校園微環境PM_2.5和PM₁₀濃度時空變化特征

潘俊靈 楊思穎 羅語盈 張琪

摘要：選取20個湖南第一師范學院（東方紅校區）師生活動典型場所作為監測點，利用便攜式大氣顆粒物監測儀測得PM2.5和PM10濃度數據，分析該校區PM2.5和PM10濃度的時空變化特征，以此對校園微環境的空氣質量進行評估。結果表明：校園微環境的空氣污染程度受人流密度、場所作業影響呈現分異特征。其中，沙塵、煙粒是導致校園空氣高濃度污染的主要原因。

關鍵詞：校園微環境;PM2.5;PM10;濃度變化

Abstract： Select 20 typical places for teacher and student activities of Hunan First Normal University （Dong fang hong Campus） as detection points， and use portable air particulate matter monitors to measure PM2.5 and PM10 concentration data， and analyze the concentration of PM2.5 and PM10 in this campus The characteristics of temporal and spatial changes are used to evaluate the air quality of the campus microenvironment. The results show that the air pollution degree of the campus microenvironment is affected by the density of people flow and the work of the site. Among them， sand dust and smoke particles are the main causes of high-concentration air pollution on campus.

Keywords： campus microenvironment; PM2.5; PM10; concentration changes

引言

空氣質量依據空氣中污染物濃度的高低來判斷，依據環境空氣質量標準（ GB 3095-2012） 要求，現階段大氣污染物監測中對大氣顆粒物主要監測粒徑為 PM10和 PM2.5，就危害程度而言，PM2.5的危害更大[1]。PM2.5（細顆粒物）是指環境空氣中空氣動力學當量直徑小于或等于2.5μm的顆粒物， PM2.5粒徑小， 面積大， 活性強， 易附帶有毒、有害物質（重金屬、微生物等），且在大氣中的停留時間長、輸送距離遠， 因而對人體健康和大氣環境質量影響很大。PM10（可吸入顆粒物），是指空氣動力學當量直徑在10μm以下的顆粒物，若被人體吸入，會沉積在呼吸道、肺泡等部位而引發疾病，長期暴露在PM2.5 濃度高的環境中可能會引發慢性鼻咽炎、慢性支氣管炎和哮喘等疾病[2]。

居民一般以天氣預報的空氣質量預估數據為出行提供參考，天氣預報的空氣質量數據來源于城市的空氣質量監測站，就長沙而言，共設有10個空氣質量監測站點。但對于典型微環境的空氣質量監測缺乏針對性。本研究以大學校園作為研究區域，選取校園師生活動典型場所作為監測點，利用數理統計方法和ArcGIS統計分析工具獲取 PM2.5和PM10的時間變化與空間分異特征，以期為改善校園微環境空氣質量提供數據支撐。

1監測區域

監測地點位于湖南第一師范學院東方紅校區（28.20oN， 112.86oE），選取校區內部10個監測點，校區外部10個監測點，如圖1-1所示。進一步分為四個典型的功能區，分別是商業區（校內食堂與商店、校外商城與集市）;交通區（校外公交站臺、人行道）;教學區（教學樓與操場）;居住區（學生與教職工宿舍）。

2監測設計和制圖方法

選用諾方SDL307便攜式大氣顆粒物監測儀作為監測儀器，監測范圍為0—999.9 μg/m3，監測顆粒物最小直徑為0.3μm，分辨率為0.1 μg/m3，可以直接監測并顯示PM2.5和PM10的濃度大小。數據采集時間為6：00—20：00，招募10名志愿者手持儀器距地1.5m左右的高度進行數據采集。每隔2個小時監測取值。

制圖方法采用GIS 空間插值方法，根據已知觀測點數據之間的空間關聯性、數學模型及誤差目標函數來預測未知空間數據值。GIS空間插值在 PM2.5和PM10濃度精細模擬方面選用克里金插值法（Kriging）[3-5]。 計算公式如下：是點（x0， y0）處的估計值，即z0=z（x0，y0）。

3結果與分析

3.1 PM2.5和PM10濃度時間變化

秋季監測時的天氣狀況為晴天，平均風速2.7級。在晴天狀況下，大氣中的云量少，早晚溫差較大，大氣中的顆粒物濃度（包括PM2.5和PM10）變化幅度較為明顯。四個區域的濃度從小到大的變化順序依次為：居住區、教學區、交通區、商業區。其中，在就餐時段商業區的食堂顆粒物濃度達188μg/m3，超出平均濃度兩倍之多。

通過分析表3-1和表3-2的數據發現，在一天中早晨6：00至8：00的顆粒物濃度值最高，隨著時間的推移，顆粒物濃度逐漸下降，至下午14：00降到最低，此后濃度開始回升，呈U形變化趨勢[6]。

造成顆粒物濃度呈U形變化的原因可能是：日出前后氣溫最低，空氣中的濕度大，空氣中的顆粒物不易擴散而停留在近地面的空氣中。加之此時正值早高峰，商業區開始活躍，通行車輛基數大，學生上課人員流動大，導致顆粒污染物濃度增加。隨著氣溫上升、濕度降低，空氣中的布朗運動加劇，太陽輻射逐步增強導致空氣出現對流現象，此時顆粒物的運動范圍加大被擴散到遠地面空間。植物經過充分的光照，生命活動達到旺盛時期，吸附顆粒物的能力增強。在午后時分顆粒物濃度降至最低。傍晚，隨著溫度下降，下班高峰來臨，人群開始在商業區等地帶活躍，PM2.5和PM10濃度都逐步攀升[7]。

冬季監測時的天氣狀況為陰天，平均風速3.3級。在陰天狀況下，大氣中的云量多，冬季早晚溫度普遍偏低，大氣中的顆粒物濃度變化未出現大幅度跳躍。四個區域的濃度從小到大的變化順序依次為：居住區、交通區、教學區、商業區。

通過分析表3-3和表3-4的數據發現，PM2.5和PM10濃度表現為緩慢爬升曲線。造成這種現象的原因主要是：冬季氣溫低，三次觀測平均氣溫范圍為6.7℃至12℃，空氣中的顆粒物受低溫影響表現為不活躍狀態。一般來說，風速越大，顆粒物的擴散能力越強。在輕風與微風的風速條件下，顆粒物不易被擴散，加之監測點周圍分布高樓建筑，風力對顆粒物的帶動作用進一步降低。對PM2.5和PM10濃度產生主要影響的是人為活動，在冬季低溫環境下，人群減少外出更加集中在室內環境，至就餐時間，餐飲商店等區域開始作業，PM2.5和PM10濃度隨之產生了一定的增幅。

3.2 PM2.5和PM10空間變化

運用ArcGIS統計分析工具，對不同監測點 PM2.5和 PM10進行普通克里金插值，如圖3-1和圖3-2所示，插值結果顯示，同一區域同一時期的PM2.5與PM10呈明顯的正相關，監測點的PM2.5和PM10濃度的空間分布差異明顯。

秋季監測地點所處的空間污染情景為輕度污染，早晨時段的高值區出現在東北部，其余濃度表現為均值遞減。隨著時間推移，高值區域逐漸轉為校內食堂為中心的商業地帶。冬季早晨時段的高值區域集中在校園中心的商業地帶。

冬季監測地點所處的空間污染情景為輕度污染，早晨時段的高值區域集中在觀測區域中心的商業地帶，PM2.5和PM10在一天中呈由西部向東部轉高的階梯變化趨勢。

總體來看，PM2.5和PM10濃度高值區域出現在觀測區的中部和北部區域，低值區區域出現在觀測區南部地區，整體呈現東北高–西南低的階梯變化趨勢。出現這一變化的原因主要是受交通早晚高峰以及人群就餐活動的影響。

4結論與建議

4.1結論

從日變化來看， PM2.5和PM10變化幅度大的一天中，監測結果與傳統認知中的“早晨空氣清新”印象相反，早間PM2.5和PM10濃度處于高點位置[8]。

從季節變化來看，在溫差變化大的秋季的高溫天氣下，空氣中的PM2.5和PM10的變化幅度大。

從活動場所來看，除學生食堂外，其他區域的顆粒物濃度與當日長沙空氣質量相近，學生食堂的PM2.5濃度為 286μg/m3，遠超國家規定的《環境空氣質量標準》二級濃度限值[9]。

4.2建議

從時間角度來看，在溫差變化大的秋季，早晨時段空氣中的顆粒物濃度并未處于最低點，因此，從規避空氣中的顆粒物和身體健康出發，運動健身宜選在顆粒物濃度較低的午間，而不宜選在早晨。

從空間角度來看，商業區、交通區、居住區、教學區的污染物濃度水平呈現不同水平，尤其是食堂的污染物濃度長期位于高值范圍，食堂工作人員除保障食品衛生需佩戴口罩外，從保護自身呼吸道而言更需佩戴口罩，就餐人員也應盡量少在食堂逗留。

商業區和交通區由于人員活動頻繁且密集，顆粒物排放較多，而宿舍林蔭道和學校草坪這兩種以植被為主要覆蓋的下監測點，顆粒物濃度較其他地區低，由此可見，合理的綠地空間布局能有效降低顆粒物濃度[10]，減少大氣污染，故建議在食堂和集市等商業區和交通區多種植綠植。進一步建議在十字路口等交通區定時灑水或實時監測公示車流量提醒居民，避免因車流量過大而造成的二次揚塵和汽車尾氣排放。

參考文獻

[1]杜金花. 深圳大氣 PM2. 5中金屬元素污染特征研究[D].北京：北京大學，2010.

[2]李雪梅，牟玲，田妹，鄭利榮，李楊勇.山西大學城PM_（2.5）中元素特征、來源及健康風險評估[J].環境科學，2020.

[3]Liao D， Peuquet D J， Duan Y， et al. GIS approaches for the estimation of residential-level ambient PM concentrations[J]. Environmental health perspectives， 2006， 114（9）： 1374-1380.

[4]Sampson P D， Richards M， Szpiro A A， et al. A regionalized national universal kriging model using Partial Least Squares regression for estimating annual PM2.5 concentrations in epidemiology[J]. Atmospheric environment， 2013， 75： 383-392.

[5]Lee S J， Serre M L， van Donkelaar A， et al. Comparison of geostatistical interpolation and remote sensing techniques for estimating long-term exposure to ambient PM2.5 concentrations across the continental United States[J]. Environmental health perspectives， 2012， 120（12）： 1727-1732.

[6]彭敏，儲江偉，李洪亮等.哈爾濱市冬季霧霾天大氣顆粒物污染特征分析[J].森林工程，2017，33（1） ： 33-40.

[7] 劉旭輝，余新曉，張振明，等.林帶內 PM10、PM2.5污染特征及其與氣象條件的關系[J].生態學雜志， 2014，33 （7） ： 1715-1721.

[8]趙戈榕，劉燕，鐘鈺祺，汪永英.秋季校園不同下墊面PM2.5濃度的研究[J].森林工程，2020.

[9]朱淮東，張彪.某校園顆粒物分布及健康影響評價[J].建筑熱能通風空調，2016，35（08）：11-14.

[10]王薇，陳明.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，2016，25（9）：1499-150

湖南第一師范學院 湖南長沙 410205