2015~2018年中国代表性城市PM2.5浓度的城乡差异

姜蕴聪,杨元建,王 泓*,李煜斌,高志球,赵 纯

2015~2018年中国代表性城市PM2.5浓度的城乡差异

姜蕴聪1,杨元建2,王 泓2*,李煜斌2,高志球2,赵 纯3

(1.南京信息工程大学地理科学学院,江苏 南京 210044；2.南京信息工程大学大气物理学院,江苏 南京 210044；3.中国科学技术大学地球与空间科学学院,安徽 合肥 230022)

选取中国6大城市群中的11座代表性城市为研究区域,将监测站点划分为城区、郊区和乡村站,进而分析各城市间PM2.5浓度的城乡差异规律.结果表明,同一城市群各城市之间,或同一城市的城区、郊区、乡村站间PM2.5日变化皆较为相似.京津冀和长三角地区的城市城区PM2.5浓度最高,高于郊区7.8%~9.7%,高于乡村11.3%~16.9%,而粤港澳大湾区和内陆城市群(成渝、长江中游、关中平原城市群)的城市郊区PM2.5浓度最高,高于城区2.6%~11.2%,高于乡村16.7%~26.5%.各城市间城乡PM2.5浓度差值的日变化规律不尽相同,可呈单峰(如上海)或双峰(如杭州)变化,极值可出现在白天(如广州),亦可在夜间(如深圳). PM2.5的排放与传输扩散共同对11城市城乡PM2.5浓度分布产生影响.

PM2.5；城市群；城乡PM2.5浓度差值；排放；传输扩散

近年来随着我国城市化进程的加快,重污染事件频繁出现,而PM2.5作为主要污染物,引起了人们的广泛关注.相关研究基于多种观测资料发现,城市城区及其邻近乡村在年或季节尺度上存在显著的PM2.5浓度差异,如Lin等[1]基于中国东部地区遥感影像反演数据发现在“十一五”(2006~2010)期间,多数省份城区PM2.5浓度降幅低于乡村,而在“十五”(2001~2005)和“十二五”(2011~2015)期间,多数省份城区PM2.5浓度降幅高于农村;樊曙先等[2]对南京城乡PM2.5采样对比发现春夏季郊区PM2.5污染重于城区,秋季城区PM2.5污染重于郊区.进一步研究发现,城市独有的动力、热力及污染物排放特征会对PM2.5浓度的城乡差异产生影响,如Zheng等[3]选取北京城区的宝联站和郊外的上甸子站进行城乡对比,发现在日尺度上城乡PM2.5浓度差值与热岛效应强度间存在明显相关性;李瑾等[4]发现西安城区与乡村PM2.5化学组成存在显著差异,推断城区PM2.5受机动车尾气和扬尘影响较大,乡村则主要来自生物质燃烧.系统全面地了解PM2.5分布的城乡差异,有助于政府更好地掌握污染动态,制定相关的防治政策.但目前已有的PM2.5城乡差异研究多集中于针对某单一城市或某一局部区域,而对中国不同城市群中PM2.5城乡差异的区域性特征缺乏系统探讨.

因此,本文利用2015~2018年环境监测站点PM2.5数据,并综合考虑城市代表性和站点数据完整性,选取了我国6大城市群的11座代表性城市作为研究对象,依据欧洲环境署的划分规则将各城市行政区内的监测站点划分为城区站、郊区站和乡村站[5],归纳总结城市PM2.5浓度的城乡差异及城市群各城市间PM2.5城乡差异的区域性规律.并与11城市城区、郊区、乡村PM2.5排放速率数据进行对比分析,从排放、传输扩散2方面对PM2.5城乡分布规律的成因进行探讨.

1 数据与方法

本文依据2018年11月《中共中央国务院关于建立更加有效的区域协调发展新机制的意见》中提出的中国7大城市群的概念,即京津冀、长三角、粤港澳大湾区、成渝、长江中游、中原及关中平原城市群[6].由于缺乏中原城市群的PM2.5浓度数据,本文研究区域为另外6大城市群中的11座代表性城市(北京、石家庄、上海、南京、杭州、广州、深圳、重庆、成都、武汉、西安),研究样本为2015~2018年“国家环境空气质量监测网”发布的PM2.5浓度24h连续监测值.根据《环境空气质量标准》对PM2.5浓度数据统计有效性的要求[7],参考王振波等[8]所提方法,对PM2.5浓度数据进行质量控制.考虑到“国家环境空气质量监测网”中仅把归属于地级及以上城市的监测站点归为城市站,无法体现城乡差异,本文结合站点的实际位置与欧洲环境署发布的划分规则[5],将11座城市的监测站点细分为城区站(监测站点位于城区内)、郊区站(监测站点位于城乡过渡带内,会受到城区和乡村双重影响)、乡村站(监测站点位于农业区、自然区及零散的乡村村落内)(图1).

图1 11座代表性城市城区、郊区、乡村站点分布

为了研究城乡PM2.5浓度差异的影响因素,提取清华大学中国多尺度排放清单(MEIC)中11城市PM2.5排放速率数据作对比分析.以WRF-Chem中尺度大气动力-化学耦合模式进行模拟,时段为2015年1~12月,研究区域为中国东部及中部地区,中心经纬度为(32ºN, 113ºE),投影方式为Lambert投影,网格分辨率10km,格点数为280×280,垂直层数10层.在后续处理中,提取监测站点所在格点PM2.5排放速率数据做全年平均,并与PM2.5监测站点观测值做相关分析.

具体分析方法选用Pearson积矩相关系数,在样本分布明确且2个连续变量间呈线性相关时, Pearson积矩相关系数更加准确高效[9].计算公式为:

式中:为Pearson积矩相关系数,代表,2要素之间相关程度.

2 结果与讨论

2.1 代表性大城市城乡PM2.5浓度的年变化与季节变化特征

11城市PM2.5浓度呈现冬高夏低的季节变化规律(图2).这与全国PM2.5污染的季节变化规律相一致[10],其原因在于冬季易形成稳定的大气层结,大气湍流运动较弱,污染物不易在垂直方向上扩散[11].且冬季降水较少,PM2.5更容易悬浮在空气中[12].11城市对比来看,PM2.5浓度在春夏秋季相差较小,而在冬季差异明显,有研究指出这一现象是由中国北部地区冬季燃煤取暖所致[13-14].空间上,京津冀地区、关中地区是中国重要的重工业区[15-16],坐落于此的北京、石家庄、西安3城市PM2.5污染严重,4a平均PM2.5浓度分别为62.30, 82.06, 64.27μg/m3;而粤港澳大湾区人为排放较少且大气扩散条件较好[10,17],广州、深圳PM2.5污染较轻,4a平均PM2.5浓度分别为36.25, 28.12μg/m3.与全国PM2.5浓度空间分布规律类似[13],11城市总体呈现从南到北逐渐升高的趋势.

如图3所示,对比11城市,北京、石家庄、南京、杭州、重庆的PM2.5浓度最大值出现在城区,广州、深圳、成都、西安、武汉的PM2.5浓度最大值出现在郊区,仅有上海市乡村PM2.5浓度最高.京津冀和长三角地区的城市城区PM2.5浓度最高,高于郊区7.8%~9.7%,高于乡村11.3%~16.9%,而粤港澳大湾区和内陆城市群的城市郊区PM2.5浓度最高,高于城区2.6%~11.2%,高于乡村16.7%~26.5%.对于城区-乡村PM2.5浓度差值(城乡ΔPM2.5),北京、石家庄、南京、杭州、广州、深圳、重庆、成都、西安城区PM2.5浓度均高于乡村,4a平均城乡ΔPM2.5分别为6.11, 16.39, 5.33, 15.74, 2.58, 5.23, 6.44, 19.51, 1.47μg/m3.此外,上海城区PM2.5浓度低于乡村, 4a平均城乡ΔPM2.5为-6.63μg/m3,而武汉城乡PM2.5浓度差异微小, 4a平均城乡ΔPM2.5为-0.005μg/m3.

图2 11座代表性城市2015~2018年逐季节平均PM2.5浓度

图3 11座代表性城市城区、郊区、乡村4a平均PM2.5浓度

11城市城乡ΔPM2.5随季节的不同而发生变化(图4),峰值多出现于冬季,谷值多出现于夏季.其原因可能在于夏季大气边界层高度较高,扩散条件较好,有利于PM2.5的传输;而冬季气层结构稳定,易形成较厚的逆温层,不利于扩散,使得污染源集中的区域(通常为城区)PM2.5浓度相对更高[18-19].多数城市城乡PM2.5浓度差异的方向基本稳定不变,但武汉和西安例外.武汉市春季城乡ΔPM2.5恒为正值,夏、秋两季在0值处波动,冬季城乡ΔPM2.5在2015年和2018年表现出显著差异,分别为11.28和-6.53μg/m3.西安市城乡ΔPM2.5在2015~2017年基本为正值且表现出冬高夏低的季节变化趋势,仅夏季偶见负值;然而2018年全年西安市城乡ΔPM2.5转为负值,且随季节变化不大.西安城乡ΔPM2.5特征的转变可能是由于工业区向外围转移所致.

图4 11座代表性城市2015~2018年逐季节城乡ΔPM2.5

2.2 代表性大城市城乡PM2.5浓度的日变化特征

11城市城区、郊区、乡村PM2.5浓度季节平均日变化如图5所示,城乡ΔPM2.5的季节平均日变化可见图6.同一城市群的各城市间PM2.5浓度日变化往往呈现相似的规律(图5):如京津冀城市群的北京和石家庄,长三角城市群的上海、南京和杭州,粤港澳大湾区的广州和深圳.

对于京津冀城市群,秋季城区PM2.5日变化呈现双峰,分别出现于10:00~14:00和22:00~次日00:00,而双谷出现于06:00~08:00和16:00~18:00.08:00~ 12:00的峰值通常与城市早高峰相一致,而22:00~次日00:00的峰值则是受到大气边界层高度降低的影响[20-21].春夏冬季城区PM2.5日变化都呈现单峰,所不同的是,春夏季单峰出现于08:00~10:00,与城市早高峰相一致.冬季单峰出现于22:00~次日02:00,主要受到冬季夜间稳定边界层的影响[20].除秋季外,北京郊区和乡村PM2.5日变化趋势与城区相似,且郊区和乡村PM2.5浓度差异不明显,但在00:00~08:00时明显低于城区,该时段城郊和城乡冬季平均ΔPM2.5分别可达14.19和16.51μg/m3.石家庄城区和郊区PM2.5浓度接近,但春秋冬季乡村PM2.5浓度远低于城市和郊区,且除冬季乡村日变化呈现单峰外,其他3季无明显峰谷特征.城乡ΔPM2.5在02:00~04:00出现最大值,后明显降低,16:00~18:00出现最小值(图6b),冬季波动尤其明显,最大值和最小值分别为46.87和14.52μg/m3.北京城乡ΔPM2.5日变化在春夏秋季表现出和石家庄相似的趋势,但在冬季最小值出现较早(12:00)(图6a).这与边界层高度在一天中出现峰值的时间相对应,中午和下午时段边界层高度较高,污染扩散能力较强,城乡ΔPM2.5也会变小[10].受冬季燃煤排放增加和夜间边界层高度较低的共同影响[10,22],北京和石家庄2城市冬季城乡ΔPM2.5日极值出现于夜间,分别可达20.85和46.87μg/m3,明显高于其他3季.

对于长三角城市群,除南京春季呈现明显单峰外,城区、郊区、乡村PM2.5日变化均呈现较明显的双峰,出现于10:00~12:00和20:00~次日00:00,双谷出现于06:00~08:00和14:00~16:00(图5c~图5e).上海和南京2城市PM2.5日极差在冬季较大,可达9.00和12.43μg/m3.杭州冬季城区和郊区PM2.5日变化与上海、南京类似,但乡村日极差较小,仅为6.78μg/m3.上海、南京、杭州城乡ΔPM2.5日变化各不相同.上海城乡ΔPM2.5恒为负且日变化呈单峰分布,负极值出现的时间随季节变化,秋季出现最早(08:00),冬季出现最晚(12:00),正极值则都出现在20:00~21:00.南京城乡ΔPM2.5日变化表现为起伏波动,但21:00~次日03:00会出现最大值.杭州城乡ΔPM2.5呈现较明显的双峰,春冬季出现在10:00~ 11:00和20:00~21:00,夏秋季出现在15:00~16:00和20:00~21:00.虽然日变化特征不同,但上海、南京、杭州城乡ΔPM2.5的日波动都不明显,极差分别为5.71, 4.87, 6.18μg/m3(4季节求平均)(图6c~图6e).与图4相一致,杭州城乡ΔPM2.5明显大于上海和南京,且在冬季表现得尤为明显,极值为33.43μg/m3.

粤港澳大湾区中广州与深圳2城市PM2.5日变化在秋冬季表现为单峰分布,峰值出现于20:00~次日00:00,谷值出现于14:00~18:00,春夏季表现为双峰分布,峰值出现于08:00~12:00和20:00~22:00,谷值出现于02:00~06:00和22:00~次日00:00(图5f~图5g).这可能是因为春夏季太阳辐照强度更大,O3浓度和温度也高于秋冬季,导致形成二次生成气溶胶的光化学反应增强[10].广州秋冬季乡村PM2.5日极差分别为9.90和15.87μg/m3,明显大于城区和郊区.深圳却不同于广州,其乡村PM2.5日波动不明显,冬季极差仅为2.39μg/m3,小于同季节城区(7.72μg/m3)和郊区(8.44μg/m3).乡村PM2.5日变化的差异导致广州和深圳城乡ΔPM2.5呈现截然相反的日变化趋势(图6f-g).除夏季外,广州城乡ΔPM2.5峰、谷值分别出现于10:00~14:00和18:00~22:00,与深圳城乡ΔPM2.5谷、峰值出现的时间相对应.广州和深圳城乡ΔPM2.5日极值分别出现于白天和夜间,其值为7.84和10.23μg/m3(冬季),明显小于京津冀和长三角城市.

图5 11座代表性城市城区、郊区、乡村PM2.5浓度日变化

图6 11座代表性城市城乡ΔPM2.5日变化

成渝城市群中重庆PM2.5日变化呈现双峰,分别出现于09:00~12:00和20:00~23:00,谷值分别出现于05:00~07:00和16:00~17:00.成都城区和郊区PM2.5浓度接近,日变化都呈现明显的单峰,出现于08:00~ 11:00,谷值出现于17:00~19:00.但乡村PM2.5日变化特征与城区、郊区截然相反,于08:00~11:00出现极小值,且除冬季外,春夏秋季无明显极大值出现.相对应,成都城乡ΔPM2.5于09:00~10:00到达峰值,18:00~ 19:00出现谷值,其中冬季的峰值(日极值)达到50.73μg/m3.相较于成都,重庆城区和乡村PM2.5浓度差异较小,冬季城乡ΔPM2.5日极值仅12.36μg/m3,日极差也仅4.15μg/m3,明显低于成都(35.18μg/m3).

武汉位于长江中游城市群,其全天PM2.5浓度无明显极大值,但在17:00~18:00出现极小值.城区、郊区、乡村PM2.5浓度相似,但随季节不同,城乡ΔPM2.5呈现不同的日变化特征.城乡ΔPM2.5在春季恒为正且于10:00出现极值(8.17μg/m3),在秋季恒为负且于19:00出现负极值(-4.54μg/m3).夏冬季城乡ΔPM2.5在0值处波动,夏季15:00~20:00为负而冬季01:00~07:00为负.Xu等[19]也发现在不同季节,武汉各地区的PM2.5浓度呈现不同的日变化特征,并认为不同的气象条件是其主要的影响因素.

关中平原城市群的西安春秋冬季乡村PM2.5日变化呈现较明显的双峰,出现于10:00~11:00和23:00~次日01:00,谷值出现于05:00~07:00和16:00~18:00.夏季乡村则呈现明显单峰,出现于11:00.夏秋季城区和郊区PM2.5日变化趋势与乡村相似,冬季则呈现明显单峰,出现于01:00~03:00.春季城区和郊区PM2.5浓度仅在18:00出现极小值,未观察到明显极大值.特别地,西安冬季城区和郊区PM2.5浓度在03:00~16:00极为接近,该时段城郊冬季平均ΔPM2.5浓度仅-0.08μg/m3.乡村PM2.5浓度在18:00~次日01:00大于城区,其余时段则小于城区,图6(k)同样显示这一规律,冬季城乡ΔPM2.5在18:00~次日01:00出现长时间的负值,这可能是受到城区(集中供暖)和乡村(家庭供暖)燃煤供暖方式差异的影响[16].

2.3 代表性大城市城乡PM2.5浓度差异成因初探

对2015年PM2.5排放速率数据和监测站点PM2.5浓度观测数据进行对比分析,2015年11城市PM2.5排放速率(站点所在10km´10km网格区域)(年平均)均表现为城区>郊区>乡村(图7),城区PM2.5排放速率在0.32~1.49μg/(m2×s),而乡村PM2.5排放速率均小于0.20μg/(m2×s).南京城乡排放速率差值最大(1.46μg/(m2×s)),北京最小(0.27μg/(m2×s)).上海、南京、成都、西安郊区PM2.5排放速率略低于城区而明显高于乡村,这可能与这些城市环保政策的实施,部分污染源区向外转移至郊区有关.对比发现,城市各区域PM2.5排放速率规律和PM2.5浓度观测值的规律不完全相同,如上海、南京郊区PM2.5浓度最低而广州、深圳、成都、武汉、西安郊区PM2.5浓度最高,上海乡村PM2.5浓度明显高于城区和郊区等.

图7 11座代表性城市城区、郊区、乡村2015年平均PM2.5浓度观测值及排放速率

城市PM2.5浓度会受到外部传输的影响[23],本地排放的PM2.5也会由污染源向周边扩散[24].不同城市气象条件不同, PM2.5传输与扩散规律也不完全相同[10,25].对11城市城区、郊区、乡村PM2.5排放速率和PM2.5浓度观测值做Pearson相关分析,样本为年平均后的24h日变化数据.若某一区域易接受大量外部传输而来的PM2.5,或本地排放的PM2.5极易向远处扩散,则该区域PM2.5排放速率和PM2.5浓度观测值相关性不显著;反之,若某一区域气象条件不利于污染物的传输与扩散, PM2.5排放速率和PM2.5浓度观测值会呈现显著相关,且传输与扩散条件越差,相关性越强.

11城市PM2.5排放速率和PM2.5浓度观测值相关分析结果见表1.受城市上空有利气象条件的影响,北京、广州、深圳、重庆4城市各区域相关性均不显著, PM2.5的传输与扩散成为影响其城乡差异的一个重要原因;而城市上空不利的传输与扩散条件导致南京、武汉各区域均呈现显著相关性.值得注意的是,南京乡村相关性仅为0.654,低于城区(0.743)和郊区(0.707),虽然南京乡村PM2.5排放速率仅为0.02μg/(m2×s),明显低于城区(1.49μg/(m2×s)),城乡排放速率差值大于其他10个城市,但乡村接受外部传输的PM2.5多于城区,从而导致其城乡PM2.5浓度差值仅为3.21μg/m3,在11城市中处于较低水平.武汉与南京类似,其郊区相关性(0.698)明显低于城区(0.800),即使郊区PM2.5排放速率(0.50μg/(m2×s))低于城区(1.08μg/(m2×s)),但受PM2.5外部传输差异的影响,武汉郊区PM2.5浓度高于城区;石家庄、上海、杭州、成都、西安5城市局部区域相关性显著,其中石家庄、成都和西安为城区和郊区,这可能是受到了城区和郊区复杂下垫面的影响[26].Chang等[15]、Zhao等[27]、王珊等[28]研究认为上述3城市受边界层高度较低等不利气象条件的影响,城市排放的PM2.5向外扩散能力较弱.但本文通过相关分析结果认为,处于城市外围的乡村区域PM2.5传输与扩散条件明显优于城区和郊区, PM2.5的外部传输对乡村PM2.5浓度影响显著.此外,城区和郊区相关性也存在差异,郊区比城区易接受外部传输的PM2.5;对于上海、杭州2座长三角沿海城市,显著相关性分别体现在乡村、郊区和乡村,海陆风可能是引起其相关性差异的一个重要因素.日间由海洋吹向陆地的海风稀释了本地产生的PM2.5,但受城区高楼的阻拦,远离海洋的区域(上海乡村站点所在区域,杭州部分郊区和乡村站点所在区域)受风影响较小, PM2.5的传输与扩散也弱于临海区域[29].但值得注意的是,上海和杭州城乡PM2.5浓度差异规律仍不相同,杭州乡村PM2.5浓度为杭州最小值而上海乡村PM2.5浓度为上海最大值.原因在于尽管杭州郊区和乡村PM2.5排放速率和PM2.5浓度观测值呈显著相关,但郊区相关性明显小于乡村,郊区比乡村接收到更多的城区扩散而来的PM2.5.而上海则不同,日间海风将其城区和郊区排放的PM2.5吹向内陆[30].尽管上海乡村呈显著相关,但相关性较低,仅为0.416,城区和郊区产生的部分PM2.5会对乡村站点的PM2.5浓度产生影响;而乡村区域PM2.5排放速率仅为0.05μg/(m2×s),夜间陆风并不能将太多的PM2.5带向沿海的城区和郊区.因此出现上海乡村PM2.5浓度明显高于城区和郊区.此外,陈东红等[31]研究表明,上海乡村站点所在区域更靠近长三角其他污染源区,周边局地污染源也会加剧其PM2.5污染.

表1 11座代表性城市城区、郊区、乡村PM2.5浓度观测值与PM2.5排放速率Pearson相关分析

注:**, 在0.01水平(双侧)上显著相关; *, 在0.05水平(双侧)上显著相关; /, 在0.05水平(双侧)上相关性不显著.

以上分析表明,尽管11城市PM2.5排放速率均为城区>郊区>乡村,但受城市独特气象条件影响, PM2.5的传输与扩散规律存在差异.同一城市群的城市间城乡PM2.5浓度差异规律也可能存在差异,如京津冀城市群的北京和石家庄,长三角城市群的上海、南京和杭州,成渝城市群的重庆和成都等.

3 结论

3.1 11座代表性城市PM2.5浓度在时间上表现出冬高夏低的季节变化规律,在空间上呈现从南到北逐渐升高的趋势;京津冀和长三角地区的城市城区PM2.5浓度最高,高于郊区7.8%~9.7%,高于乡村11.3%~16.9%,而粤港澳大湾区和内陆城市群的城市郊区PM2.5浓度最高,高于城区2.6%~11.2%,高于乡村16.7%~26.5%;11城市城乡ΔPM2.5都呈现出较明显的季节性变化,峰值多出现于冬季,谷值多出现于夏季.

3.2 11座代表性城市中,同一城市群的各城市间呈现相似的PM2.5日变化规律,同一城市的城区、郊区、乡村间也呈现相似的PM2.5日变化特征;对于城乡ΔPM2.5的日变化,城市群的各城市间规律不尽相同,可呈单峰(如上海)或双峰(如杭州)变化,极值可出现在白天(如广州),亦可在夜间(如深圳).

3.3 11城市PM2.5排放速率存在差异,但均表现为城区>郊区>乡村.不同城市,或同一城市各区域间PM2.5传输与扩散规律也存在差异.PM2.5的排放与传输扩散共同对11城市城乡PM2.5浓度分布产生影响.

[1] Lin C Q, Alexis K, Li Y, et al. Difference in PM2.5variations between urban and rural areas over Eastern China from 2001 to 2015 [J]. Atmosphere, 2018,9(8):312.

[2] 樊曙先,樊建凌,郑有飞,等.南京市区与郊区大气PM2.5中元素含量的对比分析[J] .中国环境科学, 2005,25(2):146-150.Fan S X, Fan J L, Zheng Y F, et al. Compared analysis of element content in atmospheric PM2.5in Nanjing urban and suburban area [J]. China Environmental Science, 2005,25(2):146-150.

[3] Zheng Z F, Ren G Y, Wang H, et al. Relationship between fine- particle pollution and the urban heat island in Beijing, China: Observational evidence [J]. Boundary-Layer Meteorology, 2018,169: 93-113.

[4] 李 瑾,李建军,吴 灿,等.关中典型城市及农村夏季PM2.5的化学组成对比[J]. 中国环境科学, 2018,38(12):4415-4425.Li J, Li J J, Wu C, et al. Comparison on the chemical composition of PM2.5in the urban and rural regions of Guanzhong plain, China [J]. China Environmental Science, 2018,38(12):4415-4425.

[5] Criteria for EUROAIRNET: The EEA air quality monitoring and information network [S]. http://www.eea.europa.eu/publications/ TEC12.

[6] 中共中央国务院关于建立更加有效的区域协调发展新机制的意见 [Z]. http://www.gov.cn/zhengce/2018-11/29/content_5344537.htm.

[7] GB 3095—2012 环境空气质量标准[S]. GB 3095—2012 Ambient air quality standards [S].

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

[9] Artusi R, Verderio P, Marubini E. Bravais-Pearson and Spearman Correlation Coefficients: Meaning, Test of Hypothesis and Confidence Interval [J]. The International Journal of Biological Markers, 2002, 17(2):148-151.

[10] Zhang Y L, Cao F. Fine particulate matter (PM2.5) in China at a city level [J]. Scientific Reports, 2015,5:14884.

[11] 李令军,王占山,张大伟,等.2013~2014年北京大气重污染特征研究[J]. 中国环境科学, 2016,36(1):27-35. Li L J, Wang Z S, Zhang D W. et al. Analysis of heavy air pollution episodes in Beijing during 2013~2014 [J]. China Environmental Science, 2016,36(1):27-35.

[12] Li R, Cui L L, Li J L, et al. Spatial and temporal variation of particulate matter and gaseous pollutants in China during 2014~2016 [J]. Atmospheric Environment, 2017,161:235-246.

[13] Chai F H, Gao J, Chen Z X, et al. Spatial and temporal variation of particulate matter and gaseous pollutants in 26cities in China [J]. Journal of Environmental Sciences, 2014,26(1):75-82.

[14] Liu B S, Wu J H, Zhang J Y, et al. Characterization and source apportionment of PM2.5, based on error estimation from EPA PMF 5.0 model at a medium city in China [J]. Environmental Pollution, 2017, 222:10-22.

[15] Chang X, Wang S X, Zhao B, et al. Contributions of inter-city and regional transport to PM2.5concentrations in the Beijing-Tianjin- Hebei region and its implications on regional joint air pollution control [J]. Science of The Total Environment, 2018,12:474.

[16] Wang P, Cao J J, Shen Z X, et al. Spatial and seasonal variations of PM2.5mass and species during 2010 in Xi’an, China [J]. Science of The Total Environment, 2015,508:477-487.

[17] 廖志恒,孙家仁,范绍佳,等.2006~2012年珠三角地区空气污染变化特征及影响因素[J]. 中国环境科学, 2015,35(2):329-336.Liao Z H, Sun J R, Fan S J, et al. Variation characteristics and influencing factors of air pollution in Pearl River Delta area from 2006 to 2012 [J]. China Environmental Science, 2015,35(2):329-336.

[18] Xiong Y, Zhou J B, James J, et al. Seasonal and spatial differences in source contributions to PM2.5in Wuhan, China [J]. Science of the Total Environment, 2016,577:155-165.

[19] Xu G, Jiao L M, Zhang B E, et al. Spatial and temporal variability of the PM2.5/PM10ratio in Wuhan, Central China [J]. Aerosol and Air Quality Research, 2017,17:741-751.

[20] Zhao X J, Zhang X L, Xu X F, et al. Seasonal and diurnal variations of ambient PM2.5concentration in urban and rural environments in Beijing [J]. Atmospheric Environment, 2009,43(18):2893-2900.

[21] Dana W, Wang X, Pan X C, et al. Characterization of on-road vehicle emission factors and microenvironmental air quality in Beijing, China [J]. Atmospheric Environment, 2009,43(3):697-705.

[22] 王郭臣,王东启,陈振楼.北京冬季严重污染过程的PM2.5污染特征和输送路径及潜在源区[J]. 中国环境科学, 2016,36(7):1931-1937. Wang G C, Wang D Q, Lu Z L. Characteristics and transportation pathways and potential sources of a severe PM2.5episodes during winter in Beijing [J]. China Environmental Science, 2016,36(7):1931- 1937.

[23] Lu D B, Xu J H, Yang D Y, et al. Spatio-temporal variation and influence factors of PM2.5concentrations in China from 1998 to 2014 [J]. Atmospheric Pollution Research, 2017,8(6):1151–1159.

[24] Han L, Zhou W, Li W,et al. Impact of urbanization level on urban air quality: A case of fine particles (PM2.5) in Chinese cities [J]. Environmental Pollution, 2014,194:163-170.

[25] 王跃思,姚 利,王莉莉,等.2013年元月我国中东部地区强霾污染成因分析[J]. 中国科学:地球科学, 2014,44(1):15-26. Wang Y S, Yao L, Wang L L, et al. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China [J]. Science China: Earth Sciences, 2014,57:14–25.

[26] 何 曦,叶贤满,马万里,等.杭州城市下垫面变化对污染物扩散影响的研究[J]. 科学技术与工程, 2017,17(11):122-130.He X, Ye X M, Ma W L, et al. Study of the effects of urban underlying surface changing on the air pollution diffusion in Hangzhou [J]. Science Technology and Engineering, 2017,17(11): 122-130.

[27] Zhao S, Yu Y, Yin D, et al. Spatial patterns and temporal variations of six criteria air pollutants during 2015 to 2017 in the city clusters of Sichuan Basin, China [J]. Science of The Total Environment, 2018, 624:540-557.

[28] 王 珊,修天阳,孙 扬,等.1960~2012年西安地区雾霾日数与气象因素变化规律分析[J]. 环境科学学报, 2014,34(1):19-26.Wang S, Xiu T Y, Sun Y, et al. The changes of mist and haze days and meteorological element during 1960~2012 in Xi'an [J]. Acta Scientiae Circumstantiae, 2014,34(1):19-26.

[29] Xu J, Chang L, Qu Y, et al. The meteorological modulation on PM2.5interannual oscillation during 2013 to 2015 in Shanghai, China [J]. Science of the Total Environment, 2016,572:1138-1149.

[30] 陈杨欢,王杨君,张苗云,等.上海市大气PM2.5时空分布特征[J]. 环境工程学报, 2017,11(6):3671-3677.Chen Y H, Wang Y J, Zhang M Y, et al. Temporal and spatial distribution of PM2.5in Shanghai based on clustering analysis [J]. Chinese Journal of Environmental Engineering, 2017,11(6):3671- 3677.

[31] 陈东红,陈海宇,张 媛,等.上海市西部郊区PM2.5污染状况及影响因素[J]. 环境科学与管理, 2016,41(7):144-147. Chen D, Chen H, Zhang Y, et al. Pollution Characteristic and Influence Factors of PM2.5at Western Suburb of Shanghai [J]. Environmental Science and Management, 2016,41(7):144-147.

Urban-rural differences in PM2.5concentrations in the representative cities of China during 2015~2018.

JIANG Yun-cong1, YANG Yuan-jian2, WANG Hong2*, LI Yu-bin2, GAO Zhi-qiu2, ZHAO Chun3

(1.School of Geographical Sciences, Nanjing University of Information Science & Technology, Nanjing 210044, China；2.School of Atmospheric Physics, Nanjing University of Information Science & Technology, Nanjing 210044, China；3.School of Earth and Space Sciences, University of Science and Technology of China, Hefei 230022, China)., 2019,39(11)：4552~4560

Observation sites in the 11 representative cities from 6 main city clusters in China were selected in this study. These observation sites were categorized into urban, suburban and rural to investigate urban-rural differences in PM2.5concentrations. Results showed thatthe diurnal variation patterns of PM2.5were relatively similar in the cities from the same city cluster, and they were also similar among the urban, suburban and rural areas in a specific city. In Jingjinji Megalopolis and Yangtze River Delta Megalopolis, the PM2.5concentrations from the urban sites were the highest, 7.8%~9.7% higher than those from the suburban sites and 11.3%~16.9% higher than those from the rural sites. However, in Guangdong-Hong Kong-Macao Greater Bay Area and the inland city clusters (i.e., Chengyu Megalopolis, Middle Yangtze River Valley Megalopolis and Guanzhong Plain Megalopolis), the PM2.5concentrations from the suburban sites were the highest, 2.6%~11.2% higher than those from the urban sites and 16.7%~26.5% higher than those from the rural sites. Moreover, different diurnal variation patterns of urban-rural PM2.5concentration differences were observed in different cities. For example, the diurnal variation of urban-rural PM2.5concentration difference was unimodal in Shanghai but bimodal in Hangzhou. The maximum of urban-rural PM2.5concentration difference occurred during the daytime in Guangzhou but during the nighttime in Shenzhen. Further, the PM2.5concentration distribution in the urban, suburban and rural areas of the 11representative cities were under the combined effects of PM2.5emission, transportation and diffusion.

PM2.5；city clusters；urban-rural PM2.5concentration difference；emission；transport and diffusion

X513

A

1000-6923(2019)11-4552-09

姜蕴聪(1995-),男,山东省邹城人,南京信息工程大学地理科学学院硕士研究生,主要从事环境地理方向的研究.发表论文1篇.

2019-04-29

国家重点研发计划项目(2016YFC0203300);国家自然科学基金资助项目(41601550)

* 责任作者, 讲师, ixcwang@126.com