平原城市大气污染物浓度变化及相关性分析

张培锋，谢超颖，白云飞

(1.许昌市环境监测中心，河南 许昌 461000； 2.许昌市环境监控信息中心，河南 许昌 461000)



平原城市大气污染物浓度变化及相关性分析

张培锋1，谢超颖2，白云飞2

(1.许昌市环境监测中心，河南 许昌 461000； 2.许昌市环境监控信息中心，河南 许昌 461000)

通过对伏牛山余脉东侧中部平原城市大气污染物浓度监测数据分析发现，大气污染具有地域性特征，主要污染物浓度均呈现显著的相关性.以许昌市作为研究对象，对其2015年PM2.5、PM10、SO2、NO2及O3等主要大气污染物浓度变化趋势和季节性分布进行分析对比.通过CORREL相关性模型分析，对各污染因子间的相关性进行研究，得到各污染物浓度的地域性变化和相关性结果，为制定本市大气防治和参与区域协同管控提供决策支持.

中部平原城市；相关性分析；大气污染物；地貌气象特征

近年来，随着我国经济的快速发展，原有产业结构和发展模式的不合理性日益突出，致使我国部分地区的大气环境污染严重[1]，特别是持续报警的雾霾天气引起全社会的关注.多种污染物的并存和相互作用影响，特有的区域地貌和气象特征，加上城市能源工业结构、汽车数量、城市绿化率、复杂的城市冠层[2]等，形成了具有地域特色的大气污染物时空分布和相关性.新环境空气质量标准的实施和六因子大气自动监测系统的全面建立运行，为我们更为科学地分析区域或城市大气污染物的变化趋势及相关性提供了技术可能.

对于污染因子相关性问题，国内不少学者也进行了研究，如任信荣[3]等分析了北京大气OH自由基浓度与其他物种的相关性，安俊琳[2]等分析了北京大气中NO、NO2和O3浓度变化的相关性，陈建江[4]分析了南京市3种空气污染物日变化规律及相关性，陈魁[5]等分析了天津市空气质量时间变化规律及相关性.所有已有的研究结果均表明，不同城市大气污染物都有其特有的规律分布，且污染物间有着十分密切的关系.

本文以我国中部平原地域气象特征的许昌市大气污染物为研究对象，选用2015年该市国家空气自动监测站监测统计数据，对PM2.5、PM10、SO2、NO2及O3等主要污染物的浓度变化趋势进行分析，并对各污染因子间的相关性加以研究，以期寻找出环境空气污染物的地域特征，为平原城市的大气污染物源强研究和防控探索出新的思路.

1　污染物相关性统计函数模型建立

用CORREL统计函数模型[6]分析城市环境空气不同污染因子之间的相关性.具体的模型运算式如下.

(1)

表1　相关系数标准及特征标准

2　区域地貌和气象特征

2.1地貌特征

许昌市处于我国中部伏牛山余脉向东平原过渡地区，地势西北高，东南低，中东部为黄淮冲积平原，地面坡降为2.6‰，平均海拔为70 m左右，境内75%的面积为平原，25%的面积为低山岗.城市市区位于平原区，属淮河冲积平原地貌，地形平坦开阔，地貌单一、坡降不大，海拔标高63～66 m左右.

2.2气象条件

许昌市属暖温带亚湿润季风气候，四季分明、热量丰富、降水适中、光照充足、无霜期长.春季干旱多风沙，夏季炎热雨集中，秋季晴和气爽日照长，冬季寒冷少雨雪.风向随季节变化明显，冬季多偏北风，夏季多偏南风.年平均气温在15 ℃左右，无霜期为217天.

3　主要污染物浓度浓度变化规律及相关性分析

3.1颗粒物浓度变化规律及相关性分析

3.1.1颗粒物浓度变化规律分析

从许昌市2015年全年颗粒物的月均浓度变化曲线(图1)和季节均值统计表(表2)可以看出：全年PM2.5和PM10月均浓度值虽分别在5月、10月和6月、10月有所波动，但整体均呈两头高中间低的U型变化趋势.PM2.5全年最低月均值出现在8月，为49 ug·m-3；最高月均值出现在12月，为125 ug·m-3，最高值为最低值的2.55倍.PM10全年最低和最高月均浓度同样出现在8月和12月，最低值为92 ug·m-3，最高值为214 ug·m-3，最高值为最低值的2.32倍.从季节分布来看，PM2.5和PM10月均浓度呈现出相同的季节特征：冬季最高，其次是春季，夏、秋季基本一致，夏季最低;PM2.5冬季/夏季为1.81倍，PM10冬季/夏季为1.57倍.而从 PM2.5占PM10比重来看，冬季比重最高，达到67.8%，夏、春、秋季节基本持平，都在57%～60%之间，说明该市全年环境空气中细颗粒物占可吸入颗粒物含量的60%左右.

图1　2015年PM2.5和PM10月均浓度变化曲线

表2　2015年PM2.5和PM10季均浓度值统计表

3.1.2颗粒物间相关性分析

用CORREL统计函数模型对许昌市2015年PM2.5和PM10月均浓度进行相关性分析，结果见表3所示.

表3　2015年PM2.5和PM10月均浓度相关性分析

从表3可以看出：2015年该市PM2.5和PM10月均浓度相关系数高达0.849，说明作为内陆平原城市的环境空气中PM2.5和PM10浓度有高度的相关性和协同性.结合PM2.5和PM10在全年四个季节分布及比重情况来看：冬季PM2.5和PM10浓度突增且PM2.5所占比重增大，与该市季节采暖的内源增加，也和受大陆性季风气候影响，冬季多北风造成的外源性输入双重影响有关.

3.2气态污染物浓度变化规律及相关性分析

3.2.1气态污染物浓度变化规律分析

从图2和表4可以看出，2015年许昌市SO2、NO2的月均浓度与PM2.5具有相似的U型变化趋势，且变化更平顺些，只在11份微有下浮.SO2的月均最高值出现在1月，最低值出现在7月；NO2的月均最高值则出现在12月，最低值同样出现在7月.虽然NO2的月均浓度均高于SO2，但是NO2最高值仅为最低值的2.21倍，而SO2最高值与最低值的比值却高达4.43倍.说明作为内陆平原城市，虽然NO2浓度同样在冬季采暖集中时候达到全年最高，但月均浓度波动变化却没有SO2强烈.

2015年该市O3的月均浓度变化与PM2.5等其他污染物正好相反，呈现倒U型变化趋势.其月均浓度在1-5月间逐月增加，5月达到全年最高，其后开始逐月下降，12月份达到全年最低，最高值为最低值的3.95倍.O3浓度从季节分布来看，呈现出春夏高而秋冬季低的趋势，最高的夏季均值达到最低的冬季均值的2.63倍.这与该市夏季高温、太阳辐射强，造成生成O3的光化学反应加剧，同时O3的另Ⅰ类前体物—挥发性有机物在夏季对臭氧高浓度的贡献增加有关[4].

图2　2015年PM2.5和SO2、NO2、O3月均浓度变化曲线

表4　2015年SO2 、NO2和O3季均浓度值统计表

3.2.2气态污染物间相关性分析

采用CORREL统计函数模型分别对许昌市2015年SO2、NO2、O3等气态污染物的月均浓度进行相关性分析，结果见表5.由表5可以看出：2015年该市SO2和NO2月均浓度具有高度的正相关性，而SO2、NO2与O3均呈现较好的负相关性.同SO2与O3之间的相关性相比，NO2与O3之间的负相关性更显著，相关系数达到-8.22.分析认为，机动车尾气排放是环境空气中NOx的主要来源[6]，而NOx中的NO、NO2和O3之间存在光化学反应的循化[3]，导致NO2和O3高度的负相关性.

3.3细颗粒物与气态污染物相关性分析

采用CORREL统计函数模型分别对该市2015年PM2.5和SO2等气态污染物月均浓度进行相关性分析，结果见表6.从表6可以看出：2015年该市PM2.5与SO2和NO2月均浓度均具有较好的正相关性.与NO2相比，SO2与PM2.5相关系数达到0.807，具有更强的相关性和协同性.结合SO2、NO2的浓度分布来看，当SO2、NO2浓度较高时，PM2.5浓度也较高，这可能与三者的产生源、扩散传输过程及SO2、NO2的二次盐转化有关[7].

表5　2015年SO2、NO2、O3月均浓度相关性分析

表6　2015年PM2.5和SO2、NO2、O3月

与其他气态污染因子相反，PM2.5与O3月均浓度则表现出显著的负相关性.分析认为，这与该区域夏季炎热日照强、冬季寒冷少雨雪，四季分明的季风气候条件有主要关系.

4　结论

(1) 分析结果表明，许昌作为中部平原城市，所处地貌气候环境，造就了该市环境空气污染因子地域性季节变化趋势.颗粒物浓度冬春高、夏秋低，PM2.5所占比重在冬季最大;SO2和NO2浓度均呈现冬秋高、夏春低的趋势，虽然NO2的月均浓度值均高于SO2，但其全年变化相对平缓，最大值只有最小值的2.21倍，而SO2的月均浓度最大值是最小值的4.43倍;O3月均浓度的变化则与其他污染物相反，呈春夏高、秋冬低的趋势，最高浓度出现在春节5月，最低出现在冬季12月，最大季均值为最小季均值的2.63倍.颗粒物和气态污染物的季节变化，与暖温带季风气候，冬季寒冷多北风，夏季炎热阳光足有关.

(2) 采用CORREL统计函数模型分别对该市2015年环境空气中污染物月均浓度进行相关性分析.研究结果表明，颗粒物件间有较高的相关性和协同性，相关系数达到0.849.PM2.5与SO2、NO2等气态污染物的相关系数均在0.7以上，呈现较高的正相关性，说明很大一部分SO2、NO2在条件合适的情况下转化为PM2.5;气态污染物间SO2与NO2的相关性最高， O3与NO2的负关性最强，相关系数达到-0.822，这与O3产生机理和区域气象条件紧密相关.

(3) 通过以具有特征地貌、气候条件的中部平原城市为研究对象，对该市2015年环境空气污染物的浓度变化规律进行分析，对污染因子间相关性进行研究，可为制定本市大气防治和参与区域协同管控提供决策支持.

[1]王晓利，张良，魏亚楠，等.城市间气态污染物与细颗粒物的相关性分析[J].中国环境监测，2016，32(1)：50-53.

[2]安俊琳，王跃思，李昕，等.北京大气中NO、NO2和O3浓度变化的相关性分析[J].环境科学，2007，28(4)：706-711.

[3]任信荣，王会祥，邵可声，等.北京市大气OH自由基测量结果及特征[J].环境科学，2002，23(4)：706-3301.

[4]陈建江.南京市空气质量时间变化规律及其成因[J].环境监测管理与技术，2003，15(3)：16-02.

[5]陈魁.天津市空气质量时间变化规律及相关性分析[J].中国环境监测，2007，23(1)：50-53.

[6]孔海涛.环境空气中臭氧变化规律及来源分析[J].山东工业技术，2014(3)：71-72.

[7]刘新峰，袁惠，杨军，等.统计分析方法在大气环境监测数据符合性分析中的探讨[J].四川环境，2012(2)：36-39.

责任编辑：卫世乾

Analysis on Concentration and Correlation Change of Atmospheric Pollutants in Plain City

ZHANG Pei-feng1, XIE Chao-ying2, BAI Yun-fei2

(1.XuchangEnvironmentalMonitoringCenter，Xuchang461000，China;2.XuchangEnvironmentalMonitoringInformationCenter，Xuchang461000，China)

Analyzing the atmospheric pollutants’ concentration monitoring data of the cities in the east slope of central plains of Funiu Mountain odd arteries , we can find that air pollution in this area has its regional characteristic, of which the main pollutants concentrations are presented to be of significant correlation. Taking Xuchang City as an example,This article compares the data of main atmospheric pollutants’ concentration in 2015 with their change trend and seasonal distribution including PM2.5, PM10, SO2, NO2, O3and others. Analyzing the correlation among these pollution factors by CORREL correlation model, we finally find the regional changes of each pollutant’s concentration and correlation results,which can provide decision-making support for the city’s air pollution control and regional coordination control.

the cities of central plains; correlation analysis; atmospheric pollutants; geomorphic and meteorological characteristics

2016-04-02

张培锋(1975—)，男，河南许昌人，高级工程师，学士，研究方向：环境监测.

1671-9824(2016)05-0080-04

X515

A