大气环境监测布点研究初探

【摘 要】由于大气环境的安全已威胁到人类的生存和发展，因此大气环境监测的重要性日益凸显。大气环境监测布点是影响监测质量的关键因素。鉴于此，本文对常规布点方法和点位优化技术都进行了一些探讨。

【关键字】大气环境监测；布点方法

环境监测部门通过对大气环境中的污染物进行定期的或连续的监测，分析和判断大气质量是否符合《环境空气标准》或环境规划目标的要求，为研究大气质量的变化规律、发展趋势以及评价、预测大气污染状况提供基础的技术资料，还为环境执法部门执行环境保护法规提供准确可靠的依据，此即大气环境监测的目的[1]。大气环境监测布点就是在所监测区域内，根据监测范围大小、人口分布密度、大气污染物分布的空间状况以及该区域内的气象、地理等条件，合理地布设采样点的位置和数量的工作。布点决定了采样点是否有代表性，监测结果是否有效和可靠，因此布点是大气环境监测中一个非常重要的环节。

1.常规监测布点法

常规布点法，也称为经验法，主要是针对未建立监测网或者监测数据相对有限的地区，根据已有的监测经验确定采样点的方法。其常用方法有以下这些。

1.1功能区布点法

该方法主要用于区域性常规监测。将监测区域按功能分区，如分成居住区、商业区、工业区、混合区等。然后在不同的功能区内，按照污染程度及人力、物力的分配能力，设置数量不等的采样点。通常在大气污染扩散点上采样，能够更好地反映大气环境污染的程度[2]。

1.2网格布点法

这种方法是将监测区域均分成一定大小的网格，采样点设在网格中心或网格的角点上。网格的大小由污染程度、监测能力、人口分布密度等因素决定。一般污染源数量比较多、分布又较均匀的区域较适合采用这种方法。主要优点是受人为主观因素影响较小，能较直观地反映出污染物的空间分布状况。

1.3同心圆布点法

有多个污染源且分布相对集中的区域可采用此法。以污染群中心为圆心，画出若干同心圆，再以圆心为起点作出若干射线，将圆周与射线的交点作为采样点。通常下风向可设置较多的采样点。

1.4扇形布点法

适用于孤立的高架点源（如高烟囱）且主导风向比较明确的区域。以污染点源为起点，主导风向为轴线，在下风向画出以点源为圆心的扇形区域。扇形圆心角一般在45ц90°，且不得超过90°。采样点布设在扇形区域内，先画出半径不等的若干弧线，每条弧线上设置3ц4个采样点，并且同一条弧线上相邻的采样点，以点源为顶点作出的连线夹角应在10ц20°。为提高监测的可靠性，应同时在上风向设置对照点。

2.监测点位的优化法

2.1概述

常规布点法是在已有经验或理论模式下确定采样点，但其无法确定点位是不是最佳的，虽然在实际工作中可以根据具体情况改进方法，使布点更趋合理，然而仍存在着点位重复，人力、物力浪费的问题。另有两种方法可以更好地解决这一问题。一种是在常规布点监测数据的基础上，通过分析大气污染物在空间和时间上的分布规律，从而对现有站点进行调整，将监测信息重复的站点删除或调整监测频率，以较少的点位或次数达到所需要覆盖的范围和监测时段，实现经济、精度都满意的效果，这种方法称为优化点位技术[3]。根据不同的优化原理，又可分为物元分析法、系统聚类法、多目标规划法、密切值法、 检验法、最优指标法、特征分析法、相关系数法、人工神经网络法、遗传算法等多种优化方法。另一种是根据污染源分布情况、排放特征、气象和地理资料，通过应用数学模型预测污染物的分布并设计采样点，这种方法称为预测布点技术或模型计算法。

2.2优化点位技术

由于优化点位技术方法众多，主要介绍以下几种。

2.2.1物元分析法。这种方法是以广东工业大学蔡文教授所创立的可拓学理论分析大气环境监测的布点问题。从所有污染物的监测值（如SO2、NOx、TSP等）中选出最大值和最小值，分别构成“最佳点A”和“最劣点B”及由均值构成“期望点C”。由C与A、B构成标准物元矩阵Rac、Rcb，A与B构成节域物元矩阵Rab，每个测点建立物元矩阵Ri。然后由Ri对Rac、Rcb及Rab建立关联函数Ka（Xij）、Kb（Xij），由其计算综合关联函数Ka（Xi）、Kb（Xi）。利用综合关联函数值并结合关联函数的意义画出点聚图，再由点聚图上的点选出最佳点。

2.2.2相关系数法。采用网格布点法的监测数据（设置网格数m，监测点n，上风向清洁点若干）。计算m与n之间的相关系数R。R越大，说明该网格越能代表污染物浓度的变化规律。再根据监测点污染物浓度、平均浓度求出变异系数CV和各点方差Si。综合分析R、CV和Si，就得到优选的点位。

2.2.3t检验法。同样以网格布点法的监测数据为基础，求出平均浓度，划分区域（如重污染区、中度污染区、轻污染区等）。根据评价标准（如监测方便程度、安全性、位置关系等）确定若干方案。再经过比较选出较优的方案。然后用t检验优选点位与总样本的差异是否显著。确定显著性水平后，由t分布表查出t分布表值。若优选点位t计算值t计算值

2.2.4最优指标法。这种方法是以TOPSIS法为基础创新出的方法，通过逼近最优水平对多目标系统进行决策和评价。建立原始监测数据矩阵X，确定最优指标值向量Y。通过对X的最优指标进行归一化处理，建立优化决策矩阵Z。利用Z计算监测点指标与最优水平的逼近程度。将依大小进行排序，再结合点位优化规则选出有代表性的优化点位。

2.2.5特征分析法。此法是将监测点位按照污染程度归类或聚类，并在每一类中选出代表性的点位。利用原始监测数据（n个样本，m个变量）建立联系度关系矩阵Y=XA（X为编码矩阵，A为变量权矩阵），将联系度最大的问题转化为求解矩阵XXT（XT为转秩矩阵）的最大特征值λ和特征向量A。经过计算求出矩阵Y并绘制联系度折线图，根据图将联系度大小聚类，然后就可优选点位了。

2.3预测布点技术

常用的计算模型主要有ISC3、AERMOD、ADMS和Models-3/CMAQ等，通过模拟监测规划区域的空气质量状况，监测点位优化具有较好的空间、时间精度，经济性亦较好。刘潘炜等[4]采用Models-3/CMAQ模型，研究珠江三角洲地区常规污染物SO2、NO2和PM10及区域特征污染物O3、PM2.5，还有常规、区域特征污染物混合模式在内的3种情景下的布点方法。他们采用约旦公式计算多种污染物综合评价浓度，以中国环境空气质量监测规范建立目标函数，并以成本、地形、行政区、人口、空间覆盖度为约束条件进行优化求解。结果表明优化误差在规范规定的范围内，且多种污染物混合模式优化结果的空间代表性更好。

3.结语

大气环境监测覆盖范围宽、影响因素多，要制定能代表整个区域大气质量时空分布的精确方案是非常困难的。在缺少监测数据的情况下，应先采用常规布点方案。随着监测数据的积累，应积极采用布点优化技术，以实现经济性和代表性的合理平衡。