郑州城区PM_(10)、PM_(2.5)质量浓度变化特征及其对气象因子的响应

利用郑州城区9个国控监测点位PM_(10)、PM_(2.5)的日监测数据,研究2013～2016年间郑州城区大气颗粒物质量浓度变化特征及其对气象因素的响应。结果表明,2013～2016年间郑州城区环境空气污染总体状况改善趋势较为显著,重度及以上的污染天数占全年有效天数的比例逐年降低,PM_(10)、PM_(2.5)浓度逐年下降;PM_(10)和PM_(2.5)浓度月均值变化基本一致,浓度变化均呈"U"型分布。PM_(10)和PM_(2.5)质量浓度变化具有明显的季节性特征,冬季其质量浓度最高,春季和秋季次之,夏季最低。选取气温、气压、风速、相对湿度和降水量等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM_(10)、PM_(2.5)浓度的影响。相关性分析结果表明,与PM_(10)、PM_(2.5)浓度显著相关的气象因素存在季节性差异,风速、相对湿度和降雨量是影响郑州城区大气颗粒物质量浓度的主要气象因子。     

某钢厂大气PM_(2.5)污染特征与潜在源区贡献分析

基于2017年全年在某钢厂厂区4个特征点位进行的环境大气PM_(2.5)、PM_(10)和气象参数的在线监测数据,对一年中污染高发/非高发时段钢铁厂厂区内大气颗粒物的浓度水平、粒径分布、日均值变化趋势以及气象因素对浓度的影响进行了分析,并利用大气气团输送模拟及潜在污染源贡献(PSCF)分析探讨了厂区大气PM_(2.5)的外来输送和本地贡献情况。结果表明:2017年全年某钢厂厂区大气颗粒物以细颗粒物为主;4个站点大气PM_(2.5)日均值全年变化趋势一致,污染高发月份质量浓度均值高于非污染高发月份相应值;除2号站可能受到厂区生产活动排放的影响,PM_(2.5)浓度水平略高外,各站点相互间及与周边环境对照点的浓度保持在一致水平,亦未发现明显的污染物输出现象;冬季外来污染源输入对厂区大气PM_(2.5)浓度贡献较显著,其他季节应主要考虑本地排放影响。     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

餐厨垃圾与污泥厌氧发酵动力学特性分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。     

大连市大气污染特征、影响因素及来源分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。     

2013-2017年成都冬季空气质量状况改善评估

利用2013—2017年冬季成都市国家环境监测子站PM_(2.5)小时数据,结合MICAPS常规气象观测数据及ERA-interim再分析资料,对成都市2013—2017年冬季空气质量状况、气象条件及近10年大气扩散能力进行综合评估.结果发现,2013—2017年成都冬季12月末—1月初易发生持续性重污染事件,2015—2017年冬季持续性重污染事件总天数较2013—2014年有所减少,2013年冬季PM_(2.5)浓度值最高,达到(149.3±72.2)μg·m~(-3),2015年最低((80.7±44.1)μg·m~(-3)),5年内冬季PM_(2.5)浓度值呈波动下降趋势,下降率为9.65%,成都市冬季空气质量状况总体有所改善.2013—2017年成都冬季日降水量清除率表明,大于1 mm的降水对PM_(2.5)有明显清除作用,而弱风和低边界层(加权平均)对PM_(2.5)的累积效应显著,2013和2016年空气质量较差由于累积气象主控导致,2015年空气质量较优是由于清除气象主控.综合PM_(2.5)浓度、边界层高度、地面风速和降水等因子,使用2498个有效样本构建成都地区冬季空气停滞气象条件阈值经验公式,为地面风速小于2.2 m·s~(-1)、边界层高度小于520 m且无有效降水(日降水量1 mm).以2015年冬季大气扩散条件为基准,量化同等扩散条件下减排对PM_(2.5)的影响,结果显示减排有效,但近10年成都地区大气扩散能力有所下降,说明今后大气污染防控将面临更大的挑战.     

泰山区大气中PM_(10)和PM_(2.5)的污染特征分析

根据2014-2016年泰山区大气污染物PM_(10)和PM_(2.5)的监测数据,对PM_(10)和PM_(2.5)浓度的变化特征和二者的相关性以及PM_(2.5)占PM_(10)的比重进行分析。结果表明:受地形、气象和冬季燃煤取暖的共同影响,近三年的PM_(10)、PM_(2.5)月均浓度都具有明显的季节变化规律,冬季最高,夏季最低,春季、秋季居中。环保部门等采取了一系列措施,三年来空气中PM_(10)和PM_(2.5)的浓度逐年下降。PM_(10)和PM_(2.5)的浓度具备一定的相关性,且PM_(2.5)在PM_(10)中比重很大,可认为两者的变化趋势一致。秋冬季节是泰山区细颗粒物污染较重的季节,环境危害较大。在雾霾天气频发的阶段,PM_(10)和PM_(2.5)的防治更应成为大气污染防治工作的重中之重。     

北京野鸭湖湿地观测站大气颗粒物变化特征

利用北京延庆野鸭湖湿地生态气象观测站2013年PM_(2.5)和PM_(10)连续观测资料,统计分析野鸭湖地区大气颗粒物的变化特征及气象影响因素。研究结果表明:野鸭湖观测站PM_(2.5)和PM_(10)年平均浓度分别为45.7μg/m3和80.2μg/m~3,超标率分别为17.8%和11.4%,以《环境空气质量标准》二级标准统计。PM_(2.5)和PM_(10)均在1月达到峰值,7月出现最低值。各季PM_(2.5)/PM_(10)值在37.8%～69.9%之间,春季以PM_(10)污染为主,冬季以PM_(2.5)为主。各季节PM_(2.5)和PM_(10)日变化中夏季出峰最早,冬季最晚,冬春季PM_(2.5)浓度为双峰型,夏秋季为单峰型;PM_(10)的日变化仅春季与PM_(2.5)略有不同,晚上峰值强度远大于早上。野鸭湖地区颗粒物污染受本地源和外来源的共同影响,东北气流易造成颗粒物积累,而西南气流有利于颗粒物稀释扩散。典型污染过程显示,持续的东北风控制、风速2.0 m/s左右、平均相对湿度在80.0%左右利于颗粒物浓度的增加;而偏西气流和较高温度、较低湿度能共同起到缓解污染的作用。     

重庆城区夏季降水对大气污染物的清除效果分析

利用2015年6—8月重庆市沙坪坝区大气污染物连续监测数据和LVCJY-02气象数据采集仪获得的同期降水数据,分析夏季降水对大气污染物的清除效果。结果表明:1)日降水强度对大气污染物的清除效果有影响。当日降水量小于5 mm时,降水对大气污染物清除能力较小;当日降水量大于5mm时,污染物清除效果随降水量增大而增大,日降水量越大,清除率越大,空气质量越好,最大清除率可达48.55%。夏季降水强度对各大气污染物平均清除率从大到小依次为PM_(10)、SO_2、 PM_(2.5)、NO_2和O_3。2)日降水时长对大气污染物的影响也存在差异。其中0~5 h时长降水对大气污染物平均清除率为负值;5~10 h时长降水对PM_(10)平均清除效果最好,为6.17%;10~15 h时长降水对NO_2平均清除率最大,为50.67%;15~20 h时长降水对SO_2平均清除率最大,为59.76%;夏季降水时长对SO_2平均清除率最高,随后依次为PM_(10)、NO_2、 PM_(2.5)和O_3。3)累积降水量与PM_(10)和 PM_(2.5)浓度多呈负相关,随着累积降水量的增加,大气颗粒物浓度会有降低,但累积降水量与气态污染物的相关性不如大气颗粒物。     

基于异常天气分析法探究四川盆地冬季大气污染的气象成因

以四川盆地冬季大气污染的气象成因为主要研究对象,采用异常天气分析方法,利用2014年3月—2019年2月四川盆地环境与气象观测站点的监测资料,探究2014—2018年冬季四川盆地细颗粒物(PM_(2.5))浓度的时空分布特征,并结合对气候平均状态下大气环境形势的分析,研究大尺度大气环流异常与四川盆地冬季PM_(2.5)污染之间的响应关系。结果表明:2014—2018年冬季四川盆地PM_(2.5)中度以上污染的天数呈波动式下降特征,高浓度的PM_(2.5)污染主要集中在盆地西南部及东北部城市群;2014年和2016年冬季四川盆地上空500 hPa暖高压偏暖偏强,近地面附近存在"距平逆温",低空盛行偏南风,天气形势静稳,大气污染物不易扩散,促发PM_(2.5)重污染的形成;近五年四川盆地冬季大气空气质量较好时主要对应两种大气环流形势,一种为500 hPa高空受冷低压的影响,盆地上空冷空气活跃,对流增强易产生降水,另一种为受500 hPa冷高压的控制,700 hPa高空盛行北风带来干冷空气南下,这两种环流形势均有利于大气污染物的扩散和清除。     

金沙秋季PM2.5污染特征及影响因素分析

文章对2013年9～11月金沙区域大气本底站的PM_(2.5)连续在线数据日变化和同期的气象资料的平均日变化进行了分析,并与过去的5年同期数据进行对比分析。结果表明:金沙区域秋季PM_(2.5)质量浓度有明显的日变化规律,受局地排放和气象条件的共同影响,颗粒物质量浓度在凌晨、夜间显著上升。降水对PM_(2.5)的清除量与初始质量浓度、降水量均呈正相关关系,金沙站的云下清除更多取决于PM_(2.5)的初始质量浓度;风向风速对细颗粒物影响明显,来自金沙站北部和东部的气流使大气颗粒物质量浓度升高,而来自西部和南部的风使大气颗粒物浓度降低,大于7 m/s的东风对PM_(2.5)有稀释作用,而北风对细颗粒物几乎无稀释作用。     

郑州市冬季大气PM2.5传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.     

南京市冬春PM_(2.5)和PM_(10)污染特征及影响因素分析

南京2013年冬季至2014年春季多次出现灰霾污染天气过程,防治颗粒物污染刻不容缓,其中细颗粒物(PM_(10))和超细颗粒物(PM_(2.5))所占比例较大。利用南京市环保局空气质量发布平台污染物监测数据和中国天气网站气象要素数据,对冬春季PM_(2.5)和PM_(10)质量浓度的变化特征以及它们与气象条件的关系进行分析。结果表明:南京冬季PM_(2.5)、PM10平均浓度分别为0.0982,0.1536 mg/m3,春季平均浓度分别为0.0673,0.1207 mg/m3。市区和郊区污染程度由高到低依次为:市区>江宁>六合>溧水。南京空气中颗粒物小时平均浓度日变化呈"双峰双谷型"特征。颗粒物与相对湿度、降雨量和风力呈一定的负相关性,与温度呈一定的正相关性,它们共同影响颗粒物质量浓度水平和大气污染状况。     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

大气污染联合治理分区视角下的中国PM2.5关联关系时空变异特征分析

联合治理分区下PM_(2.5)关联关系时空变异特征识别对中国大气污染防治意义重大.本文主要基于2000～2016年遥感反演的中国大陆334个地级市PM_(2.5)浓度数据,利用空间单元聚合策略与地理时空加权回归技术,系统分析了大气污染联合治理分区视角下的中国PM_(2.5)关联关系时空变异特征.结果表明:①以PM_(2.5)为首要污染物,综合考虑污染程度、地理位置、气象、地形和经济等因素可将中国大陆地区划分为10个大气污染联合治理区.②地理时空加权回归能够有效刻画PM_(2.5)与关联因素间的时空非平稳关系.同时,人口规模、第二产业生产总值、SO_2排放量、年平均气温、年降水量以及年平均相对湿度被识别出对PM_(2.5)浓度的变化影响存在显著时空差异.③人口规模对PM_(2.5)浓度的影响程度各年最大的地区均为京津冀蒙区域;川渝滇黔区域中第二产业生产总值对PM_(2.5)浓度影响程度变异度最大,在黑吉辽区域之外,SO_2排放量回归系数值均先随时间逐渐减小再增大最后又减小;各治理区中年平均温度对PM_(2.5)影响程度的时间变异程度较小;而年降水量与年平均相对湿度对PM_(2.5)影响程度在各区域中呈现不同的变异特征.     

太原市城区重污染天特征及大气污染防治建议

对太原市2014年重污染天大气污染物浓度变化和时间、空间分布特征进行了分析,全年太原市城区有28个重度以上污染天,首要污染物为细颗粒物,集中出现于采暖期和10月。重污染期间,冬季PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度之间显著正相关,但均与O3显著负相关;主要超标因子PM_(2.5)、PM_(10)、SO_2浓度与风速(2.0 m/s以上时)显著负相关,与气压(P)总体负相关,与相对湿度(RH)总体正相关。重污染天城区大气污染物浓度空间分布南北差异明显、南部高于北部,聚类分析结果显示,城区北部远郊的南寨和上兰有类似污染特征,城区中部尖草坪、桃园、小店、金胜等点具有类似颗粒物污染特征,污染物分布主要与区域地形、风向、污染源分布特征有关。基于重污染天特征,该项研究提出了减缓太原市大气污染的建议。     

保定市PM_(10)和PM_(2.5)时间分布特征研究

运用高精度手持式PM_(2.5)速测仪(CW-HAT200)对保定市城区大气颗粒物PM_(10)和PM_(2.5)浓度的日变化、月变化、季变化规律进行了连续1年的测定,结果表明:保定市PM_(10)和PM_(2.5)年平均浓度为213μg/m~3、134μg/m~3,是国家空气质量二级标准的1.4倍和1.8倍;PM_(10)和PM_(2.5)四季变化均表现为冬季最高,春、秋季次之,夏季最低,且变幅较大;PM_(2.5)、PM_(10)各月变化趋势基本相同,1月份浓度最大,污染严重,7月份浓度最小,污染较轻;日变化曲线呈双峰形,早晚高、白天低,低值出现在12:00-16:00;PM_(2.5)/PM_(10)全年平均比值为62.80%,除5、8月外,其余各月均50%,属于严重污染;PM_(10)和PM_(2.5)的确定系数为0.9704,由此可见两者的相关性较高。综上分析可知,人类活动主要影响了PM_(10)、PM_(2.5)的产生,而气象条件是影响大气颗粒物扩散的最主要原因,要想从根本上抑制大气污染的产生,必须采用先进的生产工艺、减少污染物的排放,尤其是在气流稳定的季节应加以严格控制。     

济南市冬季大气颗粒物粒径谱分布特征

2015年2月,采用扫描电迁移率粒径谱仪(SMPS)和空气动力学粒径谱仪(APS)对济南市冬季大气中粒径为14. 6 nm～10μm的颗粒物粒径谱的分布进行连续监测和分析研究。结果表明:济南市冬季大气颗粒物数浓度较高,平均为47472个/cm~3。各模态对颗粒物数浓度、表面积浓度和体积浓度的贡献表明,济南市冬季大气颗粒物偏细,积聚模态粒子是可吸入颗粒物(PM_(10))的主要组成部分。数浓度谱日变化特征表明,济南市冬季大气颗粒物污染主要受道路交通源排放和新粒子生成转化的影响。春节期间,烟花爆竹的燃放会导致大气颗粒物数浓度和质量浓度明显升高,烟花爆竹燃放对颗粒物数浓度的影响主要由爱根核模态和积聚模态共同作用形成。     

沿海典型城市大气污染物分布特征和影响因素分析

基于2016～2020年来中国环境监测总站发布的PM_(2.5)、PM_(10)、SO_2、NO_2浓度监测数据,选取了4个经济较为活跃的典型沿海城市(天津、青岛、上海、宁波),从地理位置、气候、产业结构、交通运输、GDP等方面进行了分析。结果表明,区域地理位置和气候对大气污染物的浓度分布存在影响。北方两城冬季PM_(2.5)、PM_(10)和SO_2浓度均高于南方两城,其中2020最高均值分别为南方的2倍、1.8倍和1.4倍。青岛冬季的PM_(10)浓度均值最高,但在夏季远低于天津,与浓度最低的宁波相近。交通运输、温度、降水量均对大气污染物浓度分布存在不同程度的影响。受疫情影响,上海2020年运力与2019年运力差异显著,由此导致上海2020年冬季NO_2浓度波幅为2019年冬季的1.5倍。降水量对季节性干旱城市的影响大于常年湿润的城市,降水量对北方两市影响呈负相关,对南方两市呈弱相关。以单位GDP为比对基准值,各污染物浓度比对值最小的城市为上海。以上海为基准,北方城市的PM_(2.5)、PM_(10)、SO_2、NO_2浓度比对值的最大值分别为上海的4.16、4.61、3.82、2.91倍。     

西安市冬季大气颗粒物中重金属污染特征及健康风险评价

选择西安市城区5处典型地段为采样点,检测了冬季大气颗粒物PM_(2.5)和PM_(10)的质量浓度,分析了PM_(2.5)和PM_(10)中所含Fe、Mn、Cu、Zn、Cd、Pb元素含量。结果显示:西安市冬季大气PM_(2.5)和PM_(10)的平均质量浓度分别为193.4,315.2μg/m~3,是GB 3095—2012《环境空气质量标准》中的二级标准限值的2.6,2.1倍;PM_(2.5)/PM_(10)为0.51～0.78,说明大气颗粒物以PM_(2.5)为主;6种重金属在大气颗粒物中含量水平存在差异,含量高低依次为Zn≈Fe>Pb>Mn>Cu>Cd,其中Fe、Cu、Zn、Cd、Pb更容易聚集在PM_(2.5)中;PM_(10)中Fe(2 856μg/m~3)的浓度最高,商业集密区、交通繁忙区和居民集中区的多数重金属元素高于文教区和公园。采用改进后的估算模型进行人体暴露量的估算和风险评估,结果表明:重金属元素的暴露途径强弱顺序为手口摄入>皮肤接触>呼吸摄入;PM_(2.5)和PM_(10)中所含Pb、Cd、Mn的非致癌健康风险(HI介于1.99～6.16,超过1)处于较高水平,对人体健康存在威胁;Cd在PM_(2.5)和PM_(10)中的致癌健康风险(R为2.54×10~(-6)和3.70×10~(-6),低于10~(-4))处于较低水平,但不能忽视其综合作用及长期累积危害。