石家庄市春节期间大气颗粒物有机碳和元素碳的变化特征

为研究石家庄市大气颗粒物的污染特征及其来源,于2013年2月6—19日春节期间在石家庄市采集大气颗粒物TSP、PM10、PM2.5样品,对其有机碳、元素碳进行分析测定。结果表明,石家庄TSP、PM10、PM2.5日平均质量浓度分别为389、330、245μg/m3,颗粒物污染严重;碳组分在颗粒物中占有较大比重,且随着粒径的减少,碳组分比重逐渐增加;存在不严重的次生有机碳污染;OC与EC的相关系数较高,说明两者有较为相似的污染源,主要为燃煤、机动车排放源。各种气象条件对PM2.5、OC、EC浓度和OC/EC的变化都有不同程度的影响。     

基于LS-SVR、BP-ANN和MLR模型的PM10浓度预测

利用宁东能源化工基地PM10和气象监测数据,分别采用LS-SVR、BP-ANN和传统MLR模型预测PM10浓度变化。结果表明,较BP-ANN模型、MLR模型,LS-SVR模型能更好地刻画PM10浓度与各气象因素间的非线性相依关系,更准确地预测PM10浓度。     

大同市大气颗粒物浓度与水溶性离子季度分布特征

为研究大同市大气颗粒物质量浓度与水溶性离子组成特征,于2013年2、7、9、12月,分别对大同市及其对照点庞泉沟国家大气背景点进行了PM2.5及PM10的采样,通过超声萃取-IC法测定了样品中的9种水溶性离子,结果表明,大同市大气颗粒物污染1、4季度重于2、3季度,PM2.5季度均值全年均未超标,PM10仅第1季度超标1.4倍,污染状况总体良好,PM2.5与PM10相关系数R为0.75,说明大同市颗粒物污染有较为相近的来源,且不同季节均以粗颗粒物为主;大同市PM2.5中水溶性离子浓度分布为SO2-4、NO-3、NH+4Cl-、Ca2+K+、Na+F-、Mg2+,PM10中Ca2+浓度仅次于SO2-4、NO-3,控制扬尘将有效降低PM10的浓度;PM2.5及PM10中的9种水溶性离子在不同季度的浓度与颗粒物浓度分布规律类似,1、4季度较高,2、3季度较低;由阴阳离子平衡计算结果可知,相关性方程的斜率K为1.045,表明大同市大气颗粒物中阳离子相对亏损,大气细粒子组分偏酸性。NO-3与SO2-4浓度比值均小于1,大同市以硫酸型污染为主,大气中的SO2-4主要来源于人类活动排放。     

北京地区PM_(2.5)与空气污染物的关系模型

为了研究北京地区PM2.5与空气污染物的质量浓度关系。从PM2.5监测网收集2013-04-01~2014-05-15期间PM2.5、PM10、SO2、NO2、CO、O3等主要空气污染物数据,用多元线性回归模型建立PM2.5与空气污染物的质量浓度关系。结果表明:北京地区PM2.5与空气污染物PM10、SO2、NO2、CO、O3的质量浓度相关系数分别为0.9172、0.6332、0.7683、0.8166和-0.1797,优化的拟合方程为:[PM2.5]=-22.5925+0.569109×[PM10]+23.94913×[CO]+0.113025×[BPM2.5],模型的估算值与观测值相关系数为0.9426,此方程能较好地模拟北京地区的PM2.5质量浓度。     

石家庄市大气颗粒物元素组分特征分析

为研究石家庄市大气颗粒物的污染特征及其来源,于2013年4—5月在主城6区分别采集TSP、PM10和PM2.5颗粒物样品,利用ICP-MS分析其中的22种元素浓度。结果表明,石家庄市城区Ca、Fe元素在各粒径颗粒物中含量都较高,PM2.5中的S、K含量较高,PM10和TSP中Mg、Al的浓度相对较高。颗粒物的主要来源为燃煤尘、道路尘和建筑尘,TSP、PM10和PM2.5具有较好的统计相关性和同源性。     

基于遥感数据的京津冀地区PM2.5时空分布特征

基于MODIS AOD遥感数据,采用多元线性回归模型对PM2.5地面监测数据进行模拟估算,同时加入降水量、相对湿度等气象因子以提高模型精度,结合GIS空间分析技术,得到2015—2016年京津冀地区空间连续的PM2.5浓度分布。结果表明:利用多元线性回归模型反演PM2.5浓度效果较好,R 2均在0.59~0.84之间。在时间上,京津冀地区PM2.5浓度呈现出夏季最低、秋季稍高、冬春两季最高的变化趋势;在空间上,2015年和2016年京津冀地区PM2.5浓度有明显的区域差异,均呈现出西北低、东南高的分布格局,大致与燕山山脉和太行山脉走向一致。     

基于机器学习的大气PM2.5中金属浓度预测模型的研究

基于2013—2018年哈尔滨市气象数据、大气污染物数据和细颗粒物（PM_2.5）中金属成分数据，采用机器学习方法探索大气PM_2.5中金属浓度预测模型，并选择最优模型进行污染物浓度预测。结果表明，多元线性回归（MLR）、人工神经网络（BP-ANN）、支持向量机（SVM）和随机森林（RF）4种模型中，RF对大气PM_2.5中5种金属［锑（Sb）、砷（As）、铅（Pb）、镉（Cd）、铊（Tl）］的浓度预测效果最佳，在训练集和测试集中表现均较稳定，其中相关系数（r）均＞0.7， 平均绝对误差（MAE）和均方根误差（RMSE）数值较小。RF在大气PM_2.5中金属浓度预测上具有较好的表现，可在缺乏监测和实验数据的情况下，实现对大气颗粒物中金属浓度的快速预测，为全面了解颗粒物中金属污染特征提供数据基础。     

成都PM2.5与气象条件的关系及城市空间形态的影响

2013年2月1日至3月20日、2013年7月10日至8月10日对成都市大气中细颗粒物(PM2.5)进行连续监测,同步记录气象数据。将PM2.5质量浓度与城市气象条件进行相关性分析,研究气象条件对PM2.5质量浓度的影响。2月1日至3月20日PM2.5质量浓度平均为147.38μg/m3,7月10日至8月10日平均为50.19μg/m3,大气细颗粒物污染最严重的时间出现在2月1—6日。成都市各气象条件中,PM2.5质量浓度与能见度、风速呈现显著负相关,而与其他气象要素相关性较弱,降水对PM2.5质量浓度影响也很大。改善城市通风有利于成都市大气中PM2.5的稀释和消散。通过建立3D模型并运用计算流体力学(CFD)软件模拟成都市选定的一处密集的建成区域,分析城市空间形态对通风的影响。研究发现,在假设等温的情况下,多层密集的区域对城市通风影响小,而高层对城市通风影响很大,建筑高度相近的街道与风向平行的风速大于与风向成角度的,与风向平行的街道沿线为高层的风速高于沿线为多层的,较大的开敞空间及背景风速更有利于城市通风环境。     

从大运会期间浓度变化来分析污染物削减措施效果

运用深圳以及周边城市的环境空气污染物浓度资料,分析了NO2、PM10、PM2.5的分布特征,重点讨论了大运会期间NO2、PM10和PM2.5浓度的变化规律,应用相似气象条件的概念,采取多种空间、时间对比分析的方法,排除客观因素,分析了大运会期间人为减排的具体效果,结果表明:大运会期间控制措施效果显著,PM10削减比例更大,也即大运会期间关停了一些高污染排放企业对污染浓度的影响更明显。大运会期间控制措施对各污染浓度的下降起一定作用,作用在白天时段更明显,且对PM2.5的控制效果更显著。大运会期间南山区管控效果最明显,中心福田区PM2.5控制最好。大运会期间的区域联合控制成效显著。大运会后期控制措施的解除,致使污染物浓度快速上升到较高水平,且工业布局密集的区域及机动车流量最大的区域上升幅度相应较大。     

超低排放下燃煤电厂颗粒物排放特征分析研究

选取6家经过超低排放改造的燃煤电厂,对湿法脱硫(WFGD)和湿式电除尘器(WESP)进出口烟气中TPM、PM_(10)、PM_(2.5)、PM_1进行测试,分析研究超低排放下燃煤电厂颗粒物的排放特征及电除尘器后净化设备对颗粒物的脱除效果。结果表明,6家电厂TPM、PM_(10)、PM_(2.5)、PM_1排放浓度分别为0.75~2.36、0.71~2.12、0.65~1.96、0.51~1.57 mg/m~3。分析烟气中颗粒物粒径分布可知,除尘器后,PM10占TPM质量比低于40%,且比例随烟气经过WFGD和WESP而逐渐降低。WFGD对PM2.5有较好的脱除效果,而WESP对PM1脱除效果显著。为满足超低排放标准,6家电厂除尘器后脱除设备综合除尘效率大多在85%以上。计算得到6家电厂TPM、PM_(10)、PM_(2.5)、PM_1排放因子,与超低排放改造之前同等级燃煤电厂相比,6家电厂不同粒径颗粒物排放因子均显著降低,也远低于西方发达国家燃煤电厂颗粒物排放因子。     

中国中东部一次大范围重污染过程特征分析

采用嵌套网格空气质量预报模式(NAQPMS)模拟与气象、污染物观测资料相结合的方式,分析了2016年12月影响中国中东部地区的一次重污染过程中PM_(2.5)时空分布特征及来源成因。结果表明,重污染过程中PM_(2.5)具有较明显的时空变化规律,污染呈现一定程度的区域性分布特点,不同地理位置条件下,污染物浓度的累积和传输方式表现出不同的特征,细颗粒物快速二次生成及不利扩散条件下的持续积累可能是此次污染过程的主要原因,不利于污染物扩散的高低空天气形势的配合抑制了污染物的快速消散,为大气污染的形成及维持提供了稳定的大气环境背景,形成了此次污染过程污染浓度高、影响范围大的态势。     

山西省大气污染特征及对公众健康的空间影响

利用山西省11个地级市大气环境监测站的PM_2.5、PM₁₀和O₃浓度数据,分析了2015—2020年山西省PM_2.5、PM₁₀和O₃浓度时空变化特征,采用空间计量模型和岭回归方法,分析了空气污染对公众健康的空间影响。结果表明:PM_2.5和PM₁₀年均质量浓度总体下降,两者在2017年最高,2020年最低;O₃年均浓度总体增加。在季节尺度上,PM_2.5和PM₁₀质量浓度在冬季的12月和1月最高,夏季的8月最低;O₃浓度在6月最高。空间上,相较2015年,2020年山西省各地级市PM_2.5污染程度均有改善,其中长治改善效果最好;2020年山西各地级市PM₁₀污染兼有加重和减轻的情形,所有地级市PM_2.5和PM₁₀污染水平均超过国家二级污染浓度限值;2020年山西多数地级市O₃浓度升高。山西公众健康水平具有明显的空间离散特征,PM_2.5和PM₁₀浓度的局部空间自相关特征高度一致,呈现"南高北低"的格局,O₃浓度分布呈"南部高,中北部低"的格局。大气环境质量和经济发展水平均对医疗机构诊疗人数和健康体检人数的变化有正向影响,每万人卫生技术人员数量和公共财政支出比例对公众健康均有负向影响,其中经济发展水平和大气环境质量的影响最显著。山西省PM_2.5治理取得一定成效,但大部分城市PM_2.5和PM₁₀达标率较低,O₃浓度有持续升高的趋势,PM₁₀和O₃污染改善缓慢,深度减排仍面临挑战。PM_2.5和PM₁₀是危害山西公众健康的主要大气污染物,未来需要加强PM_2.5、PM₁₀和O₃的精细化管理及协同治理。     

区域PM2.5时空回归建模与预测

基于区域PM_(2.5)时空建模和预测的需要及PM_(2.5)浓度呈现明显的时空分布趋势的状况,以苏南地区2014年PM_(2.5)日监测数据为实验数据,使用回归克里格对区域PM_(2.5)进行时空建模和估值。利用最小二乘法建立了PM_(2.5)与时空位置的三元二次回归趋势模型,建模点趋势值与实测值间的平均误差接近于0,表明趋势模型拟合效果较好;拟合了样点残差的理论变异函数模型,表明该地区PM_(2.5)的空间和时间相关性范围分别为150 km和4 d;基于该模型,使用时空普通克里格对残差进行时空插值;插值结果与趋势项相加,得到PM_(2.5)回归克里格估值结果;通过对比不考虑趋势的时空普通克里格估值结果,发现考虑时空趋势的时空回归克里格法精度提高了1. 29%。对所提方法进行了创新性分析,并对不足之处进行了讨论。     

渝东南典型城区冬季一次罕见的PM2.5污染过程及溯源分析

2020年12月底，以生态旅游业为主的重庆市渝东南地区出现了一次较为罕见的PM_2.5污染过程，持续时间长且污染程度重。以渝东南地区武隆区为例，应用污染特征雷达图、后向轨迹模型及潜在源污染贡献估算等方法分析了本次PM_2.5污染的特征及来源，结果表明：(1)在污染前期主要受扬尘、燃煤和机动车等污染排放影响，污染源直接排放贡献较大；中、后期污染受二次颗粒物影响显著，扬尘影响也较为明显。(2)污染期间的气流轨迹均为短距离输送，轨迹主要来自东北方向(65%)。(3)除自身污染排放贡献外，渝东北地区和主城都市区是武隆区PM_2.5污染的主要潜在源区，对武隆区传输贡献占比超50%。     

利用卫星遥感数据估算PM2.5浓度的应用研究进展

近年来,PM_(2.5)已成为中国大气污染的首要污染物,危害人体健康。为弥补地基监测站点在空间分布上的局限性,借助卫星遥感技术估算PM_(2.5)浓度已成为研究热点。文章总结了利用卫星估算PM_(2.5)浓度的各种研究方法,探讨了不同方法的优势和不足,指出不同方法对不同应用目的的选择性差异较大。提出,应针对不同应用目的选择相应的方法,从而取得满足各方面需求的研究成果,为未来PM_(2.5)浓度估算应用工作提供参考。     

中国北方地区采暖期颗粒物污染现状

分析了2013—2016年冬季采暖期与非采暖期中国北方地区颗粒物污染现状及时空变化特征。结果表明:中国北方地区空气污染比较严重,采暖期尤为突出。2016年,中国北方地区重度及以上污染天数比例超过10%,采暖期优良天数比例较非采暖期下降22.8%,重度及以上污染天数比例升高10.1个百分点。颗粒物浓度呈现明显的冬季高、夏季低的特点,最高值一般出现在12月至次年1月,最低值一般出现在7—9月。2013—2016年,北方地区空气质量呈较为明显的改善趋势,PM_(10)和PM_(2.5)浓度总体呈下降趋势,但2014年以来采暖期同期比较显示,PM2.5浓度呈缓慢升高趋势,采暖期空气污染形势十分严峻。颗粒物浓度呈现明显的空间分布规律,采暖期石家庄、保定、衡水、邢台、邯郸、安阳等城市为京津冀区域污染最严重的城市。     

基于系统聚类方法划分中国PM2.5防治区域

中国各城市细颗粒物(PM_(2.5))环境空气质量差异较大,呈现明显的区域污染特征。合理划分PM_(2.5)污染防治区域、开展区域性大气环境管理,是改善区域空气质量的重要途径。根据2015年全国108个重点城市大气PM_(2.5)的日均浓度数据,使用系统聚类方法对各城市的PM_(2.5)全年污染变化特征进行分析,从而划分出不同防治区域。依据聚类分析的3项原则,综合比较4种不同聚类方法及结果,最后提出可以划分出8个PM_(2.5)污染防治区域:a赣鄂湘接壤地区(长株潭及周边城市),b成渝及周边地区,c粤桂地区,d闽浙沿海城市群,e东三省地区,f长三角地区,g山东及周边地区,h京津冀、山西中北部、陕西关中城市群。     

Distribution of PM2.5 and PM10-2.5 in PM10 Fraction in Ambient Air Due to Vehicular Pollution in Kolkata Megacity

This research paper aims at establishing baseline PM₁₀ and PM_2.5 concentration levels, which could be effectively used to develop and upgrade the standards in air pollution in developing countries. The relative contribution of fine fractions (PM_2.5) and coarser fractions (PM_10-2.5) to PM₁₀ fractions were investigates in a megacity which is overcrowded and congested due to lack of road network and deteriorated air quality because of vehicular pollution. The present study was carried out during the winter of 2002. The average 24h PM₁₀ concentration was 304 μg/m³, which is 3 times more than the Indian National Ambient Air Quality Standards (NAAQS) and higher PM₁₀ concentration was due to fine fraction (PM_2.5) released by vehicular exhaust. The 24h average PM_2.5 concentration was found 179 μg/m³, which is exceeded USEPA and EU standards of 65 and 50 μg/m³ respectively for the winter. India does not have any PM_2.5 standards. The 24 h average PM_10-2.5 concentrations were found 126 μg/m³. The PM_2.5 constituted more than 59% of PM₁₀ and whereas PM₁₀-PM_2.5 fractions constituted 41% of PM₁₀. The correlation between PM₁₀ and PM_2.5 was found higher as PM_2.5 comprised major proportion of PM₁₀ fractions contributed by vehicular emissions.     

南京市大气颗粒物中多环芳烃变化特征

逐月采集南京市大气中不同粒径的颗粒物,采用HPLC分析了2010年每个月PM_(10)和PM_(2.5)颗粒物样品中的多环芳烃(PAHs)的种类和浓度水平。结果表明:PM_(10)中PAHs年均值为25.07 ng/m~3,范围为11.03~53.56 ng/m3;PM_(2.5)中PAHs年均值为19.04 ng/m~3,范围为10.82~36.43 ng/m~3。PM_(10)和PM_(2.5)中PAHs总体浓度有着相似的变化趋势,呈现凹形变化曲线;在南京市大气颗粒物中吸附的PAHs大部分以5~6环的高环数组分为主,大部分PAHs和∑PAHs的相关性较好,年度变化幅度不大,分析结果表明,颗粒物中PAHs的来源与稳定的排放源相关,机动车排放不容忽视,与北方城市燃煤污染有着较大的区别。