基于线性混合效应模型的河北省PM2.5浓度时空变化模型研究

京津冀地区大气PM_2.5污染严重.为揭示区域PM_2.5时空分布规律,使用2013-2014年河北省地面站点PM_2.5监测数据、MODIS AOD（气溶胶光学厚度）遥感数据、地面气象站点数据和土地利用调查数据,基于线性混合效应模型（LME）,建立了ρ（PM_2.5）时空变化与AOD因子、气象因子、土地利用因子之间的关系模型.采用十折交叉验证法对模型精度进行检验,并利用计算得到的校正因子[全部实测的ρ（PM_2.5）年均值除以参与建模的所有实测ρ（PM_2.5）年均值]纠正因AOD非随机性缺值导致的抽样偏差.结果表明:①河北省区域模拟精度R2（决定系数）为0.85,经交叉验证后R2为0.77,RMSE（均方根误差）和RPE（相对预测误差）分别为18.28 μg/m3和28.68%.②ρ（PM_2.5）年均值模拟结果的校正因子范围为1.24~2.05,校正后的研究区ρ（PM_2.5）年均值为89.84 μg/m3,与实际监测数据相近.③ρ（PM_2.5）空间分布呈平原高、山区低,平原地区西南高、东北低的趋势.④ρ（PM_2.5）与AOD、温度、相对湿度呈正相关,与风速、大气能见度呈负相关.研究显示,线性混合效应模型能有效对ρ（PM_2.5）进行时空变化模拟,并实现对非地面监测地区ρ（PM_2.5）时空变化的预测,恰当的预测因子组合和模型校正有助于模型预测精度的提升.      

基于PM2.5来源解析的减排方案制定

为定量解析PM_2.5浓度与排放源削减比例之间的关系,利用WRF-NAQPMS/OSAM模式对2017年12月京津冀及周边地区“2+26”城市的PM_2.5浓度变化和来源解析进行了模拟,并基于来源解析结果对各城市进行了迭代减排实验.结果表明,各城市削减本地排放源的效果最为显著,由于受化学生成影响引起的排放源和PM_2.5浓度之间的高度非线性关系,使得线性减排方案具有较大的局限性.各城市排放源削减引起的PM_2.5浓度变化主要由排放源的一次贡献和化学生成的二次贡献组成,其中化学生成的二次贡献浓度与行业解析结果的函数之间存在显著的线性关系.随着排放源的削减,清洁期间PM_2.5浓度中各组分的浓度随之下降,污染期间硝酸盐、二次有机气溶胶、铵盐等浓度不降反升,这为迭代减排方案中物种的选择提供了指导意义.     

基于WRF-CMAQ模型的辽宁中部城市群PM2.5化学组分特征

为了探究北方寒冷地区城市PM_2.5化学组分特征,采用WRF-CMAQ模型对辽宁中部城市群2019年1月、4月、7月、10月及一次重污染过程（2019年1月11—14日）的PM_2.5化学组分展开模拟分析.结果表明:WRF-CMAQ模型分析下SO₂、NO₂、PM₁₀、PM_2.5浓度模拟值与监测值的相关系数（R）在0.63~0.82之间,PM_2.5组分中SO₄2-、NO₃-、NH₄+、EC、OC浓度的相关系数（R）在0.59~0.88之间,WRF-CMAQ模型对大气污染物及PM_2.5主要化学组分的模拟效果较好,可以反映PM_2.5及其组分的时空变化特征.通过对模拟结果的进一步分析发现,辽宁中部城市群PM_2.5中SNA（SO₄2-、NO₃-、NH₄+三者的合称）的占比为37%,与成渝城市群、长三角地区、京津冀地区城市相比,PM_2.5二次污染程度较低,一次污染仍是PM_2.5的主要来源.1月、4月、7月、10月PM_2.5中[NO₃-]/[SO₄2-]（质量浓度比）分别为0.62、0.44、0.15、0.50,表明该区域的燃煤污染对PM_2.5的贡献大于机动车尾气的贡献,该现象在秋冬季尤为明显;硫氧化率（SOR）普遍处于较高水平,分别为0.34、0.54、0.61、0.58,表明该区域燃煤排放的SO₂更易对PM_2.5产生贡献.同时,全年OC/EC（质量浓度比）的平均值为3.6,说明碳气溶胶的贡献主要来自机动车尾气的排放与化石燃料燃烧.通过分析2019年1月11—14日重污染过程PM_2.5组分浓度的逐小时变化发现,该时段中SOR与NOR分别是1月平均值的1.2与2.0倍,NOR的提升导致PM_2.5中NO₃-浓度占比上升了8%,超过SO₄2-的占比,这表明该重污染过程中机动车尾气对PM_2.5的贡献超过平常时段.研究显示,辽宁中部城市群的大气污染呈燃煤与机动车尾气为主的复合型污染特征,尤其在重污染天气下,实施工业限产的同时,加强机动车限行尤为重要.      

邯郸市PM2.5中碳组分的污染特征及来源分析

为研究邯郸市PM_2.5中碳组分的污染特征及其来源,于2017年4~12月采集PM_2.5样品,用热光反射法（TOR）分析PM_2.5中有机碳（OC）和元素碳（EC）的质量浓度.结果表明：邯郸市PM_2.5和总碳气溶胶（TCA）质量浓度的年均值分别为（88.87±58.89）μg/m³和（31.45±23.35）μg/m³,PM_2.5质量浓度超标率为50%,TCA/PM_2.5比率的年均值为（38.23%±14.61%）,表明邯郸市碳组分污染严重.冬季PM_2.5中TCA质量浓度均值为（68.06±23.77）μg/m³,TCA/PM_2.5比率的均值为（46.86%±10.07%）,OC（37.09±13.05）μg/m³和EC（8.72±3.78）μg/m³浓度明显高于其它季节,表明冬季碳组分污染较为严重.各季节OC/EC比值均大于2,表明邯郸市全年均受二次有机碳（SOC）的污染;OC、EC及SOC与SO₂、NO₂呈显著正相关,与O₃呈显著负相关,尤其是与NO₂相关关系最强,说明邯郸市碳质气溶胶可能受到机动车尾气排放的影响.对8种碳组分进行主成分分析,发现道路扬尘、燃煤排放和机动车尾气是邯郸市PM_2.5中OC和EC的主要贡献源.     

北京大气PM2.5遥感监测业务化方法探讨

为探索卫星遥感监测大气ρ(PM_2.5)业务化方法,以北京为例,利用2013年MODIS卫星资料和北京35个地面自动监测站(下称自动站)的实时观测数据,以目前国内外应用最广泛的3种卫星反演大气气溶胶的方法——AOD(气溶胶光学厚度)、K_drya,0(气溶胶干消光系数)和R_a(气溶胶表观反照率)反演地面ρ(PM_2.5)的方法(分别称为AOD法、K_drya,0法和R_a法)为基础,结合地面ρ(PM_2.5)实测数据,建立了气溶胶反演参数与ρ(PM_2.5)统计关系,进一步测算了全市区域ρ(PM_2.5)的分布情况.结果表明:3种方法都具有较高的反演精度,其获取的全年ρ(PM_2.5)与地面实测数据的相关系数分别达到0.80、0.81和0.85,其中R_a法结果精度最高.从季节来看,R_a法在除夏季外的其他季节与地面监测数据相关系数都在0.70以上,优于其他2种方法.建议在春、秋、冬三季以R_a法,夏季以AOD法或K_drya,0法为基础进行北京PM_2.5业务化遥感监测.基于R_a法探讨了在2013年11月20—23日区域性大气重污染过程中北京PM_2.5区域分布特征和变化过程,卫星反演结果相对误差低于20%,直观地反映了区域大气颗粒物污染的时空分布规律.研究显示,三者都可以用来反演北京地区ρ(PM_2.5),其中R_a法最简便易行,尤其适用于业务化遥感监测.      

基于车载雷达探测的一次华北冬季重污染天气成因研究

基于车载微脉冲气溶胶激光雷达、多普勒风廓线激光雷达和扭转拉曼廓线激光雷达的中山大学环境气象综合观测车,于2018年12月18日-22日在河北省望都县PM_2.5重污染期间开展定点观测.结合地面PM_2.5浓度和气象要素观测资料,对本次污染过程的成因展开分析.本次重污染过程日均PM_2.5浓度为163.2μg·m^-3,PM_2.5浓度的日变化特征明显,表现为白天PM_2.5浓度降低,傍晚至次日早晨PM_2.5浓度升高.气溶胶激光雷达观测结果发现,污染期间,700 m高度以下存在明显的消光系数高值区;夜间存在明显的消光系数高值区分层现象,气溶胶消光系数高值区出现高度可达1700 m.本次PM_2.5重污染过程受静稳边界层气象条件和高空气溶胶输送、沉降共同影响.在污染时段内,大气边界层低层小风持续,近地面和大气低层逆温和同温层频发,静稳边界层条件不利于PM_2.5的输送和扩散;此外,夜间高空气溶胶伴随强西风带出现...     

随州市2015—2020年冬季二次气溶胶对PM2.5贡献分析

二次气溶胶是大气气溶胶的重要组成，量化二次气溶胶贡献是认识PM_2.5污染成因的关键.本研究通过近似包络法(AEM)估算了随州2015—2020年冬季的一次气溶胶和二次气溶胶浓度，分析了二次气溶胶对PM_2.5贡献的变化特征及其可能的影响因素，得到以下主要结论：(1)随州冬季PM_2.5及其一次和二次组分均呈逐年下降趋势，分别为5.8、3.8和1.7μg·m-3·a-1，而二次气溶胶对PM_2.5贡献呈逐年上升趋势(2.1%a-1)，反映了减排进程中二次气溶胶对空气质量变化的重要贡献.(2)人为活动和化学转化分别影响了一次和二次PM_2.5日变化分布.一次PM_2.5双峰结构(09:00和21:00)对应了早晚人为活动高峰，二次气溶胶在午后(13:00—15:00)和凌晨(03:00—06:00)对PM_2.5贡献最大；PM_2.5正午峰值可能与当地二次污染生成密切相关.(3)二次气溶胶对随州冬季PM_2.5...     

京津冀城市群冬季二次PM2.5的时空分布特征

二次组分是造成京津冀城市群冬季PM_2.5污染的重要因素.采用CO示踪法,估算2017～2021年冬季京津冀城市群二次PM_2.5浓度,并分析其时空分布特征,探讨区域二次PM_2.5的影响因素.结果表明,2017～2021年冬季京津冀区域PM_2.5浓度下降趋势明显,河北中南部一次PM_2.5下降幅度最大,二次PM_2.5浓度年际波动平稳,北京和天津二次PM_2.5占比明显高于其他城市.随着污染程度加剧,一次PM_2.5和二次PM_2.5质量浓度均有不同程度的增加,二次PM_2.5占比呈显著增大趋势.与直接测量结果相比,CO示踪法获得的结果偏低,与冬季CO浓度较高,一次PM_2.5浓度高估有关,选取合适的一次气溶胶基准值是改进该方法,获取合理估算值的关键.     

深圳市城区VOCs对PM2.5和O3耦合生成影响研究

为了探究珠江三角洲城市大气PM_2.5和O₃的协同污染特征,在深圳市大学城开展了秋季光化学反应活跃季大气污染加强观测.发现O₃日最大8h平均值(O₃_8h)和PM_2.5在日间具有较强的正相关关系,且O₃_8h与典型挥发性有机物(VOCs)甲醛的相关性显著高于NO₂.利用气溶胶质谱仪在线测量了亚微米气溶胶化学组成,并利用正交矩阵因子模型(PMF)对其中有机气溶胶进行来源解析,解析出5类因子,其中二次有机气溶胶(SOA)占总有机物浓度的50%.通过对污染物之间的相关性分析发现,O₃_8h和SOA具有良好的相关性,但与硝酸盐(NO₃^-)未表现出相关性,说明VOCs在深圳城区大气PM_2.5和O₃耦合生成过程中的作用比NOx明显,VOCs减排是深圳市协同控制PM_2.5和O₃污染的关键.     

基于气溶胶三维变分同化天津PM2.5数值预报研究

基于气溶胶三维变分同化技术,建立天津空气质量数值模式气溶胶同化模块,通过天津地区两次重污染过程同化模拟敏感性试验,分析了观测资料范围对同化结果的影响,并结合一个月的滚动预报试验,分析了气溶胶同化对天津地区PM_2.5数值预报效果的影响,以期为提升天津空气质量预报能力提供支撑.结果表明：气溶胶同化各控制变量背景误差水平相关系数的衰减尺度约50km,垂直方向上400m高度与模式底层的相关系数衰减至0.6左右;观测资料范围对同化结果影响显著,仅采用天津地区观测数据进行同化,对重污染过程期间天津地区PM_2.5浓度模拟的影响时效约12h,采用模拟区域内所有观测数据进行同化影响时效可持续24h以上,且模拟效果更优;采用三维变分同化技术,实现地面PM_2.5观测资料同化,天津地区PM_2.5数值预报效果显著提升,预报值和实况值之间的相关系数由0.74增加到0.87,均方根误差由32.3μg/m³减小为22.4μg/m³,平均相对误差由39.9%减小为27.1%;同化对模式初始时刻的改进效果最明显,随时间同化效果衰减,14h内改进效果最佳,对24h PM_2.5浓度预报也有明显改进.     

干气溶胶复折射率的参数化方案

基于成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪的地面逐时观测数据,结合Mie散射理论数值改进算法与免疫进化算法反演了550nm波长处干气溶胶复折射率（DACRI）的实部（n_re）和虚部（n_i）.通过分析DACRI反演结果与颗粒物质量浓度之比（BC/PM₁,BC/PM_2.5,BC/PM₁₀,PM₁/PM_2.5,PM₁/PM₁₀和PM_2.5/PM₁₀）之间的相关性,利用逐步线性回归方法分别构建了n_re和n_i的参数化方案. n_re和n_i的参数化方案拟合值与实测值之间的相关系数（R）分别为0.54和0.85（P<0.0001）,平均相对误差（MRE）分别为2.31%和15.18%.此外,利用该参数化方案计算的DACRI模拟了一次灰霾演化过程中干气溶胶的散射系数b_sp和吸收系数b_ap,其模拟值与实测值之间的相关系数分别为0.98和0.91（P<0.0001）,平均相对误差分别为7.43%和14.97%.     

边界层方案对南京地区PM2.5浓度模拟的影响

基于WRF-Chem空气质量模式采用YSU、MYJ、MYNN2、ACM2,4种边界层方案和基于ACM2的敏感性实验方案ACM2R2（模式最低6层的湍流扩散系数阈值改为2m²/s）和ACM2R5（模式最低10层的湍流扩散系数阈值改为5m²/s）,对南京地区冬季出现的一次天气污染过程进行模拟,分析了不同边界层方案对南京地区PM_2.5浓度模拟的影响.结果表明,6种方案对地面气象要素和风温湿廓线的模拟显示了较为合理的日变化特征及高度变化趋势,不同边界层方案之间气象要素差异较小.各方案均较好地模拟出了边界层高度逐日变化和日变化特征,以及PM_2.5浓度随时间的变化趋势,但是YSU、MYJ、MYNN2和ACM2,4种边界层方案在夜间对PM_2.5浓度的模拟均存在较大程度的高估,而ACM2R2和ACM2R5在ACM2的基础上显著地降低了PM_2.5浓度,甚至转为低估.从整个时段的偏差上看,ACM2R2最接近观测值.这是由于ACM2R2夜间湍流扩散系数较高,更利于源于地表的污染物向上扩散,使得ACM2R2方案在夜间相比原ACM2方案模拟所得的地表PM_2.5浓度更低,从而改善了原方案高估的现象.ACM2R5夜间湍流扩散系数更高,后期扩散过强从而产生较大低估.这些结果表明湍流扩散系数的不同是PM_2.5浓度模拟差异的重要原因,准确地参数化边界层方案夜间湍流扩散系数对于提高PM_2.5浓度模拟的准确度十分必要.     

2015—2020年湖北省PM2.5和臭氧复合污染特征演变分析

为揭示湖北省PM_2.5和臭氧(O₃)复合污染演变特征,基于湖北省17个地市的空气质量国控点和武汉市大气超级站组分监测数据,全面分析湖北省17个地市2015—2020年PM_2.5和O₃的时空变化特征及相关关系,探讨PM_2.5和O₃协同效应的成因机理. 结果表明:①2015—2020年,湖北省PM_2.5显著改善,平均降幅为4.7 μg/(m3·a),但冬季负荷仍较高,主要集中于中部地区;O₃污染凸显,平均增幅为3.8 μg/(m3·a),污染集中在4—10月的暖季,东部地区最严重,近两年超标天数已与PM_2.5相当. ②湖北省PM_2.5和O₃关联日趋密切,协同效应显著,日评价指标显示夏季二者呈显著正相关(相关系数为0.57),近两年当PM_2.5浓度≤50 μg/m3时,相关系数高达0.63;冬季PM_2.5浓度与O_x(O₃+NO₂)浓度呈正相关,尤其2020年东部城市二者相关性高达0.46,显示大气氧化性对PM_2.5二次污染的重要性. ③以武汉市为例,归纳PM_2.5和O₃复合污染的成因,暖季低PM_2.5背景下,高温、中等湿度和弱风速的气象条件以及VOCs和NO_x等前体物的高浓度排放,使得受VOCs主控的光化学反应加剧,易造成O₃污染,从而加强PM_2.5二次生成;冬季高的大气氧化性,叠加不利气象条件,促进颗粒物的二次生成,导致重污染时PM_2.5组分以硝酸盐等二次无机组分为主. 研究显示,湖北省PM_2.5和O₃协同控制重点为,在保持现有NO_x控制力度基础上强化VOCs控制,遏制暖季和东部区域O₃浓度上升,加强冬季和中部PM_2.5治理.      

沈阳市冬季不同污染程度PM2.5中OC和EC污染特征

于2018年12月~2019年1月对沈阳市PM_2.5进行持续在线浓度监测,使用有机碳/元素碳分析仪对PM_2.5中有机碳（OC）和元素碳（EC）的质量浓度进行分析,研究了不同污染程度下PM_2.5及其碳组分的污染特征和来源.结果表明,沈阳地区冬季碳组分污染较为严重,不同污染程度下的总碳气溶胶（TCA）约占PM_2.5的36.3%~42.8%.中/重度污染天气下PM_2.5、OC和EC的平均质量浓度达到148.6,29.6,6.6μg/m³,是清洁天的3.1~3.3倍.PM_2.5、OC和EC的日变化均表现为早晚高、午后低,任一时刻其浓度均为中/重度污染>轻度污染>清洁天.不同污染程度下的OC/EC值均大于2,其中污染天比值分布在2.1~25.3区间内,表明燃煤和机动车尾气排放是污染天碳质气溶胶的主要来源.二次有机碳（SOC）随污染程度增加表现出升高趋势,清洁天、轻度污染和中/重度污染下其平均浓度依次为2.9,6.5,10.6μg/m³.后向轨迹聚类结果表明,沈阳地区冬季污染天主要受偏北和西北方向气团影响.     

基于遥感数据估算近地面PM2.5浓度的研究进展

卫星反演的气溶胶光学厚度(AOD)具有广泛的空间覆盖度和相对较高的时空分辨率. 基于AOD与PM_2.5的相关关系来估算PM_2.5浓度已成为监测近地面PM_2.5的有效途径,其估算结果较可靠,能够为治理PM_2.5污染提供数据基础和科学依据. 从反演AOD数据集和PM_2.5浓度估算模型2个方面进行梳理归纳,从卫星轨道运行类型角度分析各类传感器的产品特征,并对缺失AOD的插补方法进行分类评价;对PM_2.5浓度的估算模型进行比较分析,指出不同模型的优缺点和适应性. 结果表明:①各类卫星传感器均具有特定功能及优缺点,其中地球同步轨道(GEO)卫星的快速发展,使其在估算PM_2.5浓度的应用上越来越广泛. ②插补后的AOD比AOD初始产品具有更连续的时空分布和更高的准确性,基于模型的多变量估算不仅可以实现数据的全面覆盖,还可以获得更好的估算精度. ③组合模型成为估算PM_2.5浓度的重要方法,机器学习模型的加入能够有效提高PM_2.5浓度的估算精度. 研究显示,利用AOD估算近地面PM_2.5浓度不仅弥补了地面PM_2.5监测的空间不连续性,更有助于解析PM_2.5浓度的时空分布特征及污染来源.      

京津冀及周边地区采暖季PM2.5化学组分变化特征

利用京津冀及周边地区大气污染综合立体监测网,在京津冀大气污染传输通道城市（“2+26”城市）开展了PM_2.5及其化学组分长期连续观测,并对数据进行深入分析.结果表明:①2017年、2018年和2019年采暖季“2+26”城市PM_2.5浓度平均值分别为（84±62）（95±63）和（80±61）μg/m3,达到了京津冀及周边地区2019—2020年秋冬季PM_2.5平均浓度同比下降4%的目标;与PM_2.5浓度变化相似,其主要化学组分——有机物（OM）浓度最大值出现在2018年采暖季,但二次无机盐（硝酸盐、硫酸盐和铵盐）浓度呈逐年上升趋势,而元素碳、氯盐、地壳物质和微量元素浓度均呈逐年下降趋势.②OM、硝酸盐、硫酸盐、铵盐、地壳物质、元素碳、氯盐和微量元素浓度空间分布存在明显差异.受污染物排放、气象条件以及地形因素的共同影响,PM_2.5及其化学组分浓度高值区主要出现在太行山传输通道城市（保定市、石家庄市、邢台市、邯郸市、安阳市和新乡市）.③不同空气质量状况下,“2+26”城市PM_2.5化学组分浓度年际变化相似,即随空气污染的加重,硝酸盐、硫酸盐和铵盐占PM_2.5的比例均上升,而OM占比下降.研究显示,采暖季“2+26”城市空气质量总体得到改善,但需进一步加强对PM_2.5中二次组分的科学管控.      

云浮市2018—2020年颗粒物和臭氧污染特征及污染案例研究

为探究云浮市颗粒物和臭氧(O₃)污染特征,利用多元统计分析方法分析了云浮市2018—2020年6项环境空气污染物浓度、气象因子等监测数据,并对2020年12月25—29日冬季PM_2.5和O₃污染过程进行了研究. 结果表明:①PM_2.5、PM₁₀、NO₂、CO月均浓度呈夏季低、冬季高的变化特征;O₃-8 h第90百分位数呈夏秋季高、冬春季低的变化特征. ②PM₁₀、PM_2.5和CO小时浓度日变化呈波浪型变化特征,PM_2.5、CO小时浓度最大值均出现在09:00,PM₁₀小时浓度最大值出现在02:00. O₃、SO₂小时浓度日变化呈单峰型变化特征,O₃、SO₂小时浓度最大值分别出现在16:00、10:00. NO₂小时浓度日变化呈单谷型变化特征,最小值出现在14:00. ③PM_2.5-10、SO₂、NO₂、O₃小时浓度与PM_2.5小时浓度均呈正相关,说明PM_2.5-10、SO₂、NO₂、O₃与PM_2.5具有一定程度的同源性. O₃小时浓度与NO₂、CO小时浓度呈负相关,且O₃小时浓度与NO₂小时浓度相关性更强. 夏秋季NO₂、CO、O₃、PM_2.5小时浓度与气温的相关性比冬春季的更强. SO₂、PM₁₀、PM_2.5、O₃小时浓度均与湿度呈负相关,其中O₃小时浓度与湿度的相关性最强,相关系数为?0.586. ④2020年12月25—29日云浮市城区PM_2.5污染受到静稳天气影响,O₃污染与28日午后太阳高温辐射以及来自珠三角地区O₃污染气团的输入影响有关. 利用ART-2a对该时段采集的颗粒物进行成分分析,得到K、EC、OC、ECOC、HM、LEV、Na、SiO₃这8种单颗粒物. 整个时段EC、OC、ECOC谱图中都存在明显的硫酸盐峰和硝酸盐峰. PM_2.5小时浓度与硫酸盐离子、硝酸盐离子、硅酸盐离子、铵离子、氯离子的数量均呈显著正相关,二次反应和老化过程对PM_2.5污染有显著影响. 研究显示,云浮市PM_2.5和O₃复合污染防控需要关注本地污染物变化特征和排放源影响,也需关注外来污染气团特别是来自珠三角地区污染气团输入的影响.      

青岛市不同空气质量下可培养生物气溶胶分布特征及影响因素

利用Andersen空气微生物采样器采集青岛市不同空气质量下的可培养生物气溶胶,分析了其浓度和粒径分布特征,并利用Spearman’s相关性分析了可培养生物气溶胶浓度和空气质量指数中的颗粒物质量浓度〔ρ(PM₁₀)、ρ(PM_2.5)〕、气体污染物质量浓度〔ρ(O₃)、ρ(SO₂)、ρ(NO₂)〕和气象参数(温度、相对湿度、风速)之间的关系.结果表明:可培养真菌和细菌气溶胶浓度范围分别为133～1 113和13～212 CFU/m3.真菌气溶胶浓度与ρ(SO₂)、ρ(PM₁₀)、ρ(PM_2.5)均呈正相关,而与相对湿度呈显著负相关(P<0.05).细菌气溶胶浓度与ρ(NO₂)、ρ(SO₂)呈负相关,而与ρ(O₃)、温度呈正相关.风速对可培养生物气溶胶浓度的影响较小.以AQI(空气质量指数)中ρ(PM₁₀)为依据,将研究时间段空气质量划分为4个空气污染等级.在不同污染等级下,真菌气溶胶均呈对数正态分布,粒径主要分布于2.1～4.7 μm.低污染时细菌气溶胶呈偏态分布(粒径>4.7 μm),高污染时粒径分布发生改变.初步推断,随着空气污染等级的升高,可培养生物(真菌+细菌)气溶胶总浓度增加,但单位颗粒物上的浓度变化较稳定.ρ(PM₁₀)是影响可培养生物气溶胶浓度及粒径分布的主要因素.      

基于MODIS数据与多机器学习法的日PM2.5模拟研究

为了深入了解地面PM_2.5的空间分布,以山东省为研究区,利用2019年的PM_2.5站点实测数据,结合中分辨率成像光谱仪(MODIS)的L3级别的MCD19A2气溶胶光学厚度产品,充分考虑人口、地形、气象等因素,使用RF、SVR、BPNN、DNN等4种机器学习算法对山东省2019年逐日PM_2.5进行了模拟.结果表明:随机森林模型(RF)的RMSE和MAE的值分别为12.67和6.62,优于BPNN、SVR和DNN模型.随机森林模型(RF)最适合山东省的日PM_2.5模拟.     

基于在线监测的南京仙林PM2.5组分特征与来源解析

为了研究南京市PM_2.5的污染特征及来源贡献,于2018年3月至2019年2月在南京仙林地区进行PM_2.5组分的在线监测,运用PMF和CMB受体模型,开展PM_2.5的来源解析.结果表明,观测期间南京市PM_2.5平均质量浓度为54.3μg/m³,其中冬季平均浓度76.4μg/m³.PM_2.5的主要组分为NO₃^-（21.3%~30.8%）、SO₄^2-（18.9%~23.5%）、NH₄⁺（14.3%~16.2%）.从全年平均来看,PMF模型得到的PM_2.5解析结果为：二次无机气溶胶（54.9%）、燃煤源（17.4%）、二次有机气溶胶（7.4%）、机动车排放源（7.1%）、工业源（4.9%）、扬尘源（4.8%）、其他源（3.4%）;CMB模型得到的PM_2.5解析结果为：硝酸盐（33.0%）、硫酸盐（24.0%）、燃煤源（16.4%）、机动车排放源（8.4%）、二次有机气溶胶（7.1%）、扬尘源（5.7%）、其他源（2.9%）、工业源（2.4%）.不同季节PM_2.5来源有所差异,夏冬季二次无机气溶胶占比大于春秋季,春冬季燃煤占比最大,二次有机气溶胶在秋季占比最大.结合2017年南京市大气污染源排放清单,对二次气溶胶贡献进行再解析,得到南京仙林地区PM_2.5主要贡献来自燃煤源（PMF：34.14%,CMB：33.82%）,机动车排放源（PMF：27.33%,CMB：29.33%）以及工业源（PMF：26.76%,CMB：24.77%）.可见,影响南京仙林地区PM_2.5的污染源主要来自燃煤源、机动车排放源和工业源,基于在线组分监测、利用PMF和CMB模型得到的PM_2.5源解析结果具有较好的一致性.