郑敏学，陆晓惠，胡定云，欧阳轩，周邦群，伊藤雅一，展 望

（1.江苏大学环境与安全工程学院，江苏 镇江 212013；2.日本名古屋产业大学，日本 爱知县488-8711）

自二十世纪50年代以来，气候变化一直是人类关心的问题，尤其是温室气体含量逐年增加引起的全球气候变暖，直接影响到人类的生存和正常生活[1-2]。二氧化碳作为重要的温室气体之一，人类活动对其浓度的升高有着巨大的影响。因此对大气CO2开展地面实时监测，已成为研究大气中CO2的变化规律及人类活动对其影响的重要手段[3-5]。

目前，世界各地已建立200 多个CO2监测本底站来实时监测大气CO2浓度[6]，分析研究CO2的分布规律。我国与发达国家相比起步较晚，目前有青海省瓦里关、杭州市临安区、北京市上甸子等7 个监测点[7-9]，主要用于监测自然环境的大气CO2浓度的分布。随着经济的发展，国家对环保的重视程度也逐渐增强，尤其在《江苏省“十四五”应对气候变化规划》把碳达峰、碳中和作为重点战略方向，实现低碳的生活和生产方式，严格控制碳排放总量和强度。因此监测大气CO2浓度的分布规律对于采取针对性的降碳措施具有重要的指导意义。

对于二氧化碳浓度的分布特征及变化规律，许多机构及高校已经开展了针对性的监测研究，并取得一系列成果，如王景华等[10]利用CO2测量仪研究发现济南市城区大气中CO2浓度具有明显的日变化规律；高松[11]研究发现夏季上海城区的二氧化碳浓度超过同期全球本底观测站监测数值6%；孙培育等[12]利用拉曼激光雷达通过探测低对流层大气二氧化碳浓度垂直分布，发现二氧化碳浓度随高度增加而减小；但目前大多数CO2浓度监测研究多针对于大城市及水平空间的研究，针对中小城市及垂直方向的实时监测研究较少。

相关研究表明，CO2浓度受较多因素的影响，其中包括温度、湿度、风速以及下垫面等[13-17]。人类活动对CO2浓度影响的研究虽然有许多报道，但空间分布规律相关研究描述不够详细，且未有具体的时空分布图对相关数据做出进一步的支持。近些年来，GIS技术飞速发展，因其优越的空间分析功能常用于自然灾害分区、生态资源分布等研究[18-19]。本研究利用GIS技术，结合人类活动、温度和风速等影响因素，分析大气CO2浓度分布特征，并进行对比分析研究。

研究区域位于江苏省镇江市京口区江苏大学本部校园内，经度119″30′06.04～119″31′13.01，纬度32″11′44.14～32″12′35.98。校园占地面积200 余公顷，建筑面积120 万余平方米[20]。鉴于学校有较多湖泊、草地和树林，基础设施完善，人流量较大，能够作为典型研究对象。

1 监测设备及研究方法

1.1 监测设备

C2D-W02TR 便携式CO2测量仪，日本U·DOM 公司；NK4500 风速气象仪，美国Kestrel；HOLUXM-241A GPS记录仪。

1.2 测量方法

将江苏大学校园划分为30 个区域，在每个区域内选定一个代表性的地方作为CO2浓度水平分布规律测量点，共选定30个测量点，测量频率为每周2～3次。选取学校教学楼三江楼作为CO2浓度垂直分布规律研究地点，每3 层选取一个观测点，共6 个观测点，测量频率为每周1次。每次测量分为早、中、晚三次，测量时间：8:00～9:00；12:00～13:00；17:00～18:00。

CO2测量结果受水蒸气影响较大，故测量避开雨天等相对湿度较大的天气，选择较为晴朗的天气。

1.3 数据分析方法

运用ArcGIS软件对CO2浓度进行可视化研究，同时分析CO2浓度空间分布状况；运用SPSS 对温度、风速与CO2浓度的内在联系进行分析研究。

2 数据分析与讨论

CO2浓度实时监测时间为2018年10月～2021年3月，共测量水平分布数据10 170组，垂直分布数据315组。其中由于仪器故障及天气等因素，水平分布数据有630组无效，9 540组有效，有效率达93.81%；垂直分布数据有45组无效，270组有效，有效率达85.71%。本研究主要对2020年10月～2021年3月数据进行分析，共3 960组有效数据，同时与2018年10月～2019年3月同期共2 520组有效数据的研究结果进行对比分析，其余测量数据作为参考数据。

2.1 CO2空间分布特征

2.1.1 2020年10月～2021年3月CO2浓度分布情况（图1）

图1 2020年10月～2021年3月CO2浓度空间分布特征Fig.1 Spatial distribution characteristics of CO2concentration from October 2020 to March 2021

2020 年10 月～2021 年3 月，研究区域内水平方向CO2平均浓度为382.61 mL/m3，最高浓度与最低浓度差值为19.35 mL/m3。分布情况为：中部较高（385.09～393.01 mL/m3），东南部次之（387.07～391.03 mL/m3），西部较低（375.19～383.11 mL/m3）。学校中部为学生宿舍区与教学区交界处，包括交叉路口、西山操场和二食堂；东南部为教职工生活区，来往人员和车辆较多，CO2的排放量较多，因此CO2平均浓度相对较高；学校西部为荷花池、梅园和草地，与学校中部相比人流量较少，有大面积绿植，能够吸收大量CO2，因此CO2浓度相对偏低。

2.1.2 2018年10月～2019年3月CO2浓度分布情况（图2）

研究区域内，2018 年10 月～2019 年3 月CO2平均浓度为401.79 mL/m3。由图2 可知，CO2高浓度区域集中在中部、西部以及北部等多地，包括京江学院、六食堂以及学府路1号门附近，为学生自由活动时聚集地。2020年10 月～2021 年3 月CO2浓度与之相比，平均浓度降低了4.77%（19.18 mL/m3），高浓度点分布较集中，与师生的活动范围有较为明显的关系。

图2 2018年10月～2019年3月CO2浓度空间分布特征Fig.2 Spatial distribution characteristics of CO2 concentration from October 2018 to March 2019

2.1.3 CO2空间浓度分布对比分析

2020 年10 月～2021 年3 月CO2高浓度区域较为集中，2018 年10 月～2019 年3 月CO2高浓度区域较为分散。2018年10月～2019年3月学校正常对外开放，校外人员可自由进出学校，师生也可自由活动，人流量、车流量都较大，导致学校CO2浓度整体偏高，并且高浓度集中点较为分散。

受新冠疫情的影响，学校于2020年9月学生返校后开始实施封闭式管理，校外人员禁止进校，师生日常活动的开展受到较大限制，因此校园内人与车的流动量明显减少，人员活动较多集中在学生宿舍区域、教职工家属区域及教学区域，与学校其他区域相比，CO2浓度偏高，造成CO2分布较为集中。

2.2 CO2浓度日变化

2021年大气中的CO2日浓度变化趋势呈V字型（图3）。在8:00～18:00 时间段，二氧化碳浓度呈下降趋势，这是由于白天植物光合作用增强，吸收CO2较多，因此整体呈下降趋势；CO2经过一夜的累积，早上8:00 时浓度呈现出较高的特点；12：00 时CO2浓度有一个较小幅度的上升，此时处于下课时间，学校内人流、车流量都较大，CO2产出量增多，因此浓度偏高；在18：00～22：00 期间CO2浓度明显上升，主要是由于傍晚课后学校人流量、车流量增加，加上学生户外活动增加，造成排放的CO2增多，因此整体呈上升趋势；22：00 时CO2浓度达到峰值，人类活动排放的CO2积累较多，植物光合作用从18:00时开始逐渐停止，吸收CO2减少，造成CO2聚集。

2021 年CO2浓度日变化呈V 字型的变化趋势，与2018年CO2浓度特征点日变化趋势相同，但整体浓度偏低（图3、图4）。

图3 2021年4个特征点CO2平均浓度日变化Fig.3 Diurnal variation of average CO2 concentration at four feature points in 2021

图4 2018年4个特征点CO2平均浓度日变化Fig.4 Diurnal variation of average CO2concentration at four feature points in 2018

2018年10 月～2019年3月研究区域内CO2平均浓度为401.79 mL/m3，2020 年10 月～2021 年3 月研究区域内水平空间CO2平均浓度为382.61 mL/m3，与两年前相比降低了4.77%。受新冠疫情的影响，师生活动量减少，CO2产生相对减少。同时，研究区域周围的工厂2020年生产活动较2019 年明显减少，造成2020 年10 月～2021年3月CO2平均浓度偏低。

2.3 温度对CO2平均浓度的影响

2020年10 月～2021年3月研究区域内CO2浓度与温度呈明显的负相关（相关系数为：-0.396 1），温度较低时，能源消耗量增加，CO2排放增多，植物叶片气孔收缩，光合作用较弱，吸收CO2减少，造成大气CO2浓度偏高，这期间CO2浓度主要受人类活动的影响；温度较高时，校园内的绿色植被光合作用增强，吸收CO2增多，人类能源消耗减少，CO2排放减少，大气CO2浓度较低（图5）。

图5 温度对CO2浓度的影响Fig.5 Influence of temperature on CO2 concentration

2.4 垂直方向CO2浓度变化规律

2020 年10 月～2021 年3 月，共测得垂直方向CO2浓度有效数据270组。由图6可知，随着海拔高度的增加，二氧化碳浓度整体呈下降趋势，每升高100 m，CO2浓度下降7 mL/m3。海拔10.5 m 处浓度最高，原因是该监测点为教学楼第一层，楼外来往师生较多，人流量、车流量较大，与植物的光合作用吸收CO2速率相比，排放CO2的速度快于光合作用吸收的速度，因此浓度较高。监测还发现在海拔约为50 m 处有一个较小幅度的浓度升高，可能是在此高度CO2易于富集，此现象与刘骏等[21]研究CO2浓度垂直变化的结果相同。

图6 CO2浓度垂直方向分布Fig.6 Vertical distribution of CO2 concentration

2.5 风速对CO2平均浓度的影响

对2020 年10 月～2021 年3 月研究区域内CO2浓度与风速组数据进行分析，当V风速＜1 m/s时，CO2平均浓度比V风速=0 时小，风速与CO2浓度呈弱负相关，主要是沉积在近地面的CO2被风吹散，不容易堆积，浓度呈下降趋势；当1.1 m/s ＜V风速＜2 m/s 时，CO2平均浓度均小于V风速=0 时和V风速＜1 时的浓度，风速与CO2浓度相关性不明显，在此风速段中近地面的CO2被吹散，同时可能有部分外部CO2成分被带入研究区域，造成风速与CO2浓度相关性变化复杂；当V风速＞2 m/s 时，CO2平均浓度比V风速=0 时小，但比0.1 m/s＜V风速＜1m/s 及1.1 m/s ＜V风速＜2 m/s两个风速段的浓度相对增大。研究区域周围有较多住宅小区和工厂，人类活动较为频繁，日常产生较多CO2。随着风速的增加，研究区域外部大量CO2成分可能被带入研究区域内，造成CO2浓度增高，风速与CO2浓度呈弱正相关，此时研究区域内CO2浓度受周围环境的影响较大（表1）。

表1 不同风速下的CO2平均浓度以及相关性分析Tab.1 Average CO2 concentration and correlation analysis at different wind speeds

3 结论

（1）2020 年10 月～2021 年3 月研究区域内水平空间CO2平均浓度为382.61 mL/m3，分布呈中部、东南部浓度较高，西部浓度较低。

（2）与2018 年10 月～2019 年3 月相比，2020 年10月～2021年3月研究区域内水平空间CO2高浓度点较为集中，CO2平均浓度下降了4.77%，与师生的活动及周边工业生产活动的减少有一定的关系。

（3）研究区域内CO2浓度最高和最低特征点的日变化早晚高、中午低，呈V 字型变化趋势。温度增高，CO2浓度变低；温度降低，CO2浓度变高，呈明显的负相关。

（4）当V风速＜1 m/s 时，CO2平均浓度比V风速=0 时小，风速与CO2浓度呈弱负相关；当1.1 m/s ＜V风速＜2 m/s时，CO2平均浓度与V风速=0时和风速小于1 m/s时比较均小，风速与CO2浓度相关性不明显；当V风速＞2 m/s时，CO2浓度比V风速=0时小，但比风速小于2 m/s时的浓度均大，风速与CO2浓度呈弱正相关。

（5）研究区域内CO2浓度在垂直方向上整体呈下降趋势，每升高100 m，CO2浓度下降7 mL/m3。

（致谢:非常感谢日本名古屋产业大学为本研究项目CO2浓度、温度、湿度、露点温度等大气参数的测量提供了C2D-W02TR型CO2测量仪。）