開封市花生機收期空氣質量的時間變化特征及其影響因素分析

康暑雨 陳爭

摘要 AQI、PM10和PM2.5濃度年均值變化趨勢一致，日變化“兩峰一谷”特征明顯，而最大值、最小值和平均值呈現逐年減小趨勢。污染物傳輸以北方的軌跡為主，以長距離輸送為主，省內短距離輸送為主導，PM10潛在源區主要分布在河南中部和河南與山東交界處，以其為中心向外擴張；污染物潛在源區的貢獻值＞70的高值區主要分布在周邊省市。

關鍵詞 空氣質量；后向軌跡；氣象要素

中圖分類號：X513 文獻標識碼：B 文章編號：2095–3305（2023）12–0-03

Time Variation Characteristics and Influencing Factors Analysis of Air Quality during Peanut Harvest Period in Kaifeng City

Kang Shu-yu et al（Kaifeng Meteorological Bureau， Kaifeng， Henan 475004）

Abstract The annual average variation trends of AQI， PM10， and PM2.5 concentrations are consistent， with a clear “two peaks and one valley” characteristic of daily variation， while the maximum， minimum， and average values show a decreasing trend year by year. The transfer of pollutants was mainly based on the trajectory in the north， with long-distance transportation being the main focus and short distance transportation within the province being the main focus. The potential source areas of PM10 were mainly distributed in the central part of Henan and the border between Henan and Shandong， with it as the center and expanding outward; The high value areas with a contribution value greater than 70 in the potential source areas of pollutants were mainly distributed in surrounding provinces and cities.

Key words Air quality; Backward trajectory; Meteorological elements

在經濟社會高質量發展的背景下，大量污染物被釋放到大氣中并逐漸累積，對人類生存環境和身體健康造成嚴重威脅[1-2]。因其廣泛的危害性，對空氣質量和大氣污染物的變化特征及影響因素的研究備受關注。已有研究顯示，氣象因素通過調節大氣自凈能力，影響大氣污染物的分布、稀釋和擴散，改變空氣質量[3-4]。受外界環境排放狀態及其遷移轉化規律等因素影響，目前中國大部分城市首要污染物多為PM10或PM2.5，相關研究也顯示，PM10、PM2.5濃度在日尺度上呈現雙峰型變化特征，分別在上午和夜間達到峰值[5-8]。此外，董繼元等[9]通過研究中國大部分城市，認為降水對大氣污染物濃度的稀釋清除作用尤其顯著；鄭美秀等[10]利用相關統計法分析了2006—2008年廈門市氣象要素對空氣質量的影響規律，結果顯示：風速、氣溫、降水、相對濕度和水汽壓對空氣質量均呈現顯著正效應作用，氣壓起顯著負效應作用；魏玉香等[11]通過對南京市大氣污染物變化特征及其與氣象條件的關系分析發現污染物濃度與風速呈負相關關系；吳蒙等[12]通過分析廣州地區清潔天氣變化特征及其影響因素，發現濕季和風速較大時期的空氣質量較好。

1 資料與方法

1.1 空氣質量數據

開封市國家站點逐小時環境監測數據，包括AQI、PM10、PM2.5，數據來源于中國環境監測總站，文中所引用單位均為μg/m3。數據時間是花生機收時期，2015—2020年的8月20日—9月10日。

1.2 氣象數據

所使用的氣象數據來源CIMISS網站下載的開封市國家站逐小時數據，包括海平面氣壓、3 h變壓、24 h變壓、氣溫、相對濕度、過去1 h降水量、2 min平均風向、2 min平均風速、10 min平均風向、10 min平均風速[13]。

2 結果與分析

2.1 花生機收時期AQI、PM10、PM2.5的時間分布特征

2.1.1 AQI、PM10、PM2.5的日變化特征

2015年AQI、PM10濃度和PM2.5濃度日變化趨勢基本一致，呈現明顯的“兩峰一谷”型變化趨勢，夜間03：00左右AQI和PM2.5濃度開始逐漸升高，而后減小，并于14：00～16：00出現谷值，繼而再次升高，23：00左右出現第1個極大值，之后平緩下降。2016年空氣質量和污染物濃度日變化趨勢無明顯波動。2018年PM10濃度呈現明顯的“兩峰一谷”型變化趨勢，AQI與PM2.5濃度無明顯波動。統計所有年份污染數據可以看出（圖1），AQI無明顯波動，最大值出現在09：00，最小值出現在18：00，日均值為64.7。PM10和PM2.5濃度在日尺度上呈現“兩峰一谷”型變化趨勢，其中，PM10最大值為83.4，出現時間為09：00；最小值為61.3，出現時間為16：00；日均值為73.0。PM2.5濃度于07：00達到最大值，16：00左右達到最小值，日均值為35.5。

綜合2015—2020年花生機收期間空氣污染數據來看，在日尺度上AQI最大值和平均值呈現微弱逐年減小趨勢，最小值幾乎無變化。最大值出現時間除2018年和2019年為15左右，其余年份均出現在07：00～10：00，而最小值則無固定出現時間。PM2.5濃度在日尺度上的最大值、最小值和平均值逐年減少，其中，最小值減少趨勢較明顯，PM2.5濃度日變化“兩峰一谷”特征明顯，而最大值、最小值和平均值呈現逐年減少趨勢。PM10和PM2.5的日變化規律與前人研究相同。

2.1.2 AQI、PM10、PM2.5的年變化特征

2015—2020年AQI、PM10和PM2.5濃度年均值變化趨勢一致，2016年后均大致呈現逐年減少趨勢。其中，AQI最大值出現在2016年，最小值出現在2020年；各年PM10濃度年均值最大值和最小值出現年份分別為2016年和2020年；各年PM2.5濃度年均值年均最大值、最小值出現年份與AQI、PM10相同。

2.2 AQI、PM10、PM2.5與氣象條件的關系

通過對比AQI、PM10、PM2.5濃度與氣象因子的相關性可以發現，僅2018年AQI、PM10、PM2.5濃度與氣壓之間均無顯著相關性。其余年份中，除2020年AQI、PM10與氣壓之間呈現為顯著正相關關系外，其余4年期間兩者之間均表現為負相關關系。除去2018年和2020年無顯著相關性數據，其余年份PM2.5與氣壓之間大致存在顯著負相關關系，且2015—2017年的相關性隨著延遲時間的增加而減弱，即正點時刻相關性最大。

AQI與3 h變壓之間無明顯相關性。PM10、PM2.5與3 h變壓之間大致表現為0～1 h的延遲時間，且當延遲時間＞4 h時，便從正相關轉為負相關，通過0.05水平顯著性檢驗。AQI、PM2.5與24 h變壓之間除2019年為微弱正相關性外，其余年份表現為負相關關系，無明顯延遲效應。PM10與24 h變壓之間除2019年為微弱正相關性外，其余年份表現為顯著負相關關系，存在4 h的延遲時間。

2019年的AQI數據與氣溫之間無明顯相關性，且除2016年為顯著負相關外，其余年份均表現為顯著正相關關系，并無明顯延遲效應。2016年和2019年的AQI數據與氣溫之間表現為負相關關系，其余年份之間均為正相關關系，大致存在8～12 h的延遲時間。除2017年的PM2.5與氣溫之間存在顯著正相關性，其余年份之間均存在延遲時間＞2 h時，由負相關轉為正相關，且當延遲時間為12 h時，正相關系數最大。

2017、2018和2020年AQI數據與相對濕度之間存在顯著負相關關系，且正點時刻的相關系數最大，其余年份無明顯規律。2017和2020年的AQI數據與相對濕度之間存在顯著負相關關系，存在8～12 h的延遲時間，2019年則為正相關關系，正點時刻出現最大相關系數，其余年份無明顯規律。PM2.5與相對濕度之間相關系數當延遲時間＞4 h時，由正轉為負，無明顯延遲效應。

AQI、PM10、PM2.5與過去1 h降水量之間存在負相關關系，僅2016、2019和2020年相關性通過0.05水平顯著性檢驗，且存在4 h或以上的延遲時間。

同樣地，AQI、PM10、PM2.5與2 min平均和10 min平均風速之間存在負相關關系，僅2018和2020年的數據顯著性通過檢驗，大致存在2 h以上的延遲時間。

2.3 PM10的來源分析

2.3.1 氣流軌跡輸送的影響 利用HYSPLIT模型以50 m為起始模擬高度，對開封市2015—2020年花生機收期后向軌跡進行聚類分析。2015年和2016年來自北方的軌跡超過50%，以長距離輸送為主；2017年以偏東方向的軌跡為主；2018年軌跡均來自北方；2019年偏東方向軌跡為主，占比達到85%以上；2020年西南方向軌跡較前幾年明顯增多，達到29.92%，省內短距離輸送為主導（圖2）。

2.3.2 潛在源區分析 PSCF分析結果表明花生機收期PM10潛在源區主要分布在河南中部和河南與山東交界處，以其為中心向外擴張，擴張方向和后向軌跡方向一致，2016、2018和2019年呈西北—東南向分布，2020年豫西南貢獻明顯增加，這可能與同期來自西南方向氣團增多有關（圖3）。

2.3.3 濃度權重分析 由于潛在源貢獻因子分析識別的潛在源只能反映某網格內污染軌跡占軌跡總數的比例，無法體現該網格對目標網格的貢獻程度。為此，引入濃度權重分析計算污染物潛在源區的貢獻度。貢獻值越大，表示該格網對目標格網的貢獻程度越高，即該格網出現高濃度的污染物，且對應的顏色越深。2015—2020年貢獻值＞70的高值區主要分布在河南北中部、河北南部、山西東南部、山東西南部、安徽北部（圖4）。空氣污染除本地排放外，周邊省市近距離輸送影響較大。

3 結束語

綜合2015—2020年花生機收期間空氣污染數據來看，在日尺度上AQI最大值和平均值呈現微弱逐年減小趨勢，污染物濃度年均值變化趨勢一致，2016年后均大致呈現逐年減少趨勢。

污染物濃度與氣壓之間大致存在顯著負相關關系，3 h變壓之間大致表現為0～1 h的延遲時間，且當延遲時間＞4 h時，便從正相關轉為負相關，與氣溫顯著正相關關系；與相對濕度之間存在顯著負相關關系；與過去1 h降水量之間存在負相關關系；與2 min平均和10 min平均風速之間存在負相關關系。

污染物的后向軌跡以北方的軌跡為主，多為長距離輸送，省內短距離輸送為主導；PSCF分析結果表明花生機收期PM10潛在源區主要分布在河南中部和河南與山東交界處，以其為中心向外擴張；污染物潛在源區的貢獻值＞70的高值區主要分布在周邊省市，近距離輸送影響較大。

參考文獻

[1] Wang H， Lu S W， Li S N， et al. Inhalable particulate matter and fine particulate matter： Their basic characteristics， monitoring methods， and forest regulation functions. [J]. Chinese Journal of Applied Ecology， 2013， 24（3）： 869-877.

[2] Li W J， Zhang D Z， Shao L， et a1. Individual particle analysis of aerosols collected under haze and non-haze conditions at a high elevation mountain site in the North China plain[J]. Atmospheric Chemistry and Physics， 2011， 11（22）： 11733-11744．

[3] 孫韌，劉偉，張贊，等.城市典型氣象條件與大氣顆粒物污染之間的關系[J].中國環境監測，2005（2）：80-83.

[4] 王淑英，張小玲.北京地區PM10污染的氣象特征[J].應用氣象學報，2002（S1）： 177-184.

[5] 何凌燕，胡敏，黃曉鋒，等.北京大氣氣溶膠PM2.5中的有機示蹤化合物[J].環境科學學報，2005（1）：23-29.

[6] 陳勇，匡方毅，吳鏈，等.長沙市PM2.5和PM10質量濃度的變化特征[J].干旱環境監測，2016，30（1）：1-6，13.

[7] 黃鶴，蔡子穎，韓素芹，等.天津市PM10，

PM2.5和PM1連續在線觀測分析[J].環境科學研究，2011，24（8）：897-903.

[8] 于建華，虞統，魏強，等.北京地區PM10和PM2.5質量濃度的變化特征[J].環境科學研究，2004（1）：45-47.

[9] 董繼元，王式功，尚可政.降水對中國部分城市空氣質量的影響分析[J].干旱區資源與環境，2009，23（12）：43-48.

[10] 鄭美秀，周學鳴.廈門空氣污染指數與地面氣象要素的關系分析[J].氣象與環境學報，2010，26（3）：53-57.

[11] 魏玉香，銀燕，楊衛芬，等.南京地區PM2.5污染特征及其影響因素分析[J].環境科學與管理，2009，34（9）：29-34.

[12] 吳蒙，范紹佳，吳兌，等.廣州地區灰霾與清潔天氣變化特征及影響因素分析[J].中國環境科學，2012，32（8）：1409-1415.

[13] 李陽，王惠云，任麗，等.開封市花生產業發展調研及對策研究[J].農業科技通訊，2021（5）：12-13，37.