广州市区PM_(2.5)的污染特征

对广州市区PM2.5的污染状况进行了分析,结果表明广州市区的PM2.5呈现冬季浓度较高,夏季较低的季节性特征;PM2.5的日变化呈现出明显的双峰形;与PM10的相关性分析表明,PM2.5与PM10具有良好的线性关系。PM2.5/PM10的值约为0.59,表明广州市区空气中细颗粒物在PM10中的比重大于粗颗粒物,鉴于PM2.5的危害性及所占比例,应重视对其的监测。     

城市环境空气中PM2.5和NO2浓度的相关性研究

以湖南省长沙市为研究区域,对城市环境空气中的PM2.5和NO2浓度进行自动监测,并对数据进行相关性分析.结果表明,PM2.5和NO2浓度的季节性变化大,且两者的变化规律一致,均为冬季＞秋季＞春季＞夏季;在一天内,NO2浓度的最低值一般出现在午后,但PM2.5浓度的最低值、峰值出现时间不确定;就功能区分布而言,NO2浓度最高值出现在商业区,而PM2.5浓度分布的区域规律不明显.PM2.5与NO2浓度变化以正相关为主,PM2.5浓度高时,NO2浓度高,反之亦然,两者容易产生叠加污染.总体上,冬、秋季节为PM2.5和NO2主要控制季节.     

珠江三角洲地区亚运期间颗粒物污染特征

为研究2010年广州亚运会期间珠江三角洲地区颗粒物污染特征,2010年11月11日—30日分别在广州市区城市点及下风向鹤山区域点采集24h颗粒物样品,对其主要化学组分(有机碳OC、元素碳EC和水溶性离子)进行测量.结果显示,观测期间广州和鹤山PM2.5平均质量浓度分别为(73.3±16.5)μg·m-3和(98.2±20.8)μg·m-3.鹤山PM10平均浓度高达131.6μg·m-3,且PM2.5占PM10的74%,表明区域PM2.5污染凸显.广州和鹤山PM2.5中二次无机离子(SNA)分别占39%和42%,有机物(OM)分别占31%和26%,EC分别占5%和6%.根据EC示踪法粗略估算,广州和鹤山PM2.5中一次有机碳POC分别占15%和13%,二次有机碳SOC分别占4%和3%.总体上,广州和鹤山PM2.5中二次生成(SNA+SOA)均约占50%,表明珠江三角洲地区PM2.5区域性二次污染的特征.广州市区PM2.5及SNA、Cl-和EC明显低于区域点鹤山浓度水平;与2004年同期研究(PRIDE-PRD2004)结果相比,气象条件相似,而广州市区PM2.5及EC浓度分别显著降低达29.6μg·m-3(29%)和3.5μg·m-3(49%),反映出亚运期间一次排放得到有效控制.     

合肥市PM2.5污染特征及影响因素分析研究

通过对合肥市2013年和2014年PM2.5浓度变化与时间、气象条件、地域维度的关系的研究,对PM2.5的影响因素进行了分析.结果表明,夏季PM2.5平均浓度最低,冬季最高.在一天中的PM2.5的浓度变化呈双峰分布,两个峰值分别出现在上午8、9时和晚上的9点左右.一天中在下午2、3点时PM2 5的浓度最低.PM2.5的主要影响因素为当地的气象条件因素和污染源的排放情况,其中气象条件为主要原因,污染源排放为根本原因.     

2009年8~9月成都市颗粒物污染及其与气象条件的关系

对成都市3个不同点位PM2.5和PM10进行了为期30d的连续观测,研究了大气颗粒物浓度的时空分布特征,及其与气象条件的关系.研究表明,观测期间成都市大气颗粒物PM2.5和PM10质量浓度日均值分别为66,94μg/m3,两者浓度变化范围较大,但变化趋势相同.从空间分布来看,大气颗粒物浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;从时间分布来看,大气颗粒物污染最严重出现在9月17~19日,9月5~9日2个时间段,不利的气象因素和污染物的累积是造成该时间段大气颗粒物污染加重的主要原因.PM2.5与PM10质量浓度的相关性为0.93,PM2.5对PM10的贡献较大,两者质量浓度的比值达0.69.气温对大气颗粒物浓度变化没有显著影响;降水以及风速对颗粒物浓度影响较大,主要是对颗粒物的湿清除和促进扩散作用;在一定相对湿度范围内,高湿度条件容易造成大气颗粒物的较重污染.能见度与大气颗粒物浓度呈明显负相关性,且与PM2.5的相关系数大于与PM10的相关系数.     

广州市区公交车站PM_(2.5)与CO暴露水平研究

用便携式颗粒物浓度测定仪(DustTrak Model8520)和CO测定仪(Q-Trak Model8551),于2008年9月至2009年1月对广州市区11个代表性公交车站的PM2.5和CO暴露水平进行了测定。结果表明,公交车站7:00～19:00时间段PM2.5的平均浓度范围为206～348μg/m3,总体均值达288μg/m3,显示公交车站PM2.5污染问题突出;CO平均浓度范围1.5～4.0mg/m3,总体平均2.8mg/m3,有六个站点平均浓度超过了我国环境空气质量标准限值(4.0mg/m3或3.2mg/m3)。大多数站点工作日与非工作日PM2.5与CO水平差异不大,部分站点则受车流量和客流量变化影响呈现差异。同一站点PM2.5日变化特征不如CO明显,一次污染物CO变化受交通高峰影响呈双峰特征,而PM2.5水平影响因素复杂,一般白天较低,夜晚21:00出现峰值。不同站点CO与车流量未见显著相关性,表明车流量并不是决定公交站点CO水平的唯一因素,而扩散条件及公交车排放可能也是重要影响因素;与CO不同,不同站点PM2.5与车流量表现出显著相关(p0.05),可能侧面反映路面扬尘对公交车站PM2.5水平的影响和贡献。     

石家庄市环境空气PM_(2.5)和PM_(10)污染变化特征研究

通过对石家庄市2013年1~12月PM2.5和PM10实时数据的整理和分析,结果表明,石家庄市区大气中细颗粒物PM2.5和可吸入颗粒物PM10月均浓度变化呈明显的季节性,二者变化趋势基本一致,采暖期12-2月份浓度普遍高于其他月份,PM2.5和PM10浓度最高值均出现在1月份;春夏PM2.5和PM10浓度有所降低,7月份浓度最低。PM2.5和PM10存在显著的正相关关系。     

基于GIS的贵州遵义市PM_(2.5)污染时空特征及变化分析

与中国的发达地区相比,针对欠发达地区中小城市PM2.5的研究比较欠缺。收集了2013年12月31日至2014年4月29日的PM2.5日均浓度以及2014年1月7日至2月25日的时均浓度数据,采用GIS和遥感提取土地利用现状和遵义市建成区,结合统计定量分析方法,研究遵义市的PM2.5浓度变化特征及其驱动力。结果表明:1)遵义市PM2.5日均浓度的城乡差异不明显。2)PM2.5浓度具有明显的季节性特征,并呈现显著的降低趋势。3)PM2.5的日变化和人类活动有明显的相关性。4)PM2.5日变化表现出双峰型周期性的变化趋势,在早晨和下午出现浓度低值,并在凌晨和中午出现峰值和次峰值。     

西安市高分辨率PM2.5质量浓度变化特征分析

利用美国R&P公司1400a锥形震荡天平(TEOM)自动在线监测仪获取了200903～201002西安市PM2.5质量浓度实时连续监测值,并进行分析.结果表明,PM2.5小时质量浓度变化起伏较大,全年PM2.5小时质量浓度最大值为630.4μg/m3,节日的烟花燃放能造成瞬间的PM2.5严重污染.四季PM2.5浓度日循环变化规律明显,大致均呈现双峰模式,高峰值点出现在10:00～11:00左右和21:00～22:00左右,低峰值点出现在4:00～5:00和17:00～18:00左右.     

北京PM2.5浓度的变化特征及其与PM10、TSP的关系

在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m3,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

广州市街道环境PM_(10)和PM_(2.5)质量浓度的变化特征

采用直读式DustTrak8520型颗粒物浓度测定仪在2003年7月至2004年6月期间对广州市街道PM10、PM2.5进行了初步测定,结果表明PM10、PM2.5质量浓度季节变化幅度较大,并且它们的变化趋势相似。与国内很多城市不同,PM10、PM2.5质量浓度日变化都呈上午低、下午高、夜间21点左右出现峰值的特征。PM10、PM2.5两者之间存在显著的相关性,相关系数r=0.98。PM2.5/PM10平均值为0.85,表明广州市街道空气中细颗子(PM2.5)在可吸入颗粒物中占很大比重。     

基于GAM模型分析影响因素交互作用对PM2.5浓度变化的影响

对南京市2013~2015年PM2.5及影响因素的时间变化序列,运用广义可加模型(GAM)分析影响因素交互作用对PM2.5浓度变化的影响.结果表明,PM2.5及影响因素都基本服从正态分布类型,影响因素间具较强相关性,其中气温、气压和水汽压间具有显著相关性.PM2.5浓度变化的单因素GAM模型中,所有影响因素均通过显著性检验,其中SO_2、CO、NO_2等影响因素的模型拟合度较优,方程解释度较高;PM2.5浓度变化的多因素GAM模型中SO_2、CO、NO_2、O_3、平均降雨量(PRE)、平均风速(WIND)和相对湿度(RHU)等影响因素对PM2.5浓度变化解释率为73.9%,对其变化具有显著性影响;通过多因素对PM2.5浓度变化影响效应的诊断分析,得到SO_2、NO_2和WIND与PM2.5浓度变化呈线性关系,CO、O_3、PRE和RHU与PM2.5浓度变化呈非线性关系;在影响因素交互作用对PM2.5浓度变化影响的GAM模型中,SO_2与CO、PRE、RHU间交互作用,CO与NO_2、O_3、PRE、WIND、RHU间交互作用,以及NO_2与WIND、PRE、RHU间交互作用,都在P0.01(或P0.05)水平下显著影响PM2.5浓度变化;大气污染物SO_2、CO及NO_2分别与气象等其它因素的交互作用对PM2.5浓度变化产生最主要影响作用;通过对影响因素交互作用GAM模型可视化三维图分析,定量研究了影响因素交互作用对PM2.5浓度变化的影响特征.结论表明,运用GAM模型,能够定量化分析影响因素交互作用对PM2.5浓度变化的影响,研究方法具有一定创新性,对PM2.5浓度污染与控制研究具有重要意义.     

济南市春季大气颗粒物污染研究

对济南市2005年春季大气颗粒物中PM10、PM2.5和细颗粒物中的黑碳气溶胶的浓度水平、时间分布和日变化进行了观测,并结合气象资料对变化特征进行综合分析,探讨了PM10,PM2.5和黑碳的相对含量以及对能见度的影响等.研究结果表明,PM10和PM2.5平均浓度分别为242.5μg·m-3和109.4μg·m-3.与我国空气质量二级标准PM10日均值150μg·m-3和美国国家空气质量PM2.5日均标准65μg·m-3相比,超标率分别达到80.77%和84.61%,污染较严重;监测期间PM2.5/PM10的平均值为0.456.在PM2.5中,黑碳气溶胶平均质量浓度为5.39μg·m-3,占PM2.5的5.06%,日浓度变化呈双峰型.在监测时间内,污染物浓度与温度无明显的相关性;与相对湿度呈弱正相关;与风速呈明显的负相关关系.降水对PM10、PM2.5和黑碳的清除作用较为显著.PM10、PM2.5和黑碳浓度与能见度均呈负相关,相关系数(r)分别为-0.633、-0.695和-0.704,细颗粒物是影响能见度的主要因素.     

北京PM2.5浓度的变化特征及其与PM10、TSP的关系

 在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m³,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

PM2.5污染特征及污染源模拟研究

为了解深圳市坪山新区环境空气质量现状,研究运用坪山新区PM2.5浓度数据,分析该区PM2.5的污染特征及气象条件对其的影响,坪山新区PM2.5浓度呈现了明显的季节变化、月变化特征,表现为秋冬季高、夏季低、春季居中的特点;PM2.5浓度最高出现在12月,最低出现在7月.该区PM2.5浓度日间变化呈双峰分布,7:00～9:00出现短期高峰,夜间21:00～次日4:00出现长期高峰.坪山新区PM2.5超标情况多出现在秋冬季及初春.在超标日期里,区域一般温度较低、风速较小,相对湿度也较低.污染源分析模型结果表明,坪山新区PM2.5的排放强度高值区主要集中在北部和西部,南部和东部排放强度稍低.由此可见,坪山新区大气环境亟待提升,需要针对区域内大气颗粒物污染进行有效防治.     

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.     

基于ARIMA模型对扬州市PM2.5的分析和预测

针对扬州市PM2.5浓度变化的时间序列分布特征,应用求和自回归移动平均(ARIMA)模型,分别预测扬州市1月、4月、7月和10月每月的1-5日的PM2.5日均浓度,结果表明,所预测天数中约60％的PM2.5日均浓度与实测值较接近,但仍有极个别天数的PM2.5日均浓度存在较大偏差,说明运用ARIMA模型对扬州市PM2.5...     

利用SPAMS研究南宁市冬季单颗粒气溶胶化学成分

利用单颗粒气溶胶飞行时间质谱仪(SPAMS)对南宁市2015年冬季2月15~24日期间大气PM2.5进行观测.SPAMS所测得大气PM2.5数浓度与PM2.5质量浓度线性相关系数为0.76,在一定程度上颗粒物数浓度可反映大气污染状况.利用自适应共振神经网络分类方法(Art-2a)对PM2.5化学成分进行分类,确定PM2.5化学成分主要为元素碳、有机元素碳混合颗粒、有机碳、富钾颗粒、矿物质、富钠颗粒、二次无机颗粒、左旋葡聚糖以及其它重金属共9类.成分占比最高的是元素碳,其次是有机碳和富钾颗粒.监测到80%以上的PM2.5粒径主要集中在0.2~1.0μm之间,峰值出现在0.62μm处,各化学成分的粒径分布特征与总颗粒数粒径分布特征相似.各化学成分数浓度与PM2.5质量浓度随时间变化趋势较一致,化学成分数浓度占比变化在一定程度上可反映瞬时的污染来源.     

上海金山石化区常规大气污染物随时间变化分析研究

利用上海金山石化点位2014年大气监测资料,分析石化地区SO2、NO2、O3、PM10和PM2.5随时间的变化趋势,为未来工业园区的合理规划布局提供理论基础和决策依据.结果表明:(1)常规大气污染物浓度具有明显的季节性特征,SO2 、NO2、PM10 、PM2.5冬季高浓度,夏季低浓度,O3变化趋势相反;(2)O3呈现明显单峰日变化,NO2 、PM10、PM2.5则出现双峰现象,这是由于太阳辐射增强造成光化学反应加剧、地面温度上升以及人类活动的影响.SO2受太阳辐射影响较小,日变化趋势不明显.(3)污染物浓度风向分析表明,测点常规污染物主要来源于金山新城排放,但化工区废气排放对O3浓度具有明显影响.     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.