新疆准噶尔盆地南缘一次典型沙尘污染特征分析

沙尘对空气质量特别是空气中TSP,PM_(10)和PM_(2.5)浓度有重要影响。为探讨沙尘对空气质量的影响,在位于准噶尔盆地南缘荒漠-绿洲交错带的准噶尔生态环境观测站开展了近地面空气颗粒物的连续监测实验及气象观测实验;结合HYSPLIT模型对典型沙尘事件中空气颗粒物的运动轨迹进行模拟;分析了沙尘全过程空气颗粒物分布特征及颗粒物的输送特征。结果表明:在2015-09-13日的沙尘事件对空气中颗粒物TSP、PM_(10)和PM_(2.5)的浓度分布产生影响严重,TSP、PM_(10)和PM_(2.5)的质量浓度分别达到了412μg/m~3、354μg/m~3和190μg/m~3,远超过了国家二级空气质量标准;TSP、PM_(10)和PM_(2.5)的质量浓度显著相关,其中PM_(2.5)和PM_(10)的相关系数达0.993,颗粒物轨迹分析显示,沙尘主要来源于北面的古尔班通古特沙漠,为大风输送所致。     

秦皇岛空气污染特征及其与气象因素的关系

利用国控站点空气监测数据和气象数据,对2016年秦皇岛市空气污染特征及其与气象因素的关系进行了分析。结果表明:2016年秦皇岛市NO_2、PM_(10)和PM_(2.5)浓度未达到国家二级标准限值,污染物浓度季节变化规律明显,SO_2峰值出现在1月,O_3峰值出现在5月,PM_(10)、PM_(2.5)、NO_2和CO浓度峰值均出现在12月。污染物在西南偏西风时污染程度较高。PM_(10)、PM_(2.5)、SO_2、CO浓度受风速影响较小,NO_2、O_3浓度受风速影响较大。颗粒物浓度受湿度影响较大,随湿度增加而增大。     

气象因素对成都市主要大气污染物影响的非参数分析

通过获取2014年成都市大气污染物和气象因素的在线监测数据,分析大气污染物的时间变化规律,并采用Spearman秩相关系数来分析污染物逐日浓度和气象因素的相关性。结果显示,SO_2、NO_2、CO、PM_(10)和PM_(2.5)夏季浓度最低,冬季最高,O_3则夏季最高,冬季最低;受秸秆露天焚烧影响,5月各污染物浓度均出现一个小高峰。温度和风速均与O_3显著正相关,与其他污染物显著负相关;大气压则相反;相对湿度与各污染物均显著负相关,但在严重污染时与颗粒物显著正相关。     

潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

四川省近年来空气质量变化趋势及污染特征分析

采用2013～2017年四川省环境空气质量监测数据,按照国家最新标准及技术规范分析空气质量变化趋势及污染特征。结果表明:四川省城市空气质量总体逐年好转,优良天数率在80%左右波动上升;PM_(10)和SO_2浓度高于全国平均下降率;PM_(2.5)浓度与全国平均下降率持平;NO_2浓度在2017年开始反弹明显;细颗粒物二次转化问题突出,PM_(2.5)/PM_(10)比例在62%左右;NO_2/SO_2逐年上升,大气氧化性逐年增强;21个城市O_3第90百分位浓度平均升幅为10.7%,O_3造成的污染天数逐年上升。大气污染形势的变化表明加大对VOCs和NO_X的协同减排刻不容缓。     

万盛大气污染特征分析及污染预报模型的建立

利用2017年4月1日～2019年3月31日万盛经开区万东北路站点的空气质量日均值监测数据进行分析发现,万盛大气污染具有很强的季节变化特征,冬半年主要污染物为PM_(2.5),夏半年主要污染物为O_3,冬半年污染重于夏半年,颗粒物污染重于O_3污染。万盛污染以轻度污染为主,仅有冬季会出现中度以上污染天气,其首要污染物均为PM_(2.5)。利用多元回归模型和差分自回归移动平均模型(ARIMA)建立了万盛PM_(2.5)、PM_(10)与O_3的预报模型。通过对模型得出的预报值与实况值的比较来看,预报与实况的变化趋势基本一致,均可以较好的指示未来AQI的变化趋势。多元回归预报模型中,O_3的预报效果要远好于PM_(2.5)和PM_(10);而ARIMA预报模型三者预报效果接近。总体来说,ARIMA (p,d,q)预报模型对颗粒物污染的预报效果要远好于多元回归预报模型,而O_3则两种模型预报效果接近。     

基于支持向量机和树叶磁学的大气颗粒物浓度模拟

在南京市仙林地区采集桂花、雪松及女贞树叶,测试其磁学参数,分析大气颗粒物浓度与树叶磁学参数、气象数据的相互关系,使用支持向量机方法构建大气颗粒物磁学评估模型。结果显示,雪松树叶的质量磁化率(χ)、饱和等温剩磁(SIRM)和非磁滞剩磁(ARM)值最高。3种树叶在夏季和秋季富集了相对较多的细磁畴磁性颗粒物,而在春季和冬季富集了相对较多的粗磁畴磁性颗粒物。PM_(10)和PM_(2.5)浓度与风速、温度和湿度之间显著负相关,与大气压显著正相关;与3种树叶的磁学参数显著正相关,且与χ和SIRM的相关性高于ARM,其中与桂花树叶χ、SIRM的相关系数均高于0.560。将"树叶磁学参数+气象数据"作为输入因子的支持向量机模型对PM_(2.5)浓度的模拟效果较好,将"树叶磁学参数"作为输入因子的模型对PM_(10)浓度的模拟效果较好,模型误差都在可接受范围内。     

山东省冬季一次典型重污染天气过程分析

为研究山东省冬季重污染天气成因，以2020年1月一次典型重污染天气过程为例，基于各类环境空气监测数据和气象监测数据，深入分析污染演变过程、气象条件特征、组分变化特点等。结果表明，静稳高湿的气象条件是污染过程形成的主要气象原因，各市PM_2.5浓度与风速和大气边界层高度均呈显著负相关，但与相对湿度的相关性呈现海陆差异，内陆城市与相对湿度的相关性明显强于沿海城市，因此秋冬季时需准确识别山东省各区域的不利气象条件，并进行针对性预报。在不利气象条件影响下，一次颗粒物不断累积，SO₂、NO_x等气态前体物向硫酸盐、硝酸盐的二次转化均是推高PM_2.5浓度的重要原因，建议在PM_2.5污染期间除管控一次颗粒物排放外，也应加强无机组分前体物SO₂、NO_X排放源的管控。     

燃放烟花爆竹对自贡市环境空气质量的影响分析

利用2016～2019年春节期间自贡市环境空气自动监测系统主要污染物浓度小时及日监测数据,分析燃放烟花爆竹及采取禁燃措施对自贡市空气质量的影响。结果显示:集中燃放烟花爆竹会造成短时空气严重污染,但随着自贡市实行行政辖区内全面禁止销售、燃放烟花爆竹,污染状况明显改善,2019年污染时段在春节期间占比较2016下降45. 6%。颗粒物浓度(PM_(2. 5)、PM_(10))大幅度下降,2019年春节期间PM_(2. 5)和PM_(10)均值分别为73μg/m~3和104μg/m~3,2019年春节期间PM_(2. 5)和PM_(10)均值分别较2016年同期下降了55. 2%和51. 6%。烟花爆竹对PM_(10)和PM_(2. 5)浓度影响明显高于SO_2、CO、O_3、NO_2。春节期间有利的气象因素对自贡市污染物的稀释和扩散具有一定的影响,但禁燃烟花爆竹对颗粒物浓度降低起决定性作用。     

气象因素对长沙颗粒物浓度影响的季节性差异分析

利用回归分析和相关性分析研究气象因素对长沙PM_(2.5)、PM_(10)浓度影响的季节性差异。研究表明:(1)春季,与PM_(2.5)、PM_(10)浓度相关系数最大的气象因子分别为日降水量、日最高气温;夏季均为日最大风速;秋季均为日平均相对湿度;冬季为日降水量、日最高气温。(2)秋季气象因素与PM_(2.5)多元回归分析R~2(P0.01)最大,为0.269;春季次之,R~2为0.159;春、冬季较低,R~20.1;秋季气象因素与PM_(10)多元回归分析R~2(P0.01)最大,为0.572;春、夏、秋季,R~2分别为0.258、0.265、0.252。本结果揭示了不同季节气象条件影响PM_(2.5)、PM_(10)浓度的差异程度,利于提高城市PM10、PM_(2.5)预测的精度水平。     

气象因素对长沙市PM_(2.5)周期性变化规律的影响分析

以长沙市10个城市环境空气自动监测站点2013年的历史监测数据为基础,分析了PM2.5质量浓度的周期性变化规律,并采用非参数分析(Pearson相关性)法,研究了气象因素对长沙市PM2.5质量浓度周期性变化的影响。结果表明,PM2.5日均质量浓度在不同季节的绝对值和变化周期都相差很大。总体上,PM2.5在冬季的浓度高于夏季;PM2.5质量浓度的变化周期在3~8d。在2013年4个典型月份内,温度和风速与PM2.5质量浓度负相关,而湿度和气压与PM2.5质量浓度正相关,相关系数分别为-0.573、-0.395、0.519和0.440。PM2.5周期性变化与区域内大气环境容量相关,而大风、降雨等强对流天气是终结PM2.5变化周期的主要环境因素。     

乐山市重污染应急措施效果评估

利用SMOKE(Sparse Matrix Operating Kernel Emissions)-WRF(Weather Research Forecast)-CMAQ(Community Mualtiscale Air Quality)空气质量模型模拟系统,评估了乐山市不同污染等级下应急措施效果。结果表明:(1)红色预警措施下污染物削减比例最高,可有效减少47.1%SO_2、42.6%NO_X,30.0%PM_(10)以及21.9%VOCs排放;橙色预警措施可减排42.7%SO_2、35.3%NO_X、20.9%PM_(10)以及19.8%VOCs;黄色应急措施可减排40%SO_2、20.1%NO_X、18.8%PM_(10)以及15.5%VOCs;(2)实施红色预警应急措施可有效降低PM_(2.5)浓度8%～9%,实施橙色预警应急措施可有效降低PM_(2.5)浓度8%,实施黄色预警应急措施可有效降低乐山市PM_(2.5)浓度6%～7%,不同预警等级下PM_(2.5)的浓度下降比例差异不大;(3)红色预警下工业源管控力度显著大于橙色及黄色,然而由于扬尘源的管控未加严,红色预警下的PM_(2.5)浓度下降幅度相比橙色和黄色增加较少,建议加强扬尘源管控,切实减少颗粒物排放;(4)区域联动应急下,乐山市PM_(2.5)浓度下降比例相比单独应急下增加5%～6%,表明区域联防联控的重要性。     

NAQPMS模型预报合肥、蚌埠和芜湖空气质量的效果评估

评估了NAQPMS模式预报的合肥、蚌埠和芜湖2017年3月1日—2018年2月28日PM_(2.5)、PM_(10)和O_3地面浓度及预报准确率,发现模式对物种的预报能力依次为:O_3 PM_(2.5)PM10;对城市的预报能力依次为:合肥芜湖蚌埠。模式对PM_(2.5)和PM_(10)的预报能力在春季较弱,对O_3的预报全年均较强。整体而言,评估地区的空气质量以优良为主,等级准确率在秋季最高,冬季最低,年均值为69%;首要污染物以PM_(2.5)、O_3、PM_(10)和NO_2为主,其准确率在冬季最高,春季最低,年均值为62%。     

淮河流域PM_(2.5)和PM_(10)比率的时空变化

运用Theil-Sen斜率估计法和Mann-Kendall趋势检验法求出淮河流域23个监测点PM_(2.5)与PM_(10)的变化规律,结果表明,17个地区的空气质量有所改善。与不同气象指标的相关分析表明,空气中PM_(2.5)、PM_(10)的含量与降水量、湿度和温度呈负相关关系,与气压和风速呈正相关关系。夏季空气中悬浮物质含量较低,表明降雨在净化空气中起主导作用。与空气中次生气溶胶的相关分析结果表明,淮河流域空气中的悬浮物质主要来源于煤炭燃烧和交通运输。     

上海市松江区PM2.5与PM10浓度变化特征分析

为了解松江区PM_(2. 5)与PM_(10)浓度变化特征,选取2014年1月1日～2019年2月28日松江区3个环境空气自动监测市控点质控后的小时平均值,进行日、月、季节和年际变化的讨论分析。结果表明:2014～2018年松江区的PM_(2. 5)与PM_(10)年均浓度分别为51、61μg/m~3,呈整体下降趋势;冬春季PM_(2. 5)与PM_(10)浓度较高、秋季次之、夏季低; 2014～2018年PM_(2. 5)与PM_(10)浓度月变化趋势基本相同,整体呈现4～6月逐渐下降,10～12月逐渐上升的规律; PM_(2. 5)与PM_(10)浓度各季节及全年的日变化均呈双峰型; PM_(2. 5)与PM_(10)的相关系数为0. 87,四季系数为r冬季(0. 91) r夏季(0. 90)r秋季(0. 88) r春季(0. 72); PM_(2. 5)/PM_(10)的平均值为0. 83,大气颗粒物PM_(2. 5)的贡献率非常高。     

不同工况下细颗粒物分级捕集效率的研究

在模拟不同工况条件(入口粉尘浓度、入口风量)下,采用荷电低压冲击系统(ELPI)测试电袋复合除尘器对细颗粒物的分级捕集效率。实验发现:随着入口粉尘浓度的增加,PM_(1.0)、PM_(2.5)及PM_(10)的捕集效率呈现增大的趋势;随着系统风量的增大,PM_(1.0)、PM_(2.5)及PM_(10)的捕集效率呈现下降趋势,工况条件的变化对粒径较小的颗粒物的影响更为明显,会显著改变其捕集效率。     

昆明城区颗粒物质量浓度变化特征及驱动因素研究

为探究颗粒物对昆明城区环境空气质量的影响，基于2015～2020年颗粒物质量浓度数据，利用Spearman相关性分析、冗余分析方法对颗粒物质量浓度时空变化特征及其驱动因素进行深入研究。结果表明：2015～2020年期间，可吸入颗粒物(PM₁₀)、细颗粒物(PM_2.5)质量浓度均呈现显著下降的变化趋势，年内旱季整体高于雨季，日内呈“双峰双谷”波动变化趋势且夜间显著高于白天；颗粒物质量浓度的主要影响因素是风速，并与降水量、相对湿度、气温呈现显著负相关，但也受到区域传输、人类活动等多种因素影响。未来，应分区域、分时段(旱季和雨季、昼间和夜间)制定差异化的污染管控措施，重点控制PM₁₀质量浓度并使PM_2.5质量浓度持续下降，为持续提升昆明城区环境空气质量水平提供科学依据。     

川南城市群大气污染时空分布及气象因子分析

以大气环境地面监测数据及其对应的地面气象数据作为基础数据,分析了2005~2014年间川南城市群大气污染时空分布特征及与气象因子相关关系。结果表明,近10年来,川南城市群PM_(10)存在典型的双峰变化,NO_2和SO_2年平均值总体保持稳定趋势;季节上表现为冬季大气污染最严重,夏季大气污染最轻。风速对PM_(10)浓度影响较大,能见度与PM_(10)呈明显的相关性。     

南昌市颗粒物污染现状、原因及防治对策

2013—2017年南昌市环境空气PM_(10)、PM_(2.5)浓度总体呈逐年下降趋势,2017年,PM_(10)、PM_(2.5)年均浓度分别为76μg/m~3和41μg/m~3。污染主要来源于机动车尾气、燃煤、工艺过程、扬尘、餐饮油烟等,同时还受区域传输和不利扩散气象条件影响。针对南昌市颗粒物污染现状、原因,提出了加强机动车尾气污染防治;加大工业污染源综合治理力度;严控煤炭消费总量,调整燃煤结构;提高城市精细化管理水平,有效控制扬尘污染;加强科学研究及其能力建设的防治对策和建议。     

合肥市颗粒物时空分布特征及其气象成因研究

利用2014—2015年合肥市颗粒物浓度及气象观测资料,对合肥市颗粒物浓度时空分布特征及其与气象要素的关系进行了分析。结果表明:2015年,合肥市PM10、PM2.5日均浓度均呈现"一增一减"趋势;PM10与PM2.5日均浓度分布季节差异明显,呈现"V"型特征;在空间分布上,PM2.5的浓度主城区高于周边地区,PM10浓度北部整体高于南部;PM10与PM2.5浓度与降水量、相对湿度、风速和风向均有一定相关性。