哈尔滨市采暖期颗粒物数浓度变化特征

王　薇, 黄丽坤，田　甜

(哈尔滨商业大学 a.生命科学与环境科学研究中心;b.食品工程学院, 哈尔滨 150076)



哈尔滨市采暖期颗粒物数浓度变化特征

王薇a, 黄丽坤b,*，田甜a

(哈尔滨商业大学 a.生命科学与环境科学研究中心;b.食品工程学院, 哈尔滨 150076)

研究了采暖期大气颗粒物数浓度的变化特征，并在气象监测网上获得相对湿度、温度，风级等气象因子以及大气能见度。分析结果显示，2015年10、11、12月的能见度低于10 km的天数分别为3、11、9 d， PM2.5浓度高于100 μg/m3分别有1、9、9 d；颗粒物数浓度平均值分别为17 775、36 345、34 640 个/cm3，能见度的平均值分别为23.6、8.5、9.7 km，说明11和12月主要是由于采暖燃煤量增加导致数浓度增大。3个月中，12月3—16日的数浓度变化范围波动较大，这是因为降雪的影响，一部分颗粒物吸附在雪中，随之降落到地面，使空气中悬浮的颗粒物减少。颗粒物数浓度与PM2.5浓度、能见度、相对湿度显著相关，特别是大气中PM2.5数浓度越高，能见度就相对越低。

颗粒物数浓度；PM2.5；能见度；相对湿度

大气颗粒物污染形成的主要原因是悬浮细颗粒物和气态污染物增加[1]。由于城市人口增长、工业持续发展和机动车辆猛增，使得悬浮细颗粒物PM2.5和气态污染物二氧化硫、氮氧化物大量增加，PM2.5中可溶性粒子(如硫酸盐、硝酸盐、铵盐以及有机酸盐等)具强吸水性[2]，它们与水蒸气结合在一起，形成灰霾天气；燃煤排放废气和机动车排放尾气中二氧化硫、氮氧化物是大气细颗粒物PM2.5中硫酸盐、硝酸盐前体物[2]，与空气中其他污染物经过了一系列复杂化学反应形成硫酸盐、硝酸盐等二次颗粒物，由气态污染物转化成同态污染物，成为PM2.5的主要成分，二次污染过程成为PM2.5升高最主要原因，加重灰霾天气形成与持续[3-5]，颗粒物数浓度影响也同样值得关注[6-10]。

本研究对2015年10—12月的大气颗粒物数浓度进行监测，通过分析颗粒物数浓度变化特征以及主要影响因子，以期为哈尔滨市开展相关的大气污染防治工作提供科学依据。

1　样品采集及方法

1.1颗粒物样品采集

采样点位于4楼楼顶，距离地面约14 m。该采样点的特点是附近没有较大的工业污染源，主要以小的采暖锅炉、土壤扬尘及交通排放等污染为主。监测数据在一定程度上代表哈尔滨市区域大气污染水平。

颗粒物样品采集所使用的采样仪器为武汉市天虹仪表有限责任公司生产的 TH-150 型智能中流量颗粒物采样器。采样流量调节范围为100 L/min，准确度为±2.5%，滤膜采用美国 PALL 公司生产的石英纤维滤膜。

1.2颗粒物数浓度监测

采用TSI数浓度仪对2105年10—12月进行在线观测，每日3个监测时间：9:00，12:00，15:00，每个时间点监测5 min，用湿度计和温度计同步测相对湿度和温度。其它气象因子在天气网上查询并记录。

2　结果与讨论

2.1颗粒物数浓度与 PM2.5及气象因子统计

2015年10、11、12月的颗粒物数浓度、PM2.5浓度、温度、相对湿度、能见度及风级各因子数据，见表1。

表1　颗粒物数浓度与PM2.5浓度及气象因子统计

由表1可见，2015年10、11、12月能见度的均值分别为20.2、9.7、8.8 km，每个月能见度低于10 km的天数分别为8、18、19 d。能见度越低，表明大气污染越严重。从均值来看，3个月的颗粒物数浓度分别是17 774.5、36 345.2、34 639.7个/cm3与之对应的PM2.5浓度为56.6、147.7、145.1 μg/m3，由此可见，随着PM2.5浓度的增大，颗粒物数浓度呈增大趋势。另外，随着相对湿度的增大，能见度呈下降趋势。

由表1可见，风级的最大值为3，最小值为0。风力等级：0，风速为0～0.2 m/s；风力等级：1，风速为0.3～1.5 m/s；风力等级：2，风速为1.6～3.3 m/s；风力等级：3，风速为3.4～5.4 m/s。不同等级的风对周围环境的影响不同，因此，风级对颗粒物数浓度以及污染程度有一定的影响。

2.2颗粒物数浓度时间变化特征

2.2.1颗粒物数浓度日变化特征

2015年10—12月的颗粒物数浓度日变化曲线见图1，图2。每月的3—16日进行监测(每天3个时段：9:00、12:00、15:00)。由图1可见，11月3—9日的数浓度均高于10月和12月，数浓度为20 000～40 000，而且最大值为63 829，分别是10月和12月最大值的2.26、1.79倍。而10月和12月基本为10 000～30 000。由图2可见，12月12—14日3 d的数浓度值较高，最大值87 689，最小值68 082。因12月中旬已经算是采暖中期，燃煤量加大导致数浓度增大。而15、16日的数浓度下降至40 000左右，这可能与降雪、温度降低有关。10月的数浓度变化较稳定，波动不大，原因是10月20日左右才开始供暖，此时对数浓度的影响较小。11月和12月则有明显的变化，原因之一是供暖时产生的飞灰、细颗粒物等进入大气；另一原因是受温度、湿度、风、降雪、光照等因素的影响。

图1　每月3—9日3个时段颗粒物数浓度日变化Fig.1　Daily variation of particle number concentration at three times on every month 3rd to 9th

图2　每月10—16日3个时段颗粒物数浓度日变化Fig.2　Daily variation of particle number concentration at three times on every month 10th to 16th

2.2.2颗粒物数浓度逐日变化特征

10月颗粒物数浓度、PM2.5浓度、气象因子的逐日变化情况见表2。10月3—4日颗粒物数浓度增加，这主要是因为风级由2减小到1，风速降低到1.6 m/s以下，不利于污染物的扩散，从而使得数浓度增加，增强了大气散射作用，使能见度由34.3 km降低至20 km。5—7日颗粒物的数浓度在11 000～12 800较稳定的变化，能见度为9～13 km，相对湿度略有升高。8—13日的颗粒物数浓度基本保持在20 000以上；能见度均在20 km以上，PM2.5浓度则在20 μg/m3左右波动，二者大致呈负相关趋势，而且这几日的AQI(其值越大，说明空气污染状况越严重，对人体的健康危害也就越大)为52、45、43、28、29、40，空气质量为优。虽然邓利群、杨荣师等[11]的研究结果为气温对颗粒物在大气中的分布未有显著影响，但PM2.5浓度和温度曲线的变化趋势基本相似，因此，温度的升高或降低会使大气中的PM2.5含量发生改变。14—16日数浓度略有上升，而PM2.5浓度显著增大，最大值为138 μg/m3，能见度下降，最小值为7.1 km。3—16日的相对湿度均在50%以上，对颗粒物数浓度影响不明显。

表2　2015年10月数浓度、PM2.5浓度及气象因子的逐日变化

11月颗粒物数浓度、PM2.5浓度、气象因子的变化情况见表3。风速越大，单位时间内污染物被输送的距离越大，混入的空气量越多，污染物浓度越低，有利于污染物扩散。11月颗粒物的数浓度均在20 000以上，风级达到2～3级的有8 d，能见度有6 d低于5 km，PM2.5浓度有9 d都高于100 μg/m3，最大为578 μg/m3，但此时并没符合之前所述的规律，原因可能是逆温层的影响，逆温层出现在地面附近时，会限制近地面层大气的湍流作用，使大气的垂直运动降低，如果出现在某一高度层上时，则会阻碍下方空气垂直运动的发展，使得污染物和空气的混合交换减弱，导致污染物的扩散、稀释能力减慢，存留较长时间。由表3可见，气温的变化较不稳定，也会对颗粒物数浓度产生影响。9—12日，相对湿度依次为85%、88%、93%、91%，能见度分别为6.9、8.1、4.3、5.6 km，较高的相对湿度会使能见度下降。而相对湿度与PM2.5之间并无明显的正负相关性，是因为PM2.5的浓度受多种因素影响。

12月颗粒物数浓度、PM2.5浓度、气象因子的变化情况见表4。12月的数浓度变化较大，3—6日的数浓度值在10 000左右，能见度均大于10 km，风级为2，风速较大，有利于污染物的扩散。12—14日的数浓度为：69 908、78 144、74 350，与之对应的能见度是12月3—16日中最小的，PM2.5的值也是最高的；由于这3 d的风级是1、0、0，风速小，稀释污染物的能力较弱，所以污染较严重(AQI：318、414、349)。

同时也可见，大气中PM2.5浓度越高，能见度就相对越低。数浓度较大时，PM2.5浓度也基本较高，但并不是绝对的。因此，大气颗粒物污染状况与气象条件关系密切，在污染源分布及其排放相对稳定的情况下，大气颗粒物的浓度主要取决于各种气象条件下颗粒物的输送、扩散情况。

表3　2015年11月数浓度、PM2.5浓度及气象因子的逐日变化

表4　2015年12月数浓度、PM2.5浓度及气象因子的逐日变化

3　结　论

1)11月和12月的平均颗粒物数浓度较高，能见度较低，主要是因冬季供暖煤燃烧引起的。

2)10月数浓度在10 000～26 000波动，风级为2 的有7 d，数浓度不高且较稳定；11月数浓度均在20 000以上，能见度有5 d低于5 km；12月数浓度波动较大，这是因为降雪的影响，一部分颗粒物吸附在雪中，随之降落到地面，使空气中悬浮的颗粒物减少。

3)颗粒物数浓度与PM2.5浓度、能见度、相对湿度显著相关，大气中PM2.5浓度越高，能见度就相对越低。

[1]卢照方. 灰霾天气的形成与灰霾监测[J]. 绿色科技, 201l(9): 131-132.

[2]绿色和平. 全国通缉灰霾元凶——PM2.5与燃煤污染[EB/OL]. 2011-11-18[2012-03-05].

[3]Mejia J F, Wraith D, Mengersen K. Trends in size classified particle number concentration in subtropical Brisbane, Australia, based on a 5 year study[J]. Atmospheric Environment, 2006, 40: 1064-1079.

[4]Hiroaki M, Hideto T. Observation of number concentrations of atmospheric aerosols and analysis of nanoparticle behavior at an urban background area in Japan [J]. Atmospheric Environment, 2005, 39: 5806-5816.

[5]Tareq H, Ari K, Jaakko K, et al. Meteorological dependence of size-fractionated number concentrations of urban aerosol particles [J]. Atmospheric Environment, 2006, 40: 1427- 1440.

[6]Yan Fengqi, Hu Huanling, Yu Tong. Analysis of particularte mass concentration, aerosol number concentration and visibility in Beijing [J]. China Particuology, 2004, 2(1): 25-30.

[7]王玮, 潘志, 刘红杰, 等. 交通来源颗粒物粒径谱分布及其与能见度关系[J]. 环境科学研究, 2001, 14(4): 17-22.

[8]李新令, 黄震, 王嘉松, 等. 街道峡谷内超细颗粒数浓度和粒径分布特征试验研究[J]. 环境科学, 2007, 28(4): 695-700.

[9]申彦波, 沈志宝, 杜明远. 敦煌地区春季大气气溶胶粒子数浓度的分析[J]. 高原气象, 2007, 26(4): 158-164.

[10] 时一文，温娜，姚俊英.1961—2012年东北地区霾的时空变化特征分析[J].黑龙江大学工程学报, 2015,6(4):16-22.

[11] 杨荣师, 李金娟, 徐露, 等. 贵阳市西郊PM10污染特征及其与主要气象因素的关系探讨[J]. 贵州大学学报:自然科学版, 2009, 26(2): 123-127.

Characteristics of particle number concentration in the heating period of Harbin

WANG Weia, HUANG Li-Kunb,*,TIAN Tiana

(HarbinUniversityofCommercea.CenterofResearchandDevelopmentonLifeSciencesandEnvironmentalSciences;b.SchoolofFoodEngineering,Harbin150076，China)

The characteristics of atmospheric particle number concentration were studied during the early heating period. The data of PM2.5, relative humidity, temperature, wind scale and atmospheric visibility were obtained in meteorological monitoring online. The results show that, the number of the days which the visibilities were less than 10 km was 3, 11, 9 respectively. The days which the PM2.5concentrations were higher than 100μg/m3were 1, 9, 9 in October, November and December respectively. The average of particle number concentration were 17 775, 36 345 and 34 640, respectively; The average of visibility were 23.6, 8.5, 9.7 km, it shows that the increasing of number concentration is mainly caused by coal-burning heating in November and December. The range of number concentration has large fluctuation in December, part of particle was adsorption in the snow, fall to the ground, so that reduce the content of suspended particulate matter in the air. The particle number concentration was significantly correlated with PM2.5concentration, visibility and relative humidity. This shows that the number concentration of PM2.5in the atmosphere is higher, the visibility is the lower.

particle number concentration; PM2.5; visibility; relative humidity

10.13524/j.2095-008x.2016.02.025

2016-03-18;

2016-04-08

国家自然科学基金资助项目(51408168)

王薇(1991-)，女，山东临朐人，硕士研究生，研究方向：大气颗粒物污染，E-mail:1584253020@qq.com;*通讯作者：黄丽坤(1980-)，女，吉林辉南人，副教授，博士，研究方向：大气污染控制，E-mail:hlk1980@163.com。

X513

A

2095-008X(2016)02-0046-06