深圳市PM2.5浓度变化及污染输送特征分析

陈嘉晔+李仕平+游泳+李红霞+林丽衡+刘波

摘要：根据2015年1～12月深圳市11个大气自动监测国控站点PM2.5小时浓度监测数据，结合气象站小时观测数据，采用Correl相关系数法、玫瑰图等分析了深圳市PM2.5浓度的污染分布与输送迁移特征。结果显示： 2015年深圳市主导风向为NNE（东北偏北风），风向频率为12.3%，全年PM2.5平均浓度为29.8 μg/m3，整体季节平均浓度特征均表现为冬季>秋季>春季>夏季；PM2.5与露点、能见度呈显著负相关，相关系数分别为-0.517与-0.540，与海平面气压、温度呈明显的实相关，相关系数为0.439、-0.411，与风向、风速、相对湿度为微相关；深圳吹海风时，参照年均值标准，PM2.5污染发生概率为22.7%，且发生秋冬季海风型PM2.5污染时PM2.5平均浓度可高达50.6 μg/m3。主导风型下的PM2.5污染事件占全年PM2.5污染事件的61.1%，且风速大于3 m/s时PM2.5污染发生事件占比仅为6.26%；2015年全年西北陆风、主导风、海风气团输送情景下的PM2.5平均浓度分别为40.1、35.8和26.2 μg/m3，冬季时西北陆风输送通道下的PM2.5平均浓度整体上明显高于海风、东北偏北陆风输送通道。

关键词：细颗料物PM2.5；污染玫瑰；输送通道；深圳

中图分类号：X51 文献标识码：A 文章编号：1674-9944（2017）2-0034-05

1 引言

近年来，城市空气细颗粒物（PM2.5）成了近年来公众最关注问题之一[1，3]。PM2.5光吸收和光散射作用可直接导致较低的大气能见度，引起灰霾现象。珠江三角洲地区是典型的城市群集聚区，以细颗粒物和臭氧为典型的区域性复合污染备受国内外关注[4，5]。

PM2.5作为一种综合性污染物，目前国外对PM2.5污染特征[6，7]、PM2.5浓度预测[8，9]等方面的研究较多，如Paul D. 等[8]使用数学插值法对PM2.5的年度浓度进行模拟和预测，预测效果良好；Chu-Chih Chen等[9]联合经典统计学方法计算时间趋势和地统计学方法建立一个时空模型来预测PM2.5的浓度。目前国内沿海城市PM2.5相关研究多集中在灰霾[10～12]、能见度特征[13～15]、PM2.5化学组成[16]等方面，如林云等[14]利用深圳市2007年全年逐时能见度、PM2.5质量浓度和相对湿度观测数据，在分析大气消光机理及其影响因素的基础上确立了能见度与PM2.5之间的基本模型关系，较好地反映了深圳市大气能见度与PM2.5之间的定量相关关系；徐伟嘉[4]等人采用地统计学方法定性、定量分析了珠三角区域PM2.5的时空变异特征，发现珠三角区域的PM2.5分布差异主要由区域结构影响所致，且南北方向的PM2.5变化大于其他方向；云慧等[16]发现深圳市PM2.5总体污染程度表现为秋冬高、夏春低以及西高东低的特点，且深圳西部地区受一次源排放影响更为显著。目前对具备典型沿海特征的城市PM2.5污染变化、影响因素及其输送迁移特征的研究较为缺乏，亟需开展新《环境空气质量标准》（GB 3095-2012）下PM2.5浓度变化及污染输送特征的相关研究。

该研究选取我国典型沿海城市深圳市，利用2015年1～12月深圳市11个国控站点的PM2.5监测数据，结合气象观测数据，对深圳市PM2.5的特征从气象影响要素、季节差异、沿海污染输送通道特征等多个角度展开分析研究，旨在掌握PM2.5污染特征，以期为空气质量监测、预报预警等管理部门提供相关参考依据。

2 研究方法

2.1 监测站点及数据来源

本文使用的2015年深圳市及其11个大气自动监测国控站点大气污染物（包括SO2、CO、NO2、PM2.5、PM10和O3）日均与小时PM2.5监测数据来自中国监测总站数据发布平台（http：//106.37.208.233：20035/）。气象观测站（22.55°E，114.02°N）的同期气象观测资料（包括风向、风速、温度、相对湿度等）取自中央气象台观测数据（http：//www.nmc.cn/）。

2.2 Correl相关系数分析法

CORREL相关系数是两个测量变量之间关联变化程度的指标，用来确定两个测量值变量是否趋向于同时变动，即一个变量的较大值是否趋向于与另一个变量的较大值相关联（正相关）；或者一个变量的较小值是否趋向于与另一个变量的较大值相关联（负相关）；或者两个变量的值趋向于互不关联（相关系数近似于零）。CORREL统计函数相关系数标准为：R在0～0.3之间为微相关，R在0.3～0.5之间为实相关，R在0.5～0.8之间为显著相关，R在0.8～1.0之间为高度相关[17]。Correl相关系数计算为：

Correl（X，Y）=∑（x-）（y-）∑（x-）2∑（y-）2（1）

式中Correl（X，Y）为污染物浓度相关系数，x，y为污染物浓度，、为污染物平均浓度。

3 结果与讨论

3.1 全年气象与污染特征分析

2015年深圳市风玫瑰图[18]如图1所示。深圳市全年平均风速1.9m/s，年主导风向为NNE（东北偏北风），风向频率为13%，其次为NE（东北风）和ENE（东北偏东风），风向频率均为12%，三个风向平均风速均为1.9m/s。本研究选取的气象监测站（22.55°E，114.02°N）全年平均风速约1.6 m/s，较全市值[18]偏低16%。年主导风向为NNE（东北偏北风），风向频率为12.3%，其次是 ENE（东北偏东风）、SW（西南风）和NE（东北风），风向频率分别为 12.2%、12.1%和10.7%，平均风速分别为 1.6 、1.9和1.6 m/s，与图1全市情况整体均较为接近。

2015年深圳市及华侨城站点PM2.5日均、小时时序变化图如图2所示。华侨城PM2.5浓度变化与全市变化趋势一致，华侨城、深圳市PM2.5全年平均值分别为30.4、29.8 μg/m3，华侨城站点春夏秋冬四季PM2.5平均浓度分别为23.9、18.5、33.7与45.3μg/m3。深圳市春夏秋冬四季PM2.5平均浓度分别为25.1、18.4、32.9与43.0 μg/m3。整体季节平均浓度特征均表现为冬季>秋季>春季>夏季。后续采用上述气象监测站，结合深圳各大氣监测站点污染观测数据综合分析PM2.5污染输送特征。

3.2 Correl相关系数分析

选取2015年深圳市华侨城等站点，采用常规污染物小时浓度与气压、风向、风速、露点、温度、能见度、相对湿度等气象因子计算CORREL相关系数，结果如表1所示。华侨城PM2.5与露点、能见度呈显著负相关，相关系数分别为-0.517和-0.540，与气压、温度呈明显的实相关，相关系数为0.439、-0.411，与风向、风速、相对湿度为微相关。站点角度而言，观澜站较华侨城具备相似相关特征，但可能由于距离气象观测站较华侨城远，因子间相关系数略低于华侨城。污染物角度而言，PM10表现出与PM2.5相似的相关特征。此外发现，NO2与气压、能见度分别呈现明显的正、负实相关。CO与露点、温度、能见度呈明显的负实相关。

3.3 深圳市PM2.5污染玫瑰分析

采用污染玫瑰图，将风向角度分为16方位，2015年深圳市PM2.5小時浓度分析结果如图3所示。针对深圳地理位置，结合全年深圳风、区域污染源分布特征，将气团输送通道分为海风（E、ESE、SE、SSE、S）、西北陆风（WNW、NW、NNW）、主导风（N、NNE、NE、ENE）通道三大类，三类输送通道各占全年通道约26.5%、6.3%和45.5%。由图3可知，2015年深圳市全年PM2.5污染多发生在主导风（N、NNE、NE、ENE）气团通道输送情景，且主导风气团输送通道较偏南向海风通道更易发生PM2.5污染。

基于空气质量新标准，年均值以35 μg/m3为界，非污染（小时浓度≤35 μg/m3）与污染（小时浓度>35 μg/m3）情景下的深圳市PM2.5污染玫瑰图如图4所示。当深圳吹海风时，PM2.5不发生污染与发生污染的比例为3.4∶1，即污染发生概率为22.7%，且秋冬季海风型PM2.5污染占全年海风型PM2.5污染总数的74.5%，发生秋冬季海风型PM2.5污染时PM2.5平均浓度可高达50.6 μg/m3。结合图4右图可知，2015年深圳市主导风型下发生的PM2.5污染事件（小时浓度>35 μg/m3）占全年PM2.5污染事件的61.1%，且主导风型下风速大于3 m/s时PM2.5污染事件发生率较低，仅为6.26%。

3.4 PM2.5污染输送特征分析

各类气团输送通道下，不同风速下的华侨城PM2.5平均浓度、最大值浓度特征分析如表2所示。结果表明：2015年全年西北陆风、主导风、海风气团输送情景下的PM2.5平均浓度分别为40.1、35.8、26.2 μg/m3，且风速小于1 m/s时，各输送通道下PM2.5平均浓度表现为西北陆风（51.7 μg/m3）>主导风（42.1 μg/m3）>海风（34 μg/m3）。风速大于1 m/s时，陆风输送气团的PM2.5平均浓度明显高于海风，但西北、主导风来源的污染气团PM2.5平均浓度差异不明显。秋、冬季而言，冬季整体PM2.5污染高于秋季，秋季1～2 m/s风速下的三类输送通道PM2.5平均浓度差异较大，为西北陆风（46.4 μg/m3）>主导风（37.7μg/m3）>海风（29.0 μg/m3）。冬季风速小于2 m/s时，海风输送通道下的PM2.5平均浓度甚至略高于主导风型PM2.5平均浓度，整体上西北陆风输送通道下的PM2.5平均浓度明显高于海风、主导风通道

4 结论

（1） 2015年深圳市主导风向为NNE（东北偏北风），风向频率为12.3%，全年PM2.5平均浓度为29.8 μg/m3，整体季节平均浓度特征均表现为冬季（43.0 μg/m3）>秋季（32.9 μg/m3）>春季（25.1 μg/m3）>夏季（18.4 μg/m3）。

（2）深圳市华侨城PM2.5与露点、能见度呈显著负相关，相关系数分别为-0.517与-0.540，与海平面气压、温度呈明显的实相关，相关系数为0.439、-0.411，与风向、风速、相对湿度为微相关。

（3）当深圳吹海风时，PM2.5污染发生概率为22.7%，且秋冬季海风型PM2.5污染占全年海风型PM2.5污染总数的74.5%，发生秋冬季海风型PM2.5污染时PM2.5平均浓度可高达50.6 μg/m3。2015年深圳市主导风型（N、NNE、NE、ENE）PM2.5污染事件（小时浓度>35 μg/m3）占全年PM2.5污染事件的61.1%，且风速大于3 m/s时PM2.5污染发生事件占比仅为6.26%。

（4）2015年全年西北陆风、主导风、海风气团输送情景下的PM2.5平均浓度分别为40.1、35.8和26.2 μg/m3，且秋季1～2m/s风速下的三类输送通道PM2.5浓度差异较大，为西北陆风（46.4 μg/m3）>东北偏北陆风（37.7 μg/m3）>海风（29.0 μg/m3）。冬季风速小于2m/s时，海风输送通道下的PM2.5平均浓度甚至略高于主导风型PM2.5平均浓度，整体上西北陆风输送通道下的PM2.5平均浓度明显高于海风、主导风通道。

参考文献：

[1]Wang L， Jang C， Zhang Y， et al. Assessment of air quality benefits from national air pollution control policies in China. Part I： Background， emission scenarios and evaluation of meteorological predictions[J]. Atmospheric Environment， 2010， 44（28）：3449～3457.

[2]Wang X， Wang W， Jie L I， et al. Urban Dust Pollution and its Research of Control Method in China[J]. Environmental Science & Technology， 2014.

[3]ARMIENTO G， INGLESSIS M， TAGLIANI S M， et al. A comprehensive approach to the investigation of atmospheric particulate PM2.5： preliminary results[J]. Periodico Di Mineralogia，2013，82（1）：199～216..

[4]徐伟嘉，何芳芳，李红霞，等. 珠三角区域PM2.5时空变异特征[J]. 环境科学研究，2014（9）：951～957.

[5]朱倩茹，刘永红，徐伟嘉，等. 广州PM2.5污染特征及影响因素分析[J]. 中国环境监测，2013（2）：15～21.

[6]Schnelle-Kreis J， Sklorz M， Orasche J， et al. Semi volatile organic compounds in ambient PM2.5 seasonal trends and daily resolved source contributions[J].Environmental Science & Technology， 2007， 41（11）：3821～3828.

[7]Sullivan A P， Holden A S， Patterson L A， et al. A method for smoke marker measurements and its potential application for determining the contribution of biomass burning from wildfires and prescribed fires to ambient PM2.5 organic carbon[J].Journal of Geophysical Research-Atmospheres， 2008， 113（D22）：3821～3828.

[8]SAMPSON P D， RICHARDS M， SZPIRO A A， et al. A regionalized national universal kriging model using Partial Least Squares regression for estimating annual PM2.5 concentrations in epidemiology[J]. Atmospheric Environment， 2013（75）： 383～392.

[9]CHEN C C， WU C F， YU H L， et al. Spatiotemporal modeling with temporal-invariant variogram subgroups to estimate fine particulate matter PM2.5 concentrations[J]. Atmospheric Environment，2012（54）：1～8.

[10]何 俊，張 丽，张立杰. 基于自动站资料的深圳灰霾特征对比分析[J]. 中国环境监测，2013（6）：39～43.

[11]杨 琳，杨红龙，陈嘉晔，等. 深圳地区灰霾分布特征及预警、预报方法探讨[J]. 环境科学学报，2012（12）：3065～3072.

[12]冯加武，彭晓武，许振成，等. 珠三角地区2005-2009年灰霾天气污染水平分析[J]. 环境科学与技术，2012（11）：75～78.

[13]王明洁，朱小雅，陈申鹏. 1981～2010年深圳市不同等级霾天气特征分析[J]. 中国环境科学，2013（9）：1563～1568.

[14]林 云，孙向明，张小丽，等. 深圳市大气能见度与细粒子浓度统计模型[J]. 应用气象学报，2009（2）：252～256.

[15]杨毅红，瞿 群，刘随心，等. 夏季珠江三角洲地区PM2.5化学组分特征及其对大气能见度的影响[J]. 环境科学，2015（8）：2758～2767.

[16]云 慧，何凌燕，黄晓锋，等. 深圳市PM2.5化学组成与时空分布特征[J]. 环境科学，2013（4）：1245～1251.

[17]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.

[18]深圳市气象局. 深圳市气候公报2015年[R].深圳：深圳市气象局，2015.

Distribution and Transfer Characteristics of PM2.5 in Shenzhen

Chen Jiaye1， Li Shiping1， You Yong1， Li Hongxia2， Lin Liheng1， Liu Bo1

（1.Shenzhen Environmental Monitoring Center， Shenzhen， Guangdong 518049， China；

2. Institute of Advanced Technology， Sun Yat-sen University， Guangzhou， Guangdong510275， China）

Abstract： Based on the PM2.5 hourly monitoring data from 11 sites of Shenzhen in 2015， the distribution and transfer characteristic of PM2.5 was analyzed with Correl correlation coefficient method and pollution rose. The results showed： 1） the dominant wind direction of Shenzhen was NNE wind in 2015， and the wind direction frequency of NNE was 12.3%. Meanwhile， the annual average PM2.5 concentration of Shenzhen was 29.8μg / m3， the overall average concentration characteristics of each season were expressed as winter> autumn > spring> summer. 2） PM2.5 has a significant negative correlation with dew-point temperature and visibility， the correlation coefficients were -0.517 and -0.540 respectively. Furthermore， the PM2.5 concentration showed obvious correlation with pressure and temperature， the correlation coefficients were 0.439 and -0.411， respectively. There was a weak correlation between PM2.5 and wind direction， wind speed and relative humidity. 3） The probability of PM2.5 pollution with sea-wind type （E、ESE、SE、SSE、S） was 22.7%， and the PM2.5 average concentration of PM2.5 pollution accidents in the autumn and winter was 50.6μg/m3.The proportion of PM2.5 pollution （> 35μg/m3） happened under the scenes of dominant wind type （N， NNE， NE and ENE） was 61.1%. When the wind speed was greater than 3m/s， the proportion of PM2.5 pollution was only 6.26%. 4） The average PM2.5 concentrations with NW-type （WNW、NW、NNW）， dominant wind type and sea-wind type were 40.1， 35.8 and 26.2μg/m3. In the winter， the average PM2.5 concentrations with NW-type was much higher than that of dominant wind and sea-wind type.

Key words： PM2.5； pollution rose； delivery channel； Shenzhen