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。     

重庆市北碚区PM_(2.5)污染特征分析

利用2013年1-12月重庆市北碚区国控点实时发布的颗粒物污染监测数据,对PM2.5和PM10的达标情况、变化趋势及其两者之间相关性进行了分析。研究表明:2013年北碚区PM10年均值为100.2μg·m-3,超过了新国标Ⅱ级标准,PM10日均值超标天数为57天,全年达标天数比例为84.4%;北碚区PM2.5年均值为67.9μg·m-3,超过了新国标Ⅱ级标准,PM2.5日均值超标天数为94天,全年达标天数比例为74.2%;PM10和PM2.5有明显的季变性特征,其中春季PM2.5与PM10的污染最重,污染日分别占全年的58.5%和56.1%。PM2.5占PM10比例较高,PM2.5/PM10平均值为66.6%。PM2.5与PM10回归线性较好,y=0.7900x-11.280,R2=0.930;PM2.5和PM10的Pearson相关系数为0.964;PM2.5与PM10日均值呈显著线性相关。     

浅析沈阳市高层建筑周边PM_(10)与PM_(2.5)质量浓度对应性

以空气中可吸入颗粒物(PM2.5和PM10)为研究对象,分析了采暖期和非采暖期不同监测点位PM10与PM2.5的相关性。结果表明,采暖期和非采暖期不同高度PM10与PM2.5的相关性均相当明显,可吸入颗粒物中PM2.5占绝大比重;采暖期不同高度PM10与PM2.5的相关系数大于非采暖期,季节变化规律明显。     

PM_(2.5)现状及其检测技术

目前,我国环境污染越来越严重,而PM2.5浓度可作为一个大气环境污染的重要指标来检测环境污染程度。随着PM2.5对人体的健康和环境的好坏的影响越来越大,对PM2.5的研究已经引起了广大学者的关注。本文笔者从PM2.5的概况出发,对PM2.5带来的危害进行介绍,并阐述PM2.5的三种检测技术,以增加人们对PM2.5的认识。     

广州市区PM_(2.5)的污染特征

对广州市区PM2.5的污染状况进行了分析,结果表明广州市区的PM2.5呈现冬季浓度较高,夏季较低的季节性特征;PM2.5的日变化呈现出明显的双峰形;与PM10的相关性分析表明,PM2.5与PM10具有良好的线性关系。PM2.5/PM10的值约为0.59,表明广州市区空气中细颗粒物在PM10中的比重大于粗颗粒物,鉴于PM2.5的危害性及所占比例,应重视对其的监测。     

杭州市区空气中PM_(2.5)细微粒监测及污染状况分析

用自行研制的中流量PM10～PM2.5大气采样仪,在2004～2005年期间,对杭州市区5个代表性采样点的细颗粒PM2.5污染程度进行监测,结果表明,PM2.5颗粒浓度有着季节性特征,冬季的颗粒浓度明显高于夏季;在繁华马路地区PM2.5污染较为严重,超标率达90%,而在城市绿化较好的地区PM2.5污染较小;PM2.5颗粒浓度与空气湿度呈正相关、与空气能见度呈负相关关系;而且室内外PM2.5颗粒浓度之间也存在一定的相关性,PM2.5/PM10的比值表明对人体健康危害更大的PM2.5占PM10的大部分,在0.50￣0.78范围内。     

厦门市PM_(2.5)与分布特征及能见度关系的研究

利用2011-2012年厦门市PM2.5监测资料和气象要素资料,分析PM2.5分布规律,及与海陆风、低能见度天气的关系;尝试分不同季节,在不同主导气象要素场背景下,建立PM2.5与能见度的关系式,试图用能见度推算PM2.5浓度,探索AQI预报中PM2.5浓度预报的技术方法。结果表明:厦门市低能见度天气与PM2.5浓度关系密切,通过相对湿度、降水概率、风向风速以及对应典型的天气形势等差异可清晰表现出来;区分季节性气象要素,计算PM2.5浓度与能见度的相关系数,并建立7个关系式,发现夏季PM2.5浓度与能见度显著负相关,夏季是用能见度推算PM2.5浓度相对最容易、最准确的季节;秋冬春三季PM2.5与能见度关系分别可建立两种关系式,主要为负相关关系,且春季预报PM2.5的难度最大。     

我国PM_(2.5)污染控制策略及环境影响评价的应对建议

分析了PM2.5对人体健康的危害以及我国PM2.5的污染现状,随后对我国和部分其它国家PM2.5的标准值进行了对比,最后从环境管理的角度出发,提出了PM2.5的控制策略,包括建立灰霾预警机制、强化源头控制、进行区域联防联控等。为了从源头控制PM2.5污染,在环境影响评价工作中,导则体系应增加PM2.5指标,环评中应加强PM2.5现状监测,重视战略环评的区域控制作用,并在项目环评中开展PM2.5影响评价。     

环境空气中监测因子PM2.5简析

本文介绍环境空气中监测因子PM2.5的来源,PM2.5对人体健康的影响,以及PM2.5监测标准的执行情况,并且针对PM2.5污染情况提出治理策略。     

江苏省2014年上半年颗粒物PM2.5、PM10污染特征分析研究

根据2014年1月1日～6月30日江苏省13地级市监测PM2.5,PM10的数据,分析其污染特征.结果表明:全省PM2.5和PM10污染较严重,全省PM2.5,PM10超标率都分别达到78.33％,66.11％以上,尤其是细颗粒物的污染占主导地位;PM2.5/PM10的比值范围达到0.461 9～0.687 2,全省PM2.5和PM10之间存在显著的线性关系;PM2.5,PM10浓度时空分布特征为PM2.5:1月＞3月＞2月＞5月＞6月＞4月,PM10:1月＞5月＞3月＞6月＞2月＞4月;苏北＞苏中＞苏南.     

贵阳市空气中PM2.5/PM10时空分布特征研究

利用2013年贵阳市10个国控监测站点PM2.5和PM10全年(2013年1月1日00时-2013年12月31日23时)实时同步质量浓度监测资料,取24小时滑动平均,研究PM2.5和PM10质量浓度比值(PM2.5/PM10)的时间、空间分布特征及二者质量浓度的相关性.结果表明:2013年贵阳市PM2.5/PM10的年均值为0.64,春、夏、秋和冬季的平均值分别为0.64、0.49、0.66和0.77.PM2.5/PM10四季有较大差异,冬季比值最高,夏季最低,春、秋两季相当;由于所代表的功能区及环境位置特点不同,各监测点同时刻的PM2.5和PM10浓度值有较大差异,但PM2.5/PM10的空间分布没有明显差异;对PM2.5和PM10浓度值进行回归分析,当PM10浓度增大时,PM2.5整体呈增大趋势.     

广州市街道环境PM_(10)和PM_(2.5)质量浓度的变化特征

采用直读式DustTrak8520型颗粒物浓度测定仪在2003年7月至2004年6月期间对广州市街道PM10、PM2.5进行了初步测定,结果表明PM10、PM2.5质量浓度季节变化幅度较大,并且它们的变化趋势相似。与国内很多城市不同,PM10、PM2.5质量浓度日变化都呈上午低、下午高、夜间21点左右出现峰值的特征。PM10、PM2.5两者之间存在显著的相关性,相关系数r=0.98。PM2.5/PM10平均值为0.85,表明广州市街道空气中细颗子(PM2.5)在可吸入颗粒物中占很大比重。     

呼和浩特市PM10和PM2.5污染水平分析

分析呼和浩特市2011年8月到2012年7月逐日的PM10,PM2.5的质量浓度监测值,结果表明,呼和浩特市PM10和PM2.5污染在春季和冬季较夏季、秋季严重;PM10和PM2.5有良好的线性关系;PM2.5/PM10(β)平均值为0.55.     

哈尔滨市2014年1-2月PM_(2.5)与主要空气污染物相关分析

为了解哈尔滨市主要空气污染物对PM2.5浓度变化的影响,利用SPSS软件及哈尔滨市南岗区2014年1-2月环境空气质量日报数据,对空气污染物中SO2、NO2、CO、O3、PM10、PM2.5进行了相关分析。结果显示,SO2、NO2、CO、O3、PM10与PM2.5均呈显著的正相关关系。结合相关性分析结果,建立了PM2.5与SO2、NO2、CO、PM10之间的主成分回归模型,并对模型进行了通径分析。分析结果表明,CO对PM2.5的直接影响最大,SO2、NO2、PM10对PM2.5的直接作用相对较小,但它们通过CO对PM2.5的间接作用较大。因此,在哈尔滨市1-2月主要空气污染物中,CO对PM2.5浓度的变化具有重要的影响。     

中国PM2.5管理策略研究

文章通过对PM2.5的基本组成、来源与影响因素的分析,构建中国PM2.5全过程管理体系,建立、完善PM2.5削减和控制长效机制,进而实现中国PM2.5管理。     

环境空气中PM2.5与PM10质量浓度关系的研究

采集大连市4个大气自动监测点位30dPM2.5和PM10质量浓度小时值的监测数据,通过对每个点位720个有效数据对的统计分析,研究二者质量浓度的相关性及 PM2.5/PM10比值的分布情况,并研究了气象因素对PM2.5与PM10的影响。结果表明,雾使PM2.5PM10浓度都减小,但二者比值也随之降低;强风会使PM10浓度增大,但PM2.5浓度却减小。     

银川市气溶胶变化特征及其与气象条件的关系分析

利用银川市2013年的气溶胶和气象要素观测资料,分析银川市不同粒径颗粒物浓度变化特征及其与气象条件的关系,结果表明:PM10、PM2.5、PM1的季节变化规律基本一致,夏季浓度低变幅小、其他季节浓度高变幅大;PM1、PM2.5存在明显的7 d周期,PM10存在10~12 d的周期。PM1、PM2.5、PM103种粒径的气溶胶浓度具有高度相关性,PM1与PM2.5相关性最好,PM10浓度高、变率大,与细粒子相关性有所降低。PM1和PM2.5的时变化均呈双峰双谷型,PM10的时变化在非采暖期近似于双峰双谷型,采暖期呈单峰型。银川市气溶胶浓度与能见度相关性最好,细颗粒物对能见度影响比粗粒子更为严重。气温与气溶胶浓度呈一致的负相关。风速与细颗粒物PM1、PM2.5浓度呈负相关,与粗颗粒物PM10的相关性较差。银川市相对湿度与粗颗粒物浓度PM10呈较好的负相关,与PM1正相关,与PM2.5相关不显著。     

青岛市李沧区PM10与PM2.5污染变化特征分析研究

利用2014年1月-12月青岛市李沧区大气自动监测点实时发布的监测数据,对PM10和PM2.5的达标情况、变化趋势及其两者之间相关性进行分析.结果表明:青岛市李沧区PM10和PM2.5年均值分别为0.126mg/m3和0.062 mg/m3,均超过二级标准,全年达标天数比例分别为71.8％和72.1％;PM10和PM2.5有明显的季节变化特征,其中春季污染最重,污染日分别占全年的40.8％和44.1％.PM2.5占PM10比例较高,达到48.4％.PM2.5与PM10回归线性较好,y=0.571 2x-0.011 8,R2 =0.901 2;PM2.5和PM10的Pearson相关系数为0.912;PM2.5和PM10日均值呈显著线性相关.     

鞍山市环境空气中PM10、PM2.5污染特征研究

文章对鞍山市环境空气中细颗粒物（PM2.5）、可吸入颗粒物（PM10）季节性变化及月变化污染特征进行分析,不同季节的PM2.5、PM10变化趋势均为夏季〈秋季〈春季〈冬季;PM2.5、PM10的月均质量浓度按高低顺序分别为：12月〉1月〉11月〉2月〉10月〉4月〉3月〉7月〉8月〉6月〉5月〉9月和1月〉12月〉3月〉4月〉2月〉10月〉11月〉5月〉6月〉7月〉8月〉9月。同时,分析了ρ（PM2.5）对ρ（PM10）的贡献率,全年的ρ（PM2.5）/ρ（PM10）平均值为57.8%,结果表明,在PM10中,PM2.5的含量要大于PM2.5-10的含量。     

兰州市供暖期PM_(2.5)浓度监测及其预报模型

利用兰州市2007-2009年供暖期PM2.5实测数据,统计分析观测期间PM2.5的超标率、超标倍数、浓度水平以及典型天气(浮尘、沙尘暴和灰霾)下PM2.5浓度日变化特征,并结合同期气象数据,运用多元逐步回归分析的方法建立兰州市供暖期PM2.5浓度预报模型,最后对模型进行验证。结果表明:兰州市2007-2009年供暖期PM2.5污染十分严重,2007-2009年PM2.5的超标率分别为59.2%、67.9%和68.8%,最大超标倍数分别达到2.88、3.17和3.60;2007-2009年供暖全期PM2.5浓度日变化呈"双峰双谷"型,浮尘、沙尘暴和霾天气下PM2.5浓度均远高于平均值,霾天气下PM2.5日均浓度值最高;兰州市供暖期PM2.5浓度预报模型的预报值与实测值的变化趋势基本一致,但对高浓度PM2.5模拟结果较差,PM2.5预报浓度准确率和等级准确率分别为70.2%和81.8%。