王博
南京市鼓楼区环境保护监测站 江苏 南京 210011
摘要：本文通过地面监测数据、网格化数据、卫星等多方技术结合的多源数据融合分析技术研究了南京市某城区的空气质量现状并分析出该区污染物（尤其是PM2.5）浓度高值事件的成因和来源，为科学制定大气污染防治措施提供了理论与技术支撑。
关键词：南京市；网格化；卫星遥感；空气质量；污染成因
1.引言
环境问题的突出，尤其是大气污染状况的的严峻，都在督促大气污染防治工作进一步改善。对未产生的污染进行预防与对已产生的污染进行治理两者结合，是科学有效改善大气环境质量的策略之一[1]。2019 年1 月本研究城区的区人民政府组织编制并发布了区内2018–2020 年突出环境问题清单，共包含5 大类15个具体环境问题，明确了整治目标、整治措施、时序进度和责任主体。同年2月，南京各区空气质量排名在《南京日报》头版刊登，对各区PM2.5 月浓度和空气优良率依次排名。2018年十一月以来，本研究区内国控点的PM2.5浓度在全市9站点中排名显著落后（2019年每月排名均位列倒数），2020年是蓝天保卫战三年行动的决战决胜之年，城区大气环境改善刻不容缓。
本城区拥有两个国控站点，考核权重高、达标压力强。区内人口分布密度大，机动车保有量多[2]，同时下垫面条件复杂，地表粗糙度高，扩散条件差，其中A站点上风向有小丘陵，同时建筑物较多，地表粗糙度高，扩散条件相对B站点更弱。各因素的相互作用造成了城区内源性污染特征复杂的特性。
常规监测手段主要是通过安装在地面的监测仪器进行连续采样从而对空气质量进行分析，存在监测点位少，区域范围窄，观测尺度小等缺点[3]。多源数据融合分析方法能够结合地面监测数据、卫星、模式等多方技术，实现网格化、大区域多尺度的污染数据监测，深度挖掘与分析城区的污染物时空分布特征，为大气污染防治工作提供理论与技术支撑。
2.数据来源及分析方法
2.1国控点数据
国控点常规监测数据数来自中国环境监测总站的全国城市空气质量实时发布平台发布的国控站点监测数据，主要包括AQI、PM2.5、PM10、O3、NO2、CO 以及SO2。数据下载网址为http://106.37.208.233:20035/。数据统计方法均参照环保部发布的《HJ 663-2013 环境空气质量评价技术规范（试行）》。本研究分析数据为2014年6月-2020年8月。
2.2网格化数据
网格化数据监测不仅可以根据不同的污染程度灵活的布置点位，还可以实现精细化的管理，有效的存储数据[4, 5]。利用城区布设的26 个网格化微站，构建了智能数据标准网格系统，方便对污染热点区域分析，数据类型包括PM2.5、PM10、TSP 等，时间分辨率为1h。
2.3气象数据
南京市站点气象数据来自美国国家气候数据中心（NCDC），数据下载网址
为：https://www.ncdc.noaa.gov/。数据类型包括气温、气压、露点、风向风速、
云量、降水量，时间分辨率为1 h。
? 气象数据使用Vaisala WXT530 气象变送器，参数，数据类型包括气压，温度，湿度，降雨量，风速、风向，时间分辨率为1h。
2.4卫星遥感数据
哨兵五号卫星Sentinel-5P，是作为Sentinel 项目的第四项任务，P 代表Precursor(先导)。Sentinel-5P 卫星将使用对流层监测仪(TROPOMI)监测大气污染情况，以跟踪二氧化氮、臭氧、甲醛、二氧化硫、甲烷、一氧化碳等气体的浓度。每次通过，卫星可以进行长达2600 公里的扫描。这些信息将用于制定空气质量预报，并帮助指导其他相关决定。
3.结果分析
3.1重点区域空气质量时间变化特征
通过文献调研[6-8]与历史数据分析发现，影响南京市空气质量的主要污染物为PM2.5与O3，因此为了甄别本城区污染加剧的关键时间点与可能来源，研究2014年6月-2020年8月区域内两个国控站点重点污染物变化趋势及对月度排名进行了分析。
分析表明：
（1）城区冬春季节频发PM2.5污染，近年来浓度下降显著，与全国大部地区保持一致[9, 10]。A站点与B站点PM2.5变化趋势较为一致，整体呈下降趋势，每年下降浓度分别为4.15、6.12 μg/m3，B站点降幅略高于A站点。2015-2018年6月间站点B冬季浓度均高于站点A，而自18年冬季开始，A站点细颗粒物浓度反超B，12月均值相差约10 μg/m3。
2018年11月以来，A站点的PM2.5浓度在全市内排名下降显著，在2019年排名更是持续落后。因此对比南京市其余站点，A站点2019年PM2.5污染相对更重，更易发生高值污染。同时反观B站点的PM2.5浓度排名近年来多有反复，在2020年月排名较少进入前四，形势也不容乐观。
（2）城区春夏季节频发臭氧污染，近年来O3浓度未有显著降低且有所上升，站点A上升更为显著，年增长浓度为0.92 μg/m3。2014-2018年间，A站点O3浓度整体低于B，2018年站点A浓度水平开始赶超站点B。站点B臭氧排名近年来改善显著，站点A则在春夏季压力较大。
对其他污染物浓度变化特征进行分析，发现：PM10受城区降尘管控措施影响显著，A与B年降低浓度分别为8.8与8.28 μg/m3，降率为六参数中最高。结合PM2.5与PM10的时间序列来看，二者比值在2018年的冬季迅速上升，城区冬季逐步呈现PM2.5主导的污染特征。NO2浓度A站点在2015年-2018年6月期间整体低于B站点，自2018年下半年开始与B站点浓度趋于一致。SO2整体降幅均较大，区内两站点管控效果显著。
研究表明CO主要来源为一次排放，碳物质的不充分燃烧，汽车尾气中CO的排放均是空气中CO的来源[11]。如图4，CO在A与B站点内变化趋势显著差异，B站点CO浓度在2016-2017年间年际波动幅度较大。两站点均自2018年冬季起有波动性上升的现象。
3.2卫星遥感数据反演长三角 CO 柱浓度分布
为进一步探究区内冬季PM2.5污染高值是否来自内源性排放的增强，利用哨兵五号卫星Sentinel-5P数据，对2018年11-12月（研究区PM2.5排名陡然落后的关键时刻）不同污染程度下长三角地区CO柱浓度分布进行反演。
由于CO主要来自一次人为源排放，结合PM2.5污染天下CO的空间部分特征，可查看污染天下内源浓度高值地区。
选取11月22、29日 与12月13、16日长三角地区CO柱浓度分布（见图5），分析发现CO高值均主要分布在江苏省北部的徐州、连云港市以及西南部的南京市。其中南京市中部城区CO柱浓度显著高于其他地区，西部地区紧邻安徽马鞍山、芜湖以及铜陵一带，一次排放污染同样较为显著。该结果表明冬季静稳条件下，PM2.5发生污染时本城区的内源性排放确实显著高于其他地区，与前文结论一致。
.png)
图1 卫星数据反演的长三角地区CO柱浓度空间分布（所选日期均为PM2.5发生污染日）
3.3网格化监测数据排查PM2.5高值区域分布
基于本区2019年12月1日~2020年2月29日污染时段网格数据（PM2.5浓度≥75 μg/m3），利用ArcGIS空间差值分析方法，对区内PM2.5分布特征进行分析。本区东部地区、北部一带PM2.5浓度普遍较低，表明植被覆盖和湖陆风有利于本区东北及东部大气扩散。此外，在不同的时间段，区自北向南存在三个较为独立的浓度高值区域，PM2.5浓度最大值接近150 μg/m3，分别为区西北部沿江一带地区；中部地区；区最南部地区。
为进一步佐证点位污染高值受本底累积还是外来传输影响较大，基于PM2.5空间分布图挑选出8个位于污染浓度高值区域的网格点，匹配邻近自动化气象监测站，得到2019年12月本区内PM2.5污染玫瑰图（图6），高值区与由北往南共有8个站点。
综合分析PM2.5空间分布图与污染玫瑰图，北部站点1在风速低于1m/s的静稳气象条件下，集中出现PM2.5浓度接近150 μg/m3的中度污染，局地污染源影响的可能性较大，需进行走航+定点监测加以验证；此外在2~3 m/s偏西风下，PM2.5浓度亦出现较大浓度值，考虑该站点靠近长江，可能受到航道轮船的影响。中部地区三个站点数据缺失较多，但浓度高值来向与地理分布耦合度较高。其中，站点2与站点3受到2~3 m/s偏南风影响时，浓度高值较多，可能受到最南部一带浓度高值影响；站点4受到2~4 m/s偏西风影响时，浓度较高，明显受到上风向高值区传输影响。
南部浓度高值区4个站点监测数据较为完整，主要受到偏西和东南两个方向影响。其中，国控站点A相比周边网格点，在风速低于1m/s的静稳气象条件和2~3 m/s东南风下，PM2.5浓度高值出现时段更多，且污染浓度变化较大，表明A站点除却本地污染源影响外，还受到西边住宅区、东南方向医院传输影响。
.png)
图2 2019年12月城区网格点PM2.5污染玫瑰图
4.结论
通过历史监测数据、卫星数据以及网格化数据对比印证发现：
（1）2018年12月冬季以来南京市重点区域PM2.5污染加剧主要受内源排放的影响显著。区域内污染较重的国控点周边污染源更为密集，排放类型复杂。
（2）2018年冬季静稳天下，对比城市其他地区，CO 柱浓度高值集中出现在南京市中部重点地区，表明该重点地区PM2.5受本地内源性排放影响显著。
（3）2019年冬季研究区内 PM2.5高浓度区域的典型站点从北往南共有8个。其中，北部的站点1在静稳天气及 2~3 m/s 偏西风下，容易出现 PM 2.5浓度接近 150 μg/m 3 的中度污染；中部的站点3受到 2~3m/s 偏南风影响时，浓度高值较多；南部的国控站A在风速低于1 m/s的静稳气象条件和 2~3 m/s 东南风下，PM2.5浓度高值出现时段更多，且污染浓度变化较大。
船舶、汽轮电机制造等重工业生产和高密度人口生活可能为研究区内大气污染的潜在污染源。与B站点相比，A站点周边“热点” 分布相对密集，分别有高校、医院、体育中心和住宅区等。
5.参考文献
[1] 邢悦, 大气颗粒物污染与防治策略分析[J]. 环境与生活, 2014. 000(07X): 202-203.
[2] 秦贤宏, 魏也华, 陈雯等, 南京都市区人口空间扩张与多中心化[J]. 地理研究, 2013. 32(04): 711-719.
[3] 刘旭, 闫益康, 王海新等, "空天地"一体化监测技术在京津冀大气污染防治工作中的应用[J]. 科技创新与应用, 2019. 000(019): 1-6.
[4] 李玉芳, 探究大气污染防治网格化监测的应用[J]. 环境与发展, 2020. 32(1): 55,58.
[5] 李兆彪, 网格化微型空气监测站建设的必要性概述 网格化微型空气监测站建设的必要性概述[J]. 环境科学, 2020(1): 116.
[6] 魏莉,郑有飞,赵辉, 2013～2016年夏季南京臭氧和细颗粒物的污染特征及相关性[J]. 科学技术与工程, 2018. 18(32): 109-118.
[7] 乔月珍,王恪非, 南京夏季城区臭氧污染特征及其气象影响因素研究[J]. 绿色科技, 2018. 000(024): 89-91,93.
[8] 王涛, 何浩奇, 夏忠欢等, 2015年南京市PM2.5与PM10的污染特征[J]. 环境工程学报, 2017(11): 198-205.
[9] 时燕, 刘瑞梅, 罗毅等, 近20年来中国PM2.5污染演变的时空过程[J]. 环境科学, 2020.
[10] 李沈鑫, 邹滨, 刘兴权等, 2013-2015年中国PM2.5污染状况时空变化[J]. 环境科学研究, 2017. 30(5).
[11] 王旭光, 秋、冬季重污染天气下大气CO浓度偏高分析[J]. 科技创新与应用, 2017: 164.