2017年佛山市大气复合污染特征及来源分析

利用2017年佛山市8个国控监测点位的6项常规大气污染物自动监测数据,研究细颗粒物(PM_(2.5))、可吸入颗粒物(PM 10)、臭氧(O_(3))的时空变化和复合污染特征,并采用单颗粒气溶胶质谱仪对佛山市大气PM_(2.5)进行来源解析,分析O_(3)与二次气溶胶的协同增长关系。结果表明,2017年佛山市空气质量综合指数(AQI)为4.75,主要的空气质量污染物为PM_(2.5)、二氧化氮(NO_(2))和O_(3),除O_(3)呈现第2,3季度较高外,其他5项污染物均呈现第1,4季度较高的趋势。ρ(PM_(2.5))和ρ(PM_(2.5))/ρ(CO)在1—4月和11,12月较高,二次生成强度较大。机动车尾气源、燃煤源和工业工艺源是大气PM_(2.5)的主要来源。佛山市中心城区等道路密集以及交通枢纽地区的ρ(NO_(2))较高,机动车尾气排放是大气NO_(2)的主要来源。O_(3)污染主要发生在4,5,7—10月。ρ(O_(3))和ρ(PM_(2.5))/ρ(CO)的日变化均在12:00—17:00达到峰值。ρ(PM_(2.5))随光化学活性水平增强而提高,高度和中度光化学活性水平下ρ(PM_(2.5))/ρ(CO)明显大于轻度和低光化学活性水平。在统计时段,PM_(2.5)和O_(3)协同增长的时间占37.3%,O_(3)污染对二次气溶胶的氧化生成有明显的促进作用。     

佛山市PM_(2.5)污染特征及诱发其高污染过程天气系统分析

利用2013年佛山市8个国控大气自动监测站点ρ(PM_(2.5))监测数据,分析佛山市PM_(2.5)污染的时空分布特征,并诊断诱发PM_(2.5)高污染过程的关键天气类型。结果表明,佛山市2013年PM_(2.5)年均值为53μg/m3,高于国家二级标准,污染主要集中在三水区中部、南海区中部和禅城区北部。佛山市ρ(PM_(2.5))表现出明显的季节变化和日变化特征,秋、冬季是PM_(2.5)的高污染季节,其值夜间略高于白天,呈典型的双峰型分布,08:00—09:00短暂出现一个浓度的小峰值,推测与上班交通高峰有关。对PM_(2.5)持续高污染发生的地面天气形势分析表明,高压出海是诱发佛山市PM_(2.5)高污染事件最主要的天气类型。     

河源市城区春季PM_(2.5)典型污染过程案例分析

以河源市区2016年3月27日—4月4日污染过程为研究对象,基于同期气象条件与空气质量监测数据,分析了PM_(2.5)与气象因子间的相关性,探究河源市区PM_(2.5)污染变化特征。结果表明,3月30日河源市ρ(PM_(2.5))/ρ(PM_(10))和ρ(PM_(2.5))/ρ(CO)分别为0.87和0.08,明显高于其他时段,说明当天细颗粒物污染老化和二次转化程度突出。在此次污染过程的2个不同阶段,河源市ρ(PM_(2.5))波动受到多项气象要素共同影响,其中与气压先后呈现较强负相关(R~2=0.646 2)和不明显正相关(R~2=0.006 5),与气温呈现不明显正相关(R~2=0.008 4,R~2=0.033 9),与风速先后呈现弱负相关(R~2=0.105 2)和不明显正相关(R~2=0.072 9),与相对湿度先后呈现弱正相关(R~2=0.391 3)和弱负相关(R~2=0.176 9)。通过比较该时段河源市与周边城市的ρ(PM_(2.5))变化趋势及后向轨迹分析,发现河源市与周边城市在相似的气象背景条件下,PM_(2.5)污染主要来源于本地源排放和珠三角区域传输。     

灰霾期间武汉城市区域大气污染物的理化特征

利用湖北省大气复合污染自动监测站2013年的全年监测数据,分析了灰霾期间武汉城市区域大气污染物的理化特征。霾日主要出现在春季、秋季和冬季。霾日与非霾日大气污染物质量浓度和气象参数的对比分析结果显示:高湿度、静风是武汉城市区域霾日的重要气象特征;PM1、PM_(2.5)、PM_(10)、NO_2、CO、NH3的质量浓度,SOR、NOR值以及PM_(2.5)中的二次无机离子(SO2-4、NO-3、NH+4)和部分元素(Pb、Se、Cd、Zn、K)的质量浓度均在霾日明显高于非霾日,而霾日SO2质量浓度仅在冬季略高于非霾日。选取2013年1月的连续灰霾日进行相关性分析,结果表明:污染组分主要来自当地排放(包括直接排放和二次形成),并受当地气象条件影响。此次灰霾过程中PM_(2.5)中的硫酸盐和硝酸盐主要来自气相反应,气态NO_2主要生成了气态HNO_3,而不是HNO_2。     

盐城市秋冬季节PM2.5污染特征及来源分析

于2019年10月—2020年2月在盐城市开展大气PM_(2.5)离线监测,对PM_(2.5)的浓度变化、质量平衡、组分及来源进行了分析。结果表明,监测期间盐城市ρ(PM_(2.5))月均值为43.32～62.59μg/m~3,其中1月最高;监测期间ρ(PM_(2.5))平均值为54.25μg/m~3,质量重建后该值为52.38μg/m~3,与实测值的相关性达到0.98; PM_(2.5)占比最多的成分是硫酸盐、硝酸盐和铵盐(SNA); m(NO_3~-)/m(SO_4~(2-))的平均值为2.16,说明监测期间盐城市机动车相比固定源对NO_2和SO_2有更高的贡献;通过主成分因子分析,可知盐城市秋、冬季节PM_(2.5)主要来源于土壤和扬尘源、燃烧源以及二次无机源。     

2017-2019年扬州市大气污染物与儿童呼吸系统门诊量的时间序列分析

收集扬州市2017—2019年大气污染物细颗粒物(PM_(2.5))、二氧化硫(SO_2)、二氧化氮(NO_2)和臭氧(O_3)的日均质量浓度、气象因素(日均温度、相对湿度)以及每日儿童呼吸系统门诊量数据,运用广义相加模型(GAM)进行单污染物和多污染物分析。结果表明,单污染物分析中,大气污染物的质量浓度累积滞后效应均大于单独滞后效应。ρ(PM_(2.5))、ρ(SO_2)和ρ(NO_2)对儿童呼吸系统门诊量影响效应均在累积滞后7 d(lag 07)达到最大值,ρ(O_3)在累积滞后6 d(lag 06)达到最大值。表现为ρ(PM_(2.5))、ρ(SO_2)和ρ(NO_2)在lag 07时,每升高10μg/m~3,儿童呼吸系统门诊量超额危险度分别为0.720%[95%置信区间(95%CI):0.346%～1.095%]、6.955%(95%CI:5.197%～8.743%)和2.133%(95%CI:1.516%～2.754%);ρ(O_3)在lag 06时,每升高10μg/m~3,儿童呼吸系统门诊量超额危险度为1.160%(95%CI:0.873%～1.447%)。多污染物分析中,当引入所有污染物(SO_2+NO_2+O_3)时,PM_(2.5)对儿童呼吸系统门诊量风险影响消失。大气污染物浓度的升高会增加儿童呼吸系统疾病的发生风险,并且其影响存在一定的滞后效应,有必要开展有针对性的大气污染物与儿童呼吸系统疾病的预警研究,保护易感人群,合理分配卫生资源。     

睢宁地区大气PM_(2.5)及气态污染物季节性变化特征

根据2014年全年实时在线观测数据,分析了徐州睢宁地区大气细颗粒物(PM_(2.5))和气态污染物(包括SO_2、CO、NO_x、O_3)质量浓度的季节性变化特征。结合后向轨迹模型,分析不同气团对该地区大气污染浓度的影响。PM_(2.5)与O_3值在夏季最低,呈显著相关,表明夏季PM_(2.5)主要受控于本地大气光化学活性。在冬季,除O_3外,PM_(2.5)、SO_2、CO、NO_x值最高,且大气颗粒物主要以细粒子为主。O_3在春季最高,并与远程传输的气团且经过我国东部污染源密集地区相对应。高浓度的PM_(2.5)主要与冬季缓慢移动的气团相对应,这可能将PM_(2.5)及其气态前体物传输至该地区进而加重大气污染程度。     

邢台市颗粒污染物变化特征和后向轨迹分析

为深入了解邢台市PM_(10)、PM_(2.5)浓度变化情况和气流后向轨迹,对邢台市2013—2016年环境大气颗粒污染物监测数据进行了分析,同时利用HYSPLIT模型计算出逐日72 h后向气流轨迹。结果表明:邢台市的PM_(10)和PM_(2.5)质量浓度在2013—2016年间呈逐年下降趋势,PM_(10)和PM_(2.5)质量浓度高值出现在冬季(296μg/m~3和192μg/m~3),最低值出现在夏季(140μg/m~3和80μg/m~3),PM_(10)和PM_(2.5)质量浓度在日变化上均呈"双峰双谷"型分布;后向轨迹的季节聚类分析表明,春季大气颗粒物污染以粒径2.5～10μm的颗粒污染物为主,夏季、秋季和冬季的大气颗粒物污染以PM_(2.5)为主;逐日聚类分析表明,在路径为西北偏西向的、途经多个沙源地的气流影响下,邢台市的PM_(10)和PM_(2.5)质量浓度处于一个相对高值;来源于偏南向的气流由于化合反应,污染物积聚导致PM_(10)、PM_(2.5)质量浓度也处于相对高值;在来源于西北向和偏北向的、水汽含量相对较低的气流影响下,邢台市的PM_(10)、PM_(2.5)质量浓度出现一个明显的下降。     

兰州城市大气中PM_(1.0)污染特征研究

运用不同类型的PM_(1.0)自动监测仪,于2017年11月至2018年11月对兰州城市大气PM_(1.0)开展了为期一年的观测,分析了兰州PM_(1.0)污染特征及来源,以及气象条件和SO_2、NO_2等污染物对PM_(1.0)浓度特征的影响,重点分析了重污染天气过程PM_(1.0)的演变情况。结果表明:研究期内,兰州城市PM_(1.0)日均最大浓度为117.5μg/m~3,最小浓度为8.3μg/m~3,平均浓度为33.7μg/m~3;4个季节的PM_(1.0)平均浓度排序为冬季秋季春季夏季,冬季PM_(2.5)中PM_(1.0)的占比超过70%。从全年来看,PM_(1.0)主要来源于内蒙古西北部地区污染气团输入。PM_(2.5)与PM_(1.0)的来源区域具有一致性,但PM_(1.0)的来源范围更广泛,而PM_(2.5)的来源更集中。重污染阶段,PM_(1.0)与PM_(2.5)、PM_(10)污染演变趋势呈现负相关,PM_(2.5)与PM_(10)呈现正相关,且秋冬季PM_(1.0)和PM_(2.5)的潜在污染来源距离兰州较近,范围更集中。     

长沙市PM_(2.5)和PM_(10)质量浓度的变化特征

为检验PM_(2.5)和PM_(10)新监测标准实施近3年长沙大气颗粒物污染状况,利用近3年每日监测数据,对长沙10个国控自动监测点PM_(2.5)和PM_(10)达标情况、首要污染物及变化特征进行研究分析。结果表明,近3年长沙市PM_(2.5)和PM_(10)年均质量浓度均超过了新标准规定的年均值二级标准限值;2013年污染最严重。PM_(2.5)和PM_(10)月均值峰值出现在1月和11月,谷值在8月,各月PM_(2.5)超标天数和首要污染物为PM_(2.5)天数都大于PM_(10);PM_(2.5)和PM_(10)冬季日均值浓度明显高于其他季节,呈双峰型,峰值在上午10:00和20:00~21:00,夜晚浓度高于白天;PM_(2.5)春、夏、秋三季日变化呈单峰型,峰值在20:00~21:00;PM_(10)四季日变化呈双峰型。PM_(2.5)和PM_(10)浓度的比值(P)1月和2月最高,PM_(10)和PM_(2.5)日均值有着显著的线性相关性。     

气质联用法测固定污染源中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫

建立了固定污染源排气中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫的采样和气质联用分析方法,检出限分别为0.06、0.15、0.21、0.71 mg/m3,精密度在3.2%以下,相关系数大于0.999 6,并对浙江省内2家典型企业排放的温室气体进行了监测,实际样品监测结果表明,该方法能够满足废气中4种温室气体的监测要求。     

内蒙古干草原冬、春季大气气溶胶的若干特征观测研究

内蒙古半干旱草原区大气气溶胶浓度以及散射等特性对生态环境、气候变化与预测研究有重要意义,文利用2009年1～4月在锡林浩特观象台草原站的观测资料,分析了冬、春季背景大气气溶胶质量浓度、黑碳质量浓度、散射系数的分布特征。研究发现,背景天气下,PM10、PM2.5、PM1.0浓度值都较低,平均值分别为22.7、9.5、6.1μg/m3,3种PM浓度值间的相关性不同;黑碳浓度平均值为0.59μg/m3,小粒子中的含量较高,其日分布规律受人类活动影响较大,与各PM浓度分布有较大不同;散射系数平均值为31.2Mm-1,与PM10、PM2.5、PM1.0、黑碳质量浓度都显著相关。三种PM中,PM2.5对散射和吸收的影响最大。风速、相对湿度对不同粒径的PM以及黑碳浓度、散射系数的影响有所不同。     

Study of urban atmospheric pollution in Navarre (Northern Spain)

An ambient air quality study was undertaken in two cities (Pamplona and Alsasua) of the Province of Navarre in northern Spain from July 2001 to June 2004. The data were obtained from two urban monitoring sites. At both monitoring sites, ambient levels of ozone, NO_x, and SO₂ were measured. Simultaneously with levels of PM₁₀ measured at Alsasua (using a laser particle counter), PM₁₀ levels were also determined at Pamplona (using a beta attenuation monitor). Mean annual PM₁₀ concentrations in Pamplona and Alsasua reached 30 and 28 μg m⁻³, respectively. These concentrations are typical for urban background sites in Northern Spain. By using meteorological information and back trajectories, it was found that the number of exceedances of the daily PM₁₀ limit as well as the PM₁₀ temporal variation was highly influenced by air masses from North Africa. Although North African transport was observed on only 9% of the days, it contributed the highest observed PM₁₀ levels. Transport from the Atlantic Ocean was observed on 68% of the days; transport from Europe on 13%; low transport and local influences on 7%; and transport from the Mediterranean region on 3% of the days. The mean O₃ concentrations were 45 and 55 μg m⁻³ in Pamplona and Alsasua, respectively, which were above the values reported for the main Spanish cities. The mean NO and NO₂ levels were very similar in both sites (12 and 26 μg m⁻³, respectively). Mean SO₂ levels were 8 μg m⁻³ in Pamplona and 5 μg m⁻³ in Alsasua. Hourly levels of PM₁₀, NO and NO₂ showed similar variations with the typically two coincident maximums during traffic rush hours demonstrating a major anthropogenic origin of PM₁₀, in spite of the sporadic dust outbreaks.     

台州市酸雨污染现状及其对策分析

通过对近十年来的酸雨监测资料的收集分析,结合同期台州市大气环境中二氧化硫和氮氧化物的监测数据,采用秩相关系数法,对酸雨污染趋势和成因进行分析和讨论,并提出针对性措施,以期为台州市以及类似地区的大气污染、酸雨污染等防治工作提供政策参考。     

2018年长三角一次持续重污染过程分析

利用常州市6个环境空气质量评价点PM_2.5、PM₁₀、SO₂、NO₂、CO和水溶性离子数据，结合后向轨迹、激光雷达探空资料、气象资料等，分析了2018年1月29日—2月2日长三角区域一次持续重污染过程。结果表明，重度污染时次高达94 h，PM_2.5最高值达235 μg/m³，由外来输送污染物与本地排放的污染物叠加而成，在不利气象条件影响下，污染物在长三角区域长时间滞留；重污染期间，污染物日变化规律显示，PM_2.5受外来源影响更显著，而SO₂、NO₂受本地污染源影响更显著，水溶性粒子组分与常州市本地源存在较大差异，其中NO₃^-、NH₄⁺、K⁺、Mg²⁺和SO₄^2-值增加最为明显，较污染前分别增加了9.1，5.9，4.3，4.2和4.1倍；K⁺值升高较快，说明污染期间也受到了生物质燃烧的影响。此外，NO₃^-和SO₄^2-在空气质量较好时，在水溶性离子中的占比日变化幅度较大，而在重污染期间，NO₃^-和SO₄^2-日变化幅度明显减小。     

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。     

南京市大气颗粒物中多环芳烃变化特征

逐月采集南京市大气中不同粒径的颗粒物,采用HPLC分析了2010年每个月PM_(10)和PM_(2.5)颗粒物样品中的多环芳烃(PAHs)的种类和浓度水平。结果表明:PM_(10)中PAHs年均值为25.07 ng/m~3,范围为11.03~53.56 ng/m3;PM_(2.5)中PAHs年均值为19.04 ng/m~3,范围为10.82~36.43 ng/m~3。PM_(10)和PM_(2.5)中PAHs总体浓度有着相似的变化趋势,呈现凹形变化曲线;在南京市大气颗粒物中吸附的PAHs大部分以5~6环的高环数组分为主,大部分PAHs和∑PAHs的相关性较好,年度变化幅度不大,分析结果表明,颗粒物中PAHs的来源与稳定的排放源相关,机动车排放不容忽视,与北方城市燃煤污染有着较大的区别。     

2013年苏州春季一次重污染天气的过程分析

研究了2013年3月在江苏范围内的一次重污染天气过程，重点分析苏州在此次污染过程中大气污染的变化特征。污染过程中，苏州市颗粒物浓度上升较为明显， PM10的小时质量浓度最高达548μg／m3， PM2．5质量浓度也达到197μg／m3，污染持续时间为2 d，3月8—9日当地空气质量均达到中度污染水平。根据后向轨迹模型、颗粒物离子浓度的分析，此次污染是由外来浮尘及苏州本地污染物排放所造成的区域霾污染影响所致。根据监测结果与实际污染特征，针对性地提出了对策和措施。     

Assessment of the Health Impacts of Particulates from the Redevelopment of Kings Cross

The Kings Cross/St. Pancras area has been a rail transport hub from Central London to the Midlands and North Eastern England since the middle of the nineteenth century and dust from the Kings Cross railway lands was even described by Charles Dickens.¹ The Channel Tunnel high speed Rail Link (CTRL) is being constructed between 2001 and 2007 to connect continental Europe to Central London. The CTRL and associated development will help regenerate an area that is surrounded by deprived high density housing estates. London Borough of Camden has set up an extensive particulate monitoring programme to determine if there are any health impacts on local residents from emissions from the demolition and construction work. This article assesses the results from particulate measurements in 2003–2004 and compares this to baseline conditions before the redevelopment work began. The evidence suggests that although 2003 had higher than average pollution levels in the UK as a whole, even higher levels of particulates in the size range PM₁₀–PM_2.5 (defined as PM_coarse) were measured in Kings Cross. Due to the size of these particulates, they tend to be released from construction works rather than transport or secondary particulate sources. Concentrations in 2004 were lower than 2003, but this was primarily due to meteorological conditions. The paper also looks at the health of the local population and discusses whether these elevated levels are creating a problem and legally constitute a statutory nuisance. The Council continues to work with the contractors to try and ensure best practical means to minimise dust emissions and their effect on local residents. ¹Our Mutual Friend     

PM1与PM2.5切割器性能与测试系统研究

切割器是PM_2.5监测设备的关键部件,其切割性能直接影响PM_2.5和PM₁等环境空气颗粒物质量浓度监测数据的真实、准确。该研究采用粒径范围为0.6~4 μm的聚苯乙烯微球(PSL)标准粒子、单分散气溶胶发生器、混匀(分流)装置和颗粒物数量浓度测量仪等仪器设备集成搭建了适用于PM₁和PM_2.5切割器性能测试的通用系统。测试结果表明:该系统发生的PSL粒子能够保持稳定的数量浓度,并在切割气路和非切割气路间具有较好的数量浓度一致性,能在3 h内快速完成一台切割器切割效率的测试。采用该系统测试了1种类型的PM₁切割器和3种类型的PM_2.5切割器的关键切割性能。结果显示:VSCC型PM_2.5切割器D₅₀分别为2.48、2.52、2.48 μm,σ_g1分别为1.20、1.23和1.15,σ_g2分别为1.21、1.21和1.16,各项关键性能指标均符合美国和中国相关环境保护标准规范的要求,且优于SCC型和URG型切割器。推荐使用VSCC型切割器开展环境空气中PM_2.5质量浓度的监测。SCC型PM₁切割器的D₅₀为0.91 μm,σ_g1和 σ_g2为1.20和1.18,结合其他相关研究,建议PM₁切割器D₅₀合格标准应为(1.0±0.1)μm,σ_g合格标准为不超过1.20。