北京市2014年大气污染物空间分布特征分析

刘俊秀，杨 鹏

（北京联合大学北京市信息服务工程重点实验室，北京 100101）

北京市2014年大气污染物空间分布特征分析

刘俊秀，杨 鹏

（北京联合大学北京市信息服务工程重点实验室，北京 100101）

基于地理信息系统ArcGIS 10.2平台，采用反距离权重空间插值模型对2014年北京市35个环境质量监测点监测到的主要大气污染物：一氧化碳（CO）、二氧化氮（NO2）、臭氧（O3）、可吸入颗粒物（PM10）、细颗粒物（PM2.5）和二氧化硫（SO2）质量浓度年均值的变化规律及空间分布特性进行了分析。结果表明，在质量浓度分布上，2014年北京市CO、NO2、SO2、O3、PM10、PM2.5这6类大气污染物的质量浓度分别位于1～3 mg/m3、17.22～105.4 μg/m3、14.27～25.75 μg/ m3、27～81 μg/m3、76～179 μg/m3、67～123 μg/m3范围内。由此可知，北京市2014年大气污染物年均质量浓度除PM10和PM2.5外的其余污染物质量浓度并不高，都在轻度污染范围之内；在空间分布上，除O3质量浓度空间分布上呈现出北高南低的特征外，其余污染物均呈现南部、中部质量浓度较高，北部地区质量浓度较低的特征。

北京；大气污染物；地理信息系统；空间插值

0 引言

2014年北京历经多次严重“雾霾”天气，大气污染形势严峻，重污染天气频发且持续时间长、污染程度严重，据统计，2014年全年污染天气天数占全年天数的47％。根据中国环保局公布的数据，2014年北京的PM2.5二级天数为111天，五、六级重污染天数累计为45天；北京PM2.5年均质量浓度为85.9 μg/m3。近年来，全国雾霾天气频发，引起了相关政府部门高度重视，国务院在2013年颁布了《大气污染防治行动计划》，北京市作为重点防治区域在2014年颁布并实施了《北京市大气污染防治条例》。可见，大气污染防治已经成为我国当前的重要任务。

本文选取2014年北京全年数据作为研究样本，一方面是由于2014年北京大气污染形势依旧严峻、雾霾天气频发、污染持续时间长、污染程度较为严重，在此条件下研究大气污染物质量浓度空间分布规律更有实际意义，研究结果更为显著，有利于结论分析；另一方面是由于就开展大气污染防治计划以来，对大气污染物质量浓度水平变化进行研究，对比之前污染物质量浓度水平，分析大气治理条例在一段时间内的效果。并通过研究大气污染物空间分布，为大气防治查漏补缺，依据大气污染物质量浓度具体变化完善大气防治计划，使防治政策在大气治理中起到更好的效果。

目前，关于大气气溶胶中PM2.5的污染特征及其影响因素等的研究是国际上大气环境与大气化学的研究热点与研究趋势。［1］北京位于华北大气污染区，对其气溶胶的研究也备受关注。［2］袁杨森等对PM10和PM2.5质量浓度进行对比分析，得出大气颗粒物的空间分布和时间变化特征；［3］马召辉等对北京市典型排放源PM2.5成分谱研究分析，建立并完善了北京市本地排放源PM2.5成分谱；［4］赵秀娟等对北京地区秋季雾霾天PM10和PM2.5污染与气溶胶光学特征分析，得出了北京地区PM2.5污染和气溶胶光学特性受雾霾天气影响显著的结论。［5］这些研究就大气污染物的来源及大气污染物在不同季节的分布规律以及气象因素对大气污染物的影响做出了分析和归纳，［6］但对于大气污染物空间分布规律的研究较少，特别是对2013年之后大气污染物空间分布特性的研究尚不全面。大气污染物在空中扩散是一个“时间+空间”的四维时空过程，［7］传统的分析方法及模型无法形象直观地呈现分析结果，给环境分析者带来了诸多不便，降低了工作效率。通过研究大气污染物的空间分布特征，可以直观地发现大气污染物在地理上质量浓度值的差异性，能够更好地分析、描述整个或局部大气污染物的空间信息。

1 数据来源

本文中所使用的大气主要污染物的质量浓度数据主要来自北京市环境监测中心发布的由35个空气质量监测点［8］连续、自动监测系统监测到的质量浓度小时值数据。监测点监测的主要大气污染物包括二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、可吸入颗粒物（PM10）、细颗粒物（PM2.5）、臭氧（O3）。本文选取2014年1月1日0点至2014年12月31日23点6类污染物在全年的质量浓度为实验样本，累积35个监测点在24小时内的数据值，最终求取年均值作为最终实验数据。

2 监测点分布

北京35个大气环境自动监测子站主要包括23个环境评价点与1个代表城市整体环境状况的城市对照点，6个区域边界点，5个分布在北京二环、三环和四环主干道上的交通点。至此，35个监测点将涵盖环境评价点、对照点、区域边界点、交通点4种类型，均匀分布于各区县。研究区域及监测点分布如图1所示。

北京市监测预报板块主要分为5个区域，分别是城六区、西北部、东北部、东南部和西南部。交通污染监控点分为5个部分，分别是：前门到东大街、永定门内大街、西直门北大街、南三环西路和东四环北路。交通污染监控站点选在二三四环路及地铁站附近，是为监测车辆和人流聚集对空气的影响。区域对照点分为6个部分，分别是：京西北八达岭、京东北密云水库、京南榆垡、京东东高村、京东南永乐店和京西南琉璃河，涵盖了北京的正东、正南、西北、东北、西南、东南6个方向。

3 空间插值方法概述及插值模型选取

3.1 空间插值方法概述

空间插值是一种通过已知空间数据推求未知空间数据的方法，它是基于“地理学第一定律”的基本假设提出的［9］：空间位置上越靠近的点，具有相似特征值的可能性越大；而距离越远的点，其具有相似特征值的可能性越小。比如对空气中PM2.5的含量进行测量，如果某一样本的含量较高，则在它附近采集的样本中PM2.5含量较高的可能性也较大，即空间距离较近的样本之间具有一定的相关性；而在远离这一样本点的其他地方采集的样本中PM2.5的含量则可能高也可能低，即空间距离远的样本是相互独立的。也就是说，根据一组已知的空间数据，不管是在离散点的形式还是分区的数据形式，都可以以这些数据为依据确定函数关系，使得该函数关系式能最接近已知数据，并根据该关系函数式推求出范围内其他任意点或任意分区的值，当然也包括未知点或未知分区的值。［10］空间插值的分类标准有确定或随机、点与面、全局或局部等。［11］从不同的标准出发，可以有多种不同的分类。根据已知点和已知分区数据的不同，邬伦等［12］对应地分为空间内插和外推两种算法：通过已知点的数据推求同一个区域其他位置点数据的计算方法，即空间内插；通过已知区域的数据，推求其他区域数据的方法，则是空间外推。黄杏元等［13］将空间数据插值分为点的内插和区域的内插。

3.2 反距离权重模型原理及选用说明

本文在ArcGIS 10.2版本基础上使用反距离加权模型对大气污染物质量浓度进行空间插值。

反距离权重插值（IDW）原理：IDW（inverse distance weighted）是一种常用而简单的空间插值方法，它以插值点与样本点间的距离为权重进行加权平均，距离插值点越近的样本点赋予越大的权重。［14］设平面上分布着一系列离散点，已知坐标和值为Xi，Yi，Zi（i=1，2，…，n），根据周围离散点的值和距离加权值求得z点值，如式（1）：

IDW通过对邻近区域的每个采样点进行平均运算获取内插单元值，是一个均分过程。选取反距离权重作为插值模型主要有以下几点原因：

1）北京35个空气质量监测点分布较为均匀，监测点的密集程度符合IDW要求［15］。

2）IDW算法简单、实现容易、运算效率高、插值中所需存储空间最小，只需要计算好权重便可以得到很好的实验结果。

3）另一种常用的插值方法：克里金（Kriging）插值法虽然插值结果精确度高，可以计算偏差，插值效果在总体上优于IDW法，但是对插值样本点要求较高，［16］本文样本点无法满足克里金插值模型的要求，使用后插值的效果略低于IDW的效果。

综上所述，本文在实验中选取反距离权重模型进行空间插值分析。

4 大气污染物秋冬季节空间分布特征

本文主要分析2014年全年6类大气污染物质量浓度的空间分布特征，并使用反距离权重模型进行空间插值，得到污染物空间分布图，进而直观地分析其空间分布特性。

4.1 2014年CO空间污染分布特征

由图2可知，年均CO质量浓度最高值约为2 mg/m3，最低值在1 mg/m3，质量浓度在较低水平。根据环境空气质量标准中CO的一级质量浓度限值5 mg/m3的标准，在质量浓度分布上，全年年均值处于空气质量较好的范围。

在空间分布上，CO质量浓度年均值由高到低的顺序为：南部≥中东部＞中西部＞北部，总体上CO质量浓度由北至南逐渐升高。污染物质量浓度较高的地区集中在房山区、大兴区、通州区以及城六区。

4.2 NO2空间污染分布特征

图3为2014年北京市NO2质量浓度年均值的空间分布特征图。由图可知，NO2质量浓度在17.22～105.4 μg/m3范围内，根据环境空气质量标准中NO2的一级质量浓度限值为100 μg/m3的标准，在质量分布上，全年NO2年均值处于空气质量良好的范围。在空间分布上，NO2质量浓度年均值由高到低的顺序为：城六区＞东南部＞西南部＞西北部＞东北部，并且质量浓度相差较大，NO2质量浓度存在较大的地理差异性，并且主要集中在城市中心地区。

4.3 SO2空间污染分布特征

由图4可知，SO2质量浓度在14.27～25.75 μg/m3范围内，最高值与最低值之间差距不大，根据环境空气质量标准中SO2一级质量浓度限值为150 μg/m3的标准，在质量浓度分布上，全年SO2年均值处于空气质量良好的范围。在空间分布上，SO2质量浓度年均值由高到低的顺序为：东南部＞城六区＞西南部＞北部，其中，城六区中朝阳、东城、丰台污染较为严重，南部通州区、大兴区污染比较严重，总体上，SO2质量浓度由北至南逐渐升高。

4.4 O3空间污染分布特征

由图5可知，O3质量浓度在27～80 μg/m3范围内，最高值与最低值之间差距不大，根据环境空气质量标准中O3的一级质量浓度限值为100 μg/ m3的标准，在质量浓度分布上，全年O3年均值处于空气质量良好的范围。在空间分布上，O3质量浓度年均值由高到低的顺序为：东北部＞西南部＞城六区＞南部，全市O3质量浓度由南至北逐渐升高，空间差异性较大。

4.5 PM10空间污染分布特征

图6为2014年北京市PM10质量浓度年均值空间分布特征图。图中PM10质量浓度在76～179 μg/ m3范围内，最高值与最低值之间差距较大，根据环境空气质量标准中PM10的一级质量浓度限值为100 μg/m3，二级质量浓度限值为250 μg/m3的标准，在质量浓度分布上，全年PM10年均值处于中度污染物的范围。在空间分布上，PM10质量浓度年均值由高到低的顺序为：西南部＞东南部＞城六区＞北部，全市PM10质量浓度由北至南依次升高，存在一定的空间差异性，污染严重区域集中在房山区、大兴区以及通州区。

4.6 PM2.5空间污染分布特征

图7为2014年北京市PM2.5质量浓度年均值空间分布特征图。图中PM2.5质量浓度在67～123 μg／m3范围内，最高值与最低值之间差距较大，根据环境空气质量标准中PM2.5一级质量浓度限值为75μg／m3，二级质量浓度限值为115μg／m3，三级质量浓度限值为150μg／m3的标准，在质量浓度分布上，全年PM2.5年均值处于空气中度污染的范围。

6类大气污染物空间分布如表1所示，可以清晰地看出6类大气污染物质量浓度范围和空间分布特性以及重污染区域。

污染物空间分布特性总结表Table1 Tableofthespatialdistributioncharacteristicsof6kindsofairpollutants

5 结论与展望

1）2014年北京市6类大气污染物质量浓度空间插值结果表明：大气污染物中一氧化碳（CO）、二氧化氮（NO2）、臭氧（O3）、二氧化硫（SO2）质量浓度年均值在轻度污染范围之内，其中CO浓度最低，污染程度最弱；可吸入颗粒物（PM10）、细颗粒物（PM2.5）年均质量浓度偏高，污染程度较为严重，是当前大气污染中主要污染物。

2）2014年北京市6类大气污染物在空间分布上除O3空间分布从北至南污染质量浓度依次降低之外，其余大气污染物均呈现由北至南污染质量浓度依次升高，即南高北低，其中，NO2污染质量浓度最高集中在城中心，其他大气污染物最高污染质量浓度均在南部地区，特别是通州、大兴、房山区。

3）本文主要就2014年北京市6类主要大气污染物年均值进行分析，利用空间插值技术得到了大气污染物质量浓度在空间上的整体变化趋势，大部分大气污染物集中于北京市南部以及城六区，这主要是由于地理因素和气象因素所导致，在大气治理和防治过程中应充分考虑大气污染物空间分布的差异性，对重点污染区域采取特殊方法，结合污染物分布特性制定相关防治的法律法规，使得大气治理能取得更好的效果。

4）展望

本文主要研究北京市6类大气污染物的空间分布特性，并根据其空间插值的结果进行分析总结，但是没有进一步分析造成这种空间差异性的原因，没有结合气象和地理差异性进一步分析，这将是下一步研究的方向。

［1］黄虹，曾宝强，曹军骥，等.广州大学城大气PM2.5质量浓度与影响因素［J］.环境科学与技术，2009，32（5）：103-106.

［2］任阵海，万本太，苏福庆，等.当前我国大气环境质量的几个特征［J］.环境科学研究，2004，17（1）：1-6.

［3］袁杨森，刘大锰，车瑞俊，等.北京市秋季大气颗粒物的污染特征研究［J］.生态环境，2007，16（1）：18-25.

［4］马召辉，梁云平，张健，等.北京市典型排放源PM2.5成分谱研究［J］.环境科学学报，2015，35（12）：4043-4052.

［5］赵秀娟，蒲维维，孟伟，等.北京地区秋季雾霾天PM2.5污染与气溶胶光学特征分析［J］.环境科学，2013，34（2）：416-423.

［6］于淑秋，林学椿，徐祥德.北京市区大气污染的时空特征［C］//推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集（下册）.北京：气象出版社，2004：92-99.

［7］张睿，蔡旭晖，宋宇.北京地区大气污染物时空分布及累积效应分析［J］.北京大学学报：自然科学版，2004，40（6）：930-938.

［8］刘杰.北京大气污染物时空变化规律及评价预测模型研究［D］.北京：北京科技大学，2015.

［9］林振山.地学建模［M］.北京：气象出版社，2003.

［10］岳文泽，徐建华，徐丽华.基于地统计方法的气候要素空间插值研究［J］.高原气象，2005（6）：974-980.

［11］李军龙，张剑，张丛，等.气象要素空间插值方法的比较分析［J］.草业科学，2006，23（8）：6-11.

［12］邬伦.地理信息系统［M］.北京：科学出版社，2001.

［13］黄杏元，马劲松.地理信息系统概论［M］.北京：高等教育出版社，2008.

［14］康娜，高庆先，周锁铨，等.区域大气污染数值模拟方法研究［J］.环境科学研究，2006，19（6）：20-26.

［15］朱燕舞，刘文清，谢品华，等.北京边界层大气污染物的垂直廓线监测与分析［J］.地球物理学报，2010，53（6）：1278-1283.

［16］李令军，李金香，辛连忠，等.北京市春节期间大气污染分析［J］.中国环境科学，2006，26（5）：537-541.

（责任编辑 李亚青）

Air Pollutant Analysis on Spatial Distribution Characteristics in Beijing in 2014

LIU Jun-xiu，YANG Peng
（Beijing Key Laboratory of Information Service Engineering，Beijing Union University，Beijing 100101，China）

Based on Geographic Information System，ArcGIS 10.2 platform，using IDW spatial interpolation model，the concentration in mean variation and spatial distribution characteristics of six air pollutants that 35 environmental quality monitoring sites monitored in 2014，including CO，NO2and O3，Inhalable particles（PM10），fine particulate matter（PM2.5），and SO2are analyzed.Results showed that concentrations of CO，NO2，SO2，O3and PM10，PM2.5were in 1 to 3（unit：mg/m3），17.22～105.4（unit：μg/m3），14.27～25.75（unit：μg/m3），27～81（unit：μg/m3），76～179（unit：μg/m3），67～123（unit：ug/m3），from which we can see，except for PM10and PM2.5，the annual concentration of other atmospheric pollutants in Beijing 2014 is not high，which are within the range of slight pollution.In addition，O3concentration spatial distribution presents the characteristics of higher in the north and lower in the south.The others showed higher concentrations in the southern and central area，and lower concentration in the norther area.

Beijing；Air pollutants；Geographic information system；Spatial interpolation

X 51

A

1005-0310（2016）03-0032-06

10.16255/j.cnki.ldxbz.2016.03.006

2016-03-17

长城学者计划项目（CIT&TCD20130320）。

刘俊秀（1991-），女，北京市人，北京联合大学北京市信息服务工程重点实验室硕士研究生，主要研究方向为城市空气质量监测、地理信息系统。

杨鹏（1965-），男，四川大英人，北京联合大学校长助理、科研处处长、教授、博士、博导，主要研究方向为矿业工程、安全工程与系统工程研究。E-mail：yangpeng@buu.edu.cn