露天煤矿冬季坑底粉尘污染特征及影响因素

2020-11-11罗怀廷王志明时旭阳丁小华

深圳大学学报（理工版） 2020年6期

罗怀廷，周伟，刘宇，王志明，时旭阳，丁小华，陆翔

1)中国矿业大学露天矿山高新技术研究中心，江苏徐州 221116； 2)中国神华能源股份有限公司哈尔乌素露天煤矿，内蒙古鄂尔多斯 017100

露天煤矿开采实质为开放空间内的巨型土石方移运工程，包括穿孔、爆破、采装、运输和破碎等多个作业环节，各个环节均会产生大量的粉尘颗粒物[1-2]．中国露天煤矿超过90%产能来自北纬38°以北的严寒干旱气候区，这些地方冬季大气温度低，无风频率高，易出现长时间的静稳天气，形成显著的逆温现象，大气结构较为稳定，加上露天煤矿深凹地形条件，冬季坑底粉尘污染较为严重[3]．露天煤矿产生的粉尘粒径小，易吸附重金属等有毒有害物质，降低大气能见度[4]，同时粉尘会严重损害矿工的呼吸系统，造成尘肺等职业疾病[5-6]．据中国2019年发布的《卫生健康事业发展统计公报》显示，全国共报告职业性尘肺病15 898例，占各类职业病总数的81.83%[7]．此外，露天矿粉尘还会在自然风力的作用下向周边扩散，对周边的生态环境造成一定污染，会威胁周边居民的身体健康[8-9]．可见，露天煤矿粉尘污染已经成为一个突出的社会问题，国务院2018年6月专门印发《打赢蓝天保卫战三年行动计划》明确要求加强露天矿山扬尘综合整治[10]．

随着“绿色矿山”理念的提出，诸多学者对露天煤矿粉尘污染方面开展了大量的研究．葛少成等[11]采用基于欧拉-拉格朗日方程的离散相模型模拟了露天煤矿爆破粉尘起爆过程中的扩散规律；陈举师等[12]依据气固两相流动及梯度输送理论，运用数值模拟软件模拟了露天矿穿孔作业中的粉尘扩散规律；荆德吉等[13]采用COMSOL数值模拟软件模拟分析了露天煤矿破碎站卡车卸料时的粉尘扩散规律；陈曦等[14]采用动网格技术及离散相模型的粒子跟踪技术的耦合计算方法，模拟分析了露天矿不同车速下自卸卡车周围气流与粉尘的分布特征；TANG等[15]使用FLUENT软件模拟分析了露天矿采场内不同粒径粉尘在自然风流作用下向矿坑外部的逸散规律；田冬梅等[16]通过正交试验和多元回归统计分析，得到了露天矿运输扬尘质量浓度的计算模型；刘芳等[17]基于现场实测数据分析了不同季节准东露天矿周边环境PM2.5和PM10的污染特征．当前针对露天矿山粉尘的研究成果多集中在不同作业环节下的粉尘起尘机理及运移规律方面，而露天矿坑内部飘散粉尘污染物的特征及与气象因子间的关系研究较少．而掌握露天矿坑粉尘污染物特征是从气象学角度揭示解决矿坑粉尘污染的前提．

生产作业期间露天矿坑内污染较为严重，能见度显著降低，冬季尤甚，相关研究表明，低温度、高湿度与颗粒物污染有着密切的关系[18]．因此，掌握露天煤矿冬季低温条件下的粉尘污染情况及演化特征，揭示气象因子对粉尘浓度的影响规律，对露天煤矿粉尘治理十分重要．

1 测试方案

1.1 监测地点

哈尔乌素露天煤矿(以下简称哈矿)位于内蒙古鄂尔多斯准格尔旗薛家湾镇，属陕蒙交界地区．该矿地处温带大陆性季风气候区，具有冬季寒冷漫长，夏季炎热短促，春秋温差大的气候特征．冬季时间长达4个月，平均气温在-11～1 ℃，最低气温可达-30 ℃，多有4～6级大风，结冰期为11月上旬到翌年4月上旬，约150 d．春秋季多风干燥，平均温度在-10～3 ℃，气温变化剧烈，早晚温差大．夏季炎热，平均气温在10～23 ℃，雨水多集中于7～9 月，约占全年降水量的65%，盛行东南风．薛家湾年降水量约为400 mm，而蒸发量是降水量的5倍，干旱多风，如图1．

图1 哈尔乌素露天煤矿矿坑航拍图Fig.1 Aerial photos of Haerwusu open-pit coal mine

1.2 设备选型及布置

采用山东仁科测控技术有限公司生产的噪声扬尘监测站(型号RS-ZSYC-9S-4G)监测风速、风向、温湿度及粉尘质量浓度，设备参数见表1．设备布置位置如图2所示，其中，1号测点布置在地表1 130 水平，用于监测同时间段内的地表大气温度，得到地表与坑底的大气温度之差，分析温差(逆温强度)对坑底污染物的影响．另外，由于哈矿在开采时受韩留宝征地影响，目前其工作区位于韩留宝以北区域，为更加真实的反映哈矿在开采过程中坑底粉尘污染情况，将2号测点布置在工作区的采场煤底板930水平中部．监测设备通过移动网络将数据实时上传至云端服务器，本次实验数据的采集频率均为1 h．

表1 设备指标参数

图2 测点布置位置Fig.2 Location of monitoring sites

2 结果与分析

2.1 颗粒物质量浓度特征

受哈矿内排作业影响，本次实验监测时间段为2018-12-23至2019-01-01，但整理数据发现12月24、25日数据缺失，因此本研究选择2018-12-26至2019-01-01的监测数据来对低温条件下的坑底颗粒物污染情况作进一步说明与分析，其中，2018-12-29出现全年温度最低值．

我国最新发布的《环境空气质量标准》(GB3095—2012)中明确规定了颗粒物日均质量浓度限值的1级和2级标准，见表2[19]．统计监测时间段内2号测点 (坑底)的总悬浮颗粒物(total suspended particulate, TSP)、PM10和PM2.5实测结果，见表3．可以发现，监测时间段内TSP、PM10和PM2.5均未超过国家2级标准限值，但TSP、PM10和PM2.5分别超过国家1级标准限值3、4和3次，表明冬季低温条件下哈矿坑底污染较为严重．

表2 24 h颗粒物质量浓度限值[19]Table 2 Mass concentration limits of PM in 24 h[19] μg·m-3

表3 颗粒物质量浓度监测数据

为进一步分析颗粒物质量浓度之间的关系，绘制监测期间颗粒物的具体变化规律，如图3所示．由图3可知，TSP、PM10和PM2.5质量浓度变化范围分别为0～200、0～175和0～150 μg/m3．3种颗粒物质量浓度变化特征较为一致，污染物质量浓度在正午前后出现峰值，且峰值后明显降低，主要原因是日出后向阳帮坡和背阳帮坡受热情况不同，采场内部出现由背阳坡流向向阳坡的低风速局部环流，在哈矿地形条件下具体表现为由工作面流向排土场，由于排土场边坡角较大，所以粉尘难以扩散出矿坑；加上生产作业持续产尘，所以从日出到正午，采场内部污染持续加重．哈矿粉尘质量浓度峰值出现时间不同于城市大气污染．文献[20]研究表明，城市大气颗粒物浓度在日出前出现峰值，日出后由于大气边界层抬升，颗粒物浓度逐渐降低．另外，2018-12-27的颗粒物质量浓度明显小于其他统计时间，查询当日天气，发现并无降雨和降雪天气出现，对比该周生产量(表4)发现27日产煤量显著低于其他时间段，因此当天监测的颗粒物质量浓度较低．

图3 颗粒物变化趋势Fig.3 Trend of PM

表4 哈矿日产量

研究时间段内的颗粒物质量浓度占比情况如图4．其中，ρ(PM10)/ρ(TSP)、ρ(PM2.5)/ρ(TSP)分别表示TSP中PM10和PM2.5的质量浓度占比；ρ(PM2.5)/ρ(PM10)表示PM10中PM2.5的质量浓度占比．由图4可知，研究区内的ρ(PM10)/ρ(TSP)大致在60%～80%；ρ(PM2.5)/ρ(TSP)大致在30%～60%；ρ(PM2.5)/ρ(PM10)大致在50%～80%．一般认为，ρ(PM2.5)/ρ(PM10)为30%～40%时污染较轻，为50%～70%时污染较重[17]．综合分析可知，哈矿低温下坑底颗粒物主要是粒径小于10 μm的颗粒物，且以粒径小于2.5μm的颗粒物居多，表明低温下坑底污染较重，空气质量差，对人体危害严重．

另外，从图4可以发现，1天内的ρ(PM10)/ρ(TSP)最小值一般出现在正午前后，而该时间段坑底存在明显风流，表明风速对小颗粒污染物稀释作用更为明显．此外，结合图3可以发现，当颗粒物质量浓度较低时 (如27日)，颗粒物组成比例波动较大，而颗粒物质量浓度较大时，颗粒物组成比例较为稳定．

图4 颗粒物占比Fig.4 Proportion of PM

2.2 气象因子对颗粒物质量浓度的影响

对统计时间研究区内的气象因素取均值，其中平均湿度、平均温度和平均风速 (均来自2号测点) 分别为46.0%、-17.30 ℃和0.23 m/s，平均温差 (温差为1号测点温度值减去2号测点温度值) 为1.13 ℃．表明研究时间段内坑底温度低、风速小，且存在明显的逆温现象．

将TSP、PM10和PM2.5的质量浓度与湿度、温度、风速和温差等气象因子进行Spearman秩相关分析，结果见表5．从表5可见，低温条件下，坑底颗粒物质量浓度与湿度存在明显的正相关关系，表明湿度越大，坑底颗粒物质量浓度越大；与ρ(TSP)相比，ρ(PM10)、ρ(PM2.5)与相对湿度的相关系数更大，表明湿度对小粒径颗粒物影响更为显著．温度、风速与颗粒物质量浓度呈正相关，表明低温小风速下，坑底颗粒物质量浓度会随温度、风速的增大而增大．温差 (逆温强度)与颗粒物质量浓度呈正相关，表明逆温会阻碍颗粒物向外扩散．

为了更加直观的显示气象因子与颗粒物质量浓度的关系，可以进一步作因子分析．进行因子分析前需要对变量进行Kaiser-Meyer-Olkin(KMO)样本测度和Bartlett球体检验．KMO是用于比较变量间简单相关系数和偏相关系数的指标，其值越接近1，表明变量越适合进行因子分析．Bartlett球体检验的统计量是根据相关系数矩阵的行列式得到的，如果通过显著性检验即适合进行因子分析．

表5 颗粒物与气象因子的秩相关系数1)

对研究数据进行KMO和Bartlett球体检验，得到KMO值为0.698，且显著性为0，通过了Bartlett球体检验．说明相关系数矩阵与单位矩阵有显著性差异，可以进行因子分析．通过因子分析，共提取了3个主成分，累积方差贡献率为76.71%，说明原有变量的数据丢失较少，旋转后3个成分的方差贡献率发生了变化，但累计方差贡献率并没有改变，即没有影响原有变量的共同度，所以因子分析效果较为理想，采用主成分分析法进行分析，结果见表6．由图5可见，公因子1包括湿度、TSP、PM10和PM2.5，公因子2包括温度和风速，公因子3包括风向和温差，进一步说明湿度对颗粒物质量浓度的影响更为显著．

表6 总方差解释

图5 旋转后空间成分Fig.5 Spatial composition after rotation

2.3 颗粒物质量浓度与气象因子的多元回归模型

通过上述分析可知，影响坑底颗粒物质量浓度的因素较多，需要对颗粒物质量浓度及气象因子进行多元回归分析．本研究采用的是多元逐步回归分析，其步骤是先剔除对因变量影响不显著的变量，再逐个引入对因变量影响显著的变量，通过该方法可以有效确定对颗粒物质量浓度影响显著的气象因子．利用多个气象因子构建颗粒物质量浓度的多元回归估算模型，具体结果见表7．其中，x1、x2和x3分别为湿度、温度和温差．由表7可见，利用选择的几个变量对颗粒物质量浓度的估算结果较好，在考虑多个气象因素共同对颗粒物质量浓度影响后，由回归模型可以发现对颗粒物质量浓度影响显著的气象因素包括湿度、温度和温差．且显著程度关系为湿度>温度>温差．回归模型的拟合程度顺序为PM2.5>PM10>TSP，表明小颗粒对气象因子敏感性更高．

表7 颗粒物的回归模型

利用相对权重的方法计算气象因素的贡献率，如图6所示，可定量评估气象因素对颗粒物质量浓度影响的贡献，其中，贡献率越高的自变量对颗粒物质量浓度影响的贡献越大．以TSP为例，自变量湿度、温度和温差对R2(0.561)的贡献率分别为84.9%、8.7%和6.4%．PM10和PM2.5也表现出相同的规律，其中，湿度的贡献率显著大于温度和温差．另外，可以发现随颗粒物粒径减小，温度对贡献率逐渐增高，这与秩相关分析结果具有一致性，表明温度对小颗粒影响更为明显．

图6 气象因素对颗粒物质量浓度的贡献率Fig.6 Contribution rate of meteorological factors to the mass concentration of PMs

3 讨论

利用相关性和因子分析研究冬季气象因子与颗粒物质量浓度的关系．分析发现：① 低温下湿度对颗粒物质量浓度影响较为明显，表现出正相关关系，表明湿度越大，越容易造成坑底严重污染，主要原因是冬季相对湿度较低，空气中水汽含量不足以使颗粒物粒径增大而大量沉降，反而会形成霾现象，减少太阳对坑内的辐射，加重颗粒物污染，这与刘芳等[17]的研究结果较为一致．② 温度与颗粒物质量浓度呈正相关关系，风速与颗粒物质量浓度也表现出正相关关系，表明低温低风速下，随风速的增大，坑底污染物质量浓度会进一步升高，与其他学者[21-23]研究结果存在一定差异，主要原因是坑内风速增大，且风向多由采场吹向排土场，导致工作面粉尘吹向排土场，坑内颗粒物质量浓度上升．③ 温差与颗粒物质量浓度呈正相关关系，主要原因是温差较大时，逆温强度大，大气结构稳定，不利于颗粒物扩散．气象因素整体上对小粒径颗粒物影响更为显著．

通过多元逐步回归分析和相对权重方法可以发现，在同时考虑多气象因子的条件下，湿度依然对颗粒物质量浓度影响最显著，其次是温度和温差，且湿度的影响程度明显高于其他因素．从回归模型的R2值大小可以发现，颗粒物粒径越小，方程拟合度越高，表明小粒径颗粒物对气象因素的敏感性更高．

本研究采用监测仪器对哈尔乌素露天煤矿冬季粉尘颗粒物质量浓度及气象因子进行了连续监测，选择了一周的监测数据来分析低温下颗粒物污染特征，所以对研究区污染特征的揭示在一定程度上存在不充分性，但可以在一定程度上概括低温条件下的颗粒物污染特征．因此，要想更细致准确掌握露天煤矿冬季颗粒物污染特征，在后续研究中还需要加大样点密度，增加监测数据的长时性及连续性．