2019年湖南省環(huán)境空氣質(zhì)量時(shí)空變化特征分析

摘 要：該文通過(guò)空間克里金插值、多元統(tǒng)計(jì)分析等方法對(duì)2019年湖南省87個(gè)地面國(guó)控點(diǎn)空氣質(zhì)量監(jiān)測(cè)站的特護(hù)期和非特護(hù)期空氣質(zhì)量數(shù)據(jù)進(jìn)行分析，研究2019年湖南省環(huán)境空氣質(zhì)量和主要污染物指標(biāo)PM2.5、PM10、O3、NO2、SO2和CO的時(shí)空變化規(guī)律。研究結(jié)果表明，2019年湖南省環(huán)境空氣質(zhì)量狀況整體良好，優(yōu)良天數(shù)比例為83.7%；全省SO2濃度均值全年呈平緩上升趨勢(shì)，CO、PM2.5、NO2、PM10濃度呈“冬高夏低”，而O3濃度呈“夏高冬低”規(guī)律。2019年全省特護(hù)期整體空氣質(zhì)量狀況比非特護(hù)期差，其中PM2.5、PM10、NO2貢獻(xiàn)較大，但非特護(hù)期的O3污染也值得關(guān)注。湘中、湘北城市整體空氣質(zhì)量相對(duì)較差，尤其是長(zhǎng)株潭等經(jīng)濟(jì)發(fā)達(dá)區(qū)域污染更為突出。

關(guān)鍵詞：湖南??；大氣污染物；時(shí)空變化；特護(hù)期；長(zhǎng)株潭城市群

中圖分類號(hào)：X51 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2024）27-0123-04

Abstract： In this paper， the air quality data of special protection period and non-special protection period of 87 air quality monitoring stations in Hunan Province in 2019 were analyzed by means of spatial Kriging interpolation and multivariate statistical analysis， and the spatio-temporal changes of ambient air quality and main pollutant indexes PM2.5， PM10， O3， NO2， SO2 and CO in Hunan Province in 2019 were studied. The results show that in 2019， the ambient air quality in Hunan Province is good as a whole， and the proportion of excellent days is 83.7%; the average concentration of SO2 in the province shows a gentle upward trend throughout the year， and the concentration of CO， PM2.5， NO2 and PM10 is "high in winter and low in summer"， while the concentration of O3 is "high in summer and low in winter". In 2019， the overall air quality of the special care period in the province is worse than that of the non-special care period， in which PM2.5， PM10 and NO2 contribute more， but the O3 pollution in the non-special care period is also worthy of attention. The overall air quality in central and northern Hunan is relatively poor， especially in economically developed areas such as Changsha， Zhuzhou and Xiangtan.

Keywords： Hunan Province; air pollutant; spatio-temporal change; special protection period; Changsha-Zhuzhou-Xiangtan Urban agglomeration

隨著我國(guó)工業(yè)水平不斷提高，長(zhǎng)期以來(lái)高污染、高耗能、低效率和粗放型的經(jīng)濟(jì)發(fā)展模式加劇了中國(guó)生態(tài)環(huán)境脆弱性，導(dǎo)致重污染天氣頻發(fā)。目前，大氣污染已經(jīng)成為我國(guó)最被關(guān)注的環(huán)境問(wèn)題之一[1-2]。PM2.5作為大氣環(huán)境監(jiān)測(cè)因子，具有直徑小，活性強(qiáng)，比表面積大等特點(diǎn)，可以在空氣中懸浮較長(zhǎng)時(shí)間，從而通過(guò)引發(fā)心腦血管和肺部疾病損害人體健康[3]。此外，PM2.5污染對(duì)經(jīng)濟(jì)發(fā)展也會(huì)產(chǎn)生一定的負(fù)面影響。如陳莎等[4]研究結(jié)果表明，2017年北京、天津、石家莊由PM2.5污染所造成的經(jīng)濟(jì)損失分別為333.91、211.09和169.34億元。近地面高濃度的O3作為光化學(xué)煙霧的重要組成部分，也會(huì)對(duì)人體肺部呼吸和神經(jīng)等部位產(chǎn)生重大危害，引發(fā)癌變和心腦血管等疾病[5-8]。SO2、NO2和CO等可通過(guò)形成酸沉降或促進(jìn)/參與大氣顆粒物的形成，影響人體健康[8]。因此，了解區(qū)域空氣污染演變特征及時(shí)空變化規(guī)律，深入研究造成空氣污染的主要污染物因子十分重要。

目前已有眾多學(xué)者對(duì)于各區(qū)域空氣質(zhì)量變化進(jìn)行了大量研究，如郭雯雯等[9]對(duì)長(zhǎng)江中游城市群空氣質(zhì)量時(shí)空變化特征及影響因素進(jìn)行了分析，王麗娜等[10]對(duì)于黑龍江省2018年環(huán)境空氣質(zhì)量的時(shí)空變化特征進(jìn)行了研究。但不同省份的氣候條件及當(dāng)?shù)氐呐欧徘闆r不同會(huì)導(dǎo)致各地環(huán)境空氣質(zhì)量的時(shí)空變化特征存在明顯差異[11-12]。本研究通過(guò)對(duì)2019年湖南省特護(hù)期和非特護(hù)期的空氣環(huán)境質(zhì)量進(jìn)行時(shí)空特征分析為湖南省制定區(qū)域大氣污染防控政策及有效應(yīng)對(duì)重污染天氣提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源

湖南省2019年87個(gè)國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)SO2、NO2、PM10、PM2.5、CO（95 per）和O8－8h（90 per）共6項(xiàng)監(jiān)測(cè)指標(biāo)的日均濃度值數(shù)據(jù)來(lái)源于湖南省城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)。

1.2 研究方法

1.2.1 GIS空間分析

各項(xiàng)監(jiān)測(cè)指標(biāo)的空間分布特征通過(guò)ArcGIS軟件的克里金插值進(jìn)行分析，采用半變異函數(shù)為球面函數(shù)進(jìn)行計(jì)算。

1.2.2 非參數(shù)相關(guān)性檢驗(yàn)分析

采用SPSS 26.0軟件進(jìn)行非參數(shù)檢驗(yàn)分析和斯皮爾曼相關(guān)性分析。根據(jù)要素的選項(xiàng)數(shù)據(jù)量選擇多獨(dú)立樣本的非參數(shù)檢驗(yàn)，其通過(guò)分析多組獨(dú)立樣本，推斷樣本來(lái)自總體的中位數(shù)或分布是否存在顯著差異。Mann-Whitney U檢驗(yàn)方法是常用的非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法之一，主要用于比較兩個(gè)獨(dú)立樣本的中位數(shù)是否存在顯著差異[13]。其表達(dá)式為

式中：U1表示一個(gè)樣本組的所有秩次之和；U2值表示另一個(gè)樣本組的所有秩次之和；n1表示第1組樣本的樣本量；n2表示第2組樣本的樣本量；R1表示第1組樣本的秩和；R2表示第2組樣本的秩和。通過(guò)比較兩個(gè)樣本的U值，做出統(tǒng)計(jì)推斷，判斷兩組數(shù)據(jù)是否存在顯著差異。

2 結(jié)果與討論

2.1 空氣質(zhì)量時(shí)間分布規(guī)律

2.1.1 月變化規(guī)律分析

如圖1所示，2019年湖南省空氣優(yōu)良天數(shù)比例為83.7%，優(yōu)良天數(shù)比例的月變化（1—12月）呈“M”型趨勢(shì)，且春夏季優(yōu)良天數(shù)比例高于秋冬季。全省3、4、5、6、7月平均優(yōu)良天數(shù)比例高于94%，1、2、8、9、10、11、12月平均優(yōu)良天數(shù)比例低于90%；且優(yōu)良天數(shù)比例年內(nèi)最高出現(xiàn)在4月（99%），最低出現(xiàn)在1月（48.8%）。

如圖2所示，2019年湖南省重度及以上污染天數(shù)共62 d，集中出現(xiàn)在1月、2月和12月，分別占比77.4%、4.9%和17.7%。嚴(yán)重污染共有2天，均出現(xiàn)在1月。《2019年湖南省生態(tài)環(huán)境狀況公報(bào)》顯示，與2018年相比，2019年全省重度及以上污染天數(shù)增加了38 d。這一結(jié)果可能受2019年大氣污染擴(kuò)散條件差、大氣自凈能力持續(xù)走低影響。

圖3顯示了6項(xiàng)監(jiān)測(cè)指標(biāo)的月均值濃度變化趨勢(shì)。結(jié)果表明，SO2濃度均值呈平緩上升趨勢(shì)；而CO、PM2.5、NO2和PM10呈“兩端高，中間低”的趨勢(shì)，峰值出現(xiàn)在1月和12月，谷值出現(xiàn)在7月；O3均值濃度呈現(xiàn)出“先升后降”的趨勢(shì)，谷值出現(xiàn)在1月，峰值出現(xiàn)在9月，這可能是2019年12月、9月和1月全省優(yōu)良天數(shù)比例較低的原因。但《2019年湖南省生態(tài)環(huán)境狀況公報(bào)》顯示，全省的SO2、NO2和CO濃度均已達(dá)標(biāo)，表明全省空氣質(zhì)量主要影響因子為PM10、PM2.5和O3。

2.1.2 特護(hù)期與非特護(hù)期空氣質(zhì)量

區(qū)域大氣污染防治“特護(hù)期”實(shí)施方案是一種具有特殊針對(duì)性的環(huán)境管理規(guī)制措施[14-15]。湖南省大氣污染防治特護(hù)期工作方案確立1月1日—3月15日和10月16日—12月31日（共計(jì)5個(gè)月）為特護(hù)期。本研究對(duì)湖南省特護(hù)期和非特護(hù)期的空氣質(zhì)量狀況進(jìn)行分析（圖4、圖5）。結(jié)果表明，2019年，全省14個(gè)市州特護(hù)期累計(jì)優(yōu)良天數(shù)為1 617 d（76.5%），低于非特護(hù)期2 661 d（88.8%）；全省重度及以上污染天數(shù)全部出現(xiàn)于特護(hù)期，累計(jì)為62 d。其中，益陽(yáng)、常德、邵陽(yáng)和株洲特護(hù)期的優(yōu)良天數(shù)比例低于全省平均值，分別比非特護(hù)期低34.3%、19.9%、14.8%和14.5%，表明這幾個(gè)城市特護(hù)期間的空氣質(zhì)量值得關(guān)注。

從圖6可以看出，全省SO2在特護(hù)期和非特護(hù)期的污染物濃度差別不大；但特護(hù)期的PM2.5、PM10、NO2和CO濃度比非特護(hù)期分別高出28 μg/m3、26 μg/m3、12 μg/m3和0.2 mg/m3，其中PM2.5濃度為非特護(hù)期的2.7倍，非特護(hù)期的O3濃度高于特護(hù)期。上述結(jié)果表明特護(hù)期的PM2.5、PM10、NO2和非特護(hù)期的O3污染值得關(guān)注。

2.2 空氣質(zhì)量空間分布規(guī)律

2.2.1 主要污染指標(biāo)空間分布特征

2019年湖南省NO2整體污染較輕，但PM2.5、PM10、O3均呈現(xiàn)湘西和湘南污染較輕，湘北和湘中污染較重的特征，尤其是長(zhǎng)株潭等經(jīng)濟(jì)較發(fā)達(dá)區(qū)污染相對(duì)較重。研究表明，大量的人為活動(dòng)會(huì)影響區(qū)域環(huán)境空氣質(zhì)量[16-17]。因此，將長(zhǎng)株潭城市群作為重點(diǎn)區(qū)域，對(duì)其空氣質(zhì)量污染因子特征進(jìn)行進(jìn)一步分析。

2.2.2 長(zhǎng)株潭城市群與全省污染指標(biāo)差異性檢驗(yàn)

運(yùn)用非參數(shù)法（Mann-Whitney U）檢驗(yàn)長(zhǎng)株潭城市群主要污染指標(biāo)PM2.5、PM10、O3和NO2與全省之間差異性。結(jié)果見(jiàn)表1，長(zhǎng)株潭城市群PM10和O3與全省差異不顯著，但PM2.5和NO2的分布與全省具有顯著性差異，說(shuō)明長(zhǎng)株潭城市群的PM2.5和NO2對(duì)空氣污染貢獻(xiàn)較大。

3 結(jié)論

2019年，湖南省全省空氣質(zhì)量狀況良好，優(yōu)良天數(shù)比例為83.7%，但較2018年有所下降。全省優(yōu)良天數(shù)比例月度變化呈“M”型趨勢(shì)，CO、PM2.5、NO2和PM10濃度呈現(xiàn)“夏低冬高”趨勢(shì)，O3呈“夏高冬低”趨勢(shì)，SO2全年變化不明顯。2019年湖南省重度及以上污染天數(shù)共62 d，集中出現(xiàn)在特護(hù)期，即1月、2月和12月；空氣質(zhì)量主要影響因子為PM2.5、O3和PM10；其中，湘中、湘北城市整體空氣質(zhì)量相對(duì)較差，尤其是長(zhǎng)株潭城市群污染較重，主要是由于區(qū)內(nèi)的PM2.5和NO2的貢獻(xiàn)較高。

參考文獻(xiàn)：

[1] 王振波，梁龍武，方創(chuàng)琳.京津冀特大城市群生態(tài)安全格局時(shí)空演變特征及其影響因素[J].生態(tài)學(xué)報(bào)，2018，38（12）：4132-4144.

[2] 黃遠(yuǎn)來(lái).“十三五”期間襄陽(yáng)市環(huán)境空氣質(zhì)量時(shí)空變化特征分析[J].綠色科技，2022，24（18）：174-178．

[3] SANTIBAEZ EZD A， IBARRA S， MATUS P. 3A five-year study of particulate matter （PM2.5） and cerebrovascular diseases [J].Environmental Pollution，2013，181：1-6.

[4] 陳莎，劉影影，李素梅，等.京津翼典型城市PM2.5污染的健康風(fēng)險(xiǎn)及經(jīng)濟(jì)損失研究[J].安全與環(huán)境學(xué)報(bào)，2020，20（3）：1146-1153.

[5] HU H， HA S， XU X. Ozone and hypertensive disorders of pregnancy in Florida： Identifying critical windows of exposure[J]. Environmental Research， 2017，153：120-125.

[6] LU X， ZHANG L， WANG X， et al. Rapid increases in warm-season surface ozone and resulting health impact over China since 2013[J]. Environmental Science & Technology，2020，7（4）：240-247.

[7] SHAO M， TANG X， ZHANG Y， et al. City clusters in China： air and surface water pollution[J]. Frontiers in Ecology and the Environment， 2006，4（7）：353-361.

[8] 謝昆，陳博明.長(zhǎng)沙市氣象因素對(duì)大氣污染的影響分析[J].礦冶工程，2021，41（4）：170-175.

[9] 郭雯雯，陳永金，劉閣，等.2016-2019年長(zhǎng)江中游城市群空氣質(zhì)量時(shí)空變化特征及影響因素分析[J].生態(tài)環(huán)境學(xué)報(bào)，2020，29（10）：2034-2044.

[10] 王麗娜，李博，趙彥博.2018年黑龍江省環(huán)境空氣質(zhì)量時(shí)空變化特征分析研究[J].環(huán)境科學(xué)與管理，2019，44（7）：135-139.

[11] YUE X， UNGER N， HARPER K， et al. Ozone and haze pollution weakens net primary productivity in China[J]. Atmospheric Chemistry and Physics， 2017，17（9）：6073-6089.

[12] WANG Z， LI J， LIANG L. Spatio-temporal evolution of ozone pollution and its influencing factors in the Beijing-Tianjin-Hebei Urban Agglomeration[J]. Environmental Pollution， 2020，256：113419.

[13] 于昆.基于Mann-Whitney算法的非參數(shù)控制圖[D].天津：天津大學(xué)，2009.

[14] 湖南省人民政府.長(zhǎng)株潭大氣污染防治特護(hù)期工作方案[Z].2015.

[15] 趙肖肖，唐湘博.區(qū)域大氣污染防治特護(hù)期實(shí)施方案效果評(píng)估[J].環(huán)境科學(xué)與技術(shù)，2020，43（3）：221-227．

[16] 崔建升，雷團(tuán)團(tuán)，伯鑫，等.海南省大氣污染源排放清單及環(huán)境影響研究[J].環(huán)境污染與防治，2020，42（6）：651-659．

[17] 黃遠(yuǎn)來(lái).南寧城區(qū)2018-2022年環(huán)境空氣質(zhì)量時(shí)空變化特征分析[J].綠色科技，2023，16（25）：139-143．