渭南市区冬春季PM2.5和PM10时间分布特征及与气象因素的关系

为研究渭南市区2014?—?2016年的冬春季雾霾天气的特点,选取覆盖渭南市区的4个监测站点,分析渭南市区PM_(10)和PM_(2.5)污染时间分布特征;同时选取日平均气温、相对湿度、风等气象因素,用线性回归分析法分析各个气象因素同大气中PM_(10)和PM_(2.5)的相互关系。研究发现:三年来冬季PM_(10)和PM_(2.5)的日变化的峰值主要出现在12月—?次年1月;春季PM_(10)和PM_(2.5)的逐日变化的峰值主要出现在3月;日内的周期变化趋势呈多次波动。渭南市区冬春PM_(10)和PM_(2.5)的质量浓度与风速、气温呈负相关,与相对湿度呈正相关,为雾霾的形成创造了条件,在冬季温度较高的情况下以及相对湿度较大的情况下应加强防范。在冬季12月—?次年1月和春季3月应注意雾霾的防范和治理,燃煤企业要安装脱硫脱硝装置,居民日常生活中尽量减少生物燃料的燃烧,同时政府应根据污染物排放量征税,用制度保护环境。     

北京市大气PM10和PM2.5中有机物的时空变化

2005年四季在北京市不同功能区9个采样点采集大气PM₁₀和PM_2.5样品,并对其中有机物污染水平、分布特征及不同功能区PM₁₀和PM_2.5中有机物的相关性进行了探讨.结果表明,市区PM₁₀和PM_2.5中有机物年均值分别为41.39 μg/m³和34.84 μg/m³,是对照区十三陵的1.44倍和1.26倍;冬季有机物污染最严重,分别为春季的1.15、 1.82倍,秋季的2.06、 2.26倍,夏季的4.53、 6.26倍.不同季节PM_2.5与PM₁₀中EOM的比值超过0.60, 并呈现一定季节差异.各功能区有机污染表现出工业区(商业区)＞居民区(交通区、对照区)的变化趋势,且不同功能区PM_2.5中EOM对PM₁₀中EOM的影响程度各异.有机组分的年均值有非烃＞沥青质＞芳烃＞饱和烃的变化规律,而污染源的季节性排放是造成有机物组分季节变化的主要原因.     

红色预警期间北京市PM2.5浓度特征及应急措施效果评估

综合利用监测数据并结合数值模型,分析了2015年北京市第2次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值往往出现在北京南部站点.污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度积累速率可达5~10μg·m~(-3)·h~(-1).污染缓解阶段,偏北风作用,空气质量转好.预警期间北京市空气质量南北差异较大.应急措施实施后,北京市PM_(2.5)环境浓度下降约20%~25%.PM_(2.5)累积速率呈现出交通站城区站背景站的特征,与重污染日平均值相比交通站下降幅度最大,表明减排措施在交通站更加显著.气象条件对重污染的形成和结束起着决定性作用,为了更好的做好空气质量预警预报工作,应加强对小尺度天气系统的研究,同时关注不同方位PM_(2.5)浓度峰值及重污染持续时间的变化,形成北京市分区预报预警的经验.     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

北京市控制PM2.5污染的健康效益评估

实施PM_2.5污染控制后所带来的居民健康经济效益评估,对推进区域环境空气质量监管、健康预警以及防治等工作具有重要意义.本文采用泊松回归相对危险模型和环境价值评估方法,对2016~2019北京16个辖区年PM_2.5污染控制到二级标准限值35 μg·m^-3后所带来的健康风险及经济效益进行评估.结果显示,2016~2019年北京及其16个辖区PM_2.5浓度、各健康终端效应、经济效益以及人均经济健康效益等均呈现出下降趋势.其中,北京PM_2.5浓度值从2016年的73 μg·m^-3下降至2019年的42 μg·m^-3,年均下降率为16.75%,控制PM_2.5污染的健康总受益人数从2016年的439985例（95%置信区间：183987,653476）下降到2019年的77288例（95%置信区间：30483,120905）,年平均下降率约为42.67%.健康经济效益占GDP的比重从3.16%（95%置信区间：1.10%,4.73%）下降到0.55%（95%置信区间：0.18%,0.88%）,人均健康经济效益从3727.61元（95%置信区间：1303.24,5592.18）下降到906.58元（95%置信区间：295.14,1438.27）.此外,由于PM_2.5浓度、人口数量和密度以及单位健康终端经济价值的差异使得北京16个辖区的健康经济效益、占GDP比重以及人均效益估算结果各有差异,其中丰台、通州和大兴等远高于其他辖区,健康风险与经济效益问题相对突出.     

2015年北京市两次红色预警期间PM2.5浓度特征

利用北京市及周边地区大气污染物监测数据,综合分析了2015年北京市两次空气重污染红色预警期间PM_2.5浓度变化特征并初步评估了减排措施对PM_2.5浓度的影响.结果表明:第1次红色预警期间,北京市PM_2.5平均最高小时浓度出现在12月9日19:00,为282μg·m^-3,单站最高小时值出现在京东南市界永乐店站,浓度达496μg·m^-3.第2次红色预警期间,PM_2.5全市平均最高小时浓度出现在12月22日20:00,为421μg·m^-3;单站最高小时值出现在京西南市界琉璃河站,浓度达831μg·m^-3.两次红色预警累积持续时间均呈现出南部站 > 城区站 > 北部站的特征,且第2次红色预警期间PM_2.5浓度南北差异明显大于第1次,PM_2.5平均浓度在150μg·m^-3以上的面积明显大于第1次,第2次红色预警期间重污染面积可达总面积的93%.两次预警期间气象条件均不利于污染物的扩散,均存在不同程度的二次转化和区域输送现象,极端气象条件是重污染形成的外因,区域污染物排放量大才是导致重污染形成的内因.初步评估结果显示红色预警应急措施实施后,北京市PM_2.5环境浓度下降约20%~25%,减排效果显著.     

北京冬季PM2.5中金属元素浓度特征和来源分析

为了解北京冬季细颗粒物中金属元素的浓度水平及其来源,于2014年12月至2015年1月使用中流量PM_(2.5)采样器在北京城区开展了为期30 d的连续采样,采用滤膜称重法检测PM_(2.5)浓度,电感耦合等离子体质谱法(ICP-MS)分析PM_(2.5)中16种元素总量,并采用富集因子法和因子分析法分析元素污染特征及其来源.结果表明,观测期间PM_(2.5)中主要金属元素为K、Ca、Fe、Al和Mg,占16种元素总量的90.7%.与白天相比,地壳元素如Mg和Al等在夜间的浓度下降30%以上,而人为源金属元素如Cu和Pb等的浓度则上升40%以上.从优良天到重污染天气,上述16种金属元素的总浓度上升1倍,但其在PM_(2.5)中的比例却逐渐降低,说明金属元素的富集不是PM_(2.5)上升的主要原因.随着污染程度的加剧,Cu、Zn、As、Se、Ag和Cd等主要来自人为源的金属元素浓度上升较快,重度污染天与优良天的浓度比值范围为2.9~5.3;而Al、Mg、Ca、Mn和Fe等地壳元素浓度上升则较缓,重度污染天与优良天的浓度比值范围为1.2~1.8.北京冬季PM_(2.5)中金属元素主要来源于燃煤和生物质燃烧、交通和工业排放以及地面扬尘,贡献率分别为34.2%、25.5%和17.1%.     

北京市夏季不同O3和PM2.5污染状况研究

从天气背景场、气象要素、前体物和PM_(2.5)化学组分、气团运动轨迹以及大气氧化性等方面对北京市夏季两种不同的O_3和PM_(2.5)污染状况进行了分析.结果表明,O_3达到中度污染而PM_(2.5)浓度优良(O_3和PM_(2.5)一高一低)污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O_3和PM_(2.5)同时达到中度污染(O_3和PM_(2.5)两高)的天气形势场为:高空为偏西气流,地面受低压控制.与O_3和PM_(2.5)一高一低污染状况相比,O_3和PM_(2.5)两高时的气象要素特征为:偏南风更为明显和相对湿度更高.O_3和PM_(2.5)两高时污染物浓度演变特征为,O_3和PM_(2.5)的起始浓度较高,PM_(2.5)日变化特征更为明显,而O_3平均浓度却低于O_3和PM_(2.5)一高一低的污染状况.前体物、大气氧化性以及PM_(2.5)化学组分分析的结果表明,较高的起始浓度在不利气象条件下的积累和吸湿增长以及当天较大偏南风造成的区域传输可能是造成O_3和PM_(2.5)两高污染状况中PM_(2.5)浓度达到四级中度污染的主要原因.     

北京市大气PM2.5中矿物成分的污染特征

为了解北京市大气细粒子中矿物成分的浓度水平和污染特征,在清华园和车公庄进行了连续1a的PM_2.5累积周采样和全样品分析.Al、Si、Ca、Mg和Fe等地壳元素的周变化相似,最大周均浓度均出现在春季有强沙尘天气的一周;其季节变化显著,显示季节性的源排放以及气象条件对矿物成分的含量影响显著.土壤尘的季节平均浓度从夏季逐步上升,至次年春季达到最高(21.1 μg·m^-3),表明春季频繁发生的沙尘天气对土壤尘细粒子有重要贡献.大量的建筑活动可能大大增加了北京细粒子中Ca的负荷,应加强其排放控制.     

天津市夏秋季O3-PM2.5复合污染特征及气象成因分析

天津市PM_2.5-O₃复合污染主要发生在夏秋季,本研究筛选出2017年夏季一次和秋季两次典型PM_2.5-O₃复合污染过程,系统分析污染物变化特征,探究天气形势和主要气象因子的影响.结果表明,3次污染过程PM_2.5与O₃呈现不同程度的正相关性（日均值相关系数达到0.34~0.78）,O₃与PM_2.5中硫酸盐和有机碳日均浓度存在较为一致的变化趋势.与非复合污染日相比,复合污染日无机盐占PM_2.5组分的比重增加,增长率为1.9%~7.3%;而碳组分占比减小.复合污染过程发生时,天津地区处于低压槽前或高压后部,近地面弱的偏南风辐合造成较差的大气扩散条件,导致大气污染物的累积.研究结果发现,夏季和秋季PM_2.5-O₃复合污染过程需要适宜的气象条件,温度阈值分别为25~35℃和20~30℃,相对湿度分别为40%~70%和55%~100%.夏秋季复合污染过程关键无机组分及其形成机制有所差异.夏季,日间O₃等强氧化剂对SO₂的气相氧化过程和夜间高湿条件（大约60%）下液相化学反应可能是主导的化学机制,硫酸盐增长率为8.2%.秋季高湿环境（≥80%）不仅促进SO₂向硫酸盐转化,秋季第一次复合污染过程硫酸盐增长4.7%,也促进夜间N₂O₅水解反应等,秋季第二次复合污染过程硝酸盐增长6.0%,两种机制成为秋季复合日PM_2.5显著增长的关键机制.本研究揭示了驱动天津市PM_2.5-O₃复合污染过程发生的适宜气象条件、PM_2.5关键化学组分及其化学过程,为复合污染的成因及协同控制提供了参考.     

太原市冬季PM2.5化学组分特征与来源解析

为研究太原市城区冬季PM_2.5污染特征及来源,于2017年1月对PM_2.5及其化学组分（水溶性离子、碳组分和微量元素）、气态污染物（SO₂、NO₂）进行在线观测,结合气象数据,分析了清洁天和污染天PM_2.5及其化学组分特征,并利用正定矩阵因子分析法（positive matrix factorization,PMF）对PM_2.5进行来源解析.结果表明,2017年1月太原市城区污染天PM_2.5质量浓度（239.92 μg·m^-3）为清洁天的5.70倍,污染天PM_2.5主要化学组分SO₄^2-、NO₃^-、NH₄⁺、Cl^-、OC和EC分别为清洁天的7.04、5.76、6.51、5.62、4.06和4.70倍;污染天硫的氧化速率（SOR）和氮的氧化速率（NOR）分别为0.12和0.19,明显高于清洁天,说明污染天二次转化程度更高;PMF解析结果显示,污染天二次源（35.06%）、燃煤源（30.19%）和机动车源（24.25%）较清洁天分别增长18.03%、7.39%和2.10%,说明太原市城区污染天在管控机动车和燃煤等一次排放源的基础上,更应该注意对二次源前体物的控制.     

河北省边界层气象要素与PM2.5关系的统计特征

为了研究河北省边界层气象要素与PM_2.5的关系,综合利用常规气象探测资料、逐小时地面自动站气象观测资料、环境监测站逐小时AQI及ρ(PM_2.5)资料等进行了统计分析.结果表明:①冬季海平面气压低于1 030 hPa、24 h变压为-3.0~-2.0 hPa、地面相对湿度高于60%、露点温度高于-10 ℃时发生全省性重污染天气的可能性较大;而海平面气压高于1 040 hPa、24 h变压在4.0 hPa以上、地面相对湿度低于40%、露点温度低于-10 ℃时,有利于清洁天气的出现.清洁天气下边界层的盛行风向多与冷空气活动有关;污染天气下盛行风向有区域性差别,边界层小风(<3.0 m/s)的风速频率高于90%. ②过程雨量达到中雨及以上量级的降水对PM_2.5具有较明显的清除作用,中雨量级降水对PM_2.5清除速率约为2 h,但优良空气质量持续时间短,平均为15 h;大雨及以上量级的降水对PM_2.5清除率达67.8%,并且优良空气质量可以持续27 h. ③与降水相比,风对PM_2.5的清除作用更为显著.较强偏南风对空气质量有一定改善,但优良空气质量仅持续16 h;大于3.0 m/s的系统性偏北风对PM_2.5清除率高达85.1%,优良空气质量持续长达32 h,空气质量的改善最为彻底.研究显示,PM_2.5与边界层气象要素关系紧密,不同级别的风和降水对PM_2.5的清除程度存在显著差异.      

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.     

天津市PM2.5-O3复合污染特征及气象影响分析

为了解天津市PM_2.5-O₃复合污染特征及气象成因,基于2013～2019年高时间分辨率的PM_2.5、 O₃和气象观测数据,对天津市PM_2.5-O₃复合污染特征、污染物浓度分布以及关键气象因子进行分析.结果表明,2013～2019年,天津市复合污染日94 d,总体呈现下降趋势,前期（2013～2015年）下降明显,由2013年的23 d降至2015年的11 d,下降52.2%;后期（2016～2019年）波动式上升,由2016年的12 d升至2019年的14 d,上升16.7%.复合污染日主要出现在每年的3～9月,年际变化较大,2013～2016年在6～8月出现较多,2017～2019年在4月和9月出现较多.小时ρ(PM_2.5)在75～85μg·m^-3时,小时ρ（O₃）存在峰值区(301～326μg·m^-3).在所有O₃污染中,PM_2.5...     

无锡市冬季典型天气PM2.5中碳组分的污染特征

于2013-12-03~2014-01-03在无锡市对大气细粒子(PM2.5)进行了连续采集,并用热/光透射法(TOT)分析了其中有机碳(OC)和元素碳(EC)的浓度,结合气象参数,分析了冬季霾产生过程及霾天气下碳组分的污染特征.结果表明,采样期间共有3次霾产生过程,冷空气、风和降水成为改善空气质量最有效的途径.PM2.5、OC及EC的日均质量浓度分别为(132.38±87.17)、(22.80±9.77)和(2.08±1.63)μg·m-3,总碳(TC,TC=OC+EC)占PM2.5的23.57%,同时TC与PM2.5之间存在较好的相关性,相关系数为(R2)0.730;采样期间,TC在PM2.5中所占的比例与PM2.5的浓度之间存在相反的变化趋势,并且在霾天气下TC所占的比例要比非霾天气小,二次无机气溶胶粒子(SO2-4、NO-3、NH+4)的快速增长可能是造成霾天气下细粒子浓度较高的原因之一;OC/EC值为12.83,并且相关性较差,可能与二次污染有关,对二次有机气溶胶(SOC)进行估算:得到SOC平均质量浓度为9.04μg·m-3,占OC的40.96%.     

贵阳市大气颗粒物(PM2.5)污染特征及气象参数的影响

运用连续颗粒物采样仪(URG Model 2000-01J)对贵阳市城区大气颗粒物PM2.5进行了连续3个月(9~11月)的采集与分析,探讨了PM2.5的浓度分布特征、气象条件的影响。结果显示,贵阳市大气颗粒物PM2.5的平均质量浓度为53±27μg/m3,变化范围为3.7~186μg/m3;初步推断大气颗粒物PM2.5的污染来源主要是燃料燃烧、生物质燃烧、汽车尾气等人为源;相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

2014年APEC前后北京城区PM2.5中水溶性离子特征分析

2014年10月至11月间,在北京城区开展PM_(2.5)监测并对其中的水溶性离子进行离线及在线分析.其中NO_3~-、SO_4~(2-)和NH_4~+在不同观测阶段均是PM_(2.5)中的主要离子,APEC期间三者总浓度为(26.8±22.5)μg·m~(-3),占PM2.5质量浓度的(41.7±8.5)%,占所测水溶性离子组分的(84.7±5.0)%;APEC期间NO-3浓度水平较高,对PM_(2.5)贡献最大.对APEC期间水溶性离子的累积趋势研究发现,NO_3~-、SO_4~(2-)、NH_4~+和Cl~-均经历了3个不同的累积过程,除气象条件外,本地源排放及区域污染引起的累积效应仍不可忽视.对颗粒物酸性特征研究发现,不同观测期间,颗粒物中主要水溶性离子浓度虽有不同,但北京秋末冬初颗粒物无明显酸化特征.