2015年以来成都市PM2.5演变特征及与气象要素相关性分析

陈 婷，敖天其

(1.四川省气象服务中心，成都 610072；2. 四川大学，水利水电学院，水力学与山区河流开发保护国家重点实验室，成都 610065)

伴随着经济的高速发展，全国各地出现了空气质量恶化的现象，影响城市生态环境和百姓身体健康，使得城市大气环境质量评价及污染防治已成为大气污染研究和城市气候研究领域的研究热点之一[1]。多名学者聚集污染较为严重的地区做了大量的研究[2～8]，研究表明大气污染的发生有一个过程，是气象要素和污染要素共同作用的结果，气象扩散条件对大气污染物浓度有较大的影响，由于各地有不同的气候特征以及污染物排放特征，大气污染物在各地具有不同的演变特征。成都市作为四川省会，是四川盆地大气污染物的高值中心之一，在多项污染物指标中，颗粒污染问题较为显著，其中PM2.5的污染最为严重。PM2.5作为粒径较小的污染物，对人体健康和大气环境的危害突出[9～11]，PM2.5同时又是降低大气能见度，造成灰霾天气的主要原因[12]。研究表明，不利的气象条件会显著加重颗粒物的污染过程，风速、降水、相对湿度等气象要素能够较好的解释PM2.5的变化特征[13]。

目前，成都市大气污染特征已开展了一些研究，但相较于其他污染严重地区研究还比较少，谢雨竹[14]研究了成都市2013年6～8月多种大气污染特征，表明该时段成都市O3污染和大气颗粒物污染最为严重；孙欢欢[15]研究了成都市黑碳气溶胶污染特征；李昕翼[16]利用环境监测数据、气象观测数据和激光雷达探测资料，系统分析了一次灰霾过程的演变机理；邓利群[17]利用成都市2009年8月22 日～9月20日的采样资料，分析了大气颗粒物浓度的时空分布特征及其与气象条件的关系。以上研究可以看出，以往对成都大气污染物的研究受到站点和时段限制，大多选择一次污染过程、几个月的环境监测资料或者同时对多种污染物资料进行综合研究，为避免时段较短不足以反应污染物年季变化特征以及多因子综合分析造成分析不深入的问题，本文研究内容仅选取成都市区7个站点PM2.5监测资料，利用2015年1月～2020年6月的小时数据，分析PM2.5浓度的年、季、日变化特征，同时分季节分析不同气象要素与PM2.5浓度之间的相关性。

1 资 料

1.1 实况资料

本文使用了气象观测资料和污染监测资料。其中，气象观测数据来自于四川省气象局，选取了温江站的2015年1月～2020年6月的逐小时的温度、降水、气压、相对湿度、风速等资料；PM2.5监测资料来源于四川省生态环境监测总站，选取了位于成都市区的7个国控站点，分别是大石西路、金泉两街、君平街、梁家巷、三瓦窑、沙河铺、十里店站的逐小时PM2.5监测数据，并对各站的小时污染数据进行平均，用以分析成都市PM2.5浓度的时空分布特征。

1.2 PM2.5分级

从《环境空气质量标准》(GB3095-2012)中可知，要对大气污染物进行分析，首先要对数据进行质量控制，本文首先剔除了缺测和异常值。

对成都市PM2.5时空分布进行分析时，首先对污染物浓度进行了分级，根据PM2.5监测网的空气质量新标准，24小时平均值分级如表1。对成都市污染物时空分布进行分析时，将站点全天小时观测值进行平均，即为污染物的日均值。进行污染物进行季节变化分析时，选取3～5月为春季，6～8日为夏季，9～11月为秋季，12～2月为冬季。

表1 PM2.5的分级标准Tab.1 Classification Standard of PM2.5 (μg/m3)

2 污染物特征分析

图1为成都市2015年1月～2020年6月PM2.5平均日浓度变化曲线，可见成都市PM2.5的变化趋势较为一致，污染物浓度在冬季处于波峰，夏季处于波谷，波峰变化较大，波谷变化较小。利用线性倾向法[18]计算了PM2.5浓度随时间的一元线性回归变化率，得出从2015年起PM2.5的年变化率为-5.9μg/(m3·a)，结合PM2.5的年平均浓度(表2)，可以看出成都市PM2.5的浓度从2015年至今呈现逐年下降的趋势，PM2.5年平均浓度从2015年的63.9μg/m3下降至2019年的42.6μg/m3。

表2 PM2.5浓度的年平均值Tab.2 Annual average value of PM2.5 concentration (μg/m3)

图1 2015年1月～2020年6月PM2.5的变化曲线Fig.1 The change of PM2.5 from January 2015 to June 2020

2.1 日变化特征分析

2015年1月～2020年6月成都PM2.5浓度的日变化曲线如图2所示，其中成都PM2.5的浓度日变化呈现单峰单谷分布，其中春季峰值在上午8点，夏季和秋季的峰值在上午9点，冬季的峰值则是在上午10点，冬季峰值较其他季节推后的原因可能是由于冬季日照时间少，大气层结较稳定，静稳天气居多，温度日变化更小，更有利污染物的沉降堆积。随着温度升高，边界层抬升，湍流垂直交换增强，PM2.5的扩散增强，谷值出现在16～17时。傍晚过后随着温度降低，边界层高度下降，湍流垂直交换减弱，PM2.5浓度增大。

图2 四季PM2.5浓度的日变化Fig.2 Diurnal Variation of PM2.5 in four seasons

2.2 季节变化特征分析

对2015年1月～2020年6月成都市PM2.5浓度进行季节分析如表3所示，冬季为PM2.5浓度最高，冬季平均日浓度为228μg/m3，最高浓度达305μg/m3，冬季PM2.5的优良天数占比49.2%，轻度和中度污染天数占比为39.1%，重度污染天数占比为9.7%。春季和秋季的平均日浓度为137μg/m3和81μg/m3，优良浓度天数占比为81.7%、85.7%，轻度污染天数占比为14.9%、10.8%，春季轻度污染天数占比率高于秋季，说明成都秋季污染扩散条件更好，春秋两季的中度污染及以上的占比较小，都在1%以下。夏季污染天数最少，优良天数占比为97%。

表3 2015年1月～2020年6月成都市PM2.5的季节分布Tab.3 seasonal distribution of PM2.5 in Chengdu from January 2015 to June 2020

3 不同季节PM2.5与气象要素的相关性分析

3.1 PM2.5浓度与风速、气温、相对湿度、降水、风速的相关性

从2015年1月～2020年6月四季PM2.5浓度与气象要素相关统计结果(表4)可以看出，风速与PM2.5的浓度相关性最强，在不同季节均呈现显著的负相关，当风速大时PM2.5的浓度小，当风速小时PM2.5的浓度大。降水在四季与PM2.5的浓度相关性均呈现负相关，降水在春夏与PM2.5的浓度的相关性仅次于风速，这可能是因为春夏雨量充沛，对PM2.5浓的影响更为明显。相对湿度与PM2.5在冬夏两季呈现显著的相关性，且在冬夏两季呈现相反的特征。在冬季，相对湿度与PM2.5呈现显著正相关，当相对湿度越大，PM2.5的浓度越大，说明冬季相对湿度越高，越有越有利于PM2.5的富集，同时湿度大时多存在逆温现象，也使得空气中的颗粒物不易扩散。在夏季，相对湿度与PM2.5呈现显著的负相关，当相对湿度越大，PM2.5的浓度越小，这可能与夏季雨水充沛有关，相对湿度的升高往往伴随降水，降水对PM2.5起到冲刷沉降作用。气压在春季与PM2.5呈现负相关，当气压上升时，PM2.5的浓度下降，这可能与成都春季气压波动与冷空气活动有关，当冷高压南下影响成都时，同时带来大风降水天气，使得PM2.5浓度下降。温度在秋季与PM2.5呈现显著的负相关，当温度升高时，PM2.5的浓度下降。

表4 2015年1月～2020年6月四季PM2.5浓度与气象要素相关统计结果Tab.4 The correlation between PM2.5 mass concentration and meteorological elements in four seasons from January 2015 to June 2020

3.2 冬季不同级别PM2.5浓度时气象要素的日变化

对比冬季PM2.5超标和达标时段对应气象要素日变化(图3)。风速和相对湿度的变化特征为，PM2.5超标时段的逐时风速更低、相对湿度更高，说明风速越低、相对湿度越高，越有利于污染物的富集。温度的变化特征为，PM2.5超标时段日温差更大，午后温度更高。气压的变化特征为，PM2.5超标时段气压更小。出现以上特征可能是由于冬季PM2.5浓度低时往往冷空气活动较为活跃，当冷空气活跃时温度降低伴随气压升高，风速较大，反之静稳天气时温度较高，风速较小，气压较低，PM2.5浓度增大。

图3 冬季气象要素的日变化特征Fig.3 diurnal variation characteristics of meteorological elements in winter

4 结 论

本文利用2015年1月～2020年6月的成都市逐小时的PM2.5浓度监测资料和气象观测资料，对成都市PM2.5浓度的年、季、日变化进行分析，并结合对应时段气象要素，分析了气象要素与PM2.5浓度的相关性。得出以下的结论：

4.1 2015年1月～2020年6月污染物总体呈下降趋势，PM2.5年变化率为-5.9μg/(m3·a)；PM2.5的浓度在冬季处于波峰，夏季处于波谷，波峰数值变化较大，波谷变化较小。

4.2 成都PM2.5浓度日变化为：峰值多出现在8～10时，谷值多出现在16～17时，其中冬季峰值较其他季节推后，造成这种原因可能是冬季日照短，大气层结更稳定，温度日变化小，边界层抬升更弱，更有利于污染物的沉降堆积。随着辐射增强，温度升高，边界层抬升，16～17时PM2.5浓度达到最低。

4.3 成都冬季为PM2.5浓度最高季节，其中PM2.5的优良天数占比仅为49.2%，轻度和中度污染天数达39.1%，重度污染天数占比9.7%，夏季为PM2.5浓度最低的季节，优良天数占比为97%。

4.4 根据气象要素在不同季节与PM2.5浓度的相关性分析可知，不同季节气象要素与PM2.5浓度的相关性存在差异。风速在各个季节与PM2.5浓度相关性最大，均呈负相关。降水则在春夏季与PM2.5浓度的相关性次于风速，呈现负相关。相对湿度在冬季与PM2.5浓度的相关性次于风速，呈现正相关，说明冬季相对湿度越高，越有利于PM2.5富集，而在夏季，相对湿度则与PM2.5浓度呈现负相关，这可能与夏季降水充沛有关。温度在秋季在春夏季与PM2.5浓度的相关性次于风速，呈现负相关。

4.5 对比冬季PM2.5超标和达标时段对应气象要素日变化，PM2.5浓度超标时段，逐时风速更低、相对湿度更高、温度日较差更大、气压更低，这可能与静稳天气有关，而冬季PM2.5浓度低时往往与冷空气活跃有关，冷空气活跃时，气压更高、温度日较差较小、风速较大、湿度较小。