汾渭平原大氣污染時空分布及相關因子分析

郝永佩 ，宋曉偉，趙文珺，向發敏

1. 山西財經大學資源環境學院，山西 太原 030006；2. 南京大學地理與海洋學院，江蘇 南京 210046；

3. 山西財經大學經濟學院，山西 太原 030006；4. 天津天樂國際工程咨詢設計有限公司，天津 300202

改革開放以來，中國經濟經歷了幾十年持續穩定的發展，取得了舉世矚目的成就，但同時也付出了巨大的環境代價，大氣污染已逐漸成為中國一個突出的環境問題（Kaise，2005；Xu et al.，2020）。特別是近年來霧霾等區域重污染天氣頻發，不僅使大氣能見度下降，影響了人民正常的社會生活秩序，也危害了公眾的健康與安全，給社會經濟發展造成了一定的損失（謝楊等，2016）。相關研究表明大氣污染對人體健康的負面效應異常顯著（Kaise，2005；Xu et al.，2020；謝蓉，2017），且污染物濃度的變化除了與人為排放量有關外，還受到氣象條件的影響。因此，探討大氣污染物的時空變化特征及其對人口暴露的影響，對國家相關部門頒布和實施針對性的污染防控措施具有重要意義。

近年來，針對大氣污染物的時空分布、區域傳輸和人口暴露等各方面的研究，主要關注于京津冀、長三角和珠三角等大氣污染重點防控區域（Fan et al.，2020；Li et al.，2020；彭玏等，2019；趙輝等，2020），主要圍繞顆粒物以及臭氧（O3）等重點污染物（蔣超等，2018；周驥等，2018；張小娟等，2019），從時間尺度上對其年、季、月變化特征以及空間傳輸特征等展開分析（張晶等，2019；沈楠馳等，2020）；在針對污染物變化特征影響因子的定量分析中，主要考慮氣象因素、地形特征、產業布局、地理位置以及工業污染占比等（劉超等，2017；賈小芳等，2019）。研究發現大氣污染具有典型的區域性和復合性特征（Shao et al.，2006；曹寧等，2019），不同區域大氣污染物時空變化特征差異明顯，影響因子在不同城市群的相互影響及響應也相對復雜（賈小芳等，2019）。汾渭平原作為未來國家空氣質量改善的焦點區域，其大氣污染問題日益突出，也逐漸引起學者們的關注。例如，解淑艷等（2021）利用空氣質量監測數據，發現 2015—2019年汾渭平原11個城市O3平均濃度總體呈升高趨勢，O3濃度呈現春夏季高、秋冬季低的特點；秦卓凡等（2021）基于觀測數據和空氣質量指數（AQI），分析了汾渭平原 AQI及大氣污染物質量濃度的時空分布特征，發現污染較重的城市為西安、渭南、咸陽、臨汾、運城、三門峽和洛陽市，重污染時期主要集中在天氣條件不利及污染物排放量較大的冬季供暖期。以上這些研究對于了解汾渭平原大氣污染特征具有重要的借鑒意義。然而，對于汾渭平原大氣污染物還缺乏多時間尺度、多污染物的系統性研究，其污染特征與相關影響因子之間的關聯性還有待定量分析，這些不足制約了區域大氣污染防控協同作用的發揮。

基于此，本研究收集測算 2014—2020年汾渭平原11個城市污染物 PM2.5、PM10、NO2、CO、SO2和O3_8 h_max濃度數據以及同期氣象數據，從時間變化、空間分布等方面開展分析，并同中國三大重污染區域進行對比研究，在此基礎上評估污染物濃度數據與相關因子（氣象因子與人口暴露數量）之間的關聯特性。本研究對全面系統地研究汾渭平原污染物濃度變化特征及其與相關因子的關系，制定有針對性的污染防控措施具有重要意義，為開展區域大氣污染防控的協同治理提供重要的數據理論支撐。

1 研究方法

1.1 研究區域

汾渭平原位于山西省、河南省和山西省交界處，是黃河流域汾河平原、渭河平原（又稱關中平原）及臺塬階地的總稱，包括山西省呂梁、晉中、臨汾、運城市，河南省洛陽、三門峽市，陜西省西安、寶雞、渭南、咸陽、銅川市的11個地市，總面積約 7.0×104km2。2020年，汾渭平原常住人口5.1045×104人，地區生產總值 2.9485×1012元。汾渭平原屬于暖溫帶半濕潤氣候，雨熱同期，年均氣溫4—15 ℃，年降水量500—800 mm。

1.2 數據來源

2014—2020年污染物 PM2.5、PM10、NO2、CO、SO2和 O3_8 h_max質量濃度數據來源于中國環境監測總站發布的全國城市空氣質量實時數據。汾渭平原11個城市共有63個國控環境空氣質量監測點位（圖1），該數據主要包括污染物PM2.5、PM10、NO2、CO、SO2和O3_8 h_max實時濃度數據和空氣質量指數（AQI），由于數據缺失，其中晉中、呂梁和運城市數據采集時間為2015—2020年，其余8個城市采集時間為2014—2020年。汾渭平原11個城市 2014—2020年常住人口數據來自于各城市統計年鑒（http://data.stats.gov.cn/index.htm）。2014—2020年汾渭平原11個城市氣象數據（氣溫、相對濕度、日照時數、降水、風速、氣壓和混合層高度等數據）來自于國家氣象信息中心網。

圖1 汾渭平原空氣監測站點分布圖Figure 1 Distribution of air monitoring stations in Fenwei Plain

1.3 研究方法

數據收集過程會受到各種不同因素的影響，當污染物濃度數據存在缺漏或異常時，剔除異常數據，然后對缺失數據通過線性插值法進行補缺。《環境空氣質量標準》（GB 3095—2012）規定污染物O3日最大8小時（O3_8 h_max）平均質量濃度大于160 μg·m-3認定為O3濃度超標，因此，污染物O3污染特征通過O3_8 h_max濃度數據予以分析。污染物PM2.5、PM10、NO2、CO和SO2的年均值是指研究年份所有日期日均值的算術平均值，月均值為研究月份所有日期日均值的算術平均值，日均值是每天24小時每個小時濃度的算術平均值，而污染物O3_8 h_max的年均值是指研究年份所有日期 O3_8 h_max的算術平均值，月均值指研究月份所有日期O3_8 h_max的算術平均值。

區域內相鄰城市的大氣污染構成及排放水平也比較相近，同時也容易受類似氣象環境的影響，導致AQI數值出現相似的短期波動，即存在空間自相關。因此，為了解汾渭平原大氣污染空間集聚特征，采用全局和局部空間自相關方法進行研究，從而揭示不同城市空氣質量的空間聯系。檢驗某一參數的空間上相鄰屬性值是否顯著相關的重要指標即為空間自相關（賀冉冉等，2017），相關性劃分為：“低-低”、“高-高”、“低-高”、“高-低”和“不顯著”。區域整體上通過全局自相關來描述 AQI數值的空間分布集聚，而可能出現的空間異變則運用局部自相關測度。全局自相關使用Global Moran’s I表示，公式如下：

當Moran’s I數值介于[-1, 1]之間，數值越接近1，表示相似屬性的空間單元越集中；越接近-1，表示相異屬性的空間單元越集中；而數值接近 0，則代表屬性為無集聚特性的隨機分布。yi與yj為空間樣本單元的屬性值；m為所研究的空間樣本數量；Qij表示空間單元的鄰近關系，為空間權重的系數矩陣， 表示樣本的平均數值。對局部自相關采用Getis-OrdG*j模型研究區域內部的空間異質性，從而確定O3_8 h_max濃度的熱點與冷點區域。公式如下：

在對相關影響因子分析中，考慮到污染物的構成及變化特征，本研究采用Pearson相關系數法分析汾渭平原污染物濃度數據與各類氣象因子的相關關系。Pearson相關系數是用來研究兩個變量之間線性相關的程度（存在正態或近似正態的特征）（徐維超，2012），計算公式如下：

式中：

Tq——皮爾森相關系數；

m——研究所需的氣象因子取值；

n——氣象因子所對應的污染物濃度數據。

2 結果與討論

2.1 汾渭平原大氣污染物的時間變化

2.1.1 年際變化趨勢

汾渭平原 PM2.5、PM10、NO2、CO、SO2和 O3_8 h_max年際質量濃度變化箱式圖如圖 2所示。2017—2020年汾渭平原污染物PM2.5、PM10、NO2、CO和SO2年均質量濃度在個別年份有所波動，但整體上仍呈現下降趨勢，年平均質量濃度分別下降3.66、5.92、0.43、0.14、4.61 μg·m-3。2020 年顆粒物PM2.5和PM10年均質量濃度相對于2014年分別下降31.26%和29.25%。PM2.5主要來源于二次污染，汾渭平原 PM2.5與 PM10年均質量濃度比值介于55.16%—57.85%，表明 PM2.5占 PM10比重較大。2014—2017年污染物 NO2年均質量濃度呈緩慢上升趨勢，由 37.52 μg·m-3上升到 44.55 μg·m-3，增幅為18.74%，之后開始逐年下降，年均下降率為7.7%。2014—2020年污染物 SO2年均質量濃度呈現先增加后下降的趨勢，由2014年的39.8 μg·m-3增加到2016 年的 42.53 μg·m-3，之后下降趨勢明顯，到 2020年下降至 12.16 μg·m-3，該值相對于 2016年降低71.41%。而汾渭平原O3_8 h_max與別的污染物不同，其年均質量濃度整體呈現上升趨勢，2020年相對于2014年增加32.39%，是所有污染物中年均質量濃度上升幅度最大的污染物。綜上所述，近年來汾渭平原大氣污染形勢逐步好轉，但 O3污染問題依舊突出，在未來的大氣污染防控中應予以重視。對汾渭平原AQI指數的年際變化分析，2014年AQI的年平均值為105，到2017年上升到最高值111，之后呈波動下降趨勢，到2020年下降至最低值89，空氣質量指數年際變化有所波動，且近幾年空氣質量逐步改善（圖3）。

圖2 2014—2020年汾渭平原大氣污染物的年際變化Figure 2 Interannual variations of air pollutants in Fenwei Plain from 2014 to 2020

圖3 汾渭平原AQI長序列變化趨勢Figure 3 Long-term trends of AQI sequences in Fenwei Plain

2.1.2 月變化規律

汾渭平原污染物PM2.5和PM10月均質量濃度變化趨勢大致相同，呈現出冬春季高、夏季低的特點，總體呈“V”字型分布（圖4）。2015—2016年污染物PM2.5和PM10月均質量濃度最高值出現于12月，2017—2020年則均出現于1月，且不同年份質量濃度最高值呈現波動變化，之后污染物月均質量濃度均呈下降趨勢，7—9月最低。汾渭平原冬春季PM2.5和 PM10污染較嚴重，主要與較大的污染源排放強度和相對靜穩的大氣條件有一定關系（Wang et al.，2014），其中3月PM10濃度較高，與春季北方頻繁發生的沙塵天氣有一定關系（Lee et al.，2006）。

圖4 2014—2020年汾渭平原大氣污染的月變化圖Figure 4 Monthly variations of air pollutants in Fenwei Plain from 2014 to 2020

污染物NO2月均質量濃度呈現出冬季高、夏季低的趨勢，高值出現在11、12、1月，月均質量濃度變化區間為 36—63.18 μg·m-3，之后呈現下降趨勢，7月下降到最低。相關研究表明夏季大氣環流活動比較頻繁，植被生長旺盛，降水多，降水的沖刷作用使污染物NO2沉降于樹木冠層、水體表面和地面，因此夏季污染物NO2濃度較低（Lee et al.，2012）。

2014—2020年污染物CO月均質量濃度呈現出明顯的季節性差異，表現為冬季＞秋季＞春季＞夏季，季節平均質量濃度值分別為1.91、1.25、1.18、0.99 μg·m-3。冬春季CO質量濃度較高與北方冬季采暖、工業及機動車污染物的排放有一定關系（Ma et al.，2019），并且北方冬季氣溫較低、大氣穩定度較高、太陽輻射弱等諸多條件均不利于污染物CO的擴散及濃度的降低。

工業生產和化石能源燃燒是污染物SO2產生的主要原因（Adame et al.，2012）。汾渭平原2014—2020年12、1、2月污染物SO2月均質量濃度較高，變化區間為 15.18—105.63 μg·m-3，與冬季采暖燃煤大量使用有關；之后月份均呈現下降趨勢，7—8月達到最低值，均低于國家環境空氣質量一級標準（20 μg·m-3），與污染源排放強度減弱及夏季大氣環流旺盛有一定關系（Meng et al.，2010）。

2014—2020年污染物O3_8 h_max月均質量濃度變化趨勢表現出明顯的倒“V”字型，該趨勢與其余污染物恰好相反，月均質量濃度自1月開始上升，到 6—7月達到最高值，之后月份開始下降；O3_8 h_max月均質量濃度呈季節性特征，高低順序為夏季＞春季＞秋季＞冬季，季節平均質量濃度分別為134.46、105.26、71.04、51.49 μg·m-3。污染物 O3的生成與前體物的排放、太陽輻射和溫度等氣象條件密切相關，夏季溫度高、輻射強、光化學反應強烈，而前體物NOx和VOCs等在強烈的光化學反應下極易形成O3；而冬季O3_8 h_max月均濃度較低，主要原因為冬季多靜穩天氣，顆粒物濃度增加使太陽輻射強度減弱，限制了光化學反應從而抑制了污染物 O3的生成（Zhao et al.，2018）。

2.1.3 與中國三大重污染區域污染特征對比分析

中國不同區域地形氣候條件差異明顯，大氣污染也表現出不同的時空變化特征，不同類型區域的大氣污染特征受空間異質性影響顯著（寧貴財，2018）。京津冀、長三角、珠三角和汾渭平原為中國四大主要污染防控區，這些區域地區跨度大，大氣環流特征和地形條件差異明顯。對四大區域大氣污染特進行對比分析，可加深對汾渭平原大氣污染特征的認識。

2014—2020年中國四大區域污染物 PM2.5、PM10和SO2月均質量濃度變化特征（圖5）表明，四大區域PM2.5、PM10和SO2月均質量濃度總體呈現冬季高、夏季低的特點，PM10春季質量濃度也相對較高，與春季多沙塵天氣有關。珠三角地區PM2.5、PM10和SO2月均質量濃度最低且呈逐年下降趨勢，從2015年春季和2018年冬季開始，PM2.5和PM10月均質量濃度均低于國家環境空氣質量二級標準限值（分別為 35 μg·m-3和 70 μg·m-3）；研究期間內SO2月均質量濃度低于《環境空氣質量標準》（GB 3095—2012）一級標準限值（20 μg·m-3）。長三角地區3種污染物質量濃度均值總體呈現下降趨勢。京津冀和汾渭平原污染物 SO2月均質量濃度在2014—2016年呈上升趨勢，并在2016年12月達到峰值，之后呈現顯著下降趨勢，但是汾渭平原PM2.5和 PM10濃度卻呈現波動上升趨勢，說明汾渭平原污染物PM2.5和PM10減排形勢嚴峻。

圖5 2014—2020年中國四大污染區域大氣污染物月變化特征Figure 5 Monthly variations of air pollutants in four regions of China in 2014-2020

2014—2020年中國四大區域污染物NO2和CO月均質量濃度呈現秋冬季高、夏季低的特點，京津冀和汾渭平原NO2和CO月均質量濃度高于長三角和珠三角地區。2014年開始各區域總體呈現上升趨勢，污染物 NO2質量濃度在 2016年 12月達到峰值，而污染物CO質量濃度在2017年1月達到峰值，汾渭平原、京津冀、長三角、珠三角分別為2.37、2.66、1.14、1.12 mg·m-3；之后呈下降趨勢，長三角和珠三角地區處于持續低污染濃度水平，而汾渭平原和京津冀地區也呈現出較明顯的下降趨勢。

2014—2020年中國四大區域污染物O3_8 h_max月均質量濃度呈現夏季高，冬季低的特征，但珠三角地區季節變化趨勢不明顯且季節內波動較大。

京津冀和汾渭平原污染物 O3_8 h_max月均質量濃度夏季最高值總體高于長三角和珠三角地區，但是冬季最低值低于長三角和珠三角地區，說明京津冀和汾渭平原污染物 O3減排形勢嚴峻，而長三角和珠三角地區的 O3污染也不容忽視；四大區域O3_8 h_max月均質量濃度年際變化總體呈現波動上升變化特征，個別地區有下降趨勢，但下降幅度有限，總體形勢不容樂觀，因此，未來對污染物O3的減排工作不容松懈。

2.2 汾渭平原大氣污染物的空間分布

對污染物空間分布特征開展分析（圖6），汾渭平原污染物PM2.5、PM10和NO2空間分布格局呈現南高北低的分布特征，這可能與南部城市工業發達、重化工企業較多，以及南部秦嶺山脈阻擋，不利于污染物擴散有關（黃曉軍等，2020）；而污染物CO和 SO2則呈現出中北部城市較高，南部較低的特征，與中北部城市產業結構偏重，火電、鋼鐵、焦化等行業企業數量多有關。然而，污染物 PM2.5、PM10、NO2、CO和SO2的變化率在空間上呈現一定的差異性。汾渭平原11個城市污染物PM2.5、PM10、CO和SO2總體呈下降趨勢，其中，PM2.5和PM10下降率在空間分布上大致相同，以銅川和三門峽市下降趨勢較顯著，呂梁市CO和三門峽市SO2下降最為明顯，而污染物NO2則呈先上升后下降的趨勢。汾渭平原2014—2016年O3空間分布呈南高北低的特點，但2017—2020年空間分布卻表現出與之相反的特征，11個城市總體呈現波動上升趨勢，其中臨汾、晉中和運城市上升趨勢顯著。

圖6 2014—2020年汾渭平原大氣污染的空間分布圖Figure 6 Spatial distributions of air pollutants in Fenwei Plain from 2014 to 2020

續圖6 2014—2020年汾渭平原大氣污染的空間分布圖Continued figure 6 Spatial distributions of air pollutants in Fenwei Plain from 2014 to 2020

采用空間自相關對汾渭平原各城市逐年 AQI空間分布的集聚特征進行分析（表 1），2014年Moran’s I指數最低值為0.289，T值為3.214，每一年全局自相關Moran’s I和T值均通過了0.05的顯著性檢驗，反映出AQI數值在空間上呈集聚性特征。對局部集聚模式與特征分析，高-高聚集分布于西安、咸陽、臨汾和洛陽等地，低-低聚集則主要分布于呂梁、寶雞和銅川等地，而其余聚集類別均未通過顯著性檢驗。

表1 汾渭平原不同年份AQI空間自相關分析Table 1 AQI spatial autocorrelation analysis of Fenwei Plain in different years

2.3 PM2.5與O3_8 h_max的人口暴露

根據污染物PM2.5和O3_8 h_max國家環境空氣質量二級標準限值，將 2014—2020年汾渭平原PM2.5和O3_8h_max年均質量濃度分別劃分為6個和7個區間，并分析不同濃度區間的面積及人口占比情況。

2.3.1 PM2.5質量濃度區間面積及人口暴露數量占比分析

對污染物PM2.5不同質量濃度區間的面積占比情況開展分析（圖7），結果顯示：（1）僅在2020年存在 PM2.5年均質量濃度低于 35 μg·m-3的區域（13.77%），其余年份均高于 35 μg·m-3；（2）2015—2017 年 PM2.5年均質量濃度均高于 45 μg·m-3，2014年整個汾渭平原 PM2.5年均質量濃度更是高于 55 μg·m-3，各分區占比（從低到高）為 20.22%、59.53%和20.23%，表明這幾年整個汾渭平原PM2.5污染水平均較高；（3）從 2018年開始，低于 45 μg·m-3的區域面積占比分別為28.11%、13.77%和26.99%，并且不存在高于75 μg·m-3的區域，汾渭平原PM2.5年均質量濃度逐年降低。

圖7 2014—2020年汾渭平原PM2.5質量濃度區間面積（左）及人口暴露數量（右）占比變化Figure 7 Changes of PM2.5 annual concentration by range and population exposure in Fenwei Plain from 2014 to 2020

根據汾渭平原污染物PM2.5年均質量濃度區間劃分情況，對不同濃度區間人口暴露數量占比情況開展分析。僅在2020年，汾渭平原有6.76%的人口暴露于年平均 35 μg·m-3以下的質量濃度中，其他年份人口均暴露于 35 μg·m-3以上的年均質量濃度中，特別是2014年汾渭平原人口均暴露在高于55 μg·m-3的年均質量濃度中；2015—2017年人口暴露于最低濃度區間 45—55 μg·m-3的比例逐年上升（7.73%—13.92%）；從2018年開始，汾渭平原人口均暴露在低于 75 μg·m-3的污染物濃度中，特別是2018年和 2020年人口暴露濃度最高值均低于 65 μg·m-3。雖然近年來污染物PM2.5濃度逐年降低，但是距國家環境空氣質量二級標準限值 35 μg·m-3還有很大的差距。

對污染物 PM2.5不同質量濃度區間面積及人口暴露數量占比情況分析得出，雖然污染物 PM2.5質量濃度在 55 μg·m-3以下的區間面積較廣，但人口主要集中暴露在高于55 μg·m-3的年均質量濃度中，呈現出高密度人口集中分布于污染物質量濃度高值區的特征。

2.3.2 O3_8 h_max質量濃度區間面積及人口暴露數量占比分析

對不同污染物O3_8 h_max質量濃度區間的面積占比情況分析可得（圖8）：（1）僅在2015年存在 O3_8 h_max年均質量濃度低于60 μg·m-3的區域（13.77%），其余年份均高于 60 μg·m-3；雖然 2014年和 2015年年均質量濃度均低于 90 μg·m-3，但80—90 μg·m-3區域面積呈增加趨勢，由占比 14.12%增加到28.48%；（2）2016年高O3_8 h_max質量濃度區間面積比例持續增加，高于 90 μg·m-3的區域面積占比達到46.33%，表明O3污染程度在不斷加重；（3）2017—2020年O3_8 h_max質量濃度區間的面積占比分布均高于80 μg·m-3，進一步說明了近年來汾渭平原O3的高污染性和持續性。

圖8 2014—2020年汾渭平原O3_8 h_max質量濃度區間面積（左）及人口暴露數量（右）占比變化Figure 8 Changes of O3_8 h_max annual concentration by range and population exposure in Fenwei Plain from 2014 to 2020

對人口暴露數量占比開展分析，僅在2015年，汾渭平原有 7.73%的人口暴露于 60 μg·m-3以下的O3_8 h_max年均質量濃度中，其他年份研究區域人口均暴露于60 μg·m-3以上的年均質量濃度中；2014年和2015年汾渭平原人口均暴露于低于90 μg·m-3的年均質量濃度中，但 80—90 μg·m-3的年均質量濃度人口暴露占比呈增加趨勢，由 8.39%增加到30.51%；2016年人口暴露于高濃度區間的比例不斷增加，高于 90 μg·m-3的年均質量濃度人口暴露占比達到48.23%；隨著污染物O3_8 h_max年均質量濃度逐年上升，2017—2020年汾渭平原人口均暴露在高于 80 μg·m-3的質量濃度中。

進一步對污染物O3_8 h_max不同質量濃度區間面積及人口暴露數量占比分析可知，汾渭平原污染物O3_8 h_max不同質量濃度區間面積占比與人口暴露數量占比并不完全一致，尤其是在各年份的高質量濃度占比中，區域占比要略高于區域人口數量占比，結合前文分析結果，2014—2020年汾渭平原11個城市中，晉中、臨汾和運城市O3污染較為嚴重，相對應城市面積占比較高（占汾渭平原總面積的 33.3%），而汾渭平原人口卻集中分布于 O3_8 h_max濃度相比于中北部城市稍低的西南部城市（如西安市）。雖然目前汾渭平原高密度人口并未完全分布于高O3污染區，但胡琳等（2021）的研究表明西安市 2014—2019年 O3污染呈上升態勢且 O3濃度高值區持續時間長，未來汾渭平原西南城市也應該注重O3污染的暴露風險。

2.4 與氣象因素的關系

大氣污染物濃度除了與當地經濟發展狀況、社會活動水平等因素有關外，也會受到氣象條件的影響。對汾渭平原六種污染物濃度與氣象因子進行相關性分析得出，污染物與平均氣溫、降水以及氣壓關系較為密切，污染物PM2.5、PM10、CO和O3等與氣象因子的相關性均通過了0.01的顯著性檢驗，除與降水呈現負相關性之外，與其他氣象因子的相關關系均呈現出不同特征（表2）。

表2 汾渭平原年尺度主要污染物與氣象因子的相關關系Table 2 Correlations of main pollutants with meteorological factors in Fenwei Plain

平均溫度與主要污染物的相關性最強，與污染物PM2.5、PM10、NO2、CO和SO2呈現出顯著的負相關性，而與O3則表現出正相關性。一方面氣溫升高使大氣的不穩定性增強，從而提升了污染物的擴散能力，另一方面由于夏季溫度高、輻射強、光化學反應強烈，前體物NOx和VOCs等極易形成O3。日照時數與氣溫聯系密切，因此與污染物濃度的關系表現出類似的特征。相對濕度對于污染物的吸濕沉降和二次轉化作用顯著，但對PM2.5和CO作用卻不明顯，較高濃度的PM2.5和CO多產生于冬春季節，這些季節大氣層穩定，較高的相對濕度反而會促使顆粒物附著于水汽上使濃度上升。當地面受到低壓控制時，上升氣流形成使顆粒物發生擴散而降低其濃度，而地面受到高壓控制時，顆粒污染物擴散受抑制，濃度上升，且其他非顆粒污染物受到的影響有限。而風速對于大氣邊界層內穩定度的影響顯著，不同風速也決定了污染物的清除效率與輸送效率，其作用機理較為復雜，當風速較小時大氣保持穩定，不利于污染物的水平或垂直擴散，從而導致污染物積聚；隨著風速的不斷增大，易發生擴散和稀釋效應，污染物濃度下降，但污染物CO和SO2與風速相關性不顯著。

3 結論

（1）2014—2020年汾渭平原污染物 PM2.5、PM10、NO2、CO和 SO2年均質量濃度整體上呈現下降趨勢，而污染物O3卻呈現上升趨勢，O3污染問題日益嚴重。季節變化上，PM2.5、PM10、SO2、CO以及NO2月均質量濃度呈冬高夏低的特征，而O3_8 h_max呈夏高冬低的特征，這種季節變化與排放源、化學反應以及氣象因素等有關。

（2）2014—2020年京津冀和汾渭平原六大污染物月均質量濃度總體高于長三角和珠三角地區，汾渭平原各污染物減排潛力大，尤其是要關注污染物PM2.5、PM10和O3的減排。

（3）不同污染物的空間分布變化存在差異，PM2.5、PM10和NO2呈南高北低的特征，而污染物CO和SO2則呈現相反特征，并且隨時間推移各城市污染緩解明顯；2014—2016年南部地區O3污染較嚴重，而2017—2020年北部城市臨汾、晉中和運城市O3上升趨勢顯著。

（4）汾渭平原PM2.5污染呈現出高密度人口集中分布于污染物濃度高值區的特征；隨著O3_8 h_max年均質量濃度逐年上升，汾渭平原人口暴露在高濃度O3污染中的比例逐年上升，因此應更為關注人口較為密集區域的大氣污染防治工作。綜合氣象因子分析，污染物濃度與氣溫的相關性最為顯著，各污染物與降水之間呈現負相關性，而與氣溫、相對濕度、氣壓、風速和日照時數的相關關系各不相同。