2017年南昌市顆粒物污染特征研究

武云霞，秦 文，徐義邦

(江西省南昌生態(tài)環(huán)境監(jiān)測中心，南昌 330038)

引 言

近年來，隨著各地經(jīng)濟的飛速發(fā)展，顆粒物一直對我國大氣環(huán)境質(zhì)量有著不可替代的影響作用。同時，顆粒污染在我國已經(jīng)逐步引起廣大人民和國家政府的

多方關(guān)注，顆粒污染是中國大氣污染主要因子之一[1]。城市之間的顆粒物污染濃度變化差異較大，造成具體原因有多方面[2-3]，其中包括城市下墊面粗糙度、地理位置、氣象條件、城市經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)、居民生活情況、城市規(guī)劃等?？偠灾绊懗鞘蓄w粒物污染的主要因素可歸結(jié)為地形、氣象條件、城市污染源排放情況3大方面。地形和氣象條件是影響城市顆粒物污染的重要外因[4-5]，城市污染源排放是重要內(nèi)因。許多研究表明：城市顆粒物濃度主要受氣象條件中風(fēng)速、濕度、降水、風(fēng)向、溫度、氣壓影響，其中顆粒物濃度與降水、風(fēng)速呈現(xiàn)負相關(guān)[6]。

目前，南昌市顆粒物污染每年相對較為嚴重的，而且對于南昌市顆粒物污染成因研究不充分。因此，本文從研究南昌市全年和季節(jié)污染特征變化分析出顆粒物與氣象因子的相關(guān)性，總結(jié)歸納影響南昌顆粒物污染主要氣象類型，進一步針對典型污染過程通過CAMx模式解析南昌市污染來源情況，彌補南昌市顆粒物污染成因的不足，為治理管控南昌市顆粒物污染提供科學(xué)的指導(dǎo)。

1 材料與方法

1.1 研究區(qū)概況

南昌市位于長江中下游，地處江西省中部偏北，鄱陽湖西南岸，經(jīng)度處于E115°27′～116°35′之間、緯度范圍位于N28°10′～ 29°11′之間，東西最長約為108km，南北最長約為121km，全市主要以平原為主，西北有少量的丘陵，東南較為平坦。全市境內(nèi)最高峰為梅嶺，海拔841.4m。南昌市屬于亞熱帶季風(fēng)氣候，日照較長，年平均氣溫17～19℃，年降水量為1 600～2 205mm，夏季受副熱帶高壓影響主要為偏南風(fēng)，冬季受西伯利亞冷高壓影響主要為偏北風(fēng)。產(chǎn)業(yè)結(jié)構(gòu)主要以農(nóng)業(yè)、工業(yè)為主，工業(yè)以冶金、紡織、機電、汽車制造等為主。

1.2 數(shù)據(jù)來源

本文所用空氣質(zhì)量數(shù)據(jù)來自南昌市環(huán)境監(jiān)測中心站提供的2017年常規(guī)自動監(jiān)測站數(shù)據(jù)，分別包括機電學(xué)校、省站、省外辦、省林業(yè)公司、林科所、京東鎮(zhèn)政府、建工學(xué)校、象湖、武術(shù)學(xué)校，監(jiān)測因子包括PM10、PM2.5、NO、NO2、NOX、SO2、CO、O3等逐小時濃度。氣象數(shù)據(jù)來源于南昌市地面觀測站常規(guī)氣象要素數(shù)據(jù)，包括氣壓，氣溫，風(fēng)向，風(fēng)速，降水和相對濕度等六項數(shù)據(jù)。CAMx模式使用網(wǎng)格化排放數(shù)據(jù)是來自2016年MEIC清單和2017年南昌市調(diào)查制作的精細化清單，氣象數(shù)據(jù)使用GFS歷史數(shù)據(jù)，來源貢獻數(shù)據(jù)是通過WRF-CAMx模式中PSOT工具模擬而來。

1.3 方法

本文基于9個國控點顆粒物觀測數(shù)據(jù)，通過使用SPSS數(shù)據(jù)分析軟件，對2017年南昌市各站點空氣質(zhì)量數(shù)據(jù)和氣象要素數(shù)據(jù)進行了日均和月均統(tǒng)計，分析了南昌市2017年空氣質(zhì)量總體特征；然后分析了空氣質(zhì)量要素和氣象要素之間的相關(guān)性，并對部分參數(shù)進行了線性回歸。此外，基于統(tǒng)計學(xué)方法分析了2017年南昌市空氣質(zhì)量的變化特征。進一步利用WRF-CAMx模式模擬解析南昌市典型顆粒物污染過程的來源分析。

2 結(jié)果分析

2.1 空氣質(zhì)量總體特征

2017年南昌市空氣質(zhì)量為優(yōu)，良，輕度污染，中度污染和重度污染日數(shù)分別為89，214，53，6，3d，分別占全年總天數(shù)的24.4%，58.6%，14.8%，1.6%和0.8%?？傮w上來說，2017年南昌市空氣質(zhì)量以優(yōu)良為主，達到83%，污染率為17%。空氣質(zhì)量達到輕度污染及以上的情況多發(fā)生在秋冬季節(jié)(圖1和表1)。

通過表1可以看出：夏季優(yōu)良天數(shù)占比最多，總共86d，而且僅有6d達到輕度污染；冬季優(yōu)良率最低，污染率最高，共11d達到中度污染以上?？傮w來看，南昌市夏季空氣質(zhì)量最好，冬季空氣質(zhì)量最差。這主要是由于夏季太陽輻射強烈，溫度較高，易于引發(fā)強對流活動，整體氣象條件有利于污染物的稀釋和擴散，而冬天冷空氣過境后，往往由冷高壓控制，大氣層結(jié)穩(wěn)定，導(dǎo)致逆溫層形成，從而不利于污染物的擴散，從而導(dǎo)致污染物在冬季累積。

圖1 2017年南昌市AQI等級日歷圖Fig.1 Nanchang AQI grade calendar in 2017

表1 2017年南昌市每月空氣質(zhì)量等級天數(shù)統(tǒng)計Tab.1 Statistics on the number of days of monthly air quality level in Nanchang in 2017

通過對2017年南昌市PM10和PM2.5濃度求月均值可以看出(圖2)：冬季，PM10和PM2.5濃度普遍較高，而春季PM10濃度較高，夏季PM10和PM2.5濃度均最低。

圖2 2017年南昌市PM10和PM2.5濃度月均值Fig.2 Monthly mean values of PM10 and PM2.5 concentrations in Nanchang, 2017

2.2 2017年南昌市顆粒物與氣象條件分析

許多學(xué)者研究了空氣質(zhì)量和氣象條件之間的關(guān)系，認為：氣象條件的變化對空氣質(zhì)量具有明顯的影響。在某種程度上，氣象條件會影響污染物的擴散，同時還決定了大氣對污染物的擴散和輸送作用。本文利用線性回歸方法研究氣象條件和大氣污染物之間的線性關(guān)系。本文主要利用2017年南昌市空氣質(zhì)量觀測數(shù)據(jù)和氣象要素觀測數(shù)據(jù)研究PM10和PM2.5與相對濕度和溫度之間的相關(guān)性。

2.2.1 PM10及PM2.5與相對濕度之間的相關(guān)性分析

通過皮爾遜相關(guān)性分析方法對2017年各月份PM10及PM2.5與相對濕度進行相關(guān)性分析，表2相關(guān)性分析結(jié)果顯示，PM2.5和相對濕度的皮爾遜相關(guān)系數(shù)為-0.554，PM10和相對濕度的皮爾遜相關(guān)系數(shù)為-0.692，均呈現(xiàn)為負相關(guān)關(guān)系；顯著性在0.05到0.07級別，兩組數(shù)據(jù)均存在線性相關(guān)關(guān)系，PM10和相對濕度的相關(guān)性較為顯著。利用線性回歸方法對其進行分析，圖3結(jié)果可以看出：PM10和PM2.5月均濃度和相對濕度月均值之間呈現(xiàn)明顯的負相關(guān)性。已有研究表明：不同季節(jié)，顆粒物濃度和相對濕度之間存在不同的相關(guān)性。在冬季，通常顆粒物濃度和相對濕度之間存在正相關(guān)，相對濕度的增加會促進顆粒物的聚集，導(dǎo)致顆粒物濃度升高，而在夏季，顆粒物濃度和相對濕度之間沒有明顯的相關(guān)性。

表2 PM10和相對濕度、PM2.5和相對濕 度間的皮爾遜相關(guān)性分析Tab.2 Pearsoncorrelation analyses between (a) PM10 and relative humidity (b) PM2.5 and relative humidity (μg/m3)

圖3 (a) PM10和相對濕度 (b) PM2.5和 相對濕度間的線性回歸分析Fig.3 Linear-regression analysis between (a) PM10 and relative humidity (b) PM2.5 and relative humidity

2.2.2 PM10及PM2.5與溫度之間的相關(guān)性分析

研究表明：氣溫隨著海拔高度的增加而減小，這有利于熱力環(huán)流的形成，為空氣的上升運動提供了有利條件，在一定程度上增強了污染物的擴散和稀釋能力。天氣條件的變化會導(dǎo)致溫度出現(xiàn)變化，在溫度變化過程中可能會出現(xiàn)逆溫層，而逆溫層的出現(xiàn)不利于熱力環(huán)流的形成，從而阻礙了空氣的上升運動，降低了氣象條件對污染物擴散能力，從而加劇了污染物的累積，導(dǎo)致污染加強。

通過皮爾遜相關(guān)性分析方法對2017年各月份PM10及PM2.5與溫度進行相關(guān)性分析，表3相關(guān)性分析結(jié)果顯示，PM2.5和平均溫度的皮爾遜相關(guān)系數(shù)為-0.857，PM10和平均溫度的皮爾遜相關(guān)系數(shù)為-0.788，呈現(xiàn)負相關(guān)關(guān)系；顯著性在0.01級別，兩者存在線性相關(guān)關(guān)系，且相關(guān)性顯著。通過線回歸分析方法對兩組數(shù)據(jù)進行線性相關(guān)性分析，圖4結(jié)果顯示：2017年P(guān)M2.5和PM10與溫度間的相關(guān)系數(shù)分別達到了0.747 4和0.634 1，呈現(xiàn)明顯的線性相關(guān)關(guān)系；從圖中可以看出隨著溫度的升高，PM10和PM2.5的濃度在逐漸降低，表明，污染物濃度與月平均氣溫呈現(xiàn)明顯的負相關(guān)，氣溫的升高有利于污染物的擴散和稀釋，降低空氣中污染物的濃度。

產(chǎn)生這一現(xiàn)象的主要原因是：地面溫度的上升會導(dǎo)致大氣層結(jié)不穩(wěn)定，有利于產(chǎn)生對流運動。對流運動的增強，為污染物的向上擴散提供了有利條件，從而降低了近地面PM10和PM2.5等顆粒物的濃度，降低了污染的強度。

表3 PM2.5和溫度、PM10和 溫度間的皮爾遜相關(guān)性分析Tab.3 Pearson correlation analysis between PM10 and temperature, PM2.5 and temperature (μg/m3)

圖4 (a) PM2.5和溫度 (b) PM10和溫度間的線性回歸分析Fig.4 Linear-regression analysis between (a) PM10 and temperature (b) PM2.5 and temperature

2.3 2017年南昌市一次顆粒物典型污染過程分析

2.3.1 氣象影響分析

2017年11月5日～11月11日出現(xiàn)了兩次比較嚴重的污染過程，在此期間顆粒物濃度都維持在較高水平。通過圖5可以發(fā)現(xiàn)：11月5日，風(fēng)速相對較強，風(fēng)向以偏北風(fēng)為主，PM10和PM2.5濃度相對較低，11月6日，風(fēng)速降低，PM10和PM2.5濃度出現(xiàn)小幅上升；11月6日夜間，風(fēng)速降低，風(fēng)向逐漸轉(zhuǎn)為偏南風(fēng)，相對濕度增加，溫度降低，導(dǎo)致PM10和PM2.5濃度開始升高；11月7日中午，風(fēng)速開始增強，風(fēng)向以西南風(fēng)為主，PM10和PM2.5濃度開始下降，隨后風(fēng)速逐漸平穩(wěn)，11月8日，風(fēng)向轉(zhuǎn)為偏北風(fēng)，顆粒物濃度變化幅度較小。11月9日夜間，由于風(fēng)速增強，相對濕度降低，溫度升高，導(dǎo)致顆粒物濃度出現(xiàn)小幅下降，隨后風(fēng)速開始下降，溫度也逐漸降低，相對濕度開始升高，有利于顆粒物的聚集，導(dǎo)致PM10和PM2.5濃度進一步升高。11月10日中午開始，風(fēng)速增強，相對濕度增大，而溫度變化幅度較小，并且有較大的降水，顆粒物濃度開始清除。

本次污染過程中，風(fēng)速變化和顆粒物濃度變化有較好的負相關(guān)關(guān)系，短時的風(fēng)速降低會造成對應(yīng)時段顆粒物濃度累積上升；11月5日風(fēng)速較大時，對應(yīng)時段PM10和PM2.5均較低，5日夜間至6日風(fēng)速減小，對應(yīng)時段PM10和PM2.5濃度開始出現(xiàn)較同步的上升；同樣的，在風(fēng)向轉(zhuǎn)變不大的情況下，每一次風(fēng)速的降低都會對應(yīng)出現(xiàn)一次顆粒物濃度上升過程，主要包括11月8日夜間至9日凌晨、9日夜間至10日凌晨、11日凌晨這幾個時段。

圖5 2017年11月5日～11月12日南昌市顆粒物污染與氣象變化Fig.5 Changes of particulate matter pollution and meteorology in Nanchang from November 5 to November 12,2017

2.3.2 CAMx模擬典型污染過程細顆粒物來源

針對南昌市2017年11月5～11日的細顆粒物重污染過程，通過搭建精細化CAMx模式解析南昌市細顆粒物來源情況(圖6、圖7)。根據(jù)本次污染過程PM2.5每小時的濃度劃分為不同污染等級，通過污染過程小時濃度污染等級時長分布統(tǒng)計(圖8)顯示，本次污染過程污染時段占比相較多于優(yōu)、良時段；通過模式模擬解析結(jié)果為本次污染過程省外主要來自安徽省、浙江省、江蘇省、山東省、海洋等地區(qū)，省內(nèi)貢獻主要來自南昌本地、上饒、九江、景德鎮(zhèn)、宜春等城市。其中在輕度污染到重度污染時段省外主要來自安徽、浙江、江蘇、山東、海洋地區(qū)，省內(nèi)主要來自南昌本地、上饒、宜春；在優(yōu)到良時段PM2.5省內(nèi)來自上饒貢獻相較污染時段增多，省外安徽對南昌市的貢獻相較污染時段減少了；整體來看，南昌市PM2.5不同污染等級情況下均以南昌本地貢獻為主。

圖6 2017年11月5日～11日周邊 各省對南昌市PM2.5貢獻Fig.6 Contribution of PM2.5 from neighboring provinces to Nanchang City from November 5 to November 11, 2017

圖7 2017年11月5日～11日江西省內(nèi) 各市對南昌市PM2.5貢獻Fig.7 Contribution of PM2.5 from neighboring provinces to Nanchang City from November 5 to November 11, 2017

圖8 2017年11月5日～11日PM2.5小時 濃度污染等級的時長分布Fig.8 The duration distribution characteristics of hourly pollution level from November 5 to November 11, 2017

3 結(jié) 論

3.1 2017年南昌市空氣質(zhì)量以優(yōu)良為主，達83%。空氣質(zhì)量達到輕度污染及以上的情況多發(fā)生在秋冬季節(jié)，春夏季空氣質(zhì)量相對較好。

3.2 PM10和PM2.5月均濃度和相對濕度月均值之間呈現(xiàn)明顯的負相關(guān)性。

3.3 顆粒物濃度與月平均氣溫呈現(xiàn)出明顯的負相關(guān)，氣溫的升高有利于污染物的擴散和稀釋。

3.4 2017年11月5日～11月11日是2017年南昌市顆粒物污染較為嚴重的一次污染過程，形成本次污染原因主要為風(fēng)速較小、風(fēng)向為北風(fēng)，氣壓較低、濕度較低，短時的風(fēng)速降低會造成對應(yīng)時段顆粒物濃度累積上升；內(nèi)外源貢獻模擬顯示，污染過程期間，南昌市細顆粒物以南昌本地貢獻為主，污染時段省外主要來自安徽、浙江、江蘇、山東、海洋地區(qū)，省內(nèi)主要來自南昌本地、上饒、宜春。

3.5 氣象條件對顆粒物短時濃度變化影響較大，在風(fēng)速小，濕度大，溫度低，降水少等氣象條件下，擴散和沉降條件較差，不利于顆粒物濃度下降，易出現(xiàn)顆粒物污染過程。