首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 109 毫秒

1.  无锡市区大气污染物状况及变化趋势分析  
   宋挺  龚绍琦  石浚哲  冬梅《中国环境监测》,2018年第34卷第3期
   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"。    

2.  毕节市区大气污染特征及影响因素分析  
   徐萌  张春鑫  徐林  张然  支嘉健《安全与环境工程》,2018年第5期
   根据毕节市2015年大气污染物浓度和气象因子的监测数据,分析了毕节市区大气污染物SO_2、NO_2、PM10、PM2.5、CO及O_3浓度的月、季和年平均变化特征及其影响因素,并对大气污染物浓度之间以及大气污染物浓度与气象因子之间的相关性进行了分析。结果表明:(1)毕节市区2015年空气质量总体良好,空气质量优良天数占95.1%,主要大气污染物为PM10和PM2.5;(2)大气污染物SO_2、PM10、NO_2、PM2.5、CO的月浓度都呈"V"型单谷变化趋势,而O_3的月浓度则为单峰变化趋势;大气污染物SO_2、PM10、NO_2、PM2.5、CO浓度的季节变化为冬季最高、夏季最低,O_3浓度的季节变化则为春季最高、冬季最低,且季节之间的差异性显著(p0.05);大气污染物PM10和PM2.5的年平均浓度分别超过我国《环境空气质量标准》(GB 3095—2012)中一级标准年平均浓度限值的18.2%和112.4%,SO_2和NO_2的年平均浓度均未超过国家一级标准的年平均浓度限值;(3)大气污染物SO_2、NO_2、CO浓度与颗粒物PM10、PM2.5浓度之间两两呈极显著正相关性(p0.01),其与O_3浓度之间呈极显著负相关性(p0.01);PM2.5浓度与PM10浓度之间呈极显著正相关性,而PM2.5浓度与O_3浓度之间呈显著负相关性,多元线性回归分析得出PM2.5浓度与其他大气污染物浓度之间的拟合方程为:PM2.5=2.718+0.130SO_2+0.747PM10+0.255NO_2-0.077O_3+0.678CO;(4)气压与大气污染物SO_2、NO_2、CO、PM10浓度之间呈显著正相关性,其与O_3浓度之间呈极显著负相关性;温度除与O_3浓度之间呈极显著正相关性外,与其他大气污染物浓度之间呈显著负相关性,且其与O_3浓度的相关性系数最大(r=0.501),说明温度对O_3浓度的影响较大;相对湿度除与CO浓度之间无显著相关性外,与其他大气污染物浓度之间均呈显著性负相关性;风速与O_3浓度之间呈极显著正相关性,其与其他大气污染物浓度之间均呈极显著负相关性。    

3.  大连市大气污染特征、影响因素及来源分析  
   吴一帆  张子豪  王帅  王琰《环境工程》,2018年第6期
   基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。    

4.  潍坊市环境空气质量现状及变化特征研究  
   安可珍  王斌之《环境保护科学》,2019年第4期
   文章分析了潍坊市区大气环境空气质量时空分布特征,监测的污染物为PM_(10)、SO_2、NO_2、PM_(2.5)、O_3、CO共6项。2015~2017年SO_2和NO_2年均浓度基本呈下降趋势,均低于国家二级标准,SO_2/NO_2值呈逐年下降趋势;PM_(10)、PM_(2.5)浓度时间变化规律基本相同,呈现夏季浓度较低、冬季浓度较高;CO年均浓度呈小幅下降趋势;O_3-8 h年均浓度在109~119μg/m~3之间,臭氧的污染不容忽视。从空间分布来看,8个自动监测点位周边情况不同,均能反映其区域环境空气质量状况。    

5.  2016年武汉市大气污染物时空分布特征及影响因素  
   王无为  黄建武  龚胜生  孔德亚  揭毅《环境监测管理与技术》,2018年第30卷第6期
   利用统计学和GIS方法对2016年武汉市各区不同污染物的时空分布特征及相关性进行分析。结果表明:武汉市大气污染季节性特征明显,春季和冬季颗粒物(PM2.5、PM10)及NO2污染突出,夏季O3污染严重。污染物空间差异显著,主城区和东西湖区颗粒物及NO2污染严重,郊区O3污染严重。平均气温、平均水汽压与SO2、NO2、CO、PM2.5和PM10均呈显著负相关,而与O3呈显著正相关;降水量与SO2、NO2和CO呈显著负相关。    

6.  2015—2017年天水市大气污染物变化特征及来源分析  
   王芳龙  李忠勤  尤晓妮  刘峰  周茜  仝纪龙  张昕  汪芳琳  马珊  张添姿《环境科学学报》,2018年第38卷第12期
   据天水市2015-2017年大气污染物(SO2、NO2、CO、O3、PM2.5和PM10)的监测数据及气象资料,分析了天水市大气污染物的浓度变化特征,并利用排放源清单和HYSPLIT模型对污染物来源进行了解析.结果表明:①天水市空气质量有所下降,总体优良率达84.9%.SO2、NO2、CO均达标,污染物以颗粒物和O3为主.②一次污染物SO2、NO2、CO、PM2.5和PM10浓度具有相似的季节变化和日变化特征,冬季最高,夏季最低,日变化呈早晚双峰型.二次污染物O3夏季浓度最高,冬季最低,日变化呈单峰型.③天水市空气质量主要受污染物的本地排放和外来输送的影响,本地民用和工业部门对SO2、CO、PM2.5和PM10的贡献最大,交通和工业部门对NOx的分担率最高,民用部门是CO的最大排放源;西北和东部气流是污染物外来的最主要输送路径.此外,污染物在城市大气中的稀释、扩散和转移也受当地气象因素(气温、降水、风向等)的影响.    

7.  京津冀大气污染的时空分布与人口暴露  
   赵辉  郑有飞  张誉馨  王占山《环境科学学报》,2020年第40卷第1期
   经济的快速发展和城市化导致京津冀地区的空气质量不断恶化,已经引起学术界广泛的关注.为了揭示近年来京津冀地区大气污染状况,本研究基于中国空气质量在线监测分析平台发布的PM2.5、PM10、SO2、CO、NO2和O3_8 h_max长期监测数据,采用统计学的方法分析了2014-2018年京津冀13个市这6种污染物的时空变化特征,结合各城市人口数据,评估了在此背景下该地区PM2.5和O3_8 h_max的人口暴露风险.结果表明:京津冀地区PM2.5、PM10、SO2、CO和NO2近年来整体上呈下降趋势,而O3_8 h_max则呈上升趋势.总体而言,PM2.5、PM10、SO2、CO和NO2表现为冬季最高、春秋季次之、夏季最低的特征,而O3_8 h_max则表现为夏季 > 春季 > 秋季 > 冬季的特点,并在月变化上呈倒"V"型,从1月份开始逐渐上升,在6月份达到峰值,而后又逐渐下降.空间上,PM2.5、PM10、SO2、CO和NO2呈现南高北低的分布特征,而O3_8 h_max在2014-2016年呈现北高南低的分布特征,但在2017-2018年则呈现南高北低的分布特点.此外,京津冀北部地区PM2.5的来源主要是一次气溶胶,而二次气溶胶是中部地区PM2.5的主要来源.除秦皇岛、承德和张家口外,其他城市细粒子在颗粒物中占的比重较大.随着近年来PM2.5浓度的降低,暴露于高浓度的PM2.5中的人口比例逐年减少,但距离年平均浓度限值还相差很远.除2014年外,暴露在O3浓度超标情况下的人口在2015-2017年逐渐上升.    

8.  呼和浩特市城区大气污染物浓度变化特征分析  
   邢雅婷  王帅  赵玲《环境化学》,2019年第5期
   本文利用呼和浩特市8个国控监测点中CO、NO_2、SO_2、O_3、PM_(10)和PM_(2.5)逐时地面观测数据资料,采用聚类分析、相关性分析等方法,综合研究呼和浩特市城区大气污染物浓度时空变化特征.结果表明,2017年呼市PM_(10)、PM_(2.5)和O_3的污染较为严重,超标天数分别为49 d、52 d和41 d;CO和SO_2整体污染较轻.CO、NO_2、SO_2以及PM_(2.5)浓度表现出冬高夏低变化,O_3表现出夏高冬低变化,PM_(10)则表现为春冬高而夏秋低.O_3和NO_2均呈现单峰型日变化特征,且变化趋势相反;CO、SO_2和PM_(2.5)都呈现出相似的双峰型日变化.小召和工大金川校区监测点污染整体较为严重,小召监测点主要污染物为PM_(2.5)和PM_(10),工大金川校区主要污染物为SO_2.相关性分析表明,O_3浓度与气温呈显著正相关;PM_(2.5)与湿度呈显著正相关;CO、NO_2和SO_2均与风速呈显著负相关;PM_(10)与各气象要素在不同的季节相关性不同.    

9.  达州市城区大气污染物浓度变化特征及影响因素分析  
   肖德林  邓仕槐  邓小函  张余《环境工程》,2018年第8期
   利用达州市城区环境空气自动监测站2015—2017年数据,研究了大气污染物的浓度变化特征和影响因素。结果表明:达州市城区未受到SO_2污染,PM_(10)和PM_(2.5)同比大幅下降,NO_2、CO和O_3-8 h浓度有所上升。污染物在不同季节的差异显著性不同,SO_2、CO、O_3-8 h在不同季节之间均存在显著差异(P0.05),NO_2浓度在除秋季和冬季外的其他季节之间均存在显著差异,PM_(10)和PM_(2.5)浓度在除春季和秋季外的其他季节之间均存在显著差异。不同污染物的月均浓度变化曲线和不同季节的小时浓度变化曲线,以及不同季节的相关性也具有明显的特征。同时,本研究还建立了PM_(10)和PM_(2.5),NO_2和CO分别在不同季节的预测线性模型,为进一步了解污染物之间的相互关系和预测污染物的浓度发展趋势提供了参考。    

10.  青岛近海生物气溶胶中总微生物的分布特征  
   宫静  祁建华  李鸿涛《环境科学》,2019年第40卷第8期
   为了解生物气溶胶中总微生物浓度的月季分布和粒径分布特征,于2016年9月~2017年7月期间在青岛近海连续采集了大气生物气溶胶分级样品,并利用DAPI染色-荧光显微镜计数方法测定了生物气溶胶中总微生物浓度.结果表明,采样期间青岛近海生物气溶胶中总微生物浓度范围为1. 86×10~5~2. 54×10~6cells·m~(-3),平均值为(6. 84±4. 83)×10~5cells·m~(-3).大气中总微生物浓度的季节变化为春季和冬季较高,夏季较低,秋季最低,统计分析显示秋季和春季、夏季大气中总微生物浓度具有明显的季节变化差异(P 0. 05).生物气溶胶中总微生物月均浓度在2. 65×10~5~1. 12×10~6cells·m~(-3)之间,最高值出现在2017年2月,最低值出现在2016年9月. 2015~2017年青岛秋冬季大气中总微生物浓度一日中变化较大,但并未呈现出明显的日变化规律(P 0. 05).生物气溶胶中总微生物的粒径分布呈现偏态分布, 7. 0μm粒径所占比例最高,可达20. 5%~27. 3%;粒径分布随月份不同而有变化,呈现双峰分布和偏态分布两类.相关性分析显示,总微生物浓度与AQI、CO、PM_(2.5)和PM_(10)等因子呈显著正相关(P 0. 05),与温度、风速和风向等气象因素以及NO_2、SO_2和O_3等因子无显著相关(P 0. 05).多元线性回归模拟结果显示,生物气溶胶总微生物浓度中20. 6%的变化与相对湿度和PM_(2.5)相关.    

11.  常州市冬季大气污染特征及潜在源区分析  
   何涛  彭燕  乔利平  滕加泉  薛银刚《环境科学研究》,2018年第3期
   为了解常州市冬季大气污染特征,对2013—2015年常州市冬季PM_(2.5)、PM_(10)、SO_2、NO_2、CO数据进行分析,并结合HYSPLIT 4.9模式研究不同气团来源对常州市各污染物浓度的影响及潜在污染源区分布特征.结果表明,常州市冬季以PM_(2.5)污染为主,其占冬季首要污染物的90%以上,冬季PM_(2.5)小时浓度对应的空气质量级别以良和轻度污染出现频次最多,冬季的ρ(PM_(2.5))对ρ(PM_(2.5))年均值的贡献率高达37.4%,不完全燃烧是颗粒物的一个重要来源.冬季ρ(PM_(2.5))、ρ(PM_(10))、ρ(SO_2)、ρ(NO_2)和ρ(CO)的日变化均呈双峰分布,两个峰值分别出现在交通的早高峰和晚高峰附近.ρ(NO_2)在晚高峰明显大于早高峰,而ρ(SO_2)和ρ(CO)表现为早高峰大于晚高峰.常州市CO/NO_x和SO_2/NO_x的分析结果表明,常州市交通源的贡献明显,点源对常州市的空气质量的影响也较大.1和6 h的ρ(PM_(2.5))梯度变化可判识细颗粒物的爆发性增长.冬季常州市受到西北、西和西南等地区的大陆性气流影响较大,其对应的ρ(PM_(2.5))、ρ(PM_(10))、ρ(SO_2)、ρ(NO_2)和ρ(CO)平均值相对较高,且对应的污染轨迹出现概率较大.偏东方向的气流由于移动速度慢,不利于污染物扩散易造成污染累积,导致ρ(PM_(2.5))、ρ(SO_2)和ρ(NO_2)相对较高.WPSCF(源区分布概率)高值区(0.5)集中于从芜湖至上海的长江中下游区域和杭州湾区域.PM_(2.5)、PM_(10)、SO_2、NO_2和CO潜在源区存在较大差异性,NO_2、SO_2和CO本地化的潜在贡献较PM_(2.5)和PM_(10)更明显.此外,受船舶等影响海洋源区对NO_2、SO_2和CO的潜在贡献较大.研究显示,长三角区域的大气污染物以本地污染为主,但远距离污染输送贡献也不容忽视.    

12.  乌鲁木齐市主要大气污染物浓度变化特征研究  
   木尼拉·阿不都木太力甫  玉米提·哈力克  塔依尔江·艾山  买尔当·克依木  娜斯曼·那斯尔丁  艾力亚·艾尼瓦尔《生态环境学报》,2018年第3期
   随着中国西部城市化进程的加快,乌鲁木齐大气污染日趋加重。为了定量评估"煤改气"工程对大气质量的改善作用,利用2013—2016年乌鲁木齐市城市空气质量监测数据,对"煤改气"工程前后主要大气污染物浓度的变化进行对比,分析了主要大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2)浓度的年、季节及月变化特征,采用Daniel趋势检验Spearman秩相关系数法,明确了空气中的主要污染物,探讨了乌鲁木齐市空气质量变化趋势。结果表明,乌鲁木齐市2013—2016年PM_(2.5)、PM_(10)、SO_2及NO_2年平均质量浓度分别为(72.17±10.67)、(136.91±13.08)、(21.79±7.90)、(56.71±7.72)μg·m~(-3),其年变化均呈双峰型,其中PM_(10)变化幅度较平缓。各污染物季节变化特征基本一致,呈冬季春季秋季夏季,供暖期高于非供暖期。其中,PM_(2.5)浓度以12月份最高,为(141.7±2.82)μg·m~(-3),7月份最低,为(29.3±5.04)μg·m~(-3);PM_(10)和SO_2浓度均以1月份最高,分别为(208.1±54.48)、(39.45±10.82)μg·m~(-3),6月份最低,分别为(90.7±21.41)、(9.63±4.12)μg·m~(-3);而NO_2浓度以2月份最高,为(80.6±8.95)μg·m~(-3),6月份最低,为(39.3±3.88)μg·m~(-3),且其浓度在4年内的变化不明显。与2012年前相比,2013—2016年SO_2浓度明显下降,可以推断,"煤改气"能源结构调整对大气中SO_2浓度的下降起到了积极作用。乌鲁木齐市空气污染以可吸入颗粒物为首要污染物,在2013—2016年内PM_(2.5)和PM_(10)呈上升趋势,SO_2和NO_2呈下降趋势,但趋势均不显著。乌鲁木齐市大气污染类型已由煤烟型向复合型污染转化。研究成果可为乌鲁木齐市城市大气环境治理提供理论依据。    

13.  安阳市环境空气质量状况、污染原因与对策分析  
   赵海丽  唐敏  徐瑞红《环境科学导刊》,2019年第2期
   分析了2008—2017年安阳市城市空气质量自动监测数据,结果显示:影响安阳市空气质量的主要因素及大气污染防治的主要问题是:PM_(2.5)、PM_(10)污染影响普遍,SO_2排放量大,NO_X浓度呈逐渐增高的趋势,臭氧污染显现。10a间安阳市城市大气中SO_2、NO_2、PM_(10)浓度值四季变化规律均呈现冬季秋季春季夏季,且冬季SO_2、NO_2、PM_(10)浓度值均呈显著上升趋势。10a间安阳市NO_2浓度变化呈显著上升趋势,降水类型经历了从硫酸型到硫酸-硝酸混合型的过渡过程。安阳市城区内大气污染物存在显著的空间差异性,位于西北部工业区的铁佛寺监测点位PM_(10)、SO_2、NO_2三项污染因子平均浓度值均为各点位最高值。O_3成为首要污染物的天数在明显增加,2017年4个国控点位的O_3-90浓度值均不达标。    

14.  南昌市大气颗粒物污染特征及PM_(2.5)来源解析  
   刘小真  任羽峰  刘忠马  秦文《环境科学研究》,2019年第32卷第9期
   为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM_(10)和PM_(2.5)数据,分析了ρ(PM_(10))、ρ(PM_(2.5))和ρ(PM_(2.5))/ρ(PM_(10))的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR(主成分分析-多元线性回归)模型对大气PM_(2.5)中化学组分来源进行解析.结果表明:①ρ(PM_(10))和ρ(PM_(2.5))的年均值分别为(115. 4±39. 1)(69. 1±26. 8)μg/m~3,均超过GB 3095—2012《环境空气质量标准》二级标准限值,ρ(PM_(10))和ρ(PM_(2.5))的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ(PM_(10))和ρ(PM_(2.5))季节性变化特征明显,呈冬季春、秋两季夏季的趋势,全年ρ(PM_(10))超标天数占比为25. 48%,ρ(PM_(2.5))超标天数占比为36. 71%,各季度ρ(PM_(2.5))超标天数占比均高于ρ(PM_(10)).②受人为活动和边界层高度的影响,ρ(PM_(2.5))和ρ(PM_(10))日变化呈双峰双谷形态,一个波峰出现在08:00—10:00,另一个波峰出现在20:00—22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ(PM_(2.5))/ρ(PM_(10))年均值为60. 3%,在冬季最高达65. 1%,相关性分析发现ρ(PM_(10))与ρ(PM_(2.5))存在较显著的线性关系,表明二者具有同源性.④ρ(PM_(10))、ρ(PM_(2.5))均与ρ(SO_2)、ρ(NO_2)、ρ(CO)呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ(PM_(10))、ρ(PM_(2.5))均与ρ(O_3)全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ(PM_(2.5))和ρ(PM_(10))有较大影响.⑤南昌市秋季PM_(2.5)的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM_(2.5)的贡献率分别为40. 9%、35. 8%、12. 4%、10. 9%.研究显示,南昌市PM_(2.5)的污染程度较PM_(10)严重,PM_(2.5)已成为南昌市大气颗粒物污染的主要组分,PM_(2.5)主要来源为城市扬尘和机动车尾气.    

15.  深圳市PM2.5浓度特征及统计预报研究  
   林楚雄  陈嘉晔  李红霞  徐伟嘉  游泳  许均政  李仕平《环境工程》,2017年第35卷第5期
   根据2015年1-12月深圳市城区11站点PM25小时浓度监测数据,探讨了深圳市PM25浓度的时空分布特征.结果显示:监测期间深圳市城区PM2,平均浓度为29.8 μg/m3,PM25平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM25质量浓度日变化整体呈现出双峰型分布,午后12:00-16:00浓度较低.空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显.PM25浓度与PM10呈高度相关,与SO2、NO2、CO呈显著正相关,与O3呈实相关.相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出.建立的PM2.5回归统计模型对深圳市2015年PM2.5临近预报的级别准确率在70%以上,能较好地反映PM2.5浓度变化趋势.    

16.  济南市夏、冬季PM2.5中化学组分的季节变化特征及来源解析  
   刘晓迪  孟静静  侯战方  李静  邢继钊  魏本杰  张二勋  刘加珍  董杰《环境科学》,2018年第39卷第9期
   为探究济南市大气气溶胶中化学组分的季节变化特征,于2015年夏季、冬季分别连续进行1个月的PM_(2.5)样品采集,并分析无机离子、碳质组分与水溶性二次有机碳(WSOC)的组成、浓度水平及来源.结果表明,济南市冬季PM_(2.5)的质量浓度[(158.3±95.3)μg·m~(-3)]约为夏季[(75.3±25.9)μg·m~(-3)]的2倍,在我国其浓度处于中上等水平.无机离子的总浓度呈夏低冬高的季节变化特征,其中SO_4~(2-)、NO_3~-、NH_4~+是浓度最高的3种离子,且这3种离子的相关性均较好,NH_4~+在夏季和冬季均以(NH_4)_2SO_4和NH_4NO_3的形式存在.大气中存在较高程度的SO_2和NO_2的二次氧化,其中硫氧化率(SOR)呈夏高冬低的变化特征,而氮氧化率(NOR)呈相反的季节变化特征.通过分析PM_(2.5)中阴、阳离子电荷平衡可知,PM_(2.5)呈弱碱性.基于热力学模型ISORROPIA-Ⅱ,结果表明冬季PM_(2.5)的酸性比夏季强.OC与EC浓度均呈夏低冬高的变化特征,由OC/EC的比值、WSOC/OC的比值和估算的二次有机碳(SOC)的浓度可知,夏季二次污染的程度比冬季更为严重.主成分分析(PCA)结果表明,济南市夏季无机离子主要来自二次氧化及生物质燃烧,而冬季无机离子主要来自煤炭燃烧及其产生的前体物经光化学氧化形成的二次污染物.    

17.  舟山市环境空气PM_(2.5)及水溶性离子污染特征分析  
   尹璐  董敏丽  任芮芮  王俏丽  郭天蛟  李伟  李素静《环境化学》,2019年第3期
   为探究舟山市PM_(2.5)及水溶性离子组分的污染特征,于2016年4月、7月、10月和2017年1月在舟山市区3个国控点采集了168个PM_(2.5)样品,利用离子色谱仪测定颗粒物中的9种水溶性离子(Cl~-、NO_3~-、SO_4~(2-)、NH_4~+、K~+、F~-、Na~+、Mg~(2+)和Ca~(2+)),结合气象数据和数值分析手段对舟山市区PM_(2.5)和水溶性离子质量浓度特征、颗粒物酸碱度及二次离子的影响因素(气象参数、前体物)进行研究.结果表明,采样期内,舟山市PM_(2.5)质量浓度时间变化规律为春季冬季夏季秋季,空间分布较为均匀;二次离子是舟山PM_(2.5)主要水溶性组成,且在PM_(2.5)中具有一致的季节变化特征;阴阳离子平衡分析显示舟山市PM_(2.5)整体呈现酸性,并以夏季酸度最低、秋季酸度最高;温度是影响舟山市二次离子浓度的主要气象因素;以燃煤源为主的固定源是舟山市水溶性污染物的主要污染来源,檀枫和临城采样点的SO_4~(2-)和NO_3~-受电厂和燃煤锅炉的污染排放影响严重,普陀区船舶客货运输量大,是普陀点二次离子前体物的主要污染来源.    

18.  北方地区典型高速公路近路区域大气污染特征研究  
   高硕晗  陶双成  熊新竹  黄山倩  李娜《生态环境学报》,2019年第6期
   摸清高速公路近路区域大气污染特征对有针对性地制定交通大气污染防治对策具有重要意义。基于2016年1月及8月京藏高速毕克齐互通交通环境监测站以及呼和浩特市国控站点空气质量监测逐时数据,分析了冬、夏季节高速公路近路区域环境空气污染物质量浓度变化规律。结果表明,路侧污染水平冬季重于夏季,NO_x是最主要的交通污染物,其冬季和夏季日均质量浓度分别为(374.10±165.24)μg·m~(-3)和(300.57±60.11)μg·m~(-3)。受光化学反应影响,冬季NO_x质量浓度与交通量呈显著负相关(r=-0.492);夏季凌晨时段(00:00-06:00)NO_x质量浓度与交通量呈显著正相关(r=0.584),CO质量浓度也与交通量呈正相关(r=0.424);颗粒物质量浓度与交通量相关性不显著。从污染物质量浓度日变化特征来看,在昼间车流高峰时段PM10、PM_(2.5)、CO质量浓度均出现"峰值",而NO_x质量浓度则出现"谷值"。与气象因素的相关性分析可知,PM_(10)质量浓度与风速呈显著正相关(冬季r=0.890,夏季r=0.612);PM_(2.5)质量浓度与风速呈显著相关,受主导风向影响冬季呈负相关(r=-0.473)、夏季呈正相关(r=0.587),PM_(2.5)质量浓度还与温度呈显著正相关(冬季r=0.495,夏季r=0.565);NO_x质量浓度与相对湿度呈显著正相关(冬季r=0.707;夏季r=0.577),与温度呈显著负相关(冬季r=-0.763;夏季r=-0.528);冬季CO质量浓度与风速呈显著负相关(r=-0.629)。与城区国控站点相比,高速公路监测站PM_(2.5)、PM_(10)及CO质量浓度冬季显著低于城区,夏季与城区相近;近路区域NOx质量浓度在冬夏季均远高于城区,应列为高速公路交通环境监测站点首要监测污染物。    

19.  秦巴山地西部地区2015—2018年大气污染物变化特征及潜在来源分析  
   折远洋  李忠勤  王芳龙  周茜  张芳芳  杨磊《环境科学学报》,2020年第40卷第6期
   为了研究我国南北过渡带西部地区大气污染物变化特征,选取了秦巴山地西部陇南市2015-2018年大气主要污染物监测资料和气象数据,分析了各污染物的浓度水平、变化特征及与气象条件的关系,并利用HYSPLIT后向轨迹模式分析了该地区污染物潜在来源(WPSCF和WCWT).结果表明:4年来,秦巴山地西部地区空气环境质量较好,空气质量优良率达94.24%,6项大气污染物SO2、NO2、CO、O3、PM2.5、PM10平均浓度分别为19.02、23.35、701.41、83.11、30.57、56.50 μg·m-3,均未超过国家二级标准.PM10是该地区首要污染物中天数最多的,达94 d.污染物SO2、NO2、CO、PM2.5和PM10的季节变化和日变化特征具有较好一致性,呈"U"型变化,O3呈单峰型,在夏季和午后浓度到达高值.颗粒污染物PM10、PM2.5与气态污染物SO2、NO2、CO均呈现较好正相关,气温、降水量和风速风向对污染物浓度有较大的影响.该地区冬季空气质量明显差于其他季节,颗粒物浓度主要受供暖期化石燃料燃烧和外来气流的影响.    

20.  徐州市大气PM_(2.5)与O_3作用关系的季节变化  
   《中国环境科学》,2019年第6期
   通过2013~2017年徐州市环境监测资料分析季风影响下主要大气复合污染物PM_(2.5)和O_3的相关性,并基于气象观测资料进一步探究PM_(2.5)和O_3相互作用机制的季节变化特征.结果表明:夏季风季节,PM_(2.5)和O_3呈正相关,相关系数高达0.56;冬季风季节,PM_(2.5)和O_3呈负相关,相关系数为-0.34,均通过了99%的置信检验,表明徐州市PM_(2.5)和O_3相互作用呈现相反的季节变化.夏季风季节,太阳辐射强,气温较高,大气氧化性较强,O_3主导大气氧化性,大气氧化性通过促进二次颗粒物生成使得PM_(2.5)浓度升高,夏季风季节以O_3对PM_(2.5)的促进作用主导城市大气复合污染变化;冬季风季节,太阳辐射弱,气温较低,大气氧化性较弱,高浓度的PM_(2.5)削弱太阳辐射抑制大气光化学,导致O_3生成率降低,冬季风季节以PM_(2.5)对O_3的抑制作用主导城市大气复合污染变化.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号