上海市大气环境中PM2.5/PM10时空分布特征

李敏 何红弟 郝杨杨

引用本文:
Citation:

上海市大气环境中PM2.5/PM10时空分布特征

    作者简介: 李敏(1994—),女,山东人,硕士生,主要研究方向为物流与环境和绿色物流. E-mail: 1340754977@qq.com;
    通讯作者: 何红弟, 4003963@qq.com
  • 中图分类号: X51

Spatial and temporal variability of PM2.5/PM10 ratio in Shanghai

    Corresponding author: HE Hong-di, 4003963@qq.com ;
  • CLC number: X51

  • 摘要: 针对上海市颗粒物的污染和防治问题,利用2014年4月14日—2015年3月24日10个国控监测点的PM2.5和PM10小时数据及对应的气象因素资料,以PM2.5质量浓度占PM10质量浓度的比例为研究对象,使用聚类分析和相关性分析PM2.5/PM10的时空分布特征. 结果表明:P2.5和PM10的季节高低为冬>春>秋>夏,PM2.5/PM10的季节分布在不同区域存在差异性. PM2.5/PM10的日变化呈现双峰型趋势,峰值出现在05:00和14:00左右,上午PM2.5/PM10高于下午. 颗粒物质量浓度及PM2.5/PM10具有明显的“周末效应”,这与车辆通行政策与人类作息时间变动相关. 在空间分布上,颗粒物质量浓度及PM2.5/PM10均表现为背景站>浦西站>浦东站.
  • 图 1  上海市空气质量监测站分布图

    Figure 1.  Location of Shanghai air quality monitoring station

    图 2  上海市监测站PM2.5/PM10聚类图

    Figure 2.  Dendrograms and corresponding clustering station for PM2.5/PM10 in Shanghai

    图 3  上海市PM2.5/PM10日变化图

    Figure 3.  Average daily profile of PM2.5/PM10 ratio at the stations in Shanghai

    图 4  上海市工作日与非工作日颗粒物及PM2.5/PM10对比图

    Figure 4.  Comparison of working days and non- working days of particulates and PM2.5/PM10 ratio in Shanghai

    图 5  上海市监测站PM2.5/PM10空间分布图

    Figure 5.  Spatial distribution map of PM2.5/PM10 ratio at the monitoring stations in Shanghai

    图 6  上海市颗粒物及PM2.5/PM10日变化图

    Figure 6.  Average daily profile of particulates and PM2.5/PM10 ratio at the stations in Shanghai

    图 7  上海市风向玫瑰图

    Figure 7.  Wind speed rose map of Shanghai

    图 8  上海市PM2.5、PM10质量浓度及PM2.5/PM10风向对比图

    Figure 8.  Concentration of particulates and PM2.5/PM10 ratio in different wind direction in Shanghai

    表 1  上海市监测站间PM2.5/PM10相关系数表

    Table 1.  The correlation coefficient of PM2.5/PM10 between monitoring stations in Shanghai

    监测站 虹口 静安 普陀 十五厂 徐汇上师大 杨浦四漂 浦东川沙 浦东新区 浦东张江 青浦淀山湖
    虹口 1 0.70 0.65 0.67 0.65 0.56 0.59 0.63 0.63 0.54
    静安 1 0.72 0.75 0.74 0.60 0.57 0.64 0.64 0.60
    普陀 1 0.68 0.69 0.51 0.53 0.61 0.60 0.57
    十五厂 1 0.78 0.59 0.57 0.65 0.63 0.59
    徐汇上师大 1 0.55 0.55 0.63 0.63 0.59
    杨浦四漂 1 0.45 0.56 0.47 0.45
    浦东川沙 1 0.58 0.58 0.48
    浦东新区 1 0.64 0.52
    浦东张江 1 0.53
    青浦淀山湖 1
    下载: 导出CSV

    表 2  上海市不同区域颗粒物浓度及PM2.5/PM10统计量

    Table 2.  Statistics of particulates and PM2.5/PM10 ratio in different areas in Shanghai

    季节 浦西站 均值±标准差/(μg·m−3) 浦东站 均值±标准差/(μg·m−3) 背景站 均值±标准差/(μg·m−3)
    PM2.5 PM10 PM2.5/PM10 PM2.5 PM10 PM2.5/PM10 PM2.5 PM10 PM2.5/PM10
    61±41 82±62 0.65±0.21 54±39 82±56 0.63±0.20 65±41 97±70 0.67±0.22
    43±29 57±37 0.68±0.18 38±26 56±37 0.62±0.21 49±33 69±44 0.70±0.20
    44±32 66±39 0.62±0.19 38±30 61±36 0.56±0.21 54±36 75±43 0.69±0.19
    73±54 105±68 0.67±0.19 72±56 106±72 0.64±0.20 88±57 119±68 0.76±0.15
    全年 54±42 77±56 0.66±0.19 50±42 76±56 0.61±0.21 63±45 90±60 0.71±0.19
    下载: 导出CSV

    表 3  上海市气象条件信息表

    Table 3.  Information of meteorological conditions in Shanghai

    月份 降水量/mm 相对
    湿度/%
    气温/℃ 日照
    时数/h
    1 61.1 69 6.0 119
    2 81.1 71 6.8 102.3
    3 69.4 73 10.6 130.5
    4 139.4 75 15.7 119.9
    5 61.5 64 21.7 186.2
    6 175.9 80 23.3 74.1
    7 192.2 81 27.4 129.4
    8 229.3 82 26.3 84.1
    9 196 80 24.2 118
    10 37.3 68 20.2 208.6
    11 34.8 71 14.8 128.8
    12 6.8 60 5.7 177.6
    下载: 导出CSV
  • [1] 李梓铭, 孙兆彬, 邵勰. 北京城区PM2.5不同时间尺度周期性研究[J]. 中国环境科学, 2017, 37(2): 407-415

    Li Z M, Sun Z B, Shao X. Using Morlet wavelet analysis to analyze multiple time scale periodically in PM2.5 in Beijing[J]. China Environmental Science, 2017, 37(2): 407-415
    [2] 潘纯珍, 陈刚才, 杨清玲, 等. 重庆市地区道路PM10/PM2.5浓度分布特征研究[J]. 西南大学学报: 自然科学版, 2004, 26(5): 576-579

    Pan C Z, Chen G C, Yang Q L, et al. Study on the concentration distribution of PM2.5/PM10 related to traffic-busy road in Chongqing downtown area[J]. Journal of Southwest University : Natural Sciences Edition, 2004, 26(5): 576-579
    [3] 王琴, 马琳达. 贵阳市空气中PM2.5/PM10时空分布特征研究[J]. 环保科技, 2015, 21(1): 28-31. DOI:  10.3969/j.issn.1674-0254.2015.01.007

    Wang Q, Ma L D. Discussion on characteristics of PM2.5/PM10 in atmospheric environment of Guiyang City[J]. Environmental Protection and Technology, 2015, 21(1): 28-31 doi:  10.3969/j.issn.1674-0254.2015.01.007
    [4] 谢心庆, 郑薇, 开璇, 等. 基于时间序列和多元方法的乌鲁木齐PM2.5浓度分析[J]. 云南大学学报: 自然科学版, 2016, 38(4): 595-601

    Xie X Q, Zheng W, Kai X, et al. Analysis of PM2.5 concentration based on time sequence and multivariate methods in Urumqi City[J]. Journal of Yunnan University : Natural Sciences Edition, 2016, 38(4): 595-601
    [5] Wang Y Q, Zhang X Y, Sun J Y, et al. Spatial and temporal variations of the concentrations of PM10, PM2.5 and PM1 in China[J]. Atmospheric Chemistry and Physics, 2015, 15(23): 13 585-13 598. DOI:  10.5194/acp-15-13585-2015
    [6] Zhou Y, Cheng S, Chen D, et al. Temporal and spatial characteristics of ambient air quality in Beijing, China[J]. Aerosol and Air Quality Research, 2015, 15: 1 868-1 880. DOI:  10.4209/aaqr.2014.11.0306
    [7] 李建文, 毕丽玫, 韩新宇, 等. 昆明市PM2.5中水溶性无机离子时空变化特征及来源分析[J]. 云南大学学报: 自然科学版, 2017, 39(1): 63-70

    Li J W, Bi L M, Han X Y, et al. Characteristics and source apportionment of the water soluble inorganic ions in PM2.5 of Kunming[J]. Journal of Yunnan University : Natural Sciences Edition, 2017, 39(1): 63-70
    [8] Xu G, Jiao L, Zhang B, et al. Spatial and temporal variability of the PM2.5/PM10 ratio in Wuhan, Central China[J]. Aerosol and Air Quality Research, 2017, 17: 1-11. DOI:  10.4209/aaqr.2015.11.0641
    [9] 郭涛, 马永亮, 贺克斌. 区域大气环境中PM2.5/PM10空间分布研究[J]. 环境工程学报, 2009, 3(1): 147-150

    Guo T, Ma Y L, He K B. Study on spatial distribution of PM2.5/PM10 in regional atmospheric environment[J]. Chinese Journal of Environmental Engineering, 2009, 3(1): 147-150
    [10] 张朝能, 王梦华, 胡振丹, 等. 昆明市PM2.5浓度时空变化特征及其与气象条件的关系[J]. 云南大学学报: 自然科学版, 2016, 38(1): 90-98

    Zhang C N, Wang M H, Hu Z D, et al. Temporal and spatial distribution of PM2.5 concentration and the correlation of PM2.5 and meteorological factors in Kunming City[J]. Journal of Yunnan University: Natural Sciences Edition, 2016, 38(1): 90-98
    [11] 张赛鑫, 何红弟, 魏海蕊. 基于聚类分析的颗粒物监测网络优化研究[J]. 中国环境监测, 2018, 34(1): 99-106

    Zhang S X, He H D, Wei H R. Performance assessment of PM2.5 and PM10 using cluster analysis[J]. Environmental Monitoring of China, 2018, 34(1): 99-106
    [12] Zait M, Messaffa H. A comparative study of clustering methods[J]. Future Generation Computer Systems, 1997, 13(2): 149-159.
    [13] Pires J C M, Sousa S I V, Pereira M C, et al. Management of air quality monitoring using principal component and cluster analysis PartI: SO2 and PM10[J]. Atmospheric Environment, 2008, 42(6): 1 249-1 260. DOI:  10.1016/j.atmosenv.2007.10.044
    [14] 王宏, 陈晓秋, 余永江, 等. 福州市PM2.5、PM2.5/PM10分布特征及与气象条件关系的初步分析[J]. 热带气象学报, 2014, 30(2): 387-391. DOI:  10.3969/j.issn.1004-4965.2014.02.021

    Wang H, Chen X Q, Yu Y J, et al. Preliminary analysis on distribution characteristics of PM2.5, PM2.5/PM10 and its relationship with meteorologicao conditions in Fuzhou[J]. Journal of Tropical Meteorology, 2014, 30(2): 387-391 doi:  10.3969/j.issn.1004-4965.2014.02.021
    [15] Li Q, Wang E, Zhang T, et al. Spatial and temporal patterns of air pollution in Chinese Cities[J]. Water Air and Soil Pollution, 2017, 228: 92. DOI:  10.1007/s11270-017-3268-x
    [16] Munir S. Analysing temporal trends in the ratios of PM2.5/PM10 in the UK[J]. Aerosol and Air Quality Research, 2017, 17(1): 34-48. DOI:  10.4209/aaqr.2016.02.0081
    [17] 王占山, 李云婷, 董欣, 等. 北京城区大气污染物" 周末效应”分析[J]. 中国科学院大学学报, 2015, 32(6): 843-850

    Wang Z S, Li Y T, Dong X, et al. Analysis on weekend effect of air pollutants in urban atmosphere of Beijing[J]. Journal of University of Chinese Academy of Sciences, 2015, 32(6): 843-850
    [18] 邱坚, 霍玉玲, 真诚. 镇江市区PM2.5浓度特征及其与气象因子的关系[J]. 镇江高专学报, 2017, 30(3): 56-59. DOI:  10.3969/j.issn.1008-8148.2017.03.016

    Qiu J, Huo Y L, Zhen C. On characteristics of concentration of PM2.5 in Zhenjiang City proper and relationship between PM2.5 and meteorological factors[J]. Journal of Zhenjiang College, 2017, 30(3): 56-59 doi:  10.3969/j.issn.1008-8148.2017.03.016
    [19] 许建明, 常炉予, 马井会, 等. 上海秋冬季PM2.5污染天气形势的客观分型研究[J]. 环境科学学报, 2016, 26(12): 4 303-4 314

    Xu J M, Chang L Y, Ma J H, et al. Objective synoptic weather classification on PM2.5 pollution during autumn and winter seasons in Shanghai[J]. Acta Scientiae Circumstantiae, 2016, 26(12): 4 303-4 314
  • [1] 黄光球雷哲 . 西安市大气颗粒物PM2.5的输送路径和潜在源分析. 云南大学学报(自然科学版), 2019, 41(6): 1191-1200. doi: 10.7540/j.ynu.20190157
    [2] 张朝能王梦华胡振丹袁园刘慧邱飞 . 昆明市PM2.5浓度时空变化特征及其与气象条件的关系. 云南大学学报(自然科学版), 2016, 38(1): 90-98. doi: 10.7540/j.ynu.20150467
    [3] 孙座锐吉正元韩新宇史建武张晶张朝能宁平 . 玉溪市城区大气VOCs及其它污染物质量浓度时空特征分析. 云南大学学报(自然科学版), 2018, 40(4): 705-715. doi: 10.7540/j.ynu.20170654
    [4] 宋媛李辉刘逵刘毅鹏杨若文 . 欧亚积雪深度的时空分布特征分析. 云南大学学报(自然科学版), 2015, 37(3): 399-404. doi: 10.7540/j.ynu.20140453
    [5] 赵俊松张建伟柏梦焱赵芩徐怀亮肖文 . 苍山野生动物时空分布动态. 云南大学学报(自然科学版), 2017, 39(4): 691-700. doi: 10.7540/j.ynu.20160315
    [6] 陶云何群 . 云南降水量时空分布特征对气候变暖的响应. 云南大学学报(自然科学版), 2008, 30(6): 587-595.
    [7] 陶云曹杰 . 向外长波辐射(OLR)年际变化的时空分布分析. 云南大学学报(自然科学版), 2005, 27(3): 223-227.
    [8] 郑翔飚马红曾厅余 . 昭通强对流天气时空分布及环流特征分析. 云南大学学报(自然科学版), 2011, 33(S2): 397-401.
    [9] 周国莲晏红明 . 云南近40年降水量的时空分布特征. 云南大学学报(自然科学版), 2007, 29(1): 55-61,66.
    [10] 罗 燚甘淑袁希平 . 山坝乡村聚落时空变化特征分析研究:以宁洱镇为例. 云南大学学报(自然科学版), 2020, 42(5): 886-895. doi: 10.7540/j.ynu.20190569
    [11] 王喜元闫业超岳书平刘彬 . 1961—2010年长江流域高温热浪时空变化特征. 云南大学学报(自然科学版), 2016, 38(4): 602-609. doi: 10.7540/j.ynu.20150821
    [12] 吴战平白慧严小冬 . 贵州省夏旱的时空特点及成因分析. 云南大学学报(自然科学版), 2011, 33(S2): 383-391.
    [13] 刘静殷淑燕李慧芳 . 晋陕蒙毗邻区域历史洪涝灾害时空特征研究. 云南大学学报(自然科学版), 2016, 38(6): 903-911. doi: 10.7540/j.ynu.20160219
    [14] 冯娟赵伟娜蒋义然冀松翟伟芳卢秀丽刘永立王艳杜二玲 . 基于不透水表面视角的北京市PM2.5污染时空分异研究. 云南大学学报(自然科学版), 2020, 42(2): 308-318. doi: 10.7540/j.ynu.20190160
    [15] 廖留峰谷晓平张瑾文 . 基于地面气象要素的贵州省大气可降水量研究. 云南大学学报(自然科学版), 2014, 36(5): 683-690. doi: 10.7540/j.ynu.20140225
    [16] 姜勇 . 基于ADTD监测网络2012年云南省地闪特征分析. 云南大学学报(自然科学版), 2013, 35(S2): 315-. doi: 10.7540/j.ynu.20130568
    [17] 安柏林康国发 . 基于CHAOS-5模型研究中国大陆地区地磁场长期变化. 云南大学学报(自然科学版), 2017, 39(5): 789-797. doi: 10.7540/j.ynu.20160686
    [18] 李建文毕丽玫韩新宇史建武杨健施择宁平 . 昆明市PM2.5中水溶性无机离子时空变化特征及来源分析. 云南大学学报(自然科学版), 2017, 39(1): 63-70. doi: 10.7540/j.ynu.20160456
    [19] 韩新宇卢秀青钟曜谦史建武张朝能宁平 . 云南省有色冶炼集中区春季大气颗粒物污染过程分析. 云南大学学报(自然科学版), 2021, 43(1): 90-100. doi: 10.7540/j.ynu.20200130
    [20] 谢心庆郑薇开璇许英 . 基于时间序列和多元方法的乌鲁木齐PM2.5浓度分析. 云南大学学报(自然科学版), 2016, 38(4): 595-601. doi: 10.7540/j.ynu.20150789
  • 加载中
图(8)表(3)
计量
  • 文章访问数:  2498
  • HTML全文浏览量:  2051
  • PDF下载量:  35
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-01-15
  • 录用日期:  2018-08-04
  • 网络出版日期:  2019-03-10
  • 刊出日期:  2019-03-01

上海市大气环境中PM2.5/PM10时空分布特征

    作者简介:李敏(1994—),女,山东人,硕士生,主要研究方向为物流与环境和绿色物流. E-mail: 1340754977@qq.com
    通讯作者: 何红弟, 4003963@qq.com
  • 上海海事大学 物流研究中心,上海 201306

摘要: 针对上海市颗粒物的污染和防治问题,利用2014年4月14日—2015年3月24日10个国控监测点的PM2.5和PM10小时数据及对应的气象因素资料,以PM2.5质量浓度占PM10质量浓度的比例为研究对象,使用聚类分析和相关性分析PM2.5/PM10的时空分布特征. 结果表明:P2.5和PM10的季节高低为冬>春>秋>夏,PM2.5/PM10的季节分布在不同区域存在差异性. PM2.5/PM10的日变化呈现双峰型趋势,峰值出现在05:00和14:00左右,上午PM2.5/PM10高于下午. 颗粒物质量浓度及PM2.5/PM10具有明显的“周末效应”,这与车辆通行政策与人类作息时间变动相关. 在空间分布上,颗粒物质量浓度及PM2.5/PM10均表现为背景站>浦西站>浦东站.

English Abstract

  • 近年来,随着经济和社会的快速发展,造成空气污染的因素也越来越多. 自然污染源和人类活动的多样化都导致污染物质量浓度的持续增长,颗粒物污染也成为当前影响空气质量的重要因素. 颗粒物严重影响人类的心肺血管、呼吸系统进而威胁人类健康,所以研究PM2.5/PM10(PM2.5质量浓度占PM10质量浓度的比例)的变化特征对于了解颗粒物的产生原因具有重要意义[1-2]. PM2.5/PM10越大,说明空气中细颗粒物的质量浓度越高,细颗粒物污染越严重,对人类健康的威胁能力也越大[3],例如汽车尾气、秸秆焚烧等;PM2.5/PM10越小,说明空气中可吸入颗粒物质量浓度高,这可能是由自然因素所引起的,例如扬尘、沙尘暴等. 通过对PM2.5/PM10进行分析,探究上海市颗粒物在时间尺度和空间尺度的污染行为及PM2.5和PM10质量浓度的相关性,直观地表现上海市受颗粒物污染的重点区域和颗粒物的时间变化特征,为治理颗粒物污染提供依据.

    国内外学者对于颗粒物的来源、变化特征和影响因素都做了很多研究. 首先,很多学者对PM2.5和PM10质量浓度的变化特征及原因进行了研究. 谢心庆等[4]对乌鲁木齐市PM2.5质量浓度进行分析,结果表明户外PM2.5与大气中的PM10等其他污染物具有较高的相关性. Wang等[5]分析PM2.5、PM10及PM1的时空分布特点,结果表明颗粒物呈现明显的季节和区域分布特征,气象因子对短期内颗粒物浓度的增长有作用. Zhou等[6]研究发现市中心与郊区的污染物分布都有明显的时空特征,城市污染物质量浓度的增加与周边城市污染物的扩散运输也有重要关系. 其次,针对PM2.5/PM10的时空分布特征和分析方法也有很多相关研究. 李建文等[7]分析昆明市PM2.5中水溶性无机离子时空分布,发现PM2.5具有明显的季节分布特征,水溶性无机离子主要来源于土壤扬尘和建筑扬尘的混合源、燃煤源和工艺过程源. Xu等[8]对PM2.5/PM10进行时空分布分析,发现PM2.5/PM10从城市的市区向郊区逐步增加,有明显的时空变异性. 郭涛等[9]提出了利用移动监测技术研究区域大气环境中PM2.5/PM10空间分布的方法. 张朝能等[10]研究昆明市PM2.5浓度变化,发现气象因素对PM2.5质量浓度的变化有显著影响. 本文利用根据监测站间颗粒物相关性和聚类分析的方法将上海市10个监测站划分为浦东站、浦西站和背景站,借助ARCGIS和R语言工具分析上海市PM2.5/PM10的空间分布特征[11],同时对其时间变化特征展开研究,从而得到上海市PM2.5/PM10时空分布情况.

    • 采用2014年4月14日—2015年3月24日上海市10个国控空气质量自动监测站的PM2.5和PM10小时质量浓度值及PM2.5/PM10进行研究,根据数据计算PM2.5/PM10并分析其时空分布特征. 上海市目前的颗粒物监测网络包括徐汇上师大、虹口、静安、十五厂、普陀、浦东新区、浦东张江、浦东川沙、杨浦四漂和青浦淀山湖. 监测站点分布如图1所示.

      图  1  上海市空气质量监测站分布图

      Figure 1.  Location of Shanghai air quality monitoring station

    • 聚类分析方法是根据研究样本之间的相似性将它们进行分类的方法,常见的聚类方法有层次聚类、分割聚类与约束聚类法等. 变量间距离是确定变量之间相似程度的度量指标,常用的求变量间距离d(i, j)的方法有欧氏距离,曼哈顿距离等. 本文在聚类中使用的是欧式距离,公式为:

      其中 $i = ({x_{i1}},{x_{i2}},...,{x_{im}})$ $j = ({x_{j1}},{x_{j2}},...,{x_{jm}})$ 是2个m维变量.

      以上所述的距离度量需达到如下要求[11]

      (1) $d(i,j) \geqslant 0$ :两点间距离非负的某个数;

      (2) $d(i,j) = 0$ :研究对象与自身距离为0;

      (3) $d(i,j) = d(j,i)$ :研究对象的对称性;

      (4) $d(i,j) \leqslant d(i,p) + d(p,j)$ :两点之间直线最短的原理.

      文章应用的是层次聚类方法,标准聚类重新标定距离 (Rescaled Distance Cluster Combine,RDCC)是用来计算监测站间某变量的差距. 其基本思想是在初始聚类时,每个样本都属于单独的一类. 然后按照某种方法计算样本之间的距离,距离最小的样本自动归为一类. 接下来计算已成的大类与其他类之间的分别距离,并以此类推直至所有样本归于一大类[12].

      本文使用SPSS软件对上海市10个监测站的PM2.5/PM10进行聚类分析,将聚类结果以树状图的形式展示,聚类分析的过程[13]如下:

      步骤1:根据公式计算所有监测点之间的距离;

      步骤2:将距离最小的2站组合为新的类或一组新站;

      步骤3:根据公式比较新生成的类与其余的监测站之间的距离,继续生成新的类;

      步骤4:重复步骤2和步骤3, 直到所有监测站属于一大类.

    • 上海市地形以平原为主,相似的地理环境和位置都会导致设备采集的颗粒物信息存在相似性,从而PM2.5/PM10也会出现相似的变化行为. 首先,根据表1的监测站间PM2.5/PM10相关系数表可以看出站点间的PM2.5/PM10相关系数大多在0.5以上,静安和十五厂的相关系数最高为0.75,而且这2个监测站间距离很近,监测站的颗粒物相似行为会受到站点间距离的影响.

      监测站 虹口 静安 普陀 十五厂 徐汇上师大 杨浦四漂 浦东川沙 浦东新区 浦东张江 青浦淀山湖
      虹口 1 0.70 0.65 0.67 0.65 0.56 0.59 0.63 0.63 0.54
      静安 1 0.72 0.75 0.74 0.60 0.57 0.64 0.64 0.60
      普陀 1 0.68 0.69 0.51 0.53 0.61 0.60 0.57
      十五厂 1 0.78 0.59 0.57 0.65 0.63 0.59
      徐汇上师大 1 0.55 0.55 0.63 0.63 0.59
      杨浦四漂 1 0.45 0.56 0.47 0.45
      浦东川沙 1 0.58 0.58 0.48
      浦东新区 1 0.64 0.52
      浦东张江 1 0.53
      青浦淀山湖 1

      表 1  上海市监测站间PM2.5/PM10相关系数表

      Table 1.  The correlation coefficient of PM2.5/PM10 between monitoring stations in Shanghai

      其次,对PM2.5/PM10进行聚类分析后所得结果如图2所示. 根据10个监测站PM2.5/PM10之间的RDCC,将监测站分为4组:A(静安、十五厂、徐汇上师大、虹口),B(浦东新区、浦东张江),C(普陀、浦东川沙、杨浦四漂),D(青浦淀山湖). RDCC越低,说明样本的相似程度越高. 根据图2可以看出,监测站距离越近则PM2.5/PM10被分为一组的可能性越高,这也验证了上面所说的颗粒物相似的污染行为与距离相关. 文中为了分析对上海市颗粒物的区域变化情况,以PM2.5/PM10的相关系数和聚类分析结果为标准,结合监测站的地理位置情况,将10个国控站点综合分为3类. 浦东站包括浦东新区、浦东张江和浦东川沙监测站;浦西站包括静安、十五厂、徐汇上师大、虹口、普陀和杨浦四漂监测站;背景站即青浦淀山湖监测站.

      图  2  上海市监测站PM2.5/PM10聚类图

      Figure 2.  Dendrograms and corresponding clustering station for PM2.5/PM10 in Shanghai

    • 表2呈现了全年四季中各区域监测站颗粒物质量浓度及PM2.5/PM10的统计量,季节的均值是以PM2.5和PM10的逐小时监测质量浓度求均值所得. 春季是3—5月,夏季6—8月,秋季9—11月,冬季为12至次年2月. 根据表2结果可知PM2.5和PM10质量浓度具有相同的季节变化规律,均表现为冬>春>秋>夏. 对于颗粒物的季节变化现象,其原因是受到气象因素和人为因素的共同作用,这与王宏等[14]的研究结果相似. 根据表3,冬季温度低,机动车驱动所需时间加长,排放的PM2.5质量浓度增加;相对湿度大,空气中的气态污染物转化为固态污染物发生二次污染. 冬季上海市盛行偏西风,在风向作用下外地污染物发生区域传输引起上海市冬季颗粒物污染加重[15]. 之后研究的不同风向下颗粒物质量浓度变化情况,解释了区域传输的影响. 春季上海市平均温度16℃左右,雨量适中,空气中容易发生二次污染引起PM2.5的聚集. 秋季日照温和,空气干燥,温度变化不稳定等会促进PM2.5分解,抑制PM2.5的聚集. 夏季降水量多,温度高,大量雨水冲刷空气中的颗粒物,高温促进污染物发生光化学反应开始稀释,所以造成污染物质量浓度下降. 但是PM2.5/PM10表现出差异性季节变化特征,浦东站表现为夏>冬>春>秋,浦西站为冬>春>夏>秋,背景站则为冬>夏>秋>春. 根据表2的结果可知,PM2.5、PM10和PM2.5/PM10的空间分布规律一致,表现为背景站(0.71±0.19)>浦西站(0.66±0.19)>浦东站(0.61±0.21). PM2.5/PM10值均保持在0.50以上,说明PM2.5占PM10质量浓度的比例大于50%,PM2.5是PM10的主要组成成分,目前颗粒物污染最严重的是PM2.5污染.

      季节 浦西站 均值±标准差/(μg·m−3) 浦东站 均值±标准差/(μg·m−3) 背景站 均值±标准差/(μg·m−3)
      PM2.5 PM10 PM2.5/PM10 PM2.5 PM10 PM2.5/PM10 PM2.5 PM10 PM2.5/PM10
      61±41 82±62 0.65±0.21 54±39 82±56 0.63±0.20 65±41 97±70 0.67±0.22
      43±29 57±37 0.68±0.18 38±26 56±37 0.62±0.21 49±33 69±44 0.70±0.20
      44±32 66±39 0.62±0.19 38±30 61±36 0.56±0.21 54±36 75±43 0.69±0.19
      73±54 105±68 0.67±0.19 72±56 106±72 0.64±0.20 88±57 119±68 0.76±0.15
      全年 54±42 77±56 0.66±0.19 50±42 76±56 0.61±0.21 63±45 90±60 0.71±0.19

      表 2  上海市不同区域颗粒物浓度及PM2.5/PM10统计量

      Table 2.  Statistics of particulates and PM2.5/PM10 ratio in different areas in Shanghai

      月份 降水量/mm 相对
      湿度/%
      气温/℃ 日照
      时数/h
      1 61.1 69 6.0 119
      2 81.1 71 6.8 102.3
      3 69.4 73 10.6 130.5
      4 139.4 75 15.7 119.9
      5 61.5 64 21.7 186.2
      6 175.9 80 23.3 74.1
      7 192.2 81 27.4 129.4
      8 229.3 82 26.3 84.1
      9 196 80 24.2 118
      10 37.3 68 20.2 208.6
      11 34.8 71 14.8 128.8
      12 6.8 60 5.7 177.6

      表 3  上海市气象条件信息表

      Table 3.  Information of meteorological conditions in Shanghai

    • 图3为PM2.5/PM10的日变化特征图. 从图3可看出3个区域的PM2.5/PM10具有相似的变化行为,均呈现出双峰型的变化趋势,峰值出现在05:00和14:00左右. 上午PM2.5/PM10值高于下午,全天PM2.5/PM10变动范围在0.55~0.75. 00:00—05:00曲线缓慢上升至05:00出现第1个峰值;05:00—09:00曲线开始下降,09:00—14:00开始上升并在14:00左右出现第2个峰值;14:00—19:00 PM2.5/PM10开始下降,在18:00左右出现全天PM2.5/PM10的最低值;18:00—23:00 PM2.5/PM10开始缓慢上升. 在空间分布上,PM2.5/PM10的日变化仍然表现为背景站>浦西站>浦东站. 监测站PM2.5/PM10值日变化特征的类似,说明空气中颗粒物的组成受排放源、监测站地理差异等多元因素的影响,使某些监测站中PM2.5的质量浓度变化相同.

      图  3  上海市PM2.5/PM10日变化图

      Figure 3.  Average daily profile of PM2.5/PM10 ratio at the stations in Shanghai

      对比工作日与非工作日的PM2.5、PM10和PM2.5/PM10的变化趋势对于揭示颗粒物质量浓度的周期特征具有重要意义,图4呈现了工作日和非工作日的PM2.5、PM10和PM2.5/PM10日变化特征. 其中图4(a)~(c)为3个监测站PM2.5质量浓度的日变化特征图,图4(d)~(f)代表PM10质量浓度的日变化特征图,图4(g)~(i)呈现出PM2.5/PM10的日变化特征. 可见,上海市PM2.5/PM10表现为非工作日高于工作日,具有明显的“周末效应”[17];PM2.5和PM10在工作日和非工作日的质量浓度差别不大,没有明显的“周末效应”. 在00:00—11:00,非工作日的PM2.5质量浓度高于工作日,11:00—23:00则表现为工作日高于非工作日. 3个监测站的PM2.5/PM10出现非工作日>工作日的现象,说明非工作日PM2.5质量浓度在PM10质量浓度中所占比例高于工作日. 对于非工作日PM2.5质量浓度高于工作日的现象,其原因可能由于周末车辆不限行,造成上海市行驶车辆数增多,汽车排放的细颗粒物质量浓度增加. 非工作日PM10高峰出现的时间比工作日延时1~2 h左右,可能由于非工作日居民处于休息状态,各项活动较工作日相比会延迟[16]. 对比图4中的PM2.5、PM10和PM2.5/PM10日变化特征图,空间分布与上述的研究结果一致,表现为背景站>浦西站>浦东站. 对于此明显的空间分布情况,将在下面的研究中分析原因.

      图  4  上海市工作日与非工作日颗粒物及PM2.5/PM10对比图

      Figure 4.  Comparison of working days and non- working days of particulates and PM2.5/PM10 ratio in Shanghai

    • 图5表现了上海市10个空气质量监测站PM2.5/PM10的空间分布图,使用的数据为每个监测站全年PM2.5/PM10平均值. 点越大颜色越深表示PM2.5/PM10等级越大,说明该监测站点PM2.5质量浓度占PM10质量浓度的比例越高,则细颗粒物污染越严重. 从全年来看,浦东地区的PM2.5/PM10范围在0.62~0.70,浦西站范围在0.62~0.73,背景站等级最低为0.55. 这些数据说明浦西站和浦东站的主要污染是PM2.5污染,而背景站的污染主要是PM10污染. 市区的PM2.5/PM10比周边等级高,这与市区巨大的车流和人流量息息相关.

      图  5  上海市监测站PM2.5/PM10空间分布图

      Figure 5.  Spatial distribution map of PM2.5/PM10 ratio at the monitoring stations in Shanghai

      图6所示为监测站颗粒物质量浓度及PM2.5/PM10的日变化图. 从图6结果可知PM2.5、PM10和PM2.5/PM10的空间变化特征为背景站>浦西站>浦东站. 背景站的PM2.5、PM10质量浓度及PM2.5/PM10最高,说明青浦淀山湖监测站的颗粒物污染最严重. 浦西地区的PM2.5质量浓度高于浦东地区,PM10质量浓度相差不大,PM2.5/PM10大于浦东地区. 浦西地区作为上海市中心区域,有大量的人流和车流,且污染源种类多,空气中的PM2.5质量浓度高.

      图  6  上海市颗粒物及PM2.5/PM10日变化图

      Figure 6.  Average daily profile of particulates and PM2.5/PM10 ratio at the stations in Shanghai

      根据以上对浦西站、浦东站和背景站的PM2.5、PM10及PM2.5/PM10质量浓度变化特征的分析,背景站的颗粒物质量浓度明显高于其他站点. 背景站的质量浓度变化不仅会受到本地的影响,也会受到区域传输的影响. 风是影响边界层内污染物稀释扩散的重要因素,风向是决定上游输送的重要因子,这与地理位置和上游的污染程度有关[18].

      为了评估区域传输背景站监测的颗粒物质量浓度的影响,对不同风向下的颗粒物及PM2.5/PM10日变化特征进行研究. 图7为上海市风向频数图,西北风、东南风和西南风是上海市的主要风向. 上海市属于亚热带季风气候,冬季盛行西北风,夏季盛行东南风. 根据图7可知,在西南风和东南风2~3级时出现频率最高,盛行东北风3~4级时风速占比较高,4~5级风速在西北风出现时的频率比南风出现时频率高. 风速越大说明污染物的扩散条件越好,所以冬季强劲的西北风有力地促进了上游的PM2.5自北向南传输至上海地区.

      图  7  上海市风向玫瑰图

      Figure 7.  Wind speed rose map of Shanghai

      图8是在不同风向下PM2.5、PM10和PM2.5/PM10的日变化图. 其中图8(a)~(b)是PM2.5质量浓度在东风和西风时的日变化图,图8(c)~(d)是PM10在不同风向下的日变化趋势图,图8(e)~(f)为PM2.5/PM10的日变化特征图. 从图8结果可知,在盛行西风时颗粒物质量浓度和PM2.5/PM10值明显高于东风时的颗粒物质量浓度及PM2.5/PM10值,且仍然呈现出背景站>浦西站>浦东站的空间分布情况. 所有监测站在不同风向下污染物日变化特征相似,表示所有站点所采集的PM2.5和PM10信息具有相似性,监测站间的颗粒物污染会相互影响. 东风时PM2.5和PM10的质量浓度日变化波动不大,西风时PM2.5和PM10呈现高原型变化,质量浓度不断升高. 东风和西风时PM2.5/PM10值整体变化稳定,东风时PM2.5/PM10值日变化呈双峰性,峰值出现在06:00 和14:00;西风时PM2.5/PM10值随时间增加不断减少. 由图8可知,偏西风的PM2.5、PM10和PM2.5/PM10远远高于偏东风. PM2.5和PM10与偏西风存在正相关性,结合地理位置进行分析,上海市处于弱气压控制区的下风方向,偏西风将上游污染物不断输送至上海市,加上本地扩散条件差,两者叠加就导致PM2.5质量浓度不断上升的现象[19]. 偏东风时颗粒物质量浓度相应有所降低,上海市濒临东海,说明在夏秋季偏东季风带来的是海上干净气体,没有携带大量污染物. 背景站西部的外来污染物在偏西风作用下被输送至背景站,在偏东风时海上空气由东至西又将市区的机动车尾气携带至背景站,综合作用下背景站的质量浓度居高不下. 经过对不同风向下监测站颗粒物质量浓度的变化特征进行分析,可得区域传输对背景站的质量浓度变化是有很大影响的.

      图  8  上海市PM2.5、PM10质量浓度及PM2.5/PM10风向对比图

      Figure 8.  Concentration of particulates and PM2.5/PM10 ratio in different wind direction in Shanghai

    • (1)冬季颗粒物受风向作用运输,颗粒物质量浓度上升. 夏季高温多雨的气候对颗粒物有巨大的冲刷作用,颗粒物质量浓度下降. 不同区域的PM2.5和PM10具有相同的季节变化规律,均表现为冬>春>秋>夏. 但是PM2.5/PM10表现出差异性季节变化特征,浦东站表现为夏>冬>春>秋,浦西站为冬>春>夏>秋,背景站则为冬>夏>秋>春. 全年PM2.5/PM10值均在0.5以上,上海市颗粒物污染以PM2.5污染最严重.

      (2)上海市PM2.5/PM10日变化趋势呈双峰型,上午PM2.5/PM10值大于下午. 第1个峰值出现在05:00左右,第2个峰值出现在14:00左右,在18:00出现全天PM2.5/PM10的最低谷值,这种变化趋势与人们出行和气象因素有关.

      (3)上海市颗粒物质量浓度及PM2.5/PM10呈现出明显的“周末效应”. 00:00—11:00 PM2.5质量浓度呈现非工作日>工作日,11:00—23:00反之. PM10质量浓度整体表现为工作日>非工作日. PM2.5/PM10均表现出非工作日>工作日. 出现这些现象的原因可能与车辆限行时间以及人类活动时间有关.

      (4)从全年来看,浦东地区的PM2.5/PM10范围在0.62~0.70,浦西站范围在0.62~0.73,背景站PM2.5/PM10等级最低为0.55. 浦西站和浦东站的主要污染是PM2.5污染,背景站的污染主要是大气颗粒物污染.

      (5)颗粒物及PM2.5/PM10的日变化具有相同的空间变化特征为背景站>浦西站>浦东站. 背景站周边分布大量工业园区,污染物种类和来源复杂. 浦西站点分布在人口分布密集的主城区居民区内,排放的污染物以细颗粒物为主. 浦东站点分布在郊区,受人流量和车流量影响较小,环境质量良好.

      (4)对比不同风向下PM2.5、PM10质量浓度和PM2.5/PM10的变化情况,偏西风时PM2.5、PM10和PM2.5/PM10均明显高于偏东风,在风向的影响下使颗粒物发生区域传输,导致背景站的污染物质量浓度上升,出现背景站污染最严重的情况.

参考文献 (19)

目录

    /

    返回文章
    返回