重庆市生态保护发展区域大气环境质量研究

张永江，邓茂，李莹莹，宋卫华，刘先良，刘蓉

(1.重庆市黔江区环境监测中心站，重庆 409099；2.西南大学资源环境学院，重庆 400715)

重庆市生态保护发展区域大气环境质量研究

张永江1,2，邓茂1，李莹莹1，宋卫华1，刘先良1，刘蓉1

(1.重庆市黔江区环境监测中心站，重庆 409099；2.西南大学资源环境学院，重庆 400715)

为详细掌握重庆市生态保护发展区域的大气环境质量状况，选择五个区县大气自动观测站点数据进行分析研究，结果表明：研究区域五个区域城市大气环境中的SO2、PM2.5、PM10、NO2和O3均满足《环境空气质量标准》(GB 3095—2012)中二级标准，但五个区县城市的主要大气污染物差异较大。相关性分析表明，研究区域五个观测站点大气中主要污染因子与气象参数呈现了不同程度的相关性，导致了大气污染因子受气象参数影响也较大。主成分分析结果表明，研究区域气象参数中风向均单独为一个组分，温度、湿度基本归为一个主分，O3与其它污染因子均不再是同一个组分类别。聚类分析结果表明，石柱县和黔江区大气监测参数可分为5类，酉阳县为4类，彭水县和秀山县为6类，但所有研究区域大气中的PM10和PM2.5均属于同一类别，而其他参数之间的聚类差别较大。

重庆市；大气环境质量；相关性分析；主成分分析；聚类分析

大气环境污染对人类健康构成了极大威胁，已成为当前人类面临的重要环境问题之一。随着城市化发展进程的加快，人为频繁活动导致大量污染物排放，城市机动车保有数量也呈明显增长趋势，城市的大气污染正在由传统的煤烟型污染向复合型污染转化[1]，大气污染物通过大气扩散、传输、沉降和稀释等过程对大气环境具有重要影响[2]。城市大气环境中的PM2.5、PM10、NOx、SO2、O3为主要大气污染物，对生态环境、气候环境等方面构成了严重影响[3]。因而城市大气污染问题也尤为突出，已成为人类关注的焦点[4]。2016年1月1日，环境保护部对《环境空气质量标准》(GB 3095—2012)标准进行颁布和实施，在全国大中型城市开始实施PM10、SO2、PM2.5、CO、O3、NO2、NO和NOx以及气象参数指标观测[5]。然而，气象参数中的相对湿度、气温、地面风向、风速和近地层逆温等因子对大气环境污染具有极其重要的影响，不同区域的大气污染状况特征和机理通常呈现较大的差别[6-7]。因此，研究不同区域的大气污染因子及其气象参数对大气环境状况的影响具有极其重要的意义。

2013年，中共重庆市委、重庆市人民政府《关于科学划分功能区域、加快建设五大功能区的意见》中将黔江区、彭水县、石柱县、酉阳县和秀山县划定为生态保护发展区。近年来，生态保护发展区域以大力加强生态经济建设，在生态旅游和农业等方面得到了快速发展，人类活动日益频繁，但辖区的生态环境质量也随之发生变化。然而，现有研究对生态保护发展区域的大气环境质量状况有限。因此，为全面掌握具有特色地理环境的武陵山区域大气污染状况，全面了解重庆市生态保护发展区域城市的大气污染规律和特征，开展生态保护发展区域的城区大气环境质量状况研究，对于治理大气污染具有重要意义，以期为环保部门制定相关控制措施和政策提供科学依据。

1 研究区域和方法

研究区域位于重庆市生态保护发展区域，选取黔江区、彭水县、石柱县、酉阳县和秀山县城区大气环境自动观测点位，其地理位置见图1。城区大气自动观测监测数据来源于重庆市环境保护局官方网站重庆市空气质量发布系统， 2016年秋季区域，选取9月1日至11月30日研究区域五个城区大气自动观测站的分析数据进行分析，所有数据采用SPSS19.0进行统计分析。

图1 五个大气观测站点位Fig.1 The five atmosphere automatic observation sites

2 结果与讨论

2.1 区域大气环境质量状况

重庆市生态保护发展区域五个区县城区大气污染物浓度变化见图2。由图2可以看出，9月，重庆市生态保护发展区域5个区县的SO2和PM2.5浓度变化波动较小，而PM10、NO2和O3变化波动较大，均能达到《环境空气质量标准》(GB 3095—2012)中二级标准，其中秀山县的O3的8小时滑动平均值最大，达到86 μg/m3，彭水县最小为43 μg/m3，SO2、O3和NO2均能达到一级标准要求，空气质量较好。10月，5个区县的PM10、NO2、 PM2.5和SO2指标呈现的变化趋势，彭水县>石柱县>秀山县>酉阳县>黔江区，O3的变化趋势为秀山县>黔江区>酉阳县>石柱县>彭水县，空气质量也均达到二级标准要求。11月，5个区县的PM10和SO2指标呈现的变化趋势，彭水县>石柱县>酉阳县>黔江区>秀山县，彭水县的PM10和SO2分别达到61 μg/m3和25 μg/m3，O3的变化趋势为秀山县>黔江区>酉阳县>石柱县>彭水县，空气质量也均达到二级标准要求，其中秀山县的O3浓度达到55 μg/m3，而PM2.5和NO2的浓度变化差异较小，SO2、PM2.5和NO2均能达到一级标准要求，空气质量优良。

图2 大气污染因子变化图Fig.2 The variation of atmosphere pollution factors

2.2 污染因子与气象参数相关性分析

通过SPSS19.0对重庆市生态保护发展区域五个区县城区大气污染因子及气象参数进行统计分析，分析结果可以看出，对石柱县而言，O3与风速、风向和湿度呈显著相关(P<0.05)，与温度则无相关性，除NO2与风向呈正相关外，SO2、NO2、PM10、PM2.5与风速、温度和风向呈负相关，PM10、PM2.5和O3与湿度呈显著性负相关，而SO2和NO2则表现出正相关。彭水县大气污染因子中PM10、PM2.5、SO2、NO2与风速、风向和温度呈显著性相关(P<0.05)，而PM10、PM2.5和O3与湿度呈显著性负相关，SO2和NO2与湿度则呈显著性正相关。酉阳县的O3与风速和温度呈正相关，与湿度呈负相关，与风向则无相关性，SO2与风向、温度呈正相关，NO2与风速呈负相关，与风向、温度呈正相关，PM10和PM2.5与风速呈负相关，与风向和温度呈正相关。秀山县城区大气中O3与风向、湿度呈极显著负相关，与风速和温度呈极显著正相关(P<0.01)，NO2与风速、风向温度呈负相关，与湿度呈正相关，PM10和PM2.5与温度、湿度呈极显著负相关，其余则与气象因子无相关性。黔江区城区SO2、NO2、O3、PM10和PM2.5均与气象参数中风速、温度和湿度呈不同程度的显著性相关(P<0.05)，或极显著性相关(P<0.01)，与风向则无相关性，SO2、NO2、PM10和PM2.5与温度和湿度呈显著性负相关，O3则与之呈现正相关，这一结果与前期研究结果相一致。从生态保护发展区域5个区域城区大气环境污染因子与气象参数相关性分析结果表明，可能受地理环境条件及气候条件影响，不同区域的气象条件差别较大，不同区域大气污染因子受气象参数影响也较大，因此，具有武陵山特殊地理位置差异，不同区域的城区大气污染物防治需因地制宜而实施[8]。

图3 各类因子组间聚类分析Fig.3 Various elements groop cluster analysis tree

2.3 主成分分析

选择大气自动监测12个因子为变量进行适用性检验，经检验分析，黔江区、彭水县、石柱县、酉阳县和秀山县的KMO分别为0.610、0.600、0.585、0.621和0.525，表明变量间相关性较强，可以进行因子分析。Bartlett球形检验发现，近似卡方值分别为42 197.541、27 610.317、32 206.565、32 779.798和26 832.388，自由度均为45，P=0.000，说明适宜因子分析。使用主成分分析和正交旋转方法，得到了主成分分析结果。对于黔江区，共抽出4个主成分，第一主成分上CO、SO2、NO2、PM10、PM2.5具有较大的正荷载，第二主成分上风速、温度和湿度构成，由此表明黔江区大气污染受气象因子影响较大。第三主成分为臭氧。第四主成分受风向影响较大。对于彭水县，共抽出3个主成分，第一主成分上CO、SO2、NO、NO2产生较大的正荷载、O3和风速产生较大的负荷载，第二主成分上PM10、PM2.5和温度产生较大的正荷载，湿度产生较大的负荷载，第三主成分上风向影响较大。对于石柱县，共抽出4个主成分，第一主成分上CO、SO2、NO、NO2、PM10、PM2.5具有较大的正荷载，第二主成分是风速、温度和湿度，第三主成分是O3，第四主成分是风向。对于酉阳县，共抽出4个主成分，第一主成分上CO、SO2、NO、NO2、PM10、PM2.5具有较大的正荷载，第二主成分是风速和温度，第三主成分是O3具有较大负荷载，第四主成分是风向和湿度。对于秀山县，共抽出5个主成分，第一主成分上CO、SO2、NO、NO2、PM10、PM2.5产生较大的正荷载，第二主成分O3产生较大正荷载，湿度产生较大负荷载，第三主成分风速和温度，第四、第五主成分是风向。

2.4 聚类分析

采用SPSS 19.0统计软件，以平方欧氏距离(Squared Euclidean distance)2为组间距离标准，对重庆市生态保护发展区域五个区县城区大气污染因子及气象合计12个参数进行聚类分析，组间聚类分析结果见图3，由图可以看出，石柱县大气监测参数可分为5类， PM10、PM2.5

3 结论

(1)2016年9—11月，重庆市生态保护发展区域五个区域城市大气环境中的SO2、PM2.5、PM10、NO2和O3均能达到《环境空气质量标准》(GB 3095—2012)中二级标准，城市环境空气质量处于优良水平，但五个区县城市的主要大气污染物差异较大。

(2)由相关性分析表明，研究区域5个观测站点大气中主要污染因子与气象参数呈现了不同程度的相关性，可能受地理环境条件及气候条件影响，不同区域的气象条件差别较大，导致了主要大气污染因子受气象参数影响也较大。

(3)主成分分析结果表明，研究区域5个观测站点气象参数中风向均单独为一个组分，温度、湿度基本归为一个组主，表明研究区域大气污染状况受气象条件影响较大。O3与其他污染因子均不在同一个组分类别，且均具有较大的负荷载，由此表明O3的污染来源与其他污染物来源具有较大差别。

(4)对五个区县大气污染因子及气象合计12个参数进行聚类分析，组间聚类分析结果表明，石柱县和黔江区大气监测参数可分为5类，酉阳县为4类，彭水县和秀山县为6类。但所有研究区域大气中的PM10和PM2.5均属于同一类别，而其他参数之间的聚类差别较大。

[1] 谢绍东,张远航,唐孝炎.我国城市地区机动车污染现状与趋势[J].环境科学研究，2000，13(4):22- 25.

[2] 王宇骏,黄祖照,张金谱,等.广州城区近地面层大气污染物垂直分布特征[J].环境科学研究，2016，29(6):800- 809.

[3] 徐晓斌,刘希文,林伟立.输送对区域本底站痕量气体浓度的影响[J].应用气象学报,2009,20(6): 656- 664.

[4] 廖志恒,范绍佳,黄娟.2013年10月长株潭城市群一次持续性空气污染过程特征分析[J].环境科学,2014,35(11): 4061- 4069.

[5] 王占山,张大伟,李云婷,等.北京市夏季不同O3和PM2.5污染状况研究[J].环境科学,2016,37(3):807- 815.

[6] Tai A P K,Mickley L J, Jacob D J. Correlations between fine particulate matter ( PM2.5) and meteorological variables in the United States: Implications for the sensitivity of PM2.5to climate change [J]. Atmospheric Environment,2010,44 (32):3976- 3984．

[7] 杨怀金,杨德容,叶芝祥,等.成都西南郊区春季PM2.5中元素特征及重金属潜在生态风险评价[J].环境科学,2016,37(12): 4490- 4503.

[8] 贾斌,卢吉文,李雪,等.重庆垫江大气污染物浓度变化趋势及影响因子分析[J].环境影响评价,2016, 38(2):78- 81.

Evaluation of Atmospheric Environment Quality in Ecological Protection Areas of Chongqing

ZHANG Yong-jiang1,2, DENG Mao1, LI Ying-ying1, SONG wei-hua1,LIU Xian-liang1, LIU Rong1

(1.Environmental Monitoring Center Station of Qianjiang District in Chongqing, Chongqing 409099 China;2.College of Resources and Environment, Southwest University, Chongqing 400715, China)

In order to learn the atmospheric environment quality in ecological protection areas of Chongqing, the atmosphere automatic observation site data was analyzed in five districts and counties. The results showed that: the atmospheric environment concentration of SO2, PM2.5, PM10, NO2and O3reached the secondary standard of “Ambient Air Quality Standard” (GB 3095-2012) in five study areas. However, there were differences between major atmospheric pollutants in five districts and counties. Correlation analysis results showed that there were different degrees of correlation between the major atmospheric pollutants and meteorological parameters in five observation sites, and the impact of meteorological parameters on air pollution factors was bigger. Principal component analysis results showed that the wind was a separate component in the meteorological parameters, temperature and humidity were basically in one component, and O3and other pollution factors were not in the same component category. Cluster analysis results showed that the atmospheric monitoring parameters were divided into five types in Shizhu County and Qianjiang District, four types in Youyang County, and six types in Pengshui County and Xiushan County. But PM10and PM2.5belonged to the same category in five study areas, and the clustering difference between other parameters was considerably large.

Chongqing; atmospheric environment quality; correlation analysis; principal component analysis; clustering analysis

2017-02-06

重庆市基础科学与前沿技术研究项目(cstc2015jcyjA0002)；重庆市环境保护局科技项目(环科字2015CF第101号)

张永江(1983—)，男，重庆彭水人，高级工程师，博士研究生，主要从事环境管理和监测研究，E-mail:yjzhang008@163.com

10.14068/j.ceia.2017.02.016

X823

A

2095-6444(2017)02-0063-05