2023, Vol. 15 
自《大气污染防治行动计划》(以下简称“大气十条”)实施以来，各地空气质量持续改善，但京津冀及周边地区[1-4]、汾渭平原[5]、苏皖鲁豫[6]等北方区域的秋冬季颗粒物污染仍然存在。由于其污染范围广，持续时间久，已成为区域污染治理的重要问题。众多研究团队从污染特征[7-8]、成因分析[7-9]和源解析[10-12]等多个角度对城市大气细颗粒物(PM2.5)的分布特征和污染来源进行了研究，发现除了本地排放和区域传输之外，相对湿度、风速等气象要素也可能影响颗粒物浓度变化[13]。多项关于城市大气污染观测的研究[5, 14-17]均通过污染要素和气象要素的时空特征分析了城市和区域污染的趋势以及现阶段主要问题，说明该方法是大气污染研究的有效工具，对污染防控对策的制定实施有重要意义。
周口市位于河南省东南部，属苏皖鲁豫交界地区，毗邻安徽省亳州市和阜阳市，冬季无集中供暖，工业以轻工业和食品加工业为主，此外还有钢铁、电力、制药、造纸、塑编、皮革等工业企业。2021年冬防期间(2021年10月1日—2022年3月31日)，周口市空气质量整体较好，但在大范围空气污染的大背景下，受本地排放、区域传输和气象等因素影响，周口市在2021年1月和3月发生了若干次较为严重的颗粒物污染过程。本研究基于2021年冬防期间周口市4个国控点空气质量在线监测数据，从气象要素和污染要素的时空变化特征与相关性等方面，分析影响大气污染过程的主要化学和气象因子及其影响机制，为周口市秋冬季大气污染防控以及实现重污染天气“削峰降频”提供科学依据。
1 数据来源与分析方法 1.1 数据来源常规空气质量污染物数据来自位于周口市区的4个国控站，分别为川汇区环保局站、市环境监测站、市运管处站和周口师范站。所有站点均处于周口市市区范围内，周口市环境空气质量国控自动监测站位置示意见图 1。站点高度为17~24 m，站点周边3 km范围内均以居民区为主，受周边人为排放影响较明显，同时存在较多的交通干道，其中主干道早晚高峰车流量较大，国道和省道的重型车辆较多，高速公路车流量较大，周口师范站的周边还有较大的工业企业和其他散源，国控站点周边情况见表 1。
|
图 1 周口市环境空气质量国控自动监测站位置示意 |
|
表 1 国控站点周边情况 |
空气质量逐小时在线监测数据来自中国环境监测总站、河南省生态环境厅公布的环境质量公报数据，包括空气质量常见6因子。4个国控站点在线监测所用仪器统一，均为1h分辨率，其中PM2.5和可吸入颗粒物(PM10)分别为5030-SHARP型β射线加动态加热系统联用光散射方法PM2.5监测仪(美国赛默飞公司)和热电FH62C14β射线颗粒监测仪(美国赛默飞公司)，气态污染物二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)和臭氧(O3)的监测仪器分别为美国赛默飞公司生产的43i系列二氧化硫分析仪，48i系列一氧化碳分析仪，42i系列氮氧化物气体分析仪和49i系列臭氧分析仪。气象数据来自周口市气象局官方发布的逐小时观测资料，包括温度、相对湿度、风向、风速、降水量等。
1.2 分析方法相关性分析通常用来分析两组或多组数据的变化趋势是否一致，皮尔逊(Pearson)相关系数常用于进行线性相关分析，当数据满足正态分布时会使用该系数。当|r|>0.95，为显著性相关；|r|≥0.8，为高度相关；0.5≤|r|<0.8，为中度相关；0.3≤|r|<0.5，为低度相关；|r|<0.3，为弱相关。本研究采用SPSS 26.0进行气象数据和空气质量数据的Pearson线性相关分析。
周口市空气质量分析和评价的依据主要为《环境空气质量标准》(GB 3095—2012)。空气质量分级采用空气质量指数(AQI)方法，计算方法详见《环境空气质量指数(AQI)技术规定》(试行)(HJ 633—2012)，数据统计根据内容需要分别选取了小时和日均监测数据。在数据统计过程中，剔除了出现颗粒物PM2.5质量浓度大于PM10的数据倒挂现象的时次。
2 结果与分析 2.1 气象要素概况2021年冬防期间周口市气象要素月变化见图 2(a)(b)。由图 2可见，2021年10月的平均温度最高；2021年12月的平均相对湿度和平均小时降水量最低；2022年3月的平均风速最高；2022年1月的平均温度最低、平均湿度最高和平均降水量最大，平均风速最低。
|
图 2 2021年冬防期间周口市气象要素逐月变化 |
2021年冬防期间周口市各气象要素的日变化趋势见图 3。由图 3可见，冬防期间平均温度为7.2~13.4 ℃，平均相对湿度为48.2%~74.7%，平均风速为1.6~2.8 m/s，平均小时降水量为0.01~0.06 mm。温度和相对湿度均存在明显的正弦曲线变化，最高平均温度出现在15：00，最低平均温度出现在06：00。平均相对湿度则与之相反，最高平均相对湿度出现在07：00，最低平均相对湿度出现在15：00。风速在白天的变化较大，平均风速最大值出现在12：00，入夜后平均风速变化较小。降水量在夜间的变化较大，平均小时降水量最大值出现在04：00，白天的平均小时降水量变化较小。周口市整体降水量较小，月均降水量在0.04 mm以下，1 d(或24 h)降雨量＜10 mm为小雨，较小的降水量对颗粒物的冲刷作用有限。
|
图 3 2021年冬防期间周口市气象要素日变化趋势 |
2021年冬防期间周口市不同月份空气质量情况见表 2。由表 2可见，优良天数总计118 d，空气质量平均达标率为64.8%，其中2022年2月的空气质量达标率最高，为92.9%，2022年1月的空气质量达标率最低，仅有19.4%。2021年冬防期间，周口市重度污染有13 d，首要污染物以PM2.5为主；严重污染有1 d(2022年3月15日)，属于区域型沙尘污染，首要污染物为PM10，当日ρ(PM10)为420 μg/m3，ρ(PM2.5)为76 μg/m3，空气质量于2022年3月16日降雨过程后转为良。
|
|
表 2 2021年冬防期间周口市不同月份空气质量情况① |
2021冬防期间周口市大气污染物浓度逐月变化箱形图见图 4(a)—(f)。箱体的上边界表示数据的上四分位数，下边界表示数据的下四分位数，箱体内部的线代表中位数，箱体内部的点代表平均值，上实线延伸至最大非异常值，下实线延伸至最小非异常值，实线之外的数据点通常为异常值。由图 4可见，ρ(PM10)异常偏大值主要出现在2022年3月，为591 μg/m3，结合当时出现的区域沙尘现象，分析3月PM10高值主要受区域沙尘污染影响。ρ(PM2.5)小时异常偏大值主要出现在2021年10—12月，该时段内ρ(PM2.5)日均值度超过二级标准(35 μg/m3)的占33.0%。ρ(PM10)、ρ(PM2.5)和ρ(CO)的月平均值的最高值均出现在2022年1月。2022年2月的ρ(O3)月平均值最高，ρ(O3)小时异常偏大值主要出现在2021年10—11月和2022年3月。2021年11、12月的ρ(NO2)平均值最高，ρ(NO2)小时最大值出现在2021年10月。2021年11月的ρ(SO2)月平均值最高，不同月份的ρ(SO2)差别不大，但每个月均存在ρ(SO2)异常偏大值，冬防期间ρ(SO2)小时均值多次超过25 μg/m3(约为月均质量浓度的2倍)，还有13个时次的ρ(SO2)超过50 μg/m3，由于SO2主要来源于工业燃烧，这些异常偏大值说明站点上风向和周边可能存在散煤燃烧现象，需引起重点关注。
|
图 4 2021年冬防期间周口市大气污染物质量浓度逐月变化 |
2021冬防期间周口市大气污染物浓度日变化的箱形图见图 5(a)—(f)。由图 5可见，ρ(PM10)的日变化呈“双峰双谷型”，峰值位于02：00和11：00，谷值位于08：00时和17：00。由于3月15日的区域型沙尘污染，ρ(PM10)异常偏大值较多，仅在10：00—11：00较少。ρ(PM2.5) 最大小时平均值位于00：00，然后缓慢下降，于17：00达到最小值，然后回升。下午和夜间的ρ(PM2.5)异常偏大值较多，上午的ρ(PM2.5)离散度较大。ρ(O3)呈现“日高夜低”的变化特征，ρ(O3)最小值位于08：00，最大值位于17：00，异常偏大值主要出现在午后。结合气象要素分析，O3的“日高夜低”与气温变化趋势一致，证明温度和光照是影响臭氧浓度的重要因素。ρ(NO2)的日变化呈“双峰双谷型”，峰值位于07：00和20：00，最低值位于06：00和13：00，ρ(NO2)异常偏大值主要出现在下午和夜间，上午的离散度较大。结合4个国控点位置分析，周边交通道路的早晚交通高峰期机动车排放影响较大。ρ(CO)日变化趋势与ρ(NO2)类似，ρ(CO)最大小时平均值位于09：00，最小值位于16：00，夜间浓度变化较小，但小时质量浓度异常偏大值较多。ρ(SO2)最大小时平均值位于10：00，最小值位于18：00，小时质量浓度异常偏大值较多，且主要集中于凌晨和上午，可能与上午附近的固定燃烧源排放相关。
|
图 5 2021年冬防期间周口市大气污染物日变化 |
2021年的冬防期间周口市4个国控站点的大气污染物质量浓度平均值见表 3。由表 3可见，各污染物在4个站点的质量浓度平均值仅存在较小差异。
|
|
表 3 2021年冬防期间周口市各站点大气污染物质量浓度均值 |
为了更直观地展现2021年冬防期间周口市污染物质量浓度变化的空间分布特征，探究污染物全市平均质量浓度较高时各站点的差异，将各站点污染物质量浓度月均值与全市月均值相减，得到2021冬防期间各国控点污染物质量浓度距平图[图 6(a)—(f)]，图中纵坐标为各污染物质量浓度的距平值，值为正说明该站点本月污染物质量浓度高于全市月均值，反之则低于全市月均值。
|
图 6 2021年冬防期间周口市各国控站点大气污染物质量浓度逐月距平图 |
由图 6可见，在全市ρ(PM10)月均值最高的2022年1月，各站点间ρ(PM10)的差别不大，而在全市ρ(PM10)较高的2021年11—12月，市环境监测站和市运管处站的ρ(PM10)均为显著正距平。2022年1月同样是全市ρ(PM2.5)月均值最高的月份，此时周口师范站存在显著正距平。ρ(PM2.5)/ρ(PM10)表示细颗粒物在可吸入颗粒物中的占比，结合图 6(c)可知，川汇区环保局站点的PM2.5污染较PM10污染整体更为突出，该站点附近的电厂排放和道路机动车排放有一定贡献。市运管处站的ρ(NO2)整体偏高，在所有月份中均为正距平，该站点冬防期间ρ(NO2)平均值比全市月均值高1.4 μg/m3，这是由于该站点3 km内的燃煤锅炉和高速路以及1 km内的主干道和省道上交通车辆的排放是NO2主要来源。在全市ρ(CO)月平值较高的2021年12月和2022年1月，市环境监测站的ρ(CO)均为显著正距平，说明该站点对这2个月的CO污染的贡献较大，结合点位周边情况分析为站点附近的燃煤锅炉不完全燃烧排放贡献。在全市ρ(SO2)月均值较高的2021年10、11月，周口师范站的ρ(SO2)均为显著正距平，分别超出全市月均值1.7，2.5 μg/m3，说明该站点对这2个月的SO2污染贡献较大。SO2主要来自燃煤排放，与附近的燃煤电厂排放相关。此外市运管处站ρ(SO2)在5个月份中均为正距平，说明该站点的ρ(SO2)整体偏高，与附近煤炭锅炉燃烧排放贡献相关。如需降低这2个站点的SO2、NO2和CO浓度，除应注意周边道路车辆燃油和车辆类型外，还需重点关注周边2台燃煤锅炉的脱硫、脱硝效率和燃烧效率。
2.4 污染物与气象要素的相关性分析为了进一步探究各气象要素和污染物质量浓度之间的相关性，分析各气象要素对于污染物生成和扩散的影响，根据2021年冬防期间周口市6种大气污染物质量浓度(PM2.5、PM10、SO2、NO2、O3、CO)与气温、湿度、降水量和风速的日均值和小时均值，分别计算了Pearson相关系数，结果见表 4。由日均值计算的Pearson相关系数可体现季节变化下的气象要素与各污染物浓度的相关性，而由小时均值计算的Pearson相关系数可体现日变化下的气象要素与各污染物浓度的相关性。
|
|
表 4 2021年冬防期间周口市大气污染物质量浓度和气象要素的Pearson相关系数① |
由表 4可见，季节变化下的温度与ρ(O3)存在显著正相关性，这是由于O3的生成依赖于光化学反应，而温度正是光化学反应中的重要影响要素，高温可加剧大气光化学反应，有利于大气中O3的生成。风速低不利于大气污染物扩散和传输，使得污染物不断累积，浓度升高，因此风速与所有污染物质量浓度均为负相关。相对湿度和ρ(CO)呈显著正相关，有研究指出，在相对湿度不足以产生降水的情况下，水溶性有机碳和元素碳浓度增加[18]。降水量与各要素的相关性较小，且以负相关为主，这是因为一定强度的降水对大气污染物有湿清除作用。
在日变化下，除O3以外的污染物质量浓度与温度均呈负相关，降水量和相对湿度则相反，与除O3以外的污染物质量浓度呈正相关，风速与除SO2以外的污染物质量浓度呈负相关。这是由于温度和风速在日变化中均存在“日高夜低”的特征，而相对湿度和降水量在日变化中存在“日低夜高”的变化特征。PM10和PM2.5主要来自扬尘、工业粉尘和汽车尾气，CO主要来源于不完全燃烧，SO2主要来源于工业燃烧，NO2主要来源于工业燃烧和汽车尾气，均与日间人类活动息息相关，因此相关污染物均呈现出较明显的早晚高的双峰型变化趋势。
2021年冬防期间周口市污染物风向玫瑰图见图 7(a)—(f)。由图 7可知，2021年10—11月ρ(PM2.5)总体较低，主要伴随1~4 m/s的东南风。2021年12月PM2.5污染多伴随4~6 m/s的西北风发生，高压系统通常伴随有较强的西北风，大气扩散条件较好，在该系统的控制下，上游城市对下游城市有明显的污染传输，12月PM2.5污染可能与传输有关。2022年1月的PM2.5污染较严重，在各风向下均有发生，风向多变且风速整体较小，不利于污染物的扩散。2022年2—3月的ρ(PM2.5)总体较低，污染多伴随1~4 m/s的东风发生。
|
图 7 2021年冬防期间周口市污染物风向玫瑰图 注：填色为PM2.5质量浓度，圆半径为风速/(cm·s-1)。 |
(1) 2021年周口市冬防期间的主要大气污染物为PM2.5，其在1月的平均质量浓度最高。除区域传输影响外，本地排放对于PM2.5的生成也有较大影响。1月份高湿、低风速气象条件与ρ(PM2.5)明显正相关，本地污染物排放和不利气象条件造成1月份PM2.5污染较重。
(2) 通过距平法比较了4个国控站点各主要污染物质量浓度的逐月变化及其站点差异，可知2022年1月周口师范站ρ(PM2.5)平均值较其他站点更高，周口师范站在ρ(SO2)月均值最高的11月其SO2质量浓度高于其他3个国控点；川汇区环保局站点的PM2.5污染较PM10污染整体更为突出；市运管处站的ρ(NO2)和ρ(SO2)整体偏高，市环境监测站ρ(CO)在月均最高的11月其CO质量浓度较其他站点更高。各污染物与点位周边1，3 km内的燃煤电厂、燃煤锅炉和道路交通等排放有关。
(3) 污染物与气象要素的相关性分析结果表明，日变化下，除O3以外的污染物质量浓度与温度成负相关，与相对湿度呈正相关。季节变化下的温度与ρ(O3)显著正相关，高相对湿度、低温对本地排放污染物累积和颗粒物二次生成有促进作用。西北风和东风对于2021年冬防期间周口市PM2.5污染传输的影响较大。
对冬防期间空气污染因子时间和空间变化以及与气象相关性的分析，有助于了解周口市主要近源排放对空气质量的影响，对于相关管理部门进行达标减排方案和大气污染精准管控措施的制定具有重要的参考价值。
| [1] |
LI H, CHENG J, ZHANG Q, et al. Rapid transition in winter aerosol composition in Beijing from 2014 to 2017-response to clean air actions[J]. Atmospheric Chemistry and Physics, 2019, 19: 11485-11499. DOI:10.5194/acp-19-11485-2019 |
| [2] |
FAN S, GAO C Y, WANG L, et al. Elucidating roles of near-surface vertical layer structure in different stages of PM2.5 pollution episodes over urban Beijing during 2004—2016[J]. Atmospheric Environment, 2021, 246(118157): 1-11. |
| [3] |
LV B, ZHANG B, BAI Y. A systematic analysis of PM2.5 in Beijing and its sources from 2000 to 2012[J]. Atmospheric Environment, 2016, 124: 98-108. DOI:10.1016/j.atmosenv.2015.09.031 |
| [4] |
张文娟, 夏志勇, 孙凤娟, 等. 济南市一次持续性重污染天气的颗粒物化学组分演变分析[J]. 山东科学, 2022, 35(3): 100-106. |
| [5] |
孙佳傧, 董喆, 李利萍, 等. 洛阳市大气细颗粒物化学组分特征及溯源分析[J]. 环境科学, 2021, 42(12): 5624-5632. |
| [6] |
熊鸿斌, 陈建, 张红, 等. 合肥市一次重污染过程细颗粒物化学组分特征及成因分析[J]. 环境化学, 2021, 40(10): 3258-3269. |
| [7] |
GUO Z G, FENG J L, FANG M, et al. The elemental and organic characteristics of PM2.5 in Asian dust episodes in Qingdao, China, 2002[J]. Atmospheric Environment, 2004, 38(6): 909-919. DOI:10.1016/j.atmosenv.2003.10.034 |
| [8] |
HO K F, HO S S H, HUANG R J, et al. Chemical composition and bioreactivity of PM2.5 during 2013 haze events in China[J]. Atmospheric Environment, 2016, 126: 162-170. DOI:10.1016/j.atmosenv.2015.11.055 |
| [9] |
HONG J, TANG M, WANG Q, et al. Measurement Report-Wintertime new particle formation in the rural area of North China Plain-influencing factors and possible formation mechanism[J]. Atmospheric Chemistry and Physics, 2023, 23: 5699-5713. DOI:10.5194/acp-23-5699-2023 |
| [10] |
GAO J, TIAN H, CHENG K, et al. The variation of chemical characteristics of PM2.5 and PM10 and formation causes during two haze pollution events in urban Beijing, China[J]. Atmospheric Environment, 2015, 107: 1-8. DOI:10.1016/j.atmosenv.2015.02.022 |
| [11] |
HUA Y, CHENG Z, WANG S, et al. Characteristics and source apportionment of PM2.5 during a fall heavy haze episode in the Yangtze River Delta of China[J]. Atmospheric Environment, 2015, 123: 380-391. DOI:10.1016/j.atmosenv.2015.03.046 |
| [12] |
MORISHITA M, KEELER G J, KAMAL A S, et al. Identification of ambient PM2.5 sources and analysis of pollution episodes in Detroit, Michigan using highly time-resolved measurements[J]. Atmospheric Environment, 2011, 45(8): 1627-1637. DOI:10.1016/j.atmosenv.2010.09.062 |
| [13] |
HUANG R J, HE Y, DUAN J, et al. Contrasting sources and processes of particulate species in haze days with low and high relative humidity in wintertime Beijing[J]. Atmospheric Chemistry and Physics, 2020, 20: 9101-9114. DOI:10.5194/acp-20-9101-2020 |
| [14] |
路娜, 李治国, 周静博, 等. 2015年石家庄市采暖期一次重污染过程细颗粒物在线来源解析[J]. 环境科学, 2017, 38(3): 884-893. |
| [15] |
郝楠楠, 霍祥志. 典型重工业城市空气质量状况及变化趋势分析——以邯郸市为例[J]. 环境生态学, 2022, 4(12): 63-66. |
| [16] |
王申博, 王玲玲, 范相阁, 等. 河南省北部区域霾污染过程中城市和农村点位PM2.5组分差异[J]. 环境科学, 2023, 44(1): 11-19. |
| [17] |
陈楚, 王体健, 李源昊, 等. 濮阳市秋冬季大气细颗粒物污染特征及来源解析[J]. 环境科学, 2019, 40(8): 3421-3430. |
| [18] |
张宸赫, 赵天良, 陆忠艳, 等. 沈阳大气污染物浓度变化及气象因素影响分析[J]. 环境科学与技术, 2020, 43(S2): 39-46. |