论文部分内容阅读
悬浮在空气中的颗粒物不仅能导致全球气候的改变,城市可见度的降低等环境效应,而且对人们的身体健康有巨大危害。流行病学研究表明,颗粒物污染水平与人体健康具有显著的相关性,颗粒物浓度的上升会导致呼吸系统疾病、心血管疾病发病率和死亡率的增加。颗粒物浓度监测不仅是评价城市空气质量的基础,而且是进行城市污染控制与环境健康效应评估的重要依据。本文于2009年6月-10月对长沙地区PM10和PM2.5的浓度进行连续监测,主要工作包括三个方面：(1)调查长沙市颗粒物PM10和PM2.5的污染状况,(2)分析长沙市夏季颗粒物PM10的统计学分布特性,(3)建立PM10浓度预测模型。长沙夏季PM10平均浓度为93.8±37.0μg/m3,PM2.5平均浓度为74.4±36.5μg／m3,PM10浓度未超过国家标准,但是PM2.5污染非常严重。颗粒物浓度受污染源和气象条件的影响,七月份最低,九月份最高；周末和工作日无显著差异；夜间浓度高于白天。相关性分析得出,PM2.5是PM10的主要组成部分,PM2.5在整个地区均匀分布。四种理论分布函数(伽马分布,对数正态分布,韦伯分布和皮尔逊分布)被用来拟合PM10浓度分布。分布函数的参数采用矩估计和极大似然估计法求解,然后使用Chi-Square检验和K-S检验判断分布函数的拟合优度,得到最优分布。在选定分布函数后,PM10浓度超过国家标准的频率和高污染事件发生的周期,以及PM10达标所需要的污染源降低量可以得到有效评估。研究结果表明：伽马分布与长沙地区夏季PM10分布的拟合程度最高,PM10超过国家空气质量的概率为8.3%,高污染事件发生的周期为12.8天一次,PM10浓度完全达到国家空气质量标准所需要的污染源降低量为46.6%-61.3%。PM10浓度不仅与气体污染物浓度线性相关,而且受温度、风速、相对湿度、压强等气象条件的显著影响。本文在分析PM10浓度与气体污染物,气象参数关系的基础上,建立了PM10浓度预测的多元回归模型,并采用时间序列分析对模型进行调整,得到了多元回归与时间序列混合模型,模型能够较好的预测PM10浓度的变化情况。