姜 江，郭文利，王春玲

（北京市气象服务中心，北京 100089）

城市热岛效应和大气污染物的浓度对城市环境和居民生活的影响是非常显著的。研究指出在影响热岛效应和大气污染物的原因中，既包含自然因素，如风速、相对湿度、降雨量等[1-6]，也包含人为因素，主要涉及城市化和工业化的快速发展。北京作为中国超大城市之一，截至2016年底常住人口数量已经达到2 172.9万人，机动车保有量达到了548万辆，城区集中了全市50%以上的人口和80%以上的建筑物。未来随着城市内人口和车辆的持续增加，人类活动对城市热岛效应和大气污染的影响范围和程度必然会持续扩大和增加。

当前就人类活动对城市环境影响的研究已有很多[7-9]，结果均指出了制造业、交通、工业发展和能源利用的增长对城市大气环境组成成分（大气颗粒物、氮氧化物、硫化物、二氧化碳等）造成了一定的影响[10-12]。同时，就超大城市而言，人类活动在区域和时间上都表现出明显的特点，这些特点自然会对城市大气环境造成相比于其他区域和时段更显著的影响。其中，在区域上，表现为地表温度和气溶胶光学厚度高值区分布于城区人口密集、交通和商业活动频繁的区域[13-16]；在时间上，具体表现为早晚高峰期间，大量车辆、人口涌入城区。早晚高峰的大规模交通出行已经成为超大城市中人们的一种生活规律。这样的活动特点不仅仅表现在北京，在中国其他超大城市也都存在类似的现象。

虽然以往的研究已经证实了超大城市中的大规模人口活动对城市热岛效应、城市气候特点等方面的影响[17-19]，但是针对早晚高峰出行对城市环境的影响研究仍需要进一步关注。目前，北京市气象局自动站观测时间间隔已经发展至小时级别，因此本文基于前人的研究[20]，关注2006—2015年春节及春节前后各3周，分别来代表早晚高峰期人类出行活动频率较低和较高的时段，从而解释人类出行对城市环境所造成的具体影响。

1 资料与方法

1.1 数据来源

本文所有数据均来自北京市气象局自动气象要素观测站，所涉站点有大兴站（39°48'N，116°28'E，海拔高度32 m）、密云站（40°23'N，116°52'E，海拔高度73 m）、宝联站（39°57'N，116°16'E，海拔高度37 m）、上甸子站（40°39'N，117°07'E，海拔高度287 m），涉及2006—2015年2 m气温、降水量、风速、风向等逐时气象要素数据。大气污染成分主要来自城区宝联站和郊区密云上甸子站的逐时大气污染数据，涉及PM2.5、NOx浓度，文中所采用的观测数据均经过质量控制和均一性检验。

1.2 研究方法

每年的春节假期期间，北京会有接近一半的城市人口返回家乡，如2017年春节假期期间北京人口减少了约4成，近848万人离开北京返乡过年[19]。春节长假的特点为：人口大量返乡，行驶车辆大幅减少。这恰巧能够作为大规模人口早晚高峰出行活动频率降低的背景值。另外，春节长假处于冬季，冬季既是北京地区城市热岛效应最为明显的时期，也是平均污染物浓度相对较高的时期。鉴于此，为更加准确地分析早晚高峰交通出行对城市环境的影响，参考前人的实验方案[20]：选用2006—2015年10 a春节及春节前后各3周，即每年共7周（49 d），之后在文中称其为ALL时段。为下文便于说明，按顺序将所涉及到的7周分别称为第-3周、第-2周、第-1周、第0周、第+1周、第+2周、第+3周。其中，定义第0周为春节周（以下称为“CNY时段”，来自Chinese New Year的缩写），第-1、+1周被总称为过渡时段（称之为过渡周，因为部分人群在此期间处于返乡离京的时期），第-3、-2、+2、+3周被总称为背景时段（以下称为“BG时段”，来自Background的缩写，也是大部分人群稳定在京的时段）。同时，为了突出识别城区人口出行对城市环境的影响，在背景周计算时去除了周末2 d的数据，每年具体时间见表1。

表1 2006—2015年所选研究时段

文中城市热岛效应的计算方法为同时间同高度下，城市热岛中心气温与郊区的气温差值[21-22]。考虑到不同代表站点的数据对于热岛效应还是有一定的影响，选取位于北京平原城区内最高级别大兴站为城市代表站，同时综合考虑到城市化的扩张以及站点所在海拔高度的差异等因素，选取密云站为郊区代表站，热岛效应以两站同时间的2 m气温差值来表示。在对数据进行质量控制后，剔除共同或单一站点数据中的缺测值和异常值，对PM2.5、NOx观测的宝联站与上甸子站全要素样本量分别为9 096、9 136份。考虑到降水对城市热岛效应的减弱影响[19、23-25]，将大兴站与密云站中的有降水样本（92个）剔除，剩余为无降水样本（11 411个），城市热岛效应具体计算公式为：

式中，Tu代表城市站气温，Tr代表参考站气温。为保证NOx、PM2.5与热岛效应的研究时段一致、站点位置稳定，选用北京市气象局仅有的两个长时间序列的大气成分观测站点。其中，城区宝联站位于北京西三环和西四环之间，周边没有大的污染源，主要为居民区。郊区的上甸子站位于北京市东北部密云区上甸子村，距密云县城55 km，距北京市区150 km。宝联站在2016年初进行了迁站工作，为了保障数据连续和数据质量，在本文中统一研究时段为2006—2015年。城、郊站间NOx浓度差异和城、郊站间PM2.5浓度差异计算公式如下：

城、郊站间NOx浓度差异：

城、郊站间PM2.5浓度差异：

式（2）中，NOxu代表城区站NOx浓度，NOxr代表郊区站NOx浓度；式（3）中，PM2.5u代表城区站PM2.5浓度，PM2.5r代表郊区站PM2.5浓度。

考虑到降水、大风对城市热岛效应和污染物的影响，定义降雨天气为：小时累积降水＞0.1 mm；定义大风天气为：风速＞5.4 m/s时，相当于三级风力以上。文中所涉及t检验，主要用于样本含量较小，总体标准差σ未知的正态分布，常用于比较两组数据的差异是否显著。t检验公式如下：

2 结果

2.1 城市热岛效应

从ALL时段内的热岛效应日变化趋势（图1a）可以看出，热岛效应在00—06时基本处在同一水平（平均为3.02℃），07时达到最高值3.26℃，之后热岛效应随着近地面气温的升高和湍流交换加强而迅速减弱，直至15时达到最低值0.35℃，17时前后随着近地面气温的降低和湍流交换减弱，热岛效应又迅速增强，至22时再次达到峰值3.04℃，随后变化幅度趋于平缓。就平均状态而言，城市热岛的日变化主要受热力因素和湍流活动的日变化规律影响，因而与气象条件的日变化是非常一致的[26-27]。

BG时段内分析城市热岛的日变化特征（图1b）。多年平均热岛效应最大值同样出现在07时，为3.42℃，相比于ALL时段的平均值偏高0.16℃。夜间并没有出现明显的热岛效应高峰值，22时达到3.14℃，相比于ALL时段同时间偏高0.10℃。CNY时段（图1c）城市热岛效应的两次高峰值，第一次仍然出现在07时，为3.08℃，相比于BG时段同时间偏低0.34℃，夜间22时城市热岛效应再次达到高峰，为3.04℃，相比于BG时段同时间偏低0.10℃。

为了更清楚地了解早晚高峰的城市人口出行对热岛效应的影响，利用城市热岛效应在CNY时段与BG时段的差异进行分析（图1d）。结果表明，BG时段与CNY时段之间的城市热岛效应差异在早高峰期间平均为0.30℃，在晚高峰期间平均为0.43℃，在其他时段平均为0.26℃。BG时段与CNY时段城市热岛效应差异的最大值和次大值分别为19时的0.75℃和08时的0.57℃。对BG时段与CNY时段之间的城市热岛效应的差异利用t检验方法进行检验，两阶段的差异通过了0.01的显著性检验。结果说明，不同规模下的人口出行规律的确对城市热岛效应产生了影响。尤其是在傍晚之后，由于近地面气温的降低和湍流交换减弱，再叠加大规模人口晚高峰出行的影响作用，使得大规模人口出行对于城市热岛影响的程度还要高于早高峰期间。

图1 2006—2015年不同研究时段内的热岛效应日变化

2.2 氮氧化物（NOx）城郊浓度差异

氮氧化物（NOx）目前已经成为大气污染中的主要污染物之一，其主要成分包括NO、N2O、NO3、N2O3、N2O4和N2O5等[28]，是光化学烟雾污染、城市灰霾天气、大气酸沉降等一系列环境问题的重要根源，也是生成臭氧光化学反应的主要前体物。由于NOx可以在大气层中长距离输送，其引起的全球性或区域性污染问题也日益凸显。研究指出NOx可以经过一系列的光化学反应生成硝酸盐气溶胶，导致城市能见度下降，出现灰霾现象[29]。而NOx也是汽车尾气中的主要污染物之一，由于早晚高峰期有大量的车辆行驶，因而对城市大气环境造成相比于其他时段更显著的影响。因此，以NOx的城区、郊区站间的浓度差异来判断大规模人群出行规律对城郊大气污染物的影响是具有一定代表性的。

从图2a可知，郊区上甸子站的NOx浓度在一天当中呈现波动性的变化，并在10—16时期间有一个低谷存在，但整体而言并无特别明显的波峰与波谷存在，多年日平均值为15.92 μg/L。城区宝联站则表现出明显的日变化特征（图2b），就平均值而言，第一个波峰出现在08时，NOx浓度为91.58 μg/L。随着白天扩散条件转好后明显下降至16时的40.41 μg/L。随后伴随着晚高峰污染的积累与扩散条件转差的共同作用，NOx浓度再次上升至23时的78.67 μg/L。由于郊区站的NOx浓度日变化特征微弱，因此图2c中ALL时段城、郊两站NOx浓度差异类似于宝联站的日变化特征，其中10 a平均值的日间最大差异出现在08时，为76.11 μg/L，最小值出现在16时，为26.86 μg/L。

图2 2006—2015年ALL时段城、郊两站NOx日变化及两站NOx浓度差异的日变化

由图3可以看出，在CNY时段NOx的浓度城、郊差异整体上均明显低于BG时段。其中，BG时段与CNY时段城、郊NOx浓度差的最大差异在08时，达54.95 μg/L。在早高峰期间平均差异为48.55 μg/L，也是一天当中差异BG时段与CNY时段差异最大的时期。晚高峰期间平均差异为23.44 μg/L，其他时间段平均为27.97 μg/L。对BG时段与CNY时段城、郊两站NOx的浓度差异的差值利用t检验方法进行检验，结果表明两阶段的差异通过了0.01的显著性检验。相比于CNY时段，BG时段城市晚高峰出行活动对城、郊NOx浓度差异的贡献量随着夜间的不利扩散条件而延迟出现峰值，城市早高峰出行对城、郊NOx浓度差异的增大作用更为突出。此外，考虑到不同天气过程对结论的影响，尝试剔除大风、降雨天气过程之后，对城、郊两站NOx的浓度用相同方法进行计算，所得结果并无明显差别（图3）。

图3 不同天气情况下多年平均CNY时段、BG时段内宝联站与上甸子站间的NOx浓度差异

2.3 PM2.5浓度城郊差异

PM2.5是悬浮在空气中的空气动力学当量直径≤2.5 μm的颗粒物的统称，主要来源是工业生产、汽车尾气排放、火力发电等过程中经过燃烧而排放的残留物，大多含有重金属等有毒物质[30-34]。从结果来看PM2.5浓度在城、郊两站间的差异，相较于NOx的浓度在城、郊两站间的差异，两者既有共性又存在着明显的不同。原因在于PM2.5浓度的日变化不仅受到污染物的累积和扩散条件两方面的影响，同时还存在着化学反应以及颗粒物吸湿增长的影响，PM2.5浓度比NOx的浓度的日变化情况和规律要更复杂。

图4a中ALL时段内郊区站PM2.5浓度并没有表现出非常明显的日变化特征，但是也仍然存在着一定的变化规律，ALL时段内郊区站PM2.5浓度最高峰出现在23时前后，次高峰出现在14时前后。相比之下，ALL时段内城区站则存在着更明显的日变化特征（图4b），类似于同站点的NOx的浓度日变化特征，只是峰谷出现的时间存在差异。

图4 2006—2015年ALL时段内的城、郊两站PM2.5日变化及两站PM2.5浓度差异的日变化

就平均值而言，07时城区站PM2.5浓度出现第一个波谷，为73.87 μg/m3，随后增加至14时达到第一个波峰，为91.51 μg/m3；第二个波谷出现在16时，为78.08 μg/m3，随后再次增加直至23时达到第二个波峰（也是最高峰），为107.82 μg/m3。简言之，ALL时段内城区PM2.5浓度的日变化呈明显的双峰现象，一个峰出现在夜间，另一个峰出现在中午，这既与污染物排放有关，又与气象条件有关[35-37]。

一般而言，中午到下午是一天当中扩散条件最好的时候，也是多数污染物都呈现较低值的阶段。夜间，多数污染物都有高值出现，原因在于夜间易发生逆温，相对湿度通常最高，扩散条件最差，使得地面产生的颗粒物不易扩散而逐渐累积。ALL时段内城区PM2.5浓度却在14时出现波峰，说明城市早高峰出行对PM2.5浓度的影响是有一定的滞后作用的。夜间23时出现另一个波峰，证明叠加因素（不利扩散条件、晚高峰影响）对夜间PM2.5浓度的影响相比白天更明显，这一点在分析NOx的浓度日变化特征时也得到了类似的结论。午夜到凌晨的时段PM2.5浓度的变化则很平缓，PM2.5浓度分布也比较均匀，与前人的结论一致[35-38]。研究指出，虽然单纯机动车直接排放的颗粒物对PM2.5浓度的贡献并不高，但是汽车尾气中的超细粒子和污染气体，可以在空气中发生化学反应或者吸湿增长变成PM2.5。这也解释了PM2.5浓度的快速增长阶段没有完全对应于早晚高峰出行的时间，而是有所延迟。相对而言，NOx的日变化能更加直接地反映出机动车高峰等人类活动对大气的影响[39-40]。

根据2006—2015年ALL时段内的城、郊PM2.5浓度差异的日变化趋势来看（图4c），夜间扩散条件差，00—06时城郊PM2.5浓度差异持续减小，至07时达到最低（28.78 μg/m3），07时以后扩散条件逐渐改善，但位于山区的上甸子站海拔较高，扩散条件恢复更快，且城区站在07—10时颗粒物浓度变化略有上升，因此两者间的差异反而随着热力条件的改善而增加，至13时达到最高（41.02 μg/m3）；13时以后颗粒物浓度随着扩散条件逐渐转差而上升，但位于山区的上甸子站扩散条件转差得更快，因此两者间的差异随着热力条件的转差再次减小，至18时达到最低（27.81 μg/m3）。而后扩散条件失去作用，污染物累积占据主导作用，而城区站的颗粒物增长速度快于郊区，使得颗粒物效应再次增加，至次日23时达到48.89 μg/m3。

图5显示BG时段PM2.5浓度城、郊差异日变化的峰、谷并不十分明显，差异最大的时间点出现在13时，为47.48 μg/m3；次高峰出现在00时，为44.30 μg/m3。CNY时段PM2.5浓度城、郊差异与ALL时段、BG时段相比，在峰值的数值、最高峰出现的时间上则存在着很大的不同。CNY时段内PM2.5浓度城、郊差异在01时出现最高峰，为103.46 μg/m3，而次高峰出现在11时，为27.10 μg/m3，且两个峰值间差值更大。

从BG时段PM2.5浓度城、郊差异与CNY时段PM2.5浓度城、郊差异间的差别来看，PM2.5浓度城、郊差异在两个时段的表现特征完全不同于NOx浓度相应的结果。PM2.5浓度城、郊差异在BG时段内的05—19时高于CNY时段，而其余时间均低于CNY时段。其中，在01时出现了最大差值为-62.42 μg/m3，早高峰期间平均差值为12.82 μg/m3，晚高峰期间平均差值为8.22 μg/m3，其它时间段平均差值为-7.35 μg/m3。BG时段与CNY时段城、郊两站PM2.5浓度差异的差值利用t检验方法进行检验，结果未通过0.01的显著性检验，这一结果与前文得到的热岛效应、NOx浓度差异的结果存在着明显不同，说明PM2.5的变化规律更复杂，除了大规模交通出行以外，PM2.5的局地源排放（烟花爆竹燃放等）、相对湿度、气粒转化以及远程输送等综合作用都会影响PM2.5的日变化规律[41-43]，具体原因有待进一步深入研究。

大规模的人口早高峰出行活动在CNY时段内大幅减少，PM2.5浓度来源减轻，结合前文ALL时段得到的研究结论，即城市早高峰出行对PM2.5浓度的影响是有一定的滞后作用，导致了图5中表现出来的CNY时段内PM2.5浓度城郊差异自早高峰起至晚高峰之前低于BG时段。

此外，从CNY时段内20时起，虽然大规模人口出行活动减少，交通来源上的PM2.5浓度减轻，但是在CNY时段内夜间由于北京本地烟花爆竹的燃放，叠加夜间相对静稳的大气条件，往往会使PM2.5的最大小时平均质量浓度在短短的几个小时内浓度增加数倍[4、35]，因而导致了图5中夜间至凌晨期间城区站的颗粒物增长速度快于郊区，且远高于BG时段。考虑到不同天气过程对结论的影响，尝试剔除大风、降雨天气过程之后，对城、郊两站PM2.5的浓度进行相同方法的计算，所得结果并无明显差别（图5）。

图5 多年平均下CNY与BG时段宝联站与上甸子站间的PM2.5浓度差异

3 结论与讨论

城市热岛效应、PM2.5浓度、NOx浓度在城、郊站间的差异与局地天气条件、大气污染物浓度、城市下垫面性质、人口密度及城市化程度均有一定程度的关系。本文以北京地区为例，试图剥离出超大城市人类出行规律的影响，得到的主要结论如下：

（1）城市热岛效应在CNY时段与BG时段的差异最大值和次大值为别为19时的0.75℃和08时的0.57℃，说明早晚高峰期间的人群出行活动的确对城市热岛效应造成影响，而且晚高峰时期的影响程度还要超过早高峰期间。CNY时段与BG时段的城市热岛效应差异在早高峰期间平均为0.30℃，在晚高峰期间平均为0.43℃，在其它时段平均为0.26℃。

（2）郊区站NOx浓度无明显的日变化特征，而城区站则出现了08时的最高峰和23时的次高峰。CNY时段NOx的浓度城郊站之间的差异明显低于BG时段，差异最大的时间点出现在08时。城市内晚高峰出行活动对NOx浓度的贡献量随着夜间的不利扩散条件而延迟出现峰值，早高峰出行对NOx浓度的增大作用更明显。

（3）郊区站PM2.5浓度最高峰出现在23时前后，次高峰平均出现在14时前后。城区站的次高峰、最高峰出现时间点与郊区站相同，只是日变化特征更加明显。PM2.5的快速增长阶段没有完全对应于早晚高峰的出行规律，是因为PM2.5来源复杂，除了工业、扬尘等一次排放，二次转化也非常重要。PM2.5浓度受到局地源排放（烟花爆竹燃放等）、相对湿度、气粒转化以及远程输送等因素的综合作用，其日变化规律表现得较不规则，但是早晚高峰这样的人口大规模出行对于PM2.5的延迟影响作用仍然是不可忽视的。

本文通过分析城市热岛效应和城、郊两站NOx浓度在春节期间（CNY时段）和背景期间（BG时段）的差异，证实了大规模的人口活动的确对城市环境产生了一定的影响。但由于PM2.5浓度的变化规律非常复杂，将在下一步研究工作中，继续收集人为活动的具体数据，客观地解释采暖、机动车、烟花爆竹燃放等其他源在一天中不同时刻对PM2.5的贡献，同时结合颗粒物的成分进行更深入的分析。