北京地区冬春PM_2_5_和PM_省略_水平时空分布及其与(7)

空气环境质量;PM2.5

424

环境科学35卷

度升高，人们开始外出活动，污染排放开始累积，因此颗粒物浓度也随之升高，并在上午上班高峰后，太阳辐射最强的10：00～12：00左右达到一个小高峰．午后，太阳辐射有所减弱，大气及地面的累积温度继续升高，局部温度差异增大，空气流动性增强，使得颗粒物浓度随之稍稍有所缓解．然而由于下午人类活动的增加、下班晚高峰的到来以及城市夜生活的各种能源消耗，颗粒物污染再次呈攀升趋势，直至晚19：00～21：00达到一天中的峰值．此后，随着夜晚

PM10浓度逐渐降低．PM2.5质量浓度的日变的到来，

化与PM10基本相似，但从00：00开始变化趋势较为

滞后，午间波动较为和缓，且颗粒物高峰时段过后，随时间的降低较PM10更为缓慢，这与其自身不易沉降的特性也有一定关系

．

应的气温、相对湿度显著正相关，而与风速显著负相关．此外，北京市冬季相对湿度与风速呈显著负相关（Spearman秩相关系数为－0.583，P＜0.01）．表明当风速较小时，相对湿度较大，该条件有利于大气近地面层保持稳定状态，逆温强度增大，从而不利于PM2.5、PM10等污染物在垂直和水平方向的扩散，加重了颗粒物的积聚污染，使其质量浓度居高不下．而且当冬季气温和相对湿度均处于较高水平时，经

［21］

北京市冬季大雾出现的频率占常会伴有雾产生，［22］

．在该种气象条件下，全年大雾日的27.1%悬浮

的雾滴不仅极易吸附气态污染物，也易捕获空气中

的颗粒物污染物，并有利于二次粒子的转化形成．

PM10与气象因子的相关系数比由表2还可看出，

PM2.5与气象因子的较大，说明冬季气象因子对较大颗粒污染物质量浓度的影响比对细颗粒显著．原因

是在冬季相对湿度增大，风速减小和逆温层加厚等不利气象条件时，粗、细粒子都会发生持续累积，质量浓度均升高．然而，当气象条件转好，利于颗粒物沉降或扩散时，粗粒子比细粒子更易去除，其输送、迁移和沉降的效果均好于细粒子，因此质量浓度降PM10的质量浓度对低趋势比细粒子的显著．因此，相应温、湿度的响应较好．

表2

冬季颗粒物质量浓度与气象因素的Spearman秩相关系数1）Table2

项目

PM10实时浓度PM2.5实时浓度PM2.5/PM10

SpearmancorrelationmatrixbetweenPMmass

气温0.290＊＊0.269＊＊0.174

相对湿度0.672＊＊0.656＊＊0.583＊＊

风速－0.423＊＊－0.410＊＊－0.391＊＊

concentrationandmeteorologicalparametersinwinter

图6北京市PM2.5和PM10的质量浓度日变化情况Fig．6

DiurnalvariationofPM2.5andPM10massconcentrationinBeijing

1）＊＊表示在置信度（双侧）为0.01时，相关性是显著的

33.1

讨论插值误差

2.3

PM2.5和PM10质量浓度与气象因子的相关性气象条件对污染物的扩散、稀释和积累作用已

［19，20］

得到普遍公认，因此，在污染物一定的条件下，

插值结果受采样点范围、采样点密度、采样点属性取值变化以及各自的参数影响．采样点的空间位置对空间差值的结果影响很大，理想的情况是在

［23］

研究区内均匀分布．研究显示，当使用不同空间内插方法进行插值时，所得结果在采样点分布密集的区域差异较小，而在采样点分布稀疏的区域则差

［10］

异较大．但不管用哪一种插值方法，均有误差产生．空间插值不能完全代替观测数据，在有一定数

气象因子的选择对研究其与污染物质量浓度的关系

至关重要．气温、相对湿度、风速等气象条件对于PM2.5和PM10的污染程度有着很重要的影响．而考虑到北京市大气降水主要集中在夏季，冬季降水并不多且不连续，在进行Spearman秩相关分析求秩时可能会出现很高的同分率，从而对检验结果产生不利影响．故在对颗粒物质量浓度与气象因素的Spearman秩相关分析时，不考虑降水因素，仅以相对湿度代替．

PM2.5、PM10的实时浓度与对由表2可以看出，

量的观测数据的基础上，插值结果才会更逼近真

实值．

本研究所选的30个采样监测点在中心城区较为集中，而在近郊区县分布较少．因此，在对北京外