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。     

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。     

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.     

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。     

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。     

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.     

舟山市环境空气PM2.5及水溶性离子污染特征分析

为探究舟山市PM_(2.5)及水溶性离子组分的污染特征,于2016年4月、7月、10月和2017年1月在舟山市区3个国控点采集了168个PM_(2.5)样品,利用离子色谱仪测定颗粒物中的9种水溶性离子(Cl~-、NO_3~-、SO_4~(2-)、NH_4~+、K~+、F~-、Na~+、Mg~(2+)和Ca~(2+)),结合气象数据和数值分析手段对舟山市区PM_(2.5)和水溶性离子质量浓度特征、颗粒物酸碱度及二次离子的影响因素(气象参数、前体物)进行研究.结果表明,采样期内,舟山市PM_(2.5)质量浓度时间变化规律为春季冬季夏季秋季,空间分布较为均匀;二次离子是舟山PM_(2.5)主要水溶性组成,且在PM_(2.5)中具有一致的季节变化特征;阴阳离子平衡分析显示舟山市PM_(2.5)整体呈现酸性,并以夏季酸度最低、秋季酸度最高;温度是影响舟山市二次离子浓度的主要气象因素;以燃煤源为主的固定源是舟山市水溶性污染物的主要污染来源,檀枫和临城采样点的SO_4~(2-)和NO_3~-受电厂和燃煤锅炉的污染排放影响严重,普陀区船舶客货运输量大,是普陀点二次离子前体物的主要污染来源.     

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。     

成都G20会议期间大气污染特征及污染防治分析

为保障2016年7月22—24日G20财长与央行行长会议期间空气质量良好,成都市政府采取了大气污染排放控制应急措施。为评估这些措施的成效,提出未来进一步改善成都空气质量的措施建议,利用成都2016年7月1日—8月18日8个国家级空气质量监测点PM_(10)、PM_(2.5)、SO_2、NO_2、O_3和CO等污染物浓度数据和地面气象资料,比较了减排前(7月1—15日)、减排中(7月16—26日)和减排后(7月27日—8月18日)空气质量与气象条件变化特征,同时量化了PM2.5来源。结果表明,采取的污染控制措施取得了一定效果。在减排期低压、低风速及无降雨等不利的气象条件情况下,PM_(10)、PM_(2.5)、O_3、SO_2和NO_2浓度在开始减排后出现了明显下降;相反,它们在停止减排后出现了明显上升。虽然整个研究时段内市区PM2.5和PM10浓度均达到了国家空气质量二级标准,但仍超过世界卫生组织准则值,超标天数占总天数50%以上;约80%天数的臭氧日最大8 h浓度超过世界卫生组织准则值;成都已面临雾霾和臭氧的双重污染。虽然雾霾和臭氧污染发生的主要季节不同,但臭氧和二次颗粒物的前体物(如NO_x和VOCs)具有共同主要来源。市区与背景点在PM_(2.5)、PM_(10)和O_3的浓度上接近且具有似的变化趋势,表明市区空气质量与区域污染物排放密切相关,成都SO_2浓度受本地源和污染物远距离传输的共同影响。为进一步改善成都空气质量,建议加强成渝地区区域减排,特别要控制臭氧前体物和二次颗粒物前体物的排放。     

基于AQI的深圳大气污染特征及其典型环流形势分析

随着中国城市化加速以及机动车保有量的大幅增加,城市环境问题日益突出。深圳地处珠江三角洲城市群,空气质量恶化引起社会各界广泛关注。利用深圳市11个国控站空气质量时平均、日平均监测资料、欧洲中心中期天气预报(ECMWF)再分析资料以及温度、湿度等自动气象监测数据,采用数理统计和典型环流分型等方法,在分析2013—2015年深圳市大气污染时空分布特征的基础上,探讨了深圳污染日典型环流形势特征,以期为深圳大气污染的预警预报、防治及其影响评估提供科学依据。基于空气污染指数(AQI)的污染分析表明:2013—2015年深圳市空气质量呈转好趋势,污染以轻度污染为主(92.4%);引起污染天气的主要污染因子是PM_(2.5)(75%)、O_3(19%)和NO_2(4.8%),PM_(2.5)和NO_2引起的污染天气呈下降趋势,而O_3引起的污染天气呈上升趋势,这表明光化学污染已成为深圳大气污染的重要形式。深圳的大气污染过程持续时间短,以1~2 d为主,污染天气集中出现在冬季,且易出现长时间持续(≥5 d)的污染过程。主要污染物季节特征明显,冬季为PM_(2.5),夏季O_3,春秋季PM_(2.5)、O_3和NO_2均会出现。深圳污染天气空间差异性较大,总体呈现西多东少的分布,东部沿海地区是深圳空气质量最好的区域。深圳污染日典型天气形势可分为大陆高压型、热带气旋型两类,其中秋冬季为大陆高压型,夏季为热带气旋型,在空气质量预报预警服务中,不同季节应关注不同污染物浓度变化和天气形势演变。     

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。     

福州市太阳总辐射变化特征及与PM、O_3关系分析

太阳辐射是天气气候形成和演变的基本动力,也直接影响着近地层的空气质量,研究太阳辐射变化对空气质量的影响规律具有重要意义。基于2007-2018年福州市太阳总辐射、PM-(10)及2014-2018年PM_(2.5)、O_3观测资料,采用趋势分析、相关分析、对比分析等方法,研究福州市太阳总辐射的时间分布规律、变化特征及与PM、O_3的相关关系。结果表明,(1)近12a福州市太阳年总辐射呈上升趋势,平均上升率为6.7%/10a,ρ(PM_(10))和ρ(PM_(2.5))年平均值呈现明显下降趋势,太阳年总辐射与ρ(PM)呈负相关关系。(2)福州市太阳总辐射7月最强、12月最弱,平均而言夏季(7-9月)太阳总辐射量最丰富,春季次之,冬季最少。(3)太阳日总辐射与ρ(O_3)日均值、ρ(O_3)–max–8h、IAQI(ρ(O_3))呈现明显的正相关关系,相关系数分别为0.452、0.594、0.572,通过0.01显著性检验。(4)随着大气中ρ(PM)逐年降低,太阳总辐射量增加,又引起了O_3污染日趋严重的问题,2017-2018年福州市O_3污染明显加重,这与太阳辐射增强、气温异常偏高,日照时数明显偏多关系密切。(5)利用AQI(空气质量指数)评价空气质量后,太阳总辐射对空气质量从单一的影响ρ(PM)高低到主要影响ρ(PM)和ρ(O_3)高低转变。研究结果揭示了《环境空气质量标准》(GB3095-2012)执行后,太阳总辐射与空气质量的相关关系取决于当天的首要污染物,进而决定并影响空气质量的好坏。     

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。     

兰州市大气相对湿度与PM_(10)浓度和大气能见度的相关性分析

将相对湿度RH与PM_(10)浓度、大气能见度间的关系进行深入分析的研究目前还相对较少。利用兰州2002-2012年的环境气象资料,对相对湿度RH、PM_(10)浓度与能见度之间的对应关系进行统计分析,以揭示RH与PM_(10)浓度和大气能见度之间的直观联系,加深对灰霾形成过程的认识。将RH以5%的间隔进行划分,结果表明:各区间ρ(PM_(10))平均值与RH平均值呈显著线性负相关,R(相关系数)达0.940;高颗粒物浓度更多地出现于低湿天气条件下,但高湿度非降雨天气条件下颗粒物容易积聚。随着RH增大,大气能见度随ρ(PM_(10))变化率的绝对值增大;RH在75%以上时,增加相同的ρ(PM_(10))所导致的大气能见度下降量是RH在40%~45%时的2倍以上;RH 45%~60%,大气能见度可较好地反映ρ(PM_(10))的变化,而RH大于60%时,大气能见度的降低主要反映ρ(PM_(10))含水量的快速增加而并非指示ρ(PM_(10))的增加。在分析无降水天气过程时发现,当RH在80%~90%之间时PM_(10)的平均值明显下降,二者不呈负相关。可能的原因是这种高湿度天气通常出现在夏秋季节,一方面污染物排放强度较低,另一方面大气稳定度低,逆温层厚度比较稀薄,静风频率出现的概率比较低,风速相对于冬春季节较大(平均风速大于1.5 m·s~(-1)),污染物易扩散。大气能见度与同期地面气象条件和主要污染物浓度的相关性比较表明,相对湿度、PM_(10)是影响能见度的主要因子,兰州能见度变化对PM_(10)比较敏感。PM_(10)对能见度的影响以冬季最为明显,秋季次之,夏季最弱。兰州由于特殊的河谷盆地地形,复杂的气象条件使得兰州地区大气相对湿度与PM_(10)浓度和大气能见度的关系与国内其他地区存在较大的差异。     

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。     

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。     

基于MODIS数据的山东省秸秆焚烧与空气质量关系探析

秸秆焚烧释放的各类气体污染物和细微颗粒对空气质量影响极大,是大气污染的来源之一。MODIS传感器具有灵敏度高、时效性强和空间覆盖宽等优势,利用其数据对秸秆焚烧进行监测,可以快速获取大范围内秸秆焚烧火点的位置、数量和烈度等信息。采用基于MODIS发展的上下文算法提取火点,并收集研究区空气质量指数(air quality index,AQI),PM_(10)、PM_(2.5)、NO_2、SO_2、CO和O_3 6个空气质量分指数(individual air quality index,IAQI)数据以及相关气象数据,将山东省17个地市按照"是否沿海岸线分布"划分为沿海地区和内陆地区,对比分析秸秆焚烧对空气质量影响的差异性。将两类地区每日空气质量数据进行空间插值,对得到的区域所有栅格点的空气质量指数总和与该区域火点数进行时间序列上的相关性分析,进而分析秸秆焚烧造成的污染对环境空气质量的影响程度以及内陆、沿海地区空气污染的差异性。结果表明,火点数量与空气质量指数总和呈现正相关关系,且分别与AQI、PM_(2.5)、PM_(10)和O_3这4个指数呈极显著正相关关系(P0.01),火点增多产生的污染物使空气质量指数升高,导致空气质量下降。同时,沿海地区秸秆焚烧火点与空气质量指数的相关性强于内陆地区火点与空气质量指数的相关性,这表明大气扩散条件是研究秸秆焚烧环境效应的重要前提条件之一。     

京津冀城市群PM_(2.5)的空间分布及相关性分析

以京津冀城市群2014—2016年1 090 d PM_(2.5)浓度日值数据为基础,基于Arc GIS 10.2软件,选择典型月份分析PM_(2.5)月优良天数比例、月重度及严重污染天数比例的时空分布特征及其空间相关性。结果表明,研究区城市之间各年PM_(2.5)浓度月优良天数比例与月重度、严重污染天数比例整体波动趋势基本一致,其中PM_(2.5)月优良天数比例高值集中在5—9月,PM_(2.5)月重度与严重污染天数比例高值集中在11—次年2月;从区域分布看,PM_(2.5)月重度与严重污染天数比例从石家庄、保定市向周边城市由高到低递减。选取典型月份对研究区PM_(2.5)进行空间相关分析,结果表明PM_(2.5)存在正空间相关性,即PM_(2.5)浓度的空间分布表现出空间聚集性。     

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.     

济南市居住区采暖季大气PM_(2.5)中碳组分构成及变化分析

为探究济南市采暖季环境空气中PM_(2.5)中碳组分的污染情况及主要来源,于2017年11月16日-2018年3月31日和2017年11月16日-28日分别进行了居住区和背景区离线颗粒物采样,运用美国沙漠研究所DRIModel2015多波长热/光学碳分析仪对大气PM_(2.5)中碳组分进行了分析。研究结果显示,日均质量浓度ρ(OC)、ρ(EC)和ρ(PM_(2.5))在居住区为9.26、3.16、85.32μg·m~(-3),在背景区为2.88、1.44、59.27μg·m~(-3),说明居住区碳组分污染程度明显高于背景区。居住区日均质量浓度最高的碳组分为OC4、OC3和EC2;OC3和OC4日均质量浓度随污染等级从优向重度污染变化的过程逐渐增大,且OC日均质量浓度的变化情况跟OC3和OC4日均质量浓度变化相一致。但OC/PM_(2.5)和EC/PM_(2.5)均随污染等级的加重而呈下降趋势,可见OC和EC并不是济南采暖季重污染天气的控制因子。PMF来源解析结果显示,济南市采暖季居住区碳组分贡献较大的源为燃煤源、汽油车尾气和道路尘。结合碳组分在线监测仪器(美国SUNSET公司,型号RT-4)同期OC和EC质量浓度数据,采用Cabada改进后的方法,计算出SOC和POC质量浓度分别为1.14μg·m~(-3)和4.69μg·m~(-3)对采样时间段内一次典型重污染过程进行分析,发现CO、EC、POC等一次污染物的大量排放、不利的气象因素、区域传输等因素共同导致了此次污染过程的的形成。