中原城市群重點城市首要污染物日變化特征及成因分析

譚 羲， 李萬隆， 黃月華， 韓 艷*

(1.河南大學地理與環境學院， 開封 475004； 2.北京大學城市規劃與設計學院， 深圳 518055； 3.河南省大氣污染綜合防治與生態安全重點實驗室， 開封 475004； 4.開封市氣象局， 開封 450003)

人口增加與城市擴張對中國城市空氣污染水平造成重大影響[1]，經濟發展及其發展方式對大氣污染產生了重大的作用[2-4]。導致城市大氣污染的污染物主要是PM2.5和PM10[5-7]，大氣污染會引發呼吸系統疾病[8]，長時間暴露于顆粒物中甚至會增加罹患肺癌的風險[9]。近年來，O3污染日益嚴重，成為僅次于PM2.5、PM10的大氣污染物[10-11]，并且有逐年增加的趨勢[12]，O3濃度的增加也對人類健康構成了威脅[13]。

圖1 中原城市群重點城市分布Fig.1 Distribution of key cities in Central Plains Urban Agglomeration

近年來，越來越多的學者開始以城市為基準，關注大氣污染物的時空分布特征[14-16]。許波等[17]通過研究鄭州市PM2.5和PM10的變化特征時，發現在不同季節，PM10和PM2.5的日均值呈現出不同的特征。李蔚卿等[18]研究了鄭州市春節期間大氣污染物特征，得到了大氣污染物濃度與氣溫、風速呈反向遞減的關系，與大氣濕度和氣壓呈正向增減的關系的結論。陳強等[19]研究發現，國慶節期間顆粒物污染濃度顯著高于平日，風速、相對濕度、平均海平面氣壓是影響鄭州市PM2.5濃度的主要因子。段時光等[20]研究認為低風速、高濕度、較少的降水以及細顆粒物的快速增加是導致顆粒物濃度高的原因。于世杰等[21]對鄭州市O3濃度變化特征進行了分析，發現O3日變化呈單峰分布，且在高溫、低濕、一定風速條件下有利于O3的生成與積累。此外，研究表明O3污染與天氣條件也有很大的關系[22]。

中原城市群作為連接中國各城市群、溝通東中西、聯結南北方的重要通道，其發展備受矚目。安陽市、鶴壁市、濮陽市、新鄉市、開封市、鄭州市、焦作市作為中原城市群重要的7個城市，同時被列為京津冀污染傳輸通道“2+26”城市，其大氣污染問題在河南省一直較為嚴峻[23-25]。為此，以河南省上述7個“2+26”傳輸城市作為重點區域來進行研究，在得到首要污染物和氣象數據的基礎上，分析了中原城市群重點區域首要污染物的日變化特征，采用相關分析、地理探測器模型來對氣象因子對首要污染物濃度日變化的影響進行了探討，以期為該區域的大氣污染治理措施提供理論依據。

1 資料來源與研究方法

1.1 資料來源與選取

研究使用的污染物數據來自河南省各地市環保局國控站點，氣象數據來自各地市地面觀測站，研究區域分布如圖1所示。污染物濃度數據來源于2017—2019年全年7大重點城市24 h連續監測數據，其中包括鄭州市、開封市、新鄉市、焦作市、安陽市、鶴壁市和濮陽市，各項指標含義詳見《環境空氣質量標準》(GB 30950—2012)。地面氣象要素連續觀測數據為全年逐時觀測數據，包括溫度T、氣壓P、相對濕度RH和風速WS。

1.2 研究分析方法

1.2.1 相關分析法

通過相關分析來揭示PM2.5、PM10、O3與氣象因子(平均氣溫、平均氣壓、平均相對濕度、平均風速)之間相互關系的密切程度。相關分析在SPSS 20.0軟件中完成。對于兩個要素x、y，如果其樣本值分別為xi、yi(i=1,2,…,n)，相關分析過程如下。

(1)計算兩個要素的樣本平均值

其計算公式為

(1)

(2)計算x、y之間的相關系數，計算公式為

(2)

(3)相關系數rxy為兩要素之間相關程度的統計指標，它的值介于[-1,1]，rxy>0，表示正相關；rxy<0，表示負相關。|rxy|越接近于1，表示兩要素之間關系越密切；越接近于0表示兩要素之間越不密切。

1.2.2 地理探測器模型

地理探測器是探測空間分異性，揭示其背后驅動力的一組統計學方法，可用于評估潛在因素與目標地理現象之間的非線性關聯。模型基本假設的核心思想是：如果某個自變量對某個因變量有重要影響，那么自變量和因變量的空間分布應該具有相似性。與傳統線性方法相比，地理探測器可以處理分類的解釋變量，解釋主導因子，也可以探測兩因子交互作用關系，其不受線性假設的限制，對共線性具有免疫[26-27]。

X和Y之間的空間關聯可通過q統計量進行測量，q統計量可定義為通過因子貢獻值的大小來反映各個因子對于大氣污染物的作用程度，用式(3)～式(5)計算

(3)

(4)

SST=Nσh

(5)

式中：h=1,2，…,L為因子X的類別；Nh和N分別為h類別和整個研究區域的樣本數量；SSW和SST分別為h類別和整個研究區域的方差和總方差之和；q的取值為[0,1]，q值越大，與臭氧濃度的相關程度越高。兩個X因子對臭氧濃度的交互作用也可以用q統計量來量化。

2 分析與結果

2.1 首要污染物的組成

根據2017—2019年首要污染物占比如圖2所示，污染物以PM2.5為主，占污染天數的47%，次為PM10比44%，O3占比為4%，因此以PM2.5、PM10、O3作為研究對象。

圖2 首要污染物占比Fig.2 The proportion of chief pollutants

2.2 首要污染物日變化特征

2.2.1 PM2.5日變化時間特征分析

2017—2019年中原城市群重點城市PM2.5小時質量濃度變化整體呈“雙峰”分布(圖3)。日最大值出現在8:00—9:00，為72 μg/m3，9:00—16:00濃度逐漸下降，到16:00到達日最小值為59 μg/m3，而后又升高，在1:00有一個小峰值為69 μg/m3。早晨7:00—8:00 PM2.5濃度上升與早高峰車流量有關，9:00過后的車流量減少使得PM2.5濃度下降，到16:00后又進入了車流量的晚高峰，導致PM2.5濃度又逐步上升，這說明白天PM2.5濃度質量受到車流量的影響較大。夜間由于溫度降低形成逆溫層，大氣湍流活動減少導致顆粒物不易擴散，使得PM2.5濃度高且穩定，此外，夜間的大排量活動，如夜市餐飲排放和貨車行駛也會導致氣溶膠濃度上升從而使細顆粒物增加[28-29]。除安陽市外，其余城市均完全達到PM2.5日平均值標準。中原城市群重點城市7個城市的PM2.5濃度日變化與總體趨勢大致相同。

圖3 中原城市群重點城市PM2.5濃度日變化Fig.3 Daily variations of PM2.5 concentrations in Central Plains Urban Agglomeration in 2017

2.2.2 PM10日變化時間特征分析

中原城市群重點城市PM10小時質量濃度平均值變化呈“三峰”分布(圖4)，一天中峰值出現在9:00、22:00和2:00左右，數值分別是128、123、23 μg/m3，PM10變化與PM2.5濃度日變化趨勢大致相同，受到白天車流量和夜間大排放活動影響[30]。除安陽市和焦作市以外，其余城市小時PM10濃度均達到PM10日達標平均值120 μg/m3。不同城市在0:00—9:00時段PM10濃度值相差較大，除濮陽市外，其余城市均有PM10濃度曲線處于平均曲線以上。

中原城市群各重點城市PM10的日變化特征呈“雙峰”和“三峰”分布，晚峰值出現時間與谷值也不相同，對相似的日變化曲線分析發現，曲線變化趨勢與山體位置阻攔和污染物自身濃度有關，且山體阻攔對PM10變化趨勢的影響大于污染物自身濃度對PM10變化趨勢的影響。濮陽市和開封市的PM10小時濃度都處于較低水平，PM10日變化趨勢呈“三峰”分布，晚峰值出現在凌晨2:00和夜間21:00；焦作市、新鄉市、鶴壁市日變化曲線呈“雙峰”分布，這三個城市在不同程度上都受到了山體阻攔的影響，其晚峰值出現在21:00—23:00；安陽市、鄭州市PM10日變化曲線呈“雙峰”分布，這兩個城市的PM10濃度處于較高水平，其晚峰值出現在2:00。

圖4 中原城市群重點城市PM10濃度日變化Fig.4 Daily variations of PM10 concentrations in Central Plains Urban Agglomeration

圖5 中原城市群重點城市O3濃度日變化Fig.5 Daily variations of O3 concentrations in Central Plains Urban Agglomeration

2.2.3 O3日變化特征分析

中原城市群重點城市O3小時質量濃度平均值變化如圖5所示，呈“單峰”變化。一天中，O3濃度最大值出現在16:00左右，濃度最小值出現在早上8:00左右，這與周賀玲等[31]、程麟鈞等[32]分析得到的O3日變化特征相似。O3濃度與光化學反應有關[33]，7:00—9:00的早高峰時期機動車尾氣排放量大，但此時太陽輻射較弱，前體物積累在大氣中，O3生成速率低，隨著太陽輻射增加加上大量前體物積累，O3大量生成，在16:00達到日最大值；夜間，隨著太陽輻射減少，光化學反應減弱，O3濃度不斷減少。中原城市群各重點城市O3小時濃度曲線均未超過O31小時達標值，且O3濃度變化趨勢相似。焦作、新鄉在7:00—12:00時段O3小時濃度上升值較大，可能是有大量前體物反應導致。

2.2.4 PM2.5、PM10、O3之間日變化特征分析

圖6 中原城市群重點城市PM2.5、PM10、O3濃度日變化Fig.6 Daily variations of PM2.5、PM10、O3 concentrations in Central Plains Urban Agglomeration

O3濃度日變化與PM2.5、PM10濃度日變化呈相反趨勢(圖6)，這與尚媛媛等[34]研究云貴高原城市在冬季時PM2.5和O3日變化趨勢相同，這可能是因為中原城市群重點城市PM2.5濃度大或者太陽輻射相對較弱，導致光化學反應受到抑制，使得PM2.5日變化與O3日變化呈現出云貴高原冬季出現的“蹺蹺板”現象。

英國皇室訂婚、結婚時的戒指基本都是藍寶石，尤其偏愛矢車菊藍寶石。矢車菊藍寶石在藍寶石里的地位，就相當于鴿血紅之于紅寶石，都是該類寶石中最頂級的存在。而如此出名的藍寶石即是產于緬甸。緬甸藍寶石又被稱為“東方藍寶石”，是一種極優質的“濃藍”微紫的寶石。它的透明度高、裂隙小，顏色能讓人聯想到天空、海洋，而緬甸抹谷出產的藍寶石更是被業界收藏家視為瑰寶。

進一步對PM2.5、PM10和O3做相關性分析，結果如表1所示。PM2.5、PM10和O3之間存在著顯著的相關關系，PM2.5和PM10呈正相關關系，O3與PM2.5和PM10呈負相關關系，PM2.5與O3的相關性更加強烈。PM2.5、PM10顆粒影響到達地面的太陽直接輻射量來影響光化學反應的進行。

表1 各污染物之間的相關性分析

此外，PM2.5、PM10與O3的負相關關系可能與顆粒物、O3的前體物也有一定的關系，O3的光化學反應如式(6)、式(7)所示。夜間不利于擴散的氣象因素和早晨車流量的排放積累了大量NO、NO2氣體[35]，PM2.5、PM10濃度上升，O3由于太陽輻射弱，加上大量NO抑制O3光化學反應[36]，使得O3濃度減少。

(6)

(7)

2.3 氣象成因分析

采用地理探測器分析氣象因素對于首要污染物的貢獻，從圖7可知：對O3日變化濃度影響從大到小的氣象因子依次是氣壓、溫度、相對濕度和風速，O3與氣象因素都呈正相關關系；對PM2.5和PM10日變化濃度影響從大到小的氣象因子依次是氣溫、氣壓、相對濕度和風速，氣象因子對PM2.5和PM10和都有負影響。為進一步分析氣象要素和污染物之間的相關性，將溫度、相對濕度、氣壓和風速根據大小不同進行劃分，并統計相應的平均污染物濃度，結果如表2所示。

圖7 污染物與氣象因子的q統計量和相關系數Fig.7 q statistics and correlation coefficients of pollutants and meteorological factors

2.3.1 溫度和氣壓對首要污染物濃度的影響

溫度和氣壓對污染物濃度的影響與相關性分析的結果基本相同，隨著溫度下降、氣壓上升，PM2.5和PM10濃度增加，O3濃度減少。地面均勻的弱高壓容易形成靜穩天氣[37]，加上地面低溫，有利于大氣逆溫層形成，導致大氣顆粒物難以擴散。

2.3.2 相對濕度對首要污染物濃度的影響

隨著濕度的繼續增加，PM2.5呈逐漸增加的趨勢，當RH≤80%時，濃度達到最大值；PM10濃度呈現出先增加后減少的趨勢，當70%≤RH≤80%時，濃度達到最大值。如表3所示，在RH≤80%時，對應的溫度最小，氣壓較高，在穩定的天氣條件下，低溫、相對高濕的條件下不利于顆粒物的擴散，且容易與其他污染物反應促成二次氣溶膠生成[38]。在相對濕度大且溫度大的情況下，由于粒徑大小不同，PM10更易于沉降，而PM2.5附在水汽上不利于擴散，降水對PM10的清除作用比PM2.5的清除作用更強[39-40]，表現在70%≤RH≤80%PM2.5濃度出現增加，PM10濃度繼續下降。

表2 氣象要素對應的污染物濃度

O3在40%≤RH≤50%，相對濕度中等低的條件下為濃度最高，隨著濕度繼續增加，濃度呈逐漸減少的趨勢。相對濕度通過影響云量大小來影響到達地面的太陽輻射大小，相對濕度小到達地面的太陽輻射大，且對應著較高的氣溫(表3)，有利于加速光化學反應，相對濕度大的情況下達到地面的紫外線少，從而延緩了光化學反應的發生[25]。

表3 相對濕度對應的氣象因子

2.3.3 風速對首要污染物濃度的影響

PM2.5、PM10在WS<1.5，低風速的條件下濃度最大，隨著風速增加，濃度PM2.5和PM10呈逐漸減少的變化趨勢。如表4所示，低風速對應了較高的相對濕度，這兩個穩定的條件不利于污染物的擴散。在2≤WS<2.5范圍內，風速的增加和溫度上升對顆粒物有一定的驅散作用。由于污染物粒徑的不同，在3≤WS時，PM2.5粒徑小易于擴散，濃度下降，而PM10粒徑大不易于移動，濃度繼續上升。

O3在3≤WS，大風速條件下濃度最大。風速增大可以抬高大氣邊界層，增大垂直對流運動，使得對流層頂高濃度O3向地面輸送，造成地面O3濃度不斷上升[41]，此外風速也使得前體物擴散速度增加，而NO擴散速度快于NO2的擴散速度[42]，使得O3的生成速率大于其分解速率，O3得以積累。風速的增加也會導致O3發生擴散，而研究區西部、西南部存在山體，起到一定的阻攔作用，對O3的擴散也存在一定的影響。

表4 風速對應的氣象因子

3 結論

(1)2017—2019年中原城市群重點城市大氣污染物主要以PM10、PM2.5、O3為主，其中PM10為主要污染物天數最多。PM2.5小時濃度日變化呈“雙峰”分布，主峰值出現在8:00—9:00，次峰值出現在1:00，谷值出現在下午16:00；PM10小時濃度日變化呈“三峰”分布，主峰值出現在9:00，第二峰值出現在22:00左右，第三峰值出現在2:00，主谷值出現在15:00，次谷值出現在0:00和5:00；O3小時濃度變化趨勢呈“單峰”分布，峰值出現在16:00，谷值出現在7:00左右。早晚行車高峰、夜間大排量活動的人為活動和山體位置阻攔會影響PM2.5、PM10濃度日變化趨勢，PM10的日變化趨勢還受到了污染物自身濃度大小的影響，O3日變化趨勢受到了太陽輻射和大氣顆粒物濃度的影響。

(2)在中原城市群重點城市中，氣溫、氣壓、相對濕度、風速4個氣象要素里，對PM2.5、PM10濃度影響從大到小依次是氣溫、氣壓、相對濕度、風速；對O3濃度影響從大到小依次是氣壓、溫度、相對濕度和風速。PM2.5、PM10與氣象因素主要呈負相關關系O3與氣象因素主要呈正相關關系。

(3)低溫、高壓、高濕和弱風的條件下有利于PM2.5的生成與積累；低溫、高壓、中等濕度、弱風的情況下有利于PM10的生成與積累；高溫、低壓、低濕、強風的情況下有利于O3的生成與積累。