北京市大气污染物浓度空间分布与优化布点研究

李 展，杨会改，蒋 燕，尹元畅，王洪前，王 波，王 斌

四川大学建筑与环境学院，四川 成都 610065

地质学、环境学、气象学、土壤学以及生态学等学科中的多数变量如品位［1］、SO2浓度、气温、土壤有机质含量［2］等均会因空间所在位置不同而呈现出不同特征，即区域化变量特征［3］。地统计学［4］基于区域化变量特征，借助半变异函数来研究分布于空间并呈现一定随机性和结构性的自然现象的科学。包括空间结构分析、克里格插值分析、空间自相关分析以及空间模拟等技术，用于分析具有空间坐标变量的空间特征并可进行过程模拟以及空间插值［5］。地统计学方法已广泛应用于环境科学、土壤学、生态学、气象学和地理学等研究领域［6-9］。

目前，空气质量监测研究以少量监测站点常规监测指标 SO2、NO2和 PM10的统计分析为主［10］，以多点位、区域性空气质量监测布点研究相对较少，而以颗粒物(PM2.5)为代表的监测布点研究和以实际监测数据所进行的区域空气质量空间分布研究鲜见报道。该文基于 Arcgis 9.0、Surfer10.0软件和地统计学方法对北京市环境保护监测中心实时公布的2012年11—12月空气自动监测网络的大气污染物SO2、NO2、PM10和PM2.5质量浓度数据进行了空间分析，为开展我国城市空气质量PM2.5监测布点研究和区域大气污染物空间分布提供理论指导和研究参考。

1 研究背景及数据来源

1.1 研究背景

目前北京市空气质量自动监测网络系统由35个监测点位组成，包括23个城市环境评价点、1个城市清洁对照点、6个区域背景传输点、5个交通污染监测点。

2012年颁布的《环境空气质量标准》(GB 3095—2012)新增了颗粒物(PM2.5)和臭氧(O3)8 h浓度限值的监测指标。其中，PM2.5将在全国重点环保城市空气质量监测中率先全面开展，使监测结果与公众切身感受一致，逐步与国际标准接轨。环境保护部最新发布的《环境空气质量监测点位布设技术规范(试行)》(HJ 664—2013)对监测点位的布设主要是根据监测目的来选择监测点位，提出的多是定性和半定量的参数要求。

1.2 数据来源

数据来源于北京市环境保护监测中心(http://zx．bjmemc．com．cn/)实时公布的 2012年11—12月大气污染物 NO2、SO2、PM2.5和 PM10小时质量浓度数据。10月上旬，北京市环境保护监测中心发布35个PM2.5自动监测站点试运行的监测数据，同时2012—2013年采暖季正式供暖时间为11月3日，因此该研究选取北京市空气自动监测网络发布PM2.5和正式采暖后一个月的大气污染物监测数据进行分析。

2 结果与讨论

2.1 污染物质量浓度数据统计分析

运用经典统计学方法，对大气污染物SO2、NO2、PM10和PM2.5质量浓度数据进行描述性统计和正态分布检验，统计结果见表1。

表1 SO2、NO2、PM10和 PM2.5质量浓度描述性统计表

由表1可知，北京市2012年11—12月SO2、NO2、PM10和PM2.5污染物质量浓度平均值分别为0.032、0.051、0.097、0.070 mg/m3。全市 SO2日均质量浓度为0.015～0.044 mg/m3;NO2的日均质量浓度为0.021～0.072 mg/m3;PM10的日均质量浓度为0.054～0.129 mg/m3;PM2.5日均质量浓度为0.038～0.112 mg/m3。

变异系数是表示各样本间变异程度的重要尺度。北京市大气污染物 SO2、NO2、PM10和 PM2.5浓度的变异系数分别为20.7%、27.7%、25.6%和25.4%，均属于中等强度的变异性。

SO2、NO2、PM10和 PM2.5质量浓度数据的偏度均为－1～1，峰度值接近于3。因此，验证结果表明均符合正态分布，满足克里格插值的前提条件。

2.2 污染物浓度数据空间变异性分析

采用Arcgis 9.0软件中的Geostatistical Analyst分析模块，分别对 SO2、NO2、PM10和 PM2.5浓度数据进行空间变异分析。通过比较SO2、NO2、PM10和PM2.5浓度数据计算出模型的特征参数，确定最优半变异函数拟合模型和最优理论模型［8］下的变异参数。通过对地统计学分析模块中的指标预测误差中的标准平均值、均方根测误差、平均标准误差、标准均方根预测误差指标进行拟合，指标的拟合精度结果表明，SO2、NO2、PM10和PM2.5的最优模型分别为球状模型、球状模型、球状模型和高斯模型。最优模型的拟合精度结果以及相应模型下计算出的空间变异参数见表2。

表2 SO2、NO2、PM10和PM2.5浓度数据半变异函数拟合模型及变异参数

2.3 污染物空间分布图分析

地统计学分析模块提供了一系列利用已知样点进行内插生成研究对象表面预测图，克里格插值是通从预测点周围的观测值中生成权系数来产生一系列的估计值，通过这些估计值可绘制出所测变量的空间分布图。为了更直观地反映北京区域4种污染物浓度的空间分布状况，采用Surfer 10.0软件中的普通Kriging方法对北京市11月SO2、NO2、PM10和 PM2.54 种污染物的平均质量浓度数据进行空间插值，生成相应的空间分布预测图，并和北京市空气自动监测点位图进行叠加。叠加后4种污染物的空间分布图见图1。

图1 Kriging插值空间分布图

综合4种污染物的空间分布图可以看出，污染物浓度较高的区域主要表现在城区和南部地区，大气污染状况整体呈现“北低南高”趋势。SO2高浓度区表明河北张家口、廊坊市和天津市对SO2贡献值占有很大比重［11］。顺义和怀柔区均为首都重要的水源保护区，工业类型为环保型工业，因此SO2浓度较低。NO2浓度的空间分布表明其分布规律与北京市主要交通干道的分布一致，说明机动车尾气是北京市的NO2的主要贡献者，城区取暖时产生的SO2和NO2也是导致城区浓度较高的原因［12］。

PM2.5浓度和PM10浓度的空间分布趋势大致一样，表明北京近郊区南部浓度最高，城区也较高，北部和西北部较低，从北到南浓度逐步增大。机动车尾气排放、燃煤排放、生物质燃烧和建筑装修扬尘等产生的污染物使得城区颗粒物浓度较高［12］，而“高浓度”南部郊区受周边地区污染物的影响较大，区域大气污染物输送贡献较为明显。

北京市大气污染物空间分布特征与西、北、东三面环山形成的“西北高东南低”的地形地貌，气象条件因素，北京市重工业分布(如位于上风向地区的石景山是聚集了钢铁、发电、水泥等高污染企业的传统重工业区)，机动车尾气排放以及北京边界层外来污染物输送通道密切相关［13］。有关研究表明［13-14］，经过燕山山麓主要污染源群排放区(唐山地区、天津北部、廊坊北部等)燕山山前东风带;经过邢台、邯郸、石家庄、保定等排放源区的太行山前西南风带;经过山东中北部、河北沧州、天津南部及廊坊南部等污染物排放区的华北平原东南风带是北京市外来污染物主要输入通道。污染物输送通道携带的污染物向北京聚汇形成通道型污染，这也与京津冀城市群复合型区域污染日渐突出的环境问题是一致的［15］。

进入秋、冬季节，北方地区地面气温较低，空气中湿度大，且地面风速较小或多为静风，逆温现象较为明显，空气中污染物的扩散能力较差，污染物持续积累，造成北京市空气质量变差。根据北京市11月份各风向出现的频率和对应的平均风速绘制风玫瑰图(图2)，可以看出，北京市主导风向依次为东北风、西南风、西北风和北风，其风向频率分别为24.7%、22.4%、21.0%和15.6%，相应平均风速为2.14、1.91、3.33、3.03 m/s，说明北京市大气污染物“北低南高”空间分布特征受主导风向的影响显著，且北京市风速较小，气温较低，加上频发逆温现象，北京市大气污染较为严重。

2.4 污染物空间特征参数分析

块金效应是指随机因素引起的变异在系统总变异所占的比例。由表2对SO2、NO2、PM10和PM2.5浓度数据进行空间特征拟合分析结果可知，其块金效应分别是29%、24%、7%、4%，均表现很强的空间相关性，即北京市这4种污染物浓度数据的空间变异特征受结构因素的影响大于随机性因素。结构因素主要包括常年主导风向、地形地貌及用地布局分布等，随机因素主要包括风场的随机波动、流动污染源排放的变化等。

图2 北京市11月风向频率(%)、风速(m/s)玫瑰图

各项异性比为长轴与短轴之比，一般认为比值大于1.5，则变量的空间结构为各向异性。拟合结果表明，SO2、NO2和PM2.5的各项异性比均大于1.5，因此它们具有明显的“北低南高”的方向性;PM10的各项异性比为1.29，因此其空间分布无明显的方向性特征。长轴方向角分别为331°、48°、80°、73°，这与流经华北平原3个主要污染排放源的西南气流、东南气流和东风气流风带型相吻合。

变程是指空间相关性的最大距离，在变程范围内样点间的距离越小，其空间相关性越大。根据半变异函数拟合结果，SO2、NO2、PM10和 PM2.5在长轴上的变程为63、58、62、90 km，在短轴上的变程为31、37、48、50 km。可以看出，不同变程反映污染物有不同的空间相关距离，且呈现出各向异性。从变程数值可得出，北京市大气污染物的空间影响范围与天气系统的中尺度相当［16］。

2.5 变程在空气监测网络布点中的应用

研究大气污染物的空间分布特性对于整体把握区域环境空气质量状况和开展监测布点优化十分重要［17］。半变异函数拟合参数变程实际上体现了在某种采样间距下区域化变量存在空间相关性的范围。因此，可以为选取监测布点距离提供参考，一般要求空间抽样样本之间的距离不应大于变异函数的变程，最好取变程的1/4～1/2［14］。

以北京市区域空气质量中PM2.5监测站点设置为例，PM2.5日均浓度数据半变异拟合结果表明，长轴变程变化范围为80～100 km，短轴变程变化范围为30～50 km;PM2.5月均浓度数据拟合结果表明，长轴变程为90 km，短轴变程为50 km。因此，北京市空气质量PM2.5监测布点在长轴方向上的间隔设置宜取20～25 km，短轴方向上布点间隔宜取8～12 km。

3 结论

1)北京市大气污染物 SO2、NO2、PM10和 PM2.5的块金效应值分别是29%、24%、7%和4%，均表现很强的空间相关性，说明北京市大气污染物的空间变异特征受结构因素的影响大于随机因素。北京市地形地貌、秋冬季节主导风向以及气象条件对污染物空间分布情况影响较大。

2)北京市 SO2、NO2、PM10和 PM2.5空间分布具有明显的空间异质性，分布趋势整体呈“北低南高”的变化趋势，浓度较高的区域集中在北京市城区和南部区域。污染物空间分布形势与北京市地形地貌、气候气象条件以及周边地区污染源对北京市的贡献是密不可分的。

3)北京市 SO2、NO2、PM10和 PM2.5在长轴上变程分别为 63、58、62、90 km，在短轴上变程分别为 31、37、48、50 km，相应长轴方位角分别为 331°、48°、80°、73°;SO2、NO2和 PM2.5具有明显方向性;PM10不具有明显方向性特征。北京市大气污染空间分析结果表明空间分布与天气系统的中尺度相当。

4)半变异函数拟合参数变程可为监测布点中间隔距离选取提供理论指导。以北京市区域空气质量中PM2.5监测站点设置为例，建议在空气质量监测布点时监测站点在长轴方向上间隔设置应取20～25 km，短轴方向上布点间隔应为8～12 km。

该研究所收集的数据为2012年北京市冬季开始采暖后1个月的数据，空间分析的结论可能存在局限性。今后研究重点应考虑采用足够多的监测数据(包括O3)进行空间插值分析，同时全面考虑各种大气污染物的实际分布情况和空间变异特征，所制定的监测点位能够尽可能合理、准确、完整地反映整个大空间的污染时空分布和演变规律。

［1］张焱，周永章，李文胜，等．基于矿体三维地质建模的云浮高棖矿区储量计算［J］．金属矿山，2011，415(1):93-97．

［2］Sun B，Zhou S L，Zhao Q G．Evaluation of spatial and temporal changes of soil quality based on geostatistical analysis in the hill region of subtropical China［J］．Geoderma，2003，115:85-99．

［3］刘爱利，王培法，王园园．地统计学概论［M］．北京:科学出版社，2012:2-7．

［4］Matheron G．Principles of geostatistics［J］．Economic Geology，1963，58(8):1 246-1 266．

［5］Wang J．Liu J，Zhuan D，et al．Spatial sampling design for monitoring the area of cultivated land［J］．Taylor＆ Francis Group，2002，23(2):263-284．

［6］Bayraktar H， Turalioglu F S． A Kriging-based approach for locating a sampling site in the assessment of air quality［J］．Stochastic Environmental Research and Risk Assessment，2005，19:301-305．

［7］姚荣江，杨劲松．黄河三角洲土壤盐分空间变异性与合理性采样数研究［J］．水土保持学报，2006，20(6):89-94．

［8］李伟，庆祥，志红．用Kriging方法对中国历史气温数据插值可行性讨论［J］．南京气象学院学报，2007，30(2):246-252．

［9］张润杰，周强，陈翠贤，等．普通克里格法在昆虫生态学中的应用［J］．应用生态学报，2003，14(1):90-92．

［10］王郁，候青．2000—2010年北京空气持续污染特征研究［J］．高原气象，2012，31(6):1 675-1 681．

［11］孙雪丽，程水源，陈东升．区域污染对北京市采暖期SO2污染的影响分析［J］．安全与环境学报，2006，6(5):83-87．

［12］郝吉明，王丽涛，李林，等．北京市能源相关大气污染源的贡献率和调控对策分析［J］．中国科学:D辑，2005，35(Ⅰ):115-122．

［13］苏福庆，高庆先，张志刚，等．北京边界层外来污染物输送通道［J］．环境科学研究，2004，17(1):26-29．

［14］苏福庆，任陈海，高庆先，等．北京及华北平原边界层大气中污染物汇聚系统［J］．环境科学研究，2004，17(1):21-25．

［15］郭隆．解决区域大气污染亟须联防联控［J］．北京观察，2013(8):14-16．

［16］张玉玲．中尺度大气动力学引论［M］．北京:中国气象出版社，1999:7-22．

［17］Wang J F，Li L F，George C．Sampling and Kriging Spatial Means:Efficiency and Conditions［J］．Sensors(Basel)，2009，9:5 224-5 240．