黃河三角洲PM2.5時空分布及其影響因子分析

王欣瑤， 孫希華， 王林林,3， 劉曰慶

(1.山東師范大學 地理與環境學院，山東 濟南 250358； 2.“人地協調與綠色發展”山東省高校協同創新中心， 山東 濟南 250358； 3.濱州學院 建筑工程學院，山東 濱州 256600)

二十一世紀以來，隨著工廠的數量增加和城市化速度的加快，經濟蓬勃發展的同時也引發了許多污染問題，而十九大又最新作出堅決打好污染防治攻堅戰的重大決策部署，其中大氣污染是近年來中國面臨的最為嚴峻的挑戰，是污染防治的重要內容之一。通過不斷的實驗和研究，人們逐步認識到大氣中的細顆粒物PM2.5顆粒半徑非常小，被吸入肺中的機率很大，嚴重危害人體健康，增加各種與呼吸系統相關疾病的發病率以及死亡率，另外還會導致空氣中能見度的降低[1]，造成空氣質量下降。因此研究PM2.5的濃度與各種氣象條件的關系，分析未來各種氣象因子對空氣的潛在危害影響，可以幫助相關部門制定空氣質量標準的政策法規，制定各種大氣污染治理措施，降低污染物的排放總量，為重污染天氣提供定性定量的防治建議。

目前，眾多學者[2-4]從不同背景、不同視角、不同研究方法來對不同區域的顆粒物濃度展開大量研究，并取得了相關成果。由于經濟迅速發展帶來嚴重的大氣污染問題，引起國內外專家進行了廣泛的深入研究，包括在污染物濃度成分[5-7]方面，研究表明PM2.5是污染環境的主要因子，并對有機氣溶膠的化學組成進行探究。在污染來源[8-10]方面，發現二次氣溶膠源、部分交通源、化石燃料和生物質燃燒源是PM2.5的主要來源。在時空分布[11]方面，著重研究顆粒物污染的時間變化特征以及空間發展規律。在氣象因素[12-14]分析方面，對各污染物濃度與氣象因素之間密切關系進行研究。另外許多學者采用各種不同的研究方法對濃度分布進行研究，如空間差異率(COD)[14]、MATLAB算法[15]、反距離權重(IDW)[16]以及遙感衛星觀測方法[17]。其中，關于PM2.5的時空特征及因素分析是研究的重要內容和方向。

近年來針對全國[18-19]、北京市[15,20]、京津冀地區[12,21]等地區PM2.5污染濃度空間格局相關的研究較多，但對黃河三角洲的空氣污染研究鮮少。黃河三角洲是世界六大河口三角洲之一，是我國國土開發的重點區域，隨著經濟政治文化不斷提高，大氣污染問題日益受大家關注，污染物濃度有逐年提高的趨勢，并對許多領域都產生較大影響。對顆粒物濃度變化進行研究，對黃河三角洲環渤海地區打造“碧海藍天”的生態環境、促進區域發展可持續發揮重要影響。因此，本研究對黃河三角洲內及周圍40個站點的大氣PM2.5污染濃度空間格局進行分析，一定程度上對其進行了整體污染分布模擬，從而進一步踐行綠水青山就是金山銀山的發展理念，為改善該區域的大氣環境質量提供借鑒。

1 數據來源與研究方法

1.1 研究區域

本研究觀測區域黃河三角洲位于黃河入海口處， 即渤海南岸， 萊州灣西側， 地處117°31′E～119°18′E和36°55′N～38°16′N之間，主要分布于山東省的東營市和濱州市境內，涉及東營、濱州以及濰坊、德州、淄博、煙臺市的部分地區共19個縣(市、區)，總面積達2.65×1010m2。黃河三角洲是通過黃河攜來的大量泥沙不斷沉積而形成的一個三角洲平原，地勢非常平坦。這片三角洲屬于溫帶大陸性氣候，陽光十分充足，雨熱同期，其中年平均降水量可達到五百多毫米，該區域內植被和生物資源豐富多樣，生態類型非常獨特。

1.2 數據源

本研究選用來自中國環境監測總站(http://www.cnemc.cn/)的城市空氣質量實時發布平臺的逐小時監測數據，黃河三角洲各監測城市、及包括周圍部分地區共計40個監測站點，選取2017年1月1日—12月31日的PM2.5逐時監測濃度數據，其對應的氣象因子(溫度、濕度、風速)逐時觀測數據來源于中國氣象局氣象信息中心即NMIC(http://data.cma.cn/)，整理并計算分析監測站點的平均濃度，同時在進行數據的處理過程中，還計算數據的最大值和中位數作基礎性檢驗，從而增加本文數據的可靠性與平穩性，其中部分缺失數據用空白表示。這些監測站點零散地分布在濱州市、東營市、德州市、濰坊市、淄博市，黃河三角洲區域所有監測站點的地理位置見圖1。

圖1 黃河三角洲各監測站點位置分布圖

1.3 數據分析方法

1.3.1空間分析法

(1)

1.3.2相關系數法

黃河三角洲地區PM2.5濃度污染時空格局變化與各氣象因子之間的關系，采用相關系數法進行衡量[23],其中PM2.5濃度與氣象因子之間的相關系數為：

(2)

為了較好地表征黃河三角洲PM2.5濃度與氣象因子之間的相關性，運用統計產品SPSS 25著重對濱州市三個站點(北中新校、第二水廠、沾化體育中心)的逐時PM2.5濃度與對應站點的日均溫度(℃)、濕度(%)、風速(風級)等幾種氣象因子進行相關和回歸分析。

2 PM2.5濃度時空變化特征

2.1 整體空間分布特征

將這些站點的PM2.5年均濃度取平均值得出整體黃河三角洲的平均濃度為63.16μg·m-3，這一數值已經嚴重超過WHO規定的PM2.5濃度年平均值。運用ArcGIS，選用Kriging插值，對黃河三角洲2017年各個站點的PM2.5年均濃度數據進行內插[24]，其濃度分布見圖2。圖中顏色越深表示濃度越高，且為相對集中區域。

圖2 2017年黃河三角洲PM2.5空間分布圖

從黃河三角洲PM2.5濃度空間插值圖(圖2)可以看出，各區域的污染情況都不盡相同，有高有低，連片分布，表現出明顯的地方特征，而PM2.5濃度總體分布格局呈現出西南高東北低的趨勢。這主要是因為不同地區經濟發展進度不同，污染源、人類活動強度以及氣象條件各種因素造成區域差異。周敏丹等[25]在探究廣州市大氣PM2.5濃度的驅動因素時發現以公交車輛數、電力消費量、工業總產值為主的人為因素對PM2.5變化的影響較為顯著。周曙東等[26]通過研究京津冀地區PM2.5的影響因素發現，工業廢氣、煤炭的消費量對該地區污染物排放量具有顯著影響。相關研究[27-28]也表明除了復雜的自然氣象因素外，人為因素對污染物濃度升高也有一定的影響。黃三角西部地區人口和建筑物比較密集，相應的交通運輸以及能源的消費量、工農業生產等排放大量的人為氣溶膠，從而導致PM2.5污染物濃度比較高，而東部沿海地區相對西部內陸來說，風速較大, 利于污染物的稀釋和擴散[29]，故應該將西南部以及西部地區作為治理工作的重中之重。

2.2 季節變化

同樣，利用ArcGIS軟件中的Kriging空間插值，對黃河三角洲春(3月1日—5月31日)、夏(6月1日—8月31日)、秋(9月1日—11月31日)、冬(12月1日—2月28日)四季的各個站點PM2.5濃度數據進行插值，其濃度分布見圖3～圖6。

通過對比分析四季的空間分布來看，其濃度高低都表現為明顯的片狀分布，而春、夏和秋季的污染狀況明顯好于冬季，冬季是四季當中PM2.5濃度最高的時期，最高濃度高達100.89μg·m-3。春季濃度較高的區域范圍包括以濱城區為圓心，呈圓弧狀向四周擴散的周圍區域，主要是濱州市污染最為嚴重，其次是德州市的濃度次高，主要以樂陵市為主，而低值區域為黃三角的東南地區。夏季濃度高值區域位于西南地區的鄒平縣，往北濃度依次降低，而低值區域為東部及東南地區。秋季地區的濃度高值位于鄒平縣、高青縣以及博興縣附近，東北地區為濃度中值區域，低值區域依然位于東方向。冬季濃度值從西南方向東北方向逐漸遞減，低值區域不再位于東南方向，而是位于以河口縣、利津縣、無棣縣、沾化區、墾利區以及東營區為主的東北方向。

圖3 春季PM2.5空間分布圖

圖4 夏季PM2.5空間分布圖

圖5 秋季PM2.5空間分布圖

圖6 冬季PM2.5空間分布圖

不同季節的PM2.5濃度值見表1。由表1可知，PM2.5濃度受季節影響比較顯著，相對來說，春、冬季的PM2.5濃度高于夏、秋季節，然而冬天是污染最嚴重濃度最高的季節，其濃度可高達94.32μg·m-3。這是由于秋冬季屬于采暖期，又恰逢春節期間，大量的煤炭和爆竹會產生大量的污染物，使得PM2.5濃度較高。

表1 PM2.5濃度季節變化

2.3 月變化

圖7為2017年黃河三角洲PM2.5濃度的月變化趨勢。由圖7可看出：與前邊季節性變化相對應，不同月份PM2.5濃度不同，其中1月為濃度最高月份，達到一年中最大值114.66μg·m-3，1月之后濃度開始急劇下降，隨后降幅逐漸減緩，在8月達到最低值即谷值，為34.18μg·m-3，隨后在9月份開始呈上升趨勢。

圖7 2017年PM2.5月平均濃度

2.4 日變化

冬季輻射強度弱和日照時間短，易形成穩定逆溫層，不利于污染物的擴散和稀釋，且1月1日—7日是全年污染物濃度較高、持續時間較長時期[30]，故選取濱州市和東營市2017年1月1日至1月7日的平均逐時濃度數據，來清晰地分析反映PM2.5濃度一天中隨時間的變化規律即逐時變化規律。

由圖8可知PM2.5濃度變化范圍較大，盡管不同地區的監測濃度有差異，但他們卻呈現出相似的變化趨勢。

圖8 PM2.5濃度日變化

東營市一天中的PM2.5濃度在中午12：00出現峰值，呈現中午和夜間高，上午和下午低的趨勢，其中從凌晨開始除了凌晨5：00濃度上升外，PM2.5濃度開始逐步降低，于上午8：00降低至125.86μg·m-3；8：00后濃度逐漸升高，并又在13：00至16：00出現減小降低的走勢，從而到達一整天中的最低值117.43μg·m-3；17：00至22：00濃度顯著升高，并在22：00達到最高值152.43μg·m-3。濱州市則是在中午11：00時，PM2.5濃度達到最高值即峰值，表現出中午和晚上濃度高，早上和下午濃度低的趨勢，其中從凌晨開始PM2.5濃度逐步降低，于凌晨6：00降低至最低值135.71μg·m-3， 6：00后濃度逐漸升高，并又在12：00至16：00出現降低的趨勢；17：00至22：00濃度顯著升高[31]。

這與人類活動有關，黎明人類活動開始逐漸增加，上下班高峰期導致污染物排放量增加，這是導致空氣中PM2.5濃度較高的原因之一。另外，夜間和早晨易形成逆溫層，導致空氣無法對流，從而使得污染物難以擴散，故PM2.5濃度普遍較高。而入夜后，各種污染物停止排放，將會直接導致PM2.5濃度持續降低[32]，同時隨著太陽升高，午后的氣溫狀況不容易形成逆溫層，污染物得以擴散，從而出現PM2.5低值現象。

3 氣象因子對PM2.5濃度的影響

3.1 多因子相關性分析

氣象對空氣污染的擴散和稀釋作用非常復雜，在不同的氣候背景和不同年份，不同的氣象因子對PM2.5濃度的影響是有差異的，有的時候影響是完全相反的，另外在一定條件下會由某些特定因素起主要作用。在本文研究背景下，濱州時濃度變化較為顯著，以濱州主要站點(北中新校、第二水廠、沾化體育中心)為例，通過SPSS對PM2.5濃度和溫度、濕度以及風速進行Pearson相關性分析，得到表2～表4各相關系數r和顯著水平。

從相關系數的數值可以看出，各氣象因子比如氣溫、風速和相對濕度等對各監測站點的空氣影響大小不同，存在一定的差異性。其中北中新校的PM2.5濃度與溫度、濕度、風速的相關系數大小分別為-0.255**，0.121*，0.026，該數據表明PM2.5濃度與溫度極顯著相關，有明顯的相關性，與濕度顯著相關且相關性強，而與風速的相關系數相對來說較小，相關性不明顯，但仍然對濃度有一定的影響。第二水廠的PM2.5濃度與溫度、濕度、風速的相關系數大小分別為-0.283**，0.105*，-0.234**，該數據表明PM2.5濃度與溫度、風速極顯著相關，相關性很明顯且相關性很強，與濕度是呈顯著相關。沾化體育中心的PM2.5濃度與溫度、濕度、風速的相關系數大小分別為-0.334**，0.084，0.042，該數據說明PM2.5濃度與溫度因素極顯著相關，與濕度和風速相關不顯著。從整體來說溫度和濕度與PM2.5濃度的相關性是較顯著的，也就是說溫度和濕度與各站點空氣質量的關系較為密切，而風速影響程度相對來說較低。

表2 北中新校PM2.5濃度與各氣象因子相關系數

表3 第二水廠PM2.5濃度與各氣象因子相關系數

表4 沾化體育中心PM2.5濃度與各氣象因子相關系數

3.2 氣溫的影響

在上一部分研究了PM2.5濃度與各種氣象因子的相關性之后，再對各因子進行回歸分析，得到各因子與濃度之間的線性方程以及預測線，從而進一步研究其相關程度。圖9所示為濱州站點(北中新校、第二水廠、沾化體育中心)的PM2.5逐月平均濃度與溫度月均值的相關關系。

圖9 黃河三角洲PM2.5月均濃度隨月均溫度的變化

綜合各站點的線性回歸分析結果表明，溫度和PM2.5濃度之間呈現負相關性(R=-0.255，R=-0.279，R=-0.334)。隨著溫度升高，PM2.5濃度明顯減小；反之，當溫度降低時，PM2.5濃度又相應地增大。導致這種現象是因為當氣溫較高時，大氣不穩定，在熱力對流作用下，從而加速污染物PM2.5的擴散，使得PM2.5的濃度降低[33]。而溫度降低出現逆溫層時，會阻礙PM2.5垂直方向的擴散運動，使得污染物聚集在近地層大氣中，從而進一步加劇了空氣污染的程度。除此之外，傍晚下班交通高峰期會產生許多污染物，因此PM2.5濃度升高。

3.3 濕度的影響

由圖10各站點變化圖可知，當PM2.5濃度為最高時，其對應的相對濕度也會處于一個較高值。當PM2.5濃度為最低濃度時，其對應的濕度也處于一個較低值。可見，黃河三角洲的濕度與PM2.5濃度呈正相關關系(R=0.133，R=0.089，R=0.098)，當相對濕度越高時，PM2.5濃度也就越高。當濕度變大時，PM2.5吸濕膨脹，從而使得細顆粒物數量變多，進而PM2.5濃度升高。

圖10 黃河三角洲PM2.5月均濃度隨月均濕度的變化

3.4 風速的影響

研究表明，風對污染物的運輸和擴散起著極其重要的作用。風速對PM2.5濃度具有雙重影響，在一定的風級大小范圍內，風速越大越有利于污染物濃度的降低[33]。由圖11可知，濱州市的風力臨界值大約為2級，即風力小于 2級時，污染物濃度變化不明顯，有隨著風速變大而濃度升高的趨勢。這是由于風速較小特別是靜風時，空氣流動較緩慢，不利于高污染區域與低污染區域的顆粒物傳輸，污染物水平方向擴散較弱[34]，使得顆粒物在近地面處堆積，濃度升高。當風力大于2級時，風速越大，其對應的PM2.5濃度表現出減少的趨勢，二者呈現出負相關。這是因為風速變大，大氣層結構就會變得相對來說不夠穩定，使得湍流作用變強，從而越有利于PM2.5的擴散和運輸。

圖11 黃河三角洲PM2.5月均濃度隨月均風速的變化

4 結論與討論

1) 2017年黃河三角洲PM2.5年平均濃度為63.16μg·m-3，與WHO空氣質量規范還有一定的差距。從插值圖中可以看出，黃河三角洲的PM2.5濃度空間分布差異非常明顯，污染物濃度總體趨勢是西南地區高于東北地區。為此，應區分不同區域，對污染物進行特殊管理，提前采取相應的措施來減少其污染物的排放。

2) 從整體來看，PM2.5濃度表現出明顯的季節性變化特征，其中秋、冬季PM2.5濃度較高，而相對來說春、夏季濃度較低。從不同的月份來看，黃河三角洲PM2.5的濃度在1月最高，高達114.66μg·m-3，在8月最低，低至34.18μg·m-3，這與冬季燃燒大量煤炭，排放污染物有關系。因而更應該加大對冬季大氣污染物的治理，加大低碳清潔力度，要大力發展清潔能源逐步替代傳統的煤炭能源，協同控制溫室氣體排放，執行大氣污染物特別排放限值，實行冬季清潔取暖，繼續嚴格執行春節期間收緊煙花爆竹燃放政策。

3) 冬季東營市和濱州市的PM2.5質量濃度都表現出明顯的雙峰雙谷型，平均最大值位于12：00和22：00這兩個時間點。總之，PM2.5濃度從黎明開始上升，在下午時間段達到濃度最小值，呈現出明顯的夜間高于日間的污染現象。

4) PM2.5濃度與氣象因子之間有相關性，受氣象因素影響比較大，溫度降低和相對濕度增加都會導致PM2.5濃度增大，而風速對PM2.5濃度具有雙重影響，超過一定范圍，增大風速將使空氣中的顆粒物濃度減少。

目前中國大氣環境面臨的形勢非常嚴峻，大氣污染是中國第一大環境污染問題。2018年黨中央印發《關于全面加強生態環境保護，堅決打好污染防治攻堅戰的意見》。為準確掌握PM2.5的時間空間分布形態及關聯因子，本文通過利用2017年整年的多監測站點監測的時均數據，分析黃河三角洲PM2.5濃度的污染水平，并研究其時空分布特征，以及受溫度、濕度、風速等氣象因子的變化發展規律，在一定會程度上可以提供準確、及時的信息，為空氣預測提供重要的參考價值，從而改善空氣質量，減少污染物的排放。然而，本文未能對連續多年的時空演化特征進行深入研究，缺乏PM2.5與其他大氣污染物等影響因子的綜合解析，這將是下一步研究的主要攻克方向。