关中地区PM2.5时空演化及人口暴露风险

近年来以细颗粒物PM_2.5为代表的大气污染已给人体健康带来严重风险.基于PM_2.5遥感反演数据和人口格网分布数据,测度关中地区人口暴露于PM_2.5的风险程度,并采用Theil-Sen Median趋势分析、Mann-Kendall检验和空间自相关分析等方法,探索2000~2016年关中地区PM_2.5及人口暴露风险的时空演化过程.结果表明：①2006、2007和2013年关中地区污染重且范围广,这3 a在40%以上区域PM_2.5年均质量浓度超过了35 μg·m^-3的限值,2000~2016年关中地区PM_2.5空间分布范围不断扩大,形成了自中部向东北部的连续带状集中分布区;②2000~2016年,关中地区几乎每年都有超过60%的人口暴露在PM_2.5年均35 μg·m^-3质量浓度限值以上,且人口暴露风险不断加剧,尤其是2011年后,人口暴露的高风险区范围持续增加;③2000~2016年关中地区PM_2.5人口暴露风险格局大体相似,较高等级以上风险区主要集中在关中地区中部,东西方向上形成连续的带状分布区,高值区集中在几个主要城市的中心城区,低值区则主要分布在关中地区周边广大区域.     

基于时空XGBoost的中国区域PM2.5浓度遥感反演

为了提高PM_2.5估算精度,获得连续的PM_2.5浓度空间分布,本文提出了一种时空XGBoost模型（STXGB）.STXGB模型引入克里金法,将地理信息和时间信息融合到XGBoost算法体系中,通过集成遥感数据、气象数据和地理信息数据建立了基于STXGB模型的PM_2.5质量浓度空间估算方法.最后,以2019年中国区域PM_2.5质量浓度月数据为例,采用基于样本、站点和时间的十折交叉验证法,评估了STXGB模型的性能,并与BP神经网络（BPNN）、随机森林（RF）、XGBoost、反距离加权XGBoost （XGBIDW）模型结果进行对比.结果表明,STXGB模型的预测精度优于其它模型,其中,STXGB模型验证的决定系数为0.92,均方根误差为6.51 μg·m^-3,平均预测误差为4.26 μg·m^-3,利用该模型生成的中国区域PM_2.5浓度空间分布更为合理.     

京津冀内陆平原区PM2.5浓度时空变化定量模拟

近年来我国京津冀地区霾污染日趋严重,为揭示该地区PM_2.5时空变化特征,以京津冀内陆平原为研究区,以MODIS AOD数据作为主要预测因子,采用混合效应模型建立研究区2013~2014年AOD-PM_2.5逐日变化的关系模型.利用十折交叉验证法对模型拟合进行验证.结果表明,采用混合效应模型对AOD-PM_2.5进行时间上的校准能够提高二者间的相关性,模型拟合的PM_2.5质量浓度与地面实测值间的R²为0.78,经过交叉验证后R²为0.70,RMSE、RPE分别为20.80 μg·m^-3、28.76%.针对研究区冬季AOD有效值非随机性缺失带来的采样偏差,用校正因子对模型预测的2013~2014年间PM_2.5平均浓度进行校正,结果表明研究区内PM_2.5平均浓度均高于75 μg·m^-3,南部和西部地区的PM_2.5浓度相对较高,北部和东部地区PM_2.5浓度相对较低,呈现出"南高北低、西高东低"的分布趋势.研究结果表明混合效应模型能够适用于近地面PM_2.5监测,也为该区域大气颗粒物污染治理提供了科学依据.     

基于空间尺度效应的山东省PM2.5浓度时空变化及空间分异地理探测

基于PM_2.5遥感数据,采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验,分析2000~2021年山东省PM_2.5浓度时空变化特征,结合地理探测器,在省-市-县三级空间尺度上探测影响山东省PM_2.5浓度空间分异的影响因子影响力.结果表明：①时间上,2000~2021年山东省ρ（PM_2.5）均值在38.15~88.63 μg·m^-3之间,略微高于《环境空气质量标准》中可吸入颗粒物的二级标准限值（35 μg·m^-3）.在年际尺度上,2013年是ρ（PM_2.5）变化的峰值年,其值为83.36 μg·m^-3,据此将山东省PM_2.5浓度变化趋势分为两个阶段：持续上升和快速下降阶段.在季节尺度上,PM_2.5浓度呈现“夏低冬高,春秋居中”分布特征和先降后升的“U”型变化规律.②空间上,山东省PM_2.5浓度呈现出“西高东低”的空间分布格局,PM_2.5浓度高值区分布山东省西部地区,低值区则分布在东部半岛地区.PM_2.5浓度空间变化趋势呈现显著的空间异质性,极显著下降的区域主要分布在东部半岛地区.③因子探测结果表明,气候因子是影响山东省PM_2.5浓度空间分异的重要影响因素,平均气温对山东省PM_2.5浓度空间分异的影响最高,q值为0.512.省-市-县多尺度探测结果显示,影响PM_2.5浓度空间分异的影响因子及其影响力在不同空间尺度上具有差异性.省级尺度上,平均气温、日照时数和坡度是影响PM_2.5浓度空间分异的主要影响因子;市级尺度上,降水、高程和相对湿度是影响PM_2.5空间分异的主要影响因子;县级尺度上,降水、平均气温和日照时数是影响PM_2.5浓度空间分异的主要影响因子.     

长三角城市群PM2.5时空变化和影响因素分析

为协调经济发展与环境污染之间的矛盾,实现经济社会的可持续发展.以长三角城市群为研究区,基于PM_2.5浓度和气象数据,分析PM_2.5浓度的时空变化规律,并利用小波相干（WTC）、偏小波相干（PWC）和多小波相干（MWC）,评估PM_2.5与气象因子在时频域中的多尺度耦合振荡.结果表明：①②③④⑥⑤⑦⑧⑨⑩长三角城市群PM_2.5浓度年均值由西北向东南梯度递减,高值区域空间范围逐年缩小.PM_2.5浓度季节均值与年均值的空间分布特征相似,并且具有冬季最高,夏季最低,春秋过渡的特点.② PM_2.5浓度从2015~2021年逐年下降,达标率逐年上升.PM_2.5浓度差异逐年缩小,具有动态收敛性特征.PM_2.5浓度在夏季的收敛性大于冬季.PM_2.5浓度日均值具有U型振荡特征,整个研究期间PM_2.5浓度等级为优和良的天数占比分别为49.72%和41.45%.③ PM_2.5与气象因子的相干性在不同时频域上存在差异.时频尺度不同,影响PM_2.5的主控因子也不尽相同.在所有时频尺度上,WTC结果表明风速可作为解释PM_2.5变化的最佳变量,PWC结果表明温度可作为解释PM_2.5变化的最佳变量.④时频尺度越大,多变量组合解释PM_2.5变化的相互作用越强,而温度和风速的协同作用可以更好地解释PM_2.5变化.结果可为长三角城市群空气污染防治提供参考.     

基于无人机垂直观测塔克拉玛干沙漠一次沙尘污染过程研究

利用多旋翼无人机于2021年7月30—31日对塔克拉玛干沙漠的塔中（飞行高度0~2000 m）、民丰地区（飞行高度0~1000 m）不同粒径 颗粒物浓度、气温、相对湿度和风速进行垂直观测,结合多地面站点、再分析资料、后向轨迹模型和卫星遥感数据,对沙尘污染过程中的影响 因素、颗粒物垂直分布特征及污染成因进行了分析.结果表明：①近地面低气温、高相对湿度、高风速的气象条件有利于沙尘污染事件的发生,通过无人机探测数据发现高相对湿度有利于颗粒物吸湿增长,气温和风速的上升能够加强大气对流运动,有利于污染物的输送.②在沙尘污染期间,塔中地区PM₁、PM_2.5和PM₁₀的浓度分别为0.8~45.7、1.0~267.0和1.0~588.7 μg·m^-3;民丰地区PM₁、PM_2.5和PM₁₀的浓度分别为21.5~126.9、39.6~263.6和48.5~520.6 μg·m^-3.③在沙尘污染期间,塔克拉玛干沙漠腹地颗粒物组成以粗颗粒物为主,南缘则以细颗粒物为主.民丰地区PM₁/PM_2.5比值（0.48~0.55）和PM_2.5/PM₁₀比值（0.55~0.83）在同时刻均高于塔中地区（PM₁/PM_2.5为0.18~0.33, PM_2.5/PM₁₀为0.33~0.51）.④天气形势和后向轨迹表明,此次污染主要由西风环流导致,气团分别从北面翻越天山和东面绕道进入塔克拉玛干沙漠,携带了塔克拉玛干沙漠东部地区沙尘颗粒和新疆北部人为污染物.⑤CALIPSO卫星数据表明,此次污染中气溶胶存在于海拔1~8 km之间,主要集中在低层（消光系数在 海拔1.0~2.2 km左右最大）.气溶胶类型为沙尘气溶胶、污染沙尘气溶胶和烟雾气溶胶,其中,沙尘气溶胶占主要部分.     

京津冀及周边MAIAC AOD和PM2.5质量浓度特征及相关性分析

基于2014~2018年京津冀及周边地区MAIAC AOD和PM_2.5质量浓度数据,探讨AOD和PM_2.5质量浓度的时空差异,并利用线性回归探讨两者之间的相关性.结果表明,PM_2.5日均浓度超标天数分别占33%和57%（执行世界卫生组织IT.1和IT.2日均标准值）,污染较为严重.Terra、Aqua MAIAC AOD和PM_2.5年均浓度均呈下降趋势,PM_2.5浓度呈现出冬春季高、夏秋季低的特点,而Terra、Aqua AOD则表现为春夏季高、秋冬季低.PM_2.5及AOD的季均和年均浓度均呈现"北低南高"的区域分布特征,高值区主要位于河北南部、山西南部、山东西部以及河南北部,低值区主要位于山西北部、河北北部以及山东东部.PM_2.5年均浓度介于27~99μg·m^-3,AOD年均值介于0.20~0.69.Aqua AOD与PM_2.5浓度的相关性更高,且不同季节Terra、Aqua AOD与PM_2.5相关性差异显著,总体均表现为春冬季良好,夏秋季相对较差.对卫星AOD进行垂直和湿度订正后,其与PM_2.5的相关性显著提高.     

PM2.5和O3污染协同防控区的遥感精细划定与分析

针对地面站点监测数据难以支撑大气PM_2.5与O₃污染防控区边界划定的问题,融合大气污染浓度遥感估算建模与GIS统计分析模型,提出了一种基于PM_2.5和O₃浓度遥感估算结果的协同防控区精细划定方法,开展了2015~2020年月和年尺度的全国PM_2.5与O₃污染协同防控成效定量分析与防控区精细划定研究.结果表明,2015~2020年,我国PM_2.5浓度总体下降显著但O₃浓度基本持平,PM_2.5污染在秋冬超标严重,O₃污染则在春夏;同时PM_2.5与O₃浓度变化在空间上的不一致性显著,其中PM_2.5下降且O₃上升、PM_2.5与O₃均下降、PM_2.5与O₃均上升和PM_2.5上升O₃下降的面积占比分别为38.34%、35.12%、15.24%和10.89%.遥感精细划定范围显示,PM_2.5和O₃协同防控区域的边界具有显著动态变化特征,在时间变化上呈现先扩大后缩小的趋势,主体范围集中在"2+26"城市、汾渭平原、长三角北部和山东半岛.以PM_2.5或O₃单一防控为主的区域范围较为稳定,辽吉、鄂湘赣、成渝和塔克拉玛干沙漠-河西走廊区域需以PM_2.5防控为主,珠三角、长三角和环渤海湾部分区域则应以O₃防控为主.基于卫星遥感手段的PM_2.5和O₃协同防控区域边界精细划定方法可更好辅助国家PM_2.5和O₃协同防控策略制定需求.     

2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响

利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM₁₀、PM_2.5和PM₁的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM₁₀、PM_2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM_(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM_(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM₁的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别.     

北京市2014~2020年PM2.5和O3时空分布与健康效应评估

细颗粒物（PM_2.5）和臭氧（O₃）是我国的主要大气污染物,严重危害人群健康.北京市自2013年以来大力开展大气污染治理工作,现已取得显著成效.通过分析2014~2020年北京市34个大气环境监测站的PM_2.5和O₃浓度变化特征并评估大气污染防治的健康效应,对推进大气污染防治具有重要意义.结果表明,2014年北京市PM_2.5年均值和4~9月平均O₃日最大小时（O_{3_max}）值分别为92.0 μg·m^-3和81.9 nmol·mol^-1.2014~2020年PM_2.5平均每年降低7.5 μg·m^-3,但是O_{3_max}持续偏高.在季节尺度,冬季的12月和1月PM_2.5浓度最高,夏季的8月浓度最低.相反地,O_{3_max}在每年6月浓度最高.PM_2.5浓度日变化规律为,夜间22：00至次日00：00最高,14：00~16：00最低.而O₃浓度在07：00最低,随后逐步升高并在午后达到最高.在空间分布上,PM_2.5在2014和2019年都呈现南高北低的趋势,O_{3_max}在全市范围内均较高,仅在道路区域偏低.大气污染对人群健康影响的评估结果表明,2014年北京市与PM_2.5相关的心血管和呼吸道疾病超额死亡人数分别为1580人和821人,与O₃相关的呼吸道疾病超额死亡人数为2180人.2019年与PM_2.5相关的超额死亡人数仅为2014年的50%,而与O₃相关的超额死亡人数与2014年持平.北京市细颗粒物治理成效显著,但是O₃污染问题凸显,O₃已经成为危害北京市居民健康的首要大气污染物.未来需要加强PM_2.5和O₃协同治理.     

邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

两湖盆地襄阳地区PM2.5重污染过程区域传输的观测和模拟分析

两湖盆地位于华中地区,横跨湖北、湖南两省,海拔高度低于200 m.襄阳为华中地区两湖盆地的“风口”,PM_2.5污染严重.为认识襄阳地区大气环境变化特征,对其2016年1月的大气污染过程进行研究分析,研究气象条件对PM_2.5浓度的影响.结果表明：冷空气南下入侵对两湖盆地襄阳地区产生PM_2.5重污染有重要驱动作用.强风是驱动大气污染物区域传输的主要因素,受东亚冬季风影响,上风方的PM_2.5跨区域传输到下风方两湖盆地,导致襄阳地区的PM_2.5污染水平上升.基于FLEXPART-WRF模式,定量估算了2016年1月襄阳地区4次PM_2.5重污染过程的区域传输贡献,估算发现4次大气重污染过程的外源贡献率均高于50.0%,最高达80.3%,体现了大气污染物区域传输对两湖盆地大气重污染事件的主导作用.两湖盆地襄阳地区PM_2.5污染主要潜在源来自东北路径,以华北平原为主.     

2013年1月邯郸市严重霾天气的污染特征分析

利用河北工程大学大气环境监测站点的PM₁₀、PM_2.5、SO₂和NO_x在线监测数据,并结合能见度、湿度数据,对邯郸市2012年12月1日到2013年1月31日的大气污染状况进行分析,特别是2013年1月持续发生的霾天气,以探讨严重霾污染的过程特征.结果表明,2013年1月,SO₂与NO_x的平均浓度分别为225.3 μg·m^-3和217.8 μg·m^-3,PM₁₀和PM_2.5的平均浓度分别为328.5 μg·m^-3和229.4 μg·m^-3,均超过新颁布的环境空气质量标准,是2012年12月平均浓度的1.4~3.5倍.重污染过程分析结果显示,污染峰值附近几天内PM₁₀、PM_2.5的时均浓度变化无明显规律.累积阶段的PM_2.5/PM₁₀在0.42~0.52之间,峰值前后上升并超过0.70,扩散阶段PM_2.5/PM₁₀降到0.70以下,且呈波动式变化.当PM_2.5/PM₁₀小于0.40时,能见度基本位于2~18 km之间;当PM_2.5/PM₁₀在0.40~0.60之间时,能见度在0.7~8 km之间;当PM_2.5/PM₁₀大于0.60时,能见度分布于2 km以下.     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_(2.5)和PM_(10)中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_(2.5)和PM_(10)进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_(2.5)和PM_(10)中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_(2.5)中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧源、扬尘源、机动车排放和工业源,贡献率分别为22.64%、 7.49%、 41.22%、 14.71%和13.94%.PM_(10)中元素来源主要有扬尘源、燃煤和铜冶炼的混合源、机动车排放和工业源,贡献率分别为55.47%、 19.80%、 7.48%和12.83%.由此可见,扬尘源和燃煤与铜冶炼的混合源是临沂市颗粒物污染形成过程中的重要源类.     

嵊泗地区大气PM2.5中汞形态污染及其与碳组分的关系

2014年11月~2015年8月在舟山群岛嵊泗岛上设定采样点采集了4个不同季节的大气PM_(2.5)样品.采用微波消解-原子荧光光度法测定了颗粒物中汞及其不同形态,采用热/光碳分析仪分析样品中有机碳(OC)和元素碳(EC).结果表明,嵊泗岛上大气PM_(2.5)中总汞(PBM)的质量浓度范围为0.02~1.25 ng·m-3,而单位质量颗粒物中汞的含量为(12.46±18.79)μg·g-1,比陆地城市PM_(2.5)的汞含量偏高.ANOVA分析结果表明,PBM的季节变化规律为:秋季春季冬季夏季.春秋季节汞的质量浓度较高,这表明春秋季节嵊泗地区的汞可能受到外来输送的影响.此外,大气PM_(2.5)中不同形态汞的分析结果表明,惰性汞(RPM)的比例最高,占53.1%.OC、EC均与PBM显示出明显的正相关性,表明碳组分有利于汞的气-粒转化.由于OC/EC比值间接反映了大气光氧化能力的高低,而OC/EC与可溶盐酸汞(HPM)呈显著正相关,这说明高浓度HPM主要来自于大气中的气-粒转化.char-EC/soot-EC与形态汞呈现显著负相关,表明嵊泗地区的大气颗粒汞主要受外界源输入的影响.     

中国典型城市群PM2.5污染特征研究进展

为进一步梳理近年来我国城市区域大气PM_2.5污染防治方面的研究成果,基于我国31个城市PM_2.5污染现状,以城市群为视角,总结了京津冀城市群、长三角城市群与川渝城市群PM_2.5组成与污染特征,分析了PM_2.5及其含碳气溶胶、水溶性无机离子、地壳元素等的整体特征,并在城市群间进行对比分析.结果表明:①3个城市群的ρ（PM_2.5）高低顺序依次为京津冀城市群>川渝城市群>长三角城市群,长距离传输使PM_2.5污染成为京津冀城市群、长三角城市群与川渝城市群面临的共同问题.②3个城市群的PM_2.5中均以SNA和OC为主,尽管ρ（PM_2.5）水平有下降趋势,但个别污染物（如SNA）略呈上升趋势.③京津冀城市群与川渝城市群的ρ（OC）接近,并且均高于长三角城市群的80%,较高的ρ（OC）/ρ（EC）反映我国城市群普遍存在SOC污染.④各城市群PM_2.5监测网（如监测时间和采样方法）发展水平迥异,城市群之间的相互影响和传输机制尚不清楚.建议今后的研究向以下几个方面扩展:①对城郊乡村等大气背景点,以及水库、湖泊等地化循环的重要源汇区域开展研究.②针对同一区域开展采样时段更长且研究方法和分析手段上保持一致的研究.③借用国外经验公式时需考虑我国国情,对基础研究方法开展一系列优化,建立符合我国国情的标准化研究方法.      

贵阳市大气颗粒物(PM2.5)污染特征及气象参数的影响

运用连续颗粒物采样仪(URG Model 2000-01J)对贵阳市城区大气颗粒物PM2.5进行了连续3个月(9~11月)的采集与分析,探讨了PM2.5的浓度分布特征、气象条件的影响。结果显示,贵阳市大气颗粒物PM2.5的平均质量浓度为53±27μg/m3,变化范围为3.7~186μg/m3;初步推断大气颗粒物PM2.5的污染来源主要是燃料燃烧、生物质燃烧、汽车尾气等人为源;相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

上海地区降雨清除PM2.5的观测研究

分析2012—2016年上海徐家汇站的雨量和颗粒物(PM_1、PM_(2.5)、PM_(10))观测数据发现,降雨对PM_(2.5)的湿清除作用明显,降雨日的PM_(2.5)质量浓度较非降雨日平均降低约30%,在污染季节降低更加显著约50%.降雨时PM_1在PM_(2.5)中的占比明显下降,PM_1质量浓度下降幅度占PM_(2.5)下降幅度的84%,表明降雨对PM_1的有效清除是PM_(2.5)质量浓度下降的主要原因.降雨过程结束后PM_(2.5)质量浓度是否下降和降雨前PM_(2.5)的初始质量浓度关系密切,当初始浓度在冬季大于70μg·m~(-3)、在其他季节大于45μg·m~(-3)时,80%以上的降雨过程结束后PM_(2.5)质量浓度较降雨前下降,因此可作为研判降雨过程对PM_(2.5)湿清除影响的预报因子.