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。     

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。     

河南中北部不同植被区空气负离子浓度变化分析

为了研究不同植被区空气负离子浓度变化规律及其影响因素,在河南中北部森林、绿地、果园、农田4个植被区选择了8种主要植被类型,在2015年3月—2016年2月观测了空气正负离子浓度及主要气象要素,调查了各植被区主要植被类型的覆盖率,并根据不同植被类型的空气负离子浓度及覆盖率,采用加权平均数法计算出各植被区空气负离子浓度。结果表明,在不同植被类型中,空气负离子日变化规律为:刺槐Robinia pseudoacacia、侧柏Platycladus orientalis、女贞Ligustrum lucidum、广玉兰Magnolia grandiflora、樱桃Cerasuspseudocerasus、葡萄Vitis vinifera多为双峰曲线,小麦Triticum aestivum+玉米Zea mays、小麦+花生Arachis hypogaea及无植被区多为单峰曲线。空气负离子的年变化规律为:各植被类型均为单峰曲线,峰值出现在6—8月。空气负离子年平均浓度:刺槐(448 ion·cm~(-3))侧柏(438 ion·cm~(-3))樱桃(328 ion·cm~(-3))葡萄(321ion·cm~(-3))小麦+玉米(314 ion·cm~(-3))小麦+花生(309 ion·cm~(-3))女贞(309 ion·cm~(-3))广玉兰(302 ion·cm~(-3))。在不同的植被区中,空气负离子浓度日变化规律为:森林为双峰曲线,绿地、果园、农田为单峰曲线。空气负离子年变化规律为:森林、绿地、果园为单峰曲线,峰值出现在7月或8月;农田为双峰曲线,峰值分别出现在7月与11月。年平均空气质量指数:森林(413 ion·cm~(-3))果园(305 ion·cm~(-3))农田(302 ion·cm~(-3))绿地(299 ion·cm~(-3))。森林、绿地的空气负离子浓度与温湿度呈显著正相关性;果园空气负离子浓度与气温呈极显著正相关性;农田空气负离子浓度与温湿度相关性不显著。     

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。     

乌鲁木齐市主要大气污染物浓度变化特征研究

随着中国西部城市化进程的加快,乌鲁木齐大气污染日趋加重。为了定量评估"煤改气"工程对大气质量的改善作用,利用2013—2016年乌鲁木齐市城市空气质量监测数据,对"煤改气"工程前后主要大气污染物浓度的变化进行对比,分析了主要大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2)浓度的年、季节及月变化特征,采用Daniel趋势检验Spearman秩相关系数法,明确了空气中的主要污染物,探讨了乌鲁木齐市空气质量变化趋势。结果表明,乌鲁木齐市2013—2016年PM_(2.5)、PM_(10)、SO_2及NO_2年平均质量浓度分别为(72.17±10.67)、(136.91±13.08)、(21.79±7.90)、(56.71±7.72)μg·m~(-3),其年变化均呈双峰型,其中PM_(10)变化幅度较平缓。各污染物季节变化特征基本一致,呈冬季春季秋季夏季,供暖期高于非供暖期。其中,PM_(2.5)浓度以12月份最高,为(141.7±2.82)μg·m~(-3),7月份最低,为(29.3±5.04)μg·m~(-3);PM_(10)和SO_2浓度均以1月份最高,分别为(208.1±54.48)、(39.45±10.82)μg·m~(-3),6月份最低,分别为(90.7±21.41)、(9.63±4.12)μg·m~(-3);而NO_2浓度以2月份最高,为(80.6±8.95)μg·m~(-3),6月份最低,为(39.3±3.88)μg·m~(-3),且其浓度在4年内的变化不明显。与2012年前相比,2013—2016年SO_2浓度明显下降,可以推断,"煤改气"能源结构调整对大气中SO_2浓度的下降起到了积极作用。乌鲁木齐市空气污染以可吸入颗粒物为首要污染物,在2013—2016年内PM_(2.5)和PM_(10)呈上升趋势,SO_2和NO_2呈下降趋势,但趋势均不显著。乌鲁木齐市大气污染类型已由煤烟型向复合型污染转化。研究成果可为乌鲁木齐市城市大气环境治理提供理论依据。     

不同热带森林空气负离子浓度评价研究

探究中国热带森林改善空气环境质量的功能及其影响因子,为热带雨林国家公园康养资源及生态系统服务功能评估提供基本参数。选择海南尖峰岭4种典型森林类型监测空气负离子浓度及其变化,并以无植被覆盖的开阔地为参照对象,采用相关分析与回归分析等方法研究不同植被类型空气负离子差异及其影响因素,并采用安倍空气离子评价指数、森林空气离子评价模型对不同林分空气质量进行评价。结果表明,(1)尖峰岭热带山地雨林区平均空气负离子浓度为1 534—5 393 ion·cm~(-3)。不同林分空气负离子浓度差异明显,从高到低排序为:热带山地雨林原始林(5 393 ion·cm~(-3))热带山地雨林次生林(4 199ion·cm~(-3))鸡毛松(Podocarpus imbricatus)人工林(4 009 ion·cm~(-3))加勒比松(Pinus caribaea)人工林(2 606 ion·cm~(-3))空旷地(1 543 ion·cm~(-3))。(2)负离子浓度一年中最高值为5月(雨季),最低值为11月(旱季)。负离子浓度在一天中的最高值出现在10:00—12:00,旱季最低值出现在20:00—21:00,雨季没有明显低峰。(3)林内空气负离子浓度与林分结构(物种多样性指数和结构多样性指数)呈显著正相关关系(P0.01);与相对湿度呈正相关(P0.01),而与空气温度和PM_(2.5)质量浓度呈负相关(P0.05)。(4)各林分空气质量评价指数从小到大依次为:空旷地加勒比松人工林鸡毛松人工林热带山地雨林次生林热带山地雨林原始林。热带森林改善空气环境质量的能力与林分类型、林分起源有关,天然林人工林,原始林次生林,热带森林空气负离子浓度主要受物种多样性和林分结构多样性的影响。     

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。     

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.     

基于GIS的北京市林地覆被与PM_(2.5)分布关联性分析

土地利用方式直接和间接地影响着城市的颗粒物污染程度,了解土地利用与颗粒物污染的关联规律,对改善环境空气质量具有重要的意义。选择颗粒物污染问题突出的北京市为研究对象,以空气质量地面监测站的PM_(2.5)质量浓度数据和卫星遥感解译数据为基础,借助地理信息系统和数理统计方法,对不同土地利用方式特别是林地覆被与细颗粒物分布的关联性进行分析。研究结果表明,(1)北京市的PM_(2.5)质量浓度分布在空间上呈由西北至东南逐级递增的趋势,东南部(107.0μg·m~(-3))西南部(96.2μg·m~(-3))城六区(95.3μg·m~(-3))东北部(79.6μg·m~(-3))西北部(79.0μg·m~(-3)),季节分布表现为冬季(122.0μg·m~(-3))春季(81.2μg·m~(-3))秋季(76.8μg·m~(-3))夏季(72.9μg·m~(-3)),不同土地利用方式PM_(2.5)质量浓度表现为耕地(96.9μg·m~(-3))建成区(95.7μg·m~(-3))未利用土地(91.5μg·m~(-3))水域(82.8μg·m~(-3))草地(80.9μg·m~(-3))林地(79.1μg·m~(-3))。(2)以各监测站点为中心建立不同半径缓冲区,随着缓冲区半径的不断增加林地覆被率与PM_(2.5)质量浓度的负相关性不断增强。当缓冲区半径达到1 000 m时,各个月份林地覆被率与PM_(2.5)质量浓度均在α=0.05水平上呈显著负相关。(3)以各监测站点为中心的3 000 m半径缓冲区内落叶阔叶林、常绿针叶林、落叶阔叶灌木林、常绿阔叶灌木林、乔木园地面积与PM_(2.5)质量浓度均呈负相关关系。研究结果表明,实行未利用土地、耕地以及部分建成区的土地利用方式向林地、草地转化是北京市防控颗粒物污染的可行方略。     

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。     

北京初冬季PM_(2.5)中无机元素与二次水溶性离子浓度特征

为研究北京城区初冬季大气颗粒物中水溶性二次无机离子及元素的组成特征,2016年11月,利用青岛明华MH-16型PM_(2.5)采样器在北京城区采样点进行大气颗粒物采样,样品采用离子色谱和电感耦合等离子体质谱分析.结果表明,NO_3~-、SO_4~(2-)和NH_4~+在观测期间平均浓度分别为20.5±11.4μg·m~(-3),13.4±12.1μg·m~(-3)和10.7±8.8μg·m~(-3),SNA(sulfate、nitrate、ammonium)总浓度为44.6±45.2μg·m~(-3).采样期间颗粒物中K、Fe、Na、Zn、Ca、Al、Mg及Pb元素的质量浓度比较高,占所分析元素总浓度的94.5%.采样期间Cr、Ni、Pb、Mn等元素的富集因子10,Zn、Cu、As、Mo等元素的EF值超过100.     

贵阳秋季PM_(2.5)水溶性离子组成特征及来源解析

水溶性无机离子是PM_(2.5)的主要组分之一,对研究PM_(2.5)的物理化学性质,来源及其形成机理具有重要意义.本研究于2017年9月—2017年11月期间在贵阳城区采集了80个PM_(2.5)样品,并测定了8种水溶性离子浓度,探讨贵阳秋季PM_(2.5)水溶性离子组成特征及来源.结果表明贵阳秋季PM_(2.5)中无机离子的平均质量浓度为15.99μg·m~(-3),阴离子和阳离子的平均质量浓度分别为10. 90μg·m~(-3)、5. 09μg·m~(-3); SO_4~(2-)(8. 53±4.63μg·m~(-3))平均质量浓度最高,其次是NH_4~+(2.56±1.62μg·m~(-3))、NO_3~-(2.21±2.96μg·m~(-3))、Ca~(2+)(1.98±0.88μg·m~(-3)),最后依次是K~+(0.37±0.24μg·m~(-3))、Cl-(0.16±0.11μg·m~(-3))、Mg~(2+)(0.11±0.03μg·m~(-3))、Na~+(0.07±0.06μg·m~(-3)); NH_4~+、SO_4~(2-)、NO_3~-是主要水溶性离子,所占比例为83%; NO_3~-/SO_4~(2-)值平均为0.21±0.12,远小于1,说明贵阳秋季PM_(2.5)以固定源污染为主.相关性分析表明,PM_(2.5)中NH_4~+主要以(NH_4)_2SO_4、NH_4HSO_4、NH_4NO_3的形式存在,Ca~(2+)与Mg~(2+)来源可能相同.结合富集系数分析NO_3~-、SO_4~(2-)、Ca~(2+)、K~+、Mg~(2+)基本都是来源于陆源贡献,NO_3~-、SO_4~(2-)是人为源,Ca~(2+)、K~+、Mg~(2+)是地壳源,此外Mg~(2+)还有一部分海源贡献.     

保定市餐饮源排放PM_(2.5)中有机污染物特征及来源分析

餐饮源是城市大气细颗粒物PM_(2.5)的一个重要来源,为了解餐饮源PM_(2.5)排放特征及来源,测定了室外烧烤和食堂两种不同类型餐饮源排放的PM_(2.5)浓度以及PM_(2.5)中的有机污染物;利用气相色谱-质谱仪(GC/MS)检测出主要污染物为正构烷烃、酸类、醛类、酮类、酯类、烯烃、多环芳烃等有机污染物,通过与大气对照样品的对比分析,对污染物的来源做了简要解析.比对结果显示,室外烧烤样品PM_(2.5)浓度为905.6±160.9μg·m~(-3)、食堂样品PM_(2.5)浓度为343.9±30.6μg·m~(-3)、大气对照样品PM_(2.5)浓度为76.7±1.7μg·m~(-3).室外烧烤是食堂排放PM_(2.5)质量浓度的2—3.4倍,是环境大气PM_(2.5)质量浓度的9.5—13.6倍.烧烤油烟排放的PM_(2.5)中有机物主要为有机酸(47.29%),其次是醛酮类(12.97%);校园食堂油烟样品中除了烷烃类(45.2%),脂肪酸类(11.76%)和醛酮类(8.84%)排放也较明显;脂肪酸类可能由动物脂肪灼烧产生,而醛、酮类物质可能来源于香精等食品添加剂的高温分解.大气对照样品中检测到少量醛酮类有机物,未检测到酸类有机物,由此推测醛、酮、酸可能是餐饮油烟中典型排放的污染物.     

荥阳市春秋季观测期间颗粒物中重金属健康风险评价

为研究荥阳市2017春秋两季观测期间颗粒物中重金属的浓度特征及其在不同暴露途径下对人体的健康风险,采集大气中的PM_(2.5)和PM_(10),使用电感耦合等离子质谱仪ICP-MS对颗粒物中重金属浓度(Co、Cu、Zn、As、Cr、Pb)进行测定.结果表明,春、秋季的PM_(2.5)和PM_(10)的浓度均值分别为95.01μg·m~(-3)、149.03μg·m~(-3)和61.61μg·m~(-3)、108.61μg·m~(-3). PM_(2.5)浓度最高比《环境空气质量标准》(GB 3095—2012)规定的一级浓度限值高5.71倍,PM_(10)比其一级浓度限值高6.42倍,比二级浓度限值高1.47倍.健康风险评价表明,在呼吸暴露途径下,PM_(10)中Cr元素在春季对成人有一定致癌风险,在秋季则对成人和儿童均存在致癌风险,且秋季As、Cr、Co的危险指数高达4.2,存在显著非致癌风险;皮肤接触途径下,PM_(10)中Cr元素在春季对儿童和成人均有致癌风险,秋季则主要是对成人存在致癌风险;口入途径下,秋季PM_(2.5)中As元素对儿童有潜在致癌风险,PM_(2.5)和PM_(10)中重金属元素整体在两个季节对儿童均有显著非致癌风险.     

长治市秋冬季PM2.5组分特征及来源解析

采集了2017—2018年秋冬季长治市审计局站、监测站、清华站等3个监测站点的大气PM_(2.5)样品,分析了其元素、水溶性离子及碳质组分特征,并利用化学质量平衡模型(CMB)对PM_(2.5)进行来源解析.结果表明,采样期间长治市PM_(2.5)浓度为67.9μg·m~(-3),其中审计局站PM_(2.5)浓度最高(70.6μg·m~(-3)),其次为监测站(70.0μg·m~(-3))和清华站(63.0μg·m~(-3));二次无机离子(SO_4~(2-)、NO~-_3、NH~+_4)平均浓度(20.7μg·m~(-3))占PM_(2.5)浓度的30.5%,与大量排放到大气中的SO_2、NO_2二次生成有关;OC(12.6μg·m~(-3))和EC(6.6μg·m~(-3))分别占PM_(2.5)的18.6%和9.7%;OC/EC为2.06,且SOC(5.9μg·m~(-3))在OC中占比高达63.1%,表明长治市秋冬季二次污染较重;典型地壳元素Si和Ca占元素组分平均浓度的29.8%和22.8%,说明扬尘污染对长治市PM_(2.5)的有一定影响;源解析结果表明,长治市秋冬季PM_(2.5)主要来源为:机动车源17.0%、燃煤源16.5%、扬尘源14.6%、二次硝酸盐13.9%、二次硫酸盐11.0%、二次有机气溶胶10.8%、工艺过程源9.3%、生物质燃烧源1.9%、其他源5.0%.因此,为进一步降低长治市环境空气中PM_(2.5)的污染,需在加强管控机动车,燃煤和扬尘等一次排放源的基础上,降低一次污染物SO_2、NO_2等的排放,从而实现对二次污染源前体物的控制.     

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。     

重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征

为探究重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征,于2016年12月31日-2017年1月7日在市监测站和跑马岭进行连续PM_(2.5)样品采集,并对两个点位的PM_(2.5)及其组分(水溶性离子和碳质组分)污染特征进行分析。结果表明,重污染天气期间市监测站PM_(2.5)质量浓度(260±77)μg·m~(-3)是跑马岭(85±17)μg·m~(-3)的3倍,表明该重污染天气过程对济南市城区影响程度明显大于清洁对照点跑马岭。市监测站水溶性离子浓度高低顺序为SO_4~(2-)NO_3~-NH_4~+Cl~-K~+Na~+Ca~(2+)F~-,跑马岭水溶性离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-K~+Na~+Ca~(2+)F~-。市监测站和跑马岭二次无机离子(SNA)质量浓度分别为(134.7±49.5)μg·m~(-3)和(46.2±19.0)μg·m~(-3),在PM_(2.5)中占比分别是51.8%和54.4%,两个点位PM_(2.5)浓度差别很大,但SNA在PM_(2.5)中占比相差不大。通过NH_4~+计算值与实测值相关性分析可知,市监测站和跑马岭PM_(2.5)中NH_4~+均主要以(NH_4)_2SO_4和NH_4NO_3形式存在。市监测站SOR和NOR分别为0.44和0.32,跑马岭SOR和NOR分别为0.32和0.44,SOR和NOR的值均大于0.1,表明大气中SO_2和NO_2的二次氧化程度较高。采用OC/EC最小比值法估算得到市监测站和跑马岭SOC分别为8.3μg·m~(-3)和1.8μg·m~(-3),分别占OC的38.2%和20.9%,这表明市监测站OC二次反应程度明显高于跑马岭。市监测站有机碳(OC)和元素碳(EC)相关性(R~2=0.57)明显弱于跑马岭(R~2=0.92),表明市监测站OC和EC来源比较复杂,更有利于SOC的生成。     

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.     

北京地区不同植被类型空气负离子浓度及其影响因素分析

为研究城市内常见植被的空气负离子浓度水平及其影响因素,选取了北京市内几种常见的植被类型,以无植被覆盖的开阔地为参照对象,采用曲线图、散点图、回归分析等手段研究了不同植被类型的空气负离子浓度差异,并分析了外部环境对空气负离子浓度的影响。结果表明,(1)有林地区空气负离子浓度水平远高于无林地区,北京不同植被类型的空气负离子日平均浓度差异明显,5类样地的日平均空气负离子浓度波动范围在300~1 800 ion·cm-3之间,从高到低排序为:阔叶林针阔叶混交林针叶林灌木林无植被覆盖开阔地,且波动范围也逐渐变小,日平均空气负离子浓度分别达到了1 198、1 069、710、599、516 ion·cm-3。最高值一般出现在早晨或者晚上,最低值一般出现在中午。(2)空气负离子含量受天气变化影响显著,4种天气状况下的空气负离子浓度由高到低依次为:雷雨天晴天阴天雾霾天。(3)空气负离子浓度与温度呈负相关,回归方程为:y=-0.018 9x+40.157(r=-0.848,f=53.782,t=-7.334,P=0.001);与相对湿度呈正相关,回归方程为:y=0.058 0x+16.475(r=0.810,f=40.176,t=6.338,P=0.001)。(4)人类活动对空气负离子浓度影响较大,空气负离子浓度与人流量车流量均呈负相关,空气负离子浓度从中心城区向外逐渐升高,万泉河路、香山路、新平北路3个样地的日平均空气负离子浓度分别为:367、485、548 ion·cm-3。(5)空气负离子浓度室外明显高于室内。(6)空气质量与空气负离子浓度关系显著,空气负离子浓度与空气质量指数、PM2.5浓度均呈负相关。这些结果给城市绿地规划及大气治理提供了一些参考,并对后续进一步的研究做了铺垫。     

山东禹城夏季PM_(2.5)中碳质组分污染特征

为研究华北平原夏季PM2.5中有机气溶胶污染特征,于2015年6月20日至2015年7月30日对山东禹城生态站大气中PM_(2.5)进行了观测研究.结果表明,观测期间禹城大气PM_(2.5)日平均浓度为87.15±32.27μg·m~(-3),与我国《环境空气质量标准》(GB3095-2012)二级标准75μg·m~(-3)相比,超标率为58.53%.检测到的10种糖醇的平均总浓度为177.89±145.38 ng·m~(-3)(白天)和226.97±196.88 ng·m~(-3)(晚上),分别占WSOC的3.18%(白天)和4.97%(晚上).脱水糖(左旋葡聚糖、半乳聚糖和甘露聚糖)是检测到的糖类化合物中的主要组成部分,分别占总浓度的58.52%(白天)和75.61%(晚上).EC、OC、WSOC的平均质量浓度分别为2.68±2.8μg·m~(-3),7.51±4.4μg·m~(-3)、5.57±3.95μg·m~(-3),分别占PM_(2.5)质量浓度的3.08%、8.62%和7.34%.WSOC占OC的74.16%,表明有机碳中大部分是水溶性组分.利用EC示踪法和WSOC法估算的二次有机碳(SOC)的质量浓度分别为4.08±2.25μg·m~(-3)和4.90±3.11μg·m~(-3),且两种方法计算的SOC呈现很好的相关性(r=0.77,P0.001).估算得到的SOC为白天高于夜间,与白天光化学反应比较强烈、产生的二次有机物较多一致.相关性分析表明,OC、WSOC和SOC与相对湿度呈现显著的负相关,与SO_2表现出较强的正相关关系,与温度均没有表现出相关性.