内蒙古乌海粉尘浓度时空分布及影响因素探析

doi:10.13745/j.esf.sf.2020.10.5

摘要/Abstract

摘要：

于2018年1月与7月采用流动监测法,对内蒙古乌海粉尘颗粒物进行采集,结合监测站数据,研究乌海不同粒径粉尘浓度时空分布规律及影响因素。结果表明:乌海市冬春季粉尘污染远远高于夏秋季,春季污染最严重,夏季污染相对较轻。PM_2.5污染最严重月份为3月,PM₁₀污染最严重月份为4月。一天中粉尘浓度峰值出现在10:00—12:00,谷值出现在16:00—18:00。空间上东部粉尘浓度高值区以条带状分布,中南部和西部以点源放射状向周围扩散。不同土地利用类型内部粉尘浓度特征均不同。工矿用地和城镇内部浓度高于有林地和未利用地,耕地和水体内部浓度最低;工矿用地是乌海市粗颗粒粉尘的主要来源,城镇是乌海夏季细颗粒粉尘的主要来源,水体、耕地和有林地可明显降低空气中颗粒物浓度。总悬浮颗粒物(total suspended particulate,TSP)和不同粒径颗粒物(particulate matter,PM),包括PM₁₀、PM_2.5、PM₁等粉尘浓度与风速、湿度呈正相关,与温度、海拔呈负相关,其中气压是影响TSP浓度的最主要因素,湿度是影响PM_1-10的最主要因素。不同粒径粉尘浓度受到归一化指数、气象、地形等多因素综合制约,单一条件对大气粉尘影响有限。

关键词: 粉尘浓度, 时空分布, 影响因素, 土地利用

Abstract:

In January and July, 2018, the mobile monitoring method was used to collect dust particles from Wuhai, Inner Mongolia. Together with data from the monitoring station, the temporospatial distribution pattern and influencing factors of dust concentration for different particle sizes were studied. The results show that the dust pollution level is much higher in spring and winter than in summer and autumn, with the highest level in spring and relatively low level in summer. The worst month for PM_2.5 pollution March and for PM₁₀ is April. The daily dust concentration peaks between 10-noon and drops to the lowest level between 4:00-6:00 in the afternoon. Areas with high dust concentration are distributed in strips in the east while spread out radially from point sources in the central, south and west. Dust concentration in the industrial, mining and urban areas is higher than in forest and unused lands, while arable land and water body have the lowest dust level. In Wuhai City, the industrial and mining lands are the main source of coarse particulate, while the urban area is the main source of summer fine dust. Water bodies and arable and forest lands can significantly reduce the concentration of airborne particulates. The total suspended particulate(TSP)and individual particulate concentration are positively correlated with wind speed and humidity and negatively correlated with temperature and altitude. Among the influencing factors, air pressure is the most important one affecting TSP concentration, while humidity affects PM_1-10 concentrations the most. The dust particle concentration for different particle sizes is constrained by multiple factors, such as normalization index, meteorology and topography, whereas a single condition has only limited impact on atmospheric dust.

Key words: dust concentration, temporal and spatial distribution, influence factor, land use

中图分类号:

X131.1

张明浩, 赵廷宁, 肖辉杰. 内蒙古乌海粉尘浓度时空分布及影响因素探析[J]. 地学前缘, 2021, 28(4): 118-130.

ZHANG Minghao, ZHAO Tingning, XIAO Huijie. Temporospatial distribution and influencing factor analysis of dust concentration in Wuhai, Inner Mongolia[J]. Earth Science Frontiers, 2021, 28(4): 118-130.

图/表 17

图1 乌海市地理位置示意图

Fig.1 Geographical location of Wuhai City

图2 流动监测点位示意图

Fig.2 Distribution of mobile monitoring points

表1 监测点位统计表

Table 1 Statistics of monitoring points

土地类型	采样点个数
水体	8
耕地	10
有林地	11
城镇用地	13
工矿用地	13
未利用土地	9
总计	64

图3 乌海土地利用类型图

Fig.3 Land use types in Wuhai City

图4 乌海市监测站不同季节粉尘浓度水平

Fig.4 Seasonal dust concentration at the Wuhai monitoring station

图5 乌海市监测站粉尘月均浓度

Fig.5 Monthly average dust concentration at the Wuhai monitoring station

图6 乌海市监测站粉尘日变化曲线

Fig.6 Diurnal variations in dust concentrations at the Wuhai monitoring station

图7 乌海市整体TSP、PM10、PM2.5、PM1浓度分布图

Fig.7 Wuhai City overall TSP, PM10, PM2.5 and PM1 concentration distributions

表2 乌海市整体TSP、PM10、PM2.5、PM1浓度统计值

Table 2 The overall concentration statistics for TSP, PM10, PM2.5, and PM1 in Wuhai City

类型	季节	最小值	最大值	范围	均值	标准差
TSP	夏季	39.31	333.21	293.9	130.79	49.76
TSP	冬季	190.64	1 273.83	1 083.19	393.42	183.02
PM₁₀	夏季	16.05	190.7	174.65	74.71	31
PM₁₀	冬季	101.24	904.77	803.53	213.74	110.32
PM_2.5	夏季	7.79	31.7	23.91	16.42	5.86
PM_2.5	冬季	19.11	66.54	47.44	31.89	9.09
PM₁	夏季	1.75	8.22	6.47	4.02	1.36
PM₁	冬季	4.32	15.66	11.34	8.54	2.33

图8 夏冬两季不同土地类型粉尘浓度统计图

Fig.8 Dust concentration statistics for different land types in summer and winter

图9 乌海市PM10、PM2.5、PM1在TSP中所占比值空间分布

Fig.9 The spatial distribution of PM/TSP ratios in the summer and winter in Wuhai City

表3 乌海市整体TSP、PM10、PM2.5、PM1浓度比值统计值

Table 3 Statistics of PM/TSP ratios for Wuhai City

类型	季节	最小值/%	最大值/%	范围/%	均值/%	标准差
PM₁₀/TSP	夏季	0.46	0.67	0.20	0.57	0.04
PM₁₀/TSP	冬季	0.46	0.61	0.15	0.53	0.03
PM_2.5/TSP	夏季	0.05	0.22	0.17	0.13	0.04
PM_2.5/TSP	冬季	0.05	0.15	0.09	0.10	0.02
PM₁/TSP	夏季	0.01	0.06	0.05	0.03	0.01
PM₁/TSP	冬季	0.01	0.05	0.03	0.03	0.01

图10 夏冬两季不同土地类型粉尘浓度比值统计图

Fig.10 Statistical analysis of dust concentration ratios for different land types in summer and winter

表4 归一化指数与粉尘浓度相关性

Table 4 Correlation between normalized index and dust concentration

指数	TSP			PM₁₀				PM_2.5				PM₁
指数	夏	冬		夏		冬		夏		冬		夏		冬
NDVI	-0.346^**	-0.273^*	-0.333^**		-0.290^*		-0.003		-0.353^**		-0.053		-0.357^**
NDBI	0.393^**	0.284^*	0.373^**		0.277^*		-0.039		0.362^**		0.014		0.363^**
NDWI	-0.426^**	-0.435^**	-0.407^**		-0.435^**		-0.009		-0.539^**		0.054		-0.533^**

表5 归一化指数与粉尘浓度灰色关联分析

Table 5 Gray correlation analysis between normalized index and dust concentration

指数		TSP			PM₁₀				PM_2.5				PM₁
指数		关联度	序号		关联度		序号		关联度		序号		关联度		序号
夏季	NDVI	0.991 9	2	0.992 0		2		0.993 0		2		0.992 9		2
	NDBI	0.355 7	3	0.355 7		3		0.355 6		3		0.355 6		3
	NDWI	0.992 2	1	0.992 3		1		0.993 6		1		0.993 5		1
冬季	NDVI	0.773 2	1	0.769 4		1		0.768 9		2		0.779 9		1
	NDBI	0.410 0	3	0.418 3		3		0.399 9		3		0.402 3		3
	NDWI	0.757 9	2	0.757 3		2		0.771 5		1		0.778 9		2

表6 气象、地形因子与粉尘浓度相关性

Table 6 Correlation between meteorological or topographic factor and dust concentration

粉尘浓度	风速	温度	湿度	气压	海拔	坡度
TSP	-0.068	-0.228^**	0.230^**	-0.129	0.101	-0.141
PM₁₀	0.001	-0.352^**	0.371^**	-0.064	0.030	-0.110
PM_2.5	0.080	-0.618^**	0.709^**	0.218^**	-0.273^**	0.034
PM₁	0.132	-0.626^**	0.721^**	0.254^**	-0.285^**	0.063

表7 气象、地形因素与粉尘浓度灰色关联分析

Table 7 Gray correlation analysis between meteorological or topographic factor and dust concentration

影响因素	TSP			PM₁₀				PM_2.5				PM₁
影响因素	关联度	序号		关联度		序号		关联度		序号		关联度		序号
风速	0.471 8	5	0.489 3		5		0.494 1		2		0.480 5		2
温度	0.552 9	4	0.535 0		4		0.455 7		6		0.410 3		6
湿度	0.560 3	2	0.580 1		1		0.577 4		1		0.511 1		1
气压	0.563 5	1	0.556 2		2		0.478 0		3		0.425 6		4
海拔	0.558 9	3	0.552 1		3		0.466 8		5		0.416 3		5
坡度	0.469 7	6	0.466 9		6		0.472 6		4		0.449 5		3

参考文献 31

[1]	王振波, 方创琳, 许光, 等. 2014年中国城市PM_2.5浓度的时空变化规律[J]. 地理学报, 2015, 70(11):1720-1734. DOI
[2]	张小曳, 孙俊英, 王亚强, 等. 我国雾-霾成因及其治理的思考[J]. 科学通报, 2013, 58(13):1178-1187.
[3]	杨轶戬, 宋宏. 细颗粒物(PM_2.5)对呼吸系统的毒性作用[J]. 卫生毒理学杂志, 2005, 19(2):146-148.
[4]	杨天智. 长沙市大气颗粒物PM_2.5化学组分特征及来源解析[D]. 长沙: 中南大学, 2010.
[5]	唐新明, 刘浩, 李京, 等. 北京地区霾/颗粒物污染与土地利用/覆盖的时空关联分析[J]. 中国环境科学, 2015, 35(9):2561-2569.
[6]	刘辉, 贺克斌, 马永亮, 等. 2008年奥运前后北京城、郊PM_2.5及其水溶性离子变化特征[J]. 环境科学学报, 2011, 31(1):177-185.
[7]	邹滨, 许珊, 张静. 土地利用视角空气污染空间分异的地理分析[J]. 武汉大学学报(信息科学版), 2017, 42(2):216-222.
[8]	王淑英, 张小玲. 北京地区PM₁₀污染的气象特征[J]. 应用气象学报, 2002, 13(增刊1):177-184.
[9]	朱倩茹, 刘永红, 徐伟嘉, 等. 广州PM_2.5污染特征及影响因素分析[J]. 中国环境监测, 2013, 29(2):15-21.
[10]	马雁军, 刘宁微, 王扬锋. 辽宁中部城市群大气污染分布及典型重污染的成因[J]. 城市环境与城市生态, 2006, 19(6):32-35.
[11]	LEE S J, SERRE M L, VAN DONKELAAR A, et al. Comparison of geostatistical interpolation and remote sensing techniques for estimating long-term exposure to ambient PM_2.5 concentrations across the continental United States[J]. Environmental Health Perspectives, 2012, 120(12):1727-1732. DOI URL
[12]	王占山, 李云婷, 陈添, 等. 2013年北京市PM_2.5的时空分布[J]. 地理学报, 2015, 70(1):110-120. DOI
[13]	王占永, 蔡铭, 彭仲仁, 等. 基于移动观测的路边PM_2.5和CO浓度的时空分布[J]. 中国环境科学, 2017, 37(12):4428-4434.
[14]	宋洁, 周素红, 彭伊侬, 等. 基于移动监测的城市PM_2.5污染时空模式研究: 以广州市中心区为例[J]. 热带地理, 2020, 40(2):229-242.
[15]	周岩, 谭洪卫, 胡婷莛, 等. 基于移动监测的城市道路PM_2.5和PM₁₀浓度分布研究[J]. 环境工程技术学报, 2017, 7(4):433-441.
[16]	陈新星, 刘军, 朱志峰. 南京市环境空气流动监测系统质量控制的策略研究[J]. 计量与测试技术, 2020, 47(7):5-7.
[17]	王颖, 霍玉侠, 侯雅楠, 等. 区域规划环评中大气环境监测点位布设研究[J]. 中国环境监测, 2011, 27(6):33-35.
[18]	王正兴, 刘闯, HUETE A. 植被指数研究进展: 从AVHRR-NDVI到MODIS-EVI[J]. 生态学报, 2003, 23(5):979-987.
[19]	刘小磊, 覃志豪. NDWI与NDVI指数在区域干旱监测中的比较分析: 以2003年江西夏季干旱为例[J]. 遥感技术与应用, 2007, 22(5):608-612.
[20]	刘思峰, 蔡华, 杨英杰, 等. 灰色关联分析模型研究进展[J]. 系统工程理论与实践, 2013, 33(8):2041-2046.
[21]	李石华, 王金亮, 毕艳, 等. 遥感图像分类方法研究综述[J]. 国土资源遥感, 2005, 17(2):1-6.
[22]	孙芳芳. 浅议灰色关联度分析方法及其应用[J]. 科技信息, 2010(17):880-882.
[23]	孟燕军, 程丛兰. 影响北京大气污染物变化的地面天气形势分析[J]. 气象, 2002, 28(4):42-47.
[24]	谢舞丹, 吴健生. 土地利用与景观格局对PM_2.5浓度的影响: 以深圳市为例[J]. 北京大学学报(自然科学版), 2017, 53(1):160-170.
[25]	潘骁骏, 侯伟, 蒋锦刚. 杭州城区土地利用类型对PM_2.5浓度影响分析[J]. 测绘科学, 2017, 42(10):110-117.
[26]	顾康康, 祝玲玲. 合肥市主城区PM_2.5时空分布特征研究[J]. 生态环境学报, 2018, 27(6):1107-1112.
[27]	李松, 罗绪强, 徐红勤. 基于GIS的贵州遵义市PM_2.5污染时空特征及变化分析[J]. 环境工程, 2015, 33(11):63-66, 119.
[28]	孙爽, 李令军, 赵文吉, 等. 京津冀大气污染变化规律及其与植被指数相关性分析[J]. 环境科学, 2019, 40(4):1585-1593.
[29]	周兆媛, 张时煌, 高庆先, 等. 京津冀地区气象要素对空气质量的影响及未来变化趋势分析[J]. 资源科学, 2014, 36(1):191-199.
[30]	沈家芬, 冯建军, 谢利, 等. 广州市大气能见度的特征及其影响因子分析[J]. 生态环境, 2007, 16(4):1199-1204.
[31]	潘静, 盖楠. 中国高山及高原边缘过渡区环境中持久性有机污染物研究进展[J]. 环境化学, 2018, 37(5):1002-1012.