不同天气下景观生态林内外大气颗粒物质量浓度变化特征

为了探讨景观生态林对大气颗粒物的调控作用,以北京大兴区景观生态林为例(主要树种为旱柳Salix matsudana),研究不同季节、不同天气条件下景观生态林内大气颗粒物质量浓度差异以及林内和林外质量浓度对比。于2013年7月至2014年5月,分四季选择不同天气类型,采用水平同步监测法对林内和林外两个监测点3种粒径大气颗粒物(TSP、PM10和PM2.5)质量浓度和气象因子进行每日10 h的连续监测(8:00─18:00)。结果表明,(1)晴朗天气景观生态林内ρ(TSP)、ρ(PM10)和ρ(PM2.5)均处于较低水平,分别为(61.53±21.73)~(174.32±36.01)μg·m-3、(28.91±10.34)~(94.87±20.45)μg·m-3和(6.29±3.86)~(23.91±12.29)μg·m-3;多云、扬尘、雾霾和雾霭天气颗粒物质量浓度较高,污染明显加重,雾霾天气下ρ(PM2.5)的增加效果更为明显,而扬尘天气下ρ(TSP)显著增加。(2)雾滴对于PM2.5与PM10具有一定的湿清除作用,也可以与霾粒子共同作用形成相对稳定的雾霭天气,其颗粒物污染程度高于其他天气状况,此时以粒径为2.5~10μm的颗粒物污染为主。(3)夏、秋和春季晴朗微风天气(风速≤3 m·s-1)和扬尘天气林内ρ(TSP)和ρ(PM10)显著低于林外,多云、轻微至轻度雾霾天气,林内ρ(TSP)、ρ(PM10)和ρ(PM2.5)均显著低于林外,晴朗大风(风速5 m·s-1)和雾霭天气林内ρ(TSP)和ρ(PM10)不显著高于林外,雾霭天气林内ρ(PM2.5)显著高于林外;冬季不同天气下ρ(TSP)、ρ(PM10)和ρ(PM2.5)林内和林外对比没有明显规律。(4)空气相对湿度、风速和风向是观测时段内影响颗粒物质量浓度的主要因子。ρ(PM2.5)与相对湿度呈线性正相关,而与风速呈非线性负相关,偏南风对颗粒物主要起输送和积累作用,偏北风对颗粒物起到稀释和扩散作用。相对于TSP和PM10,PM2.5更易受近地面气象条件的影响而堆积或扩散。     

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。     

辽宁本溪大气颗粒物浓度特征

利用本溪大气成分监测站2008年3月至2009年2月大气颗粒物监测仪GRIMM180的连续监测资料,对该地区大气颗粒物的质量浓度变化、谱分布特征以及大气颗粒物与气象因素的关系进行分析研究.结果表明,本溪PM10和PM2.5平均质量浓度分别为0.086 mg.m-3和0.058 mg.m-3,其日平均质量浓度变化幅度较大;冬季和夏季质量浓度日变化均呈现明显的双峰双谷特征;数浓度谱分布较好地符合Junge分布;PM10日平均值超标率为8.7%,且大气颗粒物主要是以细粒子的形式存在;随风速的增大大气颗粒物质量浓度基本呈现逐渐减小的趋势,当风速〉0.6 m.s-1时,大气颗粒物质量浓度随风速增大下降明显,风速〉3.0 m.s-1时,下降的趋势减缓;降水过程对大气颗粒物有清除作用,其中对粗粒子的清除效果非常明显.     

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-。     

颗粒物再悬浮装置研制及稳定性测试

一次颗粒物的粒径分布及化学组分等对雾霾形成和健康具有显著影响.为了认识一次颗粒物的粒径分布,本文基于颗粒物相关理论计算,研制了一套颗粒物再悬浮分级采样装置,并对其运行稳定性进行了评价.结果表明,对TSP、PM_(10)、PM_(2.5)样本质量进行方差分析,所得F值分别为0.42、0.07和1.34,远远小于F_(0.95)(2,17)=3.59;对PM10占TSP比重、PM2.5占PM10比重进行方差分析,F值为0.53,远远小于F_(0.95)(9,19).说明颗粒物在再悬浮腔体中能够均匀分布,该颗粒物再悬浮采样装置可以满足一次颗粒物的分级采样.     

西安市大气颗粒物中水溶性无机离子的季节变化特征

用离子色谱法对11种无机水溶性离子(Na+,NH4+,K+,Mg2+,Ca2+,F-,Cl-,Br-,NO-2,NO-3和SO2-4)进行分析,探讨大气颗粒物中水溶性无机组分的季节变化与典型污染(灰霾、浮尘、燃烧秸秆和燃放烟花)的理化特性.结果表明,西安市大气中PM2.5和TSP的日均质量浓度分别为167.1和382.0μg·m-3,PM2.5占TSP总质量浓度的44%.PM2.5和TSP中无机水溶性离子组分的年均值分别为75.2μg·m-3和101.7μg·m-3.PM2.5中水溶性离子组分占PM2.5总质量浓度的45%左右,TSP中水溶性离子组分占TSP总质量浓度的30%左右.各种水溶性离子的来源和形成机理不同,其季节变化趋势和粒径分布也不同.典型污染事件期间,颗粒物污染特征与平时相比有很大差异:雾霾时PM2.5和TSP的质量浓度都显著增加,主要污染组分为二次污染离子NH+4,NO-3和SO2-4;浮尘发生时,大气颗粒物中人为污染组分会大大减少,而来自沙尘传输和地面扬尘等的地壳物质显著增加;燃烧秸秆对大气颗粒物中K+和Cl-的影响最大;燃放烟花时K+,Mg2+和Ca2+的质量浓度显著增加.     

天津市近地层PM2．5的垂直分布特征

大气细颗粒物PM2.5是导致城市能见度降低的重要原因之一,研究低层大气细颗粒物的垂直分布特征,利于了解边界层内污染物的大气物理化学反应机制,能为大气污染综合治理决策提供新的科学数据.2006年8月16日-2007年8月31日期间以天津市255 m气象塔为观测平台,分别在40 m、120 m和220 m 3个不同高度进行大气污染物PM2.5质量浓度和气象要素的同步观测.对观测资料的分析表明:PM2.5质量浓度季节变化规律非常明显,冬季最高,春季最低.PM2.5日变化特征非常明显,呈明显的双峰变化规律:冬季峰值最大、春季最小.边界层内PM2.5质量浓度在各个高度存在明显差异,受逆温层影响,四个季节的早晨第一个峰值出现时间随高度增加均存在滞后现象,PM2.5从地面扩散到220 m大约需要2 h.各个观测高度PM2.5质量浓度随风向变化不大,得到天津市细粒子主要是由本地源生成的结论.     

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。     

城市绿地空气颗粒物及其与空气微生物的关系

通过对北京市元大都遗址公园内不同林地类型及其旁边道路空气颗粒物及微生物浓度的研究,得出:空气颗粒物中直径大于10μm的粗颗粒所占比例较小,而人可以通过呼吸吸入的PM10所占比例相对较高,对人体最为有害的PM2.5所占比例也很小;对照点(道路)的PM10、TSP浓度都显著高于其临近绿地的浓度,可见绿地具有显著的滞尘作用;元大都公园各林地中PM10浓度都超过了国家环境质量标准中的Ⅱ级标准,是标准的1.36~2.54倍,对人体最为有害的PM2.5浓度只有个别绿地超标;空气微生物浓度与空气TSP、PM10具有极显著相关性,与PM2.5、PM1相关关系不显著。     

降雨过程后北京城区PM2.5日时空变化研究

随着人类环境意识的增强,人们对城市雾霾天气的忧虑与日俱增,PM2.5的时空变化和对人体健康的影响已成为关注的焦点。以往的研究多集中在不同季节或年际的变化,本文通过统计环保局发布的位于北京城区13个逐时浓度监测点降雨前后PM2.5质量浓度,并在城区布设14个采样点昼夜连续监测一次降雨后72 h内PM2.5质量浓度变化情况,研究北京市城区降雨后PM2.5日变化规律及空间分布特征,由此分析降雨对PM2.5日变化规律的影响。同时对比PM2.5与同步气象数据（温度、相对湿度）和交通数据（车辆量、车速）最值频率分布情况,进而对PM2.5日变化特征进行成因分析。随后利用GIS空间分析方法,分析了PM2.5的日空间分布特征。结果表明,降雨对颗粒物的去除作用明显,一次降雨可使PM2.5质量浓度平均下降56.3%。雨后72 h内PM2.5质量浓度均小于60μg·m-3,降雨后1 h内PM2.5质量浓度处于稳定状态,在随后的12 h内PM2.5浓度值都处于下降状态。降雨过程只降低PM2.5的质量浓度值,并不影响其日变化规律。PM2.5的日变化规律以19时为界,表现出明显的昼夜差异。白天的变化规律呈现凹型,夜间的变化规律呈现拱型。PM2.5质量浓度峰值多出现在23时或0时,谷值多出现在下午15时,该特征受气象因素影响较大,受交通源的影响作用不明显。早高峰期间,PM2.5质量浓度变化主要受交通源的影响;晚高峰期间,交通源和气象因素共同影响PM2.5质量浓度。研究区PM2.5日空间分布特征同样存在明显的昼夜差异。白天PM2.5空间分布特征为南部高北部低;PM2.5在夜间的空间分布特征则多表现为四周高、中心低,三环外围区域多为高值区。     

城市高层建筑大气颗粒物污染和噪声垂直分布特征

以空气颗粒物和噪声为研究对象,利用颗粒物监测仪和噪声仪,研究了颗粒物和噪声在不同天气状况下以及垂直方向上的变化规律,结果表明,(1)在0～56m之间,TSP、PM_(10)随高度增加而减小,56～116m之间随高度增加而增大.低空中的PM_(2.5)、PM_1相差不大,而100 m以上高空中的PM_(2.5)、PM_1污染程度明显大于地面.(2)天气条件影响颗粒物污染程度.晴天和大风天颗粒物的污染相对较轻,阴天时污染最重.(3)L_(eq(A))随高度增加而增大,最高点(116 m)处的噪声比地面高约4 dB.晴朗和阴天条件下,噪声差别不大;在大风天气条件下,高层建筑顶层的噪声污染较重.     

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。     

Estimating the removal of atmospheric particulate pollution by the urban tree canopy in Beijing北大核心CSCD

Urban green space, particularly the tree canopy, plays an important role in potential mitigation against atmospheric particulate pollution and protecting human health. In this study, current and future air particulate matter [including total suspended particulate (TSP), particulate matter 10 (PM10), and particulate matter 2.5 (PM2.5)] removal by the urban tree canopy of Beijing was estimated. A modeling approach was used based on the distributed measurement evaluation and a modified version. The urban tree canopy of Beijing, including mostly Platycladus sp., Pinus sp., Quercus sp., Robinia pseudoacacia, and economic forests, currently removes about 8.33 million kg/a air particulates, in which TSP accounted for 4.51 million kg/a, PM10 accounted for 2.74 million kg/a, and PM2.5 accounted for 1.08 million kg/a. The study on the removal of air particulates by different aged tree canopies showed that in coniferous trees, the ability to capture air particulates changed in the order of mature and over-mature > near-mature forest > young forest; in broadleaf forest, the ability changed in the order of near-mature forest > mature and over-mature > young forest. For total particulate matter, the biggest contribution was coarse particulates (60.74%); the contribution rate of fine particulates was different owing to different tree species groups. The results suggested that the ability of different trees to capture particles and age of forests varied widely and that suitable trees should be chosen to enhance pollution mitigation for city greening. © 2018 Science Press. All rights reserved.     

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…     

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。     

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...     

太原市环境空气中TSP和PM_(10)来源解析

2001年到2002年,在太原市5个采样点分别采集了环境空气中的总悬浮颗粒物(TSP)和可吸入颗粒物(PM10)。用化学质量平衡模型和二重源解析技术解析了TSP和PM10的来源,结果表明,各主要源类对TSP的分担率依次为燃煤尘28%、扬尘24%、建筑水泥尘14%、硫酸盐10%、机动车尾气尘10%、土壤风沙尘5%、钢铁尘4%、硝酸盐4%、其它1%;对PM10的分担率依次为扬尘30%、燃煤尘18%、机动车尾气尘15%、硫酸盐11%、土壤风沙尘9%、建筑水泥尘7%、硝酸盐4%、其它1%。     

春季不同天气城市街头绿地内PM2.5质量浓度分布特征研究

于2012年春季,采用水平分布监测法监测了3种天气下距交通污染源不同距离的街头绿地中的PM2.5质量浓度,研究了不同天气下PM2.5的日变化、水平分布规律及绿地对PM2.5的净化效应,为城市街头绿地、城市公园建设及市民合理选择休闲锻炼时间和地点提供理论依据。结果表明：1）晴天和多云时,PM2.5质量浓度上午高于下午,7：00浓度最高,15：00最低;雨后阴天基本保持上升趋势。2）PM2.5日均质量浓度为晴天（61.67μg·m-3）〈多云（187.98μg·m-3）〈雨后阴天（291.48μg·m-3）。晴天除5：00和7：00外,其他时刻均达到国家二级标准,且13：00—15：00达到国家一类功能区空气质量要求;多云和雨后阴天PM2.5质量浓度分别超过国家二级浓度限值150.6%和288.6%。3）观测时段内,无论哪种天气,5：00、7：00、11：00和15：00绿地的净化功能较强,19：00净化功能均最差,所有监测点无一例外的表现为负效应。4）3种天气下,PM2.5质量浓度在距离道路10~25 m最高,绿地的净化效应最差,55 m外基本可以形成稳定的森林内环境。5）在南方高湿环境下,空气相对湿度是影响PM2.5质量浓度的主要因素,晴天和多云天气PM2.5浓度与相对湿度呈显著正相关,而雨后阴天二者呈负相关关系。6）在一定阈值内,街头绿地能够缓解PM2.5污染,为居民提供良好的休闲环境。从游憩时间来看,市民可以选择晴天进入街头绿地休闲,多云和雨后阴天尽量减少外出;从活动最佳地段来看,距离污染源55 m以上适宜休闲锻炼;从街头绿地的规划面积来看,半径以不小于55 m为宜。