重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

某钢厂大气PM_(2.5)污染特征与潜在源区贡献分析

基于2017年全年在某钢厂厂区4个特征点位进行的环境大气PM_(2.5)、PM_(10)和气象参数的在线监测数据,对一年中污染高发/非高发时段钢铁厂厂区内大气颗粒物的浓度水平、粒径分布、日均值变化趋势以及气象因素对浓度的影响进行了分析,并利用大气气团输送模拟及潜在污染源贡献(PSCF)分析探讨了厂区大气PM_(2.5)的外来输送和本地贡献情况。结果表明:2017年全年某钢厂厂区大气颗粒物以细颗粒物为主;4个站点大气PM_(2.5)日均值全年变化趋势一致,污染高发月份质量浓度均值高于非污染高发月份相应值;除2号站可能受到厂区生产活动排放的影响,PM_(2.5)浓度水平略高外,各站点相互间及与周边环境对照点的浓度保持在一致水平,亦未发现明显的污染物输出现象;冬季外来污染源输入对厂区大气PM_(2.5)浓度贡献较显著,其他季节应主要考虑本地排放影响。     

云南省16城市大气细颗粒物污染特征研究

收集了云南省16个城市2015年全年大气细颗粒物(PM_(2.5))质量浓度数据,分析了云南不同城市的大气PM_(2.5)时空分布特征及来源情况。结果表明,2015年云南省16城市的大气PM_(2.5)浓度超标天数较多,是此区域的首要污染物。夏天雨季能有效降低细颗粒物的浓度水平;1—3月较高水平的PM_(2.5)浓度可能是土壤风沙尘与东南亚毁林烧荒共同作用的结果。     

基于增强回归树的城市PM2.5日均值变化分析:以常州为例

利用2014年12月至2015年11月常州市区6个国控监测站空气污染物浓度逐时数据,分析了PM_(2.5)浓度季节变化特征,采用增强回归树模拟分析了PM10、4种气态污染物和7个气象因子对ρ(PM_(2.5))日变化的贡献.结果表明,常州市区PM_(2.5)污染季节差异明显,冬季污染严重且持续时间长,夏季污染较轻.四季ρ(PM_(2.5))空间分布特征存在一定差异,但各季内不同监测站差异较小.增强回归树对ρ(PM_(2.5))日均值进行模拟和验证得到,训练数据的相关性为0.981,交叉验证的相关性为0.957.此外,模拟值与实测值的标准化平均偏差为1.80%,标准化平均误差为10.41%,可见模型拟合效果较好.PM10、气态污染物、气象因子和区域输送及扩散这4种影响类型对全年ρ(PM_(2.5))日均值差异的贡献率分别为23.4%、28%、36.2%和12.6%,表明在对ρ(PM_(2.5))日均值差异的影响上,气象因子二次形成一次源区域输送及扩散.在对ρ(PM_(2.5))日均值差异贡献率大于5%的因子中,ρ(PM_(2.5))日均值与PM10、相对湿度、CO和O3正相关,与温度、SO2和混合层高度负相关,与大气压和NO2关系较复杂.区域输送及扩散方面,东南风向、偏西风向和偏北风向等上风向周边城市的污染物输送对常州市区PM_(2.5)污染存在较大的负面影响.     

舟山市大气细颗粒物组分特征及其污染来源解析

为研究舟山市大气细颗粒物(PM_(2.5))的主要污染来源,在2016年4月—2017年1月期间利用3个国控点对舟山市PM_(2.5)开展手工监测,并对其主要污染源进行样品采集,基于420个环境样品和13类源样品的化学组分分析,应用CMB-二重源解析技术,对舟山市颗粒物受体成分谱、本地化源成分谱的组分特征和颗粒物的污染来源进行分析。结果表明:普陀点的PM_(2.5)浓度均值低于位于主城区的檀枫点和临城点,3个站点的颗粒物浓度分别为(36. 46±19. 40),(40. 92±20. 68),(40. 03±21. 55)μg/m~3。PM_(2.5)受体中以NO_3~-、SO_4~(2-)、NH_4~+等二次组分含量最高,二次无机盐和移动源是监测期间舟山市大气PM_(2.5)的主要来源,解析结果具有显著的海岛型城市特征。以船舶源为代表的移动源既是颗粒物的重要一次源,又是二次无机盐生成的主要前体物贡献来源之一,故加强移动源的排放管理对于舟山市的颗粒物污染防治具有重要意义。     

南充市大气细颗粒物PM_(2.5)的监测及污染控制研究

针对南充市大气细颗粒物PM_(2.5)的监测及其污染控制探讨问题。首先对PM_(2.5)的监测进行了介绍,在这里介绍了南充市污染气象的数据、南充市高坪区环境空气污染气象的数据和南充市三区环境空气的状况,然后探讨了南充市PM_(2.5)监测站网的建设,在这里同时探讨了国外PM_(2.5)监测站网概况和中国对PM_(2.5)监测站网的建设,最后对PM_(2.5)对环境产生的影响进行了总结,对南充市PM_(2.5)对大气层及气候环境产生的影响和PM_(2.5)进行了探讨。     

太原市PM_(2.5)和PM_(10)质量浓度的变化特征

为了了解太原市PM_(2.5)、PM_(10)的污染水平变化情况及其相关关系,本文基于太原市颗粒物自动监测数据,对太原市2015年12月-2016年11月PM_(2.5)、PM_(10)质量浓度进行分析。分析发现:PM_(2.5)和PM_(10)日均质量浓度变化幅度较大,但其变化趋势非常相似;PM_(2.5)和PM_(10)月均质量浓度均超过年均二级标准,特别是秋季最为严重;PM_(2.5)、PM_(10)小时平均质量浓度呈双峰现象;ρ(PM_(2.5))与ρ(PM_(10))相关系数为0.9371,ρ(PM_(2.5))/ρ(PM_(10))在0.5-0.6之间出现的频率最高达30.33%。     

南京市冬春PM_(2.5)和PM_(10)污染特征及影响因素分析

南京2013年冬季至2014年春季多次出现灰霾污染天气过程,防治颗粒物污染刻不容缓,其中细颗粒物(PM_(10))和超细颗粒物(PM_(2.5))所占比例较大。利用南京市环保局空气质量发布平台污染物监测数据和中国天气网站气象要素数据,对冬春季PM_(2.5)和PM_(10)质量浓度的变化特征以及它们与气象条件的关系进行分析。结果表明:南京冬季PM_(2.5)、PM10平均浓度分别为0.0982,0.1536 mg/m3,春季平均浓度分别为0.0673,0.1207 mg/m3。市区和郊区污染程度由高到低依次为:市区>江宁>六合>溧水。南京空气中颗粒物小时平均浓度日变化呈"双峰双谷型"特征。颗粒物与相对湿度、降雨量和风力呈一定的负相关性,与温度呈一定的正相关性,它们共同影响颗粒物质量浓度水平和大气污染状况。     

重庆市主城区大气细颗粒物污染特征与来源解析

重庆市主城区大气细颗粒物(PM_(2.5))浓度从1990s的100μg·m~(-3)下降至当前的约70μg·m~(-3),但仍高于环境标准限值.为探讨重庆市主城区PM_(2.5)化学组成与来源特征,于2012—2013年在渝北区大气超级站利用四通道采样仪连续采集了颗粒物样品,分析了其中水溶性离子、碳质组分和无机元素含量.采样期间,重庆市主城区大气PM_(10)和PM_(2.5)的年日均浓度分别为103.9和75.3μg·m~(-3),扩散条件不利的冬季,细颗粒物污染较为严重.受静稳天气影响的1月和2月,受沙尘影响的3月,及二次转化显著的6月是重庆市细颗粒物污染较重的月份.重庆市PM_(2.5)组成以有机物(OM,30.8%)为主,其次为硫酸盐(SO_4~(2-),23.0%)、硝酸盐(NO_3~-,11.7%)、铵盐(NH_4~+,10.9%)、地壳物质(Soil,8.2%)、元素碳(EC,5.2%)、K~+(1.1%)、Cl~-(1.0%)和微量元素(Trace,0.6%).较高的SO_4~(2-)浓度和逐步上升的[NO_3~-]/[SO_4~(2-)]比值反映了重庆市燃煤污染较重,同时机动车污染比例逐步增加.采用主因子分析/绝对主因子得分法解析了重庆城区细颗粒物5类主要来源是:二次粒子(41.7%)、燃煤(15.6%)、建筑/道路尘(12.4%)、土壤尘(11.0%)和工业尘(10.4%),通过各污染源季节变化及与其他结果对比,该源解析结果能够较可靠反映重庆市细颗粒物的来源信息.     

基于AERMOD线源模式的城市路网一次PM2.5排放扩散特征研究

机动车排放的一次细颗粒物(PM_(2.5))易在城市交通密集区域和高峰时段扩散积累,形成高浓度的排放热点区域,对人体健康影响显著.本研究基于本地化机动车路网排放清单,应用AERMOD扩散模型对北京市六环内区域进行线源扩散模拟,探讨城市路网一次PM_(2.5)扩散浓度的时空变化规律与排放特征、气象条件和临时控制措施的关系.研究表明,在典型工作日的排放水平下,冬季工作日的机动车源一次PM_(2.5)模拟浓度日均值为2.94μg·m-3,夏季工作日为1.95μg·m-3.两季24 h浓度变化均呈夜间浓度高于日间的特点,但两季峰值在气象条件和排放强度的双重作用下又有所区别.冬季早晚高峰峰值浓度分别为日均浓度的2.3和1.7倍,而夏季早晚高峰由于扩散条件相对较好并未明显形成一次PM_(2.5)峰值.研究还以APEC峰会为例,评估峰会期间临时交通管控措施的影响.结果发现,在相似的季节气象条件下,APEC峰会期间机动车源一次PM_(2.5)模拟浓度日均值较峰会前削减50.1%,凌晨5:00达到小时最大削减率66.6%.冬夏季工作日机动车源一次PM_(2.5)扩散浓度的空间分布呈偏态分布,65%的浓度集中在30%的网格面积上.以冬季工作日为例,高浓度热点区域主要集中在各环路快速路、易拥堵主干道及省道、国道和高速路上,以上道路应成为排放控制的重点对象.     

2016~2017年采暖期华北平原东部PM2.5组分特征及来源解析

为掌握华北平原东部地区大气细颗粒物(PM_(2.5))的污染特征与来源,本研究对2016年和2017年这2年采暖期衡水市、沧州市、济南市、德州市、滨州市、淄博市和聊城市的大气细颗粒物、组分特征和来源进行对比分析.结果表明,2016年和2017年采暖期该区域ρ(PM_(2.5))日均值分别为137. 23μg·m-3和111. 83μg·m-3,分别超过《环境空气质量标准》(GB 3095-2012)日均二级标准限值1. 8倍和1. 5倍;水溶性离子质量浓度分别占ρ(PM_(2.5))的53. 32%和47. 04%,二次无机离子(SNA)为主要离子组分; NO_3-/SO_24-比值从1. 35上升至1. 60,同时Cl-浓度下降,表明燃煤源贡献降低;二次有机碳(SOC)在有机碳(OC)中的占比分别为71. 63%和55. 35%,说明该区域二次有机碳占比明显降低;特征元素Fe/Al、Ba/Ni对比分析表明,2017年采暖期机动车源和扬尘源贡献同比上升;后向轨迹结果表明,该区域污染气团主要源于西北方向,但来源于江苏、安徽等地的污染气团携带的颗粒物浓度最高.     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

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.     

21世纪以来天津细颗粒物气象扩散能力趋势分析

基于高精度的排放源和大气化学模式WRF/chem,在同排放源条件下模拟了2000~2015年天津地区PM_(2.5)质量浓度,根据NECP再分析资料和地面观测相关数据构建细颗粒物气象扩散指数,使用两种方法描述21世纪以来天津地区细颗粒物气象扩散能力变化趋势.研究结果表明:2000~2015年期间天津地区细颗粒气象扩散能力呈现周期性波动,不利气象条件的第一个峰值出现在2003~2004年,第二个峰值为2013~2015年,两个峰值相距11年,在2000~2015年间,天津地区气象扩散能力(主要针对PM_(2.5)影响)年际平均波动4.1%,最大值约为9%,对于大气污染防治目标制定和效果评估,必须考虑气象年际波动的影响;2008~2010年气象条件较有利于细颗粒物扩散,此后逐年转差,在2013~2015年处于历史正距平(不利扩散),从而导致2013~2015年雾霾和重污染天气频发;2015年相比2013年天津细颗粒物气象扩散能力没有明显提高,但PM_(2.5)质量浓度下降29%,大气污染防治措施的有效执行在其中发挥积极作用.     

金沙秋季PM2.5污染特征及影响因素分析

文章对2013年9～11月金沙区域大气本底站的PM_(2.5)连续在线数据日变化和同期的气象资料的平均日变化进行了分析,并与过去的5年同期数据进行对比分析。结果表明:金沙区域秋季PM_(2.5)质量浓度有明显的日变化规律,受局地排放和气象条件的共同影响,颗粒物质量浓度在凌晨、夜间显著上升。降水对PM_(2.5)的清除量与初始质量浓度、降水量均呈正相关关系,金沙站的云下清除更多取决于PM_(2.5)的初始质量浓度;风向风速对细颗粒物影响明显,来自金沙站北部和东部的气流使大气颗粒物质量浓度升高,而来自西部和南部的风使大气颗粒物浓度降低,大于7 m/s的东风对PM_(2.5)有稀释作用,而北风对细颗粒物几乎无稀释作用。     

广州某区PM_(2.5)和气态污染物质量浓度的日变化特征及其相关性分析

本文分析了2015年3月至2016年2月广州某区细颗粒物(PM_(2.5))和气态污染物(SO_2、NO_2、CO、O_3)质量浓度的日变化特征,并对PM_(2.5)和气态污染物之间质量浓度的相关性进行分析,结果表明:PM_(2.5)、SO_2、NO_2、CO、O_3大气污染物存在一定规律的日变化特征。PM_(2.5)与SO_2、NO_2、CO、O_3全年质量浓度的相关系数范围分别为0.184～0.219,0.271～0.436,0.170～0.368和0.051~0.318,存在一定的线性正相关关系。     

基于LUR模型的中国PM2.5时空变化分析

土地利用回归(LUR)模型是模拟大气污染物浓度时空分异最主要、最体系化的方法之一,为了探索LUR模型在中国国家尺度空气污染物模拟的适应性,挖掘中国2015年空气细颗粒物(PM_(2.5))的时空变化特征及其与不同地理要素相关关系,以2015年国家控制监测站点PM_(2.5)数据为因变量,土地利用类型、地形地貌、人口、道路交通与气象要素等影响因素为自变量,构建基于地理加权的LUR模型,通过模型回归制图得到2015年全国月均与年均PM_(2.5)浓度分布图,以胡焕庸线为参考线分析中国2015年PM_(2.5)浓度的时空变化特征.结果表明,引入地理加权算法的LUR模型残差Moran'sⅠ显著降低,残差空间自相关性明显减弱,判别系数R2明显提高,更好地揭示出PM_(2.5)空间分布和各影响因子间的复杂关系;耕地、林地、草地和城镇居民工矿用地以及气象要素、主干道路对PM_(2.5)浓度的影响比较显著.不同地理要素的不同空间分布对PM_(2.5)影响作用不同;胡焕庸线两侧PM_(2.5)表现出明显的时空差异,人口规模大、工业化水平高的发达城市PM_(2.5)浓度较高; PM_(2.5)浓度在冬季月份较高,秋季、春季、夏季月份污染情况逐渐减弱.     

泰山区大气中PM_(10)和PM_(2.5)的污染特征分析

根据2014-2016年泰山区大气污染物PM_(10)和PM_(2.5)的监测数据,对PM_(10)和PM_(2.5)浓度的变化特征和二者的相关性以及PM_(2.5)占PM_(10)的比重进行分析。结果表明:受地形、气象和冬季燃煤取暖的共同影响,近三年的PM_(10)、PM_(2.5)月均浓度都具有明显的季节变化规律,冬季最高,夏季最低,春季、秋季居中。环保部门等采取了一系列措施,三年来空气中PM_(10)和PM_(2.5)的浓度逐年下降。PM_(10)和PM_(2.5)的浓度具备一定的相关性,且PM_(2.5)在PM_(10)中比重很大,可认为两者的变化趋势一致。秋冬季节是泰山区细颗粒物污染较重的季节,环境危害较大。在雾霾天气频发的阶段,PM_(10)和PM_(2.5)的防治更应成为大气污染防治工作的重中之重。     

徐州市气溶胶光学厚度与PM2.5相关性及年周期特征

基于徐州市2014～2017年气溶胶光学厚度(AOD)、地面监测站PM_(2.5)浓度及气象数据,构建经标高订正的AOD(AOD/H)与经湿度订正的PM_(2.5)(PM_(2.5)×f_((RH)))之间的5种不同类型的拟合模型,分析两者在不同季节的相关性;同时利用经验模态分解对AOD/H与PM_(2.5)×f_((RH))进行周期变化分析。结果表明:AOD与PM_(2.5)浓度直接相关程度较低,经过订正后两者的相关程度显著提高;选取乘幂模型为最优拟合模型,利用乘幂模型估计得到的PM_(2.5)浓度与地面监测的经湿度订正的PM_(2.5)浓度呈显著正相关,相关系数在四季分别达到0.752、0.650、0.808和0.942;利用经验模态分解分析得到AOD/H与PM_(2.5)×f_((RH))具有显著的年周期变化特征,均在冬季出现高值,后逐渐降低,在6月前后出现极小值,到秋季又逐渐增大;AOD/H与PM_(2.5)×f_((RH))年变化特征表现出很高的一致性(r=0.888),表明在徐州地区AOD/H对PM_(2.5)×f_((RH))在年周期尺度变化特征研究中能起到良好的指示作用。     

重庆市都市功能核心区秋季大气污染物时空分布特征

为研究重庆市都市功能核心区大气污染物浓度水平及变化规律,统计分析了2014年9月至2014年11月5个监测站(解放碑、高家花园、杨家坪、新山村和南坪)24 h连续监测PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3浓度数据.结果表明,观测期间,大气颗粒物污染严重,5个站点PM2.5日均浓度超标率分别为30.8%、37.4%、38.5%、37.4%和31.9%,5个站点PM10日均浓度超标率分别为23.1%、22.0%、18.7%、19.8%和19.8%;重庆市都市功能核心区细颗粒物(PM_(2.5))污染严重,5个站点PM2.5占PM10比例分别为60.2%、64.6%、64.1%、75.4%和62.8%;PM_(2.5)、PM_(10)、NO_2和CO早晚出现高峰值;SO_2和O_3浓度日变化曲线呈现单峰型,峰值分别出现在中午和午后;降水量、气温和水汽压与PM_(2.5)、PM_(10)、SO_2和NO_2呈显著负相关;相对湿度与O_3呈显著负相关,气温、水汽压和风速与O_3呈显著正相关;CO与相对湿度呈显著正相关;风向也影响着大气污染物浓度的时空分布,南偏西、南偏东和东北偏北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO浓度积累,西北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO扩散;但西北风控制下利于O_3浓度积累.