室内外PM2.5中金属元素的污染特征及来源

在南京市仙林地区住宅楼内和室外采集PM_2.5样品,分析PM_2.5中金属的污染特征及主要来源.结果显示,室内外PM_2.5平均浓度分别为80.56μg/m³和96.77μg/m³,室内外PM_2.5浓度比（I/O）平均值为0.87.除Mg外,室外其他金属平均值均高于室内.元素Pb室内外浓度相关性最高,R值为0.807.室内外PM_2.5中金属元素Cd、Cu、Pb、Zn、As、Co、Cr和Ni富集程度较高.主成分分析结果显示,室外PM_2.5中金属的主要来源为土壤尘、交通排放、金属冶炼、垃圾焚烧等;室内PM_2.5中金属可能的来源为室外颗粒物的渗透及室内烹饪和家具材料等.     

典型“组群式”城市夏季大气颗粒物中水溶性离子化学特征及来源

为探究典型“组群式”城市——淄博市夏季大气颗粒物中水溶性离子化学特征及来源,于2016年8月对淄博市6个城市点（桓台、张店、临淄、淄川、博山、周村）、2个郊区点（沂源、高青）及1个清洁对照点（鲁山）同步进行PM_2.5和PM₁₀采样,分析了大气颗粒物质量浓度及9种水溶性离子的空间分布特征,并利用主成分分析方法探讨了PM_2.5和PM₁₀中水溶性离子的主要来源.结果表明:①淄博夏季各点位（清洁对照点除外）PM_2.5和PM₁₀质量浓度日均值范围分别为57.2~112和77.4~163 μg/m3,空间分布特征表现为城市点>郊区点>清洁对照点;各点位PM_2.5/PM₁₀（质量浓度之比）在0.61~0.80之间,表明淄博夏季大气颗粒物污染以PM_2.5为主.②水溶性离子在PM_2.5和PM₁₀中占比分别为53.3%和48.5%,其中二次无机离子分别占总离子浓度的91.4%和83.7%,表明大气颗粒物主要以二次离子为主,并且主要富集在PM_2.5中;PM_2.5中∑阴离子/∑阳离子（摩尔浓度之比）为1.07,PM₁₀中该比值为0.87,说明PM_2.5接近中性,而PM₁₀呈弱碱性.③淄博夏季各点位离子来源具有一定的空间差异性,城市点、郊区点与清洁对照点间的CD（分歧系数）均高于0.2,而城市点间CD值低于0.2,说明城市点位间的水溶性离子的化学性质较为相似.④主成分分析表明,淄博夏季大气PM_2.5中的水溶性离子可能主要来源于工业源、生物质锅炉、燃煤、二次源、道路尘及建筑尘,而PM₁₀中的离子主要来源于道路尘、建筑尘、海盐及二次源.研究显示,淄博市颗粒物污染严重,具有明显的空间分布特征,水溶性离子来源复杂,应采取分区、多源控制的污染防治对策.      

乌鲁木齐市重污染期间PM2.5污染特征与来源解析

目前有关我国城市大气重污染期间PM_2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM_2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM_2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气. 分析了重污染天气下ρ(PM_2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM_2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM_2.5的来源构成.结果表明:大气重污染期间ρ(PM_2.5)严重超标,其中米东区环境保护局采样点的ρ(PM_2.5)最高,其次是铁路局、市监测站;PM_2.5化学组分以SO₄2-、TC、Si和NO₃-为主,其中二次离子占ρ(PM_2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM_2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.      

和田市城区PM2.5化学组成特征及来源分析

为了解中国极干旱区域和田市城区大气PM_2.5的组成特征及污染水平,于2014年1-12月采集和田市城区大气PM_2.5样品,并用气相色谱-质谱联用仪（GC-MS）、离子色谱仪（IC）、电感耦合等离子体质谱仪（ICP-MS）及元素分析仪分析其中PAHs（多环芳烃）、金属元素、水溶性无机离子、OC（有机碳）和EC（元素碳）等化学组分.结果表明,采样期间和田市城区大气PM_2.5质量浓度年均值为（770.11±568.01）μg/m3,呈夏季最高、冬季最低趋势;金属元素、水溶性无机离子、OC、EC、∑₁₆ PAHs（总多环芳烃）分别占PM_2.5质量浓度的15.292%、9.789%、4.246%、0.331%、0.015%.利用PMF（正交矩阵因子分解法）分别对PM_2.5中PAHs和金属元素、水溶性无机离子、OC、EC进行来源解析表明,PAHs主要来源为煤和汽油燃烧排放（13.91%）、生物质燃烧（33.98%）、天然气燃烧（52.11%）;金属元素、水溶性无机离子、OC、EC的主要来源为土壤尘（56.49%）、油类燃烧（25.49%）、机动车排放（10.09%）、燃煤及生物质燃烧（7.93%）.研究显示,采样期间沙尘对和田市城区大气PM_2.5组成影响较大,是该地区大气污染来源的主要因素.      

苏南农村地区大气PM2.5元素组成特征及其来源分析

为了解苏南农村地区大气细颗粒物的污染水平及其可能的来源,在2002年7月-2003年1月的夏、秋、冬3个季节对雪堰镇和太湖站PM_2.5进行采样和分析,得到了PM_2.5和14种组成元素的质量浓度.研究表明,苏南农村地区PM_2.5的污染水平较高,S,Zn,Pb和As 4种污染元素的质量浓度水平与城市接近;组成元素的季节分布规律存在区域差异,这可能与局地源的贡献,大气细颗粒物中、长距离传输以及复杂的气象条件有关.因子分析结果表明,土壤源、燃煤源、冶金或垃圾焚烧和汽车尾气4类源对PM_2.5有明显贡献,说明人类活动对苏南农村地区PM_2.5具有重要影响.      

天津市PM2.5浓度时空分布特征及重污染过程来源模拟分析

天津市多发生以PM_2.5为首要污染物的重污染事件,明确ρ（PM_2.5）时空分布特征及重污染过程来源对PM_2.5的综合治理意义深远.利用天津市2014-2017年环境资料和2016年气象资料,结合WRF-Chem模式研究了天津市ρ（PM_2.5）时空分布特征及重污染过程来源.结果表明:①自2014年以来,天津市ρ（PM_2.5）呈逐年下降趋势.②ρ（PM_2.5）月变化曲线呈"U"型分布,呈冬春季高、夏秋季低的季节性特征;ρ（PM_2.5）日变化呈双峰型分布,主峰值出现在08:00-09:00,次峰值出现在21:00-翌日00:00.③各季节天津市ρ（PM_2.5）空间分布不同,春季、夏季、秋季和冬季高值中心分别位于天津市西南部的静海区、中心城区北部的北辰区、西部的武清区及北部的蓟州区.④WRF-Chem模式模拟的天津市秋冬季污染物来源结果表明,本地源贡献率为56%,外来源输送贡献率为44%,其中以河北省和山东省的输送为主.2016年12月16-22日天津市一次重污染过程的模拟结果表明,天津市本地源贡献率为49.6%,河北省、北京市和山东省的外来源输送贡献率分别为32.2%、7.0%和2.2%.污染前期,不利气象条件和外来源输送造成天津市ρ（PM_2.5）聚集并形成重度污染;污染持续过程中,本地源贡献率逐渐增大并占主导地位.研究显示,近年来天津市ρ（PM_2.5）呈下降趋势,并有明显的空间分布特征.      

长三角地区PM2.5区域性污染时空变化特征

为定量分析长三角地区PM_2.5区域性污染的变化特征,建立适用于长三角地区的PM_2.5区域污染划分标准,基于2015—2020年长三角地区41个城市日均ρ(PM_2.5)开展区域污染变化趋势研究,并针对长三角PM_2.5重度区域污染开展了时空变化以及网络特征分析. 结果表明:①2015—2020年长三角三省一市年均ρ(PM_2.5)降幅均在25%以上,城市ρ(PM_2.5)分布呈北高南低的特征,南北城市之间ρ(PM_2.5)差异较大,ρ(PM_2.5)最高值与最低值相差35~46 μg/m3. ②2015—2020年长三角PM_2.5区域污染天数比例为16.9%~35.9%,以轻度污染为主,不同年份中度和重度污染天数比例差异较大,且主要出现在秋冬季,轻度、中度和重度污染天数均呈波动下降趋势. ③与2015年相比,2019年和2020年PM_2.5区域污染天数分别减少了38和69 d,且PM_2.5重度区域污染持续天数和重度及以上污染城市数量均呈减少趋势. ④PM_2.5重度区域污染日,长三角城市之间表现出较强的污染关联性,并可划分为4个子群. 以连云港市为代表的子群1位于长三角地区北部,PM_2.5污染相对较重,受长三角区域内输送影响较小,但对区域内其他城市有一定的输送影响;以宁波市为代表的子群2和以南京市为代表的子群4受长三角区域内输送影响较大,并指示了东路沿海和中路两条污染传输通道;以安庆市为代表的子群3位于内陆地区,污染独立性相对较强,受长三角区域内输送影响较小,同时对长三角其他城市影响也较小. 研究显示,长三角地区PM_2.5污染改善显著,但重度区域污染尚未消除,中北部城市的联防联控将对改善PM_2.5区域污染起积极作用.      

“2+26”城市大气重污染下PM2.5来源解析

基于区域大气环境模拟系统RegAEMS开发了大气污染物来源解析模块APSA，以京津冀及周边"2+26"城市为研究对象，模拟2017年12月26日~2018年1月2日该地区一次PM_2.5重污染过程，对PM_2.5进行区域和行业来源解析.结果表明：本次污染持续时间长、影响范围广、污染程度重，"2+26"城市PM_2.5小时最大值为201~507μg/m³，RegAEMS可较好模拟出PM_2.5时空分布；区域来源解析表现为外围区域对"2+26"边界城市影响较大，贡献为15.3%~57.5%，"2+26"中部城市受外围区域影响较小，贡献为0.3%~8.4%，区域传输特征明显，受近地面风场影响较大；行业来源表现为区域内生活源、工业源贡献较大，分别为26.6%~45.8%、16.4%~37.8%，交通源占比13.0%~35.9%.本文研究表明RegAEMS可以实现重污染过程PM_2.5的数值模拟和来源解析，在大气污染精准管控方面具有较好应用前景.     

重庆主城区大气PM10及PM2.5来源解析

为探讨重庆主城区4个季节大气PM₁₀和PM_2.5的主要来源,于2012年2—12月在重庆主城区的工业区、文教区和居住区5个环境监测点同步采集PM₁₀及PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳含量及其分布特征. 采集了重庆主城区土壤尘、建筑水泥尘、扬尘、移动源(包括机动车、施工机械及船舶)、工业源(包括固定燃烧源及工业工艺过程源)、生物质燃烧源及餐饮源等7类污染源,建立了重庆市本地化的污染源成分谱库. 利用CMB(化学质量平衡)受体模型及二重源解析技术分析了PM₁₀及PM_2.5的来源. 结果表明:重庆主城区大气中ρ(PM₁₀)及ρ(PM_2.5)的年均值分别为153.2和113.1 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准限值2倍以上. 大气PM₁₀的主要来源为扬尘、二次粒子和移动源(贡献率分别为23.9%、23.5%和23.4%),大气PM_2.5主要来源于二次粒子和移动源(贡献率分别为30.1%和27.9%).PM₁₀和PM_2.5的主要源类贡献率差别不大,表明研究区域内大气颗粒物污染控制应采取多源控制原则. 大气PM₁₀来源的季节性变化特征表现为春季和秋季主要以扬尘为主、夏季和冬季主要以二次粒子为主.      

宁东基地大气PAHs污染特征及呼吸暴露风险

利用主动观测技术对宁东能源化工基地大气PM_2.5、PM_1.0和气相中的PAHs浓度水平、族谱特征、时空分布及来源进行研究,并基于该观测数据对居民呼吸暴露健康风险进行评估.结果表明,宁东基地大气PM_2.5、PM_1.0及气相中∑₁₆PAHs浓度范围分别为：17.95~325.12ng/m³、12.66~311.96ng/m³和26.33~97.88ng/m³,年均浓度分别为（99.42±117.48）ng/m³、（78.88±100.58）ng/m³和（57.89±47.39）ng/m³.宝丰基地冬夏季大气PM_2.5、PM_1.0和气相中∑₁₆PAHs浓度水平均明显高于英力特;宝丰和英力特基地冬季大气PM_2.5、PM_1.0中∑₁₆PAHs浓度水平均明显高于夏季浓度.宁东基地大气中∑₁₆PAHs的浓度水平要高于国内外其他城市,大气PAHs污染较为严重.源解析表明夏季宁东基地PAHs的主要排放源是工业煤燃烧和机动车尾气,冬季则主要来自工业煤燃烧和木材、薪柴等生物质燃烧排放.宁东基地人群暴露于大气PAHs可能会造成平均冬季每百万人中约有33~2628人罹患癌症,夏季每百万人中约有11~834人罹患癌症的风险.     

2017年京津冀地区PM2.5污染特征及潜在来源分析

京津冀及周边地区大气污染问题突出,秋、冬季重污染天气频发。为探讨该地区PM_2.5污染来源,分析其污染状况和气象因素的关系,利用2017年京津冀地区空气质量监测站的气象资料如气压、风速、相对湿度、温度、降水量等,结合ArcGIS软件空间插值法、SPSS 21.0的Pearson相关性分析等方法,采用拉格朗日混合型的扩散模型HYSPLIT后向轨迹聚类分析方法,探讨北京地区主要气团传输轨迹,结合GDAS气象资料计算潜在源贡献因子。结果表明:1）2017年京津冀地区ρ（PM_2.5）年均为64.4μg/m3,比2016年下降11.5%,全年达标天数占比为74.2%。2）京津冀地区PM_2.5与气压、相对湿度呈正相关,其中气压与PM_2.5相关性最高;与风速、日照时长、温度、降水量呈负相关,其中日照时长与PM_2.5相关性最高。冬季比其他季节影响更为显著。3）从时间尺度看,冬季污染最严重,秋、春季稍好,夏季PM_2.5优、良级占92.4%;其中,1月平均ρ（PM_2.5）最高。4）从空间范围看,整体上京津冀地区呈现南高北低,南北差异相对明显,其中其北部承德、张家口、秦皇岛地区ρ（PM_2.5）最低,石家庄、邯郸PM_2.5污染较严重。5）源解析结果表明,冬季北京地区主要受本地污染源影响,在春、秋季节受周边区域源贡献因子PSCF值>0.4,河北、山东、河南等地对北京PM_2.5的污染有一定的源贡献。     

基于熵权法的汾渭平原城市空气质量模糊综合评价

为了促进科学减排、精准防治大气污染,选取PM_2.5、PM₁₀、SO₂、CO、NO₂、O₃作为评价因子,通过熵权法建立污染因子权重集,以扩展后的环境空气质量标准为基础,通过计算各评价因子的隶属度,对汾渭平原11个城市不同季节的环境空气质量进行模糊综合评价,得出各城市的大气污染水平及季节变化特征。结果表明:该地区各城市空气质量受季节影响变化大,春、夏、秋季空气质量明显优于冬季,PM_2.5、PM₁₀、SO₂、O₃为主要污染物,评价结果可客观全面地反映该地区不同季节环境空气质量状况。     

京津冀及周边地区“2+26”城市空气质量特征及其影响因素

京津冀及周边地区“2+26”城市为京津冀大气污染传输通道城市,也是我国空气污染最严重的区域之一.针对京津冀及周边地区“2+26”城市,利用中国环境监测总站公布的PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO数据,对2013—2019年京津冀及周边地区“2+26”城市大气污染特征进行分析,并探讨影响其空气质量变化的因素.研究表明:①2013—2019年京津冀及周边地区“2+26”城市空气质量总体向好,2019年ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（CO）和ρ（NO₂）比2013年分别下降了50%、41%、79%、49%和20%,ρ（O₃-8 h-90per）（臭氧日最大8 h平均值第90百分位数）比2013年升高了21%.②2013—2019年京津冀及周边地区“2+26”城市重污染天数持续减少,2019年比2013年下降67%,严重污染天数下降尤为明显,降幅达90%.优良天数比例虽然增加,但2016年以后基本稳定在50%左右,没有持续增加的趋势.③ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的最大值均出现在1月,ρ（O₃-8 h）（臭氧日最大8 h平均值）的最大值出现在6月.ρ（PM_2.5）越高,PM_2.5/PM₁₀和SO₂/NO₂越大,表明二次污染源和燃煤源的贡献越大.④就空间分布而言,ρ（PM_2.5）和ρ（PM₁₀）高值区主要集中在区域中南部太行山脉山前的平原地区,低值区主要集中在区域北部.⑤地理位置、气象条件、产业结构、能耗消耗以及减排政策是影响2013—2019年京津冀及周边地区“2+26”城市空气质量变化的重要因素.研究显示,随着大气污染防治减排措施实施的力度逐渐加大,政策影响已成为京津冀及周边地区“2+26”城市空气质量持续改善的最重要手段.      

焦作市PM2.5和PM10时空变化特征及其与气象因子的关系

为了研究焦作市大气中PM_2.5和PM₁₀污染状况,基于2018—2020年焦作市50个环境空气质量监测站点的PM_2.5和PM₁₀浓度逐时观测资料,结合气象资料,分析了焦作市PM_2.5和PM₁₀浓度的时空分布特征及气象因素影响。结果表明:1)焦作市PM_2.5和PM₁₀呈双峰型日变化,且具有显著的U形逐月变化规律及冬高夏低、春秋居中的季节性特征。2)2018—2020年PM_2.5和PM₁₀浓度年均值呈西南高东北低的空间差异性特征。与2018年相比,2020年修武县PM_2.5和PM₁₀浓度的下降幅度最大,分别为30.25%、22.72%。3) Spearman相关性分析表明,PM_2.5和PM₁₀浓度与气温、风速呈显著负相关;与气压呈显著正相关;相对湿度与PM_2.5浓度呈显著正相关,与PM₁₀浓度呈显著负相关。焦作市环保局监测站在东北风、西南风风向PM_2.5和PM₁₀浓度污染较重,博爱县清化镇、沁阳市西万镇和武陟县乔庙乡监测站在西南风风向易出现高浓度颗粒物。该研究结果可为日后工业地区大气污染防治,生产生活的合理规划与布局提供重要参考。     

基于APEI的2013—2018年福建省大气污染评价

为了在区(县、市)级尺度上准确衡量福建省大气污染情况,构建大气污染评价APEI指数。基于高分辨率大气污染数据集和夜间灯光数据,分析2013—2018年福建省78个县市大气污染程度时空变化特征及其影响因素的时空异质性。结果表明：1)福建省中心偏北县市大气污染程度小,东部沿海县市大气污染严重。近6年福建省78.21%的县市大气污染程度减弱;2)全省东部沿海区域空气污染严重,主要表现在NO₂和PM₁₀这2种大气污染物,均超过全省平均水平;3)从大气污染物时序变化趋势看,PM_2.5和PM₁₀变化相似,自2014年起逐年下降,到2018年分别下降约23.15%和12.21%,SO₂和NO₂分别下降明显。O₃呈U形变化,而CO则呈倒U形变化;4)全省6种大气污染物均呈现较明显的季节性波动特征;5)采用时空加权回归(STWR)模型分析夜间灯光对APEI影响的时空异质性,发现2014—2018年负向影响区域持续扩大;全省34个县市5年回归系数均为正值...     

汾渭平原秋冬季PM2.5化学组分特征及其来源

汾渭平原是我国空气污染最严重的区域之一,2018年被列为重点区域. 本研究针对汾渭平原11城市开展PM_2.5化学组分连续观测,分析PM_2.5浓度和主要化学组分的时空分布规律,并利用PMF模型解析PM_2.5污染来源. 结果表明:①2018—2019年秋冬季汾渭平原11城市ρ(PM_2.5)平均值为(101.4±65.4)μg/m3,是京津冀及周边地区“2+26”城市的1.1倍. 临汾市ρ(PM_2.5)最高(216.8 μg/m3),是汾渭平原的2.1倍. ②2018—2019年秋冬季汾渭平原PM_2.5的主要化学组分是有机物、硝酸根离子、地壳物质和硫酸根离子,其中地壳物质占比是京津冀及周边地区的1.6倍. ③受污染物排放、气象条件以及地理位置的影响,汾渭平原PM_2.5中有机物、硝酸根离子、地壳物质、硫酸根离子、铵根离子和氯离子的空间分布具有明显的差异性. ④随着污染的加重,硝酸根离子、硫酸根离子和氯离子在PM_2.5中的占比均逐渐增加,地壳物质、元素碳、微量元素等与一次排放相关的组分占比随污染加重逐渐减少,表明污染期间燃煤源管控仍需进一步加严,而对扬尘源和机动车等污染源的管控起到了良好的效果. ⑤重污染过程期间,相对湿度增加、风速减小是影响PM_2.5浓度上升的客观因素,二次组分以及与燃煤源和生物质燃烧源有关的化学组分的增长是影响PM_2.5浓度上升的重要原因,二次源和燃烧源是PM_2.5的主要来源. 研究显示,汾渭平原秋冬季PM_2.5污染较重,尤其需要关注燃烧源的管控.      

常熟市秋冬季典型大气重污染过程中PM2.5及其主要化学组分分析

利用2018-11-21—12-05常熟市空气质量自动监测站点的常规参数逐时数据、细颗粒物化学组分数据及大气颗粒物激光雷达监测结果,对常熟地区秋冬季一次重污染过程中PM_2.5及其主要化学组分（水溶性离子）的污染特征进行系统分析。结果表明:11-24—12-03常熟地区出现了一次持续重污染过程,PM_2.5浓度高值主要出现于高湿、小风、低边界层的天气条件下,且PM_2.5浓度与湿度呈显著正相关,受不利扩散条件下的局地污染累积及高湿状态下颗粒物二次转化影响较大。观测期间,二次离子（NO₃-、NH₄+、SO₄2-）在水溶性离子中占比较高,尤其是污染期,占比高达97%,受二次生成影响较大;其中,NO₃-在水溶性离子中占比最高。整个分析时段,SOR与NOR均值分别为0.38与0.22,污染期间SOR与NOR均值明显升高,分别达到0.47与0.32;4个阶段内仅有污染期时段的NO₃-、SO₄2-累积增长速率大于CO,此时NO₃->SO₄2-,该阶段主要受到NO₂二次转化影响,常熟市重污染期间应着重加强工业源与移动源的管控。     

基于一个发现污染类核心区域的聚类模型的大气污染情况分析

由于污染源受地形、地貌及气象等条件影响而分布多样,大气污染数据在空间中呈任意形状、任意密度的复杂分布。为探究这种大气污染分布状况,基于DP算法提出了1个发现污染类核心区域的聚类模型。以实现对污染数据不经统计直接聚类,在保持空气污染数据分布特征不变的基础上提取出关键污染数据,更准确地挖掘空气污染变化规律。将所提聚类模型和k-Means算法在由兰州市2017,2019,2021年各年1月污染物浓度小时数据构成的3个数据集上进行了对比分析。结果显示:所提模型在以上3个数据集上均能更清晰地挖掘出污染数据,在污染类核心区域中的关键污染数据分别为59.0%、57.2%和69.0%,且造成污染的首要污染物均为NO₂和颗粒物。此外,该模型从兰州市2021年1月数据中解析出,兰州市月污染变化由污染物NO₂和PM₁₀共同作用或交替作用引起,日污染变化在受污染小时数和首要污染物(NO₂和PM₁₀)出现次数上的变化趋势均呈双峰型,污染区域为城关区。并通过分析上述污染规律的成因,证明该模型在确保数据复杂分布不变的情况下提取关键污染数据的有效性。