气象因素对北京市大气颗粒物浓度影响的非参数分析_李军
北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应
北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应引言：大气污染是当前全球面临的严峻环境问题，尤其是中国的主要城市，如北京。
北京不仅是中国的首都，也是全球最受污染的城市之一。
空气污染中的PM2.5和PM10已成为衡量空气质量的重要指标。
而地面气象因素则对大气污染起到一定的影响。
因此，深度探究，对于制定科学的环境保卫政策和猜测空气质量变化趋势具有重要意义。
一、北京地区不同季节PM2.5和PM10浓度的监测状况PM2.5和PM10是指空气中直径小于（或等于）2.5和10微米的悬浮颗粒物的浓度。
这些颗粒物来源于工业排放、车辆尾气、煤烟等。
通过对北京地区不同季节的PM2.5和PM10浓度进行监测，可以发现其时空分布的变化规律。
例如，冬季的PM2.5和PM10浓度普遍高于其他季节，而夏季相对较低。
二、PM2.5和PM10浓度与温度的干系气温是影响大气扩散条件的重要因素之一。
一般来说，温度较高时，大气的稳定性较差，有利于颗粒物的扩散和稀释，从而使PM2.5和PM10的浓度相对较低。
相反，温度较低时，大气的稳定性较好，颗粒物容易积聚，PM2.5和PM10的浓度相对较高。
因此，在冬季，北京地区PM2.5和PM10浓度较高的原因之一就是气温偏低。
三、PM2.5和PM10浓度与风速的干系风速是影响颗粒物扩散和稀释的重要因素之一。
风速较高时，颗粒物容易被风吹散，从而缩减其浓度。
相反，风速较低时，颗粒物容易积聚，浓度相对较高。
此外，风向也会影响颗粒物的输送方向和污染来源。
北京地区的地形以京津冀平原为主，缺乏自然屏障，所以风速较低的状况较为常见。
四、PM2.5和PM10浓度与降水的干系降水是清洗大气中的颗粒物的一个重要因素。
降水可以将颗粒物带到地面，缩减其浓度。
因此，降水量越大，PM2.5和PM10的浓度就越低。
北京地区的降水分布不均，集中在夏季和秋季，所以在这两个季节，PM2.5和PM10浓度相对较低。
五、PM2.5和PM10浓度与相对湿度的干系相对湿度是影响颗粒物的吸湿性和沉降速率的重要因素之一。
当前大气污染治理存在的问题与对策研究 李军
当前大气污染治理存在的问题与对策研究李军发表时间：2018-05-16T16:39:22.757Z 来源：《基层建设》2018年第2期作者：李军[导读] 摘要：随着我国经济的不断发展，工农业生产加工，工业机械设备的使用等诸多方面都会给环境带来较大的影响，其中大气污染的防治与治理成为社会各方尤其关心的问题，本文通过对大气污染治理中所存在的问题进行讨论，并且对其提出解决方案。
山东智邦环境工程有限公司山东省临沂市 276000摘要：随着我国经济的不断发展，工农业生产加工，工业机械设备的使用等诸多方面都会给环境带来较大的影响，其中大气污染的防治与治理成为社会各方尤其关心的问题，本文通过对大气污染治理中所存在的问题进行讨论，并且对其提出解决方案。
关键词：大气污染；治理；问题研究；对策方案引言：近些年来，空气质量问题逐步成为我们日常生活中较为关心的问题之一。
自2013年起“雾霾”便成为了人们口中的热议词汇，由于空气质量的问题严重影响人们的正常生活和身体健康，各个雾霾高发或严重的城市也各自展开了大量的研究与治理活动。
一、大气污染成因以及现状分析大气污染问题出现的原因有很多种，在社会经济快速发展的时代，社会大众在发展自然经济的时候，往忽略了对大气污染问题的防治。
产业能源的利用结构不够合理，是导致我国大气污染问题出现的最主要的原因。
通过对我国现如今大气污染源的了解分析，总结出大气污染的影响因素主要有以下几种：1、燃烧与燃油污染问题在我国的能源利用结构中，煤炭是重要的组成部分。
在2012年的时候，煤炭在我国能源结构中占有68.5%，一次性能源的消费比重超过发达国家两倍，而清洁能源的利用比重却低于发达国家。
在我国，煤炭燃烧所排放出的烟尘以及二氧化碳等占到了排放比重的67%到85%。
在中国的煤炭消费结构当中，电力行业是煤炭的主要消耗者，中国每年所活动用煤炭资源中，有一半用于电力行业之中。
2、工业废气的污染在社会经济快速发展的今天，我国的建材生产规模越来越大，近几年，我国的水泥、陶瓷以及钢铁的生产量与消费量都当属世界第一。
《2024年气象因素对北京市大气颗粒物浓度影响的非参数分析》范文
《气象因素对北京市大气颗粒物浓度影响的非参数分析》篇一摘要：本文运用非参数统计方法，深入研究了气象因素对北京市大气颗粒物浓度的影响。
通过收集北京市连续大气监测数据和气象数据，本文分析了不同气象条件下大气颗粒物浓度的变化规律，为进一步了解并控制北京市大气污染提供了科学依据。
一、引言随着城市化进程的加快，大气颗粒物污染已成为北京市面临的重要环境问题。
大气颗粒物浓度的变化与气象因素密切相关，如温度、湿度、风速、气压等。
因此，研究气象因素对大气颗粒物浓度的影响，对于制定有效的空气质量改善措施具有重要意义。
二、数据与方法2.1 数据来源本研究数据主要来源于北京市环境监测站发布的连续大气监测数据和气象局提供的气象数据。
监测数据包括大气颗粒物（PM2.5、PM10）浓度，气象数据包括温度、湿度、风速、气压等。
2.2 研究方法本研究采用非参数统计方法，对气象因素与大气颗粒物浓度的关系进行分析。
非参数统计方法不需要假设数据服从某种分布，能够更好地反映数据间的关系。
具体方法包括Kruskal-Wallis检验、Mann-Whitney U检验等。
三、结果与分析3.1 气象因素对大气颗粒物浓度的影响通过对不同气象条件下的数据进行分析，发现温度、湿度、风速等因素对大气颗粒物浓度具有显著影响。
在低温、高湿、静风条件下，大气颗粒物浓度往往较高；而在高温、低湿、风速较大的条件下，大气颗粒物浓度相对较低。
3.2 非参数统计方法的应用本研究采用Kruskal-Wallis检验和Mann-Whitney U检验等方法，对不同气象条件下的数据进行比较分析。
结果表明，在各种气象条件下，大气颗粒物浓度的分布存在显著差异。
通过非参数统计方法，可以更好地了解气象因素与大气颗粒物浓度的关系，为制定有效的空气质量改善措施提供科学依据。
四、讨论4.1 气象因素的综合影响气象因素对大气颗粒物浓度的影响是综合的，不仅包括温度、湿度、风速等单一因素的影响，还包括这些因素之间的相互作用。
北京大气能见度和消光特性变化规律及影响因素
１ ０ ０ ０ ８ １ ， Ｃ ｈ ｉ ｎ ａ ；２ ． Ｂ ｅ ｉ ｊ ｉ ｎ ｇ Ｍｕ ｎ ｉ ｃ ｉ ｐ ａ ｌ Ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍｅ ｎ ｔ ａ ｌ Ｍｏ ｎ ｉ ｔ ｏ ｒ ｉ ｎ ｇ Ｃ ｅ ｎ ｔ ｅ ｒ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ４ ８ ， Ｃ ｈ ｉ ｎ ａ ；３ ． Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｐ ｈ ｙ ｓ ｉ ｃ ｓ ， Ｐ ｅ ｋ ｉ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｙ， ｔ Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ８ ７ １ ， Ｃ ｈ ｉ ｎ ａ ） ． Ｃ ｈ ｉ ｎ ａ Ｅ ｎ ｖ ｉ ｒ ｏ ｎ ｍ ｅ ｎ ｔ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ， ２ ０ １ ５ ， ３ ５ （ ５ ） ：１ ３ １ ０ － １ ３ １ ８
显上 升。 此后 特别 是 ２ ０世 纪 ９ Ｏ年 代 以来北 京大 气消 光作 用基 本呈 缓慢 下降 趋势， 能见度 变化 过程 与此 相反 ． 从 区域分 布看 北京 大气 消光 作
用北 部及 西部 山区低 于 平原 区， 平原 区存 在 由北 向南逐渐 升 高的 分布 规律， 即北部 平 原区低 于 中部市 区， 中部市 区低 于南 部平 原区 ． 近 １ ０ 年
来北 京大 气颗 粒物 消光 作用 区域 差异逐 渐减 小， 这 与大 气污 染区 域分 布变化 趋 势基本 一 致． 北京 大气 消光 作用 ２ Ｏ世 纪 ８ Ｏ年代 之前 冬高 夏 低， 之 后转 为冬低 夏 高， 对应 于大 气污 染 由煤烟 型 向综合 型 的转 变 ． 大气 消光 作用平 均 日变化 呈双 峰双 谷 型， ０ ９ ： ０ ０ 和２ ｌ ： ｏ ０ 形 成双 峰， ０ ６ ： ０ ０和
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｔ ｏ ｗｅ ｌ ｌ ｕ ｎ ｄ ｅ ｒ ｓ ｔ ｎｄ ａ ｔ ｈ ｅ ｌ ｏ ｎ ｇ ． ｔ ｅ ｒ ｍ ｖ ａ ｒ ｉ ａ ｔ ｉ ｏ ｎ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｎｄ ａ ｉ ｎ ｌ ｆ ｕ ｅ ｎ ｃ ｅ ｆ ａ ｃ ｔ ｏ ｒ ｓ ｏ ｆ ａ ｔ ｍｏ ｓ ｐ ｈ ｅ ｒ ｉ ｃ ｖ ｉ ｓ ｉ ｂ ｉ ｌ ｉ ｙ ｔ ａ ｎ ｄ ｅ ｘ ｔ ｉ ｎ ｃ ｔ ｉ ｏ ｎ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ，ｄ ａ ｔ ａ ｏ ｆ ｅ ｘ ｔ ｉ ｎ ｃ ｔ ｉ ｏ ｎ ｅ ｆ ｅ ｃ ｔ ，ｖ ｉ ｓ ｉ ｂ ｉ ｌ ｉ ｙ，ｒ ｔ ｅ ｌ ａ ｔ ｉ ｖ ｅ ｈ ｕ ｍｉ ｄ ｉ ｙ，ａ ｔ ｎｄ Ｐ Ｍ２ ． ５ ｃ ｏ ｎ ｃ ｅ ｎ ｔ ｒ ａ ｔ ｉ ｏ ｎ ｓ ，ｈ ａ ｄ ｂ ｅ ｅ ｎ
北京市近三年重污染天气细颗粒物时空分布特征及气象要素分析
北京市近三年重污染天气细颗粒物时空分布特征及气象要素分析胡剑;贾建平;岳天佐;武高峰;吴辉廷;秦建伟;徐科;赵露露;李雪君;王明阳【期刊名称】《大众标准化》【年(卷),期】2022()13【摘要】基于2019年、2020年、2021年北京市重污染期间的细颗粒物数据以及气象要素数据,运用数理统计分析和地理空间统计分析的方法,研究分析了重污染天气期间细颗粒物时空分布特征,以及重点分析气象要素对新冠疫情后重污染天气的影响。
研究结果表明,北京市近三年重污染天气期间,细颗粒物浓度在空间分布上表现为城区>郊区,2019年、2020年细颗粒质量浓度整体上呈现“南高北低”,高值浓度主要集中在北京南部与河北接壤区域;而在2021年,高值区域发生明显向西偏移的现象,呈现“西高东低”的态势。
2019年、2020年和2021年重污染期间,PM_(2.5)均值分别为132.44、165.69和143.92μg~(-3)。
受疫情及政策的影响,新冠疫情发生后,PM_(2.5)浓度日变化特征由“昼低夜高”,转变为“昼高夜低”。
气象要素成为疫情发生后导致重污染天气的主要原因。
【总页数】3页(P160-162)【作者】胡剑;贾建平;岳天佐;武高峰;吴辉廷;秦建伟;徐科;赵露露;李雪君;王明阳【作者单位】北京奥达清环境检测有限公司【正文语种】中文【中图分类】X51【相关文献】1.北京市朝阳区大气污染物时空分布特征及与气象要素的关系研究2.镇江市灰霾天气与非灰霾天气下细颗粒物（PM2.5）中无机元素分布特征分析3.利用SPAMS 研究西安市重污染天气细颗粒物污染特征及来源4.合肥市一次重污染过程细颗粒物的粒径分布特征及影响因素分析5.北京市大气细颗粒物污染时空分布特征及其降水清除影响因版权原因，仅展示原文概要，查看原文内容请购买。
北京市大气PM_(10)环境背景值的计算方法探讨
北京市大气PM_(10)环境背景值的计算方法探讨李金香;虞统;赵越;李海军;李令军;刘文清【期刊名称】《环境科学学报》【年(卷),期】2007(27)9【摘要】为了消除或降低PM10环境背景值计算中城市局地污染的影响,并且提高背景值在污染过程模拟中的准确程度,紧密联系天气过程、通过监测和统计途径探讨了确定环境背景值的方法.北京市空气质量背景监测站点在地方性天气过程中明显受到城市污染的影响,文中根据天气形势场、垂直方向上风向一致性、系统影响持续时间等判别标准区分了系统性和地方性过程,筛选出受系统性过程影响的、“背景时段”的监测数据.背景时段监测数据统计计算时,将背景值视为变量,用百分位数、剪裁均值、最大概率密度值、50%概率区间等特征统计量来表达其概率分布.文中还将背景值细化,根据天气系统特征和区域自然环境、人类活动的差异将背景值区分为4类,以代表不同污染过程的背景水平.使用2003年11月至2004年12月北京市北部和南部共5个清洁站点的监测数据,计算了117个中尺度天气系统影响时,PM10浓度概率密度分布以及背景值特征统计量.结果表明,4类背景值差别很大,从小到大排序依次是：北风〉东风〉西风〉南风,剪裁均值依次为：24-34、58、89-110和105μg·m^-3.对4类背景值综合运算,得到2004年PM10年尺度上的综合背景值为58-67μg·m^-3,较好地扣除了局地污染的影响.【总页数】9页(P1525-1533)【关键词】大气PM10;天气类型;背景时段;取值概率【作者】李金香;虞统;赵越;李海军;李令军;刘文清【作者单位】北京市环境保护监测中心;中国科学院安徽光学精密机械研究所,合肥230031;中国科学院安徽光学精密机械研究所【正文语种】中文【中图分类】X513【相关文献】1.北京市采暖期大气中PM_(10)和PM_(2.5)质量浓度变化分析 [J], 鲁兴;吴贤涛2.北京市大气颗粒物中PM_(10)和PM_(2.5)质量浓度及其化学组分的特征分析 [J], 杨勇杰;王跃思;温天雪;徐宏辉3.北京市大气颗粒物PM_(2.5),PM_(10)及降雪中的汞 [J], 王章玮;张晓山;张逸;权建农4.北京市夏季大气气溶胶PM_(2.5)和PM_(10)成分特征 [J], 徐亚;仇猛淋;郑晨龙;田平;王广甫;张仁健5.北京市大气PM_(10)和PM_(2．5)对人肺成纤维细胞间隙连接通讯及连接蛋白的影响 [J], 赵晓红;贾玉巧;郭新彪因版权原因，仅展示原文概要，查看原文内容请购买。
北京市大气可吸入颗粒物影响因素灰色关联度分析(精)
北京市大气可吸入颗粒物影响因素灰色关联度分析引言可吸入颗粒物大量存在于城市空气中，具有数目浓度高、停留时间长、输送距离远、污染范围广的特点，造成严重的环境污染，危害人体健康。
城市空气中颗粒物含量的测定和研究已受到高度重视，因此，分析其空间特征及影响因素，对于制定更为有效的可吸入颗粒物污染控制政策具有重要的现实意义。
北京属于暖温带半湿润半干旱季风气候，四季变化分明，夏季降水集中，冬季降水较少，逆温发生频率高，风向、风速、温度、湿度、降水量等气象要素都会影响空气质量水平[1]。
颗粒物的浓度取决于源排放、化学转化、气象条件和地形地貌特征等[2][3]，其中气象条件是影响空气质量的客观因素。
2012 年赵文慧[4]等对北京市城区2012 年夏季PM1.0 、PM3.0 、PM5.0 以及气象因子的空间分布，比较各气象因子对颗粒物浓度的影响大小。
2012 年范新强[5]等对雾霾条件下气象因子中与PM10 浓度的关系进行了分析。
2012 年北京天气与往年相比湿度大、雨水多的特点，考虑到各气象因子之间相互影响的复杂性，并相互关联，还有一些不很明确的因素，即有已明确的信息，也有不明确的信息，符合灰色系统[6 ]的特征。
因此，通过利用灰色相关度理论[6 ]，对北京市冬季雾霾天气和晴天天气下可吸入颗粒物浓度与大气各因素相关程度进行分析，得到较为准确和有用的结论，以便为研究北京市天气可吸入颗粒物的影响奠定良好基础。
1 计算模型 1.1 灰色相关度计算模型灰色关联分析法[6][7]是通过确定参考数列和若干比较数列之间的关联系数和关联度（两系统或两因素间关联性大小的量度），寻找系统中各因素的关系，来对该系统的发展变化态势进行定量比较，找出影响目标值的重要因素。
1.2 数据初始化处理对于进行灰色相关度比较的系统中，各个相比较的因素之间必须具有可比性，尤其对于采用数学公式的方法进行计算的情况。
为了提高计算的准确度和可信度，要求对各个比较的因素进行初始化处理，是各个因素之间的数量级相差不大，或者无量纲。
2000_2010北京大气重污染研究
中国环境科学 2012,32(1)：23~30 China Environmental Science 2000~2010北京大气重污染研究李令军1*,王英2,李金香1,辛连忠1,金军2(1.北京市环境保护监测中心,北京 100048；2.中央民族大学生命与环境科学学院,北京 100081)摘要：根据北京市环境保护局公布的大气污染数据及气象部门公布的气象资料,用时间序列分析法对空气污染指数大于200的大气重污染做了系统分析.结果表明,北京大气重污染可分为静稳积累型、沙尘型、复合型以及特殊型4个类型,2000~2010年各类型发生次数分别为69、53、23、6次.从季节分布看,北京大气重污染主要集中在春季和秋冬季,其中春季以沙尘型为主,而秋冬季大部分为静稳积累型.从年际变化看,21世纪初期沙尘天气活跃,造成了北京大气重污染的高峰期,2003~2005年大气重污染有所回落,2006年受沙尘天气明显增多及大规模奥运建设的共同影响,北京大气重污染再次出现明显峰值;2007年北京沙尘天气明显减少,但静稳积累型重污染相对突出;2008年奥运减排措施效果显著,全市静稳积累型重污染降至历史最低,其后则呈缓慢上升趋势.大气重污染既呈现区域共性,也受局地环境影响.定陵站大气重污染全部为沙尘型;近年来随着首钢的减产、搬迁,石景山区古城站大气重污染明显减少;而受周边大规模城市建设影响,奥体站大气重污染表现相对突出.关键词：北京；大气重污染；静稳积累；沙尘中图分类号：X51 文献标识码：A 文章编号：1000-6923(2012)01-0023-08The analysis of heavy air pollution in Beijing during 2000~2010. LI Ling-jun1*, WANG Ying2, LI Jin-xiang1, XIN Lian-zhong1, JIN Jun2 (1.Beijing Municipal Environmental Monitoring Center, Beijing 100048, China；2.College of Life and Environmental Sciences, Minzu University of China, Beijing 100081, China). China Environmental Science, 2012,32(1)：23~30Abstract：Using air pollution data and meteorological data published by the local authorities, heavy air pollution, which means the Air Pollution Index >200, were closely examined in Beijing by means of time series analysis. There were 4 types of heavy air pollution in Beijing: namely the meteorological stagnant-accumulated, the sand-dust caused, the combined, and the special, which happened 69, 53, 23 and 6 times respectively, during 2000~2010. The four types of heavy air pollution presented in different seasons. Most of the sand-dust caused occurred in spring and the stagnant-accumulated mainly in fall and winter.There were yearly variations in the occurrences of the heavy air pollution in Beijing. Since sand-dust storms were in an active period, the occurrence became frequent during 2000~2002, then fell off during 2003~2005, followed by a peak in 2006 due to both dust-storm and large-scale construction for the 2008 Olympic facilities. In 2007, the stagnant-accumulated remained at a relatively high level, and in 2008 it occurred the least times because of effective countermeasures taken before and during the Olympic Games to cut down emission. Nevertheless, the present of stagnant-accumulated bounced back slowly afterwards although its occurrence was still less than before 2008. Heavy air pollution in Beijing was not only a regional scale problem, but also affected by local pollution sources. The heavy pollution at Dingling Station was all sand-dust caused, and its frequency dropped obviously at Gucheng Station in accordance with the cutting of producing and finally moving out of a big steel plant nearby, while it became more severe at Aoti Station because of the extensive city construction around.Key words：Beijing；heavy air pollution；stagnant-accumulated；sand-dust研究发现,大气污染是人类死亡或致病的重要影响因素,随着污染程度的增加,死亡率会明显上升[1-3];大气污染造成我国每年有几十万城市居民的早逝[4],经济损失达上千亿元[5].北京因大收稿日期：2011-04-18基金项目：中央民族大学“985”工程项目(CUN985-3-3),高等学校学科创新引智计划 (B08044)* 责任作者, 高级工程师, lilj2000@24 中国环境科学 32卷气污染造成的健康经济损失已占到GDP的3.6%[6].北京经过多年污染治理,空气质量改善明显,二级及好于二级天数由2000的117d增加至2010年的286d,但PM10年均浓度超过国家二级标准,特别是每年都出现一些重污染[7].国内学者做过北京大气重污染的个例或类别研究[7-9],但缺乏对北京市大气重污染的整体了解.本研究利用北京市环境保护局公布的大气污染数据及气象部门公布的气象资料,全面分析北京大气重污染的类别特征、空间分布,及其时间变化,并进一步阐述北京大气重污染的成因.1数据及方法大气污染数据来自北京市环保局的监测资料,监测项目包括主要污染物PM10、SO2、NO2、NO x、CO逐日浓度,以及API(空气污染指数).站点包括背景点定陵,市区的东四、古城、奥体站,以及利用国控站点计算的全市平均状况.气象数据包括重污染日的逐时温度、湿度、风向风速、能见度及天气现象等.我国目前以API指数来评价每日空气质量状况,以PM10、SO2和NO2作为分级污染物.API 指数范围在0~500之间,按API指数大小将空气质量划分为5级[8].本文以API指数大于200作为重污染的分类标准.北京大气污染来源于局地排放和外来输送[9-11],同时又受气象条件的制约[8,12].利用大气污染特征和气象要素影响差异,将北京大气重污染分为4个类别:静稳积累型、沙尘型、复合型以及特殊型.静稳积累型主要指遇大气扩散条件不利,局地甚至区域污染明显积累而成的重污染;沙尘型是由沙尘天气造成的重污染;复合型是由多种因素共同影响导致的重污染,主要是指局地或区域污染积累叠加沙尘影响而致的重污染;特殊型主要为区域秸秆焚烧及春节鞭炮燃放等特殊因素造成的短时极端大气污染形式.具体判别标准:1)利用卫星遥感图像[13]分析大气污染区域分布特征,判识是否出现区域性的雾霾或沙尘天气,雾霾天气一般是静稳积累型重污染的表征,沙尘天气是沙尘型重污染的直接影响因素.2)察看重污染前后天气现象的逐时记录,是否出现雾霾或沙尘等特殊污染天气,期间天气现象若出现明显差异变化,进一步判断是否为复合型重污染.3)利用不同污染物的浓度变化差异,判定大气重污染的污染类别.沙尘天气往往伴随大风而出现,PM10浓度明显升高,SO2和NO2等气态污染物浓度反而降低[14];静稳积累型重污染爆发时主要大气污染物浓度往往同步升高.复合型重污染一般是前期污染局地明显积累,后期伴随沙尘天气的到来转为沙尘型污染,有时无风浮尘叠加到前者中造成更为严重的污染.秸秆焚烧及鞭炮燃放,也有明显的污染特征[15-17].2结果与讨论2.1北京重污染总体特征2000~2010年北京共出现151次大气重污染,年均14次,静稳积累型、沙尘型、复合型以及特殊型分别为69、53、23、6次.从季节分布看,重污染主要集中在春季和秋冬季,3~5月份75次,11~12月份39次,而7~9月份未出现重污染(图1a).北京大气重污染春季以沙尘型为主,而秋冬季大部分为静稳积累型.3~5月份75次重污染中50次完全由沙尘造成,受沙尘影响的复合型重污染14次.11~12月39次重污染中30次为静稳积累型,只有3次完全由沙尘影响所致.统计数据显示,北京大气重污染时首要污染物全部为PM10,主要表现为颗粒物污染.2000~2010年上海大气重污染共计26次,主要集中在前期,2000~2003年出现18次,2004~2010年年均仅为1次.从月份分布看,上海大气重污染更为集中,仅出现在1、3、4、11和12月,其中3月和11月为8次和7次,占重污染总次数的一半以上.与上海相比,北京大气重污染更为频繁.究其原因,主要有两点,一是上海受沙尘影响明显弱于北京;二是秋冬季上海没有北京及周边的大规模采暖现象.因此上海春季的沙尘型重污染和秋冬季的静稳积累型重污染明显少于北京.2000年以来,北京大气重污染年际变化较大.2000~2002年北京大气重污染相对突出,且以沙尘型为主.2003~2005年沙尘型重污染明显减26 中 国 环 境 科 学 32卷显缓解作用.此外,工业源排放受季节影响相对较小,夏季遇不利气象条件也会出现重污染,古城站是唯一7月份出现过大气重污染的站点.2004年以前奥体站点周边污染源排放较少,大气重污染在市区站点中处于较低水平.2005~2007年紧邻北侧的奥运场馆及周边相关配套建设进入高峰期,局地源排放明显增加,大气重污染在市区站点中相对突出.东四站点位于居民区,周边源排放相对稳定,大气重污染次数基本处于全市平均水平,年际变化起伏较小.月份次数2000200120022003200420052006200720082009210年份次数图2 2000~2010年北京4个站点大气重污染月际变化及年际变化Fig.2 Monthly and yearly variations of heavy airpollution at 4 different stationsa.平均月际变化;b.年际变化从全市整体水平看,21世纪初期沙尘天气活跃[22],形成了北京大气重污染的高峰期;2003~2005年北京大气重污染有所回落;2006年北京沙尘天气突然增多,同时受奥运前城市大规模建设影响,北京大气重污染明显回升;2007年沙尘天气减弱,但局地污染源排放造成的静稳积累型重污染相对突出;2008年奥运减排措施使得全市静稳积累型重污染降至历史最低.近年大气重污染整体水平较低,但静稳积累型呈缓慢上升趋势. 2.3 大气重污染特征分析 各类大气重污染特征差异较大,主要在于污染来源的不同及气象因素影响的差异.以下分别统计分析静稳积累型、沙尘型、复合型以及特殊型大气重污染的污染物浓度差异及气象影响要素特征. 从图3中可以看出,静稳积累型重污染时,能见度低、风速小、相对湿度大;沙尘型重污染时,能见度升高,风速增大,相对湿度明显降低;复合型和特殊型大气重污染时,相关气象要素介于静稳积累型和沙尘型之间. 从图4中可以看出,静稳积累型重污染时,CO 浓度绝大部分在4.5mg/m 3以上,PM 10浓度大部分集中在350~450μg/m 3;沙尘型重污染时CO 浓度全部低于4.0mg/m 3,但PM 10浓度分布较为分散;复合型重污染由于受不同污染源影响差异较大,PM 10与CO 浓度分布都较为分散;特殊型重污染时PM 10与CO 浓度介于静稳积累型与沙尘型之间. 2.3.1 静稳积累型重污染 统计了2005~2010年北京发生的28次静稳积累型重污染.结果显示,静稳积累型重污染天气现象一般为雾霾或烟雾,平均风速为1.5m/s,平均相对湿度72.7%,平均能见度为 2.5km.说明静稳积累型大气重污染发生时风速小,湿度大,能见度较低.静稳积累型重污染的出现还往往伴随明显的近地层逆温[7],致使大气污染物难以扩散,形成明显的污染积累过程. 2005~2010年北京静稳积累型重污染发生时,PM 10、SO 2、NO 2、NO x 和CO 平均浓度分别为414,128,139,262μg/m 3和7.5mg/m 3.静稳积累型大气重污染过程中,各种污染物浓度基本同步升高,污染物浓度呈明显正相关.各类高浓度污染物的协同作用,致使污染危害更严重.静稳积累型重污染爆发时,虽然呈明显的污染积累过程,但高污染时段污染物浓度变化相对稳定,可吸入颗粒1期 李令军等：2000~2010北京大气重污染研究 27 物超过600μg/m 3的比例不高.0.00 0.25 0.500.75 1.000.00能见度图3 2005~2010年北京大气重污染时能见度、风速以及相对湿度的三元相图Fig.3 Distributions of visibility, wind speed and humidityin triangular diagram during heavy air pollution periods36912150.00.20.40.60.8 1.0PM 10(mg/m 3)C O (m g /m 3)图4 2005~2010年北京大气重污染时PM 10与CO 浓度的散点分布Fig.4 Scatter plot between PM 10 and CO concentrationsduring heavy air pollution periods北京城市源排放的季节变化主要表现在采暖期和非采暖期的差别,北京采暖年用煤量(600~700)×104 t,约占全年煤炭用量的20%~25%.同时,采暖期多出现静稳、逆温天气[7],两者共同作用使采暖期,特别11~12月份频发大气重污染.遇持续静稳天气时,大气污染物浓度会长时间维持在较高水平,出现连续几天的重污染.2000~2010年出现了4次连续4天的重污染过程,分别为2000年1月15~18日、2004年10月7~10日、2005年11月2~5日以及2007年12月25~28日. 2.3.2 沙尘型重污染 北京的沙尘型重污染往往伴随大风而出现,气象条件异于静稳积累型. 2005~2010年18次沙尘型重污染污染特征统计显示:沙尘型重污染的天气现象一般表现为浮尘或扬沙.沙尘型重污染的平均风速为4.5m/s,平均相对湿度24.9%,平均能见度为11.3km.相对于静稳积累型重污染来说,沙尘型重污染风速大、湿度小,能见度相对较高.沙尘重污染时大气颗粒物以粗颗粒为主[9],且湿度小,消光作用低于静稳积累型重污染,能见度明显偏高. 沙尘型重污染发生时,因沙尘粒子的大量增加而使颗粒物浓度迅速升高,但伴随大风的出现,气态污染物迅速扩散,浓度较低.2005~2010年北京沙尘重污染时PM 10、SO 2、NO 2、NO x 和CO 的平均浓度分别为440,35,48,62μg/m 3和1.9mg/m 3.与静稳积累型重污染相比,PM 10浓度有所增加,但CO 、SO 2、NO 2等气态污染物明显偏低.PM 10/CO 比值为0.24,为静稳积累型重污染的 4.3倍.沙尘型重污染一般以地壳源粗颗粒为主,对人体健康的危害低于静稳积累型. 持续不断的风沙天气影响,也会造成连续的沙尘型重污染.2000~2010年出现连续3天以上沙尘型重污染的时段统计如下:2001年3月22~24日、2001年5月1~5日、2002年4月7~9日、2008年5月27~29日.近年来随着沙尘天气的减弱,持续性沙尘重污染明显减少. 2.3.3 复合型重污染 大气重污染有时是由多种因素先后或同时影响所形致,一般是静稳积累型及沙尘共同作用的结果.多数情况下,复合型重污染前期,各种大气污染物逐渐积累,大气污染呈显著静稳积累型特征;后期伴随沙尘的出现而表现为典型的沙尘型重污染.有时近地面大气污染出现明显积累,与此同时外来浮尘由高空输送而至,但风速不大,基本表现为无风浮尘,两者的叠加往往造成更加严重的大气污染.2006年4月9日和10日的复合型重污染,API 都高达500,PM 10浓度分别为722,621μg/m 3;CO 浓度8~10日分别28 中国环境科学 32卷为1.9,2.5,3.1 mg/m3,呈缓慢增长趋势.复合型重污染期间天气现象往往发生明显变化,表现为雾霭转烟霾或烟雾转沙尘等,平均风速为3.1m/s,平均相对湿度47.0%,平均能见度为6.8km,介于静稳积累型和沙尘型重污染之间.2005~2010年北京复合型重污染共计15次,PM10、SO2、NO2、NO x和CO平均浓度分别为49,80,97,171μg/m3和5.9mg/m3.复合型重污染的颗粒物浓度高于静稳积累型和沙尘型重污染,气态污染物浓度介于两者之间.2.3.4特殊型重污染特殊性重污染是指由特定因素影响而形成的频率较低的大气重污染,污染的形成及结束都较为突然,主要为秸秆焚烧及春节鞭炮燃放所形成,2000年以来全市共发生3次.华北冬小麦产区每年都会出现秸秆焚烧现象,短期内大规模的麦秸焚烧配合合适气象条件就会造成严重大气污染事件,北京每年都会或多或少受其影响[15].2006年以来春季期间的鞭炮燃放解禁造成短时燃放污染排放的大量增加,特别是除夕夜及元宵夜鞭炮燃放相对集中,大气污染物浓度会短时剧烈升高,短时PM10浓度甚至超过1000μg/m3 [16],5年中出现了2次由鞭炮燃放造成的大气重污染.2.4大气重污染个例分析2.4.1 2005年11月2~5日静稳积累型重污染过程 2005年11月2~5日北京出现了连续4天的大气重污染过程.从污染物浓度变化看,11月1~5日,各种污染物浓度呈缓慢上升趋势,5日污染达到最高后,迅速降至极低水平(图5a).期间各种污染物浓度都有较明显的日变化,一般是零时前后污染较重,午后降至较低水平.各类污染物浓度变化趋势较为一致,CO浓度与NO2、NO x以及PM10浓度相关系数高达0.85、0.90 和0.81.NO x中NO 比例相对较高.从气象条件看,重污染期间天气现象表现为烟雾、霾以及霭等,2日12:00~5日12:00平均相对湿度为71%,平均能见度为1.9km.气象条件呈明显日变化,一般是白天湿度降低,能见度升高,午后湿度降至最低而能见度达到最大;夜间反之,湿度增加而能见度降低,凌晨前后达到极值(图5b).5日傍晚西北气流明显加大,湿度降低,能见度升高,所有污染物都迅速降至极低.2468101214161812::12::12::12::12::12::时刻CO(mg/m3)100200300400500600700800900PM1,NO2,NO x(μg/m3)102030405060708090100:12::12::12::12::时刻相对湿度(%)123456能见度(km)图5 2005年11月1~6日大气重污染过程污染物浓度及气象要素变化Fig.5 Pollutants concentration and meteorological elements change during November 2~6, 2005a. 2005年11月1~6日东四站主要大气污染物浓度逐时变化;b. 2005年11月2~6日相对湿度与大气能见度逐时变化2.4.2 2008年5月27~29日沙尘型重污染过程 2008年5月27~29日的沙尘天气造成了北京持续的大气重污染.5月26日北京为低压控制,大气稳定,湿度较大,3:00~10:00北京地面平均风速为1.9m/s,平均相对湿度为65%.与此同时大气污染积累明显,5月26日CO与PM10浓度从最低0.9mg/m3和181μg/m3升至4.5mg/m3和380μg/m3,升幅达5.0倍和1.1倍(图6a).27日0:00左右,一股西北气流开始影响北京,风速明显增大,而大气湿度迅速降低,4:00后相对湿度降至30%以下(图6b);与此同时所有大气污染物浓度也出现明显回落,PM10与CO浓度分别1期 李令军等：2000~2010北京大气重污染研究 29 由26日23:00的358μg/m 3、3.1mg/m 3降至27日2:00的75μg/m 3和0.5mg/m 3.3:00后浮尘随西北气流进入北京,PM 10浓度瞬间升至极高,4:00~ 6:00都超过1500μg/m 3,CO 浓度则一直维持在0.1mg/m 3左右.0:0012:000:0012:000:0012:000:0012:000:0012:00时刻C O (m g /m 3) 0300600 900 12001500PM1(μg/m 3)0:0012:000:0012:000:0012:000:0012:000:0012:0时刻风速(m /s) 00.20.40.60.81相对湿度(%)图6 2008年5月26~30日大气重污染过程污染物浓度及气象要素变化Fig.6 Pollutants concentration and meteorologicalelements change during May 26~30, 2008a. 奥体站主要大气污染物浓度逐时变化;b. 相对湿度与风速逐时变化随着浮尘影响的减弱,PM 10浓度逐渐回落,28日4:00降至106μg/m 3.7:00又有一股浮尘开始影响北京,PM 10浓度再度升高,9:00达到1008μg/m 3.28日14:00~24:00北京转为东南气流控制,导致浮尘回流,颗粒物浓度一直维持在较高水平,PM 10平均浓度达531μg/m 3.29日1:00风向再次转为偏北方向后,最后一股沙尘影响北京,PM 10浓度再度升高,4:00升至1000μg/m 3以上.30日随着沙尘过程的结束,该次连续性沙尘型重污染也随之结束.复合型重污染为静稳积累型和沙尘型的叠加,主要分为前段静稳积累后半段受沙尘影响,特殊型重污染过程文献中[15-17]有详细描述.3 结论 3.1 2000~2010年北京共发生了151次大气重污染,大致可以分为4种类型:静稳积累型、沙尘型、复合型以及特殊型,各类别发生次数分别为69、53、23、6次.北京大气重污染主要发生在春季和秋冬季节,春季以沙尘型为主,秋冬季以静稳积累型为主. 3.2 静稳积累型重污染发生时,风速小、湿度较大,常伴随雾霾天气而出现,大气消光作用强烈,能见度较低;相对而言,沙尘型重污染发生时,风速大、湿度小,且以粗颗粒为主,能见度明显高于静稳积累型;复合型重污染气象要素介于以上两者之间;特殊型重污染成因较多,没有明显共性. 3.3 静稳积累型重污染时各种污染物浓度都处于较高水平,呈明显正相关,连续的静稳天气造成持续多日的静稳积累型重污染;沙尘型重污染时颗粒物浓度较高,而气态污染物浓度相对较低,连续的沙尘天气也会造成持续的沙尘型重污染;复合型重污染时一般前期大气污染局地积累显著,后期叠加沙尘影响,污染往往较重,在所有类型中颗粒物浓度最高,但气态污染物浓度介于静稳积累型和沙尘型之间.特殊性重污染频次相对较低,原因各异. 3.4 21世纪初期沙尘天气较为频繁,北京沙尘型大气重污染显著.2003~2005年北京大气重污染回落.2006~2007年是北京奥运会前大规模建设时期,局地源排放的增加导致了静稳积累型重污染的增多,奥运减排措施的相继执行使得2008年静稳积累型重污染降至历史最低.近年大气重污染整体水平较低,但静稳积累型呈缓慢上升趋势.局地源排放的差异也造成了具体站点大气重污染的不同. 3.5 北京大气重污染既表现出一定的区域性特征,也受局地环境影响.定陵站大气污染主要受外来输送影响,重污染全为沙尘型;古城站位于工业区,是唯一7月份出现重污染的站点,近年来随着30 中国环境科学 32卷首钢的减产、搬迁,大气重污染明显减缓;奥体站随着奥运村的大规模建设,大气重污染在市区站点中变得相对突出.参考文献：[1]Samet J M, Dominici F, Curriero F C, et al. Fine Particulate AirPollution and Mortality in 20 U.S. Cities, 1987-1994 [J]. The New England Journal of Medicine, 2000,343(24):1742-1749. [2]侯青,安兴琴,王自发,等.2002~2009年兰州PM10人体健康经济损失评估 [J]. 中国环境科学, 2011,31(8):1398-1402.[3]谢鹏,刘晓云,刘兆荣,等.不同控制指标下的大气PM10浓度对人群的健康影响——以2006年珠江三角洲地区为例 [J]. 中国环境科学, 2010, 30(1):25-29.[4]陈仁杰,陈秉衡,阚海东,等.应用伤残调整寿命年评价我国城市大气颗粒物污染的人群健康效应 [J]. 中华预防医学杂志, 2010,44(2):140-143.[5]於方,过孝民,张衍燊,等. 2004年中国大气污染造成的健康经济损失评估 [J]. 环境与健康杂志, 2007,24(12):999-1003. [6]Zhang M, Song Y, and Cai X. A health-based assessment ofparticulate air pollution in urban areas of Beijing in 2000-2004 [J].Science of The Total Environment, 2007, 376(1-3):100-108. [7]李金香,邱启鸿,辛连忠,等.北京秋冬季空气严重污染的特征及成因分析 [J]. 中国环境监测, 2007,23(2):89-93.[8]任阵海,苏福庆,高庆先,等.边界层内大气排放物形成重污染背景解析 [J]. 大气科学, 2005,29(1):57-63.[9]张志刚,矫梅燕,毕宝贵,等.沙尘天气对北京大气重污染影响特征分析 [J]. 环境科学研究, 2009,22(3):309-314.[10]Wehner B, Birmili W, Ditas F, et al. Relationships betweensubmicrometer particulate air pollution and air mass history in Beijing, China, 2004-2006 [J]. Atmospheric Chemistry and Physics Discussions, 2008, 8(3):11321-11362.[11]An X, Zhu T, Wang Z, et al. A modeling analysis of a heavy airpollution episode occurred in Beijing [J]. Atmospheric Chemistry and Physics, 2007,7:3103-3114.[12]周明煜,姚文清,徐祥德,等.北京城市大气边界层低层垂直动力和热力特征及其与污染物浓度关系的研究 [J]. 中国科学D辑地球科学, 2005,35(增刊I):20-30.[13]/imagery/rapid-response.[14]方修琦,李令军,谢云.沙尘天气过境前后北京大气污染物浓度的变化 [J]. 北京师范大学学报(自然科学版), 2003,29(3): 407-411.[15]Li L, Wang Y, Zhang Q, et al. Wheat straw burning and itsassociated impacts on Beijing air quality [J]. Science in China Series D: Earth Sciences, 2008,51(3):403-414.[16]李令军,李金香,辛连忠,等.北京市春节期间大气污染分析 [J].中国环境科学, 2006,26(5):537-541. [17]金军,王英,李令军,等. 北京春节期间大气颗粒物污染及影响 [J]. 环境污染与防治, 2007,29(3):229-232.[18]张金艳,李勇,蔡芗宁,等.2006年春季我国沙尘天气特征及成因分析 [J]. 气象, 2010,36(1):59-65.[19]Witte J C, Schoeberl M R, Douglass A R, et al. Satelliteobservations of changes in air quality during the 2008 Beijing Olympics and Paralympics [J]. Geophysical Research Letters, 2009,36:17803-17808.[20]Li L, Liu Y. Space-borne and ground observations of thecharacteristics of CO pollution in Beijing, 2000–2010 [J].Atmospheric Environment, 2011,45(14):2367-2372.[21]辛金元,王跃思,唐贵谦,等. 2008年奥运期间北京及周边地区大气污染物消减变化 [J]. 科学通报, 2010,55(15):1510-1519. [22]李令军,王英,李金香.北京清洁区大气颗粒物污染特征及长期变化趋势 [J]. 环境科学, 2011,32(2):319-323.作者简介：李令军(1976-),男,山东莒县人,高级工程师,硕士,主要从事大气环境监测与研究.发表论文20余篇.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期:2008-09-23 修订日期:2008-12-05基金项目:国家自然科学基金委面上项目(20477042)作者简介:李军(1977-),男,新疆乌鲁木齐人,工程师,lj9321@1631com.*责任作者,刘咸德(1946-),男,安徽合肥人,研究员,博士,主要从事环境化学、大气化学研究,liuxdlxd@.气象因素对北京市大气颗粒物浓度影响的非参数分析李 军1,2,5,孙春宝1,刘咸德2*,董树屏3,郭 婧3,王 焱4,安欣欣4,刘 锋21.北京科技大学土木与环境工程学院,北京 1000832.中国环境科学研究院,北京 1000123.国家环境分析测试中心,北京 1000294.北京市环境监测中心,北京 1000445.新疆乌鲁木齐市环境保护局,新疆乌鲁木齐 830063摘要:利用2005年9月)2006年9月北京市大气颗粒物分级(不同粒径)监测资料和同期分时段气象观测数据,采用非参数分析(Spearman 秩相关系数)法对北京市3种粒径大气颗粒物在不同季节的浓度水平与气象因素的影响进行了研究.结果表明:不同季节影响颗粒物质量浓度的气象因素各不相同;春季Q (PM 215),Q (PM 215~10)和Q (PM 10)都与气压呈显著负相关;夏季颗粒物质量浓度受降水影响很大;秋、冬季Q (PM 215)和Q (PM 10)均与日照时数呈显著负相关;冬季Q (PM 215),Q (PM 215~10)和Q (PM 10)均与平均风速呈显著负相关,与气温、相对湿度呈显著正相关.细粒子和粗粒子质量浓度对气象因素变化的响应程度也有较大区别.春、夏季地面平均风速对粗粒子质量浓度的影响比细粒子显著,Q (PM 215)P Q (PM 10)随风速增加而增大;秋季日照时数对细粒子质量浓度的影响比粗粒子更显著,Q (PM 215)P Q (PM 10)随日照时数增加而减小;冬季相对湿度对粗粒子质量浓度的影响比细粒子显著,Q (PM 215)P Q (PM 10)随相对湿度增加而减小.关键词:大气颗粒物;质量浓度水平;气象因素;非参数分析中图分类号:X515 文献标志码:A 文章编号:1001-6929(2009)06-0663-07Non -Parameter Statistical Analysis of Impacts of Meteorolo gical Conditions on PM Con cen tration in BeijingLI Jun1,2,5,SUN Chun-bao 1,LI U Xian-de 2,DONG Shu-ping 3,GUO Jing 3,W ANG Yan 4,AN Xin-xin 4,LIU Feng21.School of Civil and En vironmental Engineering ,University of Science and Technology Beijing,Beijing 100083,China 21Chinese Research Academy of Environmental Sciences,Beijing 100012,China31National Research Center for Environmental Analysis and Measurements,Beijing 100029,China 41Beijing Environmental Monitoring Centre,Beijing 100044,China 51Uru mqi Environ mental Protection Bureau,Urumqi 830063,ChinaA bstract :Based on monitoring data of particulate matter (PM)and meteorological data from September 2005to September 2006in Beijing,the influence of meteorological conditions on concentration levels of PM with different size ranges was investigated for four seasons using non -parameter statistical anal y s is such as Spearman correlation matrix.The results showed that PM concentrations were significantly correlated with one or more meteorological parameters in different seasons.PM 215,PM 215-10and PM 10had strongl y negative correlation with surface at mosp heric pressure in spring.PM concentrations were influenced greatly by rainfall in summer.PM 215and PM 10had significantly negative correlation with solar radiation in autumn and winter.The concentrations of PM with three size ranges in winter were significantly and negativel y correlated with wind speed,but positively correlated with ambient temperature as well as relative humidity.The concentrations of both fine particles (PM 215)and coarse particles (PM 215-10)were influenced by meteorological conditions,but to different extents.The concentrations of coarse particles in dusty spring and humid summer were more significantly correlated with wind speed than those of fine particles,so the PM 215P PM 10increased with stronger wind.In autumn,the concentrations of fine particles were more significantly correlated with s olar radiation than those of coarseparticles ,so the PM 215P PM 10reduced when solar radiation lastedlonger.The concentrations of coarse particles in winter were more significantl y correlated with humidity than fine particles.With increasing humidity,the PM 215P PM 10got lower.Key words :particulate matter;mass concentration level;meteoro- logical cond itions;-parameter statistical analys is第22卷 第6期2009年6月环 境 科 学 研 究Research of Environmental SciencesVol.22,No.6Jun.,2009DOI ：10.13198/j.res.2009.06.41.lij.007大气颗粒物浓度除了与污染源的分布和源强有直接关系外,还与气象因素,如风向、风速、降水、温度、辐射、大气层结稳定度和混合层高度等密切相关[1].气象因素对污染物的扩散、稀释和积累有着重要作用,同步观测并分析气象因素与污染物浓度的关系不仅能验证并合理解释试验数据,还对研究当地大气污染形成的气象条件与空气污染预报具有基础性的意义[2].近年来围绕北京大气颗粒物污染与气象因素关系展开了多方面的研究.王淑英等[3]指出,北京地区PM10污染状况与气象因素密切相关,其浓度的变化在稳定天气时与相对湿度呈正相关,与能见度、风速和气压呈负相关;受风沙影响时,其浓度的变化与风速和气压呈正相关.隋珂珂等[4]对北京市PM10持续污染及与常规气象要素的关系总结表明,四季中相对湿度、风速和风向与持续污染有较好的相关性,而温差与持续污染的相关性较低.陈朝晖等[5]对北京秋季一次PM10重污染过程的天气型分析发现,大陆高压均压场是造成Q(PM10)上升的主要天气形势.王开燕等[6]的研究发现,北京冬季Q(PM10)日变化明显,且主要受气象因素影响.Q(P M10)与相对湿度和气压呈正相关性.上述研究的观测资料时间序列较短,且大多只涉及了一种粒径大气颗粒物即PM10的气象因素影响变化.目前,不同粒径大气颗粒物特别是PM215(细粒子),PM215~10(粗粒子)的浓度对不同季节地面气象因素变化的响应研究报道尚不多见.笔者基于四季PM215,P M215~10和P M103种粒径的颗粒物质量浓度数据,从粒径方面能比较全面地表征北京市大气颗粒物浓度水平;同时采用比传统参数分析方法适应性更强、应用范围更广的非参数分析法[7](Spearman秩相关系数)来讨论3种粒径颗粒物质量浓度与四季各气象因素的相关性和响应关系.1材料与方法111样品采集与分析颗粒物样品采集在北京市北四环东路的中日友好环境保护中心A栋11层楼楼顶进行.于2005年9月18日)2006年9月8日采样,每隔5d采集一次,每次24h,时间为09:00$翌日09:00,共采集63组样品.采用日本DYLEC公司生产的MCI中流量分级采样器(20L P min)采集PM215和P M215~10样品,滤膜为美国PALL公司生产的石英滤膜.采样前后滤膜经恒温恒湿平衡处理后在1P10000天平上称质量,用质量差减法测得颗粒物样品的质量.112资料来源2005年9月)2006年9月Q(P M215)和Q(PM215~10)采用质量法实测得到.同期北京市每日Q(PM10)均值数据由北京市环境监测中心提供.气象观测数据采用了国家气象信息中心提供的北京市同期分时段每天02:00,08:00,14:00和20:00(均为北京时间)4个时次的地面气象观测数据(包括风向、风速、气压、相对湿度、日照时数、降水和气温等)及700,850和925hPa的探空资料.113数据处理方法采用总体特征描述、非参数分析即Spearman秩相关系数统计分析方法.Spear man秩相关系数用来判断2个随机变量在二维和多维空间中是否具有某种共变趋势,相应的相关分析称为/非参数相关分析0[8].Spear man秩相关分析能有效克服Pearson积矩相关系数只适合描述线性相关关系的缺点,提供2个随机变量在线性相关或非线性相关下的共变趋势程度,适用性比相应的参数方法更好[9];同时,在对总体分布不明确和总体信息缺乏的情况下,非参数分析方法能可靠地获得结论[10].非参数分析方法用于气象因素对不同粒径颗粒物影响的研究亦鲜见报道.Spearman秩相关系数是建立在等级基础上计算的反映2组变量之间联系密切程度的统计指标[11],其计算公式及要求见文献[9].Spearman秩相关系数采用Spss1110软件计算.2结果与讨论北京市属于中纬度大陆性季风气候,四季分明.根据气候学上的分类,北京市每年的3)5月为春季,6)8月为夏季,9)11月为秋季,12月)翌年2月为冬季.受冬季采暖,春季风沙,夏、秋季道路和建筑施工高峰期扬尘等污染源因素的影响,北京市不同季节各类污染源排放量及其对空气污染的贡献有变化,颗粒物浓度水平表现出季节特征.211颗粒物质量浓度季节变化特征由图1可知,北京市Q(PM10)春季最高,秋季次之,冬、夏季都较低,体现了北京市P M10在污染源和气象条件两方面作用下的季节变化规律.Q(P M215)春季最高,秋、冬季次之,夏季最低,与徐敬等[12]的研究结果一致.Q(PM215~10)季节变化特征是春季最高,秋季次之,夏季较低,冬季最低(见图1).664环境科学研究第22卷图1四季大气颗粒物质量浓度变化Fig.1Temporal variation of PM massconcentration for four seasons212不同季节气象因素对颗粒物浓度水平影响的非参数分析在过去的大量研究中,一般把污染物浓度与气象要素之间的相关关系看作线性关系,用线性关系来反映二者依赖关系是否准确是一个值得分析的问题[13].周江兴[13]用非线性回归方程来描述污染物浓度与气象要素之间的依赖关系,使污染物浓度与气象要素之间的相关性有了明显的提高.非参数分析方法(如Spearman秩相关系数)能提供2个随机变量在线性相关或非线性相关下的共变趋势程度,将更客观地反映出气象因素与污染物浓度之间的真实相关关系.考虑到北京市大气降水主要集中在夏季,且夏季降水并不是多天连续降水,因此,在对各季降水数据求秩时可能会出现很高的同分率.如对各季每天降水数据排序时,会因为连续多天不降水出现相同的观测值,即极高的同分率,进而影响到检验结果.故笔者分四季计算不同粒径颗粒物质量浓度与气象因素的Spearman秩相关系数时,不包括降水因素. 21211春季颗粒物质量浓度与气象因素的相关性北京市春季Q(PM215),Q(P M215~10)和Q(PM10) 1包括北京市Q(P M10)日均值2只与地面气压呈显著负相关(见表1,图2),与其他气象因素相关性不显表1春季颗粒物质量浓度与气象因素的Spearm an秩相关系数Table1Spearman correlation matrix between PM massconcentration and meteorological parameters in spring项目气压气温相对湿度平均风速日照时数Q(P M215)-015502)013250122101118-01374Q(P M215~10)-017042)0141101407-01143-01311Q(P M10)-015932)013290123601025-01424Q(P M215)P Q(P M10)01443-01439-01471015802)-01155Q(P M10)日均值1)-014572)01096-01077-01098-011961)同期北京市日均值,由北京市环境监测中心提供;2)表示2个变量之间显著相关,P<0105.图2春季地面气压与颗粒物质量浓度变化Fig.2Temporal variation of surface pressureand PM mass concentration in spring著.主要是因为北京市春季冷、暖空气活动频繁,常有蒙古气旋东移和冷锋过境[14-15],易形成地面高、低压交替和控制,形成不同的天气形势,造成了颗粒物质量浓度的相应变化.2006年春季,北京地面气温和气压呈显著负相关(Spearman秩相关系数为-01647,P<0101,远小于0105的显著水平),地面气压观测数据的标准差达到6174hPa,在四季中最大.地面被高压控制时,气温低,地面风速较大,3种粒径的颗粒物质量浓度下降.当冷锋过境后,影响北京的冷气团变性,高压减弱,地面转为低压控制,气温升高,地面维持低风速,颗粒物质量浓度又开始增加,这与孟燕军等[2]的研究结果较一致.但冷锋后遇有沙尘天气时Q(PM10)和Q(PM2.5)均会升高,这是由于锋后常有大风天气引起地面扬尘或随冷空气到来携带上游地区的沙尘所致[2,14,16].在遇到沙尘天气时,蒙古气旋东移和冷峰过境配合[14-15],从沿途沙源地带来大量沙尘粒子向北京地区输送,使得北京市大气颗粒物质量浓度升高很快.在冷气团减弱,冷锋离开北京后,地面逐渐被低压或均压控制时,大气近地面层又基本处于稳定状态,大气垂直扩散能力差,风力较小或静风,沙尘粒子较难迁移、扩散和沉降,造成长时间的浮尘天气;同时在这种天气条件下,本地污染物也不易向上空扩散,颗粒物维持高质量浓度水平. 2006年北京市春季Q(P M215),Q(PM215~10)和Q(PM10)在四季中皆为最大,Q(PM215)P Q(PM10)为0168,造成了空气重度污染.2006年春季共出现17次沙尘天气[14],笔者观测到6次沙尘天气过程,分别是3月11,18日,4月10,16,22日和5月16日,多为外地沙源带来的浮尘天气,是近6年来北京春季出现中、重度污染天气最多的一年.研究发现,春季Q(PM215),Q(P M215~10)和665第2期李军等:气象因素对北京市大气颗粒物浓度水平影响的非参数分析Q (PM 10)与平均风速相关性不显著,但Q (P M 215)P Q (PM 10)与平均风速却呈显著正相关.可能是因为2006年春季,北京受风沙影响严重且主要表现为长时间浮尘天气过程.在这种天气背景下,风速对粗粒子质量浓度的影响要比细粒子显著.当风速加大时,对污染物的水平输送及扩散作用增强,粗粒子输送、迁移和沉降的效果要比细粒子显著,其质量浓度对风速的响应程度要高,表现为浓度下降快.21212 夏季颗粒物质量浓度与气象因素的相关性北京市夏季Q (PM 215),Q (PM 215~10)和Q (P M 10)与地面气压、气温、相对湿度、平均风速和日照时数等气象因素相关性均不显著(见表2),这可能与夏季地面气压和气温的变动范围明显小于其他季节有关.2006年夏季地面气压和气温的标准差分别为4107hPa 和2129e ,在四季中均最小,说明夏季天气过程交替不明显,同一天气系统可维持较长的时间.表2 夏季颗粒物质量浓度与气象因素的Spearm an 秩相关系数Table 2 Spearman correlation matrix between PM mass concentration and meteorological parameters in summer项目气压气温相对湿度平均风速日照时数Q (P M 215)01107-010*******-01021-01366Q (P M 215~10)01038-0120001517-01261-01455Q (P M 10)01118-0113601497-01204-01466Q (P M 215)P Q (P M 10)-0111301211-01465015362)01351Q (P M 10)日均值1)01073013952)-01073-01168-011241)同期北京市日均值,由北京市环境监测中心提供;2)表示2个变量之间显著相关,P <0105.笔者采样得到的Q (PM 10)与地面气温无显著相关性,而北京市Q (PM 10)日均值与地面气温显著正相关(见表2),虽然相关系数不大.这可能是样本大小不一样所致.北京环境监测中心的Q (P M 10)日均值覆盖了夏季的每一天,反映出夏季高温、高湿、低风速同时出现时,颗粒物不易迁移、扩散,其质量浓度会升高.夏季Q (PM 215)P Q (PM 10)与平均风速呈显著正相关(见表2),这与春季的情况类似,同样表明风速对粗粒子质量浓度的影响要比细粒子显著,但原因有所差异.北京夏季相对湿度与平均风速呈显著负相关(Spear man 秩相关系数为-01423,P <0101),平均相对湿度为64197%,在四季中最大.在夏季高湿度条件下,增大风速,粗粒子吸湿后的输送、迁移和沉降的效果要比细粒子显著,其质量浓度下降更快;而风速减小,相对湿度会更大,粗粒子比细粒子更容易持续积累,使其质量浓度上升更快,粗、细粒子质量浓度与平均风速的相关系数分别为-01261和-01021,也说明了这一点.降水对大气颗粒物有明显的湿沉降作用[17].北京夏季炎热多雨,雨量占全年降水量的75%.2006年夏季,笔者观测到3次较明显的降水过程,分别是6月27日,7月9日和8月8日;另有4天(6月3日,8月2,14,26日)采样前(当日09:00前)发生过降水.在这些受到降水影响的观测日,Q (PM 215)和Q (PM 215~10)在整个观测期中基本处于较低水平,同时北京市Q (PM 10)日均值与同期降水数据也呈现出相一致的变化规律(见图3).2006年夏季,Q (P M 215)和Q (PM 10)均为四季中最低,Q (PM 215)P Q (PM 10)在四季中最小,为0163.夏季降雨能有效清除大气颗粒物,再加上逆温现象发生频率少,且即使发生,由于逆温层厚度较低,强度弱、边界层结构不稳定,都使夏季大气颗粒物扩散、沉降的条件非常好,大气颗粒物污染最轻.图3 夏季降水与颗粒物质量浓度变化Fig.3 Temporal variation of rainfall and PM mass concentration in summer21213 秋季颗粒物质量浓度与气象因素的相关性北京市秋季Q (PM 215)和Q (PM 10)与日照时数呈显著负相关,Q (PM 215),Q (PM 215~10)和Q (PM 10)与地面气压、气温、相对湿度和平均风速等其他气象因素相关性不显著(见表3).主要原因在于2005年北京市秋季风速小(平均风速只有1187m P s,为四季中最低),相对湿度偏大,逆温发生频率高、强度大且持续多日,常出现稳定天气形势,污染物易持续积累.而由于日照时数增多,使得热力对流、热力和机械湍流的综合作用得到加强,有效破坏秋季地面逆温层结,大气的垂直扩散能力加强,有利于大气污染物的迁移和扩散,颗粒物质量浓度呈下降趋势(见图4).北京市Q (PM 10)日均值除与日照时数呈显著负相关外,666环 境 科 学 研 究第22卷与相对湿度、平均风速也具有一定相关性(见表3),但相关系数不大.这可能进一步说明秋季日照时数增多可有效破坏风速小、相对湿度大形成的不利天气条件.表3 秋季颗粒物质量浓度与气象因素的Spearm an 秩相关系数Table 3 Spearman correlation matrix between PM mass concentration and meteorological parameters in autu mn项目气压气温相对湿度平均风速日照时数Q (P M 215)-01407-0121401121-01066-016252)Q (P M 215~10)-01220-01203-01071-01011-01393Q (P M 10)-01363-0125801060-01055-015752)Q (P M 215)P Q (P M 10)-01297-010*******-01533-017502)Q (P M 10)日均值1)-01200-01176012522)-014342)-014472)1)同期北京市日均值,由北京市环境监测中心提供;2)表示2个变量之间显著相关,P <0105.图4 秋季日照时数与颗粒物质量浓度变化Fig.4 Temporal variation of solar radiationand PM concentration in autumn北京市秋季相对湿度与平均风速呈显著负相关(Spearman 秩相关系数为-01464,P <0101),与平均气温呈显著正相关(Spearman 秩相关系数为01290,P <0101),相对湿度大时,风速小,气温偏高,经常伴有雾[18-19].近10年的统计资料表明,北京秋季大雾出现频率最高,平均占全年大雾日的3117%[19].雾天由于大气层结稳定,风速小,近地面多出现逆温,强度大,空气中相对湿度达到或接近饱和[20],不利于颗粒物的迁移、扩散,但有利于颗粒物的吸湿和二次颗粒物的水相形成[21].统计资料表明,有雾时污染物浓度总是相对较高[20].2005年秋季观测期间,9月24日,10月6,12日,11月17日都出现了相对湿度大、风速小的气象条件,Q (PM 215),Q (PM 215~10)和Q (PM 10)均较高,秋季Q (P M 215)P Q (PM 10)为0165.但是北京市秋季的雾多出现在夜晚到清晨时段,随着太阳辐射的增加雾逐渐消散[19],可见秋季由于日照时数增多,到达地面的太阳辐射增加,地表增温很快,湍流交换加强,混合层高度增高,破坏了雾形成的气象条件,使地面上空大气处于不稳定层结状态,有利于颗粒物扩散、迁移,有效降低浓度水平.Q (PM 215)P Q (P M 10)与日照时数呈显著负相关,Q (PM 215)和Q (P M 215~10)与日照时数的Spearman 秩相关系数分别为-01625,-01393(见表3),说明秋季细粒子质量浓度对日照时数响应程度或共变趋势比粗粒子的更显著.21214 冬季颗粒物质量浓度与气象因素的相关性北京市冬季Q (P M 215),Q (P M 215~10)和Q (PM 10)与气温、相对湿度呈显著正相关(见表4,图5,6),与平均风速呈显著负相关(见表4,图7),Q (PM 215)和Q (PM 10)与日照时数呈显著负相关,Q (PM 215),Q (PM 215~10)和Q (P M 10)与地面气压相关性不显著.北京市Q (PM 10)日均值与各气象因素(地面气压除外)呈现出上述一致的规律.表4 冬季颗粒物质量浓度与气象因素的Spearman 秩相关系数Table 4 Spearman correlation matrix between PM mass concentration and meteorological parameters in winter项目气压气温相对湿度平均风速日照时数Q (PM 215)-01443017042)017892)-016682)-015322)Q (P M 215~10)-01407015612)018462)-016972)-01506Q (P M 10)-01411016292)018432)-017182)-015632)Q (P M 215)P Q (P M 10)01275-01336-016112)0150001245Q (P M 10)日均值1)-014692)012532)016432)-016312)-015332)1)同期北京市日均值,由北京市环境监测中心提供;2)表示2个变量之间显著相关,P <0105.图5 冬季气温与颗粒物质量浓度变化Fig.5 Temporal variation of temperature andPM mass concentration in winter北京市冬季相对湿度与平均风速呈显著负相关(Spearman 秩相关系数为-01514,P <0101),风速减小,相对湿度增大,有利于近地面层处于稳定状态,逆温强度增大,不利于污染物垂直和水平方向的扩散,加重了颗粒物的积聚污染,使其质量浓度升高;667第2期李 军等:气象因素对北京市大气颗粒物浓度水平影响的非参数分析图6 冬季相对湿度与颗粒物质量浓度变化Fig.6 Temporal variation of relative humidityand PM mass concentration inwinter图7 冬季平均风速与颗粒物质量浓度变化Fig.7 Temporal variation of average wind speedand PM mass concentration in winter而且冬季气温和相对湿度都增大时,经常会伴有雾[18-19],北京市冬季大雾出现的频率占全年大雾日的2711%,仅次于秋季[19],不利于颗粒物的扩散、沉降,悬浮的雾滴极易捕获空气中的污染颗粒,也易吸附气态污染物,有利于二次粒子的转化形成.2005年冬季Q (PM 215)P Q (PM 10)达到0173,为四季中最高,主要原因就在于冬季这些不利的气象条件与突出的污染源贡献共同作用形成细粒子的积聚污染,这与北京市冬季采暖期Q (PM 215)P Q (PM 10)分布在014~019之间的研究结论[12]相符合.研究发现,冬季Q (PM 215),Q (PM 215~10)和Q (PM 10)与相对湿度均呈显著正相关,Q (P M 215)与相对湿度的相关系数为01789,小于Q (PM 215~10)与相对湿度的相关系数(01846).Q (PM 215)P Q (P M 10)与相对湿度呈显著负相关,相关系数为-01611,说明冬季相对湿度对粗粒子质量浓度的影响比对细粒子显著.原因是在冬季相对湿度增大,风速减小和逆温层加厚等不利气象条件时,粗粒子和细粒子都会发生持续累积,质量浓度升高;但粗粒子比细粒子更容易积累,其质量浓度对相应湿度的响应比细粒子的要强,增加趋势要显著高于细粒子;相对湿度变小时,风速增大,粗粒子输送、迁移和沉降的效果要好于细粒子,其质量浓度降低趋势比细粒子的显著,所以冬季Q (PM 215)P Q (P M 10)与相对湿度呈显著负相关.Q (PM 215)和Q (P M 10)与日照时数呈显著负相关,相关系数分别为-01532和-01563,都比秋季小,说明冬季气温低,太阳辐射强度弱于秋季,冬季日照在对逆温层破坏、增加热力湍流等方面的作用不如秋季明显,进而体现出颗粒物质量浓度与日照时数相关系数的差异.3 结论a.北京市大气颗粒物质量浓度水平具有明显的季节特征.在有严重沙尘天气影响的年份,粗、细粒子春季污染最为严重,秋季其次;细粒子夏季污染最轻,粗粒子冬季污染最轻.b.在不同季节,北京市Q (PM 215),Q (PM 215~10)和Q (PM 10)受到的气象因素影响不同.春季Q (PM 215),Q (PM 215~10)和Q (PM 10)都与气压呈显著负相关;夏季Q (PM 215),Q (P M 215~10)和Q (PM 10)受降水影响很大;秋、冬季Q (PM 215)和Q (PM 10)均与日照时数呈显著负相关;冬季Q (PM 215),Q (P M 215~10)和Q (PM 10)均与平均风速呈显著负相关,与气温、相对湿度呈显著正相关.此外,颗粒物质量浓度水平不仅受到气象因素的影响,而且不同气象因素配合及相关联的特殊天气现象也起着重要作用.c.Q (PM 215)和Q (PM 215~10)对气象因素变化的响应程度有较大区别.春、夏季粗粒子质量浓度对地面平均风速的响应比细粒子的要显著,Q (PM 215)P Q (PM 10)在春、夏季都与地面平均风速呈显著正相关.秋季日照时数对细粒子质量浓度的影响比粗粒子的更显著,Q (P M 215)P Q (PM 10)与日照时数呈显著负相关.冬季相对湿度对粗粒子的影响比细粒子更显著,Q (PM 215)P Q (PM 10)与相对湿度呈显著负相关.致谢:感谢国家气象信息中心提供了北京市气象数据.参考文献(References):[1] 李宗恺,潘云仙,孙澜桥.空气污染气象学原理及应用[M ].北京:气象出版社,1985:557-569.[2] 孟燕军,程丛兰.影响北京大气污染物变化的地面天气形势分析[J ].气象,2002,28(4):42-47.[3] 王淑英,张小玲.北京地区PM 10污染的气象特征[J ].应用气象学报,2002,13(特刊):177-184.[4] 隋珂珂,王自发,杨军,等.北京PM 10持续污染及与常规气象要素的关系[J 环境科学研究,2007,:77-82.668环 境 科 学 研 究第22卷[5]陈朝晖,程水源,苏福庆,等.北京地区一次重污染过程的大尺度天气型分析[J].环境科学研究,2007,20(2):99-105. [6]王开燕,王雪梅,张仁健,等.北京市冬季气象要素对气溶胶浓度日变化的影响[J].环境科学研究,2008,21(4):132-135. [7]谷彬,赵彦云.非参数统计作用与发展[J].中国统计,2007(4):55-56.[8]张利田,卜庆杰,杨桂华,等.环境科学领域学术论文中常用数理统计方法的正确使用问题[J].环境科学学报,2007,27(1):171-173.[9]陶澍.应用数理统计方法[M].北京:中国环境科学出版社,1994.[10]吴喜之.非参数统计[M].2版.北京:中国统计出版社,2006.[11]李彦萍,杨红霞.非参数统计中相关系数的计算及其应用[J].山西农业大学学报,2003,23(4):363-366.[12]徐敬,丁国安,颜鹏,等.北京地区PM215的成分特征及来源分析[J].应用气象学报,2007,18(5):645-654.[13]周江兴.北京市几种主要污染物浓度与气象要素的相关分析[J].应用气象学报,2005,16(增刊):123-127.[14]李小龙,方宗义.2006年两次影响北京的沙尘天气对比分析[J].气候与环境研究,2007,12(3):320-328.[15]毛睿,龚道溢,范一大.春季天气变率对华北沙尘暴频次的影响[J].地理学,2005,60(1):12-20.[16]刘洁,张小玲,徐晓峰,等.北京地区SO2,NO x,O3和PM215变化特征的城郊对比分析[J].环境科学,2008,29(4):1059-1065. [17]胡敏,刘尚,吴志军,等.北京夏季高温高湿和降水过程对大气颗粒物谱分布的影响[J].环境科学,2006,27(11):2293-2298.[18]李金香,邱启鸿,辛连忠,等.北京秋冬季空气严重污染的特征及成因分析[J].中国环境监测,2007,23(2):89-93.[19]孟燕军,王淑英,赵习方.北京地区大雾日大气污染状况及气象条件分析[J].气象,1998,26(3):40-43.[20]徐怀刚,邓北胜,周小刚,等.雾对城市边界层和城市环境的影响[J].应用气象学报,2002,13(特刊):170-176.[21]LIU X,ZHU J,Van ESPEN P,et al.Single particle characterizationof spring and summer aeros ols in Beijing:formation of composites ulfate of calcium and potass ium[J].Atmos Environ,2005,39:6909-6918.(责任编辑:孙彩萍)669第2期李军等:气象因素对北京市大气颗粒物浓度水平影响的非参数分析。