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。     

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.     

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%。     

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。     

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。     

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。     

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.     

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。     

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.     

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。     

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.     

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。     

乌鲁木齐市主要大气污染物浓度变化特征研究

随着中国西部城市化进程的加快,乌鲁木齐大气污染日趋加重。为了定量评估"煤改气"工程对大气质量的改善作用,利用2013—2016年乌鲁木齐市城市空气质量监测数据,对"煤改气"工程前后主要大气污染物浓度的变化进行对比,分析了主要大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2)浓度的年、季节及月变化特征,采用Daniel趋势检验Spearman秩相关系数法,明确了空气中的主要污染物,探讨了乌鲁木齐市空气质量变化趋势。结果表明,乌鲁木齐市2013—2016年PM_(2.5)、PM_(10)、SO_2及NO_2年平均质量浓度分别为(72.17±10.67)、(136.91±13.08)、(21.79±7.90)、(56.71±7.72)μg·m~(-3),其年变化均呈双峰型,其中PM_(10)变化幅度较平缓。各污染物季节变化特征基本一致,呈冬季春季秋季夏季,供暖期高于非供暖期。其中,PM_(2.5)浓度以12月份最高,为(141.7±2.82)μg·m~(-3),7月份最低,为(29.3±5.04)μg·m~(-3);PM_(10)和SO_2浓度均以1月份最高,分别为(208.1±54.48)、(39.45±10.82)μg·m~(-3),6月份最低,分别为(90.7±21.41)、(9.63±4.12)μg·m~(-3);而NO_2浓度以2月份最高,为(80.6±8.95)μg·m~(-3),6月份最低,为(39.3±3.88)μg·m~(-3),且其浓度在4年内的变化不明显。与2012年前相比,2013—2016年SO_2浓度明显下降,可以推断,"煤改气"能源结构调整对大气中SO_2浓度的下降起到了积极作用。乌鲁木齐市空气污染以可吸入颗粒物为首要污染物,在2013—2016年内PM_(2.5)和PM_(10)呈上升趋势,SO_2和NO_2呈下降趋势,但趋势均不显著。乌鲁木齐市大气污染类型已由煤烟型向复合型污染转化。研究成果可为乌鲁木齐市城市大气环境治理提供理论依据。     

济南冬季大气重污染过程颗粒物组分变化特征

为研究济南市冬季大气重污染过程的颗粒物化学组分特征,于2017年11月15日—12月30日在市监测站及跑马岭清洁对照点同步采集PM_(10)和PM_(2.5),并对其质量浓度、水溶性离子及碳组分进行分析,结果表明重污染过程中PM_(2.5)/PM_(10)质量浓度比均超过0.6.NO_3~-(硝酸盐)、SO_4~(2-)(硫酸盐)、NH_4~+(铵盐)、OC(有机碳)浓度及百分占比与颗粒物浓度同步增加,其中NO_3~-、SO_4~(2-)、NH_4~+、OC的浓度增加倍数远大于PM_(2.5)的浓度增加,重污染日市监测站NO_3~-、SO_4~(2-)、NH_4~+、OC质量浓度分别是非污染日的5.1倍、8.8倍、8.3倍、7.0倍,跑马岭重污染日NO_3~-、SO_4~(2-)、NH_4~+、OC质量浓度分别是非污染日的3.0倍、3.9倍、3.7倍、4.6倍;且SO_4~(2-)和NH_4~+质量百分占比涨幅比NO_3~-的大,说明重污染天气下SO_4~(2-)和NH_4~+对PM_(2.5)浓度增加的贡献更大.通过经验公式计算得出市监测站和跑马岭SOC质量浓度分别占OC的82.4%和92.3%,说明重污染期间SOC是OC主要组成部分.二次无机离子和二次有机碳是导致重污染的主因,表明在冬季重污染过程中,大气化学反应非常重要,这可能与空气静稳和湿度较大的气象条件、前体物的大量积累、液相非均相化学过程的加强紧密相关.重污染天气下需要重视NO_2对SO_2液相催化氧化作用,严格控制NO_2的排放.     

广州城区近地面层不同高度空气质量评价

为了阐明大城市中心城区不同高度的空气质量差异及其成因,为大气污染防治工作提供科学支撑,该研究基于广州塔大气污染物垂直梯度观测平台的监测数据,采用环境空气质量综合指数和环境空气质量指数(AQI),分别对广州城区近地面层不同高度的空气质量进行评价。结果表明,2015年广州塔4个高度(地面、118 m、168 m和488 m)的空气质量综合指数分别为4.96、5.01、4.83和3.64,AQI超标率分别为27%、30%、25%和40%。总体上,中、低层(168 m以下)的空气质量差异较小,其中118 m点位的综合指数和AQI超标率相对较高;高层(488 m)因O_3污染尤其显著导致其AQI超标率为各高度最高,但O_3质量浓度上升的贡献被其他污染物质量浓度的大幅下降所抵消,故其综合指数反而最低。随着高度增加,PM_(2.5)和NO_2超标程度下降,O_3超标程度上升,导致高层的PM_(2.5)和NO_2几乎不超标,而O_3超标率达40%且其超标天数占AQI超标天数的比例高达99%。随着污染级别上升,PM_(2.5)和NO_2成为首要污染物的比例减少,O_3比例增加,O_3成为各高度AQI超标时最主要的首要污染物。当低层空气质量处于优或重度污染级别时,各层等级一致性相对较好;但在其他情况下,低层与高层的空气质量最多可相差3个级别。因PM_(2.5)和NO_2以低矮源排放贡献为主,而O_3来源于复杂的二次反应,使PM_(2.5)和NO_2质量浓度随高度上升而递减,而O_3质量浓度随高度上升而递增,最终形成了中、低层以PM_(2.5)、NO2和O_3复合污染为主、高层以O_3单一污染为主的空气质量垂直分布特征。     

2018年春节期间烟花爆竹燃放对银川市空气质量的影响

为了解银川市2018年春节期间烟花爆竹燃放对空气质量的影响,分析了2016—2018年春节期间、2018年烟花爆竹禁放区与非禁放区以及2018年春节期间污染时段和非污染时段空气质量变化情况.并利用银川市大气超级监测网络的在线观测数据,对颗粒物中的水溶性离子、黑碳(BC)以及区域污染传输情况进行了分析.分析结果表明,与2016年和2017年春节期间同期比较,2018年优良天数同比分别增加4d、2d.除O_3外,其它5项参数整体均呈下降趋势,空气质量改善幅度较大;银川市城区禁放区空气质量较好于周边非禁放区域;春节期间银川市城区PM_(10)、PM_(2.5)、SO_2、NO_2、CO日均浓度在污染时段(除夕至初二)明显高于非污染时段(初三至初六),分别高出65.2%、90.8%、68.4%、58.2%、67.7%,PM_(2.5)/PM_(10)的日均浓度比值在初一最大,为68.6%;污染时段与非污染时段相比,K~+日均浓度增幅最大,达到了361.0%;污染时段PM_(10)中的BC日均浓度较非污染时段上升85.2%,春节期间BC与CO小时浓度呈正相关、相关系数为0.73;气溶胶激光雷达监测图显示,春节期间空气质量主要以本地污染为主.     

2018年春节期间烟花爆竹燃放对银川市空气质量的影响

为了解银川市2018年春节期间烟花爆竹燃放对空气质量的影响,分析了2016—2018年春节期间、2018年烟花爆竹禁放区与非禁放区以及2018年春节期间污染时段和非污染时段空气质量变化情况.并利用银川市大气超级监测网络的在线观测数据,对颗粒物中的水溶性离子、黑碳(BC)以及区域污染传输情况进行了分析.分析结果表明,与2016年和2017年春节期间同期比较,2018年优良天数同比分别增加4d、2d.除O_3外,其它5项参数整体均呈下降趋势,空气质量改善幅度较大;银川市城区禁放区空气质量较好于周边非禁放区域;春节期间银川市城区PM_(10)、PM_(2.5)、SO_2、NO_2、CO日均浓度在污染时段(除夕至初二)明显高于非污染时段(初三至初六),分别高出65.2%、90.8%、68.4%、58.2%、67.7%,PM_(2.5)/PM_(10)的日均浓度比值在初一最大,为68.6%;污染时段与非污染时段相比,K~+日均浓度增幅最大,达到了361.0%;污染时段PM_(10)中的BC日均浓度较非污染时段上升85.2%,春节期间BC与CO小时浓度呈正相关、相关系数为0.73;气溶胶激光雷达监测图显示,春节期间空气质量主要以本地污染为主.     

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。     

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。