馮小瓊，陳軍輝，朱雨蒙，錢 駿，葉 宏

(1. 四川省環(huán)?？萍脊こ逃邢挢熑喂?，成都 610041；2. 四川省環(huán)境保護科學研究院，成都 610041)

·試驗研究·

氣象因素對成都市主要大氣污染物影響的非參數(shù)分析

馮小瓊1,2，陳軍輝2，朱雨蒙2，錢 駿2，葉 宏2

(1. 四川省環(huán)?？萍脊こ逃邢挢熑喂?，成都 610041；2. 四川省環(huán)境保護科學研究院，成都 610041)

通過獲取2014年成都市大氣污染物和氣象因素的在線監(jiān)測數(shù)據(jù)，分析大氣污染物的時間變化規(guī)律，并采用Spearman秩相關系數(shù)來分析污染物逐日濃度和氣象因素的相關性。結果顯示，SO2、NO2、CO、PM10和PM2.5夏季濃度最低，冬季最高，O3則夏季最高，冬季最低；受秸稈露天焚燒影響，5月各污染物濃度均出現(xiàn)一個小高峰。溫度和風速均與O3顯著正相關，與其他污染物顯著負相關；大氣壓則相反；相對濕度與各污染物均顯著負相關，但在嚴重污染時與顆粒物顯著正相關。

大氣污染物；氣象條件；非參數(shù)分析

大氣污染己成為全球最為關注的環(huán)境問題之一，環(huán)境質(zhì)量的好壞直接關系著城市社會經(jīng)濟的發(fā)展和人們的身體健康。大氣污染物的濃度會受到污染物排放量及污染物在大氣中的擴散、稀釋速度等許多因素的影響，而大氣對污染物的稀釋擴散能力因氣象條件不同而有很大差別。此外，大氣污染物的清除和轉(zhuǎn)化還與污染物的化學組分、濃度、物理化學性質(zhì)，及降水、太陽輻射、相對濕度等氣象因素有關[1～3]。正是由于環(huán)境空氣質(zhì)量與氣象因素密切相關，且兩者之間的關系非常復雜，該領域一直是大氣污染研究的熱點和難點。國內(nèi)外已有較多學者在這方面進行了研究，如Tai等[4]發(fā)現(xiàn)溫度相對濕度降水和大氣循環(huán)等條件能夠較好地解釋北美地區(qū)PM2.5濃度的變化情況，而較粗粒子( PM2.5～10，PM10) 的相關性比PM2.5更加明顯。趙程曦等[5]利用Spearman秩相關分析研究各個氣象因子對大氣PM2.5和PM10濃度的影響，指出北京冬季PM2.5和PM10的質(zhì)量濃度分別與氣溫、相對濕度正相關，與風速負相關，風速和相對濕度是影響污染物質(zhì)量濃度分布的主要因素。吳珊珊等人[6]的研究表明低風速大氣逆溫高氣壓高濕度和少降雨有利于霾天氣的發(fā)生，反之，高風速低氣壓低濕度和多降雨不利于霾天氣的發(fā)生。

成都市位于四川省中部，是西南地區(qū)的科技、商貿(mào)、金融中心和交通、通訊樞紐，隨著工業(yè)化和城鎮(zhèn)化的快速發(fā)展，環(huán)境空氣質(zhì)量不容樂觀。2014年成都市PM2.5年均濃度為76 μg/m3，超標2.2倍(基于環(huán)境空氣質(zhì)量標準，GB 3095-2012)[7]，且以NO2濃度上升、臭氧O3污染顯現(xiàn)和灰霾嚴重為特征的復合型大氣污染隨著城市建設和機動車增加而凸顯。成都市具有與我國其他地區(qū)不同的盆地氣候，氣象因素對環(huán)境空氣質(zhì)量的影響更為復雜，然而針對四川盆地的研究較少，目前僅鄧利群等人[8]和黃巍等人[9]開展了相關研究，但兩者均只對顆粒物進行了相關分析，沒有涉及其他污染物，且均僅對一年中部分時段的數(shù)據(jù)進行了分析，不足以代表全年的情況。本研究通過在線監(jiān)測設備獲取成都市2014年大氣污染物和氣象因素的逐時數(shù)據(jù)，分析了氣象因素與各污染物的相關性，以期為進一步提高和改善成都市的空氣質(zhì)量提供一定的科學依據(jù)。

1 材料與方法

1.1 測點位與儀器

監(jiān)測點位設置在四川省環(huán)境保護科學研究院樓頂，位于成都市中心城區(qū)，距離地面30m。環(huán)境氣體監(jiān)測儀器均采用澳大利亞Ecotech公司的氣體分析儀，SO2采用紫外(UV)熒光光譜分析儀，精度為5×10-9；NOx采用氣相化學發(fā)光檢測方法，精度為1×10-12；CO分析儀是一種非分散紅外光度計，精度0.1×10-7。O3采用紫外光度法分析儀，精度1×10-9；PM10和PM2.5采用美國Met One公司的BAM-1020型環(huán)境顆粒物監(jiān)測儀，測量原理為β衰減的微粒濃度，分辨率為± 0.1 μg/m3。相對濕度、溫度、能見度、風速等氣象因素監(jiān)測儀器為DAVIS Vantage Pro2 Plus(美國戴維斯公司)，氣象因素與污染物濃度同步進行數(shù)據(jù)采集。

1.2 研究方法

污染物日均濃度、月均濃度、空氣質(zhì)量指數(shù)(AQI)的計算根據(jù)環(huán)境空氣質(zhì)量指數(shù)(AQI)技術規(guī)定(試行)(HJ 633-2012)[7]和環(huán)境空氣質(zhì)量標準(GB 3095-2012)[10]進行，日平均為一個自然日24h平均濃度的算術平均值，月平均值為一個日歷月內(nèi)各日平均濃度的算術平均值。氣象要素日均值的計算與污染物相同。

研究表明大氣污染物濃度與氣象因素是非線性關系，簡單的線性關系并不能反應二者之間的真實關系[5,11]。本研究利用SPSS 19.0軟件進行數(shù)據(jù)處理，將污染物和氣象因素逐時數(shù)據(jù)進行正態(tài)性檢驗，檢驗結果不符合正態(tài)分布，因此采用Spearman 秩相關系數(shù)統(tǒng)計分析方法進行污染物濃度與氣象因素的相關性分析。Spearman 秩相關分析是一個非參數(shù)性質(zhì)(與分布無關)的秩統(tǒng)計參數(shù)，可反應兩個隨機變量在線性相關或非線性相關下的共變趨勢程度[5,12-13]。

2 結果與討論

2.1 主要污染物時間變化規(guī)律

2.1.1 月變化

根據(jù)監(jiān)測數(shù)據(jù)，SO2、NO2、CO、O3、PM10和PM2.5的年均濃度分別為17.3μg/m3，58.2 μg/m3，1.7 μg/m3，34.5 μg/m3，130.0 μg/m3和74.8 μg/m3?；诃h(huán)境空氣質(zhì)量標準(GB3095-2012)[7]，NO2、PM10和PM2.5均超標，超標倍數(shù)分別為0.46倍、0.86倍和1.14倍。成都市環(huán)境監(jiān)測中心站公布的數(shù)據(jù)顯示，成都市城區(qū)2014年SO2、NO2、PM10和PM2.5年均濃度分別為19μg/m3，59μg/m3，123μg/m3和77μg/m3，均與本監(jiān)測站點數(shù)據(jù)較為接近，說明本監(jiān)測站點數(shù)據(jù)可靠、有效。

圖1顯示了成都市2014年主要大氣污染物月均濃度。SO2月均濃度范圍為11.3～30.9μg/m3，1月最高，8月最低。NO21月和12月濃度較高，均大于70μg/m3；6月最低，為35.8μg/m3。O3月均濃度為8.5～71.4μg/m3，1月最小，5月～7月濃度較高，均大于60μg/m3。PM10和PM2.5變化趨勢較為一致，均為1月最高，9月最低，月均濃度范圍分別為83.7～236.5μg/m3和42.6～167.8μg/m3。CO 5月濃度最高，為6.9mg/m3；8月最低，僅為0.9mg/m3。值得注意的是，除了CO外，其他污染物在5月也有一個小高峰，這可能是由秸稈露天燃燒所引起的。

總體而言，O3夏季濃度最高，冬季最低；其他污染物則相反，夏季濃度最低，冬季最高。原因在于O3濃度受光照強度影響較大，因此在太陽輻射較強的夏季濃度較高；而其他污染物濃度冬季最高的主要原因在于冬季氣象條件不利于污染物的擴散輸送，使得污染物不斷地積累，夏季則由于降水較為頻繁、擴散條件有利等綜合因素使得污染物濃度最低[14]。

圖1 2014年成都市主要大氣污染物濃度Fig.1 Main pollutant concentrations of Chengdu in 2014

2.1.2 日變化

在全國高校思想政治工作會議的講話中，習近平總書記強調(diào)：“高校思想政治工作關系到高校培養(yǎng)什么樣的人、如何培養(yǎng)人以及為誰培養(yǎng)人這個根本問題。要堅持把立德樹人作為中心環(huán)節(jié)，把思想政治工作貫穿教育教學全過程，實現(xiàn)全程育人、全方位育人，努力開創(chuàng)我國高等教育事業(yè)發(fā)展新局面?！盵1]376-379他同時還強調(diào)：高校教師要“更好擔起學生健康成長指導者和引路人的責任”“堅持教書和育人相統(tǒng)一”[1]379。

成都市2014年各污染物日變化規(guī)律如圖 2所示?？梢钥闯?，SO2日變化為單峰型，SO2峰值出現(xiàn)在中午11:00，濃度為23 μg/m3，與北京東靈山地區(qū)[15]SO2日變化特征一致。SO2的日變化規(guī)律主要受排放源和大氣擴散條件的影響，成都地區(qū)SO2主要來自工業(yè)源和電廠，多為高架源，早晨溫度低對流弱，高架源煙流主體落地時間延后，加之大氣的擴散稀釋能力較弱，造成SO2濃度逐漸增大，使得其濃度在中午達最大值[15-16]。

O3日變化與SO2相同，為單峰型。受太陽輻射日變化影響，O3峰值多出現(xiàn)在午后[16]，監(jiān)測站點最大值出現(xiàn)在16:00，為81.2 μg/m3，夜間則維持在較低水平。相比與北京[16]、天津[17]等地的研究，成都地區(qū)O3峰值出現(xiàn)時間要晚1～2h，這主要是由成都的地理位置造成的。

PM10和PM2.5日變化規(guī)律基本一致，均為單峰型，峰值出現(xiàn)在中午11:00，濃度分別為105.2 μg/m3和84.9 μg/m3，下午有所下降，晚上20：00以后開始緩慢上升，夜間均維持在較高水平。顆粒物的濃度變化影響因素較多，與一次顆粒物排放、前體物排放和氣象條件等均相關。

CO變化趨勢與NO2相同，為雙峰型，上午9:00～12:00出現(xiàn)第一個峰，此后開始下降，到晚上20:00以后開始上升，24:00出現(xiàn)第二峰，濃度值高于第一個峰，為1.9 mg/m3。CO日變化特征與北京[16]等地的CO日變化一致，上午峰值主要由上班高峰期引起，下午濃度較低主要是因為參與光化學反應生成O3而被消耗，晚上峰值的出現(xiàn)是由于夜間混合層高度和大氣邊界層穩(wěn)定狀態(tài)使局地地表源排放的CO在低層大氣中積累[16]。

圖2 2014年成都市污染物日變化Fig.2 Pollutants diurnal variation of Chengdu in 2014

2.2 空氣質(zhì)量評價

本研究采用AQI來評價空氣質(zhì)量，成都市2014年不同月份空氣質(zhì)量等級情況如圖3所示。由圖3可知，1月空氣質(zhì)量最差，嚴重污染出現(xiàn)的頻率最高，為39%，其次為重度污染，出現(xiàn)頻率為32%。2月的空氣質(zhì)量僅優(yōu)于1月，重度污染出現(xiàn)的頻率最高，其次為中度污染和輕度污染。4月、5月和12月輕度污染出現(xiàn)的頻率均為最高，分別為57%、83%和38%。其他各月出現(xiàn)頻率最高的均為良，頻率均在45%以上，其中8月和9月均大于80%?？諝赓|(zhì)量為優(yōu)的天數(shù)共4天，其中7月3天，8月1天。這與各污染物的月均濃度變化趨勢結論一致，即夏季空氣質(zhì)量較好，冬季較差。

圖3 2014年各月不同等級空氣質(zhì)量出現(xiàn)頻率Fig.3 Monthly frequency of air quality in 2014

2.3 氣象因素與污染物濃度的相關性

2.3.1 氣象因素與污染物濃度的相關性

本研究采用各污染物和氣象因素的日均值來計算Spearman 秩相關系數(shù)。溫度和風速與各污染物的相關性基本類似，與SO2、NO2、CO、PM10和PM2.5顯著負相關(見表1)，與O3顯著正相關。這說明O3濃度隨著溫度和風速的增加而升高，其他污染物濃度則隨著溫度和風速的增加而降低。原因在于近地層空氣溫度越高，大氣對流活動越強，風速越大，越有利于污染物的擴散稀釋，污染物的濃度越低。而O3因受太陽輻射強度影響較大，因此與溫度和風速正相關[2,5,8,13]。

氣壓與各污染物的相關性與溫度和風速相反，與CO相關性不顯著，與O3顯著負相關，與其他污染物顯著正相關。造成這一現(xiàn)象的原因在于氣壓的高低與大氣環(huán)流形勢密切相關，當?shù)孛媸艿蛪嚎刂茣r，四周高壓氣團流向中心，中心形成上升氣流，通常風力較大，利于污染物向上擴散；當?shù)孛媸芨邏嚎刂茣r，中心部位出現(xiàn)下沉氣流，阻止污染物向上擴散，在穩(wěn)定高壓的控制下，污染物濃度增加，大氣污染加重[2,8]。

相對濕度與所有污染物濃度均為顯著負相關，這與北京[5,13]、天津[2]等地的研究相反，與黃巍等人[9]2013～2014年期間對成都市相對濕度與顆粒物的相關性分析結果一致。造成這一現(xiàn)象的原因可能在于成都與北方城市不同，常年處在高濕度的氣象條件下(2014年平均相對濕度為76%)，而有研究表明當相對濕度達到80%以上時，非污染日出現(xiàn)的幾率則會增大，因為相對濕度很大時，代表有雨雪天氣的出現(xiàn)，降雨或降雪天氣都能有效地沖刷空氣中的各種污染物，特別是顆粒物，使空氣質(zhì)量好轉(zhuǎn)[2]。

表1 污染物日均濃度與氣象因素的Spearman 秩相關系數(shù)Tab.1 Spearmanrank correlation matrix coefficient between pollutants daily mass concentration and meteorological parameters

注：**表示在置信度(雙測)為 0.01 時，相關性是顯著的；*表示在置信度(雙測)為 0.05 時，相關性是顯著的。

為進一步分析相對濕度對空氣質(zhì)量的影響，對不同空氣質(zhì)量等級下相對濕度與PM10和PM2.5的Spearman 秩相關系數(shù)進行分析，結果如表2所示。空氣質(zhì)量為良和輕度污染時，相對濕度與PM10顯著負相關；空氣質(zhì)量為中度污染和重度污染時，兩者相關性不顯著；空氣質(zhì)量為嚴重污染時，兩者顯著正相關。而PM2.5僅在空氣質(zhì)量為嚴重污染時，才與相對濕度顯著正相關。由此說明，相對濕度對污染物濃度的影響不僅與濕度大小有關，還與污染程度相關。

表2 相對濕度與顆粒物在不同空氣質(zhì)量等級下的Spearman 秩相關系數(shù)Tab.2 Spearmanrank correlation matrix coefficient between particulate matter concentration and humidity under different air quality

注：**表示在置信度(雙測)為 0.01 時，相關性是顯著的；*表示在置信度(雙測)為 0.05 時，相關性是顯著的。

2.3.2 風向?qū)M2.5濃度的影響

風向?qū)M2.5的影響如圖4所示。監(jiān)測點位全年東北-東、西南和東南-南風向出現(xiàn)的頻率較高，分別為44.2%、22.9%和19.8%，西-西北和北風出現(xiàn)的頻率分別為7.4%和5.7%。在PM2.5濃度超過200μg/m3的高濃度事件中，東北-東和西南風仍為出現(xiàn)頻率較高的風向，且高于全年平均出現(xiàn)頻率，分別為49.8%和23.8%。而當PM2.5濃度超過300μg/m3時，東北-東和西南風向出現(xiàn)頻率之和上升到78%。這一方面是由于冬季東北-東和西南風向出現(xiàn)頻率之和高于其它季節(jié)，且PM2.5平均濃度也為全年最高，導致在PM2.5高濃度事件中，東北-東和西南風向出現(xiàn)頻率較高。另一方面，來自東北-東方向的德陽、遂寧以及西南方向的眉山等城市的氣流輸送可能帶來較高濃度的PM2.5。

圖4 風向?qū)M2.5濃度的影響Fig.4 Relation between wind direction and PM2.5 concentration

3 結 論

(1)受氣象因素影響，2014年成都市O3夏季濃度最高，冬季最低；其他污染物則相反。各污染物在5月均出現(xiàn)一個小高峰，可能是秸稈露天燃燒所致。

(2)SO2、O3、PM10和PM2.5日變化均呈單峰型。SO2、PM10和PM2.5峰值均出現(xiàn)在11:00；而O3受太陽輻射強度影響，峰值出現(xiàn)在16:00。NO2和CO日變化呈雙峰型，第一個峰值出現(xiàn)在10:00～11:00，第二峰值出現(xiàn)在23:00～24:00，上午峰值主要由上班高峰期引起，晚上峰值主要是由于夜間混合層高度和大氣邊界層穩(wěn)定狀態(tài)使污染物在低層大氣中積累。

(3)溫度和風速均與SO2、NO2、CO、PM10和PM2.5顯著負相關，與O3顯著正相關。大氣壓與SO2、NO2、CO、PM10和PM2.5顯著正相關，與O3顯著負相關。相對濕度與各污染物均顯著負相關，但在嚴重污染時與顆粒物顯著正相關，表明相對濕度對顆粒物的影響與濕度大小和污染程度等相關。此外，成都市相對濕度與各污染物相關性同北京等地的差異也說明在盆地特有氣象條件下，氣象因素對空氣質(zhì)量的影響更為復雜。

(4)在PM2.5高濃度事件中，東北-東和西南風出現(xiàn)的頻率均較高，兩者之和大于70%，表明來自這兩個方向的氣流輸送對PM2.5濃度有一定貢獻。

[1] 周國兵. 重慶市主城區(qū)氣象條件對空氣污染影響分析及數(shù)值模擬研究[D]. 蘭州：蘭州大學,2014.

[2] 劉 燚. 京津冀地區(qū)空氣質(zhì)量狀況及其與氣象條件的關系[D]. 長沙：湖南師范大學，2010.

[3] Pateraki S, Asimakopoulos D N, Flocas H A, et al. The role of meteorology on different sized aerosol fractions( PM10，PM2.5，PM2.5-10)[J]. Science of the Total Environment, 2012,419(1): 124-135.

[4] Tai A P K，Mickley L J，Jacob D J. Correlations between fine particulate matter(PM2.5) and meteorological variables in the United States: Implications for the sensitivity of PM2.5to climate change[J]. Atmospheric Environment, 2010, 44(32): 3976-3984.

[5] 趙晨曦, 王云琦, 王玉杰，等. 北京地區(qū)冬春PM2.5和PM10污染水平時空分布及其與氣象條件的關系[J]. 環(huán)境科學, 2014,35(2):418-427.

[6] 吳珊珊, 章毅之, 胡菊芳. 江西省霾天氣氣候特征及其與氣象條件的關系[J]. 氣象與環(huán)境學報, 2014,30(3): 71-76.

[7] GB3095-2012,中華人民共和國國家標準環(huán)境空氣質(zhì)量標準[S].

[8] 鄧利群,錢 駿,廖瑞雪,等. 2009年8～9月成都市顆粒物污染及其與氣象條件的關系[J]. 中國環(huán)境科學, 2012,32(8): 1433-1438.

[9] 黃 巍, 王 軍. 成都市城區(qū)大氣顆粒物對能見度影響研究[J]. 2015,四川環(huán)境, 34(2): 59-62.

[10] HJ633-2012,中華人民共和國國家環(huán)境保護標準環(huán)境空氣質(zhì)量指數(shù)( AQI) 技術規(guī)定[S].

[11] 周江興. 北京市幾種主要污染物濃度與氣象要素的相關分析[J]. 應用氣象學報. 2005,16(增刊): 123-127.

[12] 薛 薇. SPSS 統(tǒng)計分析方法及應用(第二版)[M]. 北京: 電子工業(yè)出版社, 2009,172.

[13] 李 軍, 孫春寶, 劉咸德,等. 氣象因素對北京市大氣顆粒物濃度影響的非參數(shù)分析[J]. 環(huán)境科學研究, 2009,22(6): 663-669.

[14] 路 嬋. 大氣污染物與氣象條件對長沙城市能見度的影響分析[D]. 長沙：中南大學,2010.

[15] 嚴曉瑜, 緱曉輝, 劉玉蘭,等. 銀川市大氣污染物濃度變化特征及其與氣象條件的關系[J]. 氣象與環(huán)境學報, 2015,31(2): 21-29.

[16] 于陽春, 胡 波, 王躍思. 北京東靈山地區(qū)主要大氣污染物濃度變化特征[J]. 環(huán)境科學, 2013,34(7): 2505-2511.

[17] 黃 鶴, 姚 青, 張文煜，等. 天津夏季低層大氣O3和NO2濃度垂直分布[J]. 環(huán)境科學研究, 2009,22(3): 315-320.

Non-Parameter Statistical Analysis of Impacts of Meteorological Conditions on Air Pollutants Concentration in Chengdu

FENG Xiao-qiong1,2, CHEN Jun-hui2, ZHU Yu-meng2, QIAN Jun2, YE Hong2

(1.SichuanProvinceEnvironmentalProtectionTechnologyEngineering,Chengdu610041,China;
2.SichuanResearchInstituteofEnvironmentalProtection,Chengdu610041,China)

Online monitoring data of air pollutants and meteorological parameters of Chengdu in 2014 were collected to study their temporal distribution characteristics, and the correlation between daily concentration and meteorological parameters were analyzed using spearman rank correlation coefficient. The results showed that the highest concentration of ozone appeared in summer while the lowest appeared in winter. The concentration of other air pollutants (sulfur dioxide, nitrogen dioxide, carbon monoxide, inhalable particle and fine particulate matter) were just the opposite. All the pollutants showed up a small peak in May which might be affected by field biomass burning emissions. In term of correlation between atmospheric pollutants and meteorological parameters, the temperature and wind speed showed a significantly positive correlation with ozone, and a significantly negative correlation with other pollutants. The barometric pressure had opposite influence on air pollutants. A significantly negative correlation existed between the relative humidity and all pollutants, however it showed a reverse relationship with particulate matter under serious pollution.

Atmospheric pollutants；meteorology condition；non-parameter statistical analysis

2016-06-27

馮小瓊(1986-)，女，四川瀘州人，2013年畢業(yè)于華南理工大學環(huán)境工程專業(yè)，工程師，主要從事大氣污染防治研究。

X

A

1001-3644(2017)01-0030-05