城市主要大气污染物时空分布特征及其相关性

为制订合理的大气污染物减排措施,利用中国环境监测总站公布的2015年1-12月299座城市实时发布的环境空气颗粒物（PM_2.5和PM₁₀）及气态污染物（CO、NO₂和SO₂）的质量浓度数据,对其进行了时空分布特征及其相关性研究.结果表明:① 2015年城市环境空气颗粒物污染严重,299座城市的ρ（PM_2.5）、ρ（PM₁₀）年均值分别主要集中在25~60和40~110 μg/m3,年均值达到GB 3095-2012《环境空气质量标准》二级标准的城市所占比例分别仅为24%和38%.② 城市大气污染物浓度具有明显的季节性特征,基本呈冬季>春秋季>夏季的趋势,其中冬季ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）、ρ（NO₂）、ρ（SO₂）分别为（73±27）（114±42）（1.49±0.61）（36±14）（42±33）μg/m3.③ 高ρ（PM_2.5）和ρ（PM₁₀）主要集中在华北平原,年均值分别为（70±16）（117±22）μg/m3;高ρ（CO）主要出现在山西省,年均值为（1.76±0.48）mg/m3;高ρ（NO₂）主要分布在京津冀、山东省和长江三角洲,年均值分别为（42±6）（39±9）（34±8）μg/m3;高ρ（SO₂）主要分布在山西、山东两省,年均值分别为（54±10）（41±16）μg/m3.④ Pearson相关系数研究表明,我国城市环境空气颗粒物与气态污染物具有较强的复合性,并且具有秋冬季明显强于春夏季的季节性特征.研究显示,我国城市大气污染具有较强的季节性、区域性与复合性,在降低环境空气颗粒物浓度的同时,对气态污染物的削减也不容忽视.      

基于CMAQ空气质量模型研究机动车对济南市空气质量的影响

为研究济南市机动车排气对城市区域空气质量的影响,利用环境空气质量监测站点（简称"1号站点"）和路边机动车尾气监测站点（简称"2号站点"）的在线数据,以及基于4种模拟情景的CMAQ空气质量模型预测数据,研究了济南市城市区域大气污染物质量浓度变化规律及不同机动车车型对6种常规大气污染物的贡献.结果表明:①在采暖季,1号站点ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（CO）、ρ（O₃）和ρ（SO₂）月均值分别为435 μg/m3、702 μg/m3、84.2 μg/m3、6.8 mg/m3、4.5 μg/m3和92 μg/m3.②2015年12月24日（灰霾天）,1号站点ρ（CO）、ρ（PM_2.5）和ρ（PM₁₀）均明显升高,ρ（SO₂）、ρ（O₃）和ρ（NO₂）均变化不明显.2个监测站点中ρ（NO₂）和ρ（PM₁₀）均呈双峰趋势,2个峰值出现的时间与上、下班高峰期基本一致.除ρ（O₃）和ρ（SO₂）达GB 3095-2012《环境空气质量标准》二级标准外,其他污染物均超过GB 3095-2012二级标准限值,采暖季大气污染特征为颗粒物型污染.③机动车对研究区域NO₂和PM₁₀贡献率较大,其中,小型车对CO、NO₂、PM₁₀和PM_2.5贡献率最大,其贡献率分别为85.7%、50.1%、53.4%和52.8%.机动车排放源能降低空气中ρ（O₃）,其总贡献率为-25.5%,其中大型车、中型车、小型车对O₃的贡献率分别为-8.8%、-2.7%和-8.9%.灰霾天下不同机动车车型对空气中污染物质量浓度的总贡献率均比采暖季大.研究显示,济南市采暖季大气污染特征为颗粒物型污染,机动车排放源对空气中NO₂和PM_2.5有较大贡献.      

常州市冬季大气污染特征及潜在源区分析

为了解常州市冬季大气污染特征,对2013—2015年常州市冬季PM_2.5、PM₁₀、SO₂、NO₂、CO数据进行分析,并结合HYSPLIT 4.9模式研究不同气团来源对常州市各污染物浓度的影响及潜在污染源区分布特征.结果表明,常州市冬季以PM_2.5污染为主,其占冬季首要污染物的90%以上,冬季PM_2.5小时浓度对应的空气质量级别以良和轻度污染出现频次最多,冬季的ρ（PM_2.5）对ρ（PM_2.5）年均值的贡献率高达37.4%,不完全燃烧是颗粒物的一个重要来源.冬季ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的日变化均呈双峰分布,两个峰值分别出现在交通的早高峰和晚高峰附近.ρ（NO₂）在晚高峰明显大于早高峰,而ρ（SO₂）和ρ（CO）表现为早高峰大于晚高峰.常州市CO/NO_x和SO₂/NO_x的分析结果表明,常州市交通源的贡献明显,点源对常州市的空气质量的影响也较大.1和6 h的ρ（PM_2.5）梯度变化可判识细颗粒物的爆发性增长.冬季常州市受到西北、西和西南等地区的大陆性气流影响较大,其对应的ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）平均值相对较高,且对应的污染轨迹出现概率较大.偏东方向的气流由于移动速度慢,不利于污染物扩散易造成污染累积,导致ρ（PM_2.5）、ρ（SO₂）和ρ（NO₂）相对较高.WPSCF（源区分布概率）高值区（>0.5）集中于从芜湖至上海的长江中下游区域和杭州湾区域.PM_2.5、PM₁₀、SO₂、NO₂和CO潜在源区存在较大差异性,NO₂、SO₂和CO本地化的潜在贡献较PM_2.5和PM₁₀更明显.此外,受船舶等影响海洋源区对NO₂、SO₂和CO的潜在贡献较大.研究显示,长三角区域的大气污染物以本地污染为主,但远距离污染输送贡献也不容忽视.      

中国沿海地区大气污染特征及其聚类分析

为识别我国沿海地区的大气污染分布特征,基于2015—2016年我国沿海12个省（自治区、直辖市）的115个地级以上城市ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（O₃）、ρ（CO）和ρ（SO₂）监测数据,在分析其时空分布特征的基础上,结合主成分分析和AIC（改进赤池信息准则）开展我国沿海地区大气污染聚类分析研究.结果表明:我国沿海地区颗粒物污染严重,其中70%和54%的城市未达到GB 3095—2012《环境空气质量标准》中ρ（PM_2.5）和ρ（PM₁₀）二级标准,ρ（PM_2.5）在空间上以浙江省金华市为界呈“北高南低”、金华市以北地区“西高东低”的分布特征;环渤海带及长三角地区ρ（O₃）处于相对较高水平,山东省中部ρ（SO₂）突出,最高值达71.3 μg/m3.根据6种大气污染物监测值,可将115个地级以上城市聚为3类:类Ⅰ包括河北省南部和山东省西部在内的21个城市,空间分布连续且相对集中,受本地源和扩散条件的影响,各项大气污染物质量浓度均处于较高水平;类Ⅱ包括辽宁省、山东省东部和长三角等地区的42个城市,各项大气污染物质量浓度较类Ⅰ有所降低,ρ（PM_2.5）降低（比类Ⅰ低34.2%）明显,更多表现为受工业和散煤燃烧影响的SO₂污染,和受海运船舶和陆路交通源影响的NO₂污染;类Ⅲ包括福建省、广东省和广西壮族自治区沿海一带的52个城市,大气污染物质量浓度相对较低,空气质量较优,受季风和外来源影响的秋季O₃污染特征明显.3类城市ρ（O₃）平均值相近但季节性变化有所差异,类Ⅰ和类Ⅱ ρ（O₃）峰值均出现在6月,类Ⅰ ρ（O₃）季节性差异更为显著,类Ⅲ峰值出现在10月,全年变幅相对较小.研究显示,我国沿海地区山东省西部、江苏省北部与京津冀地区南部呈较为相似的污染特征,广西壮族自治区柳州市与周边城市呈不同聚类特征,ρ（PM）和ρ（SO₂）相对较高,为大气污染热点.      

保定市大气污染特征和潜在输送源分析

保定市是京津冀地区重要城市之一.为了解保定市大气污染物质量浓度特征和潜在输送源,对保定市国控点2017年1月1日-12月31日PM₁₀、PM_2.5、SO₂、NO₂、O₃、CO等常规大气污染物数据进行分析,并利用TrajStat后向轨迹模型进行区域传输研究.结果表明:①ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）分别为（138±96）（84±66）（29±23）和（50±24）μg/m3,与2016年相比分别下降5.9%、9.1%、25.5%和13.1%;ρ（CO）较2016年下降了14.0%;ρ（O₃）较2016年增长了25.2%.ρ（PM₁₀）、ρ（PM_2.5）、ρ（NO₂）和ρ（O₃）分别超过GB 3095-2012《环境空气质量标准》二级标准限值的0.97、1.40、0.25和0.34倍,ρ（SO₂）和ρ（CO）未超标.②除ρ（O₃）外,其他污染物质量浓度均呈冬季最高、夏季最低的季节性特征,其中,冬季PM_2.5污染最为严重,春季PM_2.5~10（粗颗粒物）污染严重.③空气质量模型源解析结果显示,保定市ρ（PM_2.5）约60.0%~70.0%来自本地污染源排放.后向轨迹结果表明,在外来区域传输影响中,保定市主要受到西北方向气团（占比为21.7%~60.0%）远距离传输和正南方向气团（占比为34.8%~50.5%）近距离传输的影响.④PSCF（潜在源贡献因子分析法）和CWT（浓度权重轨迹分析法）分析表明,除保定市及周边区县本地污染贡献外,位于太行山东麓沿线西南传输通道的邯郸市、邢台市、石家庄市是影响保定市PM_2.5的主要潜在源区.研究显示,PM_2.5为保定市大气中的主要污染物,并呈冬季高、夏季低的变化特征,其主要来自西北远距离输送和南部近距离传输.      

泉州市2017-2021年大气污染特征及新冠疫情的影响

该文基于2017-2021年泉州市6项主要污染物(PM₁₀、PM_2.5、NO₂、SO₂、CO和O₃)监测数据及空气质量指数(AQI)数据，分析讨论了泉州大气污染的年际和季节变化特征以及常态化新冠疫情管控对泉州环境空气质量的影响，以期为泉州大气污染的进一步治理提供科学参考。结果表明，泉州2017-2021年PM₁₀、PM_2.5、NO₂、SO₂和CO的年均浓度整体上均呈现下降趋势，年均下降率最大的是SO₂(15.8%)，其次是NO₂和CO(9.3%和8.1%),O₃污染相对突出但浓度变化范围显著减小，泉州的整体大气污染波动趋于平稳。泉州的PM₁₀、NO₂、SO₂、CO和O₃污染浓度最高的季节均为春季，春季为泉州的主要污染季节。新冠疫情管控期间，...     

临沂市冬季环境空气PM2.5中水溶性离子污染特征及来源分析

为探究临沂市冬季环境空气PM_2.5中水溶性离子污染特征及来源,于2016年12月11日—2017年1月9日在临沂大学、兰山区政府、高新区翠湖嘉园、汤庄办事处、河东区政府、临沂开发区6个采样点开展样品采集.结果表明:①采样期间全市ρ（PM_2.5）日均值的平均值为144.86 μg/m3,ρ（PM_2.5）日均值在2016年12月20日和2017年1月4日出现峰值,分别为304.46和341.65 μg/m3.②水溶性离子日均质量浓度大小顺序依次为ρ（NO₃-）> ρ（SO₄2-）> ρ（NH₄+）> ρ（Cl-）> ρ（K+）> ρ（Ca2+）> ρ（Na+）> ρ（F-）> ρ（Mg2+）> ρ（NO₂-）,其中,在PM_2.5中w（NO₃-）、w（SO₄2-）、w（NH₄+）分别为22.33%、16.57%、13.62%,说明NO₃-、SO₄2-和NH₄+是临沂市PM_2.5的主要组成部分.③临沂市污染天和非污染天ρ（PM_2.5）日均值分别为164.00和56.86 μg/m3.随污染水平增加,PM_2.5中w（NO₃-）明显增高,w（SO₄2-）和w（NH₄+）基本不变,说明w（NO₃-）的增加导致ρ（PM_2.5）的升高.污染天和非污染天的NOR（氮氧化率）分别为0.28和0.11,SOR（硫氧化率）分别为0.34和0.28,说明污染越重,NOR和SOR越高,并且NO_x的气-粒转化速率较SO₂慢.污染天ρ（Cl-）和ρ（K+）分别为7.22和1.77 μg/m3,分别是非污染天的2.5和3.0倍.④采样期间非污染天和污染天的N/S〔ρ（NO₃-）/ρ（SO₄2-）〕分别为0.85和1.39,说明非污染天时固定源对PM_2.5的贡献相对较大,而污染天时移动源对PM_2.5的贡献相对较大.⑤通过PMF模型法解析出3个因子.因子1对PM_2.5中水溶性离子的贡献率为56.13%,代表二次源和生物质燃烧源;因子2的贡献率为25.22%,代表工业源和垃圾焚烧源;因子3的贡献率为18.65%,代表扬尘源.研究显示,临沂市冬季PM_2.5污染严重,水溶性离子来源复杂,应采取多源控制的污染防治对策.      

京津冀及周边地区“2+26”城市空气质量特征及其影响因素

京津冀及周边地区“2+26”城市为京津冀大气污染传输通道城市,也是我国空气污染最严重的区域之一.针对京津冀及周边地区“2+26”城市,利用中国环境监测总站公布的PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO数据,对2013—2019年京津冀及周边地区“2+26”城市大气污染特征进行分析,并探讨影响其空气质量变化的因素.研究表明:①2013—2019年京津冀及周边地区“2+26”城市空气质量总体向好,2019年ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（CO）和ρ（NO₂）比2013年分别下降了50%、41%、79%、49%和20%,ρ（O₃-8 h-90per）（臭氧日最大8 h平均值第90百分位数）比2013年升高了21%.②2013—2019年京津冀及周边地区“2+26”城市重污染天数持续减少,2019年比2013年下降67%,严重污染天数下降尤为明显,降幅达90%.优良天数比例虽然增加,但2016年以后基本稳定在50%左右,没有持续增加的趋势.③ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的最大值均出现在1月,ρ（O₃-8 h）（臭氧日最大8 h平均值）的最大值出现在6月.ρ（PM_2.5）越高,PM_2.5/PM₁₀和SO₂/NO₂越大,表明二次污染源和燃煤源的贡献越大.④就空间分布而言,ρ（PM_2.5）和ρ（PM₁₀）高值区主要集中在区域中南部太行山脉山前的平原地区,低值区主要集中在区域北部.⑤地理位置、气象条件、产业结构、能耗消耗以及减排政策是影响2013—2019年京津冀及周边地区“2+26”城市空气质量变化的重要因素.研究显示,随着大气污染防治减排措施实施的力度逐渐加大,政策影响已成为京津冀及周边地区“2+26”城市空气质量持续改善的最重要手段.      

黄石市大气PM2.5中水溶性离子浓度特征及来源分析

为研究黄石市大气PM_2.5中水溶性离子组成、质量浓度变化特征及来源,于2012年3月-2013年2月在湖北省黄石市利用MiniVol颗粒物采样器采集PM_2.5样品,用离子色谱分析了9种水溶性离子（NH₄+、Ca2+、Mg2+、Na+、K+、Cl-、NO₃-、SO₄2-、F-）的质量浓度,并采用PMF（正定矩阵因子分析法）模型讨论了不同离子的来源.结果表明:观测期间黄石市大气PM_2.5中ρ（总水溶性离子）的年均值为（61.5±26.8）μg/m3,占ρ（PM_2.5）的63.9%,各离子质量浓度的高低顺序依次为ρ（SO₄2-）> ρ（NO₃-）> ρ（NH₄+）> ρ（Na+）> ρ（Cl-）> ρ（Ca2+）> ρ（K+）> ρ（F-）> ρ（Mg2+）.二次无机离子SNA（为SO₄2-、NO₃-和NH₄+的统称）是水溶性离子的主要成分,占全部所测水溶性离子的74.4%.ρ（NO₃-）/ρ（SO₄2-）范围为0.12~1.29,平均值为0.53±0.30,说明全年观测点附近主要以固定源污染为主.4个季节的SOR（硫氧化率）和NOR（氮氧化率）均大于0.10,说明黄石市PM_2.5中的SO₄2-和NO₃-主要是经二次转化形成的.阴、阳离子相关性研究发现,4个季节阴、阳离子总体相关性（R2为0.98）较好,并且全年PM_2.5组分偏酸性.通过PMF模型源解析发现,黄石市大气PM_2.5中水溶性离子主要来源于燃烧源、二次转化源和土壤/矿物扬尘源.研究显示,黄石市大气PM_2.5中主要水溶性离子成分是SNA,燃烧、二次转化和土壤/矿物扬尘是其主要来源.      

基于空间插值的西安市重空气污染期间主要污染物时空变化特征及相关性分析

西安市是我国承东启西、连接南北的战略性枢纽城市,但其长期受到重空气污染的影响.基于2018年11月24日-12月3日西安市及其周边7个地级市共38个环境质量监测站点的逐时数据,利用空间插值、趋势分析和相关性分析方法,研究了西安市一次重空气污染期间六大污染物（PM_2.5、PM₁₀、CO、NO₂、SO₂和O₃）的质量浓度时空变化及彼此间的相关关系.结果表明:①IDW（inverse distance weighting,反距加权插值法）和OKri（ordinary Kriging,普通克里格插值法）均能较好地获得西安市空气污染物的时空变化情况,但IDW的插值精度优于OKri,距离指数为7的IDW可以满足西安市空气污染物时空变化模拟的要求.②研究期间,西安市首要污染物为PM_2.5和PM₁₀,二者分别是中度-重度污染及严重-"爆表"污染天气的首要贡献因子.③ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）、ρ（NO₂）和ρ（SO₂）均呈中部高、两边低,北部高、南部低的空间分布特点,而ρ（O₃）则相反;PM_2.5、PM₁₀、O₃污染程度日趋严重,NO₂污染程度逐渐缓解.④ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间呈中等正相关,三者在时空变化上具有较高的一致性;ρ（SO₂）与ρ（PM_2.5）、ρ（NO₂）、ρ（CO）均呈弱正相关;ρ（O₃）与ρ（NO₂）、ρ（CO）均呈弱负相关.受扬尘天气和特殊风向及地形共同影响,西安市PM₁₀出现"爆表"现象,导致ρ（PM₁₀）与其他污染物质量浓度之间的相关性不明显.研究显示,距离指数为7的IDW适合西安市空气污染情况时空变化的模拟,重污染天气条件下,西安市ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间具有较高的同源性,但各污染物间时空变化和相关性关系较复杂.      

2017—2020年武汉市大气污染物时空分布特征研究

为进一步了解武汉市大气污染时空分布特征,对2017—2020年武汉市主要大气污染物(PM_2.5、PM₁₀、SO₂、CO、NO₂和O₃)进行了空间插值分析、时间变化分析以及与气象要素的相关性分析。结果表明：武汉市近4年环境空气质量达标率为72.98%。PM_2.5、PM₁₀、SO₂、CO和NO₂具有“冬高夏低”的“V”形特征,O₃呈“夏高冬低”的变化趋势。武汉市年均质量浓度超标的大气污染物主要有PM_2.5和PM₁₀,但其年均质量浓度均呈下降趋势,而O₃是年均质量浓度唯一处于上升状态的大气污染物,今后应重点关注颗粒物与臭氧污染。PM_2.5、PM₁₀、SO₂、CO和NO₂主要集中在武昌区、蔡甸区、青山区、江汉区、江岸区,而O<...     

云浮市2018—2020年颗粒物和臭氧污染特征及污染案例研究

为探究云浮市颗粒物和臭氧(O₃)污染特征,利用多元统计分析方法分析了云浮市2018—2020年6项环境空气污染物浓度、气象因子等监测数据,并对2020年12月25—29日冬季PM_2.5和O₃污染过程进行了研究. 结果表明:①PM_2.5、PM₁₀、NO₂、CO月均浓度呈夏季低、冬季高的变化特征;O₃-8 h第90百分位数呈夏秋季高、冬春季低的变化特征. ②PM₁₀、PM_2.5和CO小时浓度日变化呈波浪型变化特征,PM_2.5、CO小时浓度最大值均出现在09:00,PM₁₀小时浓度最大值出现在02:00. O₃、SO₂小时浓度日变化呈单峰型变化特征,O₃、SO₂小时浓度最大值分别出现在16:00、10:00. NO₂小时浓度日变化呈单谷型变化特征,最小值出现在14:00. ③PM_2.5-10、SO₂、NO₂、O₃小时浓度与PM_2.5小时浓度均呈正相关,说明PM_2.5-10、SO₂、NO₂、O₃与PM_2.5具有一定程度的同源性. O₃小时浓度与NO₂、CO小时浓度呈负相关,且O₃小时浓度与NO₂小时浓度相关性更强. 夏秋季NO₂、CO、O₃、PM_2.5小时浓度与气温的相关性比冬春季的更强. SO₂、PM₁₀、PM_2.5、O₃小时浓度均与湿度呈负相关,其中O₃小时浓度与湿度的相关性最强,相关系数为?0.586. ④2020年12月25—29日云浮市城区PM_2.5污染受到静稳天气影响,O₃污染与28日午后太阳高温辐射以及来自珠三角地区O₃污染气团的输入影响有关. 利用ART-2a对该时段采集的颗粒物进行成分分析,得到K、EC、OC、ECOC、HM、LEV、Na、SiO₃这8种单颗粒物. 整个时段EC、OC、ECOC谱图中都存在明显的硫酸盐峰和硝酸盐峰. PM_2.5小时浓度与硫酸盐离子、硝酸盐离子、硅酸盐离子、铵离子、氯离子的数量均呈显著正相关,二次反应和老化过程对PM_2.5污染有显著影响. 研究显示,云浮市PM_2.5和O₃复合污染防控需要关注本地污染物变化特征和排放源影响,也需关注外来污染气团特别是来自珠三角地区污染气团输入的影响.      

2018年吉林市大气污染物浓度变化及其与气象因素的相关性分析

采用统计学方法、Pearson相关系数法和线性回归法研究分析了2018年吉林市大气污染物SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃浓度的变化特征、污染物浓度之间的相关性以及污染物与气象因素的相关性。结果表明:1）吉林市大气环境中O₃、PM₁₀和PM_2.5日均值超标率分别为1.06%、3.27%和7.14%,颗粒物、O₃及其前体物质为治理重点;CO、SO₂、NO₂、PM₁₀和PM_2.5春、冬季污染较重,夏季污染最轻;大气环境中的污染物浓度随季节、时刻及人类活动发生周期性变化;2）PM₁₀和PM_2.5、PM_2.5和CO、NO₂和CO浓度之间高度相关（相关系数r均>0.8）,并建立了其预测线性模型;3）污染物（O₃除外）浓度与温度、风速和混合层高度呈负相关,与气压呈正相关;降水对SO₂、PM₁₀和PM_2.5浓度具有一定的削减作用,降水后其浓度减少的次数占总降水次数的68.75%、84.38%和78.13%;吉林市污染最严重的颗粒物受气象因素中混合层高度、风速和降水影响较大。该研究成果可为日后吉林市开展大气污染治理、区域大气环境容量测算、空气污染潜势预报等研究提供参考。     

南昌市大气颗粒物污染特征及PM2.5来源解析

为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM₁₀和PM_2.5数据,分析了ρ（PM₁₀）、ρ（PM_2.5）和ρ（PM_2.5）/ρ（PM₁₀）的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR（主成分分析-多元线性回归）模型对大气PM_2.5中化学组分来源进行解析.结果表明:①ρ（PM₁₀）和ρ（PM_2.5）的年均值分别为（115.4±39.1）（69.1±26.8）μg/m3,均超过GB 3095-2012《环境空气质量标准》二级标准限值,ρ（PM₁₀）和ρ（PM_2.5）的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ（PM₁₀）和ρ（PM_2.5）季节性变化特征明显,呈冬季>春、秋两季>夏季的趋势,全年ρ（PM₁₀）超标天数占比为25.48%,ρ（PM_2.5）超标天数占比为36.71%,各季度ρ（PM_2.5）超标天数占比均高于ρ（PM₁₀）.②受人为活动和边界层高度的影响,ρ（PM_2.5）和ρ（PM₁₀）日变化呈双峰双谷形态,一个波峰出现在08:00-10:00,另一个波峰出现在20:00-22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ（PM_2.5）/ρ（PM₁₀）年均值为60.3%,在冬季最高达65.1%,相关性分析发现ρ（PM₁₀）与ρ（PM_2.5）存在较显著的线性关系,表明二者具有同源性.④ρ（PM₁₀）、ρ（PM_2.5）均与ρ（SO₂）、ρ（NO₂）、ρ（CO）呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ（PM₁₀）、ρ（PM_2.5）均与ρ（O₃）全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ（PM_2.5）和ρ（PM₁₀）有较大影响.⑤南昌市秋季PM_2.5的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM_2.5的贡献率分别为40.9%、35.8%、12.4%、10.9%.研究显示,南昌市PM_2.5的污染程度较PM₁₀严重,PM_2.5已成为南昌市大气颗粒物污染的主要组分,PM_2.5主要来源为城市扬尘和机动车尾气.      

本溪市PM2.5中水溶性离子季节性变化特征及来源分析

为研究本溪市大气PM_2.5中水溶性离子污染特征,于2016年1—10月在本溪市开展PM_2.5样品采集,使用离子色谱法分析了其中8种水溶性离子（Cl-、NO₃-、SO₄2-、NH₄+、Ca2+、Na+、Mg2+、K+）,并采用PMF（positive matrix factorization,正矩阵因子分解法）模型对水溶性离子的来源进行分析.结果表明:观测期间,本溪市ρ（PM_2.5）平均值为（57.6±21.9）μg/m3,ρ（PM_2.5）季节性变化特征明显,呈冬季 > 秋季 > 春季 > 夏季趋势;水溶性离子平均质量浓度为19.3 μg/m3,占ρ（PM_2.5）的33.6%,各离子质量浓度高低顺序为SO₄2- > NO₃- > NH₄+ > Cl- > Ca2+ > K+ > Na+ > Mg2+;SNA（SO₄2-、NO₃-和NH₄+）是PM_2.5中主要的3种离子,在春季、夏季、秋季和冬季分别占水溶性离子的73.2%、88.2%、82.5%和73.6%,表明夏季的二次污染较为严重.阴、阳离子电荷平衡分析结果显示,阴离子相对亏损,本溪市PM_2.5整体呈弱碱性,NO₃-、SO₄2-与NH₄+相关性较高,其在PM_2.5中主要以NH₄NO₃和NH₄HSO₄的形式存在. PMF分析结果表明,本溪市PM_2.5中水溶性离子的来源主要包括二次转化源、燃煤源和扬尘源.研究显示,本溪市PM_2.5中水溶性离子季节性变化特征明显,二次转化源、燃煤源和扬尘源是其主要来源.      

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.      

基于熵权法的汾渭平原城市空气质量模糊综合评价

为了促进科学减排、精准防治大气污染,选取PM_2.5、PM₁₀、SO₂、CO、NO₂、O₃作为评价因子,通过熵权法建立污染因子权重集,以扩展后的环境空气质量标准为基础,通过计算各评价因子的隶属度,对汾渭平原11个城市不同季节的环境空气质量进行模糊综合评价,得出各城市的大气污染水平及季节变化特征。结果表明:该地区各城市空气质量受季节影响变化大,春、夏、秋季空气质量明显优于冬季,PM_2.5、PM₁₀、SO₂、O₃为主要污染物,评价结果可客观全面地反映该地区不同季节环境空气质量状况。     

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.      

北京市开发区PM1污染特征及影响霾形成的因素

通过采集北京市亦庄经济技术开发区2016年7月和10月、2017年1月和4月4个季节典型代表月大气亚微米颗粒物PM₁样品,分析研究了该开发区PM₁及其水溶性离子组分的季节变化以及不同污染时段的变化特征,揭示了影响二次组分形成和霾污染形成的重要因素.结果表明：研究期间开发区PM₁平均浓度为73.95μg/m³,高于北京市同期估算的PM₁平均水平,为其1.13倍.夏、秋、冬、春4季PM₁平均浓度分别为69.22,63.38,99.50,57.26μg/m³,明显呈现出冬季 > 夏季 > 秋季 > 春季的季节变化特征,各季节霾天PM₁浓度是清洁天的1.78~3.17倍.PM₁中总水溶性离子浓度为37.30μg/m³,占PM₁总质量浓度的50.44%,其中二次组分SO₄^2-、NO₃^-和NH₄⁺（SNA）平均浓度占总水溶性离子浓度的86.98%,是PM₁中水溶性离子的最主要组成部分.PM₁总水溶性离子浓度的季节变化与SNA的变化一致,表现为冬季 > 夏季 > 秋季 > 春季.研究期间硫氧化率（SOR）高于氮氧化率（NOR）,且SOR表现为夏 > 秋 > 冬 > 春,而NOR表现为夏 > 秋~春 > 冬,相应霾污染天SOR和NOR均显著高于清洁天,其中夏季霾天SO₂和NO₂的二次转化过程最为显著.SO₂向SO₄^2-的转化主要受相对湿度RH、温度T、NO₂以及NH₃的影响,且液相反应是硫酸盐形成的重要途径.NO₂向NO₃^-的转化受RH、T、O₃以及NH₃的影响较大.鞍型气压场、均压场、逆温层以及南、东南和西南方向为主的近地面偏弱气团传输是影响霾污染形成的重要因素.