基于EOF方法的常州市区PM2.5污染时空分布特征

杨卫芬，王振,，李春玉，吴晶璐

(1.江苏省常州环境监测中心，江苏 常州 213001；2.常州市气象局，江苏 常州 213022)

随着区域经济发展，中国面临着严重的细颗粒物(PM2.5)污染问题，不利天气条件下，PM2.5污染极易发生[1-2]。目前针对城市空气污染时空分布特征的研究较多[3]，张丽华等[4]对西安市1—4月的PM2.5空间分布特征进行了研究；文献[5-6]以季节、月均值对PM2.5的空间特征和时间特征进行了分析；顾康康等[7]虽然对合肥市主城区的ρ(PM2.5)进行了年时间序列研究，但空间上仅对1和7月的PM2.5分布特征进行了代表性研究；为了更好地认识污染物的区域性污染特征，张祥志等[8]以逐日资料为基础，运用经验正交分解(EOF)方法对江苏省2013—2016年臭氧(O3)空间分布及其变化特征进行了研究，得到苏北、苏中、苏南3个分区特征及其时间变化序列；周义昌等[9]采用EOF 方法对2016年肇庆城区污染物浓度与气象要素进行了相关性分析，得到了城区空气污染物的时空分布特点。文献[10-17]对常州市大气中PM2.5中水溶性离子、金属元素、有机碳和有机氨等化学组分及来源解析，以及环境空气中PM2.5的污染特征及生物健康效应等进行了研究。

现基于2018年常州市14个自动监测点位ρ(PM2.5)，采用变异函数法和EOF对其ρ(PM2.5)的空间变异性和逐日质量浓度序列的时空分区特征进行了研究。

1 研究方法

1.1 采样时间

采样时间为2018年1月1日—12月31日。

1.2 监测点位

常州市范围内(金坛、溧阳以外的常州地区)14个自动监测站点。其中市监测站、钟楼、武进监测站、行政中心、安家、经开区等6个站为国控点，丁塘、河理工学院、北郊中学、竺山湖、经发区、绿建区、奔牛、青龙等8个站为市控点。

1.3 监测数据

PM2.5逐时值及日均值。

1.4 PM2.5测量方法

除武进监测站、经发区为微量振荡天平法外，其余点位均采用Beta射线法。

1.5 分析方法

1.5.1 变异函数法

用于分析常州市区ρ(PM2.5)由于空间综合作用(污染源排放差异、局地微气象条件差异)而产生的异质性，其定义为空间内2空间点之差的方差。由于无法遍历空间内所有的点，因此采用有限个采样计算的经验变异函数。经验变异函数的定义见下式：

(1)

式中：r(h)——变异函数；

Z(Xi)——站点的ρ(PM2.5)， μg/m3；

Z(Xi+h)——与间距为h的站点的ρ(PM2.5)， μg/m3；

N(h)——相距h的所有站点的数目。

1.5.2 正交经验分析法

以ρ(PM2.5)为变量场，采用EOF对2018年PM2.5日均值序列进行分区分析，由于空气的流通性，在同一分区内点位之间的空气污染相互影响明显，且具有相似的ρ(PM2.5)变化规律。城市PM2.5日均值分布通常服从对数正态分布，为提高EOF适用性，降低计算误差，各点位的PM2.5日均值首先进行对数处理，再进行标准化。

EOF基本原理是对空间m点(空间尺度)的n次观测(时间长度)组成一个Xmn的矩阵，可以分解为空间向量矩阵Vmk和时间系数的矩阵Tkn。

Xmn=Vmk×Tkn

(2)

各个站点的ρ(PM2.5)经过EOF分析后得到的空间模态是否具有统计意义，需要进行North检验，见公式(3)。式中，λ是特征根，N*是数据的有效自由度。将λ按顺序依次检查。如果前后两个λ之间误差Δλ有重叠，则认为其之间没有显著差别。

(3)

2 结果与讨论

2.1 ρ(PM2.5)时间变化特征

2018年，常州市不同点位的ρ(PM2.5)均呈现相似的月际变化特征(图1 )，PM2.5高值主要集中在1和2月，11和12月，其次为4—5月，PM2.5低值集中在6—9月。其中，各站点严重污染[ρ(PM2.5)>250 μg/m3]时次均发生在11和1月，除6—9月外，重度污染[ρ(PM2.5)>150 μg/m3]时次在其余月份均有发生，但持续时间最长的重度污染以上过程基本均发生在1月。从日变化特征可以看到，18：00后至次日上午时段PM2.5易出现峰值，这与夜间大气扩散能力较弱有关。

2.2 ρ(PM2.5)空间异质性特征

2018年常武地区各站点PM2.5年均值为37～55 μg/m3(图2)。ρ(PM2.5)具有明显的空间差异，高值区主要分布在东中部区域和北部区域，低值区主要分布在西南区域。由图2可见，PM2.5年均值呈现为自西向东、自南向北依次增加的特征。

从不同站点的污染持续时长来看(表1)，PM2.5年污染时次超过1 500 h的站点均分布在东中部区域和北部区域，与年均高值区域一致，其中，经开区站点的重度污染以上时次最多，重度污染最大持续时间长达45 h，严重污染持续时长最多达17 h。

图1 2018年常州市的ρ(PM2.5)时间变化趋势

图2 常州市PM2.5年均值分布

表1 2018年常州市PM2.5污染超过1 500 h的站点统计结果 h

对常州市各个空气站PM2.5空间分布的异质性采用变异函数进行量化，见图3。由图3可见，随着空间距离的增加，PM2.5自北(N)向南(S)方向及自东(E)向西(W)方向变异系数都逐渐增加，但超过一定距离后变异函数值趋于稳定。变异函数随着空间距离的增加表明站点PM2.5观测值之间的相关性逐渐减小异质性逐渐增大，这是由于随着距离的增加各个站点局地污染分布因素的差异性逐渐增大而导致。当空间距离增加到一定程度时，各个站点之间的异质性达到最大，表明各个站点间的PM2.5差异性趋于最大，此时的变异函数值反映的是整个常州市区ρ(PM2.5)分布的特征。

此外，各个空间距离下ρ(PM2.5)在东-西方向的变异函数略大于北-南方向的变异函数，显示出东-西方向上ρ(PM2.5)的空间异质性程度要大于南-北方向，这可能由常州市重点源主要分布在东边且东西向分布不均，而南北方向上污染源分布相对均匀导致。

图3 常州市北南、东西方向PM2.5空间变异特征

2.3 ρ(PM2.5)空间分区特征

为进一步探讨常州市区PM2.5空间分布以及变化规律，以2018年全年各个站点的PM2.5日均值数据为基础，对其空间分布进行经验正交分解。EOF结果显示，常州市区PM2.5存在一个主模态，其模态方差贡献率为94.6%，并通过了North检验，表明EOF分析结果合理。图4为PM2.5的EOF分解空间模态结果。

图4 常州市ρ(PM2.5)经验正交分解的模态空间分布与重点污染源分布

由图4可见，PM2.5模态分布沿东北向西南区域依次递减，高值区位于常州市区中心偏北、偏东地区。PM2.5模态分布区域可能与常州市区重点污染源的分布有关，常州市区重点污染源多分布在市中心东北方向，而且常州市区夏季主导风向为东南偏东风向，秋冬季主导风向为偏北风，污染物浓度在主导风下风向有累积作用，导致了市区中心偏北、偏东区域ρ(PM2.5)较高；市区西南部区域重点污染源分布较稀疏，整体PM2.5模态值呈现低水平。

图5为PM2.5模态对应的时间权重系数的季节变化，系数的正负代表该模态日值分布的偏高与偏低，系数绝对值越大，这类分布类型就越显著。就全年而言，PM2.5模态对应的时间权重系数具有显著的季节变化特征，冬季系数较高而夏季系数较低，即冬季日ρ(PM2.5)总体偏高、夏季总体偏低，与年ρ(PM2.5)变化特征较为一致，表明该模态主要由气象扩散条件差异所影响。此外，常州市区冬季西北-北-东北方向转变相对频繁，偏西北风使西部内陆PM2.5输送至常州的机会增加从而造成污染天，而偏东北风时洁净的海洋空气输送至常州，空气相对清洁，因此，该模态下PM2.5冬季变化剧烈，夏季由于常州市区常年盛行东南风，气象扩散条件较好，ρ(PM2.5)变化平稳，因此主模态下的时间权重系数变化较小。

图5 常州市PM2.5日均值经验正交分解模态的时间权重系数序列

3 结论

(1)不同点位的ρ(PM2.5)均呈现相似的月际变化特征，其高值主要集中在1和2月，11和12月，其次为4月和5月，低值集中在6—9月。各站点严重污染时次均发生在11和1月，且持续时间最长的重度污染以上过程基本均发生在1月。18：00后至次日上午时段PM2.5易出现峰值。

(2)常州市空气ρ(PM2.5)具有较大的空间差异性，高值区主要分布在东中部区域和北部区域，低值区主要分布在西南区域，ρ(PM2.5)在东西方向上的空间异质性程度要大于南北方向。随着站点之间空间距离的增加，各个站点局地污染分布因素的差异性逐渐增大。

(3)受市区重点污染源分布和气象条件影响，常州市区ρ(PM2.5)呈现沿东北向西南区域依次递减的分区特征，高值区位于常州市区中心偏北、偏东地区，低值区位于市区西南部区域，与年均值空间分布结果具有较强的一致性。ρ(PM2.5)分区特征具有明显的季节变化特征，影响因素主要为气象扩散条件。