青藏高原地区TSP分布特征及影响因素分析

利用大流量采样器采集了2002年11月~2009年8月的瓦里关山地区TSP样品,通过对数据的日、月、年和季节及后向轨迹等方法的分析处理,揭示了瓦里关山地区TSP基本特征及影响因素: 2003~2008年TSP质量浓度多年均值为0.076mg/m3,呈下降趋势.TSP质量浓度的月际变化特征明显,从秋初开始逐步增大,至春季的4月出现峰值(多年平均值为0.195mg/m3),在5~8月的变化中,TSP质量浓度是逐渐下降,9月份达到浓度的最低值(多年平均值为0.029mg/m3);多年平均值在1~4月均超过国家标准环境空气质量一级标准.季节变化:春季最高,其次是冬季和秋季,夏季最低,四季的TSP平均质量浓度分别为0.148,0.091,0.037,0.035mg/m3,夏季呈下降趋势,其余季节呈上升趋势.TSP质量浓度明显受到局地气象因子降水量、温度、相对湿度、气压和风的控制.降雨量越小、温度越低、相对湿度越小、风速越小,大气TSP浓度越高,反之越低.春季背景大气TSP的质量浓度平均0.12mg/m3,大风天气为0.22mg/m3,浮尘天气为0.329mg/m3,扬沙天气0.382mg/m3,沙尘暴0.874mg/m3,分别为背景大气的1.8、2.7、3.2和7.3倍,雨雪的清除效率分别为33.9%和26.7%.气象后向轨迹模型分析瓦里关山地区沙尘暴的沙源地来源于新疆北部、甘肃西北部、内蒙古中西部及本省西北部的柴达木盆地.TSP质量浓度远低于城市和区域本底站,代表了全球大陆尺度的环境,冬春季多风沙是造成TSP质量浓度较高的主要因素.     

成都大气颗粒物中多环芳烃(PAHs)污染特征

本研究采用主动采样技术历时一年连续采集大气TSP样品,利用GC-MS分析测试TSP中16-PAHs的质量浓度,分析大气TSP中PAHs的浓度变化特征,成分谱分布规律。研究结果表明:成都TSP中PAHs浓度范围为15.75~295.63 ng/m3,年平均浓度及标准偏差为82.16±53.31 ng/m3,在Spearman相关检验中TSP中PAHs浓度与气温呈显著的负相关性,相关系数为:-0.6855,TSP中PAHs与TSP质量浓度成正相关关系,相关系数为:0.7186,全年大气TSP中PAHs浓度呈现出冬季>春季>秋季≈夏季的季节变化特征。     

毕节市区大气污染特征及影响因素分析

根据毕节市2015年大气污染物浓度和气象因子的监测数据,分析了毕节市区大气污染物SO_2、NO_2、PM10、PM2.5、CO及O_3浓度的月、季和年平均变化特征及其影响因素,并对大气污染物浓度之间以及大气污染物浓度与气象因子之间的相关性进行了分析。结果表明:(1)毕节市区2015年空气质量总体良好,空气质量优良天数占95.1%,主要大气污染物为PM10和PM2.5;(2)大气污染物SO_2、PM10、NO_2、PM2.5、CO的月浓度都呈"V"型单谷变化趋势,而O_3的月浓度则为单峰变化趋势;大气污染物SO_2、PM10、NO_2、PM2.5、CO浓度的季节变化为冬季最高、夏季最低,O_3浓度的季节变化则为春季最高、冬季最低,且季节之间的差异性显著(p0.05);大气污染物PM10和PM2.5的年平均浓度分别超过我国《环境空气质量标准》(GB 3095—2012)中一级标准年平均浓度限值的18.2%和112.4%,SO_2和NO_2的年平均浓度均未超过国家一级标准的年平均浓度限值;(3)大气污染物SO_2、NO_2、CO浓度与颗粒物PM10、PM2.5浓度之间两两呈极显著正相关性(p0.01),其与O_3浓度之间呈极显著负相关性(p0.01);PM2.5浓度与PM10浓度之间呈极显著正相关性,而PM2.5浓度与O_3浓度之间呈显著负相关性,多元线性回归分析得出PM2.5浓度与其他大气污染物浓度之间的拟合方程为:PM2.5=2.718+0.130SO_2+0.747PM10+0.255NO_2-0.077O_3+0.678CO;(4)气压与大气污染物SO_2、NO_2、CO、PM10浓度之间呈显著正相关性,其与O_3浓度之间呈极显著负相关性;温度除与O_3浓度之间呈极显著正相关性外,与其他大气污染物浓度之间呈显著负相关性,且其与O_3浓度的相关性系数最大(r=0.501),说明温度对O_3浓度的影响较大;相对湿度除与CO浓度之间无显著相关性外,与其他大气污染物浓度之间均呈显著性负相关性;风速与O_3浓度之间呈极显著正相关性,其与其他大气污染物浓度之间均呈极显著负相关性。     

内蒙古四子王旗2008及2009年沙尘天气研究

通过对四子王旗2008年和2009年3-5月份大气TSP浓度的测定,结合同期主要气象因子数据,依据国家规定的大气中TSP含量的标准和国家环境空气质量标准,对四子王旗的沙尘天气进行分类,并对其强度等级进行划分。评价结果表明：在2008年3-5月份中,发生了5次浮尘天气,2次扬沙天气,其中在2008年5月26日TSP浓度值为3.058mg/m3,达到扬沙天气等级。在2009年3-5月份,发生1次扬沙天气,TSP浓度值为3.369 mg/m3;四子王旗大气中TSP浓度含量符合国家环境空气质量二级标准;大气中TSP浓度与风速、环境温度呈正相关,与降雨量、大气压呈负相关。     

浏阳市城区环境空气污染特征及其与气象因素相关性分析

根据浏阳市城区空气自动监测站点、浏阳市气象站实测数据,得出城区首要污染物、污染因子及其气象因素的月、季均浓度变化图,并求出污染因子和气象因素的相关性。结果表明:PM_(2.5)和O_3对浏阳市城区环境空气污染的贡献较大,SO_2、NO_2、PM_(10)对环境空气质量影响相对较小;空气质量较好的时间段主要集中在第三个季度;NO_2浓度与气温具有极显著的负相关性,与气压具有极显著的正相关性;PM_(10)浓度与风速具有较显著的负相关性;PM_(2.5)浓度与气温具有极显著负相关性,与风速具有较显著负相关性,与气压具有极显著正相关性;O_3浓度与湿度具有较显著负相关性,与气压具有极显著负相关性,与气温具有极显著正相关性。     

气象因素对广州市大气中二噁英污染特征的影响

采用高分辨气相色谱/高分辨质谱仪测定了广州市环境空气中2,3,7,8-PCDD/Fs的含量,并对其来源进行初步分析.重点研究了广州市大气二噁英浓度的空间和季节分布特征,分析其毒性当量浓度变化与气象因素的相关性,并利用美国空气资源实验室的拉格朗日混合单粒子轨道模型对气流轨迹进行模拟,为了解广州市大气二噁英污染状况提供重要的基础数据.结果表明,工业区的二噁英浓度高于其他功能区;大气二噁英毒性当量浓度最高值出现在春季;风向和风速、温度和气压、相对湿度、降水等气象因素都会对大气二噁英的污染程度产生影响,温度、风速与大气二噁英浓度呈负相关,但相关性不明显;经过气团后向轨迹分析,秋季气流轨迹主要往西北地区延伸,冬季大气团运移较慢,主要来自内陆地区,春夏季节气流主要经过东南沿海或海面到达广州.     

基于风廓线雷达的广州边界层局地回流指数廓线对污染物浓度的影响

利用2016—2019年广州增城风廓线雷达资料、地面气象站资料及附近广州九龙镇污染物浓度数据,研究了广州边界层局地回流指数R廓线对污染物浓度变化的影响,并综合分析了造成污染日或污染过程的R廓线及其阈值.结果表明,污染物浓度变化与局地回流指数R呈负相关及负滞后相关,负相关系数随高度的升高而下降.污染物NO₂浓度变化与局地回流指数R的负相关性最高,污染物O₃浓度变化与局地回流指数R的负相关性最低.不同季节、不同污染物浓度与局地回流指数R的负相关性有差异.当局地回流指数R（平均）<0.3的厚度大于400 m或至少3个高度层（每层高度差60 m）R<0.28时,发生复合型污染过程的可能性增大,同时可能出现超过7 d的长时间污染过程.     

长春市大气颗粒汞污染特征及影响因子分析

应用大流量大气采样器采集的TSP样品测定了长春市4个功能区及一个对照点的大气颗粒汞浓度。结果表明，大气颗粒汞体积浓度（Cv）与单位重量颗粒物上的汞含量（Cm)在时间上呈相似的变化趋势，采暖期高于非采暖期。而在空间上则相反，Cv市区大于对照点，对Cm则对照点大于市区，说明了大气颗粒汞主要结合在细粒径的颗粒物上。TSP与大气颗粒汞浓度呈正相关关系，它是大气颗粒汞浓度的决定性因素；降水是影响大气颗粒汞的主要气象因子，燃煤与地面扬尘是大气颗粒汞的两个主要来源。     

塔克拉玛干沙漠腹地沙尘气溶胶质量浓度的观测研究

对塔克拉玛干沙漠腹地塔中地区进行了长达6a的试验观测研究,获得了该地区沙尘气溶胶的基本特征:塔中地区浮尘、扬沙出现日数呈上升趋势,而沙尘暴日数呈下降趋势,沙尘天气出现的频率和强度是影响沙漠地区沙尘气溶胶浓度的主要因素.可吸入颗粒物(PM10)月平均质量浓度峰值区分布在春夏两个季节,3~5月是主峰值区域,7~8月是次峰值区,春季PM10平均浓度在1000mg/m3左右变化,夏季在400~900mg/m3之间,秋冬两季浓度较低基本上在200~400mg/m3之间变化.每年的3~9月是总悬浮颗粒物(TSP)质量浓度较高的月份,4~5月是主峰值区,7~8月为次峰值区;2005年TSP质量浓度最低,年平均值为1105.0mg/m3,2009年略高于2008年,年平均浓度为1878.0 mg/m3,2008年5月TSP平均质量浓度是全年最高值,浓度值达到7415.0mg/m3.沙尘天气过程中大气颗粒物浓度变化具有以下规律:晴天<浮尘天气<浮尘、扬沙天气<沙尘暴天气．风速大小直接影响大气中颗粒物浓度,风速越大颗粒物浓度越高.气温、相对湿度和气压是影响沙尘暴强度的重要因素,也间接影响大气中颗粒物浓度的变化.     

兰州市大气臭氧与其前体物及气象因子相关性研究

兰州市在"一带一路"建设中发挥着重要的战略支点作用.基于OMI（ozone monitoring instrument,臭氧层监测仪）数据产品,对2006-2015年兰州市对流层O₃柱浓度与前体物及气象因子的相关性进行研究.结果表明:2006-2015年兰州市对流层O₃柱浓度值与HCHO总柱浓度值均随时间的变化呈先增后减的趋势,对流层NO₂柱浓度值呈逐年递减的趋势;相关性分析得出,对流层O₃柱浓度与HCHO总柱浓度、对流层NO₂柱浓度相关性较高的地区范围呈先增后减的趋势.在敏感控制区上,2006-2015年VOCs敏感控制区从有到无,VOCs-NO_x协同敏感控制区范围逐渐缩小,NO_x敏感控制区范围逐渐扩大;在气象因子上,对流层O₃柱浓度与气温、日照时间呈显著正相关,与气压、降水量呈显著负相关.在偏北风向上,风速为1.7~1.9 m/s时,兰州市大气对流层O₃柱浓度相对较高.研究显示,NO_x排放量的减少能有效降低兰州市对流层O₃柱浓度.      

Dry deposition velocity of total suspended particles and meteorological influence in four locations in Guangzhou, China

Dry deposition velocity of total suspended particles (TSP) is an effective parameter that describes the speed of atmospheric particulate matter deposit to the natural surface. It is also an important indicator to the capacity of atmosphere self-depuration. However, the spatial and temporal variations in dry deposition velocity of TSP at different urban landscapes and the relationship between dry deposition velocity and the meteorological parameters are subject to large uncertainties. We concurrently investigated this relationship at four different landscapes of Guangzhou, from October to December of 2009. The result of the average dry deposition velocity is (1.49 ± 0.77), (1.44 ± 0.77), (1.13 ± 0.53) and (1.82 ± 0.82) cm/sec for urban commercial landscape, urban forest landscape, urban residential landscape and country landscape, respectively. This spatial variation can be explained by the difference of both particle size composition of TSP and meteorological parameters of sampling sites. Dry deposition velocity of TSP has a positive correlation with wind speed, and a negative correlation with temperature and relative humidity. Wind speed is the strongest factor that affects the magnitude of TSP dry deposition velocity, and the temperature is another considerable strong meteorological factor.We also find out that the relative humidity brings less impact, especially during the dry season. It is thus implied that the current global warming and urban heat island effect may lead to correlative changes in TSP dry deposition velocity, especially in the urban areas.     

上海大气颗粒物中溴、碘浓度水平的影响因素

统计分析了2008年采样期间大气颗粒物TSP和PM10中溴、碘浓度水平与气象条件和气态污染物SO2、NO2的关系。结果表明,风向为向岸流时,大气中TSP、PM10浓度以及颗粒物中溴、碘的浓度均低于离岸流时的数值;在各气象因素中,影响颗粒物中溴、碘浓度的主要气象因素为风向、气压和气温,风速和相对湿度的影响较小;颗粒物中溴、碘的浓度水平随大气中SO2、NO2浓度的上升而上升,颗粒物中碘与SO2、NO2呈显著正相关,而颗粒物中溴呈较弱的正相关性;当空气质量恶化时,PM10中Br、I浓度增大,而Br/I比值降低,城市大气中污染物质之间的化学反应对颗粒物中Br/I的比值有一定影响。     

北方地区典型天气对城市森林内大气颗粒物的影响

以北京西山几种游憩型城市森林为例,在一年四季选择典型天气条件,对4种粒径的大气颗粒物浓度进行全天24h监测,研究北方地区不同季节典型天气因素白昼不同时段对不同结构的城市森林内不同粗细粒径的大气颗粒物浓度变化的影响.结果发现:降雨使大气颗粒物浓度减少,尤其粗颗粒物(TSP只为连续晴天的0.58~0.68),所以雨后晴天粒径较小的颗粒物所占比例会增加.不过,有时在雨后的夜间由于空气湿度大大气颗粒物浓度也会增加.雪能够降低大气颗粒物浓度,“雪后晴天”4种粒径颗粒物浓度均只有连续晴天的0.2倍.多云和雾霾天气使大气颗粒物污染加重,尤其在夜间;雾霾和多云对小粒径颗粒物浓度的增加效果明显.夏季高温高湿静风、闷热的“桑拿天”能使郁闭度较大的林地内大气颗粒物特别是细颗粒物浓度及其所占的比例显著增加,PM2.5的浓度是“连续晴天”的2.53倍.风在雨后能使大气颗粒物在一定程度上扩散减少,而在天气干燥时刮风会增加城市森林内大气颗粒物的浓度,且多云会加重干燥天气刮风后大气颗粒物的污染程度.春、冬季林地裸露的落叶阔叶树在刮风时大气颗粒物浓度较四季常绿、地表覆盖物多的针叶林高,夏、秋季桑拿天和雾霾天郁闭度大的侧柏林大气颗粒物浓度较林地结构开阔的黄栌林高.     

广州市大气中多环芳烃分布特征、季节变化及其影响因素

对广州市大气中气态和颗粒态多环芳烃(PAHs)进行了连续一年的采样观测.结果表明,气态和颗粒态样品中PAHs的平均浓度值分别为312.9 ng/m³ 和 23.7 ng/m³,即多环芳烃主要存在于气相中,占大气总PAHs年平均的92.5%,且在夏季的比重要高于冬季.所检出的的气态多环芳烃以芴、菲、蒽等低环数化合物为主,其中菲占了总含量的60%以上;颗粒态多环芳烃则以高环数的化合物为主,各化合物所占的比重相当,其相对浓度无显著差别.气态多环芳烃在夏季达到高值,冬季降为低值;而颗粒态与其相反,夏季低值,冬季达到高值.在所测定的气象条件中,温度在影响气态多环芳烃浓度变化的因素中占了绝对优势,其次为风速,其它气象因素未观测到有较明显的影响作用;对颗粒态多环芳烃来说,则无绝对的影响因素,温度、风速和湿度同为重要影响因素,但随着分子量的增加,各因素的影响大小顺序略有不同.     

北京市大气颗粒物中多环芳烃(PAHs)污染特征

对北京市2003-09～2004-07的10个月空气中的TSP样品进行了连续采样,周期为1次/周.分析了15种3～7环的PAHs,其中以4～5环为主.∑PAHs浓度及BaP的最大值分别达到705 ng/m³和52 ng/m³;春夏秋冬4季∑PAHs的平均浓度分别为46 ng/m³,16 ng/m³,52 ng/m³,268 ng/m³;BaP的4季平均浓度分别为2.8ng/m³,0.23 ng/m³,3.3 ng/m³,16ng/m³;采暖期∑PAHs平均浓度为非采暖期的9.5倍.在所分析的3种气象条件中,降水能够明显降低PAHs的浓度;非采暖期的PAHs浓度随温度的升高而降低,采暖期的浓度与温度没有明显的相关性;采暖期风速水平的增加会导致PAHs浓度的下降,而非采暖期不同环数的PAHs和风速水平的关系各异,3环的PAHs浓度随风速水平增加而增加,4、5环的PAHs浓度变化不大,6、7环PAHs随风速水平的增加而浓度下降.     

广州市大气气溶胶中水溶性有机物的季节变化

采用BSTFA 衍生化预处理和GC/MS 分析技术, 于2002─2003年对广州市荔湾区大气气溶胶中的水溶性化合物进行了定量检测.结果表明,水溶性化合物呈现一定的季节变化趋势.脱水糖类在春、夏、秋、冬的质量浓度分别为132.06,160.58,301.70和244.90 ng/m3,左旋葡聚糖的秋季质量浓度达到234.9 ng/m3,表明存在大量的生物质燃烧;以葡萄糖、蔗糖为代表的糖类化合物主要来源于生长在土壤中的植物,其进入气溶胶中的主要途径是农作物的耕作和收割、风的侵蚀以及交通等,秋季质量浓度较高可能与植物落叶和秸秆燃烧有关;二酸的质量浓度在冬季达到最大值,可能与广州的气象条件有关.广州夏季盛行西南风,降雨较多,而冬季通常逆温少雨,造成二酸质量浓度升高.      

乐山市2016年冬季颗粒物重污染过程与输送路径及潜在源区

对乐山市2016年12月—2017年2月的大气污染特征及气象条件进行研究分析,并结合HYSPLIT（后向轨迹模式）,用聚类方法、PSCF（潜在源贡献因子法）、CWT（浓度权重轨迹分析法）分别模拟了研究期间PM_2.5的主要潜在源区.结果表明:研究期间,乐山市以PM_2.5污染为主.因风速低、无降水、相对湿度高、边界层高度降低等原因,使乐山市发生了一次持续时间较长的重污染过程（2017年1月1—7日）,该过程二次污染物累积特征较为明显;春节期间,因烟花爆竹集中燃放产生的大量污染物使乐山市出现了一次严重污染（2017年1月28日）,ρ（PM_2.5）日均值达358 μg/m3.乐山市复杂的地形引起的热力差异有利于局地环流的生成与发展,山谷风的存在可能是造成夜间乐山市郊区站点ρ（PM_2.5）高于城区站点的主要原因.结合后向轨迹与ρ（PM_2.5）日均值分析发现,来自盆地内部的气流（占比为28.57%）对乐山市空气质量产生的影响最大.乐山市东部边界附近、宜宾市西北部、自贡市南部等地对乐山市PM_2.5的潜在源贡献（WPSCF）在0.96以上,说明这些地区是研究期间影响乐山市ρ（PM_2.5）的重要潜在源区,模型的模拟结果与风向、风速、ρ（PM_2.5）监测值插值结果相符.研究显示,乐山市大气污染过程除了与在不利气象条件下污染物的累积有关外,区域污染物的输送贡献也不容忽视.      

秦皇岛市大气颗粒物来源解析研究

对秦皇岛海港区和山海关区的颗粒物来源进行了定性识别和定量解析。并考察了重点污染源——我国最大的煤码头秦皇岛港煤码头对市区扬尘和TSP中的碳的影响。得出秦皇岛市海港区和山海关区TSP主要来源为风沙、扬尘,其次为燃煤飞灰和海盐尘。气象条件特别是风向对TSP各源分担率的影响很大,秦皇岛市煤码头是该区域TSP中碳的主要来源。不同气象条件下,煤码头对海港区和山海关区的影响程度明显不一样。      

Evaluation of ambient air quality in Guangzhou, China

On the basis of the reported air quality index （API） and air pollutant monitoring data provided by the Guangzhou Environment Monitoring Stations over the last twenty-five years, the characteristics of air quality, prominent pollutants, and variation of the average annual concentrations of SOE, NOE, total suspended particulate （TSP）, fine particulates （PM10）, CO and dustfall in Guangzhou City were analyzed. Results showed that TSP was the prominent pollutant in the ambient air environment of Guangzhou City. Of the prominent pollutants, TSP accounted for nearly 62%, SOE 12.3%, and NOx 6.4%, respectively. The average API of Guangzhou over 6 years was higher than that of Beijing, Tianjin, Nanjing, Hangzhou, Suzhou and Shanghai, and lower than that of Shenzhen, Zhuhai and Shantou. Concentrations of air pollutants have shown a downward trend in recent years, but they are generally worse than ambient air quality standards for USA, Hong Kong and EU. SOE and NOx pollution were still serious, impling that waste gas pollution from all kinds of vehicles had become a significant problem for environmental protection in Guangzhou. The possible causes of worsening air quality were also discussed in this paper.