山西省城市地区近年来环境空气臭氧污染特征及来源解析

基于山西省2018—2020年国控点位O₃监测数据分析了全省O₃污染特征,分别以晋城市和太原市为典型城市,分析了温度、相对湿度和风向风速等气象因子以及前体物(NO_x和VOCs)对O₃的影响,并采用CAMx模式开展2020年6—8月山西省O₃区域和行业来源解析. 结果表明:① 山西省O₃超标天数中以O₃轻度污染为主,且中度及以上污染呈增加趋势,O₃污染集中出现在5—9月,且呈现较强的地域性特征,O₃浓度日变化呈单峰型特征. ② ρ(O_{3-1 h})(臭氧1 h平均浓度)与气温、风速均呈正相关,与相对湿度呈负相关,高温、低湿有利于O₃的生成. 风速与ρ(O_{3-1 h})呈分段式线性关系,ρ(O_{3-1 h})随着风速增大而升高,当风速大于某一阈值时,ρ(O_{3-1 h})随风速的增加而下降. 以典型城市晋城市为例,当温度在25 ℃以上、相对湿度在30%~60%之间、风速为4~5 m/s,且风向为南风和东南风时更容易出现ρ(O_{3-1 h})高值. ③ 山西省2020年6—8月O₃区域来源解析表明,各城市O₃本地源贡献较弱而传输贡献影响显著(>80%). ④ 山西省2020年6—8月O₃行业来源解析表明,各市工业源类(电力源、焦化源和其他工业源)的贡献率在50%左右,柴油交通源贡献率在20%~27%之间. 研究显示,山西省O₃污染传输贡献影响显著,联防联控势在必行,电力源、焦化源和柴油交通源对O₃生成贡献较大,亟需优先加强管控.      

淄博市2016-2019年近地面大气臭氧时空分布特征

为认识淄博市近年来大气臭氧（O₃）时空分布特征,基于山东省淄博市19个环境空气质量监测点2016-2019年近地面O₃的连续观测数据,运用Pearson相关性分析法、反距离权重法等方法开展研究.结果表明:①淄博市2016-2019年ρ（O_{3-8 h}）（O_{3-8 h}为O₃日最大8 h浓度）第90百分位数范围为184~203 μg/m3,是GB 3095-2012《环境空气质量标准》二级标准限值（160 μg/m3）的1.15~1.27倍.②ρ（O_{3-8 h}）季节性变化呈夏季（155 μg/m3）>春季（129 μg/m3）>秋季（104 μg/m3）>冬季（60 μg/m3）的特征;ρ（O_{3-8 h}）月变化呈双峰型,峰值分别出现在6月（186 μg/m3）和9月（147 μg/m3）;ρ（O_{3-8 h}）日变化呈单峰型,峰值（117 μg/m3）出现在14:00左右.③ρ（O_{3-8 h}）空间分布呈南北低、中间高的特点,并具有区域均匀性发展趋势.④CO、NO、NO₂和NO_x等前体物浓度均与ρ（O_{3-8 h}）呈负相关,但在夏季相关性较差;冬季夜晚局地污染物对O_x的贡献大于白天.⑤ρ（O_{3-8 h}）与温度和风速均呈显著正相关,与相对湿度呈显著负相关,当风向为西南风时ρ（O_{3-8 h}）较高.研究显示,淄博市O₃表现为典型的光化学生成特征,2016-2019年O₃污染总体呈加重趋势.      

河谷地形气象要素对污染物浓度的影响

气象条件对环境空气质量影响的研究是科学制订大气环境污染防控方案、及时发布重污染天气应急预警的基础.利用兰州市西固区环境空气质量监测点2015年主要污染物小时浓度监测值,分析了污染物浓度的季节性变化和日变化特征,结合同期观测的气温、风速、相对湿度和降水量等气象资料,探讨了气象要素对污染物浓度变化的影响.结果表明:①除O₃外,其他污染物质量浓度呈"冬高夏低""早晚高下午低"的变化特点,这与表征污染物扩散能力的边界层参数变化特征一致. ②ρ（O₃）春季为71.42 μg/m3,夏季为62.74 μg/m3,春季高于夏季的主要原因是春季O₃的前体物NO_x质量浓度高于夏季且春季扩散条件弱于夏季. ③除O₃外,其他污染物质量浓度与气温、风速呈负相关. ④当相对湿度 < 40%时,污染物质量浓度与相对湿度呈正相关;当相对湿度>80%时,污染物质量浓度与相对湿度呈负相关;降雨对不同污染物的清除效果不同.研究显示,河谷地形气温和风速是影响污染物扩散的重要气象因子.      

福建省沿海地区春季一次近地层O3超标成因分析

福建省沿海地区春季ρ（O₃）较高且超标天数较多,为研究春季ρ（O₃）超标的天气学成因,选取2017年4月26日-5月1日O₃污染过程,利用统计对比和聚类分析方法,将全过程分成污染前、污染维持和污染后3个阶段,再将污染维持阶段分为4个区,利用ρ（O₃）和ρ（PM_2.5）小时均值资料,结合天气形势和气象要素场变化,分析此次O₃污染的主要特点.结果表明:①此次O₃污染与天气形势关系密切,在冷高压（4月28-29日）控制下,光化学反应条件有利,太阳辐射强、日照时间超过11 h,08:00起ρ（O₃）上升速率为15~20 μg/（m3·h）,ρ（O₃）最大8 h滑动平均值[简称"ρ（O₃）-max-8 h"]超过GB 3095-2012《环境空气质量标准》二级标准限值,但大气扩散条件好,ρ（PM_2.5）日均值未超过一级标准限值,ρ（O₃）超标原因为光化学反应所致,并且ρ（O₃）分布有明显的日变化规律.②在锋前暖区（4月26日08:00-16:00）及变性冷高压（4月30日-5月1日）控制下,光化学反应剧烈,08:00起ρ（O₃）上升速率为25~35 μg/（m3·h）,天气静稳且大气扩散条件差,本地生成的O₃在近地层累积效应明显,4月30日ρ（O₃）小时均值和ρ（O₃）-max-8 h达到过程峰值,ρ（PM_2.5）日均值超过GB 3095-2012二级标准限值,ρ（O₃）-max-8 h超过三级标准限值,空气质量达中度污染,ρ（O₃）超标原因为光化学反应加本地累积所致,并且ρ（O₃）分布也有明显的日变化规律.③受强冷空气影响,4月26日20:00-24:00福建省沿海地区的6个城市ρ（O₃）不降反升,22:00-24:00 ρ（O₃）8 h滑动平均值陆续达到一天中的最高值;4月27日ρ（O₃）维持在70~140 μg/m3之间,ρ（O₃）分布没有明显的日变化规律.研究显示,导致福建省沿海地区春季O₃污染天气的成因是多种因素共同作用的结果.      

不同季节肇庆市PM2.5和O3污染特征及潜在源区分析

为定量化评估不同地区对肇庆市污染物输送影响,分析了2014—2018年肇庆市ρ（PM_2.5）和ρ（O_{3-8 h}）（O_{3-8 h}为O₃日最大8 h滑动平均值）的变化特征,并基于HYSPLIT模式计算不同季节后向气流轨迹,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对肇庆市外来污染物的输送路径和潜在源区进行分析.结果表明:①2014—2018年肇庆市ρ（PM_2.5）年均下降3.3 μg/m3,2016年开始ρ（PM_2.5）最大值逐年增大.ρ（PM_2.5）日变化呈双峰型,峰值分别出现在上、下班高峰期后.2016年起ρ（O_{3-8 h}）年均增加4.4 μg/m3,成为肇庆市首要空气污染物.ρ（O₃）日变化呈单峰型,于15:00—16:00达到峰值.②PM_2.5和O₃污染分别在冬季和秋季较严重,超标日分别达20.6和15.0 d.ρ（PM_2.5）与风速相关性最高,ρ（O_{3-8 h}）与日照时数和相对湿度相关系数均较高.③春、夏两季影响肇庆市的气流近80%来自南部海面和东北方向,秋、冬两季85%以上气流源自偏东和偏北方向,肇庆市PM_2.5和O₃污染除受本地排放影响外,还有来自珠三角、广东省北部及其东部沿海、江西省等地区的输送贡献.研究表明,肇庆市PM_2.5和O₃污染均较严重,区域联防联控需重点关注广东省中东部城市的外来输送影响.      

台风“浪卡”过程对海南岛臭氧污染的影响分析

为了探讨2016号台风“浪卡”对海南岛臭氧(O₃)浓度的影响,选取了2020年10月10～14日海南岛逐时空气质量监测数据、气象要素数据、ERA5再分析资料和“葵花8号”红外亮温TBB产品,采用相关分析和后向轨迹模拟方法进行深入讨论.结果表明,10月11～13日台风过程期间均有市县O₃最大8 h滑动浓度平均值[ρ(O₃-8h)]超标,海南岛平均ρ(O₃-8h)峰值出现在10月12日,为130.15μg·m^-3,共有4个市县O₃-8h浓度超标,其中临高县达到了全岛最高值,为198.44μg·m^-3.台风过程期间海南岛小时O₃浓度与降水量、相对湿度和风速呈负相关关系,与气压和气温呈正相关关系,其中与降水量、气压和相对湿度的相关系数通过了99.9%的信度检验.我国东南部沿海省份是海南岛此次O₃污染的主要贡献源区.受西太平洋副热带高压(副高)内部的下沉气流和台风“浪卡”外围下沉气流共同影响,源区大气...     

不同时间尺度下杭州市O3污染特征及控制因素

通过集中整治,我国空气质量已经有了明显改善,但在减排背景下近地面高ρ(O₃)仍是当前最复杂的大气环境问题之一.利用2011—2017年(尤其是杭州市G20峰会期间)ρ(O₃)、ρ(NO_x)、ρ(VOCs)和气象条件观测数据,分析了杭州市G20峰会期间及不同时间尺度下杭州市ρ(O₃)的变化特征及其影响因素.结果表明:①杭州市ρ(O₃)日变化呈单峰型特征,15:00左右ρ(O₃)达最大值(98.55 μg/m3);ρ(O₃)周变化存在“周末效应”,周末ρ(O₃)明显高于工作日;1 a中4—9月为ρ(O₃)高值期,ρ(O₃)峰值出现在5月和9月.以2013年为界,将2011—2017年ρ(O₃)变化分成下降和上升2个阶段,2011—2013年呈下降趋势,降幅约为15.02 μg/m3,2014—2017年呈上升趋势,增幅约为23.25 μg/m3.②减排措施的实施对ρ(O₃)存在双重作用,其可通过降低前体物质量浓度抑制O₃的生成,又能引起大气污染物质量浓度下降、太阳辐射增强,从而促进O₃的生成.当O₃前体物质量浓度较低时,在强太阳辐射等气象条件驱动下,近地面仍会呈现高ρ(O₃)的现象.③气象条件是驱动ρ(O₃)日、月变化的控制因素;相反,前体物质量浓度则是ρ(O₃)周、年变化的控制因素,此时VOCs或NO_x控制区、“周末效应”等ρ(O₃)变化特征开始显现.研究显示,不同时间尺度下杭州市O₃污染的控制因素不同.      

2015～2020年中国城市PM2.5-O3复合污染时空演变特征

基于2015～2020年中国333个城市PM_2.5和O₃浓度监测数据,利用空间聚类、趋势分析和地理重力模型等方法,定量分析我国主要城市的PM_2.5-O₃复合污染特征和时空演变格局.结果表明：(1) PM_2.5和O₃浓度存在协同变化规律,当ρ(PM_2.5＿mean)≤85μg·m^-3时,ρ(PM_2.5＿mean)和ρ(O₃＿perc90)存在同步增长的现象;当ρ(PM_2.5＿mean)处于国家Ⅱ级限值(35±10)μg·m^-3时,ρ(O₃＿perc90)平均值的峰值增速最快;当ρ(PM_2.5＿mean)>85μg·m^-3时,ρ(O₃＿perc90)平均值出现显著下降趋势.(2)我国城市PM_2.5和O₃     

合肥市O3浓度时空分布及典型污染过程潜在源分析

近年来,合肥市O₃污染成为限制空气质量达标率的主要因素,为探究合肥地区O₃时空分布及潜在源区,在分析2015—2022年O₃时空分布及与气象要素关系的基础上,基于HYSPLIT后向轨迹模式及潜在源贡献分析方法(PSCF),对典型O₃污染过程的传输路径和潜在源区进行解析.结果表明：(1)合肥市MDA8-90th呈波动上升-下降-上升趋势,2022年相对于2015年增幅为47.6%,2019年臭氧质量浓度和超标率最高.O₃浓度日变化呈“单峰型”,07:00浓度最低,15:00—16:00左右达峰值;月变化为“M”型,6月浓度最高,12月最低;季节变化表现为夏季>春季>秋季>冬季;空间分布呈西北高、东北低;郊区高、城区低的特点.(2) O₃与平均气温、最高气温、日照时数呈显著正相关,与气压呈显著负相关,与相对湿度和风速的相关性较复杂;平均气温为20～30℃,日照时数大于等于10 h,相对湿度为60%～70%,风速小于2 m·s^-1     

2008年1月广州大气污染特征及能见度观测研究

利用颗粒物在线观测仪、污染气体在线观测仪、现时天气现象传感器以及自动气象站,于2008年1月对广州大气污染物质量浓度、能见度和气象因子进行了连续观测. 结果发现:ρ(PM_2.5)与ρ(NO₂)日变化趋势基本相似且均呈双峰现象,分别出现在09:00—10:00和19:00—21:00时段;ρ(SO₂)呈单峰现象,出现在08:00—13:00时段. ρ(PM_2.5),ρ(SO₂),ρ(NO₂),ρ(NO)和ρ(O₃)日均值分别为(82.8±66.0),(81.6±80.9),(106.5±67.2),(66.1±57.0)和(25.1±17.0) μg/m3,能见度日均值为(6.8±4.4) km. 能见度与ρ(PM_2.5)和相对湿度呈负相关关系,相关系数均为-0.47. 研究还表明,低边界层高度、小风天气、高水平的污染物质量浓度和相对湿度是导致广州低能见度天气的主要因素.      

京津冀典型城市一次重污染过程特征及边界层结构变化对其影响

为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM_2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM_2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM_2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM_2.5)分别为(165.63±110.89)(247.67±95.22)μg/m3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO₄2-、NO₃-、NH₄+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM_2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM_2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1 000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM_2.5)分别上升18.81、29.85 μg/m3,PBLH下降是导致两城市ρ(PM_2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM_2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM_2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.      

新型冠状病毒肺炎疫情防控时期上海市空气质量特征及成因分析

为研究新型冠状病毒肺炎（COVID-19）疫情防控政策实施对上海市大气污染物质量浓度的影响,利用上海市内环某高层顶楼微环境平台观测了政策实施前10 d（2020-01-14—23）和实施后20 d（2020-01-24—02-12）的PM_2.5和PM₁₀质量浓度及气象要素（温度、相对湿度、风向、风速、大气压及降雨）,结合2019年同期观测数据和杨浦四漂空气质量监测点的气态污染物逐时数据,采用描述性统计、合成分析、拉格朗日粒子扩散模式和Spearman相关系数方法,分析了政策实施前、后大气污染物特征及其影响因素。结果表明:1）污染物浓度变化方面。政策实施后,ρ（PM_2.5）和ρ（PM₁₀）和ρ（NO₂）均明显降低,ρ（PM_2.5）和ρ（PM₁₀）分别由61.4,102.4 μg/m3降至38.1,63.5 μg/m3,降幅均为38.0%,ρ（NO₂）由57.3 μg/m3降至27.0 μg/m3,降幅达到52.9%,而ρ（O₃）由47.6 μg/m3增至69.5 μg/m3。ρ（PM_2.5）和ρ（PM₁₀）日变化特征由实施前的双峰双谷型变为单谷型。2）气象因素影响方面。上海地区南风异常减弱了冬季风强度,对流层中层正距平异常抑制了对流活动的发展,易导致大气污染物在近地面的汇聚。ρ（PM_2.5）和ρ（PM₁₀）与相对湿度呈负相关,风速对ρ（PM_2.5）和ρ（PM₁₀）的影响与风向有关。3）外源输入影响方面。长三角城市群及山东省、河南省等周边区域对上海市ρ（PM_2.5）和ρ（PM₁₀）贡献显著。     

基于多源异构数据的沧州市大气环境管理APP平台的构建与应用

大气环境管理平台是目前我国城市大气环境管理的重要手段.利用气象、空气质量、污染源等多源异构数据资料,以模型集成分析的方法,针对沧州市的消峰和污染减排问题,开发了大气环境管理平台（APP）,并对沧州市大气污染过程进行综合分析和验证.以沧州市2019年1月27-30日两次大气污染过程为例进行分析,结果表明:①污染过程1（2019年1月27日14:00-1月28日02:00）中ρ（PM_2.5）/ρ（PM₁₀）平均值为0.59,ρ（SO₂）、ρ（NO₂）和ρ（CO）平均值分别为37.0 μg/m3、66.7 μg/m3和1.5 mg/m3;污染过程2（1月29日10:00-1月30日09:00）中ρ（PM_2.5）/ρ（PM₁₀）平均值为0.61,ρ（SO₂）、ρ（NO₂）和ρ（CO）平均值分别为38.5 μg/m3、67.7 μg/m3和1.8 mg/m3,说明加强对前体物的控制是削弱重污染时段ρ（PM_2.5）的重要途径.②污染过程1的相对湿度在重度污染时段增长显著,污染过程2中相对湿度有10 h在70%以上;同时,在此期间风速较小,近地面逆温层较厚,从而加速了颗粒物吸湿增长和二次转化,说明高湿、低风速等气象条件是形成重污染天气的主要原因之一.③源解析结果表明,外来源的平均贡献率为44.73%,本地源的平均贡献率为55.27%,本地工业源、民用源、交通源和电力源贡献率分别为42.20%、11.97%、1.00%和0.10%,说明重污染期间沧州市受到周边区域传输具有一定的可能性,本地源的贡献主要来自工业源和民用源.      

石家庄市冬季一次重污染过程分析与反馈效应研究

为深入探究高ρ（PM_2.5）地区重污染过程的发展变化规律,以石家庄市一次重污染过程（2017年1月13-20日）为例,结合空气质量监测数据、PM_2.5组分测试数据、气象观测资料,从重污染发展阶段（简称"P1阶段"）、维持阶段（简称"P2阶段"）和清除阶段（简称"P3阶段"）分析PM_2.5及其化学组分的变化特征、气象条件和高低空天气形势演变特征,并利用WRF-Chem模型定量研究重污染过程气溶胶反馈效应对典型气象要素的影响.结果表明:①此次重污染过程属于逐步累积增长、快速清除型,在P2阶段ρ（PM_2.5）平均值为241.0 μg/m3,最大值为367.5 μg/m3.②P1和P2阶段高低空大气环流配置稳定,大气边界层高度范围为620.6~712.2 m,风速范围为1.3~2.5 m/s,相对湿度范围为60%~80%.③P2阶段SOR（硫氧化率）和NOR（氮氧化率）均为0.3,ρ（SNA）（SNA为SO₄2-、NO₃-和NH₄+的统称）为128.8 μg/m3,占ρ（PM_2.5）的56.2%;OM[有机质,ρ（OM）=ρ（POA）+ρ（SOA）,其中,POA为一次有机气溶胶,SOA为二次有机气溶胶]是除SNA以外的第二大组分,在P1和P3阶段ρ（POA）大于ρ（SOA）,而在P2阶段ρ（SOA）与ρ（POA）相等,均为28.0 μg/m3,表明在重污染过程中二次污染严重;整个污染过程ρ（NO₃-）/ρ（SO₄2-）为1.0,表明石家庄市移动源和固定源对ρ（PM_2.5）贡献相当.④WRF-Chem模型模拟结果表明,太阳辐射量、温度和大气边界层高度受气溶胶反馈效应的影响在P2阶段的下降量分别为75.1 W/m2、2.7℃和109.9 m,比P1阶段分别高33.6%、91.4%和18.6%,比P3阶段分别高147.0%、305.3%和24.1%.研究显示,此次静稳天气下的重污染过程二次污染严重,气溶胶反馈效应整体使得太阳辐射量、温度和大气边界层高度均向不利于污染扩散的趋势发展,造成石家庄市的ρ（PM_2.5）进一步增加.      

2013—2018年中国近地面臭氧浓度空间分布特征及其与气象因子的关系

气象因子对近地面臭氧（O₃）浓度有重要影响.为探究O₃与气象因子的关联特征以及O₃的周期性特征,利用反距离权重插值、Kolmogorov-Zurbenko滤波和多元线性回归分析了2013—2018年我国O₃和气象因子数据.结果表明:①2013—2018年中国O₃日最大8 h滑动平均值〔ρ（O₃-max-8 h）〕第90百分位数呈上升趋势,增速为2.6 μg/（m3·a）;ρ（O₃-max-8 h）高值区（≥180 μg/m3）主要分布在华北平原和长江中下游平原一带,高值区范围在华北平原地区呈扩大趋势,在长三角和珠三角地区呈缩小趋势.②ρ（O₃-max-8 h）短期和季节分量的贡献在空间上呈“互补”的分布特征.短期分量的贡献（75%）在东南沿海地区最高,在内陆大部区域较低（< 30%）;季节分量的贡献（15%）在东南沿海地区最低,在内陆大部区域较高（>60%）.③在华北平原至长三角地区一带,长期气象因子变化是ρ（O₃-max-8 h）升高的重要原因;而在华南、西南和东北区域,气象因子变化对ρ（O₃-max-8 h）的影响并不显著.④ρ（O₃-max-8 h）与温度、太阳总辐射量的相关性（r>0.86）均在四川盆地至湖北省一带最高,ρ（O₃-max-8 h）与相对湿度在中部和西部区域呈正相关（r>0.64）,ρ（O₃-max-8 h）与风速在华北平原呈强正相关（r>0.89）.研究显示,中国近地面O₃具有显著的时空分布特征,气象因子与太阳总辐射量对O₃空间分布的影响具有较大的区域差异.      

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.      

青岛市不同空气质量下可培养生物气溶胶分布特征及影响因素

利用Andersen空气微生物采样器采集青岛市不同空气质量下的可培养生物气溶胶,分析了其浓度和粒径分布特征,并利用Spearman’s相关性分析了可培养生物气溶胶浓度和空气质量指数中的颗粒物质量浓度〔ρ(PM₁₀)、ρ(PM_2.5)〕、气体污染物质量浓度〔ρ(O₃)、ρ(SO₂)、ρ(NO₂)〕和气象参数(温度、相对湿度、风速)之间的关系.结果表明:可培养真菌和细菌气溶胶浓度范围分别为133～1 113和13～212 CFU/m3.真菌气溶胶浓度与ρ(SO₂)、ρ(PM₁₀)、ρ(PM_2.5)均呈正相关,而与相对湿度呈显著负相关(P<0.05).细菌气溶胶浓度与ρ(NO₂)、ρ(SO₂)呈负相关,而与ρ(O₃)、温度呈正相关.风速对可培养生物气溶胶浓度的影响较小.以AQI(空气质量指数)中ρ(PM₁₀)为依据,将研究时间段空气质量划分为4个空气污染等级.在不同污染等级下,真菌气溶胶均呈对数正态分布,粒径主要分布于2.1～4.7 μm.低污染时细菌气溶胶呈偏态分布(粒径>4.7 μm),高污染时粒径分布发生改变.初步推断,随着空气污染等级的升高,可培养生物(真菌+细菌)气溶胶总浓度增加,但单位颗粒物上的浓度变化较稳定.ρ(PM₁₀)是影响可培养生物气溶胶浓度及粒径分布的主要因素.