天津城区大气气溶胶质量浓度分布特征与影响因素

根据中国气象局天津大气边界层观测站2009年的气溶胶观测资料和同期气象资料,对天津城区PM10和PM2.5质量浓度变化特征,及其与气象条件的相互关系进行研究,结果表明：PM10和PM2.5年均质量浓度为153.24和68.78μg·m-3,其日均值超标率近半,表明南部城区尤其是交通干道附近气溶胶污染较为严重;PM10和PM2.5质量浓度逐月变化呈现明显的冬季高、夏季低的特征,其日变化特征呈明显的双峰型,早晚污染高峰主要受交通源影响;气象条件对气溶胶质量浓度作用显著,气溶胶质量浓度与气温正相关,相对湿度的增高易导致细粒子吸湿性增长,但高湿状态下易引起降水有利于气溶胶的湿清除,西南气流和偏北风是PM10和PM2.5高浓度的主要影响风向,静小风易造成气溶胶堆积,高风速可引起PM10排放增多,但对PM2.5影响不大。     

郑州市道路网络结构特征对大气颗粒物污染的影响及尺度效应

交通排放是大气颗粒物(PM)污染主要来源之一,从道路网络空间结构探究大气颗粒物污染缓解途径,对治理城市空气污染具有重要意义。该研究数据来源于郑州市GF-2遥感影像及建成区8个空气质量监测点(AQMS)的日监测数据。以AQMS为中心建立1 km×1 km(Scale1)-6 km×6 km(Scale6)空间尺度的样方,运用主成分分析法和线性混合效应模型,探讨不同空间尺度下影响PM10、PM2.5质量浓度的关键性路网结构特征,为郑州市路网结构规划和空气污染治理提供科学依据。结果表明,(1)郑州市建成区各监测点的颗粒物质量浓度及变异性都有冬高夏低的特征。(2)郑州市路网结构对PM10质量浓度的影响程度高于PM2.5。(3)主干道面积占比与PM10在Scale1、Scale3-Scale5尺度正相关,与PM2.5仅在Scale5正相关;总道路及次干道面积占比与PM10在Scale2-Scale6均正相关,但与PM2.5仅在Scale5、Scale6尺度正相关。在Scale5的空间尺度下控制总道路及次干道面积占比、减少主干道面积占比,可以有效缓解PM10、PM2.5的污染。(4)路网连通复杂度在Scale2与PM10负相关,在Scale2尺度提升路网环通复杂度可以促进PM10污染的有效缓解。(5)节点与廊道数量水平在Scale1、Scale2与PM10负相关,在Scale1、Scale5与PM2.5负相关。通过在Scale1尺度提升节点与廊道数量水平可以同时有效缓解PM10、PM2.5污染。     

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。     

稀土矿城市不同季节大气可吸入颗粒物中稀土含量特征及颗粒物细胞毒性

为探讨典型稀土矿城市不同季节大气可吸入颗粒物(inhalable particulate matter,PM10)中稀土元素污染特征及其细胞毒性响应,将前期采集于包头市的PM10颗粒物进行提取,检测PM10中的稀土元素(rare earth elements,REEs)含量,并将人肺上皮细胞(A549)暴露于不同浓度水平(25,50,100μg·m L-1)的PM10样品和标准颗粒物1649b(standard reference material,SRM1649b)暴露液,用WST-1法测定暴露24 h后的细胞活性,用2’7’二氯荧光素二醋酸盐(2’7’-dichlorofluorescein diacetate,DCFH-DA)荧光探针法和彗星实验分别测定暴露3 h后的细胞内活性氧(reactive oxygen species,ROS)产生水平和DNA双链损伤程度。结果表明,包头春、夏季大气PM10和SRM1649b均引起A549细胞活性下降,并诱导细胞内ROS生成量增加,造成显著的细胞内DNA损伤,含REEs的大气颗粒物毒性显著高于标准颗粒物。与春季相比,包头夏季PM10对细胞活性的抑制程度更高,造成更多的DNA双链损伤,从而表现出更强的细胞毒性和遗传毒性。包头PM10呈现明显的轻稀土元素(light rare earth elements,LREEs)富集,铈(Ce)、钷(Pm)、镧(La)和钕(Nd)含量占稀土总量的50%以上。LREEs均与细胞活性和细胞内ROS产生水平呈负相关性,包头春季和夏季PM10中稀土元素含量的差异是导致包头PM10细胞毒性效应不同于标准颗粒物且具有季节性差异的原因之一。     

基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份（共31 d）市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO 与 PM2.5质量浓度显著性相关,O3与 PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO 之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

北京市2012-2013年秋冬季大气颗粒物污染特征分析

大气颗粒物一直是影响我国城市空气质量的重要污染物,2013年1月北京市的严重灰霾污染更是带来了重大的健康危害和经济损失。为了摸清北京市颗粒物污染的特征,本文利用北京市实时发布的颗粒物污染监测数据,选取污染最为严重的2012-2013年秋冬季时段,对颗粒物的达标情况、变化趋势及其与气象因子相关性等方面进行研究。研究结果表明：1）2012年,北京市年均ρ（PM10）为109.0μg.m-3,超过了新国标二级标准限值,日均ρ（PM10）的超标天数为84天,全年超标天数比例为23.0%。2）2012年10月至2013年2月,ρ（PM10）达标天数比例为77.9%,ρ（PM2.5）的达标天数比例为51.9%。各月ρ（PM2.5）的达标天数比例均低于ρ（PM10）,某些月份二者达标天数比例差异很大。3）ρ（PM2.5）与ρ（PM10）的逐小时连续变化趋势基本相同,变化特征为＂快速积累,迅速消散,持续时间不定＂。ρ（PM2.5）与ρ（PM10）平均值24 h的变化呈双峰双谷曲线,颗粒物质量浓度夜间高于白天。4）研究期日均ρ（PM10）和ρ（PM2.5）与日均相对湿度呈显著正相关关系,与平均风速和最大风速呈显著负相关关系,ρ（PM2.5）比ρ（PM10）更易受气象条件变化影响。5）ρ（PM10）和ρ（PM2.5）日均值有着非常显著的线性相关关系。本研究得出的ρ（PM2.5）/ρ（PM10）的均值高于之前北京市及我国其他城市研究得出的数值,严重污染现象是由特殊的气象背景条件与污染物高排放共同导致的。     

黄、渤海滨海带大气颗粒物时空分布与来源特征

PM10作为大气污染物监测的主要指标之一,探究大气PM10浓度对大气环境质量和人体健康评价具有重要意义。黄、渤海滨海带包括京、津和辽、冀、鲁、苏等工、农业大省,区域大气PM10污染的时空分布和来源特征具有复杂性和典型性。在锦州、北京、天津、烟台、青岛、连云港和盐城7个城市布设10个采样点,含7个城市点和3个农村点,开展为期一年的大气颗粒物的采样;同时,于冬季1月和夏季7月在锦州、天津和烟台进行合计60 d的加密采样,藉以确定研究区域大气PM10的时空分布和来源特征。结果表明,黄、渤海滨海带大气年均PM10总浓度为(129’18)"g·m~(-3),单月最低值出现在2015年7月盐城农村样点15"g·m~(-3),最高值为2015年3月北京城市点307"g·m~(-3)。盐城大气PM10浓度(城市点(85’27)"g·m~(-3)和农村点(66’35)"g·m~(-3))显著低于其他样点大气PM10浓度。渤海滨海带中西部的京(140’68"g·m~(-3))、津(169’60"g·m~(-3))两市大气PM10年均浓度显著高于东部的锦州(125’41"g·m~(-3))和烟台(109’31"g·m~(-3));而且黄海滨海带大气PM10年均浓度(114"g·m~(-3))显著低于渤海滨海带年均浓度(136"g·m~(-3)),总体上表现出西高东低、北高南低的特征。黄、渤海滨海带城市点和农村点年均浓度分别为(129’18)"g·m~(-3)和(112’30)"g·m~(-3);农村点春冬季大气PM10浓度和城市点浓度相当,无显著差异,夏秋季大气PM10浓度略低于城市浓度,表明农村地区大气颗粒物污染情况也较为严重,需受到关注。区域内PM10浓度季节变化整体表现为春冬高、夏秋低。利用多元回归分析初步判断黄、渤海滨海带PM10属于复合来源,大气PM10浓度约30%的变化与降水、人均能耗和沙尘天气相关。黄、渤海滨海带大气PM10浓度的昼夜变化不大,大气PM10浓度与气温呈现正相关,与风速和降水呈现负相关,表现为受各种气象因素综合作用的影响。     

市政工程施工地周边颗粒污染物扩散特征

为了解市政施工对周边大气环境的影响,通过测定TSP、PM10、PM2.5、PM1等指标,研究了施工工地附近颗粒污染物随天气条件、气象要素、距施工点距离的变化规律,结果表明：（1）粒径较大的颗粒物质量浓度受气象要素的影响较明显,大风和晴天的ρ（TSP）、ρ（PM10）远高于阴雨天;随风速增大,ρ（TSP）、ρ（PM10）、ρ（PM2.5）显著升高。（2）小粒径颗粒物（PM1）受天气条件的影响不明显,湿度、风速变化对PM1影响较小。（3）距离施工工地越远,4种颗粒物质量浓度越低,其中ρ（TSP）、ρ（PM10）、ρ（PM2.5）随距离下降较快。（4）不同施工阶段颗粒物污质量浓度异较大,挖槽阶段颗粒物污染要高于结构装修阶段。     

园林植物滞留不同粒径大气颗粒物的特征及规律

为研究常用园林植物滞留大气颗粒物的能力,本文以北京市常用园林植物为例,应用直接采样、电镜分析和统计分析的方法,对选定园林植物滞留不同粒径大气颗粒物的特征及规律进行了系统分析。结果表明：（1）园林植物滞留的颗粒物形状为不规则块体、球体和聚合体,通过对比分析得出,滞留大气颗粒物能力由高到低的微形态结构依次是蜡质结构〉绒毛〉沟槽〉条状突起,并且这些微形态结构越密集、深浅差别越大,越有利于滞留大气颗粒物。（2）以园林植物叶片滞留颗粒物的数量进行统计时,得出园林植物叶片表面大部分为PM10（Dp≤10μm）,均在98%以上,而PM2.5（Dp≤2.5μm）均在90%以上,粗颗粒物（Dp〉10μm）的数量对总体数量的贡献非常小,均在2%以下;以体积进行统计时,得出PM10的体积在总体积中的比例在50%以上,对颗粒物总体积贡献最大,滞留的PM2.5体积占总体积8.5%-17.6%,粗颗粒物（Dp〉10μm）体积占总体积20%以上。（3）对园林植物滞留颗粒物累积规律分析得出：在相同观测叶面积下,园林植物滞尘10 d的叶表面颗粒物数量较滞尘5 d的叶表面颗粒物数量均有所增加,增幅最大的是小叶黄杨（Buxus microphylla）,增幅最小的是月季（Rosa chinensis）,通过方差分析得出绦柳（Salix matsudana f.pendula）叶表面颗粒物数量显著低于除银杏（Ginkgo biloba）之外的其它7种树种,大叶黄杨（Euonymus japonicus）、小叶黄杨和国槐（ Sophora japonica）叶表面滞留颗粒物的数量较多,并且显著高于月季、银杏和绦柳叶表面滞留的颗粒物数量;滞尘10 d后园林植物叶表面滞留的颗粒物的总面积均未超过观测叶面积的25%,至于叶片持续滞留颗粒物多少天后达到饱和状态仍需进一步研究。     

武汉市秋冬季室内外空气颗粒物以及有机碳、元素碳的污染特征

为了解秋冬季室内外空气颗粒物PM10、PM2.5以及其有机碳和元素碳的污染特征,于2009年10月及12月对武汉大学医学部学生宿舍室内、外PM10、PM2.5进行了两周连续采样。结果表明：秋季室内PM10和PM2.5的平均浓度分别为121.8和91.3μg/m3,室外为153.9和104.2μg/m3;冬季室内PM10...     

北京市区域城市化程度与颗粒物污染的相关性分析

城市化程度的提升带来严重的资源环境问题,尤其是空气污染问题,严重影响了人类的健康。大气中的PM2.5等颗粒物已经成为影响我国城市空气质量的主要污染物。现有研究多数是对于多年来多地区的宏观研究,缺乏对于典型地区的具体数据报道。通过分析北京市PM2.5和PM10的质量浓度与不同城市化程度地区的相关关系,探索城市化程度对PM2.5等颗粒物浓度的影响。选取北京市7处具有代表性空气质量监测点,于2013年7月至10月对PM2.5和PM10的质量浓度进行连续4个月的实时监测,结合《北京市区域统计年鉴》中的城市化指标数据,包括常住人口密度、地区生产总值和林木覆盖率,对数据进行变化趋势分析、Pearson相关分析和回归分析。研究结论表明：由于北京市不同区域城市化程度不同导致颗粒物污染状况不同,每个区域的PM2.5与PM10的质量浓度虽有差异但均显著相关,PM2.5的质量浓度约占PM10的质量浓度的60%,PM2.5是PM10的主要组成成分。城市化程度与PM2.5等颗粒物浓度有明显的关系,PM2.5等颗粒物浓度与地区生产总值和林木覆盖率显著相关,与地区生产总值呈正相关,与林木覆盖率呈负相关;与常住人口密度呈正相关趋势但并不显著相关。其中,PM2.5的质量浓度与地区生产总值的相关系数为0.875,与林木覆盖率的相关系数为-0.838;PM10的质量浓度与地区生产总值相关系数为0.947,与林木覆盖率相关系数为-0.775。总体来看,PM2.5等颗粒物浓度随城市化程度的提高而增加,北京市区域城市化程度与颗粒物污染情况关系明显。我国在快速发展城市化的同时,应关注环境与经济相协调。调整产业结构,增加植被绿化,控制污染源将有助于减少北京市大气中颗粒物的污染程度,为我国的城市化进程提供相应的支持和保障。     

电感耦合等离子体-质谱法研究大气颗粒物中元素浓度

1　IntroductionAirborneparticulatematterisoneoftheimportantmarkersofairqualityandisanimportanthealthconcerninurbanareas,especiallywithrespecttoanumberofchronicrespiratorydiseases.Medicaldatasuggeststhatitisthisfractionofparticulatematterthatbecomesdeeplyi…     

太原市大气中PM10的监测与分布

2001年3月下旬，在太原市建成区均匀布设15个网格点，使用便携式空气质量监测仪，连续5天监测了各点大气中可吸入颗粒物（PM10）的浓度。结果表明：监测期间PM10的浓度范围为0．191－0．660mg/m^3，全市日平均浓度为0．373mg/m^3，上午平均值是下午的2倍；PM10浓度空间分布整体上比较均匀，不同功能区的污染程度依次为：电厂＞化工工＞太钢工业区＞校园商业区＞太行居民我。着重探讨了污染现状的成因，并提出了改善大气质量的建议。     

中国典型城市主要大气污染物的浓度水平及分布的比较研究

应用柱状图和箱线图对污染物分布情况进行对比分析,明确了2013上半年北京、沈阳、广州、上海和海口5个城市4项污染物（SO2、NO2、PM10、PM2.5）的日均浓度的分布范围。该组数据涉及的站点总计有49个,其中包含的数据量北京有1863个、沈阳有1670个、上海有1452个、广州有1574个、海口有780个。柱状图显示了这段时间每个城市各个站点4种污染物不同浓度的分布范围,北京的ρ（SO2）和ρ（NO2）分布较为集中,主要的质量浓度区间分别是0~40和40~80μg·m-3,分别占北京SO2和NO2总数据量的51.0%和49.7%,ρ（PM10）和ρ（PM2.5）则分布较为分散;沈阳分布较为集中的是ρ（NO2）和ρ（PM2.5）,主要的质量浓度区间分别是0~30和30~60μg·m-3,分别占沈阳NO2和PM2.5总数据量的52.2%和42.8%,ρ（SO2）和ρ（PM10）则分布较为分散;上海和广州分布较为集中的是低浓度下的ρ（SO2）,其他三项污染物分布较为分散。箱线图是利用每个城市所有站点得到的最大值、最小值、上四分位数、下四分位数和中位数的平均值绘制得到的,通过不同城市间的比较可见,同期ρ（SO2）的比较结果是ρ（沈阳）〉ρ（北京）〉ρ（广州）〉ρ（上海）〉ρ（海口）;ρ（NO2）较大的3个城市是北京、上海和广州;对于ρ（PM10）则只有广州和海口2个城市浓度较低,而对于ρ（PM2.5）高值集中在北京、广州和沈阳3个城市。通过谱图间的比较,并结合各个城市的气象条件及经济发展状况,从中可推测除背景点海口外,北京和沈阳主要的污染物是PM2.5和PM10,广州和上海主要的污染物是NO2和PM2.5;北京主要的污染来源是燃煤烟尘和机动车尾气,广州和上海主要的污染来源是机动车尾气,沈阳主要的污染来源是燃煤烟尘。研究结果可为典型城市的环境监管与大气污染控制提供科学依据。     

PM10中重金属的提取方法及生物可利用性研究

分别运用模拟生物提取法与化学连续提取法对PM10标准参考样品城市源（NIST-1648A）和工业源（BCR-038）中6种重金属（Cd、Co、Cu、Mn、Ni、Pb）质量分数及赋存形态进行分析。其目标是验证2种提取大气固体颗粒物中重金属方法的有效性,并比较2种方法的优缺点,为将来提取PM10中重金属的方法选取提供依据。模拟生物提取法中,使用Gamble溶液模拟人体肺液对 PM10样品进行溶解,实验方法操作较为简单快捷;化学连续提取法中,不同溶解步骤则可确定重金属的不同赋存形态。在需要快速确定 PM10中某种重金属总量时,应优先使用模拟生物提取法。化学连续提取结果表明,城市源PM10中重金属赋存形态分布没有统一规律,工业源PM10中重金属多以残渣态存在。通过对2种来源的PM10样品中重金属生物可利用性分析,城市源的大气颗粒物对人体的毒性更大,其中标准参考样品城市源 PM10中生物可利用性较高的是重金属Cd（BIBio为61.65%±3.45%;BISE为69.02%±3.82%）和Cu,最低的是重金属Co和Pb;标准参考样品工业源PM10中重金属的生物可利用性最高的是Cd（BIBio为27.66%±1.52%;BISE为15.05%±2.13%）,而Ni、Co和Pb的生物可利用性较低。     

应用UNMIX模型解析长春市大气中PM10来源

大气中可吸入颗粒物（PM10）是影响大气能见度、气候变化以及人体健康的重要污染物,研究大气中PM10的污染来源对于了解城市中大气的污染状况和制定大气污染物防治措施具有重要的意义。选择长春市的净月公园、劳动公园、君子兰公园、体育学院、儿童公园、客车医院、工商学院和邮电学院作为受体采样点,于2011年9月至2012年2月期间,采用KC-120型中流量PM10/TSP采样器（青岛崂山应用研究所）进行大气中可吸入颗粒物PM10的采样,共采集40个受体样品。样品经预处理后,采用电感耦合等离子体质谱法分析了样品中的Be、V、Cr、Mn、Co、Ni、Cu、Zn、Mo、Ag、Cd、Sb、Ba、Tl、Pb、Na、Mg、K、Ca共19种无机元素,将经过标准化后的760个数据代入EPA UNMIX6.0软件对长春市大气中PM10进行源解析研究,其中,Min Rsq=0.89（89%的数据方差可由该模型解释）,Min Sig/Noise=2.50。结果表明：长春市大气中的PM10主要有3个来源：源1为燃煤尘或工业扬尘,贡献率为19.5%;源2为机动车尾气或土壤风沙尘,贡献率为13.1%,源3为城市综合扬尘和其他未知尘源,贡献率为67.4%。对这3个源进行相关性分析,3个源间的相关系数并不是理论值0,而是在-0.553~0.345间变化;源1和源3间相关性最大,相关系数为0.553;其次是源1与源2,为0.345。由此说明,长春市的PM10污染是多种因素综合作用的结果。将UNMIX模型的解析值与测量值进行回归分析,发现总物种的解析值与测量值间具有良好的线性正相关关系（r2=0.98）,每个物种的解析值与测量值间的相关系数为0.713~0.980,相关性强,二者拟合效果较好。     

河西走廊极端干旱区PM10质量浓度分布特征及其与气象要素关系研究

利用敦煌和酒泉2007—2011年的PM10质量浓度资料和风速、气温、相对湿度、气压、天气现象等相关气象要素资料,分析了河西走廊西部极端干旱区不同下垫面环境PM。0质量浓度的时空分布特征,结果表明,下垫面是沙地环境的敦煌PMl0质量浓度年平均值为128．9lμg·m-1,明显高于绿洲环境酒泉的76．1mg·m-1两站均是春季大于其他季节,尤以4月最为显著,敦煌和酒泉分别达到272．1lμg·m0和151lμg·m-2;PMl0质量浓度的不同分布特征与气象因素有密切的关系,尤其受沙尘天气的影响较大,其最大值可以反映沙尘天气的强度,非沙尘日PMl0质量浓度在不同下垫面条件下虽有一定相差,但空气质量状况均在“良”以上。两站PM10质量浓度日变化差异较大,敦煌四季的日变化特征均不特别显著,变化比较平稳,基本都呈单峰单谷型分布,最大值出现在17：00时左右,最小值出现在6：00左右;酒泉春、秋季日变化基本一致,呈单峰型,最大值出现在正午时段;夏季日变化规律性不明显,变化幅度比较平缓;冬季呈双峰双谷型,最大值和次大值分别出现在16：00和2：00左右,最小值和次小值分别出现在10：00和0：00左右。进一步分析发现,在沙尘日和非沙尘日PM10质量浓度明显不同,其对应的压、温、湿、风及能见度也有一定规律,沙尘日的日均风速和日最大风速大于非沙尘日,相对湿度、气压和能见度小于非沙尘日。两站的气温、气压、相对湿度、风速等气象要素与PM10质量浓度均有一定相关性,但PM10质量浓度的分布最终是受各要素综合影响的结果,敦煌和酒泉,PM值与PM10质量浓度日均值的相关性都很显著,相关系数分别为0．8961和0．9152,远高于其他各单气象要素与PM10质量浓度的相关性。两站沙尘日的昂M均值分别是非沙尘日2-3倍,因此气象影响指数能有效的区别沙尘日和非沙尘日。IPM的分布也能较好的反映PMl0质量浓度的分布,因此可用抽d来量化评价PM10质量浓度。     

滨海城市不同粒径大气颗粒物中水溶性离子的分布特征

选取东南滨海城市厦门的城区（厦门大学,仙岳小区）、郊区（集美大学城）、工业区（鹭联宾馆）和背景区（汀溪水库）5个站点为研究对象,于2008年10月至2009年9月对厦门市大气PM2.5、PM2.5-10和PM10-100分4个季节进行了采集工作,用离子色谱对其中的水溶性离子进行测定。研究结果表明,厦门市不同粒径颗粒物中水溶性离子具有明显的时空分布特征,且主要以富集在细颗粒物（PM2.5）上为主。SO42-、NO3-和NH4＋是PM2.5中主要的水溶性离子,占PM2.5中水溶性离子总质量浓度的64.59%～93.17%。PM2.5-10和PM10-100的水溶性离子则以Na＋、C1-和Ca2＋这些粒径较大的颗粒为主。滨海城市厦门PM2.5、PM10和TSP的SO2转化率（SOR）和NO2的转化率（NOR）年平均值分别为：0.35、0.39、0.41和0.04、0.08、0.09,较高的SOR和相对较低的NOR比值均说明厦门存在来自于SO2和NO2转化的二次污染物SO42-和NO3-。     

Analysis and prediction of $$\mathrm{PM}_{10}$$ concentration levels in Tunisia using statistical learning approaches

Over the past years, the health impact of airborne particulate matter \(\mathrm{PM}_{10}\) has become a very topical subject. Thereby, a lot of research effort in the environmental sciences goes towards the modeling and the prediction of ambient \(\mathrm{PM}_{10}\) concentrations. In this paper, we are interested in the statistical classification of the daily mean \(\mathrm{PM}_{10}\) concentration in Tunisia according to the authority regulation. We consider two monitoring stations: a big industrial station and a traffic station. The main goal of this work is to determine the pertinent predictors of \(\mathrm{PM}_{10}\) concentration within a nonlinear multiclass framework. To do this, we used two popular statistical learning methods; the support vector machines (SVM) and the random forests (RF). The statistical results obtained on the real datasets, show that RF outperform SVM for the purpose of variable selection even with a reduced number of observations compared to the number of explicative variables. It was also demonstrated that the \(\mathrm{PM}_{10}\) concentration measured yesterday is the most relevant predictor of its present-day value. Moreover, we found that the more delayed values of \(\mathrm{PM}_{10}\) concentration may be crucial to get an accurate prediction.     

“十一五”期间安庆市环境空气质量状况分析

根据安庆市环境空气质量监测数据,对＂十一五＂期间安庆市环境空气质量状况进行了分析,并与＂十五＂期间进行了比较。结果表明,＂十一五＂期间安庆市环境空气质量优良率总体呈下降态势,首要污染物主要为PM10,老城区的污染重于开发区。采暖期SO2及PM10的质量浓度高于其它月份,NO2测值随季节变化不明显,2009年起各种污染物浓度有所下降。与＂十五＂比较,＂十一五＂期间PM10的质量浓度大幅下降,SO2及NO2均有不同幅度的上升,环境空气质量优良率比＂十五＂略有下降。