河南鸡公山林区PM2.5污染与气象因子全年时尺度相关性分析

冯万富，申明海*，单燕祥，沈新志，张建设，李月凤

(1.河南省信阳市林业科学研究所，河南 信阳 464031；2.河南鸡公山森林生态系统国家定位观测研究站，河南 信阳 464031；3.河南省信阳生态环境监测中心，河南 信阳 464000)

随着工业化和城市化的迅猛发展，大气颗粒物污染已成为严重的城市环境问题[1]。PM10已被证实是危害人类健康的重要物质；PM2.5因能够进入人体肺部引起肺泡发炎而具有更大的危害性[2]。目前，有关大气颗粒物污染研究主要集中在城市颗粒物污染特征和源解析、组分，对人类健康的危害以及颗粒物污染治理等方面[3-6]。影响PM2.5污染的因素众多，污染源排放是主导因素[7]，同时与气象要素密切相关。以往有关气象因子对PM2.5污染的影响研究主要涉及二者在日尺度上的相关性分析，样本量相对较少；而关于PM2.5污染与气象因子在全年时尺度、大样本容量下的系统研究鲜有报道。在研究地域上，主要集中在少数城市[8]，针对特定森林景区PM2.5污染与气象成因的研究较少。森林植被对大气颗粒物具有明显的削减作用[9]。森林植被能够通过阻尘、减尘、降尘、滞尘和吸尘等作用，减少颗粒物在大气中的含量并降低其对人体健康的危害，进而发挥净化大气的功能[10-11]。利用森林复杂冠层结构对颗粒物的吸收阻滞作用成为治理PM2.5污染的一项重要措施[12]。

本研究基于河南鸡公山景区森林环境空气质量监测站2019年PM2.5与气象因子监测数据，分析了林区PM2.5污染特征以及降水对PM2.5污染的影响，系统研究了PM2.5质量浓度与气温、气压、空气湿度和风速等气象因子在全年时尺度上的变化和关系，旨在探讨森林植被对PM2.5等颗粒物的吸附调控机理，阐释森林净化环境空气功能，为区域大气污染联防联治、森林景区旅游资源开发等提供基础参考依据。

1 研究区概况

研究区位于河南省南部的鸡公山国家级自然保护区(31°49′N，114°03′E)，属北亚热带季风湿润气候，年均温15.2 ℃，年均降水量1 200 mm，空气湿度84%。鸡公山属亚热带常绿阔叶林区域的桐柏、大别山、丘陵松栎林植被片，具有南暖温带向北亚热带过渡的性质。森林覆盖率90%以上，林分上层优势乔木以麻栎(Quercusacutissima)、栓皮栎(Quercusvariabilis)等为主，灌木层优势种主要有山胡椒(Linderaglauca)、黄荆条(Vitexnegundo)等，草本层优势种有络石(Trachelospermumjasminoides)、显子草(Phaenospermaglobosa)等，群落具有良好的复层结构。

2 材料与方法

2.1 监测站仪器设置

环境空气质量监测站布设在鸡公山自然保护区管理局机关院内，海拔167 m。站内安装一套河北先河环保科技股份有限公司生产的空气质量连续自动监测系统。颗粒物监测仪器为先河环保XHPM2000E型颗粒物自动监测分析仪，采用β射线加温度动态调整系统(β+DHS)测量方法，数据质量可靠。

2.2 数据采集

监测站在线连续自动监测并同步采集PM2.5等6种常规空气污染物和气温、气压、空气湿度、风速等气象要素数据。系统设定PM2.5和气温、气压、空气湿度、风速，均为每小时采集1组数据(各指标监测数据均为该监测站单一探头监测的1 h平均值，各数据小时值没有重复)。数据统计的有效性符合国家相关标准[13-14]的要求。

降水量数据来自河南鸡公山森林生态系统国家定位观测研究站标准气象观测场自动观测数据。

2.3 数据处理

所有数据应用Excel 2007、SPSS19.0进行数据整理和分析。采用回归分析法对因变量(PM2.5质量浓度)和自变量(林区气温、气压、空气湿度、风速)进行相关性和线性回归分析，并建立相关回归方程。

3 结果与分析

3.1 林区PM2.5污染特征

3.1.1 PM2.5污染日数 林区PM2.5质量浓度年均值为34.48 μg·m-3，略低于国标二级标准限值(35 μg·m-3)。PM2.5质量浓度日均值为8.00～134.88 μg·m-3。1 a中共有26 d PM2.5质量浓度日均值超过国标二级标准限值(75 μg·m-3)，超标率为7.12%，PM2.5污染状况整体较轻。超标日主要集中在冬季，春、秋、冬三季，分别超标2、6、18 d(3-5月为春季，6-8月为夏季，9-11月为秋季，1、2、12月为冬季)，整个夏季PM2.5质量浓度日均值均优于国标二级标准限值。作为我国著名的避暑胜地，夏季良好的环境空气质量，对于鸡公山景区森林康养功能开发是非常有益的。

3.1.2 PM2.5质量浓度时间变化特征 林区PM2.5质量浓度日变化呈现双峰双谷现象(图1)。整体上看，上午质量浓度较高，下午较低。日峰值出现在10:00(39.44 μg·m-3)，次高峰值出现在22:00(36.03 μg·m-3)。日最低值出现在15:00(30.94 μg·m-3)，次低谷值出现在02:00(33.00 μg·m-3)。

1 a中，林区PM2.5质量浓度变化呈现“U”型曲线(图2)，表现出明显的季节差异。PM2.5质量浓度最高值集中出现在冬季3个月份，最低值集中出现在夏季3个月份，春、秋两季居中。夏季PM2.5污染较轻，是因为鸡公山所处的豫南大别山区夏季降雨集中，降雨频率高、强度大，雨水对PM2.5等大气污染物起到了清洗和冲刷作用，在雨水作用下，空气中的粉尘颗粒伴随降雨直接进入土壤中，从而降低了空气中污染气体的质量浓度[15]。

抓思想工作也就意味着思政教育工作的职能在于对学生的思想、观念进行再塑造，以使其符合社会需求，更好地融入社会主义社会。不过，在实践中，思想政治教育与日常管理是分不开的，教育者只有通过管理才能发现学生的心理或者思想问题，也才能进一步解决。但是由于日常管理的内容过于琐碎，而思政教育工作者的精力有限，导致教育者只能着重去抓管理方面的事情，而忽略了思想教育。众所周知，学校或多或少都会有些应急的事情需要处理，这些工作一般由思政工作者承担，甚至有时候他们就像学校的“消防员”，要时刻待命去灭火，这样，教育工作者的重心就会由教育学生转变为处理突发状况，这样的话思政教育工作就发生了偏差。

3.2 降水对PM2.5的去除作用

降水对不同组分的大气颗粒物污染均具有显著的去除效果[16]。选取1 a中单次降水量超过10 mm的11次典型降水过程分析了降水对PM2.5的去除作用(图3)。11次典型降水过程最大降水量为85.4 mm(4月9日)，最小降水量为10.7 mm(11月25日)。监测结果显示，降水前PM2.5质量浓度日均值为12.88～123.67 μg·m-3；降水后日均值为8.00～44.13 μg·m-3，降水前后的日均质量浓度下降率为30.14%～65.62%，平均下降50.62%。11次降水过程降水后PM2.5日均值均低于国标二级标准限值。从整体上看，降水前PM2.5污染越严重，降水对PM2.5污染的去除作用越明显，PM2.5质量浓度下降率越高。降水前PM2.5污染最严重的3次降水过程分别发生在1月9日(123.67 μg·m-3)、1月31日(94.17 μg·m-3)和11月25日(108.58 μg·m-3)，降水后PM2.5质量浓度分别下降64.32%(44.13 μg·m-3)、53.16%(44.11 μg·m-3)和65.62%(37.33 μg·m-3)。

3.3 林区气象因子对PM2.5污染的影响

3.3.1 气温、气压、空气湿度和风速对PM2.5污染的影响 大气颗粒物污染通常受污染源、气象条件和下垫面森林植被盖度等因素的共同影响，但由于在一定区域和时间内，污染源和森林植被相对稳定，颗粒物质量浓度主要取决于各种气象条件下大气对颗粒物的输送与扩散作用[17]。气温等气象因子对PM2.5污染有着重要影响。以林区气温(T/℃)、气压(P/kPa)、空气相对湿度(RH/%)和风速(WS/(m·s-1))为自变量，PM2.5质量浓度值[ρ(PM2.5)/(μg·m-3)]为因变量进行多元回归分析，在全年时尺度上PM2.5质量浓度值与对应的气温等气象因子存在着下式回归关系。

ρ(PM2.5)=5.407 4P-0.741 3T+0.006RH-7.547WS-500.55

(1)

R2=0.236 8,n=777 3,F=602.64,P<0.01；且T、P、RH和WS的t检验P值均小于0.01，对应|r|分别为0.463 7、0.432 2、0.197 1和0.138 7。

式(1)说明，PM2.5质量浓度值与气温等4个气象因子之间存在极显著的多元线性回归关系，且各单气象因子对PM2.5时均质量浓度值的影响均达到极显著水平(P<0.01)。其中PM2.5时均质量浓度值与气压、空气湿度呈正相关关系，与气温、风速负相关，这与傅伟聪等[18]在贵州百里杜鹃森林公园的研究结果一致。通过相关系数|r|发现，影响PM2.5污染的最主要气象因子是气温和气压。气温越高，污染越轻，是因为较高的气温有利于大气垂直对流和颗粒物向外输送、扩散，从而降低了污染[19]。气压对PM2.5污染的影响呈正向效应，是因为随着气压升高，大气边界层高度相对变低，气流运动较缓慢，不利于颗粒物扩散[20]。林区不同气象因子对PM2.5污染存在着交互影响。在全年时尺度上，气温(T/℃)与气压(P/kPa)之间呈极显著的线性回归关系(P=103.21-0.085 8T,R2=0.697 7,n=777 3,P<0.01);气温与空气湿度之间呈极显著的二次回归关系(RH=-0.006 3T2-0.419 3T+85.347,R2=0.110 1,n=777 3,P<0.01)。

3.3.2 单气象因子对PM2.5污染的影响 鉴于多气象因子对PM2.5污染的影响存在交互作用、R2偏低等问题，从单气象因子与PM2.5时均质量浓度值的相关性分析则可规避这些问题、且便于解析和应用。为此，对林区PM2.5污染与气温等单气象因子之间的关系逐一进行统计分析。

3.3.2.2 气压对PM2.5污染的影响 在全年时尺度上，林区PM2.5质量浓度值与气压(P)之间存在极显著的二次递增回归关系(P<0.01，图6A)。同样由于等气压点对应的PM2.5时均质量浓度值离差较大、回归决定系数R2值偏小，使得回归模型精度偏低。将等气压点及对应的PM2.5质量浓度值域一并平均处理后回归，二者间呈极显著的乘幂递增回归关系(P<0.01)、R2值相对提高了0.602 5(图6B)，回归精度显著提高。若再将气压分别以0.4、0.8 hPa依次递增，并与对应的PM2.5质量浓度值域一并平均处理后再回归，则二者均呈现极显著的指数递增回归关系(P<0.01)，R2值分别达到0.904 4、0.919 7(图7)，较等气压点的R2值分别提高了0.108 7、0.124，回归精度进一步提高。因此，经气压小梯度递增处理后的回归模型更适于通过林区气压值估算PM2.5质量浓度。

3.3.2.3 空气湿度对PM2.5污染的影响 在时尺度上，PM2.5质量浓度与空气湿度间存在极显著的二次回归关系(P<0.01，图8A)。只是由于空气湿度等值点对应的PM2.5时均质量浓度值离差太大，使得回归精度明显偏低。将空气湿度等值点及对应的PM2.5质量浓度值一并平均处理后再回归，二者间呈极显著的乘幂递增回归关系(P<0.01)、决定系数R2值相对提高了0.423 7(图8B)，但依然偏低。如果再将空气湿度分别以1.0%、2.0%依次递增，并与对应的PM2.5质量浓度值域一并平均处理后再回归，则二者均呈现极显著的二次回归关系(P<0.01)，较等值点的R2值分别提高了0.331和0.395 9(图9)，回归精度显著提高。

3.3.2.4 风速对PM2.5污染的影响 林区全年平均风速0.423 m·s-1，最高风速2.711 m·s-1，近2 000 h处于无风状态。在时尺度上，PM2.5质量浓度与平均风速(WS)间存在极显著的负指数回归关系(P<0.01，图10A)。同样由于风速等值点对应的PM2.5时均质量浓度值离差太大，使得回归精度明显偏低。将等风速点及对应的PM2.5质量浓度值一并平均处理后再回归，两者间呈极显著的指数递减回归关系(P<0.01)、R2值相对提高了0.413 8(图10B)，但依然偏低。再将风速分别以0.03、0.06 m·s-1依次递增，并与对应的PM2.5质量浓度值域一并平均处理后再回归，则二者均呈现极显著的二次回归关系(P<0.01)，R2值分别提高到0.608 4和0.673 4(图11)，回归精度依然不很高，主要是由于山区地形破碎、复杂，林分稠密，高大山体及林木的遮挡致使平均风速偏低、静稳天气偏多造成的。

林区单一气象因子与PM2.5质量浓度之间的时尺度相关性分析，实现了各气象因子在等值点、小梯度递增上PM2.5质量浓度高离散值的均值化处理，加大了回归点数据源的信息权重，缩小了PM2.5时均质量浓度离差，显著提高了回归模型精度，映射出气象因子对PM2.5质量浓度均值的影响效应，对通过单一气象因子预估PM2.5质量浓度值是适宜的。

4 结论与讨论

4.1 结论

2019年，鸡公山林区环境空气质量监测站PM2.5年均质量浓度34.48 μg·m-3，略低于国标二级标准限值(35 μg·m-3)。全年共有26 d PM2.5质量浓度日均值超过国标二级标准限值(75 μg·m-3)，超标率为7.12%，超标日主要集中在冬季。林区PM2.5污染状况整体较轻。

在全年时尺度上，PM2.5时均质量浓度值与对应的气温、气压、空气湿度和风速等4个气象因子之间存在极显著的多元线性回归关系(P<0.01)，且单气象因子对PM2.5时均质量浓度值的影响均达到极显著水平(P<0.01)。

在全年时尺度上，各单气象因子与PM2.5质量浓度之间回归模型精度偏低。通过采取各单气象因子在等值点、小梯度递增与对应的多PM2.5质量浓度值域一并平均处理后再回归，显著提高了二者之间的回归精度。气温和气压是影响PM2.5污染的最主要气象因子。在PM2.5观测数据缺失的情况下，通过气温小梯度递增0.6 ℃(回归模型R2=0.901 4)或气压分别递增0.4(R2=0.904 4)、0.8 hPa(R2=0.919 7)处理，均可取得良好的预测结果。

4.2 讨论

关于降水对颗粒物污染的影响，胡敏等[16]的研究表明，降水对不同组分的大气颗粒物污染均具有显著的去除效果。F.Amatoetal[21]对欧洲道路扬尘的研究发现，降雨可使道路颗粒物质量浓度急剧下降；雨后颗粒物质量浓度以指数函数递增，直至再次达到最大值，此时道路扬尘和沉降过程达到一个新的动态平衡。郑晓霞等[22]的研究显示，降雨对颗粒物的去除作用明显，一次降雨可使PM2.5质量浓度平均下降56.3%，降雨过程只降低PM2.5的质量浓度值，并没有改变其日变化规律。本研究结果与上述研究是吻合的，鸡公山林区11次典型降水过程降水前后PM2.5日均质量浓度平均下降50.62%。从整体上看，降水前PM2.5污染越严重，降水对PM2.5污染的去除效果越显著，PM2.5质量浓度下降率越高。降水能够削减颗粒物污染，主要是雨水对PM2.5等大气污染物起到了清洗和冲刷作用，进而降低了空气中污染气体的质量浓度。

气象要素对颗粒物的影响主要表现为大气扩散能力和降水沉降能力[23]。关于颗粒物污染与气象因子的关系，以往研究多侧重二者在日尺度上的相关性分析[9,24]，而对于二者在时尺度上的系统研究鲜见报道。在日尺度上，史宇等[24]的研究认为，PM2.5质量浓度与日均空气湿度呈显著正相关关系，与日均风速呈显著负相关关系，而与日均气温和气压无显著相关性；冯万富等[9]的研究结果显示，PM2.5质量浓度与日均气温和风速呈显著负相关关系，与日均气压和空气湿度呈显著正相关关系。本研究结果与后者是一致的，主要是气温高、风速大有利于加快颗粒物扩散，而湿度大有利于细粒子的生成，气压高不利于颗粒物扩散。当前，随着仪器设备性能和监测技术的提升，使得PM2.5污染与气象因子的高时频连续同步监测成为可能。在小时尺度、大样本容量下开展PM2.5污染与气象因子的时序变化、相关性分析对于通过气象因子精准预测PM2.5污染显得愈发重要，有待今后深入研究。