深圳市PM2.5濃度變化及污染輸送特征分析

陳嘉曄+李仕平+游泳+李紅霞+林麗衡+劉波

摘要：根據2015年1～12月深圳市11個大氣自動監測國控站點PM2.5小時濃度監測數據，結合氣象站小時觀測數據，采用Correl相關系數法、玫瑰圖等分析了深圳市PM2.5濃度的污染分布與輸送遷移特征。結果顯示： 2015年深圳市主導風向為NNE（東北偏北風），風向頻率為12.3%，全年PM2.5平均濃度為29.8 μg/m3，整體季節平均濃度特征均表現為冬季>秋季>春季>夏季；PM2.5與露點、能見度呈顯著負相關，相關系數分別為-0.517與-0.540，與海平面氣壓、溫度呈明顯的實相關，相關系數為0.439、-0.411，與風向、風速、相對濕度為微相關；深圳吹海風時，參照年均值標準，PM2.5污染發生概率為22.7%，且發生秋冬季海風型PM2.5污染時PM2.5平均濃度可高達50.6 μg/m3。主導風型下的PM2.5污染事件占全年PM2.5污染事件的61.1%，且風速大于3 m/s時PM2.5污染發生事件占比僅為6.26%；2015年全年西北陸風、主導風、海風氣團輸送情景下的PM2.5平均濃度分別為40.1、35.8和26.2 μg/m3，冬季時西北陸風輸送通道下的PM2.5平均濃度整體上明顯高于海風、東北偏北陸風輸送通道。

關鍵詞：細顆料物PM2.5；污染玫瑰；輸送通道；深圳

中圖分類號：X51 文獻標識碼：A 文章編號：1674-9944（2017）2-0034-05

1 引言

近年來，城市空氣細顆粒物（PM2.5）成了近年來公眾最關注問題之一[1，3]。PM2.5光吸收和光散射作用可直接導致較低的大氣能見度，引起灰霾現象。珠江三角洲地區是典型的城市群集聚區，以細顆粒物和臭氧為典型的區域性復合污染備受國內外關注[4，5]。

PM2.5作為一種綜合性污染物，目前國外對PM2.5污染特征[6，7]、PM2.5濃度預測[8，9]等方面的研究較多，如Paul D. 等[8]使用數學插值法對PM2.5的年度濃度進行模擬和預測，預測效果良好；Chu-Chih Chen等[9]聯合經典統計學方法計算時間趨勢和地統計學方法建立一個時空模型來預測PM2.5的濃度。目前國內沿海城市PM2.5相關研究多集中在灰霾[10～12]、能見度特征[13～15]、PM2.5化學組成[16]等方面，如林云等[14]利用深圳市2007年全年逐時能見度、PM2.5質量濃度和相對濕度觀測數據，在分析大氣消光機理及其影響因素的基礎上確立了能見度與PM2.5之間的基本模型關系，較好地反映了深圳市大氣能見度與PM2.5之間的定量相關關系；徐偉嘉[4]等人采用地統計學方法定性、定量分析了珠三角區域PM2.5的時空變異特征，發現珠三角區域的PM2.5分布差異主要由區域結構影響所致，且南北方向的PM2.5變化大于其他方向；云慧等[16]發現深圳市PM2.5總體污染程度表現為秋冬高、夏春低以及西高東低的特點，且深圳西部地區受一次源排放影響更為顯著。目前對具備典型沿海特征的城市PM2.5污染變化、影響因素及其輸送遷移特征的研究較為缺乏，亟需開展新《環境空氣質量標準》（GB 3095-2012）下PM2.5濃度變化及污染輸送特征的相關研究。

該研究選取我國典型沿海城市深圳市，利用2015年1～12月深圳市11個國控站點的PM2.5監測數據，結合氣象觀測數據，對深圳市PM2.5的特征從氣象影響要素、季節差異、沿海污染輸送通道特征等多個角度展開分析研究，旨在掌握PM2.5污染特征，以期為空氣質量監測、預報預警等管理部門提供相關參考依據。

2 研究方法

2.1 監測站點及數據來源

本文使用的2015年深圳市及其11個大氣自動監測國控站點大氣污染物（包括SO2、CO、NO2、PM2.5、PM10和O3）日均與小時PM2.5監測數據來自中國監測總站數據發布平臺（http：//106.37.208.233：20035/）。氣象觀測站（22.55°E，114.02°N）的同期氣象觀測資料（包括風向、風速、溫度、相對濕度等）取自中央氣象臺觀測數據（http：//www.nmc.cn/）。

2.2 Correl相關系數分析法

CORREL相關系數是兩個測量變量之間關聯變化程度的指標，用來確定兩個測量值變量是否趨向于同時變動，即一個變量的較大值是否趨向于與另一個變量的較大值相關聯（正相關）；或者一個變量的較小值是否趨向于與另一個變量的較大值相關聯（負相關）；或者兩個變量的值趨向于互不關聯（相關系數近似于零）。CORREL統計函數相關系數標準為：R在0～0.3之間為微相關，R在0.3～0.5之間為實相關，R在0.5～0.8之間為顯著相關，R在0.8～1.0之間為高度相關[17]。Correl相關系數計算為：

Correl（X，Y）=∑（x-）（y-）∑（x-）2∑（y-）2（1）

式中Correl（X，Y）為污染物濃度相關系數，x，y為污染物濃度，、為污染物平均濃度。

3 結果與討論

3.1 全年氣象與污染特征分析

2015年深圳市風玫瑰圖[18]如圖1所示。深圳市全年平均風速1.9m/s，年主導風向為NNE（東北偏北風），風向頻率為13%，其次為NE（東北風）和ENE（東北偏東風），風向頻率均為12%，三個風向平均風速均為1.9m/s。本研究選取的氣象監測站（22.55°E，114.02°N）全年平均風速約1.6 m/s，較全市值[18]偏低16%。年主導風向為NNE（東北偏北風），風向頻率為12.3%，其次是 ENE（東北偏東風）、SW（西南風）和NE（東北風），風向頻率分別為 12.2%、12.1%和10.7%，平均風速分別為 1.6 、1.9和1.6 m/s，與圖1全市情況整體均較為接近。

2015年深圳市及華僑城站點PM2.5日均、小時時序變化圖如圖2所示。華僑城PM2.5濃度變化與全市變化趨勢一致，華僑城、深圳市PM2.5全年平均值分別為30.4、29.8 μg/m3，華僑城站點春夏秋冬四季PM2.5平均濃度分別為23.9、18.5、33.7與45.3μg/m3。深圳市春夏秋冬四季PM2.5平均濃度分別為25.1、18.4、32.9與43.0 μg/m3。整體季節平均濃度特征均表現為冬季>秋季>春季>夏季。后續采用上述氣象監測站，結合深圳各大氣監測站點污染觀測數據綜合分析PM2.5污染輸送特征。

3.2 Correl相關系數分析

選取2015年深圳市華僑城等站點，采用常規污染物小時濃度與氣壓、風向、風速、露點、溫度、能見度、相對濕度等氣象因子計算CORREL相關系數，結果如表1所示。華僑城PM2.5與露點、能見度呈顯著負相關，相關系數分別為-0.517和-0.540，與氣壓、溫度呈明顯的實相關，相關系數為0.439、-0.411，與風向、風速、相對濕度為微相關。站點角度而言，觀瀾站較華僑城具備相似相關特征，但可能由于距離氣象觀測站較華僑城遠，因子間相關系數略低于華僑城。污染物角度而言，PM10表現出與PM2.5相似的相關特征。此外發現，NO2與氣壓、能見度分別呈現明顯的正、負實相關。CO與露點、溫度、能見度呈明顯的負實相關。

3.3 深圳市PM2.5污染玫瑰分析

采用污染玫瑰圖，將風向角度分為16方位，2015年深圳市PM2.5小時濃度分析結果如圖3所示。針對深圳地理位置，結合全年深圳風、區域污染源分布特征，將氣團輸送通道分為海風（E、ESE、SE、SSE、S）、西北陸風（WNW、NW、NNW）、主導風（N、NNE、NE、ENE）通道三大類，三類輸送通道各占全年通道約26.5%、6.3%和45.5%。由圖3可知，2015年深圳市全年PM2.5污染多發生在主導風（N、NNE、NE、ENE）氣團通道輸送情景，且主導風氣團輸送通道較偏南向海風通道更易發生PM2.5污染。

基于空氣質量新標準，年均值以35 μg/m3為界，非污染（小時濃度≤35 μg/m3）與污染（小時濃度>35 μg/m3）情景下的深圳市PM2.5污染玫瑰圖如圖4所示。當深圳吹海風時，PM2.5不發生污染與發生污染的比例為3.4∶1，即污染發生概率為22.7%，且秋冬季海風型PM2.5污染占全年海風型PM2.5污染總數的74.5%，發生秋冬季海風型PM2.5污染時PM2.5平均濃度可高達50.6 μg/m3。結合圖4右圖可知，2015年深圳市主導風型下發生的PM2.5污染事件（小時濃度>35 μg/m3）占全年PM2.5污染事件的61.1%，且主導風型下風速大于3 m/s時PM2.5污染事件發生率較低，僅為6.26%。

3.4 PM2.5污染輸送特征分析

各類氣團輸送通道下，不同風速下的華僑城PM2.5平均濃度、最大值濃度特征分析如表2所示。結果表明：2015年全年西北陸風、主導風、海風氣團輸送情景下的PM2.5平均濃度分別為40.1、35.8、26.2 μg/m3，且風速小于1 m/s時，各輸送通道下PM2.5平均濃度表現為西北陸風（51.7 μg/m3）>主導風（42.1 μg/m3）>海風（34 μg/m3）。風速大于1 m/s時，陸風輸送氣團的PM2.5平均濃度明顯高于海風，但西北、主導風來源的污染氣團PM2.5平均濃度差異不明顯。秋、冬季而言，冬季整體PM2.5污染高于秋季，秋季1～2 m/s風速下的三類輸送通道PM2.5平均濃度差異較大，為西北陸風（46.4 μg/m3）>主導風（37.7μg/m3）>海風（29.0 μg/m3）。冬季風速小于2 m/s時，海風輸送通道下的PM2.5平均濃度甚至略高于主導風型PM2.5平均濃度，整體上西北陸風輸送通道下的PM2.5平均濃度明顯高于海風、主導風通道

4 結論

（1） 2015年深圳市主導風向為NNE（東北偏北風），風向頻率為12.3%，全年PM2.5平均濃度為29.8 μg/m3，整體季節平均濃度特征均表現為冬季（43.0 μg/m3）>秋季（32.9 μg/m3）>春季（25.1 μg/m3）>夏季（18.4 μg/m3）。

（2）深圳市華僑城PM2.5與露點、能見度呈顯著負相關，相關系數分別為-0.517與-0.540，與海平面氣壓、溫度呈明顯的實相關，相關系數為0.439、-0.411，與風向、風速、相對濕度為微相關。

（3）當深圳吹海風時，PM2.5污染發生概率為22.7%，且秋冬季海風型PM2.5污染占全年海風型PM2.5污染總數的74.5%，發生秋冬季海風型PM2.5污染時PM2.5平均濃度可高達50.6 μg/m3。2015年深圳市主導風型（N、NNE、NE、ENE）PM2.5污染事件（小時濃度>35 μg/m3）占全年PM2.5污染事件的61.1%，且風速大于3 m/s時PM2.5污染發生事件占比僅為6.26%。

（4）2015年全年西北陸風、主導風、海風氣團輸送情景下的PM2.5平均濃度分別為40.1、35.8和26.2 μg/m3，且秋季1～2m/s風速下的三類輸送通道PM2.5濃度差異較大，為西北陸風（46.4 μg/m3）>東北偏北陸風（37.7 μg/m3）>海風（29.0 μg/m3）。冬季風速小于2m/s時，海風輸送通道下的PM2.5平均濃度甚至略高于主導風型PM2.5平均濃度，整體上西北陸風輸送通道下的PM2.5平均濃度明顯高于海風、主導風通道。

參考文獻：

[1]Wang L， Jang C， Zhang Y， et al. Assessment of air quality benefits from national air pollution control policies in China. Part I： Background， emission scenarios and evaluation of meteorological predictions[J]. Atmospheric Environment， 2010， 44（28）：3449～3457.

[2]Wang X， Wang W， Jie L I， et al. Urban Dust Pollution and its Research of Control Method in China[J]. Environmental Science & Technology， 2014.

[3]ARMIENTO G， INGLESSIS M， TAGLIANI S M， et al. A comprehensive approach to the investigation of atmospheric particulate PM2.5： preliminary results[J]. Periodico Di Mineralogia，2013，82（1）：199～216..

[4]徐偉嘉，何芳芳，李紅霞，等. 珠三角區域PM2.5時空變異特征[J]. 環境科學研究，2014（9）：951～957.

[5]朱倩茹，劉永紅，徐偉嘉，等. 廣州PM2.5污染特征及影響因素分析[J]. 中國環境監測，2013（2）：15～21.

[6]Schnelle-Kreis J， Sklorz M， Orasche J， et al. Semi volatile organic compounds in ambient PM2.5 seasonal trends and daily resolved source contributions[J].Environmental Science & Technology， 2007， 41（11）：3821～3828.

[7]Sullivan A P， Holden A S， Patterson L A， et al. A method for smoke marker measurements and its potential application for determining the contribution of biomass burning from wildfires and prescribed fires to ambient PM2.5 organic carbon[J].Journal of Geophysical Research-Atmospheres， 2008， 113（D22）：3821～3828.

[8]SAMPSON P D， RICHARDS M， SZPIRO A A， et al. A regionalized national universal kriging model using Partial Least Squares regression for estimating annual PM2.5 concentrations in epidemiology[J]. Atmospheric Environment， 2013（75）： 383～392.

[9]CHEN C C， WU C F， YU H L， et al. Spatiotemporal modeling with temporal-invariant variogram subgroups to estimate fine particulate matter PM2.5 concentrations[J]. Atmospheric Environment，2012（54）：1～8.

[10]何 俊，張 麗，張立杰. 基于自動站資料的深圳灰霾特征對比分析[J]. 中國環境監測，2013（6）：39～43.

[11]楊 琳，楊紅龍，陳嘉曄，等. 深圳地區灰霾分布特征及預警、預報方法探討[J]. 環境科學學報，2012（12）：3065～3072.

[12]馮加武，彭曉武，許振成，等. 珠三角地區2005-2009年灰霾天氣污染水平分析[J]. 環境科學與技術，2012（11）：75～78.

[13]王明潔，朱小雅，陳申鵬. 1981～2010年深圳市不同等級霾天氣特征分析[J]. 中國環境科學，2013（9）：1563～1568.

[14]林 云，孫向明，張小麗，等. 深圳市大氣能見度與細粒子濃度統計模型[J]. 應用氣象學報，2009（2）：252～256.

[15]楊毅紅，瞿 群，劉隨心，等. 夏季珠江三角洲地區PM2.5化學組分特征及其對大氣能見度的影響[J]. 環境科學，2015（8）：2758～2767.

[16]云 慧，何凌燕，黃曉鋒，等. 深圳市PM2.5化學組成與時空分布特征[J]. 環境科學，2013（4）：1245～1251.

[17]陳 魁. 天津市空氣質量時間變化規律及相關性分析[J].中國環境監測，2007，23（1）：50～53.

[18]深圳市氣象局. 深圳市氣候公報2015年[R].深圳：深圳市氣象局，2015.

Distribution and Transfer Characteristics of PM2.5 in Shenzhen

Chen Jiaye1， Li Shiping1， You Yong1， Li Hongxia2， Lin Liheng1， Liu Bo1

（1.Shenzhen Environmental Monitoring Center， Shenzhen， Guangdong 518049， China；

2. Institute of Advanced Technology， Sun Yat-sen University， Guangzhou， Guangdong510275， China）

Abstract： Based on the PM2.5 hourly monitoring data from 11 sites of Shenzhen in 2015， the distribution and transfer characteristic of PM2.5 was analyzed with Correl correlation coefficient method and pollution rose. The results showed： 1） the dominant wind direction of Shenzhen was NNE wind in 2015， and the wind direction frequency of NNE was 12.3%. Meanwhile， the annual average PM2.5 concentration of Shenzhen was 29.8μg / m3， the overall average concentration characteristics of each season were expressed as winter> autumn > spring> summer. 2） PM2.5 has a significant negative correlation with dew-point temperature and visibility， the correlation coefficients were -0.517 and -0.540 respectively. Furthermore， the PM2.5 concentration showed obvious correlation with pressure and temperature， the correlation coefficients were 0.439 and -0.411， respectively. There was a weak correlation between PM2.5 and wind direction， wind speed and relative humidity. 3） The probability of PM2.5 pollution with sea-wind type （E、ESE、SE、SSE、S） was 22.7%， and the PM2.5 average concentration of PM2.5 pollution accidents in the autumn and winter was 50.6μg/m3.The proportion of PM2.5 pollution （> 35μg/m3） happened under the scenes of dominant wind type （N， NNE， NE and ENE） was 61.1%. When the wind speed was greater than 3m/s， the proportion of PM2.5 pollution was only 6.26%. 4） The average PM2.5 concentrations with NW-type （WNW、NW、NNW）， dominant wind type and sea-wind type were 40.1， 35.8 and 26.2μg/m3. In the winter， the average PM2.5 concentrations with NW-type was much higher than that of dominant wind and sea-wind type.

Key words： PM2.5； pollution rose； delivery channel； Shenzhen