成都市青白江區環境空氣質量特征及趨勢分析

黃立秋, 李杏桃, 龍武林, 文志寧, 范哲銘

(1.成都市污染源監測中心青白江監測站, 四川 成都 610300; 2.四川大學 化學學院, 四川 成都 610065 )

青白江區位于四川省成都市東北部,是成都中心城區之一。青白江區成立于1960年,是國家在西南地區建設的第一個工業區,是成都市乃至四川省的重要工業中心,偏重的工業結構對生態環境有極大的影響。同時,青白江境內以平原和淺丘為主,易發生低溫、高濕、靜穩等不利于污染物擴散的氣象條件,本地源排放以及傳輸的污染物易在本地累積,從而易發生大氣污染現象[1]。為進一步改善大氣環境質量,青白江區緊跟上級政策,快速做出響應,先后針對大氣污染防治推出一系列制度規定,比如《成都市青白江區重污染天氣應急預案》、《成都市青白江區人民政府關于劃定高排放非道路移動機械禁止使用區的通告》、《成都市青白江區人民政府關于劃定禁止露天燒烤區域的通告》等。青白江區多措并舉,縱深實施大氣污染防治工作,空氣質量有所提升,但是制約空氣質量進一步改善的內外不利因素依舊存在。因此,對青白江區環境空氣質量進行評價,研究環境空氣多尺度變化特征以及污染變化趨勢,是青白江區治理大氣污染的重要基礎。

目前,國內外許多學者在環境空氣質量這一領域開展了大量的污染特征分析、重污染過程解析、區域傳輸、污染來源與成因分析等方面的研究。例如李慧[2]等對京津冀及周邊地區“2+26”城市的大氣污染特征進行分析,探討了影響其空氣質量變化的因素。郭慶皓[3]等利用潛在源貢獻分析法和質量濃度權重分析法分析了南京市大氣污染物的質量濃度水平和污染特征,發現南京地區細顆粒物主要受周邊工業污染物傳輸影響。徐冉[4]等對2016～2017年秋冬季大氣重污染時段的顆粒物濃度、氣象要素和氣團傳輸路徑綜合分析,指出盡管近年北京市大氣環境質量持續改善,重污染過程發生頻次顯著降低,但污染強度卻在加大。茍銀寅[5]等對2013～2018年保定市的空氣質量和大氣污染物濃度進行分析,了解了保定市的大氣污染變化趨勢和污染特征。本文利用2017年1月1日～2021年12月31日成都市青白江區空氣質量國控站的環境空氣質量監測數據,基于環境空氣質量綜合指數評價法和Spearman秩相關系數法,分析青白江區大氣環境質量現狀和污染物的變化特征,致力于為提升青白江區環境空氣質量和制定大氣污染防治決策提供科學依據。

1 數據與方法

1.1 數據來源

成都市青白江區大氣污染物(SO2、NO2、PM10、CO、O3、PM2.5)濃度數據來源于成都環境空氣監測管理系統。本文選取了位于青白江區境內的國控技師分院點位,數據為2017年1月1日～2021年12月31日經審核后的日數據和小時數據。污染物SO2、NO2、PM10、PM2.5年評價采用濃度的年平均值,污染物O3年評價采用日最8小時滑動平均值的第 90 百分位數,污染物CO年評價采用24小時平均第95百分位數。

數據依據《環境空氣質量標準》(GB 3095—2012)和《環境空氣質量評價技術規范(試行)》(HJ 663—2013)要求進行處理。

1.2 分析方法

1.2.1 空氣質量評價法

1.2.1.1 環境空氣質量綜合指數評價

根據《環境空氣質量評價技術規范(試行)》(HJ 663—2013)要求,綜合考慮了《環境空氣質量指數(AQI)技術規定(試行)》(HJ 633—2012)中規定的:SO2、NO2、PM10、PM2.5、CO、O3六種污染物的污染程度,用環境空氣綜合指數對環境空氣質量進行描述及分析。環境空氣質量綜合指數是無量綱指數,空氣質量綜合指數值越大表明綜合污染程度越重。

(1)各項污染物的單項指數

污染物的單項指數Ii:

式中:Ci為污染物i的濃度值;Si為污染物i的年均值二級標準。

(2)空氣質量綜合指數

空氣質量綜合指數Isum:

式中:Ii為單個污染物監測得到的指數,用i的數值來區分每一項指標。

1.2.1.2 首要污染物分析

將每月首要污染物天數繪制成月歷圖,通過觀察不同顏色,可以了解各月份空氣質量主要污染物,可以更清晰地掌握空氣質量情況,根據首要污染物情況,可針對性開展防控措施。

目前各國及地區的反貪法的結構形式可以分成三種類型:第一類是按章、節、條文排列的結構形式;第二類是只按條文順序排列的結構形式;第三類是按一、二、三順序排列的結構形式。作為一部具有宏觀指導意義的法律，我國的《反腐敗法》應是一部對反腐敗實體法和程序法、本法的效力、反腐敗機構、舉報、調查、偵察權限、證據制度、起訴、審判、預防等內容分別作出立法規定的重要法律，因此宜用第一種類型作為本法的結構形式。

1.2.2 Spearman秩相關系數

Spearman秩相關系數是一種無參數(與分布無關)的檢驗方法,兩個變量之間沒有必然聯系,不存在線性關系?！爸取?可以理解成一種順序或者排序,是根據原始數據的排序位置進行求解,取消了計算Pearson相關系數時的限制。因此,在實際應用中,變量間的連接是無關緊要的,計算時只考慮變量之間排序的序號,可以通過簡單的步驟計算被觀測的兩個變量的等級差值。

式中:γs為Spearman秩相關系數;n為時間周期數量;xi為周期i按時間排序的序號;yi為周期i內污染物濃度按數值升序排序的序號。

將所計算的秩相關系數γs的絕對值同Spearman秩相關系數統計表中的臨界值ωp比較。當時|γs|≥ωp,表明變化趨勢有顯著意義。γs為正值時,指標為上升或加重趨勢;γs為負值時,指標為下降或好轉趨勢。當|γs|≤ωp時,表示變化沒有顯著意義,說明在評價時段內空氣質量變化平穩。

利用Spearman秩相關系數計算大氣污染物年平均濃度變化趨勢,有利于從定量的角度更好地判斷污染物濃度的變化情況,較人工判別更加嚴謹、可靠。

2 結果與討論

2.1 主要污染物濃度情況

2017～2021年青白江區主要污染物濃度情況見表1和圖1。研究期間,污染物CO年均濃度在0.9～1.3 mg·m-3的范圍內,CO年均濃度變化較為穩定。污染物SO2年均濃度在7～13 μg·m-3的范圍內,年均濃度呈下降趨勢。污染物NO2年均濃度在30～41 μg·m-3的范圍內,年均濃度呈下降趨勢。污染物PM2.5年均濃度在32～46 μg·m-3的范圍內,最大濃度46 μg·m-3,出現在2018年,最小濃度為32 μg·m-3,出現在2020年;2017年至2019年,污染物PM2.5濃度大幅度下降,2019～2021年濃度呈波動變化,2021年較2020年濃度上升3.12%。污染物PM10年均濃度在50～74 μg·m-3的范圍內,最大濃度74 μg·m-3,出現在2018年,最小濃度為50 μg·m-3,出現在2019年,污染物PM10和污染物PM2.5變化趨勢相似,2021年較2020年、2019年分別上升2.00%和4.00%。污染物O3-8H年均濃度在141～173 μg·m-3的范圍內,最大濃度173 μg·m-3,出現在2018年,最小濃度141 μg·m-3,出現在2021年,2017～2021年,O3-8H年均濃度波動較大。2017～2021年,污染物SO2、CO、NO2年均濃度呈明顯改善形勢,與青白江區大力開展道路移動源減排、工業減排工作,推進清潔能源使用(燃煤鍋爐改燃氣或改電、脫硫脫硝除塵改造、淘汰落后產能),秸稈禁燒等源頭減排措施有關[6-7]。顆粒物濃度的波動變化與近年來青白江大力開展城市建設,增加了大量點源及面源污染有一定關系[8]。污染物O3-8H是由于各類污染源排放的氮氧化物和揮發性有機物經紫外線照射發生光化學反應生成,溫度越高,越易生成,即臭氧的生成受氣象條件影響較大,而2017～2021年青白江夏季的氣溫、濕度及輻射變化較大,造成了臭氧濃度變化較大的情況[9]。

表1 2017～2021年青白江區主要污染物濃度情況

圖1 2017～2021年青白江區主要污染物濃度變化情況

在研究期間,污染物SO2、CO、PM10年均濃度已穩定達到《環境空氣質量標準》(GB 3095—2012)中二級標準。污染物NO2自2018年已穩定達二級標準,污染物PM2.5自2019年已穩定達二級標準,污染物O3-8H達標情況波動較大,2017年為達標,而2018年濃度飆升,未達標,2019年濃度有所下降,2020年濃度又有所上升,2021年濃度大幅度下降,為達標。

2.2 綜合指數情況

2017～2021年青白江區環境空氣綜合指數情況見表1和圖2,綜合指數呈逐年下降趨勢,青白江區空氣質量總體呈改善態勢。2021年達到最低值,綜合指數為3.66,2021年同比2017年下降了21.3%。

圖2 2017～2021年青白江區污染物濃度、空氣等級、綜合指數占比情況

污染物SO2綜合指數占比在3.2%～4.7%;污染物NO2綜合指數占比在20.0%～22.6%;污染物PM10綜合指數占比在18.3%～21.7%;污染物PM2.5綜合指數占比在23.9%～26.8%;污染物CO綜合指數占比在5.7%～7.7%;污染物O3-8H綜合指數占比在20.9%～26.6%。

根據各污染物的綜合指數占比情況,對綜合指數影響較大的通常是污染物PM2.5,其次為污染物O3-8H,再次為污染物NO2和PM10,污染物CO和SO2對綜合指數影響較小。根據2017～2021年環境空氣綜合指數變化情況,SO2對環境空氣質量的影響明顯是下降的,占比由2017年的4.7%下降到3.2%,此結果與二氧化硫燃煤鍋爐改燃氣或改電、脫硫除塵改造、秸稈禁燒等減排措施有極大的關系。一般情況下,污染物PM2.5為影響青白江區環境空氣質量的最大因素,2017～2021年期間,PM2.5的影響力呈波動變化,2018年相較2017年有所上升,2019年和2020年逐步下降,但是2021年影響力又有所上升,相較2020年上升了1.8個百分點。2017～2020年期間,污染物O3-8H影響占比逐年上升,2020年反超PM2.5成為影響空氣質量最大的污染物,因2021年O3-8H濃度下降,PM2.5濃度有所上升,占比有所回落。污染物NO2和PM10占比變化相對來說較為穩定,是影響青白江區環境空氣質量的第三或第四因素。綜上所述,污染物PM2.5和O3-8H在綜合指數中占比最大,是制約青白江區環境空氣質量進一步提升的主要因素,應加強污染物PM2.5和O3-8H的協同治理。

2.3 首要污染物變化情況

為直觀了解首要污染物分布月份,依據《環境空氣質量指數(AQI)技術規定(試行)》(HJ 633—2012)和《環境空氣質量評價技術規范(試行)》(HJ663—2013)規定,得出青白江區首要污染物月度分布數據見圖3。從首要污染物月度分布情況來看,PM2.5污染天較多,2017年～2021年期間,以污染物PM2.5為首要污染的天數占31.0%～38.6%,污染時間主要集中在春冬時節,尤其是11月～翌年2月;以PM10污染天為主的天較少,占比約8.90%～15.2%,分布在春冬季;以O3-8H污染天為主的天最多,占比為38.9%～44.7%,分布在春夏時節,主要集中在3～9月;以NO2污染為首要污染物的天數較少,并呈逐年減少的趨勢;已無二氧化硫和一氧化碳作為首要污染物的情況?？偟膩碚f,春冬季以PM2.5污染為主,在高濕條件下,磷酸鹽、硫酸鹽等易形成二次轉化的PM2.5,加之春冬季氣候條件較為靜穩,大氣層容易產生逆溫等現象,污染物不易擴散,污染物PM2.5容易呈累積態勢。春夏時節以O3-8H污染為主,主要是因為在高溫、低濕、高輻射條件下,易生成O3-8H。綜上,2017～2021年,青白江區以PM2.5和O3-8H為首要污染物為主,污染物PM2.5和O3-8H的治理應當為大氣污染防治的主攻因素。

圖3 2017～2021年青白江區首要污染物月度分布圖

2.4 環境空氣質量變化趨勢定量分析

將2017～2021年青白江區主要污染物SO2、NO2、PM10、PM2.5、CO、O3-8H和綜合指數計算Spearman秩相關系數,當N=5,置信度為0.05, 根據Spearman秩相關系數r的臨界值表,Wp為0.900,當Spearman秩相關系數絕對值≥0.900時,有95%的置信度,認為兩個隨機變量相關,從而做出青白江區各污染物和綜合指數的秩相關系數的評價結果表,見表2。通過Spearman秩相關系數分析,發現污染物SO2、NO2和CO濃度值,以及綜合指數有明顯下降,污染物PM10、PM2.5、O3-8H濃度雖有所下降,但不具有顯著性,即2017年以來,青白江區空氣質量呈改善趨勢,但顆粒物和臭氧卻未有顯著改善趨勢。

表2 青白江區各污染物和綜合指數的秩相關系數的評價結果表

3 結論及建議

(1)根據空氣質量評價分析,青白江區空氣質量總體呈改善態勢。污染物SO2、NO2和CO濃度值呈下降趨勢,而污染物顆粒物和臭氧濃度呈波動變化;污染物PM2.5、O3-8H是青白江區綜合指數占比最大的兩項因素;同時,2017～2021年,青白江區大氣環境首要污染物以PM2.5和O3-8H為主,PM2.5污染天占比為31.0%～38.6%,主要集中在春冬時節,尤其是11月～翌年2月,O3-8H污染天占比為38.9%～44.7%,主要集中在春夏時節,尤其集中在3月～9月。

(2)根據環境空氣質量變化趨勢定量分析,污染物SO2、NO2和CO濃度值,以及綜合指數有明顯下降,污染物PM10、PM2.5、O3濃度有所下降,但不具有顯著性。

(3)綜上,污染物PM2.5、O3-8H是制約青白江區進一步提升空氣質量的關鍵因子,PM2.5和O3-8H協同治理仍就任重道遠,青白江區需加大治理力度。建議強化對顆粒物,以及臭氧前體污染物氮氧化物和揮發性有機物等的管控力度,著重管控工地揚塵、道路揚塵、工業企業排放、移動源等排放源的排放力度。一是可加強對施工揚塵管控力度。加強建筑施工、道路施工、公路項目施工、拆遷工地等揚塵污染管控工作,整治渣土車等物料運輸車輛遺撒、泄露物料等交通運輸揚塵污染問題; 二是可進一步加強運渣車和非道路工程機械等高排放移動源的監管; 三是可加強對青白江區工業企業的監管,一方面提高工業企業準入標準,嚴格控制高耗能高排放企業,新引入的規模以上企業按照A類企業進行管理,另一方面應加強對現有企業的監管,尤其是高能耗企業的關注,確保污染治理設施正常穩定運行。