2020年春季江西省大气环境质量时空变化特征及其影响因素

2024-04-24沙鸿钰,李长鸿,黄怡容等

东华理工大学学报(自然科学版) 2024年1期

随着我国社会经济不断发展,能源消耗不断攀升,区域大气污染物排放量持续增长,严重影响城市空气质量和危害人体健康。尤其是空气动力学当量直径小于2.5 μm的细颗粒物(PM2.5),其能侵入人体细支气管和肺泡,对人体健康及生命安全造成威胁。近年来国内外学者在一些典型城市、典型季节、典型事件上开展了大气污染物浓度时空分布特征研究(王浩等,2016;赵辉等,2015;熊秋林等,2020)。研究表明,采取一系列的减排措施,如重污染工业企业停产、工地停工、扬尘管控、机动车限行等,能有效降低大气污染物的浓度(刘建国等,2015;卞慧湘等,2018;Xiong et al.,2015)。

2020年春季,我国多个省市陆续启动重大突发公共卫生事件一级响应(乐旭等,2020),实行严格的交通限制、学校停课和工厂停产等防控措施(薛文博等,2021;旷雅琼等,2021)。在此期间,人类活动和污染排放强度降低,导致NO2和PM2.5浓度大幅下降(Tanvir et al.,2021),明显改善了大气环境质量。目前相关研究主要关注减排措施对空气质量的影响,而鲜有从社会经济因素与气象因素的综合视角深入考察减排措施在改善空气质量方面的作用机制。

为探究2020年春季江西省大气环境质量时空变化特征及其影响因素,基于江西省2020年1月21日—3月31日期间11个地级市6项大气污染物的实时监测数据,通过反距离权重插值法和相关分析方法,研究了江西省春季不同时期大气污染物的时空变化规律,并分析了社会经济因素与气象因素对空气质量的影响,以期为江西省空气污染治理提供参考依据。

1 材料与方法

1.1 研究区域、数据来源

江西省下辖11个地级市,东、南、西三面环山,地貌类型多以山地、丘陵为主,盆地、谷地广布,略带平原(陈燕玲等,2021)。获取的大气污染物数据来自江西省环境保护局设立的66个24 h全天候环境空气质量国控监测站点,数据要素包含6种常规空气污染物的实时监测数据,分别是一氧化碳(CO)、二氧化氮(NO2)、臭氧(O3)、颗粒物PM2.5、颗粒物PM10和二氧化硫(SO2),其中O3数据用8 h的最大浓度作为日均浓度,其他数据用24 h滑动平均值作为日均浓度。笔者从中国气象局平台提取各站点常规空气污染物(含CO、NO2、O3、PM2.5、PM10、SO2)的逐时浓度监测数据,时间为2020年1月21日至2020年3月31日;气象数据(温度、风速、日照时数等)来自地理科学生态网;社会经济因素(人口总数、人口密度、地区生产总值等)数据来自江西省统计局。各地级市的监测站点数量见表1,监测站点的分布情况如图1所示。

图1 江西省监测站点的位置Fig.1 Location of monitoring stations in Jiangxi province

表1 江西省地级市空气质量监测站点数

1.2 数据处理

2020年1月24日,江西省启动重大突发公共卫生事件一级响应,采取一系列管控措施,如封锁交通干线、限制人口非必要流动、停止工业生产等。根据江西省人民政府网公布的数据显示,2月3日,江西省宣布复工复产;3月12日,江西省的管控措施调整至二级,各乡镇街道取消封锁,管控由战时状态转为常态化。

根据以上时间节点,将1月21日—3月31日分为3个时期:前期(1月21日—2月2日)、中期(2月3日—3月12日)和后期(3月13日—31日),分析这3个时间段江西省11个地级市市内站点的大气污染物随时间变化趋势;空间上,将站点数据进行反距离权重插值法处理,得到江西省地区大气污染物在3个时期的浓度变化图(图2);为了分析社会经济因素与气象因素对大气污染物的影响,使用了SPSS相关分析中的斯皮尔曼相关性分析法。

图2 江西省各地区前中后期大气污染物浓度变化Fig.2 Changes in the concentration of air pollutants in the early,middle and late stages of Jiangxi province

(1)反距离权重插值法。该方法是空气质量序列研究中常用的一种方法,是根据插值点与邻近样本之间的距离倒数作为权重,利用加权平均来计算待插点的值。根据待插点与已知点之间的空间相关关系,对未知区域的取值进行估算插值,对损坏监测点的数据进行补齐,得到某一未知点的估计数据,满足研究的需要(向峰等,2023)。

此方法假设了已知采样点的观测值对待插点的预测值是有局部影响的,且随着距离的增大影响越小,因此离插值点越近的样本点赋予的权重越大(肖悦,2018)。计算公式为:

(1)

式中,Z是某待插值的点,Zi是第i(i=1,2,…,n)个已知采样点的值,di是第i个已知采样点与待插值点的距离,ρ是幂指数。

(2)SPSS相关分析。常用的相关分析法有皮尔逊相关分析、斯皮尔曼相关分析和肯德尔相关分析,因本研究的变量之间无正态分布关系,所以采用斯皮尔曼相关分析法。计算6种大气污染物(CO、NO2、O3、PM2.5、PM10、SO2)浓度与8种类型的社会经济因素(人口总数、人口密度、地区生产总值、人均生产总值、第二产业占GDP百分比、能源消费总量、工业粉烟尘排放、建成区绿化率)及6种气象要素(降水量、平均气压、平均风速、平均气温、平均相对湿度、日照时数)之间的相关系数来分析大气污染物与社会经济因素和气象因素之间的相关性,计算公式为:

(2)

2 结果与讨论

2.1 大气污染物的时间演化

图2是江西省11个地区在春季3个时期6种大气污染物的平均浓度变化情况对比。与前期相比,中期CO浓度下降较大的地区主要集中在江西省的西南部(萍乡、赣州),平均浓度分别下降0.3 mg/m3和0.5 mg/m3;九江市、南昌市和上饶市后期的NO2浓度增加明显,其中南昌市的NO2达到区域最高值,较前期增加68%;O3浓度波动不大,部分地区(赣州、九江、南昌)的O3浓度有小幅上升或下降;前期江西省区域内的PM2.5波动较大,中期整个地区的PM2.5大幅下降,这是由于江西省启动一级响应,叠加严格的防控措施(封锁道路干线、限制人口流动等)所导致的;3月12日江西省调整为二级响应,防控进入后期,PM2.5略有上升,较前期PM2.5仍呈下降趋势,主要为西北部地区(九江、南昌),其中九江市的后期PM2.5浓度较前期下降32%;中部地区(萍乡、抚州)的PM10浓度降幅明显;到后期江西省北部地区(南昌、景德镇)的PM10浓度上升,南昌市的PM10浓度较中期增加74%,景德镇市的PM10浓度较中期增加93%;部分地区(鹰潭、上饶、赣州)SO2浓度变化幅度较大,后期整体波动明显,尤指区域内的东北部地区(景德镇、上饶、鹰潭)和中部地区(宜春、新余、萍乡),其中鹰潭的SO2浓度后期较前期增加最大,占比217%。整体来讲,前期至中期阶段,各污染物浓度降低较为明显,空气质量得到显著改善,江西省政府于2020年2月3日宣布复工复产,2月19日复工复产的规模达到60%以上。由于防控期间实施交通管制,对江西省机动车活动水平产生了较大的影响,机动车排放尾气的减少对空气质量的改善有积极作用。同时停工停产等措施,降低了工业生产排放的废气,亦改善了空气质量。与2019年同期相比,2020年前、中、后期的空气质量改善明显。

2.2 大气污染物的空间分布

从图3可以看出,在整个研究期间,CO的分布都呈现南高北低,赣州CO浓度最高,平均浓度为1.3 mg/m3,这可能是由于赣州地区春季化石燃料燃烧较其他地区强,导致CO浓度较其他地区高;前期南昌市、九江市和萍乡市的NO2浓度较高,分别为19 μg/m3、18 μg/m3和18 μg/m3,中期吉安市的NO2升高,到后期,东北部地区出现最大值,NO2浓度的升高主要与人为活动有关,比如化石燃料的燃烧、机动车尾气的排放等。从图4来看,东西部地区的O3浓度普遍不高,防控后期,九江的O3浓度最高,平均浓度为59 μg/m3,O3污染物主要是来源于人为排放的氮氧化合物,后期复工复产使NO2浓度升高,NO2浓度的上升使后期部分城市的O3浓度达到新高;前期南部地区的PM2.5浓度偏高;从图5来看,PM10在前期的分布呈现中部地区浓度偏高,北部次之,到后期,随着复工规模的不断扩大,燃煤、工业生产、机动车排放等人为活动显著加强,PM10浓度显著上升;SO2的分布呈现南高北低,到后期最大值出现在东北部地区。

图3 春季江西省地区CO、NO2的空间分布Fig.3 Spatial distribution of CO and NO2 in Jiangxi province during spring

图4 春季江西省地区O3、PM2.5的空间分布Fig.4 Spatial distribution of O3 and PM2.5 in Jiangxi province during spring

图5 春季江西省地区PM10、SO2的空间分布Fig.5 Spatial distribution of PM10 and SO2 in Jiangxi province during spring

2.3 江西省空气质量影响因素分析

(1)春季大气污染状况。图6为江西省地区在2020年春季和2019年同期6种污染物浓度的变化情况对比。整体来看,2020年前期与2019年前期相比各城市的污染物浓度下降明显(除O3外),其中NO2、PM10和SO2降幅较大,分别下降了15.73 μg/m3、40.78 μg/m3和4.59 μg/m3,这说明人为减排的确能改善空气质量。O3的升高可能与NO2浓度的降低有关,削弱了O3和NO2之间的转化关系(Shi et al.,2020),进而导致O3累积;2020年中期较2020年前期污染物浓度有所上升但仍低于2019年中期浓度值,其中降幅较大的是NO2(16.13%)和CO(12.3%),这是由于2月3日江西省宣布复工复产,至2月6日,复工规模已超过60%,人类生产生活的恢复使污染物浓度逐步上升;2020年后期与2019年同期相比,污染物浓度已达到甚至超过去年同期值,其中全省NO2和SO2的平均浓度较2019年同期增长了2.8%和10.04%,这与江西省3月12日调整防控级别有关,工业生产排放等已基本恢复,交通运输量增加。此外,春节期间烟花爆竹的燃放也会使SO2浓度上升。

图6 2020年与2019年春季6种大气污染物浓度值对比Fig.6 Comparison of concentration values of six air pollutants in spring of 2020 and 2019

(2)社会经济因素与大气污染物浓度的相关性分析。选取《江西统计年鉴》(江西省统计局,2020)中8项数据类型(人口总数、人口密度、地区生产总值、人均地区生产总值、第二产业占GDP百分比、能源消费总量、工业粉烟尘排放量、建成区绿化率)与6项大气污染物(CO、NO2、O3、PM2.5、PM10、SO2)浓度进行相关性关系测试,结果如表2所示。

表2 社会经济因素与大气污染物的SPSS相关分析表

从表2可以看出,空气质量与地区生产总值和第二产业占GDP比重等社会经济因素显著相关。其中,NO2与人均地区生产总值、第二产业占GDP有一定的相关性,相关系数值分别为0.536和0.691,说明居民的生产活动,尤其是工业生产的增加会导致大气污染加重;O3与地区生产总值呈正相关,相关系数值为0.700,与建成区绿地率呈负相关,相关系数值为-0.423,表明绿化面积的提高有利于减少大气污染;PM2.5与能量消费总量呈正相关,相关系数值为0.445,表明能量消耗越大,越容易引起颗粒物的聚集,从而加重大气污染,这与吴浪等(2018)研究结果一致;PM10与第二产业占GDP相关系数值为0.595,具有一定的相关性。

根据江西省统计局(2020)发布的数据显示,江西省2019年用电总量为1 535.70亿kW·h,其中全行业用电量为1 248.15亿kW·h,城乡居民生活用电287.55亿kW·h。2020年全年江西省地区用电总量、全行业用电量分别比2019年下降5.6%和3.8%,但城乡居民生活用电量比2019年增长5.9%。2019年和2020年末江西省民用汽车保有量分别为607.4万辆和661.8万辆,2020年比2019年增长9%,而2020年江西省机动车燃料汽油的消耗量比2019年下降了13.4%。以上数据说明,2020年江西省汽车保有量虽然比2019年有所增加,但由于出行限制,2020年汽油消耗量比2019年下降了,使得2020年春季江西省CO、NO2和PM10等汽车尾气引起的污染物浓度比2019年显著降低。此外,由于采取的限制居民出行、交通管制等措施对江西省机动车出行有较大影响,从而对空气质量有一定的改善作用。各地除因为工作程序无法中断的重工业和与基本居民生活密切相关的取暖、电力等行业外,中小型企业均处于停工停产状态,工地停止施工也会使得颗粒污染物浓度降低。

(3)气象因素与大气污染物浓度的相关性分析。研究发现(高婵娟等,2021),大气污染物浓度受污染源强度、地形条件和气象条件的影响。对于特定的城市来讲,当污染物源强度一定时,大气污染物在大气中传输、扩散、稀释过程中,气象条件起着极其重要的作用,所以气象因素与大气污染有重要的联系。

利用SPSS软件中的双变量分析功能,对从地理科学生态网中得到的2020年1月21日至3月31日江西省11个地级市气象站点的各类气象数据进行处理,通过斯皮尔曼方法测试6种气象要素(降水量、平均气压、平均风速、平均气温、平均相对湿度、日照时数)与6种大气污染物浓度(CO、NO2、O3、PM2.5、PM10、SO2)的相关性,结果如表3所示。

表3 气象因素与大气污染物的SPSS相关分析表

从表3可以看出,空气质量还与平均气温、平均风速以及平均相对湿度等气象因素相关。CO与平均气温、平均地表气温呈正相关,相关系数值分别为0.591和0.579;CO是含碳物质燃烧时生成的主要中间产物,高浓度的氧气、高温及反应时长会促使CO氧化成CO2,从而导致气温升高;NO2与平均气温、平均地表温度呈负相关,相关系数值分别为-0.445和-0.506;O3与平均风速呈正相关,相关系数值为0.540,与平均气压呈负相关,相关系数值为-0.456,风速对O3既有扩散作用,又可以形成上层臭氧向下输送的效应(安俊琳等,2009),因而风速增强会引起O3浓度的上升。气压的高低直接影响气温、大气湿度、气流等气象因素的变化,在北半球,气压升高形成下降的辐散气流为反气旋。反气旋是由中心空气向外围顺时针旋转,出现气温逆增的情况,若大气呈稳定状态,风速不大,污染物不易扩散,导致污染物浓度增加,大气污染加重;PM2.5与平均气温、平均地表气温呈负相关,相关系数值分别为-0.506和-0.555;PM10与平均气温、平均地表气温呈负相关,相关系数值分别为-0.543和-0.555。SO2与平均相对湿度呈正相关,相关系数值为0.503,与日照时数呈负相关,相关系数值为-0.541。

江西省在2020年春季出现过三次寒潮天气,分别发生在前期2月14日—16日、后期3月21日—22日和3月27日—31日,寒潮天气温度下降明显,降水量增多,相对湿度增加,风速增大。前期正值气温低,大气容易形成逆温层,空气对流效果差,不利于污染物的扩散,但因防控政策限制人们出行,人为活动的减少使污染物浓度显著下降;进入后期(3月13日—3月31日),温度回升,大气环境不稳定,空气活动剧烈,净化能力增强,有利于污染物浓度降低,气压与温度有关,低温会使气压升高,气压的上升通常伴随着强烈的冷空气,冷高压的下沉气流使高空的清洁空气被输送至近地面,使近地面的污染物得以扩散稀释从而降低污染物的浓度,这与楚翠姣等(2022)研究结果一致。风速增强时,空气中悬浮粒子增多,颗粒物不易扩散,地面扬尘也会导致颗粒物浓度增加;平均相对湿度增加时,易在大气中形成逆温层,阻碍SO2的扩散,从而使得大气中SO2浓度增加。相对湿度较大时,SO2与颗粒物粉尘在太阳紫外光照射下,会形成硫酸型光化学烟雾,也会加重SO2污染。2020年春季平均气温为11.4 ℃,平均最大风速为15.6 m/s,平均相对湿度为81.5%,平均降水量为491 mm,平均日照时数为237 h。相比于2019年同期,2020年春季相对湿度与平均风速大致持平,平均气温偏高2.6 ℃,平均日照时数少0.4 h,平均降水量多32%,气象条件对污染物扩散略有利。由此看来,2020年春季空气质量的改善是气象条件和人为管控减排共同影响的结果。

2.4 讨论

在减排措施的影响下,2020年春季江西省大气污染物所呈现出的变化规律,可为治理空气污染提供参考依据。空气质量与人们的生产生活息息相关,工业生产排放的废气会造成一些污染物浓度上升,使空气污染加重,江西省政府应加快调整产业结构,优化企业布局;大气污染物存在地域之间的流动,治理空气污染时,不能只考虑本区域减排措施,还需要加强区域间的联合防控,将空气污染带来的损失降到最低。

大气污染物有明显的复合特征,一种污染物的降低可能会使另一种污染物浓度升高(刘跃斌等,2021)。如O3,一方面来源于平流层的输送,另一方面是由氮氧化合物(NOx)与挥发性有机物(VOCs)通过复杂的光化学反应形成,二者变化比例不一致,可能会导致O3污染加重(赵雪等,2021),因此下一步应该定量分析不同的空间格局尺度下O3的来源,进而对O3污染进行科学有效的减排。

周滔等(2022)研究了城市形态下的空气质量变化情况,发现城市空气质量受不同的区域尺度影响较大,乡村地区空气质量明显好于城区。而江西省空气质量监测点分布在城区的较多,无法获取更多乡村地区的大气污染物浓度数据。建议均匀布设城区和乡村的监测点,加强对城区和乡村地区的空气质量对比研究,根据城区与乡村地区具体的空气质量情况来制定更准确有效的减排方案。