黄亚林，刘超，曾克峰，丁镭，程胜高

1. 中国地质大学公共管理学院，湖北 武汉430074；2. 中国地质大学环境学院，湖北 武汉430074

2013─2014年武汉市PM2.5的时空分布特征及其与气象条件的关系

黄亚林1，刘超1，曾克峰1，丁镭2，程胜高2

1. 中国地质大学公共管理学院，湖北 武汉430074；2. 中国地质大学环境学院，湖北 武汉430074

霾天气的频繁发生降低了武汉空气质量，明晰致霾污染物PM2.5的污染机理、污染时空分布特征、影响因素是科学认识和解决霾污染天气的重要前提。在全国大范围内开展PM2.5源解析的背景下，探讨其时空分布特征，厘清与气象因子的相互关系，是对源解析工作的响应，也是污染防治决策的科学依据。本文以2013─2014年武汉市10个国控点的PM2.5监测数据和中国地面气象交换站气象数据为基础，运用统计学方法，基于不同时间尺度和空间分布类型研究PM2.5污染分布特征，并探讨其与气象条件的相互关系。结果表明：（1）武汉市 PM2.5污染表现出显著的时间分布规律。就年变化而言，PM2.5污染程度2014年（年均值121 μg·m-3）>2013年（107 μg·m-3），且PM2.5污染主要为良好和轻度污染，季节尺度上冬季>秋季>春季>夏季，月均值规律体现为4─9月优于10─翌年3月，以周为单位表现出显著的正周末效应，即周日>周六>周一>周五>周四>周三>周二；（2）武汉市ρ(PM2.5)的空间差异与区域类型、城市布局有关，工业区、居民区、交通区较风景区污染严重，二环和三环较一环严重；（3）ρ(PM2.5)月均值分布与降雨量、气温、平均风速、相对湿度呈负相关关系（P<0.05），与气压呈正相关关系（P<0.01），监测点S2、S3、S9与平均相对湿度相关性更显著。PM2.5污染的减轻与气象条件有一定关系，也离不开城市环境空气治理。

PM2.5；时空分布；气象条件；武汉市

随着工业化、城市化快速发展，能源消耗以及机动车保有量的不断攀升（李名升等，2013），空气污染逐渐成为制约可持续发展和生态文明城市建设的核心问题。PM2.5作为当前我国环境空气质量的重要指标之一，会降低大气能见度、影响气候变化和人类健康（王占山等，2015），是改善我国环境空气质量的主要瓶颈之一（曹军骥，2014）1。

国内外学者运用采样检测（蒋靖坤等，2014）、高精度实时测量（Grover et al.，2006）、遥感探测（李倩等，2013）等方法，围绕PM2.5污染特征（理化特征、源解析、形成过程、影响因素、时空分布等）（吴健生等，2015）759-766、演变机理（跨区域传输、预测与模拟等）（薛文博等，2014）、环境健康气候效应（雾霾、大气能见度、降雨、健康风险评价等）（曹军骥，2014）前言、管理与控制（白韫雯等，2013）等方面形成了完整的PM2.5研究体系。然而，从研究区域来看，目前国内对 PM2.5污染的研究，聚焦于京津冀（刘俊等，2014）、珠三角（徐伟嘉，2014）以及上海（吕森林等，2007）、重庆（吴健生等，2015）759-766等城市发展水平高且PM2.5污染严重的区域，尤其是北京地区，而缺乏对中部城市的有效观测和研究。随着长江经济带和长江中游城市群的建设，中部地区城市化快速发展的同时，环境空气问题也日益突出。近年来，作为中部地区中心城市之一的武汉，其空气质量问题屡被媒体报道，引起了学界和社会的广泛关注。从已有研究来看，成海容等（2012）1574-1579、周颖等（2013）506-507、Zhang et al.（2015）采用局部区域采样检测的方式，针对2011─2012秋冬季PM2.5化学组分分析了武汉市PM2.5的来源及其季节特征，为后续时空分布特征、影响因素、演变机理等提供了科学依据。

气象因素作为影响环境空气质量变化的一个重要变量，其与颗粒物污染具有相关性已经得到广泛认可（赵晨曦等，2014），在污染源排放相对稳定的条件下，气象条件对空气质量状况起主导作用（周兆媛等，2014），表明未来的 PM2.5污染防治需要在明确当地气象条件及其对空气污染影响的基础上进行。基于此，本文以 10个国控点的 PM2.5监测数据为研究对象，通过探究其在 2013─2014年的时空分布特征及与气象条件的关系，为明确城市内部不同区域、不同时间尺度内 PM2.5污染的防控提供科学依据。

1 资料及方法

1.1 数据来源及处理

本文PM2.5监测数据来源于2013年1月1日至2014年12月31日武汉市10个环境空气质量国控点（表1；图1）的PM2.5质量浓度（以下简称ρ(PM2.5)）日均值，以及武汉市环境保护局发布的空气质量日报表，有效样本数为7196个。地面气象要素数据来源于中国气象科学数据共享服务网，包括日平均风速、气温、气压、相对湿度，以及 24小时累积降水量、日照等。

图1 武汉市环境空气质量监测国控点分布Fig. 1 Locations of the state controlling stations for monitoring ambient air quality in Wuhan

表1 武汉市环境空气质量监测国控点详情Table 1 Details of the state controlling sites for monitoring ambient air quality in Wuhan

1.2 研究方法

本文利用统计学中均值统计、浓度分布统计以及相关分析的方法，探寻武汉市大气中 ρ(PM2.5)的时空分布规律及其与气象条件的关系。为了进一步明确 ρ(PM2.5)的年变化是否因气象条件的差异产生，基于相关系数均值和气象要素年均值，模拟PM2.5受气象影响的代替值的变化情况，计算步骤如下：

（1）数据标准化处理。为了消除量纲及其带来的影响，对气象因子i的2年共24个月份的数据进行标准化处理，公式为：

（2）计算 ρ(PM2.5)年均值代替值。利用气象因素与 ρ(PM2.5)的相关关系，以相关系数均值与标准化后的气象因素年均值相乘，代替ρ(PM2.5)年均值，公式为：

（3）计算ρ(PM2.5)年均值变化率。公式（2）所得 ρ(PM2.5)年均值代替值并不能替换真实的ρ(PM2.5)，但是可以反映其大小变化情况，因此比较实际值与代替值的变化率，可以反映两年间气象条件变化对ρ(PM2.5)的变化是否有影响，公式为：

2 结果分析

2.1 ρ(PM2.5)的时间分布特征及差异

2.1.1 ρ(PM2.5)的年变化

首先，分别计算10个站点的年平均质量浓度，再取其均值作为武汉市ρ(PM2.5)年均值。结果发现，ρ(PM2.5)由2013年的121 μg·m-3降至2014年的107 μg·m-3，降幅为11.57%，这表明2014年武汉的PM2.5污染总体上有所下降，同时城区的PM2.5污染明显高于远郊区。横向比较来看，武汉市 ρ(PM2.5)在我国主要城市中处于中等偏高水平（曹军骥，201468；成海容等，20121575），其中，2013年武汉市在全国第一阶段实施新空气质量标准的 74城市中，排名第 58位，污染较严重，影响空气质量的首要污染物即为PM2.5。

其次，分别从2013年和2014年的PM2.5污染程度来看（表2），其浓度（级别）分布区间集中于(35, 150]（良好至中度污染）之间，分别占全年的0.68、0.78，即2014年相对更集中（月均值的标准差分别为 55.95和 41.00），浓度区间由两侧向(35, 115]转移，极端情况出现的频率更低。

表2 ρ(PM2.5)级别划分及频数统计Table 2 The concentration levels and frequency statistics of PM2.5

2.1.2 ρ(PM2.5)的季节和月差异

按照气象局的划分方法，春、夏、秋、冬四季分别包括3─5月、6─8月、9─11月、12─2月，从ρ(PM2.5)的季节和月均值变化（图2）可以看出，10个监测点ρ(PM2.5)的季均值、月均值呈同步变化，且变化规律基本一致。两年 ρ(PM2.5)均值的季节变化特征为：冬季>秋季>春季>夏季。这与成海容等（2012）1575的研究结果“秋季>冬季>夏季”有所不同，秋季污染严重主要是因为秋收时，武汉市周边郊区为了解决大量秸秆闲置，将秸秆在田间露天焚烧，产生大量焚烧烟雾，加之秋季下沉气流控制的天气型式增多，时有逆温层影响，不利于污染物的扩散，不利于污染物的扩散；而本文中的监测点基本位于城区，受秸秆燃烧带来的影响较小，因而秋季ρ(PM2.5)值相对冬季偏低。

图2 PM2.5污染的季节（月）分布特征Fig. 2 Seasonal and monthly distribution of PM2.5pollution

PM2.5污染的月差异表现为 10─12月、1─3月>4─9月（图2），其中1月污染最严重，7月污染最轻，冬季各个月份的污染普遍比夏季的严重。

武汉大气中PM2.5污染源主要为燃煤和机动车尾气排放（周颖等，2013）507，同时，PM2.5污染受气象因素和污染源排放综合影响（成海容等，2012）1578。武汉夏季多雨（2013年降雨量243.317 mm）的气象条件为降低PM2.5污染做出了贡献；而秋冬季生物质燃烧、人类取暖耗能以及少雨干燥（2013年降雨量26.517 mm）的天气环境，既增加了 PM2.5的排放，也不利于污染物的扩散。武汉市PM2.5污染来源及其气象特征共同导致了 ρ(PM2.5)的季节差异和月差异。

2.1.3 ρ(PM2.5)的周末效应

统计并计算所有站点的 ρ(PM2.5)日均值数据中周一至周日的平均值（图3），表现出的规律为：周日>周六>周一>周五>周四>周三>周二，周末与工作日差异显著，这种大气物理现象在以周为尺度的周期内循环，被称为周末效应（龚道溢等，2006；丁一汇等，2009）。已有的周循环研究结果表明，周末效应存在正负之分，即周末比工作日高的正效应（Bigi et al，2014）和周末比工作日低的负效应（侯灵等，2012）。武汉市空气中PM2.5的主要来源中，生活燃烧、工厂排污等相对稳定，周内变化不大（成海容等，2012），而周末交通拥堵、景区爆满的社会现象和长期生活经验表明，武汉市民周末大规模出行增加了交通量从而导致机动车尾气排放增多，旅游烧烤等活动频繁则增加了颗粒物排放，因此出现了周末比工作日高的正效应，但是这种效应也会受气象条件和站点区位影响。

图3 PM2.5污染的周末效应Fig. 3 Weekend effect of PM2.5pollution

2.2 ρ(PM2.5)的空间分布特征及差异

分别计算10个站点的年均值，结果见图4。可以发现，10个监测点的值呈现较为显著的差异，S9>S2>S4>S1/S3/S5/S6/S7/S8>S10，其中 S9、S2始终处于高于其他监测点的中度污染位置，而作为城市背景点的S10，则长期稳定在远低于其他监测点的轻度污染水平。就监测点的区域类型而言，工业区、居民区、交通区的混合区域污染严重，如武汉著名的工业区青山钢花（S9）和吴家山（S2）污染最为严重，风景区（S7）污染相对较轻，这与周颖等（2013）507-510通过多环芳烃的来源解析结果一致。总的来看，虽然各个站点的年均值不同，但是总体变化特征是一致的，并且年均值范围 2013年为(115, 150]即中度污染的范围，而2014年80%为(75, 115]即轻度污染的范围。

图4 各监测点ρ(PM2.5)年均值比较Fig. 4 The comparison of PM2.5annual average concentration within monitoring points

为了进一步比较武汉市 ρ(PM2.5)的空间差异，对各监测点2013─2014年共24个月份的月均值质量浓度分布进行了统计，结果见图5：ρ(PM2.5)集中于50～150 μg·m-3间（图5灰色部分），两年间大多数月份PM2.5为良、轻度和中度污染；离群值为2013年1月、12月以及2014年1月数据，即冬季污染异常，因此，未来加强冬季的空气污染控制是武汉市大气环境治理的重点；两年内月均值波动范围相对较大与较小的监测点分别为S6与S7，与图5中结果一致。S6位于武昌区文体局，紫阳公园外，位于地铁四号线二期工程首义路站附近，由 2013年施工建设状态过渡 2014年的通车状态，不仅是建筑扬尘的减少，交通量也大幅度降低；而 S7位于东湖风景区梨园景区内，监测点周围大部分区域绿化和水体面积大，且风景区土地利用管理严格，周围工厂、建筑、居民区等空气污染排放基本保持不变，ρ(PM2.5)相对稳定。

图5 各监测点ρ(PM2.5)月均值质量浓度分布统计Fig. 5 The concentration distribution statistics of PM2.5on average every month of monitoring points

2.3 各监测点ρ(PM2.5)与气象因素的相关关系

为探讨武汉市 ρ(PM2.5)时空分布与气象条件的关系，本文利用SPSS 19.0中的Perason相关系数，基于月均值对各监测点 ρ(PM2.5)与主要气象因素（风速、降雨量、气温、气压、相对湿度、日照时数等）的相关关系进行分析，通过单样本K-S检验证明所有样本数据在显著性 0.05的水平上服从正态分布，相关分析的结果见表3。可以看出，ρ(PM2.5)月均值与降雨量、气温、最小相对湿度呈负相关关系（P<0.01），与平均风速、平均相对湿度呈负相关关系（P<0.05），与气压呈正相关关系（P<0.01）；10个监测点ρ(PM2.5)与气象因素相关性的差异，在月均值尺度上主要表现在平均相对湿度上，S2、S3、S9相关性更显著。工业区、居民区、交通区及混合区域由于 PM2.5排放量大污染严重，风景区以及依托风景区的混合区污染源少，汉口江滩等水环境性质的风景区相对湿度大，污染相对较轻；除城市背景点 S10外，武汉三环内的污染分布大致为一环（S3、S5）小于二环和三环，这可能与城市布局有关，一环内少有工厂且建筑设施趋于完善，近几年建筑施工逐渐向外围拓展；S2、S3、S9与平均相对湿度的相关性更显著，而S2、S9是武汉市ρ(PM2.5)最高、常年处于中度污染的区域，说明未来的防治中地面洒水等增加大气湿度的措施是十分有效的途径。

为进一步印证气象条件改变对 ρ(PM2.5)的影响，由公式（2）和（3）计算得出V代（-0.194）

表3 ρ(PM2.5)与气象因素的相关性Table 3 Correlation between PM2.5concentrations and meteorological factors

3 结论与讨论

3.1 结论

本文通过武汉市2013─2014年的10个国控点监测数据探讨了 ρ(PM2.5)分布的时空分布特征及其与气象条件的相关关系，得出以下结论：

（1）不同时间尺度的 PM2.5污染具有规律性与差异性。近两年武汉市PM2.5指标以轻度污染和良好的天数占主导，且 2014年在稳定的好转；两年间 ρ(PM2.5)的季节分布和月分布具有一致的差异规律，分别为冬季>秋季>春季>夏季，以及 1月>12月>10月>2月>11月>3月>5月>4月>6月>9月>8月>7月；两年间ρ(PM2.5)日均值表现出明显的周循环特征，即周日>周六>周一>周五>周四>周三>周二。

（2）ρ(PM2.5)的空间差异与区域类型、城市布局有关。2013─2014年武汉市环境空气质量国控点ρ(PM2.5)值 的 差 异 表 现 为 S9>S2>S4> S1/S3/S5/S6/S7/S8>S10，表明城区的 PM2.5污染较郊区严重，二环和三环内的 ρ(PM2.5)值高于一环，工业区、交通区、居民区 ρ(PM2.5)相对较高，而风景区和水域周围的 ρ(PM2.5)相对较低，且两年内月均值波动范围相对较大与较小的监测点分别为 S6（武昌紫阳）与S7（东湖高新）。

（3）武汉市 ρ(PM2.5)年均值降低与气象因素一定程度上相关。ρ(PM2.5)月均值与降雨量、气温、最小相对湿度呈负相关关系（P<0.01），与平均风速、平均相对湿度呈负相关关系（P<0.05），与气压呈正相关关系（P<0.01）；2014年PM2.5污染的好转与气象条件有一定关系，但也离不开城市环境空气治理的人为因素作用。

3.2 讨论

（1）由于PM2.5监测时空上的不连续性和数据的可达性，武汉市三环以外PM2.5污染的空间格局有待进一步研究。为了使研究结果更科学、更具普适性、更好地服务于PM2.5污染预报与防治，需要以长时间尺度、高密度高质量样本为基础开展深入研究。

（2）以 ρ(PM2.5)为代表的空气污染问题纷繁复杂，本文对时空分布特征及其与气象条件的数学关系进行了描述性分析和相关性的解释，未来在讨论“基于气象条件的污染布局、污染治理”时，仍需要对大尺度的天气背景进行分类，并加强重污染过程的短时间尺度气象条件影响研究，以提高未来气象要素变化对潜在空气质量影响的预测准确性。

（3）相对于气象条件，人类活动对环境空气中颗粒物污染的影响更为复杂和多变。由于人类活动的复杂性、移动性等不确定性因素，其对PM2.5污染的贡献难以实地监测，因此，源解析工作、以及PM2.5污染与城市居民出行规律关系研究显得十分重要。

此外，随着长江经济带和长江中游城市群的建设，中部地区城市化快速发展带来的空气环境压力越来越大，中部地区PM2.5污染问题需引起足够重视。

BIGI A, GHERMANDI G. 2014. Long-term trend and variability of atmospheric PM10concentration in the Po Valley [J]. Atmosphere Chemistry and Physics, 14: 4895-4907.

GROVER B D, EATOUGH D J, CHOW J C, et al. 2006. Measurements of both non-volatile and semi-volatile fractions of fine particulate matter in Fresno, CA. [J]. Aerosol Science and Technology, 40(10): 811-826.

ZHANG F, WANG Z W, CHENG H R, et al. 2015. Seasonal variations and chemical characteristics of PM2.5in Wuhan, central China [J]. Science of the Total Environment, 518-519(2): 97-105.

白韫雯, 杨富强. 2013. 美国治理PM2.5污染的经验和教训[J]. 中国能源, 35(4): 15-42.

曹军骥. 2014. PM2.5与环境[M]. 北京: 科学出版社.

成海容, 王祖武, 冯家良, 等. 2012. 武汉市城区大气 PM2.5的碳组分与源解析[J]. 生态环境学报, 21(9): 1574-1579.

丁一汇, 李巧萍, 柳艳菊. 2009. 空气污染与气候变化[J]. 气象, 35(3): 3-14.

龚道溢, 郭栋, 罗勇. 2006. 中国夏季日降水频次的周末效应[J]. 气候变化研究进展, 2(3): 1673-1719.

侯灵, 姚展予. 2012. 环北京地区空气污染指数与降水的周循环特征及其影响机制分析[J]. 大气科学, 36(4): 686-696.

蒋靖坤, 邓建国, 李振, 等. 2014. 固定污染源排气中 PM2.5采样方法综述[J]. 环境科学, 35(5): 2018-2024.

李名升, 张建辉, 张殷俊, 等. 2013. 近10年中国大气PM10污染时空格局演变[J]. 地理学报, 68(11): 1504-1512.

李倩, 李成才, 王烨芳, 等. 2013. 利用激光雷达和卫星遥感获得城市地面大气悬浮颗粒物浓度分布[J]. 北京大学学报(自然科学版), 49(4): 673-682.

刘俊, 安兴琴, 朱彤, 等. 2014. 京津冀及周边减排对北京市 PM2.5浓度下降评估研究[J]. 中国环境科学, 34(11): 2726-2733.

吕森林, 陈小慧, 吴明红, 等. 2007. 上海市 PM2.5的物理化学特征及其生物活性研究[J]. 环境科学, 28(3): 472-477.

王占山, 李云婷, 陈添 等. 2015. 2013年北京市PM2.5的时空分布[J]. 地理学报, 70(1): 110-120.

吴健生, 廖星, 彭健, 等. 2015. 重庆市 PM2.5浓度空间分异模拟及影响因子[J]. 环境科学, 36(3): 759-766.

徐伟嘉, 何芳芳, 李红霞, 等. 2014. 珠三角区域PM2.5时空变异特征 [J].环境科学研究, 27(9): 951-957.

薛文博, 付飞, 王金南, 等. 2014. 中国 PM2.5跨区域传输特征数值模拟研究[J]. 中国环境科学, 34(6): 1361-1368.

赵晨曦, 王云琦, 王玉杰, 等. 2014. 北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系[J]. 环境科学, 35(2): 418-427.

周颖, 周家斌, 王磊, 等. 2013. 武汉秋冬季大气 PM2.5中多环芳烃的分布特征及来源[J]. 生态环境学报, 22(3): 506-511.

周兆媛, 张时煌, 高庆先, 等. 2014. 京津冀地区气象要素对空气质量的影响及未来变化趋势分析[J]. 资源科学, 36(1): 0191-0199.

Spatio-temporal Distribution of PM2.5in Wuhan and Its Relationship with Meteorological Conditionsin, 2013─2014

HUANG Yalin1, LIU Chao1, ZENG Kefeng1, DING Lei2, CHENG Shenggao2
1. School of Public Administration, China University of Geosciences, Wuhan 430074, China; 2. School of Environmental Studies, China University of Geosciences, Wuhan 430074, China

Haze is one of the main reasons for the decline of air quality in Wuhan. To thoroughly understand the PM2.5pollution mechanism, spatio-temporal characteristics of pollution and influencing factors is an important prerequisite to understand and solve this problem scientificly. Within the background of carring out a wide range of source apportionment of PM2.5in the whole country, probing the spatial and temporal distribution characteristics, and clarifing the relationship between meteorological factors, is not only a response to the work of source analytic, but also the scientific basis of decision-making for pollution prevention. Based on PM2.5data of 10 Chinese state-controlled sites and meteorological data from China Ground Meteorological Exchange Stations druing 2013 and 2014 in Wuhan, the statistical method was used to study the spatio-temporal distribution of PM2.5pollution from different temporal scales and discuss its relationship with meteorological conditionsin. The results showed that: (1) PM2.5pollution showed significant temporal distribution characteristics in Wuhan. On the variation of interannual scale, annual daily average concentration of PM2.5decreased from 121 μg·m-3to 107 μg·m-3, and PM2.5pollution is mainly in good and slightly polluted condition. And the seasonal average concentration showed a order of winter > autumn (spring) > summer. Simultaneously, the monthly average concentration from April to September was superior to that from October to March of next year, and January to March. Furthermore, a significant positive weekend effect was found, namely Sunday > Saturday > Monday > Friday > Thursday > Wednesday > Tuesday. Generally, PM2.5pollution turn to mitigation and alleviation. (2) The spatial differences of PM2.5pollution were ralated to the regional types and the layout of the city, presenting that industrial zone, residential area and transport area were worse than the scenic. Moreover, the pollution in second and third ring was more serious than that in the first ring. And (3) the monthly average concentration of PM2.5prensented a negatively correlation (P<0.05) with temperature, average wind speed and relative humidity, but a positively correlation (P<0.01) with the pressure. There was a significant correlation between monitoring points S2, S3, S9 and the average relative humidity. There is a certain relationship between reducing PM2.5pollution and meteorological conditions, and the management of urban environment and air should not be neglected.

PM2.5; spatio-temporal distribution; meteorological conditions; Wuhan

10.16258/j.cnki.1674-5906.2015.08.011

X144

A

1674-5906（2015）08-1330-06

黄亚林，刘超，曾克峰，丁镭，程胜高. 2013─2014年武汉市PM2.5的时空分布特征及其与气象条件的关系[J]. 生态环境学报, 2015, 24(8): 1330-1335.

HUANG Yalin, LIU Chao, ZENG Kefeng, DING Lei, CHENG Shenggao. Spatio-temporal Distribution of PM2.5in Wuhan and Its Relationship with Meteorological Conditionsin, 2013─2014 [J]. Ecology and Environmental Sciences, 2015, 24(8): 1330-1335.

国家自然科学基金项目（41401181）；中央高校基本科研基金（CUGW140908）；湖北省环保科技课题专项基金（2012HB03）

黄亚林（1990年生），女，硕士研究生，从事地理环境和公园规划研究。E-mail: aylinhuang@163.com *通信作者：刘超，副教授，从事景观资源评价与规划研究。E-mail: chauger@163.com

2015-04-27