合肥市主城區PM2.5時空分布特征研究

顧康康 ，祝玲玲

空氣污染對居民身體健康具有直接危害（Zhou et al.，2017；王占山等，2015），尤其是PM2.5污染，已經成為制約城市可持續發展的重要因素。在快速城鎮化和工業化過程中，受排放源強度、地形、區位、溫度、濕度等因素的影響，中國城市 PM2.5污染呈現顯著的時空分異特征（Hu et al.，2013；Tao et al.，2017；戴昭鑫等，2016；楊昆等，2016；熊歡歡等，2017）。王振波等（2015）基于中國2014年190個城市945個監測站的PM2.5濃度觀測數據，計算得出 2014年中國城市 PM2.5平均質量濃度為61 μg·m-3，具有顯著的冬秋高、春夏低的“U”型逐月變化規律和周期型U-脈沖型逐日變化規律；李名升等（2016）基于2014年全國161個城市PM2.5濃度監測數據進行研究，認為中國京津翼及周邊地區，中部地區的湖北、湖南、安徽PM2.5污染較重，東南沿海和云南、西藏污染相對較輕，PM2.5的空間分布與風速、相對濕度、土地利用等具有較強的相關性；張思遠等（2015）對合肥市2013年和2014年 PM2.5濃度變化與時間、氣象條件、地域維度的關系進行研究，認為影響 PM2.5濃度的主要因素為當地的氣象條件因素和污染源的排放情況，其中氣象條件為主要原因；蘇維等（2017）分析了南昌市2013—2015年 PM2.5和 PM10濃度、氣象因素和交通流量的關系，認為南昌市PM2.5和PM10濃度呈現城市中心高、城市邊緣低的空間分布格局，PM2.5和 PM10濃度與氣壓、溫度、相對濕度、風速、降雨量、日照時數顯著相關，車流量顯著提高了周邊PM2.5濃度。

綜上可知，中國開展大量關于城市 PM2.5濃度時空分布特征及影響因素開展的研究，普遍認為PM2.5濃度與氣壓、溫度、相對濕度、風速、降雨量、日照時數顯著相關。筆者研究合肥市居住區用地開發強度與微氣候的關系，發現居住區用地開發強度（容積率、綠地率、建筑密度）與溫度、濕度、風速有較強的關聯性（顧康康等，2017），據此推斷城市用地開發強度與 PM2.5濃度有一定關聯性。目前，國內外關于土地利用對 PM2.5濃度的影響研究較少（Chu et al.，2015；謝舞丹等，2017），合肥尚未開展過相關研究。因此，本研究利用合肥市環境保護局10個國控環境空氣自動監測站24 h連續監測數據，分析合肥市主城區 PM2.5濃度分布特征，探討 PM2.5分布與用地開發強度、道路交通的關系，為城市大氣環境質量改善提供依據。

1 研究區域與方法

1.1 研究區域

合肥位于中國華東地區，長三角西端，江淮之間，是安徽省省會城市，地形以丘陵崗地為主，江淮分水嶺自西向東橫貫全境。氣候屬亞熱帶季風性濕潤氣候，四季分明，夏熱冬冷，年均氣溫15.7 ℃，年均相對濕度為 77%，年均降水量約 1000 mm。2016年末，合肥市常駐總人口786.9萬，城市建成區面積428 km2，GDP達到6274.3億元。

1.2 數據來源

PM2.5小時濃度數據為合肥市環境保護局10個國控環境空氣自動監測站24 h連續監測數據，時間為2016年1月1日—2016年12月31日。合肥市主城區10個空氣質量監測站位置見圖1，各空氣質量監測站信息見表1。

PM2.5統計基礎數據均為小時數據，根據每天24 h數據求得算數平均值，即為PM2.5質量濃度日均值，根據每天PM2.5質量濃度日均值求得月均值，根據月均值求得季均值和年均值。其中，3—5月為春季，6—8月為夏季，9—11月為秋季，12—次年2月為冬季。監測數據運用Excel 2010、SPSS 17.0統計分析軟件進行分析。

2 結果與分析

2.1 合肥市主城區PM2.5的時間變化規律

根據中國最新的環境空氣質量標準（GB 3095—2012），環境空氣功能區分為二類，一類區為自然保護區、風景名勝區和其他需要特殊保護的區域，PM2.5濃度年均限值和日均限值分別為15 μg·m-3和35 μg·m-3；二類區為居住區、商業交通居民混合區、文化區、工業區和農村地區，年均限值和日均限值分別為 35 μg·m-3和 75 μg·m-3。合肥市主城區2016 年 PM2.5年均質量濃度為 57 μg·m-3，符合環境空氣質量二類區標準。

2.1.1 PM2.5濃度季均值

圖2 2016年合肥市主城區PM2.5濃度時間變化規律圖Fig. 2 The distribution of the daily and monthly PM2.5 concentration change in Hefei Urban Area in 2016

圖1 合肥市主城區國控空氣質量監測站分布圖Fig. 1 Spatial distribution of national monitoring sites in Hefei Urban Area

表1 合肥市主城區國控空氣質量監測站特征Table 1 Characteristics of national monitoring sites in Hefei Urban Area

由圖2可知，合肥市主城區PM2.5質量濃度季節差異顯著，冬季PM2.5平均質量濃度84 μg·m-3，其次為春季、秋季和夏季，分別為 62、45和 38 μg·m-3，冬季PM2.5平均質量濃度超過環境空氣質量標準（75 μg·m-3）。時間序列上 PM2.5濃度具有明顯的非均勻分布，在短期時間內秋、冬季 PM2.5濃度會出現較大波動，這與階段性秸稈燃燒、取暖燃料消耗以及氣候條件（冬季常出現靜風，降雨量小）等影響相關；春、夏季受到降雨影響，PM2.5濃度比較穩定。

2.1.2 PM2.5濃度月均值

合肥市主城區 PM2.5月均質量濃度最高值是 1月，達到88 μg·m-3（圖2），最低值出現在10月，達到34 μg·m-3，變化趨勢呈現單峰單谷型。其中，1月、2月、3月、12月 PM2.5月均質量濃度超過75 μg·m-3，屬于輕度污染，7月和10月PM2.5月均質量濃度低于35 μg·m-3，屬于優，其余月份PM2.5月均質量濃度均在35～75 μg·m-3之間，屬于良好。

2.1.3 PM2.5濃度日均值

合肥市主城區 PM2.5日均濃度變化呈現出周期性脈沖型起伏變化規律。春季和冬季波動周期較短，夏季和秋季波動周期較長，整體呈現春冬高、夏秋低的U型特征。PM2.5日均質量濃度最高值出現在2月，達到 214 μg·m-3，最低值出現在 9月，達到 6 μg·m-3。計算日均PM2.5濃度，得出污染等級天數的頻率（圖3）。結果顯示，空氣質量平均達標天數為256 d，總體呈現夏季最多、秋春次之、冬季最少的季節規律，夏季空氣質量達標率為97.82%，秋季和春季分別為93.43%和81.32%，冬季為40.13%；就月度而言，6—8月空氣達標率均高于90%，其中8月達標率為100%，為全年最高；4月、5月和10月均在 90%～95%之間，2月、3月、11月、12月在20%～50%之間，12月最低，僅為29.03%。反之，污染天數則呈現春冬多、夏秋少的規律，1月、2月、3月、11月和12月的污染天數比例均超過50%，重度以上污染天氣主要出現在春冬季節，嚴重污染天氣暫未出現。

圖3 2016年合肥市主城區逐月PM2.5污染等級天數比例Fig. 3 Monthly statistics of the proportion days covered by PM2.5 pollution in Hefei Urban Area in 2016

2.2 合肥市主城區PM2.5的空間變化規律

2.2.1 PM2.5的空間分異規律

圖4 合肥市主城區不同時期PM2.5質量濃度空間分布圖Fig. 4 Spatial distribution of PM2.5 mass concentration in Hefei urban area in different time

利用Arcgis空間插值分析得到合肥市主城區不同時期PM2.5質量濃度空間分布圖（圖4）。由圖可知，2016年1月合肥市主城區PM2.5質量濃度空間分布呈現“雙峰多谷”的規律，廬陽區和濱湖新區是PM2.5質量濃度高峰區，均值達到95 μg·m-3，高新區、明珠廣場等地區是 PM2.5質量濃度低谷區，均值達到81 μg·m-3，空間差異達到17%；2016年7月合肥市主城區 PM2.5質量濃度空間分布呈現“雙峰雙谷”的規律，廬陽區和包河區是 PM2.5質量濃度高峰區，均值達到40 μg·m-3，高新區、明珠廣場是PM2.5質量濃度低谷區，均值達到30 μg·m-3，空間差異達到 33%。總體而言，合肥市主城區 PM2.5空間分布形成廬陽區—濱湖新區的南北高峰帶，東西兩側逐漸降低的規律。

2.2.2 PM2.5濃度與監測站距市中心距離關系分析

為進一步研究合肥主城區PM2.5空間分布，以合肥市市府廣場（城市一環核心區）為中心，繪制不同季節 PM2.5濃度與監測站距市中心距離的關系圖（圖5）。總體而言，監測站距市中心距離越近，PM2.5濃度越高。因此，PM2.5濃度在空間上表現為由中心向周圍減小的趨勢，廬陽區人口密度大、交通流量大，包河區工業用地面積大，濱湖區建筑密度大、容積率高，故以上3個監測點PM2.5濃度最高。就季節而言，夏季PM2.5濃度向市中心增大的趨勢明顯，冬季PM2.5濃度向市中心增大的趨勢不明顯。

3 討論

圖5 不同季節PM2.5濃度與監測站距離合肥市中心（市府廣場）距離的關系Fig. 5 Relationship of PM2.5 concentration and the distance of site to Shifu square in different seasons

相關研究表明，土地利用、道路交通對 PM2.5空間分布有影響（王濤等，2016；謝舞丹等，2017），故本研究把土地利用強度指標（建筑密度、容積率、綠地率）、道路等級（主干路長度、次干路長度、支路長度）納入模型，基于Arcgis平臺，通過對監測點建立1000 m緩沖區，提取緩沖區內6類指標，運用逐步回歸分析法分析土地利用、道路交通對PM2.5質量濃度空間分布的影響。最終進入模型的自變量分別是綠地率、主干路長度和容積率，模型R2值是0.82，變量的顯著性檢驗小于0.05，與因變量PM2.5濃度的相關系數分別為0.78、0.67、0.61。

3.1 PM2.5濃度與土地利用關系

回歸分析表明，合肥市主城區 PM2.5濃度與綠地率、容積率有較強關聯性。綠地率越高，PM2.5濃度相對越低；容積率越高，PM2.5濃度相對越高。城市綠地對 PM2.5有一定的消解作用（肖玉等，2015），相關研究表明，生態綠化容積率、綠地與大氣顆粒物濃度呈負相關（張偉，2015），合理的綠地空間布局能改善空氣質量（王薇等，2016），本研究結論與上述成果一致，城市綠地與 PM2.5濃度呈負相關。目前關于土地容積率與 PM2.5濃度的關系研究并不多見，有研究表明，容積率與 PM2.5濃度成正比（俞珊等，2017），本研究發現1月PM2.5濃度較高（PM2.5濃度大于 90 μg·m-3），監測點的1000 m緩沖區容積率普遍較高，僅長江中路監測點1月PM2.5濃度較高，但監測點的1000 m緩沖區容積率較低，考慮長江中路監測點周邊交通流量大，綜合效應導致了較高的PM2.5濃度。總體而言，PM2.5濃度與土地利用有較強關聯性，綠地率與PM2.5濃度呈顯著負相關，容積率與PM2.5濃度有一定正相關，土地利用性質和其他因素綜合影響PM2.5濃度。中心城區通過增加公共綠地空間、合理控制容積率，可改善空氣質量。

3.2 PM2.5濃度與道路交通的關系

回歸分析表明，合肥市主城區PM2.5濃度與主干路長度有較強關聯性，主干路長度越大，PM2.5濃度相對越高。這與交通流量與PM2.5濃度呈正相關的研究成果一致（王濤等，2016）。疊加合肥市主要道路與PM2.5空間分布圖（圖6），可以看出，南北向主干路（徽州大道、包河大道）與東西向主干路（長江路）交匯處是PM2.5濃度最高的地區，濱湖新區等PM2.5濃度高值區也是南北向主干路經過的區域。總體而言，交通流量大的主干路與PM2.5濃度存在正向關系，汽車尾氣排放是主要污染源，加強公共交通和電動汽車的使用，可有效降低PM2.5濃度。

4 結論

通過分析合肥市主城區 PM2.5分布時空特征關系，發現PM2.5時空分布規律顯著，PM2.5濃度與土地開發強度、道路交通有較強的相關性，主要結論如下：

（1）合肥市主城區 PM2.5濃度季節差異顯著，由高到低依次為冬季、春季、秋季和夏季，秋冬季PM2.5濃度波動較大，而春夏季PM2.5濃度比較穩定。

（2）合肥市主城區污染天數呈現春冬多、夏秋少的規律，1月、2月、3月、11月和12月的污染天數比例均超過50%，重度以上污染天氣主要出現在春冬季節，嚴重污染天氣暫未出現。

（3）1月PM2.5濃度空間分布呈現“雙峰多谷”的規律，廬陽區和濱湖新區是 PM2.5濃度高峰區，屬于輕度污染；7月 PM2.5濃度空間分布呈現“雙峰雙谷”的規律，廬陽區和包河區是 PM2.5濃度高峰區，屬于良好。

圖6 合肥市主城區不同時期PM2.5與道路關系圖Fig. 6 Relationship of PM2.5 concentration and road in Hefei urban area in different time

（4）合肥市主城區 PM2.5濃度與綠地率、主干路長度和容積率有較強關聯性。綠地率與 PM2.5濃度呈顯著負相關，容積率與 PM2.5濃度有一定正相關關系，土地利用性質和其他因素綜合影響 PM2.5濃度；交通流量大的主干路與 PM2.5濃度存在正向關系。

（5）中心城區通過增加公共綠地空間、合理控制容積率，加強公共交通和電動汽車的使用，可改善空氣質量。

CHU H J, HUANG B, LIN C Y. 2015. Modeling the spatio-temporal heterogeneity in the PM10-PM2.5relationship [J]. Atmospheric Environment, 102: 176-182.

HU M G, JIA L, WANG J F, et al. 2013. Spatial and temporal characteristics of particulate matter in Beijing, China using the Empirical Mode Decomposition method [J]. Science of the Total Environment, 458-460:70-80.

TAO J, ZHANG L M, CAO J J, et al. 2017. A review of current knowledge concerning PM2.5chemical composition, aerosol optical properties and their relationships across China [J]. Atmospheric Chemistry and Physics, 17(15): 9485-9518.

ZHOU Y J, ZHOU J X. 2017. Urban atmospheric environmental capacity and atmospheric environmental carrying capacity constrained by GDP-PM2.5[J]. Ecological Indicators, (73): 637-652.

戴昭鑫, 張云芝, 胡云鋒, 等. 2016. 基于地面監測數據的 2013—2015年長三角地區 PM2.5時空特征[J]. 長江流域資源與環境, 25(5):813-821.

顧康康, 祝玲玲. 2017. 城市居住區開發強度與微氣候的關聯性研究——以合肥市為例[J]. 生態環境學報, 26(12): 2084-2092.

李名升, 任曉霞, 于洋, 等. 2016. 中國大陸城市 PM2.5污染時空分布規律[J]. 中國環境科學, 36(3): 641-650.

沈敏霞, 曹軍驥, 張寧寧, 等. 2017. 西安市道路PM2.5, NO2, CO水平濃度分布特征[J]. 環境科學研究, 30(1): 130-136.

蘇維, 張帥珺, 賴新云, 等. 2017. 南昌市空氣PM2.5和PM10的時空動態及其影響因素[J]. 應用生態學報, 28(1): 257-265.

王濤, 王國祥, 周夢翩, 等. 2016. 道路區域 PM2.5濃度的影響因素研究[J]. 環境污染與防治, 38(8): 25-31

王薇, 陳明. 2016. 城市綠地空氣負離子和PM2.5濃度分布特征及其與微氣候關系——以合肥天鵝湖為例[J]. 生態環境學報, 25(9):1499-1507.

王占山, 李云婷, 陳添, 等. 2015. 2013年北京市PM2.5的時空分布[J]. 地理學報, 70(1): 110-120.

王振波, 方創琳, 許光, 等. 2015. 2014年中國城市PM2.5濃度的時空變化規律[J]. 地理學報,70(11): 1720-1734.

肖玉, 王碩, 李娜, 等. 2015. 北京城市綠地對大氣PM2.5的消解作用[J].資源科學, 37(6): 1149-1155.

謝舞丹, 吳健生. 2017. 土地利用與景觀格局對PM2.5濃度的影響——以深圳市為例[J]. 北京大學學報(自然科學版), 53(1): 160-170.

熊歡歡, 梁龍武, 曾贈, 等. 2017. 中國城市 PM2.5時空分布的動態比較分析[J]. 資源科學, 39(1): 136-146.

楊昆, 楊玉蓮, 朱彥輝, 等. 2016. 中國 PM2.5污染與社會經濟的空間關系及成因[J]. 地理研究, 35(6): 1051-1060.

俞珊, 瞿艷芝, 張增杰, 等. 2017. 典型區域容積率和大氣污染物排放強度研究[J]. 生態經濟(中文版), 33(4): 139-142.

張思遠, 吳開亞. 2015. 合肥市 PM2.5污染特征及影響因素分析研究[J].環境科學與管理, 40(1):51-56.

張偉. 2015. 居住小區綠地布局對微氣候影響的模擬研究[D]. 南京: 南京大學: 61-62.