賈斌，盧吉文，李雪，王星

(重慶市墊江縣環(huán)境監(jiān)測站，重慶　408300)

?

重慶墊江大氣污染物濃度變化趨勢及影響因子分析

賈斌，盧吉文，李雪，王星

(重慶市墊江縣環(huán)境監(jiān)測站，重慶408300)

摘要：利用墊江縣城區(qū)大氣自動監(jiān)測資料，采用綜合污染指數(shù)、Daniel趨勢檢驗方法對城區(qū)大氣環(huán)境質量變化趨勢進行分析。研究結果表明： 2015年，墊江縣環(huán)境空氣中SO2、PM10、NO2、O3年均值分別為12 μg/m3、68 μg/m3、46 μg/m3、39 μg/m3，空氣優(yōu)良天數(shù)達到348天，年度環(huán)境空氣綜合污染指數(shù)為2.55。2011—2015年，城區(qū)大氣質量年際變化趨勢表明4種主要污染物在評價時段內變化穩(wěn)定或平穩(wěn)?；?015年4月、8月、10月和12月SO2、PM10、NO2、O34種大氣污染物的時序監(jiān)測數(shù)據(jù)，運用相關性分析、主成分分析和聚類分析，重點探討大氣污染物與氣象因子間的相互關系。結果表明，溫度、風速是兩個重要的氣象因子，對4種大氣污染物均產生顯著性影響；大氣中4種污染物之間也存在顯著性影響；主成分分析表明前兩個主成分特征值均大于1，累計解釋了總因子的48.763%、73.359%，其主要受人類活動污染影響。大氣中4種污染物與氣象因子間具有聚合性，綜合分為3類：其中，PM10和NO2與SO2為一類；O3單獨為一類。

關鍵詞：大氣污染物；變化規(guī)律；主成分分析；聚類分析

我國環(huán)境空氣中可吸入顆粒物(PM10)、臭氧(O3)、二氧化氮(NO2)等濃度值經(jīng)常超過正常大氣標準，致使霧霾天氣增多、大氣能見度下降、酸雨等大氣污染事件頻發(fā)。近年來，隨著我國經(jīng)濟的高度發(fā)展和城市化進程加快，能源大量消耗導致大氣污染物排放量隨之大幅增加，大氣污染成為我國目前面臨的重要環(huán)境問題之一，大氣中PM10、PM2.5、SO2、O3、NOx等物質成為影響城市大氣環(huán)境質量的重要污染物[1- 3]。

國內相繼開展了大量有關大氣污染研究，出現(xiàn)了許多關于城市空氣質量相關研究報道，但主要集中于東部、沿海等發(fā)達地區(qū)[4- 8]，主要運用在線實時監(jiān)測SO2、PM10、NO2、O3等大氣污染物，對空氣質量進行評價分析，研究時空變化趨勢，結合地理位置、氣象條件研究主要污染物的變化規(guī)律，而對于西南山區(qū)大氣污染物分布特征及影響成因的研究相對較少[9- 12]。然而，由于區(qū)域地理位置和經(jīng)濟發(fā)展不平衡等原因，各地區(qū)和區(qū)域大氣污染具有不同區(qū)域污染程度、空間結構和時間變化差異、主要特征污染物不一致等污染特征，尤其是在重慶市生態(tài)涵養(yǎng)區(qū)域的城市群發(fā)展。因此，開展該區(qū)域大氣污染研究有助于增加對重慶市生態(tài)涵養(yǎng)區(qū)域大氣污染現(xiàn)狀認知，對大氣污染防治具有重要意義。

墊江縣位于重慶市東北部， 屬中亞熱帶濕潤季風氣候區(qū)，氣候溫和，四季分明，年平均氣溫18.2℃，雨量充沛，年平均降水量1 000.5 mm。本研究利用墊江縣大氣自動監(jiān)測資料，分析城區(qū)大氣環(huán)境質量變化規(guī)律特征，并運用多元統(tǒng)計手段，重點探討大氣污染物與氣象因子間的相互關系，以期為有效調控地區(qū)空氣質量提供科學依據(jù)。

1研究方法

1.1監(jiān)測項目及頻率

重慶市墊江縣城區(qū)環(huán)境空氣質量自動監(jiān)測點位為國控監(jiān)測點位，位于人民路，執(zhí)行《環(huán)境空氣質量自動監(jiān)測技術規(guī)范》(HJ/T 193—2005)，監(jiān)測頻率為24小時連續(xù)自動監(jiān)測。自動監(jiān)測項目為PM10、SO2、NO2、O3、風速、溫度等相關參數(shù)。

1.2數(shù)據(jù)處理與分析

選取2015年全年數(shù)據(jù)進行評價分析和年際變化趨勢分析，采用綜合污染指數(shù)法和Daniel趨勢檢驗方法進行分析[13]。選取2015年4月、8月、10月和12月SO2、PM10、NO2、O3、風速、溫度等監(jiān)測數(shù)據(jù)，用Microsoft Office Excel及SPSS 20.0軟件進行數(shù)據(jù)處理，并進行相關性分析、主成分分析和聚類分析。

2結果與分析

2.1城區(qū)環(huán)境空氣質量評價結果

2015年，墊江縣環(huán)境空氣中SO2、PM10、NO2、O3年均值分別為12 μg/m3、68 μg/m3、46 μg/m3、39 μg/m3，除NO2外，其余項目均滿足《環(huán)境空氣質量標準》(GB 3095—2012)二級濃度限值要求，滿足的優(yōu)良天數(shù)達到348天，滿足優(yōu)良天數(shù)比例達到95.3%。墊江縣年度環(huán)境空氣綜合污染指數(shù)為2.55，屬于輕度污染。SO2、PM10、NO2、O3的污染負荷系數(shù)分別為8.0%、37.9%、44.7%和9.5%。說明NO2對墊江縣環(huán)境空氣質量的影響最大，其次是PM10。

由圖1可以看出，2015年，墊江縣城區(qū)環(huán)境空氣質量中SO2隨月份的變化比較平緩，而NO2和O3的變化趨勢隨月份變化規(guī)律基本類似，有可能是由于近年來墊江縣城區(qū)機動車保有數(shù)量增加，大量汽車尾氣排放導致了NO2在大氣中發(fā)生了二次污染，影響了O3濃度變化。PM10濃度隨月份呈U形變化趨勢，這可能是由于在春季和秋季，城區(qū)降水量急劇減少，道路揚塵及施工揚塵影響了PM10春冬季節(jié)濃度偏高。

圖1　主要污染物年度變化趨勢Fig.1　Annual changing trend of main pollutants

2.2主要污染物年度變化趨勢分析

2011—2015年墊江縣空氣主要污染物年際變化如圖2所示，采用Daniel趨勢檢驗方法分析城區(qū)主要污染物濃度變化趨勢。由圖2可以看出，墊江縣城區(qū)大氣環(huán)境中主要污染物SO2、PM10、NO2、O3濃度呈波浪式變化趨勢，SO2和PM10濃度呈逐年下降趨勢，而NO2和O3濃度隨年際變化趨勢相同。Spearman秩相關系數(shù)法檢驗結果表明，SO2、PM10、NO2、O3的|rs|分別為0.9、0.9、0.6和0.3，由于n=5，查表得Wp0.05=0.900。如果|rs|≤Wp0.05，則表明變化趨勢沒有顯著意義，說明4種主要污染物在評價時段內變化平穩(wěn)。

圖2　主要污染物濃度年際變化Fig.2　Annual change of main pollutants’ concentration

2.3大氣污染物與氣象因子參數(shù)相關性分析

表1　大氣污染物與氣象因子間相關性分析

注：**表示P<0.01，*表示P<0.05。

由表1可知，春(4月)、夏(8月)、秋(10月)、冬(12月)四季與大氣污染物中O3的產生呈顯著負相關(P<0.01)。另由圖3可知，夏季大氣中各污染物波動性較大。風速對全部4種污染物均產生顯著性差異，其中對SO2、PM10和NO23種污染物產生了顯著性負相關影響(P<0.01)，說明風速越大越有利于這3種污染物的擴散；溫度對PM10、NO2和O3產生了顯著性影響(P<0.01)，而對SO2無顯著性影響(P>0.05)。從大氣中四種污染物之間的相關性分析，可以看出，SO2、PM10和NO23種污染物之間均產生了顯著性正相關(P<0.01)，而SO2、NO2與O3之間產生了顯著性負相關(P<0.01)，說明前兩者作為O3的前體物質會對其進行消耗[14- 16]。

圖3　大氣污染物在各季節(jié)中分布情況Fig.3　Seasonal distribution of air pollutants

2.4主成分分析

首先，以大氣中4種污染物(SO2、PM10、NO2和O3)及風速、溫度氣象因子為變量進行適用性檢驗，經(jīng)檢驗，KMO值約為0.7，表明變量間相關性較強，由Bartlett球形檢驗發(fā)現(xiàn)，近似卡方值為307.97，自由度為15，P=0.000，說明適宜因子分析。使用主成分分析和正交旋轉方法，得到主成分分析結果見表2，共抽取2個主成分，累計解釋了總因子的48.763%、73.359%(圖4)。第一主成分上SO2、PM10和NO2都具有較大的正載荷，反映了可能共同受人類生產、生活排放的污染物及汽車尾氣排放污染；第二主成分由O3、風速和溫度氣象因子構成，反映了可能受當?shù)貧夂驐l件等自然因素影響。

表2主成分分析因子載荷量矩陣

Table 2Factor load matrix of principal component analysis

項目成分1成分2SO20.686-0.158PM100.900-0.070NO20.853-0.140O3-0.0550.926風速-0.4330.714溫度0.083-0.883

圖4　二維因子符合Fig.4　Loading plot of the first two principal components

2.5聚類分析

利用SPSS 20.0統(tǒng)計軟件，以平方歐氏距離(Squared Euclidean distance)2為組間距離標準，對132個監(jiān)測數(shù)據(jù)中四種污染物含量值做聚類分析，結果如圖5所示。由圖5可知，大氣中4種污染物間具有聚合性，綜合分為兩類：其中，PM10和NO2與SO2為一類；O3單獨為一類。各元素間聚類距離依次為：PM10、NO2

圖5　各類元素組間聚類分析Fig.5　Cluster analysis of various element groups

3結論

(1)2015年，墊江縣環(huán)境空氣中SO2、PM10、NO2、O3的年均值分別為12 μg/m3、68 μg/m3、46 μg/m3、39 μg/m3，滿足優(yōu)良的天數(shù)達到348天，滿足優(yōu)良天數(shù)比例達到95.3%，墊江縣年度環(huán)境空氣綜合污染指數(shù)為2.55。其中，NO2對墊江縣環(huán)境空氣質量的影響最大，其次是PM10。

(2)2011—2015年城區(qū)大氣質量年際變化趨勢Spearman秩相關系數(shù)法檢驗結果表明，SO2、PM10、NO2、O3變化趨勢沒有顯著意義，說明4種主要污染物在評價時段內變化穩(wěn)定或平穩(wěn)。

(3)溫度、風速是兩個重要的氣象因子，對4種大氣污染物均產生顯著性影響；大氣中四種污染物之間也存在顯著性影響。

(4)主成分分析表明前兩個主成分特征值均大于1，累計解釋了總因子的48.763%、73.359%，其主要受人類活動污染影響。

(5)大氣中4種污染物與氣象因子間具有聚合性，綜合分為3類：其中，PM10和NO2與SO2為一類；O3單獨為一類。

參考文獻(References)：

[1]鄧曉蓓. 我國大氣污染的成因及治理措施[J]. 北方環(huán)境, 2013, 29(2): 11- 12.

[2]孫穎, 潘月鵬, 李杏茹, 等. 京津冀典型城市大氣顆粒物化學成分同步觀測研究[J]. 環(huán)境科學, 2011, 32(9): 2733- 2734.

[3]楊俊益, 辛金元, 吉東生, 等. 2008—2011年夏季京津冀區(qū)域背景大氣污染變化分析[J].環(huán)境科學, 2012, 33(11): 3 693- 3 694.

[4]鄭曉紅. 上海市環(huán)境空氣質量時間變化規(guī)律及其成因分析[J]. 干旱環(huán)境監(jiān)測, 2005, 19(1): 15- 18.

[5]陳魁. 天津市空氣質量時間變化規(guī)律及相關性分析[J]. 中國環(huán)境監(jiān)測, 2007, 23(1): 50- 53.

[6]薛皎亮, 謝映平, 李景平, 等. 太原市空氣的SO2污染及樹木的吸收凈化[J]. 應用與環(huán)境生物學報, 2003 (2): 150- 153.

[7]李令軍, 王英, 李金香. 北京清潔區(qū)大氣顆粒物污染特征及長期變化趨勢[J]. 環(huán)境科學, 2011, 32(2): 319- 323.

[8]于淑秋, 林學椿, 徐樣德. 北京市區(qū)大氣污染的時空分布特征[J]. 應用氣象學報, 2002, 13 (S1): 92- 99.

[9]Cao J. J., Lee S. C., Ho K. F.,etal. Spatial and seasonal variations of atmospheric organic carbon and elemental carbon in Pearl River Delta Region, China [J]. Atmospheric Environment,2004, 38: 4 447- 4 456.

[10]Chen Z. H., Cheng S. Y., Li J. B.,etal. Relationship between atmospheric pollution processes and synoptic pressure patterns in northern China [J]. Atmospheric Environment, 2008, 42: 6078- 6087.

[11]符傳博, 丹利. 重污染下我國中東部地區(qū)1960—2010年霾日數(shù)的時空變化特征[J]. 氣候與環(huán)境研究, 2014, 19(2): 219- 226.

[12]符傳博, 陳有龍, 丹利, 等. 近10年海南島大氣NO2的時空變化及污染物來源解析[J]. 環(huán)境科學, 2015, 38(1): 18- 24.

[13]張永江, 張宗慶, 羅永洪, 等. 黔江區(qū)環(huán)境空氣質量評價及變化趨勢[J]. 環(huán)境科學導刊, 2014, 33(1): 76- 79.

[14]單文坡. 大氣臭氧濃度變化規(guī)律及相關影響因素研究[D]. 濟南: 山東大學, 2006.

[15]石玉珍, 徐永福, 王庚辰, 等. 北京市夏季O3、NOx等污染物“周末效應”研究[J].環(huán)境科學, 2009, 30(4): 2 832- 2 838.

[16]唐文苑, 趙春生, 耿福海, 等. 上海地區(qū)臭氧周末效應研究[J]. 中國科學D輯：地球科學, 2009, 39(1): 99- 105.

Analysis of the Changing Trend and Impact Factors of Air Pollutants Concentration in Dianjiang, Chongqing

JIA Bin, LU Ji-wen, LI Xue, WANG Xing

(Environmental Monitoring Station of Dianjiang County in Chongqing, Chongqing 408300, China)

Abstract:Based on the atmospheric automatic monitoring data in the city proper of Dianjiang county in Chongqing, the comprehensive pollution index and Daniel Trend Test method are used to analyze the changing trend of urban atmospheric environmental quality. The results shows that: the annual average of SO2, PM10, NO2 and O3 are respectively 12 μg/m3, 68 μg/m3, 46 μg/m3 and 39 μg/m3, and the number of good air quality days is 348. In addition, annual ambient air comprehensive pollution index was 2.55. The annual changing trend of atmospheric quality shows that the change of the four main pollutants are stable or they stay stable during the evaluation period in 2011～2015. Based on the monitoring data of PM10, NO2, SO2 and O3 in April, August, October and December, the correlation analysis, principal component analysis (PCA) and cluster analysis (CA) are used to study the relationship between atmospheric pollutants and meteorological factors. The results shows that the temperature and wind speed are two important meteorological factors, and they have a significant impact on four air pollutants. PCA shows that the values of the first two principal components are greater than 1, and cumulatively explains the total factor for 48.763% and 73.359%, which indicates that the main sources of atmospheric pollutants are resulted from human activities. These elements can be classified into three clusters, i.e., cluster one (PM10and NO2), cluster two (PM10, NO2 and SO2), cluster three (O3).

Key words:atmospheric pollutants; changing trend; principal component analysis (PCA); cluster analysis

收稿日期：2016-02-15

作者簡介：賈斌(1968—)，女，四川樂山人，高級工程師，主要從事環(huán)境管理和監(jiān)測研究，E-mail：153068311@qq.com

DOI:10.14068/j.ceia.2016.02.019

中圖分類號：X823

文獻標識碼：A

文章編號：2095-6444(2016)02-0078-04