气象因素对成都市主要大气污染物影响的非参数分析

冯小琼，陈军辉，朱雨蒙，钱 骏，叶 宏

(1. 四川省环保科技工程有限责任公司，成都 610041；2. 四川省环境保护科学研究院，成都 610041)

·试验研究·

气象因素对成都市主要大气污染物影响的非参数分析

冯小琼1,2，陈军辉2，朱雨蒙2，钱 骏2，叶 宏2

(1. 四川省环保科技工程有限责任公司，成都 610041；2. 四川省环境保护科学研究院，成都 610041)

通过获取2014年成都市大气污染物和气象因素的在线监测数据，分析大气污染物的时间变化规律，并采用Spearman秩相关系数来分析污染物逐日浓度和气象因素的相关性。结果显示，SO2、NO2、CO、PM10和PM2.5夏季浓度最低，冬季最高，O3则夏季最高，冬季最低；受秸秆露天焚烧影响，5月各污染物浓度均出现一个小高峰。温度和风速均与O3显著正相关，与其他污染物显著负相关；大气压则相反；相对湿度与各污染物均显著负相关，但在严重污染时与颗粒物显著正相关。

大气污染物；气象条件；非参数分析

大气污染己成为全球最为关注的环境问题之一，环境质量的好坏直接关系着城市社会经济的发展和人们的身体健康。大气污染物的浓度会受到污染物排放量及污染物在大气中的扩散、稀释速度等许多因素的影响，而大气对污染物的稀释扩散能力因气象条件不同而有很大差别。此外，大气污染物的清除和转化还与污染物的化学组分、浓度、物理化学性质，及降水、太阳辐射、相对湿度等气象因素有关[1～3]。正是由于环境空气质量与气象因素密切相关，且两者之间的关系非常复杂，该领域一直是大气污染研究的热点和难点。国内外已有较多学者在这方面进行了研究，如Tai等[4]发现温度相对湿度降水和大气循环等条件能够较好地解释北美地区PM2.5浓度的变化情况，而较粗粒子( PM2.5～10，PM10) 的相关性比PM2.5更加明显。赵程曦等[5]利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响，指出北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关，与风速负相关，风速和相对湿度是影响污染物质量浓度分布的主要因素。吴珊珊等人[6]的研究表明低风速大气逆温高气压高湿度和少降雨有利于霾天气的发生，反之，高风速低气压低湿度和多降雨不利于霾天气的发生。

成都市位于四川省中部，是西南地区的科技、商贸、金融中心和交通、通讯枢纽，随着工业化和城镇化的快速发展，环境空气质量不容乐观。2014年成都市PM2.5年均浓度为76 μg/m3，超标2.2倍(基于环境空气质量标准，GB 3095-2012)[7]，且以NO2浓度上升、臭氧O3污染显现和灰霾严重为特征的复合型大气污染随着城市建设和机动车增加而凸显。成都市具有与我国其他地区不同的盆地气候，气象因素对环境空气质量的影响更为复杂，然而针对四川盆地的研究较少，目前仅邓利群等人[8]和黄巍等人[9]开展了相关研究，但两者均只对颗粒物进行了相关分析，没有涉及其他污染物，且均仅对一年中部分时段的数据进行了分析，不足以代表全年的情况。本研究通过在线监测设备获取成都市2014年大气污染物和气象因素的逐时数据，分析了气象因素与各污染物的相关性，以期为进一步提高和改善成都市的空气质量提供一定的科学依据。

1 材料与方法

1.1 测点位与仪器

监测点位设置在四川省环境保护科学研究院楼顶，位于成都市中心城区，距离地面30m。环境气体监测仪器均采用澳大利亚Ecotech公司的气体分析仪，SO2采用紫外(UV)荧光光谱分析仪，精度为5×10-9；NOx采用气相化学发光检测方法，精度为1×10-12；CO分析仪是一种非分散红外光度计，精度0.1×10-7。O3采用紫外光度法分析仪，精度1×10-9；PM10和PM2.5采用美国Met One公司的BAM-1020型环境颗粒物监测仪，测量原理为β衰减的微粒浓度，分辨率为± 0.1 μg/m3。相对湿度、温度、能见度、风速等气象因素监测仪器为DAVIS Vantage Pro2 Plus(美国戴维斯公司)，气象因素与污染物浓度同步进行数据采集。

1.2 研究方法

污染物日均浓度、月均浓度、空气质量指数(AQI)的计算根据环境空气质量指数(AQI)技术规定(试行)(HJ 633-2012)[7]和环境空气质量标准(GB 3095-2012)[10]进行，日平均为一个自然日24h平均浓度的算术平均值，月平均值为一个日历月内各日平均浓度的算术平均值。气象要素日均值的计算与污染物相同。

研究表明大气污染物浓度与气象因素是非线性关系，简单的线性关系并不能反应二者之间的真实关系[5,11]。本研究利用SPSS 19.0软件进行数据处理，将污染物和气象因素逐时数据进行正态性检验，检验结果不符合正态分布，因此采用Spearman 秩相关系数统计分析方法进行污染物浓度与气象因素的相关性分析。Spearman 秩相关分析是一个非参数性质(与分布无关)的秩统计参数，可反应两个随机变量在线性相关或非线性相关下的共变趋势程度[5,12-13]。

2 结果与讨论

2.1 主要污染物时间变化规律

2.1.1 月变化

根据监测数据，SO2、NO2、CO、O3、PM10和PM2.5的年均浓度分别为17.3μg/m3，58.2 μg/m3，1.7 μg/m3，34.5 μg/m3，130.0 μg/m3和74.8 μg/m3。基于环境空气质量标准(GB3095-2012)[7]，NO2、PM10和PM2.5均超标，超标倍数分别为0.46倍、0.86倍和1.14倍。成都市环境监测中心站公布的数据显示，成都市城区2014年SO2、NO2、PM10和PM2.5年均浓度分别为19μg/m3，59μg/m3，123μg/m3和77μg/m3，均与本监测站点数据较为接近，说明本监测站点数据可靠、有效。

图1显示了成都市2014年主要大气污染物月均浓度。SO2月均浓度范围为11.3～30.9μg/m3，1月最高，8月最低。NO21月和12月浓度较高，均大于70μg/m3；6月最低，为35.8μg/m3。O3月均浓度为8.5～71.4μg/m3，1月最小，5月～7月浓度较高，均大于60μg/m3。PM10和PM2.5变化趋势较为一致，均为1月最高，9月最低，月均浓度范围分别为83.7～236.5μg/m3和42.6～167.8μg/m3。CO 5月浓度最高，为6.9mg/m3；8月最低，仅为0.9mg/m3。值得注意的是，除了CO外，其他污染物在5月也有一个小高峰，这可能是由秸秆露天燃烧所引起的。

总体而言，O3夏季浓度最高，冬季最低；其他污染物则相反，夏季浓度最低，冬季最高。原因在于O3浓度受光照强度影响较大，因此在太阳辐射较强的夏季浓度较高；而其他污染物浓度冬季最高的主要原因在于冬季气象条件不利于污染物的扩散输送，使得污染物不断地积累，夏季则由于降水较为频繁、扩散条件有利等综合因素使得污染物浓度最低[14]。

图1 2014年成都市主要大气污染物浓度Fig.1 Main pollutant concentrations of Chengdu in 2014

2.1.2 日变化

在全国高校思想政治工作会议的讲话中，习近平总书记强调：“高校思想政治工作关系到高校培养什么样的人、如何培养人以及为谁培养人这个根本问题。要坚持把立德树人作为中心环节，把思想政治工作贯穿教育教学全过程，实现全程育人、全方位育人，努力开创我国高等教育事业发展新局面。”[1]376-379他同时还强调：高校教师要“更好担起学生健康成长指导者和引路人的责任”“坚持教书和育人相统一”[1]379。

成都市2014年各污染物日变化规律如图 2所示。可以看出，SO2日变化为单峰型，SO2峰值出现在中午11:00，浓度为23 μg/m3，与北京东灵山地区[15]SO2日变化特征一致。SO2的日变化规律主要受排放源和大气扩散条件的影响，成都地区SO2主要来自工业源和电厂，多为高架源，早晨温度低对流弱，高架源烟流主体落地时间延后，加之大气的扩散稀释能力较弱，造成SO2浓度逐渐增大，使得其浓度在中午达最大值[15-16]。

O3日变化与SO2相同，为单峰型。受太阳辐射日变化影响，O3峰值多出现在午后[16]，监测站点最大值出现在16:00，为81.2 μg/m3，夜间则维持在较低水平。相比与北京[16]、天津[17]等地的研究，成都地区O3峰值出现时间要晚1～2h，这主要是由成都的地理位置造成的。

PM10和PM2.5日变化规律基本一致，均为单峰型，峰值出现在中午11:00，浓度分别为105.2 μg/m3和84.9 μg/m3，下午有所下降，晚上20：00以后开始缓慢上升，夜间均维持在较高水平。颗粒物的浓度变化影响因素较多，与一次颗粒物排放、前体物排放和气象条件等均相关。

CO变化趋势与NO2相同，为双峰型，上午9:00～12:00出现第一个峰，此后开始下降，到晚上20:00以后开始上升，24:00出现第二峰，浓度值高于第一个峰，为1.9 mg/m3。CO日变化特征与北京[16]等地的CO日变化一致，上午峰值主要由上班高峰期引起，下午浓度较低主要是因为参与光化学反应生成O3而被消耗，晚上峰值的出现是由于夜间混合层高度和大气边界层稳定状态使局地地表源排放的CO在低层大气中积累[16]。

图2 2014年成都市污染物日变化Fig.2 Pollutants diurnal variation of Chengdu in 2014

2.2 空气质量评价

本研究采用AQI来评价空气质量，成都市2014年不同月份空气质量等级情况如图3所示。由图3可知，1月空气质量最差，严重污染出现的频率最高，为39%，其次为重度污染，出现频率为32%。2月的空气质量仅优于1月，重度污染出现的频率最高，其次为中度污染和轻度污染。4月、5月和12月轻度污染出现的频率均为最高，分别为57%、83%和38%。其他各月出现频率最高的均为良，频率均在45%以上，其中8月和9月均大于80%。空气质量为优的天数共4天，其中7月3天，8月1天。这与各污染物的月均浓度变化趋势结论一致，即夏季空气质量较好，冬季较差。

图3 2014年各月不同等级空气质量出现频率Fig.3 Monthly frequency of air quality in 2014

2.3 气象因素与污染物浓度的相关性

2.3.1 气象因素与污染物浓度的相关性

本研究采用各污染物和气象因素的日均值来计算Spearman 秩相关系数。温度和风速与各污染物的相关性基本类似，与SO2、NO2、CO、PM10和PM2.5显著负相关(见表1)，与O3显著正相关。这说明O3浓度随着温度和风速的增加而升高，其他污染物浓度则随着温度和风速的增加而降低。原因在于近地层空气温度越高，大气对流活动越强，风速越大，越有利于污染物的扩散稀释，污染物的浓度越低。而O3因受太阳辐射强度影响较大，因此与温度和风速正相关[2,5,8,13]。

气压与各污染物的相关性与温度和风速相反，与CO相关性不显著，与O3显著负相关，与其他污染物显著正相关。造成这一现象的原因在于气压的高低与大气环流形势密切相关，当地面受低压控制时，四周高压气团流向中心，中心形成上升气流，通常风力较大，利于污染物向上扩散；当地面受高压控制时，中心部位出现下沉气流，阻止污染物向上扩散，在稳定高压的控制下，污染物浓度增加，大气污染加重[2,8]。

相对湿度与所有污染物浓度均为显著负相关，这与北京[5,13]、天津[2]等地的研究相反，与黄巍等人[9]2013～2014年期间对成都市相对湿度与颗粒物的相关性分析结果一致。造成这一现象的原因可能在于成都与北方城市不同，常年处在高湿度的气象条件下(2014年平均相对湿度为76%)，而有研究表明当相对湿度达到80%以上时，非污染日出现的几率则会增大，因为相对湿度很大时，代表有雨雪天气的出现，降雨或降雪天气都能有效地冲刷空气中的各种污染物，特别是颗粒物，使空气质量好转[2]。

表1 污染物日均浓度与气象因素的Spearman 秩相关系数Tab.1 Spearmanrank correlation matrix coefficient between pollutants daily mass concentration and meteorological parameters

注：**表示在置信度(双测)为 0.01 时，相关性是显著的；*表示在置信度(双测)为 0.05 时，相关性是显著的。

为进一步分析相对湿度对空气质量的影响，对不同空气质量等级下相对湿度与PM10和PM2.5的Spearman 秩相关系数进行分析，结果如表2所示。空气质量为良和轻度污染时，相对湿度与PM10显著负相关；空气质量为中度污染和重度污染时，两者相关性不显著；空气质量为严重污染时，两者显著正相关。而PM2.5仅在空气质量为严重污染时，才与相对湿度显著正相关。由此说明，相对湿度对污染物浓度的影响不仅与湿度大小有关，还与污染程度相关。

表2 相对湿度与颗粒物在不同空气质量等级下的Spearman 秩相关系数Tab.2 Spearmanrank correlation matrix coefficient between particulate matter concentration and humidity under different air quality

注：**表示在置信度(双测)为 0.01 时，相关性是显著的；*表示在置信度(双测)为 0.05 时，相关性是显著的。

2.3.2 风向对PM2.5浓度的影响

风向对PM2.5的影响如图4所示。监测点位全年东北-东、西南和东南-南风向出现的频率较高，分别为44.2%、22.9%和19.8%，西-西北和北风出现的频率分别为7.4%和5.7%。在PM2.5浓度超过200μg/m3的高浓度事件中，东北-东和西南风仍为出现频率较高的风向，且高于全年平均出现频率，分别为49.8%和23.8%。而当PM2.5浓度超过300μg/m3时，东北-东和西南风向出现频率之和上升到78%。这一方面是由于冬季东北-东和西南风向出现频率之和高于其它季节，且PM2.5平均浓度也为全年最高，导致在PM2.5高浓度事件中，东北-东和西南风向出现频率较高。另一方面，来自东北-东方向的德阳、遂宁以及西南方向的眉山等城市的气流输送可能带来较高浓度的PM2.5。

图4 风向对PM2.5浓度的影响Fig.4 Relation between wind direction and PM2.5 concentration

3 结 论

(1)受气象因素影响，2014年成都市O3夏季浓度最高，冬季最低；其他污染物则相反。各污染物在5月均出现一个小高峰，可能是秸秆露天燃烧所致。

(2)SO2、O3、PM10和PM2.5日变化均呈单峰型。SO2、PM10和PM2.5峰值均出现在11:00；而O3受太阳辐射强度影响，峰值出现在16:00。NO2和CO日变化呈双峰型，第一个峰值出现在10:00～11:00，第二峰值出现在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间混合层高度和大气边界层稳定状态使污染物在低层大气中积累。

(3)温度和风速均与SO2、NO2、CO、PM10和PM2.5显著负相关，与O3显著正相关。大气压与SO2、NO2、CO、PM10和PM2.5显著正相关，与O3显著负相关。相对湿度与各污染物均显著负相关，但在严重污染时与颗粒物显著正相关，表明相对湿度对颗粒物的影响与湿度大小和污染程度等相关。此外，成都市相对湿度与各污染物相关性同北京等地的差异也说明在盆地特有气象条件下，气象因素对空气质量的影响更为复杂。

(4)在PM2.5高浓度事件中，东北-东和西南风出现的频率均较高，两者之和大于70%，表明来自这两个方向的气流输送对PM2.5浓度有一定贡献。

[1] 周国兵. 重庆市主城区气象条件对空气污染影响分析及数值模拟研究[D]. 兰州：兰州大学,2014.

[2] 刘 燚. 京津冀地区空气质量状况及其与气象条件的关系[D]. 长沙：湖南师范大学，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] 赵晨曦, 王云琦, 王玉杰，等. 北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系[J]. 环境科学, 2014,35(2):418-427.

[6] 吴珊珊, 章毅之, 胡菊芳. 江西省霾天气气候特征及其与气象条件的关系[J]. 气象与环境学报, 2014,30(3): 71-76.

[7] GB3095-2012,中华人民共和国国家标准环境空气质量标准[S].

[8] 邓利群,钱 骏,廖瑞雪,等. 2009年8～9月成都市颗粒物污染及其与气象条件的关系[J]. 中国环境科学, 2012,32(8): 1433-1438.

[9] 黄 巍, 王 军. 成都市城区大气颗粒物对能见度影响研究[J]. 2015,四川环境, 34(2): 59-62.

[10] HJ633-2012,中华人民共和国国家环境保护标准环境空气质量指数( AQI) 技术规定[S].

[11] 周江兴. 北京市几种主要污染物浓度与气象要素的相关分析[J]. 应用气象学报. 2005,16(增刊): 123-127.

[12] 薛 薇. SPSS 统计分析方法及应用(第二版)[M]. 北京: 电子工业出版社, 2009,172.

[13] 李 军, 孙春宝, 刘咸德,等. 气象因素对北京市大气颗粒物浓度影响的非参数分析[J]. 环境科学研究, 2009,22(6): 663-669.

[14] 路 婵. 大气污染物与气象条件对长沙城市能见度的影响分析[D]. 长沙：中南大学,2010.

[15] 严晓瑜, 缑晓辉, 刘玉兰,等. 银川市大气污染物浓度变化特征及其与气象条件的关系[J]. 气象与环境学报, 2015,31(2): 21-29.

[16] 于阳春, 胡 波, 王跃思. 北京东灵山地区主要大气污染物浓度变化特征[J]. 环境科学, 2013,34(7): 2505-2511.

[17] 黄 鹤, 姚 青, 张文煜，等. 天津夏季低层大气O3和NO2浓度垂直分布[J]. 环境科学研究, 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

冯小琼(1986-)，女，四川泸州人，2013年毕业于华南理工大学环境工程专业，工程师，主要从事大气污染防治研究。

X

A

1001-3644(2017)01-0030-05