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.      

天津市夏季重污染天气过程PM2.5输送特征

利用环境监测、气象常规观测、美国国家环境预报中心(NCEP)再分析等资料,采用气溶胶激光雷达和HYSPLIT模式对2018年8月1—2日发生在天津市夏季的一次重污染天气过程进行分析。结果表明:地面弱气压场、低空逆温和偏东暖湿气流的输送为此次重污染形成提供了有利条件;气溶胶激光雷达分析表明,此次污染过程存在明显的水平输送和垂直分布特征,市区PM_2.5浓度升高除与水平输送有关,还与本地低空逆温造成的PM_2.5积累密切相关;HYSPLIT模式后向轨迹追踪研究表明,PM_2.5前期积累爬升阶段,气团主要来自偏南气流,200、500、1 000 m高度气团均有明显沉降,后期气团来向转变为较清洁的偏东暖湿气流,但同时带来大量水汽,造成天津市相对湿度的增加。此次污染过程前期是由于静稳天气形势导致PM_2.5积累,后期主要是天津市各区县之间PM_2.5的输送以及偏东暖湿气流输送水汽导致相对湿度的增加,污染进一步加重。     

运城市PM2.5时空分布特征和潜在源区季节分析

基于2019年3月～2020年2月环境空气质量监测数据,分析了运城市PM_2.5污染的时空分布特征,并利用HYSPLIT后向轨迹模型和聚类分析等方法探讨不同季节运城市PM_2.5污染的输送路径和潜在源区.结果表明,运城市ρ(PM_2.5)冬季最高(111.24μg·m^-3),夏季最低(30.02μg·m^-3),PM_2.5/PM₁₀秋冬季均大于0.6,表明运城市秋冬两季颗粒物污染以细颗粒物为主;空间上ρ(PM_2.5)年均值呈现北部和中部高、东部和西部低的分布特征,高值区PM_2.5与SO₂、 NO₂和CO呈显著强相关,表明本地排放对高值区ρ(PM_2.5)影响较大,春季和冬季最高值分别位于河津市(58.50μg·m^-3)和稷山县(142.33μg·m^-3),夏季最高值位于南部的平陆县(36.92...     

长三角地区PM2.5区域性污染时空变化特征

为定量分析长三角地区PM_2.5区域性污染的变化特征,建立适用于长三角地区的PM_2.5区域污染划分标准,基于2015—2020年长三角地区41个城市日均ρ(PM_2.5)开展区域污染变化趋势研究,并针对长三角PM_2.5重度区域污染开展了时空变化以及网络特征分析. 结果表明:①2015—2020年长三角三省一市年均ρ(PM_2.5)降幅均在25%以上,城市ρ(PM_2.5)分布呈北高南低的特征,南北城市之间ρ(PM_2.5)差异较大,ρ(PM_2.5)最高值与最低值相差35~46 μg/m3. ②2015—2020年长三角PM_2.5区域污染天数比例为16.9%~35.9%,以轻度污染为主,不同年份中度和重度污染天数比例差异较大,且主要出现在秋冬季,轻度、中度和重度污染天数均呈波动下降趋势. ③与2015年相比,2019年和2020年PM_2.5区域污染天数分别减少了38和69 d,且PM_2.5重度区域污染持续天数和重度及以上污染城市数量均呈减少趋势. ④PM_2.5重度区域污染日,长三角城市之间表现出较强的污染关联性,并可划分为4个子群. 以连云港市为代表的子群1位于长三角地区北部,PM_2.5污染相对较重,受长三角区域内输送影响较小,但对区域内其他城市有一定的输送影响;以宁波市为代表的子群2和以南京市为代表的子群4受长三角区域内输送影响较大,并指示了东路沿海和中路两条污染传输通道;以安庆市为代表的子群3位于内陆地区,污染独立性相对较强,受长三角区域内输送影响较小,同时对长三角其他城市影响也较小. 研究显示,长三角地区PM_2.5污染改善显著,但重度区域污染尚未消除,中北部城市的联防联控将对改善PM_2.5区域污染起积极作用.      

中国城市PM2.5和PM10时空分布特征和影响因素分析

PM_2.5和PM₁₀浓度超标引发的空气质量问题严重影响公众健康,研究PM_2.5和PM₁₀浓度对制定有效的污染防控和治理措施具有重要意义.运用时空分析法,分析2018年季度PM_2.5和PM₁₀浓度时空分布,并用GWR探究浓度差异的原因.结果表明：(1)PM_2.5和PM₁₀的浓度均呈冬春高、夏秋低的季节性规律;四季污染物浓度在胡焕庸线两侧存在显著差异,该线以东地区高浓度聚集在京津冀地区,该线以西地区高浓度聚集在新疆中南部.(2)PM_2.5和PM₁₀浓度的Moran’s I在四季均为正,且均在冬季增至最大值;PM_2.5和PM₁₀的分布格局基本一致,“高-高”类和“低-低”类集中分布现象明显.(3)各因素对PM_2.5和PM₁₀浓度的影响存在较大空间异质性.温度和坡度对PM_2.5     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.     

陕西省PM2.5时空分布规律及其影响因素

PM_2.5是导致中国多省市发生灰霾的罪魁祸首,明确其时空分布规律,厘清其影响因素对灰霾的综合治理意义深远.基于陕西省2015年50个监测站点的PM_2.5浓度数据,采用空间数据统计方法、克里金插值法以及Morlet小波分析法对陕西省PM_2.5浓度的时空分布规律进行研究,并运用灰色关联模型来探讨PM_2.5浓度的影响因素.结果显示:①陕西省PM_2.5浓度整体呈"冬高夏低、春秋居中"的季节性变化规律,"U型"起伏的月变化规律,周期性脉冲波动型的日变化规律以及"W型"起伏的时变化规律;②陕西省PM_2.5浓度呈"北部低,中南部高"的空间分布特征,并且空间集聚性显著.不同季节的高值区均集聚于海拔相对较低的关中盆地内部城市.这与盆地内部空气不易扩散,静稳天气出现频率较高,易出现逆温现象密切相关;③影响陕西省PM_2.5浓度最大的指标层是PM_2.5污染来源（权重值为0.49）,其次是城市化与土地利用（权重值为0.37）,气象与地形因子影响最小（权重值为0.15）.不同城市各指标层的综合关联度差异较大.④各指标因子与PM_2.5浓度均为强度关联.降水量、机动车保有量、二氧化硫排放量、烟粉（尘）排放量、建成区面积、人口密度和人均GDP是影响陕西省PM_2.5浓度的主要因子,影响各城市PM_2.5浓度的主要因子具有一定的空间差异性.研究显示,人类活动对陕西省PM_2.5的影响显著,尤其是城市化的快速推进,相关指标（如人口、机动车、能耗、工业总产值等）持续增长,将进一步加大PM_2.5来源的多样性以及相关污染物的排放量.      

黄河流域PM2.5时空分布格局及人口暴露研究

文章基于PM_2.5遥感反演数据和人口格网分布数据,构建人口暴露风险指数模型,采用Theil-Sen Median与Mann Kendall检验法,识别2000-2020年间黄河流域PM_2.5质量浓度值和人口暴露风险指数时间演化特征,通过空间探索工具,刻画其空间变化特征。研究结果表明：(1)PM_2.5质量浓度平均值为46.53μg/m³,研究期内呈现出“快速增长—波动变化—持续下降”的态势。PM_2.5污染不同等级面积比例变化明显,总体呈现出高浓度区域减少、低浓度区域增加的态势。(2)PM_2.5年均质量浓度空间上东高西低。历年PM_2.5年均质量浓度空间局部自相关显著。低值区域主要分布在青海、甘肃、宁夏、内蒙古等省份。高值区域集中分布在山西南部、陕西关中地区、河南中部、山东北部区域。(3)除2000年和2020年外,研究时段内均有90%以上人口暴露于PM_2.5年均质量浓度35μg/m³限值以上,且...     

两湖盆地襄阳地区PM2.5重污染过程区域传输的观测和模拟分析

两湖盆地位于华中地区,横跨湖北、湖南两省,海拔高度低于200 m.襄阳为华中地区两湖盆地的“风口”,PM_2.5污染严重.为认识襄阳地区大气环境变化特征,对其2016年1月的大气污染过程进行研究分析,研究气象条件对PM_2.5浓度的影响.结果表明：冷空气南下入侵对两湖盆地襄阳地区产生PM_2.5重污染有重要驱动作用.强风是驱动大气污染物区域传输的主要因素,受东亚冬季风影响,上风方的PM_2.5跨区域传输到下风方两湖盆地,导致襄阳地区的PM_2.5污染水平上升.基于FLEXPART-WRF模式,定量估算了2016年1月襄阳地区4次PM_2.5重污染过程的区域传输贡献,估算发现4次大气重污染过程的外源贡献率均高于50.0%,最高达80.3%,体现了大气污染物区域传输对两湖盆地大气重污染事件的主导作用.两湖盆地襄阳地区PM_2.5污染主要潜在源来自东北路径,以华北平原为主.     

京津冀PM2.5时空分布特征及其污染风险因素

为分析京津冀及其周边区域2013年典型污染事件中PM_2.5的时空分布特征及污染风险因素,根据国家城市环境空气质量实时发布数据和京津冀地区地理国情信息监测成果,采用空间数据挖掘方法对PM_2.5污染的热点区域进行了划分;并采用地理探测器定量分析了PM_2.5污染风险因子及其影响程度. 结果表明:在选取的京津冀6个城市中,在PM_2.5污染事件统计上存在保定—廊坊—北京—天津—承德—张家口的污染顺序. PM_2.5污染在空间上呈河南省(山东省)—河北省—北京市(天津市)一线的带状分布特征,在单次污染事件中,城市间的PM_2.5污染存在空间运移关系. 空间热点探测表明,京津冀及其周边区域主要分为5个热点聚集区,其中3个高值区分布在北京市、天津市、河北省和山东省的中部,面积分别为5.31×104、10.26×104、5.04×104 km2. 在8个污染风险因子中,污染企业总数(影响力为0.97,下同)、降水量(0.93)、地形坡度(0.89)对PM_2.5污染的影响显著高于其他风险因子;其他风险因子影响力排序依次为人口数量(0.60)、降水量大于0.1 mm的降水日数(0.57)、地表覆盖类型(0.52)、年均相对湿度(0.51)、年均风速(0.33),但风险因子间相比没有显著性差异. 研究显示,京津冀地区PM_2.5污染的主要因素是污染物排放,其次,气象要素中的年降水量和自然地理环境中的地形坡度也是影响PM_2.5污染特征的重要风险因子.      

乌鲁木齐市重污染期间PM2.5污染特征与来源解析

目前有关我国城市大气重污染期间PM_2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM_2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM_2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气. 分析了重污染天气下ρ(PM_2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM_2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM_2.5的来源构成.结果表明:大气重污染期间ρ(PM_2.5)严重超标,其中米东区环境保护局采样点的ρ(PM_2.5)最高,其次是铁路局、市监测站;PM_2.5化学组分以SO₄2-、TC、Si和NO₃-为主,其中二次离子占ρ(PM_2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM_2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.      

天津市PM2.5碳组分空间差异性及来源解析

2021年在天津市不同功能区共设置4个点位同步采集细颗粒物（PM_2.5）样品,测定了其中8种碳质亚组分的含量.结果表明,采样期间各点位ρ[有机碳（OC）]为3.7~4.4 μg·m^-3,ρ[元素碳（EC）]为1.6~1.7 μg·m^-3,OC浓度在中心城区最高,EC浓度差别较小.采用最小比值法对二次有机碳（SOC）进行估算,结果表明环城区二次污染较为突出,SOC占OC的比例达48.8%.各功能区碳质亚组分间的相关性强弱呈现出外围区>中心城区>环城区的特征,均表现出EC₁与OC₂和EC₁与OC₄相关性最强.正定矩阵因子（PMF）来源解析结果显示,道路扬尘源（9.7%~23.5%）、燃煤源（10.2%~13.3%）、柴油车尾气（12.6%~20.2%）和汽油车尾气（18.9%~38.8%）是天津市PM_2.5中碳组分的主要来源.不同功能区碳组分污染源存在差异,中心城区和外围区主要受汽油车尾气影响;环城区受二次污染和柴油车尾气的影响更为突出.     

2016年宁夏回族自治区PM2.5浓度时空分布特征

对2016年宁夏回族自治区大气中PM_2.5浓度的时空分布特征及其与其它空气质量指标和气象参数之间的相关性进行探讨。结果表明,宁夏回族自治区2016年PM_2.5日平均浓度为2.0~217.5 μg/m³;11月、12月、1月、2月PM_2.5月浓度均值（45.97~87.22 μg/m³）相对较高,6~9月的（19.01~38.03 μg/m³）相对较低;春、夏、秋、冬PM_2.5浓度分别为2.00~211.00 μg/m³、6.67~106.67 μg/m³、10.67~166.00 μg/m³和10.50~217.50 μg/m³;0：00~23：00,各城市PM_2.5小时浓度基本上表现出先下降、后上升、再下降、再上升的变化规律,通常上午9：00~10：00浓度值较高,下午15：00~16：00浓度值较低。银川市、石嘴山市、吴忠市、中卫市和固原市2016年PM_2.5日平均浓度 ≤ 75 μg/m³的天数分别为304 d、307 d、313 d、323 d和340 d,年达标率分别为83%、84%、86%、88%和93%。宁夏北部的石嘴山市、银川市的PM_2.5月浓度均值超过了南部的中卫市和固原市,表现出"北高南低"的趋势,其中固原市每月PM_2.5浓度均值均低于其他城市,表现出显著差异。PM_2.5浓度与CO、NO₂、SO₂、PM₁₀浓度、风速、气压、日照和相对湿度均呈显著或极显著正相关关系,与地表温度、气温和降水量呈极显著或显著负相关关系。可见,宁夏回族自治区大气PM_2.5浓度具有明显的时空变化特征,其浓度受气象因子的影响。     

珠三角区域PM2.5时空变异特征

珠三角区域PM_2.5污染严重,以 2012年9月─2013年8月62个大气监测站的PM_2.5联网数据为基础,采用地统计学方法定性、定量分析了该区域ρ(PM_2.5)的时空变异特征. 定性分析结果表明,基底效应在0.12~0.30之间,相应ρ(PM_2.5)变异属于以结构性变异为主的Ⅰ、Ⅱ类,对应的空间自相关程度为强、较强,说明珠三角区域的ρ(PM_2.5)分布差异主要由区域结构所致. 定量分析结果表明:①空间自相关距离受气象因素影响,随方向和时间在51~85 km之间变化,东西方向的影响距离(75~85 km)最大. ②ρ(PM_2.5)在南北方向的变异幅度指数(0.34~0.70)和变异速度指数〔0.14~0.38 μg/(m3·km)〕在各方向中均为最大;而东北─西南方向的2个指标则均为最小,其中变异幅度指数为0.25~0.42,变异速度指数在0.13~0.34 μg/(m3·km)之间,即南北方向的ρ(PM_2.5)变化大于其他方向.③综合异质指数介于0.14~0.54之间,说明ρ(PM_2.5)总体保持在中等异质水平. 鉴于珠三角区域ρ(PM_2.5)的空间变异特征,在进行监测站布设时,矩形网格相较于方形网格更适合于对该区域地理空间进行划分,其中网格的长为东西方向平均空间自相关距离(78 km)的2倍,宽为南北方向平均空间自相关距离(56 km)的2倍.      

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

武汉市PM2.5化学组分时空分布及聚类分析

颗粒物化学组分特征对于分析污染来源及成因具有较好的指示意义,能够为城市制定颗粒物源的有效管控提供基础数据支撑.本研究采集和分析了武汉市4个季节8个受体点位的PM_2.5浓度及其化学组分数据.结合各点位组分特征及周边污染源分布情况,通过聚类分析讨论PM_2.5化学组分的时空分布特征.结果表明,武汉市PM_2.5年平均浓度为70.7μg·m^-3,其中冬季PM_2.5浓度（103.1μg·m^-3）显著高于其它季节,秋季浓度最低（52.4μg·m^-3）.从空间分布来看,东湖高新、沌口新区和青山钢花站点的PM_2.5浓度显著高于其它站点.武汉市PM_2.5主要的化学组分为OC和SO₄^2-,占比分别为15.4%和14.2%.OC浓度表现为冬季最高,除了与不利的气象条件有关外,还可能受到周边区域传输的影响;而SO₄^2-浓度夏季最高,具有较强的SO₂二次转化.武汉市OC/EC年均比值为2.80,其中冬、春季小于夏、秋季;物质重构结果表明无机盐（SO₄^2-、NO₃^-、NH₄⁺）和有机物（OM）是PM_2.5中的主要物质,占比分别为32.34%和20.44%;工业燃煤源及机动车源可能是武汉市环境受体中PM_2.5主要贡献源.基于受体组分特征的聚类分析可见,武汉市8个站点可分为3类：其中汉阳月湖、灰霾超站、东湖梨园和黄陂区站为一类,主要特征是各站点组分浓度均较低;沌口新区与青山钢花为一类,NO₃^-和NH₄⁺组分浓度较高;东湖高新与吴家山为一类,该两个站点不仅工业源污染较重,机动车及扬尘污染也有较大的贡献.     

十堰市城区冬季PM2.5污染特征与来源解析

为探讨内陆山区城市湖北省十堰市冬季PM_2.5污染特征及来源构成,于2016年1月12日—2月4日在4个采样点位同步采集PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳的质量浓度.并采集了十堰市主城区城市扬尘、裸露山体尘、建筑水泥尘、燃煤源、机动车尾气、工业源及餐饮油烟源等7类污染源,初步建立十堰市本地的污染源成分谱库,利用统计学方法研究冬季PM_2.5的污染特征,并采用CMB受体模型及“二重源解析技术”分析其来源构成.结果表明:冬季采样期间,十堰市ρ（PM_2.5）平均值达到110.65 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准24 h浓度限值,并且随空气RH（相对湿度）增加污染加重.城区3个采样点PM_2.5化学组成及特征的空间差异不明显.PM_2.5中ρ（TC）最高,其次是ρ（NO₃-）和ρ（SO₄2-）,与二次反应、机动车尾气、煤燃烧等密切相关.ρ（NO₃-）/ρ（SO₄2-）为1.22,说明机动车尾气的影响较大.二次粒子、燃煤源和机动车尾气是十堰市城区冬季大气PM_2.5的主要来源,贡献率分别为51.2%、10.9%和10.1%.研究显示,十堰市城区冬季ρ（PM_2.5）超过GB 3095—2012二级标准,PM_2.5的污染控制应以二次粒子、燃煤和机动车为主,采取多源控制原则.