北京市冬春季大气颗粒物的粒径分布及消光作用

2004年1─5月,在北京市区连续监测了大气环境中ρ(PM₁₀₎,ρ(PM_2.5),ρ(PM₁)和ρ(TSP),以及大气能见度、地面气象要素.结果表明:春节期间颗粒物中细粒子所占的比例较高,ρ(PM₁)/ρ(PM_2.5)为0.81,ρ(PM10)/ρ(TSP)为0.61;而沙尘期其值分别为0.55和0.28.不同粒径的颗粒物质量浓度均呈在明显日变化,其夜间浓度峰值高于早晨交通繁忙时段.根据经验公式,将大气能见度换算为大气消光系数,并导出颗粒物消光系数.结果表明:颗粒物消光系数与颗粒物质量浓度呈显著正相关.进一步定义了颗粒物质量浓度消光比(CE_P),用来表征颗粒物的污染特征.统计分析结果表明:当CE_P<103时,颗粒物质量浓度很低,PM_2.5所占比例较高,代表了有利于污染扩散的气象条件;当CE_P>167,颗粒物质量浓度高,但细粒子比(ρ(PM_2.5)/ρ(PM₁₀₎)稳定在0.5～0.7,湿度也稳定在20%～50%,代表了不利于污染扩散的气象条件.      

北京市冬季气象要素对气溶胶浓度日变化的影响

对2004年1月1—15日北京气溶胶浓度与相对湿度、气压、风速、风向等气象要素的平均日变化进行分析,结果表明:北京冬季ρ(PM₁₀₎日变化明显,受气象要素的日变化影响. ρ(PM₁₀₎与相对湿度和气压呈正相关性;风速对ρ(PM₁₀)的日变化影响明显,09:00—18:00风速和ρ(PM₁₀₎变化趋势一致,呈正相关性,其他时间则呈负相关性; 风向对粗、细粒子的数浓度影响不同,细粒子数浓度在偏东风时大,西、西南风时小,而粗粒子则相反;粗、细粒子的数浓度日变化受气象要素的影响程度不同,相对于粗粒子,细粒子数浓度更易受气象要素日变化的影响.      

鞍山大气颗粒物浓度的变化特征

利用鞍山大气成分监测站Grimm180观测的2007年颗粒物数浓度,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM_1.0)以及台站的常规气象观测资料,分析了该地区颗粒物数浓度的谱分布、质量浓度的变化特征及与气象条件的相关性. 结果表明:颗粒物数浓度谱分布符合Junge分布;参数υ与能见度呈负相关,υ值越大且PM0.45占PM₁₀的数浓度比例小于90%,能见度较差;颗粒物质量浓度日变化呈双峰特征,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM_1.0)之间有很好的相关性,ρ(PM_2.5)/ρ(PM₁₀₎平均值为0.654,ρ(PM_1.0)/ρ(PM_2.5)的平均值为0.832,ρ(PM_1.0)/ρ(PM₁₀₎平均值为0.545;鞍山地区年主导风向为SE,颗粒物质量浓度变化受辽宁沙尘移动路径的影响较小,主要受排放累积型污染影响,其中大雾天气条件下颗粒物质量浓度较高,大雾期间的回归方程截距较年平均回归方程的大,这对研究颗粒物质量浓度的突变特性具有指示作用.      

秋季嘉兴PM2.5质量浓度特征分析

利用膜采样、颗粒在线称重方法和维萨拉气象仪对2004和2006年秋季嘉兴大气中ρ(PM_2.5)及气象因子进行了分析.结果表明:2004和2006年秋季ρ(PM2.5)分别为(84.7±62.4)和(89.0±61.5) 　μg/m3;ρ(PM2.5)占ρ(PM₁₀) 比例为42%～69%;ρ(PM_2.5)日均值变化大(16.7～345.7 μg/m3),晴天ρ(PM_2.5)约为阴雨天的2倍.ρ(PM_2.5)日变化分析表明,晴天呈双峰双谷现象,晚高峰(16:00—20:00)ρ(PM_2.5)大于早高峰(06:00—10:00),阴雨天日变化不明显.PM_2.5与相对湿度无显著相关性,但在不同相对湿度下PM_2.5与能见度呈显著的负指数关系.东北风和西北风是观测期内当地的主导风向,ρ(PM2.5)高值出现在西南风方向,重污染天气过程形成原因复杂.      

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.      

苏州城区能见度与颗粒物浓度和气象要素的相关分析

利用苏州市2009年9月─2010年5月的颗粒物(包括黑碳,PM_2.5和PM₁₀)质量浓度、能见度、相对湿度、风速、风向、气温等观测资料,分析了苏州城区能见度与颗粒物质量浓度及气象要素的相关关系.结果表明:ρ(黑碳),ρ(PM_2.5)和ρ(PM₁₀₎与能见度的r(相关系数)分别为-0.465,-0.359和-0.238,这3种颗粒物中,能见度与ρ(黑碳)的相关性最显著.当相对湿度≤60%时,ρ(黑碳),ρ(PM_2.5)和ρ(PM₁₀₎与能见度的r分别为-0.675,-0.411和-0.364.相对湿度较低时,颗粒物与能见度相关性较好.能见度与温度、风速的r分别为0.132和0.188,与相对湿度的r为-0.632.用颗粒物质量浓度和气象要素建立的能见度多元线性回归模型效果不好,在该模型基础上用ρ(黑碳),ρ(PM₁₀₎和相对湿度建立了能见度的多元二次回归模型,R(复相关系数)达到0.865,R2(复决定系数)达到0.749.      

焦作市PM2.5和PM10时空变化特征及其与气象因子的关系

为了研究焦作市大气中PM_2.5和PM₁₀污染状况,基于2018—2020年焦作市50个环境空气质量监测站点的PM_2.5和PM₁₀浓度逐时观测资料,结合气象资料,分析了焦作市PM_2.5和PM₁₀浓度的时空分布特征及气象因素影响。结果表明:1)焦作市PM_2.5和PM₁₀呈双峰型日变化,且具有显著的U形逐月变化规律及冬高夏低、春秋居中的季节性特征。2)2018—2020年PM_2.5和PM₁₀浓度年均值呈西南高东北低的空间差异性特征。与2018年相比,2020年修武县PM_2.5和PM₁₀浓度的下降幅度最大,分别为30.25%、22.72%。3) Spearman相关性分析表明,PM_2.5和PM₁₀浓度与气温、风速呈显著负相关;与气压呈显著正相关;相对湿度与PM_2.5浓度呈显著正相关,与PM₁₀浓度呈显著负相关。焦作市环保局监测站在东北风、西南风风向PM_2.5和PM₁₀浓度污染较重,博爱县清化镇、沁阳市西万镇和武陟县乔庙乡监测站在西南风风向易出现高浓度颗粒物。该研究结果可为日后工业地区大气污染防治,生产生活的合理规划与布局提供重要参考。     

城市公园不同植被结构绿地削减空气颗粒物浓度研究

随着城市化和工业化进程的加快,空气颗粒物污染成为城市最为严峻的环境问题之一.依据植被的横向结构、竖向结构及植被类型3个因子对宝鸡市公园绿地进行划分,并选取11种不同植被结构的绿地,在分析地点、时间、风速、温度、相对湿度、绿地面积等环境因子对绿地内空气中ρ（PM_2.5）和ρ（PM₁₀）"本底效应"影响的基础上,探究不同植被结构绿地对空气颗粒物质量浓度削减作用的差异.结果表明:①在不同监测地点和监测时段内,ρ（PM_2.5）和ρ（PM₁₀）有极显著差异,植物养护管理程度较高的城市公园绿地对空气颗粒物质量浓度削减作用较为明显,一天中空气颗粒物质量浓度呈现出早晚高、中午低的变化趋势;②风速、温度、相对湿度对ρ（PM_2.5）和ρ（PM₁₀）有极显著影响,在晴朗、无风或微风天气条件下,ρ（PM_2.5）和ρ（PM₁₀）随风速的增大、温度的减小、相对湿度的增大而增大,且ρ（PM₁₀）变化范围大于ρ（PM_2.5）;③1 hm2以下绿地面积的变化对ρ（PM_2.5）和ρ（PM₁₀）无显著影响;④不同植被结构绿地内ρ（PM_2.5）无显著差异,但ρ（PM₁₀）有极显著差异,其中开敞式以灌木为主的绿地中ρ（PM₁₀）最低,多层闭合式阔叶林中ρ（PM₁₀）最高,其余9种植被结构绿地削减作用居中且相近.研究显示,不同植被结构的城市公园绿地对ρ（PM_2.5）和ρ（PM₁₀）的削减作用存在一定的差异且受多种环境因素的共同制约,可为优化城市绿地植被结构进而有效改善空气质量提供依据.      

基于数值模拟与资料同化探究长三角地区冬季PM2.5污染过程的气象影响

细颗粒物(PM_2.5)累积主导着长三角地区冬季空气污染,其中,气象要素具有重要的作用.本文结合WRF-Chem模式和WRF-FDDA技术,针对2019年1月12—16日发生在长三角地区的一次典型PM_2.5污染过程进行数值模拟分析.通过敏感性试验,量化分析地面气象因素（温度、风速、相对湿度）对该地区PM_2.5浓度的影响,并利用对自动气象站观测资料的四维资料同化试验,探究气象场改进对PM_2.5模拟的改善.模拟结果表明,长三角地区PM_2.5污染受气象条件影响程度较为显著,PM_2.5浓度与风速和温度呈显著负相关,与相对湿度呈正相关.水平风速减少40%、温度增加3℃、相对湿度增加20%分别造成了+4.68%、-2.82%与+2.2%的PM_2.5浓度变化.而同化气象资料显著地改善了模拟的气象场精度,其均方根误差（RMSE）统计项中相对湿度减小9.68%,温度减小1.02℃,风速减小0.35 m·s^-1,这也使得PM_...     

北京秋冬季近地层PM2.5质量浓度垂直分布特征

选取秋冬两季各14 d对北京地区近地层ρ(PM_2.5)垂直分布进行监测,获得ρ(PM_2.5)垂直廓线;结合同步测得的气象数据,就气象因素对垂直分布的影响进行了分析;最终拟合了ρ(PM_2.5)垂直廓线方程.研究表明:秋冬两季ρ(PM_2.5)的垂直分布随高度增加而呈对数递减的规律;风速随高度的变化遵循对数规律;发生逆温时,大气层结稳定,垂直方向上的湍流受到抑制,风速与PM_2.5逐时质量浓度在垂直方向的分布呈较好的线性关系,ρ(PM_2.5)随高度改变呈显著的对数相关关系;而在非逆温的情况下,PM_2.5逐时质量浓度垂直分布与风速线性相关的概率较小,质量浓度的垂直分布与高度的对数关系不显著.      

天津市大气中PM10、PM2.5及其碳组分污染特征分析

2007年12月~2008年10月期间,分3个时段,设置2个点位,采集了天津市大气环境中PM10和PM2.5样品.用热光反射分析仪测定样品中的碳组分含量,并用OC/EC最小比值法估算二次有机碳(SOC)的浓度.结果表明,市区采样点颗粒物浓度高于郊区,2个采样点的颗粒物浓度变化趋势一致.5月份 PM2.5/PM10比值最小,主要由于土壤风沙尘对PM10的贡献较大.PM10和PM2.5中的有机碳(OC)、元素碳(EC)浓度12月份最高,且变化趋势相同.OC占总碳(TC)比例较高,PM10中OC/TC为0.60~0.83,PM2.5中OC/TC为0.55~0.81.碳组分主要集中在PM2.5中,PM10中约有76%的OC存在于PM2.5中.12月份的SOC浓度最高,与12月份的气象条件和污染源排放等因素有关.     

苏南农村地区大气PM2.5元素组成特征及其来源分析

为了解苏南农村地区大气细颗粒物的污染水平及其可能的来源,在2002年7月-2003年1月的夏、秋、冬3个季节对雪堰镇和太湖站PM_2.5进行采样和分析,得到了PM_2.5和14种组成元素的质量浓度.研究表明,苏南农村地区PM_2.5的污染水平较高,S,Zn,Pb和As 4种污染元素的质量浓度水平与城市接近;组成元素的季节分布规律存在区域差异,这可能与局地源的贡献,大气细颗粒物中、长距离传输以及复杂的气象条件有关.因子分析结果表明,土壤源、燃煤源、冶金或垃圾焚烧和汽车尾气4类源对PM_2.5有明显贡献,说明人类活动对苏南农村地区PM_2.5具有重要影响.      

Relationship between PM10 and PM2.5 levels in high-traffic area determined using path analysis and linear regression

The objective of this study was to determine the relationship between PM_(10) and PM_(2.5) levels as related to meteorological conditions and traffic flow using both a linear regression analysis and a path analysis. The Particulate matter(PM) samples were collected from Sukhumvit road, Bangkok, Thailand, at both open(104 samples) and covered(92 samples)areas along the road. Fifteen percent of all samples were separated before the statistical models were run and used for model validation. The results from the path analysis were more elaborate than those from the linear regression, thus indicating that meteorological conditions had a direct effect on the particulate levels and that the effects of traffic flow were more variable in open areas. The model also indicated that meteorological conditions had an indirect effect and that traffic flow had a direct effect on particulate levels in covered areas. The model validation results indicated that for open areas, the R~2 values were not very different between the path analysis and the linear regression model, but that the path analysis was more accurate than the linear regression model at very low PM concentrations. At high PM concentrations, the path analysis model also had a better fit than did the linear regression, so the predictions from the path analysis model were more accurate than those from the linear regression.     

天津市PM10, PM2.5和PM1连续在线观测分析

利用2010年9月1日─11月30日在中国气象局天津大气边界层观测站采集的ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)数据,分析了观测期间可吸入颗粒物的统计特征,结合同期气象观测资料,分析了典型天气条件下ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)的日变化特征及与风速、风向的关系. 结果表明:观测期间,ρ(PM₁₀₎日均值有超过1/2的天数超过《国家环境空气质量标准》(GB 3095─1996)二级标准限值;ρ(PM_2.5)有63 d超过美国国家环境保护局(US EPA)1997标准限值,超标率高达76.8%;不同天气条件下,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)日变化特征明显,三者一般在大雾或扬沙/浮尘天气条件下出现高值,有降水过程时出现低值;可吸入颗粒物以粗粒子(PM_2.5～10)和PM₁为主,PM_2.5～10,PM_1～2.5和PM₁主要分布在风速小于3 m/s,风向为225°～280°和70°～110°范围内;风速大于3 m/s时,ρ(PM_2.5～10)和ρ(PM_1～2.5)有所增加. ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)未出现周末效应,但存在明显的周内变化.      

北京奥运会及残奥会期间PM10质量浓度演变特征及成因

2008年8─9月北京及周边各省市ρ(PM₁₀₎明显低于2006─2007年同期值. 结合污染物监测数据及气象资料,采用影响因子资料统计以及典型个例诊断对比法,研究造成北京奥运会及残奥会期间低ρ(PM₁₀₎的原因. 对2006─2008年同期风速的统计表明,2008年7─10月北京各月平均风速均低于往年,2 m/s以上的风发生频率低于往年,不利于大气污染物扩散. 2008年8月北京月降水量与2005年接近,但ρ(PM₁₀₎明显优于2005年,可见降水并不是该次ρ(PM10)月均值低的原因. 对比2006─2008年8─9月典型相似累积型天气型背景影响下ρ(PM₁₀₎日均值及演变过程发现,2008年ρ(PM₁₀₎日均值及演变曲线均低于往年. 根据对影响因子统计和北京及其周边省(市、区)严格的减排措施等分析,指出天气形势及其伴生的气象因素演变可能影响ρ(PM10)日均值波动,但六省(市、区)协同减排是保障优质空气质量的主要原因.      

珠三角空气质量暨光化学烟雾数值预报系统

基于中尺度气象模式(MM5)、排放源模式(SMOKE)和大气化学模式(CMAQ),耦合本地排放源清单,建立了珠三角区域空气质量数值模式预报系统。该套模式系统对清洁、污染过程的一次、二次污染物都有较好的预报能力。冬季,能见度和PM_(2.5)的预报值和观测值的相关系数最高达0.76和0.78。O_3和NO_x的预报值和观测值的相关系数为0.64和0.61。随着预报时效的增加,预报效果没有明显降低。夏季,在2个典型光化学过程中,O_3的预报值和观测值的相关系数分别为0.68和0.81,NO_x分别为0.57和0.64。在相关的边界层气象因子中,地表通风系数和能见度相关度最高,相关系数达0.71。混合层高度、地面风速、比湿和能见度的相关系数分别为0.55、0.50、和-0.37。在灰霾过程中,PM_(2.5)占PM_(10)的质量浓度为78%。在气溶胶质量权重中,硫酸盐所占的比重最高,占PM_(2.5)权重达到33%,元素碳为18%,有机碳为14%,铵盐为5%,硝酸盐仅为1%。灰霾过程的二次气溶胶的质量权重比清洁过程的大。     

污染条件下成都市PM_(2.5)干沉降速率的模拟分析

利用成都市三瓦窑、沙河铺国控环监站2015年9月—2016年8月逐时PM_(2.5)监测数据,结合同期双流国际机场公布的地面气象要素(风场、温度、湿度和压强)以及温江站风速探空资料,首先统计分析了成都市风场、温度和湿度的基本特征,然后计算了污染条件下PM_(2.5)干沉降速率,并建立了适用于不同季节的GIFM模型和多元回归预测模型。结果表明:基本气象要素场的配置以及特殊地形导致了成都市PM_(2.5)干沉降环境恶劣,同时四季差异较大;污染条件下PM_(2.5)干沉降速率约为0.02~0.1 cm/s,表现为冬季<秋季<年<春季<夏季,四季的主要影响因子也不同,秋冬为湿度和压强,春季为温度,夏季为风速,且湿沉降强度过大时,会出现PM_(2.5)干沉降速率的"虚高"现象;GIFM模型和多元回归模型均能很好地预测污染条件下的PM_(2.5)干沉降速率,其预测能力均是夏季最好,冬季最差,春秋次之,通过对比分析表明GIFM模型的预测能力在各季节均优于多元回归模型。     

Particulate matter pollution in Kunshan High-Tech zone: Source apportionment with trace elements, plume evolution and its monitoring

Particulate matter(PM) in the Kunshan High-Tech zone is studied during a three-month campaign. PM and trace elements are measured by the online pollution monitoring, forecastwarning and source term retrieval system AS3. Hourly measured concentrations of PM_(10), PM_(2.5) and 16 trace elements in the PM_(2.5) section(Ca, Pb, Cu, Cl, V, Cr, Fe, Ti, Mn, Ni, Zn, Ga, As, Se, Sr, Ba)are focused. Source apportionment of trace elements by Positive Matrix Factorization modeling indicates that there are five major sources, including dust, industrial processing, traffic,combustion, and sea salt with contribution rate of 23.68%, 21.66%, 14.30%, 22.03%, and 6.89%,respectively. Prediction of plume dispersion from concrete plant and traffic emissions shows that PM_(10) pollution of concrete plant is three orders of magnitude more than that of the traffic. The influence range can extend to more than 3 km in 1 hr. Because the footprint of the industrial plumes is constantly moving according to the local meteorological conditions, the fixed monitoring sites scattered in a few hundred meters haven't captured the heaviest pollution plume at the local scale of a few km~2. As a more intensive monitoring network is not operationally possible, the use of online modeling gives accurate and quantitative information of plume location, which increases the spatial pollution monitoring capacity and improves the understanding of measurement data. These results indicate that the development of the AS3 system, which combines monitoring equipment and air pollution modeling systems, is beneficial to the real-time pollution monitoring in the industrial zone.     

上海市市区、郊区NO2、SO2和PM10的时空变化规律及相关性分析

在对上海市嘉定区大气污染物SO2、NOx和PM10连续1年的观测基础上，结合上海环境状况公报的数据，探讨了市区、郊区大气污染物的空间和时间变化规律。结果表明，2005年中NO2、SO2和PM10的质量浓度在市区和郊区均是冬春两季高，夏秋两季低；NO2、SO2和PM10浓度在市区要高于郊区；郊区大气污染物的月变化幅度要比市区大，市区PM10污染有增加趋势。根据气象条件分析，嘉定区周边工业污染对NO2、SO2和PM10的浓度有贡献，市区NO2、SO2和PM10的质量浓度则与机动车尾气、工业燃煤，建筑扬尘和道路扬尘等诸多因素有关。相关性分析表明，上海市NO2、SO2和PM10相互之间存在比较强的相关性。