SO_2浓度对双通道自动荧光过氧化氢在线监测的影响研究

为验证大气中SO2的浓度对气态H2O2自动荧光法监测的影响,设置了SO2与H2O2在自动荧光过氧化氢分析仪中的反应实验;同时,利用SO2和H2O2的反应速率公式进行了模拟计算,模拟计算结果与仪器的监测结果基本相符.证明了在大气SO2浓度较高的情况下,气态SO2对H2O2的自动荧光法测定确实会有显著影响,通过模拟计算的方法可对在线监测的H2O2浓度数据进行校正.     

北京地区冬季典型PM2.5重污染案例分析

对2013年1月10—14日发生的持续性PM2.5重污染过程从污染过程演变、气象条件影响、与气态污染物关系、区域污染背景、PM2.5浓度空间分布演变及其与地面风场的关系、PM2.5组分特征等多个方面进行全面的分析,较为完整地还原了该次重污染案例的形成原因以及主要影响因素。主要结论包括:该次重污染过程是稳定气象条件下导致的局地污染物积累,再叠加华北区域性污染的影响共同造成,其中10、12日北京地区PM2.5浓度的快速增长反映了周边污染传输的显著影响;逆温不但造成污染物难以扩散,且不同的逆温类型对PM2.5浓度水平有显著影响,同时还发现逆温的破坏导致近地面高浓度污染物向上扩散,造成百花山出现峰值高污染浓度现象;NO2与PM2.5浓度水平的高相关性反映交通污染二次转化对PM2.5浓度水平的影响,在较高湿度条件下,SO2浓度水平对湿度敏感且表现为负相关性;该次污染过程中OM、SO2-4、NO-3、NH+4等组分在PM2.5质量浓度中的占比超过70%,说明燃煤、机动车等仍是北京地区最主要的污染来源,同时SO2-4占比最高也说明区域污染传输对该次重污染的显著贡献。     

北京地区PM_(2.5)与空气污染物的关系模型

为了研究北京地区PM2.5与空气污染物的质量浓度关系。从PM2.5监测网收集2013-04-01~2014-05-15期间PM2.5、PM10、SO2、NO2、CO、O3等主要空气污染物数据,用多元线性回归模型建立PM2.5与空气污染物的质量浓度关系。结果表明:北京地区PM2.5与空气污染物PM10、SO2、NO2、CO、O3的质量浓度相关系数分别为0.9172、0.6332、0.7683、0.8166和-0.1797,优化的拟合方程为:[PM2.5]=-22.5925+0.569109×[PM10]+23.94913×[CO]+0.113025×[BPM2.5],模型的估算值与观测值相关系数为0.9426,此方程能较好地模拟北京地区的PM2.5质量浓度。     

佛山市高明区环境空气污染物变化分析

根据佛山市高明区2007—2012年环境空气监测数据资料,分析该区近6年来空气污染物的变化趋势和影响因素。结果表明,2007—2012年该区空气污染呈现由单一型污染向复合型污染转变,综合污染指数总体上升,污染物以SO2、PM10为主。SO2、NO2浓度呈逐年增长,PM10则呈平稳状态。三者污染浓度最高值均在每年第4季度出现。该区的SO2浓度主要受工业污染源影响;NO2也受工业影响显著,与机动车数量呈正相关;PM10与烟粉尘排放量呈正相关,与降水量呈负相关。因此,改善该区环境空气应着重从控制工业污染源、扬尘污染、机动车排气污染3大方面开展工作。     

南昌市一次降水自动监测结果的综合分析

利用降水自动监测仪和空气自动监测系统的同步监测结果,分析了一次34 5mm连续降水中全过程的pH、EC和同期SO2、PM10、NO2的变化情况。降水中pH值为7 23～4 08、EC为488 8～7 6μS cm,pH、EC在降水初期变化较大。pH与EC、SO2呈现负相关趋势,降水过程中PM10、NO2基本保持较低水平,SO2变化较大。     

太原市2013年环境空气质量变化特征分析

为全面了解太原市的环境空气质量状况及污染物的时间变化规律,本文选取太原市8个站点2013年1月至12月六种主要污染物(SO2、NO2、PM10、CO、O3、PM2.5)为期一年的监测数据,评价该市2013年环境空气质量的总体情况,研究各污染物在不同时间尺度的变化特征及相互之间的关系。结果表明,2013年太原市环境空气质量以良和轻度污染为主,首要污染物主要为PM2.5和PM10;SO2、NO2、PM10、CO和PM2.5的小时变化规律较为一致,都呈现"双峰型"的变化特征,O3则呈显著的"单峰型"变化规律;上述六种污染物具有明显的季节变化特征,SO2的浓度峰值主要集中在供暖期,NO2和O3—8h浓度在夏季要高于其他季节,PM10的浓度峰值出现在春季(3月)和秋季(10月),CO的浓度峰值集中在11月和12月,PM2.5的浓度峰值主要集中在冬季;相关性分析结果表明,SO2、NO2、PM10、CO、PM2.5浓度日均值在全年各时段均具有很好的正相关性,化石燃料的燃烧可能是上述污染物质的共同来源。     

公交车厢内的空气污染及控制

分别用在线和线外分析仪对不同类型公交车车厢的空气进行了监测,通过对CO、PM10、NO-NO2-NOx、SO2 和O3等污染因子的测定和分析,了解到影响车厢空气质量的污染因素与车龄工况、燃料,以及空调与排气系统有关,同时提出了控制污染的相关建议.     

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。     

2001年～2008年及奥运会期间天津市大气污染特征分析

根据天津市大气质量监测数据,对2001年～2008年及奥运会期间天津市大气污染特征和主要大气污染物的变化规律进行了分析。结果表明,2001年～2008年天津市的PM10、SO2和NO2污染总体呈下降趋势,但质量浓度仍相对较高。2008年8月奥运会期间天津市PM10和SO2质量浓度达到国家空气质量二级标准,NO2质量浓度达到国家空气质量一级标准,空气质量良好。天津市PM10污染相对稳定,SO2和NO2的污染分布呈现明显的季节性,时间上表现为冬强夏弱。气象条件对污染物浓度影响明显,沙尘、大雾等天气可使污染物浓度急剧升高。     

用树叶树皮含硫量监测和评价乌鲁木齐市大气SO_2污染研究通过鉴定

由乌鲁木齐市环境科研监测中心站历时两年完成的"用树叶树皮含硫量监测和评价乌鲁木齐市大气SO2污染研究"课题,4月17日在乌鲁木齐市通过鉴定。利用树叶树皮监测和评价大气SO2污染研究工作在国内外已开展过,但利用大叶榆和白腊树对硫酸盐化速率进行研究和评价SOz污染未见报道,此项研究在新疆尚属空白。本项研究结果表明,不同树叶吸收SO2的程度不同,同种树木叶片吸收SO。的能力大于皮部,被研究树种的树叶含硫量与非采暖期的大气硫酸盐化速率和SO2之间均存在着极其显著的正相关关系。被研究树种在植物休眠期的皮流含量与采暖期大气…     

临汾市大气污染物的时间分布特征与源区分析

多年来，临汾市多次名列我国生态环境部公布的空气质量最差的重点城市之列，对其大气污染的时间分布特征和潜在源区进行分析对其环境管理与污染防治具有重要意义。利用2015—2019年临汾市5个国控空气环境质量监测站点的6种空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据和气象观测数据，使用HYSPLIT模型研究了该市空气污染物的时间变化特征、轨迹输送特征和可能的来源。结果表明，PM_2.5和PM₁₀的年均浓度均超过了《环境空气质量标准》(GB 3095—2012)Ⅱ级标准，SO₂仅在2016—2017年超过该标准，其余3种污染物的年均浓度均低于该标准。6种污染物2015—2019年的月均浓度的变化特征表现为O₃浓度呈以6、7月为中心的近似正态分布，SO₂、NO₂和CO以及PM_2.5和PM₁₀浓...     

2016年长沙市环境空气质量的“周末效应”及“假日效应”

通过获取2016年长沙市连续在线观测得到的PM₁₀、PM_2.5、NO₂、O₃、CO和 SO₂逐时浓度资料，对工作日、周末、节假日（尤其是春节）的空气质量优良天数、污染物浓度变化特征进行对比分析，长沙市2016年6项污染物均表现出一定的"周末效应"现象，周末日平均浓度均低于工作日及全年的日平均浓度，其中PM_2.5最为明显；PM₁₀和PM_2.5浓度均星期一最高，星期六最低，CO和 SO₂浓度周末也均处于相对最低水平，NO₂和O₃在周末的平均浓度略低于工作日水平或与其持平。国庆假期，由于城区人口、车辆减少，长沙大气环境质量相对较好，而春节假期，由于受到烟花爆竹集中燃放的影响，PM₁₀、PM_2.5和SO₂浓度远超过全年平均水平，这在一定程度上说明人类活动对污染物浓度及大气环境质量变化具有一定的影响力。     

Study of temporal variation in ambient air quality during Diwali festival in India

The variation in air quality was assessed from the ambient concentrations of various air pollutants [total suspended particle (TSP), particulate matter ≤10 μm (PM₁₀), SO₂, and NO₂] for pre-Diwali, Diwali festival, post-Diwali, and foggy day (October, November, and December), Delhi (India), from 2002 to 2007. The extensive use of fireworks was found to be related to short-term variation in air quality. During the festival, TSP is almost of the same order as compared to the concentration at an industrial site in Delhi in all the years. However, the concentrations of PM₁₀, SO₂, and NO₂ increased two to six times during the Diwali period when compared to the data reported for an industrial site. Similar trend was observed when the concentrations of pollutants were compared with values obtained for a typical foggy day each year in December. The levels of these pollutants observed during Diwali were found to be higher due to adverse meteorological conditions, i.e., decrease in 24 h average mixing height, temperature, and wind speed. The trend analysis shows that TSP, PM₁₀, NO₂, and SO₂ concentration increased just before Diwali and reached to a maximum concentration on the day of the festival. The values gradually decreased after the festival. On Diwali day, 24-h values for TSP and PM₁₀ in all the years from 2002 to 2007 and for NO₂ in 2004 and 2007 were found to be higher than prescribed limits of National Ambient Air Quality Standards and exceptionally high (3.6 times) for PM₁₀ in 2007. These results indicate that fireworks during the Diwali festival affected the ambient air quality adversely due to emission and accumulation of TSP, PM₁₀, SO₂, and NO_2.     

烟花爆竹禁燃对春节期间东北地区空气质量影响评估

利用2015—2017年春节期间东北地区主要大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、CO和O3)质量浓度监测资料及相应气象因子(温度、湿度、风速和气压)观测资料,分析了春节期间烟花爆竹禁燃对东北地区空气质量的影响。结果表明:随着东北地区主要城市禁燃力度的增强,空气质量逐年提升,PM_(2.5)和SO_2浓度逐年大幅度下降。禁燃可明显降低城区PM_(2.5)浓度,而由于春节期间污染源整体减少,城区和城郊监测点PM_(2.5)浓度值差异减小。烟花爆竹对PM_(10)和PM_(2.5)浓度影响高于对气体污染物SO_2、NO_2和CO的影响。此外,气象条件对东北地区春节期间禁燃改善空气质量的效果也有明显影响。因此,结合春节期间的气象条件,在东北地区实施禁燃政策动态调整非常必要。     

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。     

2001—2020年合肥市空气质量变化趋势研究

为系统分析合肥市长时间序列空气质量变化特征,对合肥市2001—2020年SO₂、NO₂和PM₁₀,以及2013—2020年CO、O₃和PM_2.5的浓度特征开展研究。采用Mann-Kendall(M-K)时间趋势检验法分析了6项污染物的时间变化规律,同时考虑了人为活动对污染物小时浓度的影响。结果表明,PM_2.5和O₃是目前影响合肥市空气质量的首要污染物。2014年以来,合肥市PM₁₀、PM_2.5、CO和SO₂年均浓度均呈逐年下降趋势,但NO₂和O₃污染有加剧趋势。合肥市SO₂和颗粒物浓度表现为冬春季节高、夏秋季节低;O₃浓度变化趋势与之相反;NO₂和CO浓度呈秋冬季节高、春夏季节低。     

黑龙江省环境空气污染物和气象要素的典型相关分析

通过对黑龙江省4个自然年(2016年1月1日—2019年12月31日)环境空气污染物和气象要素的分析,揭示了黑龙江省气象条件对空气污染物浓度的影响规律与特征。对PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3等6项污染物的描述性统计和简单的相关分析显示:黑龙江省环境空气质量呈现逐年变好的趋势,非采暖期环境空气质量好于采暖期,6项污染物中除O_3呈现夏季偏高以外,其余污染物采暖期浓度均高于非采暖期。运用典型相关分析法探究环境空气污染物与温度、降水量、相对湿度、风速和气压5项气象要素之间的关系,并进行统计学检验,结果表明:环境空气污染物与气象要素之间存在显著相关,温度、风速和相对湿度对污染物具有显著影响。非采暖期大气相对湿度对PM_(10)和O_3-8h的影响显著;而在采暖期,风速对PM_(10)和PM_(2.5)的影响显著。     

广州市近年空气质量现状及趋势分析

为掌握广州市空气质量现状及其变化趋势,对广州市2001～2009年空气质量监测数据进行系统的分析。结果表明,近年来广州市空气质量总体良好;整体空气质量有逐步好转的趋势,尤其是SO2浓度下降明显,NO2稳中有降,PM10略有下降但2009年仍有上升趋势,且PM10超标率居于首位;污染物浓度时空分布不均匀,NO2与PM10夏季浓度较低,春冬季较高,表现出明显的季节性特征;主城区NO2浓度明显较高,但总体呈下降趋势,主城区外NO2浓度较低,但呈上升趋势。全年灰霾天数也呈现下降的趋势,变化规律与PM10浓度变化规律一致。     

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。