2009年8~9月成都市颗粒物污染及其与气象条件的关系

对成都市3个不同点位PM2.5和PM10进行了为期30d的连续观测,研究了大气颗粒物浓度的时空分布特征,及其与气象条件的关系.研究表明,观测期间成都市大气颗粒物PM2.5和PM10质量浓度日均值分别为66,94μg/m3,两者浓度变化范围较大,但变化趋势相同.从空间分布来看,大气颗粒物浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;从时间分布来看,大气颗粒物污染最严重出现在9月17~19日,9月5~9日2个时间段,不利的气象因素和污染物的累积是造成该时间段大气颗粒物污染加重的主要原因.PM2.5与PM10质量浓度的相关性为0.93,PM2.5对PM10的贡献较大,两者质量浓度的比值达0.69.气温对大气颗粒物浓度变化没有显著影响;降水以及风速对颗粒物浓度影响较大,主要是对颗粒物的湿清除和促进扩散作用;在一定相对湿度范围内,高湿度条件容易造成大气颗粒物的较重污染.能见度与大气颗粒物浓度呈明显负相关性,且与PM2.5的相关系数大于与PM10的相关系数.     

银川市气溶胶变化特征及其与气象条件的关系分析

利用银川市2013年的气溶胶和气象要素观测资料,分析银川市不同粒径颗粒物浓度变化特征及其与气象条件的关系,结果表明:PM10、PM2.5、PM1的季节变化规律基本一致,夏季浓度低变幅小、其他季节浓度高变幅大;PM1、PM2.5存在明显的7 d周期,PM10存在10~12 d的周期。PM1、PM2.5、PM103种粒径的气溶胶浓度具有高度相关性,PM1与PM2.5相关性最好,PM10浓度高、变率大,与细粒子相关性有所降低。PM1和PM2.5的时变化均呈双峰双谷型,PM10的时变化在非采暖期近似于双峰双谷型,采暖期呈单峰型。银川市气溶胶浓度与能见度相关性最好,细颗粒物对能见度影响比粗粒子更为严重。气温与气溶胶浓度呈一致的负相关。风速与细颗粒物PM1、PM2.5浓度呈负相关,与粗颗粒物PM10的相关性较差。银川市相对湿度与粗颗粒物浓度PM10呈较好的负相关,与PM1正相关,与PM2.5相关不显著。     

济南市春季大气颗粒物污染研究

对济南市2005年春季大气颗粒物中PM10、PM2.5和细颗粒物中的黑碳气溶胶的浓度水平、时间分布和日变化进行了观测,并结合气象资料对变化特征进行综合分析,探讨了PM10,PM2.5和黑碳的相对含量以及对能见度的影响等.研究结果表明,PM10和PM2.5平均浓度分别为242.5μg·m-3和109.4μg·m-3.与我国空气质量二级标准PM10日均值150μg·m-3和美国国家空气质量PM2.5日均标准65μg·m-3相比,超标率分别达到80.77%和84.61%,污染较严重;监测期间PM2.5/PM10的平均值为0.456.在PM2.5中,黑碳气溶胶平均质量浓度为5.39μg·m-3,占PM2.5的5.06%,日浓度变化呈双峰型.在监测时间内,污染物浓度与温度无明显的相关性;与相对湿度呈弱正相关;与风速呈明显的负相关关系.降水对PM10、PM2.5和黑碳的清除作用较为显著.PM10、PM2.5和黑碳浓度与能见度均呈负相关,相关系数(r)分别为-0.633、-0.695和-0.704,细颗粒物是影响能见度的主要因素.     

毕节市区大气污染特征及影响因素分析

根据毕节市2015年大气污染物浓度和气象因子的监测数据,分析了毕节市区大气污染物SO_2、NO_2、PM10、PM2.5、CO及O_3浓度的月、季和年平均变化特征及其影响因素,并对大气污染物浓度之间以及大气污染物浓度与气象因子之间的相关性进行了分析。结果表明:(1)毕节市区2015年空气质量总体良好,空气质量优良天数占95.1%,主要大气污染物为PM10和PM2.5;(2)大气污染物SO_2、PM10、NO_2、PM2.5、CO的月浓度都呈"V"型单谷变化趋势,而O_3的月浓度则为单峰变化趋势;大气污染物SO_2、PM10、NO_2、PM2.5、CO浓度的季节变化为冬季最高、夏季最低,O_3浓度的季节变化则为春季最高、冬季最低,且季节之间的差异性显著(p0.05);大气污染物PM10和PM2.5的年平均浓度分别超过我国《环境空气质量标准》(GB 3095—2012)中一级标准年平均浓度限值的18.2%和112.4%,SO_2和NO_2的年平均浓度均未超过国家一级标准的年平均浓度限值;(3)大气污染物SO_2、NO_2、CO浓度与颗粒物PM10、PM2.5浓度之间两两呈极显著正相关性(p0.01),其与O_3浓度之间呈极显著负相关性(p0.01);PM2.5浓度与PM10浓度之间呈极显著正相关性,而PM2.5浓度与O_3浓度之间呈显著负相关性,多元线性回归分析得出PM2.5浓度与其他大气污染物浓度之间的拟合方程为:PM2.5=2.718+0.130SO_2+0.747PM10+0.255NO_2-0.077O_3+0.678CO;(4)气压与大气污染物SO_2、NO_2、CO、PM10浓度之间呈显著正相关性,其与O_3浓度之间呈极显著负相关性;温度除与O_3浓度之间呈极显著正相关性外,与其他大气污染物浓度之间呈显著负相关性,且其与O_3浓度的相关性系数最大(r=0.501),说明温度对O_3浓度的影响较大;相对湿度除与CO浓度之间无显著相关性外,与其他大气污染物浓度之间均呈显著性负相关性;风速与O_3浓度之间呈极显著正相关性,其与其他大气污染物浓度之间均呈极显著负相关性。     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.     

贵阳市大气颗粒物(PM2.5)污染特征及气象参数的影响

运用连续颗粒物采样仪(URG Model 2000-01J)对贵阳市城区大气颗粒物PM2.5进行了连续3个月(9~11月)的采集与分析,探讨了PM2.5的浓度分布特征、气象条件的影响。结果显示,贵阳市大气颗粒物PM2.5的平均质量浓度为53±27μg/m3,变化范围为3.7~186μg/m3;初步推断大气颗粒物PM2.5的污染来源主要是燃料燃烧、生物质燃烧、汽车尾气等人为源;相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

遵义市PM10和PM2.5污染水平时间分布及其与气象条件的关系研究

对遵义市2014年1月1日-12月31日大气颗粒物在线监测数据分析结果表明,全年PM10和PM2.5质量浓度的变化幅度较大,但变化趋势相似,且具有较好的相关性,其中冬季>春季>秋季>夏季;日变化呈双峰特征分布,夜间峰值比中午峰值大,且夜间PM2.5浓度呈区域性变化特征.选取日平均气温、相对湿度及风速等气象因子,利用Spearman秩相关分析表明遵义市全年PM10和PM2.5质量浓度与气温、相对湿度及风速等气象条件均呈负相关.     

北京PM2.5浓度的变化特征及其与PM10、TSP的关系

 在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m³,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

基于GAM模型分析影响因素交互作用对PM2.5浓度变化的影响

对南京市2013~2015年PM2.5及影响因素的时间变化序列,运用广义可加模型(GAM)分析影响因素交互作用对PM2.5浓度变化的影响.结果表明,PM2.5及影响因素都基本服从正态分布类型,影响因素间具较强相关性,其中气温、气压和水汽压间具有显著相关性.PM2.5浓度变化的单因素GAM模型中,所有影响因素均通过显著性检验,其中SO_2、CO、NO_2等影响因素的模型拟合度较优,方程解释度较高;PM2.5浓度变化的多因素GAM模型中SO_2、CO、NO_2、O_3、平均降雨量(PRE)、平均风速(WIND)和相对湿度(RHU)等影响因素对PM2.5浓度变化解释率为73.9%,对其变化具有显著性影响;通过多因素对PM2.5浓度变化影响效应的诊断分析,得到SO_2、NO_2和WIND与PM2.5浓度变化呈线性关系,CO、O_3、PRE和RHU与PM2.5浓度变化呈非线性关系;在影响因素交互作用对PM2.5浓度变化影响的GAM模型中,SO_2与CO、PRE、RHU间交互作用,CO与NO_2、O_3、PRE、WIND、RHU间交互作用,以及NO_2与WIND、PRE、RHU间交互作用,都在P0.01(或P0.05)水平下显著影响PM2.5浓度变化;大气污染物SO_2、CO及NO_2分别与气象等其它因素的交互作用对PM2.5浓度变化产生最主要影响作用;通过对影响因素交互作用GAM模型可视化三维图分析,定量研究了影响因素交互作用对PM2.5浓度变化的影响特征.结论表明,运用GAM模型,能够定量化分析影响因素交互作用对PM2.5浓度变化的影响,研究方法具有一定创新性,对PM2.5浓度污染与控制研究具有重要意义.     

北京PM2.5浓度的变化特征及其与PM10、TSP的关系

在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m3,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

连云港市PM_(2.5)污染特征及影响因素分析研究

主要利用连云港市环境监测中心站的大气环境自动监测平台的监测数据,对PM2.5质量浓度的变化特征以及与气象要素的关系分析。结果表明,连云港市的PM2.5质量浓度的变化特征基本上有明显的夏季与非夏季两种季节性特征。在夏季,PM2.5污染程度较轻,而在非夏季,PM2.5污染程度较重;风速与PM2.5质量浓度变化曲线几乎是负相关的。当风速大的时候,利于污染物的扩散;而风速小的时候,容易使得污染物浓度变大;PM2.5质量浓度变化曲线与温度的关系几乎呈现的是正相关性。气温的变化不总是反映空气质量的好坏情况,而逆温却易使污染物浓度升高;PM2.5质量浓度变化曲线与相对湿度的关系呈现的是正相关性;PM2.5质量浓度变化曲线与气压的关系在总体是呈负相关的。     

苏鲁边界区域水资源保护与利用的协同机制探讨——以南四湖为例

通过对苏鲁界湖南四湖水源保护与利用状况的详细考察,全面系统分析了湖域水资源现状、存在的关键问题、影响因素等。针对湖域水资源现状,探讨了南四湖流域水资源保护与利用的协同机制,即建立湖域水资源协同规划与管理机制、湖区经济协同发展机制、生态修复与补偿协同机制、群众协同参与与监督机制、水危机协同处置机制和湖域界面冲突协同控制机制等,以促进跨界区域水资源的保护与利用,统筹区域协同发展,增强南四湖湖域的可持续发展能力。     

天津市大气能见度与颗粒物污染的关系

利用天津市大气边界层观测站2009年能见度、相对湿度、风速逐时观测资料和2009年3月9~21日期间颗粒物的膜采样数据,分析天津市大气能见度与颗粒物污染的关系.结果表明,颗粒物质量浓度与能见度变化总体呈负相关,小粒径颗粒对能见度的影响作用明显,随着能见度的降低,小粒径颗粒与大粒径颗粒浓度的比值明显增加.能见度与颗粒物中总碳质量浓度变化呈负相关. SO42-,NO3-,OC和EC对大气消光贡献平均值分别为28.7%,6.1%,27.6%和19.2%.表明观测期间颗粒物中SO42-,OC对能见度的影响明显.     

南京市生活区夏秋季节大气颗粒物垂直分布特征

文章实验研究了2008年7月24日-28日（夏季）和2008年10月13日-17日（秋季）南京市河西生活区距地面1.5 m、54 m和80 m高度处大气颗粒物质量浓度垂直分布特征。夏季和秋季监测结果的对比分析表明：随着高度的增加,采样期间夏季和秋季的PM10和PM2.5平均质量浓度均呈现逐渐减小的趋势,其中秋季衰减幅度明显比夏季小,而且秋季采样期间PM10和PM2.5平均质量浓度远远高于夏季;另一方面,夏秋两季不同尺度颗粒物浓度的相对含量也发生了明显变化,相比于夏季1.5 m高度处秋季细颗粒物的所占比例明显增加,而80 m处却明显降低。     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

上海宝山区PM_(2.5)特征研究与源解析研究

利用2011年8月-2012年7月环保局(对照点)和钢研所(工业区)两个监测点的PM2.5的24小时连续监测数据,分析了上海市宝山区大气中PM2.5的浓度时空变化特征。并以四次灰霾事件为例解析了灰霾期间大气颗粒水溶性离子特征,以及灰霾期间PM2.5源特征。PM2.5中水溶性无机离子是以二次离子为主,因此,二次离子的污染水平可反映PM2.5的污染程度,是主要影响灰霾天气产生的物质。灰霾期间大气条件有利于二次离子的大量形成,更进一步加重大气细粒子的污染。而且,宝山地区大气细粒子污染具有受本地流动源和固定源双重排放控制的特征。     

Chemical composition and quantitative relationship between meteorological condition and fine particles in Beijing

The recent year‘s monitor results of Beijing indicated that the pollution level of fine particles PM2.5 showed an increasing trend. To understand pollution characteristics of PM2.5 and its relationship with the meteorological conditions in Beijing, a one-year monitoring of PM2.5 mass concentration and correspondent meteorological parameters was performed in Beijing in 2001. The PM2.5 levels in Beijing were very high, the annual average PM2.5 concentration in 2001 was 7 times of the National Ambient Air Quality Standards proposed by US EPA. The major chemical compositions were organics, sulfate, crustals and nitrate. It was found that the mass concentrations of PM2.5 were influenced by meteorological conditions. The correlation between the mass concentrations of PM2.5 and the relative humidity was found. And the correlation became closer at higher relative humidity. And the mass concentrations of PM2.5 were negtive-correlated to wind speeds, but the correlation between the mass concentration of PM2.5 and wind speed was not good at stronger wind.     

天津市PM10, PM2.5和PM1连续在线观测分析

利用2010年9月1日─11月30日在中国气象局天津大气边界层观测站采集的ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)数据,分析了观测期间可吸入颗粒物的统计特征,结合同期气象观测资料,分析了典型天气条件下ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)的日变化特征及与风速、风向的关系. 结果表明:观测期间,ρ(PM₁₀₎日均值有超过1/2的天数超过《国家环境空气质量标准》(GB 3095─1996)二级标准限值;ρ(PM_2.5)有63 d超过美国国家环境保护局(US EPA)1997标准限值,超标率高达76.8%;不同天气条件下,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)日变化特征明显,三者一般在大雾或扬沙/浮尘天气条件下出现高值,有降水过程时出现低值;可吸入颗粒物以粗粒子(PM_2.5～10)和PM₁为主,PM_2.5～10,PM_1～2.5和PM₁主要分布在风速小于3 m/s,风向为225°～280°和70°～110°范围内;风速大于3 m/s时,ρ(PM_2.5～10)和ρ(PM_1～2.5)有所增加. ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)未出现周末效应,但存在明显的周内变化.      

PM_(2.5)对环境空气质量评价结果的影响分析

从2011年12月1日开始在常规空气监测点对影响吉林市空气质量的两个颗粒物指标PM2.5和PM10进行了同步比对监测。结果表明:PM2.5和PM10有显著的相关性,相关系数为0.982;采暖期PM2.5和PM10的比值平均为0.57。分别采用现行和新标准对监测结果进行了评价,其结果好于二级天数将比现行标准评价结果减少12.4%。