四川省近15年以来PM2.5的时空分布特征及原因分析

刘孟琴，汤家法，刘小青，李超越

(西南交通大学地球科学与环境工程学院，成都 610031)

· 大气环境 ·

四川省近15年以来PM2.5的时空分布特征及原因分析

刘孟琴，汤家法，刘小青，李超越

(西南交通大学地球科学与环境工程学院，成都 610031)

近年来，PM2.5成为大家关注的重点，四川省是中国PM2.5高浓度的分布地区之一。利用四川省2000～2014年近15年的PM2.5年均浓度反演数据，按照2005年WHO对PM2.5的划分标准，采用10 μg/m3、15 μg/m3、25 μg/m3、35 μg/m3四个断点将其分为5类。以此为基础分析了四川省PM2.5的时空分布特征及影响因素。研究结果表明：(1)东部地区PM2.5浓度明显大于西部，2010～2014年四川省PM2.5年均浓度呈下降趋势；(2)PM2.5类型以污染最严重的第五类为核心呈半环状向西递减，2010～2014年第五类所占比例波动降低；(3)成都市、眉山市等地区PM2.5浓度较高，2014年PM2.5年均浓度降低；(4)自然因子、不透水地表、产业结构变化、大气污染防治政策等是影响PM2.5浓度变化的重要因素。

PM2.5；时空分布；不透水地表；四川省

PM2.5称为可吸入颗粒物，是指空气动力学当量直径小于等于2.5 μm的细颗粒物。其导致的空气污染能降低大气能见度[1]，危害人体健康[2-3]，严重影响人们的生产生活。四川省是中国PM2.5污染较严重的地区之一[4]，分析四川省PM2.5的时空分布特征，探索其形成原因，对降低四川省PM2.5污染，成渝城市群陆域生态廊道建设，以及培育发展成渝城市群，促进“一带一路”与长江经济带战略契合具有重要意义。

近年来，许多学者对四川的PM2.5进行了研究，包括PM2.5的形成机理[5]、组成成分[6-7]、来源分析[8]、影响因素[9-10]，时空分布特征[6]、结合遥感进行反演[11]以及PM2.5污染带来的影响[12]等；研究的空间尺度包括成都市[10]以及成都市的部分地区[13]等；时间尺度涉及PM2.5污染较严重的特定时间段[9]以及不同季节[6]等。这些研究范围相对较小，且研究的时间尺度相对较短，不能对长时间尺度的PM2.5污染时空分布特征和形成原因进行分析。邹军[14]等以2000～2009年的监测数据为依据，以较长的时间尺度对四川省的可吸入颗粒物进行了分析，证实四川省的可吸入颗粒物呈下降趋势，但对这些污染物的下降趋势的原因没有进行深入研究，而且对PM2.5的年际变化趋势少有涉及。

基于此，本文研究以2000～2014年15年为时间尺度，对四川省PM2.5的时空分布特征进行分析，并从自然因子与社会因素等多个方面对PM2.5的形成原因进行深入研究。该研究成果可为四川省PM2.5防治的科学决策提供参考。

1 研究区域概况及数据来源

1.1 研究区域概况

四川省位于中国西南地区，处于东经92°21′～108°12′，北纬26°03′～34°19′之间。地处四川盆地，海拔介于178～7 141 m，在第一级青藏高原和第二级长江中下游平原的过渡带，高差悬殊，西高东低的地势特征明显。西部为高原、山地，东部为盆地、丘陵。全省可分为四川盆地、川西南山地和川西北高原三大部分。整个研究区域东部为亚热带季风气候，受东亚季风的影响；攀枝花市等西南地区受南亚季风的影响；川西北高原为高原山地气候。根据本文研究需要，将四川省分为西部地区和东部地区，西部地区主要包括阿坝藏族羌族自治州(以下简称阿坝州)、甘孜藏族自治州(以下简称甘孜州)、凉山彝族自治州(以下简称凉山州)以及攀枝花市，其余为东部地区。四川省西部地区地广人稀，东部地区人口稠密，经济活动聚集，以成都市为中心，向东部扩展。

1.2 数据来源

本文所采用的数据包括2000～2014年四川省PM2.5年均浓度数据、地形数据、不透水地表数据、社会经济数据以及气候数据。

1.2.1 PM2.5年均浓度

2012年中国发布的《环境空气质量标准》(GB3095-2012)，首次增设了PM2.5的浓度限值，而对中国PM2.5的研究从1990s末[15-16]就已经开始，四川环境监测总站2013年才对全省的PM2.5进行分析[17]。因此，本文的PM2.5数据来源于达尔豪斯大学大气成分分析小组(Atmospheric Composition Analysis Group)反演的0.01°分辨率的2000～2014年的PM2.5年均浓度数据。该数据是采用NASA、MODIS、MISR和SeaWIFS等多源遥感卫星数据反演的气溶胶光学深度(AOD)产品，并结合GEOS-Chem化学传输模型估计获得。不包含矿物性粉尘(PM10)的地理加权回归估计结果与地面监测的PM2.5具有高度的一致性(R2= 0.81)[18]。其网址为：http://fizz.phys.dal.ca/～atmos/martin/。

1.2.2 不透水地表

不透水地表数据是Liu et al.采用DMSP-OLS, MODIS EVI,和 NDWI多源遥感数据产生的新的NUACI指数(Normalized Urban Areas Composite Index)提取的2010年不透水地表 (Impervious Surface Area，ISA)。精度较高，分辨率为500m，像元值表示每个像元内不透水表面所占比例[19]。有关该数据的更多信息可访问网站：http://www.geosimulation.cn/ISA-China.htm。

1.2.3 地形数据

地形数据采用数字高程模型(DEM)进行计算。DEM是由“地理空间数据云”提供的SRTMDEM产品，空间分辨率为90m，网址：http://www.gscloud.cn/。

1.2.4 社会经济数据以及气候数据

社会经济数据主要为四川省产业结构数据、人口数据，气候数据主要采用了各市的年降水量。这两类数据主要来源于四川统计网，2000～2014年《四川统计年鉴》。

2 结果与分析

2.1 PM2.5年均浓度的时空分布

根据四川省行政边界分别提取2000～2014年四川省PM2.5年均浓度，并计算这15年的PM2.5年均浓度的平均值，如图1所示。四川省的PM2.5平均浓度，东部明显大于西部。东部地区的成都市PM2.5平均浓度较高；绵阳市的西北部、广元市、巴中市以及乐山市、泸州市、宜宾市的南部等地区相对较低；PM2.5浓度大致以成都市为核心，呈环状向周围递减。西部地区呈由北向南，由西向东递增趋势，但PM2.5对空气污染的贡献较小，除凉山州的西部地区以及攀枝花市PM2.5浓度相对较高外，阿坝州、甘孜州的大部分地区以及凉山州的西部地

区PM2.5浓度较低，低于世界卫生组织(WHO)2005年空气质量准则值(AQG)10 μg/m3。

图1 四川省15年的PM2.5年均浓度平均值Fig.1 Average concentration of PM2.5 in 15 years in Sichuan Province

分别统计2000～2014年四川省PM2.5年均最高浓度、最低浓度、平均浓度以及东部地区和西部地区的PM2.5平均浓度，如图2。近15年以来，四川省的PM2.5浓度在2000～2006年呈上升趋势，2010年后呈波动降低趋势，2014年的年均浓度仅高于

2000年、2001年，PM2.5年均浓度明显降低。东部地区40%的年份浓度超过35 μg/m3，且2014年年均浓度为31.54 μg/m3，远超过空气质量准则值。西部地区虽有波动，但是长期处于较低水平，PM2.5对空气污染较小。

图2 2000～2014年四川省PM2.5年均浓度Fig.2 Concentration of PM2.5 in Sichuan Province from 2000 to 2014

2.2 各PM2.5类型的时空变化

根据《世界卫生组织关于颗粒物、臭氧、二氧化氮和二氧化硫的空气质量准则风险评估概要(2005年全球更新版)》的PM2.5年均浓度划分标准：空气质量准则值10 μg/m3、过渡期目标3(IT-3)15 μg/m3、过渡期目标2(IT-2)25 μg/m3、过渡期目标1(IT-1)35 μg/m3。本文研究将四川省2000～2014年PM2.5浓度划分为5类，依次为0.00～10.00 μg/m3、10.01～15.00 μg/m3、15.01～25.00 μg/m3、25.01～35.00 μg/m3、> 35.00μg/m3，如图3。第一类到第五类，表示PM2.5污染水平越高，对人体健康的伤害越严重。

图3 2000～2014年四川省PM2.5浓度类别Fig.3 Types of PM2.5 from 2000 to 2014 in Sichuan Province

从图3可以看出，四川的PM2.5类型以第五类为核心呈明显的半环状分布。第一类PM2.5对空气的影响较小，集中分布在西部地区的阿坝州，甘孜州以及凉山州西部、西北部地区。第二类主要分布在凉山州的东部、南部地区以及攀枝花市。第三类所占比例较少，分布在成都平原向川西高原的过渡地带，东部地区与西部地区交界的区域，以及广元市、巴中市、达州市的北部区域，呈狭长的带状分布。第四类集中于海拔较低、坡度较缓的平原地区，位于第三类和第五类之间，主要分布在绵阳市、广元市、巴中市、达州市的南部，宜宾市、泸州市的北部地区。浓度最高的第五类在东部地区分布范围较大，主要分布在成都市及其以东、以北、以南的城市，集中于人口密度大、经济活动聚集区域。

从图3时间变化上分析，2000～2014年，四川省的PM2.5的年均浓度类型变化虽出现波动，但第一类、第二类的分布变化较小，两者存在此消彼长的关系，变化的区域主要分布在凉山州。变化比较明显的为第四类、第五类。两者所占比例的增减呈大致相反的变化趋势。2000～2006年第五类分布所占比例向东部呈扩大趋势，第四类所占比例呈下降趋势；2010年后，第五类呈波动降低趋势，第四类所占比例增加；2014年第五类主要集中在成都市、眉山市、德阳市等6个城市，所占比例明显减少，而第四类所占比例较大。

2.3 重点城市PM2.5变化状况

四川省是西部大开发战略主要核心区域，也是“一带一路”战略和长江经济带战略的主要纽带，且成渝城市群有27个区(县)和15个市分布在四川省，包括成都、自贡、泸州、德阳、绵阳、遂宁、内江、乐山、南充、眉山、宜宾、广安、达州、雅安、资阳等，同时这些城市也是四川省PM2.5污染较严重的城市。以各市的行政边界为界限，计算这15市2000～2014年PM2.5年均浓度，统计各PM2.5类型所占比例，如图4所示。15年以来，仅绵阳市、雅安市PM2.5浓度类别出现第三类；雅安市53.33%的年份为第三类，绵阳市仅有1年为第三类。乐山市、宜宾市、泸州市、绵阳市与达州市以第四类为主，其余城市以第五类为主；且内江市、德阳市、成都市、眉山市、自贡市的PM2.5年均浓度在15年内均为第五类；此外，广安市、资阳市、遂宁市仍有较大比例，超过80%的年份PM2.5年均浓度达到了第五类。

图4 15年以来重点城市各PM2.5类型所占比例Fig.4 Proportion of the PM2.5 types in the major cities during 15 years

由图4可知成都市、眉山市、德阳市、内江市、广安市、资阳市、遂宁市等7个地级市的PM2.5污染相对较严重。分析这7市2000～2014年的PM2.5年均浓度(图5)知，15年以来这7个城市PM2.5年均浓度的变化趋势类似。除成都市、自贡市、眉山市在2005年PM2.5年均浓度达到极大值，其余4个城市在2006年达到极大值，且年均浓度均超过50 μg/m3。2010年，达到第二个极值点，但低于2005年。2010年后，PM2.5年均浓度呈波动下降趋势，但距离第四类仍有较大差距。此外，除2002年外，成都市的PM2.5年均浓度在其余的14年里均为四川省较高值，且2014年PM2.5的年均浓度达到47.74 μg/m3，年均浓度虽降低，但PM2.5污染水平仍较高。

图5 2000～2014年部分城市PM2.5年均浓度Fig.5 Concentration of PM2.5 in some cities from 2000 to 2014

3 原因分析

3.1 自然条件的影响

自然条件是形成PM2.5分布的重要原因。四川盆地地区，高山围绕，所形成的逆温状态的局地气候，易导致气流交换不畅，造成严重的空气污染[20]。由四川省DEM可知，东部地区地势较低；西部海拔较高，均为海拔2 700 m以上的川西高原；成都平原向川西高原过渡区域有较高高差。因此，PM2.5在季风的影响下，以成都市为中心的高浓度第五类极易向东扩散[10]，导致PM2.5污染范围向东部地区扩展，加重东部城市PM2.5浓度。而受地形影响，第二类、第三类、第四类仅分布在平原向西部高原过渡的区域，且呈狭长的带状分布。紧邻成都市、眉山市的雅安市，虽仍受高浓度的影响，但雅安市为“华西雨屏”，年降水量多年居四川省第一位，对PM2.5有良好的稀释作用[10,21]，可能受降水的影响，PM2.5的浓度相对较低。攀枝花市虽以攀钢为主，但山地地区地势较高，受南亚季风的影响，产生的PM2.5易扩散，使PM2.5浓度较低。凉山州的东部地区PM2.5浓度高于西部，除了本地产生的以外，也可能受攀枝花市的影响。

3.2 社会因素的影响

人类活动是引起PM2.5污染形成的主要因素。PM2.5的产生主要来源于城市，城市人类活动对PM2.5浓度产生重要影响[22]。社会发展的GDP、人口总数、人口密度、城市建设用地、工业发展、私有车辆拥有数量等对空气质量有重要影响[23]。因此，本文研究采用不透水地表、人口增长、产业结构变化以及环保政策措施等社会因素，分析其对PM2.5的影响。

3.2.1 不透水地表对PM2.5的影响

不透水地表在城市建成区通常指各类建设用地、道路、楼房(屋顶)等[24]，是城市地表中占主导地位的下垫面类型。不透水地表的不断增加是快速城市化的显著特征[24-25]。采用自然断点法将不透水地表分为5类，将图1按照PM2.5分类标准分为5类，并与不透水地表进行叠加，如图6所示。在不透水地表比较集中的四川省东部地区，特别是成都市(6(a))、德阳市(6(b))、绵阳市的南部地区(6(b))，分布的范围较大，超过50%的不透水地表像元较多，且近15年来PM2.5的年均浓度较高，长期大于35 μg/m3；而四川省的甘孜州、阿坝州等西部地区，不透水地表分布较少，PM2.5浓度较低。这表明PM2.5的产生受不透水地表的影响较大，与邹滨[26]等研究结果相一致。6(c)攀枝花市虽然不透水地表分布较多，但受风等自然因素的影响，PM2.5污染水平较低。

图6 不透水地表与PM2.5浓度类型的关系Fig.6 Relationships between impermeable surface and types of PM2.5

3.2.2 人口增长对PM2.5的影响

城市是人口聚集的区域。根据四川省2000～2014年统计年鉴，东部地区集中了四川省91%以上的人口，仅成都市人口总数超过四川省人口总数的12%，占东部总人口的13%～14%。因此，根据PM2.5的类型分布特征，分别计算东部地区与西部地区，每年相比前一年的人口增长比例，其次计算PM2.5各类型分布面积相比前一年的增长比例。通过比较，第一类变化与西部地区人口增长、第四类变化与东部人口增长关系明显，如图7。

2001～2009年，第一类分布比例变化趋势与西部地区人口的变化趋势类似，采用SPSS19进行Spearman相关性分析，两者显著相关(0.05显著性水平)，相关系数为0.683，表明2000～2009年西部地区PM2.5污染受西部人口增长的影响。其次，除2008年、2014年外，第四类的变化曲线与东部地区人口增长类似，且Spearman相关系数在0.05置信水平下为0.664，说明PM2.5第四类分布面积变化受东部地区人口增长的影响。人口增长是四川省PM2.5污染产生的因素之一。

图7 人口增长与PM2.5浓度类型变化的关系Fig.7 Relationships between population growth and types of PM2.5

3.2.3 产业结构变化对PM2.5的影响

经济发展，产业结构变化也是影响PM2.5浓度高低的因素之一。根据四川省2001～2014年三大产业所占比例，计算三大产业相比前一年的增长比例，分析产业结构变化对PM2.5各类型变化的影响，如图8。通过比较，第三类、第五类的增长变化受四川省产业结构的变化影响明显。

第三类分布的增长曲线与第一产业所占比例增长相似，2001～2011年第三类分布面积的增长随着第一产业所占比例增长而增长，Spearman相关系数为0.755，在0.01置信水平上显著相关；其次，从图可以看出，除2002年、2003年、2012年外，第五类的增长变化与第二产业所占比例增长有类似的变化趋势；2010年后，四川省的产业结构发生较大变化，第三产业所占比例增加，第二产业所占比例降低，PM2.5第五类所占比例呈降低趋势变化。表明PM2.5类型的分布变化与四川产业结构的发展变化有关，特别是对PM2.5第五类的影响。西部地区的川西高原PM2.5年均浓度长期低于10 μg/m3，与该地区第二产业占产业结构的比重较少有关；而东部地区经济快速发展，工业化高度集中，如果污染防治措施不足，易导致严重的PM2.5污染。

图8 产业结构变化与PM2.5浓度类型变化的关系Fig.8 Relationships between the industrial structure changes and the types of PM2.5 changes

3.2.4 环保政策因素对PM2.5的影响

随着人们对大气环境的的关注度越来越高，政府部门也加大了环境治理工作的力度。2010年，四川省环境保护厅发布了《四川省贯彻落实关于推进大气污染联防联控工作改善区域空气质量指导意见的实施方案》(川环发[2010]40号)提出对可吸入颗粒物、细颗粒物的控制，加强颗粒物污染防治；完善主要污染物排放总量前置审核制度，推进技术进步，要求水泥厂、火电厂等采用袋式高效除尘技术[27]，禁止使用高污染型锅炉，淘汰污染严重的生产线，提倡清洁生产，发展循环经济和生态经济，能源清洁利用；对城区内已建污染严重的产业实行搬迁和升级改造，调整和优化产业结构及工业布局等；同时对机动车辆加尾气排放检测，从区域和时间对其行驶加强限制。分工合作，思想宣传，公众参与。从污染源、污染过程、污染产生的结果的治理等各个环节进行全方面监管与治理，从思想和行动上对大气污染做防治。2013年出台的《四川省灰霾污染防治实施方案》，提出加强城市环境管理、整治工业大气污染、控制机动车污染、治理燃煤和油烟污染、加强工地和道路扬尘整治、强力控制秸秆焚烧污染等，进行污染防治。这些措施取得了明显的效果，从2010年以后，四川省PM2.5污染呈波动降低的趋势。

4 结 论

本文研究以2000～2014年四川省近15年的PM2.5的年均浓度为基础，根据2005年WHO对PM2.5的划分标准，从PM2.5年均浓度的时空分布特征、各PM2.5类型的时空变化以及重点城市PM2.5的变化状况等方面对四川省近15年的PM2.5的时空分布特征进行了分析，并深入研究了其影响因素，研究结果表明：

(1)四川省PM2.5年均浓度，东部地区明显大于西部地区。东部地区以成都市为中心呈版环状向周围递减，西部地区由北向南，由西向东递增。四川PM2.5浓度类型以第五类为核心，呈明显的半环状向西部递减。

(2)近15年来，四川省的PM2.5污染呈现明显的波动变化。2000～2006年污染呈上升趋势，2010～2014年波动降低。东部地区的成都市、眉山市、自贡市等部分城市PM2.5年均浓度处于长期较高水平，浓度大于35.00 μg/m3，2010～2014年，浓度呈下降趋势，但PM2.5的污染水平仍较高；西部地区长期处于较低水平。

(3)影响四川省PM2.5污染的因素包括自然因素和人为因素。地形和季风是造成四川省PM2.5空间分布的重要自然因素；不透水地表、人口增长、产业结构的变化等是影响PM2.5污染浓度变化的主要社会因素； 2010年以来，一系列大气污染防治政策对降低PM2.5浓度起了重要作用。

[1] 白爱娟, 钟文婷, 华 兰, 等. 成都市大气能见度变化特征及影响因子研究[J]. 中国环境监测, 2014, 30(2): 21-25.

[2] 刘晓莉, 李 红, 孟紫强. PM2.5对大鼠心、肺、睾丸的氧化损伤作用[J]. 中国环境科学, 2005, 25(2): 160-164.

[3] 王文朋, 沈惠平, 黄云彪, 等. 大气PM2.5细颗粒物污染状况及对人体健康的影响[J]. 上海预防医学, 2015, 27(5): 290-297.

[4] Han L J, Zhou W Q, Li W F, et al. Impact of urbanization level on urban air quality: A case of fine particles (PM2.5) in Chinese cities [J]. Environmental Pollution, 2014, 194: 163-170.

[5] 付高平. 成都市微细颗粒物(PM2.5)形成机理及对人类健康危害研究[D]. 成都: 西南交通大学, 2011.

[6] 张彩艳, 吴建会, 张 普, 等. 成都市冬季大气颗粒物组成特征及来源变化趋势[J]. 环境科学研究, 2014, 27(7): 782-789.

[7] 陈 源, 谢绍东, 罗 彬. 成都市大气细颗粒物组成和污染特征分析(2012-2013年)[J]. 环境科学学报, 2016, 36(3): 1021-1031.

[8] 林 瑜, 叶芝祥, 杨怀金, 等. 成都市西南郊区春季大气PM2.5的污染水平及来源解析[J]. 环境科学, 2016,37(5): 1629-1638.

[9] 张 巍, 陈建文, 范文武, 等. 成都地区特定灰霾天气过程与成因分析[J]. 四川环境, 2013, 32(2): 27-32.

[10] 邓利群, 钱 骏, 廖瑞雪, 等. 2009年8 ～ 9月成都市颗粒物污染及其与气象条件的关系[J]. 中国环境科学, 2012, 32(8): 1433-1438.

[11] 李世广, 蒋 厦, 佟洪金, 等. 基于空气质量模型CMAQ的成渝经济区(四川)PM2.5浓度数值模拟研究[J]. 四川环境, 2013, (32): 109-113.

[12] 王启元, 陶 俊, 任鹏奎, 等. 成都市冬季大气PM2.5的化学组成及对能见度的影响[J]. 地球环境学报, 2012, 3(5): 1104-1108.

[13] 陶 俊, 柴发合, 朱李华, 等. 2009年春季成都城区碳气溶胶污染特征及其来源初探[J]. 环境科学学报, 2011, 31(12): 2756-2761.

[14] 邹 军, 杨 柳. 四川省城市环境空气质量及变化趋势[J]. 四川环境, 2010, 29(4): 50-53.

[15] 吴国平, 胡 伟, 滕恩江, 等. 我国四城市空气中PM2.5和PM10的污染水平[J]. 中国环境科学, 1999, 19(2): 133-137.

[16] 滕恩江, 吴国平, 胡 伟, 等. 环境空气PM2.5和PM10监测分析质量保证及其评价[J]. 中国环境监测, 1999, 15(2): 36-38.

[17] 四川省环境监测总站关于全省城市空气质量状况的分析[EB/OL].(2013-10-12) http://www.scemc.cn/xxgk/hjzlgb/8053.htm.

[18] Van Donkelaar A, Martin R, Brauer M, et al. Global estimates of fine particulate matter using a combined geophysical-statistical method with information from satellites, models, and monitors [J]. Environmental Science & Technology. 2016, 50: 3762-3772.

[19] Liu X P, Hu G H, Ai B, et al. A Normalized Urban Areas Composite Index (NUACI) based on combination of DMSP-OLS and MODIS for mapping impervious surface area [J]. Remote Sensing. 2015, 7: 17168-17189.

[20] Qian Y, Giorgi F. Regional climatic effects of anthropogenic aerosols? The case of southwestern China [J]. Geophysical Research Letters, 2000, 27(21): 3521-3524.

[21] 潘本锋, 赵熠琳, 李健军, 等. 气象因素对大气中PM2.5的去除效应分析[J]. 环境科技, 2012, 25(6):41-44.

[22] Han L J, Zhou W Q, Li W F. City as a major source area of fine particulate (PM2.5) in China [J]. Environmental Pollution, 2015, 206: 183-187.

[23] Fang C L, Liu H M, Li G D, et al. Sun estimating the impact of urbanization on air quality in China using spatial regression models [J]. Sustainability, 2015, 7: 15570-15592.

[24] 李伟峰, 欧阳志云, 陈求稳, 等. 基于遥感信息的北京硬化地表格局特征研究[J]. 遥感学报, 2008, 12(4): 604-612.

[25] 匡文慧, 刘纪远, 陆灯盛. 京津唐城市群不透水地表增长格局以及水环境效应[J]. 地理学报, 2011, 66(11): 1486-1496.

[26] 邹 滨, 许 珊, 张 静. 土地利用视角空气污染空间分异的地理分析[J]. 武汉大学学报· 信息科学版, 2017, 42(2): 216-222.

[27] 刘世朋, 周相宙, 李大伟. 袋式除尘技术治理PM2.5污染的优势分析[J]. 环境科学与技术, 2013, 36(6L): 233-235.

Spatial and Temporal Distribution Characteristics of PM2.5in Recent 15 Years and Cause Analysis in Sichuan Province

LIU Meng-qin, TANG Jia-fa, LIU Xiao-qing, LI Chao-yue

(FacultyofGeosciences&EnvironmentalEngineering,SouthwestJiaoTongUniversity,Chengdu610031，China)

In recent years, PM2.5has become focus of attention. Sichuan Province is one of the regions with high concentration of PM2.5in China. This paper used the inversion data of annual average concentration of PM2.5during the past 15 years from 2000 to 2014 in Sichuan Province, according to the WHO’s criteria for classifying PM2.5in 2005, the data is classified as 5 types by 4 break points that are 10 μg/m3, 15 μg/m3, 25 μg/m3and 35 μg/m3. Based on the data, the paper analyzed the spatial and temporal characteristics of PM2.5and its influencing factors. The results show that PM2.5concentration of the east area is higher than that of the west area, it showed a decreasing trend during 2010～2014. The pollution type of PM2.5, decrease progressively from the fifth type where the pollution is the heaviest to west in the shape of semicircular. And the proportion of the fifth category showed a declining trend from 2010 to 2014. The concentration of PM2.5is higher inChengdu, Meishan and so on, but it decreased in 2014. Natural factors, impermeable surface area, industrial structure changes, a series of air pollution control policies are important factors that affect the change of PM2.5concentration.

PM2.5; spatial and temporal characteristics; impermeable surface area; Sichuan Province

2017-03-01

刘孟琴(1992-)，女，四川广安人，西南交通大学地球科学与环境工程学院2015级在读硕士研究生，研究方向为地理信息系统。

汤家法，tajava@163.com。

X51

A

1001-3644(2017)03-0074-08