《Earth》：Spatial Variation in Transport-Related Particulate Matter Fractions Across Urban Districts in Padang, Indonesia: Evidence from Nano Sampler-Based Measurements
Vera Surtia Bachtiar,
Purnawan Purnawan,
Reri Afrianita,
Yega Serlina,
Haldi Reivan Thamrin,
Zulva Shabri and
Assyifa Raudina
编辑推荐：
这篇研究论文深入探讨了城市交通相关颗粒物（PM）在印度尼西亚巴东市11个城区的空间分异特征。研究利用纳米采样器（Nano Sampler）测量了不同粒径（PM10、PM2.5、PM1、PM0.5）颗粒物的浓度，揭示了高交通密度和混合用地城区的PM水平显著高于沿海城区，并指出交通流量与粗颗粒物（TSP、PM10）呈强相关。该研究强调了实施分区差异化控制策略的重要性，为热带沿海中型城市的空气质量精细化管理提供了科学依据。
1. 引言
空气污染，特别是颗粒物（PM）污染，已成为城市地区主要的公共健康问题。在快速发展的城市，人口增长和交通活动加剧了这一问题。细颗粒物如PM2.5与不良呼吸系统和心血管健康结果密切相关。在印度尼西亚巴东市，报告的PM2.5浓度超过了世界卫生组织的指导值，表明城市人口面临显著的暴露风险。
交通部门被广泛认为是城市颗粒物污染的主要来源。道路交通排放产生跨越广泛尺寸谱的颗粒物，从与刹车、轮胎磨损和道路扬尘再悬浮等机械过程相关的粗颗粒，到燃料燃烧产生的细颗粒和超细颗粒。细颗粒和超细颗粒因能深入呼吸系统和血液循环，导致系统性健康影响而备受关注。
然而，大多数现有研究关注大型都市区，并主要依赖PM2.5或PM10等总体PM指标，对更精细空间尺度下（特别是超细颗粒物）的粒径分辨行为洞察有限。此外，沿海气象和城市形态在塑造交通相关颗粒物分布中的作用，尤其是在热带中型城市中，仍未得到充分探索。沿海环境具有动态的海陆风环流特征，可显著影响污染物扩散和累积模式，但这种效应很少与区域层面的交通活动结合研究。
纳米采样器等空气采样技术的最新进展，实现了包括常规空气质量网络不常监测的超细颗粒在内的多种颗粒物粒径组分的同时测量。这为以更高分辨率研究不同城区颗粒物尺寸组成的空间变异提供了新的机会。
在此背景下，本研究旨在利用纳米采样器测量，调查印度尼西亚巴东市11个城区交通相关颗粒物组分的空间变化。通过整合粒径分辨PM数据、交通强度观测、气象特征和多变量统计分析，本研究旨在：(i) 描述PM尺寸组分的区域级差异，(ii) 评估交通活动与颗粒物组分之间的关系，(iii) 阐明沿海扩散过程在塑造城市颗粒物模式中的作用。
2. 材料与方法
2.1. 仪器
颗粒物测量使用纳米采样器进行。这是一种便携式低流量空气采样装置，通过多级惯性撞击收集尺寸分级的颗粒物。由于其能在高浓度条件下收集包括超细颗粒在内的粒径分辨颗粒物，该仪器被广泛应用于受交通影响和密集的路边环境。该仪器在受控流速下运行，其连续撞击板可分离出对应空气动力学截止直径PM10、PM2.5、PM1和PM0.5的颗粒物组分。其紧凑轻便的设计使其适合部署在传统采样器不实用的密集路边环境。
2.2. 研究区域与采样点
采样在巴东市所有11个行政城区进行，这些区域共同代表了该市主要的建成区。采用一对一采样设计，在每个城区设立一个代表性监测点。每个采样点位的布设遵循三个关键考量：(i) 城市密度（由人口集中度和建成区强度定义）；(ii) 靠近主要城市交通走廊，以捕获交通影响的颗粒物排放；(iii) 土地利用代表性，确保覆盖商业走廊、混合功能区、主要居住区和沿海-城市环境。每个监测点设置在地面上方1.5-2米（典型的人体呼吸高度），并避开物理障碍物以最大程度减少气流变形。研究区域和11个城区级监测点的空间分布如图所示。
2.3. 采样程序
采样在2025年6月至7月的监测期间按照固定标准化时间表进行。在每个城区监测点，纳米采样器运行一次24小时综合采样。采样在巴东的旱季进行，此时气象条件相对稳定，适合进行空气质量模式的空间比较。交通流量数据与颗粒物采样同步收集。现场部署前，纳米采样器根据制造商指南进行了流速验证和操作检查。每次采样后，收集的滤膜被保存并送至实验室进行重量分析。在颗粒物采样后进行浓度计算时，采用了基于粒径分布的质量重建方法计算浓度。
2.4. 数据处理与统计分析
计算了描述性统计量来描述各城区和粒径组分的颗粒物分布。根据数据正态性，采用皮尔逊或斯皮尔曼相关分析探讨颗粒物组分间的潜在关系并推断交通相关排放模式。空间差异和组分优势通过条形图和区域级可视化呈现，所有分析均使用Python生成。
3. 结果与讨论
3.1. 研究区域的风特征
风玫瑰图显示了11个城区的主导风向和频率。每个城区展现出独特的气流特征，反映了沿海环流、地形和城市形态的综合影响。沿海城区，特别是西巴东、Bungus和东巴东，显示出以东南南向为主的强定向风。这些模式表明存在一致的海陆风系统，增强了大气通风，并支持近地表污染物的快速稀释。相比之下，Kuranji、Pauh和Lubuk Kilangan等内陆城区显示出更分散和多方向的风模式，风速频率普遍较低。这些分布表明其扩散能力较弱，通常与减少水平气流的复杂地形和山谷斜坡相互作用有关。这些内陆地区通风的减少增加了污染物的停留时间。
3.2. 巴东市颗粒物的空间分布
总颗粒物浓度在巴东市各城区显示出显著的空间变异。工业区和外围城区，如Lubuk Kilangan和Koto Tangah，粗颗粒物浓度较高，这通常与道路扬尘再悬浮、工业活动和重型车辆排放有关。相比之下，中心城区和沿海城区，特别是西巴东和北巴东，细颗粒和超细颗粒物占主导，表明交通相关的燃烧排放影响显著，这些排放高度本地化且较少受机械再悬浮过程影响。过渡性城区，如东巴东和南巴东，则显示出混合特征，反映了交通走廊和再悬浮过程的综合影响。10, PM2.5–10, PM1.0–2.5, PM0.5–1.0, PM<0.5) measured across eleven districts in Padang, Indonesia.">
3.3. 各城区颗粒物尺寸组分的组成
在各城区，粗颗粒物构成了相当大的比例，通常在45-60%之间，表明机械源（如道路扬尘再悬浮、轮胎和刹车磨损、地表干扰）的强烈影响。细颗粒和超细颗粒组分在城区间表现出更大的变异。居民密集区，如东巴东和南巴东，显示出更高比例的细颗粒和超细颗粒物，这与家庭燃烧、烹饪活动和小规模垃圾焚烧等已知产生具有较高毒理学相关性的细模态气溶胶的来源相一致。同时，交通密集区则显示出较高的超细颗粒份额，反映了来自燃烧尾气和高温发动机过程的贡献。
3.4. 区域级来源特征
具有强烈工业影响的区域，如Lubuk Kilangan和北巴东，其来源特征以物料搬运、重型运输和产尘工业过程为主。这些环境通常支持粗颗粒物的贡献更高。相比之下，以密集住宅活动为特征的地区，包括东巴东和南巴东，显示出有利于细颗粒和超细颗粒物生成的条件，这通常与家庭燃烧和家庭能源使用有关。混合用地城区，如Nanggalo和Lubuk Begalung，显示出更异质的来源特征，反映了商业活动、中等交通和住宅密度的组合。沿海城区，如西巴东和Bungus，则因更强的自然通风而区别于其他地区，尽管存在中等强度的人类活动。
3.5. 交通流量与颗粒物组分之间的关系
比较可视化图显示了各城区交通流量与颗粒物浓度之间的明确空间对应关系。车辆活动最高的地点，特别是Koto Tangah、Kuranji、Pauh和北巴东，TSP和PM10水平明显升高。与低交通流量的城区（如Bungus和西巴东）相比，这种对比尤其显著，后者所有尺寸组分的浓度都明显较低。细颗粒和超细颗粒物在交通流量高的城区也呈现增加趋势，尽管相对于粗颗粒物其幅度较小。这些视觉模式表明，车辆活动显著影响颗粒物的空间分布。
3.6. 交通流量与颗粒物组分之间的统计关系
相关性分析结果显示了粗颗粒物的强正相关性，PM10和TSP表现出最高的相关系数，表明交通流量是各城区粗颗粒物浓度的重要预测因子。细颗粒和超细颗粒组分与交通流量保持中等但一致的正相关，反映了它们来自尾气和非尾气过程的混合来源。这些统计结果证实，车辆活动在塑造PM水平的空间变化中起主要作用。
3.7. 颗粒物组分的主成分分析（PCA）
PCA双标图揭示了所有采样点颗粒物组分组成的主要变异结构。PC1解释了总方差的50.6%，主要由PM1.0–2.5和PM0.5–1.0组分驱动，这些通常代表与交通排放密切相关的细颗粒和超细颗粒。PC2额外解释了21.2%的方差，并受到PM>10和PM<0.5的强烈影响，表明粗颗粒和超细尾气排放的共同贡献。这可能反映了混合来源城区中扬尘再悬浮和新鲜燃烧烟羽的共同影响。
采样点在双标图中的空间分布显示出清晰的来源分离模式。南巴东位于PC1的正向远端，反映了与其他地区相比，PM1.0–2.5组分异常高的主导地位，表明一个独特的细颗粒热点。相比之下，北巴东在PC2轴上位置较高，由PM>10和PM<0.5的异常组合驱动，表明扬尘和超细排放同时发生。Lubuk Kilangan、Koto Tangah和西巴东等地紧密聚集在一起，表现出相对相似的PM组分特征，反映了交通排放和细颗粒至超细颗粒贡献的强烈影响。同时，Kuranji和东巴东向PC1负值方向偏移，表明粗颗粒组分贡献更大。
PC3额外贡献了14.9%的方差，并捕获了颗粒物尺寸分布内的进一步变异。PC3主要表现为PM>10和PM2.5–10之间的对比载荷，表明粗颗粒组分内部的差异。这个成分可能反映了机械颗粒生成过程（如道路扬尘再悬浮强度、表面条件和局部扰动效应）的可变性。因此，纳入PC3可以更完整地表示各城区颗粒物特征的异质性。
3.8. 对空气质量管理的启示
本研究的综合结果表明，巴东市的颗粒物动态强烈地受到排放强度、颗粒物尺寸组成和局部扩散能力相互作用的控制。交通密集的城区，如Koto Tangah、Kuranji和Nanggalo，显示出机械和燃烧相关来源的显著贡献，突出了减少非尾气排放、改善路面状况和优化交通流量的重要性。受家庭燃烧影响的地区，包括东巴东和南巴东，需要针对更清洁的家庭能源使用和改进的废物管理实践的策略。同时，西巴东和Bungus等沿海地区得益于强大的自然通风，但仍需监测以发现偶发性污染事件。这些发现强调了采取有针对性的、分区差异化的干预措施的必要性，而不是统一的全城方法。
从政策角度来看，PM排放和分布的时空异质性强调了定制化空气质量管控框架的必要性。交通强度与PM浓度之间的强关联表明，车辆排放政策，特别是针对非尾气源的政策，应在交通活动密集的城区优先考虑。抑尘策略、增强公共交通选择以及对高排放车辆类型的控制可能会产生实质性的改善。家庭燃烧占主导的城区将从推广更清洁的烹饪燃料和基于社区的废物控制倡议的政策中受益。PCA中观察到的聚类模式进一步支持了与区域特定排放特征相一致的差异化政策区的设计，为城市空气质量管理提供了一条更具适应性和更有效的监管路径。
在科学层面，本研究通过整合气象分析、空间PM分布、颗粒物粒径分馏、区域级来源特征和多变量统计建模，为沿海热带城市内的颗粒物行为提供了新见解。结果强调了中尺度风场、城市形态和多样化排放活动如何共同塑造PM浓度和组成，这是一个在东南亚文献记录有限的领域。未来的研究应采用长期监测来捕捉季节转换，特别是季风转变和生物质燃烧时期。结合化学表征和受体模型方法的研究，将进一步加强来源解析。将扩散模型与高分辨率城市形态数据相结合，也能更准确地预测不同排放和气象情景下的污染热点。这些进展将深化科学理解，并支持快速发展沿海城市制定更稳健、基于证据的空气质量管控策略。
沿海城区观测到的较低颗粒物浓度不能仅仅归因于排放强度的差异。风玫瑰图分析表明，持续的海陆风环流增强了这些地区的大气通风，促进了污染物的快速扩散并限制了近地面积累。相比之下，内陆和密集建筑居住区则表现出更弱、更分散的气流模式，降低了扩散能力，有利于细颗粒和超细颗粒的积累。因此，居住区较高的细颗粒比例可能受到家庭活动（如烹饪和家庭燃烧）以及与城市密度相关的局部气象停滞的共同影响，而不仅仅是排放强度。
需要注意的是，本研究中的观测是在特定的旱季监测期内进行的，所报告的空间模式代表了相对稳定气象条件下的颗粒物行为。与季风降雨、过渡期和偶发性排放事件相关的季节性变化可能会改变颗粒物浓度和尺寸分布。因此，研究结论应被视为代表旱季条件，未来的多季节和长期观测对于评估时间稳定性和季节动态是必要的。
4. 结论
本研究表明，巴东市颗粒物的空间变化主要受排放强度、颗粒物尺寸组成和区域特定扩散能力之间相互作用的控制。交通密集的城区在大多数颗粒物组分中持续表现出较高的浓度，而沿海城区由于增强的大气通风作用，其水平较低。颗粒物尺寸组分分析表明，粗颗粒主要与机械和非尾气交通过程相关，而细颗粒和超细颗粒则反映了燃烧相关和家庭活动的更强贡献。相关性分析证实了交通流量与粗颗粒组分之间存在强正相关关系，细颗粒和超细颗粒组分也观察到中度但一致的相关性。主成分分析揭示了根据颗粒物组成对城区进行的明显聚类，突出了整个城市内不同的排放环境。这些数据驱动结果强调了对有针对性的缓解策略的需求，特别是在高交通流量城区解决非尾气交通排放，在居住区解决家庭燃烧问题。研究结论代表旱季条件，未来的多季节观测和化学表征将进一步加强来源解析和政策相关性。
