基于污染贡献率的石家庄市大气污染特征分析

李秋芳 路娜 程丽萍 谷金峰 丁学英

摘要：为计算6项大气污染物（PM10，PM2.5，SO2，NO2，CO和O3）的污染贡献率，探讨大气污染特征及其变化趋势，以石家庄市2013—2017年的大气质量监测数据为例，基于环境空气质量综合指数，从宏观方面计算了6项污染物在综合指数中的污染贡献率;基于浓度均值，从微观方面计算了单项污染物贡献率的月分布和小时分布。结果表明：2013—2017年，石家庄市对大气污染贡献率最大的仍为颗粒物，NO2和O3的贡献率逐年升高，污染特征呈现由“煤烟型”、“混合型”向“复合型”转变的趋势;6项污染物中，PM10，PM2.5，SO2，NO2和CO的污染贡献率月分布呈“U型”分布，O3呈“拱型”分布，除O3外，其余5项污染物贡献率小时变化呈现“晨峰午谷”的周期性变化规律。研究结果可为石家庄市治理大气污染提供科学依据和技术支持。

关键词：环境质量监测与评价;污染贡献率;大气污染;污染特征;石家庄

中图分类号：X823文献标志码：Adoi： 10.7535/hbgykj.2019yx01011

LI Qiufang， LU Na， CHENG Liping， et al.Analysis of air pollution characteristics in Shijiazhuang City based on pollution contribution rate[J].Hebei Journal of Industrial Science and Technology，2019，36（1）：59-65.Analysis of air pollution characteristics in Shijiazhuang City

based on pollution contribution rate

LI Qiufang1， LU Na1， CHENG Liping2， GU Jinfeng1， DING Xueying1

（1.Shijiazhuang Environmental Monitoring Center， Shijiazhuang， Hebei 050022， China; 2.Shijiazhuang Environmental Prediction Center， Shijiazhuang， Hebei 050022， China）

Abstract：In order to calculate the pollution contribution rates of six atmospheric pollutants （PM10， PM2.5， SO2， NO2， CO and O3）， and discuss the characteristics of air pollution and its trends，on the basis of air quality monitoring data from 2013 to 2017 in Shijiazhuang City， the contribution rates of six pollutants are macroscopically calculated based on comprehensive index. The monthly and hourly contribution rates of individual pollutants are microscopically calculated based on the mean concentration. The results show that， from 2013 to 2017， the most contribution to atmospheric pollution is still particulate matter， while the contribution rates of NO2 and O3 increase year by year， and the characteristics of air pollution in Shijiazhuang shows a transition from "coal-fired pollution" and "mixed pollution" to "compound pollution"; the monthly contribution rates of PM10， PM2.5， SO2， NO2 and CO show a "U-shaped" distribution， while that of O3 shows an "arched" distribution. In addition to O3， hourly contribution rates of the other five pollutants show the periodicity of "morning peak and afternoon valley". The research results can provide scientific basis and technical support for the management of air pollution in Shijiazhuang City.

Keywords：environmental quality monitoring and evaluation; pollution contribution rate;air pollution;pollution characteristics; Shijiazhuang

城市大气污染来源多且复杂多样，近年来，中国由传统的煤烟型污染逐步转变为混合型污染、复合型污染。目前，关于大气污染特征及其变化规律方面的研究成果较多，对6项主要大气污染物（PM10，PM2.5，SO2，NO2，CO 和 O3）的研究多集中于污染物浓度分布特征、污染过程与传输、污染来源及其影响因子、气象条件对大气污染贡献率等方面[1-11]。 由于污染源和气象条件存在差异，因而不同地区的污染物类型、浓度和组成差异很大。有诸多研究以污染物浓度值为主要评價指标，依据污染物浓度的大小评价单项污染物的污染程度。然而，对不同类型的大气污染物进行评价，尤其是对大气污染状况进行综合评价时，仅以污染物浓度值的大小来评价污染状况具有一定的局限性。

根据城市环境空气质量排名的技术规定[12]，国家依据地级及以上城市环境空气质量的月度、季度、半年度、年度排名，对各省（区、市）区域内地级及以上城市环境的空气质量综合指数进行了排序。环境空气质量综合指数的大小可用来评价城市空气污染程度的大小，6项污染物浓度均参与综合指数的计算。综合指数越大，表明污染程度越重。笔者基于综合指数，通过计算各项污染物在综合指数中的贡献率以及单项污染物在不同评价时段的污染贡献率，分析了石家庄市2013—2017年的大气污染特征，以期掌握石家庄市大气环境污染的综合状况，为大气污染削减方案的制定提供科学依据。

1研究方法

1.1基于综合指数的污染贡献率计算

本研究中，各项污染物的污染贡献率按照各项污染物的单项污染指数与综合指数的比值来计算[11]。

指标i的单项质量指数：Ii=CiSi;                                                      （1）综合指数：Isum=∑6i=1Ii;（2）污染贡献率：Ui=IiIsum。 （3）式中：i为指标类别，取值为1，2，3，4，5，6，分别表示PM10，PM2.5，SO2，NO2，CO和O3;Ci为指标i的评价浓度值，SO2，NO2，PM10，PM2.5的评价浓度为评价时段内日均浓度的平均值，O3的评价浓度为评价时段内日最大8 h均值的第90百分位数，CO的评价浓度为评价时段内日均浓度的第95百分位数;Si为指标i的标准值，当i为PM10，PM2.5，SO2及NO2时，Si为污染物i的年均浓度二级标准限值，当i为O3时，Si为日最大8 h的平均二级标准限值，当i为CO时，Si为日均浓度二级标准限值。

1.2基于浓度均值的污染贡献率计算

本研究中，基于浓度均值的污染贡献率指单项污染物在单位时间段对整个评价时段的污染贡献率。指标i在单位时间段（t）内对评价时段（T）的污染贡献率的计算公式为Vit=Cit·tCiT·T。（4）式中：i为指标类别，取值为1，2，3，4，5，6，分别表示PM10，PM2.5，SO2，NO2，CO和O3;Cit为指标i在评价时段（T）的单位时间段（t）内的浓度平均值;CiT为指标i在评价时段（T）的浓度平均值。

2实证研究

石家庄市是国家环境监测网络城市之一，市区内正常运行的国控环境空气自动监测站有7个，分别为裕华区的世纪公园点位，长安区的22中南校区点位、人民会堂点位，新华区的西北水源点位，桥西区的西南高教点位、职工医院点位，高新区点位。7个国控点位均采用自动连续监测方式，监测PM10，PM2.5，SO2，NO2，CO和O3等污染物的浓度，并实时对外发布。本研究采用石家庄市区7个国控环境空气自动监测站24 h连续监测数据，数据时间为2013年1月1日至2017年12月31日，为完整的5年。

2.1基于综合指数的污染贡献率

2.1.1贡献率逐年变化

根据2013年至2017年石家庄市发布的6项污染物浓度，由式（1）—式（3）计算，得到污染物逐年的污染贡献率，结果见表1（表中数值皆为体积分数）。

由表1可知，按照各项污染物的污染贡献率进行评价，2013—2017年，对大气污染贡献最大的均为颗粒物（包括PM10和PM2.5）。其中：PM10的贡献率逐年降低，由2013年的29.6%降至2017年的25.2%;PM2.5的贡献率在30%左右波动，逐年变化不大;SO2的贡献率呈逐年降低的趋势，由2013年的11.9%降至2017年的6.3%;NO2和O3的贡献率呈逐年升高的趋势，NO2的贡献率由2013年的11.5%升至2017年的15.4%，O3的贡献率由2013年的7.3%升至2017年的14.4%;CO的贡献率在10%左右波动，逐年变化不大，略有上升趋势。

2.1.2贡献率季度变化

按照季度划分：1～3月为第一季度，4～6月为第二季度，7～9月为第三季度，10～12月为第四季度。由式（1）—式（3）计算，得到2013—2017年6项污染物各季度在综合指数中的污染贡献率，结果见图1。一季度至四季度，对大气污染贡献最大的均为颗粒物（包括PM10和PM2.5），且各季度贡献率差异不大，第二季度和第三季度的贡献率略低于第一季度和第四季度。2013年至2014年的第一季度，贡献率仅次于颗粒物的为SO2，其次为NO2。2015年至2017年的第一季度，贡献率仅次于颗粒物的为NO2，其次为SO2。2013年的第二季度贡献率仅次于颗粒物的为NO2，其次为SO2。2014年至2017年的第二季度，贡献率仅次于颗粒物的均为O3，其次为NO2。2013年的第三季度贡献率仅次于颗粒物的为NO2，其次为O3。2014年至2017年的第二季度，贡献率仅次于颗粒物的均为O3，其次为NO2。2013年至2017年的第四季度，贡献率仅次于颗粒物的均为NO2。

结合表1、图1可知，除颗粒物外，NO2已成为石家庄市全年第二大污染影响因素，O3成为夏季第二大污染影响因素。石家庄市大气污染特征呈现由“煤烟型”、“混合型”污染向“复合型”污染转变的趋势。2013年至2017年，对大气污染贡献最大的仍为颗粒物，虽然PM10的贡献率逐年降低，但PM2.5的贡献率基本在30%左右波动，说明石家庄市“抑尘”工作应以降低细颗粒物污染為核心。SO2的贡献率逐年降低，表明“压煤”效果突出。鉴于NO2和O3的贡献率呈逐年升高的趋势，“控车”以及加大力度控制工业生产排放的VOCs成为大气污染防治工作的另一个重点。

2.2基于浓度均值的污染贡献率

基于综合指数的各项污染物污染贡献率逐年发生着变化，各项污染物贡献率的变化体现石家庄市大气污染的特征也在不断发生着变化，掌握单项污染物在不同时段的污染贡献率能更有效地对大气污染防治工作起到指导作用。根据式（4），不仅能够计算各项污染物全年逐月的污染贡献率，还可计算各项污染物全年污染贡献率的逐时分布。

2.2.1污染贡献率月分布

2013年至2017年，石家庄市6项污染物的污染贡献率月分布的年际趋势有很强的一致性，结果见图2，6项污染物中PM10，PM2.5，SO2，NO2和CO的污染贡献率月分布整体表现同源性较强，呈“U型”分布，而O3污染贡献率月分布呈“拱型”分布，与其他5项污染物呈现负相关。

1）PM10污染贡献率较大的月份除2017年外，基本分布在1月至3月、10月至12月，这6个月份占全年约50%的天数对全年的污染贡献率分别为60.7%，60.6%，61.7%，68.2%和58.8%。2017年1月、2月PM10的污染贡献率较大（16.6%，10.0%），其他月份的污染贡献率分布均匀。

2）PM2.5污染贡献率较大的月份，2013年为1月（18.4%）、2月（11.6%）、10月（10.2%）、12月（11.8%），2014年为1月（14.6%）、2月（13.4%）、10月（11.3%），2015年为1月（14.6%）、11月（11.3%）、12月（15.8%），2016年为1月（11.3%）、11月（14.1%）、12月（23.7%），2017年为1月（19.9%）、2月（12.5%）、12月（10.0%）。

3）SO2污染贡献率较大的月份基本分布在1月至3月、11月至12月，这5个月份占全年约40%天数的SO2对全年的污染贡献率分别为68.6%，69.7%，69.5%，67.0%和 61.8%。

4）NO2污染贡献率最大的月份除2016年出现在12月份，其余4年均出现在1月份，2013年污染贡献率月最大值为12.8%，2014年为13.0%，2015年为14.6%，2016年为14.2%，2017年为12.4%。NO2污染贡献率较高的月份集中在1月至3月，10月至12月。

5）CO污染贡献率较大的月份集中在1月至2月、11月至12月，贡献率为10%～20%，贡献率较小的月份贡献率仅为5.0%左右，不同月份贡献率差异很大。PM10，PM2.5，SO2，NO2和CO污染贡献率较大的月份与供暖期有很强的一致性。

6）O3的污染贡献率逐月变化趋势与其余5项污染物不同，贡献率较高的月份集中在光照较强的4月至9月，且月份间贡献率的差异较小，贡献率基本在15%左右，其他月份贡献率较小，均在10%以下。2013年至2017年，这6个月份占全年约50%的天数对全年的污染贡献率逐年分别为76.0%，76.6%，71.0%，71.2%，73.0%。

PM10，PM2.5，SO2，NO2和CO污染贡献率的“U型”分布特征与石家庄市的污染气象条件和燃料煤消耗量变化相吻合。由于冬季逆温强度与逆温层厚度大，阻碍污染物稀释扩散的接地逆温现象普遍，污染物稀释扩散能力降低，加上冬季采暖季燃煤量增大，造成PM10，PM2.5，SO2，NO2和CO浓度值较高，贡献率较大。O3与其余5项污染物呈现相反状态，基本呈现夏季高、冬季低的状态，这种现象与夏季太阳辐射较强有关。

2.2.2污染贡献率小时分布

根据图3可知，2013年至2017年石家庄市6项污染物中的污染贡献率逐时变化年际趋势有很强的一致性，污染贡献率“峰值”和“谷值”出现的时段基本相同。

根据不同污染物的逐时污染特征，将0：00至23：00等分为3段（0：00至7：00，8：00至15：00，16：00至23：00）来分析PM10，PM2.5，SO2和NO2污染贡献率的时段分布情况，将0：00至23：00等分为2段来分析CO污染貢献率的分布情况，将0：00至23：00等分为4段（0：00至5：00，6：00至11：00，12：00至17：00，18：00至23：00）来分析O3污染贡献率的时段分布情况，结果见表2。除2015年外，PM10和PM2.5污染贡献率最高的时段均在0：00至7：00。2017年SO2污染贡献率最高的时段在0：00至7：00，其余各年贡献率最高的时段均在8：00至15：00。NO2污染贡献率最高的时段均在0：00至7：00，0：00至11：00 CO污染贡献率较高，12：00至17：00 O3污染贡献率最高。

由分析结果可知，除O3外，其他5项污染物贡献率峰值多出现于凌晨至清晨时段，午后贡献率逐渐下降至谷底，夜间又逐渐上扬，贡献率小时变化呈现“晨峰午谷”的周期性规律。该特征主要与一天内气象条件、污染物排放及城市生活有关。大气辐射逆温变化通常从夜间开始，清晨达到最大，然后逐步减退，至中午左右消失，这种污染气象特征是造成污染贡献率逐时变化呈现“晨峰午谷”规律的主要因素。

3结论

近5年来，针对大气污染防治工作，石家庄市提出了“压煤、抑尘、控车、减排、迁企、增绿”六大措施，集中全力对钢铁、电力、水泥、玻璃行业进行了集中整治，谋划实施了主城区19家污染企业搬迁升级改造工作，持续调整供热能源结构，提高清洁能源供热占比，坚定不移地推进“气代煤”、“电代煤”工作的开展。一系列措施的实施，促进了大气环境质量的全面改善，实现了年均浓度逐年降低的局面。同时，石家庄市的能源结构和工业布局的改变也直接带来了大气污染特征的改变。

目前，人们对大气污染状况的研究多以污染物浓度值的高低来评价污染程度，以浓度值的上升和下降幅度来评价改善程度[13-15]，而从污染构成方面解释污染特征及其变化趋势的研究相对缺乏。本研究通过计算大气污染贡献率，以贡献率为评价对象，定量描述了大气污染特征及其变化趋势。宏观方面，基于综合指数的污染贡献率的计算，将综合指数中6项污染物的污染贡献率进行了量化，明确了城市大气污染物中的主要特征污染物。5年来各项污染物贡献率的变化很好地表征了石家庄市大气污染类型的转变，从而为有针对性地制订大气污染削减方案提供了依据。微观方面，基于浓度均值的污染贡献率的计算，将单项污染物全年中的月份贡献率、全天中的时段贡献率进行量化，将单项污染物的时间污染特征进行细化，方便管理部门有效掌握大气污染关键时段，从而使污染防治工作在时间尺度上有所侧重。本研究中单项污染物长时间序列的污染贡献率的计算结果，可作为大气预测、预报工作的依据，为精准预测、预报提供数据支撑。

笔者对大气污染贡献率的研究仅侧重于时间尺度，尚未对采暖期和非采暖期、污染物浓度达标时段和超标时段的污染贡献率特征展开深入分析，空间尺度的污染贡献率将是今后进一步探讨的另一个方向。

参考文献/References：

[1]李珊珊，程念亮，徐峻，等.2014年京津冀地区PM2.5浓度时空分布及来源模拟[J].中国环境科学，2015，35（10）：2908-2916.

LI Shanshan， CHENG Nianliang， XU Jun， et al. Spatial and temporal distrubions and source simulation of PM2.5 in Beijing-Tianjin-Hebei region in 2014[J]. China Environmental Science， 2015， 35（10）： 2908-2916.

[2]李名升，任晓霞，于洋，等.中国大陆城市 PM2.5污染时空分布规律[J]. 中国环境科学， 2016，36（3）：641-650.

LI Mingsheng， REN Xiaoxia， YU Yang， et al. Spatiotemporal pattern of ground-level fine particulate matter （PM2.5） pollution in mainland China[J]. China Environmental Science， 2016， 36（3）： 641-650.

[3]赵晨曦，王云琦，王玉杰，等.北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系[J].环境科学，2014，35（2）：418-427.

ZHAO Chenxi， WANG Yunqi， WANG Yujie， et al. Temporal and spatial distribution of PM2.5 and PM10 pollution status and the correlation of particulate matters and meteorological factors during winterand spring in Beijing [J]. Environmental Science， 2014， 35（2）： 418-427.

[4]李名升，张建辉，张殷俊，等.近10年中国大气PM10污染时空格局演变[J].地理学报，2013，68（11）：1504-1512.

LI Mingsheng， ZHANG Jianhui， ZHANG Yinjun， et al. Spatio-temporal pattern changes of ambient air PM10 pollution in China from 2002 to 2012[J]. Acta Geographica Sinica，2013， 68（11）： 1504-1512.

[5]程念亮，张大伟，李云婷，等.2000—2014年北京市SO2时空分布及一次污染过程分析[J].环境科学，2015，36（11）：3961-3971.

CHENG Nianliang， ZHANG Dawei， LI Yunting， et al. Analysis about spatial and temporal distribution of SO2 and an ambient SO2 pollution rocess in Beijing during 2000—2014 [J]. Environmental Science， 2015，36（11）：3961-3971.

[6]李名升，任曉霞，周磊，等.中国大气 SO2污染与排放的空间分离分析[J].环境科学学报，2013，33（4）：1150-1157.

LI Mingsheng， REN Xiaoxia， ZHOU Lei， et al. Spatial mismatch between SO2 pollution and SO2 emission in China[J].Acta Scientiae Circumstantiae， 2013， 33（4）：1150-1157.

[7]郑晓霞，李令军，赵文吉，等.京津冀地区大气NO2污染特征研究[J].生态环境学报，2014，23（12）：1938-1945.

ZHENG Xiaoxia. LI Lingjun， ZHAO Wenji， et al. Spatial and temporal characteristics of atmospheric NO2 in the Beijing-Tianjin-Hebei region [J]. Ecology and Environmental Sciences， 2014， 23（12）：1938-1945.

[8]王涛，何浩奇，夏忠欢，等.2015年南京市SO2、NO2、CO和O3的污染特征分析[J].环境工程学报，2017，11（7）：4155-4161.

WANG Tao， HE Haoqi， XIA Zhonghuan， et al. Pollution characteristics of SO2， NO2， CO and O3 in Nanjing in 2015[J].Chinese Journal of Environmental Engineering，2017，11（7）：4155-4161.

[9]严仁嫦，叶辉，林旭，等.杭州市臭氧污染特征及影响因素分析[J].环境科学学报，2018，38（3）：1128-1136.

YAN Renchang， YE Hui， LIN Xu， et al. Characteristics and influence factors of ozone pollution in Hangzhou[J].Acta Scientiae Circumstantiae， 2018， 38（3）：1128-1136.

[10]王占山，李云婷，陈添，等.北京市臭氧的时空分布特征[J].环境科学，2014，35（12）：4446-4453.

WANG Zhanshan， LI Yunting， CHEN Tian， et al. Temporal and spatial distribution characteristics of ozone in Beijing[J]. Environmental Science， 2014， 35（12）：4446-4453.

[11]司瑶冰，刘克利，张静茹.城市发展和气象条件对大气污染的贡献率[J].内蒙古气象，2016（3）：36-38.

SI Yaobing， LIU Keli， ZHANG Jingru. Contribution of urban development and meteorological conditions to air pollution[J]. Meteorology Journal of Inner Mongolia，2016（3）：36-38.

[12]环办〔2014〕64号，城市环境空气质量排名技术规定[S].

[13]李秋芳，任振科.石家庄市区PM2.5时空分布特征[J].河北工业科技，2017，34（1）：64-70.

LI Qiufang， REN Zhenke. Temporal and spatial distribution characteristics of PM2.5 in Shijiazhuang urban areas[J]. Hebei Journal of Industrial Science and Technology，2017，34（1）：64-70.

[14]王玮，李腾飞，李玉潔，等.石家庄市3月份非典型大气污染过程分析[J].河北工业科技，2018，35（2）：145-152.

WANG Wei， LI Tengfei， LI Yujie， et al. Analysis of atypical air pollution process of Shijiazhuang City in March[J]. Hebei Journal of Industrial Science and Technology，2018， 35（2）：145-152.

[15]娄拴柱，刘乙淼，任春雷，等.基于卫星遥感及SPAMS的石家庄市2017年秋冬季首次污染过程研究[J].河北工业科技，2018，35（5）：354-362.

LOU Shuanzhu， LIU Yimiao，REN Chunlei， et al. Study on the first pollution process in autumn-winter of 2017 in Shijiazhuang City based on satellite  remote sensing and SPAMS[J]. Hebei Journal of Industrial Science and Techno-logy， 2018， 35（5）：354-362.第36卷第1期河北工业科技Vol.36，No.1