邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

邯郸市大气复合污染特征的监测研究

利用邯郸市4个大气环境监测站点的PM2.5、PM10、O3等在线连续观测数据,对2013年全年的PM2.5、PM10、O3的浓度水平、变化规律和PM2.5/PM10的变化情况进行了分析,并从地形、气象、污染物排放及冬、夏季逐时PM2.5、O3和各类气体污染物浓度之间的关系等方面进行了研究.结果表明:12013年PM2.5、PM10的年均浓度分别为139和238μg·m-3,分别是国家二级标准的4.0倍和3.4倍.PM2.5、PM10日均浓度超过标准的天数均在280 d左右,全年3/4以上天数均超标.其颗粒物污染程度甚至超过北京、天津、长三角和珠三角等超大城市或城市群,属于严重超载的红色预警地区.整个采暖期PM2.5、PM10平均浓度分别为209和322.1μg·m-3,为非采暖期平均浓度的2倍和1.6倍;同时,采暖期PM2.5/PM10平均值为63%,高出非采暖期10%,采暖期细颗粒物污染问题特征明显.22013年O3日最大8小时平均浓度的最大值为238μg·m-3,是国家二级标准的1.5倍,超标天数为53 d,超标率为14.5%;最大时均浓度为288μg·m-3,是国家二级标准的1.4倍,超标小时数为148h,占全年有效数据的1.7%;与北方城市相比,其污染程度超过北京、天津等,略低于洛阳污染水平.3邯郸市大气复合污染的形成,除了区域大气环流与特殊地形叠加影响外,还主要归因于相对较高的人为源大气污染物排放,因此,要想走出复合污染的困局,减排是硬道理,解决灰霾污染需开展颗粒物、NOx、SO2等污染物的协同控制.     

2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响

利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM₁₀、PM_2.5和PM₁的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM₁₀、PM_2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM_(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM_(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM₁的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别.     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

太原冬季PM2.5影响霾污染的关键尺度谱特征

PM_(2.5)普遍被认为是导致霾形成的主要污染物之一.利用2016年11~12月在太原市人工降雨防雹办公室观测获得的气溶胶数谱资料、小店区气象站提供的气象要素资料以及小店区环境监测站提供的PM质量浓度资料,探讨了PM_(2.5)影响霾污染的关键尺度谱特征.结果表明,观测期间霾污染频发,且程度严重,重度霾占25.35%.相对湿度高于80%、风速小于1.5 m·s~(-1)是霾频繁发生的有利条件,特别是重霾;中度霾和轻度霾在相对湿度40%~80%、风速小于1.5 m·s~(-1)时也会频繁发生;轻微霾主要发生在相对湿度20%~40%,风速为1.25~2.55 m·s~(-1)时.霾天PM_(2.5)平均质量浓度为209.45μg·m~(-3),是非霾天气的3倍,且随着霾等级增加,PM_(2.5)质量浓度和PM_(2.5)/PM_(10)比值不断增加.低湿环境下PM_1是影响霾的关键粒子;高湿环境下PM_(0.5)是影响轻微霾、轻度霾和中度霾的关键粒子,而影响重度霾的关键粒子则是PM_1.高湿环境下表面积浓度对能见度的贡献率下降,但是气溶胶吸湿增长增大了粒子尺度,导致消光效率因子增大,从而弥补了表面积浓度的不足;粒子尺度参数的增加是高湿时PM_(2.5)影响霾污染的重要因素.     

武汉市霾天气过程冷锋和降水对PM2.5输送和清除效应分析

基于2013—2016年93次冷锋影响过程,研究了冷锋和降水对武汉市PM_(2.5)浓度增加和降低的影响机制,并对浓度下降幅度开展了定量分析.结果表明:受冷锋影响PM_(2.5)浓度变化表现为"两类五型",其中,PM_(2.5)浓度下降占比为62%,平均下降幅度为41μg·m~(-3),主要发生在中等强度冷锋过程中,下降幅度最大时24 h变温、24 h变压和极大风速的区间分别为-4～-2℃、8～12 hPa和8 m·s~(-1);而PM_(2.5)浓度上升主要出现在弱冷锋影响下,上升幅度最大的相应区间分别为-2～0℃、6 hPa和4 m·s~(-1).直接下降型风速最大,直接上升型冷锋强度偏弱,先升后降型PM_(2.5)浓度平均值最高.71%的冷锋过程伴有降水.对于重污染过程,污染持续时间最长的天气型为低压倒槽,PM_(2.5)浓度值最大的天气型为均压场.同时,清除方式中冷空气和降水共同作用占44.4%,单纯冷空气影响占37.0%,仅冷空气作用时的清除速度最快,下降速度为71.1μg·m~(-3)·d~(-1),但结束时的浓度最高;配合降水时清除效果明显,结束浓度一般在46μg·m~(-3)左右,但清除速率较小.     

临安夏季霾和清洁天气PM2.5化学组成特征比较

本研究对长江三角洲背景地区临安大气本底站夏季PM_(2.5)进行连续采集,并对其分别进行OC/EC和水溶性离子测试分析.研究结果发现,临安夏季PM_(2.5)中OC和EC平均质量浓度分别为(14.3±3.95)μg·m-3和(3.33±1.47)μg·m-3.与城市地区相比,本研究临安背景地区夏季气溶胶中OC和EC相关性较弱(R2=0.31,P0.01).二次无机离子,即SO_4~(2-)、NO_3~-、NH_4~+(SNA),明显高于其它水溶性无机离子,平均浓度分别为(8.70±5.66)、(2.04±1.07)和(3.25±2.29)μg·m-3.基于对临安夏季PM_(2.5)连续加密观测、气团后向轨迹以及火点图研究分析,发现静稳天气条件和区域传输都可以影响临安地区PM_(2.5)的化学组成特征.此外,通过对临安本底站霾天和清洁天PM_(2.5)化学组成特征比较发现,与清洁天相比,霾污染天气POC和EC占PM_(2.5)的质量分数没有明显变化,而SOC占PM_(2.5)的质量分数却呈现了明显的下降趋势.与SOC不同,SO_4~(2-)和NH_4~+占PM_(2.5)的质量分数在霾污染天气均呈现了上升的趋势,说明二次无机离子有另一种明显增强的化学生成路径,即非均相化学反应.     

2013年1月宁波市PM_(2.5)污染的形成过程与传输规律

为了深入认识宁波市冬季细颗粒物(PM2.5)的污染特征和主要影响因素的作用规律,利用Models-3/CMAQ模式系统对2013年1月宁波市的PM2.5污染形成过程进行了模拟分析.结果表明,宁波市PM2.5的重点污染区主要分布在市区、北部地区及东部沿海,除了受到局地污染源排放的影响外,对比非污染的情况,大气输入和气溶胶生成作用的增强是引起PM2.5污染的主导因素,其中水平传输过程对PM2.5浓度升高的贡献最为突出.气溶胶过程的贡献在近地面(0~80 m)最显著,随着高度升高而逐渐减弱.硝酸盐在局地二次生产的细颗粒物中占主要份额(~70%).对于硫酸盐,局地二次生成所占的比例很低,主要来自宁波局地排放和宁波以外地区的大气传输(贡献比例分别为44%和40%).宁波市的PM2.5污染主要受到来自北向沿岸气团(占比54%)、西北向大陆气团(占比21%)和西向局地气团(占比25%)的传输影响.在西北方向短距离区域传输的作用下PM2.5浓度最高;在我国中东部大范围灰霾天气的影响下,西北向和北向的长距离传输作用也会导致宁波地区的PM2.5污染.     

广西玉林市大气PM10和PM2.5中有机碳和元素碳污染特征分析

2015年7月~2016年3月期间在广西玉林市3个空气监测点位共采集环境大气颗粒物PM_(10)样品218份,PM_(2.5)样品202份,利用多波段热/光碳分析仪分析其颗粒物中有机碳和(OC)和元素碳(EC)浓度水平、时空变化、污染特征及可能来源.结果表明,玉林市PM_(10)中OC和EC质量浓度分别为10.99μg·m~(-3)和5.11μg·m~(-3);PM_(2.5)中OC和EC质量浓度分别为7.51μg·m~(-3)和4.70μg·m~(-3).3个监测点位大气中PM_(10)和PM_(2.5)冬季的OC和EC浓度水平均高于其他季节,PM_(10)、PM_(2.5)中OC和EC的相关性较好,R2分别为0.58和0.60(P均小于0.01).应用最小OC/EC比值法对二次有机碳(SOC)含量进行了估算,冬季大气PM_(10)和PM_(2.5)中SOC平均质量浓度分别为14.50μg·m~(-3)和6.74μg·m~(-3),高于其他季节.PM_(10)和PM_(2.5)中SOC/OC比值均0.5,玉林市大气中粗细颗粒物均以SOC为主.夏季PM_(10)和PM_(2.5)中SOC/OC分别为80.6%和77.7%,为四季最高值,与夏季温度较高、光照强烈、有利于光化学反应将OC转化为SOC有关.     

南京冬季一次重霾污染事件PM2.5区域传输收支分析

利用WRF-Chem模式对2015年12月21—23日南京一次重霾污染过程进行模拟.基于合理的模拟评估,采用大气传输通量计算法,着重分析了此次霾污染过程中模拟的南京地区PM_(2.5)的传输收支特征,以及周边地区大气污染物传输对南京市PM_(2.5)变化的贡献.结果表明,此次霾污染过程中,本地源与外来源区域传输共同影响着南京市的空气质量.PM_(2.5)的跨区域传输是此次重霾污染发生和消亡的重要因素.在霾污染事件的形成维持阶段,南京地区是作为周边地区PM_(2.5)的接收区,大气污染物主要由南京的西边界输入,大气污染物的外源输入是南京PM_(2.5)污染的主要贡献来源,占南京PM_(2.5)污染的84%.在霾污染事件的消亡阶段,南京地区则是作为周边地区PM_(2.5)的源,大气污染物主要由南京的东边界持续向外输出.     

石家庄一次持续性霾过程形成原因及气溶胶垂直探空分析

为了研究石家庄冬季霾过程的形成原因及污染物变化特征,对2015年12月17—26日一次持续性霾过程中地面气象要素、天气背景场、PM(PM_(2.5)和PM_(10))、气态污染物(SO_2、CO、NO_2和O_3)、边界层垂直结构和数浓度垂直分布进行了综合观测分析.结果表明,华北上空稀疏的等压线和均压场结构、地面小风、高湿度的气象条件为这次霾污染的发生和持续提供了有利的动力和水汽条件.霾过程中PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的平均浓度分别为208.1、299.4、75.3、81.9、13.1μg·m~(-3)和4.2 mg·m~(-3),分别是清洁天的5.8、4.5、1.4、2.4、0.5和4.7倍.逆温层的存在阻碍了近地层气溶胶粒子向高层的传输.逆温层上部层边界层内0.3μm和0.3~2.5μm的气溶胶数浓度分别减少了25%~40%和63%~85%.在200 m高度内,0.3、0.3~0.5、0.5~1.0和1.0~2.5μm的气溶胶在霾天的平均数浓度分别为503.0、295.7、103.9和8.9 cm~(-3),分别是清洁天的2.8、17.8、31.9和24.4倍.     

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

典型“组群式”城市夏季大气颗粒物中水溶性离子化学特征及来源

为探究典型“组群式”城市——淄博市夏季大气颗粒物中水溶性离子化学特征及来源,于2016年8月对淄博市6个城市点（桓台、张店、临淄、淄川、博山、周村）、2个郊区点（沂源、高青）及1个清洁对照点（鲁山）同步进行PM_2.5和PM₁₀采样,分析了大气颗粒物质量浓度及9种水溶性离子的空间分布特征,并利用主成分分析方法探讨了PM_2.5和PM₁₀中水溶性离子的主要来源.结果表明:①淄博夏季各点位（清洁对照点除外）PM_2.5和PM₁₀质量浓度日均值范围分别为57.2~112和77.4~163 μg/m3,空间分布特征表现为城市点>郊区点>清洁对照点;各点位PM_2.5/PM₁₀（质量浓度之比）在0.61~0.80之间,表明淄博夏季大气颗粒物污染以PM_2.5为主.②水溶性离子在PM_2.5和PM₁₀中占比分别为53.3%和48.5%,其中二次无机离子分别占总离子浓度的91.4%和83.7%,表明大气颗粒物主要以二次离子为主,并且主要富集在PM_2.5中;PM_2.5中∑阴离子/∑阳离子（摩尔浓度之比）为1.07,PM₁₀中该比值为0.87,说明PM_2.5接近中性,而PM₁₀呈弱碱性.③淄博夏季各点位离子来源具有一定的空间差异性,城市点、郊区点与清洁对照点间的CD（分歧系数）均高于0.2,而城市点间CD值低于0.2,说明城市点位间的水溶性离子的化学性质较为相似.④主成分分析表明,淄博夏季大气PM_2.5中的水溶性离子可能主要来源于工业源、生物质锅炉、燃煤、二次源、道路尘及建筑尘,而PM₁₀中的离子主要来源于道路尘、建筑尘、海盐及二次源.研究显示,淄博市颗粒物污染严重,具有明显的空间分布特征,水溶性离子来源复杂,应采取分区、多源控制的污染防治对策.      

南昌市大气颗粒物污染特征及PM2.5来源解析

为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM₁₀和PM_2.5数据,分析了ρ（PM₁₀）、ρ（PM_2.5）和ρ（PM_2.5）/ρ（PM₁₀）的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR（主成分分析-多元线性回归）模型对大气PM_2.5中化学组分来源进行解析.结果表明:①ρ（PM₁₀）和ρ（PM_2.5）的年均值分别为（115.4±39.1）（69.1±26.8）μg/m3,均超过GB 3095-2012《环境空气质量标准》二级标准限值,ρ（PM₁₀）和ρ（PM_2.5）的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ（PM₁₀）和ρ（PM_2.5）季节性变化特征明显,呈冬季>春、秋两季>夏季的趋势,全年ρ（PM₁₀）超标天数占比为25.48%,ρ（PM_2.5）超标天数占比为36.71%,各季度ρ（PM_2.5）超标天数占比均高于ρ（PM₁₀）.②受人为活动和边界层高度的影响,ρ（PM_2.5）和ρ（PM₁₀）日变化呈双峰双谷形态,一个波峰出现在08:00-10:00,另一个波峰出现在20:00-22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ（PM_2.5）/ρ（PM₁₀）年均值为60.3%,在冬季最高达65.1%,相关性分析发现ρ（PM₁₀）与ρ（PM_2.5）存在较显著的线性关系,表明二者具有同源性.④ρ（PM₁₀）、ρ（PM_2.5）均与ρ（SO₂）、ρ（NO₂）、ρ（CO）呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ（PM₁₀）、ρ（PM_2.5）均与ρ（O₃）全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ（PM_2.5）和ρ（PM₁₀）有较大影响.⑤南昌市秋季PM_2.5的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM_2.5的贡献率分别为40.9%、35.8%、12.4%、10.9%.研究显示,南昌市PM_2.5的污染程度较PM₁₀严重,PM_2.5已成为南昌市大气颗粒物污染的主要组分,PM_2.5主要来源为城市扬尘和机动车尾气.      

2018年冬季南京重霾污染特征及气象因素分析

2018年11月底—12月初南京及周边地区发生一次大范围持续性霾污染,利用南京市空气质量监测资料、颗粒物成分逐时观测资料、南京站探空资料等,结合天气学诊断分析、后向轨迹模拟和聚类分析等方法,分析此次重霾事件的污染特征和气象因素.结果表明,此次重霾事件具有峰值浓度高、持续时间长、波动较明显等特点.污染时段PM_2.5浓度变化分为3个阶段,平均浓度为114.7 μg·m^-3,整体达到中度污染.重霾期间南京市大气环境处于富氨条件,颗粒物整体偏酸性,移动源排放比重高于固定源,PM_2.5主要成分的存在形式为硫酸铵、硝酸铵和其他硝酸盐.本次重霾事件中气象条件对污染物的输送和累积影响显著,在PM_2.5浓度极端事件发生期间,均有各气象要素与PM_2.5浓度同步变化.高PM_2.5浓度与对流层低层增暖增湿、弱的西南风相对应.重霾事件的主要天气成因是冬季东部地区出现大面积稳定且持久的均压场,南京及周边地区近地面中高层污染物主要由西北和华北地区输送而来,低层污染物主要来自于本地源排放累积.动力条件和热力条件的相互配合,近地面受高压影响形成暖平流逆温层,且易形成下沉气流,使重霾天气持续发展.     

基于WRF-RTIM的上海地区霾预报MOS方法研究

应用基于系统辨识理论的实时迭代模式(real-time iterative model,RTIM)对WRF模式预报结果进行后处理,建立了上海地区霾天气的模式输出-统计(model output statistics,MOS)方法.首先,根据WRF模式的气象输出资料,结合大气污染观测数据,筛选出霾事件的预报因子;其次,运用系统辨识实时迭代模型,建立依据MOS预报方法的PM2.5、PM10和能见度预报模式;最后根据霾事件的判别标准,对上海2012年11月—2013年1月的霾日进行24 h和48 h预报.结果表明,PM2.5模式预报成功率为75.0%~63.9%,PM10模式预报成功率为87.5%~81.8%,能见度模式预报成功率为71.0%~74.2%,霾日预报成功率为73.7%~72.7%.分析表明,研究期间上海的气溶胶以细颗粒物为主,低能见度主要由导致霾现象的PM2.5引起.该方法能较准确地预报霾日的发生,可为我国城市大气环境业务预报提供参考依据.     

济南市春季大气颗粒物污染研究

对济南市2005年春季大气颗粒物中PM10、PM2.5和细颗粒物中的黑碳气溶胶的浓度水平、时间分布和日变化进行了观测,并结合气象资料对变化特征进行综合分析,探讨了PM10,PM2.5和黑碳的相对含量以及对能见度的影响等.研究结果表明,PM10和PM2.5平均浓度分别为242.5μg·m-3和109.4μg·m-3.与我国空气质量二级标准PM10日均值150μg·m-3和美国国家空气质量PM2.5日均标准65μg·m-3相比,超标率分别达到80.77%和84.61%,污染较严重;监测期间PM2.5/PM10的平均值为0.456.在PM2.5中,黑碳气溶胶平均质量浓度为5.39μg·m-3,占PM2.5的5.06%,日浓度变化呈双峰型.在监测时间内,污染物浓度与温度无明显的相关性;与相对湿度呈弱正相关;与风速呈明显的负相关关系.降水对PM10、PM2.5和黑碳的清除作用较为显著.PM10、PM2.5和黑碳浓度与能见度均呈负相关,相关系数(r)分别为-0.633、-0.695和-0.704,细颗粒物是影响能见度的主要因素.     

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.