重庆主城区近年一次典型空气重污染过程分析

对2013—2015年重庆主城区空气重污染情况进行统计,并结合地面和高空探测手段,分析了一次典型重污染过程的污染特征。结果表明:重庆主城区秋冬季节的空气污染,以受不利气象条件影响的本地细颗粒物(PM_(2.5))累积污染为主,PM_(2.5)占PM_(10)的平均比例为72%左右;大气能见度与颗粒物浓度、相对湿度均呈现明显的负相关性。典型污染期间的近地层颗粒物污染带主要在0~400 m的高度范围,AOD值高达2.0~2.4,α指数在1.0左右。二次粒子、机动车尾气、扬尘是污染期间重庆主城区PM_(2.5)的主要来源。     

京津冀地区PM_(2.5)的时空效应研究

PM_(2.5)污染已成为当前经济发展中亟待解决的难题。从年、季、日变化及周末效应4个时间尺度和空间自相关分析研究了京津冀地区PM_(2.5)的时空效应,并构建空间回归模型量化分析相关社会经济因素对PM_(2.5)的影响。结果显示:(1)2013—2016年京津冀地区PM_(2.5)污染整体呈下降趋势,但污染程度依然很高,基本都没有达到《环境空气质量标准》(GB 3095—2012)二级标准(35μg/m~3)。四季的达标天数夏季春季秋季冬季。中南部的石家庄、保定、衡水、邢台、邯郸为PM_(2.5)浓度高值区,日变化曲线为单峰型,受工业企业生产排放的影响较大;北部的张家口、承德、秦皇岛为PM_(2.5)浓度低值区,中东部的天津、北京、沧州、唐山、廊坊为PM_(2.5)浓度中值区,日变化曲线均为双峰型,受机动车尾气排放的影响较大。石家庄、北京的周末效应表现为白天PM_(2.5)浓度工作日高于周末,晚上周末高于工作日。(2)京津冀地区PM_(2.5)存在显著的空间正相关性,2013—2016年石家庄、衡水、邢台、邯郸始终表现出高-高集聚特征,张家口、承德、秦皇岛始终保持低-低集聚特征。汽车尾气排放是京津冀地区PM_(2.5)污染的重要影响因素,而能源消耗的影响不显著。     

北京地铁车厢内PM_(2.5)和PM_(10)污染特征研究

地铁是人们出行的重要交通方式,车厢内颗粒物污染可影响人体健康。2016年春、秋、冬季对北京地铁1号、2号、4号、10号线进行现场监测,探讨北京地铁车厢内颗粒物污染特征。研究结果表明,北京地铁车厢内PM_(2.5)平均浓度超标率为83.8%~98.7%,地铁1号线PM_(10)平均浓度超标率为59.6%。地铁车厢内PM_(2.5)和PM_(10)浓度存在工作日和周末组间显著性差异,表明客运量对车厢内颗粒物浓度有较大影响。地铁车厢内PM_(2.5)和PM_(10)浓度存在季节性差异,冬季车厢内颗粒物平均浓度最高。不同线路车厢内PM_(2.5)和PM_(10)浓度存在组间差异,地铁通风空调系统、门系统和客运量是造成其差异的主要原因。     

贵阳市冬季大气PM 2.5和PM 10浓度空间插值及分布研究

为了解贵阳市冬季大气污染现状,以贵阳市污染相对严重的白云区为研究对象,连续采集PM_(2.5)、PM_(10)浓度数据,利用普通克里金法进行空间插值获取PM_(2.5)、PM_(10)分布特征。通过留一法交叉验证,比较6种半变异函数模型(三角函数、高斯函数、球面函数、指数函数、J-Bessel函数和K-Bessel函数)的空间插值精度,选出最适的函数模型;采用分区统计和格网统计的方法,对不同土地利用类型、植被覆盖度下的PM_(2.5)、PM_(10)平均浓度进行比较分析。结果表明,三角函数是PM_(2.5)空间插值的最适模型,指数函数是PM_(10)空间插值的最适模型;贵阳市白云区冬季大气PM_(2.5)、PM_(10)浓度总体表现出城区浓度高,郊区浓度低的分布特征;土地利用类型和植被覆盖度对PM_(2.5)和PM_(10)浓度有着较强的影响。     

夏季海淀公园内PM_(2.5)浓度水平梯度分布规律

于2014年夏季,通过观测海淀公园不同区域沿道路不同宽度处PM_(2.5)浓度,研究PM_(2.5)浓度日变化规律、水平梯度分布规律、净化效益及其影响因素。结果表明,海淀公园内PM_(2.5)浓度日变化规律呈白天低晚上高的趋势,09:00—15:00时PM_(2.5)浓度达到国家标准Ⅱ类功能区浓度质量要求,05:00时PM_(2.5)浓度最高。不同观测区域一定宽度范围内出现PM_(2.5)浓度积聚,之后开始下降。总体上,海淀公园在13:00时对PM_(2.5)浓度净化效益最显著,09:00时净化效益最差。环城高速路区域与城市主干道区域165 m以上宽度处、城市次干道区域60 m以上宽度处为正净化效益,并维持正净化效益。海淀公园内PM_(2.5)浓度与气象因子之间相关关系表明,PM_(2.5)浓度与平均温度、相对湿度呈显著相关,与其他气象因素没有显著相关性。     

2019年春节期间重庆市烟花爆竹禁放效果评估

为评估2019年春节期间重庆市烟花爆竹禁放政策的实施效果,利用2015—2019年春节期间的空气质量自动监测数据及在线水溶性离子监测数据等资料,并采用烟花爆竹影响分级、PM_(2.5)/CO法等方法,估算了除夕夜烟花爆竹燃放对重庆市各监测站点的影响。结果表明,2019年重庆市烟花爆竹禁放后,空气质量明显好于往年。主城区优良天数为近5年春节期间最多,PM_(2.5)平均浓度为近5年最低,除夕夜PM_(2.5)和PM_(10)最大峰值同比分别下降72.8%和74.1%,且烟花污染的强示踪组分K~+、Mg~(2+)、Cl~-等也没有出现明显陡升,有近一半的监测站点空气质量基本未受烟花爆竹影响。     

乌鲁木齐市PM_(2.5)浓度与气象条件耦合分析

为探究气象条件对污染物浓度的影响,于2013年10月至2014年10月在乌鲁木齐市主城区采集PM_(2.5)样品,并选取同期气象站监测的气象数据进行分析。结果表明:(1)乌鲁木齐市采暖期PM_(2.5)日均值平均达到84.70μg/m~3,超出了《环境空气质量标准》(GB 3095—2012)中24h平均二级限值(75μg/m~3),是非采暖期(20.66μg/m~3)的4倍多。(2)采暖期风速、相对湿度、气温、水汽压与PM_(2.5)日均值极显著相关,非采暖期相对湿度与PM_(2.5)日均值极显著相关。     

西安市机动车污染物排放清单与空间分布特征

基于机动车排放因子(MOVES)模型和地理信息系统(ArcGIS)技术,建立了西安市2017年分辨率为1km×1km的机动车污染物排放清单。结果显示:2017年西安市机动车污染物PM_(2.5)、PM_(10)、NO_x(NO+NO_2)、NO、NO_2、N_2O和挥发性有机物(VOCs)的年排放总量分别为126.1×10~4、138.2×10~4、2 884.2×10~4、2 577.8×10~4、306.4×10~4、27.9×10~4、1 281.2×10~4 kg;柴油车是PM_(2.5)、PM_(10)和NO_x排放的主要来源,贡献率分别为80.2%、79.5%和75.8%;VOCs和N_2O则主要来自汽油车,贡献率分别为74.2%、89.7%;总体看来,研究区域内不同污染物的空间分布规律相似,这与西安市公路分布有关,PM_(2.5)和NO_x的排放主要集中在主城区及周边县区的高速路和国道,而VOCs的排放主要集中在主城区二环及环内。     

珠江三角洲PM_(2.5)高污染天气的区域污染特征分析

利用珠江三角洲(简称珠三角)58个监测点位2013—2015年的CO、SO_2、NO_2、O_3、PM_(10)、PM_(2.5)浓度数据,对珠三角PM_(2.5)高污染天气的污染物分布特征进行研究,以期更深入地揭示珠三角PM_(2.5)的污染特征。结果表明:珠三角PM_(2.5)高污染天气主要发生在秋季(10月)和冬季(1月、12月);相对于冬季,秋季珠三角大气污染光化学反应更活跃;秋季珠三角PM_(2.5)高污染天气由一次污染和二次污染同步加强导致,污染防治难度大;冬季珠三角大气污染体现了高污染区域传输影响的特征,PM_(2.5)污染由高污染区域传输背景下的本地污染积累加强导致,佛山和广州一带尤为明显,是重点防治地区。     

广州PM2.5污染特征及与气象因子的关系分析

基于2014—2016年广州PM_(2.5)浓度逐时观测数据,研究了广州PM_(2.5)污染变化特征及其与气象因子的关系,确定了影响广州大气能见度的PM_(2.5)浓度阈值。结果表明:(1)2014—2016年广州PM_(2.5)质量浓度平均为32.7μg/m3,广州1月PM_(2.5)污染最重,轻度、中度、重度污染频率合计达20.16%;(2)PM_(2.5)浓度与风速、降水、气温、能见度呈负相关,与相对湿度、气压呈正相关;(3)广州地区在南风的条件下PM_(2.5)浓度最低,风速小于2m/s的偏北风下易出现污染;(4)PM_(2.5)浓度与相对湿度共同影响广州能见度的变化,随着相对湿度的增加,PM_(2.5)浓度的敏感阈值不断减小,通常当PM_(2.5)高于37.3μg/m3时,控制PM_(2.5)对改善城市能见度成效相对缓慢,而当PM_(2.5)浓度低于此阈值时,降低PM_(2.5)将显著提高大气能见度。     

北京市无风天人体高度的PM_(2.5)、PM_(10)变化特征及扩散机制研究

为了解无风天情况下PM_(2.5)、PM_(10)的人体暴露水平及扩散机制,对人体呼吸高度的PM_(2.5)、PM_(10)浓度及近地面不同高度处的温度、相对湿度进行连续监测,分析了垂直温度梯度、相对湿度的相对变化速率对PM_(2.5)、PM_(10)浓度的影响,并利用回归分析法建立PM_(2.5)、PM_(10)浓度与不同高度处温度、相对湿度的单、多变量回归模型,从中选取最优回归模型。结果表明:(1)晴天的PM_(2.5)、PM_(10)浓度在研究时段(9:00—21:00)内总体呈先降低再升高的趋势,而阴天、小雨天PM_(2.5)、PM_(10)浓度呈多峰变化,起伏较大;晴天不同高度的温度差异大,阴天、小雨天温度差异相对较小;晴天不同高度的相对湿度曲线总体均呈U型分布,相较而言,阴天及小雨天各层的相对湿度曲线波动较大;(2)垂直温度梯度是影响晴天PM_(2.5)、PM_(10)扩散的主要原因,相对湿度变化是影响颗粒物扩散的另一重要因素。(3)PM_(2.5)、PM_(10)浓度的单、多变量最优回归模型表明,低污染晴天,温度是影响颗粒物扩散的主要因素,高污染晴天则主要受相对湿度的影响,介于上述两种污染状况之间时,PM_(2.5)、PM_(10)浓度不仅受各层相对湿度的控制,还受到温度的影响。阴天PM_(2.5)、PM_(10)浓度的最优回归模型相对复杂,模型精度不及晴天。     

杭州市不同高度大气PM_(2.5)的污染特征研究

为研究杭州市大气PM_(2.5)的污染特征,评估本地污染源和外来污染源对PM_(2.5)的影响,于2013年10月10日至11月2日对杭州市主城区两个不同高度的采样点进行采样,并定量分析大气PM_(2.5)中的化学成分。结果表明,采样期间20、84m高度的大气PM_(2.5)日均质量浓度分别为(80.5±28.9)、(80.3±29.3)μg/m3,不同高度的PM_(2.5)浓度及其化学成分无明显差异;PM_(2.5)主要成分质量分数按如下排序:SO_4~(2-)有机碳(OC)NO_3~-NH_4~+元素碳(EC);大气PM_(2.5)中二次粒子SO_4~(2-)、NO_3~-、NH_4~+平均质量浓度总和约为39.0μg/m3,二次转化是杭州市大气PM_(2.5)的主要来源,SO_4~(2-)、NO_3~-、NH_4~+贡献率为48%左右;20、84 m高度的大气PM_(2.5)中OC分别为(15.6±5.1)、(14.8±4.7)μg/m3,EC分别为(4.6±1.8)、(4.6±1.6)μg/m3,OC/EC(质量比)约为3.3。采样期间,杭州市大气PM_(2.5)在近地面垂直方向上分布较为均匀,表明杭州市大气PM_(2.5)受外来污染源的影响较小。而在本地污染源中,杭州市大气PM_(2.5)主要受到生物质燃烧、机动车尾气、燃煤和餐饮油烟等来源的影响,地面扬尘的作用不明显。     

贵阳市白云区大气PM_(10)和PM_(2.5)污染特征

使用β射线法在线监测仪连续监测了贵阳市白云区PM_(10)和PM_(2.5)浓度,分析了2014年6月1日—12月31日7个月内PM_(10)、PM_(2.5)的浓度水平、时变规律和PM_(2.5)/PM_(10)的变化情况。结果表明,监测时段内PM_(10)和PM_(2.5)的日均浓度平均值分别为76.8μg/m~3和40.0μg/m~3,均达到国家二级标准;浓度超标的天数占总观测天数的5.1%和9.3%,属污染轻微的地区。PM_(2.5)/PM_(10)在25.3%~78.8%之间周期性波动,平均值为52.1%。PM_(10)和PM_(2.5)的浓度变化具有很好的正相关性(r=0.919 8,p0.000 1);日均值在7个月中呈现明显的周期性变化,各月相对稳定,12月的PM_(10)和PM_(2.5)浓度最高且变化最为剧烈,6月最为平缓。PM_(10)和PM_(2.5)浓度小时变化总体上呈双峰型分布,最高值出现在出现在09:00—10:00和19:00—21:00前后,最低值出现在14:00—17:00之间。     

济南市PM2.5化学组分及污染特征分析

为探讨济南市大气PM_(2.5)主要化学组分和污染特征,2017年在济南市开展了PM_(2.5)样品采集工作,分析了PM_(2.5)中有机碳(OC)、元素碳(EC)和水溶性离子浓度水平。结果表明:采样期间济南市PM_(2.5)中OC、EC年均质量浓度分别为9.10、2.68μg/m~3,全年OC与EC质量浓度的比值为3.4,二次有机碳污染严重;OC、EC季节分布特征明显,均为冬季浓度最高,且秋、冬季两者相关系数较高,表明秋季和冬季OC、EC来源较为一致。NO_3~-、SO_4~(2-)、NH_4~+年均质量浓度之和为34.29μg/m~3,占水溶性离子总量的88.9%,是济南市PM_(2.5)中最重要的组分;各水溶性离子浓度具有明显的季节变化特征,NO_3~-、SO_4~(2-)、NH_4~+、Cl~-和K~+均冬季浓度最高,而Ca~(2+)春季浓度最高;PM_(2.5)中NO_3~-与SO_4~(2-)质量浓度的比值为1.10,说明相比于固定污染源,移动污染源对济南市PM_(2.5)影响更大。     

风机盘管回风口加装驻极体过滤器过滤PM_(2.5)性能分析

针对空调系统末端装置用风机盘管不具备过滤PM_(2.5)功能的问题,在风机盘管回风口加装具有低阻特性的驻极体空气过滤器进行了性能测试分析。以蜡烛燃烧产生的颗粒物作为室内PM_(2.5)的尘源,将3种不同过滤面积的驻极体空气过滤器分别安装在风机盘管回风口,测试了风机盘管在不同风量(额定风量、75%额定风量、50%额定风量)下运行时其对PM_(2.5)过滤性能及在30 min内室内PM_(2.5)浓度衰减率。结果表明:加装驻极体空气过滤器后风机盘管瞬时过滤效率可达到66%以上、在30 min内室内PM_(2.5)的浓度衰减率可以达到54.8%以上;在相同风量下风机盘管的瞬时过滤效率、处理风量随加装过滤器过滤面积增加而提高;以PM_(2.5)浓度衰减率作为指标,可以判断出回风口加装过滤面积为1.88 m2的过滤器净化效果最优,其在不同风量下30 min内PM_(2.5)浓度衰减率分别为87.4%、84.7%和77.3%,且在不同风量下工作时均能在30min内使室内PM_(2.5)浓度达到环境空气质量标准一级日平均浓度限值。     

海口市PM_(2.5)演变特征及其与气象因素的关系

利用海口市PM_(2.5)逐时数据、常规气象观测资料、FNL全球分析资料和HYSPLIT模式,对比分析海口市PM_(2.5)变化特征及其与气象因素的关系。结果表明:(1)2014年1月1日至2016年6月30日,海口市PM_(2.5)日均值以达到《环境空气质量标准》(GB 3095—2012)一级标准为主;年均值为23μg/m~3,达到GB 3095—2012二级标准;月均值整体呈周期性波动,秋冬季高、春夏季低;季节均值排序为冬季秋季春季夏季。(2)降水对PM_(2.5)有清除作用;风速加大会使PM_(2.5)浓度减小。(3)污染个例分析表明,海口市PM_(2.5)浓度增大,是因为东北风将外地污染物传输经过本地,并配合有利的天气形势,最终造成大气污染事件的发生。     

山西省空气污染物PM_(2.5)时空分布特征研究

基于山西省11个地级市2015年7月至2016年5月的PM_(2.5)月均浓度数据,运用地理信息系统(GIS)和分级统计法分析了山西省PM_(2.5)的时空变化特征。结果表明:山西省PM_(2.5)月平均浓度变化具有季节性,2015年8—9月和2016年4—5月污染较轻,2015年12月至2016年1月污染较严重;晋南各城市污染均比较严重,而位于晋北的大同市和晋西的吕梁市PM_(2.5)月均浓度一直处于达标状态。主成分分析发现,除吕梁市外,其他地级市对山西省PM_(2.5)污染的贡献接近,表明不同地级市的PM_(2.5)月均浓度变化主要受大尺度的天气变化影响。研究结果有利于了解山西省PM_(2.5)污染的时空分布格局,进而有助于针对性地开展污染防控工作。     

长春供暖季室内外PM2.5浓度垂直分布与分析

为研究严寒地区供暖季室内外PM_(2.5)浓度的垂直分布,在供暖季分别对长春某高层居住建筑1、8、15、24、33楼层的室内外PM_(2.5)浓度进行监测,研究不同楼层室内外PM_(2.5)的浓度与变化特征。采用随机组分重叠模型(RCS)方法研究各楼层PM_(2.5)渗透因子,采用逐步回归分析方法研究室内PM_(2.5)浓度的各影响因素。结果表明:在供暖季,长春市高层建筑的不同楼层均存在一定的PM_(2.5)污染,室内外PM_(2.5)浓度随楼层升高大体呈现减小的趋势,但差异不显著。室内外PM_(2.5)浓度存在显著的相关性(P 0.05),在没有室内污染源时,室外颗粒物渗透是室内污染的主要来源。室内PM_(2.5)浓度与房间面积等没有显著相关性。     

室内外PM_(2.5)污染特征、形貌及矿物组成

为掌握室内外细颗粒物(PM_(2.5))污染特性,监测采集西安市某办公场所室内外PM_(2.5)样品,统计分析PM_(2.5)质量浓度特征,探究室内外PM_(2.5)相关性、微观形貌以及矿物组成的差异。结果表明:室内外PM_(2.5)年均质量浓度分别为85.32和109.83μg·m~(-3),冬季污染尤为严重。室内PM_(2.5)受室外PM_(2.5)影响显著,室内外PM_(2.5)质量浓度的相关系数为0.890 0。室内PM_(2.5)多为粒径小于1μm的球状颗粒物,而室外颗粒物形状、大小不规则,室内外PM_(2.5)均含有大量的碳、氧元素,其他元素的种类和含量存在一定差异。室内PM_(2.5)中矿物多为非晶态物质,室外PM_(2.5)主要由石英、赤铁矿和碳酸钙等矿物质组成。     

汾渭平原采暖期与非采暖期大气环境质量时空变化特征研究

采暖期重污染天气频发,成为大气环境质量改善的难点。汾渭平原刚被划为中国环境治理的重点区域,大气污染形势十分严峻。基于2014—2018年PM2.5、SO_2、NO_2、O_3和CO等污染物监测数据及空气质量指数,分析了汾渭平原采暖期和非采暖期大气环境质量的时空变化特征。结果表明:(1)采暖期PM_(2.5)、SO_2、NO_2和CO浓度均高于非采暖期,非采暖期PM_(2.5)相比采暖期低42%～54%,采暖期SO_2、NO_2和CO的平均浓度分别是非采暖期的2.7、1.5、1.6倍,而非采暖期O_3平均浓度是采暖期的2.2倍;(2)PM_(2.5)和SO_2为采暖期首要污染物,O_3为非采暖期首要污染物;(3)采暖期和非采暖期三省交界处和临汾的PM2.5浓度均较高,采暖期气态污染物的空间分布与非采暖期基本相似,其中SO_2浓度的空间分布为山西境内河南境内陕西境内;(4)采暖期PM_(2.5)与SO_2、NO_2、CO浓度均呈正相关,与O_3呈负相关,非采暖期SO_2、NO_2和CO随PM_(2.5)浓度呈一致变化趋势,均先上升后下降,与采暖期的变化趋势并不相同;(5)采暖对PM_(2.5)和SO_2的年平均贡献率分别为34.9%和42.1%。