譚 羲， 李萬隆， 黃月華， 韓 艷*

(1.河南大學(xué)地理與環(huán)境學(xué)院， 開封 475004； 2.北京大學(xué)城市規(guī)劃與設(shè)計學(xué)院， 深圳 518055； 3.河南省大氣污染綜合防治與生態(tài)安全重點實驗室， 開封 475004； 4.開封市氣象局， 開封 450003)

人口增加與城市擴張對中國城市空氣污染水平造成重大影響[1]，經(jīng)濟發(fā)展及其發(fā)展方式對大氣污染產(chǎn)生了重大的作用[2-4]。導(dǎo)致城市大氣污染的污染物主要是PM2.5和PM10[5-7]，大氣污染會引發(fā)呼吸系統(tǒng)疾病[8]，長時間暴露于顆粒物中甚至?xí)黾宇净挤伟┑娘L(fēng)險[9]。近年來，O3污染日益嚴(yán)重，成為僅次于PM2.5、PM10的大氣污染物[10-11]，并且有逐年增加的趨勢[12]，O3濃度的增加也對人類健康構(gòu)成了威脅[13]。

圖1 中原城市群重點城市分布Fig.1 Distribution of key cities in Central Plains Urban Agglomeration

近年來，越來越多的學(xué)者開始以城市為基準(zhǔn)，關(guān)注大氣污染物的時空分布特征[14-16]。許波等[17]通過研究鄭州市PM2.5和PM10的變化特征時，發(fā)現(xiàn)在不同季節(jié)，PM10和PM2.5的日均值呈現(xiàn)出不同的特征。李蔚卿等[18]研究了鄭州市春節(jié)期間大氣污染物特征，得到了大氣污染物濃度與氣溫、風(fēng)速呈反向遞減的關(guān)系，與大氣濕度和氣壓呈正向增減的關(guān)系的結(jié)論。陳強等[19]研究發(fā)現(xiàn)，國慶節(jié)期間顆粒物污染濃度顯著高于平日，風(fēng)速、相對濕度、平均海平面氣壓是影響鄭州市PM2.5濃度的主要因子。段時光等[20]研究認(rèn)為低風(fēng)速、高濕度、較少的降水以及細(xì)顆粒物的快速增加是導(dǎo)致顆粒物濃度高的原因。于世杰等[21]對鄭州市O3濃度變化特征進行了分析，發(fā)現(xiàn)O3日變化呈單峰分布，且在高溫、低濕、一定風(fēng)速條件下有利于O3的生成與積累。此外，研究表明O3污染與天氣條件也有很大的關(guān)系[22]。

中原城市群作為連接中國各城市群、溝通東中西、聯(lián)結(jié)南北方的重要通道，其發(fā)展備受矚目。安陽市、鶴壁市、濮陽市、新鄉(xiāng)市、開封市、鄭州市、焦作市作為中原城市群重要的7個城市，同時被列為京津冀污染傳輸通道“2+26”城市，其大氣污染問題在河南省一直較為嚴(yán)峻[23-25]。為此，以河南省上述7個“2+26”傳輸城市作為重點區(qū)域來進行研究，在得到首要污染物和氣象數(shù)據(jù)的基礎(chǔ)上，分析了中原城市群重點區(qū)域首要污染物的日變化特征，采用相關(guān)分析、地理探測器模型來對氣象因子對首要污染物濃度日變化的影響進行了探討，以期為該區(qū)域的大氣污染治理措施提供理論依據(jù)。

1 資料來源與研究方法

1.1 資料來源與選取

研究使用的污染物數(shù)據(jù)來自河南省各地市環(huán)保局國控站點，氣象數(shù)據(jù)來自各地市地面觀測站，研究區(qū)域分布如圖1所示。污染物濃度數(shù)據(jù)來源于2017—2019年全年7大重點城市24 h連續(xù)監(jiān)測數(shù)據(jù)，其中包括鄭州市、開封市、新鄉(xiāng)市、焦作市、安陽市、鶴壁市和濮陽市，各項指標(biāo)含義詳見《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》(GB 30950—2012)。地面氣象要素連續(xù)觀測數(shù)據(jù)為全年逐時觀測數(shù)據(jù)，包括溫度T、氣壓P、相對濕度RH和風(fēng)速WS。

1.2 研究分析方法

1.2.1 相關(guān)分析法

通過相關(guān)分析來揭示PM2.5、PM10、O3與氣象因子(平均氣溫、平均氣壓、平均相對濕度、平均風(fēng)速)之間相互關(guān)系的密切程度。相關(guān)分析在SPSS 20.0軟件中完成。對于兩個要素x、y，如果其樣本值分別為xi、yi(i=1,2,…,n)，相關(guān)分析過程如下。

(1)計算兩個要素的樣本平均值

其計算公式為

(1)

(2)計算x、y之間的相關(guān)系數(shù)，計算公式為

(2)

(3)相關(guān)系數(shù)rxy為兩要素之間相關(guān)程度的統(tǒng)計指標(biāo)，它的值介于[-1,1]，rxy>0，表示正相關(guān)；rxy<0，表示負(fù)相關(guān)。|rxy|越接近于1，表示兩要素之間關(guān)系越密切；越接近于0表示兩要素之間越不密切。

1.2.2 地理探測器模型

地理探測器是探測空間分異性，揭示其背后驅(qū)動力的一組統(tǒng)計學(xué)方法，可用于評估潛在因素與目標(biāo)地理現(xiàn)象之間的非線性關(guān)聯(lián)。模型基本假設(shè)的核心思想是：如果某個自變量對某個因變量有重要影響，那么自變量和因變量的空間分布應(yīng)該具有相似性。與傳統(tǒng)線性方法相比，地理探測器可以處理分類的解釋變量，解釋主導(dǎo)因子，也可以探測兩因子交互作用關(guān)系，其不受線性假設(shè)的限制，對共線性具有免疫[26-27]。

X和Y之間的空間關(guān)聯(lián)可通過q統(tǒng)計量進行測量，q統(tǒng)計量可定義為通過因子貢獻值的大小來反映各個因子對于大氣污染物的作用程度，用式(3)～式(5)計算

(3)

(4)

SST=Nσh

(5)

式中：h=1,2，…,L為因子X的類別；Nh和N分別為h類別和整個研究區(qū)域的樣本數(shù)量；SSW和SST分別為h類別和整個研究區(qū)域的方差和總方差之和；q的取值為[0,1]，q值越大，與臭氧濃度的相關(guān)程度越高。兩個X因子對臭氧濃度的交互作用也可以用q統(tǒng)計量來量化。

2 分析與結(jié)果

2.1 首要污染物的組成

根據(jù)2017—2019年首要污染物占比如圖2所示，污染物以PM2.5為主，占污染天數(shù)的47%，次為PM10比44%，O3占比為4%，因此以PM2.5、PM10、O3作為研究對象。

圖2 首要污染物占比Fig.2 The proportion of chief pollutants

2.2 首要污染物日變化特征

2.2.1 PM2.5日變化時間特征分析

2017—2019年中原城市群重點城市PM2.5小時質(zhì)量濃度變化整體呈“雙峰”分布(圖3)。日最大值出現(xiàn)在8:00—9:00，為72 μg/m3，9:00—16:00濃度逐漸下降，到16:00到達日最小值為59 μg/m3，而后又升高，在1:00有一個小峰值為69 μg/m3。早晨7:00—8:00 PM2.5濃度上升與早高峰車流量有關(guān)，9:00過后的車流量減少使得PM2.5濃度下降，到16:00后又進入了車流量的晚高峰，導(dǎo)致PM2.5濃度又逐步上升，這說明白天PM2.5濃度質(zhì)量受到車流量的影響較大。夜間由于溫度降低形成逆溫層，大氣湍流活動減少導(dǎo)致顆粒物不易擴散，使得PM2.5濃度高且穩(wěn)定，此外，夜間的大排量活動，如夜市餐飲排放和貨車行駛也會導(dǎo)致氣溶膠濃度上升從而使細(xì)顆粒物增加[28-29]。除安陽市外，其余城市均完全達到PM2.5日平均值標(biāo)準(zhǔn)。中原城市群重點城市7個城市的PM2.5濃度日變化與總體趨勢大致相同。

圖3 中原城市群重點城市PM2.5濃度日變化Fig.3 Daily variations of PM2.5 concentrations in Central Plains Urban Agglomeration in 2017

2.2.2 PM10日變化時間特征分析

中原城市群重點城市PM10小時質(zhì)量濃度平均值變化呈“三峰”分布(圖4)，一天中峰值出現(xiàn)在9:00、22:00和2:00左右，數(shù)值分別是128、123、23 μg/m3，PM10變化與PM2.5濃度日變化趨勢大致相同，受到白天車流量和夜間大排放活動影響[30]。除安陽市和焦作市以外，其余城市小時PM10濃度均達到PM10日達標(biāo)平均值120 μg/m3。不同城市在0:00—9:00時段PM10濃度值相差較大，除濮陽市外，其余城市均有PM10濃度曲線處于平均曲線以上。

中原城市群各重點城市PM10的日變化特征呈“雙峰”和“三峰”分布，晚峰值出現(xiàn)時間與谷值也不相同，對相似的日變化曲線分析發(fā)現(xiàn)，曲線變化趨勢與山體位置阻攔和污染物自身濃度有關(guān)，且山體阻攔對PM10變化趨勢的影響大于污染物自身濃度對PM10變化趨勢的影響。濮陽市和開封市的PM10小時濃度都處于較低水平，PM10日變化趨勢呈“三峰”分布，晚峰值出現(xiàn)在凌晨2:00和夜間21:00；焦作市、新鄉(xiāng)市、鶴壁市日變化曲線呈“雙峰”分布，這三個城市在不同程度上都受到了山體阻攔的影響，其晚峰值出現(xiàn)在21:00—23:00；安陽市、鄭州市PM10日變化曲線呈“雙峰”分布，這兩個城市的PM10濃度處于較高水平，其晚峰值出現(xiàn)在2:00。

圖4 中原城市群重點城市PM10濃度日變化Fig.4 Daily variations of PM10 concentrations in Central Plains Urban Agglomeration

圖5 中原城市群重點城市O3濃度日變化Fig.5 Daily variations of O3 concentrations in Central Plains Urban Agglomeration

2.2.3 O3日變化特征分析

中原城市群重點城市O3小時質(zhì)量濃度平均值變化如圖5所示，呈“單峰”變化。一天中，O3濃度最大值出現(xiàn)在16:00左右，濃度最小值出現(xiàn)在早上8:00左右，這與周賀玲等[31]、程麟鈞等[32]分析得到的O3日變化特征相似。O3濃度與光化學(xué)反應(yīng)有關(guān)[33]，7:00—9:00的早高峰時期機動車尾氣排放量大，但此時太陽輻射較弱，前體物積累在大氣中，O3生成速率低，隨著太陽輻射增加加上大量前體物積累，O3大量生成，在16:00達到日最大值；夜間，隨著太陽輻射減少，光化學(xué)反應(yīng)減弱，O3濃度不斷減少。中原城市群各重點城市O3小時濃度曲線均未超過O31小時達標(biāo)值，且O3濃度變化趨勢相似。焦作、新鄉(xiāng)在7:00—12:00時段O3小時濃度上升值較大，可能是有大量前體物反應(yīng)導(dǎo)致。

2.2.4 PM2.5、PM10、O3之間日變化特征分析

圖6 中原城市群重點城市PM2.5、PM10、O3濃度日變化Fig.6 Daily variations of PM2.5、PM10、O3 concentrations in Central Plains Urban Agglomeration

O3濃度日變化與PM2.5、PM10濃度日變化呈相反趨勢(圖6)，這與尚媛媛等[34]研究云貴高原城市在冬季時PM2.5和O3日變化趨勢相同，這可能是因為中原城市群重點城市PM2.5濃度大或者太陽輻射相對較弱，導(dǎo)致光化學(xué)反應(yīng)受到抑制，使得PM2.5日變化與O3日變化呈現(xiàn)出云貴高原冬季出現(xiàn)的“蹺蹺板”現(xiàn)象。

英國皇室訂婚、結(jié)婚時的戒指基本都是藍寶石，尤其偏愛矢車菊藍寶石。矢車菊藍寶石在藍寶石里的地位，就相當(dāng)于鴿血紅之于紅寶石，都是該類寶石中最頂級的存在。而如此出名的藍寶石即是產(chǎn)于緬甸。緬甸藍寶石又被稱為“東方藍寶石”，是一種極優(yōu)質(zhì)的“濃藍”微紫的寶石。它的透明度高、裂隙小，顏色能讓人聯(lián)想到天空、海洋，而緬甸抹谷出產(chǎn)的藍寶石更是被業(yè)界收藏家視為瑰寶。

進一步對PM2.5、PM10和O3做相關(guān)性分析，結(jié)果如表1所示。PM2.5、PM10和O3之間存在著顯著的相關(guān)關(guān)系，PM2.5和PM10呈正相關(guān)關(guān)系，O3與PM2.5和PM10呈負(fù)相關(guān)關(guān)系，PM2.5與O3的相關(guān)性更加強烈。PM2.5、PM10顆粒影響到達地面的太陽直接輻射量來影響光化學(xué)反應(yīng)的進行。

表1 各污染物之間的相關(guān)性分析

此外，PM2.5、PM10與O3的負(fù)相關(guān)關(guān)系可能與顆粒物、O3的前體物也有一定的關(guān)系，O3的光化學(xué)反應(yīng)如式(6)、式(7)所示。夜間不利于擴散的氣象因素和早晨車流量的排放積累了大量NO、NO2氣體[35]，PM2.5、PM10濃度上升，O3由于太陽輻射弱，加上大量NO抑制O3光化學(xué)反應(yīng)[36]，使得O3濃度減少。

(6)

(7)

2.3 氣象成因分析

采用地理探測器分析氣象因素對于首要污染物的貢獻，從圖7可知：對O3日變化濃度影響從大到小的氣象因子依次是氣壓、溫度、相對濕度和風(fēng)速，O3與氣象因素都呈正相關(guān)關(guān)系；對PM2.5和PM10日變化濃度影響從大到小的氣象因子依次是氣溫、氣壓、相對濕度和風(fēng)速，氣象因子對PM2.5和PM10和都有負(fù)影響。為進一步分析氣象要素和污染物之間的相關(guān)性，將溫度、相對濕度、氣壓和風(fēng)速根據(jù)大小不同進行劃分，并統(tǒng)計相應(yīng)的平均污染物濃度，結(jié)果如表2所示。

圖7 污染物與氣象因子的q統(tǒng)計量和相關(guān)系數(shù)Fig.7 q statistics and correlation coefficients of pollutants and meteorological factors

2.3.1 溫度和氣壓對首要污染物濃度的影響

溫度和氣壓對污染物濃度的影響與相關(guān)性分析的結(jié)果基本相同，隨著溫度下降、氣壓上升，PM2.5和PM10濃度增加，O3濃度減少。地面均勻的弱高壓容易形成靜穩(wěn)天氣[37]，加上地面低溫，有利于大氣逆溫層形成，導(dǎo)致大氣顆粒物難以擴散。

2.3.2 相對濕度對首要污染物濃度的影響

隨著濕度的繼續(xù)增加，PM2.5呈逐漸增加的趨勢，當(dāng)RH≤80%時，濃度達到最大值；PM10濃度呈現(xiàn)出先增加后減少的趨勢，當(dāng)70%≤RH≤80%時，濃度達到最大值。如表3所示，在RH≤80%時，對應(yīng)的溫度最小，氣壓較高，在穩(wěn)定的天氣條件下，低溫、相對高濕的條件下不利于顆粒物的擴散，且容易與其他污染物反應(yīng)促成二次氣溶膠生成[38]。在相對濕度大且溫度大的情況下，由于粒徑大小不同，PM10更易于沉降，而PM2.5附在水汽上不利于擴散，降水對PM10的清除作用比PM2.5的清除作用更強[39-40]，表現(xiàn)在70%≤RH≤80%PM2.5濃度出現(xiàn)增加，PM10濃度繼續(xù)下降。

表2 氣象要素對應(yīng)的污染物濃度

O3在40%≤RH≤50%，相對濕度中等低的條件下為濃度最高，隨著濕度繼續(xù)增加，濃度呈逐漸減少的趨勢。相對濕度通過影響云量大小來影響到達地面的太陽輻射大小，相對濕度小到達地面的太陽輻射大，且對應(yīng)著較高的氣溫(表3)，有利于加速光化學(xué)反應(yīng)，相對濕度大的情況下達到地面的紫外線少，從而延緩了光化學(xué)反應(yīng)的發(fā)生[25]。

表3 相對濕度對應(yīng)的氣象因子

2.3.3 風(fēng)速對首要污染物濃度的影響

PM2.5、PM10在WS<1.5，低風(fēng)速的條件下濃度最大，隨著風(fēng)速增加，濃度PM2.5和PM10呈逐漸減少的變化趨勢。如表4所示，低風(fēng)速對應(yīng)了較高的相對濕度，這兩個穩(wěn)定的條件不利于污染物的擴散。在2≤WS<2.5范圍內(nèi)，風(fēng)速的增加和溫度上升對顆粒物有一定的驅(qū)散作用。由于污染物粒徑的不同，在3≤WS時，PM2.5粒徑小易于擴散，濃度下降，而PM10粒徑大不易于移動，濃度繼續(xù)上升。

O3在3≤WS，大風(fēng)速條件下濃度最大。風(fēng)速增大可以抬高大氣邊界層，增大垂直對流運動，使得對流層頂高濃度O3向地面輸送，造成地面O3濃度不斷上升[41]，此外風(fēng)速也使得前體物擴散速度增加，而NO擴散速度快于NO2的擴散速度[42]，使得O3的生成速率大于其分解速率，O3得以積累。風(fēng)速的增加也會導(dǎo)致O3發(fā)生擴散，而研究區(qū)西部、西南部存在山體，起到一定的阻攔作用，對O3的擴散也存在一定的影響。

表4 風(fēng)速對應(yīng)的氣象因子

3 結(jié)論

(1)2017—2019年中原城市群重點城市大氣污染物主要以PM10、PM2.5、O3為主，其中PM10為主要污染物天數(shù)最多。PM2.5小時濃度日變化呈“雙峰”分布，主峰值出現(xiàn)在8:00—9:00，次峰值出現(xiàn)在1:00，谷值出現(xiàn)在下午16:00；PM10小時濃度日變化呈“三峰”分布，主峰值出現(xiàn)在9:00，第二峰值出現(xiàn)在22:00左右，第三峰值出現(xiàn)在2:00，主谷值出現(xiàn)在15:00，次谷值出現(xiàn)在0:00和5:00；O3小時濃度變化趨勢呈“單峰”分布，峰值出現(xiàn)在16:00，谷值出現(xiàn)在7:00左右。早晚行車高峰、夜間大排量活動的人為活動和山體位置阻攔會影響PM2.5、PM10濃度日變化趨勢，PM10的日變化趨勢還受到了污染物自身濃度大小的影響，O3日變化趨勢受到了太陽輻射和大氣顆粒物濃度的影響。

(2)在中原城市群重點城市中，氣溫、氣壓、相對濕度、風(fēng)速4個氣象要素里，對PM2.5、PM10濃度影響從大到小依次是氣溫、氣壓、相對濕度、風(fēng)速；對O3濃度影響從大到小依次是氣壓、溫度、相對濕度和風(fēng)速。PM2.5、PM10與氣象因素主要呈負(fù)相關(guān)關(guān)系O3與氣象因素主要呈正相關(guān)關(guān)系。

(3)低溫、高壓、高濕和弱風(fēng)的條件下有利于PM2.5的生成與積累；低溫、高壓、中等濕度、弱風(fēng)的情況下有利于PM10的生成與積累；高溫、低壓、低濕、強風(fēng)的情況下有利于O3的生成與積累。