馮萬富，申明海*，單燕祥，沈新志，張建設，李月鳳

(1.河南省信陽市林業(yè)科學研究所，河南 信陽 464031；2.河南雞公山森林生態(tài)系統(tǒng)國家定位觀測研究站，河南 信陽 464031；3.河南省信陽生態(tài)環(huán)境監(jiān)測中心，河南 信陽 464000)

隨著工業(yè)化和城市化的迅猛發(fā)展，大氣顆粒物污染已成為嚴重的城市環(huán)境問題[1]。PM10已被證實是危害人類健康的重要物質(zhì)；PM2.5因能夠進入人體肺部引起肺泡發(fā)炎而具有更大的危害性[2]。目前，有關大氣顆粒物污染研究主要集中在城市顆粒物污染特征和源解析、組分，對人類健康的危害以及顆粒物污染治理等方面[3-6]。影響PM2.5污染的因素眾多，污染源排放是主導因素[7]，同時與氣象要素密切相關。以往有關氣象因子對PM2.5污染的影響研究主要涉及二者在日尺度上的相關性分析，樣本量相對較少；而關于PM2.5污染與氣象因子在全年時尺度、大樣本容量下的系統(tǒng)研究鮮有報道。在研究地域上，主要集中在少數(shù)城市[8]，針對特定森林景區(qū)PM2.5污染與氣象成因的研究較少。森林植被對大氣顆粒物具有明顯的削減作用[9]。森林植被能夠通過阻塵、減塵、降塵、滯塵和吸塵等作用，減少顆粒物在大氣中的含量并降低其對人體健康的危害，進而發(fā)揮凈化大氣的功能[10-11]。利用森林復雜冠層結構對顆粒物的吸收阻滯作用成為治理PM2.5污染的一項重要措施[12]。

本研究基于河南雞公山景區(qū)森林環(huán)境空氣質(zhì)量監(jiān)測站2019年PM2.5與氣象因子監(jiān)測數(shù)據(jù)，分析了林區(qū)PM2.5污染特征以及降水對PM2.5污染的影響，系統(tǒng)研究了PM2.5質(zhì)量濃度與氣溫、氣壓、空氣濕度和風速等氣象因子在全年時尺度上的變化和關系，旨在探討森林植被對PM2.5等顆粒物的吸附調(diào)控機理，闡釋森林凈化環(huán)境空氣功能，為區(qū)域大氣污染聯(lián)防聯(lián)治、森林景區(qū)旅游資源開發(fā)等提供基礎參考依據(jù)。

1 研究區(qū)概況

研究區(qū)位于河南省南部的雞公山國家級自然保護區(qū)(31°49′N，114°03′E)，屬北亞熱帶季風濕潤氣候，年均溫15.2 ℃，年均降水量1 200 mm，空氣濕度84%。雞公山屬亞熱帶常綠闊葉林區(qū)域的桐柏、大別山、丘陵松櫟林植被片，具有南暖溫帶向北亞熱帶過渡的性質(zhì)。森林覆蓋率90%以上，林分上層優(yōu)勢喬木以麻櫟(Quercusacutissima)、栓皮櫟(Quercusvariabilis)等為主，灌木層優(yōu)勢種主要有山胡椒(Linderaglauca)、黃荊條(Vitexnegundo)等，草本層優(yōu)勢種有絡石(Trachelospermumjasminoides)、顯子草(Phaenospermaglobosa)等，群落具有良好的復層結構。

2 材料與方法

2.1 監(jiān)測站儀器設置

環(huán)境空氣質(zhì)量監(jiān)測站布設在雞公山自然保護區(qū)管理局機關院內(nèi)，海拔167 m。站內(nèi)安裝一套河北先河環(huán)保科技股份有限公司生產(chǎn)的空氣質(zhì)量連續(xù)自動監(jiān)測系統(tǒng)。顆粒物監(jiān)測儀器為先河環(huán)保XHPM2000E型顆粒物自動監(jiān)測分析儀，采用β射線加溫度動態(tài)調(diào)整系統(tǒng)(β+DHS)測量方法，數(shù)據(jù)質(zhì)量可靠。

2.2 數(shù)據(jù)采集

監(jiān)測站在線連續(xù)自動監(jiān)測并同步采集PM2.5等6種常規(guī)空氣污染物和氣溫、氣壓、空氣濕度、風速等氣象要素數(shù)據(jù)。系統(tǒng)設定PM2.5和氣溫、氣壓、空氣濕度、風速，均為每小時采集1組數(shù)據(jù)(各指標監(jiān)測數(shù)據(jù)均為該監(jiān)測站單一探頭監(jiān)測的1 h平均值，各數(shù)據(jù)小時值沒有重復)。數(shù)據(jù)統(tǒng)計的有效性符合國家相關標準[13-14]的要求。

降水量數(shù)據(jù)來自河南雞公山森林生態(tài)系統(tǒng)國家定位觀測研究站標準氣象觀測場自動觀測數(shù)據(jù)。

2.3 數(shù)據(jù)處理

所有數(shù)據(jù)應用Excel 2007、SPSS19.0進行數(shù)據(jù)整理和分析。采用回歸分析法對因變量(PM2.5質(zhì)量濃度)和自變量(林區(qū)氣溫、氣壓、空氣濕度、風速)進行相關性和線性回歸分析，并建立相關回歸方程。

3 結果與分析

3.1 林區(qū)PM2.5污染特征

3.1.1 PM2.5污染日數(shù) 林區(qū)PM2.5質(zhì)量濃度年均值為34.48 μg·m-3，略低于國標二級標準限值(35 μg·m-3)。PM2.5質(zhì)量濃度日均值為8.00～134.88 μg·m-3。1 a中共有26 d PM2.5質(zhì)量濃度日均值超過國標二級標準限值(75 μg·m-3)，超標率為7.12%，PM2.5污染狀況整體較輕。超標日主要集中在冬季，春、秋、冬三季，分別超標2、6、18 d(3-5月為春季，6-8月為夏季，9-11月為秋季，1、2、12月為冬季)，整個夏季PM2.5質(zhì)量濃度日均值均優(yōu)于國標二級標準限值。作為我國著名的避暑勝地，夏季良好的環(huán)境空氣質(zhì)量，對于雞公山景區(qū)森林康養(yǎng)功能開發(fā)是非常有益的。

3.1.2 PM2.5質(zhì)量濃度時間變化特征 林區(qū)PM2.5質(zhì)量濃度日變化呈現(xiàn)雙峰雙谷現(xiàn)象(圖1)。整體上看，上午質(zhì)量濃度較高，下午較低。日峰值出現(xiàn)在10:00(39.44 μg·m-3)，次高峰值出現(xiàn)在22:00(36.03 μg·m-3)。日最低值出現(xiàn)在15:00(30.94 μg·m-3)，次低谷值出現(xiàn)在02:00(33.00 μg·m-3)。

1 a中，林區(qū)PM2.5質(zhì)量濃度變化呈現(xiàn)“U”型曲線(圖2)，表現(xiàn)出明顯的季節(jié)差異。PM2.5質(zhì)量濃度最高值集中出現(xiàn)在冬季3個月份，最低值集中出現(xiàn)在夏季3個月份，春、秋兩季居中。夏季PM2.5污染較輕，是因為雞公山所處的豫南大別山區(qū)夏季降雨集中，降雨頻率高、強度大，雨水對PM2.5等大氣污染物起到了清洗和沖刷作用，在雨水作用下，空氣中的粉塵顆粒伴隨降雨直接進入土壤中，從而降低了空氣中污染氣體的質(zhì)量濃度[15]。

抓思想工作也就意味著思政教育工作的職能在于對學生的思想、觀念進行再塑造，以使其符合社會需求，更好地融入社會主義社會。不過，在實踐中，思想政治教育與日常管理是分不開的，教育者只有通過管理才能發(fā)現(xiàn)學生的心理或者思想問題，也才能進一步解決。但是由于日常管理的內(nèi)容過于瑣碎，而思政教育工作者的精力有限，導致教育者只能著重去抓管理方面的事情，而忽略了思想教育。眾所周知，學?；蚨嗷蛏俣紩行钡氖虑樾枰幚?，這些工作一般由思政工作者承擔，甚至有時候他們就像學校的“消防員”，要時刻待命去滅火，這樣，教育工作者的重心就會由教育學生轉(zhuǎn)變?yōu)樘幚硗话l(fā)狀況，這樣的話思政教育工作就發(fā)生了偏差。

3.2 降水對PM2.5的去除作用

降水對不同組分的大氣顆粒物污染均具有顯著的去除效果[16]。選取1 a中單次降水量超過10 mm的11次典型降水過程分析了降水對PM2.5的去除作用(圖3)。11次典型降水過程最大降水量為85.4 mm(4月9日)，最小降水量為10.7 mm(11月25日)。監(jiān)測結果顯示，降水前PM2.5質(zhì)量濃度日均值為12.88～123.67 μg·m-3；降水后日均值為8.00～44.13 μg·m-3，降水前后的日均質(zhì)量濃度下降率為30.14%～65.62%，平均下降50.62%。11次降水過程降水后PM2.5日均值均低于國標二級標準限值。從整體上看，降水前PM2.5污染越嚴重，降水對PM2.5污染的去除作用越明顯，PM2.5質(zhì)量濃度下降率越高。降水前PM2.5污染最嚴重的3次降水過程分別發(fā)生在1月9日(123.67 μg·m-3)、1月31日(94.17 μg·m-3)和11月25日(108.58 μg·m-3)，降水后PM2.5質(zhì)量濃度分別下降64.32%(44.13 μg·m-3)、53.16%(44.11 μg·m-3)和65.62%(37.33 μg·m-3)。

3.3 林區(qū)氣象因子對PM2.5污染的影響

3.3.1 氣溫、氣壓、空氣濕度和風速對PM2.5污染的影響 大氣顆粒物污染通常受污染源、氣象條件和下墊面森林植被蓋度等因素的共同影響，但由于在一定區(qū)域和時間內(nèi)，污染源和森林植被相對穩(wěn)定，顆粒物質(zhì)量濃度主要取決于各種氣象條件下大氣對顆粒物的輸送與擴散作用[17]。氣溫等氣象因子對PM2.5污染有著重要影響。以林區(qū)氣溫(T/℃)、氣壓(P/kPa)、空氣相對濕度(RH/%)和風速(WS/(m·s-1))為自變量，PM2.5質(zhì)量濃度值[ρ(PM2.5)/(μg·m-3)]為因變量進行多元回歸分析，在全年時尺度上PM2.5質(zhì)量濃度值與對應的氣溫等氣象因子存在著下式回歸關系。

ρ(PM2.5)=5.407 4P-0.741 3T+0.006RH-7.547WS-500.55

(1)

R2=0.236 8,n=777 3,F=602.64,P<0.01；且T、P、RH和WS的t檢驗P值均小于0.01，對應|r|分別為0.463 7、0.432 2、0.197 1和0.138 7。

式(1)說明，PM2.5質(zhì)量濃度值與氣溫等4個氣象因子之間存在極顯著的多元線性回歸關系，且各單氣象因子對PM2.5時均質(zhì)量濃度值的影響均達到極顯著水平(P<0.01)。其中PM2.5時均質(zhì)量濃度值與氣壓、空氣濕度呈正相關關系，與氣溫、風速負相關，這與傅偉聰?shù)萚18]在貴州百里杜鵑森林公園的研究結果一致。通過相關系數(shù)|r|發(fā)現(xiàn)，影響PM2.5污染的最主要氣象因子是氣溫和氣壓。氣溫越高，污染越輕，是因為較高的氣溫有利于大氣垂直對流和顆粒物向外輸送、擴散，從而降低了污染[19]。氣壓對PM2.5污染的影響呈正向效應，是因為隨著氣壓升高，大氣邊界層高度相對變低，氣流運動較緩慢，不利于顆粒物擴散[20]。林區(qū)不同氣象因子對PM2.5污染存在著交互影響。在全年時尺度上，氣溫(T/℃)與氣壓(P/kPa)之間呈極顯著的線性回歸關系(P=103.21-0.085 8T,R2=0.697 7,n=777 3,P<0.01);氣溫與空氣濕度之間呈極顯著的二次回歸關系(RH=-0.006 3T2-0.419 3T+85.347,R2=0.110 1,n=777 3,P<0.01)。

3.3.2 單氣象因子對PM2.5污染的影響 鑒于多氣象因子對PM2.5污染的影響存在交互作用、R2偏低等問題，從單氣象因子與PM2.5時均質(zhì)量濃度值的相關性分析則可規(guī)避這些問題、且便于解析和應用。為此，對林區(qū)PM2.5污染與氣溫等單氣象因子之間的關系逐一進行統(tǒng)計分析。

3.3.2.2 氣壓對PM2.5污染的影響 在全年時尺度上，林區(qū)PM2.5質(zhì)量濃度值與氣壓(P)之間存在極顯著的二次遞增回歸關系(P<0.01，圖6A)。同樣由于等氣壓點對應的PM2.5時均質(zhì)量濃度值離差較大、回歸決定系數(shù)R2值偏小，使得回歸模型精度偏低。將等氣壓點及對應的PM2.5質(zhì)量濃度值域一并平均處理后回歸，二者間呈極顯著的乘冪遞增回歸關系(P<0.01)、R2值相對提高了0.602 5(圖6B)，回歸精度顯著提高。若再將氣壓分別以0.4、0.8 hPa依次遞增，并與對應的PM2.5質(zhì)量濃度值域一并平均處理后再回歸，則二者均呈現(xiàn)極顯著的指數(shù)遞增回歸關系(P<0.01)，R2值分別達到0.904 4、0.919 7(圖7)，較等氣壓點的R2值分別提高了0.108 7、0.124，回歸精度進一步提高。因此，經(jīng)氣壓小梯度遞增處理后的回歸模型更適于通過林區(qū)氣壓值估算PM2.5質(zhì)量濃度。

3.3.2.3 空氣濕度對PM2.5污染的影響 在時尺度上，PM2.5質(zhì)量濃度與空氣濕度間存在極顯著的二次回歸關系(P<0.01，圖8A)。只是由于空氣濕度等值點對應的PM2.5時均質(zhì)量濃度值離差太大，使得回歸精度明顯偏低。將空氣濕度等值點及對應的PM2.5質(zhì)量濃度值一并平均處理后再回歸，二者間呈極顯著的乘冪遞增回歸關系(P<0.01)、決定系數(shù)R2值相對提高了0.423 7(圖8B)，但依然偏低。如果再將空氣濕度分別以1.0%、2.0%依次遞增，并與對應的PM2.5質(zhì)量濃度值域一并平均處理后再回歸，則二者均呈現(xiàn)極顯著的二次回歸關系(P<0.01)，較等值點的R2值分別提高了0.331和0.395 9(圖9)，回歸精度顯著提高。

3.3.2.4 風速對PM2.5污染的影響 林區(qū)全年平均風速0.423 m·s-1，最高風速2.711 m·s-1，近2 000 h處于無風狀態(tài)。在時尺度上，PM2.5質(zhì)量濃度與平均風速(WS)間存在極顯著的負指數(shù)回歸關系(P<0.01，圖10A)。同樣由于風速等值點對應的PM2.5時均質(zhì)量濃度值離差太大，使得回歸精度明顯偏低。將等風速點及對應的PM2.5質(zhì)量濃度值一并平均處理后再回歸，兩者間呈極顯著的指數(shù)遞減回歸關系(P<0.01)、R2值相對提高了0.413 8(圖10B)，但依然偏低。再將風速分別以0.03、0.06 m·s-1依次遞增，并與對應的PM2.5質(zhì)量濃度值域一并平均處理后再回歸，則二者均呈現(xiàn)極顯著的二次回歸關系(P<0.01)，R2值分別提高到0.608 4和0.673 4(圖11)，回歸精度依然不很高，主要是由于山區(qū)地形破碎、復雜，林分稠密，高大山體及林木的遮擋致使平均風速偏低、靜穩(wěn)天氣偏多造成的。

林區(qū)單一氣象因子與PM2.5質(zhì)量濃度之間的時尺度相關性分析，實現(xiàn)了各氣象因子在等值點、小梯度遞增上PM2.5質(zhì)量濃度高離散值的均值化處理，加大了回歸點數(shù)據(jù)源的信息權重，縮小了PM2.5時均質(zhì)量濃度離差，顯著提高了回歸模型精度，映射出氣象因子對PM2.5質(zhì)量濃度均值的影響效應，對通過單一氣象因子預估PM2.5質(zhì)量濃度值是適宜的。

4 結論與討論

4.1 結論

2019年，雞公山林區(qū)環(huán)境空氣質(zhì)量監(jiān)測站PM2.5年均質(zhì)量濃度34.48 μg·m-3，略低于國標二級標準限值(35 μg·m-3)。全年共有26 d PM2.5質(zhì)量濃度日均值超過國標二級標準限值(75 μg·m-3)，超標率為7.12%，超標日主要集中在冬季。林區(qū)PM2.5污染狀況整體較輕。

在全年時尺度上，PM2.5時均質(zhì)量濃度值與對應的氣溫、氣壓、空氣濕度和風速等4個氣象因子之間存在極顯著的多元線性回歸關系(P<0.01)，且單氣象因子對PM2.5時均質(zhì)量濃度值的影響均達到極顯著水平(P<0.01)。

在全年時尺度上，各單氣象因子與PM2.5質(zhì)量濃度之間回歸模型精度偏低。通過采取各單氣象因子在等值點、小梯度遞增與對應的多PM2.5質(zhì)量濃度值域一并平均處理后再回歸，顯著提高了二者之間的回歸精度。氣溫和氣壓是影響PM2.5污染的最主要氣象因子。在PM2.5觀測數(shù)據(jù)缺失的情況下，通過氣溫小梯度遞增0.6 ℃(回歸模型R2=0.901 4)或氣壓分別遞增0.4(R2=0.904 4)、0.8 hPa(R2=0.919 7)處理，均可取得良好的預測結果。

4.2 討論

關于降水對顆粒物污染的影響，胡敏等[16]的研究表明，降水對不同組分的大氣顆粒物污染均具有顯著的去除效果。F.Amatoetal[21]對歐洲道路揚塵的研究發(fā)現(xiàn)，降雨可使道路顆粒物質(zhì)量濃度急劇下降；雨后顆粒物質(zhì)量濃度以指數(shù)函數(shù)遞增，直至再次達到最大值，此時道路揚塵和沉降過程達到一個新的動態(tài)平衡。鄭曉霞等[22]的研究顯示，降雨對顆粒物的去除作用明顯，一次降雨可使PM2.5質(zhì)量濃度平均下降56.3%，降雨過程只降低PM2.5的質(zhì)量濃度值，并沒有改變其日變化規(guī)律。本研究結果與上述研究是吻合的，雞公山林區(qū)11次典型降水過程降水前后PM2.5日均質(zhì)量濃度平均下降50.62%。從整體上看，降水前PM2.5污染越嚴重，降水對PM2.5污染的去除效果越顯著，PM2.5質(zhì)量濃度下降率越高。降水能夠削減顆粒物污染，主要是雨水對PM2.5等大氣污染物起到了清洗和沖刷作用，進而降低了空氣中污染氣體的質(zhì)量濃度。

氣象要素對顆粒物的影響主要表現(xiàn)為大氣擴散能力和降水沉降能力[23]。關于顆粒物污染與氣象因子的關系，以往研究多側重二者在日尺度上的相關性分析[9,24]，而對于二者在時尺度上的系統(tǒng)研究鮮見報道。在日尺度上，史宇等[24]的研究認為，PM2.5質(zhì)量濃度與日均空氣濕度呈顯著正相關關系，與日均風速呈顯著負相關關系，而與日均氣溫和氣壓無顯著相關性；馮萬富等[9]的研究結果顯示，PM2.5質(zhì)量濃度與日均氣溫和風速呈顯著負相關關系，與日均氣壓和空氣濕度呈顯著正相關關系。本研究結果與后者是一致的，主要是氣溫高、風速大有利于加快顆粒物擴散，而濕度大有利于細粒子的生成，氣壓高不利于顆粒物擴散。當前，隨著儀器設備性能和監(jiān)測技術的提升，使得PM2.5污染與氣象因子的高時頻連續(xù)同步監(jiān)測成為可能。在小時尺度、大樣本容量下開展PM2.5污染與氣象因子的時序變化、相關性分析對于通過氣象因子精準預測PM2.5污染顯得愈發(fā)重要，有待今后深入研究。