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.     

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%。     

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。     

宝鸡高新区春节前后大气中黑碳浓度特征及来源解析

基于春节前后(2018年1月1日—2018年3月31日)宝鸡市高新区宝鸡文理学院站点的黑碳气溶胶(BC)、浊度仪、颗粒态污染物(PM_(10)、PM_(2.5)和PM_(1.0))、气态污染物(CO、NO_2、SO_2和O_3)的逐时数据及常规气象数据,对宝鸡市高新区BC气溶胶的时间变化特征、来源及影响因素进行分析.结果表明,观测期间BC质量浓度的变化范围为0.01—5.62μg·m~(-3),平均浓度为0.63μg·m~(-3).BC与风速和能见度均呈负相关.观测期间BC浓度日变化呈"双峰双谷"型,峰值出现在09:00和19:00,谷值出现在05:00和16:00;寒假前BC浓度昼夜变化整体高于寒假期间和春季开学,可能与寒假前频繁的人为活动,不易扩散的气象条件有关.BC占PM_(2.5)的0.84%,其吸收作用占大气消光的2.14%.除O_3外,BC日平均浓度与PM_(2.5)、CO和NO_2呈显著相关,相关系数分别为0.626、0.623和0.473,说明BC气溶胶与之均有部分共同源.     

北京典型主城区冬季大气污染特征分析

利用布设于北京市典型主城区的在线空气质量监测站2015年12月数据(小时质量浓度),探究北京主城区冬季大气污染特征的影响因素。结果表明,冬季主城区大气中O_3污染较轻,而NO_2、NO_x和PM_(2.5)污染较为严重。监测期间NO_2、NO_x和PM_(2.5)最大日均浓度分别是GB3095—2012二级标准浓度限值的2.0、6.4和4.3倍,超标天数分别占总天数的58.1%、48.4%和83.9%;而O_3浓度未超过二级标准限值。相关性分析表明,各污染物及能见度之间都呈现出高度相关性(P0.01)。其中,主城区环境空气中PM_(2.5)与NO_x和NO_2正相关系数分别高达0.752和0.839,O_3与PM_(2.5)、NO_x和NO_2均在P0.01水平上呈负相关关系,其中NO_2与O_3负相关性最大(r=-0.772,P=3.124×10-141);能见度与PM_(2.5)、NO_x和NO_2浓度存在显著负相关关系,其中与PM_(2.5)负相关性最大(r=-0.922,P=3.338×10-294),此外,能见度与O_3在P0.01的水平上呈高度正相关性。工作日NO_2、NO_x和PM_(2.5)小时浓度整体高于周末,污染物浓度曲线均出现2个峰值(浓度峰Ⅰ、浓度峰Ⅱ),工作日浓度峰Ⅰ受06:00—09:00市民工作早高峰出行影响,周末浓度峰Ⅰ受02:00—05:00外埠货车进城影响;工作日和周末的污染物浓度峰Ⅱ都出现在22:00左右。O_3的工作日和周末浓度曲线变化基本一致,均呈"双峰"形态,O_3浓度峰Ⅰ出现在14:00左右,高浓度O_3主要来源于大气光化学作用产生的二次污染,浓度峰Ⅱ出现在04:00、05:00左右,其值约为峰Ⅰ值的40%,可能与平流层臭氧垂直气流输送有关。     

天津市空气质量健康指数（AQHI）的建立及应用

为了解大气污染物对人体健康的影响,利用广义相加模型(Generalized Additive Models,GAM)根据2013年1月1日—2018年10月31日大气污染物质量浓度资料和天津全市就医人次数据计算了大气污染物的暴露反应关系系数。利用该系数建立了天津地区空气质量健康指数(AQHI)。结果表明,天津市6种大气污染物对人群的就医人次数均有正反馈,SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)质量浓度每升高10μg·m~(-3),全市就医人次数分别增加1.99%,3.16%,0.09%,1.17%,1.19%和1.94%。2018年SO_2、NO_2、CO、O_3、PM_(10)、PM_(2.5)造成就医人次数量增加率分别为2.41%,15.31%,9.00%,8.55%,9.69%和10.32%。在当前状况下,控制NO_2和PM_(2.5)浓度将有助于降低天津居民的健康风险。构建了天津空气质量健康指数AQHI,根据频度分布情况,将天津市空气质量健康风险级别分为:低风险(AQHI:0—3)、中度风险(AQHI:4—6)、高风险(AQHI:7—8)、极高风险(AQHI:9—10+),并针对心血管类疾病患者、儿童和老人等敏感人群分别给出健康建议。经与AQI对比和检验,发现AQHI能更好地描述人群的就医行为,AQHI指数对居民采取健康行为有指导意义,AQHI的预报将更有利于居民提前采取预防措施以规避大气污染对人体健康的风险。     

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。     

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。     

广东省大气环境质量的时空分布特征

随着社会经济的迅速发展、城市化进程的不断加快以及能源消费需求的增加,广东省大气污染问题日益成为人们关注的重要环境污染问题之一。为了进一步了解广东省主要大气污染物质量浓度的时空变化情况,以广东省21个地级市为研究对象,选用广东省生态环境厅历年发布的环境状况公报以及《环境空气质量标准》(GB3095-2012)中的SO_2、NO_2、PM_(10)、PM_(2.5)、O_3~(-8) h,以及CO 24h平均第95%位数的质量浓度作为评价因子,基于ArcGIS 10.2软件分析平台,分析了广东省主要大气污染物的年际变化特征、空间分布特征及其变化原因。结果表明,1998—2017年间,广东省降水pH年均值由1998年的4.71提高到2017年的5.14,且大多年份维持在5.0-5.6之间,酸雨发生频率均属轻酸雨。除少数年份外,全省SO_2、NO_2、PM_(10)、PM_(2.5)、O_3~(-8)h和CO平均质量浓度均达到国家二级标准。空间分布上,全省大气主要污染物除NO_2上升,O_3~(-8)h波动变化外,SO2、PM10、PM2.5和CO的质量浓度均呈现下降趋势。近年来,珠三角地区的大气环境首要污染物主要为O_3~(-8)h,其次为PM_(2.5)和NO_2,粤东西北地区除O_3~(-8)h和PM2.5污染较重外,PM_(10)的污染也较为严重。总的来看,研究期间,广东大气环境质量逐年得到改善,主要原因在于全省在社会经济快速发展的同时,也加大了大气环境污染防治工作力度,取得了显著成效。     

邯郸采暖期环境污染特征及空气质量预报方法研究

利用河北邯郸气象和环境监测资料,分析了邯郸采暖期空气质量和环境气象条件特征;同时利用线性回归和BP神经网络统计方法对采暖期空气质量进行了预报研究。结果表明,PM_(10)、PM_(2.5)、SO_2、NO_2、CO(95)(CO日均值的第95百分位数)的空气质量指数(AQI)在冬季最高,夏季最低,O_3-8(90)(O_3日最大8 h值的第90百分位数)的AQI则相反。邯郸采暖期首要污染物以PM_(2.5)和PM_(10)为主,除O_3-8(90)外,其他5种污染物采暖期AQI均高于其年均值;同时采暖期降水少,温度低,小风出现频率明显高于非采暖期,而且局地逆温强,静稳天气指数高,是全年环境气象条件最差的时期。邯郸采暖期的环境气象条件1月最差,且夜晚差于白天,尤其是局地5—7时。邯郸采暖期首要污染物浓度与前一日污染物浓度、静稳指数、逆温、相对湿度和露点温度等呈正相关,与气温、风速、能见度和混合层高度等呈负相关。BP神经网络模型对污染物浓度的预报效果优于线性回归模型,可尝试应用于邯郸空气质量预报工作。     

气团来源对沿海城市PM_(2.5)中二次水溶性无机离子形成特征的影响研究

大气细颗粒物(PM_(2.5))与雾霾天气密切相关,PM_(2.5)吸附的有毒有害物质,可能给人体健康带来危害。二次水溶性无机离子(SNA,包括SO_4~(2-)、NO_3~-和NH_4~+)是PM_(2.5)的重要组分,研究PM_(2.5)中SNA污染特征及形成和演化的影响因素,对认识雾霾污染的生消机制,提升人们的生活质量具有重要意义。利用在线气体及气溶胶成分监测系统(MARGA)观测了宁波市滨海地区春季、夏季和秋季大气PM_(2.5)中的SNA和气态污染物的变化趋势,并利用后向轨迹分析研究了不同气团影响下污染物的日变化规律。结果表明,观测期间,SNA在PM_(2.5)中的平均占比约为70.7%,NO_3~-是导致PM_(2.5)污染加重的主导离子。NO_3~-和SO_4~(2-)受气团传输影响较大,来自陆地气团的质量浓度普遍高于海洋气团,来自西北内陆方向的污染物输送是导致宁波空气质量下降的主要原因。宁波大气中的硫氧化率(SOR)较高,SO_4~(2-)主要由SO_2发生二次氧化反应生成;SO_4~(2-)的形成与相对湿度(RH)密切相关,SOR随着RH的增加而显著增大,当RH85%时,大气中的硫氧化物绝大部分以SO_4~(2-)形式存在,SOR接近1;而温度变化对SOR无明显影响;来自西南与东部受海洋显著影响的气团SOR高于来自陆地气团的相应值。夏季RH普遍较高,西南方向气团影响下高浓度的气态污染物(NO_2、O_3、NH_3)可明显促进SO_4~(2-)的生成,一定程度上控制人为气态污染物的排放能有效减少SO_4~(2-)生成。与SOR比较而言,氮氧化率(NOR)和NO_3~-与温度、RH、气态污染物浓度等环境因素的关系比较复杂,暗示多种反应机理共同作用影响氮氧化物的转化。     

太原市气溶胶中硫、氮转化特征

基于太原市2013年5、6、12月和2014年1月大气中SO_2、NO_2及PM_(2.5)中水溶性离子SO_4~(2-)、NO_3~-浓度,分析了大气中硫和氮的转化率(Fs、Fn),并探讨了其影响因素.结果表明,大气中SO_2、NO_2的浓度夏季(5、6月)分别为89.98、64.73μg·m-3,由于燃煤供热冬季(12、1月)SO_2显著升高,SO_2和NO_2分别为119.09、63.92μg·m-3.PM_(2.5)中水溶性离子SO_4~(2-)、NO_3~-夏季分别为16.54、6.87μg·m-3,冬季显著降低,分别为12.79、5.53μg·m-3.参照硫和氮气固两相转化模型,Fs夏季(0.13)高于冬季(0.07),Fn变化较小,夏、冬季分别为0.08、0.06,与南方城市相比,Fs较高,Fn较低.硫、氮转化受多种因素共同影响,且不同季节主导因素不同.温度和O_3浓度对整个采样期间的硫转化起主要作用,冬季SO_4~(2-)与PM_(2.5)和湿度呈现一定的相关关系,显示SO_4~(2-)主要来源于均相气相反应,冬季部分源于非均相反应.夏季相对湿度和O_3浓度可明显促进氮转化,而冬季NO_3~-生成还与PM_(2.5)和温度有关,说明夏季氮转化以均相液相反应为主,而冬季NO_3~-主要源于非均相反应.此外,NH+4与SO_4~(2-)、NO_3~-的线性分析表明,大气氨有助于气相中的硫、氮向颗粒相转移并转化.     

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。     

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。     

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。     

长三角地区秋冬季大气PM_(2.5)含量空间变异特征

利用长三角地区的128个国控大气监测站2014年11月到2015年1月的PM_(2.5)浓度逐时数据,采用地统计学方法进行了ρ(PM_(2.5))的空间异质性分析,并讨论了其动态变化的影响因素.结果表明,研究时段内ρ(PM_(2.5))的基底效应值在0.07—0.26之间,空间自相关性较强.块金值呈逐步变大趋势,表明PM_(2.5)人为源对其空间异质性的影响逐渐加强.ρ(PM_(2.5))变程值在217.1—336.2 km之间,东-西方向大于南-北方向.可依据各季节空气PM_(2.5)含量空间自相关距离的1/4—1/2进一步优化环境空气质量监测网点.根据普通克里格法空间插值结果得出,研究区PM_(2.5)污染呈片状分布,且PM_(2.5)污染程度持续加重,污染重心在苏锡常都市圈、南京都市圈和徐州都市圈,是空气PM_(2.5)污染防治的关键区域.南京都市圈和徐州都市圈可能受到WSW上风向外源输送的强烈影响,苏锡常都市圈则对SSE下风向的城市群构成较大的潜在影响.PM_(2.5)还与SO2、CO、NO2均呈显著正相关,表明研究区空气PM_(2.5)污染与化石能源燃烧和机动车尾气均有较大关系,也可能与SO2或NO2在不利气象条件下形成的二次气溶胶有关.     

乌鲁木齐大气细颗粒物PM_(2.5)水溶性离子浓度特征及其来源分析

大气细颗粒物PM_(2.5)是危害人体健康和环境最主要的空气污染物之一,对其水溶性离子的研究是一项非常必要而迫切的工作。文章对乌鲁木齐市中心区域树木年轮实验室和黑山头2013年1月-2014年2月期间采集的大气细颗粒物样品,利用离子色谱仪分析了其中的水溶性离子分布特征,采用硫转化率(SOR)、离子相关性分析等分析其可能来源,结果表明:年轮室和黑山头PM_(2.5)中总离子浓度平均值分别为88.03和65.11μg·m~(-3),分别占PM_(2.5)质量浓度的51.21%和33.8%。年轮室各种离子的季节变化明显:SO_4~(2-)、NO_3~-、Cl~-和NH_4~+表现为冬季秋季春季夏季,Na~+表现为冬季秋季夏季春季,Ca~(2+)表现为秋季夏季春季冬季。SO_4~(2-)、NO_3~-和NH_4~+是PM_(2.5)中主要的离子,(NH_4)_2SO_4、NH_4HSO_4和NH_4NO_3是乌鲁木齐PM_(2.5)中水溶性组分的可能结合方式。Cl~-和K~+主要来源于化石燃料和生物质的燃烧排放,Ca~(2+)和Mg~(2+)主要来自土壤、二次扬尘和燃煤。乌鲁木齐大气PM_(2.5)中ρ(NO_3~-)/ρ(SO_4~(2-))为0.40,说明目前固定排放源仍然是乌鲁木齐大气污染物的主要来源。本研究为更深入了解乌鲁木齐市颗粒物污染现状提供参考,同时为确定乌鲁木齐市大气污染治理重点、制定大气污染防治规划提供依据。     

新疆独山子石化区域PM_(2.5)中水溶性无机离子的形成机制

2015年9月至2016年7月在新疆独山子区采集大气PM_(2.5)样品,对所含的水溶性无机离子和大气气态污染物的季节性变化进行了分析.其结果表明,PM_(2.5)、SO_2、NO_2和O_3的年均浓度分别为70.04、19.36、4.50、83.06μg·m~(-3); PM_(2.5)、SO_2、NO_2的浓度均出现冬季最高,夏季最低的趋势,而O_3浓度在春、夏季节偏高,冬季偏低;总水溶性无机离子的季节变化特征为冬季(68.99μg·m~(-3))秋季(14.23μg·m~(-3))春季(10.31μg·m~(-3))夏季(5.06μg·m~(-3)),其中SO_2~(-4)、NO_3~-、NH_4~+为水溶性无机离子的主要组成部分,占到水溶性总离子质量浓度的70%以上.对硫氧化率(SOR)和氮氧化率(NOR)的估算表明,全年SOR的值均大于0.1,表明SO_2~(-4)主要来自大气二次转化.夏季NOR值远低于其它季节. SO_2~(-4)浓度和SOR在冬季出现较高值,可能是由于冬季取暖导致SO_2排放量增加,同时较高的相对湿度又促进了SO_2的非均相转化.受相对湿度的影响,NO_3~-在冬季主要以非均相反应的方式生成,在春、夏、秋的3个季节主要以均相反应的方式生成;当PM_(2.5)的质量浓度大于75μg·m~(-3)时,NO_3~-/SO_2~(-4)、NOR/SOR和NOR值均显著增加,表明独山子区的硝酸盐污染较为严重.     

成都G20会议期间大气污染特征及污染防治分析

为保障2016年7月22—24日G20财长与央行行长会议期间空气质量良好,成都市政府采取了大气污染排放控制应急措施。为评估这些措施的成效,提出未来进一步改善成都空气质量的措施建议,利用成都2016年7月1日—8月18日8个国家级空气质量监测点PM_(10)、PM_(2.5)、SO_2、NO_2、O_3和CO等污染物浓度数据和地面气象资料,比较了减排前(7月1—15日)、减排中(7月16—26日)和减排后(7月27日—8月18日)空气质量与气象条件变化特征,同时量化了PM2.5来源。结果表明,采取的污染控制措施取得了一定效果。在减排期低压、低风速及无降雨等不利的气象条件情况下,PM_(10)、PM_(2.5)、O_3、SO_2和NO_2浓度在开始减排后出现了明显下降;相反,它们在停止减排后出现了明显上升。虽然整个研究时段内市区PM2.5和PM10浓度均达到了国家空气质量二级标准,但仍超过世界卫生组织准则值,超标天数占总天数50%以上;约80%天数的臭氧日最大8 h浓度超过世界卫生组织准则值;成都已面临雾霾和臭氧的双重污染。虽然雾霾和臭氧污染发生的主要季节不同,但臭氧和二次颗粒物的前体物(如NO_x和VOCs)具有共同主要来源。市区与背景点在PM_(2.5)、PM_(10)和O_3的浓度上接近且具有似的变化趋势,表明市区空气质量与区域污染物排放密切相关,成都SO_2浓度受本地源和污染物远距离传输的共同影响。为进一步改善成都空气质量,建议加强成渝地区区域减排,特别要控制臭氧前体物和二次颗粒物前体物的排放。     

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。