巴中市城区PM2.5污染特征及时空变化规律分析

唐樱殷，张翠英，李智军

(巴中市环境监测中心站，四川 巴中 636000)

1 前 言

现如今大气颗粒物已然成为影响环境空气质量的重要污染物，其中PM2.5(空气动力学当量直径小于2.5μm的颗粒物)是造成我国城市雾霾以及空气质量超标的主要因素[1-2]。 PM2.5主要来源于化石燃料燃烧(燃煤、燃油等)、工厂排放、道路尘、建筑尘、汽车尾气和生物质燃烧排放等人为活动过程中所产生的颗粒物以及大气化学过程所产生的二次颗粒物[3]。PM2.5本身具有致突变性[2-3]，其粒径小、比表面积大而复杂，对有毒物质的吸附特别强[4]，可随呼吸进入体内沉积在主气管、支气管、肺泡等部位，甚至可穿透肺泡进血液循环，损害呼吸系统和免疫系统[5-6]。因此, PM2.5的污染状况受到政府及公众的高度重视，在新的《环境空气质量标准》(GB3095-2012)中，把PM2.5纳入常规监测指标。

我国幅员辽阔，区域空气资源禀赋，扩散条件差异显著[7]，其中四川盆地成渝城市群PM2.5的研究多集中于成都、重庆等大城市[8]，对于盆地周边低山丘陵区同时又是经济不发达的地区如巴中市研究较少，而这些地区具有独特的地形植被，又面临城市经济急需快速发展和环境保护压力的主要矛盾，呈现出与以往及与其他地区不同的特征。2016年巴中市除了PM2.5未达到国家环境空气质量二级标准，而其他的空气质量指标PM10、SO2、NO2、CO 和O3均达到国家环境空气质量二级标准，由此可见PM2.5是影响巴中市环境空气质量的首要污染物。然而，巴中市有关PM2.5污染的研究记录几乎没有，因此，本文以巴中市4个国控空气自动监测站点的大气污染数据为依据，分析了PM2.5质量浓度的分布规律及其主要相关因素，并分析其季节变化规律和空间分布特征，以期为巴中市大气污染治理提供科学依据，以及为区域的大气污染防治措施的制定提供参考。

2 研究方法

2.1 研究区概况

巴中市地处四川盆地东北部，属盆周边远山区，位于中国第二大苏区——川陕革命根据地的中心和首府，素有“红军之乡” “川东北氧吧”之称，地理坐标为东经106°21′～107°45′，北纬31°15′～32°45′，地处大巴山系米仓山南麓，东邻达州，南接南充，西抵广元，北接陕西汉中，共下辖2区3县。巴中市城区共设江北新城区(市环保局点)、江南老城区(巴中中学点)、南坝居住区(市职业中学点) 、清洁对照点(苏山坪点)四个国控环境空气质量监测站点，分别代表居住区、商混区、工业区和背景点位。4个站点都属于环境空气质量二类区，监测点位的布设满足环境空气质量监测标准的要求，监测方法按照《环境空气质量监测规范(试行)》及《环境空气颗粒物(PM10和PM2.5)连续自动监测系统技术要求及检测方法》(HJ653-2013)、《环境空气气态污染物(SO2、NO2、O3、CO)连续自动监测系统技术要求及检测方法》(HJ654-2013)的要求执行。数据发布按照《环境空气质量标准》(GB3095-2012)、及《环境空气质量指数(AQI)技术规定(试行)》(HJ633-2012)的有关规定发布日报。

2.2 数据获取

为了客观分析巴中市城区PM2.5污染特征，研究数据源自巴中市四个国控监测站点的PM2.5实际监测值，包括了其他主要大气污染物指标。选取数据的时间范围为2016年3月1日～2017年2月28日，包含了一个自然年的四个季节。

3 结果与讨论

3.1 PM2.5 质量浓度的分布规律

采用SPSS 和Excel软件对2016 年3 月至2017 年2 月的PM2.5日均浓度进行了统计分析并以5μg/m3为间隔进行分组，统计出各组对应的频率，如图1所示。日均PM2.5浓度值的单样本K-S 检验的显著性为0，PM2.5浓度值对数的检验显著性为0.038，通过0.01 的显著程度检验，表明巴中市城区PM2.5日平均质量浓度不是标准的正态分布，但对数值大致接近正态分布特征。PM2.5日均浓度的分布区间较宽，为3～151μg/m3，说明各时间段的污染程度之间有较大差异。频率最高的浓度区间为20～25μg/m3，其次为10～15μg/m3和15～20μg/m3，处于一个较低的浓度水平，但PM2.5浓度在35～40μg /m3时概率密度达到最大值1.52%，反映了PM2.5浓度的平均水平(37.3μg/m3)，略高于离空气质量二级标准(35μg/m3)。

图1 PM2.5 日均浓度概率分布图Fig.1 Probability distribution of daily mean PM2.5 concentrations

3.2 PM2.5与其他大气污染物的相关分析

在较短时段或某次具体的事件中区域大气细颗粒物可能受气象要素影响较大，但从长时间的影响程度上看，细颗粒物的前体物是其主要的影响因子[9]。因此选取了其他大气污染物作为相关因子进行分析，PM10与PM2.5在测度上有包含关系，故相关性分析不作讨论。分析之前将所有数据进行标准化以消除量纲影响，PM2.5分别和SO2、CO、NO2、O3的相关性见下表，结果表明，其他大气污染物与PM2.5浓度的相关性都比较大，具有明显的线性关系。与PM2.5相关系数从大到小依次是CO>NO2> SO2>O3。SO2、O3与PM2.5相关系数达0.45以上， CO、NO2与PM2.5相关系数则高达0.7以上，呈强相关，CO和NO2都与城市机动车尾气污染具有紧密联系[10-11]，表明机动车尾气污染对PM2.5做出了主要贡献。

表 PM2.5和其他主要大气污染物质量浓度线性回归及相关性分析结果Tab. Results of linear regression and correlation analysis of PM2.5and the other main air pollutants

3.3 PM2. 5的季节变化特征及影响因素分析

巴中市城区PM2.5质量浓度呈现出明显的季节特征，不同季节的PM2.5浓度水平存在着差异，如图2所示：冬季 PM2.5平均浓度最大为68.76μg/m3，是夏季(17.28μg/m3)的4倍，是秋季(32.24μg/m3)和春季(31.70μg/m3)的2倍多；冬季 PM2.5浓度范围广但高浓度概率较大，25%分位浓度高达44.75μg/m3，高于春、夏、秋季的75%分位浓度。PM2.5污染的变化规律表现为：冬季最严重，其次是春秋季节，污染最轻的为夏季。巴中市夏季太阳辐射强烈，地表温度较高，2016年盛夏平均气温高达28.7℃，因此空气对流与湍流强，可以促使细颗粒物PM2.5得到有效扩散。夏季植被最繁茂，PM2.5吸附能力强，蒸腾作用可以增加空气湿度，降低空气温度，形成有利于PM2.5沉降的有利气候条件[12]。冬季太阳辐射弱，地表温度最低，2016年季均温度为8.6℃，抑制了空气对流，加之盆地地形影响，逆温天气发生的频率高且持续时间长，有利于PM2.5的累积[13]。冬季植被凋零，燃煤量大，降水稀少，城区全季降水总量仅为57.9mm，对PM2.5的清除作用不大，故冬季PM2.5污染程度最高。 春、秋季的气温、降雨以及植被覆盖率都比冬季高，所以污染程度低于冬季。

图2 PM2.5质量浓度的季节变化Fig.2 Seasonal variation of PM2.5 mass concentration

统计分析得到4个季节首要污染物是PM2.5的天数占比，如图3所示：首要污染物是PM2.5的天数占比从高到低的排序为：冬季(83.3%)>秋季(33%)>春季(14.1%)>夏季(1.1%)，反映了各个季节的PM2.5污染状况，与PM2.5质量浓度的变化规律一致。首要污染物是PM2.5且空气污染程度为轻度污染及以上的天数占比在冬季高达41.1%，而在春、夏、秋季则为0%，反映了PM2.5污染是冬季环境空气质量变差的主要原因。

PM2.5是PM10的重要细粒组成部分，相关系数高达0.94，表明两者在空气中遵循相同的迁移转化规律。如图3所示：PM2.5与PM10质量浓度的相关系数在夏、春季低于于秋、冬季节，这种差异与PM2.5污染程度紧密相关。PM2.5与PM10的比值作为受二次污染影响程度的表征指标[14]，也呈现出明显的季节特征：春季最低为0.535，反映了该地区大气颗粒物中PM2.5所占比重较小，大气颗粒物污染具有一定的复合性；其次是PM2.5污染程度最小的夏季为0.618，表明夏季的气候条件对PM2.5与PM10两者的稀释、扩散及沉降均有显著效果；冬季达到最高0.717，表明冬季的污染排放强度和不利扩散的气候条件有利于PM2.5的二次转化生成。

注：A代表首要污染物是PM2.5的天数；B代表首要污染物是PM2.5的污染天数

3.4 PM2.5的空间分布特征及影响因素分析

对巴中市城区市环保局点、巴中中学点、市职业中学点、苏山坪点四个国控监测站点的PM2.5日均浓度变化趋势进行对比分析，如图4所示，这四个监测站点的PM2.5变化趋势一致，表现为2016年12月～2017年2月(冬季)的PM2.5浓度水平明显高于其他月份且变化剧烈，2016年6月～2017年8月(夏季)的PM2.5浓度水平最低且平稳。

图4 不同监测站点的PM2.5日平均浓度变化Fig.4 Daily mean PM2.5 concentration variation of different monitoring stations

空间差异率(COD) 值可评价2 个不同站点的浓度差异程度。COD 值越趋近于0 则表明2 个站点差异越小，越趋近于1则表明差异越大[15]。分别取不同站点全年的PM2.5日均浓度作为数据值，定量评价不同区域的差异程度，结果显示各个站点相互关联的COD 值很低，最小值为0.134(市环保局和职业中学站点)，最大值仅为0.210(巴中中学和职业中学站点)，各站点的PM2.5浓度差异非常小。另外，从各个站点相互关联的COD 值分布图来看，如图5所示，各站点之间的差异程度比较均衡，表明PM2.5污染具有明显的区域性特征，受局地源影响较小。

图6 不同监测站点PM2.5质量浓度的季节变化Fig.6 Seasonal variation of PM2.5 mass concentration in different monitoring stations

从图6可以看出，4个站点的PM2.5浓度表现出相同的季节变化规律即夏季<春季<秋季<冬季。其中比较明显的是：巴中中学站点的PM2.5浓度无论在任何季节都高于其他站点。这是因为巴中中学站点位于老城区，属于商混区，人口比较聚集，人类活动较其他三个区域强，机动车和燃煤等人为源的排放也较强，在相同气象条件的情况下，较强的人为排放源可以增大了PM2.5的质量浓度。苏山坪站点位于郊区，人类活动较弱，其在冬季的PM2.5浓度明显低于其他站点，表明在不利气象条件下，局地污染源排放越小，PM2.5的浓度可以得到一定的控制。

4 结 论

4.1 在一个自然年内，巴中市城区PM2.5日均质量浓度不满足标准的正态分布，但对数值接近正态分布特征。频率最高的浓度区间为20～25μg/m3，在35～40μg/m3时概率密度达到最大值。

4.2 PM2.5与其他大气污染物的相关性大，具有明显的线性关系。SO2、O3与PM2.5相关系数达0.45以上， CO、NO2与PM2.5相关系数则高达0.7以上，反映了巴中市城区机动车尾气污染对PM2.5影响显著。

4.3 在季节变化上，巴中市城区PM2.5污染受气候条件和盆地地形影响，PM2.5平均浓度从高到底依次是冬季、秋季、春季、夏季，这与首要污染物是PM2.5的天数占比以及PM2.5和PM10相关系数的季节变化一致。首要污染物是PM2.5且空气污染程度为轻度污染及以上的天数占比在冬季高达41.1%，而在其他季节均为0%。PM2.5与PM10的浓度比值从大到小依次是冬季、秋季、夏季、春季，春季最低为0.535，反映了该地区大气颗粒物中PM2.5所占比重较大，夏季的气候条件对PM2.5与PM10两者的稀释、扩散及沉降均有明显效果，冬季不利扩散的气候条件有利于PM2.5的累积。

4.4 巴中市城区4个监测站点的PM2.5变化趋势一致，相互之间浓度差异小且比较均衡，表明PM2.5污染具有明显的区域性特征，受局地源影响较小。巴中中学站点的PM2.5浓度无论在任何季节都高于其他站点，苏山坪站点在冬季的PM2.5浓度明显低于其他站点，反映了与人类活动强度相关的局地污染对PM2.5污染具有一定影响。

参考文献：

[1] 薛 安,耿恩泽.基于复杂网络的中国城市PM2.5区域划分[J]. 应用基础与工程科学学报,2015,(23):68-78.

[2] 车瑞俊,袁杨森.大气颗粒物致突变性及对人体健康的危害[J].资源·产业,2006,8(1):105-109.

[3] Takayuki K, Satoshi S , KojiI , et al .Association of the mutagenicty of airborne particles with the direct emission from combustion processes investigated in Osaka, Japan.Atmospheric[J].Environment , 2004, 38 :6937-6945.

[4] Chow J C, Wat son J G ,Fujita E M ,et al.Temporal and spatial variations of PM2.5and PM10 aerosol in the Southern Californian air quality study[J].Atmospheric Environment,1994, 28:2061-2080.

[5] 赵毓梅,杨文敏.大气粗细颗粒物的成分分析及其肺毒性研究[J].卫生研究,1996,25(2):89-91.

[6] 杨建军,马亚萍.大气中不同粒径的颗粒物对小鼠免疫功能的影响[J].中国公共卫生学报, 1996,15(1):26 -28.

[7] 张南南,吴舜泽,万 军,等.全国空气资源评估及其与空气质量相关性分析[J].环境科学学报,2016,36(6):2223-2230.

[8] Yang F, Tan J, Zhao Q, et al. Characteristics of PM2.5speciation in representative megacities and across China [J]. Atmospheric Chemistry and Physics, 2011,11(11):5207-5219.

[9] 李卫朋,李 科,王 杰,等.川东北低山丘陵区细颗粒物主要相关因素和季节变化分析—以南充主城区为例[J].地球环境学报,2017, 8(5):439-450.

[10] 龙连芳,王新明,冯宝志,等.广州市区公交车站PM2.5与CO 暴露水平研究[J].环境科学与技术,2010,33(9): 140-145.

[11] 程春英,尹学博.雾霾之PM2.5的来源、成分、形成及危害[J].大学化学, 2014,29(5): 1-6.

[12] 梁 丹,王 彬,王云琦,等.北京市典型绿化灌木阻滞吸附 PM2.5能力研究[J].环境科学,2014,35 (9) :3605-3611．

[13] 张智胜,陶 俊,谢绍东,等.成都城区PM2.5季节污染特征及来源解析 [J].环境科学学报,2013,33(11):2947-2952.

[14] 李名升,任晓霞,于 洋,等.中国大陆城市 PM2.5污染时空分布规律 [J].中国环境科学,2016,36(3): 641-650.

[15] Xie M,Coons T L, Dutton S J,et al.Intra-urban spatialvariability of PM2.5-bound carbonaceous components [J].Atmospheric Environment,2012,60: 486-494