中原城市群重点城市首要污染物日变化特征及成因分析

谭 羲， 李万隆， 黄月华， 韩 艳*

(1.河南大学地理与环境学院， 开封 475004； 2.北京大学城市规划与设计学院， 深圳 518055； 3.河南省大气污染综合防治与生态安全重点实验室， 开封 475004； 4.开封市气象局， 开封 450003)

人口增加与城市扩张对中国城市空气污染水平造成重大影响[1]，经济发展及其发展方式对大气污染产生了重大的作用[2-4]。导致城市大气污染的污染物主要是PM2.5和PM10[5-7]，大气污染会引发呼吸系统疾病[8]，长时间暴露于颗粒物中甚至会增加罹患肺癌的风险[9]。近年来，O3污染日益严重，成为仅次于PM2.5、PM10的大气污染物[10-11]，并且有逐年增加的趋势[12]，O3浓度的增加也对人类健康构成了威胁[13]。

图1 中原城市群重点城市分布Fig.1 Distribution of key cities in Central Plains Urban Agglomeration

近年来，越来越多的学者开始以城市为基准，关注大气污染物的时空分布特征[14-16]。许波等[17]通过研究郑州市PM2.5和PM10的变化特征时，发现在不同季节，PM10和PM2.5的日均值呈现出不同的特征。李蔚卿等[18]研究了郑州市春节期间大气污染物特征，得到了大气污染物浓度与气温、风速呈反向递减的关系，与大气湿度和气压呈正向增减的关系的结论。陈强等[19]研究发现，国庆节期间颗粒物污染浓度显著高于平日，风速、相对湿度、平均海平面气压是影响郑州市PM2.5浓度的主要因子。段时光等[20]研究认为低风速、高湿度、较少的降水以及细颗粒物的快速增加是导致颗粒物浓度高的原因。于世杰等[21]对郑州市O3浓度变化特征进行了分析，发现O3日变化呈单峰分布，且在高温、低湿、一定风速条件下有利于O3的生成与积累。此外，研究表明O3污染与天气条件也有很大的关系[22]。

中原城市群作为连接中国各城市群、沟通东中西、联结南北方的重要通道，其发展备受瞩目。安阳市、鹤壁市、濮阳市、新乡市、开封市、郑州市、焦作市作为中原城市群重要的7个城市，同时被列为京津冀污染传输通道“2+26”城市，其大气污染问题在河南省一直较为严峻[23-25]。为此，以河南省上述7个“2+26”传输城市作为重点区域来进行研究，在得到首要污染物和气象数据的基础上，分析了中原城市群重点区域首要污染物的日变化特征，采用相关分析、地理探测器模型来对气象因子对首要污染物浓度日变化的影响进行了探讨，以期为该区域的大气污染治理措施提供理论依据。

1 资料来源与研究方法

1.1 资料来源与选取

研究使用的污染物数据来自河南省各地市环保局国控站点，气象数据来自各地市地面观测站，研究区域分布如图1所示。污染物浓度数据来源于2017—2019年全年7大重点城市24 h连续监测数据，其中包括郑州市、开封市、新乡市、焦作市、安阳市、鹤壁市和濮阳市，各项指标含义详见《环境空气质量标准》(GB 30950—2012)。地面气象要素连续观测数据为全年逐时观测数据，包括温度T、气压P、相对湿度RH和风速WS。

1.2 研究分析方法

1.2.1 相关分析法

通过相关分析来揭示PM2.5、PM10、O3与气象因子(平均气温、平均气压、平均相对湿度、平均风速)之间相互关系的密切程度。相关分析在SPSS 20.0软件中完成。对于两个要素x、y，如果其样本值分别为xi、yi(i=1,2,…,n)，相关分析过程如下。

(1)计算两个要素的样本平均值

其计算公式为

(1)

(2)计算x、y之间的相关系数，计算公式为

(2)

(3)相关系数rxy为两要素之间相关程度的统计指标，它的值介于[-1,1]，rxy>0，表示正相关；rxy<0，表示负相关。|rxy|越接近于1，表示两要素之间关系越密切；越接近于0表示两要素之间越不密切。

1.2.2 地理探测器模型

地理探测器是探测空间分异性，揭示其背后驱动力的一组统计学方法，可用于评估潜在因素与目标地理现象之间的非线性关联。模型基本假设的核心思想是：如果某个自变量对某个因变量有重要影响，那么自变量和因变量的空间分布应该具有相似性。与传统线性方法相比，地理探测器可以处理分类的解释变量，解释主导因子，也可以探测两因子交互作用关系，其不受线性假设的限制，对共线性具有免疫[26-27]。

X和Y之间的空间关联可通过q统计量进行测量，q统计量可定义为通过因子贡献值的大小来反映各个因子对于大气污染物的作用程度，用式(3)～式(5)计算

(3)

(4)

SST=Nσh

(5)

式中：h=1,2，…,L为因子X的类别；Nh和N分别为h类别和整个研究区域的样本数量；SSW和SST分别为h类别和整个研究区域的方差和总方差之和；q的取值为[0,1]，q值越大，与臭氧浓度的相关程度越高。两个X因子对臭氧浓度的交互作用也可以用q统计量来量化。

2 分析与结果

2.1 首要污染物的组成

根据2017—2019年首要污染物占比如图2所示，污染物以PM2.5为主，占污染天数的47%，次为PM10比44%，O3占比为4%，因此以PM2.5、PM10、O3作为研究对象。

图2 首要污染物占比Fig.2 The proportion of chief pollutants

2.2 首要污染物日变化特征

2.2.1 PM2.5日变化时间特征分析

2017—2019年中原城市群重点城市PM2.5小时质量浓度变化整体呈“双峰”分布(图3)。日最大值出现在8:00—9:00，为72 μg/m3，9:00—16:00浓度逐渐下降，到16:00到达日最小值为59 μg/m3，而后又升高，在1:00有一个小峰值为69 μg/m3。早晨7:00—8:00 PM2.5浓度上升与早高峰车流量有关，9:00过后的车流量减少使得PM2.5浓度下降，到16:00后又进入了车流量的晚高峰，导致PM2.5浓度又逐步上升，这说明白天PM2.5浓度质量受到车流量的影响较大。夜间由于温度降低形成逆温层，大气湍流活动减少导致颗粒物不易扩散，使得PM2.5浓度高且稳定，此外，夜间的大排量活动，如夜市餐饮排放和货车行驶也会导致气溶胶浓度上升从而使细颗粒物增加[28-29]。除安阳市外，其余城市均完全达到PM2.5日平均值标准。中原城市群重点城市7个城市的PM2.5浓度日变化与总体趋势大致相同。

图3 中原城市群重点城市PM2.5浓度日变化Fig.3 Daily variations of PM2.5 concentrations in Central Plains Urban Agglomeration in 2017

2.2.2 PM10日变化时间特征分析

中原城市群重点城市PM10小时质量浓度平均值变化呈“三峰”分布(图4)，一天中峰值出现在9:00、22:00和2:00左右，数值分别是128、123、23 μg/m3，PM10变化与PM2.5浓度日变化趋势大致相同，受到白天车流量和夜间大排放活动影响[30]。除安阳市和焦作市以外，其余城市小时PM10浓度均达到PM10日达标平均值120 μg/m3。不同城市在0:00—9:00时段PM10浓度值相差较大，除濮阳市外，其余城市均有PM10浓度曲线处于平均曲线以上。

中原城市群各重点城市PM10的日变化特征呈“双峰”和“三峰”分布，晚峰值出现时间与谷值也不相同，对相似的日变化曲线分析发现，曲线变化趋势与山体位置阻拦和污染物自身浓度有关，且山体阻拦对PM10变化趋势的影响大于污染物自身浓度对PM10变化趋势的影响。濮阳市和开封市的PM10小时浓度都处于较低水平，PM10日变化趋势呈“三峰”分布，晚峰值出现在凌晨2:00和夜间21:00；焦作市、新乡市、鹤壁市日变化曲线呈“双峰”分布，这三个城市在不同程度上都受到了山体阻拦的影响，其晚峰值出现在21:00—23:00；安阳市、郑州市PM10日变化曲线呈“双峰”分布，这两个城市的PM10浓度处于较高水平，其晚峰值出现在2:00。

图4 中原城市群重点城市PM10浓度日变化Fig.4 Daily variations of PM10 concentrations in Central Plains Urban Agglomeration

图5 中原城市群重点城市O3浓度日变化Fig.5 Daily variations of O3 concentrations in Central Plains Urban Agglomeration

2.2.3 O3日变化特征分析

中原城市群重点城市O3小时质量浓度平均值变化如图5所示，呈“单峰”变化。一天中，O3浓度最大值出现在16:00左右，浓度最小值出现在早上8:00左右，这与周贺玲等[31]、程麟钧等[32]分析得到的O3日变化特征相似。O3浓度与光化学反应有关[33]，7:00—9:00的早高峰时期机动车尾气排放量大，但此时太阳辐射较弱，前体物积累在大气中，O3生成速率低，随着太阳辐射增加加上大量前体物积累，O3大量生成，在16:00达到日最大值；夜间，随着太阳辐射减少，光化学反应减弱，O3浓度不断减少。中原城市群各重点城市O3小时浓度曲线均未超过O31小时达标值，且O3浓度变化趋势相似。焦作、新乡在7:00—12:00时段O3小时浓度上升值较大，可能是有大量前体物反应导致。

2.2.4 PM2.5、PM10、O3之间日变化特征分析

图6 中原城市群重点城市PM2.5、PM10、O3浓度日变化Fig.6 Daily variations of PM2.5、PM10、O3 concentrations in Central Plains Urban Agglomeration

O3浓度日变化与PM2.5、PM10浓度日变化呈相反趋势(图6)，这与尚媛媛等[34]研究云贵高原城市在冬季时PM2.5和O3日变化趋势相同，这可能是因为中原城市群重点城市PM2.5浓度大或者太阳辐射相对较弱，导致光化学反应受到抑制，使得PM2.5日变化与O3日变化呈现出云贵高原冬季出现的“跷跷板”现象。

英国皇室订婚、结婚时的戒指基本都是蓝宝石，尤其偏爱矢车菊蓝宝石。矢车菊蓝宝石在蓝宝石里的地位，就相当于鸽血红之于红宝石，都是该类宝石中最顶级的存在。而如此出名的蓝宝石即是产于缅甸。缅甸蓝宝石又被称为“东方蓝宝石”，是一种极优质的“浓蓝”微紫的宝石。它的透明度高、裂隙小，颜色能让人联想到天空、海洋，而缅甸抹谷出产的蓝宝石更是被业界收藏家视为瑰宝。

进一步对PM2.5、PM10和O3做相关性分析，结果如表1所示。PM2.5、PM10和O3之间存在着显著的相关关系，PM2.5和PM10呈正相关关系，O3与PM2.5和PM10呈负相关关系，PM2.5与O3的相关性更加强烈。PM2.5、PM10颗粒影响到达地面的太阳直接辐射量来影响光化学反应的进行。

表1 各污染物之间的相关性分析

此外，PM2.5、PM10与O3的负相关关系可能与颗粒物、O3的前体物也有一定的关系，O3的光化学反应如式(6)、式(7)所示。夜间不利于扩散的气象因素和早晨车流量的排放积累了大量NO、NO2气体[35]，PM2.5、PM10浓度上升，O3由于太阳辐射弱，加上大量NO抑制O3光化学反应[36]，使得O3浓度减少。

(6)

(7)

2.3 气象成因分析

采用地理探测器分析气象因素对于首要污染物的贡献，从图7可知：对O3日变化浓度影响从大到小的气象因子依次是气压、温度、相对湿度和风速，O3与气象因素都呈正相关关系；对PM2.5和PM10日变化浓度影响从大到小的气象因子依次是气温、气压、相对湿度和风速，气象因子对PM2.5和PM10和都有负影响。为进一步分析气象要素和污染物之间的相关性，将温度、相对湿度、气压和风速根据大小不同进行划分，并统计相应的平均污染物浓度，结果如表2所示。

图7 污染物与气象因子的q统计量和相关系数Fig.7 q statistics and correlation coefficients of pollutants and meteorological factors

2.3.1 温度和气压对首要污染物浓度的影响

温度和气压对污染物浓度的影响与相关性分析的结果基本相同，随着温度下降、气压上升，PM2.5和PM10浓度增加，O3浓度减少。地面均匀的弱高压容易形成静稳天气[37]，加上地面低温，有利于大气逆温层形成，导致大气颗粒物难以扩散。

2.3.2 相对湿度对首要污染物浓度的影响

随着湿度的继续增加，PM2.5呈逐渐增加的趋势，当RH≤80%时，浓度达到最大值；PM10浓度呈现出先增加后减少的趋势，当70%≤RH≤80%时，浓度达到最大值。如表3所示，在RH≤80%时，对应的温度最小，气压较高，在稳定的天气条件下，低温、相对高湿的条件下不利于颗粒物的扩散，且容易与其他污染物反应促成二次气溶胶生成[38]。在相对湿度大且温度大的情况下，由于粒径大小不同，PM10更易于沉降，而PM2.5附在水汽上不利于扩散，降水对PM10的清除作用比PM2.5的清除作用更强[39-40]，表现在70%≤RH≤80%PM2.5浓度出现增加，PM10浓度继续下降。

表2 气象要素对应的污染物浓度

O3在40%≤RH≤50%，相对湿度中等低的条件下为浓度最高，随着湿度继续增加，浓度呈逐渐减少的趋势。相对湿度通过影响云量大小来影响到达地面的太阳辐射大小，相对湿度小到达地面的太阳辐射大，且对应着较高的气温(表3)，有利于加速光化学反应，相对湿度大的情况下达到地面的紫外线少，从而延缓了光化学反应的发生[25]。

表3 相对湿度对应的气象因子

2.3.3 风速对首要污染物浓度的影响

PM2.5、PM10在WS<1.5，低风速的条件下浓度最大，随着风速增加，浓度PM2.5和PM10呈逐渐减少的变化趋势。如表4所示，低风速对应了较高的相对湿度，这两个稳定的条件不利于污染物的扩散。在2≤WS<2.5范围内，风速的增加和温度上升对颗粒物有一定的驱散作用。由于污染物粒径的不同，在3≤WS时，PM2.5粒径小易于扩散，浓度下降，而PM10粒径大不易于移动，浓度继续上升。

O3在3≤WS，大风速条件下浓度最大。风速增大可以抬高大气边界层，增大垂直对流运动，使得对流层顶高浓度O3向地面输送，造成地面O3浓度不断上升[41]，此外风速也使得前体物扩散速度增加，而NO扩散速度快于NO2的扩散速度[42]，使得O3的生成速率大于其分解速率，O3得以积累。风速的增加也会导致O3发生扩散，而研究区西部、西南部存在山体，起到一定的阻拦作用，对O3的扩散也存在一定的影响。

表4 风速对应的气象因子

3 结论

(1)2017—2019年中原城市群重点城市大气污染物主要以PM10、PM2.5、O3为主，其中PM10为主要污染物天数最多。PM2.5小时浓度日变化呈“双峰”分布，主峰值出现在8:00—9:00，次峰值出现在1:00，谷值出现在下午16:00；PM10小时浓度日变化呈“三峰”分布，主峰值出现在9:00，第二峰值出现在22:00左右，第三峰值出现在2:00，主谷值出现在15:00，次谷值出现在0:00和5:00；O3小时浓度变化趋势呈“单峰”分布，峰值出现在16:00，谷值出现在7:00左右。早晚行车高峰、夜间大排量活动的人为活动和山体位置阻拦会影响PM2.5、PM10浓度日变化趋势，PM10的日变化趋势还受到了污染物自身浓度大小的影响，O3日变化趋势受到了太阳辐射和大气颗粒物浓度的影响。

(2)在中原城市群重点城市中，气温、气压、相对湿度、风速4个气象要素里，对PM2.5、PM10浓度影响从大到小依次是气温、气压、相对湿度、风速；对O3浓度影响从大到小依次是气压、温度、相对湿度和风速。PM2.5、PM10与气象因素主要呈负相关关系O3与气象因素主要呈正相关关系。

(3)低温、高压、高湿和弱风的条件下有利于PM2.5的生成与积累；低温、高压、中等湿度、弱风的情况下有利于PM10的生成与积累；高温、低压、低湿、强风的情况下有利于O3的生成与积累。