综合GIS的贵阳冬季PM2.5污染时空特征及驱动因素分析*

李 松，罗绪强

（1.贵州师范学院资源环境与灾害研究所，贵州贵阳550018；2.中国科学院遥感与数字地球研究所，北京100101；3.中国科学院地球化学研究所，贵州贵阳550002）

综合GIS的贵阳冬季PM2.5污染时空特征及驱动因素分析*

李 松1，2，罗绪强1，3

（1.贵州师范学院资源环境与灾害研究所，贵州贵阳550018；2.中国科学院遥感与数字地球研究所，北京100101；3.中国科学院地球化学研究所，贵州贵阳550002）

PM2.5是大气污染的主要物质。通过对贵阳市的太慈桥、市环保站、冶金厅、鸿边门、马鞍山、小河区、金阳新区、乌当区、桐木岭9个监测点进行监测，获取2013年12月9日至2014年1月21日的PM2.5日均浓度数据，以及2014年1月7日0时到2014年1月20日23时共336 h的时均浓度数据，通过指标统计和计算，参考世界卫生组织的空气质量准则，结合地理信息系统技术，对贵阳市冬季PM2.5浓度变化的时空特征，进行定量和定性分析，分析污染物浓度变化及其各相关驱动因素之间的关系。结果表明，冬季贵阳PM2.5日均浓度的平均值为85.8μg／m3，日均浓度的最大值和最小值分别是主城区太慈桥96.1μg／m3和远郊区桐木岭67.8μg／m3，全距达28.3μg／m3。日均浓度和时均浓度的抽样平均误差分别为4.11μg／m3和1.8μg／m3。时均浓度变化趋势包括了单峰型、双峰型、递减型、递增型和U型等类型，它们表现出的类似趋势是：在清晨6：00降低到最低值，并在21：00左右升高到最大值。贵阳PM2.5浓度变化受气象条件、土地利用、工业污染、扬尘、汽车尾气和燃煤为主的能源结构的影响，它们表现出复杂的相关性。

冬季；PM2.5浓度；时空特征；驱动因素；贵阳市

近几年来PM2.5成为频繁出现在人们社会生活中的一个热门词汇，对社会经济发展产生了越来越严重的影响，受到国内外的广泛关注。早在2013年初，日本因担心空气污染取消学生团访华。在国内因雾霾造成交通事故诱发伤亡的事件也屡有发生。PM2.5是空气动力学直径≤2.5μm的大气细颗粒物，也被称为入肺颗粒物，是一种成分很复杂的复合污染物。PM2.5可以通过无意识吸食、呼吸和皮肤接触等途径进入人体，危害人体呼吸和消化系统［1］，引起气道病理变化，导致气道阻力增加和气道高反应性出现，并诱发或加剧哮喘症状［2］。严重的PM2.5污染事件，会导致急性支气管炎患病人数激增，哮喘发病人数和儿科门诊量大幅增加［3－4］，严重损害居民的身体健康。PM2.5污染成了影响中国人的大事，在这样的背景下，2012年2月29日颁布了国家标准《环境空气质量标准（GB3095－2012）》［5］，并发布《环境空气质量指数（AQI）技术规定（试行）》［6］配合实施。当前对PM2.5的研究主要有物质组成及来源解析［7－9］、影响因素分析［10－12］、污染特征［12－13］、疾病诱发机理和健康效应［14－18］等领域，还没有见到利用地理信息系统（GIS）技术研究PM2.5的空间分布规律。本文综合地理学的学科和GIS在空间分析的优势，研究2013年深冬贵阳市PM2.5的时间和空间变化规律，供政府决策和居民生活提供参考。

1 研究方法

1.1 研究区概况

贵阳简称筑，地处贵州中部，因位于贵山之阳而得名，106°7′～107°17′E，26°11′～27°22′N，是贵州的省会和政治、经济和文化中心，现辖云岩区、花溪区、南明区、乌当区、白云区、观山湖区，市区面积2 403 km2，耕地面积9.78万hm2。喀斯特地貌发育，地形崎岖破碎，地势西南高，东北低。区内最高海拔1 762 m，最低海拔506 m，主城区平均海拔1 000 m。地貌以山地、丘陵为主，剥蚀丘陵和盆地、谷地、洼地相间分布。2010年森林覆盖率41.8%，有林城的雅称。潮湿多雨，多年平均降水量1 096 mm。南明河从西南向东北流经贵阳，流域面积约占贵阳的70%。属亚热带湿润温和型气候，有明显的高原季风气候特征，平均气温约15.3℃，极端气温为32.5℃和－4.1℃。2013年平均风速8.3 km／h，月均最大和最小风速分别为6 km／h（10月）和13 km／h（7月），年平均气压1015.4 hPa，最低、最高月均气压为1 008 km／h（夏季）和1 023 hPa（冬季）。2010年建成区面积188.16 km2，城镇人口294.63万（第六次人口普查）。

1.2 数据源

数据源来自环保部国家空气质量自动监测站，单位为μg／m3，有时均和日均两种浓度。PM2.5对应的气象数据来自国际交换站，主要包括气压、气温、风速、湿度、能见度。其中时均气象数据缺2014年1月10日7时。PM2.5数据来自9个监测点（图1），分别是：太慈桥（贵阳发电厂大门旁神奇水厂内）、市环保站（环保局办公楼顶）、冶金厅（原贵州省环科院楼顶）、鸿边门（贵阳医学院基础一号楼顶）、马鞍山（黔灵公园园林科研所内）、小河区（小河区政府楼顶）、金阳新区（贵阳一中内）、乌当区（乌当区行政中心内）、桐木岭（民族高坡中学）。其中，主城区监测点6个，远郊区监测点1个。本研究采集2013年12月9日到2014年1月21日的PM2.5日均浓度数据，以及2014年1月7日 0时到1月20日共14 d的时均数据，数据覆盖了晴朗、阴、小雨、中雨和小雪多类天气。

图1 贵阳市PM2.5监测点位置

1.3 研究方法

采用统计分析方法，包括相关系数、变异系数和不重复采用条件下的抽样平均误差分析，研究贵阳PM2.5浓度变化及影响因素。世界卫生组织的PM2.5浓度和空气质量等级划分标准［19］中，最优标准为≤25μg／m3，次优标准为25～37.5μg／m3，第三级标准为37.5～50μg／m3，第四级标准为50～75μg／m3，第五级标准大于≥75μg／m3。美国标准和中国标准分别对应WHO标准的严格和宽松标准，本研究参考世界卫生组织的日均浓度标准，分析贵阳市PM2.5的污染特征，见表1。经差分GPS定位后，利用地理信息系统（GIS）技术，将监测点位置转为shape点文件。PM2.5数据获取后，依据采集日期建立不同的数据文件，建立字段录入9个监测点的PM2.5信息，以及与其相关的气象和社会经济要素。以1：10000地形图为参考，配准最新时相的高分辨率遥感影像，以分析PM2.5与下垫面的关系，包括土地利用现状和地形。并分析贵阳市PM2.5浓度变化与气象因素的关系。

表1 PM2.5日均浓度分级 μg／m3

2 PM2.5浓度变化特征

2.1 PM2.5浓度变化

2013年12月9日到2014年1月21日，9个监测点PM2.5日均浓度为85.8μg／m3，浓度≤均值的监测点有金阳新区（82.5）、鸿边门（85.8）、乌当（82.2）、马鞍山（81.2）和桐木岭（67.8），高于平均值的监测点有太慈桥（96.1）、小河（95.9）、环保局（91.7）和冶金厅（89.0），其中最低和最高值分别是桐木岭和太慈桥。监测期间贵阳PM2.5最低浓度为2013年12月15、16日，平均为29μg／m3。日均浓度≥100μg／m3的日数有14 d，占监测日数的31.8%。2013年12月22日到2014年1月6日，贵阳PM2.5日均浓度的平均值达110μg／m3，污染持续了16 d，占总监测日数的36.4%。9个监测点中，桐木岭PM2.5符合表1中I类目标的天数为3 d，占监测日数的6.8%，金阳为2 d，占4.5%。优于II级天数，桐木岭9 d，马鞍山6 d，金阳新区、乌当、鸿边门、冶金厅、环保局5 d，太慈桥、小河各3 d。优于III级天数桐木岭20 d，马鞍山14 d，金阳新区12 d，乌当、小河11 d，其他监测点10 d。V级以上污染日数桐木岭10 d，占监测日数的22.7%；马鞍山17 d，占38.6%；金阳18 d，占40.9%，乌当20 d，占45.5%；鸿边门23 d，占52.3%；冶金厅24 d，占54.5%；环保局、小河28 d，占63.6%；太慈桥29 d，占65.9%。VI级以上污染日数小河、环保局、金阳各2 d，太慈桥1 d，见表2。如图2所示，12月15－18日是监测期PM2.5浓度为最低值的时候，日均浓度36.7μg／m3。19日后，浓度开始升高，桐木岭浓度升高日期延迟了1 d。污染从2013年12月19日持续到2014年1月9日共22 d，占监测日数的50%。2013年12月22－26日是监测期间贵阳PM2.5浓度最高，空气质量最差的时候，平均浓度超过126.3μg／m3，PM2.5浓度最低的桐木岭也高于110μg／m3。2014年1月10－12日，贵阳PM2.5浓度降至低谷，并于13日开始攀升，1月14－21日的日均浓度为93.7μg／m3，其中1月16日21、22时贵阳PM2.5瞬时浓度超过276μg／m3，为监测期最高值。9个监测点中，桐木岭的变异系数最高，达0.42，金阳新区0.38，它们的PM2.5浓度日变化最剧烈。此外，马鞍山0.35，乌当、冶金厅、环保局、小河、鸿边门0.34，最低的太慈桥0.33。总体上，变异系数和PM2.5浓度呈负相关，相关系数达－0.87。

2014年1月7日0时到2014年1月20日23时共14 d的时均浓度连续监测，空气质量最好的桐木岭，监测点优于II级的小时数占其监测总时数的33.5%，优于III级的小时数占60.4%，IV级以上污染明显的小时数占39.6%，V级以上污染严重的小时数占8.8%。其次是马鞍山优于II级者占21.4%，优于III级者占35.2%，劣于IV的小时数占64.8%，V级以上为35.5%。金阳新区优于II级的小时数为19.4%，优于III级者占43.3%，IV以上污染时数占56.7%，V级以上严重污染时数占27.1%。乌当优于II级的小时数为16.7%，优于III级者占34.8%，IV以上污染时数占65.2%，V级以上严重污染时数占37.0%。鸿边门优于II级的时数为15.0%，优于III级为30.1%，劣于IV级的时数占69.9%，劣于V级的时数占44.2%。冶金厅优于II级的时数为15.1%，优于III级者占30.8%，劣于IV级的时数占69.2%，劣于V级的时数占44.6%。环保局优于II级的时数为13.9%，优于III级的时数为26.6%，劣于IV的时数占73.4%，劣于V级的时数占45.5%。小河优于II级的小时数为13.0%，优于III级者占25.3%，劣于IV级的时数占74.7%，劣于V级的时数占46.5%。太慈桥优于II级的时数为10.9%，优于III级的时数为24.7%，劣于IV的时数占75.3%，劣于V级的时数占47.4%，见表3。9个监测点中，太慈桥、小河、环保局、冶金厅和鸿边门是PM2.5的高浓度区。太慈桥与环保局相关系数最高，为0.96，其次是小河为0.95，冶金厅、鸿边门分别为0.93，都是贵阳PM2.5浓度最高的区域。其中，桐木岭监测点与其他点监测数据的相关系数均值仅0.58，其次是马鞍山0.74，金阳新区0.79，乌当0.82，太慈桥0.83，小河、冶金厅、鸿边门0.85，环保局0.86。见表4。

2.2 PM2.5浓度日变化特征

PM2.5浓度变化过程复杂（图3），为分析PM2.5浓度的日变化特征，采用如下公式，计算2014年1月7－20日，共14日中某钟点（0～23 h）时均浓度的均值：

表2 贵阳PM2.5日均浓度各等级日数统计 d

表3 贵阳PM2.5时均浓度等级统计表 μg／m3

表4 贵阳PM2.5日均浓度统计变量

图2 贵阳PM2.5日均浓度变化趋势

式中：PMij是14日中j钟点PM2.5平均浓度，i为日期数，共14 d；j为钟点数，为0～23点，结果如图4所示。日均浓度变化的速率公式如下：

式中：i、j符号同式（1），j－1为j前1钟点。

监测的14日中，PM2.5时均浓度日变化曲线有递增型、递减型、单峰型、双峰型、U型，如图3和图4所示。PM2.5趋势变化的主导因素复杂多变，导致浓度变化趋势的复杂性。尽管每个监测点浓度有差异，但是它们却呈现了相似的变化趋势，如图3和图4所示。全省平均值表明，前1日21：00以后PM2.5浓度逐步降低，除了凌晨2：00浓度上升外，于凌晨6：00降至最低值60μg／m3。6：00后浓度逐步升高，并在14：00－16：00出现略微降低的趋势，平均降幅1.8%。17：00至21：00点浓度增速显著升高，从2.9%增加到10.0%，并在21：00达到最大值93μg／m3。马鞍山、环保局、金阳新区、小河、冶金厅和太慈桥监测点PM2.5浓度在凌晨2：00有1个小峰值。马鞍山、环保局、乌当、鸿边门、冶金厅和桐木岭最低浓度出现在6：00，此后逐步升高，并在12：00－14：00出现1个小峰值，环保局、金阳新区、小河、乌当、鸿边门、冶金厅和太慈桥在21：00出现最大浓度，随后逐步降低，直至次日清晨。日均浓度最低值为桐木岭41μg／m3，最大值是太慈桥127μg／m3。

以年为基准，采用抽样平均误差公式进行数据选取分析：

式中：σ为标准差，N、n分别为总体和样本单位数，xi、x－为指标值及其均值。

图3 贵阳PM2.5浓度与温度的相关关系

图4 贵阳PM2.5时均浓度变化趋势

日均浓度：n为44（d），N为365.25（d），σ2为823.3，计算得μ为4.1（μg／m3），其中马鞍山4.0，环保局4.3，金阳新区4.3，小河4.5，乌当3.9，鸿边门4.1，冶金厅4.2，太慈桥4.4，桐木岭3.9。时均浓度：n为336（h），N为全年小时数8 766，σ2为1 106.8，计算得μ为1.8（μg／m3），其中马鞍山1.9，环保局2.1，金阳新区1.7，小河2.0，乌当1.9，鸿边门2.1，冶金厅2.1，太慈桥2.1，桐木岭1.3。

3 PM2.5浓度的影响因素分析

PM2.5和其他影响因素的关系非常复杂。皮尔逊相关系数适用于服从二元正态分布的双变量，并且不排除第三变量的影响，在进行Z标准化处理后，借助SPSS的Pearson相关系数，分析PM2.5浓度与其他因素的关系。同时，借助遥感和GIS技术，利用经验分析方法，分析PM2.5浓度与人类活动和土地利用间的关系。主城区四面环山的岩溶盆地地貌，不利于空气对流，也是影响主城区PM2.5的重要因素。

3.1 土地利用对PM2.5浓度的影响

城市下垫面和植被与PM2.5的扩散具有明显的关系。由于热岛效应的影响，城区大气温度显著高于城郊和农村，直接或间接影响了PM2.5的扩散。9个监测点中，处于主城区的太慈桥、小河、环保局和冶金厅PM2.5浓度明显高于其他监测点。在5个监测点中，处于远郊农村的桐木岭浓度最低。张小玲等针对北京的研究也得出类似的结论［20］。森林植被对PM2.5的作用主要表现在污染物的沉降和移除污染物，稀释和促进有害成分扩散的作用，植被也是促进贵阳PM2.5扩散的积极因素。日均浓度最低的4个监测点金阳新区（82.5）、乌当（82.2）、马鞍山（81.2）和桐木岭（67.8）植被覆盖度都比较高。

3.2 人类活动对PM2.5浓度的影响

这是目前关于PM2.5影响因素研究和分析比较容易忽略的问题。连续14 d的时均浓度数据分析表明，PM2.5浓度与人类活动关系密切。PM2.5浓度在晚上人类入睡后持续降低，并在清晨人类起床工作后开始升高，直至晚上21：00后升高至最大值。影响冬季贵阳的PM2.5浓度的因素，主要有汽车尾气排放，还有工农业生产布局和取暖格局。入夜以后，由于这些污染源停止或降低排放，直接导致PM2.5浓度持续降低，直至第2日6：00后排放源重新发挥作用。在主城区，由于城市规划的限制，加上经济收入较高，取暖主要靠电，对本区域PM2.5影响较小。靠近城郊燃煤取暖的比率增加，对PM2.5影响增大。扬尘也是PM2.5的重要来源，它除了自然扬尘外，主要来自公路扬尘、城市扬尘、建筑扬尘。

3.3 气象因素对PM2.5浓度的影响

气象因素对PM2.5有重要的影响。以本次监测为例，1月5日晚开始的逆温层严重地阻碍着空气的对流运动，垂直输送减弱，导致污染物的聚集，最终形成了1月6日较严重的PM2.5污染。通过对包括气温（℃）、露点、湿度、气压（hPa）、能见度和风速（km／h）的每小时平均值与9个监测点的Pearson相关分析，研究气象因素对PM2.5浓度的影响。日均浓度和最高气温相关系数0.18，最高风速相关系数0.03，与平均湿度相关系数－0.61，与露点相关系数－0.31，与最低气压的相关系数－0.24，与最大能见度相关系数－0.41。

气温与PM2.5时平均浓度成复杂的相关关系，相关系数0.12。如图4所示，x＝163（h），即13日18时前为正相关，相关系数0.76；而x＝164后则无明显相关关系（为便于对比分析，图中温度放大了16倍），如图4所示。13日19时至19日8时，两者是负相关关系，相关系数为－0.29。19日9时至20日23时两者表现为正相关，相关系数为0.45。湿度与PM2.5浓度相关系数－0.21，其中13日18时前为－0.70，13日19时至19日8时为0.38，19日9时以后为－0.41。气压（hPa）与PM2.5的相关系数－0.21，其中13日18时前为－0.48，13日19时至19日8时为0.22，19日9时以后为－0.75。露点（℃）、风速和PM2.5相关系数为－0.10。能见度和PM2.5浓度相关系数－0.16，为了验证该相关系数，在离乌当监测点3.0 km处拍摄了空气质量优良和重度污染的照片（尼康D3200）：1月8日14时，能见度1.9 km，小雨，PM2.5浓度46μg／m3，属II向III过渡的良好级别；18日11时，晴，能见度6.0 km，PM2.5浓度170 μg／m3，属于VI级重度污染，能见度6.0 km，如图5所示。

图5 贵阳乌当PM2.5不同浓度下的能见度对比

4 结论和讨论

监测期间贵阳市PM2.5平均浓度85.8μg／m3，时均浓度最高达276μg／m3，最低值16μg／m3，日均浓度大于105μg／m3日数占总日数的36.4%，贵阳的PM2.5污染情况并不乐观。贵阳PM2.5浓度最高的是中心城区的太慈桥和小河的96μg／m3，污染物浓度并表现出中心城区向城郊降低的梯度趋势。依据土地用途划分，交通干线的PM2.5浓度大于商业区浓度，大于居民区浓度，以森林植被覆盖率高的地方浓度较低。时间维度上，总体上PM2.5浓度在清晨最低，傍晚最高。

PM2.5污染物受气象因素、汽车尾气、扬尘、土地利用、工业污染、自然环境和能源结构等多种因素的影响，其浓度变化受大气物质组成和结构的影响，受气象因素综合影响及主导因素的影响。它们复杂的相关关系表明，治理PM2.5污染不是通过几个因素能解决的，它是个复杂的系统工程。这一点可以从欧美发达国家治霾经历得到体现。对于贵州而言，燃煤和汽车尾气是主要的污染源，部分地区还叠加了工业污染的影响。除了工业污染源头比较集中，容易治理以外，其他污染源比较分散，给PM2.5治理带来了困难。

严重的PM2.5污染形势下，污染治理是必须考虑的迫切问题。在PM2.5来源解析，搞清PM2.5的物质组成和结构的基础上，采取一些有的放矢的紧急措施，缓解当前严重的污染状况。从长远的角度，努力实现集约型的经济发展模式，积极革新技术，发展循环经济模式，努力推广节能减排技术。控制汽车尾气排放，改变燃煤为主的能源结构。大力推广环境保护教育，改变当前全民整体素质落后，环境意思淡薄的状况，在此基础上，提倡绿色的生活方式，是PM2.5污染治理，以及其他环境整治的重要保障。

［1］ Tyler G，Pahlsson M B，Bengtsson G，et al.Heavy-metal ecology of terrestrial plants，microorganismsand invertebrates［J］.Water，Air，and Soil Pollution，1989，47（3／4）：189－215.

［2］ 时彦玲，邓林红.细颗粒物（PM2.5）对气道的病理作用及其与哮喘病理机制的关系［J］.医用生物力学，2013，28（2）：127－134.

［3］ 谢元博，陈娟，李巍.雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估［J］.环境科学，2013，35（1）：1－8.

［4］ 殷永文，程金平，段玉森，等.上海市霾期间PM2.5、PM10污染与呼吸科（儿呼吸科门诊人数的相关分析［J］.环境科学，2011，32（7）：1894－1898.

［5］ 环境保护部，国家质量监督检验疫总局.GB 3095－2012环境空气质量标准［S］.北京：中国环境科学出版社，2012.

［6］ 环境保护部.HJ 633－2012环境空气质量指数（AQI）技术规定（试行）［S］.北京：中国环境科学出版社，2012.

［7］ Harrison R M，Jones A M，Lawrence RG.Major component composition of PM10and PM2.5from roadside and urban background sites［J］.Atmospheric Environment，2004，38：4531－4538.

［8］ Karnae Saritha，John Kuruvilla.Source apportionment of fine particulatemattermeasured in an industrialized coastal urban area of South Texas［J］.Atmospheric Environment，2011，45（23）：3769－3776.

［9］ Baohua Li，Chenghong Feng.Spatial distribution and source apportionment of PAHs in surficial sediments of the Yangtze Estuary，China［J］.Marine PollutionBulletin，2012，64（3）：636－643.

［10］Pitchford M，Malm W，Schichtel B，et al.Revised formula forestimating light extinction from IMPROVE particle speciation data［J］.Journal of the Air＆Waste Management Association，2007，57（11）：1326－1336.

［11］孟晓艳，魏桢，王瑞斌，等.灰霾试点城市PM2.5浓度特征及其影响因素分析［J］.环境科学与技术，2013，36（9）：76－80.

［12］Xu L L，Chen X Q，Chen J S，et al.Seasonal variations and chemical compositions of PM2.5aerosol in the urban area of Fuzhou，China［J］.Atmospheric Research，2012，104：104－105.

［13］Zhao Xiujuan，Zhang Xiaoling，Xu Xiaofeng，etal.Seasonal and diurnal variations of ambient PM2.5concentration in urban and rural environments in Beijing［J］.Atmospheric Environment，2009，43：2893.

［14］Brook JR，Graham L，Charland JP，et al.Investigation of the motor vehicle exhaust contribution to primary fine particle organic carbon in urban air［J］.Atmospheric Environment，2007，41（1）：119－135.

［15］HuangW，Tan J，Kan H，et al.Visibility，air quality and daily mortality in Shanghai，China［J］.Science of the Total Environment，2009，407（10）：3295－3300.

［16］Kan H，London S J，Chen H，et al.Diurnal temperature range and daily mortality in Shanghai，China［J］.Environmental Research，2007，103（3）：424－431.

［17］Ma Y，Chen R，Pan G，et al.Fine particulate air pollution and dailymortality in Shenyang，China［J］.Science of the Total Environment，2011，409（13）：2473－2480.

［18］Guo Y，Barnett AG，Zhang Y，etal.The short-term effectof airpollution on cardiovascularmortality in Tianjin，China：comparisonof time series and case-crossover analyses［J］.Science of the-Total Environment，2010，409（2）：300－306.

［19］World Health Organization（WHO）.Air Quality Guidelines for Particulate Matter，Ozone，Nitrogen Dioxide and Sulfur Dioxide-Global Update 2005-Summary of Risk Assessment［R］.2005.

［20］张小玲，赵秀娟，蒲维维，等.北京城区和远郊区大气细颗粒PM2.5元素特征对比分析［J］.中国粉体技术，2010，16（1）：28－34.

Spatiotemporal Characteristics of PM2.5Pollutant in Guiyang in Winter and Its driving Factors Based on GIS Technology

Li Song1，2and Luo Xuqiang1，3
（1．Institute of Resources，Envioronment and Disasters，Guizhou Normal College，Guiyang 550018，China；2．Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing 100101，China；3．Institute of Geochemistry，Chinese Academy of Sciences，Guiyang 550002，China）

PM2.5is themainmaterial of atmospheric pollution.Daily average concentration data from December 9，2013 to January 21，2014 and hourly average concentration data of336 h from 0：00 on January 7，2014 to 23：00 on January 20th 2014 are got from monitoring points including Taiciqiao，themunicipal environmental protection station，Yejinting，Hongbianmen，Maanshan，Xiaohe，Jinyang，Wudang，Tongmuling.Spatiotemporal characteristics of PM2.5pollutant in Guiyang in winter are analyzed by reference to the World Health Organization air quality standards using quantitative and qualitativemethod and geographic information system technology.Consequently，a complex relationship between PM2.5variations and related factors is analyzed based on the last analysis.It is shown that the average daily concentration is85.8μg／m3，and theminimum and maximum daily average concentration is respectively 96.1 of Taiciqiao which is located at the main urban zone，and 67.8 of Tongmuling which is located at urban exurbia.Samplingmean error of daily and hourlymean concentration are respective 4.1 and 1.8.Daily concentration of PM2.5includes single-peak，bimodal，descending，ascending and U-type，but there is a similar evolution from minimum value at6：00am tomaximum value at 21：00.PM2.5variations could be driven by complexly correlated factors as climate condition，land use，industrial pollution，dust，vehicle exhaust，and coal-based energy structure.

winter；PM2.5concentration；spatial and temporal characteristics；driving factors；Guiyang

X513；X43

A

1000－811X（2014）04－0063－06

10.3969／j.issn.1000－811X.2014.04.013

李松，罗绪强.综合GIS的贵阳冬季PM2.5污染时空特征及驱动因素分析［J］.灾害学，2014，29（4）：63－68.［Li Song，LuoXuqiang.Study on Spatiotemporal Characteristics of PM2.5Pollutant and Its driving Factors Using GIS Technology in Winter［J］. Journal of Catastrophology，2014，29（4）：63－68.］

2014－02－24

2014－04－04

国家科技支撑计划项目（2011BAC09B01）；贵州省科技厅项目（J20112343）；乌当科技局项目（2012乌科技合同字第48号）

李松（1980－），男，贵州省织金县人，博士，副教授，主要从事地质灾害遥感研究.E-mail：zhijinese＠163.com