刘秀萍，李新宇，赵松婷，王 行

(北京市园林科学研究院/园林绿地生态功能评价与调控技术北京市重点实验室，北京 100102)

随着社会经济的快速发展、城市化进程的加快以及能源消耗不断上升，颗粒物已成为中国城市大气的首要污染物[1-2]，引起人们的广泛关注。空气悬浮颗粒物是指环境空气中空气动力学当量直径≤100 μm的颗粒物。其中PM10(可吸入颗粒物)是悬浮颗粒物中对环境和人体健康危害较大的一类，能进入鼻腔；PM2.5(细颗粒物)不仅会导致大气能见度下降[3-4]，还直接影响着人体健康状况[5-7]；PM1则可深达肺泡并沉积，进而进入血液循环，可能会导致与心肺功能障碍有关的疾病[8]。目前，中国已有较多关于PM10和PM2.5时空变化特征[9-11]、污染来源和影响因素及防控[12-14]、防治措施[15-16]的研究。在时空变化特征研究中，杨复沫等[9]连续两年对北京地区的PM2.5的质量浓度及其时间变化特征进行分析，得到PM2.5的年均质量浓度下浮最高达19.6%；于建华等[10]对北京地区PM10和PM2.5的监测结果表明，二者具有十分相似的变化趋势，日变化呈双峰特征分布；王占山等[11]对2013年北京35个自动空气质量监测子站的PM2.5数据进行分析得到PM2.5质量浓度由高到低的季节依次是冬季、春季、秋季和夏季。在空气颗粒物污染来源和影响因素研究中，赵曦晨等[12]分析2012—2013年北京PM10和PM2.5空间差异特征和时间变化特征，利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10质量浓度的影响；张晓雨等[13]对广州大气PM2.5中含碳组分的污染特征及来源进行解析；李振等[14]对汽车尾气的排放对可吸入颗粒物质量浓度的影响做了深入研究。这些研究大多数是基于短期非连续采样，对PM10、PM2.5、PM1污染水平尚缺少长时间尺度的研究与分析。本研究基于北京地区2015—2018年连续、实时监测的空气颗粒物质量浓度数据进行分析，以期获得更具代表性、长期连续的北京地区空气颗粒物的时间变化特征，为北京地区大气污染治理提供科学依据。

1 研究方法

观测站点位于北京市东北四环北京市园林科学研究院附属绿地内，观测站点附近以低层办公区、温室大棚为主，监测仪器距地面2.5 m高。样地面积为1 000 m2，植物群落为乔灌草复层结构，乔灌木覆盖率为75%，植物种植密度为4 m×4 m。其中乔木树种有鹅掌楸、国槐、金枝国槐、油松、紫叶李，灌木有连翘、锦带、女贞，藤本植物为紫藤。选取2015年1月1日—2018年12月31日的ρ(PM10)、ρ(PM2.5)和ρ(PM1)数据，每个年度有效监测天数分别为348、358、365、323 d，共计1 394 d。观测仪器采用Grimm Aerosol公司生产Grimm164在线环境颗粒物监测仪，每天连续24 h采样，每5 min记录一组数据，该仪器采用激光散射原理，不受颗粒物颜色影响，采样过程不加热除湿，保留颗粒物上的半挥发物，可同时测量ρ(PM10)、ρ(PM2.5)和ρ(PM1)数据。2015—2018年历年年均值、季节均值由日均值平均得到，日均值为一个自然日24 h质量浓度的平均值，每小时质量浓度由每5 min监测数据统计得到。

2 结果与分析

2.1 不同空气颗粒物质量浓度时间变化分析

2.1.1 年度变化分析 北京地区2015—2018年ρ(PM10)年均值显著降低，由2015年的107.7 μg/m3降低为2018年的74.03 μg/m3； 2015—2018年ρ(PM2.5)年均值分别为69.12、61.37、49.22、37.21 μg/m3，呈现出逐年降低的变化趋势；ρ(PM1)年变化与ρ(PM2.5)相同，即逐年降低，年均值分别为60.29、49.76、40.26、29.14 μg/m3。三种空气颗粒物质量浓度25%分位数至75%分位数的范围跨度逐年缩小，反映出空气质量逐年稳定(图1)。

根据GB 3095-2012《环境空气质量标准》空气质量要求[17]，PM10和PM2.5日均值的二级标准质量浓度限值分别是150 μg/m3和70 μg/m3，对北京地区ρ(PM10)和ρ(PM2.5)年度超标天数情况统计如下：2015—2018年ρ(PM10)年超标天数分别为84、71、56、38 d，超标率(超标率=超标天数/样本总数×100%)分别为24.14%、19.83%、15.34%、11.76%，年超标率呈现出逐年下降的趋势；ρ(PM2.5)超标天数分别为118、101、61、31 d，超标率分别为33.91%、28.21%、16.71%、9.6%，呈现逐年降低的变化趋势。总的来看，北京地区2015—2018年ρ(PM10)和ρ(PM2.5)的年超标率逐渐降低，空气质量逐年改善。

2.1.2 季节变化分析 按照气象学上季节的划分，春季为3—5月，夏季为6—8月，秋季为9—11月，冬季为 12 月—翌年 2 月。对比不同季节间三种颗粒物质量浓度大小(图2)，可以看出：ρ(PM10)季节变化与其他不同，季节平均质量浓度由高到低分别为春季(136.19 μg/m3)>冬季(115.72 μg/m3)>秋季(88.39 μg/m3)>夏季(65.45 μg/m3)，在月均值中春季3月份为全年最高，达151.81 μg/m3，冬季1月是第二个高峰值，月均值为141.66 μg/m3，夏季8月是全年最低值，月均值为55.05 μg/m3；ρ(PM2.5)季节均值最高的是冬季为75.87 μg/m3，最低的是夏季为41.16 μg/m3，春季(61.59 μg/m3)和秋季(60.76 μg/m3)处于中间水平，在月均值中1月质量浓度最高达88.68 μg/m3，8月达到最低为34.95 μg/m3；ρ(PM1)季节变化与ρ(PM2.5)一致，季节平均质量浓度最高的是冬季为66.56 μg/m3，最低的是夏季为34.76 μg/m3，在月均值中ρ(PM1)1月质量浓度最高为76.60 μg/m3，8月最低为29.21 μg/m3。三种颗粒物质量浓度25%分位数至75%分位数之间的范围跨度在夏季最小、冬季最大，反映空气质量的稳定性夏季>秋季>春季>冬季，在夏季很少出现较严重的污染天气。三种颗粒物质量浓度的平均值均高于中位数，可以反映出三种颗粒物质量浓度低于平均值出现的频率较高，也就是说三种颗粒物质量浓度在大多数情况下低于平均水平。

注：由下至上依次为最小值、25%分位数、中位数、75%分位数、最大值。Note:The five numerical points of box chart from bottom to top are the minimum, 25% quantile, median, 75% quantile, and maximum, respectively. 图1 三种空气颗粒物质量浓度年度变化Fig.1 Annual variations of three air particulate matter concentrations

注：由下至上依次为最小值、25%分位数、中位数、75%分位数、最大值。Note:The five numerical points of box chart from bottom to top are the minimum, 25% quantile, median, 75% quantile, and maximum, respectively. 图2 三种颗粒物质量浓度季节变化Fig.2 Seasonal variations of three air particulate matter concentrations

各季节超标情况统计中(表1、表2)，ρ(PM10)各年度超标情况基本表现为：春季>冬季>秋季>夏季；ρ(PM2.5)季节超标情况基本表现为：冬季>春季>秋季>夏季，仅在2018年ρ(PM10)和ρ(PM2.5)季节超标为秋季大于春季。ρ(PM10)和ρ(PM2.5)各季节超标率基本呈现逐年降低的趋势，ρ(PM10)超标率最高的季节是2015年春天，超标率达到了45.12%；ρ(PM2.5)超标率最高的季节是2015年冬季，高达55.56%，空气污染较为严重。

2.1.3 日变化分析 图3为ρ(PM10)、ρ(PM2.5)、ρ(PM1)2015—2018年及各季节的日变化规律，由2015—2018年内同一时刻质量浓度值平均得到。

表1 2015—2018年北京地区ρ(PM10)超标统计Tab.1 The exceeding statistics of ρ(PM10) in Beijing during 2015 to 2018

表2 2015—2018年北京地区ρ(PM2.5)超标统计Tab.2 The exceeding statistics of ρ(PM2.5) in Beijing during 2015 to 2018

图3 三种空气颗粒物质量浓度日变化Fig.3 Diurnal variations of three air particulate matter concentrations

从2015—2018年日变化来看，ρ(PM10)从1时到24时为先降低、再升高、再次降低、再次回升，最高值出现在23时为76.94 μg/m3，第二个峰值为9时为72.42 μg/m3，最低值在15时为65.21 μg/m3。ρ(PM2.5)日变化则呈现出先降低、后升高的变化，其中质量浓度最高值位于2时，为54.07 μg/m3，最低值出现在16时，为40.40 μg/m3。ρ(PM1)与ρ(PM2.5)日变化趋势一致，即质量浓度先降低、后升高，质量浓度最高值在2时，为48.27 μg/m3，质量浓度最低值位于16时，为35.43 μg/m3。从季节日变化来看，ρ(PM10)在春季、夏季、秋季与2015—2018年日变化相似，冬季呈现出先降低、后升高的规律；ρ(PM2.5)、ρ(PM1)各季节日变化规律与2015—2018年日变化规律基本相同。总的来看，三种颗粒物质量浓度均呈现出夜间高于白天，夜间颗粒物污染更为严重。在夜晚23时至次日2时时间段质量浓度最高，在下午15时到16时时间段质量浓度达到最低。不同之处为ρ(PM2.5)和ρ(PM1)一天之中只有夜间2时这一个高峰值，而ρ(PM10)除了夜间23时的最高值外，在白天9时出现第二个高峰值。

2.2 不同颗粒物质量浓度相关性分析

通过对PM10、PM2.5和PM1之间的相关性分析，可以初步判断三者是否来自相同的污染源，还可以根据PM10的质量浓度估算PM2.5的质量浓度[18]。Spearman秩相关系数比传统参数分析方法适应性更强、应用范围更广[19]。一方面Spearman秩相关分析能有效克服Pearson积矩相关系数只适合描述线性相关关系的缺点，提供2个随机变量在线性相关或非线性相关下的共变趋势程度，适用性比相应的参数方法更好[20]。另一方面PM10、PM2.5和PM1数据正态性检验结果不符合正态分布，因此采用非参数分析即Spearman秩相关系数统计分析方法进行相关性分析更为合理、可靠。三种颗粒物之间具有极显著正相关(表3)，尤其是PM2.5和PM1之间的显著度高达0.985。之后通过回归分析建立他们之间的回归方程(图4)，由线性回归方程可知，PM10与PM2.5、PM2.5与PM1、PM10与PM1的拟合度分别达到0.7674、0.9699和0.6238，方程回归系数同样显示他们之间表现为极显著正相关，三者同步变化率很高[21]，即随着一个变量的增加，另一个变量亦在变大。

表3 三种空气颗粒物质量浓度相关性分析

Tab.3 Correlation analysis of three air particulate matter concentrations

项目PM10PM2.5PM1PM101PM2.50.907**1PM10.838**0.985**1

**. Correlation is significant when the confidence (double test) is 0.01

图4 三种空气颗粒物质量浓度相关性曲线Fig.4 Correlation curvesamong three air particulate matter concentrations

3 讨 论

在2015—2018年年际变化中，ρ(PM10)、ρ(PM2.5)和ρ(PM1)均呈现逐年降低的变化趋势。从污染水平上来看，ρ(PM2.5)在2015—2018年年均值分别为69.12、61.37、49.22、37.21 μg/m3，结合王浩等[22]的相关研究结果：北京地区2008—2013年ρ(PM2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3，可以得到北京地区2008—2013年，2015—2018年ρ(PM2.5)年均值呈逐年下降趋势，污染水平得到改善，但空气污染依然存在。从污染天数上来看，北京地区2015—2018年ρ(PM10)和ρ(PM2.5)超标天数减少，空气颗粒物污染情况改善程度十分明显，空气质量发生巨大改变。在空气颗粒物污染的长期变化特征分析中，这种连续、实时在线监测所获得的数据相比短期非连续采样而言，更具科学性。

在季节变化中，ρ(PM10)最高的是春季，其次是冬季、秋季、夏季，春季频繁发生的沙尘天气可能对粗颗粒物的贡献较大，会明显增加PM10的质量浓度值[23]，在杨复沫等[9]研究中也表明，3月和4月的PM10的质量浓度与2月相比分别上升46.6%和81.4%；春季、夏季由于较为有利的气象扩散条件如高温、低湿、有风、高气压等以及较多的降水过程，对大气颗粒物有较好的清除、消散作用，使污染物不容易出现大量积累现象；秋季和冬季由于采暖期逐渐增多的燃煤以及较为不利的气象扩散条件如低温、高湿、无风等，容易使ρ(PM2.5)升高，易发生重污染过程[22,24]，如持续为小风或静风天气条件下PM2.5的质量浓度可升高2倍[9]。本研究季节变化规律的结果与徐敬等[25]2003—2004年PM2.5质量浓度变化特征中春季(111 μg/m3)>秋季(110 μg/m3)>冬季(108 μg/m3)>夏季(71 μg/m3)的研究结果不同，与王嫣然[26]2014年北京PM2.5质量浓度变化特征中冬季(116 μg/m3)>秋季(86 μg/m3)>春季(80 μg/m3)>夏季(67 μg/m3)，仅春季、秋季略有不同。与大多数研究结果均保持高度一致的规律：即PM2.5质量浓度在冬季最高，夏季最低，如王占山等[11]研究中2013年北京PM2.5平均质量浓度由高到低的季节依次是冬季(122.8 μg/m3)、春季(85.1 μg/m3)、秋季(84.9 μg/m3)和夏季(79.1 μg/m3)；陈俊良等[27]的研究中，南京市全年PM2.5质量浓度为冬春高、夏秋低。

在日变化上，三种空气颗粒物质量浓度总体日变化趋势为白天低、夜间高，可能主要由交通、煤燃烧、昼夜气象条件差异等因素引起的。一是冬季燃煤取暖和交通。根据时宗波等[28]对取暖期PM10和PM2.5的理化特征分析的结果，PM10和PM2.5主要来自燃煤和汽车尾气，其中21时后以柴油为燃料的大货车在允许北京过境，排放大量的颗粒物。二是白昼气象条件的差异。白天光照作用，使空气温度升高、相对湿度减小且大气运动较强，有利于空气颗粒物的消散、稀释；而夜间温度降低、相对湿度大、风速小，大气运动较弱，不利于空气颗粒物的消散、稀释，反而会促进空气颗粒物的凝结、积累，污染加重[29-31]。ρ(PM10)全年日变化规律与春季日变化规律十分相似，根据黄鹤等[8]的研究可知，扬沙天气条件下ρ(PM10)较ρ(PM2.5)而言增加十分显著，同样在杨复沫等[9]的研究中，ρ(PM10)和ρ(PM2.5)的变化并非始终一致，在一定的条件(如发生沙尘暴)下甚至可能相反。而北京地区扬尘天气在春季发生频率较高，故ρ(PM10)在白天出现第二个高峰值可能与北京地区春季风多风大且容易伴有沙尘或扬沙的气候特点有关[11,23]。

本研究只对北京地区2015—2018年PM10、PM2.5、PM1质量浓度及污染情况进行时间上的变化规律研究，今后的研究方向可从不同尺度空间变化及关联入手，为北京及周边地区空气污染治理与防治提供思路。

4 结 论

年际变化中，北京地区ρ(PM10)、ρ(PM2.5)和ρ(PM1)均呈现逐年降低的变化趋势，2015—2018年ρ(PM10)和ρ(PM2.5)超标天数减少，颗粒物污染情况改善程度十分明显，空气质量发生巨大改变。季节变化中，ρ(PM10)最高的是春季，其次是冬季、秋季、夏季，ρ(PM2.5)和ρ(PM1)最高的均是冬季，最低的是夏季。ρ(PM10)和ρ(PM2.5)各季节超标率基本呈现逐年降低的趋势，超标率最高的季节分别是春季和冬季。日变化中，三种空气颗粒物质量浓度总体日变化趋势为白天低、夜间高。相关性分析中，PM10、PM2.5和PM1之间具有极显著正相关，尤其是PM2.5和PM1。