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...     

台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料，分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况，并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年，台州市区PM_2.5年均浓度和超标天数呈显著下降趋势，O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高，且易发生超标；O₃浓度在春、夏、秋季均较高，且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关，与大气压呈正相关；O₃浓度与气温、风速呈正相关，与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关，两者存在协同增长。在春、夏、秋季，二次PM_2.5在总PM_2.5中的占比随着O₃     

基于不同时间尺度综合指数贡献率的攀枝花市大气污染特征分析

选取2016—2022年攀枝花市环境空气质量监测数据，基于年度、季度、月度、小时时间尺度评价环境空气质量综合指数贡献率。结果表明，攀枝花市污染类型已由传统的单一工业型污染转变为复合型污染，且污染物在不同时间尺度下的分布特征明显。从季度尺度来看，第一季度细颗粒物(PM_2.5)综合指数贡献率较大，第二和第三季度臭氧(O₃)综合指数贡献率较大，第四季度二氧化氮(NO₂)及PM_2.5综合指数贡献率较大。从月度尺度来看，O₃在3—8月的贡献较大，PM_2.5、NO₂、可吸入颗粒物(PM₁₀)、一氧化碳(CO)、二氧化硫(SO₂)在1—2月及11—12月的贡献较大。从小时尺度来看，O₃在13—19点贡献较大，PM₁₀、PM_2.5、CO在8—13点贡献较大，SO₂在9—13点贡献较大，NO₂在8—1...     

“十三五”期间伊宁市大气污染特征分析及对策建议

基于伊宁市“十三五”期间大气国控监测点位数据，分析伊宁市“十三五”期间环境空气质量变化特征并提出建议对策。结果表明：“十三五”期间，伊宁市空气优良率在78.9%～86.3%,重污染天气在3～17 d,重污染天气仍频发；PM_2.5年均浓度在38～47μg/m³,年均值均超标。影响空气质量的主要污染物为PM_2.5、PM₁₀和CO。与三大区域相比，伊宁市SO₂和CO污染程度相对较重，燃煤型的污染特征显著。此外伊宁市采暖季空气污染较重，PM_2.5、SO₂、CO等污染物浓度显著高于非采暖季，采暖季主要污染物呈现双峰变化特征。     

合肥市冬季细颗粒物中碳组分特征分析

利用2020年12月1日至2021年2月28日合肥市细颗粒物(PM_2.5)、有机碳(OC)和元素碳(EC)等环境空气质量监测数据和气象观测数据，分析了合肥市大气PM_2.5中OC和EC的污染特征，并探讨了其来源以及气象因素影响。结果表明：合肥市冬季碳质气溶胶是PM_2.5中主要组分，随着污染程度的加重，碳质气溶胶的质量浓度逐步增加，但其在PM_2.5中的占比先减小后增加。在以PM_2.5为首要污染物的不同污染级别天气条件下，OC和EC的相关性说明不同程度下碳质气溶胶来源复杂。OC/EC表明机动车尾气和燃煤源排放是碳质气溶胶的主要来源。二次有机碳(SOC)会随着污染程度的加重而呈现升高趋势。OC和EC在冬季受温度影响较小；较大的相对湿度对OC和EC具有一定的清除作用，明显降水或连续降水的清除作用更加显著；而风速对含碳气溶胶的影响主要出现在污染天气背景下。     

河南省2014-2020年PM2.5浓度时空分布特征及气象成因分析

利用2014—2020年河南省18个地级城市空气质量监测资料和气象数据，运用空间自相关分析、ArcGIS制图及相关性分析等方法，从时空分布特征上揭示河南省PM_2.5污染特征，并分析其气象成因。结果表明：河南省2014—2020年PM_2.5年均浓度为40～100μg/m³,总体呈递减趋势。PM_2.5浓度季节分布特征为冬季>秋季=春季>夏季。河南省2019年和2020年PM_2.5污染空间分布存在显著自相关，污染程度严重的地区主要是中部和东北部地区。冷热点分析发现，热点城市为濮阳、安阳、济源、郑州、新乡、焦作、鹤壁，冷点城市为信阳、驻马店、周口。PM_2.5在年尺度上与气压、气温、相对湿度、风向、风速、能见度显著相关，其中，与气温相关性最高，相关系数为-0.424。当相对湿度处于90%以下时，PM_2.5浓度与相对湿度呈正相关；而在相对湿度超过90%之后，PM_2.5浓度下降至70μg/m³...     

广州市城区站点冬季PM2.5时间变化及碳氮同位素组成特征

于2018年冬季在广州城区磨碟沙站点开展细颗粒物(PM_2.5)样品采集，并获得PM_2.5中水溶性离子、含碳组分、稳定碳氮同位素的组成及时间变化特征，重点讨论了PM_2.5浓度升高时段的化学组成特征变化，进而利用稳定碳氮同位素变化特征探究了主要污染来源。结果表明：采样期间，研究站点PM_2.5平均质量浓度为22.1μg/m³,共出现两个PM_2.5浓度水平升高时段，所对应的平均质量浓度分别达46.0μg/m³和63.0μg/m³。风速降低、温度升高等不利气象条件是导致上述时段PM_2.5浓度上升的重要原因。在上述时段，伴随着PM_2.5浓度的升高，NO^-₃和NH⁺₄浓度均出现显著升高，NO^-₃与SO^2-₄的摩...     

苏州大气颗粒物PM2.5和PM10质量浓度异常“倒挂”现象的成因及影响分析

为深入研究PM_2.5和PM₁₀质量浓度异常“倒挂”现象的成因及影响，在苏州市相城区国控点开展比对监测分析，回顾性分析了2016—2020年苏州全部国控点颗粒物浓度数据。苏州市相城区国控点PM_2.5浓度的比对分析结果表明：该国控点频繁出现PM_2.5浓度高于其他国控点PM_2.5浓度和高于该站点PM₁₀浓度(“倒挂”率高达34%)的“双高”现象，PM_2.5平均浓度比其他9个国控点高12.5%～37.2%,比位于同一站点的备用监测仪器(“倒挂”率为0)高38.1%。2016—2020年，苏州全部国控点“倒挂”时间的总体趋势都是逐年递增，且集中发生在相对湿度较高的20:00至次日07:00。这5年间各国控点PM_2.5浓度异常偏高导致的异常“倒挂”现象对全市年均浓度产生的正误差分别为1.6%、2.8%、6.0%、6.2%和4.1%,基本呈现出逐年递增的趋势。上述结果表明：苏州PM_2.5浓度偏高是由动态加...     

新冠疫情管控期间西安细颗粒物中碳组分浓度变化特征

于2019年1月27日—3月18日及2020年1月27日—3月18日对西安市细颗粒物(PM_2.5)的碳组分浓度进行了在线观测，对比分析了非疫情与疫情期间各常规污染因子、气象要素、PM_2.5中有机碳(OC)和元素碳(EC)的污染特征。结果表明：非疫情与疫情期间西安市的气象条件总体水平较为相近。疫情期间的二氧化硫(SO₂)、臭氧(O₃)浓度相对升高。重污染天气下，除PM_2.5外，其他污染物浓度均降低，说明疫情管制对重污染天气污染物浓度的削弱作用明显。疫情期间，PM_2.5中的OC组分浓度及占比有显著升高，与疫情期间的各类交通管制导致的机动车尾气排放量显著降低有关。另外，OC与EC的相关性较强，说明污染来源与人类日常生活有关。疫情期间西安市颗粒物中碳组分主要来自各类生物质燃烧，并且存在SOC污染，SOC在OC中的占比达到37.8%。疫情期间重污染天气下，SOC在OC中的占比达到87.5%,说明SOC对重污染天气OC的贡献较大。     

重庆市北碚区空气质量改善效果评估分析

基于2014—2020年重庆市中心城区北碚区环境监测数据及地面观测气象要素，分析了北碚区大气污染特征，利用KNN算法建立大气污染的评估模型，对空气质量改善效果进行评估。结果表明，重庆市中心城区北碚区的PM_2.5浓度逐年呈明显下降趋势，O₃浓度除夏季有一个弱的下降趋势外，其余3个季节和年平均值整体均呈上升趋势。全年以优良天气为主且呈增加趋势。O₃与气温、日照时间呈正相关，与相对湿度呈负相关性，PM_2.5与气温、降水及风速呈负相关。基于KNN算法对空气质量改善状况评估表明，减排对O₃污染平均贡献率在-4.7%左右，对PM_2.5污染平均贡献率为-52%,气象条件对O₃污染的平均贡献率在17%左右，对PM_2.5污染的平均贡献率在-7%左右。该大气污染评估模型能够有效地评估空气改善效果。     

西藏自治区“十二五”和“十三五”环境空气质量变化特征

"十二五"以来中国先后颁布了一系列大气污染防治政策并实施相应的大气污染治理措施以提高环境空气质量。为研究西藏自治区"十二五"(2011-2015年)和"十三五"(2016 -2020年)时期环境空气质量变化状况,评估大气污染防治措施实施效果,笔者对2011-2020年西藏自治区7个城市(地区)主要大气污染物浓度和优良天数比例变化进行分析。结果表明:随着一系列大气污染防治措施的实施,西藏自治区环境空气质量显著提升,与"十二五"时期相比,"十三五"时期西藏自治区年平均优良天数比例由97.5%±2.0%提升至99.3%±0.4%,SO₂、 NO₂、 PM₁₀、 PM_2.5浓度年均值和CO 浓度第95百分位数均呈下降趋势,其中CO、PM₁₀和PM_2.5浓度下降幅度较大,O₃日最大8h滑动平均值第90百分位数略有上升。西藏自治区环境空气质量与人口、经济发展程度呈负相关关系。受污染源排放、气象条件和区域传输等因素影响,西藏自治区O₃浓度春、夏季较高,而其余污染物浓度冬季较高。     

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。     

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。     

西宁市城区冬季PM2.5和PM10中有机碳、元素碳污染特征

2014年11月—2015年1月对西宁市冬季开展PM_(2.5)和PM_(10)的连续监测。利用DRI 2001A型热光碳分析仪(美国)对有机碳和元素碳进行分析,结果表明:西宁市冬季PM_(2.5)和PM_(10)中碳气溶胶所占比例分别为33.13%±6.83%、24.21%±6.27%,说明碳气溶胶主要集中在PM_(2.5)中;OC/EC值均大于2,说明西宁市大气中存在二次污染;SOC占PM_(2.5)和PM_(10)的质量浓度比例分别为46.50%和57.40%,PM_(2.5)中SOC浓度占PM_(10)中SOC浓度的61.88%,说明SOC主要存在于PM_(2.5)中,且SOC形成的二次污染和直接排放的一次污染都是西宁市碳气溶胶的主要来源;与其他城市比较发现,西宁市冬季PM_(2.5)中的碳气溶胶含量普遍高于其他城市,PM_(10)中OC质量浓度相对其他城市较高,EC质量浓度偏低;OC和EC的相关性不显著,说明来源不统一;进一步对OC和EC各组分质量浓度进行分析知,西宁市冬季碳气溶胶主要来源于机动车汽油排放、燃煤和生物质燃烧。     

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。     

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。     

从大运会期间浓度变化来分析污染物削减措施效果

运用深圳以及周边城市的环境空气污染物浓度资料,分析了NO2、PM10、PM2.5的分布特征,重点讨论了大运会期间NO2、PM10和PM2.5浓度的变化规律,应用相似气象条件的概念,采取多种空间、时间对比分析的方法,排除客观因素,分析了大运会期间人为减排的具体效果,结果表明:大运会期间控制措施效果显著,PM10削减比例更大,也即大运会期间关停了一些高污染排放企业对污染浓度的影响更明显。大运会期间控制措施对各污染浓度的下降起一定作用,作用在白天时段更明显,且对PM2.5的控制效果更显著。大运会期间南山区管控效果最明显,中心福田区PM2.5控制最好。大运会期间的区域联合控制成效显著。大运会后期控制措施的解除,致使污染物浓度快速上升到较高水平,且工业布局密集的区域及机动车流量最大的区域上升幅度相应较大。     

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。     

中国城市PM2.5空气质量改善分阶段目标研究

中国城市细颗粒物(PM_(2.5))空气质量达标率低,且城市间的污染程度差异较大。为了整体改善PM_(2.5)空气质量,需要针对不同污染程度的城市,制定分阶段改善目标加以考核和管理,研究探讨了城市PM_(2.5)空气质量改善目标体系及不同污染程度城市各阶段目标值。首先运用文献综述法、国内外对比分析法梳理评述了WHO、欧美等发达国家PM_(2.5)的空气质量标准和达标要求,提出中国城市PM_(2.5)空气质量改善的考核目标体系,包括PM_(2.5)浓度目标值或下降率、严重污染天数上限、达标天数下限等指标。通过历史数据分析法研究了2000—2013年美国、日本一些城市和2013—2016年中国74个环保城市PM_(2.5)年均浓度的变化趋势,推论出中国城市PM_(2.5)年均浓度年均下降5%~8%是可能实现的;结合环境保护部及各省市PM_(2.5)污染防治规划,提出PM_(2.5)空气质量改善目标的设定原则和达标天数的回归计算方法;以2014年114个城市PM_(2.5)年均浓度为基数,计算得出不同污染程度城市2020、2025、2030年PM_(2.5)年均浓度年下降率和达标天数的目标值。