杜 娟，宋鵬程，龍 平，黃 強，喬君喜

1.西南科技大學城市學院，綿陽 621010

2.綿陽市環(huán)境監(jiān)測中心站，綿陽 621010

隨著我國工業(yè)化、城市化和機動化的高速發(fā)展，大氣污染事件在人口密集或經(jīng)濟發(fā)達地區(qū)頻繁發(fā)生（Ding et al，2017），大氣環(huán)境質(zhì)量越來越受民眾關(guān)注，為了更好地掌握環(huán)境空氣質(zhì)量現(xiàn)狀，國家已建成國控 — 省控 — 市控 — 縣控四級環(huán)境空氣自動監(jiān)測網(wǎng)絡(luò)，監(jiān)測項目包括SO2、NO2、CO、O3、PM2.5和PM10，對環(huán)境空氣進行實時監(jiān)測。部分地區(qū)（市、州）為了精細化管控也建成大氣網(wǎng)格化微型空氣站、氣溶膠激光雷達站和大氣顆粒物組分超級站等。

目前，對大氣環(huán)境的研究主要集中于環(huán)境質(zhì)量特征分析、氣象條件與大氣污染物之間相互關(guān)系（Wang et al，2014；Chen et al，2017）、極端天氣或重污染過程污染物時空演變、顆粒物化學組成及污染源解析、模型模擬計算及預報等方面（He et al，2001；Cao et al，2012；Zhang et al，2015；Xie et al，2019）。受污染源排放影響，大氣污染物間存在顯著相關(guān)性（Wang et al，2014；Xie et al，2015），例如：鄭州市大氣污染物PM2.5、PM10與CO、NO2、SO2均為顯著正相關(guān)（郭蒙蒙等，2019）。另外，大氣污染物濃度也受氣象條件影響，例如：京津冀及周邊地區(qū)“2+26”城市氣象條件對PM2.5年均濃度的貢獻為10%（國家大氣污染防治攻關(guān)聯(lián)合中心，2019-03-21）；烏魯木齊市PM2.5濃度與氣壓、相對濕度呈顯著正相關(guān)，與降水量、風速、氣溫和水汽壓呈顯著負相關(guān)（盛永財?shù)龋?018）；綿陽市PM2.5污染多發(fā)生在槽前型或高壓控制型天氣，地面主導風向為東南或東北風，O3污染大部分發(fā)生在經(jīng)向型天氣類型中，地面主導風向為東南風或西南風（陳梁勛等，2019）。環(huán)境空氣質(zhì)量變化受氣象條件影響，但污染源排放是其主要影響因素，陳梁勛等（2019）僅從氣象方面對綿陽市PM2.5污染情況進行了分析，目前關(guān)于綿陽市大氣污染物間相關(guān)性的研究還未見報道。

綿陽市位于四川盆地西北部，是四川省第二大城市，2018年主城區(qū)建成面積158.6 km2，常住人口140.2萬人。綿陽市屬于四川盆地亞熱帶濕潤季風氣候，夏半年受偏南氣流控制，氣候炎熱、多雨、潮濕，冬半年受偏北氣流控制、少雨，全年風速小、相對濕度高、季節(jié)性逆溫現(xiàn)象明顯，污染物易累積。本文基于綿陽市2018年大氣污染物監(jiān)測數(shù)據(jù)、氣象數(shù)據(jù)及顆粒物組分數(shù)據(jù)，分析各大氣污染物質(zhì)量濃度變化特征（年均、季度、月均、日均和每日最大小時濃度），同時探討大氣污染物間及與氣象條件之間的相關(guān)性、不同季節(jié)大氣污染物間相關(guān)性，結(jié)合相關(guān)性分析及顆粒物化學組成特征，為后期污染物精準治污提供參考依據(jù)。

1 數(shù)據(jù)來源及分析

1.1 數(shù)據(jù)來源

綿陽市2018年監(jiān)測數(shù)據(jù)來源于中國環(huán)境監(jiān)測總站空氣質(zhì)量發(fā)布實時數(shù)據(jù)，其中氣態(tài)污染物為參比狀態(tài)（大氣溫度為298.15 K，大氣壓力為101.325 kPa）濃度，顆粒物為監(jiān)測時大氣溫度和壓力下的濃度，氣象資料來自于國家自動監(jiān)測站氣象五參數(shù)地面觀測數(shù)據(jù)。

1.2 數(shù)據(jù)統(tǒng)計分析

數(shù)據(jù)統(tǒng)計和分析采用SPSS Statistics 20.0軟件，各參數(shù)之間進行Pearson積矩相關(guān)性分析，公式為：

相關(guān)系數(shù)界定參考Xie et al（2015），其中0.500 — 1.000為 高 度 正 相 關(guān)，0.300 — 0.499為 中度正相關(guān)，0.000 — 0.299為低度正相關(guān)；?0.299 —0.000為低度負相關(guān)，?0.300 — ?0.499為中度負相關(guān)，? 0.500 — ?1.000為高度負相關(guān)。

1.3 CMB模型

CMB受體模型基本原理是在源和環(huán)境之間建立質(zhì)量平衡關(guān)系，利用有效方差加權(quán)最小二乘法求解顆粒物來源，它表示受體顆粒物中某種化學組分的濃度等于所有污染源中該化學組分的質(zhì)量分數(shù)和該污染源對受體的貢獻濃度值的乘積的線性和（王彤等，2019），其數(shù)學表達式為：

式中：Ci是受體大氣顆粒物中化學組分i的濃度測量值（μg ? m?3）；Fij是第j類源的顆粒物中化學組分i的含量測量值（g ? g?1）；Sj是第j類源貢獻的濃度計算值（μg ? m?3）；J是源類的數(shù)目（j= 1, 2, …,J）；I是化學組分的數(shù)目（i= 1, 2, …,I）。

2 結(jié)果與討論

2.1 大氣污染物質(zhì)量濃度變化特征

2.1.1 年均質(zhì)量濃度

2018年綿陽市SO2、NO2和PM10的年均濃度分 別 為5.9 μg ? m?3、28.8 μg ? m?3和64.1 μg ? m?3，均低于環(huán)境空氣質(zhì)量標準（GB 3095 — 2012）二級濃度限值（分別為60 μg ? m?3、40 μg ? m?3和70 μg ? m?3）。CO 24 h平 均 第95百 分 位 數(shù) 和O3日最大8 h滑動平均值的第90百分位數(shù)分別為1.0 mg ? m?3和139 μg ? m?3，低于環(huán)境空氣質(zhì)量標準（GB 3095 — 2012）二級濃度限值（分別為4 mg ? m?3和160 μg ? m?3）。PM2.5年均濃度為40.2 μg ? m?3，超過環(huán)境空氣質(zhì)量標準（GB 3095 — 2012）二級濃度限值（35 μg ? m?3），也高于2018年全國338個城市PM2.5濃度均值（39 μg ? m?3）和四川省21市（州）PM2.5濃度均值（38.6 μg ? m?3）。

有研究認為，CURB評分系統(tǒng)并沒有隨著癥狀的好轉(zhuǎn)而有明顯的動態(tài)變化，不能準確客觀地反映機體的炎癥狀態(tài)[13]。但臨床研究認為，血清PCT水平的動態(tài)變化結(jié)合CURB評分可以更好地預測患者的預后 [14]。本研究中ROC曲線分析顯示，PCT-4＞1.33 ng/mL、ΔPCT＞0.09 ng/mL 及 CURB 評分≥3分都是預測老年SCAP 28 d生存情況的有效指標，三項指標聯(lián)合的約登指數(shù)為0.761，預測效能高于單一指標。本研究結(jié)果雖然證實了PCT水平結(jié)合CURB評分預測老年SCAP患者疾病嚴重性和死亡率的價值，但由于樣本例數(shù)較小可能影響研究結(jié)果，還需要進一步大樣本多中心研究。

2.1.2 季度質(zhì)量濃度變化特征

綿陽市大氣污染物濃度具有顯著的季節(jié)性差異（圖1），CO季度濃度表現(xiàn)為冬季＞秋季＞春季＞夏季。PM2.5、PM10、NO2季度濃度變化均表現(xiàn)為冬季＞春季＞秋季＞夏季，北京市2002 —2012年P(guān)M10和西安市2013 — 2014年P(guān)M2.5、PM10季度濃度也表現(xiàn)為相同的變化趨勢（董婭瑋等，2015；楊書申和邵龍義，2015）。冬季四川盆地氣象擴散條件不利，大氣污染物水平擴散和垂直對流較為困難，污染物易在地面累積，形成重污染，綿陽市冬季PM2.5/ PM10占比介于0.37 — 0.87，其中PM2.5/ PM10占比大于0.60的占87.5%，說明PM2.5是大氣顆粒物污染的主要貢獻者。由于綿陽市采取“減排、壓煤、治車、抑塵、控秸”五大污染控制工程，同時開展火電、水泥行業(yè)超低排放改造，淘汰10蒸噸（1蒸噸= 700 kW ? h?1）以下燃煤小鍋爐，經(jīng)過多年的污染防治SO2日均濃度較低，季度濃度（5.4 — 6.2 μg ? m?3）差異較小，不同季節(jié)變化不明顯。

圖1 大氣污染物2018年季度質(zhì)量濃度變化圖Fig. 1 Quarterly variation of air pollutants concentrations in 2018

O3季度濃度變化表現(xiàn)為春季＞夏季＞秋季＞冬季，近地面O3主要為二次轉(zhuǎn)化生成，春季和夏季溫度高、太陽輻射強，一方面，氮氧化物與揮發(fā)性有機物二次反應生成O3（Lu et al，2019），使得O3濃度偏高，另一方面氮氧化物極易氧化成HNO3，高溫使二次顆粒物硝酸鹽也分解成氣態(tài)HNO3，進行干沉降（Shen et al，2009），使得NO2質(zhì)量濃度偏低，同時夏季雨水較多，顆粒物也進行濕沉降，環(huán)境空氣質(zhì)量整體較好。

2.1.3 月均變化特征及氣象條件影響

SO2、NO2、顆 粒 物（PM2.5和PM10）月 均濃度變化趨勢均表現(xiàn)為1 — 5月濃度逐漸降低，6 — 9月處于相對低值，10 — 12月污染物濃度又呈升高趨勢（圖2）。8月份由于降雨量較小、相對溫度較高，各污染物月均濃度出現(xiàn)一個小波峰。綿陽市SO2和CO質(zhì)量濃度較低，SO2月均濃度值介于4.9 — 6.6 μg ? m?3，CO月均濃度值介于0.7 —1.2 mg ? m?3，均表現(xiàn)為“W”型變化曲線。5 — 9月NO2質(zhì)量濃度相對較低，主要受降雨沉降影響，同時隨著溫度的升高，太陽輻射增強，氮氧化物為前體物與揮發(fā)性有機物進行化學反應。O3月濃度與溫度變化趨勢相似，表現(xiàn)為反“U”變化曲線，相對高濃度值集中在4 — 8月，O3為二次污染物，高溫有助于O3的生成，6月和7月受降雨影響，相對濕度較高，云量相對較大，太陽輻射強度減弱，二次生成降低（張宇靜等，2019），使得4 — 5月O3質(zhì)量濃度高于6 — 7月。PM2.5、PM10與大氣壓強變化趨勢相似，在冬季和春季易出現(xiàn)無風、逆溫、少雨等靜穩(wěn)型天氣現(xiàn)象，同時相對濕度較高，顆粒物極易進行吸濕性增長和二次轉(zhuǎn)化生成（Shen et al，2018）。

圖2 大氣污染物2018年月均濃度與氣象參數(shù)變化圖Fig. 2 Monthly variation of air pollutants concentrations and meteorological factors in 2018

2.1.4 日均值和每日最大小時濃度變化特征

受污染物排放和氣象參數(shù)共同作用的影響，SO2、NO2、CO、顆粒物（PM2.5和PM10）日均值變化趨勢基本相似（圖3），每日07∶00隨著上班早高峰和工業(yè)企業(yè)復工，污染物排放量增加，各污染物濃度均呈增長趨勢，10∶00左右達到最大值，然后隨著溫度升高、相對濕度降低，大氣壓強減小，各污染物濃度開始下降，約16∶00達到最小值，18∶00左右受下班晚高峰機動車和居民生活源排放，各污染物濃度又呈增長趨勢，顆粒物在該階段表現(xiàn)為持續(xù)性非線性增長。根據(jù)現(xiàn)有文獻，北京市、柳州市的顆粒物日均濃度變化趨勢與綿陽市相似，都表現(xiàn)為雙峰型，在10∶00 —12∶00和22∶00 — 24∶00出現(xiàn)峰值（趙晨曦等，2014；曾鵬等，2020）。近地面O3由前體物二次轉(zhuǎn)化生成，與溫度、光輻射強度關(guān)系密切，濃度變化表現(xiàn)為單峰型，在16∶00左右達到最大值。

圖3 大氣污染物2018年日均質(zhì)量濃度變化圖Fig. 3 Daily variation of air pollutants concentration in 2018

圖4 大氣污染物2018年每日最大小時濃度出現(xiàn)頻次統(tǒng)計圖Fig. 4 Statisticsof hourly maximum concentrations in daily for atmospheric contaminants of 2018

對2018年SO2、NO2、CO、O3和顆粒物（PM2.5和PM10）每日最大小時濃度進行Pearson相關(guān)性分析（表1），SO2、NO2與CO每日最大小時濃度之間均呈顯著相關(guān)，且CO每日最大小時濃度與NO2、SO2每日最大小時濃度均為高度相關(guān)，相關(guān)系數(shù)分別為0.778和0.738，說明SO2、NO2和CO三者變化規(guī)律和污染源相同，顯然火電廠、工業(yè)和交通運輸源（Wang et al，2014）對污染物濃度影響較大，尤其是交通運輸源。另外，SO2、NO2和CO每日最大小時濃度與PM10每日最大小時濃度均呈顯著相關(guān)，說明PM10一次源排放較多，貢獻較大。每日13∶00 — 18∶00太陽輻射較強、溫度更高，二次轉(zhuǎn)化生成更明顯，O3每日最大小時濃度與其他污染物每日最大小時濃度均未通過顯著性檢驗，不具有相關(guān)性。

表1 大氣污染物2018年每日最大小時濃度相關(guān)性分析Tab. 1 Correlations between atmospheric contaminant of hourly maximum concentrations in daily of 2018

2.2 污染物間及與氣象參數(shù)間的相關(guān)性

對2018年6個參數(shù)日均值進行相關(guān)性分析（表2），SO2與NO2、PM2.5和PM10均 為 高 度正相關(guān)，相關(guān)系數(shù)分別為0.736、0.575和0.645。NO2與PM2.5、PM10均為高度正相關(guān)，相關(guān)系數(shù)分別為0.782和0.810，說明SO2、NO2與顆粒物污染源基本相同。O3-8h與NO2未通過顯著性檢驗，O3-8h與PM2.5相關(guān)性低、與PM10未通過顯著性檢驗。其他學者也發(fā)現(xiàn)O3與顆粒物相關(guān)性較差，如：Xie et al（2015）發(fā)現(xiàn)除?？谑型猓溆?0個城市的O3與顆粒物均表現(xiàn)為弱相關(guān)或負相關(guān)。

表2 大氣污染物與氣象參數(shù)日均值相關(guān)性分析Tab. 2 Correlations between atmospheric contaminant and meteorological factors in daily

大氣污染濃度除受污染源排放影響外，氣象條件也是主要影響因素之一（Jacob and Winner，2009），O3-8h與溫度呈顯著正相關(guān)（r= 0.566），與大氣壓強呈顯著負相關(guān)（r= ? 0.560），溫度升高，大氣壓強降低有助于O3的二次轉(zhuǎn)化生成，溫度對其他污染物均表現(xiàn)為顯著負相關(guān)。綿陽市SO2年均濃度（5.9 μg ? m?3）較低，日均濃度變化不明顯，與大氣壓強并未協(xié)同表現(xiàn)出強關(guān)聯(lián)性和規(guī)律性，因此，相關(guān)性統(tǒng)計未通過顯著性檢驗。郭蒙蒙等（2019）對鄭州市的研究結(jié)果也較為相似，根據(jù)2014 — 2017年數(shù)據(jù)，鄭州大氣壓強與SO2表現(xiàn)為低相關(guān)或不相關(guān)（其中夏季表現(xiàn)為不相關(guān)）。風速與NO2、CO和顆粒物均表現(xiàn)為顯著負相關(guān)，說明風有助于污染物的稀釋、擴散。O3-8h與風速表現(xiàn)為正相關(guān)，在風的作用下能進行區(qū)域輸送。由于綿陽市受四川盆地特殊氣候和地形地貌的影響，相對濕度較高，除夏季相對濕度與顆粒物呈顯著負相關(guān)外（表3）。春季、秋季和冬季相對濕度與PM2.5不相關(guān)，全年與PM2.5不存在顯著相關(guān)性，與PM10為弱負相關(guān)，可能是夏季相對濕度過大，空氣中的水蒸氣易凝結(jié)成核發(fā)生濕沉降，有利于大氣污染物的去除（郭蒙蒙等，2019），其余季節(jié)在高相對濕度的影響下顆粒物進行吸濕性增長和二次轉(zhuǎn)化，顆粒物會進行高效成核并持續(xù)快速增長，使得粒徑增大，同時在外界作用下顆粒物進行沉降，因而和PM2.5并未表現(xiàn)很強的規(guī)律性。

選擇溫度（T），大氣壓強（P）、風速（WS）對PM2.5進行相關(guān)性擬合，多元線性回歸曲 線 為：[PM2.5] = 556.13 ? 1.99T? 0.47P? 27.76WS（R2= 0.41）；選擇溫度（T），大氣壓強（P）、相對濕度（RH），風速（WS）對PM10進行多元線性擬合，回歸曲線為：[PM10] = 1323.65 ? 2.89T?1.12P? 1.26RH ? 38.89WS（R2= 0.37）。

2.3 污染物間的季度相關(guān)性分析

各污染物季節(jié)間相關(guān)性存在顯著差異，春季、冬季SO2與NO2、顆粒物（PM2.5和PM10）濃度平均值仍為高度相關(guān)，秋季、冬季NO2與PM2.5、PM10也呈現(xiàn)為顯著正相關(guān)（表3）。雖然NO2與O3-8h全年表現(xiàn)為不相關(guān)，但春季、夏季二者呈顯著正相關(guān)，秋季為負相關(guān)，冬季未通過顯著性檢驗，Wang et al（2014）也發(fā)現(xiàn)北方地區(qū)、東南地區(qū)和西部地區(qū)NO2與O3-8h在夏季均表現(xiàn)為正相關(guān)。綿陽市春季和夏季O3-8h與PM2.5、PM10表現(xiàn)為顯著正相關(guān)，張宇靜等（2019）對徐州市的研究結(jié)果也較為相似（夏季風O3與PM2.5表現(xiàn)為顯著正相關(guān)，相關(guān)系數(shù)為0.56），顯然春季和夏季太陽輻射強，氣溫高，大氣氧化性較高，在高濃度O3作用下，能促進二次顆粒物的生成，使得顆粒物濃度升高（Ge et al，2013），今后春季、夏季O3和顆粒物需要進行協(xié)同管控。根據(jù)Pearson相關(guān)性分析，春季風速、溫度，夏季相對濕度、溫度，秋季溫度、風速、大氣壓強和冬季風速對污染物濃度影響較大。

表3 大氣污染物間季度相關(guān)性分析Tab. 3 Correlations between atmospheric contaminant in quarterly

通過CMB模型對顆粒物進行來源解析，2018年綿陽市顆粒物主要來源為硫酸鹽、硝酸鹽、銨鹽和二次有機氣溶膠，其次為燃煤源、機動車和揚塵源（一次源），尤其是秋季和冬季硝酸鹽、銨鹽占比較高，秋季和冬季二次硝酸鹽對顆粒物的貢獻分別為12%和21%。其中硫酸鹽和硝酸鹽主要來源于SO2、NO2等氣態(tài)污染物通過均相或非均相反應生成，而二次有機氣溶膠主要由揮發(fā)性有機物經(jīng)大氣氧化氣粒分配生成。另外，四季硫酸化速率（SOR = S/ (S+ S)）均大于0.1，且冬季最大，說明冬季SO2對二次顆粒物貢獻較大（He et al，2001），秋季和冬季硝酸鹽化速率（NOR = S/ (S+ S)）均 大于0.1，且冬季值更高，冬季氮氧化物更易反應生成二次硝酸鹽。

綜合分析，綿陽市受四川盆地特殊地形和氣候影響，冬季氣溫相對較低、無風或低風速（小于2 m ? s?1）、相對濕度較高（年平均為74%）、輻射逆溫現(xiàn)象明顯，靜穩(wěn)天氣下污染物在水平和垂直方向擴散弱，大氣顆粒物的吸濕潮解和液態(tài)水的存在不僅能吸附氣態(tài)污染物，而且會加速促進二氧化硫和氮氧化物二次轉(zhuǎn)化生成硫酸鹽和硝酸鹽（Tur?i? et al，2004；Zhang et al，2015），使得冬季顆粒物中、、和OC質(zhì)量濃度偏高。因此，冬季是節(jié)能減排、減少顆粒物排放的關(guān)鍵時間。夏季氣象條件相對較好，降雨量較多，污染物可通過干、濕沉降去除，但春季、夏季溫度較高，太陽輻射強度高，也加快了光化學反應速率，有利于近地面O3的二次生成，使得O3含量較高。

3 結(jié)論

（1）綿陽市氣態(tài)污染物（SO2、NO2、CO和O3）和PM10均滿足環(huán)境空氣質(zhì)量標準（GB 3095 — 2012）二級濃度限值，PM2.5未滿足二級濃度限值，后期冬季和春季需重點加強顆粒物管控，同時春季和夏季不能忽略O(shè)3超標的風險。春季和夏季O3與PM2.5、PM10呈顯著正相關(guān)，O3和顆粒物需做好協(xié)同管控。

（2）結(jié)合大氣污染物間相關(guān)性分析及顆粒物化學組成，綿陽市NO2與CO、PM2.5、PM10呈顯著正相關(guān)，相關(guān)系數(shù)分別為0.653、0.782和0.810，同時硝酸鹽和銨鹽是顆粒物主要化學組成，后期要重點加強管控機動車等氮氧化物排放源。

（3）對污染物濃度每日最大值出現(xiàn)頻次及相關(guān)性分析發(fā)現(xiàn)，O3每日最大小時濃度多集中在13∶00 — 18∶00，其他污染物每日最大小時濃 度 多 集 中 于08∶00 — 12∶00和20∶00 —24∶00，同時NO2在20∶00 — 24∶00出現(xiàn)每日小時濃度最大值的頻次占比為67.1%，夜間為NO2重點管控時段。