潘春梅，万普娟，邱 飞，沈秋莹，向 峰，王崇礼，朱 翔，

(1.云南师范大学旅游地理与科学学院，云南 昆明 650500；2.云南省生态环境监测中心，云南 昆明 650034)

0 引言

一氧化碳(CO)是一种无色无臭的有毒气体，与环境空气质量自动监测其他5项指标比较，其化学性质相对稳定，在大气中的寿命可达2～3月[1]。环境空气中一氧化碳主要来源有三个方面：一是本地人为源化石燃料的不充分燃烧及汽车尾气的排放；二是种植业生物质焚烧的贡献；三是外地源排放后随大气环流传输到本地。

当前环境空气质量预警预报工作，主要是依据天气学原理的气象预测技术[2]、环境空气质量数值模型模拟技术以及空气质量预报员的工作经验三者相结合的方式进行[3]，需要大量资金的投入，运行成本较高，不适用于县区级监测预报的技术推广。相比较，运用污染物间的相关性来预测空气质量环境状况是一种方便可行的方法，更适用于技术力量不发达的地区。

基于CO源排放相对单一、具有化学稳定性的特点和县区级监测预报机构的工作实际，分析污染天气过程中CO的变化表现，并应用CO浓度变化趋势指导开展污染天气预报预警的研究价值通常被忽略。鉴于此，通过对2019—2020年上半年云南省38个国家空气质量监测站点的数据开展分析研究，探讨云南省CO浓度与空气质量的时空变化特征及其在空气质量预报预警方面的可应用性，为提高各地空气质量预报预警的技术能力提供参考。

1 数据来源与分析方法

所用监测数据均来源于国家空气质量监测数据联网管理平台，为2019年1月—2020年6月的云南省16个州市政府所在地38个国控环境空气质量自动监测站常规污染物和气象审核后的监测数据。

通过Excel对CO浓度和气象数据进行初步处理，开展CO和空气质量的时间特征分析。同时，通过6项常规污染物自动监测数据计算得到空气质量综合指数(以下简称综合指数)，随后将得到的综合指数数据导入ArcGIS软件，用反距离权重法进行空间插值处理得到空间分布特征。

2 结果与讨论

2.1 一氧化碳与综合指数的时间关联性

对云南省CO浓度与综合指数月均值进行了分析，如图1所示，CO浓度与综合指数时间变化特征基本一致，表现为“U”型，峰值主要出现在春季和冬季。因为种植业生物质焚烧过程中，不仅可以促使颗粒物浓度的上升，同样对CO及其他污染物浓度的增长也有贡献作用，所以，春季CO浓度和综合指数偏高是因为境内和境外的生物质集中焚烧排放共同作用导致的[4-6]。CO浓度和综合指数的低值集中在夏季，主要是受降雨对气态污染物的湿沉降作用的影响。在冬季期间，冷气团和暖气团势力相当并盘踞在云南北部，锋面移动较慢甚至呈现静止状态并维持数天，常称为“云贵高原准静止锋”，受其影响大气扩散能力变弱[7]，加上冬季化石燃料使用量加大，导致CO浓度和综合指数又恢复上升趋势，并出现仅次于春季的第二峰值[8]。

2.2 一氧化碳与综合指数的空间关联性

对CO与综合指数分别进行了春季和冬季空间分布特征研究，得出结果见图2。在春季，受境外污染源传输的影响，景洪CO浓度和综合指数都较高，再次印证了CO与首要污染物存在同升的现象。而在春季玉溪CO浓度也出现了较高水平，分析其首要原因是玉溪污染物排放量大，玉溪市是云南省经济最发达的城市之一，工业企业数量多，烟草制品业、非金属矿物制品业、建筑建材业、黑色金属冶炼业等高能耗、高排污行业对本地的CO浓度上升贡献最大；其次玉溪市处在盆地谷地位置，早期工厂企业规划也不科学[9]，产生的污染物没有得到很好的扩散，累积在城区内形成CO污染。

冬季，CO浓度与综合指数高值区集中在北部城市，玉溪和曲靖CO浓度偏高，昆明综合指数偏高。在自然影响因素方面，玉溪、曲靖和昆明三个城市均属于高原山地城市，地形条件相似，不利于污染物扩散，且三个城市在冬季气温低，逆温层厚，不利于污染物扩散。在人为影响因素方面，玉溪工业发达，污染物排放量大，因此CO浓度终年居高，曲靖市是云南省第二大城市,也是全省重要的工业基地和煤炭生产基地[10]，冬季工业排放和燃煤量的增大促使CO浓度偏高，而昆明为云南省省会城市，人口密度大，机动车持有量大，机动车尾气，建筑扬尘、餐饮及工业多方排放是综合指数偏高的原因。

2.3 一氧化碳在空气质量预报预警中的关联应用

2.3.1 一氧化碳与大气扩散能力的相关性

风速与大气扩散能力之间存在密切关系，风速越低，大气扩散条件越差；同时，大气扩散能力越弱，CO浓度值越高；因此可以通过研究CO与风速之间的关系，来表征CO与大气扩散能力的相关性。对2019—2020年上半年污染天气中不同风速下的CO浓度数据分析发现，云南省污染天气过程中日均风速集中在0～3m/s，其中日均风速在1.5～2.5m/s易出现CO浓度较高值，即1.5～2.5m/s的日均风速条件对CO累积升高有明显影响；但随着风速增大，CO浓度值的变化不再明显。说明日均风速在1.5～2.5m/s时，大气扩散能力较弱，有利于污染物的弱传输，并在一定条件下发生累积超标的现象，可以用CO在污染天气过程中的变化特征来提升空气质量预报预警的准确性，如图3所示。

图4展示了CO与风速的季节变化情况，由图形变化情况可以得出，CO与风速的季节变化趋势较平缓，冬、春季风速和CO浓度同时偏高，但月平均风速均低于2m/s，属于弱风，刚好可以在水平方向进行污染物传输，但传输能力较弱，容易受到地形的影响发生阻滞，导致出现长距离传输的污染物在遇到地形阻滞后，在局部地区出现累积升高的现象。夏季西南季风强度增大带来较多降雨，CO经过雨水的湿除作用下降明显。冬季，辐射逆温现象频繁，处于大气边界层较稳定的阶段，不利于污染物垂直扩散，所以CO出现一定程度的上升，但经过前期的雨季洗刷，上升幅度较小，说明了合适的风速叠加不利的地形气象条件是影响CO浓度的因素之一。

2.3.2 一氧化碳与空气质量污染天中首要污染物的相关性

对近年来空气质量污染天气的统计发现，空气质量超标天主要集中在每年的3—4月份，约占全年空气质量超标天数的70%以上，这一时期，细颗粒物(PM2.5)占超标天首要污染物的比重最大，约占60%以上，2020年尤为明显，占比为82%。尽管CO未出现超标情况，但CO浓度的变化趋势与PM2.5呈现出较好的相关性。

例如2020年3月29日—4月5日，景洪共出现6 d重度污染天气，分析重度污染天气前后时段的PM2.5与CO的小时变化趋势见图5，PM2.5与CO浓度的波动变化趋势基本吻合，浓度峰值、低值出现的时间基本一致。

为进一步验证CO和PM2.5的相关性，对2019—2020年6月期间发生的污染天气进行统计，发现CO与PM2.5两者线性拟合结果较好，R2为0.579，呈现出显著的正相关关系，PM2.5与CO的函数关系为y=64.182x+6.5513，PM2.5与CO存在较强的相关性，因此，当发生首要污染物为PM2.5的污染天气时，可以用CO浓度的变化趋势作为进一步核实污染预报级别的重要参考，见图6。

为了解不同空气质量等级下CO浓度的变化情况，利用2020年1—6月各城市空气质量监测数据统计了轻度污染/中度污染/重度污染下的CO浓度均值，结果见表1。空气质量等级为轻度污染CO浓度均值在0.8 ～1.2mg/m3左右，空气质量等级为中度污染CO浓度均值接近1.2 ～1.6mg/m3左右，空气质量等级为重度污染CO浓度均值均在1.6mg/m3以上，不同的空气质量等级反映了不同CO浓度均值，对日常空气质量预警预报有一定的参考价值，见表1。

表1 2019—2020年春季CO浓度区间与不同级别污染天气的相关性

3 结论

(1)云南省城市环境空气中的CO具有明显的时间、空间特征，春季和冬季浓度较高，春季明显高于冬季；并且有着明显的地域分异性，春季滇中及以南区域的浓度高于滇中以北区域，冬季云南中部和北部的浓度高于南部地区。同时，CO与空气质量之间的相关性较强，呈现出较明显的时间、空间特征。

(2)云南省大部分城市CO与PM2.5之间存在较明显的相关性，在污染天气中二者的浓度函数关系为y=64.182x+6.5513，在重度污染天气过程中，二者间存在明显同升同降的变化趋势。通过CO与大气扩散能力的分析发现，日均风速在1.5～2.5m/s时，大气扩散能力较弱，污染物在缓慢传输过程中，容易受到不利地形阻滞，呈现出污染物持续累积直至超标的现象。

(3)在空气质量污染天气过程中，CO浓度与空气质量污染等级间存在较好的关联性，通过对CO浓度区间进行细化后发现，空气质量污染等级与CO浓度区间的关联度在70%以上，对提升污染天气预报预警的准确性有较高的应用价值。