Measurement of cabin air quality aboard commercial airliners

Between April and June 1989, 92 randomly selected flights were monitored to determine prevailing levels of environmental tobacco smoke (ETS) and other pollutants in the airliner cabin environment. The monitored flights included 69 smoking flights, 8 of which were international, and 23 nonsmoking flights, all of which were domestic. Selected ETS contaminants (nicotine, respirable suspended particles and carbon monoxide), as well as ozone, microbial aerosols, carbon dioxide and other environmental variables were measured in different parts of airliner cabins. Particle and nicotine concentrations were highest in the smoking section and were somewhat higher in the boundary region near smoking than in other no-smoking sections or on nonsmoking flights. Levels of these ETS tracers were correlated with smoking rates observed by field technicians, and their levels in the boundary section were higher when more proximate to the smoking section. CO₂ levels were sufficiently high and humidity levels were sufficiently low to pose potential comfort problems for aircraft occupants. Ozone levels were well within existing standards for airliner environments, and levels of microbial aerosols were below those in residential environments that have been characterized through cross-sectional studies.     

Lake Michigan Ozone Study (LMOS): Measurements from an instrumented aircraft

As part of the Lake Michigan Ozone Study, the NOAA instrumented King Air research aircraft made a series of flights over Lake Michigan during the summers of 1990 and 1991 to characterize the atmospheric conditions prevailing during times when O₃ concentrations exceeded the air quality standard. Most of the time, O₃ concentrations were within the normal range (40–70 ppbv) for the location and season, but higher concentrations were measured during the afternoon flights at several isolated locations. During three afternoon flights, high O₃ concentrations (> 120 ppbv) were observed along portions of the flight path; the highest 1-min average exceeded 160 ppbv. In two flights the highest O₃ concentrations were observed in the lower boundary layer over the eastern portion of the flight track; in one case the high concentrations were found over the western side of the lake throughout the boundary layer. The increased O₃ was accompanied by moderately increased SO₂ and NO_x (10–20 ppbv); outside the region of elevated O₃, the SO₂ and NO_x were less than 2–3 ppbv. The elevated zone concentrations were related to emissions from the urban region located near the southern and southwestern shores of Lake Michigan.     

一次航班飞行全过程大气污染物排放特征

飞机发动机以航空煤油为燃料,在运行过程中会排放多种大气污染物,对空气质量和人体健康存在较大影响.选择A320作为典型机型,提取了一次真实航班飞行过程中的机载飞行数据,基于BM2及BM2-FOA耦合模型,获得了其在飞行全过程中每一时刻CO、UHC、NO_x及PM_(2.5)的排放指数,并计算了CO、UHC、NO_x、SO_2、CO_2及PM_(2.5)的精确排放量.结果表明,飞行过程中CO和UHC排放指数与推力变化趋势相反,数值范围分别为0.67~595.34 g·kg~(-1)和0.05~0.43 g·kg~(-1).NO_x排放指数与燃油流量变化趋势一致,数值范围是0.96~114.25 g·kg~(-1).PM_(2.5)排放指数全过程变化较小,约为0.25~0.36 g·kg~(-1).飞行全过程中,CO_2排放总量最大,约为2.0×10~4kg.同时,NO_x的排放量约为213.4 kg,SO_2也排放了24.5 kg.CO、PM_(2.5)和UHC的排放量分别为7.5、2.2和0.5 kg.将本次精确计算结果与使用ICAO基准模型对LTO起降阶段的估算结果进行对比后发现,基准模型LTO飞行时间较真实时间偏长37%.基准模型估算LTO阶段CO、UHC污染物排放量偏高,NO_x偏低,且偏差较大;而SO_2、CO_2和PM_(2.5)的排放量估算结果偏差相对较小.与机动车相比,A320飞机的一次LTO起飞着陆飞行,NO_x排放量约等于一辆小客车行驶8.6×10~4km,或相当于1274辆小客车1 d的排放量.     

夏季城市大气O3浓度影响因素及其相关关系

利用2003年夏季济南市区近地面大气O₃、相关前体物和气象因素等观测数据,研究了O₃浓度的分布特征及时间变化规律,分析了7月份O₃与NO、NO₂和CO等前体物及太阳辐射和气温气象条件的相关性.结果表明,济南市区夏季O₃污染比较严重,观测期间各污染物O₃、NO、NO₂、NO_x和CO浓度都相对较高,昼间O₃与各前体物的浓度呈较好的负相关关系,与太阳辐射具有非常明显的相关性,而与气温的相关性不明显.根据以上分析结果,利用回归分析方法,建立了昼间O₃浓度与前体物、气象因子之间的相关模式,结果表明O₃浓度的计算值与观测值符合性较好.     

基于实际飞行数据的首都机场飞机发动机日排放清单估算方法研究

根据航班实际飞行数据估算机场飞机主发动机排放量,可以提升机场排放清单编制的准确度.基于北京首都机场某日运行数据和国内1326架次航班的机载飞行数据(QAR数据),研究了基于飞行数据的机场飞机主发动机排放清单制定方法.采用一阶近似3.0(FOA3.0)方法补充国际民航组织发动机排放数据库颗粒物基准排放指数,结合QAR数据,应用波音燃油流量法2(BFFM2)估算了实际飞行条件下污染物排放指数,编制了首都机场该日飞机主发动机排放清单,分析了首都机场航班排放特征.在此基础上,探讨了结合实际数据本地化的着陆和起飞循环,以期为机场飞机主发动机排放量的快速准确核算提供新的思路.结果发现,该日航班主发动机HC、CO、NO_x和PM_(2.5)排放量分别为933.9、10967.8、14703.5和85.5 kg,较标准LTO循环估算结果的偏差分别为15.6%、13.2%、-29.1%和-18.9%.NO_x排放主要集中在起飞和爬升阶段,占其排放总量的68.0%;HC和CO排放主要集中在滑行和慢车阶段,分别占其排放总量的90.0%和88.0%;PM_(2.5)在各飞行阶段的排放较为平均.对于单位LTO循环,航班滑行过程中平均排队等候(地速为零)时间为7.7 min,产生的HC、CO、NO_x和PM_(2.5)分别占总滑行阶段对应污染物排放量的26.3%、27.5%、25.7%和27.5%,这一部分排放量有望通过场面运行优化进一步控制.     

电动汽车普及对江苏冬季大气污染影响的数值模拟

为研究电动汽车普及对空气质量的影响,首先利用机动车排放计算模型MOBILE估算了在电动汽车替代50%小型载客车情景下江苏省的大气污染物排放量,并利用中尺度气象-化学模式(WRF-Chem)模拟和分析了电动车替代前后冬季污染物浓度的变化特征.结果表明,如果用电动汽车替代小型载客车,江苏省13个地级市的CO、NO_x、VOC排放量都有所降低,减排量从地区来看,苏南苏中苏北.电动汽车替代将会造成江苏地区由交通排放引起的CO浓度降低20%～35%,氮氧化物浓度降低10%～30%,减排效果总体上苏南地区好于苏中和苏北地区.交通排放对于SO_2、一次PM_(2.5)和PM_(10)的贡献小,也可能是因为清单低估了交通源对它们的贡献,因此,减排效果不明显.受NO_x影响,交通减排增加了O_3浓度.     

Gaseous emissions from Canadian boreal forest fires

CO₂-normalized emission ratios (ΔX/ΔCO₂; V/V; where ΔX and ΔCO₂ = the enhancement of trace gas and CO₂, respectively, above background levels) for carbon monoxide (CO), hydrogen (H₂), methane (CH₄), total nonmethane hydrocarbons (TNMHC), and nitrous oxide (N₂O) were determined from smoke samples collected during low-altitude helicopter flights over two prescribed fires in northern Ontario, Canada. The emission ratios determined from these prescribed boreal forest fires are compared to emission ratios determined over two graminoid (grass) wetlands fires in central Florida and are found to be substantially higher (elevated levels of reduced gas production relative to CO₂) during all stages of combustion. These results argue strongly for the need to characterize biomass burning emissions from the major global vegetation/ecosystems in order to couple combustion emissions to their vegetation/ecosystem type. Such a process should improve the quality of any assessments of biomass burning impacts on atmospheric chemistry and climate.     

新冠肺炎疫情期间河北省国省道机动车交通量及大气污染物排放量变化分析

本研究分别利用2019年、2020年第一季度河北省国省道交通调查站监测数据,计算了两年国省道机动车逐日交通量及大气污染物排放量,分析了新冠肺炎疫情期间国省道机动车大气污染物排放的变化情况.与2019年相比,2020年第一季度河北省国省道交通量同比下降38.1%,单位公里CO、VOCs、NO_x、PM_2.5、PM₁₀排放强度分别同比下降31.3%、32.7%、19.1%、20.2%、20.0%.从不同公路类型来看,2020年第一季度,普通公路交通量持续下降,国家高速和省级高速交通量在3月出现回升,分别同比增长5.6%、37.2%,且货车增速高于客车.2020年春运期间,客车、货车总交通量分别为去年同期的44.2%、51.0%,国省道CO、VOCs、NO_x、PM_2.5、PM₁₀的排放强度分别是去年同期的51.4%、50.6%、52.6%、52.3%、52.3%.从2月14日开始,客车、货车交通量开始逐步回升,到3月底,国省道总交通量恢复到了去年同期的46.6%,其中,客车是去年同期的34.5%,货车是70.3%.     

On-road emissions of CO, CO2 and NOX from four wheeler and emission estimates for Delhi

This study presents the emission factor of gaseous pollutants(CO, CO_2, and NO X) from on-road tailpipe measurement of 14 passenger cars of different types of fuel and vintage. The trolley equipped with stainless steel duct, vane probe velocity meter, flue gas analyzer, Nondispersive infra red(NDIR) CO_2 analyzer, temperature, and relative humidity(RH) sensors was connected to the vehicle using a towing system. Lower CO and higher NO X emissions were observed from new diesel cars(post 2010) compared to old cars(post 2005), which implied that new technological advancement in diesel fueled passenger cars to reduce CO emission is a successful venture,however, the use of turbo charger in diesel cars to achieve high temperature combustion might have resulted in increased NO X emissions. Based on the measured emission factors(g/kg), and fuel consumption(kg), the average and 95% confidence interval(CI) bound estimates of CO, CO_2,and NO X from four wheeler(4W) in Delhi for the year 2012 were 15.7(1.4–37.1), 6234(386–12,252),and 30.4(0.0–103) Gg/year, respectively. The contribution of diesel, gasoline and compressed natural gas(CNG) to total CO, CO_2 and NO X emissions were 7:84:9, 50:48:2 and 58:41:1respectively. The present work indicated that the age and the maintenance of vehicle both are important factors in emission assessment therefore, more systematic repetitive measurements covering wide range of vehicles of different age groups, engine capacity, and maintenance level is needed for refining the emission factors with CI.     

基于空间插值的西安市重空气污染期间主要污染物时空变化特征及相关性分析

西安市是我国承东启西、连接南北的战略性枢纽城市,但其长期受到重空气污染的影响.基于2018年11月24日-12月3日西安市及其周边7个地级市共38个环境质量监测站点的逐时数据,利用空间插值、趋势分析和相关性分析方法,研究了西安市一次重空气污染期间六大污染物（PM_2.5、PM₁₀、CO、NO₂、SO₂和O₃）的质量浓度时空变化及彼此间的相关关系.结果表明:①IDW（inverse distance weighting,反距加权插值法）和OKri（ordinary Kriging,普通克里格插值法）均能较好地获得西安市空气污染物的时空变化情况,但IDW的插值精度优于OKri,距离指数为7的IDW可以满足西安市空气污染物时空变化模拟的要求.②研究期间,西安市首要污染物为PM_2.5和PM₁₀,二者分别是中度-重度污染及严重-"爆表"污染天气的首要贡献因子.③ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）、ρ（NO₂）和ρ（SO₂）均呈中部高、两边低,北部高、南部低的空间分布特点,而ρ（O₃）则相反;PM_2.5、PM₁₀、O₃污染程度日趋严重,NO₂污染程度逐渐缓解.④ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间呈中等正相关,三者在时空变化上具有较高的一致性;ρ（SO₂）与ρ（PM_2.5）、ρ（NO₂）、ρ（CO）均呈弱正相关;ρ（O₃）与ρ（NO₂）、ρ（CO）均呈弱负相关.受扬尘天气和特殊风向及地形共同影响,西安市PM₁₀出现"爆表"现象,导致ρ（PM₁₀）与其他污染物质量浓度之间的相关性不明显.研究显示,距离指数为7的IDW适合西安市空气污染情况时空变化的模拟,重污染天气条件下,西安市ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间具有较高的同源性,但各污染物间时空变化和相关性关系较复杂.      

京津冀污染物跨界输送通量模拟

发展了关键影响因子加权人为源分配方法(WKIF),增添了依赖于气象条件和下垫面类型的生物源,动态更新了气象场和浓度场的边界条件.然后利用WRF-CAMx模式定量给出了四季北京、天津和河北大气边界层中PM2.5、O3、CO、SO2、NO2和NO跨界输送通量和北京净输入或输出通量.结果表明WKIF方法合理反映了中小城市人为源的空间分布特征,模式重要输入参量、初值与边界条件的改进显著改善了WRF-CAMx模式对京津冀地区6个观测站点近地面NOx、O3和PM2.5浓度的模拟.北京向天津冬、春季主要通过西北方向,夏、秋季主要经过偏西方向输入NO、NO2、SO2、CO、O3、PM2.5,输送通量夏季均最小,冬季均最大,且四季北京向天津输入的CO、O3、PM2.5通量显著高于NO、NO2、SO2通量.河北的污染物冬、春季主要通过西北方向,夏季主要经由偏南方向,秋季主要途径偏西方向进入北京;四季北京向河北输入NO和NO2,但跨界输送通量小于20t·d-1;四季河北向北京输入的CO、O3、PM2.5通量远高于北京向河北输送的NO、NO2通量,明显大于北京向河北输送的SO2通量,且河北向北京输入CO、O3、PM2.5通量夏季均最小,冬季均最大;四季北京大气边界层中NO、NO2、SO2最大净输出通量小于50t.d-1,CO、O3、PM2.5净输入或输出通量分别为111～2309、567～6244、715～1778t·d-1.这些定量结果为京津冀区域污染源调控对策的制定提供了科学依据.     

厦门湾空气质量对新冠疫情管控的响应

通过对厦门湾城市群在COVID-19封锁前后6周内（2020-01-11~2020-02-21）的空气污染物浓度变化进行分析,以确定影响本区域空气质量的主要人为污染源.在春节假期与封锁叠加期间,SO₂、NO₂、CO、PM₁₀和PM_2.5浓度相比于节前1周的下降幅度分别为6%~22%、53%~70%、34%~48%、47%~64%和53%~60%,而O₃浓度变化没有一致的规律性;与2018~2019年历史同期相比,PM_2.5、PM₁₀、CO和NO₂的下降幅度更大,但SO₂的下降幅度相当;在复工复产后,NO₂的反弹幅度最大（38%~138%）,远高于SO₂（2%~42%）,显示交通源相对于固定源更易受到疫情管控的影响;春节后风速增大和降水增多也为SO₂、NO₂和PM的下降提供了正向影响.利用反距离插值权重法,得到管控前后厦门湾城市群不同污染物的空间分布变化特征,显示NO₂浓度高值区的变化与交通源高度相关,CO和SO₂空间分布特征保持稳定,复工后PM_2.5和PM₁₀在人口与路网密集区变化不明显,而在工地相对集中区域有明显上升,O₃空间分布的低值区与NO₂的高值区具有较好的空间匹配性,显示NO₂对O₃滴定作用明显,可为进一步O₃污染减排措施的制定提供参考.     

乌鲁木齐市城区机动车大气污染物排放特征

对乌鲁木齐市城区车辆信息(包括车流量和车辆构成、车辆控制技术水平、车辆行驶工况、车辆启动分布等)进行调研和测试,并根据IVE模型计算得到机动车污染物排放清单,获得分车型、燃料类型及启动/运行方式的机动车污染物排放分担率.结果表明:2011年乌鲁木齐市机动车CO、NO_x、HC和PM的排放量分别为20.22×104、2.60×104、1.84×104和0.44×10~4t·a~(-1),机动车污染物排放分担率差别显著,乘用车、公交车和重型货车是CO和HC主要排放源;重型货车和乘用车是NO_x的主要排放源;重型货车是PM的主要排放源.汽油车是CO和HC排放的主要来源,柴油车是NO_x和PM排放的主要来源,天然气车各类污染物排放量均较低.控制柴油重型货车是消减机动车污染物排放的重要方式.     

卷烟烟气CO及其降低去除研究进展

一氧化碳是一种典型的卷烟烟气有害物质,对人体有很大的毒害作用。文章回顾了近几十年来国内外卷烟烟气CO的研究进展,介绍了烟气中CO的形成机制、CO对人体健康的损害机理,并进一步对烟气中CO的降低去除方法作了详尽的探讨。     

广东省船舶排放源清单及时空分布特征研究

分别采用基于船舶引擎功率和耗油量的排放因子法,估算了广东省地区2010年的船舶排放清单,并选取客货运输吞吐量、航道通航能力因子和港口地理坐标等数据作为权重因子,研究了该地区各类船舶排放的时空分布特征.结果表明,广东省各类船舶在2010年的SO2、NO x、CO、PM10、PM2.5和VOCs排放总量分别为14.6×104t、23.1×104t、3.0×104t、7.9×103t、7.2×103t和9.3×103t.广东省客货运输船舶月排放波动较小;渔业船舶在1月、4月和11月份的排放比例最高.广东省客货运输船舶水域排放集中在西江干线水道和珠江三角洲高等级航道网内,港口排放主要分布在广东省珠江三角洲沿海发达城市地区;渔船港口排放量呈显著的沿海条带状空间分布特征.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

北京城区PM_(2.5)及主要污染气体“周末效应”和“假日效应”研究

利用2009—2012年北京城区海淀宝联站6种污染物(PM2.5、NO、NO2、O3、CO和SO2)的连续监测数据,研究了污染物浓度的周循环变化规律,以及春节、国庆节假日期间和假日前后污染物浓度变化的差异.结果表明,北京城区O3浓度存在周末高于工作日的显著"周末效应"现象,其它污染物则表现出周末低于工作日的"周末效应"现象;国庆节较长假期存在与"周末效应"相类似的"假日效应",即假日期间污染物浓度明显低于非假日期间(O3相反).而春节期间PM2.5、CO、SO2出现"反常"浓度(污染物浓度在假日期间高于非假日期间),可能与春节期间烟花爆竹燃放有关.从污染物浓度日变化特征分析,污染物浓度高峰期与人类活动高峰期时间基本一致,而污染物在周末和工作日出现的浓度差异现象也与人类活动的周循环差异现象相吻合,NO、NO2和CO的小时平均浓度在周末和工作日的最大偏差出现在08:00,分别为-19.8%、-14.9%和-13.9%,说明北京城区出现污染物浓度的周循环变化特征和日变化特征与人类活动密切相关.     

Chemical and optical properties of aerosols and their interrelationship in winter in the megacity Shanghai of China

A field campaign on air quality was carried out in Shanghai in winter of 2012. The concentrations of NO, NO₂, NO_x, SO₂, CO, and PM_2.5 increased during haze formation. The average masses of SO₄^2-, NO₃^- and NH₄⁺ were 10.3, 11.7 and 6.7 μg/m³ during the haze episodes, which exceeded the average (9.2, 7.9, and 3.4 μg/m³) of these components in the non-haze days. The mean values for the aerosol scattering coefficient (b_sp), aerosol absorption coefficient (b_ap) and single scattering albedo (SSA) were 288.7, 27.7 and 0.91 Mm^-1, respectively. A bi-peak distribution was observed for the mass concentrations of CO, NO, NO₂, and NO_x. More sulfate was produced during daytime than that in the evening due to photochemical reactions. The mass concentration of NH₄⁺ achieved a small peak at noontime. NO₃^- showed lower concentrations in the afternoon and higher concentrations in the early morning. There were obvious bi-peak diurnal patterns for bsp and bap as well as SSA. bsp and bap showed a positive correlation with PM_2.5 mass concentration. (NH₄)₂SO₄, NH₄NO₃, organic mass, elemental carbon and coarse mass accounted for 21.7%, 19.3%, 31.0%, 9.3% and 12.3% of the total extinction coefficient during non-haze days, and 25.6%, 24.3%, 30.1%, 8.1% and 8.2% during hazy days. Organic matter was the largest contributor to light extinction. The contribution proportions of ammonium sulfate and ammonium nitrate to light extinction were significantly higher during the hazy time than during the non-haze days.     

兰州盆地人为源大气污染物网格化排放清单及其空间分布特征

基于所搜集的兰州盆地各类人为污染源排放大气污染物的活动水平数据及其排放因子,采用"自下而上"的方法建立了2009年兰州盆地(石油化工城市)1 km×1 km的7种(类)大气污染物网格化排放清单,并对其来源和空间分布特征进行了分析研究.结果显示:2009年兰州盆地NOx、SO_2、VOCs、CO、PM_(10)、PM_(2.5)和NH3的排放总量分别为1.2×10~5、8.8×10~4、4.3×10~4、4.1×10~5、9.6×10~4、4.2×10~4和1.4×10~4t;工业燃烧排放是兰州盆地NO_x和SO_2的主要贡献源,分别占其总排放量的85.70%和52.55%;工业非燃烧过程排放是VOCs的最大贡献源,占总排放量的81.25%;工业点源和工业非燃烧过程排放是CO的两大贡献源,分别占其总排放量的33.97%和28.32%;PM_(10)和PM_(2.5)主要来源于工业非燃烧过程,贡献分别为51.09%和55.12%;氮肥使用和禽畜养殖是NH_3排放最大的贡献源,分别占其总排放量的39.20%和30.70%.空间分布特征表现为:以工业源为主要排放源的NO_x、SO_2、VOCs、CO、PM_(10)、PM_(2.5)主要分布在工业和人口最为集中的兰州盆地市区一带,NH_3的排放则主要集中在榆中县和皋兰县交界的农村地区.同时,还对2014年工业燃烧源和道路移动源的7种(类)大气污染物排放量进行了估算,并与2009年进行了排放比较研究.结果表明,2014年工业污染源的7种(类)污染物排放量与2009年相比平均增幅不高,最高不超过30%,但移动源污染物排放量却大幅增加,增幅将近1倍.此外,基于排放因子及活动水平的不确定性,本研究对排放清单的结果进行了不确定性分析,并通过蒙特卡罗模拟对各污染物的排放量进行了评估.本排放清单的建立,不仅填补了兰州盆地大气污染物网格化排放清单的空白,还可为兰州盆地大气污染物排放清单更新、区域环境过程、大气复合污染成因及大气污染预警技术等相关研究提供基本方法手段及基础数据.     

北京典型跑步区域空气污染特征及跑步者呼吸暴露

为研究北京市跑步人群运动过程中主要空气污染物的人体呼吸暴露情况,根据2016年4月、7月、10月和2017年1月北京典型的公园跑步区域(天坛公园、奥体中心)、路跑区域(前门东大街、永定内大街)、背景区域(定陵)PM_(2.5)、CO、O3和NO2等污染物在线监测站点数据,分析各污染物的质量浓度时空变化特征,并对102位跑步爱好者进行调查,采用人体呼吸暴露数值模型,研究跑步爱好者污染物吸入剂量的时空差异.结果表明,典型跑步区域CO、NO2和PM_(2.5)浓度冬季高,春季和夏季较低,O3浓度则呈现春季和夏季高、秋季和冬季低;下午时段(16:00~18:00)CO、NO2、PM_(2.5)浓度较低,早晨(06:00~08:00)和晚上(18:00~20:00)时段O3浓度较低,适宜跑步;道路与邻近公园的污染物浓度呈线性相关,CO路侧浓度与公园内基本一致(c路/c园=1.01,R2=0.93),NO2和PM_(2.5)路侧浓度较公园内高,c路/c园分别为0.56和1.19,O3浓度路侧低于公园内(c路/c园=0.74,R2=0.97);92%的跑步爱好者在中度及以上污染天气情况下停止户外运动,选择在公园内和晚上跑步的跑者占比分别为62.7%和66.7%,64.7%的跑者单次跑步里程在10~20 km;下午和晚上跑步时个体的CO、NO2、PM_(2.5)吸入剂量较晨跑低,但O3吸入剂量较高,春季、夏季夜跑时可选择20:00以后时段,能降低O3吸入剂量;路跑条件下个体的CO、NO2和PM_(2.5)的吸入剂量总体要高于公园跑,但O3吸入剂量刚好相反.