合肥市能见度与相对湿度、PM_(2.5)质量浓度的定量关系

为了研究合肥市能见度影响规律,为改善城市大气能见度提供科学依据,利用合肥市2013年1月—2015年12月的气象观测数据和颗粒物质量浓度数据,采用统计分析方法研究了合肥市大气能见度与相对湿度和PM_(2.5)质量浓度的定量关系,以及不同等级能见度下相对湿度和PM_(2.5)浓度的统计特征。结果表明,PM_(2.5)质量浓度与相对湿度共同影响合肥市大气能见度变化,较低相对湿度下(RH60%),能见度降低主要受PM_(2.5)质量浓度升高的影响;较高湿度条件下(RH≥60%),能见度降低主要是由于相对湿度增加造成的大气粒子吸湿增长导致消光性能增大,且这种作用在污染程度较轻时更加突出。RH≥60%时,相对湿度每增加1%,平均能见度降低0.172 km;当RH≥90%时,平均能见度基本在5 km以下。PM_(2.5)质量浓度与能见度呈幂函数关系,40%≤RH60%时,PM_(2.5)的影响作用最显著;PM_(2.5)质量浓度对能见度的影响阈值随相对湿度增加而减小,当PM_(2.5)质量浓度低于46μg?m~(-3)时,能见度随着PM_(2.5)质量浓度降低而迅速增大。随着相对湿度增加,或者PM_(2.5)质量浓度增加,低能见度出现频率呈上升趋势;高湿度、高细颗粒物浓度均可导致低能见度的出现。当前一日能见度低于7km,当日相对湿度大于75%,且PM_(2.5)质量浓度大于65μg?m~(-3),当日能见度超过75%的比例在5 km以下。当前一日PM_(2.5)质量浓度达到中度及以上污染,当日能见度随着相对湿度增加逐渐减小,RH≥80%时,能见度低于5 km的比例达到70%。     

上海市大气污染物时空分布及其相关性因子分析

利用2016—2020年上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3的质量浓度和温度、相对湿度、平均风速、水平能见度气象条件,分析了上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3污染物的时间变化趋势。同时,利用多元线性回归模型及BP神经网络建立污染物与气象因素之间的相关关系,对其质量浓度进行预测,分析对比不同模型的预测结果。研究表明:2016—2020年上海市大气污染物质量浓度随时间变化整体呈现下降趋势;污染物质量浓度季节性差异显著,PM_(2.5)及PM_(10)质量浓度呈现"冬高夏低",而O_3质量浓度呈现"冬低夏高";可吸入颗粒物质量浓度(PM_(2.5)、PM_(10))与SO_2、NO_2质量浓度,O_3质量浓度与NO_2的质量浓度之间存在显著相关性;多元线性回归分析表明相对湿度、平均风速及水平能见度3个气象因素对上海市PM_(2.5)、PM_(10)质量浓度产生显著影响;温度、相对湿度、平均风速及水平能见度4个气象因素对上海市O_3质量浓度产生显著影响;多元线性回归分析表明上海市PM_(10)质量浓度与温度之间显著性水平为0.303,意味着温度对上海市大气PM_(10)质量浓度并没有产生显著影响;PM_(10)质量浓度随相对湿度的增加、平均气压及水平能见度的增大而减小;O_3质量浓度则与温度和平均风速呈正相关,与相对湿度和水平能见度呈负相关。相比多元线性回归,BP神经网络在预测上海市气象污染物质量浓度表现出强大的泛化能力,PM_(2.5)、PM_(10)、NO_2与O_3的真实值与预测值相关系数(r~2)分别为98.6%,97.4%,97.6%和98.3%。     

基于统计动力反演模型分析PM_(2.5)浓度变化的影响因素及其系统演化

以杭州市2013—2016年秋冬季PM_(2.5)及影响因素为研究对象,构建统计动力学反演模型,研究PM_(2.5)浓度系统的影响因素与演化特征。结果显示,(1)模型反演预测值与实际监测值的相关系数0.8316,贡献率大于1%的各驱动项之和为90.85%,反演效果较好;模型中线性项贡献率之和为21.65%,非线性项贡献率之和为62.88%,PM_(2.5)浓度变化受非线性影响更加显著。(2)包含NO_2、SO_2、CO的各驱动项贡献率之和分别为10.77%、8.42%、6.58%;包含降雨(PRE)、风速(WIND)的各驱动项贡献率之和分别为20.5%、17.02%,NO_2、SO_2、PRE、WIND是杭州市PM_(2.5)浓度变化的最主要影响因素。(3)贡献率大于2%的各驱动项中,平均气压(PRS)、相对湿度(RHU)、日照时长(SSD)对PM_(2.5)呈负反馈线性稳定影响作用,PM_(2.5)×SO_2、NO_2×PRS、PRE×SSD、PM_(2.5)×WIND等交互项对PM_(2.5)浓度变化呈正反馈非线性影响,PM_(2.5)×O_3、SO_2×NO_2、PRE×WIND等交互项对PM_(2.5)浓度变化呈负反馈非线性稳定作用。(4)杭州市PM_(2.5)浓度变化系统是一元二次非线性驱动演变系统,通过数值模拟分析可知其PM_(2.5)浓度变化系统呈双定态式,PM_(2.5)浓度变化系统在定态值0.2413与0.3769之间波动变化,系统平衡态不稳定。结果表明,统计动力反演模型可定量解析出PM_(2.5)浓度变化的线性驱动项与非线性驱动项的系数值及贡献率,有助于揭示PM_(2.5)浓度变化系统的演化特征,研究结果可应用于大气污染控制与环境管理等方面。     

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。     

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。     

宝鸡高新区春节前后大气中黑碳浓度特征及来源解析

基于春节前后(2018年1月1日—2018年3月31日)宝鸡市高新区宝鸡文理学院站点的黑碳气溶胶(BC)、浊度仪、颗粒态污染物(PM_(10)、PM_(2.5)和PM_(1.0))、气态污染物(CO、NO_2、SO_2和O_3)的逐时数据及常规气象数据,对宝鸡市高新区BC气溶胶的时间变化特征、来源及影响因素进行分析.结果表明,观测期间BC质量浓度的变化范围为0.01—5.62μg·m~(-3),平均浓度为0.63μg·m~(-3).BC与风速和能见度均呈负相关.观测期间BC浓度日变化呈"双峰双谷"型,峰值出现在09:00和19:00,谷值出现在05:00和16:00;寒假前BC浓度昼夜变化整体高于寒假期间和春季开学,可能与寒假前频繁的人为活动,不易扩散的气象条件有关.BC占PM_(2.5)的0.84%,其吸收作用占大气消光的2.14%.除O_3外,BC日平均浓度与PM_(2.5)、CO和NO_2呈显著相关,相关系数分别为0.626、0.623和0.473,说明BC气溶胶与之均有部分共同源.     

天津市采暖季PM_(2.5)中碳组分污染特征及来源分析

为探究天津市采暖季PM_(2.5)中碳组分的污染特征及来源,于2017年11月28日—2017年12月30日,分昼夜采集天津市大气中的PM_(2.5)样品,并利用热光碳分析仪测定了PM_(2.5)样品中有机碳(OC)和元素碳(EC)的质量浓度。对天津市PM_(2.5)中OC和EC的浓度变化特征进行分析,采用OC/EC最小比值法估算二次有机碳(SOC)的含量,然后利用主成分分析法(PCA)对碳组分进行来源解析,并基于后向轨迹聚类分析方法探讨区域污染传输对天津市碳组分的影响。结果表明,(1)采样期间,PM_(2.5)中OC和EC的平均质量浓度分别为15.63、4.19μg·m~(-3),分别占PM_(2.5)质量浓度的23.78%和6.38%,天津市碳组分污染仍然比较严重。另外,OC和EC的质量浓度及其占PM_(2.5)质量浓度的百分比均呈现出昼低夜高的特点。(2)OC和EC之间的相关性在白天与夜间均较强(R2分别为0.89和0.75),表明OC与EC的来源均较为一致。夜间相关系数R2较低,碳组分来源更为复杂。(3)白天SOC的估算值为5.37μg·m~(-3),占OC的38.71%;夜间SOC的估算值为8.54μg·m~(-3),占OC的48.69%,天津市存在严重的SOC污染。(4)2017年采暖季,天津市PM_(2.5)碳组分污染主要来源于汽油车尾气、道路扬尘、燃煤与生物质燃烧。与白天相比,夜间道路扬尘的贡献作用更加显著。(5)采样期间,天津市气团轨迹主要来自西北与偏北方向。不同方向的气团轨迹对PM_(2.5)中碳组分的影响存在显著差异。研究结果可为天津市制定具有针对性的大气污染控制措施以及区域间的联防联控提供科学依据。     

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。     

广州市城郊森林公园雨季空气颗粒物浓度特征

城市森林公园作为人们游憩、运动的重要场所,其空气质量倍受市民关注。选择广州市城郊梯度上4个森林公园,采用定位对比观测方法,分析了雨季典型晴天森林公园林内空气颗粒物(TSP、PM_(10)、PM_(2.5)、PM_(1.0))质量浓度日变化特征及其在城郊梯度上的规律,结果表明,(1)雨季典型晴天,4个森林公园林内的TSP、PM_(10)与PM_(2.5)质量浓度日均值均达到国家环境空气质量一级标准,且PM_(2.5)浓度低于夏季晴天广州城区浓度。4个公园林内PM_(2.5)/PM_(10)的均值范围为0.31~0.45,也表明公园受污染程度均较轻。(2)公园林内各粒径颗粒物质量浓度均值在城郊梯度上均表现出显著差异(P0.05)。市区及市北缘的森林公园林内TSP、PM_(10)质量浓度显著大于郊区森林公园,而PM_(2.5)与PM_(1.0)质量浓度为游客人数最多的市北缘森林公园显著大于市区和郊区森林公园。(3)森林公园林内TSP、PM_(10)、PM_(2.5)、PM_(1.0)质量浓度的日变化趋势均呈先下降后上升,在14:00—16:00达到最小值,4个公园各粒径颗粒物质量浓度日变幅皆以白云山最大。(4)在监测时间范围内,大夫山森林公园空气颗粒物质量浓度受多气象因子共同影响,温度、湿度、气压等对其影响均达到极显著或显著水平。基于上述分析认为,雨季晴天城郊梯度4个森林公园皆适宜休闲游憩,远离市中心、游客人数适中以及有湖泊等水源多的公园为更好的选择。     

煤改气后天津市采暖期大气污染特征的时空分布研究

燃煤供暖被认为是中国北方采暖期大气污染的主要来源之一,因此国家计划以天然气替代燃煤作为取暖燃料以减轻大气污染。基于2016-2017年天津采暖期前后的空气质量监测数据,探究"煤改气"后城市大气污染物的时空分布特征及影响因素,为大气污染治理提供依据。研究表明,煤改气后天津采暖期主要大气污染物有PM_(2.5)、PM10和NO_2 3种,CO日均质量浓度有超标现象发生,SO_2和O_3日均质量浓度均低于二级标准限值。与使用燃煤采暖时期相比,大气中SO_2、PM_(2.5)、PM_(10)和CO的日均质量浓度均有不同程度的降低,尤其是SO2浓度降幅高达70%,但NO_2质量浓度没有有效降低。从日变化特征来看,采暖期PM_(2.5)、PM10和CO的日变化规律受到了采暖活动影响,呈单峰单谷型的变化趋势。NO_2、SO_2和O_3的日变化规律与非采暖期相似,受采暖活动影响较小。由于受供暖和大气逆温层的影响,采暖期晚上至上午时段大气污染物(O3除外)的质量浓度远远高于非采暖期相同时段的质量浓度。天津大气污染物在非采暖期呈现出典型的"周末效应",但是在采暖期没有出现"周末效应"。冬季,周末白天人为活动较工作日更为活跃,与之相对应增加的城镇生活源可能是造成周末白天PM_(2.5)和PM_(10)质量浓度偏高及"周末效应"消失的主要原因。     

乌鲁木齐气溶胶粒径分布及细颗粒物(PM_(2.5))浓度变化分析

利用乌鲁木齐市中心区域气象局和黑山头2013年1月1日-2014年2月28日期间Grimm180在线监测数据,对乌鲁木齐市大气气溶胶数浓度和PM_(2.5)质量浓度的分布特征及其影响进行了分析,为深入了解乌鲁木齐市颗粒物污染现状,确定乌鲁木齐市大气污染治理重点,制定大气污染防治规划提供依据。结果表明,(1)气象局和黑山头气溶胶数浓度分布趋势一致,0.25~0.28μm之间的粒子数浓度最大;整体趋势表现为双峰型,第1峰出现在0.30~0.35μm之间,峰值分别为467.0和455.4 particle·cm~(-3);第2峰出现在4.0~5.0μm之间,峰值较小;粒径小于2.5μm的粒子数占到了粒子总数的99.88%;在粒径0.25~0.45μm范围内冬季气溶胶粒子数浓度最高,在粒径0.45μm范围内秋季气溶胶粒子数浓度最高;在粒径0.25~1μm范围内夏季气溶胶粒子数浓度最低,在粒径1μm范围内冬季数浓度最低;0.25~0.5μm粒径段内粒子占粒子总数的比例大小顺序为冬春夏秋;0.8~2.5μm之间不同粒径段的粒子占粒子总数的比例大小顺序为夏秋春冬;PM_(2.5)数浓度小时变化采暖期表现为双峰型,非采暖期为不太明显的三峰型。(2)观测期间气象局和黑山头PM_(2.5)平均质量浓度分别为61.77,43.42μg·m~(-3),日平均值超标率分别是30.81%和16.44%。采暖期气象局PM_(2.5)质量浓度小时变化呈现单峰,在19:00─21:00出现峰值;黑山头则呈现双峰,在6:00-8:00出现峰值,20:00出现一个不太明显的小峰;非采暖期气象局与黑山头PM_(2.5)质量浓度小时变化趋势一致,均表现为双峰型。两个站点PM_(2.5)质量浓度的季节变化均表现为冬季秋季春季夏季,特殊的地理位置和不同季节污染源的排放强度、气象条件是导致PM_(2.5)质量浓度随季节变化的主要原因。     

长株潭城市群PM_(2.5)污染的春节假日效应

利用长株潭城市群24个监测点PM_(2.5)小时监测数据,研究2013—2015年春节期间(7 d)和春节前后(14 d)PM_(2.5)污染差异及变化,并分析旅游休假活动对空气质量的影响。在去除气象条件(日降水量大于4 mm)影响后,从PM_(2.5)污染程度差异、PM_(2.5)浓度日变化差异和假日效应的空间差异3个方面分析了PM_(2.5)污染的春节假日效应。结果表明,整体上长株潭地区春节期间PM_(2.5)浓度比春节前后高12μg·m-3,但春节后(7 d)PM_(2.5)浓度比春节期间低41.5%,"节后效应"明显。由于受烟花燃放等假日活动影响,春节期间PM_(2.5)浓度在00:00—02:00时段显著上升,02:00时PM_(2.5)浓度比非春节期间高47.6%。在假日效应的空间差异方面,长沙作为游客流入地,春节期间PM_(2.5)浓度比非春节期间高33.5%,体现了人流出行和旅游活动对空气质量的显著影响。     

太原市PM_(2.5)周期性特征及其成因分析

为研究太原市城区PM_(2.5)浓度不同时间尺度的演变特征及其与气象要素之间的关系,基于PM_(2.5)监测浓度、气象观测数据和再分析资料,利用小波功率谱和交叉小波方法分析了2014年1月1日—2016年5月31日太原市PM_(2.5)的周期变化,及其同气象要素的协同关系,同时研究了对应时段的太原市PM_(2.5)与天气形势的相关关系。结果表明,太原市PM_(2.5)浓度变化存在2~8 d和10~16 d的显著周期,与2 m相对湿度、混合层高度、近地面逆温强度和10 m风速具有相似的共振变化,显著时段主要在每年9月份左右至次年3月份。特定的天气形势是太原市冬季PM_(2.5)持续偏高的背景因素之一,特定的天气形势下PM_(2.5)与同期的气象要素存在密切的协同关系。在研究时段内,太原市PM_(2.5)浓度与华北地区海平面气压呈负相关关系,与朝鲜半岛、日本海的海平面气压呈正相关关系,与500 hPa高度场相关性最显著的区域主要分布在中国华北、东北以及朝鲜半岛,主要表现为正相关关系。研究时段内,中国东部上空500 hPa高度场异常偏高,海平面气压偏低,近地面风速减弱等不利于污染物扩散的形势是造成太原市冬季PM_(2.5)浓度持续偏高的背景因素之一。研究结果有利于从不同时间尺度了解太原市PM_(2.5)的变化规律及气象影响因素,对太原市大气污染防治,重污染预报预警工作具有较大的意义。     

北京典型主城区冬季大气污染特征分析

利用布设于北京市典型主城区的在线空气质量监测站2015年12月数据(小时质量浓度),探究北京主城区冬季大气污染特征的影响因素。结果表明,冬季主城区大气中O_3污染较轻,而NO_2、NO_x和PM_(2.5)污染较为严重。监测期间NO_2、NO_x和PM_(2.5)最大日均浓度分别是GB3095—2012二级标准浓度限值的2.0、6.4和4.3倍,超标天数分别占总天数的58.1%、48.4%和83.9%;而O_3浓度未超过二级标准限值。相关性分析表明,各污染物及能见度之间都呈现出高度相关性(P0.01)。其中,主城区环境空气中PM_(2.5)与NO_x和NO_2正相关系数分别高达0.752和0.839,O_3与PM_(2.5)、NO_x和NO_2均在P0.01水平上呈负相关关系,其中NO_2与O_3负相关性最大(r=-0.772,P=3.124×10-141);能见度与PM_(2.5)、NO_x和NO_2浓度存在显著负相关关系,其中与PM_(2.5)负相关性最大(r=-0.922,P=3.338×10-294),此外,能见度与O_3在P0.01的水平上呈高度正相关性。工作日NO_2、NO_x和PM_(2.5)小时浓度整体高于周末,污染物浓度曲线均出现2个峰值(浓度峰Ⅰ、浓度峰Ⅱ),工作日浓度峰Ⅰ受06:00—09:00市民工作早高峰出行影响,周末浓度峰Ⅰ受02:00—05:00外埠货车进城影响;工作日和周末的污染物浓度峰Ⅱ都出现在22:00左右。O_3的工作日和周末浓度曲线变化基本一致,均呈"双峰"形态,O_3浓度峰Ⅰ出现在14:00左右,高浓度O_3主要来源于大气光化学作用产生的二次污染,浓度峰Ⅱ出现在04:00、05:00左右,其值约为峰Ⅰ值的40%,可能与平流层臭氧垂直气流输送有关。     

西安市PM_(2.5)时空分布特征及气象成因

PM_(2.5)是危害环境及人体健康的重要空气污染物之一,但目前对PM_(2.5)的时空分布及气象成因的研究还相对缺乏。为了更好地控制ρ(PM_(2.5)),利用西安市2013年9月1日至2014年8月31日的PM_(2.5)逐日质量浓度、首要污染物数据及气象数据,分析PM_(2.5)逐日质量浓度对空气质量的影响,ρ(PM_(2.5))的分布特征及其气象成因。结果表明,PM_(2.5)是影响空气质量的重要因素。ρ(PM_(2.5))年超标率高达42.1%,在季节上具有冬秋季高、春夏季低的特征,月变化呈现"V"字形变化。各类型站点的ρ(PM_(2.5))总体空间分布状况为:道路参照点污染最严重;居民参照点、工业参照点次之;商贸参照点及文化、生态参照点的PM_(2.5)污染较轻,基本处于良好状态;PM_(2.5)的空间分布状况及站点间的变动幅度会随季节而有所不同。采用逐步回归模型建立的ρ(PM_(2.5))的预测模型具有较好的预测效果,ρ(PM_(2.5))拟合值均能较好的反映ρ(PM_(2.5))的变化规律,ρ(PM_(2.5))与气象条件有一定的关系。     

郑州市大气PM_(2.5)中金属元素的污染特征

在郑州市区布设采样点,研究了郑州市PM_(2.5)中金属元素的污染特征、季节分布规律和富集因子。在1年的监测期中,PM_(2.5)的日平均质量浓度为87.4μg·m-3,日均质量浓度超过GB3095─2012日均值二级标准的天数占总监测天数的53%。PM_(2.5)的日平均质量浓度季节性特征表现为冬季秋季夏季春季。K、V、Mn等10种金属平均质量浓度与PM_(2.5)平均质量浓度呈明显正相关,相关系数范围为0.516~0.907。Na、Cr和Ti平均质量浓度与PM_(2.5)平均质量浓度呈明显负相关,相关系数均小于-0.6。郑州市大气PM_(2.5)中金属元素质量浓度较高的有Ca、Na、K、Mg、Al、Fe、Zn,质量浓度较低的有Cd、Hg、Ni、V等。冬季PM_(2.5)中Hg和Pb的平均质量浓度明显高于其他季节。金属元素总量中占比最高的是Ca、Na、K,这3种元素的比例和在4个季节中都大于65%。Cr、Cd、Pb和Hg的比例之和仅冬季超过2%。富集系数的研究表明郑州市大气PM_(2.5)中的Ti主要来自天然的土壤,K、Ca、Mg、Fe、V的来源是自然和人为因素的结合。Cu、Zn、Pb主要来源于人为排放,富集因子远远大于其它元素,是PM_(2.5)中主要的富集元素。Pb的富集因子在冬季最高,春季最低。对一次典型PM_(2.5)重污染情况进行分析,结果表明PM_(2.5)重污染时,金属元素的污染也相当严重,且其污染源相对复杂,非单一的污染来源。     

北京地区PM_(2.5)浓度影响因素及估算模型

为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量相关性分析的结果表明,PM_(2.5)浓度与PM_(10)、SO_2、NO_2、O_3以及CO等大气污染物浓度与温度、湿度、压强和风速风向等气象条件间呈现强的相关性.建立了PM_(2.5)与单因素拟合模型,其中PM_(10)、NO_2和CO与PM_(2.5)浓度拟合模型的R~2均大于0.6.识别了对PM_(2.5)浓度有显著影响的二阶、三阶交互作用的因素交叉项.综合考虑单个影响因素与影响因素间交互作用的对PM_(2.5)浓度的影响,采用因子分析方法并对提取的主成分进行回归分析,建立了拟合度R~2为0.887的PM_(2.5)浓度估算模型.     

园林植被对交通排放PM_(2.5)浓度影响研究

已有研究发现汽车尾气和道路扬尘已成为城市大气PM_(2.5)的重要来源之一,植被拦截被认为是去除大气颗粒物的有效手段之一。为了解道路两侧园林植被对道路交通排放的PM_(2.5)浓度扩散的影响,选择园林植被生长最茂盛且雨水较少的9月,在北京北五环路旁的奥林匹克森林公园内沿平行五环路和垂直五环路进行了布点采样,并结合ADMS扩散模型进行研究。北五环是北京最繁忙的交通主干道之一,白天(7:00—18:00)每小时单方向机动车流量达5 000辆以上。研究结果表明,晴天、雨后晴天、污染天公园内大气PM_(2.5)质量浓度分别为(84.3±23.6)、(62.1±12.7)、(246.1±60.5)μg?m~(-3)。垂直五环路和平行五环路的各监测点PM_(2.5)质量浓度无显著差异,但在局地为弱南风条件下,PM_(2.5)质量浓度自南向北有略微降低的趋势。由道路汽车排放的PM_(2.5)随着与公路之间距离的增加而呈指数型下降。ADMS模拟表明晴天和污染天由道路汽车排放的PM_(2.5)对公园内环境大气PM_(2.5)质量浓度的直接贡献不超过2%;但雨后晴天道路交通排放的PM_(2.5)贡献较大,可达25%。园林植被对降低交通排放PM_(2.5)浓度的作用并不显著,其主要作用是对PM_(2.5)进行空间隔离,然后利用大气扩散稀释作用降低由交通排放的PM_(2.5)在环境大气中的质量浓度。     

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。     

太原市大气颗粒物PM_(10)和PM_(2.5)多时间尺度变化规律研究

选取太原市城区10个监测点2014—2016年PM_(10)和PM_(2.5)日变化数据,分析和探讨了其时空变化特征,及其与人类经济活动的同步性规律;采用小波连续变换的功率谱方法识别颗粒物周期变化特征,采用可视化主成分分析法识别不同时间尺度下颗粒物变化的影响因素。结果表明,太原市大气颗粒污染物PM_(10)和PM_(2.5)质量浓度的变化存在明显的时空差异,新兴经济发展区较传统老工业区污染严重,颗粒物污染程度在冬季较为严重。小波分析结果显示,PM_(10)和PM_(2.5)时间序列的变化周期均以4~8 d的短周期为主(P0.05),污染物的质量浓度变化与城市经济活动的周波动变化相一致;PM_(10)和PM_(2.5)质量浓度最大值出现在周波动的中间时段,最小值出现在周末。可视化PCA结果揭示,大气颗粒物PM_(10)和PM_(2.5)季节性波动均受冬季影响较强;周波动周期内均受周三影响最大;一天之内PM_(10)和PM_(2.5)质量浓度分别受夜晚和早晨影响最大,但白天颗粒物质量浓度变化是造成其日变化特征的主要因素。研究结果有利于从不同时间尺度辨析能源城市大气颗粒物污染的多变特征,有针对性地开展大气污染防控,也可为管理部门制定相关标准和规范提供科学依据。