北京野鸭湖湿地观测站PM2.5变化特征及其与气象因素的关系
Changing Characteristics of PM2.5 in Beijing Wild Duck Lake Wetland Station and Its Relationship with Meteorological Factors
DOI: 10.12677/CCRL.2020.93025, PDF, HTML, XML, 下载: 558  浏览: 1,104  科研立项经费支持
作者: 杨静超, 隋婧怡, 宋 楠, 张 杰, 王燕娜*:北京市延庆区气象局,北京;王 璐:北京市大兴区气象局,北京
关键词: 野鸭湖湿地观测站PM2.5气象因素相关性Wild Duck Lake Wetland Station PM2.5 Meteorological Factors Correlation
摘要: 利用北京野鸭湖湿地观测站2014~2016年PM2.5和同期气象观测资料,分析野鸭湖地区PM2.5的变化特征及气象影响因素。研究结果表明:野鸭湖观测站PM2.5年平均浓度为40 μg•m−3,3年来超标比例下降61.6%。PM2.5污染夏季最轻,春秋次之,冬季最重,各月中PM2.5浓度2月份达到峰值,9月最低。各季PM2.5日变化大致为双峰型,春冬季更为明显。PM2.5日均浓度与相对湿度和气压呈正相关,与气温和风速呈负相关,其中与相对湿度相关性最高;各季略有差别,PM2.5在夏季与气温呈正相关且气压为主导因素,秋季PM2.5与气压显负相关,其余与日浓度表现一致。野鸭湖地区PM2.5浓度受本地源和外来源的共同影响,东北风和东北偏东风易造成PM2.5积累,西南偏西风控制下PM2.5浓度在各季节中达到最低。
Abstract: Date collected from 2014-2016 was analyzed to study the PM2.5 concentration and correlated factors in Wild Duck Lake wetland ecological meteorological station. The results showed that the average concentration of PM2.5 was 40 μg•m−3, the exceeding rate of Grade II air quality standards decreased 61.6% over the three years. The seasonal comparison indicated that PM2.5 pollution was the lowest in summer and heavy in winter. The concentration of PM2.5 was the highest in January, the lowest in September. The average diurnal variations of PM2.5 show two peaks, while the characteristic of two peaks was more significant in spring and winter. The daily concentration of PM2.5 had a positive correlation with relative humidity and air pressure, negative correlation with temperature and wind speed. The humidity was significant factor for PM2.5. The PM2.5 concentration was different correlation with meteorological factors in every season. In summer, PM2.5 had a positive correlation with temperature, meanwhile, the air pressure was the dominant factor. The air pressure had a negative correlation with PM2.5 in autumn. The remaining characteristics in the seasons were consistent with daily concentrations of PM2.5. The PM2.5 in Wild Duck Lake combined impact by local pollution and external pollution. When the station controlled by northeaster and east-northeast can cause more PM2.5 accumulation, however, the west-southwest has exactly the opposite.
文章引用:杨静超, 隋婧怡, 王璐, 宋楠, 张杰, 王燕娜. 北京野鸭湖湿地观测站PM2.5变化特征及其与气象因素的关系[J]. 气候变化研究快报, 2020, 9(3): 208-215. https://doi.org/10.12677/CCRL.2020.93025

1. 引言

PM2.5成分复杂,粒径较小,对人体健康,能见度以及气候变化均具有重要影响,随着城市发展PM2.5已成为北京最主要的污染物之一 [1]。PM2.5浓度除与污染源排放有关外,还与气象因素如风向、风速、温度、辐射、降水、能见度、大气层结稳定度和混合层高度等密切相关 [2]。气象因素对PM2.5的扩散、稀释和蓄积有重要作用,监测并分析气象因素与PM2.5浓度的关系,对研究当地大气污染形成的气象条件与空气污染预报有重要的意义。

近年来,研究多集中于北京城区、近郊、京津冀区域等 [3] [4] [5] [6],而对野鸭湖地区的相关研究报道较少。因此,本文选取了野鸭湖站2014~2016年PM2.5浓度和同期地面气象资料,分析PM2.5变化特征及其与气温、相对湿度、气压和风速之间的相关性,同时讨论风向对PM2.5浓度的影响,探讨影响野鸭湖地区大气PM2.5浓度的主要气象控制因素,同时为该地大气PM2.5的监测、污染预警和防治提供参考。

2. 材料与方法

延庆野鸭湖湿地生态气象观测站(115˚53'E,40˚43'N,海拔高度480 m)是北京唯一的湿地生态观测站,位于北京市延庆区西南部(见图1),距延庆城区17.4 km,距北京市区74 km,三面环山,西南临官厅水库,地势显东北高西南低的特点。

PM2.5的浓度利用美国R & P公司生产的TEOM1405D (Tapered Element Oscillating Microbalance)仪器进行观测。最终采集数据为5分钟平均浓度值,并在此基础上计算小时平均值。本文选取野鸭湖湿地生态气象站2014~2016年PM2.5浓度和同期地面气象资料,通过Pearson相关分析,研究PM2.5浓度与气象因素之间的关系。

Figure 1. Location of monitoring station

图1. 观测站位置地图

3. 结果与分析

3.1. PM2.5污染水平

表1显示,野鸭湖站2014~2016年PM2.5年均浓度为40 μg·m−3,从24小时平均值可以看出超标率为13.2%。3年来野鸭湖站PM2.5浓度显逐年降低趋势,超标比例下降了61.6%。

Table 1. Annual variation characteristics of PM2.5

表1. PM2.5年变化特征

注:1、根据《环境空气质量标准》(GB3095-2012)中二级浓度限值统计超标百分率;2、达标统计中PM2.5平均浓度是指24小时平均浓度。

3.2. 季节变化特征

按照气象学上季节的划分,将1年分为春季(3~5月)、夏季(6~8月)、秋季(9~11月)和冬季(12、1和2月)。表2为野鸭湖站气象要素季节变化情况,图2为PM2.5逐月均值对比。PM2.5浓度高值月份集中在冬季,其中2月份PM2.5达到峰值为55.30 μg·m−3。夏季PM2.5平均浓度最低为32.75 μg·m−3,这是因为夏季气温高,边界层发展较好,同时湿沉降和降水的清除,再加之地面植被覆盖,均利于PM2.5浓度的降低 [2]。但7月PM2.5月均浓度达到了39.78 μg·m−3,这是因为当气温和湿度逐渐增加时,能促使大气中的气体前体物转换成水溶性离子,加速了二次颗粒物的形成 [7],野鸭湖站夏季风速在一年中最低,气温高、湿度大利于PM2.5浓度的增加。根据气候统计,京津冀雾–霾特点为由于供暖期影响每年10月~次年3月为雾–霾集中发生的季节;第二个高峰值便是夏季7~8月 [8]。春季PM2.5浓度略高于秋季,高浓度值与春季沙尘天气频发、气候干旱有关 [9],影响北京地区的沙尘路径主要以西北路和偏北路为主 [10]。延庆区位于北京西北部,当有沙尘天气影响时会首先产生响应,且春季平均风速最大。秋季PM2.5整体水平略高于夏季,但在9月PM2.5浓度值最低为25.32 μg·m−3

Table 2. The comparison table of mean values of meteorological factors in different seasons

表2. 不同季节各气象要素平均值对比表

Figure 2. Monthly variation of PM2.5 concentrations

图2. PM2.5浓度的月变化

Figure 3. Daily variation of PM2.5 concentrations in different seasons

图3. 不同季节PM2.5浓度的日变化对比

3.3. 日变化特征

图3中各季PM2.5浓度日变化大致显双峰型分布,出峰时间及强度随着季节有所变化。冬春季为双峰型,春季上午峰值强出现在08:00时,冬季则略晚出现在10:00时。早高峰过后,随着太阳辐射的增强,大气对流层内垂直对流运动增强,利于污染物的扩散 [11]。春季PM2.5浓度在11:00~17:00时之间都处于低值水平,冬季15:00时达到一天中的最低值。下午随着太阳辐射的减弱,边界层高度逐渐降低,风速变小,致使污染物不断累积;此外,傍晚集中供暖和交通量增加,也在一定程度上加剧了PM2.5的累积,使得在01:00时又出现一个峰值,且冬季时夜间峰值高于上午峰值。夜间湿度增大使得重力沉降作用增强,加之人类活动的减少,使得PM2.5平均浓度逐渐下降,春季06:00时达到一天中的最低值,冬季则后移2小时。夏秋季上午峰值均出现在10:00时,最强峰值夏季在17:00时,秋季在20:00时出现,夏季谷值分别出现在06:00时和12:00时,秋季则略晚在07:00时和15:00时,且上午小时谷值最低。PM2.5浓度日较差春季最小、冬季最大。

3.4. 日变化相关性分析

野鸭湖站PM2.5日均浓度与相对湿度和气压呈正相关,与气温和风速呈负相关。气象参数对PM2.5的重要程度依次为:相对湿度>气温>风速>气压,见表3。研究结果显示,相对湿度对PM2.5日均浓度的影响最显著且显正相关性。相对湿度大,大气颗粒物能吸收更多的水分子,凝聚增重粒径变大,致使污染物不易扩散。PM2.5日均浓度随着温度的升高而降低,这是因为气温升高利于混合层高度的提升,使得大气在竖直方向上更易扩散,从而污染物浓度降低 [12]。

Table 3. Pearson coefficient between PM2.5 mass concentration and meteorological factors

表3. PM2.5浓度与气象要素之间的Pearson相关系数

一般来说 [13],气压与颗粒物浓度显负相关。是由于低气压场天气形势下经常出现静风,且多有低云阻挡,间接造成空气中污染物不易垂直扩散,使得颗粒物不断累积;而高压天气颗粒物易向外和向上走向高空扩散,颗粒物浓度会降低。但是本研究发现,野鸭湖站气压与PM2.5日均浓度成正相关,该站三面环山,仅西面与官厅水库接壤,是属于相对清洁的区域,污染物主要来自于其东北部城区及乡镇 [14],这说明低气压时大气的区域输送能力较差,因此不利于该站PM2.5浓度的输送。

3.5. 季变化相关性分析

野鸭湖站四季分明,因而不同季节下气象条件对该站颗粒物浓度影响不同。分别研究各季中PM2.5浓度与气压、气温、相对湿度和风速4个气象因素的相关性。

Table 4. Pearson coefficient between PM2.5 mass concentration and meteorological factors in different seasons

表4. 不同季节PM2.5浓度与气象要素之间的Pearson相关系数

**:在0.01水平上显著相关;*:在0.05水平上显著相关。

整体来看,冬季近地面层大气环境较稳定,PM2.5浓度与气象因素的相关性在四季中较高 [6]。表4显示,各季中PM2.5浓度与相对湿度和风速呈正相关和负相关,但气温和气压表现不同,除秋季外各季PM2.5浓度与气压显正相关,除夏季外各季PM2.5浓度与气温呈负相关。若以相关系数的大小来表征,则可以看出,春季:相对湿度>风速>气温>气压;夏季:气压>气温>相对湿度>风速;秋季:相对湿度>风速>气压>气温;冬季:相对湿度>风速>气温>气压。

在主要影响因素方面,春季、秋季和冬季影响PM2.5浓度的主要是相对湿度且呈正相关,这说明PM2.5浓度随着相对湿度的升高而上升,主要是由于空气中水汽多但是为非降水天气时,水汽可使PM2.5在空气中停留,致使污染物浓度升高;当出现降水天气时,降水将大气中的污染物夹带、溶解或冲刷下来,致使污染物浓度降低。夏季则是气压占主导因素呈正相关,野鸭湖站夏季气压最低,湿度和气温最高,风速小,如上文所述野鸭湖站本地污染物少,低气压时不利于PM2.5向该地输送。除主要影响因素外,春季、秋季和冬季均是风速对PM2.5浓度呈现较显著的负相关。这是因为风速的大小决定了对污染物冲淡稀释作用的大小。根据监测数据显示,野鸭湖站春季平均风速为1.8.0 m/s,冬季为1.77 m/s,秋季为1.35 m/s,监测站位于野鸭湖湿地公园内,高大植被较少,较大的风速有利于污染物的稀释和扩散。

Figure 4. The wind direction frequency and PM2.5 concentrations of each wind direction in different seasons

图4. 不同季节风向频率及PM2.5浓度在各个风向上的统计对比

3.6. PM2.5浓度与风向的关系

污染物从污染源排入大气后就沿风向运动,低层大气中的风向将直接影响污染物的扩散方向,风在对污染物起到输送作用的同时还对其有扩散稀释作用 [15]。由上述分析可以发现,野鸭湖站PM2.5浓度的季节变化和日变化均受到不同程度区域输送的影响。因此,可以对PM2.5浓度与风向之间的关系进行分析,以便了解局地和区域污染物对该站输送的影响。为此,选取了各季中野鸭湖站风频和PM2.5浓度在各个风向上的统计情况进行定性分析,见图4

图4(a)和图4(b)可以看出,野鸭湖站盛行东北风和西南风,春季东北风与西南风势力相当,夏秋季盛行东北风,冬季偏西风占主导优势。PM2.5浓度和风向的相关关系非常明显,图3(c)和图3(d)显示22.5˚~135.0˚区域之间对应的PM2.5平均浓度为52.7 μg·m−3浓度较高,而225.0˚~270.0˚对应的PM2.5平均浓度仅为25.4 μg·m−3。不论风向随季节怎样变化,野鸭湖站东北风(45˚)和东北偏东风(67.5˚)带来的PM2.5浓度一直处于较高水平,并且在冬季达到最高PM2.5浓度为86.7 μg·m−3左右,春季和秋季次之,夏季PM2.5浓度最低但也维持在40 μg·m−3上下。西南偏西风(247.5˚)控制下PM2.5浓度在各季节中达到最低,春季表现最高也只有24.1 μg·m−3,春夏冬季则在22.0 μg·m−3左右,其中夏季最低。这说明野鸭湖地区PM2.5浓度主要受来自西东北部城区污染输送的影响,西南偏西风携带的PM2.5浓度最少。这与野鸭湖的地理位置有关,野鸭湖北靠燕山、南临太行,东南是八达岭长城,仅西面是地势平缓的官厅水库,因此当东北风和东北偏东风控制时,污染物多来源于东部城镇和乡村,而受城区远程输送翻山气流影响较少。

此外,各季静风时PM2.5平均浓度在48.0 μg·m−3左右,这说野鸭湖地区存在一定的局地排放源。通过分析得出,东北风输送是野鸭湖颗粒物污染的重要原因之一,东北气流易产生污染物累积,降低空气质量,而西南气流则为较为洁净的气团,利于清除污染物,同时观测点也受本地源影响。

4. 结论

1) 从3年(2014~2016年)统计结果来看,野鸭湖站PM2.5年均浓度为40 μg·m−3,PM2.5浓度显逐年降低趋势,超标比例下降了61.6%。PM2.5污染夏季最轻,春秋次之,冬季最重,各月中PM2.5浓度2月达到峰值为55.30 μg·m−3,9月为谷值浓度为25.32 μg·m−3

2) 各季PM2.5浓度日变化大致显双峰型分布,各季出峰时间及强度有所不同,冬春季双峰型较为明显。最高值春季出现在08:00时,冬季为01:00时,夏季为17:00时,秋季为20:00时;最低值春夏季出现在06:00时,秋季后延1小时,冬季则出现在15:00时。

3) PM2.5日均浓度与相对湿度和气压呈正相关,与气温和风速成呈相关。气象参数对PM2.5的重要程度依次为:相对湿度>气温>风速>气压。四季中,PM2.5在夏季与气温呈正相关,秋季与气压显负相关,其余与日浓度表现一致。冬季PM2.5浓度与气象因素的相关性最高,影响程度上春季和冬季一致为:相对湿度>风速>气温>气压;夏季为:气压>气温>相对湿度>风速;秋季为:相对湿度>风速>气压>气温。

4) 野鸭湖站PM2.5浓度受本地源和外来源的共同影响,22.5˚~135.0˚区域对应的PM2.5浓度较高,而225.0˚~270.0˚对应的PM2.5平均浓度较低。不论风向随季节怎样变化,野鸭湖站东北风(45˚)和东北偏东风(67.5˚)带来的PM2.5浓度一直处于较高水平,西南偏西风(247.5˚)控制下PM2.5浓度在各季节中达到最低。

基金项目

北京市延庆区2016年优秀人才培养资助项目“2019年世园会和2022年冬奥会环境气象保障人才培养项目”;北京市气象局科技项目,项目编号BMBKJ201701015。

参考文献

[1] Zhao, X.J., Zhang, X.L., Xu, X.F., Xu, J., Meng, M. and Pu, W.W. (2009) Seasonal and Diurnal Variations of Ambient PM2.5 Concentration in Urban and Rural Environments in Beijing. Atmospheric Environment, 43, 2893-2900.
https://doi.org/10.1016/j.atmosenv.2009.03.009
[2] 李军, 孙春宝, 刘咸德, 等.气象因素对北京大气颗粒物浓度影响的非参数分析[J]. 环境科学研究, 2009, 22(6): 663-669.
[3] 蒲维维, 赵秀娟, 张小玲. 北京地区夏末秋初气象要素对PM2.5污染的影响[J]. 应用气象学报, 2011, 22(6): 716-723.
[4] 赵秀娟, 蒲维维, 孟伟, 等. 北京地区秋季雾霾天气PM2.5污染与气溶胶光学特征分析[J]. 环境科学, 2013, 34(2): 417-423.
[5] 杨兴川, 赵文吉, 熊秋林, 等. 2016年京津冀地区PM2.5时空分布特征及其与气象因素的关系[J]. 生态环境学报, 2017, 26(10): 1747-1754.
[6] 王嫣然, 张学霞, 赵静瑶, 等. 北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应[J]. 中国环境监测, 2017, 33(2): 34-41.
[7] 吴虹, 张彩艳, 王静, 等. 青岛环境空气PM10和PM2.5污染特征与来源比较[J]. 环境科学研究, 2013, 26(6): 583-589.
[8] 赵普生, 徐晓峰, 孟伟, 等. 京津冀区域霾天气特征[J]. 中国环境科学, 2012, 32(1): 31-36.
[9] 张小玲, 李青春, 谢璞, 等. 近年来北京沙尘天气特征及成因分析[J]. 中国沙漠, 2005, 25(3): 417-421.
[10] 张志刚, 高庆先, 矫梅燕, 等. 影响北京地区沙尘天气的源地和传输路径分析[J]. 环境科学研究, 2007, 20(4): 21-27.
[11] 罗娜娜, 赵文吉, 晏星, 等. 交通与气象因子对不同粒径大气颗粒物的影响机制研究[J]. 环境科学, 2013, 34(10): 3741-3748.
[12] 石灵芝. 城市大气颗粒物(PM10)源解析与浓度预测及气象因素影响研究[D]: [硕士学位论文]. 长沙: 中南大学, 2011.
[13] 孙语茉, 张建. 上海市PM2.5变化特征与气象因素相关性分析[J]. 社科学论, 2015(1): 152-154.
[14] 杨静超, 赵秀娟, 张凯. 北京北郊清洁区PM2.5和O3变化特征对比分析[J]. 环境科学与技术, 2017, 40(3): 1-9.
[15] 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.