黄河三角洲PM2.5时空分布及其影响因子分析

王欣瑶， 孙希华， 王林林,3， 刘曰庆

(1.山东师范大学 地理与环境学院，山东 济南 250358； 2.“人地协调与绿色发展”山东省高校协同创新中心， 山东 济南 250358； 3.滨州学院 建筑工程学院，山东 滨州 256600)

二十一世纪以来，随着工厂的数量增加和城市化速度的加快，经济蓬勃发展的同时也引发了许多污染问题，而十九大又最新作出坚决打好污染防治攻坚战的重大决策部署，其中大气污染是近年来中国面临的最为严峻的挑战，是污染防治的重要内容之一。通过不断的实验和研究，人们逐步认识到大气中的细颗粒物PM2.5颗粒半径非常小，被吸入肺中的机率很大，严重危害人体健康，增加各种与呼吸系统相关疾病的发病率以及死亡率，另外还会导致空气中能见度的降低[1]，造成空气质量下降。因此研究PM2.5的浓度与各种气象条件的关系，分析未来各种气象因子对空气的潜在危害影响，可以帮助相关部门制定空气质量标准的政策法规，制定各种大气污染治理措施，降低污染物的排放总量，为重污染天气提供定性定量的防治建议。

目前，众多学者[2-4]从不同背景、不同视角、不同研究方法来对不同区域的颗粒物浓度展开大量研究，并取得了相关成果。由于经济迅速发展带来严重的大气污染问题，引起国内外专家进行了广泛的深入研究，包括在污染物浓度成分[5-7]方面，研究表明PM2.5是污染环境的主要因子，并对有机气溶胶的化学组成进行探究。在污染来源[8-10]方面，发现二次气溶胶源、部分交通源、化石燃料和生物质燃烧源是PM2.5的主要来源。在时空分布[11]方面，着重研究颗粒物污染的时间变化特征以及空间发展规律。在气象因素[12-14]分析方面，对各污染物浓度与气象因素之间密切关系进行研究。另外许多学者采用各种不同的研究方法对浓度分布进行研究，如空间差异率(COD)[14]、MATLAB算法[15]、反距离权重(IDW)[16]以及遥感卫星观测方法[17]。其中，关于PM2.5的时空特征及因素分析是研究的重要内容和方向。

近年来针对全国[18-19]、北京市[15,20]、京津冀地区[12,21]等地区PM2.5污染浓度空间格局相关的研究较多，但对黄河三角洲的空气污染研究鲜少。黄河三角洲是世界六大河口三角洲之一，是我国国土开发的重点区域，随着经济政治文化不断提高，大气污染问题日益受大家关注，污染物浓度有逐年提高的趋势，并对许多领域都产生较大影响。对颗粒物浓度变化进行研究，对黄河三角洲环渤海地区打造“碧海蓝天”的生态环境、促进区域发展可持续发挥重要影响。因此，本研究对黄河三角洲内及周围40个站点的大气PM2.5污染浓度空间格局进行分析，一定程度上对其进行了整体污染分布模拟，从而进一步践行绿水青山就是金山银山的发展理念，为改善该区域的大气环境质量提供借鉴。

1 数据来源与研究方法

1.1 研究区域

本研究观测区域黄河三角洲位于黄河入海口处， 即渤海南岸， 莱州湾西侧， 地处117°31′E～119°18′E和36°55′N～38°16′N之间，主要分布于山东省的东营市和滨州市境内，涉及东营、滨州以及潍坊、德州、淄博、烟台市的部分地区共19个县(市、区)，总面积达2.65×1010m2。黄河三角洲是通过黄河携来的大量泥沙不断沉积而形成的一个三角洲平原，地势非常平坦。这片三角洲属于温带大陆性气候，阳光十分充足，雨热同期，其中年平均降水量可达到五百多毫米，该区域内植被和生物资源丰富多样，生态类型非常独特。

1.2 数据源

本研究选用来自中国环境监测总站(http://www.cnemc.cn/)的城市空气质量实时发布平台的逐小时监测数据，黄河三角洲各监测城市、及包括周围部分地区共计40个监测站点，选取2017年1月1日—12月31日的PM2.5逐时监测浓度数据，其对应的气象因子(温度、湿度、风速)逐时观测数据来源于中国气象局气象信息中心即NMIC(http://data.cma.cn/)，整理并计算分析监测站点的平均浓度，同时在进行数据的处理过程中，还计算数据的最大值和中位数作基础性检验，从而增加本文数据的可靠性与平稳性，其中部分缺失数据用空白表示。这些监测站点零散地分布在滨州市、东营市、德州市、潍坊市、淄博市，黄河三角洲区域所有监测站点的地理位置见图1。

图1 黄河三角洲各监测站点位置分布图

1.3 数据分析方法

1.3.1空间分析法

(1)

1.3.2相关系数法

黄河三角洲地区PM2.5浓度污染时空格局变化与各气象因子之间的关系，采用相关系数法进行衡量[23],其中PM2.5浓度与气象因子之间的相关系数为：

(2)

为了较好地表征黄河三角洲PM2.5浓度与气象因子之间的相关性，运用统计产品SPSS 25着重对滨州市三个站点(北中新校、第二水厂、沾化体育中心)的逐时PM2.5浓度与对应站点的日均温度(℃)、湿度(%)、风速(风级)等几种气象因子进行相关和回归分析。

2 PM2.5浓度时空变化特征

2.1 整体空间分布特征

将这些站点的PM2.5年均浓度取平均值得出整体黄河三角洲的平均浓度为63.16μg·m-3，这一数值已经严重超过WHO规定的PM2.5浓度年平均值。运用ArcGIS，选用Kriging插值，对黄河三角洲2017年各个站点的PM2.5年均浓度数据进行内插[24]，其浓度分布见图2。图中颜色越深表示浓度越高，且为相对集中区域。

图2 2017年黄河三角洲PM2.5空间分布图

从黄河三角洲PM2.5浓度空间插值图(图2)可以看出，各区域的污染情况都不尽相同，有高有低，连片分布，表现出明显的地方特征，而PM2.5浓度总体分布格局呈现出西南高东北低的趋势。这主要是因为不同地区经济发展进度不同，污染源、人类活动强度以及气象条件各种因素造成区域差异。周敏丹等[25]在探究广州市大气PM2.5浓度的驱动因素时发现以公交车辆数、电力消费量、工业总产值为主的人为因素对PM2.5变化的影响较为显著。周曙东等[26]通过研究京津冀地区PM2.5的影响因素发现，工业废气、煤炭的消费量对该地区污染物排放量具有显著影响。相关研究[27-28]也表明除了复杂的自然气象因素外，人为因素对污染物浓度升高也有一定的影响。黄三角西部地区人口和建筑物比较密集，相应的交通运输以及能源的消费量、工农业生产等排放大量的人为气溶胶，从而导致PM2.5污染物浓度比较高，而东部沿海地区相对西部内陆来说，风速较大, 利于污染物的稀释和扩散[29]，故应该将西南部以及西部地区作为治理工作的重中之重。

2.2 季节变化

同样，利用ArcGIS软件中的Kriging空间插值，对黄河三角洲春(3月1日—5月31日)、夏(6月1日—8月31日)、秋(9月1日—11月31日)、冬(12月1日—2月28日)四季的各个站点PM2.5浓度数据进行插值，其浓度分布见图3～图6。

通过对比分析四季的空间分布来看，其浓度高低都表现为明显的片状分布，而春、夏和秋季的污染状况明显好于冬季，冬季是四季当中PM2.5浓度最高的时期，最高浓度高达100.89μg·m-3。春季浓度较高的区域范围包括以滨城区为圆心，呈圆弧状向四周扩散的周围区域，主要是滨州市污染最为严重，其次是德州市的浓度次高，主要以乐陵市为主，而低值区域为黄三角的东南地区。夏季浓度高值区域位于西南地区的邹平县，往北浓度依次降低，而低值区域为东部及东南地区。秋季地区的浓度高值位于邹平县、高青县以及博兴县附近，东北地区为浓度中值区域，低值区域依然位于东方向。冬季浓度值从西南方向东北方向逐渐递减，低值区域不再位于东南方向，而是位于以河口县、利津县、无棣县、沾化区、垦利区以及东营区为主的东北方向。

图3 春季PM2.5空间分布图

图4 夏季PM2.5空间分布图

图5 秋季PM2.5空间分布图

图6 冬季PM2.5空间分布图

不同季节的PM2.5浓度值见表1。由表1可知，PM2.5浓度受季节影响比较显著，相对来说，春、冬季的PM2.5浓度高于夏、秋季节，然而冬天是污染最严重浓度最高的季节，其浓度可高达94.32μg·m-3。这是由于秋冬季属于采暖期，又恰逢春节期间，大量的煤炭和爆竹会产生大量的污染物，使得PM2.5浓度较高。

表1 PM2.5浓度季节变化

2.3 月变化

图7为2017年黄河三角洲PM2.5浓度的月变化趋势。由图7可看出：与前边季节性变化相对应，不同月份PM2.5浓度不同，其中1月为浓度最高月份，达到一年中最大值114.66μg·m-3，1月之后浓度开始急剧下降，随后降幅逐渐减缓，在8月达到最低值即谷值，为34.18μg·m-3，随后在9月份开始呈上升趋势。

图7 2017年PM2.5月平均浓度

2.4 日变化

冬季辐射强度弱和日照时间短，易形成稳定逆温层，不利于污染物的扩散和稀释，且1月1日—7日是全年污染物浓度较高、持续时间较长时期[30]，故选取滨州市和东营市2017年1月1日至1月7日的平均逐时浓度数据，来清晰地分析反映PM2.5浓度一天中随时间的变化规律即逐时变化规律。

由图8可知PM2.5浓度变化范围较大，尽管不同地区的监测浓度有差异，但他们却呈现出相似的变化趋势。

图8 PM2.5浓度日变化

东营市一天中的PM2.5浓度在中午12：00出现峰值，呈现中午和夜间高，上午和下午低的趋势，其中从凌晨开始除了凌晨5：00浓度上升外，PM2.5浓度开始逐步降低，于上午8：00降低至125.86μg·m-3；8：00后浓度逐渐升高，并又在13：00至16：00出现减小降低的走势，从而到达一整天中的最低值117.43μg·m-3；17：00至22：00浓度显著升高，并在22：00达到最高值152.43μg·m-3。滨州市则是在中午11：00时，PM2.5浓度达到最高值即峰值，表现出中午和晚上浓度高，早上和下午浓度低的趋势，其中从凌晨开始PM2.5浓度逐步降低，于凌晨6：00降低至最低值135.71μg·m-3， 6：00后浓度逐渐升高，并又在12：00至16：00出现降低的趋势；17：00至22：00浓度显著升高[31]。

这与人类活动有关，黎明人类活动开始逐渐增加，上下班高峰期导致污染物排放量增加，这是导致空气中PM2.5浓度较高的原因之一。另外，夜间和早晨易形成逆温层，导致空气无法对流，从而使得污染物难以扩散，故PM2.5浓度普遍较高。而入夜后，各种污染物停止排放，将会直接导致PM2.5浓度持续降低[32]，同时随着太阳升高，午后的气温状况不容易形成逆温层，污染物得以扩散，从而出现PM2.5低值现象。

3 气象因子对PM2.5浓度的影响

3.1 多因子相关性分析

气象对空气污染的扩散和稀释作用非常复杂，在不同的气候背景和不同年份，不同的气象因子对PM2.5浓度的影响是有差异的，有的时候影响是完全相反的，另外在一定条件下会由某些特定因素起主要作用。在本文研究背景下，滨州时浓度变化较为显著，以滨州主要站点(北中新校、第二水厂、沾化体育中心)为例，通过SPSS对PM2.5浓度和温度、湿度以及风速进行Pearson相关性分析，得到表2～表4各相关系数r和显著水平。

从相关系数的数值可以看出，各气象因子比如气温、风速和相对湿度等对各监测站点的空气影响大小不同，存在一定的差异性。其中北中新校的PM2.5浓度与温度、湿度、风速的相关系数大小分别为-0.255**，0.121*，0.026，该数据表明PM2.5浓度与温度极显著相关，有明显的相关性，与湿度显著相关且相关性强，而与风速的相关系数相对来说较小，相关性不明显，但仍然对浓度有一定的影响。第二水厂的PM2.5浓度与温度、湿度、风速的相关系数大小分别为-0.283**，0.105*，-0.234**，该数据表明PM2.5浓度与温度、风速极显著相关，相关性很明显且相关性很强，与湿度是呈显著相关。沾化体育中心的PM2.5浓度与温度、湿度、风速的相关系数大小分别为-0.334**，0.084，0.042，该数据说明PM2.5浓度与温度因素极显著相关，与湿度和风速相关不显著。从整体来说温度和湿度与PM2.5浓度的相关性是较显著的，也就是说温度和湿度与各站点空气质量的关系较为密切，而风速影响程度相对来说较低。

表2 北中新校PM2.5浓度与各气象因子相关系数

表3 第二水厂PM2.5浓度与各气象因子相关系数

表4 沾化体育中心PM2.5浓度与各气象因子相关系数

3.2 气温的影响

在上一部分研究了PM2.5浓度与各种气象因子的相关性之后，再对各因子进行回归分析，得到各因子与浓度之间的线性方程以及预测线，从而进一步研究其相关程度。图9所示为滨州站点(北中新校、第二水厂、沾化体育中心)的PM2.5逐月平均浓度与温度月均值的相关关系。

图9 黄河三角洲PM2.5月均浓度随月均温度的变化

综合各站点的线性回归分析结果表明，温度和PM2.5浓度之间呈现负相关性(R=-0.255，R=-0.279，R=-0.334)。随着温度升高，PM2.5浓度明显减小；反之，当温度降低时，PM2.5浓度又相应地增大。导致这种现象是因为当气温较高时，大气不稳定，在热力对流作用下，从而加速污染物PM2.5的扩散，使得PM2.5的浓度降低[33]。而温度降低出现逆温层时，会阻碍PM2.5垂直方向的扩散运动，使得污染物聚集在近地层大气中，从而进一步加剧了空气污染的程度。除此之外，傍晚下班交通高峰期会产生许多污染物，因此PM2.5浓度升高。

3.3 湿度的影响

由图10各站点变化图可知，当PM2.5浓度为最高时，其对应的相对湿度也会处于一个较高值。当PM2.5浓度为最低浓度时，其对应的湿度也处于一个较低值。可见，黄河三角洲的湿度与PM2.5浓度呈正相关关系(R=0.133，R=0.089，R=0.098)，当相对湿度越高时，PM2.5浓度也就越高。当湿度变大时，PM2.5吸湿膨胀，从而使得细颗粒物数量变多，进而PM2.5浓度升高。

图10 黄河三角洲PM2.5月均浓度随月均湿度的变化

3.4 风速的影响

研究表明，风对污染物的运输和扩散起着极其重要的作用。风速对PM2.5浓度具有双重影响，在一定的风级大小范围内，风速越大越有利于污染物浓度的降低[33]。由图11可知，滨州市的风力临界值大约为2级，即风力小于 2级时，污染物浓度变化不明显，有随着风速变大而浓度升高的趋势。这是由于风速较小特别是静风时，空气流动较缓慢，不利于高污染区域与低污染区域的颗粒物传输，污染物水平方向扩散较弱[34]，使得颗粒物在近地面处堆积，浓度升高。当风力大于2级时，风速越大，其对应的PM2.5浓度表现出减少的趋势，二者呈现出负相关。这是因为风速变大，大气层结构就会变得相对来说不够稳定，使得湍流作用变强，从而越有利于PM2.5的扩散和运输。

图11 黄河三角洲PM2.5月均浓度随月均风速的变化

4 结论与讨论

1) 2017年黄河三角洲PM2.5年平均浓度为63.16μg·m-3，与WHO空气质量规范还有一定的差距。从插值图中可以看出，黄河三角洲的PM2.5浓度空间分布差异非常明显，污染物浓度总体趋势是西南地区高于东北地区。为此，应区分不同区域，对污染物进行特殊管理，提前采取相应的措施来减少其污染物的排放。

2) 从整体来看，PM2.5浓度表现出明显的季节性变化特征，其中秋、冬季PM2.5浓度较高，而相对来说春、夏季浓度较低。从不同的月份来看，黄河三角洲PM2.5的浓度在1月最高，高达114.66μg·m-3，在8月最低，低至34.18μg·m-3，这与冬季燃烧大量煤炭，排放污染物有关系。因而更应该加大对冬季大气污染物的治理，加大低碳清洁力度，要大力发展清洁能源逐步替代传统的煤炭能源，协同控制温室气体排放，执行大气污染物特别排放限值，实行冬季清洁取暖，继续严格执行春节期间收紧烟花爆竹燃放政策。

3) 冬季东营市和滨州市的PM2.5质量浓度都表现出明显的双峰双谷型，平均最大值位于12：00和22：00这两个时间点。总之，PM2.5浓度从黎明开始上升，在下午时间段达到浓度最小值，呈现出明显的夜间高于日间的污染现象。

4) PM2.5浓度与气象因子之间有相关性，受气象因素影响比较大，温度降低和相对湿度增加都会导致PM2.5浓度增大，而风速对PM2.5浓度具有双重影响，超过一定范围，增大风速将使空气中的颗粒物浓度减少。

目前中国大气环境面临的形势非常严峻，大气污染是中国第一大环境污染问题。2018年党中央印发《关于全面加强生态环境保护，坚决打好污染防治攻坚战的意见》。为准确掌握PM2.5的时间空间分布形态及关联因子，本文通过利用2017年整年的多监测站点监测的时均数据，分析黄河三角洲PM2.5浓度的污染水平，并研究其时空分布特征，以及受温度、湿度、风速等气象因子的变化发展规律，在一定会程度上可以提供准确、及时的信息，为空气预测提供重要的参考价值，从而改善空气质量，减少污染物的排放。然而，本文未能对连续多年的时空演化特征进行深入研究，缺乏PM2.5与其他大气污染物等影响因子的综合解析，这将是下一步研究的主要攻克方向。