“十一五”期间新疆大气降尘量时空分布特征及影响因素分析

通过对"十一五"期间新疆134个大气降尘监测点位数据进行统计分析发现,"十一五"期间,全疆年均降尘量维持在22.2~24.6 t/km2.月,变化幅度小于10%。一年内降尘主要集中在3~6月份,占全年降尘量的51%。在空间分布上,新疆年均降尘量呈现明显的南疆高于北疆的特征,南疆五地、州的总降尘量占全疆总降尘量的70.2%,为新疆降尘的主要集中区。特殊的气象、生态环境是决定新疆大气降尘时空分布特征的主要因素。     

兰州市大气降尘时空变化特征

根据兰州市近年大气降尘的监测数据,对兰州市市区的降尘量进行了分析统计,按月度、季度、采暖期、非采暖期分析降尘的时间变化趋势。统计期间全市3月份降尘量最大,利用方差分析检验了不同季节降尘量的显著性差异,发现全市降尘量分布规律为春季夏季秋季冬季;非采暖期采暖期。按行政区、功能区分析降尘的空间分布变化,结果表明交通干线降尘量最大。     

兰州市冬季和春季PM2.5金属元素浓度水平与分布

为了解兰州市大气PM2.5中金属元素的污染水平和分布,于2013年冬季和春季在兰州市区4个在线监测点进行PM2.5样品采集,利用ICP-MS分析金属元素浓度。结果表明,Pb、B元素含量高于200 ng/m3,V、Fe元素含量在100~200 ng/m3,其余元素含量低于100 ng/m3,其中Pb含量最高,平均含量达到373.8 ng/m3.各监测点元素含量在冬季和春季各有不同,整体上是冬季高于春季。金属元素在兰州市区的空间分布与兰州市工业排放和气象因素有关,工业排放为主导因素。     

苏州市区能见度变化特征及影响因素分析

近一年的观测结果表明,苏州市区能见度年均值为15.8 km.一年之中,7月能见度水平最高,11月能见度水平最低,月均值为10.5 km.一日之中,早8时左右能见度最差,14时左右最好.导致苏州市区能见度水平下降的主要污染因子为PM2.5,相同PM2.5浓度下,能见度随着湿度的升高而下降.     

华亭市城区空气环境质量现状分析及防治对策

文章以2018年环境监测数据为依据,分析了PM10、PM2.5持续超标的因素,提出了城区空气环境治理的对策建议。     

贵阳市夏季大气颗粒物及多环芳烃污染特征研究

采集贵阳市老城区夏季5个典型监测点(太慈桥、贵州师范大学、大西门、省政府及省植物园)的样品进行PM2.5、PM10质量浓度分析。同时对PM2.5中PAHs的质量浓度进行分析。结果表明:贵阳市夏季PM2.5和PM10浓度排序均为太慈桥省政府大西门贵州师范大学省植物园,且PM2.5和PM10之间有良好的相关性,PM10=0.931 3 PM2.5+0.019 4,R2=0.996 7,PM2.5污染较重。此外,5个监测点总PAHs和苯并(a)芘的分析结果均为太慈桥省政府大西门贵州师范大学省植物园,苯并(a)芘浓度均未超标。     

库尔勒市大气颗粒物污染特征与影响因素分析

针对库尔勒市PM 10、PM 2.5年均浓度超标现象,基于市区3个环境监测站2013—2017年的逐时观测数据,分析PM 10、PM 2.5污染特征、成因及其主要影响因素。结果表明:①2013—2017年库尔勒市PM 10年均浓度变化较大且无明显趋势,PM 2.5年均浓度整体呈下降趋势;②季节尺度上,库尔勒市PM 10在每年2—5月呈现高浓度,PM 2.5高浓度期则为10月至翌年5月;③城郊的开发区站PM 10浓度最高,老城区的州政府站PM 2.5浓度最高,在PM 10和PM 2.5的高浓度期空间差异尤其显著;④PM 10与风速显著正相关,来自塔克拉玛干沙漠的风蚀沙尘颗粒物是库尔勒地区颗粒污染物的主要来源;⑤库尔勒市PM 10主要为外源输入,PM 2.5则以城市内源为主,相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

杭州市大气污染物排放清单及特征

以杭州市区为研究区域,通过调查整合多套污染源数据库及其他统计资料,研究文献报道及模型计算的各种污染源排放因子,获得杭州市区各行业PM10、PM2.5、SO2、NOx、CO、VOCs、NH3等污染物的排放量,建立了杭州市区2010年1 km×1 km大气污染物排放清单。结果表明,2010年杭州市区PM10、PM2.5、SO2、NOx、CO、VOCs和NH3的排放总量分别为7.96×104、4.02×104、7.23×104、8.98×104、73.90×104、39.56×104、3.32×104t。从排放源的行业分布来看,机动车尾气排放是杭州市区大气污染物最重要排放源之一,对PM10、PM2.5、NOx、CO和VOCs的贡献分别达到14.4%、27.1%、40.3%、21.4%、31.1%。道路扬尘、电厂锅炉、工业炉窑、植被、畜禽养殖对不同污染物分别有着重要贡献,道路扬尘对PM10和PM2.5的贡献分别为44.6%和20.0%、电厂锅炉对SO2和NOx的贡献分别为37.0%和25.7%、工业炉窑对CO的贡献为41.5%、植被排放对VOCs的贡献为27.1%、畜禽养殖对NH3的贡献为76.5%。从空间分布来看,萧山区和余杭区对SO2、NH3和植被排放BVOC的贡献要显著高于主城区;而主城区机动车对PM2.5、NOx和VOCs的贡献分别达到36.3%、56.0%和47.4%,较市区范围内显著增加,表明机动车尾气排放已成为杭州主城区大气污染最重要的来源之一。     

宁波和温州地区夏季大气中不同粒径颗粒物特征分析

对宁波地区北仑和奉化站、温州地区乐清站3个监测点夏季TSP、PM10、PM2.5和PM1.0进行监测,测试分析各种粒径颗粒物浓度水平和粒径分布特征,并通过化学质量平衡(CMB)受体模型对颗粒物进行源解析。监测结果显示,夏季宁波、温州地区TSP和PM10日均浓度为0.049～0.134mg/m3和0.025～0.084mg/m3,均未超过我国环境空气质量二级标准;PM2.5日均浓度为0.007～0.069mg/m3,按美国2006年EPA最新标准限值0.035mg/m3衡量,奉化、乐清、北仑站的超标天数占总监测天数的比例分别为75%、40%和37.5%。粒径分布统计结果显示,3个监测站点PM10占TSP的比例为48.78%～86.96%;PM2.5占TSP的比例为33.33%～72.46%;奉化和乐清监测点PM10中PM2.5和PM1.0的比例平均值在50%以上。源解析结果显示,夏季TSP主要来源于土壤尘,其次是建筑尘和煤烟尘,其贡献率分别为40.70%～55.49%、9.62%～13.64%和5.85%～17.28%。     

大气降尘采样影响因素的研究

试验和调研的内容 1.大气降尘的来源 从降尘的化学组成看,北京城市地区年平均的大气降尘量,69.7％源于土壤,26.99％源于锅炉烟尘,1.3％源于建筑尘(白灰、水泥),剩余2.1％为其他源。其次,由于地面颗粒的再悬浮的反复循环,使烟囱直接排放的烟尘量约占总降尘量的15.9％。 2.不同高度降尘量和粒径分布的对比 降尘的采集量因各地区气候条件,植被情况不同,在不同高度上波动很大。我们在北京城市设置了十一个测点,进行了一年的对比,其结果如下:     

Local and regional air pollution in Ireland during an intensive aerosol measurement campaign

An intensive two month measurement campaign has been performed during a two year study of major component composition of urban PM10 and PM2.5 in Ireland (J. Yin, A. G. Allen, R. M. Harrison, S. G. Jennings, E. Wright, M. Fitzpatrick, T. Healy, E. Barry, D. Ceburnis and D. McCusker, Atmos. Res., 2005, 78(3-4), 149-165). Measurements included size-segregated mass, soluble ions, elemental carbon (EC) distributions, fine and coarse fraction organic carbon (OC) and major gases along with standard meteorological measurements. The study revealed that urban emissions in Ireland had mainly a local character and therefore were confined within a limited area of 20-30 km radius, without significantly affecting regional air quality. Gaseous measurements have shown that urban emissions in Ireland had clear, but fairly limited influence on the regional air quality due to favorable mixing conditions at higher wind speeds, in particular from the western sector. Size-segregated mass and chemical measurements revealed a clear demarcation size between accumulation and coarse modes at about 0.8 microm which was constant at all sites. Carbonaceous compounds at the urban site accounted for up to 90% of the particle mass in a size range of 0.066-0.61 microm. Nss SO4(2-) concentrations in PM2.5 were only slightly higher at the urban site compared to the rural or coastal sites, while NO3- and NH4+ concentrations were similar at the urban and coastal sites, but were a factor of 2 to 3 higher than at the rural site. OC was highly variable between the sites and revealed clear seasonal differences. Natural or biogenic OC component accounted for <10% in winter and up to 30% in summer of the PM2.5 OC at urban sites. A contribution of biogenic OC component to PM2.5 OC mass at rural site was dominant.     

降雨对长三角区域PM2.5浓度的影响

利用WRF-CAMx模式分析首届中国国际进口博览会(简称进博会)期间一次降雨过程对长三角地区PM2.5浓度影响,结果表明,降雨量分布区域与因降雨造成的PM2.5浓度减少量分布区域并不完全一致,湿沉降量受降雨量、PM2.5浓度和风速等多个因素共同影响。数值模拟结果表明,降雨导致浓度下降幅度排前5位的组分分别是有机气溶胶、硫酸盐、硝酸盐、铵盐和细颗粒原生气溶胶,下降幅度分别为44. 28%、16. 55%、11. 55%、9. 53%和5. 23%。结合观测资料和数值模式模拟结果可知,首届进博会期间上海本地减排和周边区域协同控制作用使PM2.5日均质量浓度降低33. 23μg/m3,因降雨引起的湿沉降作用使上海市PM2.5质量浓度降低15. 88μg/m^3。     

三维变分在PM2.5重污染数值模拟中的应用研究

为了探讨三维变分法(3DVAR)对成渝城市群冬季PM2.5重污染模拟的改善效果,采用3DVAR对成渝城市群2017年12月至2018年1月的空气质量数值模拟结果进行资料同化,对比评估嵌套网格空气质量预报模式(NAQPMS)原始数据与同化再分析数据的准确率,并分析成渝重污染特征。研究结果显示,3DVAR在PM2.5、PM10和NO2的同化实验中均取得较好的改善效果,成渝地区检验站点各污染物相关系数(r)的平均提升比例依次为44%、90%和332%,r改善的站点占检验站点总数的比例分别为98%、100%和82%;检验站点均方根误差(RMSE)的平均下降比例分别为15%、37%和31%,RMSE改善的站点占检验站点总数的比例为65%、98%和84%。与原始模拟结果相比,同化结果能够更准确地反映成渝地区冬季重污染期间的PM2.5和PM10空间分布特征。     

郑州市 PM2．5和 PM10质量浓度变化特征分析

根据郑州市2013年PM2．5和PM10颗粒物连续自动监测数据，对郑州市各国控站点的PM2．5和PM10的达标情况、变化趋势等进行探讨分析。结果表明：2013年郑州市PM10和PM2．5的年均质量浓度均超过了新标准规定的年均值二级标准限值。 PM10和PM2．5月均值峰值出现在1月和10月，谷值出现在8月，各月PM2．5的超标天数都大于PM10。PM10和PM2．5冬季的日均值浓度明显高于其他季节，呈双峰型，夜晚浓度整体高于白天；PM2．5春、夏、秋三季日变化呈单峰型，PM10夏季和秋季呈单峰型，春季呈双峰型。 PM2．5和PM10日均值有着非常显著的线性相关关系，PM2．5和PM10浓度的比值（p）10月最高。     

基于GIS的石家庄市PM10和PM2.5时空分布研究

利用2018年261个乡镇环境空气自动监测站监测数据,结合GIS空间分析技术,对石家庄市PM10和PM2.5的时空污染特征进行了研究。结果表明,石家庄地区PM10和PM2.5污染的空间分布整体表现为西北部山区好于东南部的平原地区,主城区好于周边县(市、区)的特征。采暖期PM10和PM2.5的污染程度明显重于非采暖期。PM2.5稳定性差于PM10,PM10和PM2.5的稳定性与污染程度具有一定的负相关性,表现出污染越轻的区域稳定性越差。两者的日均值浓度变化在时间序列上呈极强正相关,且污染越重的区域时间相关性越强。与日均值相关性不同,污染程度越轻的区域PM10和PM2.5年均值的线性相关性越强。     

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。     

基于后向轨迹模式的区域大气污染及传输特征分析

选取南京市2017年PM2.5逐时观测数据,分析其颗粒物污染特征,并利用聚类分析、潜在源贡献因子法和GDAS气象数据,分析不同高度、季节下南京市主要气流输送路径及PM2.5污染的主要潜在源区。结果表明：南京市PM2.5污染冬季最严重,夏季最轻,逐时PM2.5浓度变化范围夏季小于冬季;夏季气流轨迹主要来自东南方向,秋冬春等季节以偏西和西北路径为主,且随着高度的增加,气流输送速度逐渐加快;冬季对南京市PM2.5污染的贡献最为显著,低层PM2.5污染贡献源区主要集中在近地区域,且贡献率较高,随着高度的增加,贡献源区由研究区域向四周辐散,贡献范围广,贡献率降低。     

金昌市不同季节大气颗粒物的传输路径和潜在源分析

选取金昌市2019年3月-2020年2月PM2.5和PM10逐小时观测数据,分析该市颗粒物污染水平的季节差异,并利用HYSPLIT后向轨迹模式和GDAS气象数据,分析不同气流轨迹对金昌市颗粒物浓度的影响及不同季节颗粒物的潜在污染来源.结果表明,2019年金昌市冬季PM2.5污染最严重,春季PM10污染严重;春、秋季PM...     

A land use regression model for predicting ambient fine particulate matter across Los Angeles, CA

Land use regression (LUR) models have been used successfully for predicting local variation in traffic pollution, but few studies have explored this method for deriving fine particle exposure surfaces. The primary purpose of this method is to develop a LUR model for predicting fine particle or PM(2.5) mass over the five county metropolitan statistical area (MSA) of Los Angeles. PM(2.5) includes all particles with diameter less than or equal to 2.5 microns. In the Los Angeles MSA, 23 monitors of PM(2.5) were available in the year 2000. This study uses GIS to integrate data regarding land use, transportation and physical geography to derive a PM(2.5) dataset covering Los Angeles. Multiple linear regression was used to create the model for predicting the PM(2.5) surface. Our parsimonious model explained 69% of the variance in PM(2.5) with three predictors: (1) traffic density within 300 m, (2) industrial land area within 5000 m, and (3) government land area within 5000 m of the monitoring site. These results suggest the LUR method can refine exposure models for epidemiologic studies in a North American context.     

南通市PM2.5中水溶性离子季节分布特征

对南通市2016年12月-2018年10月大气污染季节分布特征进行了分析。结果表明,南通市ρ(PM2.5)和ρ(水溶性离子)为冬、春季高,夏、秋季低。春夏秋冬四季ρ(水溶性离子)占ρ(PM2.5)百分比分别为68.2%,70.6%,64.5%和74.5%,其中二次离子SNA(NO3-、SO42-和NH4+)占ρ(PM2.5)的百分比分别为63.1%,67.0%,59.3%和66.8%;ρ(NO3-)/ρ(SO42-)表明,移动源已成为南通市春、秋、冬季的主要污染源,四季均存在不同程度的二次转化,且SO2的转化率均大于NO2,NO2冬季转化率最大、夏季最小,SO2夏季转化率最大、秋季最小。南通市NO2转化为硝酸盐的主要形式是气相均相反应,非均相反应和均相反应对SO2转化为硫酸盐的贡献差异不大。