广东省大气环境质量的时空分布特征

随着社会经济的迅速发展、城市化进程的不断加快以及能源消费需求的增加,广东省大气污染问题日益成为人们关注的重要环境污染问题之一。为了进一步了解广东省主要大气污染物质量浓度的时空变化情况,以广东省21个地级市为研究对象,选用广东省生态环境厅历年发布的环境状况公报以及《环境空气质量标准》(GB3095-2012)中的SO_2、NO_2、PM_(10)、PM_(2.5)、O_3~(-8) h,以及CO 24h平均第95%位数的质量浓度作为评价因子,基于ArcGIS 10.2软件分析平台,分析了广东省主要大气污染物的年际变化特征、空间分布特征及其变化原因。结果表明,1998—2017年间,广东省降水pH年均值由1998年的4.71提高到2017年的5.14,且大多年份维持在5.0-5.6之间,酸雨发生频率均属轻酸雨。除少数年份外,全省SO_2、NO_2、PM_(10)、PM_(2.5)、O_3~(-8)h和CO平均质量浓度均达到国家二级标准。空间分布上,全省大气主要污染物除NO_2上升,O_3~(-8)h波动变化外,SO2、PM10、PM2.5和CO的质量浓度均呈现下降趋势。近年来,珠三角地区的大气环境首要污染物主要为O_3~(-8)h,其次为PM_(2.5)和NO_2,粤东西北地区除O_3~(-8)h和PM2.5污染较重外,PM_(10)的污染也较为严重。总的来看,研究期间,广东大气环境质量逐年得到改善,主要原因在于全省在社会经济快速发展的同时,也加大了大气环境污染防治工作力度,取得了显著成效。     

北京采暖期典型区域环境空气污染特征分析

北京采暖期空气污染较非采暖期严重得多,但目前针对采暖期北京城市上风向、下风向、中心区和主干道路等典型人类活动区域的主要污染物浓度特征及其受气象条件变化影响的研究还比较缺乏,为了摸清北京市采暖期不同典型区域大气污染特征,更有针对性地制定环境空气污染防治对策,利用2014年采暖期首月(11月15日—12月14日)北京市北郊(八达岭)、南郊(永乐店)、城市中心区(天坛)、城市交通干道(永定门内大街)等典型区域的PM_(2.5)、SO_2、NO_x、O_3质量浓度监测数据和气象数据,分析4类代表性区域的环境空气污染特征和时空变化情况。结果表明,PM_(2.5)是各区域冬季主要污染物,日均质量浓度在61.75~143.81μg?m-3,总体空间分布状况为南郊最严重、城市交通干道和城市中心区次之、北郊的PM_(2.5)污染最轻,除北郊外其余监测点ρ(PM_(2.5))均超过二级标准限值。各区域的主要污染物略有不同,其中北郊ρ(SO_2)较其他区域高,白天12:00时最低(29.09μg?m-3),夜晚18:00—次日01:00持续居高(58.8~63.19μg?m-3),这与燃煤采暖等人类活动规律一致;南郊以PM_(2.5)、NO_x混合型污染为主;城市交通干道附近ρ(NO_x)和ρ(O_3)较高,表明局地光化学反应NO_x-O_3生消机制作用明显,污染物浓度变化与人类出行时间一致。气象条件对不同污染物浓度的影响存在差异,微风无持续风向、大气扩散条件较差时,PM_(2.5)呈现不断累积状态,SO_2、NO_x和O_3累积效应不明显,但其单日质量浓度峰值显著增加;北风和微风反复交替、大气扩散条件总体较好时,各监测点的SO_2、NO_x受地区性污染源排放影响波动不大,随扩散条件转差南郊ρ(PM_(2.5))会迅速增加。城市交通干道机动车排放典型污染物ρ(NO_x)及其二次污染物ρ(O_3)随着气象条件变化其峰值在日内变化显著。     

北京市门头沟区“煤改电”工程大气环境质量改善效果监测分析

北京市农村地区煤炭消费严重影响区域空气质量。为改善空气质量,减少农村地区燃煤污染,北京市开展了以"煤改电"工程为代表的农村地区"减煤换煤、清洁空气"行动。为科学评估"煤改电"工程对区域大气环境质量的改善作用,研究选择门头沟区王平镇辖区内的东马各庄村和西石古岩村分别作为实施"煤改电"工程和未实施"煤改电"工程的典型区域,对比PM_(2.5)、PM_(10)、SO_2及NO_2等大气污染物浓度的差异,分析"煤改电"工程的大气污染物减排效果。结果表明,实施了"煤改电"工程的东马各庄村PM_(2.5)、PM_(10)、SO_2和NO_2质量浓度分别比未实施"煤改电"工程的西石古岩村低44.90%、24.75%、20.41%和26.67%;PM_(2.5)、PM_(10)、SO_2和NO_2的采暖季质量浓度分别是非采暖季的1.4、1.6、1.8和1.4倍。"煤改电"工程能够有效改善区域空气质量,尤其是在降低细颗粒物浓度方面具有较好的环境效益。建议未来加强对农村地区煤炭消费的监督管理,在积极巩固"煤改电"工程现有成果的基础上,加强政府政策引导,稳步推进"煤改电"工程实施规模。     

呼和浩特市城区大气污染物浓度变化特征分析

本文利用呼和浩特市8个国控监测点中CO、NO_2、SO_2、O_3、PM_(10)和PM_(2.5)逐时地面观测数据资料,采用聚类分析、相关性分析等方法,综合研究呼和浩特市城区大气污染物浓度时空变化特征.结果表明,2017年呼市PM_(10)、PM_(2.5)和O_3的污染较为严重,超标天数分别为49 d、52 d和41 d;CO和SO_2整体污染较轻.CO、NO_2、SO_2以及PM_(2.5)浓度表现出冬高夏低变化,O_3表现出夏高冬低变化,PM_(10)则表现为春冬高而夏秋低.O_3和NO_2均呈现单峰型日变化特征,且变化趋势相反;CO、SO_2和PM_(2.5)都呈现出相似的双峰型日变化.小召和工大金川校区监测点污染整体较为严重,小召监测点主要污染物为PM_(2.5)和PM_(10),工大金川校区主要污染物为SO_2.相关性分析表明,O_3浓度与气温呈显著正相关;PM_(2.5)与湿度呈显著正相关;CO、NO_2和SO_2均与风速呈显著负相关;PM_(10)与各气象要素在不同的季节相关性不同.     

乌鲁木齐市主要大气污染物浓度变化特征研究

随着中国西部城市化进程的加快,乌鲁木齐大气污染日趋加重。为了定量评估"煤改气"工程对大气质量的改善作用,利用2013—2016年乌鲁木齐市城市空气质量监测数据,对"煤改气"工程前后主要大气污染物浓度的变化进行对比,分析了主要大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2)浓度的年、季节及月变化特征,采用Daniel趋势检验Spearman秩相关系数法,明确了空气中的主要污染物,探讨了乌鲁木齐市空气质量变化趋势。结果表明,乌鲁木齐市2013—2016年PM_(2.5)、PM_(10)、SO_2及NO_2年平均质量浓度分别为(72.17±10.67)、(136.91±13.08)、(21.79±7.90)、(56.71±7.72)μg·m~(-3),其年变化均呈双峰型,其中PM_(10)变化幅度较平缓。各污染物季节变化特征基本一致,呈冬季春季秋季夏季,供暖期高于非供暖期。其中,PM_(2.5)浓度以12月份最高,为(141.7±2.82)μg·m~(-3),7月份最低,为(29.3±5.04)μg·m~(-3);PM_(10)和SO_2浓度均以1月份最高,分别为(208.1±54.48)、(39.45±10.82)μg·m~(-3),6月份最低,分别为(90.7±21.41)、(9.63±4.12)μg·m~(-3);而NO_2浓度以2月份最高,为(80.6±8.95)μg·m~(-3),6月份最低,为(39.3±3.88)μg·m~(-3),且其浓度在4年内的变化不明显。与2012年前相比,2013—2016年SO_2浓度明显下降,可以推断,"煤改气"能源结构调整对大气中SO_2浓度的下降起到了积极作用。乌鲁木齐市空气污染以可吸入颗粒物为首要污染物,在2013—2016年内PM_(2.5)和PM_(10)呈上升趋势,SO_2和NO_2呈下降趋势,但趋势均不显著。乌鲁木齐市大气污染类型已由煤烟型向复合型污染转化。研究成果可为乌鲁木齐市城市大气环境治理提供理论依据。     

天津市空气质量健康指数（AQHI）的建立及应用

为了解大气污染物对人体健康的影响,利用广义相加模型(Generalized Additive Models,GAM)根据2013年1月1日—2018年10月31日大气污染物质量浓度资料和天津全市就医人次数据计算了大气污染物的暴露反应关系系数。利用该系数建立了天津地区空气质量健康指数(AQHI)。结果表明,天津市6种大气污染物对人群的就医人次数均有正反馈,SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)质量浓度每升高10μg·m~(-3),全市就医人次数分别增加1.99%,3.16%,0.09%,1.17%,1.19%和1.94%。2018年SO_2、NO_2、CO、O_3、PM_(10)、PM_(2.5)造成就医人次数量增加率分别为2.41%,15.31%,9.00%,8.55%,9.69%和10.32%。在当前状况下,控制NO_2和PM_(2.5)浓度将有助于降低天津居民的健康风险。构建了天津空气质量健康指数AQHI,根据频度分布情况,将天津市空气质量健康风险级别分为:低风险(AQHI:0—3)、中度风险(AQHI:4—6)、高风险(AQHI:7—8)、极高风险(AQHI:9—10+),并针对心血管类疾病患者、儿童和老人等敏感人群分别给出健康建议。经与AQI对比和检验,发现AQHI能更好地描述人群的就医行为,AQHI指数对居民采取健康行为有指导意义,AQHI的预报将更有利于居民提前采取预防措施以规避大气污染对人体健康的风险。     

太原市采暖季清洁天与灰霾天PM_(2.5)中水溶性无机离子组成及来源分析

为探究太原市采暖季PM_(2.5)水溶性无机离子组成及其来源,于2017年11月至2018年3月在太原城区连续采集大气颗粒物PM_(2.5)样品共151个,并于离子色谱仪中分析样品的9种水溶性无机离子(F~-、Cl~-、NO_3~-、SO_4~(2-)、K~+、Na~+、Ca~(2+)、Mg~(2+)、NH_4~+).结果表明,太原市采暖季PM_(2.5)质量浓度的平均值为77.89±47.16μg·m~(-3),总水溶性无机离子质量浓度平均值为53.21±29.76μg·m~(-3),占PM_(2.5)的68.3%±23.3%,其中SO_4~(2-)、NO_3~-和NH_4~+是PM_(2.5)中最主要的离子成分,NH_4~+在PM_(2.5)中主要以NH_4NO_3、(NH_4)_2SO_4与NH_4Cl等形式存在,NH_4~+、NO_3~-、K~+、SO_4~(2-)和Cl~-等5种离子的爆发性增长对灰霾天污染贡献最大.随着气温回升,硫氧化率和氮氧化率均有一定程度的升高,大气中存在明显的气溶胶二次转化过程.主成分分析表明,燃煤源和二次污染源是太原市采暖季灰霾期间的主要污染源,土壤扬尘为清洁天的首要污染源,大气污染以固定污染源为主,移动污染源为辅.后向轨迹模型显示,采暖季期间气团基本上来自本地和西北方向的内陆排放源.     

乌鲁木齐大气细颗粒物PM_(2.5)水溶性离子浓度特征及其来源分析

大气细颗粒物PM_(2.5)是危害人体健康和环境最主要的空气污染物之一,对其水溶性离子的研究是一项非常必要而迫切的工作。文章对乌鲁木齐市中心区域树木年轮实验室和黑山头2013年1月-2014年2月期间采集的大气细颗粒物样品,利用离子色谱仪分析了其中的水溶性离子分布特征,采用硫转化率(SOR)、离子相关性分析等分析其可能来源,结果表明:年轮室和黑山头PM_(2.5)中总离子浓度平均值分别为88.03和65.11μg·m~(-3),分别占PM_(2.5)质量浓度的51.21%和33.8%。年轮室各种离子的季节变化明显:SO_4~(2-)、NO_3~-、Cl~-和NH_4~+表现为冬季秋季春季夏季,Na~+表现为冬季秋季夏季春季,Ca~(2+)表现为秋季夏季春季冬季。SO_4~(2-)、NO_3~-和NH_4~+是PM_(2.5)中主要的离子,(NH_4)_2SO_4、NH_4HSO_4和NH_4NO_3是乌鲁木齐PM_(2.5)中水溶性组分的可能结合方式。Cl~-和K~+主要来源于化石燃料和生物质的燃烧排放,Ca~(2+)和Mg~(2+)主要来自土壤、二次扬尘和燃煤。乌鲁木齐大气PM_(2.5)中ρ(NO_3~-)/ρ(SO_4~(2-))为0.40,说明目前固定排放源仍然是乌鲁木齐大气污染物的主要来源。本研究为更深入了解乌鲁木齐市颗粒物污染现状提供参考,同时为确定乌鲁木齐市大气污染治理重点、制定大气污染防治规划提供依据。     

清洁能源政策下济南市采暖季PM_(2.5)中水溶性离子变化分析

为了评价清洁能源政策对济南市采暖季PM_(2.5)质量浓度及PM_(2.5)中水溶性离子的影响,于2016年11月—2017年3月(2016年采暖季)和2017年11月—2018年3月(2017年采暖季)济南市区清洁能源政策实施前后两个采暖季分别采集PM_(2.5)样品,采用离子色谱法得到了PM_(2.5)中的8种水溶性无机离子(F~-、Cl~-、NO_3~-、SO_4~(2-)、Na~+、K~+、Ca~(2+)、NH_4~+)的质量浓度,并对PM_(2.5)不同污染等级水溶性离子进行了变化分析。结果表明:(1)采用清洁能源后,济南市采暖季的污染等级从轻度污染变为良,PM_(2.5)日均质量浓度从98.34μg·m~(-3)降到83.48μg·m~(-3),达标率上升了15.42%;(2)8种水溶性离子的总质量浓度从90.78μg·m~(-3)降到了67.72μg·m~(-3),对比两年采暖季各离子的质量浓度发现,实施后除污染天K+和Na+的质量浓度有所增长外,其余离子质量浓度均比清洁能源使用前要低;(3)NO_3~-、SO_4~(2-)、NH_4~+(SNA)在水溶性离子中占比最高,能源政策实施后,SNA的质量浓度降低了12.32%-31.71%;实施后SO_4~(2-)的占比降低,NO_3~-占比升高,NO_3~-是最主要的二次污染离子;(4)两年采暖季的硫氧化率SOR、氮氧化率NOR值均大于0.1,说明NO_3~-、SO_4~(2-)主要来自于大气中NO_2和SO_2的二次转化,随着污染等级的升高,SOR和NOR基本呈现上升的趋势,尤其是在重度污染下,由于NO_2对SO_2的氧化反应起到很好的催化作用,SOR是清洁天的2倍;(5)采用清洁能源前后阴阳离子电荷当量(AE/CE)分别为0.76和0.96,PM_(2.5)整体从弱碱性恢复到中性。清洁能源的使用,有效降低了各水溶性离子的质量浓度,减小了PM_(2.5)质量浓度,改善了颗粒物的酸碱性,提高了采暖季环境空气质量。     

北京地区PM_(2.5)浓度影响因素及估算模型

为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量相关性分析的结果表明,PM_(2.5)浓度与PM_(10)、SO_2、NO_2、O_3以及CO等大气污染物浓度与温度、湿度、压强和风速风向等气象条件间呈现强的相关性.建立了PM_(2.5)与单因素拟合模型,其中PM_(10)、NO_2和CO与PM_(2.5)浓度拟合模型的R~2均大于0.6.识别了对PM_(2.5)浓度有显著影响的二阶、三阶交互作用的因素交叉项.综合考虑单个影响因素与影响因素间交互作用的对PM_(2.5)浓度的影响,采用因子分析方法并对提取的主成分进行回归分析,建立了拟合度R~2为0.887的PM_(2.5)浓度估算模型.     

上海市大气污染物时空分布及其相关性因子分析

利用2016—2020年上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3的质量浓度和温度、相对湿度、平均风速、水平能见度气象条件,分析了上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3污染物的时间变化趋势。同时,利用多元线性回归模型及BP神经网络建立污染物与气象因素之间的相关关系,对其质量浓度进行预测,分析对比不同模型的预测结果。研究表明:2016—2020年上海市大气污染物质量浓度随时间变化整体呈现下降趋势;污染物质量浓度季节性差异显著,PM_(2.5)及PM_(10)质量浓度呈现"冬高夏低",而O_3质量浓度呈现"冬低夏高";可吸入颗粒物质量浓度(PM_(2.5)、PM_(10))与SO_2、NO_2质量浓度,O_3质量浓度与NO_2的质量浓度之间存在显著相关性;多元线性回归分析表明相对湿度、平均风速及水平能见度3个气象因素对上海市PM_(2.5)、PM_(10)质量浓度产生显著影响;温度、相对湿度、平均风速及水平能见度4个气象因素对上海市O_3质量浓度产生显著影响;多元线性回归分析表明上海市PM_(10)质量浓度与温度之间显著性水平为0.303,意味着温度对上海市大气PM_(10)质量浓度并没有产生显著影响;PM_(10)质量浓度随相对湿度的增加、平均气压及水平能见度的增大而减小;O_3质量浓度则与温度和平均风速呈正相关,与相对湿度和水平能见度呈负相关。相比多元线性回归,BP神经网络在预测上海市气象污染物质量浓度表现出强大的泛化能力,PM_(2.5)、PM_(10)、NO_2与O_3的真实值与预测值相关系数(r~2)分别为98.6%,97.4%,97.6%和98.3%。     

北京采暖季PM_(2.5)水溶性无机离子污染特征及其影响因素

为深入研究北京市采暖季PM_(2.5)中水溶性离子的污染特征及其影响因素,利用大流量采样器结合石英滤膜采集了2016年11月15日—2016年12月31日期间北京市典型污染天的PM_(2.5)样品(19个),采用离子色谱法测定了其中的水溶性无机离子成分,收集了同期北京市的日均气象数据和海淀区日均PM_(2.5)数据。应用热力学平衡模型ISORROPIA-Ⅱ分析了PM_(2.5)样品的酸度值,Traj Stat软件分析气流的72 h后向轨迹,并采用潜在源贡献因子分析法(PSCF)定位了PM_(2.5)潜在污染源的位置,浓度权重轨迹分析(WCWT)法定量解析了潜在污染源对北京PM_(2.5)质量浓度贡献的大小。结果表明:(1)PM_(2.5)的日均质量浓度变化范围为7.6~383μg·m~(-3),均值为114μg·m~(-3),污染天是清洁天的4.4倍;(2)10种水溶性离子的总质量浓度均值为44.61μg·m~(-3),SNA(NO_3~-、SO_4~(2-)、NH_4~+)占总水溶性离子的81.37%,污染天NO_3~-、SO_4~(2-)、NH_4~+质量浓度均值分别为20.35、16.16、8.68μg·m~(-3),分别是清洁天的4.7、3.5、3.6倍;(3)污染天PM_(2.5)酸性比清洁天强,污染天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4,清洁天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4、NH_4NO_3;(4)北京PM_(2.5)及其水溶性离子的污染除受本地污染源影响,还受河北省中部和南部以及内蒙古中部等区域传输的影响;(5)在北京采暖季低大气边界层以及三面环山的特殊条件下,风速和相对湿度是影响北京PM_(2.5)及其水溶性离子污染特征的2个主要气象因素,高湿度低风速的静稳天气条件可以造成以本地污染物为主的大气重污染,此外,一定范围内的低风速可以使周边地区高浓度的污染物传输至北京,加重大气污染。     

北京典型主城区冬季大气污染特征分析

利用布设于北京市典型主城区的在线空气质量监测站2015年12月数据(小时质量浓度),探究北京主城区冬季大气污染特征的影响因素。结果表明,冬季主城区大气中O_3污染较轻,而NO_2、NO_x和PM_(2.5)污染较为严重。监测期间NO_2、NO_x和PM_(2.5)最大日均浓度分别是GB3095—2012二级标准浓度限值的2.0、6.4和4.3倍,超标天数分别占总天数的58.1%、48.4%和83.9%;而O_3浓度未超过二级标准限值。相关性分析表明,各污染物及能见度之间都呈现出高度相关性(P0.01)。其中,主城区环境空气中PM_(2.5)与NO_x和NO_2正相关系数分别高达0.752和0.839,O_3与PM_(2.5)、NO_x和NO_2均在P0.01水平上呈负相关关系,其中NO_2与O_3负相关性最大(r=-0.772,P=3.124×10-141);能见度与PM_(2.5)、NO_x和NO_2浓度存在显著负相关关系,其中与PM_(2.5)负相关性最大(r=-0.922,P=3.338×10-294),此外,能见度与O_3在P0.01的水平上呈高度正相关性。工作日NO_2、NO_x和PM_(2.5)小时浓度整体高于周末,污染物浓度曲线均出现2个峰值(浓度峰Ⅰ、浓度峰Ⅱ),工作日浓度峰Ⅰ受06:00—09:00市民工作早高峰出行影响,周末浓度峰Ⅰ受02:00—05:00外埠货车进城影响;工作日和周末的污染物浓度峰Ⅱ都出现在22:00左右。O_3的工作日和周末浓度曲线变化基本一致,均呈"双峰"形态,O_3浓度峰Ⅰ出现在14:00左右,高浓度O_3主要来源于大气光化学作用产生的二次污染,浓度峰Ⅱ出现在04:00、05:00左右,其值约为峰Ⅰ值的40%,可能与平流层臭氧垂直气流输送有关。     

郴州市大气细颗粒物中水溶性离子的污染特征及来源分析

为全面了解南方典型工业城市郴州市的大气细颗粒物(PM_(2.5))中水溶性离子污染特征及其来源,本研究利用离子色谱对从2016年4月到2017年1月间郴州市6个采样点的PM_(2.5)样品中的9种水溶性离子(SO_4~(2-)、NH_4~+、NO_3~-、Ca~(2+)、Cl~-、Na~+、K~+、F~-、Mg~(2+))进行分析.研究表明:郴州市的PM_(2.5)浓度范围为23. 3—66.5μg·m~(-3),呈现秋冬高,春夏低的特点.研究区域的水溶性离子质量浓度的变化趋势与PM_(2.5)变化趋势相类似; NO_3~-、SO_4~(2-)、NH_4~+和K~+与PM_(2.5)相关性较好,其中SNA(SO_4~(2-)、NH_4~+、NO_3~-)占PM_(2.5)的比重最高,为18.9%—40.2%.SNA三角图解表明NH_4~+的主要存在形式为(NH_4)_2SO_4,AE/CE均小于1,因此研究区域的PM_(2.5)呈碱性.通过主成分分析可知研究区域的水溶性离子污染来源主要为燃煤、交通、生物质燃烧等燃烧综合源,[NO_3~-]/[SO_4~(2-)]证明该区域的大气污染属于煤烟型污染.     

邯郸采暖期环境污染特征及空气质量预报方法研究

利用河北邯郸气象和环境监测资料,分析了邯郸采暖期空气质量和环境气象条件特征;同时利用线性回归和BP神经网络统计方法对采暖期空气质量进行了预报研究。结果表明,PM_(10)、PM_(2.5)、SO_2、NO_2、CO(95)(CO日均值的第95百分位数)的空气质量指数(AQI)在冬季最高,夏季最低,O_3-8(90)(O_3日最大8 h值的第90百分位数)的AQI则相反。邯郸采暖期首要污染物以PM_(2.5)和PM_(10)为主,除O_3-8(90)外,其他5种污染物采暖期AQI均高于其年均值;同时采暖期降水少,温度低,小风出现频率明显高于非采暖期,而且局地逆温强,静稳天气指数高,是全年环境气象条件最差的时期。邯郸采暖期的环境气象条件1月最差,且夜晚差于白天,尤其是局地5—7时。邯郸采暖期首要污染物浓度与前一日污染物浓度、静稳指数、逆温、相对湿度和露点温度等呈正相关,与气温、风速、能见度和混合层高度等呈负相关。BP神经网络模型对污染物浓度的预报效果优于线性回归模型,可尝试应用于邯郸空气质量预报工作。     

气团来源对沿海城市PM_(2.5)中二次水溶性无机离子形成特征的影响研究

大气细颗粒物(PM_(2.5))与雾霾天气密切相关,PM_(2.5)吸附的有毒有害物质,可能给人体健康带来危害。二次水溶性无机离子(SNA,包括SO_4~(2-)、NO_3~-和NH_4~+)是PM_(2.5)的重要组分,研究PM_(2.5)中SNA污染特征及形成和演化的影响因素,对认识雾霾污染的生消机制,提升人们的生活质量具有重要意义。利用在线气体及气溶胶成分监测系统(MARGA)观测了宁波市滨海地区春季、夏季和秋季大气PM_(2.5)中的SNA和气态污染物的变化趋势,并利用后向轨迹分析研究了不同气团影响下污染物的日变化规律。结果表明,观测期间,SNA在PM_(2.5)中的平均占比约为70.7%,NO_3~-是导致PM_(2.5)污染加重的主导离子。NO_3~-和SO_4~(2-)受气团传输影响较大,来自陆地气团的质量浓度普遍高于海洋气团,来自西北内陆方向的污染物输送是导致宁波空气质量下降的主要原因。宁波大气中的硫氧化率(SOR)较高,SO_4~(2-)主要由SO_2发生二次氧化反应生成;SO_4~(2-)的形成与相对湿度(RH)密切相关,SOR随着RH的增加而显著增大,当RH85%时,大气中的硫氧化物绝大部分以SO_4~(2-)形式存在,SOR接近1;而温度变化对SOR无明显影响;来自西南与东部受海洋显著影响的气团SOR高于来自陆地气团的相应值。夏季RH普遍较高,西南方向气团影响下高浓度的气态污染物(NO_2、O_3、NH_3)可明显促进SO_4~(2-)的生成,一定程度上控制人为气态污染物的排放能有效减少SO_4~(2-)生成。与SOR比较而言,氮氧化率(NOR)和NO_3~-与温度、RH、气态污染物浓度等环境因素的关系比较复杂,暗示多种反应机理共同作用影响氮氧化物的转化。     

成都G20会议期间大气污染特征及污染防治分析

为保障2016年7月22—24日G20财长与央行行长会议期间空气质量良好,成都市政府采取了大气污染排放控制应急措施。为评估这些措施的成效,提出未来进一步改善成都空气质量的措施建议,利用成都2016年7月1日—8月18日8个国家级空气质量监测点PM_(10)、PM_(2.5)、SO_2、NO_2、O_3和CO等污染物浓度数据和地面气象资料,比较了减排前(7月1—15日)、减排中(7月16—26日)和减排后(7月27日—8月18日)空气质量与气象条件变化特征,同时量化了PM2.5来源。结果表明,采取的污染控制措施取得了一定效果。在减排期低压、低风速及无降雨等不利的气象条件情况下,PM_(10)、PM_(2.5)、O_3、SO_2和NO_2浓度在开始减排后出现了明显下降;相反,它们在停止减排后出现了明显上升。虽然整个研究时段内市区PM2.5和PM10浓度均达到了国家空气质量二级标准,但仍超过世界卫生组织准则值,超标天数占总天数50%以上;约80%天数的臭氧日最大8 h浓度超过世界卫生组织准则值;成都已面临雾霾和臭氧的双重污染。虽然雾霾和臭氧污染发生的主要季节不同,但臭氧和二次颗粒物的前体物(如NO_x和VOCs)具有共同主要来源。市区与背景点在PM_(2.5)、PM_(10)和O_3的浓度上接近且具有似的变化趋势,表明市区空气质量与区域污染物排放密切相关,成都SO_2浓度受本地源和污染物远距离传输的共同影响。为进一步改善成都空气质量,建议加强成渝地区区域减排,特别要控制臭氧前体物和二次颗粒物前体物的排放。     

中国主要大气污染物的时空分布特征研究

应用统计学和GIS对2014年3月─2015年2月期间190个监测城市的NO2、PM10、PM2.5和SO2的监测数据进行时空特征分布分析,结果表明,中国大气污染主要来源于采暖排放、机动车排放、工业排放与风沙天气。各污染物呈明显的区域性分布。污染物浓度总体趋势是北方地区高于南方地区。河北南部以及山东东部等重工业密集且人口密度大的地区污染较为严重。而中西部及东南部等工业发展相对落后人口较为稀少的地区污染较轻。PM10污染呈明显的季节变化,采暖期PM10主要来源于燃煤排放和机动车尾气排放,非采暖期受风沙天气影响显著,且在春、秋的风沙时期保持较高的值。采暖期PM2.5、SO2和NO2的浓度上升明显,其中SO2受到采暖期的影响最为显著。NO2主要来源于工业排放以及汽车尾气排放,因而工业布局密集且交通发达的城市污染较为严重。采暖期与非采暖期NO2、PM10、PM2.5和SO2的浓度对比变化显著,采暖期燃煤对空气质量的影响巨大。     

养殖场、农田和道路大气PM_(2.5)中水溶性离子污染特征分析

为探究不同监测位点PM_(2.5)中水溶性离子的组分差异和相关性特征,于2015年12月—2016年5月在保定地区养殖场、农田和道路3个监测位点进行PM_(2.5)样品的采集和分析,并结合主因子分析、相关性分析对其主要来源进行了分析.3个监测位点大气PM_(2.5)日均质量浓度和水溶性离子组成均存在明显区别:PM_(2.5)污染水平为道路养殖场农田,水溶性离子污染水平为养殖场道路农田;3个监测位点中,二次污染物SNA(SO_4~(2-)、NO_3~-和NH_4~+三者的简称)浓度及占总离子的比值均以养殖场监测位点为最高,其次分别为道路和农田;养殖场监测位点的阴阳离子电荷平衡呈碱性(1.07),而道路和农田均接近中性(1.00和0.98).此外,不同时期PM_(2.5)水溶性离子组成特征也存在明显区别:各监测位点采暖期SNA占比均高于沙尘期,其中养殖场位点SNA占比差异最大,因此采暖期二次污染的贡献高于沙尘期.尽管3个监测位点的二次污染均以固定源为主,但固定源对采暖期养殖场和农田位点的二次污染的贡献明显低于沙尘期.     

太原市气溶胶中硫、氮转化特征

基于太原市2013年5、6、12月和2014年1月大气中SO_2、NO_2及PM_(2.5)中水溶性离子SO_4~(2-)、NO_3~-浓度,分析了大气中硫和氮的转化率(Fs、Fn),并探讨了其影响因素.结果表明,大气中SO_2、NO_2的浓度夏季(5、6月)分别为89.98、64.73μg·m-3,由于燃煤供热冬季(12、1月)SO_2显著升高,SO_2和NO_2分别为119.09、63.92μg·m-3.PM_(2.5)中水溶性离子SO_4~(2-)、NO_3~-夏季分别为16.54、6.87μg·m-3,冬季显著降低,分别为12.79、5.53μg·m-3.参照硫和氮气固两相转化模型,Fs夏季(0.13)高于冬季(0.07),Fn变化较小,夏、冬季分别为0.08、0.06,与南方城市相比,Fs较高,Fn较低.硫、氮转化受多种因素共同影响,且不同季节主导因素不同.温度和O_3浓度对整个采样期间的硫转化起主要作用,冬季SO_4~(2-)与PM_(2.5)和湿度呈现一定的相关关系,显示SO_4~(2-)主要来源于均相气相反应,冬季部分源于非均相反应.夏季相对湿度和O_3浓度可明显促进氮转化,而冬季NO_3~-生成还与PM_(2.5)和温度有关,说明夏季氮转化以均相液相反应为主,而冬季NO_3~-主要源于非均相反应.此外,NH+4与SO_4~(2-)、NO_3~-的线性分析表明,大气氨有助于气相中的硫、氮向颗粒相转移并转化.