2015—2019年天津市大氣污染物時空變化特征及成因分析

沈楠馳，周丙鋒*，李珊珊，趙文慧，王麗麗，董潔，趙文吉*

1.首都師范大學資源環境與旅游學院，北京 100048；2.北京市環境保護科學研究院，北京 100037；3.北京市環境保護監測中心，北京 100048

伴隨著經濟的快速發展，城市化進程的不斷推進，大氣污染問題日益嚴重。大氣污染已成為影響人民生活和社會經濟發展的嚴重阻礙（李慧娟等，2018；穆泉等，2013）。近年來，中國許多城市都受到霧霾污染的嚴重困擾，特別是在京津冀地區、長三角地區和珠三角地區等經濟發達的地區（He et al.，2017）。嚴重的空氣污染不僅會影響空氣質量和能見度，還會對人體健康產生嚴重威脅，主要表現為呼吸系統疾病、心腦血管疾病、心理健康問題、肺癌和夭亡等（楊維等，2013；Gao et al.，2017）。此外，也有新的研究表明大氣污染對于感冒疾病的發生也有影響（楊絲絮等，2018）。世界衛生組織（WHO）指出環境空氣污染造成每年大約300萬人死亡，并影響到世界所有地區（WHO，2016）。中國的空氣質量標準（GB 3095—2012）（環境保護部，2012）規定環境空氣污染物基本項目包括 SO2、NO2、CO、O3、PM10和PM2.5。其中的氣態污染物除了會影響人體健康，也會對區域生態環境和全球氣候變化產生重要影響（Jenkin et al.，2004）。

天津市作為中國北方重要的經濟中心、港口城市，又是老牌的工業城市，其空氣質量問題一直備受關注。近年來，學者對天津市大氣污染的變化特征、時空分布和源解析進行了廣泛的研究（陳臣等，2017；么相姝等，2018；趙輝等，2016；王莉莉等，2011；Wang et al.，2018；Wang et al.，2019）。例如，陳臣等（2017）對短時間尺度下、短期管控下的天津市大氣污染變化特征進行了分析，發現減排期間污染物質量濃度降低明顯，燃煤、工業和揚塵源控制效果顯著。王莉莉等（2011）對天津市小區域（濱海新區）秋冬季的大氣污染特征進行分析，發現濱海新區秋冬季大氣污染比較嚴重，隨 11月采暖開始污染增強，其中 12月份污染最重。Wang et al.（2018）對京津冀地區單一PM2.5污染的時空分布進行了研究，研究表明，時間尺度上，PM2.5質量濃度逐年下降，呈現冬季高、夏季低的特點；空間尺度上，平原地區比山區變化更明顯，整體呈現南部高、北部低的特點。

目前，這些研究僅局限于短時間周期、小范圍區域和單一污染物的研究，對于多污染物大尺度范圍時空變化特征的研究尚有欠缺，不利于對天津市大氣環境狀況的深層次認知。另外已有研究表明，多污染物的污染研究和評價對于保障當地居民健康也有著積極意義（秦耀辰等，2019）。因此，本研究基于2015—2019年天津市的PM2.5、PM10、SO2、CO、NO2和O3監測數據，在不同時空尺度上，系統分析了其質量濃度的時空變化特征，以期對天津市“煤改氣”、“煤改電”、“供給側結構性改革”和“大氣污染防治行動計劃”實施以來取得的生態環境方面的成效加以評估，同時為今后大氣污染防控工作的開展提供科學依據。

1 材料與方法

1.1 研究區概況

天津地處華北平原北部，東臨渤海、北依燕山，位于 116°43′—118°04′E，38°34′—40°15′N 之間。全市下轄16個區，有山地、丘陵和平原3種地形，總面積11966.45 km2，平原區約占93%。天津市擁有中國第四大工業基地，優勢產業為電子信息、汽車、化工、冶金、醫藥。天津市的氣候屬暖溫帶半濕潤季風性氣候，四季分明。

1.2 數據來源

本研究所使用的空氣質量數據（PM2.5、PM10、SO2、CO、NO2和O3）為中國環境監測總站的全國城市空氣質量實時發布平臺（http://106.37.208.233:20035/）發布的 2015—2019年天津市 15個環境空氣質量評價城市點的逐時監測數據。行政邊界矢量數據來自1:100萬全國基礎地理數據庫。監測站點分布如圖1所示。

1.3 數據處理

按照《環境空氣質量標準》（GB 3095—2012）（環境保護部，2012）（以下簡稱“標準”）中針對數據有效性的規定，對于部分異常數據進行剔除，并利用線性內插法（趙輝等，2020）補全被剔除數據和缺失數據，即Xn=Xp+[(n-p)×(Xq-Xp)]/(q-p)（p＜n＜q）。其中，Xn為缺失數據；Xp和Xq分別表示缺失前后的質量濃度值。對于數據缺失過多的情況，則以上年度同期數據替換。

圖1 研究區監測站點分布圖Fig.1 Distribution of monitoring sites in the study area

標準中新增了關于O3_8h質量濃度限制的要求，規定當 O3_8h_max（O3日最大 8 h滑動平均）＞160 μg·m-3時為O3超標日，因此以 O3_8h_max來判定當日的O3污染情況。PM2.5、PM10、SO2、CO和NO2的日平均值指的是一個自然日 24 h中各小時質量濃度的算術平均值；月均值指的是一個日歷月內各日均值的算術平均值；年均值指的是一個日歷年內各日均值的算術平均值。而O3_8h_max的月均值指的是一個日歷月內所有天數O3_8h_max的算術平均值，年均值指的是一個日歷年內各日均值的算術平均值。CO的月評價用該日歷月內CO 24 h平均第95百分位數，年評價用該日歷年內CO 24 h平均第95百分位數。O3的月評價用該日歷月內 O3_8h_max第90百分位數，年評價用該日歷年內O3_8h_max第90百分位數。

1.4 研究方法

首先，將2015—2019年天津市PM2.5、PM10、SO2、CO、NO2和O3的質量濃度數據沿不同時間尺度進行分析。其次，通過SPSS 25.0對各污染物進行Pearson相關性分析。最后，用該數據通過比值分析進行大氣污染物復合污染特征分析。

根據《環境空氣質量評價技術規范》（HJ 663—2013）（環境保護部，2013）的規定，對地級及以上城市，環境空氣質量評價采用國家環境空氣質量監測網中的環境空氣質量評價城市點（簡稱“國控城市點”）監測數據。天津市的國控城市點集中于天津市市區、環城四區及濱海新區。基于2015—2019年天津市國控城市點的PM2.5、PM10、SO2、CO、NO2和O36種大氣污染物的質量濃度數據，應用數學分析手段，進行徑向基函數插值分析，探討天津市 6種大氣污染物的空間分布特征。

2 結果與討論

2.1 大氣污染物的時間變化

2.1.1 年變化趨勢

2015—2019 年天津市大氣 PM2.5、PM10、SO2年均質量濃度和CO 24 h平均第95百分位數變化均呈顯著下降趨勢（圖2）。PM2.5、PM10年均質量濃度和CO 24 h平均第95百分位數的變化呈下降趨勢，表明天津大氣污染防治已初見成效，但PM2.5和PM10年均值仍超出國家年平均質量濃度標準，這說明污染防治工作仍有提高空間。已有研究表明，天津市 PM2.5的主要來源為二次源、機動車排放、工業和燃煤排放及揚塵，各主要源類貢獻濃度值均呈逐年下降趨勢；從相對貢獻分擔率來看，機動車排放、二次源和揚塵貢獻分擔率上升，工業和燃煤源的貢獻分擔率下降（肖致美等，2020）。SO2的年均質量濃度變化明顯下降，表明天津“煤改氣”、“煤改電”等環保治理工作的有效推行，也論證了治理手段的可行性。此外，SO2質量濃度的快速下降，往往與工業活動的急劇減少密切相關（Wang et al.，2018），這也顯示了天津“供給側結構性改革”行動的推進確實對改善當地生態環境有積極作用。2015—2019年天津市大氣O3_8h_max第90百分位數變化整體上呈上升趨勢，其污染問題日益凸顯，需要在未來的大氣污染防治工作中給予更多重視和關注。

圖2 2015—2019年天津市大氣污染物年際變化Fig.2 Annual Changes of Air Pollutants in Tianjin during 2015-2019

表1 2016—2018年天津市氮氧化物排放量及其分指標和民用汽車保有量Table 1 Nitrogen oxide emissions and their sub-indicators and civil vehicle holdings in Tianjin during 2016-2018

2015—2019年天津市大氣 NO2年均質量濃度變化趨勢呈單峰型，先上升后下降，其變化波動較大。表1列出了2016—2018年天津市氮氧化物排放量及其分指標和民用汽車保有量（2016年起氮氧化物排放量及其分指標按照環保部要求調整統計口徑，變化較大，與上年數據不可比，故未采信2015年相關數據；2019年相關統計數據尚未公布）（天津市統計局等，2018；天津市統計局等，2019；天津市統計局等，2020）。從表1中可以看出，天津市氮氧化物排放總量的變化與 NO2年均質量濃度變化的趨勢相一致，均為先上升后下降。從氮氧化物排放的分指標來看，天津市氮氧化物排放的主要貢獻源為工業源、城鎮生活源以及機動車排放。其中工業源和城鎮生活源的排放量均呈逐年下降趨勢，而機動車排放則與 NO2年均質量濃度變化的趨勢相一致，呈先上升后下降，并且機動車排放量占氮氧化物排放總量的比例逐年提高，機動車排放在天津市大氣 NO2污染的主要貢獻源中逐漸占據主導地位。從天津市民用汽車保有量來看，其數據逐年增高。但一方面其中新能源汽車的增長較快（天津市新能源汽車推廣應用領導小組辦公室，2019；天津日報，2019），另一方面老舊車淘汰、超標車查處以及重型柴油車管控日趨嚴格。這也正是在天津市民用汽車保有量持續走高的情況下，機動車氮氧化物排放量在 2017年出現拐點，之后開始降低的重要原因。盡管2017年后天津市大氣NO2污染年均質量濃度開始逐年下降，但2019年NO2的污染水平仍與 2015年相仿，NO2污染問題仍然亟待進一步解決。

2.1.2 月變化規律

天津市PM2.5與PM10質量濃度的月變化規律較為相似，呈現“冬高夏低”的趨勢（圖3）。這一趨勢的出現，一方面是因為隨著進入采暖期（當年11月至次年 3月），污染源排放強度增大，顆粒物（PM2.5、PM10）排放明顯增多；另一方面是冬季低溫高濕，光照強度比較弱，大氣層結構穩定，這些天氣條件不利于空氣污染的稀釋與分散（李瑞等，2020；Wang et al.，2014）。除此之外，周邊地區顆粒物的外來輸送也對天津顆粒物質量濃度的升高有所貢獻（皮冬勤等，2019）。3—5月PM10質量濃度較 PM2.5仍保持較高水平，則是由我國北方春季頻繁的沙塵天氣所致（王金艷等，2007）。已有研究表明 PM10沙塵自然來源比例高于 PM2.5，PM2.5受人為源影響更大（臧星華等，2015）。

SO2月均質量濃度在 1、2、3、11和 12月較高，4—10月較低。究其原因一方面是冬季排放源強度大、氣象條件不利于污染擴散；另一方面則是因為4—10月降水充沛，通過濕清除的途徑消減了空氣中大量的 SO2（Meng et al.，2010）。

CO質量濃度變化呈現1、11和12月高，5、6、7和8月低的現象。這一現象的成因如下：一是污染物排放源數量、排放強度冬季大于夏季；二是大氣擴散條件冬季差、夏季好；三是夏季大氣化學反應活躍，·OH濃度較高，CO“源”消“匯”長，從而使大氣中CO質量濃度降低（王占山等，2018）。

NO2月均質量濃度變化與 SO2相類似，6—8月較低，也是因為夏季降雨豐富，大氣中 NO2受降雨影響進入其他環境介質（Lee et al.，2012）。此外，NO2月均值變化幅度較其他幾種污染物小，是因為 NO2的主要排放源為機動車尾氣排放，機動車尾氣排放的月變化不明顯（魏玉香等，2009）。所以如何降低機動車尾氣排放成為減少 NO2污染的關鍵問題。

圖3 2015—2019年天津市大氣污染物月際變化Fig.3 Monthly changes of air pollutants in Tianjin during 2015-2019

O3_8h_max的月變化與其他污染物變化迥異，呈現“單峰型”。質量濃度高值出現在春末和夏季，6、7月質量濃度最高，冬季質量濃度最低。空氣中O3質量濃度與太陽輻射和 NOx光化學反應有很大關系（王鑫龍等，2020）。夏季光化學反應強，O3生成速率快；冬季顆粒物污染嚴重，一定程度上削弱了到達地表的太陽輻射，抑制了 O3的生成（Zhao et al.，2018）。除此之外，在春夏季以機動車排放源為主要貢獻源的 VOCs（烯烴和芳香烴為主）也對天津市臭氧污染有較大貢獻（高璟赟等，2020）。

2.2 污染物間及與氣象因素相關性分析

2.2.1 污染物間相關性分析

各類大氣污染物之間存在著一定的聯系，探究各類大氣污染物之間的相關性對于分析大氣污染、開展大氣治理具有重要意義。本研究利用SPSS軟件對 2015—2019年天津市各類大氣污染物的月均質量濃度進行了Pearson相關性分析，分析結果如表 2所示。通常把相關系數依 0—0.2、0.2—0.4、0.4—0.6、0.6—0.8、0.8—1.0分別劃分為無相關、弱相關、相關、強相關和極強相關5個區間（吳蒙等，2015）。

由SPSS分析結果可知，PM2.5、PM10、SO2、CO、NO2之間均為顯著正相關關系，相關系數均在 0.6以上，相關程度在強相關及以上。PM2.5與PM10相關系數為 0.840，二者相關性屬于極強相關，表明不同粒徑大小的顆粒物排放存在一定的協同性。PM2.5與CO相關系數為0.862，二者相關性屬于極強相關，表明天津市大氣污染中PM2.5與CO的貢獻或有協同性。而O3與其余5類污染物均為顯著負相關關系，其中與 NO2相關性較高，這是因為人類活動排放出的 NO2等一次污染物經光化學反應可以有效促進二次污染物O3的生成（易睿等，2015）。已有研究表明，NO2等前體污染物排放對于天津市O3污染加劇貢獻較大（余益軍等，2020）。

表2 天津市6種大氣污染物相關性分析Table 2 Correlation analysis of 6 air pollutants in Tianjin

2.2.2 污染物與氣象因素相關性分析

大氣環境具有區域性，區域空氣質量也會受到氣象條件的影響（張瑞旭等，2020）。對2015—2018年天津市各月份氣象資料（2019年數據尚未公布）（天津市統計局等，2017；天津市統計局等，2018；天津市統計局等，2019；天津市統計局等，2020）與對應階段的各類污染物月均質量濃度進行了Pearson相關性分析（表3）。

可以看出，溫度與PM2.5、PM10、SO2、NO2以及CO等5種大氣污染物均呈顯著負相關，相關性較強。溫度升高有利于大氣熱力條件增強，加劇大氣湍流交換，使得大氣的平輸送和垂直擴散能力增強，因此溫度升高有利于污染物的擴散，降低區域內污染物濃度（楊興川等，2017）。而溫度與O3呈顯著正相關，相關系數為 0.896，屬極強相關。溫度升高時有利于加速對流層光化學反應速率，促進O3前體物質間的轉化速度，進而促進O3生成（梁俊寧等，2019）。日照時長與 PM2.5、SO2、NO2及CO等4種大氣污染物均呈顯著負相關，相關性強度范圍處于弱相關到強相關之間。日照時長呈現冬季低、夏季高的特點，而在日照時長較低的冬季，大氣層結構穩定，不利于污染物的擴散，區域內污染物濃度較高。而日照時長與 O3呈顯著正相關，是因為日照充足時太陽紫外輻射強烈，該環境極有利于光化學反應生成O3（關清等，2019）。濕度和風速與天津市 6種大氣污染物之間相關性多為不顯著，相關性顯著時其相關性往往也較弱，說明濕度和風速兩個氣象條件對于天津市 6種大氣污染物的影響較小。

2.3 復合污染特征分析

不同于單一污染物的污染特征分析，比值分析是指利用不同污染物的質量濃度數據，通過二者比值的方法來分析相關的污染特征以及識別污染物來源。大氣污染物的特征分析中常用的比值分析主要有NO2/SO2和PM2.5/PM10。

NO2主要來源于汽車尾氣排放等移動源（王占山等，2015），而SO2主要來源于煤炭燃燒、發電和工業生產等固定源，通過對NO2/SO2變化的分析可以鑒別污染物來源。比值越高，表明污染物主要來自于移動源；比值越低，則表明固定源較高。除此之外，NO2/SO2還可以反映出區域抑煤控硫的效果以及汽車尾氣特征污染的相對變化。

表3 天津市6種大氣污染物與氣象因素之間相關性分析Table 3 Correlation analysis of 6 air pollutants and meteorological factors in Tianjin

2015—2018年天津市 NO2/SO2比率的變化呈持續上升的趨勢（圖4a），說明通過“煤改氣”、“煤改電”的行動開展的抑煤控硫的措施作用效果明顯，而汽車尾氣特征污染則有相對上升的趨勢（么相姝等，2018）。2018—2019年天津市NO2/SO2比率變化不大，說明天津市大氣NO2、SO2污染治理進入平臺期。此外，NO2/SO2比值逐漸走高也說明汽車尾氣排放等移動源污染相較于煤炭燃燒、發電和工業生產等固定源貢獻較高。

PM2.5/PM10比率經常被用來作為判定大氣顆粒物中細顆粒物（PM2.5）對PM10貢獻程度的重要指標（Shen et al.，2017）。2015—2019年天津市PM2.5/PM10比率的變化范圍為0.60—0.67（圖4b），雖然存在波動，但仍高于0.6，說明細顆粒物是天津市顆粒物大氣污染的主要貢獻者。2015—2019年天津市PM2.5/PM10月際比率變化中3、4、5月較低（圖4c），結合中國北方春季頻繁的沙塵天氣，說明天津市大氣顆粒物中 PM10來自沙塵這一自然來源的比例大于PM2.5。

2.4 大氣污染物的空間變化特征

基于 2015—2019年天津市國控城市點的PM2.5、PM10、SO2、CO、NO2和 O3監測數據對污染物空間分布特征分別進行分析，采用徑向基函數的方法對天津市國控城市點分布區域（天津市市區、環城四區及濱海新區）進行插值，得到2015—2019年各類大氣污染物（PM2.5、PM10、SO2、CO、NO2和O3）平均質量濃度空間分布圖（圖5—10）。徑向基函數能夠提供較好的插值效果。與反距離插值相比，徑向基函數可以預測大于或小于測量值的值（孫慧等，2017）；與克里金法相比，徑向基函數有著操作簡單、過渡平滑性好以及保證監測站點處插值結果與實際監測值一致等優點（丁卉等，2016）。

2015—2019年天津市大氣PM2.5的空間分布格局整體上呈“西高東低”（圖5）。PM2.5質量濃度變化略有波動，但整體呈下降趨勢，東西部差異逐年減小。2015—2016年天津東部沿海地區（即濱海新區核心區）大氣PM2.5質量濃度顯著下降，可能與2015年8月12日發生的“塘沽大爆炸”所導致的局部工業產業轉型有關。2015—2019年天津市大氣PM10的空間分布格局變化不大，呈現“西高東低”的分布特征（圖6）。這與天津西北方向的沙塵輸入有關。PM10質量濃度變化呈下降趨勢，東西部差異變化不大。

天津市大氣 SO2的空間分布格局在 2015—2017年呈“西高東低”的分布特征，2018—2019年呈“四周高、中間低”的分布特征（圖7）。這一空間分布格局的變化源于天津市“煤改氣”、“煤改電”和“大氣污染防治行動計劃”等一系列的燃煤污染治理活動。2015—2017年天津市大氣 SO2質量濃度下降速度快，這3年也正是上述一系列治理活動緊密開展的階段。2018—2019年天津市大氣SO2污染程度變化不大，污染分布盡管四周大于中部，但均處于較低污染水平，其污染高值地區多為城郊地區中遠離生活區的工業區。天津市大氣CO的空間分布格局在2015—2017年呈“西高東低”的分布特征，2018—2019年呈“中間高、東西兩側低”的分布特征（圖8）。這可能與天津市重污染工業企業關停、向城郊地區轉移有關。CO質量濃度逐年下降。

2015—2019年天津市大氣NO2的空間分布格局呈“中間高、南北兩側低”，也可稱之為“城鎮高、鄉村低”（圖9）。天津市市區和濱海新區核心區為兩個污染較重的區域，并且隨時間推移，天津市市區污染緩解明顯，濱海新區核心區漸成污染重點。2015—2019年天津市大氣O3的空間分布格局變化較大，整體上西部和北部地區污染較嚴重（圖10）。2015—2018年O3污染質量濃度逐年增大，且高污染地區與低污染地區之間污染程度差異逐步加大。而2019年O3質量濃度有所下降，但污染分布更加均勻，高、低污染地區間污染程度差異減小。

圖4 2015—2019年天津市大氣污染復合分析Fig.4 Compound analysis of air pollution in Tianjin in 2015-2019

圖5 天津市市區、環城四區及濱海新區大氣PM2.5年均質量濃度插值Fig.5 Interpolation of atmospheric PM2.5 average annual concentration in Tianjin urban districts, four districts around the city and Binhai new district

圖6 天津市市區、環城四區及濱海新區大氣PM10年均質量濃度插值Fig.6 Interpolation of atmospheric PM10 average annual concentration in Tianjin urban districts, four districts around the city and Binhai new district

圖7 天津市市區、環城四區及濱海新區大氣SO2年均質量濃度插值Fig.7 Interpolation of atmospheric SO2 average annual concentration in Tianjin urban districts, four districts around the city and Binhai new district

圖8 天津市市區、環城四區及濱海新區大氣CO年均質量濃度插值Fig.8 Interpolation of atmospheric CO average annual concentration in Tianjin urban districts, four districts around the city and Binhai new district

3 結論

（1）2015—2019 年天津市 PM2.5、PM10、SO2年均質量濃度和CO 24 h平均第95百分位數變化均呈下降趨勢；NO2年均質量濃度變化呈“單峰型”，先上升后下降；O3_8h_max第90百分位數變化整體上呈顯著上升趨勢，O3污染問題日益嚴重。PM2.5、PM10、SO2、CO以及NO2呈“冬高夏低”，而O3呈“夏高冬低”，造成這種季節變化的原因與排放源、氣象因素、外來輸送以及化學反應有關。

圖9 天津市市區、環城四區及濱海新區大氣NO2年均質量濃度插值Fig.9 Interpolation of atmospheric NO2 average annual concentration in Tianjin urban districts, four districts around the city and Binhai new district

圖10 天津市市區、環城四區及濱海新區大氣O3年均質量濃度插值Fig.10 Interpolation of atmospheric O3 average annual concentration in Tianjin urban districts, four districts around the city and Binhai new district

（2）PM2.5與CO相關性極強，表明天津市大氣污染中PM2.5與CO的貢獻或有協同性。O3與NO2相關性較高，其原因與光化學反應有關。氣象因素中，溫度和日照時長對于天津市大氣污染影響較大。

（3）2015—2019年NO2/SO2比值逐漸走高，說明汽車尾氣排放等移動源污染對于天津市大氣污染的貢獻相較于煤炭燃燒、發電和工業生產等固定源的貢獻較高。PM2.5/PM10比率始終高于0.6，說明細顆粒物是天津市顆粒物大氣污染的主要貢獻者。

（4）不同污染物的空間分布變化存在差異。PM2.5和PM10始終呈“西高東低”。SO2和CO重污染地區逐漸轉移到城郊村鎮地區。NO2空間分布格局呈“城鎮高、鄉村低”，并且隨時間推移天津市市區污染緩解明顯，濱海新區核心區漸成污染重點。O3污染整體上西部和北部地區較嚴重，O3污染逐年加劇。

（5）目前，天津市大氣污染得到了有效緩解，機動車尾氣排放仍是天津市大氣 NO2污染的重要貢獻源。O3污染日益嚴重，而NO2等污染物經光化學反應又能有效促進 O3生成。這就使得如何控制機動車污染排放成為當下天津市大氣污染治理中亟待解決的問題。