姜 万，高 欣，闫红民，郭 磊，张 晗，冉宗信*

（1.江苏方洋水务有限公司，江苏 连云港 222000；2.江苏方洋集团有限公司，江苏 连云港 222000）

近年来，中国快速的经济发展和空前的城市化建设带来的空气污染问题引起了公众的广泛关注，尤其是细颗粒物（PM2.5）污染。研究表明，有害物质可以附着于PM2.5上并在空气中长时间停留[1]。因此，长时间暴露于高浓度PM2.5可能对人类健康产生重大影响[2]。大量研究着重关注空气中的悬浮颗粒物（PM），尤其是PM2.5，包括排放源，物理特性和化学分析[3]。通过对PM2.5成分更清晰的了解，有助于我们采取有效措施来减少空气污染。但是，实时监视数据对于更好地获取城市空气质量的详细变化（季节，每月和每日）至关重要。研究已经证实[4-5]，气象变量以及其他因素（如人口和排放等）在PM2.5的形成中起着重要作用。本研究通过分析连云港徐圩新区近一年来空气质量的详细变化情况以及气象条件的相关性，探究其污染成因并寻求有效的管控措施。

1 资料与方法

1.1 区域情况

连云港徐圩新区是国家七大石化产业基地之一，也是江苏对外开发以及产业合作的重要支点。徐圩新区位于连云港南部，年均气温14℃，年最高气温和最低气温分别为40℃、-18.1℃，年均风速3.1 m/s，平均降雨量900 mm，且降雨主要集中在夏季。

1.2 数据来源

本文PM2.5监测数据来源于2019 年3 月1 日至2020 年2 月29 日连云港市徐圩新区6 个空气质量监测站点（表1），包括PM2.5质量浓度（以下简称ρ（PM2.5））日均值、风速、风向、气温、气压以及相对湿度等，其中有效样本数为2 103 个。

表1 徐圩新区空气质量监测点详情

2 结果与讨论

2.1 PM2.5 的时间分布特征

2.1.1 PM2.5的季节变化

按照气象局对季节的划分方法，将3-5 月划分为春季，6-8 月划分为夏季，9-11 月划分为秋季，12 月-翌年2 月划分为冬季[6]。新区6 个空气监测站点ρ（PM2.5）的季节变化如图1 所示，从图中可看出，PM2.5浓度从大到小依次为冬季、春季、秋季、夏季。由此可见PM2.5受季节的影响较大。

图1 PM2.5 污染的季节变化特征

冬季PM2.5浓度高主要有两方面原因。随着11 月到来，北方开始大面积供暖后大量的燃煤活动，导致污染物增加。另外，进入冬季大气边界层降低，且寒冷天气，大气相对稳定，这些都不利于污染物的扩散。而夏季PM2.5浓度低一方面由于夏季降雨量多，会对颗粒物有冲刷和吸附的作用；另一方面是夏季大气在水平和垂直方向上都会有频繁的活动，对流层运动强烈，这些都有利于颗粒物的消散。

2.1.2 PM2.5的月差异

如图2 所示，PM2.5月份变化呈现显著的“U”型变化规律，一年中，3-8 月PM2.5值呈现下降趋势，9 月-翌年1月呈现上升趋势，规律性较强。2 月份相比1 月份PM2.5浓度大量降低，主要是由于受新冠肺炎疫情影响，大量企业停工停产，人类活动强度减弱，空气污染情况得到改善。从图2 中可以看出，新区重污染天气主要出现在1-4月和10-12 月，5-9 月污染较轻，其中冬季的1 月污染最为严重，夏季的8 月污染最轻。PM2.5的月变化浓度和季节变化特征基本吻合，均为冬季最为严重，夏季污染最轻。因此，在污染较为严重的冬季，新区需加强对PM2.5的管控力度，积极寻找有效的防治措施。

图2 PM2.5 污染的月份变化特征

2.2 PM2.5 的空间分布特征及来源分析

2.2.1 PM2.5的空间分布特征

比较6 个监测点ρ（PM2.5）的年均值情况，结果如图3所示，6 个站点的年均值从大到小依次是：G2、G4、G3、G6、G1、G5，其中G2 的ρ（PM2.5）显著高于其他点位，而G5 的ρ（PM2.5）则远低于其他监测点。由于监测点的区域类型不同，如东辛农场（G2）和张圩小区（G4）处于居民区、交通区的混合区域，所以污染最为严重；香河湖（G5）位于风景区内，相对湿度大，有利于PM2.5的吸湿沉降，所以污染相对较轻。

图3 各监测点ρ（PM2.5）年均值情况

2.2.2 PM2.5的来源分析

空气质量主要是受污染源排放和气象条件影响，由于气象条件相对难以控制，因此，查清污染源对新区的大气污染质量管控具有重要意义。

本研究利用风向、风速等气象资料分析了6 个站点颗粒物的来源情况，以G1 点为例绘制了新区监测站点的风玫瑰图，如图4 所示。2019 年主导风向为偏北风，整体污染源主要来源于正北、偏西（内陆）方向，在风速较小或静风时，新区的PM2.5质量浓度基本处于30～40 μg/m3，说明本地源对污染具有一定贡献。同时，当风向为北风时，很明显地看到在3～4 m/s 左右的风速时，存在PM2.5质量浓度的一个高值区，这主要受秋冬季北方大量燃煤供暖，导致颗粒物含量增加，受外源输入影响，PM2.5浓度出现高值，其次是在西南方向也出现高值区，西南方向现有一条国道，该国道车流量大，且多为重型柴油货车，尾气排放也导致其PM2.5浓度增高。

图4 G1 监测点ρ（PM2.5）的风玫瑰图

2.3 各监测点位PM2.5 与气象因素的相关关系

为探讨新区ρ（PM2.5）与气象条件的关系，利用SPSS 19.0 对各监测点ρ（PM2.5）的月均值与主要气象因素（风速、气温、气压、相对湿度）的相关性进行分析，结果见表2。ρ（PM2.5）月均值与风速、气温、相对湿度呈负相关关系，与气压呈正相关关系。与风速呈负相关，是因为风的扩散作用可以稀释污染物浓度，气温和湿度的相关性，是由于相比于冬季，夏季的温度和湿度都相对较高，且夏季污染物的扩散能力强，降雨量大，导致其与PM2.5浓度呈负相关性，气压影响因素也与其相似。

分析6 个监测点中ρ（PM2.5）与气象因素相关性的差异，可以看出在风速、气温和气压上此相关性基本相似，显著的差异主要表现在相对湿度上，从表2 中可以看出G2、G4、G6 与相对湿度的相关性更显著，而G2、G6 是新区ρ（PM2.5）污染较为严重的区域，这说明在之后的大气污染管控中洒水和喷淋等增加大气湿度的措施对降低PM2.5浓度具有一定效果。

表2 ρ（PM2.5）与气象因素的相关性

3 结论

（1）新区的PM2.5污染在不同时间尺度上表现出一定的规律性与差异性。近年新区PM2.5污染主要以优良天为主，且呈现出相似的季节和月份规律，污染程度从重到轻依次为冬季>春季>秋季>夏季；对于月份变化大致表现为3-8 月逐月下降，9-翌年1 月逐月上升，八月份污染最轻，1 月份和3 月份污染较为严重。

（2）ρ（PM2.5）的空间分布差异与该地的用地类型以及布局有关。居民区、交通区及混合区由于PM2.5排放源多，且排放量大，导致污染情况严重；风景区由于附近的污染源少，G1（云湖）、G5（香河湖）是属于水环境性质的风景区，其相对湿度大，有利于PM2.5的吸湿沉降，所以其污染相对较轻。

（3）新区ρ（PM2.5）月均值与气象因素的相关性分析显示，ρ（PM2.5）与风速、气温和相对湿度呈负相关，与气压呈正相关，6 个站点在相对湿度上的差异性显著，说明适度增加大气湿度对PM2.5的管控可能是一项较为有利的管控措施。