云南边境五城市空气污染物分布特征

郎丽君,崔祥芬,史建武,黄建洪*,宁 平,郝吉明,2

云南边境五城市空气污染物分布特征

郎丽君1,崔祥芬1,史建武1,黄建洪1*,宁 平1,郝吉明1,2

(1.昆明理工大学环境科学与工程学院,云南 昆明 650500；2清华大学环境学院,北京 100084)

利用2015～2021年云南省5个边境城市6种常规大气污染物的质量浓度数据,探究其污染特征、时空变化及空间异质性.结果表明,研究区域污染物年际浓度变化起伏较大,PM10、PM2.5年均浓度分别为(42.6 ± 8.2),(25.4 ± 4.2) µg/m3,均低于中国《环境空气质量标准》(GB 3095-2012)二级浓度限值.PM、NO2和O3-8h月均浓度呈U型变化趋势,其中3月份浓度最高.5个城市PM和NO2浓度季节变化均表现为:春季>冬季>秋季>夏季, O3-8h表现为:春季>夏季>秋季>冬季,而CO冬季污染程度最小,SO2无明显的季节变化规律.根据Sen-MK的逐日浓度趋势分析,污染物总体呈现下降趋势,其中PM10下降速率最高达11´10-3µg/(m3×d),而O3-8h呈现上升趋势.变异系数(COD)表明,污染物的空间分布极不均匀,特别是SO2的COD均大于0.2,春季O3-8h空间分布更加均匀.Person相关分析表明,PM与NO2、CO、O3-8h表现出较强的相关性,且西双版纳(BN)PM与其他大气污染物相关性较其他城市强.

空气污染物；时空变化；Sen's slope；异质性；相关关系

近几十年来,为了改善空气环境,中国环境监测部门实时收集338个特大城市6种常规大气污染物(PM10、PM2.5、SO2、NO2、CO和O3)监测浓度.当前,相关大气污染研究主要集中在大城市,如北京[1]、上海[2],研究区域集中在京津冀[3]、长江三角洲[4]、珠江三角洲[5].不同地区间的空气污染物因排放源、气象条件、地形的不同,污染机制变化迥异[6].近年来,云南省频繁污染事件严重影响了旅游业,春季普洱、西双版纳、保山等边境城市发生不同强度的空气污染事件,导致空气质量急剧下降[78].

从时间、空间尺度上分析污染物浓度变化可了解区域的污染特征及形成机制.Song等[9]基于中国31个省的空气质量数据,揭示了PM、NO2、SO2和CO的月移动平均浓度变化呈U型模式,O3-8h呈现倒U型模式.此外,分析污染物浓度的时空分布差异,可以帮助识别不同污染来源.Wang等[10]从多时间尺度(年、季节、月)及空间尺度上分析了哈尔滨-长春地区2014～2020年的6种空气污染物的特征,生物质燃烧期、供暖期污染物浓度大幅升高.Sen's slope趋势分析和发散系数法(COD)常被用于探索空气质量的时间变化趋势和空间变异.Wu等[11]采用此法揭示了2006～2015年珠江三角洲空气质量变化趋势,除O3外均呈下降趋势.Guo等[1]利用COD法研究了北京市12个站点之间PM2.5的空间差异,夏季的空间分布较其他季节均匀.

目前关于云南省边境城市环境空气质量的长时间序列变化及污染特征的研究较少.本研究基于2015～2021年云南省5个边境城市的环境空气质量实时监测数据分析PM10、PM2.5、SO2、NO2、CO和O3-8h等6种大气污染物的时空变化特征,利用Sen-MK方法揭示不同污染物的时间变化趋势,利用COD法探明不同污染物的空间异质性,并使用Person相关系数探索污染物之间的相关性.

1 材料及方法

1.1 研究区域

采集分析云南省5个边境城市(FC)的空气质量数据,包括德宏(DH)、保山(BS)、临沧(LC)、普洱(PR)、西双版纳(BN)(图1).研究区地处云南省南部和西南部,与缅甸、老挝、越南等东南亚农业国家接壤,边境线较长.受孟加拉湾气团及西南季风的影响,降水量充沛(年均降水量>1000mm),且具有明显的干湿两季,森林覆盖率高,湿度大,是重要的旅游城市.

图1 研究区工业污染源和空气质量监测站分布

1.2 数据源和质量控制

收集2015年1月～2021年12月间,5个研究城市的10个环境空气质量监测站点6种常规污染物(PM10、PM2.5、SO2、NO2、CO和O3)逐时浓度数据.数据来自全国城市空气质量实时发布平台(https://air.cnemc.cn:18007/).缺失值采用期望最大化算法(EM)填充,因其误差小,精度高,是填补空气质量数据较优的方法之一[12].

1.3 研究方法

1.3.1 时间变化趋势 Sen's slope是一种稳健的非参数斜率估计[1],常用于表示x为时间序列(,x,)的集合,该方法定义为:

式中:Slope反映了数据趋势,该值表示趋势陡度. Slope>0表示污染物浓度呈上升趋势,Slope<0表示污染物浓度呈下降趋势.由于Slope是一个非归一化参数,它只能反映时间序列本身变化趋势的大小,但无法仅根据Slope判断趋势变化的统计学意义.因此,进一步利用非参数Mann- Kendall对变化趋势进行统计学检验.非参数Mann-Kendall检验[13]在识别时间序列数据的显著趋势方面具有强大的价值,且不受时间序列长度的影响,具体计算方法参考文献[14]. Mann-Kendall统计量值正(负)表明数据随着时间有增大(减小)趋势,当||³1.28(1.64或2.32)表明在=0.1(0.05或0.01)水平下,趋势具有统计显著性[8].在本研究中,使用Sen's slope和Mann- Kendall检验2015～2021年间6种空气污染物质量浓度的变化趋势.

1.3.2 空间分析 发散系数法(COD)[9]可用于描述2个地点的相似性和研究区域的空间变化程度,如式(2)所示,其中x、x代表时间时,采样点和的24h平均微粒浓度,为观测值的数量.如果两个数据集相似,COD接近于0,若差异较大,COD接近于1.利用COD法研究FC区域10个站点6种常规大气污染物监测浓度的空间异质性,分析其空间分布是否均匀以及站点间的异质性.

2 结果与讨论

2.1 时间变化特征

2.1.1 年际变化 如图2所示, 2015～2021年间, PM10、PM2.5、SO2、NO2、O3-8h和CO年均浓度分别为(42.6±8.2),(25.4±4.2),(8.6±3.3),(16.0±3.2),(48.4 ±9.4)µg/m3和(0.71± 0.15)mg/m3.总体而言,FC区域6种常规大气污染物年均浓度均优于《环境空气质量标准》(GB 3095-2012)中的二级标准限值[15].BS地区PM2.5下降趋势较为明显,从2015年35.9µg/m3降至2020年18.4µg/m3,下降了35%.城市SO2下降趋势较NO2明显,可能是云南省“十三五”节能减排措施减少了煤消耗.2021年疫情得到缓解,各地复工复产,污染物浓度有所回升.O3作为一种二次污染物,其形成速率强烈依赖太阳辐射强度[16].在研究周期内,O3-8h年平均浓度在2019年前呈递增趋势,其后有所回落.其中,BS污染水平相对较高,可能是因为海拔较其他城市高,辐射较强,导致光化学反应增强,比BN低海拔的城市O3-8h浓度相比较低.除SO2和O3-8h有明显增加的趋势外,其他污染物的变化无明显变化规律.尽管区域内的空气环境受到不同污染源的影响,但是相比我国城市大气污染物浓度水平,研究区域浓度较低.

图2 2015～2021年大气污染物浓度的年际变化

2.1.2 月际变化 如图3所示,FC区域内不同污染物的曲线变化趋势高度重合,PM、NO2月移动平均浓度周期性较强,呈U型模式,月均浓度差异大,3月份为峰值,7月份达谷值,这表明在相似区域的气象和排放制度下,区域污染覆盖了大面积[7].异于大多数城市冬季污染最严重的现象,FC地区春季污染物浓度升高可能受本地及周边地区生物质燃烧和不利气象影响[17].既有研究显示,生物质燃烧排放对PM浓度贡献较大[2],但对SO2浓度影响较小[17].此外,Bein等[18]发现生物质燃烧并不是造成SO2污染的成因.不同于其他城市冬季取暖造成的SO2污染,DH地区SO2浓度全年均处于较高水平,主要是该地区存在大量的冶炼厂、糖厂、水泥厂.近年来,随着节能减排措施实施,SO2浓度逐渐降低.与我国大部分城市夏季O3-8h浓度最高不同,本研究中发现春季O3-8h浓度较高,3月达峰值,且与青藏高原南部[19]相似.青藏高原南部O3-8h浓度变化很大程度上受平流层臭氧侵入控制.云南省地处低纬高原,海拔较高,春季下地面吸收太阳辐射快,导致地面升温快,光化学反应加快,加速近地面O3生成[20],且生物质燃烧产生大量O3前驱物NO2、CO、PM,在燃烧区及传输过程中生成O3,导致下风向城市的浓度增加.

东南亚大陆是全球生物量燃烧排放的一个重要来源区域,占3月份亚洲生物质燃烧排放量之首,主要排放国柬埔寨、缅甸、老挝和泰国,1～4月观察到这些国家高生物质排放率[21].生物质燃烧产生PM2.5、PM10、SO2、NO、CO、CO2以及多种有毒有害气体,是造成亚洲春季空气污染的重要来源,污染烟羽气流可以从近地面向高空输送[22],从而影响下风向的空气质量,包括我国西南、长江三角洲、台湾地区[7].云南省边境线长,与众多农业国家接壤,受西南季风影响,气流最先经过FC区域,导致空气质量下降[8].常嘉成[23]研究云南省重污染时段,发现在西南风盛行情况下,PM2.5污染主要源于东南亚生物质燃烧排放的跨境传输,其贡献高达67.18%.杨清健[24]基于空气质量模式WRF-Chem对2017年春季西双版纳地区的一次污染过程进行模拟分析,发现生物质燃烧对BN地区大气污染贡献高达97%,其中境外贡献大于90%.

图3 大气污染物月均浓度的时间序列趋势

表1 大气污染物日变化Sen-MK 趋势

注:为Slope;为Mann-Kendall检验统计量.

2.1.3 趋势分析 由表1可知, 2015～2021年, PM下降速率较快,其中PM10显著下降,下降速率最高达11´10-3µg/(m3×d),PM2.5下降速率次之.O3-8h是呈上升趋势最多的污染物,5个城市中除DH外均表现出上升的趋势,增速最高达2.3´10-3µg/(m3×d).在春季由于研究区域较全国温度较高,且受生物质燃烧和不利气象因素影响,致使O3浓度上升.从区域看,DH所有大气污染物均呈显著下降趋势,而PE仅PM有下降趋势,这可能与汽车保有量有关,根据《云南省统计年鉴》, 2015～2020年PE的民用汽车拥有量上升39%,而DH仅为21%.

2.2 空间分布

2.2.1 空间插值 通常,我国PM2.5、PM10、SO2、NO2和CO浓度的季节变化表现为夏季最低,冬季最高,O3-8h浓度与其他污染物的变化趋势相反,冬季最低,夏季最高.如图4所示,FC区PM、NO2季节变化相似,污染物浓度跨度春季最大,夏季最小,总体趋势为:春季>冬季>秋季>夏季,DH和BN是春季环境空气质量最差的城市.北方城市因冬季供暖及边界层高度低、弱风、降水少等不利气象条件,导致SO2达到顶峰,而在冬季不供暖的南方城市,SO2浓度的季节变异较弱[25],表现为浓度波动范围小,城市间差异较小,未见明显季节差异.与前人研究一致,FC区域SO2浓度无明显季节差异,但BS冬季因燃煤和不利气象条件导致SO2浓度高于其他城市.CO浓度春季最高,冬季最低,但夏、秋两季基本相当.O3-8h浓度变化具有明显季节差异,表现为:春季>夏季>冬季>秋季.O3-8h季均浓度的空间分布相似,自西北向东南方向递减,与海拔变化趋势一致,BS最高,BN最低.异于其他污染物,春季O3-8h最高,夏季次之,但远低于春季.除BS O3-8h浓度最高外,DH地区季节的大气染污物浓度均最高.

图4 2015 ～ 2021年不同季节大气污染物浓度的空间异质性

2.2.2 空间异质性 当COD>0.2,表明2个污染物数据间存在相对异质性.如表2所示,由于春季不同污染物的空间分布,与其他季节差异较大,故将污染物空间变异性研究分为春季(右上)、其他季节(左下)进行讨论. 2015～2021年间,SO2空间变异最大,COD均大于0.2,最高达0.46,表明SO2浓度空间分布极不均匀. PM10、PM2.5、NO2、CO和O3-8h春季(其他季节) COD均值分别为0.20(0.21)、0.26(0.26)、0.27(0.25)、0.30 (0.27)、0.21(0.23), 春季O3-8h空间分布比其他季节更加均匀.即使两个城市相邻站点间COD值也较大,如BN站点7、8均大于0.2,特别站点7与其他各站点COD皆较高,这表明BN污染物空间变化明显缺乏均匀性.较高COD值表明研究城市大气污染物的空间异质性较大,然而每个城市有且仅有两个监测站点,难以评估监测该地区的环境空气质量,需要增设站点.

表2 10个站点不同季节的6种污染物COD分析结果

SO2site12345678910NO2site12345678910 10.360.360.270.360.370.350.310.340.4010.200.290.350.280.300.380.330.410.39 20.270.200.330.310.410.250.310.380.3020.140.270.340.250.280.370.310.420.37 30.360.300.340.300.440.260.320.410.3130.250.250.190.220.250.260.200.280.28 40.310.280.330.330.330.320.280.300.3440.230.230.190.230.280.180.180.220.20 50.310.280.330.320.310.280.290.360.2950.240.260.250.210.190.290.210.280.22 60.350.370.390.360.280.360.350.330.3360.250.260.240.230.170.340.240.330.33 70.330.250.300.380.320.370.300.390.3170.230.240.230.200.250.270.210.260.23 80.300.270.280.330.280.340.270.310.3280.240.250.230.190.210.220.210.240.20 90.390.420.450.420.350.350.460.400.3090.330.340.320.270.250.260.280.250.18 100.400.400.420.400.340.320.400.380.30100.290.310.320.270.250.260.260.260.15

COsite12345678910O3-8hsite12345678910 10.280.290.330.240.360.360.290.280.3410.070.220.170.260.190.330.220.230.19 20.240.250.360.290.330.330.290.340.2820.100.230.150.250.180.330.200.230.17 30.240.220.310.230.300.280.200.290.2630.240.230.190.220.200.210.210.230.24 40.390.370.340.300.470.460.300.370.4740.240.220.120.230.170.250.130.170.13 50.260.290.240.400.310.310.220.230.2850.240.230.170.190.210.270.250.250.25 60.260.290.250.420.170.210.320.310.2160.220.200.200.180.200.280.190.210.19 70.240.250.210.420.200.170.300.310.1870.410.390.280.290.280.340.220.220.26 80.280.270.230.300.270.280.260.280.2980.290.270.180.170.210.210.240.190.15 90.270.280.250.420.220.210.200.290.3190.260.250.210.190.210.210.290.200.10 100.250.270.240.470.210.190.160.270.23100.270.250.200.180.200.230.300.180.11

注:右上春季,左下其他季节.

2.3 相关关系

利用研究区域逐日空气污染物浓度,分析6种气态污物之间的Pearson相关系数,以探索不同污染物之间的弱(0<||£0.25)、中(0.25<||£0.5)、强(|³|0.5)相关关系[26].如表3所示,PM与NO2(=0.357～ 0.853)、CO (=0.250～0.801)和O3-8h(=0.191～570)呈现较好的相关性,且春季优于其他季节,表明PM与NO2和CO污染来源相近.反之春季PM与SO2相关性(=-0.067～0.294)弱于其他季节(=-0.005～0.605).我国东部、中部秋冬季化石燃料的燃烧,在东北季风影响下,容易造成跨区域污染[7]. SO2与PM的相关性优于其他污染物.PM与SO2、NO2相关的主要原因是,SO2和NO是SO42-和NO3-的气态前体,而SO42-和NO3-是PM的主要成分.此外,PM与NO2的值大于与SO2的值,可归因于FC区域相对湿度较高,更有利于NO2向二次无机离子的转化.CO作为生物质燃烧的良好示踪剂,与PM2.5表现出较高的相关性.Li等[27]发现在火灾期间PM2.5与CO相关性较强.NO2与CO之间的相关性显著,春季(=0.288～ 0.735)优于其他季节(=0.327～0.666),但与O3-8h呈弱相关性,春季(=0.007～0.362),其他季节(=-0.039～ 0.244),而大多研究发现O3与CO和NO浓度呈负相关.从区域来看, BN的PM与其他大气污染物的相关关系较其他区域强,可能是BN地势较低,有利于污染进入境内.从时间及空间变化可知,BS O3-8h浓度较高,从相关关系可知BS O3-8h与其他污染物值和其他城市相似呈弱相关性,甚至相关性更弱,表明影响BS O3-8h浓度的原因可能是光化学反应较强.

表3 5个城市不同季节大气污染物浓度的Pearson相关

注:右上春季,左下其他季节;**在0.01 级别(双尾),相关性显著;*在0.05级别(双尾),相关性显著.

3 结论

3.1 2015～2021年云南省5个边境城市PM、NO2、CO的年均浓度整体上无明显变化趋势.大气污染物浓度的月均移动变化趋势高度重合,PM、NO2、O3-8h浓度呈U型变化,3月份达峰值.

3.2 Sen-MK检验结果表明污染物逐日浓度的时间变化趋势,PM下降速率最快,其中PM10下降速率最高达11´10-3µg/(m3×d),证实了近年来减排措施有效性,而O3-8h总体呈上升趋势,增速最高达2.3´10-3µg/(m3×d).

3.3 不同城市的大气污染物浓度季节变化趋势相似,PM和NO2表现为:春季>冬季>秋季>夏季,O3-8h表现为:春季>夏季>冬季>秋季,而CO浓度冬季最低,SO2无明显季节变化规律.DH因污染源种类多、数量大,除O3-8h外其他大气污染物的浓度均高于其他城市,BS因较强的光化学反应致使各季节O3-8h平均浓度均高于DH.

3.4 基于COD法的空间异质性检验结果表明,FC区域大气污染物浓度空间分布极不均匀,BN站点7差异性最大.计算Person相关系数表明,在春季PM与NO2、CO、O3-8h具有较强的相关关系,且BN春季污染物的相关性强于其他季节.

[1] Guo H, Wang Y, Zhang H. Characterization of criteria air pollutants in Beijing during 2014～2015 [J]. Environ Res, 2017,154:334-344. DOI:10.1016/j.envres.2017.01.029.

[2] Tong S, Kong L, Yang K, et al. Characteristics of air pollution episodes influenced by biomass burning pollution in Shanghai, China [J]. Atmospheric Environment, 2020:238.DOI:10.1016/j.atmosenv.2020. 117756.

[3] Meng C, Tang Q, Yang Z, et al. Collaborative control of air pollution in the Beijing-Tianjin-Hebei region [J]. Environmental Technology & Innovation, 2021:23. DOI:10.1016/j.eti.2021.101557.

[4] Dai H, Zhu J, Liao H, et al. Co-occurrence of ozone and PM2.5pollution in the Yangtze River Delta over 2013～2019: Spatiotemporal distribution and meteorological conditions [J]. Atmospheric Research, 2021,249.DOI:10.1016/j.atmosres.2020.105363.

[5] Tian H, Zhao Y, Luo M, et al. Estimating PM2.5from multisource data: A comparison of different machine learning models in the Pearl River Delta of China [J]. Urban Climate, 2021,35.DOI:10.1016/j.uclim.2020.100740.

[6] He J, Gong S, Yu Y, et al. Air pollution characteristics and their relation to meteorological conditions during 2014～2015 in major Chinese cities [J]. Environ Pollut, 2017,223(16):484-496.

[7] Yin X, Kang S, Rupakheti M, et al. Influence of transboundary air pollution on air quality in southwestern China [J]. Geoscience Frontiers, 2021,12(6):120-134.

[8] Teng M, Yang K, Shi Y, et al. Study on the temporal and spatial variation of PM2.5in eight main cities of Yunnan Province[C]//Proceedings of the 2018 26 th International Conference on Geoinformatics, 2018,DOI:10.1109/GEOINFORMATICS.2018.8557198.

[9] Song C, Wu L, Xie Y, et al. Air pollution in China: Status and spatiotemporal variations [J]. Environ Pollut, 2017,227:334-347. DOI: DOI:10.1016/j.envpol.2017.04.075.

[10] Wang Y, Sun Y, Zhang Z, et al. Spatiotemporal variation and source analysis of air pollutants in the Harbin-Changchun (HC) region of China during 2014～2020 [J]. Environmental Science and Ecotechnology, 2021,8. DOI:10.1016/j.ese.2021.100126.

[11] Wu Z, Zhang Y, Zhang L, et al. Trends of outdoor air pollution and the impact on premature mortality in the Pearl River Delta region of southern China during 2006～2015 [J]. Science of The Total Environment, 2019,690:248-260.DOI:10.1016/j.scitotenv.2019.06.401.

[12] Ahmat Z N, Muda N. A Comparison of various imputation methods for missing values in air quality data [J]. Sains Malaysiana, 2015, 44(3):449-456.

[13] Cheng L, Zhang T, Chen L, et al. Investigating the Impacts of Urbanization on PM2.5Pollution in the Yangtze River Delta of China: A Spatial Panel Data Approach [J]. Atmosphere, 2020,11(10):1058. DOI:10.3390/atmos11101058.

[14] Wang X, Li T, Ikhumhen H O, et al. Spatio-temporal variability and persistence of PM2.5concentrations in China using trend analysis methods and Hurst exponent [J]. Atmospheric Pollution Research, 2022,13(1). DOI:10.1016/j.apr.2021.101274.

[15] GB-3095 2012 环境空气质量标准 [S].

GB-3095 2012 Ambient air quelity standards [S].

[16] Zhao S, Yu Y, Yin D, et al. Annual and diurnal variations of gaseous and particulate pollutants in 31provincial capital cities based on in situ air quality monitoring data from China National Environmental Monitoring Center [J]. Environment International, 2016,86:92-106. DOI:10.1016/j.envint.2015.11.003.

[17] Zhou Y, Luo B, Li J, et al. Characteristics of six criteria air pollutants before, during, and after a severe air pollution episode caused by biomass burning in the southern Sichuan Basin, China [J]. Atmospheric Environment, 2019,215.DOI:10.1016/j.atmosenv.2019. 116840.

[18] Bein K J, Zhao Y J, Johnston M V, et al. Interactions between boreal wildfire and urban emissions [J]. Journal of Geophysical Research-Atmospheres, 2008,113(D7). DOI:10.1029/2007JD008910.

[19] Yin X F, De Foy B, Wu K P, et al. Gaseous and particulate pollutants in Lhasa, Tibet during 2013～2017: Spatial variability, temporal variations and implications [J]. Environmental Pollution, 2019,253: 68-77. DOI:10.1016/j.envpol.2019.06.113.

[20] 潘春梅,朱 翔,王 健,等.云南省2019年臭氧污染特征及影响因素研究 [J]. 环境科学与技术, 2020,43(10):156-164.

Pan C M, Zhu X, Wang J, et al. Characteristics and Influencing Factors of Ozone Pollution in Yunnan Province in 2019 [J]. Environmental Science & Technology, 2020,43(10):156-164.

[21] Vongruang P, Pimonsree S. Biomass burning sources and their contributions to PM10concentrations over countries in mainland Southeast Asia during a smog episode [J]. Atmospheric Environment, 2020,228. DOI:10.1016/j.atmosenv.2020.117414.

[22] Fu J S, Hsu N C, Gao Y, et al. Evaluating the influences of biomass burning during 2006 BASE-ASIA: a regional chemical transport modeling [J]. Atmospheric Chemistry and Physics, 2012,12(9):3837-3855.

[23] 常嘉成.云南高原典型城市空气质量变化特征及大气环境容量评估研究 [D]. 南京:南京信息工程大学, 2019.

Chang J C. Variations of air quality and atmospheric environmental capacity assessment in the typical urban areas over Yunnan Plateau [D]. Nanjing: Nanjing University of Information Science and Technology, 2019.

[24] 杨清健.云南高原清洁大气环境背景下城市空气质量变化及其影响因素的观测与模拟研究 [D]. 南京:南京信息工程大学, 2020.

Yang Q J. Observation and simulation studies on urban air quality changes and the influencing factors under the background of clean atmospheric environment over the Yunnan Plateau [D]. Nanjing:Nanjing University of Information Science and Technology, 2020.

[25] Yin D Y, Zhao S P, Qu J J. Spatial and seasonal variations of gaseous and particulate matter pollutants in 31provincial capital cities, China [J]. Air Quality, Atmosphere Health, 2017,10(3):359-370.

[26] Xie Y, Zhao B, Zhang L, et al. Spatiotemporal variations of PM2.5and PM10concentrations between 31Chinese cities and their relationships with SO2, NO2, CO and O3[J]. Particuology, 2015,20(3):141-149.

[27] Li Y C, Liu A N, Han H, et al. Collective impacts of biomass burning and synoptic weather on surface PM2.5and CO in Northeast China [J]. Atmospheric Environment, 2019,213:64-80.DOI:10.1016/j.atmosenv. 2019.05.062.

Spatiotemporal characteristics of ambient air pollutants in five border cities of Yunnan province: variations.

LANG Li-jun1, CUI Xiang-fen1, SHI Jian-wu1, HUANG Jian-hong1*, NING Ping1, HAO Ji-ming1,2

(1.Faculty of Environment Science and Engineering, Kunming University of Science and Technology, Kunming 650500, China；2.School of Environment, Tsinghua University, Beijing 100084, China)., 2022,42(11)：5008～5015

The pollution characteristics, spatiotemporal variation and spatial heterogeneity was explored based on ambient particulate matter (PM with diameter£2.5µm [PM2.5],£10µm [PM10]) and gaseous pollutants(Ozone [O3], sulfur dioxide [SO2], nitrogen dioxide [NO2], carbon monoxide [CO]) data collected from 2015 to 2021 in five border cities of Yunnan province. Annual average concentrations of ambient air pollutants fluctuate enormously and that of PM10(42.6±8.2)µg/m3and PM2.5(25.4±4.2)µg/m3exceed the Grade Ⅱ limit value recommended the Chinese Ambient Air Quality Standards (GB 3095-2012). The monthly average concentrations showed a U-shaped trend for PM, NO2and O3-8h, and their concentrations peaked in March. PM and NO2concentrations followed a comparable seasonal pattern: spring > winter > autumn > summer. By contrast, seasonal average concentration of O3-8hdecreased as: spring > summer > autumn > winter and that of CO was the lowest in winter. In addition, SO2showed no obvious seasonal variation. Sen-MK results indicated a general trend of descending in daily average concentrations of ambient air pollutants and PM10had the highest decline rate at 11´10-3µg/m3per day, while an inverse trend ofO3-8h. The coefficient of variation (COD) revealed that the spatial distribution of ambient air pollutants is extremely uneven, especially for SO2with COD > 0.2 but that of O3-8hwas more uniform in spring. Person correlation analysis supported a strong correlation between PM and NO2, CO as well as O3-8h, and correlations between PM and other pollutants are stronger in Xishuangbanna (BN) than other studied cities.

ambient air pollutants；spatiotemporal variations；Sen's slope；heterogeneity；person correlation

X511

A

1000-6923(2022)11-5008-08

郎丽君(1996-),女,云南昭通人,昆明理工大学硕士研究生,主要从事大气污染源解析.

2022-03-07

国家地区基金资助项目(21966016)

*责任作者, 教授, huangjianhong78@163.com