1、1深圳市 PM2.5 浓度变化及污染输送特征分析摘要：根据 2015年 112 月深圳市 11个大气自动监测国控站点PM2.5小时浓度监测数据，结合气象站小时观测数据，采用 Correl相关系数法、玫瑰图等分析了深圳市 PM2.5浓度的污染分布与输送迁移特征。结果显示： 2015年深圳市主导风向为 NNE（东北偏北风） ，风向频率为12.3%，全年 PM2.5平均浓度为 29.8 g/m3，整体季节平均浓度特征均表现为冬季秋季春季夏季；PM2.5 与露点、能见度呈显著负相关，相关系数分别为-0.517 与-0.540，与海平面气压、温度呈明显的实相关，相关系数为 0.439、-0.411，与风
2、向、风速、相对湿度为微相关；深圳吹海风时，参照年均值标准，PM2.5 污染发生概率为 22.7%，且发生秋冬季海风型 PM2.5污染时 PM2.5平均浓度可高达 50.6 g/m3。主导风型下的PM2.5污染事件占全年 PM2.5污染事件的 61.1%，且风速大于 3 m/s时PM2.5污染发生事件占比仅为 6.26%；2015 年全年西北陆风、主导风、海风气团输送情景下的 PM2.5平均浓度分别为 40.1、35.8 和 26.2 g/m3，冬季时西北陆风输送通道下的 PM2.5平均浓度整体上明显高于海风、东北偏北陆风输送通道。 关键词：细颗料物 PM2.5；污染玫瑰；输送通道；深圳 中图分
3、类号：X51 文献标识码：A 文章编号：1674-9944（2017）2-0034-05 1 引言 2近年来，城市空气细颗粒物（PM2.5）成了近年来公众最关注问题之一1，3。PM2.5 光吸收和光散射作用可直接导致较低的大气能见度，引起灰霾现象。珠江三角洲地区是典型的城市群集聚区，以细颗粒物和臭氧为典型的区域性复合污染备受国内外关注4，5。 PM2.5 作为一种综合性污染物，目前国外对 PM2.5污染特征6，7、PM2.5浓度预测8，9等方面的研究较多，如 Paul D. 等8使用数学插值法对 PM2.5的年度浓度进行模拟和预测，预测效果良好；Chu-Chih Chen等9联合经典统计学方法
4、计算时间趋势和地统计学方法建立一个时空模型来预测 PM2.5的浓度。目前国内沿海城市 PM2.5相关研究多集中在灰霾1012、能见度特征1315、PM2.5 化学组成16等方面，如林云等14利用深圳市 2007年全年逐时能见度、PM2.5 质量浓度和相对湿度观测数据，在分析大气消光机理及其影响因素的基础上确立了能见度与 PM2.5之间的基本模型关系，较好地反映了深圳市大气能见度与 PM2.5之间的定量相关关系；徐伟嘉4等人采用地统计学方法定性、定量分析了珠三角区域 PM2.5的时空变异特征，发现珠三角区域的 PM2.5分布差异主要由区域结构影响所致，且南北方向的 PM2.5变化大于其他方向；云
5、慧等16发现深圳市 PM2.5总体污染程度表现为秋冬高、夏春低以及西高东低的特点，且深圳西部地区受一次源排放影响更为显著。目前对具备典型沿海特征的城市 PM2.5污染变化、影响因素及其输送迁移特征的研究较为缺乏，亟需开展新环境空气质量标准 （GB 3095-2012）下PM2.5浓度变化及污染输送特征的相关研究。 该研究选取我国典型沿海城市深圳市，利用 2015年 112 月深圳市311个国控站点的 PM2.5监测数据，结合气象观测数据，对深圳市 PM2.5的特征从气象影响要素、季节差异、沿海污染输送通道特征等多个角度展开分析研究，旨在掌握 PM2.5污染特征，以期为空气质量监测、预报预警等管
6、理部门提供相关参考依据。 2 研究方法 2.1 监测站点及数据来源 本文使用的 2015年深圳市及其 11个大气自动监测国控站点大气污染物（包括 SO2、CO、NO2、PM2.5、PM10 和 O3）日均与小时 PM2.5监测数据来自中国监测总站数据发布平台（http：/106.37.208.233：20035/） 。气象观测站（22.55E，114.02N）的同期气象观测资料（包括风向、风速、温度、相对湿度等）取自中央气象台观测数据（http：/ 。 2.2 Correl 相关系数分析法 CORREL 相关系数是两个测量变量之间关联变化程度的指标，用来确定两个测量值变量是否趋向于同时变动，即
7、一个变量的较大值是否趋向于与另一个变量的较大值相关联（正相关） ；或者一个变量的较小值是否趋向于与另一个变量的较大值相关联（负相关） ；或者两个变量的值趋向于互不关联（相关系数近似于零） 。CORREL 统计函数相关系数标准为：R在 00.3 之间为微相关，R 在 0.30.5 之间为实相关，R 在 0.50.8之间为显著相关，R 在 0.81.0 之间为高度相关17。Correl 相关系数计算为： Correl（X，Y）=（x-） （y-）（x-）2（y-）2（1） 4式中 Correl（X，Y）为污染物浓度相关系数，x，y 为污染物浓度，、为污染物平均浓度。 3 结果与讨论 3.1 全年气
8、象与污染特征分析 2015 年深圳市风玫瑰图18如图 1所示。深圳市全年平均风速1.9m/s，年主导风向为 NNE（东北偏北风） ，风向频率为 13%，其次为NE（东北风）和 ENE（东北偏东风） ，风向频率均为 12%，三个风向平均风速均为 1.9m/s。本研究选取的气象监测站（22.55E，114.02N）全年平均风速约 1.6 m/s，较全市值18偏低 16%。年主导风向为 NNE（东北偏北风） ，风向频率为 12.3%，其次是 ENE（东北偏东风） 、SW（西南风）和 NE（东北风） ，风向频率分别为 12.2%、12.1%和 10.7%，平均风速分别为 1.6 、1.9 和 1.6
9、m/s，与图 1全市情况整体均较为接近。 2015 年深圳市及华侨城站点 PM2.5日均、小时时序变化图如图 2所示。华侨城 PM2.5浓度变化与全市变化趋势一致，华侨城、深圳市 PM2.5全年平均值分别为 30.4、29.8 g/m3，华侨城站点春夏秋冬四季 PM2.5平均浓度分别为 23.9、18.5、33.7 与 45.3g/m3。深圳市春夏秋冬四季PM2.5平均浓度分别为 25.1、18.4、32.9 与 43.0 g/m3。整体季节平均浓度特征均表现为冬季秋季春季夏季。后续采用上述气象监测站，结合深圳各大?饧嗖庹镜阄廴竟鄄馐?据综合分析 PM2.5污染输送特征。 3.2 Correl
10、相关系数分析 选取 2015年深圳市华侨城等站点，采用常规污染物小时浓度与气压、风向、风速、露点、温度、能见度、相对湿度等气象因子计算 CORREL相5关系数，结果如表 1所示。华侨城 PM2.5与露点、能见度呈显著负相关，相关系数分别为-0.517 和-0.540，与气压、温度呈明显的实相关，相关系数为 0.439、-0.411，与风向、风速、相对湿度为微相关。站点角度而言，观澜站较华侨城具备相似相关特征，但可能由于距离气象观测站较华侨城远，因子间相关系数略低于华侨城。污染物角度而言，PM10 表现出与 PM2.5相似的相关特征。此外发现，NO2 与气压、能见度分别呈现明显的正、负实相关。C
11、O 与露点、温度、能见度呈明显的负实相关。 3.3 深圳市 PM2.5污染玫瑰分析 采用污染玫瑰图，将风向角度分为 16方位，2015 年深圳市 PM2.5小?r浓度分析结果如图 3所示。针对深圳地理位置，结合全年深圳风、区域污染源分布特征，将气团输送通道分为海风（E、ESE、SE、SSE、S） 、西北陆风（WNW、NW、NNW） 、主导风（N、NNE、NE、ENE）通道三大类，三类输送通道各占全年通道约 26.5%、6.3%和 45.5%。由图 3可知，2015 年深圳市全年 PM2.5污染多发生在主导风（N、NNE、NE、ENE）气团通道输送情景，且主导风气团输送通道较偏南向海风通道更易发
12、生 PM2.5污染。基于空气质量新标准，年均值以 35 g/m3 为界，非污染（小时浓度35 g/m3）与污染（小时浓度35 g/m3）情景下的深圳市 PM2.5污染玫瑰图如图 4所示。当深圳吹海风时，PM2.5 不发生污染与发生污染的比例为 3.41，即污染发生概率为 22.7%，且秋冬季海风型 PM2.5污染占全年海风型 PM2.5污染总数的 74.5%，发生秋冬季海风型 PM2.5污染时 PM2.5平均浓度可高达 50.6 g/m3。结合图 4右图可知，2015 年深6圳市主导风型下发生的 PM2.5污染事件（小时浓度35 g/m3）占全年PM2.5污染事件的 61.1%，且主导风型下风
13、速大于 3 m/s时 PM2.5污染事件发生率较低，仅为 6.26%。 3.4 PM2.5 污染输送特征分析 各类气团输送通道下，不同风速下的华侨城 PM2.5平均浓度、最大值浓度特征分析如表 2所示。结果表明：2015 年全年西北陆风、主导风、海风气团输送情景下的 PM2.5平均浓度分别为 40.1、35.8、26.2 g/m3，且风速小于 1 m/s时，各输送通道下 PM2.5平均浓度表现为西北陆风（51.7 g/m3）主导风（42.1 g/m3）海风（34 g/m3） 。风速大于 1 m/s时，陆风输送气团的 PM2.5平均浓度明显高于海风，但西北、主导风来源的污染气团 PM2.5平均浓
14、度差异不明显。秋、冬季而言，冬季整体 PM2.5污染高于秋季，秋季 12 m/s风速下的三类输送通道 PM2.5平均浓度差异较大，为西北陆风（46.4 g/m3）主导风（37.7g/m3）海风（29.0 g/m3） 。冬季风速小于 2 m/s时，海风输送通道下的 PM2.5平均浓度甚至略高于主导风型 PM2.5平均浓度，整体上西北陆风输送通道下的 PM2.5平均浓度明显高于海风、主导风通道 4 结论 （1） 2015年深圳市主导风向为 NNE（东北偏北风） ，风向频率为12.3%，全年 PM2.5平均浓度为 29.8 g/m3，整体季节平均浓度特征均表现为冬季（43.0 g/m3）秋季（32.
15、9 g/m3）春季（25.1 g/m3）夏季（18.4 g/m3） 。 （2）深圳市华侨城 PM2.5与露点、能见度呈显著负相关，相关系数7分别为-0.517 与-0.540，与海平面气压、温度呈明显的实相关，相关系数为 0.439、-0.411，与风向、风速、相对湿度为微相关。 （3）当深圳吹海风时，PM2.5 污染发生概率为 22.7%，且秋冬季海风型 PM2.5污染占全年海风型 PM2.5污染总数的 74.5%，发生秋冬季海风型 PM2.5污染时 PM2.5平均浓度可高达 50.6 g/m3。2015 年深圳市主导风型（N、NNE、NE、ENE）PM2.5 污染事件（小时浓度35 g/m
16、3）占全年 PM2.5污染事件的 61.1%，且风速大于 3 m/s时 PM2.5污染发生事件占比仅为 6.26%。 （4）2015 年全年西北陆风、主导风、海风气团输送情景下的 PM2.5平均浓度分别为 40.1、35.8 和 26.2 g/m3，且秋季 12m/s 风速下的三类输送通道 PM2.5浓度差异较大，为西北陆风（46.4 g/m3）东北偏北陆风（37.7 g/m3）海风（29.0 g/m3） 。冬季风速小于 2m/s时，海风输送通道下的 PM2.5平均浓度甚至略高于主导风型 PM2.5平均浓度，整体上西北陆风输送通道下的 PM2.5平均浓度明显高于海风、主导风通道。 参考文献：
17、1Wang L， Jang C， Zhang Y， et al. Assessment of air quality benefits from national air pollution control policies in China. Part I： Background， emission scenarios and evaluation of meteorological predictionsJ. Atmospheric Environment， 2010， 44（28）：34493457. 2Wang X， Wang W， Jie L I， et al. Urban Dust
18、 Pollution 8and its Research of Control Method in ChinaJ. Environmental Science & Technology， 2014. 3ARMIENTO G， INGLESSIS M， TAGLIANI S M， et al. A comprehensive approach to the investigation of atmospheric particulate PM2.5： preliminary resultsJ. Periodico Di Mineralogia，2013，82（1）：199216. 4徐伟嘉，何芳
19、芳，李红霞，等. 珠三角区域 PM2.5时空变异特征J. 环境科学研究，2014（9）：951957. 5朱倩茹，刘永红，徐伟嘉，等. 广州 PM2.5污染特征及影响因素分析J. 中国环境监测，2013（2）：1521. 6Schnelle-Kreis J， Sklorz M， Orasche J， et al. Semi volatile organic compounds in ambient PM2.5 seasonal trends and daily resolved source contributionsJ.Environmental Science & Technology，
20、2007， 41（11）：38213828. 7Sullivan A P， Holden A S， Patterson L A， et al. A method for smoke marker measurements and its potential application for determining the contribution of biomass burning from wildfires and prescribed fires to ambient PM2.5 organic carbonJ.Journal of Geophysical Research-Atmosp
21、heres， 2008， 113（D22）：38213828. 8SAMPSON P D， RICHARDS M， SZPIRO A A， et al. A regionalized national universal kriging model using Partial Least Squares regression for estimating annual PM2.5 9concentrations in epidemiologyJ. Atmospheric Environment， 2013（75）： 383392. 9CHEN C C， WU C F， YU H L， et a
22、l. Spatiotemporal modeling with temporal-invariant variogram subgroups to estimate fine particulate matter PM2.5 concentrationsJ. Atmospheric Environment，2012（54）：18. 10何 俊，? 丽，张立杰. 基于自动站资料的深圳灰霾特征对比分析J. 中国环境监测，2013（6）：3943. 11杨 琳，杨红龙，陈嘉晔，等. 深圳地区灰霾分布特征及预警、预报方法探讨J. 环境科学学报，2012（12）：30653072. 12冯加武，彭晓武，
23、许振成，等. 珠三角地区 2005-2009年灰霾天气污染水平分析J. 环境科学与技术，2012（11）：7578. 13王明洁，朱小雅，陈申鹏. 19812010 年深圳市不同等级霾天气特征分析J. 中国环境科学，2013（9）：15631568. 14林 云，孙向明，张小丽，等. 深圳市大气能见度与细粒子浓度统计模型J. 应用气象学报，2009（2）：252256. 15杨毅红，瞿 群，刘随心，等. 夏季珠江三角洲地区 PM2.5化学组分特征及其对大气能见度的影响J. 环境科学，2015（8）：27582767. 16云 慧，何凌燕，黄晓锋，等. 深圳市 PM2.5化学组成与时空分布特征J
24、. 环境科学，2013（4）：12451251. 17陈 魁. 天津市空气质量时间变化规律及相关性分析J.中国环10境监测，2007，23（1）：5053. 18深圳市气象局. 深圳市气候公报 2015年R.深圳：深圳市气象局，2015. Distribution and Transfer Characteristics of PM2.5 in Shenzhen Chen Jiaye1， Li Shiping1， You Yong1， Li Hongxia2， Lin Liheng1， Liu Bo1 （1.Shenzhen Environmental Monitoring Center， S
25、henzhen， Guangdong 518049， China； 2. Institute of Advanced Technology， Sun Yat-sen University， Guangzhou， Guangdong510275， China） Abstract： Based on the PM2.5 hourly monitoring data from 11 sites of Shenzhen in 2015， the distribution and transfer characteristic of PM2.5 was analyzed with Correl corr
26、elation coefficient method and pollution rose. The results showed： 1） the dominant wind direction of Shenzhen was NNE wind in 2015， and the wind direction frequency of NNE was 12.3%. Meanwhile， the annual average PM2.5 concentration of Shenzhen was 29.8g / m3， the overall average concentration characteristics of each season were expressed as winter autumn spring summer. 2） PM2.5 has a significant negative correlation with dew-point temperature and visibility， the correlation coefficients were
