李松，鄧寶昆，邵技新，徐紅勤，李戀

1. 貴州師范學院資源環(huán)境與災害研究所，貴州 貴陽 550018；2. 中國科學院遙感與數(shù)字地球研究所，北京 100101

基于GIS的貴陽PM2.5質量濃度城鄉(xiāng)過渡特征及影響因素研究

李松1,2，鄧寶昆1，邵技新1，徐紅勤1，李戀1

1. 貴州師范學院資源環(huán)境與災害研究所，貴州 貴陽 550018；2. 中國科學院遙感與數(shù)字地球研究所，北京 100101

PM2.5是影響城市空氣質量和身體健康的主要污染物，也是氣候和環(huán)境問題的熱點研究問題之一。PM2.5即大氣污染細顆粒物，是大氣污染的主要物質來源，通過選取具有明顯城鄉(xiāng)過渡趨勢的環(huán)保局、太慈橋、小河、花溪、馬鞍山、金陽和桐木嶺監(jiān)測點，采集2013年12月20日到2014年2月27日的PM2.5日均質量濃度數(shù)據(jù)，以及2014年1月20日到2月18日的時均質量濃度數(shù)據(jù)，分析研究 PM2.5質量濃度的時空變化特征和濃度變化的影響因素。PM2.5數(shù)據(jù)覆蓋了優(yōu)良中差多種污染類型，在數(shù)據(jù)平均抽樣誤差分析的基礎上，參考世界衛(wèi)生組織的空氣質量準則，探索性地利用遙感、GIS技術和統(tǒng)計分析方法，分析貴陽市 PM2.5質量濃度的城鄉(xiāng)變化特征，以及與氣象因素、土地利用信息和城市區(qū)域之間的關系。1973、1990年的貴陽城區(qū)信息分別提取自1973年12月30日的LANDSAT MSS影像（輔以1:50000地形圖）、1990年10月16日的LANDSAT 5影像，土地利用現(xiàn)狀信息和2010年貴陽建成區(qū)信息提取自2010年9月21日的LANDSAT 5。以監(jiān)測點為原點生成監(jiān)測點500 m緩沖區(qū)，以資源1號02C星遙感影像為數(shù)據(jù)源，采用目視解譯方法提取土地利用信息，分析PM2.5質量濃度與土地利用類型的關系。利用GIS量取監(jiān)測點與1973年貴陽市主城區(qū)邊緣的最短距離，分析其與監(jiān)測點PM2.5質量濃度的關系。結果表明，①PM2.5日均質量濃度值呈現(xiàn)由農(nóng)村向城市遞增的趨勢，并隨著監(jiān)測時間的推移形成明顯的遞減趨勢，7個監(jiān)測點日均數(shù)據(jù)均值是77 μg·m-3，農(nóng)村監(jiān)測點桐木嶺的監(jiān)測值是56 μg·m-3，馬鞍山74 μg·m-3，和金陽73 μg·m-3，花溪81 μg·m-3，小河86 μg·m-3，太慈橋86 μg·m-3，環(huán)保局85 μg·m-3。質量濃度＞100 μg·m-3的總時數(shù)，桐木嶺為13 h，金陽81 h，環(huán)保局、馬鞍山106 h，花溪118 h，小河154 h，太慈橋157 h。②PM2.5日均質量濃度總體上呈下降的趨勢，除夕以后PM2.5濃度顯著下降，平均濃度相差47 μg·m-3。PM2.5時均濃度在總體下降的趨勢下，還表現(xiàn)出明顯的24小時周期性變化，并有明顯的城鄉(xiāng)差異。③PM2.5質量濃度和氣象因素間表現(xiàn)出復雜的非線性關系。PM2.5質量濃度與主城區(qū)距離的相關系數(shù)高達-0.89，與建筑用地密度的相關系數(shù)為-0.69。

貴陽；PM2.5質量濃度；城鄉(xiāng)；影響因素；GIS

隨著國家以“經(jīng)濟建設為中心”戰(zhàn)略的確立，中國的經(jīng)濟取得了飛速的增長。同時，中國的環(huán)境問題卻變得越來越嚴峻，空氣污染也是其中嚴重的環(huán)境問題之一。2003年監(jiān)測的城市中，空氣質量為三級及劣于三級的城市占58.3%。大氣懸浮顆粒物是影響城市空氣質量和人們健康的主要污染物，嚴重影響了局地氣候的良性變化，是如今氣候和環(huán)境問題的熱點研究問題之一(Lohmann和 Feichter，2005)。研究表明，受自然環(huán)境、氣候因素（Liu J等，2014；秦良偉和許影，2014）和社會經(jīng)濟條件（Lin G等，2013）的影響，中國城市PM2.5表現(xiàn)出相對加劇的趨勢(Houghton等，2001)。2013年初以來，中國出現(xiàn)大范圍持續(xù)霧霾天氣，受霧霾影響的區(qū)域包括華北平原、黃淮、江淮、江漢、江南、華南北部等，受影響面積約占國土面積的25%，受影響人口約6億人。2013年12月中國20省份的104個城市的PM2.5達到重度污染。2014年2月20日開始，北京為中心的京津冀周邊，包括北京、天津、石家莊、保定等 16個城市空氣重度污染，并呈現(xiàn)污染加劇，范圍持續(xù)擴大的趨勢。到25日，161個監(jiān)測城市中，45個城市為重度以上污染，霾情持續(xù)一周之久。

PM2.5因其粒徑較小，更容易富集有毒物質，對人體健康的危害遠比其他空氣污染物大。PM2.5主要物質來源是人類生產(chǎn)和生活中排放的廢棄物，它的物質組成復雜，主要包括有機化合物、銨鹽、硝酸鹽、硫酸鹽，以及鈉、鎂、鋁、鐵等金屬，也包括鉛、鋅、砷、鎘、銅等重金屬元素。國內對PM2.5的研究起步較晚，研究內容主要集中在污染特征和影響因素（蒲維維等，2011；孟曉艷等，2013；李龍鳳等，2005；于建華等，2004；邱天雪等，2013）、污染物質構成和來源解析（Karnae和J等，2011；Xu L L等，2012；廖旭等，2013；周穎等，2013）、污染的疾病和健康影響（謝元博等，2014；Ma Y等，2011；Guo Y等，2010）等方面，研究區(qū)域主要集中在北京、上海、廣州、深圳等發(fā)達地區(qū)的大城市，而對于農(nóng)村的研究則比較缺乏。本研究以國家環(huán)保局的PM2.5國控點質量濃度為數(shù)據(jù)源，結合GPS確定監(jiān)測點位置，在此基礎上利用GIS及其空間分析功能，結合1973、1990和2010年的貴陽市城區(qū)矢量圖，以及 2010年貴陽市土地利用現(xiàn)狀矢量圖，對比研究貴陽市PM2.5的城市和鄉(xiāng)村的質量濃度特征差異，并在GIS分析的基礎上，結合氣象數(shù)據(jù)，分析影響貴陽PM2.5質量濃度變化的因素，以期對區(qū)域環(huán)境保護和人民的健康，提供有參考價值的建議和對策。

1 研究方法

1.1 數(shù)據(jù)源

貴陽屬黔中，因位于貴山之南而得名，地處106°7′～107°17′E，26°11′～27°22′N，是貴州省會、政治、經(jīng)濟和文化中心，轄云巖區(qū)、花溪區(qū)、南明區(qū)、烏當區(qū)、白云區(qū)、觀山湖區(qū)，市區(qū)面積2403 km2。地勢西南高，東北低。市內最高海拔 1595 m，最低海拔861 m，平均海拔1196 m。2010年森林覆蓋率41.8%。氣候潮濕多雨，多年平均降水量1096 mm，屬亞熱帶濕潤溫和型氣候，有明顯的高原季風氣候特征，平均氣溫約 15.3 ℃，極端氣溫分別為32.5 ℃和-4.1 ℃。2013年平均風速8.3 km/h，月均最小和最大風速分別為6 km/h（10月）和13 km/h（7月），年平均氣壓1015.4 hPa，最低、最高月均氣壓為1008 km/h（夏季）和1023 hPa（冬季）。2010年建成區(qū)面積188.16 km2（圖1），城鎮(zhèn)人口294.63萬。

圖1 研究區(qū)PM2.5監(jiān)測點位置Fig. 1 Location of PM2.5monitoring points at study

PM2.5日均和時均質量濃度為數(shù)據(jù)源，數(shù)據(jù)及監(jiān)測點位置信息來自環(huán)保部國家空氣質量自動監(jiān)測站，質量濃度數(shù)據(jù)單位為μg·m-3。PM2.5對應的氣象數(shù)據(jù)來自國際交換站，主要包括氣壓、氣溫、風速、濕度、能見度。數(shù)據(jù)日期為2013年12月20日到2014年2月27日的PM2.5日均質量濃度數(shù)據(jù)，以及2014年1月20日到2月18日的時均質量濃度數(shù)據(jù)，數(shù)據(jù)覆蓋了優(yōu)良中差各種污染類型。影響因素分析的地理數(shù)據(jù)和貴陽建成區(qū)信息提取自2010年9月21日的Landsat 5和資源1號02C星遙感影像。1973年貴陽城區(qū)提取自1973年12月30日的LANDSAT MSS影像和1:50000地形圖（編號7-48-58-甲），1990年貴陽城區(qū)提取自1990年10月16日的LANDSAT TM影像。

1.2 研究方法

為了對比 PM2.5質量濃度的城鄉(xiāng)差異，從離城區(qū)最遠的桐木嶺監(jiān)測點開始，依次選取花溪、小河、太慈橋、市環(huán)保局、馬鞍山和金陽監(jiān)測點，它們的距離依次是21.2、9.6、3.9、2.4、4.0、6.6 km，其中小河、太慈橋、市環(huán)保局由南而北的穿過主城區(qū)。7個監(jiān)測點（圖1）位置分別是：太慈橋(貴陽發(fā)電廠大門旁神奇水廠)、市環(huán)保站(環(huán)保局辦公樓)、馬鞍山(黔靈公園園林科研所)、小河區(qū)(小河區(qū)政府)、金陽新區(qū)(貴陽一中)、桐木嶺(民族高坡中學)和花溪（吉麟村）監(jiān)測點。其中：主城區(qū)監(jiān)測點市環(huán)保局、太慈橋、小河，近郊區(qū)監(jiān)測點馬鞍山和花溪，其中金陽由于位于新建城區(qū)，以貴陽郊區(qū)處理。桐木嶺為農(nóng)村監(jiān)測點，距離城郊花溪距離21.2 km，距離主城區(qū)小河26.4 km。

以年為基準，不重復采樣的抽樣平均誤差公式，分析數(shù)據(jù)選擇的有效性：

依據(jù)采集日期，新建字段錄入監(jiān)測點PM2.5質量濃度信息以及與其對應的氣象和社會經(jīng)濟要素。以1:50000地形圖為地理參考，配準最新時相的高分辨率遙感影像，分析PM2.5與下墊面的關系——包括土地利用現(xiàn)狀和地形，并分析PM2.5質量濃度與氣象因素的關系。城區(qū)信息用建筑指數(shù)輔助監(jiān)督分類完成，林地和草地用監(jiān)督分類結合目視解譯提取。利用Pearson相關和指標變異分析，不重復采樣下的抽樣平均誤差分析，研究貴陽PM2.5城鄉(xiāng)質量濃度變化及影響因素。WHO的PM2.5質量濃度和等級標準(World Health Organization,2005)劃分閾值分別是25、37.5、50、75 μg·m-3。參考WHO的日均質量濃度標準，研究貴陽市 PM2.5的城鄉(xiāng)污染特征，見表1。

表1 世界衛(wèi)生組織的日均質量濃度標準Table 1 Daily concentration Criteria of WHO μg·m-3

2 結果和分析

2.1 質量濃度變化

PM2.5質量濃度與距離主城區(qū)的距離高度負相關，呈現(xiàn)由主城區(qū)向農(nóng)村逐步降低的趨勢：太慈橋、小河、環(huán)保局→花溪、馬鞍山、金陽→桐木嶺。2013年12月20日到2014年2月27日PM2.5日均質量濃度均值是77 μg·m-3，主城區(qū)的小河86 μg·m-3、太慈橋86 μg·m-3、環(huán)保局85 μg·m-3，城市外緣的花溪81 μg·m-3，城市外緣區(qū)的馬鞍山74 μg·m-3和金陽73 μg·m-3，農(nóng)村監(jiān)測點桐木嶺56 μg·m-3，圖2。日均質量濃度≤25 μg·m-3的日數(shù)，農(nóng)村監(jiān)測點桐木嶺顯著優(yōu)于城鎮(zhèn)監(jiān)測點，但主城市和城市外緣區(qū)的差別較?。和┠編X11 d（圖3），占監(jiān)測日數(shù)的15.5%，馬鞍山5 d，占7%，其他監(jiān)測點3日，占4.2%。質量濃度≤37.5 μg·m-3的日數(shù)，表現(xiàn)出由農(nóng)村向城市外緣區(qū)，再向主城區(qū)逐步減少的趨勢：桐木嶺 23d，占32.4%，馬鞍山12 d，占16.9%，金陽11 d，占15.5%，花溪4 d，占5.6%，小河5 d，占7%，環(huán)保局7 d，占9.9%，太慈橋8 d，占11.3%。質量濃度小于50 μg·m-3并大于37.5 μg·m-3的日數(shù)，沒有顯著的城鄉(xiāng)變異規(guī)律：農(nóng)村監(jiān)測點桐木嶺和城市外緣區(qū)監(jiān)測點花溪均為12 d，占監(jiān)測日數(shù)的16.9%，主城區(qū)監(jiān)測點小河11 d，占監(jiān)測日數(shù)的15.5%，金陽9 d，占12.7%，環(huán)保局和太慈橋8 d，占11.3%，城市外緣區(qū)的馬鞍山6 d，占8.5%。質量濃度大于50 μg·m-3小于75 μg·m-3的日數(shù)，城鄉(xiāng)差異較小：桐木嶺和馬鞍山16 d，占監(jiān)測日數(shù)的22.6%，金陽21 d，占29.6%，花溪17 d，占24.0%，小河、太慈橋和環(huán)保局14 d，占19.7%。質量濃度＞75 μg·m-3的日數(shù)，有農(nóng)村向城市顯著增加的趨勢：農(nóng)村監(jiān)測點桐木嶺僅20 d，占監(jiān)測日數(shù)的28.2%，金陽30 d，占42.3%，馬鞍山37 d，占52.1%，花溪38 d，占53.5%，小河、太慈橋41 d，占57.7%，環(huán)保局42 d，占59.5%。2014年1月20日到2月18日，PM2.5時均質量濃度的均值是69 μg·m-3，并表現(xiàn)出從農(nóng)村向城市升高的趨勢：農(nóng)村的桐木嶺45 μg·m-3，城市外緣區(qū)的金陽64 μg·m-3、馬鞍山68 μg·m-3、花溪72 μg·m-3，主城區(qū)的太慈橋 76 μg·m-3、小河 77 μg·m-3、環(huán)保局80 μg·m-3。質量濃度＞70 μg·m-3的總時數(shù)：農(nóng)村監(jiān)測點桐木嶺為91 h，占其有效數(shù)據(jù)總時數(shù)的13.2%；城市外緣區(qū)的花溪35 h，占45%，馬鞍山300 h，占42.8%，金陽240 h，占34.8%；主城區(qū)的環(huán)保局346，占49.3%，太慈橋326 h，占46.6%，小河317 h，占46.9%。質量濃度＞100 μg·m-3的總時數(shù)，除了主城區(qū)的環(huán)保局稍低外，基本上呈現(xiàn)由農(nóng)村向城市降低的趨勢：桐木嶺為13 h，占有效數(shù)據(jù)總時數(shù)的1.9%，金陽81 h，占11.8%，環(huán)保局、馬鞍山106 h，占15.1%，花溪118 h，占17.4%，太慈橋157 h，占22.5%，小河154 h，占22.8%。

圖2 貴陽PM2.5時均質量濃度城鄉(xiāng)對比監(jiān)測時刻Fig. 2 Hourly concentration of urban and rural PM2.5

圖3 貴陽PM2.5質量濃度的城鄉(xiāng)差異對比Fig. 3 Comparison of urban and rural PM2.5concentration

圖4 PM2.5質量濃度變化趨勢Fig. 4 Tendency of PM2.5 concentration change

為分析監(jiān)測期間貴陽城鄉(xiāng)PM2.5質量濃度的變化趨勢，以監(jiān)測日數(shù)為自變量，7個監(jiān)測點的PM2.5日均質量濃度均值為因變量生成散點圖，如圖4，由圖4可見，盡管各監(jiān)測點日均質量濃度變化各異，但總體上卻表現(xiàn)出隨時間推移逐步降低的趨勢。2014年1月30日（農(nóng)歷除夕）前后，貴陽PM2.5日均質量濃度分別為97、50 μg·m-3，各監(jiān)測點分別是：桐木嶺73、32 μg·m-3，金陽90、47 μg·m-3，馬鞍山93、47 μg·m-3，花溪100、53 μg·m-3，環(huán)保局105、56 μg·m-3，小河108、54 μg·m-3，太慈橋108、53 μg·m-3。2013年12月22日到2014年1月6日 PM2.5質量濃度持續(xù)偏高，各監(jiān)測點平均質量濃度111 μg·m-3，最高、低質量濃度分別是小河的 123 μg·m-3，以及桐木嶺的95 μg·m-3。2014年2月5日到9日，是監(jiān)測期間空氣質量最好時段，平均質量濃度 25 μg·m-3，最高、低質量濃度分別是花溪的29 μg·m-3和桐木嶺的19 μg·m-3。除了出現(xiàn)總體下降的趨勢外，PM2.5質量濃度還表現(xiàn)出24小時周期性變化的特征，并表現(xiàn)出鮮明的城鄉(xiāng)差異。農(nóng)村監(jiān)測點PM2.5的最低質量濃度出現(xiàn)在早晨7時，并在隨后逐步升高，在11時達到次高峰，18時以后質量濃度逐步升高，在 21時達到最大值后逐步下降，并在次日7時達到最低值。城市區(qū)域的PM2.5的24小時周期性趨勢比農(nóng)村復雜，最大質量濃度出現(xiàn)在凌晨2時到3時，隨后質量濃度逐步下降，并在11時到12時出現(xiàn)次高峰，并在16時出現(xiàn)最低值。

2.2 PM2.5質量濃度的影響因素分析

2.2.1 PM2.5質量濃度特征的城鄉(xiāng)差異

PM2.5質量濃度受到城市下墊面的顯著影響，如圖1和表2，研究區(qū)監(jiān)測點分為3類：第一類位于主城區(qū)的環(huán)保局、小河、太慈橋，PM2.5質量濃度最高，空氣質量最差；第二類位于城市外緣區(qū)的花溪、馬鞍山、金陽，其質量濃度較第一類有顯著好轉；第三類為離主城區(qū)超過26 km的遠郊農(nóng)村監(jiān)測點桐木嶺，其平均質量濃度與郊區(qū)的差異超過20 μg·m-3，與主城區(qū)的差異超過30 μg·m-3。PM2.5質量濃度不僅與主城區(qū)相關也與其局地環(huán)境相關。如馬鞍山雖然處于主城區(qū)的邊緣，但其地處黔靈山森林，其質量濃度明顯低于遠離主城區(qū)的花溪監(jiān)測點。金陽監(jiān)測點周圍有植被分布，這是其質量濃度較低的重要原因。質量濃度最高的3個監(jiān)測點中，小河和太慈橋監(jiān)測點都有工業(yè)用地布局，而環(huán)保局位于主城區(qū)的交通干道附件。質量濃度最低的桐木嶺離主城區(qū)邊緣超過26 km，被耕地和植被包圍，周圍建筑很少。如表 2，監(jiān)測點的時均質量濃度與其距離 1973年貴陽主城區(qū)的距離成高度負相關，相關系數(shù)-0.89。

表2 貴陽監(jiān)測點PM2.5及其相關因素統(tǒng)計Table 2 PM2.5concentration value and the related influencing factors

2.2.2 PM2.5質量濃度和土地利用類型的關系

為了分析PM2.5和土地利用的關系，PM2.5監(jiān)測點為圓點生成500 m的緩沖區(qū)。以2014年1月1日資源1號02C星影像為數(shù)據(jù)源，以目視解譯方法提取緩沖區(qū)土地利用信息，見表 2和圖 7。PM2.5和500 m緩沖區(qū)內的建筑用地密度、林地密度的相關系數(shù)分別為 0.69、-0.23。植被尤其森林植被對PM2.5的擴散有著積極的作用(趙晨曦等，2013)，而建筑用地面積，因為直接和人類活動有關，是導致PM2.5質量濃度升高的重要因素。在本研究中，500 m緩沖區(qū)內，森林覆蓋率最高的是黔靈湖林區(qū)的馬鞍山監(jiān)測點，高達 77.4%。而其建筑用地密度僅1.2%。水域（黔靈湖）占21.4%。林地覆蓋率第二高的花溪48.2%，建筑用地占32.2%。其次是金陽的林地密度占緩沖區(qū)的46.0%，建筑密度占54.0%。桐木嶺林地密度占21.3%，建筑密度占13.0%，耕地占65.7%。太慈橋監(jiān)測點林地密度占18.0%，建筑用地密度占73.1%。環(huán)保局林地密度占5.6%，建筑用地密度為88.1%。小河建筑用地密度100%。馬鞍山是森林密度最高而建筑用地密度最低的監(jiān)測點，從有利于 PM2.5擴散的角度，馬鞍山監(jiān)測點顯著優(yōu)于質量濃度最低的桐木嶺。土地利用類型中，影響PM2.5質量濃度的首要因素是城市建設用地，同為主城區(qū)的太慈橋和小河相比，太慈橋林地密度18.0%，而建筑用地密度在主城區(qū)屬于比較低的區(qū)域，但由于其處于原貴陽發(fā)電廠北緣，其PM2.5質量濃度和小河相當，可見工業(yè)用地是導致PM2.5質量濃度升高的另一個重要因素。

2.2.3 PM2.5質量濃度和氣象因素的關系

氣象數(shù)據(jù)來自于國際交換站和中國氣象局公共氣象服務中心。氣溫對PM2.5時均質量濃度的影響很小，它們的相關系數(shù)平均為0.07，最大為0.12。風速(km/s)對PM2.5時均質量濃度有一定影響，它們的平均相關系數(shù)-0.36。氣壓與PM2.5時均質量濃度正相關，相關系數(shù)0.37。能見度與PM2.5成負相關，相關系數(shù)平均-0.44，其中桐木嶺0.13，太慈橋和小河相關性最顯著，分別為-0.48和-0.45。日均質量濃度和最大濕度、最大能見度和最高風速的相關系數(shù)分別為-0.48、-0.43、-0.45。

PM2.5和氣象因素間是復雜的非線性相關關系，與同一因素會出現(xiàn)正負相關的相互轉化。監(jiān)測期間能見度和PM2.5相關系數(shù)-0.44，但2014年2月4日9時-8日15時平均質量濃度的相關系數(shù)超過0.3，其中相關系數(shù)最高的金陽為 0.38。總體上氣溫和PM2.5質量濃度相關系數(shù)0.07，但2月5日19時到9日15時相關系數(shù)高達0.74，屬于顯著相關；1月20日22時到25日11時為負相關，相關系數(shù)-0.45。濕度和PM2.5時均質量濃度相似系數(shù)-0.01，無明顯相關性，但1月28日5時-2月5日13時卻呈現(xiàn)0.61的顯著正相關，1月20日22時到25日12時相關系數(shù)0.66，2月6日17時到11日6時相關系數(shù)為-0.8的高度負相關，如圖 5，圖中：坐標底部的時間格式：X.Y.Z:00，X是月，Y是日，Z時。

圖5 PM2.5質量濃度與濕度(×70)的相關性Fig. 5 Relationship of PM2.5concentration and moisture(×60)

圖6 監(jiān)測期不同風向的編號Fig. 6 Code of different wind directions

圖7 PM2.5監(jiān)測點500 m緩沖區(qū)土地利用類型Fig. 7 Landuse of buffer zone(500 m) with center at PM2.5points

為了分析PM2.5和風向的關系，從北風開始，以順時針順序對不同風向進行編號，其中不定風向編號為17，如圖6。結果顯示，考慮所有方向的情況下，風向和PM2.5質量濃度的Pearson相關系數(shù)為0.26，不考慮南風則相關系數(shù)提高到 0.49，南風對貴陽PM2.5的擴散相對比較有利。

3 結論和討論

農(nóng)村監(jiān)測點桐木嶺的PM2.5時均質量濃度均值45 μg·m-3，城市外緣區(qū)的金陽64 μg·m-3，馬鞍山68 μg·m-3，花溪72 μg·m-3，主城區(qū)的太慈橋76 μg·m-3，小河77 μg·m-3，環(huán)保局80 μg·m-3。桐木嶺日均質量濃度的均值56 μg·m-3，小河86 μg·m-3，太慈橋86 μg·m-3，環(huán)保局85 μg·m-3，花溪81 μg·m-3，馬鞍山74 μg·m-3，金陽73 μg·m-3。受氣象因素、煤炭為主的能源結構等多種因素的綜合影響，貴陽PM2.5質量濃度有明顯的城鄉(xiāng)差異，各監(jiān)測點質量濃度與距離主城區(qū)的距離高度負相關，并呈現(xiàn)由主城區(qū)向農(nóng)村逐步降低的趨勢。一般污染狀態(tài)下，城鄉(xiāng) PM2.5質量濃度差異顯著，空氣質量優(yōu)劣狀態(tài)下的城鄉(xiāng)差異較小。

PM2.5日均質量濃度的時間變化趨勢隨著時間推移而升高逐步降低，時均質量濃度則表現(xiàn)出明顯的24小時周期性變化特征。2014年1月30日（農(nóng)歷除夕）后，貴陽PM2.5日均質量濃度從97 μg·m-3降低為50 μg·m-3。鄉(xiāng)村日均質量濃度空間變化比城市劇烈，城市時均質量濃度比鄉(xiāng)村劇烈。為了對比分析城鄉(xiāng)PM2.5質量濃度的空間變化特征，采用質量濃度標準差/質量濃度平均值計算變異系數(shù)，分析各監(jiān)測點質量濃度變異情況。PM2.5日均質量濃度的變異程度表現(xiàn)出由農(nóng)村向城市降低的趨勢：桐木嶺0.54，金陽0.44，馬鞍山0.43，小河、太慈橋0.42，環(huán)保局 0.41，花溪 0.4。時均質量濃度的空間變異程度表現(xiàn)出由城市向農(nóng)村降低的趨勢由：小河0.63，環(huán)保局0.62，太慈橋0.61，馬鞍山0.58，花溪0.57，金陽0.55，桐木嶺0.54。

時均質量濃度與相應監(jiān)測點距離貴陽主城區(qū)的距離高度負相關，相關系數(shù)高達-0.89。PM2.5與監(jiān)測點500 m緩沖區(qū)內的建筑用地密度的相關系數(shù)為 0.69。PM2.5和氣象因素間是復雜的非線性相關關系，不同時段內同一因素會出現(xiàn)正負相關的相互轉化。盡管相關系數(shù)計算結果并不高，2014年入春以來，隨著溫度的總體上升，空氣流動加大，城鄉(xiāng)間的質量濃度差異正在減小，貴陽市的PM2.5質量濃度逐步減低并趨于平穩(wěn)。

PM2.5主要來源于土壤揚塵，快速城鎮(zhèn)化背景下的建筑施工揚塵，數(shù)量急劇增長的汽車尾氣，工業(yè)強省戰(zhàn)略背景下的工業(yè)企業(yè)污染，燃煤為主的能源結構。PM2.5及其影響間復雜的關系表明，PM2.5為代表的大氣污染和環(huán)境問題治理，是一項復雜的系統(tǒng)工程，問題的根本解決非一蹴能就，問題的解決需要較長的時間，需要變革區(qū)域發(fā)展模式，優(yōu)化產(chǎn)業(yè)結構，通過發(fā)展科學技術，大力提高生產(chǎn)力。在此基礎上，徹底淘汰落后產(chǎn)能，通過技術的革新和規(guī)章制度的完善，從根本上解決環(huán)境問題。目前，一些有效的區(qū)域性政策和規(guī)劃，例如貴陽火電廠關停，汽車限號，對污染企業(yè)的有效監(jiān)管，在 PM2.5質量濃度限制方面效果顯著，目前的治標之策，應該加強對企業(yè)污染的監(jiān)管，進一步淘汰落后產(chǎn)能，進一步控制劇增的汽車數(shù)量，適度放緩過快的城鎮(zhèn)化步伐。

GUO Y, BARNETT A G, ZHANG Y, et al. 2010. The short-term effect of air pollution on cardiovascular mortality in Tianjin, China: comparison of time series and case-crossover analyses[J]. Science of the Total Environment, 409(2): 300-306.

HOUGHTON J T, DING Y, GRIGGS D J, et al. 2001. IPCC(Intergovernmental Panel on Climate Change) 2001:The scientific basis.5. aerosols, their direct and effects[M]. London: Cambridge University Press, London, UK: 289-348.

KARNAE S, JOHN K. 2011. Source apportionment of fine particulate matter measured in an industrialized coastal urban area of South Texas[J]. Atmospheric Environment, 45(23): 3769-3776.

LIN G, FU J, DONG J, et al. 2013. Spatio-temporal variation of PM2.5concentrations and their relationship with geographic and socioeconomic factors in China[J]. Int. J. Environ. Res. Public Health, 11(1): 173-186.

LIU J, LI Y P, SADIQ R, et al. 2014. Quantifying influence of weather indices on PM2.5based on relation map[J]. Stochastic Environmental Research and Risk Assessment, 28(6): 1323-1331.

LOHMANN U, FEICHTER J. 2005. Global indirect aerosol effects: a review[J]. Atmospheric Chemistry and Physics, 5(3): 715-737.

MA Y, CHEN R, PAN G, et al. 2011. Fine particulate air pollution and daily mortality in Shenyang, China[J]. Science of the Total Environment, 409(13): 2473-2477.

World Health Organization(WHO). 2005. Air Quality Guidelines for Particulate Matter, Ozone, Nitrogen Dioxide and Sulfur Dioxide-Global Update 2005-Summary of Risk Assessment[R].

XU L L, CHEN X Q, CHEN J S, et al. 2012. Seasonal variations and chemical compositions of PM2.5 aerosol in the urban area of Fuzhou, China[J]. Atmospheric Research, 104: 104-105.

李龍鳳, 王新明, 趙利容, 等. 2005. 廣州市街道環(huán)境PM10和PM2.5質量濃度的變化特征[J]. 地球與環(huán)境, 33(2): 57-60.

廖旭, 胡安誼, 楊曉永, 等. 2013. 廈門冬季 PM2.5顆粒物中細菌和真核微型生物群落組成及其來源分析[J]. 生態(tài)環(huán)境學報, 22(8): 1395-1400.

孟曉艷, 魏楨, 王瑞斌, 等. 2013. 灰霾試點城市 PM2.5濃度特征及其影響因素分析[J].環(huán)境科學與技術, 36(9): 76-80.

蒲維維, 趙秀娟, 張小玲. 2011. 北京地區(qū)夏末秋初氣象要素對PM2.5污染的影響. 應用氣象學報, 22(6): 716-723.

秦良偉, 許影. 2014. 基于地統(tǒng)計學的江蘇 PM2.5空間變異性分析[J].環(huán)境工程, (1): 73-76, 91.

邱天雪, 陳進生, 尹麗倩, 等. 2013. 閩南重點城市春季 PM2.5中水溶性無機離子特征研究[J].生態(tài)環(huán)境學報, 22(3): 512-516.

謝元博, 陳娟, 李巍. 2014. 霧霾重污染期間北京居民對高濃度PM2.5持續(xù)暴露的健康風險及其損害價值評估[J]. 環(huán)境科學, 35(1): 1-8.

于建華, 虞統(tǒng), 魏強, 等. 2004. 北京地區(qū)PM10和PM2.5質量濃度的變化特征[J]. 環(huán)境科學研究, 17(1): 45-47.

趙晨曦, 王玉杰, 王云琦, 等. 2013. 細顆粒物(PM2.5)與植被關系的研究綜述[J]. 生態(tài)學雜志, 32(8): 2203-2210.

周穎, 周家斌, 王磊, 等. 2013. 武漢秋冬季大氣 PM2.5中多環(huán)芳烴的分布特征及來源[J]. 生態(tài)環(huán)境學報, 22(8): 506-511.

Study on Characteristics of Urban and Rural PM2.5Concentrations Alternation and Main Influencing Factors Using GIS in Guiyang

LI Song1,2, DENG Baokun1, SHAO Jixin1, XU Hongqin1, LI lian1

1. Institute of region tourism Guizhou Normal College, Guiyang 550018, China;
2. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China

PM2.5reduces urban atmospheric quality and physical health. Additionally, PM2.5is a hot issue of climatic and environmental problems. PM2.5, a fine particulate matter, is the main atmospheric pollutant. To study the spatiotemporal variation characteristics of PM2.5and its influencing factors, both daily and hourly average concentrations of PM2.5were captured. It involves such monitoring points as Tongmuling, Manshan, Jinyang, Huaxi, Xiaohe, Taiciqiao and Huanbaoju in Guiyang, covering from December 20, 2013 to February 27, 2014, and January 20 to February 18, 2014 respectively. On sampling mean error basis, this paper studied variation characteristics of PM2.5concentration using remote sensing, GIS technology and statistical analysis method referred to Air Quality Criteria of the World Health Organization. Consequentially, relationship of PM2.5concentrations and related factors, including meteorological elements and land use, was analyzed. The spatial range of Guiyang urban in 1973, 1990 and 2010 was extracted from LANDSAT MSS and topographic map (1973) and LANDSAT 5(1990 and 2010). In order to analyze the relationship of concentration and land use, this paper interpreted land use within circles 250 m around these monitoring points utilizing 02C image on January 1, 2014. The minimum distances between PM2.5monitoring points and main urban area in 1973 were calculated by using GIS. The findings were as follows: ①there was a complex relationship between PM2.5concentrations and related influencing factors, and there was an obvious spatial downward tendency of PM2.5concentrations from urban to rural, and a temporal downward tendency. Coefficient between density of urban built-up land and PM2.5concentration was -0.69, and one of concentration and the minimum distance was -0.89. The average daily concentration value was 77 μg·m-3among all points. Daily concentrations were 56 μg·m-3, 74 μg·m-3, 73 μg·m-3, 81 μg·m-3, 86 μg·m-3, 86 μg·m-3and 85 μg·m-3, respectively. The hours of hourly average concentrations above 100 μg·m-3were 13, 106, 81, 118, 154, 157 and 106. PM2.5daily average concentration showed an obvious downward trend within the study period. There was a significant change around the Spring Festival’s Eve, and the difference was 47 μg·m-3. PM2.5hourly average concentrations showed an obvious downturn and a daily periodic variation during the study period, and there is an obvious difference between urban and rural.

Guiyang; PM2.5concentration; urban and rural; influencing factor; GIS

X16

：A

：1674-5906（2014）08-1298-07

李松，鄧寶昆，邵技新，徐紅勤，李戀. 基于GIS的貴陽PM2.5質量濃度城鄉(xiāng)過渡特征及影響因素研究[J]. 生態(tài)環(huán)境學報, 2014, 23(8): 1298-1304.

LI Song, DENG Baokun, SHAO Jixin, XU Hongqin, LI lian. Study on Characteristics of Urban and Rural PM2.5Concentrations Alternation and Main Influencing Factors Using GIS in Guiyang [J]. Ecology and Environmental Sciences, 2014, 23(8): 1298-1304.

國家科技支撐計劃項目（2011BAC09B01）；貴州教育廳項目（13GH069）；烏當科技局項目（[2012]烏科技合同字第48號）；貴州省環(huán)境特色重點學科專項基金

李松（1980年生），男，副教授，博士，主要從事災害與遙感應用研究。E-mail：zhijinese@163.com

2014-04-21