秀山县城区大气环境质量特征研究

王爱雯，申 娅，杨建波，严 念，杨芳

(秀山土家族苗族自治县环境监测站，重庆 秀山409900)

秀山县城区大气环境质量特征研究

王爱雯，申 娅，杨建波，严 念，杨芳

(秀山土家族苗族自治县环境监测站，重庆 秀山409900)

为详细了解秀山县城区大气质量状况，选择2016年9月—2017年1月大气观测数据进行分析研究，结果表明：研究时段内PM10、PM2.5、SO2、NO2和O3大气污染物浓度均满足《GB3095-2012环境空气质量标准》中二级标准要求，随着月份变化，PM10、PM2.5和O3呈先降低再升高的趋势，NO2呈逐渐增加趋势，SO2变化趋势相对平缓。大气污染物NO2与PM10和PM2.5呈显著性相关，聚类分析结果表明PM10、PM2.5对大气环境质量影响较大。气象参数与大气污染物均呈明显相关性，表明气象条件对污染物的扩散起着重要作用。

大气环境质量；相关性分析；主成分分析；聚类分析；秀山县

随着我国工业化和城市化进程的不断加快，能源消耗与交通规模扩大、城市人口膨胀及开发区的建设，导致了城市大气污染问题日益突出，对生存环境造成了无法估计的危害。近年来，雾霾天气在全国各地频繁发生，对大气污染物的研究已成为人们关注的焦点。细颗粒物(PM2.5)、BC(黑碳)以及气体污染物(SO2、NOx、NO、NO2和CO)对大气环境的影响已成为各级政府、研究学者和公众广泛关注的焦点[1]，但这种城市大气污染研究大多集中于京津翼[2-3,5]、珠三角[4]、长三角[5]等国家重点关注的经济高速发展和大气污染比较严重区域，对中西部地区的研究则相对较少。秀山县地处武陵山特殊地理环境，是重庆市人民政府划定的生态保护发展区，而秀山县作为优秀生态保护城市，对该区域的大气污染研究文献报道有限，为此在该地区开展污染物对大气环境影响的研究显得尤为重要。

大气环境质量状况受气温、相对湿度、风速、地面风向和近地层逆温等诸多气象因子影响，不同区域的大气污染特征和灰霾天气形成过程和机制会有一定差别[6]，气象条件在大气污染物扩散、传输和稀释等过程起着重要作用。本研究对秀山县秋季大气环境中的污染物进行了监测，包括颗粒物(PM2.5、PM10)、气体污染物(SO2、NO2、O3、CO、NO、NOx)及气象参数，对气象参数与大气污染物进行相关性分析、主成分分析、聚类分析研究，以期了解该地区秋冬季大气环境特征、变化规律和影响因素，为秀山县生态保护发展和大气污染防治提供基础依据。

1 观测区域与研究方法

大气自动观测站点位于秀山县高级中学(E 108.9863°，N 28.4467°)，观测点位见图1。自动观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[7]，选取2016年9月—2017年1月自动观测站点的数据。所有数据采用SPSS19.0进行统计分析。

2 结果分析与讨论

2.1 环境空气质量状况

统计分析大气自动站点观测结果发现，2016年9月—2017年1月，秀山县城区大气污染物浓度均满足《GB3095-2012环境空气质量标准》中二级标准要求[8]，主要污染因子PM10、PM2.5、SO2、NO2、CO小时浓度分别在1～727μg/m3、2～517μg/m3、1～139μg/m3、1～78μg/m3、0.05～2.00mg/m3，O3浓度8h滑动值在1～186μg/m3，研究时间段内PM10、PM2.5、SO2、NO2、CO和O3月平均浓度分别为66μg/m3、51μg/m3、11μg/m3、20μg/m3、0.69mg/m3和56μg/m3。秀山县城区大气污染物秋冬季变化趋势见图2。由图可见，PM10和PM2.5的月变化趋势相同，随月份变化先降低再升高，到2017年1月达到月平均最大值，NO2呈逐渐增加趋势，O3则呈先下降再上升的趋势，而SO2随月份变化趋势相对平缓。

2.2 多元统计分析

2.2.1 相关性分析

PM10、PM2.5、SO2、NO2、O3是表征环境空气质量污染程度的重要指标，气象参数也会对大气环境质量造成不同程度影响。将自动观测的12个参数进行相关性分析，结果见表1。由表可以看出，CO与除风向参数外的其余10个因子均具有显著性相关性(ρ<0.01)，但与O3和风速、温度呈负相关(ρ<0.01)。O3与温度和风速呈显著性正相关(ρ<0.01)，与NOx、NO、NO2、湿度和风向呈显著性负相关(ρ<0.01)，有研究表明，在光化学作用下，NO2和NO作为O3的前体物，经过NO2和NO消耗和转化，从而促进了O3生成[4]。除风速和温度外，SO2与其他参数呈显著性相关(ρ<0.01)。PM10与PM2.5和NO2呈显著性相关(ρ<0.01)，且相关性较强，其研究结果与梁丹等[9]研究重庆区域和成亚利[10]研究上海区域的研究结果相一致，导致该相关性的原因主要是NO2和SO2是PM2.5的重要来源和前体物质[11]。PM10与PM2.5相关系数达到0.915，与湿度呈显著性负相关(ρ<0.01)。PM2.5与NOx和湿度呈较强的显著相关性(ρ<0.01)。NO和NOx由于相互转化，导致其相关性较好。风速与温度、湿度呈较强的相关性表明对大气污染影响较大。风向和温度均与湿度呈较好的相关性(ρ<0.01)。风速对除O3外的其它4种污染物呈极显著负相关(ρ<0.01)，说明风速越大越有利于这4种污染物扩散，其结果与陈丹青[12]等研究粤东三市的研究结果一致。

表1 因子间相关性分析

注：**(ρ<0.01),*(ρ<0.05)。

2.2.2 主成分分析

首先，以大气自动观测12个参数为变量进行适用性检验，经检验，KMO值约为0.541，表明变量间相关性较强，Bartlett球形检验发现，近似卡方值为49946.423，自由度为66，ρ=0.000，说明适宜因子分析。使用主成分分析和正交旋转方法，主成分分析因子载荷量矩阵和三维因子符合结果分别见表2和图3，可以看出，共抽取5个主成分，第一主成分上CO、SO2、NO2、PM10、PM2.5和NOx具有较大荷载；第二主成分上由O3和湿度构成；第三主成分上为风速和温度，由此表明气象条件对大气污染影响较大；第四主成分上为NO，第五主成分上为风向。

表2 主成分分析因子载荷量矩阵

2.2.3 聚类分析

利用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，对大气自动观测中8个大气污染因子和4个气象参数进行聚类分析，各因子组间聚类分析结果见图4。由图可以看出，分析因子具有聚合性并分为三类，风速、温度和O3为一类，NO、NOx、PM10、PM2.5、NO2、CO、SO2为一类，风向和湿度为一类。各元素之间聚类距离依次为PM10、PM2.5

3 结论

(1)研究期间，秀山县城区大气污染物PM10、PM2.5、SO2、NO2、CO和O3浓度均满足《GB3095-2012环境空气质量标准》中二级标准要求，月平均值分别为66μg/m3、51μg/m3、11μg/m3、20μg/m3、0.69mg/m3和56μg/m3。随着月份变化，PM10和PM2.5月变化趋势相同，呈先降低再升高的趋势，NO2呈逐渐增加趋势，O3则呈先下降再上升的趋势，而SO2随月份变化趋势相对平缓。

(2)相关性分析结果表明，O3与温度和风速呈显著性正相关，与NOx、NO、NO2、湿度和风向呈显著性负相关。NO2与PM10和PM2.5呈显著性相关，风速与温度、湿度呈较强的相关性，表明对大气污染影响较大。

(3)主成分分析结果表明，第一主成分上CO、SO2、NO2、PM10、PM2.5和NOx具有较大荷载，第二主成分上由O3和湿度构成，第三主成分上为风速和温度，由此表明气象条件对大气污染影响较大。

(4)聚类分析结果表明，风速、温度和O3为一类，NO、NOx、PM10、PM2.5、NO2、CO、SO2为一类，风向和湿度为一类。而PM10、PM2.5的聚类距离最小，表明大气污染受该类指标影响最大。

[1]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.

[2]杨俊益,辛金元,吉东生,等.2008—2011年夏季京津翼区域背景大气污染变化分析[J].环境科学,2012, 33(11): 3693-3704.

[3]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.

[4]刘建,吴兑,范绍佳.珠江三角洲区域污染分布及其垂直风场特征[J].环境科学,2016, 36(11): 3989-1998.

[5]王英,李令军,刘阳.京津冀与长三角区域大气NO2污染特征[J].环境科学,2012,33(11):3685-3692.

[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]环境空气质量标准：GB3095-2012 [S].

[8]http://222.177.117.35:8021/HistoryDay/HistoryDayMain.aspx.

[9]梁丹,王彬,王云琦,等.重庆市冬季PM2.5及气态污染物的分布特征与来源[J].环境科学研究,2015,28(7):1039-1046.

[10]成亚利,王波.上海市PM2.5相关因素的研究[J].数学理论与应用,2014,34(3):96-103.

[11]黄翠.重庆市典型点位PM2.5中水溶性离子来源与特征解析[D].重庆:重庆工商大学, 2014.

[12]陈丹青,师建中,肖亮洪,等.粤东三市PM2.5和PM10质量浓度分布特征[J],中山大学学报(自然科学版),2012,51(4):75-78.

Evaluation of Atmospheric Environment Quality in XiuShan Urban Area

WANG Ai-wen, SHEN Ya, YANG Jian-bo, YAN Nian, YANG Fang

(Xiushan Environmental Monitoring Station, Xiushan Chongqing 409900, China)

In this paper, the atmospheric environment quality characteristics were examined in XiuShan. The atmospheric observation data from September 2016 to January 2017 were analyzed. The results showed that the concentrations of PM10, PM2.5, SO2, NO2and O3reached to daily average of the second grade standard of "Ambient Air Quality Standard" (GB3095-2012). PM10, PM2.5, and O3declined first and then went up as months went by. However, NO2showed a trend of gradual increase, and the changing trend of SO2was relatively flat. NO2had a significant correlation to PM10and PM2.5. The cluster analysis indicated that the quality of atmospheric environment was mainly influenced by PM10and PM2.5. Meteorological parameters had close correlation with atmospheric pollutant, which showed that weather conditions played an important role for the spread of contaminants.

atmospheric environmental quality; correlation analysis; principle component analysis; cluster analysis; Xiushan County

2017-02-20

王爱雯(1983-)，男，重庆潼南人，工程师，主要从事环境管理和监测研究。

X51

A

1673-9655(2017)04-0054-04