重庆市PM2.5浓度空间分异模拟及影响因子

基于Arcgis平台,利用土地利用回归模型模拟重庆市PM2.5浓度分布,获取了高分辨率结果图.从重庆市环保局网上获取了17个空气质量监测站点的PM2.5数据,利用16个监测点数据,结合土地利用数据、路网数据、DEM数据和人口数据建立土地利用回归模型,利用剩余的1个监测点数据来对回归映射结果进行检验.按照模型设置的变量生成方法,对监测点建立多种尺度的缓冲区,提取变量数据,最终生成了56个变量.按照土地利用回归模型的设置,56个自变量最终有3个变量进入PM2.5的回归方程,模型的R2逐步增大,且最终R2为0.84,模型拟合程度非常好.回归方程中,与研究区PM2.5浓度空间分布相关性最大的因素是空气质量监测站点500 m范围内的农用地面积,然后依次是DEM和1 000 m范围内一级公路总长度,它们与PM2.5的皮尔森相关系数依次是:0.695、-0.599和0.394.回归映射检验结果显示,检验点的误差率为2.7%,误差可以接受.回归映射结果显示,PM2.5浓度以高值分布于主城区,沿一级公路分布趋势明显,与高层紧密相关,模拟结果与实际情况相符.     

哈尔滨市燃煤期PM10和PM2.5比对测试研究

哈尔滨市的地域性决定了气候非常具有代表性。以冬季特为明显,气温早晚温差大,气温低。再加上正是采暖期间,空气质量受供暖期等影响较大,空气质量不稳定。2013年冬季选择哈尔滨市燃煤期PM10和PM2.5比对测试研究分析,对市区内3个监测点位进行的颗粒物（PM10和PM2.5）手工采样与自动仪器的比对监测,以手工监测方法为基准,分析自动监测与手工监测的一致性,并对PM10和PM2.5浓度的比值关系进行了分析,结果表明：监测3个点位的PM10和PM2.5的浓度趋势具有很高的一致性,且以手工和自动数据进行线性回归的各项参数均符合技术规范（HJ 653-2013）的要求。     

环境空气中PM2.5与PM10质量浓度关系的研究

采集大连市4个大气自动监测点位30dPM2.5和PM10质量浓度小时值的监测数据,通过对每个点位720个有效数据对的统计分析,研究二者质量浓度的相关性及 PM2.5/PM10比值的分布情况,并研究了气象因素对PM2.5与PM10的影响。结果表明,雾使PM2.5PM10浓度都减小,但二者比值也随之降低;强风会使PM10浓度增大,但PM2.5浓度却减小。     

上海冬春季PM2.5中不挥发和半挥发颗粒物的浓度特征

微量振荡天平法广泛的应用于我国PM2.5的监测,该方法50℃的采样加热温度会导致PM2.5中半挥发颗粒物的损失, 而仅可获得PM2.5中的不挥发颗粒物的质量浓度,因此,PM2.5浓度的实际测值会偏低.微量振荡天平和膜动态测量联用技术可同时获得PM2.5中不挥发和半挥发颗粒物的质量浓度,本研究利用该技术于2011年12月~2012年4月在上海城郊开展了PM2.5中不挥发和半挥发颗粒物的连续观测,并对其浓度特征进行了分析.结果表明:上海冬春季大气PM2.5中半挥发性颗粒物占有较高比重,平均浓度比率为18.91%;PM2.5中半挥发颗粒物主要来自NH4NO3,在NH4NO3浓度较高的地区,PM2.5的监测应考虑半挥发颗粒物的损失;半挥发性颗粒物补偿前后的PM2.5浓度间有着较好的线性关系,在一定数据质量目标下,可由未补偿的浓度推算补偿后的PM2.5浓度.     

办公建筑室内PM2.5浓度分析与控制策略研究

为了进一步的研究PM2.5浓度变化对室内环境的影响规律,项目对北京某办公楼进行PM2.5浓度及"IO比"变化规律进行了监测,并且在利用实验的方法定量的计算了办公建筑室内主要污染源香烟的PM2.5散发量,同时利用实验的方法验证了基于室内质量平衡的室内PM2.5浓度的控制理论,从而为进一步研究PM2.5和控制室内PM2.5浓度提供了一定的科学依据和理论指导。     

贵阳市空气中PM2.5/PM10时空分布特征研究

利用2013年贵阳市10个国控监测站点PM2.5和PM10全年(2013年1月1日00时-2013年12月31日23时)实时同步质量浓度监测资料,取24小时滑动平均,研究PM2.5和PM10质量浓度比值(PM2.5/PM10)的时间、空间分布特征及二者质量浓度的相关性.结果表明:2013年贵阳市PM2.5/PM10的年均值为0.64,春、夏、秋和冬季的平均值分别为0.64、0.49、0.66和0.77.PM2.5/PM10四季有较大差异,冬季比值最高,夏季最低,春、秋两季相当;由于所代表的功能区及环境位置特点不同,各监测点同时刻的PM2.5和PM10浓度值有较大差异,但PM2.5/PM10的空间分布没有明显差异;对PM2.5和PM10浓度值进行回归分析,当PM10浓度增大时,PM2.5整体呈增大趋势.     

我国PM2.5监测网络布局与监测方法体系构建策略分析

本文通过对国内外PM2.5监测网络布局现状的分析和比较,认为我国"十二五"规划的PM2.5监测网络在点位数目和网络布局上基本能够反映我国PM2.5污染状况。为进一步反映PM2.5的污染特征和来源,今后应逐步增加污染监控点位、道路交通点位的设置,并在质量浓度监测的基础上,逐步开展PM2.5主要组分监测。在监测方法选择上,β射线法联用动态加热系统(DHS)PM2.5自动监测仪器和振荡天平法联用膜动态测量系统(FDMS)PM2.5自动监测仪器均能够满足监测工作的需要,综合考虑两种类型仪器的性能指标和运行成本,β射线法联用动态加热系统(DHS)PM2.5自动监测仪器操作相对简单,运行维护成本相对较低,更适合在我国环境空气监测网络内推广和普及。     

广州市PM_2.5和PM_1.0质量浓度变化特征

文章报道了2005年干季和2006年湿季广州市大气细粒子PM2.5和PM1.0质量浓度的实时监测情况。监测结果表明:干季监测点PM2.5日均质量浓度在11.8～164.0μg/m3之间,总平均值为81.7μg/m3;湿季日均质量浓度在19.9～121.2μg/m3之间,总平均值为57.7μg/m3。干季PM1.0日均质量浓度变化范围为14.9～129.1μg/m3,总平均值为59.4μg/m3;湿季日均质量浓度在11.9～86.7μg/m3之间,总平均值为52.9μg/m3。对比发现,PM1.0总平均质量浓度在干、湿季相差很小,且与湿季PM2.5总平均质量浓度也相差不大,显示PM1.0具有相对固定成因来源且基本不受季节变化影响,而且湿季PM2.5的组成主要由PM1.0大气细粒子构成。干季PM2.5和PM1.0质量浓度日变化特征呈明显夜间高、白天低的特点,质量浓度的最大值都出现在晚上21:00左右;湿季由于雨水频繁,没有明显的日变化特征。气象分析表明,干季大气细粒子质量浓度主要受冷空气影响,而湿季主要受降雨影响。     

北京市PM_(2.5)分布的不均匀现象

对北京若干居住区进行了持续监测,并收集了北京环境监测中心、北京市气象台的相关数据并进行了分析,指出北京这一特大城市在PM2.5分布中存在着多维度上的不均匀现象。这一不均匀现象表现为:(1)在多种尺度下其质量浓度分布不均匀;(2)全年时段内PM2.5已成为首要污染物;(3)霾主要发生在微静风天气中;(4)不同风向条件下,均存在着明显的最高值、最低值的监测点。据此得出,北京这一特大城市的PM2.5分布具有以下特征:(1)PM2.5主要来源于城市内部;(2)风环境等对PM2.5分布具有重要作用;(3)城市格局对PM2.5分布具有重要影响。     

西安市PM_(2.5)污染源位置确定的模型应用研究

针对空气中PM2.5污染物的传播问题,以西安市的情况为实例,合理考虑风力等天气和季节因素的影响,建立能够刻画该地区PM2.5的发生和演变规律的有风高斯点源扩散数学模型,代入相关数据后,利用MATLAB软件求解出PM2.5污染源由一区扩散到另一区的浓度,最后由综合的各区总浓度得出PM2.5污染源的位置,并与该市实际检测到PM2.5数据进行对比分析。结果表明,确定的位置比较准确,该方法能为城市污染治理提供参考。     

我国典型城市PM_(2.5)空间分布均匀性分析

随着空气质量新标准的实施,从2013年开始我国部分城市先期开展了PM2.5的例行监测,从中选取不同区域的典型城市,分析了PM2.5在环境中的分布情况。分析结果表明:典型城市PM2.5日均值相对标准偏差(RSD)范围为13%~26%,平均值为18%;我国南方城市PM2.5空间分布均匀性优于北方城市,北方城市冬、春季节PM2.5分布的均匀性较差,南方城市夏季PM2.5分布的均匀性较差;PM2.5的空间分布均匀程度与PM10接近,但明显优于其他气态污染物。综合分析认为,目前我国国家监测网内PM2.5监测点位的代表性能够满足城市空气质量监测与评价工作需要。     

2013年北京市细颗粒物时空分布特征研究

根据2013年北京市PM2.5监测数据,系统分析了北京市PM2.5污染的时空分布特征,并利用克里格插值统计了四季PM2.5不同浓度区间的国土面积。结果显示:2013年全市PM2.5年均浓度为89.5μg/m3,超过年均35μg/m3的国标1.56倍;PM2.5浓度由高到低的季节依次是冬季、春季、秋季和夏季;空间分布上PM2.5呈现明显的南北梯度分布特征;2013年PM2.5平均浓度达标对应的国土面积占比夏季最大为73%,冬季最小为22%。     

武汉市与西安市颗粒物PM_(10)、PM_(2.5)的污染水平分析

利用武汉、西安两市2013年PM10与PM2.5的监测数据,统计分析了武汉市和西安市PM10与PM2.5的污染水平,并比较了两城市的污染水平。根据GB 3095—2012《中华人民共和国环境空气质量标准》规定的二级浓度限值,可知武汉市和西安市PM2.5的污染都非常严重,PM10的污染相对较轻。从整体上说,西安市的污染水平要比武汉市严重,其中西安市PM10中PM2.5约占79%。武汉市和西安市的相关部门都应重视PM10和PM2.5的污染问题。     

2014年泉州市区PM2.5浓度的时空变化特征分析研究

基于2014年泉州市区环境空气自动监测站的PM2.5、PM10等监测数据,讨论市区PM2.5的时空分布特征.结果表明,泉州市区PM2.5浓度存在较为明显的时空分布特征.(1)时间分布特征:PM2.5的年均值为34μg/m3,月均值最大值出现在1月,最小值出现在7月;PM2.5浓度冬季最高,夏季最低,春冬两季明显高于夏秋;PM2.5/PM10最高值出现在2月,最低值出现在7月;PM2.5/PM10冬季最高,夏季最低.(2)空间分布特征:3个监测点位中,PM2.5浓度涂山街最高,津头埔略低,万安最低;PM2.5/PM10万安最高,涂山街略低,津头埔最低.时间分布特征与气象条件有一定关系,而空间分布特征与建成区的建成时间先后、地理位置差异等有一定关系.     

利用LUR模型模拟天津市大气污染物浓度的空间分布

针对传统监测方法无法满足对大气污染物空间分布高分辨率的要求,以Arcgis为平台,利用LUR模型模拟天津市PM10和NO2年均浓度的空间分布.选取的回归变量为1~4km半径缓冲区内的道路总长度、不同土地利用类型的面积、人口密度、风向指数及距海距离,选取3个监测点的监测数据对方程进行了验证.结果表明,对PM10年均浓度影响最大的因素是缓冲区为1km的道路总长度(R2为0.560),而对NO2年均浓度影响最大的因素是人口密度(R2为0.414).多元线性回归方程计算结果显示,PM10和NO2的R2分别达到0.946和0.691;如果考虑风向的影响,R2可分别提高到0.980和0.849.对天津市中心城区建立5km′5km网格嵌套,根据多元线性回归方程计算每个网格交点的污染物浓度模拟值.通过kriging插值得到2种污染物在天津市中心城区的空间模拟分布图.PM10年均浓度分布以研究区中心最高,向四周逐渐降低;NO2的年均浓度以研究区中心最低,向四周逐渐升高.模拟结果与实际情况相符.     

乌鲁木齐采暖期前期与后期TSP、PM_(10)、PM_5、PM_(2.5)中重金属分布特征研究

从乌鲁木齐工业区、交通区、生活区、风景对照区4个典型区域入手,利用崂应2050型大气自动采样器及TSP/PM10/PM5/PM2.5/切割头对大气中TSP、PM10、PM5、PM2.5进行同步采集,并采用火焰原子吸收分光光度法及石墨炉原子吸收分光光度法对TSP、PM10、PM5、PM2.5中的6种重金属Cd、Pb、Cu、Ni、Zn、Mn的含量进行了测定。测定结果为:Cd的浓度为0.52~10.72 ng/m3;Pb的浓度为25.66~356.87 ng/m3;Cu的浓度为12.57~173.93 ng/m3;Ni的浓度为1.85~78.22 ng/m3;Zn的浓度为67.58~431.49 ng/m3;Mn的浓度为18.87~310.20 ng/m3。大气颗粒物中各重金属之间存在一定的相关性,重金属的分布与风力也有一定的关系。     

湖南省长株潭城市群环境空气质量易超标指标变化规律研究

根据长株潭24个环境空气质量监测国控点数据,分析了CO、SO2、NO2、O3、PM10和PM2.5常规六项污染物不同月份的变化规律,并对首要污染物O3和PM2.5不同时期、不同时段的变化规律以及达标状况进行了分析。研究结果表明:PM2.5和O3浓度的季节性变化大,O3浓度夏季高、冬季低,PM2.5则正好相反;在一天当中,昼间的PM2.5浓度低于夜间;在城市之间,长沙市PM2.5的日均浓度和O3浓度明显高于株洲和湘潭市。上述结论将为制定相应的防治措施提供参考依据。     

珠江三角洲一次大范围灰霾天气下的空气污染特征分析

利用粤港珠江三角洲区域空气监控网络的监测结果,对2006年10月珠江三角洲一次大范围灰霾过程进行分析,研究灰霾天气下珠江三角洲的空气污染特征。研究表明：灰霾引起空气质量恶化,细颗粒物在可吸入颗粒物中比重上升,多项污染物发生超标,臭氧是首要污染物。时间分布上,PM2.5和O3日均值浓度出现峰值相比SO2、NO2、PM10滞后数日,各站污染物的逐时变化曲线随着各自的主要影响因素不同而表现出不同的特征。空间分布上,珠三角空气污染的区域性特征比较明显,其中佛山-广州-东莞一带是珠三角的污染核心区。     

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

连云港市PM_(2.5)污染特征及影响因素分析研究

主要利用连云港市环境监测中心站的大气环境自动监测平台的监测数据,对PM2.5质量浓度的变化特征以及与气象要素的关系分析。结果表明,连云港市的PM2.5质量浓度的变化特征基本上有明显的夏季与非夏季两种季节性特征。在夏季,PM2.5污染程度较轻,而在非夏季,PM2.5污染程度较重;风速与PM2.5质量浓度变化曲线几乎是负相关的。当风速大的时候,利于污染物的扩散;而风速小的时候,容易使得污染物浓度变大;PM2.5质量浓度变化曲线与温度的关系几乎呈现的是正相关性。气温的变化不总是反映空气质量的好坏情况,而逆温却易使污染物浓度升高;PM2.5质量浓度变化曲线与相对湿度的关系呈现的是正相关性;PM2.5质量浓度变化曲线与气压的关系在总体是呈负相关的。