2014年春节期间北京市空气质量分析

对2014年1月30日(除夕)13时到1月31日(初一)12时期间北京市官园、怀柔和良乡监测站的CO、SO2、NOx、PM10、PM2.5浓度及PM2.5化学组分和能见度等监测数据进行分析,探讨了污染源减排和烟花爆竹燃放对北京市空气质量的叠加影响.研究发现,烟花爆竹的集中燃放会在短时间内造成严重的大气污染,其中,对PM10、PM2.5和SO2的影响最为显著.官园、怀柔和良乡监测站在1月31日凌晨1时的PM10浓度值分别为377.8、253.2和627.0μg·m-3,分别为1、2月份平均值的2.4、2.0和3.6倍;PM2.5浓度值分别为292.0、184.7和522.4μg·m-3,分别为1、2月份平均值的2.1、1.5和3.2倍.烟花爆竹的燃放对PM2.5化学组分中的K+、SO2-4、Cl-、Mg2+和Na+等影响最大,1月31日凌晨1时这5种离子在PM2.5浓度中占的比例高达92.1%.烟花爆竹的燃放造成1月31日凌晨1时监测中心和良乡的能见度分别降至2422 m和3591 m,是1、2月份能见度均值的22.9%和32.8%.2010—2014年"春节半月"期间官园、怀柔和良乡PM10平均浓度大多低于冬季均值和年均值,2014年"春节半月"这3个监测站的PM2.5浓度相比于冬季均值分别下降了33.3%、20.6%和39.2%,表明污染源减排对空气质量的正影响非常明显.     

贵阳市空气中PM2.5/PM10时空分布特征研究

利用2013年贵阳市10个国控监测站点PM2.5和PM10全年(2013年1月1日00时-2013年12月31日23时)实时同步质量浓度监测资料,取24小时滑动平均,研究PM2.5和PM10质量浓度比值(PM2.5/PM10)的时间、空间分布特征及二者质量浓度的相关性.结果表明:2013年贵阳市PM2.5/PM10的年均值为0.64,春、夏、秋和冬季的平均值分别为0.64、0.49、0.66和0.77.PM2.5/PM10四季有较大差异,冬季比值最高,夏季最低,春、秋两季相当;由于所代表的功能区及环境位置特点不同,各监测点同时刻的PM2.5和PM10浓度值有较大差异,但PM2.5/PM10的空间分布没有明显差异;对PM2.5和PM10浓度值进行回归分析,当PM10浓度增大时,PM2.5整体呈增大趋势.     

许昌市空气细颗粒物（PM2．5）污染特征分析研究

利用许昌市2014年1月至12月的PM2．5大气连续自动监测数据,对PM2．5的污染特征、PM2．5的重污染特征进行了分析。结果显示：2014年全市PM2．5年均浓度为83 ug／m3,超《环境空气质量标准》二级浓度限值1．37倍,污染季节主要集中在冬季,其次是春季、秋季,夏季明显低于冬季。2014年重污染日全市PM2．5日均浓度范围为151～411 ug／m3,全市PM2．5平均浓度为201 ug／m3,重污染日主要集中在1月和2月。     

南京地区PM2．5污染特征及其影响因素分析

文章利用2007年南京市草场门和迈皋桥采样点的PM2．5在线监测资料研究了南京地区PM2．5浓度的时空变化特征。对PM2．5质量浓度进行了月季变化、日变化特征分析。并利用同时期气象资料分析了PM2．5浓度与气象条件的关系。结果表明,南京市细颗粒物污染较严重,草场门采样点各月超标率均在55％以上,年超标率达72％;2采样点各季节霾天气下PM2.5质量浓度均大于非霾日下浓度均值,不管是霾天气还是非霾天气下,草场门采样点各季节PM2．5质量浓度均高于迈皋桥采样点（除秋季非霾天气）。2007年南京市PM2．5质量浓度呈现出春冬季节较高、夏秋季节较低的特点;日变化呈双峰分布。对PM2.5质量浓度与水平能见度的相关性研究表明,南京市大气能见度与细粒子质量浓度呈现很好的负相关性,相关系数高达0．98。草场门采样点霾天气下平均能见度水平仅5．2km,最高能见度为13km,最低为1．7km。     

江苏省2014年上半年颗粒物PM2.5、PM10污染特征分析研究

根据2014年1月1日～6月30日江苏省13地级市监测PM2.5,PM10的数据,分析其污染特征.结果表明:全省PM2.5和PM10污染较严重,全省PM2.5,PM10超标率都分别达到78.33％,66.11％以上,尤其是细颗粒物的污染占主导地位;PM2.5/PM10的比值范围达到0.461 9～0.687 2,全省PM2.5和PM10之间存在显著的线性关系;PM2.5,PM10浓度时空分布特征为PM2.5:1月＞3月＞2月＞5月＞6月＞4月,PM10:1月＞5月＞3月＞6月＞2月＞4月;苏北＞苏中＞苏南.     

基于遥感技术的贵州省PM10浓度年际变化监测与分析研究

文章选取MODIS数据,利用暗像元算法反演得到气溶胶光学厚度,利用BP神经网络算法通过网络训练和验证,得出PM10浓度遥感监测模型。利用该模型反演得到贵州省2014年3、7、10、12四个典型月份的PM10浓度值。结果表明模型训练和验证PM10浓度模拟值与实测值相关性系数（r）分别为0.76和0.62,利用此模型监测贵州省PM10近地面浓度是可行的;贵州省夏、秋季PM10浓度较低,春、冬季PM10浓度较高;贵州省的PM10浓度整体较低,空气质量较好。     

太原采暖季霾和良天气下大气污染物的污染特征分析

为了探讨太原市大气污染物在霾天气下的污染特征,2013年12月至2014年3月对太原市大气污染物(PM10、PM2.5、SO2、NO2、CO和O3)质量浓度进了收集研究。分析结果表明无论是霾还是良天气,PM2.5和PM10的相关性最好,PM2.5与NO2的相关性最差。O3与PM2.5的相关系数均大于0.7,表明O3与PM2.5的形成有着密切的关系。     

珠三角夏秋季节大气颗粒物与碳黑气溶胶污染特征的研究

以珠三角地区4个区域监测站2012年夏秋季节监测结果为例,分析该地区不同粒径大气颗粒物（PM10／PM2．5／PM1）和碳黑气溶胶（BC）质量浓度的变化特征。结果显示,区域内不同站点之间或站点不同粒径颗粒物之间均有显著的相关性,该地区PM,和BC质量浓度约占PM2．5的70％和8．2％,PM1,约占PM10的68％。秋季污染天气中,PM1质量浓度的增长量大于其他粒径颗粒物的增长量。颗粒物浓度与大气能见度的影响分析显示,碳黑气溶胶质量浓度增大与能见度降低关系密切。     

太原市采暖季PM_(2.5)的污染特征分析

收集了采暖季太原市环境监测中心站公布的PM2.5和其它污染物(PM10、SO2、NO2、CO和O3)逐时监测数据,分析了PM2.5的月、日及小时浓度分布特征和变化规律,结果表明:太原市采暖季PM2.5的小时浓度范围为9~364μg/m3,日浓度范围为19~208μg/m3,PM2.5最大日均值出现在2014年1月份,PM2.5小时浓度日变化规律呈单峰双谷趋势,PM2.5与PM10比值在0.30~0.77之间,二者相关性显著,相关系数为0.925。     

青岛市李沧区PM10与PM2.5污染变化特征分析研究

利用2014年1月-12月青岛市李沧区大气自动监测点实时发布的监测数据,对PM10和PM2.5的达标情况、变化趋势及其两者之间相关性进行分析.结果表明:青岛市李沧区PM10和PM2.5年均值分别为0.126mg/m3和0.062 mg/m3,均超过二级标准,全年达标天数比例分别为71.8％和72.1％;PM10和PM2.5有明显的季节变化特征,其中春季污染最重,污染日分别占全年的40.8％和44.1％.PM2.5占PM10比例较高,达到48.4％.PM2.5与PM10回归线性较好,y=0.571 2x-0.011 8,R2 =0.901 2;PM2.5和PM10的Pearson相关系数为0.912;PM2.5和PM10日均值呈显著线性相关.     

遵义市PM10和PM2.5污染水平时间分布及其与气象条件的关系研究

对遵义市2014年1月1日-12月31日大气颗粒物在线监测数据分析结果表明,全年PM10和PM2.5质量浓度的变化幅度较大,但变化趋势相似,且具有较好的相关性,其中冬季>春季>秋季>夏季;日变化呈双峰特征分布,夜间峰值比中午峰值大,且夜间PM2.5浓度呈区域性变化特征.选取日平均气温、相对湿度及风速等气象因子,利用Spearman秩相关分析表明遵义市全年PM10和PM2.5质量浓度与气温、相对湿度及风速等气象条件均呈负相关.     

广州亚运期间鹤山大气颗粒物及碳组分的分析

2010年11月广州亚运会期间,在鹤山连续测量了PM10、PM2.5及PM2.5中有机碳(OC)、元素碳(EC)的质量浓度,结合气象数据综合分析了该地区上述各种污染物的污染特征。研究结果表明:鹤山大气颗粒物以PM2.5为主,PM10和PM2.5具有较好的相关性(R2=0.72),其中PM2.5污染较严重;与国内外其他城市相比,鹤山OC、EC质量浓度处于中等偏高水平;OC和EC质量浓度的相关性较差(相关系数R2=0.32),OC/EC质量浓度比值远大于2,说明鹤山大气OC、EC来源较复杂,同时存在严重的二次污染;估算的二次有机碳(SOC)占OC总质量的66.5%。各种气象因素中,风速对污染物的质量浓度影响最大,秸秆燃烧等人类活动对其也有显著影响。     

Chemical composition and quantitative relationship between meteorological condition and fine particles in Beijing

The recent year‘s monitor results of Beijing indicated that the pollution level of fine particles PM2.5 showed an increasing trend. To understand pollution characteristics of PM2.5 and its relationship with the meteorological conditions in Beijing, a one-year monitoring of PM2.5 mass concentration and correspondent meteorological parameters was performed in Beijing in 2001. The PM2.5 levels in Beijing were very high, the annual average PM2.5 concentration in 2001 was 7 times of the National Ambient Air Quality Standards proposed by US EPA. The major chemical compositions were organics, sulfate, crustals and nitrate. It was found that the mass concentrations of PM2.5 were influenced by meteorological conditions. The correlation between the mass concentrations of PM2.5 and the relative humidity was found. And the correlation became closer at higher relative humidity. And the mass concentrations of PM2.5 were negtive-correlated to wind speeds, but the correlation between the mass concentration of PM2.5 and wind speed was not good at stronger wind.     

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

2002年北京PM10时间序列及其成因分析

以北京2002年的ρ(PM₁₀₎日平均值和气象要素观测资料为例,根据小波分析的原理,利用Matlab小波分析工具,对逐日ρ(PM₁₀₎时间序列进行分解和重构,分析了该地区ρ(PM₁₀₎的年变化规律和突变特征.结果表明:2002年北京PM₁₀污染季节性变化强,春季最严重,冬季次之,夏、秋季节较好;全年共有4个突变点,均出现在沙尘暴或强沙尘暴期间,并指出沙尘天气是北京ρ(PM₁₀₎发生突变的主要影响因素.在此基础上,根据形成原因及气象资料分析,将2002年PM₁₀重污染天气过程分为沙尘型和排放累积型2类,并阐述了形成各类PM₁₀重污染天气的气象原因.      

广州市区PM_(2.5)的污染特征

对广州市区PM2.5的污染状况进行了分析,结果表明广州市区的PM2.5呈现冬季浓度较高,夏季较低的季节性特征;PM2.5的日变化呈现出明显的双峰形;与PM10的相关性分析表明,PM2.5与PM10具有良好的线性关系。PM2.5/PM10的值约为0.59,表明广州市区空气中细颗粒物在PM10中的比重大于粗颗粒物,鉴于PM2.5的危害性及所占比例,应重视对其的监测。     

京津冀及周边减排对北京市PM2.5浓度下降评估研究

利用第三代区域空气质量模式CMAQ (Community Multiscale Air Quality)及京津冀地区高分辨的污染源排放清单,基于2011年、2012年和2013年秋冬季美国国家环境预报中心全球再分析资料的气象条件分析,选取2012年10月1日至12月30日作为代表性时段,模拟了PM2.5的浓度变化趋势,同时根据《京津冀及周边地区落实大气污染防治行动计划实施细则》和2012年到2017年污染源减排控制目标,进行了减排效果评估分析.结果显示,模式系统能较好捕捉PM2.5浓度的变化趋势,海淀站和上甸子站观测与模拟值的相关系数分别为0.71和0.63.主要污染源和污染物排放量削减30%~40%后,北京市PM2.5浓度发生了明显降低,海淀站、上甸子站和城六区的平均浓度下降率分别为(24.9±2.3)%,(20.2±2.7)%和(24.8±2.1)%.如果严格执行《京津冀及周边地区落实大气污染防治行动计划实施细则》,在气象条件和2012年相似情况下,到2017年,北京市城区PM2.5年均浓度控制在60μg/m3内的防治目标可以实现.     

广州市区PM2.5的时间变化

PM2.5是指大气中直径小于或等于2.5微米的颗粒物,不仅能够造成灰霾天气,而且会对人体健康造成重大危害。本文以广州市环境监测中心站2009年的监测数据为基础,对广州市区PM2.5的时间变化和原因进行了分析,结果表明广州市区的PM2.5冬季较高,夏季较低,最高浓度出现在10月,最低浓度出现在7月。PM2.5浓度日变化呈现出明显的双峰形;PM2.5浓度的时间变化特征与气象因素和污染源排放密切相关。     

PM_(2.5)对环境空气质量评价结果的影响分析

从2011年12月1日开始在常规空气监测点对影响吉林市空气质量的两个颗粒物指标PM2.5和PM10进行了同步比对监测。结果表明:PM2.5和PM10有显著的相关性,相关系数为0.982;采暖期PM2.5和PM10的比值平均为0.57。分别采用现行和新标准对监测结果进行了评价,其结果好于二级天数将比现行标准评价结果减少12.4%。     

上海市青浦城厢地区可吸入颗粒物污染状况分析

为了研究青浦城厢地区可吸入颗粒物污染状况,分析了2005年至2010年空气质量资料,结果表明:青浦城厢地区首要污染物为PM10,其质量浓度呈逐年下降趋势。PM10浓度的月度变化幅度比较大,全年PM10浓度及超标率呈现"高一低一高"的变化趋势。春、冬季比较高,夏、秋季比较低。PM10质量浓度的日变化非常明显,呈现出"双峰"状分布。PM2.5和PM10的平均比值为0.531,表明该地区可吸人颗粒物中细颗粒物的比例较高,细颗粒物对人群的健康影响更为严重。PM10和PM2.5各月日均值之间和各月均值之间均呈高度相关,线性关系非常显著,二者之间回归直线关系存在,可用回归方程y=ax+b进行计算。