太原市城区大气PM_(2.5)和PM_(10)时空分布特征

研究太原市城区大气颗粒物质量浓度时空变化规律,可以为实施更有效的大气污染综合治理手段提供科学依据。以太原市9个国家空气质量自动监测站的数据为基础,运用统计分析和Kriging插值法,对太原市城区2019年大气颗粒物的时空分布进行了分析。结果表明,2019年太原市城区PM_(2.5)和PM_(10)年均质量浓度分别为56μg·m~(-3)和107μg·m~(-3),是国家二级标准限值的1.60、1.53倍,以PM_(2.5)和PM_(10)为首要污染物占总超标天数的44.03%和12.58%;PM_(2.5)/PM_(10)年均值为0.52,PM_(2.5)对PM_(10)贡献较大;PM_(2.5)季平均质量浓度为冬季(87μg·m~(-3))秋季(50μg·m~(-3))春季(49μg·m~(-3))夏季(34μg·m~(-3)),PM_(10)为冬季(123μg·m~(-3))春季(120μg·m~(-3))秋季(98μg·m~(-3))夏季(64μg·m~(-3));PM_(2.5)和PM_(10)质量浓度月变化呈U型,二者平均质量浓度1月最高,8月最低;PM_(2.5)和PM_(10)24h质量浓度变化呈"单峰单谷"型,峰值在10:00,谷值在17:00;取暖期PM_(2.5)与CO、SO2和NO_2相关性高于其他时段;太原市城区PM_(2.5)和PM_(10)质量浓度空间分布总体上呈北低南高之势,PM_(2.5)春夏秋季的空间分布格局与太原市城区生产、生活、交通干道分布格局比较吻合。以上结果提示秋冬季是太原市城区颗粒物治理的关键时期,位于南部的小店和晋源区为重点防控治理区域。     

北京城市森林PM_(2.5)质量浓度特征及影响因素分析

以北京西山森林公园为林内观测点,北京海淀植物园为林外对照点,研究城市森林PM_(2.5)质量浓度变化特征,并对其影响因素进行分析。结果表明,林内外PM_(2.5)质量浓度日变化呈"双峰双谷"型,8:00和21:00左右是一天中的两个峰值,15:00和4:00左右是一天中的两个谷值,PM_(2.5)质量浓度林内(104.02μg·m~(-3))林外(82.52μg·m~(-3))。一年中PM_(2.5)质量浓度在冬季最高,春季次之,夏季最低,PM_(2.5)质量浓度年变化林内为冬季(115.46μg·m~(-3))春季(112.39μg·m~(-3))秋季(106.37μg·m~(-3))夏季(81.87μg·m~(-3)),林外为冬季(97.35μg·m~(-3))春季(94.07μg·m-3)秋季(93.17μg·m~(-3))夏季(61.86μg·m~(-3))。气温、降雨均与PM_(2.5)浓度呈负相关。晴天时,温度高、空气对流旺盛,PM_(2.5)浓度较低;降水对PM_(2.5)有很好的消减作用;风有驱散PM_(2.5)的作用。在高温高湿天气下,PM_(2.5)浓度高于其他天气情况。该研究可以丰富森林净化大气的理论,为环保部门相关政策的制定提供依据。     

济南市居住区采暖季大气PM_(2.5)中碳组分构成及变化分析

为探究济南市采暖季环境空气中PM_(2.5)中碳组分的污染情况及主要来源,于2017年11月16日-2018年3月31日和2017年11月16日-28日分别进行了居住区和背景区离线颗粒物采样,运用美国沙漠研究所DRIModel2015多波长热/光学碳分析仪对大气PM_(2.5)中碳组分进行了分析。研究结果显示,日均质量浓度ρ(OC)、ρ(EC)和ρ(PM_(2.5))在居住区为9.26、3.16、85.32μg·m~(-3),在背景区为2.88、1.44、59.27μg·m~(-3),说明居住区碳组分污染程度明显高于背景区。居住区日均质量浓度最高的碳组分为OC4、OC3和EC2;OC3和OC4日均质量浓度随污染等级从优向重度污染变化的过程逐渐增大,且OC日均质量浓度的变化情况跟OC3和OC4日均质量浓度变化相一致。但OC/PM_(2.5)和EC/PM_(2.5)均随污染等级的加重而呈下降趋势,可见OC和EC并不是济南采暖季重污染天气的控制因子。PMF来源解析结果显示,济南市采暖季居住区碳组分贡献较大的源为燃煤源、汽油车尾气和道路尘。结合碳组分在线监测仪器(美国SUNSET公司,型号RT-4)同期OC和EC质量浓度数据,采用Cabada改进后的方法,计算出SOC和POC质量浓度分别为1.14μg·m~(-3)和4.69μg·m~(-3)对采样时间段内一次典型重污染过程进行分析,发现CO、EC、POC等一次污染物的大量排放、不利的气象因素、区域传输等因素共同导致了此次污染过程的的形成。     

长治市秋冬季PM2.5组分特征及来源解析

采集了2017—2018年秋冬季长治市审计局站、监测站、清华站等3个监测站点的大气PM_(2.5)样品,分析了其元素、水溶性离子及碳质组分特征,并利用化学质量平衡模型(CMB)对PM_(2.5)进行来源解析.结果表明,采样期间长治市PM_(2.5)浓度为67.9μg·m~(-3),其中审计局站PM_(2.5)浓度最高(70.6μg·m~(-3)),其次为监测站(70.0μg·m~(-3))和清华站(63.0μg·m~(-3));二次无机离子(SO_4~(2-)、NO~-_3、NH~+_4)平均浓度(20.7μg·m~(-3))占PM_(2.5)浓度的30.5%,与大量排放到大气中的SO_2、NO_2二次生成有关;OC(12.6μg·m~(-3))和EC(6.6μg·m~(-3))分别占PM_(2.5)的18.6%和9.7%;OC/EC为2.06,且SOC(5.9μg·m~(-3))在OC中占比高达63.1%,表明长治市秋冬季二次污染较重;典型地壳元素Si和Ca占元素组分平均浓度的29.8%和22.8%,说明扬尘污染对长治市PM_(2.5)的有一定影响;源解析结果表明,长治市秋冬季PM_(2.5)主要来源为:机动车源17.0%、燃煤源16.5%、扬尘源14.6%、二次硝酸盐13.9%、二次硫酸盐11.0%、二次有机气溶胶10.8%、工艺过程源9.3%、生物质燃烧源1.9%、其他源5.0%.因此,为进一步降低长治市环境空气中PM_(2.5)的污染,需在加强管控机动车,燃煤和扬尘等一次排放源的基础上,降低一次污染物SO_2、NO_2等的排放,从而实现对二次污染源前体物的控制.     

河南省PM_(2.5)时空分布特征及其与植被覆盖度的关系

随着中国城市化和工业化的不断推进,大气污染治理形势严峻,PM_(2.5)作为首要的大气污染物,已经引起了公众和学术界的普遍关注。研究PM_(2.5)的时空分布特征及其质量浓度同植被覆盖度之间的关系,为区域大气污染联防联控提供数据支撑和理论依据。以大气污染严重的河南省为研究对象,利用2017年1月—2019年2月期间75个国控空气质量监测站的逐日PM_(2.5)质量浓度数据,通过空间插值技术,分析了PM_(2.5)质量浓度的时间和空间分布特征。基于MODID NDVI遥感卫星数据,采用像元二分模型反演获取植被覆盖度数据,再计算其与PM_(2.5)质量浓度的秩相关系数。研究发现,(1)总体上,河南省PM_(2.5)年均质量浓度逐年降低,由2015年的79μg·m~(-3)降至2018年的63μg·m~(-3),年均降幅达7.2%,但是依然超过国家二级标准(35μg·m~(-3)),污染防治形势仍然严峻。(2)从时间分布看,PM_(2.5)季节差异明显,月均质量浓度曲线大致呈"U"形,冬季质量浓度最高(113μg·m~(-3)),夏季最低(35μg·m~(-3)),春秋两季居中。(3)从空间分布来看,PM_(2.5)质量浓度在河南省内由南至北污染程度递减,形成了以污染最严重的郑州市、安阳市为中心的PM_(2.5)辐射圈。(4)植被覆盖度和PM_(2.5)质量浓度相关性强,秩相关系数为-0.55。从污染治理来看,提高植被覆盖度,增加植被面积对PM_(2.5)沉降有积极作用,但作用有限。     

贵阳秋季PM_(2.5)水溶性离子组成特征及来源解析

水溶性无机离子是PM_(2.5)的主要组分之一,对研究PM_(2.5)的物理化学性质,来源及其形成机理具有重要意义.本研究于2017年9月—2017年11月期间在贵阳城区采集了80个PM_(2.5)样品,并测定了8种水溶性离子浓度,探讨贵阳秋季PM_(2.5)水溶性离子组成特征及来源.结果表明贵阳秋季PM_(2.5)中无机离子的平均质量浓度为15.99μg·m~(-3),阴离子和阳离子的平均质量浓度分别为10. 90μg·m~(-3)、5. 09μg·m~(-3); SO_4~(2-)(8. 53±4.63μg·m~(-3))平均质量浓度最高,其次是NH_4~+(2.56±1.62μg·m~(-3))、NO_3~-(2.21±2.96μg·m~(-3))、Ca~(2+)(1.98±0.88μg·m~(-3)),最后依次是K~+(0.37±0.24μg·m~(-3))、Cl-(0.16±0.11μg·m~(-3))、Mg~(2+)(0.11±0.03μg·m~(-3))、Na~+(0.07±0.06μg·m~(-3)); NH_4~+、SO_4~(2-)、NO_3~-是主要水溶性离子,所占比例为83%; NO_3~-/SO_4~(2-)值平均为0.21±0.12,远小于1,说明贵阳秋季PM_(2.5)以固定源污染为主.相关性分析表明,PM_(2.5)中NH_4~+主要以(NH_4)_2SO_4、NH_4HSO_4、NH_4NO_3的形式存在,Ca~(2+)与Mg~(2+)来源可能相同.结合富集系数分析NO_3~-、SO_4~(2-)、Ca~(2+)、K~+、Mg~(2+)基本都是来源于陆源贡献,NO_3~-、SO_4~(2-)是人为源,Ca~(2+)、K~+、Mg~(2+)是地壳源,此外Mg~(2+)还有一部分海源贡献.     

基于GIS的北京市林地覆被与PM_(2.5)分布关联性分析

土地利用方式直接和间接地影响着城市的颗粒物污染程度,了解土地利用与颗粒物污染的关联规律,对改善环境空气质量具有重要的意义。选择颗粒物污染问题突出的北京市为研究对象,以空气质量地面监测站的PM_(2.5)质量浓度数据和卫星遥感解译数据为基础,借助地理信息系统和数理统计方法,对不同土地利用方式特别是林地覆被与细颗粒物分布的关联性进行分析。研究结果表明,(1)北京市的PM_(2.5)质量浓度分布在空间上呈由西北至东南逐级递增的趋势,东南部(107.0μg·m~(-3))西南部(96.2μg·m~(-3))城六区(95.3μg·m~(-3))东北部(79.6μg·m~(-3))西北部(79.0μg·m~(-3)),季节分布表现为冬季(122.0μg·m~(-3))春季(81.2μg·m~(-3))秋季(76.8μg·m~(-3))夏季(72.9μg·m~(-3)),不同土地利用方式PM_(2.5)质量浓度表现为耕地(96.9μg·m~(-3))建成区(95.7μg·m~(-3))未利用土地(91.5μg·m~(-3))水域(82.8μg·m~(-3))草地(80.9μg·m~(-3))林地(79.1μg·m~(-3))。(2)以各监测站点为中心建立不同半径缓冲区,随着缓冲区半径的不断增加林地覆被率与PM_(2.5)质量浓度的负相关性不断增强。当缓冲区半径达到1 000 m时,各个月份林地覆被率与PM_(2.5)质量浓度均在α=0.05水平上呈显著负相关。(3)以各监测站点为中心的3 000 m半径缓冲区内落叶阔叶林、常绿针叶林、落叶阔叶灌木林、常绿阔叶灌木林、乔木园地面积与PM_(2.5)质量浓度均呈负相关关系。研究结果表明,实行未利用土地、耕地以及部分建成区的土地利用方式向林地、草地转化是北京市防控颗粒物污染的可行方略。     

不同植被结构对空气质量的调控功能

随着城市化进程的加快,生态环境恶化,改善空气质量已成为社会所关注的重要环境问题。不同的植被结构可以有效调控大气颗粒物浓度,提高负离子的浓度,是改善空气质量的重要组成部分。为探究不同植被结构对空气质量的调控能力以及影响空气质量的因素,以沈阳市东陵公园为研究对象,采用定点观测法,监测8块不同植被结构内大气颗粒物(PM_(2.5)、PM_(10))和空气负离子浓度,并同步观测气象因子。研究结果表明,(1)不同植被结构调控大气颗粒物的能力存在差异,但是不显著。PM_(2.5)和PM_(10)日平均质量浓度在S1(稠李Padus avium+萱草Hemerocallis fulva)均为最高,分别是(48.63±18.05)μg·m~(-3)和(68.55±20.64)μg·m~(-3);S3(云杉Picea asperata+榆叶梅Amygdalus triloba+牛筋草Eleusine indica)最低,分别是(28.95±8.91)μg·m~(-3)和(45.21±10.38)μg·m~(-3)。PM_(2.5)和PM_(10)日平均质量浓度变化范围分别为(28.95—48.63)μg·m~(-3)和(45.21—68.55)μg·m~(-3)。(2)不同植被结构内空气负离子浓度存在显著性差异。空气负离子日平均浓度在S7(油松Pinus tabuliformis+桃叶卫矛Euonymus bungeanus+玉簪Hosta plantaginea)最高,为(1 007.50±53.10)ion·cm~(-3);S1(稠李+萱草)最低,为(446.21±34.9) ion·cm~(-3)。空气负离子日平均浓度范围(446.21—1 007.50) ion·cm~(-3)。(3)大气颗粒物(PM_(2.5)、PM_(10))和空气负离子浓度与乔木层郁闭度和相对湿度呈正显著相关,而与温度呈负显著相关;大气颗粒物浓度与空气负离子浓度呈负显著相关。以上研究结果可为优化城市绿地植被结构和改善空气质量提供一定的借鉴。     

石河子市PM2.5中重金属污染及健康风险评价

采集石河子市供暖时期的PM_(2.5)样品,使用ICP-MS对PM_(2.5)中5种重金属元素(Ni、Cu、Zn、Pb、Fe)进行检测,并对重金属元素进行健康风险评价.选取重金属元素中的Zn进行动物实验,以观察PM_(2.5)及其Zn元素对大鼠肺部的影响.将不同浓度的PM_(2.5)(0.5、3.0、15.0 mg·kg~(-1)体重)和Zn(0.06、0.3、1.5 mg·kg~(-1)体重)通过气管滴注的方式暴露于大鼠来探究PM_(2.5)中的Zn元素对大鼠肺部的损伤.处死大鼠后获取大鼠的支气管肺泡灌洗液(BALF)和肺组织,使用ELISA、比色法和HE染色来检测大鼠BALF中促炎因子白细胞介素-6(IL-6)、肿瘤坏死因子-α(TNF-α)、肺组织中氧化应激指标超氧化物歧化酶(SOD)、丙二醛(MDA)以及观察大鼠肺组织的病理变化.结果表明供暖期间石河子市PM_(2.5)浓度为109.85±58.76μg·m~(-3),PM_(2.5)中重金属的浓度为Fe (27.766μg·m~(-3)) Zn (3.484μg·m~(-3)) Pb (1.444μg·m~(-3)) Cu (0.628μg·m~(-3)) Ni (0.094μg·m~(-3)).Ni存在一定的致癌风险,Cu,Zn,Pb不存在非致癌风险.PM_(2.5)以及Zn浓度的升高能够显著抑制SOD活性并增加MDA、IL-6、TNF-α水平,但是在同等Zn元素含量的情况下(PM_(2.5)高剂量组和Zn中剂量组),PM_(2.5)对大鼠的损伤更为严重.因此,PM_(2.5)及其Zn元素可以引起大鼠肺部的损伤,在这一过程中Zn元素发挥重要作用.     

宜宾市PM_(2.5)中碳组分的污染特性及来源分析

2017年1月—12月期间在四川省宜宾市布置4个点位,共采集360个PM_(2.5)样品膜,采用美国沙漠研究所DRI Model 2001型热光分析仪测定PM_(2.5)样品中OC、EC的浓度值,应用OC/EC比值法对SOC进行了估算.结果表明,宜宾市PM_(2.5)年均浓度为75.2μg·m~(-3).OC、EC年均浓度分别为14.3μg·m~(-3)和4.30μg·m~(-3),季节变化趋势为冬季秋季春季夏季,OC占PM_(2.5)比例为19.0%,为PM_(2.5)重要组成部分.SOC年均浓度为4.70μg·m~(-3),对OC贡献较大,在OC中占比为29.3%;SOC在OC中的占比春季冬季≈秋季夏季.进一步对OC1、OC2、OC3、OC4、EC1、EC2、EC3、和OPC进行主成分分析,结果表明机动车尾气、燃煤排放和生物质燃烧是宜宾市PM_(2.5)中OC和EC的主要贡献源,可贡献PM_(2.5)中碳组分的54.0%—69.0%.     

气象条件对西安市夏季和冬季近地面大气环境污染特征影响

利用2018年1—12月西安市13个环境空气质量监测点的六项大气污染常规分析指标(PM_(10)、PM_(2.5)、O_3、SO_2、NO_2和CO)逐小时监测数据,结合气象条件(温度、相对湿度、风向、风速、大气压、光照、紫外辐射、混合层高度及大气能见度)和颗粒物样品采集,对西安市近地面大气污染物浓度特征进行分析,结果表明,西安市近地面大气污染物浓度呈现明显的季节变化特征,冬季空气污染物主要为颗粒物(PM_(10)、PM_(2.5))对应质量浓度分别为:(154.04±92.88)、(101.84±60.11)μg·m~(-3),PM_(2.5)/PM_(10)的值为0.66,夏季空气污染物主要为O_3,质量浓度为(89.07±20.62)μg·m~(-3);西安市冬季PM_(2.5)数浓度、表面积浓度、质量浓度分别为(51 890±14 619)cm~(-3)、(2 882.21±939.83)μm~2·cm~(-3)、(0.32±0.13)mg·m~(-3),PM_(10)数浓度、质量浓度、表面积浓度分别为(51 897±14 618)cm~(-3)、(3 410.50±1 060.31)μm~2·cm~(-3)、(0.86±0.29)mg·m~(-3),数浓度粒径分布集中在0.010≤d_p≤0.484μm,占总数浓度的99.13%,表面积浓度粒径分布集中在0.072≤d_p≤8.136μm,占总表面积浓度的98.32%,质量浓度粒径分布集中在0.316≤dp≤8.136μm,占总质量浓度的98.75%。颗粒物数浓度对大气能见度影响最大的3个粒径段分别为d_p=0.762μm、d_p=1.956μm、d_p=1.232μm,3个粒径段与能见度的R~2(拟合优度)分别为:0.840、0.789、0.775;西安市夏季,在近地面环境温度大于30.23℃,相对湿度小于58.09%,光照强度大于107.83 W·m~(-2),紫外辐射强度大于324.10μW·cm~(-2)时,有利于近地大气层中高质量浓度O_3((112.16±53.01)μg·m~(-3))的生成与累积。研究结果可为西安市及汾渭平原其他城市大气污染物减排、大气污染防治策略的制定提供数据支持。     

广州大气PM_(2.5)中含碳组分的污染特征及来源解析

于2015年1月至11月在广州利用大流量大气颗粒物采样器采集细颗粒物(PM_(2.5))样品,并利用热光反射法(TOR)测定大气颗粒物中有机碳(OC)和元素碳(EC)浓度。结果表明,广州ρ(PM_(2.5))年均值为(69.5±35.6)μg·m~(-3),是GB 3095—2012《环境空气质量标准》中PM_(2.5)年均质量浓度二级标准限值(35μg·m~(-3))的2.0倍,表明广州大气细颗粒物污染严重。OC、EC和总碳气溶胶(TCA)的年均质量浓度分别为(8.31±4.53)、(3.56±2.72)和(16.85±9.60)μg·m~(-3),分别占PM_(2.5)质量浓度的13.2%、5.9%和27.0%,表明含碳组分是PM_(2.5)的重要组成部分。OC和EC浓度季节变化规律存在差异性,OC浓度在冬季最高,而EC浓度在秋季最高。OC和EC的相关性弱和比值高的特征结果表明冬季二次有机碳(SOC)污染最严重,其平均质量浓度为6.9μg·m~(-3),占OC质量浓度的62.4%。主成分分析结果表明,冬季和春季广州PM_(2.5)中碳组分来源较复杂,主要包括机动车尾气、燃煤和生物质燃烧,夏季碳组分的主导污染来源是燃煤和机动车尾气,而秋季碳组分主要来源于机动车尾气。     

北京城区PM_(2.5)有机碳和元素碳的污染特征及来源分析

为研究北京城区PM_(2.5)中有机碳(OC)和元素碳(EC)的浓度水平、季节变化特征与主要来源,于2015年4月至2016年3月在北京西三环交通带附近采集4个季节PM_(2.5)有效样品95组,利用热光反射法测定了PM_(2.5)中OC和EC的质量浓度,并对OC/EC值、OC与EC相关性、二次有机碳(SOC)等特征及污染来源进行了分析.结果表明,采样期间PM_(2.5)平均质量浓度为(109.9±7.99)μg·m~(-3). PM_(2.5)中OC的年平均质量浓度为(13.49±4.32)μg·m~(-3),占PM_(2.5)的13.13%; EC的年平均质量浓度为(5.41±1.83)μg·m~(-3),占PM_(2.5)的5.2%.OC和EC平均浓度及OC和EC在PM_(2.5)中所占比例的季节变化特征均为冬季最高,秋季大于春季,夏季最低.4个季节PM_(2.5)中OC/EC比值均大于2.0,表明各季节存在二次有机碳(SOC)的生成,采用OC/EC最小比值法对SOC含量进行了估算,SOC年平均浓度为(6.88±1.10)μg·m~(-3),占OC含量的50.86%,冬秋季节的SOC浓度水平高于春夏季节.夏季SOC对OC的贡献率为62.22%,高于其他季节.相关性分析表明,OC与EC的相关性在春季(R2=0.9046)和秋季(R2=0.8886)高于夏季(R2=0.4472)和冬季(R2=0.6018),表明春秋两季OC与EC来源相似且相对简单.进一步对PM_(2.5)中8个碳组分质量浓度进行分析显示,北京城区大气碳质气溶胶主要来自汽油车排放和燃煤.     

荥阳市春秋季观测期间颗粒物中重金属健康风险评价

为研究荥阳市2017春秋两季观测期间颗粒物中重金属的浓度特征及其在不同暴露途径下对人体的健康风险,采集大气中的PM_(2.5)和PM_(10),使用电感耦合等离子质谱仪ICP-MS对颗粒物中重金属浓度(Co、Cu、Zn、As、Cr、Pb)进行测定.结果表明,春、秋季的PM_(2.5)和PM_(10)的浓度均值分别为95.01μg·m~(-3)、149.03μg·m~(-3)和61.61μg·m~(-3)、108.61μg·m~(-3). PM_(2.5)浓度最高比《环境空气质量标准》(GB 3095—2012)规定的一级浓度限值高5.71倍,PM_(10)比其一级浓度限值高6.42倍,比二级浓度限值高1.47倍.健康风险评价表明,在呼吸暴露途径下,PM_(10)中Cr元素在春季对成人有一定致癌风险,在秋季则对成人和儿童均存在致癌风险,且秋季As、Cr、Co的危险指数高达4.2,存在显著非致癌风险;皮肤接触途径下,PM_(10)中Cr元素在春季对儿童和成人均有致癌风险,秋季则主要是对成人存在致癌风险;口入途径下,秋季PM_(2.5)中As元素对儿童有潜在致癌风险,PM_(2.5)和PM_(10)中重金属元素整体在两个季节对儿童均有显著非致癌风险.     

山东禹城夏季PM_(2.5)中碳质组分污染特征

为研究华北平原夏季PM2.5中有机气溶胶污染特征,于2015年6月20日至2015年7月30日对山东禹城生态站大气中PM_(2.5)进行了观测研究.结果表明,观测期间禹城大气PM_(2.5)日平均浓度为87.15±32.27μg·m~(-3),与我国《环境空气质量标准》(GB3095-2012)二级标准75μg·m~(-3)相比,超标率为58.53%.检测到的10种糖醇的平均总浓度为177.89±145.38 ng·m~(-3)(白天)和226.97±196.88 ng·m~(-3)(晚上),分别占WSOC的3.18%(白天)和4.97%(晚上).脱水糖(左旋葡聚糖、半乳聚糖和甘露聚糖)是检测到的糖类化合物中的主要组成部分,分别占总浓度的58.52%(白天)和75.61%(晚上).EC、OC、WSOC的平均质量浓度分别为2.68±2.8μg·m~(-3),7.51±4.4μg·m~(-3)、5.57±3.95μg·m~(-3),分别占PM_(2.5)质量浓度的3.08%、8.62%和7.34%.WSOC占OC的74.16%,表明有机碳中大部分是水溶性组分.利用EC示踪法和WSOC法估算的二次有机碳(SOC)的质量浓度分别为4.08±2.25μg·m~(-3)和4.90±3.11μg·m~(-3),且两种方法计算的SOC呈现很好的相关性(r=0.77,P0.001).估算得到的SOC为白天高于夜间,与白天光化学反应比较强烈、产生的二次有机物较多一致.相关性分析表明,OC、WSOC和SOC与相对湿度呈现显著的负相关,与SO_2表现出较强的正相关关系,与温度均没有表现出相关性.     

采暖季4种结构的城市绿地对PM_(2.5)和PM_(10)的调控作用

为研究采暖季不同结构城市绿地对大气中PM_(2.5)和PM_(10)的调控作用及其与气象因子的关系,于2015年11月—2016年4月,选择滞尘效果较好的4种类型城市绿地和对照点,于07:00—21:00每隔2 h在4种绿地的中心位置同步观测其内部PM_(2.5)、PM_(10)、温度、相对湿度、风速以及光照强度,对比分析绿地内颗粒物质量浓度差异以及不同绿地类型对消减PM_(2.5)和PM_(10)的作用。结果表明:采暖期4种结构城市绿地内PM_(2.5)日均值大小表现为CK(112μg?m~(-3))乔灌草(108μg?m~(-3))大阔叶乔草(107μg?m~(-3))小阔叶乔草(106μg?m~(-3))针叶乔草(100μg?m~(-3)),PM_(10)为CK(23μg?m~(-3))乔灌草(226μg?m~(-3))小阔叶乔草(224μg?m~(-3))大阔叶乔草(223μg?m~(-3))﹥针叶乔草(211μg?m~(-3)),CK内PM_(2.5)和PM_(10)质量浓度显著高于其他绿地类型(P0.05);PM_(2.5)和PM_(10)小时均值变化区间分别为81~133μg?m~(-3)和170~278μg?m~(-3),两者呈极显著相关(P0.01),都在09:00左右达到峰值,15:00左右达到最低值,而后至21:00一直呈上升趋势;采暖期PM_(2.5)和PM_(10)月均值稳步上升,但受大范围气象因素影响显著;观测期间,对PM_(2.5)和PM_(10)平均消减率按大小排序为针叶乔草乔灌草小阔叶乔草大阔叶乔草,且针叶乔草的消减率显著高于其他绿地类型(P0.05);4种结构城市绿地对PM_(2.5)和PM_(10)的消减率都与温度呈显著负相关(P0.05),仅有PM_(2.5)的消减率与湿度呈显著正相关(P0.05),与风速和光照相关性不显著。在城区绿地建设中,可加大针叶乔木的配置以降低大气颗粒物质量浓度。     

极干旱区大气PM_(2.5)对质粒DNA的氧化性损伤研究

近年来和田经济迅速发展及城市人口快速增长,汽车尾气、工业废气等各类污染物的城区排放量也在不断增加,加重了和田市大气污染。为评估和田市城区风速、沙尘天气对大气PM_(2.5)毒性的影响,于2014年1月、4月、7月、10—11月采集大气PM_(2.5)样品,应用质粒DNA评价法研究其PM_(2.5)的氧化性损伤能力。结果表明,采样期间,和田市城区大气PM_(2.5)质量浓度的变化范围为70~2489μg·m~(-3),PM_(2.5)质量浓度有随风速增大而增大的趋势。应用TD30(造成30%DNA损伤率所需的颗粒物剂量,μg·mL~(-1))值指示颗粒物氧化性损伤能力,结果表明,TD30越高,颗粒物氧化性损伤能力越弱,全样和水溶部分TD30值的变化范围分别为444~27480μg·mL~(-1)和481~20434μg·m L~(-1);不论是全样还是水溶部分,其对质粒DNA的氧化性损伤均表现出随风速减小而增大的变化趋势;沙尘和非沙尘期间全样TD30的平均值分别为9464μg·mL~(-1)和8008μg·mL~(-1),而水溶部分分别为5494μg·mL~(-1)和7822μg·mL~(-1),即沙尘期间采集的颗粒物对体外DNA的氧化性损伤小于非沙尘期间采集的样品,且非沙尘期间采集的样品的全样损伤大于相应的水溶部分样,而沙尘状况下体外DNA的氧化性损伤可能主要来源于水溶成分。全样和水溶部分的TD30平均值与PM_(2.5)平均质量浓度之间存在明显的正相关趋势,说明颗粒物的质量浓度对DNA氧化损伤起着一定的作用。     

北京市冬季大气细颗粒物中二■英的污染特征

为了解北京市大气细颗粒物(PM_(2.5))中二■英(PCDD/Fs)的污染特征,利用中流量大气颗粒物采样器,在北京市3个功能区5个采样点(两个市区点、两个工业区点和一个背景点),同步连续采集了大气细颗粒物PM_(2.5)样品.参照US EPA 1613B标准方法,应用高分辨率气相色谱/高分辨率质谱(HRGC/HRMS),分析了PM_(2.5)中17种PCDD/Fs的浓度水平和区域分布特征,并对PCDD/Fs的污染来源做了初步探讨.结果表明,5个采样点PM_(2.5)的日均质量浓度范围102—146μg·m~(-3),平均日均值119μg·m~(-3),超出国家二级标准(75μg·m~(-3))59%,污染较重.在空间分布上,PM_(2.5)的日均浓度表现为工业区大于背景点大于市区的特征.所有采样点17种PCDD/Fs的总浓度范围∑PCDD/Fs是1.60—4.09 pg·m~(-3),平均值3.23 pg·m~(-3),PCDD/Fs总毒性当量∑TEQ范围是140.54—275.69 fg I-TEQ·m~(-3),平均值233.18 fg I-TEQ·m~(-3).与国内外其他城市相比,北京市大气PM_(2.5)中PCDD/Fs污染处于相当或略高水平.OCDD、OCDF和1,2,3,4,7,8-HpCDF是PCDD/Fs的主要组成成分,分别占总浓度∑PCDD/Fs的10%、19%和24%.对于总毒性当量∑TEQ贡献最大的是2,3,4,7,8-PeCDF,占总毒性当量的48.3%,∑PCDDs/∑PCDFs比值范围为0.19—0.23,平均值0.22,属于典型的"热源"特征.在浓度变化上, PCDDs呈现为随氯取代个数的增加而增加,除OCDF外, PCDFs的各单体浓度也随着取代氯原子个数的增加而增大.在区域分布上,PCDD/Fs浓度表现为工业区高于市区,市区大于背景点,充分体现了局地源的特点.采样期间工业热过程(化石燃料燃烧、电弧炉、烧结和冶炼等)、机动车排放和固体垃圾焚烧是北京冬季大气PM_(2.5)中PCDD/Fs和PM_(2.5)污染水平的主要影响因素.     

乌鲁木齐市主要大气污染物浓度变化特征研究

随着中国西部城市化进程的加快,乌鲁木齐大气污染日趋加重。为了定量评估"煤改气"工程对大气质量的改善作用,利用2013—2016年乌鲁木齐市城市空气质量监测数据,对"煤改气"工程前后主要大气污染物浓度的变化进行对比,分析了主要大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2)浓度的年、季节及月变化特征,采用Daniel趋势检验Spearman秩相关系数法,明确了空气中的主要污染物,探讨了乌鲁木齐市空气质量变化趋势。结果表明,乌鲁木齐市2013—2016年PM_(2.5)、PM_(10)、SO_2及NO_2年平均质量浓度分别为(72.17±10.67)、(136.91±13.08)、(21.79±7.90)、(56.71±7.72)μg·m~(-3),其年变化均呈双峰型,其中PM_(10)变化幅度较平缓。各污染物季节变化特征基本一致,呈冬季春季秋季夏季,供暖期高于非供暖期。其中,PM_(2.5)浓度以12月份最高,为(141.7±2.82)μg·m~(-3),7月份最低,为(29.3±5.04)μg·m~(-3);PM_(10)和SO_2浓度均以1月份最高,分别为(208.1±54.48)、(39.45±10.82)μg·m~(-3),6月份最低,分别为(90.7±21.41)、(9.63±4.12)μg·m~(-3);而NO_2浓度以2月份最高,为(80.6±8.95)μg·m~(-3),6月份最低,为(39.3±3.88)μg·m~(-3),且其浓度在4年内的变化不明显。与2012年前相比,2013—2016年SO_2浓度明显下降,可以推断,"煤改气"能源结构调整对大气中SO_2浓度的下降起到了积极作用。乌鲁木齐市空气污染以可吸入颗粒物为首要污染物,在2013—2016年内PM_(2.5)和PM_(10)呈上升趋势,SO_2和NO_2呈下降趋势,但趋势均不显著。乌鲁木齐市大气污染类型已由煤烟型向复合型污染转化。研究成果可为乌鲁木齐市城市大气环境治理提供理论依据。     

合肥市主城区PM_(2.5)时空分布特征研究

城市PM_(2.5)时空分布特征研究对改善空气质量具有重要意义。利用2016年1月1日—2016年12月31日合肥市主城区10个国控空气质量监测站PM_(2.5)浓度、土地开发强度、道路交通等数据,基于Arcgis空间分析平台,探讨合肥市主城区PM_(2.5)时空分布特征及其与土地开发强度、道路交通的关系,可为地方政府改善空气质量提供科学依据。结果表明:(1)合肥市主城区PM_(2.5)浓度季节差异显著,由高到低依次为冬季、春季、秋季和夏季,秋、冬季PM_(2.5)浓度波动较大,而春、夏季PM_(2.5)浓度比较稳定;(2)污染天数呈现春冬多、夏秋少的规律,1月、2月、3月、11月和12月的污染天数比例均超过50%,重度以上污染天气主要出现在春冬季节,严重污染天气暂未出现;(3)1月PM_(2.5)浓度空间分布呈现"双峰多谷"的规律,庐阳区和滨湖新区是PM_(2.5)浓度高峰区,属于轻度污染;7月PM_(2.5)浓度空间分布呈现"双峰双谷"的规律,庐阳区和包河区是PM_(2.5)浓度高峰区,属于良好;(4)合肥市主城区PM_(2.5)浓度与绿地率、主干路长度和容积率有较强关联性;绿地率与PM_(2.5)浓度呈显著负相关,容积率与PM_(2.5)浓度有一定正相关关系,土地利用性质和其他因素综合影响PM_(2.5)浓度;交通流量大的主干路与PM_(2.5)浓度存在正向关系。中心城区通过增加公共绿地空间、合理控制容积率,加强公共交通和电动汽车的使用,可达到改善空气质量的目的。