【《空气污染影响因素研究文献综述》5100字】

空气污染影响因素研究文献综述空气污染经常被认为是多种因素共同作用的结果[53]，如表1-1汇总了在相关研究中经常被考虑到的一些潜在影响变量，这些参数通常可以被划分为气象因素[54,55]、土地利用[56,57]以及交通因素[58-60]。它们一方面从来源上塑造了空气污染分布格局，另一方面也影响了空气污染的消散与输送。为了厘清空气污染的变化规律，帮助制定空气质量改善措施，非常重要的一环是了解影响空气污染变化的推动因素。1、气象因素气象因素，主要包括温度、相对湿度、风速、风向、气压以及太阳辐射，通过影响污染物的成核、冷凝、沉降以及生成，在污染物的物理过程与化学过程中发挥了重要作用，被许多研究发现对空气污染具有显著的影响作用[61-66]。在上个世纪40年代，洛杉矶就遭遇了包括烟雾在内的严重的空气污染问题，究其原因，逆温与局部风被认为是加剧空气污染的两个重要因素，它们阻碍了污染物在垂直与水平方向的消散[67]。在赫尔辛基进行的一项研究利用了长期收集到的气溶胶颗粒粒径分布，分析了超细颗粒物与细颗粒物数浓度对相关气象参数的依赖性[68]。结果表明在所有气象参数中，环境温度与风况是细颗粒物数浓度最重要的影响因素，这是累积模式粒径范围内的气溶胶颗粒主要来源于区域和远距离输送导致的。Li等[69]对中国所有地级市2015-2016年的污染物小时数据进行了分析，发现了PM2.5、PM10、SO2与降水、大气温度、风速显著相关，而CO、NO2则仅与大气温度有显著关系，日照时间以及相对湿度对O3的浓度有显著影响。在另一项相关的研究中，He等[70]选取了中国31个省会城市2014-2015年6种公开污染物的浓度数据，进一步确定了中国的气象条件解释了超过70%的污染物浓度变化。单文坡等[71]对济南市夏季的O3浓度进行了观测，发现了O3与太阳辐射的变化规律趋同，两者之间的相关性达到0.802，太阳辐射被确定是O3昼夜变化最重要的影响因素之一，说明了前体物之间的光化学作用对O3的巨大贡献。陈镭等[72]对上海市空气污染与气象因素之间的关系进行了探究，得出PM2.5是上海的首要污染物，尤其在冬季更为严重，很大程度归因于在高压天气控制下，风速较小，不利于污染物扩散，进而导致重度污染事件。而在夏季，由于较高的气温以及良好的光照条件，O3则成为夏季主要污染物。周景博等[73]基于北京市2001年至2012年的历史空气污染指数数据，构建了广义线性模型来评估气象因素的影响，发现了日最高气温、日均风速、日均相对湿度与空气污染指数呈显著的正相关关系，而日均气压、日均气温、日降水量与日照时数则对空气污染指数有显著的负向影响。晏彩霞等[74]根据南昌市2014年至2017年9个空气质量监测站点的数据，分析了影响空气污染时空分布特征的因素，确认了在所有气象因素（温度、湿度以及风速）中，PM10、PM2.5与NO2受相对湿度影响最大，并且呈负相关关系，而O3主要受温度的影响，较高的温度推动了O3的高浓度。在乌鲁木齐进行的一项研究表明，所有的重污染事件均发生在低风速、低温度以及具有较厚逆温层的天气条件下[75]。Jamriska等[76]重点研究了温度和相对湿度对交通排放颗粒物的影响，得出温度显著影响粒径在15-30nm的颗粒物数浓度，这是由于一个较低的温度会促进颗粒成核，而当相对湿度增加时，粒径在50-150nm的颗粒物数浓度也随之增加，很大可能是冷凝导致的更小粒径颗粒物的生长造成的。总的来说，各种气象因素对空气污染的影响较为复杂，梳理归纳它们的影响作用具体如表1-1所示：表1-1气象因素对空气污染的影响总结气象因素影响作用太阳辐射太阳辐射的增强会促进光化学反应的进程，一些光化学反应的产物比如O3的浓度会随之上升，而它的前体物比如氮氧化物或者挥发性有机化合物浓度会减少。温度温度对污染物浓度的影响在不同研究中有所差异。温度升高会推动污染物的光化学作用，比如颗粒物会由于二次生成的增多而浓度上升。但是，较低的温度有时也被认为会促进颗粒成核增加颗粒物浓度。此外，逆温现象的出现会极大地阻碍空气污染的扩散，使得近地面污染物聚集。相对湿度相对湿度对污染物的正向作用与反向作用经常在研究中被发现。较高的相对湿度有利于颗粒物成核、冷凝以及凝固，进而导致污染物浓度增加；较低的相对湿度则有利于良好扩散氛围的出现，帮助污染物更快的消散，从而达到一个较低的浓度。气压研究人员对气压的影响也存在分歧。当近地面暖气块上升造成低气压的同时，也会在高空形成云抑制地面污染物的扩散，使得污染物浓度增加；但是气压往往与大气紧密相连，高气压通常意味着较稳定的大气结构，在稳定大气分层下污染物容易在地面聚集。风速较小的风速有利于污染物的积累，而在较高风速下污染物会被快速稀释，因而风速一般与污染物浓度呈负相关关系风向一般下风向区域发现有更高的污染物浓度，并且上下风向之间往往存在浓度的空间梯度分布可以发现，现有研究基本确认了空气污染与气象因素之间紧密的相关性，但是关于不同气象因素的作用方向，在不同研究中时常发现不一致甚至相互矛盾的结论[77,78]，这些差异可能归因于研究的污染物、地点、时间跨度以及时间尺度[79]。另外一个方面，气象因素对空气污染的作用机理较为复杂，气象条件既直接制约了空气污染的扩散与稀释，同时也对污染物的转化与形成也发挥了不可忽视的作用，当这两方面的效果叠加在一起时，使得辨别气象因素对空气污染的影响效果变得尤为困难。例如相对湿度会通过成核、冷凝和蒸发等各种过程对气溶胶颗粒浓度产生抵消作用，并且具体的效果很大程度上取决于颗粒物的化学组成[68]。在夏季高温通常意味着较好的天气状况，可能会导致污染物的扩散和稀释的增加，但是较高的温度同时也会推动光化学反应生成新的颗粒物[80,81]。值得注意的是，不同气象因素的影响往往不是单独施加的，而是同时伴随着其他的气象因素共同作用。例如低压一般意味着不稳定的大气结构，近地面的污染物会随着空气的上升而加快扩散，但是高湿度、云层以及雨经常在低压地区被发现，高湿度推动了颗粒物的成核、凝结[82]，这些因素的共同作用构成了空气污染变化的驱动力。2、土地利用（建成环境）土地利用特征通常包括绿地、住宅用地、商业用地、工业用地、人口密度等[83,84]，它对空气污染的影响主要体现在不同的土地利用类型对应的污染源排放强度往往有较大差异，同时就制约污染物扩散的建成环境布局而言，在不同的土地利用特征下也不尽相同。Romero等[85]分析了圣地亚哥从自然半干旱地表到城市地区的快速转变与空气污染的空间分布之间的关系。在城市化过程中，安第斯山脉斜坡上的土地利用迅速变化，地表的拦截与渗透能力下降，导致对空气污染物的过滤、再循环以及稀释减少，成为了重要的污染源，在当地风的影响下最终形成了城市及周边区域污染物浓度分布的差异。Gao等[86]选取了位于上海的两个街区，并以不同的半径划分缓冲区，计算每个缓冲区内绿地与广场、水体、住宅用地、商业用地这4种土地覆盖类型的总面积，来评估土地利用类型对空气污染分布的影响，发现PM2.5浓度在绿地与广场区域会降低。另一项在上海的研究[87]也确认了土地利用类型对包括PM2.5与O3在内的污染物的空间格局存在影响，具体而言，较大的绿地面积有利于削减PM2.5污染，对O3的影响则恰好相反；此外，住宅用地面积被认为是影响PM2.5浓度的第二大因素，仅次于背景浓度。Weng等[88]也将土地利用与城市空气污染模式联系起来，把土地利用划分为城市或建筑用地、贫瘠的土地、农田、园艺农场、堤防土地、森林以及水体这7个类别，发现空气污染物的空间格局与城市建筑密度呈正相关。Sider等[89]在加拿大蒙特利尔开展的研究也阐述了相似的结论，即在密集且适合步行的社区面临更大的污染暴露风险，但是在这些地区以及商业土地利用水平较高的区域往往产生更少的人均交通排放。国内也有越来越多的研究着眼于土地利用的空气污染效应，比如许珊等[90]、邹滨等[91]探究了长株潭城市群土地利用造成的空气污染分布差异，发现NO2、PM2.5浓度与建设用地和道路面积占比呈显著正相关关系，与林地面积占比呈负相关关系。在其他的城市例如北京[92]、上海[93]、武汉[94]，也已经有研究人员得到了类似的结论。可以发现，土地利用在很大程度上塑造了当地空气污染分布格局，不合理的土地利用规划比如长距离交通用地、不当工业用地甚至可能演变成大气污染的主要原因[85]。因而，明确不同用地类型带来的空气污染后果，并统筹协调城市各功能区的用地性质对于缓解空气污染具有重要理论意义。表1-2作者研究区域污染物土地利用特征Briggsetal.(1997)[95]阿姆斯特丹（荷兰）、哈德斯菲尔德（英国）、布拉格（捷克）NO2建设用地面积、土地覆盖系数（工业用地和高密度住宅用地面积加权求和）Braueretal.(2003)[96]荷兰、慕尼黑（德国）、斯德哥尔摩（瑞典）PM2.5家庭密度、人口密度Gilbertetal.(2005)[97]蒙特利尔（加拿大）NO2工业用地面积、空地面积、人口密度Wengetal.(2006)[88]广州（中国）SO2、NOx、CO、TSP、粉尘水平城市或建筑用地、贫瘠的土地、农田、园艺农场、堤防土地、森林以及水体Rossetal.(2007)[98]纽约（美国）PM2.5工业用地、住宅用地、商业用地、农业/森林用地许珊etal.(2015)[90]长株潭城市群PM2.5、NO2、O3、PM10建设用地、道路、裸地、耕地、水域、绿地、林地Liuetal.(2016)[13]上海（中国）PM2.5、NO2住宅用地、商业用地、工业用地、绿地和水体（河流和湖泊）施媛媛etal.(2017)[99]武汉（中国）NO2耕地、林地、草地、水域、城乡工交用地、未利用地Zouetal.(2017)[100]京津冀区域（中国）PM2.5建成区百分比、森林面积百分比、草原面积百分比、水域面积百分比Gaoetal.(2019)[86]上海（中国）PM2.5绿地与广场面积、水体面积、住宅用地面积、商业用地面积3、交通因素随着机动车数量的逐年攀升，大量化石燃料被消耗，尾气排放贡献了空气中高浓度的一氧化碳、二氧化碳、挥发性有机化合物、碳氢化合物、氮氧化物以及颗粒物[101,102]，越来越多的证据表明交通成为城市地区空气污染的主要来源[103-106]。在中国，机动车尾气排放主要集中在北京、广州、上海、天津等主要城市，尤其是在北京与广州，机动车排放分别贡献了超过80%与40%的CO和氮氧化物[107]。而在高度工业化国家，交通排放被认为占了市区颗粒物总排放量的50%以上[108]，例如在伦敦，超过80%的颗粒物来源于道路交通[102]。许多研究探究了影响空气污染的交通因素，主要包括速度、交通量、车队组成、交通流拥堵状况等参数[109-112]，它们通过作用于车辆排放来影响区域空气污染分布。在深圳，张晓春等[113]对比了路边监测点与国控站点的污染物浓度，发现排放的污染物质量浓度与交通量展现出类似的变化趋势，并且与货车的排放显著相关。Small等[114]估算了洛杉矶地区各种类型机动车造成的空气污染成本，得出了重型柴油车辆导致了更高的空气污染成本。在巴西圣保罗进行的一项研究[115]更进一步地计算出了重型车与轻型车的BC排放因子分别是170与41mg/km，重型柴油车辆展现了巨大的排放优势，这一结论在其他的研究中也得到了证实[49]。此外，与自由流的情况相比，在交通中断和拥挤的情况下，车辆由于频繁的速度变化以及走走停停的行驶状态也会产生大量的交通排放[116,117]。由此可见，交通作为一种重要的排放源，在很大程度上推动了空气污染的恶化，尤其是在城市地区，贡献了包括颗粒物、氮氧化物等污染物在内的主要来源。因而，掌握交通流的时空特征对于刻画空气污染变化规律至关重要，这对于理解空气污染的分布格局提供了深刻的见解。参考文献[1] WORLDHEALTHO.Ambientairpollution:aglobalassessmentofexposureandburdenofdisease[M].Geneva:WorldHealthOrganization,2016.[2] LELIEVELDJ,EVANSJS,FNAISM,etal.Thecontributionofoutdoorairpollutionsourcestoprematuremortalityonaglobalscale[J].Nature,2015,525(7569):367-71.[3] COHENAJ,ROSSANDERSONH,OSTROB,etal.Theglobalburdenofdiseaseduetooutdoorairpollution[J].JToxicolEnvironHealthA,2005,68(13-14):1301-7.[4] JERRETTM,BURNETTRT,POPECA,3RD,etal.Long-termozoneexposureandmortality[J].NEnglJMed,2009,360(11):1085-95.[5] WILSONRS,BARNESLL,KRUEGERKR,etal.Earlyandlatelifecognitiveactivityandcognitivesystemsinoldage[J].JournaloftheInternationalNeuropsychologicalSociety,2005,11(4):400-7.[6] YUANY,FAILMEZGERH,RUEDAOM,etal.Quantitativeimageanalysisofcellularheterogeneityinbreasttumorscomplementsgenomicprofiling[J].Sciencetranslationalmedicine,2012,4(157):157ra43.[7] BRIGGSDJ,DEHOOGHC,GULLIVERJ,etal.Aregression-basedmethodformappingtraffic-relatedairpollution:applicationandtestinginfourcontrastingurbanenvironments[J].TheScienceofthetotalenvironment,2000,253(1-3):151-67.[8] MICHAELJ,ALTAFA,PAVLOSK,etal.Areviewandevaluationofintraurbanairpollutionexposuremodels[J].JournalofExposureAnalysisandEnvironmentalEpidemiology,2004,15(2):185.[9] HEALTHEFFECTSINSTITUTE.PANELONTHEHEALTHEFFECTSOFTRAFFIC-RELATEDAIRP.Traffic-relatedairpollution:acriticalreviewoftheliteratureonemissions,exposure,andhealtheffects[J].2010,[10] GOZZIF,DELLAVENTURAG,MARCELLIA.Mobilemonitoringofparticulatematter:Stateofartandperspectives[J].AtmosphericPollutionResearch,2016,7(2):228-34.[11] 许东,刘立平,包晓幸,etal.社区环境空气臭氧污染的监测与分析[J].环境与健康杂志,2010,27(03):266-7.[12] WANGT,XUEL,BRIMBLECOMBEP,etal.OzonepollutioninChina:Areviewofconcentrations,meteorologicalinfluences,chemicalprecursors,andeffects[J].ScienceofTheTotalEnvironment,2017,575(1582-96.[13] LIUC,HENDERSONBH,WANGD,etal.Alanduseregressionapplicationintoassessingspatialvariationofintra-urbanfineparticulatematter(PM2.5)andnitrogendioxide(NO2)concentrationsinCityofShanghai,China[J].ScienceofTheTotalEnvironment,2016,565(607-15.[14] HUANGL,ZHANGC,BIJ.DevelopmentoflanduseregressionmodelsforPM2.5,SO2,NO2andO3inNanjing,China[J].EnvironmentalResearch,2017,158(542-52.[15] KIMJJ,SMORODINSKYS,LIPSETTM,etal.Traffic-relatedAirPollutionnearBusyRoads[J].AmericanJournalofRespiratoryandCriticalCareMedicine,2004,170(5):520-6.[16] RICHMOND-BRYANTJ,SAGANICHC,BUKIEWICZL,etal.AssociationsofPM2.5andblackcarbonconcentrationswithtraffic,idling,backgroundpollution,andmeteorologyduringschooldismissals[J].ScienceofTheTotalEnvironment,2009,407(10):3357-64.[17] OLVERAHA,GARCIAM,LIW-W,etal.PrincipalcomponentanalysisoptimizationofaPM2.5landuseregres