华中地区夏季PM2.5中水溶性离子污染特征及来源分析

为探究我国华中地区不同区域夏季大气PM_2.5中水溶性离子污染特征及来源,选取武汉、随州和平顶山分别作为城市、郊区和农村监测站点进行大气PM_2.5样品采集,分析了大气中PM_2.5质量浓度以及8种水溶性无机离子含量.结果表明,采样期间3个站点ρ（水溶性离子）呈明显的空间分布特征,即:平顶山[（36.29±9.82）μg·m^-3]>武汉[（32.55±10.05）μg·m^-3]>随州[（26.10±6.23）μg·m^-3],分别占PM_2.5的质量分数为52.47%、 51.32%和48.61%,平顶山站点由于农村生物质燃烧活动,水溶性离子占比最大,其中,二次离子（SNA）是主要的离子成分,分别占总水溶性离子的95.65%、 96.12%和97.33%.武汉（0.64）和随州（0.63）站点硫氧化率均值高于平顶山站点（0.50）,而武汉（0.18）和平顶山（0.19）站点氮氧化率高于随州站点（0.15）,站点间硫氧化率和氮氧化率差...     

“大气十条”实施结束川南城市群秋季霾污染过程中水溶性离子特征

为了解《大气污染防治行动计划》（“大气十条”）实施结束后川南城市群大气PM_2.5的污染状况,于2018年11月7～19日在内江、自贡、宜宾和泸州这4个城市同步采集PM_2.5样品,结合天气形势分析了秋季PM_2.5及主要水溶性离子的污染特征,并利用后向轨迹聚类分析探讨了区域输送对该地区大气污染的影响.结果表明,川南城市群秋季大气平均ρ(PM_2.5)为（67.2±38.3）μg·m^-3,泸州最高而内江最低;SNA(SO^2-₄、 NO^-₃和NH⁺₄)在PM_2.5中占比为33.3%,其中NO^-₃为首要离子组分;由“大气十条”实施中期（2015年）至实施结束（2018年）,内江、宜宾和泸州秋季ρ(PM_2.5)分别增加了13.8%、 47.2%和69.1%,自贡持平;由于大气...     

天津市PM2.5-O3复合污染特征及来源分析

为了解天津市PM_2.5-O₃复合污染特征及来源,基于2017～2019年高时间分辨率PM_2.5、 O₃和挥发性有机物（VOCs）在线监测数据,对复合污染下天津市VOCs浓度水平、化学组成及O₃和二次有机气溶胶（SOA）生成潜势来源进行分析.结果表明,2017～2019年,天津市复合污染日为34 d,分布在每年的3～9月,年度变化呈现稳中略升趋势;小时ρ(PM_2.5)在75～85μg·m^-3时,小时ρ（O₃）存在峰值区(301～326μg·m^-3).复合污染下ρ（VOCs）为72.59μg·m^-3,烷烃、芳香烃、烯烃和炔烃质量分数分别为61.51%、 20.38%、 11.54%和6.57%; VOCs中浓度较高的前20种物种的浓度均上升,其中乙烷、正丁烷、异丁烷和异戊烷等烷烃类物种质量分数上升,烯烃和炔烃类质量分数略下降,芳香烃类中的苯和1,2,3-三甲苯质量分数略升....     

Airborne bacteria associated with particulate matter from a highly urbanised metropolis: A potential risk to the population’s health

• The airborne bacteria of Mexico City are representative of urban environments. • Particle material<10 µm influenced the type and quantity of airborne bacteria. • The diversity and richness of bacteria were higher in the rainy season. • The emission & transport of airborne bacteria determine the atmosphere’s microbiome. • Bacterias as Kocuria, Paracoccus, and Staphylococcus were in the air of Mexico City. Bacteria in the air present patterns in space and time produced by different sources and environmental factors. Few studies have focused on the link between airborne pathogenic bacteria in densely populated cities, and the risk to the population’s health. Bacteria associated with particulate matter (PM) were monitored from the air of Mexico City (Mexico). We employed a metagenomic approach to characterise bacteria using the 16S rRNA gene. Airborne bacteria sampling was carried out in the north, centre, and south of Mexico City, with different urbanisation rates, during 2017. Bacteria added to the particles were sampled using high-volume PM₁₀ samplers. To ascertain significant differences in bacterial diversity between zones and seasons, the Kruskal-Wallis, Wilcoxon tests were done on alpha diversity parameters. Sixty-three air samples were collected, and DNA was sequenced using next-generation sequencing. The results indicated that the bacterial phyla in the north and south of the city were Firmicutes, Cyanobacteria, Proteobacteria, and Actinobacteria, while in the central zone there were more Actinobacteria. There were no differences in the alpha diversity indices between the sampled areas. According to the OTUs, the richness of bacteria was higher in the central zone. Alpha diversity was higher in the rainy season than in the dry season; the Shannon index and the OTUs observed were higher in the central zone in the dry season. Pathogenic bacteria such as Kocuria, Paracoccus, and Micrococcus predominated in both seasonal times, while Staphylococcus, Corynebacterium, and Nocardioides were found during the rainy season, with a presence in the central zone.     

PM2.5和O3污染协同防控区的遥感精细划定与分析

针对地面站点监测数据难以支撑大气PM_2.5与O₃污染防控区边界划定的问题,融合大气污染浓度遥感估算建模与GIS统计分析模型,提出了一种基于PM_2.5和O₃浓度遥感估算结果的协同防控区精细划定方法,开展了2015~2020年月和年尺度的全国PM_2.5与O₃污染协同防控成效定量分析与防控区精细划定研究.结果表明,2015~2020年,我国PM_2.5浓度总体下降显著但O₃浓度基本持平,PM_2.5污染在秋冬超标严重,O₃污染则在春夏;同时PM_2.5与O₃浓度变化在空间上的不一致性显著,其中PM_2.5下降且O₃上升、PM_2.5与O₃均下降、PM_2.5与O₃均上升和PM_2.5上升O₃下降的面积占比分别为38.34%、35.12%、15.24%和10.89%.遥感精细划定范围显示,PM_2.5和O₃协同防控区域的边界具有显著动态变化特征,在时间变化上呈现先扩大后缩小的趋势,主体范围集中在"2+26"城市、汾渭平原、长三角北部和山东半岛.以PM_2.5或O₃单一防控为主的区域范围较为稳定,辽吉、鄂湘赣、成渝和塔克拉玛干沙漠-河西走廊区域需以PM_2.5防控为主,珠三角、长三角和环渤海湾部分区域则应以O₃防控为主.基于卫星遥感手段的PM_2.5和O₃协同防控区域边界精细划定方法可更好辅助国家PM_2.5和O₃协同防控策略制定需求.     

基于图像感兴趣区域融合特征的PM2.5浓度预测方法

通过图像预测PM_2.5浓度的准确性,在很大程度上取决于模型所选用的特征参数。为丰富特征参数的表达,设计了一种基于图像传统特征与深度特征充分融合的PM_2.5浓度预测方法。首先,根据不同PM_2.5浓度下的成像差异,选定图像感兴趣区域,解决图像尺寸过大导致的模型运算效率较低问题。然后,针对所选取的局部图像,利用传统图像处理方法手动设计并提取图像浅表视觉特征,同时利用卷积神经网络自动提取图像深层语义特征。最后,将两种特征融合,交由卷积神经网络的全连接层实现对PM_2.5浓度的回归预测。预测误差比对结果显示,相比使用单种特征,使用融合特征能够有效提高模型的预测性能。     

武汉冬季大气PM2.5小时分辨率源贡献识别及潜在影响域分析

冬季是我国大气细颗粒物(PM_2.5)污染较为严重的时段,武汉市PM_2.5受到明显的区域传输影响.本研究基于小时分辨率PM_2.5组分观测数据,采用受体模型,解析武汉冬季大气PM_2.5各类源的实时贡献.结合轨迹聚类和浓度权重,识别影响各类源的传输路径和潜在源区.武汉冬季大气平均ρ(PM_2.5)为（75.1±29.2）μg·m^-3.观测期间共有两次污染过程,第一次污染过程主要受西北方向气团影响,水溶性离子升高是PM_2.5呈现高值的主要原因,ρ（NH⁺₄）、ρ（NO^-₃）和ρ（SO■）分别是清洁时段的1.6、 1.7和2.1倍;第二次污染过程则以正东方向气团为主,二次有机组分有明显的生成.对武汉冬季大气PM_2.5贡献最大的是二次源（34.1%）,其次是机动车尾气（23.7%）、燃煤（11.5%）、道路尘（10.9%）、钢铁冶炼（8.7...     

2000~2018年京津冀城市群PM2.5时空演变及其与城市扩张的关联

京津冀城市群是中国三大城市群之一,其城市化进程对大气污染造成了严重的影响.基于土地利用、站点实测和遥感反演的PM_2.5浓度数据集,辅以趋势分析和分段线性回归等方法,分析了2000～2018年京津冀城市群PM_2.5浓度的时空演变格局及其与城市扩张的关联.结果表明：（1） 2000～2018年京津冀城市群PM_2.5浓度变化呈明显的阶段特征,2000～2013年PM_2.5浓度呈显著增加的趋势[slope=1.598 0μg·（m³·a）^-1,P<0.001],其中69.97%的区域呈显著增加趋势（P<0.05）; 2013～2018年PM_2.5浓度呈显著减小的趋势[slope=-4.990 8μg·（m³·a）^-1,P<0.001],其中85.81%的区域呈显著减小的趋势（P<0.05）;（2） PM_2.5浓度整体呈从东南向西北递减的趋势,高污染区[ρ...     

基于时空混合效应模型的京津冀PM2.5浓度变化模拟

为揭示京津冀地区高精度PM_2.5的时空分布特征,以空间分辨率为1 km的MAIAC AOD数据为主要预测因子,以气象数据、植被指数、夜间灯光数、人口密度和海拔数据作为辅助因子,构建了一种新的时空混合效应模型（STLME）,在拟合最优次区域划分方案基础上对京津冀地区PM_2.5浓度进行预测分析.结果表明,基于STLME模型的ρ(PM_2.5)预测精度高于传统的线性混合效应模型（LME）,其十折交叉验证（CV）R²为0.91,明显高于LME模型的0.87,说明STLME模型在同时校正PM_2.5-AOD关系的时空异质性方面具有优势.最优次区域划分方案识别出PM_2.5-AOD关系的空间差异,并结合缓冲区平滑方法,提高了STLME模型预测精度.京津冀PM_2.5浓度时空变化差异显著,高值区主要分布在以石家庄、邢台和邯郸为中心的河北南部,低值区则位于燕山-太行山区;冬季PM_2.5污染最严重,其次是秋季和春季,夏季污染最轻.STLM...     

安阳市环境空气中TSP、PM10 污染水平及相关性

通过分析3个功能区2002年4月—12月环境空气中TSP、PM10的监测结果，了解了不同月份和不同功能区TSP、PM10的污染水平及相关性，TSP与PM10比值分析结果表明，TSP、PM10质量浓度差别不大，存在相关性。通过分析安阳市环境空气中TSP月变化趋势，得出PM10和TSP的污染状况相近，都是春季最重，冬、秋季次之，夏季最轻。