蘇州初夏大氣中可吸入顆粒物的時空分布特點

郭　卉，牟子平

(蘇州科技學院環境科學與工程學院， 江蘇 蘇州 215011)

蘇州初夏大氣中可吸入顆粒物的時空分布特點

郭卉，牟子平

(蘇州科技學院環境科學與工程學院， 江蘇 蘇州 215011)

摘要：利用蘇州市2014年4月18日—5月6日空氣質量監測資料，分析了蘇州市大氣中PM10和PM2.5的小時變化規律、日變化規律及其與溫度、風速的氣象相關性，研究其在空間上的分布，探討PM10和PM2.5之間的相關性。結果表明：蘇州市大氣中PM10每小時質量濃度呈雙峰分布，上午8∶00左右和下午20∶00左右出現峰值特征，而PM2.5每小時質量濃度呈單峰分布，只在上午8∶00左右出現峰值。PM10和PM2.5的每日變化規律相似，有周期性且周期為3～4d。在空間分布上，PM10質量濃度從高到低的排列順序是：商業混合區>居民區>工業區>交通干線>遠郊區，PM2.5質量濃度為：工業區>交通干線>居民區>商業混合區>遠郊區。PM10和PM2.5兩者之間存在顯著相關性。

關鍵詞：PM2.5質量濃度；PM10質量濃度；大氣污染研究；變化特征；時空分布特點；蘇州

PM10指環境空氣中空氣動力學當量直徑≤10μm的顆粒物，也稱可吸入顆粒物[1]，其來源主要是化石燃料的燃燒、工農業生產活動等人為的活動和地表的揚塵、海洋的飛沫、火山塵等天然的過程及二次氣溶膠粒子等非均相化學反應過程等[2]；PM2.5指環境空氣中空氣動力學當量直徑≤2.5μm的顆粒物，也稱細顆粒物[1]。PM10能長時間在空氣中懸浮不沉降，是大氣中有害物質的載體，一般通過呼吸道進入人體，給人體帶來高于單一污染物的危害。由于PM2.5的粒徑比PM10的更細小，對人體的危害更大。PM2.5可以進入人體肺部，在肺泡中沉積，并進入血液循環。國外大量流行病學研究資料顯示，PM10和PM2.5濃度的上升與疾病的發病率、呼吸器官疾病發病率、心血管系統疾病發病率甚至死亡率之間都有著密切的關系[3-8]。

蘇州作為蘇南地區的工業中心，日益發展的經濟和逐漸被破壞的資源環境的矛盾越來越尖銳。據統計,2013年間蘇州空氣質量為：41d優，211d良，71d輕度污染，20d中度污染， 18d重度污染，2d嚴重污染，超標天數比例為30.6%。其中共有152d出現霾天氣[9]。除了遠距離傳輸和工業排放的顆粒物外，在空氣中的顆粒物主要來源于交通。蘇州24h PM10和PM2.5的變化特征與機動車流量和氣象條件有關，機動車排放的污染物對它的影響和貢獻很大。此外，蘇州市的工業粉塵污染對空氣影響也比較大，這是因為其有組織排放源多，但治理水平低下，無組織排放源分布廣，治理難度大。蘇州在初夏時節氣候相對比較干燥，降雨量少，不利于聚集在大氣中的可吸入顆粒物的擴散。本研究分析探討了初夏季節蘇州大氣中可吸入顆粒物的分布特點，希望為大氣污染防治提供參考。

1研究數據與獲取方法

1.1監測點位

本文采用蘇州市環保局網站中蘇州市環境空氣質量信息發布系統(http://222.92.77.250/huimaiGis/)公布的如圖1所示的20個長期定點自動監測子站的監測數據，其中包括彩香、軋鋼廠、南門、上方山(清潔對照點)、吳中區環保局(下簡稱吳中區)、蘇州新區實驗中學(下簡稱新區)、蘇州工業園區星海學校(下簡稱工業園區)、相城區、吳江環保局、吳江進修學校、吳江開發區、常熟海虞、常熟菱塘、常熟興福、太倉監測站、太倉科教新城實小、昆山實驗小學、昆山震川中學、張家港監測站和張家港城北小學。該系統對蘇州市市內及其4個縣級市的環境空氣開展例行監測，采用地面自動監測系統進行24h連續監測。

1.2空間分布

依據PM2.5和PM10在空間上分布的不同，將蘇州20個監測點按照所在位置的功能區分為5類：交通干線區、工業區、商業混合區、居民區和遠郊區，詳見表1。

表1　按監測點所在位置的功能區分類

功能區交通干線工業區商業混合區居住區遠郊區監測點彩香南門工業園區高新區吳中區相城區軋鋼廠上方山,吳江環保局,吳江進修學校,吳江開發區,常熟海虞,常熟菱塘,常熟興福,太倉監測站,太倉科教新城實小,昆山實驗小學,昆山震川中學,張家港市監測站,張家港城北小學

表2　各功能區PM10監測情況

2結果與討論

2.1PM10的變化特征及其影響因素

在5組監測點中,商業混合區和居民區大氣環境中的顆粒物PM10的污染非常嚴重, 其他區中以遠郊區的污染最為嚴重。由此可知, 蘇州大氣中PM10的污染不容樂觀。在空間分布上, 5組PM10污染情況基本為工業區<交通干線<遠郊區<居民區<商業混合區。商業混合區PM10的污染最為嚴重，主要是由于商業混合區人流量大,導致機動車流量也大，排出的尾氣和載氣帶來的地表灰塵多。遠郊區大氣中PM10的濃度應該是相對于其它功能區最低的，但卻不盡然，這說明遠郊區也要重視控制大氣污染的工作。雖然蘇州的工業園區中有各種工廠，排放的廢氣可能含有大量PM10, 煤和其他化石燃料的不完全燃燒也排放大量的PM10，但是由于蘇州對工業園區內各廠的排污要求比較高，所以蘇州工業區大氣的PM10污染并沒有想象中的嚴重。在交通干線區,雖然大氣中PM10的污染并不算特別厲害，但也不能忽視。

2.1.1PM10日平均濃度變化規律

圖2顯示，五個功能區的PM10質量濃度走勢在這19d 基本相同，但濃度有一定的差異。商業混合區和居民區的PM10質量濃度高于其他功能區，這是因為這兩個功能區的人為作用比較大，影響因素多且復雜，導致質量濃度變化較大。剩下三個功能區每天的PM10質量濃度相似，只有幾天的濃度值不同；所有功能區監測點的波動性都比較大。在5月2日這天，所有功能區的PM10質量濃度值相對于前后幾天有明顯的上升，PM10的上升幅度在1～2倍，全部功能區的PM10濃度都超過了《環境空氣質量標準》的二級標準，這是由于5月1日—3日是五一小長假，出行的人數增多,導致車輛行駛增加，所以PM10濃度上升，由此也可以看出PM10的濃度與交通正相關。

2.1.2PM10小時平均濃度變化規律

以時間為橫坐標，PM10的每小時平均質量濃度為縱坐標繪制成圖，獲得各功能區每小時平均濃度變化曲線(圖3)。遠郊區PM10每小時平均濃度走勢相較其他地區比較平緩，其余四個功能區的走勢基本相似，而且都有兩個峰值，基本都是前一個峰值(8∶00-10∶00)比后一個峰值(20∶00-22∶00)低1/2，在早上9∶00左右，其質量濃度達到一個峰值，然后開始下降，并在夜間21∶00左右，其質量濃度達到另一個峰值，此后其質量濃度又開始下降，到次日3∶00左右下降到比較低的值，呈現較明顯的雙峰變化趨勢。由于商業混合區和居民區人流比較大，情況比較復雜，導致PM10排放的因素較多，所以質量濃度高于其它功能區。交通干線是由于平日車流量大，汽車尾氣的排放量大，所以PM10的濃度高。工業區相對其他功能區，政府在治理上更容易，且監控也比較方便，所以相對的，PM10的質量濃度較低。

2.1.3PM10特殊日期分析

由于2014年5月1日—3日為國家法定假日，出行的人相對平時較多，車輛的行駛也相應增加，所以在此期間PM10的質量濃度明顯上升，并且遠大于前幾天的平均值。從圖2可以看出，五一期間這20個監測點的PM10濃度無一例外比五一前后明顯增大0.5～1倍，說明汽車尾氣、馬路揚塵等交通污染對PM10濃度有較大的影響。

2.2PM2.5的變化特征及其影響因素

PM2.5污染的空間分布與PM10不盡相同。從表3可以看出, PM2. 5污染情況基本為遠郊區<交通干線<商業混合區<居民區<工業區。相比于PM10，蘇州工業區的PM2.5濃度最大，這是由于工業區受到了化石燃料燃燒產生的影響，說明工業園區對于工廠排放含粒徑<10μm顆粒物的氣體的整治效果比較好，但對控制工廠對大氣排放含粒徑<2.5μm顆粒物的氣體的效果就相對較差。與PM10相比, 居民區的PM2.5質量濃度高于商業混合區PM2. 5質量濃度，這可能是由于在居民區除了車輛較多, 車輛排放的尾氣多之外，居民區本身也比較擁擠，人流量比較大，車流量自然也就相對大起來，所以污染程度就重；而交通干線PM2.5的污染主要是由于大量車輛排放的尾氣；遠郊區的PM2.5濃度是5個功能區內最低的，相對于其它功能區，遠郊區的車流量沒有這么大，空氣質量相對較好，但也需要重視。

表3　各功能區PM2.5監測情況

2.2.1PM2.5日平均濃度變化規律

圖4顯示，工業區處的PM2.5質量濃度高于其他功能區，其次是居民區，最低的是遠郊區。5個功能區的PM2.5質量濃度波動都比較大,變化的趨勢也比較相似，這可能是與氣象因素有關。由于工業區的工廠較多，排放含PM2.5微粒的氣體，所以工業區PM2.5較高；居民區相對其他區影響因素多且復雜, 導致質量濃度也較大；其他功能區質量濃度基本相似；遠郊區的質量濃度最低，是由于遠郊區相對于其他區域人流量不大，環境比較單一，所以PM2.5的質量濃度最低。

2.2.2PM2.5小時平均濃度變化規律

以時間為橫坐標，PM2.5的每小時平均質量濃度為縱坐標繪制成圖，可得各功能區每小時平均濃度變化曲線，見圖5。

由圖5可以看出，遠郊區PM10每小時平均濃度走勢較其他地區比較平緩，其余四個功能區的走勢基本相似，而且都只有1個峰值，該峰值在 8∶00左右，隨后其質量濃度開始下降，到17∶00左右下降到最小值，又開始上升，而且在夜間上升的幅度比較小，曲線趨向于平緩，呈現較明顯的單峰變化趨勢。工業區比其他區的PM2.5質量濃度都高，這是因為工業區內的工廠比較多，工廠在作業過程中，如化石燃燒等會產生大量的PM2.5。交通干線、商業混合區、居民區PM2.5的質量濃度不管是走勢還是值都差不多，這是因為商業混合區、居民區的人流比較大，交通干線的車流量也大，所以PM2.5的質量濃度比遠郊區的要高。

2.3PM10和PM2.5日均濃度與溫度、風力的關系

將蘇州的日均PM10和PM2.5質量濃度、溫度和風力綜合分析，利用SPSS計算得PM10和PM2.5與溫度和濕度的Pearson相關系數如表4所示。

從表4可以看出，PM10與溫度和風力在0.01的置信水平上(雙尾)顯著相關，并且PM10與溫度呈正相關，與風力呈負相關。PM10與溫度的相關性達到0.679，說明大氣溫度對PM10的影響非常顯著。PM2.5與溫度和風力在0.01的置信水平上(雙尾)顯著相關，并且PM2.5與溫度呈正相關，與風力呈負相關。PM2.5與風力的相關性在-0.521，說明風力對PM2.5的影響比較顯著，但溫度對PM2.5的影響并不是特別顯著。

表4　PM10和PM2.5分別與溫度、風速的Pearson相關系數

注：*表示在0.01的置信水平上(雙尾)相關性顯著。

注：**表示在0.01的置信水平上(雙尾)相關性顯著。

2.4PM10和PM2.5統計相關性檢驗

以蘇州功能區為例，研究蘇州PM2.5和PM10的相關性。運用統計分析軟件SPSS對收集的5組功能區數據進行統計分析，得出Pearson簡單相關系數如表5所示。交通干線、工業區、商業混合區、居民區、遠郊區的PM2.5和PM10呈顯著相關性，而且全部都呈正相關性，所有PM2.5和PM10的相關系數都在0.76以上，說明所有功能區的PM2.5和PM10的質量濃度都具有一定相關性。

2.5PM10和PM2.5回歸分析

以PM2.5作為因變量，將5個功能區的大氣顆粒物PM10和PM2.5的日質量濃度做線性回歸，結果如圖6～圖10所示。

交通干線、工業區、商業混合區、居民區和遠郊區的回歸方程分別是PM2.5=0.457×PM10(t值為5.037，P=0<0.05)、PM2.5=0.463×PM10(t值為4.866，P=0<0.05)、PM2.5=0.425×PM10(t值為7.186，P=0<0.05)、PM2.5=0.419×PM10(t值為6.224，P=0<0.05)、PM2.5=0.450×PM10(t值為7.104，P=0<0.05)，PM2.5對PM10的載荷分別為45.70%、46.30%、42.50%、45.7%、45.00%，回歸分析結果說明所有功能區的可吸入顆粒物都以PM10為主，但是PM2.5和PM10的比例相差并不大，所以蘇州環保部門應該對兩種顆粒物都加以控制。

3 結論

本文以江蘇省蘇州市監測站所監測的大氣顆粒物PM10和PM2.5的數據為研究對象，對影響其日平均質量濃度變化，每小時平均質量濃度變化，空間分布等因素進行分析研究，得出如下結論：

(1) 2014年4月18日—5月6日，蘇州大氣中的PM10和PM2.5日平均質量濃度分別為：0.082mg/m3、0.050mg/m3。在20個監測點中，有6個監測點的PM10超標了2d，10個監測點超標了1d，只有4個監測點沒有超標；只有2個監測點的PM2.5沒有超標，5個監測點超標了1d，7個監測點超標了2d，5個監測點超標了3d，有1個監測點超標了4d。可以看出空氣中細顆粒物污染比較嚴重。

(2) PM10的每小時質量濃度變化呈雙峰分布，分別處在上午8∶00-10∶00以及下午20∶00-22∶00兩個時間段；PM2.5的每小時質量濃度日變化基本呈單峰分布，其峰值在早上8∶00-10∶00，然后其質量濃度開始下降，到下午17∶00左右達到最低值，繼而又開始上升。PM10和PM2.5的日平均濃度變化都呈周期性變化，周期約為3～4d。

(3) PM10和PM2.5質量濃度超標基本上都聚集在勞動節小長假5月1日—5月3日。五一長假外出人數比較多，人流量大，車流量大，造成PM10和PM2.5的排放增大，導致其超標，說明PM10和PM2.5的污染源之一是汽車排放。

(4) 蘇州大氣中的PM10和PM2.5都存在一定的空間分布規律。PM10質量濃度從高到底為：商業混合區>居民區>工業區>交通干線>遠郊區；PM2.5質量濃度從高到底為：工業區>交通干線>居民區>商業混合區>遠郊區。可以看出PM10和PM2.5的空間分布不相同。

(5) PM10和PM2.5的質量濃度變化都與氣象條件有關。PM10和PM2.5的質量濃度變化都與風力呈負相關，與溫度呈正相關，而且PM10與溫度的Pearson相關性達到0.679，說明其與溫度相關性非常顯著，風力和溫度是影響PM10和PM2.5質量濃度的因素之一。

(6) PM10和PM2.5兩者存在顯著的相關性，且蘇州大氣污染以PM10為主，但PM2.5的質量濃度比例有增加的趨勢。

參考文獻：

[1]國家環保局.GB3095-2012中華人民共和國國家標準環境客氣質量標準[S].北京：中國環境科學出版社，2012.

[2] 余曄，夏敦勝，陳雷華，等.蘭州市PM10污染變化特征及其成因分析[J].環境科學，2010,31(1)：22-28.

[3] DNANY H，OSCAR B，GERARD H，et al. PM10and PM2.5concentrations in Central and Eastern Europe: results from the CESAR study[J]. Atmospheric Environment,2001(35)：2757-2771．

[4] Dockery D W，Pope C A III，Xu X，et al． An association between air pollution and mortality in six u. s. cities [J]. N Engl J Med, 1993(329): 1753-1759．

[5] Pope C A, Thun M J, Namboodlrl M M，et al. Particulate air pollution as a predictor of mortality in a prospective study of u. s. adults[J]. Am J Respir Crit Care Med,1995(151): 669-674．

[6] Victor H，Borjab A，Margarita C, et al. Mortality and ambient fine particles in southwest Mexico city，1993 -1995[J]. Environmental Health Perspectlves, 1998,106(12): 849-854．

[7] Hornberg C，Maciulevlclute L，Seemayer N H，et al． Induction of sister chromatid exchanges(SCE) in human tracheal epithelial cells by the fractions PM10 and PM2.5 of airborne particulates[J]. Toxicol Lett，1998(96/97):215-220．

[8] Arden P C，Randy W H，Martln G V． Particulate air pollution and daily mortality on Utah’s wasatch front[J]． Environmental Health Perspectives，1999, 107(7):567-573．

[9] 楊翼，蔣琪. 蘇州2013年空氣質量情況：超標天數比例為30.6%[EB/OL]. http://env.people.com.cn/n/2013/1231/c1010-23986283.html

The Characteristics of Temporal and Spatial Distribution of Inhalable Particles

in the Atmosphere of Early Summer in Suzhou City

GUO Hui, MOUZi-ping

(School of Environmental Science and Engineering, Suzhou University of Science and

Technology, Suzhou Jiangsu 215011 ,China)

Abstract：The changes of hourly PM10and PM2.5in the air every day and their correlations with weather in Suzhou were analyzed using the data of air quality in Suzhou City from April 18th to May 6th in 2014. Their distribution was explored as well as the correlation between PM10and PM2.5. The results showed that there were two peaks of hourly PM10every day. The first peak appeared about 8∶00 am and the second happened around 8∶00 pm. So it was bimodal. However, the hourly PM2.5concentration was unimodal since only one peak appeared about 8∶00 am. The changes of daily PM10and PM2.5were similar. They were periodic during the period of 3-4d. In addition, the spatial distribution of PM10was in the order of business mixing zone> residential> industrial zone> transportation Route> outer suburbs. Nevertheless, the spatial distribution of PM2.5was in the order of industrial zone> transportation route> residential> business mixing zone> outer suburbs. PM10and PM2.5indicated a significant correlation.

Key words：PM10concentration；PM2.5concentration；air pollution; variation characteristics; Suzhou

中圖分類號：X51

文獻標志碼：A

文章編號：1673-9655(2015)04-0033-09

通信作者：牟子平(1964-)，男，博士，教授，碩士生導師，研究方向：環境規劃、環境生態學、城市生態保護與建設。

收稿日期：2014-12-11