采暖季4种结构的城市绿地对PM_(2.5)和PM_(10)的调控作用

为研究采暖季不同结构城市绿地对大气中PM_(2.5)和PM_(10)的调控作用及其与气象因子的关系,于2015年11月—2016年4月,选择滞尘效果较好的4种类型城市绿地和对照点,于07:00—21:00每隔2 h在4种绿地的中心位置同步观测其内部PM_(2.5)、PM_(10)、温度、相对湿度、风速以及光照强度,对比分析绿地内颗粒物质量浓度差异以及不同绿地类型对消减PM_(2.5)和PM_(10)的作用。结果表明:采暖期4种结构城市绿地内PM_(2.5)日均值大小表现为CK(112μg?m~(-3))乔灌草(108μg?m~(-3))大阔叶乔草(107μg?m~(-3))小阔叶乔草(106μg?m~(-3))针叶乔草(100μg?m~(-3)),PM_(10)为CK(23μg?m~(-3))乔灌草(226μg?m~(-3))小阔叶乔草(224μg?m~(-3))大阔叶乔草(223μg?m~(-3))﹥针叶乔草(211μg?m~(-3)),CK内PM_(2.5)和PM_(10)质量浓度显著高于其他绿地类型(P0.05);PM_(2.5)和PM_(10)小时均值变化区间分别为81~133μg?m~(-3)和170~278μg?m~(-3),两者呈极显著相关(P0.01),都在09:00左右达到峰值,15:00左右达到最低值,而后至21:00一直呈上升趋势;采暖期PM_(2.5)和PM_(10)月均值稳步上升,但受大范围气象因素影响显著;观测期间,对PM_(2.5)和PM_(10)平均消减率按大小排序为针叶乔草乔灌草小阔叶乔草大阔叶乔草,且针叶乔草的消减率显著高于其他绿地类型(P0.05);4种结构城市绿地对PM_(2.5)和PM_(10)的消减率都与温度呈显著负相关(P0.05),仅有PM_(2.5)的消减率与湿度呈显著正相关(P0.05),与风速和光照相关性不显著。在城区绿地建设中,可加大针叶乔木的配置以降低大气颗粒物质量浓度。     

城市公园外侧防护林结构对外源PM_(2.5)的消减作用

城市公园是居民休闲的重要场所,其外侧防护林是围合公园景观、消减外源污染的重要屏障。为研究城市公园不同配置结构外侧防护林内PM_(2.5)浓度的时空动态变化规律及其对外源PM_(2.5)污染的消减作用,通过布置样带监测城市公园不同配置结构外侧防护林(阔叶乔木林、阔叶乔草林、针阔混交林)距道路不同宽度处PM_(2.5)浓度,分析影响PM_(2.5)浓度的因素,并对不同配置结构外侧防护林对外源PM_(2.5)污染的消减作用进行计算。结果表明,(1)城市公园不同配置结构外侧防护林内PM_(2.5)浓度日变化规律大致相似,均呈现白天低晚上高的趋势,9:00—15:00时段防护林内PM_(2.5)浓度达到国家标准II类功能区浓度质量要求,5:00时防护林内PM_(2.5)浓度污染最严重,超出国家标准II类功能区浓度质量要求237.36%~335.31%。(2)城市公园不同配置结构外侧防护林在15~45 m宽度范围内PM_(2.5)浓度与路缘处PM_(2.5)浓度相近,阔叶乔木林和阔叶乔草林在60 m宽度前后出现PM_(2.5)浓度升高的现象。(3)城市公园外侧防护林11:00、13:00时对PM_(2.5)浓度污染消减作用最强,19:00、7:00时对PM_(2.5)浓度污染消减作用相对较差;阔叶乔木林、阔叶乔草林距道路165 m时消减作用相对较好,针阔混交林距道路45 m时消减作用相对较好,呈正消减作用。(4)PM_(2.5)浓度与平均风速、温度、相对湿度呈极显著相关,与其他气象因子相关性不显著。     

北京市不同主干道绿地群落对大气PM_(2.5)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(PM2.5100μg·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-3PM2.5200μg·m-3)的环境下,只有群落配置以乔木林为主且郁闭度较高的蓝靛厂桥南绿地对PM2.5具有消减作用;重度污染(PM2.5201μg·m-3)天气条件下3种绿地对PM2.5的消减作用均不明显。     

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。     

林地和湿地大气颗粒物阻滞效果研究

为了研究林地和湿地以及气象因素等对于大气颗粒物浓度的影响,于2016年5—12月在北京市奥林匹克森林公园内林地、湿地内对PM10和PM_(2.5)质量浓度以及气象数据(温度和相对湿度)进行采集。使用定量分析的方法,运用阻滞-吸附效率公式对林地和湿地阻滞率进行了比较;分析了大气不同污染背景下林地和湿地对大气颗粒物阻滞率的差异以及气象因子对大气颗粒物质量浓度的影响。研究结果表明,林地内颗粒物日变化呈现先下降后上升的趋势,13:00左右为一天之中质量浓度最低(34.6μg?m~(-3))之时,而湿地周围颗粒物日变化则在采样期间呈现下降趋势,至18:00左右质量浓度为最低(35.8μg?m~(-3))。不同空气质量等级下,林地和湿地对颗粒物的阻滞率效果不同,林地在空气质量为优时对PM_(10)和PM_(2.5)的阻滞率均最高,分别为522.7%和289.7%;湿地在空气质量等级为良时对PM_(10)的阻滞率最高(56.56%),在空气质量为重度污染时对PM_(2.5)的阻滞率为最高(74.35%)。在相同空气质量等级下,林地与湿地之间的阻滞率也存在差异:除严重污染时没有显著差异外,其余空气质量等级下林地的阻滞率显著高于湿地对大气颗粒物的阻滞率(P0.05)。此外,大气颗粒物质量浓度与气象因子之间存在显著相关性,其质量浓度与温度呈负相关,与相对湿度呈正相关。然而,阻滞率与气象因子之间没有显著相关性。研究林地与湿地的阻滞率有利于更好地配置城市中林地和湿地比率,以更加有效地改善大气环境。     

北京7种湿地植物的颗粒物附着能力研究

湿地植物的附着作用是削减大气细颗粒物浓度的有效方式。为了定量研究不同湿地植物附着大气细颗粒物(PM)的能力,选择北京市常见的7种湿地植物芦苇Phragmites australis、香蒲Typha orientalis、水葱Scirpus validus、黄花鸢尾Iris tectorum、茭白Zizania latifolia、凤眼莲Eichhornia crassipes、慈姑Sagittaria sagittifolia,采用水洗测量法测定植物表面颗粒物滞留量及其粒径组成,利用扫描电子显微镜在高真空模式下观察植物表面的结构特征,比较7种湿地植物表面结构特征与单位面积的滞尘量及粒径组成的关系。研究结果表明,(1)不同湿地植物附着颗粒物组分的能力存在差异,凤眼莲和慈姑附着PM、PM_(10)和PM_(2.5)的能力最强。(2)湿地植物表面滞留的PM组分以10~100μm的颗粒物为主,占PM组分的比例为64.2%~87.1%;其次是PM_(2.5~10),占8.6%~29.5%;PM_(2.5)颗粒物最少,占1.06%~3.92%。(3)湿地植物气孔宽度对植物附着颗粒物的能力起主导作用,气孔宽与PM、PM_(10)和PM_(2.5)附着量分别呈显著的正相关关系(P0.05);植物表面粗糙程度越大、表面结构越复杂,越有利于PM_(2.5)的滞留。该研究精确量化了7种湿地植物附着PM的能力,可为北京市未来的湿地规划建设和合理的湿地植物配置,以及PM_(2.5)调控政策的制定提供依据。     

两种绿地对机动车排放CO_2的削减作用比较

不同群落结构绿地系统中大气CO_2的空间分布特征和来源解析是优化植物配置模式、评价绿地生态效益的重要依据。本文以北京市园林科学研究院("乔-灌-草"结构)和四得公园绿地(单一乔木结构)距离北京市四环路0、30、60、90和120 m处大气CO_2为研究对象,测定其浓度和δ13C值,并利用Keeling plot方程结合Iso Source软件对CO_2来源进行定量估算,以期获得不同群落对机动车排放CO_2的消减作用的差异。结果表明,城市绿地系统CO_2浓度和CO_2增量中机动车尾气贡献率随与道路距离的增加呈明显下降趋势,"乔-灌-草"结构和单一乔木结构绿地中距离道路120 m处CO_2摩尔分数分别为403.36和423.57μmol·mol~(-1),分别较路旁降低7.42%和4.32%,其中外源CO_2中机动车尾气的贡献率分别降低33.9%和22.5%,土壤呼吸贡献率分别升高12.1%和7.6%,植物呼吸贡献率分别升高21.8%和14.9%。"乔-灌-草"结构较单一乔木结构对CO_2浓度和机动车尾气CO_2贡献率的削减作用更明显,且最大削减率的位置更靠近绿地边缘。在城市系统中临近道路的边缘位置配植"乔-灌-草"结构的绿地能有效削减道路上机动车排放的CO_2。     

重庆城郊森林植被调控大气PM_(2.5)和PM_(10)的时空效应

2014年8月—2015年7月,以重庆市空气质量发布系统唐家沱监测点(代表城区)为对照,在重庆铁山坪国家森林公园采用高精度手持式空气测定仪(CW-HAT200)定位监测了森林植被调控下的大气PM_(2.5)和PM_(10)时空变化。结果表明:重庆城区大气PM_(2.5)和PM_(10)日变化均呈"双峰"规律,均分别在12:00、18:00达到峰值,季节变化呈现为冬季秋季春季夏季;城郊森林植被(针叶林、针阔混交林、阔叶林)调控下的大气颗粒物日变化基本呈"单峰"规律,均在9:00达到峰值,且下午大气颗粒物质量浓度低于上午,季节变化则表现为冬季春季秋季夏季;城郊森林公园的大气PM_(2.5)和PM_(10)质量浓度均随距离增大而呈下降趋势,在5 km范围内削减强度分别达到22.30%和22.66%。总体上,城郊森林植被对大气颗粒物的削减、再分配功能作用明显,并受林分特征影响;在森林植被调控下,城郊森林公园大气颗粒物动态变化更趋平缓,并明显不同于城区。因此,若仅从大气颗粒物考虑,建议市民在夏季和秋季的13:00—17:00时间段前往城郊森林公园开展休闲游憩活动,且应选择处于公园核心区的削减大气颗粒物功能强的林分。     

太原市城区大气PM_(2.5)和PM_(10)时空分布特征

研究太原市城区大气颗粒物质量浓度时空变化规律,可以为实施更有效的大气污染综合治理手段提供科学依据。以太原市9个国家空气质量自动监测站的数据为基础,运用统计分析和Kriging插值法,对太原市城区2019年大气颗粒物的时空分布进行了分析。结果表明,2019年太原市城区PM_(2.5)和PM_(10)年均质量浓度分别为56μg·m~(-3)和107μg·m~(-3),是国家二级标准限值的1.60、1.53倍,以PM_(2.5)和PM_(10)为首要污染物占总超标天数的44.03%和12.58%;PM_(2.5)/PM_(10)年均值为0.52,PM_(2.5)对PM_(10)贡献较大;PM_(2.5)季平均质量浓度为冬季(87μg·m~(-3))秋季(50μg·m~(-3))春季(49μg·m~(-3))夏季(34μg·m~(-3)),PM_(10)为冬季(123μg·m~(-3))春季(120μg·m~(-3))秋季(98μg·m~(-3))夏季(64μg·m~(-3));PM_(2.5)和PM_(10)质量浓度月变化呈U型,二者平均质量浓度1月最高,8月最低;PM_(2.5)和PM_(10)24h质量浓度变化呈"单峰单谷"型,峰值在10:00,谷值在17:00;取暖期PM_(2.5)与CO、SO2和NO_2相关性高于其他时段;太原市城区PM_(2.5)和PM_(10)质量浓度空间分布总体上呈北低南高之势,PM_(2.5)春夏秋季的空间分布格局与太原市城区生产、生活、交通干道分布格局比较吻合。以上结果提示秋冬季是太原市城区颗粒物治理的关键时期,位于南部的小店和晋源区为重点防控治理区域。     

太原市大气颗粒物PM_(10)和PM_(2.5)多时间尺度变化规律研究

选取太原市城区10个监测点2014—2016年PM_(10)和PM_(2.5)日变化数据,分析和探讨了其时空变化特征,及其与人类经济活动的同步性规律;采用小波连续变换的功率谱方法识别颗粒物周期变化特征,采用可视化主成分分析法识别不同时间尺度下颗粒物变化的影响因素。结果表明,太原市大气颗粒污染物PM_(10)和PM_(2.5)质量浓度的变化存在明显的时空差异,新兴经济发展区较传统老工业区污染严重,颗粒物污染程度在冬季较为严重。小波分析结果显示,PM_(10)和PM_(2.5)时间序列的变化周期均以4~8 d的短周期为主(P0.05),污染物的质量浓度变化与城市经济活动的周波动变化相一致;PM_(10)和PM_(2.5)质量浓度最大值出现在周波动的中间时段,最小值出现在周末。可视化PCA结果揭示,大气颗粒物PM_(10)和PM_(2.5)季节性波动均受冬季影响较强;周波动周期内均受周三影响最大;一天之内PM_(10)和PM_(2.5)质量浓度分别受夜晚和早晨影响最大,但白天颗粒物质量浓度变化是造成其日变化特征的主要因素。研究结果有利于从不同时间尺度辨析能源城市大气颗粒物污染的多变特征,有针对性地开展大气污染防控,也可为管理部门制定相关标准和规范提供科学依据。     

北京市西三环地区大气中多氯联苯的污染特征和气粒分配

以北京市西三环地区北京工商大学作为采样点,在2017年3—5月共采集气相、颗粒相(PM_(2.5)、PM_(10)、TSP)样品54个,对样品中28种PCBs单体进行定性定量分析,研究大气中多氯联苯(PCBs)的污染特征、在不同粒径颗粒物(PM_(2.5)、PM_(10)、TSP)中的分布规律和气粒分配行为.结果表明,北京市西三环地区大气中PCBs总浓度为144—859 pg·m~(-3),在国内外处于中等水平.其中,气相样品中PCBs浓度为131—814 pg·m~(-3),平均浓度为495 pg·m~(-3),占大气中PCBs总浓度的94.95%;颗粒相样品中PCBs浓度为12.3—48.9 pg·m~(-3),平均浓度为26.3 pg·m~(-3),占大气中PCBs总浓度的5.05%.低氯代PCBs更多地分布在气相上,高氯代PCBs更多地分布在颗粒相上.对不同粒径颗粒物(≤2.5μm、2.5—10μm、10μm)中PCBs的分析表明,PCBs主要分布在≤2.5μm的颗粒物中.不同粒径颗粒物中所含PCBs同系物的组成比例接近,以三氯至七氯为主,占颗粒物中PCBs总含量的88%以上.用过冷饱和蒸气压P0L(Pa)和分配系数Kp来描述PCBs的气粒分配行为,lg Kp-lg P0L的斜率为-0.3653,说明北京西三环地区大气中PCBs的气粒分配未达到平衡状态,在气粒分配过程中以吸收机制为主.     

不同植被结构对空气质量的调控功能

随着城市化进程的加快,生态环境恶化,改善空气质量已成为社会所关注的重要环境问题。不同的植被结构可以有效调控大气颗粒物浓度,提高负离子的浓度,是改善空气质量的重要组成部分。为探究不同植被结构对空气质量的调控能力以及影响空气质量的因素,以沈阳市东陵公园为研究对象,采用定点观测法,监测8块不同植被结构内大气颗粒物(PM_(2.5)、PM_(10))和空气负离子浓度,并同步观测气象因子。研究结果表明,(1)不同植被结构调控大气颗粒物的能力存在差异,但是不显著。PM_(2.5)和PM_(10)日平均质量浓度在S1(稠李Padus avium+萱草Hemerocallis fulva)均为最高,分别是(48.63±18.05)μg·m~(-3)和(68.55±20.64)μg·m~(-3);S3(云杉Picea asperata+榆叶梅Amygdalus triloba+牛筋草Eleusine indica)最低,分别是(28.95±8.91)μg·m~(-3)和(45.21±10.38)μg·m~(-3)。PM_(2.5)和PM_(10)日平均质量浓度变化范围分别为(28.95—48.63)μg·m~(-3)和(45.21—68.55)μg·m~(-3)。(2)不同植被结构内空气负离子浓度存在显著性差异。空气负离子日平均浓度在S7(油松Pinus tabuliformis+桃叶卫矛Euonymus bungeanus+玉簪Hosta plantaginea)最高,为(1 007.50±53.10)ion·cm~(-3);S1(稠李+萱草)最低,为(446.21±34.9) ion·cm~(-3)。空气负离子日平均浓度范围(446.21—1 007.50) ion·cm~(-3)。(3)大气颗粒物(PM_(2.5)、PM_(10))和空气负离子浓度与乔木层郁闭度和相对湿度呈正显著相关,而与温度呈负显著相关;大气颗粒物浓度与空气负离子浓度呈负显著相关。以上研究结果可为优化城市绿地植被结构和改善空气质量提供一定的借鉴。     

乌鲁木齐气溶胶粒径分布及细颗粒物(PM_(2.5))浓度变化分析

利用乌鲁木齐市中心区域气象局和黑山头2013年1月1日-2014年2月28日期间Grimm180在线监测数据,对乌鲁木齐市大气气溶胶数浓度和PM_(2.5)质量浓度的分布特征及其影响进行了分析,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,制定大气污染防治规划提供依据。结果表明,(1)气象局和黑山头气溶胶数浓度分布趋势一致,0.25~0.28μm之间的粒子数浓度最大;整体趋势表现为双峰型,第1峰出现在0.30~0.35μm之间,峰值分别为467.0和455.4 particle·cm~(-3);第2峰出现在4.0~5.0μm之间,峰值较小;粒径小于2.5μm的粒子数占到了粒子总数的99.88%;在粒径0.25~0.45μm范围内冬季气溶胶粒子数浓度最高,在粒径0.45μm范围内秋季气溶胶粒子数浓度最高;在粒径0.25~1μm范围内夏季气溶胶粒子数浓度最低,在粒径1μm范围内冬季数浓度最低;0.25~0.5μm粒径段内粒子占粒子总数的比例大小顺序为冬春夏秋;0.8~2.5μm之间不同粒径段的粒子占粒子总数的比例大小顺序为夏秋春冬;PM_(2.5)数浓度小时变化采暖期表现为双峰型,非采暖期为不太明显的三峰型。(2)观测期间气象局和黑山头PM_(2.5)平均质量浓度分别为61.77,43.42μg·m~(-3),日平均值超标率分别是30.81%和16.44%。采暖期气象局PM_(2.5)质量浓度小时变化呈现单峰,在19:00─21:00出现峰值;黑山头则呈现双峰,在6:00-8:00出现峰值,20:00出现一个不太明显的小峰;非采暖期气象局与黑山头PM_(2.5)质量浓度小时变化趋势一致,均表现为双峰型。两个站点PM_(2.5)质量浓度的季节变化均表现为冬季秋季春季夏季,特殊的地理位置和不同季节污染源的排放强度、气象条件是导致PM_(2.5)质量浓度随季节变化的主要原因。     

不同天气下景观生态林内外大气颗粒物质量浓度变化特征

为了探讨景观生态林对大气颗粒物的调控作用,以北京大兴区景观生态林为例(主要树种为旱柳Salix matsudana),研究不同季节、不同天气条件下景观生态林内大气颗粒物质量浓度差异以及林内和林外质量浓度对比。于2013年7月至2014年5月,分四季选择不同天气类型,采用水平同步监测法对林内和林外两个监测点3种粒径大气颗粒物(TSP、PM10和PM2.5)质量浓度和气象因子进行每日10 h的连续监测(8:00─18:00)。结果表明,(1)晴朗天气景观生态林内ρ(TSP)、ρ(PM10)和ρ(PM2.5)均处于较低水平,分别为(61.53±21.73)~(174.32±36.01)μg·m-3、(28.91±10.34)~(94.87±20.45)μg·m-3和(6.29±3.86)~(23.91±12.29)μg·m-3;多云、扬尘、雾霾和雾霭天气颗粒物质量浓度较高,污染明显加重,雾霾天气下ρ(PM2.5)的增加效果更为明显,而扬尘天气下ρ(TSP)显著增加。(2)雾滴对于PM2.5与PM10具有一定的湿清除作用,也可以与霾粒子共同作用形成相对稳定的雾霭天气,其颗粒物污染程度高于其他天气状况,此时以粒径为2.5~10μm的颗粒物污染为主。(3)夏、秋和春季晴朗微风天气(风速≤3 m·s-1)和扬尘天气林内ρ(TSP)和ρ(PM10)显著低于林外,多云、轻微至轻度雾霾天气,林内ρ(TSP)、ρ(PM10)和ρ(PM2.5)均显著低于林外,晴朗大风(风速5 m·s-1)和雾霭天气林内ρ(TSP)和ρ(PM10)不显著高于林外,雾霭天气林内ρ(PM2.5)显著高于林外;冬季不同天气下ρ(TSP)、ρ(PM10)和ρ(PM2.5)林内和林外对比没有明显规律。(4)空气相对湿度、风速和风向是观测时段内影响颗粒物质量浓度的主要因子。ρ(PM2.5)与相对湿度呈线性正相关,而与风速呈非线性负相关,偏南风对颗粒物主要起输送和积累作用,偏北风对颗粒物起到稀释和扩散作用。相对于TSP和PM10,PM2.5更易受近地面气象条件的影响而堆积或扩散。     

北京城市森林PM_(2.5)质量浓度特征及影响因素分析

以北京西山森林公园为林内观测点,北京海淀植物园为林外对照点,研究城市森林PM_(2.5)质量浓度变化特征,并对其影响因素进行分析。结果表明,林内外PM_(2.5)质量浓度日变化呈"双峰双谷"型,8:00和21:00左右是一天中的两个峰值,15:00和4:00左右是一天中的两个谷值,PM_(2.5)质量浓度林内(104.02μg·m~(-3))林外(82.52μg·m~(-3))。一年中PM_(2.5)质量浓度在冬季最高,春季次之,夏季最低,PM_(2.5)质量浓度年变化林内为冬季(115.46μg·m~(-3))春季(112.39μg·m~(-3))秋季(106.37μg·m~(-3))夏季(81.87μg·m~(-3)),林外为冬季(97.35μg·m~(-3))春季(94.07μg·m-3)秋季(93.17μg·m~(-3))夏季(61.86μg·m~(-3))。气温、降雨均与PM_(2.5)浓度呈负相关。晴天时,温度高、空气对流旺盛,PM_(2.5)浓度较低;降水对PM_(2.5)有很好的消减作用;风有驱散PM_(2.5)的作用。在高温高湿天气下,PM_(2.5)浓度高于其他天气情况。该研究可以丰富森林净化大气的理论,为环保部门相关政策的制定提供依据。     

广州市城郊森林公园雨季空气颗粒物浓度特征

城市森林公园作为人们游憩、运动的重要场所,其空气质量倍受市民关注。选择广州市城郊梯度上4个森林公园,采用定位对比观测方法,分析了雨季典型晴天森林公园林内空气颗粒物(TSP、PM_(10)、PM_(2.5)、PM_(1.0))质量浓度日变化特征及其在城郊梯度上的规律,结果表明,(1)雨季典型晴天,4个森林公园林内的TSP、PM_(10)与PM_(2.5)质量浓度日均值均达到国家环境空气质量一级标准,且PM_(2.5)浓度低于夏季晴天广州城区浓度。4个公园林内PM_(2.5)/PM_(10)的均值范围为0.31~0.45,也表明公园受污染程度均较轻。(2)公园林内各粒径颗粒物质量浓度均值在城郊梯度上均表现出显著差异(P0.05)。市区及市北缘的森林公园林内TSP、PM_(10)质量浓度显著大于郊区森林公园,而PM_(2.5)与PM_(1.0)质量浓度为游客人数最多的市北缘森林公园显著大于市区和郊区森林公园。(3)森林公园林内TSP、PM_(10)、PM_(2.5)、PM_(1.0)质量浓度的日变化趋势均呈先下降后上升,在14:00—16:00达到最小值,4个公园各粒径颗粒物质量浓度日变幅皆以白云山最大。(4)在监测时间范围内,大夫山森林公园空气颗粒物质量浓度受多气象因子共同影响,温度、湿度、气压等对其影响均达到极显著或显著水平。基于上述分析认为,雨季晴天城郊梯度4个森林公园皆适宜休闲游憩,远离市中心、游客人数适中以及有湖泊等水源多的公园为更好的选择。     

气象条件对西安市夏季和冬季近地面大气环境污染特征影响

利用2018年1—12月西安市13个环境空气质量监测点的六项大气污染常规分析指标(PM_(10)、PM_(2.5)、O_3、SO_2、NO_2和CO)逐小时监测数据,结合气象条件(温度、相对湿度、风向、风速、大气压、光照、紫外辐射、混合层高度及大气能见度)和颗粒物样品采集,对西安市近地面大气污染物浓度特征进行分析,结果表明,西安市近地面大气污染物浓度呈现明显的季节变化特征,冬季空气污染物主要为颗粒物(PM_(10)、PM_(2.5))对应质量浓度分别为:(154.04±92.88)、(101.84±60.11)μg·m~(-3),PM_(2.5)/PM_(10)的值为0.66,夏季空气污染物主要为O_3,质量浓度为(89.07±20.62)μg·m~(-3);西安市冬季PM_(2.5)数浓度、表面积浓度、质量浓度分别为(51 890±14 619)cm~(-3)、(2 882.21±939.83)μm~2·cm~(-3)、(0.32±0.13)mg·m~(-3),PM_(10)数浓度、质量浓度、表面积浓度分别为(51 897±14 618)cm~(-3)、(3 410.50±1 060.31)μm~2·cm~(-3)、(0.86±0.29)mg·m~(-3),数浓度粒径分布集中在0.010≤d_p≤0.484μm,占总数浓度的99.13%,表面积浓度粒径分布集中在0.072≤d_p≤8.136μm,占总表面积浓度的98.32%,质量浓度粒径分布集中在0.316≤dp≤8.136μm,占总质量浓度的98.75%。颗粒物数浓度对大气能见度影响最大的3个粒径段分别为d_p=0.762μm、d_p=1.956μm、d_p=1.232μm,3个粒径段与能见度的R~2(拟合优度)分别为:0.840、0.789、0.775;西安市夏季,在近地面环境温度大于30.23℃,相对湿度小于58.09%,光照强度大于107.83 W·m~(-2),紫外辐射强度大于324.10μW·cm~(-2)时,有利于近地大气层中高质量浓度O_3((112.16±53.01)μg·m~(-3))的生成与累积。研究结果可为西安市及汾渭平原其他城市大气污染物减排、大气污染防治策略的制定提供数据支持。     

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。     

机动车排放对PM_(2.5)空间分布的影响研究

PM_(2.5)的大量存在已对人类生活和大气环境产生了重大影响,而机动车作为城市PM_(2.5)的主要污染源,已越来越受到人们的广泛关注。文章旨在研究机动车对道路两旁PM_(2.5)数浓度时空分布和影响情况。选取北京市西三环主干道旁校园、居民区、公园3类典型区域,分别在水平及垂直方向进行PM_(2.5)浓度连续监测,分析其分布规律,并采用相关分析方法讨论了交通主干道两旁车流量、车速与PM_(2.5)浓度分布之间的相关关系。结果表明,空间上,PM_(2.5)浓度在水平和垂直方向上的分布均呈现一定规律性。水平方向上,PM_(2.5)浓度变化整体的下降趋势明显。距离道路0~200 m之间平均下降幅度为5%,但0~50 m出现反常增大的现象,增大幅度高达8%,随着水平距离的继续增加,均匀下降,平均下降幅度为6.5%。垂直方向上,由于大气垂直结构复杂,不同垂直距离的PM_(2.5)浓度随高度递增变化不显著,呈波动趋势,其中1~10 m下降幅度为10%~11%,10~20 m的增大幅度为7%~11%,20~35 m的下降幅度不明显,PM_(2.5)浓度趋于稳定。时间上,PM_(2.5)浓度在7:00—9:00时间段受机动车流量影响大幅度上升,午间11:00-13:00 PM_(2.5)浓度变化不明显,13:00-15:00逐渐下降至白天的谷值点,19:00后受交通环境和逆温等大气条件两方面因素影响,PM_(2.5)又开始大幅度上升,达到峰值,约为白天最低浓度的2倍。数据显示,车流量与PM_(2.5)浓度在150 m处的相关性最好,0 m处相关性最弱;车流量变化与垂直高度上的PM_(2.5)浓度之间的相关性在10 m高处相关性最好,0 m处相关性最差。通过本文实验结果可知,水平方向50 m处的PM_(2.5)浓度值最高,垂直方向10 m处的PM_(2.5)浓度值最低,并且车流量的大小是影响道路两旁PM_(2.5)浓度高低的重要因素,尤其是在水平方向上相关关系更为明显,而车速的快慢与道路两旁PM_(2.5)浓度高低并无明显关系。     

颗粒物再悬浮装置研制及稳定性测试

一次颗粒物的粒径分布及化学组分等对雾霾形成和健康具有显著影响.为了认识一次颗粒物的粒径分布,本文基于颗粒物相关理论计算,研制了一套颗粒物再悬浮分级采样装置,并对其运行稳定性进行了评价.结果表明,对TSP、PM_(10)、PM_(2.5)样本质量进行方差分析,所得F值分别为0.42、0.07和1.34,远远小于F_(0.95)(2,17)=3.59;对PM10占TSP比重、PM2.5占PM10比重进行方差分析,F值为0.53,远远小于F_(0.95)(9,19).说明颗粒物在再悬浮腔体中能够均匀分布,该颗粒物再悬浮采样装置可以满足一次颗粒物的分级采样.