邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

“一带一路”沿线国家PM2.5污染与人口暴露风险的时空分布特征

使用1999—2016年0.01°×0.01°高空间分辨率的卫星反演PM_2.5浓度数据集，结合精度为1 km×1 km的人口栅格数据，分析了"一带一路"沿线65个国家PM_2.5污染与暴露风险的时空变化特征.结果表明：①PM_2.5浓度存在着明显的区域分布差异，PM_2.5浓度高值区（>35 μg·m^-3）主要分布在地形平坦、人口密集的恒河平原、华北平原和中南半岛等区域，中值区（10~35 μg·m^-3）主要集中在俄罗斯西部、中东欧、沙特东部和缅甸等区域，而低值区（<10 μg·m^-3）主要分布在高海拔、高纬度与荒漠化地区，如青藏高原、西伯利亚、西亚卢特沙漠等区域；②65国年均PM_2.5浓度从1999年的12.0 μg·m^-3上升到2016年的14.1 μg·m^-3，年均增长超过0.1 μg·m^-3，累计有22.5%的区域有显著的增加趋势，仅有5.2%的区域呈显著下降趋势；③2000—2016年，PM_2.5浓度在35 μg·m^-3以上的区域面积比重从2.2%上升到7.2%，暴露人口占比从18.9%增加至41.9%；④人口暴露风险平均值从2000年的665.2增加至2016年的1140.4，Hurst总体均值为0.59，其中大于0.5的持续性区域占82.3%，持续性特征以弱持续性为主.     

2016—2020年广州市PM2.5时空分布特征

对大气污染物进行时空分布特征研究是开展大气污染防治的关键技术支撑.本研究基于广州市52个城市环境空气质量监测站点数据,采用系统聚类法、经验正交函数 （EOF）等方法分析了2016—2020年广州市PM_2.5浓度的时空分布特征.结果表明：①2016—2020年广州市PM_2.5污染改善显著,PM_2.5年均浓度从35.9 μg·m^-3下降至23.0 μg·m^-3,达标比例由96.2%上升至100%;PM_2.5干季平均浓度为湿季的1.54倍, 国控点超标天数为湿季的10.5倍;PM_2.5浓度日变化曲线峰谷值浓度差由7.5 μg·m^-3下降至3.9 μg·m^-3,日变化幅度趋于平缓.②广州市PM_2.5浓度最高值区主要分布在东西两侧,高值区域范围逐年减小,全市PM_2.5浓度分布趋于均匀;采用系统聚类法可将广州市PM_2.5分成北部、中北部、 南部、中南部4个污染区,其中,北部区PM_2.5浓度下降率仅为其他污染区的1/2,推测其PM_2.5浓度下降可能更多地由区域背景浓度的下降贡献;EOF分解前3模态累积方差贡献率达93%,分别可表征PM_2.5总体污染程度、在南北方向上的区域输送特征及由外围区域向中心城区聚集的 污染特征.     

华山地区PM2.5中无机离子垂直分布特征

2016年夏季在华山山腰及山脚设两个采样点（垂直高程相差约700 m）,运用大流量采样器进行每4 h 1次PM_2.5样品采集,对其无机离子进行分析,探讨其浓度、组成、垂直变化、日变化及酸度的特征.结果表明：采样期间,华山山腰及山脚的PM_2.5分别为：（46.9±38.2）μg·m^-3和（76.0±44.3）μg·m^-3,PM_2.5中无机离子分别为：（16.6±15.7）μg·m^-3和（24.0±15.0）μg·m^-3.两个点位无机离子浓度依次为：SO₄^2- > NO₃^- > NH₄⁺ > Ca²⁺.SO₄^2-、NO₃^-、NH₄⁺为主要组分,占华山山腰及山脚大气PM_2.5总离子质量浓度的89%和85%.线性回归分析显示：PM_2.5中的NH₄⁺在华山山腰主要以（NH₄）₂SO₄和NH₄NO₃的形式存在,而在华山山脚主要以NH₄HSO₄和NH₄NO₃的形式存在.华山山腰和山脚PM_2.5及其离子呈现出不同的日变化特征：山腰在12：00~16：00出现峰值,主要是因为边界层抬升和山谷风输送地表污染物的缘故;山脚则分别在白天08：00~12：00和夜晚00：00~04：00出现双峰值,这主要是由于早高峰交通排放增加和夜间大型载货卡车流量增大所致.利用阴阳离子当量平衡法及ISORROPIA Ⅱ模型进一步探讨了PM_2.5酸度特征,结果表明：华山山脚PM_2.5的酸度（pH=2.9±2.0）强于山腰（pH=3.2±2.3）.     

2013年1月邯郸市严重霾天气的污染特征分析

利用河北工程大学大气环境监测站点的PM₁₀、PM_2.5、SO₂和NO_x在线监测数据,并结合能见度、湿度数据,对邯郸市2012年12月1日到2013年1月31日的大气污染状况进行分析,特别是2013年1月持续发生的霾天气,以探讨严重霾污染的过程特征.结果表明,2013年1月,SO₂与NO_x的平均浓度分别为225.3 μg·m^-3和217.8 μg·m^-3,PM₁₀和PM_2.5的平均浓度分别为328.5 μg·m^-3和229.4 μg·m^-3,均超过新颁布的环境空气质量标准,是2012年12月平均浓度的1.4~3.5倍.重污染过程分析结果显示,污染峰值附近几天内PM₁₀、PM_2.5的时均浓度变化无明显规律.累积阶段的PM_2.5/PM₁₀在0.42~0.52之间,峰值前后上升并超过0.70,扩散阶段PM_2.5/PM₁₀降到0.70以下,且呈波动式变化.当PM_2.5/PM₁₀小于0.40时,能见度基本位于2~18 km之间;当PM_2.5/PM₁₀在0.40~0.60之间时,能见度在0.7~8 km之间;当PM_2.5/PM₁₀大于0.60时,能见度分布于2 km以下.     

2016年京津冀地区红色预警时段PM2.5污染特征与浓度控制效果

2016年12月京津冀地区发生一次重污染过程,北京和天津于12月16日20：00至12月21日24：00,河北省（除张家口、承德和秦皇岛）于12月16日00：00至12月22日18：00发布了重污染红色预警.为研究重污染过程与应急措施的控制效果,基于环境监测数据与模型模拟结果对本次重污染过程的污染物浓度、天气形势与气团输送、区域传输和减排效果进行了研究.本次重污染过程中各地市PM_2.5平均浓度均超过200 μg·m^-3,小时均值峰值为834.5 μg·m^-3.重污染期间气象条件非常不利于污染物扩散,低压控制与气团传输加剧了污染过程.各地市平均本地贡献为47.1%,受天气形势影响传输效果存在一定差异.本次红色预警期间京津冀地区PM_2.5浓度平均下降比例为27.6%,减排效果明显.如果提前实施重污染应急措施,可以使PM_2.5下降浓度有一定提升.提前2 d实施可以使PM_2.5浓度平均下降比例增加4.4%,提前3 d以上效果提升不明显.     

北京市2015年森林植被区PM10质量浓度时空变化特征

以北京市大兴区南海子公园植被区与亦庄非植被区为研究对象,对比分析了植被区与非植被区PM₁₀质量浓度日变化、月变化特征及典型天气条件下的变化.结果表明：PM₁₀浓度的日变化趋势基本相同,呈典型的双峰曲线,春、夏季的峰值出现在9：00-10：00和18：00-19：00,秋、冬季的峰值出现在8：00-9：00和18：00-19：00,且秋、冬季PM₁₀浓度高于春、夏季;植被区与非植被区的PM₁₀月变化趋势基本一致,植被区PM₁₀浓度低于非植被区,且2月份PM₁₀浓度最大;各季节优良天气排序为夏季（42.60%）> 秋季（31.10%）> 春季（26.43%）> 冬季（15.17%）,中度及以上污染天气所占比例排序为冬季（55.52%）> 春季（27.57%）> 秋季（17.77%）> 夏季（3.58%）;PM₁₀浓度随降雨强度的增加呈减小的变化趋势,雨前12 h的PM₁₀浓度均值表现为植被区（106.43 μg·m^-3）<非植被区（157.39 μg·m^-3）,雨后12 h的PM₁₀浓度均值表现为植被区（50.96 μg·m^-3）>非植被区（38.41 μg·m^-3）;PM₁₀浓度随风速的增大呈减小的变化趋势,风后12 h的非植被区PM₁₀浓度削减率均值是植被区的1.23倍,且PM₁₀浓度削减率均处于较高水平;PM₁₀浓度随空气湿度的增大呈增大的变化趋势,随温度的升高呈减小的变化趋势.研究结果对进一步治理和控制北京市大气污染有参考价值.     

北京市2014~2020年PM2.5和O3时空分布与健康效应评估

细颗粒物（PM_2.5）和臭氧（O₃）是我国的主要大气污染物,严重危害人群健康.北京市自2013年以来大力开展大气污染治理工作,现已取得显著成效.通过分析2014~2020年北京市34个大气环境监测站的PM_2.5和O₃浓度变化特征并评估大气污染防治的健康效应,对推进大气污染防治具有重要意义.结果表明,2014年北京市PM_2.5年均值和4~9月平均O₃日最大小时（O_{3_max}）值分别为92.0 μg·m^-3和81.9 nmol·mol^-1.2014~2020年PM_2.5平均每年降低7.5 μg·m^-3,但是O_{3_max}持续偏高.在季节尺度,冬季的12月和1月PM_2.5浓度最高,夏季的8月浓度最低.相反地,O_{3_max}在每年6月浓度最高.PM_2.5浓度日变化规律为,夜间22：00至次日00：00最高,14：00~16：00最低.而O₃浓度在07：00最低,随后逐步升高并在午后达到最高.在空间分布上,PM_2.5在2014和2019年都呈现南高北低的趋势,O_{3_max}在全市范围内均较高,仅在道路区域偏低.大气污染对人群健康影响的评估结果表明,2014年北京市与PM_2.5相关的心血管和呼吸道疾病超额死亡人数分别为1580人和821人,与O₃相关的呼吸道疾病超额死亡人数为2180人.2019年与PM_2.5相关的超额死亡人数仅为2014年的50%,而与O₃相关的超额死亡人数与2014年持平.北京市细颗粒物治理成效显著,但是O₃污染问题凸显,O₃已经成为危害北京市居民健康的首要大气污染物.未来需要加强PM_2.5和O₃协同治理.     

南京江北2014-2016年PM2.5质量浓度分布特征及气象和传输影响因素分析

利用2014-2016年南京江北地区PM_2.5质量浓度和气象要素的小时数据,并结合HYSPLIT模式后向轨迹聚类分析和PSCF法分析了PM_2.5质量浓度的污染特征及其主要影响因素和主要来源特征.结果表明：2014-2016年PM_2.5质量浓度呈逐年下降趋势,下降幅度约为17.40%,由2014年的62.1 μg·m^-3下降至2016年的51.2 μg·m^-3,能见度由2014年的5.8 km上升至2016年6.6 km.PM_2.5质量浓度存在显著的月变化和季节变化特征,1月浓度最高,可达93.0 μg·m^-3;8月浓度最低,仅为38.8 μg·m^-3;冬季浓度最高,可达76.8 μg·m^-3,夏季浓度最低,仅为47.1 μg·m^-3.不同季节日变化均为单峰型分布.气象要素对PM_2.5质量浓度的影响较大,不同相对湿度下能见度和PM_2.5质量浓度具有较好的拟合关系.霾和非霾天PM_2.5质量浓度的阈值为15 μg·m^-3.不同季节的主导气团不同,春季主导气团为偏北气流和偏东气流,占比分别为43.50%和30.80%;夏季主导气团以东部气流为主,占比约为68.22%;秋季和冬季主导气团为来自北方的气流,总占比分别为83.52%和100%;偏北内陆气团PM_2.5质量浓度较大,偏东海洋性气团PM_2.5质量浓度较低.PM_2.5质量浓度潜在源区春冬季潜在源区范围较大,夏秋季潜在源区范围较小,季节变化显著.春季潜在来源主要分布在安徽、江西北部、江苏南部和浙江北部等地区,夏秋季分布在安徽东部、浙江北部和江苏南部等地区,冬季分布在安徽、河南东部,山东和江苏等地区.     

2013-2014年河南省PM2.5浓度及其来源模拟研究

随着城市化和工业化水平的逐渐提高,河南省的空气污染问题也日益严重.利用嵌套网格空气质量模式（NAQPMS）,数值模拟了2013年7月-2014年6月年河南省大气细颗粒物及其前体物（NO₂、SO₂、PM₁₀、PM_2.5）的地面浓度,并量化了其主要来源.结果表明：模式能够较好地再现污染物的时空演化特征.整体来讲,河南省PM_2.5的高值区集中在中部和北部地区,呈现冬季高、夏季低的特点.在线源解析模拟发现,河南省不同地区PM_2.5的来源有所不同,中西部地区主要来自于本地,而在东部和北部地市,来自周边省份的区域输送更为显著,其贡献达到40%～50%,且在PM_2.5浓度的高值区更为明显.就行业贡献而言,居民源、工业源和机动车排放是河南省PM_2.5浓度的主要来源,其浓度贡献分别为23.7 μg·m^-3（贡献比例24%,下同）、20.6 μg·m^-3（21%）和21.3 μg·m^-3（22%）,电厂、农牧业和地面扬尘的浓度贡献分别为7.0 μg·m^-3（7%）、8.7 μg·m^-3（9%）和17.8 μg·m^-3（18%）.受居民源影响最大的地区是河南中东部和北部地市,其贡献达到PM_2.5浓度的27%、27%和25%.工业源影响最大的地区集中在太行山南部地市,其浓度贡献为26.4 μg·m^-3（24%）,在其他地市的贡献为17%～23%.机动车对河南东部影响最为显著,其浓度贡献为22.9 μg·m^-3（24%）.电厂和农畜牧业对全省PM_2.5的贡献分布比较均匀,分别为6%～9%和8%～10%.分析不同浓度下的PM_2.5来源,发现工业源和扬尘贡献随PM_2.5浓度增加逐渐降低,而居民源和机动车排放的贡献则有所增加,在PM_2.5浓度高于100 μg·m^-3期间,达到22%和20%.     

天津市道路环境大气颗粒物水溶性无机离子分析

大气颗粒物,尤其是其中的水溶性无机离子,对人体危害很大.天津市大气污染中机动车尾气污染相对较高,为探究不同道路类型下水溶性无机离子的污染特征,于2015年4~5月对天津市四类道路类型分别进行大气颗粒物PM_(2.5)和PM_(10)采样及水溶性离子组分分析,并运用皮尔森相关性分析、水溶性离子比值关系分析及主成分分析方法进行探讨.结果表明,天津市水溶性无机离子主要集中在细颗粒物中,不同离子在不同道路下所占质量分数差异很大,二次污染相对较重;二次离子是水溶性无机离子的重要组成部分,在细颗粒物中含量相对较高,在PM_(2.5)中的含量是PM_(10)中的1~2倍左右;K~+、Mg~(2+)、Na~+与Ca~(2+)之间有较高的同源性;各道路PM_(2.5)和PM_(10)第一贡献因子均是燃烧和二次污染的混合源,第二贡献因子主要为扬尘与交通混合源.     

基于1 km网格的天津市二氧化碳排放研究

中国城市建制及地理边界特征使得国际城市CO2排放的关键问题在中国难以深入研究.例如,城市排放占比,城市与周边区域排放差异等.本文基于天津市CO2排放的1 km网格,分析天津市CO2排放的空间特征,探讨天津市不同城市范围的CO2排放水平,并与纽约市进行对比分析.结果显示,2007年天津市市域内CO2排放总量为12599万吨,人均排放11.30 t.天津市市域CO2排放的空间格局是从中心6个城区向外单位网格排放量逐渐降低.CO2排放在空间上具有显著的正空间自相关性,中心6个城区、滨海新区及郊区县中心镇的CO2排放对其周边区域CO2排放影响显著,天津市狭义城市人均CO2排放量为4.71 t,低于纽约市的6.33t;狭义城市范围1排放占总排放的比例为69.26％,略高于纽约市的59.70％.以狭义城市为城市范围时,天津城市及周边区域人均CO2排放的空间特征与发达国家城市的排放特征研究结论一致,都是从城区—郊区—周边区域,人均排放水平逐渐升高;在此范围下,天津城市CO2排放仅占全市域的14.00％.     

南昌市土壤风沙尘PM2.5中水溶性离子分布特征及来源初探

为了解南昌市土壤风沙尘PM_(2.5)中水溶性离子的分布特征,利用颗粒物再悬浮采样器采集土壤风沙尘的PM_(2.5)样品,并采用离子色谱仪分析了9种水溶性离子的含量。结果表明,土壤风沙尘PM_(2.5)中9种水溶性离子的含量之和为11. 126±2. 703 mg/g,阳离子中平均含量最高的是Ca~(2+)(1. 684±0. 545 mg/g),阴离子中最高的是SO_4~(2-)(3. 568±1. 553 mg/g)。SO_4~(2-)、NO_3~-、Ca~(2+)和Cl~-是土壤尘PM_(2.5)中的主要离子组成,占总离子浓度的80. 60%。与其他城市对比,南昌市土壤风沙尘PM_(2.5)中离子基本处于较低水平。阴阳离子当量浓度比值为1. 26,表明土壤风沙尘的PM_(2.5)颗粒为弱酸性。空间插值分析表明南昌市西南部土壤尘PM_(2.5)中的离子含量分布相对较高,而东部及北部多处于较低水平。相关性分析表明Na~+、F~-和NH_4~+具有同源性,K~+与其他离子都不相关。NO_3~-/SO_4~(2-)的比值介于0. 26～0. 97间,整体上反映出固定源对土壤风沙尘PM_(2.5)的影响更显著。     

苏锡常地区PM2.5污染特征及其潜在源区分析

利用2014年12月—2015年11月苏锡常地区国控大气环境质量监测站发布的逐时数据,分析了研究区PM_(2.5)浓度的季节变化和空间分布特征,并利用HYSPLIT模型分析了大气污染物的输送路径及苏锡常地区PM_(2.5)的潜在源区.结果表明,苏锡常地区PM_(2.5)浓度日均值变化趋势基本一致,均呈现冬季高、夏季低的规律.PM_(2.5)浓度四季空间差异显著,不同监测站之间的差异较小.四季PM_(2.5)浓度与其它污染物之间相关性显著.单位面积污染物排放量与空气质量分布的空间错位,表明该地区PM_(2.5)污染与区域性污染物迁移有较大关系.苏锡常地区气流后向轨迹季节变化特征明显,冬、春、秋季的气流主要来自西北内陆地区,夏季气流以东南和西南方向输入居多.聚类分析表明,来自内陆的污染气流和来自海洋的清洁气流是苏锡常地区两种主要输送类型,外源污染气流不仅直接输送颗粒物,还贡献了大量的气态污染物.山东南部、江苏西部、安徽东部、浙江北部及江西西北地区对苏锡常冬季PM_(2.5)浓度贡献较大,春、夏、秋季的潜在源区主要分布在苏锡常本地和周边城市.     

中国臭氧时空分布特征及与社会经济因素影响分析

本文根据2015～2017年中国大陆338个城市空气质量监测站臭氧(O_3)浓度数据,综合利用空间插值法、全局自相关法和地理加权回归模型(GWR),探讨了O_3浓度的时空变化特征及其与社会经济因素的关系。结果表明,2015～2017年中国大陆338个城市的O_3日最大8小时浓度为2～300μg/m~3,其中超标天数比例为5. 9%,323个城市达标率在85%以上; O_3月均值变化曲线基本呈"单峰状",5月达到峰值,12月最低; O_3浓度季节变化为夏季春季秋季冬季; O_3日变化特征为夜间到清晨O_3浓度很低,上午8∶00左右开始升高,下午16∶00达到峰值;中国华北地区、华东地区和华中地区O_3污染严重,华南地区、西南地区、西北地区和东北地区整体污染较低。O_3浓度在全国尺度上的集聚性呈上升趋势,GWR表明,人口密度、人均私家车保有量与O_3浓度显著正相关,第一产业占比与O_3浓度显著负相关。     

山东省O3时空分布及影响因素分析

为认识山东省环境空气中O3的污染现状,基于2015～2019年国省控环境空气自动监测站的O3监测数据、2019～2020年4～9月气象代表站的气象数据及邻近环境空气站的O3监测数据,探究了山东省O3时空分布特征及与气象因素的关系.结果表明,山东省O3污染日益突出,年均ρ(O3-8h)(90百分位)和ρ(Ox)(O3 与NO2之和)升高速率分别为7.6μg·(m3·a)-1和7.0μg·(m3·a)-1,年均ρ(PM2.5)、ρ(CO)(95百分位数)和ρ(NO2)均逐步下降,下降速率均小于ρ(O3)上升速率.03污染呈现夏季高冬季低的"M型"或"倒V型"月变化特征,在6月或9月达到峰值,且污染月呈提前出现趋势.山东省年均ρ(O3-8h)(90百分位)呈现"内陆高,沿海低"的特点,并有区域均匀性发展趋势.相关性分析表明,山东省ρ(O3-8h)总体与日最高温度呈正相关,与相对湿度、气压和风速呈负相关,其中日 最高温度和相对湿度是O3-8h主控气象因子,气象因素对不同城市O3-8h超标率的影响具有显著差异.     

2014年泉州市区PM2.5浓度的时空变化特征分析研究

基于2014年泉州市区环境空气自动监测站的PM2.5、PM10等监测数据,讨论市区PM2.5的时空分布特征.结果表明,泉州市区PM2.5浓度存在较为明显的时空分布特征.(1)时间分布特征:PM2.5的年均值为34μg/m3,月均值最大值出现在1月,最小值出现在7月;PM2.5浓度冬季最高,夏季最低,春冬两季明显高于夏秋;PM2.5/PM10最高值出现在2月,最低值出现在7月;PM2.5/PM10冬季最高,夏季最低.(2)空间分布特征:3个监测点位中,PM2.5浓度涂山街最高,津头埔略低,万安最低;PM2.5/PM10万安最高,涂山街略低,津头埔最低.时间分布特征与气象条件有一定关系,而空间分布特征与建成区的建成时间先后、地理位置差异等有一定关系.     

重庆市冬季PM_(2.5)及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.     

中国典型城市群PM2.5污染特征研究进展

为进一步梳理近年来我国城市区域大气PM_2.5污染防治方面的研究成果,基于我国31个城市PM_2.5污染现状,以城市群为视角,总结了京津冀城市群、长三角城市群与川渝城市群PM_2.5组成与污染特征,分析了PM_2.5及其含碳气溶胶、水溶性无机离子、地壳元素等的整体特征,并在城市群间进行对比分析.结果表明:①3个城市群的ρ（PM_2.5）高低顺序依次为京津冀城市群>川渝城市群>长三角城市群,长距离传输使PM_2.5污染成为京津冀城市群、长三角城市群与川渝城市群面临的共同问题.②3个城市群的PM_2.5中均以SNA和OC为主,尽管ρ（PM_2.5）水平有下降趋势,但个别污染物（如SNA）略呈上升趋势.③京津冀城市群与川渝城市群的ρ（OC）接近,并且均高于长三角城市群的80%,较高的ρ（OC）/ρ（EC）反映我国城市群普遍存在SOC污染.④各城市群PM_2.5监测网（如监测时间和采样方法）发展水平迥异,城市群之间的相互影响和传输机制尚不清楚.建议今后的研究向以下几个方面扩展:①对城郊乡村等大气背景点,以及水库、湖泊等地化循环的重要源汇区域开展研究.②针对同一区域开展采样时段更长且研究方法和分析手段上保持一致的研究.③借用国外经验公式时需考虑我国国情,对基础研究方法开展一系列优化,建立符合我国国情的标准化研究方法.      

太原市空气颗粒物中正构烷烃分布特征及来源解析

为明确城市空气颗粒物中正构烷烃分布特征及污染来源,采集采暖和非采暖季环境空气PM10样品和典型排放源(高等植物、燃煤和机动车)样品,利用GC-MS测定正构烷烃,选取诊断参数并结合污染源排放特征讨论PM10中正构烷烃分布和来源,采用主成分分析法定量解析源贡献率.结果表明,环境空气PM10中正构烷烃含量呈较强时空变化,采暖和非采暖季浓度分别为213.74~573.32 ng·m-3和22.69~150.82 ng·m-3,前者总浓度最高是后者的18倍;采暖季郊区点位(JY、JCP、XD和SL)浓度均高于市区,以JY最高(577.32 ng·m-3),非采暖季工业区(JS)总烷烃量(150.82 ng·m-3)明显高于其它点位,是SL总量的7倍.采暖季化石燃料来源烷烃(C n≤C24)与总烷烃量相关性优于植物来源烷烃(C n≥C25),非采暖季相反,表明前者化石燃料输入较后者高.CPI和%WNA指示非采暖季植物贡献率较采暖季高,且植物蜡烷烃随环境压力的增大总产率增加;C max和OEP表明非采暖季PM10中有机质成熟度低于采暖季;两季样品TIC图均存在UCM鼓包,机动车尾气是该城市的重要污染源.PCA解析结果表明太原市环境空气PM10中正构烷烃首要排放源为机动车尾气和高等植物,约占51.28%;其次为煤烟尘,贡献率为43.14%.煤烟尘污染控制协同机动车尾气净化措施的完善将成为降低城市空气颗粒物中正构烷烃浓度的有效途径.