基于地面监测数据的2013_20_省略_长三角地区PM_2_5_时空特征_戴昭鑫

基于地面监测数据的2013~2015年

长三角地区PM2.5时空特征

戴昭鑫1, 2，张云芝1, 3，胡云锋1*，董昱1, 2

(1. 中国科学院地理科学与资源研究所，北京 100101；

2. 中国科学院大学，北京 100049；

3. 内蒙古师范大学，内蒙古呼和浩特 010022)

摘要：近年来，长三角地区灰霾天气持续增多，空气细颗粒物污染问题日益突出。基于2013年1月至2015年5月长三角地区及周边缓冲区内共214个空气质量监测站点PM2.5逐时监测数据，运用普通克里金插值方法，从年、季、月尺度上分析了PM2.5的空间分布格局和时间动态变化。结果表明：(1)2 a来，长三角地区PM2.5浓度空间分布明显呈现整体北部高南部低，局部地区略有突出的分布特征；长三角地区PM2.5浓度年均值为57.08 μg/m3；其中，江苏省PM2.5的年均值为三省市最高，为65.84 μg/m3；其次为上海市，年均值为53.87 μg/m3；浙江省PM2.5的年均值较小，为51.53 μg/m3。(2)从季节尺度分析，长三角地区PM2.5浓度变化表现出冬春季高，夏秋季低的变化趋势；这与区域内冬季风向来源、降水稀少、气象扩散条件差有着密切的关系；(3)长三角地区月浓度变化大致呈U形分布；12月份PM2.5浓度最高；3月份以后，PM2.5浓度开始呈逐步下降趋势；在5~9月份，区域PM2.5处于“U”字的谷底，其中6月份夏收时期秸秆焚烧、气象等因素导致PM2.5浓度有略微升高；进入10月份后迅速攀升，且11、12月份呈现持续升高态势。

关键词：PM2.5浓度；地面监测；空间分布；时间动态变化；长三角

中图分类号：X513 文献标识码：A 文章编号：1004-8227(2016)05-0813-09

DOI:10.11870/cjlyzyyhj201605015

近年来，伴随中国工业经济的高速发展，我国新的环境问题开始出现，如大范围雾霾天气现象[1, 2]。而引发该环境问题的首要污染物就是大气颗粒物[3, 4]。当前，我国大气颗粒物污染特点表现为：细颗粒物污染逐步加重，大气复合型污染特点突出[5]。其中，颗粒物PM10(空气动力学当量直径≤10 μm)和PM2.5(空气动力学当量直径≤2.5 μm)倍受群众关注。与粗颗粒物相比，细颗粒物PM2.5更容易吸附各种有毒有害物质，通过人体呼吸进入肺部，导致呼吸系统和心脑血管等疾病[2, 6]。PM2.5最直观的效应为显著降低大气能见度[7]，引起灰霾天气。

长三角地区是我国目前经济发展速度最快、规模最大、最具发展潜力的经济圈[8]。然近年来，伴随着经济规模的不断扩大，能源消耗和污染排放强度的逐步升高，以PM2.5为代表的大气复合污染日益突出，灰霾天气持续增多。长三角地区日趋严重的大气污染不仅直接损害了当地人民的身心健康，同时对区域工业生产、交通运输等造成了不利影响。

当前，国内外已有一些关于大气灰霾格局、时间变化、成因和机制的分析研究，如杨复沫等[9, 10]、于建华等[11]人对早期PM2.5浓度基于较少站点进行时间分布特征研究。基于遥感反演技术大尺度区域灰霾空间分布研究[12~14]，从地域研究进展上看，针对长三角洲大气质量主要聚焦于大气污染源分布及污染传输[15]等角度；针对灰霾天气研究则主要基于某一特定城市，如：南京[16, 17]、上海[18, 19]、杭州[20, 21]等地区。丁铭等[16]对2011~2012年期间南京市主城区PM2.5进行采样，利用因子分解法和化学质量平衡法对采样结果进行分析，从而得出南京市主要污染源及其贡献率；黄金星等[21]利用自

第25卷第5期长江流域资源与环境Vol. 25 No. 5 2016年5月Resources and Environment in the Yangtze Basin May 2016

收稿日期：2015-09-10；修回日期：2015-12-29

基金项目：国家重大专项项目 [National Science and Technology Major Project of the Ministry of Science and Technology of China]；高分国家主体功能区遥感监测评价应用示范系统(一期)(00-Y30B14-9001-14/16) [The Monitor and Evaluation Application System of the National Principal Function Region Based on High Resolution Remote Sensing(a)(00-Y30B14-9001-14/16)]

作者简介：戴昭鑫(1993~ )，女，博士研究生，主要研究方向为环境遥感分析. E-mail: daizx. 156@https://www.360docs.net/doc/864977640.html,

*通讯作者 E-mail: huyf@https://www.360docs.net/doc/864977640.html,

行研制的中流量P M 10~P M 2.5大气采样仪，对2004~2005期间杭州市5个代表性样点的PM 2.5进行监测，结果表明，杭州市PM 2.5浓度水平与季节、区域及空气湿度有很大的关系。目前，尚未有在整个长江三角洲地区基于地面监测站点数据进行长时间序列的大尺度研究。总的来看，在长江三角洲地区，基于长时间序列地面观测数据的PM 2.5浓度空间分布特征及其时间动态变化的研究比较缺乏。

为此，本文基于环保部2013年、2014年、2015(1~5月)年地面大气质量监控站点数据，应用GIS 空间插值和空间统计、分析技术，对长三角地区PM 2.5时空分布特征和动态变化进行分析。研究有助于增强对该地区大气细颗粒污染物空间分布和动态变化的认知，为卫星遥感反演大气灰霾试验和产品生产提供地面验证资料，也为当地政府大气污染治理提供管理决策依据。

1 数据与方法

1.1 数据来源

2013年后，在环保部统一部署下，长三角地区共设置了160个空气质量监测站点(包括国控站点

和非国控站点)。为减小空间插值过程中可能出现的边缘效应，本文研究还使用了长三角周边一定缓冲区范围内的其他54个国家级站点数据。全部214个站点的空间分布如图1所示。本研究使用监测数据时间范围为2013年1月至2015年5月。

PM 2.5监测仪采用Thermo Fisher 1405F 监测仪，原理是以恒定流速将环境空气中的PM 2.5颗粒通过采样切割器吸入仪器内部，用滤膜动态测量系统(FDMS)配合微量震荡天平法(TEOM)，测量PM 2.5的质量浓度[22]。仪器数据采集频次为每5 min 1次，根据每小时内5 min 数据的算术平均值求得小时浓度，本文研究所使用的数据均基于小时浓度。

1.2 数据处理与分析

数据预处理：基于Python 科学计算语言，对研究区2013~2015年400万个数据项进行整合分析，最终得到长三角地区214个监测站点的PM 2.5浓度日均值、月均值、季均值、年均值4个指标项。

空间插值：将点尺度数据向面尺度信息转换的最佳方法就是空间插值[23]。如：反距离加权法(IDW)、样条函数插值法(Spline)、克里金插值法(Kriging)等。晏星等[24]对大气污染要素空间插值方法进行对比研究，结果表明：与其他方法相比，Kriging

插值方法更为灵活；该方法能够充分利用

图 1 长三角地区大气质量监测站点空间分布

Fig.1 Spatial Distribution of Air Quality Monitoring Sites in the Yangtze River Delta(YRD) Region

814

长江流域资源与环境第 25 卷

数据探索性工具，对正态数据的预测精度最高，插值结果具有空间二阶平稳性[25~28]。本研究在ArcGIS 支持下，应用Kriging 插值方法，实现了对研究区PM 2.5浓度空间分布研究。

2 结果分析

2.1 年尺度PM 2.5空间分布

图2显示了2013~2015年5月，长三角地区PM 2.5年平均浓度在空间上的分布格局。其中整个长三角地区PM 2.5年均浓度值为57.08 μg/m 3。

长三角地区PM 2.5年均浓度在空间上呈整体北部高南部低，局部地区略有突出的大格局。究其原因，这种空间格局特征可能与地区的森林覆盖度及人类活动有关。长三角地区南部人类活动较少，降低了大气颗粒物的排放；且南部森林覆盖度较高，较好的植被覆盖不仅可以减少地面气溶胶进入大气，还可以有效吸附空气中的颗粒物[29]。而北部地区植被覆盖度相对较低，加之人为活动比较强烈，导致大气颗粒物浓度相比南部地区较高。

从地区角度分析，近两年来长三角地区各市的PM 2.5浓度均大大超过了国家年均大气环境质量二级标准限值(35 μg/m 3)(《环境空气质量标准GB3095-2012》)。其中，江苏省PM 2.5浓度年均值最高，为65.84 μg/m 3，该省徐州市、泰州市、宿迁市、淮安市、南京地级市PM 2.5年均浓度值均在65 μg/m 3以上；其次为上海市，其PM 2.5年均值浓度为53.87 μg/m 3；浙江省PM 2.5年浓度值最低，为51.53 μg/m 3，该省大部分地级市PM 2.5年均浓度在45~62 μg/m 3之间，其中东部舟山市的PM 2.5年均浓度在35 μg/m 3以下。根据文献及资料搜集，推断导致长三角地区空气质量恶劣的原因可能是：(1)区域工业结构偏后，燃料化石航源产业集中。长三角地区工业布局过于密集，区域内集聚了大量燃煤电厂、石化工业、塑料制造、电子工业、喷涂液等“三高(高耗能、高污染、高排放)”企业，化石燃料消耗量及大气颗粒物排放量都处于极高水平；(2)长三角地区雾霾过程中，黑炭、铵盐的比例较高，说明在长三角地区农业污染源现象显著，如化肥施用、养殖业、秸秆焚烧等，会直接影响区域大气质量(夏秋季麦收时较为严重)；(3)长三角地区由于城市紧邻，地势平坦，跨城市的大气污染传输较为明显[15]，导致形成了城市群区域性大气污染格局。因此单一城市的大气污染极易导致整个长三角地区的空气质量下降。

2.2 季节尺度PM 2.5空间分布和变化

图3显示了长三角地区PM 2.5各季节平均浓度指标在空间上的分布格局其中，冬季包括2013~2015年度1月、2月和2013、2014年度12月，春季为3~5月(2013~2015年)，夏季为6~8月(2013~2014年)，秋季为9~11月(2013~2014年)。

从PM 2.5的季节空间分布看，长三角地区夏季PM 2.5浓度的空间梯度变化不大、空间分异规律不明显；但是在冬、春、秋三季，PM 2.5浓度的空间梯度变化显著、空间分布格局特征明显，且与年尺度上PM 2.5空间分布格局相似，即呈现整体为北部高、南部低的格局。

从季节动态上看，长三角地区PM 2.5浓度明显呈现冬春季高、夏秋季低的季节变化趋势，且冬季与夏季浓度差异显著。冬季PM 2.5的平均浓度明显高于其他三个季节，浓度值达到82.73 μg/m 3；春季PM 2.5浓度水平次于冬季，浓度值为54.02 μg/m 3；秋季PM 2.5浓度与春季水平较为接近，为49.71 μg/m 3；夏季PM 2.5的浓度水平最低，值为41.72 μg/m 3

。长

图 2 长三角地区2013~2015年PM 2.5空间分布格局

Fig.2 Spatial Pattern of Annual PM 2.5 Concentration in the Yangtze River

Delta(YRD) Regionin 2013-2015

第 5 期

戴昭鑫，等：基于地面监测数据的2013~2015年长三角地区PM 2.5时空特征

815

三角地区四个季节PM 2.5浓度值均超过国家24 h 标准一级限值(35 μg/m 3)，冬季超过国家24 h 标准二级限值(75 μg/m 3)。

根据文献及资料搜集[30]，对长三角地区PM 2.5

浓度的季节差异机理进行分析，具体情况为：(1)冬季大气层较稳定，逆温出现的频率和强度高、持续时间长，总体气候条件不利于污染物稀释扩散[31, 32]

；且冬季长三角地区盛行西北风，周围

图 3 长三角地区各季节PM 2.5空间分布格局

Fig.3 Spatial Distribution Patterns of Seasonal PM 2.5 Concentration in the Yangtze River Delta(YRD) Region in 2013-2015

816

长江流域资源与环境第 25 卷

地区(如安徽)污染物极易通过风传输到长三角区域；这些气象条件不利于污染物扩散，均直接影响了长三角地区冬季大气环境质量；相反夏季长三角地区盛行东南风，该气团主要来源于海洋，具有强度大、清洁性好及大气湿沉降作用强的特点，有利于大气污染物的湿沉降和稀释；(2)长江三角洲地区春季盛行东亚季风，以偏西北风为主，北方气溶胶粒子极易通过季风传输至长三角地区，加之冬季PM2.5的积累，至春季还未扩散存在很高程度的残留，均可能导致春季PM2.5浓度升高，大气质量下降；(3)秋季太阳辐射强烈、氧化性强，气态污染物易氧化成PM2.5；加之秋季下沉气流控制的天气形式增多，时有逆温层影响，不利于污染物扩散这些均可能导致长三角秋季PM2.5浓度水平升高；(4)夏季大量植物生长繁茂，地表植被叶面积的显著增加有利于大气中颗粒物的吸附[33]；且夏季降雨集中[34]，降水的增多很大程度上也有利于大气污染物的湿沉降和稀释，因此，夏季PM2.5浓度最低。

2.3 月尺度PM2.5空间分布和变化

图4显示了长三角地区2013年1月~2015年5月各月份PM2.5浓度的空间分布格局。

从PM2.5的空间分布上看，长三角地区夏季和秋初(即7~9月)PM2.5浓度空间梯度变化不大、空间分异规律并不十分显著；但除此之外的其他月份，PM2.5浓度的空间梯度变化显著、空间分布格局特点明显，且与年尺度上PM2.5空间分布格局相似，即呈现整体为北部高、南部低的格局，局部地区略有突出的大格局。

根据长三角各地区PM2.5浓度逐月变化趋势图(图5)发现：长三角地区月浓度变化大致呈U形分布。其中12月份PM2.5浓度最高，达到95.21 μg/m3，这主要由长三角气象条件特征(逆温层频率高等)及人类活动(人类取暖耗能等)因素导致。3月份后，受春季大风、地表温度逐步升高及地表植被逐渐茂盛等因素影响，大气PM2.5浓度开始呈逐步下降趋势；5~9月份，区域PM2.5浓度处于“U”字的谷底，9月份PM2.5浓度最低，与韩婷等[35]的研究结论相似。但需要注意的是，在6月份长三角地区的PM2.5浓度有略微升高，这是由于江苏省6月份PM2.5浓度的升高造成的。根据资料调查研究，江苏省6月份是梅雨季节，亚热带由于副高压影响直接导致城区内累积的污染物无法扩散，引发灰霾天气；其次6月份为江苏省的夏收时期，期间是秸秆焚烧的高峰期，露天焚烧产生大量焚烧烟雾；因此污染来源多、风力小等不利气象条件均导致了该地区PM2.5浓度升高；如2014年6月份，江苏省有12市均陷入灰霾天气污染。长三角地区大气PM2.5浓度在10月份迅速攀升，且在11、12月份呈持续增长状态，这与长三角地区的气候条件有很大关系：冬季长三角地区降水较少，且盛行西北风，容易导致其他地区污染物传输累计造成空气颗粒物污染。同时，环保部解释，北方采暖期(11~1月份)猛增的能源消耗排放对于南方空气质量恶化也有一定的“贡献”。

3 结论

(1)2013~2015年期间，长三角地区大气PM2.5浓度年均值为57.08 μg/m3。其中，江苏省大气PM2.5年均值居三省市最高，为65.84 μg/m3；其次为上海市，大气PM2.5年均值为53.87 μg/m3；浙江省PM2.5年均值为51.53 μg/m3。三省市年均PM2.5浓度水平均超过国家年均大气环境质量二级标准(35μg/m3)，大气质量较差。究其原因，可能与区域产业结构偏向“三高”企业有密切关系；其次，区域农业污染及气象特点等因素也在一定程度上影响了区域的大气环境质量。

(2)长三角地区大气PM2.5浓度整体呈现北部高南部低，局部地区略有突出的特点。在季节尺度上，冬季PM2.5浓度水平最高，梯度变化最大，格局特点最为明显；夏季的PM2.5浓度水平整体较低，梯度变化最小，地域特点不显著。季节上的动态变化特征与不同时期的大气条件[35](气团来源、降水等)、人为活动、生态系统状况等有密切关系。

(3)近2年来，长三角地区大气PM2.5浓度的月均值变化大致呈U形分布。12月份PM2.5浓度最高；3月份以后，PM2.5浓度开始呈逐步下降趋势；在5~9月份，区域PM2.5处于“U”字的谷底，9月份达到最低，其中6月份由于气象条件及秸秆焚烧等因素出现略微升高；进入10月份后迅速攀升，并在11、12月份呈现持续增长的态势。

由于本研究涉及上海、江苏、浙江三个省市，范围较广、面积较大，大气质量监控站点的数量相对较少且主要分布在城市建成区内；同时，由于大气颗粒污染物的运移机制极其复杂[36]；因此，本研究基于GIS空间插值的研究结果可能会存在一定误差，基于空间统计方法所得的区域成果

第 5 期戴昭鑫，等：基于地面监测数据的2013~2015年长三角地区PM2.5时空特征817

图 4 长三角地区PM 2.5月均浓度空间插值分布

Fig.4 Spatial Distribution Patterns of Monthly PM 2.5 Concentration in the Yangtze River Delta(YRD) Regionin 2013-2015

818

长江流域资源与环境第 25 卷

也不一定能代表地区真实水平。但总体而言，基于GIS 的空间插值方法提供了认识区域PM 2.5空间分布特点的途径，基于GIS 的空间统计方法提供了判别区域PM 2.5水平的基础资料，这对于大气污染物遥感模型反演、产品验证以及地方政府开展环境治理决策等具有重要的现实意义。

未来研究中，可以考虑结合地表特征参数(如DEM 高度、地表粗糙度等)和气象条件(风向、风力、空气湿度、地表温度等)等辅助参数，运用带协变量的空间插值方法(如ANUSPLIN 模型)开展空间插值，由此得到更加可信的区域PM 2.5空间分布成果。同时，在长期数据积累的前提下，运用长时间序列PM 10、PM 2.5、SO 2等监控数据，开展更加细致的日尺度、时尺度动态分析，并进而将它们与区域经济社会发展模式、工业经济发展技术、人们日常生活行为等开展关联分析，这可以为大气污染动力模拟提供参数，为大气环境治理工作分析具体举措提供依据。

参考文献：

赵晨曦, 王云琦, 王玉杰, 等. 北京地区冬春PM 2. 5和PM 10水平时空分布及其与气象条件的关系[J]. 环境科学, 2014, 35(2): 418–427.【ZHAO C X, WANG Y Q, WANG Y J, et al. Temporal and spatial distribution of PM 2. 5 and PM 10 pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing[J]. Environmental Science, 2014, 35(2): 418–427.】

[1]

孙志豪, 崔燕平. PM 2. 5对人体健康影响研究概述[J]. 环境科技,2013, 26(4): 75–78.

【SUN Z H, CUI Y P. An overview of PM 2. 5 impacts on human health[J]. Environmental Science and Technology, 2013, 26(4):75–78.】

[2]

HUANG D S, XU J H, ZHANG S Q. Valuing the health risks of particulate air pollution in the Pearl River Delta, China[J].Environmental Science & Policy, 2012, 15(1): 38–47.

[3]任阵海, 万本太, 苏福庆, 等. 当前我国大气环境质量的几个特征[J].环境科学研究, 2004, 17(1): 1–6.

【REN Z H, WAN B T, SU F Q, et al. Several characteristics of atmospheric environmental quality in China at present[J]. Research of Environmental Science, 2004, 17(1): 1–6.】

[4]

肖致美, 毕晓辉, 冯银厂, 等. 宁波市环境空气中PM 10和PM 2. 5来源解析[J]. 环境科学研究, 2012, 25(5): 549–555.

【XIAO Z M, BI X H, FENG Y G, et al. Source apportionment of ambient PM 10 and PM 2. 5 in Urban Area of Ningbo City[J]. Research of Environmental Sciences, 2012, 25(5): 549–555.】

[5]

WANG J, HU Z M, CHEN Y Y, et al. Contamination characteristics and possible sources of PM 10 and PM 2. 5 in different functional areas of Shanghai, China[J]. Atmospheric Environment, 2013, 68: 221–229.

[6]宋 宇, 唐孝炎, 方 晨, 等. 北京市能见度下降与颗粒物污染的关系[J]. 环境科学学报, 2003, 23(4): 468–471.

【SONG Y, TANG X Y, FANG C, et al. Relationship between the visibility degradation and particle pollution in Beijing[J]. Acta Scientiae Circumstantiae, 2003, 23(4): 468–471.】

[7]

李 莉, 陈长虹, 黄 成, 等. 长江三角洲地区大气O 3和PM 10的区域污染特征模拟[J]. 环境科学, 2008, 29(1): 237–245.

【LI L, CHEN C H, HUANG C, et al. Regional air pollution characteristics simulation of O 3 and PM 10 over Yangtze River Delta region[J]. Environmental Science, 2008, 29(1): 237–245.】

[8]

杨复沫, 贺克斌, 马永亮, 等. 北京PM 2. 5浓度的变化特征及其与PM 10、TSP 的关系[J]. 中国环境科学, 2002, 22(6): 506–510.【YANG F M, HE K B, MA Y L, et al. Variation characteristics of PM 2. 5 concentration and its relationship with PM 10 and TSP in Beijing[J]. China Environmental Science, 2002, 22(6): 506–510.】[9]

杨复沫, 贺克斌, 马永亮, 等. 北京市大气PM 2. 5中矿物成分的污染特征[J]. 环境科学, 2004, 25(5): 26–30.

【YANG F M, HE K B, MA Y L, et al. Characteristics of mineral component in ambient PM 2. 5 in Beijing[J]. Environmental Science,2004, 25(5): 26–30.】

[10]

于建华, 虞 统, 魏 强, 等. 北京地区PM 10和PM 2. 5质量浓度的变

化特征[J]. 环境科学研究, 2004, 17(1): 45–47.

[11]

图 5 长三角地区PM 2.5逐月动态变化

Fig.5 Monthly Changes of PM 2.5 Concentration in the Yangtze River Delta(YRD) Region in 2013-2015

第 5 期

戴昭鑫，等：基于地面监测数据的2013~2015年长三角地区PM 2.5时空特征

819

【YU J H, YU T, WEI Q, et al. Characteristics of mass concentration variations of PM 10 and PM 2. 5 in Beijing area[J]. Research of Environmental Science, 2004, 17(1): 45–47.】

郭建平, 吴业荣, 张小曳, 等. BP 网络框架下MODIS 气溶胶光学厚度产品估算中国东部PM 2. 5[J]. 环境科学, 2013, 34(3): 817–825.【GUO J P, WU Y R, ZHANG X Y, et al. Estimation of PM 2. 5 over Eastern China from MODIS aerosol optical depth using the back propagation neural network[J]. Environmental Science, 2013, 34(3):817–825.】

[12]

王晶杰, 李 琦, 冯 逍, 等. 京津冀地区污染过程的气溶胶遥感反演[J]. 测绘科学, 2015, 40(2): 78–83.

【WANG J J, LI Q, FENG X, et al. Study of aerosol retrieval using remote sensing data during air pollution events over Jing-Jin-Ji area[J].Science of Surveying and Mapping, 2015, 40(2): 78–83.】

[13]

徐祥德, 施晓晖, 张胜军, 等. 北京及周边城市群落气溶胶影响域及其相关气候效应[J]. 科学通报, 2005, 50(22): 2522–2530.

【XU X D, SHI X H, ZHANG S J, et al. Aerosol influence domain of Beijing and peripheral city agglomeration and its climatic effect[J].Chinese Science Bulletin, 2006, 51(16): 2016–2026.】

[14]

程 真, 陈长虹, 黄 成, 等. 长三角区域城市间一次污染跨界影响[J]. 环境科学学报, 2011, 31(4): 686–694.

【CHENG Z, CHEN C H, HUANG C, et al. Trans-boundary primary air pollution between cities in the Yangtze River Delta[J]. Acta Scientiae Circumstantiae, 2011, 31(4): 686–694.】

[15]

丁 铭, 郁建桥, 程 真, 等. 南京市PM 2. 5颗粒物来源探析[J]. 环境科技, 2014, 27(4): 23–26.

【DING M, YU J Q, CHENG Z, et al. Analysis of PM 2. 5 ambient particulars emission source of Nanjing[J]. Environmental Science and Technology, 2014, 27(4): 23–26.】

[16]

魏玉香, 银 燕, 杨卫芬, 等. 南京地区PM 2. 5污染特征及其影响因素分析[J]. 环境科学与管理, 2009, 34(9): 29–34.

【WEI Y X, YIN Y, YANG W F, et al. Analysis of the polution characteristics &influence factors of PM 2. 5 in Nanjing area[J].Environmental Science and Management, 2009, 34(9): 29–34.】

[17]

成亚利, 王 波. 上海市PM 2. 5的时空分布特征及污染评估[J]. 计算机与应用化学, 2014, 31(10): 1189–1192.

【CHENG Y L, WANG B. Temporal and spatial distribution and contamination assessment of PM 2. 5 in Shanghai[J]. Computers and Applied Chemistry, 2009, 31(10): 1189–1192.】

[18]

周 敏, 陈长虹, 王红丽, 等. 上海市秋季典型大气高污染过程中颗粒物的化学组成变化特征[J]. 环境科学学报, 2012, 32(1): 81–92.【ZHOU M, CHEN C H, WANG H L, et al. Chemical characteristics of particulate matters during air pollution episodes in autumn of Shanghai, China[J]. Acta Scientiae Circumstantiae, 2012, 32(1):81–92.】

[19]

包 贞, 冯银厂, 焦 荔, 等. 杭州市大气PM 2. 5和PM 10污染特征及来源解析[J]. 中国环境监测, 2010, 26(2): 44–48.

【BAO Z, FENG Y C, JIAO L, et al. Characterization and source apportionment of PM 2. 5 and PM 10 in Hangzhou[J]. Environmental Monitoring in China, 2010, 26(2): 44–48.】[20]

黄金星, 张 林, 陈欢林, 等. 杭州市区空气中PM 2. 5细微粒监测及污染状况分析[J]. 环境科学与技术, 2006, 26(9): 49–51.

【HUANG J X, ZHANG L, CHEN H L, et al. Monitoring of PM 2. 5related air pollution in Hangzhou city[J]. Environmental Science &Technology, 2006, 26(9): 49–51.】

[21]

王占山, 李云婷, 陈 添, 等. 2013年北京市PM 2. 5的时空分布[J]. 地

理学报, 2015, 70(1): 110–120.

[22]【WANG Z S, LI Y T, CHEN T, et al. Spatial-temporal characteristics of PM 2. 5 in Beijing in 2013[J]. Acta Geographica Sinica, 2015(01):110–120.】

潘耀忠, 龚道溢, 邓 磊, 等. 基于DEM 的中国陆地多年平均温度插值方法[J]. 地理学报, 2004, 59(3): 366–374.

【PAN Y Z, GONG D Y, DENG L, et al. Smart distance searching-based and DEM-informed interpolation of surface air temperature in China[J]. Acta Geographica Sinica, 2004, 59(3): 366–374.】

[23]

晏 星, 马小龙, 赵文慧. 基于不同插值方法的PM 1污染物浓度研究[J]. 测绘, 2010, 33(4): 172–175.

【YAN X, MA X L, ZHAO W H. Research on the PM 1 pollutant concentration based on different interpolation method[J]. Surveying and Mapping, 2010, 33(4): 172–175.】

[24]CATTLE J A, MCBRATNEY A B, MINASNY B. Kriging method evaluation for assessing the spatial distribution of urban soil lead contamination[J]. Journal of Environmental Quality, 2002, 31(5):1576–1588.

[25]WANG X J, ZHENG Y, LIU R M, et al. Kriging and PAH pollution assessment in the topsoil of Tianjin area[J]. Bulletin of Environmental Contamination and Toxicology, 2003, 71(1): 189–195.

[26]姜成晟, 王劲峰, 曹志冬. 地理空间抽样理论研究综述[J]. 地理学报,2009, 64(3): 368–380.

【JIANG C S, WANG J F, CAO Z D. A review of Geo-spatial sampling theory[J]. Acta Geographica Sinica, 2009, 64(3): 368–380.】[27]林忠辉, 莫兴国, 李宏轩, 等. 中国陆地区域气象要素的空间插值[J].地理学报, 2002, 57(1): 47–56.

【LIN Z H, MO X G, LI H X, et al. Comparison of three spatial interpolation methods for climate variables in China[J]. Acta Geographica Sinica, 2002, 57(1): 47–56.】

[28]徐建辉, 江 洪. 长江三角洲PM 2. 5质量浓度遥感估算与时空分布特征[J]. 环境科学, 2015, 36(9): 3119–3127.

【XU J H, JIANG H. Estimation of PM 2. 5 concentration over the Yangtze Delta using Remote Sensing: Analysis of spatial and temporal variations[J]. Environmental Science, 2015, 36(9): 3119–3127.】[29]SILLMAN S, LOGAN J A, WOFSY S C. The sensitivity of ozone to nitrogen oxides and hydrocarbons in regional ozone episodes[J].Jouurnal of Geophysical Research, 1990, 95(D2): 1837–1851.[30]SUN Y L, ZHUANG G S, WANG Y, et al. The air-borne particulate pollution in Beijing-concentration, composition, distribution and sources[J]. Atmospheric Environment, 2004, 38(35): 5991–6004.[31]XU X D, SHI X H, XIE L A, et al. Spatial character of the gaseous and particulate state compound correlation of urban atmospheric pollution in winter and summer[J]. Science in China (Series D: Earth Sciences),2005, 48(S2): 64–79.

[32]陈媛, 岑 况, NORRA S, 等. 北京市区大气气溶胶PM 2. 5污染特征及颗粒物溯源与追踪分析[J]. 现代地质, 2010, 24(2): 345–354.【CHEN Y, CEN K, NORRA S, et al. Study on pollution characteristics of PM 2. 5 in the aerosol, tracing and tracking atmospheric particulates in Beijing city[J]. Geoscience, 2010, 24(2):345–354.】

[33]李珊珊, 程念亮, 徐 峻, 等. 2014年京津冀地区PM 2. 5浓度时空分布及来源模拟[J]. 中国环境科学, 2015, 35(10): 2908–2916.

【LI S S, CHENG N L, XU J, et al. Spatial and temporal distrubions and source simulation of PM 2. 5 in Beijing-Tianjin-Hebei region in 2014[J]. China Environmental Science, 2015, 35(10): 2908–2916.】[34]韩 婷, 黄志萍，徐军科. 长三角地区在霾天气特征分析反防冷对策研究[J]. 环境科学与管理, 2014(1): 94–97.

[35]820

长江流域资源与环境第 25 卷

【HAN T, HUANG Z P, XU J K. Analysist characteristic of atmospheric haze Yangtze River Delta and countermeasure[J].Environment Science and Management 2014(1):94–97.】

王跃思, 姚 利, 王莉莉, 等. 2013年元月我国中东部地区强霾污染成因分析[J]. 中国科学: 地球科学, 2014, 44(1): 15–26.

【WANG Y S, YAO L, WANG L L, et al. Mechanism for the formation of the January 2013 heavy haze pollution episode over

[36]

central and eastern China[J]. Science China Earth Sciences, 2014,44(1): 15–26.】

杨洪斌, 邹旭东, 汪宏宇, 等. 大气环境中PM 2. 5的研究进展与展望[J]. 气象与环境学报, 2012, 28(3): 77–82.

【YANG H B, ZOU X D, WANG H Y, et al. Study progress on PM 2. 5in atmospheric environment[J]. Journal of Meteorology and Environment, 2012, 28(3): 77–82.】

[37]

SPATIAL-TEMPORAL CHARACTERISTICS OF PM 2.5 IN YANGTZE RIVER

DELTA (YRD) REGION BASED ON THE GROUND

MONITORING DATA FROM 2013-2015

DAI Zhao-xin 1, 2, ZHANG Yun-zhi 1, 3, HU Yun-feng 1, DONG Yu 1, 2

(1. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China;

2. University of Chinese Academy of Sciences, Beijing 100049, China;

3. Inner Mongolia Normal University, Hohehot Municipality 010022, China)

Abstract : As one of the three economic hubs in China, the Yangtze River Delta (YRD) experiences serious air pollution due to the huge energy consumption in recent years. The air pollution in this region became more and more serious with increasingly frequent haze. The main pollution source is respirable particulate matters (PM2.5). Based on this, data of PM2.5from 214 automatic air quality monitoring stations of YRD and surrounding buffer regions from January 2013 to May 2015were analyzed to examine the temporal and spatial characteristics of PM2.5 at year, season, month scales. Using Ordinary Kriging interpolation method, we found that (1) The distribution of PM2.5 concentration was obvious in the YRD region and displayed high values in the north and low values in the south. The annual average concentrations of PM2.5 was 57.08 μg·m –3in the YRD region. From a regional perspective, the annual average concentrations of PM2.5 in different sub-regions decreased in the order of Jiangsu province, Shanghai Municipality and Zhejiang province, which were 65.84μg·m –3,47.31μg·m –3 and 51.53 μg.m –3, respectively. The average concentrations of PM2.5 in this three regions all exceeded the national ambient air quality standard of 35 μg.m –3. The main reason may be related with the regional industrial structure,regional agricultural pollution, meteorological characteristics and etc. (2) The average concentration of PM2.5 in different seasons decreased in the order of winter, spring, autumn and summer, which were 82.73 μg/m –3,54.02 μg/m –3, 49.71 μg/m –3and 41.72 μg/m –3, respectively. The main reasons caused the obvious differences in seasons were the atmosphere conditions (air mass source, precipitation, etc.), human activities and the condition of natural ecosystems. For example, in winter more stable atmosphere, high frequency and intensity temperature inversion were not conducive to pollution dilution. But in summer more plants grow and flourish, this was conducive to the adsorption of particulate matter in the atmosphere;secondly, the precipitation increase in summer can also conducive to the wet deposition and dilution of atmospheric pollutants; therefore, the concentration of PM2.5 was the lowest in summer relatively.(3) Monthly average concentrations of

PM2.5 showed a U-shaped curve; the peaks of which appeared in December; after March, the average concentration of PM2.5

showed a gradual decline; In 5-9 months, the average concentration of PM2.5 in the bottom of U-shaped curve and reached to the minimum in September; but in June, the average concentration of PM2.5 concentrations increased slightly because of the straw burning; in October the average concentrations of PM2.5 rose rapidly and continued to rise in November and December. In this study, the result based on the method of GIS spatial interpolation may cause a few errors; the achievements based on the space statistical method may not represent the real phenomenon completely. But overall, the spatial interpolation method based on GIS provided the way to understand the spatial distribution characteristics of regional

PM2.5; the spatial statistical method based on GIS provided the basic data and material science for the discrimination of

regional PM2.5 concentration level. This paper has important practical significance for the remote sensing of atmospheric pollutants, product validation and local governments to carry out environment management decision-making and so on.Key words : the concentrations of PM 2.5; ground monitoring; spacedistribution; temporal dynamics; Yangtze River Delta region

第 5 期

戴昭鑫，等：基于地面监测数据的2013~2015年长三角地区PM 2.5时空特征

821