贵阳市主城区大气污染物时空分布特征及成因分析

张娜, 周国富,*, 黄启芬, 雷嫦, 刘纯军, 张迪

贵阳市主城区大气污染物时空分布特征及成因分析

张娜1, 周国富1,*, 黄启芬1, 雷嫦1, 刘纯军1, 张迪2

1. 贵州师范大学地理环境科学学院, 贵州 贵阳 550000 2. 昭通学院地理科学与旅游学院, 云南 昭通 657000

为揭示贵阳市大气污染物的分布特征及成因, 基于国控监测站点数据, 采用回归分析法、样条函数插值法对贵阳市主要大气污染物进行分析。结果表明: (1)污染物月变化呈现以下特征: O3呈单峰型, NO2呈波动上升变化, 其余4种污染物月均质量浓度均呈U形的变化趋势; 在季节变化方面, PM2.5、CO、NO2、SO2质量浓度均呈现冬季>春季>秋季>夏季, PM10冬季>秋季>春季>夏季, O3春季>冬季>秋季>夏季。(2)从空间分布看, PM2.5春、夏、秋和冬季具有一致性, 其余5种污染物不同季节具有不同的分布特征。(3)在污染物与气象因素相关性方面, PM2.5、PM10、CO、NO2、SO2间具有显著正相关性, 其中PM2.5和PM10显著相关, 二者的排放具有协同性。春季影响大气污染物的关键因素是相对湿度, 夏季是降水量和气压, 秋季是风速, 冬季是气压。

贵阳市; 大气污染物; 特征分析; 成因分析

0 前言

大气污染是环境污染研究的重要问题之一, 已成为当今世界各国共同关注的科学问题[1]。随着区域经济和城市化的快速发展, 大气污染问题日益突出, 严重影响经济的可持续发展以及危害人体健康[2–3]。城市作为经济发展的核心区域, 工业产业集聚及交通运输业发达等产生了大量大气污染物, 致使城市成为大气污染的重灾区[4]。目前影响我国城市环境空气质量的大气污染物主要包括PM2.5、PM10、CO、NO2、SO2和O3等6种[5], 它们不仅有一次气态污染物, 而且还有二次气态污染物, 增加了大气污染的复杂性。因此, 如何预防、控制和治理大气污染成为科研工作者及相关部门关注的重点。

为解决大气污染的危害, 越来越多的学者对大气污染物来源、时空变化特征、污染物与气象因素关系等方面进行了大量的研究, 并取得了丰富的成果。研究发现, 污染物来源、气象因素及地形等是大气污染物的重要影响因素[6]。苏含笑[7]等的研究表明, 2015年春季和冬季北京、唐山市区PM2.5主要来源为扬尘源、移动源和生物质燃烧。贾梦唯[8]、江琪[9]等对北京市和南京的研究说明气象因素对污染物具有稀释、扩散、清除和转换作用, 并且影响着污染物的分布, 而降水量、温度、风速、相对湿度等气象因素是导致污染物浓度出现分布差异的显著影响因子。冯鑫媛等[10]通过对川渝地区研究发现大气污染状况较重的为四川盆地, 高原地区则相对较轻。此外, 大气污染的分布还具有明显的时空差异。如张亚茹等[11]研究表明一天中, 污染最严重时段为上下班高峰期; 从季节上, 大气污染最为严重是冬季, 春季和秋季相当, 夏季空气质量较好。宋荣等[12]研究表明南京冬季大气污染物的空间分布具有差异, 呈东南高、西北低的空间分布态势。总体而言, 大气污染物研究大多聚焦于单一或几种首要污染物在某一季节的污染特征、或是整体研究污染物与气象因素的相关性及空间分布, 但对6种大气污染物不同季节的污染特征、空间分布及其各季节污染物与气象因素的相关性分析较少, 还需要进一步分析和探讨。

贵阳市是典型的喀斯特(岩溶)山地城市, 生态环境脆弱。随着经济的发展, 其大气污染问题不容忽视。李松等[13]对贵阳市PM2.5的研究发现, PM2.5质量浓度与主城区距离呈显著负相关, 并且其分布具有明显的城乡差异。张春辉等[14]研究表明贵阳市O3浓度昼间变化呈明显单峰形分布, 小时浓度与温度呈正相关与相对湿度呈负相关。梁隆超[15]、苏志华等［16］对贵阳市大气颗粒物研究说明贵阳市大气颗粒物污染, 以细颗粒物PM2.5污染为主, 呈现出夏秋季和冬春季2种典型的季节性污染特征。目前, 学术界有关贵阳市大气污染物的研究多集中于单一污染物的研究, 对6种大气污染物的整体研究较少, 且未能揭示贵阳市主城区6种大气污染物时空分布特征及与气象因素的相关性。基于此, 本文采用贵阳市现有9个国控监测站点PM2.5、PM10、CO、NO2、SO2和O3质量浓度数据、气象数据, 运用样条函数插值法和Pearson相关分析法, 分析贵阳市主城区不同季节各污染物的变化情况及其空间分布特征和各季节污染物与气象因素的相关性, 以期为大气污染防治部门改善空气质量提供一定的科学数据依据, 同时也为贵阳市居民在生活居住地的选择及污染源控制方面提供相对科学的参考。

1 材料与方法

1.1 研究区概况

贵阳市(106°7′—107°17′E, 26°11′—27°22′N)位于贵州省中部, 是贵州省省会, 其主城区包括南明区、云岩区、白云区、观山湖区、花溪区和乌当区, 面积2525.46 km2(图1)。属亚热带湿润温和型气候, 兼具高原季风气候特征, 年平均降水量为1173.9 mm,年平均气温15.16 ℃, 年平均湿度80%, 年平均风速2.42 m·s-1。地势西南高, 东北低, 研究区平均海拔1000 m, 喀斯特地貌发育。至2017年贵阳市主城区人口密度为1333.30人/km2, 煤炭消耗3.7×105t, 汽油消耗1.7×105t, 柴油消耗8.9×104t, 汽车拥有量从2000年5.44万辆, 到2017年已经超过131.40万辆。

图1 研究区监测站点分布图

Figure 1 Distribution map of monitoring stations in the study area

1.2 数据来源

根据2017年贵州省发布的《贵州省环境保护厅关于推进全国污染源监测数据管理系统联网工作的通知》、《贵州省大气污染物和水污染物环境保护税税额的决定(草案)》(征求意见)、《贵州省2017年大气污染防治年度实施方案》《2017年中国气候公报》等公告, 贵州省对大气污染的防治工作越发重视, 且2017贵阳市大气污染相对严重, 气象变化大。因此本文基于贵州省2017年气象数据对不同季节各污染物的变化情况及其空间分布特征和各季节污染物与气象因素的相关性进行研究。通过中国环境监测总站获得研究区9个国控监测站点2017年1月1日至2017年12月31日的PM2.5、PM10、CO、NO2、SO2、O3日均浓度的数据。9个站点分别为: 马鞍山、市环保站、鉴湖路、燕子冲、碧云窝、中院村、红边门、新华路和太慈桥, 监测站点所在的位置详见图1。贵阳市气象数据降水量、气温、风速、气压、日照长度、相对湿度和蒸发量为日均值数据, 从中国气象数据网(http://www.data.cma.cn)获取, 时间跨度为2017年1月1日至12月31日。1:100万的行政区边界矢量数据来自中国科学院(http://www. cas.cn/)。社会经济数据来自2000—2018年的《贵州省统计年鉴》。

1.3 研究方法

1.3.1 样条函数插值法

样条函数法是一种精确的插值方法, 通过数学函数关系对已知点进行拟合, 生成一个通过所有已知点的曲面, 且表面总曲率最小, 像是插入一个软膜且使它经过各个已知点[17]。本文以2017年1月1日—2018年2月28日6种大气污染物数据作为数据源, 运用样条函数插值法, 借助ArcGIS10.2平台的分析工具, 以各空气质量监测站点的经纬坐标为基础, 对用Excel统计得出的6种大气污染物的四季的数据进行空间插值, 分析贵阳市主城区6种大气污染物春、夏、秋、冬的空间分布特征。

1.3.2 Pearson相关分析法

为明确大气污染物和气象要素的相互关系, 利用Pearson相关系数[18]对贵阳市主城区6种大气污染物的日均值浓度数据与相应降水量、气温、风速、气压、日照长度、相对湿度和蒸发量相关数据进行统计分析, 计算相关系数并进行显著性检验, 公式如下:

2 结果和分析

2.1 大气污染物的时间变化特征

2.1.1 大气污染物的月变化特征

2017年, 贵阳市主城区PM2.5、PM10、CO和SO2的月平均浓度整体呈现先降后增趋势(图2), 折线图呈“U”形。由图可知, PM2.5, PM10和SO2最高浓度值均出现于12月, 分别为50.56 μg·m-3、90.02 μg·m-3和28.02 μg·m-3; 低值则分别出现于7月(18.98 μg·m-3)、6月(33.19 μg·m-3)和8月(6.33 μg·m-3)。CO的浓度则是1月(0.98 mg·m-3)为高值, 10月(0.59 mg·m-3)为低值。NO2月均浓度值变化呈波动上升的趋势, 1月、3月、11月和12月较高, 2月和4-10月相对较低, 月平均浓度值从28.29 μg·m-3至37.42 μg·m-3, 其中高值出现在12月(37.42 μg·m-3), 低值出现在10月(21.10 μg·m-3)。O3月均浓度值则具有“单峰型”的变化特征, 波峰出现在4月(78.20 μg·m-3), 波谷出现在11月(40.18 μg·m-3)。通过对比各指标与其标准偏差, 发现各指标数值分布较为集聚, 其中CO、SO2、O3数值的集聚程度最为显著。

2.1.2 大气污染物的季节变化特征

基于2017年1月—2017年12月的各站点大气污染物的数据, 计算各站点四季的算术平均值即为该站点大气污染物的季节平均质量浓度。根据贵州省的气候特征, 贵州春季为3—5月, 夏季为6—8, 秋季为9—11月, 冬季为12月—2月。从图3可知, PM2.5、CO、NO2、SO2季节变化趋势一致, 均呈现冬季>春季>秋季>夏季的变化趋势。PM10和O3的变化趋势则有所不同, PM10为冬季>秋季>春季>夏季的趋势, O3为春季>冬季>秋季>夏季的趋势。数据表明, 贵阳市主城区PM2.5、PM10、CO、NO2、SO2、O3浓度的年平均值分别为32.48 μg·m-3, 54.99 μg·m-3, 0.72 mg·m-3, 26.63 μg·m-3, 12.86 μg·m-3和52.80 μg·m-3。四季中, 污染物浓度除O3最大值出现在春季(70.43μg·m-3)外, 其余污染物最大值均出现在冬季, 分别为46.48μg·m-3、73.01μg·m-3、0.9mg·m-3、30.71μg·m-3、23.71μg·m-3。污染物浓度最小值均出现在夏季, 分别为21.12μg·m-3、36.58μg·m-3、0.62mg·m-3、23.51μg·m-3、6.35μg·m-3、45.19μg·m-3。且冬季PM2.5、PM10、CO、NO2、SO2和O3浓度比夏季分别增长120%、100%、45%、31%、273%、6%,且以PM2.5和SO2的增长最为显著。上述分析表明, 贵阳市主城区大气污染物质量浓度具有明显的季节性差异,且冬季的污染程度比夏季更严重。通过对比各指标与其标准偏差, 发现各指标数值分布较为集聚, 其中又以PM2.5、CO、SO2、O3数值的集聚程度最为显著。

图2 2017年贵阳市主城区大气污染物月际变化

Figure 2 Monthly variation of air pollutants in the main urban area of Guiyang City in 2017

图3 贵阳市主城区大气污染物季节变化

Figure 3 Seasonal variation of air pollutants in the main urban area of Guiyang City

2.2 大气污染物的空间分布特征

2.2.1 春季大气污染物的空间特征

本文以ArcGIS软件为支撑, 采用样条函数插值法获取研究区春季大气污染物的空间分布特征(图4)。由图可知, 研究区PM2.5平均质量浓度31.92 μg·m-3, 空间分布呈现“东高西低”的趋势(图4a), 高值区域主要分布于南明区、乌当区和云岩区, 低值区域主要分布于白云区和观山湖区。PM10平均质量浓度54.20 μg·m-3, 空间分布整体呈现“南高北低”的分布趋势, 高值区域位于花溪区, 低值区域位于白云区(图4b)。CO平均质量浓度0.69 mg·m-3, 质量浓度的空间分布趋势与PM10相反, 呈现出“北高南低”的趋势, 高值区域为观山湖区、南明区和乌当区, 低值区域为花溪区(图4c), NO2、SO2平均质量浓度分别为27.32 μg·m-3、11.02 μg·m-3, 两者质量浓度的空间分布具有相似性, 均呈现由“中心向四周”降低的趋势, 高值区域均位于南明区和白云区, 低值区域也位于花溪区(图4d-e)。O3平均质量浓度70.43 μg·m-3, 空间分布呈现出“中间低四周高”的分布趋势, 其中高值区域位于花溪区, 低值区域位于云岩区、南明区(图4f)。

2.2.2 夏季大气污染物的空间特征

从图5(a—f)可知, 研究区夏季PM2.5平均质量浓度21.12 μg·m-3, 空间分布与春季相同, 整体呈“东高西低”的态势, 南明区、花溪区、乌当区及云岩区东部为高值区域, 低值区域主要为观山湖区(图5a)。PM10夏季平均质量浓度36.58 μg·m-3, 其空间分布与春季一致, 均呈现出“南高北低”的趋势, 高值区域为花溪区、南明区, 白云区为低值区(图5b)。CO夏季平均质量浓度0.62 mg·m-3, 质量浓度的空间分布与春季的整体分布一致, 为“北高南低”, 但夏季CO的高值区域分布不突出, 主要表现为两个高值点, 一是南明区, 二是云岩区东部, 花溪区仍为低值区(图5c)。夏季NO2平均质量浓度23.51 μg·m-3, 空间分布呈“西高东低”的空间分布, 与春季相比空间分布改变, 质量浓度降低(-3.81 μg·m-3), 高值区域不凸显, 低值区域为白云区、观山湖区和花溪区(图5d)。SO2平均质量浓度为6.35 μg·m-3, “北高南低”为SO2的空间分布状况, 与春季相比高值区域增多, 包括南明区、云岩区、白云区和乌当区, 低值区仍为花溪区。O3平均质量浓度45.19 μg·m-3, 质量浓度的空间分布与春季不同, 呈“西高东低”, 高值区域为观山湖区, 低值区为花溪区(图5f)。

图4 贵阳市主城区PM2.5、PM10、CO、NO2、SO2和O3春季平均质量浓度的空间分布

Figure 4 Spatial distribution of spring average mass concentration of PM2.5, PM10, CO, NO2, SO2and O3in the main urban area of Guiyang City

图5 贵阳市主城区PM2.5、PM10、CO、NO2、SO2和O3夏季平均质量浓度的空间分布

Figure 5 Spatial Distribution of Summer average Mass concentration of PM2.5, PM10, CO, NO2, SO2and O3in the main Urban area of Guiyang City

2.2.3 秋季大气污染物的空间特征

从图6(a—f)可知, 研究区秋季PM2.5平均质量浓度30.42 μg·m-3, 空间分布与春季和夏季相似, 呈“东高西低”趋势, 但与夏季相比秋季PM2.5高质量浓度出现空间集聚, 南明区为高值区域, 云岩区及观山湖区为低值区域(图6a)。PM10平均质量浓度56.17 μg·m-3, 秋季PM10质量浓度与春、夏季的空间分布整体相同, “南高北低”, 且低值区分布一致, 但高值区域为花溪区和南明区(图6b)。秋季CO平均质量浓度0.66 mg·m-3, 空间分布为“西高东低”的态势, 高值区域为观山湖区、南明区, 低值区为花溪区(图6c)。NO2平均质量浓度24.97 μg·m-3, 空间分布整体呈“北高南低”, 且出现高值空间集聚点—云岩区与南明区交界处, 低值区为乌当区和白云区(图6d)。SO2平均质量浓度10.33 μg·m-3, 空间分布以“高值空间集聚分布, 低值南北两侧分布”为主, 高值中心于花溪区北部, 低值区为乌当区和花溪区(图6e)。秋季O3平均质量浓度46.94 μg·m-3, 其低值区空间分布与夏季一致, 高值区域为观山湖区、乌当区、白云区(图6f)。

图6 贵阳市主城区PM2.5、PM10、CO、NO2、SO2和O3秋季平均质量浓度的空间分布

Figure 6 Spatial Distribution of Autumn average Mass concentration of PM2.5, PM10, CO, NO2, SO2and O3in the main Urban area of Guiyang City

2.2.4 冬季大气污染物的空间特征

从图7(a—f)可知, 研究区PM2.5冬季平均质量浓度46.48 μg·m-3, 质量浓度的空间分布与春季、夏季和秋季的分布一致, 高值区域位于南明区和乌当区, 低值区位于观山湖区和花溪区(图7a)。冬季PM10平均质量浓度73.01 μg·m-3, 空间分布与春季、夏季和秋季的不同, 呈“东高西低”的分布趋势, 高值区域为花溪区、南明区和乌当区, 低值区域为白云区(图7b)。冬季CO平均质量浓度0.90 mg·m-3, 质量浓度的空间分布与秋季异同, 与春夏季相同, 即“北高南低”, 高值区域位于观山湖区、白云区和乌当区, 低值区位于花溪区(图7c)。NO2平均质量浓度30.71 μg·m-3, 空间分布呈“西高东低”态势, 高值区域位于云岩区、南明区, 低值区位于乌当区(图7d)。冬季SO2平均质量浓度23.71 μg·m-3, 质量浓度空间分布具有集聚性, 高值区域集聚于南明区和花溪区交界处, 低值区为乌当区, (图7e), 冬季O3平均质量浓度48.11 μg·m-3, 空间分布与夏秋季一致, 为“西高东低”, 高值区域为观山湖区和白云区, 低值区为花溪区(图7f)。

2.2.5 污染物空间分布成因分析

春季污染物高值区域主要集中在南明区、乌当区, 夏季污染物高值区域主要集中在南明区、乌当区、云岩区和观山湖区, 秋季污染物高值区域主要分布于南明区、乌当区、白云区、观山湖, 冬季污染物高值区域主要出现在南明区、乌当区、白云区、观山湖, 原因为春、秋、冬季贵州降水量较少气温低, 且盛行东北风, 而此风向上工业产业集聚, 致使东北风将污染带入城区, 南明区、观山湖、云岩区等污染物浓度增高, 乌当等作为工业产业区自身污染就较严重[15]。夏季贵州盛行南风, 风速大, 且此风向上无明显污染源, 故南部的污染物浓度较低, 且贵阳市南部开口型盆地地形则使得污染物在北部集聚难以扩散[19], 从而出现污染物在南明区、乌当区、云岩区和观山湖区集聚的现象。四季污染物低值区域主要集中在花溪区, 原因为花溪区工业产业欠发达, 植被覆盖较高, 导致其污染物浓度较其它区域较低[16]。污染物浓度空间分布季节变化与污染源及气象因素息息相关。

2.3 大气污染物间及与气象因素的相关性分析

2.3.1 大气污染物间相关性分析

利用Pearson相关分析方法, 运用SPSS软件分析贵阳市主城区2017年—2018年2月月均各大气污染质量浓度之间的相关性, 这对分析大气污染、开展大气治理具有重要意义[20]。并把相关系数分为无相关(0—0.2)、弱相关(0.2—0.4)、相关(0.4—0.6)、强相关(0.6—0.8)、极强相关(0.8—1)5个区间[21]。从表1可知, 春、夏、秋、冬四季PM2.5、PM10、CO、NO2和SO2间具有显著正相关性, 表明这5种污染物对彼此质量浓度的增加具有促进作用[22], 其中, 又以PM2.5和PM10的相关性最高, 相关系数为0.9以上, 属极强相关, 主要原因为二者都是以细颗粒物的形式存在, 且成因相似。也说明细颗粒物PM2.5是可吸入颗粒PM10重要组成部分。除PM2.5和PM10外, 春、冬季NO2和SO2相关性最高, 相关系数分别为0.687、0.860, 为极强相关, 表明两者的排放或具有协同性, 如机动车尾气排放是NO2和SO2的主要污染源, 且春节期间返乡和返工导致机动车尾气排放量增加。夏季NO2和CO的相关性最高(0.857), 属极强相关, 原因是两者来源相同, 均是汽车尾汽的重要组成部分。秋季PM10和NO2的相关性最高(0.867), 为极强相关, 因为NO2作为前体物质在太阳辐射作用下与O3发生复杂光化学反应, 完成气向粒的转变, 反应生成一系列二次颗粒物[23]。O3与PM2.5、PM10、CO、NO2、SO2均呈负相关性, 春、秋、冬季O3与NO2相关最高, 相关系数分别为0.484、0.278、0.534, 原因为NO2在太阳辐射作用下光解为NO和O, 促进O2光化学反应, 形成O3。夏季O3与SO2相关性最高, 主要是因为SO2与O3遇热之后生成SO3, 因此SO2浓度与O3浓度具有较高的相关性[24]。

图7 贵阳市主城区PM2.5、PM10、CO、NO2、SO2和O3冬季平均质量浓度的空间分布

Figure 7 Spatial distribution of winter average mass concentration of PM2.5, PM10, CO, NO2, SO2and O3in the main urban area of Guiyang City

2.3.2 大气污染物与气象因素相关性分析

气象因素是除了人类活动外影响大气污染物浓度高低的重要因素之一[25]。采用SPSS Pearson相关分析方法, 分析了气象要素对6大污染物的影响(表2)。

春季相对湿度是影响多数大气污染物的主要气象因素(表2)。相对湿度与PM2.5、PM10、NO2、O3、SO2呈显著负相关, 与CO显著正相关, 可能是空气中的颗粒物在较高相对湿度与空气中的水汽凝结发生沉降[26], 致使污染物浓度降低。降水量与污染物均呈负相关, 其中与PM2.5、PM10、O3呈显著负相关, 气压与CO呈显著负相关, 与SO2呈显著正相关, 蒸发量与CO、SO2呈显著负相关, 与O3呈显著正相关。除O3外, PM2.5、PM10、CO、NO2、SO2与风速呈显著负相关。日照长度与PM10、NO2、O3呈显著正相关, 原因为日照长度会影响太阳辐射及温度, 日照时间长, 太阳紫外辐射增强, 促进光化学反应, 因而相对O3浓度较高[27], 而NO2作为前体物质在太阳辐射作用下与O3发生复杂光化学反应, 完成气向粒的转变, 反应生成一系列二次颗粒物。气温与O3呈显著正相关, 表明气温升高, 对流层光化学反应速率加快, 促进O3前体物质间的转化速度, 促进O3的生成[28]。

表1 贵阳市主城区大气污染物相关性分析

注:* 相关性在0.05上显著; ** 相关性在 0.01上显著。

表2 贵阳市主城区大气污染物与气象因素相关性分析

注: * 相关性在 0.05 上显著; ** 相关性在 0.01 上显著。

夏季降水量和气压是影响大气污染物的关键气象因素(表2)。Pearson相关系数显示, PM2.5、PM10、CO、NO2、SO2、O3与降水量和气压均呈负相关。降水量对大气污染物浓度的影响主要体现在降雨对大气污染物的冲刷作用, 雨滴降落对大气中的颗粒物及CO、NO2、SO2经吸附和沉降, 降低大气污染物的浓度。而气压的影响主要是高压中心气流辐合上升, 空气的垂直运动旺盛, 有利污染的扩散。气温与O3显著正相关, 日照长度与PM10、O3显著正相关, 相对湿度与PM10、NO2、SO2、03显著负相关, 蒸发量与O3显著正相关。风速与PM2.5、PM10、CO、NO2、SO2显著负相关, 表明风速越大越有利于大气污染物的扩散。

秋季风速是影响大气污染物的重要影响因素(表2)。风速与O3显著正相关, 与其它五种污染物显著负相关, 表明风速越大, 污染物越容易扩散, 以致能见度提高, 太阳辐射增强, 促进O3的光化学反应速率致使O3浓度增加。与春季相同, 相对湿度是影响PM2.5、PM10、SO2、NO2、O3的主要因素, 且与之呈显著负相关, 说明相对湿度对污染物扩散具有重要作用。降水量与PM2.5、PM10、SO2显著负相关, 除O3外, 气温与其它五种污染物显著负相关, 表明气温升高气流的对流和垂直运动旺盛, 污染物易扩散。相反, 当出现逆温层则会阻碍污染物的扩散, 污染物集聚加剧大气污染程度[29]。日照长度与PM10、NO2、O3显著正相关, 气压与PM10、NO2显著正相关, 与CO、O3显著负相关, 蒸发量与CO、SO2显著负相关, 与O3显著正相关, 原因是蒸发量大表明气温及风速较大, 在这一环境条件下有利于污染物的扩散, 污染物浓度降低, 而O3浓度却因气温高, 对流层光化学反应加快有利于O3的生成而浓度增加。

冬季气压是影响大气污染物的关键因素(表2)。除O3外, 气压与其他5种污染物浓度呈显著正相关。说明在高压静稳天气下大气污染物不易扩散易集聚, 导致其他5种污染物浓度增加, 大气能见度降低, O3浓度下降。除CO外, 其余五种污染物与日照长度和蒸发量呈显著正相关, 与相对湿度呈负相关, 其它气象因素对大气污染物的影响不显著, 表明冬季日照长度和蒸发量对污染物的集聚具有一定的作用, 而相对湿度对降低污染物浓度具有一定作用, 但冬季气象因素对污染物的贡献可能比人为因素低[22]。PM10与降水量呈显著负相关, 说明冬季降水对空气中颗粒物的清除具有重要作用。

3 讨论

在自然生态系统中, 大气污染物污染程度主要受气象条件的影响, 同时与污染物间的特性息息相关。本文研究结果显示, 首先, PM2.5、PM10、CO、NO2、SO2间具有显著正相关性, 与O3均呈负相关, 又以PM2.5和PM10的相关性最高。白杨[30]等研究表明PM2.5与CO呈显著强正相关, 与NO2呈显著中等正相关, 与PM10、SO2均呈显著极弱相关, 与O3呈负相关。董佳丹[31]、沈楠驰[20]等利用SPSS对中国大气质量状况时空变化及天津市污染物时空分布及成因的分析结果显示, PM2.5、PM10、NO2、SO2、CO之间均呈极显著正相关关系, 其中PM2.5和PM10相关性最强, O3与其余5类污染物均为显著负相关关系, 与本文的研究结果一致。然而, 在黄晓虎[32]等分析中国城市大气污染物时空分布征及其相关性的研究结果中, PM2.5、PM10与CO、NO2、SO2呈正相关性, 且PM2.5与CO、NO2的相关性最强, 相较于本文的研究结果存在差异, 究其原因, NO2、SO2和CO在大气中作为前体物质, 由于太阳辐射易与O3、VOCs发生复杂的光化学反应, 从而实现由气向粒的转化, 生成一系列二次颗粒物。其次, 不同季节影响大气污染物的关键气象因素不同, 春季为相对湿度, 夏季为降水量和气压, 秋季是风速, 冬季则以气压为主要影响因素。有学者研究发现, 风速大小对大气颗粒物的传输扩散有重要的影响[33]。张亚茹[11]、谢劭峰[29]等研究表明。风速影响着污染物扩散的情况, 排放源的污染物会随着风被传送到其他地区, 风速越大, 越有利于主要污染物的消散。舒卓智[34]、王无为[35]等研究发现温度和气压与SO2、NO2、CO、PM10和PM2.5呈现显著负相关, 与O3呈显著正相关。平均气温、平均水汽压与SO2、NO2、CO、PM2.5和PM10均呈显著负相关, 而与O3呈显著正相关, 降水量与SO2、NO2和CO呈显著负相关。曾鹏[23]对柳州市核心区的研究发现影响大气污染物的气象因素在春、夏季为降水量, 秋季是风速, 冬季是气压, 其次是气温。方晓婷[36]等研究深圳市气象因素对污染物的影响表明相对湿度对4个季节的空气质量均有显著影响, 但春秋两季主要受气温的影响, 而夏季和冬季则主要受十分钟平均风速影响。这与本文研究结果有一定的差异, 原因主要是受不同地区水热条件具有差异性及其气象指标选取差异造成。

本文主要是分季节对贵阳市主城区6种大气污染物时空分布特征及与气象因素的相关性等进行了分析, 但除受气象因素外, 地形地貌对大气污染物同样具有重要的影响。韩燕[37]等研究表明临汾市由于受凹字型地形影响, 边界层以内大气流场易出现辐合特别是在重污染过程中, 这种辐合流场易造成大气污染物在局部地区堆积。张坤龙[38]等研究发现山区对天气系统具有明显的遮挡作用, 导致天气系统移动缓慢或停滞不前, 形成风速小、静风日数多的气候特点; 李霞[39]等研究说明复杂地形下垫面的非均匀性会对气流运动和气象条件产生动力和热力的影响, 引起局地环流, 如城市热岛环流、山谷风、海陆风、过山气流等, 其彼此间的相互作用, 对污染物的传输扩散影响很大。以上研究表明, 不同的地形地貌条件会导致局地环流改变, 形成局地小气候。而贵阳作为山城, 春、秋、冬季贵阳盛行东北风, 且地势相对较低, 污染物易在盆地中部集聚[40], 而夏季贵阳盛行南风, 且贵阳市为南部开口型盆地地形则使得污染物在北部集聚难以扩散[19]。此外, 这一特殊的地形地貌可能会导致局地气流的改变, 形成山谷风、热岛环流和山口风等, 从而影响大气污染的分布。而本文鉴于有限的数据, 缺乏地形特征对大气污染物的影响研究和社会经济数据与大气污染物之间相关性的研究, 且未能对连续多年的时空演化特征进行深入分析。在笔者今后的研究中, 选取适宜的地形因子数据、社会经济数据指标, 从长时间尺度定量和定性的分析其与大气污染物相关性的研究亟待开展。

4 结论

(1)从污染物的月均质量浓度变化看, 2017年PM2.5, PM10, CO和SO2月均浓度的变化趋势均呈“U”形, NO2为波动上升的趋势, 而O3浓度则具有“单峰型”的变化特征。从季节质量浓度变化看, PM2.5、CO、NO2、SO2季节变化趋势一致, 均呈现冬季>春季>秋季>夏季的变化趋势, 但PM10和O3则有所不同, PM10为冬季>秋季>春季>夏季的趋势, O3为春季>冬季>秋季>夏季的趋势。

(2)从污染物的空间分布看, 除了PM2.5质量浓度的空间分布春季、夏季和秋季和冬季一致外, 其他污染物在同一季节仍具有不同的空间分布特征。PM10春、夏、秋季质量浓度呈“南高北低”空间分布, 冬季则为“东高西低”; CO质量浓度除秋季外, 都为“北高南低”的分布趋势; NO2和SO2质量浓度则是在不同季节具有不同的空间分布特征; O3质量浓度夏、秋、冬季呈“西高东低”的空间分布, 春季为“中间低四周高”的空间分布。污染物浓度空间分布季节变化与人类活动强度密切相关。

(3)从污染物间及其与气象因素的相关性看, PM2.5、PM10、CO、NO2、SO2间具有显著正相关性, 与O3均呈负相关, 其中PM2.5和PM10的相关性最高, 表明二者的排放或具有协同性。不同季节影响大气污染物的关键气象因素不同, 春季为相对湿度, 夏季为降水量和气压, 秋季是风速, 冬季则以气压为主要影响因素。

[1] 闫晶洁, 李艳红, 马莹萍. 天山北坡河谷型城市大气NO2和SO2时空变化及影响因素分析[J]. 生态与农村环境学报, 2020, 36(10): 1268–1275.

[2] 王跃思, 张军科, 王莉莉, 等. 京津冀区域大气霾污染研究意义、现状及展望[J]. 地球科学进展, 2014, 29(3): 388–396.

[3] 李名升, 张建辉, 张殷俊, 等. 近10年中国大气PM10污染时空格局演变[J]. 地理学报, 2013, 68(11): 1504–1512.

[4] PENG J, CHEN S, LU HL, et al. Spatiotemporal patterns of remotely sensed PM2. 5concentration in China from 1999 to 2011 [J]. Remote Sensing of Environment, 2016, 174: 109– 121.

[5] CHAN CK , YAO X . Air pollution in mega cities in China[J]. Atmospheric Environment, 2007, 42(1): 1–42.

[6] XU M, GUO Y, ZHANG Y, et al. Spatiotemporal analysis of particulate air pollution and is chemic heart disease mortality in Beijing, China[J]. Environmental Health, 2014, 13(1): 1091–1106

[7] 苏含笑, 葛碧洲, 陈兴都. 典型城市市区春冬季PM2. 5污染特征及来源分析[J]. 环境工程, 2018, 36(9): 99–103.

[8] 贾梦唯, 赵天良, 张祥志, 等. 南京主要大气污染物季节变化及相关气象分析[J]. 中国环境科学, 2016, 36(9): 2567–2577.

[9] 江琪, 王飞, 张恒德, 等. 北京市PM2. 5和气态前体物相关关系分析[J]. 环境科学与技术, 2018, 41(4): 77–84.

[10] 冯鑫媛, 张莹. 川渝地区大气污染物质量浓度时空分布特征[J]. 中国科技论文, 2018, 13(15): 1708–1715.

[11] 张亚茹, 陈永金, 郭庆春, 等. 济南市大气污染物时空变化及预测分析[J]. 环境工程, 2020, 38(2): 114–121.

[12] 宋荣, 杨艳蓉, 杨柳妹, 等. 近年南京冬季首要大气污染物时空分布特征[J]. 环境科学与技术, 2020, 43(S1): 72–77.

[13] 李松, 邓宝昆, 邵技新, 等. 基于GIS的贵阳PM2. 5质量浓度城乡过渡特征及影响因素研究[J]. 生态环境学报, 2014, 23(8): 1298–1304.

[14] 张春辉, 刘群, 徐徐, 等. 贵阳市臭氧浓度变化及与气象因子的关联性[J]. 中国环境监测, 2019, 35(3): 82–92.

[15] 梁隆超, 仇广乐, 陈卓. 贵阳市城区大气颗粒物PM2. 5的污染特征与季节变化规律[J]. 地球与环境, 2015, 43(3): 290–295.

[16] 苏志华, 王建华. 贵阳市大气颗粒物的污染特征及其影响因素分析[J]. 中山大学学报(自然科学版), 2015, 54(5): 77–84.

[17] 张琳娜, 樊隽轩, 侯旭东, 等. 地层数据的常用空间插值方法介绍和比较分析——以上扬子区宝塔组厚度重建为例[J]. 地层学杂志, 2016, 40(4): 420–428.

[18] 刘静, 温仲明, 刚成诚. 黄土高原不同植被覆被类型NDVI对气候变化的响应[J]. 生态学报, 2020, 40(2): 678–691.

[19] 尚媛媛, 郑小波, 夏晓玲, 等. 贵阳市PM2. 5分布特征及气象条件的影响[J]. 高原山地气象研究, 2018, 38(3): 45–50.

[20] 沈楠驰, 周丙锋, 李珊珊, 等. 2015—2019年天津市大气污染物时空变化特征及成因分析[J]. 生态环境学报, 2020, 29(9): 1862–1873.

[21] 吴蒙, 彭慧萍, 范绍佳, 等. 珠江三角洲区域空气质量的时空变化特征[J]. 环境科学与技术, 2015, 38(2): 77–82.

[22] 李敏, 何红弟. 上海市大气环境中PM2. 5与其他污染物相关性研究[J]. 西南大学学报(自然科学版), 2018, 40(10): 127–134.

[23] 曾鹏, 辛存林, 于奭, 等. 典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究[J]. 环境科学学报, 2020, 40(1): 13–26.

[24] 韩博, 姚婷玮, 王立婕, 等. 天津机场区域大气NO2及O3影响因子研究[J]. 中国环境科学, 2020, 40(6): 2398– 2408.

[25] 缪明榕, 吴辉, 朱毅, 等. 南通市大气污染物浓度变化特征及其与气象因素的关系[J]. 科学技术与工程, 2020, 20(22): 9248–9254.

[26] 高嵩, 田蓉, 郭彬, 等. 长三角典型城市PM2. 5浓度变化特征及与气象要素的关系[J]. 科学技术与工程, 2018, 18(9): 142–155.

[27] 关清, 郑有飞, 赵辉, 等. PM2. 5及气象要素对乌鲁木齐市臭氧的影响[J]. 科学技术与工程, 2019, 19(10): 275– 281.

[28] 梁俊宁, 马启翔, 汪平, 等. 陕西省西咸新区空港新城夏季臭氧与气象因子关系分析[J]. 生态环境学报, 2019, 28(10): 2020–2026.

[29] 谢劭峰, 周志浩, 李国弘. 南宁市PM2. 5浓度与气象因素的关系[J]. 科学技术与工程, 2020, 20(2): 460–466.

[30] 白杨, 杨剑, 陈鹏, 等. 基于空间插值的西安市重空气污染期间主要污染物时空变化特征及相关性分析[J]. 环境科学研究, 2020, 33(4): 809–819.

[31] 董佳丹, 陈晓玲, 蔡晓斌, 等. 基于中国大气环境监测站点的2015—2019年大气质量状况时空变化分析[J]. 地球信息科学学报, 2020, 22(10): 1983–1995.

[32] 黄晓虎, 韩秀秀, 李帅东, 等. 城市主要大气污染物时空分布特征及其相关性[J]. 环境科学研究, 2017, 30(7): 1001–1011.

[33] 曹云生, 赵艳玲. 污染过程和不同天气下PM2.5质量浓度变化特征[J]. 生态科学, 2020, 39(5): 91–99.

[34] 卓智, 赵天良, 郑小波, 等. 清洁大气背景下贵阳空气质量变化及气象作用[J]. 中国环境科学, 2017, 37(12): 4460– 4468.

[35] 王无为, 黄建武, 龚胜生, 等. 2016年武汉市大气污染物时空分布特征及影响因素[J]. 环境监测管理与技术, 2018, 30(6): 20–24.

[36] 方晓婷, 段华波, 胡明伟, 等. 气象因素对大气污染物影响的季节差异分析及预测模型对比—以深圳为例[J]. 环境污染与防治, 2019, 41(5): 541–546.

[37] 韩燕, 刘保双, 张裕芬, 等. 临汾市地形气象特征及大气自净能力分析[J]. 南开大学学报(自然科学版), 2019, 52(6): 92–98.

[38] 张坤龙. 漳州市区颗粒物浓度及地理地形气象条件分析[J]. 海峡科学, 2019(10): 43–47.

[39] 李霞, 贾健. 复杂地形多尺度气流对城市大气污染影响的研究进展[J]. 沙漠与绿洲气象, 2016, 10(6): 1–10.

[40] 杨佳, 葛馨, 吴起鑫. 贵阳市主城区空气质量指数时空分布特征[J]. 长江流域资源与环境, 2018, 27(8): 1827– 1835.

The temporal-spatial distribution features and cause analysis of atmospheric pollutants in Guiyang main urban area

ZHANG Na1, ZHOU Guofu1,*, HUANG Qifen1, LEI Chang1, LIU Chunjun1, ZHANG Di2

1. School of Geography and Environmental Science, Guizhou Normal University, Guiyang 550000, China 2. School of Geographic Science, Zhaotong University, Zhaotong 657000, China

In order to reveal the distribution features and causes of atmospheric pollutants in Guiyang, this paper employed the methods of regression analysis and spline interpolation to perform an analysis of main atmospheric pollutants in Guiyang city, based on data obtained from the state-controlled monitoring station. The results are listed below. (1) The monthly changes of pollutants show following features: the curve of O3is unimodal, that of NO2fluctuates up, and the monthly mass concentration of the rest 4 pollutants shows a U-shaped curve. In terms of seasonal changes, the mass concentration of PM2.5, CO, NO2and SO2is highest in winter, followed by spring, autumn and then summer, that of PM10is the highest in winter, followed by autumn, spring, and then summer, and that of O3is highest in spring, followed by winter, autumn, and then summer. (2) The spatial distribution of PM2.5is consistent in the four seasons, while that of the rest 5 pollutants varies with seasons. (3) In terms of the correlation between pollutants and meteorological factors, PM2.5, PM10, CO, NO2and SO2have a significant positive correlation with meteorological factors, while PM2.5and PM10have the strongest correlation with meteorological factors, and their emissions are synergistic. The key factor that affects atmospheric pollutants in spring is relative humidity; in summer the key factors are precipitation and air pressure; in autumn it is wind speed, and in winter, air pressure.

Guiyang City; atmospheric pollutants; feature analysis; cause analysis

10.14108/j.cnki.1008-8873.2022.02.017

X51

A

1008-8873(2022)02-137-12

2021-01-07;

2021-01-28

贵州省科技计划项目(黔科合基[2019]1231号); 贵州省科技支撑计划项目(黔科合支撑[2017]2580)

张娜(1996—), 女, 云南红河人, 硕士研究生, 主要从事水土保持与国土整治方向, E-mail:1504188016@qq.com

通信作者:周国富(1963—), 男, 贵州威宁人, 硕士生导师, 教授, 主要从事水土保持与国土整治方向, E-mail:283000395@qq.com

张娜, 周国富, 黄启芬, 等. 贵阳市主城区大气污染物时空分布特征及成因分析[J]. 生态科学, 2022, 41(2): 137–148.

ZHANG Na, ZHOU Guofu, HUANG Qifen, et al. The temporal-spatial distribution features and cause analysis of atmospheric pollutants in Guiyang main urban area[J]. Ecological Science, 2022, 41(2): 137–148.