哈尔滨市2016年春节期间空气质量时空变化特征

利用2016年2月7-13日春节期间哈尔滨市11个监测站点空气质量监测数据,分析春节期间6种主要污染物时空特征,并与非燃放期间进行对比,进一步分析污染物的时空变化,同时结合气象降雪数据,探讨降雪天气对空气污染物造成的影响。结果表明:哈尔滨市春节期间空气污染物7 d平均浓度,PM_(2.5)、PM_(10)污染最严重的区域为香坊区,NO_2污染最严重的区域为阿城区,SO_2污染最严重的区域为道外区,CO和O_3污染严重的区域为平房区;在除夕夜期间,烟花爆竹燃放对PM_(2.5)、PM_(10)和SO_2浓度的短期影响极大,空气质量在短时间内迅速恶化,甚至成倍增长,在初一凌晨时浓度达到最大值,但对NO_2、CO和O_3的影响较小;烟花爆竹的燃放对空气中不同污染物的影响程度有所区别,对气态污染物SO_2的贡献程度最大,其次,对大气粗颗粒物的贡献程度大于细颗粒物;降雪天气对空气污染物具有去除效应,其中,对大气粗颗粒物去除效应高于大气细颗粒物,而对气态污染物有较小影响。从空间上看,降雪天气对于城市边缘、城郊等区域的大气颗粒物的去除效应高于城市中心区域。     

哈尔滨市2016年春节期间空气质量时空变化特征

利用2016年2月7-13日春节期间哈尔滨市11个监测站点空气质量监测数据,分析春节期间6种主要污染物时空特征,并与非燃放期间进行对比,进一步分析污染物的时空变化,同时结合气象降雪数据,探讨降雪天气对空气污染物造成的影响。结果表明:哈尔滨市春节期间空气污染物7 d平均浓度,PM_(2.5)、PM_(10)污染最严重的区域为香坊区,NO_2污染最严重的区域为阿城区,SO_2污染最严重的区域为道外区,CO和O_3污染严重的区域为平房区;在除夕夜期间,烟花爆竹燃放对PM_(2.5)、PM_(10)和SO_2浓度的短期影响极大,空气质量在短时间内迅速恶化,甚至成倍增长,在初一凌晨时浓度达到最大值,但对NO_2、CO和O_3的影响较小;烟花爆竹的燃放对空气中不同污染物的影响程度有所区别,对气态污染物SO_2的贡献程度最大,其次,对大气粗颗粒物的贡献程度大于细颗粒物;降雪天气对空气污染物具有去除效应,其中,对大气粗颗粒物去除效应高于大气细颗粒物,而对气态污染物有较小影响。从空间上看,降雪天气对于城市边缘、城郊等区域的大气颗粒物的去除效应高于城市中心区域。     

宝鸡市春季PM_(2.5)、PM_(10)、SO_2、NO_2污染现状分析

收集PM_(2.5)实时监控网提供的2015年春季宝鸡市大气污染物浓度的实时数据,分析宝鸡市各监测点大气污染物PM_(2.5)、PM_(10)、SO_2、NO_2的日均值和月均值浓度变化特征以及各污染物的负荷系数。结果表明:各监测点大气污染物月平均浓度3—5月呈下降趋势,但整体的空气质量状况有待进一步提高;宝鸡市大气颗粒物呈区域性污染,各监测点之间的差距较小,而污染气体SO_2和NO_2具有点状污染特征;4种主要的大气污染物中,PM_(2.5)和PM_(10)的贡献率超过一半以上,但SO_2和NO_2同样不可忽视。     

清洁大气背景下贵阳空气质量变化及气象作用

利用贵阳市2013~2016年空气质量监测及气象观测资料进行分析,研究云贵高原城市空气变化及气象影响作用.结果表明:近4a贵阳区域SO_2、NO_2、O_(3_8h)、PM_(10)、PM_(2.5)和CO年平均浓度分别为(20.78±19.71),(28.32±9.59),(107.59±27.54),(67.56±34.32),(42.53±24.52)μg/m3和(0.74±0.22)mg/m~3,除SO_2浓度接近或超出我国中东部城市之外,其它污染物均表现为相对清洁水平;地面O_3浓度逐年明显上升,但其它大气污染物水平均呈逐年下降趋势,且呈现与我国中东部一致的空气质量年际、月际和日变化特征.各功能区污染物区域差异明显,颗粒物和SO_2、NO_2、CO浓度水平表现为工业区居民区郊区,O_3浓度呈现为郊区居民区工业区的特征,表明人为活动对空气质量的影响.近4a O_3与PM_(2.5)夏季白天呈显著正相关,冬季显著负相关,反映了云贵高原城市空气质量的复合污染特性.大气污染物浓度与温度、边界层高度、太阳直接辐射和气压的相关性显著,而与相对湿度和风速相关性较弱,这不同于中东部地区风速主导大气污染物水平变化的特征.云贵高原夏季作为主要雨季,小雨和中雨量级降水对PM_(2.5)吸湿增长较弱,中雨以上降水对PM_(2.5)具有清除作用;而在PM_(2.5)浓度较高和干冷的冬季,小雨的PM_(2.5)吸湿增长明显,中雨以上降水对PM_(2.5)清除显著.     

基于大气污染源排放清单的北京市污染物减排分析

《北京市2013—2017年清洁空气行动计划》的实施,有效改善了空气质量,细颗粒物下降了35.6%。空气质量受内因污染物排放量和外因气象因素的双重影响。本文通过大气污染源排放清单分析了内因污染物排放量的变化,结果表明:2017年与2012年相比,SO_2排放量下降了88%,NO_x排放量下降了36%,PM_(10)排放量下降了51%,PM_(2.5)排放量下降了53%,VOCs排放量下降了25%;NH_3排放量2017年比2014年下降了44%。北京市2013—2017年5种大气污染物的综合减排率与空气中PM_(2.5)浓度下降率的比值为1.3,符合根据北京市科技计划项目《北京市空气质量达标规划研究》中利用CMAQ模型研究得到的大气污染物综合减排率与环境空气PM_(2.5)浓度下降率的半定量关系1.2～1.5。     

北京典型地铁系统可吸入颗粒物实测研究

为了解地铁环境空气污染状况,改善乘客和工作人员的环境,采用激光粉尘仪对北京地铁站外以及西直门(敞开式系统)、五道口(半高安全门系统)、西土城(全高安全门系统)和北土城(屏蔽门系统)等典型地铁系统站台和车厢空气中的细颗粒物(PM_(2.5))和可吸入颗粒物(PM_(10))在列车驶入前后的浓度(指质量浓度)大小,以及站台和车厢空气中PM_(2.5)和PM_(10)浓度随时间的变化规律进行了研究,并分析了PM_(2.5)与PM_(10)的浓度比值,以及地铁站外、站台与车厢空气中PM_(2.5)和PM_(10)源的相关性。结果表明:外界雾霾严重时,站内空气污染加重,地铁驶入后引起PM_(10)浓度增加,屏蔽门和车门的打开使得站台和车厢空气中的PM_(10)颗粒物浓度加速上升,以PM_(2.5)为主,且其浓度的变化随屏蔽门的启闭呈现一定的规律性。     

气象因素对乌鲁木齐市PM_(2.5)浓度影响分析

基于乌鲁木齐市大气污染物数据,对乌鲁木齐市2016年空气质量变化做趋势分析。利用乌鲁木齐市2016年同期气象要素,通过相关分析和主成分分析方法探讨了气象要素对PM_(2.5)浓度的影响。结果表明:1)PM_(2.5)、PM_(10)、SO_2、NO_2、CO的浓度全年变化趋势与空气质量指数(AQI)的变化趋势基本一致,O_3的浓度变化趋势与AQI变化趋势完全相反;2)PM_(2.5)浓度与CO、气压和相对湿度呈显著正相关,降水量、风速、气温和水气压与PM_(2.5)浓度呈显著负相关。     

春节期间黔江区污染物浓度变化特征及相关影响因素研究

利用2015年春节期间黔江城区主要污染物(PM_(10)、SO_2、NO_2、PM_(2.5))自动监测数据,分析了燃放烟花爆竹对空气质量的影响。结果表明:黔江区城区春节期间集中燃放烟花爆竹造成了环境空气短时间严重污染;对空气中不同污染物浓度的影响存在差异,PM10污染最为严重;气象条件是影响春节期间空气质量的关键因素。     

气象因素对乌鲁木齐市城区空气质量的影响

基于乌鲁木齐市2015年大气污染物和气象观测数据,用相关性分析和主成分分析法探讨了气象因素对乌鲁木齐市城区空气质量的影响。研究结果表明:1)大气压与PM_(2.5)、CO正相关显著,与O_3负相关显著;气温、水汽压和风速与PM_(10)、O_3存在显著正相关,与其他污染物都存在负相关;湿度与PM_(2.5)、SO_2、NO_2、CO存在显著正相关,与PM_(10)、O_3存在负相关。2)对乌鲁木齐市首要污染物PM_(10)存在显著影响的空气污染物包括CO、PM_(2.5)、SO_2,气象影响因素包括水汽压和湿度。     

餐厨垃圾与污泥厌氧发酵动力学特性分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。     

大连市大气污染特征、影响因素及来源分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。     

基于层次分析和主成分分析的城市空气质量评价——以徐州市为例

为评价城市空气质量,以徐州市为例,分别运用层次分析法和主成分分析法对大气监测数据进行了对比研究。层次分析表明:研究期间徐州市大气环境质量为一级时的权重为0.450 2,为二级时的权重为0.549 8,表明该市空气质量等级为二级;主要大气污染物的权重排序为PM_(2.5)PM_(10)NO_2SO_2,说明首要大气污染物为PM_(2.5),表明徐州市大气污染表现为颗粒物污染。主成分分析表明:在特征值大于1的基础上,选取前两种污染物的总方差累计贡献率为78.804%的主成分作为综合性指标来反映徐州市大气环境质量;第一主成分的方差累计贡献率为59.562%,表明该市大气环境质量的主要影响因素依次为PM_(2.5)、PM_(10)、SO_2、NO_2、CO,其中PM_(2.5)是首要大气污染物。层次分析和主成分分析结果均与《徐州市环境状况公报》发布的该市大气中首要污染物为细颗粒物(PM_(2.5))的结论相吻合,表明上述两种方法均可作为城市大气环境质量评价的方法。     

大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例

根据深圳市龙华区观澜子站空气质量监测数据,对龙华区近年来空气质量状况、主要大气污染物浓度时间变化特征、气象条件和污染物浓度相关性,以及典型臭氧(O_3)污染过程进行了分析。结果表明龙华区空气质量以优良为主,空气质量指数(AQI)超标日中,O_3浓度超标天数最多,其次依次是PM_(2.5)、PM_(10)和二氧化氮(NO_2)。PM_(2.5)、PM_(10)和NO_2在秋冬季的浓度最高,春季次之,夏季最低;而O_3浓度则在夏秋季最高,春季次之,冬季最低。除O_3(日间浓度高于夜间浓度)以外,PM_(2.5)、PM10和NO_2晚间浓度高于日间浓度。此外,相关性研究表明,颗粒物污染以细颗粒物为主,O_3(8 h)和NO_2与颗粒物浓度均呈正相关性。由于地域差异的存在,O_3(8 h)和颗粒物浓度的相关性在不同地域表现也不同。同时,大气污染物浓度与气象条件和人为排放源的相关性较高。     

上海地区通风指数的应用研究

利用2013—2014年上海地区的风廓线资料及NCEP再分析资料,计算研究了上海地区通风指数的变化情况,并结合实际天气情况和预报经验,对常用通风指数公式进行本地化修正.通过分析修正前后的通风指数与颗粒物浓度的关系发现,修正后通风指数的时间变化特征与PM_(2.5)浓度的时间变化有显著的负相关关系,且经过修正的通风指数对于PM_(2.5)浓度变化的指示意义更强;研究其在典型污染个例中的应用情况发现,修正后的通风指数低时,对应的PM_(2.5)浓度值高,说明修正后的通风指数能较好地反映出边界层内大气对污染物的扩散和输送作用;另外,与未修正的通风指数对比发现,修正后的通风指数降低了原通风指数的数值,对污染的指示意义更强,尤其表现在上海地区受冷空气影响时,修正后的通风指数较原通风指数降低明显,能更好地反映出大气对上游地区污染物的输送作用.由此可见,经过修正后的通风指数更适用于本地化的预报服务,这也为上海地区的空气质量预报和霾预报提供了一个新的参考指标.     

上海地铁站台大气颗粒物中过渡金属研究

采集了上海市地铁站台大气颗粒物PM10和PM2.5样品,研究了颗粒物的形貌、化学元素组成和过渡金属特征.实验发现,地铁站台大气颗粒物PM10和PM2.5质量浓度明显高于室外,超过了国家标准限值.元素组成与室外街道大气颗粒物存在明显差异,过渡金属Fe、Cr、Mn等质量浓度高于室外,Fe是室外含量的8倍,Mn和Cr质量浓度为室外的2倍.扫描电子显微镜(SEM)结果显示地铁内大气颗粒物粒径较大,形状不规则,具有片状刮擦特性.X射线能谱分析(EDX)表明,其主要成分为Fe和O.X射线吸收近边谱(XANES)结果表明,地铁内大气颗粒物PM10中Fe部分以纯Fe(>26%)形态存在,室外街道大气颗粒物PM10中一大部分Fe以Fe(Ⅲ)形态存在.结果显示,对于每天乘坐上海地铁的乘客和在地铁站台内工作的人员,地铁站台是一个重要的存在过渡金属颗粒物暴露的微环境,金属颗粒物对人体健康的影响需要引起重视.     

南京市不同交通工具内部颗粒物污染状况的研究

为了解目前各种常用交通工具内部大气颗粒物污染状况,利用颗粒物浓度监测仪(DT-9880M)在2015年3月中旬至5月中旬于南京市鼓楼至新街口一带及南京市不同功能区,对各种城市交通工具如地铁、私家车、公交车、出租车内的颗粒物及室外的污染状况进行了监测。结果表明:(1)同等天气条件下不同交通工具窗户关闭时内部PM_(2.5)和PM_(10)浓度分别为:私家车(84.2,145.0μg/m~3)出租车(51.8,99.7μg/m~3)地铁(28.2,45.8μg/m~3),地铁内部污染水平最低。(2)开窗时室外大气污染状况对公交车内部颗粒物浓度有一定影响,随着室外颗粒物浓度的增加,公交车内颗粒物浓度明显上升;地铁由于封闭运行,车内颗粒物浓度与车外污染关系不大,与车内人流量有关。(3)对于私家车,吸烟会造成颗粒物浓度剧增,关窗与开内循环均能降低室内颗粒物浓度,其中开内循环效果显著,而车型和排量对室内颗粒物污染则无明显影响。(4)综合时耗,油耗和乘车费用三方面,地铁最省钱省时,且车内空气质量最好,出行时可以优先选择。     

烟花燃放对珠三角地区春节期间空气质量的影响

为研究烟花爆竹燃放对珠三角区域城市空气质量的影响,对2015年春节期间珠三角地区环境空气质量自动监测站的数据进行了分析.结果表明,春节期间珠三角地区PM_(10)、PM_(2.5)、SO_2和CO_污染最严重的城市均为肇庆市,臭氧污染最严重的为惠州,广州市NO_2污染最严重;与去年同期相比,各地SO_2、NO_2、CO_、PM10和PM_(2.5)的浓度普遍有大幅的降低,但春节期间臭氧浓度有所增加;春节期间烟花燃放行为主要集中在郊区,市区内燃放现象较少;烟花燃放对SO_2、PM10和PM_(2.5)浓度的短期影响极大,造成除夕夜间污染物浓度迅速升高,甚至成倍增加,对CO_、O_3和NO_2没有明显的影响;烟花燃放造成PM_(2.5)/PM_(10)比例迅速下降,在颗粒物浓度达到峰值后,PM_(2.5)/PM_(10)的比例也到达最小值;烟花燃放对各地PM_(2.5)的小时浓度最大贡献值在16~65μg·m~(-3)之间,对各地PM_(10)的小时浓度最大贡献值在28~138μg·m~(-3)之间,对各地SO_2的小时浓度最大贡献值在9~43μg·m~(-3)之间.     

重庆城区夏季降水对大气污染物的清除效果分析

利用2015年6—8月重庆市沙坪坝区大气污染物连续监测数据和LVCJY-02气象数据采集仪获得的同期降水数据,分析夏季降水对大气污染物的清除效果。结果表明:1)日降水强度对大气污染物的清除效果有影响。当日降水量小于5 mm时,降水对大气污染物清除能力较小;当日降水量大于5mm时,污染物清除效果随降水量增大而增大,日降水量越大,清除率越大,空气质量越好,最大清除率可达48.55%。夏季降水强度对各大气污染物平均清除率从大到小依次为PM_(10)、SO_2、 PM_(2.5)、NO_2和O_3。2)日降水时长对大气污染物的影响也存在差异。其中0~5 h时长降水对大气污染物平均清除率为负值;5~10 h时长降水对PM_(10)平均清除效果最好,为6.17%;10~15 h时长降水对NO_2平均清除率最大,为50.67%;15~20 h时长降水对SO_2平均清除率最大,为59.76%;夏季降水时长对SO_2平均清除率最高,随后依次为PM_(10)、NO_2、 PM_(2.5)和O_3。3)累积降水量与PM_(10)和 PM_(2.5)浓度多呈负相关,随着累积降水量的增加,大气颗粒物浓度会有降低,但累积降水量与气态污染物的相关性不如大气颗粒物。     

秀山县城区大气环境质量特征研究

为详细了解秀山县城区大气质量状况,选择2016年9月—2017年1月大气观测数据进行分析研究,结果表明:研究时段内PM_(10)、PM_(2.5)、SO_2、NO_2和O_3大气污染物浓度均满足《GB3095-2012环境空气质量标准》中二级标准要求,随着月份变化,PM_(10)、PM_(2.5)和O_3呈先降低再升高的趋势,NO_2呈逐渐增加趋势,SO_2变化趋势相对平缓。大气污染物NO_2与PM_(10)和PM_(2.5)呈显著性相关,聚类分析结果表明PM_(10)、PM_(2.5)对大气环境质量影响较大。气象参数与大气污染物均呈明显相关性,表明气象条件对污染物的扩散起着重要作用。     

昆明低空大气温度层结特征与空气质量的Logistic判别模型

低空大气逆温及地面风速是影响空气质量变化的主要气象条件,特别是逆温的频率、强度制约着大气污染物聚积和扩散。定义了1km以下低空大气的温度层结强度。利用昆明L波段探空雷达加密数据,统计了2014—2018年08 h探空数据温度层结特征,分析了逆温的频率、强度和地面风速等气象要素与空气质量的相关性,建立基于Logistic判别方法的昆明空气质量指数和PM_(2.5)浓度的拟合模型。结果显示:基于定义的温度层结强度的统计,昆明1km以下低空大气整层的逆温发生频率10.7%,年平均强度0.13℃·(100m)~(-1),逆温的频率和强度月变化曲线与轻度污染及PM_(2.5)浓度的变化联系密切;温度层结强度和地面风速通过了α=0.05的相关系数显著性检验,与空气质量指数和PM_(2.5)浓度相关性好,最佳的气象要素因子的相关系数可达到0.3660;Logistic判别模型对轻度污染的拟合准确率在66.3%以上,优良空气的拟合准确率在72.5%以上;对PM_(2.5)浓度超标的拟合准确率在59.9%以上,PM_(2.5)一级浓度的拟合准确率在68.8%以上。