南京市典型地区可吸入颗粒物(PM10)中颗粒的微观形貌特征及其矿物组成

应用扫描电镜技术(SEM/EDX)对南京市两典型地区PM10中颗粒的微观形貌及其矿物组成进行了研究.结果表明,南京市大厂区(典型工业区)PM10中的颗粒多以形态规则矿物颗粒为主,山西路地区(典型商业区)PM10中的颗粒多以形态不规则出现,形态规则颗粒主要是碳酸盐、硫酸盐和铝硅酸盐矿物,形态不规则颗粒主要是烟尘结合体、生物质和原生矿物.     

应用地质累积指数评价抚顺市PM10中元素的污染

2006-2007年采暖季、风沙季和非采暖季分别在抚顺市的6个采样点采集PM10样品,用等离子体原子发射光谱(ICP-AES)法测定样品中Ti、Al、Mn、Mg、Ca、Na、K、Cu、Zn、As、Pb、Cr、Ni、Co、Cd、Fe、V等17种元素的含量,并用地质累积指数对其污染状况进行初步评价。结果表明:(1)从PM10中元素在不同采样点的含量看,抚顺市PM10中Ti、Mn、Mg、Cu、Zn、Pb、Cr、Ni、Co这9种元素在各采样点间的差别较大;Al、Ca、Na、K、As、Cd、Fe、V这8种元素差别较小。(2)从PM10中元素在不同采样季的含量看,抚顺市PM10中Mn、Mg含量的季间差别较大,其余15种元素季间差别较小。(3)Zn、Cd污染较重;Ti、Al、Mg、Ca、Na、K、As、Fe和V污染较轻;其他6种元素在6个采样点和3个采样季污染程度差别较大。(4)水库采样点各元素污染级别均不是最高;新华采样点PM10中Cu、Zn、Pb、Cr、Ni、Co、Cd污染级别均较高。(5)3个采样季PM10中Cd、Zn污染均较重,属于重度或严重污染;在采暖季PM10中Cu、Pb、Cr的地质累积指数较风沙季、非采暖季大;在非采暖季PM10中Mn、Co受到的污染比采暖季和风沙季稍严重。     

西安市冬、夏两季PM2.5中碳气溶胶的污染特征分析

为研究西安市冬、夏两季大气颗粒物PM2.5中碳组分的污染变化规律,利用TEOM系列RP1400a采样仪于2010年冬季和夏季进行采样,测定了样品中的有机碳(OC)、无机碳(EC)和水溶性有机碳(WSOA)的含量。结果显示,PM2.5中OC和EC的季节平均浓度值冬季较高,分别是夏季的2.62,1.75倍,这表明西安市冬季碳气溶胶污染严重。OC和EC日变化在不同季节均呈现双峰分布特征,这主要是由交通源的排放和不利的气象条件造成的。OC和EC在冬、夏两季都有较强的相关性(R2分别为0.823和0.543),且OC/EC平均值分别为5.36和3.58,均大于2,表明采样各时段有二次有机碳(SOC)生成。     

南宁市大气颗粒物TSP、PM10、PM2.5污染水平研究

2002年在南宁市的5个典型城市功能区内,共采集了125个大气样品(按季节分别采集),初步调查了大气中颗粒物TSP、PM10、PM2.5的污染状况。结果表明,南宁市TSP、PM10、PM2.5的污染很严重,超标率分别为67．5％、82．5％、92．5％,对人体健康危害更大的PM2．5占到了PM10的63．5％左右。重污染区PM2.5的浓度超过轻污染区近一倍。     

基于LUR模型的PM2.5浓度空间分布监测及分析

为有效解决传统监测技术无法获取城市内部高分辨率PM_2.5浓度空间分布情况的问题,基于土地利用回归(land use regression,LUR)模型,以关中平原城市群为例模拟其PM_2.5空间分布状况,通过获取研究范围内54个监测站点的PM_2.5浓度数据,结合土地利用类型、气象、地形、植被指数、人口密度、交通和污染源等因素,分别建立春、夏、秋、冬及年均5个LUR模型。结果表明：LUR模型调整后各季节及年平均值的R²分别达到0.831 (春)、0.817 (夏)、0.874 (秋)、0.857 (冬)、0.900 (全年平均),5种模型拟合度均较好;采取交叉互验的方法进行了精度检验,显示5种模型的平均精度均达到80.4%,说明LUR模型在模拟关中平原城市群PM_2.5浓度空间分布时适用性良好。模拟结果显示,研究区各季节的PM_2.5浓度在空间分布上大致相同,呈现出东部高、西部低的明显特征,且空间分布状况受地形因素的影响较大。但在浓度均值的季节变化上则具有夏季低、冬季高的明显差异。本研究结果可为关中平原城市群PM_2.5污染防治提供科学依据,亦可为城市内部PM_2.5浓度空间分布数据的获取提供新思路。     

区域大气环境中PM2.5/PM10空间分布研究

提出了一种利用移动监测技术研究区域大气环境中PM_2.5/PM₁₀空间分布的方法,并在2004年12月进行了宁波市全市域PM_2.5/PM₁₀空间分布的研究。数据显示：相同路径所代表的地区PM_2.5和PM₁₀具有很好的相关性,多数路径上PM_2.5与PM₁₀数据的相关系数平方在0.95以上,而不同路径上PM_2.5与PM₁₀的比值不同。文中给出了宁波市PM_2.5/PM₁₀污染的空间分布图,直观地显示出PM_2.5/PM₁₀污染的空间分布情况,突出了污染的重点点位和地区。     

百色市右江区大气PM10中水溶性无机离子的化学特征与来源

2010年10月至2011年9月采集百色市右江区大气PM10样品,分析PM10及其水溶性无机离子的化学特征与来源。结果表明:(1)百色市右江区大气PM10为13.89～319.44μg/m3,年均117.48μg/m3,年均值超过《环境空气质量标准》(GB 3095-2012)二级标准(100μg/m3)。百色市右江区大气可吸入颗粒物的污染主要出现在春冬季节。(2)水溶性无机离子浓度年均值依次为SO24->NO3->Cl->NH4+>K+>Na+>Mg2+>F-,SO24-、NO3-和Cl-浓度最高,分别占水溶性无机离子的57.7%、14.9%和14.5%。(3)百色市右江区大气PM10呈较强的酸性,高浓度的SO42-可能是导致百色市右江区大气PM10呈较强酸性的主要原因。(4)PM10的季节变化受气温和风速的影响极显著;气象因素对SO42-、NO3-、F-的影响不显著。(5)主因子分析表明,PM10中水溶性无机离子可能来自3个方面,Cl-和NO3-主要来自于当地低烟卤煤燃烧排放的烟气;Mg2+、K+和Na+主要来自于自然源;F-、SO24-和NH4+主要来自于混合源。     

北京市2005年夏季大气颗粒物污染特征及影响因素

对2005年7～8月北京市不同功能区8个采样点PM10和PM2.5的浓度水平、空间分布、PM10/PM2.5比值进行了分析,并讨论了PM10和PM2.5的日变化特征及影响因素.结果表明,北京市夏季PM10和PM2.5日均浓度为155.37 μg/m3和87.70 μg/m3,分别为国家二级标准和美国PM2.5标准的1.04倍和1.35倍;PM2.5、PM10浓度在不同功能区存在一定差异;PM2.5和PM10的日变化以白天高,夜间低为主,且不同功能区的最高值对应于城市居民活动的不同高峰期;在湿度较高的情况下,PM2.5、PM10与湿度呈一定正相关性,且湿度对PM2.5的影响更大;降水前后PM2.5、PM10浓度变化情况表明降水的主要作用是清除粗粒子,对PM2.5的影响则较小.     

垂直绿化对工业园区PM2.5污染防治的健康经济效益评估

利用ENVI-met模拟得到兰石工业园区现状下和垂直绿化模式下细颗粒物(PM_2.5)浓度的变化,基于泊松回归相对风险度模型,结合流行病学研究中的暴露—反应关系及支付意愿法,将垂直绿化模式下PM_2.5浓度的变化与健康经济效益相关联,定量评估垂直绿化对工业园区PM_2.5污染的改善效果及带来的健康经济效益。结果表明,垂直绿化对工业园区PM_2.5污染的改善效果受污染源和垂直绿化相对高度的影响,垂直绿化高度超过污染源高度时改善效果更优;垂直绿化模式下不同健康终端可获得的健康经济效益与其基线风险水平呈正相关关系,4种健康终端的健康经济效益为全因死亡>心血管疾病死亡>呼吸系统疾病死亡>慢性阻塞肺病死亡;垂直绿化模式下同一健康终端可获得的健康经济效益随垂直绿化高度的增加而增加。研究结果可为工业园区PM_2.5污染防治及绿色工业园区建设提供参考。     

武汉市冬夏季大气PM2.5浓度及其烃类化合物的变化特征

分析了武汉市2009年冬夏两个季节大气PM2.5的浓度,并用气相色谱/质谱(GC/MS)技术研究了烃类化合物组成及变化特征。结果表明,PM2.5的质量浓度为25.0～302.4μg/m3,冬季明显高于夏季。检测出nC11～nC34正构烷烃,高碳数部分奇偶优势明显,碳优势指数(CPI)在1.1～2.9,具有高等植物蜡和人为源输入特征,冬夏季分布差异较大;藿烷和甾烷的普遍检出证实了大气颗粒物已明显受到化石燃料残余物的污染,且在冬季浓度相对较高;高环数多环芳烃含量较高,特征性诊断参数表明机动车排放相对较大。     

2015年南京市PM2.5与PM10的污染特征

分析了2015年南京市PM2.5和PM10的浓度特征和大致来源类型。PM2.5和PM10的年均浓度分别为56.6 μg·m-3和96.5 μg·m-3,污染水平较高。颗粒物浓度的季节变化特征一致：冬 > 春 > 秋 > 夏;PM2.5的日变化呈"单峰单谷"型,而PM10的呈"单峰双谷"型。颗粒物浓度在城区高于郊区;植被茂盛区域的浓度较低。对PM2.5/PM10而言,比值在冬季和梅雨期较大,分别受取暖和降水的影响;比值在春季和夏末秋初较小,分别受沙尘和秸秆焚烧的影响。PM2.5多为二次颗粒物,PM10多为一次颗粒物;固定污染源对PM2.5的间接贡献和对PM10的直接贡献较移动污染源而言更大。     

北京市近12年空气污染变化特征及其与气象要素的相关性分析

以北京市近12年空气污染指数(API)为数据基础,首先分析了2001—2012年北京市API、污染等级、首要污染物的变化特征以及污染天数年度值、季度值、月值的变化特征;然后根据API转换得到PM10质量浓度,对其变化特征进行分析;最后采用相关系数法分析了北京市API、PM10质量浓度与气象因素的相关性。结果表明,北京市近12年空气污染天数有明显下降趋势,首要污染物主要为可吸入颗粒物;空气污染主要集中于春季,优良天气主要集中于夏季;PM10质量浓度年度最大值出现在2006年,季度最大、最小值分别出现在春、夏季,月值最大、最小值分别出现在3月和7月;气象因素与空气污染关系密切,气温、相对湿度、降雨量与污染天数和PM10质量浓度均呈显著负相关,而风速与污染天数和PM10质量浓度则呈显著正相关。     

我国室内空气污染现状、成因与对策

室内空气污染严重影响公众健康 ,已经受到广泛关注。本文分析了我国室内空气污染的现状和成因 ,并从法规建设、监督管理、科学研究和宣传教育等方面介绍了我国控制室内空气污染的对策措施     

PM10冲击采样器切割头设计参数对切割粒径的影响

本文从颗粒在气流中的受力情况分析入手 ,得到冲击采样器中喷嘴喷出后颗粒的运动轨迹方程以及运动轨迹与采样器切割头设计参数的关系式。分析了PM10空气采样器的切割原理 ,并利用数值计算研究颗粒在不同的流量、喷嘴尺寸及喷嘴与冲击板的距离下的运动轨迹 ,从而得到切割头设计参数对切割粒径的影响     

城郊气象因素与NOx、PM10的多重分形分析

针对城区和郊区气象因素与NOx、PM10浓度间的互相关性的特征,采用多重分形去趋势波动互相关分析法（MF-DCCA）,对气象因素与NOx、PM10浓度时间序列进行研究。首先验证了温度与NOx、PM10具有互相关性和多重分形特征,然后,逐次分析城区和郊区在夏冬两季温度、湿度、风速、气压与NOx、PM10的多重分形特征。结果表明,城区天气因素与PM10、NOx的多重分形特征要强于郊区,两地天气因素对PM10的影响程度要强于对NOx的程度,城区和郊区夏季的天气因素与PM10的多重分形特征均强于冬季。     

Impacts of Meteorological Factors on PM10: Artificial Neural Networks (ANN) and Multiple Linear Regression (MLR) Approaches

In this study, prediction capacities of multi-linear regression (MLR) and artificial neural networks (ANN) onto coarse particulate matter (PM₁₀) concentrations were investigated. Different meteorological factors on particulate pollution were chosen for operating variables in the model analyses. Two different regions (urban and industrial) were identified in the region of Kocaeli, Turkey. All data sets were obtained from air quality monitoring network of the Ministry of Environment and Urban Planning, and 120 data sets were used in the MLR and ANN models. Regression equations explained the effects of the meteorological factors in MLR analyses. In the ANN model, backpropagation network with two hidden layers has achieved the best prediction efficiency. Determination coefficients and error values were examined for each model. ANN models displayed more accurate results compared to MLR.     

厦门市空气污染的空间分布及其与影响因素空间相关性分析

基于空间信息技术、克里格插值与空间相关矩阵,研究厦门市SO2、NO2、PM10和PM2.5污染浓度空间分布特征。通过提取人口密度、道路面积比重、建设用地比重、地表温度及植被指数等空气污染影响因素的空间分布数据,划分研究区为生态区、居住区与工业区,定量评价了污染物浓度与影响因素的空间相关性,并识别出各污染物的主要影响因素。结果表明:污染浓度分布总体上呈现出工业区-居住区-生态区递减的空间特征,其主要受工业排放和机动车排放的影响;SO2与除地表温度外的其他影响因数均有较强空间相关性,PM10和PM2.主要与道路面积比重、建设用地比重具有较强相关性,NO2则与道路面积比重的相关性最强,污染浓度与影响因数空间相关性呈现出工业区-居住区-生态区递增趋势;与按照行政区的划分相比,工业区、居住区、生态区的划分显得更为合理。     

Source Apportionment of Particulate Matter (PM10) and Indoor Dust in a University Building

A study on source apportionment of indoor dust and particulate matter (PM₁₀) composition was conducted in a university building by using chemometrics. The objective of this study was to investigate the potential sources of selected heavy metals and ionic species in PM₁₀ and indoor dust. PM₁₀ samples were collected using a low-volume sampler (LVS) and indoor dust was collected using a soft brush. Inductively coupled plasma spectrometry (ICP-MS) was used to determine the concentration of heavy metals, while the concentration of cations and anions was determined by atomic absorption spectrometer (AAS) and ion chromatography (IC), respectively. The concentration of PM₁₀ recorded in the building throughout the sampling period ranged from 20 ± 10 μgm^?3 to 80 ± 33 μgm^?3. The composition of heavy metals in PM₁₀ and indoor dust were dominated by zinc (Zn), followed by lead (Pb), copper (Cu), and cadmium (Cd). Principle component analysis (PCA) and multiple linear regression (MLR) showed that the main sources of pollutants in PM₁₀ came from indoor renovations (73.83%), vehicle emissions (16.38%), earth crust sources (9.68%), and other outdoor sources (0.11%). For indoor dust, the pollutant source was mainly earth crust. This study suggests that chemometrics can be used for forensic investigation to determine the possible sources of indoor contaminants within a public building.