不同环境场所夏季空气负离子浓度分布特征及其与环境因子的关系

大气离子是由许多自然和人为的原因产生,并且它们的浓度在不同环境场所下差别很大。以我国南部沿海某省份作为研究区域,挑选了近10处有代表性的环境场所进行为期一周的实测和研究,收集了空气正、负离子浓度、风速、空气温度、相对湿度等数据。研究显示,空气负离子浓度与风速、水、植物、相对湿度等有较为密切的关系,其中最主要的影响因素是水,其次是风,最小的是气温。为了改善城市生态环境,建议在城市规划建设中采取有效措施以提高空气负离子浓度。     

城市住区空气负离子浓度时空变化及空气质量评价--以合肥市为例

以夏热冬冷地区合肥市为研究区域,从建筑布局、空间形态、建筑密度、交通路网、植物绿化等方面综合考虑城市住区的不同环境特征,选择12个样点进行实地观测,于2013年8至2014年1月进行了空气离子浓度、风速、温度、相对湿度等指标的实地测定,并对数据进行筛选分析得出结果,空气负离子浓度随季节变化较为明显,夏季最高,平均浓度约为358/cm3,秋季次之,平均浓度约为338/cm3,冬季最低,平均浓度约为322/cm3。总体看来,上午9：00─10：00和下午14：30─15：30区间空气负离子浓度最高,上午10：30和下午16：00─16：30区间空气负离子浓度相对较低。②自由式布局和具有较明显开敞空间的测试样点空气负离子浓度较高。夏季样点9空气负离子浓度最高,平均浓度为815/cm3;秋季样点12空气负离子浓度最高,平均浓度约为483/cm3;冬季样点9空气负离子浓度最高,平均浓度约为407/cm3。最后运用单极系数和安培空气质量评价指数对住区空气质量进行评价,得出住区环境的空气清洁度以允许和清洁为主,等级多分布在D级和B级。根据这些结果和分析得出以下结论：在不同的季节,住区室外环境的空气负离子浓度变化较为明显,夏季最高,冬季最低。②影响城市住区空气负离子浓度最主要气象因子是风速、温度和相对湿度,其中风速和温度与空气负离子浓度呈现出正相关,而相对湿度则总体趋势不明确。③采取层次丰富的植物结构有利于提高环境的空气负离子浓度。④空气负离子浓度与空气清洁度有着密切关系,不同的环境特征下空气清洁度存在差异。⑤以空气负离子浓度为参考标准指导并优化住区建筑布局,不仅有利于提高住区人居环境质量评价工作的科学管理水平,同时对于提高居民的健康水平和营造健康舒适的居住环境具有重要的?     

城市住区空气负离子浓度时空变化及空气质量评价——以合肥市为例

以夏热冬冷地区合肥市为研究区域,从建筑布局、空间形态、建筑密度、交通路网、植物绿化等方面综合考虑城市住区的不同环境特征,选择12个样点进行实地观测,于2013年8至2014年1月进行了空气离子浓度、风速、温度、相对湿度等指标的实地测定,并对数据进行筛选分析得出结果,1空气负离子浓度随季节变化较为明显,夏季最高,平均浓度约为358/cm3,秋季次之,平均浓度约为338/cm3,冬季最低,平均浓度约为322/cm3。总体看来,上午9:00─10:00和下午14:30─15:30区间空气负离子浓度最高,上午10:30和下午16:00─16:30区间空气负离子浓度相对较低。2自由式布局和具有较明显开敞空间的测试样点空气负离子浓度较高。夏季样点9空气负离子浓度最高,平均浓度为815/cm3;秋季样点12空气负离子浓度最高,平均浓度约为483/cm3;冬季样点9空气负离子浓度最高,平均浓度约为407/cm3。最后运用单极系数和安培空气质量评价指数对住区空气质量进行评价,得出住区环境的空气清洁度以允许和清洁为主,等级多分布在D级和B级。根据这些结果和分析得出以下结论:1在不同的季节,住区室外环境的空气负离子浓度变化较为明显,夏季最高,冬季最低。2影响城市住区空气负离子浓度最主要气象因子是风速、温度和相对湿度,其中风速和温度与空气负离子浓度呈现出正相关,而相对湿度则总体趋势不明确。3采取层次丰富的植物结构有利于提高环境的空气负离子浓度。4空气负离子浓度与空气清洁度有着密切关系,不同的环境特征下空气清洁度存在差异。5以空气负离子浓度为参考标准指导并优化住区建筑布局,不仅有利于提高住区人居环境质量评价工作的科学管理水平,同时对于提高居民的健康水平和营造健康舒适的居住环境具有重要的现实意义。     

上海城市绿地空气负离子研究

通过测量上海城市外环林带和植物园空气离子、温度、相对湿度、风速及可吸入颗粒物浓度(PM10)等指标,研究分析了城市绿地空气离子与环境因子的相关关系。结果表明:上海外环林带旷地和道路中的空气清洁度指数(CI)为0.29和0.21,处于临界值;林中和林缘的CI分别为0.63和0.67,达到中等清洁程度;上海植物园中平均空气清洁度指数为0.64,最高达到0.83。一天中空气负离子含量的高峰值出现在7:00—8:00,18:00—19:00,低峰值出现在13:00—14:00。空气负离子浓度与空气相对湿度、风速成正相关显著,而与温度、PM10成负相关显著。空气湿度在对城市空气负离子的影响过程中起到了主要作用。建议建设以提高空气质量为目的的城市森林网络系统。     

泰安市典型生态功能区空气负离子的时空分布及影响因素分析

为了探讨城市不同生态功能区空气负离子的时空分布及其影响因素,选取泰安市典型生态功能区(广场公园区、居民住宅区、城市道路区和工业厂房区),对其空气正、负离子浓度、可吸入颗粒物(PM10、PM2.5)浓度及其主要环境因子(空气温度、相对湿度、风速)进行同步监测,系统分析评价了各生态功能区空气负离子动态变化特征,以及与环境因子和可吸入颗粒物的相关性.结果表明:(1)广场公园区空气负离子浓度日变化呈明显的单峰形式,居民住宅区、城市道路区和工业厂房区呈双峰形式,广场公园区的空气负离子浓度最高,其次是居民住宅区和城市道路区,工业厂房区最低;(2)各生态功能区CI指数的平均值大小顺序依次为广场公园区居民住宅区城市道路区工业厂房区;(3)空气负离子日变化浓度趋势与相对湿度变化趋势相似,与温度、空气正离子、风速变化趋势相反.对空气负离子浓度日变化影响较大的环境因子是相对湿度和温度;(4)空气负离子和可吸入颗粒物(PM10、PM2.5)的日变化趋势相反,当空气负离子浓度增大时,可吸入颗粒物浓度减小,空气负离子和可吸入颗粒物呈显著负相关的关系,在相关性上PM10PM2.5.     

城市绿地空气负离子和PM_(2.5)浓度分布特征及其与微气候关系——以合肥天鹅湖为例

选取夏热冬冷地区合肥市天鹅湖3种不同类型绿地作为研究对象,并以空旷广场为对照,于2015年夏冬季分别测试了空气离子浓度、PM_(2.5)浓度、温度、湿度、风速等指标,分析了3种不同类型绿地以及对照广场的空气负离子浓度和PM_(2.5)浓度的时空特征,并进行了空气质量评价。结果表明,(1)实测样地的空气负离子浓度日变化较明显,呈现出上午高、下午低的趋势。同一时刻中对照广场空气负离子浓度最低,均低于3种不同类型绿地,峰值期间差异尤其明显。(2)夏冬季实测样地的空气负离子浓度由大到小依次为:疏林地、密林地、草地、对照广场。(3)实测样地的PM_(2.5)浓度日变化较明显,呈双峰双谷型,即早中晚低、白天高。(4)夏季实测样地PM_(2.5)浓度差异较显著,冬季不显著,且冬季PM_(2.5)浓度均大于夏季。(5)夏冬季实测样地的空气负离子平均浓度差异不大,CI指数接近,等级为D,空气清洁度属于容许范围;而对照广场的空气负离子平均浓度显著低于3种不同类型绿地,CI指数最低,等级为E级,空气清洁度属于中污染。由此得出以下结论:(1)合理的绿地空间布局能够提高空气负离子浓度,降低颗粒物污染并改善空气质量;(2)空气负离子浓度与PM_(2.5)浓度呈显著负相关;与相对湿度呈显著负相关,与风速呈显著正相关,与温度关系不明确。在此基础上进一步提出展望,建议对PM_(2.5)浓度和空气负离子浓度展开实时监测并对结果进行对比分析,找出两者之间的相关关系。同时对不同季节、不同天气状况、不同下垫面结构的城市绿地进行进一步深入研究,探索有利于居民身心健康和休闲运动的城市绿地类型。     

城市带状绿地空气负离子水平及其影响因子

以北京市西四环旁侧城市带状绿地作为研究对象,采用小尺度测定的方法,分析城市带状绿地空气负离子水平及其影响因子。结果表明：城市带状绿地空气负离子浓度的日变化与季节变化均较明显;清晨时段负离子浓度较高,中午时段空气负离子浓度较低;7月空气负离子浓度最高,12月最低;空气负离子浓度与温度分别呈显著负相关（4、7月）、显著正相关（12月）,与相对湿度呈显著正相关,与空气含菌量呈显著负相关（P〈0.05）。     

高密度城市住区绿地空气负离子浓度分布特征及其与微气候关系

选取合肥市政务区天鹅湖周边4个高密度城市住区的不同类型绿地为研究对象,于2016年7—8月、12月针对分别在雨后、晴天、阴天3种天气状况下,主要包括空气正、负离子浓度,温度,相对湿度,风速,分析了夏冬两季室内外空气负离子浓度的分布特征,结果表明,(1)夏季各样本绿地空气负离子浓度呈现雨后晴天阴天的趋势,冬季各样本绿地空气负离子浓度呈现出晴天阴天雨后的趋势。(2)空气负离子浓度总体夏季高于冬季。夏季4块样本绿地室外环境的空气负离子平均浓度呈现雏菊苑丽景城琥珀五环城陶然居的趋势,分别为351、292、276、260 ion·cm~(-3);冬季呈现出陶然居丽景城琥珀五环城雏菊苑的趋势,分别为296、289、259、206 ion·cm~(-3)。(3)4种不同类型绿地中,道路绿地的空气负离子浓度偏低,其中夏季最低值达193 ion·cm~(-3),冬季最低值达171 ion·cm~(-3);宅旁绿地、组团绿地和中心绿地的空气负离子浓度相对较高,其中夏季最高值达405 ion·cm~(-3),冬季最高值达360 ion·cm~(-3)。论文进一步对空气负离子浓度与环境因子的进行相关性分析,根据以上分析得出结论,(1)晴天无尘时空气负离子浓度明显增大,雨后天晴时空气负离子比干燥晴天还要高,尤其雷雨过后空气中负离子浓度明显增高。(2)来往人员车辆较多不利于负离子的产生;植物层次结构丰富,能提高环境的空气负离子浓度。(3)室外绿地的空气负离子浓度与温度总体呈正相关,与相对湿度关系不明确,与风速总体呈正相关。(4)住区内部大面积的水体与绿地有利于激发负离子浓度。(5)住区周边的乔灌草结构,对城市主干道的灰尘起到了阻挡的作用,但也一定程度上阻挡了气流的运动。在此基础上作者进一步提出展望,建议整合住区内部的绿地或水体相贯通,形成整体化的绿地空间布局,同时采用郁闭度稍大的密林地或疏林地,在实现滞尘作用与利于气流的畅通之间寻找一个最佳的临界值。     

中国城市环境中空气负离子研究进展

空气负离子被誉为“空气维生素和生长素”,其浓度被列为衡量空气质量好坏的一个重要指标,对于城市空气质量的改善意义重大。综述了中国城市环境空气负离子研究方面的主要进展,对空气离子产生的机理机制、观测方法、时空特征、评价指标体系以及关键影响因子及其相互之间的关系等方面进行深入和系统的阐述。其中重点阐述了空气负离子与不同自然环境和建筑环境的关系。国内外主要研究结果表明,(1)不同环境场所下空气负离子浓度差别很大,呈现出由城市中心到郊区再到乡村逐渐增大的趋势。(2)空气负离子浓度的年变化和日变化均存在明显差异。(3)水体对空气负离子浓度影响较大,动态水的空气负离子浓度大于静态水,以瀑布为最大。同时离水体的距离越近,周边的空气负离子浓度越高。(4)空气负离子与风的关系最为密切,有风时空气负离子浓度高于无风时,且风速与空气中负离子浓度成正相关。其他因素如温湿度、天气状况、植物绿化、建筑材料以及建筑高度等都能影响空气负离子浓度的高低,从而影响城市环境的空气清新度,其中有研究者发现空气负离子能够降低空气中颗粒物的浓度,并与PM2.5的关系最大。这些研究为综合地指导和评价城市环境空气质量提供科学依据和设计思路。因此笔者结合中国城市化的进程,进一步提出了更多的想法：(1)在控制性详细规划的层面上,与城市设计和城市绿地系统等研究结合起来,开展周期性的空气负离子浓度实证研究。(2)尝试建立空气负离子浓度与城市住区通风关系的评估方法,为城市住区空气清新度与通风关系的评估做应用性基础研究。     

福州鼓山茶园不同生境空气负离子浓度及其影响因子

为研究福州市鼓山茶园不同生境空气负离子浓度空间分布规律以及空气负离子与其环境因子的关系,以茶园内7种生境作为研究对象,对各生境空气负离子浓度及环境因子进行测定。结果表明,茶园内7种生境空气负离子浓度由高到低为乔木群落高海拔茶园池塘有机茶园草地空地常规茶园,其平均负离子浓度分别为924、892、770、761、754、617、601个/cm3;在观测高度范围内(50~150cm),空气负离子浓度大致存在随海拔高度升高而增加的趋势,且150cm高度处空气负离子浓度显著大于50cm高度;各生境空气负离子与相对湿度呈极显著正相关关系,与温度、风速、气压及海拔相关性不显著;鼓山茶园空气质量总体较为清洁,各生境空气质量评价系数CI均在0.50以上,且空气质量评价系数CI值大致存在随海拔高度而增加的趋势。     

北京西山国家森林公园中空气负离子浓度与气象因子的相关性研究

空气负离子(Negative air ions,NAI)是城市空气质量的重要指标之一,揭示城市森林释放NAI的影响机制,有助于充分利用NAI的净化作用及保健作用,并判断空气质量。利用北京西山国家森林公园2017年9月-2018年8月的NAI和气象数据,深入探究不同季节条件下和典型天气下影响空气负离子浓度(NAIC)的气象因素。结果显示,(1)不同季节条件下,NAI与气象因素相关关系不同。当温度在15℃以上时,NAIC与温度呈负相关;在15℃以下时,NAIC与温度呈正相关。多数情况下,NAIC与湿度呈反比,冬季湿度对NAIC负效应影响最明显(r=-0.503,P<0.01)。春秋冬NAIC与太阳辐射、气压均呈显著正相关关系,而夏季空气负离子与二者呈现负相关关系。(2)典型天气下,城市森林NAIC与晴天相比出现不同程度的差异,且与气象因子的相关性也不同。雨天条件下,NAIC日均值为2134ion·cm^-3,比晴天NAIC高4.56%,主要受温度和降雨量的共同影响;雾霾天与冬季晴天相比,晴天昼间NAIC为2075 ion·cm^-3,雾霾天昼间NAIC为1948 ion·cm^-3,主要受太阳辐射量的影响;大风天气下NAIC峰值比微风天气高5.37%,日均值大于微风天气,主要受气压的影响。     

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。     

Some characteristics of the urban boundary layer above Rome, Italy, and applicability of Monin–Obukhov similarity

Air temperature and wind speed profiles measured during one year by means of a SODAR-RASS system located within a large park were examined for the urban boundary layer (UBL) over Rome, Italy. These data, combined with velocity and temperature measurements performed near the ground were used to analyze the vertical structure of the boundary layer and to estimate some turbulence parameters characterizing the surface layer. About 52,000 vertical profiles of wind speed and temperature were used for the analysis, allowing investigation for a large variety of stability conditions. First, friction velocity and Obukhov length were examined, showing clearly their dependence on the time of day and season. Second, the applicability of the Monin–Obukhov (MO) similarity theory—developed over rural terrain—was tested up to 200?m above ground level. For the wind speed profiles, the performance of the MO similarity degrades with both increasing height and stability, with maximum errors that are on the order of 300?% at 200?m for the most stable case. In contrast, for the air temperature the error always remains below 50?%.     

城市化对北京霾日数影响统计分析

近年来,随着超大城市/城市群大气灰霾等复合污染加剧,引起人们对区域生态环境与及公共健康问题越来越多的关注。应用北京地区1980—2012年气候资料及同期城市发展统计指标,统计分析了城、郊区间霾日数的变化特征,并在此基础上探讨了北京城市化及局地气候差异对霾日数的影响。分析表明：北京城区霾日数要明显多于郊区,在2007年以前城、郊区站点均有相似的波动增长趋势,但城区站霾日数增加速率（约21 d/10 a）要远大于郊区站（约7.2 d/10 a）;北京各地霾日数与主要城市发展指数之间的相关系数均超过0.001显著性水平,随着城市化而迅速增加的能源消耗和机动车尾气排放是导致北京地区灰霾天气逐渐增多的主要污染源,污染源的不均匀分布是导致城、郊霾日数差异的主要因素。分析还发现,城市化导致的区域气候差异对局地灰霾亦有较明显的影响。伴随着城市化的快速发展,城、郊区气候差异逐渐变大,城市下垫面粗糙度增加导致近地面层风速减小。大城市热岛效应背景下,更容易出现较厚的逆温层,这将阻碍空气垂直方向的对流输送。此外,城区气温持续上升,相对湿度下降,平均风速减小,小风频率增加,也会阻碍空气的水平流通,使得城市排放颗粒污染物的扩散难以扩散,有利于霾日增加。这表明北京地区城市气候效应对区域生态环境具有不可忽视的影响。     

天气条件对福州近地层臭氧分布的影响

利用2009—2010年福州市近地层臭氧连续观测资料,并结合气象资料分析不同天气型对臭氧浓度变化的影响,以及臭氧浓度与气象要素的相关性。结果表明：在高压后部、地面倒槽等6种天气型影响下,福州市臭氧浓度值较高;在低涡锋面、台风（热带辐合带）等4种天气型影响下,臭氧浓度值较低。导致福州市臭氧平均浓度值最高的天气型是台风（热带辐合带）外围,最低的是低涡锋面系统。高压后部、地面倒槽和锋前暖区等强暖性、且非常不利于污染物扩散的天气型易造成臭氧浓度超标。臭氧浓度与气象要素关系密切,与温度、日照、太阳辐射显著正相关,与云量、相对湿度、降水量显著负相关,受偏南和偏东风影响,平均风速较大时,臭氧浓度较高,在SSE方位上臭氧小时浓度超标率最高。     

冬季降雪过程对城市大气气态汞污染的影响

2009年降雪和非降雪期间对北京西北城区的气态总汞浓度进行了连续采样,比较了降雪期间、非降雪期间的气态总汞浓度日变化过程;降雪期间气态总汞浓度的降低和恢复过程。结果表明,降雪和非降雪期间大气气态总汞浓度的日均值有显著差异,降雪期间气态总汞的平均浓度为5．64ng·m^-3,非降雪期间的平均浓度为7．43ng·m^-3,前者约为后者的70％。降雪后约7h气态总汞浓度恢复到降雪前水平。研究中分析了气象因素（气压、风速、阵风速度、气温和相对湿度）对于气态总汞浓度的影响,结果表明：降雪期间主要受到风速（r=-0．527）和阵风速度（r=-0．574）的影响;非降雪期间主要受到风速（r=-0．691）,阵风速度（r=-0．726）和相对湿度（r=0．692）的影响,并且相对湿度的影响与风速的影响相近。降雪和非降雪期间气态总汞的日变化有所差异：非降雪期间气态总汞浓度在午夜和清晨较高,日变化趋势与相对湿度一致;降雪期间气态总汞的日变化没有明显规律。     

北京市秋季大气颗粒物的污染特征研究

大气颗粒物是造成城市空气污染的重要原因之一,并已经成为我国北京等大中城市空气污染中的首要污染。为了分析北京市大气细颗粒物的污染水平及其影响因素,以大气中的PM10和PM2.5为研究对象,于2005年秋季在北京市设立了9个采样点进行采样监测,通过对所采集到的PM10和PM2.5质量浓度的对比来分析大气颗粒物的空间分布和时间变化特征,并建立起PM10和PM2.5质量浓度与风力、温度、湿度等气象条件的对应关系来分析各种气象因素对大气细颗粒物污染水平的影响。结果表明:北京市不同区域的PM10和PM2.5的质量浓度差异较大,同时,值得注意的是通过对同一地点同一采样时间大气颗粒物质量浓度的对比发现PM2.5质量浓度的空间分布并不完全同于PM10,这主要是与采样点所处的环境中不同污染源影响的强弱有关;气象条件稳定时,PM10和PM2.5质量浓度的日变化表现出一定的规律性,这种时间变化的特征主要取决于所在环境中排放的污染物变化情况;气象条件是影响PM10和PM2.5污染程度的重要因素,在一定的范围内,颗粒物质量浓度随着温度的上升而下降,随着相对湿度的升高而增大,随着风力的增强而减小。     

成都市大气颗粒污染物与气象要素的关系

通过对2004年成都市API指数及API>100日数百分数的再分析,探讨了大气颗粒物污染季节分布、区域分布状况与气象要素的相互关系,并尝试用因子分析法研究了污染物浓度年际变化与气象因子的关系。研究表明,大气污染的季节分布为冬季>春季>秋季>夏季;API>100时数百分数的季节变化状况为春季>冬季>秋季>夏季,区域分布为城西北>城东>城北>城中心>城东南>城西>城南。城市发展对风向的改变比较明显,对风速的改变不明显。大气颗粒污染物年际变化与气象因子的相关性研究表明,PM10浓度与SO2、NOX、湿度、气压呈正相关,与风速、蒸发量、温度呈负相关关系。