杭州城区PM2.5和PM10污染特征及其影响因子分析

利用2013年12月—2014年11月杭州城区空气质量监测站PM_(2.5)、PM_(10)浓度值结合气象、道路、人口数据以及站点周边绿地信息分析PM_(2.5)、PM_(10)浓度时空特征及其影响因子。结果表明,杭州城区各监测站PM_(2.5)和PM_(10)晴天日浓度变化趋势基本一致,PM_(2.5)比PM_(10)污染严重;晴天日PM_(2.5)、PM_(10)浓度值与对应的温度(-0.463,-0.281)、风速(-0.305,-0.332)呈负相关,与湿度(0.257,0.239)呈正相关;晴天有风时,杭州市区PM_(2.5)、PM_(10)污染北部重于南部,东部重于西部,浓度极高值集中在风速小于5 m/s时段,且风速越小浓度值越高;温度为12℃左右,湿度在60%~80%时,颗粒物污染最严重;交通高峰时各监测站PM_(2.5)、PM_(10)污染程度存在明显差异。相关性分析表明,PM_(2.5)、PM_(10)污染程度与道路密度成正比,与缓冲区内绿地覆盖面积成反比。PM_(2.5)污染程度与人口密度成正比,PM_(10)污染与人口密度成反比。     

蚌埠市夏季大气细颗粒物在线源解析

为了解蚌埠市环境空气中PM_(2.5)的来源,于2017年8月18日—9月18日,在百货大楼和高新区站点,利用单颗粒物气溶胶飞行时间质谱仪开展PM_(2.5)在线源解析。结果表明,百货大楼点位ρ(PM_(2.5))高于高新区点位,轻度污染比例(4.2%)明显高于高新区点位(0.8%),出现了中度污染(0.3%);SPAMS的PM_(2.5)质谱图显示百货大楼点位PM_(2.5)中K~+、Na~+特征明显,高新区点位HSO_4~-、NO_3~-、NO_2~-等无机信号较为明显;2个点位NO_3~-、NO_2~-、NH_4~+离子颗粒数占总颗粒数的百分比明显较高,且高新区点位NO_3~-、HSO_4~-离子数占比要明显高于百货大楼点位,燃料燃烧、工业工艺源、农田氮肥施用是其主要的人为污染源;2个点位PM_(2.5)成分主要为元素碳,分别占比42.4%,40.6%;污染时段,ρ(PM_(2.5))快速上升,除受本地机动车尾气源和燃煤源累积影响外,百货大楼点位扬尘源排放增加,高新区点位扬尘源和工业工艺排放源增加;2个点位机动车尾气源均为首要污染源,分别占比29.5%和30.9%,其次为燃煤源(24.3%和24.7%),扬尘源占比分别为22.9%和20.8%。     

利用SPAMS初探盘锦市冬季PM2.5污染特征及来源

利用SPAMS 0515于2015年1月在盘锦市兴隆台空气质量自动监测点位采集PM_(2.5)样品,并分析其污染特征和来源。研究结果表明,盘锦市冬季PM_(2.5)的颗粒类型主要以OC颗粒、富钾颗粒、EC颗粒组成。其中,OC颗粒占比最高,为52.5%;PM_(2.5)污染的主要贡献源为燃煤、生物质燃烧、机动车尾气排放,占比分别为33.2%、25.7%、17.5%,特别是在PM_(2.5)质量浓度较高时段,燃煤和机动车尾气排放对污染的贡献较大。     

河南省典型城市PM2.5无机元素污染特征及来源分析

分析2012年采暖季和非采暖季郑州市、洛阳市和平顶山市大气细颗粒物(PM_(2.5))样品中22种无机元素含量和污染特征,采用富集因子法、因子分析法研究当地PM_(2.5)中无机元素来源。结果表明:3个城市PM_(2.5)中无机元素总量在采暖季均高于非采暖季,不同季节占PM_(2.5)质量浓度的比例为1.7%~3.6%。Al、Na、Ca等地壳元素在PM_(2.5)中占比与PM_(2.5)浓度呈负相关关系,而Zn、Pb、Cu等人为源元素的占比随PM_(2.5)浓度增加无明显下降趋势。3个城市PM_(2.5)中Se、Cd、Br的富集因子高于1 000,Pb、Zn、Cu的富集因子为100~1 000,Co、Sc、Cr、Ni、As、Mn、Ba的富集因子为10~100,说明这些元素主要来源于人为源。13种人为源元素质量浓度在22种元素中占比为18.9%~26.3%,K、Fe、Ca、Al等4种元素占比为67.9%~76.1%。因子分析结果表明:3个城市无机元素来源组成有很大相似性,主要来源于燃煤、机动车、扬尘和建筑尘等,但Ni、Co、Sr、Ba还有来自其他排放源的贡献。     

合肥市PM1.0污染特征及与PM2.5污染相关性

对合肥市2014—2019年秋冬季节PM_(1.0)、PM_(2.5)、气象和理化性质等进行分析研究发现,PM_(1.0)质量浓度呈现年度波动性下降趋势,其中2015—2016年度变化最为显著。同一年度内,月度浓度同样呈现波动性变化,总体表现为11、2月PM_(1.0)质量浓度相对较低,12、1月相对较高。无污染情形时(PM_(2.5)浓度不高于75μg/m~3),PM_(1.0)/PM_(2.5)逐小时值相对平稳且比有污染情形(PM_(2.5)浓度大于75μg/m~3)总体高约10%;有污染情形下,PM_(1.0)/PM_(2.5)小时值呈现较明显的日变化特征,09∶00呈现谷值,17∶00呈现峰值,日变化特征显著高于无污染情形。PM_(1.0)质量浓度随着PM_(2.5)级别的上升而逐渐增加,PM_(1.0)/PM_(2.5)值则呈减小的污染特征。严重污染时,PM_(1.0)/PM_(2.5)显著下降,PM_(1.0～2.5)占比增加。传输型污染过程中,PM_(1.0)与OC、PM_(2.5)、SO_4~(2-)等呈现出显著的正相关性,污染来源主要为工业源、燃煤源、道路尘等,共占载荷为83.90%。本地累积型污染过程中,PM_(1.0)与PM_(2.5)、SO_4~(2-)、Ba和Cu等呈现出较好相关性,污染来源主要为烟花爆竹与二次生成,共占载荷为87.94%。     

青岛市PM2.5化学组分特征及综合来源解析

为明确青岛市环境受体中PM_(2.5)的化学组分特征及来源,该研究于2016年在青岛市7个点位采集了PM_(2.5)样品,分析了PM_(2.5)中的无机元素、水溶性离子、碳等组分的质量浓度,采用CMB模型估算法,估算了青岛市的一次源类、二次源类对PM_(2.5)的贡献,并结合排放源清单及系数分配得到综合的PM_(2.5)源解析结果。结果表明:青岛市环境受体中PM_(2.5)平均质量浓度为62μg/m~3。PM_(2.5)中占比较高的组分是OC(16.44%)、SO_4~(2-)(15.07%)、NO_3~-(11.27%)、NH_4~+(8.86%)和EC(5.21%)。OC/EC的年平均值为3.62,说明存在二次有机气溶胶污染;SO2-4/NO-3的年平均值为2.71,夏季明显高于其他季节。冬季重污染过程中主要离子呈现出累积的现象。夏季二次硫酸盐的贡献上升为第一位(24.7%);机动车尘四季的贡献均较高(17.5%~20.5%),燃煤在冬季(15.1%)、秋季(13.3%)贡献高,扬尘在春季(16.5%)、冬季(15.6%)贡献高。     

宜兴市细颗粒物化学特征和来源解析

通过在宜兴市3个监测站点对细颗粒物(PM_(2.5))开展不同季节采样,对样品做化学分析,结合化学质量平衡(CMB)模型解析PM_(2.5)来源贡献。结果表明,宜兴市PM_(2.5)年均质量浓度为37.5μg/m~3,冬季质量浓度最高,为53.1μg/m~3。PM_(2.5)主要化学成分为SO_4~(2-)、NO_3~-、OC、EC、NH_4~+、Cl~-、Ca、Na、Al。PM_(2.5)的主要排放源贡献为二次硫酸盐(21.0%)、二次有机气溶胶(14.9%)、二次硝酸盐(14.1%)和燃煤电厂(8.0%)。利用本地排放源清单进行二次来源解析,得到全年主要排放源贡献为工业(33.1%)、燃煤(23.1%)、移动源(17.6%)、扬尘(9.3%)和其他来源(16.9%)。减轻颗粒物污染,重点是控制工业生产、燃煤及机动车中的排放。     

常州市国控站PM_(2.5)监测的代表范围研究

为评价常州市国家大气自动监测站(国控站)细颗粒物(PM_(2.5))监测的代表范围,通过1 km×1 km的多角度大气校正算法(MAIAC)的气溶胶光学厚度(AOD)等相关数据,采用随机森林方法进行PM_(2.5)估算反演,考虑变异函数和最优分割模型等统计学模型,开展国控站PM_(2.5)监测代表范围的评价。结果表明:(1)估算反演的PM_(2.5)浓度空间分布显示,常州市区东部区域浓度相对较高,西南部区域浓度相对较低;(2)变异函数分析中,PM_(2.5)浓度在5 km范围内具有相对显著的空间相关性,但超过5 km范围后空间自相关性不显著,差异性增大到最大;(3)最优分割法分析中,常州市各个国控站PM_(2.5)监测均存在各自的代表范围,2019年的代表范围为3~5 km,其中“经开区”站点范围最大(5 km),“市监测站”和“武进监测站”站点范围最小(均为3 km),且逐年分析显示,各个站点PM_(2.5)监测的代表范围呈上升趋势。     

北京市典型重污染过程中PM2.5载带水溶性无机离子污染特征分析

为研究北京地区冬季PM_(2.5)载带的水溶性无机离子组分污染特征,2013年1月在中国环境科学研究院内采用在线离子色谱(URG-9000B,AIM-IC)对PM_(2.5)中水溶性无机离子(SO_4~(2-)、NO_3~-、Cl~-、NH_4~+、Na~+、K~+、Mg~(2+)、Ca~(2+))进行监测与分析。结果表明,采样期间总水溶性无机离子(TWSI)浓度为61.0μg/m~3,其中二次无机离子SO_4~(2-)、NO_3~-、NH_4~+(SNA)占比达72.3%,在PM_(2.5)中占比为40.29%,表明北京市PM_(2.5)二次污染严重。重污染天[NO_3~-]/[SO_4~(2-)]表明,固定源污染较移动源更为显著。三元相图表明,在空气质量为优的情况下,NH_4~+(在SNA中占比为30.3%~65.5%,下同)主要以NH_4NO_3的形式存在,较少比例以(NH_4)_2SO_4存在;严重污染时,NH_4~+(47.3%~77.9%)主要以(NH_4)_2SO_4形式存在,其次以NH_4NO_3的形式存在,其余的NH_4~+以NH_4Cl的形式存在。[NO_3~-]/[SO_4~(2-)]日变化表明,早、晚机动车高峰影响北京重污染发生。     

兰州城市大气中PM_(1.0)污染特征研究

运用不同类型的PM_(1.0)自动监测仪,于2017年11月至2018年11月对兰州城市大气PM_(1.0)开展了为期一年的观测,分析了兰州PM_(1.0)污染特征及来源,以及气象条件和SO_2、NO_2等污染物对PM_(1.0)浓度特征的影响,重点分析了重污染天气过程PM_(1.0)的演变情况。结果表明:研究期内,兰州城市PM_(1.0)日均最大浓度为117.5μg/m~3,最小浓度为8.3μg/m~3,平均浓度为33.7μg/m~3;4个季节的PM_(1.0)平均浓度排序为冬季秋季春季夏季,冬季PM_(2.5)中PM_(1.0)的占比超过70%。从全年来看,PM_(1.0)主要来源于内蒙古西北部地区污染气团输入。PM_(2.5)与PM_(1.0)的来源区域具有一致性,但PM_(1.0)的来源范围更广泛,而PM_(2.5)的来源更集中。重污染阶段,PM_(1.0)与PM_(2.5)、PM_(10)污染演变趋势呈现负相关,PM_(2.5)与PM_(10)呈现正相关,且秋冬季PM_(1.0)和PM_(2.5)的潜在污染来源距离兰州较近,范围更集中。     

武汉市秋季PM2.5中硫酸盐、硝酸盐理化特征及影响因素

为了解武汉市秋季PM_(2.5)中硫酸盐、硝酸盐理化特征,2016年9—11月利用热还原法在线连续监测分析系统对此进行了采样分析,并同步收集气象因子和离子色谱方法监测结果。结果表明,硫酸盐、硝酸盐的热还原分析方法与离子色谱法的相关系数分别为0.88、0.94;PM_(2.5)中硫酸盐、硝酸盐的水溶性部分占比达92.5%,难溶性部分为7.5%;空气质量为优、良和轻度污染时,硫酸盐、硝酸盐与PM_(2.5)的占比分别为45%、42%、45%;硫酸盐、硝酸盐在降水日和非降水日平均质量浓度分别为(19.6±18.5)μg/m~3和(31.0±9.1)μg/m~3;硝酸盐与硫酸盐的质量比为1.1,高于国内其他城市,与武汉市机动车保有量大幅增加有关。     

2020年泰州市细颗粒物质量浓度高值区污染来源解析

2020年在位于泰州市主城区大气细颗粒物(PM_(2.5))质量浓度高值区的莲花国控空气站点进行手工采样,分析了大气PM_(2.5)的质量浓度和元素组成,以及离子、有机碳和元素碳的质量浓度。根据监测结果,采用正定矩阵因子分解(PMF)受体模型对其来源进行解析。结果显示,莲花站点大气PM_(2.5)中主要组分包括有机物、硝酸盐、硫酸盐、铵盐、地壳物质、氯盐、钾盐、黑炭、微量元素和钠盐,占比分别为35.7%,25.6%,13.9%,11.9%,6.1%,2.3%,1.5%,1.5%,0.8%和0.7%,有机物、硝酸盐、硫酸盐、铵盐为首要污染组分,这4类物质对PM_(2.5)的累计贡献为87.1%。根据解析结果与实际污染特征,提出应优化城市路网结构,强化工地扬尘管控,全面取缔燃煤炉和严抓秸秆禁烧工作等控制对策。     

上海城区交通干道黑碳污染调查

采用设置在上海市中心城区交通主干道旁空气质量自动监测站2018年1—12月的观测数据,分析黑碳气溶胶(BC)污染特征及其与PM_(2.5)、SO_2、NO_x、CO、O_3、苯、甲苯、乙苯、二甲苯和气象参数的相关性。结果表明,观测期间内,BC小时均值为(3 038±22) ng/m~3,ρ(BC)在ρ(PM_(2. 5))中占比为(11. 48±0. 12)%。日内ρ(BC)变化呈双峰型,各月份之间ρ(BC)变化不大。ρ(BC)与风速呈负相关,与PM_(2. 5)、NO_x、CO、苯、甲苯、乙苯和二甲苯呈正相关。     

北京昌平某地冬季大气PM2.5元素污染特征分析

以北京昌平区某地大气PM_(2.5)和重金属污染状况为研究对象,应用射线法与XRF技术相结合的分析技术,对PM_(2.5)浓度和其重金属组分浓度进行同步监测,以重金属元素为污染物示踪因子进行污染特征分析。结果表明,监测期间该区域PM_(2.5)平均质量浓度达92μg/m~3,Ca、Fe、K元素含量较高。通过主成分分析该区域PM_(2.5)元素影响因素主要为工业和生活燃料燃烧、冶金工业废气、扬尘3类,贡献比分别为52.42%、26.82%、13.10%。     

重庆市主城区二次有机碳气溶胶污染特征研究

为研究重庆市大气PM_(2.5)中二次有机气溶胶污染特征,于2013年1—12月运用URG-3000ABC型中流量颗粒物采样仪连续同步采集重庆市主城区大气PM_(2.5)样品,选取OC/EC比值对PM_(2.5)中的SOC污染进行估算,结果表明,该市主城区PM_(2.5)中SOC年平均质量浓度为12.5μg/m3,占OC质量浓度的50.0%,占PM_(2.5)质量浓度的10.1%,SOC质量浓度为冬季秋季夏季春季。机动车排放是SOC前体物的主要来源。     

广州市冬季PM_(2.5)污染过程二次水溶性无机离子组分特征

为了解广州地区灰霾天气成因,基于城市超级站,对2013年12月1日—12月8日期间2次灰霾天气过程的水溶性无机离子污染特征进行研究。结果表明:监测期间二次离子(SNA)SO_4~(2-)、NO_3~-、NH_4~+分别占PM_(2.5)质量浓度的15.8%、7.4%、7.0%;2次污染过程SNA对PM_(2.5)贡献显著,机动车排放和燃煤是PM_(2.5)的主要污染来源。广州冬季属于富氨区,2次污染过程都伴随着NH_4~+显著增加,NH_4~+主要以(NH_4)_2SO_4和NH_4NO_3形式存在。     

宁波市秋冬季大气能见度特征及影响因素分析

针对宁波市大气能见度的观测研究表明,宁波市秋冬季大气能见度均值为11.6 km,霾日发生率为31.6%,霾日的能见度均值为6.6 km,且PM_(2.5)质量浓度在100~120μg/m3范围内的频率最高。能见度随着PM_(2.5)浓度增大呈指数下降,且相同的PM_(2.5)浓度情况下,相对湿度越大,能见度越低。能见度为10 km的临界点上,PM_(2.5)质量浓度值对应为67.5μg/m3。不同相对湿度时,能见度为10 km对应的PM_(2.5)质量浓度临界值不同。通过建立能见度回归方程发现,低相对湿度(RH≤30%)时,PM_(2.5)对能见度的影响权重最大;高相对湿度(RH60%)时,相对湿度的权重最大;RH低于60%时,RH的权重随着PM_(2.5)浓度的增加而增大;而RH高于60%时,RH的权重随着PM_(2.5)浓度的增加而减小。分析结果可为宁波市灰霾防治和采取合适的管控措施提高能见度提供一定参考。     

昌吉市采暖期和非采暖期PM_(2.5)和PM_(10)污染特征分析

昌吉市2016年冬春季多次出现雾霾天气,针对昌吉市2016年采暖期和非采暖期PM_(2.5)和PM_(10)的浓度变化特征进行分析,结果显示:2016年全年空气质量在二级以上达标的天数为267 d,占72.9%,未达标天数占26.6%;采暖期PM_(2.5)和PM_(10)的质量浓度显著高于非采暖期,平均值是非采暖期的5.6倍和3.1倍,2月浓度值达到最高;采暖期间的首要污染物质为PM_(2.5),比例最高占66.3%,PM_(10)次之(占33.7%),非采暖期间污染物质PM_(10)占37.4%,PM_(2.5)占8.1%;采暖期间PM_(2.5)在PM_(10)中的比重(60.8%)也高于非采暖期(33.3%)。     

石家庄市空气颗粒物污染与气象条件的关系

利用2013—2014年石家庄市环境监测中心PM_(2.5)、PM_(10)逐时监测资料、同期的石家庄市地面气象观测站常规观测资料以及环境监测梯度站2013年1月各层PM_(2.5)和PM_(10)逐时观测资料,分析了PM_(2.5)、PM_(10)质量浓度的时空分布特征及与气象要素的相关关系。结果表明:石家庄市PM_(2.5)与PM_(10)的质量浓度及两者的比值均为冬季和秋季较高;在水平分布上,PM_(2.5)与PM_(10)的平均质量浓度为市区西部高于东部;在垂直分布上,随着高度的增加,PM_(2.5)和PM_(10)平均质量浓度先上升后下降;PM_(2.5)与PM_(10)的质量浓度与相对湿度呈正相关,其中PM_(2.5)的质量浓度与相对湿度相关性更高;PM_(2.5)与PM_(10)的质量浓度与风速呈负相关,随着风速的增大,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势,但当风速大于5 m/s时,PM_(10)的质量浓度随着风速增大而上升,出现扬尘污染,总体来讲,刮西北风时PM_(2.5)与PM_(10)的质量浓度较高,刮东南风时PM_(2.5)与PM_(10)的质量浓度较低,这与风向和风速的日变化有关;PM_(2.5)与PM_(10)的质量浓度与降水呈负相关,随着降水的增加,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势。     

2013-2018年北京市PM2.5污染波动特征研究

利用2013—2018年北京市大气污染物监测数据及气象条件等资料,分析了北京市PM_(2.5)污染波动变化趋势及其影响因素。结果表明,2013—2018年北京市空气质量呈现整体改善趋势,优良天数由2013年的176 d增加至2018年的227d;重污染天数显著减少,由2013年的58 d逐年递减至2018年的14 d。受污染源排放、特殊气候现象、气象条件等多因素影响,近6年北京市ρ(PM_(2.5))月均值呈现波动下降趋势,其中秋、冬季波动性更加突显。2014—2016年北京市秋冬季PM_(2.5)污染突出,其中2014年10月、2015年11—12月、2016年12月ρ(PM_(2.5))月均值均达到中度污染级别;而2017—2018年北京市秋、冬季ρ(PM_(2.5))月均值均处于优良水平。相关性分析结果显示,地面相对湿度、中层温度与大气污染物呈现较强的正相关性,中层北风频率、地面风速则呈现负相关性。基于上述气象条件及CO、SO_2和NO_2等气态污染物共同构建的拟合方程对ρ(PM_(2.5))估算结果较好,多站点的拟合值与实际值的相关系数为0.900～0.947,进一步说明气象条件及相关污染源排放对PM_(2.5)污染具有显著影响。