西安市区空气污染指数时空分布特征

朱振亚，饶良懿，余新晓，任小波

(北京林业大学水土保持学院，100083，北京)

20世纪中期以来，大气环境的变化成为全球变化的研究热点之一，大气污染问题日益受到各国的关注。近年来，随着我国产业结构的转型升级、能源消耗结构的转变，工业活动、交通运输和冬季采暖等成为造成大气污染的主要原因。大气污染物的研究内容非常广泛，例如污染物浓度的变化［1-4］、污染物成分的研究［5］、污染源或排放贡献率［6-8］、传播和扩散［9］、污染物浓度预测［10］和影响因素［11-13］等。人们在重视空气质量之余，开始渐渐关注大气污染物对人类健康的影响［14］。

大气污染物浓度或指数不仅存在日、月份、季节、年度和采暖期非采暖期等不同时间尺度的变化特点，而且具有地学意义上的空间分异特征。纵览目前大气污染物特征的研究，大气污染物浓度的时空变化研究较多，空气污染指数(简称API)特征研究较少;在研究污染物的空间分布时，很少考虑大气污染物的空间自相关、全局趋势、方向性趋势等影响，造成空间化结果与实际情况的偏差［15-16］。笔者利用2010—2012年西安市区13个空气质量自动监测站逐日的监测数据，结合空间统计建模的方法，研究西安市区空气污染指数不同时间尺度和空间范围的分布特征，为制订空气污染防治措施提供依据。

1 数据来源

西安市区共有14个空气质量自动监测站点，包括13个国控子站和1个大气环境监测综合实验室(超级站)。超级站2013年1月正式运行，不在本文的研究时间段内。本文研究的13个国控监测子站(用1～13表示)分别是莲湖区的高压开关厂子站、碑林区的兴庆小区子站、灞桥区的纺织城子站、雁塔区的小寨子站、新城区的市人民体育场子站、高新西区子站、经开区子站、长安区子站、阎良区子站、临潼区监测子站、未央区的草滩子站、曲江文化集团子站和世园广运潭子站，其中草滩子站为清洁对照站点。SO2、NO2、PM10污染指数(量纲为 1)根据2010年1月1日—2012年12月31日13个国控监测子站逐日的监测数据计算得到。

2 研究方法

2.1 数据处理与分析

环境空气质量自动监测系统有点式监测仪器和开放光程监测仪器2种，所配置监测仪器的分析方法见表1。

表1 大气污染物分析方法Tab.1 Methods of air pollutants analysis

由于2013年前用空气污染指数描述空气质量状况，各监测点各污染物的分指数可根据公式计算。某一监测点(某一污染物)监测数据在n时段的平均值按算术平均值公式计算;多个监测点在某时段的平均值由各监测点均值再平均得到。

用SPSS 20.0分析各监测站3年逐日 SO2、NO2、PM10污染指数数据，研究污染指数的集中趋势、离散状况和总体分布情况。

2.2 地学统计方法

利用探索性空间数据分析技术ESDA，用空间自相关作为量度空间相互依赖性的统计指标。空间自相关计算的方法有许多种，最著名也最常用的有Moran’s I、Geary’s C、Getis、Join count等，这些方法可分为全局空间自相关和局部空间自相关。本文使用全局莫兰指数I计算污染指数空间自相关，全局莫兰指数

莫兰指数的期望值E(I)范围为［-1，1］，取值为-1表示完全负相关，取值为1表明完全正相关，而取值为0表示不相关。其显著性检验的公式为

式中VAR(I)是莫兰指数的方差。

在5%的显著水平下，Z大于1.96时，研究范围大气污染物有显著关联性，相邻地区的类似特征值出现集群(clustering)趋势;Z介于1.96与-1.96之间，表示研究范围内某现象的分布的关连性不明显;Z小于-1.96时，表示研究范围内某现象的分布呈现负的空间自相关性，相邻地区的类似特征值出现离散(scatter)趋势。在1%的显著水平下，也有类似结论，此时的临界值为2.54。

3 结果与分析

3.1 污染指数的时间变化

3.1.1 污染物指数的日变化 3年来，SO2、NO2、PM10污染指数的集中趋势、离散状况和总体分布形态的主要统计量结果见表2。

表2 空气污染指数日变化统计分析Tab.2 Daily variation of air pollution index

各监测点污染物指数都满足NO2＜SO2＜PM10，可吸入颗粒物PM10为3类污染物中的首要污染物。污染指数的方差(标准差)较大，污染指数的日变化较大;SO2和NO2指数的方差(标准差)比 PM10的小，SO2和NO2比PM10污染指数日变化小。各点污染指数的偏度值都大于0，污染指数均为正偏斜，污染指数偏度值SO2＜NO2＜PM10，PM10污染指数的偏斜程度最大，其次是NO2，SO2最小。各监测点污染指数的峰度值都大于0，污染指数比正态分布更集中，且PM10指数的峰度值明显大于 SO2和 NO2，PM10指数比SO2和NO2更集中，PM10指数一直处于较高水平。综合考虑污染物指数的分布情况，SO2指数的偏峰度最小，最接近正态分布，PM10与正态分布的差异最大。

3.1.2 月份、季度和年际变化 按月份计算各监测点SO2、NO2、PM10污染指数的均值，以2010年1月为第1个月，2012年12月为第36个月，得到污染指数的月份变化情况(图1)，同样方法可得到污染指数的季度、年际变化情况。

SO2、NO2、PM10污染指数均表现出月份变化趋势。总体来说，1月、12月份污染指数较大，7月、8月较小。1月到7月、8月的污染指数逐渐降低，7、8月之后逐渐上升，到1月、12月份上升到较大值。

不同监测点污染指数的月份变化不同。高压开关厂、市人民体育场、高新西区等监测点的SO2、NO2污染指数最大值明显高于同期其他监测点;而同月份不同监测点PM10污染指数差别不大，且不同监测点同月份的最值差(最大值-最小值)也明显小于SO2和NO2，可吸入颗粒物的污染水平较高。

图1 空气污染指数月变化Fig.1 Changes of air pollution index by month

总的来说，空气污染指数表现出4季度＞1、3季度＞2季度，不同污染物指数的季度变化有较大差异。SO2污染指数第1季度明显大于其他3个季度，具体表现为第1季度＞3季度＞第2季度，但1、3季度指数很接近;NO2污染指数1季度与4季度的差距减小，1、3季度污染指数的大小因监测点而异;PM10污染指数1、4季度的差距进一步减小，1、3季度污染指数的大小因监测点而异，但4个季度各点PM10污染指数相对集中。

2010—2012年经开区 SO2污染指数增加最大(21%)，市人民体育场降低最多(-27%)，高压开关厂、小寨、市体育场、高新西区、阎良区、临潼区的SO2指数有所降低，其他监测站点略有上升。经开区NO2污染指数增加最大(22%)，市人民体育厂降低最多(-32%)，高压开关厂、兴庆小区、纺织城、小寨 、市人民体育场 、高新西区 、临潼区的NO2污染指数下降，其他监测站点稍有增加。各监测点PM10污染指数均有所降低，草滩降低最大(-13%)，纺织城降低最小(-0.16%)。

3.1.3 采暖期、非采暖期变化 西安市的采暖期时间是每年的11月15日至翌年的3月15日，其余时间为非采暖期。按采暖和非采暖期分别计算3年各监测点污染指数，结果如图2所示。

图2 采暖期、非采暖期空气污染指数变化Fig.2 Changes of air pollution index during the heating and non-heating periods

采暖期的SO2、NO2、PM10污染指数高于非采暖期，但不同污染物表现出不同特点。采暖期SO2污染指数明显高于非采暖期，采暖期是非采暖期的2倍以上;NO2污染指数采暖期与非采暖期的差距减小;PM10污染指数采暖期与非采暖期的差距进一步减小，部分监测点采暖期和非采暖期近乎相等。SO2、NO2、PM10污染指数采暖期分别是非采暖期的2.01～2.75、1.42～1.82、1.18～1.36倍。

2010年和2012年非采暖期SO2污染指数高于2011年，2010年和2012年，市人民体育场、高新西区、经开区、长安区的差异较大，其他监测点2年指数很接近;长安区非采暖期的NO2污染指数逐年升高，小寨和经开区先升后降，其他监测点有降低趋势;非采暖期PM10污染指数总体来说有降低的趋势，2010—2011年的降幅较大，2011—2012年的降幅不明显。

由空气污染指数的日、月份、季节、年度、采暖期非采暖期变化可知，造成 SO2、NO2和 PM10的原因(污染源)和影响污染物的因素不同。

3.2 污染指数的空间分异

3.2.1 污染指数的空间自相关和集聚效应 根据西安市区13个空气监测站的之间的临接关系，采用二进制邻接权重矩阵，选取各监测点2010—2012年污染物指数数据，分析3类空气污染指数的空间自相关特性和集聚效应，结果见表3。

采暖期、非采暖期SO2、NO2和PM10污染指数的莫兰指数均大于0，3类空气污染指数均存在正的空间相关性;但指数值都在0.2以下，这种空间相关性作用很弱。各监测站污染指数的集聚效应处在第1象限的高高(HH)聚集和处于第3象限的低低(LL)聚集的监测点较多，而第2象限的低高(LH)聚集较少，第4象限高低(HL)聚集最少。SO2、NO2和采暖期的PM10各类聚集情况很类似，高浓度被高浓度包围的高高聚集，主要是处在主城区的高压开关厂、小寨、市人民体育场和高新西区;低浓度被低浓度包围的低低聚集，主要是离主城区较远的阎良区 、临潼区和环境状态良好的世园会广运潭和清洁对照点草滩;低浓度被高浓度包围的高低聚集很少，只有个别监测点，如纺织城;高浓度被低浓度包围的低高聚集，有兴庆小区、长安区和曲江文化集团。高低聚集和低高聚集主要在工业和居住交汇的地带，而高高集聚处在西安市的主要经济中心。非采暖期的PM10污染指数比较复杂，除了部分监测站点(如高高集聚的高压开关厂，低低集聚的纺织城)，其他站点污染状况与SO2、NO2指数和采暖期的PM10指数的聚集状况不同，需进一步探究。

表3 空气污染指数空间自相关和集聚效应Tab.3 Spatial autocorrelation and agglomeration effects of airpollution index

3.2.2 空气污染指数的空间分布 各监测点采暖期、非采暖期的污染物指数经正态分布检验，识别数据中的全局趋势，发掘数据的空间自相关和方向效应，插值、调整消除趋势性影响后，得到3类污染物指数的空间分布图，再生成污染指数等值线，最终的结果见图3和4。

采暖期、非采暖期SO2、NO2、PM10污染指数均表现出中部高，北部低，南部中等。这与中部为西安市主城区，人口密集、经济活动频繁，北部城区分散，南部多山等因素有关。

采暖期和非采暖期3类染物指数表现出不同的空间特征。SO2和NO2污染指数高的区域采暖期和非采暖期变化不大，主要集中在中部主城区;采暖期PM10污染指数高的区域分布在市中心的主城区，非采暖期PM10污染指数高的区域向北部的草滩和临潼区转移，主城区中只有高压开关厂污染指数较高。可以看出，PM10的污染指数受采暖与否的影响较大，非采暖期作为清洁对照点草滩的空气质量也不理想。

图3 采暖期空气污染指数的空间分布Fig.3 Spatial distribution of air pollution index in heating period

图4 非采暖期空气污染指数的空间分布Fig.4 Spatial distribution of air pollution index in non-heating periods

从污染物的等值线上也可以进一步验证此结论。高污染指数中心的等值线密集，低污染指数中心的等值线较稀疏，污染物指数总体呈现出中间高，两端低的现象。观察采暖期、非采暖期大气污染物指数的中心可知，SO2指数的中心同时也是NO2和PM10指数的中心，即西安市区大气污染是SO2、NO2和PM10造成的综合污染。

4 结论与讨论

1)西安市区空气污染指数存在日、月份、季节、年度、采暖期与非采暖期等不同时间尺度的变化，PM10是西安市区的首要污染物。

2)西安市区空气污染指数有弱的正空间自相关，污染指数高低分化。采暖期和非采暖期3类污染物的污染指数均表现为中部高，北部低，南部中等。不同污染物污染指数中心的重叠表明，西安市空气质量受SO2、NO2和PM10的共同影响。

目前大气污染物浓度时空变化研究的文章较多，API变化特征研究相对较少;但由于API与大气污染物浓度之间可相互转化，因此将研究结果与相近时期北方城市进行了对比。

1)刘鲁宁等［4］研究了2009—2010年秦皇岛市大气污染物浓度变化特征。秦皇岛市SO2、NO2、PM10的年均污染指数分别为42、28和88，SO2的污染指数高于西安各点;NO2污染指数介于西安主城区和其他城区各点之间;PM10指数比西安市区各监测点略高。SO2、NO2、PM10污染指数采暖期与非采暖期比值分别为 4、1.43、1.35，从比值上看，SO2是西安各点比值的1.5～2.0倍，NO2略高于西安各点比值的最小值1.42，PM10略低于西安各点比值的最大值1.36，可见秦皇岛市3类污染物的污染指数受采暖与否的影响更大。

2)李文杰等［17］研究了 2001—2010 年北京、天津和石家庄3市API的时空分布特征。北京、天津和石家庄夏季空气污染状况明显好于其他季节，秋季次之，春冬最差。西安市区大气污染指数表现为4季度＞1、3季度＞2季度，即夏季最好，其次春秋季，冬季最差。夏季西安市区的污染指数与秋冬季的差距不大，可见京津石3市空气质量受季节影响比西安明显。西安市区冬季空气质量最差，春秋季空气质量相近，京津石春冬季空气质量最差，春季京津石比西安更易产生大气污染，产生这种现象的原因与春季北方的沙尘天气有关。

［1］王跃思，王长科，郭雪清，等.北京大气CO2浓度日变化、季变化及长期趋势［J］.科学通报，2002，47(14):1108-1112

［2］于建华，虞统，魏强，等.北京地区 PM10和 PM2.5质量浓度的变化特征［J］.环境科学研究，2004，17(1):45-47

［3］杨龙，贺克斌，张强，等.北京秋冬季近地层PM2.5质量浓度垂直分布特征［J］.环境科学研究，2005，18(2):23-28

［4］刘鲁宁，申雨璇，辛金元，等.秦皇岛大气污染物浓度变化特征［J］.环境科学，2013，34(6):2089-2097

［5］徐虹，林丰妹，毕晓辉，等.杭州市大气降尘与PM10化学组成特征的研究［J］.中国环境科学，2011，31(1):1-7

［6］IEA.CO2emissions from fuel combustion 2009［R］.Paris:OECD/IEA，2009

［7］翟一然，王勤耕，宋媛媛.长江三角洲地区能源消费大气污染物排放特征［J］.中国环境科学，2012，32(9):1574-1582

［8］薛婕，罗宏，吕连宏，等.中国主要大气污染物和温室气体的排放特征与关联性［J］.资源科学，2012，34(8):1452-1460

［9］汪新，McNamara K F.大涡模拟建筑物对近源大气污染物扩散的影响［J］.应用力学学报，2007，24(1):284-288

［10］陈柳.小波支持向量机在大气污染物浓度预测中的应用［J］.环境科学与技术，2010，33(9):53-56

［11］Giorgi F，Meleux F.Modeling the regional effects of climate change on air quality［J］.Comptes Rendus Geosciences，2007，339(11/12):721-733

［12］王宏，林长城，蔡义勇，等.福州市PM10突变特征与气象条件的关系研究［J］.热带气象学报，2008，24(5):564-568

［13］周伟东，梁萍.风的气候变化对上海地区秋季空气质量的可能影响［J］. 资源科学，2013，35(5):1044-1050

［14］刘勇，芦茜，黄志军，等.大气污染物对人体健康影响的研究［J］.中国现代医学杂志，2011，21(1):87-91

［15］安兴琴，马安青，王惠林.基于GIS的兰州市大气污染空间分析［J］.干旱区地理，2006，29(4):576-581

［16］魏疆.乌鲁木齐市大气污染物浓度空间格局变化［J］.干旱区资源与环境，2012，26(1):67-70

［17］李文杰，张时煌，高庆先，等.京津石三市空气污染指数(API)的时空分布特征及其与气象要素的关系［J］.资源科学，2012，34(8):1392-1400