长沙某区域空气污染成因分析

黄刚

长沙市雨花生态环境监测站，湖南 长沙 410019

大气环境质量深刻影响广大人民群众的身体健康，国家与地方政府对此高度重视。长沙位于地势低洼处，在无降水或气候突变时天气以静稳为主，易产生污染物积聚，形成污染天气。为此，当地政府制定了相应的措施，严控大气污染物的排放。控制大气环境污染必须掌握大气污染的产生原因，才能有的放矢，达到防控效果。

当前，众多研究者从不同角度对大气污染进行了分析。例如在四川盆地这样的大区域范围内，李梦真等系统分析了大气中PM2.5的产生原因，他们认为影响四川盆地PM2.5浓度的主要气象因子是风速和气温，人口密度与经济规模则是影响盆地PM2.5浓度的主要人类活动因子，另外，产业结构及其规模变化对PM2.5浓度也会产生一定影响［1］。又如在合肥市区的小区域内，赵楠等分析了合肥市大气污染物的时空变化特征与影响因素，研究显示PM2.5、PM10、NO2、SO2、CO 等污染物浓度的变化趋势与温度呈负相关，O3浓度的变化趋势与温度呈正相关［2］。而在哈密市区，韩友虎对大气中的PM10与PM2.5变化特征进行了分析，他认为PM10与PM2.5的浓度呈现季节性变化，并存在线性关系，这为哈密市的PM10与PM2.5的控制提供了一定的理论支持［3］。目前，对长沙及其周边城市大气污染的研究也不少。例如，贾海鹰等分析了长沙市城区O3浓度的变化，确定了长沙市O3的时空变化规律［4］；罗岳平等分析了长沙大气中PM2.5和O3质量浓度的相关性，认为两者之间的相关性不强，还发现O3浓度峰值一般出现在温度高、光照强度大的午后，而PM2.5最高值一般出现在上午［5］；陈勇等则分析了长沙霾日数的变化及气象因子对霾日的影响，认为气候变暖、风力稀释扩散能力减弱、降水减少是霾日数激增的原因［6］。这些针对长沙区域内大气污染状况的分析为长沙大气污染的防控提供了理论支持。

但目前较多研究的重点是探寻各地大气污染因子在时空方面呈现的规律，研究的对象也往往是单个污染因子，对污染产生原因的综合性分析略显不足，也难以从整体上呈现大气污染特性。另外，也很少有研究提出针对性的管控方案。为此，我们在2021 年3 月至2022 年2 月期间对长沙某区域内PM2.5、PM10、O3、NO2、SO2、CO、有机污染物等大气污染因子进行了跟踪监测，通过分析污染因子的影响因素、组成、相关性与成因，整体上对该区域的大气环境污染的形成进行综合评价，掌握该区域大气污染规律，为今后该区域大气污染的预警与控制提供理论依据。

1 材料与试验

1.1 主要仪器

颗粒物监测仪，来自赛默飞世尔科技有限公司；环境空气颗粒物元素成分分析仪、环境空气气态污染物分析仪、环境空气挥发性有机物气相色谱监测系统、一氧化碳分析仪、臭氧分析仪等均来自力合科技股份有限公司。

1.2 分析方法

臭氧采用紫外光度法检测；一氧化碳采用气体滤波相关红外法检测；二氧化硫采用紫外荧光法检测；氮氧化物采用化学发光法检测；非甲烷总烃、芳香烃、烷烃、烯烃等采用GC-FID 法检测；铵根、硫酸根、硝酸根等采用离子色谱法检测；OC（有机碳）、EC（元素碳）等采用热光法检测；地壳元素、微量元素等采用XRF 法检测；PM2.5与PM10采用β 射线法检测。

1.3 试验方法

监测长沙某区域内大气中PM2.5、PM10、O3、NO2、SO2、CO、有机污染物等大气污染因子的浓度，分析颗粒污染物、有机污染物成分。进行数据与关联性分析，确定颗粒污染物、有机污染物、O3等的形成原因。

2 结果与讨论

2.1 气候气象条件对污染因子的影响分析

气候气象条件对大气中的污染物具有较大影响［7-9］，因此我们首先以全年监测数据为依据，分析气候气象条件对大气污染因子的影响。以O3为例，该区域4~9 月的月均温度大多在20℃以上，温度偏高，该时段是O3污染高发时段。特别是4、5、8 月湿度又偏低，更是O3污染的主要发生月份。该区域全年O3浓度超标15 天，其中4月份6 天，5 月份5 天，8 月份3 天。以颗粒污染物为例，该区域2021 年11、12 月以及2022 年1 月3 个月份降雨量少，温度与湿度都较低，自净能力差，受北方传输影响，区域内PM2.5污染较重。全年而言，该区域整体风速偏小，均处于一级风以下，水平扩散条件不佳，以静稳状态居多，易导致污染积聚，从而形成污染天气。而一些月份的污染物监测数据低，主要是由于较大降雨量对污染物清除效果较好。

2.2 污染因子成因分析

2.2.1 颗粒污染物成因分析

一年期间大气中PM2.5的排放总量与组成如图1、图2 所示。

图1 PM2.5 排放总量

图2 PM2.5 全年的组分占比

从PM2.5排放总量来看，该区域全年的PM2.5浓度较低，大多数月份月均浓度在38 μg/m3以下。其中8~9 月浓度最低，仅在20 μg/m3左右，这主要是由于8~9 月温度较高，垂直扩散条件较好。另外，9~10 月期间整体降雨量较大、湿度较高，这带来了良好的污染物清除效果，因此PM2.5浓度较低。11~12 月期间PM2.5浓度开始大幅升高，11 月浓度为35.69 μg/m3，12 月猛增至70.96 μg/m3，这是秋冬季扩散条件不佳与北方污染传输影响共同导致的。

由图2 可知，该区域PM2.5各组分全年的占比情况为OC（34.0%）＞硝酸根（19.9%）＞硫酸根（13.8%）＞铵根（13.1%）＞地壳元素（11.2%）＞元素碳（4.0%）＞其他（2.9%）。OC/EC 为8.5。OC 主要来自污染源直接排放的一次有机碳和挥发性碳氢化合物经过光化学反应形成的二次有机碳。EC 主要来源于生物质和化石燃料的不完全燃烧。通常认为OC/EC 值高于2.0，大气中存在二次污染，因此可知该区域颗粒污染物主要来源于机动车和焚烧［10-11］。另外，硝酸根和铵根占比之和达33%，表明道路移动源对该区的颗粒污染物贡献也较大；硫酸根占比为13.8%，说明焚烧源对该区域PM2.5的贡献同样不可忽视。

研究还对四季的OC/EC 比值进行了分析，结果如表1 所示。

表1 OC/EC 比值数据

由表1 可知，OC/EC 比值秋季比春夏季高，造成这种季节变化特征的主要原因是，在秋季仍有部分居民焚烧化石燃料取暖以及农民焚烧秸秆，含碳污染物排放比较严重，并且秋季风速和温度较低，易形成逆温，不利于污染物的扩散和被稀释。而夏天风速较大，雨水较多，有利于污染物的扩散和清除，使OC/EC 数值较低。

研究还分析了每个月份的PM2.5的组成。以PM2.5浓度升幅最为明显的12 月为例，随着气温降低，除硝酸根、硫酸根等二次无机水溶性离子出现大幅升高外，OC、EC 也均出现不同程度的升高。因OC、EC 源于机动车和燃烧，结合硫酸根等离子的同步上涨，可进一步证明该区域秋冬季的颗粒污染物主要来源于焚烧源与机动车。

2.2.2 有机污染物成因分析

芳香烃、烷烃、烯烃为大气有机污染物的主要组成部分，其全年浓度变化以及组成如图3、图4 所示。

图3 大气有机污染物浓度变化

图4 大气有机污染物中的烃类占比

由图3 可知，5 月有机污染物浓度最高，达964.2ppb，这可能与复工复产以及平均温度明显上升等有关。7 月至8 月中旬有机污染物浓度呈下降趋势，这主要是因为降雨量增大，空气中部分有机污染物被有效沉降。8 月下旬至10 月上旬虽降雨量有所减少，但随着气温的降低，空气中的有机污染物挥发性减弱，有机污染物浓度仍处于较低水平。9~11 月有机污染物浓度基本一致，均在450ppb 左右，这与期间整体气候条件较为一致存在一定关联。11~12 月有机污染物浓度整体呈上升趋势，且主要表现为烷烃类物质含量的升高，这与冬季气温降低，城市取暖所用的化石燃料燃烧（包括燃煤）有关。就占比情况（见图4）而言，该区6~12 月烃类浓度占比为烷烃（61.1%）＞芳香烃（27.8%）＞烯烃（11.1%），烷烃类占比最大，且以乙烷、正丁烷等低碳烷烃为主，表明道路移动源污染较大，芳香烃类物质占比第二，说明溶剂涂料使用等工序的污染也同样突出，烯烃类物质占比较小，说明区域内有机污染物在一定程度上受到油墨挥发、包装印刷等工序影响［12-13］。

2.2.3 O3成因分析

2.2.3.1 O3生成潜势分析

对该区域O3生成潜势（OFP）进行分析，结果如图5 所示。从图中可知，芳香烃类物质对O3生成潜势贡献最大，占比为60.8%，其次为烯烃类物质，占比为22.9%，烷烃类物质贡献最小，为16.2%。图6 显示，OFP 占比排名前10 的具体物质为间二甲苯、甲苯、邻二甲苯、1，2，3- 三甲苯、乙烯、1，2，4-三甲基苯、丙烯、1-己烯、乙苯、异戊二烯。OFP 贡献较大的主要为芳香烃类物质，少部分为烯烃类物质，这表明该区域臭氧浓度受溶剂涂料使用工序影响较大［14-16］。

图5 O3 生成潜势（OFP）

图6 O3 生成潜势组成占比

2.2.3.2 O3污染形成条件分析

研究对4 月1 日至10 月31 日该区域O3污染高发期主要气象参数（湿度、风速、温度和风向）和NO2浓度进行统计，从而筛选出O3超标的大致条件［17-18］。以该时间段内的整体数据为依据，以气象参数和O3前体物为筛选条件，将4 月1 日至10 月31 日中O3未超标日逐步筛除，最终得到满足相应条件的15 个O3超标日，其超标的具体条件为：NO2浓度处于16μg/m3~58μg/m3，湿度＜68%RH，风速≤2m/s，温度＞18℃，风向以偏北风为主。

2.3 污染成因的关联性分析

大气污染是一系列复杂的物理化学过程导致的气体特性改变。大气污染物众多，而污染物往往不是单独出现的，是共生叠发的。这说明污染物可能是同生来源，或者互相影响。为了弄清楚这些内在联系，也为了进一步佐证前面研究所得到的污染物形成原因，本文对污染成因的关联性进行了分析。

研究统计了PM2.5、PM10、NO2以及CO 4 种污染物的时、日、月的监测数据，结果如图7、图8 所示。

图7 PM2.5、PM10、NO2 随时间的变化

图8 CO 随时间的变化

从图7、图8 可知，在整体变化趋势方面，4 种污染物变化趋势较为一致，这说明4 种污染物的主要排放来源较为一致。日变化规律图显示PM10、CO 有明显的早高峰效应，即于早间8 时至9 时存在一个明显的峰值，NO2则于凌晨时段存在峰值。17 时起，4 种污染物开始出现升高趋势，其中NO2与CO 增幅更大、更显著，说明移动源早晚高峰对该区4 种污染物贡献较大；23 时至凌晨时段四种污染物均维持高值，说明污染物受晚间不利气象条件影响较大，扩散条件差导致污染物积聚明显。周变化规律图显示，PM10、PM2.5、NO2三种污染物于周日和周一浓度最高，存在明显的“周末效应”。这进一步佐证道路移动源对该区域上述4 种污染物的贡献权重较大。通过月变化规律图可以看到，从10 月开始这4 种污染物浓度上升明显，11 月PM2.5浓度轻微下降，但是12 月又大幅上升，这说明污染传输对该区域的影响非常显著；而CO 的大幅提升与秋冬季节天气以静稳状态为主相关。

以PM2.5、PM10、NO2以及CO 4 种污染因子的小时监测数据为依据进行了4 种因子的相关性分析。从分析结果可知，PM10与PM2.5相关性最高，为0.65，表明该区粗细颗粒物同源性较高，受工地施工影响较大；PM10与NO2相关性同样较高，为0.57，说明该区PM10中有一部分来源于非道路移动机械，另一部分来源于机动车尾气；PM2.5与CO 相关性为0.57，CO 为燃烧源类物质，表明燃烧源也是该区PM2.5的重要来源之一；PM2.5与NO2相关性也较高，为0.5，表明部分PM2.5同样来自于非道路移动机械与机动车尾气。由此可见，该区颗粒污染物受工地扬尘源、非道路移动机械、机动车尾气以及燃烧源共同影响，这与前面2.2.1 中对颗粒污染物来源的分析高度一致。研究也对O3与温度的相关性进行了分析，结果显示温度与O3的相关性为0.48，说明温度（太阳辐射）是影响O3生成的主要因素。

3 结论

从长期监测数据可知，该区域内PM2.5与O3在某些日期存在超标情况，应属于严控对象。依据污染成因的分析结果，提出该区域O3与PM2.5的预警管控建议，以达到控制污染物，避免污染超标情况发生的目的。

3.1 O3 管控

根据预测或实时监测，O3浓度及相关指标为O3-8h ＜140 μg/m3（空气质量指数AQI ＜85 且首要污染物为O3），湿度＞68% RH，风速≥2m/s 时，实行车辆、油烟、扬尘源、涉气企业常规管控。

3.2 PM2.5 管控

建议轻微污染天气采用以下两种应对方案。方案一：预测次日80 ＜AQI ≤100 且首要污染物为PM2.5或PM10，当日0—8 时期间连续3h AQI ＞100，且首要污染物是颗粒物，当日0—8 时期间连续6h PM2.5小时均值＞70μg/m3，应立即启动颗粒物管控二级响应。方案二：预测次日100 ＜AQI ≤200且首要污染物为 PM2.5或 PM10，当日0—8 时期间连续3h AQI ＞120，且首要污染物是颗粒物，当日0—8 时期间连续6h PM2.5小时均值＞90μg/m3，应立即启动颗粒物管控一级响应。