平顶山市大气PM10、PM2.5污染调查

于2003年12月-2004年11月对平顶山市城区大气PM10、PM2.5污染进行了调查.结果表明,2004年大气PM10、PM2.5质量浓度分别为0.031 mg/m3～0.862 mg/m3、0.019 mg/m3～0.438 mg/m3;年均值分别为0.174 mg/m3、0.114 mg/m3,超标0.74倍、6.60倍.PM10、PM2.5污染的季节变化趋势是以冬季、春季高,秋季次之,夏季最低,细颗粒(PM2.5)约占PM10 65%;As、Pb、Cd、S、Zn、Cu、Mn、Ca等元素是颗粒物中主要污染元素,易在PM2.5中富集.平顶山市大气颗粒物污染的主要来源有煤炭燃烧、汽车尾气、城市基础建设和有色金属冶炼行业.     

合肥市春季大气PM10和PM2.5中碳组分的污染特征

2014年4月,应用热/光碳分析仪测定合肥市春季大气PM10和PM2.5中的有机碳（OC）、元素碳（EC）。结果显示,PM10、PM2.5的平均质量浓度分别为(124.0±34.3)μg/m3和(96.3±29.2) μg/m3,PM10中OC、EC的平均质量浓度分别为(15.1±5.5)μg/m3和(6.0±2.1) μg/m3,PM2.5中OC、EC的平均质量浓度分别为(12.1±3.5）μg/m3和(5.5±2.1) μg/m3。OC、EC在PM2.5中所占的比例均高于在PM10中的比例,说明合肥市春季PM2.5中碳的含量更高。通过分析8个碳组分及OC/EC比值,发现燃煤、机动车尾气和生物质燃烧是主要贡献源; OC易形成二次污染,EC排放以焦炭为主。     

南京市冬季PM2.5中水溶性离子污染特征研究

基于城市超级站对2018年12月—2019年2月南京市在线水溶性离子污染特征进行研究。结果表明：监测期间水溶性无机离子(WSIs)质量浓度均值为45.7μg/m3,占PM2.5的67.8%,各离子排序为NO3-＞ SO42-＞NH4+＞Cl-＞K+＞Ca2+＞Na+＞Mg2+。二次离子（SNA）是PM2.5主要组分,大气气溶胶呈中性。各离子日变化存在差异,SNA变化趋势和WSIs基本一致。南京市冬季存在明显SO2和NO2向SO42-和NO3-二次转化;NO3-/SO42-均值为1.96,移动源增量大于固定源。通过相关性和三相聚类分析可知,SNA主要结合方式为(NH4)2SO4和NH4NO3。主成分分析表明,南京市冬季PM2.5中水溶性离子主要来源是二次转化,燃煤、生物质燃烧和土壤建筑扬尘也有贡献。     

北京地区气象条件与区域传输对PM2.5浓度影响研究

通过采用KZ（Kolmogorov Zurbenko）滤波统计方法,结合WRF/CMAQ数值模型情景分析技术,定量分析气象条件和区域传输对北京市PM2.5浓度的影响。结果显示: 2018年7月—2019年6月,北京市PM2.5平均质量浓度为46.0 μg/m3,气象条件同比偏差6.9%,外来传输平均为43.7%。从日变化上看,外来传输在早晚高峰期间明显下降,体现出本地机动车排放贡献明显上升的特点,气象条件对PM2.5浓度的影响主要表现为白天整体有利于污染物扩散,夜间气象条件转为偏不利的特征。2018年10月—2019年3月秋冬季期间,气象条件同比偏差3.3%,在气象条件较为不利和区域同比反弹的情况下,北京市PM2.5浓度持续走低,主要为源减排的效益。     

城市大气中PM2.5污染控制的意义与途径

论述了控制城市大气中PM2.5污染的意义。在剖析PM2.5组成与来源的基础上。分析了控制PM2.5的途径，并对今后的研究提出了一些看法。     

基于机器学习的长株潭城市群PM2.5重污染预报

为提高PM2.5重污染的预报准确率,融合气象和环境资料、前期观测和后期数值天气预报数据、地面和高空预报因子,建立预报时效较长且准确度较高的机器学习模型库。以长株潭城市群的PM2.5重污染天气预报为例,将数据预处理、特征工程、算法优选、超参数调优等技术方法运用于模型中,建立的重污染预报机器学习模型库可预报PM2.5浓度和等级,预警4 d内的PM2.5重污染。为增强模型的透明度,对其进行可解释性研究。事前可解释性分析表明,PM2.5浓度预报模型存在事前三特性：前期要素比后期要素重要,环境要素比气象要素重要,地面要素比高空要素重要;事后可解释性分析表明,常德2022年1月18日的重污染天气过程受上游传输和本地污染累积的共同影响,其中传输的作用稍大。     

合肥市春季大气PM10和PM2.5中碳组分的污染特征

选取桂林市5个代表性监测点,采用单颗粒气溶胶飞行时间质谱仪在线分析该市夏季大气PM2.5的化学组成及化学成分分布。结果表明： 5个监测点,＞80%的PM2.5分布在0.2 μm～1.0 μm的小粒径范围,＜20%的PM2.5分布在1.0 μm～2.5 μm大粒径范围; 大气PM2.5中离子成分包含Na+、K+、NH+4、C2H3+/Al+、Fe+、HSO-4、NO-3、NO-2、CNO-、CN-、SO-3、O-和元素碳离子; PM2.5中离子按成分特征可分为元素碳、有机碳、元素碳有机碳混合颗粒、富锰颗粒、富铁颗粒、富钾颗粒、矿物质、左旋葡聚糖以及其他金属等9类,各监测点元素碳占比均超过50%; 元素碳与硫酸盐、铵盐、硝酸盐发生内混合的程度极高,其中各监测点元素碳与硫酸盐混合程度最高,均达到90%左右。     

昌吉市大气中PM2.5在线源解析及其对策研究

为探讨昌吉市大气颗粒物污染特征及分布状况,2017年1月1日至2月16日利用广州禾信分析仪器有限公司SPAMS-0515单颗粒气溶胶飞行时间质谱仪,对昌吉市2个具有代表性的监测点位,选择全年污染较严重的冬季进行1个月的自动源解析监测工作.结果显示:昌吉市污染来源主要为扬尘、生物质燃烧、机动车尾气、燃煤、工业源、二次无机...     

百色市PM10和PM2.5中有机碳和元素碳污染特征及来源解析

2015—2016年在百色市布设3个采样点采集PM_(10)和PM_(2.5)样品,分析其中有机碳(OC)和元素碳(EC)的含量。结果表明,PM_(10)和PM_(2.5)中OC、EC四季均值分别为15.0μg/m~3、5.55μg/m~3和11.7μg/m~3、4.72μg/m~3;OC与EC相关性不显著,存在不同的污染来源;OC/EC值多数2,存在二次污染,主要来源于柴油、汽油车尾气和燃煤的排放。由总碳质气溶胶(TCA)和8个碳组分丰度分析可知,百色市碳气溶胶(CA)来源于汽车尾气、道路扬尘、燃煤的排放。二次有机碳(SOC)在OC中的占比均75%,表明百色市大气颗粒物中OC以SOC为主,夜间污染重于昼间。     

春节期间烟花爆竹燃放对乌鲁木齐市区PM2.5及其组分影响分析

为了解春节期间烟花爆竹燃放对乌鲁木齐市区PM2.5及其组分的影响,利用超级站在线监测仪器(包括颗粒物分析仪、在线离子色谱、激光雷达和重金属分析仪)对环境空气中的PM2.5浓度、颗粒物水溶性离子和重金属浓度进行连续监测.结果表明,大量烟花爆竹的集中燃放造成了PM2.5短时严重污染,最高质量浓度达到了423μg/m3.烟花...     

2014年春季上海典型生物质燃烧污染过程分析

针对2014年5月末华东地区出现的大范围秸秆焚烧污染事件(BB),利用上海浦东超级站多种在线监测数据,并结合卫星遥感、数值模拟等方法,对污染期间前(BB-前)、中(BB-中)、后(BB-后)的时空演化进程进行了分析。结果表明,期间平均ρ(PM2.5)和ρ(BC)分别由BB-前的24.3和1.24μg/m3攀升至BB-中的111.90和5.38μg/m3,小时峰值出现在5月27日,达到238.0和15.1μg/m3,BB-后虽有显著好转,但\"翘尾\"现象明显,ρ(PM2.5)和ρ(BC)为34.6和1.49μg/m3;在空气污染扩散不利条件下,生物质燃烧污染会加重其他多种污染物的污染水平;农田秸秆燃烧烟羽的传输受气象条件所限,使得上海外围火点的多寡与城市污染的水平无必然联系。     

上海市交通路边空气污染特征研究

通过比较2015年上海市5个交通空气质量监测点与附近环境监测点的监测数据,分析该市交通路边空气污染特征。结果表明:上海市交通空气污染水平总体高于环境站点,特别是黑碳(BC)、非甲烷总烃(NMHC)和苯系物(BTX)等特征污染因子;常规污染物及BC和BTX等特征因子均表现为冬季高于夏季;交通站NOx浓度明显高于环境点位,早晚高峰非常明显;交通站点的BC和BTX日变化的早晚高峰趋势比环境站点更加显著。     

气溶胶PM2.5中内分泌干扰物酞酸酯类的研究

通过选择17种酞酸脂的目标化合物的特征离子对PM2.5样品进行特征离子的扫描,有效建立了高灵敏度的PM2.5酞酸脂类(PAE)的GC-MS-SIM的测定方法;检出限均达到了ng级的水平。气溶胶PM2.5中酞酸脂类(PAE)的污染特征:清洁对照点以邻苯二甲酸二丁酯(DBP)为主;二类区以邻苯二甲酸二(2-乙基己基)酯(DEHP)和邻苯二甲酸二丁酯(DBP)占主导成分。     

杭州市大气细颗粒物PM_(2.5)中多环芳烃含量特征研究

按季节对杭州市大气细颗粒物PM2.5中16种多环芳烃(PAHs)的含量在2006年进行了为期一年(样本数n=47)的测定分析.研究表明,杭州市大气PM2.5中PAHs总浓度为40.66ng/m3,以中环或高环为主,分别占总PAHs的32.23%和47.6%;云栖点位(位于风景名胜区内)PM2.5中PAHs浓度高于朝晖点位(位于商业居民混合区);季节变化呈现春季高,秋季低的特点;PM2.5中苯并[a]芘等效毒性(BEQ)为4.50;PM2.5中PAHs的来源不是单一的.     

福州市春、冬季霾日与非霾日PM_(2.5)及碳气溶胶污染水平与特征

分析和探讨了福州市春、冬季霾日和非霾日PM2.5、OC和EC的污染特征,福州市五四北和紫阳两点位春、冬季PM2.5、OC、EC霾日的浓度水平明显高于非霾日,霾日对PM2.5、OC及EC的影响程度相一致;PM2.5最高值均出现在霾日,并超过美国USEPA日均值65μg/m3的标准;春季的OC高于冬季,OC/EC的比值>2.0,表明存在次生有机碳SOC,福州市区春、冬季SOC分别占OC的37%和28%,OC占PM2.5的比例为15%～26%;作为一次气溶胶的元素碳EC在大气中的浓度水平较为稳定,OC占PM2.5的比例为4%～5%;福州市环境空气中的OC和EC具有相同的来源,主要为移动污染源.     

鞍山市环境空气颗粒物中重金属元素分布特征

研究了鞍山市环境空气中可吸入颗粒物(PM10和PM2.5)中重金属元素分布特征,结果表明鞍山市环境空气可吸入颗粒物中Zn、Pb、Al、Cu四种金属总和所占21种元素比例近85%。重金属元素在不同粒径颗粒物中的浓度水平有明显差别,更易富集在细颗粒物PM2.5上。     

宁波市PM10、PM2.5中水溶性无机阴离子浓度水平及分布特征

研究了宁波市PM10、PM2.5中无机阴离子浓度水平及分布特征。结果表明,PM10中Cl-为1.00μg/m3,具有较明显的海洋特征,SO24-、NO3-离子浓度为9.90、3.70μg/m3;Cl-主要存在于粒径为2.5-10μm的颗粒物中,而NO3-、SO42-主要存在于PM2.5中,成为PM2.5的重要组成部分。PM10中水溶性无机阴离子季节变化明显,呈冬天高,夏天低的趋势。     

杭州市大气PM2.5和PM10污染特征及来源解析

2006年在杭州市两个环境受体点位采集不同季节大气中PM2.5和PM10样品,同时采集了多种颗粒物源类样品,分析了其质量浓度和多种化学成分,包括21种无机元素、5种无机水溶性离子以及有机碳和元素碳等,并据此构建了杭州市PM2.5和PM10的源与受体化学成分谱;用化学质量平衡(CMB)受体模型解析其来源。结果表明,杭州市PM2.5和PM10污染较严重,其年均浓度分别为77.5μg/m3和111.0μg/m3;各主要源类对PM2.5的贡献率依次为机动车尾气尘21.6%、硫酸盐18.8%、煤烟尘16.7%、燃油尘10.2%、硝酸盐9.9%、土壤尘8.2%、建筑水泥尘4.0%、海盐粒子1.5%。各主要源类对PM10贡献率依次为土壤尘17.0%、机动车尾气尘16.9%、硫酸盐14.3%、煤烟尘13.9%、硝酸盐粒8.2%、建筑水泥尘8.0%、燃油尘5.5%、海盐粒子3.4%、冶金尘3.2%。     

北京清华园采暖前与采暖期PM10中含碳组分的理化特征

采用美国rp公司生产的Series5400大气颗粒物碳质组分监测仪对清华园PM10中的碳质组分进行了连续在线监测(2002年9月~11月)。结合PM2.5中碳质组分浓度、PM10的浓度和气象数据,分析了碳质组分的污染特征。结果表明,采样期间清华园大气PM10中有机碳(OC)、元素碳(EC)的日平均质量浓度分别在4.07~65.81μg/m3、0.96~26.14μg/m3之间变化,平均值分别为20.8±12.1和7.0±5.1μg/m3。OC在总碳(TC)中占有很大比例,OC/TC平均值为75.84%;TC在PM10中的含量平均为25.0%。本文对9~10月份(秋季)和11月份(初冬)OC、EC的相关性分别进行了分析,结果表明OC、EC之间具有良好的相关性,9月份和10月份相关性系数(R2)为0.83;11月份为0.90。二次生成的OC(OCsec)浓度估算结果表明,9、10月份OCsec在OC中的比例(60.7%)比11月份(38.5%)大。碳质组分主要集中在细颗粒物中,PM10中的OC有70.3%存在于细颗粒物PM2.5中,TC则有58.6%存在于PM2.5中。     

广州市大气细粒子的化学组成与来源

对广州市四个不同功能区(石井、荔湾、天河和海珠)的夏季大气PM2.5进行了为期一个月的监测,并测试分析了其化学组成(有机碳/元素碳、水溶性离子和元素)。结果表明,广州市夏季PM2.5的平均浓度为97.54μg/m3,其化学组分有机物、SO42-和EC对PM2.5质量浓度贡献最大,分别占PM2.5质量浓度的42%~52%、25%~47%和10%~17%。化学质量平衡模型研究表明,机动车排放和煤燃烧是对广州市大气PM2.5影响最大的污染源,其贡献率分别为54%~75%和32%~52%。