重慶墊江大氣污染物濃度變化趨勢及影響因子分析

賈斌，盧吉文，李雪，王星

(重慶市墊江縣環(huán)境監(jiān)測站，重慶　408300)

?

重慶墊江大氣污染物濃度變化趨勢及影響因子分析

賈斌，盧吉文，李雪，王星

(重慶市墊江縣環(huán)境監(jiān)測站，重慶408300)

摘要：利用墊江縣城區(qū)大氣自動監(jiān)測資料，采用綜合污染指數(shù)、Daniel趨勢檢驗方法對城區(qū)大氣環(huán)境質(zhì)量變化趨勢進(jìn)行分析。研究結(jié)果表明： 2015年，墊江縣環(huán)境空氣中SO2、PM10、NO2、O3年均值分別為12 μg/m3、68 μg/m3、46 μg/m3、39 μg/m3，空氣優(yōu)良天數(shù)達(dá)到348天，年度環(huán)境空氣綜合污染指數(shù)為2.55。2011—2015年，城區(qū)大氣質(zhì)量年際變化趨勢表明4種主要污染物在評價時段內(nèi)變化穩(wěn)定或平穩(wěn)。基于2015年4月、8月、10月和12月SO2、PM10、NO2、O34種大氣污染物的時序監(jiān)測數(shù)據(jù)，運(yùn)用相關(guān)性分析、主成分分析和聚類分析，重點(diǎn)探討大氣污染物與氣象因子間的相互關(guān)系。結(jié)果表明，溫度、風(fēng)速是兩個重要的氣象因子，對4種大氣污染物均產(chǎn)生顯著性影響；大氣中4種污染物之間也存在顯著性影響；主成分分析表明前兩個主成分特征值均大于1，累計解釋了總因子的48.763%、73.359%，其主要受人類活動污染影響。大氣中4種污染物與氣象因子間具有聚合性，綜合分為3類：其中，PM10和NO2與SO2為一類；O3單獨(dú)為一類。

關(guān)鍵詞：大氣污染物；變化規(guī)律；主成分分析；聚類分析

我國環(huán)境空氣中可吸入顆粒物(PM10)、臭氧(O3)、二氧化氮(NO2)等濃度值經(jīng)常超過正常大氣標(biāo)準(zhǔn)，致使霧霾天氣增多、大氣能見度下降、酸雨等大氣污染事件頻發(fā)。近年來，隨著我國經(jīng)濟(jì)的高度發(fā)展和城市化進(jìn)程加快，能源大量消耗導(dǎo)致大氣污染物排放量隨之大幅增加，大氣污染成為我國目前面臨的重要環(huán)境問題之一，大氣中PM10、PM2.5、SO2、O3、NOx等物質(zhì)成為影響城市大氣環(huán)境質(zhì)量的重要污染物[1- 3]。

國內(nèi)相繼開展了大量有關(guān)大氣污染研究，出現(xiàn)了許多關(guān)于城市空氣質(zhì)量相關(guān)研究報道，但主要集中于東部、沿海等發(fā)達(dá)地區(qū)[4- 8]，主要運(yùn)用在線實(shí)時監(jiān)測SO2、PM10、NO2、O3等大氣污染物，對空氣質(zhì)量進(jìn)行評價分析，研究時空變化趨勢，結(jié)合地理位置、氣象條件研究主要污染物的變化規(guī)律，而對于西南山區(qū)大氣污染物分布特征及影響成因的研究相對較少[9- 12]。然而，由于區(qū)域地理位置和經(jīng)濟(jì)發(fā)展不平衡等原因，各地區(qū)和區(qū)域大氣污染具有不同區(qū)域污染程度、空間結(jié)構(gòu)和時間變化差異、主要特征污染物不一致等污染特征，尤其是在重慶市生態(tài)涵養(yǎng)區(qū)域的城市群發(fā)展。因此，開展該區(qū)域大氣污染研究有助于增加對重慶市生態(tài)涵養(yǎng)區(qū)域大氣污染現(xiàn)狀認(rèn)知，對大氣污染防治具有重要意義。

墊江縣位于重慶市東北部， 屬中亞熱帶濕潤季風(fēng)氣候區(qū)，氣候溫和，四季分明，年平均氣溫18.2℃，雨量充沛，年平均降水量1 000.5 mm。本研究利用墊江縣大氣自動監(jiān)測資料，分析城區(qū)大氣環(huán)境質(zhì)量變化規(guī)律特征，并運(yùn)用多元統(tǒng)計手段，重點(diǎn)探討大氣污染物與氣象因子間的相互關(guān)系，以期為有效調(diào)控地區(qū)空氣質(zhì)量提供科學(xué)依據(jù)。

1研究方法

1.1監(jiān)測項目及頻率

重慶市墊江縣城區(qū)環(huán)境空氣質(zhì)量自動監(jiān)測點(diǎn)位為國控監(jiān)測點(diǎn)位，位于人民路，執(zhí)行《環(huán)境空氣質(zhì)量自動監(jiān)測技術(shù)規(guī)范》(HJ/T 193—2005)，監(jiān)測頻率為24小時連續(xù)自動監(jiān)測。自動監(jiān)測項目為PM10、SO2、NO2、O3、風(fēng)速、溫度等相關(guān)參數(shù)。

1.2數(shù)據(jù)處理與分析

選取2015年全年數(shù)據(jù)進(jìn)行評價分析和年際變化趨勢分析，采用綜合污染指數(shù)法和Daniel趨勢檢驗方法進(jìn)行分析[13]。選取2015年4月、8月、10月和12月SO2、PM10、NO2、O3、風(fēng)速、溫度等監(jiān)測數(shù)據(jù)，用Microsoft Office Excel及SPSS 20.0軟件進(jìn)行數(shù)據(jù)處理，并進(jìn)行相關(guān)性分析、主成分分析和聚類分析。

2結(jié)果與分析

2.1城區(qū)環(huán)境空氣質(zhì)量評價結(jié)果

2015年，墊江縣環(huán)境空氣中SO2、PM10、NO2、O3年均值分別為12 μg/m3、68 μg/m3、46 μg/m3、39 μg/m3，除NO2外，其余項目均滿足《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB 3095—2012)二級濃度限值要求，滿足的優(yōu)良天數(shù)達(dá)到348天，滿足優(yōu)良天數(shù)比例達(dá)到95.3%。墊江縣年度環(huán)境空氣綜合污染指數(shù)為2.55，屬于輕度污染。SO2、PM10、NO2、O3的污染負(fù)荷系數(shù)分別為8.0%、37.9%、44.7%和9.5%。說明NO2對墊江縣環(huán)境空氣質(zhì)量的影響最大，其次是PM10。

由圖1可以看出，2015年，墊江縣城區(qū)環(huán)境空氣質(zhì)量中SO2隨月份的變化比較平緩，而NO2和O3的變化趨勢隨月份變化規(guī)律基本類似，有可能是由于近年來墊江縣城區(qū)機(jī)動車保有數(shù)量增加，大量汽車尾氣排放導(dǎo)致了NO2在大氣中發(fā)生了二次污染，影響了O3濃度變化。PM10濃度隨月份呈U形變化趨勢，這可能是由于在春季和秋季，城區(qū)降水量急劇減少，道路揚(yáng)塵及施工揚(yáng)塵影響了PM10春冬季節(jié)濃度偏高。

圖1　主要污染物年度變化趨勢Fig.1　Annual changing trend of main pollutants

2.2主要污染物年度變化趨勢分析

2011—2015年墊江縣空氣主要污染物年際變化如圖2所示，采用Daniel趨勢檢驗方法分析城區(qū)主要污染物濃度變化趨勢。由圖2可以看出，墊江縣城區(qū)大氣環(huán)境中主要污染物SO2、PM10、NO2、O3濃度呈波浪式變化趨勢，SO2和PM10濃度呈逐年下降趨勢，而NO2和O3濃度隨年際變化趨勢相同。Spearman秩相關(guān)系數(shù)法檢驗結(jié)果表明，SO2、PM10、NO2、O3的|rs|分別為0.9、0.9、0.6和0.3，由于n=5，查表得Wp0.05=0.900。如果|rs|≤Wp0.05，則表明變化趨勢沒有顯著意義，說明4種主要污染物在評價時段內(nèi)變化平穩(wěn)。

圖2　主要污染物濃度年際變化Fig.2　Annual change of main pollutants’ concentration

2.3大氣污染物與氣象因子參數(shù)相關(guān)性分析

表1　大氣污染物與氣象因子間相關(guān)性分析

注：**表示P<0.01，*表示P<0.05。

由表1可知，春(4月)、夏(8月)、秋(10月)、冬(12月)四季與大氣污染物中O3的產(chǎn)生呈顯著負(fù)相關(guān)(P<0.01)。另由圖3可知，夏季大氣中各污染物波動性較大。風(fēng)速對全部4種污染物均產(chǎn)生顯著性差異，其中對SO2、PM10和NO23種污染物產(chǎn)生了顯著性負(fù)相關(guān)影響(P<0.01)，說明風(fēng)速越大越有利于這3種污染物的擴(kuò)散；溫度對PM10、NO2和O3產(chǎn)生了顯著性影響(P<0.01)，而對SO2無顯著性影響(P>0.05)。從大氣中四種污染物之間的相關(guān)性分析，可以看出，SO2、PM10和NO23種污染物之間均產(chǎn)生了顯著性正相關(guān)(P<0.01)，而SO2、NO2與O3之間產(chǎn)生了顯著性負(fù)相關(guān)(P<0.01)，說明前兩者作為O3的前體物質(zhì)會對其進(jìn)行消耗[14- 16]。

圖3　大氣污染物在各季節(jié)中分布情況Fig.3　Seasonal distribution of air pollutants

2.4主成分分析

首先，以大氣中4種污染物(SO2、PM10、NO2和O3)及風(fēng)速、溫度氣象因子為變量進(jìn)行適用性檢驗，經(jīng)檢驗，KMO值約為0.7，表明變量間相關(guān)性較強(qiáng)，由Bartlett球形檢驗發(fā)現(xiàn)，近似卡方值為307.97，自由度為15，P=0.000，說明適宜因子分析。使用主成分分析和正交旋轉(zhuǎn)方法，得到主成分分析結(jié)果見表2，共抽取2個主成分，累計解釋了總因子的48.763%、73.359%(圖4)。第一主成分上SO2、PM10和NO2都具有較大的正載荷，反映了可能共同受人類生產(chǎn)、生活排放的污染物及汽車尾氣排放污染；第二主成分由O3、風(fēng)速和溫度氣象因子構(gòu)成，反映了可能受當(dāng)?shù)貧夂驐l件等自然因素影響。

表2主成分分析因子載荷量矩陣

Table 2Factor load matrix of principal component analysis

項目成分1成分2SO20.686-0.158PM100.900-0.070NO20.853-0.140O3-0.0550.926風(fēng)速-0.4330.714溫度0.083-0.883

圖4　二維因子符合Fig.4　Loading plot of the first two principal components

2.5聚類分析

利用SPSS 20.0統(tǒng)計軟件，以平方歐氏距離(Squared Euclidean distance)2為組間距離標(biāo)準(zhǔn)，對132個監(jiān)測數(shù)據(jù)中四種污染物含量值做聚類分析，結(jié)果如圖5所示。由圖5可知，大氣中4種污染物間具有聚合性，綜合分為兩類：其中，PM10和NO2與SO2為一類；O3單獨(dú)為一類。各元素間聚類距離依次為：PM10、NO2

圖5　各類元素組間聚類分析Fig.5　Cluster analysis of various element groups

3結(jié)論

(1)2015年，墊江縣環(huán)境空氣中SO2、PM10、NO2、O3的年均值分別為12 μg/m3、68 μg/m3、46 μg/m3、39 μg/m3，滿足優(yōu)良的天數(shù)達(dá)到348天，滿足優(yōu)良天數(shù)比例達(dá)到95.3%，墊江縣年度環(huán)境空氣綜合污染指數(shù)為2.55。其中，NO2對墊江縣環(huán)境空氣質(zhì)量的影響最大，其次是PM10。

(2)2011—2015年城區(qū)大氣質(zhì)量年際變化趨勢Spearman秩相關(guān)系數(shù)法檢驗結(jié)果表明，SO2、PM10、NO2、O3變化趨勢沒有顯著意義，說明4種主要污染物在評價時段內(nèi)變化穩(wěn)定或平穩(wěn)。

(3)溫度、風(fēng)速是兩個重要的氣象因子，對4種大氣污染物均產(chǎn)生顯著性影響；大氣中四種污染物之間也存在顯著性影響。

(4)主成分分析表明前兩個主成分特征值均大于1，累計解釋了總因子的48.763%、73.359%，其主要受人類活動污染影響。

(5)大氣中4種污染物與氣象因子間具有聚合性，綜合分為3類：其中，PM10和NO2與SO2為一類；O3單獨(dú)為一類。

參考文獻(xiàn)(References)：

[1]鄧曉蓓. 我國大氣污染的成因及治理措施[J]. 北方環(huán)境, 2013, 29(2): 11- 12.

[2]孫穎, 潘月鵬, 李杏茹, 等. 京津冀典型城市大氣顆粒物化學(xué)成分同步觀測研究[J]. 環(huán)境科學(xué), 2011, 32(9): 2733- 2734.

[3]楊俊益, 辛金元, 吉東生, 等. 2008—2011年夏季京津冀區(qū)域背景大氣污染變化分析[J].環(huán)境科學(xué), 2012, 33(11): 3 693- 3 694.

[4]鄭曉紅. 上海市環(huán)境空氣質(zhì)量時間變化規(guī)律及其成因分析[J]. 干旱環(huán)境監(jiān)測, 2005, 19(1): 15- 18.

[5]陳魁. 天津市空氣質(zhì)量時間變化規(guī)律及相關(guān)性分析[J]. 中國環(huán)境監(jiān)測, 2007, 23(1): 50- 53.

[6]薛皎亮, 謝映平, 李景平, 等. 太原市空氣的SO2污染及樹木的吸收凈化[J]. 應(yīng)用與環(huán)境生物學(xué)報, 2003 (2): 150- 153.

[7]李令軍, 王英, 李金香. 北京清潔區(qū)大氣顆粒物污染特征及長期變化趨勢[J]. 環(huán)境科學(xué), 2011, 32(2): 319- 323.

[8]于淑秋, 林學(xué)椿, 徐樣德. 北京市區(qū)大氣污染的時空分布特征[J]. 應(yīng)用氣象學(xué)報, 2002, 13 (S1): 92- 99.

[9]Cao J. J., Lee S. C., Ho K. F.,etal. Spatial and seasonal variations of atmospheric organic carbon and elemental carbon in Pearl River Delta Region, China [J]. Atmospheric Environment,2004, 38: 4 447- 4 456.

[10]Chen Z. H., Cheng S. Y., Li J. B.,etal. Relationship between atmospheric pollution processes and synoptic pressure patterns in northern China [J]. Atmospheric Environment, 2008, 42: 6078- 6087.

[11]符傳博, 丹利. 重污染下我國中東部地區(qū)1960—2010年霾日數(shù)的時空變化特征[J]. 氣候與環(huán)境研究, 2014, 19(2): 219- 226.

[12]符傳博, 陳有龍, 丹利, 等. 近10年海南島大氣NO2的時空變化及污染物來源解析[J]. 環(huán)境科學(xué), 2015, 38(1): 18- 24.

[13]張永江, 張宗慶, 羅永洪, 等. 黔江區(qū)環(huán)境空氣質(zhì)量評價及變化趨勢[J]. 環(huán)境科學(xué)導(dǎo)刊, 2014, 33(1): 76- 79.

[14]單文坡. 大氣臭氧濃度變化規(guī)律及相關(guān)影響因素研究[D]. 濟(jì)南: 山東大學(xué), 2006.

[15]石玉珍, 徐永福, 王庚辰, 等. 北京市夏季O3、NOx等污染物“周末效應(yīng)”研究[J].環(huán)境科學(xué), 2009, 30(4): 2 832- 2 838.

[16]唐文苑, 趙春生, 耿福海, 等. 上海地區(qū)臭氧周末效應(yīng)研究[J]. 中國科學(xué)D輯：地球科學(xué), 2009, 39(1): 99- 105.

Analysis of the Changing Trend and Impact Factors of Air Pollutants Concentration in Dianjiang, Chongqing

JIA Bin, LU Ji-wen, LI Xue, WANG Xing

(Environmental Monitoring Station of Dianjiang County in Chongqing, Chongqing 408300, China)

Abstract:Based on the atmospheric automatic monitoring data in the city proper of Dianjiang county in Chongqing, the comprehensive pollution index and Daniel Trend Test method are used to analyze the changing trend of urban atmospheric environmental quality. The results shows that: the annual average of SO2, PM10, NO2 and O3 are respectively 12 μg/m3, 68 μg/m3, 46 μg/m3 and 39 μg/m3, and the number of good air quality days is 348. In addition, annual ambient air comprehensive pollution index was 2.55. The annual changing trend of atmospheric quality shows that the change of the four main pollutants are stable or they stay stable during the evaluation period in 2011～2015. Based on the monitoring data of PM10, NO2, SO2 and O3 in April, August, October and December, the correlation analysis, principal component analysis (PCA) and cluster analysis (CA) are used to study the relationship between atmospheric pollutants and meteorological factors. The results shows that the temperature and wind speed are two important meteorological factors, and they have a significant impact on four air pollutants. PCA shows that the values of the first two principal components are greater than 1, and cumulatively explains the total factor for 48.763% and 73.359%, which indicates that the main sources of atmospheric pollutants are resulted from human activities. These elements can be classified into three clusters, i.e., cluster one (PM10and NO2), cluster two (PM10, NO2 and SO2), cluster three (O3).

Key words:atmospheric pollutants; changing trend; principal component analysis (PCA); cluster analysis

收稿日期：2016-02-15

作者簡介：賈斌(1968—)，女，四川樂山人，高級工程師，主要從事環(huán)境管理和監(jiān)測研究，E-mail：153068311@qq.com

DOI:10.14068/j.ceia.2016.02.019

中圖分類號：X823

文獻(xiàn)標(biāo)識碼：A

文章編號：2095-6444(2016)02-0078-04