交通与气象因子对不同粒径大气颗粒物的影响机制研究

为了研究北京市气象因子与车流量、车速等交通因子对PM2.5、PM10浓度水平的影响,在市区三环主路及居民区选取了28个采样点,采集滞尘量,PM2.5、PM10浓度、车速、车流量、温度、湿度、风速等数据.通过3个月的滞尘质量分析,得出交通源对空气质量的影响是显著的,其中三环主道路两侧采样点和远离交通源对照点滞尘均值分别为0.284 g和0.016 g.再由道路口与居民区对比实验(局部实验)得出,居民区采样点测得的PM2.5和PM10浓度均低于道路口颗粒物浓度,差值均值分别为101 074 n·(cf)-1和15 386 n·(cf)-1,同时PM2.5白天浓度一般低于夜间.最后结合最佳子集预测模型分析得出,PM2.5和PM10受到湿度和温度的影响最大,车速、车流量、风速次之,其中车速、车流量、低风速对颗粒物PM2.5的影响比对PM10的影响更为显著.     

焦作市PM2.5和PM10时空变化特征及其与气象因子的关系

为了研究焦作市大气中PM_2.5和PM₁₀污染状况,基于2018—2020年焦作市50个环境空气质量监测站点的PM_2.5和PM₁₀浓度逐时观测资料,结合气象资料,分析了焦作市PM_2.5和PM₁₀浓度的时空分布特征及气象因素影响。结果表明:1)焦作市PM_2.5和PM₁₀呈双峰型日变化,且具有显著的U形逐月变化规律及冬高夏低、春秋居中的季节性特征。2)2018—2020年PM_2.5和PM₁₀浓度年均值呈西南高东北低的空间差异性特征。与2018年相比,2020年修武县PM_2.5和PM₁₀浓度的下降幅度最大,分别为30.25%、22.72%。3) Spearman相关性分析表明,PM_2.5和PM₁₀浓度与气温、风速呈显著负相关;与气压呈显著正相关;相对湿度与PM_2.5浓度呈显著正相关,与PM₁₀浓度呈显著负相关。焦作市环保局监测站在东北风、西南风风向PM_2.5和PM₁₀浓度污染较重,博爱县清化镇、沁阳市西万镇和武陟县乔庙乡监测站在西南风风向易出现高浓度颗粒物。该研究结果可为日后工业地区大气污染防治,生产生活的合理规划与布局提供重要参考。     

徐州市气象因子与空气质量和PM_（10）浓度的相关性分析

通过对徐州市空气质量及其对应的气象因子进行统计分析,得出空气质量与相对湿度、风速,降水等气象因子的关系。分析特殊气象天气出现时空气中主要污染物PM10的变化规律.得到一些初步结果,为减轻和防止污染提供参考。     

重庆市大气颗粒物污染特征及影响因素分析

利用重庆市17个大气自动站实时发布的数据,对PM_(2.5)与PM_(10)污染特征、变化规律与气象因子的相关性进行了分析。结果表明:2013年PM_(2.5)和PM_(10)的年均值分别为70,106μg/m3,均超过国家Ⅱ级标准。月均值、季均值变化明显,总体均呈两头高中间低的"U"型分布。2013年PM_(2.5)占PM_(10)的比例较大,均值为65.8%,PM_(2.5)和PM_(10)的Pearson相关系数为0.974,在0.01的置信水平上(双侧)显著相关。PM_(2.5)、PM_(10)的浓度与气温、大气压极显著相关;PM_(2.5)、PM_(10)的浓度与降雨量、日照时数(时)显著相关。     

广州PM2.5化学组分特征及其与气象因子的关系

于2012年12月—2013年12月在广州城区(市站)和东部郊区(九龙)开展为期一年的PM2.5样品采集,并同步收集气象因子和气态污染物质量浓度等数据.结果表明,PM2.5中主要化学组分为有机质(OM)和硫酸盐(SO2-4),分别占市站和九龙PM2.5质量浓度的49.4%和15.2%及57.0%和17.3%.碳质气溶胶(OM和EC)贡献接近50%,二次无机气溶胶(SO2-4、NO-3和NH+4总和,SIA)贡献超过30%.由于以机动车尾气为代表的移动污染源在城市区域贡献较大,市站[NO-3]/[SO2-4]比值显著高于九龙.两个站点[NH+4]/[SO2-4]摩尔质量比均高于1.5,表明观测期间广州市干季大气处于富铵状态.市站和九龙站硫氧化率(SOR)和氮氧化率(NOR)的时空变化趋势与O3类似,表明大气光化学过程是影响广州市SOR和NOR的重要因素.相对湿度低于65%时,SOR和NOR均较高;温度对SOR和NOR的影响有显著的城郊差异.降雨对PM2.5及各化学组分浓度有显著去除作用.     

乌海市PM2.5与气象参数的分析

通过PM2.5与气象参数的分析,得出气象因子对PM2.5浓度的影响,建议乌海市加大对西南方向防风抑尘的治理。     

中国中东部PM2.5时空分布变化及气象影响分析

为探究气象条件变化对PM_(2.5)的分布影响,该研究利用CAMx及WRF模型,分别模拟了中国中东部地区2017-2019年第4季度PM_(2.5)浓度(ρ(PM_(2.5)))分布及气象条件变化,并对"2+26"城市、长江三角洲地区的ρ(PM_(2.5))及气象因子进行时空变化分析。结果表明:2017-2019年,太行山东麓沿线污染最为严重,季度平均ρ(PM_(2.5))达150～250μg/m3,长江三角洲地区季度平均ρ(PM_(2.5))为35～115μg/m3;2019年太行山东麓及燕山南麓地区气象条件优势明显,西北气流频次增加,同时相对湿度下降,大气边界层升高,降水量增加,地区ρ(PM_(2.5))下降6～18μg/m3;长江三角洲沿海地区降水量增加,风速增大,ρ(PM_(2.5))下降8～16μg/m3。数值模拟结果显示,2017-2019年,受降水、相对湿度、边界层、风速以及主导风向的影响,2019年中国中东部地区冬季ρ(PM_(2.5))降低6～18μg/m3,不同区域影响ρ(PM_(2.5))变化的气象因子不同。     

西安市建筑施工扬尘排放的模型估算

作为我国大气污染治理重点区域汾渭平原的重点城市,西安正处于城市建设迅速发展阶段,建筑扬尘排放量大,极大地影响了西安的空气质量.本研究基于西安市建筑和市政施工工程的调查资料,结合两套由不同机构测量的我国北方典型城市排放因子,估算获得了西安市2017年建筑施工扬尘PM_(10)、PM_(2.5)的排放量及排放强度,构建了西安市区县级别建筑扬尘排放颗粒物清单,并分析其空间分布特征.结果表明:①引用中国环境科学研究院依据建筑扬尘产生类型测定的排放因子,估算获得2017年西安市建筑施工扬尘PM_(10)、PM_(2.5)排放总量分别为6.8×10~4、1.4×10~4 t,其中,作业施工扬尘排放量占总排放量的74%,风蚀扬尘占26%;②引用北京市环境保护科学研究院构建的建筑扬尘季节性排放因子,估算西安市建筑施工扬尘PM_(10)、PM_(2.5)排放总量分别为10.8×10~4、2.2×10~4 t,建筑扬尘排放量存在着明显的季节差异,夏季、秋季、冬季的扬尘排放量明显低于春季,但冬季略高于夏季、秋季;③综合两套排放计算结果表明,估算的建筑扬尘排放量存在50%的差异,西安2017年建筑扬尘PM_(10)排放量约为6.8×10~4～10.8×10~4 t,PM_(2.5)排放量约为1.4×10~4～2.2×10~4 t;④空间分布上,主城区建筑施工扬尘排放量大,约占总排放量的72%;主城区建筑施工扬尘排放强度高,约为郊区县的29倍.     

江苏省大气复合污染特征与相关气象驱动

基于2014~2017年江苏省13个市的PM_2.5浓度和O₃_8h_max数据,探讨了其时空分布特征.在此基础上,研究了日益升高的近地层O₃浓度与气象因子的关系.结果表明：江苏省2014~2017年PM_2.5浓度整体上呈下降的趋势,年均浓度减少率为6.06μg/m³,而O₃_8h_max整体上呈上升趋势,年均浓度增长率为3.84μg/m³.总体上,PM_2.5浓度呈现冬春高、夏秋低的V型月变化特征,O₃_8h_max则基本呈现不规则的M型,在5月份达到峰值后逐渐降低,又在7~9月份保持平缓,而后又逐渐下降.空间上,江苏省PM_2.5浓度呈现"内陆高,沿海低"的状态,而O₃_8h_max却呈现"沿海高,内陆低"的状态.与气象因子的相关性表明,O₃浓度与气温和太阳辐射呈正相关关系,与相对湿度呈负相关关系,太阳辐射对O₃浓度的影响最大,其次是温度和相对湿度.当日平均气温在20~30℃、相对湿度在50%~70%、太阳辐射强度高于150w/m²时O₃浓度容易出现超标.     

西安市一次严重霾污染天气特征及气象条件分析

为了解西安市气象条件对霾污染天气的影响,利用西安市13个测点PM2.5逐时监测资料和气温(T)、风向(WD)、风速(WS)、相对湿度(RH)、气压(p)以及能见度(VIS)等地面气象观测数据,对西安市2013年12月16—26日发生的一次严重霾污染过程进行分析。结果表明:此次霾污染过程中,西安市PM2.5日均值浓度最高达744μg/m3,超过国家二级标准近10倍,能见度最低降至0.42 km,重霾污染期间PM2.5/PM10在64%~80%。分析认为高相对湿度、低风速和主导风向不明显以及大气层结稳定是造成本次霾污染天气的主要气象因素,其中大气能见度与风速和大气压呈正相关,其相关系数(r)分别为0.3162、0.3479,能见度与温度的相关系数r=0.0825,呈微弱正相关,能见度和相对湿度的相关系数r=-0.7465,呈显著负相关。细颗粒物对能见度的影响非常明显,二者之间的相关系数为-0.7290,细颗粒污的消光系数最高达9.2 km-1。     

西安市空气污染现状及治理对策

依据西安市主要空气污染物(SO2,CO,NO2,O3,PM10,PM2.5)的空气质量指数Air Quality Index(AQI)数据,分析污染物的时间和空间变化规律,并结合地区地理环境,探讨区域空气污染变化的可能原因及治理重点。分析认为城市供暖期SO2,CO,PM10,PM2.5的AQI指数明显高于年内其他时段,同时空气污染呈现明显的主城区向郊区递减变化趋势;PM2.5、O3和NO2的AQI值空间差异较小,且普遍偏高,污染物治理需要城市与郊区全面联动开展。得到的空气污染物时程和空间变化规律,可以作为西安市大气环境治理参考依据。     

室内空气污染现状及防治措施

介绍了室内主要空气污染物的来源、危害及控制措施,特别是甲醛、氡、挥发性有机污染物对学校造成的危害.提出了许多防治措施,如光催化氧化、臭氧净化技术、空气负离子技术、生物净化技术等,以及这些技术的原理和在这些方面研究取得的进展.重点介绍了新兴的光催化氧化复合技术.最后指出了室内空气污染治理技术存在的问题并对未来的方向,如技术融合、计算机模拟、新型材料应用进行了展望.     

河南省大气污染现状及其控制对策分析

河南省近年大气污染问题突出,灰霾天气频发,已经影响到居民正常生活。通过调查河南省2012年环境空气质量现状及2003—2012年变化趋势、2012年能源消费结构现状及2005—2012年能源消费结构变化趋势,分析河南省能源消费结构对环境空气质量的影响,根据河南省目前环境空气质量和能源消费结构存在的问题,提出推进产业结构调整、加快能源结构调整、实施大气污染物协同控制、严格节能环保准入条件等措施。     

成都市黑碳气溶胶污染特征及与气象因子的关系

为系统了解成都市黑碳气溶胶(BC)的污染特征,利用四川省环境监测站提供的成都市人民南路四段2013年9月至2014年7月逐时BC监测数据,对其浓度进行了统计分析。结果表明:1)BC小时平均浓度变化范围较大,介于0.01~57.83μg/m3,浓度中值(5.17μg/m3)小于平均值(7.32μg/m3),即BC小时浓度具有偏态分布特征。2)BC日均浓度变化范围为2~28.2μg/m3,其浓度日变化在四季均呈明显的单谷型,谷值出现在16:00时附近,表现为从凌晨到10:00时变化较平稳,10:00—16:00时浓度急剧下降,16:00到夜间浓度急剧上升;浓度季变化呈现出冬高夏低,春秋平稳的基本特征。3)秋、冬、春、夏四季BC本底浓度值分别为2.49,5.05,2.89,2.43μg/m3。4)BC质量浓度与PM2.5和PM10变化趋势一致,BC浓度相对颗粒物浓度变化较快,在0.01水平上与PM2.5和PM10均呈显著正相关,相关系数分别为0.657、0.638,与温度、降水和风速均呈负相关,相关系数分别为-0.334,-0.338,-0.202。     

玉环县机动车尾气污染影响因素分析与控制对策

随着玉环社会经济快速发展,人民生活水平的提高,机动车拥有量不断增加,机动车尾气污染呈上升趋势,逐渐成为大气污染的重要因素。本文在玉环县机动车保有量现状、发展趋势及交通状况分析的基础上,主要针对机动车尾气污染影响因素分析,同时提出控制机动车保有量、完善道路建设和交通管理、正确使用和保养机动车、推广使用环保型机动车、加强道路交通污染环境监测、强化对机动车的环保管理、大力宣传环保知识等为主要内容的控制对策。     

武汉市与西安市颗粒物PM_(10)、PM_(2.5)的污染水平分析

利用武汉、西安两市2013年PM10与PM2.5的监测数据,统计分析了武汉市和西安市PM10与PM2.5的污染水平,并比较了两城市的污染水平。根据GB 3095—2012《中华人民共和国环境空气质量标准》规定的二级浓度限值,可知武汉市和西安市PM2.5的污染都非常严重,PM10的污染相对较轻。从整体上说,西安市的污染水平要比武汉市严重,其中西安市PM10中PM2.5约占79%。武汉市和西安市的相关部门都应重视PM10和PM2.5的污染问题。     

室内空气中微量甲醛污染与监测进展

对近年来国内外有关室内空气中甲醛污染及其监测的一些研究情况进行了简要介绍，并着重对室内空气中甲醛的排放特征和室内空气中甲醛污染研究的方向进行了讨论。     

汾渭平原焦化行业大气污染控制现状及控制对策

分析了汾渭平原焦化行业的发展现状、产业布局、大气污染排放控制现状,剖析了炼焦生产过程中大气污染治理存在的问题,结合现行的环境要求及污染治理技术的发展现状,提出了区域大气污染控制对策.     

气象条件变化对呼市地区大气污染的影响

利用1995至2002年呼和浩特市区空气污染物PM10、TSP、NO2、NO2、SO2浓度的实际监测数据与同期的地面要素场资料、大气边界层气象参数和地面天气图分析了污染物浓度与气象条件的关系及气象条件变化对呼市地区污染物浓度变化的影响，讨论了污染物浓度变化规律的成因。在此基础上用逐步回归方法建立了不同季节呼市地区空气污染浓度统计预报模型。