2022, Vol. 14 
近年来，随着经济迅速发展, 城市开发速度加快, 各工业区规模不断扩大, 工业污染、机动车尾气污染、建筑扬尘污染也随之加剧，复合型污染态势已日趋严峻，给大气污染防治带来了前所未有的压力[1-2]。为做到精准治污、科学治污，探寻大气污染物贡献和输送规律，为环境管理服务[3-6]，现根据2019—2021年江苏省细颗粒物(PM2.5)和气象风速监测结果，采用大数据分析方法，分析了江苏省PM2.5的贡献与影响，以期为大气污染防治工作提供科学依据[7-9]。
1 数据来源与研究方法 1.1 数据来源PM2.5数据来自年江苏省南京、苏州、常州、无锡、镇江、泰州、扬州、南通、徐州、连云港、淮安、盐城、宿迁13市的大气自动站。污染物数据来自中国环境监测总站的全国空气质量实时发布平台(http://106.37.208.233:20035/)，频次为1次/h；气象数据来自中央气象台官网(http://www.Nmc.cn/)；近地面气象(温度、压力、湿度、风速、风向)数据来自江苏省气象台。
1.2 数据质控大气自动站运维质控工作包括定期的质量控制(QC)检查、质量保证(QA)检查和随机检查，通过运维检查对站点运维情况进行现场考核，保证数据的获取率、有效率和准确率。
1.2.1 QC检查每季度对每个大气自动站开展1次QC检查，检查内容包括：(1)PM2.5分析仪流量、关键参数值(K值)和背景值核查，其中关键参数值需要与出厂设备报告保持一致，按照《环境空气颗粒物(PM2.5和PM10)连续自动监测系统运行和质控技术规范》(HJ 817—2018)有关规定进行处理；同时进行采样流量、采样温度、标准膜、气密性、压力传感器检查，记录最终测试情况。(2)采样管路、采样部件的清洁度、密封度检查。
1.2.2 QA检查每半年对每个大气自动站开展1次QA检查，使用比对追溯校验后的流量计，对颗粒物分析仪的流量进行校验，记录分析仪内部的温度、压力测值，同时对仪器流量、气密性测试偏差进行计算并记录。
1.2.3 随机检查开展手工监测比对，检查站房环境，将异常数据与周边站点数据进行比对核查。
1.3 评价与分析方法 1.3.1 浓度限值PM2.5的质量浓度限值参照《环境空气质量标准》(GB 3095—2012)二级标准，见表 1。
|
表 1 PM2.5的质量浓度二级标准限值 |
污染贡献占比的计算公式见式(1)—(3)。
| $\text { 污染物贡献占比 }=\frac{\sum P}{\sum \text { 污染物总量 }}$ | (1) |
| $R=\sqrt[2]{a^2+v^2}$ | (2) |
| $\theta=\arctan \frac{v}{a}$ | (3) |
式中：P——污染物矢量(R，θ)；R——落点位置；θ——弧度角；a——风向，(°)；v——风速，m/s。
影响半径的计算公式见式(4)。
| ${\rm{影响半径}}=t\times v$ | (4) |
式中：t——影响时间，s；v——实测风速，m/s。
累计影响时间≥2/3时间的风速为该区域的绝对影响风速，计算结果为绝对影响半径；累计影响时间≥1/3时间的风速为该区域的直接影响风速，计算结果为直接影响半径。
2 结果与讨论 2.1 风速频度与影响半径 2.1.1 风速频度年度变化2019—2021年江苏省平均风速区间频度分布见图 1。由图 1可见，2019—2021年近地面小时风速区间频度为0.1%~34.4%，整体呈现先升后降的趋势，其中1~2 m/s风速区间的频度占比最高(30.8%~34.4%)，5 m/s及以上风速区间的频度较少(3%左右)。主要风速区间为0~3 m/s，频度为76.3%~80.7%，平均值为78.9%，其中2019年最高，2021年最低。
|
图 1 2019—2021年江苏省平均风速区间频度分布 |
2019—2021年江苏省各市风速区间频度分布见图 2。由图 2可见，各市0~3 m/s风速区间频度为59.4%~92.0%，平均值为78.9%。其中扬州和徐州较高，分别为92.0%和88.5%；南通和连云港较低，分别为59.4%和71.6%。0~3 m/s风速区间频度为70.2%~79.9%，苏南5市(南京、镇江、苏州、常州、无锡)最高，为79.9%，沿海3市(盐城、连云港、南通)最低，为70.2%。与全省平均风速区间频度相比，沿海3市0~1 m/s风速区间频度低了3.6个百分点，1~2 m/s风速区间频度低了3.9个百分点，存在较大差异，其余地区无明显变化。
|
图 2 2019—2021年江苏省各市风速区间频度分布 |
2019—2021年江苏省各市风速区间频度与影响半径见表 2。由表 2可见，各市0~2 m/s风速区间频度为35.8%~68.3%；0~3 m/s风速区间频度为59.4%~92.0%；0~4 m/s风速区间频度为77.8%~98.7%。
|
|
表 2 2019—2021年江苏省各市风速区间频度与影响半径 |
按照1.3.2节影响半径的计算方法，2019—2021年江苏省各市绝对影响半径和直接影响半径的风速区间频度见表 3。由表 3可见，半径在7 km内，绝对影响风速频度为59.4%~92.0%(平均值为78.9%)，直接影响风速频度为96.3%~100.0%；在5 km内，绝对影响风速频度为40.6%~74.0%(平均值为58.7%)，直接影响风速频度为80.8%~99.4%；在3 km内，绝对影响风速频度为20.4%~41.9%，直接影响风速频度为55.0%~88.8%。
|
|
表 3 2019—2021年江苏省各市绝对影响半径和直接影响半径的风速区间频度 |
通过计算不同半径内的风速频度，结合PM2.5浓度，可以计算出不同半径内风速频度对应的PM2.5贡献占比。PM2.5贡献占比分布见图 3。由图 3可见，半径在7 km内，风速频度为78.9%，PM2.5贡献占比为82.4%；半径在5 km内，风速频度为59.6%，PM2.5贡献占比为65.9%；半径在3 km内，风速频度为33.5%，PM2.5贡献占比为39.9%。
|
图 3 PM2.5贡献占比分布 |
风速频度与PM2.5贡献占比的相关性见图 4。由图 4可见，二者之间存在正相关关系，决定系数(R2)为0.986 5。0~1 m/s风速区间，风速频度为20.9%，PM2.5贡献占比为24.3%；1~2 m/s风速区间，风速频度为32.6%，PM2.5贡献占比为34.4%；2~3 m/s风速区间，风速频度为25.4%，PM2.5贡献占比为23.7%；0~3 m/s风速区间PM2.5贡献占比之和达82.4%。
|
图 4 风速频度与PM2.5贡献占比的相关性 |
根据《GB 3095—2012》，PM2.5的24 h质量浓度限值为75 μg/m3，大于该限值的浓度区域为高值区。ρ(PM2.5)＞75 μg/m3的频次和发生污染的概率与风速区间的关系见图 5(a)(b)。由图 5可见，随着风速的上升，ρ(PM2.5)＞75 μg/m3的频次和发生污染的概率均呈现明显的下降趋势，二者存在较好的负相关关系。
|
图 5 ρ(PM2.5)＞75 μg/m3的频次和发生污染的概率与风速区间的关系 |
2019—2021年南京与连云港风速区间频度分布见图 6，PM2.5贡献占比分布见图 7(a)(b)。
|
图 6 2019—2021年南京市与连云港市风速区间频度分布 |
|
图 7 南京与连云港PM2.5贡献占比分布 |
由图 6和图 7可见，南京市风速区间主要集中在0~3 m/s，该区间风速频度为89.2%，PM2.5的贡献占比为91.7%。0~2 m/s风速区间频度为65.7%，PM2.5贡献占比为70.3%。半径7 km内，绝对影响风速频度为89.2%，PM2.5贡献占比为91.7%；半径5 km内，绝对影响风速频度为72.1%，PM2.5贡献占比为76.3%；半径3 km内，绝对影响风速频度为41.5%，PM2.5贡献占比为46.7%。半径7 km内，直接影响风速频度为99.9%，PM2.5贡献占比为99.9%；半径5 km内，直接影响风速频度为98.3%，PM2.5贡献占比为99.0%，半径3 km内，直接影响风速频度为86.1%，PM2.5贡献占比为89.0%。
连云港市风速区间主要集中在0~3 m/s，该区间风速频度为91.4%，PM2.5占比贡献为93.8%。0~2 m/s风速区间频度为68.3%，PM2.5贡献占比为68.8%。半径7 km内，绝对影响风速频度为91.4%，PM2.5贡献占比为93.8%；半径5 km内，绝对影响风速频度为74.7%，PM2.5贡献占比为76.5%；半径3 km内，绝对影响风速频度为46.5%，PM2.5贡献占比为48.3%。半径7 km内，直接影响风速频度为99.9%，PM2.5贡献占比为100.0%；半径5 km内，直接影响风速频度为99.1%，PM2.5贡献占比为99.6%；半径3 km内，直接影响风速频度为88.5%，PM2.5贡献占比为90.2%。
综上所述，半径7 km内，南京市和连云港市的绝对影响PM2.5贡献占比分别为91.7%和93.8%，直接影响PM2.5贡献占比均为99.9%；半径5 km内，绝对影响PM2.5贡献占比分别为76.3%和76.5%，直接影响PM2.5贡献占比分别为98.3%和99.1%；半径3 km内，绝对影响PM2.5贡献占比分别为46.7%和48.3%，直接影响PM2.5贡献占比分别为89.0%和90.2%。可见固定点位的PM2.5贡献占比随着半径范围的扩大而增加，在近地面风速影响下，其PM2.5贡献占比也会发生变化。
3 结论(1) 2019—2021年江苏省大气自动站的小时风速数据显示，1~2 m/s风速区间频度占比最高，为30.77%~30.39%，5 m/s及以上风速区间频度占比最小，仅为3%左右。风速区间集中在0~3 m/s，频度为76.3%~80.7%。
(2) 从区域变化来看，全省各市0~3 m/s风速区间频度为59.4%~92.0%，平均值为78.9%。沿海3市(盐城、连云港、南通)0~1 m/s风速区间频度较全省该风速区间频度低了3.6个百分点，1~2 m/s风速区间频度低了3.9个百分点，存在较大差异，其余地区无明显变化。
(3) 从风速频度与影响半径来看，半径7 km内，绝对影响风速频度为59.4%~92.0%，直接影响风速频度为96.3%~100.0%；半径5 km内，绝对影响风速频度为40.6%~74.0%，直接影响风速频度为80.8%~99.4%；半径3 km内，绝对影响风速频度为20.4%~41.9%；直接影响风速频度为55.0%~88.8%。可见半径7 km内的绝对影响风速频度与半径3 km内的直接影响风速频度均已达到较高水平。
(4) 从风速区间频度与PM2.5贡献占比来看，0~3 m/s风速区间频度的平均值为78.9%，PM2.5贡献占比之和为82.4%。风速频度与PM2.5贡献占比存在良好的正相关关系。风速区间与ρ(PM2.5)＞75 μg/m3的频次和发生污染的概率存在良好的负相关关系。
(5) 以南京和连云港为例。0~3 m/s风速区间频度分别达到89.2%和91.4%，PM2.5贡献占比分别达到91.7%和93.8%；半径7 km内，绝对影响PM2.5贡献占比分别为91.7%和93.8%，直接影响PM2.5贡献占比分别为98.3%和99.1%；半径3 km内，绝对影响PM2.5贡献占比分别为46.7%和48.3%，直接影响PM2.5贡献占比分别为89.0%和90.2%。
| [1] |
王遵娅, 丁一汇, 何金海, 等. 近50年来中国气候变化特征的再分析[J]. 气象学报, 2004, 62(2): 228-236. |
| [2] |
颜如玉. 上海市空气质量指数及污染源研究[D]. 上海: 上海师范大学, 2019: 60-83.
|
| [3] |
王飞, 韩业林, 赵颖. 太原市大气颗粒物PM10和PM2.5多时间尺度变化规律研究[J]. 生态环境学报, 2017, 26(9): 1521-1528. |
| [4] |
朱韶峰, 黄吉. 静风条件下的大气污染探讨[J]. 浙江气象科技, 1990, 11(4): 37-41. |
| [5] |
丁峰, 朱志锋, 张良瑜, 等. 南京市环境大气质量变化特征及防治对策建议[J]. 环境监测管理与技术, 2020, 32(5): 63-67. |
| [6] |
汪宇, 彭晓武, 沈劲, 等. 基于气象因子的PM2.5回归预测模型研究[J]. 环境监控与预警, 2018, 10(4): 8-11. |
| [7] |
张章, 孙峰, 李倩, 等. 2013—2018年北京市PM2.5污染波动特征研究[J]. 环境监控与预警, 2021, 72(4): 33-39. |
| [8] |
LI T R, JIANG X J. Wind Environment analysis of ground-based optical observatory[J]. Research in Astronomy and Astrophysics, 2022, 22(4): 13-22. |
| [9] |
WANG L L, GUO X F, WAN B C. Characteristics of thermally-induced near-surface flows over an enclosed crater: Observations of the meteor crater experiment(METCRAX)[J]. Atmospheric and Oceanic Science Letters, 2014, 7(2): 162-167. |