基于颗粒物激光雷达的南充市一次沙尘污染过程分析

利用环境空气颗粒物自动监测数据、近地面气象数据和颗粒物激光雷达资料对南充市主城区2016年5月12日的沙尘气溶胶污染天气过程进行分析,并利用HYSPLIT模式对沙尘气溶胶的来源进行了模拟分析。结果表明:来自新疆盆地的沙尘气溶胶经高空远距离输送到达四川盆地上空后沉降造成南充市主城区的PM_(10)和PM_(2.5)浓度极显著升高,PM_(2.5)/PM_(10)值极显著降低;沙尘天气过程中,风速、气温、相对湿度、气压、能见度和大气边界层高度等气象因子发生变化并对环境空气中颗粒物浓度产生影响,其中风速与PM_(2.5)和PM_(10)浓度间显著正相关,与PM_(2.5)/PM_(10)值间显著负相关;颗粒物激光雷达连续监测到整个沙尘气溶胶沉降过程,与地面环境空气自动监测数据变化趋势一致。在对盆地城市沙尘天气的环境空气质量进行预警预报时,将历史环境空气质量自动监测数据与常规气象因子数据、颗粒物雷达资料和后向轨迹等资料进行综合分析,能进一步提高沙尘天气条件下的空气质量预警预报准确度。     

潍坊市大气颗粒物中重金属污染特征

为了解潍坊市大气颗粒物中重金属浓度特征及其来源,于2014年对环境空气中颗粒物进行采样,分析了不同粒径颗粒物上的重金属(Fe、Cd、Cr、Cu、Pb、Mn、As、Ni、Zn)含量。结果显示,可吸入颗粒物(PM_(10))、细颗粒物(PM_(25))中主要重金属为Fe、Zn、Pb、Cu、Mn。重金属Pb、Cd、Zn和Cu主要富集在PM_(25)上。重金属浓度一般表现为冬季最高,这可能是人为污染和气候共同作用造成的。通过富集因子和主因子分析,PM_(25)中Cu、Zn、Pb和Cd是人为源贡献的,冶金、电镀和燃煤是主要人为源。     

气象因素对成都市主要大气污染物影响的非参数分析

通过获取2014年成都市大气污染物和气象因素的在线监测数据,分析大气污染物的时间变化规律,并采用Spearman秩相关系数来分析污染物逐日浓度和气象因素的相关性。结果显示,SO_2、NO_2、CO、PM_(10)和PM_(2.5)夏季浓度最低,冬季最高,O_3则夏季最高,冬季最低;受秸秆露天焚烧影响,5月各污染物浓度均出现一个小高峰。温度和风速均与O_3显著正相关,与其他污染物显著负相关;大气压则相反;相对湿度与各污染物均显著负相关,但在严重污染时与颗粒物显著正相关。     

秦皇岛空气污染特征及其与气象因素的关系

利用国控站点空气监测数据和气象数据,对2016年秦皇岛市空气污染特征及其与气象因素的关系进行了分析。结果表明:2016年秦皇岛市NO_2、PM_(10)和PM_(2.5)浓度未达到国家二级标准限值,污染物浓度季节变化规律明显,SO_2峰值出现在1月,O_3峰值出现在5月,PM_(10)、PM_(2.5)、NO_2和CO浓度峰值均出现在12月。污染物在西南偏西风时污染程度较高。PM_(10)、PM_(2.5)、SO_2、CO浓度受风速影响较小,NO_2、O_3浓度受风速影响较大。颗粒物浓度受湿度影响较大,随湿度增加而增大。     

新疆准噶尔盆地南缘一次典型沙尘污染特征分析

沙尘对空气质量特别是空气中TSP,PM_(10)和PM_(2.5)浓度有重要影响。为探讨沙尘对空气质量的影响,在位于准噶尔盆地南缘荒漠-绿洲交错带的准噶尔生态环境观测站开展了近地面空气颗粒物的连续监测实验及气象观测实验;结合HYSPLIT模型对典型沙尘事件中空气颗粒物的运动轨迹进行模拟;分析了沙尘全过程空气颗粒物分布特征及颗粒物的输送特征。结果表明:在2015-09-13日的沙尘事件对空气中颗粒物TSP、PM_(10)和PM_(2.5)的浓度分布产生影响严重,TSP、PM_(10)和PM_(2.5)的质量浓度分别达到了412μg/m~3、354μg/m~3和190μg/m~3,远超过了国家二级空气质量标准;TSP、PM_(10)和PM_(2.5)的质量浓度显著相关,其中PM_(2.5)和PM_(10)的相关系数达0.993,颗粒物轨迹分析显示,沙尘主要来源于北面的古尔班通古特沙漠,为大风输送所致。     

潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

昆山市高新区PM_(2.5)元素特征分析及健康风险评价

对昆山市高新区大气PM_(2.5)颗粒物和元素污染浓度进行同步监测,以元素为污染物示踪因子进行污染源特征分析,并通过健康风险评价模型对该地区颗粒物重金属元素进行评价。实验结果表明,在监测期间该区域PM_(2.5)污染程度不大,平均质量浓度达57.90μg/m~3;通过主成分分析对PM_(2.5)中元素进行分析,发现其主要来源分为混凝土搅拌及道路扬尘污染,电子产品及机械制造污染和燃煤燃烧污染等3个组分,电子产品及机械制造引起的污染是昆山高新区PM_(2.5)的主要来源;健康风险评价结果显示,昆山市高新区颗粒物中单种重金属元素通过呼吸途径对暴露人群的年均超额危险度在5.46E7~5.68E12之间,低于人群可接受的危险度水平10E6。     

南充交警大气PM_(2.5)个体暴露水平及健康风险评价

为探讨交警工作环境大气PM_(2.5)个体暴露水平,现场监测交警大气PM_(2.5)个体暴露浓度,同时采集个体暴露大气PM_(2.5)样品,分析样品的化学成分并对部分元素进行健康风险评价。结果表明,交警大气PM_(2.5)个体暴露浓度为74.4μg/m~3,明显高于大气环境浓度42.2μg/m~3;交警PM_(2.5)个体暴露浓度与风速、湿度负相关,与温度存在一定程度上的正相关,降雨能降低PM_(2.5)个体暴露浓度。应用健康风险评价模型发现Mn对交警存在非致癌风险,风险指数为2.48;Cr对交警存在致癌风险,风险指数为1.58×10~(-3),应予以重视。     

炼化企业无机前体物排放对大气细颗粒物的贡献

大气污染物SO_2、NO_X、NH_3是形成二次细颗粒物(PM_(2.5))的重要无机前体物。为控制PM_(2.5)污染,要求形成一套便于炼化企业自身核算无机前体物排放对PM_(2.5)贡献的方法体系。探讨了基于排放清单、PM_(2.5)化学组成和NH_4~+/SO_4~(2-)摩尔浓度比值所建立的计算模型的合理性和可行性,并将其用于某炼厂进行案例分析。结果表明,所建立的计算模型可满足炼化企业PM_(2.5)核算要求,用于核算无机前体物排放对PM_(2.5)最大贡献量。案例企业排放前体物转化形成的PM_(2.5)等效排放量远高于该企业PM_(2.5)直接排放量,应予以关注。     

香港地区不同类型站点大气污染变化特征对比研究

选取香港环境保护署设立的5个代表性站点(可归类为路边站、一般站及背景站)2016年的监测结果,对获取的各类污染物(PM_(2.5)、PM_(10)、NO_2、NO_X、SO_2、O_3)浓度变化特征进行对比研究,结果表明:(1)三类站点颗粒物及SO_2浓度年均值差异较小,体现了其区域性的污染特性,NO_2与NO_X年均值均为路边站一般站背景站,而O_3则相反,路边站最低而背景站最高;(2)各类站点PM_(2.5)与PM_(10)季节差异表现为夏季最低而冬季最高,O_3最低值也出现在夏季;(3)三类站点大气污染物日变化特征差异显著,路边和一般站NO_2与NO_X日变化表现为"早晚双峰"型,背景站变化幅度较小;路边站、一般站颗粒物日变化表现为单峰型,峰值出现在晚间22∶00,背景站变化幅度较小;O_3在路边站和一般站呈现双峰型变化,而在背景站为单峰型,峰值出现在下午15∶00左右;(4)所有站点PM_(2.5)、NO_X及O_3"假日效应"明显,具体表现为:PM_(2.5)和O_3浓度在假日全天浓度高于工作日;路边站和一般站的NO_X浓度在假日0∶00~8∶00时段高于工作日,其余时间均低于工作日。     

上海市松江区PM2.5与PM10浓度变化特征分析

为了解松江区PM_(2. 5)与PM_(10)浓度变化特征,选取2014年1月1日～2019年2月28日松江区3个环境空气自动监测市控点质控后的小时平均值,进行日、月、季节和年际变化的讨论分析。结果表明:2014～2018年松江区的PM_(2. 5)与PM_(10)年均浓度分别为51、61μg/m~3,呈整体下降趋势;冬春季PM_(2. 5)与PM_(10)浓度较高、秋季次之、夏季低; 2014～2018年PM_(2. 5)与PM_(10)浓度月变化趋势基本相同,整体呈现4～6月逐渐下降,10～12月逐渐上升的规律; PM_(2. 5)与PM_(10)浓度各季节及全年的日变化均呈双峰型; PM_(2. 5)与PM_(10)的相关系数为0. 87,四季系数为r冬季(0. 91) r夏季(0. 90)r秋季(0. 88) r春季(0. 72); PM_(2. 5)/PM_(10)的平均值为0. 83,大气颗粒物PM_(2. 5)的贡献率非常高。     

城市钢厂大气颗粒物环境风险预警方法探索

有效的环境预警体系对城市钢厂的可持续发展至关重要。大气颗粒物是钢铁生产中排放的主要污染物之一,具有排放源数量大、点源面源共存、无组织排放量占比高等特点。以南方某钢铁集团的烧结厂区域为例,使用BP人工神经网络模型,研究城市钢厂的大气颗粒物风险预警方法。模型使用背景值、气象参数、生产参数作为输入层,颗粒物浓度为输出层进行训练。结果显示,训练集和测试集的相关系数R分别为0.996 4和0.995 8,大部分样本的颗粒物浓度预测值误差在±5μg/m~3范围内,BP网络模型的预测精度较高。     

燃放烟花爆竹对自贡市环境空气质量的影响分析

利用2016～2019年春节期间自贡市环境空气自动监测系统主要污染物浓度小时及日监测数据,分析燃放烟花爆竹及采取禁燃措施对自贡市空气质量的影响。结果显示:集中燃放烟花爆竹会造成短时空气严重污染,但随着自贡市实行行政辖区内全面禁止销售、燃放烟花爆竹,污染状况明显改善,2019年污染时段在春节期间占比较2016下降45. 6%。颗粒物浓度(PM_(2. 5)、PM_(10))大幅度下降,2019年春节期间PM_(2. 5)和PM_(10)均值分别为73μg/m~3和104μg/m~3,2019年春节期间PM_(2. 5)和PM_(10)均值分别较2016年同期下降了55. 2%和51. 6%。烟花爆竹对PM_(10)和PM_(2. 5)浓度影响明显高于SO_2、CO、O_3、NO_2。春节期间有利的气象因素对自贡市污染物的稀释和扩散具有一定的影响,但禁燃烟花爆竹对颗粒物浓度降低起决定性作用。     

乌鲁木齐大气污染物变化特征及综合评价

随着经济发展和城市化速度加快,大气污染已经成为区域性环境问题,基于2001～2018年乌鲁木齐市城市空气质量监测数据,选取SO_2、NO_2、PM_(10) 3种常规大气监测污染物作为乌鲁木齐大气环境体系评价指标,利用AHP层次分析法,建立大气污染物层次构造模型,对乌鲁木齐市大气环境质量作出综合评价。结果表明:乌鲁木齐市大气2001～2014年期间环境质量为三级,2015～2018年环境质量为二级,大气污染物权重排序为:煤改气前PM_(10)SO_2NO_2,煤改气后PM_(10)NO_2SO_2,说明乌鲁木齐市大气颗粒物占主要作用,"煤改气"能源结构调整使SO_2的浓度也有所降低,大气污染类型从以前的煤烟型污染向复合型污染逐渐转化。各年度大气质量优劣依次为2014～2018呈现逐年变好的趋势,2001～2013年有升高也有降低交替存在,整体评价与乌鲁木齐市环境质量状况公报公布的一致。表明大气环境质量改善趋势较明显,研究成果为探索乌鲁木齐市大气环境治理提供重要依据。     

气象因素对长沙颗粒物浓度影响的季节性差异分析

利用回归分析和相关性分析研究气象因素对长沙PM_(2.5)、PM_(10)浓度影响的季节性差异。研究表明:(1)春季,与PM_(2.5)、PM_(10)浓度相关系数最大的气象因子分别为日降水量、日最高气温;夏季均为日最大风速;秋季均为日平均相对湿度;冬季为日降水量、日最高气温。(2)秋季气象因素与PM_(2.5)多元回归分析R~2(P0.01)最大,为0.269;春季次之,R~2为0.159;春、冬季较低,R~20.1;秋季气象因素与PM_(10)多元回归分析R~2(P0.01)最大,为0.572;春、夏、秋季,R~2分别为0.258、0.265、0.252。本结果揭示了不同季节气象条件影响PM_(2.5)、PM_(10)浓度的差异程度,利于提高城市PM10、PM_(2.5)预测的精度水平。     

基于支持向量机-小波神经网络的PM_(2.5)预测模型

近年来我国多地区雾霾天气频发,针对PM_(2.5)浓度变化的非线性、时变性等特点,建立了基于支持向量机-小波神经网络(SVM-WNN)的组合预测模型。采用网格搜索算法对SVM的参数进行优化,利用优化后的模型进行初始预测,并结合WNN强大的非线性拟合能力的特点对其预测残差进行修正。以石家庄市每小时监测的PM_(2.5)浓度数据为样本建立模型并进行预测,结果表明,组合模型预测的平均相对误差为7. 2%。对比单一模型,组合模型的预测的效果更好,这也为短时PM_(2.5)浓度预测提供一个新的方法。     

不同工况下细颗粒物分级捕集效率的研究

在模拟不同工况条件(入口粉尘浓度、入口风量)下,采用荷电低压冲击系统(ELPI)测试电袋复合除尘器对细颗粒物的分级捕集效率。实验发现:随着入口粉尘浓度的增加,PM_(1.0)、PM_(2.5)及PM_(10)的捕集效率呈现增大的趋势;随着系统风量的增大,PM_(1.0)、PM_(2.5)及PM_(10)的捕集效率呈现下降趋势,工况条件的变化对粒径较小的颗粒物的影响更为明显,会显著改变其捕集效率。     

济南市石化企业大气污染物周末效应研究

利用2016年6-9月石化企业周边大气污染物(PM_(2.5)、SO_2、O_3、NO、NO_2、CO)浓度的连续观测数据,研究了PM_(2.5)、SO_2、O_3的"周末效应"及出现的原因。结果显示,PM_(2.5)、SO_2存在工作日浓度明显高于周末浓度的"周末效应"现象。PM_(2.5)、SO_2的"周末效应"与人类活动强度在工作日较大有着密切关系。O_3的"周末效应"表现为:抑制阶段周末浓度较高,光化学生成和消耗阶段工作日浓度较高,可能的原因是在上述阶段周末NO浓度较低,而NO_2和CO浓度较高。     

四川省近年来空气质量变化趋势及污染特征分析

采用2013～2017年四川省环境空气质量监测数据,按照国家最新标准及技术规范分析空气质量变化趋势及污染特征。结果表明:四川省城市空气质量总体逐年好转,优良天数率在80%左右波动上升;PM_(10)和SO_2浓度高于全国平均下降率;PM_(2.5)浓度与全国平均下降率持平;NO_2浓度在2017年开始反弹明显;细颗粒物二次转化问题突出,PM_(2.5)/PM_(10)比例在62%左右;NO_2/SO_2逐年上升,大气氧化性逐年增强;21个城市O_3第90百分位浓度平均升幅为10.7%,O_3造成的污染天数逐年上升。大气污染形势的变化表明加大对VOCs和NO_X的协同减排刻不容缓。     

成都市城区大气污染特征及其假日效应研究

对成都市城区O_3、SO_2、NO_X、CO、PM_(2.5)、PM_(10)、苯和甲苯进行了为期一年的在线观测。结果表明:成都市超标最严重的为NO_X,年平均质量浓度为(100. 9±61. 5)μg/m3,超标天数为119 d。PM_(2.5)、PM_(10)、CO和NO_X的浓度均为冬季最高; O_3春夏季高而冬季低; SO_2浓度冬季相对较高但总体水平较低。春、夏、秋季成都市大气中苯系物的主要来源为机动车,冬季则是机动车源和燃烧源的综合贡献。O_3日变化呈"单峰型"; NO、苯和甲苯都在上午出现峰值; NO_2与PM_(10)、PM_(2.5)均呈现出"双峰双谷"型日变化; CO也为双峰型日变化。各大气污染物浓度没有明显"周末效应",但"长假效应"显著。