西安市PM_(2.5)时空分布特征及气象成因

PM_(2.5)是危害环境及人体健康的重要空气污染物之一,但目前对PM_(2.5)的时空分布及气象成因的研究还相对缺乏。为了更好地控制ρ(PM_(2.5)),利用西安市2013年9月1日至2014年8月31日的PM_(2.5)逐日质量浓度、首要污染物数据及气象数据,分析PM_(2.5)逐日质量浓度对空气质量的影响,ρ(PM_(2.5))的分布特征及其气象成因。结果表明,PM_(2.5)是影响空气质量的重要因素。ρ(PM_(2.5))年超标率高达42.1%,在季节上具有冬秋季高、春夏季低的特征,月变化呈现"V"字形变化。各类型站点的ρ(PM_(2.5))总体空间分布状况为:道路参照点污染最严重;居民参照点、工业参照点次之;商贸参照点及文化、生态参照点的PM_(2.5)污染较轻,基本处于良好状态;PM_(2.5)的空间分布状况及站点间的变动幅度会随季节而有所不同。采用逐步回归模型建立的ρ(PM_(2.5))的预测模型具有较好的预测效果,ρ(PM_(2.5))拟合值均能较好的反映ρ(PM_(2.5))的变化规律,ρ(PM_(2.5))与气象条件有一定的关系。     

菏泽市夏季PM10和PM25中水溶性离子组分污染特征

为分析菏泽市大气颗粒物及其水溶性离子组分特征,本研究于2015年8月期间在菏泽市6个监测点位采集环境受体PM_(10)和PM_(2.5)样品共120个,利用离子色谱法测定颗粒物中水溶性无机离子(SO■、NO~-_3、NH~+_4、Cl~-、Ca~(2+)、K~+、Na~+、Mg~(2+)、F~-),并同步收集气象参数及气态污染物质量浓度等资料.结果表明,菏泽市夏季环境受体中颗粒物质量浓度ρ(PM_(10))和ρ(PM_(2.5))分别为94.5μg·m~(-3)、55.2μg·m~(-3),稍低于国内其他城市,这与各城市经济发展、产业能源结构、气象条件等因素有关.PM_(2.5)/PM_(10)值在0.5—0.8之间,表明菏泽市夏季细颗粒物(PM_(2.5))污染较为严重.但PM_(10)和PM_(2.5)中水溶性离子质量总浓度ρ(WSIs)分别为30.5μg·m~(-3)、17.0μg·m~(-3);质量分数w(WSIs)分别为32.4%、29.6%.其中SO■、NO~-_3、NH~+_4为PM_(10)和PM_(2.5)中主要水溶性离子,3种离子浓度和分别占PM_(10)和PM_(2.5)中总离子浓度的84.3%、88.3%.SO■、NO~-_3、NH~+_4、K~+主要集中在细颗粒物(PM_(2.5))中,Ca~(2+)、Mg~(2+)则广泛存在于粗颗粒物(PM_(10))中.各采样点的PM_(10)和PM_(2.5)中,SO■、NO~-_3、NH~+_4、Ca~(2+)和Mg~(2+)浓度分布具有空间差异.离子相关性表明,NH~+_4与SO■、NO~-_3相关性均较强,3种离子主要以NH_4HSO_4、NH_4NO_3形式存在.PM_(10)和PM_(2.5)中NO~-_3/SO■值分别在0.41—0.49和0.36—0.47之间,平均值分别为0.46、0.42,表明固定源是菏泽市夏季颗粒物污染的主要污染贡献源.     

北京采暖期典型区域环境空气污染特征分析

北京采暖期空气污染较非采暖期严重得多,但目前针对采暖期北京城市上风向、下风向、中心区和主干道路等典型人类活动区域的主要污染物浓度特征及其受气象条件变化影响的研究还比较缺乏,为了摸清北京市采暖期不同典型区域大气污染特征,更有针对性地制定环境空气污染防治对策,利用2014年采暖期首月(11月15日—12月14日)北京市北郊(八达岭)、南郊(永乐店)、城市中心区(天坛)、城市交通干道(永定门内大街)等典型区域的PM_(2.5)、SO_2、NO_x、O_3质量浓度监测数据和气象数据,分析4类代表性区域的环境空气污染特征和时空变化情况。结果表明,PM_(2.5)是各区域冬季主要污染物,日均质量浓度在61.75~143.81μg?m-3,总体空间分布状况为南郊最严重、城市交通干道和城市中心区次之、北郊的PM_(2.5)污染最轻,除北郊外其余监测点ρ(PM_(2.5))均超过二级标准限值。各区域的主要污染物略有不同,其中北郊ρ(SO_2)较其他区域高,白天12:00时最低(29.09μg?m-3),夜晚18:00—次日01:00持续居高(58.8~63.19μg?m-3),这与燃煤采暖等人类活动规律一致;南郊以PM_(2.5)、NO_x混合型污染为主;城市交通干道附近ρ(NO_x)和ρ(O_3)较高,表明局地光化学反应NO_x-O_3生消机制作用明显,污染物浓度变化与人类出行时间一致。气象条件对不同污染物浓度的影响存在差异,微风无持续风向、大气扩散条件较差时,PM_(2.5)呈现不断累积状态,SO_2、NO_x和O_3累积效应不明显,但其单日质量浓度峰值显著增加;北风和微风反复交替、大气扩散条件总体较好时,各监测点的SO_2、NO_x受地区性污染源排放影响波动不大,随扩散条件转差南郊ρ(PM_(2.5))会迅速增加。城市交通干道机动车排放典型污染物ρ(NO_x)及其二次污染物ρ(O_3)随着气象条件变化其峰值在日内变化显著。     

温湿度对南京北郊PM_(2.5)中二次无机离子生成演化的影响

二次无机离子是PM_(2.5)的重要组成部分,明晰大气污染过程中二次无机离子的形成、演化过程及影响因素,对深入认识大气污染的形成与消散机制具有重要意义。利用南京北郊2016年3月—2017年2月PM_(2.5)及水溶性离子在线观测资料,分析了温湿度对南京北郊PM_(2.5)中二次无机离子生成和演化过程的影响。结果表明:观测期间南京北郊总水溶性离子(TWSI)平均质量浓度为41.35μg·m~(-3),占PM_(2.5)的69.94%;二次无机离子SO_4~(2-)、NO_3~-、NH_4~+(SNA)的平均质量浓度为37.95μg·m~(-3),占TWSI的91.78%,是最主要的水溶性离子。硫氧化率(SOR)平均约为0.49,季节性差异较小,随相对湿度(RH)的增大而升高,且在RH60%时升高显著。冬季SO4~(2-)质量浓度在PM_(2.5)中的占比随RH增加呈递增趋势,夏季反之,这可能与NO3-的占比增加有关。n(NH4+)/n(SO4~(2-))与n(NO3-)/n(SO4~(2-))比值的截距表现为冬季大于夏季,表明南京北郊大气中的硫酸盐主要是以低酸度固态或液态(NH_4)_2SO_4、NH_4HSO_4的形式存在。在气温高于25℃时,NO_3~-的气粒分配指数(FHNO_3)随气温上升而快速增大,表明气温越高,越有利于固态NH_4NO_3向气态HNO_3转化;而空气湿度的作用与气温相反,特别是在气温高于25℃的高温时段,空气湿度越低,越有利于固态NH_4NO_3向气态HNO_3转化。干净天气条件下FHNO_3平均值为0.07,是污染天气条件下的1.94倍,表明污染天气更有利于NH_4NO_3的形成从而加重大气污染程度。     

太原市城区大气PM_(2.5)和PM_(10)时空分布特征

研究太原市城区大气颗粒物质量浓度时空变化规律,可以为实施更有效的大气污染综合治理手段提供科学依据。以太原市9个国家空气质量自动监测站的数据为基础,运用统计分析和Kriging插值法,对太原市城区2019年大气颗粒物的时空分布进行了分析。结果表明,2019年太原市城区PM_(2.5)和PM_(10)年均质量浓度分别为56μg·m~(-3)和107μg·m~(-3),是国家二级标准限值的1.60、1.53倍,以PM_(2.5)和PM_(10)为首要污染物占总超标天数的44.03%和12.58%;PM_(2.5)/PM_(10)年均值为0.52,PM_(2.5)对PM_(10)贡献较大;PM_(2.5)季平均质量浓度为冬季(87μg·m~(-3))秋季(50μg·m~(-3))春季(49μg·m~(-3))夏季(34μg·m~(-3)),PM_(10)为冬季(123μg·m~(-3))春季(120μg·m~(-3))秋季(98μg·m~(-3))夏季(64μg·m~(-3));PM_(2.5)和PM_(10)质量浓度月变化呈U型,二者平均质量浓度1月最高,8月最低;PM_(2.5)和PM_(10)24h质量浓度变化呈"单峰单谷"型,峰值在10:00,谷值在17:00;取暖期PM_(2.5)与CO、SO2和NO_2相关性高于其他时段;太原市城区PM_(2.5)和PM_(10)质量浓度空间分布总体上呈北低南高之势,PM_(2.5)春夏秋季的空间分布格局与太原市城区生产、生活、交通干道分布格局比较吻合。以上结果提示秋冬季是太原市城区颗粒物治理的关键时期,位于南部的小店和晋源区为重点防控治理区域。     

南京北郊冬季PM_(2.5)中水溶性离子以及碳质组分特征分析

2015年12月21日—2016年2月29日在南京北郊进行了大气细颗粒物PM_(2.5)的观测,并分析其中主要水溶性离子(Na~+、NH_4~+、K~+、Mg~(2+)、Ca~(2+)、Cl~-、NO_3~-、SO_4~(2-))浓度以及碳质组分(OC、EC)含量.结果表明,观测期间南京北郊冬季大气细颗粒物(PM_(2.5))污染较为严重,二次离子(NO_3~-+SO_4~(2-)+NH_4~+)为主要污染成分,占PM_(2.5)浓度的47%.对36个观测日进行SO_4~(2-)-NO_3~--NH_4~+三相聚类,发现3种离子在整个体系中的配比存在差异.排放源类型所造成的前体物的不同以及NH_4~+与SO_4~(2-)、NO_3~-的结合方式是造成这种差异的主要原因.OC与EC的变化趋势相似,OC含量较高,而且浓度波动幅度较大.OC/EC的值为2.63±0.90,说明普遍存在二次反应产生的SOC.K+/PM_(2.5)比值法表明,除燃煤与机动车尾气排放以外,生物质燃烧亦是PM_(2.5)污染的排放源.     

苏州郊区主要大气污染物的演变特征及其影响因素研究

大气灰霾污染已经成为了大气环境领域的研究热点之一,但是目前国内针对背景地区站点的大气污染形成机制和输送规律的研究仍然有限。利用PM_(2.5)、PM_(10)、CO、SO_2、O_3、NO_2等6种大气成分质量浓度数据、常规气象要素观测资料、结合HYSPLIT后向轨迹模式,对2015年1月15—28日发生在江苏省苏州市东山镇的一次持续十余天的空气污染过程进行了分析。结果表明,此次污染过程东山镇经历了一次完整的灰霾生成-积聚-消散的演变过程,其中包括两个主要污染时段,1月15—19日轻污染时段和1月22—26日重污染时段。ρ(PM_(2.5))/ρ(PM_(10))平均值达到62.8%(30.0%~93.4%),表明PM_(2.5)对东山大气颗粒物污染贡献显著。6种大气污染物相关性分析发现CO和NO_2与PM_(2.5)和PM_(10)相关性最好,人为燃烧源和交通源对灰霾形成贡献显著。高空较稳定的环流形势和地面弱气压场的配合以及低压高温高湿的不利气象条件,阻碍了污染物的垂直和水平扩散,是此次持续性灰霾天气形成的客观原因。通过风向、风速统计和后向轨迹分析发现,此次污染过程,在大风下颗粒物以远程输送为主,微风下颗粒物以局地排放为主。外来源的输送和本地源排放的叠加造成了灰霾的形成和积聚。轻污染时段,高浓度污染气团主要来自西北方向的远距离输送,来自山东、河北等工业发达地区的排放源对东山地区灰霾的形成影响显著。重污染时段,污染气团主要来自偏南方向的局地输送,此外来自湖南、江西一带的大规模生物质燃烧生成的高浓度污染气团输送也是污染加重的重要原因。来自东北方向的气流对此次区域灰霾污染起到了清洁作用。     

绵阳市PM2.5中水溶性离子特征及来源分析

为研究绵阳市PM2.5中水溶性离子污染特征及来源,于2018年4月15日-2019年2月28日在绵阳市设置5个采样点位进行样品采集,利用Dionex ICS-2000离子色谱仪分析了9种离子(F-、Cl-、NO3-、SO42-、Na+、NH4+、K+、Mg2+、Ca2+),并通过SPSS进行来源解析.结果 表明,绵阳市ρ(总水溶性离子)年均值为20.8 μg·m-3,在PM2.5中w(总水溶性离子)为46.6％.离子中质量浓度大小顺序依次为:ρ (NO3-)＞ρ(SO42-)＞ρ(NH4+)＞ ρ(Ca2+)＞ ρ(K+)＞ρ(Cl-)＞ ρ(Na+)＞ ρ(Mg2+)＞ ρ(F-),其中SNA(二次离子NO3-、SO42-、NH4+)为水溶性离子主要组成部分,水溶性离子中w(SNA)为86.4％.水溶性离子质量浓度季节变化趋势为:冬季＞秋季＞春季＞夏季,除Mg2+外其余离子质量浓度季节变化趋势与总离子浓度趋势一致,ρ(Mg2+)夏季与春季相当.SNA间具有较好的相关性,表明二次离子来源具有高度相似性,NH4+与SO42-摩尔当量浓度线性拟合斜率大于0.75,表明绵阳市大气环境为富氨状态,二次离子主要以(NH4)2SO4和NH4NO3形式存在.污染天NO2、 w(NO3-)和NOR(氮氧化率)均增大,且污染水平越严重w(NO3-)增幅越大,而w(SO42-)和w(NH4+)基本不变,表明NO3-增加导致PM2.5浓度升高.四季SOR(硫氧化率)和NOR均大于0.1,表明NO3-、SO42-主要来源于气态污染物二次转化,受温度和湿度影响,SOR值夏季最高,NOR值夏季最低冬季最高.SPSS来源解析结果显示绵阳市PM2.5中水溶性离子主要受二次转化、生物质燃烧以及扬尘源影响,三者合计贡献率为82.7％.     

京津冀城市群PM_(2.5)的空间分布及相关性分析

以京津冀城市群2014—2016年1 090 d PM_(2.5)浓度日值数据为基础,基于Arc GIS 10.2软件,选择典型月份分析PM_(2.5)月优良天数比例、月重度及严重污染天数比例的时空分布特征及其空间相关性。结果表明,研究区城市之间各年PM_(2.5)浓度月优良天数比例与月重度、严重污染天数比例整体波动趋势基本一致,其中PM_(2.5)月优良天数比例高值集中在5—9月,PM_(2.5)月重度与严重污染天数比例高值集中在11—次年2月;从区域分布看,PM_(2.5)月重度与严重污染天数比例从石家庄、保定市向周边城市由高到低递减。选取典型月份对研究区PM_(2.5)进行空间相关分析,结果表明PM_(2.5)存在正空间相关性,即PM_(2.5)浓度的空间分布表现出空间聚集性。     

福州市太阳总辐射变化特征及与PM、O_3关系分析

太阳辐射是天气气候形成和演变的基本动力,也直接影响着近地层的空气质量,研究太阳辐射变化对空气质量的影响规律具有重要意义。基于2007-2018年福州市太阳总辐射、PM-(10)及2014-2018年PM_(2.5)、O_3观测资料,采用趋势分析、相关分析、对比分析等方法,研究福州市太阳总辐射的时间分布规律、变化特征及与PM、O_3的相关关系。结果表明,(1)近12a福州市太阳年总辐射呈上升趋势,平均上升率为6.7%/10a,ρ(PM_(10))和ρ(PM_(2.5))年平均值呈现明显下降趋势,太阳年总辐射与ρ(PM)呈负相关关系。(2)福州市太阳总辐射7月最强、12月最弱,平均而言夏季(7-9月)太阳总辐射量最丰富,春季次之,冬季最少。(3)太阳日总辐射与ρ(O_3)日均值、ρ(O_3)–max–8h、IAQI(ρ(O_3))呈现明显的正相关关系,相关系数分别为0.452、0.594、0.572,通过0.01显著性检验。(4)随着大气中ρ(PM)逐年降低,太阳总辐射量增加,又引起了O_3污染日趋严重的问题,2017-2018年福州市O_3污染明显加重,这与太阳辐射增强、气温异常偏高,日照时数明显偏多关系密切。(5)利用AQI(空气质量指数)评价空气质量后,太阳总辐射对空气质量从单一的影响ρ(PM)高低到主要影响ρ(PM)和ρ(O_3)高低转变。研究结果揭示了《环境空气质量标准》(GB3095-2012)执行后,太阳总辐射与空气质量的相关关系取决于当天的首要污染物,进而决定并影响空气质量的好坏。     

郴州市大气细颗粒物中水溶性离子的污染特征及来源分析

为全面了解南方典型工业城市郴州市的大气细颗粒物(PM_(2.5))中水溶性离子污染特征及其来源,本研究利用离子色谱对从2016年4月到2017年1月间郴州市6个采样点的PM_(2.5)样品中的9种水溶性离子(SO_4~(2-)、NH_4~+、NO_3~-、Ca~(2+)、Cl~-、Na~+、K~+、F~-、Mg~(2+))进行分析.研究表明:郴州市的PM_(2.5)浓度范围为23. 3—66.5μg·m~(-3),呈现秋冬高,春夏低的特点.研究区域的水溶性离子质量浓度的变化趋势与PM_(2.5)变化趋势相类似; NO_3~-、SO_4~(2-)、NH_4~+和K~+与PM_(2.5)相关性较好,其中SNA(SO_4~(2-)、NH_4~+、NO_3~-)占PM_(2.5)的比重最高,为18.9%—40.2%.SNA三角图解表明NH_4~+的主要存在形式为(NH_4)_2SO_4,AE/CE均小于1,因此研究区域的PM_(2.5)呈碱性.通过主成分分析可知研究区域的水溶性离子污染来源主要为燃煤、交通、生物质燃烧等燃烧综合源,[NO_3~-]/[SO_4~(2-)]证明该区域的大气污染属于煤烟型污染.     

基于ENVI-met的城市居住区空间形态与PM_(2.5)浓度关联性研究

探讨城市居住区空间形态与PM_(2.5)浓度关联性,对改善城市居住区空气质量具有重要意义。将居住区空间形态指标归纳为住宅群体组合形式、风向角度、容积率、绿地率等要素,采用ENVI-met软件模拟不同居住区空间形态指标下的PM_(2.5)浓度,探讨城市居住区空间形态与PM_(2.5)浓度关联性。结果表明,不同住宅群体平面组合形式的居住区PM_(2.5)浓度分布呈现出较大的差异,周边式和混合式较其他形式居住区内部PM_(2.5)难以扩散,行列式与点群式的居住区内部没有出现PM_(2.5)聚集的现象,但是点群式居住区外西南角较行列式PM_(2.5)积聚的面积大,其平均浓度分别为:171.78、170.021、169.255、172.365μg·m~(-3),综合分析,合肥市居住区住宅群体平面组合形式的最佳方式为行列式,其次为点群式,混合式和周边式不利于居住区PM_(2.5)扩散;不同风向角度的居住区PM_(2.5)浓度分布呈现较为复杂的变化状况,当风向角度为15°-30°时,PM_(2.5)浓度随着风向角度的增大而增大,十分显著,平均浓度从136.796μg·m~(-3)增至140.796μg·m~(-3),但是增至45度时,PM_(2.5)浓度有所减小,平均浓度为135.605μg·m~(-3),当风向角度为60°-90°时,PM_(2.5)浓度随着风向角度的增大而增大,变化较小,其平均浓度依次为132.025、133.87、141.334μg·m~(-3),综合分析,风向角度最优方案为60°,而45°、75°为可选方案,15°、30°、90°为不可选方案;PM_(2.5)浓度较低的为容积率0.8、其次为1.2,容积率为1.6和2的居住区PM_(2.5)浓度较高,容积率由小到大其平均浓度分别为131.678、139.402、159.906、154.638μg·m~(-3),可以基本认为居住区整体空间内的PM_(2.5)浓度随着居住区容积率的增大而逐渐增大;增加绿地率可缓解PM_(2.5)污染,当绿地率大小超过35%,PM_(2.5)浓度随着绿地率的增大而减小的趋势逐渐减缓,综合分析,绿地率应该在35%以上,才能有效降低居住区的PM_(2.5)浓度。     

北京地区PM_(2.5)浓度影响因素及估算模型

为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量相关性分析的结果表明,PM_(2.5)浓度与PM_(10)、SO_2、NO_2、O_3以及CO等大气污染物浓度与温度、湿度、压强和风速风向等气象条件间呈现强的相关性.建立了PM_(2.5)与单因素拟合模型,其中PM_(10)、NO_2和CO与PM_(2.5)浓度拟合模型的R~2均大于0.6.识别了对PM_(2.5)浓度有显著影响的二阶、三阶交互作用的因素交叉项.综合考虑单个影响因素与影响因素间交互作用的对PM_(2.5)浓度的影响,采用因子分析方法并对提取的主成分进行回归分析,建立了拟合度R~2为0.887的PM_(2.5)浓度估算模型.     

合肥市主城区PM_(2.5)时空分布特征研究

城市PM_(2.5)时空分布特征研究对改善空气质量具有重要意义。利用2016年1月1日—2016年12月31日合肥市主城区10个国控空气质量监测站PM_(2.5)浓度、土地开发强度、道路交通等数据,基于Arcgis空间分析平台,探讨合肥市主城区PM_(2.5)时空分布特征及其与土地开发强度、道路交通的关系,可为地方政府改善空气质量提供科学依据。结果表明:(1)合肥市主城区PM_(2.5)浓度季节差异显著,由高到低依次为冬季、春季、秋季和夏季,秋、冬季PM_(2.5)浓度波动较大,而春、夏季PM_(2.5)浓度比较稳定;(2)污染天数呈现春冬多、夏秋少的规律,1月、2月、3月、11月和12月的污染天数比例均超过50%,重度以上污染天气主要出现在春冬季节,严重污染天气暂未出现;(3)1月PM_(2.5)浓度空间分布呈现"双峰多谷"的规律,庐阳区和滨湖新区是PM_(2.5)浓度高峰区,属于轻度污染;7月PM_(2.5)浓度空间分布呈现"双峰双谷"的规律,庐阳区和包河区是PM_(2.5)浓度高峰区,属于良好;(4)合肥市主城区PM_(2.5)浓度与绿地率、主干路长度和容积率有较强关联性;绿地率与PM_(2.5)浓度呈显著负相关,容积率与PM_(2.5)浓度有一定正相关关系,土地利用性质和其他因素综合影响PM_(2.5)浓度;交通流量大的主干路与PM_(2.5)浓度存在正向关系。中心城区通过增加公共绿地空间、合理控制容积率,加强公共交通和电动汽车的使用,可达到改善空气质量的目的。     

城市高层建筑大气颗粒物污染和噪声垂直分布特征

以空气颗粒物和噪声为研究对象,利用颗粒物监测仪和噪声仪,研究了颗粒物和噪声在不同天气状况下以及垂直方向上的变化规律,结果表明,(1)在0～56m之间,TSP、PM_(10)随高度增加而减小,56～116m之间随高度增加而增大.低空中的PM_(2.5)、PM_1相差不大,而100 m以上高空中的PM_(2.5)、PM_1污染程度明显大于地面.(2)天气条件影响颗粒物污染程度.晴天和大风天颗粒物的污染相对较轻,阴天时污染最重.(3)L_(eq(A))随高度增加而增大,最高点(116 m)处的噪声比地面高约4 dB.晴朗和阴天条件下,噪声差别不大;在大风天气条件下,高层建筑顶层的噪声污染较重.     

北京城市森林PM_(2.5)质量浓度特征及影响因素分析

以北京西山森林公园为林内观测点,北京海淀植物园为林外对照点,研究城市森林PM_(2.5)质量浓度变化特征,并对其影响因素进行分析。结果表明,林内外PM_(2.5)质量浓度日变化呈"双峰双谷"型,8:00和21:00左右是一天中的两个峰值,15:00和4:00左右是一天中的两个谷值,PM_(2.5)质量浓度林内(104.02μg·m~(-3))林外(82.52μg·m~(-3))。一年中PM_(2.5)质量浓度在冬季最高,春季次之,夏季最低,PM_(2.5)质量浓度年变化林内为冬季(115.46μg·m~(-3))春季(112.39μg·m~(-3))秋季(106.37μg·m~(-3))夏季(81.87μg·m~(-3)),林外为冬季(97.35μg·m~(-3))春季(94.07μg·m-3)秋季(93.17μg·m~(-3))夏季(61.86μg·m~(-3))。气温、降雨均与PM_(2.5)浓度呈负相关。晴天时,温度高、空气对流旺盛,PM_(2.5)浓度较低;降水对PM_(2.5)有很好的消减作用;风有驱散PM_(2.5)的作用。在高温高湿天气下,PM_(2.5)浓度高于其他天气情况。该研究可以丰富森林净化大气的理论,为环保部门相关政策的制定提供依据。     

武夷山市臭氧分布特征及其与气象要素关系分析

武夷山是著名的旅游胜地,同时地理环境复杂,气候资源丰富,也是东亚季风影响敏感区。为科学认识清洁区域的臭氧分布特征及污染的天气学成因,也为进一步开展臭氧污染预警预报和科学治理提供技术支撑,利用2015—2019年武夷山市逐小时污染物浓度监测数据和地面常规气象观测资料,采用统计分析和SPSS相关性分析等方法,对近年来武夷山市臭氧分布特征及其与气象要素的关系进行研究。结果表明,2015—2019年武夷山市臭氧的年评价值(MDA8-90)由110μg·m~(-3)增长至133μg·m~(-3),ρ(O_3–8 h)超过《环境空气质量标准》(GB 3095—2012)二级标准限值的天数从0 d上升到9 d,O_3作为首要污染物占比从48.5%上升为85.1%;同时,首要污染物为PM_(2.5)的天数呈逐年递减趋势,PM_(2.5)的首要污染物天数从2015年的36 d下降到2019年的8 d。春末(4—5月)和初秋(9—10月)是臭氧污染最为严重的季节,80.0%的臭氧超标日集中在这4个月。武夷山市ρ(O_3)小时均值分布均呈现单峰型分布,最高值出现在14:00,而后开始下降,最低值出现在07:00。ρ_((O_3–8 h))与日最高气温、平均风速、太阳日总辐射和日照时数呈显著正相关,相关系数分别为0.370**,0.402**,0.564**,0.565**;与相对湿度呈显著负相关(相关系数为-0.646**),并呈现先升后降的趋势。一些气象要素如高温度和低相对湿度等有助于该区域臭氧浓度的升高,当环境温度25℃、相对湿度70%时,都有利于对流层空气中臭氧的生成,更容易造成O_3浓度超标。此外当风速≤2.0 m·s-1时,随着风速的增加,ρ_((O_3–8 h))增大,而当风速2.0 m·s-1时,ρ_((O_3–8 h))随风速的增加呈显著下降趋势。     

山西省大气PM_(2.5)污染时空分布特征

本文基于国家空气质量自动监测位点2015年3月到2016年2月全年的逐时监测数据,对山西省11个地级市PM_(2.5)的污染状况与时空分布进行了详细研究.结果表明,山西省11个地级城市PM_(2.5)年均浓度均超过了国家年均浓度的二级标准限值,其中,长治和运城污染最为严重,超标率均高达27.51%.PM_(2.5)月均浓度变化特征分析发现,各地区PM_(2.5)污染高峰主要出现在冬季,9个城市在夏季出现另一小高峰,太原在春季出现另一小高峰.PM_(2.5)/PM_(10)月均浓度变化特征分析发现,太原、大同、晋城、朔州、晋中和忻州等6个城市PM_(2.5)/PM_(10)的值从春季到冬季逐渐增长,临汾和运城该比值波动于50%—70%之间,阳泉和吕梁PM_(2.5)/PM_(10)的值在7月和11月出现两次高峰,长治则在7月和1月出现两次高峰,提示不同地区可能受到不同污染源的影响.PM_(2.5)日变化规律总体较为一致,呈明显的双峰分布,其特征是中午和午夜高,凌晨和下午低.不同季节PM_(2.5)的空间分布虽有很大差异,但总体上南部城市高于北部城市.局部自相关分析发现,山西省PM_(2.5)污染的热点区域主要集中在运城.     

长株潭城市群PM_(2.5)污染的春节假日效应

利用长株潭城市群24个监测点PM_(2.5)小时监测数据,研究2013—2015年春节期间(7 d)和春节前后(14 d)PM_(2.5)污染差异及变化,并分析旅游休假活动对空气质量的影响。在去除气象条件(日降水量大于4 mm)影响后,从PM_(2.5)污染程度差异、PM_(2.5)浓度日变化差异和假日效应的空间差异3个方面分析了PM_(2.5)污染的春节假日效应。结果表明,整体上长株潭地区春节期间PM_(2.5)浓度比春节前后高12μg·m-3,但春节后(7 d)PM_(2.5)浓度比春节期间低41.5%,"节后效应"明显。由于受烟花燃放等假日活动影响,春节期间PM_(2.5)浓度在00:00—02:00时段显著上升,02:00时PM_(2.5)浓度比非春节期间高47.6%。在假日效应的空间差异方面,长沙作为游客流入地,春节期间PM_(2.5)浓度比非春节期间高33.5%,体现了人流出行和旅游活动对空气质量的显著影响。     

广州大气PM_(2.5)中含碳组分的污染特征及来源解析

于2015年1月至11月在广州利用大流量大气颗粒物采样器采集细颗粒物(PM_(2.5))样品,并利用热光反射法(TOR)测定大气颗粒物中有机碳(OC)和元素碳(EC)浓度。结果表明,广州ρ(PM_(2.5))年均值为(69.5±35.6)μg·m~(-3),是GB 3095—2012《环境空气质量标准》中PM_(2.5)年均质量浓度二级标准限值(35μg·m~(-3))的2.0倍,表明广州大气细颗粒物污染严重。OC、EC和总碳气溶胶(TCA)的年均质量浓度分别为(8.31±4.53)、(3.56±2.72)和(16.85±9.60)μg·m~(-3),分别占PM_(2.5)质量浓度的13.2%、5.9%和27.0%,表明含碳组分是PM_(2.5)的重要组成部分。OC和EC浓度季节变化规律存在差异性,OC浓度在冬季最高,而EC浓度在秋季最高。OC和EC的相关性弱和比值高的特征结果表明冬季二次有机碳(SOC)污染最严重,其平均质量浓度为6.9μg·m~(-3),占OC质量浓度的62.4%。主成分分析结果表明,冬季和春季广州PM_(2.5)中碳组分来源较复杂,主要包括机动车尾气、燃煤和生物质燃烧,夏季碳组分的主导污染来源是燃煤和机动车尾气,而秋季碳组分主要来源于机动车尾气。