佛山市路边测点PM2.5质量浓度变化特征研究

黄艳玲

(广东省佛山市环境监测中心站，广东 佛山 528000)



佛山市路边测点PM2.5质量浓度变化特征研究

黄艳玲

(广东省佛山市环境监测中心站，广东 佛山 528000)

摘要：对2014年1月1日至2014年12月31日湾梁、惠景城两个监测点位的PM2.5、PM10、SO2、NO2、O3、CO六项污染物小时浓度，作为居民点和路边点代表进行了数据分析。分析结果发现：受气象条件季节变化影响，路边点和居民点PM2.5、PM10、SO2、NO2、CO浓度均为秋冬季较高，夏季最低，而O3则为夏秋季最高。2014年路边点PM2.5月均浓度最高值和最低值分别出现在1月和8月，浓度值分别为97 μg/m3和22 μg/m3，比居民点高出22.2 %和10.2 %。2014年各月份路边点PM2.5/PM10在50.0 %～82.8 %。路边点PM2.5浓度与当天PM10浓度相关系数最高，其次为NO2、SO2、CO。与前两天、前三天的各种污染物浓度相关性不强，与前一天的PM2.5、PM10和NO2存在一定的相关性。路边点因离交通源更近，PM2.5浓度与NO2浓度相关关系更明显。在不同湿度范围内，路边点和居民点PM2.5浓度和大气能见度存在近似于幂函数的减函数关系。

关键词：PM2.5；路边点；居民点；能见度

1引言

随着城市化的快速发展，环境污染问题，特别是大气污染问题开始备受广泛关注[1，2]。多项研究发现：PM2.5浓度对大气能见度有重要影响[3，4]，我国于2012年由国家环保部颁发的最新环境空气质量标准《环境空气质量标准》(GB3095-2012)，明确规定了PM2.5的24 h平均浓度标准和年均浓度标准，并要求2016年全国实施。细颗粒物(PM2.5)作为《环境空气质量标准》(GB3095-2012)的变革代表性污染物，目前社会各界均开展了广泛的研究。但过去对PM2.5的研究主要采用人工采样的方式，研究样本量少，缺少长期连续性的数据，对于PM2.5浓度变化特征难以把握，针对城市主干道附近的PM2.5浓度变化特征分析也较少。随着新环境空气质量标准的实施，不少城市已经逐步开展PM2.5在线实时监测，通过积累的数据展开相关的数据分析和挖掘。杨复沫等[5]对北京市城区和居住区的PM2.5浓度季节变化特征进行研究；王文铮等[6]对上海市静安区PM2.5浓度变化趋势进行分析；吴兑等[7]分析了珠三角地区PM2.5长期变化趋势及灰霾天气出现的时段特征。

佛山市位于珠江三角洲中部偏西，比邻广州西面，受地形和气象条件的影响PM2.5污染在区域内相对较高，影响整体空气质量水平和空气质量综合指数排名[8]。在实施环境空气质量新标准后，随着大量的监测站点逐步开展扩项，累积大量的PM2.5监测数据，对海量数据进行数据挖掘和分析，探寻PM2.5污染变化规律，以及与不同污染物之间的相关关系，对空气质量的评价和重污染预报预警有重要的意义。本文以2014年佛山市内居民区内和路边两种类型的监测点位监测所得的PM2.5、PM10、SO2、NO2、O3、CO小时质量浓度数据进行分析，探究不同类型地区PM2.5质量浓度变化特征，以及与不同污染物浓度之间的相关关系。

2监测网络及数据

2.1数据来源

本研究所使用的数据资料来源于佛山市空气质量实时发布平台所发布的2014年1月1日至2014年12月31日湾梁、惠景城两个监测点位的PM2.5、PM10、SO2、NO2、O3、CO六项污染物小时浓度。湾梁位于中心城区的居民区内，能有效代表居民区空气质量变化及特征。惠景城测点位于城市主干道汾江南路旁，作为路边监测站点的代表。

2.2监测方法

各监测站点均按照粤港澳珠三角区域空气质量监测网络[9]标准进行质量控制及质量管理，PM10、PM2.5监测仪均采用β射线法进行监测，O3分析仪采用紫外吸收法进行监测，NO2分析仪化学发光法分析仪，SO2为紫外荧光法分析仪，CO为红外吸收法分析仪。监测的质量控制和质量保证措施均符合《珠江三角洲区域空气监控网络QA/QC手册》[12]相关规定进行，符合监测标准。

2.3监测数据统计方法

本研究按《环境空气质量标准》(GB3095-2012)中对数据有效性的相关规定进行数据统计和计算，按照二类功能区所应符合的二级标准进行评价分析。

3结果与分析

3.1PM2.5与其他污染物浓度的时间变化特征

3.1.1PM2.5与不同污染物浓度时间变化

从2014年路边点和居民点PM2.5平均浓度与PM10、SO2、NO2平均浓度，以及O3日最大8 h平均浓度第90百分位数，CO日均浓度第95百分位数月变化对比分析发现：路边点和居民点PM2.5、PM10、SO2、NO2、CO浓度时间变化特征一致，均为秋冬季较高，夏季最低，而O3则为夏秋季最高。这与气象条件季节变化特征有关，秋冬季节，静稳天气多发，太阳辐射减弱大气垂直对流活动平缓，污染物容易囤积不易扩散，而夏季大气垂直对流活动强烈，大气混合层较高，降雨量大，有利于污染物的扩散稀释和沉降，空气质量较好。O3除受扩散条件好坏影响外，其生成受太阳辐射强度影响，岭南地区夏秋季太阳辐射较强，为O3产生提供了有利条件(图1)。

图1　路边点和居民点PM2.5与其他污染物浓度时间变化

2014年路边点和居民点PM2.5月均浓度最高的月份均为1月，最低均为8月，PM10、SO2、NO2、CO浓度最高和最低的出现月份也一致。路边点PM2.5月均浓度最高值和最低值分别为97 μg/m3和22 μg/m3，比居民点(88 μg/m3和18 μg/m3)高出22.2 %和10.2 %。NO2和CO也有所偏高，机动车尾气排放氮氧化物和CO，氮氧化物通过化学转化为PM2.5，而路边点更接近污染源，故污染物浓度更高。

3.1.2PM2.5/PM10时间变化

PM2.5/PM10表明了细颗粒物在颗粒物中的比重，因细颗粒物更多来源与二次化学生成，PM2.5/PM10一定程度上反映了二次污染来源的特征。2014年各月份路边点PM2.5/PM10在50.0 %～82.8 %，居民点在55.0 %～79.6 %。居民点PM2.5/PM10月变化较为平缓，路边点PM2.5/PM10月变化相对较大。除了2014年1月较为特殊的情况外，路边点和居民点PM2.5/PM10均为秋冬季较高，夏季较低，与秋冬季多出现由气象条件影响的区域污染有关，污染物通过区域传输并在传输过程中发生二次反应生成PM2.5(图2)。

图2　路边点和居民点PM2.5/PM10时间变化

3.2PM2.5与不同污染物浓度及能见度的相关性分析

3.2.1PM2.5与不同污染物浓度相关性分析

为辅助大气PM2.5浓度的预测预报，分析PM2.5日均浓度与PM10、SO2、NO2、CO日均浓度，O3日最大8 h平均浓度的相关关系，以及其与前一天、前两天、前三天PM10、SO2、NO2、CO日均浓度和O3日最大8 h平均浓度的相关关系。相关系数统计如表1。路边点PM2.5浓度与当天PM10浓度相关系数最高，其次为NO2、SO2、CO。居民点PM2.5浓度相关系数最高的依次为PM10、SO2、NO2、CO。路边点和居民点PM2.5浓度与前两天、前三天的各种污染物浓度相关性不强，与前一天的PM2.5和PM10浓度有一定相关性。路边点PM2.5与前一天的NO2也存在一定的相关性。路边点因受交通源影响更大，PM2.5浓度与NO2浓度相关关系更明显。

3.2.2PM2.5与能见度

PM2.5对大气有消光作用，PM2.5浓度变化特征与大气能见度变化存在近似幂函数的关系。通过对路边点和居民点在不同湿度条件下，PM2.5浓度与大气能见度的关系拟合发现：在不同湿度范围内，路边点和居民点PM2.5浓度和大气能见度存在近似于幂函数的减函数关系，如图3。

表1　路边点和居民点PM2.5与其他污染物浓度相关关系分析

图3　路边点和居民点PM2.5与大气能见度变化特征

4结论

(1) 受气象条件季节变化影响，路边点和居民点PM2.5、PM10、SO2、NO2、CO浓度时间变化特征一致，均为秋冬季较高，夏季最低，而O3则为夏秋季最高。2014年路边点PM2.5月均浓度最高值和最低值分别出现在1月和8月，浓度值分别为97 μg/m3和22 μg/m3，比居民点高出22.2 %和10.2 %。

(2) 2014年各月份路边点PM2.5/PM10在50.0 %～82.8 %，居民点在55.0 %～79.6 %。路边点PM2.5/PM10月变化幅度相对较大。

(3) 路边点PM2.5浓度与当天PM10浓度相关系数最高，其次为NO2、SO2、CO。与前两天、前三天的各种污染物浓度相关性不强，与前一天的PM2.5和PM10浓度有一定相关性，与前一天的NO2也存在一定的相关性。路边点因受交通源影响更大，PM2.5浓度与NO2浓度相关关系更明显。

(4) 在不同湿度范围内，路边点和居民点PM2.5浓度和大气能见度存在近似于幂函数的减函数关系。

参考文献：

[1]Koch M. Airborne fine particalates in the environment: a review of health effect studies, monitoring data and emission inventories[R]. Laxengurg, Austria: IIASA, 2000.

[2]Panyacosit L. A review of particulate matter and health: focus on developing countries[R].Laxengurg, Austria: IIASA, 2000.

[3]Christoforou C S, Salmon L G, Hannigan M P, et al. Trends in fine particle concentration and chemical composition in southern California [J]. Jounal of Air & Waste Management Association. 2000. 50: 43～53.

[4]Chan Y C. Simpson R W, et al. Characterization of chemical species in PM2.5and PM10aerosols in Brisbane, Australia [J]. Atmospheric Environment, 1997(31): 3773～3785.

[5]杨复沫,贺克斌,马永亮,等. 北京PM_(2.5)浓度的变化特征及其与PM_(10)、TSP的关系[J]. 中国环境科学,2002(6):27～31.

[6]王文铮. 上海市静安区PM_(2.5)浓度变化特征及其与PM_(10)的关系[J]. 北方环境,2013(25):129～131.

[7]吴兑,刘啟汉,梁延刚,等. 粤港细粒子(PM_(2.5))污染导致能见度下降与灰霾天气形成的研究[J]. 环境科学学报,2012(6):2660～2669.

[8]佚名.广东省城市环境空气质量状况(2015年)[EB/OL].[2016-01-22].http://www.gdep.gov.cn/news/xwfb/201601/t20160122_208971.html.

[9]广东省环境保护监测中心站,珠江三角洲区域空气监控网络QA/QC手册[R].广州:广东科技出版社,1992.

[10]宋国君，郭美瑜，尹贵斌.城市空气质量管理满意度评估方法及案例研究[J].环境污染与防治，2011(9).

[11]赵娜，刘晓慧，郭蕊，等.河北省2013年1月与2014年1月大气污染对比分析[J].绿色科技，2016(10).

[12]梁广秋.影响空气质量的气象条件分析[J].绿色科技，2016(8).

[13]谌均.广安市大气污染现状及防治措施[J].绿色科技，2016(9).

[14]石全英.津南区环境空气质量状况和对策探讨[J].绿色科技，2016(4).

[15]唐红军，张凯，杨永乐，等.遂宁市大气污染现状与影响因素分析[J].绿色科技，2015(4).

收稿日期：2016-05-10

基金项目：佛山市科技发展专项资金项目(编号：2012AA100741)；佛山市科技计划项目(编号：2015AB004381)

作者简介：黄艳玲(1984—)，女，硕士，主要从事环境空气质量监测及数据分析，预警预报工作。

中图分类号：X823

文献标识码：A

文章编号：1674-9944(2016)12-0135-04

Analysis on the PM2.5ConcentrationVariation Characteristics of Roadside Station in Foshan

Huang Yanling

(FoshanEnvironmentalMonitoringCenterStation,GuangdongFoshan528000,China)

Abstract:In this paper, we analyzed six pollutions (PM2.5,PM10,SO2,NO2,O3andCO) concentration data from two monitoring stations Wanliang and Huijingcheng, which were used as the resident stationand the roadside stationrepresentatives, between January 1, 2014 and December 31, 2014.For the seasonal variation of meteorological conditions,PM2.5,PM10,SO2,NO2and CO concentrations of roadside station and residential stationwere higher in autumn and winter, the lowest in summer, while O3was the highest in summer and autumn. In 2014, the highest and lowest values of PM2.5concentration ofroadside stationwere found in January and August, which were 97μg/m3 and 22μg/m3, 22.2% and 10.2% higher than that of residential station. In 2014,PM2.5/PM10of the roadside stationwas between 50% and 82.8%. The concentration of PM2.5and PM10was the strongest correlation, followed by NO2SO2and CO in the same day. There was a correlation between the concentration of PM2.5, PM10and NO2 in yesterday and concentration of PM2.5, but there isn’t correlationbetween the concentration of the other pollutants in the day before yesterday and concentration of PM2.5. Because the roadside station was closer to the traffic source, the correlation between the concentration of PM2.5and NO2 was more obvious. In different humidity range, the PM2.5concentration and the atmospheric visibility were similar to the power functionof the roadside station and residential station.

Key words:PM2.5; roadside station; residential station; atmosphericvisibility