羅歡 王斌

摘要：為研究成都市穎杜物污染的空間分布特征，基于2017年4月至2018年3月成都市37個(gè)空氣質(zhì)量監(jiān)測(cè)點(diǎn)位顆粒物小時(shí)濃度數(shù)據(jù)，利用地統(tǒng)計(jì)學(xué)方法對(duì)PM_2.5、PM10進(jìn)行了空間分布特征研究。結(jié)果表明：在重污染月份12月PM_2.5空間變異特征受結(jié)構(gòu)性因素與隨機(jī)性因素作用效果幾乎相同，表現(xiàn)出較強(qiáng)的空間相關(guān)性;而PM10污染空間變異特征受結(jié)構(gòu)因素的影響大于隨機(jī)性因素，各項(xiàng)異性比值均大于1.5，二者的空間分布均具有明顯的方向性。成都市穎粗物污染冬季呈現(xiàn)出西部沿山區(qū)和東部丘陵區(qū)低，中部平壩區(qū)高的趨勢(shì)，即東北至西南一線，平壩區(qū)和沿山區(qū)交界是成都市顆粒物污染最為嚴(yán)重的區(qū)城。

關(guān)鍵詞：新杜物;空間分布;地統(tǒng)計(jì)學(xué);克里金擂值;成都

中圖分類(lèi)號(hào)：X513 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-9944（2020）04-0048-03

1 引言

近年來(lái)，有研究表明，成都市大氣顆粒物污染已逐漸表現(xiàn)為從粗顆粒向細(xì)顆粒轉(zhuǎn)變的污染特征PM_2.5已成為成都市大氣污染的首要污染物[1～3]。目前針對(duì)成都市顆粒物的研究涉及的采樣點(diǎn)數(shù)量較少[4]，研究?jī)?nèi)容主要包括顆粒物的化學(xué)組分[5]，源解析[6]及與氣象因素的相關(guān)性上[7，8]，研究范圍也大多集中在中心城區(qū)[9，10]，或某一特殊污染事件[11，12]。地統(tǒng)計(jì)學(xué)是以區(qū)域化變量理論為基礎(chǔ)，以半變異函數(shù)為主要工具，研究在空間分布上既有隨機(jī)性又有結(jié)構(gòu)性，或具有空間相關(guān)和依賴(lài)性的自然現(xiàn)象的科學(xué)[13～15]。地統(tǒng)計(jì)學(xué)可以利用點(diǎn)源監(jiān)測(cè)數(shù)據(jù)模擬空間分布特征，根據(jù)已經(jīng)獲取的研究區(qū)域的空間特性來(lái)對(duì)未知的空間特性進(jìn)行分析。利用地統(tǒng)計(jì)學(xué)方法對(duì)空氣污染物時(shí)空分布進(jìn)行研究在國(guó)外得到了較廣泛的應(yīng)用[16～18]。隨著成都市空氣質(zhì)量自動(dòng)監(jiān)測(cè)網(wǎng)絡(luò)系統(tǒng)的不斷完善，監(jiān)測(cè)站點(diǎn)基本覆蓋成都市各區(qū)市縣，為利用地統(tǒng)計(jì)空間插值法直觀地呈現(xiàn)污染物的空間分布，從而對(duì)成都市全域范圍顆粒物污染特征進(jìn)行分析和研究提供了可能。本研究結(jié)合地統(tǒng)計(jì)學(xué)方法對(duì)成都市顆粒物空間分布規(guī)律以及氣象因素進(jìn)行研究，以期進(jìn)一步了解成都市顆粒物空間分布情況，在更廣闊的范圍內(nèi)探尋成都市顆粒物的污染特征，以此劃分成都市顆粒物污染的輕微污染和嚴(yán)重污染區(qū)域，這對(duì)于采取更有針對(duì)性、更有效的污染應(yīng)對(duì)措施，改善成都市大氣環(huán)境質(zhì)量具有重要意義。

2 研究區(qū)域及數(shù)據(jù)來(lái)源

成都位于四川省中部，四川盆地西部，介于東經(jīng)102°54′～104°53′和北緯30°05′～31°26′之間，總面積14605km²，地勢(shì)從西北向東南逐漸降低，具有顯著的地勢(shì)差異。成都屬于亞熱帶濕潤(rùn)季風(fēng)氣候區(qū)，夏季炎熱，冬季溫暖，全年相對(duì)濕度較高、年平均風(fēng)速小，因此污染物不易擴(kuò)散。本文研究范圍為成都市全域，研究區(qū)域及監(jiān)測(cè)站點(diǎn)分布如圖1所示。本文污染物監(jiān)測(cè)數(shù)據(jù)來(lái)源于成都市環(huán)境監(jiān)測(cè)中心站，獲取了2017年4月至2018年3月的成都市37個(gè)監(jiān)測(cè)站點(diǎn)顆粒物的小時(shí)質(zhì)量濃度監(jiān)測(cè)數(shù)據(jù)。

3 結(jié)果與討論

3.1 顆粒物濃度數(shù)據(jù)半變異擬合模型選擇

半變異函數(shù)可以用于分析區(qū)域化變量的空間變異特征，對(duì)變量進(jìn)行半變異擬合最為常用的是有基臺(tái)值的擬合模型，其中常用的模型有球狀模型、高斯模型和指數(shù)模型。在選擇最優(yōu)擬合模型時(shí)可通過(guò)比較指標(biāo)預(yù)測(cè)誤差（Prediction Error）中的幾個(gè)指標(biāo)參數(shù)，最優(yōu)模型選擇標(biāo)準(zhǔn)可以綜合以下幾個(gè)指標(biāo)：標(biāo)準(zhǔn)平均值（MS）趨近0，均方根（RMS）最小，標(biāo)準(zhǔn)均方根（RMSS）趨近1，平均標(biāo)準(zhǔn)誤差（AME）最接近均方根（RMS）。選取各季節(jié)代表月份為研究對(duì)象，采用ARMS 10.5軟件中的Ueostatistical Analyst分析模塊對(duì)PM_2.5、PM₁₀進(jìn)行空間變異分析，半變異函數(shù)最佳擬合模型交叉檢驗(yàn)結(jié)果及變異參數(shù)如表1所示。

3.2 污染物空間特征參數(shù)分析

塊金效應(yīng)表示隨機(jī)因素引起的空間異質(zhì)性，可以用來(lái)描述區(qū)域化變量的隨機(jī)特征。PM_2.5月均濃度的塊金效應(yīng)值在17%～63%之間，表現(xiàn)出較強(qiáng)的空間相關(guān)性，表明成都市顆粒物空間變異特征受結(jié)構(gòu)性因素與隨機(jī)性因素作用效果幾乎相同。10月和3月份PM，月均濃度的塊金效應(yīng)值分別為34%，32%，表現(xiàn)出較強(qiáng)的空間相關(guān)性。7月和12月PM₁₀月均濃度的塊金效應(yīng)值為0，表明PM₁₀污染空間變異特征受結(jié)構(gòu)因素（自然因素）的影響大于隨機(jī)性因素（人為因素），即主導(dǎo)風(fēng)向、地形地貌、用地布局分布等對(duì)PM₁₀空間分布的影響較大。隨機(jī)因素主要包括風(fēng)場(chǎng)的隨機(jī)波動(dòng)、流動(dòng)污染源排放的變化等[20]。

各項(xiàng)異性比為長(zhǎng)軸與短軸之比，可以表征變量是否具有明顯方向性。一般認(rèn)為比值大于1.5，則變量的空間結(jié)構(gòu)為各向異性[15]。半變異擬合結(jié)果表明，PMZ。在7月和3月各項(xiàng)異性比值分別為1.37，1.45，認(rèn)為方向性不明顯，10月和12月各項(xiàng)異性比值均大于1.5，認(rèn)為空間分布具有明顯的方向性。PM₁₀擬合參數(shù)長(zhǎng)軸方向均落在第一象限，各月份的各項(xiàng)異性比值均大于1.5，認(rèn)為PM₁₀濃度的空間分布具有明顯的方向性。

變程體現(xiàn)了在既有采樣間距范圍內(nèi)區(qū)域的空間相關(guān)性范圍，在變程范圍內(nèi)采樣間距越小，樣本間空間相關(guān)性越大。如果采樣間距超過(guò)變程的大小，可以認(rèn)為樣本變量間不再存在空間相關(guān)性。根據(jù)半變異函數(shù)擬合結(jié)果，PM_2.5月均質(zhì)量濃度的長(zhǎng)軸方向上的變程在13-82km之間，變程均值約34km;短軸方向上的變程在10～43km之間，變程均值約19km。PM₁₀月均質(zhì)量濃度的長(zhǎng)軸方向上的變程在17～68km之間，變程均值約45km;短軸方向上的變程在9～35km之間，變程均值約19km。不同的變程說(shuō)明污染物有不同的空間相關(guān)距離，且呈現(xiàn)出各向異性。

3.3 克里金空間插值結(jié)果分析

克里金插值法是地統(tǒng)計(jì)學(xué)中最常用的插值方法，其利用區(qū)域化變量的原始數(shù)據(jù)和變異函數(shù)的結(jié)構(gòu)特點(diǎn)，對(duì)未采樣點(diǎn)的區(qū)域化變量進(jìn)行局部線性無(wú)偏最優(yōu)估計(jì)[22]。為直觀反映成都市顆粒物污染空間分布狀況，本文采用普通克里格插值方法對(duì)PM_2.5、PM₁₀進(jìn)行空間插值模擬，生成相應(yīng)的空間分布預(yù)測(cè)圖，得到的結(jié)果如圖2～3所示。

從圖2和圖3可以發(fā)現(xiàn)PM₁₀的空間分布與PM_2.5具有很強(qiáng)的相似性，其高值區(qū)域分布在各時(shí)期均有較高的相似度。成都市顆粒物污染冬季呈現(xiàn)出西部沿山區(qū)和東部丘陵區(qū)低，中部平壩區(qū)高的趨勢(shì)，即東北至西南一線，平壩區(qū)和沿山區(qū)交界是成都市顆粒物污染最為嚴(yán)重的區(qū)域。冬季顆粒物污染最為嚴(yán)重，局部污染較為突出，污染帶呈明顯的東北一西南走向，污染高濃度區(qū)域涉及一二三圈層。總體而言，成都市市區(qū)通常不屬于可吸入顆粒物污染最嚴(yán)重的區(qū)域，而污染最嚴(yán)重的區(qū)域通常為成都市市郊，如雙流、溫江、郫縣、新都等，這些地區(qū)有著較多數(shù)量的工業(yè)區(qū)，因此推測(cè)，工業(yè)排放可能是成都市可吸入顆粒物的主要來(lái)源之一。

4 結(jié)論

（1）從塊金效應(yīng)來(lái)看，夏冬季成都市顆粒物空間變異特征受結(jié)構(gòu)因素的影響大于隨機(jī)性因素，春秋季成都市顆粒物空間變異特征受結(jié)構(gòu)性因素與隨機(jī)性因素作用效果幾乎相同。

（2）從變程來(lái)看PM_2.5、PM₁₀在長(zhǎng)軸方向上的變程均值分別為79km、88km，在短軸方向上的變程均值分別為37km、34km，PM_2.5和PM₁₀具有明顯的方向性特征[23]。變程可以為監(jiān)測(cè)布點(diǎn)距離的選取提供參考，建議成都市顆粒物空氣質(zhì)量監(jiān)測(cè)布點(diǎn)在長(zhǎng)軸方向上的間隔設(shè)置宜取20～40km，短軸方向上布點(diǎn)間隔宜取10～20km。

（3）成都市顆粒物污染春冬季具有明顯的空間異質(zhì)性PM_2.5和PM₁₀呈現(xiàn)出東西低，中部高的趨勢(shì)，冬季二圈層顆粒物污染較為嚴(yán)重，開(kāi)展相關(guān)的污染溯源和影響因素分析具有重要意義。

參考文獻(xiàn)：

[1]Chan C K，Yao X.Air pollution in mega cities in China[J].Atmos-pheric Environment，2008，42（1）：1～42.

[2]張智勝，陶俊，謝紹東，等.成都城區(qū)PM_2.5季節(jié)污染特征及來(lái)源解析[J].環(huán)境科學(xué)學(xué)報(bào)，2013，33（11）：2947～2952.

[3]張娟，劉志紅，段伯隆，等.2014年成都市大氣污染特征及氣象因子分析[J].四川環(huán)境，2016，35（6）：79～88.

[4]謝雨竹，潘月鵬，倪長(zhǎng)健，等.成都市區(qū)夏季大氣污染物濃度時(shí)空變化特征分析[J].環(huán)境科學(xué)學(xué)報(bào)[J]，2015，35（4）：975～983.

[5]陳源，謝紹東，羅彬.成都市大氣細(xì)顆粒物組成和污染特征分析（2012-2013年）[J].環(huán)境科學(xué)學(xué)報(bào)，2016，36（3）：1021～1031.

[6]林瑜，葉芝祥.成都市西南郊區(qū)初春大氣顆粒物PM_2.5的組成及來(lái)源解析[C]//中國(guó)氣象學(xué)會(huì).第32屆中國(guó)氣象學(xué)會(huì)年會(huì)論文集.天津：中國(guó)氣象學(xué)會(huì)，2015：8.

[7]孫歡歡，倪長(zhǎng)健，崔蕾，等.成都市大氣顆粒物污染特征及與氣象因子的關(guān)聯(lián)性分析[J].環(huán)境污染與防治，2016，38（5）：55～60.

[8]鄧?yán)?，錢(qián)駿，廖瑞雪，等.2009年8～9月成都市顆粒物污染及其與氣象條件的關(guān)系[J].中國(guó)環(huán)境科學(xué)，2012，32（8）：1433～1438.

[9]陳曦，劉經(jīng)緯，劉小兵，等.成都市2011年和2012年空氣中主要污染物濃度空間變化分析[C]//中國(guó)環(huán)境科學(xué)學(xué)會(huì).中國(guó)環(huán)境科學(xué)學(xué)會(huì)學(xué)術(shù)年會(huì)論文集.昆明：中國(guó)環(huán)境科學(xué)學(xué)會(huì)，2013：5.

[10]趙榮仙，劉傳姚，張兵，等.2003-2010年西南地區(qū)省會(huì)城市空氣污染指數(shù)的動(dòng)態(tài)變化[J].環(huán)境與健康雜志，2013，30（5）：422～425.

[11]廖婷婷，王珊，王莉莉，等.2013年成都財(cái)富論壇期間空氣質(zhì)量狀況分析研究[J].環(huán)境科學(xué)學(xué)報(bào)，2016，36（1）：271～278.

[12]石佳，劉宇嘉，王源程，等.2017年成都市春節(jié)期間煙花爆竹對(duì)空氣質(zhì)量的影響[J].四川環(huán)境;2017，36（S1）：51～56.

[13]Munir，S.Analysing Temporal Trends in the Ratios of PM_2.5/PM₁₀in the UK[J].Aerosol and Air Quality Research，2017，17（1）：34～48.

[14]Xu，G.，L.M.Jiao，B.E.Zhang，et al.Spatial and Temporal Vari-ability of the PM_2.5/PM₁₀Ratio in Wuhan，Central China[J].Aerosol and Air Quality Research，2017，17（3）：741～751.

[15]劉愛(ài)利，王培法，王園園.地統(tǒng)計(jì)學(xué)概論[M].北京：科學(xué)出版社，2012.

[16]Hoffmann H.Geostatistical analysis of spatial and temporal ozoneimmission structures[C]//9th International Conference on Mod-elling，Monitoring and Management of Air Pollution，ANCONA，2001，ITALY：511～520.

[11]Rodriguez F J L，Garcfa F J M，Gonznlez P V.Evaluation and a-nalysis of the urban air pollution by means of the use of geostatis-tical techniques and geographical information systems（sig）[J].Asociacibn Espafiola De Ingenieiia De Proyectos Aeipro，2016（6）：227～234.

[18]Halimi M，F(xiàn)arajzadeh M，Zarei Z.Modeling spatial distribution ofTehran air pollutants using geostatistical methods incorporate un-certainty maps[J].Pollution，2016，2（4）：375～386.

[19]Huang W，Long E，Wang J，et al.Characterizing spatial distribu-tion and temporal variation of PMlo and PM_2.5mass concentra-tions in an urban area of Southwest China[J].Atmospheric Pollu-tion Research，2015，6（5）：842～848.

[20]李展，楊會(huì)改，蔣燕，等.北京市大氣污染物濃度空間分布與優(yōu)化布點(diǎn)研究[J].中國(guó)環(huán)境監(jiān)測(cè)，2015，31（1）.

[21]蘇福慶，任陳海，高慶先，等.北京及華北平原邊界層大氣中污染物匯聚系統(tǒng)[J].環(huán)境科學(xué)研究，2004，17（1）：21～25.

[22]高長(zhǎng)春.朱慧方，孫連群，等.基于地統(tǒng)計(jì)學(xué)的湖南省降水空間變異特征分析[J].湖北農(nóng)業(yè)科學(xué)，2018，57（20）：49～53.

[23]李立忠，朱璐，金焰，等.黃石市大氣顆粒物的特征分析[J].中南民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2017（4）：14～16.

收稿日期：2020-02-12

作者簡(jiǎn)介：羅歡（1995-），女，碩士研究生，研究方向?yàn)榄h(huán)境監(jiān)測(cè)。

通信作者：王斌（1964-），男，副教授，研究方向?yàn)榄h(huán)境監(jiān)測(cè)與數(shù)據(jù)分析。