论文部分内容阅读
【摘 要】为了摸清乐山市颗粒物污染的特征，本文利用乐山市实时发布的PM2.5等颗粒物监测数据，对颗粒物的达标情况、变化趋势及其与气象因子关联性等方面的特征进行探讨。结果表明：颗粒物型污染是影响乐山市城市空气质量的首要因素；颗粒物浓度逐小时变化呈周期性的波动规律，污染程度表现为夜间高于白天；颗粒物特别是PM2.5日均质量浓度与相对湿度和能见度呈显著相关；ρ（PM10）和ρ（PM2.5）日均值有着非常显著的线性相关关系。
【关键词】PM2.5；PM10；污染特征；气象因子
Leshan City Environmental Air Pollution Pharacteristics Of PM10 And PM2.5
Zhang xi chang1 liu qiong ying2 zou ai hua1
（1. Environmental Monitoring Center Station； 2. Leshan Vocational& Technical College， Leshan Sichuan 614000）
Abstract： in order to find out the characteristics of particulate pollution in Leshan City， the particles according to the monitoring data of Leshan City real-time release of PM2.5， discusses the standards， the change trends of the particles and the characteristics and meteorological factor association etc.. The results show that： the primary factors affect Leshan City air quality is the particulate matter pollution； particulate matter concentration hourly changes showed fluctuation cyclical， pollution degree is higher than during the day and night performance； particulate matter especially PM2.5 daily average concentrations were significantly correlated with relative humidity and visibility was；ρ（PM10） andρ（ PM2.5） has a very significant linear correlation between.
Keywords： PM2.5； PM10； Pollution Characteristics； Meteorological Factor
大气颗粒物根据空气动力学等效直径大小，可将其分为总悬浮颗粒物（TSP）、颗粒物（PM10）和颗粒物（PM2.5），颗粒物已成为影响我国城市空气质量的首要污染物，近年来凸显出颗粒物（PM2.5）污染问题严重且来源复杂[1]。
为了摸清乐山市颗粒物污染的特征，本文利用乐山市实时发布的PM10、PM2.5等监测数据，对乐山市区各监测点颗粒物的达标情况、变化趋势及其与气象因子关联性等方面的特征进行研究，为制定科学有效的颗粒物污染防控措施提供依据。
1 数据来源
本研究数据来源于乐山市4个监测点环境质量监测实时发布数据，其中 PM2.5数据从 2014年 7月10日开始发布。根据各个监测站点 ρ（PM10）和 ρ（PM2.5）的小时均值，计算每日 0 时至 24 时发布的某监测点 ρ（PM10）和 ρ（PM2.5）各小时均值的算术平均值为该点位日均值。气象因子观测数据采用各站点实测的气温、气压、相对湿度、能见度等气象数据。
2 结果与分析
2.1乐山市颗粒物污染特征分析
2014年，乐山市 PM10的年均质量浓度为 76.1μg·m-3，超过了年均值二级标准限值70μg·m-3。根据统计数据，2014年全年乐山市空气质量超标日的首要污染物都是 PM10。PM10的日均质量浓度超二级标准限制150μg·m-3的天数为34d，达标天数比例为90.7%。
2014年各月份PM2.5、PM10污染程度以6-9 月PM10污染程度较轻，秋季和冬季 PM10污染均较为严重。从PM2.5、PM10月均质量浓度和超标天数上看，秋季和冬季是乐山市区PM10污染程度最高的时段。PM10浓度月、季分布特征明显，说明其浓度变化与天气条件密切相关。对于乐山市区来说，其污染源分布一般比较固定，污染物排放也是相对固定的，而气象条件是最容易改变的，它的改变直接影响了PM10、PM2.5浓度高低，因为气象条件对大气污染物的输送、扩散和化学反应过程有着重要影响。在相同排放的情况下，不同的天气条件可能会产生截然不同的污染状况[2] [3]。
2.2 颗粒物各月份达标情况
统计2014年7-12 月的ρ（PM10）和ρ（PM2.5）达标情况。按照标准规定，PM10的24h质量浓度均值超过二级标准浓度限值150μg·m-3即为超标，PM2.5的24h质量浓度均值超过75μg.m-3即为超标。将研究时段内有完整监测数据的日均值，与对应的二级浓度标准限值做比较，经统计2014年7-12月ρ（PM10）达标天数比例为 89.1%，ρ（PM2.5）的达标天数比例为72.8%。ρ（PM10）和ρ（PM2.5）各个月份达标天数比例以12 月最低，分别为77.4%和61.3%。 从统计结果还表明：各个月ρ（PM2.5）的达标天数均低于ρ（PM10）。由此可以看出，虽然PM2.5是PM10的组成部分，但从达标情况上看乐山市区的PM2.5的污染程度要比PM10更加严重，ρ（PM2.5）能更全面深入的反映颗粒物污染问题，因此做好PM2.5污染特征的研究意义重大。
2.3 颗粒物浓度逐小时变化趋势
以8月和12月作为夏季和秋冬季的代表月将乐山市区每小时的ρ（PM10）和ρ（PM2.5绘制成折线图来表现颗粒物浓度的逐小时变化情况如图1、图2所示。
图1 乐山市区8月PM10和 PM10变质量浓度变化趋势
图2乐山市区12月PM10和 PM10变质量浓度变化趋势
图1、图2显示ρ（PM10）和ρ（PM2.5）的24h变化曲线形状近似只是质量浓度数值上有差异。夏季颗粒物平均质量浓度均值24h内变化曲线呈双峰双谷型，21：00～01：00出现第一峰值，10：00～12：00出现次峰值，约13：00开始下降，16：00达第一低值，06：00～09：00出现第二低值。秋冬季颗粒物平均质量浓度均值24h内变化曲线呈双峰单谷型，21：00～00：00出现第一峰值，此后一直维持较高水平，约13：00左右开始下降，16：00达低值，18：00左右逐渐升高。
本研究得出的变化曲线与王淑英和张小玲[4]的研究结论比较接近，整体来看夜间颗粒物污染要比白天严重。
2.4 ρ（PM10）与ρ（PM2.5）的相关性
大量研究表明，对人体健康的损害与较多暴露于PM2.5密切相关。ρ（PM2.5）/ρ（PM10）的比值越大，则颗粒物的毒害越大[5]。国内外学者在研究ρ（PM2.5）/ρ（PM10）的关系时，发现虽然不同地区的ρ（PM2.5）/ρ（PM10）的比值存在一定的差异，但是ρ（PM2.5）/ρ（PM10）的比值基本上维持在0.3—0.8之间。乐山市区夏季ρ（PM2.5）/ρ（PM10）的比值在0.42-0.79；秋冬季ρ（PM2.5）/ρ（PM10）的比值在0.44—0.83；平均0.65。与重庆主城区ρ（PM2.5）/ρ（PM10）的比值处于0.52—0.85及南京市空气中的ρ（PM2.5）/ρ（PM10）的比值处于0.54—0.86之间的研究结果比较吻合[6]。此外乐山市区夏季的ρ（PM2.5）/ρ（PM10）的比值变化范围较秋冬季要窄，出现这种现象的原因可能与夏季乐山市区PM2.5的污染来源相对较单一和稳定，污染物扩散相对较好有关。
为了研究颗粒物PM2.5与PM10的相关性，将乐山市区同步监测的ρ（PM2.5）/ρ（PM10）日均值数据在二维坐标系上绘制成散点图（图3、图4）。
图3 pm2.5与pm10质量浓度日均值相关性（夏季）
图4 pm2.5与pm10质量浓度日均值相关性（秋冬季）
从图中可以看出，二者有着非常显著的线性相关关系，秋冬季更为密切。以ρ（PM10）日均值为自变量x，以ρ（PM2.5）日均值为因变量y的直线拟合方程为：y=0.7271x-4.4619， R2=0.936。回归方程的复相关系数R2达到了0.9以上，说明直线对散点的拟合度很高，能够反应出二者的关联规律。
2.5 颗粒物同气象因子的相关性
在不同的气象条件下，同一污染源排放所造成的地面污染物浓度可相差几十倍乃至几百倍[7]。为了更好的体现不同气象因子对颗粒物质量浓度变化的影响规律，本文利用颗粒物质量浓度日均值数据和同步测试的的常见气象因子（气压、气温、相对湿度、能见度）数据进行了皮尔森相关系数（Pearson correlation coefficient）分析，结果见表1。
从表中可以看出：1）空气湿度对颗粒物在大气中的扩散有着较大的影响。颗粒物质量浓度与相对湿度呈显著正相关关系，随着相对湿度的增大而增大。因为当空气中相对湿度较大时，空气中水蒸气容易以微尘为凝结核形成雾，致使粒子变重，沉聚在低层大气中，形成一层保护层阻碍空气的扩散，导致空气中颗粒物污染增加。2）出当颗粒物浓度增加时，特别是PM2.5浓度增加时空气看起来很混浊，大气能见度降低，两者之间呈负相关。大气中颗粒物浓度严重影响着大气的能见度，颗粒物的消光系数占总消光系数的90%以上，是能见度下降的主要贡献者[8]。3）ρ（PM10.5）和ρ（PM2.5）与气压和气温相关性不显著，ρ（PM10）和ρ（PM2.5）浓度受气压和气温的影响相对较小。
3 结论
（1）2颗粒物型污染是影响乐山市城市空气质量的首要因素，且PM2.5的污染程度要比PM10更加严重。
（2）乐山市区颗粒物污染特征呈现“逐渐积累，不易消散，持续时间较长”。受四川盆地特殊的地形地貌、秋冬季以静稳天气为主、空气湿度大等影响，在有充足的颗粒物污染源存在时，外界条件一旦不利于颗粒物扩散就会形成较长时间的污染。
（3）初步研究表明：颗粒物特别是PM2.5日均质量浓度与相对湿度和能见度呈显著相关。特别是在秋冬季相对湿度高往往反映了大气层结稳定，颗粒物易聚积；夏季，相对湿度高则对应着降雨过程，颗粒物的质量浓度会在降雨的湿清除作用下明显下降。而颗粒物浓度增加时，大气能见度降低，尤以粒径<2.5μm的细微粒是引起能见度降低的重要原因。
（4）乐山市区ρ（PM10）和ρ（PM2.5）日均值有着非常显著的线性相关关系，且ρ（PM10）与ρ（PM2.5）日均值的比值在0.65左右，说明了乐山市区大气颗粒物污染主要由颗粒物（PM2.5）造成，应引起相高度重视。
参考文献：
[1] Wang H L， Zhuang Y H， Wang Y， et al. Long-term monitoring and source apportionment ofPM2.5/PM1 in Beijing， China[J].J Environ Sci， 2008，20（11）：1323-1327.
[2] Ye B M，Ji X L，Yang H Z，et al.Goncentration and chemicalcomposition of PM2.5 in shanghai for a 1-year period [J].Atmospheric environment，2003，37（4）；499-510.
[3] 王宏，冯宏芳，隋平，等.福州市灰霾气象要素场特征分析[J].气象科技，2009，37（6）：670-675.
[4]王淑英， 张小玲. 北京地区PM10污染的气象特征[J]. 应用气象学报，2002，13（增刊）： 177-184.
[5] Kanak M，Seinfeld J H，Pandis Sn，et al.Organic aerosol and global climate modelling：a review[J].Atmospheric Chemistry and physics，2005，5：1053—1123.
[6] 黄鹂鸣，王格慧，王荟，等.南京市空气中颗粒物PM10、PM2.5污染水平[J].中国环境科学，2002，22：334-337.
[7] 程兴宏， 徐祥德， 丁国安等. 北京市城市街区PM10浓度日变化特征及其影响因子[J]. 安全与环境学报， 2007， 7（3）： 77-82.
[8] 刘新民 邵敏. 北京市夏季消光系数的来源分析[J].环境科学学报， 2004， 2；185-189.
作者简介
张喜长（1963—），男，高级工程师，主要研究方向：环境监测。
刘琼英（1964—），女，教授，主要研究方向：生态旅游。
邹爱华（1966—），女，高级工程师，主要研究方向：环境监测。
【关键词】PM2.5；PM10；污染特征；气象因子
Leshan City Environmental Air Pollution Pharacteristics Of PM10 And PM2.5
Zhang xi chang1 liu qiong ying2 zou ai hua1
（1. Environmental Monitoring Center Station； 2. Leshan Vocational& Technical College， Leshan Sichuan 614000）
Abstract： in order to find out the characteristics of particulate pollution in Leshan City， the particles according to the monitoring data of Leshan City real-time release of PM2.5， discusses the standards， the change trends of the particles and the characteristics and meteorological factor association etc.. The results show that： the primary factors affect Leshan City air quality is the particulate matter pollution； particulate matter concentration hourly changes showed fluctuation cyclical， pollution degree is higher than during the day and night performance； particulate matter especially PM2.5 daily average concentrations were significantly correlated with relative humidity and visibility was；ρ（PM10） andρ（ PM2.5） has a very significant linear correlation between.
Keywords： PM2.5； PM10； Pollution Characteristics； Meteorological Factor
大气颗粒物根据空气动力学等效直径大小，可将其分为总悬浮颗粒物（TSP）、颗粒物（PM10）和颗粒物（PM2.5），颗粒物已成为影响我国城市空气质量的首要污染物，近年来凸显出颗粒物（PM2.5）污染问题严重且来源复杂[1]。
为了摸清乐山市颗粒物污染的特征，本文利用乐山市实时发布的PM10、PM2.5等监测数据，对乐山市区各监测点颗粒物的达标情况、变化趋势及其与气象因子关联性等方面的特征进行研究，为制定科学有效的颗粒物污染防控措施提供依据。
1 数据来源
本研究数据来源于乐山市4个监测点环境质量监测实时发布数据，其中 PM2.5数据从 2014年 7月10日开始发布。根据各个监测站点 ρ（PM10）和 ρ（PM2.5）的小时均值，计算每日 0 时至 24 时发布的某监测点 ρ（PM10）和 ρ（PM2.5）各小时均值的算术平均值为该点位日均值。气象因子观测数据采用各站点实测的气温、气压、相对湿度、能见度等气象数据。
2 结果与分析
2.1乐山市颗粒物污染特征分析
2014年，乐山市 PM10的年均质量浓度为 76.1μg·m-3，超过了年均值二级标准限值70μg·m-3。根据统计数据，2014年全年乐山市空气质量超标日的首要污染物都是 PM10。PM10的日均质量浓度超二级标准限制150μg·m-3的天数为34d，达标天数比例为90.7%。
2014年各月份PM2.5、PM10污染程度以6-9 月PM10污染程度较轻，秋季和冬季 PM10污染均较为严重。从PM2.5、PM10月均质量浓度和超标天数上看，秋季和冬季是乐山市区PM10污染程度最高的时段。PM10浓度月、季分布特征明显，说明其浓度变化与天气条件密切相关。对于乐山市区来说，其污染源分布一般比较固定，污染物排放也是相对固定的，而气象条件是最容易改变的，它的改变直接影响了PM10、PM2.5浓度高低，因为气象条件对大气污染物的输送、扩散和化学反应过程有着重要影响。在相同排放的情况下，不同的天气条件可能会产生截然不同的污染状况[2] [3]。
2.2 颗粒物各月份达标情况
统计2014年7-12 月的ρ（PM10）和ρ（PM2.5）达标情况。按照标准规定，PM10的24h质量浓度均值超过二级标准浓度限值150μg·m-3即为超标，PM2.5的24h质量浓度均值超过75μg.m-3即为超标。将研究时段内有完整监测数据的日均值，与对应的二级浓度标准限值做比较，经统计2014年7-12月ρ（PM10）达标天数比例为 89.1%，ρ（PM2.5）的达标天数比例为72.8%。ρ（PM10）和ρ（PM2.5）各个月份达标天数比例以12 月最低，分别为77.4%和61.3%。 从统计结果还表明：各个月ρ（PM2.5）的达标天数均低于ρ（PM10）。由此可以看出，虽然PM2.5是PM10的组成部分，但从达标情况上看乐山市区的PM2.5的污染程度要比PM10更加严重，ρ（PM2.5）能更全面深入的反映颗粒物污染问题，因此做好PM2.5污染特征的研究意义重大。
2.3 颗粒物浓度逐小时变化趋势
以8月和12月作为夏季和秋冬季的代表月将乐山市区每小时的ρ（PM10）和ρ（PM2.5绘制成折线图来表现颗粒物浓度的逐小时变化情况如图1、图2所示。
图1 乐山市区8月PM10和 PM10变质量浓度变化趋势
图2乐山市区12月PM10和 PM10变质量浓度变化趋势
图1、图2显示ρ（PM10）和ρ（PM2.5）的24h变化曲线形状近似只是质量浓度数值上有差异。夏季颗粒物平均质量浓度均值24h内变化曲线呈双峰双谷型，21：00～01：00出现第一峰值，10：00～12：00出现次峰值，约13：00开始下降，16：00达第一低值，06：00～09：00出现第二低值。秋冬季颗粒物平均质量浓度均值24h内变化曲线呈双峰单谷型，21：00～00：00出现第一峰值，此后一直维持较高水平，约13：00左右开始下降，16：00达低值，18：00左右逐渐升高。
本研究得出的变化曲线与王淑英和张小玲[4]的研究结论比较接近，整体来看夜间颗粒物污染要比白天严重。
2.4 ρ（PM10）与ρ（PM2.5）的相关性
大量研究表明，对人体健康的损害与较多暴露于PM2.5密切相关。ρ（PM2.5）/ρ（PM10）的比值越大，则颗粒物的毒害越大[5]。国内外学者在研究ρ（PM2.5）/ρ（PM10）的关系时，发现虽然不同地区的ρ（PM2.5）/ρ（PM10）的比值存在一定的差异，但是ρ（PM2.5）/ρ（PM10）的比值基本上维持在0.3—0.8之间。乐山市区夏季ρ（PM2.5）/ρ（PM10）的比值在0.42-0.79；秋冬季ρ（PM2.5）/ρ（PM10）的比值在0.44—0.83；平均0.65。与重庆主城区ρ（PM2.5）/ρ（PM10）的比值处于0.52—0.85及南京市空气中的ρ（PM2.5）/ρ（PM10）的比值处于0.54—0.86之间的研究结果比较吻合[6]。此外乐山市区夏季的ρ（PM2.5）/ρ（PM10）的比值变化范围较秋冬季要窄，出现这种现象的原因可能与夏季乐山市区PM2.5的污染来源相对较单一和稳定，污染物扩散相对较好有关。
为了研究颗粒物PM2.5与PM10的相关性，将乐山市区同步监测的ρ（PM2.5）/ρ（PM10）日均值数据在二维坐标系上绘制成散点图（图3、图4）。
图3 pm2.5与pm10质量浓度日均值相关性（夏季）
图4 pm2.5与pm10质量浓度日均值相关性（秋冬季）
从图中可以看出，二者有着非常显著的线性相关关系，秋冬季更为密切。以ρ（PM10）日均值为自变量x，以ρ（PM2.5）日均值为因变量y的直线拟合方程为：y=0.7271x-4.4619， R2=0.936。回归方程的复相关系数R2达到了0.9以上，说明直线对散点的拟合度很高，能够反应出二者的关联规律。
2.5 颗粒物同气象因子的相关性
在不同的气象条件下，同一污染源排放所造成的地面污染物浓度可相差几十倍乃至几百倍[7]。为了更好的体现不同气象因子对颗粒物质量浓度变化的影响规律，本文利用颗粒物质量浓度日均值数据和同步测试的的常见气象因子（气压、气温、相对湿度、能见度）数据进行了皮尔森相关系数（Pearson correlation coefficient）分析，结果见表1。
从表中可以看出：1）空气湿度对颗粒物在大气中的扩散有着较大的影响。颗粒物质量浓度与相对湿度呈显著正相关关系，随着相对湿度的增大而增大。因为当空气中相对湿度较大时，空气中水蒸气容易以微尘为凝结核形成雾，致使粒子变重，沉聚在低层大气中，形成一层保护层阻碍空气的扩散，导致空气中颗粒物污染增加。2）出当颗粒物浓度增加时，特别是PM2.5浓度增加时空气看起来很混浊，大气能见度降低，两者之间呈负相关。大气中颗粒物浓度严重影响着大气的能见度，颗粒物的消光系数占总消光系数的90%以上，是能见度下降的主要贡献者[8]。3）ρ（PM10.5）和ρ（PM2.5）与气压和气温相关性不显著，ρ（PM10）和ρ（PM2.5）浓度受气压和气温的影响相对较小。
3 结论
（1）2颗粒物型污染是影响乐山市城市空气质量的首要因素，且PM2.5的污染程度要比PM10更加严重。
（2）乐山市区颗粒物污染特征呈现“逐渐积累，不易消散，持续时间较长”。受四川盆地特殊的地形地貌、秋冬季以静稳天气为主、空气湿度大等影响，在有充足的颗粒物污染源存在时，外界条件一旦不利于颗粒物扩散就会形成较长时间的污染。
（3）初步研究表明：颗粒物特别是PM2.5日均质量浓度与相对湿度和能见度呈显著相关。特别是在秋冬季相对湿度高往往反映了大气层结稳定，颗粒物易聚积；夏季，相对湿度高则对应着降雨过程，颗粒物的质量浓度会在降雨的湿清除作用下明显下降。而颗粒物浓度增加时，大气能见度降低，尤以粒径<2.5μm的细微粒是引起能见度降低的重要原因。
（4）乐山市区ρ（PM10）和ρ（PM2.5）日均值有着非常显著的线性相关关系，且ρ（PM10）与ρ（PM2.5）日均值的比值在0.65左右，说明了乐山市区大气颗粒物污染主要由颗粒物（PM2.5）造成，应引起相高度重视。
参考文献：
[1] Wang H L， Zhuang Y H， Wang Y， et al. Long-term monitoring and source apportionment ofPM2.5/PM1 in Beijing， China[J].J Environ Sci， 2008，20（11）：1323-1327.
[2] Ye B M，Ji X L，Yang H Z，et al.Goncentration and chemicalcomposition of PM2.5 in shanghai for a 1-year period [J].Atmospheric environment，2003，37（4）；499-510.
[3] 王宏，冯宏芳，隋平，等.福州市灰霾气象要素场特征分析[J].气象科技，2009，37（6）：670-675.
[4]王淑英， 张小玲. 北京地区PM10污染的气象特征[J]. 应用气象学报，2002，13（增刊）： 177-184.
[5] Kanak M，Seinfeld J H，Pandis Sn，et al.Organic aerosol and global climate modelling：a review[J].Atmospheric Chemistry and physics，2005，5：1053—1123.
[6] 黄鹂鸣，王格慧，王荟，等.南京市空气中颗粒物PM10、PM2.5污染水平[J].中国环境科学，2002，22：334-337.
[7] 程兴宏， 徐祥德， 丁国安等. 北京市城市街区PM10浓度日变化特征及其影响因子[J]. 安全与环境学报， 2007， 7（3）： 77-82.
[8] 刘新民 邵敏. 北京市夏季消光系数的来源分析[J].环境科学学报， 2004， 2；185-189.
作者简介
张喜长（1963—），男，高级工程师，主要研究方向：环境监测。
刘琼英（1964—），女，教授，主要研究方向：生态旅游。
邹爱华（1966—），女，高级工程师，主要研究方向：环境监测。