佛山市大气细粒子碳质组分时空分布特征及其影响因素

采用热/光法测定了2011年夏季和冬季佛山市城区和对照点大气细粒子碳质组分浓度水平,并讨论了城区与对照点碳质组分的污染水平和时空差异;通过分析OC与EC的相关性,研究了各站点大气中碳质组分的主要来源;最后采用ρ(OC)/ρ(EC)最小比值法估算了各站点SOC的污染水平。结果表明:佛山市大气细粒子碳质组分中有机碳(OC)和元素碳(EC)质量浓度分别为9.93μg·m-3和6.47μg·m-3。从季节上看,佛山市碳质组分季节分布明显,冬季污染程度明显高于夏季,各个区域夏季和冬季OC质量浓度分别为5.33～10.60μg·m-3和10.60～15.94μg·m-3,相应的EC质量浓度分别为3.58～6.94μg·m-3和6.03～10.12μg·m-3;夏季和冬季ρ(OC)/ρ(EC)比值分别为1.15～1.84和1.32～2.34。从空间上看,佛山市各区域OC、EC、ρ(OC)/ρ(EC)和ρ(SOC)/ρ(OC)的变化范围较大,城区与对照点二次有机碳(SOC)占OC比例分别为19%～56%和21%～76%,反映了佛山市碳质组分空间分布存在着显著差异。总体上,佛山市各采样点夏季明显受局地污染影响,冬季明显受区域污染影响。OC与EC的相关性系数r2在0.4～0.7之间,说明佛山市大气颗粒物中OC和EC有相似来源。从大气细粒子浓度来看,对照点更合镇污染程度相对较轻,明显低于其他几个城区采样点,但从大气细粒子碳质组分浓度来看,更合镇碳质组分污染水平较高,特别是冬季EC浓度明显高于城区,表明一次燃烧源对更合镇细粒子污染有重要贡献。研究结果对于对后续评估佛山市大气污染整治效果具有一定参考价值,同时可为产业结构类似佛山的其他重工业城市大气污染控制提供基础数据。     

天津城区PM_(2.5)中碳组分污染特征分析

为探讨天津城区碳组分的季节污染特征,于2009年4月—2010年1月采集大气PM2.5样品,测定其碳组分浓度,分析有机碳(OC)和元素碳(EC)的相互关系,并探讨气象条件对碳组分浓度的影响.结果表明,天津城区PM2.5质量浓度为141.47μg·m-3,OC和EC质量浓度年均值分别为18.81μg·m-3和6.86μg·m-3,分别占PM2.5质量浓度的13.3%和4.8%,碳组分系PM2.5的重要组成部分;季节分布特征显示,秋、冬季OC和EC污染较为严重,总碳气溶胶(TCA)分别为45.74μg·m-3和46.75μg·m-3,占PM2.5质量浓度的30.1%和40.1%;采用改进的OC/EC最小比值法计算得到的二次有机碳(SOC)浓度显示,秋季和冬季SOC较高,为7.45μg·m-3和7.28μg·m-3.后向轨迹的聚类分析表明,局地气流或偏南气流控制下的PM2.5中碳组分浓度较高.     

拉萨市大气中碳颗粒物的浓度变化及特征

利用STAPLEX大流量分级采样器于2014年8—12月采集拉萨市城区大气颗粒物84个样品,测定不同粒径上有机碳(OC)和元素碳(EC)的质量浓度,定性分析二次有机碳(SOC),基于碳质组分和~(14)C值得到其来源.结果表明,不同粒径的OC质量浓度呈双峰分布,较高峰出现在0.49μm粒径段,次高峰出现在1.5—3.0μm粒径段(8—9月)和3.0—7.2μm粒径段(11—12月);EC主要分布在0.49μm粒径段.OC/EC比值为4.15—33.80,表明拉萨大气颗粒物存在二次有机碳.研究表明,拉萨市碳质颗粒物的主要污染源是燃煤、机动车尾气、生物质燃烧和地面扬尘、生物质燃烧和地面扬尘是OC的主要来源,燃煤和机动车尾气则是EC的主要来源.     

高原城市昆明PM_(2.5)中碳组分污染特征及来源分析

为研究昆明市大气细颗粒物(PM_(2.5))中碳组分特征,于2014年7月21—27日、2014年10月27—11月2日、2014年1月9—15日、2015年4月14—20日采集了昆明中心城区3个采样点的大气PM_(2.5)四季样品,采用IMPROVE热光分析法准确地测量了样品的有机碳(OC),元素碳(EC)及其中的8个碳组分含量,分析了OC和EC的时空变化特征、相关性关系及其比值特征,并采用因子分析方法研究了主要排放来源对总碳的贡献.结果显示,昆明城区的OC和EC年平均浓度分别为17.83±9.57μg·m~(-3)、5.11±4.29μg·m~(-3),OC浓度显示冬季≈春季秋季夏季的变化趋势,EC浓度显示冬季春季≈秋季夏季的变化趋势,OC与EC浓度季节分布的不一致反映了两种不同性质碳组分排放源之间可能存在差异.从空间分布上来说,OC和EC均呈现金鼎山(工业区)东风东路(交通密集区)西山森林公园(清洁对照区)的特点,与PM_(2.5)的空间分布规律保持一致.OC和EC的相关性在冬、春季较显著,而夏、秋季的相关性较弱.二次有机碳(SOC)对OC的贡献率在金鼎山、东风东路和西山森林公园的3个采样点分别为25.8%、23.7%和47.7%,SOC是总有机碳的重要组成部分.因子分析表明,4个季节燃煤、汽油车、柴油机排放及生物质燃烧对碳气溶胶贡献显著,都是碳组分的重要来源之一.其中,在常年尺度上,机动车排放和燃煤的混合贡献了碳组分的51.3%,是昆明城区碳气溶胶的最主要来源.     

国庆前后北京城区PM2.5组分污染及来源特征分析

为探究北京城区国庆前后及国庆期间PM2.5主要组分的污染及来源特征情况,采集2019年9月27日-10月14日北京市大气PM2.5样本,并测定其中碳质气溶胶(OC、EC)及8种水溶性离子(Na+、NH4+、K+、Mg2+、Ca2+、Cl-、NO3-、SO42-)的质量浓度,并分析PM2.5中各化学组分的浓度变化特征、来源特性及气象要素的影响,并对北京市细颗粒物进行源解析和区域传输分析.结果 表明,整个观测期间PM2.5基本呈现"M"型的变化趋势,国庆期间呈现"V"型的变化趋势.国庆期间总碳质气溶胶、水溶性无机离子质量浓度为(14.45±5.87)μg·m-3和(14.97±9.75)μg·m-3,占PM2.5质量浓度的59.7％,各组分质量浓度在国庆期间均有所下降,其中NO3-质量浓度下降最为明显,下降率达53.4％.来源分析结果表明,机动车尾气、燃煤和扬尘是大气PM2.5化学组分的主要来源,其中道路扬尘和建筑扬尘是Ca2+、Mg2+和Na+的主要来源,机动车车尾气排放是碳质气溶胶及二次无机离子的最主要来源.车流量的改变和气象因素与国庆前后PM2.5及其组分变化密切相关,PM2.5及各组分质量浓度在车流量高峰的9月30日和10月6、7日达到峰值,而1-5号移动源贡献减弱和气象要素(降水)导致了最低值的出现.较低的风速及来自于东北、西南方向的污染物输送是观测期间PM2.5较高的重要原因.     

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。     

乌鲁木齐大气细颗粒物(PM_(2.5))有机碳和元素碳污染特征分析

对乌鲁木齐市中心区域树木年轮实验室(TRL)和黑山头(HST)2013年1月─2014年2月期间采集的大气细颗粒物(PM_(2.5))样品,利用热光碳分析仪分析了其中的有机碳(OC)和元素碳(EC)浓度水平、污染特征及其可能来源,以期为深入了解乌鲁木齐市颗粒物污染现状,确定乌鲁木齐市大气污染治理重点,制定大气污染防治策略提供依据。结果表明:年轮室OC和EC的质量浓度分别为(15.73±8.50)和(5.48±2.70)μg·m-3,分别占PM_(2.5)质量浓度的9.15%和3.19%,黑山头OC和EC的质量浓度分别为(11.31±7.29)和(4.14±3.26)μg·m-3,分别占PM_(2.5)质量浓度的9.26%和3.06%。年轮室OC的月变化呈现单峰型,4月份浓度最小,1月份浓度最大,黑山头OC的月平均浓度1月份最大,6月份最小,两个站点EC月平均浓度分布均无明显的特征,两个站点最大浓度均出现在2013年1月。OC质量浓度的季节变化是冬季(19.80±8.53)μg·m-3秋季(12.83±8.25)μg·m-3夏季(9.82±2.83)μg·m-3春季(9.31±3.91)μg·m-3,EC质量浓度的季节变化是秋季(5.72±3.35)μg·m-3冬季(5.25±2.61)μg·m-3夏季(5.21±2.37)μg·m-3春季(4.89±2.31)μg·m-3。在不同的季节,OC浓度变化比较明显,EC排放相对稳定。乌鲁木齐春夏季OC和EC的相关性较高,并且相关系数较为接近,说明春夏两季OC和EC来源相对简单,来源一致,主要来源于交通源机动车尾气的排放;秋冬季相关性较低,说明OC和EC来源复杂,秋冬季进入采暖期,采暖期燃煤燃气增加,排放量增大,排放源结构复杂。     

武汉市青山区道路尘碳组分污染特征及来源分析

为研究武汉市道路尘中碳组分污染特征及来源,于2018年5月在武汉市青山区采集道路尘样品,用热光碳分析仪测定样品中有机碳(OC)、元素碳(EC)、烟炱(soot)和焦炭(char)含量,并使用特征比值法、相关分析及主成分分析法对道路尘碳组分污染特征和来源进行探讨分析.结果表明,道路尘中OC、EC、soot和char含量平均值分别为1.29、2.21、2.04、0.17 g·kg^-1,说明不同碳组分含量存在较大的空间变异性.相关性分析表明OC和EC的来源存在一定差异,且EC主要贡献来源是soot.OC;EC和char;soot比值和主成分分析结果表明,武汉市青山区道路尘中碳组分主要来源于机动车尾气和燃煤排放,也可能受到生物质燃烧的影响.     

西安市冬季重污染天PM2.5高分辨率及其中碳气溶胶污染特征分析

为了研究西安市冬季重污染天PM2.5及其中碳气溶胶的变化特征,在2013年1月1日至2013年2月28日大气污染严重的天气进行24 h连续的PM2.5样品采集,再通过Model-4型全自动半连续式在线光/热法大气气溶胶OC/EC分析仪分析得出OC、EC的连续质量浓度值。结果表明,西安市PM2.5质量浓度冬季重污染天日循环变化规律明显,均大致呈现双峰模式,白天和夜间各有一个高峰。2月份的每个PM2.5质量浓度值高峰和低峰的出现均比1月份晚2-3 h,夜晚的高峰值比1月份低,PM2.5质量浓度比1月份上升得慢,下降得快。气象条件能对PM2.5质量浓度产生较强的影响。2月份PM2.5质量浓度值整体比1月份低,但在2月10日出现突越（499μg·m-3）,这与春节假期人为活动变化有关。OC/PM2.5、EC/PM2.5、TCA/PM2.5日变化幅度都较小,这说明OC、EC、TCA的来源比较一致;OC/EC值的平均值为6.63,表明西安冬季重污染期PM2.5中的一次来源主要为燃煤排放。PM2.5、OC、EC、TCA和OC/EC的值较2010年都有明显的上升,但OC/PM2.5、EC/PM2.5、TCA/PM2.5的值却是下降的,这说明近年来PM2.5及碳气溶胶的控制措施效果不明显,碳气溶胶二次来源增加,PM2.5的排放来源变得更加复杂。OC和TCA日循环变化呈现出明显的双峰特征;EC的变化趋势不明显。一天中OC/EC值多数时候处于较高水平,且受早晚车流量高峰的影响不明显,说明西安冬季重污染期间碳气溶胶受光化学反应转化的二次来源影响比较大。OC、EC的线性相关性比较好,且白天相对夜晚好,说明西安市冬季夜间燃煤采暖增加了碳气溶胶来源的复杂性。     

石家庄冬季道路积尘PM_2.5与PM_10碳组分污染特征分析

为探讨石家庄市冬季道路积尘中PM_2.5与PM_10的碳组分污染特征和来源,利用移动式采样法对市区不同类型铺装道路积尘进行收集,用热光碳分析仪测定样品中有机碳(OC)和元素碳(EC)的含量并分析其特征.结果表明,OC、EC在PM_2.5中的平均质量浓度为166.54 mg·g~(-1)、25.35 mg·g~(-1),在PM_10中的平均质量浓度为118.31 mg·g~(-1)、20.3 mg·g~(-1),总碳(TC)占PM_2.5中百分比为19.2%,占PM_1013.9%,表明碳组分更容易富集到细粒径颗粒物上;相关性分析表明OC、EC来源大致相同;8个碳组分中OC3的百分含量最高,OC4次之,EC3最低;主成分分析及OC、EC相关分析结果表明冬季道路积尘中的碳主要来自于机动车尾气排放和大气降尘中的燃煤成分.     

武汉市秋冬季室内外空气颗粒物以及有机碳、元素碳的污染特征

为了解秋冬季室内外空气颗粒物PM10、PM2.5以及其有机碳和元素碳的污染特征,于2009年10月及12月对武汉大学医学部学生宿舍室内、外PM10、PM2.5进行了两周连续采样。结果表明：秋季室内PM10和PM2.5的平均浓度分别为121.8和91.3μg/m3,室外为153.9和104.2μg/m3;冬季室内PM10...     

天津市夏季PM2.5中碳组分时空变化特征及来源解析

为研究天津市夏季PM_2.5中碳组分的时空变化特征及来源,于2019年7—8月设立2个点位分昼夜采集天津市PM_2.5样品,并测定了其中有机碳(OC)和元素碳(EC)的含量。结果表明,城区PM_2.5、OC和EC浓度日均值分别为(53.4±20.8)μg·m^-3、(8.72±2.56)μg·m^-3和(1.67±0.90)μg·m^-3,郊区PM_2.5、OC和EC浓度日均值分别为(54.2±24.5)μg·m^-3、(7.54±2.50)μg·m^-3和(1.82±1.06)μg·m^-3;白天PM_2.5、OC、EC的平均浓度分别为(47.3±16.1)μg·m^-3、(8.7±2.1)μg·m^-3和(1.5±0.6)μg·m^-3,夜间PM_2.5、OC、EC的平均浓度分别为(60.2±26.2)μg·m^-3、(7.5±2.9)μg·m^-3和(2.0±1.2)μg·m^-3。OC浓度表现为城区高于郊区,白天高于夜间;EC及PM_2.5浓度表现为郊区高于城区,夜间高于白天。OC/EC比值分析得,城区(6.04)高于郊区(5.08);白天(6.58)高于夜间(4.54)。城区OC与EC相关性弱于郊区,白天OC与EC相关性弱于夜间。采用EC示踪法与MRS模型对SOC含量进行估算,得到白天与夜间SOC浓度分别为(5.71±1.35)μg·m^-3和(3.81±1.20)μg·m^-3,白天SOC污染比夜间严重。丰度分析与主成分分析的结果表明,天津市夏季城郊区PM_2.5中碳组分均主要来源于燃煤和机动车尾气排放。     

中国典型沿海城市冬季PM2.5中碳组分的污染特征及来源解析

为研究中国典型沿海城市冬季PM_2.5中碳组分的污染特征及来源,于2018年12月5日—2019年1月30日分别在天津(TJ)、上海(SH)和青岛(QD)同步采集PM_2.5样品。结果表明,天津、上海和青岛PM_2.5的平均浓度分别为(116.96±66.93)、(31.21±25.62)、(74.93±54.60)μg·m^-3,OC和EC的空间分布均为天津(18.69±7.95)μg·m^-3和(4.98±2.08)μg·m^-3>青岛(16.45±8.94)μg·m^-3和(2.01±1.04)μg·m^-3>上海(7.28±3.11)μg·m^-3和(1.05±1.25)μg·m^-3。3个站点的OC和EC均呈现较好的相关性,表明OC和EC具有相似的来源;OC/EC比值范围在2.37—7.53、5.47—46.41和4.77—13.36之间,证明各采样点均存在二次有机碳(SOC)的生成;采用最小R²法(MRS)估算SOC浓度,得到3个采样点SOC的平均质量浓度为(5.09±4.68)、(3.90±1.65)、(4.21±4.31)μg·m^-3,分别占OC总量的27.2%、55.8%和19.5%,其中上海的SOC在OC中的占比最大,说明上海二次有机碳污染较为严重,这主要归因于冬季严重污染源排放和有利的二次转化气象条件,而天津和青岛的碳组分主要来自污染源的直接排放。主成分分析(PCA)结果发现,天津PM_2.5中碳组分主要来源于道路尘、生物质燃烧和机动车尾气,上海PM_2.5中碳组分主要来源于生物质燃烧、道路扬尘和机动车尾气。青岛PM_2.5中碳组分主要来源于道路扬尘、机动车尾气。后向轨迹聚类分析表明,来自西北方向的气团对天津的影响较大,PM_2.5和碳组分的浓度值最大;而对上海而言,主要受北方气溶胶经过海面又传输回上海的气团的影响;青岛站点主要受华北地区污染物和本地排放源的影响。     

天津城区大气气溶胶质量浓度分布特征与影响因素

根据中国气象局天津大气边界层观测站2009年的气溶胶观测资料和同期气象资料,对天津城区PM10和PM2.5质量浓度变化特征,及其与气象条件的相互关系进行研究,结果表明：PM10和PM2.5年均质量浓度为153.24和68.78μg·m-3,其日均值超标率近半,表明南部城区尤其是交通干道附近气溶胶污染较为严重;PM10和PM2.5质量浓度逐月变化呈现明显的冬季高、夏季低的特征,其日变化特征呈明显的双峰型,早晚污染高峰主要受交通源影响;气象条件对气溶胶质量浓度作用显著,气溶胶质量浓度与气温正相关,相对湿度的增高易导致细粒子吸湿性增长,但高湿状态下易引起降水有利于气溶胶的湿清除,西南气流和偏北风是PM10和PM2.5高浓度的主要影响风向,静小风易造成气溶胶堆积,高风速可引起PM10排放增多,但对PM2.5影响不大。     

青藏高原东缘冬季PM2.5中碳组分特征和来源解析

于2017年冬季12月13—21日在青藏高原东缘理塘地区分昼夜采集PM_2.5样品,并用DRI2001A热光碳分析仪测定了有机碳(OC)和元素碳(EC)的质量浓度,研究青藏高原PM_2.5中碳组分的化学特征及主要来源,以期为理塘地区制定污染排放政策提供参考。结果表明,2017年冬季青藏高原东缘理塘地区PM_2.5平均质量浓度为44.34μg·m^?3,OC和EC的质量浓度为12.72μg·m^?3和3.85μg·m^?3,分别占PM_2.5质量浓度的29.61%和8.96%。通过经验公式,计算得到总碳气溶胶(TCA)质量浓度为24.20μg·m^?3,占PM_2.5的54.84%,说明碳质气溶胶对青藏高原东缘理塘地区PM_2.5有着十分重要的贡献。OC和EC在白天和夜间都有较高的相关性(相关系数分别为0.74和0.91),表明OC和EC的来源基本一致,受燃烧源影响较大。其中白天的相关系数低于夜间,说明青藏高原东缘理塘地区白天碳组分来源相对复杂。昼夜浓度对比显示,青藏高原东缘理塘地区PM_2.5白天和夜间的质量浓度分别为53.88μg·m^?3和33.44μg·m^?3,OC和EC浓度白天高于夜间,表明白天人为排放相对较高。冬季观测期间,PM_2.5中二次有机碳(SOC)昼夜浓度分别为1.11μg·m^?3和3.03μg·m^?3,分别占OC质量浓度的7.09%、26.59%,表明青藏高原东缘理塘城区白天碳组分主要为一次源。利用PMF 5.0软件对理塘城区碳组分进行进一步的解析,结果显示燃煤和生物质燃烧的混合源对总碳(TC)的贡献高达47.84%,占比最高;其次是汽车尾气和柴油车尾气源,贡献率分别为28.62%和23.54%。     

北京市大气PM_（2.5）中四种水溶性阴离子的水平变化比较

了解北京市城区和郊区大气细颗粒物中的四种水溶性阴离子F-、Cl-、SO42-、NO3-的浓度水平,并分析影响其水平高低的因素。使用聚四氟乙烯滤膜分别采集北京市城区和郊区大气中的PM2.5,用纯水提取后采用离子色谱法测定水溶性阴离子质量浓度。采样期间北京市大气PM2.5、F-、Cl-、SO42-和NO3-质量浓度几何均数分别为55.36、0.02、0.46、6.72和1.09μg·m-3,四种水溶性阴离子质量浓度总和占PM2.5质量浓度的19.14%;同一季节（春季）郊区监测点大气PM2.5、SO42-和NO3-质量浓度显著高于城区监测点;城区大气PM2.5与四种水溶性阴离子质量浓度秋季高于春季,但差异无统计学意义;大气PM2.5与Cl-、SO42-和NO3-质量浓度均高度相关。Cl-、SO42-、NO3-是北京市大气PM2.5的重要组成成分。     

降雨过程后北京城区PM2.5日时空变化研究

随着人类环境意识的增强,人们对城市雾霾天气的忧虑与日俱增,PM2.5的时空变化和对人体健康的影响已成为关注的焦点。以往的研究多集中在不同季节或年际的变化,本文通过统计环保局发布的位于北京城区13个逐时浓度监测点降雨前后PM2.5质量浓度,并在城区布设14个采样点昼夜连续监测一次降雨后72 h内PM2.5质量浓度变化情况,研究北京市城区降雨后PM2.5日变化规律及空间分布特征,由此分析降雨对PM2.5日变化规律的影响。同时对比PM2.5与同步气象数据（温度、相对湿度）和交通数据（车辆量、车速）最值频率分布情况,进而对PM2.5日变化特征进行成因分析。随后利用GIS空间分析方法,分析了PM2.5的日空间分布特征。结果表明,降雨对颗粒物的去除作用明显,一次降雨可使PM2.5质量浓度平均下降56.3%。雨后72 h内PM2.5质量浓度均小于60μg·m-3,降雨后1 h内PM2.5质量浓度处于稳定状态,在随后的12 h内PM2.5浓度值都处于下降状态。降雨过程只降低PM2.5的质量浓度值,并不影响其日变化规律。PM2.5的日变化规律以19时为界,表现出明显的昼夜差异。白天的变化规律呈现凹型,夜间的变化规律呈现拱型。PM2.5质量浓度峰值多出现在23时或0时,谷值多出现在下午15时,该特征受气象因素影响较大,受交通源的影响作用不明显。早高峰期间,PM2.5质量浓度变化主要受交通源的影响;晚高峰期间,交通源和气象因素共同影响PM2.5质量浓度。研究区PM2.5日空间分布特征同样存在明显的昼夜差异。白天PM2.5空间分布特征为南部高北部低;PM2.5在夜间的空间分布特征则多表现为四周高、中心低,三环外围区域多为高值区。     

北京市不同主干道绿地群落对大气PM2.5浓度消减作用的影响

为研究城市道路两侧不同绿化带宽度及不同植物群落配置模式对消减大气中PM2.5浓度的作用,选择北京市四环主干道旁3种典型植物群落配置类型作为试验监测点,对0 m、6 m、16 m、26 m、36 m不同绿带宽度下PM2.5浓度分布与变化进行监测,并对其消减能力进行计算,分析PM2.5浓度变化与道路车流量、绿化带宽度及植物群落配置模式之间的关系。结果表明：（1）PM2.5浓度的日变化与车流量的日变化特征一致,道路绿地空气中PM2.5浓度的日变化呈现双峰单谷型特征,即早晚高、白天低,PM2.5浓度在8：00-10：00的交通早高峰期间增加,而后开始下降,到12：00-14：00左右达到最低值,之后呈持续上升状态,直至晚高峰19：00浓度达一天中的最大值。（2）不同植物群落配置模式对大气中PM2.5浓度的消减作用不同,群落内郁闭度高的多复层结构绿地对PM2.5消减作用优于郁闭度低的单层配置绿地模式;（3）分别对3类空气质量条件下,道路绿地对PM2.5消减作用进行评价。无污染或轻度污染（PM2.5〈100μg·m-3）环境下,绿地对PM2.5消减作用明显,26 m及36 m的绿带处消减作用最强,最高可达12.22%;中度污染（101μg·m-3201μg·m-3）天气条件下3种绿地对PM2.5的消减作用均不明显。