西安市秋冬季空气质量变化及影响因素

陈妙 薛兴钊 李顺姬 曹泽磊 孟小兰 闫旭

摘 要：为研究西安市秋冬季两次重点工作时段环境空气质量变化特征及其影响因素，采用减排效应评估、特征雷达图等方法，分析了气象条件、人为源减排、路边站车流量等因素对环境空气质量影响。结果表明：两次研究Ⅱ时段，西安市一次污染物PM10、SO2、NO2和CO浓度比前一年同期均有所下降，但臭氧浓度比前一年同期和研究前均为上升趋势。两次研究Ⅱ时段，西安市先后出现了5次PM2.5重污染天气，均为不利气象下污染物累积和二次生成共同作用的结果：首先是边界层下降且大多为静风，不利于污染物扩散；其次是高湿度增强了PM2.5吸湿性增长；此外，O3浓度上升导致大气氧化性增强，二次有机气溶胶（SOA）生成能力变强。两次研究Ⅱ时段，西安市道路车流量分别下降了67%和72%，同期路边站和大气环境空气子站NO2浓度下降了30%～50%，道路移動源是西安市NO2的主要来源之一。

关键词：重点时段；空气质量；气象因素；西安市

中图分类号：X51文献标志码：A文章编号：1673-9655（2024）02-00-06

0 引言

西安市位于我国大气污染防治的重点区域，自开展大气污染防治工作以来，环境空气质量明显改善。重污染和严重污染天数逐年下降，PM2.5年均浓度从109 μg/m3（2013年）降至51 μg/m3（2020年）[1]，但西安市在秋冬季仍有重污染过程发生。2020至今，西安市有两次秋冬季重点工作时段，可用来评估人为污染物排放量大幅下降对环境空气质量的影响。

2020年初，中国东部地区在人为活动减少时，对流层NO2柱浓度比2019年同期下降了65%[2]，但重污染天气并没有因为人为源减少而消失。北京市在人为活动减少后空气质量比之前更差，减少一次污染物排放量取得的效果，可能会被不利的气象条件和二次污染的加强抵消[3-4]，且以O3为代表的光化学污染呈快速上升趋势[5]。

基于此，本文结合气象、机动车活动水平、路边站等数据，采用减排效应评估、特征雷达图等方法，分析了秋冬季重点工作时段环境空气质量变化及影响因素，为西安市大气污染防治工作思路提供思路。

1 数据及方法

1.1 数据来源

本研究收集了西安环境空气质量数据、路边站数据和气象数据。环境空气质量数据来源于陕西省环境空气质量监测联网管理平台（http：//221.11.17.250：9000/），含AQI和6种大气污染物日数据：PM2.5、PM10、O3-8 h、SO2、NO2、和CO。机动车车流量和路边站NO2浓度小时数据来源于西安市自建的路边站。

气象数据（气压、温度、降雨量、相对湿度、风速、风向和大气边界层）来源于中国气象数据网泾河站的小时观测数据，泾河站（编号57131）为国家级地面气象站，位于E108.58°，N34.26°，海拔410 m。

以上数据的时间跨度为2019年1—3月，2020年

1—3月，2020年12月—2021年2月，2021年12月—2022年2月。

1.2 分析方法

1.2.1 研究阶段划分

西安市有两次秋冬季重点工作时段。第一次为2020年1月26日—2月22日，第二次为2021年12月23日—2022年1月23日。本研究选择2020年1月1日—2020年3月30日、2021年12月1日—2022年2月28日为研究时段，包括研究前（I时段）、重点工作期（Ⅱ时段）和恢复期（Ⅲ时段）。具体时间划分见表1。

1.2.2 减排效应评估

为了定量分析西安市秋冬季重点工作时段各项减排措施对大气污染物浓度的削减作用，弱化不利气象因素的干扰，把西安市两次研究I时段和Ⅱ时段各污染物浓度均值分别与过去5年中未开展秋冬季重点工作的3年（2018—2019年、2021年）同期进行对比，分析减排措施对各污染物浓度的影响。

1.2.3 特征雷达图分析

环境空气中各污染物浓度波动较大，以常规方法绘制浓度变化曲线时低浓度污染物的变化会被高浓度污染物掩盖。为了扣除浓度差异对污染特征的影响，直观地表现研究Ⅱ时段PM2.5污染的演变过程，本研究使用特征雷达图对污染过程进行分析。由于5种污染物：SO2、 NO2、 CO、 PM2.5、 粗颗粒（PM10减去PM2.5）来源不同，特征雷达图主要类型包括标准型、偏二次型、偏沙尘型、偏烟花型、偏钢铁型、偏机动车型、偏扬尘型和偏燃煤型[6]。

2 结果与分析

2.1 环境空气质量变化

7项指标（AQI值和6项大气污染物）平均值变化情况。总体来看，2020年研究Ⅱ时段，西安市AQI和污染物浓度比前一年同期大多有所降低。AQI平均降幅14.6%，一级优天气增加12 d；污染物浓度降幅最大的为NO2（39.5%）、PM10（27.9%），其次为CO（18.6%）、PM2.5（17.5%）和SO2（12.3%）；O3-8 h平均浓度明显上升，上升幅度为147.7%。第二次（2021—2022年）研究Ⅱ时段，西安市AQI指数比前一年同期不降反升（2.5%），优良天减少了6 d；PM10、 SO2、 NO2 和CO浓度下降，降幅分别为57.8%、32.6%、27.6%和1.8%；PM2.5和O3-8 h平均浓度上升，上升幅度分别为27.5%和16.3%。与研究I时段对比，2020年Ⅱ时段除O3-8 h外其他污染物浓度均有下降，下降幅度（除SO2）均超过2019年同期水平，其中NO2降幅最大（52.0%），其次为PM2.5（43.9%）、PM10（38.2%）、CO（37.0%）和SO2（19.0%）。2022年Ⅱ时段NO2和SO2浓度下降，幅度分别为37.0%和8.1%；O3-8 h、PM10、CO和PM2.5浓度上升，幅度分别为56.8%、52.6%、28.0%和4.0%。从理论上来说，研究Ⅱ时段人为源活动水平大幅下降，污染物排放总量减少，大气污染物浓度同比研究I时段及前一年同期应有所下降，但O3-8 h浓度不降反升，这与人为源NO排放减少，滴定效应削弱有关。2022年Ⅱ时段，除O3外，PM2.5、PM10和CO浓度也比管控前有所上升，且出现了两次PM2.5重污染过程，这与极端不利的气象条件导致污染物浓度积累有关，在2.2节展开具体分析。

2.2 大气污染物变化的气象原因

研究表明：交通源和工业源减排能显著改善当地环境空气质量[7]，但气象条件也是重要的影响因素之一。图2为2020年研究时段西安市特征污染物与气象要素的日变化。研究Ⅱ时段，随着社会活动水平下降，NO2浓度下降39.5%；NOX排放量大幅下降，削弱了NO对臭氧的滴定作用[8]，加上Ⅱ时段温度上升，臭氧浓度快速累积，O3-8 h浓度大幅上升（147.7%）。PM2.5平均浓度下降17.5%，但出现了3次中度污染过程，这主要与湿度增加、边界层下降等不利气象条件影响有关。研究Ⅲ时段，人为活动恢复，NO2浓度反弹；气温持续升高导致O3浓度持续上升；随着边界层抬升和湿度降低，PM2.5浓度稳中有降。

图3为第二次研究时段西安市特征污染物与气象要素的日变化。研究Ⅱ时段NO2浓度比I时段有所降低且降幅与第一次研究时段基本相同；研究Ⅱ时段温度比I时段有所下降，不利于臭氧的生成，但由于NOX排放量大幅下降，NO滴定效果减弱，O3浓度依然为上升趋势，但上升幅度（56.8%）远小于第一次Ⅱ时段（147.7%）。PM2.5平均浓度比I时段上升4%，且出现了两次重污染过程。

西安市两次PM2.5重污染过程（12月31日—1月10日、1月15日—1月20日）都经历了极端不利的气象条件。首先是边界层下降，污染物垂直扩散变差（图3）；其次，两次污染前（12月31日—1月4日、1月15日—18日）西安市大多为静风（频次在67%左右）或者风速＜1 m/s（图4），不利于污染物扩散，PM2.5浓度在1月6日和1月20日达到峰值；第三，两个污染时段内大气的相对湿度高达80%，高湿环境增强了气态污染物向PM2.5的转化能力[9-10]，有利于NOX和SO2等PM2.5的前体物二次转化和吸湿性增长[11]；除此之外，臭氧浓度上升加强了大气氧化性，加剧了SO2、NOX、NH3和VOCs转化为硫酸盐、硝酸盐、铵盐和二次有机气溶胶等二次颗粒物生成能力。

2022年研究Ⅱ时段，西安市出现两次PM2.5重污染过程。一个月内，本地污染源排放量不会发生大变化，但PM2.5浓度峰值为谷值的7倍。为了进一步分析和研究PM2.5污染过程，使用特征雷达图直观的表现大气污染过程（图5）。2021年12月26日

西安市特征雷达图为偏扬尘型和偏燃煤型，这与西安市冬季采暖和本地排放有关；12月26日—1月4日，在静风、高湿等不利气象因素的影响下，

1月5日污染特征变化为二次型污染。1月6日，在东北风的作用下，PM2.5污染得到清除。1月13日污染特征回归为偏扬尘型的本地污染，在新一轮不利气象条件作用下，1月19日的污染特征再次表现为二次型污染。两次污染累计过程中，随着湿度增加和边界层下降等不利气象因素影响，PM2.5污染累计，由以扬尘为主的污染转化为二次污染。

2.3 大气污染物变化的人为原因

西安市在研究Ⅱ时段出现了极端不利的气象条件，模糊了减排措施对大气环境的贡献。采用减排效果评估的方法，选择近5年内未采取严格减排措施的2018、2019、2021年均值来削弱气象因素对污染物浓度的影响。两次研究Ⅱ时段各污染物浓度与未采取严格减排措施的3年均值变化见表2。

与3年同期均值对比，西安市在两次研究时段的I、Ⅱ时段，除二次污染物PM2.5和O3-8 h外，其它污染物浓度均有所下降，尤其是NO2，Ⅱ时段的降幅远超过I时段。说明人为源减排对环境空气质量有明显改善作用。

大气污染源排放控制是改善环境空气质量的重要手段。各类污染源中，道路移动源占比较大。我国多个城市大气污染源解析和源清单结果表明：大多数城市PM2.5来源解析中，道路移动源占比在10%～30%[12-13]；道路移动源对NOX的贡献更大，部分地区占比超过50%[14]。孟祥瑞[15]的研究表明：2020年期间，成都市道路源污染物排放的NOX下降59.7%。西安市两次研究时段，车流量和路边站NO2浓度的日变化见图6。

两次研究Ⅱ时段，西安市道路车流量均大幅下降，下降幅度分别为67%和72%，白天下降幅度远大于夜间。随着道路机动车流量减少，路边站NO2浓度在两次研究Ⅱ时段分别出现31%和36%的降幅，结合西安市同期国控环境空气子站NO2浓度分别下降了52%和37%，说明道路移动源是西安市NO2主要来源之一。

3 结论

（1）两次研究Ⅱ时段，西安市PM10、SO2、NO2和CO浓度比前一年同期均有所下降；O3浓度受氣温和人为源NO排放减少，滴定效应削弱，均为上升趋势；由于气象条件影响，PM2.5浓度在第一次研究Ⅱ时段呈下降趋势，第二次研究Ⅱ时段为上升趋势。

（2）两次管控Ⅱ时段，西安市5次PM2.5污染过程均与极端不利的气象条件有关，首先是大气边界层下降，风速多为静风，不利于污染物扩散；其次是高湿度增强了PM2.5的吸湿性增长；此外，臭氧浓度上升导致大气氧化性增强，SOA生成能力变强。管控期间PM2.5污染多为积累造成的二次污染。

（3）两次研究Ⅱ时段，西安市道路车流量分别下降了67%和72%，对应的路边站和大气环境空气子站NO2浓度下降了30%～50%，道路移动源是西安市NO2的主要来源之一。

参考文献：

[1] 数据来源于陕西省环境空气质量监测联网管理平台http：//221.11.17.250：9000/.

[2] He M Z， Kinney P L， Li T T， et al. Short and intermediate-term exposure to NO2 and mortality： a multi- county analysis in China[J]. Environmental Pollution， 2020（261）：1-7.

[3] Li X R， Wang L L， Ji D S， et al. Characterization of the size-segregated water-soluble inorganic ions in the Jing-Jin-Ji urban agglomeration： spatial/ temporal variability， size distribution and source[J]. Atmospheric Environmental Science， 2013（77）： 250-259.

[4] 耿彦红， 刘卫， 单健， 等.上海市大气颗粒物中水溶性离子的粒径分布特征[J]. 中国环境科学， 2010， 30（12）： 1585-1589.

[5] 牛植， 胡婷莚， 张文启， 等.上海疫情防控一级和二级响应阶段大气污染物特征分析[J]. 环境污染与防治，2021，43（8）： 942-951.

[6] 段菁春， 胡京南， 谭吉花， 等.特征雷达图的设计及其在大气污染成分分析中的应用[J]. 环境科学研究，2018， 31（8）： 1229-1336.

[7] Bauwens M， Compernollle S， Stavrakou T， et al. Impact of coronavirus outbreak on NO2 pollution assessed using TROPOMI and OMI observations[J]. Geophysical Research Letters， 2020， 47（ 11）. doi：10.1029/ 2020 GL087978.

[8] Shi X Q， Brasseur G P. The response in air quality to the reduction of Chinese economic activities during the COVID-19 outbreak[J]. Geophysical Research Letters，2020，47 （11）.doi：10.1029/2020GL088070.

[9] Li W G， Liu X G， Zhang Y H， et al. Characteristics and formation mechanism of regional haze episodes in the Pearl River Delta of China[J].Journal of Environmental Science，2018（63）：236-249.

[10] 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.

[11] Rahman A， Luo C X， Khanm H R， et al. Influence of atmospheric PM2.5， PM10， O3， CO， NO2， SO2 and meteorological factors on the concentration of airborne pollen in Guangzhou，China[J]. Atmospheric Environment， 2019（212）：290-304.

[12] Zhu Y， Huang L， LI J， et al. Source of particulate matter in China：Insights from source apportionment studies published in 1987-2017[J]. Environment International， 2018（115）：343-357.

[13] Wang D， Hu J， Xu Y， et al. Source contributions to primary and secondary inorganic particulate matter during a severe wintertime PM2.5 pollution episode in Xian， China[J]. Atmospheric Environment， 2015（97）：182-194.

[14] 周子航， 鄧也， 谭钦文， 等. 四川省人为源大气污染物排放清单及特征[J]. 环境科学，2018，39（12）： 5344-5358.

[15] 孟祥瑞， 张凯山.成都市道路移动源减排对空气质量的短期影响[J].环境科学学报，2021， 41（4）： 1250- 1258.