2015~2018年中國代表性城市PM2.5濃度的城鄉(xiāng)差異

姜蘊聰,楊元建,王 泓*,李煜斌,高志球,趙 純

2015~2018年中國代表性城市PM2.5濃度的城鄉(xiāng)差異

姜蘊聰1,楊元建2,王 泓2*,李煜斌2,高志球2,趙 純3

(1.南京信息工程大學(xué)地理科學(xué)學(xué)院,江蘇 南京 210044；2.南京信息工程大學(xué)大氣物理學(xué)院,江蘇 南京 210044；3.中國科學(xué)技術(shù)大學(xué)地球與空間科學(xué)學(xué)院,安徽 合肥 230022)

選取中國6大城市群中的11座代表性城市為研究區(qū)域,將監(jiān)測站點劃分為城區(qū)、郊區(qū)和鄉(xiāng)村站,進而分析各城市間PM2.5濃度的城鄉(xiāng)差異規(guī)律.結(jié)果表明,同一城市群各城市之間,或同一城市的城區(qū)、郊區(qū)、鄉(xiāng)村站間PM2.5日變化皆較為相似.京津冀和長三角地區(qū)的城市城區(qū)PM2.5濃度最高,高于郊區(qū)7.8%~9.7%,高于鄉(xiāng)村11.3%~16.9%,而粵港澳大灣區(qū)和內(nèi)陸城市群(成渝、長江中游、關(guān)中平原城市群)的城市郊區(qū)PM2.5濃度最高,高于城區(qū)2.6%~11.2%,高于鄉(xiāng)村16.7%~26.5%.各城市間城鄉(xiāng)PM2.5濃度差值的日變化規(guī)律不盡相同,可呈單峰(如上海)或雙峰(如杭州)變化,極值可出現(xiàn)在白天(如廣州),亦可在夜間(如深圳). PM2.5的排放與傳輸擴散共同對11城市城鄉(xiāng)PM2.5濃度分布產(chǎn)生影響.

PM2.5；城市群；城鄉(xiāng)PM2.5濃度差值；排放；傳輸擴散

近年來隨著我國城市化進程的加快,重污染事件頻繁出現(xiàn),而PM2.5作為主要污染物,引起了人們的廣泛關(guān)注.相關(guān)研究基于多種觀測資料發(fā)現(xiàn),城市城區(qū)及其鄰近鄉(xiāng)村在年或季節(jié)尺度上存在顯著的PM2.5濃度差異,如Lin等[1]基于中國東部地區(qū)遙感影像反演數(shù)據(jù)發(fā)現(xiàn)在“十一五”(2006~2010)期間,多數(shù)省份城區(qū)PM2.5濃度降幅低于鄉(xiāng)村,而在“十五”(2001~2005)和“十二五”(2011~2015)期間,多數(shù)省份城區(qū)PM2.5濃度降幅高于農(nóng)村;樊曙先等[2]對南京城鄉(xiāng)PM2.5采樣對比發(fā)現(xiàn)春夏季郊區(qū)PM2.5污染重于城區(qū),秋季城區(qū)PM2.5污染重于郊區(qū).進一步研究發(fā)現(xiàn),城市獨有的動力、熱力及污染物排放特征會對PM2.5濃度的城鄉(xiāng)差異產(chǎn)生影響,如Zheng等[3]選取北京城區(qū)的寶聯(lián)站和郊外的上甸子站進行城鄉(xiāng)對比,發(fā)現(xiàn)在日尺度上城鄉(xiāng)PM2.5濃度差值與熱島效應(yīng)強度間存在明顯相關(guān)性;李瑾等[4]發(fā)現(xiàn)西安城區(qū)與鄉(xiāng)村PM2.5化學(xué)組成存在顯著差異,推斷城區(qū)PM2.5受機動車尾氣和揚塵影響較大,鄉(xiāng)村則主要來自生物質(zhì)燃燒.系統(tǒng)全面地了解PM2.5分布的城鄉(xiāng)差異,有助于政府更好地掌握污染動態(tài),制定相關(guān)的防治政策.但目前已有的PM2.5城鄉(xiāng)差異研究多集中于針對某單一城市或某一局部區(qū)域,而對中國不同城市群中PM2.5城鄉(xiāng)差異的區(qū)域性特征缺乏系統(tǒng)探討.

因此,本文利用2015~2018年環(huán)境監(jiān)測站點PM2.5數(shù)據(jù),并綜合考慮城市代表性和站點數(shù)據(jù)完整性,選取了我國6大城市群的11座代表性城市作為研究對象,依據(jù)歐洲環(huán)境署的劃分規(guī)則將各城市行政區(qū)內(nèi)的監(jiān)測站點劃分為城區(qū)站、郊區(qū)站和鄉(xiāng)村站[5],歸納總結(jié)城市PM2.5濃度的城鄉(xiāng)差異及城市群各城市間PM2.5城鄉(xiāng)差異的區(qū)域性規(guī)律.并與11城市城區(qū)、郊區(qū)、鄉(xiāng)村PM2.5排放速率數(shù)據(jù)進行對比分析,從排放、傳輸擴散2方面對PM2.5城鄉(xiāng)分布規(guī)律的成因進行探討.

1 數(shù)據(jù)與方法

本文依據(jù)2018年11月《中共中央國務(wù)院關(guān)于建立更加有效的區(qū)域協(xié)調(diào)發(fā)展新機制的意見》中提出的中國7大城市群的概念,即京津冀、長三角、粵港澳大灣區(qū)、成渝、長江中游、中原及關(guān)中平原城市群[6].由于缺乏中原城市群的PM2.5濃度數(shù)據(jù),本文研究區(qū)域為另外6大城市群中的11座代表性城市(北京、石家莊、上海、南京、杭州、廣州、深圳、重慶、成都、武漢、西安),研究樣本為2015~2018年“國家環(huán)境空氣質(zhì)量監(jiān)測網(wǎng)”發(fā)布的PM2.5濃度24h連續(xù)監(jiān)測值.根據(jù)《環(huán)境空氣質(zhì)量標準》對PM2.5濃度數(shù)據(jù)統(tǒng)計有效性的要求[7],參考王振波等[8]所提方法,對PM2.5濃度數(shù)據(jù)進行質(zhì)量控制.考慮到“國家環(huán)境空氣質(zhì)量監(jiān)測網(wǎng)”中僅把歸屬于地級及以上城市的監(jiān)測站點歸為城市站,無法體現(xiàn)城鄉(xiāng)差異,本文結(jié)合站點的實際位置與歐洲環(huán)境署發(fā)布的劃分規(guī)則[5],將11座城市的監(jiān)測站點細分為城區(qū)站(監(jiān)測站點位于城區(qū)內(nèi))、郊區(qū)站(監(jiān)測站點位于城鄉(xiāng)過渡帶內(nèi),會受到城區(qū)和鄉(xiāng)村雙重影響)、鄉(xiāng)村站(監(jiān)測站點位于農(nóng)業(yè)區(qū)、自然區(qū)及零散的鄉(xiāng)村村落內(nèi))(圖1).

圖1 11座代表性城市城區(qū)、郊區(qū)、鄉(xiāng)村站點分布

為了研究城鄉(xiāng)PM2.5濃度差異的影響因素,提取清華大學(xué)中國多尺度排放清單(MEIC)中11城市PM2.5排放速率數(shù)據(jù)作對比分析.以WRF-Chem中尺度大氣動力-化學(xué)耦合模式進行模擬,時段為2015年1~12月,研究區(qū)域為中國東部及中部地區(qū),中心經(jīng)緯度為(32oN, 113oE),投影方式為Lambert投影,網(wǎng)格分辨率10km,格點數(shù)為280×280,垂直層數(shù)10層.在后續(xù)處理中,提取監(jiān)測站點所在格點PM2.5排放速率數(shù)據(jù)做全年平均,并與PM2.5監(jiān)測站點觀測值做相關(guān)分析.

具體分析方法選用Pearson積矩相關(guān)系數(shù),在樣本分布明確且2個連續(xù)變量間呈線性相關(guān)時, Pearson積矩相關(guān)系數(shù)更加準確高效[9].計算公式為:

式中:為Pearson積矩相關(guān)系數(shù),代表,2要素之間相關(guān)程度.

2 結(jié)果與討論

2.1 代表性大城市城鄉(xiāng)PM2.5濃度的年變化與季節(jié)變化特征

11城市PM2.5濃度呈現(xiàn)冬高夏低的季節(jié)變化規(guī)律(圖2).這與全國PM2.5污染的季節(jié)變化規(guī)律相一致[10],其原因在于冬季易形成穩(wěn)定的大氣層結(jié),大氣湍流運動較弱,污染物不易在垂直方向上擴散[11].且冬季降水較少,PM2.5更容易懸浮在空氣中[12].11城市對比來看,PM2.5濃度在春夏秋季相差較小,而在冬季差異明顯,有研究指出這一現(xiàn)象是由中國北部地區(qū)冬季燃煤取暖所致[13-14].空間上,京津冀地區(qū)、關(guān)中地區(qū)是中國重要的重工業(yè)區(qū)[15-16],坐落于此的北京、石家莊、西安3城市PM2.5污染嚴重,4a平均PM2.5濃度分別為62.30, 82.06, 64.27μg/m3;而粵港澳大灣區(qū)人為排放較少且大氣擴散條件較好[10,17],廣州、深圳PM2.5污染較輕,4a平均PM2.5濃度分別為36.25, 28.12μg/m3.與全國PM2.5濃度空間分布規(guī)律類似[13],11城市總體呈現(xiàn)從南到北逐漸升高的趨勢.

如圖3所示,對比11城市,北京、石家莊、南京、杭州、重慶的PM2.5濃度最大值出現(xiàn)在城區(qū),廣州、深圳、成都、西安、武漢的PM2.5濃度最大值出現(xiàn)在郊區(qū),僅有上海市鄉(xiāng)村PM2.5濃度最高.京津冀和長三角地區(qū)的城市城區(qū)PM2.5濃度最高,高于郊區(qū)7.8%~9.7%,高于鄉(xiāng)村11.3%~16.9%,而粵港澳大灣區(qū)和內(nèi)陸城市群的城市郊區(qū)PM2.5濃度最高,高于城區(qū)2.6%~11.2%,高于鄉(xiāng)村16.7%~26.5%.對于城區(qū)-鄉(xiāng)村PM2.5濃度差值(城鄉(xiāng)ΔPM2.5),北京、石家莊、南京、杭州、廣州、深圳、重慶、成都、西安城區(qū)PM2.5濃度均高于鄉(xiāng)村,4a平均城鄉(xiāng)ΔPM2.5分別為6.11, 16.39, 5.33, 15.74, 2.58, 5.23, 6.44, 19.51, 1.47μg/m3.此外,上海城區(qū)PM2.5濃度低于鄉(xiāng)村, 4a平均城鄉(xiāng)ΔPM2.5為-6.63μg/m3,而武漢城鄉(xiāng)PM2.5濃度差異微小, 4a平均城鄉(xiāng)ΔPM2.5為-0.005μg/m3.

圖2 11座代表性城市2015~2018年逐季節(jié)平均PM2.5濃度

圖3 11座代表性城市城區(qū)、郊區(qū)、鄉(xiāng)村4a平均PM2.5濃度

11城市城鄉(xiāng)ΔPM2.5隨季節(jié)的不同而發(fā)生變化(圖4),峰值多出現(xiàn)于冬季,谷值多出現(xiàn)于夏季.其原因可能在于夏季大氣邊界層高度較高,擴散條件較好,有利于PM2.5的傳輸;而冬季氣層結(jié)構(gòu)穩(wěn)定,易形成較厚的逆溫層,不利于擴散,使得污染源集中的區(qū)域(通常為城區(qū))PM2.5濃度相對更高[18-19].多數(shù)城市城鄉(xiāng)PM2.5濃度差異的方向基本穩(wěn)定不變,但武漢和西安例外.武漢市春季城鄉(xiāng)ΔPM2.5恒為正值,夏、秋兩季在0值處波動,冬季城鄉(xiāng)ΔPM2.5在2015年和2018年表現(xiàn)出顯著差異,分別為11.28和-6.53μg/m3.西安市城鄉(xiāng)ΔPM2.5在2015~2017年基本為正值且表現(xiàn)出冬高夏低的季節(jié)變化趨勢,僅夏季偶見負值;然而2018年全年西安市城鄉(xiāng)ΔPM2.5轉(zhuǎn)為負值,且隨季節(jié)變化不大.西安城鄉(xiāng)ΔPM2.5特征的轉(zhuǎn)變可能是由于工業(yè)區(qū)向外圍轉(zhuǎn)移所致.

圖4 11座代表性城市2015~2018年逐季節(jié)城鄉(xiāng)ΔPM2.5

2.2 代表性大城市城鄉(xiāng)PM2.5濃度的日變化特征

11城市城區(qū)、郊區(qū)、鄉(xiāng)村PM2.5濃度季節(jié)平均日變化如圖5所示,城鄉(xiāng)ΔPM2.5的季節(jié)平均日變化可見圖6.同一城市群的各城市間PM2.5濃度日變化往往呈現(xiàn)相似的規(guī)律(圖5):如京津冀城市群的北京和石家莊,長三角城市群的上海、南京和杭州,粵港澳大灣區(qū)的廣州和深圳.

對于京津冀城市群,秋季城區(qū)PM2.5日變化呈現(xiàn)雙峰,分別出現(xiàn)于10:00~14:00和22:00~次日00:00,而雙谷出現(xiàn)于06:00~08:00和16:00~18:00.08:00~ 12:00的峰值通常與城市早高峰相一致,而22:00~次日00:00的峰值則是受到大氣邊界層高度降低的影響[20-21].春夏冬季城區(qū)PM2.5日變化都呈現(xiàn)單峰,所不同的是,春夏季單峰出現(xiàn)于08:00~10:00,與城市早高峰相一致.冬季單峰出現(xiàn)于22:00~次日02:00,主要受到冬季夜間穩(wěn)定邊界層的影響[20].除秋季外,北京郊區(qū)和鄉(xiāng)村PM2.5日變化趨勢與城區(qū)相似,且郊區(qū)和鄉(xiāng)村PM2.5濃度差異不明顯,但在00:00~08:00時明顯低于城區(qū),該時段城郊和城鄉(xiāng)冬季平均ΔPM2.5分別可達14.19和16.51μg/m3.石家莊城區(qū)和郊區(qū)PM2.5濃度接近,但春秋冬季鄉(xiāng)村PM2.5濃度遠低于城市和郊區(qū),且除冬季鄉(xiāng)村日變化呈現(xiàn)單峰外,其他3季無明顯峰谷特征.城鄉(xiāng)ΔPM2.5在02:00~04:00出現(xiàn)最大值,后明顯降低,16:00~18:00出現(xiàn)最小值(圖6b),冬季波動尤其明顯,最大值和最小值分別為46.87和14.52μg/m3.北京城鄉(xiāng)ΔPM2.5日變化在春夏秋季表現(xiàn)出和石家莊相似的趨勢,但在冬季最小值出現(xiàn)較早(12:00)(圖6a).這與邊界層高度在一天中出現(xiàn)峰值的時間相對應(yīng),中午和下午時段邊界層高度較高,污染擴散能力較強,城鄉(xiāng)ΔPM2.5也會變小[10].受冬季燃煤排放增加和夜間邊界層高度較低的共同影響[10,22],北京和石家莊2城市冬季城鄉(xiāng)ΔPM2.5日極值出現(xiàn)于夜間,分別可達20.85和46.87μg/m3,明顯高于其他3季.

對于長三角城市群,除南京春季呈現(xiàn)明顯單峰外,城區(qū)、郊區(qū)、鄉(xiāng)村PM2.5日變化均呈現(xiàn)較明顯的雙峰,出現(xiàn)于10:00~12:00和20:00~次日00:00,雙谷出現(xiàn)于06:00~08:00和14:00~16:00(圖5c~圖5e).上海和南京2城市PM2.5日極差在冬季較大,可達9.00和12.43μg/m3.杭州冬季城區(qū)和郊區(qū)PM2.5日變化與上海、南京類似,但鄉(xiāng)村日極差較小,僅為6.78μg/m3.上海、南京、杭州城鄉(xiāng)ΔPM2.5日變化各不相同.上海城鄉(xiāng)ΔPM2.5恒為負且日變化呈單峰分布,負極值出現(xiàn)的時間隨季節(jié)變化,秋季出現(xiàn)最早(08:00),冬季出現(xiàn)最晚(12:00),正極值則都出現(xiàn)在20:00~21:00.南京城鄉(xiāng)ΔPM2.5日變化表現(xiàn)為起伏波動,但21:00~次日03:00會出現(xiàn)最大值.杭州城鄉(xiāng)ΔPM2.5呈現(xiàn)較明顯的雙峰,春冬季出現(xiàn)在10:00~ 11:00和20:00~21:00,夏秋季出現(xiàn)在15:00~16:00和20:00~21:00.雖然日變化特征不同,但上海、南京、杭州城鄉(xiāng)ΔPM2.5的日波動都不明顯,極差分別為5.71, 4.87, 6.18μg/m3(4季節(jié)求平均)(圖6c~圖6e).與圖4相一致,杭州城鄉(xiāng)ΔPM2.5明顯大于上海和南京,且在冬季表現(xiàn)得尤為明顯,極值為33.43μg/m3.

粵港澳大灣區(qū)中廣州與深圳2城市PM2.5日變化在秋冬季表現(xiàn)為單峰分布,峰值出現(xiàn)于20:00~次日00:00,谷值出現(xiàn)于14:00~18:00,春夏季表現(xiàn)為雙峰分布,峰值出現(xiàn)于08:00~12:00和20:00~22:00,谷值出現(xiàn)于02:00~06:00和22:00~次日00:00(圖5f~圖5g).這可能是因為春夏季太陽輻照強度更大,O3濃度和溫度也高于秋冬季,導(dǎo)致形成二次生成氣溶膠的光化學(xué)反應(yīng)增強[10].廣州秋冬季鄉(xiāng)村PM2.5日極差分別為9.90和15.87μg/m3,明顯大于城區(qū)和郊區(qū).深圳卻不同于廣州,其鄉(xiāng)村PM2.5日波動不明顯,冬季極差僅為2.39μg/m3,小于同季節(jié)城區(qū)(7.72μg/m3)和郊區(qū)(8.44μg/m3).鄉(xiāng)村PM2.5日變化的差異導(dǎo)致廣州和深圳城鄉(xiāng)ΔPM2.5呈現(xiàn)截然相反的日變化趨勢(圖6f-g).除夏季外,廣州城鄉(xiāng)ΔPM2.5峰、谷值分別出現(xiàn)于10:00~14:00和18:00~22:00,與深圳城鄉(xiāng)ΔPM2.5谷、峰值出現(xiàn)的時間相對應(yīng).廣州和深圳城鄉(xiāng)ΔPM2.5日極值分別出現(xiàn)于白天和夜間,其值為7.84和10.23μg/m3(冬季),明顯小于京津冀和長三角城市.

圖5 11座代表性城市城區(qū)、郊區(qū)、鄉(xiāng)村PM2.5濃度日變化

圖6 11座代表性城市城鄉(xiāng)ΔPM2.5日變化

成渝城市群中重慶PM2.5日變化呈現(xiàn)雙峰,分別出現(xiàn)于09:00~12:00和20:00~23:00,谷值分別出現(xiàn)于05:00~07:00和16:00~17:00.成都城區(qū)和郊區(qū)PM2.5濃度接近,日變化都呈現(xiàn)明顯的單峰,出現(xiàn)于08:00~ 11:00,谷值出現(xiàn)于17:00~19:00.但鄉(xiāng)村PM2.5日變化特征與城區(qū)、郊區(qū)截然相反,于08:00~11:00出現(xiàn)極小值,且除冬季外,春夏秋季無明顯極大值出現(xiàn).相對應(yīng),成都城鄉(xiāng)ΔPM2.5于09:00~10:00到達峰值,18:00~ 19:00出現(xiàn)谷值,其中冬季的峰值(日極值)達到50.73μg/m3.相較于成都,重慶城區(qū)和鄉(xiāng)村PM2.5濃度差異較小,冬季城鄉(xiāng)ΔPM2.5日極值僅12.36μg/m3,日極差也僅4.15μg/m3,明顯低于成都(35.18μg/m3).

武漢位于長江中游城市群,其全天PM2.5濃度無明顯極大值,但在17:00~18:00出現(xiàn)極小值.城區(qū)、郊區(qū)、鄉(xiāng)村PM2.5濃度相似,但隨季節(jié)不同,城鄉(xiāng)ΔPM2.5呈現(xiàn)不同的日變化特征.城鄉(xiāng)ΔPM2.5在春季恒為正且于10:00出現(xiàn)極值(8.17μg/m3),在秋季恒為負且于19:00出現(xiàn)負極值(-4.54μg/m3).夏冬季城鄉(xiāng)ΔPM2.5在0值處波動,夏季15:00~20:00為負而冬季01:00~07:00為負.Xu等[19]也發(fā)現(xiàn)在不同季節(jié),武漢各地區(qū)的PM2.5濃度呈現(xiàn)不同的日變化特征,并認為不同的氣象條件是其主要的影響因素.

關(guān)中平原城市群的西安春秋冬季鄉(xiāng)村PM2.5日變化呈現(xiàn)較明顯的雙峰,出現(xiàn)于10:00~11:00和23:00~次日01:00,谷值出現(xiàn)于05:00~07:00和16:00~18:00.夏季鄉(xiāng)村則呈現(xiàn)明顯單峰,出現(xiàn)于11:00.夏秋季城區(qū)和郊區(qū)PM2.5日變化趨勢與鄉(xiāng)村相似,冬季則呈現(xiàn)明顯單峰,出現(xiàn)于01:00~03:00.春季城區(qū)和郊區(qū)PM2.5濃度僅在18:00出現(xiàn)極小值,未觀察到明顯極大值.特別地,西安冬季城區(qū)和郊區(qū)PM2.5濃度在03:00~16:00極為接近,該時段城郊冬季平均ΔPM2.5濃度僅-0.08μg/m3.鄉(xiāng)村PM2.5濃度在18:00~次日01:00大于城區(qū),其余時段則小于城區(qū),圖6(k)同樣顯示這一規(guī)律,冬季城鄉(xiāng)ΔPM2.5在18:00~次日01:00出現(xiàn)長時間的負值,這可能是受到城區(qū)(集中供暖)和鄉(xiāng)村(家庭供暖)燃煤供暖方式差異的影響[16].

2.3 代表性大城市城鄉(xiāng)PM2.5濃度差異成因初探

對2015年P(guān)M2.5排放速率數(shù)據(jù)和監(jiān)測站點PM2.5濃度觀測數(shù)據(jù)進行對比分析,2015年11城市PM2.5排放速率(站點所在10km′10km網(wǎng)格區(qū)域)(年平均)均表現(xiàn)為城區(qū)>郊區(qū)>鄉(xiāng)村(圖7),城區(qū)PM2.5排放速率在0.32~1.49μg/(m2×s),而鄉(xiāng)村PM2.5排放速率均小于0.20μg/(m2×s).南京城鄉(xiāng)排放速率差值最大(1.46μg/(m2×s)),北京最小(0.27μg/(m2×s)).上海、南京、成都、西安郊區(qū)PM2.5排放速率略低于城區(qū)而明顯高于鄉(xiāng)村,這可能與這些城市環(huán)保政策的實施,部分污染源區(qū)向外轉(zhuǎn)移至郊區(qū)有關(guān).對比發(fā)現(xiàn),城市各區(qū)域PM2.5排放速率規(guī)律和PM2.5濃度觀測值的規(guī)律不完全相同,如上海、南京郊區(qū)PM2.5濃度最低而廣州、深圳、成都、武漢、西安郊區(qū)PM2.5濃度最高,上海鄉(xiāng)村PM2.5濃度明顯高于城區(qū)和郊區(qū)等.

圖7 11座代表性城市城區(qū)、郊區(qū)、鄉(xiāng)村2015年平均PM2.5濃度觀測值及排放速率

城市PM2.5濃度會受到外部傳輸?shù)挠绊慬23],本地排放的PM2.5也會由污染源向周邊擴散[24].不同城市氣象條件不同, PM2.5傳輸與擴散規(guī)律也不完全相同[10,25].對11城市城區(qū)、郊區(qū)、鄉(xiāng)村PM2.5排放速率和PM2.5濃度觀測值做Pearson相關(guān)分析,樣本為年平均后的24h日變化數(shù)據(jù).若某一區(qū)域易接受大量外部傳輸而來的PM2.5,或本地排放的PM2.5極易向遠處擴散,則該區(qū)域PM2.5排放速率和PM2.5濃度觀測值相關(guān)性不顯著;反之,若某一區(qū)域氣象條件不利于污染物的傳輸與擴散, PM2.5排放速率和PM2.5濃度觀測值會呈現(xiàn)顯著相關(guān),且傳輸與擴散條件越差,相關(guān)性越強.

11城市PM2.5排放速率和PM2.5濃度觀測值相關(guān)分析結(jié)果見表1.受城市上空有利氣象條件的影響,北京、廣州、深圳、重慶4城市各區(qū)域相關(guān)性均不顯著, PM2.5的傳輸與擴散成為影響其城鄉(xiāng)差異的一個重要原因;而城市上空不利的傳輸與擴散條件導(dǎo)致南京、武漢各區(qū)域均呈現(xiàn)顯著相關(guān)性.值得注意的是,南京鄉(xiāng)村相關(guān)性僅為0.654,低于城區(qū)(0.743)和郊區(qū)(0.707),雖然南京鄉(xiāng)村PM2.5排放速率僅為0.02μg/(m2×s),明顯低于城區(qū)(1.49μg/(m2×s)),城鄉(xiāng)排放速率差值大于其他10個城市,但鄉(xiāng)村接受外部傳輸?shù)腜M2.5多于城區(qū),從而導(dǎo)致其城鄉(xiāng)PM2.5濃度差值僅為3.21μg/m3,在11城市中處于較低水平.武漢與南京類似,其郊區(qū)相關(guān)性(0.698)明顯低于城區(qū)(0.800),即使郊區(qū)PM2.5排放速率(0.50μg/(m2×s))低于城區(qū)(1.08μg/(m2×s)),但受PM2.5外部傳輸差異的影響,武漢郊區(qū)PM2.5濃度高于城區(qū);石家莊、上海、杭州、成都、西安5城市局部區(qū)域相關(guān)性顯著,其中石家莊、成都和西安為城區(qū)和郊區(qū),這可能是受到了城區(qū)和郊區(qū)復(fù)雜下墊面的影響[26].Chang等[15]、Zhao等[27]、王珊等[28]研究認為上述3城市受邊界層高度較低等不利氣象條件的影響,城市排放的PM2.5向外擴散能力較弱.但本文通過相關(guān)分析結(jié)果認為,處于城市外圍的鄉(xiāng)村區(qū)域PM2.5傳輸與擴散條件明顯優(yōu)于城區(qū)和郊區(qū), PM2.5的外部傳輸對鄉(xiāng)村PM2.5濃度影響顯著.此外,城區(qū)和郊區(qū)相關(guān)性也存在差異,郊區(qū)比城區(qū)易接受外部傳輸?shù)腜M2.5;對于上海、杭州2座長三角沿海城市,顯著相關(guān)性分別體現(xiàn)在鄉(xiāng)村、郊區(qū)和鄉(xiāng)村,海陸風(fēng)可能是引起其相關(guān)性差異的一個重要因素.日間由海洋吹向陸地的海風(fēng)稀釋了本地產(chǎn)生的PM2.5,但受城區(qū)高樓的阻攔,遠離海洋的區(qū)域(上海鄉(xiāng)村站點所在區(qū)域,杭州部分郊區(qū)和鄉(xiāng)村站點所在區(qū)域)受風(fēng)影響較小, PM2.5的傳輸與擴散也弱于臨海區(qū)域[29].但值得注意的是,上海和杭州城鄉(xiāng)PM2.5濃度差異規(guī)律仍不相同,杭州鄉(xiāng)村PM2.5濃度為杭州最小值而上海鄉(xiāng)村PM2.5濃度為上海最大值.原因在于盡管杭州郊區(qū)和鄉(xiāng)村PM2.5排放速率和PM2.5濃度觀測值呈顯著相關(guān),但郊區(qū)相關(guān)性明顯小于鄉(xiāng)村,郊區(qū)比鄉(xiāng)村接收到更多的城區(qū)擴散而來的PM2.5.而上海則不同,日間海風(fēng)將其城區(qū)和郊區(qū)排放的PM2.5吹向內(nèi)陸[30].盡管上海鄉(xiāng)村呈顯著相關(guān),但相關(guān)性較低,僅為0.416,城區(qū)和郊區(qū)產(chǎn)生的部分PM2.5會對鄉(xiāng)村站點的PM2.5濃度產(chǎn)生影響;而鄉(xiāng)村區(qū)域PM2.5排放速率僅為0.05μg/(m2×s),夜間陸風(fēng)并不能將太多的PM2.5帶向沿海的城區(qū)和郊區(qū).因此出現(xiàn)上海鄉(xiāng)村PM2.5濃度明顯高于城區(qū)和郊區(qū).此外,陳東紅等[31]研究表明,上海鄉(xiāng)村站點所在區(qū)域更靠近長三角其他污染源區(qū),周邊局地污染源也會加劇其PM2.5污染.

表1 11座代表性城市城區(qū)、郊區(qū)、鄉(xiāng)村PM2.5濃度觀測值與PM2.5排放速率Pearson相關(guān)分析

注:**, 在0.01水平(雙側(cè))上顯著相關(guān); *, 在0.05水平(雙側(cè))上顯著相關(guān); /, 在0.05水平(雙側(cè))上相關(guān)性不顯著.

以上分析表明,盡管11城市PM2.5排放速率均為城區(qū)>郊區(qū)>鄉(xiāng)村,但受城市獨特氣象條件影響, PM2.5的傳輸與擴散規(guī)律存在差異.同一城市群的城市間城鄉(xiāng)PM2.5濃度差異規(guī)律也可能存在差異,如京津冀城市群的北京和石家莊,長三角城市群的上海、南京和杭州,成渝城市群的重慶和成都等.

3 結(jié)論

3.1 11座代表性城市PM2.5濃度在時間上表現(xiàn)出冬高夏低的季節(jié)變化規(guī)律,在空間上呈現(xiàn)從南到北逐漸升高的趨勢;京津冀和長三角地區(qū)的城市城區(qū)PM2.5濃度最高,高于郊區(qū)7.8%~9.7%,高于鄉(xiāng)村11.3%~16.9%,而粵港澳大灣區(qū)和內(nèi)陸城市群的城市郊區(qū)PM2.5濃度最高,高于城區(qū)2.6%~11.2%,高于鄉(xiāng)村16.7%~26.5%;11城市城鄉(xiāng)ΔPM2.5都呈現(xiàn)出較明顯的季節(jié)性變化,峰值多出現(xiàn)于冬季,谷值多出現(xiàn)于夏季.

3.2 11座代表性城市中,同一城市群的各城市間呈現(xiàn)相似的PM2.5日變化規(guī)律,同一城市的城區(qū)、郊區(qū)、鄉(xiāng)村間也呈現(xiàn)相似的PM2.5日變化特征;對于城鄉(xiāng)ΔPM2.5的日變化,城市群的各城市間規(guī)律不盡相同,可呈單峰(如上海)或雙峰(如杭州)變化,極值可出現(xiàn)在白天(如廣州),亦可在夜間(如深圳).

3.3 11城市PM2.5排放速率存在差異,但均表現(xiàn)為城區(qū)>郊區(qū)>鄉(xiāng)村.不同城市,或同一城市各區(qū)域間PM2.5傳輸與擴散規(guī)律也存在差異.PM2.5的排放與傳輸擴散共同對11城市城鄉(xiāng)PM2.5濃度分布產(chǎn)生影響.

[1] Lin C Q, Alexis K, Li Y, et al. Difference in PM2.5variations between urban and rural areas over Eastern China from 2001 to 2015 [J]. Atmosphere, 2018,9(8):312.

[2] 樊曙先,樊建凌,鄭有飛,等.南京市區(qū)與郊區(qū)大氣PM2.5中元素含量的對比分析[J] .中國環(huán)境科學(xué), 2005,25(2):146-150.Fan S X, Fan J L, Zheng Y F, et al. Compared analysis of element content in atmospheric PM2.5in Nanjing urban and suburban area [J]. China Environmental Science, 2005,25(2):146-150.

[3] Zheng Z F, Ren G Y, Wang H, et al. Relationship between fine- particle pollution and the urban heat island in Beijing, China: Observational evidence [J]. Boundary-Layer Meteorology, 2018,169: 93-113.

[4] 李 瑾,李建軍,吳 燦,等.關(guān)中典型城市及農(nóng)村夏季PM2.5的化學(xué)組成對比[J]. 中國環(huán)境科學(xué), 2018,38(12):4415-4425.Li J, Li J J, Wu C, et al. Comparison on the chemical composition of PM2.5in the urban and rural regions of Guanzhong plain, China [J]. China Environmental Science, 2018,38(12):4415-4425.

[5] Criteria for EUROAIRNET: The EEA air quality monitoring and information network [S]. http://www.eea.europa.eu/publications/ TEC12.

[6] 中共中央國務(wù)院關(guān)于建立更加有效的區(qū)域協(xié)調(diào)發(fā)展新機制的意見 [Z]. http://www.gov.cn/zhengce/2018-11/29/content_5344537.htm.

[7] GB 3095—2012 環(huán)境空氣質(zhì)量標準[S]. GB 3095—2012 Ambient air quality standards [S].

[8] 王振波,方創(chuàng)琳,許 光,等.2014年中國城市PM2.5濃度的時空變化規(guī)律[J] .地理學(xué)報, 2015,70(11):1720-1734.Wang Z B, Fang C L, Xu G, et al. Spatial-temporal characteristics of the PM2.5in China in 2014 [J]. Acta Geographica Sinica, 2015,70(11): 1720-1734.

[9] Artusi R, Verderio P, Marubini E. Bravais-Pearson and Spearman Correlation Coefficients: Meaning, Test of Hypothesis and Confidence Interval [J]. The International Journal of Biological Markers, 2002, 17(2):148-151.

[10] Zhang Y L, Cao F. Fine particulate matter (PM2.5) in China at a city level [J]. Scientific Reports, 2015,5:14884.

[11] 李令軍,王占山,張大偉,等.2013~2014年北京大氣重污染特征研究[J]. 中國環(huán)境科學(xué), 2016,36(1):27-35. Li L J, Wang Z S, Zhang D W. et al. Analysis of heavy air pollution episodes in Beijing during 2013~2014 [J]. China Environmental Science, 2016,36(1):27-35.

[12] Li R, Cui L L, Li J L, et al. Spatial and temporal variation of particulate matter and gaseous pollutants in China during 2014~2016 [J]. Atmospheric Environment, 2017,161:235-246.

[13] Chai F H, Gao J, Chen Z X, et al. Spatial and temporal variation of particulate matter and gaseous pollutants in 26cities in China [J]. Journal of Environmental Sciences, 2014,26(1):75-82.

[14] Liu B S, Wu J H, Zhang J Y, et al. Characterization and source apportionment of PM2.5, based on error estimation from EPA PMF 5.0 model at a medium city in China [J]. Environmental Pollution, 2017, 222:10-22.

[15] Chang X, Wang S X, Zhao B, et al. Contributions of inter-city and regional transport to PM2.5concentrations in the Beijing-Tianjin- Hebei region and its implications on regional joint air pollution control [J]. Science of The Total Environment, 2018,12:474.

[16] Wang P, Cao J J, Shen Z X, et al. Spatial and seasonal variations of PM2.5mass and species during 2010 in Xi’an, China [J]. Science of The Total Environment, 2015,508:477-487.

[17] 廖志恒,孫家仁,范紹佳,等.2006~2012年珠三角地區(qū)空氣污染變化特征及影響因素[J]. 中國環(huán)境科學(xué), 2015,35(2):329-336.Liao Z H, Sun J R, Fan S J, et al. Variation characteristics and influencing factors of air pollution in Pearl River Delta area from 2006 to 2012 [J]. China Environmental Science, 2015,35(2):329-336.

[18] Xiong Y, Zhou J B, James J, et al. Seasonal and spatial differences in source contributions to PM2.5in Wuhan, China [J]. Science of the Total Environment, 2016,577:155-165.

[19] Xu G, Jiao L M, Zhang B E, et al. Spatial and temporal variability of the PM2.5/PM10ratio in Wuhan, Central China [J]. Aerosol and Air Quality Research, 2017,17:741-751.

[20] Zhao X J, Zhang X L, Xu X F, et al. Seasonal and diurnal variations of ambient PM2.5concentration in urban and rural environments in Beijing [J]. Atmospheric Environment, 2009,43(18):2893-2900.

[21] Dana W, Wang X, Pan X C, et al. Characterization of on-road vehicle emission factors and microenvironmental air quality in Beijing, China [J]. Atmospheric Environment, 2009,43(3):697-705.

[22] 王郭臣,王東啟,陳振樓.北京冬季嚴重污染過程的PM2.5污染特征和輸送路徑及潛在源區(qū)[J]. 中國環(huán)境科學(xué), 2016,36(7):1931-1937. Wang G C, Wang D Q, Lu Z L. Characteristics and transportation pathways and potential sources of a severe PM2.5episodes during winter in Beijing [J]. China Environmental Science, 2016,36(7):1931- 1937.

[23] Lu D B, Xu J H, Yang D Y, et al. Spatio-temporal variation and influence factors of PM2.5concentrations in China from 1998 to 2014 [J]. Atmospheric Pollution Research, 2017,8(6):1151–1159.

[24] Han L, Zhou W, Li W,et al. Impact of urbanization level on urban air quality: A case of fine particles (PM2.5) in Chinese cities [J]. Environmental Pollution, 2014,194:163-170.

[25] 王躍思,姚 利,王莉莉,等.2013年元月我國中東部地區(qū)強霾污染成因分析[J]. 中國科學(xué):地球科學(xué), 2014,44(1):15-26. Wang Y S, Yao L, Wang L L, et al. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China [J]. Science China: Earth Sciences, 2014,57:14–25.

[26] 何 曦,葉賢滿,馬萬里,等.杭州城市下墊面變化對污染物擴散影響的研究[J]. 科學(xué)技術(shù)與工程, 2017,17(11):122-130.He X, Ye X M, Ma W L, et al. Study of the effects of urban underlying surface changing on the air pollution diffusion in Hangzhou [J]. Science Technology and Engineering, 2017,17(11): 122-130.

[27] Zhao S, Yu Y, Yin D, et al. Spatial patterns and temporal variations of six criteria air pollutants during 2015 to 2017 in the city clusters of Sichuan Basin, China [J]. Science of The Total Environment, 2018, 624:540-557.

[28] 王 珊,修天陽,孫 揚,等.1960~2012年西安地區(qū)霧霾日數(shù)與氣象因素變化規(guī)律分析[J]. 環(huán)境科學(xué)學(xué)報, 2014,34(1):19-26.Wang S, Xiu T Y, Sun Y, et al. The changes of mist and haze days and meteorological element during 1960~2012 in Xi'an [J]. Acta Scientiae Circumstantiae, 2014,34(1):19-26.

[29] Xu J, Chang L, Qu Y, et al. The meteorological modulation on PM2.5interannual oscillation during 2013 to 2015 in Shanghai, China [J]. Science of the Total Environment, 2016,572:1138-1149.

[30] 陳楊歡,王楊君,張苗云,等.上海市大氣PM2.5時空分布特征[J]. 環(huán)境工程學(xué)報, 2017,11(6):3671-3677.Chen Y H, Wang Y J, Zhang M Y, et al. Temporal and spatial distribution of PM2.5in Shanghai based on clustering analysis [J]. Chinese Journal of Environmental Engineering, 2017,11(6):3671- 3677.

[31] 陳東紅,陳海宇,張 媛,等.上海市西部郊區(qū)PM2.5污染狀況及影響因素[J]. 環(huán)境科學(xué)與管理, 2016,41(7):144-147. Chen D, Chen H, Zhang Y, et al. Pollution Characteristic and Influence Factors of PM2.5at Western Suburb of Shanghai [J]. Environmental Science and Management, 2016,41(7):144-147.

Urban-rural differences in PM2.5concentrations in the representative cities of China during 2015~2018.

JIANG Yun-cong1, YANG Yuan-jian2, WANG Hong2*, LI Yu-bin2, GAO Zhi-qiu2, ZHAO Chun3

(1.School of Geographical Sciences, Nanjing University of Information Science & Technology, Nanjing 210044, China；2.School of Atmospheric Physics, Nanjing University of Information Science & Technology, Nanjing 210044, China；3.School of Earth and Space Sciences, University of Science and Technology of China, Hefei 230022, China)., 2019,39(11)：4552~4560

Observation sites in the 11 representative cities from 6 main city clusters in China were selected in this study. These observation sites were categorized into urban, suburban and rural to investigate urban-rural differences in PM2.5concentrations. Results showed thatthe diurnal variation patterns of PM2.5were relatively similar in the cities from the same city cluster, and they were also similar among the urban, suburban and rural areas in a specific city. In Jingjinji Megalopolis and Yangtze River Delta Megalopolis, the PM2.5concentrations from the urban sites were the highest, 7.8%~9.7% higher than those from the suburban sites and 11.3%~16.9% higher than those from the rural sites. However, in Guangdong-Hong Kong-Macao Greater Bay Area and the inland city clusters (i.e., Chengyu Megalopolis, Middle Yangtze River Valley Megalopolis and Guanzhong Plain Megalopolis), the PM2.5concentrations from the suburban sites were the highest, 2.6%~11.2% higher than those from the urban sites and 16.7%~26.5% higher than those from the rural sites. Moreover, different diurnal variation patterns of urban-rural PM2.5concentration differences were observed in different cities. For example, the diurnal variation of urban-rural PM2.5concentration difference was unimodal in Shanghai but bimodal in Hangzhou. The maximum of urban-rural PM2.5concentration difference occurred during the daytime in Guangzhou but during the nighttime in Shenzhen. Further, the PM2.5concentration distribution in the urban, suburban and rural areas of the 11representative cities were under the combined effects of PM2.5emission, transportation and diffusion.

PM2.5；city clusters；urban-rural PM2.5concentration difference；emission；transport and diffusion

X513

A

1000-6923(2019)11-4552-09

姜蘊聰(1995-),男,山東省鄒城人,南京信息工程大學(xué)地理科學(xué)學(xué)院碩士研究生,主要從事環(huán)境地理方向的研究.發(fā)表論文1篇.

2019-04-29

國家重點研發(fā)計劃項目(2016YFC0203300);國家自然科學(xué)基金資助項目(41601550)

* 責(zé)任作者, 講師, ixcwang@126.com