重量法测定环境空气中PM2.5的不确定度

依据《环境空气PM10和PM2.5的测定重量法》(HJ 618—2011),对环境空气PM2.5浓度进行重量法手工监测,分析测定过程各环节的影响因素及不确定度,结果显示,影响测定结果的主要因素是采样器、滤膜、天平精确度。     

PM2.5全自动重量法监测仪测量准确度评估

BTPM-AS1PM_(2.5)全自动重量法监测仪是一种根据PM_(2.5)手工重量法原理设计的PM_(2.5)自动监测仪器,能够实现样品采集、滤膜平衡、滤膜称重等环节的自动化。采用线性回归分析法对PM_(2.5)全自动重量法监测仪器的监测结果与PM_(2.5)连续自动监测仪器、手工标准方法进行比对分析,讨论了该原理仪器的流量准确性、滤膜平衡效果、天平稳定性。结果显示:PM_(2.5)全自动重量法仪器监测结果与PM_(2.5)连续自动监测仪器、手工重量法监测结果的相关系数为0.927 2~0.994 1,监测结果之间具有较高的一致性,并且其样品采集、滤膜平衡、滤膜称重等关键环节的主要技术指标能够满足中国PM_(2.5)手工标准测定方法的相关要求。     

西宁冬季PM2.5和PM10手工与自动监测现状研究

为研究PM_(2.5)和PM_(10)手工与自动监测仪器在高海拔地区的适用性,于2014年12月至2015年1月(冬季)在青海省西宁市开展了为期34 d的监测比对实验。PM监测数据表明:手工监测数据之间都有差异,除了受监测滤膜种类的影响,还存在监测仪器间的系统误差。石英滤膜的PM监测数据都高于聚丙烯滤膜,尤其是PM_(2.5)更为明显,偏高近1/4;石英滤膜与聚丙烯滤膜的PM监测数据具有较好的相关性,PM_(10)监测数据的相关系数为0.97。自动监测数据之间进行了同期比对研究,发现TEOM1405DF(微振荡天平法)和APM-2(β射线法)的PM监测值较低,BAM-1020(β射线法)的PM监测值最高;而Grimm(光散射法)的PM监测值居中。BAM1020配备动态加热系统(DHS),其PM监测数据比没有配备DHS的APM-2偏高40%。基于PM监测比对研究,建议在空气污染严重时加密对各监测仪器的运行维护,并加强长期观测以全面评估PM监测。     

利用自动采样滤膜监测PM_(2.5)中铅和镉的可行性

根据PM2.5中重金属监测国标分析方法,从PM2.5采样方法、采样保存条件、滤膜材质性能等方面说明利用空气自动采样滤膜监测PM2.5中铅和镉是可行的;对手工采样(石英滤膜)和Beta射线法自动采样(自动采样滤膜)2种方法,对PM2.5实际样品中铅和镉的结果进行比较,结果显示:自动采样滤膜的空白检出和检出限均满足铅和镉的监测需求,铅和镉的回收率分别为95.2%~107%和91.8%~105%,与手工采样方法相比测得铅和镉的相对误差分别为3.6%~8.4%和1.3%~10.8%,从实践角度进一步证明了利用自动采样滤膜对PM2.5中铅和镉进行监测是可行的。     

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。     

齐齐哈尔市春季大气中PM2.5的污染特征分析

2013年4—6月分析了齐齐哈尔市大气PM2.5的浓度特征、元素组成、水溶性离子及其来源,并利用单颗粒分析技术获得了单颗粒的形貌、化学组成及粒度分布。结果表明,监测周期PM2.5日均质量浓度为34μg/m3,受气象条件影响显著。PM2.5单颗粒类型主要为烟尘集合体、飞灰和矿物颗粒,分别来源于煤炭燃料的燃烧、机动车尾气排放和扬尘。其中约90%的PM2.5颗粒粒径小于1.0μm,属大气细粒子。全样分析表明,PM2.5主要组成元素是Al、Fe、Ca、K、Mg和Na,而Zn、Cu和Pb因受到人为污染富集度较高。SO42-、NO3-和Cl-为PM2.5主要监测到的水溶性阴离子,NO3-与SO42-的质量浓度比说明了固定排放源对齐齐哈尔市春季大气PM2.5的贡献大于移动排放源。     

基于灰关联分析的天津市气溶胶消光特征研究

根据天津市秋季(2006年10月10日～20日)消光系数(bext)、PM2.5、SO2、NOX、NO2、O3质量浓度及相对湿度监测结果,利用灰色关联分析法分析大气消光系数同空气中的几种主要污染要素的相关性。结果表明,与消光系数有关的几种主要指标的灰关联度序为PM2.5NOXRHNO2O3,其中PM2.5与消光系数的灰关联系数达到0.905,远高于其他相关指标。同时对PM2.5和消光系数相关分析表明,监测期间天津市PM2.5质量消光系数为6.04m2/g。     

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。     

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。     

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。     

基于聚类分析的颗粒物监测网络优化研究

为了优化香港环境监测网络,收集香港14个监测站2011年1月1日至2015年11月30日的颗粒物PM_(2.5)、PM_(10)的小时数据进行统计分析。对PM_(2.5)进行聚类,并利用日均浓度变化图进行验证,结果表明,可将监测站分为4类(A、B、C、D类),A类位于城市郊区,B类则位于港口附近,且A、B类的PM_(2.5)日变化特征均呈现双峰型分布,峰值分别出现在09:00和21:00。对PM_(10)进行类似分析结果表明,监测站同样可以分为4类,A类位于九龙区,B类则位于港口附近,而且A、B类的PM_(10)日变化双峰分别出现在11:00和20:00左右。说明污染源头及地形的相似致使某些监测站颗粒物浓度的变化出现相同的趋势,导致监测设备的浪费和管理的冗余。建议建立更高效的空气管理系统,将冗余设备转移到其他地区,扩大空气监控区域。对PM_(2.5)/PM_(10)聚类结果表明,将监测站分为4类,B类均属于路边站,C类则位于居民区。同时还发现同类监测站PM_(2.5)/PM_(10)数值变化相同,并且可以用其中一个站的PM_(2.5)和PM_(10)浓度及另一个站的PM_(2.5)或PM_(10)浓度预测PM_(2.5)或PM_(10)浓度,为优化监测资源提供了一种新的思路。     

影响PM2.5自动监测准确度的主要因素

PM2?5的自动监测过程较为复杂，其测量准确度受多种因素影响。通过分析几种典型PM2?5测定方法原理，研究了PM2?5监测过程中可能产生误差的来源，结果表明，影响PM2?5监测结果准确度的主要因素有采样流量的准确性、采样管加热方式、对PM2?5挥发性组分的补偿方式、校准膜本身的准确度和校准结果、监测仪器的日常运行维护水平等。因此，在PM2?5日常监测过程中，需加强对上述因素的误差控制，严格执行国家监测技术规范，确保PM2?5监测结果准确可靠。     

空气自动监测中PM2.5与PM10 “倒挂”现象特征及原因

采用不同原理的自动监测仪器在不同季节同时测定PM2.5与PM10,对所得数据中的PM2.5与PM10"倒挂"现象进行分析。结果表明,当PM10采用振荡天平法时,PM2.5与PM10的"倒挂"率较高;冬季和夏季"倒挂"现象发生率明显高于其他季节;造成PM2.5与PM10"倒挂"的原因主要有监测过程中的随机误差,PM2.5与PM10的监测方法原理不同,监测方法之间存在显著差异等。     

中国环境空气质量手工监测技术规范需改进的几点建议

现有环境空气质量手工监测技术规范颁布于2005年,至今已近10年,这期间部分标准分析方法被废止,部分有所更新,并新增了很多标准分析方法。2012年颁布的新环境空气质量标准中增加的PM2.5、镉、汞、砷、六价铬等项目在手工监测技术规范中未涉及。针对手工监测技术规范在实际应用中存在的问题提出几点修订建议。     

Characterisation of PM10, PM2.5 and Benzene Soluble Organic Fraction of Particulate Matter in an Urban Area of Kolkata, India

In this study, the relationship between inhalable particulate (PM₁₀), fine particulate (PM_2.5), coarse particles (PM_{2.5 – 10}) and meteorological parameters such as temperature, relative humidity, solar radiation, wind speed were statistically analyzed and modelled for urban area of Kolkata during winter months of 2003–2004. Ambient air quality was monitored with a sampling frequency of twenty-four hours at three monitoring sites located near traffic intersections and in an industrial area. The monitoring sites were located 3–5 m above ground near highly trafficked and congested areas. The 24 h average PM₁₀ and PM_2.5 samples were collected using Thermo-Andersen high volume samplers and exposed filter papers were extracted and analysed for benzene soluble organic fraction. The ratios between PM_2.5 and PM₁₀ were found to be in the range of 0.6 to 0.92 and the highest ratio was found in the most polluted urban site. Statistical analysis has shown a strong positive correlation between PM₁₀ and PM_2.5 and inverse correlation was observed between particulate matter (PM₁₀ and PM_2.5) and wind speed. Statistical analysis of air quality data shows that PM₁₀ and PM_2.5 are showing poor correlation with temperature, relative humidity and solar radiation. Regression equations for PM₁₀ and PM_2.5 and meteorological parameters were developed. The organic fraction of particulate matter soluble in benzene is an indication of poly aromatic hydrocarbon (PAH) concentration present in particulate matter. The relationship between the benzene soluble organic fraction (BSOF) of inhalable particulate (PM₁₀) and fine particulate (PM_2.5) were analysed for urban area of Kolkata. Significant positive correlation was observed between benzene soluble organic fraction of PM₁₀ (BSM10) and benzene soluble organic fraction of PM_2.5 (BSM2.5). Regression equations for BSM10 and BSM2.5 were developed.     

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。     

基于系统聚类方法划分中国PM2.5防治区域

中国各城市细颗粒物(PM_(2.5))环境空气质量差异较大,呈现明显的区域污染特征。合理划分PM_(2.5)污染防治区域、开展区域性大气环境管理,是改善区域空气质量的重要途径。根据2015年全国108个重点城市大气PM_(2.5)的日均浓度数据,使用系统聚类方法对各城市的PM_(2.5)全年污染变化特征进行分析,从而划分出不同防治区域。依据聚类分析的3项原则,综合比较4种不同聚类方法及结果,最后提出可以划分出8个PM_(2.5)污染防治区域:a赣鄂湘接壤地区(长株潭及周边城市),b成渝及周边地区,c粤桂地区,d闽浙沿海城市群,e东三省地区,f长三角地区,g山东及周边地区,h京津冀、山西中北部、陕西关中城市群。     

2017年上半年北京市及周边地区空气质量特征分析

依托北京市、廊坊市和保定市高密度的地面空气质量监测、气象要素监测以及PM_2.5化学组分监测和后向轨迹分析等手段，对2017年上半年三地的空气质量进行分析。研究发现：三地中北京市空气质量较好，保定市较差。分污染物来看，保定市SO₂浓度水平明显高于廊坊市和北京市，颗粒物PM₁₀和PM_2.5也呈现保定市最高、北京市最低的规律。从污染物日变化来看，CO、SO₂、NO₂、PM₁₀和PM_2.5呈双峰型分布，O₃呈单峰型分布。从区域整体分布规律来看，PM_2.5和SO₂呈现明显的"南高北低"特征。PM_2.5化学组分分析结果表明：1—4月燃煤对该区域空气质量的影响较大，5—6月机动车排放的影响更为凸显。后向轨迹分析结果表明：在2017年上半年到达北京市的气流中有24%来自于北京市南部，且这些气流多为低空传输，表明区域传输对于北京市空气质量具有一定的影响。