大气颗粒物对A549和HUVECs细胞的毒性作用

比较了A549和HUVECs 2种细胞对颗粒物的敏感度,以探讨大气颗粒物粒径对生物活性的影响. 采集北京市区PM_10～2.5、PM_2.5～0.1和PM_0.1,将A549和HUVECs细胞暴露于不同浓度的颗粒物悬浮液24 h后,用噻唑蓝(MTT)法测定细胞存活率,并用LDH试剂盒测定细胞培养液中LDH(乳酸脱氢酶)的含量. 结果表明:随着染毒剂量的增大,细胞存活率逐渐降低,并且呈剂量-反应关系;培养液中LDH浓度呈剂量依赖型增加;当染毒剂量>200 μg/mL时,PM_0.1的细胞致死率大于PM_10～2.5和PM_2.5～0.1(P<0.01);同一粒径的颗粒物对HUVECs的毒性比A549略大,但无统计意义. 因此,相对于粗颗粒物,细、超细颗粒物具有较大的细胞毒性,A549和HUVECs细胞对颗粒物的敏感度差异不显著.      

燃煤PM2.5不同组分对血管内皮细胞的毒性

采用MTS法评价燃煤PM_2.5不同组分对血管内皮细胞EA.hy926的细胞毒性.以大同散煤为样品煤,在实验室采用固定源稀释通道采集燃煤PM_2.5,提取燃煤PM_2.5全颗粒物、无机组分及有机组分,分别对人脐静脉内皮细胞EA.hy926进行染毒,采用MTS法检测PM_2.5不同组分对EA.hy926细胞增殖的影响.结果表明:燃煤PM_2.5全颗粒物、无机组分及有机组分均可抑制血管内皮细胞增殖,且具有剂量-反应关系;在相同染毒剂量组内,有机组分的活性抑制影响显著高于全颗粒物和无机组分,其差异具有统计学意义,但全颗粒物和无机组分之间并无统计学差异.PM_2.5的来源和组分是影响其细胞毒性的重要因素,燃煤PM_2.5不同组分均可抑制血管内皮细胞增殖,血管内皮损伤是PM_2.5致心血管毒性的可能机制之一.      

南京市大气PM2.5无机组分及对A549细胞的毒性效应

为研究不同来源的大气颗粒物中PM_2.5对人体的健康毒性效应,于2016年1-3月在南京市交通源区、化工园区、生活区等代表性站点分别采集PM_2.5样品,分析其水溶性离子和金属元素含量,并以PM_2.5对人体肺上皮细胞A549染毒24 h,研究暴露于不同来源颗粒物后的细胞活性和氧化损伤程度.结果表明:交通源区和化工园区日均ρ（PM_2.5）远高于生活区,3个区域均含有大量二次污染物,其中SO₄2-、NO₃-和NH₄+占PM_2.5总离子质量的80.6%~85.0%.交通源区PM_2.5中w（Zn）较高,主要来源于燃料燃烧和柴油发动机排放;而化工园区PM_2.5中w（Cu）、w（Pb）和w（Mn）均高于其他站点.将PM_2.5染毒剂量设定为50、100、200、400 μg/mL,各站点颗粒物均显著抑制A549细胞的存活率,并呈剂量-效应关系,化工园区对细胞存活率的半抑制浓度（IC₅₀=229.1 μg/mL）最低,而在高暴露浓度（200 μg/mL）下化工园区诱导产生的活性氧（ROS）最少.因此,南京地区主要受二次污染影响,机动车污染正在加剧;化工园区的颗粒物具有较大的细胞毒性,而较低的氧化损伤程度可能与该站点颗粒物中较低的w（Zn）以及测试暴露时间有关.      

北京大气PM_(2.5)对A549细胞炎性因子及DNA损伤的毒性

为探讨大气PM_(2.5)及其不同组分对人肺上皮细胞A549的毒性作用及其剂量-反应关系,将前期采集的PM_(2.5)颗粒物用不同方法进一步制备PM_(2.5)水溶性组分、PM_(2.5)脂溶性组分和PM_(2.5)单纯颗粒物,将制备的PM_(2.5)颗粒物及其组分以不同浓度(10,50,100,200,400μg/m L)对A549细胞染毒,用MTS法分别在染毒6,10,24,48,72h后测定细胞活力,染毒24h后用ELISA及RT-QPCR法测定炎性因子IL-6和TNF-α表达量,AP位点计数法测定细胞DNA损伤情况.结果表明:除PM_(2.5)水溶性组分外,其余染毒样本高浓度染毒时始终对细胞生长表现出抑制作用,其中低浓度染毒时可在较短时间对细胞生长表现出抑制作用,染毒时间较长时抑制作用减弱或消失,PM_(2.5)水溶性组分对细胞生长抑制作用并不显著;除PM_(2.5)水溶性组分外,其余染毒样本都显著升高了IL-6m RNA的相对表达量和IL-6蛋白的分泌,除PM_(2.5)脂溶性组分外,其余染毒样本都显著升高了TNF-αm RNA的相对表达量;除PM_(2.5)水溶性组分外,其余染毒样本都显著提高了DNA碱基缺失程度.总的来说,PM_(2.5)水溶性组分在抑制细胞活力、造成炎性损伤及DNA损伤方面作用相对较小,而PM_(2.5)所产生的毒性作用并不仅限于其所吸附的复杂成分,其中作为载体的固体核心颗粒对机体可能造成的毒性作用也不容忽视.     

菏泽市冬季大气PM2.5和PM10中碳组分来源解析

为研究菏泽市冬季大气颗粒物中碳组分的污染特征和来源,于2016年1月采集菏泽市冬季大气PM_2.5和PM₁₀样品,基于热光反射法分析样品中OC（有机碳）、EC（元素碳）及8个碳组分[OC1、OC2、OC3、OC4、EC1、EC2、EC3和OP（裂解碳）]的含量,并计算得到ρ（Char-EC）（Char-EC为燃料燃烧后固体残渣中的EC）和ρ（Soot-EC）（Soot-EC为燃烧后气相挥发物质再凝结形成的EC）,以定性识别大气颗粒物中碳组分的来源.结果表明,菏泽市冬季大气颗粒物样品中碳组分浓度处于较高水平,PM_2.5中的ρ（OC）、ρ（EC）分别为26.34、9.22 μg/m3,PM₁₀中ρ（OC）、ρ（EC）分别为31.82、10.71 μg/m3.采样期间大气PM_2.5中碳组分（OC、EC、OC1、OC2、OC3、OC4、EC1、EC2、EC3、Char-EC、Soot-EC）浓度与PM₁₀中相应各组分浓度的比值均大于0.5（0.60~0.90）,表明碳组分多集中于细粒子（PM_2.5）.大气颗粒物样品中各碳组分浓度具有明显空间差异,各点位大气PM_2.5和PM₁₀中ρ（OC）均显著高于ρ（EC）（T检验,P < 0.05）.菏泽市冬季大气PM_2.5和PM₁₀中Char-EC/Soot-EC（二者质量浓度之比）分别为10.04、8.00,并且存在显著的空间差异性（T检验,P < 0.05）.PMF（正定矩阵因子分解法）解析结果表明,菏泽市冬季大气PM_2.5和PM₁₀中碳组分来源主要有4类,包括两类柴油车（1类排放的碳组分中以EC2为主,定义为柴油车-1;1类排放的碳组分中以EC3为主,定义为柴油车-2）、汽油车、生物质燃烧和燃煤混合源,对大气PM_2.5中碳组分的分担率分别为13.98%、5.13%、24.47%、41.97%,对大气PM₁₀中碳组分的分担率分别为16.08%、8.21%、18.34%、47.35%.可见,菏泽市冬季大气PM_2.5和PM₁₀中碳的主要来源是柴油车、汽油车、生物质燃烧和燃煤.      

基于传感器技术的渭南市道路环境颗粒物污染特征及影响因素研究

为深入了解渭南市街区道路环境颗粒物污染时空分布特征,利用车载颗粒物传感器于2019年3月1日—5月31日对渭南市道路环境空气中PM_2.5和PM₁₀浓度开展在线走航测量,分析了影响渭南市道路环境颗粒物污染时空分布的主要因素.研究表明:①渭南市区内所有道路PM_2.5平均浓度范围为37.7~51.9 μg/m3,浓度较高路段位于高新区东部和主城区;PM_2.5~10（粗颗粒物）平均浓度范围为65.8~119.1 μg/m3,浓度较高路段位于各功能区城郊.②工作日早高峰时段（07:00—09:00）主城区道路环境PM_2.5、PM_2.5~10污染较非工作日严重,3种类型道路工作日07:00 PM_2.5~10平均浓度呈支路（103.5 μg/m3）>主干道（102.1 μg/m3）>次干道（96.9 μg/m3）的特征.③对于高新区和老城区路段,除早晚高峰时段出现PM_2.5和PM_2.5~10浓度峰值外,凌晨时段渣土车行驶路段、裸地或施工现场周边路段易出现PM_2.5~10浓度峰值,其PM_2.5~10平均浓度最高达230.9 μg/m3（乐天大街西段的路段Ⅳ）.研究显示,工作日早晚高峰时段,特别是早高峰,机动车排放导致渭南市高新区东部和主城区路段的PM_2.5污染加重,夜间渣土车行驶导致高新区和老城区靠近城郊路段的颗粒物（PM_2.5和PM_2.5~10）污染加重.      

重庆市主城区不同粒径颗粒物水溶性无机组分特征

于2010年3月—2011年7月,在重庆市主城区同步采集PM_1.0、PM_2.5和PM₁₀三种粒径的颗粒物样品. 用离子色谱分析了样品中F-、Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+和Ca2+ 9种水溶性无机组分,并收集了SO₂和NO₂等气体污染物的数据. 结果表明:采样期间ρ(PM_1.0)、ρ(PM_2.5)和ρ(PM₁₀)分别为82.9、104和160 μg/m3,PM_1.0、PM_2.5、PM₁₀中所测9种水溶性无机组分的浓度之和分别为40.82、48.66和57.99 μg/m3. ρ(SO₄2-)、ρ(NO₃-)和ρ(NH₄+)相对较高,并且主要分布在细颗粒物中. 多数水溶性无机组分浓度冬季最高,春季其次,夏、秋季浓度偏低. 所测组分溶液的pH显酸性,冬季样品的pH最低,细粒子的酸性要强于粗粒子. SOR(硫的氧化率)与NOR(氮的氧化率)与国内其他地区相比较高,SOR秋季最高,NOR冬季最高. 因子分析结果表明,化石燃料以及生物质的燃烧、机动车尾气排放是水溶性无机组分的主要来源,建筑施工、土壤风沙等扬尘类污染源对水溶性无机组分也有一定的贡献.      

济南市大气颗粒物背景值确定方法

城市大气颗粒物背景值的确定能够为制订城市大气颗粒物污染防治目标提供重要基础支撑,探索大气颗粒物背景值确定方法对于大气污染防治具有重要意义.以济南市清洁对照点跑马岭监测数据为基础,直接采用概率密度法计算得到的ρ（PM₁₀）和ρ（PM_2.5）背景值范围分别是100~110和40~50 μg/m3.综合应用空气质量模型模拟法和概率密度法,提出基于数值模拟的城市大气颗粒物环境背景值确定方法,并在此基础上确定了济南市大气颗粒物背景值.结果表明:济南市ρ（PM₁₀）和ρ（PM_2.5）背景值范围分别是30~35和15~20 μg/m3,其中ρ（PM₁₀）环境背景值秋季（40~45 μg/m3）最高、夏季（25~30 μg/m3）最低;ρ（PM_2.5）环境背景值秋季（25~30 μg/m3）最高、冬季（10~15 μg/m3）最低.研究显示,基于数值模拟计算得到的颗粒物背景值明显低于直接采用概率密度法得到的结果,表明跑马岭受人为因素影响明显,监测结果已不能完全代表济南市大气颗粒物背景值水平;而数值模拟法可以完全剔除了人为源的贡献,计算得到较为准确的ρ（PM₁₀）和ρ（PM_2.5）背景值.      

廊坊市开发区冬季颗粒物碳组分污染特征及来源分析

廊坊市是北京市及周边传输通道“2+26”城市之一.为研究廊坊市开发区冬季颗粒物中碳组分污染特征,于2018年1月5日—2月5日在廊坊市开发区国控点位同步开展PM_2.5及PM₁₀样品采集,使用DRI分析OC（有机碳）与EC（元素碳）的质量浓度.结果表明:廊坊开发区冬季ρ（PM_2.5）、ρ（PM₁₀）分别为（54.5±46.0）（91.0±58.2）μg/m3.PM_2.5中ρ（OC）、ρ（EC）分别为14.64、3.54 μg/m3,PM₁₀中分别为17.07、4.58 μg/m3;PM_2.5、PM₁₀中ρ（OC）与ρ（EC）相关性均较好,R2均为0.91（P < 0.01）,表明二者具有相似的来源;在PM_2.5和PM₁₀中OC/EC〔ρ（OC）/ρ（EC）,下同〕分别为4.46和4.16,ρ（SOC）（SOC为二次有机碳）分别为6.15和5.88 μg/m3,分别占ρ（OC）的42.1%和37.7%,表明二次污染较严重.碳组分丰度及主成分分析结果表明,PM_2.5与PM₁₀中碳组分来源基本一致,主要来源于汽车尾气、水溶性极性化合物、生物质燃烧及燃煤的混合源,柴油车排放,以及道路扬尘.后向气流轨迹聚类结果表明,颗粒物及碳组分质量浓度受途径内蒙古自治区及河北省中部、北京市南部气团的影响较大;对于碳组分来源,道路扬尘及汽车尾气受气团传输的影响较大,而生物质燃烧、燃煤等受气团传输的影响较小.研究显示,汽车尾气、燃烧源及道路扬尘为廊坊市开发区冬季碳组分的主要来源.      

漯河市PM10和PM2.5中水溶性离子浓度特征及其来源解析

为了研究漯河市PM_2.5和PM₁₀及其水溶性离子变化特征,于2017年5月—2018年2月在漯河市3个采样点同步采集PM_2.5和PM₁₀样品,分别获得PM_2.5和PM₁₀有效样品191和190个.用离子色谱法分析样品中F-、Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+等9种水溶性无机离子.结果表明:在采样期间,漯河市ρ（PM_2.5）平均值为72.42 μg/m3,其中ρ（总无机水溶性离子）的年均值为34.76 μg/m3,占ρ（PM_2.5）的46.72%;ρ（PM₁₀）平均值为126.52 μg/m3,其中ρ（总无机水溶性离子）的年均值为46.40 μg/m3,占ρ（PM₁₀）的35.67%.2种颗粒物水溶性离子质量浓度的季节性变化均呈冬季高、夏季低的趋势.PM_2.5/PM₁₀〔ρ（PM_2.5）/ρ（PM₁₀）〕在四季分别为0.50、0.61、0.56、0.57.采样期间漯河市PM_2.5中NOR（氮氧化率）和SOR（硫氧化率）的年均值分别为0.17和0.30,PM₁₀中NOR和SOR的年均值分别为0.22和0.34,说明颗粒物中SO₄2-的二次转化效率高于NO₃-.PM_2.5和PM₁₀在采样期间均呈弱碱性,且碱性在夏季最强,秋季最弱.利用PMF模型分析PM_2.5和PM₁₀中水溶性离子的主要来源发现,PM_2.5中水溶性离子来源主要包括生物质燃烧源、燃煤源、建筑扬尘源、工业源和二次污染源,PM₁₀中水溶性离子来源主要包括燃煤源、建筑扬尘源、二次污染源、生物质燃烧源和工业源.研究显示,漯河市颗粒物污染中水溶性离子来源复杂,应采取多源控制的污染防治措施.      

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.      

哈尔滨市大气细颗粒物污染特征及其毒性效应

为研究哈尔滨市大气细颗粒物的污染特征及其毒效应,分别采集PM_2.5、PM_1.0样品,分析其质量浓度、数浓度的变化分布特征以及对小鼠肺损伤的影响.结果表明：2017年全年PM_2.5、PM_1.0的质量浓度均呈冬高夏低趋势;PM_1.0质量浓度占PM_2.5总质量浓度的62%~85%,PM_1.0数浓度变化趋势为两边高中间低,且其大小与温度呈负相关,与相对湿度无显著相关性;研究大气颗粒物对小鼠肺损伤影响时发现,染毒组小鼠肺组织细胞中LDH、ACP、AKP、ALB增高,说明大气颗粒物PM_2.5和PM_1.0对小鼠肺组织细胞具有毒效应;肺灌洗液中MDA、NO、NOS水平升高,SOD活性下降,说明PM_2.5和PM_1.0都使机体发生氧化损伤,且PM_2.5和PM_1.0质量浓度增加,会使小鼠肺组织细胞毒效应增强,由此引发的机体氧化损伤程度增大.     

HEPA空气净化器对学校室内颗粒物的净化效果研究

为了解HEPA（high efficiency particle air filter,高效空气过滤器）空气净化器在小学教室和寝室的净化效果,于2019年3—4月在北京市一所全寄宿小学开展了一项HEPA空气净化器的交叉干预研究.记录干预组、非干预组室内和室外PM_2.5、PM₁₀、PM₁的浓度,计算空气净化器的净化率;采用多元线性回归模型探索净化效果的影响因素.结果表明:①空气净化器对PM_2.5、PM₁₀、PM₁的净化率分别为41.3%〔Q_l~Q_u（下四分位数~上四分位数,下同）:0~53.1%〕、40.7%（10.5%~46.2%）和34.9%（9.6%~40.3%）,其中对PM_2.5的净化率最高;寝室的净化率高于教室的净化率.②当室外PM_2.5浓度为[115,150）μg/m3时对PM_2.5的净化率最高,为52.83%（50.26%~56.13%）,PM₁₀和PM₁亦有类似结果.③多元线性回归分析表明,室外PM_2.5浓度 < 35 μg/m3时,开门通风和室内人员活动分别使室内PM_2.5浓度下降3.73 μg/m3〔95%置信区间（95% CI）:（0.60 μg/m3,6.86 μg/m3）〕和升高3.4 μg/m3（0.22 μg/m3,6.58 μg/m3）;室外PM_2.5浓度为[35,150）μg/m3时,空气净化器使室内PM_2.5浓度下降33.36 μg/m3（16.47 μg/m3,50.25 μg/m3）;室外PM_2.5浓度≥150 μg/m3时,空气净化器和开门通风分别使室内PM_2.5浓度下降48.87 μg/m3（25.62 μg/m3,72.12 μg/m3）和升高37.65 μg/m3（5.60 μg/m3,69.69 μg/m3）.研究显示:空气净化器可同时降低室内PM_2.5、PM₁₀、PM₁的浓度;当室外PM_2.5浓度 < 35 μg/m3时,不需开启空气净化器;当室外PM_2.5浓度为[35,150）μg/m3时,空气净化器有较好的净化效果,偶尔开窗通风不影响空气净化器的净化效果;当室外PM_2.5浓度≥150 μg/m3时,开启空气净化器时应关闭门窗,以免影响其净化效果.      

天津某老年社区夏冬季室内与个体暴露PM2.5对比

于2011年夏季(6月13日—7月2日)和冬季(11月30日—12月12日)在天津市某老年社区采集室内与老年人个体暴露PM_2.5样品,分析二者的质量浓度及化学组分特征. 结果表明:夏、冬季室内ρ(PM_2.5)分别为(138±103)和(173±136)μg/m3,二者差异显著(P<0.05);冬季室内ρ(PM_2.5)、ρ(SO₄2-)和ρ(OC)显著高于夏季(P<0.05),初步推断是由于冬季燃煤取暖排放的大量颗粒物渗透进入室内所致;冬季室内源(如清扫和吸烟)对某些室内PM_2.5组分(Al、Ca和Cd)的贡献较夏季显著. 对个体暴露与室内ρ(PM_2.5)的相关性分析发现,二者在夏、冬季均显著相关(P<0.05). 在受试老年人时间活动模式基础上,采用COD(分歧系数)评估室内和个体暴露PM_2.5化学组成的相似度,结果显示,室内与个体暴露PM_2.5的COD在夏、冬季分别为0.34±0.10和0.37±0.12;冬季受试老年人在交通微环境所处时间较长,致使COD大于0.5的样本数所占比例较夏季高. 室内和老年人个体暴露PM_2.5的ρ(OC)/ρ(EC)在夏、冬季均相近,说明二者的碳组分来源相似.      

2007—2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM_2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM_2.5)近年来逐渐呈上升趋势;ρ(PM_2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM_2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_2.5)的影响.      

杭州校园中不同植被对PM2.5的吸附能力

为合理安排绿地配置,极大发挥植物改善生态环境的功能,为城市系统绿化的功能化规范化经济化提供更加合理的理论支持,通过获取杭州电子科技大学校园内现有的4种植被的不同时间段和不同离地高度的ρ（PM_2.5）,用统计学的t检验方法研究了ρ（PM_2.5）的变化规律.以一天当中不同时间空地的ρ（PM_2.5）作为参照,分别对相同时间、不同植被区域、不同高度和不同时间、相同植被区域、相同高度的ρ（PM_2.5）作对比.结果表明:①早晨水杉林、松树林、混合林的PM_2.5吸附能力相似,与空地的平均差值分别为14.36、12.00和12.79 μg/m3;草地的PM_2.5吸附能力较差,与空地的平均差值仅为4.75 μg/m3.中午时,水杉林的PM_2.5吸附能力最强,与空地ρ（PM_2.5）平均差值为10.87 μg/m3,其次为混合林（8.18 μg/m3）,草地ρ（PM_2.5）反而比空地高14.90 μg/m3.下午水杉林与混合林的PM_2.5吸附能力与中午相比略微减弱.晚上,除混合林外,其他3种绿地均与空地无显著差异.②对比距地面0.1与1.5 m高的空气中ρ（PM_2.5）的差异发现,一般情况下树林中0.1 m处ρ（PM_2.5）大于1.5 m处,空地0.1 m处ρ（PM_2.5）小于1.5 m处.研究显示,大部分植被在早晨吸附能力最强、晚上最弱,不同植被对于PM_2.5的吸附能力也有所不同.由此,在所统计的植被中,水杉林对空气中PM_2.5的吸附能力最强,在以后的绿地规划中,可考虑多增加水杉林的种植面积;但在增加城市林地面积减少空气中PM_2.5的同时,还应考虑到植物自身生理能否带来一些城市负面影响,从面得出最优种植方案.      

十堰市城区冬季PM2.5污染特征与来源解析

为探讨内陆山区城市湖北省十堰市冬季PM_2.5污染特征及来源构成,于2016年1月12日—2月4日在4个采样点位同步采集PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳的质量浓度.并采集了十堰市主城区城市扬尘、裸露山体尘、建筑水泥尘、燃煤源、机动车尾气、工业源及餐饮油烟源等7类污染源,初步建立十堰市本地的污染源成分谱库,利用统计学方法研究冬季PM_2.5的污染特征,并采用CMB受体模型及“二重源解析技术”分析其来源构成.结果表明:冬季采样期间,十堰市ρ（PM_2.5）平均值达到110.65 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准24 h浓度限值,并且随空气RH（相对湿度）增加污染加重.城区3个采样点PM_2.5化学组成及特征的空间差异不明显.PM_2.5中ρ（TC）最高,其次是ρ（NO₃-）和ρ（SO₄2-）,与二次反应、机动车尾气、煤燃烧等密切相关.ρ（NO₃-）/ρ（SO₄2-）为1.22,说明机动车尾气的影响较大.二次粒子、燃煤源和机动车尾气是十堰市城区冬季大气PM_2.5的主要来源,贡献率分别为51.2%、10.9%和10.1%.研究显示,十堰市城区冬季ρ（PM_2.5）超过GB 3095—2012二级标准,PM_2.5的污染控制应以二次粒子、燃煤和机动车为主,采取多源控制原则.