南京地区PM2．5污染特征及其影响因素分析

文章利用2007年南京市草场门和迈皋桥采样点的PM2．5在线监测资料研究了南京地区PM2．5浓度的时空变化特征。对PM2．5质量浓度进行了月季变化、日变化特征分析。并利用同时期气象资料分析了PM2．5浓度与气象条件的关系。结果表明,南京市细颗粒物污染较严重,草场门采样点各月超标率均在55％以上,年超标率达72％;2采样点各季节霾天气下PM2.5质量浓度均大于非霾日下浓度均值,不管是霾天气还是非霾天气下,草场门采样点各季节PM2．5质量浓度均高于迈皋桥采样点（除秋季非霾天气）。2007年南京市PM2．5质量浓度呈现出春冬季节较高、夏秋季节较低的特点;日变化呈双峰分布。对PM2.5质量浓度与水平能见度的相关性研究表明,南京市大气能见度与细粒子质量浓度呈现很好的负相关性,相关系数高达0．98。草场门采样点霾天气下平均能见度水平仅5．2km,最高能见度为13km,最低为1．7km。     

天津地区霾天气特征研究

基于2014~2017年天津地区PM_2.5质量浓度，能见度和相对湿度监测数据开展霾天气特征研究.结果表明：天津中度以上霾过程分为五类：高压后部型，北部弱高压型，低压槽型，均压场型和锋前低压型.在现行标准下，中度霾一般对应重度污染天气，重度霾对应重度到严重污染天气；五级重度污染天气一般有中-重度霾发生，六级严重污染天气有重度霾天气发生.2013年“大气污染防治行动计划”开展以后，天津PM_2.5质量浓度和霾日均显著减少，2017年相比2013年霾日减少了55%，中度及其以上霾日由2013年的41d下降到2017年的20d，下降幅度超过50%.基于实况监测的PM_2.5质量浓度，能见度和相对湿度，可以较好的构建区域能见度计算方程.统计数据显示，其估算的能见度和实况值相关系数为0.94，相对误差为18.6%，非霾日辨识准确率为85%，霾日辨识准确率为95.6%，轻微霾辨识准确率为83%，轻度霾辨识准确率为78%，中度霾辨识准确率为93%，重度及以上霾辨识准确率为94%，对于判断霾等级，有较强的适用性.将该方程与空气质量模式结合开展霾等级预报，2015~2017年24h预报产品检验显示：能见度预报值与实况值相关系数为0.75，预报均值13.9km，实况均值14.1km，相对误差为29.6%，FAC2（预报值在实况值两倍范围内百分比）为98.1%，霾日预报准确率81.4%，霾日漏报率18.6%，霾日空报率20.6%，如果容错1级，轻微霾日预报准确率为96%，轻度霾日预报准确率为85%，中度及以上霾日预报准确率为69%，可有效支撑天津霾等级预报的开展.     

霾天气南京市大气PM_(2.5)中水溶性离子污染特征

为了讨论南京市大气细颗粒物(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征,2007年6月10日至2008年5月29日对南京市大气细粒子PM2.5进行了采样,用PM2.5在线监测浓度、离子色谱法等分别测得PM2.5的质量浓度、水溶性离子组成,初步研究了南京市大气细粒子(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征。结果表明,南京市大气细颗粒物污染严重,霾天气下PM2.5中总水溶性离子质量浓度为54.28μg/m3,为非霾天气的1.6倍。分析的6种离子中SO42-、NO3-、NH4+是PM2.5的主要组成成分。灰霾期间PM2.5与NO3-、SO42-、NH4+的相关性较高,PM2.5中颗粒物的主要存在形式可能为NH4Cl、NH4NO3,(NH)42SO4或NH4HSO4。对比不同季节不同天气下的SOR(SO2转化率)和NOR(NOx转化率),发现霾天气下SO2和NOX转化率高于正常天气,表明SO2、NO2在霾天气更容易转化为二次粒子。     

兰州市PM_(10)污染变化特征及其成因分析

利用2001年1月～2007年12月兰州市空气质量日报数据,结合时间尺度分离法,分析研究了兰州市PM10污染的年、季变化特征、年变化趋势及其成因.结果表明,2001年以来兰州市PM10污染有所减轻,年日均PM10浓度由2001年的236μg.m-3下降为2007年的127μg.m-3,空气质量为优、良的天数增加了1.3倍,但年平均PM10浓度仍超过国家二级标准,超标率为25%;PM10污染存在明显的季节变化,冬半年的11月、12月和1～4月PM10浓度较高,月平均最大值和次大值分别出现在12月(271μg.m-3)和3月(245μg.m-3),5～10月PM10浓度较低,基本维持在150μg.m-3以下;61.2%的中度污染和50.6%的重度污染发生在冬季,67.4%的优良天数出现在夏季和秋季;2001～2007年,兰州市PM10浓度每年下降12.6%与兰州市烟、粉尘年排放量变化趋势一致;由于沙尘、浮尘天气造成的自然尘排放量的年际变化对PM10浓度年际变化趋势的贡献约为21%,而局地气象条件的扰动对PM10浓度年际变化的影响很小.近年来兰州市PM10污染状况的改善主要是由本地污染物排放量的减少造成的,同时也受沙尘、浮尘天气年际变化的影响,要长期有效地改善兰州市大气环境质量,不仅要制定科学合理的本地减排措施,还应考虑周围生态环境的改善.     

北京市2009年8月大气颗粒物污染特征

为研究2008年8月北京奥运会1a之后北京市大气颗粒物的污染特征,于2009年8月对北京市大气颗粒物PM10、PM2.5样品进行采集,测量其质量浓度并对其中的水溶性离子组分进行分析.研究发现2009年8月北京市大气颗粒物PM10、PM2.5质量浓度日均值分别为176.9μg/m3和102.5μg/m3.PM10质量浓度比2008年观测值上升了180%,比2007年降低了10%; PM2.5质量浓度比2008年观测值上升了126%,比2007年上升了31%.水溶性离子是大气颗粒物的重要组分,分别占PM10和PM2.5质量浓度的43%和61%.对比发现,污染天气条件下PM2.5/PM10和NO3-/SO42-比值升高,移动源是北京地区主要的污染物来源.风向风速和降水等天气条件对颗粒物质量浓度有很大影响,其中0.5~1.0m/s的东南风条件下大气颗粒物污染最为严重.     

兰州市某城区冬夏季大气颗粒物及重金属的污染特征

在2010年7月与2011年1月,对兰州市西固区、榆中县的大气颗粒物(TSP、PM10、PM2.5)进行了采集,并对颗粒物浓度及不同粒径颗粒物上的重金属(Cd、Cr、Cu、Pb、Ni、Zn)含量进行了分析.结果显示,夏季TSP的浓度均值均未超过国家标准值,而冬季只有研究区均值超过国家标准值,超标倍数为0.36倍;研究区PM10冬、夏季浓度均值皆高于国家标准值,超标倍数分别为1.18和0.19倍,而在对照区只有冬季均值超过了标准值,超标倍数为0.05倍;冬季PM2.5的浓度均值在研究区和对照区均超过参考标准值,超标倍数分别为1.94倍和1.0倍,而夏季浓度均值只在研究区超标,超标倍数为0.31倍.颗粒物TSP、PM10及PM2.5的浓度均值呈现的整体特点为冬季高于夏季,且研究区显著高于对照区.应用潜在生态风险指数法评价显示,大气颗粒物中重金属元素的生态危害顺序为:Cd>Cu>Ni>Zn>Pb>Cr,其中Cd的潜在生态危害程度为极强;多种重金属联合的生态风险指数显示,TSP、PM10、PM2.5的重金属生态风险程度均为极强,其中PM2.5的潜在生态风险指数最高.     

天津2009年3月气溶胶化学组成及其消光特性研究

2009年3月,采集天津城区PM10和PM2.5样品,分析其中的水溶性无机离子、有机碳(OC)和元素碳(EC),并估算其二次有机碳(SOC)浓度及消光系数.结果表明,天津城区PM10和PM2.5污染严重,水溶性无机离子和含碳物质在PM10中的比例为24.8%和10.0%,在PM2.5中的比例为26.6%和13.9%;SO42-、NO3-和Ca2+是主要的无机离子,霾日天气有利于SO2和NO2向硫酸盐和硝酸盐的二次转化;通过OC/EC最小比值法估算SOC的浓度,表明SOC与OC的比值分别为38%(PM10)和24%(PM2.5),霾日天气有利于SOC生成;二次离子(SO42-,NO3-和NH4+)、粗粒子、OC和EC是大气消光的主要贡献者,其消光贡献比例分别为33.1%, 22.6%,22.0%和15.6% 采用化学组分和相对湿度可以较好的拟合大气消光系数及大气能见度.     

无锡市冬季典型天气PM2.5中碳组分的污染特征

于2013-12-03~2014-01-03在无锡市对大气细粒子(PM2.5)进行了连续采集,并用热/光透射法(TOT)分析了其中有机碳(OC)和元素碳(EC)的浓度,结合气象参数,分析了冬季霾产生过程及霾天气下碳组分的污染特征.结果表明,采样期间共有3次霾产生过程,冷空气、风和降水成为改善空气质量最有效的途径.PM2.5、OC及EC的日均质量浓度分别为(132.38±87.17)、(22.80±9.77)和(2.08±1.63)μg·m-3,总碳(TC,TC=OC+EC)占PM2.5的23.57%,同时TC与PM2.5之间存在较好的相关性,相关系数为(R2)0.730;采样期间,TC在PM2.5中所占的比例与PM2.5的浓度之间存在相反的变化趋势,并且在霾天气下TC所占的比例要比非霾天气小,二次无机气溶胶粒子(SO2-4、NO-3、NH+4)的快速增长可能是造成霾天气下细粒子浓度较高的原因之一;OC/EC值为12.83,并且相关性较差,可能与二次污染有关,对二次有机气溶胶(SOC)进行估算:得到SOC平均质量浓度为9.04μg·m-3,占OC的40.96%.     

基于WRF-RTIM的上海地区霾预报MOS方法研究

应用基于系统辨识理论的实时迭代模式(real-time iterative model,RTIM)对WRF模式预报结果进行后处理,建立了上海地区霾天气的模式输出-统计(model output statistics,MOS)方法.首先,根据WRF模式的气象输出资料,结合大气污染观测数据,筛选出霾事件的预报因子;其次,运用系统辨识实时迭代模型,建立依据MOS预报方法的PM2.5、PM10和能见度预报模式;最后根据霾事件的判别标准,对上海2012年11月—2013年1月的霾日进行24 h和48 h预报.结果表明,PM2.5模式预报成功率为75.0%~63.9%,PM10模式预报成功率为87.5%~81.8%,能见度模式预报成功率为71.0%~74.2%,霾日预报成功率为73.7%~72.7%.分析表明,研究期间上海的气溶胶以细颗粒物为主,低能见度主要由导致霾现象的PM2.5引起.该方法能较准确地预报霾日的发生,可为我国城市大气环境业务预报提供参考依据.     

基于MOS的杭州秋冬季空气污染预报和霾诊断

利用由数值预报模式WRF和辨识理论实时迭代统计方法RTIM组成的MOS方法对杭州市2013年2~3月和11~12月期间的空气污染物日平均浓度做预报,预报值与实测值之间相关系数都超过0.75 ,PM2.5、PM10、SO2、NO2、CO 24h平均浓度和O3 8h平均浓度分类预报临界成功指数(CSI)分别为89%、87%、100%、93%、100%和100%,命中率(POD)分别为93%、95%、100%、100%、100%和100%.分析表明,研究期间杭州地区气溶胶以细颗粒为主.根据PM2.5浓度、相对湿度及能见度预报值做霾日分类预报,临界成功指数为89%,命中率为93%.说明该MOS系统对污染物浓度及霾天气预报性能良好,可以为业务化预报提供参考.