北京西山冬季针叶树种叶片滞纳PM_(2.5)功能研究

以北京西山8种针叶树为研究对象,应用气溶胶再发生器对不同植物叶片冬季PM_(2.5)吸附量进行测定,应用环境扫描电镜观察了叶表面微形态特征结构,阐释了不同树种叶表面结构与吸滞PM_(2.5)关系。结果表明:冬季单位叶面积PM_(2.5)吸附量排序为雪松((3.04±0.39)μg/cm~2)油松((2.93±0.32)μg/cm~2)红松((2.87±0.28)μg/cm~2)白皮松((2.79±0.29)μg/cm~2)侧柏((2.19±0.20)μg/cm~2)冷杉((1.89±0.33)μg/cm~2)龙柏((1.80±0.25)μg/cm~2)桧柏((1.75±0.19)μg/cm~2),从冬季不同月份来看,不同树种单位叶面积PM_(2.5)吸附量表现为2月((2.81±0.59)μg/cm~2)1月((2.45±0.53)μg/cm~2)12月((2.33±0.51)μg/cm~2)11月((2.05±0.48)μg/cm~2);雪松、白皮松和油松有大量凹陷和突起,气孔密度和开度较大,叶表面较粗糙,吸滞PM_(2.5)能力强;冷杉、龙柏和桧柏因其叶表面平滑、气孔密度较小,绒毛较少,吸滞PM_(2.5)能力较弱。因此,为提高城市植被的环境效应,可选择叶表面形态有利于吸滞PM_(2.5)等颗粒物的树种。     

重庆市北碚大气中PM2.5、NOx、SO2和O3浓度变化特征研究

重庆是我国西南工业重镇,但长期受大气污染困扰.利用全自动在线环境监测仪器,于2012年1月—2014年2月,对重庆市北碚区大气中的典型污染物PM2.5、NO_x、SO_2和O_3进行了观测研究.结果表明:重庆北碚大气首要污染物为PM2.5,2012和2013年平均浓度分别为(67.5±31.9)和(66.6±37.5)μg·m~(-3),是国家环境空气质量一级标准35μg·m~(-3)的1.9倍,两年超过国家二级标准的天数分别为119和126 d,年超标率均大于1/3;两年NO_x,SO_2及O_3的年平均浓度分别为(57.1±24.6)和(55.1±36.6),(43.1±24.0)和(35.0±21.9)及(31.1±24.9)和(48.5±37.4)μg·m~(-3).大气污染物浓度具有明显的季节变化特征,PM2.5和NO_x冬季污染最为严重,两年冬季平均值分别比两年年平均值高33.6%、59.6%和43.2%、8.5%;O_3表现为夏高冬低;SO_2春季最高且污染最轻.大气污染物日变化显示PM2.5和NO_x浓度呈双峰日变化形式,有早晚两个峰值,与城市交通高峰相对应.SO_2和O_3浓度呈单峰日变化,前者峰值出现在午前10∶00—12∶00大气对流层被打破之后,而后者峰值出现在午后16∶00局地光化学最强之时.消减各种污染源的颗粒物直接排放,消减气态污染物SO_2和NO_x的工业排放,消减机动车NO_x和VOCs等的排放,才有可能使重庆北碚的大气污染状况得到改善.     

邯郸市大气复合污染特征的监测研究

利用邯郸市4个大气环境监测站点的PM2.5、PM10、O3等在线连续观测数据,对2013年全年的PM2.5、PM10、O3的浓度水平、变化规律和PM2.5/PM10的变化情况进行了分析,并从地形、气象、污染物排放及冬、夏季逐时PM2.5、O3和各类气体污染物浓度之间的关系等方面进行了研究.结果表明:12013年PM2.5、PM10的年均浓度分别为139和238μg·m-3,分别是国家二级标准的4.0倍和3.4倍.PM2.5、PM10日均浓度超过标准的天数均在280 d左右,全年3/4以上天数均超标.其颗粒物污染程度甚至超过北京、天津、长三角和珠三角等超大城市或城市群,属于严重超载的红色预警地区.整个采暖期PM2.5、PM10平均浓度分别为209和322.1μg·m-3,为非采暖期平均浓度的2倍和1.6倍;同时,采暖期PM2.5/PM10平均值为63%,高出非采暖期10%,采暖期细颗粒物污染问题特征明显.22013年O3日最大8小时平均浓度的最大值为238μg·m-3,是国家二级标准的1.5倍,超标天数为53 d,超标率为14.5%;最大时均浓度为288μg·m-3,是国家二级标准的1.4倍,超标小时数为148h,占全年有效数据的1.7%;与北方城市相比,其污染程度超过北京、天津等,略低于洛阳污染水平.3邯郸市大气复合污染的形成,除了区域大气环流与特殊地形叠加影响外,还主要归因于相对较高的人为源大气污染物排放,因此,要想走出复合污染的困局,减排是硬道理,解决灰霾污染需开展颗粒物、NOx、SO2等污染物的协同控制.     

植物叶表尘及重金属对城市大气颗粒物污染的指示与评估

城市大气颗粒物污染问题日渐突出,目前主要依靠大气站点的直接观测数据反映污染的即时状况,而植物叶表尘及重金属的监测为评价大气颗粒物阶段性污染状况提供了新的途径.本研究通过分析北京交通带和公园共7个样点的臭椿(Ailanthus altissima)、槐(Sophora japonica)、北京杨(Populus beijingensis)、榆树(Ulmus pumila)、紫叶李(Prunus cerasifera f.atropurpurea)等5种常见绿化树种的叶表尘及重金属Cd、Cr、Cu、Mn、Ni、Pb、Zn含量,并计算尘金属综合累积指数(MAI),进而与邻近站点大气颗粒物观测数据对比并进行统计分析,尝试量化评价植物所处环境的大气颗粒物及尘重金属综合污染状况.结果表明:采用榆树叶表尘可量化评价大气可吸入颗粒物PM10的月均质量浓度,相对误差为1.2%~10.6%;臭椿叶表尘可量化评价大气细颗粒物PM2.5的月均质量浓度和月均空气质量指数(AQI),相对误差分别为0.18%~3.7%和0.26%~5.7%.MAI值可指示大气尘重金属综合污染状况,本研究中京承高速和朝阳公园大气尘重金属综合污染较重,其次为念坛公园、望京公园和玉蜓桥,最轻为岳各庄桥和麋鹿苑.     

广西玉林市大气PM10和PM2.5中有机碳和元素碳污染特征分析

2015年7月~2016年3月期间在广西玉林市3个空气监测点位共采集环境大气颗粒物PM_(10)样品218份,PM_(2.5)样品202份,利用多波段热/光碳分析仪分析其颗粒物中有机碳和(OC)和元素碳(EC)浓度水平、时空变化、污染特征及可能来源.结果表明,玉林市PM_(10)中OC和EC质量浓度分别为10.99μg·m~(-3)和5.11μg·m~(-3);PM_(2.5)中OC和EC质量浓度分别为7.51μg·m~(-3)和4.70μg·m~(-3).3个监测点位大气中PM_(10)和PM_(2.5)冬季的OC和EC浓度水平均高于其他季节,PM_(10)、PM_(2.5)中OC和EC的相关性较好,R2分别为0.58和0.60(P均小于0.01).应用最小OC/EC比值法对二次有机碳(SOC)含量进行了估算,冬季大气PM_(10)和PM_(2.5)中SOC平均质量浓度分别为14.50μg·m~(-3)和6.74μg·m~(-3),高于其他季节.PM_(10)和PM_(2.5)中SOC/OC比值均0.5,玉林市大气中粗细颗粒物均以SOC为主.夏季PM_(10)和PM_(2.5)中SOC/OC分别为80.6%和77.7%,为四季最高值,与夏季温度较高、光照强烈、有利于光化学反应将OC转化为SOC有关.     

重庆市北碚城区气溶胶中水溶性无机离子的质量浓度及其粒径分布

为了研究重庆市北碚区城区气溶胶中水溶性无机离子的浓度和分布特征,于2014年3月~2015年2月利用安德森采样器连续采集大气气溶胶分级样品,并用离子色谱法分析了不同粒径(9.00、5.80、4.70、3.30、2.10、1.10、0.65和0.43μm)中Na~+、NH~_4~+、K~+、Mg~(2+)、Ca~(2+)、F-、Cl-、NO_3~-、SO_4~(2-)这9种水溶性无机离子.结果表明,SO_4~(2-)、NH~_4~+、NO_3~-、Cl-、Na~+、K~+主要分布在细粒子中,Mg~(2+)、Ca~(2+)、F-主要分布在粗粒子中.SNA(SO_4~(2-)、NH~_4~+和NO_3~-三者的简称)呈明显单峰型分布,其峰值均出现在0.65~1.10μm的液滴模态,且在细粒子中主要以(NH4)2SO4和NH4NO3形式存在.SO_4~(2-)的形成主要来自云内过程,部分来自SO_2的氧化.Na~+、Cl-、Mg~(2+)在粗、细粒子中呈双峰型分布;K~+在0.43~1.10μm呈单峰型分布;F-、Ca~(2+)在粗粒子中出现峰值.观测期间,PM2.1和PM9.0中总水溶性离子的年均质量浓度分别为(32.68±15.28)μg·m~(-3)和(48.01±19.66)μg·m~(-3),且浓度具有相似季节变化特征,均表现为冬季春季夏季秋季.大部分离子(Na~+、NH~_4~+、K~+、Cl-、NO_3~-、SO_4~(2-))浓度表现为冬春季偏高,夏秋季偏低;而少数离子(F-、Mg~(2+)、Ca~(2+))浓度在秋季最低,其他季节浓度变化稍有不同.SNA是PM2.1中最主要的水溶性离子;而PM9.0中水溶性离子的主要成分除了SNA外,还包括Ca~(2+).PM2.1和PM9.0中阳离子总浓度明显高于阴离子,且不同离子间均具有一定的相关性.主成分分析结果表明,该地区水溶性离子的主要来源包括机动车尾气的排放源、燃烧源、土壤源和建筑道路扬尘.分析气象因素的影响,发现气温对二次离子的生成有明显关系(P0.05),而相对湿度、风速的影响则不显著(P0.05).     

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.     

奥运时段北京及近周边区域空气污染观测与比对分析

为研究奥运时段北京与近周边区域空气质量的相互影响,评价区域污染源协同减排对奥运时段北京空气质量的作用,寻求北京空气污染预警的有效途径,2008-06-01～2008-10-03在北京奥运村以及近周边的河北涿州、廊坊、香河、燕郊进行了空气污染联网观测.结果表明,夏秋季节北京和近周边首要污染物均为颗粒物,北京和周边可吸入颗粒物(PM10)平均质量浓度分别为(114±66)μg/m3和(128±59)μg/m3;细粒子(PM2.5)质量浓度则分别为(77±47)μg/m3和(81±51)μg/m3;臭氧质量浓度小时最大值的平均分别为(164±52)μg/m3和(165±55)μg/m3;NOx分别为(58±23)μg/m3和(25±14)μg/m3.相对于6月,奥运会时段(8月8日～8月24日)北京地区PM10、PM2.5、O3、NOx的浓度分别下降69%、62%、18%和41%,残奥会时段(9月6日～9月17日)PM10、PM2.5、O3、NOx的浓度分别下降56%、49%、17%和16%.北京大气中细粒子浓度受周边影响严重,而NOx有向周边扩散的潜势,夏季臭氧则表现出区域污染的特征.结合气象要素分析表明,近周边区域联网观测,有助于北京空气质量预警研究,并可为区域协同防控空气污染提供科学支撑.     

北京10个常绿树种颗粒物吸附能力研究

大气中颗粒物PM(particulate matter)不仅造成环境污染,还对人体造成严重的危害.城市绿色植物作为大气过滤器,能够有效地提高城市空气质量,保护人体健康.因此了解不同树种对空气颗粒物的吸附滞纳作用是必要的.以北京植物园10种常绿植被为研究对象,应用空气气溶胶再发生器(QRJZFSQ-I)测定了北京市常见6种乔木和4种灌木叶片对空气总悬浮颗粒物(TSP)、PM10、PM2.5和PM1.0的吸附能力.结果表明:1不同树种叶片表面附着颗粒物的能力差异明显,最高的是雪松(Cedrus deodara)和油松(Pinus tabuliformis),吸附量分别是(18.95±0.71)μg·cm-2和(14.61±0.78)μg·cm-2,冷杉(Abies fabri)最小,为(8.02±0.4)μg·cm-2;2不同树种叶片单位面积对不同颗粒物的附着能力也存在差异,附着PM10能力最强的是油松和雪松,附着PM2.5能力最强的是雪松、铺地柏(Juniperus procumbens)、龙柏(Juniperus chinensis cv.kaizuka)和油松,附着PM1.0能力最强的是雪松、铺地柏、冷杉和油松;3不同月份叶片上附着的各粒级颗粒物(PM10、PM2.5)占TSP的比例不同.其中PM10在4~6月之间主要表现两种变化趋势,一是先上升后下降,主要为灌木树种;二是逐渐上升,主要的树种是乔木树种.而PM2.5则没有这种明显的变化趋势.     

中国西部背景地区PM2.5化学组分特征及其对大气散射系数的影响

于2009年春、夏和秋季在全球大气本底基准监测站青海瓦里关同步观测了PM_(2.5)中主要化学成分和大气散射系数(bsp).结果显示,观测期间瓦里关PM_(2.5)浓度年均值为(12.6±12.0)μg·m~(-3),显著低于国家年均值标准.总水溶性无机离子和碳气溶胶浓度分别为(1.7±1.6)μg·m~(-3)和(3.2±1.0)μg·m~(-3),分别占PM_(2.5)浓度的16.5%和25.4%.基于IMPROVE经验公式,瓦里关bsp最主要的贡献因子是有机物(OM)和土壤尘(FS),贡献率分别达到48%和28%,其它组分对bsp的贡献率均小于10%.     

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.     

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.     

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

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.     

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.     

2014—2016年海口市空气质量概况及预报效果检验

本文主要基于CUACE模式在海口市的预报产品,结合2014年3月—2017年2月海口市AQI、PM_2.5、PM₁₀和O₃的实况资料进行预报效果检验.结果表明,①近3年海口市空气质量等级主要以优和良为主,但仍有少部分天数以PM₁₀、PM_2.5和O₃为首要污染物,分别占所有首要污染物天数的27.6%、29.5%和42.9%,其中O₃上升幅度较快.②CUACE模式能较好的模拟出AQI和3类污染物浓度的变化特征,其中PM_2.5的预报值与实测值最为接近,而PM₁₀和O₃普遍偏低.③日平均浓度的预报效果检验表明,PM_2.5的标准误差（RMSE）最小,AQI和PM₁₀次之,O₃最大.3个时次预报平均偏差（MB）和归一化偏差（MNB）均为负值,表明CUACE模式预报的污染要素浓度均偏低于实测值.④海口市空气质量为优等级时,TS评分最高;无首要污染物时,首要污染物预报的TS评分最高,但首要污染物为PM_2.5、PM₁₀或O₃时,TS评分均偏低.     

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.      

济南市春季大气颗粒物污染研究

对济南市2005年春季大气颗粒物中PM10、PM2.5和细颗粒物中的黑碳气溶胶的浓度水平、时间分布和日变化进行了观测,并结合气象资料对变化特征进行综合分析,探讨了PM10,PM2.5和黑碳的相对含量以及对能见度的影响等.研究结果表明,PM10和PM2.5平均浓度分别为242.5μg·m-3和109.4μg·m-3.与我国空气质量二级标准PM10日均值150μg·m-3和美国国家空气质量PM2.5日均标准65μg·m-3相比,超标率分别达到80.77%和84.61%,污染较严重;监测期间PM2.5/PM10的平均值为0.456.在PM2.5中,黑碳气溶胶平均质量浓度为5.39μg·m-3,占PM2.5的5.06%,日浓度变化呈双峰型.在监测时间内,污染物浓度与温度无明显的相关性;与相对湿度呈弱正相关;与风速呈明显的负相关关系.降水对PM10、PM2.5和黑碳的清除作用较为显著.PM10、PM2.5和黑碳浓度与能见度均呈负相关,相关系数(r)分别为-0.633、-0.695和-0.704,细颗粒物是影响能见度的主要因素.     

兴隆大气气溶胶中水溶性无机离子分析

2009年9月～2010年8月在兴隆大气背景站,利用Andersen分级采样器进行大气气溶胶样品的采集,并利用离子色谱分析了其中的水溶性无机离子的成分含量.结果表明,TSP、PM2.1和PM1.1中总水溶性无机盐的年平均浓度分别为(89.66±47.66)、(54.44±34.08)和(44.39±29.95)μg·m-3,其中SO42-、NO3-、Ca2+和NH4+为兴隆大气气溶胶中最主要的水溶性无机离子.PM2.1中总水溶性无机离子的年平均浓度占TSP的61%.PM1.1总水溶性无机离子的年平均浓度占TSP的50%,占PM2.1的82%.PM1.1、PM2.1和TSP中水溶性无机离子总浓度季节性变化趋势一致,夏季>秋季>春季>冬季.NH4+与SO42-的摩尔比>2,表明NH4+未被SO42-完全中和.在细粒子中NH4+和SO42-、NO3-均有较好的相关性,相关系数分别为0.96和0.87,表明NH4+可能以(NH4)2SO4和NH4NO3的形式存在.