环境科学  2014, Vol. 35 Issue (5): 1671-1679   PDF    
引用本文
李燕丽, 邢振雨, 穆超, 杜可. 移动监测法测量厦门春秋季近地面CO2的时空分布[J]. 环境科学, 2014, 35(5): 1671-1679.
LI Yan-li, XING Zhen-yu, MU Chao, DU Ke. Spatial and Temporal Variations of Near Surface Atmospheric CO2 with Mobile Measurements in Fall and Spring in Xiamen, China[J]. Environmental Science, 2014, 35(5): 1671-1679.
移动监测法测量厦门春秋季近地面CO2的时空分布
李燕丽, 邢振雨, 穆超, 杜可     
中国科学院城市环境研究所中国科学院城市环境与健康重点实验室,厦门 361021
收稿日期: 2013-9-22; 修订日期: 2013-12-6.
基金项目： 国家自然科学基金项目（41005081）
作者简介：李燕丽 (1984~),女,博士研究生,主要研究方向为大气环境,E-mail:ylli@iue.ac.cn
通讯联系人,E-mail:kddu@ucalgary.ca
摘要：移动监测对研究城市近地面空气污染物时空分布特征具有重要意义. 本研究采用野外移动监测车，利用二氧化碳测量仪、粉尘仪及小型气象站，在春秋季共选取14 d，沿厦门不同功能区，在每天不同时间段（09：00~12：00、13：00~16：00、22：00~01：00）进行了CO2与颗粒物（PM）浓度及气象参数的监测，并分析了春秋季不同时段下各功能区近地面CO2空间分布特征以及CO2与颗粒物的相互关系. 结果表明：1监测期间，路线从北部的坂头水库背景区经郊区进入市中心最终在城市南部边缘沿海干道结束，CO2浓度的空间分布呈现中间市中心高沿市中心向两边边缘处降低的结构，不同功能区CO2空间分布存在差异，受城市交通，工业，人类活动等排放，地面植物/作物以及气象条件的影响. 主要表现为交通繁忙区（仙岳路/厦禾路/嘉禾路，477.33 μmol·mol-1±6.11 μmol·mol-1）高于商业居民区（杏林/思北，454.95 μmol·mol-1±5.45 μmol·mol-1）高于自然风景区（文屏/环岛路/演武路，441.01 μmol·mol-1±6.24 μmol·mol-1）高于耕地（农田，436.79 μmol·mol-1±1.87 μmol·mol-1）高于山体林地（坂头水库，434.06 μmol·mol-1±0.31μmol·mol-1）；2监测期间春季平均CO2浓度为452.04 μmol·mol-1±20.24 μmol·mol-1，最大值出现在2013年4月12日的嘉禾路路段（市内交通繁忙区）为533.10 μmol·mol-1，最小值出现在2013年4月10日的坂头水库路段（远离市区，受人为活动影响较小，水库周围有大量植被，可认为监测过程中的背景区域）为413.25 μmol·mol-1. 秋季平均CO2浓度为451.80 μmol·mol-1±21.56 μmol·mol-1，其中最大值出现在2012年11月19日的厦禾路路段（市内交通繁忙区）为526.45 μmol·mol-1，最小值出现在2012年11月20日的坂头水库路段为415.01 μmol·mol-1. 这符合Idso等在1998年提出“城市CO2岛”的现象；3不同时间段CO2浓度表现出夜晚时段（22：00~01：00）高于上午时段（09：00~12：00）高于下午时段（13：00~16：00），阴天普遍高于晴天，且不同功能区CO2浓度在夜晚时段（22：00~01：00）和白天时段（09：00~12：00和13：00~16：00）的差异不同，春季的差异范围为-0.66~29.48 μmol·mol-1，秋季的差异范围为-4.01~33.69 μmol·mol-1；4市区CO2浓度与周围郊区存在差异，市区CO2浓度均高于郊区；5移动监测主要受道路车辆排放的影响，CO2浓度与PM2.5呈显著正相关关系（R=0.73，P<0.01）.
关键词： CO2     移动监测     功能区     时空分布     厦门    
Spatial and Temporal Variations of Near Surface Atmospheric CO2 with Mobile Measurements in Fall and Spring in Xiamen, China
LI Yan-li, XING Zhen-yu, MU Chao, DU Ke     
Key Laboratory of Urban Environment and Health, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China
Abstract: The study on the spatial distribution of near surface air pollutants carbon dioxide (CO2) and particulate matters (PM) is essential for understanding the pollution characteristics with mobile measurements. Near surface concentrations of CO2, PM and meteorological parameters were measured in Xiamen city, China along the route passing through different functional areas using the mobile laboratory during different time periods of the day [09:00-12:00, 13:00-16:00, 22:00-01:00 (local time)] in spring (April) and fall (November), 2013. Carbon dioxide, PM and meteorological parameters data were analyzed for the spatial distribution of CO2 in different functional areas and the relationship of CO2 and PM2.5. During the study period, the measurements started at the northern part of the city, across the suburban area and ended at about 60 km in the southern Xiamen. The spatial distribution of CO2 along the road showed a high CO2 level in the central area of the city and low values in the outlying areas. Different CO2 concentrations were observed at different functional areas because of the differences in emissions from traffic and industry, the emission and absorption by vegetation, and meteorological conditions. The concentrations of CO2 at different areas fell into the following order: areas with heavy traffic (477.33 μmol·mol-1±6.11 μmol·mol-1)>commercial residential area (454.95 μmol·mol-1±5.45 μmol·mol-1)>the natural scenic spot (441.01 μmol·mol-1±6.24 μmol·mol-1)>cultivated land (436.79 μmol·mol-1±1.87μmol·mol-1)>mountain woodlands (434.06 μmol·mol-1±0.31μmol·mol-1). The average CO2 concentration in spring 2013 was measured to be 452.04 μmol·mol-1±20.24 μmol·mol-1 with the maximum value of 533.10 μmol·mol-1 at the heavy traffic area in downtown Jiahe on April 12, 2013 and the minimum value of 413.25 μmol·mol-1 on April 10, 2013 at the mountain woodland, which is about 23 km away from the downtown area. The mountain woodland is surrounded by a reservoir and woods and regarded as the background area. The average CO2 concentration in fall 2013 was determined to be 451.80 μmol·mol-1±21.56 μmol·mol-1 with the maximum value of 526.45 μmol·mol-1 at a heavy traffic area of Xiahe road in downtown, on November 19, 2013 and the minimum value of 415.01 μmol·mol-1 at the mountain woodland on November 10, 2013. This phenomenon was called "CO2 dome" by Idso in 1998. In addition, the CO2 concentrations tended to be the highest at night (22:00-01:00) and the lowest in afternoon (13:00-16:00). During overcast days, the CO2 concentrations were generally higher than those on clear days. At different functional areas, differences between nighttime (22:00-01:00) and daytime (09:00-12:00 and 13:00-16:00) ranged from -0.66-29.48 μmol·mol-1 in spring and from -4.01 μmol·mol-1-33.69 μmol·mol-1 in fall. The CO2 concentrations at the urban and the suburban areas were also different in spring and autumn and at different time of the day. The CO2 concentration was in significant correlation with PM2.5 (R=0.73, P<0.01) indicating the important impact of traffic pollution on the ambient CO2 concentration.
Key words: CO2     mobile measurements     functional areas     spatial and temporal distribution     Xiamen    

二氧化碳(CO2)是受人类活动影响明显的主要温室气体. 自1750年工业革命以来，由于化石燃料燃烧、 水泥生产、 土地利用变化等原因，大气 CO2浓度迅速增加[1]. 美国Mauna Loa观测站监测结果显示[2]，大气中CO2浓度从1959年的316 μmol ·mol-1增至2011年的392 μmol ·mol-1. 有报告显示1990~2009年所有长寿命温室气体的辐射强迫增加了27.5%，其中 CO2的贡献近80%[3]. 2009年12月召开的哥本哈根世界气候大会，温室气体浓度升高对全球温度影响的问题再次成为研究和争论的焦点. 美国在2010年4月17日正式宣布，将CO2等6种温室气体列为有害健康的物质，也促使世界范围内大规模开展CO2监测和研究，减少CO2的排放已受到各国政府和科学家的普遍关注[4,5,6].

城市是人口、 建筑、 交通、 工业、 物流的集中地也是能源消耗的高强度地区，城市排放的温室气体占全球人类活动温室气体排放的80%[7]. 城市的排放结构主要受车辆、 当地的燃烧、 电厂、 工业设施的影响，此外还受到地理位置和气象条件的影响. 到目前为止，国内外城市CO2的监测主要应用定点监测来研究特定区域的日变化和季节变化[8,9,10]，或者通过定点监测研究城乡CO2浓度分布的差异[11,12,13]. 定点监测有着很高的时间分辨率，但是只能代表均匀的排放区域. 城市地区也存在着排放的非均匀区域，而非均匀区域的排放具有时间和空间分布的不稳定性，这可以利用移动测量的方法进行监测. 目前，尽管通过高频率的移动测量可以解决低时间分辨率的缺点，但移动监测法测量城市区域CO2动态排放较少得到应用[14,15,16,17].

厦门市位于亚热带地区，是中国东南部的一个沿海城市，具有温暖的气候和较高的湿度，其CO2浓度变化规律[18]有别于我国的内陆城市如北京[19,20,21]、 上海[22]、 淮安[23]、 乌鲁木齐[24]等. 国家环境保护部在2010年《环境监测工作要点》中提出要在有条件的地区增加温室气体试点监测[25]，并明确在北京、 上海、 天津、 重庆、 石家庄、 郑州等31个城市开展温室气体监测试点研究. 这些城市多为省会城市，集中分布在内陆，而对沿海城市CO2研究基本未见文献公开报道. 本研究通过移动监测的方法，分析了厦门市不同路段CO2浓度的时空分布特征，初步得到了不同功能区城市CO2浓度的变化规律，对直接获取城市温室气体的动态排放信息，更准确地监测城市区域CO2的动态排放变化，进而控制温室气体在城市的排放具有重要的意义.

1 材料与方法
1.1 监测路线

监测路线覆盖了厦门市的3个行政区，分别为思明区(93万人)、 湖里区(93万人)及集美区(58万人)，思明区与湖里区是主要城市建成区，聚集了厦门市人口(353万人)的一半(厦门市2010年第六次全国人口普查主要数据公报)，人类活动频繁. 监测路线从厦门北部的坂头水库开始到南部的环岛路结束，全程约为60 km，具体路线如图 1所示. 路线选取原则有：沿途经过不同的土地利用类型； 监测路线上车流量较少，保证研究区域内CO2浓度的变化不完全是城市交通造成的； 路线上可考虑设计相似的土地利用类型或者差别很大的土地利用类型.

图 1 移动监测路线示意 Fig.1 Map of Xiamen city showing the location of the CO2 transect route

1.2 监测仪器与方法

采用便携式CO2测量仪(VAISALA GMP343,Finland)连接数据采集器，粉尘仪(DustTrack 8534,USA)，小型气象站(Kestrel 4500,USA)等进行移动监测的数据获取. 二氧化碳测量仪采用(非分散红外线)单光束、 双波长传感器，传感器由光源、 干涉计和红外探测器三大部件构成. 在可被二氧化碳吸收的波长，光线被气体中的二氧化碳吸收，法布里-珀罗干涉计排除掉所有其它波长，从而使到达红外探测器的光强度只随传感器内二氧化碳的量而变化. 仪器量程为0~1000 μmol ·mol-1，误差范围±(3 μmol ·mol-1+读数的1%). 仪器出厂前进行了严格校准，校准时间为2012年6月19日，零点的校准为高纯氮气体，CO2的校准为精确的N与CO2混合气体(Dutch Metrology Institute). 监测期间按照规定进行仪器维护与设置，每周用CO2标准气体(400.06 μmol ·mol-1，空气底气，林德气体(厦门)有限公司)对仪器进行计量，发现仪器运行良好，未出现数据异常情况. DustTrack 8534气溶胶监测仪具有特有的鞘气系统隔离了气溶胶和光学室，光散射激光光度计可以实现实时读取气溶胶的质量浓度. 粉尘仪按照ISO 12103-A1 粉尘测试标准进行了校正，在每次使用仪器前都用过滤膜进行零点的标定.

CO2测量仪的探头用铁架台安置在移动监测车顶的天窗处，距离天窗正上方约30 cm，距离地面约2 m，小型气象站垂直的安装在CO2测量仪附近，数据采集器固定在移动监测车的试验台上. 粉尘仪同样固定在移动监测车内部的试验台上，管子通过天窗伸入外部进行数据的采集. 于2013年4月和2012年11月分别选取7 d，在每天不同时间段进行数据采集. 为了减少汽车尾气对测量结果的影响，与前边的车保持至少2 m的距离[26]，避开每天车流量的高峰期，设定的观测时段分别为09:00~12:00、 13:00~16:00和22:00~01:00. 车速控制在30 km ·h-1，数据记录间隔设置1 s. 监测过程中对路况进行了详细的记录，剔除红绿灯、 拥堵、 扬尘、 垃圾焚烧等非可控因素的干扰造成监测组分浓度瞬时剧烈变化的数据. 由于在不同功能区各监测组分的变化，计算出浓度均匀路段下的各测量组分的平均值进行后续分析.

2 结果与讨论
2.1 近地面CO2浓度沿路线分布

如图 1所示，CO2浓度的监测是从厦门集美区人为活动影响较小的坂头水库出发，穿过集美区，经过杏林大桥，进入厦门的主要建成区厦门岛，然后一直到岛边缘的沿海环岛干道结束. 杏林大桥作为连接城市和郊区桥梁，全长 8.53 km,由于受海面上 CO2释放/吸收及海风的影响，CO2浓度较低，除去此点，如图 2所示，监测期间 CO2浓度在全路段的空间分布呈现两边低中间高的现象，峰值出现在市中心，远离市中心的边缘处较低. 春季和秋季两条CO2曲线的变化趋势一致，相关系数R=0.95(P<0.01). 春秋季的高值集中在市中心的仙岳路，嘉禾路和厦禾路路段为市区交通繁忙区，CO2浓度均值为477.33 μmol ·mol-1±6.11 μmol ·mol-1. 324国道、 安仁大道、 成功大道为郊区运输路线，CO2浓度均值为457.80 μmol ·mol-1±2.66 μmol ·mol-1. 郊区的杏林商业居民区与市区内思北商业居民区，CO2平均浓度为454.95 μmol ·mol-1±5.45 μmol ·mol-1. 后溪镇属于郊区的一个小村庄，CO2浓度为446.28 μmol ·mol-1±0.70 μmol ·mol-1. 杏林大桥和演武大桥属于海面路段，CO2平均浓度为440.26 μmol ·mol-1±2.60 μmol ·mol-1. 文屏路，环岛路和演武路属于自然风景区路段，CO2平均浓度为441.01 μmol ·mol-1±6.24 μmol ·mol-1. 农田区域夏季主要作物为玉米，秋季主要为水稻，CO2平均浓度为436.79 μmol ·mol-1±1.87 μmol ·mol-1. 灌口工业区坐落在边远的郊区面积约7 km2，周围地势开阔，主要是一些工艺品，汽车部件等的生产，生产区与生活区相结合，CO2浓度为434.27 μmol ·mol-1±1.26 μmol ·mol-1. 坂头水库主要为山体林地，有大面积植被覆盖，平均CO2浓度为434.06 μmol ·mol-1±0.31 μmol ·mol-1. 可见不同土地利用类型下CO2空间分布存在差异，受城市交通、 工业、 居民生活等人类活动排放，地面植物/作物以及气象条件的影响，主要表现为交通繁忙区(仙岳路/厦禾路/嘉禾路)高于商业居民区(杏林/思北)高于自然风景区(文屏路，环岛路，演武路)高于耕地(农田)高于山体林地(坂头水库).

图 2 不同路段下近地面平均CO2浓度在春秋季节的分布 Fig.2 Near ground CO2 distribution in the city of Xiamen (2012-11 and 2013-04)

天气条件对城市CO2积累和扩散有着十分重要的影响[17]. 监测期间气象参数见表 1. 方差分析表明，不同天气条件下(2013年4月7日、 2013年4月10日、 2013年4月15日、 2012年11月12日、 2012年11月15日和2012年11月20日)全路段的日平均CO2浓度呈显著差异，4月7日和11月15日晴朗大风天气条件下CO2浓度显著偏低，4月10日和11月12日阴天天气条件下CO2浓度显著偏高(P<0.05). 在4月7日和11月15日CO2的平均浓度分别为：441.12 μmol ·mol-1±13.65 μmol ·mol-1和444.05 μmol ·mol-1±15.52 μmol ·mol-1，天气均晴朗，日平均风速分别为14 km ·h-1和16 km ·h-1，能见度分别为19.1 km和11.5 km； 在4月17日CO2的浓度值为：458.66 μmol ·mol-1±25.41 μmol ·mol-1，天气条件为阴天有雾，日平均风速6 km ·h-1，能见度为6.8 km，在11月12日CO2浓度值为461.93 μmol ·mol-1±17.77 μmol ·mol-1，天气条件为多云转阴，日平均风速13 km ·h-1，能见度9.5 km. 在4月10日和13日，在09:00~12:00时段，CO2浓度分别为447.00 μmol ·mol-1±16.23 μmol ·mol-1和449.7 5 μmol ·mol-1±19.87 μmol ·mol-1，13:00~16:00 时段，CO2浓度分别为440.58 μmol ·mol-1±17.36 μmol ·mol-1和443.98 μmol ·mol-1±20.47 μmol ·mol-1，天气条件均为阴天伴有转晴，风速分别为12 km ·h-1和7 km ·h-1，能见度分别为10.3 km和11.9 km，而在4月15日，监测期间天气条件由多云有雾转为晴，风速6 km ·h-1，能见度6.8 km条件下，CO2浓度在09:00~12:00 时段浓度为464.46 μmol ·mol-1±22.80 μmol ·mol-1,在13:00~16:00时段为437.40 μmol ·mol-1±14.18 μmol ·mol-1. 11月19日天气条件为晴间多云，风速7 km ·h-1，能见度11.2 km条件下，CO2浓度在09:00~12:00 时段浓度为451.76 μmol ·mol-1±25.41 μmol ·mol-1，在13:00~16:00时段为443.11.40 μmol ·mol-1±20.18 μmol ·mol-1. 且林地区域在阴天和晴天天气条件下的CO2浓度差为18.34 μmol ·mol-1高于商业居民区CO2浓度差15.49 μmol ·mol-1. 可见，阴天伴有低风速低能见度的天气条件下的CO2浓度普遍高于天气晴朗风速大能见度高的天气条件下的CO2浓度，这可能与阴天日照较弱，植被光合作用造成的CO2汇减弱，此外阴天边界层高度较低，且风速低等条件不利于扩散，容易造成CO2积累有关.

表 1 监测期间气象参数统计 Table 1 Meteorological conditions during the study period

2.2 近地面CO2浓度的时空变化
2.2.1 近地面CO2浓度的时间变化

CO2浓度的时间变化规律可以从两个方面阐述，一方面是日变化特征(09:00~12:00、 13:00~16:00、 22:00~01:00)，二是季节变化特征. 移动监测法获得的春季平均CO2浓度为452.04 μmol ·mol-1±20.24 μmol ·mol-1，其中最大值出现在2013年4月12日的嘉禾路路段(市内交通繁忙区)为533.10 μmol ·mol-1，最小值出现在2013年4月10日的坂头水库路段(远离市区，受人为活动影响较小，水库周围有大量植被，可认为监测过程中的背景区域)为413.25 μmol ·mol-1. 秋季平均CO2浓度为451.80 μmol ·mol-1±21.56 μmol ·mol-1，其中最大值出现在2012年11月19日的厦禾路路段(市内交通繁忙区)为526.45 μmol ·mol-1，最小值出现在2012年11月20日的坂头水库路段为415.01 μmol ·mol-1. 这与Idso等[27]在1998年提出的“城市CO2岛”现象相似. Idso等用移动监测的方法分别在黎明和午后监测了亚利桑那州菲尼克斯市的CO2浓度，数据揭示了城市CO2岛的存在，市中心CO2浓度可达到555 μmol ·mol-1，CO2浓度随着市中心向边远山区乡村的过渡而降低到370 μmol ·mol-1. 不同时间段(09:00~12:00、 13:00~16:00、 22:00~01:00)春季CO2浓度分别为：454.00 μmol ·mol-1±21.54 μmol ·mol-1、 442.54 μmol ·mol-1±18.86 μmol ·mol-1、 460.65 μmol ·mol-1±21.97 μmol ·mol-1； 秋季CO2浓度分别为：452.19 μmol ·mol-1±21.31μmol ·mol-1、 445.93 μmol ·mol-1±20.06 μmol ·mol-1、 458.71 μmol ·mol-1±17.35 μmol ·mol-1. 可见，移动监测获得的CO2浓度在春秋季差别不明显，但在一天中各时间段表现出明显的差异，CO2浓度值均为晚上时段22:00~01:00大于上午时段09:00~12:00大于下午时段13:00~16:00.

2.2.2 近地面CO2浓度的空间变化——市区郊区的对比

厦门作为东南沿海城市，由厦门岛和周围的岛屿和海域地区等组成，监测路线由远离市区的坂头水库所在的集美区通过杏林大桥进入人口聚集的厦门岛，因此以杏林大桥作为连接郊区和市区的分割点进行研究. 图 3显示了不同时间段在春秋季节CO2浓度在厦门市各路段的空间分布. 从中可知，在各时段条件下，CO2浓度均表现出市区高于郊区，且在09:00~12:00和22:00~01:00时段下各路段功能区CO2浓度波动范围较大，而在13:00~16:00时段不同监测日期各路段功能区CO2浓度变化趋势具有很好的一致性并且波动范围较小，此时刻太阳辐射较强，空气对流运动强烈，在一天当中CO2混合比较充分，浓度也随之降低. 有研究指出[28]此时的CO2浓度可看作是代表区域CO2浓度的背景值. 春季各时段郊区和市区的平均浓度分别对应为09:00~12:00时段郊区445.13 μmol ·mol-1±16.95 μmol ·mol-1<市区461.10 μmol ·mol-1±22.32 μmol ·mol-1(3.59%：城区比郊区高出的百分比)，13:00~16:00时段郊区434.63 μmol ·mol-1±11.20 μmol ·mol-1<市区448.87 μmol ·mol-1±21.32 μmol ·mol-1 (3.27%)，22:00~01:00时段郊区452.73 μmol ·mol-1±15.18 μmol ·mol-1<市区466.99 μmol ·mol-1±24.55 μmol ·mol-1(3.15%). 秋季各时段郊区和市区的平均浓度分别对应为09:00~12:00时段郊区441.66 μmol ·mol-1±14.13 μmol ·mol-1<市区460.62 μmol ·mol-1±22.46 μmol ·mol-1(4.29%)，13:00~16:00时段郊区434.99 μmol ·mol-1±13.53 μmol ·mol-1<市区454.70 μmol ·mol-1±20.26 μmol ·mol-1(4.53%)，22:00~01:00时段郊区458.19 μmol ·mol-1±15.49 μmol ·mol-1<市区459.12 μmol ·mol-1±18.89 μmol ·mol-1(0.21%). Henninger等[16]用移动监测的方法研究表明市区CO2浓度比周边的乡村CO2浓度高25%，而Idso等[14]用同样的监测方法发现市中心平均CO2浓度比周边的乡村地区，工作日高出43%，周末高出38%，整个商业区的CO2浓度较周边地区增加的趋势降低，工作日为30%，周末为23%. 可见，厦门市CO2浓度在市区和郊区的差异并没有国外的城市大，这可能与厦门市郊区的快速城镇化发展有关.

图 3 厦门市春秋季节城市与郊区近地面CO2浓度分布 Fig.3 Near ground CO2 distribution through the city of Xiamen at different times of the day in autumn (2012-11) and spring (2013-04)

2.3 白天时段与夜晚时段CO2分布的差异

春秋季各路段CO2浓度在白天(09:00~12:00和13:00~16:00)和夜晚(22:00~01:00)的分布如图 4所示，从中可知，春季各路段功能区夜间平均CO2浓度普遍高于白天CO2浓度，且二者差值变化范围较大. 监测期间春季白天平均CO2浓度为448.27 μmol ·mol-1±20.99 μmol ·mol-1，夜晚平均CO2浓度为460.65 μmol ·mol-1±21.97 μmol ·mol-1. 各路段功能区白天时段与夜晚时段CO2浓度差值范围，除仙岳路两者几乎一致外，最小差值从成功大道(主要交通干道周围多为仓储用地)4.29 μmol ·mol-1到最大差值的文屏路(自然风景区)29.48 μmol ·mol-1. 秋季白天平均CO2浓度为449.06 μmol ·mol-1±18.59 μmol ·mol-1，夜晚平均CO2浓度为458.71 μmol ·mol-1±11.48 μmol ·mol-1. 而在主要交通干道(成功大道，仙岳路，厦禾路，后棣溪路，演武路)CO2浓度白天稍高于夜晚，差值范围从-9.03~-4.01 μmol ·mol-1，这些路段主要受人为活动尤其车辆排放的影响. 而在其余路段，白天和夜晚CO2浓度的差值最小出现在环岛路为6.54 μmol ·mol-1，最大出现在农田区域为33.69 μmol ·mol-1. 造成夜晚浓度高于白天主要是由于白天对流输送与光合作用等汇比较活跃，而晚上汇的作用减弱，CO2的源在继续排放，如动植物的呼吸作用、 人类活动的排放，且晚上大气稳定度比白天要高，不利于CO2扩散，使得CO2浓度得到积累. 各路段差值范围波动的原因在于，各路段功能区的不同影响CO2浓度的变化，如坂头水库，农田，及文屏路均受植物活动光合和呼吸作用的影响，而仙岳路段白天与夜晚CO2浓度很高且几乎没有差别，主要是此路段只有一个单向车道，车辆较多易交通堵塞，且从地理位置上四周比较封闭，不利于CO2的扩散，即造成CO2源汇变化不大，甚至出现白天浓度高于夜晚的情况. 杏林大桥，演武大桥均属于海面上CO2浓度的监测，CO2浓度较其他路段较低，同时受海洋CO2的吸收释放及海风的影响.

图 4 厦门市春秋季白天与夜晚CO2浓度沿路线分布 Fig. 4 Near ground CO2 concentration at different functional districts in Xiamen during daytime and nighttime in autumn (2012-11) and spring (2013-04)

2.4 近地面CO2浓度与PM2.5浓度的关系
2.4.1 近地面PM2.5浓度沿路线的分布

监测期间同时沿各路段监测了PM2.5的瞬时浓度，计算了均匀路段浓度的平均值，春秋季节不同时间段沿路线上PM2.5浓度如图 5所示. 瞬时高值出现在春季的上午时段09:00~12:00，秋季的晚间时段22:00~01:00. 与CO2不同PM2.5的瞬时浓度在市区与郊区的分布无明显差异. 瞬时浓度除受道路上不可避免地车辆尾气影响外，对车辆带起的扬尘也十分敏感，此外清洁工人对道路的清扫也会引起颗粒物瞬时浓度的增加. 瞬时浓度在春季的最高值出现在农田区域为0.57 mg ·m-3，最小值出现在坂头水库为0.03 mg ·m-3，在秋季的最高值出现在国道为0.31 mg ·m-3，最小值出现在坂头水库0.06 mg ·m-3. 不同季节PM2.5瞬时浓度最小值出现在坂头水库是由于人为活动较小，可视为监测的背景区域，无明显PM2.5的污染来源，而秋季最高值在国道，主要受到车辆排放的和车辆扬尘的影响，春季最高值在农田区域，主要是由于农田位于后溪镇的一个村庄周边，监测期间常出现农作物及生活垃圾焚烧处理情况.

图 5 厦门市春秋季节近地面PM2.5浓度沿路线分布 Fig. 5 Near ground PM2.5 concentrations measured at different functional districts in Xiamen during the autumn (2012-11) and spring (2013-04)

2.4.2 近地面CO2与PM2.5的相关性

移动监测同时获取了各路段PM的浓度，由于移动监测过程中各路段上的CO2和PM的获取不可避免地受到车辆的影响，如受车辆影响较大，CO2与PM会有良好的相关性. 除受车辆排放的影响外，PM浓度的瞬时变化很容易受到周围车辆扬尘等因素的影响. 统计了监测期间CO2与PM2.5日平均浓度的相关性，发现二者呈显著正相关关系(R=0.73，P<0.01). 如表 2所示，本研究分析了各路段CO2浓度与PM2.5的相关性，结果表明，杏林商业居民区CO2和PM的相关性较高(R=0.78，P<0.01)，商业居民区人口密集，人类活动排放较强，此外，后溪镇，安仁大道和杏林大桥也表现出较高的相关性(R=0.72/0.72/0.72，P<0.01)除车辆排放影响外，这些路段同时受到路面扬尘对颗粒物浓度的影响. 厦禾路与嘉禾路为交通繁忙区，CO2浓度与PM2.5在厦禾路同时表现出显著正相关，但在后棣溪路，此路段为交通繁忙区向自然风景区文屏山过渡路段，两者相关关系不大(R=0.37)，说明CO2和PM2.5同时受到其它因素的影响.

表 2 监测期间各路段CO2浓度与PM2.5的相关关系 1) Table 2 Correlation analysis of PM2.5 with CO2 at different functional areas
3 结论

(1)监测期间路线从厦门市北部的坂头水库背景区经郊区进入市中心最终在南部边缘沿海干道结束，CO2浓度在各路段的空间分布呈现中间市中心高沿市中心向边缘降低的结构，不同功能区CO2空间分布存在差异，受城市交通，工业，人类活动等排放，地面植物作物以及气象条件的影响，主要表现为交通繁忙区高于商业居民区高于自然风景区高于耕地高于山体林地.

(2) 移动监测法获得的春季平均CO2浓度为452.04 μmol ·mol-1±20.24 μmol ·mol-1，最大值在市内交通繁忙区为533.10 μmol ·mol-1，最小值出现在远离市区坂头水库为413.25 μmol ·mol-1. 秋季平均CO2浓度为451.80 μmol ·mol-1±21.56 μmol ·mol-1，其中最大值也出现在市内交通繁忙区为526.45 μmol ·mol-1，最小值仍出现在坂头水库路段为415.01 μmol ·mol-1. 存在“城市CO2岛”的现象.

(3)受到CO2排放源汇及气象条件的影响，不同时间段CO2浓度表现出夜晚时段(22:00~01:00)高于上午时段(09:00~12:00)高于下午时段(13:00~16:00)，阴天普遍高于晴天，且不同功能区夜晚时段(22:00~01:00)与白天时段(09:00~12:00、 13:00~16:00 )CO2浓度差异不同.

(4)市区CO2浓度与周围郊区存在差异，市区CO2浓度普遍高于郊区.

(5)主要受道路车辆排放的影响，CO2浓度与PM 2.5呈显著正相关关系(R=0.73，P<0.01).

参考文献
[1] Houghton J T, Meira Filho L G, Callander B A, et al. Climate Change 1995: The science of climate change [J]. Weather, 1996, 51 (11): 393.
[2] ftp://ftp.cmdl.noaa.gov/ccg/CO2/trends/CO2_annmean_mlo.txt.
[3] http://www.wmo.int/pages/prog/arep/gaw/ghg/GHGbulletin.html, 2010-11-24.
[4] Bergeron O, Strachan I B. CO2 sources and sinks in urban and suburban areas of a northern midlatitude city [J]. Atmospheric Environment, 2011, 45 (8):1564-1573.
[5] Lei L P, Liu Q, Zhang L, et al. A preliminary investigation of CO2 and CH4 concentration variations with the land use in Northern China by GOSAT [A]. In: Geoscience and Remote Sensing Symposium [C]. USA: IEEE Conference Publications, 2010. 1141-1144.
[6] 胡顺星, 赵培涛, 汪少林, 等. ARL-1Raman激光雷达系统探测大气二氧化碳[J]. 大气与环境光学学报, 2009, 4 (6): 401-405.
[7] 蔡博峰, 刘春兰, 陈操操, 等. 城市温室气体清单研究[M]. 北京: 化学工业出版社, 2009. 21-48.
[8] Pérez I A, Sánchez M L, García M A, et al. Daily and annual cycle of CO2 concentration near the surface depending on boundary layer structure at a rural site in Spain [J]. Theoretical and Applied Climatology, 2009, 98 (3-4): 269-277.
[9] Idso S B, Idso C D, Balling R C Jr. Seasonal and diurnal variations of near-surface atmospheric CO2 concentration within a residential sector of the urban CO2 dome of Phoenix, AZ, USA [J]. Atmospheric Environment, 2002, 36 (10): 1655-1660.
[10] Gratani L, Varone L. Daily and seasonal variation of CO2 in the city of Rome in relationship with the traffic volume [J]. Atmospheric Environment, 2005, 39 (14): 2619-2624.
[11] George K, Ziska L H, Bunce J A, et al. Elevated atmospheric CO2 concentration and temperature across an urban-rural transect [J]. Atmospheric Environment, 2007, 41 (35): 7654-7665.
[12] Pérez I A, Sánchez M L, García M á, et al. Analysis of CO2 daily cycle in the low atmosphere at a rural site [J]. Science of the Total Environment, 2012, 431 : 286-292.
[13] García M á, Sánchez M L, Pérez I A. Differences between carbon dioxide levels over suburban and rural sites in Northern Spain [J]. Environmental Science and Pollution Research, 2011, 19 (2): 432-439.
[14] Idso C D, Idso S B, Balling R C. An intensive two-week study of an urban CO2 dome in Phoenix, Arizona, USA [J]. Atmospheric Environment, 2001, 35 (6): 995-1000.
[15] Balling R C Jr, Cerveny R S, Idso C D, et al. Does the urban CO2 dome of Phoenix, Arizona contribute to its heat island? [J]. Geophysical Research Letters, 2001, 28 (24): 4599-4601.
[16] Henninger S, Kuttler W. Near surface carbon dioxide within the urban area of Essen, Germany [J]. Physics and Chemistry of the Earth, Parts A/B/C, 2010, 35 (1-2): 76-84.
[17] Kolb C E, Herndon S C, McManus J B, et al. Mobile laboratory with rapid response instruments for real-time measurements of urban and regional trace gas and particulate distributions and emission source characteristics[J]. Environmental Science & Technology, 2004, 38 (21): 5694-5703.
[18] 李燕丽, 穆超, 邓君俊, 等. 厦门秋季近郊近地面CO2浓度变化特征研究[J]. 环境科学, 2013, 34 (5): 2018-2024.
[19] 王长科, 王跃思, 刘广仁. 北京城市大气CO2浓度变化特征及影响因素[J]. 环境科学, 2003, 24 (4): 13-17.
[20] 刘强, 王跃思, 王明星. 北京地区大气主要温室气体的季节变化[J]. 地球科学进展, 2004, 19 (5): 817-823.
[21] 李晶, 王跃思, 刘强, 等. 北京市两种主要温室气体浓度的日变化[J]. 气候与环境研究, 2006, 11 (1): 49-56.
[22] 高松. 夏季上海城区大气中二氧化碳浓度特征及相关因素分析[J]. 中国环境监测, 2011, 27 (2): 70-75.
[23] 尹起范, 盛振环, 魏科霞, 等. 淮安市大气CO2浓度变化规律及影响因素的探索[J]. 环境科学与技术, 2009, 32 (4): 54-57.
[24] 胡晏玲. 乌鲁木齐市2种主要温室气体浓度水平[J]. 干旱环境监测, 2011, 25 (2): 80-84.
[25] 赵敏, 胡静, 汤庆合, 等. 温室气体监测研究进展及对我国的启示[J]. 环境科技, 2012, 25 (4): 75-78.
[26] Clifford M J, Clarke R, Riffat S B. Local aspects of vehicular pollution [J]. Atmospheric Environment, 1997, 31 (2): 271-276.
[27] Idso C D, Idso S B, Balling R C Jr. The urban CO2 dome of Phoenix, Arizona [J]. Physical Geography, 1998, 19 (2): 95-108.
[28] Massen F, Beck E G. Accurate estimation of CO2 background level from near ground measurements at non-mixed environments [A]. In: The economic, social and political elements of climate change. Climate Change Management[C]. Berlin Heidelberg: Springer, 2011. 509-522.