成都市PM2.5、PM10變化特征及其與氣象因素的關系

李瑞

( 成都師范學院史地與旅游學院, 四川 成都 611130 )

0 引 言

顆粒物是空氣中普遍存在且危害較大的污染物之一, 隨著社會經濟的快速發展、城市化進程的加快以及能源消耗的不斷攀升, 顆粒物已成為我國城市大氣的首要污染物[1,2]。按粒徑大小可把顆粒物分為總懸浮顆粒物 (TSP) 和可吸入顆粒物 (PM10和PM2.5), TSP是指空氣動力直徑小于或等于100 μm的顆粒物, PM10是指空氣動力學直徑小于或等于10 μm 的顆粒物, 其中空氣動力學直徑小于或等于2.5 μm 的為PM2.5。PM2.5、PM10除了對空氣能見度[3-5]、全球氣候變化[6,7]等產生影響外, 還對人體健康產生巨大危害, 這是由于PM10能夠進入人體的呼吸系統, 沉積在咽喉與氣管等上呼吸系統, 而粒徑更小的PM2.5能深入到細支氣管和肺泡, 且難以排出人體[8-12]。有研究表明: 空氣中可吸入顆粒物的濃度與呼吸系統疾病、心腦血管疾病等的發病率、死亡率有很強的正相關關系[13,14]。而我國相關指標的地面監測系統形成較晚, 自2013年1月1日起, 京津冀、長三角、珠三角區域及直轄市、省會城市和計劃單列市共74個城市496個監測點位開展了包括PM2.5等6項指標的監測, 并向公眾實時發布空氣質量信息。據中國環境監測總站2013年發布的空氣質量指數來看, 成都市空氣質量指數較高, 在2013年12個月中有8個月排名在74個城市中的前30%, 已成為除京津冀、長三角、珠三角區域外的空氣質量較差的城市, 被戲稱為"塵都", 是西南地區霧霾污染的高值中心。目前關于PM2.5、PM10的相關研究主要集中在京津冀[15-18]、長江三角洲[19-21]和珠江三角洲地區[22-25], 而在人口密集且空氣污染形勢嚴峻的四川盆地相關研究開展較晚且研究成果較少, 為了認識并控制空氣污染對該地區人體健康和社會經濟發展的負面影響, 迫切需要展開相關研究。

已有的研究表明PM2.5、PM10的污染程度除與污染物排放量、排放強度以及污染物質組成有關外, 還與氣象條件密切相關[26-28], 氣象條件通過影響PM2.5、PM10的積累與擴散來影響其污染濃度的時空分布, 因此研究PM2.5、PM10與氣象條件的關系將有助于為PM2.5、PM10的預報與治理提供科學指導。PM2.5、PM10與氣象條件的關系比較復雜, 隨時空不同而有所差異, 研究區域不同, 時間尺度不同, 二者的關系也不盡相同, 甚至相反。例如郭元喜等[29]分析了中國中東部秋季PM10與日氣溫之間的關系, 結果表明PM10濃度與氣溫之間存在非常顯著的負相關; 而趙晨曦等[30]分析北京冬季PM2.5和 PM10的質量濃度與氣溫的關系時, 卻得出PM10與氣溫呈正相關, 兩者結論完全相反。因此研究PM2.5、PM10與氣象條件間的關系應根據時空條件不同來討論, 以獲得符合實際情況的結果。

1 研究區概況

成都市位于四川省中部, 四川盆地西部, 介于102°54′ E～104°53′ E和30°05′ N～31°26′ N之間, 全市東西長192 km, 南北寬166 km, 總面積14335 km2(圖1)。全市地勢差異顯著, 西北高, 東南低。西部屬于四川盆地邊緣地區, 以深丘和山地為主, 海拔大多在1000～3000 m之間, 最高處大邑縣雙河鄉海拔為5364 m, 相對高度在1000 m 左右; 東部屬于四川盆地盆底平原, 是成都平原的腹心地帶, 地勢平坦, 海拔一般在750 m 左右, 最低處在簡陽市沱江出境處河岸, 海拔高度為359 m。由于地表海拔高度差異顯著, 直接造成水、熱等氣候要素在空間分布上的不同。成都屬于亞熱帶濕潤季風氣候區, 熱量豐富、雨量充沛、四季分明。多年平均氣溫在15.2～16.6 ℃左右, 最冷月 (1月) 平均氣溫為5 °C左右, 最熱月出現在7月, 平均氣溫25 ℃左右, 全年無霜期大于337天, 年平均降水量873～1265 mm, 降水主要集中在5―9月。

圖 1 研究區Fig. 1 Study area

作為四川省省會城市, 截至2020年, 成都市轄錦江、青羊、金牛、武侯、成華、龍泉驛、青白江、新都、溫江、雙流、郫都、新津12個區, 簡陽、都江堰、彭州、邛崍、崇州5個縣級市以及金堂、大邑、蒲江3個縣。據第七次全國人口普查公報數據, 成都市常住人口20937757人, 占全省常住人口的25.02%。2019年成都市地區生產總值為17013億元, 占全省的36.5%, 第一產業生產總值為612億, 占全省的12.7%, 第二產業生產總值為5245億元, 占全省的30.2%, 第三產業生產總值為11156億元, 占全省的45.6%。成都市是國務院批復確定的中國西部地區重要的中心城市, 是中國西部地區經濟規模最大、最具活力的城市, 然而隨著成都市社會經濟的發展, 人為活動向大氣排放的各種污染物質的增多, 近年來, 成都市空氣質量逐漸降低, 目前已成為繼北京、上海、廣州等地霧霾較為嚴重的區域, 逐漸引起社會各界的重視, 從2015年開始, 當地政府即出臺一系列控制大氣污染的政策。

2 數據來源

成都市2015―2018年各月PM2.5、PM10數據來源于中國環境監測總站發布的數據 (http://www.cnemc.cn/)。氣象數據來源于成都市統計年鑒。

3 結果與討論

3.1 成都市PM2.5、PM10變化特征

3.1.1 成都市PM2.5、PM10年際變化特征

2015―2018年成都市PM2.5的逐年月平均濃度分別在35～131、30～117、20～136、24～86 μg/m3范圍內波動, 其中2017 年成都市PM2.5月平均濃度波動相對其他年份較大, 2015 年次之, 2018 年月平均濃度波動最小(圖2)。由各月平均濃度計算出2015―2018年PM2.5年平均濃度分別為64.2、58、56.1、50.4 μg/m3, 呈逐年緩慢下降趨勢, 年際間差別較小。根據我國?環境空氣質量標準? (GB3095-2012) 年均PM2.5限值 (35 μg/m3)[31],2015―2018年PM2.5年平均濃度分別為限值的1.8、1.66、1.6、1.4倍, 嚴重超標。2015―2018年成都市PM10濃度年際變化趨勢與PM2.5的變化趨勢相似 (圖2、圖3), 但年際間變化較PM2.5大, 年平均濃度分別為107.3、96.9、88.6、80.5 μg/m3(圖4)。從2015 年以來, 成都市針對當地實際污染源情況出臺了一系列控制大氣污染的措施, 例如2015年1月發布了?關于劃定高污染燃料禁燃區的通告?, 在中心城區劃定了高污染燃料禁燃區, 要求從2015 年3 月起在禁燃區內禁止使用、銷售高污染燃料, 不得新建、改建、擴建任何燃用高污染燃料的設備; 2015年3月頒布了?四川省灰霾污染防治辦法?, 就工業廢氣粉塵污染、施工道路揚塵污染、車輛船舶排氣污染和露天焚燒煙塵污染等提出一攬子具體防治措施; 2015年5月發布了?關于高污染汽車限制通行區域和時段的通告?, 從2015年10月1日起至2020年9月30日對高污染汽車實施限制通行措施; 2017年9月通過了?成都市機動車和非道路移動機械排氣污染防治辦法?, 對本行政區域機動車和非道路移動機械排氣污染防治實施統一監督管理。系列減排政策的實施使成都市PM2.5、PM10年平均濃度均呈現逐年下降趨勢。

圖 2 2015―2018年成都市PM2.5月平均質量變化Fig. 2 Change of PM2.5 monthly average mass concentration in Chengdu from 2015 to 2018

圖 3 2015―2018年成都市PM10月平均質量變化Fig. 3 Change of PM10 monthly average mass concentration in Chengdu from 2015 to 2018

圖4 2015―2018年成都市PM2.5、PM10年平均質量濃度Fig. 4 Annual average mass concentration of PM2.5, PM10 in Chengdu from 2015 to 2018

2015―2018年成都市PM2.5/PM10質量濃度比在0.49～0.72之間, 平均值為0.60, 其中2015年在0.52～0.69之間, 2016年在0.57～0.65之間, 2017年在0.49～0.72之間, 2018年在0.51～0.72之間, 郭倩等[32]在研究成都市2015 年12 月26 日至2016 年1 月6 日一次典型空氣重污染過程時也得出PM2.5/PM10質量濃度比維持在0.6～0.7 間。說明不管是從日均值的尺度還是從月均值的尺度, 在重污染天氣情況下還是一般情況下, 成都市PM2.5/PM10值均偏高。由于顆粒物的粒徑越小越難以去除, 能長期懸浮在空氣中, 因此PM2.5占PM10的比例越高, 說明其中粒徑更小的顆粒物越多, 空氣污染越嚴重。從PM2.5/PM10值還可以反映出污染源情況, 已有的研究表明, 二次污染物對PM2.5貢獻較大, 而揚塵、燃煤等對PM10的貢獻較大[33]。因此一般而言, PM2.5/PM10比值越小, 區域污染為傳統煤煙型污染的可能性就越大; 比值越大, 區域污染為復合型污染的可能性越大。成都市2015―2018年PM2.5/PM10年均值分別為0.59、0.60、0.61、0.62, 呈逐年增高趨勢, 說明成都市大氣環境首要顆粒污染物為PM2.5, 其空氣污染類型從煤煙型向揚塵、機動車尾氣和煤煙混合型污染轉變。這一結論與成都市?環境空氣質量報告?顯示的結論一致。

3.1.2 成都市PM2.5、PM10季節變化特征

通過計算2015―2018年PM2.5、PM10累年月平均濃度, 發現PM2.5、PM10在年內呈明顯的季節變化 (圖5), 濃度的高值出現在每年的冬季 (12月―次年2月), 春季 (3―5月) PM2.5、PM10呈波動下降趨勢, 到夏季 (6―8月)出現低值, 從秋季 (9―11月) 開始兩者濃度急劇上升?？傮w呈現"U"型逐月變化規律, 與李名升等[1]研究我國城市PM10污染濃度季節變化得出的結論一致。2015―2018年成都市PM2.5、PM10濃度均為冬春高、秋夏低, 這與張智勝等[34]研究2009―2010年成都城區PM2.5得出的秋冬高、春夏低的結果有所差異, 且2015―2018年各季節PM2.5、PM10平均濃度也相應地遠遠低于張智勝2009―2010年統計得出的濃度。這再次說明成都市2015年以來的大氣污染控制措施切實提高了成都市空氣質量。2015―2018年成都市PM2.5/PM10值在各季節均較高 (圖6), 季節間差距較小, PM2.5/PM10值由高到低的順序為冬季 ＞ 秋季 ＞ 夏季 ＞ 春季, 反映二次污染物在秋冬季節的貢獻率較高, 這與張智勝等[34]的研究結果一致。

圖5 2015―2018年PM2.5、PM10累年月平均濃度Fig. 5 Variation of PM2.5 and PM10 cumulative monthly average mass concentration in Chengdu from 2015 to 2018

圖6 2015―2018年PM2.5/PM10值的季節變化Fig. 6 Seasonal variation of PM2.5/PM10 from 2015 to 2018

3.2 氣象因素的年際變化和季節變化

圖7為成都市2015―2018年間按月統計的各個氣象要素值與PM10、PM2.5的月變化值。經計算得出, 成都市2015―2018年間年平均氣溫在16.5～16.8 ℃之間、年降水量在880.2～1141.4 mm之間, 氣溫、降水量年際變化較小, 而兩者的季節變化明顯, 其最低值出現在每年冬季, 春季氣溫開始升高, 降水量逐漸增多, 到夏季氣溫和降水量為一年中最大值, 進入秋季溫度降低, 降水量減少。2015―2018年年平均風速、日照時數、相對濕度等氣象因素的年際間變化也較小, 年平均風速在1.31～1.40 m/s之間, 日照時數在1038.4～1088.5 h之間, 相對濕度在81.3%～81.9%之間。日照時數、月平均風速的季節變化不如氣溫和降水量變化明顯, 但總體呈現春夏高、秋冬低的趨勢, 相對濕度在各月間的波動較大, 總體上春夏低、秋冬高。

3.3 PM10、PM2.5變化與氣象條件的關系

3.3.1 PM2.5、PM10月平均濃度與月平均氣溫、降水量的關系

氣溫、相對濕度、風速等氣象條件對于PM2.5和PM10的污染具有一定的擴散、稀釋和積累作用, 因此相關研究的開展對PM2.5、PM10污染預報和控制具有重要作用。從圖7中可明顯看出氣溫與降水量的季節變化明顯, 呈現出冬季低、夏季高的特征, 這種變化與PM10、PM2.5月平均濃度的冬季高、夏季低的季節變化明顯相反; 將成都市PM2.5、PM10、PM2.5/PM10值與月平均氣溫、降水量、相對濕度、日照時數、月平均風速等氣象條件作Pearson 相關分析, 發現PM2.5、PM10的月平均濃度與月平均氣溫具有較高的線性相關關系, 相關系數分別為-0.822、-0.776 (見表1)。這與趙晨曦等[30]的研究結果相似, 表明當平均氣溫高時, 近地面的熱動力引起的對流運動強烈, PM2.5、PM10等污染物可隨對流運動擴散, 對污染物濃度降低起到重要作用; 反之, 當氣溫低時, 對流運動較弱, 不利于污染物擴散, 污染物在近地面積累, 濃度升高。PM2.5/PM10值與月平均氣溫也具有較高的線性相關關系, 相關系數為 -0.626, 表明氣溫越高, 對流運動越強烈時, 大氣中粒徑較小的顆粒物更容易隨大氣擴散而稀釋。降水同樣能影響PM2.5、PM10的垂直方向上的運動[35], 成都市PM2.5與PM10的月平均濃度隨降水量的增加而降低, 由于PM2.5與PM10之間高度相關 (相關系數為0.928), 因此兩者與降水量的相關系數均為-0.612, 表明降水對大氣中的PM2.5、PM10具有一定去除作用。降水量大時, 大氣中的水滴在降落的過程中不斷捕集顆粒物, 將PM2.5、PM10等從大氣中帶入到降水中, 并隨降水降落地表。PM2.5/PM10值與月平均降水為低度線性相關關系, 相關系數為 -0.363, 表明降水量對PM2.5具有一定去除作用, 但去除作用并不顯著。

表1 成都市PM2.5、PM10月平均濃度與氣象因素的Pearson相關系數Table 1 Pearson correlation matrix between PM2.5、PM10 monthly average concentration and meteorological factors in Chengdu City

圖7 成都市2015―2018年氣象要素月變化Fig. 7 Monthly variation of meteorological factors in Chengdu in from 2015 to 2018

3.3.2 PM2.5、PM10月平均濃度與日照時數、月平均風速、相對濕度的關系

從圖7中可看出日照時數、月平均風速、相對濕度等氣象要素各月間存在一定程度的波動, 其季節變化不如氣溫和降水明顯, 與PM2.5、PM10月平均濃度的變化趨勢總體相反。通過Pearson 相關分析, 發現日照時數、月平均風速、相對濕度等與PM2.5、PM10月平均濃度呈負相關, 其中日照時數、月平均風速與PM2.5、PM10月平均濃度為低度的線性相關關系 (表1)。風是影響PM10橫向水平運動的關鍵因素, 周天雄等[36]研究了常州市風速與PM2.5的關系, 得出當平均風速3.1～4.0 m/s時, 空氣質量指數達到1級的概率較大; 2.1～3.0 m/s時, 空氣質量指數基本能維持2級; 1.1～2.0 m/s或以下時, 空氣質量可能出現中度污染。風速的提高能加快PM2.5、PM10的擴散, 起到降低污染濃度的作用。本研究的結論與前人的研究結論一致, 即風速大小與PM2.5濃度呈顯著負相關。成都市地處盆地地區, 四面環山, 郭曉梅[37]進行的盆地重霾期間地形影響的模擬實驗表明: 地形作用使得四川盆地內大部分地區地面10 m處風速減少約1.5 m/s, 地面2 m處溫度升高約10 ℃, 邊界層高度降低約100～150 m。地形作用使得盆地區域內PM2.5濃度偏高, 貢獻率約70%。由于受到地形的影響, 成都市常年處于靜風環境, 2015―2018 年間風速在1.0～1.7 m/s 之間, 均值為1.3 m/s, 總體風速較小, 對促進PM2.5、PM10的擴散作用比較有限。PM2.5/PM10值與風速之間也呈低度線性相關性, 相關系數為 -0.428, 同樣顯示出成都市風速對細顆粒物占比無明顯影響。日照時數的增強能使熱力對流, 熱力和機械湍流的綜合作用加強, 有助于破壞地面逆溫層結構, 提高污染物質垂向擴散的作用。冬半年 (10月―次年3月) 太陽直射南半球, 成都市日照時數較少; 夏半年太陽直射點位于北半球, 成都市日照時數較多, 此時間段內日照時數的增強在一定程度上有助于成都市PM2.5、PM10的擴散。而相對濕度與PM2.5、PM10月平均濃度之間為微弱的線性相關關系, 且相關性不顯著, 說明相對濕度的變化對PM2.5、PM10的積累和擴散影響很小。

4 結 論

1) 2015―2018年成都市PM2.5、PM10的年平均濃度逐年緩慢降低, 這歸功于2015年以來成都市的一系列大氣污染控制措施的實行。2015―2018年成都市PM2.5、PM10濃度為冬春高、秋夏低, 這與前人研究得出的秋冬高、春夏低的結果有所差異, 且2015―2018年各季節PM2.5、PM10平均濃度也相應地遠遠低于2009―2010年統計得出的濃度, 再次說明2015年以來成都市實行的大氣污染控制措施切實提高了成都市空氣質量。成都市2015―2018年間PM2.5/PM10值在0.49～0.72之間, 平均值為0.60, 從2015―2018年PM2.5/PM10的各年均值來看, 該值偏高并呈逐年升高趨勢, 說明成都市大氣環境首要污染物為PM2.5, 其空氣污染類型從煤煙型向揚塵、機動車尾氣和煤煙混合型污染轉變。2015―2018 年成都市PM2.5/PM10值總體上秋冬高、春夏低, PM2.5/PM10值在各季節均較高, 季節間差距較小。

2) PM2.5、PM10與氣象條件的相關性分析表明, PM2.5、PM10的月平均濃度與月平均氣溫具有較高的線性相關關系, 相關系數分別為 -0.822、-0.776, 表明溫度升高, 對流運動增強, 加強了PM2.5、PM10等污染物垂向對流運動, 對成都市污染物濃度降低起到重要作用。水對大氣中PM2.5、PM10具有一定去除作用, 2015―2018 年PM2.5與PM10的月平均濃度隨降水量的增加而降低, 呈負相關, PM2.5、PM10與降水量的相關系數均為 -0.612。日照時數、月平均風速、相對濕度等與PM2.5、PM10月平均濃度呈負相關, 其中日照時數、月平均風速與PM2.5、PM10月平均濃度為低度的線性相關關系, 由于2015―2018年間風速在1.0～1.7 m/s之間, 均值為1.3 m/s, 總體風速較小, 因此對促進PM2.5、PM10的擴散作用有限; 而相對濕度與PM2.5、PM10月平均濃度為微弱的線性相關關系, 且相關性不顯著。