潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

多时间尺度的秦岭南北城市PM_(10)和PM_(2.5)变化特征分析

基于454d PM_(10)、PM_(2.5)质量浓度小时数据,分析不同时间尺度下西安市和安康市PM_(10)、PM_(2.5)变化规律。结果表明:(1)西安市和安康市PM_(10)、PM_(2.5)日均浓度均呈宽"U"字型变化趋势,秋冬季污染重于夏秋季,西安市污染重于同期安康市。(2)经小波分析发现,西安市在2017年供暖期内PM_(10)、PM_(2.5)浓度小波周期与同期安康市基本相同,经济结构差异和自然条件差异对PM_(10)、PM_(2.5)时间周期无显著影响。(3)城市自然、经济和供暖条件引起西安市和安康市PM_(10)、PM_(2.5)小时浓度变化趋势差异。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。     

克拉玛依市PM_(2.5)污染特征分析

对克拉玛依市2014-2015年PM_(2.5)质量浓度进行整理统计,通过Arc GIS空间插值和EXCEL数理统计分析得出PM_(2.5)的质量浓度变化特征。结果表明,PM_(2.5)各小时浓度均低于国家二级标准,整体空气质量为良;PM_(2.5)季节浓度呈现冬季高,春夏低的规律,其中2月份浓度最高,为63.7μg/m3,4月份最低为23.6μg/m3;各监测站PM_(2.5)浓度受盛行风影响自西北向东南方向递增,依次为南林小区、长征新村、白碱滩区、独山子区、乌尔禾区商贸区;PM_(2.5)与PM10全年平均比值为0.53,整体空气污染较重。此外,PM_(2.5)与NO_2和SO_2均呈正相关,与O_3呈负相关性,说明汽车尾气和化石燃料排放是PM_(2.5)的主要来源。     

乌鲁木齐市空气质量5参数对PM_(2.5)的影响及PM_(2.5)浓度时空变化特征分析

根据新疆环境质量发布平台提供的数据,对乌鲁木齐市2014-2016年3年间7个监测点的PM_(2.5)(粒径小于等于2.5μm)日均质量浓度监测数据进行时空特征分析,其中,空间上运用IDW反距离权重插值法,分别对全年、采暖期和非采暖期数据进行整理分析。运用灰色关联模型对空气质量6参数(PM_(2.5)、SO_2、NO_2、CO、O_3、PM_(10)六项因子)进行计算,结果表明全年、采暖期、非采暖期对PM_(2.5)影响最大的因素都是CO。     

沈阳市环境空气PM_(2.5)中有机碳、元素碳的污染特征研究

通过采集沈阳市环境空气不同时期PM_(2.5)样品,测定其中有机碳(OC)和元素碳(EC)含量,研究采暖期、非采暖期环境空气PM_(2.5)中OC,EC的污染特征。结果表明,沈阳市采暖期PM_(2.5)中OC,EC的含量高于非采暖期,而且采暖期OC,EC在PM_(2.5)中所占比重较高;采暖期PM_(2.5)中EC和OC的相关系数R是0.75,非采暖期为0.58;采暖期与非采暖期PM_(2.5)中SOC浓度分别为5.87μg/m3与3.92μg/m3,占OC含量的32.95%与50.05%。沈阳市采暖期OC和EC存在一致或者相似来源,采暖期OC和EC主要来源于柴油和汽油车尾气排放及燃煤排放,而非采暖期主要来自柴油和汽油车尾气排放,非采暖期大气光化学活性较高,二次污染源的贡献增强。     

黄河流域城市PM_(2.5)时空异质及空间溢出效应研究北大核心

选择2000—2020年黄河流域69个地级市PM_(2.5)浓度相关监测数据,采用空间自相关模型和空间回归模型对流域PM_(2.5)污染时空特征和空间溢出效应进行分析。结果表明:①2000—2020年黄河流域城市年度PM_(2.5)浓度值呈“先升后降”的趋势,黄河流域PM_(2.5)污染呈“先恶化、后改善”的趋势。②黄河流域PM_(2.5)浓度年度均值为52.99μg/m^(3),其中,上游、中游和下游PM_(2.5)浓度年度均值分别为39.35μg/m^(3)、54.65μg/m^(3)、72.53μg/m^(3),表明黄河流域PM_(2.5)污染水平地理梯度分布呈“上游<中游<下游”的态势。③黄河流域PM_(2.5)污染具有显著的空间自相关性和空间聚集特征,下游已形成较为稳定的大气污染区,但流域PM_(2.5)污染水平空间极化程度不断降低,空气质量朝着空间均衡方向不断改善。④黄河流域城市PM_(2.5)污染空间溢出效应明显,年均气温、人口密度、工业化程度、人均GDP等因素与城市PM_(2.5)污染水平呈正向相关性,降水量、年均风速、植被覆盖度等因素与城市PM_(2.5)污染水平之间呈负向相关性。     

乌鲁木齐市大气PM_(2.5)中多环芳烃的健康风险评价

于2019年5月至12月在乌鲁木齐三个点位以每24 h为一个周期采集了97个大气PM_(2.5)样品,对其中的多环芳烃(PAHs)做出分析,结果表明:乌鲁木齐市城区大气PM_(2.5)中PAHs浓度范围处于中等偏低水平,工业区大气PM_(2.5)中PAHs浓度范围处于中等偏高水平。乌鲁木齐市城区大气PM_(2.5)中BaP浓度范围处于中等偏低水平,工业区大气PM_(2.5)中BaP浓度范围处于中等偏高水平。人群终身致癌超额危险度变化趋势与BaP_(eq)变化趋势一致,城市区和郊区均呈现出冬季秋季春季夏季的趋势,工业区呈现出冬季春季秋季夏季的趋势。成人日均暴露剂量和终身致癌超额危险度均高于儿童。乌鲁木齐市三个点位大气PM_(2.5)中PAHs可能对人类预期寿命损失影响分别为:成人0.60 min、0.18 min和2.78 min,儿童为0.39 min、0.81 min和0.12 min。     

南充交警大气PM_(2.5)个体暴露水平及健康风险评价

为探讨交警工作环境大气PM_(2.5)个体暴露水平,现场监测交警大气PM_(2.5)个体暴露浓度,同时采集个体暴露大气PM_(2.5)样品,分析样品的化学成分并对部分元素进行健康风险评价。结果表明,交警大气PM_(2.5)个体暴露浓度为74.4μg/m~3,明显高于大气环境浓度42.2μg/m~3;交警PM_(2.5)个体暴露浓度与风速、湿度负相关,与温度存在一定程度上的正相关,降雨能降低PM_(2.5)个体暴露浓度。应用健康风险评价模型发现Mn对交警存在非致癌风险,风险指数为2.48;Cr对交警存在致癌风险,风险指数为1.58×10~(-3),应予以重视。     

四川省近15年以来PM_(2.5)的时空分布特征及原因分析

近年来,PM_(2.5)成为大家关注的重点,四川省是中国PM_(2.5)高浓度的分布地区之一。利用四川省2000~2014年近15年的PM_(2.5)年均浓度反演数据,按照2005年WHO对PM_(2.5)的划分标准,采用10μg/m3、15μg/m3、25μg/m3、35μg/m3四个断点将其分为5类。以此为基础分析了四川省PM_(2.5)的时空分布特征及影响因素。研究结果表明:(1)东部地区PM_(2.5)浓度明显大于西部,2010~2014年四川省PM_(2.5)年均浓度呈下降趋势;(2)PM_(2.5)类型以污染最严重的第五类为核心呈半环状向西递减,2010~2014年第五类所占比例波动降低;(3)成都市、眉山市等地区PM_(2.5)浓度较高,2014年PM_(2.5)年均浓度降低;(4)自然因子、不透水地表、产业结构变化、大气污染防治政策等是影响PM_(2.5)浓度变化的重要因素。     

北京市城区PM_(2.5)浓度分布及影响因素研究

对2015年4月1日至2016年3月31日期间北京市城区PM_(2.5)的日均浓度变化及天气影响因素进行了研究。研究结果表明PM_(2.5)的日均浓度变化幅度较大,且在秋冬季节明显高于春夏季节;PM_(2.5)日均浓度统计结果的概率密度呈对数形式分布;由于北京市城区的地理位置原因,导致东南风向时城区PM_(2.5)浓度普遍偏高;而温度与PM_(2.5)浓度无明显相关性。     

2015-2020年昌吉市PM_(2.5)污染时空分布特征

以新疆"乌—昌—石"重点城市之一的昌吉市作为研究对象,收集2015～2020年昌吉市空气质量自动监测站点的PM_(2.5)浓度数据,分析昌吉市PM_(2.5)浓度的年变化、季节变化、月、日以及小时变化特征及其变化规律。结果表明:近6年来昌吉市PM_(2.5)浓度均超过二级标准限值浓度,且PM_(2.5)平均浓度整体呈上升趋势;不同季节PM_(2.5)浓度呈春夏季低、秋冬季高的特点;受冬季气象条件和采暖期影响,PM_(2.5)浓度在11月至次年3月相对较高,4～10月相对较低;PM_(2.5) 24小时浓度在不同月份呈现不同的日变化规律。PM_(2.5)浓度时空分布与气象条件、采暖季、汽车尾气、工业排放等因素有关,且是影响空气质量等级和优良天数的主要因素。研究结果可为昌吉市PM_(2.5)污染防治提供参考。     

北京市区冬季PM_(2.5)污染特征及来源分析

选取北京市区为采样点,于2016年1月进行PM_(2.5)采集,并分析了PM_(2.5)和水溶性组分的污染特征和来源。结果表明,采样期间北京市PM_(2.5)质量浓度平均为67.7μg/m~3,水溶性离子是PM_(2.5)的主要组分,其中SO_4~(2-)、NO_3~-和NH_4~+之和占总离子的79.1%;Ca~(2+)和Mg~(2+)分别占PM_(2.5)质量浓度的2.5%和0.9%,海盐气溶胶和K~+分别占PM_(2.5)的3.6%和1.6%。采样期间NO_3~-/SO_4~(2-)为1.1,表明NO_2和SO_2主要来自移动源的贡献。北京市区冬季PM_(2.5)主要来自二次污染源、扬尘、生物质燃烧和海盐气溶胶,贡献率分别为42.351%、21.164%、16.314%和5.436%。     

南京市PM_(2.5)中重金属含量分布及溶出规律研究

自2017年1～10月,采集南京市PM_(2.5)样品共计42批次,分析了Cu、Zn等9种重金属的含量分布及其溶出规律。结果表明,PM_(2.5)质量浓度呈现明显季节特征,冬季高,夏季低,年均值为41μg/m~3,与国家二级标准比超标17%。南京市PM_(2.5)中重金属总量高低顺序为Fe Zn Pb Mn Cu Cr As Ni Cd,其中As超出推荐限值19%。在模拟酸雨提取PM_(2.5)中重金属时,淋溶液pH是决定释放率的最主要因素,pH越低,释放率越高。用pH 5. 6的模拟酸雨淋溶液提取南京市PM_(2.5)样品,Cd、Zn、Mn的释放率超过60%,而Fe、Cr、Pb的释放率低于30%。     

新疆准噶尔盆地南缘一次典型沙尘污染特征分析

沙尘对空气质量特别是空气中TSP,PM_(10)和PM_(2.5)浓度有重要影响。为探讨沙尘对空气质量的影响,在位于准噶尔盆地南缘荒漠-绿洲交错带的准噶尔生态环境观测站开展了近地面空气颗粒物的连续监测实验及气象观测实验;结合HYSPLIT模型对典型沙尘事件中空气颗粒物的运动轨迹进行模拟;分析了沙尘全过程空气颗粒物分布特征及颗粒物的输送特征。结果表明:在2015-09-13日的沙尘事件对空气中颗粒物TSP、PM_(10)和PM_(2.5)的浓度分布产生影响严重,TSP、PM_(10)和PM_(2.5)的质量浓度分别达到了412μg/m~3、354μg/m~3和190μg/m~3,远超过了国家二级空气质量标准;TSP、PM_(10)和PM_(2.5)的质量浓度显著相关,其中PM_(2.5)和PM_(10)的相关系数达0.993,颗粒物轨迹分析显示,沙尘主要来源于北面的古尔班通古特沙漠,为大风输送所致。     

南昌市环境空气PM_(2.5)化学组分的时空分布特征

2015年在南昌市6个国控点分四个季度采集了大气PM_(2.5)样品,分析了其主要化学组分,并对PM_(2.5)质量浓度进行了重构。结果表明:南昌市PM_(2.5)的主要化学组分为SO_4~(2-)、OC、NO_3~-、NH_4~+和EC,占比具有明显的时空变化特征,硫酸盐在第二、三季度最大,硝酸盐在第一、四季度最大,SO_4~(2-)和NH_4~+在石化点位最高,NO_3~-在京东镇政府点位最高,OC和EC在省外办点位最高;重构后,南昌市PM_(2.5)以硫酸盐、有机物、地壳类物质为主,说明2015年南昌市扬尘和二次硫酸盐源类对PM_(2.5)的贡献可能是主要的。     

昆山市高新区PM_(2.5)元素特征分析及健康风险评价

对昆山市高新区大气PM_(2.5)颗粒物和元素污染浓度进行同步监测,以元素为污染物示踪因子进行污染源特征分析,并通过健康风险评价模型对该地区颗粒物重金属元素进行评价。实验结果表明,在监测期间该区域PM_(2.5)污染程度不大,平均质量浓度达57.90μg/m~3;通过主成分分析对PM_(2.5)中元素进行分析,发现其主要来源分为混凝土搅拌及道路扬尘污染,电子产品及机械制造污染和燃煤燃烧污染等3个组分,电子产品及机械制造引起的污染是昆山高新区PM_(2.5)的主要来源;健康风险评价结果显示,昆山市高新区颗粒物中单种重金属元素通过呼吸途径对暴露人群的年均超额危险度在5.46E7~5.68E12之间,低于人群可接受的危险度水平10E6。     

一种城市治理PM_(2.5)的新方法

概述了我国PM_(2.5)污染现状,简介了城市PM_(2.5)治理的主要技术,提出了一种治理PM_(2.5)的新工艺,该治理工艺适用于指定区域的PM_(2.5)治理,并能取得较好的治理效果。     

后向轨迹模式在攀枝花市PM_(2.5)来源分析研究中的应用

利用后向轨迹模式计算2014年1月1日~2014年12月31日以攀枝花市为起始点的后向轨迹,并结合攀枝花市PM_(2.5)的实测浓度数据,通过聚类分析法、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)研究不同来源区域对攀枝花市PM_(2.5)浓度的贡献影响。结果表明:攀枝花市的西南区域与云南省的交界地区最有可能是攀枝花市PM_(2.5)的贡献源区。攀枝花市西南区域本地排放的PM_(2.5)污染物及其前体物和来自攀枝花市西南方向的气团对攀枝花市的PM_(2.5)浓度影响最大。     

水泥生产线污染源PM_(2.5)排放的监测

水泥工业是重要的PM_(2.5)排放源之一,因此有必要对水泥生产线污染源PM_(2.5)排放进行监测。介绍了水泥生产线污染源PM_(2.5)监测的主要仪器和方法,并对监测数据进行了分析。