北京市PM2.5污染时空分布与主要空气污染物关系.docVIP

北京市PM2.5污染的时空分布与主要空气污染物的关系 　　摘 要：近年来，我国多个地区遭遇严重的雾霾天气，极大的影响了人们的日常生活。为了探讨PM2.5污染的浓度与主要空气污染物的关系，文章以2015年北京市12个国控监测点的监测数据为基础，运用统计学方法，研究PM2.5污染的浓度与主要空气污染物的相关关系，明晰北京市PM2.5污染源并提出相应措施。结果表明：PM2.5浓度与主要空气污染物一定程度上相关。PM2.5浓度与O3浓度呈负相关关系且极为显著，与CO浓度和NO2浓度呈正相关关系且极为显著，与SO2浓度呈正相关关系。各个国控监测点PM2.5浓度与主要空气污染物的相关性的差异主要体现在PM10浓度上，所以控制汽车尾气和燃煤烟气的排放，对PM2.5的浓度的控制具有重要的意义 关键词：PM2.5污染；时空分布特征；主要空气污染物；北京 随着我国工业化、城市化的迅速推进，能源消耗的增长以及机动车数量的不断攀升[1-2]，使得空气污染逐渐成为制约我国可持续发展的核心问题。PM2.5作为我国环境空气污染的重要指标之一，会降低大气能见度、影响气候和人类健康[3-4]，引起了人们的广泛关注 目前在对北京市PM2.5污染的影响因素的研究中，很少有学者对PM2.5与主要空气污染物进行系统的分析。在大气环境中，PM2.5是由空气中的气态污染物与直接排放到空气中的一次微粒经过一系列的化学反应或光学反应而生成的二次微粒[10]，因此研究空气中的主要气态污染物对PM2.5浓度的影响有重要的意义 文章选取2015年1月1日至2015年12月31日北京市12个国控点监测数据为研究对象，探究2015年北京市PM2.5的浓度与主要空气污染物的关系，找到北京市PM2.5浓度升高的原因并提出相应的措施 1 数据与方法 1.1 数据来源及处理 文章的PM2.5数据和主要空气污染物数据（CO、NO2、PM10、SO2、O3）都来源于2015年1月1日至2015年12月31日北京市12个国控监测点的监测数据，这些检测数据为PM2.5与主要空气污染物的每小时质量浓度数据，有效样本为86616个。12个国控点（图1）分别是万寿西宫（A1），定陵（A2），东四（A3），天坛（A4），农展馆（A5），官园（A6），海淀区万柳（A7），顺义新城（A8），怀柔镇（A9），昌平镇（A10），奥体中心（A11）和古城（A12） 1.2 研究方法 利用统计学的均值统计来求PM2.5的平均浓度（月均值、季节均值与年均值）以及皮尔森积矩相关系数来求PM2.5变化是否与主要空气污染物的变化相关 在统计学中，皮尔逊积矩相关系数（Pearson product-moment correlation coefficient），有时也简称为PMCC，通常用r或是ρ表示，是用来度量两个变量X和Y之间的相互关系（线性相关）的，取值范围在[-1，+1]之间。假设样本记为（Xi，Yi），其计算公式如下： 2 各监测点PM2.5浓度与主要空气污染物的相关关系 为了研究北京市PM2.5浓度的时空分布与主要空气污染物的相关关系，文章利用SPSS 19.0软件相关性分析中的Pearson相关系数，基于月均值对各监测点PM2.5与主要空气污染物（CO、NO2、O3、PM10、SO2）的相关关系进行分析，然后通过单样本K-S检验证明所有样本数据在显著性0.05的水平上服从正态分布，相关结果如表1。由表1可以看出，PM2.5月均值与O3呈负相关关系且极显著，与CO和NO2呈正相关关系且极显著，与SO2呈正相关关系。各国控监测点PM2.5月均值与主要空气污染物的相关性的差异主要体现在PM10上，A1、A10、A11和A12相关性更显著。A10（昌平镇）靠近工业园区，工业扬尘较大，污染较为严重；A1（万寿西宫）、A11（奥体中心）和A12（古城）处于居民区、交通区、风景区以及混合区域，汽车尾气和居民燃煤烟气所产生的PM10污染源增多导致PM2.5的排放量变大，污染变得更为严重。而且A1、A11、A12常年处于轻度到中度污染水平，所以控制工业扬尘和燃煤烟气的排放对于PM2.5浓度的控制是十分有效的措施 用Pearson相关系数来表示相关性，其中“*”和“**”分别表示在0.05和0.01水平（双侧）上显著相关 3 结束语 文章通过对2015年北京市12个国控点监测数据进行研究，探讨了PM2.5浓度与主要空气污染物的相关关系，得出以下结论：PM2.5浓度与主要空气污染物一定程度上相关。PM2.5月均值与O3呈负相关关系且极显著，与CO和NO2呈正相关关系且极显著，与SO2呈正相关关系。各个国控监测点PM2.5月均值与主要空气污染物的相关性的差异主要体现在