合肥市颗粒物时空分布特征及其气象成因研究

程 龙，季 冕，耿天召，朱 余

合肥市颗粒物时空分布特征及其气象成因研究

程 龙，季 冕，耿天召，朱 余*

（安徽省环境监测中心站，安徽 合肥 230071）

利用2014—2015年合肥市颗粒物浓度及气象观测资料，对合肥市颗粒物浓度时空分布特征及其与气象要素的关系进行了分析。结果表明：2015年，合肥市PM10、PM2.5日均浓度均呈现“一增一减”趋势；PM10与PM2.5日均浓度分布季节差异明显，呈现“V”型特征；在空间分布上，PM2.5的浓度主城区高于周边地区，PM10浓度北部整体高于南部；PM10与PM2.5浓度与降水量、相对湿度、风速和风向均有一定相关性。

合肥市；时空分布；相关性；气象要素

当前，全国各地出现的重污染天气，首要污染物为颗粒物的占绝大多数。国内外学者对颗粒物的时空分布特征及其与气象条件的关系开展了大量研究。邓学良等[1]对安徽霾日重建和时空特征进行了分析，指出了安徽省中、重等级霾都出现在秋冬季节。王传兵等[2]对安徽省空气时空演变特征进行了研究，提出了合肥空气年际、季节变化大。韩军彩等[3-10]对于空气污染与气象条件的关系进行详细阐述，得出了许多具有地域化的重要结论。魏哲等[11-15]分析了典型污染日对应的气象要素与污染物之间的关系。

本研究针对合肥市颗粒物浓度与气象要素内在关系研究的不足，利用2013—2015年合肥市空气监测资料以及同期地面气象资料，开展合肥市颗粒物时空分布特征及其与气象要素关系的研究，以期为合肥市大气污染防治提供有效的参考依据。

1 资料选取

颗粒物浓度数据来源于合肥市2014—2015年10个观测站点逐时对外发布资料。气象资料取自同期相应的合肥市气象观测资料。

主要利用数学统计的方法对2014—2015年合肥市颗粒物浓度的时间变化特征进行量化分析，利用ArcGIS软件对合肥市2014—2015年颗粒物浓度空间变化进行渲染。并利用SPSS软件对颗粒物与气象要素的关系进行相关性分析。

2 结果与分析

2.1 颗粒物浓度时空变化特征

2.1.1 频率分布特征

对合肥市2014—2015年逐日PM2.5和PM10浓度进行分级统计，合肥市PM10和PM2.5日均浓度不同分级时对应天数比例变化情况见图1和图2。从图1可以看出，2015年PM10浓度为0～100 μg/m3的天数较2014年增加68 d，占全年有效天数的比例比2014年上升17.66个百分点。2015年高于100 μg/m3的天数较2014年减少57 d。从图2可以看出，2015年PM2.5浓度为0～75 μg/m3的天数比2014年增加73 d，占全年有效天数的比例比2014年上升19.11个百分点。2015年高于75的天数较2014年减少66 d。

这种“一增一减”趋势，主要是近年来大气污染治理取得显著效果，同时也说明重污染加重态势已基本得到遏制，空气呈现趋好特征。

2.1.2 季节变化特征

对合肥市2014—2015年逐日PM10和PM2.5浓度进行月度算术平均统计，得出了逐月平均浓度及二者比值的变化规律，见图3和图4。

图1 合肥市PM10日均浓度不同分级对应天数比例变化

图2 合肥市PM2.5日均浓度不同分级对应天数比例变化

图3 2014—2015年合肥市颗粒物平均浓度月均分布

图4 2014—2015年合肥市PM2.5与PM10占比月均分布

从图3可以看出，合肥市颗粒物浓度呈现“V”特征，冬季是平均浓度最高的季节，其次是秋季和春季，夏季最低。单独分析2015年全年日均PM10分布（见图5） 可以发现PM10日均浓度小于等于 70 μg/m3和 71～100 μg/m3分布于各个月份中，相对来说，前者在夏季出现频次多、后者在夏季出现频次少；101～150 μg/m3主要分布也在秋冬季和春末夏初；高于150 μg/m3主要分布在秋冬季节。

从图4可以看出，PM2.5占比最高值出现在12月，最低值出现在8月。PM2.5占比在冬季明显高于其他季节，主要是由于冬季合肥市易受主导风向上游污染传输影响[12]；而夏季太阳辐射强，温度高，大气对流和湍流活动旺盛，逆温层容易打破，有利于污染物水平和垂直方向的扩散，同时夏季降水多，有利于污染物清除。

图5 2015年合肥市不同PM10浓度日均分布

图6 2014—2015合肥市PM2.5年平均浓度空间分布变化

图7 2014—2015合肥市PM10年平均浓度空间分布变化

2.1.3 空间变化特征

图6和图7为合肥市2014—2015年PM2.5和PM10年平均浓度的空间分布图。

从图6和图7中可以发现，PM2.5平均浓度在主城区较高，其平均浓度2015年与2014年比较，均出现不同程度的下降。其中，主城区和包河区下降幅度最大。PM10平均浓度北部高于南部，主城区也处于较高水平，其平均浓度2015年与2014年比较，仅有明珠广场站点出现上升现象，其余站点均有不同程度的下降，位于主城区中心的长江中路站点下降幅度最大。综上所述，可以得出合肥市PM2.5浓度主城区高于周边城区，PM10浓度北部整体高于南部地区。

2.2 颗粒物与气象要素的关系2.2.1 颗粒物与降水的关系

通过2014—2015年合肥市气象观测的日均降水量与PM2.5、PM10相关性分析，得出其相关系数分别为-0.13和-0.19，可见降水与PM2.5和PM10的浓度呈负相关，但是相关性都不显著（未满足0.05显著性检验）。根据统计结果，2014—2015年降水日数为200 d，占全部监测日的27%，与无降水日相比，PM10浓度日均值降低35%，PM2.5浓度日均值降低25%，可见，降水对颗粒物的浓度影响较大。

不同等级降水对颗粒物浓度的影响如表1所述，当出现小雨（0 mm＜日降水量＜10 mm） 和中雨（10 mm≤日降水量＜25 mm） 的降水时，降水对颗粒物清除作用相差不大；当出现大雨及以上降水（日降水量≥25 mm）时，颗粒物浓度明显下降，可见大降水对污染物的清除作用更为明显。

表1 不同等级降水对颗粒物的影响 μg/m3

总之，降水对颗粒物的冲刷、沉降具有较好效果，尤其是较大降水对空气中颗粒物的清除具有较为明显效果。

2.2.2 颗粒物与风场的关系

通过2014—2015年合肥市气象观测的日均风速与PM2.5、PM10相关性分析，得出其相关系数为-0.36和-0.15，可见，风速与PM2.5、PM10的浓度呈负相关，其中风速与PM2.5和PM10相关性满足0.05显著性检验。按照不同风速分级（1级：0～1.5 m/s；2 级：1.6～3.3 m/s；3 级：3.4～4.4 m/s；4级：大于4.5 m/s），分别计算不同级别下PM2.5和PM10的平均浓度，可以看出PM2.5和PM10的浓度随风速的增大而减小（图8）。

图8 2014—2015年合肥市不同风速下颗粒物浓度

表2给出了2014—2015年合肥市各个风向上PM2.5、PM10的平均浓度。可以看出在偏东风和偏南风情况下，PM2.5和PM10平均浓度最低，在偏北风情况下，PM2.5和PM10平均浓度较高。分析其原因：合肥在春末、夏、秋初季节主导风向为东风—南风，在秋末、冬、春初主导风向为西风—北风。在污染较重的冬季，当有冷空气自偏西或者偏北路径侵入合肥时，会带来河南和京津冀等地的污染，在冷空气前锋到达之时会形成污染传输叠加影响，PM2.5和PM10的浓度会迅速爬升[12]。当风向为偏东风时，气流主要来自于海上，海上气流一般为洁净气体，会稀释空气中的PM2.5和PM10浓度。当风向为偏南风时，皖南山区的阻隔加之南部空气较好等因素影响，对于PM2.5和PM10浓度没有很大影响。

表2 不同风向对颗粒物的影响 μg/m3

2.2.3 颗粒物与相对湿度的关系

考虑到相对湿度较大会出现降水，降水的情况在前面已经说明，故剔除降水天气。通过2014—2015年合肥市气象观测的日均相对湿度与PM2.5、PM10相关性分析，得出其相关系数为0.42和0.44，可见，相对湿度与PM2.5、PM10的浓度呈正相关，但相关性都不显著（未满足0.05显著性检验）。

为了更好分析PM2.5和PM10的浓度与相对湿度的关系，对相对湿度进行分段统计，得到图9。从图9中可以看出，相对湿度在51%～60%时，PM2.5和PM10浓度呈现明显上升现象；当相对湿度增加到61%～90%时，水汽的吸附作用使得PM10增加而沉降到地面，PM10浓度逐步下降，PM2.5由于吸湿增长现象[5]，浓度会增加，当增加到一定程度会产生沉降，PM2.5浓度会迅速下降。

图9 颗粒物与相对湿度关系

3 结论

（1） 2014—2015年合肥市颗粒物浓度日变化呈现“一增一减”趋势，与2014年相比较，2015年颗粒物在低浓度区间天数增加，在高浓度区间天数减少。颗粒物浓度的季节变化呈现“V”型特征，冬季是平均浓度最高的季节，其次是秋季和春季，夏季最低。PM2.5与PM10的比值最高值出现在12月，最低值出现在8月。

（2） 在空间分布上，PM2.5的浓度为主城区高于周边地区，PM10平均浓度北部整体高于南部。

（3）合肥市降水量与颗粒物浓度呈负相关，随着降水量的增加，颗粒物浓度逐渐降低。有降水情况下，PM10浓度较无降水下降35%，PM2.5浓度较无降水下降25%。在无降水情况下，合肥市颗粒物浓度随着相对湿度的增加而增加，当相对湿度大于90%时，颗粒物浓度明显下降。

（4）合肥市风速与颗粒物浓度呈负相关，颗粒物浓度随着风速的增加而降低。合肥市在偏西、偏北风向下，颗粒物浓度较高；在偏南风向下，颗粒物浓度次之；在偏东风向下，颗粒物浓度最低。

[1]邓学良，石春娥，姚晨，等.安徽霾日重建和时空特征分析[J].高原气象，2015，34（4）：1158-1166.

[2]王传兵.安徽省空气质量时空演变特征研究[J].合肥师范学院学报，2015，33（5）：69-75.

[3]韩军彩，陈静，钤伟妙，等.石家庄市空气颗粒物污染与气象条件的关系[J].中国环境监测，2016，32（2）：31-37.

[4]赵敬国，王式功，王嘉媛，等.兰州市空气污染与气象条件关系分析[J].兰州大学学报：自然科学版，2013，49（4）：491-496.

[5]龚识懿，冯加良．上海地区大气相对湿度与PM10浓度和大气能见度的相关性分析[J].环境科学研究，2012，25（6）：628-632.

[6]DU H，KONG L D，CHENG T T，et al.Insights into summertime haze pollution events over Shanghai based on online water-soluble ionic composition of aerosols[J].Atmospheric Environment，2011，45：5131-5137.

[7]郑美琴，卢振礼.日照市区PM10污染物特征及其与气象要素的关系[J].南京气象学院学报，2006，29（3）：413-417.

[8]张宝贵，孙丽华.秦皇岛市空气污染与气象要素的关系[J].气象与环境学报，2009，25（4）：43-47.

[9]连东英，林长城，郭进敏，等.气象条件变化对三明市空气质量的影响[J].安徽农业科学，2010，38（35）：20199-20202.

[10]董治华.气象条件对空气质量影响的研究[J].黑龙江环境通报，2001，25（2）：78-79.

[11]魏哲，杨晶，王丽涛，等.2013年1月邯郸市严重霾天气的污染特征分析[J].环境科学学报，2014，34（5）：1118-1124.

[12]陈静，钤伟妙，韩军彩，等.石家庄市秋季典型天气背景下重污染特征分析[J].气象与环境学报，2015，31（4）：42-50.

[13]毕玮，万夫敬，陆雪，等.青岛地区霾污染天气特征分析[J].中国海洋大学学报，2015，5（5）：11-18.

[14]喻义勇，陆晓波，朱志峰，等.南京2013年12月初持续重污染天气特征及成因分析[J].环境监测管理与技术，2015，27（2）：11-16.

[15]陈楠，全继宏，田一平，等.灰霾期间武汉城市区域大气污染物的理化特征[J].中国环境监测，2016，32（2）：20-25.

The Research on Temporal and Spatial Distribution of Particulate Matter and Its Meteorological Causes in Hefei

Cheng Long,Ji Mian,Geng Tianzhao,Zhu Yu*
（Environmental Monitoring Center Station of Anhui Pronivce,Hefei,Anhui 230071,China）

Based on the monitoring data of ambient air quality and meteorological data in Hefei during 2014—2015,the temporal and spatial distribution of particulate matter concentration in Hefei and its relationship with meteorological factors were analyzed.The results indicate:The average daily mass concentrations of PM10and PM2.5in Hefei showed a trend of increasing and decreasing in 2015.The seasonal distribution of PM10and PM2.5was significantly different,presenting"V"type features.In the spatial distribution,the mass concentration of PM2.5was higher than that of the surrounding area in the main urban area,the average concentration of PM10was higher in the north than in the South.The concentrations of PM10and PM2.5are related to precipitation,relative humi-dity,wind speed and wind direction.

Hefei,spatiotemporal distribution,relevance,meteorological conditions

X51

A

1008-813X（2017）05-0011-05

10.13358 /j.issn.1008-813x.2017.05.03

2017-09-05

国家科技支撑计划资助项目《长三角区域大气污染联防联控支撑技术研发与应用项目》第六课题《大气复合污染综合防控途径与重点源减排技术应用研究》（2014BAC22B06）；安徽省省级环境保护科研项目：《安徽省重点区域大气污染气象成因研究》（2016-04）

程龙（1988-），男，安徽合肥人，毕业于安徽工程大学应用化学专业，助理工程师，主要从事空气评价与空气预测预报工作。

*通讯作者：朱余（1964-），男，安徽铜陵人，毕业于合肥学院环境监测专业，教授级高级工程师，主要从事环境质量监测工作。

（编辑：周利海）