北京市大气可吸入颗粒物影响因素灰色关联度分析

引言
　　
　　可吸入颗粒物大量存在于城市空气中，具有数目浓度高、停留时间长、输送距离远、污染范围广的特点，造成严重的环境污染，危害人体健康。城市空气中颗粒物含量的测定和研究已受到高度重视，因此，分析其空间特征及影响因素，对于制定更为有效的可吸入颗粒物污染控制政策具有重要的现实意义。北京属于暖温带半湿润半干旱季风气候，四季变化分明，夏季降水集中，冬季降水较少，逆温发生频率高，风向、风速、温度、湿度、降水量等气象要素都会影响空气质量水平[1]。颗粒物的浓度取决于源排放、化学转化、气象条件和地形地貌特征等[2][3]，其中气象条件是影响空气质量的客观因素。2012 年赵文慧[4]等对北京市城区2012 年夏季PM1.0 、PM3.0 、PM5.0 以及气象因子的空间分布，比较各气象因子对颗粒物浓度的影响大小。2012 年范新强[5]等对雾霾条件下气象因子中与PM10 浓度的关系进行了分析。2012 年北京天气与往年相比湿度大、雨水多的特点，考虑到各气象因子之间相互影响的复杂性，并相互关联，还有一些不很明确的因素，即有已明确的信息，也有不明确的信息，符合灰色系统[6 ]的特征。因此，通过利用灰色相关度理论[6 ]，对北京市冬季雾霾天气和晴天天气下可吸入颗粒物浓度与大气各因素相关程度进行分析，得到较为准确和有用的结论，以便为研究北京市天气可吸入颗粒物的影响奠定良好基础。
　　
　　1 计算模型
　　
　　1.1 灰色相关度计算模型
　　灰色关联分析法[6][7]是通过确定参考数列和若干比较数列之间的关联系数和关联度（两系统或两因素间关联性大小的量度），寻找系统中各因素的关系，来对该系统的发展变化态势进行定量比较，找出影响目标值的重要因素。
　　
　　1.2 数据初始化处理
　　对于进行灰色相关度比较的系统中，各个相比较的因素之间必须具有可比性，尤其对于采用数学公式的方法进行计算的情况。为了提高计算的准确度和可信度，要求对各个比较的因素进行初始化处理，是各个因素之间的数量级相差不大，或者无量纲。一般通常采用无量纲化处理，无量纲化处理有很多方案，此处采用初值化方法进行初始数据的无量纲化。
　　
　　1.3 计算步骤
　　使用邓式灰色相关度方法，对北京市天气因素与可吸入颗粒物进行相关度计算。计算步骤包括数据的无量纲化、差序列求解、最大最小值求解、相关系数求解以及相关度的计算等步骤。 具体的计算流程见。
　　
　　2 算例
　　
　　2.1 初始数据
　　据北京市气象局环境保护局公布的2012-2012 年北京市天气污染资料，对北京市冬季晴天和雾霾两种天气条件下，各种气候参数（气温，露点，湿度，风速）对颗粒物浓度的影响进行分析。选取典型的天气因素条件下的可吸入颗粒物浓度PM10 浓度数据[9][10]所示。
　　
　　2.2 初始数据的初始化
　　利用初值化无量纲化公式（2），对北京市冬季晴天天气和雾霾天气条件下的气候因素和可吸入颗粒物浓度进行无量纲化。无量纲化后的数据。
　　按照可吸入颗粒物浓度大小顺序对对无量纲后的参量进行排序，比较无量纲后的各天气因素随可吸入颗粒物变大的发展趋势。
　　通过图可初步看出各影响因素对可吸入颗粒物浓度影响的变化趋势。由图2可以看出在北京市晴天天气条件下随着可吸入颗粒物浓度的不断增加，大气温度有下降的趋势，露点有一定的波动但总体为上升趋势，湿度为波动向下的趋势，而风速的影响为比较大的震荡，但总体为上升趋势。由图3 可以看出在雾霾天气条件下各天气因素与可吸入颗粒物浓度的.变化趋势。与图2 的变化趋势相比，风速和露点变化趋势相似，但湿度与温度因素随可吸入颗粒物浓度的变化趋势有所变化。由图3 可见，湿度随可吸入颗粒物浓度的增加为波动上升的趋势，温度为波动上升趋势。从图2 和图3 无法准确得出各相关因素与可吸入颗粒物浓度变化的相关量以及相关性的排序，但可以得到北京市冬季晴天天气条件下和雾霾天气条件下，各天气因素对可吸入颗粒物浓度的影响是不同的。