德州市采暖季环境空气含氮/硫物质的污染及气-粒分配特征

为探究德州市采暖季环境空气中含氮/硫物质的污染特征、气-粒分配规律及影响因素,对2017年11月10日—2018年3月15日德州市市区环境空气监测站在线离子色谱分析仪监测的水溶性离子及气态前体物质量浓度的小时数据进行了分析.结果表明:①德州市环境空气监测站ρ（NO₃-）、ρ（SO₄2-）和ρ（NH₄+）平均值分别为（18.36±18.55）（12.74±10.92）（9.60±8.75）μg/m3,在2018年1月三者均达到最高值;对比PM_2.5及气态含氮/硫物质的质量浓度发现,ρ（PM_2.5）和ρ（SO₂）在2017年12月、2018年1月和2018年2月的月均值均较高,而ρ（SO₂）与ρ（SO₄2-）、ρ（NH₃）与ρ（NH₄+）均在日间（08:00—17:00）出现波峰.②对颗粒态和气态含氮/硫物质质量浓度日均值进行双变量相关分析发现,ρ（SO₄2-）、ρ（NO₃-）、ρ（NH₄+）两两之间的相关系数均高于0.75,表明二次离子的形成机制相似;而ρ（NH₃）、ρ（NO₂）、ρ（NO）、ρ（SO₂）两两之间均不存在显著相关,说明这些气态前体物来自不同的局部排放源.③过剩NH₃指数（F_N）平均值为0.49±0.16,说明采样时段大气处于富氨环境,过剩的NH₃会与气态HNO₃生成NH₄NO₃,因此NO₃-气溶胶的形成主要受HNO₃的影响或限制.④相对湿度是影响ρ（PM_2.5）最重要的气象因素,高湿环境会促进二次离子的转化.研究显示,冬季采暖排放会增加环境空气中含氮/硫物质的质量浓度,气象因素（尤其是相对湿度）对含氮/硫物质的气-粒分配也有一定影响.      

2008年1月广州大气污染特征及能见度观测研究

利用颗粒物在线观测仪、污染气体在线观测仪、现时天气现象传感器以及自动气象站,于2008年1月对广州大气污染物质量浓度、能见度和气象因子进行了连续观测. 结果发现:ρ(PM_2.5)与ρ(NO₂)日变化趋势基本相似且均呈双峰现象,分别出现在09:00—10:00和19:00—21:00时段;ρ(SO₂)呈单峰现象,出现在08:00—13:00时段. ρ(PM_2.5),ρ(SO₂),ρ(NO₂),ρ(NO)和ρ(O₃)日均值分别为(82.8±66.0),(81.6±80.9),(106.5±67.2),(66.1±57.0)和(25.1±17.0) μg/m3,能见度日均值为(6.8±4.4) km. 能见度与ρ(PM_2.5)和相对湿度呈负相关关系,相关系数均为-0.47. 研究还表明,低边界层高度、小风天气、高水平的污染物质量浓度和相对湿度是导致广州低能见度天气的主要因素.      

2014年北京奥体中心空气质量演变特征

利用中国环境监测总站发布的实时大气环境监测资料,选择北京国家奥林匹克体育中心(下称北京奥体中心)为研究对象,分析了2014年全年北京奥体中心空气质量演变特征. 结果表明:①2014年全年北京奥体中心首要污染污染物为PM_2.5,其次是NO₂,而PM_2.5和PM₁₀出现中度污染以上的污染事件主要集中在冬季和春末秋初;②PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO等主要污染物的年均质量浓度分别为89.75、141.12、21.83、64.26、48.60和1 210 μg/m3. 其中年均ρ(PM_2.5)是GB 3095—2012《环境空气质量标准》二级标准限值(35 μg/m3)的2.6倍,年均ρ(PM₁₀)也是其二级标准限值(70 μg/m3)的2.0倍,年均ρ(SO₂)略高于其一级标准限值(20 μg/m3),而年均ρ(NO₂)则高于其标准限值(40 μg/m3);③北京奥体中心全年逐月ρ(SO₂)/ρ(NO₂)都小于1.00,年均值为0.37,反映出北京目前硝酸型污染特征越来越明显;④针对不同污染等级下各类污染物质量浓度的分析结果显示,严重污染时ρ(PM_2.5)和ρ(PM₁₀)平均值分别高达324.75和494.98 μg/m3,分别是世界卫生组织(WHO)《空气质量准则》推荐24 h平均浓度准则值的13和10倍,其浓度如此之高会对人体健康造成严重危害;⑤ρ(PM_2.5)年均24 h变化趋势表明,ρ(PM_2.5)具有明显的日变化特征,出现2个峰值,高峰值出现在午夜时分(23:00—翌日01:00),次高峰值出现在上午(09:00—11:00),最低值出现在下午(15:00—17:00),次低谷值则出现在凌晨(05:00—07:00),说明ρ(PM_2.5)除与混合层高度日变化特征密切相关外,还与人们的日常生活有一定联系.      

利用差分吸收光谱系统对O3，SO2和NO2的监测分析

结合我国对空气质量自动监测系统质量保证的要求及差分吸收光谱(DOAS)技术自身的技术特点,重点讨论了对南京江北地区的大气污染物的DOAS监测数据的质量控制, 并对2007年12月—2008年8月ρ(O₃),ρ(SO₂)和ρ(NO₂)的日、季节变化特征进行了分析. 结果表明:ρ(O₃),ρ(SO₂)和ρ(NO₂)小时均值的频率分布峰值分别出现在30～40,20～30和30～40 μg/m3;三者超过《环境空气质量标准》(GB3095—1996)一、二级标准的频率分别为4.37%和1.02%(O₃),21.78%和0.89%(SO₂),5.65%和0 (NO₂);ρ(O₃)季节变化十分明显,春季最高;ρ(SO₂)和ρ(NO₂)的日变化与局地排放源、大气扩散能力和人类活动密切相关;ρ(O₃)和ρ(NO₂)日变化呈负相关.      

南京城区冬季大气污染特征

为探究南京城区冬季主要大气污染物浓度变化规律,运用南京市空气自动监测站的φ(CO)、φ(O₃)、φ(NO₂)、φ(SO₂)、ρ(PM_2.5)和ρ(PM₁₀)逐时资料,结合同期气象数据,分析了2014年冬季(2014年12月—2015年2月)南京城区大气污染浓度水平和变化特征,探讨2015年春节期间在实施减排措施下气象条件对空气质量的影响.结果表明:① 观测期φ(CO)日均值和φ(O₃)小时均值未超过GB 3095—2012《环境空气质量标准》二级标准限值;ρ(PM_2.5)、ρ(PM₁₀)、φ(NO₂)、φ(SO₂)日均值分别超标44%、38%、34%、2%;ρ(PM_2.5)、ρ(PM₁₀)最大日均值分别为231和283 μg/m3,分别是GB 3095—2012二级标准限值的3.1、1.9倍. ② 日变化分析显示,φ(CO)与φ(NO₂)呈早晚双峰型变化,与早晚交通高峰源排放有关;φ(O₃)呈明显的单峰型,在午后出现峰值;φ(SO₂)呈单峰型且夜间浓度低于白天;ρ(PM_2.5)和ρ(PM₁₀)为双峰型变化,峰值出现在10:00和22:00左右. ③ 南京地区污染物周末浓度整体高于工作日,其中周末φ(CO)、φ(NO₂)和ρ(PM_2.5)显著高于工作日,“周末效应”显著. ④ 2015年春节期间,南京实施减排措施后,即使在不利的气象条件下,污染物浓度也未出现明显升高,说明减排措施有效削弱了污染源的排放,是保持南京地区良好空气质量的重要因素.      

天津春节期间烟花爆竹燃放对空气质量的影响

为明晰春节期间烟花爆竹燃放对大气环境的影响,利用天津地区2016年和2017年春节期间（除夕至农历十五,公历2016年2月7-22日、2017年1月27日-2月11日）大气污染物质量浓度的监测数据和气象观测资料,对这一时期大气污染物质量浓度的变化规律进行分析.结果表明:天津春节期间大气颗粒物质量浓度峰值均出现在初一的00:00-01:00.烟花爆竹燃放对ρ（PM₁₀）、ρ（PM_2.5）和ρ（SO₂）影响较大,尤其是对地面污染物质量浓度影响最大,并且对ρ（PM_2.5）和ρ（PM₁₀）的影响高度相对增高,但对ρ（NO₂）的实时影响最小.初一00:00-00:01,ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）和ρ（NO₂）分别增加了305、178、80和7 μg/m3.烟花爆竹燃放使ρ（PM_2.5）和ρ（PM₁₀）的日变化曲线较非春节期间波动性增强,主峰值区（20:00-翌日01:00）污染物质量浓度升高和出现的时间延后;ρ（SO₂）主峰值出现时段由09:00-10:00变为00:00左右,并且其峰值剧增.烟花爆竹燃放使夜间空气中ρ（PM_2.5）上升,导致ρ（PM_2.5）在ρ（PM₁₀）的占比显著升高.2016年和2017年春节期间,PM_2.5、PM₁₀和SO₂的最大小时质量浓度及其变化率均高于春节前后（除夕前15 d和农历十五后15 d）,而NO₂和CO的最大小时质量浓度及其变化率则低于春节前后.2016年和2017年除夕ρ（PM_2.5）的半衰期分别为4.7和3.6 h.研究显示,即使在有利于扩散的气象条件下,烟花爆竹燃放仍可使天津地区ρ（PM₁₀）、ρ（PM_2.5）和ρ（SO₂）短时迅速增大,污染物质量浓度主峰值均出现在夜间,ρ（PM_2.5）的半衰期介于3~5 h.      

2015年北京采暖季城市森林内外SO2浓度的时空变化特征

为探讨采暖季城市森林内外ρ(SO₂)动态变化及差异性,基于西山国家森林公园林内空气质量监测站数据,结合北京市环境保护监测中心植物园监测站的实时数据,分析2015年采暖季城市森林内外ρ(SO₂)变化和影响因素.结果表明:林内外ρ(SO₂)日变化基本呈双峰双谷型,在09:00-11:00和20:00-22:00左右达到高峰;采样期间ρ(SO₂)月变化呈不显著"V"型,最高值出现在1月,林内外分别为(25.8±9.2)和(31.7±23.4)μg/m3,最低值出现在11月,林内外分别为(19.0±5.2)和(13.0±11.2)μg/m3.林内ρ(SO₂)在1-3月低于林外,11-12月高于林外,林内ρ(SO₂)变化较林外平缓;气象条件对采暖季城市森林ρ(SO₂)变化有重要影响:降水对ρ(SO₂)消减效应明显,大风有驱散SO₂的作用,同时受风向影响;ρ(SO₂)和温度关系不显著(P=0.05,R < 0.40),但和空气相对湿度线性关系显著(α=0.05,Sig=0.00),林内受气象因素影响低于林外.研究显示,城市森林对气态污染物具有一定的缓冲、抵抗和吸收能力,因此应重视发展城市森林生态系统,充分发挥其生态效益,以提高城市大气环境质量.      

广州城区近地面层大气污染物垂直分布特征

为更好地了解广州城区近地面层大气污染物的扩散与输送过程,利用广州塔4层大气污染物垂直梯度观测平台(高度分别为地面、118、168和488 m)于2014年1月—2015年12月对多种大气污染物进行连续观测,分析了广州城区近地面层大气污染物的垂直分布特征.结果表明:①ρ(PM₁₀)、ρ(PM_2.5)、ρ(PM₁)、ρ(NO₂)和ρ(NO)随高度的上升而降低,其中ρ(PM₁₀)、ρ(PM_2.5)和ρ(PM₁)在低层(地面点位)—高层(488 m点位)的递减率分别为35%、30%和26%,ρ(NO₂)和ρ(NO)分别为75%和84%;ρ(O₃)随高度上升而增加,其低层—高层的增长率为135%;ρ(SO₂)和ρ(CO)则随高度上升先增后减.②除ρ(O₃)外,其余污染物浓度均符合“冬强夏弱”的季节特征,ρ(O₃)则在夏秋季较高,春冬季较低.冬季ρ(PM₁₀)、ρ(PM_2.5)、ρ(NO₂)和ρ(NO)高、低层间差异为全年各季最大,分别为38.6、18.5、49.4和31.9 μg/m3.③各污染物小时浓度日变化特征均不同程度地受混合层发展过程的影响,各高度污染物浓度在一天中混合层高度最高的时段(12:00—17:00)最接近,而在其余时段分层较明显.除O₃外,其余污染物质量浓度在中、低层大致呈早晚双峰分布,而在高层大致呈单峰分布.ρ(O₃)则在各层均保持单峰分布,峰值一致出现在14:00.④对一次典型污染过程分析发现,不同高度的ρ(PM_2.5)和ρ(NO₂)最大差值分别可达183.0和148.0 μg/m3,ρ(PM_2.5)显著地受到本地近地面污染源的影响,污染物高浓度区域主要集中在488 m以下.      

2018-2019年兰州市近地面臭氧浓度变化特征及其影响因素分析

选取兰州市城区4个环境空气质量国控站点2018-2019年的监测数据和兰州市气象站同期的观测资料,分析了兰州市O₃浓度的时空分布特征,并探讨了气象因素和相关污染物对ρ(O₃-8 h)的影响。结果表明:1)兰州市城区各站点ρ(O₃-8 h)的月变化和ρ(O₃)小时值的日变化均呈单峰型,ρ(O₃-8 h)高值出现在4-8月,ρ(O₃)小时峰值出现在15:00左右;2)相关污染物与ρ(O₃-8 h)均呈负相关,ρ(O₃-8 h)随ρ(NO₂)、ρ(CO)、ρ(PM_2.5)的增加而降低;3)高温、低湿的环境有利于兰州市城区O₃的生成,而特殊的地形条件导致在一定风速下,O₃更容易积累;4)分别建立了相关污染物和气象因子的多元线性回归方程,发现在当前气象条件和相关污染物排放现状下,气象因子对兰州市O₃的影响比相关污染物的影响更为重要。     

中国臭氧时空分异及热点城市群气象关联特征

基于2018～2020年臭氧的日最大8h滑动平均值(O₃-8h),采用空间自相关分析、暴露风险评估和多元线性回归等方法,研究了全国337个城市O₃的时空分异及其人口加权的暴露风险特征,识别了热点城市群并解析了热点城市群O₃的气象关联特征.结果表明:O₃具有显著的空间聚集特征,其中浓度高于160μg/m³(国家二级浓度限值,GB3095-2012)、超标率高于20%和人口加权暴露风险等级为高的区域主要集中在京津冀城市群(BTH-UA)、中原城市群(CP-UA)和长江三角州城市群(YRD-UA).其次,2018～2020年月均O₃-8h变化呈“M型”分布,各年最高值分别出现在6月、9月和5月,月均ρ(PM_2.5),ρ(NO₂),ρ(SO₂)和ρ(CO-95)均呈现“W型”分布,并且在12月和1月达到最高值,与O₃均呈现明显的负相关关系;月均ρ(PM_2.5     

天津城市大气污染物浓度垂直分布特征

利用2007年10月10日~2008年9月30日天津边界层气象观测塔得到的PM2.5质量浓度、O3和NO2体积分数等梯度资料,对比分析了不同高度上各污染物数据统计特征,并对各污染物数据的时间变化特征及垂直分布进行了讨论.结果表明,天津市PM2.5污染严重,且易发生光化学污染事件.各高度层PM2.5浓度在12、1和2月份存在较大差异,其他月份差异较小;O3体积分数均表现出夏季高冬季低的典型特征;NO2体积分数在220m高度处变化较为复杂且全年波动较大,120m处变化平稳,40m处则表现出春夏季高、秋冬季低的特点.PM2.5体积分数和NO2体积分数日变化均呈现双峰型,峰值的出现与早晚出行高峰以及边界层的变化有关,且污染物出现峰值的时间由低到高存在2~3h的延迟.O3体积分数与太阳辐射强度关系密切,各层均在14：00前后达到最大,而夜间的还原反应使各层臭氧体积分数下降.40m和120m处NO2体积分数变化较为一致,全天波动很小,而220m处波动较大,昼夜差异明显.     

兰州城市和远郊区黑碳气溶胶浓度特征

利用兰州大学半干旱气候与环境观测站(SACOL)2010年9月至2011年8月的黑碳气溶胶观测资料,分析了兰州市区和郊区黑碳气溶胶的浓度变化特征.结果表明:市区的年平均黑碳浓度要远大于郊区.日变化都呈明显的双峰结构,最大值出现在08:00~10:00,最小值出现在16:00左右;对于月最大频数浓度的年变化,市区和郊区均是5月黑碳浓度最小,其值分别为1143和932ng/m3,1月黑碳浓度最大,分别为10230和5063ng/m3;市区的周变化较郊区明显;沙尘条件下黑碳气溶胶浓度值低于当月的日均值.     

辽宁地区大气黑碳气溶胶质量浓度在线连续观测

利用2008年3月—2009年2月辽宁沈阳、大连、鞍山、抚顺和本溪ρ(黑碳)观测资料,分析了其变化特征及重要影响因子. 结果表明,5个城市小时ρ(黑碳)的变幅较大,最小值出现在抚顺秋季的2008年9月23日00:00,ρ(黑碳)为0.14 μg/m3,最大值出现在本溪冬季的2008年11月11日08:00,ρ(黑碳)为64.52 μg/m3;本溪ρ(黑碳)日均值最高,为6.87 μg/m3,其次是沈阳、鞍山和抚顺,大连的ρ(黑碳)日均值最小,为3.18 μg/m3;ρ(黑碳)日变化有明显的峰值和谷值,最高值一般出现在06:00─09:00和17:00─19:00,低值出现在02:00─04:00和12:00─15:00;风速对ρ(黑碳)有重要影响,当风速<3.5 m/s时,ρ(黑碳)随风速增大而减小,当风速>3.5 m/s时,风速对ρ(黑碳)的影响不大;后向风轨迹较好地反映污染物在不同城市区域间的传输特征,在冬季沈阳以上风区域北部影响为主;ρ(黑碳)日均值变化和大气低层垂直温度梯度变化有较好的对应关系.      

2015～2018年太原市臭氧污染特征分析

基于太原市2015年1月~2019年2月的空气质量监测数据,分析了太原市近地面臭氧浓度变化特征。结果表明:2015~2018年太原市臭氧年平均浓度为78.42、82.33、95.87、103.77μg/m 3,臭氧浓度存在加速上升趋势;臭氧浓度逐日变化范围为5~270μg/m 3,共有181 d超过GB 3095—2012《环境空气质量标准》二级标准限值(160μg/m 3),超标时段主要集中于5~8月份;臭氧浓度日变化呈单峰型分布,峰值与谷值时段分别为14∶00~16∶00和6∶00~7∶00;臭氧浓度有明显的月变化规律,峰值与谷值时段分别为6~7月和1月、12月;臭氧浓度还表现出显著的季节变化规律,按浓度高低依次排序为夏季、春季、秋季和冬季;臭氧浓度与NO 2、CO、PM 2.5浓度呈负相关性。     

我国4个WMO/GAW本底站大气CH4浓度及变化特征

利用基于光腔衰荡光谱(CRDS)技术自组装的大气CH4在线观测系统,于2009～2010年在青海瓦里关、浙江临安、北京上甸子和黑龙江龙凤山这4个世界气象组织全球大气观测网(WMO/GAW)大气本底站对大气CH4进行了在线观测.临安站在所有季节中CH4浓度都表现出类似的日变化趋势,即浓度在每日～05:00(北京时间)达到最高值,在～14:00为最低.夏季龙凤山站CH4浓度表现出类似的规律,但其日变化振幅较大,达到216.8×10-9(摩尔分数,下同).上甸子站春、秋、冬季CH4浓度呈现类似变化趋势,但夏季日平均值较高,在晚间～20:00达到最高值,瓦里关站四季CH4浓度日变化均不明显.3个区域本底站(临安、上甸子和龙凤山)全年CH4本底浓度存在明显的变化,临安站CH4本底浓度在7月达到全年最低水平.龙凤山站则表现出相反的趋势,在8月达到全年最高值,其全年浓度表现出"W"型变化.冬季龙凤山和上甸子站CH4浓度高于春季和秋季.瓦里关站全年浓度变化较小,月平均浓度振幅仅为11.5×10-9.临安、上甸子和龙凤山3个区域本底站夏季CH4非本底数据占总数据的比例>70%.为分析气团传输的影响,对4站夏季高浓度时刻(瓦里关:CH4>1 870×10-9,龙凤山CH4>2 100×10-9,临安CH4>2 150×10-9,上甸子CH4>2 050×10-9)对应的气团轨迹进行聚类分析表明,夏季出现的高浓度CH4观测数据可能主要由气团传输所引起.     

2008~2012年上海黑碳浓度变化特征分析

采用上海市城市环境气象中心2008~2012年黑碳质量浓度小时平均资料,分析了上海市区黑碳质量浓度变化规律.结果表明,2008~2012年间上海黑碳平均质量浓度呈下降趋势,各年黑碳平均质量浓度从(4 045.3±3 375.4)ng·m-3降至(2 766.2±2 078.9)ng·m-3,观测期间的逐年变化率分别为2.3%、-6.5%、-18.7%和-12.1%.与其它大城市相比,黑碳平均质量浓度为中等偏低水平.从年平均变化看,11和12月的5年平均质量浓度最高,分别为5 426.6 ng·m-3和5 365.3ng·m-3,其次为1、6和10月,分别为4 402.5、3 763.3和3 412.7 ng·m-3.工作日和休息日的5年平均日变化均呈明显双峰结构,两峰分别出现在北京时间07:00~10:00和18:00~22:00,工作日第一峰高于第二峰,休息日则相反.5年间,工作日黑碳平均质量浓度较休息日高9%.此外,根据有效观测数据,通过回归整理,给出了一个5年平均黑碳质量浓度日变化的逐时经验函数,以方便估计和预测黑碳浓度水平.     

北京奥运会及残奥会期间PM10质量浓度演变特征及成因

2008年8─9月北京及周边各省市ρ(PM₁₀₎明显低于2006─2007年同期值. 结合污染物监测数据及气象资料,采用影响因子资料统计以及典型个例诊断对比法,研究造成北京奥运会及残奥会期间低ρ(PM₁₀₎的原因. 对2006─2008年同期风速的统计表明,2008年7─10月北京各月平均风速均低于往年,2 m/s以上的风发生频率低于往年,不利于大气污染物扩散. 2008年8月北京月降水量与2005年接近,但ρ(PM₁₀₎明显优于2005年,可见降水并不是该次ρ(PM10)月均值低的原因. 对比2006─2008年8─9月典型相似累积型天气型背景影响下ρ(PM₁₀₎日均值及演变过程发现,2008年ρ(PM₁₀₎日均值及演变曲线均低于往年. 根据对影响因子统计和北京及其周边省(市、区)严格的减排措施等分析,指出天气形势及其伴生的气象因素演变可能影响ρ(PM10)日均值波动,但六省(市、区)协同减排是保障优质空气质量的主要原因.      

主成分分析和GIS技术在沈阳大气环境时空特征研究中的应用

在广泛收集整理相关资料和数据基础上,运用主成分分析法和GIS SuperMap技术对沈阳市2002—2010年大气污染物SO2、NO2、PM10年均值和8个环境监测站点2002—2010年的SO2、NO2、PM10年均值进行分析,结果表明:在时间变化方面,大气主要污染物的年均值在逐年下降,大气质量在近9年间逐渐转好,2007—2009年污染指数的月平均值变化曲线清晰呈现出两头高中间低的"U"字型变化趋势;在空间变化方面,从市中区到近郊区再到远郊区有逐渐减弱的趋势,市中心的太原街、小河沿的环境质量逐年转好,但市郊区的环境质量在逐年下降。     

山西云凝结核时空分布特征观测

选取2011年1~12月山西太原云凝结核(CCN)观测数据,对CCN的季节、月、日变化特征进行了分析,并与国内外同类研究进行了对比.结果发现,冬季CCN数浓度最高,春秋季次之,夏季CCN数浓度最低.CCN数浓度的最高值出现在1月,最低值出现在6月.夏季较多的降水天气对CCN的湿清除作用明显,冬季供暖期间(11~12月及1~3月),CCN数浓度明显增大.CCN数浓度日变化一般呈现两个峰值,分别出现在07:00~11:00和17:00~20:00.利用公式N=CSk拟合了不同季节地面CCN核谱,得到春夏秋冬四季对应的拟合参数C值分别为10983、2454、7614、16421,k值均小于1,为典型的大陆型核谱.通过2013年夏季在山西中部地区开展的CCN飞机观测,研究了CCN数浓度的垂直廓线.CCN数浓度在近地面最大,随高度逐渐降低.在0.3%和0.4%过饱和度下,2000m以下CCN数浓度平均量级均为103cm-3, 3000m以上CCN数浓度平均量级降低至102cm-3.     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。