深圳市PM2.5浓度变化及污染输送特征分析.docVIP

PAGE  PAGE 11 深圳市PM2.5浓度变化及污染输送特征分析 　　摘要：根据2015年1～12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 μg/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 μg/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 μg/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 　　中图分类号：X51 文献标识码：A 文章编号：1674-9944（2017）2-0034-05 　　1 引言 　　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[10～12]、能见度特征[13～15]、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??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1～12月深圳市11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：//33：20035/）。气象观测站（22.55°E，114.02°N）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0～0.3之间为微相关，R在0.3～0.5之间为实相关，R在0.5～0.8之间为显著相关，R在0.8～1.0之间为高度相关[17]。Cor