乌鲁木齐市PM_(2.5)浓度与气象条件耦合分析

为探究气象条件对污染物浓度的影响,于2013年10月至2014年10月在乌鲁木齐市主城区采集PM_(2.5)样品,并选取同期气象站监测的气象数据进行分析。结果表明:(1)乌鲁木齐市采暖期PM_(2.5)日均值平均达到84.70μg/m~3,超出了《环境空气质量标准》(GB 3095—2012)中24h平均二级限值(75μg/m~3),是非采暖期(20.66μg/m~3)的4倍多。(2)采暖期风速、相对湿度、气温、水汽压与PM_(2.5)日均值极显著相关,非采暖期相对湿度与PM_(2.5)日均值极显著相关。     

天津冬季PM_(2.5)中水溶性无机离子污染特征研究

2015年12月3—21日对天津冬季 PM2.5进行了采样分析,重点分析了 Na~+、Mg~(2+)、NH_4~+ 、Ca~(2+)、K~+、Cl~-、SO_4~(2-) 、NO_3~-8种水溶性无机离子,结合风速、相对湿度、温度等气象资料,并利用主成分分析对水溶性无机离子来源进行了解析。结果表明,风速小、气温高和相对湿度大的天气条件以及冬季燃煤的人为原因是引起霾天的重要原因。采样期间PM_(2.5)平均质量浓度为104.22μg/m~3。霾天中,轻微霾天、轻度霾天、中度霾天、重度霾天的PM_(2.5)中总离子平均质量浓度分别为27.63、26.89、105.03、143.92μg/m~3,远高于非霾天的15.43μg/m~3。SO_4~(2-)是水溶性无机离子中含量最高的离子,约占总离子的1/3,SO_4~(2-)、NO_3~-、Cl~-和NH_4~+浓度之和占总离子的90%以上。随着霾程度加重,NH_4NO_3占比增加,(NH_4)_2SO_4占比减少。水溶性无机离子主要来源于海盐粒子、生物质燃烧、机动车尾气排放和燃煤等。     

夏季海淀公园内PM_(2.5)浓度水平梯度分布规律

于2014年夏季,通过观测海淀公园不同区域沿道路不同宽度处PM_(2.5)浓度,研究PM_(2.5)浓度日变化规律、水平梯度分布规律、净化效益及其影响因素。结果表明,海淀公园内PM_(2.5)浓度日变化规律呈白天低晚上高的趋势,09:00—15:00时PM_(2.5)浓度达到国家标准Ⅱ类功能区浓度质量要求,05:00时PM_(2.5)浓度最高。不同观测区域一定宽度范围内出现PM_(2.5)浓度积聚,之后开始下降。总体上,海淀公园在13:00时对PM_(2.5)浓度净化效益最显著,09:00时净化效益最差。环城高速路区域与城市主干道区域165 m以上宽度处、城市次干道区域60 m以上宽度处为正净化效益,并维持正净化效益。海淀公园内PM_(2.5)浓度与气象因子之间相关关系表明,PM_(2.5)浓度与平均温度、相对湿度呈显著相关,与其他气象因素没有显著相关性。     

春节期间太原市环境空气质量变化

对包含春节节日的2014年1月16日至2月15日太原市环境空气中O_3、NO_2、CO、SO_2、PM_(2.5)、PM_(10)的质量浓度监测数据进行了统计分析,并就春节期间燃放烟花爆竹及气象因素对空气质量产生的影响利用Pearson分析展开相关研究。结果表明:烟花爆竹集中燃放阶段,O_3的质量浓度日变化基本不受其直接影响、呈单峰型,其他污染因子由双峰型变化为明显的三峰型,PM_(2.5)、PM_(10)污染突出,PM_(10)增加速率高于PM_(2.5),PM_(2.5)/PM_(10)的3个谷值与污染因子的3个峰值相对应;分析气温、相对湿度、风速对CO、PM_(2.5)、PM_(10)的影响均在0.01显著水平上相关,但对于烟花爆竹集中燃放污染水平,气温、相对湿度对其影响不大,风速对其影响较为突出,风向与其有明显的相关性。     

广州PM2.5污染特征及与气象因子的关系分析

基于2014—2016年广州PM_(2.5)浓度逐时观测数据,研究了广州PM_(2.5)污染变化特征及其与气象因子的关系,确定了影响广州大气能见度的PM_(2.5)浓度阈值。结果表明:(1)2014—2016年广州PM_(2.5)质量浓度平均为32.7μg/m3,广州1月PM_(2.5)污染最重,轻度、中度、重度污染频率合计达20.16%;(2)PM_(2.5)浓度与风速、降水、气温、能见度呈负相关,与相对湿度、气压呈正相关;(3)广州地区在南风的条件下PM_(2.5)浓度最低,风速小于2m/s的偏北风下易出现污染;(4)PM_(2.5)浓度与相对湿度共同影响广州能见度的变化,随着相对湿度的增加,PM_(2.5)浓度的敏感阈值不断减小,通常当PM_(2.5)高于37.3μg/m3时,控制PM_(2.5)对改善城市能见度成效相对缓慢,而当PM_(2.5)浓度低于此阈值时,降低PM_(2.5)将显著提高大气能见度。     

北京市无风天人体高度的PM_(2.5)、PM_(10)变化特征及扩散机制研究

为了解无风天情况下PM_(2.5)、PM_(10)的人体暴露水平及扩散机制,对人体呼吸高度的PM_(2.5)、PM_(10)浓度及近地面不同高度处的温度、相对湿度进行连续监测,分析了垂直温度梯度、相对湿度的相对变化速率对PM_(2.5)、PM_(10)浓度的影响,并利用回归分析法建立PM_(2.5)、PM_(10)浓度与不同高度处温度、相对湿度的单、多变量回归模型,从中选取最优回归模型。结果表明:(1)晴天的PM_(2.5)、PM_(10)浓度在研究时段(9:00—21:00)内总体呈先降低再升高的趋势,而阴天、小雨天PM_(2.5)、PM_(10)浓度呈多峰变化,起伏较大;晴天不同高度的温度差异大,阴天、小雨天温度差异相对较小;晴天不同高度的相对湿度曲线总体均呈U型分布,相较而言,阴天及小雨天各层的相对湿度曲线波动较大;(2)垂直温度梯度是影响晴天PM_(2.5)、PM_(10)扩散的主要原因,相对湿度变化是影响颗粒物扩散的另一重要因素。(3)PM_(2.5)、PM_(10)浓度的单、多变量最优回归模型表明,低污染晴天,温度是影响颗粒物扩散的主要因素,高污染晴天则主要受相对湿度的影响,介于上述两种污染状况之间时,PM_(2.5)、PM_(10)浓度不仅受各层相对湿度的控制,还受到温度的影响。阴天PM_(2.5)、PM_(10)浓度的最优回归模型相对复杂,模型精度不及晴天。     

京津冀地区PM_(2.5)的时空效应研究

PM_(2.5)污染已成为当前经济发展中亟待解决的难题。从年、季、日变化及周末效应4个时间尺度和空间自相关分析研究了京津冀地区PM_(2.5)的时空效应,并构建空间回归模型量化分析相关社会经济因素对PM_(2.5)的影响。结果显示:(1)2013—2016年京津冀地区PM_(2.5)污染整体呈下降趋势,但污染程度依然很高,基本都没有达到《环境空气质量标准》(GB 3095—2012)二级标准(35μg/m~3)。四季的达标天数夏季春季秋季冬季。中南部的石家庄、保定、衡水、邢台、邯郸为PM_(2.5)浓度高值区,日变化曲线为单峰型,受工业企业生产排放的影响较大;北部的张家口、承德、秦皇岛为PM_(2.5)浓度低值区,中东部的天津、北京、沧州、唐山、廊坊为PM_(2.5)浓度中值区,日变化曲线均为双峰型,受机动车尾气排放的影响较大。石家庄、北京的周末效应表现为白天PM_(2.5)浓度工作日高于周末,晚上周末高于工作日。(2)京津冀地区PM_(2.5)存在显著的空间正相关性,2013—2016年石家庄、衡水、邢台、邯郸始终表现出高-高集聚特征,张家口、承德、秦皇岛始终保持低-低集聚特征。汽车尾气排放是京津冀地区PM_(2.5)污染的重要影响因素,而能源消耗的影响不显著。     

海口市PM_(2.5)演变特征及其与气象因素的关系

利用海口市PM_(2.5)逐时数据、常规气象观测资料、FNL全球分析资料和HYSPLIT模式,对比分析海口市PM_(2.5)变化特征及其与气象因素的关系。结果表明:(1)2014年1月1日至2016年6月30日,海口市PM_(2.5)日均值以达到《环境空气质量标准》(GB 3095—2012)一级标准为主;年均值为23μg/m~3,达到GB 3095—2012二级标准;月均值整体呈周期性波动,秋冬季高、春夏季低;季节均值排序为冬季秋季春季夏季。(2)降水对PM_(2.5)有清除作用;风速加大会使PM_(2.5)浓度减小。(3)污染个例分析表明,海口市PM_(2.5)浓度增大,是因为东北风将外地污染物传输经过本地,并配合有利的天气形势,最终造成大气污染事件的发生。     

长春市净月区和朝阳区采暖期与非采暖期大气颗粒物的分布特征及来源分析

分别在采暖期和非采暖期采集了长春市净月区与朝阳区的大气颗粒物,研究其污染特征的差异,并进行了形貌分析。结果表明:(1)净月区采暖期与非采暖期PM_(2.5)平均质量浓度分别为144.86、87.10μg/m~3,PM_(10)平均质量浓度分别为149.07、138.72μg/m~3;朝阳区采暖期与非采暖期PM_(2.5)平均质量浓度分别为234.48、110.01μg/m~3,PM_(10)平均质量浓度分别为275.07、147.50μg/m~3。整体上,非采暖期大气颗粒物浓度低于采暖期。(2)无论是采暖期还是非采暖期,净月区PM_(2.5)与PM_(10)浓度均明显低于朝阳区。(3)净月区采暖期大气颗粒物来源主要是柴油尾气、燃煤源与生物质燃烧;非采暖期,机动车尾气、建筑扬尘、土壤扬尘与某些工业排放对大气颗粒物贡献较大。朝阳区大气颗粒物来源较净月区复杂,这与两个区不同的地理位置和不同功能有直接的联系,建筑扬尘对于朝阳区大气颗粒物的含量有较大的影响。     

无锡市区大气污染物污染特征及影响因素研究

利用2014年无锡市区的6种大气污染物浓度和气象因子等监测数据,研究了无锡市区各种大气污染物的污染特征及其影响因素。结果表明:(1)无锡市区PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度的季节变化特征为冬季最高,夏季最低;O_3浓度表现为夏季最高,冬季最低。就全年的综合情况而言,颗粒物污染,尤其是PM_(2.5)污染最严重。(2)PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度间两两呈正相关;PM_(2.5)、SO_2、NO_2、CO浓度均与O_3浓度呈负相关。(3)温度与PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度呈负相关,与O_3浓度呈正相关;相对湿度与PM_(2.5)、PM_(10)、SO_2、NO_2、O_3浓度呈负相关,与CO浓度无相关性;风级与PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度呈负相关,与O_3浓度无相关性。降水有利于PM_(2.5)、PM_(10)、SO_2、NO_2、O_3浓度的降低,但对CO浓度影响不大。(4)无锡市区空气质量周末比工作日差。NO_2、SO_2浓度周末低于工作日,O_3浓度周末高于工作日,呈现明显的"周末效应";PM_(2.5)、CO浓度周末高于工作日,未出现"周末效应"。     

北京空气重污染红色预警期间污染物与气象因子特征

揭示空气重污染红色预警期间污染物与气象因子的变化特征对空气质量预报和污染减排措施评估具有重要参考价值。利用大气污染和气象观测资料,研究了北京2015年11—12月空气重污染红色预警时期污染物浓度、气候特征及气象因子对空气质量影响。结果表明,PM_(2.5)在大气颗粒物中占有较大比重,为首要空气污染物;在重污染峰值时段,城郊PM_(2.5)与PM10比值(R)相差不大,可达0.9以上,空气呈均匀混合的高PM_(2.5)浓度特征,而空气质量较好时城区R值明显高于郊区;研究时段气候特征与历史同期相比有明显差异,其中平均风速偏小19%,平均气温偏高0.23℃,气温日较差减小,而多次小型降水增加了空气湿度,导致相对湿度值偏高40%,垂直方向上的逆温层或等温层则加剧了空气重污染的形成和发展,重污染过程中的红色预警措施明显降低了颗粒物浓度;风速与污染物浓度呈指数相关,城郊风速分别低于2.0和2.5 m·s~(-1)时,空气质量较差、污染物浓度随风速升高快速下降,而当城郊风速大于2.0和2.5 m·s~(-1)时变化特征则相反;相对湿度与污染物浓度呈幂相关,相对湿度在65%左右为空气质量特征发生变化的转折点;由于气温日较差存在季节变化,其与空气质量相关关系不太显著。     

基于混合效应模型的京津冀地区PM2.5数值模拟

采用2017年京津冀地区中分辨率成像光谱仪提供的3km气溶胶光学厚度(AOD)和气象数据,分别在有无气象因子作为自变量的情况下对PM_(2.5)与AOD的关系进行解释。比较基于空间、时间及时空的78种混合效应模型的模拟效果,并利用十折交叉模型进行验证。经相关系数、拟合程度和模型误差对比,最终确定将气温、相对湿度、风速和气压4种气象因子作为影响因子的基于时空的混合效应模型效果最佳。利用该模型估算2017年京津冀地区的PM_(2.5)监测值,结果表明,PM_(2.5)监测值与模拟值的R~2为0.90(经十折交叉模型校正后为0.81),均方根误差、平均绝对误差分别为13.44、10.12μg/m~3,模型的拟合精度较高。同时研究表明,整体来说,京津冀地区呈现南高北低、平原地区东南高西北低、非平原地区高纬度区域相对低的空间格局。     

唐山新冠肺炎防疫期间空气质量变化特征及污染成因分析

为研究唐山市新冠肺炎防疫期间环境空气质量变化特征以及形成重污染的成因,分析了2020年1月1日至2月29日的PM_(10)、PM_(2.5)、SO_2、NO、NO_2、CO、PM_(2.5)组分(有机碳(OC)、元素碳(EC)、重金属等)和气象数据。结果表明,防疫期间空气质量整体改善,相比正常生产期间除CO浓度均值未变化,其他参数均呈下降趋势,其中NO、NO_2浓度降幅最大,分别降低73%和41%,受车流量减少影响显著。防疫期间的2月9—13日出现1次连续5天的重污染过程,相比正常生产期间PM_(10)、PM_(2.5)和CO浓度分别增长了69%、104%和95%,Fe浓度增加57%,呈钢铁型污染特征;该时段相对湿度和风速分别为80.2%、0.7m/s,为高湿低风速气象条件,二次无机盐(SNA,包括NH_4~+、NO_3~-、SO_4~(2-))在PM_(2.5)中占比为64%,比正常生产期间高31%,此次污染过程受本地工业大气污染物排放累积以及二次生成共同影响。     

杭州市G20峰会保障期间PM2.5和O3污染特征与区域传输影响研究

分析了2016年杭州市G20峰会保障期间(8月24日至9月6日)的环境空气质量,利用WRF-CMAQ模型研究了区域传输对杭州市G20峰会保障期间PM_(2.5)和O_3污染的影响。结果表明,G20峰会保障期间,杭州市PM_(2.5)日均质量浓度平均值为31.3μg/m~3,逐日浓度均达到《环境空气质量标准》(GB 3095—2012)二级标准(75μg/m~3)的要求,8月31日出现PM_(2.5)浓度上升趋势,9月1日达到最高47.0μg/m~3;O_3最大8h质量浓度平均值为159.9μg/m~3,8月24日至25日和8月28日至31日两个时段O_3浓度出现了超过GB 3095—2012二级标准(160μg/m~3)的情况。杭州市本地减排对PM_(2.5)浓度下降贡献70%,浙江省其他地市贡献16%,江苏省、上海市以及安徽省与江西省分别贡献了8%、4%、2%,区域联防联控对杭州市PM_(2.5)浓度的改善具一定的作用。精准控制上风向O_3前体物排放可在一定程度上缓解杭州市的O_3污染。     

哈尔滨市大气污染与气象因素的相关性分析

为了研究哈尔滨市大气污染特征以及气象要素对大气污染的影响,对哈尔滨市2013年采暖期及非采暖期内4种大气污染物(二氧化硫SO_2、二氧化氮NO_2、可吸入颗粒物PM_(10)、细颗粒物PM_(2.5))日均浓度分布特征以及日均浓度与部分地面气象要素(风速、气温、气压、相对湿度)相关性进行研究。提出哈尔滨市4种大气污染物日均浓度均符合对数正态分布。采暖期和非采暖期内4种大气污染物浓度与地面气象要素的相关性存在显著差异。采暖期内,4种污染物浓度与风速显著负相关,与风速相关系数最高达-0.639;与气压和相对湿度正相关。非采暖期内,4种大气污染物均与相对湿度呈负相关,相关系数为-0.5左右,与其他3种气象要素相关性普遍不高。全年4种污染物中仅有SO_2与气温呈较好负相关,相关系数为-0.4。     

高交通密度道路周边乔灌草型绿地对大气颗粒物的影响

在杭州临安一高交通密度道路周边的乔灌草型绿地中监测了PM1浓度、PM2.5浓度、PM10浓度、温度、湿度、风速、气压、CO2浓度,研究了颗粒物的日变化规律、乔灌草群落对其的消减影响及与气象因子的关系。结果表明:(1)不同粒径的大气颗粒物PM1、PM2.5、PM10的日变化特征一致,表现为"早晚高、中午低"的现象,3者与同一气象因子的决定系数基本相同;(2)道路两边的绿地宽度并不一定越宽越好,还应考虑植物种类的配置结构、植被密集程度及经济性;(3)大气颗粒物浓度与温度、风速成负相关关系,与湿度、气压成正相关关系,其中风速是影响颗粒物浓度的最关键气象因子。     

杭州市区空气污染特征及灰霾成因分析

利用2013年3月1日至2014年2月28日杭州市区4种常见污染物(NO_2、CO、PM_(2.5)和PM_(10))的小时浓度监测数据对杭州市区全年空气污染特征进行分析,并针对2014年1月17至19日的一次灰霾过程进行了污染特征与成因分析。结果表明,杭州市区NO_2质量浓度年均值为51.55μg/m~3,CO为0.87mg/m~3,PM_(2.5)为67.02μg/m~3,PM_(10)为102.06μg/m~3,均表现为冬季浓度高夏季浓度低的特征。4种污染物基本都在每天的9:00—10:00和19:00—20:00出现两个峰值。杭州市区PM_(2.5)主要来自于二次污染物转化,灰霾过程中PM_(2.5)质量浓度最高值接近300μg/m~3。这次灰霾过程的主要潜在源区包括京津地区、山东中部和江苏南部等地区,杭州市区本身气象条件加剧了这次污染的严重程度。     

万州城区空气污染过程中含碳气溶胶的变化特征

于2016年9月28日至10月15日在万州城区对气态污染物、颗粒物及其含碳气溶胶进行了在线连续观测,结合气象参数,分析了含碳气溶胶的污染特征。结果表明,此次持续污染过程主要由颗粒物污染造成,污染天PM_(10)和PM_(2.5)平均质量浓度分别为170.8、123.7μg/m~3,显著高于非污染天。污染天和非污染天PM_(2.5)、NO_x、有机碳(OC)及元素碳(EC)浓度的日变化都呈双峰,但污染天PM_(2.5)、NO_x和OC出现早峰值时间比非污染天推迟1～3h。污染天OC、EC的平均质量浓度分别为28.0、5.4μg/m~3,分别为非污染天的2.2、1.6倍。以非污染天的起始点作为参照点,得到污染天OC、EC的平均增长率分别为159.3%和73.0%,OC污染累积和二次转化贡献率分别为45.8%和54.2%,说明污染过程OC以二次转化为主。并用最小比值法估算了二次有机碳(SOC)含量,得到污染天和非污染天PM_(2.5)中SOC平均质量浓度分别为16.3、5.3μg/m~3,SOC在OC中的占比(以质量分数计)分别为56.1%和39.9%,污染天SOC占比增加,也证明污染过程OC以二次转化为主。污染天静风出现频率比非污染天高,在东南风的影响下,OC、EC易出现高浓度。     

利用快速检测法研究石家庄道路交通扬尘排放特征

利用快速检测法(TRAKER)实时监测石家庄夏季铺装道路机动车道PM_(2.5)、PM_(10)的背景浓度和在机动车行驶过程中车轮扬起的PM_(2.5)、PM_(10)浓度,分析车速对PM_(2.5)、PM_(10)排放特征的影响,并得到不同类型道路积尘负荷、排放因子和排放强度。结果表明:车轮扬起的PM_(2.5)浓度随车速变化不大,而PM_(10)起伏较大;车速相同时,快速路、主干道、次干道、支路的PM_(2.5)质量浓度分别为0.046、0.110、0.160、0.097mg/m~3,表现为次干道主干道支路快速路,与积尘负荷的强弱顺序一致;不同类型道路排放因子表现为次干道快速路支路主干道,排放强度表现为快速路次干道主干道支路。研究结果可为石家庄道路交通扬尘排放清单的构建以及扬尘的治理提供数据支撑和参考。     

贵阳市白云区大气PM_(10)和PM_(2.5)污染特征

使用β射线法在线监测仪连续监测了贵阳市白云区PM_(10)和PM_(2.5)浓度,分析了2014年6月1日—12月31日7个月内PM_(10)、PM_(2.5)的浓度水平、时变规律和PM_(2.5)/PM_(10)的变化情况。结果表明,监测时段内PM_(10)和PM_(2.5)的日均浓度平均值分别为76.8μg/m~3和40.0μg/m~3,均达到国家二级标准;浓度超标的天数占总观测天数的5.1%和9.3%,属污染轻微的地区。PM_(2.5)/PM_(10)在25.3%~78.8%之间周期性波动,平均值为52.1%。PM_(10)和PM_(2.5)的浓度变化具有很好的正相关性(r=0.919 8,p0.000 1);日均值在7个月中呈现明显的周期性变化,各月相对稳定,12月的PM_(10)和PM_(2.5)浓度最高且变化最为剧烈,6月最为平缓。PM_(10)和PM_(2.5)浓度小时变化总体上呈双峰型分布,最高值出现在出现在09:00—10:00和19:00—21:00前后,最低值出现在14:00—17:00之间。