珠江三角洲大气光化学氧化剂(Ox)与PM2.5复合超标污染特征及气象影响因素

基于粤港澳珠江三角洲区域空气监测网络12个监测子站的大气污染物数据,梳理2013~2017年大气光化学氧化剂O_x（NO₂+O₃）与PM_2.5质量浓度的变化趋势.O_x+PM_2.5复合超标污染定义为NO₂和PM_2.5质量浓度日平均值以及O₃浓度日最大8 h平均值（O₃ MDA8）同时超过二级浓度限值,分析了不同类型站点复合超标污染的时空分布特征以及气象因素影响.结果表明,2013~2017年珠三角PM_2.5年均质量浓度由（44±7）μg·m^-3下降至（32±4）μg·m^-3,实现PM_2.5连续3 a达标.O_x年均质量浓度由2013年（127±14）μg·m^-3下降至2016年（114±12）μg·m^-3,2017年反弹至（129±13）μg·m^-3,O₃浓度上升明显（10 μg·m^-3）.以O₃为首要污染物的污染过程占比由2013年33%增多至2017年78%,多个城市同时发生污染的区域特征明显.研究时段内O_x+PM_2.5复合超标污染事件共发生60次,主要在城区站点（78%）和郊区站点（22%）.秋季发生复合超标污染天数最多（52%）,是因为强太阳辐射有利于臭氧生成,大气氧化性增加,进而促进了PM_2.5二次生成.造成珠三角复合超标污染的天气形势主要为高压出海型（43%）、高压控制型（30%）和热带低压型（27%）.就具体气象因素而言,气温在20~25℃且相对湿度在60%~75%的范围内时,复合超标污染事件发生占比最高（22%）.在O₃重污染过程中,夜间高湿和低风速使得NO₂和PM_2.5浓度显著上升,日间高温加剧了复合超标污染.     

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.     

PM2.5和O3污染协同防控区的遥感精细划定与分析

针对地面站点监测数据难以支撑大气PM_2.5与O₃污染防控区边界划定的问题,融合大气污染浓度遥感估算建模与GIS统计分析模型,提出了一种基于PM_2.5和O₃浓度遥感估算结果的协同防控区精细划定方法,开展了2015~2020年月和年尺度的全国PM_2.5与O₃污染协同防控成效定量分析与防控区精细划定研究.结果表明,2015~2020年,我国PM_2.5浓度总体下降显著但O₃浓度基本持平,PM_2.5污染在秋冬超标严重,O₃污染则在春夏;同时PM_2.5与O₃浓度变化在空间上的不一致性显著,其中PM_2.5下降且O₃上升、PM_2.5与O₃均下降、PM_2.5与O₃均上升和PM_2.5上升O₃下降的面积占比分别为38.34%、35.12%、15.24%和10.89%.遥感精细划定范围显示,PM_2.5和O₃协同防控区域的边界具有显著动态变化特征,在时间变化上呈现先扩大后缩小的趋势,主体范围集中在"2+26"城市、汾渭平原、长三角北部和山东半岛.以PM_2.5或O₃单一防控为主的区域范围较为稳定,辽吉、鄂湘赣、成渝和塔克拉玛干沙漠-河西走廊区域需以PM_2.5防控为主,珠三角、长三角和环渤海湾部分区域则应以O₃防控为主.基于卫星遥感手段的PM_2.5和O₃协同防控区域边界精细划定方法可更好辅助国家PM_2.5和O₃协同防控策略制定需求.     

2013~2017年中国PM2.5污染防治的健康效益评估

为了评估中国大气环境治理带来的健康效益,确定健康风险评价的主要驱动因素,本文使用结合人群活动因子的综合暴露响应模型,对中国东部和中部地区2013~2017年可归因于PM_2.5的健康经济效益进行了估算,并量化了人口总量、人口老龄化、基准死亡率和PM_2.5暴露浓度这4个因素对健康负担的影响贡献.结果表明,2013~2017年研究区域内PM_2.5人口加权浓度下降了28.73%,PM_2.5年均暴露浓度在35 μg·m^-3及以下的人口比例从11.23%增加到27.91%.PM_2.5浓度下降使得2017年归因死亡数下降了14.43%,可避免经济损失为5588.41亿元.当PM_2.5暴露浓度达到国家二级标准（35 μg·m^-3）、一级标准（15 μg·m^-3）和世卫组织建议标准（10 μg·m^-3）时,归因死亡人数较基准年（2017年）将减少8.22%、55.05%和79.36%,避免经济损失3190.85、21374.38和30812.97亿元.人口总量、人口老龄化、基准死亡率和PM_2.5暴露浓度这4个因素对健康负担的贡献分别为-2.69%、-12.38%、1.66%和14.57%,其中污染物浓度降低是减轻健康负担的主导因素.中国的大气污染治理取得了显著成效,但在高PM_2.5浓度和高人口密度的地区,大气污染导致的健康负担仍然很重,需要实施更加严格的空气污染控制政策.     

2006~2015年北京市不同地区O3浓度变化

对2006~2015年北京市定陵、官园、琉璃河和前门这4个站点的O₃连续监测数据进行分析,探讨其浓度水平、变化趋势、时间变化规律以及和前体物、气象要素的关系.结果表明,定陵站十年平均浓度水平最高（65.2 μg·m^-3）,其次为琉璃河（53.4 μg·m^-3）、官园（49.6 μg·m^-3）和前门（40.4 μg·m^-3）.定陵O₃浓度呈下降趋势［0.5 μg·（m³·a）^-1］,而官园［0.9 μg·（m³·a）^-1］、琉璃河［0.3 μg·（m³·a）^-1］和前门［0.3 μg·（m³·a）^-1］均呈上升趋势.从月变化来看,各站点O₃浓度最高值均出现在6~8月,出现频次最高的为7月（17次）,平均月均浓度为99.8 μg·m^-3;最低值均出现在11、12月和1、2月,出现频次最高的为1月（14次）,平均月均浓度为16.6 μg·m^-3.从日变化来看,近年来O₃浓度峰值出现的时间明显提前,近3年峰值均在15：00~16：00出现,提前了1~2 h.2015年定陵站O₃重污染天数达到11 d,比2013年增加了10 d,表明近年来夏季北京下风向山区的O₃重污染状况愈发严重.与前体物的相关性分析表明,定陵站O₃浓度与NO₂浓度呈正相关,其余站点两者浓度均呈负相关,暗示定陵站O₃生成的前体物控制区可能为NO₂控制区,而其他站点为VOCs控制区.与气象要素的相关性分析表明,O₃浓度与温度呈正相关关系,与湿度和气压呈负相关关系,温度对O₃浓度的影响最大,其次是气压和湿度.当日最高温度超过30℃,相对湿度介于30%至70%之间时,北京市O₃日最大8 h滑动平均浓度超过200 μg·m^-3的概率较高,空气质量级别会达到轻度至中度污染的级别.     

华山地区PM2.5中无机离子垂直分布特征

2016年夏季在华山山腰及山脚设两个采样点（垂直高程相差约700 m）,运用大流量采样器进行每4 h 1次PM_2.5样品采集,对其无机离子进行分析,探讨其浓度、组成、垂直变化、日变化及酸度的特征.结果表明：采样期间,华山山腰及山脚的PM_2.5分别为：（46.9±38.2）μg·m^-3和（76.0±44.3）μg·m^-3,PM_2.5中无机离子分别为：（16.6±15.7）μg·m^-3和（24.0±15.0）μg·m^-3.两个点位无机离子浓度依次为：SO₄^2- > NO₃^- > NH₄⁺ > Ca²⁺.SO₄^2-、NO₃^-、NH₄⁺为主要组分,占华山山腰及山脚大气PM_2.5总离子质量浓度的89%和85%.线性回归分析显示：PM_2.5中的NH₄⁺在华山山腰主要以（NH₄）₂SO₄和NH₄NO₃的形式存在,而在华山山脚主要以NH₄HSO₄和NH₄NO₃的形式存在.华山山腰和山脚PM_2.5及其离子呈现出不同的日变化特征：山腰在12：00~16：00出现峰值,主要是因为边界层抬升和山谷风输送地表污染物的缘故;山脚则分别在白天08：00~12：00和夜晚00：00~04：00出现双峰值,这主要是由于早高峰交通排放增加和夜间大型载货卡车流量增大所致.利用阴阳离子当量平衡法及ISORROPIA Ⅱ模型进一步探讨了PM_2.5酸度特征,结果表明：华山山脚PM_2.5的酸度（pH=2.9±2.0）强于山腰（pH=3.2±2.3）.     

南京江北2014-2016年PM2.5质量浓度分布特征及气象和传输影响因素分析

利用2014-2016年南京江北地区PM_2.5质量浓度和气象要素的小时数据,并结合HYSPLIT模式后向轨迹聚类分析和PSCF法分析了PM_2.5质量浓度的污染特征及其主要影响因素和主要来源特征.结果表明：2014-2016年PM_2.5质量浓度呈逐年下降趋势,下降幅度约为17.40%,由2014年的62.1 μg·m^-3下降至2016年的51.2 μg·m^-3,能见度由2014年的5.8 km上升至2016年6.6 km.PM_2.5质量浓度存在显著的月变化和季节变化特征,1月浓度最高,可达93.0 μg·m^-3;8月浓度最低,仅为38.8 μg·m^-3;冬季浓度最高,可达76.8 μg·m^-3,夏季浓度最低,仅为47.1 μg·m^-3.不同季节日变化均为单峰型分布.气象要素对PM_2.5质量浓度的影响较大,不同相对湿度下能见度和PM_2.5质量浓度具有较好的拟合关系.霾和非霾天PM_2.5质量浓度的阈值为15 μg·m^-3.不同季节的主导气团不同,春季主导气团为偏北气流和偏东气流,占比分别为43.50%和30.80%;夏季主导气团以东部气流为主,占比约为68.22%;秋季和冬季主导气团为来自北方的气流,总占比分别为83.52%和100%;偏北内陆气团PM_2.5质量浓度较大,偏东海洋性气团PM_2.5质量浓度较低.PM_2.5质量浓度潜在源区春冬季潜在源区范围较大,夏秋季潜在源区范围较小,季节变化显著.春季潜在来源主要分布在安徽、江西北部、江苏南部和浙江北部等地区,夏秋季分布在安徽东部、浙江北部和江苏南部等地区,冬季分布在安徽、河南东部,山东和江苏等地区.     

武汉冬季典型月份PM2.5浓度变化的观测分析与模拟追因

1月是武汉市发生重霾污染最为频繁的月份之一.本文利用地面观测数据对比分析了2014年1月与2018年1月武汉PM_2.5污染的变化与差异,进而利用嵌套网格空气质量预报模式系统（NAQPMS）对其差异进行了模拟追因分析.分析结果表明,2018年1月武汉PM_2.5污染依旧严峻,出现了17个污染天,月均浓度达到了91.6 μg·m^-3,但污染程度与2014年1月相比有了大幅改善.其污染天比2014年1月减少了13 d,月均浓度下降了90.8 μg·m^-3,浓度峰值下降了154.6 μg·m^-3.通过设计基于气象场敏感性分析的数值模拟试验,发现在区域污染物排放强度保持不变的情形下,2014年1月和2018年1月气象场的变化对武汉月均PM_2.5浓度的影响较小,差异小于3 μg·m^-3.基于2018年1月的排放情景模拟2014年1月的武汉PM_2.5浓度会导致显著的低估现象.这表明气象条件变化不是武汉2018年1月相比2014年1月PM_2.5浓度显著下降、重污染天数显著减少的关键原因,而武汉本地、周边以及京津冀等重点城市群的排放量显著下降应是最为关键的主导因子.     

邯郸市PM2.5-O3复合污染特征及相互影响研究

本研究在河北工程大学监测站点开展了大气中56种VOCs、NO_x以及气象参数的长期在线监测,结合2013—2019年国控站的在线监测数据,对邯郸市PM_2.5-O₃复合污染特征进行分析.结果表明,邯郸市2013—2019年复合污染天数波动较大,近几年呈现增加趋势,且集中在每年的春夏季.2013—2017年复合污染天数峰值均出现在6月,2018年和2019年出现在3月和4月.气象因素分析结果表明,温度、湿度和气压对邯郸市复合污染影响较明显,当温度为21.0~29.0℃、湿度较高、气压偏低的条件下,更容易发生复合污染,而风速对邯郸市复合污染影响较小.对PM_2.5与O₃相互作用分析发现,冬季高浓度PM_2.5对O₃有抑制作用,夏季PM_2.5浓度不超标时,O₃浓度随其升高而上升,PM_2.5浓度超标后变化趋势相反,当PM_2.5浓度大于125 μg·m^-3时不再出现PM_2.5-O₃复合污染.虽然近年来PM_2.5、SO₂和NO₂浓度下降,但二次转化率依然较高甚至有加强趋势.利用VOCs/NO_x值分析邯郸市O₃生成敏感性,结果显示邯郸市春冬季属于VOCs控制到NO_x控制的过渡区,夏秋季属于NO_x控制区,且复合污染日VOCs/NO_x值（6.3）最小,清洁日（9.3）最大.复合污染时NO₃^-和OC浓度较高,OC/EC值与其他污染日相比最大,说明复合污染时二次污染严重,有效治理PM_2.5-O₃复合污染必须减排能同时形成O₃和二次有机气溶胶的高活性有机物.     

2013-2014年河南省PM2.5浓度及其来源模拟研究

随着城市化和工业化水平的逐渐提高,河南省的空气污染问题也日益严重.利用嵌套网格空气质量模式（NAQPMS）,数值模拟了2013年7月-2014年6月年河南省大气细颗粒物及其前体物（NO₂、SO₂、PM₁₀、PM_2.5）的地面浓度,并量化了其主要来源.结果表明：模式能够较好地再现污染物的时空演化特征.整体来讲,河南省PM_2.5的高值区集中在中部和北部地区,呈现冬季高、夏季低的特点.在线源解析模拟发现,河南省不同地区PM_2.5的来源有所不同,中西部地区主要来自于本地,而在东部和北部地市,来自周边省份的区域输送更为显著,其贡献达到40%～50%,且在PM_2.5浓度的高值区更为明显.就行业贡献而言,居民源、工业源和机动车排放是河南省PM_2.5浓度的主要来源,其浓度贡献分别为23.7 μg·m^-3（贡献比例24%,下同）、20.6 μg·m^-3（21%）和21.3 μg·m^-3（22%）,电厂、农牧业和地面扬尘的浓度贡献分别为7.0 μg·m^-3（7%）、8.7 μg·m^-3（9%）和17.8 μg·m^-3（18%）.受居民源影响最大的地区是河南中东部和北部地市,其贡献达到PM_2.5浓度的27%、27%和25%.工业源影响最大的地区集中在太行山南部地市,其浓度贡献为26.4 μg·m^-3（24%）,在其他地市的贡献为17%～23%.机动车对河南东部影响最为显著,其浓度贡献为22.9 μg·m^-3（24%）.电厂和农畜牧业对全省PM_2.5的贡献分布比较均匀,分别为6%～9%和8%～10%.分析不同浓度下的PM_2.5来源,发现工业源和扬尘贡献随PM_2.5浓度增加逐渐降低,而居民源和机动车排放的贡献则有所增加,在PM_2.5浓度高于100 μg·m^-3期间,达到22%和20%.     

基于随机森林的南京市PM2.5和O3对减排的响应

自2013年《大气污染防治行动计划》实施后,南京市大气污染有所改善,但仍面临着细颗粒物(PM_2.5)和臭氧(O₃)污染问题.为探究污染物浓度对其前体物减排的响应,获得有效的减排策略,常利用大气化学模式进行多组基于排放扰动的敏感性试验,而这需要消耗大量计算时间和计算资源.应用随机森林算法对2015年大气化学传输模式(GEOS-Chem)模拟结果进行机器学习,高效地预测了南京2019年PM_2.5浓度日均值和日最大8 h臭氧(MDA8 O₃)浓度对不同人为源排放控制情景的响应.随机森林结果表明2019年中国人为排放每减少10%,南京ρ(PM_2.5)季节平均值下降2～4μg·m^-3.当2019年中国人为源减排比例高于20%时,南京ρ(PM_2.5)年均值将低于国家二级限值(35μg·m^-3).若仅对中国地区O₃前体物氮氧化物(NO_x)和挥发性有机污染物(VOCs)同比例减排,反而...     

石家庄市臭氧和二氧化氮的时空演替特征及来源解析

为研究石家庄市域臭氧（O₃）和NO₂的时空演替格局及污染来源,取2014~2017年市域18个区县（市）的O₃、NO₂和气象要素资料（温度、湿度、风速、降水、日照）,及2017年夏季挥发性有机物（VOCs）数据,采用网络分析（network analysis）、空间插值（IDW）、Moran模型及后向轨迹方法,对市域内区县O₃和NO₂的空间联系、演替格局、空间影响因素及污染来源进行了分析.结果表明：①2014~2017年市域O₃浓度呈上升趋势,市区O₃月度变动呈单峰型态势,5~9月是O₃污染（O₃≥160 μg·m^-3）的典型时期（TPOP）,TPOP的气象特征为高温低湿弱风强光照,NO₂在TPOP内的负相关性显著;②主城区O₃浓度在2015年后呈逐年显著上升,主城区的污染物类型从NO₂（2014~2016年）转为VOCs（2016~2017年）,而县域2014~2017年均属VOCs控制区;③市域O₃空间影响因子主要集中于工业、农业、经济和人口这4个维度（P≤0.05）.第二产业对O₃污染的高值中心出现在主城区和栾城区,与区域内工业生产活动有关;④VOCs夏季监测期间的轨迹聚类出3个来源方向,即A（东-东北,26.67%）、B（西北-西,43.33%）及C（东南-南,30%）,轨迹A和C是VOCs传输的主要方向（东-东南）.     

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...     

华东地区对流层O3和前体物HCHO及NO2的时空特征

通过OMI遥感卫星数据分析华东地区2005~2021年大气对流层臭氧（O₃）、二氧化氮（NO₂）和甲醛（HCHO）柱浓度的时空特征,利用后向轨迹模型（HYSPLIT）探究其来源.结果表明：① 17年间,对流层O₃柱浓度平稳增加,2010年上升到最大值,之后呈现一种波动起伏的状态;NO₂在2005~2012年呈增加趋势,2012~2021年缓慢下降;HCHO柱浓度由2005年的1.15×10¹⁶ molec ·cm^-2呈现增长趋势,上升到2021年的1.8×10¹⁶ molec ·cm^-2.②在空间上,3种污染物柱浓度总体上呈现北高南低的空间格局,北部为高高聚集区域,中部为无特征区域,南部为低低聚集区域.③ O₃的敏感性呈现为：春季η<2.3,属于VOCs控制区;夏季η<4.2,表现为大部分地区是NO_x-VOCs协同控制区,少部分地区是VOCs控制区;秋季η<4.2,主要为VOCs控制,极少部分为NO_x-VOCs协同控制区;冬季η<2.3,为VOCs控制区,山东省以VOCs控制为主.④因2005~2021年O₃在山东省呈现为高高聚集,所以选取2021年山东省的省会城市济南市进行O₃来源解析,2021年济南市的O₃浓度增加有两个方面,一是通过远距离的气团输送主要来自于江苏省的连云港市和河北省的沧州市;二是近距离的气团输送来自于济南市附近城市的污染和黄海、渤海经济区,且聚集性分析与潜在源贡献因子算法（PSCF）和权重轨迹分析法（CWT）有相同的结果.     

O3/H2O2降解水中扑灭通效能研究

利用拟一级降解速率常数表征O3/H2O2对扑灭通(Prometon)的氧化效能,探讨了n(H2O2)/n(O3)、pH值、水质和碳酸氢根离子对去除的影响,对有机氧化产物进行了气相和液相质谱分析,以离子色谱法测定了反应过程中产生的NO3-,在此基础上对扑灭通降解途径进行了研究.结果表明,扑灭通初始浓度2 mg.L-1,反应温度25℃,O3投量13 mg.L-1时,最佳反应条件为n(H2O2)/n(O3)=0.7,体系pH为7～8;扑灭通在自来水中的去除效果好于纯水;HCO3-浓度>50 mg.L-1时,对扑灭通的氧化有明显的抑制作用.液质和气质的分析结果表明扑灭通并未开环,氧化过程中扑灭通三嗪环支链上的2个异丙基首先被氧化脱去,离子色谱检测到的NO3-是三嗪环支链胺基氧化的产物.     

Fe3O4/CeO2-H2O2非均相类Fenton体系下降解TCE的研究

采用浸渍法成功合成了新型催化剂纳米Fe3O4/CeO_2,并且用Fe3O4/CeO_2-H_2O_2非均相Fenton体系对TCE进行降解研究,考察了初始pH、H_2O_2浓度、温度及催化剂投加量等因素对于TCE降解效率的影响.实验结果表明,Fe3O4/CeO_2-H_2O_2非均相Fenton体系对TCE具有较好的去除效果:在初始pH=3,温度50℃,H_2O_2浓度30 mmol·L-1和Fe3O4/CeO_2投加量0.5 mg·L-1时,TCE去除率高达97.29%.同时实验结果表明pH在2~7范围内对TCE均有降解效果,所以相对于传统Fenton体系,该体系拥有更宽pH应用范围.目标污染物的降解符合一级动力学,反应活化能为30.77 k J·mol-1,表明反应易于进行.     

2013～2020年天津市PM2.5-O3污染变化趋势和影响因素分析

基于2013～2020年高时空分辨率的PM_2.5和O₃在线监测数据以及气象观测数据,利用KZ(Kolmogorov-Zurbenko)滤波耦合逐步回归等技术,对天津市PM_2.5和O₃浓度变化趋势、相互关系和影响因素进行了分析.结果表明,与2013年相比,2020年天津市PM_2.5浓度下降50.0%,O₃浓度上升25.8%.从月际变化来看,与2013～2017年相比,2018～2020年天津市PM_2.5浓度月际间差异逐渐缩小,O₃浓度从4月开始出现明显上升,污染发生时间节点提前.O₃与PM_2.5的相关性呈现明显的季节性分布特征,冬季整体呈负相关,夏季正相关且相关性比其他季节高.不同季节O₃与PM_2.5之间的拟合斜率与相关性系数整体呈正比例关系,拟合斜率与相关性系数的比值逐年升高说明PM_2.5对O_3...     

天津市PM2.5-O3复合污染特征及来源分析

为了解天津市PM_2.5-O₃复合污染特征及来源,基于2017～2019年高时间分辨率PM_2.5、 O₃和挥发性有机物（VOCs）在线监测数据,对复合污染下天津市VOCs浓度水平、化学组成及O₃和二次有机气溶胶（SOA）生成潜势来源进行分析.结果表明,2017～2019年,天津市复合污染日为34 d,分布在每年的3～9月,年度变化呈现稳中略升趋势;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).复合污染下ρ（VOCs）为72.59μg·m^-3,烷烃、芳香烃、烯烃和炔烃质量分数分别为61.51%、 20.38%、 11.54%和6.57%; VOCs中浓度较高的前20种物种的浓度均上升,其中乙烷、正丁烷、异丁烷和异戊烷等烷烃类物种质量分数上升,烯烃和炔烃类质量分数略下降,芳香烃类中的苯和1,2,3-三甲苯质量分数略升....     

重庆市北碚大气中PM2.5、NOx、SO2和O3浓度变化特征研究

重庆是我国西南工业重镇,但长期受大气污染困扰.利用全自动在线环境监测仪器,于2012年1月—2014年2月,对重庆市北碚区大气中的典型污染物PM2.5、NO_x、SO_2和O_3进行了观测研究.结果表明:重庆北碚大气首要污染物为PM2.5,2012和2013年平均浓度分别为(67.5±31.9)和(66.6±37.5)μg·m~(-3),是国家环境空气质量一级标准35μg·m~(-3)的1.9倍,两年超过国家二级标准的天数分别为119和126 d,年超标率均大于1/3;两年NO_x,SO_2及O_3的年平均浓度分别为(57.1±24.6)和(55.1±36.6),(43.1±24.0)和(35.0±21.9)及(31.1±24.9)和(48.5±37.4)μg·m~(-3).大气污染物浓度具有明显的季节变化特征,PM2.5和NO_x冬季污染最为严重,两年冬季平均值分别比两年年平均值高33.6%、59.6%和43.2%、8.5%;O_3表现为夏高冬低;SO_2春季最高且污染最轻.大气污染物日变化显示PM2.5和NO_x浓度呈双峰日变化形式,有早晚两个峰值,与城市交通高峰相对应.SO_2和O_3浓度呈单峰日变化,前者峰值出现在午前10∶00—12∶00大气对流层被打破之后,而后者峰值出现在午后16∶00局地光化学最强之时.消减各种污染源的颗粒物直接排放,消减气态污染物SO_2和NO_x的工业排放,消减机动车NO_x和VOCs等的排放,才有可能使重庆北碚的大气污染状况得到改善.