南京市冬春PM_(2.5)和PM_(10)污染特征及影响因素分析

南京2013年冬季至2014年春季多次出现灰霾污染天气过程,防治颗粒物污染刻不容缓,其中细颗粒物(PM_(10))和超细颗粒物(PM_(2.5))所占比例较大。利用南京市环保局空气质量发布平台污染物监测数据和中国天气网站气象要素数据,对冬春季PM_(2.5)和PM_(10)质量浓度的变化特征以及它们与气象条件的关系进行分析。结果表明:南京冬季PM_(2.5)、PM10平均浓度分别为0.0982,0.1536 mg/m3,春季平均浓度分别为0.0673,0.1207 mg/m3。市区和郊区污染程度由高到低依次为:市区>江宁>六合>溧水。南京空气中颗粒物小时平均浓度日变化呈"双峰双谷型"特征。颗粒物与相对湿度、降雨量和风力呈一定的负相关性,与温度呈一定的正相关性,它们共同影响颗粒物质量浓度水平和大气污染状况。     

大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例

根据深圳市龙华区观澜子站空气质量监测数据,对龙华区近年来空气质量状况、主要大气污染物浓度时间变化特征、气象条件和污染物浓度相关性,以及典型臭氧(O_3)污染过程进行了分析。结果表明龙华区空气质量以优良为主,空气质量指数(AQI)超标日中,O_3浓度超标天数最多,其次依次是PM_(2.5)、PM_(10)和二氧化氮(NO_2)。PM_(2.5)、PM_(10)和NO_2在秋冬季的浓度最高,春季次之,夏季最低;而O_3浓度则在夏秋季最高,春季次之,冬季最低。除O_3(日间浓度高于夜间浓度)以外,PM_(2.5)、PM10和NO_2晚间浓度高于日间浓度。此外,相关性研究表明,颗粒物污染以细颗粒物为主,O_3(8 h)和NO_2与颗粒物浓度均呈正相关性。由于地域差异的存在,O_3(8 h)和颗粒物浓度的相关性在不同地域表现也不同。同时,大气污染物浓度与气象条件和人为排放源的相关性较高。     

呼和浩特市大气污染物污染特征及污染物的相关性分析

为了探究呼和浩特市大气污染物污染特征,对2014年一年的AQI做出统计整理并对PM_(10)、PM_(2.5)、SO_2、CO、NO_2的相关性进行分析。研究结果发现:呼和浩特市2014年空气质量总体良好,空气质量为良所占比重为58%,中度污染和重度污染所占比重为35%。该市的主要污染物PM_(10)、PM_(2.5)、SO_2的超标率分别达到了88.81%、52.60%、36.20%。空气污染指数AQI与PM_(10)、PM_(2.5)、SO_2、CO、NO_2、呈显著相关,尤其是PM_(10)和PM_(2.5),相关性系数高达0.959和0.851,可见其污染主要以颗粒物物为主。PM_(10)、PM_(2.5)、SO_2、CO、NO_2浓度间两两正相关。O_3的浓度与PM_(2.5)、SO_2、CO、NO_2均呈现负相关,O_3与AQI和PM_(10)的相关性不显著。     

泰山区大气中PM_(10)和PM_(2.5)的污染特征分析

根据2014-2016年泰山区大气污染物PM_(10)和PM_(2.5)的监测数据,对PM_(10)和PM_(2.5)浓度的变化特征和二者的相关性以及PM_(2.5)占PM_(10)的比重进行分析。结果表明:受地形、气象和冬季燃煤取暖的共同影响,近三年的PM_(10)、PM_(2.5)月均浓度都具有明显的季节变化规律,冬季最高,夏季最低,春季、秋季居中。环保部门等采取了一系列措施,三年来空气中PM_(10)和PM_(2.5)的浓度逐年下降。PM_(10)和PM_(2.5)的浓度具备一定的相关性,且PM_(2.5)在PM_(10)中比重很大,可认为两者的变化趋势一致。秋冬季节是泰山区细颗粒物污染较重的季节,环境危害较大。在雾霾天气频发的阶段,PM_(10)和PM_(2.5)的防治更应成为大气污染防治工作的重中之重。     

餐厨垃圾与污泥厌氧发酵动力学特性分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。     

大连市大气污染特征、影响因素及来源分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。     

典型城市市区春冬季PM_(2.5)污染特征及来源分析

于2015年春季和冬季在北京、唐山市区进行了大气环境PM_(2.5)样品采集,分析了PM_(2.5)的污染特征和来源。北京、唐山市区冬季PM_(2.5)质量浓度分别为93.9,104.1μg/m~3,是春季的1.1和1.5倍;各采样点春、冬季水溶性无机离子可占PM_(2.5)的43.1%～45.4%和52.0%～54.2%。OC、EC和SOC浓度均呈现出冬季大于春季的变化规律,冬季SOC浓度较高主要是由于采暖燃煤导致前体物浓度升高,不利于扩散的气象条件使污染物易发生大气氧化反应。分析结果表明:扬尘源、移动源、燃煤源和生物质燃烧是各采样点PM_(2.5)的主要来源,唐山市区的生物质燃烧源贡献(21.148%～23.147%)要明显大于北京市区(16.900%～18.150%),因此对于唐山市区要加强生物质燃烧的控制。     

基于增强回归树的城市PM2.5日均值变化分析:以常州为例

利用2014年12月至2015年11月常州市区6个国控监测站空气污染物浓度逐时数据,分析了PM_(2.5)浓度季节变化特征,采用增强回归树模拟分析了PM10、4种气态污染物和7个气象因子对ρ(PM_(2.5))日变化的贡献.结果表明,常州市区PM_(2.5)污染季节差异明显,冬季污染严重且持续时间长,夏季污染较轻.四季ρ(PM_(2.5))空间分布特征存在一定差异,但各季内不同监测站差异较小.增强回归树对ρ(PM_(2.5))日均值进行模拟和验证得到,训练数据的相关性为0.981,交叉验证的相关性为0.957.此外,模拟值与实测值的标准化平均偏差为1.80%,标准化平均误差为10.41%,可见模型拟合效果较好.PM10、气态污染物、气象因子和区域输送及扩散这4种影响类型对全年ρ(PM_(2.5))日均值差异的贡献率分别为23.4%、28%、36.2%和12.6%,表明在对ρ(PM_(2.5))日均值差异的影响上,气象因子二次形成一次源区域输送及扩散.在对ρ(PM_(2.5))日均值差异贡献率大于5%的因子中,ρ(PM_(2.5))日均值与PM10、相对湿度、CO和O3正相关,与温度、SO2和混合层高度负相关,与大气压和NO2关系较复杂.区域输送及扩散方面,东南风向、偏西风向和偏北风向等上风向周边城市的污染物输送对常州市区PM_(2.5)污染存在较大的负面影响.     

北京野鸭湖湿地观测站大气颗粒物变化特征

利用北京延庆野鸭湖湿地生态气象观测站2013年PM_(2.5)和PM_(10)连续观测资料,统计分析野鸭湖地区大气颗粒物的变化特征及气象影响因素。研究结果表明:野鸭湖观测站PM_(2.5)和PM_(10)年平均浓度分别为45.7μg/m3和80.2μg/m~3,超标率分别为17.8%和11.4%,以《环境空气质量标准》二级标准统计。PM_(2.5)和PM_(10)均在1月达到峰值,7月出现最低值。各季PM_(2.5)/PM_(10)值在37.8%～69.9%之间,春季以PM_(10)污染为主,冬季以PM_(2.5)为主。各季节PM_(2.5)和PM_(10)日变化中夏季出峰最早,冬季最晚,冬春季PM_(2.5)浓度为双峰型,夏秋季为单峰型;PM_(10)的日变化仅春季与PM_(2.5)略有不同,晚上峰值强度远大于早上。野鸭湖地区颗粒物污染受本地源和外来源的共同影响,东北气流易造成颗粒物积累,而西南气流有利于颗粒物稀释扩散。典型污染过程显示,持续的东北风控制、风速2.0 m/s左右、平均相对湿度在80.0%左右利于颗粒物浓度的增加;而偏西气流和较高温度、较低湿度能共同起到缓解污染的作用。     

清洁大气背景下贵阳空气质量变化及气象作用

利用贵阳市2013~2016年空气质量监测及气象观测资料进行分析,研究云贵高原城市空气变化及气象影响作用.结果表明:近4a贵阳区域SO_2、NO_2、O_(3_8h)、PM_(10)、PM_(2.5)和CO年平均浓度分别为(20.78±19.71),(28.32±9.59),(107.59±27.54),(67.56±34.32),(42.53±24.52)μg/m3和(0.74±0.22)mg/m~3,除SO_2浓度接近或超出我国中东部城市之外,其它污染物均表现为相对清洁水平;地面O_3浓度逐年明显上升,但其它大气污染物水平均呈逐年下降趋势,且呈现与我国中东部一致的空气质量年际、月际和日变化特征.各功能区污染物区域差异明显,颗粒物和SO_2、NO_2、CO浓度水平表现为工业区居民区郊区,O_3浓度呈现为郊区居民区工业区的特征,表明人为活动对空气质量的影响.近4a O_3与PM_(2.5)夏季白天呈显著正相关,冬季显著负相关,反映了云贵高原城市空气质量的复合污染特性.大气污染物浓度与温度、边界层高度、太阳直接辐射和气压的相关性显著,而与相对湿度和风速相关性较弱,这不同于中东部地区风速主导大气污染物水平变化的特征.云贵高原夏季作为主要雨季,小雨和中雨量级降水对PM_(2.5)吸湿增长较弱,中雨以上降水对PM_(2.5)具有清除作用;而在PM_(2.5)浓度较高和干冷的冬季,小雨的PM_(2.5)吸湿增长明显,中雨以上降水对PM_(2.5)清除显著.     

保定市PM_(10)和PM_(2.5)时间分布特征研究

运用高精度手持式PM_(2.5)速测仪(CW-HAT200)对保定市城区大气颗粒物PM_(10)和PM_(2.5)浓度的日变化、月变化、季变化规律进行了连续1年的测定,结果表明:保定市PM_(10)和PM_(2.5)年平均浓度为213μg/m~3、134μg/m~3,是国家空气质量二级标准的1.4倍和1.8倍;PM_(10)和PM_(2.5)四季变化均表现为冬季最高,春、秋季次之,夏季最低,且变幅较大;PM_(2.5)、PM_(10)各月变化趋势基本相同,1月份浓度最大,污染严重,7月份浓度最小,污染较轻;日变化曲线呈双峰形,早晚高、白天低,低值出现在12:00-16:00;PM_(2.5)/PM_(10)全年平均比值为62.80%,除5、8月外,其余各月均50%,属于严重污染;PM_(10)和PM_(2.5)的确定系数为0.9704,由此可见两者的相关性较高。综上分析可知,人类活动主要影响了PM_(10)、PM_(2.5)的产生,而气象条件是影响大气颗粒物扩散的最主要原因,要想从根本上抑制大气污染的产生,必须采用先进的生产工艺、减少污染物的排放,尤其是在气流稳定的季节应加以严格控制。     

苏锡常地区PM2.5污染特征及其潜在源区分析

利用2014年12月—2015年11月苏锡常地区国控大气环境质量监测站发布的逐时数据,分析了研究区PM_(2.5)浓度的季节变化和空间分布特征,并利用HYSPLIT模型分析了大气污染物的输送路径及苏锡常地区PM_(2.5)的潜在源区.结果表明,苏锡常地区PM_(2.5)浓度日均值变化趋势基本一致,均呈现冬季高、夏季低的规律.PM_(2.5)浓度四季空间差异显著,不同监测站之间的差异较小.四季PM_(2.5)浓度与其它污染物之间相关性显著.单位面积污染物排放量与空气质量分布的空间错位,表明该地区PM_(2.5)污染与区域性污染物迁移有较大关系.苏锡常地区气流后向轨迹季节变化特征明显,冬、春、秋季的气流主要来自西北内陆地区,夏季气流以东南和西南方向输入居多.聚类分析表明,来自内陆的污染气流和来自海洋的清洁气流是苏锡常地区两种主要输送类型,外源污染气流不仅直接输送颗粒物,还贡献了大量的气态污染物.山东南部、江苏西部、安徽东部、浙江北部及江西西北地区对苏锡常冬季PM_(2.5)浓度贡献较大,春、夏、秋季的潜在源区主要分布在苏锡常本地和周边城市.     

宁波市区秋冬季PM_(2.5)质量浓度特征及影响因素分析

该研究基于2013年11-12月的宁波市空气质量监测数据和气象资料数据,分析了PM_(2.5)质量浓度变化特征,探讨了PM_(2.5)与其它粒径颗粒物、气体污染物以及多个气象因子之间的相关性及影响规律,构建了包含气象和污染气体因子的逐步回归模型,综合分析了2类因子对宁波市PM_(2.5)浓度的影响。研究结果表明:(1)研究时间段内的宁波PM_(2.5)质量浓度范围为(100.66±72.98)μg/m~3,超过粗颗粒PM_(2.5-10)的质量浓度,是可吸入颗粒物的主要组成部分。(2)PM_(2.5)与3种污染气体均表现出显著的相关性,其中与CO的质量浓度相关性最高,R=0.85。风速与PM_(2.5)呈现负相关,受西北-北风向影响下的PM_(2.5)浓度要明显高出其它风向影响下的浓度。降水对PM_(2.5)影响显著,降水日的PM_(2.5)平均质量浓度随降水强度呈现幂函数递减,为非降水日的48.4%。非降水日的PM_(2.5)浓度与相对湿度显著正相关,与日照时数显著负相关。(3)逐步回归结果表明,气象和污染气体两类因子能够解释PM_(2.5)浓度82.4%的变异。其中,CO是影响宁波市秋冬季PM_(2.5)浓度的首要显著因子。本研究对明确城市PM_(2.5)污染特征和影响因素具有参考价值和意义。     

浏阳市城区环境空气污染特征及其与气象因素相关性分析

根据浏阳市城区空气自动监测站点、浏阳市气象站实测数据,得出城区首要污染物、污染因子及其气象因素的月、季均浓度变化图,并求出污染因子和气象因素的相关性。结果表明:PM_(2.5)和O_3对浏阳市城区环境空气污染的贡献较大,SO_2、NO_2、PM_(10)对环境空气质量影响相对较小;空气质量较好的时间段主要集中在第三个季度;NO_2浓度与气温具有极显著的负相关性,与气压具有极显著的正相关性;PM_(10)浓度与风速具有较显著的负相关性;PM_(2.5)浓度与气温具有极显著负相关性,与风速具有较显著负相关性,与气压具有极显著正相关性;O_3浓度与湿度具有较显著负相关性,与气压具有极显著负相关性,与气温具有极显著正相关性。     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

广安市PM_(2.5)组成特征及污染贡献源分析

基于广安市2017年6月-2018年5月逐日平均国控站点空气质量监测数据,该文对广安市PM_(2.5)组成特征及污染贡献源进行解析。结果表明,监测期间广安市PM_(2.5)主要成分为元素碳(30%)、有机碳(30%)和混合碳(12%);颗粒物首要污染源为燃煤(22%),工艺过程源(19%)、扬尘源(18%)和二次源(18%)贡献率也较高,机动车、生物质和其他源贡献率都较低;工业源(工艺过程和燃煤)、扬尘源和机动车为广安市主要污染来源,不同季节污染源贡献率有所不同,春季扬尘源贡献突出,秋季主要表现为扬尘源、工业源(工艺过程和燃煤)和机动车,夏季和冬季工业源(工艺过程和燃煤)贡献率突出,其次为扬尘源;工业源(工艺过程和燃煤)、机动车、扬尘源、生物质燃烧是春季PM_(2.5)浓度上升的主要原因;夏季则是工业源(工艺过程和燃煤)、机动车、扬尘源;秋季机动车是导致PM_(2.5)升高的主要原因;冬季工业源(工艺过程和燃煤)、扬尘源、生物质燃烧是PM_(2.5)浓度上升的主要原因;污染期间应重点管控工业源(工艺过程和燃煤)、扬尘源和机动车,春季和冬季还应加强生物质燃烧源控制。     

北京市PM_(2.5)理化特性及燃煤对大气污染的研究进展

为分析2013年1月北京市严重雾霾原因,在总结前人相关研究成果和气象数据的基础上,得出雾霾天气形成的原因、春夏秋冬4个季节PM_(2.5)的组分变化规律、本地贡献率、PM_(2.5)与气象参数相关度。通过对细颗粒物的来源解析,得出燃煤产生的细颗粒物占15%~19%。在此基础上重点分析了燃煤产生的污染物对大气所造成的污染特点,系统地对近年来国内外燃煤产生PM_(2.5)机理的研究现状,抑制PM_(2.5)/PM10产生的措施,以及目前国内大气污染治理存在的问题进行了总结和归纳。拟为北京市雾霾的治理提出合理建议。     

潜江市空气污染状况及其与气象条件的关系

基于潜江市环境监测站2015-2016年空气污染物(PM_(10)、SO_2、NO_2、CO、O_3、PM_(2.5))浓度与同期气象要素(相对湿度、温度、风速、气压和降水)逐小时资料,分析潜江市空气污染状况及与气象条件的关系。结果表明:潜江市主要污染为PM_(2.5),占总污染日数99.1%。PM2.5污染呈现一定的季节性,冬季春季秋季夏季。5 mm以上降水对PM2.5污染有一定的清除作用,且清除作用随着降雨量的增大而增大。污染日平均气温多集中在15℃以下,气压对PM2.5污染的影响集中在1 000.1~1 020 h Pa之间。PM2.5污染与平均风速呈负相关关系,风速越大越有利于空气中污染物质的稀释扩散。     

基于快速聚类方法分析常州市区PM2.5的统计特性

运用统计方法研究常州市区2013~2014年6个国控点六项基本污染物(SO_2、NO_2、CO、O_3、PM_(2.5)和PM_(10))月平均浓度变化,结果表明,除O_3外,其它五项污染物月平均浓度夏季较低冬季较高.颗粒物与风速之间的关系为PM_(2.5)浓度随风速的升高一直降低,PM_(10)随风速的升高浓度先降低后升高.采用快速聚类分析(k-means)并运用SWV和DIV指数对六项基本污染物进行分类,得到4个样本分类.与依据颗粒物化学成分或粒径谱对PM进行源解析方法不同,本研究更多是从PM_(2.5)与其它污染物相关关系以及污染程度等角度按照欧式距离进行分类.不同类中PM_(2.5)来源明显不同,类1中PM_(2.5)与化石燃料燃烧排放密切相关,类2与O_3密切相关,类3与城市不完全燃烧排放、区域灰霾污染密切相关,类4可以归类于城市"背景"类.快速聚类分析结果也表明常州市区PM_(2.5)有着复杂的来源.     

兰州市近地面臭氧污染分布特征

为探究兰州市近地面臭氧(O_3)浓度的分布特征,对2013～2016年兰州市5个国家空气质量监测点逐时的O_3浓度资料进行了统计分析,结合同期的NO_2和颗粒物(PM_(10)、PM_(2.5))浓度资料得到兰州市的O_3污染变化趋势及其分布特征。结果表明:兰州市区O_3与NO_2浓度的日变化呈现相反的变化趋势,二者之间存在明显的负相关关系,相关系数为-0.45;兰州市区颗粒物与O_3之间相互影响,颗粒物浓度春、冬季较高,而O_3夏季较高,O_3与PM_(2.5)浓度月变化之间的相关系数为-0.78,O_3逐渐成为继颗粒物之后首要污染物天数最多的污染物;兰州市区和榆中县O_3浓度均呈现明显的日变化、月际变化、季节变化;不同站点分布特征显示,兰州市区4个监测站点中兰炼宾馆O_3浓度最高,职工医院与生物制品厂相差不大,铁路设计院最低,表明西固区O_3污染形势最为严峻,七里河区次之,城关区O_3污染较轻,而且榆中县O_3浓度除夏季外其它时段均比市区高。