2004~2015年北京市清洁点臭氧浓度变化特征

利用2004~2015年北京市自动监测网络O₃浓度数据,综合探讨了北京市清洁点定陵站O₃浓度的变化特征,结果表明,定陵站2004~2015年O₃1h浓度整体呈上升的趋势,年均浓度增长率为4.40 μg·m^-3,定陵站O₃8h浓度整体呈下降的趋势,年均浓度增长率为-1.0 μg·m^-3,5~9月O₃8h平均浓度增长率为-1.5 μg·m^-3. 近3年来定陵站O₃8h重度污染天数增加明显,O₃污染形势严峻. 定陵站每年6月左右O₃浓度达到一年中的峰值,日变化上15：00~18：00左右出现小时浓度峰值且O₃日峰值浓度是中心城区的1.01~1.56倍;不同年份5~9月定陵站O₃日峰值浓度与城区站明显存在1 h滞后的现象,定陵站峰值浓度与城区峰值浓度之差近年来明显缩小,这可能一方面与O₃区域污染输送有关,另一方面可能与北京市城镇化扩张有关.     

2006~2015年北京市不同地区O3浓度变化

对2006~2015年北京市定陵、官园、琉璃河和前门这4个站点的O₃连续监测数据进行分析,探讨其浓度水平、变化趋势、时间变化规律以及和前体物、气象要素的关系.结果表明,定陵站十年平均浓度水平最高（65.2 μg·m^-3）,其次为琉璃河（53.4 μg·m^-3）、官园（49.6 μg·m^-3）和前门（40.4 μg·m^-3）.定陵O₃浓度呈下降趋势［0.5 μg·（m³·a）^-1］,而官园［0.9 μg·（m³·a）^-1］、琉璃河［0.3 μg·（m³·a）^-1］和前门［0.3 μg·（m³·a）^-1］均呈上升趋势.从月变化来看,各站点O₃浓度最高值均出现在6~8月,出现频次最高的为7月（17次）,平均月均浓度为99.8 μg·m^-3;最低值均出现在11、12月和1、2月,出现频次最高的为1月（14次）,平均月均浓度为16.6 μg·m^-3.从日变化来看,近年来O₃浓度峰值出现的时间明显提前,近3年峰值均在15：00~16：00出现,提前了1~2 h.2015年定陵站O₃重污染天数达到11 d,比2013年增加了10 d,表明近年来夏季北京下风向山区的O₃重污染状况愈发严重.与前体物的相关性分析表明,定陵站O₃浓度与NO₂浓度呈正相关,其余站点两者浓度均呈负相关,暗示定陵站O₃生成的前体物控制区可能为NO₂控制区,而其他站点为VOCs控制区.与气象要素的相关性分析表明,O₃浓度与温度呈正相关关系,与湿度和气压呈负相关关系,温度对O₃浓度的影响最大,其次是气压和湿度.当日最高温度超过30℃,相对湿度介于30%至70%之间时,北京市O₃日最大8 h滑动平均浓度超过200 μg·m^-3的概率较高,空气质量级别会达到轻度至中度污染的级别.     

珠江三角洲大气光化学氧化剂(Ox)与PM2.5复合超标污染特征及气象影响因素

基于粤港澳珠江三角洲区域空气监测网络12个监测子站的大气污染物数据,梳理2013~2017年大气光化学氧化剂O_x（NO₂+O₃）与PM_2.5质量浓度的变化趋势.O_x+PM_2.5复合超标污染定义为NO₂和PM_2.5质量浓度日平均值以及O₃浓度日最大8 h平均值（O₃ MDA8）同时超过二级浓度限值,分析了不同类型站点复合超标污染的时空分布特征以及气象因素影响.结果表明,2013~2017年珠三角PM_2.5年均质量浓度由（44±7）μg·m^-3下降至（32±4）μg·m^-3,实现PM_2.5连续3 a达标.O_x年均质量浓度由2013年（127±14）μg·m^-3下降至2016年（114±12）μg·m^-3,2017年反弹至（129±13）μg·m^-3,O₃浓度上升明显（10 μg·m^-3）.以O₃为首要污染物的污染过程占比由2013年33%增多至2017年78%,多个城市同时发生污染的区域特征明显.研究时段内O_x+PM_2.5复合超标污染事件共发生60次,主要在城区站点（78%）和郊区站点（22%）.秋季发生复合超标污染天数最多（52%）,是因为强太阳辐射有利于臭氧生成,大气氧化性增加,进而促进了PM_2.5二次生成.造成珠三角复合超标污染的天气形势主要为高压出海型（43%）、高压控制型（30%）和热带低压型（27%）.就具体气象因素而言,气温在20~25℃且相对湿度在60%~75%的范围内时,复合超标污染事件发生占比最高（22%）.在O₃重污染过程中,夜间高湿和低风速使得NO₂和PM_2.5浓度显著上升,日间高温加剧了复合超标污染.     

2010—2016年上海城区臭氧长时间序列变化特征初探

基于2010—2016年上海城区近地面大气臭氧（O₃）的连续在线观测数据，研究了上海城区O₃长时间序列变化规律和污染特征.结果表明，近7年来上海城区O₃污染逐渐凸显，但总体以轻度污染为主，7—8月高温炎热季节以中度污染居多.城区O₃-8 h（臭氧日最大8 h滑动平均）年均增速为3.81 μg·m^-3·a^-1，99%和95%分位值增速较快，分别为6.65和4.94 μg·m^-3·a^-1；25%、50%和75%分位值的增速在3.06~4.45 μg·m^-3·a^-1之间.春季O₃浓度均值较高，年际变化小；夏季极值较高，且污染超标情况最为突出；秋季O₃浓度次于春、夏季，冬季最低；夏、秋和冬季O₃浓度总体呈上升态势.O₃日变化呈"单峰型"，最大值出现在13：00左右，且峰值逐年增加，污染持续时间变长，最小值出现在早晨7：00.城区O₃"周末效应"逐渐减弱.基于KZ过滤器方法的数据分析结果表明，上海城区O₃-8 h长期变化主要受O₃-BF（O₃-8 h的基准组分）影响；O₃-SF（O₃-8 h的天气影响组分）在5—9月对O₃-8 h影响较大，其范围为-98.85~139.60 μg·m^-3.     

北京市2014~2020年PM2.5和O3时空分布与健康效应评估

细颗粒物（PM_2.5）和臭氧（O₃）是我国的主要大气污染物,严重危害人群健康.北京市自2013年以来大力开展大气污染治理工作,现已取得显著成效.通过分析2014~2020年北京市34个大气环境监测站的PM_2.5和O₃浓度变化特征并评估大气污染防治的健康效应,对推进大气污染防治具有重要意义.结果表明,2014年北京市PM_2.5年均值和4~9月平均O₃日最大小时（O_{3_max}）值分别为92.0 μg·m^-3和81.9 nmol·mol^-1.2014~2020年PM_2.5平均每年降低7.5 μg·m^-3,但是O_{3_max}持续偏高.在季节尺度,冬季的12月和1月PM_2.5浓度最高,夏季的8月浓度最低.相反地,O_{3_max}在每年6月浓度最高.PM_2.5浓度日变化规律为,夜间22：00至次日00：00最高,14：00~16：00最低.而O₃浓度在07：00最低,随后逐步升高并在午后达到最高.在空间分布上,PM_2.5在2014和2019年都呈现南高北低的趋势,O_{3_max}在全市范围内均较高,仅在道路区域偏低.大气污染对人群健康影响的评估结果表明,2014年北京市与PM_2.5相关的心血管和呼吸道疾病超额死亡人数分别为1580人和821人,与O₃相关的呼吸道疾病超额死亡人数为2180人.2019年与PM_2.5相关的超额死亡人数仅为2014年的50%,而与O₃相关的超额死亡人数与2014年持平.北京市细颗粒物治理成效显著,但是O₃污染问题凸显,O₃已经成为危害北京市居民健康的首要大气污染物.未来需要加强PM_2.5和O₃协同治理.     

郑州市臭氧污染变化特征、气象影响及输送源分析

基于环境空气质量和气象在线监测数据,研究了郑州市近地面臭氧（O₃）污染的年际变化、空间差异及气象影响,并分析了O₃传输路径和潜在源区.结果表明,2014~2018年郑州市近地面O₃污染超标时间跨度增加,城区站点O₃日最大8 h滑动平均值（MDA8）第90%分位呈显著上升趋势（P<0.05）,增长速率为15.50 μg·（m³·a）^-1;O₃月变化呈"M"型,峰值出现在夏季;日变化呈单峰型,峰值出现在15：00~16：00,农村站点O₃日峰值浓度（130.94 μg·m^-3）最高;气温（T）>23℃、相对湿度（RH）<65%和风速（WS）为2.0~4.0 m·s^-1及风向在东南和东北方向时城市站点易发生高浓度O₃污染.各影响因子和O₃浓度的多元线性回归分析表明,T和RH是城市和工业站点的主控因子,T和WS是城市交通和郊区站点的主控因子;不同季节后向轨迹聚类分析和O₃潜在来源差异明显,春夏季大气传输路径以正南及东北方向近距离慢移速的轨迹为主,秋冬季以西北方向远距离快移速的轨迹为主;夏季高O₃浓度主要受本地生成和河北、山东及安徽等地传输影响.     

广州地区秋季不同站点类型地面臭氧变化特征与影响因子

近地面臭氧（O₃）已成为广州市的主要空气污染物.由于受地形、气象条件和前体物排放差异的影响,同一个城市内不同地区臭氧的变化特征与影响因素也存在较大差异.基于2015年10月广州4个代表不同站点类型［城区：广州市监测站（GMC）、上风向郊区：花都师范（HNS）、下风向郊区：番禺中学（PMS）和山区：帽峰山森林公园（MFS）］的空气质量监测站数据,结合WRF模拟的气象数据,研究了各站点O₃的变化特征、影响因素及敏感性.结果表明,4个站点的O₃和NO_x日变化分别呈现单、双峰分布特征（MFS站点NO_x除外）,GMC、HNS和MFS站点的O₃峰值出现在周六,而PMS出现在周四.MFS的O₃日均浓度最高（98.61 μg·m^-3）,GMC的O₃日均浓度最低（44.83 μg·m^-3）.不同站点臭氧浓度超标的NO_x拐点区间分别为：GMC：55～90 μg·m^-3,PMS：30～60 μg·m^-3,MFS：10～20 μg·m^-3.O₃增长率的温度（T）拐点区间分别为：GMC：28～30℃,HNS：26～28℃,PMS：24～26℃,MFS的拐点温度不明显;湿度（RH）拐点区间分别为：GMC 55%～65%,HNS和PMS 60%～70%,MFS 80%～85%.轻风类风速（WS：1.5～3.3m·s^-1）与O₃呈现正相关;当风向为西北风向时,PMS站点的O₃浓度最高,其他风向下MFS的O₃浓度最高.通过各影响因子与O₃的多元线性拟合发现,影响各站点O₃的主控因子是,GMC：WS和T;PMS和HNS：T和RH,MFS：RH和WS.各站点O₃敏感性分别是,GMC和HNS为VOCs控制区,MFS为NO_x控制区,PMS为协同控制区.     

基于卫星和地面观测的2013年以来我国臭氧时空分布及变化特征

采用卫星和地面观测臭氧（O₃）浓度,分析2013年以来我国O₃的时空分布和年际变化特征.卫星观测对流层O₃总量和地面观测O₃浓度分布相互印证,我国高浓度O₃主要分布在东部人口密集、经济发达的区域,并且呈现夏季高、冬季低的季节分布趋势.4个重点关注城市（北京、上海、广州、成都）O₃日变化均呈现单峰分布,最高值在每日15：00~16：00.统计分析发现,4个城市除上海市之外,其他3个城市O₃浓度在周末和工作日没有显著差别,表明O₃的"周末效应"减弱.2013年4月~2018年6月,我国地面观测O₃浓度呈现明显上升趋势.2014~2017年,北京、上海和成都市近地面O₃浓度分别以2.36、3.3和3.6 μg·（m³·a）^-1的速度显著上升.4个城市2014~2017年O₃超标天数占比分别为17.2%（北京）、10.7%（上海）、8.8%（广州）和11.2%（成都）,北京市O₃超标天数最多、超标期间O₃浓度最高,O₃污染最为严重.     

中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素

中国的近地面臭氧（O₃）浓度在2015~2018年间持续升高,已成为仅次于颗粒物的重要大气污染物.基于中国337个城市2015~2018年暖季（4~9月）的实时O₃浓度数据和气象数据,利用趋势分析、空间自相关、热点分析和多尺度地理加权回归（MGWR）,研究了2015~2018年中国暖季地表O₃浓度的空间演变格局,探讨了气象因素对其驱动的空间差异性.结果表明：①中国暖季O₃浓度整体呈显著升高趋势（P<0.05）,平均升高速率为0.28 μg·（m³·a）^-1,其中超过55%的城市O₃浓度每年升高0.50 μg·m^-3;②O₃浓度存在明显的区域差异,高值区（平均浓度>60 μg·m^-3）分布在华东、华北、华中和西北部分地区;低值区（平均浓度<20 μg·m^-3）分布在华南和西南地区;③O₃浓度变化趋势在空间上存在位于华东、华北、西北以及华中地区的热点区域和位于西南、华南（广西）以及东北地区的冷点区域;④气温是中国暖季O₃变化的主要气象驱动因素,其对华北、西北和东北地区O₃浓度的影响显著高于其他地区;除广西、云南和江西部分地区外,O₃浓度与气温呈显著正相关;O₃浓度在华南、华东和华中大部分地区与风速呈显著负相关,O₃浓度在华北和东北部分地区与风速呈显著正相关;除辽宁、山东、河北、甘肃、广东及西南部分地区外,O₃浓度与云层覆盖度呈显著负相关;除西北和西南部分地区外,O₃浓度与降水呈显著负相关.     

基于土地利用回归模型的北京市2013-2019年大气污染时空变化分析

在近年来大力控制大气污染的背景下,通过历史观测数据分析污染物的时空变化特征,有助于总结以往控制的成效,并为制定下一阶段措施提供科学依据.本研究基于北京市大气环境质量监测站点2013—2019年数据,分析了6种常规大气污染物（PM_2.5、NO₂、O₃、PM₁₀、SO₂、CO）的时间变化趋势,并构建了2013和2019年PM_2.5、NO₂和O₃ 3种主要污染物的土地利用回归模型（Land use regression model, LUR）,对它们详细的空间分布及变化特征进行了分析.结果表明,污染物浓度在过去7年中发生了重大变化,除O₃增长,其余5种污染物下降明显.不同城区间的差异在迅速缩小,污染物浓度在空间上趋于均匀.PM_2.5呈明显的南高北低,城区NO₂浓度显著高于郊区和山区,O₃在主城区尤其是道路附近浓度较低.约50%的区域PM_2.5下降30 μg·m^-3以上,约40%的区域NO₂下降幅度为5~15 μg·m^-3,道路附近O₃升幅在20 μg·m^-3以内.研究结果揭示出北京市及其周边地区大气污染治理近年来取得了卓有成效的成绩,但同时也面临着O₃浓度升高的新挑战.     

3种金属氧化物纳米材料在不同土壤中运移行为研究

采用实验室柱淋溶方法,考察了纳米CeO2、纳米TiO2和纳米Al2O3材料在不同土壤中的运移行为,分析了纳米材料在土壤中运移能力与土壤性质的相关性,并采用胶体运移动力学模型估算了纳米材料在土壤中的最远运移距离.结果表明,纳米CeO2和纳米TiO2在试验的大部分土壤中有很强的运移能力,而纳米Al2O3仅在试验的酸性土壤中有较强的运移能力,在其他土壤中几乎被全部截留.纳米材料在土壤中运移的机制非常复杂,静电作用、土壤表面电荷异质性、团聚作用、张力作用(straining)以及过滤熟化作用(ripening)均对纳米材料的运移有着重要的影响.纳米CeO2的运移能力与土壤Zeta电位显著负相关;纳米TiO2的运移能力与土壤黏粒含量显著负相关,与土柱渗透系数显著正相关;纳米Al2O3的运移能力与土壤pH显著负相关,与土柱渗透系数显著正相关.模型估算的纳米CeO2、纳米TiO2和纳米Al2O3在试验土壤中的最远运移距离分别为52~69 043、31~332和<10~5 722 cm.纳米材料在一些土壤中的最远运移距离远远大于30 cm表层土壤的深度,意味着纳米材料在这些土壤中有向深层土壤运移的可能.     

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.     

紫外光照下盐酸环丙沙星的光解性能

本研究重点考察了盐酸环丙沙星初始浓度、硝酸铅、硝酸镉、氯化铅、氯化镉等重金属盐对盐酸环丙沙星光降解性能影响.结果表明,黑暗条件下环丙沙星无降解;紫外光照可以有效去除环丙沙星,且环丙沙星的光降解速率随其初始浓度的增大而降低;硝酸铅和硝酸镉(除0.006 mmol·L~(-1)体系外)可以促进环丙沙星的光降解,且随摩尔比的增大(即硝酸盐浓度的降低),环丙沙星的半衰期逐渐增大;随着摩尔比的增大(即氯化盐浓度的降低),氯化铅和氯化镉先促进后抑制环丙沙星的光降解.     

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.     

沧州市大气污染特征观测研究

利用沧州2009年7月～2011年7月的NOx(NOx=NO+NO2)、O3、SO2以及PM10的观测数据,分析了沧州市大气污染物的日变化、月平均变化、年变化以及季节平均变化特征.结果表明,NOx、PM10日变化为双峰型,O3为单峰.SO2日变化也呈现为双峰型,但是其变化幅度较平缓.NO、NO2、NOx、SO2有较相同的季节变化趋势.NO、NO2、NOx、SO2及PM10冬季值最大,分别为(30.0±18.9)μg·m-3、(50.5±19.8)μg·m-3、(80.5±38.7)μg·m-3、(62.1±34.7)μg·m-3、(201.6±98.5)μg·m-3.臭氧夏季浓度最高,其月均值为(88.0±22.3)μg·m-3.NO、NO2、NOx、O3、SO2及PM10年均值分别为(18.9±14.5)μg·m-3、(37.6±13.0)μg·m-3、(56.5±27.5)μg·m-3、(49.9±16.3)μg·m-3、(31.6±19.5)μg·m-3、(156.7±79.1)μg·m-3.秋冬季污染物主要为NOx(NOx=NO+NO2)、SO2以及PM10,夏季污染物主要为O3.     

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.     

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.      

成都市冬季大气颗粒物组成特征及来源变化趋势

年冬季分别在成都市8个环境受体采样点采集PM₁₀、PM_2.5样品,同时采集颗粒物源类样品,分析上述样品质量浓度及多种无机元素、水溶性离子和碳组分的含量,以对这3 a冬季大气颗粒物浓度、特征组分、来源及变化趋势进行分析. 使用CMB-iteration模型对成都市中心城区的PM₁₀、PM_2.5进行来源解析. 结果表明: 成都市冬季ρ(PM₁₀)在工业区最高,PM_2.5污染呈现区域性特征;冬季PM₁₀的主要来源有扬尘、二次硫酸盐、煤烟尘、二次硝酸盐和机动车尾气尘,上述5类源在2010─2012年的分担率分别为24%～29%、17%～22%、13%～16%、6%～12%、6%～11%;对PM_2.5有重要贡献的源类有二次硫酸盐、扬尘、煤烟尘、二次硝酸盐和机动车尾气尘,这5类源在2010─2012年的分担率范围分别为25%～27%、19%～22%、12%～15%、11%～13%、8%～11%. 二次粒子、扬尘等是成都市大气颗粒物的主要污染源,其中扬尘、建筑水泥尘等以粗粒子为主的源类浓度贡献呈逐年下降趋势,而二次粒子等以细粒子为主的源类浓度贡献则逐年上升,成都市冬季大气细颗粒物污染加重.      

2013年北京市NO_2的时空分布

对2013年北京市35个自动空气质量监测子站的NO2数据进行分析,探讨NO2的时间分布特征、空间分布特征以及与PM2.5和大气氧化性的相关性关系.结果表明,NO2浓度由高到低的季节依次是冬季、秋季、春季和夏季,平均浓度分别为66.6、58.3、54.7μg·m-3和45.8μg·m-3;NO2浓度由高到低的监测站依次为交通站、城区站、郊区站和区域站,年均浓度分别为78.6、57.9、48.5μg·m-3和40.3μg·m-3.NO2月均浓度呈波浪型分布,在1月份、3月份、5月份和10月份各出现一个峰值.整体来看,区域站NO2日变化曲线呈现单峰型分布,其他站点为双峰型分布.2013年NO2浓度呈现"反周末效应",即周末大部分时段NO2浓度高于工作日.分地区来看,年均NO2浓度由高到低的依次是城六区、西南部、东南部、西北部和东北部.各站点NO2浓度与PM2.5和OX浓度均为显著正相关,表明NO2可以通过增加前体物浓度和增强大气氧化性两方面造成PM2.5浓度升高.