广州中心城区大气污染物“周末效应”分析

本文分析了广州中心城区大气污染物周末和非周末浓度变化特征,发现广州中心城区干季SO_2、NO_2、PM_(10)、PM_(2.5)4项污染物周末日均浓度值比非周末高,日变化浓度峰值周末高于非周末,特别是PM_(2.5)存在显著的"周末效应",湿季"周末效应"稍弱于干季;广州中心城区SO_2、NO_2、PM_(10)、PM_(2.5)干季周末与非周末浓度相对偏差最大值主要出现在傍晚,湿季周末与非周末浓度相对偏差最大值主要出现在上午;广州中心城区O3-8h周末与非周末浓度湿季相对偏差较大,日变化上非周末浓度值高于周末,周末与非周末浓度相对偏差最大值出现在夜间。     

广州市PM2.5污染特征及潜在贡献源区分析

基于NCEP/NCAR全球再分析气象资料和2015-2017年PM_(2.5)浓度,利用HYSPLIT模型研究不同气流轨迹对广州PM_(2.5)浓度的影响,以及污染输送路径和潜在源区空间分布特征。结果表明:(1)广州2015-2017年PM_(2.5)平均浓度为36.5μg/m~3,逐月平均PM_(2.5)浓度1月份最高,为49.3μg/m~3,轻度污染及以上时次比例达15.66%,6月份最低,为20.8μg/m~3,无轻度及以上污染时次。(2)PM_(2.5)平均浓度在不同情景类型下的浓度高低顺序依次为:污染日干季清洁日湿季,其中污染日的PM_(2.5)平均浓度是清洁日的近3倍,干季的PM_(2.5)平均浓度是湿季的1.4倍;不同情景类型下的PM_(2.5)浓度日变化特征基本都在白天时段低(16时最低),晚上时段高(21-22时最高),日变化幅度为污染日干季清洁日湿季。(3)在干季,影响广州的气流轨迹路径主要有5类:东北路径、东南路径、西北路径、西南路径及偏西路径,其中第2类东南路径对广州PM_(2.5)平均浓度的贡献最高;而在湿季,影响广州的气流轨迹路径主要有4类:偏南路径、东南路径、偏北路径及西南路径,其中第3类偏北路径对广州PM_(2.5)浓度的贡献最高。(4)基于潜在源贡献因子和浓度权重轨迹分析法分析表明,广州PM_(2.5)浓度潜在源贡献较大的区域主要集中在广州东部的东莞、惠州、深圳、肇庆、中山等周边地区,该研究可为确定广州污染潜在源贡献区以及区域联防联控提供参考。     

广州市城区干湿季黑碳气溶胶污染特征及来源分析

为了解广州市城区不同季节黑碳气溶胶(BC)的时间变化规律及污染特征,利用广州市天河区暨南大学大气超级监测站AE-33黑碳仪在2015年干季(10、11月)和2016年湿季(4、5月)观测得到的BC数据及常规气象资料,针对BC在不同时间段的污染特征及来源进行了分析.结果表明:广州城区干季和湿季的BC平均浓度分别为(3.75±2.55)、(2.62±1.39)μg·m~(-3),本底浓度分别为(2.09±0.61)、(1.85±0.49)μg·m~(-3),干季BC污染较湿季严重,干季BC变化范围大于湿季;广州城区BC浓度呈白天低,夜间高的特点,BC波动在夜间更加剧烈;干湿两季的BC日变化特征有明显差异,干季呈现"双峰形",湿季呈现"单峰形";基于AAE的分析得出广州城区BC主要来源于化石燃料燃烧,干季AAE值大于湿季,是由于干季广州周边地区生物质燃烧事件增多,导致干季生物质燃烧对广州城区BC的贡献大于湿季.     

广州干湿季典型灰霾过程水溶性离子成分对比分析

利用广州气象台2011年地面逐时能见度和相对湿度数据,以及广州番禺南村大气成分站2011年逐时Marga数据、PM数据,对比分析了一次湿季(4—9月)灰霾过程和干季(10月—次年3月)灰霾过程的污染特征.研究表明,相对干季灰霾过程,湿季灰霾过程颗粒物浓度较低,且细粒子所占比例较高;由于湿季较干季光化学反应较为活跃及可能受气象因素的不同影响,导致干湿季灰霾过程颗粒物浓度的总体变化趋势相反;湿季灰霾过程二次无机离子(SO_4~(2-)、NH_4~+和NO_3~-)占PM_(2.5)质量百分比的76%,是PM_(2.5)的主要成分;干季灰霾过程二次无机离子(SO_4~(2-)、NH_4~+和NO_3~-)仅占PM_(2.5)质量百分比的34%;湿季硫氧化率(Sulfur Oxidation Ratio,SOR)、氮氧化率(Nitrogen Oxidation Ratio,NOR)值大于干季,说明二次离子对湿季灰霾的贡献比干季要大;湿季灰霾过程中气溶胶酸性比干季弱.根据相关性分析结果可知,湿季灰霾过程中,NH_4~+主要与SO_4~(2-)结合,Na+主要与Cl-及NO_3~-结合,K+主要与Cl-和NO_3~-结合,极少部分与SO_4~(2-)结合;而在干季灰霾过程中,NH_4~+除了与SO_4~(2-)结合之外,还以NH_4NO_3和NH_4Cl的形式存在,K~+主要与Cl~-和SO_4~(2-)结合,Na+主要与Cl~-及SO_4~(2-)结合.     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

中国典型城市大气污染物浓度时空变化特征分析

利用2014年3月1日至2015年2月28日北京、广州和南京三市6种污染物浓度(PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O_3)的日平均数据,统计分析了三市各污染物浓度的变化特征及其与气象条件的关系。结果表明:(1)3个城市中,广州空气质量最好,南京次之,北京最差。广州优、良出现的天数最多,分别为98和222天,占全年的26.8%和60.8%,没有出现重度污染和严重污染的现象。北京优出现的天数为55天,高于南京的29天,但是中度污染、重度污染和严重污染天数要高于南京,分别为61、34和8天;南京则为30、14和0天,南京没有出现过严重污染。(2)整个1年间,北京PM_(2.5)、PM_(10)、SO_2、NO_2、O_3年平均浓度分别为80.5、112.9、16.8、53.4和57.3μg/m~3,广州平均浓度分别为45.9、67.2、16.6、45.7和47.9μg/m~3,南京平均浓度分别为70.6、120.1、21.5、50.3和54.9μg/m~3,北京、广州和南京CO年平均浓度分别为1.2、1.0和0.9mg/m~3。(3)上述三个城市PM_(2.5)日均值超标率分别为42.7%、7.9%和38.4%,而PM_(10)日均值超标率分别为23.0%、1.6%和25.2%,NO_2日均值超标率分别为14.0%、3.8%和7.1%,CO浓度仅北京超标,超标率为1.4%,3个城市SO_2无超标现象。(4)3个城市SO_2和NO_2均随风速的增大而减小。风速对广州CO浓度影响不大,而北京和南京CO浓度则随风速的增大而减小。风速越大,南京PM_(2.5)和PM_(10)浓度越小,但当风速≥4m/s时,北京PM_(10)和广州PM_(2.5)与PM_(10)浓度增加。此外,风向对污染物的传输也有影响。     

北京地区不同时段平均PM2.5浓度与MODIS气溶胶光学厚度相关性分析

利用2014年北京市12个空气质量监测站的逐小时PM_(2.5)地面观测资料,以及Terra和Aqua卫星的MODIS气溶胶光学厚度(AOD)产品,在时间和空间数据匹配的基础上,研究了PM_(2.5)的5 h(10:00—14:00)和24 h(0:00—23:00)两种时段平均浓度及两颗卫星平均AOD的时空分布特征,并建立了AOD与不同时段平均PM_(2.5)浓度之间的回归模型.结果表明:PM_(2.5)的5 h平均浓度和24 h平均浓度值均在城区高、郊区低,最低值位于定陵站;匹配后逐时PM_(2.5)浓度的日变化呈"双峰型",最低值出现在下午,但北京西北部郊区的定陵和昌平镇站因局地山谷风环流和外部排放源的影响,其"双峰型"波动趋势较城区站偏弱,最低值出现在上午;AOD的空间分布特征与PM_(2.5)浓度分布一致,但在郊区由于污染水平分布不均,卫星采集的样本可能来自于周围的清洁大气,导致AOD的最小值在郊区站点明显低于城区站点;两颗卫星平均的AOD与5h PM_(2.5)平均浓度的决定系数高于AOD与24 h PM_(2.5)平均浓度的决定系数;AOD与PM_(2.5)的相关系数在城区高于郊区,郊区排放源分布不均和强的局地系统性环流是造成其相关系数低的重要原因.     

重庆市大气主要污染物特征分析

基于环境空气质量监测数据,分析了各项污染物时间变化特征,并利用SPSS 19.0软件进行相关性分析和主成分分析。结果表明:SO_2和CO污染较轻,NO_2浓度水平较高,O_3和PM_(2.5)污染相对严重。SO_2和O_3呈现"单峰型",NO_2、CO、PM_(10)、PM_(2.5)呈现"双峰双谷型"的日变化特征。SO_2、NO_2、CO、PM_(10)和PM_(2.5)呈"U型",O_3呈现倒"U型"季节变化特征。PM_(10)、PM_(2.5)与SO_2、NO_2、CO,SO_2与NO_2、CO,NO_2与CO呈现正相关;NO_2、CO与O_3呈现负相关。主成分分析法结果显示第1个因子为PM_(10)、PM_(2.5)、NO_2,第2个因子为O_3。     

昆明低空大气温度层结特征与空气质量的Logistic判别模型

低空大气逆温及地面风速是影响空气质量变化的主要气象条件,特别是逆温的频率、强度制约着大气污染物聚积和扩散。定义了1km以下低空大气的温度层结强度。利用昆明L波段探空雷达加密数据,统计了2014—2018年08 h探空数据温度层结特征,分析了逆温的频率、强度和地面风速等气象要素与空气质量的相关性,建立基于Logistic判别方法的昆明空气质量指数和PM_(2.5)浓度的拟合模型。结果显示:基于定义的温度层结强度的统计,昆明1km以下低空大气整层的逆温发生频率10.7%,年平均强度0.13℃·(100m)~(-1),逆温的频率和强度月变化曲线与轻度污染及PM_(2.5)浓度的变化联系密切;温度层结强度和地面风速通过了α=0.05的相关系数显著性检验,与空气质量指数和PM_(2.5)浓度相关性好,最佳的气象要素因子的相关系数可达到0.3660;Logistic判别模型对轻度污染的拟合准确率在66.3%以上,优良空气的拟合准确率在72.5%以上;对PM_(2.5)浓度超标的拟合准确率在59.9%以上,PM_(2.5)一级浓度的拟合准确率在68.8%以上。     

广州市PM_2.5和PM_1.0质量浓度变化特征

文章报道了2005年干季和2006年湿季广州市大气细粒子PM2.5和PM1.0质量浓度的实时监测情况。监测结果表明:干季监测点PM2.5日均质量浓度在11.8～164.0μg/m3之间,总平均值为81.7μg/m3;湿季日均质量浓度在19.9～121.2μg/m3之间,总平均值为57.7μg/m3。干季PM1.0日均质量浓度变化范围为14.9～129.1μg/m3,总平均值为59.4μg/m3;湿季日均质量浓度在11.9～86.7μg/m3之间,总平均值为52.9μg/m3。对比发现,PM1.0总平均质量浓度在干、湿季相差很小,且与湿季PM2.5总平均质量浓度也相差不大,显示PM1.0具有相对固定成因来源且基本不受季节变化影响,而且湿季PM2.5的组成主要由PM1.0大气细粒子构成。干季PM2.5和PM1.0质量浓度日变化特征呈明显夜间高、白天低的特点,质量浓度的最大值都出现在晚上21:00左右;湿季由于雨水频繁,没有明显的日变化特征。气象分析表明,干季大气细粒子质量浓度主要受冷空气影响,而湿季主要受降雨影响。     

南宁市区环境空气质量分布特征

利用2013年1月—2015年12月南宁市区环境空气质量监测数据进行统计分析。结果表明,南宁市区空气质量指数(AQI)为17~245,平均值为74,超标率18.5%;AQI月平均变化呈双峰周期型。首要污染物项目出现频次由高到低的排序为:PM_(2.5)PM_(10)O_(3-8)NO_2,首要污染物为PM_(2.5)与PM_(10),两者占总数的91.3%;超标污染物有:PM_(2.5)、PM_(10)、O_(3-8)、NO_2,超标率分别为:17.8%、12.1%、1.4%、19.2%。PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_(3-8)质量浓度的日均值与AQI均存在显著的正相关关系,PM_(2.5)与AQI相关系数最大(r=0.988)。     

西安市主要大气污染物浓度变化特征及相关特性分析

分析西安市主要大气污染物浓度(PM_(2.5)、PM_(10)、SO_2、NO_2、CO、O_3)随时间、空间的变化特征及其与天气情况、车流量变化之间的相关特性。结果表明:大气污染物浓度会因地区特点随人流量呈规律性波动;PM_(2.5)、PM_(10)与对应的SO_2、NO_2、CO、大气相对湿度呈正相关,与臭氧、温度、风速呈负相关;受排放及气温辐射影响,NO_2浓度在午后出现峰值且滞后于交通峰值;连续型降水对PM_(10)的稀释作用随降雨天数的增加呈"驼峰"型变化。     

中国南北方大气污染物的时空分布特征

利用中国环境监测总站2014年12月-2015年11月171个城市的逐小时大气污染资料,对比分析了南北方大气颗粒物和气体污染物的时空分布特征。结果表明:(1)全国出现PM_(2.5)和PM_(10)污染日的频率分别为17.23%和10.33%,PM_(2.5)、PM_(10)具有较好的线性相关性,PM_(2.5)浓度约占PM_(10)浓度的47%,颗粒物和气体污染物的重污染区主要分布在环渤海地区、长三角地区、西北地区、四川盆地和两湖地区。(2)南北方大气颗粒物和气体污染物浓度具有明显的月季变化,从12月到次年3月和6、11月差距大,其他月份小(O3除外),PM_(2.5)/PM_(10)比值在秋末冬初大,其他季节小。(3)北方PM_(2.5)年均浓度为62.28μg/m3,比南方高12.62μg/m3,北方PM_(10)年均浓度为115.98μg/m3,比南方高36.34μg/m~3,虽然北方颗粒物浓度比南方大,但除2015年11月外,PM_(2.5)/PM_(10)北方都小于南方;北方SO_2、NO_2、CO年均浓度分别为38.16、42.28、1 256.67μg/m~3,比南方高18.43、3.56、315.83μg/m3,南北O3年均浓度相当。(4)从日变化看,污染物平均浓度(O3和SO_2除外)白天低于夜间,下降速率白天大于夜间;南北PM_(2.5)、PM_(10)、CO、NO_2平均浓度日变化呈"双峰双谷"型,O3呈"单峰单谷"型;日变化曲线还表明,日间和夜间北方PM_(2.5)、PM_(10)、CO、NO_2平均浓度都高于南方,下降速率也是北方大于南方。     

郑州城区PM_(10)、PM_(2.5)质量浓度变化特征及其对气象因子的响应

利用郑州城区9个国控监测点位PM_(10)、PM_(2.5)的日监测数据,研究2013～2016年间郑州城区大气颗粒物质量浓度变化特征及其对气象因素的响应。结果表明,2013～2016年间郑州城区环境空气污染总体状况改善趋势较为显著,重度及以上的污染天数占全年有效天数的比例逐年降低,PM_(10)、PM_(2.5)浓度逐年下降;PM_(10)和PM_(2.5)浓度月均值变化基本一致,浓度变化均呈"U"型分布。PM_(10)和PM_(2.5)质量浓度变化具有明显的季节性特征,冬季其质量浓度最高,春季和秋季次之,夏季最低。选取气温、气压、风速、相对湿度和降水量等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM_(10)、PM_(2.5)浓度的影响。相关性分析结果表明,与PM_(10)、PM_(2.5)浓度显著相关的气象因素存在季节性差异,风速、相对湿度和降雨量是影响郑州城区大气颗粒物质量浓度的主要气象因子。     

北京北郊清洁区PM_(2.5)和O_3变化特征对比分析

利用北京西北部野鸭湖湿地生态气象站(YYH)、东北部上甸子本底站(SDZ)2014年PM_(2.5)、O_3和同期气象观测资料,对比分析北京北郊清洁地区PM_(2.5)和O_3浓度的变化规律及主要的影响因素。研究结果表明:两站PM_(2.5)年均值,O_3小时均值较为接近。两站PM_(2.5)浓度在重污染月份(2、7、10月)较高,6和12月较低。野鸭湖站O_3浓度高值出现在4月,上甸子站为7月,1月均最低。两站各季PM_(2.5)浓度日变化大致为双峰型,O_3浓度日变化为单峰型,其中野鸭湖站PM_(2.5)双峰型更加显著,O_3浓度变化曲线也比上甸子站更具城市特征。风向对两站PM_(2.5)浓度变化的影响较O_3更明显,野鸭湖地区偏东北风容易造成污染物积累,上甸子污染物主要受来自西南部城区污染的输送。受局地环流影响时上甸子站PM_(2.5)浓度更高,而受明显的天气系统影响时,野鸭湖站由于其特殊的地形,污染物扩散能力较差,PM_(2.5)浓度会明显高于上甸子地区。     

燃放烟花爆竹对云南省环境空气质量的影响

利用2016—2018年春节期间(除夕—初六)云南省环境空气中PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O3的质量浓度监测数据,研究了春节期间燃放烟花爆竹对环境空气质量的影响,并采用spearman分析了除夕—初一PM_(2.5)、PM_(10)、SO_2、NO_2、CO小时浓度值变化相关性。结果表明:春节期间(除夕—正月初六)超标天数集中出现在大年初一,首要污染物均为细颗粒物(PM_(2.5));烟花爆竹集中燃放阶段,SO_2、PM_(2.5)、PM_(10)日均值显著升高,O3、NO_2和CO的日均浓度值变化则基本不受其直接影响;总体上PM_(2.5)、PM_(10)、SO_2、NO_2和CO的小时浓度值变化趋势呈正相关,其中SO_2与PM_(2.5)、PM_(10)相关系数均值在0.800左右,高度正相关,这与全省除夕—初一污染物浓度的逐时变化趋势相一致。     

华北典型农区夏季大气污染特征及变化趋势研究

为研究华北典型农区大气污染特征及变化趋势,于2008年和2012-2014年的夏季在山东禹城生态站,对大气中主要污染物(NO_x、O_3、SO_2和PM_(2.5))进行了观测研究。结果表明:观测期间NO_x、O_3、SO_2和PM_(2.5)的平均浓度分别为(31.8±16.8)、(77.6±27.5)、(13.1±14.3)和(84.2±41.7)μg/m~3,O3日8 h滑动平均最大值和PM_(2.5)日均值浓度超过国家二级标准的超标率分别为35%和54%;NO_x、O_3及O_x的浓度总体呈上升趋势;SO_2浓度呈下降趋势;PM_(2.5)浓度呈现波动变化;NO、O_3和SO_2呈现白天单峰型日变化形式,NO_2和PM_(2.5)日变化呈现双峰型。禹城农业区夏季大气污染主要受其偏南城市济南、泰安和聊城方向气流影响,高浓度的O_3污染的同时伴随着高浓度PM_(2.5)污染。     

广州某区PM_(2.5)和气态污染物质量浓度的日变化特征及其相关性分析

本文分析了2015年3月至2016年2月广州某区细颗粒物(PM_(2.5))和气态污染物(SO_2、NO_2、CO、O_3)质量浓度的日变化特征,并对PM_(2.5)和气态污染物之间质量浓度的相关性进行分析,结果表明:PM_(2.5)、SO_2、NO_2、CO、O_3大气污染物存在一定规律的日变化特征。PM_(2.5)与SO_2、NO_2、CO、O_3全年质量浓度的相关系数范围分别为0.184～0.219,0.271～0.436,0.170～0.368和0.051~0.318,存在一定的线性正相关关系。     

基于日变化特征的珠江三角洲大气污染空间分布研究

在传统的大气监测网络子站污染物浓度比较的基础上,结合其24h日变化的趋势分析,对珠江三角洲9个城市59个监测点位2013~2015年期间的CO、SO_2、NO_2、O_3、PM_(10)、PM_(2.5)数据进行了分析,以期更深入地揭示珠江三角洲大气污染的空间分布格局和来源特征.结果表明:CO、SO_2、NO_2、PM_(10)、PM_(2.5)主要污染区域集中在珠江三角洲西北部和中部地区,主要以广州和佛山两个城市为污染中心,受到本地源排放贡献较大;O_3污染分布较为复杂,四周污染浓度高,中部浓度低,但广州和东莞两地日变化差异显著,受到本地源影响大.分析显示,珠江三角洲大气污染具有显著的区域性特征,推荐广州天湖和珠海唐家分别作为珠江三角洲北部和东南部的区域污染监测点,能够较好地代表来自珠江三角洲北部的污染传输影响和珠江三角洲东南部的平均污染水平.     

绍兴市大气环境容量与污染控制研究

利用2014—2016年绍兴市16个监测点位监测数据和代表年份2015年环统数据,分析了绍兴市大气环境现状、大气污染物变化特征和空间分布特征,重点对中心城区主要空气污染物浓度年、季和月变化特征进行分析,结果表明:绍兴市中心城区环境空气中SO_2、NO_2、CO、PM_(10)和PM_(2.5)质量浓度呈现"秋冬较高,春季次之,夏季较低"的季节变化特征,O_3质量浓度则正好相反。利用CAMX模型,对绍兴市主要大气污染物浓度进行模拟和结果校验,结果表明:绍兴市通过减排SO_2、NO_X和VOCS,全市SO_2、NO_2、PM_(2.5)、PM_(10)、O_3等污染物浓度将得到一定改善,PM_(2.5)则需协同削减至少18%的烟粉尘才能满足达标要求。推荐以烟粉尘为主其他污染物为辅的PM_(2.5)协同削减方案。建议从环境准入、强化减排、行业整治、协同削减、联防联控监管等方面进行污染控制。