太原市大气颗粒物PM_(10)和PM_(2.5)多时间尺度变化规律研究

选取太原市城区10个监测点2014—2016年PM_(10)和PM_(2.5)日变化数据,分析和探讨了其时空变化特征,及其与人类经济活动的同步性规律;采用小波连续变换的功率谱方法识别颗粒物周期变化特征,采用可视化主成分分析法识别不同时间尺度下颗粒物变化的影响因素。结果表明,太原市大气颗粒污染物PM_(10)和PM_(2.5)质量浓度的变化存在明显的时空差异,新兴经济发展区较传统老工业区污染严重,颗粒物污染程度在冬季较为严重。小波分析结果显示,PM_(10)和PM_(2.5)时间序列的变化周期均以4~8 d的短周期为主(P0.05),污染物的质量浓度变化与城市经济活动的周波动变化相一致;PM_(10)和PM_(2.5)质量浓度最大值出现在周波动的中间时段,最小值出现在周末。可视化PCA结果揭示,大气颗粒物PM_(10)和PM_(2.5)季节性波动均受冬季影响较强;周波动周期内均受周三影响最大;一天之内PM_(10)和PM_(2.5)质量浓度分别受夜晚和早晨影响最大,但白天颗粒物质量浓度变化是造成其日变化特征的主要因素。研究结果有利于从不同时间尺度辨析能源城市大气颗粒物污染的多变特征,有针对性地开展大气污染防控,也可为管理部门制定相关标准和规范提供科学依据。     

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。     

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.     

1951─2012年沈阳市气象条件变化及其与空气污染的关系分析

气象条件对城市空气质量有重要影响,对比各气象要素和空气质量的相关性、分析气象要素的长期变化趋势是研究城市大气环境的重要内容。为增进对东北重工业城市沈阳市大气环境变化的理解,分析了1951─2012年沈阳市气温、地表温度、风速、降水、气压等气象要素的变化特征和趋势,阐明了2008─2013年冬季沈阳市空气污染指数和气象要素的相关性。对沈阳市1951─2012年气温、0 cm地温、风速、降水、气压日平均资料分析结果表明：沈阳市1951─2012年的气温与地表温度呈上升趋势,而风速、降水、气压则呈下降趋势,各气象要素呈显著的季节变化特征,其中冬春季的气温与冬季的地表温度上升趋势最明显,冬春季的风速、夏秋季的降水量和春秋季的气压下降最为明显。20世纪90年代以来,沈阳市的气温、地表温度升高显著,风速、气压下降明显,年际变化幅度都有增大趋势。分析2008─2013年冬季沈阳市空气污染指数的逐日资料。沈阳市冬季的大气污染呈线性上升趋势,空气污染指数与风速、气压、降水呈负相关,而与气温、地表温度呈正相关,且与地表温度的相关性最高。沈阳市的地表温度变化与东亚范围200 hPa的风速、500 hPa高压、850 hPa的南风呈正相关,而与850 hPa的北风呈负相关。这表明,沈阳市气候暖化及风速降低是空气污染加重的重要原因。     

北方地区典型高速公路近路区域大气污染特征研究

摸清高速公路近路区域大气污染特征对有针对性地制定交通大气污染防治对策具有重要意义。基于2016年1月及8月京藏高速毕克齐互通交通环境监测站以及呼和浩特市国控站点空气质量监测逐时数据,分析了冬、夏季节高速公路近路区域环境空气污染物质量浓度变化规律。结果表明,路侧污染水平冬季重于夏季,NO_x是最主要的交通污染物,其冬季和夏季日均质量浓度分别为(374.10±165.24)μg·m~(-3)和(300.57±60.11)μg·m~(-3)。受光化学反应影响,冬季NO_x质量浓度与交通量呈显著负相关(r=-0.492);夏季凌晨时段(00:00-06:00)NO_x质量浓度与交通量呈显著正相关(r=0.584),CO质量浓度也与交通量呈正相关(r=0.424);颗粒物质量浓度与交通量相关性不显著。从污染物质量浓度日变化特征来看,在昼间车流高峰时段PM10、PM_(2.5)、CO质量浓度均出现"峰值",而NO_x质量浓度则出现"谷值"。与气象因素的相关性分析可知,PM_(10)质量浓度与风速呈显著正相关(冬季r=0.890,夏季r=0.612);PM_(2.5)质量浓度与风速呈显著相关,受主导风向影响冬季呈负相关(r=-0.473)、夏季呈正相关(r=0.587),PM_(2.5)质量浓度还与温度呈显著正相关(冬季r=0.495,夏季r=0.565);NO_x质量浓度与相对湿度呈显著正相关(冬季r=0.707;夏季r=0.577),与温度呈显著负相关(冬季r=-0.763;夏季r=-0.528);冬季CO质量浓度与风速呈显著负相关(r=-0.629)。与城区国控站点相比,高速公路监测站PM_(2.5)、PM_(10)及CO质量浓度冬季显著低于城区,夏季与城区相近;近路区域NOx质量浓度在冬夏季均远高于城区,应列为高速公路交通环境监测站点首要监测污染物。     

上海市大气污染物时空分布及其相关性因子分析

利用2016—2020年上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3的质量浓度和温度、相对湿度、平均风速、水平能见度气象条件,分析了上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3污染物的时间变化趋势。同时,利用多元线性回归模型及BP神经网络建立污染物与气象因素之间的相关关系,对其质量浓度进行预测,分析对比不同模型的预测结果。研究表明:2016—2020年上海市大气污染物质量浓度随时间变化整体呈现下降趋势;污染物质量浓度季节性差异显著,PM_(2.5)及PM_(10)质量浓度呈现"冬高夏低",而O_3质量浓度呈现"冬低夏高";可吸入颗粒物质量浓度(PM_(2.5)、PM_(10))与SO_2、NO_2质量浓度,O_3质量浓度与NO_2的质量浓度之间存在显著相关性;多元线性回归分析表明相对湿度、平均风速及水平能见度3个气象因素对上海市PM_(2.5)、PM_(10)质量浓度产生显著影响;温度、相对湿度、平均风速及水平能见度4个气象因素对上海市O_3质量浓度产生显著影响;多元线性回归分析表明上海市PM_(10)质量浓度与温度之间显著性水平为0.303,意味着温度对上海市大气PM_(10)质量浓度并没有产生显著影响;PM_(10)质量浓度随相对湿度的增加、平均气压及水平能见度的增大而减小;O_3质量浓度则与温度和平均风速呈正相关,与相对湿度和水平能见度呈负相关。相比多元线性回归,BP神经网络在预测上海市气象污染物质量浓度表现出强大的泛化能力,PM_(2.5)、PM_(10)、NO_2与O_3的真实值与预测值相关系数(r~2)分别为98.6%,97.4%,97.6%和98.3%。     

城市绿地空气负离子和PM_(2.5)浓度分布特征及其与微气候关系——以合肥天鹅湖为例

选取夏热冬冷地区合肥市天鹅湖3种不同类型绿地作为研究对象,并以空旷广场为对照,于2015年夏冬季分别测试了空气离子浓度、PM_(2.5)浓度、温度、湿度、风速等指标,分析了3种不同类型绿地以及对照广场的空气负离子浓度和PM_(2.5)浓度的时空特征,并进行了空气质量评价。结果表明,(1)实测样地的空气负离子浓度日变化较明显,呈现出上午高、下午低的趋势。同一时刻中对照广场空气负离子浓度最低,均低于3种不同类型绿地,峰值期间差异尤其明显。(2)夏冬季实测样地的空气负离子浓度由大到小依次为:疏林地、密林地、草地、对照广场。(3)实测样地的PM_(2.5)浓度日变化较明显,呈双峰双谷型,即早中晚低、白天高。(4)夏季实测样地PM_(2.5)浓度差异较显著,冬季不显著,且冬季PM_(2.5)浓度均大于夏季。(5)夏冬季实测样地的空气负离子平均浓度差异不大,CI指数接近,等级为D,空气清洁度属于容许范围;而对照广场的空气负离子平均浓度显著低于3种不同类型绿地,CI指数最低,等级为E级,空气清洁度属于中污染。由此得出以下结论:(1)合理的绿地空间布局能够提高空气负离子浓度,降低颗粒物污染并改善空气质量;(2)空气负离子浓度与PM_(2.5)浓度呈显著负相关;与相对湿度呈显著负相关,与风速呈显著正相关,与温度关系不明确。在此基础上进一步提出展望,建议对PM_(2.5)浓度和空气负离子浓度展开实时监测并对结果进行对比分析,找出两者之间的相关关系。同时对不同季节、不同天气状况、不同下垫面结构的城市绿地进行进一步深入研究,探索有利于居民身心健康和休闲运动的城市绿地类型。     

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。     

PM_(2.5)诱导人支气管上皮细胞线粒体损伤

流行病学和实验研究表明,PM_(2.5)会对呼吸系统造成损害,但毒性机制还有待深入探讨.本研究采集太原市冬季PM_(2.5),考察其对人支气管上皮细胞(BEAS-2B细胞)的线粒体损伤效应.结果表明,PM_(2.5)会造成细胞线粒体结构变化和功能异常,主要表现为三磷酸腺苷(ATP)水平和线粒体膜电位(MMP)随着PM_(2.5)浓度升高而下降.此外,线粒体功能相关因子PGC-1α、NRF-1和TFAM的蛋白表达量也随着PM_(2.5)浓度的升高呈下降趋势,并在30μg·mL~(-1)时达到最小值.这些结果提示,PM_(2.5)可以导致BEAS-2B细胞发生线粒体结构和功能性变化,进而诱发呼吸系统损伤.     

基于统计动力反演模型分析PM_(2.5)浓度变化的影响因素及其系统演化

以杭州市2013—2016年秋冬季PM_(2.5)及影响因素为研究对象,构建统计动力学反演模型,研究PM_(2.5)浓度系统的影响因素与演化特征。结果显示,(1)模型反演预测值与实际监测值的相关系数0.8316,贡献率大于1%的各驱动项之和为90.85%,反演效果较好;模型中线性项贡献率之和为21.65%,非线性项贡献率之和为62.88%,PM_(2.5)浓度变化受非线性影响更加显著。(2)包含NO_2、SO_2、CO的各驱动项贡献率之和分别为10.77%、8.42%、6.58%;包含降雨(PRE)、风速(WIND)的各驱动项贡献率之和分别为20.5%、17.02%,NO_2、SO_2、PRE、WIND是杭州市PM_(2.5)浓度变化的最主要影响因素。(3)贡献率大于2%的各驱动项中,平均气压(PRS)、相对湿度(RHU)、日照时长(SSD)对PM_(2.5)呈负反馈线性稳定影响作用,PM_(2.5)×SO_2、NO_2×PRS、PRE×SSD、PM_(2.5)×WIND等交互项对PM_(2.5)浓度变化呈正反馈非线性影响,PM_(2.5)×O_3、SO_2×NO_2、PRE×WIND等交互项对PM_(2.5)浓度变化呈负反馈非线性稳定作用。(4)杭州市PM_(2.5)浓度变化系统是一元二次非线性驱动演变系统,通过数值模拟分析可知其PM_(2.5)浓度变化系统呈双定态式,PM_(2.5)浓度变化系统在定态值0.2413与0.3769之间波动变化,系统平衡态不稳定。结果表明,统计动力反演模型可定量解析出PM_(2.5)浓度变化的线性驱动项与非线性驱动项的系数值及贡献率,有助于揭示PM_(2.5)浓度变化系统的演化特征,研究结果可应用于大气污染控制与环境管理等方面。     

基于小波变换的北京市PM_(2.5)时空分布特征及成因分析

收集北京市2014年PM_(2.5)质量浓度数据,利用小波变换探讨北京市各类监测站点PM_(2.5)污染的时间序列特征、主周期、突变特性,并结合气象资料,采用小波相干谱探究气象因子对PM_(2.5)的影响。结果表明,2014年北京市各类监测点PM_(2.5)质量浓度变化呈现波动-平稳-波动的相似变化趋势,其中1—4月和10—12月波动明显,且主周期相同(172 d)。采暖期间,南部站点PM_(2.5)质量浓度最高,采暖结束后,交通站点超越南部站点,成为PM_(2.5)质量浓度最高的站点。北京PM_(2.5)突变事件秋冬季节频繁而春夏较少,主要对应于重污染天气的生消过程。5类监测站点的PM_(2.5)质量浓度基本呈现南高北低的分布规律。南部站点PM_(2.5)污染最为严重、突变事件频次最高,该区局地污染排放显著,又是区域传输的重要通道,污染相对复杂;而北部站点污染水平最低、突变频次也最少;市区范围内交通站点污染相对突出。此外,气象因子对PM_(2.5)质量浓度变化影响巨大:在小尺度(0~20 d)上,PM_(2.5)与相对湿度相关性最突出;在中等尺度(20~64 d)上,PM_(2.5)主要受平均风速和相对湿度制约,但季节变化明显;大尺度(64 d)上,PM_(2.5)与日照时数和相对湿度相关性显著。     

呼和浩特市城区大气污染物浓度变化特征分析

本文利用呼和浩特市8个国控监测点中CO、NO_2、SO_2、O_3、PM_(10)和PM_(2.5)逐时地面观测数据资料,采用聚类分析、相关性分析等方法,综合研究呼和浩特市城区大气污染物浓度时空变化特征.结果表明,2017年呼市PM_(10)、PM_(2.5)和O_3的污染较为严重,超标天数分别为49 d、52 d和41 d;CO和SO_2整体污染较轻.CO、NO_2、SO_2以及PM_(2.5)浓度表现出冬高夏低变化,O_3表现出夏高冬低变化,PM_(10)则表现为春冬高而夏秋低.O_3和NO_2均呈现单峰型日变化特征,且变化趋势相反;CO、SO_2和PM_(2.5)都呈现出相似的双峰型日变化.小召和工大金川校区监测点污染整体较为严重,小召监测点主要污染物为PM_(2.5)和PM_(10),工大金川校区主要污染物为SO_2.相关性分析表明,O_3浓度与气温呈显著正相关;PM_(2.5)与湿度呈显著正相关;CO、NO_2和SO_2均与风速呈显著负相关;PM_(10)与各气象要素在不同的季节相关性不同.     

城市公园外侧防护林结构对外源PM_(2.5)的消减作用

城市公园是居民休闲的重要场所,其外侧防护林是围合公园景观、消减外源污染的重要屏障。为研究城市公园不同配置结构外侧防护林内PM_(2.5)浓度的时空动态变化规律及其对外源PM_(2.5)污染的消减作用,通过布置样带监测城市公园不同配置结构外侧防护林(阔叶乔木林、阔叶乔草林、针阔混交林)距道路不同宽度处PM_(2.5)浓度,分析影响PM_(2.5)浓度的因素,并对不同配置结构外侧防护林对外源PM_(2.5)污染的消减作用进行计算。结果表明,(1)城市公园不同配置结构外侧防护林内PM_(2.5)浓度日变化规律大致相似,均呈现白天低晚上高的趋势,9:00—15:00时段防护林内PM_(2.5)浓度达到国家标准II类功能区浓度质量要求,5:00时防护林内PM_(2.5)浓度污染最严重,超出国家标准II类功能区浓度质量要求237.36%~335.31%。(2)城市公园不同配置结构外侧防护林在15~45 m宽度范围内PM_(2.5)浓度与路缘处PM_(2.5)浓度相近,阔叶乔木林和阔叶乔草林在60 m宽度前后出现PM_(2.5)浓度升高的现象。(3)城市公园外侧防护林11:00、13:00时对PM_(2.5)浓度污染消减作用最强,19:00、7:00时对PM_(2.5)浓度污染消减作用相对较差;阔叶乔木林、阔叶乔草林距道路165 m时消减作用相对较好,针阔混交林距道路45 m时消减作用相对较好,呈正消减作用。(4)PM_(2.5)浓度与平均风速、温度、相对湿度呈极显著相关,与其他气象因子相关性不显著。     

珠三角地区PM_(2.5)浓度空间自相关分析

PM_(2.5)空间变异规律是揭示污染机制的重要基础。研究获取珠三角地区共57个监测点2013年全年PM_(2.5)小时均值监测数据,汇总后得到监测点季度均值和年均值,采用空间自相关分析理论研究不同季节PM_(2.5)浓度空间自相关性的强弱与集聚模式。结果显示,珠三角地区PM_(2.5)污染季节差异显著,冬季PM_(2.5)浓度均值是夏季的3倍。空间自相关分析表明,90 km范围内,珠三角PM_(2.5)浓度均存在正空间自相关性且尺度效应明显,空间自相关性存在城市尺度和区域尺度2次递减;春、夏、秋、冬季PM_(2.5)浓度全局Moran's I指数分别为0.542、0.752、0.602和0.628,空间自相关性由高到低依次为夏、冬、秋和春季;珠三角PM_(2.5)浓度集聚模式明显,深圳等沿海地区表现为PM_(2.5)浓度低-低集聚(L-L),而离海岸稍远的广州等地区为高-高集聚(H-H)区域。     

煤改气后天津市采暖期大气污染特征的时空分布研究

燃煤供暖被认为是中国北方采暖期大气污染的主要来源之一,因此国家计划以天然气替代燃煤作为取暖燃料以减轻大气污染。基于2016-2017年天津采暖期前后的空气质量监测数据,探究"煤改气"后城市大气污染物的时空分布特征及影响因素,为大气污染治理提供依据。研究表明,煤改气后天津采暖期主要大气污染物有PM_(2.5)、PM10和NO_2 3种,CO日均质量浓度有超标现象发生,SO_2和O_3日均质量浓度均低于二级标准限值。与使用燃煤采暖时期相比,大气中SO_2、PM_(2.5)、PM_(10)和CO的日均质量浓度均有不同程度的降低,尤其是SO2浓度降幅高达70%,但NO_2质量浓度没有有效降低。从日变化特征来看,采暖期PM_(2.5)、PM10和CO的日变化规律受到了采暖活动影响,呈单峰单谷型的变化趋势。NO_2、SO_2和O_3的日变化规律与非采暖期相似,受采暖活动影响较小。由于受供暖和大气逆温层的影响,采暖期晚上至上午时段大气污染物(O3除外)的质量浓度远远高于非采暖期相同时段的质量浓度。天津大气污染物在非采暖期呈现出典型的"周末效应",但是在采暖期没有出现"周末效应"。冬季,周末白天人为活动较工作日更为活跃,与之相对应增加的城镇生活源可能是造成周末白天PM_(2.5)和PM_(10)质量浓度偏高及"周末效应"消失的主要原因。     

郑州市大气PM_(2.5)中金属元素的污染特征

在郑州市区布设采样点,研究了郑州市PM_(2.5)中金属元素的污染特征、季节分布规律和富集因子。在1年的监测期中,PM_(2.5)的日平均质量浓度为87.4μg·m-3,日均质量浓度超过GB3095─2012日均值二级标准的天数占总监测天数的53%。PM_(2.5)的日平均质量浓度季节性特征表现为冬季秋季夏季春季。K、V、Mn等10种金属平均质量浓度与PM_(2.5)平均质量浓度呈明显正相关,相关系数范围为0.516~0.907。Na、Cr和Ti平均质量浓度与PM_(2.5)平均质量浓度呈明显负相关,相关系数均小于-0.6。郑州市大气PM_(2.5)中金属元素质量浓度较高的有Ca、Na、K、Mg、Al、Fe、Zn,质量浓度较低的有Cd、Hg、Ni、V等。冬季PM_(2.5)中Hg和Pb的平均质量浓度明显高于其他季节。金属元素总量中占比最高的是Ca、Na、K,这3种元素的比例和在4个季节中都大于65%。Cr、Cd、Pb和Hg的比例之和仅冬季超过2%。富集系数的研究表明郑州市大气PM_(2.5)中的Ti主要来自天然的土壤,K、Ca、Mg、Fe、V的来源是自然和人为因素的结合。Cu、Zn、Pb主要来源于人为排放,富集因子远远大于其它元素,是PM_(2.5)中主要的富集元素。Pb的富集因子在冬季最高,春季最低。对一次典型PM_(2.5)重污染情况进行分析,结果表明PM_(2.5)重污染时,金属元素的污染也相当严重,且其污染源相对复杂,非单一的污染来源。     

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。     

机动车排放对PM_(2.5)空间分布的影响研究

PM_(2.5)的大量存在已对人类生活和大气环境产生了重大影响,而机动车作为城市PM_(2.5)的主要污染源,已越来越受到人们的广泛关注。文章旨在研究机动车对道路两旁PM_(2.5)数浓度时空分布和影响情况。选取北京市西三环主干道旁校园、居民区、公园3类典型区域,分别在水平及垂直方向进行PM_(2.5)浓度连续监测,分析其分布规律,并采用相关分析方法讨论了交通主干道两旁车流量、车速与PM_(2.5)浓度分布之间的相关关系。结果表明,空间上,PM_(2.5)浓度在水平和垂直方向上的分布均呈现一定规律性。水平方向上,PM_(2.5)浓度变化整体的下降趋势明显。距离道路0~200 m之间平均下降幅度为5%,但0~50 m出现反常增大的现象,增大幅度高达8%,随着水平距离的继续增加,均匀下降,平均下降幅度为6.5%。垂直方向上,由于大气垂直结构复杂,不同垂直距离的PM_(2.5)浓度随高度递增变化不显著,呈波动趋势,其中1~10 m下降幅度为10%~11%,10~20 m的增大幅度为7%~11%,20~35 m的下降幅度不明显,PM_(2.5)浓度趋于稳定。时间上,PM_(2.5)浓度在7:00—9:00时间段受机动车流量影响大幅度上升,午间11:00-13:00 PM_(2.5)浓度变化不明显,13:00-15:00逐渐下降至白天的谷值点,19:00后受交通环境和逆温等大气条件两方面因素影响,PM_(2.5)又开始大幅度上升,达到峰值,约为白天最低浓度的2倍。数据显示,车流量与PM_(2.5)浓度在150 m处的相关性最好,0 m处相关性最弱;车流量变化与垂直高度上的PM_(2.5)浓度之间的相关性在10 m高处相关性最好,0 m处相关性最差。通过本文实验结果可知,水平方向50 m处的PM_(2.5)浓度值最高,垂直方向10 m处的PM_(2.5)浓度值最低,并且车流量的大小是影响道路两旁PM_(2.5)浓度高低的重要因素,尤其是在水平方向上相关关系更为明显,而车速的快慢与道路两旁PM_(2.5)浓度高低并无明显关系。     

气象条件对西安市夏季和冬季近地面大气环境污染特征影响

利用2018年1—12月西安市13个环境空气质量监测点的六项大气污染常规分析指标(PM_(10)、PM_(2.5)、O_3、SO_2、NO_2和CO)逐小时监测数据,结合气象条件(温度、相对湿度、风向、风速、大气压、光照、紫外辐射、混合层高度及大气能见度)和颗粒物样品采集,对西安市近地面大气污染物浓度特征进行分析,结果表明,西安市近地面大气污染物浓度呈现明显的季节变化特征,冬季空气污染物主要为颗粒物(PM_(10)、PM_(2.5))对应质量浓度分别为:(154.04±92.88)、(101.84±60.11)μg·m~(-3),PM_(2.5)/PM_(10)的值为0.66,夏季空气污染物主要为O_3,质量浓度为(89.07±20.62)μg·m~(-3);西安市冬季PM_(2.5)数浓度、表面积浓度、质量浓度分别为(51 890±14 619)cm~(-3)、(2 882.21±939.83)μm~2·cm~(-3)、(0.32±0.13)mg·m~(-3),PM_(10)数浓度、质量浓度、表面积浓度分别为(51 897±14 618)cm~(-3)、(3 410.50±1 060.31)μm~2·cm~(-3)、(0.86±0.29)mg·m~(-3),数浓度粒径分布集中在0.010≤d_p≤0.484μm,占总数浓度的99.13%,表面积浓度粒径分布集中在0.072≤d_p≤8.136μm,占总表面积浓度的98.32%,质量浓度粒径分布集中在0.316≤dp≤8.136μm,占总质量浓度的98.75%。颗粒物数浓度对大气能见度影响最大的3个粒径段分别为d_p=0.762μm、d_p=1.956μm、d_p=1.232μm,3个粒径段与能见度的R~2(拟合优度)分别为:0.840、0.789、0.775;西安市夏季,在近地面环境温度大于30.23℃,相对湿度小于58.09%,光照强度大于107.83 W·m~(-2),紫外辐射强度大于324.10μW·cm~(-2)时,有利于近地大气层中高质量浓度O_3((112.16±53.01)μg·m~(-3))的生成与累积。研究结果可为西安市及汾渭平原其他城市大气污染物减排、大气污染防治策略的制定提供数据支持。     

太原市PM_(2.5)中含碳气溶胶特征分析

为研究太原市环境空气中含碳组分的时空分布变化规律,于2014年3月、5月、8月、12月采集了太原市3个点位春、夏、秋、冬等4个季节的PM_(2.5)样品,利用碳分析仪(DRI 2001A)测定了样品中OC1、OC2、OC3、OC4、EC1、EC2、EC3、OPC共8种碳组分含量,计算了有机碳(OC)、元素碳(EC)二者浓度,分析了OC和EC的时空分布特征.结果显示,太原市PM_(2.5)中OC和EC的平均质量浓度分别是13.5±14μg·m~(-3)和6.5±6.1μg·m~(-3),其中OC浓度随季节变化顺序为冬季春季夏季秋季,EC浓度季节变化与OC一致.春、夏、秋、冬4个季节总含碳气溶胶(TCA)占PM_(2.5)比例分别为17.6%、9.5%、8.8%、42.3%,其中冬季最高,表明冬季含碳气溶胶污染较为严重.夏季中OC和EC相关性较弱(R~2=0.4054),而春季(R~2=0.7659)、秋季(R~2=0.8253)、冬季(R~2=0.8184)OC和EC相关性较强,表明夏季碳气溶胶来源不同.通过(OC/EC)min最小比值法估算二次有机碳(SOC)浓度,春、夏、秋、冬季SOC浓度分别为2.8±2.9μg·m~(-3)、1.0±0.8μg·m~(-3)、 0.5±0.4μg·m~(-3)、 3.6±3.5μg·m~(-3),冬季SOC浓度最高. 8种碳组分分析结果显示,不同季节一次排放源中生物质燃烧、机动车尾气排放及煤炭燃烧对太原市含碳气溶胶贡献不同,其中,冬季燃煤和机动车排放使太原市含碳气溶胶污染严重,应加强燃煤和机动车排放源管控,来减轻碳组分污染.