2. 南京江北人民医院;
3. 中国疾病预防控制中心环境与健康相关产品安全所
随着城市规模不断扩大和能源消费的快速增长, 以及工业、交通运输业的迅速发展和化石燃料的大量使用, 颗粒物、硫氧化物、碳氧化物、臭氧等物质的排放量剧增, 城市大气污染问题日益突出。国内外大量流行病学和环境卫生学研究表明, PM2.5会对人体呼吸系统、心脑血管系统、免疫系统产生一定危害, 还可成为病毒和细菌的载体, 严重影响到人民群众的身体健康[1-4]。
南京市某区北接安徽省天长市, 东邻江苏省扬州市, 南临长江"黄金水道", 属长江下游"金三角"经济区。该区交通十分便捷, 交通网络纵横交错。北部沿江密集着扬子石化等特大型企业, 通过现代化路网和管网连接, 形成了一个总面积近100 km2, 石油化工一体化的沿江化工产业带, 空气污染物来源更为复杂。
对该区空气污染状况进行监测, 有利于更好地开展对空气污染健康危害事件和人群健康影响的监测和预警, 降低空气污染造成的健康危害, 提高南京市空气污染引起的相关疾病的预警、早期预防和控制能力。
1 材料与方法 1.1 监测点情况和监测方法 1.1.1 监测点基本情况在该区某社区卫生服务中心3楼楼顶设置采样点, 建避雨采样棚, 内置采样架, 监测高度为10~15 m。
1.1.2 监测方法每月10—16日开始监测, 每次连续监测7 d。PM2.5使用TSP-PM10-PM2.5-2型颗粒物采样器(玻璃纤维滤膜), 连续采样24 h, 流量100 L/min, 共采集气体约130 m3。
1.2 数据来源以南京市该区监测数据为依据, 选择PM2.5污染指标作为评价因子, 对其平均浓度变化趋势进行分析。
1.3 评价标准监测结果根据《环境空气质量标准》(GB 3095-2012)[5]二级标准评价空气质量[5], 日均值参照二级标准日均值浓度, 年均值参照二级标准年均值浓度。
1.4 质量控制对采样人员进行统一培训, 统一技术标准。严格按照实施方案要求校准调试仪器, 对结果录入人员进行培训, 并逐一审核。
1.5 数据统计与分析数据录入SPSS 17.0数据库, 并利用该软件进行统计分析。对PM2.5的年均值利用Daniel趋势检验的秩相关系数法进行评价分析。
2 结果 2.1 大气中PM2.5污染基本现状2007—2011年共监测406 d, 对照《环境空气质量标准》 (GB 3095-2012)[5]的二级标准, 2007—2011年该区PM2.5日均值浓度范围为0.010~0.393 mg/m3, 超标倍数范围为1.33%~424%, 2007—2011年超标率为55.2%。其中2008年PM2.5日均值超标天数最多, 超标率为62.5%, 2011年PM2.5日均值超标天数最少, 超标率为39.7%(表 1)。
| 年份 | 监测天数(d) | 日均浓度范围(mg/m3) | 超标天数(d) | 超标率(%) |
| 2007 | 76 | 0.018~0.393 | 47 | 61.8 |
| 2008 | 80 | 0.032~0.353 | 50 | 62.5 |
| 2009 | 84 | 0.010~0.209 | 46 | 54.8 |
| 2010 | 83 | 0.019~0.201 | 45 | 54.2 |
| 2011 | 83 | 0.030~0.201 | 33 | 39.7 |
从2007—2011年该区大气中PM2.5月均浓度变化来看, 月均浓度范围为0.065~0.119 mg/m3, 最高值出现在2月, 最低值出现在8月(图 1)。PM2.5月均浓度变化接近于U型, 季节性变化较为明显。2007—2011年该区春季(3月—5月)大气中PM2.5平均浓度为0.094 mg/m3, 夏季(6月—8月)为0.082 mg/m3, 秋季(9月—11月)为0.088 mg/m3, 冬季(12月—2月)为0.098 mg/m3。冬季PM2.5平均浓度最高, 夏季最低, 方差分析后发现差异有统计学意义(P =0.015), 这可能与冬季污染源排放量增加有关。
|
| 图 1 2007—2011年该区PM2.5月平均浓度变化 |
2007—2011年期间, 2007年PM2.5最大, 年均值0.107 mg/m3; 2011年PM2.5最小, 年均值0.073 mg/m3。5 a均超过二级标准, 超标倍数分别为206%、200%、137%、134%、108%。
2.2 大气环境质量趋势分析研究采用2007—2011年5个监测年度的监测数据(年均值), 利用Daniel趋势检验的秩相关系数法对监测结果进行评价分析。这种方法适用于单因素小样本的相关检验。给出时间周期Y1, … Yn和相应的监测数据(年均值)从小到大排列后的序数X1, …Xn, 可通过下式[6]计算秩相关系数:
| $ \text{Rs=1- }\!\![\!\!\text{ 6}\sum\limits_{i\text{=1}}^{N}{\text{D}{{\text{i}}^{2}}}]\text{/(}{{\text{N}}^{\text{3}}}\text{-N)} $ | (1) |
| $ \text{Di=Xi-Yi} $ | (2) |
式中Rs, 秩相关系数; Di, 变量Xi和变量Yi的差值; Xi, 分析周期内监测污染物浓度值从小到大的排列序号; Yi, 按时间排列的序号; N, 评价时间周期, 此处取N=5。
将计算得到的秩相关系数的绝对值与Spearman秩相关系数统计表中的临界值Wp进行比较[7], 如果∣Rs∣≥Wp, 表明变化趋势有统计学意义, Rs值的正、负分别表示评价结果显示上升、下降趋势。如果∣Rs∣≤Wp, 则表明变化趋势没有统计学意义, 说明在评价时段内变化稳定或平稳。
本文利用Spearman秩相关系数法对大气中PM2.5进行Daniel趋势检验分析。时间周期Y1、Y2、Y3、Y4、Y5, 按数据的大小顺序排列位次为1, 2, 3, 4, 5;浓度指数X1、X2、X3、X4、X5, 按数据的大小顺序排列位次为1, 2, 3, 4, 5, 得到的相关参数计算结果, 见表 2。由计算得PM2.5秩相关系数Rs=-1.000。当N=5时, 显著性水平为0.05时, Wp的临界值W5, 0.05 =0.900, 由于∣Rs∣>Wp, 所得结论为2007—2011年该区PM2.5年均浓度变化有统计学意义, 呈下降趋势。
| 年份 | 平均值(mg/3) | Yi | Xi | Di | Di2 |
| 2007 | 0.107 | 1 | 5 | 4 | 16 |
| 2008 | 0.105 | 2 | 4 | 2 | 4 |
| 2009 | 0.083 | 3 | 3 | 0 | 0 |
| 2010 | 0.082 | 4 | 2 | -2 | 4 |
| 2011 | 0.073 | 2 | -2 | -4 | 16 |
3 讨论
大气环境质量评价是大气研究和污染控制的重要内容, 也是进行大气质量对人群健康影响研究的基础[8-9]。本研究利用秩相关系数分析得出该区PM2.5年均浓度变化有统计学意义, 呈下降趋势。PM2.5产生的主要来源是日常发电、工业生产、汽车尾气排放等过程中燃料经过燃烧而排放的残留物, 大多含有重金属等有毒物质。南京市全市制定了严格的减排政策, 主要包括:淘汰落后产能设备, 整治重点污染源、推广清洁能源等, 污染物控制取得一定的成效。该区更是主要的化工产业聚集地, 所以更为重视污染物的控制和治理工作。但结果显示5 a的年均值均超过二级标准, 超标倍数分别为206%、200%、137%、134%、108%。提示PM2.5污染仍很严重, 需要继续开发清洁能源, 加快产业结构的调整, 加快城市绿色生态建设, 提高对汽车尾气排放的控制。
该区PM2.5月均浓度变化接近于U型, 季节性变化较为明显, 冬季浓度高, 夏季较轻。污染物浓度受整个大气气象环境影响较大, 因冬季空气较为干燥, 静风频率高, 气象条件极不利于污染物的扩散。夏季多雨、湿度较大、风速较快, 有利于污染源扩散及自净[10]。且冬季取暖及汽车使用率更高, 一定程度上也增加了冬季的污染浓度。
大量研究表明大气污染可引起机体短期暴露的急性效应和长期暴露的慢性效应[11-12]。该区空气污染物浓度的降低, 应注意以下几方面:从源头上控制建设项目污染物排放总量。杜绝高污染、高能耗、低产出项目上马, 采取有效的污染防治措施, 做到把污染物的排放降到最低。加大减排执法力度; 制订详细的减排年度计划, 帮助企业分析减排情况; 要改变燃料结构, 推广使用清洁能源, 调整工业布局, 实现节能降耗增产减污; 加快地方性法规、规章和规范性文件的制定步伐, 在机动车尾气污染防治、扬尘污染防治、餐饮业油烟污染防治等方面制定出符合地方实际并具有较强可操作性的法规、规章和规范性文件。
| [1] | Cao Y, Gao H. Prevalence and causes of air pollution and lung cancer in Xuanwei City and Fuyuan County, Yunnan Province, China[J]. Front Med, 2012, 6(2): 217–20. doi: 10.1007/s11684-012-0192-8 |
| [2] | Tillett T. Hearts over time:cardiovascular mortality risk linked to long-term PM2.5 exposure[J]. Environ Health Perspect, 2012, 120(5): A205. |
| [3] | Xu X, Deng F, Guo X, et al. Association of systemic inflammation with marked changes in particulate air pollution in Beijing in 2008[J]. Toxicol Lett, 2012, 212(2): 147–156. doi: 10.1016/j.toxlet.2012.05.014 |
| [4] | Franzetti A, Gandolfi I, Gaspari E, et al. Seasonal variability of bacteria in fine and coarse urban air particulate matter[J]. Appl Microbiol Biotechnol, 2011, 90(2): 745–53. doi: 10.1007/s00253-010-3048-7 |
| [5] | 国家环境保护局. GB 3095-2012环境空气质量标准[S].北京:中国环境科学出版社, 2012. |
| [6] | 曲格平, 等. 中华环境保护基金会编.中国环境保护工作全书[M]. 北京: 中国环境科学出版社, 2002. |
| [7] | Olds EG. The 5% significance levels for sums of squares of rank difference and a correction[J]. Ann Math Statist, 1949, 20: 117–118. doi: 10.1214/aoms/1177730099 |
| [8] | 张秉玲, 牛静萍, 曹娟, 等. 兰州市大气污染与居民健康效应的时间序列研究[J]. 环境卫生学杂志, 2011, 1(2): 1–6. |
| [9] | 徐瑞芳, 彭丽霞, 顾相虹, 等. 大气污染与居民脑卒中发生关系的时间序列研究[J]. 环境与健康杂志, 2009, 26(10): 883–885. |
| [10] | 朱文玲, 万旭荣, 白雪, 等. 乌鲁木齐市环境空气质量现状及健康影响分析[J]. 环境卫生学杂志, 2012, 2(3): 120–124. |
| [11] | Chen SY, Su TC, Lin YL, et al. Short-term effects of air pollution on pulse pressure among nonsmoking adults[J]. Epidemiology, 2012, 23(2): 341–348. doi: 10.1097/EDE.0b013e3182452f1d |
| [12] | Andersen ZJ, Raaschou-Nielsen O, Ketzel MD, et al. Diabetes incidence and long-term exposure to air pollution:a cohort study[J]. Diabetes Care, 2012, 35(1): 92–98. doi: 10.2337/dc11-1155 |