長沙某區域空氣污染成因分析

黃剛

長沙市雨花生態環境監測站，湖南 長沙 410019

大氣環境質量深刻影響廣大人民群眾的身體健康，國家與地方政府對此高度重視。長沙位于地勢低洼處，在無降水或氣候突變時天氣以靜穩為主，易產生污染物積聚，形成污染天氣。為此，當地政府制定了相應的措施，嚴控大氣污染物的排放。控制大氣環境污染必須掌握大氣污染的產生原因，才能有的放矢，達到防控效果。

當前，眾多研究者從不同角度對大氣污染進行了分析。例如在四川盆地這樣的大區域范圍內，李夢真等系統分析了大氣中PM2.5的產生原因，他們認為影響四川盆地PM2.5濃度的主要氣象因子是風速和氣溫，人口密度與經濟規模則是影響盆地PM2.5濃度的主要人類活動因子，另外，產業結構及其規模變化對PM2.5濃度也會產生一定影響［1］。又如在合肥市區的小區域內，趙楠等分析了合肥市大氣污染物的時空變化特征與影響因素，研究顯示PM2.5、PM10、NO2、SO2、CO 等污染物濃度的變化趨勢與溫度呈負相關，O3濃度的變化趨勢與溫度呈正相關［2］。而在哈密市區，韓友虎對大氣中的PM10與PM2.5變化特征進行了分析，他認為PM10與PM2.5的濃度呈現季節性變化，并存在線性關系，這為哈密市的PM10與PM2.5的控制提供了一定的理論支持［3］。目前，對長沙及其周邊城市大氣污染的研究也不少。例如，賈海鷹等分析了長沙市城區O3濃度的變化，確定了長沙市O3的時空變化規律［4］；羅岳平等分析了長沙大氣中PM2.5和O3質量濃度的相關性，認為兩者之間的相關性不強，還發現O3濃度峰值一般出現在溫度高、光照強度大的午后，而PM2.5最高值一般出現在上午［5］；陳勇等則分析了長沙霾日數的變化及氣象因子對霾日的影響，認為氣候變暖、風力稀釋擴散能力減弱、降水減少是霾日數激增的原因［6］。這些針對長沙區域內大氣污染狀況的分析為長沙大氣污染的防控提供了理論支持。

但目前較多研究的重點是探尋各地大氣污染因子在時空方面呈現的規律，研究的對象也往往是單個污染因子，對污染產生原因的綜合性分析略顯不足，也難以從整體上呈現大氣污染特性。另外，也很少有研究提出針對性的管控方案。為此，我們在2021 年3 月至2022 年2 月期間對長沙某區域內PM2.5、PM10、O3、NO2、SO2、CO、有機污染物等大氣污染因子進行了跟蹤監測，通過分析污染因子的影響因素、組成、相關性與成因，整體上對該區域的大氣環境污染的形成進行綜合評價，掌握該區域大氣污染規律，為今后該區域大氣污染的預警與控制提供理論依據。

1 材料與試驗

1.1 主要儀器

顆粒物監測儀，來自賽默飛世爾科技有限公司；環境空氣顆粒物元素成分分析儀、環境空氣氣態污染物分析儀、環境空氣揮發性有機物氣相色譜監測系統、一氧化碳分析儀、臭氧分析儀等均來自力合科技股份有限公司。

1.2 分析方法

臭氧采用紫外光度法檢測；一氧化碳采用氣體濾波相關紅外法檢測；二氧化硫采用紫外熒光法檢測；氮氧化物采用化學發光法檢測；非甲烷總烴、芳香烴、烷烴、烯烴等采用GC-FID 法檢測；銨根、硫酸根、硝酸根等采用離子色譜法檢測；OC（有機碳）、EC（元素碳）等采用熱光法檢測；地殼元素、微量元素等采用XRF 法檢測；PM2.5與PM10采用β 射線法檢測。

1.3 試驗方法

監測長沙某區域內大氣中PM2.5、PM10、O3、NO2、SO2、CO、有機污染物等大氣污染因子的濃度，分析顆粒污染物、有機污染物成分。進行數據與關聯性分析，確定顆粒污染物、有機污染物、O3等的形成原因。

2 結果與討論

2.1 氣候氣象條件對污染因子的影響分析

氣候氣象條件對大氣中的污染物具有較大影響［7-9］，因此我們首先以全年監測數據為依據，分析氣候氣象條件對大氣污染因子的影響。以O3為例，該區域4~9 月的月均溫度大多在20℃以上，溫度偏高，該時段是O3污染高發時段。特別是4、5、8 月濕度又偏低，更是O3污染的主要發生月份。該區域全年O3濃度超標15 天，其中4月份6 天，5 月份5 天，8 月份3 天。以顆粒污染物為例，該區域2021 年11、12 月以及2022 年1 月3 個月份降雨量少，溫度與濕度都較低，自凈能力差，受北方傳輸影響，區域內PM2.5污染較重。全年而言，該區域整體風速偏小，均處于一級風以下，水平擴散條件不佳，以靜穩狀態居多，易導致污染積聚，從而形成污染天氣。而一些月份的污染物監測數據低，主要是由于較大降雨量對污染物清除效果較好。

2.2 污染因子成因分析

2.2.1 顆粒污染物成因分析

一年期間大氣中PM2.5的排放總量與組成如圖1、圖2 所示。

圖1 PM2.5 排放總量

圖2 PM2.5 全年的組分占比

從PM2.5排放總量來看，該區域全年的PM2.5濃度較低，大多數月份月均濃度在38 μg/m3以下。其中8~9 月濃度最低，僅在20 μg/m3左右，這主要是由于8~9 月溫度較高，垂直擴散條件較好。另外，9~10 月期間整體降雨量較大、濕度較高，這帶來了良好的污染物清除效果，因此PM2.5濃度較低。11~12 月期間PM2.5濃度開始大幅升高，11 月濃度為35.69 μg/m3，12 月猛增至70.96 μg/m3，這是秋冬季擴散條件不佳與北方污染傳輸影響共同導致的。

由圖2 可知，該區域PM2.5各組分全年的占比情況為OC（34.0%）＞硝酸根（19.9%）＞硫酸根（13.8%）＞銨根（13.1%）＞地殼元素（11.2%）＞元素碳（4.0%）＞其他（2.9%）。OC/EC 為8.5。OC 主要來自污染源直接排放的一次有機碳和揮發性碳氫化合物經過光化學反應形成的二次有機碳。EC 主要來源于生物質和化石燃料的不完全燃燒。通常認為OC/EC 值高于2.0，大氣中存在二次污染，因此可知該區域顆粒污染物主要來源于機動車和焚燒［10-11］。另外，硝酸根和銨根占比之和達33%，表明道路移動源對該區的顆粒污染物貢獻也較大；硫酸根占比為13.8%，說明焚燒源對該區域PM2.5的貢獻同樣不可忽視。

研究還對四季的OC/EC 比值進行了分析，結果如表1 所示。

表1 OC/EC 比值數據

由表1 可知，OC/EC 比值秋季比春夏季高，造成這種季節變化特征的主要原因是，在秋季仍有部分居民焚燒化石燃料取暖以及農民焚燒秸稈，含碳污染物排放比較嚴重，并且秋季風速和溫度較低，易形成逆溫，不利于污染物的擴散和被稀釋。而夏天風速較大，雨水較多，有利于污染物的擴散和清除，使OC/EC 數值較低。

研究還分析了每個月份的PM2.5的組成。以PM2.5濃度升幅最為明顯的12 月為例，隨著氣溫降低，除硝酸根、硫酸根等二次無機水溶性離子出現大幅升高外，OC、EC 也均出現不同程度的升高。因OC、EC 源于機動車和燃燒，結合硫酸根等離子的同步上漲，可進一步證明該區域秋冬季的顆粒污染物主要來源于焚燒源與機動車。

2.2.2 有機污染物成因分析

芳香烴、烷烴、烯烴為大氣有機污染物的主要組成部分，其全年濃度變化以及組成如圖3、圖4 所示。

圖3 大氣有機污染物濃度變化

圖4 大氣有機污染物中的烴類占比

由圖3 可知，5 月有機污染物濃度最高，達964.2ppb，這可能與復工復產以及平均溫度明顯上升等有關。7 月至8 月中旬有機污染物濃度呈下降趨勢，這主要是因為降雨量增大，空氣中部分有機污染物被有效沉降。8 月下旬至10 月上旬雖降雨量有所減少，但隨著氣溫的降低，空氣中的有機污染物揮發性減弱，有機污染物濃度仍處于較低水平。9~11 月有機污染物濃度基本一致，均在450ppb 左右，這與期間整體氣候條件較為一致存在一定關聯。11~12 月有機污染物濃度整體呈上升趨勢，且主要表現為烷烴類物質含量的升高，這與冬季氣溫降低，城市取暖所用的化石燃料燃燒（包括燃煤）有關。就占比情況（見圖4）而言，該區6~12 月烴類濃度占比為烷烴（61.1%）＞芳香烴（27.8%）＞烯烴（11.1%），烷烴類占比最大，且以乙烷、正丁烷等低碳烷烴為主，表明道路移動源污染較大，芳香烴類物質占比第二，說明溶劑涂料使用等工序的污染也同樣突出，烯烴類物質占比較小，說明區域內有機污染物在一定程度上受到油墨揮發、包裝印刷等工序影響［12-13］。

2.2.3 O3成因分析

2.2.3.1 O3生成潛勢分析

對該區域O3生成潛勢（OFP）進行分析，結果如圖5 所示。從圖中可知，芳香烴類物質對O3生成潛勢貢獻最大，占比為60.8%，其次為烯烴類物質，占比為22.9%，烷烴類物質貢獻最小，為16.2%。圖6 顯示，OFP 占比排名前10 的具體物質為間二甲苯、甲苯、鄰二甲苯、1，2，3- 三甲苯、乙烯、1，2，4-三甲基苯、丙烯、1-己烯、乙苯、異戊二烯。OFP 貢獻較大的主要為芳香烴類物質，少部分為烯烴類物質，這表明該區域臭氧濃度受溶劑涂料使用工序影響較大［14-16］。

圖5 O3 生成潛勢（OFP）

圖6 O3 生成潛勢組成占比

2.2.3.2 O3污染形成條件分析

研究對4 月1 日至10 月31 日該區域O3污染高發期主要氣象參數（濕度、風速、溫度和風向）和NO2濃度進行統計，從而篩選出O3超標的大致條件［17-18］。以該時間段內的整體數據為依據，以氣象參數和O3前體物為篩選條件，將4 月1 日至10 月31 日中O3未超標日逐步篩除，最終得到滿足相應條件的15 個O3超標日，其超標的具體條件為：NO2濃度處于16μg/m3~58μg/m3，濕度＜68%RH，風速≤2m/s，溫度＞18℃，風向以偏北風為主。

2.3 污染成因的關聯性分析

大氣污染是一系列復雜的物理化學過程導致的氣體特性改變。大氣污染物眾多，而污染物往往不是單獨出現的，是共生疊發的。這說明污染物可能是同生來源，或者互相影響。為了弄清楚這些內在聯系，也為了進一步佐證前面研究所得到的污染物形成原因，本文對污染成因的關聯性進行了分析。

研究統計了PM2.5、PM10、NO2以及CO 4 種污染物的時、日、月的監測數據，結果如圖7、圖8 所示。

圖7 PM2.5、PM10、NO2 隨時間的變化

圖8 CO 隨時間的變化

從圖7、圖8 可知，在整體變化趨勢方面，4 種污染物變化趨勢較為一致，這說明4 種污染物的主要排放來源較為一致。日變化規律圖顯示PM10、CO 有明顯的早高峰效應，即于早間8 時至9 時存在一個明顯的峰值，NO2則于凌晨時段存在峰值。17 時起，4 種污染物開始出現升高趨勢，其中NO2與CO 增幅更大、更顯著，說明移動源早晚高峰對該區4 種污染物貢獻較大；23 時至凌晨時段四種污染物均維持高值，說明污染物受晚間不利氣象條件影響較大，擴散條件差導致污染物積聚明顯。周變化規律圖顯示，PM10、PM2.5、NO2三種污染物于周日和周一濃度最高，存在明顯的“周末效應”。這進一步佐證道路移動源對該區域上述4 種污染物的貢獻權重較大。通過月變化規律圖可以看到，從10 月開始這4 種污染物濃度上升明顯，11 月PM2.5濃度輕微下降，但是12 月又大幅上升，這說明污染傳輸對該區域的影響非常顯著；而CO 的大幅提升與秋冬季節天氣以靜穩狀態為主相關。

以PM2.5、PM10、NO2以及CO 4 種污染因子的小時監測數據為依據進行了4 種因子的相關性分析。從分析結果可知，PM10與PM2.5相關性最高，為0.65，表明該區粗細顆粒物同源性較高，受工地施工影響較大；PM10與NO2相關性同樣較高，為0.57，說明該區PM10中有一部分來源于非道路移動機械，另一部分來源于機動車尾氣；PM2.5與CO 相關性為0.57，CO 為燃燒源類物質，表明燃燒源也是該區PM2.5的重要來源之一；PM2.5與NO2相關性也較高，為0.5，表明部分PM2.5同樣來自于非道路移動機械與機動車尾氣。由此可見，該區顆粒污染物受工地揚塵源、非道路移動機械、機動車尾氣以及燃燒源共同影響，這與前面2.2.1 中對顆粒污染物來源的分析高度一致。研究也對O3與溫度的相關性進行了分析，結果顯示溫度與O3的相關性為0.48，說明溫度（太陽輻射）是影響O3生成的主要因素。

3 結論

從長期監測數據可知，該區域內PM2.5與O3在某些日期存在超標情況，應屬于嚴控對象。依據污染成因的分析結果，提出該區域O3與PM2.5的預警管控建議，以達到控制污染物，避免污染超標情況發生的目的。

3.1 O3 管控

根據預測或實時監測，O3濃度及相關指標為O3-8h ＜140 μg/m3（空氣質量指數AQI ＜85 且首要污染物為O3），濕度＞68% RH，風速≥2m/s 時，實行車輛、油煙、揚塵源、涉氣企業常規管控。

3.2 PM2.5 管控

建議輕微污染天氣采用以下兩種應對方案。方案一：預測次日80 ＜AQI ≤100 且首要污染物為PM2.5或PM10，當日0—8 時期間連續3h AQI ＞100，且首要污染物是顆粒物，當日0—8 時期間連續6h PM2.5小時均值＞70μg/m3，應立即啟動顆粒物管控二級響應。方案二：預測次日100 ＜AQI ≤200且首要污染物為 PM2.5或 PM10，當日0—8 時期間連續3h AQI ＞120，且首要污染物是顆粒物，當日0—8 時期間連續6h PM2.5小時均值＞90μg/m3，應立即啟動顆粒物管控一級響應。