汾渭平原大气污染时空分布及相关因子分析

郝永佩 ，宋晓伟，赵文珺，向发敏

1. 山西财经大学资源环境学院，山西 太原 030006；2. 南京大学地理与海洋学院，江苏 南京 210046；

3. 山西财经大学经济学院，山西 太原 030006；4. 天津天乐国际工程咨询设计有限公司，天津 300202

改革开放以来，中国经济经历了几十年持续稳定的发展，取得了举世瞩目的成就，但同时也付出了巨大的环境代价，大气污染已逐渐成为中国一个突出的环境问题（Kaise，2005；Xu et al.，2020）。特别是近年来雾霾等区域重污染天气频发，不仅使大气能见度下降，影响了人民正常的社会生活秩序，也危害了公众的健康与安全，给社会经济发展造成了一定的损失（谢杨等，2016）。相关研究表明大气污染对人体健康的负面效应异常显著（Kaise，2005；Xu et al.，2020；谢蓉，2017），且污染物浓度的变化除了与人为排放量有关外，还受到气象条件的影响。因此，探讨大气污染物的时空变化特征及其对人口暴露的影响，对国家相关部门颁布和实施针对性的污染防控措施具有重要意义。

近年来，针对大气污染物的时空分布、区域传输和人口暴露等各方面的研究，主要关注于京津冀、长三角和珠三角等大气污染重点防控区域（Fan et al.，2020；Li et al.，2020；彭玏等，2019；赵辉等，2020），主要围绕颗粒物以及臭氧（O3）等重点污染物（蒋超等，2018；周骥等，2018；张小娟等，2019），从时间尺度上对其年、季、月变化特征以及空间传输特征等展开分析（张晶等，2019；沈楠驰等，2020）；在针对污染物变化特征影响因子的定量分析中，主要考虑气象因素、地形特征、产业布局、地理位置以及工业污染占比等（刘超等，2017；贾小芳等，2019）。研究发现大气污染具有典型的区域性和复合性特征（Shao et al.，2006；曹宁等，2019），不同区域大气污染物时空变化特征差异明显，影响因子在不同城市群的相互影响及响应也相对复杂（贾小芳等，2019）。汾渭平原作为未来国家空气质量改善的焦点区域，其大气污染问题日益突出，也逐渐引起学者们的关注。例如，解淑艳等（2021）利用空气质量监测数据，发现 2015—2019年汾渭平原11个城市O3平均浓度总体呈升高趋势，O3浓度呈现春夏季高、秋冬季低的特点；秦卓凡等（2021）基于观测数据和空气质量指数（AQI），分析了汾渭平原 AQI及大气污染物质量浓度的时空分布特征，发现污染较重的城市为西安、渭南、咸阳、临汾、运城、三门峡和洛阳市，重污染时期主要集中在天气条件不利及污染物排放量较大的冬季供暖期。以上这些研究对于了解汾渭平原大气污染特征具有重要的借鉴意义。然而，对于汾渭平原大气污染物还缺乏多时间尺度、多污染物的系统性研究，其污染特征与相关影响因子之间的关联性还有待定量分析，这些不足制约了区域大气污染防控协同作用的发挥。

基于此，本研究收集测算 2014—2020年汾渭平原11个城市污染物 PM2.5、PM10、NO2、CO、SO2和O3_8 h_max浓度数据以及同期气象数据，从时间变化、空间分布等方面开展分析，并同中国三大重污染区域进行对比研究，在此基础上评估污染物浓度数据与相关因子（气象因子与人口暴露数量）之间的关联特性。本研究对全面系统地研究汾渭平原污染物浓度变化特征及其与相关因子的关系，制定有针对性的污染防控措施具有重要意义，为开展区域大气污染防控的协同治理提供重要的数据理论支撑。

1 研究方法

1.1 研究区域

汾渭平原位于山西省、河南省和山西省交界处，是黄河流域汾河平原、渭河平原（又称关中平原）及台塬阶地的总称，包括山西省吕梁、晋中、临汾、运城市，河南省洛阳、三门峡市，陕西省西安、宝鸡、渭南、咸阳、铜川市的11个地市，总面积约 7.0×104km2。2020年，汾渭平原常住人口5.1045×104人，地区生产总值 2.9485×1012元。汾渭平原属于暖温带半湿润气候，雨热同期，年均气温4—15 ℃，年降水量500—800 mm。

1.2 数据来源

2014—2020年污染物 PM2.5、PM10、NO2、CO、SO2和 O3_8 h_max质量浓度数据来源于中国环境监测总站发布的全国城市空气质量实时数据。汾渭平原11个城市共有63个国控环境空气质量监测点位（图1），该数据主要包括污染物PM2.5、PM10、NO2、CO、SO2和O3_8 h_max实时浓度数据和空气质量指数（AQI），由于数据缺失，其中晋中、吕梁和运城市数据采集时间为2015—2020年，其余8个城市采集时间为2014—2020年。汾渭平原11个城市 2014—2020年常住人口数据来自于各城市统计年鉴（http://data.stats.gov.cn/index.htm）。2014—2020年汾渭平原11个城市气象数据（气温、相对湿度、日照时数、降水、风速、气压和混合层高度等数据）来自于国家气象信息中心网。

图1 汾渭平原空气监测站点分布图Figure 1 Distribution of air monitoring stations in Fenwei Plain

1.3 研究方法

数据收集过程会受到各种不同因素的影响，当污染物浓度数据存在缺漏或异常时，剔除异常数据，然后对缺失数据通过线性插值法进行补缺。《环境空气质量标准》（GB 3095—2012）规定污染物O3日最大8小时（O3_8 h_max）平均质量浓度大于160 μg·m-3认定为O3浓度超标，因此，污染物O3污染特征通过O3_8 h_max浓度数据予以分析。污染物PM2.5、PM10、NO2、CO和SO2的年均值是指研究年份所有日期日均值的算术平均值，月均值为研究月份所有日期日均值的算术平均值，日均值是每天24小时每个小时浓度的算术平均值，而污染物O3_8 h_max的年均值是指研究年份所有日期 O3_8 h_max的算术平均值，月均值指研究月份所有日期O3_8 h_max的算术平均值。

区域内相邻城市的大气污染构成及排放水平也比较相近，同时也容易受类似气象环境的影响，导致AQI数值出现相似的短期波动，即存在空间自相关。因此，为了解汾渭平原大气污染空间集聚特征，采用全局和局部空间自相关方法进行研究，从而揭示不同城市空气质量的空间联系。检验某一参数的空间上相邻属性值是否显著相关的重要指标即为空间自相关（贺冉冉等，2017），相关性划分为：“低-低”、“高-高”、“低-高”、“高-低”和“不显著”。区域整体上通过全局自相关来描述 AQI数值的空间分布集聚，而可能出现的空间异变则运用局部自相关测度。全局自相关使用Global Moran’s I表示，公式如下：

当Moran’s I数值介于[-1, 1]之间，数值越接近1，表示相似属性的空间单元越集中；越接近-1，表示相异属性的空间单元越集中；而数值接近 0，则代表属性为无集聚特性的随机分布。yi与yj为空间样本单元的属性值；m为所研究的空间样本数量；Qij表示空间单元的邻近关系，为空间权重的系数矩阵， 表示样本的平均数值。对局部自相关采用Getis-OrdG*j模型研究区域内部的空间异质性，从而确定O3_8 h_max浓度的热点与冷点区域。公式如下：

在对相关影响因子分析中，考虑到污染物的构成及变化特征，本研究采用Pearson相关系数法分析汾渭平原污染物浓度数据与各类气象因子的相关关系。Pearson相关系数是用来研究两个变量之间线性相关的程度（存在正态或近似正态的特征）（徐维超，2012），计算公式如下：

式中：

Tq——皮尔森相关系数；

m——研究所需的气象因子取值；

n——气象因子所对应的污染物浓度数据。

2 结果与讨论

2.1 汾渭平原大气污染物的时间变化

2.1.1 年际变化趋势

汾渭平原 PM2.5、PM10、NO2、CO、SO2和 O3_8 h_max年际质量浓度变化箱式图如图 2所示。2017—2020年汾渭平原污染物PM2.5、PM10、NO2、CO和SO2年均质量浓度在个别年份有所波动，但整体上仍呈现下降趋势，年平均质量浓度分别下降3.66、5.92、0.43、0.14、4.61 μg·m-3。2020 年颗粒物PM2.5和PM10年均质量浓度相对于2014年分别下降31.26%和29.25%。PM2.5主要来源于二次污染，汾渭平原 PM2.5与 PM10年均质量浓度比值介于55.16%—57.85%，表明 PM2.5占 PM10比重较大。2014—2017年污染物 NO2年均质量浓度呈缓慢上升趋势，由 37.52 μg·m-3上升到 44.55 μg·m-3，增幅为18.74%，之后开始逐年下降，年均下降率为7.7%。2014—2020年污染物 SO2年均质量浓度呈现先增加后下降的趋势，由2014年的39.8 μg·m-3增加到2016 年的 42.53 μg·m-3，之后下降趋势明显，到 2020年下降至 12.16 μg·m-3，该值相对于 2016年降低71.41%。而汾渭平原O3_8 h_max与别的污染物不同，其年均质量浓度整体呈现上升趋势，2020年相对于2014年增加32.39%，是所有污染物中年均质量浓度上升幅度最大的污染物。综上所述，近年来汾渭平原大气污染形势逐步好转，但 O3污染问题依旧突出，在未来的大气污染防控中应予以重视。对汾渭平原AQI指数的年际变化分析，2014年AQI的年平均值为105，到2017年上升到最高值111，之后呈波动下降趋势，到2020年下降至最低值89，空气质量指数年际变化有所波动，且近几年空气质量逐步改善（图3）。

图2 2014—2020年汾渭平原大气污染物的年际变化Figure 2 Interannual variations of air pollutants in Fenwei Plain from 2014 to 2020

图3 汾渭平原AQI长序列变化趋势Figure 3 Long-term trends of AQI sequences in Fenwei Plain

2.1.2 月变化规律

汾渭平原污染物PM2.5和PM10月均质量浓度变化趋势大致相同，呈现出冬春季高、夏季低的特点，总体呈“V”字型分布（图4）。2015—2016年污染物PM2.5和PM10月均质量浓度最高值出现于12月，2017—2020年则均出现于1月，且不同年份质量浓度最高值呈现波动变化，之后污染物月均质量浓度均呈下降趋势，7—9月最低。汾渭平原冬春季PM2.5和 PM10污染较严重，主要与较大的污染源排放强度和相对静稳的大气条件有一定关系（Wang et al.，2014），其中3月PM10浓度较高，与春季北方频繁发生的沙尘天气有一定关系（Lee et al.，2006）。

图4 2014—2020年汾渭平原大气污染的月变化图Figure 4 Monthly variations of air pollutants in Fenwei Plain from 2014 to 2020

污染物NO2月均质量浓度呈现出冬季高、夏季低的趋势，高值出现在11、12、1月，月均质量浓度变化区间为 36—63.18 μg·m-3，之后呈现下降趋势，7月下降到最低。相关研究表明夏季大气环流活动比较频繁，植被生长旺盛，降水多，降水的冲刷作用使污染物NO2沉降于树木冠层、水体表面和地面，因此夏季污染物NO2浓度较低（Lee et al.，2012）。

2014—2020年污染物CO月均质量浓度呈现出明显的季节性差异，表现为冬季＞秋季＞春季＞夏季，季节平均质量浓度值分别为1.91、1.25、1.18、0.99 μg·m-3。冬春季CO质量浓度较高与北方冬季采暖、工业及机动车污染物的排放有一定关系（Ma et al.，2019），并且北方冬季气温较低、大气稳定度较高、太阳辐射弱等诸多条件均不利于污染物CO的扩散及浓度的降低。

工业生产和化石能源燃烧是污染物SO2产生的主要原因（Adame et al.，2012）。汾渭平原2014—2020年12、1、2月污染物SO2月均质量浓度较高，变化区间为 15.18—105.63 μg·m-3，与冬季采暖燃煤大量使用有关；之后月份均呈现下降趋势，7—8月达到最低值，均低于国家环境空气质量一级标准（20 μg·m-3），与污染源排放强度减弱及夏季大气环流旺盛有一定关系（Meng et al.，2010）。

2014—2020年污染物O3_8 h_max月均质量浓度变化趋势表现出明显的倒“V”字型，该趋势与其余污染物恰好相反，月均质量浓度自1月开始上升，到 6—7月达到最高值，之后月份开始下降；O3_8 h_max月均质量浓度呈季节性特征，高低顺序为夏季＞春季＞秋季＞冬季，季节平均质量浓度分别为134.46、105.26、71.04、51.49 μg·m-3。污染物 O3的生成与前体物的排放、太阳辐射和温度等气象条件密切相关，夏季温度高、辐射强、光化学反应强烈，而前体物NOx和VOCs等在强烈的光化学反应下极易形成O3；而冬季O3_8 h_max月均浓度较低，主要原因为冬季多静稳天气，颗粒物浓度增加使太阳辐射强度减弱，限制了光化学反应从而抑制了污染物 O3的生成（Zhao et al.，2018）。

2.1.3 与中国三大重污染区域污染特征对比分析

中国不同区域地形气候条件差异明显，大气污染也表现出不同的时空变化特征，不同类型区域的大气污染特征受空间异质性影响显著（宁贵财，2018）。京津冀、长三角、珠三角和汾渭平原为中国四大主要污染防控区，这些区域地区跨度大，大气环流特征和地形条件差异明显。对四大区域大气污染特进行对比分析，可加深对汾渭平原大气污染特征的认识。

2014—2020年中国四大区域污染物 PM2.5、PM10和SO2月均质量浓度变化特征（图5）表明，四大区域PM2.5、PM10和SO2月均质量浓度总体呈现冬季高、夏季低的特点，PM10春季质量浓度也相对较高，与春季多沙尘天气有关。珠三角地区PM2.5、PM10和SO2月均质量浓度最低且呈逐年下降趋势，从2015年春季和2018年冬季开始，PM2.5和PM10月均质量浓度均低于国家环境空气质量二级标准限值（分别为 35 μg·m-3和 70 μg·m-3）；研究期间内SO2月均质量浓度低于《环境空气质量标准》（GB 3095—2012）一级标准限值（20 μg·m-3）。长三角地区3种污染物质量浓度均值总体呈现下降趋势。京津冀和汾渭平原污染物 SO2月均质量浓度在2014—2016年呈上升趋势，并在2016年12月达到峰值，之后呈现显著下降趋势，但是汾渭平原PM2.5和 PM10浓度却呈现波动上升趋势，说明汾渭平原污染物PM2.5和PM10减排形势严峻。

图5 2014—2020年中国四大污染区域大气污染物月变化特征Figure 5 Monthly variations of air pollutants in four regions of China in 2014-2020

2014—2020年中国四大区域污染物NO2和CO月均质量浓度呈现秋冬季高、夏季低的特点，京津冀和汾渭平原NO2和CO月均质量浓度高于长三角和珠三角地区。2014年开始各区域总体呈现上升趋势，污染物 NO2质量浓度在 2016年 12月达到峰值，而污染物CO质量浓度在2017年1月达到峰值，汾渭平原、京津冀、长三角、珠三角分别为2.37、2.66、1.14、1.12 mg·m-3；之后呈下降趋势，长三角和珠三角地区处于持续低污染浓度水平，而汾渭平原和京津冀地区也呈现出较明显的下降趋势。

2014—2020年中国四大区域污染物O3_8 h_max月均质量浓度呈现夏季高，冬季低的特征，但珠三角地区季节变化趋势不明显且季节内波动较大。

京津冀和汾渭平原污染物 O3_8 h_max月均质量浓度夏季最高值总体高于长三角和珠三角地区，但是冬季最低值低于长三角和珠三角地区，说明京津冀和汾渭平原污染物 O3减排形势严峻，而长三角和珠三角地区的 O3污染也不容忽视；四大区域O3_8 h_max月均质量浓度年际变化总体呈现波动上升变化特征，个别地区有下降趋势，但下降幅度有限，总体形势不容乐观，因此，未来对污染物O3的减排工作不容松懈。

2.2 汾渭平原大气污染物的空间分布

对污染物空间分布特征开展分析（图6），汾渭平原污染物PM2.5、PM10和NO2空间分布格局呈现南高北低的分布特征，这可能与南部城市工业发达、重化工企业较多，以及南部秦岭山脉阻挡，不利于污染物扩散有关（黄晓军等，2020）；而污染物CO和 SO2则呈现出中北部城市较高，南部较低的特征，与中北部城市产业结构偏重，火电、钢铁、焦化等行业企业数量多有关。然而，污染物 PM2.5、PM10、NO2、CO和SO2的变化率在空间上呈现一定的差异性。汾渭平原11个城市污染物PM2.5、PM10、CO和SO2总体呈下降趋势，其中，PM2.5和PM10下降率在空间分布上大致相同，以铜川和三门峡市下降趋势较显著，吕梁市CO和三门峡市SO2下降最为明显，而污染物NO2则呈先上升后下降的趋势。汾渭平原2014—2016年O3空间分布呈南高北低的特点，但2017—2020年空间分布却表现出与之相反的特征，11个城市总体呈现波动上升趋势，其中临汾、晋中和运城市上升趋势显著。

图6 2014—2020年汾渭平原大气污染的空间分布图Figure 6 Spatial distributions of air pollutants in Fenwei Plain from 2014 to 2020

续图6 2014—2020年汾渭平原大气污染的空间分布图Continued figure 6 Spatial distributions of air pollutants in Fenwei Plain from 2014 to 2020

采用空间自相关对汾渭平原各城市逐年 AQI空间分布的集聚特征进行分析（表 1），2014年Moran’s I指数最低值为0.289，T值为3.214，每一年全局自相关Moran’s I和T值均通过了0.05的显著性检验，反映出AQI数值在空间上呈集聚性特征。对局部集聚模式与特征分析，高-高聚集分布于西安、咸阳、临汾和洛阳等地，低-低聚集则主要分布于吕梁、宝鸡和铜川等地，而其余聚集类别均未通过显著性检验。

表1 汾渭平原不同年份AQI空间自相关分析Table 1 AQI spatial autocorrelation analysis of Fenwei Plain in different years

2.3 PM2.5与O3_8 h_max的人口暴露

根据污染物PM2.5和O3_8 h_max国家环境空气质量二级标准限值，将 2014—2020年汾渭平原PM2.5和O3_8h_max年均质量浓度分别划分为6个和7个区间，并分析不同浓度区间的面积及人口占比情况。

2.3.1 PM2.5质量浓度区间面积及人口暴露数量占比分析

对污染物PM2.5不同质量浓度区间的面积占比情况开展分析（图7），结果显示：（1）仅在2020年存在 PM2.5年均质量浓度低于 35 μg·m-3的区域（13.77%），其余年份均高于 35 μg·m-3；（2）2015—2017 年 PM2.5年均质量浓度均高于 45 μg·m-3，2014年整个汾渭平原 PM2.5年均质量浓度更是高于 55 μg·m-3，各分区占比（从低到高）为 20.22%、59.53%和20.23%，表明这几年整个汾渭平原PM2.5污染水平均较高；（3）从 2018年开始，低于 45 μg·m-3的区域面积占比分别为28.11%、13.77%和26.99%，并且不存在高于75 μg·m-3的区域，汾渭平原PM2.5年均质量浓度逐年降低。

图7 2014—2020年汾渭平原PM2.5质量浓度区间面积（左）及人口暴露数量（右）占比变化Figure 7 Changes of PM2.5 annual concentration by range and population exposure in Fenwei Plain from 2014 to 2020

根据汾渭平原污染物PM2.5年均质量浓度区间划分情况，对不同浓度区间人口暴露数量占比情况开展分析。仅在2020年，汾渭平原有6.76%的人口暴露于年平均 35 μg·m-3以下的质量浓度中，其他年份人口均暴露于 35 μg·m-3以上的年均质量浓度中，特别是2014年汾渭平原人口均暴露在高于55 μg·m-3的年均质量浓度中；2015—2017年人口暴露于最低浓度区间 45—55 μg·m-3的比例逐年上升（7.73%—13.92%）；从2018年开始，汾渭平原人口均暴露在低于 75 μg·m-3的污染物浓度中，特别是2018年和 2020年人口暴露浓度最高值均低于 65 μg·m-3。虽然近年来污染物PM2.5浓度逐年降低，但是距国家环境空气质量二级标准限值 35 μg·m-3还有很大的差距。

对污染物 PM2.5不同质量浓度区间面积及人口暴露数量占比情况分析得出，虽然污染物 PM2.5质量浓度在 55 μg·m-3以下的区间面积较广，但人口主要集中暴露在高于55 μg·m-3的年均质量浓度中，呈现出高密度人口集中分布于污染物质量浓度高值区的特征。

2.3.2 O3_8 h_max质量浓度区间面积及人口暴露数量占比分析

对不同污染物O3_8 h_max质量浓度区间的面积占比情况分析可得（图8）：（1）仅在2015年存在 O3_8 h_max年均质量浓度低于60 μg·m-3的区域（13.77%），其余年份均高于 60 μg·m-3；虽然 2014年和 2015年年均质量浓度均低于 90 μg·m-3，但80—90 μg·m-3区域面积呈增加趋势，由占比 14.12%增加到28.48%；（2）2016年高O3_8 h_max质量浓度区间面积比例持续增加，高于 90 μg·m-3的区域面积占比达到46.33%，表明O3污染程度在不断加重；（3）2017—2020年O3_8 h_max质量浓度区间的面积占比分布均高于80 μg·m-3，进一步说明了近年来汾渭平原O3的高污染性和持续性。

图8 2014—2020年汾渭平原O3_8 h_max质量浓度区间面积（左）及人口暴露数量（右）占比变化Figure 8 Changes of O3_8 h_max annual concentration by range and population exposure in Fenwei Plain from 2014 to 2020

对人口暴露数量占比开展分析，仅在2015年，汾渭平原有 7.73%的人口暴露于 60 μg·m-3以下的O3_8 h_max年均质量浓度中，其他年份研究区域人口均暴露于60 μg·m-3以上的年均质量浓度中；2014年和2015年汾渭平原人口均暴露于低于90 μg·m-3的年均质量浓度中，但 80—90 μg·m-3的年均质量浓度人口暴露占比呈增加趋势，由 8.39%增加到30.51%；2016年人口暴露于高浓度区间的比例不断增加，高于 90 μg·m-3的年均质量浓度人口暴露占比达到48.23%；随着污染物O3_8 h_max年均质量浓度逐年上升，2017—2020年汾渭平原人口均暴露在高于 80 μg·m-3的质量浓度中。

进一步对污染物O3_8 h_max不同质量浓度区间面积及人口暴露数量占比分析可知，汾渭平原污染物O3_8 h_max不同质量浓度区间面积占比与人口暴露数量占比并不完全一致，尤其是在各年份的高质量浓度占比中，区域占比要略高于区域人口数量占比，结合前文分析结果，2014—2020年汾渭平原11个城市中，晋中、临汾和运城市O3污染较为严重，相对应城市面积占比较高（占汾渭平原总面积的 33.3%），而汾渭平原人口却集中分布于 O3_8 h_max浓度相比于中北部城市稍低的西南部城市（如西安市）。虽然目前汾渭平原高密度人口并未完全分布于高O3污染区，但胡琳等（2021）的研究表明西安市 2014—2019年 O3污染呈上升态势且 O3浓度高值区持续时间长，未来汾渭平原西南城市也应该注重O3污染的暴露风险。

2.4 与气象因素的关系

大气污染物浓度除了与当地经济发展状况、社会活动水平等因素有关外，也会受到气象条件的影响。对汾渭平原六种污染物浓度与气象因子进行相关性分析得出，污染物与平均气温、降水以及气压关系较为密切，污染物PM2.5、PM10、CO和O3等与气象因子的相关性均通过了0.01的显著性检验，除与降水呈现负相关性之外，与其他气象因子的相关关系均呈现出不同特征（表2）。

表2 汾渭平原年尺度主要污染物与气象因子的相关关系Table 2 Correlations of main pollutants with meteorological factors in Fenwei Plain

平均温度与主要污染物的相关性最强，与污染物PM2.5、PM10、NO2、CO和SO2呈现出显著的负相关性，而与O3则表现出正相关性。一方面气温升高使大气的不稳定性增强，从而提升了污染物的扩散能力，另一方面由于夏季温度高、辐射强、光化学反应强烈，前体物NOx和VOCs等极易形成O3。日照时数与气温联系密切，因此与污染物浓度的关系表现出类似的特征。相对湿度对于污染物的吸湿沉降和二次转化作用显著，但对PM2.5和CO作用却不明显，较高浓度的PM2.5和CO多产生于冬春季节，这些季节大气层稳定，较高的相对湿度反而会促使颗粒物附着于水汽上使浓度上升。当地面受到低压控制时，上升气流形成使颗粒物发生扩散而降低其浓度，而地面受到高压控制时，颗粒污染物扩散受抑制，浓度上升，且其他非颗粒污染物受到的影响有限。而风速对于大气边界层内稳定度的影响显著，不同风速也决定了污染物的清除效率与输送效率，其作用机理较为复杂，当风速较小时大气保持稳定，不利于污染物的水平或垂直扩散，从而导致污染物积聚；随着风速的不断增大，易发生扩散和稀释效应，污染物浓度下降，但污染物CO和SO2与风速相关性不显著。

3 结论

（1）2014—2020年汾渭平原污染物 PM2.5、PM10、NO2、CO和 SO2年均质量浓度整体上呈现下降趋势，而污染物O3却呈现上升趋势，O3污染问题日益严重。季节变化上，PM2.5、PM10、SO2、CO以及NO2月均质量浓度呈冬高夏低的特征，而O3_8 h_max呈夏高冬低的特征，这种季节变化与排放源、化学反应以及气象因素等有关。

（2）2014—2020年京津冀和汾渭平原六大污染物月均质量浓度总体高于长三角和珠三角地区，汾渭平原各污染物减排潜力大，尤其是要关注污染物PM2.5、PM10和O3的减排。

（3）不同污染物的空间分布变化存在差异，PM2.5、PM10和NO2呈南高北低的特征，而污染物CO和SO2则呈现相反特征，并且随时间推移各城市污染缓解明显；2014—2016年南部地区O3污染较严重，而2017—2020年北部城市临汾、晋中和运城市O3上升趋势显著。

（4）汾渭平原PM2.5污染呈现出高密度人口集中分布于污染物浓度高值区的特征；随着O3_8 h_max年均质量浓度逐年上升，汾渭平原人口暴露在高浓度O3污染中的比例逐年上升，因此应更为关注人口较为密集区域的大气污染防治工作。综合气象因子分析，污染物浓度与气温的相关性最为显著，各污染物与降水之间呈现负相关性，而与气温、相对湿度、气压、风速和日照时数的相关关系各不相同。