宁波市区秋冬季PM_(2.5)质量浓度特征及影响因素分析

该研究基于2013年11-12月的宁波市空气质量监测数据和气象资料数据,分析了PM_(2.5)质量浓度变化特征,探讨了PM_(2.5)与其它粒径颗粒物、气体污染物以及多个气象因子之间的相关性及影响规律,构建了包含气象和污染气体因子的逐步回归模型,综合分析了2类因子对宁波市PM_(2.5)浓度的影响。研究结果表明:(1)研究时间段内的宁波PM_(2.5)质量浓度范围为(100.66±72.98)μg/m~3,超过粗颗粒PM_(2.5-10)的质量浓度,是可吸入颗粒物的主要组成部分。(2)PM_(2.5)与3种污染气体均表现出显著的相关性,其中与CO的质量浓度相关性最高,R=0.85。风速与PM_(2.5)呈现负相关,受西北-北风向影响下的PM_(2.5)浓度要明显高出其它风向影响下的浓度。降水对PM_(2.5)影响显著,降水日的PM_(2.5)平均质量浓度随降水强度呈现幂函数递减,为非降水日的48.4%。非降水日的PM_(2.5)浓度与相对湿度显著正相关,与日照时数显著负相关。(3)逐步回归结果表明,气象和污染气体两类因子能够解释PM_(2.5)浓度82.4%的变异。其中,CO是影响宁波市秋冬季PM_(2.5)浓度的首要显著因子。本研究对明确城市PM_(2.5)污染特征和影响因素具有参考价值和意义。     

邯郸市PM_(10)、PM_(2.5)和PM_(1.0)在线监测研究

对2015年3月—2016年2月邯郸市大气中的PM_(10)、PM_(2.5)和PM_(1.0)进行了在线监测,探讨了其质量浓度的变化特征,并分析了其质量浓度与风速、风向的关系。结果表明:邯郸市颗粒物质量浓度水平较高,β射线吸收法所监测的PM_(10_WET)、PM_(2.5_WET)和PM_(1.0_WET)年均浓度值分别为202.5,114.8,81.1μg/m~3,PM_(2.5_DRY)/PM_(10_WET)和PM_(2.5_WET)/PM_(10_WET)分别为0.58、0.70,PM_(1_DRY)/PM_(2.5_WET)和PM_(1_WET)/PM_(2.5_WET)分别为0.58、0.71,PM_(2.5)为PM_(10)中的主要组成,PM_(1.0)为PM_(2.5)中的主要组成。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)质量浓度冬季最高;PM_(10)、PM_(2.5)和PM_(1.0)日变化峰值为上午09:00左右,谷值为下午16:00左右,扬沙、降雨,霾和春节不同条件下PM_(10)、PM_(2.5)和PM_(1.0)差异明显。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)的浓度高值主要分布在风向0°~100°和175°~225°、风速小于1 m/s的情况下。     

乌鲁木齐PM_(10)和PM_(2.5)的形貌特征与来源解析

PM_(10)和PM_(2.5)是近年来乌鲁木齐市空气质量的首要污染物,其成分复杂,来源不清。采用扫描电镜和离子色谱研究了乌鲁木齐市2015年采暖期和非采暖期大气颗粒物PM_(10)和PM_(2.5)的显微形貌,元素组成及其水溶性离子特征,并采用主成分分析法(PCA)对其来源进行解析。结果表明:PM_(10)和PM_(2.5)的颗粒形态各异,以球状、团絮状形状居多。主要物质有硅铝酸盐颗粒、铁氧化物颗粒,硫酸/碳酸盐晶体,碳质气溶胶以及不明物质等。采暖期和非采暖期主要的无机水溶性离子分别是SO_4~(2-)、NH_4~+、NO_3~-、Cl~-和SO_4~(2-)、NH_4~+、NO_3~-、Ca~(2+)。推测乌鲁木齐市颗粒物污染主要来源于固定污染源。     

APEC会议期间天津市PM_(2.5)污染特征研究

为了解APEC会议期间天津市PM_(2.5)污染特征,2014年11月6日-22日在天津市环境监测中心采集PM_(2.5)样品,分析了水溶性离子、无机元素及碳组分含量。结果表明:APEC会议期间,天津市PM_(2.5)浓度水平为81μg/m3,低于会后114μg/m~3;NO_3~-、SO_4~(2-)和NH_4~+等二次离子在PM_(2.5)中所占比重由会议期间的48.12%下降为会后的42.68%,一次离子所占比重由期间的8.84%上升为会后的14.50%,NO_3~-/SO_4~(2-)比值及硫氧化率(SOR)、氮氧化率(NOR)均高于会后。总无机元素浓度及其在PM_(2.5)中的占比均明显低于会后。有机碳(OC)和元素碳(EC)的浓度及在PM_(2.5)中的占比低于会后,但OC/EC比值及二次有机碳(SOC)在OC中所占比重高于会后。说明APEC期间天津市PM_(2.5)中二次反应较为明显,机动车排放对PM_(2.5)的贡献相对突出,城市扬尘得到明显控制。     

南京市典型交通源冬季PM_(2.5)污染特征分析

为研究南京市典型交通源冬季PM_(2.5)的污染特性,于2016年1月9日到2月4日在南京市四平路采集了大气中PM_(2.5)样品,分析了样品中的重金属元素、水溶性离子、有机碳和元素碳的浓度。结果表明,采样期间南京市大气PM_(2.5)中日平均质量浓度为85.3μg/m~3。重金属元素锌(Zn)的浓度最高,其次是铅(Pb)和锰(Mn)的元素浓度,平均浓度分别为104.72 ng/m~3、60.88 ng/m~3,再者是钡(Ba)和铜(Cu)的元素浓度,平均浓度分别为30.23 ng/m~3、45.26 ng/m~3。样品中水溶性离子的平均质量浓度水平为:NO_3~-SO_4~(2-)NH_4~+Cl~-K~+Na~+Mg~(2+)Ca~(2+),其中NO_3~-、SO_4~(2-)和NH_4~+的质量浓度均在10μg/m~3以上,是水溶性离子的主要组分,分别占总离子浓度的37.18%、29.34%、17.42%。     

大气自动监测中PM_(2.5)和PM_(10)倒挂成因及处理方法研究

PM_(2.5)是指环境空气中空气动力学当量直径小于或等于2.5微米的颗粒物,PM_(10)是指环境空气中空气动力学当量直径小于或等于10μm的颗粒物。从理论上来讲,在PM_(2.5)和PM_(10)监测过程中,PM_(2.5)的1小时平均质量浓度应该低于PM_(10),但是实际数据中还是会出现PM_(2.5)天于PM_(10)的情况,这就是PM_(2.5)和PM_(10)倒挂,本文将针对出现PM_(2.5)和PM_(10)倒挂的成瘾进行分析,并提出相应的处理方法。     

GAM的区域PM_(2.5)浓度影响因子识别及关联关系分析

区域PM_(2.5)浓度影响因子及显著程度对区域PM_(2.5)浓度模拟和污染控制具有重要意义。该研究应用广义加性模型(GAM)建立模型分析2013年京津冀区域PM_(2.5)浓度与AOD、气象因子(相对湿度、温度、降雨量、大气压、风速)和土地利用类型(水体、林地、耕地、建设用地、裸地)之间的相关关系。结果表明,温度、大气压、AOD、林地、建设用地和裸地显著的影响PM_(2.5)浓度;且温度、AOD、裸地、林地与PM_(2.5)存在复杂相关关系,大气压、建设用地与PM_(2.5)浓度存在线性相关关系。GAM模型R~2为0.952,拟合结果与实测结果的线性回归方程系数为0.959,模型交叉验证后得到R2为0.792。结果表明,利用GAM能有效的识别区域PM_(2.5)浓度的影响因子,根据影响因子进行PM_(2.5)浓度拟合并得到可靠的拟合结果。     

典型时段西南地区PM_(2.5)及组分污染特征

选取西南地区为采样点,于2015年非重污染和重污染时期对环境PM_(2.5)进行采样,并对PM_(2.5)、水溶性离子和碳质组分的污染特征进行分析。结果显示:重污染与非重污染天PM_(2.5)质量浓度分别为(204.8±47.0)μg/m~3和(66.8±23.1)μg/m~3。重污染天气下SO_4~(2-)、NO_3~-和NH_4~+浓度分别是非重污染天气下的3.5,4.2,3.4倍,SIA浓度占PM_(2.5)的比例可高达42.2%。重污染期间OC和EC浓度分别是非重污染期间的4.8,2.7倍,SOC浓度在非重污染和重污染期间分别为(3.2±1.6),(25.6±15.2)μg/m~3,OC、EC较低的相关性也反映出重污染期间碳质组分来源的复杂性。     

广州市区PM_(2.5)的污染特征

对广州市区PM2.5的污染状况进行了分析,结果表明广州市区的PM2.5呈现冬季浓度较高,夏季较低的季节性特征;PM2.5的日变化呈现出明显的双峰形;与PM10的相关性分析表明,PM2.5与PM10具有良好的线性关系。PM2.5/PM10的值约为0.59,表明广州市区空气中细颗粒物在PM10中的比重大于粗颗粒物,鉴于PM2.5的危害性及所占比例,应重视对其的监测。     

哈密市环境空气中PM_(10)与PM_(2.5)变化特征

为了解哈密市环境空气中PM_(10)与PM_(2.5)的污染水平,对2016年哈密市环境空气数据进行统计分析,结果表明哈密市PM_(10)与PM_(2.5)存在一定的线性关系;哈密市2016年PM_(10)的年均值为99ug/m3,PM_(2.5)的年均值为36ug/m3。     

成都市中心城区春季大气颗粒物PM_(2.5)的污染特征研究

于2012年5月11日至5月15日同时对成都中心城区及其大气环境监测对照点都江堰灵岩寺大气PM2.5进行采集,并分析其中的化学组分。研究结果表明:成都市中心城区PM2.5的总体质量浓度大于灵岩寺,且各化学组分的质量浓度也均大于灵岩寺。两站点PM2.5中OC/EC均大于2,有2次有机碳的存在;中心城区WSOC和TN日均浓度大于灵岩寺,同时发现中心城区TN日变化趋势与灵岩寺一致,WSOC变化不明显;水溶性二次离子(SO2-4、NO-3和NH+4)浓度相对较高,中心城区SO2-4/NO-3值比灵岩寺小,说明成都市机动车尾气是主要排放源。     

武汉市与西安市颗粒物PM_(10)、PM_(2.5)的污染水平分析

利用武汉、西安两市2013年PM10与PM2.5的监测数据,统计分析了武汉市和西安市PM10与PM2.5的污染水平,并比较了两城市的污染水平。根据GB 3095—2012《中华人民共和国环境空气质量标准》规定的二级浓度限值,可知武汉市和西安市PM2.5的污染都非常严重,PM10的污染相对较轻。从整体上说,西安市的污染水平要比武汉市严重,其中西安市PM10中PM2.5约占79%。武汉市和西安市的相关部门都应重视PM10和PM2.5的污染问题。     

常熟市秋冬季典型大气重污染过程中PM2.5及其主要化学组分分析

利用2018-11-21—12-05常熟市空气质量自动监测站点的常规参数逐时数据、细颗粒物化学组分数据及大气颗粒物激光雷达监测结果,对常熟地区秋冬季一次重污染过程中PM_2.5及其主要化学组分(水溶性离子)的污染特征进行系统分析。结果表明:11-24—12-03常熟地区出现了一次持续重污染过程,PM_2.5浓度高值主要出现于高湿、小风、低边界层的天气条件下,且PM_2.5浓度与湿度呈显著正相关,受不利扩散条件下的局地污染累积及高湿状态下颗粒物二次转化影响较大。观测期间,二次离子(NO^-₃、NH⁺₄、SO₄^2-)在水溶性离子中占比较高,尤其是污染期,占比高达97%,受二次生成影响较大;其中,NO^-₃在水溶性离子中占比最高。整个分析时段,SOR与NOR均值分别为0.38与0.22,污染期间SOR与NOR均值明显升高,分别达到0.47与0.32;4个阶段内仅有...     

雾霾频发区域典型城市大气PM2.5中金属污染特征及来源分析

吸附在大气细颗粒物PM_2.5中的金属元素具有强稳定性和富集性,随着城市大气PM_2.5污染加剧,对公众健康构成极大的威胁。为了解大气PM_2.5中金属污染的地区特征,选取中国雾霾发生频次较高区域中典型城市作为研究对象,概述了2013—2017年城市大气PM_2.5中金属污染水平、时空分布特征及其主要来源。经分析,地区气象条件、工业布局和污染源的差别是各城市大气PM_2.5中金属元素污染水平及时空分布存在较大差异的主要原因。二次气溶胶、燃煤和生物质燃烧在研究城市大气PM_2.5金属元素来源中占据主要贡献,其他源类在各个地区贡献率有所不同。未来的工作应进一步探讨工业布局的改变对大气PM_2.5及其中金属元素污染及来源的影响,以期为环保部门制定有效的大气污染防治措施提供参考。     

东莞市春冬季灰霾期间PM_1、PM_(1-2.5)中水溶性无机离子的污染特征

利用中流量大气采样器对东莞市A和B两点(A:生活区,B:工业区)进行PM1、PM1-2.5采样,并分析其中F-、Cl-、NO-3、SO2-4、NH+4、Na+、K+、Ca2+、Mg2+等9种水溶性无机离子。结果显示,霾日工业区本地源对这些离子的贡献较非霾日大。二次离子SO2-4和NH+4的形成主要发生在PM1中,且其春冬季形成机制存在一定差异,其机制可能更主要受春冬季气象条件差异的影响,而不是霾日与非霾日的影响。对于颗粒物PM1,其霾日AE/CE值(0.974~1.168)要大于非霾日(0.877~1.039),霾日SO2-4和NH+4结合形态主要为NH4HSO4,而非霾日则为(NH4)2SO4;而对于PM1-2.5则相反。     

北京市PM_(2.5)理化特性及燃煤对大气污染的研究进展

为分析2013年1月北京市严重雾霾原因,在总结前人相关研究成果和气象数据的基础上,得出雾霾天气形成的原因、春夏秋冬4个季节PM_(2.5)的组分变化规律、本地贡献率、PM_(2.5)与气象参数相关度。通过对细颗粒物的来源解析,得出燃煤产生的细颗粒物占15%~19%。在此基础上重点分析了燃煤产生的污染物对大气所造成的污染特点,系统地对近年来国内外燃煤产生PM_(2.5)机理的研究现状,抑制PM_(2.5)/PM10产生的措施,以及目前国内大气污染治理存在的问题进行了总结和归纳。拟为北京市雾霾的治理提出合理建议。     

台州市大气PM_(2.5)中PAHs的污染特征与毒性评价

使用中流量颗粒物采样器采集台州市2015—2016年大气PM_(2.5)样品,利用气相色谱-质谱仪对样品中16种多环芳烃(PAHs)进行分析,研究PAHs的污染特征及可能来源。结果显示:PAHs总浓度为(20.69±4.84)ng/m3,浓度季节变化大小顺序依次为冬季>春季>秋季>夏季,空间变化为商住区>工业区>背景点。PM_(2.5)中PAHs以高环为主(≥4环),占86%。不同季节商住区和工业区PAHs(4环)含量均略高于背景点,PAHs(5~6环)的含量商住区略高于工业区和背景点。PAHs环数分布和比值法结果表明台州市大气PM_(2.5)中PAHs的主要来源是机动车尾气和燃煤。成年人和儿童的终生超额致癌风险(ILCR)分别为8.02×10-7和5.61×10-7,表明台州市PM_(2.5)中PAHs对人体健康影响在可接受范围内。     

石家庄市环境空气PM_(2.5)和PM_(10)污染变化特征研究

通过对石家庄市2013年1~12月PM2.5和PM10实时数据的整理和分析,结果表明,石家庄市区大气中细颗粒物PM2.5和可吸入颗粒物PM10月均浓度变化呈明显的季节性,二者变化趋势基本一致,采暖期12-2月份浓度普遍高于其他月份,PM2.5和PM10浓度最高值均出现在1月份;春夏PM2.5和PM10浓度有所降低,7月份浓度最低。PM2.5和PM10存在显著的正相关关系。     

2017年京津冀地区PM2.5污染特征及潜在来源分析

京津冀及周边地区大气污染问题突出,秋、冬季重污染天气频发。为探讨该地区PM_2.5污染来源,分析其污染状况和气象因素的关系,利用2017年京津冀地区空气质量监测站的气象资料如气压、风速、相对湿度、温度、降水量等,结合Arc GIS软件空间插值法、SPSS 21. 0的Pearson相关性分析等方法,采用拉格朗日混合型的扩散模型HYSPLIT后向轨迹聚类分析方法,探讨北京地区主要气团传输轨迹,结合GDAS气象资料计算潜在源贡献因子。结果表明:1) 2017年京津冀地区ρ(PM_2.5)年均为64. 4μg/m³,比2016年下降11. 5%,全年达标天数占比为74. 2%。2)京津冀地区PM_2.5与气压、相对湿度呈正相关,其中气压与PM_2.5相关性最高;与风速、日照时长、温度、降水量呈负相关,其中日照时长与PM_2.5相关性最高。冬季比其他季节影响更为显著。3)从时间尺度看,冬季污染最严重,秋、春季稍好,夏季PM_2.5优、良级占92. 4%;...