合肥市主城区PM_(2.5)时空分布特征研究

城市PM_(2.5)时空分布特征研究对改善空气质量具有重要意义。利用2016年1月1日—2016年12月31日合肥市主城区10个国控空气质量监测站PM_(2.5)浓度、土地开发强度、道路交通等数据,基于Arcgis空间分析平台,探讨合肥市主城区PM_(2.5)时空分布特征及其与土地开发强度、道路交通的关系,可为地方政府改善空气质量提供科学依据。结果表明:(1)合肥市主城区PM_(2.5)浓度季节差异显著,由高到低依次为冬季、春季、秋季和夏季,秋、冬季PM_(2.5)浓度波动较大,而春、夏季PM_(2.5)浓度比较稳定;(2)污染天数呈现春冬多、夏秋少的规律,1月、2月、3月、11月和12月的污染天数比例均超过50%,重度以上污染天气主要出现在春冬季节,严重污染天气暂未出现;(3)1月PM_(2.5)浓度空间分布呈现"双峰多谷"的规律,庐阳区和滨湖新区是PM_(2.5)浓度高峰区,属于轻度污染;7月PM_(2.5)浓度空间分布呈现"双峰双谷"的规律,庐阳区和包河区是PM_(2.5)浓度高峰区,属于良好;(4)合肥市主城区PM_(2.5)浓度与绿地率、主干路长度和容积率有较强关联性;绿地率与PM_(2.5)浓度呈显著负相关,容积率与PM_(2.5)浓度有一定正相关关系,土地利用性质和其他因素综合影响PM_(2.5)浓度;交通流量大的主干路与PM_(2.5)浓度存在正向关系。中心城区通过增加公共绿地空间、合理控制容积率,加强公共交通和电动汽车的使用,可达到改善空气质量的目的。     

河南省PM_(2.5)时空分布特征及其与植被覆盖度的关系

随着中国城市化和工业化的不断推进,大气污染治理形势严峻,PM_(2.5)作为首要的大气污染物,已经引起了公众和学术界的普遍关注。研究PM_(2.5)的时空分布特征及其质量浓度同植被覆盖度之间的关系,为区域大气污染联防联控提供数据支撑和理论依据。以大气污染严重的河南省为研究对象,利用2017年1月—2019年2月期间75个国控空气质量监测站的逐日PM_(2.5)质量浓度数据,通过空间插值技术,分析了PM_(2.5)质量浓度的时间和空间分布特征。基于MODID NDVI遥感卫星数据,采用像元二分模型反演获取植被覆盖度数据,再计算其与PM_(2.5)质量浓度的秩相关系数。研究发现,(1)总体上,河南省PM_(2.5)年均质量浓度逐年降低,由2015年的79μg·m~(-3)降至2018年的63μg·m~(-3),年均降幅达7.2%,但是依然超过国家二级标准(35μg·m~(-3)),污染防治形势仍然严峻。(2)从时间分布看,PM_(2.5)季节差异明显,月均质量浓度曲线大致呈"U"形,冬季质量浓度最高(113μg·m~(-3)),夏季最低(35μg·m~(-3)),春秋两季居中。(3)从空间分布来看,PM_(2.5)质量浓度在河南省内由南至北污染程度递减,形成了以污染最严重的郑州市、安阳市为中心的PM_(2.5)辐射圈。(4)植被覆盖度和PM_(2.5)质量浓度相关性强,秩相关系数为-0.55。从污染治理来看,提高植被覆盖度,增加植被面积对PM_(2.5)沉降有积极作用,但作用有限。     

长三角地区秋冬季大气PM_(2.5)含量空间变异特征

利用长三角地区的128个国控大气监测站2014年11月到2015年1月的PM_(2.5)浓度逐时数据,采用地统计学方法进行了ρ(PM_(2.5))的空间异质性分析,并讨论了其动态变化的影响因素.结果表明,研究时段内ρ(PM_(2.5))的基底效应值在0.07—0.26之间,空间自相关性较强.块金值呈逐步变大趋势,表明PM_(2.5)人为源对其空间异质性的影响逐渐加强.ρ(PM_(2.5))变程值在217.1—336.2 km之间,东-西方向大于南-北方向.可依据各季节空气PM_(2.5)含量空间自相关距离的1/4—1/2进一步优化环境空气质量监测网点.根据普通克里格法空间插值结果得出,研究区PM_(2.5)污染呈片状分布,且PM_(2.5)污染程度持续加重,污染重心在苏锡常都市圈、南京都市圈和徐州都市圈,是空气PM_(2.5)污染防治的关键区域.南京都市圈和徐州都市圈可能受到WSW上风向外源输送的强烈影响,苏锡常都市圈则对SSE下风向的城市群构成较大的潜在影响.PM_(2.5)还与SO2、CO、NO2均呈显著正相关,表明研究区空气PM_(2.5)污染与化石能源燃烧和机动车尾气均有较大关系,也可能与SO2或NO2在不利气象条件下形成的二次气溶胶有关.     

郑州市大气PM_(2.5)中金属元素的污染特征

在郑州市区布设采样点,研究了郑州市PM_(2.5)中金属元素的污染特征、季节分布规律和富集因子。在1年的监测期中,PM_(2.5)的日平均质量浓度为87.4μg·m-3,日均质量浓度超过GB3095─2012日均值二级标准的天数占总监测天数的53%。PM_(2.5)的日平均质量浓度季节性特征表现为冬季秋季夏季春季。K、V、Mn等10种金属平均质量浓度与PM_(2.5)平均质量浓度呈明显正相关,相关系数范围为0.516~0.907。Na、Cr和Ti平均质量浓度与PM_(2.5)平均质量浓度呈明显负相关,相关系数均小于-0.6。郑州市大气PM_(2.5)中金属元素质量浓度较高的有Ca、Na、K、Mg、Al、Fe、Zn,质量浓度较低的有Cd、Hg、Ni、V等。冬季PM_(2.5)中Hg和Pb的平均质量浓度明显高于其他季节。金属元素总量中占比最高的是Ca、Na、K,这3种元素的比例和在4个季节中都大于65%。Cr、Cd、Pb和Hg的比例之和仅冬季超过2%。富集系数的研究表明郑州市大气PM_(2.5)中的Ti主要来自天然的土壤,K、Ca、Mg、Fe、V的来源是自然和人为因素的结合。Cu、Zn、Pb主要来源于人为排放,富集因子远远大于其它元素,是PM_(2.5)中主要的富集元素。Pb的富集因子在冬季最高,春季最低。对一次典型PM_(2.5)重污染情况进行分析,结果表明PM_(2.5)重污染时,金属元素的污染也相当严重,且其污染源相对复杂,非单一的污染来源。     

基于小波变换的北京市PM_(2.5)时空分布特征及成因分析

收集北京市2014年PM_(2.5)质量浓度数据,利用小波变换探讨北京市各类监测站点PM_(2.5)污染的时间序列特征、主周期、突变特性,并结合气象资料,采用小波相干谱探究气象因子对PM_(2.5)的影响。结果表明,2014年北京市各类监测点PM_(2.5)质量浓度变化呈现波动-平稳-波动的相似变化趋势,其中1—4月和10—12月波动明显,且主周期相同(172 d)。采暖期间,南部站点PM_(2.5)质量浓度最高,采暖结束后,交通站点超越南部站点,成为PM_(2.5)质量浓度最高的站点。北京PM_(2.5)突变事件秋冬季节频繁而春夏较少,主要对应于重污染天气的生消过程。5类监测站点的PM_(2.5)质量浓度基本呈现南高北低的分布规律。南部站点PM_(2.5)污染最为严重、突变事件频次最高,该区局地污染排放显著,又是区域传输的重要通道,污染相对复杂;而北部站点污染水平最低、突变频次也最少;市区范围内交通站点污染相对突出。此外,气象因子对PM_(2.5)质量浓度变化影响巨大:在小尺度(0~20 d)上,PM_(2.5)与相对湿度相关性最突出;在中等尺度(20~64 d)上,PM_(2.5)主要受平均风速和相对湿度制约,但季节变化明显;大尺度(64 d)上,PM_(2.5)与日照时数和相对湿度相关性显著。     

京津冀及周边城市PM_(2.5)污染空间关联网络及季节演化研究

京津冀及周边城市是雾霾频发的重灾区,研究该地区城市的PM_(2.5)污染空间关联网络及其随季节演化情况,对于雾霾污染的协同治理具有重要的意义。选取2015年3月16日—2020年3月15日期间,京津冀及周边31个城市的日均PM_(2.5)浓度数据作为样本。首先,对不同城市PM_(2.5)浓度值的时序变化与空间分布进行了可视化展示;然后以城市为节点,城市日均PM_(2.5)浓度值皮尔逊相关系数为边,相关系数与城市最短距离的比值为权重构建京津冀及周边城市PM_(2.5)污染空间关联网络,并对网络的整体特征与季节演化情况进行了分析。结果表明,京津冀及周边城市PM_(2.5)污染空间关联网络图密度为0.473,平均度为14.194,网络图比较紧密;在区域内部,聚类系数较高城市大多位于中间城市带,PM_(2.5)污染也较为严重;石家庄与邢台的度值最高,分别为26与25,接近中心性与中介中心性也最高,控制其他城市PM_(2.5)污染传输的能力最强;在不同季节,城市PM_(2.5)指数相关性对比存在较大差异,采暖季平均聚类系数为0.82,非采暖季平均聚类系数为0.66,在采暖季城市PM_(2.5)污染空间关联更为紧密。因此,应当根据不同季节的气象条件,制定不同的PM_(2.5)污染防治政策,对于污染均比较严重的,位于中间城市带的城市,应重点监控,并积极推进京津冀及周边城市PM_(2.5)污染的一体化与协同治理。     

呼和浩特市城区大气污染物浓度变化特征分析

本文利用呼和浩特市8个国控监测点中CO、NO_2、SO_2、O_3、PM_(10)和PM_(2.5)逐时地面观测数据资料,采用聚类分析、相关性分析等方法,综合研究呼和浩特市城区大气污染物浓度时空变化特征.结果表明,2017年呼市PM_(10)、PM_(2.5)和O_3的污染较为严重,超标天数分别为49 d、52 d和41 d;CO和SO_2整体污染较轻.CO、NO_2、SO_2以及PM_(2.5)浓度表现出冬高夏低变化,O_3表现出夏高冬低变化,PM_(10)则表现为春冬高而夏秋低.O_3和NO_2均呈现单峰型日变化特征,且变化趋势相反;CO、SO_2和PM_(2.5)都呈现出相似的双峰型日变化.小召和工大金川校区监测点污染整体较为严重,小召监测点主要污染物为PM_(2.5)和PM_(10),工大金川校区主要污染物为SO_2.相关性分析表明,O_3浓度与气温呈显著正相关;PM_(2.5)与湿度呈显著正相关;CO、NO_2和SO_2均与风速呈显著负相关;PM_(10)与各气象要素在不同的季节相关性不同.     

珠三角地区PM_(2.5)浓度空间自相关分析

PM_(2.5)空间变异规律是揭示污染机制的重要基础。研究获取珠三角地区共57个监测点2013年全年PM_(2.5)小时均值监测数据,汇总后得到监测点季度均值和年均值,采用空间自相关分析理论研究不同季节PM_(2.5)浓度空间自相关性的强弱与集聚模式。结果显示,珠三角地区PM_(2.5)污染季节差异显著,冬季PM_(2.5)浓度均值是夏季的3倍。空间自相关分析表明,90 km范围内,珠三角PM_(2.5)浓度均存在正空间自相关性且尺度效应明显,空间自相关性存在城市尺度和区域尺度2次递减;春、夏、秋、冬季PM_(2.5)浓度全局Moran's I指数分别为0.542、0.752、0.602和0.628,空间自相关性由高到低依次为夏、冬、秋和春季;珠三角PM_(2.5)浓度集聚模式明显,深圳等沿海地区表现为PM_(2.5)浓度低-低集聚(L-L),而离海岸稍远的广州等地区为高-高集聚(H-H)区域。     

北京典型主城区冬季大气污染特征分析

利用布设于北京市典型主城区的在线空气质量监测站2015年12月数据(小时质量浓度),探究北京主城区冬季大气污染特征的影响因素。结果表明,冬季主城区大气中O_3污染较轻,而NO_2、NO_x和PM_(2.5)污染较为严重。监测期间NO_2、NO_x和PM_(2.5)最大日均浓度分别是GB3095—2012二级标准浓度限值的2.0、6.4和4.3倍,超标天数分别占总天数的58.1%、48.4%和83.9%;而O_3浓度未超过二级标准限值。相关性分析表明,各污染物及能见度之间都呈现出高度相关性(P0.01)。其中,主城区环境空气中PM_(2.5)与NO_x和NO_2正相关系数分别高达0.752和0.839,O_3与PM_(2.5)、NO_x和NO_2均在P0.01水平上呈负相关关系,其中NO_2与O_3负相关性最大(r=-0.772,P=3.124×10-141);能见度与PM_(2.5)、NO_x和NO_2浓度存在显著负相关关系,其中与PM_(2.5)负相关性最大(r=-0.922,P=3.338×10-294),此外,能见度与O_3在P0.01的水平上呈高度正相关性。工作日NO_2、NO_x和PM_(2.5)小时浓度整体高于周末,污染物浓度曲线均出现2个峰值(浓度峰Ⅰ、浓度峰Ⅱ),工作日浓度峰Ⅰ受06:00—09:00市民工作早高峰出行影响,周末浓度峰Ⅰ受02:00—05:00外埠货车进城影响;工作日和周末的污染物浓度峰Ⅱ都出现在22:00左右。O_3的工作日和周末浓度曲线变化基本一致,均呈"双峰"形态,O_3浓度峰Ⅰ出现在14:00左右,高浓度O_3主要来源于大气光化学作用产生的二次污染,浓度峰Ⅱ出现在04:00、05:00左右,其值约为峰Ⅰ值的40%,可能与平流层臭氧垂直气流输送有关。     

西安市PM_(2.5)时空分布特征及气象成因

PM_(2.5)是危害环境及人体健康的重要空气污染物之一,但目前对PM_(2.5)的时空分布及气象成因的研究还相对缺乏。为了更好地控制ρ(PM_(2.5)),利用西安市2013年9月1日至2014年8月31日的PM_(2.5)逐日质量浓度、首要污染物数据及气象数据,分析PM_(2.5)逐日质量浓度对空气质量的影响,ρ(PM_(2.5))的分布特征及其气象成因。结果表明,PM_(2.5)是影响空气质量的重要因素。ρ(PM_(2.5))年超标率高达42.1%,在季节上具有冬秋季高、春夏季低的特征,月变化呈现"V"字形变化。各类型站点的ρ(PM_(2.5))总体空间分布状况为:道路参照点污染最严重;居民参照点、工业参照点次之;商贸参照点及文化、生态参照点的PM_(2.5)污染较轻,基本处于良好状态;PM_(2.5)的空间分布状况及站点间的变动幅度会随季节而有所不同。采用逐步回归模型建立的ρ(PM_(2.5))的预测模型具有较好的预测效果,ρ(PM_(2.5))拟合值均能较好的反映ρ(PM_(2.5))的变化规律,ρ(PM_(2.5))与气象条件有一定的关系。     

山西省大气PM_(2.5)污染时空分布特征

本文基于国家空气质量自动监测位点2015年3月到2016年2月全年的逐时监测数据,对山西省11个地级市PM_(2.5)的污染状况与时空分布进行了详细研究.结果表明,山西省11个地级城市PM_(2.5)年均浓度均超过了国家年均浓度的二级标准限值,其中,长治和运城污染最为严重,超标率均高达27.51%.PM_(2.5)月均浓度变化特征分析发现,各地区PM_(2.5)污染高峰主要出现在冬季,9个城市在夏季出现另一小高峰,太原在春季出现另一小高峰.PM_(2.5)/PM_(10)月均浓度变化特征分析发现,太原、大同、晋城、朔州、晋中和忻州等6个城市PM_(2.5)/PM_(10)的值从春季到冬季逐渐增长,临汾和运城该比值波动于50%—70%之间,阳泉和吕梁PM_(2.5)/PM_(10)的值在7月和11月出现两次高峰,长治则在7月和1月出现两次高峰,提示不同地区可能受到不同污染源的影响.PM_(2.5)日变化规律总体较为一致,呈明显的双峰分布,其特征是中午和午夜高,凌晨和下午低.不同季节PM_(2.5)的空间分布虽有很大差异,但总体上南部城市高于北部城市.局部自相关分析发现,山西省PM_(2.5)污染的热点区域主要集中在运城.     

长株潭城市群PM_(2.5)污染的春节假日效应

利用长株潭城市群24个监测点PM_(2.5)小时监测数据,研究2013—2015年春节期间(7 d)和春节前后(14 d)PM_(2.5)污染差异及变化,并分析旅游休假活动对空气质量的影响。在去除气象条件(日降水量大于4 mm)影响后,从PM_(2.5)污染程度差异、PM_(2.5)浓度日变化差异和假日效应的空间差异3个方面分析了PM_(2.5)污染的春节假日效应。结果表明,整体上长株潭地区春节期间PM_(2.5)浓度比春节前后高12μg·m-3,但春节后(7 d)PM_(2.5)浓度比春节期间低41.5%,"节后效应"明显。由于受烟花燃放等假日活动影响,春节期间PM_(2.5)浓度在00:00—02:00时段显著上升,02:00时PM_(2.5)浓度比非春节期间高47.6%。在假日效应的空间差异方面,长沙作为游客流入地,春节期间PM_(2.5)浓度比非春节期间高33.5%,体现了人流出行和旅游活动对空气质量的显著影响。     

菏泽市夏季PM10和PM25中水溶性离子组分污染特征

为分析菏泽市大气颗粒物及其水溶性离子组分特征,本研究于2015年8月期间在菏泽市6个监测点位采集环境受体PM_(10)和PM_(2.5)样品共120个,利用离子色谱法测定颗粒物中水溶性无机离子(SO■、NO~-_3、NH~+_4、Cl~-、Ca~(2+)、K~+、Na~+、Mg~(2+)、F~-),并同步收集气象参数及气态污染物质量浓度等资料.结果表明,菏泽市夏季环境受体中颗粒物质量浓度ρ(PM_(10))和ρ(PM_(2.5))分别为94.5μg·m~(-3)、55.2μg·m~(-3),稍低于国内其他城市,这与各城市经济发展、产业能源结构、气象条件等因素有关.PM_(2.5)/PM_(10)值在0.5—0.8之间,表明菏泽市夏季细颗粒物(PM_(2.5))污染较为严重.但PM_(10)和PM_(2.5)中水溶性离子质量总浓度ρ(WSIs)分别为30.5μg·m~(-3)、17.0μg·m~(-3);质量分数w(WSIs)分别为32.4%、29.6%.其中SO■、NO~-_3、NH~+_4为PM_(10)和PM_(2.5)中主要水溶性离子,3种离子浓度和分别占PM_(10)和PM_(2.5)中总离子浓度的84.3%、88.3%.SO■、NO~-_3、NH~+_4、K~+主要集中在细颗粒物(PM_(2.5))中,Ca~(2+)、Mg~(2+)则广泛存在于粗颗粒物(PM_(10))中.各采样点的PM_(10)和PM_(2.5)中,SO■、NO~-_3、NH~+_4、Ca~(2+)和Mg~(2+)浓度分布具有空间差异.离子相关性表明,NH~+_4与SO■、NO~-_3相关性均较强,3种离子主要以NH_4HSO_4、NH_4NO_3形式存在.PM_(10)和PM_(2.5)中NO~-_3/SO■值分别在0.41—0.49和0.36—0.47之间,平均值分别为0.46、0.42,表明固定源是菏泽市夏季颗粒物污染的主要污染贡献源.     

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。     

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。     

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。     

北京采暖期典型区域环境空气污染特征分析

北京采暖期空气污染较非采暖期严重得多,但目前针对采暖期北京城市上风向、下风向、中心区和主干道路等典型人类活动区域的主要污染物浓度特征及其受气象条件变化影响的研究还比较缺乏,为了摸清北京市采暖期不同典型区域大气污染特征,更有针对性地制定环境空气污染防治对策,利用2014年采暖期首月(11月15日—12月14日)北京市北郊(八达岭)、南郊(永乐店)、城市中心区(天坛)、城市交通干道(永定门内大街)等典型区域的PM_(2.5)、SO_2、NO_x、O_3质量浓度监测数据和气象数据,分析4类代表性区域的环境空气污染特征和时空变化情况。结果表明,PM_(2.5)是各区域冬季主要污染物,日均质量浓度在61.75~143.81μg?m-3,总体空间分布状况为南郊最严重、城市交通干道和城市中心区次之、北郊的PM_(2.5)污染最轻,除北郊外其余监测点ρ(PM_(2.5))均超过二级标准限值。各区域的主要污染物略有不同,其中北郊ρ(SO_2)较其他区域高,白天12:00时最低(29.09μg?m-3),夜晚18:00—次日01:00持续居高(58.8~63.19μg?m-3),这与燃煤采暖等人类活动规律一致;南郊以PM_(2.5)、NO_x混合型污染为主;城市交通干道附近ρ(NO_x)和ρ(O_3)较高,表明局地光化学反应NO_x-O_3生消机制作用明显,污染物浓度变化与人类出行时间一致。气象条件对不同污染物浓度的影响存在差异,微风无持续风向、大气扩散条件较差时,PM_(2.5)呈现不断累积状态,SO_2、NO_x和O_3累积效应不明显,但其单日质量浓度峰值显著增加;北风和微风反复交替、大气扩散条件总体较好时,各监测点的SO_2、NO_x受地区性污染源排放影响波动不大,随扩散条件转差南郊ρ(PM_(2.5))会迅速增加。城市交通干道机动车排放典型污染物ρ(NO_x)及其二次污染物ρ(O_3)随着气象条件变化其峰值在日内变化显著。     

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。     

广州城区近地面层不同高度空气质量评价

为了阐明大城市中心城区不同高度的空气质量差异及其成因,为大气污染防治工作提供科学支撑,该研究基于广州塔大气污染物垂直梯度观测平台的监测数据,采用环境空气质量综合指数和环境空气质量指数(AQI),分别对广州城区近地面层不同高度的空气质量进行评价。结果表明,2015年广州塔4个高度(地面、118 m、168 m和488 m)的空气质量综合指数分别为4.96、5.01、4.83和3.64,AQI超标率分别为27%、30%、25%和40%。总体上,中、低层(168 m以下)的空气质量差异较小,其中118 m点位的综合指数和AQI超标率相对较高;高层(488 m)因O_3污染尤其显著导致其AQI超标率为各高度最高,但O_3质量浓度上升的贡献被其他污染物质量浓度的大幅下降所抵消,故其综合指数反而最低。随着高度增加,PM_(2.5)和NO_2超标程度下降,O_3超标程度上升,导致高层的PM_(2.5)和NO_2几乎不超标,而O_3超标率达40%且其超标天数占AQI超标天数的比例高达99%。随着污染级别上升,PM_(2.5)和NO_2成为首要污染物的比例减少,O_3比例增加,O_3成为各高度AQI超标时最主要的首要污染物。当低层空气质量处于优或重度污染级别时,各层等级一致性相对较好;但在其他情况下,低层与高层的空气质量最多可相差3个级别。因PM_(2.5)和NO_2以低矮源排放贡献为主,而O_3来源于复杂的二次反应,使PM_(2.5)和NO_2质量浓度随高度上升而递减,而O_3质量浓度随高度上升而递增,最终形成了中、低层以PM_(2.5)、NO2和O_3复合污染为主、高层以O_3单一污染为主的空气质量垂直分布特征。     

广州大气PM_(2.5)中含碳组分的污染特征及来源解析

于2015年1月至11月在广州利用大流量大气颗粒物采样器采集细颗粒物(PM_(2.5))样品,并利用热光反射法(TOR)测定大气颗粒物中有机碳(OC)和元素碳(EC)浓度。结果表明,广州ρ(PM_(2.5))年均值为(69.5±35.6)μg·m~(-3),是GB 3095—2012《环境空气质量标准》中PM_(2.5)年均质量浓度二级标准限值(35μg·m~(-3))的2.0倍,表明广州大气细颗粒物污染严重。OC、EC和总碳气溶胶(TCA)的年均质量浓度分别为(8.31±4.53)、(3.56±2.72)和(16.85±9.60)μg·m~(-3),分别占PM_(2.5)质量浓度的13.2%、5.9%和27.0%,表明含碳组分是PM_(2.5)的重要组成部分。OC和EC浓度季节变化规律存在差异性,OC浓度在冬季最高,而EC浓度在秋季最高。OC和EC的相关性弱和比值高的特征结果表明冬季二次有机碳(SOC)污染最严重,其平均质量浓度为6.9μg·m~(-3),占OC质量浓度的62.4%。主成分分析结果表明,冬季和春季广州PM_(2.5)中碳组分来源较复杂,主要包括机动车尾气、燃煤和生物质燃烧,夏季碳组分的主导污染来源是燃煤和机动车尾气,而秋季碳组分主要来源于机动车尾气。