基于地面监测数据的2014年京津冀地区PM2.5时空分布研究*

张云芝 阿拉腾·图娅 戴昭鑫 董 昱

(1.内蒙古师范大学地理科学学院，内蒙古 呼和浩特 010022；2.中国科学院地理科学与资源研究所，北京 100101)

基于地面监测数据的2014年京津冀地区PM2.5时空分布研究*

张云芝1,2阿拉腾·图娅1#戴昭鑫2董 昱2

(1.内蒙古师范大学地理科学学院，内蒙古 呼和浩特 010022；2.中国科学院地理科学与资源研究所，北京 100101)

近几年来，京津冀地区灰霾天气频发，PM2.5污染问题日益突出。基于2014年京津冀地区及周边缓冲区内共156个国家空气质量监测站点的PM2.5逐时监测数据，运用克里金插值法，从年、季、月尺度上分析了PM2.5的空间区域分布和时间动态变化。结果表明：(1)2014年京津冀地区PM2.5浓度空间分布明显呈现整体南高北低，局部地区略有突出的分布特征；京津冀地区PM2.5年均值为78.80 μg/m3；PM2.5年均值由高到低依次为河北省(83.85 μg/m3)、天津市(78.52 μg/m3)、北京市(74.04 μg/m3)。(2)季节尺度上，PM2.5浓度变化表现出秋冬季高，春夏季低的变化趋势，与区域内冬季取暖、化石燃料的燃烧和燃煤关系密切。(3)京津冀地区PM2.5月均浓度变化大致呈U形分布，1—2月PM2.5浓度相对最高，3月后开始呈逐步下降趋势，5—9月区域PM2.5处于U形谷底，而10月后迅速攀升，并持续保持高值。

PM2.5地面监测 空间区域分布 时间动态变化 京津冀地区

近年来，伴随中国工业经济的持续、高速发展，各地区燃烧大量化石燃料，机动车尾气排放急剧攀升，造成我国大部分城市和地区普遍出现了空气质量严重恶化的现象[1]。如2013年1月，全国出现了4次较大范围的灰霾天气过程，有30个省(市、自治区)出现灰霾天气[2]；2014年2月22日，全国超过80万km2的国土呈现持续重度污染状态。引起上述环境问题的首要污染物是大气颗粒物[3-5]。京津冀地区是与长三角、珠三角并立的中国经济3个增长极之一。由于京津冀地区特殊的政治区位特点，其经济社会及环境问题具有特殊意义[6]。过去十余年来，该地区环境污染物排放呈现高度集中态势[7],无论从污染发生频率还是严重程度来看，京津冀地区灰霾天气都较为突出，是我国大气污染的重灾区。国家环境保护部的监测表明，2014年全国空气最差的10个城市中，京津冀地区占据8席。京津冀地区严重的大气污染不仅对人们的身体健康造成极大威胁[8]，同时对区域工业生产、交通运输等造成了不利影响。

当前，国内外已经有相当数量的关于大气灰霾格局、变化、成因和机制的研究。文献调研表明：大尺度区域上的灰霾空间分布特征研究多是基于遥感反演，如郭建平等[9]利用中分辨率成像光谱仪(MODIS)/Terra气溶胶光学厚度(AOD)产品对中国东部地区进行了模拟，并利用5个地面监测站点数据进行验证；傅为[10]利用MODIS L1B数据反演AOD，并基于同一时间段PM10小时均值数据，应用线性模型开展拟合模拟。王晶杰等[11]利用MODIS数据及SARA算法对京津冀及临近地区污染过程中的气溶胶进行遥感反演，并利用13个地面监测站点数据进行验证分析。徐祥德等[12]利用2003年1—2月MODIS遥感AOD数据，结合10个地面监测站点的PM10浓度进行北京市及周边城市气溶胶空间分布分析。基于地面站点的这类研究主要聚焦于北京市[13]345-353,[14-15]，如赵越等[16]利用2002年7月至2003年6月二十多个监测站点的PM10数据，分析了北京市PM10的浓度水平和地域分布特征。但是，在京津冀地区，基于长时间序列地面观测数据的PM2.5空间分布特征和动态变化的研究比较缺乏。

为此，本研究基于环境保护部2014年地面大气质量监测站点数据，应用地理信息系统(GIS)空间插值和空间统计、分析技术，对京津冀地区PM2.5空间分布特征和动态变化进行了分析。该研究有助于增强对京津冀地区PM2.5空间分布和动态变化的认知，为卫星遥感反演大气灰霾实验和产品生产提供地面验证资料，为当地政府大气污染治理提供决策依据。

1 数据与方法

1.1 数据来源

本研究数据来源于中国环境监测总站PM2.5逐时监测数据。2013年后，京津冀地区共设置了79个国家级空气质量监测站点。为减小空间插值过程中可能的边缘效应，研究还使用了京津冀周边一定缓冲区范围内的其他77个国家级空气质量监测站点数据。全部156个监测站点的空间分布如图1所示。在时间上，由于2013年大部分地面监测站点运行尚不规范，该年的监测数据中有不少缺失项。因此，本研究仅使用了2014年全年的监测数据。

1.2 数据处理与分析

数据预处理：156个监测站点每日有24个PM2.5空间插值：将点尺度数据向面尺度信息转换的最佳方法即为空间插值。具体方法很多，如：反距离加权法(IDW)、样条函数插值法(Spline)、克里金插值法等[17]。晏星等[18]在大气污染要素空间插值方法的研究表明：与其他方法相比，克里金插值法更灵活，且能够充分利用数据探索性工具，有效提高空间插值分析的效率，对正态数据的预测精度较高，其结果具有空间二阶平稳性[19-22]。本研究在ArcGIS软件支持下，应用克里金插值法，实现了对研究区PM2.5浓度空间分布的空间插值。

图1 空气质量监测站点分布Fig.1 The spatial distribution of air quality monitoring stations

监测数据，则研究区在2014年大约共有137万个监测数据，手动处理或半自动化处理几乎不可能。为此，应用Python科学计算语言编程，快速计算每个站点PM2.5浓度的日均值、月均值、季均值、年均值等4个指标。

2 结果分析

2.1 年尺度PM2.5空间分布

2014年，京津冀地区PM2.5年平均浓度在空间上的插值结果如图2所示。京津冀地区PM2.5年均浓度呈现整体南高北低，局部地区略有突出的大格局。南部的保定市、石家庄市、邢台市、邯郸市等4个地级市的PM2.5年均质量浓度大致在95 μg/m3以上；而北部的张家口市、承德市、秦皇岛市等3个地级市的PM2.5年均质量浓度大致在70 μg/m3以下；而中东部的唐山市与周边地区相比，其PM2.5年均质量浓度较高，为80～115 μg/m3。

图2 京津冀地区2014年PM2.5空间分布Fig.2 The spatial pattern of annual PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014

从地区角度上看，2014年京津冀地区的PM2.5浓度均超过了《环境空气质量标准》(GB 3095—2012)二级标准年平均限值(35 μg/m3)。其中，河北省PM2.5年均值最高，为83.85 μg/m3；其次为天津市，其PM2.5年均值为78.52 μg/m3；北京市PM2.5年均值最低，为74.04 μg/m3。整个京津冀地区的PM2.5年均值为78.80 μg/m3，远超过GB 3095—2012二级标准年平均限值，说明京津冀地区的大气质量较恶劣。

导致京津冀地区空气质量恶劣的原因主要有：(1)能源消耗量大、污染排放强度高。京津冀地区(特别是河北省)集聚了大量水泥、钢铁、炼油、石化等“三高”(高耗能、高污染、高排放)企业，由此导致化石燃料消耗量大，大气污染极为严重[23]。(2)地形气候因素影响较大。京津冀地区整体呈现西北高、东南低的地形特点。北风由北向南依次刮过京津冀地区，华北平原中南部成为空气污染扩散的下风向，京津冀东南平原区全年风速较小、不利于污染物的扩散[24]，导致石家庄市、邢台市、邯郸市等地污染较为严重。

2.2 季节尺度PM2.5空间分布和变化

京津冀地区PM2.5各季节平均浓度在空间上的插值结果如图3所示。其中，冬季为2014年1月、2月和12月，春季为3—5月，夏季为6—8月，秋季为9—11月。

从PM2.5的空间区域分布上看，京津冀地区季节尺度与年尺度上的PM2.5空间区域分布格局相似。夏季PM2.5浓度的空间梯度相对较小；但是在春、秋、冬3季，PM2.5浓度的空间梯度变化较显著，空间区域分布格局特点也更明显。

从季节动态上看：京津冀地区PM2.5浓度明显呈现秋冬季高、春夏季低的年内变化趋势，与田谧[25]的研究结果一致。冬季PM2.5平均质量浓度明显高于其他3个季节，达到104.88 μg/m3；秋季PM2.5平均质量浓度水平次于冬季，为82.40 μg/m3；春季和夏季PM2.5平均质量浓度分别为74.43、60.19 μg/m3。冬季与夏季的PM2.5差值较大，为44.69 μg/m3。

上述季节变化主要受季节性污染源及气候条件影响。秋冬季为京津冀地区采暖期，工业锅炉和采暖锅炉排放的煤烟型污染物显著增加；同时冬季大气层较稳定，逆温出现的频率和强度高，持续时间长，这样的气候条件不利于污染物稀释扩散[26-27]。春季气候干燥，多风少雨，具备扬尘条件，故PM2.5浓度相对夏季较高；夏季温度上升、大气稳定度降低且降雨集中，均有利于大气污染物扩散、湿沉降和稀释[13]347-348。

2.3 月尺度PM2.5空间分布和变化

京津冀地区2014年1—12月各月PM2.5浓度的空间分布如图4所示。

从PM2.5的空间分布上看，京津冀地区春末到秋初(5—9月)PM2.5浓度空间梯度变化不大；但在其他月份，PM2.5浓度的空间梯度变化显著，相比5—9月，与年尺度上PM2.5空间分布格局更相似。

根据京津冀地区PM2.5逐月变化趋势(见图5)可以看出，京津冀地区PM2.5月均浓度变化大致呈U形分布。1—2月PM2.5浓度相对最高；3月起受春季大风增多、地表温度逐步升高、地表植被逐渐茂盛等因素影响，大气PM2.5浓度开始呈逐步下降趋势；在5—9月，PM2.5处于U形的谷底，但在7月，京津冀地区PM2.5出现了局部的峰值，这可能与夏季多发性雾霾天气有关[28-29]；大气PM2.5浓度在10月迅速攀升，并长期居高不下，这与京津冀地区气候条件、采暖期到来有很大关系。

图3 京津冀地区各季节PM2.5分布格局Fig.3 The spatial patterns of seasonal PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014

需要注意的是，北京市大气PM2.5浓度在2014年11—12月出现了明显的下降，这与天津市、河北省在同一时期PM2.5处于高值且基本保持稳定的情况有显著不同。究其原因，一方面可能与当时的气象条件有关，北京市在11—12月出现了累计16次3～5级大风天气及10次5～6级大风天气(根据北京市天气网记录统计)；另一方面，可能也与当时北京市及整个华北地区为筹备亚洲太平洋经济合作组织(APEC)会议而大力限排、限放等环境治理措施有密切关系[30-32]。归根结底，北京市在11—12月PM2.5浓度降低是气象条件和人为努力共同作用的结果[33]。

图4 京津冀地区PM2.5月均浓度空间分布Fig.4 The spatial patterns of monthly PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014

图4 京津冀地区PM2.5月均浓度空间分布(续)Fig.4 The spatial patterns of monthly PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014 (cont.)

图5 京津冀地区PM2.5逐月动态变化Fig.5 The monthly changes of PM2.5 concentration in the Beijing-Tianjin-Hebei region in 2014

3 讨 论

本研究涉及北京市、天津市与河北省3个省市，范围较广、面积较大，大气质量监测站点的数量相对较少且主要分布在城市建成区内；同时，大气颗粒物的运移机制极其复杂[34-35]。因此，本研究基于GIS空间插值的研究结果可能会存在误差，基于空间统计方法所得的区域成果不一定能与地区真实水平完全一致。但总体而言，基于GIS的空间插值方法提供了认识区域PM2.5空间分布特点的途径，基于GIS的空间统计方法提供了判别区域PM2.5水平的基础资料，这对于大气污染物遥感模型反演、产品验证以及地方政府开展环境治理决策等具有重要的现实意义。

未来研究中，可以考虑结合地表特征参数(如数字高程模型(DEM)高度、地表粗糙度等)和气象条件(风向、风力、空气湿度、地表温度等)等辅助参数，运用带协变量的空间插值方法(如ANUSPLIN模型)开展空间插值，由此得到更加可信的区域PM2.5空间分布成果。同时，在长期数据积累的前提下，运用长时间序列PM10、PM2.5、SO2等监测数据，开展更加细致的日尺度、时尺度动态分析，并将它们与区域经济社会发展模式、工业经济发展技术、人们日常生活行为等开展关联分析，可为大气污染动力模拟提供参数，为大气环境治理工作的具体举措提供依据。

4 结 论

(1) 2014年京津冀地区大气PM2.5年均值为78.80 μg/m3。其中，河北省大气PM2.5年均值最高，为83.85 μg/m3，其次为天津市，大气PM2.5年均值为78.52 μg/m3，北京市PM2.5年均值为74.04 μg/m3，均超过GB 3095—2012二级标准年平均限值，大气质量较为恶劣。这可能与区域产业结构偏向“三高”企业有密切关系，同时与区域地势特点和气象条件也有关系。

(2) 京津冀地区大气PM2.5浓度整体呈现南高北低，局部地区略有突出的特点。在季节尺度上，以冬季的PM2.5浓度水平较高，梯度变化最大，格局特点最为明显；夏季的PM2.5浓度水平整体较低，梯度变化最小。季节上的动态变化特征与不同时期的大气条件、生态系统状况等有密切关系。

(3) 2014年，京津冀地区大气PM2.5月均值变化大致呈U形分布。1—2月PM2.5浓度相对最高；3月起，PM2.5浓度开始呈逐步下降趋势；在5—9月，PM2.5处于U形的谷底；10月起，PM2.5迅速攀升，并长期居高不下。其中，北京市大气PM2.5浓度在2014年11—12月出现显著下降，这与周边地区PM2.5的月变化态势明显不同，可能是气象条件和人为努力共同作用的结果。

[1] 赵晨曦，王云琦，王玉杰，等．北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系[J]．环境科学，2014，35(2)：418-427．

[2] 孙志豪，崔燕平．PM2.5对人体健康影响研究概述[J]．环境科技，2013，26(4)：75-78．

[3] HUANG Desheng,XU Jianhua,ZHANG Shiqiu.Valuing the health risks of particulate air pollution in the Pearl River Delta,China[J].Environmental Science & Policy,2012,15(1):38-47.

[4] 任阵海，万本太，苏福庆，等．当前我国大气环境质量的几个特征[J]．环境科学研究，2004，17(1)：1-6．

[5] 严刚,燕丽.“十二五”我国大气颗粒物污染防治对策[J].环境与可持续发展,2011(5):20-23.

[6] 常纪文，汤方晴．京津冀一体化发展的环境法治保障措施[J]．环境保护，2014，42(17)：26-29．

[7] 白鹤鸣．京津冀地区空气污染时空分布研究[D]．南京：南京信息工程大学，2013．

[8] WANG Jun,HU Zimei,CHEN Yuanyuan,et al.Contamination characteristics and possible sources of PM10and PM2.5in different functional areas of Shanghai,China[J].Atmospheric Environment,2013,68(2):221-229.

[9] 郭建平，吴业荣，张小曳，等．BP网络框架下MODIS气溶胶光学厚度产品估算中国东部PM2.5[J]．环境科学，2013，34(3)：817-825．

[10] 傅为．基于MODIS气溶胶光学厚度反演的PM10浓度监测[D]．长沙：中南大学，2009．

[11] 王晶杰，李琦，冯逍，等．京津冀地区污染过程的气溶胶遥感反演[J]．测绘科学，2015，40(2)：78-83．

[12] 徐祥德，施晓晖，张胜军，等．北京及周边城市群落气溶胶影响域及其相关气候效应[J]．科学通报，2005，50(22)：2522-2530．

[13] 陈媛，岑况，NORRA S，等．北京市区大气气溶胶PM2.5污染特征及颗粒物溯源与追踪分析[J]．现代地质，2010，24(2)．

[14] 赵秀娟，蒲维维，孟伟，等．北京地区秋季雾霾天PM2.5污染与气溶胶光学特征分析[J]．环境科学，2013，34(2)：416-423．

[15] 王占山，李云婷，陈添，等．2013年北京市PM2.5的时空分布[J]．地理学报，2015，70(1)：110-120．

[16] 赵越，潘钧，张红远，等．北京地区大气中可吸入颗粒物的污染现状分析[J]．环境科学研究，2004，17(1)：67-69．

[17] 潘耀忠，龚道溢，邓磊，等．基于DEM的中国陆地多年平均温度插值方法[J]．地理学报，2004，59(3)：366-374．

[18] 晏星，马小龙，赵文慧．基于不同插值方法的PM1污染物浓度研究[J]．测绘，2010，33(4)：172-175．

[19] CATTLE J A,MCBRATNEY A,MINASNY B.Kriging method evaluation for assessing the spatial distribution of urban soil lead contamination[J].Journal of Environmental Quality,2002,31(5):1576-1588.

[20] WANG X J,ZHENG Y,LIU R M,et al.Kriging and PAH pollution assessment in the topsoil of Tianjin area[J] Bulletin of Environmental Contamination and Toxicology,2003,71(1):189-195.

[21] 姜成晟，王劲峰，曹志冬．地理空间抽样理论研究综述[J]．地理学报，2009，64(3)：368-380．

[22] 林忠辉，莫兴国，李宏轩，等．中国陆地区域气象要素的空间插值[J]．地理学报，2002，57(1)：47-56．

[23] 王跃思，张军科，王莉莉，等．京津冀区域大气霾污染研究意义、现状及展望[J]．地球科学进展，2014，29(3)：388-396．

[24] 郑晓霞，李令军，赵文吉，等．京津冀地区大气NO2污染特征研究[J]．生态环境学报，2014，23(12)：1938-1945．

[25] 田谧．京津冀地区霾污染过程大气PM2.5及前体物变化特征研究[D]．北京：北京化工大学，2013．

[26] SUN Yele,ZHUANG Guoshun,WANG Ying,et al.The air-borne particulate pollution in Beijing - concentration,composition,distribution and sources[J].Atmospheric Environment,2004,38(35):5991-6004.

[27] XU Xiangde,SHI Xiaohui,XIE Lian,et al.Spatial character of the gaseous and particulate state compound correlation of urban atmospheric pollution in winter and summer[J].Science China Series D (Earth Sciences),2005,48(Suppl.2):64-79.

[28] 马雁军，刘宁微，洪也，等．2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响[J]．环境科学学报，2012，32(5)：1160-1167．

[29] 徐文帅，李云婷，孙瑞雯，等．典型沙尘回流天气过程对北京市空气质量影响的特征分析[J]．环境科学学报，2014，34(2)：297-302．

[30] LIU Yansui,LI Yuheng,CHEN Cong.Pollution:build on success in China[J].Nature,2015, 517(7533):145.

[31] 耿学清.APEC期间北京PM2.5同比下降55%[N].法制晚报,2014-11-13(A09).

[32] 王硕.“人努力”PM2.5日均浓度降三成[N].京华时报,2014-11-14(7).

[33] 潘珊菊,陈荞.“相信通过努力APEC蓝能保持”[N].京华时报,2014-11-11(3).

[34] 杨洪斌，邹旭东，汪宏宇，等．大气环境中PM2.5的研究进展与展望[J]．气象与环境学报，2012，28(3)：77-82．

[35] 杨新兴，冯丽华，尉鹏．大气颗粒物PM2.5及其危害[J]．前沿科学，2012，6(1)：22-31．

Spatial-temporalcharacteristicsofPM2.5inBeijing-Tianjin-Hebeiregionbasedonthegroundmonitoringdatain2014

ZHANGYunzhi1,2,ALATENGTuya1,DAIZhaoxin2,DONGYu2.

(1.CollegeofGeographicalScience,InnerMongoliaNormalUniversity,HohhotInnerMongolia010022;2.InstituteofGeographicSciencesandNaturalResourcesResearch,CAS,Beijing100101)

In recent years,haze pollution breaks out frequently in Beijing-Tianjin-Hebei region,which gives rise to the serious PM2.5pollution. Based on this,the characteristics of PM2.5in Beijing-Tianjin-Hebei region were analyzed. PM2.5concentration in 2014 was achieved from 156 automatic air quality monitoring stations in Beijing,Tianjin,Hebei and buffer regions nearby,then the characteristics of spatial distribution and temporal dynamic of PM2.5in annual,seasonal and monthly scale were determined by Kriging interpolation method. The results showed: (1) the spatial distribution of PM2.5average concentration in Beijing-Tianjin-Hebei region in 2014 showed a rising tendency from north to south,and some areas were slightly prominent. The annual average concentration of PM2.5in this region was 78.80 μg/m3,the highest area was Hebei (83.85 μg/m3),then Tianjin (78.52 μg/m3),and Beijing (74.04 μg/m3) was the lowest. (2) Compared with spring and summer,the concentrations of PM2.5were higher in fall and winter. It was related to fossil fuel combustion and coal-fired for heating during the winter. (3) Monthly average concentrations of PM2.5in Beijing-Tianjin-Hebei region showed a U-shaped curve,the highest concentration appearred in January and February,then showed a gradual decline from March,and reached the bottom during May to September. When in October, the average concentration of PM2.5rose rapidly and remained in high level.

PM2.5; ground monitoring; spatial distribution; temporal dynamic; Beijing-Tianjin-Hebei region

张云芝，女，1989年生，硕士研究生，研究方向为资源环境遥感。#

。

*国家科技重大专项(No.Y4K40110MJ)；内蒙古师范大学研究生创新基金资助项目(No.CXJJS13067)。

10.15985/j.cnki.1001-3865.2016.12.007

编辑:徐婷婷 (

2015-11-02)