北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应

王嫣然，张学霞，赵静瑶，余新晓，姜群鸥

北京林业大学水土保持学院，城乡生态环境北京实验室，水土保持与荒漠化防治教育部重点实验室，北京 100083

北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应

王嫣然，张学霞，赵静瑶，余新晓，姜群鸥

北京林业大学水土保持学院，城乡生态环境北京实验室，水土保持与荒漠化防治教育部重点实验室，北京 100083

利用2013年1月—2014年12月北京地区PM2.5和PM10监测数据和同期近地面气象观测数据，采用非参数分析法(Spearman秩相关系数)研究了北京地区PM2.5和PM10的浓度对不同季节地面气象因素的响应。结果表明：北京地区大气颗粒物浓度水平具有明显的季节特征，冬季大气颗粒物污染最严重，夏季最轻。不同季节影响颗粒物浓度水平的气象因素各不相同，其中风速和日照时数为主要影响因素。PM2.5和PM10质量浓度对气象因素变化的响应程度也有较大区别，PM2.5/PM10比值冬季最高，PM2.5影响最大，春季最低，PM10影响最大。这些结论可对制订科学有效的大气污染控制策略提供参考。

PM2.5；PM10；气象因素；非参数分析；北京

大气颗粒物是大气中存在的各种固态和液态颗粒状物质的总称。按照空气动力学直径大小，可将大气颗粒物分为总悬浮颗粒物、可吸入颗粒物和细颗粒物。其中细颗粒物即为PM2.5，其危害很大。PM2.5粒径小，易被吸入体内，化学成分包含硫酸盐、硝酸盐、碳元素、重金属、有机物及有害气体，还可载带微生物质成分(如病毒、细菌等) 和生物质碎末等[1-2]。高浓度的PM2.5不仅破坏陆地和海洋生态系统的自然循环，还会引起全球气候变化及能见度降低。近期研究还表明，高浓度的PM2.5危害人体健康，主要表现在呼吸系统和心血管疾病，尤其是导致老年人和儿童住院率、门诊率增加，以及不良妊娠结果、新生儿的缺陷率和死亡率增加，更为严重的是具有地域特征的疾病增加[3-9]。

大气颗粒物浓度水平除了与污染物的空间分布情况和污染源强度大小有直接关系外，还与气象因素密切相关(如风速、降水、温度等)[10]。气象因素对大气中污染物的累积、扩散和消除有着重要作用，同步观测并分析颗粒物浓度对气象因素的响应不仅能验证并合理解释监测数据，还对研究当地大气污染形成的气象条件与空气质量预报提供一定的指导[11]。

近年来，关于北京地区大气颗粒物浓度与气象因素的关系方面的研究较多。隋珂珂等[12]研究了北京市PM10持续污染及与常规气象要素的关系，得出PM10持续污染以春、秋、冬季出现次数多，概率大，相对湿度、风速和风向对其影响较大的结论。李军等[13]用非参数分析法对北京市2005年9月—2006年9月大气颗粒物浓度数据和气象数据进行分析，认为不同季节影响颗粒物浓度水平的气象因素各不相同。赵晨曦等[14]对2012—2013年北京地区冬春PM2.5和PM10进行了污染水平时空分布及其与气象条件的关系研究，得出北京市冬季PM2.5和PM10的浓度分别与气温、相对湿度呈正相关关系，与风速呈负相关关系。曾静等[15]利用2008、2009年夏季和秋季PM2.5和PM10数据进行回归分析，得出了颗粒物与气象因素之间的关系及对应的回归方程。这些研究选取的观测时间较短，或者大多只涉及了大气颗粒物中的一种，研究其对气象因素的响应变化。目前，针对不同粒径的大气颗粒物，特别是PM2.5和PM10的浓度对不同季节的地面气象因素变化的响应研究较少。

笔者基于2013、2014年北京地区PM2.5和PM10浓度周均值监测数据和2013、2014年PM2.5浓度日均值监测数据，从时间分辨率上较为全面的分析颗粒物与气象因素的关系，从颗粒物粒径选择上也比较全面的代表了北京市大气颗粒物浓度水平。采用比传统参数分析方法适应性更强、应用范围更广的非参数相关分析法[16](Spearman秩相关系数)来研究PM2.5和PM10的浓度与不同季节各气象因素的相关性和响应关系。时滞性分析则是分析气象因素之间的相关性。

1 研究区概况

北京市所处的地理坐标为39°26′～41°03′N，115°25′～117°39′E，是华北平原的西北边缘。西部与北部为山地丘陵，中部与东部为平原，地势自西北向东南倾斜，山地丘陵自西、北和东北3面环抱北京城所在的小平原。北京市气候属半湿润半干旱季风气候。全年7月最热，月平均气温在平原地区为26 ℃左右，海拔800 m以下的山区为21～25 ℃；1月最冷，月平均气温在平原地区为-4～-5 ℃，海拔800 m以下山区为-6～-10 ℃，气温年较差为30～32 ℃。年降水量空间分布不均匀，东北部和西南部山前迎风坡地区为相对降水中心，降水量为600～700 mm；西北部和北部深山区少于500 mm，平原及部分山区为500～600 mm。夏季降水量约占年降水量的75%。

2 实验部分

2.1 资料来源

北京地区2013年1月—2014年12月PM2.5浓度日均值数据和PM2.5、PM10浓度周均值数据均由北京市环境监测中心提供，气象观测数据采用中国气象科学数据共享服务网提供的北京地区同期近地面气象观测数据(包括平均气压、风速、气温、水汽压、相对湿度、降水量、日照时数等)。

自2013年1月1日以来，北京市环保局面向社会实时发布覆盖全市的35个监测站点的空气质量，这35个站点按照监测职能分为12个城区环境评价点、11个郊区环境评价点、7个对照点及区域点、5个交通污染监控点(监测子站详见图1)。

图1 北京市35个自动空气监测子站位置示意图Fig.1 Spatial distribution of 35 automatic air monitoring stations in Beijing

将北京市按照行政区划分为5个区域，分别为城六区(东城区、西城区、朝阳区、海淀区、丰台区、石景山区)，西北部(延庆县、昌平区)，东北部(怀柔区、密云县、顺义区、平谷区)，西南部(门头沟区、房山区)和东南部(通州区、大兴区)。将35个站点中坐落在各区域内的所有站点的平均浓度作为每个区域的PM2.5浓度，再根据5个区域的面积比按权重计算全市日平均值，最后基于日均值计算周均值。

2.2 数据处理方法

统计分析方法采用的是非参数相关分析，即Spearman秩相关系数。Spearman秩相关系数用来判断2个随机变量在二维和多维空间中是否具有某种共变趋势，对应的相关分析称为非参数相关分析[17]。Spearman秩相关系数可以不考虑2个随机变量的变化幅度，能有效克服Pearson积矩相关系数只适合描述线性相关关系的缺点，适用性比参数相关分析更好[18]。同时，在样本总体分布不明确、信息缺乏的情况下，Spearman秩相关系数能获得较好的结论[19]。

Spearman秩相关系数是建立在等级基础上的，计算反映2组随机变量之间关系密切程度的统计指标[20]，研究中Spearman秩相关系数采用软件SPSS 20.0计算。

3 结果与讨论

北京地区为典型的北温带半湿润大陆性季风气候，四季分明。根据气候学上的分类，北京地区每年的3—5月为春季，6—8月为夏季，9—11月为秋季，12月—翌年2月为冬季。受春季本地及外来风沙源，夏季道路和建筑施工高峰期扬尘，秋季多发大雾天气过程及秸秆焚烧，冬季燃煤采暖等污染源因素的影响，北京地区不同季节各类污染源排放量及其对空气污染的贡献不同，大气颗粒物浓度水平表现出明显的季节特征。

3.1 不同粒径大气颗粒物浓度的季节变化特征

图2体现了2013—2014年各季节PM2.5和PM10质量浓度变化情况。

由图2可知，北京地区2013年PM2.5和PM10浓度水平为冬季最高，春季、秋季次之，夏季最低，该结果与徐敬等的研究结果[21](PM2.5浓度有明显的季节性差异)一致。2014年秋季PM2.5浓度值最高是因为当年秋季，华北地区大面积秸秆燃烧导致的。北京师范大学环境学院刘新罡副教授带领其团队[22]，对2014年北京市秋季的4次灰霾进行监测、研究后得出结论，燃烧秸秆对北京市秋季灰霾的形成具有重要的诱导作用。2014年春季PM10浓度最高，是由于当年春季北京地区发生了7次沙尘天气过程，尽管沙尘天气过程次数低于常年水平，但扬沙和沙尘暴仍为北京春季大气颗粒物浓度水平较高的主要因素。

图2 2013—2014年各季节PM2.5与PM10质量浓度变化Fig.2 Changes of PM2.5 and PM10 mass concentration in different seasons in 2013-2014

图3展示了2013—2014年各季节PM2.5/PM10比例变化情况。

图3 2013—2014年各季节PM2.5/PM10比例变化情况Fig.3 Changes of PM2.5/PM10 ratio in different seasons in 2013-2014

由图3可知，北京地区2013、2014年PM2.5/PM10比值冬季最高，分别为0.98和0.76，夏季和秋季次之，2013年为0.83和0.76，2014年为0.75和0.72，春季最低，分别为0.67和0.59，同样具有明显的季节性变化特征，证明了在北京地区春季，扬沙和沙尘暴等大粒径空气污染物浓度上升，PM2.5/PM10比例下降，为四季中最低水平。

3.2 不同气象因素的季节变化特征

气象因素对大气污染物有影响得到了许多研究人员的印证[12-15]。表1为不同季节各气象要素平均值对比情况。由表1可知，对大气污染物影响较大的气象因素(如气压、风速、相对湿度等)，具有明显的季节性特征。冬季气压高，风速大，污染物浓度降低；夏季降水对大气污染物的减轻消散具有明显作用。

表1 不同季节各气象要素平均值对比表Table 1 Comparison of average meteorological elements in different seasons

3.3 不同粒径大气颗粒物浓度对不同季节气象因素响应的Spearman秩相关系数

周江兴[23]认为，在过去的一些研究中，颗粒物浓度与气象因素之间的关系常被视为线性关系。而他分析了北京市几种主要污染物浓度与同时期气象因素之间的关系，得出污染物浓度与同时期气象因素之间存在非常明显的非线性关系的结论，因而采用非线性回归方程来描述污染物浓度与气象因素之间的依赖关系, 提高了两者之间的相关性，减小了误差。

3.3.1 春季大气颗粒物浓度与气象因素的相关性

北京地区春季PM2.5浓度周均值与平均风速和平均日照时数呈显著负相关，与平均相对湿度呈显著正相关。PM2.5/PM10比值与平均日照时数呈显著负相关，与平均气压呈显著正相关(表2)。这是由于气压观测数据的标准差达到4.64 hPa，为四季当中最大值。当地面受高压控制时，天气系统稳定，空气当中污染物扩散条件不好，污染物浓度增高。当地面转为受低压控制时，稳定的天气系统被破坏，扩散条件转好，污染物浓度下降。而且由于日照时数增多，热力对流、热力和机械湍流的综合作用加强，有效破坏地面逆温层结，大气的垂直扩散能力加强，有利于大气污染物的迁移和扩散，颗粒物质量浓度呈下降趋势[13]。PM2.5对气压响应程度比PM10高，造成了颗粒物质量浓度的相应变化。

表2 春季颗粒物质量浓度与气象因素的Spearman 秩相关系数Table 2 Spearman rank correlation coefficient of particle mass concentration and meteorological factors in spring

注：“*”表示2个变量之间显著相关，P<0.05；“**”表示2个变量之间极显著相关，P<0.01。下同。

春季PM10浓度周均值与风速呈显著负相关，与其他气象因素相关性不显著(表2)。可能是因为春季北京地区受本地及外来风沙源的影响严重[24]，且主要是长时间的沙尘天气过程。2014年春季北京地区共出现7次沙尘天气过程，尽管其次数低于常年水平，但仍旧造成了空气的重度污染，2014年春季PM10的季平均浓度为四季中的最大值。在这种天气背景下，风速对PM10质量浓度的影响要比PM2.5显著。当风速增加时，有效地破坏了稳定的天气系统，PM10输送、迁移和沉降的效果要比PM2.5显著，增强了对颗粒物的水平输送能力及扩散作用。PM10浓度对风速的响应程度比PM2.5要高，表现为浓度值低。

春季PM2.5浓度日均值和平均风速呈显著负相关，与平均水汽压、平均相对湿度和平均日照时数呈显著正相关(表2)。

3.3.2 夏季大气颗粒物浓度与气象因素的相关性

北京地区夏季PM2.5浓度周均值和PM2.5/PM10比值与平均日照时数呈显著负相关，与其他气象因素相关性不显著(表3)，说明夏季大气环境受瞬时极端天气变化过程影响，常有蒙古气旋东移和冷锋过境[25-26]，与东南方向来的暖湿气流交汇，天气过程交替十分明显。平均日照时数对PM2.5浓度影响因素原因与春季相同。

表3 夏季颗粒物质量浓度与气象因素的Spearman秩相关系数Table 3 Spearman rank correlation coefficient of particle mass concentration and meteorological factors in summer

虽然PM2.5浓度周均值与地面水汽压和相对湿度无显著相关性，但PM2.5浓度日均值与水汽压和相对湿度呈显著正相关(表3)，研究中PM2.5浓度日均值数据覆盖了2013、2014年夏季共6个月的每一天，研究显示，夏季空气湿度加大，水汽压增高时，颗粒物不易迁移、扩散，其浓度值升高。

降水对大气颗粒物有明显的湿沉降作用[27]，北京地区夏季高温多雨，雨量基本占全年降水量的75%。虽然颗粒物浓度与降水量相关性不显著，但由PM2.5和PM10浓度周均值数据和PM2.5浓度日均值数据可以得出，其浓度基本处于较低水平。2013、2014年夏季，PM2.5和PM10浓度周均值均为四季中最低值。夏季降雨能有效清除大气颗粒物，降水直接影响水汽压和相对湿度值的大小(表4)，使夏季大气颗粒物扩散、沉降的条件非常好，污染程度最轻。

表4 降水与水汽压和相对湿度的Spearman秩相关系数Table 4 Spearman rank correlation coefficient of precipitation and water vapor pressure and relative humidity

3.3.3 秋季大气颗粒物浓度与气象因素的相关性

北京地区秋季PM2.5周均值与平均日照时数呈显著负相关，与其他气象要素相关性不显著，PM10浓度周均值和PM2.5/PM10比值与所有气象因素相关性均不显著(表5)。PM2.5浓度日均值与地面气压、风速、水汽压、相对湿度和日照时数均显著相关，主要原因可能是样本数量大小不一致。2013、2014年秋季北京地区平均风速只有1.55 m/s，为四季中最低值，相对湿度偏大，逆温发生频率高、强度大且持续多日，常出现稳定的天气系统，污染物不易扩散，易持续积累。

表5 秋季颗粒物质量浓度与气象因素的Spearman秩相关系数Table 5 Spearman rank correlation coefficient of particle mass concentration and meteorological factors in autumn

北京地区秋季平均相对湿度与平均风速呈显著负相关关系(Spearman秩相关系数为-0.820，P<0.05)，与平均气温呈显著正相关关系(Spearman秩相关系数为0.812，P<0.05)，这与李军等[13]的研究结果一致。当相对湿度增加时，风速较小，气温偏高，经常有雾形成[28-29]。孟燕军等[29]通过对北京地区10 a的气象资料统计，发现北京地区秋季出现大雾天气频率最高，平均占全年大雾日数的31.7%。当雾天发生时，由于大气层结构稳定，风速较小，近地面多出现逆温现象，且强度大，空气中相对湿度达到或接近饱和状态[30]，不利于颗粒物的迁移、扩散，但有利于颗粒物的吸湿和二次颗粒物的水相形成[31]。统计资料表明，有雾时污染物浓度总是相对较高[30]。2013、2014年秋季期间，PM2.5和PM10浓度均处于较高水平，PM2.5/PM10比值分别为0.76和0.72。

3.3.4 冬季大气颗粒物浓度与气象因素的相关性

北京地区冬季PM2.5浓度周均值与平均水汽压、平均相对湿度呈显著正相关关系，PM10浓度周均值与平均降水量呈显著正相关关系，PM2.5和PM10浓度周均值均与平均风速和日照时数呈显著负相关关系，与其他气象因素相关性不显著。PM2.5浓度日均值与平均气温、水汽压和相对湿度呈显著正相关关系，与平均气压、风速和日照时数呈显著负相关关系(表6)。

表6 冬季颗粒物质量浓度与气象因素的Spearman秩相关系数Table 6 Spearman rank correlation coefficient of particle mass concentration and meteorological factors in winter

时滞性分析是分析实际结果和目标要求之间造成延时发展现象的影响时间差有多长。水平气压梯度力是促使大气由高气压区流向低气压区的力，是大气产生水平运动的原动力，是形成风的直接原因，既影响风向(风向垂直于等压线并指向低压)，又影响风速(水平气压梯度力越大，风速越大)。冬季污染物浓度大小受气压和风速影响较大，PM2.5浓度日均值与平均气压和风速呈显著负相关，故对气压和风速进行时滞性分析。分析结果见表7。

表7 气压和风速时滞性分析的Spearman秩相关系数Table 7 Spearman rank correlation coefficient of pressure and wind speed delay analysis

北京地区冬季平均气压与风速在时滞时间长度为1 d时呈显著负相关关系(Spearman秩相关系数为-0.249，P<0.01)，说明气压对第二天风速产生显著影响。当气压升高，风速减小，有利于近地面层处于稳定状态，逆温强度增大，不利于污染物垂直和水平方向的扩散，加重了颗粒物的积聚污染，使其质量浓度升高；也易吸附气态污染物，有利于二次粒子的转化形成。

4 结论

利用2013年1月—2014年12月北京地区PM2.5和PM10监测数据和同期近地面气象观测数据，采用Spearman秩相关系数研究了北京地区PM2.5和PM10的浓度对不同季节地面气象因素的响应，旨在研究不同季节大气颗粒物浓度随主要气象因素的变化规律。主要结论如下：

1)北京地区大气颗粒物浓度水平具有明显的季节特征。冬季大气颗粒物污染最严重，夏季最轻。其中，2013年冬季受燃煤采暖，2014年春季受严重沙尘天气影响，颗粒物污染最为严重，2014年秋季受秸秆焚烧影响，污染程度亦较为严重。

2)在不同季节，北京地区PM2.5和PM10受到的气象因素影响不同。春季PM2.5和PM10都与平均风速呈显著负相关；夏季PM2.5和PM10受降水影响很大，浓度水平最低；秋季PM2.5受相对湿度和平均风速影响很大；冬季PM2.5和PM10均与平均风速呈显著负相关，气压亦对其产生很大影响。大气颗粒物浓度水平不仅受到单一气象因素的影响，更是受到不同气象因素共同配合及相关联的特殊天气现象的影响。

3)不同粒径大气颗粒物对气象因素变化的响应程度也不同。春季PM2.5浓度对地面平均气压的响应比PM10要显著，PM2.5/PM10在春季都与地面平均气压呈显著正相关。夏季和秋季PM2.5对水汽压和相对湿度响应比PM10显著，PM2.5浓度日均值与平均水汽压和相对湿度呈显著正相关。秋季平均气压、风速和降水量对PM2.5浓度的影响比PM10更显著，PM2.5与平均气压、风速和降水量呈显著负相关。冬季相对湿度和风速对PM2.5的影响比PM10更显著，PM2.5和PM10与相对湿度和风速均呈显著负相关。

由于获取的实验数据时间范围有限，研究结论仅验证了2013、2014年大气颗粒物与气象因素的响应关系。该规律是否适用于其他年份、其他地区，需要更多数据的支持。今后应加强大气颗粒物来源及其影响因素的研究，为制定合理有效的污染控制策略及空气污染预报提供科学依据。

[1] ULRICH P. Atmospheric aerosols: composition, transformation, climate and health effects [J]. Angewandte Chemie International Edition, 2005,44(46):7 520-7 540.

[2] CHAK K C, YAO X H. Air pollution in mega cities in China[J].Atmospheric Environment,2008,42(1):1-42.

[3] SOLOMON S, QIN D, MANNING M, et al. Climate Change 2007-th Physical Science Basis: Working Group I Contribution to the Fourth Assessment Report of the IPCC[M].New York: USA Cambridge University Press,2007:10-16.

[4] CHEN R J, LI Y, MA Y J, et al. Inhalable particles and mortality in three Chinese cities: The China Air Pollution and Health Effects Study (CAPES)[J].Science of the Total Environment,2011,409 (23):4 934-4 938.

[5] 张文丽,徐东群,崔九思.空气细颗粒物(PM2.5)污染特征及其毒性机制的研究进展[J].中国环境监测,2002,18(1):59-63.

ZHANG W L,XU D Q,CUI J S.Research progress on pollution characteristics and toxicity mechanism of airborne fine particulate matter (PM2.5)[J].Environmental Monitoring in China,2002,18(1):59-63.

[6] HAUCK H, BERNER A, FRISCHER T, et al. AUPHEP-austrian project on health effects of particulates-general overview[J]. Atmospheric Environment,2004,38(24):3 905-3 915.

[7] HOLGER S, VOLKER H, ANGELA I M, et al. Cardiovascular effects of fine and ultrafine particles[J].Journal of Aerosol Medicine,2005,18(1):1-22.

[8] ROSS H A, RICHARD W A, PEACOCK L J, et al. Meta-analysis of time series studies and panel studies of particulate matter (PM) and ozone(O3)[R].Copenhagen: World Health Organization,2004:4-10.

[9] 李泓,李广,刘茜,等.北京市PM2.5质量浓度特征及组分化学质量闭合研究[J].中国环境监测,2015,31(4):35-43.

LI H,LI G,LIU Q,et al.Study on the characteristics of mass concentration and chemical mass closure of PM2.5in Beijing[J].Environmental Monitoring in China,2015,31(4):4-10.

[10] 李宗恺,潘云仙,孙澜桥.空气污染气象学原理及应用[M].北京:气象出版社,1985:557-569.

LI Z K,PAN Y X,SUN L Q.The Principle and Application of Air Pollution Meteorology[M].Beijing:Meteorological Press,1985:557-569.

[11] 孟燕军,程丛兰.影响北京大气污染物变化的地面天气形势分析[J].气象,2002,28(4):42-47.

MENG Y J,CHENG C L.Analysis of the influence of ground Air conditions on the change of atmospheric pollutants in Beijing[J]. Meteorology,2002,28(4):42-47.

[12] 隋珂珂,王自发,杨军,等.北京PM10持续污染及与常规气象要素的关系[J].环境科学研究,2007,20(6):77-82.

SUI K K,WANG Z F,YANG J,et al.The relationship between continuous pollution of PM10and conventional meteorological elements in Beijing[J].Environmental Science Research,2007,20(6):77-82.

[13] 李军,孙春宝,刘咸德,等.气象因素对北京市大气颗粒物浓度影响的分参数分析[J].环境科学研究,2009,22(6):663-669.

LI J,SUN C B,LIU X D,et al.Analysis of the influence of meteorological factors on the concentration of atmospheric particles in Beijing[J].Environmental Science Research,2009,22(6):663-669.

[14] 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.

ZHAO C X,WANG Y Q,WANG Y J,et al.The relationship between PM2.5and PM10in Beijing area and level of spatial and temporal distribution of meteorological conditions[J].Environmental Science,2014,35(2):418-427.

[15] 曾静,王美娥,张红星.北京市夏秋季大气PM2.5浓度与气象要素的相关性[J].应用生态学报,2014,25(9):2 695-2 699.

ZENG J,WANG M E,ZHANG H X.Correlation between atmospheric PM2.5concentration and meteorological factors in summer and autumn in Beijing[J].Journal of Applied Ecology,2014,25(9):2 695-2 699.

[16] 谷彬,赵彦云.非参数统计作用与发展[J].中国统计,2007(4):55-56.

GU B,ZHAO Y Y.Non parametric statistical function and development[J].Statistics in China,2007(4):55-56.

[17] 张利田,卜庆杰,杨桂华,等.环境科学领域学术论文中常用数理统计方法的正确使用问题[J].环境科学学报,2007,27(1):171-173.

ZHANG L T,BU Q J,YANG G H,et al.The correct use of mathematical statistical methods in the field of environmental science[J].Journal of Environmental Science,2007,27(1):171-173.

[18] 陶澍.应用数理统计方法[M].北京:中国环境科学出版社,1994.

TAO S.Applied Mathematical Statistics Method[M].Beijing:China Environmental Science Press,1994.

[19] 吴喜之.非参数统计[M].2 版.北京:中国统计出版社,2006.

WU X Z.Non Parametric Satistics[M].the Second Edition.Beijing:China Statistics Press,2006.

[20] 李彦萍,杨红霞.非参数统计中相关系数的计算及其应用[J].山西农业大学学报,2003,23(4):363-366.

LI Y P,YANG H X.Calculation and application of correlation coefficient in non parametric statistics[J].Journal of Shanxi Agricultural University,2003,23(4):363-366.

[21] 徐敬,丁国安,颜鹏,等.北京地区PM2.5的成分特征及来源分析[J].应用气象学报,2007,18(5):645-654.

XU J,DING G A,YAN P,et al.Compositional characteristics and source analysis of PM2.5in Beijing[J].Journal of Applied Meteorology,2007,18(5):645-654.

[22] YANG Y R，LIU X G，QU Y，et al. Characteristics and formation mechanism of continuous extreme hazes in China: a case study in autumn of 2014 in the North China Plain[J].Atmospheric Chemistry & Physics, 2015,15(7):10 987-11 029.

[23] 周江兴.北京市几种主要污染物浓度与气象要素的相关分析[J].应用气象学报,2005,16(增刊):123-127.

ZHOU J X.Correlation analysis of several main pollutants and meteorological factors in Beijing[J].Journal of Applied Meteorology,2005,16(S):123-127.

[24] 刘洁,张小玲,徐晓峰,等.北京地区SO2,NOX,O3和PM2.5变化特征的城郊对比分析[J].环境科学,2008,29(4):1 059-1 065.

LIU J,ZHANG X L,XU X F,et al.Comparative analysis of SO2, NOx, O3and PM2.5in suburban areas of Beijing[J].Environmental Science,2008,29(4):1 059-1 065.

[25] 李小龙,方宗义.2006年两次影响北京的沙尘天气对比分析[J].气候与环境研究,2007,12(3):320-328.

LI X L,FANG Z Y.Comparative analysis of the two dust weather in Beijing in 2006[J].Research on Climate and Environment,2007,12(3):320-328.

[26] 毛睿,龚道溢,范一大.春季天气变化率对华北沙尘暴频次的影响[J].地理学,2005,60(1):12-20.

MAO R,GONG D Y,FAN Y D.Influence of spring weather variability on dust storm frequency in north China[J].Geography,2005,60(1):12-20.

[27] 胡敏,刘尚,吴志军,等.北京夏季高温高湿和降水过程对大气颗粒物谱分布的影响[J].环境科学,2006,27(11):2 293-2 298.

HU M,LIU S,WU Z J,et al.Effects of high temperature, high humidity and precipitation on the distribution of atmospheric particulate matter in summer in Beijing[J].Environmental Science,2006,27(11):2 293-2 298.

[28] 李金香,邱启鸿,辛连忠,等.北京秋冬季空气严重污染的特征及成因分析[J].中国环境监测,2007,23(2):89-93.

LI J X,QIU Q H,XIN L Z,et al.Characteristics and causes of severe air pollution in autumn and winter in Beijing[J].Environmental Monitoring in China,2007,23(2):89-93.

[29] 孟燕军,王淑英,赵习方.北京地区大雾日大气污染状况及气象条件分析[J].气象,1998,26(3):40-43.

MENG Y J,WANG S Y,ZHAO X F.Analysis of atmospheric pollution and meteorological conditions in Beijing[J].Meteorology,1998,26(3):40-43.

[30] 徐怀刚,邓北胜,周小刚,等.雾对城市边界层和城市环境的影响[J].应用气象学报,2002,13(特刊):170-176.

XU H G,DENG B S,ZHOU X G,et al.Effects of fog on urban boundary layer and urban environment[J].Journal of Applied Meteorology,2002,13(special issue):170-176.

[31] LIU X D, ZHU J, PIERRE M J, et al.Single particle characterization of spring and summer aerosols in Beijing:formation of composite sulfate of calcium and potassium[J].Atmospheric Environment,2005,39:6 909-6 918.

Study on the Response of PM2.5and PM10Concentrations to the Ground Meteorological Conditions in Different Seasons in Beijing

WANG Yanran,ZHANG Xuexia,ZHAO Jingyao,YU Xinxiao,JIANG Qun’ou

Beijing Laboratory of Urban and Rural Ecological Environment,Key Laboratory of Soil and Water Conservation and Desertification Combating,Ministry of Education,School of Soil and Water Conservation,Beijing Forestry University,Beijing 100083,China

Based on monitoring data of PM2.5and PM10, and ground meteorological data from January 2013 to December 2014 in Beijing, the influence of meteorological conditions on concentration levels of PM2.5and PM10with different size ranges was investigated for four seasons using non-parameter statistical analysis such as Spearman correlation matrix. The results showed that there were obvious seasonal characteristics of atmospheric particulate matter concentration in Beijing, the atmospheric particulate matter was the most serious in winter, and the lightest in summer. PM2.5and PM10were significantly correlated with one or more meteorological parameters in different seasons, in which the sunlight and wind were the main impact factors. The concentrations of both fine particles (PM2.5) and inhalable particles (PM10) were influenced by meteorological conditions, but to different extents. The PM2.5/PM10ratio was the highest in winter and the lowest in spring. These conclusions can provide reference for the development of scientific and effective air pollution control strategies.

PM2.5;PM10;meteorological conditions;non-parameter statistical analysis;Beijing

2015-11-23;

2016-02-17

北京市共建项目专项；国家林业公益性行业重大科研专项(201304301)

王嫣然(1990-)，女，北京人，硕士，助教。

张学霞

X823

A

1002-6002(2017)02- 0034- 08

10.19316/j.issn.1002-6002.2017.02.06