基于PLS1的哈尔滨市PM_(2.5)与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份(共31 d)市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO与PM2.5质量浓度显著性相关,O3与PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份（共31 d）市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO 与 PM2.5质量浓度显著性相关,O3与 PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO 之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

春运期间北京市PM_(2.5)污染特征

为研究春运期间北京市PM2.5和气态污染物的污染特征,根据35个空气监测子站周边环境类型的不同将北京市划分为城区、郊区、对照区和交通密集区.结合春运期间的人为活动,比较分析各类污染物在各区域的日均浓度变化特征;将PM2.5日均浓度与SO2、NO2、CO、O3日均浓度及北京市的日均温度、相对湿度、风级进行相关性分析.结果显示,春运期间北京市PM2.5污染最严重,超过《环境空气质量标准》二级标准的天数占45%;PM2.5日均浓度变化趋势与春运客流量变化具有较好的一致性;各区域PM2.5、SO2、NO2和CO的日均浓度均符合交通密集区城区郊区对照区的分布,而O3的情况为对照区郊区城区交通密集区;各区域PM2.5浓度分别与该区域SO2、NO2、CO浓度呈正相关,与O3浓度呈负相关;各区域PM2.5浓度与温度未见相关性,与相对湿度呈正相关,与风级呈负相关.本文的研究结果表明,交通运输、烟花燃放和气象因子对春运期间PM2.5的污染特征影响较大.     

不同气团对嘉兴市大气污染物变化特征的影响

利用嘉兴2012年10月—2013年9月污染气体和PM2.5的连续观测资料,结合HYSPLIT_4轨迹模式计算得到的观测期间嘉兴不同季节的主导气团,分析了嘉兴市大气污染物的变化特征及不同季节下不同气团类型对该地污染物的影响.结果表明,嘉兴市CO、SO2、NO2和PM2.5日变化为双峰型分布,峰值位于07∶00—09∶00和16∶00—18∶00;O3呈单峰分布,峰值位于14∶00,这与人为活动和大气边界层变化密切相关.大气污染物具有显著的季节变化特征,SO2、CO和PM2.5冬季高(43.5,950.3,79.8μg·m-3),夏季低(21.5、522.4、38.0μg·m-3);NO2在春季最高(49.9μg·m-3),夏季最低(30.4μg·m-3);O3夏季最高(88.9μg·m-3),冬季最低(17.2μg·m-3).影响嘉兴的主导气团的来源和路径存在显著季节变化,不同气团对大气污染物的分布影响较大,局地气团下SO2的浓度显著降低;大陆气团下污染物浓度普遍偏高,SO2、CO、NO2和PM2.5分别是海洋性气团的1.6—3.0、1.5—1.6、1.6—2.0和1.5—2.3倍;海洋性气团下污染物浓度普遍较低;混合性气团对应的污染物水平介于海洋性气团和大陆气团之间.     

青年奥林匹克运动会期间南京市主要大气污染物浓度变化与分析

为了解青年奥林匹克运动会期间南京市主要大气污染物浓度变化趋势,通过南京空气质量发布系统实时监测的数据,对青奥会举办前(2014年8月3日—16日)、举办期间(2014年8月17日—28日)以及举办之后(2014年8月29日—9月9日)南京市主要大气污染物浓度变化特征进行比较分析,结果表明,青奥会前的14 d南京市PM2.5、PM10、SO2、NO2、O3浓度均值为51.6、72.2、13.5、33.1、41.7μg·m-3,青奥会期间各浓度均值为37.9、49.1、12.4、36.5、38.8μg·m-3,大气污染物浓度下降显著;而在青奥会之后,随着减排措施的取消,南京市大气污染物浓度均呈现反弹上升的趋势,各浓度均值依次为56.1、79.6、15.3、38.5、58.6μg·m-3.不同时段,PM2.5、PM10、SO2和O3浓度变化特征相似,均为青奥会之后青奥会之前青奥会期间,而NO2为青奥会之后青奥会期间青奥会之前.PM2.5、PM10、SO2、NO2日变化呈现双峰型,O3呈现单峰型的特点.     

国庆前后北京城区PM2.5组分污染及来源特征分析

为探究北京城区国庆前后及国庆期间PM2.5主要组分的污染及来源特征情况,采集2019年9月27日-10月14日北京市大气PM2.5样本,并测定其中碳质气溶胶(OC、EC)及8种水溶性离子(Na+、NH4+、K+、Mg2+、Ca2+、Cl-、NO3-、SO42-)的质量浓度,并分析PM2.5中各化学组分的浓度变化特征、来源特性及气象要素的影响,并对北京市细颗粒物进行源解析和区域传输分析.结果 表明,整个观测期间PM2.5基本呈现"M"型的变化趋势,国庆期间呈现"V"型的变化趋势.国庆期间总碳质气溶胶、水溶性无机离子质量浓度为(14.45±5.87)μg·m-3和(14.97±9.75)μg·m-3,占PM2.5质量浓度的59.7％,各组分质量浓度在国庆期间均有所下降,其中NO3-质量浓度下降最为明显,下降率达53.4％.来源分析结果表明,机动车尾气、燃煤和扬尘是大气PM2.5化学组分的主要来源,其中道路扬尘和建筑扬尘是Ca2+、Mg2+和Na+的主要来源,机动车车尾气排放是碳质气溶胶及二次无机离子的最主要来源.车流量的改变和气象因素与国庆前后PM2.5及其组分变化密切相关,PM2.5及各组分质量浓度在车流量高峰的9月30日和10月6、7日达到峰值,而1-5号移动源贡献减弱和气象要素(降水)导致了最低值的出现.较低的风速及来自于东北、西南方向的污染物输送是观测期间PM2.5较高的重要原因.     

闽南重点城市春季PM2.5中水溶性无机离子特征研究

对闽南地区重点城市春季 PM2.5中水溶性离子的污染状况进行剖析,分析和探讨了闽南地区同城化进程中重点城市PM2.5中水溶性离子污染的共同点和差异点,以期在当前空气污染日益严重的趋势下为闽南地区的大气污染控制提供依据.于2011年春季3月7—16日在福建省闽南地区重点城市厦门城区与郊区、漳州和泉州城区同步用聚丙烯纤维滤膜采集大气PM2.5样品,滤膜经超声萃取后用离子色谱仪分析样品中F-、Cl-、NO3-、SO42-、Na+、K+、NH4+、Ca2+和Mg2+等9种离子组分的质量浓度.结果表明,(1)闽南地区重点城市春季PM2.5的质量浓度变化具有较好的一致性,PM2.5的平均质量浓度为94.14μg·m-3,二次离子SO42-、NO3-和NH4+的质量浓度变化范围为14.66~66.68μg·m-3,平均质量浓度为32.43μg·m-3,占总水溶性离子的83.30%,主要以(NH4)2SO4和NH4NO3形式存在;与国内其他主要城市相比,闽南地区PM2.5中二次离子浓度水平偏高,二次污染严重.(2)NO3-/SO42-和SOR、NOR值均表明闽南地区固定源污染对水溶性离子的贡献大于流动源,但厦门流动源的贡献占了更高的比重;与国内其它地区相比,闽南地区由于春季潮湿多雨,硝酸盐化速率较高,也是导致二次离子污染水平较高的原因之一.(3)作为滨海地区,闽南地区 PM2.5中水溶性离子的主要贡献者主要来自人为源,而非海盐离子.     

中国典型城市主要大气污染物的浓度水平及分布的比较研究

应用柱状图和箱线图对污染物分布情况进行对比分析,明确了2013上半年北京、沈阳、广州、上海和海口5个城市4项污染物（SO2、NO2、PM10、PM2.5）的日均浓度的分布范围。该组数据涉及的站点总计有49个,其中包含的数据量北京有1863个、沈阳有1670个、上海有1452个、广州有1574个、海口有780个。柱状图显示了这段时间每个城市各个站点4种污染物不同浓度的分布范围,北京的ρ（SO2）和ρ（NO2）分布较为集中,主要的质量浓度区间分别是0~40和40~80μg·m-3,分别占北京SO2和NO2总数据量的51.0%和49.7%,ρ（PM10）和ρ（PM2.5）则分布较为分散;沈阳分布较为集中的是ρ（NO2）和ρ（PM2.5）,主要的质量浓度区间分别是0~30和30~60μg·m-3,分别占沈阳NO2和PM2.5总数据量的52.2%和42.8%,ρ（SO2）和ρ（PM10）则分布较为分散;上海和广州分布较为集中的是低浓度下的ρ（SO2）,其他三项污染物分布较为分散。箱线图是利用每个城市所有站点得到的最大值、最小值、上四分位数、下四分位数和中位数的平均值绘制得到的,通过不同城市间的比较可见,同期ρ（SO2）的比较结果是ρ（沈阳）〉ρ（北京）〉ρ（广州）〉ρ（上海）〉ρ（海口）;ρ（NO2）较大的3个城市是北京、上海和广州;对于ρ（PM10）则只有广州和海口2个城市浓度较低,而对于ρ（PM2.5）高值集中在北京、广州和沈阳3个城市。通过谱图间的比较,并结合各个城市的气象条件及经济发展状况,从中可推测除背景点海口外,北京和沈阳主要的污染物是PM2.5和PM10,广州和上海主要的污染物是NO2和PM2.5;北京主要的污染来源是燃煤烟尘和机动车尾气,广州和上海主要的污染来源是机动车尾气,沈阳主要的污染来源是燃煤烟尘。研究结果可为典型城市的环境监管与大气污染控制提供科学依据。     

沈阳市大气PM2.5中水溶性离子的季节变化特征

为研究沈阳市大气中PM2.5及其水溶性离子的污染特征、季节差异和来源情况,使用URG-9000D在线监测系统对沈阳市2019年大气颗粒物进行连续的采样分析,并利用正交矩阵因子分析法(PMF)进行污染物的来源解析.结果 表明,2019年沈阳市秋冬季节PM2.5质量浓度变化受相对湿度影响较大,冬季PM2.5平均质量浓度达到85.76 μg·m-3,细粒子污染较为严重.沈阳市大气PM2.5中SNA(SO42-、NO3和NH4+)所占比重表现为春季最高秋季最低;夏季SO42-和NH4+浓度较高,而NO3-浓度较低.SO42-在夏季呈单峰型日变化,与NO3-变化趋势相反.春夏秋三季NH4+与SO42-、NO3-主要结合为(NH4)2SO4和NH4NO3,冬季NH4+主要以(NH4)2SO4和NH4HSO4的形式存在.沈阳市存在较强的SO2和NOx二次转化现象,且各季节中SO2的转化率均高于NO2.PMF源解析结果表明,二次源对沈阳市大气污染贡献最大,夏秋季生物质燃烧和冬季燃煤源贡献同样不可忽视.     

西安市春季大气细粒子的质量浓度及其水溶性组分的特征

为了探讨西安市春季大气细粒污染物的污染水平及水溶性组分的特征及来源,2005年3—5月对西安大气PM2.5进行了观测,并应用离子色谱对其中的水溶性组分进行了分析。结果显示,西安市春季大气PM2.5的质量浓度为159.9μg·m-3。分析的11种阴阳离子(Na 、NH4 、K 、Mg2 、Ca2 、F-、Cl-、Br-、NO2-、NO3-和SO42-)质量浓度占PM2.5的30%,表明水溶性组分是大气细粒子的主要组成之一。NH4 、SO42-和NO3-为水溶性离子的主要组分,其平均质量浓度分别为6.6、20.1和7.6μg·m-3,在总水溶性离子中的百分比分别为12.4%、47.4%和16.9%,SO42-和NO3-质量浓度与能见度有较好的负相关性,表明细粒子中二次气溶胶组分对能见度有显著的影响。阴阳离子的平衡和pH值的测定结果显示,西安市大气细粒子污染物为弱酸性。离子间的相关性分析揭示水溶性离子在颗粒物中主要结合方式为(NH4)2SO4、NH4HSO4、NH4NO3、KHSO4和K2SO4。Mg2 和Ca2 的相关性也较好,其摩尔比率为0.07,小于中国北方沙漠和黄土的平均值(0.15),揭示二次扬尘和建筑扬尘等过程对Ca2 的质量浓度影响较大。计算的NO3-/SO42-质量浓度比值的均值为0.38,说明固定排放源(燃煤)对细粒子中水溶性组分的贡献大于移动排放源(机动车)。