2015—2016年安徽省PM2.5和PM10-2.5时空分布特征

裘 阅, 汪家权, 胡淑恒

(合肥工业大学 资源与环境工程学院,安徽 合肥 230009)

0 引 言

不同粒径的大气颗粒污染物经累积导致的健康损害直接关系到城市人群健康,寻找治理空气颗粒物污染的切入口,是创造绿色健康生活的起点。空气中粒径在10 μm以上的颗粒物(particulate matter,PM)无法进入人体内部,粒径小于或等于10 μm的颗粒物能够进入人体并产生不利影响,并将其表示为PM10[1]。粒径小于或等于2.5 μm的颗粒物表示为PM2.5,称其细颗粒[2]。细颗粒物的直径还不到人头发丝粗细的1/20,进入人体后会引发包括哮喘、支气管炎和心血管病等方面的疾病[3],对人体健康的伤害很大。粒径在2.5～10 μm之间的颗粒物表示为PM10-2.5[4],称其粗颗粒物,能够进入上呼吸道,但部分可通过痰液等排出体外,对人体健康危害相对较小。

随着社会经济的快速发展,我国大气污染呈现出明显的区域性特征,区域复合型大气污染成为我国今后一段时期所面临的主要大气污染问题[5]。近年来长三角区域雾霾频频发生,安徽省地处长三角区块,与长三角空气质量息息相关,因此研究安徽省的大气颗粒污染物的现状和发展趋势，对长三角乃至其他各个省市颗粒物污染治理都有指导和参考意义。文献[6]对安徽省1968—2007年霾的时空分布特征、变化趋势进行了分析,并探讨了霾变化的成因；文献[7]利用空气污染综合指数和spearman秩相关系数法得出安徽省1999年空气质量的优劣及变化趋势。

安徽省空气质量存在一定程度的南北空间差异,各地级市的空气质量整体呈现出随时间而提高的趋势[8]。目前关于安徽省空气质量的研究评价较多,但对于安徽省大气颗粒污染物较为系统的研究较少,本文对安徽省各地级市的颗粒物监测数据进行整理与分析,以期获得安徽省各地级市颗粒物的时空分布情况。

1 数据来源与研究方法

1.1 数据来源及处理

本文PM2.5和PM10监测数据通过安徽省环境监测站内部获取,包括2015年1月1日—2016年12月31日安徽省16个城市(合肥、淮北、亳州、宿州、蚌埠、阜阳、淮南、滁州、六安、马鞍山、宣城、芜湖、铜陵、池州、安庆、黄山)环境空气质量数据中的PM2.5和PM10日平均质量浓度,城市位置如图1所示。

图1 安徽省各市地理位置图

PM10-2.5日平均质量浓度是通过PM10日平均质量浓度减去PM2.5日平均质量浓度得来的,计算公式为：

ρ(PM10-2.5)=ρ(PM10)-ρ(PM2.5)

(1)

其中,ρ为平均质量浓度。

从理论上来说,监测的PM10应该包含PM2.5,因此PM10的平均质量浓度应该大于PM2.5的平均质量浓度,得到的PM10-2.5平均质量浓度应该为正值。但从实际监测数据来看,会出现PM2.5的平均质量浓度高于PM10的情况,从而出现计算PM10日均值会小于PM2.5的日均值,即“PM2.5和PM10倒挂”。此现象在美国等其他国家的监测结果中时常发生,主要由监测原理监测仪器的不同和监测环境的影响引起[9],因此在后期数据处理时会把PM10-2.5中的倒挂数据剔除。

1.2 研究方法

利用Excel数据透视表对PM10-2.5、PM2.5日均值数据进行统计,换算成周、月、季和年均值进行分析比较,并用SPSS19.0软件分别对16个地级市PM2.5值进行聚类分析以及对各空气质量指标之间进行相关性分析,采用ArcGIS 的Kriging 插值法绘制安徽省年度PM10-2.5、PM2.5分布图,并进行空间分析。从而对2015—2016年安徽省各地市PM10-2.5、PM2.5周、月、季、年均值进行了全面的统计分析及横向、纵向对比,得出安徽省颗粒物污染的时空分布规律,并从多方面分析造成其规律性变化的成因。

2 结果分析

2.1 PM10-2.5、PM2.5的时间分布特点

2.1.1 PM10-2.5、PM2.5的星期效应

安徽省各市颗粒物污染表现出星期效应,如图2所示。统计并计算安徽省2015—2016年PM2.5日均值数据中星期一至星期日的平均值,该平均值从大到小依次为:星期一/星期五、星期六、星期日、星期四、星期二、星期三,16个地级市基本符合这一规律,其中,黄山市PM2.5值最优,池州次之,宿州最差,如图2a所示，图2a中数据为PM2.5的质量浓度，单位为μg/m3。安徽省2015—2016年PM10-2.5日均值数据从大到小依次为:星期四/星期五/星期六、星期日/星期一、星期二/星期三,数值基本接近,16个地级市也基本与此规律相符,其中黄山最优,六安次之,淮南最差,如图2b所示。图2b中数据为PM10-2.5的质量浓度，单位为μg/m3。比较图2a和图2b发现PM2.5和PM10-2.5的星期效应并不相同。

图2 安徽省各市颗粒物污染的星期效应

PM2.5的人为源包括固定源和流动源。固定源主要包括各种燃料燃烧源,如发电、冶金、石油、化学、纺织印染等各种工业过程和供热、烹调过程中燃煤与燃气或燃油排放的烟尘;流动源主要是各类交通工具在运行过程中使用燃料时向大气中排放的尾气。安徽省工业生产和生活排污[10]相对比较固定,对大气排放的PM2.5较为稳定,空气中PM2.5质量浓度变化主要受流动源的影响。据安徽省统计局发布《2016年安徽省国民经济和社会发展统计公报》,全省民用汽车拥有量598.1×104辆,比上年增长16.7%,每11.7人拥有1辆车,可见汽车是较为主要的交通出行工具。由图2a可知,星期一和星期五的PM2.5值较高,这主要受交通流动源影响,星期一、星期五比星期二至星期四交通拥堵,长期生活经验表明由于星期一、星期二是住校学生往返学校和长途上班族往返单位的高峰日[11],市民通过小汽车出行接送学生和上班比较普遍;其次,周末景区爆满的社会现象表明周末放假有较大一部分市民选择出游,大规模的出行引起交通量增加,导致周末的PM2.5值相对较高,而星期二、三、四的交通出行量相对星期一、二小,产生的尾气自然少一些,对PM2.5的贡献相对较低。总体上,PM10-2.5的星期效应较不明显,7 d的数值较为接近,表明粗颗粒物体的来源比较稳定,受流动源的影响较小。

2.1.2 PM10-2.5、PM2.5的月度规律

安徽省的PM2.5月度变化呈现显著的“U”型变化规律,但黄山市“U”型特征不是很显著,整体质量浓度偏低,月度差异较小,这主要与当地优良的空气质量密不可分，如图3所示。安徽省整体在7月份PM2.5质量浓度最低,12月份质量浓度最高。一年之中,1—7月份PM2.5值总体呈现下降的趋势,从7—12月份总体呈现上升的趋势,具有较强的规律性。

图3 安徽省各市PM2.5污染的月度变化

安徽省的PM10-2.5污染的月度变化如图4所示，从图4可以看出，月度变化并没有呈现出显著的“U”型变化规律,但前5个月有小幅度的上升,从5—7月份有一个较大的下降幅度,7月份达到最低值,从7—12月份出现明显的上升趋势,12月份达到最高值。最高值与最低值的月份与PM2.5完全一样,这说明不管粗颗粒物还是细颗粒物都有月度变化规律,表现出最优月份和最差月份。在污染物较为严重的月份要做好相应的防范措施,从而有效控制和降低雾霾发生的概率。

图4 安徽省各市PM10-2.5污染的月度变化

2.1.3 PM10-2.5、PM2.5的季节差异

在气象部门,通常以3—5月份为春季,6—8月份为夏季,9—11月份为秋季,12月—翌年2月份为冬季,并且常将1、4、7、10月份作为冬、春、夏、秋季的代表月份。安徽省各市颗粒物污染的季节变化如图5所示，从图5a可看出，PM2.5随着季节的变化具有明显的波峰和波谷,PM2.5质量浓度从大到小依次为冬季、春季、秋季、夏季。由此可见PM2.5受季节的影响较大,图中2015年和2016年浅色区夏季出现明显的2个波谷,在深色区冬季出现了明显的波峰,夏季降雨充沛,空气中的PM2.5将受到降雨的影响使其质量浓度明显降低,而秋冬季节,大量的秸秆焚烧和烟花爆竹的燃放以及冬季供暖需求产生的废气较多,加上受下沉气流控制,经常受到逆温层的影响,且冬季少雨干燥,致使空气流动较少污染物无法快速扩散,导致冬季的PM2.5值居高不下,雾霾天气频发。从图5b可以看出，各城市的PM10-2.5值基本沿着安徽省质量浓度上下均匀稳定波动,波动幅度较小,但存在个别城市春冬波动较大,总体上也受到季节的影响,夏季质量浓度较低,总体变化趋势稳定。比较图5a和5b可以得出,PM2.5受季节影响较大,而PM10-2.5受季节影响稍小。

图5 安徽省各市颗粒物污染的季节变化

2.1.4 PM10-2.5、PM2.5的年度变化

安徽省各地级市微粒颗粒物污染年度变化如图6所示。

图6 安徽省各地级市颗粒物污染的年度变化

安徽省颗粒物从2015—2016年整体呈现下降的优良态势,2016年全省PM2.5年均质量浓度为53 μg/m3,高于全国338个地级及以上城市平均值(47 μg/m3)。PM2.5从2015年的55 μg/m3下降到2016年的53 μg/m3,降幅3.6%,PM10-2.5从25 μg/m3下降到24 μg/m3,降幅4%,虽然下降不显著,但至少颗粒物污染没有持续恶化。其中,安庆、池州、阜阳、淮南、宿州5个城市PM2.5质量浓度有所上升,其余11个城市的PM2.5均有一定程度的下降。蚌埠、池州、阜阳、黄山这4个城市的PM10-2.5值有所上升,其余12个城市PM10-2.5持平或下降。

2.2 PM10-2.5、PM2.5的空间分布特点

地形地貌是影响安徽省颗粒物的另外一个重要原因[12],安徽省地处全国的中部地区,从南向北可划分为皖南山区、江淮丘陵和皖北平原3个地形单元。各市颗粒物污染的地理分布如图7所示。

图7 安徽省各市颗粒物污染的地理分布规律

从图7可以看出，黄山、安庆、池州等市的颗粒物质量浓度较低,另外六安位于大别山腹地,素有“七山一水、两分田”的美称,植被覆盖率也较好,因此PM2.5较低；而皖北地区以平原为主,对于近地面大气环流的阻碍较弱,使得受到北部空气影响较大,经常受到重污染天气输送影响；江淮地区主要以低山丘陵为主,大气环流季节变化明显,尤其在春秋季节容易形成逆温,在一定程度上降低了大气环流对污染物扩散作用。因此皖北地区和江淮地区的颗粒物质量浓度要高于皖南山区,呈现出“北高南低”的地理质量浓度特征。

为了进一步比较安徽省颗粒物的空间差异,对16个地级市的PM2.5月均值借助SPSS19.0软件基于ward法进行城市之间的聚类分析,结果如图8所示。基于PM2.5月均质量浓度聚类树形图,结合各城市地理位置,大致可以将全省划分成4个颗粒物污染城市群,分别是以合肥为中心1+3城市群,包括蚌埠、合肥、滁州和马鞍山;以淮北为中心1+2城市群,包括亳州、淮北和宿州;以六安和安庆串联的2+5城市群,包括六安、安庆、淮南、阜阳、铜陵、芜湖和宣城;以及池州和黄山2个城市组成的城市群。

图8 城市PM2.5聚类树形图

2.3 PM10-2.5、PM2.5与其他空气质量指数的关系

为探讨安徽省颗粒物与其他空气质量指数的关系,本文利用SPSS19.0中的spearman相关系数,基于16个地级市的PM10-2.5、PM2.5月均值与其他空气质量指数(包括取整SO2平均质量浓度,取整NO2平均质量浓度,取整PM10平均质量浓度,取整CO 95百分位,取整O3-8H90百分位)进行相关关系分析,结果见表1所列。由表1可知，PM10-2.5与SO2、NO2、PM10、CO成正相关关系(P<0.01),其中与PM10呈现较强相关关系,PM10-2.5与O3-8H弱相关(P<0.05);PM2.5与SO2、NO2、PM10、CO成正相关关系(P<0.01),且与PM10呈现强相关关系,与NO2、CO呈现较强相关性关系,与O3-8H呈现较强负相关关系(P<0.01)。由此可见, PM2.5和各空气质量指数相互影响较大。

表1 PM10-2.5、PM2.5与其他空气质量指数相关系数分析

注:相关性用spearman相关系数表示;**表示在0.01水平(双侧)上显著相关,*表示在0.05水平(双侧)上显著相关。

3 结 论

本文基于安徽省2015—2016年的16个地级市的空气监测数据，探讨了颗粒物PM2.5和PM10-2.5的时空分布特征及其与其他空气质量指数之间的相关关系,得出以下结论:

(1) PM2.5和PM10-2.5在时间序列上有明显的规律特征[13],PM2.5和PM10-2.5年平均值有小幅度的下降,在季节分布和月度分布上,PM2.5呈现出季节性规律，从大到小依次为冬季、春季、秋季、夏季,PM10-2.5季节变化不大,但夏季最优;PM2.5月度变化呈现“U”型变化特征,而PM10-2.5在7月份达到最低值。2a年内PM2.5呈现出了一定的星期效应，从大到小依次为星期一/星期五、星期六、星期日、星期四、星期二、星期三,受流动源影响较显著,而PM10-2.5星期效应较不明显。

(2) PM2.5和PM10-2.5在空间上的差异主要受到安徽省地形地貌特征的影响,皖北地区和江淮地区的颗粒物质量浓度要高于皖南山区,呈现出“北高南低”的地理质量浓度特征。全省大气污染呈现典型的区域分布特征,可划分成4个大气污染城市群,分别是以合肥为中心1+3城市群,包括蚌埠、合肥、滁州和马鞍山;以淮北为中心1+2城市群,包括亳州、淮北和宿州;由六安和安庆串联的2+5城市群,包括六安、安庆、淮南、阜阳、铜陵、芜湖和宣城;以及池州和黄山2个城市组成的城市群。

(3) 安徽省颗粒物的污染受到其他空气质量指数的影响,PM2.5与PM10呈现强相关关系,与NO2、CO呈现较强相关性关系(P<0.01),与O3-8H呈现较强负相关关系(P<0.01)。PM10-2.5与PM10呈现强相关关系,与其他指标相关性较低。

传统产业不断在改型升级,致使安徽省空气污染类型由煤烟型逐渐向颗粒物区域复合型污染转变,颗粒物对人体健康影响不容小觑,因此做好颗粒物的防范治理是当下热门研究问题之一。