霾天氣下我國6城市PM2.5污染水平相關性及影響因素分析

楊　磊， 楚明浩， 杜曉軒

(中原工學院，鄭州 450007)

?

霾天氣下我國6城市PM2.5污染水平相關性及影響因素分析

楊磊， 楚明浩， 杜曉軒

(中原工學院，鄭州 450007)

我國城市PM2.5污染存在空間分布差異，在霾天氣下，需對其空間分布關系作進一步研究。本文對2015年冬季我國6個城市PM2.5污染數據進行Pearson相關性分析，并探討主要影響因素。結果表明：入冬后由于大面積采暖，北方城市的PM2.5污染明顯高于南方；季風氣候對各地PM2.5污染有影響；建筑施工面積與PM2.5污染有明顯的相關性；經濟結構與各城市PM2.5污染的相關性不明顯。

PM2.5；霾；相關性；影響因素

隨著城市化進程加快，我國大氣環境污染狀況日趨嚴重，交通源、工業源、生活源等造成的空氣污染成為影響空氣質量的重要因素[1]。京津冀地區由于冬天燃煤取暖，空氣污染情況更為嚴重；沿海城市由于地理條件的關系，PM2.5污染水平相對較低[2]。目前，城市污染物來源復雜且種類繁多[3-5]。有研究表明，珠江三角洲城市間污染相互作用顯著[6]。在霾天氣條件下，對我國各地區城市間顆粒物污染空間分布及影響因素的研究十分必要和迫切。本文基于冬季我國代表性城市PM2.5污染數據、經濟發展數據、建筑施工面積數據和氣象參數數據，嘗試對樣本城市間PM2.5污染的空間分布相關性和主要影響因素展開分析。

1　材料和方法

1.1城市樣本

本文選取北部、南部、西部、東部、中部的代表性城市(分別為北京、廣州、蘭州、上海、沈陽和鄭州)為研究對象。圖1是各樣本城市地理位置。北京是中國的首都，經濟政治和文化中心，人口數量、汽車保有量以及公路里程都較高；華南城市廣州位于珠江三角洲，是中國發展較早的城市；華西城市蘭州地廣人稀，作為一個重要參照；華東城市上海位于長江三角洲，經濟繁華，人口眾多，屬港口城市，具有較高的代表性；華北城市沈陽是東北重要城市，是重工業基地，冬季采暖需求較高；華中城市鄭州位于中原腹地，地處南北交通要道的交匯處，汽車保有量、流通量、公路里程數以及人口數量均較高。

圖1　城市樣本地理位置

1.2PM2.5污染測點

采用中國環境監測總站對樣本城市測點的布局[7]，北京采集12個測點：奧體中心、昌平鎮、定陵、東四、古城、官園、海淀區萬柳、懷柔鎮、農展館、順義新城、天壇、萬壽西宮；廣州采集11個測點：番禺中學、廣東商學院、廣雅中學、花都師范、九龍鎮鎮龍、麓湖、帽峰山森林公園、市八十六中、市監測站、市五中、體育西；蘭州采集5個測點：蘭煉賓館、生物制品所、鐵路設計院、榆中蘭大校區、職工醫院；上海采集10個測點：虹口、靜安監測站、浦東川沙、浦東新區監測站、浦東張江、普陀、青浦淀山湖、十五廠、徐匯上師大、楊浦四漂；沈陽采集11個測點：東陵路、渾南東路、京沈街、陵東街、森林路、沈遼西路、太原街、文化路、小河沿、新秀街、裕農路；鄭州采集9個測點：崗李水庫、供水公司、鄭大一附院、經開區管委、市監測站、四十七中、煙廠、銀行學校、鄭紡機。

1.3數據收集

1.3.1樣本城市PM2.5污染水平

為了研究霾天氣條件下城市間PM2.5污染水平空間差異，表1列出了2014年和2015年6個樣本城市PM2.5質量濃度的年均值[7]。

表1　樣本城市近兩年PM2.5質量濃度年均值 　μg/m3

為研究6個樣本城市PM2.5污染空間分布的相關性，采集了2015年11月18日-2015年12月31日各城市PM2.5日平均質量濃度數據[8]，統計學結果如表2所示。

表2　6城市PM2.5污染數據統計學結果

1.3.2GDP和新增建筑面積

為研究樣本城市的經濟發展結構、建筑施工等因素對各城市PM2.5污染水平的影響，采集了各產業生產總值和建筑施工面積等統計數據[9-14]，結果如表3所示。

1.3.3氣候參數(風向和風速)

風力強度和風向是影響地區間PM2.5污染遷移的重要氣象參數，樣本城市風玫瑰圖如圖2所示。中國的季風氣候十分顯著，大半個中國都受季風氣候影響，以秦嶺—淮河為界，以北為溫帶季風氣候，以南為亞熱帶季風氣候。冬季風的季風源地為蒙古-西伯利亞，主導風向為偏北風。

本文對研究期間各樣本城市的風力強度和風向進行統計，以上海和鄭州兩城市為例，統計結果如表4所示。

為便于進行相關性分析，對上海和鄭州的風力和風向進行量化，根據鄭州和上海的位置關系，上海的風向為西北風時，認為鄭州風力風向對上海的影響值為1，并構建直角坐標系進行量化。為分析城市間PM2.5污染水平差異受風向風力的影響，取研究城市的PM2.5日平均質量濃度之比作為相關性分析的PM2.5污染數據，量化和比值結果如表5所示。

表3　樣本城市產值與施工面積統計數據

圖2　樣本城市風玫瑰圖

上海鄭州11月23日北3東北511月24日北3北412月1日東南3西北412月2日西北4西北412月3日西北4西北312月10日北3東北412月11日北3東北312月14日西北3西北312月15日西北3西北512月16日西北3西北312月24日北3西412月26日西南3東北412月27日北4東北5

表5　上海市PM2.5污染程度受鄭州風力及風向影響分析量化結果

注：c1表示上海PM2.5日平均質量濃度(μg/m3)；c2表示鄭州PM2.5日平均質量濃度(μg/m3)；E表示上海市PM2.5質量濃度受鄭州風力風向遷移和影響的參數量化值。

1.4PM2.5污染數據及影響因素的分析方法

通過2015年11月到12月樣本城市的58個測點，觀測各城市小時數據，求出平均值和標準差，采用SPSS 2.0統計分析軟件對數據進行線性相關分析，得到Pearson相關系數，用于進一步分析各城市數據間的相關性，得到樣本城市間PM2.5污染的空間關系。此外，根據采集的數據進一步分析經濟發展因素、建筑施工面積因素和氣候因素對各樣本城市間PM2.5污染水平的影響。

2　結　果

2.1樣本城市PM2.5污染水平

取樣本城市各測點數據的平均值和標準差，再計算樣本城市PM2.5的日平均質量濃度值，與國家標準中PM2.5的二級濃度限值[15]進行對比，結果如圖3所示。

2.2樣本城市間PM2.5污染的相關性分析

通過SPSS軟件中Pearson相關性分析模塊，對6個樣本城市間PM2.5污染相關性進行分析，結果如表6所示。

圖3　樣本城市PM2.5質量濃度日均值與國家標準限值的對比

北京廣州蘭州上海沈陽鄭州北京Pearson相關性1.0000.321*0.468**0.367*0.428**0.541**顯著性(雙側)-0.0340.0010.0140.0040.000數據量N444444444444廣州Pearson相關性0.321*1.0000.1350.2100.405**0.236顯著性(雙側)0.034-0.3830.1710.0060.122數據量N444444444444蘭州Pearson相關性0.468**0.1351.0000.1800.1590.555**顯著性(雙側)0.0010.383-0.2430.3010.000數據量N444444444444上海Pearson相關性0.367*0.2100.1801.0000.2960.126顯著性(雙側)0.0140.1710.243-0.0510.414數據量N444444444444沈陽Pearson相關性0.428**0.405**0.1590.2961.0000.302*顯著性(雙側)0.0040.0060.3010.051-0.046數據量N444444444444鄭州Pearson相關性0.541**0.2360.555**0.1260.302*1.000顯著性(雙側)0.0000.1220.0000.4140.046-數據量N444444444444

注：*表示具有一定的相關性；**表示均有顯著的相關性。

2.3樣本城市PM2.5污染與城市GDP、建筑施工面積相關性分析

通過SPSS軟件對樣本城市PM2.5與城市各產業GDP、建筑施工面積之間的相關性進行分析，結果如表7所示。

表7　樣本城市PM2.5污染與GDP、建筑施工面積相關性分析結果

2.4上海市PM2.5污染受外界風力及風向影響分析

通過SPSS軟件中Pearson相關性分析模塊，對上海市PM2.5與鄭州風力及風向相關性進行分析，結果如表8所示。

表8　上海市PM2.5污染受鄭州風力及風向影響相關性分析結果

3　討　論

數據采集期間樣本城市的PM2.5質量濃度平均值分別為：北京140 μg/m3、廣州40 μg/m3、蘭州74 μg/m3、上海72 μg/m3、沈陽96 μg/m3、鄭州132 μg/m3。根據國家標準中PM2.5二級濃度限值(75 μg/m3)可知，北京、沈陽、鄭州的PM2.5質量濃度已超過污染閾值，甚至達到重度污染。北京、廣州、蘭州、上海、沈陽和鄭州超過二級濃度限值的天數分別為26 d、4 d、23 d、15 d、28 d、28 d，分別占總天數的65.0%、10.0%、57.5%、37.5%、70.0%和70.0%，沈陽和鄭州污染天數較多。

從表6可知，北京與鄭州、蘭州、沈陽的PM2.5污染數據均有相對較高的相關性。其中，北京與鄭州的PM2.5污染數據相關性最高，常住人口數量大是一個重要原因。兩個城市均位于氣候相對干燥的北方內陸、受到更北區域的沙塵遷移的影響可能是另一重要原因。廣州與沈陽的PM2.5污染數據有較高的相關性，兩城市相近的建筑施工面積增長可能是主要原因。蘭州與北京、鄭州的PM2.5污染數據有相對較高的相關性，其中與鄭州的PM2.5污染數據相關性最高，這與蘭州和鄭州均以第二產業作為重點產業有關。上海與各城市的PM2.5污染數據均沒有明顯的相關性，這與上海終年受海洋氣候的影響有關。沈陽和北京、廣州的PM2.5污染數據均有相對較高的相關性，其中與北京PM2.5污染數據相關性最高，這與沈陽和北京冬季采暖有關。鄭州與北京、蘭州的PM2.5污染數據均有相對較高的相關性，這可能與鄭州的地理位置有關。進入冬季后，來自蘭州與北京的PM2.5遷移對鄭州的PM2.5污染具有較為明顯的影響。此外，鄭州和蘭州第二產業發展較為迅速也是影響因素。

從表7分析結果可知，樣本城市集合的PM2.5污染值與城市的建筑施工面積有明顯的相關性，與各GDP的總體相關性并不明顯，這可能與樣本城市太少有關。

從表8分析結果可知，上海市區的污染受鄭州風力和風向的影響并不明顯，這可能與鄭州和上海的地理位置過遠有關。

4　結　語

第一，我國空氣污染狀況總體為北方污染嚴重，南方污染較輕，這與入冬后北方大面積供暖有很大關系，供暖燒煤對北方顆粒物污染有很大影響。

第二，上海和廣州地區均是近海城市，受海洋季風氣候影響較大，PM2.5污染相對較低。

第三，北京、沈陽、蘭州和鄭州4地之間PM2.5污染相互影響較大，冬天的西北風向可能會增加城市間顆粒物的遷移。

第四，第二產業所占比重較大的城市容易產生較為嚴重的PM2.5污染，應當對這些城市不斷優化經濟發展結構。

[1]蘇捷，王麗，魏巍，等．2001-2011年我國城市空氣污染變化特征及分析[J]．河北工程大學學報，2012，29(4)：45-52．

[2]張吉洋，耿世彬．我國大氣環境PM2.5來源、分布、危害現狀分析[J]．潔凈與空調技術，2014，3(1)：45-50．

[3]鄭祚芳．城市化對北京霾日數影響統計分析[J]．生態環境學報，2013，22(8)：1381-1385．

[4]潘竟虎，張文，李俊峰，等．中國大范圍霧霾期間主要城市空氣污染物分布特征[J]．生態學雜志，2014，33(12)：3423-3431．

[5]熊健，曾禮祥．粵港珠三角區域空氣污染與經濟發展的動態關系[J]．廣州大學學報，2015，14(2)：6-12．

[6]王淑蘭，張遠航，鐘流舉，等．珠江三角洲城市間空氣污染的相互影響[J]．中國環境科學，2005，25(2)：133-137．

[7]中國空氣質量在線監測分析平臺．2014年1月-2015年12月PM2.5歷史數據[EB/OL]．(2015-12-31)．http://www.aqistudy.cn/historydata/．

[8]中國環境監測總站．2015年11月18日-12月31日全國城市空氣質量實施發布平臺[EB/OL]．(2016-04-30)．http://106.37.208.233:20035/．

[9]北京統計信息網.2015年第四季度GDP數據及施工面積[EB/OL]．(2016-04-30)．http://www.bjstats.gov.cn/tjsj/yjdsj/GDP/2015/．

[10]廣州統計信息網.2015年第四季度GDP數據及施工面積[EB/OL]．(2016-04-30)．http://data.gzstats.gov.cn/gzStat1/chaxun/jdsj.jsp．

[11]蘭州市統計局．2015年第四季度GDP數據及施工面積[EB/OL]．(2016-04-30)．http://tjj.lanzhou.gov.cn/tjsj_1223/．

[12]上海統計網．2015年第四季度GDP數據及施工面積[EB/OL]．(2016-04-30)．http://www.stats-sh.gov.cn/data/release.xhtml．

[13]沈陽統計信息網．2015年第四季度GDP數據及施工面積[EB/OL]．(2016-04-30)．http://www.sysinet.gov.cn/Tjsj.aspx?LM_ID=6．

[14]鄭州統計信息網． 2015年第四季度GDP數據及施工面積[EB/OL]．(2016-04-30)．http://218.28.166.155/tjww/tjsj/tjyb/A080801index_1.htm．

[15]中華人民共和國環境保護部．環境空氣質量標準 GB3095-2012[M]. 北京：中國環境科學出版社，2012．

(責任編輯：席艷君)

Correlation Analysis and Evaluation of Influencing Factors for PM2.5Pollution During Haze Days of Six Cities in China

YANG Lei, CHU Ming-hao, DU Xiao-xuan

(Zhongyuan University of Technology, Zhengzhou 450007， China )

Spatial differences of PM2.5pollution of the cities in China are apparent and remain unknown in haze days. This paper is concerned with Pearson correlation analysis of PM2.5pollution in winter of 2015 between six cities in China. Influencing factors for those correlation results are also discussed. The results show that PM2.5pollution of northern cities are apparently worse than southern cities because of high heating load in winter. Monsoon weather and construction area might be influence factors for PM2.5pollution of the cities in China. However, economic structure has no obvious effect on PM2.5pollution of those cities.

PM2.5; haze; correlation; influencing factor

2016-06-20

國家自然科學基金項目(81450022)；河南省高等學校供熱空調重點學科開放實驗室開放課題(2016HAC202)

楊磊(1974-)，男，河北衡水人，副教授，博士，主要研究方向為環境空氣質量及空氣污染控制。

楊磊：博士，副教授，中原工學院青年拔尖人才，兼任中國機械工程學會鑄造分會環境保護及安全技術委員會委員、河南省科技評價專家庫成員、河南省土木建筑學會青年學術工作委員會委員、河南省潔凈技術協會專家委員會委員等，國際期刊《Annals of Occupational Hygiene》《International Journal of Occupational and Environmental Health》《Ergonomics》特邀審稿人。主要研究方向為環境空氣質量及空氣污染控制。主持完成國家自然科學基金項目1項、河南省科技攻關計劃項目2項、河南省基礎與前沿技術研究項目1項，發表學術論文40余篇，其中SCI收錄的學術論文2篇、EI收錄的學術論文7篇，獲得省部級優秀論文獎4項，出版著作或教材3部，授權專利6項。

1671-6906(2016)04-0001-06

X513

A

10.3969/j.issn.1671-6906.2016.04.001