西安市PM2.5城鄉(xiāng)差異及與城市熱島的關(guān)聯(lián)研究

李煜斌,姜蘊聰*,楊元建,張建彬,趙純,高志球

近年來,中國經(jīng)歷了經(jīng)濟的飛速發(fā)展。隨著工業(yè)化和城市化進程的不斷加快,能源消耗不斷攀升,環(huán)境問題引發(fā)公眾的強烈關(guān)注。PM2.5作為中國城市大氣中的首要污染物,對居民健康和生態(tài)穩(wěn)定構(gòu)成了巨大威脅(Wang et al.,2019;王泓等,2019)。在城市中,工業(yè)區(qū)的化石燃料燃燒和人群聚集區(qū)的人為排放是PM2.5的主要排放源(銀燕等,2009;龐楊等,2013;Dimitriou and Kassomenos,2014;Zhan et al.,2017;Huang et al.,2021),而不同城市因其排放和大氣邊界層動力、熱力學(xué)結(jié)構(gòu)的差異,呈現(xiàn)不同的PM2.5空間分布特征(Tran and M?lders,2011;Hu et al.,2013;Chai et al.,2014;Zhang and Cao,2015;Zhang et al.,2016;Li et al.,2017;王康宏和倪婷,2019;Lü et al.,2020)。特別地,城市的PM2.5城鄉(xiāng)分布特征對其污染防治具有重要的指導(dǎo)作用,從而吸引了國內(nèi)外科技工作者進行大量研究,如Lin et al.(2018)基于中國東部地區(qū)氣溶膠光學(xué)厚度反演數(shù)據(jù)發(fā)現(xiàn)在“十一五”(2006—2010年)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年)和“十二五”(2011—2015年)期間,多數(shù)省份城區(qū)PM2.5濃度降幅高于農(nóng)村;Dimitriou and Kassomenos(2013)分別在倫敦、巴黎、漢堡、哥本哈根和斯德哥爾摩對大氣顆粒物的來源進行解析,結(jié)果顯示在城區(qū)交通站附近大氣顆粒物濃度的增加主要受到移動源排放的影響,而鄉(xiāng)村站大氣顆粒物濃度受長距離傳輸影響更強。王占山等(2015)統(tǒng)計分析地面監(jiān)測站點的PM2.5數(shù)據(jù)發(fā)現(xiàn)北京市PM2.5濃度由高到低依次為交通站、城區(qū)站、郊區(qū)站和鄉(xiāng)村站,且交通站PM2.5濃度日變化呈單峰分布,其余站點呈雙峰分布。

西安市位于關(guān)中平原城市群,是我國污染較嚴重的城市之一(Wang et al.,2015;Li et al.,2017;Zhang et al.,2018)。但與高污染城市往往伴隨著高城鄉(xiāng)PM2.5濃度差值的規(guī)律不同,西安市城鄉(xiāng)PM2.5濃度差異微小(姜蘊聰?shù)?2019)?？萍脊ぷ髡咭矎牟煌嵌葘ξ靼彩蠵M2.5來源及分布特征進行了研究。Wang et al.(2015)在西安市城鄉(xiāng)6站點進行PM2.5采集并測定其質(zhì)量與化學(xué)組成,發(fā)現(xiàn)2010年西安市城鄉(xiāng)PM2.5呈較強的一致性且春夏秋冬季PM2.5的主要貢獻源均不相同。李瑾等(2018)于2016年夏季分別在西安市高新區(qū)(城區(qū))和藺村(鄉(xiāng)村)設(shè)置觀測站點,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)的燃燒。Zhang et al.(2018)研究西安市4個環(huán)境監(jiān)測站點大氣污染物的時空變化特征,發(fā)現(xiàn)工業(yè)區(qū)站、商業(yè)區(qū)站、鄉(xiāng)村背景站、住宅區(qū)站PM2.5濃度依次減小,并認為鄉(xiāng)村地區(qū)PM2.5濃度高于住宅區(qū)是沙塵所致。

城市熱島效應(yīng)(Urban Heat Island,UHI)是城市城區(qū)氣溫明顯高于周邊鄉(xiāng)村的現(xiàn)象,形成原因為城區(qū)建筑林立,地表以不透水面為主,相較于鄉(xiāng)村的自然地表,不透水面具有反照率低、波文比大、蓄能能力強的特點,從而形成城區(qū)的“高溫化”(Clinton and Gong,2013;吳昊等,2014;Cao et al.,2016)。相關(guān)研究發(fā)現(xiàn),PM2.5的城鄉(xiāng)分布與UHI間存在較強的關(guān)聯(lián)性。主要研究方法有二:一是基于模式模擬,如Sarrat et al.(2006)在使用城市化參數(shù)模擬城市污染的基礎(chǔ)上,將城市土地替換為自然土地進行模擬對照,發(fā)現(xiàn)UHI導(dǎo)致城市中心大氣邊界層高度和湍流增加,從而利于PM2.5向高處擴散。與之類似,Zhong et al.(2017)、Chen et al.(2018)、Li et al.(2020a)也分別使用WRF-Chem等大氣(化學(xué))模式模擬了長三角、北京和柏林UHI對城市污染的影響;二是基于觀測資料的統(tǒng)計分析,Lai(2018)、Li et al.(2018)、Zheng et al.(2018)、Li et al.(2020b)、Ngarambe et al.(2021)分別對臺北、柏林、北京、首爾地面觀測站獲取的污染物濃度和氣象要素數(shù)據(jù)進行統(tǒng)計學(xué)分析,發(fā)現(xiàn)UHI會改變城市的氣象條件,進而對PM2.5的城鄉(xiāng)分布產(chǎn)生影響。

相較于國外,目前國內(nèi)PM2.5城鄉(xiāng)分布與UHI的關(guān)聯(lián)研究較少且均集中于京津冀、長三角和粵港澳大灣區(qū)。而西安作為我國高污染城市之一,PM2.5具有不同于其他城市的特性,值得進行深入研究。因此,本文使用西安市2015—2017年逐小時的環(huán)境監(jiān)測站點污染物(PM2.5,PM10,NO2,SO2)濃度數(shù)據(jù)和地面氣象觀測站點(氣溫、風速、氣壓)數(shù)據(jù),提出一種基于建筑用地比例和土地利用信息熵的城鄉(xiāng)劃分方法,將站點劃分為城區(qū)站、郊區(qū)站(具備城區(qū)和鄉(xiāng)村雙重土地特征,故僅作濃度對照,不做具體分析)、上風向鄉(xiāng)村站(鄉(xiāng)村U)和下風向鄉(xiāng)村站(鄉(xiāng)村D)。歸納分析2015—2017年西安市PM2.5濃度的城鄉(xiāng)分布特征,并在此基礎(chǔ)上探求UHII對城鄉(xiāng)PM2.5濃度及相對濃度差值(RUPII)的影響。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)介紹與預(yù)處理

本文研究樣本為“國家環(huán)境空氣質(zhì)量監(jiān)測網(wǎng)”發(fā)布的西安市污染物(PM2.5,PM10,NO2,SO2)濃度數(shù)據(jù)和國家氣象局發(fā)布的西安市地面氣象觀測站點(氣溫、風速、氣壓)數(shù)據(jù),研究時間范圍為2015—2017年,數(shù)據(jù)時間分辨率為1 h。因環(huán)境監(jiān)測站點數(shù)量(11個)明顯少于地面氣象觀測站點且兩類站點存在位置差異,故以環(huán)境監(jiān)測站點為基準,選取距其直線距離最短的地面氣象觀測站點(圖1),將其氣象數(shù)據(jù)賦予環(huán)境監(jiān)測站點,其中氣溫依據(jù)海拔高度按照遞減率-0.65 K/(100 m)修正(Zheng et al.,2018)。得到污染物濃度與氣象數(shù)據(jù)的對應(yīng)關(guān)系(表1)。根據(jù)《環(huán)境空氣質(zhì)量標準:GB 3095—2012》對數(shù)據(jù)有效性的要求(國家質(zhì)量監(jiān)督檢驗檢疫總局和中國國家標準化管理委員會,2016),參考王振波等(2015)所提方法,對污染物濃度數(shù)據(jù)進行質(zhì)量控制。為了保持數(shù)據(jù)一致性,氣象數(shù)據(jù)作相同處理。

1.2 城鄉(xiāng)站點劃分

城鄉(xiāng)站點劃分的科學(xué)與否直接影響PM2.5的城鄉(xiāng)差異和UHI的準確性(Li et al.,2019;Niu et al.,2020)。歐洲是較早進行PM2.5城鄉(xiāng)研究的地區(qū),并有一套完整的環(huán)境監(jiān)測站點劃分標準(EEA,1999),歐洲國家PM2.5的城鄉(xiāng)差異研究往往照此標準對站點進行劃分(Dimitriou and Kassomenos,2013;Kaminski et al.,2013;Gouveia et al.,2015)。考慮站點密度、地域面積、數(shù)據(jù)可獲得性等差異,國內(nèi)站點的城鄉(xiāng)劃分不能照搬歐洲標準。且相較歐洲,國內(nèi)PM2.5城鄉(xiāng)差異研究起步較晚。2012年發(fā)布的《環(huán)境空氣質(zhì)量標準》中僅把歸屬于地級及以上城市的監(jiān)測站點歸為城市站,難以體現(xiàn)城鄉(xiāng)特征。因此,對中國境內(nèi)PM2.5的城鄉(xiāng)差異研究沒有統(tǒng)一的站點劃分標準,常用的方法有三:一是選取具有明顯的城區(qū)、鄉(xiāng)村土地特征的兩個站點作為城鄉(xiāng)站點(Zhao et al.,2009;Zheng et al.,2018);二是借助遙感圖像對站點進行目視判讀(Li et al.,2014);三是對站點做緩沖區(qū),判斷緩沖區(qū)內(nèi)建筑用地比例(Yang et al.,2013;Li et al.,2015)。不難發(fā)現(xiàn)上述方法易受主觀因素影響或判定條件單一,劃分的準確性存疑。

圖1 西安市環(huán)境監(jiān)測站點與氣象要素觀測站點點位分布

表1 環(huán)境監(jiān)測站點與地面氣象觀測站點信息及對應(yīng)關(guān)系

因此,本文結(jié)合站點的實際位置與歐洲環(huán)境署(EEA,1999)發(fā)布的劃分規(guī)則,提出一種基于建筑用地比例和土地利用信息熵的站點劃分方法,將站點細分為城區(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)和鄉(xiāng)村站(監(jiān)測站點位于農(nóng)業(yè)區(qū)及自然區(qū)內(nèi))。其原理在于城市郊區(qū)處于城區(qū)與鄉(xiāng)村的過渡地帶,土地利用從農(nóng)業(yè)用地、自然土地等非建筑用地向工業(yè)、商業(yè)、居住用地等建筑用地轉(zhuǎn)變,從而同時具備城區(qū)和鄉(xiāng)村的雙重土地特征,土地利用類型呈現(xiàn)不確定性(Sheryl and Wu,2004)。而無論是城區(qū)還是鄉(xiāng)村,土地利用要么是以建設(shè)用地為主,要么以非建筑用地為主。信息熵是對有序性的度量,土地利用的信息熵模型可以很好地提取城市的郊區(qū)區(qū)域(蔡棟等,2010)。其表達式為:

(1)

式中:H為土地利用信息熵，其單位為bit，H越大，有序性越??；Pi反映某個區(qū)域單一土地利用類型占總土地面積的百分比；i=1,2,…,n表示土地利用類型的數(shù)量。蔡棟等(2010)研究發(fā)現(xiàn)從城市外圍到市區(qū)，依次出現(xiàn)低熵值的農(nóng)業(yè)區(qū)(鄉(xiāng)村)、高熵值的城鄉(xiāng)轉(zhuǎn)換地帶(郊區(qū))和低熵值的城市中心區(qū)(城區(qū))，且城鄉(xiāng)轉(zhuǎn)換地帶熵值大于0.6，因此選用H=0.6為區(qū)分郊區(qū)站點的閾值。

圖2 西安土地利用類型(a)及城區(qū)、郊區(qū)、鄉(xiāng)村站點劃分結(jié)果(b)

將西安市Landsat OLI遙感影像進行圖像拼接、裁剪,選擇最大似然法進行監(jiān)督分類,結(jié)果如圖2a。因后續(xù)操作僅需要區(qū)分是否為建筑用地,故對分類結(jié)果做二值化?；诙祷Y(jié)果(圖2b)對西安市11個環(huán)境監(jiān)測站點做4 km緩沖區(qū),緩沖區(qū)半徑選擇參考中華人民共和國環(huán)境保護部(2013)發(fā)布的《環(huán)境空氣質(zhì)量監(jiān)測點位布設(shè)技術(shù)規(guī)范》,其中規(guī)定監(jiān)測站點代表范圍半徑不超過4 km。計算每個站點緩沖區(qū)內(nèi)建筑用地占比及土地利用信息熵:若信息熵大于0.60,該站點為郊區(qū)站點;若信息熵小于0.60且建筑用地比例大于0.5,該站點為城區(qū)站點;若信息熵小于0.60且建筑用地比例小于0.5,該站點為鄉(xiāng)村站點。西安市基于建筑用地比例與土地利用信息熵相結(jié)合的城鄉(xiāng)站點劃分結(jié)果見表1、圖2b。

1.3 PM2.5城鄉(xiāng)差異和城市熱島強度

鄉(xiāng)村位于城市的最外圍,相較于城區(qū),其PM2.5濃度更易受到外部傳輸?shù)挠绊?Dimitriou and Kassomenos,2013)。眾所周知,風對PM2.5的傳輸擴散起著至關(guān)重要的作用(Lü et al.,2020)。西安市屬暖溫帶半濕潤大陸性季風氣候,全年盛行東北風。而三個鄉(xiāng)村站點分別位于城市東北部和西南部,分別對應(yīng)城市上風向和下風向,傳輸擴散的影響不盡相同,因此不能做簡單的平均處理。所以在本研究中,將城市東北部的99432、99434站點定義為上風向鄉(xiāng)村站點(鄉(xiāng)村U),西南部的99435站點定義為下風向鄉(xiāng)村站點(鄉(xiāng)村D)。旨在通過對照分析,盡可能地保證結(jié)果的準確性。

基于地表溫度和近地面氣溫,可以使用多個指數(shù)對UHI進行量化(Li et al.,2018)。本研究采用一種基于氣溫的UHI指數(shù),即城市熱島效應(yīng)強度(UHII)來量化UHI的強弱。UHII被定義為某一特定城市城區(qū)氣溫與鄉(xiāng)村氣溫的差值,其計算公式為:

UHIIU=TURBAN-TRURALU,
UHIID=TURBAN-TRURALD。

(2)

其中:UHHIU、UHHID為不同鄉(xiāng)村站點對應(yīng)的城市熱島效應(yīng)強度(℃)；TURBAN、TRURALU、TRURALD分別為該城市城區(qū)和鄉(xiāng)村U、鄉(xiāng)村D的平均氣溫(多站點求平均值；單位：℃)。

與氣溫等氣象要素不同,PM2.5濃度受到明顯的本地排放的影響。在對PM2.5城鄉(xiāng)差異和城市熱島效應(yīng)關(guān)聯(lián)研究時,若直接使用城鄉(xiāng)PM2.5濃度差值(即城市污染島強度,UPII)量化PM2.5的城鄉(xiāng)差異,則可能會弱化了城市熱島的影響作用。因此,2.3節(jié)中使用城鄉(xiāng)PM2.5的相對濃度差值(RUPII)量化PM2.5的城鄉(xiāng)差異,其計算公式為:

(3)

其中：RUPIIU、RUPIID為不同鄉(xiāng)村站點對應(yīng)的城鄉(xiāng)PM2.5的相對濃度差值；PMURBAN、PMRURALU、PMRURALD分別為該城市城區(qū)和鄉(xiāng)村U、鄉(xiāng)村D的平均PM2.5濃度(多站點求平均值；單位：μg/m3)。

1.4 相關(guān)性分析

本研究相關(guān)性分析方法選用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(Artusi et al.,2002)。因此被廣泛應(yīng)用于PM2.5相關(guān)分析中(Wang et al.,2014;Lai,2018)。其計算公式為:

(4)

式中：R為Pearson積矩相關(guān)系數(shù),代表x、y兩個要素之間的相關(guān)程度。

圖3 2015—2017年西安市城鄉(xiāng)PM2.5濃度年際變化(a)與季節(jié)變化(b)

2 結(jié)果與討論

2.1 西安市城鄉(xiāng)PM2.5濃度的年變化、季節(jié)變化和日變化特征

2015、2016、2017年西安市年平均PM2.5濃度分別為55.67、69.54、68.07 μg/m3,3 a間PM2.5濃度呈先增加,后略微降低的趨勢(圖3a)。區(qū)域差異在3 a間均表現(xiàn)為郊區(qū)最高,鄉(xiāng)村D最低,城區(qū)和鄉(xiāng)村U居中。與其他年份不同的是,2016年城區(qū)PM2.5濃度略低于鄉(xiāng)村U,但明顯高于鄉(xiāng)村D,其城區(qū)與鄉(xiāng)村差值分別為-0.18、12.15 μg/m3。季節(jié)上,西安市PM2.5濃度呈現(xiàn)冬高夏低,春秋居中的季節(jié)變化規(guī)律(圖3b),這與全國PM2.5污染的季節(jié)變化規(guī)律相一致(Li et al.,2017)。冬季高PM2.5濃度主要受燃煤取暖、較穩(wěn)定的大氣結(jié)構(gòu)和較少的降水影響(Wang et al.,2015;Zhang and Cao,2015;Li et al.,2017)。除夏季鄉(xiāng)村PM2.5濃度最高外,其他季節(jié)PM2.5濃度最高值均出現(xiàn)于郊區(qū);但PM2.5濃度最低值在各個季節(jié)均出現(xiàn)于鄉(xiāng)村D。四季節(jié)城區(qū)與鄉(xiāng)村U差值分別為2.72、-3.87、4.60、1.29 μg/m3,均小于城區(qū)與鄉(xiāng)村D差值(7.92、3.71、7.32、4.83 μg/m3)。值得注意的是,盡管冬季西安市PM2.5濃度最高且氣象條件不利于PM2.5的擴散(Zhang and Cao,2015),但其城區(qū)與鄉(xiāng)村差值明顯小于春秋季。

西安市城鄉(xiāng)PM2.5日變化在春夏季呈現(xiàn)較明顯的單峰,出現(xiàn)于09:00—12:00(北京時,下同),谷值出現(xiàn)于17:00—19:00(圖4a,b);在秋季表現(xiàn)為雙峰分布,峰值出現(xiàn)于11:00—13:00和22:00—次日02:00,谷值出現(xiàn)于06:00—08:00和16:00—17:00(圖4c)。春夏秋季,同一季節(jié)西安市城區(qū)、郊區(qū)、鄉(xiāng)村U、鄉(xiāng)村D PM2.5日變化趨勢相似,但冬季不同:冬季城區(qū)和郊區(qū)PM2.5日變化呈單峰分布,峰值出現(xiàn)在23:00—次日02:00,谷值出現(xiàn)于16:00—19:00,而鄉(xiāng)村U和鄉(xiāng)村D在11:00—13:00會出現(xiàn)小于夜間峰值的另一峰值(圖4d)。特別地,日中時刻(約10:00—12:00)和午夜前后(約22:00—次日02:00)城區(qū)與鄉(xiāng)村U PM2.5濃度差值較小;而城區(qū)與鄉(xiāng)村D PM2.5濃度差值在夜間,尤其是20:00—次日02:00時明顯小于白天。

圖4 2015—2017年西安市春季(a)、夏季(b)、秋季(c)、冬季(d)城鄉(xiāng)PM2.5濃度日變化

個季節(jié)呈現(xiàn)不同的城鄉(xiāng)規(guī)律,整體表現(xiàn)為城區(qū)與鄉(xiāng)村U相近且大于鄉(xiāng)村D,但夏季的鄉(xiāng)村U和冬季的鄉(xiāng)村D出現(xiàn)例外:夏季鄉(xiāng)村U的PM2.5/PM10(0.50)明顯大于城區(qū)(0.43),但其SO2濃度與城區(qū)相近且NO2濃度明顯低于城區(qū),此外,鄉(xiāng)村U位于上風向且夏季良好的氣象條件利于污染物的傳輸擴散(Zhang and Cao,2015;Li et al.,2017),基于此推測夏季西安市外的傳輸會對鄉(xiāng)村U的PM2.5濃度產(chǎn)生影響;而冬季鄉(xiāng)村D的PM2.5/PM10(0.58)大于城區(qū)(0.56),且其SO2濃度長時段(11:00—21:00)高于城區(qū),加之冬季穩(wěn)定的大氣結(jié)構(gòu)不利于污染物的傳輸擴散,因此判斷鄉(xiāng)村D冬季的化石燃料燃燒明顯多于其他季節(jié),這可能是鄉(xiāng)村低效率的燃煤取暖所致。

表2 2015—2017年西安市城鄉(xiāng)PM2.5/PM10濃度季節(jié)變化

圖5 2015—2017年西安市春季(a、b)、夏季(c、d)、秋季(e、f)、冬季(g、h)城鄉(xiāng)NO2(a、c、e、g)和SO2 (b、d、f、h)濃度的日變化

2.2 西安市UHII對城區(qū)(或鄉(xiāng)村)PM2.5濃度影響差異

除人為排放的影響外,氣象條件對PM2.5的影響不可忽視。隨著城市化進程的不斷加快,高度城市化導(dǎo)致的UHI也會影響PM2.5的城鄉(xiāng)分布特征。前人研究表明,受UHI影響,城市城區(qū)與鄉(xiāng)村間形成熱島環(huán)流,表現(xiàn)為高空風由城區(qū)吹向鄉(xiāng)村,近地面風由鄉(xiāng)村吹向城區(qū)(Zhang et al.,2014;朱麗等,2020)。在不考慮其他氣象要素的情況下,城區(qū)排放的PM2.5隨熱島環(huán)流的上升氣流升至高空并向外擴散,在鄉(xiāng)村隨下沉氣流降至地面(Sarrat et al.,2006)。鄉(xiāng)村PM2.5因此受到UHI影響,鄉(xiāng)村PM2.5濃度與UHII的相關(guān)系數(shù)大小反映其影響程度的強弱;鄉(xiāng)村的PM2.5也會隨近地面的風向城區(qū)傳輸(Sarrat et al.,2006),城區(qū)PM2.5同樣受UHI影響,影響程度由城區(qū)PM2.5濃度與UHII相關(guān)性體現(xiàn)。

西安市城區(qū)(或鄉(xiāng)村)PM2.5濃度與UHIIU(或UHIID)相關(guān)系數(shù)(R)如表3所示,因為無法排除PM2.5排放的影響,所以R值普遍較低。對于全天而言,除夏季的城區(qū)外,城區(qū)(或鄉(xiāng)村)PM2.5濃度與UHIID的相關(guān)系數(shù)(RURBAN-D,RRURAL-D)在所有季節(jié)均大于城區(qū)(或鄉(xiāng)村)PM2.5濃度與 UHIIU的相關(guān)系數(shù)(RURBAN-U,RRURAL-U),下風向鄉(xiāng)村站點對應(yīng)的UHII對城區(qū)和鄉(xiāng)村的影響程度大于上風向鄉(xiāng)村站點,這可能與上風向易接收外部傳輸而來的PM2.5有關(guān)。此外,鄉(xiāng)村PM2.5濃度與UHIIU(或UHIID)在四季節(jié)均呈顯著正相關(guān),通過0.01信度的顯著性水平檢驗,且RRURAL-D和RRURAL-U均分別大于RURBAN-D和RURBAN-U。有研究表明,西安城區(qū)PM2.5排放速率大于鄉(xiāng)村(姜蘊聰?shù)?2019),城區(qū)較多的本地排放削減了UHI對其PM2.5的影響程度。值得注意的是,城區(qū)(或鄉(xiāng)村)PM2.5濃度與UHIIU(或UHIID)的相關(guān)系數(shù)均表現(xiàn)為秋季最高,夏季最低。多位科技工作者研究發(fā)現(xiàn)PM2.5濃度與UHII的相關(guān)性在不同城市呈現(xiàn)不同的季節(jié)特征(Chen et al.,2018;Lai,2018;Ngarambe et al.,2021),值得在以后的工作中做進一步分析。

受邊界層高度、溫度、濕度等氣象條件等因素變化的影響,UHII對城區(qū)(或鄉(xiāng)村)PM2.5濃度的影響也存在日夜差異(Li et al.,2018)。分別以1月15日、4月15日、7月15日、10月15日日出、日中、日落時間為冬、春、夏、秋季的日出、日中、日落時間,以四季節(jié)日出時間至日中時間為上午時段,日中時間至日落時間為下午時段,其余時間為夜間時段,探討上午、下午、夜間時段城區(qū)(或鄉(xiāng)村)PM2.5濃度與 UHIIU(或UHIID)相關(guān)關(guān)系。結(jié)果顯示,除夏季上午時段的城區(qū)PM2.5濃度與UHIIU外,城區(qū)(或鄉(xiāng)村)PM2.5濃度與 UHIIU(或UHIID)在所有季節(jié)的上午和夜間時段都呈顯著正相關(guān),并通過0.01信度的顯著性水平檢驗，且其R值多明顯大于同季節(jié)下午時段。這與大氣邊界層的日變化規(guī)律相適應(yīng):夜間大氣邊界層處于較低水平,日出后開始發(fā)育,至午后發(fā)育完全(Zhang and Cao,2015)。故上午和夜間時段其他氣象要素對PM2.5濃度的影響小于下午時段。此外,夜間較少的排放也是導(dǎo)致其相關(guān)性較高的原因,但冬季例外,夜晚的取暖排放依舊會削減UHI對PM2.5的影響。

表3 2015—2017年西安市城區(qū)(或鄉(xiāng)村)PM2.5濃度與UHIIU(或UHIID)相關(guān)系數(shù)

2.3 西安市UHII對RUPII的影響及原因初探

上述結(jié)果證明,UHI會對西安市城鄉(xiāng)PM2.5濃度產(chǎn)生影響,但影響輕微(顯著相關(guān)但R值普遍較小)。這可能是因為大量的PM2.5排放和弱化了UHI的影響作用。為了盡可能減少排放的影響,本節(jié)對RUPII和UHII進行統(tǒng)計分析。上文結(jié)果顯示RURBAN-D和RRURAL-D在所有季節(jié)均大于RURBAN-U和RRURAL-U,UHIID對西安市城區(qū)、鄉(xiāng)村D的PM2.5濃度影響更明顯,且西安市外的傳輸對鄉(xiāng)村U的PM2.5濃度產(chǎn)生影響。因此,選用城區(qū)與鄉(xiāng)村D評估西安市UHII對RUPII的影響,以減少外部傳輸對研究結(jié)果的影響。

為了從數(shù)據(jù)集中提取清晰的規(guī)律,同時忽略微小誤差的影響,本研究將UHIID數(shù)據(jù)分成0.5 ℃間隔的聚類,得到12組UHIID。計算每組UHIID對應(yīng)的RUPIID的平均值,如表4所示?？傮w上RUPIID在春夏季較高,秋季次之,冬季最低。春夏秋冬季RUPIID的平均值分別為0.110、0.104、0.674、-0.016。秋冬季的低值可能與鄉(xiāng)村低效率的燃煤取暖有關(guān)。在各個季節(jié),隨著UHIID的增加,RUPIID整體呈現(xiàn)下降的趨勢。對各組UHIID的中間值(即-1.25、-0.75、-0.25、0.25、0.75、1.25、1.75、2.25、2.75、3.25、3.75、4.25 ℃)及該組對應(yīng)的RUPIID平均值做相關(guān)分析,春、夏、秋、冬季的R值分別為-0.653、-0.698、-0.656、-0.490。因此UHIID與RUPIID在春夏秋季呈顯著負相關(guān),并通過0.05信度的顯著性水平檢驗,且夏季相關(guān)性最強。

表4 2015—2017年西安市不同UHIID條件下RUPIID的變化

UHII對RUPII的影響是通過熱島環(huán)流影響PM2.5的傳輸擴散特征實現(xiàn)的。在實際分析中,常把風速作為大氣水平擴散的指標,近地面氣壓作為大氣垂直運動的指標(Lai,2018)。因此城區(qū)、鄉(xiāng)村D PM2.5的傳輸擴散特征可以使用城鄉(xiāng)風速差和近地面氣壓差進行量化(表5、6)。結(jié)果顯示,在所有季節(jié),城區(qū)風速均大于鄉(xiāng)村D,但隨著UHIID的增大,城區(qū)與鄉(xiāng)村D的風速差呈減小趨勢。各組UHIID的中間值及該組對應(yīng)的城鄉(xiāng)風速差的相關(guān)分析結(jié)果顯示,春夏秋季均為顯著負相關(guān),并通過0.05信度的顯著性水平檢驗。這與Chen et al.(2018)發(fā)現(xiàn)的規(guī)律像一致,近地面由下風向鄉(xiāng)村D吹向城區(qū)的風削弱了盛行風向的東北風,從而不利于城區(qū)近地面PM2.5的水平擴散,且UHIID越大,城區(qū)近地面PM2.5的水平擴散能力越弱;在所有季節(jié),城區(qū)近地面氣壓均小于鄉(xiāng)村,且隨著UHIID的增大,城區(qū)與鄉(xiāng)村D近地面氣壓差呈減小趨勢,所有季節(jié)均為顯著負相關(guān),并通過0.01信度的顯著性水平檢驗。更小的近地面氣壓意味著更強烈的PM2.5垂直擴散,因此,UHII越大,城區(qū)和鄉(xiāng)村PM2.5的垂直擴散能力差別越明顯。

綜上,盡管UHII的增大削弱了近地面PM2.5的水平擴散能力,但會使城區(qū)PM2.5的垂直擴散能力較鄉(xiāng)村更強。UHII通過影響PM2.5的傳輸擴散特征,進一步影響了西安市RUPII。此外,Chen et al.(2018)還提出UHII形成的熱島環(huán)流上支在高層大氣中會促進盛行風。特別地,冬季UHIID與城鄉(xiāng)風速差相關(guān)性不顯著且UHIID與城鄉(xiāng)近地面氣壓差的R值也小于其他季節(jié),說明冬季大氣穩(wěn)定,UHII對 PM2.5的傳輸擴散的影響較弱,從而導(dǎo)致UHIID與RUPIID相關(guān)性不顯著。

表5 2015—2017年西安市不同UHIID條件下城鄉(xiāng)風速差的變化

表6 2015—2017年西安市不同UHIID條件下城鄉(xiāng)近地面氣壓差的變化

3 結(jié)論

1)2015—2017年西安市PM2.5濃度呈冬高夏低,春秋居中的季節(jié)變化規(guī)律,除夏季鄉(xiāng)村U PM2.5濃度最高外,其他季節(jié)PM2.5濃度最高值均出現(xiàn)于郊區(qū),但PM2.5濃度最低值在各個季節(jié)均出現(xiàn)于鄉(xiāng)村D;西安市城區(qū)、郊區(qū)、鄉(xiāng)村PM2.5日變化在不同季節(jié)呈現(xiàn)不同的峰谷特征。特別地,城區(qū)與鄉(xiāng)村U PM2.5濃度差值在日中時刻(約10:00—12:00)和夜間(約22:00—次日02:00)較小,而城區(qū)與鄉(xiāng)村D PM2.5濃度差值僅在夜間(20:00—次日02:00)較小;鄉(xiāng)村U人為排放以工業(yè)等化石燃料燃燒為主,且夏季西安市外的傳輸對會對鄉(xiāng)村U的PM2.5濃度產(chǎn)生影響。而鄉(xiāng)村D以機動車尾氣排放為主,但冬季化石燃料燃燒明顯多于其他季節(jié)。

2)西安市城區(qū)(或鄉(xiāng)村)PM2.5濃度與UHIID的相關(guān)系數(shù)(RURBAN-D,RRURAL-D)在所有季節(jié)均大于城區(qū)(或鄉(xiāng)村)PM2.5濃度與 UHIIU的相關(guān)系數(shù)(RURBAN-U,RRURAL-U),下風向鄉(xiāng)村站點對應(yīng)的UHII對城區(qū)和鄉(xiāng)村的影響程度大于上風向鄉(xiāng)村站點;鄉(xiāng)村PM2.5濃度與UHIIU(或UHIID)在所有季節(jié)均呈顯著正相關(guān),并通過0.01信度的顯著性水平檢驗，且RRURAL-D和RRURAL-U均分別大于RURBAN-D和RURBAN-U,城區(qū)較多的本地排放削減了UHI對其PM2.5的影響程度;與大氣邊界層的日變化規(guī)律相適應(yīng),城區(qū)(或鄉(xiāng)村)PM2.5濃度與UHIIU(或UHIID)在上午和夜間時段呈顯著正相關(guān),并通過0.01信度的顯著性水平檢驗，且其R值多明顯大于同季節(jié)下午時段。

3)為減少外部傳輸對研究結(jié)果的影響,選擇城區(qū)和鄉(xiāng)村D評估西安市UHII對RUPII的影響?？傮w上RUPIID在春夏季較高,秋季次之,冬季最低。隨著UHIID的增加,RUPIID整體呈現(xiàn)下降的趨勢且UHIID與RUPIID在春夏秋季呈顯著負相關(guān)(通過0.05信度的顯著性水平檢驗),夏季相關(guān)性最強;UHIID與城鄉(xiāng)風速差和UHIID與城鄉(xiāng)近地面氣壓差的相關(guān)分析顯示,隨著UHII越大,城區(qū)近地面PM2.5的水平擴散能力減弱,但PM2.5的垂直擴散能力較鄉(xiāng)村更強,從而UHII通過影響PM2.5的傳輸擴散特征,進一步影響了西安市RUPII。

致謝:感謝“國家環(huán)境空氣質(zhì)量監(jiān)測網(wǎng)”及國家氣象局提供的相關(guān)數(shù)據(jù)集。本文的數(shù)值計算得到了南京信息工程大學(xué)高性能計算中心的計算支持和幫助。感謝審稿專家和編輯對本文提出的寶貴意見。