乌鲁木齐市可吸入颗粒物(PM10)与总悬浮颗粒物(TSP)的相关性规律浅析

通过对乌鲁木齐市的PM10和TSP数据的对比分析，找出PM10在TSP中所占比率（分担率）在采暖季和非采暖季的变化范围，从而使过去采集的TSP数据与PM10数据有一定的可比性，保证监测数据的连续可比。     

因子分析法解析北京市大气颗粒物PM10的来源

2004年10月份在北京市6个采样点采集了大气PM10样品,分析了大气颗粒物的质量浓度、元素组成、离子、有机碳(OC)和元素碳(EC)的浓度,并用因子分析模型对颗粒物的来源进行了研究。结果显示,北京市大气颗粒物的来源主要有6类:建筑水泥尘/机动车尾气尘/燃煤尘、土壤风沙尘、二次粒子尘、工业粉尘、生物质燃烧尘和燃油尘。用模型计算得到的各源对PM10的贡献率分别为建筑水泥尘/机动车尾气尘/燃煤尘占36.57%、土壤风沙尘占16.07%、二次粒子尘占12.33%、工业粉尘占10.29%、生物质燃烧尘占6.07%、燃油尘占3.84%、其它占14.84%。其中建筑水泥/机动车尾气尘/燃煤尘、土壤风沙尘、二次粒子尘、工业粉尘是大气颗粒物PM10的主要来源。实验表明,在缺少源成分谱时可以用因子分析模型来分析大气颗粒物的来源及其相对贡献。     

广州冬季霾天气大气PM2.5污染特征分析

收集了2005年12月至2006年2月的PM2.5浓度观测数据及同步气象数据,分析了冬季PM2.5质量浓度日变化趋势以及霾日期间PM2.5质量浓度日变化和小时变化趋势.结果发现,观测期间PM2.5日均值浓度为69μg/m3,霾日期间PM2.5日均值浓度为72μg/m3.冬季霾天气的发生频率为45%,霾天气过程最短持续2天,最长持续9天.较高的PM2.5浓度和较高的相对湿度及较小的风速是导致霾天气形成的主要原因.霾日期间PM2.5小时浓度变化趋势与人类活动周期和气象条件密切相关.     

南通市冬季PM2.5中水溶性离子污染特征

根据南通市2016和2017年冬季大气多参数站自动监测PM2.5数据和在线离子色谱分析仪Marga监测的PM2.5中水溶性离子数据,分析了南通市冬季PM2.5中水溶性离子污染特征。结果表明,南通市2016和2017年冬季,ρ(PM2.5)分别为58和54μg/m 3,均高出其年均值(14μg/m^3);ρ(水溶性离子)总占ρ(PM2.5)百分比分别为74.5%和74.3%;二次离子ρ(NO3^-、SO4^2-和NH4^+)占ρ(PM2.5)百分比分别为66.8%和66.6%;各水溶性离子占比大小依次为:NO3^-、SO4^2-、NH4^+、Cl^-、K^+、Na^+、Ca^2+、Mg^2+。对ρ(NO3^-)/ρ(SO 4^2-)分析表明,移动源已经成为南通市冬季的主要污染源,且呈逐年增强趋势。对氯氧化率和硫氧化率的分析表明,南通市冬季存在较明显的二次污染,SO2的转化程度大于NO2。除Na^+和Mg^2+外,其他离子与PM2.5均呈显著相关性,NO3^-、SO4^2-与NH4^+之间的相关系数最高,Cl^-与除Na^+外的所有阳离子均呈显著相关性。     

2017年上半年北京市及周边地区空气质量特征分析

依托北京市、廊坊市和保定市高密度的地面空气质量监测、气象要素监测以及PM_2.5化学组分监测和后向轨迹分析等手段，对2017年上半年三地的空气质量进行分析。研究发现：三地中北京市空气质量较好，保定市较差。分污染物来看，保定市SO₂浓度水平明显高于廊坊市和北京市，颗粒物PM₁₀和PM_2.5也呈现保定市最高、北京市最低的规律。从污染物日变化来看，CO、SO₂、NO₂、PM₁₀和PM_2.5呈双峰型分布，O₃呈单峰型分布。从区域整体分布规律来看，PM_2.5和SO₂呈现明显的"南高北低"特征。PM_2.5化学组分分析结果表明：1—4月燃煤对该区域空气质量的影响较大，5—6月机动车排放的影响更为凸显。后向轨迹分析结果表明：在2017年上半年到达北京市的气流中有24%来自于北京市南部，且这些气流多为低空传输，表明区域传输对于北京市空气质量具有一定的影响。     

表征室外人体暴露的监测网络设计(续完)

对悬浮颗粒物室外人体暴露的测定一直受到可用资源的限制。设计有效的网络就要求对测定方法的选择、采样点的数量、采样时间、采样频率等进行调整。采样位置要求能表征因周围污染源对附近地区和城市最小影响的空间数值。虽然大多数判定PM是否达标的测定方法是每第3天至第6天的24h监测，但是室外人体暴露的评价要求连续监测一整天。最好有1h或更短时间的监测时段。更详细的粒径大小和化学性质数据也很有必要，因为较小的颗粒及其特殊的化学物质要比总的样品质量更有助于反映对健康的不良影响。     

表征室外人体暴露的监测网络设计(续一)

对悬浮颗粒物室外人体暴露的测定一直受到可用资源的限制，设计有效的网络就要求对测定方法的选择、采样点的数量、采样时间、采样频率等进行调整。采样位置要求能表征因周围污染源对附近地区和城市最小影响的空间数值。虽然大多数判定PM是否达标的测定方法是每第3天至第6天的24h监测，但是室外人体暴露的评价要求连续监测一整天，最好有1h或更短时间的监测时段。更详细的粒径大小和化学性质数据也很有必要，因为较小的颗粒及其特殊的化学物质要比总的样品质量更有助于反映对缝康的不良影响。     

空气中SO2,PM2.5浓度水平与居民每日门诊就诊人次的动态研究

通过对１９９５年重庆渝中区空气中ＳＯ２、ＰＭ２．５浓度水平与居民每日就诊人数的动态观察发现：居民内科各月门认及诊人次按病种分类显示，慢性阻塞性肺部疾病（ＣＯＰＤ）在空气ＳＯ２、ＰＭ２．５空气浓度水平出现峰值的一月份呈现高峰；各年龄组四大类疾病的延迟七日的门诊女性就认人次中，ＣＯＰＤ和循环系统疾病的就诊人次与ＳＯ２、ＰＭ２．５浓度相关系数在０．４－０．７之间，有较为密切的关系。ＣＯＰＤ的时间聚集性分     

characteristics of PM2.5 in rural areas of southern Jiangsu Province, China

Introduction Anumberofstudiesabroadhavedemonstratedthat atmosphericfineparticulatematter(PM2.5,dp<2.5μm)is notonlyassociatedwithatmosphericvisibilityreductionbut alsohasaclearcorrelationwiththenumberofdailydeathsandhospitalizationsasaconsequenceofpulmonarydisease(Chan,1997;Christoforous,2000;Schwartz,1996;Wilson,1997).On18July,1997,theU.S.EnvironmentalProtectionAgency(USEPA)promulgatednewandsevere standardsforfineparticulates(PM2.5)withthesizebelow2.5μm(15μg m3asannualaverage,65μg m…     

Characteristics and source apportionment of PM2.5 under the dual influence of the Spring Festival and the COVID-19 pandemic in Yuncheng city

Based on the online and membrane sampling data of Yuncheng from January 1st to February 12th, 2020, the formation mechanism of haze under the dual influence of Spring Festival and COVID-19 (Corona Virus Disease) was analyzed. Atmospheric capacity, chemical composition, secondary transformation, source apportionment, backward trajectory, pollution space and enterprise distribution were studied. Low wind speed, high humidity and small atmospheric capacity inhibited the diffusion of air pollutants. Four severe pollution processes occurred during the period, and the pollution degree was the highest around the Spring Festival. In light, medium and heavy pollution periods, the proportion of SNA (SO₄²⁻, NO₃⁻ and NH₄⁺) was 59.6%, 56.0% and 54.9%, respectively, which was the largest components of PM_2.5; the [NO₃⁻]/[SO₄²⁻] ratio was 2.1, 1.5 and 1.7, respectively, indicating that coal source had a great influence; the changes of NOR (nitrogen oxidation ratio, 0.44, 0.45, 0.61) and SOR (sulphur oxidation ratio, 0.40, 0.49, 0.65) indicated the accumulation of secondary aerosols with increasing pollution. The coal combustion, motor vehicle, secondary inorganic sources and industrial sources contributed 36.8%, 26.59%, 11.84% and 8.02% to PM_2.5 masses, respectively. Backward trajectory showed that the influence from the east was greater during the Spring Festival, and the pollutants from the eastern air mass were higher, which would aggravate the pollution. Meteorological and Spring Festival had a great impact on heavy pollution weather. Although some work could not operate due to the impact of the COVID-19 epidemic, the emission of pollutants did not reduce much.