大气细颗粒物污染对大负荷量运动员肺功能的影响研究

空气污染是社会普遍关注的问题,大气细颗粒物(PM_(2.5))是空气污染的主要组成成分。相关研究结果表明PM_(2.5)污染会对运动员呼吸系统和肺功能造成不良影响,引起呼吸道和心肺系统的一系列不良反应,导致运动员运动表现下降。目前关于PM_(2.5)污染对大负荷量运动员肺功能影响的研究较少,几乎没有关于PM_(2.5)长期暴露对大负荷量运动员肺功能的影响研究。对当前的PM_(2.5)污染对大负荷量运动员肺功能及运动表现的影响进行阐述,为在大气细颗粒物污染环境下大负荷量运动的有效性和安全性提供借鉴与参考。     

道路两侧不同树种对大气中可吸入污染颗粒物的吸附效应分析研究

不同树种对大气中可吸入污染颗粒物的吸附效应存在显著差异,其中,白杄、油松对PM_(10)的吸附效应较强,白杄对PM_(1.0)的吸附效应较强,油松对TSP的吸附效应较强,白杄、油松对PM_(2.5)的吸附效应较强;而国槐对上述可吸入污染颗粒物的吸附效应较弱;白毛杨的吸附效应最弱。因此可以得出结论,气孔密集、绒毛多的叶片有利于树种对污染颗粒物的吸附,其中,白杄、油松的综合吸附效应最好,能够有效降低大气中可吸入污染颗粒物的含量,是优良的道路两侧绿化树种。     

天津市道路环境大气颗粒物水溶性无机离子分析

大气颗粒物,尤其是其中的水溶性无机离子,对人体危害很大.天津市大气污染中机动车尾气污染相对较高,为探究不同道路类型下水溶性无机离子的污染特征,于2015年4~5月对天津市四类道路类型分别进行大气颗粒物PM_(2.5)和PM_(10)采样及水溶性离子组分分析,并运用皮尔森相关性分析、水溶性离子比值关系分析及主成分分析方法进行探讨.结果表明,天津市水溶性无机离子主要集中在细颗粒物中,不同离子在不同道路下所占质量分数差异很大,二次污染相对较重;二次离子是水溶性无机离子的重要组成部分,在细颗粒物中含量相对较高,在PM_(2.5)中的含量是PM_(10)中的1~2倍左右;K~+、Mg~(2+)、Na~+与Ca~(2+)之间有较高的同源性;各道路PM_(2.5)和PM_(10)第一贡献因子均是燃烧和二次污染的混合源,第二贡献因子主要为扬尘与交通混合源.     

城市森林植被区空气PM_(2.5)质量浓度时空变化

该研究选取北京大兴南海子公园植被区与亦庄非植被区PM_(2.5)数据进行研究,对比分析植被区与非植被区PM_(2.5)质量浓度日变化、月变化和年变化特征,典型天气下的PM_(2.5)质量浓度变化。结果表明:植被区PM_(2.5)质量浓度整体上低于非植被区,二者日变化均呈典型的双峰曲线,白天低,夜间高,最小值出现在下午15:00左右;从不同月份看,PM_(2.5)质量浓度最高值出现在冬季的1月、2月,最低值出现在6月、8月,整体表现为冬季月份明显高于其余月份;气温、降雨和大风均与PM_(2.5)浓度呈负相关,晴天时,温度较高,有利于PM_(2.5)浓度降低;降雨有利于空气颗粒物沉降,有效清除大气PM_(2.5)污染,降低其浓度;大风天气会增加大气环流,有助于颗粒物在大气中扩散,使PM_(2.5)不易滞留,从而导致浓度降低。降雨和大风均能导致PM_(2.5)污染降低,且城市森林植被对于PM_(2.5)有明显降低作用。     

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。     

垫江县大气环境中PM_(10)和PM_(2.5)污染状况研究

为准确掌握垫江县城区大气环境中细颗粒的污染状况,选择2016年9月1日—2017年2月28日大气自动观测站的数据研究分析,结果表明:垫江县城区大气环境中PM_(10)和PM_(2.5)的平均质量浓度分别为79mg/m~3和68mg/m~3,PM_(10)的月平均质量浓度均大于PM_(2.5),PM_(2.5)占PM_(10)的比例在84.6%~90.0%。多元分析结果可以看出,大气环境中的PM_(10)和PM_(2.5)具有相类似来源,气象条件对垫江县城区大气颗粒物污染影响较大。HYSPLIT轨迹模型分析表明,秋冬季节大气重污染时段,垫江县城区大气环境中颗粒物来源受到西南和西北气团影响较大。     

邯郸市PM_(1.0)、PM_(2.5)污染特征及在线水溶性离子分析

对2014年12月—2015年2月邯郸市大气中PM_(1.0)、PM_(2.5)以及PM_(2.5)中的硝酸根(NO-3)、水溶性有机碳(WSOC)和硫酸根(SO2-4)进行在线监测。结果表明,PM_(1.0)中干性成分(PM_(1.0)_DRY)和包含水分的PM_(1.0)(PM_(1.0)_WET)分别占PM_(2.5)的74.0%和81.4%,PM_(1.0)为PM_(2.5)中的主要组成。利用锯齿型方法估算本地源和区域源对PM_(1.0)、PM_(1.0)~2.5、PM_(2.5)的贡献,得出区域源对PM_(1.0)的贡献为40.6%,明显高于对PM_(1.0)~2.5与PM_(2.5)贡献的32.3%和37.7%,因为PM_(1.0)直径小,在大气中存在时间较长、传输距离远。根据NO-3、WSOC、SO2-4与PM_(1.0)、PM_(1.0)~2.5的相关系数,推断NO-3、WSOC可能在PM_(1.0)生成,而SO2-4可能在PM_(1.0)~2.5中生成。     

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。     

邯郸市PM_(10)、PM_(2.5)和PM_(1.0)在线监测研究

对2015年3月—2016年2月邯郸市大气中的PM_(10)、PM_(2.5)和PM_(1.0)进行了在线监测,探讨了其质量浓度的变化特征,并分析了其质量浓度与风速、风向的关系。结果表明:邯郸市颗粒物质量浓度水平较高,β射线吸收法所监测的PM_(10_WET)、PM_(2.5_WET)和PM_(1.0_WET)年均浓度值分别为202.5,114.8,81.1μg/m~3,PM_(2.5_DRY)/PM_(10_WET)和PM_(2.5_WET)/PM_(10_WET)分别为0.58、0.70,PM_(1_DRY)/PM_(2.5_WET)和PM_(1_WET)/PM_(2.5_WET)分别为0.58、0.71,PM_(2.5)为PM_(10)中的主要组成,PM_(1.0)为PM_(2.5)中的主要组成。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)质量浓度冬季最高;PM_(10)、PM_(2.5)和PM_(1.0)日变化峰值为上午09:00左右,谷值为下午16:00左右,扬沙、降雨,霾和春节不同条件下PM_(10)、PM_(2.5)和PM_(1.0)差异明显。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)的浓度高值主要分布在风向0°~100°和175°~225°、风速小于1 m/s的情况下。     

乌鲁木齐市快速路林带内PM2.5、PM10污染特征研究

颗粒物污染中PM_(10)、PM_(2.5)等细颗粒物对动、植物及人体健康的危害较为严重。随着乌鲁木齐市的进一步开放和发展,环境问题,特别是大气环境中PM_(2.5)的污染问题受到了更多的关注。文章以乌鲁木齐市主要快速路,外环路、河滩路林带为研究对象,通过在道路防护林不同宽度处设置监测点,研究了PM_(2.5)、PM_(10)从道路扩散到林带后时的浓度变化规律,得出乌鲁木齐市快速林带宽度与颗粒物浓度之间存在复杂的负相关关系;快速路林带从离快速路3 m起对汽车尾气为主的颗粒物污染显著的削减作用;针叶林为主林带对颗粒物可具有较明显的削减作用;居住在城市快速路两边居民遭受更严重的颗粒物污染,汽车尾气是增加颗粒污染物浓度的重要因素之一。     

北京野鸭湖湿地观测站大气颗粒物变化特征

利用北京延庆野鸭湖湿地生态气象观测站2013年PM_(2.5)和PM_(10)连续观测资料,统计分析野鸭湖地区大气颗粒物的变化特征及气象影响因素。研究结果表明:野鸭湖观测站PM_(2.5)和PM_(10)年平均浓度分别为45.7μg/m3和80.2μg/m~3,超标率分别为17.8%和11.4%,以《环境空气质量标准》二级标准统计。PM_(2.5)和PM_(10)均在1月达到峰值,7月出现最低值。各季PM_(2.5)/PM_(10)值在37.8%～69.9%之间,春季以PM_(10)污染为主,冬季以PM_(2.5)为主。各季节PM_(2.5)和PM_(10)日变化中夏季出峰最早,冬季最晚,冬春季PM_(2.5)浓度为双峰型,夏秋季为单峰型;PM_(10)的日变化仅春季与PM_(2.5)略有不同,晚上峰值强度远大于早上。野鸭湖地区颗粒物污染受本地源和外来源的共同影响,东北气流易造成颗粒物积累,而西南气流有利于颗粒物稀释扩散。典型污染过程显示,持续的东北风控制、风速2.0 m/s左右、平均相对湿度在80.0%左右利于颗粒物浓度的增加;而偏西气流和较高温度、较低湿度能共同起到缓解污染的作用。     

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。     

郑州城区PM_(10)、PM_(2.5)质量浓度变化特征及其对气象因子的响应

利用郑州城区9个国控监测点位PM_(10)、PM_(2.5)的日监测数据,研究2013～2016年间郑州城区大气颗粒物质量浓度变化特征及其对气象因素的响应。结果表明,2013～2016年间郑州城区环境空气污染总体状况改善趋势较为显著,重度及以上的污染天数占全年有效天数的比例逐年降低,PM_(10)、PM_(2.5)浓度逐年下降;PM_(10)和PM_(2.5)浓度月均值变化基本一致,浓度变化均呈"U"型分布。PM_(10)和PM_(2.5)质量浓度变化具有明显的季节性特征,冬季其质量浓度最高,春季和秋季次之,夏季最低。选取气温、气压、风速、相对湿度和降水量等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM_(10)、PM_(2.5)浓度的影响。相关性分析结果表明,与PM_(10)、PM_(2.5)浓度显著相关的气象因素存在季节性差异,风速、相对湿度和降雨量是影响郑州城区大气颗粒物质量浓度的主要气象因子。     

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。     

西安市冬季大气颗粒物中重金属污染特征及健康风险评价

选择西安市城区5处典型地段为采样点,检测了冬季大气颗粒物PM_(2.5)和PM_(10)的质量浓度,分析了PM_(2.5)和PM_(10)中所含Fe、Mn、Cu、Zn、Cd、Pb元素含量。结果显示:西安市冬季大气PM_(2.5)和PM_(10)的平均质量浓度分别为193.4,315.2μg/m~3,是GB 3095—2012《环境空气质量标准》中的二级标准限值的2.6,2.1倍;PM_(2.5)/PM_(10)为0.51～0.78,说明大气颗粒物以PM_(2.5)为主;6种重金属在大气颗粒物中含量水平存在差异,含量高低依次为Zn≈Fe>Pb>Mn>Cu>Cd,其中Fe、Cu、Zn、Cd、Pb更容易聚集在PM_(2.5)中;PM_(10)中Fe(2 856μg/m~3)的浓度最高,商业集密区、交通繁忙区和居民集中区的多数重金属元素高于文教区和公园。采用改进后的估算模型进行人体暴露量的估算和风险评估,结果表明:重金属元素的暴露途径强弱顺序为手口摄入>皮肤接触>呼吸摄入;PM_(2.5)和PM_(10)中所含Pb、Cd、Mn的非致癌健康风险(HI介于1.99～6.16,超过1)处于较高水平,对人体健康存在威胁;Cd在PM_(2.5)和PM_(10)中的致癌健康风险(R为2.54×10~(-6)和3.70×10~(-6),低于10~(-4))处于较低水平,但不能忽视其综合作用及长期累积危害。     

京津冀区域重污染期间PM2.5垂直分布及输送

2016年12月17～19日重污染期间,在天津市武清区高村开展车载系留气球颗粒物浓度垂直观测,并以观测数据为基础,计算了区域内PM_(2.5)传输通量.结果表明重污染过程期间,大气混合层较低,约200 m左右,PM_(2.5)浓度垂直分布特征与混合层高度密切相关,混合层以下,PM_(2.5)浓度较高,垂直变化特征不显著,形成明显的污染层,混合层以上,PM_(2.5)浓度迅速降低并维持在降低水平.观测期间,粒径小于1. 0μm颗粒物浓度较高,粒径大于2. 2μm颗粒物浓度较低,近地层粒径为0. 777μm颗粒物浓度最高.颗粒物浓度粒径谱分布与相对湿度和混合层高度相关,高湿度和低混合层下颗粒物浓度粒径谱分布较宽泛.观测期间,PM_(2.5)在西南方向上的传输通量最高,占总传输通量的63. 3%,其中46～156 m和156～296 m高度之间PM_(2.5)传输通量最高.近地面300 m内PM_(2.5)传输主要以西南方向传输为主,300 m以上传输方向较分散.     

天津市滨海新区PM_(2.5)污染时空分布及影响因素研究

为了降低天津市滨海新区中PM_(2.5)的污染,需要对天津市滨海新区PM_(2.5)污染的时空分布和影响因素进行研究。研究天津市滨海新区近年来PM_(2.5)的时空分布特征,并选取PM_(2.5)的相关指标,对天津市滨海新区PM_(2.5)污染影响因素进行分析。结果表明,在天津市滨海新区的冬季时,PM_(2.5)的质量浓度值最高,在滨海新区的夏季时,PM_(2.5)的质量浓度值最低。PM_(2.5)在天津市滨海新区昼间大气中的质量浓度低于夜间大气中的质量浓度。     

阜康市PM_(2.5)和PM_(10)的质量浓度变化特征分析

通过对阜康市2015年1个区控点的PM_(2.5)和PM_(10)的连续自动监测数据分析得出:2015年阜康市大气颗粒物中PM_(2.5)、PM_(10)浓度日均值和小时值的最大值均出现在4月,日均值均超过了环境空气质量标准的二级标准限值;月均值最大值均出现在12月;PM_(2.5)的年均值超过了环境空气质量标准的二级标准限值;PM_(2.5)和PM_(10)冬季的日变化浓度高于其他三季,夏季最低。超标天数高值出现在1、2、11、12月,PM_(2.5)的污染程度比PM10严重;PM_(2.5)和PM_(10)的比值1、11、12月较大。     

吉林市大气PM_(2.5)污染特征及来源分析

2014年在吉林市设立7个大气PM_(2.5)采样点,分采暖季和非采暖季分别采样分析了吉林市城区大气颗粒物污染特征和可能来源。结果表明:吉林市大气颗粒物以PM_(2.5)为主,PM_(2.5)年均值65μg/m3,超过国家二级标准限值86%,PM_(2.5)/PM10的年平均值为61%;PM_(2.5)中,休闲生活区各个时间段金属元素浓度相对较低,工业混合区浓度较高;非金属离子SO2-4、NH+4、NO-3、Cl-是PM_(2.5)水溶性离子的主要成份,其和占PM_(2.5)质量的13.31%,在采暖期浓度质量全部高于非采暖期;采暖期OC和EC来源基本相同,来源于机动车尾气、燃煤和生物质燃烧等,在非采暖期OC和EC来源差异性较大,主要来源于机动车尾气和工业燃煤等。     

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.