何 敏，李 婷，黃 藝

(成都理工大學(xué)地球科學(xué)學(xué)院 四川成都610059)

0 引 言

隨著近年來(lái)中國(guó)經(jīng)濟(jì)的迅猛發(fā)展，城市化、工業(yè)化進(jìn)程的加快，空氣污染問題越來(lái)越受到重視。部分城市群持續(xù)出現(xiàn)大范圍的以顆粒物為特征污染物的灰霾天氣，特別是華北平原和長(zhǎng)江三角洲等幾個(gè)重點(diǎn)區(qū)域。氣體污染物的存在不僅使能見度降低，而且會(huì)對(duì)居民健康造成極大的危害[1-3]?？諝馕廴疽驯涣袨橛绊懭祟惤】档牡? 個(gè)危險(xiǎn)因素[4]。在世界衛(wèi)生組織的一份報(bào)告中，每年約有700 萬(wàn)人死于室內(nèi)外空氣污染[5]。大氣顆粒物PM10和PM2.5已成為我國(guó)大中型城市的首要污染物，對(duì)人體健康有一定的危害，PM2.5則對(duì)人體健康威脅更大，因其比表面積較大，能吸附大量的細(xì)菌、病毒、重金屬等污染物[6-8]。O3與大氣光化學(xué)反應(yīng)密切相關(guān)，而且長(zhǎng)時(shí)間接觸會(huì)使人產(chǎn)生咳嗽、胸悶、記憶衰退等癥狀[9-11]。當(dāng)大氣中SO2、NO2、CO 的濃度到達(dá)限值時(shí)，不僅會(huì)加重慢性病患者的病情，而且還會(huì)引發(fā)一系列其他疾病，最主要的是呼吸系統(tǒng)疾病[12-13]。所以研究氣體污染物的一般規(guī)律以及它們之間的相關(guān)性非常有意義。

有研究者對(duì)比了5 個(gè)城市的SO2、NO2、PM10、PM2.5污染物的濃度分布情況，發(fā)現(xiàn)沈陽(yáng)的SO2濃度隨季節(jié)變化顯著，沈陽(yáng)、上海和廣州的PM10和PM2.5顆粒物的濃度也隨季節(jié)變化較為明顯，即冬季較高，春秋次之，夏季最低。NO2濃度隨季節(jié)變化不大。北京年均PM2.5濃度超標(biāo)現(xiàn)象明顯，季節(jié)變化規(guī)律不明顯[14]。通過對(duì)伊朗德黑蘭2014—2018 年間PM10、PM2.5、O3、NO2、SO2和CO 濃度每年、每季、每月、每日的變化進(jìn)行討論，發(fā)現(xiàn)德黑蘭受這些污染物的高濃度影響。SO2的年均值總體呈下降趨勢(shì)，夏季PM10和O3濃度較高，PM2.5和CO 的秋冬濃度均高于春夏季。除O3外，所有污染物在工作日的濃度都高于任何類型的休假日[15]。Xie等[16]通過對(duì)我國(guó)31 個(gè)省會(huì)城市2013—2014 年P(guān)M10、PM2.5、O3、NO2、SO2和CO 質(zhì)量濃度的比較，確定了空氣污染物質(zhì)量濃度的月變化特征。利用Pearson 相關(guān)系數(shù)建立顆粒物與氣體污染物之間的關(guān)系發(fā)現(xiàn)，顆粒物與NO2、SO2之間的相關(guān)性較好，與CO 的相關(guān)性差異較大，與O3的相關(guān)性較弱或不相關(guān)。這表明，不同城市之間的空氣污染物濃度水平和變化有顯著差異。

有研究者發(fā)現(xiàn)，RH 與PM 呈正相關(guān)，W 與PM呈負(fù)相關(guān)，它們與季節(jié)和粒徑無(wú)顯著差異，春季和冬季T 與PM 呈負(fù)相關(guān)關(guān)系，而秋季T 與PM 呈正相關(guān)關(guān)系，季節(jié)性差異比較大[17-18]。季節(jié)平均PM2.5、PM10、SO2、CO、NO2與W 呈負(fù)相關(guān)，O3與W 呈正相關(guān)。O3與溫度的正相關(guān)關(guān)系最為密切，這與其形成的機(jī)理有關(guān)。南京各季節(jié)風(fēng)速、相對(duì)濕度、溫度、風(fēng)向在較窄范圍內(nèi)波動(dòng)，導(dǎo)致污染物濃度相對(duì)穩(wěn)定[19]。也有研究發(fā)現(xiàn)，當(dāng)大氣溫度升高到10 ℃時(shí)，有利于顆粒物的擴(kuò)散和下降，隨氣溫的升高，顆粒物濃度呈下降趨勢(shì)。當(dāng)相對(duì)濕度較小時(shí)，PM2.5顆粒不易凝聚沉降，隨著濕度增大，越來(lái)越多的水汽加速了顆粒物粒徑的增大，PM2.5濃度增加；但當(dāng)相對(duì)濕度大于80%時(shí)，PM2.5等顆粒物會(huì)發(fā)生濕沉降，PM2.5濃度降低。風(fēng)速與顆粒物沉降速率呈線性關(guān)系，但當(dāng)風(fēng)速超過9 m/s時(shí)，這種關(guān)系就不存在了[20-22]。這表明氣象條件是評(píng)價(jià)空氣質(zhì)量和實(shí)施控制措施的重要因素。

攀枝花是在20 世紀(jì)60 年代中期新興的一個(gè)資源型工業(yè)城市，地處川、滇兩個(gè)經(jīng)濟(jì)區(qū)的交匯處，屬南亞熱帶為基帶的島狀式干熱河谷氣候，即四季不分明，旱雨季分明的特點(diǎn)。由于攀枝花礦產(chǎn)資源豐富，礦業(yè)開發(fā)這一支柱產(chǎn)業(yè)在過去半個(gè)世紀(jì)得到了迅猛發(fā)展，同時(shí)也帶來(lái)了相應(yīng)的大氣污染問題[23]。因此，非常有必要對(duì)攀枝花市的大氣環(huán)境質(zhì)量進(jìn)行分析研究。

本文通過對(duì)2019 年攀枝花的主要?dú)怏w污染物顆粒物PM10、PM2.5和SO2、NO2、CO、O3的濃度變化情況進(jìn)行探討，分析了它們之間的相關(guān)性，討論了它們和氣象因素之間的關(guān)系。以期為今后環(huán)境污染預(yù)報(bào)提供前期研究數(shù)據(jù)，同時(shí)也為環(huán)境管理部門控制大氣污染提供科學(xué)依據(jù)。

1 數(shù)據(jù)來(lái)源及統(tǒng)計(jì)

1.1 數(shù)據(jù)來(lái)源

本研究統(tǒng)計(jì)了2019 年1 月至2020 年1 月中國(guó)環(huán)境檢測(cè)總站(http：//www.cnemc.cn)發(fā)布的攀枝花市的每日空氣污染狀況數(shù)據(jù)，包括 PM10、PM2.5、SO2、NO2、CO 和O3，基于中國(guó)氣象數(shù)據(jù)網(wǎng)http：//data.cma.cn 統(tǒng)計(jì)了相關(guān)的氣象數(shù)據(jù)(溫度T、相對(duì)濕度RH 和風(fēng)速W)。

1.2 數(shù)據(jù)統(tǒng)計(jì)

Excel 2020 用于數(shù)據(jù)的分析計(jì)算整理，采用Origin 2018 進(jìn)行相關(guān)圖件的繪制，并用SPSS 22.0 進(jìn)行氣體污染物和氣象要素的相關(guān)性分析。

2 結(jié)果與討論

2.1 PM10、PM2.5顆粒物污染特征

整理可知，PM10和PM2.5顆粒物的污染濃度變化范圍分別是20～102μg/m3和7～65μg/m3，年平均質(zhì)量濃度值分別是52±16μg/m3和29±11μg/m3，分別超過了WHO 的1.7 倍和1.9 倍[24]。從旱、雨季變化上看，PM10和PM2.5均表現(xiàn)出旱季大于雨季，這是由于雨季大量雨水對(duì)大氣顆粒物具有清潔和沖刷作用，導(dǎo)致大氣顆粒物質(zhì)量濃度較低。此外，本研究還與其他城市進(jìn)行了比較，發(fā)現(xiàn)攀枝花PM10和PM2.5的質(zhì)量濃度值分別是深圳的1.4、1.1 倍，低于天津、杭州等地的PM2.5和PM10質(zhì)量濃度，遠(yuǎn)低于西安、石家莊等地的PM2.5和PM10質(zhì)量濃度[25-29]。

由圖1 可知，一年中12 月的PM2.5、PM10質(zhì)量濃度最大，6 月的PM2.5、PM10質(zhì)量濃度值最小，主要是6 月份降雨較多，導(dǎo)致顆粒物濃度較低。2 月的大氣顆粒物濃度也較低，可能是因?yàn)? 月份處于春節(jié)期間，各工礦企業(yè)都停工休假，出行車輛也較往常少，導(dǎo)致顆粒物排放少。

攀枝花市旱季的PM10和PM2.5質(zhì)量濃度分別為56.84、31.02μg/m3，雨季的分別為47.21、26.78μg/m3，都表現(xiàn)出旱季大于雨季，說明降雨將會(huì)降低大氣中顆粒物的含量。PM2.5/PM10的值在旱季和雨季都表現(xiàn)出大于0.5，說明PM2.5占比超過PM10的一半，PM2.5是PM10的主要組成部分。雨季比旱季的PM2.5/PM10值大，說明雨季PM10中粗顆粒物更少，可能是降雨將PM10中粗顆粒物沖刷所致。圖2 也可以說明這種情況，相對(duì)濕度分別與PM2.5、PM10呈正相關(guān)關(guān)系，與較粗顆粒物 PM2.5～10呈負(fù)相關(guān)關(guān)系，與細(xì)顆粒物PM2.5呈正相關(guān)關(guān)系，說明相對(duì)濕度的增大主要導(dǎo)致粗顆粒物的沉降，對(duì)細(xì)顆粒物的影響不大。

圖1 攀枝花市2019年P(guān)M2.5、PM10 質(zhì)量濃度特征Fig.1 Characteristics of mass concentration of PM2.5 and PM10 in Panzhihua City in 2019

圖2 攀枝花市2019年旱雨季質(zhì)量濃度圖Fig.2 Mass concentration map of dry and rainy seasons in Panzhihua City in 2019

2.2 相關(guān)性分析

由圖3 可以看出，PM10和PM2.5、PM2.5～10之間存在顯著的正相關(guān)關(guān)系，PM10和PM2.5的R2為0.86，大于PM10和PM2.5～10的R2為0.72。成都也表現(xiàn)出相同的趨勢(shì)，PM10和PM2.5的R2為0.76，大于PM2.5～10的R2為0.63[30]。這說明PM2.5對(duì)PM10的貢獻(xiàn)更大，PM10的變化主要受細(xì)顆粒物PM2.5的增減的影響。

圖3 攀枝花PM2.5 和PM10 相關(guān)性分析圖Fig.3 Correlation analysis chart of PM2.5 and PM10 in Panzhihua City

由圖4 可以看出，氣體污染物SO2、NO2、CO 的逐月變化值和PM10、PM2.5的逐月變化值呈現(xiàn)出較高的正相關(guān)性，逐月變化趨勢(shì)較為相似，也是12 月表現(xiàn)出最大濃度，6 月是最小濃度。根據(jù)圖4 可知，12 月的濕度較大，風(fēng)速相對(duì)較小，6 月的濕度較高，風(fēng)速相對(duì)較大，這些氣象因素是導(dǎo)致除臭氧以外的大氣污染物在12 月濃度較高，6 月濃度較低的一個(gè)原因。O3則相反，和大氣顆粒物PM10、PM2.5呈現(xiàn)出負(fù)相關(guān)關(guān)系，趨勢(shì)和其他物質(zhì)相反，呈現(xiàn)出夏季的O3濃度最高，12 月的O3濃度最低。

圖4 氣體污染物和大氣顆粒物相關(guān)性分析圖Fig.4 Correlation analysis diagram of gas pollutants and atmospheric particulates

2.3 氣象因素影響分析

圖5 顯示的是攀枝花監(jiān)測(cè)數(shù)據(jù)所對(duì)應(yīng)的氣象因素分布圖。由圖5可知，溫度在12 月最低，在4 月開始升高，5 月升至最高，6 月稍有波動(dòng)，7 月有所降低，8 月有升高趨勢(shì)。5 年溫度的整體變化和O3的變化非常相似。

研究表明，氣體污染物的稀釋擴(kuò)散和氣象條件密切相關(guān)。根據(jù)收集的攀枝花氣象要素資料，分析溫度、相對(duì)濕度和風(fēng)速與氣體污染物的關(guān)系。圖6 是由氣體污染物和氣象數(shù)據(jù)通過SPSS 進(jìn)行的pearson 相關(guān)性分析。由圖6 可以看出，溫度除了和O3呈正相關(guān)，和其余的氣體污染物都呈負(fù)相關(guān)，負(fù)相關(guān)性最強(qiáng)的是NO2，其次是CO。研究發(fā)現(xiàn)氣溫升高有利于氣體污染物的垂直擴(kuò)散，并且可以加速氣體污染物的氧化和水合過程，降低氣體污染物濃度；氣溫較低的時(shí)候會(huì)使金屬顆粒物隨水分結(jié)晶，增大顆粒物的重金屬質(zhì)量，使得PM10、PM2.5質(zhì)量濃度增加[31-33]。相對(duì)濕度和氣體污染物濃度總體來(lái)看相關(guān)性較弱，同時(shí)與PM2.5、PM10正相關(guān)。圖6 結(jié)果顯示，O3、NO2和PM2.5～10與相對(duì)濕度呈負(fù)相關(guān)。相對(duì)濕度升高主要是在雨季，雨水將大氣中污染物沖刷至地面，使大氣污染物濃度下降[34]。風(fēng)速也是一個(gè)比較重要的因素，跟氣體污染物主要呈現(xiàn)出負(fù)相關(guān)，特別是在與顆粒物的關(guān)系中，風(fēng)速較大會(huì)加速其擴(kuò)散[35]。

本研究結(jié)果與其他學(xué)者得出的基本一致[36-37]，即不同大氣污染物與風(fēng)速呈現(xiàn)一定相關(guān)性，溫度與氣體污染物的相關(guān)性最強(qiáng)，其次是風(fēng)速，最后是相對(duì)濕度。

圖5 攀枝花2019—2020年氣象因素分布圖Fig.5 Distribution map of meteorological factors in Panzhihua City from 2019 to 2020

圖6 氣體污染物和氣象因素的Pearson相關(guān)系數(shù)矩陣Fig.6 Pearson correlation coefficient matrix of gas pollutants and meteorological factors

3 結(jié) 論

綜上所述，PM10和PM2.5的質(zhì)量濃度變化范圍分別為20～102μg/m3和7～65μg/m3，其年均值分別為52.8±16.2μg/m3和29.2±10.5μg/m3。攀枝花市大氣顆粒物PM10和PM2.5質(zhì)量濃度旱季分別為56.84、31.02μg/m3，雨季分別為47.21、26.78μg/m3，都表現(xiàn)為旱季大于雨季，表明攀枝花地區(qū)氣體污染物污染較嚴(yán)重，所以有必要對(duì)攀枝花地區(qū)的氣體污染物來(lái)源進(jìn)行解析，為后續(xù)大氣污染治理提供主要方向。

由相關(guān)性分析可知，相對(duì)于PM2.5～10，PM2.5和PM10的相關(guān)性更高，PM2.5對(duì)PM10的貢獻(xiàn)更大；氣體污染物SO2、NO2、CO 的逐月變化值和PM2.5、PM10的逐月變化值呈現(xiàn)出較高的正相關(guān)性，都表現(xiàn)為12 月濃度最大，6 月濃度最?。粶囟?、風(fēng)速和相對(duì)濕度跟氣體污染物總體呈負(fù)相關(guān)，相關(guān)性最強(qiáng)的是溫度，其次是風(fēng)速，相關(guān)性最弱的是相對(duì)濕度。因此可以利用氣象數(shù)據(jù)和氣體污染物的相關(guān)性對(duì)大氣污染物進(jìn)行預(yù)警，提前做好防范，保護(hù)人體健康。