关键词 制造业；大气污染；环境规制；广东
中图分类号 X22 文献标识码 A 文章编号1002-2104(2009)112-0073-05
近年来，在广东经济快速发展的同时，全省污染排放总量也呈上升趋势。2007年广东国内生产总值比上年增长13.6％，工业增加值增长19.8％，增速创近八年新高。但2000―2006年《广东省环境状况公报》的数据显示，2006年广东工业废气排放总量为13584亿m3，年均增长10.2％。广东省空气中的二氧化硫、烟尘和粉尘等主要污染物浓度有所下降，但由于燃烧废气的排放上升，导致空气质量略有下降。2006年全省二氧化硫排放126.7万t，比1990年增长3倍。烟尘、粉尘排放在样本期的后半段呈下降态势，这说明广东的环境规制是有一定成效的。
由于总体污染排放尤其是sch排污量居高不下，广东部分城市空气污染不断加重，全省多数地区酸雨污染仍然严重，其中酸雨酸度最强的是佛山市，酸雨量占总降水量的43.6％。广东省气象局公布的《2007年广东省大气成分公报》显示，2007年广东全省灰霾日数达75.7天，比常年显著偏多，这表明广东省各大城市尤其是珠三角地区大气污染日趋严重。2007年是近50多年来广东灰霾日最多的年份，全省有27个市、县的年灰霾日数破历史最高记录。其中尤以珠三角灰霾较重，年灰霾日普遍在100天以上，其中东莞、新会分别达到213天和238天。灰霾严重表明广东大气尤其是城市大气污染加剧。研究显示，珠三角地区大气中的光化学污染严重，尤其是大气中的细粒子颗粒物比重在增加，造成灰霾天气时能见度明显下降，同时对人体危害更大，造成人体呼吸道、心脑血管、肝、肺等内脏受损。因此，要实现经济发展与环境保护的协调发展，需要理解产业特征、环境规制与污染排放之间相互作用的复杂机理。
以往有关环境规制的研究往往集中于产业区位布局、生产率减污支出的效应，而几乎没有关注产业特征，如产业的资本密度、产业规模、产业能源消耗和R&D支出与污染排放的关系。例如，Gary和Shadbegian(2003)检验了造纸行业环境规制活动与空气和水污染的排放关系，发现减污支出和受污染影响居民的特征会减少污染排放。本文以广东省制造业为例，集中研究产业特征、环境规制和污染排放强度的相互关系，从而有助于评价污染排放的各个决定因素的相对重要性，并为政府制定有效的节能减排政策提供理论与经验依据。
1 基于产业特征的污染排放机制模型分析
本文采用世界银行Pargal和Wheeler(1996)的研究模型，考察产业的污染排放机制。该模型认为，污染排放相当于一种商品，其均衡水映了各产业对环境服务的需求及社会对环境服务的供给的相互作用关系。
1.1污染需求
决定产业环境需求的因素包括能源、要素密度、产业规模、生产效率、现代生产工艺的采用以及技术创新。
(1)能源投入。大多数空气污染物来自矿物燃料的燃烧。我国产业结构重型化趋势明显，对原材料和能源的需要也增多。而产业生产过程中使用的矿物燃料越多，对污染的需求也越多。因此，高能耗的产业往往是污染产业。
(2)要素密度。①物质资本密度与污染。最近的一些研究显示，美国和英国单位产值减污成本最高的产业同时也是物质资本密集型产业(Antweiler等，2001)。因此，依赖机械设备的产业比依赖劳动投入的产业产生的污染较多，部分原因是产业的物质资本密度与能源密度之间具有一定的相关性。②人力资本密度与污染。人力资本密度与污染的关系较为复杂。一方面，与低技术产业相比，高技术的人力资本密集型产业往往是效率较高、污染较少的清洁产业。另一方面，低技术的劳动密集型产业也可能较为清洁，因为污染产业通常需要较高的人力资本(熟练劳动)来维持。因此，人力资本密度与污染排放强度之间的关系是不确定的。
(3)企业规模。企业规模是指产业中单个企业的附加值。一方面，产业的总产出与污染排放之间存在负相关关系，即产出的增加使单位产出的污染排放下降，这说明资本使用以及污染控制可能存在规模经济。另一方面，规模大的企业更容易成为政府环境管理机构监控的目标，这在一定程度上抵消规模收益。因此，企业规模与污染排放强度之间的关系是不确定的。
(4)效率。污染排放与效率呈负相关关系。具有效率的产业往往是单位产出污染排放较少的产业。
(5)现代生产工艺的采用。新建企业或采用现代生产工艺的企业更为清洁。由于环境规制不断提高，现代的生产工艺往往更加节约资源，因此，单位产出的污染排放也较少。
(6)技术创新。产业的技术创新会减少污染需求。企业进行技术创新的目标就是实现工艺创新。而工艺创新可以提高效率，增加废物循环利用，减少原材料投入，从而减少单位产出的污染排放。
1.2污染供给
环境规制包括正式规制和非正式规制。正式规制是指政府代表公众利益对污染实施控制，包括传统的命令和控制方法以及经济手段，如污染税和排污权交易。发展中国家由于正式规制较弱甚至缺失，因此，公众通过谈判或游说的非正式规制更为明显(Pargal and Wheeler，1996)。
2 计量模型与数据说明
被解释变量E表示单位产值的污染排放，本文使用空气污染物中三种不同污染物的排放强度(s02、烟尘和粉尘)对方程进行估计。变量ai和di分别表示产业和年份的特定效应。本文使用19个制造业和7年(1999―2005)的面板数据进行估计。所有的货币单位都以1990年为基期进行折算以剔除通货膨胀的影响。这19个制造业分别是：非金属矿物制品业、水泥制造业、造纸及纸制品业、农副食品加工业与食品加工制造业、通信设备、计算机及其他电子设备制造业、化学原料及化学制品制造业、仪器仪表及文化、办公用机械制造业、塑料制品业、皮革、毛皮、羽(毛)绒及制品业、纺织服装、鞋和帽制造业、医药制造业、有色金属冶炼及压延加工业、交通运输设备制造业、通用设备制造业和电器机械及器材制造业、印刷业、记录媒介
的复制、石油加工及炼焦业、化学纤维制造业、橡胶制品业、黑色金属冶炼及压延加工业。
本文的污染排放数据来源于相关年份的《广东省统计年鉴》和广东省环保局提供的环境统计数据。其他变量的数据均来自相关年份的《广东省工业统计年鉴》和《广东省统计年鉴》。
从表1中我们可以看出，根据污染物的不同，工业内部的不同产业污染排放强度的差别很大，最大值与最小值之比的变动幅度分别为7861.67：1(烟尘排放强度)一60 921.00：1(粉尘排放强度)。这就意味着，即使是产业结构发生的变动很小，产业平均污染密度也可能发生较大的变动。因此，本文以广东省制造业为例，集中研究产业特征、环境规制和污染排放强度的相互关系。
2.1对需求变量的说明
如上所述，广东的大气污染严重，因此本文侧重于对大气污染产业特征的研究。Nit表示单位产值的能源消耗，包括煤、焦炭、原油、柴油、煤油、汽油、天然气和电力的消耗。物质资本密度PCI以单个工人创造的附加值的非工资部分衡量，即，(产业附加值一工资)／就业人数。人力资本密度HCI以单个工人创造的附加值中支付给熟练工人工资的比重衡量，即工资／产业附加值一非熟练工人工资×就业人数。规模变量SIZEit以单个企业的附加值衡量，即某一产业的附加值／该产业的企业数目。现代生产工艺CAPit是产业的资本支出占附加值的比重，本文以《广东省统计年鉴》中“按行业分城镇固定资产建设和投资总规模”衡量资本支出。产业的资本建设投资越大，产业的机械设备就会越新，因此该数据是衡量产业采用新工艺的较好指标。RDit以《广东省统计年鉴》的新增固定资产衡量。
2.2对供给变量的说明
方程中的REG是一组反映正式和非正式规制的向量。我国《大气污染防治法》第三条规定，国家采取措施，有计划地控制或者逐步削减各地方主要大气污染物的排放总量。地方各级人民政府对本辖区的大气环境质量负责，制定规划，采取措施，使本辖区的大气环境质量达到规定的标准。这意味着，地方政府对国家没有制定标准的项目有权限自行设定地方标准。因此，当地方政府实施这些环境标准时就会考虑本地区的经济和社会条件。
由于环境规制具有地方性特征，因此需要分析正式规制和非正式规制的地方层面的影响因素。衡量正式规制的指标如下：第一，地区的污染投诉率。其含义是地区的污染投诉数量／该地区的产值。第二，地区的失业率。由于地方政府实施正式规制取决于当地的社会问题，因此使用失业率衡量地区的社会状况。失业率影响地方环境规制的原因有两个：第一，一个地区的失业率越高，投入污染治理的资源就越少；第二，如果污染企业能提供就业机会，地区的公众会容忍这些企业的存在，这种效应在高失业率地区尤其明显。因此，高失业率会导致宽松的环境标准和吸引更多的污染企业。
衡量非正式规制的指标如下：第一，收入。相关研究表明，收入与规制之间存在一定的联系(Daspupta等，2001)，收入越高的地区，对清洁环境的需求越强。富裕地区对污染影响的关注程度高于贫困地区。同时，一个地区的就业机会越多，向政府进行游说以反对污染企业的集体行动的力量越大。本文使用失业率衡量地区收入。
第二，人口密度。一方面，地区的人口密度越高，意味着受污染影响的人口越多，因此反对这些污染企业的公众也越多。另一方面，高人口密度地区的排污效应与人口密度低的地区相比，不易引起公众的注意。因此，人口密度对污染排放的影响并不确定。
第三，人口因素。人口因素包括年龄结构和受教育程度。年轻人口比重高的地区更为关注污染问题，对污染企业进行游说的可能性也越大。本文以15岁以下人口衡量年龄结构这一变量。另外，如果一个地区的人口受教育程度低，对环境污染的后果意识就不强。而且，这些地区可能对现有的正式规制渠道的使用也非常有限。因此，污染企业倾向于布局在教育程度较低的地区。本文以地区获得高等教育人口的比重衡量受教育程度。
由于本文的污染数据和产业特征数据要求产业层面而非地区层面的数据，而上述衡量规制指标的变量都是地区层面的数据，因此，需要把地区层面的规制数据相对应转化为产业层面的数据。下面以污染投诉这一变量为例说明如何进行转换。
其中，下标i、r和t分别表示产业、地区和年份，s表示地区r的产业i的产出占全国该产业的比重，PROSit表示地区r的污染投诉占该地区总产出的比重。因此，某一产业占该地区的产出比重越高、污染投诉率越大，PECoprns的值越大。其它变量如地区失业率(REG)、人口密度(REGm)、人口年龄结构(REGagepop)和教育水平(REC-edu)的计算方法相同。这些变量用广东省21个地级市的数据计算而得。
3 计量结果
表1是使用固定效应和随机效应方程的估计结果。通过对固定效应模型和随机效应模型的豪斯曼检验(HausmanTest)，结果显示，对SO2而言，Hausman检验的概率值为0，000，因此可以拒绝原假设，即解释变量与误差项存在一定的关系，使用固定效应模型更优。对于烟尘和粉尘而言，Hausman检验的概率值分别为0.754和1.000，因此无法拒绝原假设，使用随机效应模型更优。所以，对于SO2本文侧重于讨论固定效应模型，对于烟尘和粉尘侧重于讨论随机效应模型。
3.1污染需求变量的估计结果
表2显示，三种污染物的排放强度作为被解释变量的估计结果表明，能源密度与污染排放强度呈正相关且统计上显著。另外，烟尘和粉尘的排放强度作为被解释变量的估计结果中，物质资本密度、人力资本密度与烟尘和粉尘的污染排放强度呈正相关，这说明物质资本和人力资本密度高的产业同时也是高污染密度产业。人力资本密度的符号在理论预期上是不确定的，但估计结果表明，高人力资本产业往往污染密度更大。这一结果与美国和英国的产业特征一致，这一观点在国内首次提出。
表2还显示，烟尘和粉尘作为被解释变量的估计结果中，企业平均规模与烟尘和粉尘的排放强度呈负相关。但是，资本支出作为现代生产工艺替代变量在统计上并不显著。SO2和粉尘估计方程的结果中，R&D与SO2和粉尘的污染排放强度呈显著的负相关。
3.2污染供给变量的估计结果
表2显示，SO2作为被解释变量的估计结果中，人口密度与SO2的排放强度呈正相关，这说明人口密度越高的地区，产业的污染排放量越大。这是由于人口密度高的地
区，污染企业不易发现，因此规制压力小，产业的污染密度高。另外，教育程度与SO2、烟尘和粉尘的排放强度呈显著的正相关，这说明地区人口的受教育程度越高，环境规制越严格，污染排放越小。人口密度与各污染排放物的关系不显著。
4 结论和政策建议
4.1结论
由于产业特征与污染排放之间的联系紧密，因此对于政府部门和企业而言，理解影响产业污染排放强度的产业特征至关重要。本文使用广东省19个制造业2000―2006年的数据对产业污染排放强度的影响因素进行研究。结果表明，污染排放强度与能源使用、物质资本密度和人力资本密度存在正相关关系。另一方面，污染排放强度与企业规模和R&D支出呈正相关关系。污染排放强度与资本支出呈负相关，但统计上并不显著。
就环境规制变量而言，本文使用污染投诉率衡量正式规制，估计结果显示，该变量对污染排放强度的影响为负且统计上显著。地区人口密度、失业率、年龄结构和受教育程度对污染排放强度有影响但不显著，这说明非正式规制的作用还不是很明显。
4.2政策建议
(1)根据能源使用密度与污染排放的关系，提出区别污染产品与清洁产品的污染税。本文的结果表明，如果规制指向能源使用，成效将会较为显著。尽管能源使用的下降将会减少污染密度，但根据能源的污染含量而征收不同的能源使用税对一些污染物(例如SO2)将起到明显的作用。因为产业不但具有减少能源使用的动机，而且还具有转向使用清洁能源的动机。例如，转向低硫排放的煤炭或者从煤炭转向天然气。
(2)根据物质资本密度与污染排放的关系，需要辅之以其他政策来抵消物质资本密度不断提高导致的污染排放上升。如果我国制造业的资本累积密度不断提高，这意味着物质资本密度和人力资本密度也随着不断提高。由于这两个产业特征变量会增加污染排放强度，这是政策制定者面临的需要接受和克服的难题。尽管我国在劳动密集型产业上具有明显的优势，但FDI的流入加快了资本的累积进程，这意味着资本密集型产业将逐步获得比较优势。因此，随着我国对外开放程度的加深，污染排放必呈上升态势。
关键词：大气有机污染物；颗粒物；相关性
大气有机污染物会影响人体健康和动、植物的正常生长，干扰或破坏生态平衡。文章利用苏州的大气有机污染物观测资料和颗粒物资料，分析了有机污染物的日变化特征、季节变化特征及其与颗粒物浓度之间的关系。
1 有机污染物的日变化特征
如图1所示，苯、丙烷、丙烯、BC、甲苯、间，对二甲苯、邻二甲苯、EC、OC、异丁烷、正丁烷日变化基本上呈现“双峰双谷”分布，峰值分别在上午与下午/夜间取得，谷值则分别在中午和凌晨取得。由此可见，有机污染物的日变化与人类活动和大气层结稳定度是紧密相关的。
2 有机污染物的季节变化特征
图2为苏州市苯、丙烷、丙烯、BC、甲苯、间，对二甲苯、邻二甲苯、EC、OC、异丁烷、正丁烷的季节变化图。丙烷、甲苯、邻二甲苯、EC、OC、异丁烷和正丁烷在秋季取得最大值；苯、丙烯、BC、间，对二甲苯则在冬季取得最大值。秋冬季节出现高值与PM2.5、PM10、SO2、NO2、CO的最大值类似，但是这些污染物的最小值大部分不在夏季取得，与PM2.5、PM10、SO2、NO2、CO差异显著。
3 有机污染物与颗粒物浓度之间的相关性
图3为PM2.5与苯、丙烷、丙烯、BC、甲苯、间，对二甲苯、邻二甲苯、EC、OC、异丁烷、正丁烷的相关性图，发现均为正相关，其中PM2.5与EC高度相关，与苯、丙烷、丙烯、BC、甲苯、间，对二甲苯为显著相关，与OC、异丁烷、正丁烷低度相关。正相关性表明PM2.5与这些污染物具有一定的同源性，同时这些污染物是光化学反应的重要组成部分，它们的存在有利于PM2.5的生成和浓度的增加。
图4是PM10与上述这些污染物之间的相关性图。图中显示均为正相关，但与PM2.5相比，相关系数明显减小。这主要是由于PM10中的大粒子来源主要是扬尘等，并非来自这些污染物参与的化学反应。
4 结束语
苏州市大气污染中的苯、丙烷、丙烯、BC、甲苯、间，对二甲苯、邻二甲苯、EC、OC、异丁烷、正丁烷浓度日变化基本上呈现“双峰双谷”分布，峰值分别在上午与下午/夜间出现，谷值则分别在中午和凌晨出现。由此可见，有机污染物的日变化与人类活动和大气层结稳定度是紧密相关的。
上述特殊污染物均在秋或冬季出现最大值，这与PM2.5、PM10、SO2、NO2、CO的最大值类似，但是这些污染物的最小值大部分不在夏季出现，与PM2.5、PM10、SO2、NO2、CO浓度的季节变化存在差异显著。
根据相关性分析可知，PM2.5与苯、丙烷、丙烯、BC、甲苯、间，对二甲苯、邻二甲苯、EC、OC、异丁烷、正丁烷均为正相关，其中PM2.5与EC高度相关，与苯、丙烷、丙烯、BC、甲苯、间，对二甲苯为显著相关，与OC、异丁烷、正丁烷低度相关。正相关性表明PM2.5与这些污染物具有一定的同源性，同时这些污染物是光化学反应的重要组成部分，它们的存在有利于PM2.5的生成和浓度的增加。
关键词：颗粒物 污染气体 季节变化 月变化
中图分类号：X517 文献标识码：A 文章编号：1674-098X（2015）09（b）-0131-03
随着城市化进程的发展，环境问题日益突出，雾霾频发，大气污染严重，尤其是长三角、京津冀等经济发达地区，而且大气污染呈现出煤烟型和机动车尾气型共存的复合型特征[1]。具体表现为：颗粒物浓度居高不下，仍然是我国绝大多数城市的主要污染物；同时，多个城市出现了光化学烟雾，SO2、NO2和O3浓度很高[2]。大气污染严重危害人体健康，因此值得深入研究。
该文将利用常州市和苏州市环境监测中心的颗粒物和气体污染物资料，研究它们的月变化和季节变化特征。
1 资料
该文所用资料来自常州市和苏州市环境监测中心，资料包括2010年全年的PM2.5、PM10、SO2、NO2、CO及O3资料。所用仪器为美国赛默飞世尔公司生产的PM2.5监测仪、PM10监测仪、SO2监测仪和NO2监测仪，以及美国自动精密工程公司生产的CO监测仪和O3监测仪。
2 常州大气污染物的月变化特征
图1a和b表明，PM2.5、PM10质量浓度月变化总体说来基本一致，均在1月份出现最大值，PM2.5质量浓度最小值出现在9月，PM10质量浓度最小值出现在7月。对于PM2.5质量浓度变化情况来说，1～9月总体呈下降趋势，其中7月份略有回升；9～11月呈上升趋势，其中10～11月变化较为缓慢；11～12月，浓度迅速下降。对于PM10质量浓度变化情况来说，1～7月总体呈下降趋势，其中3月略有回升；7～11月呈上升趋势；11～12月，PM10质量浓度迅速下降。
SO2质量浓度的变化情况（图1c）表明，SO2质量浓度最大值出现在5月，最小值出现在7月。1～2月份，SO2质量浓度迅速下降；2～5月，呈现出迅速上升的态势；5～12月，总体呈波动下降趋势，其中5～6月，下降速度最快；10～11月，SO2质量浓度再次上升；11～12月，再次下降。NO2质量浓度的变化情况（图1d）与SO2总体变化趋势基本一致，但最大值出现在1月；1～2月，NO2质量浓度迅速下降；2～4月，迅速上升；4～9月，呈下降趋势，其中7、8、9三月变化较为缓慢；9～10月，再次上升；10～12月，NO2质量浓度又一次下降。而CO质量浓度变化特征（图1e）较为简单，1～9月，呈现出波动下降的趋势；9～12月，呈上升趋势。O3质量浓度变化特征（图1f）基本成对称分布，最大值出现在6月；1～6月，总体呈波动上升趋势；6～12月，总体呈波动下降趋势。
3 常州大气污染物的季节变化特征
从图2a和图2b可知，PM2.5和PM10秋、冬季节浓度较高，其中秋季质量浓度最高，而夏季浓度最低。夏季太阳辐射增强，地表增温快，大气对流发展强烈，易于污染物的扩散。且夏季多降雨过程，湿沉降使大气中的污染物减少，故夏季PM2.5、PM10质量浓度最小。而秋、冬季大气层结较为稳定，加之雨水相对减少，故污染物浓度较高。春季PM2.5、PM10浓度亦较高，这主要是由于风速大，导致地面扬尘增加，颗粒物浓度升高。
整体而言，SO2、NO2和CO（图2c、图2d、图2e）在夏季浓度最低，SO2、NO2最大值出现在春季，CO最大值出现在冬季。O3浓度在夏季取得最大值（图2f），与夏季光化学反应最强有关。
4 苏州大气污染物的月变化特征
由图3a可知，PM2.5在1月份出现最大值，7～9月出现最小值；从1月到2月，PM2.5浓度迅速下降，之后2～6月份，浓度较为稳定，振荡变化；从6～7月，PM2.5再次减小，9月之后，浓度迅速增大。图3b表明，PM10在3月出现最大值，在8月出现最小值。从1～2月浓度骤减，在3月份又迅速增加；从3～8月，浓度逐渐下降；之后又逐步上升。
由图3c可知，SO2质量浓度在1月和12月浓度最高，2～9月浓度振荡，9月最小，其中在4月和8月出现次极大值。图3d表明，NO2最大值出现在11月份，从1～7月，浓度整体而言在下降，在4月出现次极大值，从7～11月浓度迅速增加。图3e表明，CO质量浓度在11月取得最大值，从1～10月CO浓度比较稳定。由图3f可知，O3浓度呈现单峰分布，在8月出现最大值。
5 苏州大气污染物的季节变化特征
从图4a和图4b可以看出，PM2.5、PM10秋、冬季节浓度较高，而夏季浓度最低；整体而言，SO2、NO2和CO（图4c、图4d、图4e）在夏季浓度最低，SO2最大值出现在冬季，NO2、CO最大值在秋季；O3浓度在夏季取得最大值（图4f）。夏季太阳辐射强，光化学反应速率大，导致O3的产生率大；同时夏季大气层结不稳定，污染物容易扩散，所以PM2.5、PM10、SO2、NO2和CO在夏季浓度最低。
6 结语
（1）常州市和苏州市PM2.5、PM10质量浓度月变化不一致，常州市PM2.5、PM10浓度最大值均出现1月份，最小值分别出现在9月、7月；苏州市PM2.5浓度在1月份出现最大值，7～9月出现最小值，PM10浓度在3月出现最大值，在8月出现最小值。
常州市SO2质量浓度月变化最大值出现在5月，最小值出现在7月；苏州市SO2质量浓度在1月和12月浓度最高，9月最小。常州市NO2质量浓度月变化最大值出现在1月，最小值出现在12月；苏州市NO2浓度最大值出现在11月份，最小值出现在7月。常州市CO质量浓度月变化最大值出现在1月，最小值出现在9月；苏州市CO质量浓度最大值出现在11月份，最小值出现在9月。常州市O3质量浓度月变化最大值出现在6月，最小值出现在1月；苏州市O3浓度最大值出现在8月份，最小值出现在1月。
（2）常州市、苏州市PM2.5、PM10浓度秋、冬季节浓度较高，而夏季浓度最低。常州市、苏州市SO2、NO2浓度在夏季最小，常州市SO2、NO2浓度最大值出现在春季；苏州市SO2最大值出现在冬季，NO2最大值出现在秋季。常州市、苏州市CO浓度在夏季最小，常州市CO浓度在冬季最大，苏州市CO浓度在秋季最大。常州市、苏州市O3浓度在夏季最大，冬季最小。与夏季光化学反应最强有关。
参考文献
关键词：北仑 空气质量 特征
中图分类号：X22 文献标识码：A 文章编号：1007-3973(2011)005-109-03
1. 前言
随着工业化发展进程的加快和人们对于环境需求的不断提升，环境空气污染已经成为目前城市发展所面临的最为突出的难题之一，环境空气质量的好坏不仅直接影响到城市居民的健康，而且给周边动植物的生长和文物古迹的保护等都有直接或者间接的影响。为此，王宏等结合气象条件对福州市的环境空气质量情况进行了特征分析，并得出了气象与环境空气质量之间的一些相关性，而刘新玲等和杨书申等分别对比分析了山东五城市和北京、上海两城市之间的大气污染特征，均认为由于不同城市之间气象因素、企业类型、企业规模等方面的不同会有不同的环境污染特征和成因。
北仑区作为一个临港大工业基地，集中了包括北仑电厂、宁波钢铁厂、台塑化工、吉利汽车、申洲织造公司等在内的众多大型企业，这些大型企业对北仑的环境空气影响究竟如何已经成为北仑区政府和老百姓关注的焦点，也是北仑区进一步打造适合移居城市的必要参数之一。本文通过深入分析2010年度北仑区域内三套环境空气自动站的监测数据，对北仑区的环境空气质量特征和污染来源进行了系统的研究，并针对现状提出了一些相关的建议。
2. 实验方法
2.1 监测点位及监测项目
2.1.1 监测点位
北仑区域目前共设置三个大气环境空气质量自动监测点位，分别位于城中(监测站)，城东(宁波钢铁厂宿舍区)，城西(青峙变电所)，其中城东和城西位于工业区周边。
2.1.2 监测项目
可吸入颗粒物(PM10)，二氧化硫(SO2，氮氧化物(NOx)。
2.2 监测仪器和方法
采用三个固定的环境空气自动站(美国热电环境仪器有限公司)进行连续24小时自动监测，并对小时均值、日均值、月均值、年均值进行数据统计分析。其中仪器设各原理和型号为：(1)PM10的测定：β射线法。仪器为FH62C-14型可吸入颗粒物分析仪。(2)SO2的测定：紫外脉冲荧光法。仪器为43C型二氧化硫分析仪。(3)NOx的测定：化学发光法。仪器为42C型二氧化氮分析仪。
3. 结果与讨论
3.1 污染物浓度的季节变化规律
图1、图2、图3清楚的显示了城中、城东、城西点位的SO2、NO2、PM10的月均值浓度情况，显然，每个点位的SO2、NO2、PM10的浓度随着季节的变化，始终呈现出一、四季度高，二、三季度低的变化趋势，这一结果与董蕙青等对广西主要城市的研究结果基本一致，但是与刘新玲等的对于山东五城市的大气特征研究结果(主要是SO2浓度)则略有差异，这种差异主要来自于北方典型的冬季燃煤采暖因素的影响，故南方地区冬季的污染物浓度基本与春季差别不大，而且相比于北方城市总体上浓度要低的多；此外，北仑区地属亚热带季风气候区，又临东海，四季分明，受到这样季节性气候变化的影响，北仑区域气候情况总体上表现为一、四季度空气比较干燥，昼夜温差明显，大气逆温现象频率较高，不利于污染物的传输扩散，此外，较低的湿度和无植被覆盖的地面也加剧了污染，尤其是可吸入颗粒物在环境空气中的高浓度，而二、三季度太阳辐射强度强，逆温层的生成时间缩短，大气对流活动旺盛，污染物扩散较好，此外，夏季较多地降雨也使得污染物得到了溶解和冲刷作用，因此，总体上环境空气质量较好。
3.2 污染物浓度的日变化规律分析
为了考察三个污染因子在一天当中的浓度变化情况，随机抽取了2月、4月、6月、8月、10月和12月的一天对这三个因子的浓度变化情况进行分析，结果如图4、图5、图6所示，显然SO2在08：00～12：00范围内呈现出一个浓度的最高峰，凌晨和夜间浓度最低；而NO2和PM10情况则基本一致，均呈现出两个波峰和一个波谷的情况，具体的来看，NO2的两个波峰分别出现在09：00和17：00左右，波谷则出现在13：00左右，而PM10的波峰和出现时间分别为08：00左右、18：00左右和14：00左右，总体上两者每天浓度的波动情况相似，这个结果与马彬等对深圳市环境空气的研究结果基本一致，只是在出现峰谷值的时段略有差异，环境空气污染日变化趋势不仅和人们的生产／生活等活动有关而且还和每天的气象变化存在一定的相关性，即早上08：00～09：00左右是上班的高峰期，而下午17：00～18：00是下班的高峰期，这两个高峰期内均显示了较高浓度的NO2和PM10，而中午13：00～14：00以及凌晨和夜间均为休息时间，这一时段机动车少，企业生产和排放的污染物也较少；而SO2的波峰则与不利气象条件有关，即08：00～12：00，是太阳照射地面，地面温度上升，空气对流加强，夜间形成的逆温层遭到破坏，高空排放的二氧化硫向低层注入，而导致这一时段二氧化硫浓度峰值。
3.3 污染物的来源分析
为了考察北仑区域SO2，NO2、PM10三个污染因子的污染源情况，表1、表2、表3分别列出了这三个污染因子在不同点位的年均浓度、节假日浓度以及非节假日浓度情况，显然除了城西点位的PM10外，三个点位各个污染因子之间的差别不大，这可能是由于北仑区域的污染主要来自于机动车尾气和大工业企业的污染物排放，机动车本身的流动性和大工业企业的高空排放都有利于污染物在北仑区域的快速扩散，从而使得污染物浓度在三个点位基本分布均匀，而城西点位的PM10浓度偏高则可能是由于城西点位附近土地正处于开发建设阶段，由其导致的建筑施工扬尘引起了局部的可吸入颗粒物浓度偏高。
为了进一步的考察工业企业和机动车对SO2、NO2、PM10三个污染因子的贡献程度，对三个点位在节假日和非节假日的污染物浓度情况进行了对比研究，显然，三个污染因子在三个不同点位上均都显示了非节假日浓度要高于节假日的趋势，由此可以看出，北仑区域的工业企业对于这三个污染物的浓度均存在一定程度的贡献，但是从比例的数据上来看，高出的浓度并不显著，其中相差最大的是SO2的节假日／非节假日浓度比例，其节假日比非节假日浓度高20％～30％，这说明工业企业对于污染物的贡献并不是北仑区域SO2、NO2、PM10三个污染因子的主要来源，其对污染的贡献是相对有限，更多的污染主要还是来自于北仑区域越来越多的机动车所产生的尾气，这个结果和王淑云等所提出的许多城市的机动车尾气是污染的次要因素不一致，此外，SO2企业贡献比例相对较高可能与北仑区域的宁波钢铁厂、北仑电厂等大燃煤企业有关，其燃煤产生的SO2对于区域SO2污染存在较大贡献。
4. 结论与建议
北仑区的环境空气质量存在典型的季节性特征和日变化特征。受典型季节气候的影响，存在典型的季节性污染物浓度变化，总体上表现为一、四季度污染严重，二、三季度空气质量较好；受日气象条件变化和人们生产活动的影响，SO2、NO2和PM10三个污染因子浓度在一天中分别表现为一个波峰，两个波峰一个波谷和两个波峰一个波谷的变化趋势。
北仑区的污染物主要来自机动车尾气的排放，其次是区域内大工业企业的排放主要表现为北仑电厂等大燃煤企业对SO2的贡献。
通过对污染物来源的分析，建议进一步加强做好以下几个方面的工作：
(1)由于污染物的主要来源是机动车尾气的排放，故一方面需要倡议政府部门和公众公车或私车的使用频率，做到尽量坐公交车；而另一方面要加强机动车的准入制度，对于不符合国家相关排放标准的机动车禁止使用，提倡低能耗、低排放的清洁车。
(2)要提高对于北仑区的三座环境空气自动站数据的反应敏感性，尤其是城东和城西点位，要加强实时监控，对于异常情况，及时通知监察大队和重大项目监管科等相关科室，并对异常情况进行实时跟踪。
(3)除了常规的几项污染因子外，作为一种监控手段，有必要对一些周围具有特征排放因子的污染物实行实时监控。随着城东和城西两个自动站在线色谱项目的开展，这两个环境空气自动站无疑会成为对周围台塑、化工码头、宁波钢铁等等产生有机物特征污染因子的企业异常情况监控的排头兵，通过这样的一种监控手段，结合北仑区环境监测站的应急监测车和实验室分析，并与其它职能科室相配合，可以建立一套完整、可靠、有效的环境预警机制，这对于北仑区这样一个临港大工业基地是必要的也是必需的。
参考文献：
[1]郭二果，王成，彭镇华，等，城市空气悬浮颗粒物理化性质及其健康效应[J]，生态环境，2008，17(2)：851-857.
[2]黄虹，李顺诚，曹军冀，等，空气污染暴露评价研究进展[J]，环境污染与防治，2005，27(2)：118-121.
[3]车汶蔚，郑君瑜，邵英贤，等，珠海市大气污染时空分布特征及成因分析[J]，中国环境监测，2008，24(5)：82-87.
[4]张菊，苗红，欧阳志云，等，近20年北京市城近郊区环境空气质量变化及其影响因素分析[J]，环境科学学报，2006，26(11)：1886-1992.
[5]陈晶，张礼俊，钟流举，珠江三角洲空气质量现状及特征[J]，广东气象，2008，30(4)：15-17.
[6]王宏，林长城，蔡义勇，等，福州市空气质量时空变化及其与天气系统关系[J]，气象科技，2008，36(4)：480-484.
[7]刘新玲，王晓明，李小明，2004－2008年山东中西部五城市大气污染变化特征[J]，科学技术与工程，2008，8(12)：3390-3396.
[8]杨书申，邵龙义，杨园园，北京、上海两地2004和2005年大气污染特征对比分析[J]，长江流域资源与环境，2008，17(2)：323-327.
[9]董葸青，谢宏斌，郑凤琴，2003广西主要城市空气质量评价及空气污染物浓度与气象条件关系[J]，广西气象，2004，25(1)：36-39.
[10]马彬，陈志诚，梁鸿，等，深圳市几种空气污染物浓度日变化特征分析[J]，中国环境监测，2004，20(5)：47-53.
随着气候的发展变化以及污染问题加剧,开展污染问题研究及管理越来越受到人们的重视。对于城市的空气污染来说,它是较为常见的一个问题,同时也表现的较为复杂,因为城市的空气污染是一个复杂的现象,它会在不同的时间段或者是地点受到多种因素的影响,尤其是其污染浓度的分布问题。而要检测一个城市的空气质量,那么就要分析其空气污染的指数(API),在空气质量检测上它是较为常用的一个指标,一般会按照这些指标的差异进行空气等级的划定。当前情况下,我们研究城市的空气污染问题就要通过对空气污染指数的检测来进行。
1对于城市空气污染分布的基本认识
城市空气污染分布是不均匀的,那么这种不均匀具有哪些特征呢？在城市空气污染管理的过程中,我们需要对其进行全面的分析和探讨。对此,笔者以珠三角地区的广东省为例进行分析。其中,我们在珠江三角洲的广泛区域内建立相应的空气质量检测管理站点,通过站点进行日常的空气质量污染数据收集和统计,进而对其分布的规律和成因进行了分析。当然,在进行城市空气污染分布分析的过程中,还需要进行动态的研究,因为局部区域的影响因素是多变的,要想全面的了解和掌握相关的变化特征,需要长期的进行动态分析,以减少其局限性。
城市空气污染分布研究是一个系统化的过程,其中要考虑到整个城市的市政规划以及工业、住宅区域的布局,在此基础之上,我们还需要进行定量的分析,进行实地的检测和观察,以了解不同区域空气污染状况的差异。当然,在城市空气污染分布的研究过程中,我们还需要考虑一系列的问题,因为这些问题的出现从而影响了污染程度的差异。其中表现较为突出,影响较大就是一下几个方面的因素。第一,城市人口的变化,以及聚集分布的差异。随着近年来城市化进程的加快,城市的人口出现了迅速的增长和膨胀,在这种情况下,因为人口增长所带来的城市压力是巨大的,同时也产生了一定的环境污染。第二,城市的整体规划和布局,对于城市来说,其主要的布局也会对空气质量造成影响,特别是工业区等的分布。第三,公共交通设施的影响,公共交通设施的不同情况,也会造成不同的交通情况,一般来说在交通拥挤和较为繁忙的地段,其带来的环境影响也是巨大的。第四,气象气候的影响,城市的空气污染在很大的程度上也会受到当地气象气候的影响,不同气候对于区域环境的影响是显而易见的,在这方面,尤其是在分布城市空气污染分布不均匀问题的时候,需要考虑到当地气候条件的影响。
2城市空气污染分布不均匀特征的研究分析
城市空气污染分布不均匀是普遍存在的,以广东省来说,其主要包括了广州、珠海以及深圳、佛山等二十余个城市,这些城市位于我国的南端,属于亚热带地区,常年主要受东南信风的影响。通过相关的空气质量检测和报告,我们了解到广州市空气污染指数最高达到62,而以广州市为主要核心的珠江三角洲地带,其空气污染的区域,普遍的污染指数都是在40以上。由此可见,整个广东省的空气污染区域是存在着广泛差异的,这是城市之间的空气污染差异,而在同一城市的不同地区其空气污染也是不均匀的。为了更好的了解城市空气污染分布的相关特征,我们还建立了相对系统的城市环境空气监测网,以了解不同城市之间的空气污染差异。在这些常规的检测站点当中,我们划分了不同的区域进行检测,其中不仅包括市中心,同时在主要的交通、工业和居民等多种污染源分布区域进行分析。通过相关的研究和统计,我们发现其污染的指数也是不同的。
通过我们的研究和调查发现,在广州的几大检测站点中,如位于市中心的天河职幼、广雅中学等,其空气污染分布不均与主要是受其交通的影响。而番禺中学、花都师范和麓湖3个站点为城区点。其中,污染较为严重的就是市五中所在的相关区域,这主要是因为市五中位于海珠区,因为该区域存在大量的工业群,所以其工业污染的指数就相对较高。
通过以上的分析和检测我们发现,城市的空气污染分布是不均匀的,同时这种不均匀也是受到多重因素的影响。例如,在不同城市之间,因为其经济建设的差异,以及人口分布和地势地形的影响,都会导致空气污染的差异,并呈现出不均匀的分布特征。同时,在同一城市的不同地区,由于城市功能区的划分不同,以及城市规模变化的影响,其都会对城市空气质量产生重大影响,造成空气污染分布的不均匀。其中,工业区的空气污染指数明显高于城市其他分布区域,与此同时在一些人口的密集区域,或者是交通繁忙地段,其空气污染指数也是相对较高的。而在城市郊区其污染的严重程度是相对较低的,这种分布不均匀特征在城市中是普遍存在的。
3结语
总之,对于城市空气质量的管理和检测需要我们统筹分析,同时结合不同区域的发展状况进行局部研究,因为在城市之间以及城市内部的不同区域,其城市空气污染是存在着差异的,不同的区域其污染分布是不均匀的。在这种情况下,我们需要考虑到不同城市的发展背景,进而科学的进行综合分析与评价,以此来研究空气污染的特征,并对其主要的来源进行探讨,从而更加有针对性的开展城市空气污染的治理,而不是统一化、呆板化的管理。
参考文献
[1］ 王斌,高会旺．中国沿海城市空气污染指数的分布特征[J］．生态环境,2008,17(2):542～548.
[2］ 朱传风,赵和平．用空气污染指数评价城市空气质量[J].甘肃环境研究与监测,1998,11(2):30～31.
[3］ 汤惠君．广州市大气污染分布规律[J］． 地理研究,2004,23(4):495～497.
[4］ 张凌,付朝阳,郑习健,等．广州市大气污染特征与影响因子分析[J］．生态环境,2007,16(2):305～308.
（赤峰市气象局，内蒙古 赤峰 024000）
基金项目：国家预报员专项项目
内蒙古东南部地区地处华北、东北交界处，距离北京最近400公里，总人口达1000多万，占内蒙古总人口近2/5，是内蒙古人口最稠密的地区。华北地区多次出现大范围和长时间的雾霾、重污染天气，不仅对海陆空各类交通运输造成严重的影响，更对人们的身体健康带来了危害。张志刚等[2]对中国华北区域城市间污染物输送研究表明，大气污染是一个区域性环境问题，在华北地区雾霾频发的大背景下，本地雾霾出现日数也随之急剧增加，给交通运输、人类健康带来很大威胁。鲁然英等[3]针对沙尘天气对我国城市环境空气质量的影响研究表明，沙尘天气成为影响位于沙尘多发区及附近城市空气质量的主要因素。目前针对大气污染的分析一般都集中在几个主要的城市，对于沙尘、烟霾天气较多的内蒙古东南地区来说并没有给过时空特征分析，沙尘、烟、雾霾是大颗粒污染物（PM10和PM2.5）的主要成分，是产生空气污染的充分条件，因此对这几种天气现象的研究也可以从另一方面表现出本地污染的变化特征。本文利用统计学的方法对内蒙古东南地区进行分析总结，通过对这些大颗粒污染物的研究，进一步了解本地区空气污染的变化特征及成因，从而制定相应的抗污染对策。
1 资料分析
本文使用的资料是内蒙古东南部17个旗县地面观测站的观测记录（通辽市的霍林郭勒旗只有2006年以后的，所以不能用），选取从1960年1月开始到2014年2月截止10个站中出现沙尘、烟幕、雾、霾中出现至少一种天气现象的日期，来进行时空分析。
2 空间分布特征
由图1空间分布图可见，雾霾、烟尘在空间上有明显的区域特征，总体呈现出通辽市的大颗粒污染日数多于赤峰市：通辽7个旗县的总日数是17518，赤峰市10个旗县的总日数是13180；东部海拔低的地区多于海拔高的地区，通辽市观测站的平均高度240多米，而赤峰的平均高度为640米。赤峰市海拔最高的克什克腾旗海拔1005米，其污染日数最少，喀喇沁旗污染日数也比较少在400左右，林西县的海拔高度虽然高，但其三面环山，不利于污染物扩散，所以那里污染也比较多；在通辽市除特殊情况外海拔最低的科尔沁左翼中旗污染日数最多为3197.人口密度大的区域污染就尤为严重，赤峰城区人口密度为535.7，出现污染日数4422是最多的，宁城人口密度为155，污染日数达到了2500天，克旗的人口密度最小只有12，其污染日数也最少；对于通辽市来说，扎鲁特旗人口密度小只有18，其污染日数就明显少于通辽市其他几个旗县，另外几个旗县的人口密度对污染的影响不是很明显。从最基本的地理条件来说，地形和人口密度对污染物的影响都比较大。
3 时间分布特征
3.1 雾霾、烟和沙尘污染天气的年代分布
由表1可以分析出内蒙古东南地区的雾霾、烟尘天气的年代变化还是很大的，60年-70年代这20年污染日数非常多，尤其是70年代，除了翁旗、阿旗、敖汉外其他旗县都是70年代污染日数最多。到了80年代污染日数有一个大幅下降的过程，除了科左中旗，90年代污染继续大量减少也是污染最少的时期，到了2000年以后大部地区的污染又有所增加，2010年以后污染更加严重，10-15年大部分旗县的污染日数已经超过2000年代十年的了。
3.2 雾霾、烟和沙尘污染天气的季节变化特征及月变化特征
安俊岭等[4]分析了我国北方15个大城市总悬浮颗粒物的季节变化，表明北方春冬季节高。由表2可以看出，赤峰城区、宁城污染最严重的是在冬季采暖期，其次才是春季，而其他旗县都是春季最多。污染日数最多的月份是4月份，其次是3月份，然后是1月、5月和12月都是比较多的，最少的月份是9月和6月，7、8月份虽然降水较多，但是由于夏季雾天比较多，所以出现的天数也不是最少的。由此可以推出结论，在内蒙古东南部总污染物也是春冬季节高。
4 内蒙古东南部以及赤峰市城区大颗粒污染物成分的变化特征
由表3可以看出在内蒙古东南部地区大部分旗县的污染物主要以大颗粒的沙尘为主，而人口聚居区的赤峰城区和科尔沁区污染物烟幕比较多，在内蒙古东南部的南部几个旗县如库伦、后旗、宁城、科尔沁左翼中旗雾的总日数非常多。出现霾最多的旗县是开鲁、扎旗、奈曼，这些旗县也是通辽市工业比较集中的地方，所以污染物的成分也跟地域有关系。通过认识各地污染物成分的不同，可以分别采取不同的方式治理，取得的效果会更好
图2是比较有代表性的赤峰市城区大颗粒污染物成分的年代变化图表，可以看出其污染日数是由多变少再变多，2000年代最少，50年代-2010年的污染物的变化也很大，在80年代以前污染物主要是以烟幕和沙尘为主（PM10），在70年代烟幕共有1324天，年平均132天，也就是一年中的1/3都有烟，这跟人们的取暖燃烧煤炭和秸秆有关系。到了90年代随着楼房的增多，个人采暖设施减少烟幕天气有大幅的下降，沙尘天气也大幅减少，雾的变化不大。2000年代污染还是以烟尘、雾为主，但是数量非常少。同时在90年代-2000年代之间霾的数量为0，这可能也跟气象观测有关系，可是到了2010年以后出现雾霾（PM2.5）天气的日数增多明显，而且几乎都在2014年以后，平均每两天就会出现一次雾霾天气。
5 雾霾、烟和沙尘污染天气时空特征成因分析
向敏等[1]指出我国城市大气污染成因为人类活动产生的气溶胶，特殊的地理位置和沙尘天气。从污染物变化的情况来看影响内蒙古东南部地区污染的成因基本也是这些。
（1）人类活动所造成的污染：工业污染，赤峰市及通辽市的工业生产会排放很多污染物，电厂、水泥厂、钢铁厂、化工厂等行业在生产中都会向大气排放工业尾气和燃料燃烧烟气，90年代以后工业生产治理，一些工厂停产，污染就明显减少。生活污染：到了冬季采暖期，人们燃烧各种燃料产生大量的烟尘污染，90年代以后城市的楼房增多，个人采暖减少，有利于烟尘的减少，近些年随着城市扩大化，城区的居民增多，又增加了污染物的排放。交通污染：随着人们生活水平的提高，近年来城市个人拥有家用轿车逐渐增多，在七八十年代人们出行基本都是骑自行车，现在都是以坐车为主，车辆排出的汽车尾气增加了空气中的污染物。
（2）特殊的地理位置和气象条件：从地形图来看，雾霾、烟尘污染与地形关系密切，东部比西部污染严重。从气象条件来看，降水多的季节空气污染就明显少，而风力较大、气候干燥的春季污染就明显多；在冬季由于下沉逆温比较多，阻止了向上的湍流扩散，延续时间较长，对污染物的扩散会造成很不利的影响。
（3）外来污染源的影响：内蒙古东南部沙尘污染占很大比重，扬沙、浮沉浮尘、沙尘暴等天气比较多，除了少部分是本地产生的，大部分沙尘天气都是从西部或西北部传送过来的。而雾霾天气外来源地主要是河北省和北京市。
6 结论
（1）内蒙古东南部地区烟尘、雾霾天气时空分布特征明显，东部地区污染日数多于西部地区，海拔低的地区多于海拔高的地区；城市的烟尘等大颗粒物污染冬春季最严重，夏季最好，4月份是污染最严重的月份。虽然近些年大颗粒污染物如沙尘、烟等减少了，但是雾霾天气却剧烈增加，对人们的健康产生了极大危害。
（2）内蒙古东南部地域比较广，各地的污染物不尽相同，针对各地烟尘、雾霾的分布特征可以分别制定不同的抗污染对策。
（3）烟尘、雾霾的分布跟人类活动、特殊的地理位置和气象条件是密不可分的。人类的采暖、工业生产、交通出行以及乱砍乱伐都增加了污染物的产生和蔓延。外来污染物的入侵也是污染很重要的原因。
参考文献：
（1）向敏，韩永翔，邓祖琴，等。2007年我国城市大气污染时空分布特征[J]。环境监测管理与技术，2009，21（3）：33-36.
（2）张志刚，等。中国华北区域城市间污染物输送研究[J]。环境科学研究，2004，17（2）：542-548.
关键词：环境空气；污染特征；资阳市
1 引言
随着经济的发展，城市化进程的加快，大气污染物排放量逐年增加，城市空气质量愈发恶化，成都平原地区尤为突出，大气污染成为中国日益突出的重要环境问题之一[1～4]。分析全国75个重点城市空气质量，其中颗粒物PM10、细颗粒物PM2.5、臭氧、SO2和NO2是影响城市大气环境质量的主要污染物，并对生态环境和人体健康产生显著影响[5，6]。随着人民群众对环境保护的日益重视，环境空气质量的优劣成为人们重视的焦点，并逐渐被纳入各级政府的目标考核任务中[7]。
关于资阳市区大气污染物的研究较为缺乏。鉴于此， 笔者利用中国环境监测总站数据和资阳市环保局对外公开的监测数据进行了系统分析，研究了 2015 年资阳市区污染物浓度变化特征，以期为资阳市大气环境状况变化和与防控措施研究提供科学依据。
2 监测网络概况及数据来源
资阳市现有城市空气质量自动监测站5个，其中评价城市点4个，清洁对照点1个。上述城市点位均由国家环保部规范审批建设的国控站点组成，点位代表性良好，基本实现了资阳市城市区域全覆盖。统计数据均来自于中国环境监测总站数据和资阳市环保局空气质量年报。
3 结果分析
3.1 空气质量总体概况
2015年资阳市主城区空气质量参照《环境空气质量标准》（GB3095-2012）要求O测，监测参数项目为二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（8 h平均值，O3）、颗粒物（粒径小于等于10 μm，PM10）和细颗粒物（粒径小于等于2.5 μm，PM2.5）六参数、年均值如表1所示，六参数中年均值除PM10和PM2.5均低于《环境空气质量标准》（GB3095-2012）中二级标准。
2015年资阳市主城区空气质量总体状况良好，其中优良天数为288 d，优良率为78.9%；轻度污染天数61 d，中度污染天数13 d，重度污染天数1 d，无严重污染天数，轻度污染及以上天数为75 d。如图1所示，2015年各首要污染物分布情况，其中PM2.5 污染天数72 d，PM10污染天数109 d，O3 污染天数119 d， O3为首要污染物天数最多，PM10次之，PM2.5最少。
由于资阳市在2014年前执行《环境空气质量标准》（GB3095-1996）标准，2014年以后执行《环境空气质量标准》（GB3095-2012）。2010～2014环境空气质量参照《环境空气质量标准》（GB3095-1996）标准监测，仅监测SO2，NO2，PM10三个参数。为了与资阳市历史空气质量数据统一比较，对2015年只统计三参数。如图2所示，SO2年均浓度值在2010～2013年逐年下降，2014年略有上升，2015年大幅下降，整体趋势呈下降趋势；NO2年均浓度值在2010～2011年逐年下降，2011～2013年逐年上升，2014～2015年大幅下降，整体呈下降趋势；PM10年均浓度值在2010～2013年逐年上升，2014年略有下降，2015年大幅上升，整体呈上升趋势。综上所述，资阳市环境空气质量整体情况不容乐观，尤其颗粒物PM10整体呈上升趋势，空气质量改善压力较大。
3.2 气候环境总体概况
由于资阳市地处成都平原，四季变化对大气质量影响很大，从气象特征看，资阳市冬季少雨多雾，静风和逆温天气频繁，而且光照较弱，日照时间短，该季节不利于大气污染物扩散和稀释，这是造成冬季污染较重的主要原因。夏季逆温天气较弱，太阳辐射强，温度高，大气对流活动旺盛，而且降水充足，对空气的污染物起到清除和冲刷作用，故而夏季污染较轻。如图3，汇总了资阳市近20年月平均降水量和月平均风速，资阳市月平均降水量较多的时间，集中于4～10月份，风速较大的时间集中在4～10月。
3.3 空气质量时间变化规律
一个城市的空气质量主要由两方面决定：一是本地污染源的排放及分布状况；二是当地大气及环境对污染物的扩散能力。本地污染源的状况在一定的季节和时间范围之内，由于地理环境下相对稳定而变化不大，而当地大气环境气候变化对各种污染物扩散能力影响很大。探讨不同时段各种污染物的变化特征，对于了解当地大气污染的变化趋势、制定污染预防措施具有重要意义。
3.3.1 空气主要污染物逐日变化情况
如图4所示，显示了2015年资阳市空气主要污染物SO2、PM2.5、PM10、NO2、O3、CO日均浓度逐日变化趋势。
SO2日均浓度集中在7～119 μg/m3之间，远低于《环境空气质量标准》（GB3095-2012）中SO2日均浓度150 μg/m3 ，且大部浓度值低于该值，没有高于该值的数据，SO2污染特征呈现“U”型变化，两头大中间小的状态，前半年SO2浓度逐渐降低，后半年浓度又逐渐上升。但从历史数据，如图2所示，资阳市SO2浓度的变化趋势为下降趋势。CO日均浓度集中在0.3～1.9 mg/m3之间，数据均低于《环境空气质量标准》（GB3095-2012）中CO日均浓度4 mg/m3 ，CO污染特征呈现 “U”型变化，两头大中间小的状态。SO2和CO全年高值大部分存在于上半年1～3月份和12月份。
PM2.5日均浓度集中在7～164 μg/m3之间，部分数据高于《环境空气质量标准》（GB3095-2012）中PM2.5日均浓度75 μg/m3 ，但大部浓度值低于该值，高于该值的监测数据有51 d，PM2.5污染特征呈现“U”型变化，两头大中间小的状态，前半年PM2.5日均浓度逐渐降低，后半年日均浓度又逐渐上升。PM10日均浓度集中在25～239 μg/m3之间，部分数据高于《环境空气质量标准》（GB3095-2012）中PM2.5日均浓度150 μg/m3 ，但大部浓度值低于该值，高于该值的监测数据有31 d，PM10污染特征呈现“U”型变化，两头大中间小的状态，前半年PM10日均浓度逐渐降低，后半年日均浓度又逐渐上升。PM2.5和PM10，全年高值存在于上半年1～4月份和12月份之间。但从图2历史数据分析，颗粒物PM10整体呈上升趋势。从气候原因分析，1～4月份和12月份是资阳市全年平均降水量和平均风速较小的时间段，气候条件不利于PM10和PM2.5的扩散和稀释[8～10]。
NO2日均浓度集中在7～49 μg/m3之间，数据均低于《环境空气质量标准》（GB3095-2012）中NO2日均浓度80 μg/m3 ，NO2污染特征呈现 “U”型变化，两头大中间小的状态，全年高值大部分存在于上半年1～4月份。但是从图2历史数据分析， NO2整体呈下降趋势。O3日均浓度集中在18～212 μg/m3之间，部分数据高于《环境空气质量标准》（GB3095-2012）中O3日均浓度160 μg/m3 ，高于该值的监测数据有31 d。O3污染特征呈现倒“U”型变化，两头小中间大的状态，全年高值大部分存在于3～10月份。由于O3浓度和日照以及气温关系很大，而3～10月份是资阳市日照时间变长和气温升高的时间段[11，12]。
3.3.2 空气主要污染物逐月变化情况
如图5所示，显示了2015年资阳市空气主要污染物SO2、PM2.5、PM10、NO2、O3月均浓度逐月变化趋势，由于 CO月均浓度变化在0.8～1.6 mg/m3之间，变化幅度不大，没有列入Ρ取
由图5可以看出，2015年SO2最小月均值在10月和11月，最大月均值2月份；1～4月份全年较高，5～11月变化幅度不大，12月份小幅升高，从全年整体看SO2月均浓度呈现先降低后升高的趋势。2015年NO2最小月均值在6月，最大月均值1月份；1～4月份全年较高，5-9月变化幅度不大，10～12月份小幅升高，从全年整体看NO2月均浓度呈现先降低后升高的趋势。2015年O3最小月均值在11月，最大月均值4月份；4～8月份全年较高，从全年整体看O3月均浓度呈现“倒U型”趋势，即先升高后降低。2015年PM2.5最小月均值在9月，最大月均值1月份；4～9月份全年较低，从全年整体看PM2.5月均浓度呈现U型趋势，即先降低后升高。2015年PM10最小月均值在9月，最大月均值1月份；6～9月份全年较低，从全年整体看PM10月均浓度呈现“U型”趋势，即先降低后升高。
如图6所示，显示了2015年资阳市空气主要污染物PM2.5/PM10月均比值逐月变化趋势。PM2.5/PM10月均比值整体呈现“U型”趋势，全年最低值在6月份，最高值在1月份，基本趋势为先降低后升高。 其中1～3月PM2.5/PM10月均比值大于0.5，说明PM2.5占比较大；3月以后PM2.5/PM10月均比值小于0.5，说明PM10占比较大，全年整体PM10占比较大，颗粒物PM10污染较重。
3.3.3 空气主要污染物季节变化情况
如图7所示，显示了2015年资阳市空气主要污染物SO2、PM2.5、PM10、NO2、O3月均浓度逐季变化趋势，以通用天文季节与气候季节相结合来划分四季。 即3、4、5月为春季，6、7、8月为夏季，9、10、11月为秋季，12、1、2月为冬季。各污染物季节变化趋势明显，除O3外呈现春冬季节高，夏秋季节低，除NO2外四季浓度变化波动较大。
SO2春冬季节浓度远高于夏秋浓度，全年趋势明显，全年冬季浓度最高，夏季浓度最低，冬季浓度值约为夏季的2倍。这主要是由于SO2大部分来源于化石燃料燃烧，冬季的燃煤取暖、露天烧烤、工业用煤会导致SO2等污染物的大量排放，而夏季燃烧源较少且降水较多，使得SO2浓度降低。
O3春夏季节高于秋冬季节，全年春季浓度最高，波动幅度较大，春季浓度值约为冬季的1.6倍. 这是因为秋冬季节在太阳光强减弱的影响下，生成臭氧的光化学反应能力降低，使得秋冬季节臭氧浓度明显下降，远低于光照较强的春夏季节。
NO2春冬季节高于夏秋季节，与臭氧的变化特征相反，夏季资阳市市区的NO2浓度最低，秋冬季节逐渐升高. 这种变化趋势与秋冬季节臭氧浓度降低导致消耗的氮氧化物减少有关，另外，夏季大气对流较强且降水多，有利于污染物的扩散和消除，而秋季秸秆等生物质焚烧在一定程度上也会增加污染物的排放。
资阳市空气中PM2.5和PM10整体污染水平不高。PM2.5春冬季节浓度远高于夏秋浓度，全年冬季浓度度最高，变化幅度较大； PM10春冬季节浓度远高于夏秋浓度，全年冬季浓度最高，变化幅度较大，这是由于春冬季沙尘天气较为频发，且天气相对干燥，风速大于夏秋季节，导致地面扬尘增加，PM10浓度较高。
虽然影响污染物浓度的因素多且复杂，污染物浓度随时间不断波动变化，但除臭氧外，其余五项污染物的变化表现出明显的季节变化特征，都呈现出“U”型分布，即春、冬季的污染程度要重于夏、秋季。由于影响因素不同，臭氧与其余五项污染物的变化趋势正好相反，但也具有明显的季节变化规律。结合各项污染物全年变化情况，8月和9月是一年中资阳市市区空气质量最好的月份，这与资阳市历年气象条件影响基本一致。
4 结论与对策
（1）2015年Y阳市主城区空气质量总体状况良好，其中优良天数为288 d，优良率为78.9%；轻度污染及以上天数为75 d。全年各首要污染物O3为首要污染物天数最多，PM10次之，PM2.5最少。SO2、CO 和NO2年均浓度达到国家二级标准，其余三项污染物浓度超标。
（2）根据各项污染物的逐日变化可以发现，除O3外，其余五项污染物浓度全年呈“U”型分布。3～10月份臭氧浓度较高，SO2和NO2在1～4月和12月浓度较高，PM10和PM2.5浓度在1～4月份和12月份较高，超标现象集中在上述时间段，其中PM10超标31 d，PM2.5超标51 d。
（3）各种污染物均表现出了季节变化的特征，总体呈“U”型分布。臭氧浓度春、夏季要明显高于秋、冬季，春季浓度约为冬季浓度的1.6倍。NO2季节变化幅度较小，夏季浓度值最低。SO2浓度季节变化较大，冬季的浓度最高，秋季浓度最低。PM2.5浓度最高的为冬季，春季浓度高于秋季，夏季浓度最低。而PM10浓度冬季最高，较为明显的高于其它3 个季节，春季浓度次之，夏季最低。
（4）针对三大首要污染物PM2.5、PM10和臭氧，PM2.5和PM10作为主要影响因子，需要尽快完成源解析工作，提高污染防治针对性，此外，PM2.5/PM10大部分比值低于0.6，说明大颗粒物PM10比重占比很大，污染较重，须坚持道路扬尘和工地污染源等治理。对O3要加快建立规范可靠的臭氧量值溯源体系，掌握臭氧来源及分布规律是下一步臭氧污染治理的基础。
参考文献：
[1]CHAN C K， YAO X H. Air Pollution in Megacities in China[J]. Atmospheric Environment， 2008， 42（1）： 1～4.
[2]戴树贵. 环境化学[M]. 北京：高等教育出版社， 1997.
[3]邹 军，杨 柳. 四川省城市环境空气质量及变化趋势[J]. 四川环境，2010，29（4）：50～53.
[4]周 雯，陈建文，王 斌，等. 成都大气污染物在焚烧秸秆时的溯源初步探究[J].中国环境监测，2014， 30 （3）：47～54.
[5]谢 鹏，刘晓云，刘兆荣，等. 珠江三角洲地区大气污染对人群健康的影响[J]. 中国环境科学，2010，30（7）： 997～1003.
[6]TAO Y B，ZHONG L J，HUANG X L，et al. Acute Mortality Effects of Carbon Monoxide in the Pearl River Delta of China [J]. Science of the Total Environment，2011（12）：34～40.
[7]于 群，杨 华. 广州市近年空气质量现状及趋势分析[J].中国环境监测，2011，26（4）：74～77.
[8]陈 阳，曾 钰，张 琴，等.气象因素对长沙市PM2.5周期性变化规律的影响分析[J].四川环境，2014，33（6）：81～87.
[9]潘本锋，赵熠琳，李健军，等.气象因素对大气中PM2.5的去除效应分析[J].环境科技，2012，25（6）：4144.
[10]李 芳，张承中.西安市大气颗粒物PM2.5与降水关系的探讨[J].中国环境监测，2013，29（6）：22～28.
[11] 杨 志，陈 静，李 军，等.武昌区环境空气质量变化趋势及治理对策[J]. 环境科学与管理，2010， 35（3）：34～37，45.
[12]傅 鹏，许雄飞，朱 奕，等.长沙市灰霾天气与气象因子相关性研究[J].四川环境，2014，33（6）：66～71.
Analysis on the Air Quality and Pollution Characteristics
in Main Urban Areain Ziyang City
Bu Xingbing1， Pan Dun2， Wang Huizhen3
（1.Sichuan ProvincialEnvironmental Monitoring Station， Chengdu，Sichuan 610041， China；
2.Chengdu Third People’s Hospital，Chengdu，Sichuan 610031， China；
3.Universityof Xihua， Chengdu，Sichuan 610039，China）
本研究以长株潭城市群核心区为对象，综合地理信息系统（GIS）和遥感（RS）技术，在年均和季节2个时间尺度，探讨土地利用/覆盖类型及其景观格局对城市空气污染时空分布特征的影响。与已往研究相比，本研究创新之处在于首次在年均与季节2个时间尺度，同时从宏观土地利用/覆盖类型及其微观景观格局双重角度，解析土地利用格局与空气污染特征的关系。
2空气污染效应的图像识别处理与分析
2.1土地利用/覆盖数据处理
在美国地质勘探局(USGS)全球可视化浏览器[18]下载长株潭城市群2013年7月31日2景Landsat8（Path123,Row40&41）遥感影像，选取波段分辨率为30m的8个波段进行合成。利用ENVI软件对合成影像进行大气校正、几何校正、镶嵌和裁剪处理后，依据前人经验[13-14,19]与研究区土地利用/覆盖特征，采用最大似然法将预处理后的合成影像分为建设用地、道路、裸地、耕地、水域、绿地和林地7类。长株潭城市群及其生态绿心区土地利用/覆盖分类与统计结果分别见图1和表1。表1中面积占比=(Ai/A)×100%，式中，i=1,2,…7和Ai分别为土地利用/覆盖类型i的序号和面积；A为长株潭城市群全区土地总面积。
2.2土地利用景观格局分析
相对土地利用/覆盖从宏观角度总体描述区域土地利用状况，景观格局分析着重于从微观角度测度土地要素的空间配置关系。景观指数是表征土地利用景观格局的有效指标[20]。参照相关报道[19,21]，结合长株潭城市群特点与空间幅度，选取类型级别斑块面积百分比（PLAND）、景观级别蔓延度指数（CONTAG）、散布与并列指数（IJI）、周长面积分维度指数（PAFRAC）、聚合性指数（AI），以及香农多样性指数（SHDI）量化区内土地利用景观格局特征。景观指数计算通过软件Fragstats4.0移动窗口法实现。
2.3空气污染数据处理及其浓度分布格局
研究中使用的空气污染数据来源于湖南省环保厅环境质量实时系统[22]，包括23个空气质量监测点（图1），站点依据环境监测规范[23]设置，采样高度为3~15m。获取2013年1-12月NO2、PM10、O3、PM2.5小时浓度观测数据，通过求算术平均值计算月均和年均浓度值。在实验对比分析反距离加权（IDW）、普通克里格（OrdinaryKring）和样条函数（SplineFunction）3种常用插值方法精度基础上，选择插值效果最佳的IDW方法生成长株潭城市群NO2、PM10、O3、PM2.5的空气污染浓度图。成图过程中，在统计分析300、500、1000、1500和3000m5个不同分辨率栅格图各土地利用/覆盖类型NO2浓度均值的基础上，结合环境空气质量监测规范附则中对空气质量评价点的定义，选定1000m为空气污染浓度图制图的空间分辨率，结果见图3。考虑数据缺失程度（1-12月数据缺失率分别为：7.08%、11.81%、2.45%、2.53%、2.13%、5.68%、2.98%、1.57%、0.8%、1.89%、2.44%、20.79%）和研究区季节划分情况（3-5月为春季，6-8月为夏季，9-11月为秋季，12月和1-2月为冬季），选取数据缺失少、最具季节特征的5月（图3(a)）、8月（图3(b)）、10月（图3(c)）和1月（图3(d)）分别代表长株潭城市群春、夏、秋、冬4个季节，绘制城市群NO2、PM10、O3、PM2.5季节和年均（图3(e)）浓度空间分布图。
2.4空气污染特征及其浓度相关性
运用ArcGIS分区统计工具（ZonalStatisticTool）分别统计春季、夏季、秋季、冬季和全年长株潭城市群各类土地利用/覆盖类型下的NO2、PM10、O3、PM2.5浓度均值。在此基础上，运用ArcGISIntersect功能叠加空气污染浓度和景观指数图，组合对应栅格浓度值和景观指数值生成分析样本数据组，基于皮尔逊相关系数量化土地利用/覆盖及其景观格局与NO2、PM10、O3、PM2.5浓度的相关性。
3空气污染效应计算结果与分析
3.1土地利用/覆盖类型与空气污染浓度
图4为2013年长株潭城市群空气污染浓度月均值变化曲线。从图4可知，在不区分土地利用/覆盖类型时，城市群内PM10和PM2.5浓度变化趋势一致，春、夏季节低，秋、冬季节高，在10月达到最大值（PM10:172μg/m3；PM2.5:154μg/m3）；最小值出现在7月（PM10:50μg/m3；PM2.5:26μg/m3）。O3冬季最低，2月最低浓度为45μg/m3；春、夏、秋季节均较高，最高值（144μg/m3）出现在10月。NO2与PM10和PM2.5的浓度变化趋势相似，12月均值最高（72μg/m3），7月最低（23μg/m3）。相对不区分土地利用/覆盖类型而言，图5表明：长株潭城市群不同土地利用/覆盖类型与空气污染浓度间的响应关系存在差异。综合分析土地利用/覆盖分类结果（图1）和空气污染浓度空间分布格局（图3）可知，长株潭城市群核心城区建设用地NO2浓度最高，而西南部绿地、林地集中区域NO2较低，整个城市群建设用地NO2浓度均值亦高于相应林地均值（春季：36μg/m3VS30μg/m3；夏季：26μg/m3VS23μg/m3；秋季：52μg/m3VS47μg/m3；冬季：60μg/m3VS52μg/m3；年均：43μg/m3VS37μg/m3）。PM10浓度分布与土地利用/覆盖类型的关系相对复杂，在建设用地绿地与耕地零散夹杂分布地区，以及望城与湘潭县接壤地区浓度仍然较高。O3浓度在建设用地相对大面积集中区明显低于非集中零散分布小区，但在岳塘区和石峰北部林地区存在小面积高浓度区域，总体呈现高、中心低的趋势。各土地利用/覆盖类型PM2.5浓度均值差异在春季、夏季，以及年均尺度较小（<2μg/m3），但建设用地、道路及水域在秋季和冬季的PM2.5浓度（秋季：132、132、134μg/m3；冬季：159、158、156μg/m3）均高于林地PM2.5浓度（秋季：127μg/m3；冬季：149μg/m3），建设用地总体上是PM2.5高浓度集中分布区域。与图5结果相似，表2PLAND与空气污染浓度相关性分析结果，进一步定量证实了土地利用/覆盖类型对城市空气污染浓度的影响。不同时间尺度下土地利用/覆盖类型与各空气污染物浓度相关关系的显著性存在差异，相关系数的大小反映了相关关系的紧密程度。总体而言，长株潭城市群建设用地和道路面积占比与NO2、PM2.5浓度正相关、与O3浓度负相关，相关性强弱依次是NO2>PM2.5>O3。究其原因，建设用地与道路是以NO2为主要成分的机动车尾气排放的重要场地，PM2.5与O3由NO2经过化学/光化学反应生成的二次污染物组成，但与O3相比，PM2.5还与城市内部工厂废气排放等密切相关，由此造成了3种污染物与城市建设用地、道路面积占比的相关性差异。林地、绿地、耕地面积占比与NO2、PM2.5浓度负相关，研究结果与相关报道一致[13-14]。但林地面积占比与O3年均、春季、冬季浓度显著负相关，与先前报道结果相反[25]。土地利用/覆盖对PM10浓度特征的影响相对不稳定，建设用地、耕地面积占比与PM10浓度呈现负相关特征。分析原因：建设用地面积占比较小的望城南部与湘潭处于城镇化高速开发阶段（如其中的岳塘区2013年有多个项目密集开工），建筑和工业扬尘带来的PM10排放[26]明显高于其他区域，造成了小比例建设用地对应高PM10浓度。表2说明长株潭城市群土地利用/覆盖，对空气污染物浓度变化的影响具有明显季节效应。道路面积占比与O3和PM10年均浓度相关性较小（ρX,Y:－0.04、0.09），但与夏季、冬季O3浓度以及夏季PM10浓度的相关性明显增大（ρX,Y:-0.14，-0.16，0.17）。耕地面积占比与年均O3和PM2.5浓度相关性不显著但与夏季、冬季O3浓度显著相关（ρX,Y:0.11VS-0.08），与春季、夏季PM2.5浓度出现正负反复的显著性相关差异（ρX,Y:0.07VS-0.12）。林地面积占比除与春季PM2.5浓度显著正相关外，与其他季节和年均PM2.5浓度均显著负相关。
3.2土地利用景观格局与空气污染浓度
综合分析城市群内景观指数和空气污染浓度空间分布格局（图2、3）可知，长株潭城市群土地利用/覆盖型的微观景观格局，可用于揭示空气污染的空间分布特征。蔓延度指数CONTAG值高的长沙县南部、石峰区北部对应O3浓度较高；散布与并列指数IJI、形状分维数PAFRAC、聚合性指数AI值高的城市群核心区中西部与PM10和PM2.5浓度高值区域相对吻合；多样性指数SHDI较低区域PM2.5浓度值低。分析原因，长株潭城市群CONTAG高值区域位于湘江支流浏阳河两侧，优势斑块绿地和林地的连通性较好，对NO2、PM10和PM2.5的“负效应”得以充分发挥。相对而言，承载人类开发活动较多的城市群核心区中西部的望城和湘潭景观格局破碎程度高，PM10和PM2.5浓度相应较高。表3为长株潭城市群2013年春季、夏季、秋季、冬季和年均尺度空气污染浓度与景观指数相关分析结果。总体来看，相关性结果的显著性在证实景观格局对空气污染存在指示作用的同时，也揭示了指示作用强弱随季节变化的特征。CONTAG在年均、冬季、春季与O3浓度显著正相关，但在夏季、秋季不相关。IJI与NO2、O3、PM2.5年均浓度显著相关（ρX,Y:0.10、-0.12、0.14），但与冬季NO2、秋季O3、夏季PM2.5浓度几乎不相关（ρX,Y:0.01、0、0.01）；PAFRAC与冬季PM10浓度相关系数仅为-0.07，但与年均、春季、秋季PM10浓度强显著相关（ρX,Y:≥0.3）；SHDI与PM2.5浓度正相关特征出现在秋季、冬季及年均尺度（ρX,Y:0.17、0.11、0.13），但此种相关性在夏季消失。此外，不容忽视的是，土地利用/覆盖及其景观格局的空气污染效应分析，多强调大致从宏观角度间接反映区域内部大气污染源排放的空间差异，如何耦合大气污染物扩散的物理化学机制充分揭示微观地貌景观，如河流、丘陵等对空气污染扩散的影响值得深入研究。事实上，区域空气质量多数情景下易受外源输入的影响。但在季节和年均时间尺度，外来污染源对区域内部空气污染浓度分布的贡献空间上相对均匀，因而，在城市高空间分辨率气象数据（如混合层高度）获取受限的条件下，从土地利用/覆盖及其景观格局与空气污染浓度关系分析的角度解析区域空气污染空间差异的成因不失为一种相对可行与可靠的手段。
3.3生态绿心区空气污染浓度特征
长株潭生态绿心区建设的目的在于合理创新土地利用模式，科学管理自然生态资源，实现维持区域生态健康、提升城市群空气质量水平的目标[27]。分析生态绿心区空气污染特征可初步检验土地利用方式改变对于降低城市空气污染的效果。综合分析图1和图3可知，长株潭城市群建设用地覆盖率低、植被覆盖率高的生态绿心区内的NO2、O3、PM2.5浓度水平整体低于邻近地区。同时，整个城市群内NO2、PM2.5浓度最高值却出现在生态绿心区的石峰区与岳塘区交界地。生态绿心区PM10浓度均值高于城市群整体均值，大致呈现西高东低趋势，在岳塘区湘江沿岸达到最高。分析原因，一方面生态绿心区内的岳塘和浏阳市交界地集中分布了五一、仙人造水库2个自然保护区，保护区内聚集的林地、绿地对绿心区范围内的NO2、O3、PM2.5浓度具有“负效应”；另一方面，生态绿心区地处长株潭三市交接地，在长株潭城市群一体化建设过程中，区内高PM10浓度主要可归咎于各类工业发展和建筑开发活动对污染的“正效应”。
4结论
购物车(0)
