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。     

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。     

荒漠草原无林地PM2.5、PM10时间变化特征及与气象因素的关系

选取荒漠草原无林地的PM_(2.5)、PM_(10)浓度以及气象因子数据,对颗粒物浓度的时间变化特征及其与气象因子的关系进行分析。结果表明:(1)1月的PM_(2.5)、PM_(10)月平均浓度最高,7月的PM_(2.5)与PM_(10)达到最低。季节尺度上PM_(2.5)、PM_(10)浓度变化为由大到小顺序依次为冬季秋季春季夏季。(2)风速≤4.0 m/s时,随着风速增加,PM_(2.5)、PM_(10)浓度不断降低;当风速4.0 m/s时,PM_(2.5)、PM_(10)浓度随风速增加而增加。PM_(2.5)、PM_(10)浓度与温度负相关。相对湿度≤50%时,随着相对湿度增加,PM_(2.5)、PM_(10)浓度呈增加趋势;相对湿度50%时,随着空气湿度增加,PM_(2.5)、PM_(10)浓度呈降低趋势。随着大气气压上升,PM_(2.5)与PM_(10)浓度随之增加。(3)不同季节的气象因子对PM_(2.5)、PM_(10)影响存在差异。     

宜兴市臭氧和挥发性有机物的浓度特征研究

于2016年对宜兴市大气挥发性有机物(VOCs)和臭氧(O_3)的变化特征进行了分析。结果表明,宜兴市O3年均值为62.92μg/m~3,其中冬季值最低(31.19μg/m~3),夏季值最高(94.96μg/m~3)。φ(VOCs)为(11.00~42.45)×10~(-9),其中丙酮(12.7%)、乙酸乙酯(8.8%)和丙烯(3.3%)等在VOCs中占比位于前3位。各站点φ(甲苯)/φ(苯)2,全年的φ(甲苯)/φ(苯)φ(乙苯)/φ(苯)φ(间、对二甲苯)/φ(苯)。指出VOCs主要来源为有机溶剂和道路交通,并受到一定的外来输送影响。各站点φ(VOCs)/φ(NOx)为0.94~2.44,O3处于VOCs敏感区。     

兰州城市大气中PM_(1.0)污染特征研究

运用不同类型的PM_(1.0)自动监测仪,于2017年11月至2018年11月对兰州城市大气PM_(1.0)开展了为期一年的观测,分析了兰州PM_(1.0)污染特征及来源,以及气象条件和SO_2、NO_2等污染物对PM_(1.0)浓度特征的影响,重点分析了重污染天气过程PM_(1.0)的演变情况。结果表明:研究期内,兰州城市PM_(1.0)日均最大浓度为117.5μg/m~3,最小浓度为8.3μg/m~3,平均浓度为33.7μg/m~3;4个季节的PM_(1.0)平均浓度排序为冬季秋季春季夏季,冬季PM_(2.5)中PM_(1.0)的占比超过70%。从全年来看,PM_(1.0)主要来源于内蒙古西北部地区污染气团输入。PM_(2.5)与PM_(1.0)的来源区域具有一致性,但PM_(1.0)的来源范围更广泛,而PM_(2.5)的来源更集中。重污染阶段,PM_(1.0)与PM_(2.5)、PM_(10)污染演变趋势呈现负相关,PM_(2.5)与PM_(10)呈现正相关,且秋冬季PM_(1.0)和PM_(2.5)的潜在污染来源距离兰州较近,范围更集中。     

基于气象因子的PM_(2.5)回归预测模型研究

采用Pearson相关系数分析了2013—2016年3大典型城市北京、南京和广州的ρ(PM_(2.5))与各气象因子的关系。结果表明,3个城市ρ(PM_(2.5))与各风速因子最大的相关系数依次为-0.44,-0.29和-0.37,与各气温因子最大的相关系数依次为-0.44,-0.33和-0.37,气压与南京和广州的ρ(PM_(2.5))正相关,气压因子最大的相关系数分别为0.25和0.34,湿度与北京ρ(PM_(2.5))正相关,与广州ρ(PM_(2.5))负相关,湿度因子最大的相关系数分别为0.49和-0.36,日照时数与北京ρ(PM_(2.5))相关系数为-0.46,降水量与南京和广州ρ(PM_(2.5))相关系数分别为-0.20和-0.24;采用逐步线性回归方法建立城市次日ρ(PM_(2.5))与气象因子的预测模型,复合相关系数分别为0.722 8,0.770 6和0.809 9。模型预测3个城市2016年PM_(2.5)年均值分别偏高4,5和3μg/m3,日均值平均相对误差为±45.6%,±32.9%和±26.0%,模型对高ρ(PM_(2.5))普遍低估。     

石家庄市空气颗粒物污染与气象条件的关系

利用2013—2014年石家庄市环境监测中心PM_(2.5)、PM_(10)逐时监测资料、同期的石家庄市地面气象观测站常规观测资料以及环境监测梯度站2013年1月各层PM_(2.5)和PM_(10)逐时观测资料,分析了PM_(2.5)、PM_(10)质量浓度的时空分布特征及与气象要素的相关关系。结果表明:石家庄市PM_(2.5)与PM_(10)的质量浓度及两者的比值均为冬季和秋季较高;在水平分布上,PM_(2.5)与PM_(10)的平均质量浓度为市区西部高于东部;在垂直分布上,随着高度的增加,PM_(2.5)和PM_(10)平均质量浓度先上升后下降;PM_(2.5)与PM_(10)的质量浓度与相对湿度呈正相关,其中PM_(2.5)的质量浓度与相对湿度相关性更高;PM_(2.5)与PM_(10)的质量浓度与风速呈负相关,随着风速的增大,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势,但当风速大于5 m/s时,PM_(10)的质量浓度随着风速增大而上升,出现扬尘污染,总体来讲,刮西北风时PM_(2.5)与PM_(10)的质量浓度较高,刮东南风时PM_(2.5)与PM_(10)的质量浓度较低,这与风向和风速的日变化有关;PM_(2.5)与PM_(10)的质量浓度与降水呈负相关,随着降水的增加,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势。     

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。     

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。     

珠海市PM_(2.5)时空分布特征及其成因分析

选取2015年珠海市国控监测站ρ(PM_(2.5))数据,分析PM_(2.5)中有机碳(OC)、元素碳(EC)、水溶性离子组分等化学组成,ρ(PM_(2.5))时空分布特征,以及与气象因素的相互关系。结果表明,2015年珠海市PM_(2.5)年均值为31.0μg/m3,表现出显著的时间分布规律,月均值呈现"V"型趋势,PM_(2.5)中主要化学组分是有机物(OM),占总质量的34.0%,其次是硫酸根(SO2-4),占总质量的26.9%,具有明显的季节分布特征,呈现冬高夏低分布;ρ(PM_(2.5))日变化呈现双峰型分布,其值工作日显著高于非工作日;ρ(PM_(2.5))与平均温度、相对湿度、风速呈现负相关关系,与气压呈现显著正相关关系;珠海市ρ(PM_(2.5))空间分布总体呈现"东高西低,北重南轻"变化趋势,有机物、SO2-4和NH+4空间分布呈现东部高于西部趋势,颗粒物浓度受地形、气候因素和海域环境等影响呈现多样化分布趋势。     

阳澄湖沉积物中氮、磷及有机质空间分布特征与污染评价

于2020年2月采集了阳澄湖63个监测点位的沉积物样品,测定了沉积物中总磷(TP)、总氮(TN)和有机质(OM)的质量比,分析了其在阳澄湖6个湖区(东湖南、东湖北、中湖南、中湖北、西湖南及西湖北)的空间分布特征,并基于综合污染指数(FF)和有机污染指数(OI)进行了评价。结果表明,沉积物中ω(TN)、ω(TP)和ω(OM)均值分别为1 102,822 mg/kg和32.8 g/kg,其中ω(TN)、ω(OM)在空间分布上存在较高差异性,ω(TP)空间分布总体表现为从西湖向中湖、东湖逐渐降低的趋势,ω(TN)、ω(OM)则与ω(TP)相反;全湖TN污染指数、TP污染指数、FF指数和OI指数评价结果分别为2级(轻度污染)、4级(重度污染)、3级(中度污染)和Ⅲ级(尚清洁)。     

宜兴市细颗粒物化学特征和来源解析

通过在宜兴市3个监测站点对细颗粒物(PM_(2.5))开展不同季节采样,对样品做化学分析,结合化学质量平衡(CMB)模型解析PM_(2.5)来源贡献。结果表明,宜兴市PM_(2.5)年均质量浓度为37.5μg/m~3,冬季质量浓度最高,为53.1μg/m~3。PM_(2.5)主要化学成分为SO_4~(2-)、NO_3~-、OC、EC、NH_4~+、Cl~-、Ca、Na、Al。PM_(2.5)的主要排放源贡献为二次硫酸盐(21.0%)、二次有机气溶胶(14.9%)、二次硝酸盐(14.1%)和燃煤电厂(8.0%)。利用本地排放源清单进行二次来源解析,得到全年主要排放源贡献为工业(33.1%)、燃煤(23.1%)、移动源(17.6%)、扬尘(9.3%)和其他来源(16.9%)。减轻颗粒物污染,重点是控制工业生产、燃煤及机动车中的排放。     

灰色理论在优化水质监测断面上垂线数的应用

一、关联度分析法 关联度分析是基于系统各因素时间序列曲线间相似相异程度来衡量其关联度大小的量化方法。具体计算方法如下: 1.确定参考数据列 {A_o(t)}={A_o(1),A_o(2),…,A_o(n)} (t=1,2,…,n) 2.确定比较数据列 {A_i(t)}={A_i(1),A_i(2),…,A_i(n)} (i=1,2,…,n)     

石家庄市大气颗粒物中有机碳和元素碳的季节变化特征

为了解石家庄市大气颗粒物中有机碳和元素碳的季节变化特征,对春、夏、秋、冬四季采集的PM_(10)、PM_(2.5)样品中的有机碳(OC)和元素碳(EC)进行了分析。结果表明,石家庄市PM_(10)、PM_(2.5)污染严重;PM_(10)、PM_(2.5)中ρ(OC)和ρ(EC)季节变化特征均为夏季春季秋季冬季。冬季PM_(10)中ρ(OC)和ρ(EC)分别为42.85和8.88μg/m~3;PM_(2.5)中ρ(OC)和ρ(EC)分别为41.2和8.59μg/m~3。PM_(2.5)中EC占比最高为3.9%,EC更容易在PM_(2.5)中富集;在四个季节中,冬季PM_(10)、PM_(2.5)中ρ(OC)/ρ(EC)为最高,分别为4.83和4.80,冬季取暖用燃煤加重了OC、EC的污染。冬季PM_(10)中二次有机碳ρ(SOC)为20.92μg/m~3,PM_(2.5)中ρ(SOC)为23.50μg/m~3。     

昌吉市采暖期和非采暖期PM_(2.5)和PM_(10)污染特征分析

昌吉市2016年冬春季多次出现雾霾天气,针对昌吉市2016年采暖期和非采暖期PM_(2.5)和PM_(10)的浓度变化特征进行分析,结果显示:2016年全年空气质量在二级以上达标的天数为267 d,占72.9%,未达标天数占26.6%;采暖期PM_(2.5)和PM_(10)的质量浓度显著高于非采暖期,平均值是非采暖期的5.6倍和3.1倍,2月浓度值达到最高;采暖期间的首要污染物质为PM_(2.5),比例最高占66.3%,PM_(10)次之(占33.7%),非采暖期间污染物质PM_(10)占37.4%,PM_(2.5)占8.1%;采暖期间PM_(2.5)在PM_(10)中的比重(60.8%)也高于非采暖期(33.3%)。     

2017-2019年扬州市大气污染物与儿童呼吸系统门诊量的时间序列分析

收集扬州市2017—2019年大气污染物细颗粒物(PM_(2.5))、二氧化硫(SO_2)、二氧化氮(NO_2)和臭氧(O_3)的日均质量浓度、气象因素(日均温度、相对湿度)以及每日儿童呼吸系统门诊量数据,运用广义相加模型(GAM)进行单污染物和多污染物分析。结果表明,单污染物分析中,大气污染物的质量浓度累积滞后效应均大于单独滞后效应。ρ(PM_(2.5))、ρ(SO_2)和ρ(NO_2)对儿童呼吸系统门诊量影响效应均在累积滞后7 d(lag 07)达到最大值,ρ(O_3)在累积滞后6 d(lag 06)达到最大值。表现为ρ(PM_(2.5))、ρ(SO_2)和ρ(NO_2)在lag 07时,每升高10μg/m~3,儿童呼吸系统门诊量超额危险度分别为0.720%[95%置信区间(95%CI):0.346%～1.095%]、6.955%(95%CI:5.197%～8.743%)和2.133%(95%CI:1.516%～2.754%);ρ(O_3)在lag 06时,每升高10μg/m~3,儿童呼吸系统门诊量超额危险度为1.160%(95%CI:0.873%～1.447%)。多污染物分析中,当引入所有污染物(SO_2+NO_2+O_3)时,PM_(2.5)对儿童呼吸系统门诊量风险影响消失。大气污染物浓度的升高会增加儿童呼吸系统疾病的发生风险,并且其影响存在一定的滞后效应,有必要开展有针对性的大气污染物与儿童呼吸系统疾病的预警研究,保护易感人群,合理分配卫生资源。     

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%。     

关于叶绿素a和脱镁叶绿素的分析方法

1.前言 用于了解海洋,湖沼中植物性浮游生物的一项指标,是测定叶绿素量和它的分解产物脱镁叶绿素的量,由于它们与富营养化问题关系密切,故近年来被经常采用。 叶绿素a及脱镁叶绿素的分析方法有:吸收光度法(Richards＆Thormpson(1952),Parsons＆Stricktand(1963),SCOR/UNESCO(1966),Lorenyen(1967)),萤光法(Yentsch＆Mengel(1963),Holm—Hansen etal(1965),西条(1975)),T.L.C法(柳半田(1970))等,本文报告对吸收光度法和荧光法的一些研究结果。     

重金属离子-二乙基二硫代氨基甲酸钠螯合体系的HPLC分析方法研究

采用二乙基二硫代氨基甲酸钠(NaDDC)为螯合剂,对Cu(Ⅱ)、Hg(Ⅱ)、Pb(Ⅱ)、Zn(Ⅱ)、Cd(Ⅱ)、Cr(Ⅵ)六种重金属离子进行了螯合萃取分离体系的方法研究,用HPLC方法建立了上述金属离子的最佳分离条件及定性定量分析方法.结果表明,用C18反相柱(5μm,150×4.6mmi.d.)和流动相(V(乙腈):V(甲醇):V(水)=55:15:30)能有效分离上述重金属离子,最低检测限在0.1～1.6ng范围内,线性范围及线性关系满足定量分析要求.     

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。