西安市城市气溶胶污染岛长时间序列特征分析

李 芮,陈 健①,陆嘉栋,祝善友

(1.南京信息工程大学遥感与测绘工程学院,江苏 南京 210044;2.南京信息工程大学电子与信息工程学院,江苏 南京 210044)

城市污染岛(urban pollution island,UPI)是指城市地区空气污染物浓度相比郊区和农村等较高的现象[1],由气溶胶引起的城区污染聚集的现象称为城市气溶胶污染岛(urban aerosol pollution island,UAPI)[2]。由于城市是人口高度聚集的区域,其上空较高的气溶胶浓度,尤其是较高的细颗粒物PM2.5浓度,对人体身心健康有着严重的危害[3]。同时,由于城市气溶胶的来源多样、性质多变[4],下垫面属性复杂,城市冠层结构独特,UAPI与辐射传输、热环境、城市气候等的相互作用机理也成为近年来的研究热点和难点,具有重要的理论意义和实践价值[1,5-6]。

在UAPI的概念提出之前,已有学者提出了城市混浊岛效应,并利用太阳散射辐射与直射辐射的比值、能见度等来描述城市污染物聚集的现象[7]。目前国际上已经形成了空气质量观测网络,可提供PM2.5、PM10以及各种污染气体的逐小时监测结果。如LI等[2]利用柏林站点PM10数据,统计分析了UAPI强度的日变化和季节变化。我国自2012年起,逐渐建立起覆盖范围广泛的国家环境空气质量监测网,截至2020年5月共有1 600余个国控监测站点,这些站点的建设为UAPI研究提供了宝贵的数据源。如LI等[8]研究表明,气溶胶污染岛明显存在,且进一步分析了其与城市热岛的关系。杨鹏等[9]对一次以南京为中心的气溶胶污染岛进行了数值模拟研究,讨论了南京上空的污染岛来源。ZHU等[10]利用2016年国控站点PM2.5浓度数据,提出了一种基于同心环法和改进的“S”型函数的城市UAPI识别方法,并分析了中国346个城市的UAPI空间特征和驱动因素。韩婧等[11]研究中国PM2.5浓度的时空分布特征,并基于界定的城区及对应乡村的边界,分析了每年PM2.5浓度值的城乡差异。

以上基于站点监测数据的研究均表明,城市污染岛是普遍存在的客观现象,但是目前针对长时间序列城市污染岛特征的研究仍非常缺乏,且未能较好地区分本地污染和跨区域传输污染,而由本地排放所造成的污染聚集现象对于污染源监测、城市大气环境评估、污染治理、城市规划等具有重要作用。因此,在站点数据仍比较有限的情况,如何构建UAPI指数以更好地体现城市污染岛的强度,以及如何研究UAPI强度在日内、季节、年度等不同时间尺度上的特征,仍值得进行深入研究。

因此,选取我国典型城市西安市为研究区,利用中国环境监测总站长时间序列的PM2.5数据构建UAPI强度时间序列,从PM2.5时间序列曲线中分离本地污染和跨界传输污染的信号。在此基础上,利用经验模态分解(empirical mode decomposition,EMD)方法针对UAPI强度时间序列进行分解,EMD方法能够依据数据自身的时间尺度特征来进行信号分解,获得数据序列在不同尺度上的趋势变化特征,对于非线性污染数据具有较好的分解效果。结合原始PM2.5时间序列,分析西安市不同时间尺度的UAPI特征,研究结果有助于为污染防治、环境评估等方面的决策提供支持,在城市气候、城市规划等方面也有着重要的应用价值。

1 研究区与研究数据

1.1 研究区概况

西安市地处渭河流域中部关中盆地,地理位置为33.42°～34.45° N,107.40°～109.49° E。西安市地形复杂,海拔高度差异悬殊,地貌主体由秦岭山脉和渭河平原构成,界限分明,最大海拔差达3 522 m,南部多为丘陵山地,主城区位于渭河平原的二级阶地上。西安市属于暖温带半湿润大陆性季风气候区,冬季寒冷少雨、少风多雾,春季温暖干燥,夏季炎热多雨、多伏旱和雷雨天气,四季干湿冷暖分明。西安市常住人口约1 300万,城镇人口约占总人口的74%,城镇化率高,城市化进程较快,经济发展迅速,工业规模较大。西安市共有11个市辖区,从行政划分来看,城区为未央区、新城区、碑林区、莲湖区、灞桥区、雁塔区,郊区为阎良区、临潼区、长安区、高陵区、鄠邑区。

近年来,西安市大气污染成为引人关注的社会环境问题,在季节性气候、地形和社会经济等的多重影响下,西安市灰霾天气频发,大气污染积累造成城市污染岛现象。且西安市靠近沙尘暴频发地区,春季常受到跨区域传输沙尘的影响。由于西安市独特的地理位置和污染特点,选取西安城区及附近部分区域为研究区,以更加细致地研究西安市UAPI现象。

1.2 数据来源

2018年发布的《打赢蓝天保卫战三年行动计划》指出,汾渭平原已成为我国PM2.5浓度第二高的区域,考虑到UAPI的形成主要由人为产生的细颗粒物引起,利用西安市2016—2019年的PM2.5浓度数据开展UAPI的时空分布特征研究。西安市共13个国控空气质量监测站点,站点信息如表1所示。

表1 西安市监测站点位置

由于西安市绝大多数站点位于城区,不能代表郊区空气质量状况,因此根据各监测站点所属行政区域及具体位置、周围环境,将监测站点分为城区站点和郊区站点,共划分城市站点9个、郊区站点4个。其中,长安区站、临潼区站远离市中心;广运潭站点位于灞桥区城郊结合区域,地处河流周边,为生态保护区;草滩站点位于城郊公园,环境优美,空气质量高,大气污染浓度较低,将以上4个站点划分为郊区站点。

2 研究方法

2.1 UAPI强度计算方法

城市气溶胶污染岛强度(IUAP)为城区PM2.5污染物浓度与郊区的差值[2],一般公式为

(1)

式(1)中,Xi为第i个城区站点的PM2.5浓度,μg·m-3;Yj为第j个郊区站点的PM2.5浓度,μg·m-3;m和n分别为城区和郊区站点数量。

该研究以UAPI强度出现极大值来表征气溶胶导致城区污染聚集的现象。西安市现有站点布局并非为污染岛研究而设置,大部分属于城区站点,郊区站点不足且分布不均匀。另外,由于不同站点对跨区域传输的响应时间有先后,为研究本地污染岛的特征,需使不同方向的污染传输影响降至最低。因此,为了最大化展示西安市UAPI现象,选用城区PM2.5浓度最大值与郊区PM2.5浓度最小值的差值作为UAPI强度,公式为

IUAP=max(Xi)-min(Yj)。

(2)

式(2)中,Xi为第i个城区站点的PM2.5浓度,μg·m-3;Yi为第j个郊区站点的PM2.5浓度,μg·m-3。相比式(1),笔者定义的UAPI强度可以在最大程度上体现城郊PM2.5浓度的差别,但也可能会高估城郊PM2.5浓度的差异。此外,由于与以往学者的研究方法有所不同,因此研究结果无法直接进行比较。

2.2 EMD方法

利用EMD方法对UAPI强度时间序列进行分解,以研究西安市本地UAPI的长时间序列变化特征。EMD是一种依据数据自身的时间尺度特征来进行信号分解的方法[12],可以对多种信号进行分解并使其平稳化,特别是在处理非平稳性和非线性的数据序列时具有较好的效果。对于给定非线性时间序列f(t),EMD方法根据f(t)序列本身的特征从高频到低频依次分解,不需要先验知识,得到若干个本征模态函数(intrinsic mode function,IMF)和1个残差分量(Res),表达式为

f(t)=∑mi(t)+Res。

(3)

首先基于原始UAPI时间序列f(t)获得极大值与极小值,拟合得到上下包络线,再得到均值包络线h(t),并将f(t)与h(t)相减,得到中间信号m(t)。若m(t)满足IMF函数的2个条件,即作为一个IMF分量存在,否则替代原始时间序列,直至迭代结束,完成UAPI数据的EMD分解,最终得到若干IMF及Res。

分解得到的各IMF分量包含原始信号在不同时间尺度下的局部特征信号,IMF函数严格呈现对称性质,且需要满足2个条件:一是极值点数量与零点数量之差必须为0或1;二是在IMF信号的任意邻域内,局部最大值的包络线与局部最小值的包络线均值必须为0。EMD分解过程对UAPI原始数据信息不会造成损失,因此理论上来说EMD方法适用于UAPI时间序列的分解,具有较实际的物理意义,可以应用于长时间序列UAPI特征的分析研究[13]。

3 结果与讨论

3.1 西安市PM2.5污染总体特征

根据西安市2016年1月1日—2019年12月31日13个站点逐小时PM2.5浓度数据,对年内逐时的PM2.5浓度取平均值,得到西安市PM2.5污染日内变化特征,如图1所示。

图1 2016—2019年西安市年均逐小时PM2.5浓度

由图1可见,西安市年均逐小时PM2.5浓度呈现夜晚和上午高、下午低的规律,这主要是受到大气边界层高度的影响。由于夜间边界层高度降低,近地表颗粒污染物沉降累积;上午又因早高峰交通的影响,PM2.5浓度增高;此后随太阳辐射的增加,温度上升,边界层高度也随之增加,PM2.5浓度降低,于17—18时达最低值;18时后,人类活动对PM2.5浓度的积聚影响较大,由于晚高峰交通、居民大规模用电及气温逐渐下降的影响,污染物再次开始积聚。这与赵卉伊褶等[14]的研究结论一致。

从年际变化来看,2016—2019年PM2.5浓度逐年降低。2016和2017年PM2.5浓度总体较高,2016年逐小时PM2.5浓度最高达79.57 μg·m-3,至2019年,年均逐小时PM2.5浓度由72.12降至57.01 μg·m-3,这充分证明了汾渭平原的环境治理措施起到显著成效[15]。随着空气质量达标规划的制定,相关部门对西安市大气污染进行综合治理,对施工工地进行在线监控和动态管理,采取多项防风抑尘措施,对“散乱污”工业企业进行综合整治;不断调整能源结构,推进秋冬取暖清洁化;不断完善运输结构,推进新能源车的使用,淘汰国三及以下排放标准的车辆;同时进一步加大挥发性有机物治理力度,减少了污染物的排放。在2018—2019年秋冬季节,西安市PM2.5浓度同比下降7.5%,成为关中地区5个城市唯一一个完成汾渭平原考核指标的城市。

进一步研究2016—2019年西安市PM2.5污染的年际变化特征,统计分析西安市PM2.5日均值,结果如图2所示。根据我国PM2.5日均值标准(≤75 μg·m-3),统计2016—2019年不同季节的超标率,结果见表2。从表2可知,2016—2019年PM2.5超标率逐年下降。其中,春季超标率逐年降低,降幅约18百分点;夏季鲜有超标情况;秋季超标率在2016—2018年逐年降低,2019年略有上升;冬季超标率在2017年达最大,至2019年没有明显好转。因此,西安市仍需要深入开展冬季气溶胶污染防控工作。

图2 2016—2019年西安市PM2.5浓度日均值

表2 不同季节PM2.5超标率

由图2可见,西安市PM2.5浓度呈现以年为周期的规律性变化,具体表现为冬春季节较高、夏秋季节较低的“U”型分布,这主要是人类活动、气候、地形的综合影响所致。在冬春季节,除了西安地区较高的工业排放、交通排放外,北方冬季供暖也会进一步加重污染排放[15]。西安市属于暖温带大陆性季风气候区,冬季严寒少雨,静稳天气增加,更加容易造成污染积聚,所形成的大气污染与关中平原其他城市污染连成片,最终因南部秦岭、北部黄土高原地形的限制,整个关中平原的污染物浓度进一步增加,形成大范围的区域污染。到了春季,西安地区也会频繁受到来自西北或北方的沙尘影响,且春季温暖干燥,造成PM2.5浓度增高。因此,应加强对排放源的控制,限制高污染工业,推广清洁能源的使用,降低污染物的积聚[16]。而在夏秋季节,能源消耗量较少,污染排放量较低,且夏季雨量充沛的气象条件加快了污染物的消散,因此PM2.5浓度较低。

3.2 西安市UAPI的识别

PM2.5浓度受本地污染排放和跨区域传输污染等的综合影响。西安市的跨区域传输污染主要由北方冬春季节频发的沙尘事件(扬沙、沙尘暴、强沙尘暴)引起。为排除跨区域传输污染的影响,更好地体现本地污染排放特征,根据式(2)计算2016—2019年的UAPI强度。图3～4为从UAPI强度时间序列中选取的污染严重的冬春季节典型月份,时间分别为2016年12月与2018年3月。

图3 2016年12月逐时UAPI-PM2.5曲线

图4 2018年3月逐时UAPI-PM2.5曲线

根据定义,当UPAI强度出现极大值的时候,即认为出现一次污染岛事件。图3～4呈现了2个典型月份的UAPI强度,从图中均可以明显看到污染岛现象的存在。对比PM2.5的时间序列可以发现,并非PM2.5浓度高就一定存在污染岛事件。这主要有以下2种情况:首先,跨区域传输会在短时间内使城市和郊区站点PM2.5浓度同时升高,此时城乡差异较小,但UAPI强度却仍在一个较低的水平;其次,污染传输的路径和影响的尺度也是不同的,当单个站点受到污染时,城乡差异较大,随着本地排放的积聚,污染岛逐渐加强,但随着不同城市间污染的进一步扩散,最终形成大范围的区域污染时,城区和郊区的PM2.5浓度差异变小,UAPI强度进一步变低,城市污染岛特征不再明显。因此,城市污染岛在一定程度上能够区分本地污染和跨界传输污染的影响。

3.3 西安市UAPI强度的时间变化特征

在2016—2019年UAPI强度计算结果基础上,对年内逐时UAPI强度取平均值,得到UAPI强度日内变化特征,结果如图5所示。

图5 2016—2019年西安市年均逐小时UAPI强度

由图5可见,西安市日内不同时刻均呈现出UPAI特征,这主要是因为无论是直接排放的细颗粒物,还是经二次生成的气溶胶颗粒物,城区污染均高于郊区,即使已经形成大范围区域污染的情况下,由于下垫面的差异,仍然也存在UAPI现象。从日内变化规律来看,UAPI强度呈现夜晚较高、白天较低的变化特征。夜晚因地表下层大气温度较低,上层大气降温较慢,容易形成下冷上热的逆温层,限制污染物向上扩散,且夜晚的相对湿度增大,城市上空的污染气体也容易发生化学反应而生成二次气溶胶[17],导致城区PM2.5浓度远高于郊区,造成严重的UAPI效应。结合边界层高度的日内变化可以看出,UAPI强度与边界层高度呈负相关关系,即边界层高度越低,UAPI强度越大,尤其在夜晚,边界层高度处于0～200 m内,UAPI强度存在高值,此时城乡差异较大。以往研究也表明,边界层高度与PM2.5污染物浓度呈负相关关系[18],夜晚大气边界层高度较低,城市上空的大量污染物会被压缩至近地面,气溶胶密度增加,浓度上升,使得城市污染进一步加重。除此以外,城市热岛环流造成的城区辐合在一定程度上也加剧了城市污染的累积[19]。而从约7时开始,太阳辐射逐渐增强,边界层高度逐渐升高,地面温度上升,逆温层被打破,空气对流增强,城区污染物开始扩散,城乡PM2.5浓度差异逐渐减小,至17—18时UAPI强度达到最低值。此后由于晚高峰交通、居民生活排放等局地源的影响[20],城区大量污染物再次积聚,UAPI效应又逐渐增强。

从图5还可以看出,西安市年均逐小时UAPI强度逐年下降,年均UAPI强度由65.48 降至33.40 μg·m-3,表明西安市UAPI强度呈现逐渐减弱的趋势,城区与郊区PM2.5浓度的差异越来越小,与PM2.5浓度年度变化趋势一致。图6和图2对比可以发现,2017年PM2.5浓度与2016年差距较小,但UAPI强度显著下降,降幅约25%,表明2017年西安市污染程度仍较高,但城乡污染差异减小。2017年实施的机动车每周少开一天、部分建筑工地停工等措施在城区取得一定效果,但在一些乡村地区污染排放仍较高,而秦岭山脉阻挡了工业污染的传输路径,导致污染物积聚,因此2017年PM2.5浓度较高,城乡差异较小。

图6 2016—2019年西安市UAPI强度日均值

为进一步阐述西安市UAPI的年际变化特征,分析城乡差异,统计2016—2019年UAPI强度日均值,结果如图6所示。

从图6可以看出,西安市UAPI强度年际变化明显,呈现冬春季节较高、夏秋季节较低的季节性变化特征。冬季气温较低,降水较少,天气多雾,静风频率占全年的45%,风速较小。此外,冬季大气边界层高度低,城区产生较强、较厚的逆温层[21],城区冬季供暖燃煤产生的大量污染物无法快速消散,城乡污染浓度差异十分明显,春季温暖干燥,且地势西高东低,冬季未消散的大量污染物积聚在城区盆地并发生二次反应,造成较严重的UAPI效应;而夏季多雨,污染物易于扩散,城乡差异较小,UAPI现象较弱。但2018年2月7日高压开关厂站点UAPI强度达到最高值(334.04 μg·m-3),当日PM2.5浓度均值仅为136.05 μg·m-3,最大值为426.63 μg·m-3,城乡污染差异较大。依据UAPI强度不仅可区分跨区域污染传输的影响,也能够监测PM2.5污染浓度急剧上升的区域,为区域污染的针对性治理提供依据。

不同年份不同季节呈现的污染岛强度也不同。根据气象划分法及西安市近10 a入冬实际时间(11月初),将季节划分为春季(3—5月)、夏季(6—8月)、秋季(9—10月)及冬季(11—12月、1—2月),对不同季节UAPI强度作进一步分析,结果见表3。同一年份UAPI强度在季节尺度上表现为冬季>春季>秋季>夏季,春、夏、秋季UAPI强度逐年下降,表明西安市污染治理取得了一定成效,但2019年11月汾渭平原气温较常年同期偏高0.5～2 ℃,上旬和下旬冷空气较弱,不利于大气污染物扩散,导致城乡污染差异较2018年不降反升。

表3 不同季节UAPI强度日均值

分别统计各年份及不同季节UAPI强度分布情况,得到不同程度污染岛效应天数占比,结果见表4。

表4 UAPI强度分布

从表4可以看出,2016—2019年西安市约87.63%的天数呈现明显的UAPI现象,其中强和特强污染岛的天数占比高达1/5,且在冬季更易产生强或特强UAPI效应。而夏季仅出现较少强UAPI现象,未产生特强UAPI现象,夏季多雨,植被茂盛,对污染物的吸附能力较强[22],因此城乡PM2.5浓度差异较小。但西安市UAPI效应并不是每时每刻都存在,有12.37%的天数呈现弱UAPI现象,由于污染治理政策的有效实施以及城区兴建公园,生态环境质量得到提升,有助于对污染物的净化。至2019年,弱UAPI效应天数占全年近1/3,城乡污染差异明显降低。

3.4 UAPI强度时间序列的多尺度分析

为探索西安市2016—2019年UAPI强度长时间序列的多尺度变化规律,采用EMD方法对UAPI强度及PM2.5时间序列进行分解(图7),分别得到7个IMFs和1个Res。

IMF 1～IMF 7为本征模态函数;Res为残差分量。

从UAPI时间序列的EMD分解结果可以看出,UAPI强度呈不同的周期和趋势,相比于原始序列,分解后的IMF 1～IMF 7逐渐平稳化,波动性降低,趋向于单一线性变化。对所有的IMF分量进行傅里叶变换和频域分析,IMF 1分量的周期为2 d,体现了UAPI强度的短时间变化,其天数与原始序列最为接近;IMF 2分量的周期为8 d,体现了UAPI强度以周为周期的变化特征,周末私家车出行规模大幅度增加,产生城区PM2.5浓度远高于郊区的现象;IMF 3分量的周期为19 d;IMF 4分量的周期为29 d,体现了UAPI强度在月尺度上的变化特征,节假日人们出行等活动使城区污染远高于郊区;IMF 5分量的周期为101 d,体现了UAPI强度在季节尺度上的变化特征;IMF 6分量的周期为363 d,体现UAPI强度以年为周期的变化特征,从IMF 6分量可以看出明显的“U”型年际变化特征,具体表现为冬—春—夏降低、夏—秋—冬上升,在“U”型分布周期内有小的波动;IMF 7分量的周期为727 d,体现了UAPI强度以2 a为周期的变化特征;残差分量变化最为平稳,2016—2019年西安市UAPI效应呈现逐年减弱的变化趋势,这与图6的研究结论一致。

结合PM2.5的EMD分解结果可以看出,PM2.5经过EMD分解后得到的IMF 1分量周期为5 d,高于UAPI分解得到的IMF 1的周期,这表明污染岛发生的天数要少于污染发生的天数。也就是说,当西安市发生大范围污染时,污染岛现象不一定存在,这与前文的研究也是一致的。

进一步将UAPI和PM2.5的分解结果进行比较,从IMF 1～IMF 4分量均可以看出,UAPI信号的振幅明显低于PM2.5信号,且PM2.5的峰值要晚于UAPI;从IMF 5～IMF 7分量也可以看出,UAPI分解的分量比PM2.5分解的分量变化更加平稳,振荡性更低,而本地生成的污染较为稳定,外界污染的传输具有滞后性和不确定性。这进一步表明,UAPI强度可以排除跨区域传输污染和大范围二次污染等的影响,更好地体现本地污染岛的特征。

综上,西安市的气溶胶污染分布呈现明显的岛状特征。建议在全市大气污染防治工作的基础上,进一步增强对城乡污染差异的管控,完善网格化环境监测体系,还要重点关注夜间城区工厂污染排放以及货车尾气和扬尘的监测。在UAPI强度较高的冬春季节,严格管控城区燃煤污染排放,推进集中供暖和清洁能源的使用。要加强对大气污染的综合治理,降低二次气溶胶的转化率,进而缓解西安市的UAPI效应。

4 结论与展望

利用西安市13个国控站点的PM2.5浓度数据,构建能够体现污染岛特征的UAPI指数,对2016—2019年西安市城市污染岛的长时间序列特征进行分析,并尝试使用EMD方法揭示UAPI强度的多尺度变化规律,结论如下:

(1)利用UAPI指数能够排除跨区域传输污染、区域大范围二次污染等的影响,更好地监测由本地污染造成的城市污染岛现象。

(2)西安市存在明显的城市污染岛现象,UAPI日内变化呈现夜晚较高、白天较低的变化规律;年内变化呈现冬春季节较高、夏秋季节较低的特征,且冬季更易产生特强污染岛现象;年际变化则呈现逐年递减的趋势。

(3)利用EMD多尺度分解可以很好地揭示UAPI的多尺度特征,如IMF 2、IMF 4、IMF 6分量分别体现了UAPI强度周、月、年周期的特征。对比PM2.5和UAPI强度的时间序列,发现UAPI强度可以较好地排除跨范围传输污染和大范围二次污染等的影响。

由于目前站点数量有限,且并非针对城市污染岛研究而设置,研究结果在一定程度上受到了站点代表性的影响,但该研究也为将来环保站点的规划提供了另外一个视角。从研究手段来讲,将来可以充分利用遥感数据、模式分析等手段,更好地监测城市气溶胶污染岛的空间分布。