APP下载

银川市主要污染物变化特征及其关系研究

2022-03-08高睿娜孙银川左河疆高娜王岱

气象与环境学报 2022年1期
关键词:银川市市区峰值

高睿娜 孙银川 左河疆 高娜 王岱

(1.宁夏气象防灾减灾重点实验室,宁夏 银川 750002; 2.宁夏回族自治区气候中心,宁夏 银川 750002)

引言

近年来,我国的大气环境问题日益突出,持续性的污染事件引起政府部门和社会各界的高度重视,2013年9月国务院正式发布《大气污染防治行动计划》,具体目标为到2017年,全国地级及以上城市可吸入颗粒物浓度比2012年下降10%以上,优良天数逐年提高;京津冀、长三角、珠三角等区域细颗粒物浓度分别下降25%、20%、15%左右,其中北京市细颗粒物年均浓度控制在60 μg·m-3左右[1]。随着城镇化速度的加快及“西部大开发”战略的实施,空气质量持续恶化问题已不仅限于京津冀、长三角等区域,而是向西北内陆延伸[2]。近年来,银川市的整体空气质量在全国城市中的排名位于中等偏下水平。根据国家生态环境部公布的全国城市空气质量月度报告,2017年6月至2018年5月,银川市仅位列第一阶段实施新空气质量标准的74个城市的第53名,2018年6月至2019 年5月,银川市位列国家重点监测的169个城市的第86名[1]。政府部门针对银川市的空气质量问题,开展了多项有针对性的治理工作。

目前,国内学者主要对京津冀等经济发达地区的大气污染物浓度开展了关于污染物来源、成因、特征、预报预测等方面的探讨[3-8],关于西北地区特别是宁夏的研究比较少。已有的研究主要有严晓瑜等[9]利用2013年银川市大气污染物浓度资料和同期气象资料,分析了银川市区污染物浓度的时空分布特征,揭示了污染物浓度与气象要素的关系;缑晓辉等[10]基于2013—2014 年银川地区大气颗粒物监测资料分析了不同粒径颗粒物浓度的时空分布特征,并结合同期的气象资料,探讨了大气颗粒物与气象要素之间的关系;高山雨[1]分析了从2014—2018年银川市优良天数资料,结果表明从2014—2017年银川市优良天数呈逐年下降趋势,2017年优良天数最少,全年优良天数比例仅为64.9%,2018年优良天数有所增加,全年优良天数比例为80.5%。

以往的研究主要针对银川市污染物特征,但对污染物之间的关系研究较少,因此本文利用时间序列较长的(2013—2019年)银川市主要污染物浓度资料,分析了6种污染物浓度的变化特征,并运用主成分分析法对主要污染物之间的关系进行研究,旨在深入了解和掌握银川地区污染变化特征,以期为大气污染防控和生活环境改善提供科学依据。

1 资料与方法

1.1 资料来源

搜集整理国家环境空气质量监测网发布的2013—2019年银川市9个环境监测站点(图1) 的CO、NO2、O3、PM10、PM2.5和SO2逐小时质量浓度资料。主要污染物浓度变化特征分析选取了贺兰山马莲口站、学院路站和贺兰山东路站的污染物浓度资料。这3个监测站点具有较完整的长时间序列的观测资料,其中贺兰山马莲口站为郊区背景站,可以作为银川市污染物分析的清洁对照点,学院路站和贺兰山东路站代表银川市区站点。主要污染物关系分析使用的资料为银川市9个环境监测站点均有完整资料的2016年的CO、NO2、O3、PM10、PM2.5和SO2的浓度资料。

1.2 研究方法

日平均值为00—23时次污染物的平均值(数据有缺漏时,以实际观测次数计算),月平均值为全月日值的平均,年平均值为全年月值的平均。利用主成分分析法对银川市主要污染物之间的关系进行研究。主成分分析法是通过降低维度以进行数学转换的方法,在大气污染物的主成分分析中是把各大气污染物作为待求因子,建立各个因子及其浓度之间的数学模型,确定二者之间的数学关系式,进而得出系数矩阵以及初始因子载荷矩阵,最终得出大气主要污染物的类型及其对应的方差贡献率[11-14]。借助统计产品与服务解决方案(statistical product and service solutions,SPSS) 软件对数据进行主成分分析计算步骤为:(1)标准化原始数据;(2)计算各污染指标相关性矩阵;(3)确定污染物的主成分;(4)根据方差贡献率确定大气污染物主成分个数;(5)计算初始因子载荷矩阵;(6)计算主成分载荷值。

图1 银川市环境监测点分布示意图Fig.1 Locations of environmental monitoring sites in Yinchuan

2 结果分析

2.1 银川市主要污染物质量浓度年均值变化特征

由图2可知,除O3年均浓度呈升高趋势外,CO、NO2、PM10、PM2.5和SO2均呈降低趋势,市区两站(学院路站和贺兰山东路站)几种污染物年均浓度值较接近,与郊区背景相比,除O3年均浓度较郊区背景站(贺兰山马莲口站)低外,其他几种污染物年均浓度较郊区背景站高。2013—2016年市区两站年均SO2浓度维持在较高水平,但在2018—2019年市区两站SO2年均值明显降低与郊区背景站相当。银川市几种污染物浓度降低与2017年银川市政府开始全面开展大气污染治理有关。O3属于二次污染物,是由NOX(氮氧化物)、VOCS(挥发性有机物)和CO等前体物在合适的气象条件下发生光化学反应生成[15-16]。银川市O3年均浓度逐年呈升高的变化趋势与北京、成都、西安、兰州等城市一致,其原因是随着城镇化、工业化及交通业的快速发展,城市光化学烟雾污染日趋严重,同时银川市出现晴天少云、强紫外辐射和低相对湿度的天气居多,更容易产生高浓度O3污染[17-20]。

图2 2013—2019年银川市3个监测站CO(a)、NO2(b)、O3(c)、PM10(d)、PM2.5(e)和SO2(f)质量浓度年均值变化Fig.2 Variation of annual mean mass concentrations of CO (a),NO2 (b),O3 (c),PM10 (d),PM2.5 (e),and SO2 (f) observed at three monitoring sites in Yinchuan from 2013 to 2019

表1为2013—2019年郊区背景站(贺兰山马莲口站)和市区两站(院路站和贺兰山东路站)不同污染物浓度多年平均值以及污染物浓度国家二级标准限值。通过对比发现,学院路站的平均CO、NO2、PM10和SO2质量浓度最高,尤其是平均CO、NO2和SO2的质量浓度较郊区背景站偏高50%以上(NO2偏高1.8倍);贺兰山东路站平均PM2.5质量浓度最高,较本底站偏高59%;郊区背景站的平均O3质量浓度最高。市区两站的PM10和PM2.5浓度超国家二级污染物浓度标准限值。

表1 主要污染物浓度多年平均值和污染物浓度国家二级标准限值Table 1 Multiyear mean values of mass concentrations of criteria air pollutants and their national secondary standard threshold

2.2 银川市主要污染物质量浓度月均值变化特征

由图3可见,银川市3个监测站点CO、NO2、PM10、PM2.5和SO2质量浓度年变化均呈“U”型分布,即冬季污染物质量浓度高,春秋季节次之,夏季浓度最低,可能原因是10月20日至次年3 月为银川市供暖期,燃煤量增加,污染物排量增加,且冬季逆温出现频繁,静小风天气较多,不利于污染物扩散[9-10]。O3质量浓度的年变化呈“倒U”型分布,呈现夏季O3质量浓度最高,春季次之,冬季最低,这主要是因为 O3是由前体物在合适的气象条件下发生光化学反应生成的,夏季太阳辐射强,气温高,更有利于O3的生成[16]。市区两站(学院路站和贺兰山东路站)几种污染物浓度变化基本一致,除郊区背景站(贺兰山马莲口站)O3质量浓度高于市区两站外,其他污染物市区站高于郊区背景站。

2.3 银川市主要污染物质量浓度日变化特征

由图4a可见,一日之中,市区两站CO质量浓度较郊区背景站高;郊区背景(贺兰山马莲口站)CO质量浓度日变化呈“单峰型”分布,白天CO质量浓度高,夜间低,峰值出现在10—12时;市区两站(学院路站和贺兰山东路站)CO浓度日变化呈“双峰型”分布,第一个峰值出现在08—09时,第二个峰值出现在21—23时,第一个峰值可能与人类活动“早高峰”有关,夜间的峰值可能与晚高峰以及气象条件等因素有关。郊区背景站NO2质量浓度的日变化特征不明显,市区两站的NO2浓度日变化特征一致即白天低,夜间高,整体呈现“双峰型”分布,22时为NO2质量浓度的第一个峰值,从23时开始NO2质量浓度开始下降,至06时NO2质量浓度又开始回升,至08时达到第二个峰值后,开始下降至16时到达最低值,后开始上升(图4b)。市区两站和郊区背景站O3质量浓度日变化均呈“单峰型”分布,白天O3质量浓度高,夜间低;白天从08时开始O3质量浓度开始上升,至16时到达峰值后开始下降至23时,23时至07时的O3质量浓度变化不大,原因为白天太阳辐射的逐渐加强与大气温度的逐步上升,光化学反应促使O3生成(图4c)。市区两站和郊区背景站的SO2质量浓度逐小时变化趋势基本一致,均呈现“单峰型”分布。市区站逐小时SO2质量浓度从08时开始上升,在12时达到峰值,达到峰值后下降至18时后略有升高并在整个夜间维持相对稳定(图4d)。郊区背景站PM2.5质量浓度逐小时变化幅度不大,市区两站PM2.5质量浓度日变化呈“双峰型”分布,第一个峰值出现在11时,第二个峰值出现在23时,与PM10日变化基本一致(图4e)。郊区背景站PM10质量浓度较市区两站的浓度底,郊区背景站PM10质量浓度日变化呈“单峰型”分布,夜间PM10质量浓度变化不大,从08时开始PM10质量浓度开始上升,至12时前后达到峰值后开始下降,至16时后PM10质量浓度趋于稳定;市区两站PM10质量浓度的日变化均呈“双峰型”分布,第一个峰值出现在11时前后,第二个峰值出现在23时前后(图4f)。

图4 2013—2019年银川市3个监测站CO(a)、NO2(b)、O3(c)、SO2(d)、PM2.5(e)和PM10(f)质量浓度日变化Fig.4 Diurnal variation of mass concentration of CO (a),NO2 (b),O3 (c),SO2 (d),PM2.5 (e),and PM10 (f) observed at three monitoring sites in Yinchuan averaged from 2013 to 2019

综上,银川市市区站CO、NO2、PM10和PM2.5质量浓度日变化呈“双峰型”分布特征,上午的峰值时段与城市早高峰时段较一致,受机动车尾气排放影响的可能性较大,夜间产生峰值可能与机动车晚高峰的排放、大气混合层高度下压所造成的污染物累积效应等因素有关[21];O3和SO2质量浓度日变化呈“单峰型”分布特征,白天浓度高,夜间浓度低,O3质量浓度白天高与近地面大气光化学反应有关,而SO2质量浓度白天高主要与人类活动有关,夜间排放源减少质量浓度相对稳定。

2.4 银川市大气污染物的主成分分析

银川市9个环境监测站点2016年的CO、NO2、O3、PM10、PM2.5和SO2年均质量浓度如表2所示。采用SPSS系统软件对6种大气污染物进行主成分分析,因子分析前,首先进行Kaiser-Meyer-Olkin(KMO)检验和Bartlett球体检验,KMO检验系数>0.5,P值<0.05时,表示数据取自正态分布,变量之间的相关性得到认可,表明原始数据适合进行主成分分析[11]。根据主成分分析法的具体步骤,先对原始数据进行标准化消除量纲的影响,得到标准化数据,进行KMO检验,检验系数为0.688,Bartlett检验显著性P值为0.028,适宜进行因子分析。

利用SPSS求得其相关系数矩阵见表3,由表3相关系数可以看出,NO2和O3的相关系数为-0.913,存在明显的负相关,近地面O3是由大气中NOx、CO等前体物在合适的气象条件下发生光化学反应而生成[15-16],近年来银川市O3浓度逐年呈升高趋势,表明银川市存在大气光化学污染。NO2和CO,PM10和PM2.5的相关系数分别为0.673、0.897,存在明显的正相关。相关研究表明,成因相似的大气污染物之间常有较好的相关性,若污染物含量有显著的相关性说明很可能有相似的来源[11],银川市NO2和CO、O3,PM10和PM2.5相关性显著,说明NO2和CO、O3,PM10和PM2.5在环境空气污染中的变化规律相似。利用SPSS求得其特征值和主成分贡献率及累计贡献率见表4。由表4特征值和主成分贡献率及累计贡献率可以看出,前三个公因子解释的累计方差已经达到90%以上,其中第一主成分的贡献率达总方差的50%以上。

表2 银川市9个环境监测站主要污染物年平均浓度值Table 2 Annual mean mass concentrations of criteria air pollutants at nine environmental monitoring sites in Yinchuan

表3 相关系数矩阵Table 3 Matrix of correlation coefficients

利用SPSS求得其初始因子载荷矩阵,主成分载荷矩阵等于初始因子载荷矩阵中的数据除以主成分相对应特征值的平方根,见表5。由表5可见,在初始因子载荷矩阵基础上得到的主成分荷载值的每个公因子的荷载分配更清晰,因而更容易解释各因子的意义。从表5主成分载荷值中可以看出,与第一主成分密切相关的是NO2、CO和O3,与第二主成分密切相关的是PM10和PM2.5,说明第一主成分更能代表NO2、CO和O3这三个污染物,第二主成分更能代表PM10和PM2.5这两个污染物。结合表4,第一主成分的方差贡献率为58.302%,达到总方差贡献率的一半以上,所占比重较大,表明银川市9个环境监测站空气污染较严重的是NO2、CO和O3,加之近年来银川市O3浓度逐年呈升高趋势,可见银川市环境污染除化工燃烧和汽车尾气排放等外,大气光化学污染在逐年增加。

表4 特征值和主成分贡献率及累计贡献率Table 4 Eigenvalues,contribution rates,and cumulative contribution rates of principal components

表5 主成分载荷值Table 5 Loading values of principal components

3 结论与讨论

(1)2013—2019年银川市主要污染物浓度除O3逐年呈升高趋势外,其他均呈降低趋势;市区站O3浓度较郊区背景站低,其他污染物较郊区背景站高;2013—2016年市区两站年均SO2浓度维持在较高水平,但在2018—2019年市区两站SO2年均值明显降低至郊区背景站,市区站PM10和PM2.5浓度超国家二级标准。银川市几种污染物浓度降低与2017年银川市政府开始全面开展大气污染治理有关,而O3年均浓度逐年升高主要与城镇化、工业化和交通业的快速发展,以及银川市晴天少云、强紫外辐射和低相对湿度等天气因素共同影响有关。

(2)银川市平均CO、NO2、PM10、PM2.5和SO2的质量浓度的年变化均呈“U”型分布,即冬季污染物平均质量浓度高,春秋季节次之,夏季浓度低的季节变化特征,可能原因是10月20日至次年3 月为银川市供暖期,燃煤量增加,污染物排放量增加,且冬季逆温出现频繁,静小风天气较多,不利于污染物扩散;平均O3质量浓度的年变化呈“倒U”型分布,呈现夏季平均O3质量浓度最高,春季次之,冬季最低的季节变化特征,主要是因为 O3是由前体物在合适的气象条件下发生光化学反应生成的,太阳辐射强,气温高,有利于O3的生成。

(3)银川市市区站CO、NO2、PM10和PM2.5质量浓度日变化呈“双峰型”分布特征,上午的峰值时段与城市早高峰时段较一致,受机动车尾气排放影响的可能性较大,夜间产生峰值可能与机动车晚高峰的排放、大气混合层高度下压所造成的污染物累积效应等因素有关;O3和SO2质量浓度日变化呈“单峰型”分布特征,白天浓度高,夜间浓度低,O3质量浓度白天高与近地面大气光化学反应有关,而SO2质量浓度白天高主要与人类活动有关,夜间排放源减少质量浓度相对稳定。

(4)NO2和CO、O3,PM10和PM2.5相关性显著,说明银川市NO2和CO、O3,PM10和PM2.5在环境空气污染中的变化规律相似。银川市空气污染物第一主成分是NO2、CO和O3,第一主成分的方差贡献率达58.302%,表明银川市9个环境监测站空气污染最严重的是NO2、CO和O3,加之近年来银川市O3浓度逐年呈升高趋势,可见银川市环境污染除化工燃烧和汽车尾气排放等外,大气光化学污染在逐年增加。

猜你喜欢

银川市市区峰值
“四单”联动打造适龄儿童队前教育峰值体验
结合模拟退火和多分配策略的密度峰值聚类算法
锚杆锚固质量等级快速评级方法研究
本月主题 在市区 Downtown
2016年1-3月各省市区玩具进出口统计
宁夏银川市成为西北最大水产苗种集散中心 等
储备肉成走俏年货
2013年一季度全国各省市区玩具进出口统计
宁夏科协银川市第十五届“科技沙龙”举办
宁夏银川市第十五届“科技沙龙”举办