论文部分内容阅读
随着我国经济的快速发展和与之伴随的能源消费的快速增长,大气污染事件日益增多,近地面高浓度大气污染物能够直接威胁人体健康并严重制约社会经济的平稳健康发展,因而大气污染的相关研究及防治被中国政府高度重视。中国已有的大气污染研究大多集中在东部发达地区,对西部城市的研究较少;同时,“一带一路”政策的实施为西部带来的投资越来越多,区域经济的高速增长不可避免地会对大气环境产生深远影响。西安市位于中国主要大气污染区域之一的华北-关中平原地区,由于受到自然和人为因素的双重制约,其空气质量一直不能达到中国空气质量标准。加之二十一世纪以来我国进入一个新的发展阶段,公众对于环境质量,尤其是大气环境质量提出了更高的要求。因此,本文以西安市为目标城市,利用市区2016年1月1日-2016年12月31日共10个监测站点的五种大气污染物小时浓度值(包括颗粒物:PM2.5、PM10及气态污染物:SO2、CO、NO2),通过分析五种大气污染物时间变化特征并与春、夏季气团后向轨迹聚类结果和卫星影像相结合,得到PM2.5燃烧/非燃烧源贡献率及其变化特征。在此基础上,选取了46种预测变量参与LUR模型的拟合。同时,考虑到西安市作为重要的旅游城市以及科教中心,市内城市功能分区多样,本文将西安市城区划分为五类功能区(工厂周边、住宅商业、市民公园、旅游景点和高等院校),计算出不同功能区内PM2.5浓度的空间分布状况,进而探讨其对不同年龄层次居民(婴儿、儿童和成人)的健康影响。通过上述分析,得出以下主要结论:(1)研究期期间,PM2.5作为西安市首要污染物,有114天超过国家空气质量二级标准且主要集中在冬、春两季。全年PM2.5浓度呈现单峰“U”型特征,冬季浓度最高(120.8μg/m3),秋季(80.5μg/m3)、春季(61.8μg/m3)次之,夏季(32.4μg/m3)最低。西安市PM2.5日变化呈双峰双谷型,峰值的出现主要是由早晚出行高峰所致,随着早高峰的结束,正午12:00起颗粒物浓度逐渐下降出现低谷;晚高峰的到来加之在夜晚小风或静风天气以及辐射逆温可能同时出现,使得PM2.5浓度再次攀升并于23:00-24:00达到顶峰。(2)本文将全年分为冷季(11月1日-次年3月31日)和暖季(4月1日-10月31日),研究发现西安市冷季和暖季燃烧源贡献率分别为22.7%和36.8%。PM2.5非燃烧源贡献率高值出现在3-6月,7月份小幅度下降,直至12月突降。另外,本文将PM2.5日均浓度大于75μg/m3的日子定义为污染日。结果表明不论在污染日还是非污染日,西安市PM2.5浓度与SO2、CO和NO2浓度的相关性都较好;同时除SO2外,西安市的污染期间较非污染期间的系数大,说明西安市PM2.5污染主要由人为源所致。(3)LUR模型被认为是预测空气污染浓度空间变化的合适方法之一,在本文研究中的拟合效果较好,有五种预测变量被引入模型预测,共解释了98.1%的模型变化,其偏差和均方根误差均较小。与传统插值方法相比,LUR模型不仅模拟精度更高,而且由于可以解释各预测变量的空间变异性和非平稳性,因而可以更好地对污染物的空间异质性进行表达。为了研究PM2.5对人体的健康影响,我们在西安市城区按照500 m*500 m的网格共划分出3494个格点,模拟西安市城区PM2.5浓度的空间分布,并划分出五类功能区。在各功能区中,儿童(8-10岁)的健康风险均最高(4.78);成人(2.58)的健康风险最低,婴儿(2.72)介于二者之间。