苏州初夏大气中可吸入颗粒物的时空分布特点

2016-01-15牟子平

环境科学导刊 2015年4期

关键词：居民区工业区功能区

郭　卉，牟子平

(苏州科技学院环境科学与工程学院，江苏苏州 215011)

苏州初夏大气中可吸入颗粒物的时空分布特点

郭卉，牟子平

(苏州科技学院环境科学与工程学院，江苏苏州 215011)

摘要：利用苏州市2014年4月18日—5月6日空气质量监测资料，分析了苏州市大气中PM10和PM2.5的小时变化规律、日变化规律及其与温度、风速的气象相关性，研究其在空间上的分布，探讨PM10和PM2.5之间的相关性。结果表明：苏州市大气中PM10每小时质量浓度呈双峰分布，上午8∶00左右和下午20∶00左右出现峰值特征，而PM2.5每小时质量浓度呈单峰分布，只在上午8∶00左右出现峰值。PM10和PM2.5的每日变化规律相似，有周期性且周期为3～4d。在空间分布上，PM10质量浓度从高到低的排列顺序是：商业混合区>居民区>工业区>交通干线>远郊区，PM2.5质量浓度为：工业区>交通干线>居民区>商业混合区>远郊区。PM10和PM2.5两者之间存在显著相关性。

关键词：PM2.5质量浓度；PM10质量浓度；大气污染研究；变化特征；时空分布特点；苏州

PM10指环境空气中空气动力学当量直径≤10μm的颗粒物，也称可吸入颗粒物[1]，其来源主要是化石燃料的燃烧、工农业生产活动等人为的活动和地表的扬尘、海洋的飞沫、火山尘等天然的过程及二次气溶胶粒子等非均相化学反应过程等[2]；PM2.5指环境空气中空气动力学当量直径≤2.5μm的颗粒物，也称细颗粒物[1]。PM10能长时间在空气中悬浮不沉降，是大气中有害物质的载体，一般通过呼吸道进入人体，给人体带来高于单一污染物的危害。由于PM2.5的粒径比PM10的更细小，对人体的危害更大。PM2.5可以进入人体肺部，在肺泡中沉积，并进入血液循环。国外大量流行病学研究资料显示，PM10和PM2.5浓度的上升与疾病的发病率、呼吸器官疾病发病率、心血管系统疾病发病率甚至死亡率之间都有着密切的关系[3-8]。

苏州作为苏南地区的工业中心，日益发展的经济和逐渐被破坏的资源环境的矛盾越来越尖锐。据统计,2013年间苏州空气质量为：41d优，211d良，71d轻度污染，20d中度污染， 18d重度污染，2d严重污染，超标天数比例为30.6%。其中共有152d出现霾天气[9]。除了远距离传输和工业排放的颗粒物外，在空气中的颗粒物主要来源于交通。苏州24h PM10和PM2.5的变化特征与机动车流量和气象条件有关，机动车排放的污染物对它的影响和贡献很大。此外，苏州市的工业粉尘污染对空气影响也比较大，这是因为其有组织排放源多，但治理水平低下，无组织排放源分布广，治理难度大。苏州在初夏时节气候相对比较干燥，降雨量少，不利于聚集在大气中的可吸入颗粒物的扩散。本研究分析探讨了初夏季节苏州大气中可吸入颗粒物的分布特点，希望为大气污染防治提供参考。

1研究数据与获取方法

1.1监测点位

本文采用苏州市环保局网站中苏州市环境空气质量信息发布系统(http://222.92.77.250/huimaiGis/)公布的如图1所示的20个长期定点自动监测子站的监测数据，其中包括彩香、轧钢厂、南门、上方山(清洁对照点)、吴中区环保局(下简称吴中区)、苏州新区实验中学(下简称新区)、苏州工业园区星海学校(下简称工业园区)、相城区、吴江环保局、吴江进修学校、吴江开发区、常熟海虞、常熟菱塘、常熟兴福、太仓监测站、太仓科教新城实小、昆山实验小学、昆山震川中学、张家港监测站和张家港城北小学。该系统对苏州市市内及其4个县级市的环境空气开展例行监测，采用地面自动监测系统进行24h连续监测。

1.2空间分布

依据PM2.5和PM10在空间上分布的不同，将苏州20个监测点按照所在位置的功能区分为5类：交通干线区、工业区、商业混合区、居民区和远郊区，详见表1。

表1　按监测点所在位置的功能区分类

功能区交通干线工业区商业混合区居住区远郊区监测点彩香南门工业园区高新区吴中区相城区轧钢厂上方山,吴江环保局,吴江进修学校,吴江开发区,常熟海虞,常熟菱塘,常熟兴福,太仓监测站,太仓科教新城实小,昆山实验小学,昆山震川中学,张家港市监测站,张家港城北小学

表2　各功能区PM10监测情况

2结果与讨论

2.1PM10的变化特征及其影响因素

在5组监测点中,商业混合区和居民区大气环境中的颗粒物PM10的污染非常严重, 其他区中以远郊区的污染最为严重。由此可知, 苏州大气中PM10的污染不容乐观。在空间分布上, 5组PM10污染情况基本为工业区<交通干线<远郊区<居民区<商业混合区。商业混合区PM10的污染最为严重，主要是由于商业混合区人流量大,导致机动车流量也大，排出的尾气和载气带来的地表灰尘多。远郊区大气中PM10的浓度应该是相对于其它功能区最低的，但却不尽然，这说明远郊区也要重视控制大气污染的工作。虽然苏州的工业园区中有各种工厂，排放的废气可能含有大量PM10, 煤和其他化石燃料的不完全燃烧也排放大量的PM10，但是由于苏州对工业园区内各厂的排污要求比较高，所以苏州工业区大气的PM10污染并没有想象中的严重。在交通干线区,虽然大气中PM10的污染并不算特别厉害，但也不能忽视。

2.1.1PM10日平均浓度变化规律

图2显示，五个功能区的PM10质量浓度走势在这19d 基本相同，但浓度有一定的差异。商业混合区和居民区的PM10质量浓度高于其他功能区，这是因为这两个功能区的人为作用比较大，影响因素多且复杂，导致质量浓度变化较大。剩下三个功能区每天的PM10质量浓度相似，只有几天的浓度值不同；所有功能区监测点的波动性都比较大。在5月2日这天，所有功能区的PM10质量浓度值相对于前后几天有明显的上升，PM10的上升幅度在1～2倍，全部功能区的PM10浓度都超过了《环境空气质量标准》的二级标准，这是由于5月1日—3日是五一小长假，出行的人数增多,导致车辆行驶增加，所以PM10浓度上升，由此也可以看出PM10的浓度与交通正相关。

2.1.2PM10小时平均浓度变化规律

以时间为横坐标，PM10的每小时平均质量浓度为纵坐标绘制成图，获得各功能区每小时平均浓度变化曲线(图3)。远郊区PM10每小时平均浓度走势相较其他地区比较平缓，其余四个功能区的走势基本相似，而且都有两个峰值，基本都是前一个峰值(8∶00-10∶00)比后一个峰值(20∶00-22∶00)低1/2，在早上9∶00左右，其质量浓度达到一个峰值，然后开始下降，并在夜间21∶00左右，其质量浓度达到另一个峰值，此后其质量浓度又开始下降，到次日3∶00左右下降到比较低的值，呈现较明显的双峰变化趋势。由于商业混合区和居民区人流比较大，情况比较复杂，导致PM10排放的因素较多，所以质量浓度高于其它功能区。交通干线是由于平日车流量大，汽车尾气的排放量大，所以PM10的浓度高。工业区相对其他功能区，政府在治理上更容易，且监控也比较方便，所以相对的，PM10的质量浓度较低。

2.1.3PM10特殊日期分析

由于2014年5月1日—3日为国家法定假日，出行的人相对平时较多，车辆的行驶也相应增加，所以在此期间PM10的质量浓度明显上升，并且远大于前几天的平均值。从图2可以看出，五一期间这20个监测点的PM10浓度无一例外比五一前后明显增大0.5～1倍，说明汽车尾气、马路扬尘等交通污染对PM10浓度有较大的影响。

2.2PM2.5的变化特征及其影响因素

PM2.5污染的空间分布与PM10不尽相同。从表3可以看出, PM2. 5污染情况基本为远郊区<交通干线<商业混合区<居民区<工业区。相比于PM10，苏州工业区的PM2.5浓度最大，这是由于工业区受到了化石燃料燃烧产生的影响，说明工业园区对于工厂排放含粒径<10μm颗粒物的气体的整治效果比较好，但对控制工厂对大气排放含粒径<2.5μm颗粒物的气体的效果就相对较差。与PM10相比, 居民区的PM2.5质量浓度高于商业混合区PM2. 5质量浓度，这可能是由于在居民区除了车辆较多, 车辆排放的尾气多之外，居民区本身也比较拥挤，人流量比较大，车流量自然也就相对大起来，所以污染程度就重；而交通干线PM2.5的污染主要是由于大量车辆排放的尾气；远郊区的PM2.5浓度是5个功能区内最低的，相对于其它功能区，远郊区的车流量没有这么大，空气质量相对较好，但也需要重视。

表3　各功能区PM2.5监测情况

2.2.1PM2.5日平均浓度变化规律

图4显示，工业区处的PM2.5质量浓度高于其他功能区，其次是居民区，最低的是远郊区。5个功能区的PM2.5质量浓度波动都比较大,变化的趋势也比较相似，这可能是与气象因素有关。由于工业区的工厂较多，排放含PM2.5微粒的气体，所以工业区PM2.5较高；居民区相对其他区影响因素多且复杂, 导致质量浓度也较大；其他功能区质量浓度基本相似；远郊区的质量浓度最低，是由于远郊区相对于其他区域人流量不大，环境比较单一，所以PM2.5的质量浓度最低。

2.2.2PM2.5小时平均浓度变化规律

以时间为横坐标，PM2.5的每小时平均质量浓度为纵坐标绘制成图，可得各功能区每小时平均浓度变化曲线，见图5。

由图5可以看出，远郊区PM10每小时平均浓度走势较其他地区比较平缓，其余四个功能区的走势基本相似，而且都只有1个峰值，该峰值在 8∶00左右，随后其质量浓度开始下降，到17∶00左右下降到最小值，又开始上升，而且在夜间上升的幅度比较小，曲线趋向于平缓，呈现较明显的单峰变化趋势。工业区比其他区的PM2.5质量浓度都高，这是因为工业区内的工厂比较多，工厂在作业过程中，如化石燃烧等会产生大量的PM2.5。交通干线、商业混合区、居民区PM2.5的质量浓度不管是走势还是值都差不多，这是因为商业混合区、居民区的人流比较大，交通干线的车流量也大，所以PM2.5的质量浓度比远郊区的要高。

2.3PM10和PM2.5日均浓度与温度、风力的关系

将苏州的日均PM10和PM2.5质量浓度、温度和风力综合分析，利用SPSS计算得PM10和PM2.5与温度和湿度的Pearson相关系数如表4所示。

从表4可以看出，PM10与温度和风力在0.01的置信水平上(双尾)显著相关，并且PM10与温度呈正相关，与风力呈负相关。PM10与温度的相关性达到0.679，说明大气温度对PM10的影响非常显著。PM2.5与温度和风力在0.01的置信水平上(双尾)显著相关，并且PM2.5与温度呈正相关，与风力呈负相关。PM2.5与风力的相关性在-0.521，说明风力对PM2.5的影响比较显著，但温度对PM2.5的影响并不是特别显著。

表4　PM10和PM2.5分别与温度、风速的Pearson相关系数

注：*表示在0.01的置信水平上(双尾)相关性显著。

注：**表示在0.01的置信水平上(双尾)相关性显著。

2.4PM10和PM2.5统计相关性检验

以苏州功能区为例，研究苏州PM2.5和PM10的相关性。运用统计分析软件SPSS对收集的5组功能区数据进行统计分析，得出Pearson简单相关系数如表5所示。交通干线、工业区、商业混合区、居民区、远郊区的PM2.5和PM10呈显著相关性，而且全部都呈正相关性，所有PM2.5和PM10的相关系数都在0.76以上，说明所有功能区的PM2.5和PM10的质量浓度都具有一定相关性。

2.5PM10和PM2.5回归分析

以PM2.5作为因变量，将5个功能区的大气颗粒物PM10和PM2.5的日质量浓度做线性回归，结果如图6～图10所示。

交通干线、工业区、商业混合区、居民区和远郊区的回归方程分别是PM2.5=0.457×PM10(t值为5.037，P=0<0.05)、PM2.5=0.463×PM10(t值为4.866，P=0<0.05)、PM2.5=0.425×PM10(t值为7.186，P=0<0.05)、PM2.5=0.419×PM10(t值为6.224，P=0<0.05)、PM2.5=0.450×PM10(t值为7.104，P=0<0.05)，PM2.5对PM10的载荷分别为45.70%、46.30%、42.50%、45.7%、45.00%，回归分析结果说明所有功能区的可吸入颗粒物都以PM10为主，但是PM2.5和PM10的比例相差并不大，所以苏州环保部门应该对两种颗粒物都加以控制。

3 结论

本文以江苏省苏州市监测站所监测的大气颗粒物PM10和PM2.5的数据为研究对象，对影响其日平均质量浓度变化，每小时平均质量浓度变化，空间分布等因素进行分析研究，得出如下结论：

(1) 2014年4月18日—5月6日，苏州大气中的PM10和PM2.5日平均质量浓度分别为：0.082mg/m3、0.050mg/m3。在20个监测点中，有6个监测点的PM10超标了2d，10个监测点超标了1d，只有4个监测点没有超标；只有2个监测点的PM2.5没有超标，5个监测点超标了1d，7个监测点超标了2d，5个监测点超标了3d，有1个监测点超标了4d。可以看出空气中细颗粒物污染比较严重。

(2) PM10的每小时质量浓度变化呈双峰分布，分别处在上午8∶00-10∶00以及下午20∶00-22∶00两个时间段；PM2.5的每小时质量浓度日变化基本呈单峰分布，其峰值在早上8∶00-10∶00，然后其质量浓度开始下降，到下午17∶00左右达到最低值，继而又开始上升。PM10和PM2.5的日平均浓度变化都呈周期性变化，周期约为3～4d。

(3) PM10和PM2.5质量浓度超标基本上都聚集在劳动节小长假5月1日—5月3日。五一长假外出人数比较多，人流量大，车流量大，造成PM10和PM2.5的排放增大，导致其超标，说明PM10和PM2.5的污染源之一是汽车排放。

(4) 苏州大气中的PM10和PM2.5都存在一定的空间分布规律。PM10质量浓度从高到底为：商业混合区>居民区>工业区>交通干线>远郊区；PM2.5质量浓度从高到底为：工业区>交通干线>居民区>商业混合区>远郊区。可以看出PM10和PM2.5的空间分布不相同。

(5) PM10和PM2.5的质量浓度变化都与气象条件有关。PM10和PM2.5的质量浓度变化都与风力呈负相关，与温度呈正相关，而且PM10与温度的Pearson相关性达到0.679，说明其与温度相关性非常显著，风力和温度是影响PM10和PM2.5质量浓度的因素之一。

(6) PM10和PM2.5两者存在显著的相关性，且苏州大气污染以PM10为主，但PM2.5的质量浓度比例有增加的趋势。

参考文献：

[1]国家环保局.GB3095-2012中华人民共和国国家标准环境客气质量标准[S].北京：中国环境科学出版社，2012.

[2] 余晔，夏敦胜，陈雷华，等.兰州市PM10污染变化特征及其成因分析[J].环境科学，2010,31(1)：22-28.

[3] DNANY H，OSCAR B，GERARD H，et al. PM10and PM2.5concentrations in Central and Eastern Europe: results from the CESAR study[J]. Atmospheric Environment,2001(35)：2757-2771．

[4] Dockery D W，Pope C A III，Xu X，et al． An association between air pollution and mortality in six u. s. cities [J]. N Engl J Med, 1993(329): 1753-1759．

[5] Pope C A, Thun M J, Namboodlrl M M，et al. Particulate air pollution as a predictor of mortality in a prospective study of u. s. adults[J]. Am J Respir Crit Care Med,1995(151): 669-674．

[6] Victor H，Borjab A，Margarita C, et al. Mortality and ambient fine particles in southwest Mexico city，1993 -1995[J]. Environmental Health Perspectlves, 1998,106(12): 849-854．

[7] Hornberg C，Maciulevlclute L，Seemayer N H，et al． Induction of sister chromatid exchanges(SCE) in human tracheal epithelial cells by the fractions PM10 and PM2.5 of airborne particulates[J]. Toxicol Lett，1998(96/97):215-220．

[8] Arden P C，Randy W H，Martln G V． Particulate air pollution and daily mortality on Utah’s wasatch front[J]． Environmental Health Perspectives，1999, 107(7):567-573．

[9] 杨翼，蒋琪. 苏州2013年空气质量情况：超标天数比例为30.6%[EB/OL]. http://env.people.com.cn/n/2013/1231/c1010-23986283.html

The Characteristics of Temporal and Spatial Distribution of Inhalable Particles

in the Atmosphere of Early Summer in Suzhou City

GUO Hui, MOUZi-ping

(School of Environmental Science and Engineering, Suzhou University of Science and

Technology, Suzhou Jiangsu 215011 ,China)

Abstract：The changes of hourly PM10and PM2.5in the air every day and their correlations with weather in Suzhou were analyzed using the data of air quality in Suzhou City from April 18th to May 6th in 2014. Their distribution was explored as well as the correlation between PM10and PM2.5. The results showed that there were two peaks of hourly PM10every day. The first peak appeared about 8∶00 am and the second happened around 8∶00 pm. So it was bimodal. However, the hourly PM2.5concentration was unimodal since only one peak appeared about 8∶00 am. The changes of daily PM10and PM2.5were similar. They were periodic during the period of 3-4d. In addition, the spatial distribution of PM10was in the order of business mixing zone> residential> industrial zone> transportation Route> outer suburbs. Nevertheless, the spatial distribution of PM2.5was in the order of industrial zone> transportation route> residential> business mixing zone> outer suburbs. PM10and PM2.5indicated a significant correlation.

Key words：PM10concentration；PM2.5concentration；air pollution; variation characteristics; Suzhou