2008年北京市PM_(10)的粒度分布分形维数变化特征

2007年11月-2008年10月间在北京市市中心和西北城区采集了不同季节的PM10样品,并借助扫描电子显微镜和图像分析软件对其进行粒度分布分形维数分析。结果表明,颗粒物中细颗粒物越多,粒度越细,则颗粒物粒度分布分形维数值越大。2008年西北城区的PM10的粒径分布分形维数较大,市中心的较小。市中心的粒度分布分形维数在1.95～2.59之间,各个季节的分形维数呈现冬季春季夏季秋季,西北城区的粒度分布分形维数在2.58～2.72,各个季节的分形维数呈现秋季夏季冬季春季,说明在市中区冬季PM10粒度较细,而在西北城区秋季的颗粒物偏细。与2005年同季相比,2008年的总体颗粒物和烟尘集合体的粒径分布分形维数较大,矿物颗粒的粒度分布分形维数较小,并且总分布的季节变化一致。2008奥运期间的PM10粒度分布分形维数在2.28～3.39之间变化,标志着颗粒物总体变细的趋势。     

一次连续在线观测分析天津市细颗粒物污染特征

根据2005年的5月17日—5月23日GR IMM(1.109#)谱分析仪在线观测结果考察天津市细颗粒物浓度和质量浓度特征。观测期间,天津市颗粒物数浓度平均值为1 124 cm-3,粒径分布为0.25μm~0.60μm,98.5%粒子的粒径0.65μm。同期PM10日均质量浓度值为204μg/m3,ρ(PM2.5)为104μg/m3,ρ(PM1.0)为82.9μg/m3。ρ(PM1.0)/ρ(PM2.5)超过80%,粒径1μm超细颗粒物为天津城市大气颗粒物的主要成分。     

江苏可吸入颗粒物爆发式增长污染特征分析

文章利用环境监测资料、FNL资料、GDAS1资料对2014-2019年江苏省可吸入颗粒物爆发式增长污染过程(EGIPM)的特征及成因进行分析。结果表明：(1)江苏省EGIPM的发生与气象条件和人为活动有很大关系。时间上呈逐年下降趋势，空间分布上复杂多变，无一致性规律。当空气质量为轻度污染及以下时，可吸入颗粒物更易出现爆发式增长。(2)首要污染物为PM_2.5的EGIPM，其污染日持续时间长于首要污染物为PM₁₀的过程。可吸入颗粒物增长速度PMRR₁₀明显高于PMRR_2.5。(3)造成EGIPM的4种地面天气形势分别为高压控制型、低压辐合型、冷锋南下型和均压场型。均压场型出现的频率最高，冷锋南下型影响范围最广。(4)不同首要污染物来源不同，PM_2.5主要来自中低层近距离输送，PM₁₀主要来自高空远距离沙尘输送。     

郴州市环境空气质量现状及成因分析

文章对郴州市区2001-2010年城市空气质量状况进行归纳和分析,得出郴州市区大气污染因子二氧化氮、二氧化硫和可吸入颗粒物的变化趋势,并分析了大气污染物的来源;提出了加强节能减排等一系列大气污染防治对策与建议。     

燃煤电厂的可吸入颗粒物排放

简要分析了燃煤过程中可吸入颗粒物的形成机理，指出燃煤电厂对可吸入颗粒物的贡献及目前控制可吸入颗粒物排放措施的局限性，提出电厂在脱硫的同时应控制可吸入颗粒物等污染物的排放。     

安徽治霾不“任性”

在雾霾频发,新鲜空气俨然成了奢侈品的当下,安徽省的大气污染防治工作进展如何?记者日前从安徽省环保厅获悉,在经济社会进入新常态下,安徽以新《环保法》及《安徽省大气污染防治条例》实施为主抓手,全省的大气污染防治工作迎来了全新局面。2014治霾成绩单2014年,安徽省政府与各市政府签订了大气污染防治目标责任书,对各地环境空气质量和大气污染防治工作开展情况实行“双考     

2014年全国重点监测城市空气排行榜(国家环保部版)

<正>今年2月2日,中国环保部公布了2014年京津冀、长三角、珠三角区域和直辖市、省会城市及计划单列市共74个城市空气质量状况。这位负责人介绍说,按照《环境空气质量标准》评价,2014年,京津冀、长三角、珠三角等重点区域和直辖市、省会城市及计划单列市共74个城市中,海口、拉萨、舟山、深圳、珠海、福州、惠州和昆明8个城市的细颗粒物(PM2.5)、可吸入颗粒物(PM10)、     

可再生能源发电对PM_(10)和PM_(2.5)减排的贡献核算

发展可再生能源发电是《大气污染防治行动计划》的一项重要措施,有助于推进PM10和PM2.5减排,改善空气质量。从生命周期来看,各类可再生能源发电的PM10和PM2.5排放系数均低于燃煤火电,各类可再生能源发电单位发电量的PM10和PM2.5减排因子由高到低依次为水电并网风电太阳能发电生物质发电。通过生命周期评价计算可知,以可再生能源发电替代燃煤发电,PM10和PM2.5在2012年已经实现了较好的减排效果,减排量分别为37.87×104和18.94×104ta;未来仍将具有较大的减排潜力,2015年PM10和PM2.5可分别减排44.21×104和22.10×104ta,2020年PM10和PM2.5可分别减排65.41×104和32.71×104ta。     

春季南充城区PM_(10)污染水平及其水溶性离子特征研究

采用中流量颗粒物采样器采集了60个可吸入颗粒物(PM10)环境样品,并用离子色谱法(IC)对所采集样品中的8种水溶性离子组成特征进行了分析。结果显示,春季南充城区空气质量良好,PM10中8种水溶性离子浓度大小为SO2-4NO-3Ca2+Na+Cl-K+F-Mg2+。其中SO2-4、NO-3和Ca2+的平均质量浓度分别占总水溶性无机离子(TWSII)的62.4%、23.9%和4.7%。NO-3和SO2-4及Ca2+和Mg2+具有良好的相关关系,燃煤源对PM10的贡献大于机动车移动排放源的贡献;水溶性无机离子主要以NaCl、MgSO4和Mg(NO3)2的形式存在。     

Dry deposition of PM10 over the Yellow Sea during Asian dust events from 2001 to 2007

Dry deposition velocities and fluxes of PM10during Asian dust events over the Yellow Sea from 2001 to 2007 were investigated using observation data in Qingdao, China and Jeju, Korea. The dry deposition velocities of PM10 during dust events over the Yellow Sea ranged from 0.19 to 8.17 cm/sec, with an average of 3.38 cm/sec. Dry deposition fluxes of PM10during dust events over the Yellow Sea were in the range of 68.5–2647.1 mg/(m2·day), with an average of 545.4 mg/(m2·day), which is 2–10 times higher than those reported by other studies for both dust and non-dust periods. It was estimated that 2.6 × 1011–48.7 × 1011g dust particles deposit to the Yellow Sea during dust events through dry deposition every year. Compared with the results in previous studies, it was found that the dry deposition of PM10over the Yellow Sea during dust events in the years with high frequency of dust could account for a large or overwhelming fraction of the annual total dry deposition. Backward air mass trajectory analysis showed that dust events influenced Jeju mainly originated from the desert regions located in Mongolia and Inner Mongolia, China. There were 119 backward trajectories influenced both Qingdao and Jeju during 15 dust events from 2001 to 2007, accounting for 61.3% of the total trajectories of 194, indicating that Qingdao and Jeju were usually on the same pathway of dust transport downwind from source areas.