盐城市空气污染对呼吸系统日门诊量关系的时间序列分析

根据盐城市2014—2018年逐日空气污染物监测数据细颗粒物(PM_(2.5))、可吸入颗粒物(PM_(10))、二氧化氮(NO_2)、二氧化硫(SO_2)、臭氧(O_3)、气象数据(日平均温度、日平均相对湿度)及市区某三甲综合医院呼吸系统日门诊资料,采用时间序列半参数广义相加模型,以滞后天数最大效应值作为空气污染物对人群呼吸系统日门诊量影响的超额危险度,分析了盐城市空气污染物短期暴露对人群呼吸系统日门诊量的影响。结果表明,2014—2018年盐城市空气PM_(2.5)、PM_(10)、NO_2、SO_2和O_3平均值分别为48.4,81.8,26.3,15.8和111.2 mg/m~3,其中PM_(2.5)、PM_(10)值高于《环境空气质量标准》(GB 3095—2012)二级标准。污染物PM_(2.5)、PM_(10)、NO_2、SO_2和O_3值每升高10 mg/m~3,呼吸系统日门诊量就增加0.52%,0.31%,3.54%,4.36%和0.03%,SO_2效应最强。空气污染物的短期暴露影响呼吸系统日门诊量,且存在滞后效应,其中PM_(2.5)、PM_(10)、NO_2、SO_2影响较大。     

2017年佛山市大气复合污染特征及来源分析

利用2017年佛山市8个国控监测点位的6项常规大气污染物自动监测数据,研究细颗粒物(PM_(2.5))、可吸入颗粒物(PM 10)、臭氧(O_(3))的时空变化和复合污染特征,并采用单颗粒气溶胶质谱仪对佛山市大气PM_(2.5)进行来源解析,分析O_(3)与二次气溶胶的协同增长关系。结果表明,2017年佛山市空气质量综合指数(AQI)为4.75,主要的空气质量污染物为PM_(2.5)、二氧化氮(NO_(2))和O_(3),除O_(3)呈现第2,3季度较高外,其他5项污染物均呈现第1,4季度较高的趋势。ρ(PM_(2.5))和ρ(PM_(2.5))/ρ(CO)在1—4月和11,12月较高,二次生成强度较大。机动车尾气源、燃煤源和工业工艺源是大气PM_(2.5)的主要来源。佛山市中心城区等道路密集以及交通枢纽地区的ρ(NO_(2))较高,机动车尾气排放是大气NO_(2)的主要来源。O_(3)污染主要发生在4,5,7—10月。ρ(O_(3))和ρ(PM_(2.5))/ρ(CO)的日变化均在12:00—17:00达到峰值。ρ(PM_(2.5))随光化学活性水平增强而提高,高度和中度光化学活性水平下ρ(PM_(2.5))/ρ(CO)明显大于轻度和低光化学活性水平。在统计时段,PM_(2.5)和O_(3)协同增长的时间占37.3%,O_(3)污染对二次气溶胶的氧化生成有明显的促进作用。     

无锡市区大气污染物状况及变化趋势分析

使用2012—2015年无锡市区的6种大气污染物监测数据,对无锡市区各污染物的年度变化、空间分布、影响因素进行了分析。结果表明:(1)2012—2015年无锡市区SO_2、O_3质量浓度呈下降趋势,且趋势显著;NO_2质量浓度呈下降趋势,但不明显;CO、PM_(10)、PM_(2.5)的质量浓度年际变化比较平稳。(2)无锡市区SO_2、NO_2、PM_(10)、PM_(2.5)、CO的空气质量分指数(IAQI)均为冬季最高、夏季最低;O_3的IAQI则为夏季最高、冬季最低。(3)SO_2、NO_2、PM_(10)、PM_(2.5)、CO浓度间呈两两正相关,且相关性极显著;O_3浓度与NO_2、CO呈显著负相关,与SO_2、PM_(10)、PM_(2.5)浓度之间没有明显的关联。(4)分析了无锡市区各项大气污染物浓度的空间分布特征。(5)SO_2、NO_2、PM_(10)浓度周内变化具有"周末效应"的特征,而O_3、CO和PM_(2.5)浓度周内变化出现"反周末效应"。     

连云港春季PM2.5中主要水溶性无机离子污染特征及来源解析

于2017年3月1日—5月31日监测分析了连云港市大气PM_(2.5)中主要水溶性无机离子质量浓度的日变化规律,以及与气象因子、PM10、PM_(2.5)相关性。结果表明,水溶性无机离子质量浓度与环境空气中NO_2、CO、PM_(10)、PM_(2. 5)显著相关,与气温、风速、能见度等呈负相关;日变化呈明显单峰型,峰值出现在08:00左右;水溶性无机离子季度均值为27. 2μg/m~3,占ρ(PM_(2.5))平均50%左右,ρ(NO_3~-)、ρ(SO_4~(2-))和ρ(NH_4~+)占ρ(水溶性无机离子)总85%以上;指出,SO_4~(2-)主要受远距离传输的影响,NO_3~-和NH_4~+主要受局地源的影响。     

苏州市一次PM_(2.5)污染过程分析及其来源解析

利用TEOM1405F型PM_(2.5)测量仪、MARGA水溶性离子在线分析仪和激光雷达对苏州市2016年8月24日—9月6日PM_(2.5)、水溶性离子和气溶胶垂直分布进行了观测,结合气象数据分析了水溶性离子的变化规律及其主要来源。结果表明,观测期间PM_(2.5)平均值为43.4μg/m3,与2014和2015年同期相比下降了42.9%和40.3%。总水溶性无机离子平均值为24.18μg/m~3,约占ρ(PM_(2.5))55.7%,其中ρ(SO_4~(2-))、ρ(NH_4~+)和ρ(NO_3~-)分别占ρ(总离子)的46.0%、25.8%、21.0%。夜间边界层降低,大气垂直扩散条件较差,是造成ρ(PM_(2.5))及ρ(水溶性离子)显著升高的主要原因。ρ(NO_3~-)/ρ(SO_4~(2-))为0.056~1.939,平均值为0.432,表明固定源(燃煤源)仍然是PM_(2.5)的主要来源;PCA方法表明苏州水溶性离子的主要来源于二次污染和燃烧源、海盐和土壤源以及地面扬尘、建筑尘。     

盐城市秋冬季节PM2.5污染特征及来源分析

于2019年10月—2020年2月在盐城市开展大气PM_(2.5)离线监测,对PM_(2.5)的浓度变化、质量平衡、组分及来源进行了分析。结果表明,监测期间盐城市ρ(PM_(2.5))月均值为43.32～62.59μg/m~3,其中1月最高;监测期间ρ(PM_(2.5))平均值为54.25μg/m~3,质量重建后该值为52.38μg/m~3,与实测值的相关性达到0.98; PM_(2.5)占比最多的成分是硫酸盐、硝酸盐和铵盐(SNA); m(NO_3~-)/m(SO_4~(2-))的平均值为2.16,说明监测期间盐城市机动车相比固定源对NO_2和SO_2有更高的贡献;通过主成分因子分析,可知盐城市秋、冬季节PM_(2.5)主要来源于土壤和扬尘源、燃烧源以及二次无机源。     

焦作市大气污染物特征和相关性分析

为研究焦作市大气污染特征及其相关性,对2015—2017年焦作市4个国控空气监测点位的监测数据进行统计分析。结果表明:2015—2017年城区环境空气污染SO_2、NO_2、CO、PM_(10)、PM_(2.5)浓度均呈逐年下降趋势;大气污染浓度季节变化特征明显,PM_(10)、PM_(2.5)、SO_2、NO_2、CO的浓度均为冬季最高、夏季最低,空气质量指数也在冬季达到最高值; O_3浓度则为夏季最高、冬季最低。2017年焦作市沙尘天气共计36 d,严重影响了环境空气中颗粒物的浓度。由PM_(2.5)与PM_(10)的比值说明大气颗粒物污染以PM_(2.5)为主。通过SPSS软件分析,SO_2、NO_2、CO、PM_(10)、PM_(2.5)浓度间呈两两正相关,O_3浓度与NO_2、CO呈负相关。     

睢宁地区大气PM_(2.5)及气态污染物季节性变化特征

根据2014年全年实时在线观测数据,分析了徐州睢宁地区大气细颗粒物(PM_(2.5))和气态污染物(包括SO_2、CO、NO_x、O_3)质量浓度的季节性变化特征。结合后向轨迹模型,分析不同气团对该地区大气污染浓度的影响。PM_(2.5)与O_3值在夏季最低,呈显著相关,表明夏季PM_(2.5)主要受控于本地大气光化学活性。在冬季,除O_3外,PM_(2.5)、SO_2、CO、NO_x值最高,且大气颗粒物主要以细粒子为主。O_3在春季最高,并与远程传输的气团且经过我国东部污染源密集地区相对应。高浓度的PM_(2.5)主要与冬季缓慢移动的气团相对应,这可能将PM_(2.5)及其气态前体物传输至该地区进而加重大气污染程度。     

合肥市冬季PM_(2.5)中水溶性离子化学特征分析

基于2021年12月1日-2022年2月28日合肥市细颗粒物(PM_(2.5))及其水溶性离子连续观测数据,分析了合肥市冬季PM_(2.5)中水溶性离子化学特征以及不同污染程度下水溶性离子化学特征。结果表明:采样期间合肥市PM_(2.5)污染较重,不同污染程度下PM_(2.5)浓度差异较大,中度及以上污染天的ρ(PM_(2.5))平均值分别是清洁天和轻度污染天的2.8和1.3倍。二次水溶性无机离子[硝酸根离子(NO_(3)^(-))、铵根离子(NH+4)和硫酸根离子(SO_(2)-4),简称SNA]是合肥市PM_(2.5)的重要组成部分,随着污染程度的加重,PM_(2.5)二次生成比例随之下降。NH+4是合肥市水溶性离子中中和能力最强的离子,易与NO_(3)^(-)和SO_(2)-4结合分别形成NH_(4)NO_(3)和(NH_(4))_(2)SO_(4)。合肥市SO_(2)和NO_(2)均易发生二次转化,且SO_(2)较NO_(2)更容易发生二次转化。钙离子(Ca^(2+))和镁离子(Mg^(2+))相关性较高,说明合肥市PM_(2.5)可能受扬尘影响较大;钾离子(K^(+))是生物质燃烧的指示离子,氯离子(Cl^(-))与K^(+)相关性较好,说明合肥市PM_(2.5)组分中的Cl^(-)和K^(+)主要来自生物质燃烧。PM_(2.5)中水溶性离子受降水和温度影响较大。     

2013-2018年北京市PM2.5污染波动特征研究

利用2013—2018年北京市大气污染物监测数据及气象条件等资料,分析了北京市PM_(2.5)污染波动变化趋势及其影响因素。结果表明,2013—2018年北京市空气质量呈现整体改善趋势,优良天数由2013年的176 d增加至2018年的227d;重污染天数显著减少,由2013年的58 d逐年递减至2018年的14 d。受污染源排放、特殊气候现象、气象条件等多因素影响,近6年北京市ρ(PM_(2.5))月均值呈现波动下降趋势,其中秋、冬季波动性更加突显。2014—2016年北京市秋冬季PM_(2.5)污染突出,其中2014年10月、2015年11—12月、2016年12月ρ(PM_(2.5))月均值均达到中度污染级别;而2017—2018年北京市秋、冬季ρ(PM_(2.5))月均值均处于优良水平。相关性分析结果显示,地面相对湿度、中层温度与大气污染物呈现较强的正相关性,中层北风频率、地面风速则呈现负相关性。基于上述气象条件及CO、SO_2和NO_2等气态污染物共同构建的拟合方程对ρ(PM_(2.5))估算结果较好,多站点的拟合值与实际值的相关系数为0.900～0.947,进一步说明气象条件及相关污染源排放对PM_(2.5)污染具有显著影响。     

克拉玛依市空气质量特征分析

为研究克拉玛依市空气质量特征,对2015年克拉玛依市空气自动站监测数据进行分析。结果表明,克拉玛依市空气质量整体较为清洁,优良天数占有效监测天数的91.5%,PM_(2.5)平均浓度为31μg/m~3,PM_(10)平均浓度为64μg/m~3,PM_(2.5)在PM_(10)中占比近半;SO_2和NO_2浓度相对不高,NO_2/SO_2比值为2.4,流动源问题相对突出;对各项污染物的综合指数分担率分析发现,克拉玛依市PM_(10)和PM_(2.5)为综合指数分担率最高的因子,不足四分之一,O_3排第三位,超过五分之一,SO_2最低,仅为3.6%。     

蚌埠市夏季大气细颗粒物在线源解析

为了解蚌埠市环境空气中PM_(2.5)的来源,于2017年8月18日—9月18日,在百货大楼和高新区站点,利用单颗粒物气溶胶飞行时间质谱仪开展PM_(2.5)在线源解析。结果表明,百货大楼点位ρ(PM_(2.5))高于高新区点位,轻度污染比例(4.2%)明显高于高新区点位(0.8%),出现了中度污染(0.3%);SPAMS的PM_(2.5)质谱图显示百货大楼点位PM_(2.5)中K~+、Na~+特征明显,高新区点位HSO_4~-、NO_3~-、NO_2~-等无机信号较为明显;2个点位NO_3~-、NO_2~-、NH_4~+离子颗粒数占总颗粒数的百分比明显较高,且高新区点位NO_3~-、HSO_4~-离子数占比要明显高于百货大楼点位,燃料燃烧、工业工艺源、农田氮肥施用是其主要的人为污染源;2个点位PM_(2.5)成分主要为元素碳,分别占比42.4%,40.6%;污染时段,ρ(PM_(2.5))快速上升,除受本地机动车尾气源和燃煤源累积影响外,百货大楼点位扬尘源排放增加,高新区点位扬尘源和工业工艺排放源增加;2个点位机动车尾气源均为首要污染源,分别占比29.5%和30.9%,其次为燃煤源(24.3%和24.7%),扬尘源占比分别为22.9%和20.8%。     

传感技术在环境空气监测中的方法适用性研究

采用某品牌3台传感器,对环境空气中气态污染物(NO_2、SO_2、O_3、CO)和颗粒物(PM_(10)、PM_(2.5))进行为期1个月的连续监测,探讨传感技术在环境空气监测中的方法适用性。研究表明,3台传感器监测的各污染物质量浓度均显著相关,Pearson相关系数0.9(p0.01);监测的颗粒物与国控点数据显著相关且质量浓度水平接近,Pearson相关系数0.9(p0.01);PM_(2.5)传感器测定值相对于国控点数据的平均相对误差仅为-7.3%,均值绝对误差2μg/m~3;传感器在高湿度下的PM_(2.5)测定值与国控点数据相吻合,当相对湿度为80%～90%时,平均相对误差仅为-0.9%;传感器气态污染物测定值与国控点数据之间存在差异,电化学原理气态污染物传感器性能仍有待提升。     

烟花爆竹禁燃对春节期间东北地区空气质量影响评估

利用2015—2017年春节期间东北地区主要大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、CO和O3)质量浓度监测资料及相应气象因子(温度、湿度、风速和气压)观测资料,分析了春节期间烟花爆竹禁燃对东北地区空气质量的影响。结果表明:随着东北地区主要城市禁燃力度的增强,空气质量逐年提升,PM_(2.5)和SO_2浓度逐年大幅度下降。禁燃可明显降低城区PM_(2.5)浓度,而由于春节期间污染源整体减少,城区和城郊监测点PM_(2.5)浓度值差异减小。烟花爆竹对PM_(10)和PM_(2.5)浓度影响高于对气体污染物SO_2、NO_2和CO的影响。此外,气象条件对东北地区春节期间禁燃改善空气质量的效果也有明显影响。因此,结合春节期间的气象条件,在东北地区实施禁燃政策动态调整非常必要。     

武汉市春季大气PM2.5中水溶性离子特征

运用大气PM_(2.5)水溶性组分及其气态前体物在线监测系统(GAC-IC)于2017年3月5—12日对武汉市大气PM_(2.5)中水溶性组分进行了在线监测,分析了PM_(2.5)中主要水溶性离子的化学特征和作用机制。结果表明:实验期间武汉市大气PM_(2.5)中水溶性组分与气态前体物间存在明显的二次转化过程,二次反应是PM_(2.5)的重要来源。监测期间,PM_(2.5)中NO_3~-、SO_4~(2-)和NH_4~+的平均质量浓度分别为24.3、16.9、15.0μg/m~3,是PM_(2.5)中重要的水溶性无机离子,占PM_(2.5)质量浓度的40%~70%。硫氧化率(SOR)和氮氧化率(NOR)平均值分别为0.52和0.27,表现出较为明显的二次污染特征。通过相关性分析发现:监测点位周边大气PM_(2.5)中NH_4~+与NO_3~-、SO_4~(2-)有良好的相关性,且表现为富氨状态,大气中铵能较好地中和SO_4~(2-)和NO_3~-。     

黑龙江省环境空气污染物和气象要素的典型相关分析

通过对黑龙江省4个自然年(2016年1月1日—2019年12月31日)环境空气污染物和气象要素的分析,揭示了黑龙江省气象条件对空气污染物浓度的影响规律与特征。对PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3等6项污染物的描述性统计和简单的相关分析显示:黑龙江省环境空气质量呈现逐年变好的趋势,非采暖期环境空气质量好于采暖期,6项污染物中除O_3呈现夏季偏高以外,其余污染物采暖期浓度均高于非采暖期。运用典型相关分析法探究环境空气污染物与温度、降水量、相对湿度、风速和气压5项气象要素之间的关系,并进行统计学检验,结果表明:环境空气污染物与气象要素之间存在显著相关,温度、风速和相对湿度对污染物具有显著影响。非采暖期大气相对湿度对PM_(10)和O_3-8h的影响显著;而在采暖期,风速对PM_(10)和PM_(2.5)的影响显著。     

上海虹桥机场大气污染特征分析

通过将上海虹桥机场2016年大气污染物监测数据与该市国控站点数据对比分析,结果表明:机场附近首要污染物为NO_2和PM_(2.5),随着污染级别加重,PM_(2.5)成为首要污染物的频次增加。虹桥机场NO_2浓度均值在各季节均高于各国控站点,日变化呈"双峰双谷"特征,峰值出现时间较其他站点早1 h。冬季PM_(2.5)浓度高于国控站点,其他三季相当。冬季PM_(2.5)日变化具有明显的"双峰"特征,上午峰值出现时间较其他站点早一两小时,夏季不明显。O_3日变化表现为上午其生成速率和NO_2的消耗速率都要高于其他站点。     

东莞市一次空气污染过程成因分析

基于东莞市大气复合污染超级监测站的监测数据,选取2017年12月一次典型空气污染过程,对污染期间气象要素、大气颗粒物组分特征和污染物来源进行综合研究。结果表明,在污染期间,首要污染物为PM_(2.5),日均值为86μg/m3,其主要化学组分依次是OC、NO_3~-和SO_4~(2-),分别占PM_(2.5)的19.7%,16.1%和14.9%;在不利的气象条件下,本地污染排放和外源输入的一次污染物快速生成二次有机物、硝酸盐和硫酸盐,是造成该次空气污染的主要原因; PM_(2.5)污染主要来源为机动车尾气(27.7%)及二次无机源(19.0%)。     

福州市大气污染空间分布特征分析

利用2015年福州主城区6个大气国控点的6种主要大气污染物逐时监测数据、气象数据及空间基础数据等,通过增设站点后进行空间插值的方法分析大气污染物浓度的空间分布特征。结果表明:福州市大气中PM_(2.5)、PM_(10)最高值分别为35.57μg/m~3和62.35μg/m~3,高浓度区域集中在主城区中心和近郊区,其中台江区污染程度相对较高;O_3最高值为94.85μg/m~3,较高浓度主要集中在晋安区内海拔较高的森林地区;CO、SO_2和NO_2最高浓度低于一级标准浓度限值,高浓度区域分布在主城区中心。     

上海城区交通干道黑碳污染调查

采用设置在上海市中心城区交通主干道旁空气质量自动监测站2018年1—12月的观测数据,分析黑碳气溶胶(BC)污染特征及其与PM_(2.5)、SO_2、NO_x、CO、O_3、苯、甲苯、乙苯、二甲苯和气象参数的相关性。结果表明,观测期间内,BC小时均值为(3 038±22) ng/m~3,ρ(BC)在ρ(PM_(2. 5))中占比为(11. 48±0. 12)%。日内ρ(BC)变化呈双峰型,各月份之间ρ(BC)变化不大。ρ(BC)与风速呈负相关,与PM_(2. 5)、NO_x、CO、苯、甲苯、乙苯和二甲苯呈正相关。