安徽省O3濃度的時空分布特征及影響因素

廖潤霞， 程先富， 王佳佳

(安徽師范大學 地理與旅游學院，安徽 蕪湖 241003)

O3是光化學煙霧的主要成分，是在有光照的情況下通過一系列復雜的反應產生的，這些反應涉及氮氧化物(NOx)和揮發性有機化合物(VOCs)。O3對人類健康和植物的不利影響，使對流層臭氧已成為近幾十年來研究最多的主題之一[1]。

目前，國內外學者對O3研究主要包括O3的時空分布特征[2-4]、O3來源解析[5-7]、O3與前體物的關系[8-9]、O3的“周末效應”[10-11]、O3對人體健康和植物的影響[12-13]以及O3的影響因素[14]等方面。在影響因素方面，嚴仁嫦等將O3監測數據與遙感數據結合，探討O3濃度的影響因素[15]。曹庭偉等運用相關性分析考察太陽輻射、氣溫、相對濕度及流場對成渝城市群臭氧分布特征的影響[16]。張祥志等運用經驗正交分解法考察了經濟發展水平對O3濃度的影響[17]。Wang等運用統計分析研究城市熱島效應對O3濃度的影響[18]。Dainius采用相關性分析考察太陽輻射強度和風向對O3濃度的影響[19]

雖然學者們對O3污染的研究越來越多，但在地域上主要集中于長三角和珠三角以及北京上海等發達地區，對中部省份研究較少,在影響因素分析上多側重于氣象因素，對社會經濟因素研究較少。因此本研究基于2016年安徽省近地面O3濃度監測數據，分析安徽省O3濃度時空分布特征，并運用地理探測器方法研究其影響因素，以期為安徽省大氣污染污染防治與預測提供依據。

1 材料與方法

1.1 數據來源

安徽及周邊省份共229個空氣質量監測站點(圖1)實時觀測數據來自中國環境監測總站。根據我國新實施的《HJ663—2013環境空氣質量評價技術規范(試行)》要求[20]，以各城市O3日最大8h平均濃度(以下以“O3-8h”表示)判定每日達標情況。氣象數據來自中國氣象局(http://www.cma.gov.cn/)和2016年安徽省氣候公報，高程數據由安徽省DEM提取所得，產業、工業、人口、交通等數據均來自《2017年安徽省統計年鑒》。

圖1 安徽省及周邊省份空氣監測站點分布圖Fig.1 Distribution map of air monitoring stations in Anhui province and surrounding provinces

1.2 研究方法

1.2.1 克里金插值法 由于O3監測數據是點狀數據，本研究采用普通克里金插值方法，將O3濃度插值成連續數據表面，來反映安徽省O3濃度四季分布情況。普通克里金插值法以變異函數理論和結構分析為基礎，可在有限區域對區域變量進行無偏最優化估計[21]。

1.2.2 地理探測器 地理探測器是由王勁峰等[22]開發的用以檢驗地理現象與其潛在驅動因素之間關系的空間分析模型,在土地利用[23-24]、區域經濟[25-26]、環境污染[27-28]等領域有廣泛應用。地理探測器分為風險探測器、因子探測器、生態探測器和交互作用探測器4個部分，文中主要運用因子探測器分析單因子對臭氧濃度的影響，得出臭氧濃度各影響因子的解釋力大小，并運用交互作用探測器分析各影響因子之間的交互作用。

(1)因子探測。因子探測用來探測臭氧濃度的空間分異性，探測各影響因子對臭氧濃度的解釋程度，其表達式如下：

(1)

式中：PD，I是影響因子D對臭氧濃度I的探測力值，值域為[0,1],值越大說明影響因子對臭氧濃度的影響力越大，N、σ2分別為整個流域的樣本量和方差;Ni、σ2分別為i(i=1，2，…，L)層樣本量和方差。

(2)交互探測。交互探測用于定量表征2個影響因子對于旅游空間分異的作用關系，由以下表達式構成：設交互后驅動力為q(Xa∩Xb)，若q(Xa∩Xb)max(q(Xa),q(Xb))，則因子Xa和Xb交互后為雙因子增強；若q(Xa∩Xb)=q(Xa)+q(Xb)，2因子Xa和Xb相互獨立；若q(Xa∩Xb)>q(Xa)+q(Xb),說明Xa和Xb交互后為非線性增強。

由于地理探測器不能識別影響因子的影響方向，因此借助相關性分析來確定因子的影響方向，影響因子與O3濃度呈正相關關系確定為正向影響，負相關關系確定為負向影響。

1.3 影響因素選取

根據O3形成機理及前人研究的成果[29]，從自然要素、污染物排放、工業、產業、人口及交通等方面構建臭氧濃度影響因素指標體系(表1)。在污染物排放要素中，用全社會用電量、工業廢氣排放量來反映石油化工能源燃燒過程中產生的廢氣對O3濃度的影響，用房屋建筑施工面積、房屋建筑竣工面積來反映建筑涂料所釋放的揮發性有機物；產業要素用來表示地區產業結構對臭氧濃度的影響；工業要素用來表示工業發展對臭氧濃度的影響；人口要素用來表示人類活動產生的生活污染對臭氧濃度的影響；在交通要素中，用公路里程來反映交通源對O3濃度的影響。

2 結果分析

2.1 O3濃度時間分布特征

2.1.1 O3濃度季節變化特征 將2016年O3-8h日值按氣候學分類的春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12—2月)統計求季均值，得到圖2。從圖2可以看出，安徽省夏季O3濃度最高，為103.72μg/m3，其次是春季，為93.62μg/m3，冬季O3濃度最低，為57.58μg/m3。

2.1.2 O3濃度月變化特征 如圖3所示，安徽省O3濃度在5—9月中位值較高，依次為110.15、105.72、97.23、121.82和127.37μg/m3，相對應各月平均值為107.14、98.57、94.6、118和122.93μg/m3。其中6、7月份的O3濃度相較于5月、8月、9月低。1月、2月、12月最低,O3濃度中位值分別為48.34、68.7和59.13μg/m3，對應月份的O3濃度平均值分別為48.82、63.56、60.37μg/m3。

表1 臭氧濃度影響因素探測指標

圖2 安徽省O3濃度季度變化Fig.2 Quarterly change of O3 concentration in Anhui province

圖3 安徽省各月O3濃度水平

Fig.3 The monthly O3concentration level in Anhui province

圖4 安徽省O3濃度小時變化曲線Fig.4 The hourly curve of O3 concentration in Anhui province

2.1.3 O3濃度小時變化特征 如圖4所示，安徽省O3濃度小時變化呈單峰型，早晨7:00O3濃度開始上升，在15:00出現最大值后下降。在一天之內，臭氧濃度在15:00出現峰值，在上午7:00出現低谷值，這與劉芷君[30]等人的研究結果一致。原因可能是日出后日照增強，光化學反應逐漸增強，臭氧濃度升高，在下午15:00左右光化學反應最為劇烈，使得臭氧濃度在一日之內達到最高。之后隨著光照強度減少，臭氧濃度降低，夜間人們活動較少，機動車尾氣及各種污染源排放量減少，臭氧濃度較低，日出前大氣邊界層較低，大氣層處于靜穩狀態，使臭氧濃度出現最低值。

2.2 O3濃度空間分布特征

借助Arcgis地統計分析工具，對安徽省及周邊省份共229個有效站點的O3-8h數據用克里金插值分析，通過行政邊界圖裁剪得到安徽省O3濃度插值分布圖(圖5)。結果顯示：從全年來看，安徽省O3濃度北高南低。春季黃山、宣城、安慶等城市O3濃度較低，淮北、滁州和蚌埠O3濃度較高；夏季除安徽省東南部O3濃度較低以外，其他城市O3濃度均較高；秋季北部、中部O3濃度較高，南部較低;冬季安徽省東部O3濃度稍高，西部和中部較低，黃山、宣城等城市O3濃度相對較高。

圖5 2016年安徽省O3濃度空間分布

2.3 O3影響因素分析

根據已掌握的數據，將選取的26個影響因子初始數據運用分位數法進行分級，針對不同的城市，各影響因子采取一致的分類標準，確保不同城市之間結果的可比性。借助地理探測器的因子探測及交互探測方法，從兩個層面探討臭氧濃度的影響因素。因子探測器的探測結果如下：

由表2可知，在自然要素方面，PM10、CO、相對濕度、氣壓、降水量、日照時數、風速及PM2.5的q值較大，說明以上因素對臭氧濃度的影響力較大。氣溫的q值較小，說明此研究中氣溫對臭氧濃度的單因子影響不顯著，并且氣溫對臭氧濃度的影響是負向的，原因是氣溫的影響被同時期相對濕度、降水量、日照時數等因子的影響所抵消。這與黃小剛等人[27]的研究結果相似。在社會經濟方面，第三產業產值、工業企業個數、工業廢氣排放量、全社會用電量及公路里程等因子的q值較大，說明以上因素對臭氧濃度的影響較大。具體而言，PM10濃度與O3濃度呈正相關，即在一年內出現復合污染的現象，原因是在排放源及氣溫、太陽輻射等氣象因素的影響下，細顆粒物與O3濃度出現同增共減的正相關情況。CO是O3的重要前體物，為O3的生成提供基礎物質。空氣濕度、降水與O3呈負相關，由于云雨天氣會減少日照時數，減弱光化學反應，并且降水對O3及其前體物有著濕沉降作用，因此會降低臭氧濃度。安徽省6—7月即梅雨季節期間，降水量較大，致使臭氧濃度較低。風速與O3濃度呈負相關，因為風速增加會吹散局地臭氧及其前體物，從而稀釋O3濃度。日照時數的增加會加劇光化學反應，使臭氧濃度升高，夏季日照時數較多，臭氧濃度較高，冬季日照時數較少，臭氧濃度較低。在社會經濟方面，由于近年來娛樂餐飲等行業的發展，第三產業產值提高，但與此同時，餐飲等行業產生的煙塵及烹飪過程排放的廢氣也間接對臭氧濃度產生一定的影響。工業生產排放的廢氣含有生成臭氧的CO、氮氧化物等前體物，如合肥、馬鞍山、淮南等城市工業發達，工業廢氣排放較多，臭氧濃度相對較高。公路里程可代表機動車油耗，機動車在行駛過程中排放氮氧化物、碳氫化合物及CO，促進了臭氧濃度的增加。如滁州市，作為安徽省與江蘇省交流的門戶，交通網密布，公路里程量大，機動車尾氣排放量大，臭氧濃度較高。

表2 安徽省O3濃度影響因子q值統計

以上內容是對影響臭氧濃度的單因子分析，運用交互探測器對臭氧影響因子進行交互探測，得到結果如表3。

由表3可以看出，交互作用解釋力排名前3位的是相對濕度∩公路里程(0.77)，降水量∩氣溫(0.77)，CO∩常住人口(0.76)，以影響因子CO為例，與常住人口交互后解釋力為0.76，顯著大于CO的解釋力(0.41)與常住人口解釋力(0.14)之和，原因是CO對臭氧濃度的影響較為單一，常住人口表示人類活動規模大小，在人類活動的影響下，如汽車尾氣排放、鍋爐中化石燃料燃燒、煤氣煤爐的使用使CO濃度升高，從而使臭氧濃度升高，通過分析表3可知，雙因子交互增強效應大多出現在社會經濟因子與自然氣象因子結合時。這說明，兩個影響因子相互交互后的因子解釋力要強于原來單個影響因子之和，即影響因子兩兩共同作用，均雙線性或非線性的加強了對臭氧空間分布的解釋力，同時也說明臭氧濃度受到多影響因素的共同制約，這彌補了單因子探測的不足。

3 結 論

(1)時間尺度上：安徽省O3濃度在季度上呈現春夏高、秋冬低的規律；在月度上5—9月O3濃度中位值較高，1月、2月、12月O3濃度中位值較低；O3濃度日變化總體呈單峰型，最高值出現在下午15:00，最低值出現在上午7:00。

(2)空間尺度上：安徽省全年O3濃度空間分布總體為北高南低，春季淮北、滁州和蚌埠O3濃度較高；夏季除安徽省東南部O3濃度較低以外，其他城市O3濃度均較高；秋季北部、中部O3濃度較高，南部較低;冬季安徽省東部O3濃度稍高，西部和中部較低。

(3)運用地理探測器對臭氧濃度影響因子進行分析，因子探測結果表明，對臭氧濃度影響較大的因子有PM10、CO、相對濕度、氣壓、降水量、日照時數、風速、PM2.5、第三產業產值、工業企業個數、工業廢氣排放量、全社會用電量及公路里程。交互探測分析表明，不同因子間的交互作用，正向強化了各因子的解釋力，最大交互因子為相對濕度∩公路里程，降水量∩氣溫，CO∩常住人口。

4 臭氧污染防治對策

根據目前安徽省臭氧污染狀況以及對安徽省臭氧影響因素分析的結果，提出以下幾點臭氧防控的對策：

(1)集中整治餐飲業油煙問題，督促餐飲部門完成油煙凈化設施的安裝，使其達到排放標準，從而減少CO及其他前體物的排放。對違反規定的餐飲業要依法進行整頓，減少露天烹飪方式，如夜間燒烤、大排檔等。

(2)進一步優化工業空間布局，促進產業升級，優化產業結構，淘汰重污染企業，加大科研力度，助力發展綠色環保材料，提升企業的生產技術水平，減少重污染原材料的使用量，多使用清潔能源，減少工業廢氣及工業煙粉塵的排放量。

(3)對機動車尾氣排放進行管控，減少機動車尾氣排放量，可采取錯峰限行、車牌限號等舉措，從而減少氮氧化物等臭氧前體物的排放量。加強對可持續交通體系的建設，鼓勵購買新能源交通工具，制定新能源汽車替代計劃，倡導綠色出行方式，鼓勵市民多使用公共交通、自行車等出行方式。