杭州城区PM2.5和PM10污染特征及其影响因子分析

2016-06-09项佳娥徐丽华张方方邱布布

中国环境监测 2016年6期

项佳娥，徐丽华，张方方，邱布布，朱弘

1.浙江农林大学 a.环境与资源学院;b.浙江省森林生态系统碳循环与固碳减排重点实验室，浙江杭州 311300 2.浙江农林大学林业与生物技术学院，浙江杭州 311300

项佳娥1a,b，徐丽华1a,b，张方方1a，邱布布1a,b，朱弘2

利用2013年12月—2014年11月杭州城区空气质量监测站PM2.5、PM10浓度值结合气象、道路、人口数据以及站点周边绿地信息分析PM2.5、PM10浓度时空特征及其影响因子。结果表明，杭州城区各监测站PM2.5和PM10晴天日浓度变化趋势基本一致，PM2.5比PM10污染严重；晴天日PM2.5、PM10浓度值与对应的温度(-0.463，-0.281)、风速(-0.305，-0.332)呈负相关，与湿度(0.257，0.239)呈正相关；晴天有风时，杭州市区PM2.5、PM10污染北部重于南部,东部重于西部，浓度极高值集中在风速小于5 m/s时段，且风速越小浓度值越高；温度为12 ℃左右，湿度在60%～80%时，颗粒物污染最严重；交通高峰时各监测站PM2.5、PM10污染程度存在明显差异。相关性分析表明，PM2.5、PM10污染程度与道路密度成正比，与缓冲区内绿地覆盖面积成反比。PM2.5污染程度与人口密度成正比，PM10污染与人口密度成反比。

PM2.5；PM10；气象因子；道路密度；人口密度；绿地覆盖面积

随城市化进程加快，颗粒物污染日趋严重，由此引发的空气质量恶化已经是大气环境的重要问题[1-3]，已引起国内外广泛重视。2014年政府工作报告中提出的2014年重点工作之一是以PM2.5为突破口，在灰霾频发的特大城市或重点区域深入实施大气污染防治规划。利用城市大气中PM2.5(D≥2.5 μm)和PM10(D≥10 μm)浓度监测值研究灰霾时空特征成为区域大气环境研究的热点[4-6]。李名升等[7]对全国2002—2012年PM10浓度时空分布研究表明，在环保政策下，全国污染浓度整体达标率提高，但时间差异明显：1、11—12月污染最重，7—9月达标率最高，空间上北方污染重于南方。郭元喜等[8]研究发现，中国中东部秋季PM10浓度与日气温波动间存在显著相关。赵晨曦等[9]对北京地区冬春季PM2.5、PM10污染水平时空分布研究发现，污染物存在明显月变化及日变化，空间上存在城乡差异，且受气象因子影响。罗娜娜等[10]发现，北京地区PM2.5、PM10受到湿度和温度的影响最大，车速、车流量、风速次之，其中车速、车流量、低风速对颗粒物PM2.5的影响更显著。SAI Y I等[11]发现，气溶胶存在季节变化和明显的日变化，TIAN G等[12]研究表明，基于气象因子和PM10浓度之间关系的城市规划有助于大气污染的缓解。综上所述，区域、城市的PM10和PM2.5的浓度分布存在时间和空间分布不均，并初步揭示了湿度、温度、风速、汽车尾气排放等是产生其浓度变化的影响因素。

杭州市地处东南沿海区域，植被覆盖率高，旅游资源丰富，是国内著名的旅游城市。近几年杭州市极端灰霾天气频发，从而极大降低人居环境质量，引起民众对杭州天气质量的关注。但是定量分析杭州城市PM2.5、PM10浓度分布的时间和空间特征，及其与湿度、温度、风速、人类活动等因素的影响关系的相关研究较少，不利于科学、客观地认识杭州市环境空气质量。齐冰等[13]对杭州、桐庐、建德、淳安4个区域PM2.5浓度及其与气象因子间关系进行研究，但他们关注的区域是杭州与周边县级市之间的城乡间差异，而非杭州城区范围。本文基于杭州市现有国家控制空气质量监测站PM2.5、PM10质量浓度数据(2013年12月—2014年11月)，分析杭州城区PM2.5、PM10污染的时空特征，并根据获取的气象数据(温度、湿度和风速、风向)、道路数据、人口数据，监测站点周边绿地覆盖面积等，初步分析自然条件和城市化产生的人类活动干扰对灰霾天气的影响，为杭州市科学防治灰霾提供依据。

1 研究区概况

杭州城区共有国家控制空气质量监测站点10个，但其中两个由于仪器异常等原因数据缺失严重，因此本研究只选择剩余的8个监测站点(表1、图1)。

表1 研究区概况

图1 杭州城区监测站点分布

2 数据来源与预处理

PM2.5和PM10浓度实时监测数据来自杭州PM2.5和杭州空气质量指数(AQI)网。数据单元为PM2.5、PM10浓度的小时值，时间段为2013年12月—2014年11月。PM2.5、PM10日浓度数据由当日每小时浓度值累加除以小时数得到。《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012)规定PM2.5和PM10浓度一级日均浓度达标界限分别为35、50 μg/m3，二级为75、150 μg/m3，三级为115、250 μg/m3，四级为150、350 μg/m3，五级为250、420 μg/m3。空气质量达到一级为优，二级为良，三级为轻度污染，四级为中度污染，五级为重度污染[14]。

气象数据来自杭州天气网，杭州市气象站位于西湖区馒头山，气象站与1～8号监测点的距离分别约为14、3.6、27.5，11.9、9.8、9.1、29.6、20.3 km，该气象数据可以用作科学研究[15]。气象数据以小时为单元，日气象数据由每小时数据累加除以小时数计算得到。

在ArcGIS平台下以监测站点为中心建立以500 m为半径的缓冲区，统计该区内部人口密度、道路密度(单位面积内道路长度)、绿地覆盖面积。人口密度以街道、乡镇为单位计算。

3 结果与讨论

3.1 杭州城区全年PM2.5 、PM10污染状况

将杭州市8个监测站2013年12月—2014年11月PM2.5、PM10日浓度进行主成分分析(PCA)(表2)，发现第一主成分特征值为7.590、7.307，解释了总方差(总变异)的94.875%、91.338%，第二个主成分只解释了2.143%、3.044%，并且累计贡献率分别达到97.018%、94.382%。说明不同监测站点PM2.5、PM10浓度间存在明显相关性，不同监测站之间变化趋势基本相似，受一个或几个主导因子影响[16]。

表2 各监测站PM2.5、PM10日浓度PCA分析

根据杭州市城区行政面积矢量图计算其重心，将距离重心最近的监测站点作为全市区代表监测站。由于8号监测点(该测点位于浙江大学华家池校区内，植被覆盖度较好，可认为其受周边的汽车尾气排放而产生浓度值巨变的可能性较弱，能较好反映城市灰霾浓度变化的特征)距离杭州市行政面积重心最近，故选该站点为杭州城区代表站。

郭晗文等[17]研究表明，降雨对颗粒物具有清洗作用，对PM2.5、PM10浓度值变化影响较大。因此，本研究将8号监测站雨天、雨后及数据异常天去除，PM2.5、PM10有效数据分别剩余143、144 d。统计后发现，PM2.5浓度达到二级标准为50 d，约占全年晴天的三分之一，PM10浓度达到二级标准有96 d，约为三分之二。PM2.5浓度达到三、四、五级分别为115、129、141 d，PM10浓度达到三、四、五级分别为137、142、144 d。PM10浓度值不超过五级，而PM2.5浓度最高日超过五级。综上所述，杭州城区PM2.5比PM10污染更严重，PM2.5颗粒物污染是杭州城区空气质量提升的首要治理对象。

3.2 杭州城区PM2.5和PM10浓度与温度、湿度和风速、风向间关系

城区代表站PM2.5、PM10日浓度与气象因子间相关性如表3所示。PM2.5、PM10浓度与温度(-0.463，-0.281)、风速(-0.305，-0.332)均呈负相关，与湿度(0.257， 0.239)呈正相关(P<0.01)。相关性分析表明，温度低、风速小天气对应的PM2.5和PM10浓度值较高。温度低则不利于颗粒物在垂直方向扩散[18]，颗粒物在近地面处累积，浓度值升高；风速小则空气流动较缓慢，导致污染物水平方向扩散较弱，不利于高污染区域与低污染区域间颗粒物传输。 PM2.5、PM10浓度与湿度呈正相关表明，湿度越大，颗粒物污染越严重，这与颗粒物形成机制相关。颗粒物形成需要凝结核，空气湿度高时，水汽在其形成过程中容易充当凝结核，吸附空气中的化学分子，物理粒子等，加速颗粒物的形成，从而使PM2.5、PM10浓度值有所升高[19]。温度、湿度两者与PM10浓度相关性低于PM2.5，表明温度越高，湿度越小，PM2.5比PM10浓度值下降速度更快。风速与PM2.5浓度的相关性低于PM10，说明刮风对于PM2.5的影响弱于PM10，因PM10是来自扬尘、沙尘等机械过程所产生粒径较大的可吸入颗粒物，而PM2.5则来自化石燃油燃烧等产生粒径较小的可吸入颗粒物。

表3城区代表站PM2.5、PM10日浓度与气象因子间相关性

注：“**”表示置信水平为99%的显著相关。

为更明晰气象因子对颗粒物污染影响，将PM2.5、PM10浓度与温度、湿度、风速、风向数据在origin软件平台进行分析(图2、图3)。由图2可知，PM2.5、PM10浓度随着风速增大而降低的趋势非常明显，有风状态下，杭州城区PM2.5和PM10浓度整体呈现北部重于南部、东部重于西部；PM2.5、PM10浓度极高值基本上集中在风速小于5 m/s的时段，且风速越小对应的浓度值越高。当风向(0°为正北，90°为正东)为300°～360°和0°～60°时，无论风速大小，颗粒物污染均比其余风向盛行时严重，其次为风向在90°左右时污染亦较严重。这是受北方污染和杭州自身产业布局影响：在300°～360°时以西北风为主，0°～60°时以东北风为主，已有研究表明，中国北方整体污染较为严重，北风利于污染物由北向南转移，形成跨界污染现象，加重杭州区域污染[20]。杭州自身产业布局西部以西湖风景区等旅游区、生态涵养区为主，产生的污染物较少，自我净化能力较强，而东部有滨江高新产业区、临江工业园区等产业园区分布，制造业、化工业等工业较为发达，污染相对严重，东风容易携带污染物吹向杭州城区，加重颗粒物污染状况。

图2 PM2.5、PM10日浓度与风向、风速关系

图3 PM2.5、PM10日浓度与温度、湿度关系

由图3可知，随着温度上升PM2.5、PM10浓度值均产生明显先上升后下降的过程，而随着空气湿度上升浓度值基本表现为不断上升的过程。湿度在80%左右时，PM2.5、PM10浓度比其余湿度状况下高，且在该湿度下温度在0～6 ℃范围时颗粒物浓度出现一个较高浓度段，在12 ℃左右时达到PM2.5、PM10浓度的最高段，继而随着温度升高，浓度值逐渐降低。综上所述，低温高湿天气容易产生城市灰霾天气。

3.3 人类活动强干扰下杭州市区PM2.5、PM10污染程度空间差异

前文对杭州城区代表站全年段晴天PM2.5、PM10日均浓度达标情况进行年度分析，能反映自然条件干扰下其空间特征差异。然而，城市是最容易受人类活动干扰的区域，大气环境与人类活动空间组织戚戚相关，在人类活动行为干扰下，PM2.5、PM10污染程度如何？其空间差异是否较大？以下继续展开研究。

叶贤满等[21]研究发现，机动车尾气是PM2.5、PM10颗粒物主要来源之一，道路扬尘、工业活动等均对污染物有着重要贡献。交通活动产生的污染具有明显的时段性，因此本文选取杭州交通高峰时(17∶00)PM2.5、PM10浓度数据(剔除雨天、雨后及浓度异常数据，2号监测站由于仪器异常PM10浓度数据缺失较多，不计入统计)，表征人类活动强干扰情况下的污染情况，并首先分析该时间段杭州市8个监测站颗粒物污染程度差异情况。详见表4。

表4 各监测站交通高峰时段PM2.5、PM10浓度污染等级概率及其影响因子

注：比例值=高于某一等级天数/统计总天数。

由表4可知，所有监测站PM2.5浓度高于二级的比例为0.370～0.463，高于三级的比例为0.123～0.194，高于四级的比例为0.055～0.101，高于五级的比例为0.018～0.042；PM10浓度高于二级的比例为0.161～0.379，高于三级的比例为0.031～0.110，高于四级的比例为0.000～0.027，高于五级比例为0.000～0.026。表明PM2.5出现轻度、中度、重度污染的概率均明显高于PM10，说明PM2.5污染程度相比PM10更严重，其是影响空气质量的重要因子，需要重点防治。

不同监测站污染程度比例值存在明显差异。6号监测站PM2.5污染等级高于二、三、四级比例值在各监测站中最低，PM10污染等级高于二、三级比例值最低，其对应的道路密度最小为零，人口密度最低为2 008人/km2，缓冲区内绿地覆盖面积最高为52.059 6 km2。PM2.5污染等级比例值略大于6号监测站的为8号监测站，该监测站虽然对应的道路密度较高，但人口密度较小，绿地覆盖面积相对较高。PM10污染比例值略大于6号监测站的为7号监测站，该监测站虽然绿地面积值较小，但道路密度、人口密度值也较小。1号监测站对应的颗粒物污染等级比例值较高，该监测站道路密度，人口密度均较高，绿化面积值处于中间范围。从监测站所属行政区域来看，滨江区PM2.5、 PM10染较为严重，西湖区颗粒物污染相对最轻，其次为江干区。

为进一步研究，将交通高峰时PM2.5、PM10污染等级比例值与道路密度、人口密度、绿地覆盖面积进行相关性分析(表5)。PM2.5和PM10污染等级比例值与道路密度值明显呈正相关，表明道路密度越高的区域灰霾污染越严重。道路密度高对应的交通发达，上下班、物流等交通流量均较大，汽车尾气排放量随之较高，同时汽车行驶过程中引起扬尘易加重灰霾污染。PM2.5、PM10污染等级比例值与绿地覆盖面积呈反比，表明绿地覆盖率较高区域灰霾污染相对较轻。一方面，植物能够起到吸滞尘埃的作用，降低污染物浓度[22]。另外，绿地覆盖率提高，意味着工业用地、交通用地等不透水面的减少，间接减少了污染源。PM2.5污染等级比例值与人口密度表现为正相关，PM10污染等级比例值与人口密度却基本表现为负相关，表明人口密集区域对应的细颗粒物污染相对较为严重。人口密集的区域人类活动强度必然增加，生活产生(如餐饮活动、出行行为等)导致颗粒物污染加重。但城市规划时多将居住区安置在区域盛行风上风向，且尽量远离铁路、工业区等，工业等对PM10污染贡献率较高[21]，人口密度大的区域以居住区为主，因此PM10污染相对较为轻缓。同时杭州在进行城市管理时会对居民区等人口较密集区域通过洒水等措施在灰霾污染较严重时缓解污染，从而降低颗粒物污染，而降水等对PM10的清洗作用较明显[23]。

表5 交通高峰时PM2.5、PM10污染等级概率值与影响因子间相关性

4 结论

1)杭州城区代表站晴天时PM2.5、PM10浓度达到二级天数分别约为三分之一、三分之二，且PM2.5污染严重时会出现空气质量有毒天气，因此治理颗粒物污染首要任务是缓解PM2.5污染。

2)相关性分析表明，PM2.5、PM10日浓度值与对应的温度(-0.463，-0.281)、风速(-0.305，-0.332)呈负相关，与湿度(0.257，0.239)呈正相关，说明低温、高湿、低风速天气对应的PM2.5和PM10浓度较高。

3)有风状态下，杭州市区PM2.5、PM10浓度整体呈现北部重于南部、东部重于西部。 PM2.5、PM10浓度极高值基本集中在风速小于5 m/s时段，且风速越小颗粒物污染越严重；气温在12 ℃左右，湿度在60%～80%左右时，污染最严重。

4)交通高峰时各监测站PM2.5、PM10污染程度存在明显差异。相关性分析表明，PM2.5、PM10污染程度与道路密度成正比，与缓冲区内绿地覆盖面积成反比。受居住区区域地理位置等影响PM2.5污染程度与人口密度成正比，PM10污染与人口密度成反比。

[1] 袁杨森,刘大锰,车瑞俊,等.北京市秋季大气颗粒物的污染特征研究[J].生态环境,2007,16(1)：18-25.

[2] DOYLEM M，DORLING S.Visibility trends in the UK 1950—1997[J]．Atmospheric Environment，2002，36(19)：3 163-3 172.

[3] 滕恩江,吴国平,胡伟,等.我国4个大城市空气PM2.5、PM10污染及其化学组成[J].中国环境监测,2001,34(5)：96-100.

[4] 沈家芬,冯建军,谢春玲,等.广州市PM10的时空变化特征分析[J].生态环境,2008,17(2)：553-559.

[5] 齐冰,刘寿东,杜荣光,等.杭州地区气候环境要素对霾天气影响特征分析[J].气象,2012,38(10)：1 225-1 231.

[6] 程兴宏,徐祥德,陈尊裕,等.北京地区PM10浓度空间分布特征的综合变分分析[J].应用气象学报,2007,18(2)：165-172.

[7] 李名升,张建辉,张殷俊,等.近10年中国大气PM10污染时空格局演变[J].地理学报,2013,68(11)：1 504-1 512.

[8] 郭元喜,龚道溢,汪文珊,等.中国中东部秋季PM10时空变化及其与日气温的关系[J].地理学报,2012,67(9):1 155-1 164.

[9] 赵晨曦,王云琦,王玉杰,等.北京地区冬春PM2.5和PM10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.

[10] 罗娜娜,赵文吉,晏星,等.交通与气象因子对不同粒径大气颗粒物的影响机制研究[J].环境科学,2013,34(10)：3 741-3 748.

[11] TSAI Y I,KUO S C,LIN Y H.Temporal characteristics of inhalable mercury and arsenic aerosols in the urban atmosphere in southern Taiwan[J].Atmospheric Environ-ment,2003,37：3 401-3 411.

[12] TIAN G,QIAO Z,XU X.Characteristics of Particulate matter(PM10) and its relationship with meteorological factors during 2002—2012 in Beijing[J].Environ-mental pollution,2014,192：266-274.

[13] 齐冰,杜荣光,于之锋,等.杭州地区大气细颗粒物浓度变化特征分析[J].环境化学,2015,34(1)：77-82.

[14] 环境保护部科技标准司.环境空气质量标准：GB 3095—2012[S].北京:中国环境科学出版社,2012.

[15] BARMPADIMOS I,KELLER J,ODERBOLZ D,et al.One decade of parallel fine (PM2.5) and coarse (PM10-PM2.5) particulate matter measurements in Europe:trends and variety[J].Atmospheric Chemistry and Physics,2012,12(7)：3 189-3 203.

[16] 沈家芬,冯建军,谢春玲,等.广州市PM10的时空变化特征分析[J].生态环境,2008,17(2)：553-559.

[17] 郭含文,丁国栋,赵媛媛,等.城市不同绿地PM2.5质量浓度日变化规律[J].中国水土保持科学,2013,11(4)：99-103.

[18] 郭利,张艳昆,刘树华,等.北京地区PM10质量浓度与边界层气象要素相关性分析[J].北京大学学报(自然科学版),2011,47(4)：607-612.

[19] 王晓磊,王成,古琳,等.北春季典型天气下城市街头绿地内大气颗粒物浓度变化特征[J].生态学杂志,2014,33(11)：2 889-2 896.

[20] 程真,陈长虹,黄成,等.长三角区域城市间一次污染跨界影响[J].环境科学学报,2011,31(4)：686-694.

[21] 叶贤满,徐昶,洪盛茂,等.杭州市大气污染物排放清单及特征[J].中国环境监测,2015,31(2)：5-11.

[22] 孙淑萍,古润泽,张晶,等.北京城区不同绿化覆盖率和绿地类型与空气中可吸入颗粒物(PM10)[J].中国园林,2004,20(3)：77-79.

[23] 冯建军,沈家芬,梁任重,等.广州市PM10与气象要素的关系分析[J].中国环境监测,2009,25(1)：78-84.

Study on the Pollution Characters and Impact Factors of PM2.5and PM10in Urban Hangzhou

XIANG Jia’e1a,b，XU Lihua1a,b，ZHANG Fangfang1a，QIU Bubu1a,b，ZHU Hong2

1.a.School of Environment and Resource; b.China Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration, Zhejiang A&F University, Hangzhou 311300, China 2.School of Forestry and Biotechnology, Zhejiang A&F University, Hangzhou 311300, China

PM2.5and PM10concentrations data, in fine days, got by the air quality monitoring sites from Dec. 2013 to Nov. 2014, combined with meteorological factors, road density, population density in urban Hangzhou as well as green cover area in the buffer zones, were used to analysis the spatial-temporal characters of PM2.5and PM10concentrations and their impact factors. The results showed:PM concentrations in different sites had the same trend; PM2.5pollution was more sever than PM10pollution. Daily PM2.5and PM10concentrations had negative correlation with temperature (-0.463, -0.281) and wind speed (-0.305, -0.332), but positive correlation with humidity (0.257, 0.239). With wind, PM pollution was more sever in the northern and eastern parts than the southern and western parts. Most of the high PM concentrations appeared when the wind speed was less than 5 m/s, and the smaller the wind speed the higher the PM concentrations. The highest PM2.5and PM10concentrations appeared when the daily temperature was around 12 ℃ and the humidity was about 60%～80%. During the traffic peak period, PM2.5and PM10pollution levels were obviously different from each other, correlation coefficients dedicated that PM2.5and PM10pollution levels were positive with road density and negative with the green coverage rate in the buffer areas. PM2.5pollution level was positive correlation with population density while PM10was negative correlation with population density.

PM2.5；PM10；meteorological factor；road density；population density；green cover area

2015-09-15；

2015-09-25

国家自然科学基金(41201563)；浙江省科技厅公益项目(2013C33027)；浙江省自然科学基金(LY12D01003)

项佳娥(1990-)，女，浙江杭州人，硕士。

徐丽华

X823

1002-6002(2016)06- 0036- 07

10.19316/j.issn.1002-6002.2016.06.06