气象因素对北京市大气颗粒物浓度影响的非参数分析

利用2005年9月—2006年9月北京市大气颗粒物分级(不同粒径)监测资料和同期分时段气象观测数据,采用非参数分析(Spearman秩相关系数)法对北京市3种粒径大气颗粒物在不同季节的浓度水平与气象因素的影响进行了研究.结果表明:不同季节影响颗粒物质量浓度的气象因素各不相同;春季ρ(PM_2.5),ρ(PM2.5～10)和ρ(PM₁₀₎都与气压呈显著负相关;夏季颗粒物质量浓度受降水影响很大;秋、冬季ρ(PM_2.5)和ρ(PM₁₀₎均与日照时数呈显著负相关;冬季ρ(PM_2.5),ρ(PM_2.5～10)和ρ(PM10)均与平均风速呈显著负相关,与气温、相对湿度呈显著正相关. 细粒子和粗粒子质量浓度对气象因素变化的响应程度也有较大区别. 春、夏季地面平均风速对粗粒子质量浓度的影响比细粒子显著,ρ(PM_2.5)/ρ(PM₁₀₎随风速增加而增大;秋季日照时数对细粒子质量浓度的影响比粗粒子更显著,ρ(PM_2.5)/ρ(PM₁₀₎随日照时数增加而减小;冬季相对湿度对粗粒子质量浓度的影响比细粒子显著,ρ(PM_2.5)/ρ(PM₁₀₎随相对湿度增加而减小.      

天津市大气中PM10、PM2.5及其碳组分污染特征分析

2007年12月~2008年10月期间,分3个时段,设置2个点位,采集了天津市大气环境中PM10和PM2.5样品.用热光反射分析仪测定样品中的碳组分含量,并用OC/EC最小比值法估算二次有机碳(SOC)的浓度.结果表明,市区采样点颗粒物浓度高于郊区,2个采样点的颗粒物浓度变化趋势一致.5月份 PM2.5/PM10比值最小,主要由于土壤风沙尘对PM10的贡献较大.PM10和PM2.5中的有机碳(OC)、元素碳(EC)浓度12月份最高,且变化趋势相同.OC占总碳(TC)比例较高,PM10中OC/TC为0.60~0.83,PM2.5中OC/TC为0.55~0.81.碳组分主要集中在PM2.5中,PM10中约有76%的OC存在于PM2.5中.12月份的SOC浓度最高,与12月份的气象条件和污染源排放等因素有关.     

大气PM2.5对巨噬细胞的毒性作用研究

以上海市工业区，交通区、郊区3个功能区的大气PM2.5粒子，对腹腔巨噬细胞进行染毒培养，台酚蓝染色测定细胞存活率，酵母菌吞噬实验测定其吞噬功能，流式细胞仪检测凋亡情况，结果显示，随大气PM2.5粒子浓度增加，巨噬细胞存活率和吞噬功能下降，巨噬细胞出现凋亡，其中交通区大气PM2.5染毒组的观察指标改变较明显，提示了大气PM2.5粒子对巨噬细胞具有细胞毒性，而交通区大气PM2.5粒子的毒性较大。     

利用LUR模型模拟天津市大气污染物浓度的空间分布

针对传统监测方法无法满足对大气污染物空间分布高分辨率的要求,以Arcgis为平台,利用LUR模型模拟天津市PM10和NO2年均浓度的空间分布.选取的回归变量为1~4km半径缓冲区内的道路总长度、不同土地利用类型的面积、人口密度、风向指数及距海距离,选取3个监测点的监测数据对方程进行了验证.结果表明,对PM10年均浓度影响最大的因素是缓冲区为1km的道路总长度(R2为0.560),而对NO2年均浓度影响最大的因素是人口密度(R2为0.414).多元线性回归方程计算结果显示,PM10和NO2的R2分别达到0.946和0.691;如果考虑风向的影响,R2可分别提高到0.980和0.849.对天津市中心城区建立5km′5km网格嵌套,根据多元线性回归方程计算每个网格交点的污染物浓度模拟值.通过kriging插值得到2种污染物在天津市中心城区的空间模拟分布图.PM10年均浓度分布以研究区中心最高,向四周逐渐降低;NO2的年均浓度以研究区中心最低,向四周逐渐升高.模拟结果与实际情况相符.     

Particulate matter exchange between atmosphere and roads surfaces in urban areas

The deposition and the re-suspension of particulate matter (PM) in urban areas are the key processes that contribute not only to stormwater pollution, but also to air pollution. However, investigation of the deposition and the re-suspension of PM is challenging because of the difficulties in distinguishing between the resuspended and the deposited PM. This study created two Bayesian Networks (BN) models to explore the deposition and the re-suspension of PM as well as the important influential factors. The outcomes of BN modelling revealed that deposition and re-suspension of PM10 occurred under both, high-traffic and low-traffic conditions, and the re-suspension of PM2.5 occurred under low-traffic conditions. The deposition of PM10 under low-volume traffic condition is 1.6 times higher than under high-volume traffic condition, which is attributed to the decrease in PM10 caused by relatively higher turbulence under high-volume traffic conditions. PM10 is more easily resuspended from road surfaces compared to PM2.5 as the particles which larger than the thickness of the laminar airflow over the road surface are more easily removed from road surfaces. The increase in wind speed contributes to the increase in PM build-up by transporting particulates from roadside areas to the road surfaces and the airborne PM2.5 and PM10 increases with the increase in relative humidity. The study outcomes provide a step improvement in the understanding of the transfer processes of PM2.5 and PM10 between atmosphere and urban road surfaces, which in turn will contribute to the effective design of mitigation measures for urban stormwater and air pollution.     

道路降尘与扬尘PM_(10)排放的关系研究

道路扬尘是城市大气颗粒物主要来源之一,文章主要分析呼和浩特城区道路降尘排放、扬尘PM10排放强度并研究二者之间的关系。对呼和浩特30条典型道路进行了降尘监测,并在降尘监测期间对道路尘负荷进行了采样分析,同时记录车流量和车辆构成数据,应用AP-42排放因子模型计算PM10排放强度,分析道路降尘与PM10排放强度之间的关系。结果发现,道路降尘值为外环路>主干路>次干路>支路>胡同,分别为76.3、36.1、31.7、25.8和19.0 t(/km.230d),背景值为9.4 t(/km.230d);外环路、主干道、次干道、支路和胡同的PM10排放强度平均值分别为178、169、130、100和11 kg(/km.d);降尘值DF与道路扬尘PM10排放强度呈现较好的正相关关系,道路扬尘PM10排放强度可以用降尘表示为Q=2.6×(DFr-DFb)。     

上海市市区、郊区NO2、SO2和PM10的时空变化规律及相关性分析

在对上海市嘉定区大气污染物SO2、NOx和PM10连续1年的观测基础上，结合上海环境状况公报的数据，探讨了市区、郊区大气污染物的空间和时间变化规律。结果表明，2005年中NO2、SO2和PM10的质量浓度在市区和郊区均是冬春两季高，夏秋两季低；NO2、SO2和PM10浓度在市区要高于郊区；郊区大气污染物的月变化幅度要比市区大，市区PM10污染有增加趋势。根据气象条件分析，嘉定区周边工业污染对NO2、SO2和PM10的浓度有贡献，市区NO2、SO2和PM10的质量浓度则与机动车尾气、工业燃煤，建筑扬尘和道路扬尘等诸多因素有关。相关性分析表明，上海市NO2、SO2和PM10相互之间存在比较强的相关性。     

车辆限行对道路和施工扬尘排放的影响

采用降尘法对道路和施工扬尘排放进行连续监测,通过限行之前和限行期间数据分析,研究了“好运北京”体育赛事期间机动车交通限行措施对道路和施工扬尘的消减情况、道路和施工扬尘对北京大气环境颗粒物的贡献率、道路和施工扬尘源占本地颗粒物排放总量的比重.结果表明,车辆限行措施对降低道路和施工扬尘的效果明显;环路限行期间降尘量平均值为0.27 g·(m²·d)^-1,限行之前1个月和限行之前7d降尘量平均值为0.81和0.59 g·(m²·d)^-1,主干道和次干道限行期间降尘量平均值为0.21 g·(m²·d)^-1,限行之前1个月和限行之前7 d降尘量平均值为0.54和0.58 g·(m²·d)^-1,道路降尘量下降了60%～70%;限行期间民用建筑施工降尘量平均值为0.27 g·(m²·d)^-1,限行之前20 d为1.15 g·(m²·d)^-1,限行期间公用建筑施工降尘量平均值为1.06 g·(m²·d)^-1,限行之前20 d为1.55 g·(m²·d)^-1,施工降尘下降30%～47%;道路和施工扬尘是北京市颗粒物污染的主要来源,其对环境PM₁₀的贡献率为21%～36%;当本地污染源PM₁₀排放量占环境总量的50%和70%时,道路和施工扬尘PM₁₀排放量分别占本地污染源的42%～72%和30%～51%.     

Estimation of PM_(10) in the trafc-related atmosphere for three road types in Beijing and Guangzhou,China

The levels of roadside PM10in Beijing, China, were investigated in 2011 and 2012 on a seasonal basis to estimate the population exposure to particulates for three road types. The measurements of PM10 were also conducted in the southern Chinese megacity of Guangzhou for comparison purposes. The results showed that roadside PM10in Beijing correlated strongly with the PM10background in the urban atmosphere. The levels of PM10in street canyons were markedly higher than those along the open roads and in crossroad areas because of limited ventilation. An elevation of PM10was observed in April, which was possibly due to the sand storms that frequently occur in the spring. Based on these observations, roadside PM10in Beijing could have multiple origins and was to some extent dispersiongoverned. In Guangzhou, the roadside PM10did not closely relate to the background values. The PM10 pollution was greatly afected by local trafc conditions. The simulation of PM10 for diferent road types was completed during the study period using the Motor Vehicle Emissions Factor Model(MOBILE6.2) as an emission model and the California Line Source Dispersion Model(CALINE4) and Operational Street Pollution Model(OSPM) as dispersion models. The MOBILE6.2/CALINE4 software package was demonstrated to be sufcient for the simulation of PM10in the open roads and crossroad areas in both Beijing and Guangzhou, and the simulation results of roadside PM10 in the street canyons by the MOBILE6.2/OSPM package were in close agreement with those of the measurements.     

苏南农村地区大气PM2.5元素组成特征及其来源分析

为了解苏南农村地区大气细颗粒物的污染水平及其可能的来源,在2002年7月-2003年1月的夏、秋、冬3个季节对雪堰镇和太湖站PM_2.5进行采样和分析,得到了PM_2.5和14种组成元素的质量浓度.研究表明,苏南农村地区PM_2.5的污染水平较高,S,Zn,Pb和As 4种污染元素的质量浓度水平与城市接近;组成元素的季节分布规律存在区域差异,这可能与局地源的贡献,大气细颗粒物中、长距离传输以及复杂的气象条件有关.因子分析结果表明,土壤源、燃煤源、冶金或垃圾焚烧和汽车尾气4类源对PM_2.5有明显贡献,说明人类活动对苏南农村地区PM_2.5具有重要影响.      

广州市区公交车站PM_(2.5)与CO暴露水平研究

用便携式颗粒物浓度测定仪(DustTrak Model8520)和CO测定仪(Q-Trak Model8551),于2008年9月至2009年1月对广州市区11个代表性公交车站的PM2.5和CO暴露水平进行了测定。结果表明,公交车站7:00～19:00时间段PM2.5的平均浓度范围为206～348μg/m3,总体均值达288μg/m3,显示公交车站PM2.5污染问题突出;CO平均浓度范围1.5～4.0mg/m3,总体平均2.8mg/m3,有六个站点平均浓度超过了我国环境空气质量标准限值(4.0mg/m3或3.2mg/m3)。大多数站点工作日与非工作日PM2.5与CO水平差异不大,部分站点则受车流量和客流量变化影响呈现差异。同一站点PM2.5日变化特征不如CO明显,一次污染物CO变化受交通高峰影响呈双峰特征,而PM2.5水平影响因素复杂,一般白天较低,夜晚21:00出现峰值。不同站点CO与车流量未见显著相关性,表明车流量并不是决定公交站点CO水平的唯一因素,而扩散条件及公交车排放可能也是重要影响因素;与CO不同,不同站点PM2.5与车流量表现出显著相关(p0.05),可能侧面反映路面扬尘对公交车站PM2.5水平的影响和贡献。     

北京市道路绿地消减PM2.5总量及其健康效益评估

以交通污染严重的北京市建成区为研究区,在前人实地观测的基础上,利用泊松回归相对风险度模型与环境健康价值评估方法,定量评估了北京市道路绿地消减PM2.5总量及其健康效益.结果表明:北京市建成区道路绿地年消减PM2.5总量为1.09t;对降低人群健康风险作用较为显著,可减少受危害总数约3024例,其中早逝18例、呼吸系统疾病住院53例、心血管疾病住院25例、儿科门诊324例、内科门诊761例、急性支气管炎1134例、慢性支气管炎264例、哮喘445例;带来的健康经济效益为1.98亿元.建议加强道路绿地建设,丰富植被层次结构,以积极应对城市交通空气污染.     

太原市冬季PM2.5水溶性组分污染特征分析

为了探讨太原市大气阴霾天气的主要污染物PM2.5中水溶性组分的污染特征,于2011年12月~2012年1月,采用美国Thermal Anderson公司的大流量PM2.5颗粒物采样器进行了PM2.5样品采集,共获得样品56个.通过采样前后滤膜的重量变化计算PM2.5的质量浓度.并采用微波提取技术,用TOC/TN分析仪研究了水溶性TOC和水溶性TN等的污染特征.研究结果表明,太原市冬季采暖期PM2.5污染严重,并且比北京、天津、广州、南京、西安的污染水平都高.对PM2.5主要影响因素风速、相对湿度、温度和昼夜变化等的分析表明,风速大小与PM2.5的浓度大小呈负相关(r=-0.4693,α=0.05),相对湿度与PM2.5浓度呈正相关(r=0.4092,α=0.05),而温度与其浓度变化关系不明显;采样期间PM2.5浓度的昼夜变化规律不明显.水溶性TOC对PM2.5贡献较高,占PM2.5总量的13.2%~57.7%;NO3-、SO42-也与水溶性TOC有重要的相关关系.     

Particulate matter pollution in Kunshan High-Tech zone: Source apportionment with trace elements, plume evolution and its monitoring

Particulate matter(PM) in the Kunshan High-Tech zone is studied during a three-month campaign. PM and trace elements are measured by the online pollution monitoring, forecastwarning and source term retrieval system AS3. Hourly measured concentrations of PM_(10), PM_(2.5) and 16 trace elements in the PM_(2.5) section(Ca, Pb, Cu, Cl, V, Cr, Fe, Ti, Mn, Ni, Zn, Ga, As, Se, Sr, Ba)are focused. Source apportionment of trace elements by Positive Matrix Factorization modeling indicates that there are five major sources, including dust, industrial processing, traffic,combustion, and sea salt with contribution rate of 23.68%, 21.66%, 14.30%, 22.03%, and 6.89%,respectively. Prediction of plume dispersion from concrete plant and traffic emissions shows that PM_(10) pollution of concrete plant is three orders of magnitude more than that of the traffic. The influence range can extend to more than 3 km in 1 hr. Because the footprint of the industrial plumes is constantly moving according to the local meteorological conditions, the fixed monitoring sites scattered in a few hundred meters haven't captured the heaviest pollution plume at the local scale of a few km~2. As a more intensive monitoring network is not operationally possible, the use of online modeling gives accurate and quantitative information of plume location, which increases the spatial pollution monitoring capacity and improves the understanding of measurement data. These results indicate that the development of the AS3 system, which combines monitoring equipment and air pollution modeling systems, is beneficial to the real-time pollution monitoring in the industrial zone.     

基于地统计学的北京市可吸入颗粒物时空变异性及气象因素分析

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物.为分析北京市采暖期大气中可吸入颗粒物的污染水平及其气象因素的影响作用,以大气可吸入颗粒物PM0.3,PM3.0,PM5.0为研究对象,于2007～2009年采暖期间在北京市城区设立了93个采样点进行定点采样监测,利用地统计分析工具和指示克里格方法,模拟分析了北京市城区2007～2009年采暖期PM0.3、PM3.0、PM5.0的时空变异性,并建立起可吸入颗粒物浓度与气象条件(风力、温度、湿度)的对应关系,由此分析气象因素对大气颗粒物污染水平的影响程度.结果表明:实验半变异函数符合具有块金值的球状模型;北京城区空气可吸入颗粒物的污染水平自2007年以来污染程度与污染面积均呈减小趋势,影响范围主要集中在西南部,西北次之,近郊区污染重于城区;气象条件是影响可吸入颗粒物污染程度的重要因素,在不同年份不同气象因子对颗粒物的影响是不同的.但另一方面,由于污染原因季节冷暖程度的不同,气象条件对颗粒物浓度的影响有不确定的一面,但仍可找到一些规律.     

路旁土壤公路源重金属含量空间分布数值模型的探讨

公路源重金属产生后,赋存于大气颗粒物中,随颗粒物在大气中迁移沉降,最终沉降于路旁土壤中.本研究通过对公路源重金属迁移机理的分析,以高斯污染物扩散模型为基础,构建公路源重金属在路旁土壤中空间分布的数值模型,并用G310国道杏花营断面路旁土壤重金属(Cd、Cr、Cu、Ni、Pb和Zn)含量空间分布实测数据对模型预测能力进行验证.结果表明:土壤Cr和Cu含量呈指数分布,土壤Cd、Ni、Pb和Zn含量呈偏态分布,指数分布实质上是偏态分布的峰值十分接近路基的一种特例.研究表明,本文构造的数值模型可以较好地拟合上述两种路旁土壤重金属空间分布形式,模拟情景数n的取值越大,模拟结果越准确.     

广州市主干道附近大气污染物浓度的特征及影响因素研究

为研究城市主干道边的空气污染状况,通过采用自动监测系统,在2007年1月至2月期间,对广州市新港西路两侧以及附近大学校园内的空气质量进行监测,获得了其空气污染物浓度的特征：（1）空气污染水平高,NO2与PM10日均值超标率较高;（2）污染物时空分布不均匀,NO浓度白天通常比夜间高,路边监测点NO小时浓度为校园对照点浓度的3倍左右。同时,分析了污染物浓度与气象条件及主干道交通流量的关系。结果表明：污染物浓度与气象因素之间有较高的多元线性相关性,但与单个因素的相关性不强;路边监测点的NO小时浓度和校园对照点的N0。小时浓度均与车流量有较高的相关系数,而PM10与车流量无显著相关性。综合考虑气象因素与交通流时,多元线性回归方程的复相关系数更高。     

天津秋冬季PM2.5碳组分化学特征与来源分析

为研究天津大气PM2.5中有机碳和元素碳的特征,于2009年9月4日到2010年2月25日在天津3个监测点位采集PM2.5样品,分析了PM2.5颗粒中元素碳和有机碳的含量特征、与气象条件的相互关系、以及碳组分的来源.结果表明3个监测点位PM2.5的平均质量浓度为123.85μg/m3;TC的平均浓度为18.76μg/m3,其中OC的平均浓度为14.48μg/m3,EC的平均浓度为4.27μg/m3,日均OC和EC浓度分别占PM2.5的11.7%和3.5%.秋季SOC的估算值为5.1μg/m3, 占OC的40.7%、PM2.5的4.3%;冬季SOC的估算值为6.5μg/m3, 占OC的35.7%,PM2.5的4.9%.观测期间EC与温度呈比较好的负相关关系; OC、EC、TC的浓度与风速有较好的负相关性.48h后推气流轨迹结果显示局地盘旋的气流(L)和来自天津北方或西北方区域气流(N/NW)有较高的碳组分浓度;天津大气PM2.5中碳组分受包括生物质燃烧、汽车排放、燃煤和道路扬尘混合来源影响.     

徐州大气PM10污染特征研究

通过分析徐州市近几年的大气PM10监测数据和气象条件,研究了大气PM10质量浓度的时间变化规律及气象因素的影响,结果表明:PM10质量浓度年变化呈"冬重夏轻"的规律;在大气污染源数量和污染物排放量相对稳定的情况下,风和降水是影响大气颗粒物污染程度的主要气象因子,PM10浓度随温度的升高而降低,随气压的增强而减少。     

公路隧道实验调查交通来源空气污染方法

采用公路隧道实验方法来调查交通来源空气的污染,笔者在中国北方和南方公路隧道内进行了气态污染物和大气颗粒物的监测,气态污染物和大气颗粒物为多点位同步监测,气态污染物包括CO,SO₂,NO_x和VOCs等,大气颗粒物包括TSP,PM₁₀,PM_2.5和粒径浓度谱分布等.同时,还调查和分析了隧道内机动车流量、能见度和气象因子.利用上述分析和测定结果,可以综合地研究交通来源污染及其对环境的影响.