO2和NO2以及冬季的NO2和O3（8 h）；乌鲁木齐的剔除数据为：春季的SO2和O3（8 h），夏季的O3（8 h），以及秋冬季的SO2和NO2。最终得出四季的最优回归模型为：

由两地的最优回归方程可知：喀什地区春、夏季中导致PM2.5浓度变化的主要污染因子均为NO2和O3（8 h），秋季的主要污染因子为CO和O3（8 h），冬季为SO2和CO，O3（8 h）是喀什2016年春、夏、秋三个季节中影响PM2.5浓度变化的共有的主要污染因子；乌鲁木齐地区春季引起PM2.5浓度变化的主要污染因子为NO2和CO，夏季比春季多一项SO2，秋冬季的主要影响因子均为CO和O3（8 h），CO是乌鲁木齐2016年全年四个季节中影响PM2.5浓度变化的共有的污染因子。值得注意的是，喀什与乌鲁木齐两地秋季的主要影响因子均为CO和O3（8 h），该一致性表明这两个污染因子可能在具有季节性，且易在秋季发生反应影响PM2.5的浓度变化。

两个城市四季的最终回归模型的拟合优度（R2）分别为喀什的0.301、0.262、0.626、0.840和乌鲁木齐的0.307、0.208、0.805、0.879，且均通过显著性检验，回归效果检验达到显著水平，其结果见表5。

3.4 PM2.5的PLS1回归模型的通径分析

利用最优回归模型对喀什和乌鲁木齐两地不同季节的不同污染物之间的作用系数进行更加精准的计算，得出相对应的通径分析结果，列于表5。

通径分析喀什结果显示，①喀什地区除秋冬季的CO对PM2.5的作用系数为正系数外，其余季节的污染因子的总作用系数均为负值，说明喀什地区SO2、NO2及O3（8h）的存在会在一定程度上阻碍PM2.5质量浓度的增长，而CO的存在会导致空气中的污染物发生某些化学反应促进PM2.5质量浓度的增长；②全部污染因子的直接作用系数绝对值均大于间接作用系数的绝对值，说明在各项大气污染物的相互作用中仍是直接作用占主导地位；③其中，冬季CO的总作用系数绝对值最大，为0.950，可能与冬季采暖释放出大量的CO有关。

乌鲁木齐的通径结果显示，①在四个季节得出的9组总作用系数中，仅有两组数据为负值，其余均为正系数，这与喀什大部分均为负系数的结果截然相反，可能与乌鲁木齐距离塔克拉玛干大沙漠较远，受到风沙天气影响的较小的因素有关，换言之，即在沙尘天气发生频率较小的地区，大气中的污染物会更容易相互之间发生化学反应或其他反应从而促进PM2.5质量浓度的提高；②四项污染物的直接作用系数仍大于间接作用系数，占主导地位；③总作用系数绝对值最大的仍然是CO，为2.793，是喀什最大值的2.94倍，但出现季节为春季，这与乌鲁木齐特殊的地理条件造就该地冬季特别长有关。

4 结论与建议

从相关分析来看，喀什和乌鲁木齐两市秋冬季的大气污染物与PM2.5的相关性显著均高于春夏两季的相关系数，且喀什的差异更显著，说明秋冬季节中，大气中的主要污染物更容易促进细颗粒物的传输和二次颗粒物的产生，且喀什地区受此影响更为显著；其中两地的O3（8 h）均显示出与PM2.5的显著性负相关性，说明其存在会抑制空气中的某些化学反应从而降低PM2.5污染；而其他三项大气污染物对PM2.5污染关系的密切程度大致可确定为CO﹥NO2﹥SO2。

由通径分析结果可知，对喀什和乌鲁木齐两地的PM2.5污染关系最密切的最主要气态污染物为CO，且喀什为冬季影响最大，这与苗云阁[38]分析的天津市大气污染物与细颗粒物中的规律一致，而乌鲁木齐是春季总作用系数最大，说明无论是沙尘区还是内陆地区，CO与空气中细颗粒物浓度的增长都有着密切的关系，但影响机制与当地的产业结构、生活习性和地域特征有关，此处乌鲁木齐春季系数最大的主要原因可能与春季气候寒冷，“小火炉”现象普遍有关，因而提高燃煤利用率、使用清洁煤、实现零碳排放等措施应在全国范围内大力推进。而在喀什地区，除CO外的其他主要污染物在四季中对PM2.5的通径总系数均为负值，而乌鲁木齐仅在春夏两季中出现负值，结合两地四季的PM2.5质量浓度可知，该结果与两地不同季节受风沙影响不同有关，换言之，即沙尘暴或风沙天气的存在会削弱大气污染物对PM2.5浓度污染的贡献，甚至会阻碍其进一步生成二次污染物。乌鲁木齐夏季NO2对PM2.5浓度变化的总作用系数高达0.838，说明其贡献率极大，乌鲁木齐的产业结构和经济地位决定这该地区人口数量和汽车保有量要远高于喀什地区，故合理的控制和净化汽车尾气、大力推进绿色交通产业对乌鲁木齐市来讲迫在眉睫。由于乌鲁木齐属新疆的避暑胜地，夏季温度不高，故夏季O3（8 h）等光化學氧化剂未对PM2.5污染产生极大影响，但却列入了秋冬季的最优回归方程中，说明其危害性仍是存在的，故一定程度上注意减少类似光化学氧化剂的产生，仍降低细颗粒物的污染程度。同苗云阁等人的天津市研究结果相同，4种大气污染物对PM2.5污染起主导作用的仍为直接作用影响，但其间接作用同样不容忽视。

该研究在针对喀什的通径分析结果中，大部分总作用系数结果显示为负值，而乌鲁木齐则仅在春夏两季存在少量负值，符合两地PM2.5的季节分布规律，总结为负值的存在与风沙天气有着密不可分的关系。但该研究数据量仅一年，建议后期研究中，扩充数据量后充实该结论。

参考文献：

[1]伊尔夏提·艾力. 塔克拉玛干沙漠南缘民丰地区气候与沙尘气溶胶观测分析[D]. 新疆大学， 2012.

[2]Zhai P， Sun A， Ren F， et al. Changes of Climate Extremes in China[J]. Climatic Change， 1999， 42（1）：203-218.

[3]Wang H， Chen Y， Xun S， et al. Changes in daily climate extremes in the arid area of northwestern China[J]. Theoretical and Applied Climatology， 2013， 112（1）：15-28.

[4]Plummer N， Salinger M J， Nicholls N， et al. Changes in Climate Extremes Over the Australian Region and New Zealand During the Twentieth Century[J]. Climatic Change， 1999， 42（1）：183-202.

[5]高衛东， 姜巍. 塔克拉玛干沙漠西部和南部沙尘暴的形成及危害[J]. 干旱区资源与环境， 2002， 16（3）：64-70.

[6]Li H J， Yang X H， Zhao Y， et al. The atmospheric circulation patterns influencing the frequency of spring sand-dust storms in the Tarim Basin[J]. 寒旱区科学（SCIENCES IN COLD AND ARID REGIONS）， 2014（2）：168-173.

[7]王文彩. 沙尘气溶胶的传输和气候效应的观测研究[D]. 兰州大学， 2013.

[8]刘建慧. 全球主要沙尘源区分布及沙尘气溶胶半球传输的模拟研究[D]. 南京信息工程大学， 2014.

[9]Wang J， Hong W， Wu X， et al. Physical and Chemical Characteristics of Individual Particle during a Typical Haze Episode in Urumqi， Xinjian， China[J]. 2015.

[10]Guo S J， Chen M. Pollution Characteristic of Atmospheric Carbonyls during One Haze Event in Nanning， South China[J]. Aerosol & Air Quality Research， 2016， 16.

[11]Pang X， Mu Y， Lee X， et al. Influences of characteristic meteorological conditions on atmospheric carbonyls in Beijing， China[J]. Atmospheric Research， 2009， 93（4）：913-919.

[12]劉建慧， 赵天良， 刘煜，等. 沙尘气溶胶的跨亚欧大陆传输对东亚地区大气环境的影响[J]. 环境科学学报， 2014， 34（12）：3102-3111.

[13]付洁， 尚可政， 王式功，等. 我国沙尘气溶胶的特性及其影响的研究进展[J]. 安徽农业科学， 2014（12）：3673-3677.

[14]Yin Y， Levin Z， Reisin T G， et al. The effects of giant cloud condensation nuclei on the development of precipitation in convective clouds — a numerical study[J]. Atmospheric Research， 2000， 53（1–3）：91-116.

[15]Jiang H， Xue H， Amit T， et al. Aerosol effects on the lifetime of shallow cumulus[J]. Geophysical Research Letters， 2006， 33（14）：110-118.

[16]Yang H L， Xiao H， Hong Y C. A numerical study of aerosol effects on cloud microphysical processes of hailstorm clouds[J]. Atmospheric Research， 2011， 102（4）：432–443.

[17]庄国顺， 郭敬华， 袁蕙，等. 2000年我国沙尘暴的组成、来源、粒径分布及其对全球环境的影响及其对全球环境的影响[J]. 科学通报， 2001， 46（3）：191-197.

[18]赵效国， 周晶， 王旗，等. 新疆南部两城市沙尘天气对成人健康的影响[J]. 环境与健康杂志， 2011， 28（10）：887-889.

[19]Zanobetti A， Schwartz J， Dockery D W. Airborne particles are a risk factor for hospital admissions for heart and lung disease.[J]. Environmental Health Perspectives， 2000， 108（11）：1071.

[20]Kappos A D， Bruckmann P， Eikmann T， et al. Health effects of particles in ambient air[J]. International Journal of Hygiene & Environmental Health， 2004， 207（4）：399.

[21]Lee J T， Son J Y， Cho Y S. The adverse effects of fine particle air pollution on respiratory function in the elderly[J]. Science of the Total Environment， 2007， 385（1-3）：28.

[22]张素敏. 石家庄市大气能见度变化与大气颗粒物的关系研究[D]. 河北师范大学， 2009.

[23] 郑煜，邓兰.基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析[J].生态环境学报，2014，23（12）：1953-1957.

ZHENG Y，DENG L.Correlation analysis based on PLS1 between and air polltants in Harbin City[J].Ecology and Environment Sciences，2014，23（12）：1953-1957.

[24] 史宇，張建辉，罗海江，等.北京市2012—2013年秋冬季大气颗粒物污染特征分析[J].生态环境学报，2013，22（9）：1571-1577.

SHI Y，ZHANG Y H，LUO H J ，et al.Analysis of characteristics of atmospheric particulate matter pollution in Beijing during the fall and winter of 2012 to 2013[J].Ecology and Environment Sciences，2013，22（9）：1571-1577.

[25] 黄虹，曾宝强，曹军骥，等.广州大学城大气PM2.5质量浓度与影响因素[J].环境科学与技术，2009，32（5）：103-106.

HUANG H，ZENG B Q，CAO J J，et al.Level of PM2.5 and affecting factors in higher education mega centre，Guangzhou[J].Environmental Science & Technology，2009，32（5）：103-106.

[26] 潘传信，孙秀萍，余伟，等.下沙空气PM2.5浓度与影响因素简析[J].能源环境保护，2013，27（3）：58-60.

PAN C X，SUN X P，YU W，et al.The preliminary analysis on monitoring results and its influencing factors of PM2.5 in Xiasha[J].Energy Environmental Protection，2013，27（3）：58-60.

[27] 孟晓艳，魏桢，王瑞斌，等.灰霾试点城市PM2.5浓度特征及其影响因素分析[J].环境科学与技术，2013，36（9）：76-80.

MENG X Y，WEI Z，WANG R B，et al.Analysis of variations and affection factors in experimental cities[J].Environmental Science & Technology，2013，36（9）：76-80.

[28] 王惠文.偏最小二乘回歸方法及其应用[M]北京：国防工业出版社，1999.

[29] 杜家菊，陈志伟.使用SPSS线性回归实现通径分析的方法[J].生物学通报，2010，45（2）：4-6.

[30] 杜鹃.通径分析在Excel和SPSS中的实现[J].陕西气象，2012（1）：15-18.

[32] 丁元林，孔丹莉，毛宗福.多重线性回归分析中的常用共线性诊断方法[J].数理医药学杂志，2004，17（4）：299-300.

[33] 杨楠.岭回归分析在解决多重共线性问题中的独特作用[J].统计与决策，2004（3）：14-15.

[34] 马雄威.线性回歸方程中多重共线性诊断方法及其实证分析[J].华中农业大学学报（社会科学版），2008（2）：78-81.

MA X W.Diagnosis and empirical analysis on multicollinearity in linear regression model[J].Journal of Huazhong Agricultural University（Social Sciences Edition），2008（2）：78-81.

[35 柳丽，魏庆，赵树安.回归分析中多重共线性的诊断与处理[J].中国卫生统计，1994，11（1）：5-7.

[36] 孟庆和.多元回归分析中多重共线性的处理[J].中国卫生统计，1997，14（1）：49-50.

[37] 周家仪.主成分回归与特征根回归[J].中国卫生统计，1994，11（特刊）：34-37.

[38]苗云阁， 王健， 马银红，等. 基于PLS1的天津市PM_（2.5）与空气污染物相关性分析[J]. 环境工程技术学报， 2017， 7（1）：39-45.