上海市嘉定区大气颗粒物网格化监测

邰菁菁

环境及其效应

上海市嘉定区大气颗粒物网格化监测

邰菁菁

（上海市嘉定区环境监测站，上海 201822）

深入研究大气网格化监测的实际应用。利用2017—2018年上海市嘉定区大气网格化监测数据，对嘉定区颗粒物浓度变化趋势进行分析，同时结合颗粒物激光雷达扫描数据，对颗粒物污染过程进行解析。颗粒物污染浓度水平较高的区域主要集中在嘉定北部地区。2017年PM10和PM2.5浓度均表现出冬季>春季>夏季>秋季的趋势。在东北偏北风向条件下，发生区域传输污染时，污染较重区域集中在嘉定的东部和中部；在风速较小的静稳条件下，企业夜间排放的大量废气极易对周边区域空气质量产生影响，夜间到次日凌晨浓度值不断升高，次日凌晨5时45分的PM2.5的浓度值为前一日20时浓度值的3.1倍。结论大气网格化监测的实施及配套大气减排监管工作开展，使嘉定区环境质量改善明显。

网格化监测；大气颗粒物；嘉定

2013年9月，国务院印发了《大气污染防治行动计划》，明确要求建立京津冀、长三角等重点区域大气污染防治协作机制，协调解决区域突出大气环境问题。为保长三角地区长期有效发展，上海与浙江、安徽、江苏四省市会同八部委随即成立了长三角区域大气污染防治协作小组，协同解决长三角区域大气污染问题。大气颗粒物污染作为首要污染物，已引起学界和公众的极大关注[1]。

大气颗粒物监测通常采用滤膜称重法（手工监测）、微量振荡天平法和β射线吸收法（自动监测）。两种自动监测方法使用的设备价格较高，运行维护要求也较高，目前较多用于环境空气质量评价点的监测，无法在某个区域内大规模的布点。网格化监测设备由于其具有低成本、低运行维护量和安装便捷等优点，近几年国内很多地区如天津[2]、深圳[3]、乌鲁木齐[4]及河北省[5-6]先后开展了大气网格化监管工作，实现了对监测区域的全覆盖式网格精准监控，实时掌握区域内污染分布状况及空气质量变化趋势。已有文献报道[7-8]提到网格化设备采用的光散射法传感器与传统原理在线监测设备的比对结果，通常情况下两者一致性较好，但在测量大粒径的颗粒物时，网格化设备效果不佳。如特殊的污染条件（如烟花燃放、沙尘天气下）下，网格化设备测得的颗粒物浓度与常规的微量振荡天平法或β射线法偏差偏大。赵胜豪[9]也提到，基于光散射法原理的颗粒物传感器，仪器响应经常会受到颗粒物结构、形状、粒度、光源波长及相对湿度等因素的影响，使监测结果偏高。需利用标准大气自动站的数据实时监控网格化设备传感器的数据漂移情况，及时做好数据质控工作，确保网格化监测设备的长期稳定运行。当前，从世界范围来看，小型化网格化传感器应用于空气质量监测监管仍属于崭新领域，在国内各省市均处于试点阶段[10]。关于网格化监测数据的实际应用分析，现有文献资料较少有提及。

嘉定区作为长三角节点型城市，如何有效提高区域大气污染监管水平，利用有限的人力物力，第一时间精准发现不同类型的大气污染问题，成为近几年的焦点问题。通过对辖区内相关仪器厂商的实际应用情况调研，上海市嘉定区先于生态环保部提出的“千里眼计划”，于2016年底启动了大气颗粒物网格化监测试点工作，利用85台颗粒物传感器设备搭配颗粒物激光雷达扫描联合监管。文中将对2017—2018年嘉定区大气颗粒物网格化的监测数据进行初步分析，以期为探究上海市嘉定区的空气质量状况提供技术参考，为长三角区域大气环境监管提供精准有效的科学依据。

1 资料分析

1.1 资料来源

嘉定区位于上海市西北部，西与江苏省昆山市毗连，北与江苏省太仓市为邻。从气象条件上看，嘉定区冬季主导风向为西北风，上游污染物输送对嘉定的空气质量会产生直接的影响。夏季主导风向为东南风，嘉定区由于地处内陆，最晚受到海上清洁气团的稀释作用。嘉定区也是上海国际汽车城所在地，区内拥有上汽大众、沃尔沃多家知名汽车企业及汽车零配件制造商，工业发达，路网密集，是典型的长三角综合性节点城市，工业和交通排放对空气质量影响均较大。详细地理位置如图1所示。

图1 上海市嘉定区地理位置

标准大气自动站颗粒物监测数据来源于嘉定区4个市控大气自动站（嘉定监测站、嘉定天华、嘉定方泰和嘉定南翔）的小时监测数据，设备为大气颗粒物PM10/PM2.5监测仪Thermo 1405/1405F（美国Thermo Scientific），该设备采用微量振荡天平法。站点的具体分布如图2所示。

对重点区域分析颗粒物监测数据时，使用大气颗粒物激光雷达扫描数据，设备采用北京怡孚和融的3D可视化激光雷达EV-LidarCAM型。水平扫描可在特定区域水平监控6 km半径范围内污染物的水平分布，实时监测从近地面到高空的大气气溶胶变化状况，通过相关参数反演得出消光系数、颗粒物浓度、边界层变化等相关信息。

颗粒物网格化监测数据来源于嘉定区均匀分布的85个颗粒物传感器，所用设备为北京泛测公司的大气颗粒物网格化监测仪MicroairA105。该仪器采用光散射法原理[11-12]测量PM10和PM2.5的质量浓度，测量范围为0~1000 µg/m3，采样周期设置为15 min。

1.2 分析方法

大气网格化监测工作作为2018年全国环境监测工作的重点，原环境保护部发布了4项技术指南，为规范各地区开展相关工作提供了技术指导[13]。本研究中的网格化监测工作严格按照《大气PM2.5网格化监测点位布设技术指南（试行）》、《大气PM2.5网格化监测技术要求和检测方法技术指南（试行）》、《大气PM2.5网格化监测系统质保质控与运行技术指南（试行）》和《大气PM2.5网格化监测系统安装和验收技术指南（试行）》（环办监测函〔2017〕2027号）相关技术指南[14]以及大气自动站点位布设规范和技术规范[15-16]操作，确保监测数据的有效性和准确性。

图2 上海市嘉定区大气自动站点分布

如图2所示，原有4个分散分布的大气自动站数据无法全面反映嘉定区464 km2面积的空气质量状况。本着“区域网格全覆盖、监控网格无盲点”，布设系统科学合理的原则，并结合嘉定区已有158个降尘点位同步布设，将全区按照2 km×2 km的网格密度进行分布。避开明显的污染源及建筑物遮挡，平均分配85个监测网格，各网格化监测设备安装在监测网格内。

2 结果与分析

2.1 按点位分析

2017—2018年嘉定区85个网格化点位和4个大气自动站的颗粒物浓度年均值见表1。根据网格化点位计算结果得出，嘉定区2017年PM10和PM2.5浓度分别为66 µg/m3和47 µg/m3，2018年分别为60 µg/m3和41 µg/m3。PM10年均值已达到国家环境空气质量年均二级标准（70 µg/m3），然而PM2.5年均值仍未达到国家环境空气质量年均二级标准（35 µg/m3）。与2017年相比，2018年PM10和PM2.5浓度均下降了6 µg/m3。与标准自动站的年均浓度相比，网格化站点监测到的PM2.5浓度与标准大气自动站基本一致，而PM10浓度网格化站点计算的数据较标准站点偏高。除了已有研究得出的结论外，推测另一原因是85个网格化设备密集布设在嘉定区域内，能精准地捕捉到各时间段发生的大颗粒污染过程，如2017至2018年冬春季发生的几次较为严重的沙尘过境污染。

表1 2017—2018年网格化站点与大气自动站颗粒物浓度年均值

Tab.1 Annual concentration of particulate matters at grid stations and atmospheric automatic stations from 2017 to 2018 µg/m3

2.2 按街镇分析

利用仅有的4个常规大气自动站的监测数据，无法分区域了解嘉定区12个街镇的颗粒物浓度，而利用全区布设的85个网格化点位，可统计出各街镇的颗粒物浓度分布情况。嘉定区各街镇的颗粒物（PM10和PM2.5）年均浓度见表2。可以看出，2017年和2018年各街镇的PM10年均浓度分别在62~70 µg/m3和56~66 µg/m3范围内，年均PM2.5浓度分别在43~ 50 µg/m3和38~44 µg/m3范围内。总体而言，全区各街镇颗粒物质量浓度差别不大，位于嘉定地区北部的华亭镇和徐行镇的浓度相对最高。这可能是与周边存在道路施工引起的扬尘污染，或与新增小作坊企业废气排放有关。由此表明，网格化点位可发现在常规环保监管工作中难以发现的“散、乱、污”现象。

2.3 按功能区分析

为了统计不同点位类型的差异，将85个网格化点位按实际布点位置分为居民点、工业点和交通点。2017年和2018年3种不同功能区类型的年均颗粒物质量浓度见表3。可以看出，3类功能区的年均颗粒物浓度基本一致，表明工业污染源、道路交通污染以及居民生活源排放对颗粒物均有一定贡献。另外，这种结果也与工业源、交通源和生活源无法完全分开有关。

表2 2017—2018年嘉定区各街镇颗粒物浓度

Tab.2 The concentration of particulate matters in streets and towns of Jiading District between 2017 and 2018 µg/m3

表3 2017—2018年嘉定区不同类型站点的颗粒物浓度

Tab.3 The concentration of particulate matters at different types of stations in Jiading District from 2017 to 2018 µg/m3

2.4 按季节变化分析

由于网格化监测设备中重要部件电池和传感器的使用寿命原因，使得2018年各点位先后出现了部分数据的缺失。为保证监测数据的完整性和可比性，选择2017年的网格化观测数据，比较不同季节的颗粒物质量浓度，并与标准大气自动站的对比，如图3所示。可以看出，网格化设备测得的PM10和PM2.5浓度均表现出冬季>春季>夏季>秋季的变化趋势，其中冬季PM10和PM2.5浓度分别为82 µg/m3和61 µg/m3，而秋季其浓度仅为54 µg/m3和36 µg/m3。冬季由于受北方沙尘污染输送的影响，颗粒物浓度通常最高。从4个标准大气自动站的数据看，2017年PM10的浓度却表现出春季>冬季>秋季>夏季，PM2.5的变化趋势与网格化一致，印证了传感器设备对粒径较小的颗粒物测得数据的一致性较好。

图3 2017年嘉定区不同季节颗粒物浓度

另统计了嘉定区4个大气自动站2015—2018年颗粒物监测数据（见表4），发现均呈冬春季高、夏秋季低的趋势。2017年秋季出现最低PM2.5浓度（36 µg/m3），是由于当年秋季嘉定区接连受多个台风外围环流和冷空气共同影响，出现大风和大到暴雨天气，对颗粒物沉降和冲刷较明显。

表4 2015—2018年嘉定区大气自动站在不同季节的PM10和PM2.5浓度

Tab.4 The concentrations of PM10 and PM2.5 in different seasons at the atmospheric automatic station in Jiading District from 2015 to 2018 µg/m3

2.5 典型PM2.5污染传输过程分析

国内学者对大气污染物的区域输送有各类研究方法，本节利用实时的网格化监测数据，分析颗粒物污染中主要的污染类型——外来传输污染迁移过程。2018年1月29日至2月1日，嘉定区出现了近年来最为严重且持续时间最久的颗粒物污染。以此次污染过程发生时85个网格化点位监测数据为基础，结合气象数据对本次污染的变化情况进行分析。从此次污染过程的后向轨迹图和风玫瑰图（如图4所示）分析，整个污染过程主导风向为东北偏北风，风速约为4~ 5 m/s，污染气团从我国的山东省方向逐渐向南扩散，到达上海。根据2018年1月30日上午8时全国范围和长三角区域PM2.5的浓度空间分布情况，上海市及周边城市均处于中到重度污染，表明本次污染为一次大范围的区域传输污染过程。

网格化点位PM2.5浓度空间分布如图5所示，反映了整个污染过程嘉定区各网格化点位的颗粒物浓度随时间的变化情况。从PM2.5浓度等级的颜色不同可以看出，嘉定的不同区域受到传输污染的时间和污染程度均不一致。嘉定区遭受污染首先从北部点位开始发生，随后扩散至整个嘉定区，各点位PM2.5浓度等级逐步从优或良转为轻度、中度和重度污染，污染最严重时各点位均维持在重度污染等级。直到2月1日夜间，污染逐步消散，各点位空气质量回落到良的水平。同时看出，在此次污染过程中，污染较重的点位集中在嘉定的东部和中部区域，而位于最西部的点位污染相对较轻，推测与此过程风向以东北偏北风为主有很大关系。

图5 1月29日—2月1日嘉定区网格化点位PM2.5浓度空间分布

2.6 典型污染事件分析

2018年1月9日至1月22日，利用激光雷达在某汽车整装和零配件生产集中区域上空进行水平扫描监测。雷达监测数据显示，在目标点A附近捕捉到9次污染事件，且污染时间集中在夜间和凌晨，具有一定扩散能力。在1月12日深夜至13日凌晨发生的一次污染事件中，激光雷达捕捉到的污染区域如图6所示。此次污染事件的持续发生，通过目标点A附近的多个网格化点位的PM2.5实时监测浓度（如图7所示）也得到印证。

图6 1月12日—1月13日目标点A激光雷达扫描图

激光雷达扫描出的目标点A设置了网格化监控点，周边还布设了5个网格化点位（东南西北方向）。为了便于通过目标点A周边的不同位置进行分析，将其分别命名为西北点B、北点C、东南点D、南点E、西点F，距离A点1000~2000 m。从1月12日20:00至1月13日5:45各点位的浓度值见表5。

表5 目标点A及周边网格化点位PM2.5浓度（1月12日晚至1月13日凌晨）

Tab.5 PM2.5 concentration at target point A and around grid points (evening of January 12 to early morning of January 13) µg/m3

结合图7和表5来看，目标点A的PM2.5浓度（16 µg/m3）在1月12日20:00时与周边点位浓度差不多，从23:00开始A点浓度逐步走高，达到33 µg/m3，明显高于周围点位的浓度。次日3:45 浓度为47 µg/m3，5:15 浓度为47µg/m3，持续到5:45，达到65µg/m3，该浓度为前日20:00浓度值的3.1倍。之后由于清晨交通排放和生活源排放等影响，在7:45与周边点位浓度基本一致。结合气象数据，12日晚风向以北偏西北风为主，风速较小（1~2 m/s），在这种静稳天气下出现个别区域的污染可以排除外来传输影响，而以本地排放为主。实地踏勘目标点A区域，分布有各类以汽车制造和喷涂生产为主的企业，这些企业均是24 h不间断生产，推测夜间可能产生大量的废气污染源，其排放对目标点A周边空气质量产生影响。

3 结论

通过对2017—2018年两年间网格化监测数据的初步分析，得出以下结论。

1）2017—2018年嘉定区网格化站点计算得出的PM2.5浓度与标准大气自动站基本一致。整体颗粒物污染浓度水平较高的区域主要集中在北部地区的华亭镇和徐行镇。辖区内3种不同功能区的点位，年均浓度基本一致，表明工业污染源、道路交通污染以及居民生活源排放对颗粒物均有一定贡献。

2）2017年网格化设备测得的PM10和PM2.5浓度均表现出冬季>春季>夏季>秋季的趋势。分析2017年气象条件，冬季由于受北方沙尘污染输送的影响浓度最高，秋季接连受多个台风外围环流和冷空气共同影响，对颗粒物沉降和冲刷较明显，秋季颗粒物浓度最低。

3）通过对2018年1月29日至2月1日期间网格化监测数据的分析，得出此次污染过程为典型的东北偏北风向作用下的区域过境传输污染，其中污染较重区域集中在嘉定的东部和中部，而嘉定西部污染相对较轻。

4）2018年1月利用网格化设备并有效结合高空激光雷达扫描数据，精确捕捉到某汽车整装和零配件生产集中区域发生的本地污染排放事件。结果表明，企业夜间作业期间，在风速较小的静稳条件下，大量废气污染源的排放极易对周边区域空气质量产生影响，夜间到次日凌晨浓度值不断升高，次日凌晨5:45时PM2.5的浓度值为前一日20:00浓度值的3.1倍。

[1] 谢运兴, 唐晓, 郭宇宏, 等. 新疆大气颗粒物的时空分布特征[J]. 中国环境监测, 2019, 35(1): 26-36. XIE Yun-xing, TANG Xiao, GUO Yu-hong, et al.Spatial and Temporal Distribution of Atmospheric Particulate Matter in Xinjiang[J]. Environmental Monitoring in China, 2019, 35(1): 26-36.

[2] 杨嵛鈜, 李燃, 李红柳, 等. 天津市大气环境质量影响因素研究[J]. 现代农业科技, 2016(5): 215-217. YANG Yu-hong, LI Ran, LI Hong-liu, et al.Influencing Factors of Atmospheric Environmental Quality in Tianjin City[J]. Modern Agricultural Science and Technology, 2016(5): 215-217.

[3] 陈昊.“一街一站”让深圳大气治理走向精细化[J]. 环境, 2015(10): 21-23. CHEN Hao. “A Street a Station” Let Shenzhen Governance Fine Atmosphere[J]. Environment, 2015(10): 21-23.

[4] 刘亮. 大气网格化监控系统分析——以乌鲁木齐市大气污染防治网格化为例[J]. 中国科技信息, 2015, 582(10): 43-44. LIU Liang.Atmospheric Grid Monitoring System Analysis—Take the Grid Into Urumqi Prevention and Control of Atmospheric Pollution[J]. China Science and Technology Information, 2015, 582(10): 43-44.

[5] 陈红. 大气环境网格化精准监测系统概述[J]. 中国环保产业, 2016(6): 46-48. CHEN Hong.Accurate Monitoring System of Atmospheric Environmental Gridding[J]. China Environmental Protection Industry, 2016(6): 46-48.

[6] 张菲菲, 王玮. 大气污染热点网格监测新模式在石家庄环境保护中的应用[J]. 卫星应用, 2019(4): 40-45. ZHANG Fei-fei, WANG Wei.The Application of Hot New Mode Grid Monitoring of Air Pollution in Shijiazhuang Environmental Protection[J]. Applied Satellites, 2019(4): 40-45.

[7] 徐春雨, 王秦, 李娜, 等. 大气PM2.5浓度的光散射测定法及湿度校正[J]. 环境与健康杂志, 2015, 32(2): 151-154. XU Chun-yu, WANG Qin, LI Na, et al.Determination of Atmospheric PM2.5by Light Scattering Method with Correction for Relative Humidity[J]. Journal of Environment and Health, 2015, 32(2): 151-154.

[8] 王永敏, 高健, 徐仲均, 等. 光散射法与β射线衰减-光散射联用法颗粒物在线测量方法对比[J]. 环境科学研究, 2017, 30(2): 433-443. WANG Yong-min, GAO Jian, XU Zhong-jun, et al.Inter-Comparison between Light Scattering and Beta-Attenuation-Light Scattering Particulate Matter On-Line Monitoring[J]. Research of Environmental Sciences, 2017, 30(2): 433-443.

[9] 赵胜豪. 京津冀大气热点网格建设浅析及启示[J]. 中国环境管理干部学院学报, 2018, 28(5): 67-69. ZHAO Sheng-hao.Analysis and Enlightenment on Atmospheric Hot Grid Construction in Jing-Jin-Ji Region[J]. Journal of EMCC, 2018, 28(5): 67-69.

[10] 王龚博, 胡海波, 姚利鹏, 等. 城市网格化环境监管模式研究与展望[J]. 环境与可持续发展, 2018, 43(5): 54-57.WANG Gong-bo, HU Hai-bo, YAO Li-peng, et al. Research and Prospect of Urban Grid Environment Supervision Model[J]. Environment And Sustainable Development, 2018, 43(5): 54-57.

[11] 左仲善, 孙超, 郭幸丽. 基于无线传感网络的大气环境PM2.5污染状况实时监测[J]. 科学技术与工程, 2017, 34(12): 263-267. ZUO Zhong-shan, SUN Chao, GUO Xing-li.Real Time Monitoring of PM2.5Pollution in Atmospheric Environment Based on Wireless Sensor Network[J].Science Technology and Engineering, 2017, 34(12): 263-267.

[12] HOLSTIUSL D M, PILLARISETTI A, SMITH K R, et al. Field Calibrations of a Low-cost Aerosol Sensor at a Regulatory Monitoring Site in California[J]. Atmospheric Measurement Techniques, 2014, 7: 1121-1131.

[13] 迟颖, 张栩. 2018年环境监测行业发展概述及发展展望[J]. 中国环保产业, 2019(4): 10-12. CHI Ying, ZHANG Xu. Environmental Monitoring Industry Development Overview and Development Prospects in 2018[J].China Environmental Protection Industry, 2019(4): 10-12.

[14] HJ/T 193—2005, 环境空气质量自动监测技术规范[S]. HJ/T 193—2005, Automated Methods for Ambient Air Quality Monitoring[S].

[15] HJ/T 663—2013, 环境空气质量评价技术规范(试行)[S]. HJ/T 663—2013, Technical Regulation for Ambient Air Quality Assessment (on Trial)[S].

Grid Monitoring of Atmospheric Particulate Matter in Jiading District, Shanghai

TAI Jing-jing

(Jiading District Environmental Monitoring Station, Shanghai 201822, China)

The paper aims to study the practical application of atmospheric gridding monitoring. The concentration of particulate matters in Jiading District, Shanghai from 2017 to 2018 was analyzed with the monitoring data of atmospheric gridding. The particulate matter pollution process was also analyzed with the data from scanning lidar. The results showed that the high concentration of particulate matter pollution was mainly concentrated in the northern region. PM10and PM2.5concentrations in 2017 ranked in the order of winter > spring > summer > autumn. The areas with high concentration of particulate matter pollution were occurred in the eastern and central parts of Jiading when the wind come from northeast by north. The large amount of exhaust gas emitted by enterprises at night can easily affect the air quality in the surrounding areas during the calm winds. The PM2.5concentration from night to the next morning kept rising and was 3.1 times at 5:45 am than that of 20:00 pm the previous day. The environmental quality of Jiading District is improved obviously by the implementation of atmospheric gridding monitoring and the regulation of atmospheric emission reduction.

grid monitoring; particulate matter; Jiading

2019-09-12；

2019-11-19

10.7643/ issn.1672-9242.2020.03.017

P49

A

1672-9242(2020)03-0100-08

2019-09-12；

2019-11-19

国家重点研发计划项目（2016YFC0203501）；国家自然科学基金项目（41475142）

Fund：National Key Research and Development Program of China (2016YFC0203501); the National Natural Science Foundation of China (41475142)

邰菁菁（1983—），女，安徽淮北人，硕士，工程师，主要研究方向为大气环境化学与监测。

TAI Jing-jing (1983—), Female, from Huaibei Anhui, Master, Engineer, Research focus: atmospheric environmental chemistry and monitoring.