-
随着我国经济高速发展及城市化进程加快,“城市群”在我国经济社会发展中发挥越来越重要的作用[1]。然而,“城市群”的发展却带来雾霾天气频发、雾霾污染边界不断扩张等严峻挑战,对此,我国根据大气污染区域性特点在污染控制上提出了“城市群”或区域控制战略[2]。在北京奥运会、上海世博会和广州亚运会等空气质量保障中,区域污染控制措施取得了明显的效果,保证了重大活动的顺利进行[3]。
由沈阳、鞍山、抚顺、本溪、营口、辽阳和铁岭7座城市组成的辽宁中部“城市群”(以下简称“城市群”),是辽宁老工业基地的核心[4],是东北老工业基地的核心区和典型代表[5],是东北经济区和环渤海都市圈的重要组成部分,是中国重要的“城市群”之一[6]。振兴东北老工业基地战略使“城市群”各城市间合作日益深入[7],逐步成为新一轮东北老工业基地全面振兴中的先行者和领头羊[5]。由于城市分布比较密集,且地理环境、气象条件和经济结构具有独特性,大气污染物排放集中,污染物稀释和扩散条件不利[8],城市间相互影响明显[3-4],大气复合型区域污染问题显现[1]。“城市群”大气污染具有明显的局地污染和区域污染相结合、城市之间大气污染相互影响、相互作用的特征[8]。大气系统的空间相互性使得城市间的大气污染物是相互输送和交换,相邻城市间环境空气污染物浓度呈现出一定的相关性[9]。高压均压场型、长白山小高压型、弱低压场型和地形槽型等4种天气类型是“城市群”大气污染中最为主要的天气类型[1]。西南方向的京津冀来向和偏北方向的内蒙和长春来向,是“城市群”大气污染时最为主要的气流来向[1,10]。
目前,我国对环境空气中污染物研究主要集中在时空分布[11]、数值模拟[12]、污染原因分析[13]以及预测预报[14]等方面,对污染物累积速率和城市间污染相关性研究较少[15-18]。“城市群”大气环境研究主要集中在2010~2015年期间,包括污染物的扩散输送特征、“城市群”空气质量预报技术及区域性空气质量调控技术等[8]。本文利用“城市群”2017~2018年冬季环境空气细颗粒物(PM2.5)浓度数据,通过统计表征各城市PM2.5日变化特征的24 h浓度值,计算逐时污染物累积速率,并利用回归方法拟合污染物浓度及累积速率的时间序列模型;在模型优选的基础上,对比各城市PM2.5浓度及累积速率日变化特征;采用相关性分析方法,分析城市间主要污染物的相关性。以期对“城市群”环境空气主要污染物预测及区域联防联控提供参考。
辽宁中部“城市群”环境空气PM2.5累积速率对比研究
Study on accumulation rate of PM2.5 in urban agglomeration of central Liaoning province
-
摘要: 利用2017~2018年冬季辽宁中部“城市群”环境空气细颗粒物(PM2.5)浓度数据,计算逐时累积速率,回归拟合并优选时间序列模型,分析城市间PM2.5浓度相关性,研究不同城市污染时序变化特征。结果表明:最优浓度时序模拟起始点为13:00,最优累积速率模拟起始点为11:00。各城市PM2.5浓度及累积速率时序变化曲线均呈双峰形态。从浓度曲线对比看,本溪拟合程度最好,最高浓度在9:00,而其他城市均在23:00前后,且本溪曲线形态同其他城市差异也较大。从累积速率曲线对比看,营口拟合最好,鞍山最差;各城市PM2.5累积最快均在18:00~19:00。各城市间PM2.5小时浓度在0.01水平上均达到显著相关,鞍山和辽阳间相关性最高,铁岭和营口间相关性最差,沈阳与其他城市间相关性总体较高。Abstract: Based on the ambient air fine particulate matter (PM2.5) concentration data of central Liaoning Urban Agglomeration in the winter from 2017 to 2018, the hourly cumulative rate was calculated. In addition, the regression fitting and optimization time series model was used to analyze the correlation of PM2.5 concentration among cities, leading to the temporal variation characteristics of different urban pollution. The results showed that the starting point of the optimal concentration time series simulation was 13:00, and the starting point of the optimal cumulative rate simulation was 11:00. The time series curves of PM2.5 concentration and cumulative rate in each city showed a bimodal pattern. Considering the comparison of concentration curves, there was the best fitting degree in Benxi. The highest concentration was at 9:00, while other cities were around 23:00. And the curve shape of Benxi was also different from the other cities. According to the comparison of cumulative rate curves, the best fitting appeared in Yingkou, the worst was in Anshan. The fastest accumulation of PM2.5 was from 18:00 to 19:00. The PM2.5 hourly concentrations of all the cities were significantly correlated under the 0.01 level. The correlation between Anshan and Liaoyang was the highest, while Tieling and Yingkou was the lowest. There was a good correlation between Shneyang and other cities.
-
表 1 各城市冬季环境空气PM2.5浓度时序变化拟合方程
城市 决定系数 R2 方程 沈阳 0.961 9 y = −0.0005x5 + 0.0317x4 − 0.7544x3 + 7.6841x2 − 28.272x + 67.862 鞍山 0.959 1 y = −0.000 5x5 + 0.0295x4 − 0.6737x3 + 6.4294x2 − 21.083x + 57.322 抚顺 0.960 9 y = −0.0007x5 + 0.0458x4 − 1.0725x3 + 10.668x2 − 38.146x + 77.362 本溪 0.976 1 y = −0.0004x5 + 0.0259x4 − 0.5806x3 + 5.592 5x2 − 20.098x + 54.575 营口 0.950 4 y = −0.0005x5 + 0.0324x4 − 0.7428x3 + 7.1611x2 − 23.437x + 56.058 辽阳 0.940 8 y = −0.000 7x5 + 0.0427x4 − 0.9873x3 + 9.5409x2 − 31.775x + 63.535 铁岭 0.921 4 y = −0.001x5 + 0.0628x4 − 1.3688x3 + 12.291x2 − 37.13x + 63.49 表 2 各城市冬季环境空气PM2.5累积速率时序变化拟合方程
城市 决定系数/R2 方程 沈阳 0.814 5 y = −5E-06x5 + 0.0003x4 − 0.0072x3 + 0.065x2 − 0.1917x + 0.022 鞍山 0.785 8 y = −5E-06x5 + 0.0003x4 − 0.0071x3 + 0.0612x2 − 0.1769x + 0.0484 抚顺 0.893 2 y = −7E-06x5 + 0.0004x4 − 0.009x3 + 0.0801x2 − 0.2374x + 0.0522 本溪 0.893 3 y = −5E-06x5 + 0.0003x4 − 0.0065x3 + 0.058x2 − 0.1692x − 0.0029 营口 0.905 7 y = −5E-06x5 + 0.0003x4 − 0.0065x3 + 0.0515x2 − 0.111x − 0.0731 辽阳 0.884 9 y = −7E-06x5 + 0.0004x4 − 0.0086x3 + 0.0707x2 − 0.1757x − 0.0253 铁岭 0.842 9 y = −9E-06x5 + 0.0005x4 − 0.01x3 + 0.0758x2 − 0.1451x − 0.1427 表 3 各城市冬季环境空气PM2.5浓度间相关性分析结果
城市 沈阳 鞍山 抚顺 本溪 营口 辽阳 铁岭 沈阳 1.000 0.708** 0.750** 0.652** 0.624** 0.731** 0.738** 鞍山 0.708** 1.000 0.624** 0.639** 0.644** 0.899** 0.589** 抚顺 0.750** 0.624** 1.000 0.716** 0.521** 0.656** 0.645** 本溪 0.652** 0.639** 0.716** 1.000 0.484** 0.636** 0.507** 营口 0.624** 0.644** 0.521** 0.484** 1.000 0.627** 0.478** 辽阳 0.731** 0.899** 0.656** 0.636** 0.627** 1.000 0.611** 铁岭 0.738** 0.589** 0.645** 0.507** 0.478** 0.611** 1.000 注:**表示Pearson 相关性在0.01 水平(双侧)上显著相关。 -
[1] 洪也, 杨婷, 王喜全, 等. 辽宁中部城市群灰霾污染的外来影响[J]. 气候与环境研究, 2015, 20(6): 675 − 684. [2] 刘华军, 孙亚男, 陈明华. 雾霾污染的城市间动态关联及其成因研究[J]. 中国人口•资源与环境, 2017, 27(3): 74 − 81. [3] 洪也, 马雁军, 王喜全, 等. 辽宁中部城市群灰霾天气的外来影响——个案分析[J]. 环境科学学报, 2013, 33(8): 2115 − 2122. [4] 李元宜, 李艳红. 辽宁中部城市群大气污染防治对策探讨[J]. 气象与环境学报, 2010, 26(4): 57 − 60. doi: 10.3969/j.issn.1673-503X.2010.04.012 [5] 吴冰. 辽宁中部城市群工业化与城镇化良性互动研究[J]. 地方财政研究, 2018(6): 93 − 99. [6] 陈如铁, 马健. 辽宁中部城市群城市体系中规模与距离关系的研究[J]. 地理科学, 2017, 37(6): 841 − 849. [7] 李红. 辽宁中部城市群一体化发展的空间组织研究[J]. 国土与自然资源研究, 2012(4): 11 − 12. doi: 10.3969/j.issn.1003-7853.2012.04.005 [8] 马雁军, 刘宁微, 王扬锋, 等. 辽宁中部城市群大气环境研究进展[J]. 气象科技进展, 2012, 2(2): 19 − 24. [9] 王晓利, 张良, 魏亚楠, 等. 城市间气态污染物与细颗粒物的相关性分析[J]. 中国环境监测, 2016, 32(1): 1 − 4. doi: 10.3969/j.issn.1002-6002.2016.01.001 [10] 唐娴, 王喜全, 洪也, 等. 辽宁中部城市群一次灰霾天气过程的外来影响程度研究[J]. 环境科学学报, 2014, 34(6): 1541 − 1550. [11] 孟晓艳, 宫正宇, 张霞, 等. 全国及重点区域臭氧污染现状[J]. 中国环境监测, 2017, 33(4): 17 − 25. [12] 刘烽, 徐怡珊. 臭氧数值预报模型综述[J]. 中国环境监测, 2017, 33(4): 1 − 16. [13] 高愈霄, 霍晓芹, 闫慧, 等. 京津冀区域大气重污染过程特征初步分析[J]. 中国环境监测, 2016, 32(6): 26 − 35. [14] 刘闽, 王帅, 林宏, 等. 沈阳市冬季环境空气质量统计预报模型建立及应用[J]. 中国环境监测, 2014, 30(4): 10 − 15. doi: 10.3969/j.issn.1002-6002.2014.04.002 [15] 王帅, 王琦, 刘闽, 等. 沈阳环境空气臭氧浓度及累积速率时序曲线模拟研究[J]. 中国环境监测, 2019, 35(5): 26 − 36. [16] 王帅. 沈阳市近年臭氧浓度变化及累积速率对比分析[J]. 环境保护与循环经济, 2019, 39(3): 66 − 70. doi: 10.3969/j.issn.1674-1021.2019.03.017 [17] 张睿, 蔡旭晖, 宋宇. 北京地区大气污染物时空分布及累积效应分析[J]. 北京大学学报(自然科学版), 2004(6): 930 − 938. [18] 罗岳平, 刘孟佳, 甘杰, 等. 长株潭城市环境空气中PM2.5和O3质量浓度的相关性研究[J]. 安全与环境学报, 2015, 15(4): 313 − 317.