广州市夏、冬季室内外PM2.5质量浓度的特征

2004年7月2日至8月13日和2004年11月29日至2005年1月6日分别在广州市3种类型区域(一般城市区域、道路旁、工业源附近)9个居民住宅的室内和室外同步采集了PM2.5颗粒.采用标准称重法测定PM2.5质量浓度,得到广州市夏季住宅室内外PM2.5平均质量浓度分别为67.7、74.5 μg/m3,冬季室内外PM2.5平均质量浓度分别为109.9、123.7 μg/m3.广州市PM2.5平均质量浓度,与美国PM2.5标准相比,与国内PM10标准基础上假设的PM2.5限值相比,与其他一些国内、亚洲和欧美城市的文献记录相比,结果均显示广州市PM2.5处于相当严重污染状态.广州市PM2.5质量浓度呈现明显的空间分布特征和季节变化特征;PM2.5室内质量浓度并不总是低于室外质量浓度,反映了室内空气污染的存在.     

基于BP人工神经网络的城市PM2.5浓度空间预测

针对PM2.5日均质量浓度,采用BP人工神经网络模型,预测研究区空气中PM2.5浓度的空间变异,通过与普通克里格(Ordinary Kriging)插值方法对比验证BP人工神经网络预测模型的精度.结果表明:BP人工神经网络预测模型下研究区检验样本点位置的PM2.5仿真浓度与观测浓度之间的均方差、平均绝对误差、平均相对偏差和相关系数分别为0.296 μg2/m6、0.412 μg/m3、1.650％和0.851;而与此同时,普通克里格插值方法下的对应结果分别为1.041 μg2/m6、0.689 μg/m3、11.910％、0.638.研究成果在肯定BP人工神经网络预测模型可用于揭示PM2.5浓度空间变异特征的同时,也证实了其相对于普通克里格插值方法在固定空间点位准确预测PM2.5浓度方面的优势.     

西安市灰霾天气下PM_(2.5)浓度与气象条件分析

分析了2013年1—3月西安市12个空气监测子站监测的PM10、PM2.5以及相关气象参数;绘制了不同月的主城区浓度分布等值线图。运用单样本K-S非参数检验法检验表明,PM2.5浓度符合对数正态分布;各站点间的PM2.5浓度相关性非常高,变化趋势一致;PM10和PM2.5的变化规律呈现"W"型三峰分布;PM2.5日均值与能见度、净辐射量、平均气温、最高气温、最低气温均呈现显著负相关,且相关性较强;与平均湿度、最大湿度、最小湿度呈现显著正相关;与总辐射量、日照时数、气压、露点温度的相关性较弱;节日烟花燃放、沙尘天气容易造成严重大气污染,其中节日烟花燃放、沙尘天气对PM10的贡献量大于对PM2.5的贡献。     

珠三角地区大气PM_(2.5)理化特性季节规律与成因

基于珠三角大气超级站2013年8月至2014年3月PM2.5、PM2.5中主要水溶性无机离子组分及其重要气态前体物等参数的逐时在线监测结果,揭示当地大气PM2.5中二次无机组分与其气态前体物的相互作用,以及PM2.5理化特性与成因的季节差异。结果表明,观测期间,PM2.5、PM10的年平均质量浓度分别为64.2、105.1μg/m3,PM2.5在PM10中所占比例(PM2.5/PM10)平均为61.1%。SO2-4、NO-3、NH+4的年平均质量浓度分别为16.6、9.0、10.2μg/m3,3者之和(SNA)占PM2.5的比例(SNA/PM2.5)平均为55.8%,体现了二次转化对珠三角地区PM2.5污染的重要影响;不同季节,SNA/PM2.5为46.0%~64.3%,夏季最低,冬季最高,其中SO2-4、NH+4对PM2.5的贡献相对稳定,NO-3贡献的季节差异较大;秋、冬季各项观测参数浓度的日变化规律相对明显,夏季除HNO3和NH3外,多项观测参数在低浓度水平波动,日变化规律不明显;珠三角大气中具有足量气态NH3以中和硫酸盐和硝酸盐,PM2.5中NH+4、SO2-4、NO-3主要以(NH4)2SO4和NH4NO3形式存在;本研究站点夏季的硫氧化率和氮氧化率均高于广州市,这充分体现了该站点的区域性特征。     

贵州贫困农村室内PM10污染水平及影响因素分析

为调查贵州贫困农村室内空气污染水平,对织金和六枝农户室内可吸入颗粒物(PM10)进行了系统采样,分析了PM10污染水平,探讨了其影响因素。结果表明:采暖期PM10的平均值为640.5μg/m3,最高质量浓度达到7 739.9μg/m3;非采暖期PM10的平均值为459.9μg/m3,最高质量浓度达到3 515.1μg/m3,与《室内空气质量标准》(GB/T 18883—2002)相比,研究区PM10的超标率为71%～92%,超标倍数最高达50.60倍。经调查可知,贵州贫困农村室内PM10污染水平与燃料类型、炉灶类型、室内通风情况等密切相关,以拌泥煤、纯煤、蜂窝煤和简易敞口灶为主,且室内通风较差。     

APEC会议期间天津市PM_(2.5)中水溶性无机离子的污染特征

2014年11月6—11日,亚太经济合作组织(APEC)会议在北京市召开,京津冀区域采取了最高级别的空气质量保障措施。于2014年11月3—20日同步手动采集天津市PM2.5样品,对APEC会议期间(2014年11月3—11日,在此期间实施了空气质量保障措施)及会议后(2014年11月12—20日)天津市PM2.5中水溶性无机离子组分浓度、二次转化特征等进行了分析。结果表明,APEC会议期间,天津市PM2.5平均质量浓度为78μg/m3,而会议后达到87μg/m3;会议期间PM2.5中水溶性无机离子的浓度为NO-3SO2-4NH+4Cl-K+Na+Ca2+Mg2+,会议后,除Mg2+外,各项离子浓度均有不同程度的上升;会议期间,PM2.5中NO-3浓度最高,在水溶性无机离子中所占比例为38.9%,其次为SO2-4(为22.0%)、NH+4(为20.8%),3者所占比例合计为81.7%,会议后3者所占比例降至75.0%;会议期间的大气污染以流动源为主;会议后,硫氧化率和氮氧化率均不同程度减弱,说明会议期间的二次离子转化更为明显;会议期间的停工停产措施对PM2.5中一次离子来源有明显改变,城市扬尘得到明显抑制。     

西安市PM2.5污染特征及其估测模型

为了研究大气中PM25污染特征以及其随时间变化规律,基于西安市2013年1月-2014年4月间SO2、NO2、CO、03、日最高温度(Tmax)、日最低温度(Tmin)、PM2.5、PM10等因素的监测数据.运用统计学原理和多元回归分析方法,分析了PM25的污染特征及相关因素对其产生的贡献度,进一步建立了四季的最优多元回归模型.研究结果表明,西安市年平均质量浓度124.9 μg/m3,四季的平均污染浓度从大到小依次为冬、春、秋、夏;春夏两季贡献较大的为SO2、CO;秋冬两季贡献较大的为NO2、CO;最终建立的模型的相关系数较高,模型很好地拟合了冬春两季PM2.5变化趋势,能较准确地反映了西安市PM2.5的污染特征,具有一定的理论和实用价值.     

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。     

西安采暖期PM2.5及其水溶性无机离子的时段分布特征

为了探讨西安市采暖期大气颗粒物PM2.5及其水溶性无机成分的污染水平,于2010年1月4日—2月1日按一天8个时段(每个时段3 h)连续采集PM2.5样品四周,每周更换一次滤膜。结果显示,西安市采暖期PM2.5的质量浓度时段差异较大,呈现明显的双峰分布特征:21:00—24:00时段(147.516μg/m3)和09:00—12:00时段(141.678μg/m3)。4种被测水溶性无机组分总浓度为39.801μg/m3,占PM2.5总浓度的30.5%。SO24-和NO3-是最主要组分,占到4种无机组分的86.2%。各离子间相关分析显示,Cl-只与NO3-有较强的相关性,表明机动车尾气对Cl-有较大的贡献。SO24-和NO3-时段分布规律较为相似,与PM2.5浓度的时段分布特征相反:在PM2.5污染最轻的15:00—18:00时段,SO24-和NO3-的相对含量达到一天中的最高浓度时段,而在PM2.5双峰时段,它们的含量有所降低。     

宝鸡市大气PM_(10)中水溶性物质的组成及特征研究

2008年冬、春季在宝鸡市4个不同功能区采集PM10样品,探讨了PM10中水溶性物质的化学组成、时空分布特征以及来源。结果表明,冬、春季PM10的平均质量浓度分别为(402±100)、(410±160)μg/m3,无明显季节差异,冬季以交通干道区的PM10浓度为最高,而春季则以商贸区的PM10浓度为最高;冬、春季PM10中水溶性有机碳(WSOC)浓度最高值均出现在商贸区,最低值则分别出现在背景点和交通干道区,水溶性无机碳(WSIC)浓度最高值分别出现在交通干道区和商贸区,最低值均出现在背景点;冬、春季PM10中所含大多数无机离子浓度不存在显著空间差异,但不同功能区PM10中无机离子所占质量分数差异较明显;冬、春季PM10中的水溶性物质质量浓度分别为207、151μg/m3,在PM10中所占质量分数分别为51%和40%,其中,冬、春季水溶性物质浓度最高的分别为居民区和商贸区;冬季PM10中WSOC浓度与SO24-、NO3-浓度有较好的相关性,说明冬季PM10中WSOC的主要组分为二次有机气溶胶,而春季PM10中WSOC浓度与SO42-、NO3-浓度的相关性相对较差,这是由于一次有机气溶胶对WSOC的贡献率较冬季显著增大;宝鸡市与北京市大气PM10浓度、PM10中的SO42-、NO3-、NH4+浓度最为接近;广州市大气PM10中的SO42-所占质量分数(14%)要高于北方城市(宝鸡市和北京市均为9%)。     

天津冬季PM2.5与PM10中有机碳、元素碳的污染特征

研究了天津冬季PM2.5和PM10中碳成分的污染特征.结果表明,天津冬季PM2.5和PM10的平均质量浓度分别为(124.4±60.9)、(224.6±131.2)μg/m3;总碳(TC)、有机碳(OC)与元素碳(EC)在PM2.5中的平均质量分数比在PM10中分别高出5.0%、3.6%、1.2%;PM2.5中OC、EC的相关系数较高,为0.95,表明OC、EC的来源相对简单,可能主要反应了燃煤和机动车尾气的贡献.OC/EC的平均值在PM2.5和PM10中分别为3.9、4.9.次生有机碳(SOC)在PM2.55和PM10中的平均质量浓度分别为14.9、23.4/μg/m3,分别占OC的48.5%(质量分数,下同)、49.8%,OC/EC较高可能主要与直接排放源有关;PM2.5中的OC1与OC2的比例明显高于PM10,而聚合碳(OPC)的比例又低于PM10,同时PM2.5与PM10中的EC1含量均较高,表明天津冬季燃煤取暖和机动车尾气是重要的污染源.     

区域大气环境中PM_(2.5)/PM_(10)空间分布研究

提出了一种利用移动监测技术研究区域大气环境中PM2.5/PM10空间分布的方法,并在2004年12月进行了宁波市全市域PM2.5/PM10空间分布的研究.数据显示:相同路径所代表的地区PM2.5和PM10具有很好的相关性,多数路径上PM2.5与PM10数据的相关系数平方在0.95以上,而不同路径上PM2.5与PM10的比值不同.文中给出了宁波市PM2.5/PM10污染的空间分布图,直观地显示出PM2.5/PM10污染的空间分布情况,突出了污染的重点点位和地区.     

南宁市大气颗粒物TSP、PM10、PM2.5污染水平研究

2002年在南宁市的5个典型城市功能区内,共采集了125个大气样品(按季节分别采集),初步调查了大气中颗粒物TSP、PM10、PM2.5的污染状况。结果表明,南宁市TSP、PM10、PM2.5的污染很严重,超标率分别为67．5％、82．5％、92．5％,对人体健康危害更大的PM2．5占到了PM10的63．5％左右。重污染区PM2.5的浓度超过轻污染区近一倍。     

西安南郊采暖期大气颗粒物PM2.5的污染特征分析

为研究西安市南郊地区采暖期大气颗粒物PM2.5的污染浓度及水溶性成分,使用颗粒物采样器于2009年1月6日～2009年2月15日进行PM2.5采样.将24 h分为8个阶段,每天3 h定时采样.结果表明,西安市南郊地区采暖期PM2.5明显污染,24 h中PM2.5污染状况最严重的时段为21:00～23:59;PM2.5中NH+4、NO-3和SO2-4是其最主要的水溶性组分,在PM2.5中的平均质量混合比分别为10.225%、13.698%和15.650%,三者在PM2.5中质量混合比最高的时段分别为06:00～08:59、03:00～05:59和18:00～20:59.     

南昌市大气PM2.5中多环芳烃的来源解析

在南昌市布设5个采样点,分别代表工业区、居住区、交通干线区、商业区以及郊区,于2007年7～8月进行大气PM2.5的采样.根据5个采样点测得的数据,通过因子分析法判断南昌市大气PM2.5中多环芳烃的主要来源,再利用多元线性回归法确定各主要来源对多环芳烃的贡献率.结果表明,南昌市多环芳烃的主要来源为车辆排放源、高温加热源、燃煤污染源,对多环芳烃的贡献率分别为37.9%、28.2%、22.0%.     

杭州市区大气能见度变化趋势及其与主要污染物相关性分析

利用2004-2006年地面气象观测资料和同期环境空气质量自动监测数据,分析了杭州市区大气能见度变化趋势及其与主要污染物的相关性.结果表明,杭州市区能见度的日分布特征为14时最好,8时最差;季节变化特征为夏季>春季>秋季>冬季,全年仅7月能见度超过10 km;SO2、NO2、PM10浓度均随能见度增高而逐渐降低;影响能见度的首要因子为相对湿度和PM2.5,能见度与PM2.5浓度具有较好的相关性.     

隧道实验测定南京市机动车PM10排放因子

选取南京城市隧道进行机动车PM10平均排放因子的测试研究.采用质量平衡模型和多元线性回归方法计算了4种车型PM10的综合排放因子.结果表明:隧道内机动车PM10平均排放因子为0.347±0.100 g/(km·辆);大型车的PM10排放因子远高于其他车型的排放因子,其次是中型车和摩托车,小型车最小,其综合排放因子分别为1.440 g/(km·辆)、0.850 g/(km·辆)、0.790 g/(km·辆)和0.320 g/(km·辆);在车速相似的情况下,本隧道实验所测机动车的PM10排放因子与国内隧道实验结果相仿,却远大于国外隧道实验结果.     

Identification of PM sources by principal component analysis (PCA) coupled with wind direction data

The effectiveness of combining principal component analysis (PCA) with multi-linear regression (MLRA) and wind direction data was demonstrated in this study. PM data from three grain-size fractions from a highly industrialised area in Northern Spain were analysed. Seven independent PM sources were identified by PCA: steel (Pb, Zn, Cd, Mn) and pigment (Cr, Mo, Ni) manufacture, road dust (Fe, Ba, Cd), traffic exhaust (P, OC + EC), regional-scale transport (, , V), crustal contributions (Al2O3, Sr, K) and sea spray (Na, Cl). The spatial distribution of the sources was obtained by coupling PCA with wind direction data, which helped identify regional drainage flows as the main source of crustal material. The same analysis showed that the contribution of motorway traffic to PM10 levels is 4-5 microg m-3 higher than that of local traffic. The coupling of PCA-MLRA with wind direction data proved thus to be useful in extracting further information on source contributions and locations. Correct identification and characterisation of PM sources is essential for the design and application of effective abatement strategies.     

南京市大气气溶胶中颗粒物和正构烷烃特征及来源分析

于2002年夏季（7月）和冬季（12月）采集南京市5个功能区的大气气溶胶（PM2．5和PM10）样品，对两个季节不同功能区颗粒物及其颗粒物中正构烷烃的分布特征和污染来源进行了分析。结果表明，南京市大气颗粒物含量冬季高于夏季，细颗粒高于粗颗粒。正构烷烃的变化规律同颗粒物一致，且主要分布在细颗粒物上。根据各个功能区正构烷烃（C15-C32）的CPI（CPI1、CPI2和CPI3）结果，可知南京市大气气溶胶中正构烷烃由生物源和人为源共同排放产生。％waxCn的结果表明生物源对气溶胶中正构烷烃的贡献率为20％～43％，对南京市大气颗粒物的贡献率为1．66％～4．76％。     

区域大气环境中PM2．5／PM10空间分布研究

提出了一种利用移动监测技术研究区域大气环境中PM2.5／PM10空间分布的方法，并在2004年12月进行了宁波市全市域PM2.5／PM10空间分布的研究。数据显示：相同路径所代表的地区PM2.5和PM10具有很好的相关性，多数路径上PM2.5与PM10数据的相关系数平方在0．95以上，而不同路径上PM2.5与PM10的比值不同。文中给出了宁波市PM2.5／PM10污染的空间分布图，直观地显示出PM2.5／PM10污染的空间分布情况，突出了污染的重点点位和地区。