山西省2015年细颗粒物的污染状况和空间分布

孙小燕，杨萍果，敖 红，张 鹏

1.山西师范大学 生命科学学院，临汾 041000

2.中国科学院地球环境研究所 黄土与第四纪地质国家重点实验室，西安 710061

山西省2015年细颗粒物的污染状况和空间分布

孙小燕1,2，杨萍果1，敖 红2，张 鹏2

1.山西师范大学 生命科学学院，临汾 041000

2.中国科学院地球环境研究所 黄土与第四纪地质国家重点实验室，西安 710061

大气污染因其对人体健康、生态环境和气候变化的影响而成为全球关注的环境问题，细颗粒物（PM2.5）是雾霾产生的主要原因之一。为全面掌握山西省细颗粒物的污染状况与空间分布格局，本文运用统计学方法和Arc GIS技术，根据环境空气质量评价技术规范，对2015年山西省57个空气质量指数监测站提供的PM2.5实时数据进行处理分析。结果表明：山西省PM2.5的浓度有明显的季节性变化特征，由高到低依次为冬、春、秋、夏；PM2.5月平均浓度最高值分别出现在1月和12月，且高值中心都位于运城；在空间分布上则表现为南部高于北部。全省11个地市级城市有9个超过国家二级标准，超标指数达到72%。聚类分析结果表明：山西省城市可以分为两大类，一类为产业结构转型良好的城市，如阳泉、朔州、吕梁、大同；另一类为第二产业发展粗放，工业污染严重的区域。

山西省；细颗粒物；大气雾霾；空间分布；聚类分析

近年来随着我国经济的快速发展，工业化城市化进程加快，交通运输业也出现了较为迅猛的发展，给人们的生产生活带来了极大的便利，随之也产生了很多的环境问题。大气环境的恶化严重威胁到国家的生态安全和人类健康。颗粒物（particulate matter，PM）是城市大气中的主要污染物（Morris et al，1995；Xia et al，2008；杨洪斌等，2012），它对空气质量和大气能见度（曹军骥，2012，2014；Chow et al，2012）有着重要的影响。细颗粒物（PM2.5）是代表空气动力学等效直径等于和小于2.5微米的大气颗粒物。PM2.5具有体积小、重量轻的基本特征，以至于在大气中能够长时间滞留，大气环流可将其送到较远的地方，会造成大范围的污染。PM2.5比其他空气污染物对身体带来的损害更大。PM2.5的比表面积比PM10和PM100大，对各种与人体有害的污染物（杨新兴等，2012）、病毒和更多的细菌有着很好的吸附能力。呼吸道中极易吸入较多的PM2.5，其在肺泡内堆积，可以引发呼吸道和心血管等各类疾病，对人体造成极大的伤害（Seaton et al，1995；Knutsen et al，2004；Chan and Yao，2008）。

山西作为一个煤炭重工业能源大省，是全国煤炭的主要生产基地，由于特殊的地理位置和自然环境，是煤烟型污染的典型区域。近几年虽然山西省大力推进产业结构改革，但其环境问题依然是严峻的，对空气质量有极大影响的依然是二氧化硫（SO2）、氮氧化物（NOx）、臭氧（O3）及颗粒物（PM）等。其中颗粒物能在大气中长期漂浮，它们能降低空气能见度（Watson，2002；吴兑等，2012），是导致雾霾天气的重要原因。

目前国内外对PM2.5的研究大多集中在其化学组成、来源分布及形成机制上（曹军骥，2012，2014；张智胜等，2013；赵晨曦等，2014）。利用相关PM2.5的监测数据，进而在省际区域探讨其时空分布特征，探索其分布规律及其影响因素的研究不多。王振波等（2015）对2014年中国190个城市945个监测点PM2.5浓度的时空分布进行了分析研究，结果证明环境质量较为稳定的空气质量优良区是珠三角城市群。张殷俊等（2015）对2015年中国74个城市496个监测点的PM2.5浓度进行了空间分布和污染情况的研究，结果显示各城市PM2.5污染情况与当地城市经济发展水平、产业结构、气候、地形等多因素有着密切的联系。刘永林等（2016）对重庆2016年主城区PM2.5的时空分布特征进行了研究，显示重庆市主城区PM2.5月均浓度变化呈单峰单谷型。

2012年2月29 日国家对《环境空气质量标准》进行了新的修订，PM2.5浓度限值增设了新标准，环境空气质量的管理已得到国家的高度重视。本文就山西省的区域大气PM2.5颗粒物的时空分布进行浅析，以期为开展环境保护工作提供依据。

1 材料与方法

1.1 研究区域概况

山西省位于黄土高原的东翼，地处华北西部，地理 坐 标为北纬 34°60′ — 40°75′、 东经110°22′ — 114°57′，地形相对复杂，地貌类型主要有山地、丘陵、高原、盆地、台地和其他景观类型，地形地貌特征是北高南低，平原少，丘陵多，河流少，水土流失严重。海拔1000 — 2000 m分布着山区和丘陵，占到全省总面积的2/3。山西省位于中温带和暖温带季风气侯区之间，属于温带大陆性气候。年平均降水量达到400 — 650 mm，年平均气温达到3 — 14℃，昼夜温差和南北温差相差比较大。山西矿产资源丰富，已发现矿种120种，其中，煤炭保有资源储量2767.9亿吨，煤层气保有资源储量1825.2亿立方米，煤矿的开采和燃烧造成大气和水源的严重污染。山西省共设有57个站点，分布在全省11个市。其中太原9个，大同6个，阳泉6个，长治5个，临汾6个，晋城6个，朔州5个（图1）。

图1 山西省57个监测站点分布图Fig.1 Map of 57 monitoring stations in Shanxi Province

1.2 数据来源及研究方法

分别收集2015年1—12月的山西省环保官方网站（http://www.sxhb.gov.cn）空气质量指数系统公布的57个站点逐日数据。本文采用的每日环境空气质量指数（AQI）数据及PM2.5浓度数据是山西省各城市根据当天环保总站每小时数据计算求平均值的结果，参与统计的数据均为审核后数据，满足质量管理和数据有效性相关要求。

本文PM2.5达标情况根据环境空气质量标准（GB 3095—2012）中PM2.5的年平均和24小时的平均浓度限值进行评价。对污染情况通过环境空气质量指数（AQI）技术规定（试行）（HJ 633 — 2012）进行评价。本文用Excel 2010，SPSS 19.0和ArcGIS 10.2对数据进行分析。

2 结果分析

2.1 山西省PM2.5的时间分布规律

2015 年山西省11个城市的PM2.5年均值浓度 波 动 从 34.4 µg ∙ m−3到 65.5 µg ∙ m−3， 平 均 为55.1 µg ∙ m−3，是国家年均值二级标准（35 µg ∙ m−3）的1.6倍（表1）。将57个监测点及全市每日数据平均值的基本统计信息进行归纳整合，对11个城市站点全年的监测数据进行了分析，统计出各个站点的数据最大值、最小值、平均值和标准差（表1）。标准差的大小说明一组数据的波动问题。标准差越大，数据的离散程度越大，标准差越小，数据的离散程度越小。由表1可以看出各监测点波动性整体较大，运城的标准差最大，达到48.2，吕梁的标准差最小，为24.1。

表1 山西省PM2.5监测数据的基本统计信息Tab.1 Basic statistical information for monitoring data of PM2.5 in Shanxi Province

2015 年山西省11个城市的PM2.5日均值浓度分布范围是 5 — 416 µg ∙ m−3（表 1），最低日均值浓度是出现在大同的6月13日和9月12日，在运城的12月13日出现最高日均值浓度，最高值为 416 µg ∙ m−3。相比按日均 值二级标准（75 µg ∙ m−3）评价，山西省 11 个市超标天气共计达到1123天，其中太原PM2.5超标天数达到136天，吕梁超标天数最少，为53天，临汾和阳泉超标天数分别达到91天、94天。太原超标最为严重，PM2.5超标天数达到136天，平均每7天就有4天超标，严重危害到市民的健康安全和城市空气质量的健康持续发展。

12月和1月分别出现PM2.5的浓度最高值，高值中心分别位于运城和临汾。2月、3月、4月持续降低，但PM2.5浓度高值区有所不同，2月高值中心出现在朔州，3月和4月均位于太原，5月和6月PM2.5浓度开始回升，但高值中心仍位于运城，7月出现一个高值（图2），原因可能是：街头烧烤也是造成夏季空气质量污染严重的一个不容忽视的重要大气污染排放源；夏季出游多，机动车辆的大量尾气排放亦造成大气污染。8月为最低值，高值中心仍位于运城，浓度值为 55.3 µg ∙ m−3，按相关研究来看（郭涛等，2009；王占山等，2015；张殷俊等，2015），月份分布呈U型，在6月应该达到最低值，而该地区最低值出现在8月，与该地区部分城市的污染治理有较大的关系。9月、10月、11月、12月PM2.5浓度持续回升，达到峰值，是因为天气渐冷，进行大量煤炭燃烧的结果。

根据山西各城市的气候特点，山西省的春季出现在3 — 5月，夏季为6 — 8月，秋季为9 — 11月，冬季为12月 — 次年2月。PM2.5的四季分布情况如图3所示。该图较为明显地表明：长治和运城是高值区域，冬季运城平均浓度高达 106.7 µg ∙ m−3，最低值出现在大同。从具体的最高值来看，四个季度差别比较明显，由图3可看出，PM2.5浓度在冬季达到最大值，出现在运城，超标率高达93%，最低值在夏季，出现在临汾，超标率为20%，可见临汾近些年来的环保起到了很大的作用，空气质量有了很大的改变。春季和秋季相差不大，高值中心分别出现在运城和长治，超标率分别达到73%和74%。春、夏、秋、冬四个季节的高值分布区比较相似，都聚集在山西南部及中部区域。

图2 2015年山西省PM2.5的月份分布情况Fig.2 Monthly distribution of PM2.5 in Shanxi Province in 2015

通过对PM2.5浓度的季节变化特征进行分析，山西省各城市PM2.5浓度最高出现在冬季，浓度最低在北部地区出现在夏季、南部地区出现在秋季。但总体来看，PM2.5的浓度由高到低依次为冬季、春季、秋季、夏季。冬季PM2.5浓度较高的原因是：冬季北方天气寒冷，取暖燃烧大量煤炭，煤炭未经过处理，废气排出较多，加重污染；且冬季气温低，大气边界层显著降低，加上逆温现象的变化，导致其空气质量恶化；春节期间大量烟花爆竹的燃放，也是导致大气污染物产生的重要原因。夏季，大气边界层抬升，垂直扩散加强，气温相对比较稳定，污染物质量浓度日变化浓度比较平缓，而且较频繁的降雨及大风天气，有利于污染物的扩散和清除，因而一年中夏季的PM2.5浓度最低。春季PM2.5浓度较高是因为山西地处黄土高原，受到来自北方沙尘以及周边地区农田秸秆焚烧的影响。秋季受到区域雾霾天气的影响，排放到大气中的污染物很难扩散和清除，造成PM2.5浓度偏高。

根据PM2.5日均值浓度在重度或重度以上的污染情况，山西省有9个城市达到重度或重度以上污染，污染天数104天，平均每个城市约12天。全省1 1个城市中度污染天数一年内达到231天，平均每个城市21天。从中度、重度和重度以上污染情况来看，主要集中在1 — 3月和10 — 12月。12月和1月是污染最严重的，月平均污染天数为7天，忻州、太原和长治日均值超标最为严重。2014年11月28日—12月9日左右，北部地区出现了大规模的雾霾天气，京津冀地区尤为严重（王振波等，2015）。各地PM2.5爆表，能见度明显缩小，山西部分地区能见度不足50 m，严重影响城市秩序。从山西2015年污染情况来看，有以下一些特点（图4a）：北部地区几个城市同时出现大规模的严重污染状况；PM2.5达到重度污染天数76天，是同年污染天数的74%。

2.2 山西省PM2.5的空间分布规律

PM2.5年均浓度的空间分布表明，PM2.5污染比较严重的区域主要集中在山西南部（图4b），年均值排在前四位的分别是运城、长治、太原、朔州，呈现出由南向东西发展的局势。11个城市的PM2.5年均值在北部城市相对较低，虽然也都超过国家年均值二级标准，但总体低于年均值最高的运城。

图3 山西省PM2.5的四季分布Fig.3 Seasonal distribution of PM2.5 in Shanxi Province

图4 山西省2015年PM2.5日均值超标率和年平均浓度分布图Fig.4 Spatial distribution of daily and annual PM2.5 concentrations in Shanxi Province in 2015

从空间分布来看，PM2.5的超标情况与年均值浓度呈现出相同的趋势特征。超标情况比较严重的主要集中在运城和长治。与浓度特征趋于一致，山西南部的污染比例要大于山西北部地区 。

2.3 聚类分析

聚类分析是数理统计中研究物以类聚的一种多元分析方法，即用数学模型定量被分类对象之间的亲疏关系，从而客观地分型划类，使在同一类的事物具有高度共质性，而不同类的事物具有高度相异性。张殷俊等（2015）利用聚类分析对中国74个城市PM2.5的污染状况进行研究，将74个城市分为10个区域，相关系数通过了显著性差异统计检验。Mkoma et al（2014）利用聚类分析的方法研究了PM2.5和PM10的可能来源的相似程度和区别。

本文对山西省11个城市PM2.5的空间污染分布情况进行聚类分析，对各城市进行分类。聚类分析方法选用ward最小方差法，距离和相似性测度方法选择欧氏距离平方（squared Euclidean distance）求得这些城市监测数据背后所隐含的、可能存在的区域关系（唐玉翔等，2015），进而找出影响山西省PM2.5区域分布规律及可能存在的对其产生影响的工业活动和产业方面的主要因素。

通过SPSS软件进行聚类分析（高惠璇，2005），作出的树状聚类图如图5。聚类分析结果得出：山西省11个地级市可以分为两大类，阳泉、朔州、吕梁、大同为一类，其他则为第二类。从样本点的分布（图1）来看，距离相邻的样点分在一类地区，这表明山西省PM2.5空间分布情况与其地理位置和区域大气有一定的关系，唐玉翔等（2015）研究西安PM2.5污染时也发现了这种区域关系。在山西省南部及中部地区，污染情况比较严重，符合实际情况，这与本文以上统计分析的各类结果相一致，也证明了该研究分析结果的可信性和有效性。

山西省各区域的特点是：第一类地区近年来都进行了产业结构改革，通过新产生的煤矸石被消化吸收用来发展新型建材，环境污染在源头上得到遏制；例如阳泉在全市范围内开展植树绿化工程，装备制造业、环保产业、文化旅游业成为阳泉优先发展的新兴产业，而且取得了不错的成果； 2004年大同市进行了产业结构改革，转变传统煤矿行业发展新兴旅游业，实施了大量绿化工程，空气得到了很好的转变。第二类地区，普遍是第一产业不优，第二产业不强，第三产业比重偏小。第二产业发展粗放，高耗能，高污染的原材料工业比重偏大。其中，长治市近些年由于产业的改革调整，工业污染严重，造成空气质量下降（钟新桥等，2010）。

图5 山西省11个城市的聚类系谱图Fig.5 Hierarchical clustering of 11 monitoring cities in Shanxi Province

2.4 山西省PM2.5分区污染评估

根据环境保护部新修订的《环境空气质量标准》，环境空气功能区可分为两类：一类为自然保护区、风景名胜区和其他需要保护的区域；二类为居住区、商业交通居民混合区、文化区、工业区和农村地区。环境空气功能区的质量要求是：一类区适用于一级浓度限值，二类区适用于二级浓度限值。

根据聚类分析结果，山西省可分为两类工作区（图6）。其中，第一类是运城为代表的二类区，对比表1和表2，可看出：运城为代表的这类均在二级浓度值，且浓度较高；而以大同为代表的一类区虽然也在二级浓度值内，但是相比运城这类要低，且大同未超过一级浓度值，空气质量良好。由此可知，运城为代表的这类城市需进行进一步的治理，提高整体的空气质量，让人们拥有一个健康的生活环境；大同为代表的这类城市也要进行必要的治理，使得该地区空气质量得以优化。

图6 PM2.5污染情况分布图Fig.6 Situation of PM2.5 pollution in Shanxi Province

表2 环境空气污染物基本项目浓度限值Tab.2 Threshold of PM concentration for basic item of ambient air pollutant

3 结论

本文通过收集2015年山西省11个城市57个站点的PM2.5日均值浓度数据，对山西11个城市PM2.5污染的时空分布特征进行研究，分析结果显示：

（1）从PM2.5年均值和日均值浓度水平来看，目前，山西省11个城市污染程度基本都超过颗粒物浓度的二级浓度限值，比较严重。11个城市年均值为 55.1 µg ∙ m−3，是国家二级标准的 1.6 倍；2015年山西省11个城市的PM2.5的年均值浓度波动水平是 34.4 — 65.5 µg ∙ m−3，山西省 11 个城市中只有1个城市达标，占到城市比例的1/11，城市中PM2.5超标天数平均为102天；PM2.5日均值浓度分布范围是 5 — 416 µg ∙ m−3，最低日均值浓度分别出现在大同的6月13日和9月12日，最高日均值浓度出现在运城的12月13日。

（2）从月份水平来看，PM2.5月平均浓度分别在12月和1月达到最高峰值，浓度值分别为145.4 µg ∙ m−3和 105.7 µg ∙ m−3，且最高值均出现在运城。该时期正处在冬季及春节期间，不合理取暖和烟花爆竹的燃放是引起PM2.5浓度升高的主要原因；在8月达到最低值，与该地区部分城市的污染治理有着较大的关系。

（3）PM2.5浓度的时间分布特点主要呈现出冬季＞春季＞秋季＞夏季的特点，其季节平均浓度依次为 79.8 µg ∙ m−3、50.4 µg ∙ m−3、45.1 µg ∙ m−3和44.5 µg ∙ m−3，全省四季超标。冬季由于供暖原因，全省11个城市PM2.5浓度均相对其他季度较高；冬季运城超标率高达93%，夏季临汾超标率20%，临汾空气质量有所改善。空间分布特点的高值区域主要集中在运城和太原，表明与其产业结构有着密切的联系。

（4）聚类分析表明，山西省11个城市可以分为两大类，说明它们空间距离比较接近，有相似的分类特征，与这些点的地理位置能很好地吻合，其中以运城为代表的城市位于山西的南部，污染情况比较严重。

曹军骥. 2012. 我国PM2.5污染现状与控制对策[J].地球环境学报, 3(5): 1030 – 1036. [Cao J J. 2012. Pollution status and control strategies of PM2.5in China [J].Journal of Earth Environment, 3(5): 1030 – 1036.]

曹军骥. 2014. PM2.5与环境[M]. 北京: 科学出版社. [Cao J J.2014. PM2.5& environment [M]. Beijing: Science Press.]

Chow J C, 曹军骥, 李顺诚, 等. 2012. PM2.5及其测量与影响研究简史[J].地球环境学报, 3(5): 1020 – 1029. [Chow J C, Cao J J, Li S C, et al. 2012. A brief history of PM2.5,its measurement and adverse effect [J].Journal of Earth Environment, 3(5): 1020 – 1029.]

高惠璇. 2005. 应用多元统计分析[M]. 北京: 北京大学出版社 : 216 – 229. [Gao H X. 2005. Applied multiple statistic analysis [M]. Beijing: Peking University Press: 216 – 229.]

郭 涛, 马永亮, 贺克斌. 2009. 区域大气环境中PM2.5/PM10空间分布研究[J].环境工程学报, 3(1): 147 – 150. [Guo T, Ma Y L, He K B. 2009. Study on spatial distributions of PM2.5/PM10in regional atmospheric environment [J].Chinese Journal of Environmental Engineering, 3(1):147 – 150.]

刘永林, 孙启明, 钟明洋, 等. 2016. 重庆市主城区PM2.5时空分布特征[J].环境科学, 37(4): 1219 – 1229.[Liu Y L, Sun Q M, Zhong M Y, et al. 2016. Temporal and spatial distribution characteristics of PM2.5in Chongqing urban areas [J].Environmental Science,37(4): 1219 – 1229.]

唐玉翔, 黄 平, 钱新明, 等. 2015. 西安市PM2.5污染的时空分布[J].安全与环境学报, 15(4): 368 – 373. [Tang Y X,Huang P, Qian X M, et al. 2015. On the spatial and temporal distribution regularity of PM2.5pollutants in Xi’an [J].Journalof Safety and Environment, 15(4): 368 – 373.]

王占山, 李云婷, 陈 添, 等. 2015. 2013年北京市PM2.5的时空分布[J].地理学报, 70(1): 110 – 120. [Wang Z S, Li Y T, Chen T, et al. 2015. Spatial-temporal characteristics of PM2.5in Beijing in 2013 [J].Acta Geographica Sinica,70(1): 110 – 120.]

王振波, 方创琳, 许 光, 等. 2015. 2014年中国城市PM2.5浓度的时空变化规律[J].地理学报, 70(11): 1720 – 1734.[Wang Z B, Fang C L, Xu G, et al. 2015. Spatial-temporal characteristics of the PM2.5in China in 2014 [J].Acta Geographica Sinica, 70(11): 1720 – 1734.]

吴 兑, 刘 汉, 梁延刚, 等. 2012. 粤港细粒子（PM2.5）污染导致能见度下降与灰霾天气形成的研究[J].环境科学学报, 32(11): 2660 – 2669. [Wu D, Alexis Kai-Hon Lau, Leung Y K, et al. 2012. Hazy weather formation and visibility deterioration resulted from fine particulate(PM2.5) pollutions in Guangdong and Hong Kong [J].Acta Scientiae Circumstantiae, 32(11): 2660 – 2669.]

杨洪斌, 邹旭东, 汪宏宇, 等. 2012. 大气环境中PM2.5的研究进展与展望[J].气象与环境学报, 28(3): 77 – 82. [Yang H B, Zou X D, Wang H Y, et al. 2012. Study progress on PM2.5in atmospheric environment [J].Journal of Meteorology and Environment, 28(3): 77 – 82.]

杨新兴, 冯丽华, 尉 鹏. 2012. 大气颗粒物PM2.5及其危害 [J].前沿科学, 6(1): 22 – 31. [Yang X X, Feng L H,Wei P. 2012. Air particulate matter PM2.5in Beijing and its harm [J].Frontier Science, 6(1): 22 – 31.]

张殷俊, 陈 曦, 谢高地, 等. 2015. 中国细颗粒物（PM2.5）污染状况和空间分布[J].资源科学, 37(7): 1339 – 1346.[Zhang Y J, Chen X, Xie G D, et al. 2015. Pollution status and spatial distribution of PM2.5in China [J].Resources Science, 37(7): 1339 – 1346.]

张智胜, 陶 俊, 谢绍东, 等. 2013. 成都城区PM2.5季节污染特征及来源解析[J].环境科学学报, 33(11):2947 – 2952. [Zhang Z S, Tao J, Xie S D, et al. 2013.Seasonal variations and source apportionment of PM2.5at urban area of Chengdu [J].Acta Scientiae Circumstantiae,33(11): 2947 – 2952.]

赵晨曦, 王云琦, 王玉杰, 等. 2014. 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, 35(2): 418 – 427. [Zhao C X, Wang Y Q, Wang Y J, et al. 2014. Temporal and spatial distribution of PM2.5and PM10pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing [J].Environmental Science, 35(2): 418 – 427.]

钟新桥, 高 飞, 李 俊. 2010. 山西省产业结构调整战略研究[J].科技创业月刊, (4): 3 – 5. [Zhong X Q,Gao F, Li J. 2010. Research on adjustment of industrial structure strategy in Shanxi [J].Pioneering with Science &Technology Monthly, (4): 3 – 5.]

Chan C K, Yao X H. 2008. Air pollution in mega cities in China [J].Atmospheric Environment, 42(1): 1 – 42.

Knutsen S, Shavlik D, Chen L H, et al. 2004. The association between ambient particulate air pollution levels and risk of cardiopulmonary and all-cause mortality during 22 years follow-up of a non-smoking cohort [J].Epidemiology,15(4): S45.

Mkoma S L, da Rocha G O, Regis A C D, et al. 2014. Major ions in PM2.5and PM10released from buses: the use of diesel/biodiesel fuels under real conditions [J].Fuel, 115: 109 – 117.

Morris W A, Versteeg J K, Bryant D W, et al. 1995. Preliminary comparisons between mutagenicity a magnetic susceptibility of respirable airborne particulate [J].Atmospheric Environment, 29(23): 3441 – 3450.

Seaton A, MacNee W, Donaldson K, et al. 1995. Particulate air pollution and acute health effects [J].Lancet, 345(8943):176 – 178.

Watson J G. 2002. Visibility: Science and regulation [J].Journal of the Air & Waste Management Association,52(6): 628 – 713.

Xia D S, Chen F H, Bloemendal J, et al. 2008. Magnetic properties of urban dustfall in Lanzhou, China, and its environmental implications [J].Atmospheric Environment,42(9): 2198 – 2207.

Spatial distribution and pollution variation of fine particulate matter at urban area from Shanxi Province in 2015

SUN Xiaoyan1,2, YANG Pingguo1, AO Hong2, ZHANG Peng2
1. College of Life Sciences, Shanxi Normal University, Linfen 041000, China
2. State Key Laboratory of Loess and Quaternary Geology, Institute of Earth Environment, Chinese Academy of Sciences, Xi’an 710061, China

Background, aim, and scopeAtmospheric pollution in China has become a serious environmental problem because of its signif i cant inf l uences on human health, ecological environment and climate change. Fine particulate matter (PM2.5) is a major cause of haze, which can result in urban air quality problems, especially reduced visibility and health problems. PM2.5can be stay in the atmosphere for a long time, and can be transported to distant places through winds. Shanxi Province located in the middle of China. Due to rapid increase in motor vehicles and energy consumption during recent decades, serious air quality problems take place in Shanxi Province. In the study, we collected the daily PM2.5data from Shanxi Province in 2015, and analyzed the PM2.5distribution in Shanxi Province. This study provides useful information for pollution control strategy in Shanxi Province.Materials and methodsThis study aims to analyze the data of PM2.5provided by 57 monitoring stationsof air quality index (AQI) in Shanxi Province, using Arc GIS and the clustering analysis method, referring to the Technical Code of Air Quality Assessment.ResultsThe results showed that: the concentration of PM2.5shows seasonal change. Overall, PM2.5concentration decreases from winter to summer. PM2.5peak concentration occurs in January and December. Generally, Yuncheng city has the highest PM2.5concentration. The spatial distribution of PM2.5decreased from southern to northern Shanxi Provence. The PM2.5from nine cities was higher than the secondary standard of Air Quality Assessment and 72% larger than the standard value. The cities can be divided into two categories according to clustering analysis of PM2.5. One category includes Yangquan, Lüliang,Shuozhou, Datong cites, which have well-developed secondary industry. The other category includes Taiyuan,Jinzhong, Xinzhou, Yuncheng, Changzhi, Jincheng and Linfen, which have extensive industrial restruction and seriously industrial pollution.DiscussionThe data of AQI show that the spatial distribution of PM2.5in Shanxi Province can divided two categories, which indicates that the spatial distribution of PM2.5in Shanxi Province has a certain relationship with its geographical location, and regional atmosphere.ConclusionsThe results show that the pollution situation is more serious in the southern Shanxi with the most serious pollution in winter.Recommendations and perspectivesThe southern part of Shanxi Province need timely management, and the northern region in some areas have to be slightly managed.

Shanxi Province; fi ne particulate matter; atmospheric haze; spatial distribution; clustering analysis