黄渤海区域水产品中全氟烷基物质的分布特征

选取黄渤海区域水产品生产、消费水平较高的23个城市,采集鱼类、海洋贝类、甲壳类、头足类及海珍品（海参、鲍鱼）等5类水产品共1225个样本,采用超快速液相色谱-串联质谱法测定了23种全氟烷基物质（PFASs）的含量,并分析了黄渤海区域水产品中PFASs的残留水平及分布特征.结果表明,黄渤海区域水产品中PFASs的残留水平具有明显的组分差异、城市分布及品种分布差异等特征.在23种PFASs组分中,共检出20种PFASs,其中全氟辛烷磺酸（PFOS）和全氟辛酸（PFOA）的检出率最高,分别为79.1%和71.7%,且PFOA的质量浓度占比最高（64.5%）,为首要污染组分;在不同采样点样本中,莱州湾近岸的潍坊、滨州和东营,渤海湾近岸的沧州以及辽东湾近岸的营口为PFASs总质量浓度（∑PFASs）较高的城市,残留水平范围为10.2~16.8μg/kg;在不同品种样本中,检出PFASs组分的数量由高到低为：鱼类（20种） > 海洋贝类、甲壳类（18种） > 海珍品（16种） > 头足类（10种）,其中海洋贝类、海珍品样本中检出率最高的是PFOA,鱼类、甲壳类样本中检出率最高的是PFOS,而头足类则是全氟辛烷磺酰胺（PFOSA）;通过计算不同水产品中PFASs各组分的平均含量发现,PFOA、PFOS、全氟十一烷酸（PFUdA）和PFOSA在不同品种中平均含量相对较高,且表现出较为明显的组分差异性;通过计算危害指数（HR）评价人体暴露于PFASs的健康风险,得到PFASs各组分的危害指数均 < 1,说明黄渤海区域水产品中残留的PFASs对消费者的潜在健康风险较低.     

典型西南工业城市春冬季PM2.5来源与潜在源区分析——以柳州市为例

为了揭示柳州城区春冬季PM_2.5的来源及其潜在源区分布和贡献,利用2018年24h自动监测数据和气象数据对柳州市大气污染物浓度变化特征进行了分析,并且使用后向轨迹模型（HYSPLIT）对春冬季柳州市PM_2.5逐日72h气流后向轨迹和前向轨迹进行聚类分析,同时结合潜在源贡献因子分析法（WPSCF）和轨迹浓度权重法（WCWT）对其潜在源区和浓度贡献进行了分析.结果显示,（1）在研究期内,不利的主导风向和工业区布局导致研究区PM_2.5在春冬季污染较严重,且工业源和交通源是其主要本地来源;（2）春冬季PM_2.5高值主要来源于西北和东南方向,其中,西北向PM_2.5主要来源于本地排放,且浓度在空间上呈现西高东低的趋势;（3）春季后向轨迹PM_2.5浓度整体大于冬季,春冬季中对柳州市PM_2.5影响最大轨迹均来自东部的短距离输送,而来自西北的气流轨迹输对PM_2.5贡献最低.春冬季柳州市大气PM_2.5通过气流传输对贵州地区大气环境有较大影响;（4）春季,柳州市PM_2.5的主要潜在源区分布在广西东南部、广东中西部、南海沿岸海域、湖南中部、江西西北部、湖北东部及安徽西北部;冬季,主要分布在广西东南部、广东西南部和南海沿岸海域.     

2018年秋冬季长江三角洲区域PM2.5污染来源数值研究

使用WRF-Chem和WRF-FLEXPART模式定量研究了2018年秋冬季,尤其是在明显冷空气影响时的长江三角洲PM_2.5来源贡献.结果表明：2018年秋冬季长江三角洲以外的跨区域输送对长江三角洲PM_2.5的贡献占15.9%,长江三角洲内部排放贡献占84.1%,长江三角洲区域内部排放及污染相互传输的影响比长江三角洲外跨区域输送的影响更为显著.而在冷空气影响时段中,跨区域输送对长江三角洲PM_2.5的贡献率为33.1%,约为整个秋冬季长江三角洲外部跨区域平均输送贡献率的2倍,输送影响更为明显;输送对长江三角洲三省一市的贡献为46.2%~56.2%,其中跨区域输送的贡献10.2%~38.6%,也明显大于各自秋冬季的平均水平.在冷空气影响时段,长江三角洲四座重点城市（上海、合肥、南京、杭州）的污染潜在输送路径主要以中东路为主;上海、南京受到长江三角洲以外的污染潜在贡献较多,超过30%;杭州受到长江三角洲以外的污染潜在贡献较少,为16.1%.     

杭州湾北岸上海段石化集中区臭氧重污染过程研究

为研究杭州湾O₃污染的形成机制,采用在线监测系统对杭州湾北岸上海段石化集中区O₃及其前体物开展了为期1个月(2019年5月)的同步连续观测.采用OZIPR(臭氧等值线研究)模型分析O₃生成的敏感性.在O₃重度污染期间,利用PMF(正定矩阵因子分解)模型对O₃前体物——VOCs进行源解析,采用臭氧生成潜势及气团老化分别估算了VOCs的反应活性和化学消耗.结果表明:①2019年5月杭州湾北岸上海段石化集中区O₃的IAQI(空气质量分指数)优良率仅为61.3%,ρ(O₃)第90%分位值为173.0 μg/m3.5月22日、23日发生重度O₃污染,O₃日最大8 h滑动平均值分别为(284.4±19.2)(282.0±14.2)μg/m3,分别超过GB 3095—2012《环境空气质量标准》二级标准限值(160 μg/m3)的77.75%和76.25%.②O₃的生成受VOCs控制,降低VOCs的排放可在一定程度上降低O₃的生成,降低NO_x的排放反而会促进O₃的生成.③O₃重度污染期间,VOCs主要来自化工区排放(72.35%)和机动车尾气排放(27.65%).④O₃重度污染期间,烯烃、炔烃及芳香烃对O₃生成的贡献率之和在80.00%以上,其中丙烯、乙烯和甲苯的贡献率分别为29.97%、15.60%和14.16%;芳香烃及烯烃和炔烃是最主要的VOCs化学消耗物种,其中φ(丙烯)、φ(乙烯)和φ(1,2,4-三甲苯)的消耗量分别为13.57×10-9、4.93×10-9和3.55×10-9.研究显示,杭州湾北岸上海段5月O₃的生成受化工区影响显著,丙烯与乙烯是O₃重污染期间关键的O₃前体物.      

降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

我国中部地区大气CO2柱浓度时空分布

基于日本GOSAT及美国AIRS反演数据产品,对我国中部六省大气CO₂时空分布特征进行研究,结果表明：由GOSAT反演的中部地区2010~2013年大气CO₂年均柱浓度由389.36×10^-6增长到396.52×10^-6,年均绝对增长率达2.39×10^-6/a,呈现出冬春季高值、夏秋季低值的季节变化特征,其柱浓度年均值及去长期趋势后的月均值均略低于长三角地区,高于京津冀和东三省地区;其CO₂柱浓度高值区集中在湖南、江西及周边一带,年均绝对增长率为2.01×10^-6,其柱浓度年均值及去长期趋势后的月均值与长三角地区相当,略低于京津冀和东三省地区,由于受地面源汇影响较小,其与GOSAT反演结果相反,可能是由于AIRS反映了对流层中层大气状况,而GOSAT则更多地反映了近地面层大气CO₂变化.     

近10年中国三大经济区太阳总辐射特征及其与O3、PM2.5的关系

采用中国地面气象观测站网2007~2016年的辐射日值数据集和中国空气质量在线监测平台2014~2016年逐日观测数据,分析了京津冀、长三角和珠三角近10a太阳总辐射年际和季节变化,近3a臭氧日最大8h平均（O_{3_8h_max}）和细颗粒物（PM_2.5）的污染过程频次变化,通过不同因子及其不同强度等级的分型统计,探讨PM_2.5、O_{3_8h_max}与太阳总辐射的关系.结果表明：京津冀近10a太阳总辐射显著上升,京津冀春季和珠三角夏季太阳总辐射显著上升.三大经济区PM_2.5污染过程年频次均呈现逐年递减,且从北到南递减;O₃污染过程年频次时间上呈现先减后增,空间上京津冀多于长三角和珠三角.三大经济区O_{3_8h_max}与太阳总辐射相关系数均在0.71以上,有较强的正相关;而PM_2.5与太阳总辐射的相关性具有区域差异性.三大经济区不同季节不同太阳总辐射下O_{3_8h_max}与PM_2.5的相关关系差异显著,其中京津冀春夏秋三季O_{3_8h_max}与PM_2.5在强太阳总辐射下有较好的正相关,冬季则存在一定的负相关;长三角四季两者相关性均较弱;珠三角夏季两者正相关最为显著;不同PM_2.5浓度下O_{3_8h_max}与太阳总辐射的线性拟合效果较好,体现出较强的正相关关系,各经济区拟合曲线的倾向率均随PM_2.5升高而增大.PM_2.5>75μg/m³时拟合优度均达到最大.     

天津大气稳定度和逆温特征对PM2.5污染的影响

利用气象铁塔资料分析了逆温频率和强度,采用温差-风速法计算了天津地区大气稳定度,探讨了其相互关系及对PM_2.5浓度月均值和超标日的影响,并对一次重污染过程中大气稳定度和逆温分布特征进行了分析.结果表明,2015年9月~2017年8月A,B,C,D,E和F类大气稳定度发生频率依次为6.7%,11.4%,22.4%,46.1%,11.1%和2.2%,秋冬季节稳定类天气（E,F类）较多,全年白天各时段均以不稳定类大气为主,夜间大气稳定度以中性为主,秋冬季夜间稳定类高达30%~40%.观测期内冬季逆温频率最高,5：00~8：00和21：00~23：00超过90%,冬季逆温强度也最高.随着稳定类大气层结日数的增多,PM_2.5月均值和污染日数均有所增大,同时逐月PM_2.5均值、污染日发生频率均与逆温发生频率呈正相关关系.2016年12月16~21日的一次重污染天气过程显示,PM_2.5受到大气稳定度和逆温发展的影响,霾形成、雾-霾交替和消散等阶段大气稳定度和逆温特征具有显著的不同.大气持续趋于稳定及逆温强度的逐渐增大,对污染生成和维持起了非常重要的作用,污染过程中大气稳定度和逆温特征的精细化分析有助于提升重污染天气预报预警水平.     

The effects of autophagy on vascular endothelial cells induced by airborne PM2.5

The purpose of this study was to examine the direct toxicity of PM2.5 collected from Beijing on human umbilical vein endothelial cells(HUVEC). A Cell Counting Kit 8(CCK8) assay demonstrated that PM2.5 exposure decreased the proliferation of HUVECs in a dosedependent manner. We also found that PM2.5 exposure induced autophagy in HUVECs, as evidenced by:(1) an increased number of double-membrane vesicles;(2) enhanced conversion and punctuation of the microtubule-associated protein light chain 3(LC3); and(3) decreased levels of the selective autophagy substrate p62 in a time-dependent manner.Furthermore, promoting autophagy in PM2.5-exposed HUVECs with rapamycin increased the cell survival rate, whereas inhibiting autophagy via 3-methyladenine significantly decreased cell survival. These results demonstrate that PM2.5 exposure can induce cytotoxicity and autophagy in HUVECs and that autophagy play a protective role against PM2.5-induced cytotoxicity. The findings of the present study imply a direct toxic effect of PM2.5 on HUVECs and provide novel insight into the mechanism of cardiovascular diseases caused by PM2.5 exposure.     

Relationship between PM10 and PM2.5 levels in high-traffic area determined using path analysis and linear regression

The objective of this study was to determine the relationship between PM_(10) and PM_(2.5) levels as related to meteorological conditions and traffic flow using both a linear regression analysis and a path analysis. The Particulate matter(PM) samples were collected from Sukhumvit road, Bangkok, Thailand, at both open(104 samples) and covered(92 samples)areas along the road. Fifteen percent of all samples were separated before the statistical models were run and used for model validation. The results from the path analysis were more elaborate than those from the linear regression, thus indicating that meteorological conditions had a direct effect on the particulate levels and that the effects of traffic flow were more variable in open areas. The model also indicated that meteorological conditions had an indirect effect and that traffic flow had a direct effect on particulate levels in covered areas. The model validation results indicated that for open areas, the R~2 values were not very different between the path analysis and the linear regression model, but that the path analysis was more accurate than the linear regression model at very low PM concentrations. At high PM concentrations, the path analysis model also had a better fit than did the linear regression, so the predictions from the path analysis model were more accurate than those from the linear regression.