降雨过程后北京城区PM2.5日时空变化研究

随着人类环境意识的增强,人们对城市雾霾天气的忧虑与日俱增,PM2.5的时空变化和对人体健康的影响已成为关注的焦点。以往的研究多集中在不同季节或年际的变化,本文通过统计环保局发布的位于北京城区13个逐时浓度监测点降雨前后PM2.5质量浓度,并在城区布设14个采样点昼夜连续监测一次降雨后72 h内PM2.5质量浓度变化情况,研究北京市城区降雨后PM2.5日变化规律及空间分布特征,由此分析降雨对PM2.5日变化规律的影响。同时对比PM2.5与同步气象数据（温度、相对湿度）和交通数据（车辆量、车速）最值频率分布情况,进而对PM2.5日变化特征进行成因分析。随后利用GIS空间分析方法,分析了PM2.5的日空间分布特征。结果表明,降雨对颗粒物的去除作用明显,一次降雨可使PM2.5质量浓度平均下降56.3%。雨后72 h内PM2.5质量浓度均小于60μg·m-3,降雨后1 h内PM2.5质量浓度处于稳定状态,在随后的12 h内PM2.5浓度值都处于下降状态。降雨过程只降低PM2.5的质量浓度值,并不影响其日变化规律。PM2.5的日变化规律以19时为界,表现出明显的昼夜差异。白天的变化规律呈现凹型,夜间的变化规律呈现拱型。PM2.5质量浓度峰值多出现在23时或0时,谷值多出现在下午15时,该特征受气象因素影响较大,受交通源的影响作用不明显。早高峰期间,PM2.5质量浓度变化主要受交通源的影响;晚高峰期间,交通源和气象因素共同影响PM2.5质量浓度。研究区PM2.5日空间分布特征同样存在明显的昼夜差异。白天PM2.5空间分布特征为南部高北部低;PM2.5在夜间的空间分布特征则多表现为四周高、中心低,三环外围区域多为高值区。     

降雨过程后北京城区PM_(2.5)日时空变化研究

随着人类环境意识的增强,人们对城市雾霾天气的忧虑与日俱增,PM2.5的时空变化和对人体健康的影响已成为关注的焦点。以往的研究多集中在不同季节或年际的变化,本文通过统计环保局发布的位于北京城区13个逐时浓度监测点降雨前后PM2.5质量浓度,并在城区布设14个采样点昼夜连续监测一次降雨后72 h内PM2.5质量浓度变化情况,研究北京市城区降雨后PM2.5日变化规律及空间分布特征,由此分析降雨对PM2.5日变化规律的影响。同时对比PM2.5与同步气象数据(温度、相对湿度)和交通数据(车辆量、车速)最值频率分布情况,进而对PM2.5日变化特征进行成因分析。随后利用GIS空间分析方法,分析了PM2.5的日空间分布特征。结果表明,降雨对颗粒物的去除作用明显,一次降雨可使PM2.5质量浓度平均下降56.3%。雨后72 h内PM2.5质量浓度均小于60μg·m-3,降雨后1 h内PM2.5质量浓度处于稳定状态,在随后的12 h内PM2.5浓度值都处于下降状态。降雨过程只降低PM2.5的质量浓度值,并不影响其日变化规律。PM2.5的日变化规律以19时为界,表现出明显的昼夜差异。白天的变化规律呈现凹型,夜间的变化规律呈现拱型。PM2.5质量浓度峰值多出现在23时或0时,谷值多出现在下午15时,该特征受气象因素影响较大,受交通源的影响作用不明显。早高峰期间,PM2.5质量浓度变化主要受交通源的影响;晚高峰期间,交通源和气象因素共同影响PM2.5质量浓度。研究区PM2.5日空间分布特征同样存在明显的昼夜差异。白天PM2.5空间分布特征为南部高北部低;PM2.5在夜间的空间分布特征则多表现为四周高、中心低,三环外围区域多为高值区。     

我国城市冬季PM2.5空间特征及其人为影响因子

以我国114个城市冬季(2013年12月-2014年2月)公布的PM25数据为基础,结合其他相关数据,运用空间自相关分析、克里格插值法和逐步回归分析法,研究我国冬季PM2.5浓度空间分布差异及其影响因素.结果显示,研究期间PM2.5在空间分布上具有高值集聚、低值集聚和高值邻域的低值集聚的变化特征,全局自相关系数Moran's I为0.27.PM2.5浓度分布由北到南、从内陆到沿海具有先升高后逐渐降低的变化趋势,高浓度区域主要集中在华北平原、长江中下游平原和陕西关中平原等地区,这些区域的冬季PM2.5平均质量浓度都达到150 μg·m-3以上,最高达250 μg·m-3.多因子逐步回归分析结果表明,人为活动对我国高浓度PM25(＞150μg·m-3)分布影响显著,对低浓度PM2.5(≤75μg·m-3)分布影响不显著.市辖区人口密度和第二产业GDP是显著影响我国高浓度PM2.5分布的主要人为影响因子.市辖区建成区面积、全市年末总人口和市辖区道路面积等是影响我国城市间PM2.5浓度分布差异的主要人为影响因子.     

北京市秋季大气颗粒物的污染特征研究

大气颗粒物是造成城市空气污染的重要原因之一,并已经成为我国北京等大中城市空气污染中的首要污染。为了分析北京市大气细颗粒物的污染水平及其影响因素,以大气中的PM10和PM2.5为研究对象,于2005年秋季在北京市设立了9个采样点进行采样监测,通过对所采集到的PM10和PM2.5质量浓度的对比来分析大气颗粒物的空间分布和时间变化特征,并建立起PM10和PM2.5质量浓度与风力、温度、湿度等气象条件的对应关系来分析各种气象因素对大气细颗粒物污染水平的影响。结果表明:北京市不同区域的PM10和PM2.5的质量浓度差异较大,同时,值得注意的是通过对同一地点同一采样时间大气颗粒物质量浓度的对比发现PM2.5质量浓度的空间分布并不完全同于PM10,这主要是与采样点所处的环境中不同污染源影响的强弱有关;气象条件稳定时,PM10和PM2.5质量浓度的日变化表现出一定的规律性,这种时间变化的特征主要取决于所在环境中排放的污染物变化情况;气象条件是影响PM10和PM2.5污染程度的重要因素,在一定的范围内,颗粒物质量浓度随着温度的上升而下降,随着相对湿度的升高而增大,随着风力的增强而减小。     

基于地理探测器的土壤重金属影响因子分析及其污染风险评价

地理探测器能快速定量化揭示驱动重金属含量影响因素的强度,这对于重金属空间预测模型构建变量的确定和土壤污染修复措施的精准实施具有重要意义。利用地理探测器模型,对5种土壤重金属元素Cu、Zn、Pb、Cr、Ni的空间分布和11种环境因子的交互作用进行定量评估,通过单因子指数法进行重庆市土壤重金属污染风险评价。结果表明:研究区内土壤Cu、Zn、Cr和Pb的平均含量是重庆市土壤背景值的1.3—1.4倍,Ni含量低于背景值;其中Cu、Pb达到重度污染水平,其余3种重金属为中度或轻度污染水平。5种重金属元素中Cu和Pb为高度变异(变异系数为0.57、0.4),Zn、Cr和Ni为中等变异(变异系数为0.22—0.29),且各重金属元素之间呈显著正相关性,表明研究区重金属富集受人为干扰影响较大,且污染具有复合性或同源性。地理探测器的因子探测发现高程、坡度和土壤类型对5种土壤重金属含量的解释力最显著,说明地势和土壤类型是土壤重金属含量分布差异的最主要影响因素。交互作用探测发现,高程与其他因子交互作用是重金属空间分异的主导因素,气候条件和土壤类型也是重要影响因子。土壤重金属空间分布是多种因素共同作用的结果,而高程、坡度和土壤类型具有较强的解释力,这些因子可作为土壤重金属含量空间预测模型的辅助变量,也可促进重金属污染治理措施的靶向实施。     

中部城市秋冬季PM2.5水溶性离子的化学特征及来源

PM2.5是影响空气质量、引发灰霾污染发生的关键污染物.本研究以南昌为主要采样对象,分析了南昌市2017-1018年秋、冬季PM2.5和水溶性无机离子(WSIIs)的化学组成及其来源,并同时期采样和对比分析了中部城市(武汉和长沙)秋冬季(10月和1月)PM2.5及WSIIs化学特征及其来源.结果 表明,南昌市采样期间W...     

北京市大气颗粒物中PM10和PM2.5质量浓度及其化学组分的特征分析

近年来,PM10和PM2.5由于其对人类健康的负面影响,愈来愈受到人们的关注.细粒子PM2.5更容易富集有毒金属元素,并可进入人体肺部,对人体的危害性更大.本文对北京市PM10和PM2.5的质量浓度及其元素含量进行了分析.     

不同出行方式PM_(2.5)个体暴露及其影响因素

于2014年4月在南充市城区选择一条固定线路,使用数字直读式颗粒物测定仪连续14 d对自行车、公交车、私家车、摩托车、出租车和步行等6种出行方式PM2.5个体暴露浓度进行监测;获取采样期间的气象数据和大气环境PM2.5浓度数据,以了解不同出行方式PM2.5个体暴露水平及其影响因素.结果表明,不同出行方式中PM2.5个体暴露浓度最高和最低的分别为私家车(51.2±29.2)μg·m-3和出租车(40.2±29.8)μg·m-3;在出行高峰期和工作日,PM2.5个体暴露浓度分别高于非出行高峰期和周末.计入个体暴露时间和呼吸率,最高和最低PM2.5个体暴露量分别为步行(20.9±17.9)μg和出租车(2.8±2.1)μg.应用相关性分析和线性回归分析得出,降雨和风速有利于PM2.5个体暴露浓度降低;大气环境PM2.5浓度对个体暴露量有正相关影响.     

杭州地区大气细颗粒物浓度变化特征分析

利用2012年杭州地区(杭州、桐庐、建德、淳安)大气颗粒物监测仪TEOM1405D的连续观测资料,对该地区PM2.5质量浓度的变化特征及其与气象条件的关系进行了分析研究.结果表明,2012年杭州、桐庐、建德、淳安PM2.5年平均浓度分别为50.0±25.7、46.5±22.0、42.1±21.8、36.9±21.2μg·m-3,空间上呈现至北向南逐渐下降的变化趋势.受边界层高度、降水等气象条件影响,4个站点PM2.5浓度的季节变化基本表现为秋季冬季春季夏季,其中秋、冬季PM2.5超标日数高达80%左右.杭州地区PM2.5日变化呈现明显的双峰型特征,其峰值出现时间与人们的早晚出行高峰有较好的对应关系.对比不同站点PM2.5浓度变化可以看出人口密集城市区域气溶胶浓度要显著高于乡村地区.通过拟合小时平均值最大出现频率得出杭州地区最具代表性大气状态下PM2.5的浓度值为21.2μg·m-3.风向风速与PM2.5浓度的关系表明杭州主要以本地污染为主,桐庐受本地污染和区域输送双重影响,建德主要表现为区域输送.     

基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份（共31 d）市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO 与 PM2.5质量浓度显著性相关,O3与 PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO 之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

2011年冬季天津PM2.5及其二次组分的污染特征分析

2011年11月—12月于天津城区和武清采集PM2.5样品,分析其中的二次水溶性无机离子(NH4+、NO3-和SO24-)、有机碳(OC)和元素碳(EC),估算二次成分浓度,并分析采样期间气象因素对一次持续重污染过程的影响.结果表明,天津地区冬季PM2.5污染严重、城区和武清PM2.5质量浓度平均值分别为166.9μg.m-3和180.0μg.m-3;城区样品中SO24-、NO3-和OC在PM2.5的比例依次为19.4%、16.7%和15.4%,武清样品中则为19.2%、15.5%和20.4%;二次组分占PM2.5质量浓度的47%(城区)和46%(武清),雾霾日二次组分含量明显高于非雾霾日;高湿和静小风等不利气象条件是造成PM2.5质量浓度持续增加以及二次组分浓度迅速升高的重要原因.     

湖北省主要观测站PM_(2.5)污染特征及气象要素的影响分析

有关湖北省PM2.5污染的时空分布、影响因素及成因的研究较少,分析PM2.5污染特征及气象因素的影响,对科学治理湖北省PM2.5污染具有重要意义。利用2017年和2018年1—3月湖北省7个大气成分观测站逐小时PM2.5质量浓度及平均气温、降水量、相对湿度、10 min平均风速和风向等地面气象观测资料,运用多元逐步线性回归法,探讨PM2.5的变化特征及其与气象因素的关系。结果表明,(1)湖北大气成分监测站PM2.5具有明显的时间变化规律,从日变化上看,除金沙站全天变化平缓外,其他6站PM2.5日变化呈双峰双谷型分布,双峰出现在10:00—11:00和20:00—22:00,双谷出现在06:00—08:00和15:00—17:00。各站PM2.5日均质量浓度变化范围为2.7～269.1μg?m-3,其变化幅度最大值通常出现在1月份。从月份上看,1—3月PM2.5月均质量浓度呈下降趋势;各站PM2.5平均质量浓度介于42.3～90.9μg?m-3,金沙最低而荆州最高;PM2.5质量浓度日均值平均超标率42.3%,其中3月平均超标率22.2%,明显低于1月56.7%和2月50.7%。(2)平均气温、降水量、风速和相对湿度4个近地面气象因素对黄石、金沙和武汉PM2.5质量浓度的影响大而对荆州影响最小,其中平均气温和风速为主要影响因素;具体而言,荆门、宜昌和武汉颗粒物质量浓度主要受气温引起的垂直输送及风速引起的水平扩散影响,襄阳、金沙和黄石则主要受大气中水分变化导致的粒子生成及沉降清除作用影响。(3)各站PM2.5质量浓度水平和变化特征差异在于监测点地理位置和周边环境、城市经济水平和气候气象条件的不同。     

基于PLS1的哈尔滨市PM_(2.5)与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份(共31 d)市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO与PM2.5质量浓度显著性相关,O3与PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

长白山PM2.5中水溶性无机离子观测研究

2005年12月-2006年11月在长白山北坡海拔763 m处,利用大流量滤膜采样器对大气中的PM2.5进行采样,并用离子色谱(IC)分析了PM2.5中水溶性无机离子的成分含量.结果表明,PM2.5中总水溶性无机离子年平均浓度为(7.4±5.7)μg·m-3.其中,主要的3种离子SO2-4、NH+4和NO-3占PM2....     

2013─2014年武汉市PM_(2.5)的时空分布特征及其与气象条件的关系

霾天气的频繁发生降低了武汉空气质量,明晰致霾污染物PM2.5的污染机理、污染时空分布特征、影响因素是科学认识和解决霾污染天气的重要前提。在全国大范围内开展PM2.5源解析的背景下,探讨其时空分布特征,厘清与气象因子的相互关系,是对源解析工作的响应,也是污染防治决策的科学依据。本文以2013─2014年武汉市10个国控点的PM2.5监测数据和中国地面气象交换站气象数据为基础,运用统计学方法,基于不同时间尺度和空间分布类型研究PM2.5污染分布特征,并探讨其与气象条件的相互关系。结果表明:(1)武汉市PM2.5污染表现出显著的时间分布规律。就年变化而言,PM2.5污染程度2014年(年均值121μg·m-3)2013年(107μg·m-3),且PM2.5污染主要为良好和轻度污染,季节尺度上冬季秋季春季夏季,月均值规律体现为4─9月优于10─翌年3月,以周为单位表现出显著的正周末效应,即周日周六周一周五周四周三周二;(2)武汉市ρ(PM2.5)的空间差异与区域类型、城市布局有关,工业区、居民区、交通区较风景区污染严重,二环和三环较一环严重;(3)ρ(PM2.5)月均值分布与降雨量、气温、平均风速、相对湿度呈负相关关系(P0.05),与气压呈正相关关系(P0.01),监测点S2、S3、S9与平均相对湿度相关性更显著。PM2.5污染的减轻与气象条件有一定关系,也离不开城市环境空气治理。     

国庆前后北京城区PM2.5组分污染及来源特征分析

为探究北京城区国庆前后及国庆期间PM2.5主要组分的污染及来源特征情况,采集2019年9月27日-10月14日北京市大气PM2.5样本,并测定其中碳质气溶胶(OC、EC)及8种水溶性离子(Na+、NH4+、K+、Mg2+、Ca2+、Cl-、NO3-、SO42-)的质量浓度,并分析PM2.5中各化学组分的浓度变化特征、来源特性及气象要素的影响,并对北京市细颗粒物进行源解析和区域传输分析.结果 表明,整个观测期间PM2.5基本呈现"M"型的变化趋势,国庆期间呈现"V"型的变化趋势.国庆期间总碳质气溶胶、水溶性无机离子质量浓度为(14.45±5.87)μg·m-3和(14.97±9.75)μg·m-3,占PM2.5质量浓度的59.7％,各组分质量浓度在国庆期间均有所下降,其中NO3-质量浓度下降最为明显,下降率达53.4％.来源分析结果表明,机动车尾气、燃煤和扬尘是大气PM2.5化学组分的主要来源,其中道路扬尘和建筑扬尘是Ca2+、Mg2+和Na+的主要来源,机动车车尾气排放是碳质气溶胶及二次无机离子的最主要来源.车流量的改变和气象因素与国庆前后PM2.5及其组分变化密切相关,PM2.5及各组分质量浓度在车流量高峰的9月30日和10月6、7日达到峰值,而1-5号移动源贡献减弱和气象要素(降水)导致了最低值的出现.较低的风速及来自于东北、西南方向的污染物输送是观测期间PM2.5较高的重要原因.     

郑州市道路网络结构特征对大气颗粒物污染的影响及尺度效应

交通排放是大气颗粒物(PM)污染主要来源之一,从道路网络空间结构探究大气颗粒物污染缓解途径,对治理城市空气污染具有重要意义。该研究数据来源于郑州市GF-2遥感影像及建成区8个空气质量监测点(AQMS)的日监测数据。以AQMS为中心建立1 km×1 km(Scale1)-6 km×6 km(Scale6)空间尺度的样方,运用主成分分析法和线性混合效应模型,探讨不同空间尺度下影响PM10、PM2.5质量浓度的关键性路网结构特征,为郑州市路网结构规划和空气污染治理提供科学依据。结果表明,(1)郑州市建成区各监测点的颗粒物质量浓度及变异性都有冬高夏低的特征。(2)郑州市路网结构对PM10质量浓度的影响程度高于PM2.5。(3)主干道面积占比与PM10在Scale1、Scale3-Scale5尺度正相关,与PM2.5仅在Scale5正相关;总道路及次干道面积占比与PM10在Scale2-Scale6均正相关,但与PM2.5仅在Scale5、Scale6尺度正相关。在Scale5的空间尺度下控制总道路及次干道面积占比、减少主干道面积占比,可以有效缓解PM10、PM2.5的污染。(4)路网连通复杂度在Scale2与PM10负相关,在Scale2尺度提升路网环通复杂度可以促进PM10污染的有效缓解。(5)节点与廊道数量水平在Scale1、Scale2与PM10负相关,在Scale1、Scale5与PM2.5负相关。通过在Scale1尺度提升节点与廊道数量水平可以同时有效缓解PM10、PM2.5污染。     

春运期间北京市PM_(2.5)污染特征

为研究春运期间北京市PM2.5和气态污染物的污染特征,根据35个空气监测子站周边环境类型的不同将北京市划分为城区、郊区、对照区和交通密集区.结合春运期间的人为活动,比较分析各类污染物在各区域的日均浓度变化特征;将PM2.5日均浓度与SO2、NO2、CO、O3日均浓度及北京市的日均温度、相对湿度、风级进行相关性分析.结果显示,春运期间北京市PM2.5污染最严重,超过《环境空气质量标准》二级标准的天数占45%;PM2.5日均浓度变化趋势与春运客流量变化具有较好的一致性;各区域PM2.5、SO2、NO2和CO的日均浓度均符合交通密集区城区郊区对照区的分布,而O3的情况为对照区郊区城区交通密集区;各区域PM2.5浓度分别与该区域SO2、NO2、CO浓度呈正相关,与O3浓度呈负相关;各区域PM2.5浓度与温度未见相关性,与相对湿度呈正相关,与风级呈负相关.本文的研究结果表明,交通运输、烟花燃放和气象因子对春运期间PM2.5的污染特征影响较大.     

天津大气PM_(2.5)垂直特征及边界层影响

利用2006年12月17日至2007年1月1日天津250 m气象铁塔40 m、120 m、220 m高度PM2.5浓度监测资料及铁塔边界层气象资料,分析了不同天气背景下PM2.5随时间、高度变化的分布特征,研究了铁塔边界层气象条件包括逆温、特征摩擦速度、湍流动量和热量对PM2.5的影响,发现垂直PM2.5细粒子的浓度高低与天气背景及边界层气象条件是密切相关。边界层垂直动力和热力变化影响着PM2.5浓度的变化,冷空气过境时刻,PM2.5浓度达到最高峰值。40 m高度出现一个临界摩擦速度0.4 m/s,高浓度PM2.5比较集中在摩擦速度小于0.4 m/s的区域内,大于0.4 m/s这个摩擦速度,边界层的垂直湍流动量及水平和垂直方向的热量输送通量就会明显的变化,因而促使PM2.5在空中的扩散或沉降。也就是说,当摩擦速度小于0.4 m/s时,有利于PM2.5在空中的累积,PM2.5浓度趋于增高的趋势;反之,有利于PM2.5扩散,PM2.5浓度趋于减小的趋势。     

ICP-AES法测定大气PM2.5中的有害元素

大气颗粒物中,粒径小于2.5μm的细粒子,被称为细颗粒物(俗称为PM2.5).细颗粒物被吸入人体后会直接深入到肺部的气体交换器官,干扰肺部的气体交换,引发包括哮喘、支气管炎和心血管病等方面的疾病.细颗粒物中铅、锰、镉、锑、锶、砷、镍、硫酸盐、多环芳烃等有害物质含量较高,而且这些有害物质在大气中的停留时间长、输送距离远,对人健康危害极大.2011年11月,《环境空气质量标准》将PM2.5纳入常规空气质量评价,PM2.5年平均浓度和24 h平均浓度限值分别定为0.035 mg.m-3和0.075 mg.m-3.对大气PM2.5中有害元素进行检测,可以有针对性地对可能对健康造成的危害进行防治,同时各元素含量的变化对于PM2.5的来源分析也是非常有意义的提示.本文参考GB/T 11739,使用ICP-AES法测定了大气细颗粒物样品中有害元素的含量.