杭州城区PM2.5和PM10污染特征及其影响因子分析

利用2013年12月—2014年11月杭州城区空气质量监测站PM_(2.5)、PM_(10)浓度值结合气象、道路、人口数据以及站点周边绿地信息分析PM_(2.5)、PM_(10)浓度时空特征及其影响因子。结果表明,杭州城区各监测站PM_(2.5)和PM_(10)晴天日浓度变化趋势基本一致,PM_(2.5)比PM_(10)污染严重;晴天日PM_(2.5)、PM_(10)浓度值与对应的温度(-0.463,-0.281)、风速(-0.305,-0.332)呈负相关,与湿度(0.257,0.239)呈正相关;晴天有风时,杭州市区PM_(2.5)、PM_(10)污染北部重于南部,东部重于西部,浓度极高值集中在风速小于5 m/s时段,且风速越小浓度值越高;温度为12℃左右,湿度在60%~80%时,颗粒物污染最严重;交通高峰时各监测站PM_(2.5)、PM_(10)污染程度存在明显差异。相关性分析表明,PM_(2.5)、PM_(10)污染程度与道路密度成正比,与缓冲区内绿地覆盖面积成反比。PM_(2.5)污染程度与人口密度成正比,PM_(10)污染与人口密度成反比。     

北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应

利用2013年1月—2014年12月北京地区PM_(2.5)和PM_(10)监测数据和同期近地面气象观测数据,采用非参数分析法(Spearman秩相关系数)研究了北京地区PM_(2.5)和PM_(10)的浓度对不同季节地面气象因素的响应。结果表明:北京地区大气颗粒物浓度水平具有明显的季节特征,冬季大气颗粒物污染最严重,夏季最轻。不同季节影响颗粒物浓度水平的气象因素各不相同,其中风速和日照时数为主要影响因素。PM_(2.5)和PM_(10)质量浓度对气象因素变化的响应程度也有较大区别,PM_(2.5)/PM_(10)比值冬季最高,PM_(2.5)影响最大,春季最低,PM_(10)影响最大。这些结论可对制订科学有效的大气污染控制策略提供参考。     

齐齐哈尔市PM2.5与PM10污染趋势及相关性分析

对2014—2016年齐齐哈尔市PM_(2.5)与PM_(10)质量浓度的时间变化特征进行简要分析,并探究PM_(2.5)/PM_(10)以及PM_(2.5)与PM_(10)的相关性。结果表明:2014—2016年齐齐哈尔的PM_(2.5)与PM_(10)的年均质量浓度分别为36.7、62.9μg/m~3,且呈逐渐下降趋势;冬季的PM_(2.5)与PM_(10)浓度最高,秋季次之,春季与夏季相对较低;2014—2016年PM_(2.5)与PM_(10)质量浓度月变化趋势基本相同,整体呈现2—6月逐渐下降,9—11月逐渐上升的规律;PM_(2.5)与PM_(10)质量浓度的日变化均呈双峰现象;对PM_(2.5)与PM_(10)进行线性拟合,相关系数为0.896 3。同时,残差分析也说明两者拟合情况良好,四季相关系数为r_(秋季)(0.982 2)r_(冬季)(0.964 4)r_(夏季)(0.943 9)r_(春季)(0.829 6);2014—2016年PM_(2.5)/PM_(10)平均值为55.27%,大气颗粒物PM_(2.5)的贡献率高达一半以上。     

采暖期大气颗粒物PM1.0和PM2.5中水溶性离子污染特征

为了解采暖期大气PM_(1.0)和PM_(2.5)中水溶性离子污染特征,采集哈尔滨市2014年11月至2015年3月采暖期PM_(1.0)和PM_(2.5)的样品,进而分析其中的水溶性离子(F-、Cl-、NO-3、SO2-4、Na+、NH+4、K+、Mg2+、Ca2+)的质量浓度。结果表明:PM_(1.0)和PM_(2.5)中的水溶性离子具有相同的变化趋势。采暖期间PM_(1.0)和PM_(2.5)中9种水溶性离子质量浓度总和分别为25.4~60.7μg/m~3和38.8~78.0μg/m~3。在PM_(1.0)和PM_(2.5)中NH+4、NO-3、SO2-4占比较高,而F-、Mg2+占比较低。PM_(1.0)和PM_(2.5)中9种水溶性离子质量浓度均为夜间大于白天。在PM_(1.0)和PM_(2.5)中,Mg2+和NH+4、F-和Cl-呈显著相关,说明它们来自相似的污染源,在PM_(1.0)中的K+和Ca2+显著相关,故它们受相似的污染源的影响。根据酸度与各离子的相关性,得出SO2-4和NH+4是控制大气颗粒物酸碱性的主要离子。另外,气象因素对PM_(1.0)和PM_(2.5)的浓度有影响。     

西宁市城区冬季PM2.5和PM10中有机碳、元素碳污染特征

2014年11月—2015年1月对西宁市冬季开展PM_(2.5)和PM_(10)的连续监测。利用DRI 2001A型热光碳分析仪(美国)对有机碳和元素碳进行分析,结果表明:西宁市冬季PM_(2.5)和PM_(10)中碳气溶胶所占比例分别为33.13%±6.83%、24.21%±6.27%,说明碳气溶胶主要集中在PM_(2.5)中;OC/EC值均大于2,说明西宁市大气中存在二次污染;SOC占PM_(2.5)和PM_(10)的质量浓度比例分别为46.50%和57.40%,PM_(2.5)中SOC浓度占PM_(10)中SOC浓度的61.88%,说明SOC主要存在于PM_(2.5)中,且SOC形成的二次污染和直接排放的一次污染都是西宁市碳气溶胶的主要来源;与其他城市比较发现,西宁市冬季PM_(2.5)中的碳气溶胶含量普遍高于其他城市,PM_(10)中OC质量浓度相对其他城市较高,EC质量浓度偏低;OC和EC的相关性不显著,说明来源不统一;进一步对OC和EC各组分质量浓度进行分析知,西宁市冬季碳气溶胶主要来源于机动车汽油排放、燃煤和生物质燃烧。     

宁波市秋冬季大气能见度特征及影响因素分析

针对宁波市大气能见度的观测研究表明,宁波市秋冬季大气能见度均值为11.6 km,霾日发生率为31.6%,霾日的能见度均值为6.6 km,且PM_(2.5)质量浓度在100~120μg/m3范围内的频率最高。能见度随着PM_(2.5)浓度增大呈指数下降,且相同的PM_(2.5)浓度情况下,相对湿度越大,能见度越低。能见度为10 km的临界点上,PM_(2.5)质量浓度值对应为67.5μg/m3。不同相对湿度时,能见度为10 km对应的PM_(2.5)质量浓度临界值不同。通过建立能见度回归方程发现,低相对湿度(RH≤30%)时,PM_(2.5)对能见度的影响权重最大;高相对湿度(RH60%)时,相对湿度的权重最大;RH低于60%时,RH的权重随着PM_(2.5)浓度的增加而增大;而RH高于60%时,RH的权重随着PM_(2.5)浓度的增加而减小。分析结果可为宁波市灰霾防治和采取合适的管控措施提高能见度提供一定参考。     

基于随机森林算法的长江三角洲地区PM2.5浓度模拟研究

PM_(2.5)影响人们的生活,危害城市居民的健康,因而在大范围、连续空间上精准预测PM_(2.5)的浓度对于降低居民暴露在大气污染环境中的风险意义重大。基于空气中PM_(2.5)浓度对气象因子、社会经济因子和下垫面条件因子的响应关系,利用皮尔逊相关分析、PCA分析和随机森林模型RF构建了长江三角洲地区浓度的预测模型。研究发现:(1)PM_(2.5)浓度大小分布与夜间灯光指数NLI、国内生产总值GDP、降雨量PRE、温度TEP、相对湿度RH、植被指数EVI以及土地利用覆被LUCC呈显著相关(P0.05),其中NLI和GDP与PM_(2.5)浓度呈正相关,PRE、TEP、RH与PM_(2.5)浓度呈负相关。(2)主成分数量为4时,方差累积贡献率达到86.7%,PRE、RH、GDP、NLI和EVI是影响长三角地区PM_(2.5)浓度空间变化的最重要的5个因子。(3)PCA-RF模型对于PM_(2.5)浓度的预测具有较好的表现且在长三角中西部的城市预测效果好于东南部沿海城市。相对于逐步回归SR模型,PCA-RF模型验证数据集上的均方根误差RMSE降低12.7%,决定系数R2提高12.1%,平均绝对误差MAE降低8.3%。     

环境湿度对PM2.5手工测量(重量法)的影响

为了解天平室环境湿度对PM_(2.5)手工称重的影响,利用滤膜自动称重系统,在45%、50%、55%3个环境相对湿度条件下对同一组滤膜进行称重。结果显示:45%、55%湿度条件下测量的大部分滤膜质量与50%基准湿度条件下滤膜质量绝对差值均超过0.04 mg,且随着滤膜质量即PM_(2.5)浓度的增加,绝对差值显著上升,难以满足手工称重规范中的要求。PM_(2.5)手工测量浓度在150μg/m~3以下时,3种湿度条件下测量结果的标准偏差保持在2μg/m~3范围之内,而PM_(2.5)手工测量浓度在150μg/m~3以上时,标准偏差超出2μg/m~3范围,且随着浓度升高,标准偏差显著增大,这会给PM_(2.5)的手工测量准确度带来较大影响,说明手工称量环境湿度±5%的允许变化范围并不适合PM_(2.5)平均浓度较高的国家和地区。     

南充市大气PM10与PM2.5排放清单及特征

以四川省南充市为研究区域,通过实地调研、现场测试及结合统计年鉴等获得数据,采用排放因子法计算南充市2014年大气PM_(10)、PM_(2.5)排放量并建立排放清单。结果表明,南充市2014年扬尘源、移动源、生物质燃烧源、化石燃料固定燃烧源、工艺过程源排放总量PM_(10)分别为85 187、1 777、9 175、2 417、3 519 t,PM_(2.5)分别为16 093、1 619、7 322、914、1 585 t,PM_(10)贡献率分别为83.5%、1.7%、9.0%、2.4%、3.4%,PM_(2.5)贡献率分别为58.4%、5.9%、26.6%、3.3%、5.8%。城市区域扬尘源、生物质燃烧源、移动源、化石燃料固定燃烧源、工艺过程源对PM_(10)贡献分别为60.0%、12.5%、6.3%、8.6%、12.5%,对PM_(2.5)贡献分别为41.8%、21.6%、14.4%、8.1%、14.1%。南充市2014年大气PM_(10)、PM_(2.5)排放源总量和贡献率以及区域空间分布特征均存在差异。     

合肥市PM1.0污染特征及与PM2.5污染相关性

对合肥市2014—2019年秋冬季节PM_(1.0)、PM_(2.5)、气象和理化性质等进行分析研究发现,PM_(1.0)质量浓度呈现年度波动性下降趋势,其中2015—2016年度变化最为显著。同一年度内,月度浓度同样呈现波动性变化,总体表现为11、2月PM_(1.0)质量浓度相对较低,12、1月相对较高。无污染情形时(PM_(2.5)浓度不高于75μg/m~3),PM_(1.0)/PM_(2.5)逐小时值相对平稳且比有污染情形(PM_(2.5)浓度大于75μg/m~3)总体高约10%;有污染情形下,PM_(1.0)/PM_(2.5)小时值呈现较明显的日变化特征,09∶00呈现谷值,17∶00呈现峰值,日变化特征显著高于无污染情形。PM_(1.0)质量浓度随着PM_(2.5)级别的上升而逐渐增加,PM_(1.0)/PM_(2.5)值则呈减小的污染特征。严重污染时,PM_(1.0)/PM_(2.5)显著下降,PM_(1.0～2.5)占比增加。传输型污染过程中,PM_(1.0)与OC、PM_(2.5)、SO_4~(2-)等呈现出显著的正相关性,污染来源主要为工业源、燃煤源、道路尘等,共占载荷为83.90%。本地累积型污染过程中,PM_(1.0)与PM_(2.5)、SO_4~(2-)、Ba和Cu等呈现出较好相关性,污染来源主要为烟花爆竹与二次生成,共占载荷为87.94%。     

PM1与PM2.5切割器性能与测试系统研究

切割器是PM_2.5监测设备的关键部件,其切割性能直接影响PM_2.5和PM₁等环境空气颗粒物质量浓度监测数据的真实、准确。该研究采用粒径范围为0.6~4 μm的聚苯乙烯微球(PSL)标准粒子、单分散气溶胶发生器、混匀(分流)装置和颗粒物数量浓度测量仪等仪器设备集成搭建了适用于PM₁和PM_2.5切割器性能测试的通用系统。测试结果表明:该系统发生的PSL粒子能够保持稳定的数量浓度,并在切割气路和非切割气路间具有较好的数量浓度一致性,能在3 h内快速完成一台切割器切割效率的测试。采用该系统测试了1种类型的PM₁切割器和3种类型的PM_2.5切割器的关键切割性能。结果显示:VSCC型PM_2.5切割器D₅₀分别为2.48、2.52、2.48 μm,σ_g1分别为1.20、1.23和1.15,σ_g2分别为1.21、1.21和1.16,各项关键性能指标均符合美国和中国相关环境保护标准规范的要求,且优于SCC型和URG型切割器。推荐使用VSCC型切割器开展环境空气中PM_2.5质量浓度的监测。SCC型PM₁切割器的D₅₀为0.91 μm,σ_g1和 σ_g2为1.20和1.18,结合其他相关研究,建议PM₁切割器D₅₀合格标准应为(1.0±0.1)μm,σ_g合格标准为不超过1.20。     

冬季大气中PM_(10)和PM_(2.5)污染特征及形貌分析

2008年冬季采集大气中PM10和PM2.5样品,利用SPSS软件进行分析。结果表明,PM10质量浓度在92.87～384.7μg/m3之间,平均值为201.09μg/m3,超标率71.43%。PM2.5浓度跨度为57.27～230.21μg/m3,平均值为133.82μg/m3,超标率89.47%。PM10和PM2.5空间分布略有差异。PM2.5/PM10在29.10%～94.76%之间,均值为66.55%。PM2.5与PM10质量浓度之间有显著相关性,相关方程:PM2.5=0.7993×PM10-55.984(R2=0.9524,置信度为95%)。通过颗粒物形貌分析,初步判定冬季大气主要污染源为燃煤和机动车尾气排放。     

天津市PM10和PM2.5中水溶性离子化学特征及来源分析

2011年5月—2012年1月在天津市南开区设立采样点,采集大气中PM10和PM2.5样品。采用离子色谱法测定颗粒物中水溶性无机阴离子、阳离子成分,分析其主要组成、季节变化及污染来源。结果表明,天津市PM10中离子平均浓度为71.2μg/m3,占PM10质量浓度的33.7%。PM2.5中离子平均浓度为54.8μg/m3,占PM2.5质量浓度的39.6%。NH+4、SO2-4、NO-3等二次离子含量较大,且夏季含量均为最高。颗粒物总体呈酸性,PM10中∑阳离子/∑阴离子平均值为0.92,PM2.5中该比值为0.75。来源分析发现,PM10可能主要来源于海盐、工业源、二次反应及土壤和建筑尘等,PM2.5则主要来源于海盐污染源、二次反应及生物质燃烧。     

北京城区降水对PM2.5和PM10清除作用分析

基于北京市PM_2.5和PM₁₀质量浓度、组分浓度以及降水数据,利用数理统计、相关性分析等方法分别从降水总量、降水时长和降水前颗粒物浓度3个角度研究降水对PM_2.5、PM₁₀的清除作用,同时以一次典型降水过程为例,具体分析降水对颗粒物的影响。结果表明：降水总量的增加有助于促进PM_2.5、PM₁₀的清除,随着降水总量增加,PM_2.5、PM₁₀的平均清除率提高,有效清除的比例增加;连续降水可增强对大气颗粒物的湿清除作用,连续降水达3d可有效降低PM_2.5、PM₁₀浓度;降水对PM_2.5、PM₁₀浓度的清除率和大气颗粒物前一日的平均浓度有较好的正相关性。降水对大气颗粒物的清除可分为清除、回升和平稳3个阶段,各个阶段大气颗粒物的变化趋势不同。降水对于大气气溶胶化学组分和酸碱性的改变具有明显作用,对于大气颗粒物各种组分的清除效果不完全相同。对于大气中OC、NO₃^-、SO₄^2-和NH₄⁺去除率较高,且这4种组分主要以颗粒态形式被冲刷进入降水中,加剧了北京市降水酸化程度。     

杭州市大气PM2.5和PM10污染特征及来源解析

2006年在杭州市两个环境受体点位采集不同季节大气中PM_2.5和PM₁₀样品,同时采集了多种颗粒物源类样品,分析了其质量浓度和多种化学成分,包括21种无机元素、5种无机水溶性离子以及有机碳和元素碳等,并据此构建了杭州市PM_2.5和PM₁₀的源与受体化学成分谱;用化学质量平衡(CMB)受体模型解析其来源。结果表明,杭州市PM_2.5和PM₁₀污染较严重,其年均浓度分别为77.5μg/m³和111.0μg/m³;各主要源类对PM_2.5的贡献率依次为机动车尾气尘21.6%、硫酸盐18.8%、煤烟尘16.7%、燃油尘10.2%、硝酸盐9.9%、土壤尘8.2%、建筑水泥尘4.0%、海盐粒子1.5%。各主要源类对PM₁₀贡献率依次为土壤尘17.0%、机动车尾气尘16.9%、硫酸盐14.3%、煤烟尘13.9%、硝酸盐粒8.2%、建筑水泥尘8.0%、燃油尘5.5%、海盐粒子3.4%、冶金尘3.2%。     

苏州大气颗粒物PM2.5和PM10质量浓度异常“倒挂”现象的成因及影响分析

为深入研究PM_2.5和PM₁₀质量浓度异常“倒挂”现象的成因及影响，在苏州市相城区国控点开展比对监测分析，回顾性分析了2016—2020年苏州全部国控点颗粒物浓度数据。苏州市相城区国控点PM_2.5浓度的比对分析结果表明：该国控点频繁出现PM_2.5浓度高于其他国控点PM_2.5浓度和高于该站点PM₁₀浓度(“倒挂”率高达34%)的“双高”现象，PM_2.5平均浓度比其他9个国控点高12.5%～37.2%,比位于同一站点的备用监测仪器(“倒挂”率为0)高38.1%。2016—2020年，苏州全部国控点“倒挂”时间的总体趋势都是逐年递增，且集中发生在相对湿度较高的20:00至次日07:00。这5年间各国控点PM_2.5浓度异常偏高导致的异常“倒挂”现象对全市年均浓度产生的正误差分别为1.6%、2.8%、6.0%、6.2%和4.1%,基本呈现出逐年递增的趋势。上述结果表明：苏州PM_2.5浓度偏高是由动态加...     

西安市区大气中PM2.5和PM10质量浓度污染特征

2013年3月—2014年2月期间,设置1个监测点位,采集了西安市区大气环境中PM10和PM2.5样品,采用重量法测定了PM2.5和PM10质量浓度。结果表明,西安市区PM2.5质量浓度为16~558μg/m3,平均值为128μg/m3,超标率69.1%;PM10质量浓度范围为32~887μg/m3,平均值为249μg/m3,超标率71.8%。虽然PM2.5和PM10质量浓度的逐日变化幅度比较大,但是整体变化趋势非常相似,存在显著的正相关关系(r=0.831 9)。PM2.5和PM10质量浓度存在明显的季节变化,均为冬季最高,春季次之,秋季较低,夏季最低。ρ(PM2.5)/ρ(PM10)为0.245~0.822,平均值为0.510,说明PM2.5在PM10中所占比例大于PM2.5~10;此外,该比值呈现一定的季节变化规律,冬季、夏季较高,秋季次之,春季最低。霾天气发生时,该比值和PM2.5质量浓度明显高于无霾天气。