中国公共卫生  2018, Vol. 34 Issue (1): 130-133   PDF    
本溪市大气主要污染物与气象因素相关性
李漫1, 高贵生2, 贺晓东2, 刘琳娥2, 李志静3, 宋冀凤3, 奉姝1, 李鹏飞1    
1. 沈阳医学院公共卫生学院,辽宁 沈阳 110034;
2. 本溪市环境监测中心站;
3. 本溪市气象局
摘要目的 分析本溪市2014 — 2015年大气主要污染物与气象因素的相关性,为大气污染防治提供依据。方法 本溪市环境监测站共设立6个大气监测点(溪湖、彩屯、东明、大峪、新立屯和威宁)进行常年大气污染物监测工作。选取 2014 — 2015年大气二氧化硫(SO 2)、二氧化氮(NO2)、可吸入颗粒物(PM10)和细颗粒物(PM2.5)日均浓度与气象监测资料进行相关性分析和多元逐步回归分析,找出气象因素与大气污染物浓度的关系及气象因素对大气污染物浓度的影响规律。结果 SO2日均浓度与气温和相对湿度呈负相关(r = – 0.793、– 0.288,P均< 0.01);PM10与气温、风速、湿相对度均呈负相关(r = – 0.338、– 0.176、– 0.138,P均< 0.01);NO2与温度和风速呈负相关(r = – 0.507、– 0.313,P均 < 0.01);PM 2.5与温度和风速呈负相关(r = – 0.379、– 0.264,P均< 0.01)。结论 气象因素与大气污染物浓度密切相关,气象因素对大气污染物浓度的影响有一定规律性,可通过回归方程进行模拟预测。
关键词二氧化氮(NO2     二氧化硫(SO2     可吸入颗粒物(PM10     细颗粒物(PM2.5     气象因素    
Correlation between main atmospheric pollutants and meteorological factors in Benxi city
LI Man, GAO Gui-sheng, HE Xiao-dong, et al     
Department of Environmental Health, School of Public Health, Shenyang Medical College, Shenyang, Liaoning Province 110034, China
Abstract: Objective To investigate the correlation between major air pollutants and meteorological factors in Benxi city in 2014 – 2015, and to provide evidences for prevention and control of air pollution. Methods We collected data on daily concentration of the sulfur dioxide (SO2), nitrogen dioxide (NO2), particulate matter less than 10 μm in aerodynamic diameter (PM10), and particulate matter less than 2.5 μm in aerodynamic diameter (PM2.5) at 6 monitoring sites (Xihu, Caitun, Dongming, Dayu, Xinlitun, and Weining) during the period from 2014 through 2015. We also extracted meteorological monitoring data of the same period from Benxi Municipal Meteorological Bureau. Correlation analysis and stepwise regression analysis were used to assess the influences of meteorological factors on concentrations of air pollutants. Results The daily SO2 concentration was negatively correlated to atmospheric temperature and relative humidity (rtem = – 0.793, rRH = – 0.288; both P < 0.01); the concentration of PM 10 was negatively associated with atmospheric temperature, humidity, and wind speed (rtem = – 0.338, rwin = – 0.176, rRH = – 0.138; P < 0.01 for all); the concentration of NO 2 and PM2.5 were negatively correlated with atmospheric temperature and wind speed (r NO2-tem = – 0.507, r NO2-win = – 0.313; r PM2.5-tem = – 0.379, r PM2.5-win = – 0.264; P < 0.01 for all). Conclusion Meteorological factors are closely related to concentrations of atmospheric pollutants in a manner which could be simulated with regression analysis in Benxi city of Liaoning province.
Key words: nitrogen dioxide     sulfur dioxide     particulate matter less than 10 μm in aerodynamic diameter     particulate matter less than 2.5 μm in aerodynamic diameter     meteorological factor    

近年来,随着经济发展,中国工业水平已追上很多先进国家,但由此引发的环境污染问题也十分严重。雾霾、酸雨等问题已经多次严重影响人们的正常出行及身心健康。2013年10月20日中国东北地区发生大范围雾霾污染,大部分地区被雾霾覆盖,能见度大幅下降[1],机场被迫关闭,学校停课[2]。而大气污染引发的疾病日益增多,除呼吸系统疾病、心脑血管疾病,大气污染还可引发免疫系统疾病甚至癌症[3]。因此,大气污染对健康的影响日益引起人们重视,大气污染已经成为最受关注的环境问题之一。全球气候逐渐变暖,异常气温现象时有发生,大气污染和气象因素的关系值得关注[4]。研究表明,气象条件(气压、相对湿度、气温、风速、风向和大气稳定性等)变化,对大气污染物如可吸入颗粒物(particulate matter less than 10 μm in aerodynamicdiameter,PM10)、细颗粒物(particulate matter lessthan 2.5 μm in aerodynamic diameter,PM2.5)、二氧化硫(sulfur dioxide,SO2)和二氧化氮(nitrogen di-oxide,NO2)浓度具有明显影响[57]。本研究对本溪市大气主要污染物与气象因素进行相关性分析与回归分析,探讨气象因素对大气污染的影响及规律,旨在为大气污染防治提供科学依据。结果报告如下。

1 材料与方法 1.1 监测点选择

本溪市环境监测站在本溪市共设立6个大气监测点,分别为溪湖(居民区)、彩屯(交通区)、东明(居民区)、大峪(清洁区)、新立屯(居民区)和威宁(商业居民区),常年开展大气污染物监测工作(自1974年起),监测方法按照中华人民共和国《环境空气质量标准》(GB 3095-2012)[8]执行。

1.2 指标与方法

本研究选择2014 — 2015年本溪市大气中SO 2、NO2、PM10、PM2.5日均浓度数据作为大气污染物代表;2014 — 2015年本溪市气象监测资料(每日温度、相对湿度、风速等资料)来源于本溪市气象局;采用多元逐步回归分析方法,分析气象因素与大气污染物浓度关系,建立气象因素与大气污染物浓度回归方程。

1.3 统计分析

采用Excel 2016建立数据库,进行数据录入和整理。采用SPSS 22.0软件进行统计分析。采用Spearman方法分析大气污染物与气象因素相关性,并建立多元线性逐步回归模型。检验水准为α = 0.05。

2 结 果 2.1 大气SO2浓度与气象因素关系(图1

结果显示,SO2与气温和相对湿度均呈负相关(r = – 0.793、– 0.288,P均< 0.01);SO2与风速无相关性(r = 0.066,P > 0.05)。以SO 2浓度的日均值作为因变量,以气象因素作为自变量,进行逐步多元回归分析,结果显示,温度和风速纳入模型,回归方程为 $y_{\rm SO_2} $ = 86.373 – 0.723x温度 – 0.141x风速F = 434.418,P < 0.01)。

图 1 2014—2015年本溪市大气SO2浓度与气象因素关系

2.2 大气NO2浓度与气象因素关系(图2

大气中NO2浓度与气温和风速均呈负相关(r = – 0.507、– 0.313,P均< 0.01);NO2浓度与相对湿度无相关性(r = 0.072,P > 0.05)。大气NO 2日均浓度与气象因素回归方程为 $y_{\rm NO_2}$ = 67.307 – 0.485x温度 – 0.298x风速F = 175.99,P < 0.01)。

图 2 2014—2015年本溪市大气NO2浓度与气象因素关系

2.3 大气PM10浓度与气象因素关系(图3

结果显示,大气中PM10浓度与气温、相对湿度及风速均呈负相关(r = – 0.338、– 0.176、– 0.138,P均< 0.01)。大气PM10日均浓度与气象因素多元回归方程为 $ y_{\rm PM_{10}}$ = 74.43 – 0.339x温度 – 0.200x风速 – 0.154x相对湿度F = 52.786,P < 0.01)。

图 3 2014—2015年本溪市大气PM10浓度与气象因素关系

2.4 大气PM2.5浓度与气象因素关系(图4

结果显示,大气PM2.5浓度与气温和风速均呈负相关(r = – 0.379、– 0.264,P均< 0.01);大气中PM2.5浓度与相对湿度无相关性(r = 0.041,P > 0.05)。大气PM 2.5日均浓度与气象因素多元回归方程为 $y_{\rm PM_{2.5}}$ = 128.3 – 0.258x温度 – 0.119x风速F = 32.184,P < 0.01)。

图 4 2014—2015年本溪市大气PM2.5浓度与气象因素关系

3 讨 论

本溪市位于辽宁省东部,总面积8 434 km2,总人口约156.2万人。版图近似哑铃形,地貌为“八山一水一分田”,有浑江、太子河、草河、北沙河4条水系,属中温带大陆季风气候[9]。是全国著名的煤铁之城,工业有钢铁、煤炭、建材等。本溪市独特地理环境和矿产钢铁制造业,使得本溪市的大气污染情况值得关注。大气污染物浓度除与污染源的分布和排放强度有关,还可能与气象因素,如风速、风向、相对湿度、气温、大气稳定度等有关[1011]。气象因素对于大气污染物的扩散、稀释以及累积有重要作用[12]。因此,探讨本溪市大气污染物与气象因素之间关系,对了解大气污染物形成的气象条件与空气污染预警有着重要意义。

本研究结果显示,本溪市2014 — 2015年大气主要污染物(SO 2、NO2、PM10、PM2.5)浓度均与温度呈负相关。提示,气温对于大气中污染物浓度的影响是广泛的。气温升高有利于大气污染物的垂直扩散[13],佟霁坤等[14]研究显示,秋冬季夜间至清晨出现逆温的频率达70 %以上,逆温阻碍了污染物垂直扩散,导致污染物蓄积在近地面空气层,因而导致污染物的浓度升高。并且,高气温可以加速气态污染物的氧化和水合过程[15]。Ilacqua等[16]研究发现寒冷的气候有利于金属颗粒随水分结晶,增大了颗粒物的重金属质量从而导致PM10、PM2.5质量浓度增加。

本研究结果显示,SO2和PM10与相对湿度呈负相关。相对湿度升高主要是在降雨季节,雨水将大气中污染物冲刷至地面,使大气中浓度下降[17]。路娜等[18]研究发现,在晴朗无风天气时,污染物与相对湿度呈明显负相关。Tambo[19]等发现受风沙天气影响时,相对湿度越小,与污染物浓度的负相关性越强。提示,污染物与空气相对湿度之间的关联性受多种因素影响。本研究结果还显示,单因素相关性分析,NO2、PM10、PM2.5均与风速呈负相关;多元逐步回归分析显示,风速分别进入SO2、NO2、PM10、PM2.5回归方程。提示,风速是影响大气污染物浓度另一个十分重要因素。风速较大时,加速了污染物扩散,这种现象尤其体现在与颗粒物的关系中[20]。在大风天气,城市交通运输、道路施工和清扫扬尘等开放源是大气颗粒物的重要来源[21]。冯晓琼等[22]研究表明不同大气污染物与风速呈相关性。与本研究结果基本一致。

本研究结果显示(图12),NO2与SO2变化趋势较为相似,但是NO2曲线变化相对较为平缓。SO2受东北地区冬季取暖燃煤影响而季节性升高,NO2除上述来源外,另一个重要来源是汽车尾气,由于经济发展,汽车数量增加,尾气排放的NO2在其总值中所占比例逐渐增大,使NO2浓度随气象因素变化的差异有所减小。与已有研究结果一致[2324]

多元线性逐步回归分析结果显示,本溪市气温和风速是影响大气SO2、NO2、PM2.5浓度的主要因素,根据标准化偏回归系数大小判定,温度影响大于风速;而影响PM10的气象因素除气温、风速还有相对湿度,影响力依次为气温 > 相对湿度 > 风速。气象因素对大气污染物的作用已得到广泛公认 [25]。但是大气污染物浓度与气象因素的关系十分复杂,并不仅仅取决于某个因素,即在某一污染物存在的条件下,不同气象因素对污染物的影响不同[26]。多元回归分析方法可从数学角度构建气象因素与大气污染物之间关系,说明在其他因素不变情况下,单纯由气象因素引起的大气污染物浓度变化。因此,由气象预测结合实际情况,可对大气污染情况进行预警,使人们提前做好防范措施,保护人群健康。

参考文献
[1] Euronews. China: Record Smog Levels Shut Down City of Harbin[EB/OL]. (2013-10-21)[2015-05-12]. http://www.Euronews.com/2013/10/21/china-record-smog-levelsshut-down-city-of-harbin.
[2] The Guardian. Suck it and See: Dutch Artist's Vacuum Cleaner Could Clear China Smog[EB/OL]. (2013-10-24)[2015-05-12]. http://www.Theguardian.com/world/2013/oct/24/dutch-artist-roosegaarde-vacuum-cleaner-china-smog.
[3] Megido L, Suárez-Peña B, Negral L, et al. Suburban air quality: human health hazard assessment of potentially toxic elements in PM10[J]. Chemosphere, 2017, 177: 284–291. DOI:10.1016/j.chemosphere.2017.03.009
[4] 栾桂杰, 殷鹏. 北京市气温与空气污染指数相关性分析[J]. 中国公共卫生, 2017, 33(01): 22–24.
[5] Ochoa-Hueso R, Munzi S, Alonso R, et al. Ecological impacts of atmospheric pollution and interactions with climate change in terrestrial ecosystems of the Mediterranean Basin: current research and future directions[J]. Environ Pollut, 2017, 227: 194–206. DOI:10.1016/j.envpol.2017.04.062
[6] 周一敏, 赵昕奕. 北京地区PM2.5浓度与气象要素的相关分析 [J]. 北京大学学报: 自然科学版, 2017, 53(01): 111–124.
[7] Gao X, Ouyang W, Hao Z, et al. Farmland-atmosphere feedbacks amplify decreases in diffuse nitrogen pollution in a freeze-thaw agricultural area under climate warming conditions[J]. Sci Total Environ, 2017, 579: 484–494. DOI:10.1016/j.scitotenv.2016.11.070
[8] 环境空气质量标准GB3095-2012[S]. 北京: 国家标准出版社, 2012.
[9] 李冰, 孙秀恒, 董宝磊, 等. 1955 — 2014年本溪地区气温变化分析[J]. 现代农业科技, 2017, 1(02): 199–200. DOI:10.3969/j.issn.1007-5739.2017.02.121
[10] 陈渤黎, 雷正翠, 董芹, 等. 2012 — 2014年常州市大气重污染日的气象条件分析[J]. 气象与环境科学, 2017, 40(01): 87–94.
[11] 程亮, 王峥, 陈安, 等. 宜昌城区冬季大气污染的气象成因对比分析研究[J]. 环境科学与管理, 2017, 42(02): 98–101. DOI:10.3969/j.issn.1673-1212.2017.02.024
[12] Liu L, Yang X, Liu H, et al. Spatial-temporal analysis of air pollution, climate change, and total mortality in 120 cities of China, 2012-2013[J]. Front Public Health, 2016, 4: 143.
[13] 严晓瑜, 缑晓辉, 刘玉兰, 等. 银川市大气污染物浓度变化特征及其与气象条件的关系[J]. 气象与环境学报, 2015, 31(2): 21–30.
[14] 佟霁坤, 陈海婴, 张越. 保定市区采暖与非采暖期环境空气污染状况研究[J]. 环境科学与管理, 2015, 40(1): 57–59.
[15] 张千, 周连, 纪琴, 等. 南京市江宁区2010年气象因素对SO2等大气污染物浓度的影响 [J]. 江苏预防医学, 2012, 23(4): 13–16.
[16] Ilacqua V, Dawson J, Breen M, et al. Effects of climate change on residential infiltration and air pollution exposure[J]. Expo Sci Environ Epidemiol, 2017, 27(1): 16–23. DOI:10.1038/jes.2015.38
[17] Wang Y, Yang W, Han B, et al. Gravimetric analysis for PM2.5 mass concentration based on year-round monitoring at an urban site in Beijing [J]. Environ Sci (China), 2016, 40(02): 154–160.
[18] 路娜, 李治国, 周静博, 等. 2015年石家庄市采暖期一次重污染过程细颗粒物在线来源解析[J]. 环境科学, 2017, 38(03): 884–893.
[19] Tambo E, Wang DQ, Zhou XN, et al. Tackling air pollution and extreme climate changes in China: implementing the Paris climate change agreement[J]. Environ Int, 2016, 95(10): 152–156.
[20] Kim YH, Krantz QT, McGee J, et al. Chemical composition and source apportionment of size fractionated particulate matter in Cleveland, Ohio, USA[J]. Environ Pollut, 2016, 218(11): 1180–1190.
[21] Tao J, Zhang L, Zhang R, et al. Uncertainty assessment of source attribution of PM2.5 and its water-soluble organic carbon content using different biomass burning tracers in positive matrix fa ctorization analysis-a case study in Beijing, China [J]. Sci Total Environ, 2016, 543(02Pt A): 326–335.
[22] 冯小琼, 陈军辉, 朱雨蒙, 等. 气象因素对成都市主要大气污染物影响的非参数分析[J]. 四川环境, 2017, 36(01): 30–34. DOI:10.3969/j.issn.1001-3644.2017.01.006
[23] 王人洁, 王堃, 张帆, 等. 中国国道和省道机动车尾气排放特征[J]. 环境科学, 2017, 5(09): 1–15. DOI:10.3969/j.issn.1673-1212.2017.09.001
[24] 白雪, 张翠艳, 纪源, 等. 锦州市空气质量变化特征及其与气象条件关系[J]. 气象与环境学报, 2016, 32(02): 52–58.
[25] Peng Y, Zhou F, Cui J, et al. Impact of socioeconomic and meteorological factors on reservoirs' air quality: a case in the Three Gorges Reservoir of Chongqing (TGRC), China over a 10-year period[J]. Environ Sci Pollut Res Int, 2017, 24(05): 1–14.
[26] Gestro M, Condemi V, Bardi L, et al. Meteorological factors, air pollutants, and emergency department visits for otitis media: a time series study[J]. Int J Biometeorol, 2017, 2(05): 1–16.