佛山市路邊測點PM2.5質量濃度變化特征研究

黃艷玲

(廣東省佛山市環境監測中心站，廣東 佛山 528000)

?

佛山市路邊測點PM2.5質量濃度變化特征研究

黃艷玲

(廣東省佛山市環境監測中心站，廣東 佛山 528000)

摘要：對2014年1月1日至2014年12月31日灣梁、惠景城兩個監測點位的PM2.5、PM10、SO2、NO2、O3、CO六項污染物小時濃度，作為居民點和路邊點代表進行了數據分析。分析結果發現：受氣象條件季節變化影響，路邊點和居民點PM2.5、PM10、SO2、NO2、CO濃度均為秋冬季較高，夏季最低，而O3則為夏秋季最高。2014年路邊點PM2.5月均濃度最高值和最低值分別出現在1月和8月，濃度值分別為97 μg/m3和22 μg/m3，比居民點高出22.2 %和10.2 %。2014年各月份路邊點PM2.5/PM10在50.0 %～82.8 %。路邊點PM2.5濃度與當天PM10濃度相關系數最高，其次為NO2、SO2、CO。與前兩天、前三天的各種污染物濃度相關性不強，與前一天的PM2.5、PM10和NO2存在一定的相關性。路邊點因離交通源更近，PM2.5濃度與NO2濃度相關關系更明顯。在不同濕度范圍內，路邊點和居民點PM2.5濃度和大氣能見度存在近似于冪函數的減函數關系。

關鍵詞：PM2.5；路邊點；居民點；能見度

1引言

隨著城市化的快速發展，環境污染問題，特別是大氣污染問題開始備受廣泛關注[1，2]。多項研究發現：PM2.5濃度對大氣能見度有重要影響[3，4]，我國于2012年由國家環保部頒發的最新環境空氣質量標準《環境空氣質量標準》(GB3095-2012)，明確規定了PM2.5的24 h平均濃度標準和年均濃度標準，并要求2016年全國實施。細顆粒物(PM2.5)作為《環境空氣質量標準》(GB3095-2012)的變革代表性污染物，目前社會各界均開展了廣泛的研究。但過去對PM2.5的研究主要采用人工采樣的方式，研究樣本量少，缺少長期連續性的數據，對于PM2.5濃度變化特征難以把握，針對城市主干道附近的PM2.5濃度變化特征分析也較少。隨著新環境空氣質量標準的實施，不少城市已經逐步開展PM2.5在線實時監測，通過積累的數據展開相關的數據分析和挖掘。楊復沫等[5]對北京市城區和居住區的PM2.5濃度季節變化特征進行研究；王文錚等[6]對上海市靜安區PM2.5濃度變化趨勢進行分析；吳兌等[7]分析了珠三角地區PM2.5長期變化趨勢及灰霾天氣出現的時段特征。

佛山市位于珠江三角洲中部偏西，比鄰廣州西面，受地形和氣象條件的影響PM2.5污染在區域內相對較高，影響整體空氣質量水平和空氣質量綜合指數排名[8]。在實施環境空氣質量新標準后，隨著大量的監測站點逐步開展擴項，累積大量的PM2.5監測數據，對海量數據進行數據挖掘和分析，探尋PM2.5污染變化規律，以及與不同污染物之間的相關關系，對空氣質量的評價和重污染預報預警有重要的意義。本文以2014年佛山市內居民區內和路邊兩種類型的監測點位監測所得的PM2.5、PM10、SO2、NO2、O3、CO小時質量濃度數據進行分析，探究不同類型地區PM2.5質量濃度變化特征，以及與不同污染物濃度之間的相關關系。

2監測網絡及數據

2.1數據來源

本研究所使用的數據資料來源于佛山市空氣質量實時發布平臺所發布的2014年1月1日至2014年12月31日灣梁、惠景城兩個監測點位的PM2.5、PM10、SO2、NO2、O3、CO六項污染物小時濃度。灣梁位于中心城區的居民區內，能有效代表居民區空氣質量變化及特征。惠景城測點位于城市主干道汾江南路旁，作為路邊監測站點的代表。

2.2監測方法

各監測站點均按照粵港澳珠三角區域空氣質量監測網絡[9]標準進行質量控制及質量管理，PM10、PM2.5監測儀均采用β射線法進行監測，O3分析儀采用紫外吸收法進行監測，NO2分析儀化學發光法分析儀，SO2為紫外熒光法分析儀，CO為紅外吸收法分析儀。監測的質量控制和質量保證措施均符合《珠江三角洲區域空氣監控網絡QA/QC手冊》[12]相關規定進行，符合監測標準。

2.3監測數據統計方法

本研究按《環境空氣質量標準》(GB3095-2012)中對數據有效性的相關規定進行數據統計和計算，按照二類功能區所應符合的二級標準進行評價分析。

3結果與分析

3.1PM2.5與其他污染物濃度的時間變化特征

3.1.1PM2.5與不同污染物濃度時間變化

從2014年路邊點和居民點PM2.5平均濃度與PM10、SO2、NO2平均濃度，以及O3日最大8 h平均濃度第90百分位數，CO日均濃度第95百分位數月變化對比分析發現：路邊點和居民點PM2.5、PM10、SO2、NO2、CO濃度時間變化特征一致，均為秋冬季較高，夏季最低，而O3則為夏秋季最高。這與氣象條件季節變化特征有關，秋冬季節，靜穩天氣多發，太陽輻射減弱大氣垂直對流活動平緩，污染物容易囤積不易擴散，而夏季大氣垂直對流活動強烈，大氣混合層較高，降雨量大，有利于污染物的擴散稀釋和沉降，空氣質量較好。O3除受擴散條件好壞影響外，其生成受太陽輻射強度影響，嶺南地區夏秋季太陽輻射較強，為O3產生提供了有利條件(圖1)。

圖1　路邊點和居民點PM2.5與其他污染物濃度時間變化

2014年路邊點和居民點PM2.5月均濃度最高的月份均為1月，最低均為8月，PM10、SO2、NO2、CO濃度最高和最低的出現月份也一致。路邊點PM2.5月均濃度最高值和最低值分別為97 μg/m3和22 μg/m3，比居民點(88 μg/m3和18 μg/m3)高出22.2 %和10.2 %。NO2和CO也有所偏高，機動車尾氣排放氮氧化物和CO，氮氧化物通過化學轉化為PM2.5，而路邊點更接近污染源，故污染物濃度更高。

3.1.2PM2.5/PM10時間變化

PM2.5/PM10表明了細顆粒物在顆粒物中的比重，因細顆粒物更多來源與二次化學生成，PM2.5/PM10一定程度上反映了二次污染來源的特征。2014年各月份路邊點PM2.5/PM10在50.0 %～82.8 %，居民點在55.0 %～79.6 %。居民點PM2.5/PM10月變化較為平緩，路邊點PM2.5/PM10月變化相對較大。除了2014年1月較為特殊的情況外，路邊點和居民點PM2.5/PM10均為秋冬季較高，夏季較低，與秋冬季多出現由氣象條件影響的區域污染有關，污染物通過區域傳輸并在傳輸過程中發生二次反應生成PM2.5(圖2)。

圖2　路邊點和居民點PM2.5/PM10時間變化

3.2PM2.5與不同污染物濃度及能見度的相關性分析

3.2.1PM2.5與不同污染物濃度相關性分析

為輔助大氣PM2.5濃度的預測預報，分析PM2.5日均濃度與PM10、SO2、NO2、CO日均濃度，O3日最大8 h平均濃度的相關關系，以及其與前一天、前兩天、前三天PM10、SO2、NO2、CO日均濃度和O3日最大8 h平均濃度的相關關系。相關系數統計如表1。路邊點PM2.5濃度與當天PM10濃度相關系數最高，其次為NO2、SO2、CO。居民點PM2.5濃度相關系數最高的依次為PM10、SO2、NO2、CO。路邊點和居民點PM2.5濃度與前兩天、前三天的各種污染物濃度相關性不強，與前一天的PM2.5和PM10濃度有一定相關性。路邊點PM2.5與前一天的NO2也存在一定的相關性。路邊點因受交通源影響更大，PM2.5濃度與NO2濃度相關關系更明顯。

3.2.2PM2.5與能見度

PM2.5對大氣有消光作用，PM2.5濃度變化特征與大氣能見度變化存在近似冪函數的關系。通過對路邊點和居民點在不同濕度條件下，PM2.5濃度與大氣能見度的關系擬合發現：在不同濕度范圍內，路邊點和居民點PM2.5濃度和大氣能見度存在近似于冪函數的減函數關系，如圖3。

表1　路邊點和居民點PM2.5與其他污染物濃度相關關系分析

圖3　路邊點和居民點PM2.5與大氣能見度變化特征

4結論

(1) 受氣象條件季節變化影響，路邊點和居民點PM2.5、PM10、SO2、NO2、CO濃度時間變化特征一致，均為秋冬季較高，夏季最低，而O3則為夏秋季最高。2014年路邊點PM2.5月均濃度最高值和最低值分別出現在1月和8月，濃度值分別為97 μg/m3和22 μg/m3，比居民點高出22.2 %和10.2 %。

(2) 2014年各月份路邊點PM2.5/PM10在50.0 %～82.8 %，居民點在55.0 %～79.6 %。路邊點PM2.5/PM10月變化幅度相對較大。

(3) 路邊點PM2.5濃度與當天PM10濃度相關系數最高，其次為NO2、SO2、CO。與前兩天、前三天的各種污染物濃度相關性不強，與前一天的PM2.5和PM10濃度有一定相關性，與前一天的NO2也存在一定的相關性。路邊點因受交通源影響更大，PM2.5濃度與NO2濃度相關關系更明顯。

(4) 在不同濕度范圍內，路邊點和居民點PM2.5濃度和大氣能見度存在近似于冪函數的減函數關系。

參考文獻：

[1]Koch M. Airborne fine particalates in the environment: a review of health effect studies, monitoring data and emission inventories[R]. Laxengurg, Austria: IIASA, 2000.

[2]Panyacosit L. A review of particulate matter and health: focus on developing countries[R].Laxengurg, Austria: IIASA, 2000.

[3]Christoforou C S, Salmon L G, Hannigan M P, et al. Trends in fine particle concentration and chemical composition in southern California [J]. Jounal of Air & Waste Management Association. 2000. 50: 43～53.

[4]Chan Y C. Simpson R W, et al. Characterization of chemical species in PM2.5and PM10aerosols in Brisbane, Australia [J]. Atmospheric Environment, 1997(31): 3773～3785.

[5]楊復沫,賀克斌,馬永亮,等. 北京PM_(2.5)濃度的變化特征及其與PM_(10)、TSP的關系[J]. 中國環境科學,2002(6):27～31.

[6]王文錚. 上海市靜安區PM_(2.5)濃度變化特征及其與PM_(10)的關系[J]. 北方環境,2013(25):129～131.

[7]吳兌,劉啟漢,梁延剛,等. 粵港細粒子(PM_(2.5))污染導致能見度下降與灰霾天氣形成的研究[J]. 環境科學學報,2012(6):2660～2669.

[8]佚名.廣東省城市環境空氣質量狀況(2015年)[EB/OL].[2016-01-22].http://www.gdep.gov.cn/news/xwfb/201601/t20160122_208971.html.

[9]廣東省環境保護監測中心站,珠江三角洲區域空氣監控網絡QA/QC手冊[R].廣州:廣東科技出版社,1992.

[10]宋國君，郭美瑜，尹貴斌.城市空氣質量管理滿意度評估方法及案例研究[J].環境污染與防治，2011(9).

[11]趙娜，劉曉慧，郭蕊，等.河北省2013年1月與2014年1月大氣污染對比分析[J].綠色科技，2016(10).

[12]梁廣秋.影響空氣質量的氣象條件分析[J].綠色科技，2016(8).

[13]諶均.廣安市大氣污染現狀及防治措施[J].綠色科技，2016(9).

[14]石全英.津南區環境空氣質量狀況和對策探討[J].綠色科技，2016(4).

[15]唐紅軍，張凱，楊永樂，等.遂寧市大氣污染現狀與影響因素分析[J].綠色科技，2015(4).

收稿日期：2016-05-10

基金項目：佛山市科技發展專項資金項目(編號：2012AA100741)；佛山市科技計劃項目(編號：2015AB004381)

作者簡介：黃艷玲(1984—)，女，碩士，主要從事環境空氣質量監測及數據分析，預警預報工作。

中圖分類號：X823

文獻標識碼：A

文章編號：1674-9944(2016)12-0135-04

Analysis on the PM2.5ConcentrationVariation Characteristics of Roadside Station in Foshan

Huang Yanling

(FoshanEnvironmentalMonitoringCenterStation,GuangdongFoshan528000,China)

Abstract:In this paper, we analyzed six pollutions (PM2.5,PM10,SO2,NO2,O3andCO) concentration data from two monitoring stations Wanliang and Huijingcheng, which were used as the resident stationand the roadside stationrepresentatives, between January 1, 2014 and December 31, 2014.For the seasonal variation of meteorological conditions,PM2.5,PM10,SO2,NO2and CO concentrations of roadside station and residential stationwere higher in autumn and winter, the lowest in summer, while O3was the highest in summer and autumn. In 2014, the highest and lowest values of PM2.5concentration ofroadside stationwere found in January and August, which were 97μg/m3 and 22μg/m3, 22.2% and 10.2% higher than that of residential station. In 2014,PM2.5/PM10of the roadside stationwas between 50% and 82.8%. The concentration of PM2.5and PM10was the strongest correlation, followed by NO2SO2and CO in the same day. There was a correlation between the concentration of PM2.5, PM10and NO2 in yesterday and concentration of PM2.5, but there isn’t correlationbetween the concentration of the other pollutants in the day before yesterday and concentration of PM2.5. Because the roadside station was closer to the traffic source, the correlation between the concentration of PM2.5and NO2 was more obvious. In different humidity range, the PM2.5concentration and the atmospheric visibility were similar to the power functionof the roadside station and residential station.

Key words:PM2.5; roadside station; residential station; atmosphericvisibility