霾天氣下我國6城市PM2.5污染水平相關(guān)性及影響因素分析

楊　磊， 楚明浩， 杜曉軒

(中原工學(xué)院，鄭州 450007)

?

霾天氣下我國6城市PM2.5污染水平相關(guān)性及影響因素分析

楊磊， 楚明浩， 杜曉軒

(中原工學(xué)院，鄭州 450007)

我國城市PM2.5污染存在空間分布差異，在霾天氣下，需對其空間分布關(guān)系作進(jìn)一步研究。本文對2015年冬季我國6個城市PM2.5污染數(shù)據(jù)進(jìn)行Pearson相關(guān)性分析，并探討主要影響因素。結(jié)果表明：入冬后由于大面積采暖，北方城市的PM2.5污染明顯高于南方；季風(fēng)氣候?qū)Ω鞯豍M2.5污染有影響；建筑施工面積與PM2.5污染有明顯的相關(guān)性；經(jīng)濟(jì)結(jié)構(gòu)與各城市PM2.5污染的相關(guān)性不明顯。

PM2.5；霾；相關(guān)性；影響因素

隨著城市化進(jìn)程加快，我國大氣環(huán)境污染狀況日趨嚴(yán)重，交通源、工業(yè)源、生活源等造成的空氣污染成為影響空氣質(zhì)量的重要因素[1]。京津冀地區(qū)由于冬天燃煤取暖，空氣污染情況更為嚴(yán)重；沿海城市由于地理?xiàng)l件的關(guān)系，PM2.5污染水平相對較低[2]。目前，城市污染物來源復(fù)雜且種類繁多[3-5]。有研究表明，珠江三角洲城市間污染相互作用顯著[6]。在霾天氣條件下，對我國各地區(qū)城市間顆粒物污染空間分布及影響因素的研究十分必要和迫切。本文基于冬季我國代表性城市PM2.5污染數(shù)據(jù)、經(jīng)濟(jì)發(fā)展數(shù)據(jù)、建筑施工面積數(shù)據(jù)和氣象參數(shù)數(shù)據(jù)，嘗試對樣本城市間PM2.5污染的空間分布相關(guān)性和主要影響因素展開分析。

1　材料和方法

1.1城市樣本

本文選取北部、南部、西部、東部、中部的代表性城市(分別為北京、廣州、蘭州、上海、沈陽和鄭州)為研究對象。圖1是各樣本城市地理位置。北京是中國的首都，經(jīng)濟(jì)政治和文化中心，人口數(shù)量、汽車保有量以及公路里程都較高；華南城市廣州位于珠江三角洲，是中國發(fā)展較早的城市；華西城市蘭州地廣人稀，作為一個重要參照；華東城市上海位于長江三角洲，經(jīng)濟(jì)繁華，人口眾多，屬港口城市，具有較高的代表性；華北城市沈陽是東北重要城市，是重工業(yè)基地，冬季采暖需求較高；華中城市鄭州位于中原腹地，地處南北交通要道的交匯處，汽車保有量、流通量、公路里程數(shù)以及人口數(shù)量均較高。

圖1　城市樣本地理位置

1.2PM2.5污染測點(diǎn)

采用中國環(huán)境監(jiān)測總站對樣本城市測點(diǎn)的布局[7]，北京采集12個測點(diǎn)：奧體中心、昌平鎮(zhèn)、定陵、東四、古城、官園、海淀區(qū)萬柳、懷柔鎮(zhèn)、農(nóng)展館、順義新城、天壇、萬壽西宮；廣州采集11個測點(diǎn)：番禺中學(xué)、廣東商學(xué)院、廣雅中學(xué)、花都師范、九龍鎮(zhèn)鎮(zhèn)龍、麓湖、帽峰山森林公園、市八十六中、市監(jiān)測站、市五中、體育西；蘭州采集5個測點(diǎn)：蘭煉賓館、生物制品所、鐵路設(shè)計院、榆中蘭大校區(qū)、職工醫(yī)院；上海采集10個測點(diǎn)：虹口、靜安監(jiān)測站、浦東川沙、浦東新區(qū)監(jiān)測站、浦東張江、普陀、青浦淀山湖、十五廠、徐匯上師大、楊浦四漂；沈陽采集11個測點(diǎn)：東陵路、渾南東路、京沈街、陵東街、森林路、沈遼西路、太原街、文化路、小河沿、新秀街、裕農(nóng)路；鄭州采集9個測點(diǎn)：崗李水庫、供水公司、鄭大一附院、經(jīng)開區(qū)管委、市監(jiān)測站、四十七中、煙廠、銀行學(xué)校、鄭紡機(jī)。

1.3數(shù)據(jù)收集

1.3.1樣本城市PM2.5污染水平

為了研究霾天氣條件下城市間PM2.5污染水平空間差異，表1列出了2014年和2015年6個樣本城市PM2.5質(zhì)量濃度的年均值[7]。

表1　樣本城市近兩年P(guān)M2.5質(zhì)量濃度年均值 　μg/m3

為研究6個樣本城市PM2.5污染空間分布的相關(guān)性，采集了2015年11月18日-2015年12月31日各城市PM2.5日平均質(zhì)量濃度數(shù)據(jù)[8]，統(tǒng)計學(xué)結(jié)果如表2所示。

表2　6城市PM2.5污染數(shù)據(jù)統(tǒng)計學(xué)結(jié)果

1.3.2GDP和新增建筑面積

為研究樣本城市的經(jīng)濟(jì)發(fā)展結(jié)構(gòu)、建筑施工等因素對各城市PM2.5污染水平的影響，采集了各產(chǎn)業(yè)生產(chǎn)總值和建筑施工面積等統(tǒng)計數(shù)據(jù)[9-14]，結(jié)果如表3所示。

1.3.3氣候參數(shù)(風(fēng)向和風(fēng)速)

風(fēng)力強(qiáng)度和風(fēng)向是影響地區(qū)間PM2.5污染遷移的重要?dú)庀髤?shù)，樣本城市風(fēng)玫瑰圖如圖2所示。中國的季風(fēng)氣候十分顯著，大半個中國都受季風(fēng)氣候影響，以秦嶺—淮河為界，以北為溫帶季風(fēng)氣候，以南為亞熱帶季風(fēng)氣候。冬季風(fēng)的季風(fēng)源地為蒙古-西伯利亞，主導(dǎo)風(fēng)向?yàn)槠憋L(fēng)。

本文對研究期間各樣本城市的風(fēng)力強(qiáng)度和風(fēng)向進(jìn)行統(tǒng)計，以上海和鄭州兩城市為例，統(tǒng)計結(jié)果如表4所示。

為便于進(jìn)行相關(guān)性分析，對上海和鄭州的風(fēng)力和風(fēng)向進(jìn)行量化，根據(jù)鄭州和上海的位置關(guān)系，上海的風(fēng)向?yàn)槲鞅憋L(fēng)時，認(rèn)為鄭州風(fēng)力風(fēng)向?qū)ι虾５挠绊懼禐?，并構(gòu)建直角坐標(biāo)系進(jìn)行量化。為分析城市間PM2.5污染水平差異受風(fēng)向風(fēng)力的影響，取研究城市的PM2.5日平均質(zhì)量濃度之比作為相關(guān)性分析的PM2.5污染數(shù)據(jù)，量化和比值結(jié)果如表5所示。

表3　樣本城市產(chǎn)值與施工面積統(tǒng)計數(shù)據(jù)

圖2　樣本城市風(fēng)玫瑰圖

上海鄭州11月23日北3東北511月24日北3北412月1日東南3西北412月2日西北4西北412月3日西北4西北312月10日北3東北412月11日北3東北312月14日西北3西北312月15日西北3西北512月16日西北3西北312月24日北3西412月26日西南3東北412月27日北4東北5

表5　上海市PM2.5污染程度受鄭州風(fēng)力及風(fēng)向影響分析量化結(jié)果

注：c1表示上海PM2.5日平均質(zhì)量濃度(μg/m3)；c2表示鄭州PM2.5日平均質(zhì)量濃度(μg/m3)；E表示上海市PM2.5質(zhì)量濃度受鄭州風(fēng)力風(fēng)向遷移和影響的參數(shù)量化值。

1.4PM2.5污染數(shù)據(jù)及影響因素的分析方法

通過2015年11月到12月樣本城市的58個測點(diǎn)，觀測各城市小時數(shù)據(jù)，求出平均值和標(biāo)準(zhǔn)差，采用SPSS 2.0統(tǒng)計分析軟件對數(shù)據(jù)進(jìn)行線性相關(guān)分析，得到Pearson相關(guān)系數(shù)，用于進(jìn)一步分析各城市數(shù)據(jù)間的相關(guān)性，得到樣本城市間PM2.5污染的空間關(guān)系。此外，根據(jù)采集的數(shù)據(jù)進(jìn)一步分析經(jīng)濟(jì)發(fā)展因素、建筑施工面積因素和氣候因素對各樣本城市間PM2.5污染水平的影響。

2　結(jié)　果

2.1樣本城市PM2.5污染水平

取樣本城市各測點(diǎn)數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差，再計算樣本城市PM2.5的日平均質(zhì)量濃度值，與國家標(biāo)準(zhǔn)中PM2.5的二級濃度限值[15]進(jìn)行對比，結(jié)果如圖3所示。

2.2樣本城市間PM2.5污染的相關(guān)性分析

通過SPSS軟件中Pearson相關(guān)性分析模塊，對6個樣本城市間PM2.5污染相關(guān)性進(jìn)行分析，結(jié)果如表6所示。

圖3　樣本城市PM2.5質(zhì)量濃度日均值與國家標(biāo)準(zhǔn)限值的對比

北京廣州蘭州上海沈陽鄭州北京Pearson相關(guān)性1.0000.321*0.468**0.367*0.428**0.541**顯著性(雙側(cè))-0.0340.0010.0140.0040.000數(shù)據(jù)量N444444444444廣州Pearson相關(guān)性0.321*1.0000.1350.2100.405**0.236顯著性(雙側(cè))0.034-0.3830.1710.0060.122數(shù)據(jù)量N444444444444蘭州Pearson相關(guān)性0.468**0.1351.0000.1800.1590.555**顯著性(雙側(cè))0.0010.383-0.2430.3010.000數(shù)據(jù)量N444444444444上海Pearson相關(guān)性0.367*0.2100.1801.0000.2960.126顯著性(雙側(cè))0.0140.1710.243-0.0510.414數(shù)據(jù)量N444444444444沈陽Pearson相關(guān)性0.428**0.405**0.1590.2961.0000.302*顯著性(雙側(cè))0.0040.0060.3010.051-0.046數(shù)據(jù)量N444444444444鄭州Pearson相關(guān)性0.541**0.2360.555**0.1260.302*1.000顯著性(雙側(cè))0.0000.1220.0000.4140.046-數(shù)據(jù)量N444444444444

注：*表示具有一定的相關(guān)性；**表示均有顯著的相關(guān)性。

2.3樣本城市PM2.5污染與城市GDP、建筑施工面積相關(guān)性分析

通過SPSS軟件對樣本城市PM2.5與城市各產(chǎn)業(yè)GDP、建筑施工面積之間的相關(guān)性進(jìn)行分析，結(jié)果如表7所示。

表7　樣本城市PM2.5污染與GDP、建筑施工面積相關(guān)性分析結(jié)果

2.4上海市PM2.5污染受外界風(fēng)力及風(fēng)向影響分析

通過SPSS軟件中Pearson相關(guān)性分析模塊，對上海市PM2.5與鄭州風(fēng)力及風(fēng)向相關(guān)性進(jìn)行分析，結(jié)果如表8所示。

表8　上海市PM2.5污染受鄭州風(fēng)力及風(fēng)向影響相關(guān)性分析結(jié)果

3　討　論

數(shù)據(jù)采集期間樣本城市的PM2.5質(zhì)量濃度平均值分別為：北京140 μg/m3、廣州40 μg/m3、蘭州74 μg/m3、上海72 μg/m3、沈陽96 μg/m3、鄭州132 μg/m3。根據(jù)國家標(biāo)準(zhǔn)中PM2.5二級濃度限值(75 μg/m3)可知，北京、沈陽、鄭州的PM2.5質(zhì)量濃度已超過污染閾值，甚至達(dá)到重度污染。北京、廣州、蘭州、上海、沈陽和鄭州超過二級濃度限值的天數(shù)分別為26 d、4 d、23 d、15 d、28 d、28 d，分別占總天數(shù)的65.0%、10.0%、57.5%、37.5%、70.0%和70.0%，沈陽和鄭州污染天數(shù)較多。

從表6可知，北京與鄭州、蘭州、沈陽的PM2.5污染數(shù)據(jù)均有相對較高的相關(guān)性。其中，北京與鄭州的PM2.5污染數(shù)據(jù)相關(guān)性最高，常住人口數(shù)量大是一個重要原因。兩個城市均位于氣候相對干燥的北方內(nèi)陸、受到更北區(qū)域的沙塵遷移的影響可能是另一重要原因。廣州與沈陽的PM2.5污染數(shù)據(jù)有較高的相關(guān)性，兩城市相近的建筑施工面積增長可能是主要原因。蘭州與北京、鄭州的PM2.5污染數(shù)據(jù)有相對較高的相關(guān)性，其中與鄭州的PM2.5污染數(shù)據(jù)相關(guān)性最高，這與蘭州和鄭州均以第二產(chǎn)業(yè)作為重點(diǎn)產(chǎn)業(yè)有關(guān)。上海與各城市的PM2.5污染數(shù)據(jù)均沒有明顯的相關(guān)性，這與上海終年受海洋氣候的影響有關(guān)。沈陽和北京、廣州的PM2.5污染數(shù)據(jù)均有相對較高的相關(guān)性，其中與北京PM2.5污染數(shù)據(jù)相關(guān)性最高，這與沈陽和北京冬季采暖有關(guān)。鄭州與北京、蘭州的PM2.5污染數(shù)據(jù)均有相對較高的相關(guān)性，這可能與鄭州的地理位置有關(guān)。進(jìn)入冬季后，來自蘭州與北京的PM2.5遷移對鄭州的PM2.5污染具有較為明顯的影響。此外，鄭州和蘭州第二產(chǎn)業(yè)發(fā)展較為迅速也是影響因素。

從表7分析結(jié)果可知，樣本城市集合的PM2.5污染值與城市的建筑施工面積有明顯的相關(guān)性，與各GDP的總體相關(guān)性并不明顯，這可能與樣本城市太少有關(guān)。

從表8分析結(jié)果可知，上海市區(qū)的污染受鄭州風(fēng)力和風(fēng)向的影響并不明顯，這可能與鄭州和上海的地理位置過遠(yuǎn)有關(guān)。

4　結(jié)　語

第一，我國空氣污染狀況總體為北方污染嚴(yán)重，南方污染較輕，這與入冬后北方大面積供暖有很大關(guān)系，供暖燒煤對北方顆粒物污染有很大影響。

第二，上海和廣州地區(qū)均是近海城市，受海洋季風(fēng)氣候影響較大，PM2.5污染相對較低。

第三，北京、沈陽、蘭州和鄭州4地之間PM2.5污染相互影響較大，冬天的西北風(fēng)向可能會增加城市間顆粒物的遷移。

第四，第二產(chǎn)業(yè)所占比重較大的城市容易產(chǎn)生較為嚴(yán)重的PM2.5污染，應(yīng)當(dāng)對這些城市不斷優(yōu)化經(jīng)濟(jì)發(fā)展結(jié)構(gòu)。

[1]蘇捷，王麗，魏巍，等．2001-2011年我國城市空氣污染變化特征及分析[J]．河北工程大學(xué)學(xué)報，2012，29(4)：45-52．

[2]張吉洋，耿世彬．我國大氣環(huán)境PM2.5來源、分布、危害現(xiàn)狀分析[J]．潔凈與空調(diào)技術(shù)，2014，3(1)：45-50．

[3]鄭祚芳．城市化對北京霾日數(shù)影響統(tǒng)計分析[J]．生態(tài)環(huán)境學(xué)報，2013，22(8)：1381-1385．

[4]潘竟虎，張文，李俊峰，等．中國大范圍霧霾期間主要城市空氣污染物分布特征[J]．生態(tài)學(xué)雜志，2014，33(12)：3423-3431．

[5]熊健，曾禮祥．粵港珠三角區(qū)域空氣污染與經(jīng)濟(jì)發(fā)展的動態(tài)關(guān)系[J]．廣州大學(xué)學(xué)報，2015，14(2)：6-12．

[6]王淑蘭，張遠(yuǎn)航，鐘流舉，等．珠江三角洲城市間空氣污染的相互影響[J]．中國環(huán)境科學(xué)，2005，25(2)：133-137．

[7]中國空氣質(zhì)量在線監(jiān)測分析平臺．2014年1月-2015年12月PM2.5歷史數(shù)據(jù)[EB/OL]．(2015-12-31)．http://www.aqistudy.cn/historydata/．

[8]中國環(huán)境監(jiān)測總站．2015年11月18日-12月31日全國城市空氣質(zhì)量實(shí)施發(fā)布平臺[EB/OL]．(2016-04-30)．http://106.37.208.233:20035/．

[9]北京統(tǒng)計信息網(wǎng).2015年第四季度GDP數(shù)據(jù)及施工面積[EB/OL]．(2016-04-30)．http://www.bjstats.gov.cn/tjsj/yjdsj/GDP/2015/．

[10]廣州統(tǒng)計信息網(wǎng).2015年第四季度GDP數(shù)據(jù)及施工面積[EB/OL]．(2016-04-30)．http://data.gzstats.gov.cn/gzStat1/chaxun/jdsj.jsp．

[11]蘭州市統(tǒng)計局．2015年第四季度GDP數(shù)據(jù)及施工面積[EB/OL]．(2016-04-30)．http://tjj.lanzhou.gov.cn/tjsj_1223/．

[12]上海統(tǒng)計網(wǎng)．2015年第四季度GDP數(shù)據(jù)及施工面積[EB/OL]．(2016-04-30)．http://www.stats-sh.gov.cn/data/release.xhtml．

[13]沈陽統(tǒng)計信息網(wǎng)．2015年第四季度GDP數(shù)據(jù)及施工面積[EB/OL]．(2016-04-30)．http://www.sysinet.gov.cn/Tjsj.aspx?LM_ID=6．

[14]鄭州統(tǒng)計信息網(wǎng)． 2015年第四季度GDP數(shù)據(jù)及施工面積[EB/OL]．(2016-04-30)．http://218.28.166.155/tjww/tjsj/tjyb/A080801index_1.htm．

[15]中華人民共和國環(huán)境保護(hù)部．環(huán)境空氣質(zhì)量標(biāo)準(zhǔn) GB3095-2012[M]. 北京：中國環(huán)境科學(xué)出版社，2012．

(責(zé)任編輯：席艷君)

Correlation Analysis and Evaluation of Influencing Factors for PM2.5Pollution During Haze Days of Six Cities in China

YANG Lei, CHU Ming-hao, DU Xiao-xuan

(Zhongyuan University of Technology, Zhengzhou 450007， China )

Spatial differences of PM2.5pollution of the cities in China are apparent and remain unknown in haze days. This paper is concerned with Pearson correlation analysis of PM2.5pollution in winter of 2015 between six cities in China. Influencing factors for those correlation results are also discussed. The results show that PM2.5pollution of northern cities are apparently worse than southern cities because of high heating load in winter. Monsoon weather and construction area might be influence factors for PM2.5pollution of the cities in China. However, economic structure has no obvious effect on PM2.5pollution of those cities.

PM2.5; haze; correlation; influencing factor

2016-06-20

國家自然科學(xué)基金項(xiàng)目(81450022)；河南省高等學(xué)校供熱空調(diào)重點(diǎn)學(xué)科開放實(shí)驗(yàn)室開放課題(2016HAC202)

楊磊(1974-)，男，河北衡水人，副教授，博士，主要研究方向?yàn)榄h(huán)境空氣質(zhì)量及空氣污染控制。

楊磊：博士，副教授，中原工學(xué)院青年拔尖人才，兼任中國機(jī)械工程學(xué)會鑄造分會環(huán)境保護(hù)及安全技術(shù)委員會委員、河南省科技評價專家?guī)斐蓡T、河南省土木建筑學(xué)會青年學(xué)術(shù)工作委員會委員、河南省潔凈技術(shù)協(xié)會專家委員會委員等，國際期刊《Annals of Occupational Hygiene》《International Journal of Occupational and Environmental Health》《Ergonomics》特邀審稿人。主要研究方向?yàn)榄h(huán)境空氣質(zhì)量及空氣污染控制。主持完成國家自然科學(xué)基金項(xiàng)目1項(xiàng)、河南省科技攻關(guān)計劃項(xiàng)目2項(xiàng)、河南省基礎(chǔ)與前沿技術(shù)研究項(xiàng)目1項(xiàng)，發(fā)表學(xué)術(shù)論文40余篇，其中SCI收錄的學(xué)術(shù)論文2篇、EI收錄的學(xué)術(shù)論文7篇，獲得省部級優(yōu)秀論文獎4項(xiàng)，出版著作或教材3部，授權(quán)專利6項(xiàng)。

1671-6906(2016)04-0001-06

X513

A

10.3969/j.issn.1671-6906.2016.04.001