广州市区空气环境的-NO2-浓度空间分布估计

1广州市区空气环境的NO2浓度空间分布估计——基于LUR模型和高斯克里金模型暨南大学方媛、常启辉、吴敏摘要城市环境中的二氧化氮主要来自汽车尾气的释放，工厂废气的排放等。截止2012年末广州市民用汽车保有量达到204.16万辆，比上年末增长9.9%。毫无疑问这会不断增加空气中NO2的浓度。空气中NO2含量过高很可能造成光化学烟雾、酸雨、雾霾。2013年1月14日，亚洲开发银行和清华大学发布一份名为《向环境可持续的未来中华人民共和国国家环境分析》中文版报告指出，世界上污染最严重的10个城市之中有7个城市位于中国，包括太原、北京、乌鲁木齐、兰州、重庆、济南、石家庄。中国500个大型城市中，只有不到1%达到世界卫生组织空气质量标准，可见中国的环境污染已经到了相当严重的地步。但目前我国环保部门公布的数据都是来源于监测站点，而各个城市监测站点的数目相对较少。以广州为例，广州市的面积为7434.4平方公里，但只有29个监测点来监测数据，见下图1.5，在人口密度较大的区域只有7个监测点。过少的环境检测点对于研究NO2浓度对环境的影响来说是远远不够的。在欧美国家很多研究人员实地观测数据，但这需要投入大量设备和人力。因此本文使用用地类型回归（LUR）、普通克里金插值法、以及LUR模型增加模拟站点之后再运用克里金插值的方法，研究数据来自于广州市环保局提供的广州市29个监测站所监测到的NO2浓度、openstreetmap以及谷歌地球中的数据。上述模型在广州29个观测站点30日NO2浓度数据基础上模拟出了五月份整个广州市NO2浓度的空间分布。通过交叉验证法（CV）比较了三种方法的精度。通过CV值的估计，可以得到普通克里金插值法估计法的预测误差较小且平滑性最好。关键字：LUR模型；克里金插值；NO2浓度空间分布21引言1.1研究背景目前对空气监测数据多以AQI（空气质量指数）形式发布，AQI为定量描述空气质量状况的无量纲指数，针对单项污染物还规定了空气质量分指数（IAQI）,利用空气质量指数可以直观地评价大气环境质量状况并指导空气污染的控制和管理。其中空气质量分指数及对应污染物项目浓度如表1.1所示。表1.1空气质量分指数及对应污染物项目浓度污染物项目浓度极限值空气质量分指数(IAQI)二氧化硫24小时平均3/gm二氧化硫1小时平均3/gm二氧化氮24小时平均3/gm二氧化氮1小时平均3/gm颗粒物24小时平均3/gm一氧化碳24小时平均3/gm一氧化碳（CO）1小时平均/3/gm臭氧（O3）1小时平均3/gm臭氧（O3）8小时滑动平均3/gm颗粒物24小时平均3/gm0000000000050501504010050251601003510015050080200150410200160751504756501807002501435300215115200800800280120035024604002651503001600（2）565234042036908008002504002100（2）7503090500481201000（3）3505002620（2）9403840600601501200（3）500说明二氧化硫（SO2）、二氧化氮（NO2）和一氧化碳（CO）的1小时平均浓度极限值仅用于实时报，在日报中需使用相应污染物的24小时平均浓度极限值二氧化硫（SO2）1小时平均浓度值高于8003/gm的，不再进行其空气质量分指数计算，二氧化硫（SO2）空气质量分指数按24小时平均浓度计算的分指数报告臭氧（O3）8小时平均浓度值高于8003/gm的，不再进行空气质量分指数计算，臭氧（O3）空气质量分指数按1小时平均浓度计算的分指数报告注：该表格来源于广州市环保局网站从上表可见通常包括氮氧化物、硫氧化物和碳氧化物以及飘尘、悬浮颗粒等，超过一定浓度的污染物对人体或生态系统具有不良效应。2012年9月9日，中国环境保护部公布2011年度全国主要污染物减排情况，化学需氧量、氨氮和二氧化硫排放总量实现同比下降，但是氮氧化物比2010年上升。而氮氧化物在空中3吸收阳光等物质发生化学反应，形成对人体健康危害极大的污染物（如图1.1）、光化学烟雾（如图1.2）及酸雨（如图1.3）。图1.1NO2形成雾霾图1.2NO2形成光化学烟雾图1.3NO2形成酸雨根据广州市环保部门公布的数据显示，自2000—2012年间，NO2年平均浓度总体呈下降趋势。但2001和2004年的平均浓度明显高于其他年份，2004年以后NO2年平均浓度逐年递减。图1.4为2000-2012年NO2年平均浓度局部加权散点平滑图（LOESS），反映了NO2浓度近十年来在时间维度上的变动，其中平滑参数为0.75（平滑参数取值范围为1n到1，1n表示只取一个点，1表示取全部点）。交通工具（汽车）其他来源NOx（氮氧化物）NO2O3(臭氧)及PAN(过氧乙酰硝酸脂)和及其他氧化物PM（通过HNO3）形成形成雾霾交通工具（汽车）交通工具(汽车）（汽车）其他来源NOx（氮氧化物）及SOx（硫氧化物）雨水酸雨其他来源NOx（氮氧化物）及COx（碳氧化物）太阳光（紫外线）光化学烟雾4图1.4NO2年平均浓度变化趋势图虽然广州市NO2浓度总体上看呈下降趋势，但年均浓度值仍然高于国家空气质量标准规定的403/gm，可见空气污染问题十分严重。但就现在情况而言，以广州市为例，仅有29个监测站点，监测点分布如图1.5所示。对比香港，虽然香港特别行政区的面积为1104平方公里，不到广州市面积的1/6，但香港环保署共设置了14个环境检测点，约是广州市监测站点数的一半。广州市环境公报中公布的NO2浓度年平均值是基于广州市的监测站点数据经过计算而得。这就要求监测站点的分布合理，在研究城市环境中NO2浓度对居民生活的影响，应注意人口密度大的城区NO2浓度值。若监测点分布不合理，经平均后的NO2浓度值会远远偏离市区的NO2浓度，这样所得的数据不具有代表性。而广州市的空气监测站点分布如图1.5，可见只有7个站点分布在人口密度较大的区域，这就要求我们通过已知的站点对其他无监测点位置的空间NO2浓度进行估计。5图1.5广州市NO2浓度监测站点分布（图片来源于广州市环保局网站）我们根据监测站所处地域把广州市29个监测点分为三类，如表1.2所示。根据表1.2分类，利用广州市环保局网站中2013年5月9日到2013年6月16日（缺失的数据：5月份17，30日的。6月份1，2，4，5，7，11，15日的）总共30天的数据可得到广州市三个区域NO2浓度随时间的变化趋势，如图1.6。表1.2监测站点的分类分类北边郊区中间市区及其周边南边郊区6从图1.6可见NO2浓度波动较大，且中心市区及其周边的地区的NO2浓度明显高于其他两个地区，其中中心城区NO2浓度的最大值超过了803/gm。而南边郊区与北边郊区的NO2浓度值大致相等，其均值大约为403/gm，从总体上看前15天NO2浓度波动较大，后15天大致呈下降趋势。图1.6广州市三个区域NO2浓度随时间变化的趋势图图1.7为29个监测站点NO2浓度在时间上分布的箱线图，从图中可看出不同站点的NO2浓度变动很大，最高达1103/gm，最低为53/gm。同一站点在不同时间的波动范围也很大，最高极差达到953/gm。监测点花都师范九龙镇镇龙永和子站增城环保局从化环保局白云嘉禾帽峰山新塘镇政府龙洞小学广雅中学市五中市监测站天河职幼麓湖广东商学院市八十六中杨箕路边站黄沙路边站思源中学西区子站科学城黄埔文冲番禺中学南沙科学站黄格子站十八涌番禺中学大石中学荔福路沙园7图1.729个监测站点NO2浓度在时间上分布的箱型图1.2相关研究1.2.1LUR模型由于大气污染物多为煤烟型气体，早期研究煤烟型大气污染物的模型主要是通过建立暴露浓度数学模型和解析大气颗粒物源确定燃煤污染物暴露水平，估计大气污染物PM10、PM2.5、B(a)P浓度，得到在大气环境常规监测资料不能得到污染物人群历史暴露水平、燃煤对大气污染物的贡献率及煤烟型大气污染的现状污染水平。在研究大气污染物扩散时主要用的模型多是基于高斯模型基础之上进一步提出假设形成新的模型。如高斯烟雨模型和AERMOD大气扩散模型。LUR模型起初是运用于流行病学研究中，主要是用来研究空气中污染物浓度暴露程度对流行病传播的影响。Hewitt1991年的论文《Spatialvariationsinnitrogen8dioxideconcentrationsinanurbanarea》中引入LUR模型，用英国兰开斯特49个监测站点（研究者自设）1年中每两周NO2的平均浓度数据，在拥挤的路边监测站数据中发现NO2浓度在时空中的变异性很大（在50米或更少的范围内有两到三倍的差异）。Briggs1997年在论文《MappingurbanairpollutionusingGIS:aregression-basedapproach》中使用LUR模型研究阿姆斯特丹、哈德斯菲尔德以及布拉格三地的交通污染物浓度，运用LUR模型绘制的污染地图可靠地估计了第二年这三个地区的NO2浓度，2003年他再次证明这些污染浓度的小规模变化是大多数基于监测密度和流量来源空间分布的插值技术无法判别的。NicolasL.Gilbert2005年在论文《AssessingSpatialVariabilityofAmbientNitrogenDioxideinMontréal,Canada,withaLand-UseRegressionModel》中获得了一个基于地理基础环境的LUR模型来估计加拿大魁北克蒙特利尔NO2浓度的空间分布，并将估计得到的NO2浓度运用在研究流行病学中汽车排放的污染物对人类健康的影响。ZevRoss等2006年在论文《NitrogendioxidepredictioninSouthernCaliforniausinglanduseregressionmodeling:Potentialforenvironmentalhealthanalyses》用美国南加州圣地亚哥39个监测点（研究者自设）的数据结合LUR模型得出影响NO2浓度的四个主要变量（可解释79%）：在监测点40-300m范围内的交通密度、在监测点300-1000m范围内的交通密度、距监测点40m范围内的道路长度和距离太平洋海岸的距离。他们认为在北美环境中用LUR模型估计具有极好的预测性及稳健性。EviDons2013年在论文《Modelingtemporalandspatialvariabilityoftraffic-relatedairpollution:Hourlylanduseregressionmodelsforblackcarbon》中通过在比利时弗兰德斯地区设置63个监测点得到分为四类的PM2.5数据。与以往不同的是该LUR模型不仅运用长期的平均的浓度作为解释变量而且包括了每小时车流量等变量的短期影响，运用每小时不同的PM2.5浓度作为被解释变量，在LUR模型基础上尝试三种不同方法研究这些解释变量。1.2.2克里金插值法克里金(Kriging)插值法又称空间自协方差最佳插值法，它是以南非矿业工程师D．G．Krige的名字命名的一种最优内插法。克里金法自上世纪50年代以来广泛地应用于地下水分布模拟、土壤制图等领域。它首先考虑的是空间属性在空间位9置上的变异分布，确定对一个待插点值有影响的距离范围，然后用此范围内的采样点来估计待插点的属性值。该方法在数学上可对所研究的对象提供一种最佳线性无偏估计(某点处的确定值)的方法。它是考虑了信息样品的形状、大小及与待估计块段相互间的空间位置等几何特征以及品位的空间结构之后，为达到线性、无偏和最小估计方差的估计，而对每一个样品赋与一定的权重，最后进行加权平均来估计块段品位的方法。但它仍是一种光滑的内插方法，在数据点多时其内插的结果可信度较高。近年来，不断有学者将这种地质统计方法用于估计空气污染物分布。2008年赵宇飞在他的论文《基于地质统计