攀枝花市PM10、PM2.5 污染特征及相關性分析

何 敏，李 婷，黃 藝

(成都理工大學地球科學學院 四川成都610059)

0 引 言

隨著近年來中國經濟的迅猛發展，城市化、工業化進程的加快，空氣污染問題越來越受到重視。部分城市群持續出現大范圍的以顆粒物為特征污染物的灰霾天氣，特別是華北平原和長江三角洲等幾個重點區域。氣體污染物的存在不僅使能見度降低，而且會對居民健康造成極大的危害[1-3]。空氣污染已被列為影響人類健康的第4 個危險因素[4]。在世界衛生組織的一份報告中，每年約有700 萬人死于室內外空氣污染[5]。大氣顆粒物PM10和PM2.5已成為我國大中型城市的首要污染物，對人體健康有一定的危害，PM2.5則對人體健康威脅更大，因其比表面積較大，能吸附大量的細菌、病毒、重金屬等污染物[6-8]。O3與大氣光化學反應密切相關，而且長時間接觸會使人產生咳嗽、胸悶、記憶衰退等癥狀[9-11]。當大氣中SO2、NO2、CO 的濃度到達限值時，不僅會加重慢性病患者的病情，而且還會引發一系列其他疾病，最主要的是呼吸系統疾病[12-13]。所以研究氣體污染物的一般規律以及它們之間的相關性非常有意義。

有研究者對比了5 個城市的SO2、NO2、PM10、PM2.5污染物的濃度分布情況，發現沈陽的SO2濃度隨季節變化顯著，沈陽、上海和廣州的PM10和PM2.5顆粒物的濃度也隨季節變化較為明顯，即冬季較高，春秋次之，夏季最低。NO2濃度隨季節變化不大。北京年均PM2.5濃度超標現象明顯，季節變化規律不明顯[14]。通過對伊朗德黑蘭2014—2018 年間PM10、PM2.5、O3、NO2、SO2和CO 濃度每年、每季、每月、每日的變化進行討論，發現德黑蘭受這些污染物的高濃度影響。SO2的年均值總體呈下降趨勢，夏季PM10和O3濃度較高，PM2.5和CO 的秋冬濃度均高于春夏季。除O3外，所有污染物在工作日的濃度都高于任何類型的休假日[15]。Xie等[16]通過對我國31 個省會城市2013—2014 年PM10、PM2.5、O3、NO2、SO2和CO 質量濃度的比較，確定了空氣污染物質量濃度的月變化特征。利用Pearson 相關系數建立顆粒物與氣體污染物之間的關系發現，顆粒物與NO2、SO2之間的相關性較好，與CO 的相關性差異較大，與O3的相關性較弱或不相關。這表明，不同城市之間的空氣污染物濃度水平和變化有顯著差異。

有研究者發現，RH 與PM 呈正相關，W 與PM呈負相關，它們與季節和粒徑無顯著差異，春季和冬季T 與PM 呈負相關關系，而秋季T 與PM 呈正相關關系，季節性差異比較大[17-18]。季節平均PM2.5、PM10、SO2、CO、NO2與W 呈負相關，O3與W 呈正相關。O3與溫度的正相關關系最為密切，這與其形成的機理有關。南京各季節風速、相對濕度、溫度、風向在較窄范圍內波動，導致污染物濃度相對穩定[19]。也有研究發現，當大氣溫度升高到10 ℃時，有利于顆粒物的擴散和下降，隨氣溫的升高，顆粒物濃度呈下降趨勢。當相對濕度較小時，PM2.5顆粒不易凝聚沉降，隨著濕度增大，越來越多的水汽加速了顆粒物粒徑的增大，PM2.5濃度增加；但當相對濕度大于80%時，PM2.5等顆粒物會發生濕沉降，PM2.5濃度降低。風速與顆粒物沉降速率呈線性關系，但當風速超過9 m/s時，這種關系就不存在了[20-22]。這表明氣象條件是評價空氣質量和實施控制措施的重要因素。

攀枝花是在20 世紀60 年代中期新興的一個資源型工業城市，地處川、滇兩個經濟區的交匯處，屬南亞熱帶為基帶的島狀式干熱河谷氣候，即四季不分明，旱雨季分明的特點。由于攀枝花礦產資源豐富，礦業開發這一支柱產業在過去半個世紀得到了迅猛發展，同時也帶來了相應的大氣污染問題[23]。因此，非常有必要對攀枝花市的大氣環境質量進行分析研究。

本文通過對2019 年攀枝花的主要氣體污染物顆粒物PM10、PM2.5和SO2、NO2、CO、O3的濃度變化情況進行探討，分析了它們之間的相關性，討論了它們和氣象因素之間的關系。以期為今后環境污染預報提供前期研究數據，同時也為環境管理部門控制大氣污染提供科學依據。

1 數據來源及統計

1.1 數據來源

本研究統計了2019 年1 月至2020 年1 月中國環境檢測總站(http：//www.cnemc.cn)發布的攀枝花市的每日空氣污染狀況數據，包括 PM10、PM2.5、SO2、NO2、CO 和O3，基于中國氣象數據網http：//data.cma.cn 統計了相關的氣象數據(溫度T、相對濕度RH 和風速W)。

1.2 數據統計

Excel 2020 用于數據的分析計算整理，采用Origin 2018 進行相關圖件的繪制，并用SPSS 22.0 進行氣體污染物和氣象要素的相關性分析。

2 結果與討論

2.1 PM10、PM2.5顆粒物污染特征

整理可知，PM10和PM2.5顆粒物的污染濃度變化范圍分別是20～102μg/m3和7～65μg/m3，年平均質量濃度值分別是52±16μg/m3和29±11μg/m3，分別超過了WHO 的1.7 倍和1.9 倍[24]。從旱、雨季變化上看，PM10和PM2.5均表現出旱季大于雨季，這是由于雨季大量雨水對大氣顆粒物具有清潔和沖刷作用，導致大氣顆粒物質量濃度較低。此外，本研究還與其他城市進行了比較，發現攀枝花PM10和PM2.5的質量濃度值分別是深圳的1.4、1.1 倍，低于天津、杭州等地的PM2.5和PM10質量濃度，遠低于西安、石家莊等地的PM2.5和PM10質量濃度[25-29]。

由圖1 可知，一年中12 月的PM2.5、PM10質量濃度最大，6 月的PM2.5、PM10質量濃度值最小，主要是6 月份降雨較多，導致顆粒物濃度較低。2 月的大氣顆粒物濃度也較低，可能是因為2 月份處于春節期間，各工礦企業都停工休假，出行車輛也較往常少，導致顆粒物排放少。

攀枝花市旱季的PM10和PM2.5質量濃度分別為56.84、31.02μg/m3，雨季的分別為47.21、26.78μg/m3，都表現出旱季大于雨季，說明降雨將會降低大氣中顆粒物的含量。PM2.5/PM10的值在旱季和雨季都表現出大于0.5，說明PM2.5占比超過PM10的一半，PM2.5是PM10的主要組成部分。雨季比旱季的PM2.5/PM10值大，說明雨季PM10中粗顆粒物更少，可能是降雨將PM10中粗顆粒物沖刷所致。圖2 也可以說明這種情況，相對濕度分別與PM2.5、PM10呈正相關關系，與較粗顆粒物 PM2.5～10呈負相關關系，與細顆粒物PM2.5呈正相關關系，說明相對濕度的增大主要導致粗顆粒物的沉降，對細顆粒物的影響不大。

圖1 攀枝花市2019年PM2.5、PM10 質量濃度特征Fig.1 Characteristics of mass concentration of PM2.5 and PM10 in Panzhihua City in 2019

圖2 攀枝花市2019年旱雨季質量濃度圖Fig.2 Mass concentration map of dry and rainy seasons in Panzhihua City in 2019

2.2 相關性分析

由圖3 可以看出，PM10和PM2.5、PM2.5～10之間存在顯著的正相關關系，PM10和PM2.5的R2為0.86，大于PM10和PM2.5～10的R2為0.72。成都也表現出相同的趨勢，PM10和PM2.5的R2為0.76，大于PM2.5～10的R2為0.63[30]。這說明PM2.5對PM10的貢獻更大，PM10的變化主要受細顆粒物PM2.5的增減的影響。

圖3 攀枝花PM2.5 和PM10 相關性分析圖Fig.3 Correlation analysis chart of PM2.5 and PM10 in Panzhihua City

由圖4 可以看出，氣體污染物SO2、NO2、CO 的逐月變化值和PM10、PM2.5的逐月變化值呈現出較高的正相關性，逐月變化趨勢較為相似，也是12 月表現出最大濃度，6 月是最小濃度。根據圖4 可知，12 月的濕度較大，風速相對較小，6 月的濕度較高，風速相對較大，這些氣象因素是導致除臭氧以外的大氣污染物在12 月濃度較高，6 月濃度較低的一個原因。O3則相反，和大氣顆粒物PM10、PM2.5呈現出負相關關系，趨勢和其他物質相反，呈現出夏季的O3濃度最高，12 月的O3濃度最低。

圖4 氣體污染物和大氣顆粒物相關性分析圖Fig.4 Correlation analysis diagram of gas pollutants and atmospheric particulates

2.3 氣象因素影響分析

圖5 顯示的是攀枝花監測數據所對應的氣象因素分布圖。由圖5可知，溫度在12 月最低，在4 月開始升高，5 月升至最高，6 月稍有波動，7 月有所降低，8 月有升高趨勢。5 年溫度的整體變化和O3的變化非常相似。

研究表明，氣體污染物的稀釋擴散和氣象條件密切相關。根據收集的攀枝花氣象要素資料，分析溫度、相對濕度和風速與氣體污染物的關系。圖6 是由氣體污染物和氣象數據通過SPSS 進行的pearson 相關性分析。由圖6 可以看出，溫度除了和O3呈正相關，和其余的氣體污染物都呈負相關，負相關性最強的是NO2，其次是CO。研究發現氣溫升高有利于氣體污染物的垂直擴散，并且可以加速氣體污染物的氧化和水合過程，降低氣體污染物濃度；氣溫較低的時候會使金屬顆粒物隨水分結晶，增大顆粒物的重金屬質量，使得PM10、PM2.5質量濃度增加[31-33]。相對濕度和氣體污染物濃度總體來看相關性較弱，同時與PM2.5、PM10正相關。圖6 結果顯示，O3、NO2和PM2.5～10與相對濕度呈負相關。相對濕度升高主要是在雨季，雨水將大氣中污染物沖刷至地面，使大氣污染物濃度下降[34]。風速也是一個比較重要的因素，跟氣體污染物主要呈現出負相關，特別是在與顆粒物的關系中，風速較大會加速其擴散[35]。

本研究結果與其他學者得出的基本一致[36-37]，即不同大氣污染物與風速呈現一定相關性，溫度與氣體污染物的相關性最強，其次是風速，最后是相對濕度。

圖5 攀枝花2019—2020年氣象因素分布圖Fig.5 Distribution map of meteorological factors in Panzhihua City from 2019 to 2020

圖6 氣體污染物和氣象因素的Pearson相關系數矩陣Fig.6 Pearson correlation coefficient matrix of gas pollutants and meteorological factors

3 結 論

綜上所述，PM10和PM2.5的質量濃度變化范圍分別為20～102μg/m3和7～65μg/m3，其年均值分別為52.8±16.2μg/m3和29.2±10.5μg/m3。攀枝花市大氣顆粒物PM10和PM2.5質量濃度旱季分別為56.84、31.02μg/m3，雨季分別為47.21、26.78μg/m3，都表現為旱季大于雨季，表明攀枝花地區氣體污染物污染較嚴重，所以有必要對攀枝花地區的氣體污染物來源進行解析，為后續大氣污染治理提供主要方向。

由相關性分析可知，相對于PM2.5～10，PM2.5和PM10的相關性更高，PM2.5對PM10的貢獻更大；氣體污染物SO2、NO2、CO 的逐月變化值和PM2.5、PM10的逐月變化值呈現出較高的正相關性，都表現為12 月濃度最大，6 月濃度最小；溫度、風速和相對濕度跟氣體污染物總體呈負相關，相關性最強的是溫度，其次是風速，相關性最弱的是相對濕度。因此可以利用氣象數據和氣體污染物的相關性對大氣污染物進行預警，提前做好防范，保護人體健康。