中国主要城市疫情管控期间大气环境改善效应研究

利用我国31个省会(省府)城市、直辖市站点大气污染物数据,对全国主要城市2020年新冠疫情管控期间以及复工复产后的大气污染状况进行统计学分析。结果表明:叠加疫情管控影响,相比往年,2020年春节假期前后全国主要城市整体上PM₁₀、NO₂、SO₂、CO平均质量浓度降幅分别达到22.46%、60.13%、13.71%、17.64%;疫情管控期间全国主要城市PM_2.5与PM₁₀偏相关系数为0.952,PM_2.5与SO₂、NO₂、CO的偏相关系数分别为0.705、0.791、0.831。复工复产初期相较疫情管控期间仅有NO₂平均质量浓度上升;随着复工复产进程深入,PM₁₀、SO₂、NO₂平均质量浓度则均有大幅度上升。采暖区SO₂和CO平均质量浓度在疫情管控期分别为非采暖区的2.6倍及1.6倍,两大区域在复工复产后各大气污染物质量浓度变化情况有所差异,也反映出采暖区与非采暖区的大气污染情况的不同。     

周口市大气污染特征及污染防控对策——以2021冬防为例

基于周口市2021年冬防期间（2021年10月1日—2022年3月31日）4个国控站点的在线小时数据和日均数据，利用统计和相关性分析等方法，研究了冬防期间污染要素的时空变化特征及其与主要气象因子之间的相关性。结果表明，周口市2021冬防期间空气质量达标率为64.8%，主要污染物为细颗粒物（PM_2.5），其中1月的大气污染最严重，ρ（PM_2.5）小时平均值为120 μg/m³，可吸入颗粒物（PM₁₀）质量浓度小时最高值出现在3月沙尘期间，为591 μg/m³。各污染要素的变化整体趋同，但多个站点的ρ（SO₂）和ρ（NO₂）频繁出现短时高值，这一现象可能与局地细颗粒物污染相关，在后续大气污染防控中需引起重点关注。市运管处站的NO₂和SO₂质量浓度整体偏高，需关注周边机动车相关的颗粒物排放。此外，西北风和东风对于PM_2.5污染传输的影响较大，气象不利条件下，需要加强管控，以有效保证空气质量达标。     

基于大气超级站观测的2017年5月北京市沙尘天气过程分析

结合常规污染物监测、PM_2.5化学组分监测、激光雷达监测和颗粒物数浓度及粒径监测等手段，对2017年5月影响北京市的一次沙尘天气过程进行分析。结果表明：5月4日凌晨起沙尘天气开始影响北京市，延庆、官园和通州3个站点PM₁₀峰值浓度分别为2 091、2 245、2 590 μg/m³，体现了该次沙尘天气影响程度之重。PM_2.5浓度与PM₁₀变化一致，也达到重度污染的水平。沙尘天气移动路径是沿着区域西北至东南方向。沙尘天气主体从3 km左右的高空进入北京市，随后逐渐渗透至1 km高度以及地面，且沙尘层厚度较高，覆盖了地面至3 km的高度。沙尘天气过程中OM和Ca²⁺组分增幅最大。在沙尘天气影响严重时间段，沙尘天气源与生物质燃烧源比例之和大于50%，最高值为67.6%。沙尘天气过程中颗粒物峰值粒径为0.965~1.037 μm。     

激光雷达在湖北大气环境监测中的应用

介绍了激光雷达通过垂直扫描、水平扫描和车载走航等方法在湖北大气环境监测中的应用实例。利用地基激光雷达并结合星载激光雷达监测一次沙尘传输过程，沙尘传输高度为500~4 000 m之间，且出现3次尘降，地面PM₁₀出现3次峰值。利用激光雷达探测大气边界层高度，颗粒物浓度受边界层高度影响，当边界层高度降到500 m以下时，PM_2.5浓度达到120 μg/m³，边界层高度上升到1 500 m以上时，PM_2.5浓度降到30 μg/m³以下。利用激光雷达水平扫描技术，对襄阳市高新区污染物的影响进行溯源，监测得出颗粒物浓度上升的主要原因为地面扬尘。利用激光雷达车载走航监测技术，监测黄冈市颗粒物空间分布特征，在不同区域监测到2处污染扩散带，分别位于工业区与生活区。     

宁波市区冬季大气颗粒物及其主要组分的污染特征分析

为了更好地研究影响宁波市区环境空气质量的污染物变化特征,于2010年1月20—30日进行了加强监测。研究结果表明,宁波市区大气中PM₁₀和PM_2.5质量浓度较高,其中PM_2.5/PM₁₀为0.5~0.85。对PM₁₀和PM_2.5采样膜分析,水溶性粒子和含碳组分分别占PM₁₀和PM_2.5质量浓度的56.7%和66.9%,其中二次污染的水溶性离子SO₄^2-、NO₃^-和NH₄⁺是PM₁₀和PM_2.5中浓度较高的离子组分;PM_2.5样品中OC与EC的相关性较好,表明OC与EC的来源相对一致,可能主要来自机动车尾气的贡献;但PM₁₀样品中OC与EC的相关性较差,表明其来源相对复杂;其中SOC的浓度占OC的13%~35%,说明宁波市区冬季导致二次污染的光化学反应不活跃。     

2014—2018年洛阳市大气污染变化特征及影响因素研究

研究采用空气质量指数法对2014—2018年洛阳市大气污染变化特征进行了分析,构建了空气污染物浓度的影响指标体系,采用灰色关联法研究了空气污染物浓度与影响因子之间的关联度,得到了影响空气污染物浓度的主要指标因子,并提出了改善洛阳市空气质量的措施。结果表明:洛阳市空气质量指数类别主要为良和轻度污染。2014—2018年空气质量为优良的天数主要出现在春季、夏季和秋季,重度污染和严重污染主要出现在冬季。2018年PM₁₀、PM_2.5、NO₂、SO₂和CO这5项污染物浓度随时间变化呈"V"型,污染主要集中在1—5月和11—12月。O₃浓度随时间变化呈倒"V"型,污染主要集中在4—9月。研究期内PM_2.5、PM₁₀和O₃是主要污染物。市区总人口、工业(综合)能源消耗量、人均生产总值、城市机动车总数、城市房屋施工面积、人均公园绿地面积、建成区绿化覆盖率和一般工业固体废物产生量等8项指标因子与PM_2.5、PM₁₀和O₃的浓度表现出高关联度或较高关联度。     

北方某市环境空气颗粒物中重金属污染状况研究

对我国北方某市大气颗粒物的污染状况进行了研究。在主导风向上设置采样点,于冬季、夏季分别采集TSP、PM₁₀、PM_2.5 3种不同动力学直径的大气颗粒物。采用ICP-MS对TSP、PM₁₀、PM_2.5中的元素浓度进行分析,并对3种不同粒径颗粒物中的10种重金属采用富集因子法进行评价。结果表明,北方某市环境空气颗粒物中富集程度最严重的为Cd、Pb;在采暖期,随着颗粒物粒径变小,Pb、Cd的富集指数呈现逐渐增大的趋势;非采暖期则无此趋势。     

贵阳市城区PM10和PM2.5水溶性离子特征分析

分别于2013年10月和2014年2月、5月、7月在贵阳市城区3个环境空气质量监测国控点位（南明区市监测站、云岩区黔灵公园马鞍山和观山湖区贵阳一中）进行PM₁₀、PM_2.5样品采集，并对10种水溶性离子（SO₄^2-、NO₂^-、NO₃^-、NH₄⁺、Cl^-、F^-、Na⁺、K⁺、Mg²⁺、Ca²⁺）的含量进行了分析。结果表明，研究时段内，贵阳市3个点位PM₁₀、PM_2.5平均质量浓度分别为（64.8±25.5）、（46.6±21.2）μg/m³。其中，云岩区黔灵公园马鞍山点位的颗粒物浓度最低，南明区市监测站点位最高。3个点位PM_2.5平均浓度与PM₁₀平均浓度的比值为0.719，表明贵阳市城区PM₁₀中，PM_2.5占主导地位。水溶性离子分析显示，SO₄^2-、NO₂^-、NO₃^-、NH₄⁺、Cl^-、F^-、Na⁺、K⁺主要分布在PM_2.5中，Mg²⁺、Ca²⁺主要分布在PM₁₀中。3个点位PM₁₀和PM_2.5中的水溶性离子均表现为SO₄^2-、NH₄⁺、Ca²⁺浓度较大，F^-、NO₂^-较小，表明3个点位的污染源总体相同，且水溶性离子占PM₁₀、PM_2.5含量的比例达33.6%~48.1%。贵阳市城区大气中的SO₂转化率在5月、7月、10月较高，2月最低，主要是由于5月、7月、10月的高温、高湿、强辐射环境条件促进了SO₂向SO₄^2-的转化。阴阳离子平衡分析表明，贵阳市城区PM₁₀、PM_2.5呈现出偏碱性的特征。水溶性离子主成分分析表明，贵阳市城区PM₁₀中的水溶性离子主要来源于城市扬尘、生物质燃烧尘、煤烟尘、建筑尘以及二次粒子，PM_2.5中水溶性离子的来源与PM₁₀较为相似。     

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。     

2013—2019年青岛市空气质量变化特征分析

为掌握滨海城市环境空气质量变化特征，为污染精准管控和打赢蓝天保卫战提供科学参考，以沿海重要中心城市青岛市为研究区域，基于青岛市9个国控空气监测点位监测结果，对2013—2019年青岛市6项空气污染物浓度监测结果进行分析，总结归纳青岛市空气质量时间变化特征。结果表明：2019年，青岛市空气质量超标，超标指标为颗粒物；青岛市2014年空气质量最差，2018年空气质量最好；2013—2019年，青岛市O₃浓度总体呈上升趋势，其余5项污染物浓度呈下降趋势；青岛市环境空气主要污染物是PM_2.5，其次是O₃；青岛市空气质量冬季差于其他季节，春节期间烟花爆竹燃放等人为活动使空气质量变差。     

主分量分析法在环境空气监测数据分析中的应用

根据西宁市13个环境空气监测站点2013—2017年大气污染物细颗粒物(PM2. 5)、可吸入颗粒物(PM10)、二氧化硫(SO_2)、二氧化氮(NO_2)、臭氧最大8 h平均(O_3-8h)和一氧化碳(CO)的监测数据,采用主分量分析法对西宁市环境空气质量进行了综合评估。结果表明,2013—2017年西宁市大部分环境空气监测站点周边环境空气质量逐渐提升,4个国控站综合得分(F)趋势变化幅度较大,其周边环境空气质量状况改善较为明显;城南新区、湟源县气象局和西钢监测站点周边环境空气质量呈逐年下降趋势,与其附近工业生产有关。     

喀什市2022年环境空气质量特征分析

为摸清喀什市环境空气质量变化特征,为管理部门进行污染精准管控提供科学参考,基于喀什市2022年环境空气自动监测数据开展分析研究。结果表明:2022年喀什市二氧化硫、二氧化氮、臭氧、一氧化碳年均质量浓度均优于国家二级标准。超标污染物主要为可吸入颗粒物和细颗粒物。喀什市细颗粒物、可吸入颗粒物浓度呈春、秋、冬季高,夏季低的季节特征。     

沿海城市PM10和PM2.5自动监测过程中质量浓度“倒挂”现象分析与成因探讨

2020年2—3月,位于福建沿海地区中部的莆田市在环境空气质量自动监测过程中出现了严重的PM_(10)和PM_(2.5)质量浓度"倒挂"现象,小时值"倒挂"率为19.86%,日均值"倒挂"率为16.67%。在高相对湿度和低风速气象条件下,颗粒物会出现严重的"倒挂"现象,"倒挂"过程中常伴随着颗粒物和气态污染物(SO_2、NO_2和CO)质量浓度的增加。因此,于2020年2月16日—3月26日开展了颗粒物自动监测和手工监测比对,并结合气象参数、气态污染物质量浓度,以及PM_(10)和PM_(2.5)中水溶性离子和液态水的含量特征,进一步探讨了莆田市颗粒物质量浓度"倒挂"的主要成因。研究表明,PM_(10)和PM_(2.5)自动监测仪器检测原理的差异是导致颗粒物质量浓度"倒挂"的重要原因之一,而气象条件(相对湿度、气温和风速等)、颗粒物质量浓度、颗粒物中主要吸湿组分(NO_3~-、SO_4~(2-)和NH_4~+)和液态水的含量也是颗粒物质量浓度"倒挂"的主要影响因素。莆田市2020年2—3月出现高频率"倒挂"现象是多重因素共同作用的结果,解决该问题需要同时考虑监测仪器检测原理、气象参数、颗粒物质量浓度和吸湿组分等的影响。     

Air Quality Status of an Open Pit Mining Area in India

This investigation presents the assessment of ambient air quality carried out at an open pit coal mining area in Orissa state of India. The 24-h average concentrations of suspended particulate matter (SPM), respirable particulate matter (RPM, particles of less than 10 m aerodynamic diameter), sulphur dioxide (SO₂) and oxides of nitrogen (NO_x) were determined at regular interval throughout one year at 13 monitoring stations in residential area and four stations in mining/industrial area. During the study period, the 24-h and annual average SPM and RPM concentrations exceeded the respective standards set in the Indian ambient air quality standard (NAAQS) protocol in most of the residential and industrial areas. However, the 24-h and annual average concentrations of SO₂ and NO_x were well within the prescribed limit of the NAAQS in both residential and industrial areas. A management strategy is formulated for effective control of particulate matter at source and other mitigative measures are recommended including implementation of green belts around the sensitive areas.     

Particulate matter concentration in ambient air and its effects on lung functions among residents in the National Capital Region, India

The World Health Organization has estimated that air pollution is responsible for 1.4 % of all deaths and 0.8 % of disability-adjusted life years. NOIDA, located at the National Capital Region, India, was declared as one of the critically air-polluted areas by the Central Pollution Control Board of the Government of India. Studies on the relationship of reduction in lung functions of residents living in areas with higher concentrations of particulate matter (PM) in ambient air were inconclusive since the subjects of most of the studies are hospital admission cases. Very few studies, including one from India, have shown the relationship of PM concentration and its effects of lung functions in the same location. Hence, a cross-sectional study was undertaken to study the effect of particulate matter concentration in ambient air on the lung functions of residents living in a critically air-polluted area in India. PM concentrations in ambient air (PM_1, PM_2.5) were monitored at residential locations and identified locations with higher (NOIDA) and lower concentrations (Gurgaon). Lung function tests (FEV₁, PEFR) were conducted using a spirometer in 757 residents. Both air monitoring and lung function tests were conducted on the same day. Significant negative linear relationship exists between higher concentrations of PM₁ with reduced FEV₁ and increased concentrations of PM_2.5 with reduced PEFR and FEV₁. The study shows that reductions in lung functions (PEFR and FEV₁) can be attributed to higher particulate matter concentrations in ambient air. Decline in airflow obstruction in subjects exposed to high PM concentrations can be attributed to the fibrogenic response and associated airway wall remodeling. The study suggests the intervention of policy makers and stake holders to take necessary steps to reduce the emissions of PM concentrations, especially PM_1, PM_2.5, which can lead to serious respiratory health concerns in residents.     

哈大绥城市“十三五”期间大气环境容量分析

根据2016—2020年哈尔滨市、大庆市、绥化市(以下称哈大绥)国控环境空气自动监测站的SO₂、NO₂、PM_2.5监测资料,统计年鉴中行政区划、污染物排放及气象等监测数据,分析哈大绥区域环境空气质量的变化趋势和测算因子,采用A值法核定了哈大绥区域SO₂、NO₂、PM_2.5的大气环境容量。结果表明:哈大绥SO₂、NO₂、PM_2.5 3项污染物采暖季的大气环境容量均呈逐年递增趋势。通过计算环境承载能力发现,哈大绥SO₂、NO₂、PM_2.5 3项污染物在非采暖季均具有高承载能力,哈大绥非采暖季环境容量高于采暖季。哈尔滨的个别污染物仍然处于临界超载状态,为减少重污染天气,应进一步削减采暖季污染物排放量。     

北京市大气污染物浓度空间分布与优化布点研究

基于地统计学方法对北京市2012年11—12月的大气污染物SO2、NO2、PM10和PM2.5浓度数据进行了空间分析。结果表明,4种污染物浓度数据均符合正态分布,满足地统计学分析的使用条件且均呈现中等强度的变异性。4种污染物半变异函数的块金效应值分别是29%、24%、7%、4%,表现出很强的空间相关性。4种污染物长轴变程分别是63、58、62、90 km,短轴变程分别是31、37、48、50 km,空间分布呈现出各向异性,变程范围与中尺度天气系统相当。研究大气污染物的空间分布特性对于整体把握区域环境空气质量和监测点位优化十分重要,以北京市区域空气质量中PM2.5监测站点设置为例,其监测站点在长轴方向上的间隔设置应取20~25 km,短轴方向上布点间隔应为8~12 km。     

影响地表水高锰酸盐指数自动监测数据准确性的因素

地表水高锰酸盐指数自动监测仪器在实际应用中存在质控样测试和实际水样比对测试合格率相对偏低的问题。通过对高锰酸盐指数氧化还原机理的分析,结合目前国控水站对质控样品的测试数据,探讨了如何使用高锰酸盐指数自动监测仪分析测试得到准确可靠的水质监测数据。认为应尽量保持自动分析仪器的反应条件、稀释条件与标准方法一致,即取样量与试剂用量比与标准方法一致,并根据样品浓度变化实现量程自动切换,分量程进行仪器校准和测量,才能够提高自动分析仪器测量的准确性。     

Seasonal Variations of PM10 and TSP in Residential and Industrial Sites in an Urban Area of Kolkata, India

The objective of the study is to investigate seasonal and spatial variations of PM₁₀ (particulate matter with aerodynamic diameter less than or equal to 10 μm) and TSP (total suspended particulate matter) of an Indian Metropolis with high pollution and population density from November 2003 to November 2004. Ambient concentration measurements of PM₁₀ and TSP were carried out at two monitoring sites of an urban region of Kolkata. Monitoring sites have been selected based on the dominant activities of the area. Meteorological parameters such as wind speed, wind direction, rainfall, temperature and relative humidity were also collected simultaneously during the sampling period from Indian Meteorological Department, Kolkata. The 24 h average concentrations of PM₁₀ and TSP were found in the range 68.2–280.6 μg/m³ and 139.3–580.3 μg/m³ for residential (Kasba) area, while 62.4–401.2 μg/m³ and 125.7–732.1 μg/m³ for industrial (Cossipore) area, respectively. Winter concentrations of particulate pollutants were higher than other seasons, irrespective of the monitoring sites. It indicates a longer residence time of particulates in the atmosphere during winter due to low winds and low mixing height. Spread of air pollution sources and non-uniform mixing conditions in an urban area often result in spatial variation of pollutant concentrations. The higher particulate pollution at industrial area may be attributed due to resuspension of road dust, soil dust, automobile traffic and nearby industrial emissions. Particle size analysis result shows that PM₁₀ is about 52% of TSP at residential area and 54% at industrial area.     

Characterization and Identification of the Sources of Chromium, Zinc, Lead, Cadmium, Nickel, Manganese and Iron in Pm10 Particulates at the Two Sites of Kolkata, India

Monitoring of ambient PM₁₀ (particulate matter which passes through a size selective impactor inlet with a 50% efficiency cut-off at 10 μm aerodynamic diameter) has been done at residential (Kasba) and industrial (Cossipore) sites of an urban region of Kolkata during November 2003 to November 2004. These sites were selected depending on the dominant anthropogenic activities. Metal constituents of atmospheric PM₁₀ deposited on glass fibre filter paper were estimated using Inductively Coupled Plasma Atomic Emission Spectrometer (ICP-AES). Chromium (Cr), zinc (Zn), lead (Pb), cadmium (Cd), nickel (Ni), manganese (Mn) and iron (Fe) are the seven toxic trace metals quantified from the measured PM₁₀ concentrations. The 24 h average concentrations of Cr, Zn, Pb, Cd, Ni, Mn and Fe from ninety PM₁₀ particulate samples of Kolkata were found to be 6.9, 506.1, 79.1, 3.3, 7.4, 2.4 and 103.6 ng/m³, respectively. The 24 h average PM₁₀ concentration exceeded national ambient air quality standard (NAAQS) as specified by central pollution control board, India at both residential (Kasba) and industrial (Cossipore) areas with mean concentration of 140.1 and 196.6 μg/m³, respectively. A simultaneous meteorology study was performed to assess the influence of air masses by wind speed, wind direction, rainfall, relative humidity and temperature. The measured toxic trace metals generally showed inverse relationship with wind speed, relative humidity and temperature. Factor analysis, a receptor modeling technique has been used for identification of the possible sources contributing to the PM₁₀. Varimax rotated factor analysis identified four possible sources of measured trace metals comprising solid waste dumping, vehicular traffic with the influence of road dust, road dust and soil dust at residential site (Kasba), while vehicular traffic with the influence of soil dust, road dust, galvanizing and electroplating industry, and tanning industry at industrial site (Cossipore).