北京1o个常绿树种颗粒物吸附能力研究

大气中颗粒物PM( particuIate matter)不仅造成环境污染,还对人体造成严重的危害.城市绿色植物作为大气过滤器,能够有效地提高城市空气质量,保护人体健康.因此了解不同树种对空气颗粒物的吸附滞纳作用是必要的.以北京植物园10种常绿植被为研究对象,应用空气气溶胶再发生器( QRJZFSQ_I)测定了北京市常见6种乔木和4种灌木叶片对空气总悬浮颗粒物( TSP)﹑PM10﹑PM2.5和PM1.0的吸附能力.结果表明①不同树种叶片表面附着颗粒物的能力差异明显,最高的是雪松( Cedrus deodara)和油松( pinus tabuliformis),吸附量分别是(18.95±0.71)μg.cm-2和(14.61±0.78)μg.cm-2,冷杉( Abies fabri)最小,为(8.02±0.4)μg.cm-2;②不同树种叶片单位面积对不同颗粒物的附着能力也存在差异,附着PM10能力最强的是油松和雪松,附着PM2.5能力最强的是雪松﹑铺地柏( Juniperus procumbens)﹑龙柏( Juniperus chinensis cv. kaizuka)和油松,附着PM1.0能力最强的是雪松﹑铺地柏﹑冷杉和油松;③不同月份叶片上附着的各粒级颗粒物( PM10﹑ PM2.5 )占TSP的比例不同.其中PM10在4~6月之间主要表现两种变化趋势,一是先上升后下降,主要为灌木树种;二是逐渐上升,主要的树种是乔木树种.而PM2.5则没有这种明显的变化趋势.     

北京不同污染地区园林植物对空气颗粒物的滞纳能力

城市园林植物作为城市生态系统的重要组成成分,在滞纳空气颗粒物,净化城市大气环境发挥着重要作用.本文以北京市6种常见园林植物为研究对象,利用气溶胶再发生器(QRJZFSQ-I)测定了不同污染地区叶片对大气颗粒物的滞纳能力,同时利用环境扫描电镜观察了测试树种叶片结构变化.结果表明:1在所测的树种中,针叶树种单位叶面积滞纳空气颗粒物的能力比阔叶树种高,其中油松(Pinus tabuliformis)滞纳量最高,为(3.89±0.026)μg·cm-2,其次是白皮松(Pinus bungeana),为(2.82±0.392)μg·cm-2,毛白杨(Populus tomentosa)最小,为(2.00±0.118)μg·cm-2;2通过观察叶片微观形态结构发现,针叶树种气孔排列紧密,气孔密度比阔叶树种大,表面粗糙度高于阔叶树种,而且能够分泌油脂;3在不同污染区,相同树种叶片滞纳PM10存在显著差异,五环周围的树种叶片单位叶面积滞纳PM10能力要高于植物园的,而相同树种叶片单位叶面积滞纳PM2.5则无明显差异;4在不同污染区下,叶片结构发生了重要的适应性变化,相对于轻污染区,在重污染区植物叶片外表皮细胞收缩,叶片表皮纹理变得更加粗糙,气孔频度和绒毛长度增加.尽管暴露于重污染区植物叶片发生重要变化,但是这些植物仍然能够正常健康地生长.     

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。     

廉江某地区大气TSP、PM10、PM2.5污染水平及相关性研究

为研究廉江市大气颗粒物污染特征,于2014年11月～12月采集TSP、PM10、PM2.5样品,用重量法分析质量浓度,并对相关性进行分析.结果表明,用环境空气质量标准(GB 3095-2012)来衡量,廉江市冬季大气颗粒物TSP、PM10、PM2.5的日均浓度均符合标准,环境空气状况良好;三个代表性采样点在监测周期内TSP、PM10、PM2.5的浓度变化趋势大体一致,监测结果能客观反映该区域颗粒物的污染状况;PM2.5与PM10,PM10与TSP之间均存在着显著相关性,回归方程相关性较好.     

北京市常见树种叶片吸滞颗粒物能力时间动态研究

目前,以显微镜观察叶片微观结构已被证明是研究叶片吸滞颗粒物机理的有效方法.本文利用颗粒物再悬浮法和原子力显微镜,观察了北京市主要园林树种吸滞颗粒物的能力和叶片的表面特征,并探讨了不同树种吸滞颗粒物能力随时间变化的规律及叶片微观结构对滞尘能力的影响.结果表明:1针叶树种吸滞总悬浮颗粒物(TSP)能力大于阔叶树种,排序为:油松((27.13±0.44)μg·cm~(-2))白皮松((10.74±0.23)μg·cm~(-2))五角枫((8.24±0.18)μg·cm~(-2))柳树((7.71±0.18)μg·cm~(-2))银杏((6.43±0.17)μg·cm~(-2))杨树((6.17±0.19)μg·cm~(-2)),不同时间段树种滞尘能力不一致;2观测期间,针叶树种吸滞TSP和粗颗粒物(PM10)能力随月份呈U型趋势,在8、9和10月最低,随后又逐渐上升,而阔叶树种吸滞颗粒物能力则呈倒U型趋势,在7、8月最高,但不同树种吸滞细颗粒物(PM2.5)能力随时间变化均无明显规律性;3通过对叶片表面原子力显微镜(AFM)结构观测发现,叶片表面粗糙度越大,其吸滞颗粒物能力越强.     

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.     

北京9个树种叶片滞尘量及叶面微形态解释

不同树种叶片对PM(颗粒物)的滞留能力存在较大差别,并与其表面特性密切相关. 在北京市选择空气相对清洁的植物园和污染严重的国贸桥2个地点,测定了9个常见绿化树种——白蜡、大叶黄杨、垂柳、国槐、毛白杨、玉兰、紫叶李、元宝枫和银杏的单位叶面积滞尘量及其粒径组成,并观测了各树种叶面微形态结构. 结果表明,国贸桥和北京植物园9个树种PM、PM>10、PM_2.5~10和PM_2.5平均滞留量之比分别为1.64、1.60、1.89和2.50,该比值随PM粒径减小呈增大的趋势. 环境污染会改变树木叶片表面结构与性质,从而改变其滞尘能力. 叶面沟槽深且间距大、润湿性好、气孔密度(>189 N/mm2)(以单位面积气孔数计)较大有利于滞尘;气孔密度(>217 N/mm2)更大的叶片有利于滞留PM_2.5~10. 此外,叶面绒毛数量直接影响PM_2.5滞留量,在不同污染程度下均表现为有绒毛树叶的PM_2.5滞留能力更强.      

叶片微观结构变化对其颗粒物滞纳能力的影响

叶片作为植物滞留大气颗粒物最主要的载体,其表面微观结构特征和粗糙度的差异是颗粒物滞纳能力的重要决定因素.叶片微观结构会随着生长(内部因素)以及环境污染强度(外部因素)发生变化,然而现有的粉尘喷洒模拟实验,一般持续时间较短,而微观结构变化响应具有明显的滞后性,其结果无法客观反映由内外因素作用引起的微观结构变化对颗粒物滞纳能力的影响.本研究利用新叶和老叶研究叶片生长,并选择自然状态下不同污染源条件研究污染强度,分析叶片表面微观结构的变化及其对颗粒物滞纳能力的影响.研究得到3种常绿树种(矮紫杉Taxus cuspidata var.、侧柏Platycladus orientalis和油松Pinus tabuliformis)的老叶滞纳TSP、 PM_(10)、 PM_(2.5)和PM_1量均高于新叶,随着叶片的生长其颗粒物滞纳量在增大,且新叶与老叶对不同粒径颗粒物的滞纳量间均存在极显著的差异.生长中叶片粗糙度Rq值的增大是老叶颗粒物滞纳能力增大的主要原因. 5个树种(侧柏、油松、国槐Sophora japonica、毛白杨Populus tomentosa和银杏Ginkgo biloba)TSP和PM_(10)滞纳量为重度污染区高于相对清洁区.而PM_(2.5)和PM_1滞纳量则是油松、银杏和侧柏为重度污染区高于相对清洁区,国槐和毛白杨为相对清洁区高于重度污染区.不同污染强度区域间叶片TSP、PM_(10)和PM_(2.5)滞纳量存在着极显著的差异,PM_1滞纳量也存在着差异.主要归因于与相对清洁区相比,重度污染区叶片的气孔指数降低,蜡质层退化,表面纹理和细胞边界更加不规则,绒毛变长,变硬,叶片微观结构的这些变化使得重度污染区叶片粗糙度Rq值高于相对清洁区,且叶片背面的增加较正面更明显.研究结果将为深入揭示叶片颗粒物滞纳能力的驱动因素,以及提出更科学地提升净化颗粒物功能的城市森林管理措施提供数据支持.     

北京大兴6种常见绿化树种吸附PM_(2.5)能力研究

该文以北京大兴南海子公园6种常见园林绿化树种为研究对象,应用气溶胶再发生器对植物叶片PM_(2.5)吸附量进行了定量研究,分析了叶表面微形态特征。结果表明:单位叶面积PM_(2.5)吸附量油松和白皮松最大,其次为柳树、五角枫,杨树和银杏最小,且针叶树种PM_(2.5)吸附能力强于阔叶树种;不同树种单位叶面积PM_(2.5)吸附量均值:4月在(0.008±0.002)~(0.053±0.008)μg/cm2之间、5月在(0.010±0.001)~(0.067±0.017)μg/cm2之间、6月在(0.014±0.001)~(0.328±0.073)μg/cm2之间,从不同月份看,表现为6月(0.093±0.124)μg/cm25月(0.031±0.023)μg/cm24月(0.027±0.019)μg/cm2;油松、白皮松叶表面凹凸不平,粗糙度较大,且气孔密集,开度较大,从而致使其吸附PM_(2.5)能力最强;而杨树、银杏、五角枫叶表面光滑,气孔较少,颗粒物不易附着,且因蜡质的疏水特性,对植物表面具有一定的清洁作用,其吸附PM_(2.5)能力较弱;此外,叶表面存在绒毛有利于植物叶片吸附PM_(2.5)等颗粒物。因此,在绿化造林时可优先考虑种植叶表面粗糙、有绒毛存在的针叶树种,将更有利于PM_(2.5)等颗粒物的吸收,从而提高植物的环保效益。     

北京西山冬季针叶树种叶片滞纳PM_(2.5)功能研究

以北京西山8种针叶树为研究对象,应用气溶胶再发生器对不同植物叶片冬季PM_(2.5)吸附量进行测定,应用环境扫描电镜观察了叶表面微形态特征结构,阐释了不同树种叶表面结构与吸滞PM_(2.5)关系。结果表明:冬季单位叶面积PM_(2.5)吸附量排序为雪松((3.04±0.39)μg/cm~2)油松((2.93±0.32)μg/cm~2)红松((2.87±0.28)μg/cm~2)白皮松((2.79±0.29)μg/cm~2)侧柏((2.19±0.20)μg/cm~2)冷杉((1.89±0.33)μg/cm~2)龙柏((1.80±0.25)μg/cm~2)桧柏((1.75±0.19)μg/cm~2),从冬季不同月份来看,不同树种单位叶面积PM_(2.5)吸附量表现为2月((2.81±0.59)μg/cm~2)1月((2.45±0.53)μg/cm~2)12月((2.33±0.51)μg/cm~2)11月((2.05±0.48)μg/cm~2);雪松、白皮松和油松有大量凹陷和突起,气孔密度和开度较大,叶表面较粗糙,吸滞PM_(2.5)能力强;冷杉、龙柏和桧柏因其叶表面平滑、气孔密度较小,绒毛较少,吸滞PM_(2.5)能力较弱。因此,为提高城市植被的环境效应,可选择叶表面形态有利于吸滞PM_(2.5)等颗粒物的树种。     

2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响

利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM₁₀、PM_2.5和PM₁的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM₁₀、PM_2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM_(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM_(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM₁的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别.     

邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

2013年1月邯郸市严重霾天气的污染特征分析

利用河北工程大学大气环境监测站点的PM₁₀、PM_2.5、SO₂和NO_x在线监测数据,并结合能见度、湿度数据,对邯郸市2012年12月1日到2013年1月31日的大气污染状况进行分析,特别是2013年1月持续发生的霾天气,以探讨严重霾污染的过程特征.结果表明,2013年1月,SO₂与NO_x的平均浓度分别为225.3 μg·m^-3和217.8 μg·m^-3,PM₁₀和PM_2.5的平均浓度分别为328.5 μg·m^-3和229.4 μg·m^-3,均超过新颁布的环境空气质量标准,是2012年12月平均浓度的1.4~3.5倍.重污染过程分析结果显示,污染峰值附近几天内PM₁₀、PM_2.5的时均浓度变化无明显规律.累积阶段的PM_2.5/PM₁₀在0.42~0.52之间,峰值前后上升并超过0.70,扩散阶段PM_2.5/PM₁₀降到0.70以下,且呈波动式变化.当PM_2.5/PM₁₀小于0.40时,能见度基本位于2~18 km之间;当PM_2.5/PM₁₀在0.40~0.60之间时,能见度在0.7~8 km之间;当PM_2.5/PM₁₀大于0.60时,能见度分布于2 km以下.     

邯郸市大气复合污染特征的监测研究

利用邯郸市4个大气环境监测站点的PM2.5、PM10、O3等在线连续观测数据,对2013年全年的PM2.5、PM10、O3的浓度水平、变化规律和PM2.5/PM10的变化情况进行了分析,并从地形、气象、污染物排放及冬、夏季逐时PM2.5、O3和各类气体污染物浓度之间的关系等方面进行了研究.结果表明:12013年PM2.5、PM10的年均浓度分别为139和238μg·m-3,分别是国家二级标准的4.0倍和3.4倍.PM2.5、PM10日均浓度超过标准的天数均在280 d左右,全年3/4以上天数均超标.其颗粒物污染程度甚至超过北京、天津、长三角和珠三角等超大城市或城市群,属于严重超载的红色预警地区.整个采暖期PM2.5、PM10平均浓度分别为209和322.1μg·m-3,为非采暖期平均浓度的2倍和1.6倍;同时,采暖期PM2.5/PM10平均值为63%,高出非采暖期10%,采暖期细颗粒物污染问题特征明显.22013年O3日最大8小时平均浓度的最大值为238μg·m-3,是国家二级标准的1.5倍,超标天数为53 d,超标率为14.5%;最大时均浓度为288μg·m-3,是国家二级标准的1.4倍,超标小时数为148h,占全年有效数据的1.7%;与北方城市相比,其污染程度超过北京、天津等,略低于洛阳污染水平.3邯郸市大气复合污染的形成,除了区域大气环流与特殊地形叠加影响外,还主要归因于相对较高的人为源大气污染物排放,因此,要想走出复合污染的困局,减排是硬道理,解决灰霾污染需开展颗粒物、NOx、SO2等污染物的协同控制.     

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_(2.5)和PM_(10)中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_(2.5)和PM_(10)进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_(2.5)和PM_(10)中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_(2.5)中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧源、扬尘源、机动车排放和工业源,贡献率分别为22.64%、 7.49%、 41.22%、 14.71%和13.94%.PM_(10)中元素来源主要有扬尘源、燃煤和铜冶炼的混合源、机动车排放和工业源,贡献率分别为55.47%、 19.80%、 7.48%和12.83%.由此可见,扬尘源和燃煤与铜冶炼的混合源是临沂市颗粒物污染形成过程中的重要源类.     

2014—2016年海口市空气质量概况及预报效果检验

本文主要基于CUACE模式在海口市的预报产品,结合2014年3月—2017年2月海口市AQI、PM_2.5、PM₁₀和O₃的实况资料进行预报效果检验.结果表明,①近3年海口市空气质量等级主要以优和良为主,但仍有少部分天数以PM₁₀、PM_2.5和O₃为首要污染物,分别占所有首要污染物天数的27.6%、29.5%和42.9%,其中O₃上升幅度较快.②CUACE模式能较好的模拟出AQI和3类污染物浓度的变化特征,其中PM_2.5的预报值与实测值最为接近,而PM₁₀和O₃普遍偏低.③日平均浓度的预报效果检验表明,PM_2.5的标准误差（RMSE）最小,AQI和PM₁₀次之,O₃最大.3个时次预报平均偏差（MB）和归一化偏差（MNB）均为负值,表明CUACE模式预报的污染要素浓度均偏低于实测值.④海口市空气质量为优等级时,TS评分最高;无首要污染物时,首要污染物预报的TS评分最高,但首要污染物为PM_2.5、PM₁₀或O₃时,TS评分均偏低.     

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.      

兴隆大气气溶胶中水溶性无机离子分析

2009年9月～2010年8月在兴隆大气背景站,利用Andersen分级采样器进行大气气溶胶样品的采集,并利用离子色谱分析了其中的水溶性无机离子的成分含量.结果表明,TSP、PM2.1和PM1.1中总水溶性无机盐的年平均浓度分别为(89.66±47.66)、(54.44±34.08)和(44.39±29.95)μg·m-3,其中SO42-、NO3-、Ca2+和NH4+为兴隆大气气溶胶中最主要的水溶性无机离子.PM2.1中总水溶性无机离子的年平均浓度占TSP的61%.PM1.1总水溶性无机离子的年平均浓度占TSP的50%,占PM2.1的82%.PM1.1、PM2.1和TSP中水溶性无机离子总浓度季节性变化趋势一致,夏季>秋季>春季>冬季.NH4+与SO42-的摩尔比>2,表明NH4+未被SO42-完全中和.在细粒子中NH4+和SO42-、NO3-均有较好的相关性,相关系数分别为0.96和0.87,表明NH4+可能以(NH4)2SO4和NH4NO3的形式存在.     

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.