2015年福州市大气颗粒物污染特征

为了解福州市大气颗粒物污染状况,利用中国环境监测总站发布的实时大气环境监测资料,结合气象资料和HYSPLIT4轨迹模式,分析了2015年福州市大气颗粒物污染特征和典型污染过程.结果表明:2015年福州市ρ（PM₁₀）、ρ（PM_2.5）年均值分别为55.8和29.2μg/m3,均低于GB 3095-2012《环境空气质量标准》二级标准限值.颗粒物浓度季节性变化特征明显,表现为冬春季高、夏秋季低的变化特征. ρ（PM_2.5）/ρ（PM₁₀）为52%,普遍低于我国东部其他大中城市;日际变化明显,受混合层高度日变化和机动车排放的影响,呈双峰形态. ρ（PM_2.5）/ρ（PM₁₀）日变化趋势与ρ（PM₁₀）日变化特征相反,即ρ（PM₁₀）高时ρ（PM_2.5）所占比例低,ρ（PM₁₀）低时ρ（PM_2.5）所占比例高,表明早晚高峰机动车排放所造成的颗粒物污染以粗颗粒物贡献为主.福州市颗粒物污染天气成因主要有"积累型"和"输送型"污染. 2015年1月5-6日发生的污染过程,是在一次静稳、高湿天气形势下,本地排放的污染物在不利于扩散的气象条件下聚集、二次转化,导致颗粒物浓度升高、能见度降低. 2015年1月17-19日的污染过程主要是北方污染物随冷空气输送南下,导致本地颗粒物浓度迅速升高、能见度迅速降低.研究显示,福州市PM₁₀和PM_2.5优良率较高,颗粒物污染主要发生于冬季,污染成因包括局地累积和区域输送.      

北京市冬春季大气颗粒物的粒径分布及消光作用

2004年1─5月,在北京市区连续监测了大气环境中ρ(PM₁₀₎,ρ(PM_2.5),ρ(PM₁)和ρ(TSP),以及大气能见度、地面气象要素.结果表明:春节期间颗粒物中细粒子所占的比例较高,ρ(PM₁)/ρ(PM_2.5)为0.81,ρ(PM10)/ρ(TSP)为0.61;而沙尘期其值分别为0.55和0.28.不同粒径的颗粒物质量浓度均呈在明显日变化,其夜间浓度峰值高于早晨交通繁忙时段.根据经验公式,将大气能见度换算为大气消光系数,并导出颗粒物消光系数.结果表明:颗粒物消光系数与颗粒物质量浓度呈显著正相关.进一步定义了颗粒物质量浓度消光比(CE_P),用来表征颗粒物的污染特征.统计分析结果表明:当CE_P<103时,颗粒物质量浓度很低,PM_2.5所占比例较高,代表了有利于污染扩散的气象条件;当CE_P>167,颗粒物质量浓度高,但细粒子比(ρ(PM_2.5)/ρ(PM₁₀₎)稳定在0.5～0.7,湿度也稳定在20%～50%,代表了不利于污染扩散的气象条件.      

甘肃省区域颗粒物时空分布特征及传输路径

基于甘肃省2018~2019年颗粒物质量浓度监测数据,分析了全省大气颗粒物浓度的时空变化及排放特征,并利用HYSPLIT后向轨迹模式研究了颗粒物传输路径.结果表明：颗粒物（PM₁₀和PM_2.5）空间分布呈现区域特征：PM₁₀浓度高值位于河西走廊地区,由北向南呈阶梯式递减;PM_2.5以陇中地区为高值中心,向南北两侧递减,陇南地区为全省颗粒物清洁区.不同地区PM₁₀与PM_2.5地面浓度季节变化特征存在差异,陇中、陇东和陇南地区PM₁₀和PM_2.5浓度变化特征一致,陇中和陇东地区颗粒物（PM₁₀与PM_2.5）浓度冬高夏低,陇南地区则为冬高秋低;河西走廊PM₁₀和PM_2.5浓度季节变化不同,PM_2.5冬高夏低,PM₁₀春高夏低.后向轨迹聚类结果表明全省春季、冬季均受到来自中亚及新疆的偏西气流影响,该路径输送下可吸入颗粒物（PM₁₀）浓度明显高于其他路径,是典型的沙尘输送路径,4大分区受沙尘传输影响程度依次为河西 > 陇中 > 陇东 > 陇南,来自陕西、川渝的偏东路径是陇南地区颗粒物的主要输送路径,该路径下PM_2.5/PM₁₀比值大于0.5,明显高于偏西路径,说明偏东路径人为源污染贡献显著.研究结果有助于全面认识全省颗粒物污染特点、为分区制定颗粒物污染防治政策、以及区域污染协同治理提供科学的参考依据.     

气象条件对河北廊坊城市空气质量的影响

气象条件是影响大气污染的重要因子.利用2013年3月—2014年2月廊坊颗粒物质量浓度监测资料、自动气象站观测资料和欧洲中期天气预报中心再分析资料,采用多种统计方法分析气象与污染的关系,量化天气形势和局地气象条件对城市颗粒物质量浓度变化的贡献.结果表明:天气形势是决定局地气象要素和城市空气质量的重要因子.当廊坊位于高压中心或高压后部时,大气层结稳定,易造成重污染;当廊坊位于高压前部(气压梯度较大)时,大气层结不稳定,易于污染物输送和扩散.利用客观天气分型结合污染物质量浓度统计分析方法,可以量化天气形势对城市空气质量的影响.在局地气象要素中,能见度与ρ(PM_2.5)、ρ(PM₁₀)相关性最高(相关系数分别为-0.75和-0.53,下同),其次依次为风速(-0.45和-0.31)、相对湿度(0.41和0.25)和温度(-0.15和-0.06).通过污染物浓度与局地风场关系分析发现,廊坊颗粒物质量浓度受天津市、河北省南部区域输送的影响明显,受北京区域输送的影响相对较弱.研究显示,气象条件可以解释廊坊ρ(PM_2.5)和ρ(PM₁₀)日均值变化的56%和49%,其在冬季对颗粒物质量浓度影响最为显著,春秋季次之,夏季影响最小.      

唐山一次冬季重污染过程污染特征及成因分析

选取河北省唐山市2017年12月27~31日一次典型重污染过程,开展其污染特征及成因分析,对污染期间气象要素、大气颗粒物组分特征进行综合研究.结果表明,此次大气重污染过程中PM_2.5平均质量浓度为154μg/m³,重度污染及以上时PM_2.5/PM₁₀为0.7;PM_2.5中SNA质量浓度占比达58.0%,OC/EC的比值为4.1,说明颗粒物二次反应和有机物在此次污染过程有较大贡献;长期均压场以及近地面高湿、小风、逆温的出现导致唐山地区大气层结稳定,加之周边地区区域传输的贡献,是导致此次大气重污染过程的重要影响因素.     

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.      

利用轨迹模式研究上海大气污染的输送来源

利用HYSPLIT4模式和全球资料同化系统(GDAS)气象数据,计算了2010年12月─2011年11月期间抵达上海的气流后向轨迹. 结合聚类方法和上海ρ(SO₂)、ρ(NO₂)、ρ(PM₁₀)数据,分析了各季节不同类型气流轨迹对污染物浓度的影响,利用引入权重因子后的潜在源贡献算法分析了不同季节PM₁₀和NO₂潜在WPSCF(源区分布概率)特征. 结果表明:上海气流输送季节变化特征明显. 冬、春和秋季,上海较易受到来自西北、西南等区域的大陆性气流影响,受沙尘或人为污染排放的影响相对较大,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)平均值相对较高,分别为162、74和53μg/m3. 夏季上海主要受较清洁的海洋性气流影响,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)相对较低,分别为47、19和36μg/m3. 上海PM₁₀和NO₂的WPSCF分布特征类似,在冬、春和秋季,WPSCF高值(0.2~0.4)主要集中在江苏南部,河南、安徽等地的带状区域也有一定贡献,说明这些区域是上海这2种污染物的潜在源区. 夏季WPSCF的分布较为集中,上海以外区域值基本小于0.1,说明外来污染输送的贡献较小.      

2013—2015年中国PM2.5污染状况时空变化

自2013年我国首次开展全国范围PM_2.5近地面监测以来,少有研究从全国空间尺度分析近3年全国PM_2.5污染状况时空变化的总体特征,识别PM_2.5污染加剧或缓解的空间范围,更缺乏直接对比评估国家大气污染重点防控区内外PM_2.5污染特征变化的差异.基于2013—2015年PM_2.5监测数据,综合运用时空统计分析与空间插值制图手段,揭示近3年ρ(PM_2.5)及不同等级污染天数的时空变化格局,并着重对比分析“三区十群”区域内外ρ(PM_2.5)的变化差异.结果表明,2013—2015年,全国持续监测的413个站点中有335个监测站点ρ(PM_2.5)年均值下降,其中218个站点实现连续两年年均浓度降低,74个站点ρ(PM_2.5)年均值降至符合国家二级标准;全国大部分地区ρ(PM_2.5)年超标率由50%以上降至30%以下,重度污染站点占比由88.38%降至73.77%,严重污染站点占比由65.86%降至36.35%;长三角城市群、长株潭城市群、武汉及周边城市群、陕西关中城市群PM_2.5污染呈现明显好转趋势;西藏、云贵高原以及海峡西岸城市群、珠三角城市群等沿海地区ρ(PM_2.5)一直较低,空气质量相对优良;但与此同时,京津冀城市群、山东半岛城市群及河南中部和北部地区仍是中国PM_2.5重污染区域,新疆西南部、合肥、南昌等地区逐渐形成新的PM_2.5重污染格局.      

鞍山大气颗粒物浓度的变化特征

利用鞍山大气成分监测站Grimm180观测的2007年颗粒物数浓度,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM_1.0)以及台站的常规气象观测资料,分析了该地区颗粒物数浓度的谱分布、质量浓度的变化特征及与气象条件的相关性. 结果表明:颗粒物数浓度谱分布符合Junge分布;参数υ与能见度呈负相关,υ值越大且PM0.45占PM₁₀的数浓度比例小于90%,能见度较差;颗粒物质量浓度日变化呈双峰特征,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM_1.0)之间有很好的相关性,ρ(PM_2.5)/ρ(PM₁₀₎平均值为0.654,ρ(PM_1.0)/ρ(PM_2.5)的平均值为0.832,ρ(PM_1.0)/ρ(PM₁₀₎平均值为0.545;鞍山地区年主导风向为SE,颗粒物质量浓度变化受辽宁沙尘移动路径的影响较小,主要受排放累积型污染影响,其中大雾天气条件下颗粒物质量浓度较高,大雾期间的回归方程截距较年平均回归方程的大,这对研究颗粒物质量浓度的突变特性具有指示作用.      

汾渭平原吕梁市颗粒物潜在源及输送通道分析

基于汾渭平原吕梁市2017~2019年颗粒物浓度监测数据和地面气象观测数据,利用后向轨迹聚类分析法以及潜在源贡献函数(PSCF)等方法研究了吕梁市冬季PM₁₀和PM_2.5大气污染特征及其潜在源区,最后结合轨迹密度分析法(TDA)、轨迹停留时间分析法(RTA)对轨迹聚类分析得到污染输送通道进行补充分类,并分析了不同输送通道的输送特征.研究发现,吕梁市2017~2019年颗粒物年均浓度逐年下降,其中PM₁₀下降了28μg/m³,PM_2.5下降了17μg/m³,冬季下降幅度最大.3a冬季风向风速和浓度的统计分析表明吕梁市颗粒物浓度受东北和西南风影响最为显著,其原因是受当地三川河河谷地形的影响.影响吕梁市PM₁₀污染的潜在源区主要位于西南方向,PM_2.5污染的潜在源区主要分布在西南、东和东南方向,颗粒物污染输送通道可概括为:西北、西南和偏东(东+东南)通道.西北通道气流移动速度快,途经新疆、内蒙、甘肃和陕西北部等区域;西南通道气流移动速度慢,主要途经陕西中南部渭河平原等污染严重的区域;偏东通道的气流移动速度慢,气流先沿太行山东麓南下,在经过太行山的横断山谷(太行陉、井陉等)时转向进入山西.PM₁₀污染时西北通道贡献最大,偏东通道贡献最小,且两个通道下绝大多数发生的均是轻度污染,占比都在90%左右;PM_2.5污染时三类通道下发生轻度污染的比重较PM₁₀均下降,西南和偏东通道下发生中度污染以上的比重在50%左右,且西南和偏东通道途经的区域恰好是PSCF计算得到的潜在源区位置,说明了西南和偏东气流容易将细颗粒物输送至吕梁.WRF (天气预报模式)的风场模拟较为直观的解释了三类污染输送通道,且复杂地形是形成污染输送通道的一个重要因素.西北和西南污染输送通道主要受吕梁山脉的影响,偏东污染输送通道主要受太行山及其横谷的影响.     

2002年北京PM10时间序列及其成因分析

以北京2002年的ρ(PM₁₀₎日平均值和气象要素观测资料为例,根据小波分析的原理,利用Matlab小波分析工具,对逐日ρ(PM₁₀₎时间序列进行分解和重构,分析了该地区ρ(PM₁₀₎的年变化规律和突变特征.结果表明:2002年北京PM₁₀污染季节性变化强,春季最严重,冬季次之,夏、秋季节较好;全年共有4个突变点,均出现在沙尘暴或强沙尘暴期间,并指出沙尘天气是北京ρ(PM₁₀₎发生突变的主要影响因素.在此基础上,根据形成原因及气象资料分析,将2002年PM₁₀重污染天气过程分为沙尘型和排放累积型2类,并阐述了形成各类PM₁₀重污染天气的气象原因.      

上海市大气中PM10浓度的统计分析

以上海市2002年-2009年的PM10实测数据和同步气象资料为研究对象进行上海市PM10污染分析研究。对2002年-2009年的监测数据进行分析、归纳,得到了上海市可吸入颗粒物(PM10)浓度的季节变化规律、每日小时变化规律以及上海市不同地区可吸入颗粒物(PM10)浓度的分布特征,并对这种特征及变化规律进行了详尽地分析。研究表明上海市空气环境质量在逐年好转,其标志是累计超标污染天数每年减少5天;在一年当中,污染天数最多的是冬季,其次是春季,最少的是夏季;在空气环境质量逐年好转的大趋势下,针对其产生的原因进行了分析。     

兰州市冬春两季PM_(10)重度污染的气象条件分析研究

根据兰州市环境监测站2001年1月1日～2005年12月31日兰州市区空气质量日报和同期兰州气象观测资料,分析了兰州市区可吸入颗粒物(PM10)和PM10重度污染季节分布特征。结果显示:5年间兰州市共出现108dPM10重度污染,其中97d分别出现在春季(3～4月)和冬季(12～2月)。其日平均浓度变化在春季和冬季分别表现为"陡峰型"和"缓慢累积型"。春季造成PM10重度污染的原因是强沙尘暴东移向下游的兰州输送大量尘土,主要由"外源"造成,污染日前后气象要素变化剧烈。冬季PM10重度污染由于地面连续处于地面高压和均压场影响之中,加之冬季近地面有逆温层结,抑制了污染物的扩散,地面气象要素表现为水平风速小、能见度差。     

广州市主干道附近大气污染物浓度的特征及影响因素研究

为研究城市主干道边的空气污染状况,通过采用自动监测系统,在2007年1月至2月期间,对广州市新港西路两侧以及附近大学校园内的空气质量进行监测,获得了其空气污染物浓度的特征：（1）空气污染水平高,NO2与PM10日均值超标率较高;（2）污染物时空分布不均匀,NO浓度白天通常比夜间高,路边监测点NO小时浓度为校园对照点浓度的3倍左右。同时,分析了污染物浓度与气象条件及主干道交通流量的关系。结果表明：污染物浓度与气象因素之间有较高的多元线性相关性,但与单个因素的相关性不强;路边监测点的NO小时浓度和校园对照点的N0。小时浓度均与车流量有较高的相关系数,而PM10与车流量无显著相关性。综合考虑气象因素与交通流时,多元线性回归方程的复相关系数更高。     

龙华新区灰霾污染特征研究

根据龙华新区2个空气监测站2012年监测数据、气象数据以及不同污染源的排放数据,分析龙华新区空气质量现状,灰霾日数与PM2.5和PM10的相关性,并通过AERMOD模型着重探讨PM2.5和PM10的污染特征,计算不同污染源对PM2.5和PM10浓度的贡献率。结果表明,灰霾日数和PM2.5、PM10浓度均表现为明显的季节性变化,变化趋势较为一致,且灰霾日数与PM2.5的相关性较PM10更显著。龙华新区PM2.5和PM10主要来自本地源,其中PM2.5的主要来源为机动车尾气和道路扬尘,而PM10的主要来源为施工项目和裸地。     

吉林市大气中PM10和PAHs污染特征

研究了吉林市大气PM10的污染水平和其中优控PAHs总量的地区和季节分布特征。同时对PM10与PAHs的相关性进行了分析。研究表明，PAHs与大气PM10的地区分布大致成正相关，春季最重，夏季最轻：哈达湾最重，江南公园最轻。两者同时受到污染源排放和气象因素的影响。     

2009年8~9月成都市颗粒物污染及其与气象条件的关系

对成都市3个不同点位PM2.5和PM10进行了为期30d的连续观测,研究了大气颗粒物浓度的时空分布特征,及其与气象条件的关系.研究表明,观测期间成都市大气颗粒物PM2.5和PM10质量浓度日均值分别为66,94μg/m3,两者浓度变化范围较大,但变化趋势相同.从空间分布来看,大气颗粒物浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;从时间分布来看,大气颗粒物污染最严重出现在9月17~19日,9月5~9日2个时间段,不利的气象因素和污染物的累积是造成该时间段大气颗粒物污染加重的主要原因.PM2.5与PM10质量浓度的相关性为0.93,PM2.5对PM10的贡献较大,两者质量浓度的比值达0.69.气温对大气颗粒物浓度变化没有显著影响;降水以及风速对颗粒物浓度影响较大,主要是对颗粒物的湿清除和促进扩散作用;在一定相对湿度范围内,高湿度条件容易造成大气颗粒物的较重污染.能见度与大气颗粒物浓度呈明显负相关性,且与PM2.5的相关系数大于与PM10的相关系数.     

广州大学城大气PM_(2.5)质量浓度与影响因素

选择广州大学城代表性学生宿舍、教室、食堂等多个室内采样点及几个室外采样点,准确测定各采样点大气中PM2.5的质量浓度,分析各室内和室外采样点大气中PM2.5污染程度及分布特征;根据同步记录的气象数据,分析评价气象因子对大气PM2.5质量浓度的影响。     

北京东南郊大气TSP中多环芳烃浓度特征与影响因素

对2005-03～2006-01北京市东南郊3个采样点大气总悬浮颗粒物（TSP）样品进行分析,总结了研究区内TSP以及TSP中16种PAHs的浓度特征和季节变化规律.研究区内16种PAHs浓度总和的范围在0.29～1?184.48 ng/m³之间,均值为239.44 ng/m³;分别用气象参数（温度、风速、气压、相对湿度）和大气API指数（二氧化硫、二氧化氮、PM₁₀）与PAHs浓度进行了偏相关分析,结果表明温度和SO₂的API指数与PAHs浓度相关显著,应用逐步回归方法得到PAHs对气象参数和大气API指数的回归方程,分别为∑16PAHs=572.56-23.18t和∑16PAHs=5.99 SO₂,可以利用温度和SO₂的API指数对PAHs浓度进行估算.     

“十一五”期间太原市环境空气质量及影响因素分析研究

依据太原市环境空气质量监测数据,采用Daniel趋势检验法,综合污染指数法和回归分析法研究了“十一五”期间太原市的环境质量变化趋势和影响因素.结果表明,从年均浓度值分析来看,除NO2外,SO2和PM10都存在超标现象,长期来看,三种污染物浓度下降趋势明显,这与太原市环境保护行动密切相关.月际间浓度值差异除PM10在春季出现波动外,SO2和NO2均呈现“U”型曲线,这种规律与气象条件密切相关.三种主要大气污染物污染指数都有所下降,但太原市区空气污染仍以SO2和PM10为主,说明烟煤型污染的空气污染特征没有改变.主要大气污染物的空间浓度分布不均与地形和气象特征以及城市布局和污染源排放有直接关系.太原市“十一五”期间大气环境质量整体改善,但形势依然严峻.