肖 雪，曹云剛，張 敏

（西南交通大學(xué) 地球科學(xué)與環(huán)境工程學(xué)院，四川 成都 611756）

0 引 言

伴隨著經(jīng)濟(jì)和城市化的快速發(fā)展，各種大氣污染物的排放對環(huán)境和氣候產(chǎn)生了嚴(yán)重影響。大氣顆粒物不僅會引發(fā)灰霾天氣，導(dǎo)致空氣能見度降低、影響城市景觀，更會影響公眾的身體健康[1]。顆粒物按其空氣動力學(xué)直徑及其在人體呼吸系統(tǒng)沉積位置的不同，可分為總懸浮顆粒物(0～100μ m)、可吸入顆粒物(0～10μm)和細(xì)顆粒物(0～2.5μm)。其中，PM2.5表示環(huán)境空氣中空氣動力學(xué)直徑小于等于2.5μm的細(xì)顆粒物，又被稱為可吸入肺顆粒物，它不僅可以進(jìn)入鼻腔咽喉更可以進(jìn)入肺泡沉積或人體血液循環(huán)，引發(fā)各種疾病，如呼吸系統(tǒng)疾病、心血管疾病等[2-4]，因此，PM2.5受到了公眾的廣泛關(guān)注。近年來，國內(nèi)外學(xué)者已經(jīng)在對PM2.5的來源解析，化學(xué)成分，影響因子，時空變化特征以及控制PM2.5的污染等方面進(jìn)行了大量的研究并取得了一定的研究成果。

尤其是在PM2.5的影響因子分析方面，江瑤等[5]探討了氣象條件對PM2.5濃度的影響，結(jié)果表明降水對PM2.5具有明顯的清除作用，風(fēng)則有較好的稀釋擴(kuò)散效應(yīng)；Chen T等[6]利用地理加權(quán)回歸模型分析了城市、人口和經(jīng)濟(jì)發(fā)展對PM2.5濃度變化的影響，其結(jié)果表明，人口增加、當(dāng)?shù)亟?jīng)濟(jì)增長和城市擴(kuò)張是影響PM2.5濃度的3個主要驅(qū)動力；Xie Y Y等[7]利用皮爾森相關(guān)系數(shù)分析了PM2.5、PM10與其他污染氣體SO2，NO2，CO and O3的關(guān)系，結(jié)果表明PM2.5、PM10與SO2，NO2，CO存在較高的相關(guān)性，SO2、NO2和CO的排放往往伴隨著PM2.5和PM10的排放，這些氣態(tài)污染物也與二次氣溶膠的生成有關(guān)。另外，黃巍等[8]在確定通風(fēng)與降水對于減少PM2.5對城市的影響最為有效的情況下，通過建立3D模型并運(yùn)用計算流體力學(xué)(CFD)軟件模擬成都市一處密集的建成區(qū)域，分析了城市空間形態(tài)對通風(fēng)的影響，得到了理想的結(jié)果。但其是對城市建成區(qū)的三維模型進(jìn)行數(shù)值模擬，并在固定的參數(shù)設(shè)置下得到的結(jié)果，數(shù)據(jù)的使用存在一定的局限性。

作為西南地區(qū)的金融貿(mào)易中心和交通樞紐，四川省成都市近年來也飽受大氣污染的影響。這是由于隨著成都市社會經(jīng)濟(jì)的快速發(fā)展，大氣污染物排放量日益增加，同時由于成都平原所在區(qū)域獨(dú)特的地形和氣候特征，使得大氣污染物自然擴(kuò)散能力較差。此外，截至2016年底，成都市汽車保有量達(dá)到412萬輛，相較于2015年增加了46萬輛，汽車保有量的增加會導(dǎo)致污染物排放量大幅增加，這也會影響到成都市的空氣質(zhì)量。因此，本文以成都市為例，選取四川省環(huán)境監(jiān)測總站實(shí)時發(fā)布的監(jiān)測數(shù)據(jù)，對成都市2016年P(guān)M2.5的時空變化特征及氣象因子對其的影響進(jìn)行分析。在此基礎(chǔ)上，結(jié)合最新數(shù)字表面模型數(shù)據(jù)(DSM)與數(shù)字高程模型(DEM)，從而進(jìn)一步分析城市空間形態(tài)因子對PM2.5濃度變化的影響，為成都市進(jìn)一步開展大氣污染物治理與城市規(guī)劃提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

PM2.5濃度數(shù)據(jù)來源于四川省環(huán)境監(jiān)測總站(http://www.scnewair.cn:3389/publish/index.html)實(shí)時發(fā)布的逐小時監(jiān)測數(shù)據(jù)，其時間范圍為2016年1月1日～12月31日。包括了成都市轄區(qū)的8個國控空氣質(zhì)量監(jiān)測站點(diǎn)，分別為十里店，沙河鋪，君平街，三瓦窯，大石西路，梁家巷，金泉兩河和靈巖寺，站點(diǎn)空間分布如圖1所示。氣象數(shù)據(jù)來源于網(wǎng)站(http://www.wunderground.com/history)和中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)。高分辨率遙感影像數(shù)據(jù)來源于Google Earth，其影像級別為17級，重采樣后的空間分辨率約為1 m，數(shù)據(jù)獲取時間為2016年5月11日。數(shù)字高程模型(Digital Elevation Model，DEM)為ASTER GDEM，來源于地理空間數(shù)據(jù)云，數(shù)字表面模型(Digital Surface Model，DSM)為AW3D30，來源于JAXA全球ALOS門戶網(wǎng)站(http://www.eorc.jaxa.jp/ALOS/en/aw3d30)，其中，DSM是表達(dá)地球表面及其之上物體表面高低起伏形態(tài)的數(shù)據(jù)集，能有效反映地表信息，與數(shù)字高程模型相比，DSM除了包含地形的高程信息，還涵蓋了其他地表信息的高程，如建筑物、植被等[9]。

圖1 成都市空氣質(zhì)量監(jiān)測站點(diǎn)分布圖Fig.1 Spatial distribution of air quality monitoring stations in Chengdu

1.2 數(shù)據(jù)處理與分析

由四川省環(huán)境總站的發(fā)布說明可知，當(dāng)?shù)孛姹O(jiān)測站點(diǎn)遇到監(jiān)測儀器校零、校標(biāo)等日常維護(hù)行為，或出現(xiàn)通信故障、停電等現(xiàn)象，空氣質(zhì)量監(jiān)測數(shù)據(jù)會出現(xiàn)缺失或異常值，因此，本文在剔除異常值的同時，利用線性插值法對已有數(shù)據(jù)進(jìn)行處理，得到成都市2016年一整年完整的數(shù)據(jù)。根據(jù)空氣質(zhì)量監(jiān)測站點(diǎn)PM2.5濃度的逐小時數(shù)據(jù)，求算術(shù)平均得到日均值，進(jìn)而得到季均值和年均值, 其中，3、4、5月為春季，6、7、8月為夏季，9、10、11月為秋季，12、1、2月為冬季。首先，結(jié)合Excel統(tǒng)計圖表，分析PM2.5濃度的日變化與日均變化特征。其次，由于在少量非均勻分布數(shù)據(jù)情況下普通克里金法能插值得到較好的結(jié)果[10]，因此本文基于各站點(diǎn)的PM2.5濃度數(shù)據(jù)，利用ArcGIS軟件的普通克里金插值工具對成都市城市中心PM2.5濃度進(jìn)行了空間插值，并分析了其空間分布特征。第三，利用SPSS統(tǒng)計分析工具將PM2.5濃度與氣象因子進(jìn)行相關(guān)性分析，根據(jù)相關(guān)系數(shù)探析氣象因子對PM2.5濃度變化的影響。最后，結(jié)合DEM和DSM數(shù)據(jù)，利用ArcGIS空間分析工具計算出建筑錯落度，并對PM2.5濃度下降速率與建筑錯落度進(jìn)行回歸分析，探究建筑錯落度對PM2.5濃度變化的影響。

2 PM2.5濃度時空變化特征

2.1 PM2.5濃度日變化特征

本文依次計算成都市8個監(jiān)測站點(diǎn)2016年每日不同時刻PM2.5濃度的平均值，得到PM2.5濃度日變化折線圖，如圖2所示。可以看出，除了靈巖寺外(對照點(diǎn))，其他7個位于城市中心監(jiān)測站點(diǎn)的PM2.5濃度具有“單峰單谷”特征，單峰大致出現(xiàn)在白天的10:00～12:00，單谷出現(xiàn)在17:00～19:00，且金泉兩河的日均PM2.5濃度明顯高于其他站點(diǎn)。靈巖寺每日的PM2.5濃度變化不明顯，但在每日的9:00左右還是出現(xiàn)了PM2.5濃度明顯增加的過程，直到夜晚20:00有不明顯的下降趨勢。

圖2 PM2.5濃度日變化折線圖Fig.2 Diurnal variation of PM2.5 concentration

從各國控站點(diǎn)的高分辨率遙感影像，如圖3所示，可以看出，除了靈巖寺站點(diǎn)位于城市郊區(qū)，其余7個站點(diǎn)均位于成都市區(qū)，人口密集，車流量大。成都市早高峰時段為7:30～9:00，機(jī)動車向大氣環(huán)境中不斷輸入細(xì)顆粒物以及道路揚(yáng)塵[11]，使細(xì)顆粒物堆積沉淀后，濃度最高值出現(xiàn)在10:00～12:00；午后隨著地面溫度的升高，靜穩(wěn)層結(jié)被打破，湍流的垂直交換或者風(fēng)的輸送，使得顆粒物濃度擴(kuò)散下降[12]；晚上由于成都市晚高峰(17:30～19:00)車流量的增加，使得PM2.5濃度再次回升。由此可以看出，機(jī)動車所排放的污染氣體對成都市城市中心的PM2.5濃度變化的影響很大，這與Tian Y Z等[13]的研究結(jié)果相吻合。另外，成都市夜間PM2.5濃度不減反增，這可能是成都市逆溫和城市熱島效應(yīng)現(xiàn)象導(dǎo)致的空氣無法上下對流，使得PM2.5難以擴(kuò)散，也有可能是由于站點(diǎn)周圍的工廠偷排污染氣體所導(dǎo)致。

圖3 成都市空氣質(zhì)量監(jiān)測站點(diǎn)高分辨率遙感影像Fig.3 High-resolution remote sensing images of air quality monitoring stations in Chengdu

2.2 PM2.5濃度日均變化特征

由空氣質(zhì)量監(jiān)測數(shù)據(jù)的逐小時數(shù)據(jù)求算術(shù)平均得到各站點(diǎn)PM2.5濃度的日均變化折線圖，如圖4所示?？梢钥闯觯啥际懈髡军c(diǎn)PM2.5濃度的日均變化明顯的峰尖，出現(xiàn)在11、12月，而7～9月的PM2.5日均濃度變化較為穩(wěn)定，沒有明顯的尖峰，且各站點(diǎn)PM2.5日均最大濃度從大到小依次為：金泉兩河(247.25μg·m-3)＞梁家巷(242.42μg·m-3)＞十里店(229.54μg·m-3)＞沙河鋪(226.42μg·m-3)＞三瓦窯(211.69μg·m-3)＞君平街(211.46μg·m-3)＞大石西路(200.17μg·m-3)＞靈巖寺(146.73μg·m-3)。PM2.5濃度二級濃度限值為75μg·m-3[14]，根據(jù)統(tǒng)計得知，各站點(diǎn)PM2.5濃度超標(biāo)率依次為：十里店(29%)，沙河鋪(24.9%)，君平街(25.7%)，三瓦窯(27%)，大石西路(26%)，梁家巷(31.4%)，金泉兩河(37.7%)，靈巖寺(10.7%)，其中，金泉兩河站點(diǎn)的超標(biāo)率最高，靈巖寺超標(biāo)率最低。金泉兩河超標(biāo)率最高可能是由于周圍有較多的工業(yè)園區(qū)，而靈巖寺作為郊區(qū)背景對照點(diǎn)，PM2.5日均最大濃度最低且超標(biāo)率最低。

圖4 PM2.5濃度日均變化折線圖Fig.4 Average daily variation of PM2.5 concentration

2.3 PM2.5濃度空間變化特征

由PM2.5濃度的季均值求算術(shù)平均得到PM2.5濃度的年均值，插值得到2016年成都市城市中心各監(jiān)測站點(diǎn)年均PM2.5濃度空間分布圖，如圖5所示?？梢钥闯觯鞘兄行腜M2.5濃度的空間變化特征整體表現(xiàn)為由西北向東南逐漸減小的趨勢，且7個監(jiān)測站點(diǎn)的年均PM2.5濃度均大于PM2.5二級濃度年均限值(35μg·m-3)[14]。 其中，金泉兩河PM2.5濃度(75.55μg·m-3)最高，十里店、梁家巷次之，PM2.5濃度范圍為65.74～68.23μg·m-3，這可能是由于成都市城市中心偏西北方向的工業(yè)園區(qū)較多，由工業(yè)排放導(dǎo)致金泉兩河的PM2.5濃度較高；而沙河鋪、三瓦窯、君平街和大石西路的PM2.5濃度相對較低，PM2.5濃度范圍為58.67～60.97μg·m-3。

圖5 2016年成都市城市中心PM2.5濃度空間分布圖Fig.5 Spatial distribution of PM2.5 concentration in the city center of Chengdu in 2016

3 PM2.5濃度的影響因子

3.1 氣象因子

為了探究氣象因子對成都市PM2.5濃度的擴(kuò)散和積累作用，計算得出成都市日均PM2.5濃度、氣溫、風(fēng)速、海平面氣壓與相對濕度，分析PM2.5濃度與氣象因子的相關(guān)性。由圖6可以看出，從全年來看，PM2.5濃度與氣溫、風(fēng)速呈負(fù)相關(guān)，PM2.5濃度隨氣溫或風(fēng)速的增加而下降；與海平面氣壓呈正相關(guān)，PM2.5濃度隨海平面氣壓的增加而增加；但與相對濕度的關(guān)系不明顯。

圖6 PM2.5濃度與氣象因子的關(guān)系Fig.6 Relationship between PM2.5 concentration and meteorological factors

具體的，利用SPSS分別計算PM2.5濃度全年和四季與氣象因子的相關(guān)系數(shù)，見表1。分氣象因子來看，PM2.5濃度與氣溫全年呈顯著負(fù)相關(guān)，相關(guān)系數(shù)為-0.398，隨著氣溫的上升，大氣對流作用逐漸增強(qiáng)，從而增強(qiáng)PM2.5可擴(kuò)散性，降低PM2.5濃度，相反，氣溫的降低容易出現(xiàn)逆溫層，不利于PM2.5的擴(kuò)散[15]，但PM2.5濃度與冬夏季的氣溫呈顯著正相關(guān)，相關(guān)系數(shù)分別為0.306和0.378，與春秋季氣溫的相關(guān)性不明顯。PM2.5濃度與風(fēng)速全年呈顯著負(fù)相關(guān)，且春季和冬季的相關(guān)性較高，相關(guān)系數(shù)分別為-0.545和-527，風(fēng)速越大，越有利于PM2.5濃度的水平擴(kuò)散。PM2.5濃度與海平面氣壓呈正相關(guān)，但與春夏秋冬四季均呈負(fù)相關(guān)，且只有與冬季呈顯著負(fù)相關(guān)，相關(guān)系數(shù)為-0.31，即當(dāng)海平面中心氣壓較低時，四周的高壓流向中心，形成上升氣流，有助于PM2.5向上擴(kuò)散，使PM2.5濃度降低，反之亦然。雖然從全年來看，PM2.5濃度與相對濕度的相關(guān)性不顯著，但與春夏季的相對濕度呈顯著負(fù)相關(guān)，與冬季呈顯著正相關(guān)，這是由于吸濕作用，PM2.5自身重量會有所增加，使得PM2.5發(fā)生聚集，成都市的相對濕度常年較高，冬季高于春秋兩季，但春夏兩季降水較多，會對PM2.5產(chǎn)生沉降作用，從而降低空氣中PM2.5濃度。來污染源的影響較小。本文首先通過對比高分辨率遙感影像，將成都市城市中心的建筑物高度用DSM與DEM差值大于3的結(jié)果表示(如果出現(xiàn)負(fù)值，則設(shè)置為0)，利用ArcGIS空間分析工具，以3×3矩形窗口為統(tǒng)計單元，得到反映出區(qū)域建筑物高低錯落程度的建筑錯落度(O)，公式如下：

式中，σ表示建筑高度標(biāo)準(zhǔn)差，H表示平均高度。

成都市城市中心建筑錯落度，如圖7所示，可以看出，十里店、沙河鋪、君平街和梁家巷周圍的建筑錯落度較高，而金泉兩河周圍的建筑錯落度較低。其次，統(tǒng)計成都市2016年位于城市中心各站點(diǎn)每天13:00～17:00的PM2.5濃度，得到7個站點(diǎn)該時間段PM2.5濃度的下降速率，其中，由于大石西路位于草堂附近，周圍有多處公園景點(diǎn)，而三瓦窯站點(diǎn)所處的位置周圍較為空曠，植被較多，因此，大石西路和三瓦窯均不納入建筑錯落度與PM2.5濃度下降速率的回歸分析。利用EXCEL對兩者進(jìn)行回歸分析，建筑錯落度與PM2.5濃度下降速率的關(guān)系如圖8所示，得到回歸關(guān)系的顯著性系數(shù)為0.014，即該模型的置信度達(dá)到95%，建筑錯落度與PM2.5濃度下降速率的相關(guān)系數(shù)R2為0.896，說明建筑錯落度與PM2.5濃度下降速率具有顯著正相關(guān)，即建筑錯落度越高，PM2.5濃度下降得越快。

表1 PM2.5濃度與氣象因子的相關(guān)系數(shù)Tab.1 Correlation coefficient between PM2.5 concentration and meteorological factors

*在0.05水(雙側(cè))上顯著相關(guān)；**在0.01水平(雙側(cè))上顯著相關(guān)。

3.2 城市空間形態(tài)因子

區(qū)域城市空間形態(tài)因子包括建筑平均高度、建筑錯落度、建筑占空度等[16]，建筑物的高矮不一會導(dǎo)致空氣湍流增加，有利于PM2.5的稀釋擴(kuò)散，因此，本文利用建筑錯落度分析建筑物空間形態(tài)對PM2.5濃度變化的影響。由PM2.5濃度的日變化特征可以看出，受早高峰的影響，位于城市中心各監(jiān)測站點(diǎn)的PM2.5濃度在10:00～12:00達(dá)到白天最高值，在晚高峰之前，PM2.5濃度有明顯的下降過程，且每個站點(diǎn)PM2.5濃度的下降速率不一樣，而夜間PM2.5濃度基本呈上升趨勢。因此選擇13:00～17:00時間段PM2.5濃度數(shù)據(jù)來分析建筑錯落度對PM2.5濃度變化的影響，并認(rèn)為該時間段的PM2.5濃度受外

圖7 成都市城市中心建筑錯落度(O)Fig.7 Building otherness of Chengdu city centre(O)

圖8 建筑錯落度與PM2.5濃度下降速率的關(guān)系Fig.8 Relationship between building otherness and decline rate of PM2.5 concentration

4 結(jié)束語

本文通過對成都市2016年度地面觀測PM2.5濃度數(shù)據(jù)的處理與分析，初步探究了該區(qū)域大氣質(zhì)量因子的時空變化特征，并對其影響因子進(jìn)行了綜合分析，研究結(jié)果表明：

1）成都市PM2.5濃度的日變化特征表現(xiàn)為城市中心具有“單峰單谷”特征，而郊區(qū)的日變化特征不明顯。PM2.5濃度的日均變化特征表現(xiàn)為秋冬季節(jié)日均波動劇烈，春夏季節(jié)變化較為穩(wěn)定，另外，各站點(diǎn)PM2.5濃度日均超標(biāo)率由高至低依次為金泉兩河，梁家巷，十里店，三瓦窯，大石西路，君平街，沙河鋪，靈巖寺。城市建筑物聚集的城市中心PM2.5濃度空間變化特征整體表現(xiàn)為由西北向東南逐漸減小的趨勢。從上述特征來看，成都市城市中心日間PM2.5濃度的主要來源為機(jī)動車排放。此外，由于氣溫對大氣顆粒物擴(kuò)散能力的影響，晚高峰時段的PM2.5平均濃度略低于早高峰時段的數(shù)值。

2）從全年來看，PM2.5濃度與氣溫和風(fēng)速呈顯著負(fù)相關(guān)，與海平面氣壓呈顯著正相關(guān)，而與相對濕度的相關(guān)性不明顯。其中，在全年和各季節(jié)中風(fēng)速與PM2.5濃度均呈顯著負(fù)相關(guān)，其是影響PM2.5濃度變化的重要?dú)庀笠蜃?。因此，在后續(xù)的城市規(guī)劃和建設(shè)中，可以適當(dāng)?shù)匾?guī)劃出通風(fēng)廊道來降低大氣顆粒物濃度。

3）建筑錯落度與PM2.5濃度變化速率的相關(guān)系數(shù)R2為0.896，相關(guān)性較高，即建筑錯落度越高，PM2.5濃度下降得越快。因此，為了盡可能地有利于大氣顆粒物擴(kuò)散，結(jié)合成都市日間的大氣污染物排放源特點(diǎn)，應(yīng)盡量采用一些交通疏導(dǎo)措施以避免在建筑物密集區(qū)的交通擁堵。

4）風(fēng)速與風(fēng)向是影響大氣污染物水平輸送的重要?dú)庀笠蜃樱捎陲L(fēng)向的實(shí)時變化以及資料的缺失，本文未分析風(fēng)向?qū)M2.5濃度變化的影響，因此，在未來的研究中，可以進(jìn)一步結(jié)合通風(fēng)廊道具體探討風(fēng)向與通風(fēng)廊道對PM2.5濃度變化的影響，從而為城市規(guī)劃建設(shè)與大氣污染物治理提供更多的信息。