攀枝花市PM2.5与其他参数之间的关系研究

2021-12-13何侃杨玖代佼

资源节约与环保 2021年11期

何侃杨玖代佼

（四川省攀枝花生态环境监测中心站四川攀枝花 617000）

引言

PM2.5 的污染逐渐引起人们的关注，2012 年，环境保护部门和国家质量监督检验检疫总局发布了《环境空气质量标准》（GB3095-2012），将PM2.5 纳入到常规空气质量监测项目中，以控制细颗粒物对人体健康的危害。大气中空气动力学当量直径小于或等于2.5μm 的颗粒物，也称为细颗粒物，简称PM2.5。研究表明PM2.5 对气候、生活环境、空气能见度、人体身体健康等都有一定的影响[1]。近年来，随着攀枝花发展的同时也产生了较一定的环境问题，特别是以工业活动、城市建设、汽车尾气排放等导致的大气污染问题最为明显。攀枝花特殊的河谷气候更是影响了大气污染物的扩散、稀释、运输等作用，从而导致攀枝花市颗粒物难以扩散及形成影响攀枝花市环境空气质量[2]。

本文利用2014-2019 年攀枝花市环境空气质量监测数据，分析了攀枝花市PM2.5 的污染特征，采用灰色关联分析法分析了PM2.5 与其他环境空气质量参数之间的关联度，进而分析攀枝花PM2.5 的主要来源并提供相关的建议与措施。

1 材料与方法

1.1 区域概况

攀枝花市位于中国西南川滇交界部，地处攀西裂谷中南段，属侵蚀、剥蚀中山丘陵、山原峡谷地貌，具有山高谷深，盆地交错分布的特点，地势由西北向东南倾斜，山脉走向近于南北，是大雪山的南延部分。属南亚热带-北温带的多种气候类型，四季气温变化不明显，干雨季分明、四季不明显，小气候复杂多样等特点。攀枝花市蕴藏着得天独厚的矿产资源，钒钛磁铁矿储量世界领先，被誉为“钒钛之都”，是以钒钛产业为主导，化工、有色金属、电冶合金、钢铁机械制造等产业为支撑，多种产业协同发展的城市。

1.2 数据来源

本文选取2015-2019 年攀枝花市6 个监测站点（弄弄坪、河门口、炳草岗、仁和、四十中小）的逐月统计分析监测数据，来源于攀枝花市环境空气质量发布平台及攀枝花年鉴。

1.3 研究方法

灰色关联分析：灰色系统分析是依据各因素数列曲线形状的接近程度做发展态势的分析。关联度分析是基于灰色系统的灰色过程，进行要素（六因素）时间序列的大小排序来表明哪些因素对PM2.5 的影响最大，适合随时间变化的动态的分析。与其他相关性分析方法相比，它对数据要求低，计算量小，分析效果更好。利用灰色关联理论得到各因素关联度的排列顺序，筛选出与PM2.5 关联性较强的环境因素[3]。

1.4 数据处理与分析

本文采用Excel 与SPSS 软件对数据进行处理与分析。

2 结果与分析

2.1 PM2.5时空分布污染特征

2.1.1 PM2.5 浓度随时间变化

攀枝花市24 小时内PM2.5 浓度变化趋势见图1，可以看出，PM2.5 从凌晨3 点开始持续上升，到9 点时达到最大值，随后下降，17 点后上升至19 点达到最高值后下降。可以看出，在上下班高峰期，PM2.5 浓度波动较大。

图1 24小时内PM2.5浓度变化趋势

攀枝花市PM2.5 浓度月变化趋势见图2。可以看出，大部分月份PM2.5 浓度均在0.035mg/Nm3以上，其中1 月份和12 月份PM2.5 浓度最大，这主要是由于攀枝花冬季容易出现逆温层，加上冬季风速较低，均不利于PM2.5 扩散[3]。最高值与最低值相差0.026mg/Nm3，最高值与平均值相差0.013mg/Nm3，月平均值为0.033mg/Nm3，月间变化较大。同时，攀枝花雨季主要是在6-8 月份，PM2.5 浓度较低，这是由于降雨对PM2.5具有清除效果。目前有研究表明气象条件降雨量大小均会影响大气中的污染物浓度，刘星等人[4]研究表明夏季降雨量大小对大气颗粒物浓度的影响表现为，日降雨量较大时，特别是大于10mm，能够明显降低大气中PM10、PM2.5 和SO2的浓度。

图2 攀枝花市PM2.5月变化

2015-2019 年，攀枝花市PM2.5 浓度变化趋势为先平缓上升，随后下降。2018 年，PM2.5 浓度最大，其值为0.034mg/Nm3。攀枝花市空气质量污染物具有明显的季节分布特征。PM2.5 质量浓度在冬季最高，夏季最低。根据季节，PM2.5 浓度大小排序为冬季＞春季＞秋季＞夏季，这是由于春季与冬季气温接近，且春季风速较其他季节较大[3]，从而引起施工建筑中扬尘四起，进而导致空气中颗粒物增加。

2.1.2 PM2.5 浓度空间变化特征

攀枝花市环境监测站5 个监测站点PM2.5 月均浓度值变化（如图3）。5 个监测站点PM2.5 浓度1 月份均显著高于其他月份，6 月份最低。可吸入颗粒物浓度分布具有较明显的时空分布规律。上半年四十中小站点较低，下半年仁和站点较低，弄弄坪站点PM2.5浓度较高，该站点周边有工业区，从而容易引起局部环境颗粒物超标。

图3 攀枝花市PM2.5时空变化

2.2 PM2.5与其他参数相关性分析

为了相关性关系更加明确，以PM2.5 浓度为纵坐标，其他参数浓度值为横坐标，可大致分析PM2.5 与其他参数之间的关系。根据曲线拟合，y=0.548x-0.002，R2=0.9934，PM2.5 与PM10 具有较强的相关性，并呈正相关，随着PM10 浓度的增加，PM2.5 的浓度增加；y=1681.9x3-157.05x2+5.188x-0.02，R2=0.802，PM2.5 与SO2具有较弱的相关性，并呈多项式正相关，随着SO2浓度的升高，PM2.5 的浓度增加；y=-0.182x+0.053，R2=0.353，PM2.5 与O3-8 呈负相关，但相关性不大；y=0.013x3-0.089x2+0.215x-0.142，R2=0.761，PM2.5 与CO具呈显著正相关，PM2.5 的浓度随着CO 浓度的增加；y=-22.16x2+2.52x-0.026，R2=0.789，PM2.5 与NO2具有相关关系，并呈正相关，随着NO2浓度的增加，PM2.5的浓度随之增加。

2.2.1 灰色关联度分析

灰色关联度分析即量化分析佐证PM2.5 与其他参数的关系。当计算出得灰色关联度（R）值越大说明该因子对PM2.5 浓度影响越大；当计算出得得灰色关联度（R）值越小说明该因子对PM2.5 浓度影响越小[5]。

根据R 值得大小及影响强弱可细分为以下情况：当R≤0.30 时，属于低关联，表示两因素相互影响作用弱；当0.60≥R＞0.3 时，两因素属于中等作用，表示两因素之间耦合作用中等；当0.60＜R≤0.8 时，属于较高关联，表示两个因素之间存在较显著的耦合作用；0.8＜R≤1 时，属于高关联，表示两个因素呈极显著的耦合作用[6]。选取2015-2019 年PM2.5 月均浓度作为参考数列，SO2、NO2、PM10、CO、O3-8 对应浓度作为比较数列，计算出灰色关联度见表1。

表1 PM2.5与其他参数灰色关联系数

关联度大小顺序为PM10＞CO＞NO2＞SO2＞O3-8，即PM2.5 与PM10 的关联度最大耦合作用最大，CO 次之，随后为NO2、SO2，其中和O3-8 耦合作用属于中等。CO、PM10、NO2、SO2与PM2.5 的R 值均大于0.8，表明PM2.5 与三个污染物指标有将强的耦合作用，O3-8 与PM2.5 属于中等关联。一般来水，CO 主要来源于燃煤不充分的燃料燃烧以及机动车尾气的排放的废气，SO2和NO2一般主要来源于工业生产和汽车尾气排放等。因此可推断工业生产、城市发展建设、交通道路汽车排放等已成为影响攀枝花市环境空气质量的主要原因。

2.2.2 PM2.5 与PM10 的比值

PM2.5/PM10 值不仅可以表示PM10 中细粒子的含量，同时可以看出PM2.5 在环境中污染水平。研究表明当0.4＞PM2.5/PM10 值＞0.3 时，说明PM2.5 影响环境污染程度较轻；当在PM2.5/PM10 值＞0.5 时，说明PM2.5 污染较为严重[7]。

各站点PM2.5/PM10 结果见表2，弄弄坪监测站点PM2.5 和PM10 变化范围为0.410～0.547，河门口站点PM2.5 和PM10 变化范围为0.506～0.575，炳草岗站点PM2.5 和PM10 变化范围为0.417～0.633，仁和站点PM2.5 和PM10 变化范围为0.512～0.543，四十中小站点PM2.5 和PM10 变化范围为0.474～0.559。2017-2019 年攀枝花市PM2.5/PM10 值均在0.5 以上，表明影响攀枝花市环境空气质量主要污染物为PM2.5。

表2 各站点PM2.5和PM10质量浓度比值

3 讨论与分析

（1）PM2.5 浓度分布具有明显的时空分布特征：即PM2.5 浓度为冬季最高，夏季最低，这可能是因为攀枝花市气候有关，春冬两季气候干燥，降雨量少，风大，容易引起扬尘，导致PM2.5 浓度高于其他两季；攀枝花市为典型的工业城市；PM2.5 浓度月变化和各站点浓度均呈“V”型；PM2.5 浓度弄弄坪站点高于其他站点，这跟攀枝花市工业布局城市建设等有关，弄弄坪站点周边地区工业生产较多、主要交通运输通道等有关。

（2）PM2.5 与PM10、SO2、NO2、CO 呈正相关，与O3-8 呈负相关。根据灰色关联系数可知，CO 与PM2.5关联度最大，PM10、SO2、NO2都属于高关联，而CO、SO2、NO2的主要来源于炼钢、焦炉、煤炭的燃烧以及交通运输汽车尾气的排放，说明这根攀枝花市交通运输汽车尾气排放有关；关联度最小的都是O3-8，属于中等关联。攀枝花市PM2.5/PM10 比值在0.5 以上，细颗粒物已成为攀枝花市主要的污染物。