睢宁地区大气PM2.5及气态污染物季节性变化特征

王玮，苏宏智

(睢宁县环境保护监测站，江苏 徐州 221225)

睢宁地区大气PM2.5及气态污染物季节性变化特征

王玮，苏宏智

(睢宁县环境保护监测站，江苏 徐州 221225)

根据2014年全年实时在线观测数据，分析了徐州睢宁地区大气细颗粒物(PM2.5)和气态污染物(包括SO2、CO、NOx、O3)质量浓度的季节性变化特征。结合后向轨迹模型，分析不同气团对该地区大气污染浓度的影响。PM2.5与O3值在夏季最低，呈显著相关，表明夏季PM2.5主要受控于本地大气光化学活性。在冬季，除O3外，PM2.5、SO2、CO、NOx值最高，且大气颗粒物主要以细粒子为主。O3在春季最高，并与远程传输的气团且经过我国东部污染源密集地区相对应。高浓度的PM2.5主要与冬季缓慢移动的气团相对应，这可能将PM2.5及其气态前体物传输至该地区进而加重大气污染程度。

大气细颗粒物；气态前体物；季节变化；睢宁

随着我国经济快速发展，城市化格局不断变化，大气污染源分布特征已发生了明显变化，其污染逐渐向中、小城市转移[1-4]。2012年环保部关于《环境空气质量指数(AQI)技术规定(试行)》的颁布实施，我国中东部城市群地区逐步进入到以臭氧(O3)和细颗粒物(PM2.5)复合污染防治为核心的区域性大气污染联防联控新阶段[5-10]。

徐州市位于江苏省的西北角，地处苏、鲁、豫、皖四省交界处，属于典型的多省际交界地区。现根据徐州的特殊地理位置，采用外场观测实验的方法，分析大气PM2.5及气态污染物的季节性浓度变化特征，对进一步了解我国中小城市大气气溶胶的污染特征，及有针对性地采取防控措施改善城市空气质量具有现实意义。

1 研究方法

1.1 外场观测地点

观测地点设置在江苏省徐州市郊区城市——睢宁县(117°95′N，33°93′E)农村商业银行支行房顶，采样高度距离地面约15 m，周边地理环境主要为居民区和交通干道。

1.2 观测仪器

观测仪器均采用连续在线分析技术，全年每天24 h实时在线观测(仪器故障和日常维护除外)。利用BETA 射线颗粒物监测仪(BAM-1020，美国Met One公司)观测大气颗粒物(包括PM2.5和PM10)浓度。

应用NO-NO2-NOx分析仪(Model 42i，美国 Thermo 公司)通过化学发光法监测NO2；应用O3分析仪(Model 49i，美国 Thermo公司)监测O3，CO分析仪(Model 48i，美国 Thermo公司)监测CO。NO-NO2-NOx分析仪和O3分析仪采样流量均为0.65 L/min，时间分辨率10 min；CO分析仪采样流量为0.75 L/min，时间分辨率15 min。

1.3 数据质量控制

所有观测仪器均按维护标准维护、标定和校零，以保证检测数据的准确性、精密性(又分为平行性、重复性、再现性)、代表性、完整性、可比性。用于标定的化学药品选用商业化和纯度高的标准物质。样品采集过程严格按照相应的美国国家环境保护局(EPA)标准和国家气象观测标准执行。

2 结果与讨论

2.1 时间序列变化特征

图1(a)(b)(c)给出了2014年在观测点大气中的气态污染物(包括O3，SO2，CO，NOx)、PM2.5和PM10质量浓度的时间序列。

图1 2014年观测点气态污染物、ρ(PM2.5)、ρ(PM10)以及ρ(PM2.5)/ρ(PM10)的时间序列变化

观测期间PM2.5年均值为 68.56 μg/m3，接近长三角西部城市观测结果75.6 μg/m3[11]，高于珠江三角洲的深圳市42.2 μg/m3[12]，远低于在北京观测结果135 μg/m3[13]。说明江苏西北部地区大气细颗粒物污染水平基本和长三角西部城市地区一致，高于珠江三角洲地区，但低于我国京津冀地区大气污染水平。

在冬季，PM2.5、CO和NOx呈现出波动较大的变化特征。6月份呈现出剧烈的变化趋势且浓度偏高的特征，7月和8月份污染物呈现浓度低且平稳的变化趋势。这与文献[14]在北京观测ρ(PM10)变化趋势较类似。6月份瞬时ρ(PM2.5)偏高可能主要归结于受到周边地区秸秆焚烧的影响[15]。文献[15-16]均也发现6月份秸秆焚烧时期，特别是安徽省与江苏省边界处发生的秸秆焚烧会对长三角西部城市大气颗粒物有贡献。

2.2 PM2.5与气态污染物的关系

PM2.5与气态污染物CO、 Ox、NOx和SO2质量浓度之间在不同季节的相关性见图2(a)(b)(c)(d)。其中ρ(CO)单位103μg/m3。

由图2可见，夏季和秋季PM2.5与CO和NOx的质量浓度呈现出较好的相关性，其相关系数分别高于冬季和春季。城市大气中的NOx一般主要源于本地源[17]，可见本地源对观测点位大气中PM2.5贡献较大。在城市大气中Ox(=O3+NO2) 可代表光化学反应的示踪物[18]。

如图2(b)所示，相比于冬季和春季，在夏季和秋季PM2.5与Ox质量浓度呈相对较好的相关性，表明在夏季和秋季温度相对较高和光化学反应活性较强的条件下，ρ(PM2.5)会受本地大气光化学反应过程的影响，同时也表明夏季和秋季大气光化学反应生成的二次组分对ρ总(PM2.5)具有相对较大的贡献。

图2 ρ(PM2.5)与气态污染物ρ(CO)、ρ(Ox)、ρ(NOx)和ρ(SO2)之间在不同季节的相关性

综上可见，夏季和秋季大气PM2.5中的化学组分主要由本地源贡献，尤其是通过大气光化学反应生成的二次有机组分(如：低挥发性二次有机气溶胶)和二次无机组分(如：硫酸盐)[19-21]。

近年，观测研究发现我国东部城市大气中PM2.5中存在大量的硫酸盐的贡献，而硫酸盐气溶胶在冬季低温和高湿的环境条件下容易通过液相氧化反应而生成[22]。

如图2(d)所示，一年四季中夏季ρ(PM2.5)与SO2呈较好的相关性，可见在夏季二次硫酸盐气溶胶是PM2.5的重要贡献。此外，PM2.5在冬季占PM10的73%，表明冬季大气颗粒物主要为细颗粒物。这些特征与前人在大城市大气中观测的结果相似[11，22]。因此，我国东部中小型城市大气中PM2.5的来源和形成机制同大城市类似。

2.3 季节性浓度变化特征

PM2.5和PM10均呈现出冬季高和夏季低的特征。冬季PM2.5平均值为97.27 μg/m3，其值低于长三角城市大气(113 μg/m3)和北京冬季(139 μg/m3)水平，也低于2013年1月冬季雾霾期间北京(158.5 μg/m3)，西安(345.1 μg/m3)水平，但高于广州(69.1 μg/m3)[6]。

ρ(PM2.5)/ρ(PM10)在冬季(1月，2月，12月)呈现高值，但在5月份呈现最低值，这表明冬季污染时期大气颗粒物主要以细粒子污染为主；在春季5月份，大气颗粒物的浓度可能受到沙尘远程输送的影响。5月和6月份PM2.5平均值出现“没有规律性”的高值(图1)，主要原因是受到徐州周边地区秸秆焚烧的影响。

图3(a)(b)(c)(d)(e)(f)给出了观测期间，PM2.5、PM10和气态污染物质量浓度季节性变化频率分布情况。除了O3外，其他所有污染物高浓度均呈现在冬季。在冬季，ρ日平均(PM2.5)超标率达50 %以上，可见控制PM2.5依然是大气污染治理中的重点。同时，PM2.5的气态前体物，如NOx和SO2，其高频浓度主要分布在相对高浓度。其中ρ(CO)单位102μg/m3。

2.4 不同类型气团对PM2.5和气态污染物的影响

气团的来源和性质对大气颗粒物浓度会产生十分明显的影响[10]。利用后向轨迹模型(NOAA HYSPLIT 4.8 model)计算气团来源，聚类分析得出4类不同类型的气团来源，见图4(a)(b)(c)(d)。

对应不同气团来源类型计算PM2.5、PM10、气态污染物(CO、NOx、O3、SO2)不同的浓度特征，见图5(a)(b)(c)(d)(e)(f)。其中ρ(PM10)、ρ(CO)单位为102μg/m3。

图3 PM2.5、PM10和气态污染日平均质量浓度频数分布

图4 聚类之后4类不同的反向轨迹气团来源

由图5可见，除了O3外，其他污染物均在类型1气团中展示出4种类型中的最高浓度。类型1气团主要分布在冬季，这与冬季雾霾污染期间的天气变化特征类似，即重污染时期大气层稳定，气团流动缓慢，空气污染物扩散条件差，导致污染物不易扩散从而在大气中累积[21，23]。O3在类型1气团中浓度最高。

类型3气团多发生在春季，该气团类型属于远程传输且经过我国中东部较发达地区，包括京津冀和长三角。

图5 不同类型的反向轨迹所对应的PM2.5、PM10和气态污染物平均值

由此可见，观测点地区大气中O3的浓度在春季容易受到类型1气团远程传输的影响。在类型2气团中，所有污染组分均呈现最低值。总体而言，在不同季节中CO在不同气团中的浓度变化相对不明显，可见CO除了本地排放源排放外，也呈现出一种季节性区域污染特征。在类型4气团中，缓慢移动的气块有可能将其他污染区域的污染物传输至徐州附近地区，进而加重观测点位大气的污染程度。

3 结论

利用实时在线观测仪，在江苏省徐州市睢宁县城进行全年外场观测，分析了大气中PM2.5和气态污染物(包括SO2、CO、NOx、O3)质量浓度的季节变化特征。结合后向轨迹模型，分析不同来源气团对该地区观测项目的潜在影响。PM2.5的季节平均值分别为：春[(64.92±23.16)μg/m3]、夏[(55.75±29.20)μg/m3]、秋[(56.77±33.25 μg/m3)] 、冬[(97.27±57.08)μg/m3]。夏季PM2.5与O3呈显著相关，表明该地区夏季PM2.5主要受控于大气光化学活性的影响。在冬季，除了O3外，PM2.5、SO2、CO、NOx值最高，且高浓度的大气颗粒物以细粒子为主，表明细粒子对大气颗粒物污染的贡献较大。这也体现出在冬季雾霾污染频发时期我国中小城市大气污染特征与大城市污染特征类似。O3在春季最高并与远程传输的气团且经过我国东部发达地区(如京-津-冀和长三角地区)相对应。结合后向轨迹分析发现，高浓度的PM2.5与冬季的偏北和偏东南类型气团相对应。

[1] 王自发，李杰，王哲，等.2013年1月我国中东部强霾污染的数值模拟和防控对策[J].中国科学：地球科学，2014， 44(1)：3-14.

[2] 吴兑.近十年中国灰霾天气研究综述[J].环境科学学报， 2012， 32(2)：257-269.

[3] 张小曳，孙俊英，王亚强，等.我国雾-霾成因及其治理的思考[J].科学通报， 2013， 13(13)：1178-1187.

[4] 姚玉刚，邹强，张仁泉，等.灰霾监测研究进展[J].环境监控与预警， 2012， 4(5)：14-17.

[5] HUANGR J， ZHANG Y L， BOZZETTI C， et al. High secondary aerosol contribution to particulate pollution during haze events in China[J]. Nature， 2014， 514(7521)：218-222.

[6] 贺克斌，杨复沫，段风魁，等. 北京大气颗粒物污染的区域性本质[M].北京：科学出版社， 2011：156-453.

[7] 王跃思，姚利，王莉莉，等.2013年元月我国中东部地区强霾污染成因分析[J]. 中国科学：地球科学，2014， 44(1)：15-26.

[8] 张人禾， 李强， 张若楠. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J].中国科学：地球科学， 2014， 1(1)：27-36.

[9] 汤莉莉，张运江，孙业乐，等.南京持续雾霾天气中亚微米细颗粒物化学组分及光学性质[J].科学通报，2014， 20(20)：1955-1966.

[10] 袁良，王成林，刘华强，等.长江三角洲地区低层大气污染物O3、NOx、SO2的数值模拟[J].环境监控与预警，2011， 3(1)：33-37.

[11] DING A J， FU C B， YANG X Q， et al. Ozone and fine particle in the western Yangtze River Delta： an overview of 1-yr data at the SORPES station[J]. Atmospheric Chemistry & Physics， 2013， 13(11)：5813-5830.

[12] 黄晓锋，云慧，宫照恒，等.深圳大气PM2.5来源解析与二次有机气溶胶估算[J].中国科学：地球科学，2014， 4(4)：723-734.

[13] ZHANG R， JING J， TAO J， et al. Chemical characterization and source apportionment of PM2.5in Beijing： seasonal perspective[J]. Atmospheric Chemistry & Physics， 2013， 13(14)：7053-7074.

[14] SUN Y， WANG Z， DU W， et al. Long-term real-time measurements of aerosol particle composition in Beijing， China： seasonal variations， meteorological effects， and source analysis[J]， Atmospheric Chemistry & Physics， 2015， 15： 10149-10165.

[15] ZHANG Y J， TANG L L， WANG Z， et al. Insights into characteristics， sources， and evolution of submicron aerosols during harvest seasons in the Yangtze River delta region， China[J]. Atmospheric Chemistry & Physics， 2015， 14(7)：9109-9154.

[16] CHENG Z， WANG S， FU X， et al. Impact of biomass burning on haze pollution in the Yangtze River Delta， China： a case study in summer 2011[J]. Atmospheric Chemistry & Physics， 2013， 14(9)：4573-4585.

[17] 王明星.大气化学[M].北京：气象出版社， 1991.

[18] 张运江，汤莉莉，王壮，等.南京夏季大气有机气溶胶老化过程在线观测研究[J].中国科学：化学， 2014， 10(10)：1654-1664.

[19] 丁杰，朱彤.大气中细颗粒物表面多相化学反应的研究[J].科学通报， 2003， 19(19)：2005-2013.

[20] 陈文泰，邵敏，袁斌，等.大气中挥发性有机物(VOCs)对二次有机气溶胶(SOA)生成贡献的参数化估算[J].环境科学学报， 2013(1)：163-172.

[21] SUN Y， JIANG Q， WANG Z， et al. Investigation of the sources and evolution processes of severe haze pollution in Beijing in January 2013[J]. Journal of Geophysical Research Atmospheres， 2014， 119(7)：4380-4398.

[22] SUN Y L， WANG Z F， FU P Q， et al. Aerosol composition， sources and processes during wintertime in Beijing， China[J]. Atmospheric Chemistry & Physics， 2013， 13(9)：4577-4592.

[23] 胡敏，何凌燕，黄晓峰，等.北京大气细粒子和超细粒子理化特性、来源及形成机制[M].北京：科学出版社，2009： 153-255.

栏目编辑 李文峻

Seasonal Variations of Atmospheric PM2.5and Gaseous Pollutants in Suining

WANG Wei， SU Hong-zhi

(SuiningEnvironmentalProtectionMonitoringCenter，Xuzhou，Jiangsu221225，China)

The seasonal variations of atmospheric fine particle matter (PM2.5) and gaseous pollutants (including SO2， CO， NOxand O3) on mass concentration were analyzed in Suining， Xuzhou， based on the data set of the real-time online measurements in full year 2014. Combined with the back trajectories model， the impact of different air masses on the concentration of atmospheric pollutants loading in this region was evaluated. The values of PM2.5and O3in summer showed the strong correlation， and presented the lowest concentration， indicating that the PM2.5in summer was mainly controlled by local atmospheric photochemical activities. During the winter， PM2.5， SO2， CO， NOxshowed the highest concentration， except for O3， and the atmospheric aerosol was dominated by the fine particle. O3in spring showed the highest concentration， and corresponded to the long-transport air masses from the developed region of the East China. The high concentration of PM2.5was mainly corresponding to the slow air masses in winter. This implied that PM2.5and its gaseous precursors might be transported to this region， which promoted the heavy pollution of air.

Atmospheric fine particulate matter； Gaseous precursors； Seasonal variations； Suining

2015-12-07；

2016-08-04

江苏省环境监测科研基金资助项目(1016；1201)

王玮(1984—)，女，工程师，硕士，从事环境监测与管理工作。

X823

B

1674-6732(2016)06-0057-06