小波分析在PM10浓度时间序列分析中的应用

以西安市PM10日平均浓度时间序列为例,根据小波分析的基本原理,应用小波分解和重构对PM10浓度时间序列的变化进行了分析,得到PM10的年变化趋势和突变特征。研究结果表明,用小波分析应用于大气污染物浓度时间序列的分析是可行的。     

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.      

北京奥运会及残奥会期间PM10质量浓度演变特征及成因

2008年8─9月北京及周边各省市ρ(PM₁₀₎明显低于2006─2007年同期值. 结合污染物监测数据及气象资料,采用影响因子资料统计以及典型个例诊断对比法,研究造成北京奥运会及残奥会期间低ρ(PM₁₀₎的原因. 对2006─2008年同期风速的统计表明,2008年7─10月北京各月平均风速均低于往年,2 m/s以上的风发生频率低于往年,不利于大气污染物扩散. 2008年8月北京月降水量与2005年接近,但ρ(PM₁₀₎明显优于2005年,可见降水并不是该次ρ(PM10)月均值低的原因. 对比2006─2008年8─9月典型相似累积型天气型背景影响下ρ(PM₁₀₎日均值及演变过程发现,2008年ρ(PM₁₀₎日均值及演变曲线均低于往年. 根据对影响因子统计和北京及其周边省(市、区)严格的减排措施等分析,指出天气形势及其伴生的气象因素演变可能影响ρ(PM10)日均值波动,但六省(市、区)协同减排是保障优质空气质量的主要原因.      

漯河市PM10和PM2.5中水溶性离子浓度特征及其来源解析

为了研究漯河市PM_2.5和PM₁₀及其水溶性离子变化特征,于2017年5月—2018年2月在漯河市3个采样点同步采集PM_2.5和PM₁₀样品,分别获得PM_2.5和PM₁₀有效样品191和190个.用离子色谱法分析样品中F-、Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+等9种水溶性无机离子.结果表明:在采样期间,漯河市ρ（PM_2.5）平均值为72.42 μg/m3,其中ρ（总无机水溶性离子）的年均值为34.76 μg/m3,占ρ（PM_2.5）的46.72%;ρ（PM₁₀）平均值为126.52 μg/m3,其中ρ（总无机水溶性离子）的年均值为46.40 μg/m3,占ρ（PM₁₀）的35.67%.2种颗粒物水溶性离子质量浓度的季节性变化均呈冬季高、夏季低的趋势.PM_2.5/PM₁₀〔ρ（PM_2.5）/ρ（PM₁₀）〕在四季分别为0.50、0.61、0.56、0.57.采样期间漯河市PM_2.5中NOR（氮氧化率）和SOR（硫氧化率）的年均值分别为0.17和0.30,PM₁₀中NOR和SOR的年均值分别为0.22和0.34,说明颗粒物中SO₄2-的二次转化效率高于NO₃-.PM_2.5和PM₁₀在采样期间均呈弱碱性,且碱性在夏季最强,秋季最弱.利用PMF模型分析PM_2.5和PM₁₀中水溶性离子的主要来源发现,PM_2.5中水溶性离子来源主要包括生物质燃烧源、燃煤源、建筑扬尘源、工业源和二次污染源,PM₁₀中水溶性离子来源主要包括燃煤源、建筑扬尘源、二次污染源、生物质燃烧源和工业源.研究显示,漯河市颗粒物污染中水溶性离子来源复杂,应采取多源控制的污染防治措施.      

武汉光谷空气PM10和PM2.5中的水溶性阴离子分析

2009年1月-2011年12月在武汉光谷商业区选取G、H两点,采集颗粒物样品,分析了PM10和PM2.5浓度,采用离子色谱测定了灰霾期间PM2.5中4种水溶性阴离子。结果表明:G点PM10和PM2.5年平均浓度分别超过《环境空气质量标准》(GB 3095-2012)二级浓度限值的1.48~1.73倍和1.94~2.4倍,H点分别超标1.16~1.4倍和1.26~1.86倍。灰霾期间PM2.5中主要水溶性阴离子为NO3-、SO42-、NO2-和Cl-,G点4种水溶性阴离子占PM2.5中总水溶性离子的比例分别是为20.29%、10.16%、9.51%和4.62%,H点为14.41%、30.12%、6.64%和3.83%。G点NOx-浓度约为SO42-浓度的3倍,而H点SO42-浓度约为NOx-浓度的1.5倍。G与H点NOx-和SO42-离子浓度的差异暗示两监测点的主要污染源不同,交通量和植被覆盖率可能是导致两点浓度差异的原因。。     

PM10浓度时间序列多时间尺度分析的小波方法

文章利用Morlet小波函数进行小波变换,以乌鲁木齐市的大气污染物时间序列为例,分析了当地PM10的多时间尺度的演变特性。研究结果显示,其年际变化和季节性变化的时间尺度在尺度空间中分布不均匀,受气象和污染源因素影响,具有较明显的局部化特征。     

南京颗粒物时间序列相关性及其成因分析研究

以南京2014年2月到5月的PM2．5、PM10日平均值和气象要素观测资料为例,根据Pearson相关系数和双尾检验显著性水平对其逐日时间序列进行相关性分析。结果表明：南京2014年2月到5月PM2．5、PM10与前2日质量浓度值呈正相关性,但两者与前3日、前4日质量浓度值都没有明显线性相关性;PM10较PM2．5相关性更强。在此基础上,从PM2．5、PM10成分来源等方面,阐述了该结论产生的原因。     

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_2.5和PM₁₀中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_2.5和PM₁₀进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_2.5和PM₁₀中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_2.5中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧...     

重庆主城区大气PM10及PM2.5来源解析

为探讨重庆主城区4个季节大气PM₁₀和PM_2.5的主要来源,于2012年2—12月在重庆主城区的工业区、文教区和居住区5个环境监测点同步采集PM₁₀及PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳含量及其分布特征. 采集了重庆主城区土壤尘、建筑水泥尘、扬尘、移动源(包括机动车、施工机械及船舶)、工业源(包括固定燃烧源及工业工艺过程源)、生物质燃烧源及餐饮源等7类污染源,建立了重庆市本地化的污染源成分谱库. 利用CMB(化学质量平衡)受体模型及二重源解析技术分析了PM₁₀及PM_2.5的来源. 结果表明:重庆主城区大气中ρ(PM₁₀)及ρ(PM_2.5)的年均值分别为153.2和113.1 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准限值2倍以上. 大气PM₁₀的主要来源为扬尘、二次粒子和移动源(贡献率分别为23.9%、23.5%和23.4%),大气PM_2.5主要来源于二次粒子和移动源(贡献率分别为30.1%和27.9%).PM₁₀和PM_2.5的主要源类贡献率差别不大,表明研究区域内大气颗粒物污染控制应采取多源控制原则. 大气PM₁₀来源的季节性变化特征表现为春季和秋季主要以扬尘为主、夏季和冬季主要以二次粒子为主.      

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。     

使用道路抑尘剂控制北京PM2.5、PM10、NOx污染的应用及评价研究

使用道路抑尘剂对北京市丰台区看丹桥附近区域进行了道路抑尘处理,总共喷洒路面40万m²,在喷洒路面及对照路面分别设置了采样点,监测喷洒前后空气中PM_2.5、PM₁₀、NO_x浓度情况,并对收集的颗粒物中水溶性阴离子成分和元素成分进行了分析。结果表明,通过喷洒道路抑尘剂可以在一定范围内改善大气污染状况,其对PM₁₀的控制作用最为明显,PM₁₀去除率达到25.0%;PM_^2.5次之,去除率为12.0%;对NO_x则在短期内较为有效,去除率为20.1%。道路抑尘剂也能对大气中的某些特定阴离子成分及无机元素成分具有较好的控制作用。     

北京大气PM10中水溶性金属盐的在线观测与浓度特征研究

研究了北京大气可吸入气溶胶（PM10）中水溶性金属盐的变化特征,并对其来源进行了分析。钠盐、钾盐、镁盐、钙盐浓度的变化范围分别为：0.5～1.4μg/m3、0.5～2.5μg/m3、0.1～0.5μg/m3、0.6～5.8μg/m3,不同水溶性金属盐最高值和最低值出现季节不同。水溶性金属盐没有明显的采暖期和非采暖期的差异,说明冬季采暖不是它们的主要来源。海盐和土壤源是北京大气PM10中Na+的主要来源,K+的主要来源包括秸秆燃烧和生物质排放,土壤源是Mg2+和Ca2+的重要来源。水溶性金属盐的日变化规律不同。降水对Na+、K+、Mg2+、Ca2+的清除分别为10％～70％、20％～80％、10％～77％、5％～80％。     

工作日、双休日和春节期间PM10中水溶性离子浓度变化特征

为了解北京冬季工作日、双休日和春节期间大气PM₁₀中水溶性离子质量浓度水平和日变化特征,2006年1月15日—2月18日在中国科学院大气物理研究所铁塔分部对大气PM10中水溶性离子状况进行了连续观测.结果表明:工作日、双休日和春节期间大气PM₁₀中主要水溶性离子均为SO₄2－,NO₃－和NH₄＋.与工作日相比,双休日中ρ（SO42－）,ρ（NO₃－）和ρ（NH₄＋）平均值分别下降15%,36%和27%;春节期间三者的平均值依次下降41%, 70%和67%.工作日、双休日和春节期间ρ（Cl－）和ρ（NO₂－）日变化相似,表现为白天低,晚上高; 春节期间ρ（SO42－）和ρ（NO₃－）由于源排放的减弱,日变化较平缓,没有明显的峰值.      

北京PM10持续污染及与常规气象要素的关系

北京PM₁₀持续污染已成为重要的污染现象.选用2000年6月─2002年12月北京空气质量日报和2003年1月─2006年2月9个代表站逐日ρ(PM₁₀)监测资料,利用奥林匹克体育中心站的数据分析了2003年以来北京地区空气污染状况,总结了该站近4年的PM₁₀持续污染变化趋势,并统计其与相对湿度、温度、风速和风向等常规气象要素的相关性.结果表明:①北京近几年秋末PM₁₀持续污染有加重趋势,各站点污染具有同步性;②PM₁₀持续污染以春、秋、冬季出现次数多,概率大,相对湿度、风速和风向对其影响较大,其中相对湿度与秋、冬两季持续污染概率的相关系数分别为0.96和0.97,相关性较好.      

Mineralogical characterization of airborne individual particulates in Beijing PM10

This work mainly focuses on the mineralogical study of particulate matter（PM10） in Beijing. Samples were collected on polycarbonate filter from April, 2002 to March, 2003 in Beijing urban area. Scanning electronic microscopy coupled with energy dispersive X-ray（SEM/EDX） was used to investigate individual mineral particles in Beijing PM10. 1454 individual mineral particulates from 48 samples were analysed by SEM/EDX. The results revealed that mineral particulates were complex and heterogeneous. 38 kinds of minerals in PM10 were identified. The clay minerals, of annual average percentage of 30.1%, were the main composition among the identified minerals, and illite/smectite was the main composition in clay minerals, reaching up to 35%. Annual average percentage of quartz, calcite, compound particulates, carbonates were 13.5%, 10.9%, 11.95%, 10.31%, respectively. Annual average percentage less than 10% were gypsum, feldspar, dolomite, and so on. Fluorite, apatite, halite, barite and chloridize zinc（ZnCl2） were firstly identified in Beijing PM10. Sulfurization was found on surface of mineral particles, suggested extensive atmospheric reaction in air during summer.     

淄博市SO2与PM10垂直空间变化规律及其相关性分析

本文对淄博市环境空气中主要污染物SO2和PM10在不同高度的浓度值进行分析,找出污染物垂直空间分布规律;并利用SO2和PM10日均浓度值分析两者之间的相关性,为淄博市环境空气质量进一步控制治理提供一定依据。研究结论如下:淄博市垂直空间SO2、PM10浓度变化基本呈随高度增加而逐步降低趋势;同时SO2和PM10浓度呈现较为明显的相关性。为进一步改善淄博市环境空气质量,不仅要在城市规划中充分考虑给城区以自然通风通道,增加城市对污染物扩散稀释的能力,而其要在开展针对建陶、水泥等行业专项行动,降低工业粉尘排放,加强对城区内市政、房地产建筑工地的监督管理,减少道路和建筑扬尘的同时,加强对SO2排放企业尤其燃煤企业的监管力度,控制SO2排放量,也会相应的进一步降低PM10浓度。     

正矩阵因子分解法评价北京市PM_(10)和SO_2监测网络

为辨识北京市大气污染物变化规律相同的区域,筛选监测网络中表征冗余信息的监测点,使用正矩阵因子分解法分别对北京市PM10和SO2监测网络进行分析与评价.分析获得北京市PM10和SO2明显的季节变化特征:PM10浓度春季最高,夏季较低;SO2浓度冬季最高,夏季较低.采用正矩阵分解法对PM10监测网络解析出3个因子,对应北京市PM10污染变化特征相同的3个区域,分别为区域1代表监测点为车公庄与石景山古城,区域2代表监测点为位于城东的前门、天坛、农展馆与奥体中心,区域3代表监测点定陵.结果表明区域2监测点密度较大,存在表征冗余信息的监测点,可以考虑撤销或迁移部分监测点.对SO2监测网络解析出6个因子,分别对应北京市SO2污染变化特征相同的6个区域,代表监测点位分别为定陵、古城、东四、奥体中心、农展馆与天坛和前门与车公庄.评价结果表明北京市PM10和SO2监测网络都存在冗余信息的监测点,可以根据分区结果考虑撤销或者迁移部分监测点,优化监测网络.     

鞍山市大气PM10中多环芳烃(PAHs)的污染特征及其来源

2005年3月和8月在辽宁省鞍山市8个采样点采集PM₁₀样品,用液相色谱-质谱法分析了PM₁₀上负载的11种多环芳烃(PAHs),并探讨了其分布特征和来源.结果表明:鞍山市PM₁₀中ρ(PAHs)时空变化特征显著,冬季高于夏季,且工业区PAHs污染最严重;在PAHs中4环以上的组分占主导,冬季ρ(4环PAHs)较高,而在夏季ρ(5～6环PAHs)较高.运用比值法和主成分分析法对PAHs来源进行分析,发现冬季的主要污染源为燃煤排放、机动车尾气排放和炼钢工业排放;夏季主要污染源为燃煤排放、机动车尾气排放、生物质燃烧排放和炼钢工业排放等,来源较冬季复杂.机动车尾气排放对PAHs的贡献在2个季节都较为明显,冬季燃煤排放的贡献比重明显增加.