2018—2021年安徽省PM2.5和O3时空分布特征及其健康风险分析

利用2018—2021年安徽省空气质量监测数据分析了PM_2.5和O₃时空分布特征及其引发的健康风险。结果表明:从时间分布来看,2018—2021年安徽省PM_2.5年均值下降25.5%,而O₃-8 h年均值则保持持平;PM_2.5和O₃-8 h月均值具有明显的季节变化特征,PM_2.5月均质量浓度和超标天数均在冬季达到最大值,O₃-8 h月均值和超标天数则在夏季达到最大值。从空间分布来看,PM_2.5、O₃-8 h年均值和超标天数均为皖北最高,其次为皖中,最后为皖南。夏季O₃是主要的健康风险因子,冬季PM_2.5是主要的健康风险因子。当PM_2.5超标时,除2021年皖北地区外(PM₁₀是主要的健康风险因子),PM_2.5均是主要的健康风险因子;当O₃-8 h超标时,O₃是主要的健康风险因子。     

邯郸地区2017—2021年PM2.5和O3污染特征

利用实时监测数据分析2017—2021年邯郸市及周边区县PM_2.5和O₃污染特征。研究发现:2017—2021年各地区PM_2.5年均质量浓度持续降低,轻度及轻度以上污染逐渐减少;2017—2019年O₃污染加剧,2020年起O₃年均质量浓度逐年下降,污染天不断减少。PM_2.5和O₃-8 h分别在1月(平均浓度为127.3 μg/m³,平均超标22d)和6月(平均浓度为233.4 μg/m³,平均超标22 d)污染最严重。结合气象参数分析来看,PM_2.5与温度、风速和降水量呈显著负相关,与相对湿度呈显著正相关;O₃-8h与温度呈显著正相关,而与风速、湿度和降水量的相关性较弱。后向轨迹和潜在源分析表明:邯郸地区PM_2.5典型污染月受山西省中部地区污染传输影响最大,O₃典型污染月受河南省东部污染传输影响最大。     

不同区域城市空气O3和PM2.5累积速率时序模型

利用2017—2018年全国7个区域10个典型城市环境空气O₃和PM_2.5浓度数据,统计污染物累积速率,进而采用回归方法拟合污染物浓度及其累积速率的时间序列模型,分析不同区域污染物时序变化特征差异。结果表明：不同区域O₃浓度时序曲线拟合程度总体高于PM_2.5,石家庄O₃拟合程度最高,西安PM_2.5拟合程度最高。以07：00、14：00分别作为O₃、PM_2.5模拟起点是24 h中的最优模型。不同城市夏季O₃小时浓度时序变化曲线均为单峰形态,O₃浓度及累积速率峰值出现时间可能由城市所处经度决定,太原O₃累积最快,西安O₃消解最快。各城市间冬季PM_2.5小时浓度及其累积速率时序变化曲线形态差异较大,沈阳PM_2.5累积和消解均最快。与浓度相比,城市环境空气O₃和PM_2.5累积速率与光照、扩散条件等有更好的时间相关性。     

宜都市PM2.5与O3季节性分布特征及潜在源区分析

为了解宜都市PM_2.5与O₃的污染特征及潜在来源,利用宜都市2020年3月至2022年2月在线监测数据及气象数据,对宜都市PM_2.5与O₃质量浓度变化特征、气象影响因素及潜在源区进行了分析,结果表明:宜都市PM_2.5质量浓度冬高夏低,日变化呈双峰特征,O₃质量浓度夏高冬低,日变化呈单峰特征。高湿、静稳的气象条件以及较强偏北风作用下的区域污染传输对PM_2.5污染有重要影响,高温以及中湿度对O₃污染过程有重要作用。春、夏、秋季偏南方向气流轨迹占主导,且携带较高的污染物浓度,冬季来自湖北东北及西南方向的气流占比较高且携带的PM_2.5浓度较高;宜都市PM_2.5、O₃的潜在源区具有季节性差异,总体来看,主要分布在河南南部、湖北东部及湖南的北部区域。     

冬季大气中PM10和PM2.5污染特征及形貌分析

2008年冬季采集大气中PM10和PM2.5样品,利用SPSS软件进行分析。结果表明,PM10质量浓度在92.87～384.7μg/m3之间,平均值为201.09μg/m3,超标率71.43%。PM2.5浓度跨度为57.27～230.21μg/m3,平均值为133.82μg/m3,超标率89.47%。PM10和PM2.5空间分布略有差异。PM2.5/PM10在29.10%～94.76%之间,均值为66.55%。PM2.5与PM10质量浓度之间有显著相关性,相关方程:PM2.5=0.7993×PM10-55.984(R2=0.9524,置信度为95%)。通过颗粒物形貌分析,初步判定冬季大气主要污染源为燃煤和机动车尾气排放。     

2013年北京市PM2.5重污染日时空分布特征研究

根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。     

西安市区大气中PM2.5和PM10质量浓度污染特征

2013年3月—2014年2月期间,设置1个监测点位,采集了西安市区大气环境中PM10和PM2.5样品,采用重量法测定了PM2.5和PM10质量浓度。结果表明,西安市区PM2.5质量浓度为16~558μg/m3,平均值为128μg/m3,超标率69.1%;PM10质量浓度范围为32~887μg/m3,平均值为249μg/m3,超标率71.8%。虽然PM2.5和PM10质量浓度的逐日变化幅度比较大,但是整体变化趋势非常相似,存在显著的正相关关系(r=0.831 9)。PM2.5和PM10质量浓度存在明显的季节变化,均为冬季最高,春季次之,秋季较低,夏季最低。ρ(PM2.5)/ρ(PM10)为0.245~0.822,平均值为0.510,说明PM2.5在PM10中所占比例大于PM2.5~10;此外,该比值呈现一定的季节变化规律,冬季、夏季较高,秋季次之,春季最低。霾天气发生时,该比值和PM2.5质量浓度明显高于无霾天气。     

西安市环境空气PM2.5污染现状及对策初探

文章通过对西安市城市环境空气PM_2.5试点监测数据深入分析,初步摸清了区域PM_2.5污染水平及分布规律,提出了污染防治对策和建议,对现阶段的环境空气PM_2.5污染防治有着重要的参考价值。     

杭州城区PM2.5和PM10污染特征及其影响因子分析

利用2013年12月—2014年11月杭州城区空气质量监测站PM_(2.5)、PM_(10)浓度值结合气象、道路、人口数据以及站点周边绿地信息分析PM_(2.5)、PM_(10)浓度时空特征及其影响因子。结果表明,杭州城区各监测站PM_(2.5)和PM_(10)晴天日浓度变化趋势基本一致,PM_(2.5)比PM_(10)污染严重;晴天日PM_(2.5)、PM_(10)浓度值与对应的温度(-0.463,-0.281)、风速(-0.305,-0.332)呈负相关,与湿度(0.257,0.239)呈正相关;晴天有风时,杭州市区PM_(2.5)、PM_(10)污染北部重于南部,东部重于西部,浓度极高值集中在风速小于5 m/s时段,且风速越小浓度值越高;温度为12℃左右,湿度在60%~80%时,颗粒物污染最严重;交通高峰时各监测站PM_(2.5)、PM_(10)污染程度存在明显差异。相关性分析表明,PM_(2.5)、PM_(10)污染程度与道路密度成正比,与缓冲区内绿地覆盖面积成反比。PM_(2.5)污染程度与人口密度成正比,PM_(10)污染与人口密度成反比。     

西宁市城区冬季PM2.5和PM10中有机碳、元素碳污染特征

2014年11月—2015年1月对西宁市冬季开展PM_(2.5)和PM_(10)的连续监测。利用DRI 2001A型热光碳分析仪(美国)对有机碳和元素碳进行分析,结果表明:西宁市冬季PM_(2.5)和PM_(10)中碳气溶胶所占比例分别为33.13%±6.83%、24.21%±6.27%,说明碳气溶胶主要集中在PM_(2.5)中;OC/EC值均大于2,说明西宁市大气中存在二次污染;SOC占PM_(2.5)和PM_(10)的质量浓度比例分别为46.50%和57.40%,PM_(2.5)中SOC浓度占PM_(10)中SOC浓度的61.88%,说明SOC主要存在于PM_(2.5)中,且SOC形成的二次污染和直接排放的一次污染都是西宁市碳气溶胶的主要来源;与其他城市比较发现,西宁市冬季PM_(2.5)中的碳气溶胶含量普遍高于其他城市,PM_(10)中OC质量浓度相对其他城市较高,EC质量浓度偏低;OC和EC的相关性不显著,说明来源不统一;进一步对OC和EC各组分质量浓度进行分析知,西宁市冬季碳气溶胶主要来源于机动车汽油排放、燃煤和生物质燃烧。     

荒漠草原无林地PM2.5、PM10时间变化特征及与气象因素的关系

选取荒漠草原无林地的PM_2.5、PM₁₀浓度以及气象因子数据,对颗粒物浓度的时间变化特征及其与气象因子的关系进行分析。结果表明:(1)1月的PM_2.5、PM₁₀月平均浓度最高,7月的PM_2.5与PM₁₀达到最低。季节尺度上PM_2.5、PM₁₀浓度变化为由大到小顺序依次为冬季>秋季>春季>夏季。(2)风速≤4.0 m/s时,随着风速增加,PM_2.5、PM₁₀浓度不断降低;当风速>4.0 m/s时,PM_2.5、PM₁₀浓度随风速增加而增加。PM_2.5、PM₁₀浓度与温度负相关。相对湿度≤50%时,随着相对湿度增加,PM_2.5、PM₁₀浓度呈增加趋势;相对湿度>50%时,随着空气湿度增加,PM_2.5     

长沙市冬季人行道PM2.5污染特征及影响因素

了解不同气象条件下城市人行道细颗粒物(PM_2.5)时空分布特征对于指导城市环境评价及街道空间规划布局具有重要意义。选取长沙市车流量及人流量较大的4条道路旁0、5、10 m处的人行道,在冬季晴天、阴天和大风天开展PM_2.5质量浓度、风速、温度及相对湿度监测,探讨PM_2.5分布特征与气象因子的关系。结果表明:冬季晴天、阴天及大风天的人行道PM_2.5质量浓度变化呈现双峰双谷特征,峰值均出现在06:00—08:00,其次为18:00—20:00,谷值出现在14:00—16:00及22:00—24:00;距离机动车道10m处的人行道PM_2.5含量低于机动车道旁(即距离机动车道0 m)的人行道PM_2.5含量,这种差异在大风天气下更为显著;人行道PM_2.5质量浓度与温度、风速呈显著负相关关系,与空气湿度呈显著正相关关系,低温不利于PM_2.5扩散,但在大风天温度对PM_2.5的影响极小,风对PM_2.5含量的变化影响极大,在远离机动车道的人行道更为显著,而高湿度天气有利于PM_2.5的凝结。低温、高湿天气下06:00—08:00、18:00—20:00人行道PM_2.5质量浓度较高,大风对PM_2.5质量浓度具有一定削减作用,早晚高峰减少人行道洒水以降低空气湿度,有利于PM_2.5质量浓度的降低,减少PM_2.5积累。     

广州PM2.5污染特征及影响因素分析

对广州市2008—2010年PM_2.5质量浓度、影响因素数据资料进行整理统计,通过定性分析、定量计算以及对各物理量之间的相互作用过程研究,得出PM_2.5质量浓度变化特征和各影响因素之间的关系。结果表明,PM_2.5质量浓度变化呈现夏季和非夏季2种典型的季节性特征,夏季月平均值0.049 mg/m³,主要分布在0.03～0.05 mg/m³,非夏季月均值为0.063 mg/m³,分布于0.05～0.08 mg/m³之间;夏季、非夏季PM_2.5质量浓度超标率(采用美国EPA标准)分别为70.7%、77.8%,质量标准2倍、3倍以上出现的概率都表现出明显的季节性差异;PM_2.5与温度正相关,和其他因素负相关,其中与能见度相关性最大,其次是温度、风速,与降雨量相关性最差,与气压、相对湿度相关系数季节性特征显著。     

台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料,分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况,并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年,台州市区PM_2.5年均浓度和超标天数呈显著下降趋势,O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高,且易发生超标;O₃浓度在春、夏、秋季均较高,且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关,与大气压呈正相关;O₃浓度与气温、风速呈正相关,与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关,两者存在协同增长。在春、夏、秋季,二次PM_2.5在总PM_2.5中的占比随着O₃     

采暖期大气颗粒物PM1.0和PM2.5中水溶性离子污染特征

为了解采暖期大气PM_(1.0)和PM_(2.5)中水溶性离子污染特征,采集哈尔滨市2014年11月至2015年3月采暖期PM_(1.0)和PM_(2.5)的样品,进而分析其中的水溶性离子(F-、Cl-、NO-3、SO2-4、Na+、NH+4、K+、Mg2+、Ca2+)的质量浓度。结果表明:PM_(1.0)和PM_(2.5)中的水溶性离子具有相同的变化趋势。采暖期间PM_(1.0)和PM_(2.5)中9种水溶性离子质量浓度总和分别为25.4~60.7μg/m~3和38.8~78.0μg/m~3。在PM_(1.0)和PM_(2.5)中NH+4、NO-3、SO2-4占比较高,而F-、Mg2+占比较低。PM_(1.0)和PM_(2.5)中9种水溶性离子质量浓度均为夜间大于白天。在PM_(1.0)和PM_(2.5)中,Mg2+和NH+4、F-和Cl-呈显著相关,说明它们来自相似的污染源,在PM_(1.0)中的K+和Ca2+显著相关,故它们受相似的污染源的影响。根据酸度与各离子的相关性,得出SO2-4和NH+4是控制大气颗粒物酸碱性的主要离子。另外,气象因素对PM_(1.0)和PM_(2.5)的浓度有影响。     

成都PM2.5与气象条件的关系及城市空间形态的影响

2013年2月1日至3月20日、2013年7月10日至8月10日对成都市大气中细颗粒物(PM2.5)进行连续监测,同步记录气象数据。将PM2.5质量浓度与城市气象条件进行相关性分析,研究气象条件对PM2.5质量浓度的影响。2月1日至3月20日PM2.5质量浓度平均为147.38μg/m3,7月10日至8月10日平均为50.19μg/m3,大气细颗粒物污染最严重的时间出现在2月1—6日。成都市各气象条件中,PM2.5质量浓度与能见度、风速呈现显著负相关,而与其他气象要素相关性较弱,降水对PM2.5质量浓度影响也很大。改善城市通风有利于成都市大气中PM2.5的稀释和消散。通过建立3D模型并运用计算流体力学(CFD)软件模拟成都市选定的一处密集的建成区域,分析城市空间形态对通风的影响。研究发现,在假设等温的情况下,多层密集的区域对城市通风影响小,而高层对城市通风影响很大,建筑高度相近的街道与风向平行的风速大于与风向成角度的,与风向平行的街道沿线为高层的风速高于沿线为多层的,较大的开敞空间及背景风速更有利于城市通风环境。     

南京市大气颗粒物中多环芳烃变化特征

逐月采集南京市大气中不同粒径的颗粒物,采用HPLC分析了2010年每个月PM_(10)和PM_(2.5)颗粒物样品中的多环芳烃(PAHs)的种类和浓度水平。结果表明:PM_(10)中PAHs年均值为25.07 ng/m~3,范围为11.03~53.56 ng/m3;PM_(2.5)中PAHs年均值为19.04 ng/m~3,范围为10.82~36.43 ng/m~3。PM_(10)和PM_(2.5)中PAHs总体浓度有着相似的变化趋势,呈现凹形变化曲线;在南京市大气颗粒物中吸附的PAHs大部分以5~6环的高环数组分为主,大部分PAHs和∑PAHs的相关性较好,年度变化幅度不大,分析结果表明,颗粒物中PAHs的来源与稳定的排放源相关,机动车排放不容忽视,与北方城市燃煤污染有着较大的区别。