【《社区尺度PM2.5浓度的时空分布规律分析案例》2700字】

社区尺度PM2.5浓度的时空分布规律分析案例目录TOC\o"1-3"\h\u29615社区尺度PM2.5浓度的时空分布规律分析案例 196061.1PM2.5浓度的时间变化特征 1204451.2PM2.5浓度的空间变化特征 31.1PM2.5浓度的时间变化特征图3-4PM2.5浓度的时间波动曲线（a）不同观测日内小时PM2.5浓度均值的日变化曲线（b）不同观测日PM2.5浓度的日平均值变化曲线：误差线表示0.5倍标准差Fig.3-4ThevariationofnearPM2.5concentration(a)DiurnalvariationofhourlymeanPM2.5concentrationsondifferentobservationdays(b)Inter-dailyvariationofPM2.5concentrationsondifferentobservationdays：如图3-4所示，本小节计算了2018年观测实验不同观测日内小时PM2.5浓度均值的日变化曲线，一天内小时PM2.5浓度值均值的变化曲线在不同的观测日内的波动特征大致相似，廓线均呈现出显著的双峰波动模式（即早高峰和晚高峰）。以往的研究结果也表明，PM2.5浓度的双峰型日变化模式与人类活动和相关的气象因素的日变化特征有很强的相关关系（Jietal.,2018）[218]。在不同的观测日，从午夜到凌晨（大约是0:00-4:00），PM2.5浓度缓慢下降，这主要是因为人类活动强度在夜间减弱以及气溶胶颗粒物的干沉降等过程所引起的。随着早高峰汽车尾气排放的增多，大气光化学反应进程的加快以及人类活动强度的增强（厨房排放、工厂生产等），PM2.5浓度从5：00左右开始呈现出逐渐上升的趋势，之后在上午（10：00左右）出现峰值，峰值的大小不同，差异达到36mg/m3,可能是因为周末和工作日早晚高峰通勤量的差异造成。由于白天时间段内边界层迅速抬升，大气湍流活动加强，有利于空气污染的扩散，所以PM2.5浓度在12：00-17：00之间开始出现缓慢的下降。在傍晚和晚间时段（18：00-20：00），PM2.5浓度重新出现升高的趋势，这主要是由于人类排放强度的增强（晚高峰和厨房排放等），以及大气边界层的迅速收缩（太阳辐射强度减弱以及夜间近地面大气的逆温作用），导致大气边界层内PM2.5浓度的急剧升高。另外，从图表中可以发现，每日傍晚和晚间时段的峰值以及观测值均要明显的高于上午，这与Russell得到的研究结果一致。傍晚和晚间时段，人们有更多的社交活动，出行距离变长，餐饮业生意兴隆，家家户户也要做饭等，故而产生较多的排放物。由此可见，近地面层大气中的PM2.5浓度，主要与人类活动强度和相关气象因素的日变化特征有很强的相关关系。除了不同观测日内小时PM2.5浓度均值的日变化曲线外，本课题同样绘制了实验阶段不同观测日内小时PM2.5浓度均值的日变化曲线，纵坐标是PM2.5浓度，如图3-4（b）。横坐标是天数，代表实验的天数。PM2.5浓度的日均值最高达到76ug/m3,最低值大约为23ug/m3，差值达到53ug/m3。从图中得到一个很有意思的现象，第7天、第11天、第14天的PM2.5的日平均浓度值在17天的实验中较高，这三天恰好是周末。一般而言，工作日通勤人员较多，会产生较多的交通排放，相应的PM2.5浓度值应该高。但从图中来看，工作日的PM2.5的日平均浓度值大致相同，没有出现高峰或者低峰值，说明工作日的污染排放是较为稳定，主要是交通排放。周末，通勤人员虽然减少，但可能不同于工作日期间，通勤人员更多选用公共交通，周末或许有更多的市民使用私家车出行，甚至一天移动多个地方，进而产生更多的交通排放。并不是每个周末都会出现高峰值，如第3天、第16天也都是周末，这两天的PM2.5的日平均浓度值相对较低。从17天的实验来看，PM2.5浓度处于较低水平，只有3个超标日（PM2.5浓度日平均值超过75μg/m3），其余时间都在正常标准之内。PM2.5浓度不超标，可能跟本次实验时间段的选择有关，一般夏季PM2.5浓度含量比较低,冬季含量相对较高，容易出现雾霾等恶劣天气。1.2PM2.5浓度的空间变化特征基于2017年4-6月份进行的实验，图3-5分别展示了徐汇区和闵行区的PM2.5平均浓度的空间分布。PM2.5浓度分布呈现出较为显著的空间变化。上面两幅图分别是徐汇区和闵行的GIS地形图，从图中可以清晰的看出各种用地类型。下面两幅图是PM2.5浓度在每个监测点的平均浓度。徐汇区的高浓度主要集中于右边区域，虽然右边区域的商业用地密度并没有左边大，但是右边区域的商业用地主要是餐饮业，比如西堤牛排、川菜馆等，并且这些餐饮业都将较为集中。徐汇实验区域包含了内环高架路，其每小时的平均车流量大约是2000多，高峰时期甚至能够达到4000左右，经常会发生拥堵事件，因此位于这条路附近的监测点所采集的污染物浓度明显高于其他监测点。监测点7,9,18,19位于徐汇区的徐家汇地铁站附近，该地铁站不仅是肇嘉浜路、环山路衡山路、漕溪北路、虹桥路的交汇之处，而且是地铁1号线、地铁9号线和地铁11号线的换乘站，也就是集交通与商业与一体的大型综合性建筑，包含美罗城广场、港汇广场，人流量、车流量都很大，也产生了较多的空气污染物，因此，这四个监测点的PM2.5浓度值较高。监测点29,30,32位于徐家汇公园附近，是一个开放式绿地公园，植被覆盖密度较高，有利于污染物的扩散和吸收，该位置的PM2.5浓度较低。本次实验还采集了CO的浓度，CO主要是在道路旁浓度较高，而PM2.5浓度的变化比较多样，说明PM2.5的排放来源于多种类型的源贡献，该结果与以往研究发现是相吻合的。徐汇实验上1/3的区域所包含的监测点浓度都比较多，主要是因为这部分区域绿地和河流较多，没有主干道，多为支路，交通流流量较少，以行人和电动车出行为主。有些监测点位于商业用地，但其PM2.5浓度并不高，可能跟商业类型有关系，如果是文化场所，产生的油烟较少，其污染排放自然也不多，后面的研究将会对商业用地进行细化的区分。相较于徐家汇的实验区域，闵行实验区域的PM2.5浓度整体偏低。闵行位于郊区，其经济、人口密度、基础设施建设都不及徐汇区完善。但是闵行区有一个较大的特点，就是道路上通行的柴油车比例较高，柴油车的污染排放要比汽油车多。闵行区的土地利用类型以居住用地为主，居住用地的排放源基本来源于家庭使用燃气做饭或者冬季的统一供暖，这类排放源的排放强度要远远的小于工业用地及商业用地，因此位于居民区的监测点多采集的PM2.5浓度值偏低。另外，闵行区整体的绿化水平比徐汇区要高，且存在一些未开发的空地，甚至会有农田，这些用地类型的存在，更有利于PM2.5的扩散，也就能够在一定程度上降低了实验区域整体的PM2.5浓度。综上所述，闵行区的PM2.5排放源主要是来自于交通，人流、摩托车、小汽车、柴油车混杂行驶，其高浓度主要集中在左半区域，这一点与徐汇区相同。但徐汇区是由于餐饮业发达及交通流流量较大造成PM2.5浓度偏高，而闵行区主要是因为华翔高速（嘉闵高架）和北青公路的存在，华翔高速为南北向的6道，这两条道路的车流量都比较大，产生了较多的污染排放，使得PM2.5浓度偏高。基于图3-5中关于徐汇区和闵行区不同用地类型上监测点PM2.5浓度的变化，可以得出，土地利用类型与布局和大气污染物浓度分布之间存在一定的关系，但目前仅仅停留在定性分析，后面我们将建立最优的统计模型进行定量分析，找出土地利用规划与大气污染物浓度变化的内在关联性，以期提出通过改变土地利