陳妙 薛興釗 李順姬 曹澤磊 孟小蘭 閆旭

摘 要：為研究西安市秋冬季兩次重點工作時段環(huán)境空氣質(zhì)量變化特征及其影響因素，采用減排效應(yīng)評估、特征雷達圖等方法，分析了氣象條件、人為源減排、路邊站車流量等因素對環(huán)境空氣質(zhì)量影響。結(jié)果表明：兩次研究Ⅱ時段，西安市一次污染物PM10、SO2、NO2和CO濃度比前一年同期均有所下降，但臭氧濃度比前一年同期和研究前均為上升趨勢。兩次研究Ⅱ時段，西安市先后出現(xiàn)了5次PM2.5重污染天氣，均為不利氣象下污染物累積和二次生成共同作用的結(jié)果：首先是邊界層下降且大多為靜風，不利于污染物擴散；其次是高濕度增強了PM2.5吸濕性增長；此外，O3濃度上升導致大氣氧化性增強，二次有機氣溶膠（SOA）生成能力變強。兩次研究Ⅱ時段，西安市道路車流量分別下降了67%和72%，同期路邊站和大氣環(huán)境空氣子站NO2濃度下降了30%～50%，道路移動源是西安市NO2的主要來源之一。

關(guān)鍵詞：重點時段；空氣質(zhì)量；氣象因素；西安市

中圖分類號：X51文獻標志碼：A文章編號：1673-9655（2024）02-00-06

0 引言

西安市位于我國大氣污染防治的重點區(qū)域，自開展大氣污染防治工作以來，環(huán)境空氣質(zhì)量明顯改善。重污染和嚴重污染天數(shù)逐年下降，PM2.5年均濃度從109 μg/m3（2013年）降至51 μg/m3（2020年）[1]，但西安市在秋冬季仍有重污染過程發(fā)生。2020至今，西安市有兩次秋冬季重點工作時段，可用來評估人為污染物排放量大幅下降對環(huán)境空氣質(zhì)量的影響。

2020年初，中國東部地區(qū)在人為活動減少時，對流層NO2柱濃度比2019年同期下降了65%[2]，但重污染天氣并沒有因為人為源減少而消失。北京市在人為活動減少后空氣質(zhì)量比之前更差，減少一次污染物排放量取得的效果，可能會被不利的氣象條件和二次污染的加強抵消[3-4]，且以O(shè)3為代表的光化學污染呈快速上升趨勢[5]。

基于此，本文結(jié)合氣象、機動車活動水平、路邊站等數(shù)據(jù)，采用減排效應(yīng)評估、特征雷達圖等方法，分析了秋冬季重點工作時段環(huán)境空氣質(zhì)量變化及影響因素，為西安市大氣污染防治工作思路提供思路。

1 數(shù)據(jù)及方法

1.1 數(shù)據(jù)來源

本研究收集了西安環(huán)境空氣質(zhì)量數(shù)據(jù)、路邊站數(shù)據(jù)和氣象數(shù)據(jù)。環(huán)境空氣質(zhì)量數(shù)據(jù)來源于陜西省環(huán)境空氣質(zhì)量監(jiān)測聯(lián)網(wǎng)管理平臺（http：//221.11.17.250：9000/），含AQI和6種大氣污染物日數(shù)據(jù)：PM2.5、PM10、O3-8 h、SO2、NO2、和CO。機動車車流量和路邊站NO2濃度小時數(shù)據(jù)來源于西安市自建的路邊站。

氣象數(shù)據(jù)（氣壓、溫度、降雨量、相對濕度、風速、風向和大氣邊界層）來源于中國氣象數(shù)據(jù)網(wǎng)涇河站的小時觀測數(shù)據(jù)，涇河站（編號57131）為國家級地面氣象站，位于E108.58°，N34.26°，海拔410 m。

以上數(shù)據(jù)的時間跨度為2019年1—3月，2020年

1—3月，2020年12月—2021年2月，2021年12月—2022年2月。

1.2 分析方法

1.2.1 研究階段劃分

西安市有兩次秋冬季重點工作時段。第一次為2020年1月26日—2月22日，第二次為2021年12月23日—2022年1月23日。本研究選擇2020年1月1日—2020年3月30日、2021年12月1日—2022年2月28日為研究時段，包括研究前（I時段）、重點工作期（Ⅱ時段）和恢復(fù)期（Ⅲ時段）。具體時間劃分見表1。

1.2.2 減排效應(yīng)評估

為了定量分析西安市秋冬季重點工作時段各項減排措施對大氣污染物濃度的削減作用，弱化不利氣象因素的干擾，把西安市兩次研究I時段和Ⅱ時段各污染物濃度均值分別與過去5年中未開展秋冬季重點工作的3年（2018—2019年、2021年）同期進行對比，分析減排措施對各污染物濃度的影響。

1.2.3 特征雷達圖分析

環(huán)境空氣中各污染物濃度波動較大，以常規(guī)方法繪制濃度變化曲線時低濃度污染物的變化會被高濃度污染物掩蓋。為了扣除濃度差異對污染特征的影響，直觀地表現(xiàn)研究Ⅱ時段PM2.5污染的演變過程，本研究使用特征雷達圖對污染過程進行分析。由于5種污染物：SO2、 NO2、 CO、 PM2.5、 粗顆粒（PM10減去PM2.5）來源不同，特征雷達圖主要類型包括標準型、偏二次型、偏沙塵型、偏煙花型、偏鋼鐵型、偏機動車型、偏揚塵型和偏燃煤型[6]。

2 結(jié)果與分析

2.1 環(huán)境空氣質(zhì)量變化

7項指標（AQI值和6項大氣污染物）平均值變化情況。總體來看，2020年研究Ⅱ時段，西安市AQI和污染物濃度比前一年同期大多有所降低。AQI平均降幅14.6%，一級優(yōu)天氣增加12 d；污染物濃度降幅最大的為NO2（39.5%）、PM10（27.9%），其次為CO（18.6%）、PM2.5（17.5%）和SO2（12.3%）；O3-8 h平均濃度明顯上升，上升幅度為147.7%。第二次（2021—2022年）研究Ⅱ時段，西安市AQI指數(shù)比前一年同期不降反升（2.5%），優(yōu)良天減少了6 d；PM10、 SO2、 NO2 和CO濃度下降，降幅分別為57.8%、32.6%、27.6%和1.8%；PM2.5和O3-8 h平均濃度上升，上升幅度分別為27.5%和16.3%。與研究I時段對比，2020年Ⅱ時段除O3-8 h外其他污染物濃度均有下降，下降幅度（除SO2）均超過2019年同期水平，其中NO2降幅最大（52.0%），其次為PM2.5（43.9%）、PM10（38.2%）、CO（37.0%）和SO2（19.0%）。2022年Ⅱ時段NO2和SO2濃度下降，幅度分別為37.0%和8.1%；O3-8 h、PM10、CO和PM2.5濃度上升，幅度分別為56.8%、52.6%、28.0%和4.0%。從理論上來說，研究Ⅱ時段人為源活動水平大幅下降，污染物排放總量減少，大氣污染物濃度同比研究I時段及前一年同期應(yīng)有所下降，但O3-8 h濃度不降反升，這與人為源NO排放減少，滴定效應(yīng)削弱有關(guān)。2022年Ⅱ時段，除O3外，PM2.5、PM10和CO濃度也比管控前有所上升，且出現(xiàn)了兩次PM2.5重污染過程，這與極端不利的氣象條件導致污染物濃度積累有關(guān)，在2.2節(jié)展開具體分析。

2.2 大氣污染物變化的氣象原因

研究表明：交通源和工業(yè)源減排能顯著改善當?shù)丨h(huán)境空氣質(zhì)量[7]，但氣象條件也是重要的影響因素之一。圖2為2020年研究時段西安市特征污染物與氣象要素的日變化。研究Ⅱ時段，隨著社會活動水平下降，NO2濃度下降39.5%；NOX排放量大幅下降，削弱了NO對臭氧的滴定作用[8]，加上Ⅱ時段溫度上升，臭氧濃度快速累積，O3-8 h濃度大幅上升（147.7%）。PM2.5平均濃度下降17.5%，但出現(xiàn)了3次中度污染過程，這主要與濕度增加、邊界層下降等不利氣象條件影響有關(guān)。研究Ⅲ時段，人為活動恢復(fù)，NO2濃度反彈；氣溫持續(xù)升高導致O3濃度持續(xù)上升；隨著邊界層抬升和濕度降低，PM2.5濃度穩(wěn)中有降。

圖3為第二次研究時段西安市特征污染物與氣象要素的日變化。研究Ⅱ時段NO2濃度比I時段有所降低且降幅與第一次研究時段基本相同；研究Ⅱ時段溫度比I時段有所下降，不利于臭氧的生成，但由于NOX排放量大幅下降，NO滴定效果減弱，O3濃度依然為上升趨勢，但上升幅度（56.8%）遠小于第一次Ⅱ時段（147.7%）。PM2.5平均濃度比I時段上升4%，且出現(xiàn)了兩次重污染過程。

西安市兩次PM2.5重污染過程（12月31日—1月10日、1月15日—1月20日）都經(jīng)歷了極端不利的氣象條件。首先是邊界層下降，污染物垂直擴散變差（圖3）；其次，兩次污染前（12月31日—1月4日、1月15日—18日）西安市大多為靜風（頻次在67%左右）或者風速＜1 m/s（圖4），不利于污染物擴散，PM2.5濃度在1月6日和1月20日達到峰值；第三，兩個污染時段內(nèi)大氣的相對濕度高達80%，高濕環(huán)境增強了氣態(tài)污染物向PM2.5的轉(zhuǎn)化能力[9-10]，有利于NOX和SO2等PM2.5的前體物二次轉(zhuǎn)化和吸濕性增長[11]；除此之外，臭氧濃度上升加強了大氣氧化性，加劇了SO2、NOX、NH3和VOCs轉(zhuǎn)化為硫酸鹽、硝酸鹽、銨鹽和二次有機氣溶膠等二次顆粒物生成能力。

2022年研究Ⅱ時段，西安市出現(xiàn)兩次PM2.5重污染過程。一個月內(nèi)，本地污染源排放量不會發(fā)生大變化，但PM2.5濃度峰值為谷值的7倍。為了進一步分析和研究PM2.5污染過程，使用特征雷達圖直觀的表現(xiàn)大氣污染過程（圖5）。2021年12月26日

西安市特征雷達圖為偏揚塵型和偏燃煤型，這與西安市冬季采暖和本地排放有關(guān)；12月26日—1月4日，在靜風、高濕等不利氣象因素的影響下，

1月5日污染特征變化為二次型污染。1月6日，在東北風的作用下，PM2.5污染得到清除。1月13日污染特征回歸為偏揚塵型的本地污染，在新一輪不利氣象條件作用下，1月19日的污染特征再次表現(xiàn)為二次型污染。兩次污染累計過程中，隨著濕度增加和邊界層下降等不利氣象因素影響，PM2.5污染累計，由以揚塵為主的污染轉(zhuǎn)化為二次污染。

2.3 大氣污染物變化的人為原因

西安市在研究Ⅱ時段出現(xiàn)了極端不利的氣象條件，模糊了減排措施對大氣環(huán)境的貢獻。采用減排效果評估的方法，選擇近5年內(nèi)未采取嚴格減排措施的2018、2019、2021年均值來削弱氣象因素對污染物濃度的影響。兩次研究Ⅱ時段各污染物濃度與未采取嚴格減排措施的3年均值變化見表2。

與3年同期均值對比，西安市在兩次研究時段的I、Ⅱ時段，除二次污染物PM2.5和O3-8 h外，其它污染物濃度均有所下降，尤其是NO2，Ⅱ時段的降幅遠超過I時段。說明人為源減排對環(huán)境空氣質(zhì)量有明顯改善作用。

大氣污染源排放控制是改善環(huán)境空氣質(zhì)量的重要手段。各類污染源中，道路移動源占比較大。我國多個城市大氣污染源解析和源清單結(jié)果表明：大多數(shù)城市PM2.5來源解析中，道路移動源占比在10%～30%[12-13]；道路移動源對NOX的貢獻更大，部分地區(qū)占比超過50%[14]。孟祥瑞[15]的研究表明：2020年期間，成都市道路源污染物排放的NOX下降59.7%。西安市兩次研究時段，車流量和路邊站NO2濃度的日變化見圖6。

兩次研究Ⅱ時段，西安市道路車流量均大幅下降，下降幅度分別為67%和72%，白天下降幅度遠大于夜間。隨著道路機動車流量減少，路邊站NO2濃度在兩次研究Ⅱ時段分別出現(xiàn)31%和36%的降幅，結(jié)合西安市同期國控環(huán)境空氣子站NO2濃度分別下降了52%和37%，說明道路移動源是西安市NO2主要來源之一。

3 結(jié)論

（1）兩次研究Ⅱ時段，西安市PM10、SO2、NO2和CO濃度比前一年同期均有所下降；O3濃度受氣溫和人為源NO排放減少，滴定效應(yīng)削弱，均為上升趨勢；由于氣象條件影響，PM2.5濃度在第一次研究Ⅱ時段呈下降趨勢，第二次研究Ⅱ時段為上升趨勢。

（2）兩次管控Ⅱ時段，西安市5次PM2.5污染過程均與極端不利的氣象條件有關(guān)，首先是大氣邊界層下降，風速多為靜風，不利于污染物擴散；其次是高濕度增強了PM2.5的吸濕性增長；此外，臭氧濃度上升導致大氣氧化性增強，SOA生成能力變強。管控期間PM2.5污染多為積累造成的二次污染。

（3）兩次研究Ⅱ時段，西安市道路車流量分別下降了67%和72%，對應(yīng)的路邊站和大氣環(huán)境空氣子站NO2濃度下降了30%～50%，道路移動源是西安市NO2的主要來源之一。

參考文獻：

[1] 數(shù)據(jù)來源于陜西省環(huán)境空氣質(zhì)量監(jiān)測聯(lián)網(wǎng)管理平臺http：//221.11.17.250：9000/.

[2] He M Z， Kinney P L， Li T T， et al. Short and intermediate-term exposure to NO2 and mortality： a multi- county analysis in China[J]. Environmental Pollution， 2020（261）：1-7.

[3] Li X R， Wang L L， Ji D S， et al. Characterization of the size-segregated water-soluble inorganic ions in the Jing-Jin-Ji urban agglomeration： spatial/ temporal variability， size distribution and source[J]. Atmospheric Environmental Science， 2013（77）： 250-259.

[4] 耿彥紅， 劉衛(wèi)， 單健， 等.上海市大氣顆粒物中水溶性離子的粒徑分布特征[J]. 中國環(huán)境科學， 2010， 30（12）： 1585-1589.

[5] 牛植， 胡婷莚， 張文啟， 等.上海疫情防控一級和二級響應(yīng)階段大氣污染物特征分析[J]. 環(huán)境污染與防治，2021，43（8）： 942-951.

[6] 段菁春， 胡京南， 譚吉花， 等.特征雷達圖的設(shè)計及其在大氣污染成分分析中的應(yīng)用[J]. 環(huán)境科學研究，2018， 31（8）： 1229-1336.

[7] Bauwens M， Compernollle S， Stavrakou T， et al. Impact of coronavirus outbreak on NO2 pollution assessed using TROPOMI and OMI observations[J]. Geophysical Research Letters， 2020， 47（ 11）. doi：10.1029/ 2020 GL087978.

[8] Shi X Q， Brasseur G P. The response in air quality to the reduction of Chinese economic activities during the COVID-19 outbreak[J]. Geophysical Research Letters，2020，47 （11）.doi：10.1029/2020GL088070.

[9] Li W G， Liu X G， Zhang Y H， et al. Characteristics and formation mechanism of regional haze episodes in the Pearl River Delta of China[J].Journal of Environmental Science，2018（63）：236-249.

[10] 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， 2016，36（1）： 27-35.

[11] Rahman A， Luo C X， Khanm H R， et al. Influence of atmospheric PM2.5， PM10， O3， CO， NO2， SO2 and meteorological factors on the concentration of airborne pollen in Guangzhou，China[J]. Atmospheric Environment， 2019（212）：290-304.

[12] Zhu Y， Huang L， LI J， et al. Source of particulate matter in China：Insights from source apportionment studies published in 1987-2017[J]. Environment International， 2018（115）：343-357.

[13] Wang D， Hu J， Xu Y， et al. Source contributions to primary and secondary inorganic particulate matter during a severe wintertime PM2.5 pollution episode in Xian， China[J]. Atmospheric Environment， 2015（97）：182-194.

[14] 周子航， 鄧也， 譚欽文， 等. 四川省人為源大氣污染物排放清單及特征[J]. 環(huán)境科學，2018，39（12）： 5344-5358.

[15] 孟祥瑞， 張凱山.成都市道路移動源減排對空氣質(zhì)量的短期影響[J].環(huán)境科學學報，2021， 41（4）： 1250- 1258.