刘立忠，么 远，韩 婧，李文韬，王宇翔（.西安建筑科技大学环境与市政工程学院，陕西 西安 70055；.西安市环境监测站，陕西 西安 70054）

西安市大气颗粒物数浓度分布及典型天气条件特征变化

刘立忠1*，么 远1，韩 婧2，李文韬2，王宇翔1（1.西安建筑科技大学环境与市政工程学院，陕西 西安 710055；2.西安市环境监测站，陕西 西安 710054）

利用2013年3月到2014年12月期间西安市大气中0.25～32μm颗粒物监测数据和同期气象参数、散射消光系数等数据，分析了大气颗粒物数浓度分布及典型天气条件下变化特征.结果表明:采样期间西安市大气颗粒物平均数浓度为206.27个/cm3， 99%以上为＜1μm的颗粒物数.大气颗粒物数浓度冬季最高，其次为秋、夏和春季，分别为267.66、231.31、141.82和135.77个/cm3.四季的数浓度低值均出现在18:00左右，之后数浓度上升，且晚上高于白天，冬季6:00左右达到峰值，夏季的昼夜差最小，秋季最大.春夏秋冬的大气颗粒物数浓度与散射消光系数的Pearson相关系数分别为0.756、0.702、0.411、0.377.大气颗粒物数浓度在沙尘天气发生前、中、后会升高、下降和再下降，霾天气出现前、后会升高和下降；高温干燥天气下，大气颗粒物数浓度相对较低；降雨对大气颗粒物的清除作用明显，但降雨后大气颗粒物数浓度又很快回升.

西安市；大气颗粒物；数浓度；典型天气；特征

西安市是典型的北方内陆城市，其主要大气污染物以颗粒物为主.大气颗粒物的数浓度及粒径分布是大气气溶胶的重要性质，影响颗粒物在大气中的滞留时间、传输距离及理化特性等，在评估大气气溶胶的各类行为及其对人类、气候、生态等影响方面有重要的意义［1-3］.

国内对大气颗粒物数浓度及粒径分布的研究还主要集中在长江三角洲［4-5］、珠江三角洲［6-7］以及京津冀［8-11］等经济发达地区，而对西北内陆城市的研究还相对较少，其中长时间高分辨率的观测研究更是有限.本研究采用德国EDM180型环境颗粒物/气溶胶粒径谱仪，于2013年3月到2014年12月期间，对西安市大气中0.25～32μm范围内的颗粒物进行高分辨率连续监测，以研究分析西安市大气颗粒物的数浓度变化规律及粒径分布特征，并对其在典型天气条件下的变化特征展开研究.

1 研究方法

1.1 采样点

采样点位于西安市环境监测站大气环境质量综合实验室（超级站）楼顶，采样头距地面高约15m，距楼顶1.5m.超级站周边属于典型的城市环境特征，经过专家论证，该采样点位置及其监测数据具有代表性，能够较好的反映市民日常生活环境状态.观测期间同步记录西安市气象局网站公布的气象数据，并测量同期西安市大气颗粒物的消光系数.

1.2 实验仪器

1.2.1 采样仪器 德国GRIMM气溶胶技术公司研制和生产的EDM180型环境颗粒物/气溶胶粒径谱仪，采用激光散射原理可同时获得环境大气中0.25～32μm范围内的31个粒径段的气溶胶数浓度，并可计算得到相应的质量浓度，各粒径段粒子直径起始值分别为0、0.25、0.28、0.30、0.35、0.40、0.45、0.50、0.58、0.65、0.70、0.80、1.0、1.3、1.6、2.0、2.5、3.0、3.5、4.0、5.0、6.5、7.5、8.0、10.0、12.5、15.0、17.5、20.0、25.0、30.0、32.0μm.

该仪器监测时间间隔为1min，采样流量为1.2L/min，激光光源波长685nm，所得数据根据环境空气质量标准（GB 3095—2012）［12］剔除整理数据，并且去除因为仪器故障等原因导致的明显无效数据，从而计算得到小时均值、日均值、月均值等.

1.2.2 测量仪器 采用Ecotech Aurora-1000浊度计测量环境大气中颗粒物的散射消光系数，散射角在10～70°之间，采样流量为5L/min，LED光源波长为525nm，所测得的数据与粒径谱仪所得数据做同样的处理.

2 结果与讨论

2.1 大气颗粒物数浓度及粒径分布特征

由于较大粒径颗粒物数浓度比较低且监测所得数据量较大，所以将颗粒物分为≤0.3μm、0.3～1μm、1～2.5μm、2.5～10μm、＞10μm五个粒径段进行颗粒物数浓度的统计分析（表1）.随着颗粒物粒径的增大，数浓度明显减小，与其他几个粒径段的颗粒物数浓度相比，＞10μm的颗粒物数浓度可以忽略不计.采样期间西安市大气颗粒物的平均数浓度为206.27个/cm3，其中粒径≤0.3μm、0.3～1μm、1～2.5μm、2.5～10μm的颗粒物分别占84.57%、15.32%、0.08%、0.03%.由此可见，小于1μm的大气颗粒物数浓度占到了总体数浓度的99%以上.

表1 西安市大气中不同粒径范围颗粒物的数浓度Table 1 Particle number concentration in different size

2.2 大气颗粒物数浓度谱季节分布特征

图1给出了西安市各个季节平均数浓度谱分布，根据气象划分法和西安当地的季节变化，这里仅以2013年12月、2014年1月和2月代表冬季，2014年3、4、5月代表春季，2014年6、 7、8月代表夏季，2014年9、10、11月代表秋季.统计同期气象数据发现西安市常年风速较小，平均风速小于2m/s，在这种风速条件下，扩散作用在影响大气颗粒物数浓度变化方面占据主导地位.

图1 西安市大气颗粒物平均数浓度谱分布Fig.1 The size distribution of mean particle number concentrations

图2 西安市大气颗粒物平均数浓度与平均质量浓度Fig.2 The mean particle number and mass concentrations

由图1可以看出，随着超细颗粒物粒径的加大，颗粒物的数浓度快速降低，分布曲线呈现指数下降趋势，与超细颗粒物相比，粗颗粒物数浓度比较稳定，四季变化不明显.对研究期间所得数据按照上述季度划分统计得到，西安冬季颗粒物数浓度最高，平均为267.66个/cm3，其次为秋季（231.31个/cm3）、夏季（141.82个/cm3）、春季（135.77个/cm3），尤其以粒径0.3μm以下的颗粒物表现最为显著.这与冬季采暖有直接关系，大量燃煤导致颗粒物的排放量加大，同时冬季气温较低，大气较稳定，对颗粒物的垂直扩散和稀释非常不利［5，13］.夏季与春季颗粒物数浓度相差不大，夏天略高.西安颗粒物数浓度变化特点为秋冬高、春夏低.

超细颗粒物体积非常小，在质量浓度中所占比例较低，导致数浓度与质量浓度之间相关性差［14］.相对较粗的颗粒物的数浓度较低，这与环保措施不断落实、环境质量管控越来越严格、除尘设备越来越精良等因素密切相关.虽然这部分颗粒物的数浓度不高，但是在质量浓度中占的比例却较大（图2），其中2.5～10μm的颗粒物在质量浓度中贡献最大，仍然需要严加控制.同时，应积极探索针对超细颗粒物的合理有效的控制措施.

2.3 大气颗粒物数浓度昼夜变化

图3为西安市四季大气颗粒物数浓度小时均值昼夜变化曲线.由图3可知，四季大气颗粒物数浓度都是晚上高于白天，其中夏季的昼夜差最小，秋季最大.冬季夜间逆温现象最为明显，不利于污染物扩散，使得颗粒物数浓度显著上升，6:00左右达到峰值，而后气温逐渐回升，逆温层逐渐消退，大气扩散能力增强，使得颗粒物数浓度慢慢下降，9:00左右出现一个相对低值，之后数浓度有所上升，这可能主要是人类活动的影响.四个季节的低值都出现在18:00左右， 18:00以后是交通的高峰期，交通源的贡献加大，大气也开始趋于稳定，使得颗粒物数浓度逐渐升高.

图3 西安市大气颗粒物数浓度昼夜变化Fig.3 Diurnal variation of particle number concentrations

2.4 大气颗粒物数浓度与散射消光系数的相关性分析

运用spss 19.0软件采用Pearson相关系数对大气颗粒物数浓度与散射消光系数的相关性进行分析.分析结果见表2，采样期间散射消光系数与大气颗粒物数浓度之间的Pearson相关系数为0.469，在0.01水平上显著相关，表明两者之间为中等程度相关，且散射消光系数与大气颗粒物数浓度之间为正相关.同时散射消光系数与能见度关系密切，散射消光系数越高，能见度越低，说明大气颗粒物数浓度对能见度造成直接影响，且与能见度成负相关.

春夏秋冬四个季节大气颗粒物数浓度与散射消光系数的Pearson相关系数分别为0.756、0.702、0.411、0.377，均通过了显著性水平为0.01的检验，可以看出春夏两季颗粒物数浓度与散射消光系数正相关关系最为明显，表现出了强相关性，而秋冬两季颗粒物数浓度与散射消光系数也表现出了中等程度正相关性和弱正相关性，说明四个季节大气颗粒物数浓度与散射消光系数有很好的相关性，春夏两季大气颗粒物数浓度对散射消光系数有很大的贡献，而秋冬两季影响散射消光系数的因素更多、更为复杂.这可能与西安市各季节排污情况以及大气气溶胶成分有关，其中主要成分碳气溶胶及水溶性无机离子的季节变化刚好与此相符合［15-16］.

表2 大气颗粒物数浓度与温度、湿度、散射消光系数之间的Pearson相关性Table 2 Correlation between the atmospheric particle number concentrations and temperature， humidity，scattered extinction coefficient

2.5 典型天气条件下大气颗粒物数浓度的变化特征

选取沙尘天气、灰霾天气、高温干燥天气及阴雨天气4种典型天气，分析其数浓度日变化特征，见图4.

2.5.1 沙尘天气条件下大气颗粒物数浓度的变化特征 2013年4月18日6:00～20:00之间出现沙尘天气，当日大气颗粒物数浓度日变化如图4（a）所示.沙尘天气出现前，大气颗粒物数浓度有所升高，而沙尘发生时，大气颗粒物数浓度反而会下降，随着沙尘天气的减弱直到结束，大气颗粒物数浓度还会进一步下降.沙尘天气出现前，颗粒物数浓度升高，可能与沙尘传输以及不利于污染物扩散的气象因素等有关.在沙尘天气期间，较强的风吹散了西安市本地污染物，而外来的沙尘气团含有较少的细颗粒物，同时大气粗颗粒物数浓度明显升高，且随着粗粒子增多，对细粒子的吸附作用也更明显，细粒子浓度相应降低，总体表现为大气颗粒物数浓度的下降［17］.在沙尘过后，粗、细颗粒物经过了一系列吸附、转化、沉降等过程，其数浓度较沙尘前有所下降［18］.

2.5.2 灰霾天气条件下大气颗粒物数浓度的变化特征 2013年12月17日为灰霾天气，当天颗粒物数浓度为410.64个/cm3，是当月均值251.58个/cm3的1.63倍.10:00前主要为雾，10:00开始逐渐转变为霾，霾出现时颗粒物数浓度明显升高，直到17:00霾已经逐渐消散，随着霾天气的结束，大气颗粒物数浓度开始下降［图4（b）］.夜间颗粒物数浓度又有上升的趋势，主要可能由于逆温现象的发生，大气低空出现逆温层，不利于污染物的扩散.逆温现象的发生也是霾出现的一个重要原因，预示着第二天仍有可能出现灰霾天气，这与18日实际出现的灰霾天气状况相符.

2.5.3 干燥高温天气条件下大气颗粒物数浓度的变化特征 2014年6月10日属于干燥高温天气，全天平均气温为28.5℃，平均湿度仅为25%.由图4（c）可以看出，高温干燥天气时大气颗粒物数浓度相对较低.这种天气下太阳辐射强，混合层出现得早、消失得慢，并且混合层高度较高，非常有利于污染物的扩散，使大气颗粒物数浓度较低.同时由于占大气颗粒物数浓度99%以上的粒径1μm以下的颗粒物几乎不受重力的沉降作用，在大气中滞留时间长，很难去除，数浓度变化不大.午后时分，温度进一步升高，湿度持续降低，颗粒物数浓度有所降低，这是气温、湿度等多因素共同影响的结果.温度较高时，大气垂直对流作用加剧，有利于大气扩散，因而一般与污染物浓度呈负相关［5］.在相对湿度低于一定值时，颗粒物数浓度与相对湿度成正相关［19］.这与本研究观测到的结果一致（表2）.

图4 不同典型天气大气颗粒物数浓度日变化Fig.4 Diurnal variation of particle number concentrations in different feature weather conditions

2.5.4 阴雨天气条件下大气颗粒物数浓度的变化特征 2014年10月2日有小到中雨，降雨主要出现在0:00～10:00之间.由统计数据及图4（d）显示，降雨期间颗粒物数浓度相对较低，与降雨前相比，降雨时大气颗粒物数浓度降低了38.7%，说明降雨对大气颗粒物的清除作用明显.降雨过程对粗粒子和细粒子都有去除作用，对细粒子的去除作用尤为明显.而降雨对粗细粒子的清除机制不同，粒径为0.5～1.0μm的细颗粒是由于其布朗运动和雨滴的相互碰撞而清除，而粗粒子的清除则是由于惯性沉降到雨滴表面而被清除［20］.与降雨前相比，降雨后大气颗粒物数浓度只降低了15.7%，这说明降雨后大气颗粒物数浓度又很快回升.胡敏等［21］研究了北京市2004年7～8月降水过程对大气颗粒物谱分布的影响，得出降雨过程使大气中的背景气溶胶浓度降低，降雨过后的晴朗干洁天气和强太阳辐射有利于新粒子（3～20nm）生成，新生成的颗粒物很快长大到50～100nm，此后污染不断加深的结论，可以对本次研究中观测到的现象做出一定程度上的解释说明.

表3 沙尘天气、灰霾天气、干燥高温天气、阴雨天气条件下大气颗粒物数浓度与散射消光系数之间的Pearson相关性Table 3 Correlation between the atmospheric particle number concentrations and scattered extinction coefficient in dust， haze， hot and dry， rain weather conditions

2.5.5 沙尘天气、灰霾天气、干燥高温天气、阴雨天气条件下颗粒物数浓度与散射消光系数的相关性 沙尘天气和灰霾天气下大气颗粒物数浓度与散射消光系数没有通过0.05水平上的显著性检验，而干燥高温天气和阴雨天气下大气颗粒物数浓度与散射消光系数均通过0.01水平上的显著性检验，并且均为强正相关，说明重污染天气下散射消光系数的影响因素较多，而相对洁净的天气下大气颗粒物数浓度对散射消光系数的贡献较大.这可能是由于外来气团携带或者本地污染源新产出的大气污染物大量排放以及二次污染物的形成，导致西安市大气组分更加复杂所引起的.

3 结论

3.1 西安市大气颗粒物采样期间的平均数浓度为206.27个/cm3，其中粒径≤0.3μm、0.3～1μm、1～2.5μm、2.5～10μm的颗粒物分别占84.57%、15.32%、0.08%、0.03%，小于1μm的大气颗粒物数浓度占到了总体数浓度的99%以上.

3.2 西安冬季大气颗粒物数浓度最高，平均为267.66个/cm3，其次为秋季（231.31个/cm3）、夏季（141.82个/cm3）、春季（135.77个/cm3），尤其以粒径0.3μm以下的颗粒物表现最为显著.超细颗粒物在质量浓度中所占比例较低，而相对较粗的颗粒物的数浓度较低，在质量浓度中占的比例却较大，应积极探索针对超细颗粒物的合理有效的控制措施.

3.3 西安市大气颗粒物数浓度晚上高于白天，夏季的昼夜差最小，秋季最大，冬季夜间逆温现象最为明显.冬季6:00左右达到峰值，9:00左右出现一个相对低值，之后数浓度有所上升.四个季节的低值都出现在18:00左右，交通源的贡献加大，大气也开始趋于稳定，使得颗粒物数浓度升高.

3.4 春夏秋冬四个季节大气颗粒物数浓度与散射消光系数的Pearson相关系数分别为0.756、0.702、0.411、0.377，春夏季大气颗粒物数浓度对散射消光系数贡献较大，而秋冬季散射消光系数的影响因子更多.重污染天气时影响散射消光系数的因素更复杂，而相对洁净的天气下大气颗粒物数浓度与散射消光系数相关性较好，为强正相关.

3.5 沙尘天气出现前，大气颗粒物数浓度会升高，沙尘发生时，反而会下降，沙尘过后，大气颗粒物数浓度较沙尘出现前要低；霾出现时大气颗粒物数浓度会升高，随着霾天气的结束，大气颗粒物数浓度会下降；高温干燥天气下，大气颗粒物数浓度相对较低，这种天气有利于污染物的扩散；降雨对大气颗粒物的清除作用明显，然而降雨后大气颗粒物数浓度又很快回升，不过与降雨前相比，还是有一定程度的降低.

Boucher O， Anderson T L. GCM assessment of the sensitivity of direct climate forcing by anthropogenic sulfate aerosols to aerosol size and chemistry ［J］. Journal of Geophysical Research -Atmospheres， 1995，100:26117-26134.

Peters A， Wichmann H E， Tuch T， et al. Respiratory effects are associated with the number of ultrafine particles ［J］. American Journal of Respiratory and Critical Care Medicine， 155（4）:1376.

Seinfeld J H， Pandis S N. Atmospheric chemistry and physics: from air pollution to climate change ［M］. New York: Wiley， 1998.

钱 凌，银 燕，童尧青，等.南京北郊大气细颗粒物的粒径分布特征［J］. 中国环境科学， 2008，28（1）:18-22.

林 俊，刘 卫，李 燕，等.大气气溶胶粒径分布特征与气象条件的相关性分析 ［J］. 气象与环境学报， 2009，25（1）:1-5.

张 涛，陶 俊，王伯光，等.2008年1月广州颗粒物数浓度污染特征［J］. 中国环境监测， 2009，25（2）:31-34.

黄祖照，王 杰，刘建国，等.广州城区大气细颗粒物粒谱分布特征分析 ［J］. 中国环境科学， 2012，32（7）:1177-1181.

郎凤玲，闫伟奇，张 泉，等.北京大气颗粒物数浓度粒径分布特征及与气象条件的相关性 ［J］. 中国环境科学， 2013，33（7）: 1153-1159.

翟晴飞，金莲姬，林振毅，等.石家庄春季大气气溶胶数浓度和谱的观测特征 ［J］. 中国环境科学， 2011，31（6）:886-891.

王琳琳，王淑兰，王新锋，等.北京市2009年8月大气颗粒物污染特征［J］. 中国环境科学， 2011，31（4）:553-560.

熊秋林，赵文吉，宫兆宁，等.北京城区2007～2012年细颗粒物数浓度时空演化 ［J］. 中国环境科学， 2013，33（12）:2123-2130.

GB 3095—2012 环境空气质量标准 ［S］.

朱能文.颗粒物浓度的影响因素及变化规律 ［J］. 环境科学动态，2005，（2）:16-18.

段菁春，李兴华，郝吉明.北京市冬季大气细粒子数浓度的粒径分布特征 ［J］. 中国环境监测， 2008，24（2）:54-59.

张承中，丁 超，周变红，等.西安市冬、夏两季PM2.5中碳气溶胶的污染特征分析 ［J］. 环境工程学报， 2013，4:1477-1481.

韩月梅，沈振兴，曹军骥，等.西安市大气颗粒物中水溶性无机离子的季节变化特征 ［J］. 环境化学， 2009，2:261-266.

Kim J， Jung C H， Choi B C， et al. Number size distribution of atmospheric aerosols during ACE-Asia dust and precipitation events ［J］. Atmospheric Environment， 2007，41:4841-4855.

Wang Y， Zhuang G S， Sun Y L， et al. Water-soluble part of the aerosol in the dust storm season-evidence of the mixing between mineral and pollution aerosols ［J］. Atmospheric Environment，2005，39:7020-7029.

张仁健，王明星，戴淑玲，等.北京地区气溶胶粒度谱分布初步研究 ［J］.气候与环境研究， 2000，5（1）:85-89.

Posfai M， Molnar A. Aerosol particles in the troposphere: A mineral-logical introduction ［J］. EMU Notes Mineral， 2000，2: 197-252.

胡 敏，刘 尚，吴志军，等.北京夏季高温高湿和降水过程对大气颗粒物谱分布的影响 ［J］. 环境科学， 2006，27（11）:2293- 2298.

Distribution of atmospheric particle number concentration in Xi'an and variations in typical weather conditions.

LIU Li-zhong1*， YAO Yuan1， HAN Jing2， LI Wen-tao2， WANG Yu-xiang1（1.School of Environmental and Municipal Engineering， Xi'an University of Architecture and Technology， Xi'an 710055， China；2.Environmental Monitoring Station of Xi'an， Xi'an 710054， China）. China Environmental Science， 2015，35（12）：3588～3594

Distribution and variation characteristics of atmospheric particle number concentration in typical weather conditions were analyzed， by using 0.25～32μm particulate matter monitoring data with meteorological parameters and scattered extinction coefficient of the same period between March 2013 to December 2014 in Xi'an of China. The results indicated that mean atmospheric particle number concentrations were 206.27 cm-3. Among them， the particle which size less than 1μm accounted for over 99%. The highest particle number concentrations was observed in winter which was 267.66 cm-3， and followed by autumn， summer and spring， which were 231.31， 141.82 and 135.77 cm-3， respectively. The number concentration value was the lowest around 6PM throughout the four seasons， which were higher in night than in the day time. However， the concentration differences between the day and night were the smallest in summer and the highest in autumn. The Pearson correlation coefficients were respectively 0.756， 0.702， 0.411 and 0.377 between the scattered extinction coefficient and the particle number concentrations in the spring， summer， autumn， and winter. The particle number concentrations first increased and then decreased before and after dust and haze events. The particle number concentrations were relatively low in the hot and dry days. Rainfall removed particles significantly， but the particle number concentrations increased rapidly after the rain.

Xi'an；atmospheric particle；number concentration；typical weather conditions；feature

X513

A

1000-6923（2015）12-3588-07

刘立忠（1975-），男，满族，辽宁锦州人，副教授，博士，从事环境科学、环境工程大气污染控制方面研究.发表论文10篇.

2015-04-30

* 责任作者， 副教授， LiuLiZhong@xauat.edu.cn