风机盘管回风口加装驻极体过滤器过滤PM2.5性能分析

针对空调系统末端装置用风机盘管不具备过滤PM2.5功能的问题,在风机盘管回风口加装具有低阻特性的驻极体空气过滤器进行了性能测试分析。以蜡烛燃烧产生的颗粒物作为室内PM2.5的尘源,将3种不同过滤面积的驻极体空气过滤器分别安装在风机盘管回风口,测试了风机盘管在不同风量（额定风量、75%额定风量、50%额定风量）下运行时其对PM2.5过滤性能及在30 min内室内PM2.5浓度衰减率。结果表明：加装驻极体空气过滤器后风机盘管瞬时过滤效率可达到66%以上、在30 min内室内PM2.5的浓度衰减率可以达到54.8%以上;在相同风量下风机盘管的瞬时过滤效率、处理风量随加装过滤器过滤面积增加而提高;以PM2.5浓度衰减率作为指标,可以判断出回风口加装过滤面积为1.88 m2的过滤器净化效果最优,其在不同风量下30 min内PM2.5浓度衰减率分别为87.4%、84.7%和77.3%,且在不同风量下工作时均能在30 min内使室内PM2.5浓度达到环境空气质量标准一级日平均浓度限值。     

西安采暖期PM2.5及其水溶性无机离子的时段分布特征

为了探讨西安市采暖期大气颗粒物PM2.5及其水溶性无机成分的污染水平,于2010年1月4日—2月1日按一天8个时段(每个时段3 h)连续采集PM2.5样品四周,每周更换一次滤膜。结果显示,西安市采暖期PM2.5的质量浓度时段差异较大,呈现明显的双峰分布特征:21:00—24:00时段(147.516μg/m3)和09:00—12:00时段(141.678μg/m3)。4种被测水溶性无机组分总浓度为39.801μg/m3,占PM2.5总浓度的30.5%。SO24-和NO3-是最主要组分,占到4种无机组分的86.2%。各离子间相关分析显示,Cl-只与NO3-有较强的相关性,表明机动车尾气对Cl-有较大的贡献。SO24-和NO3-时段分布规律较为相似,与PM2.5浓度的时段分布特征相反:在PM2.5污染最轻的15:00—18:00时段,SO24-和NO3-的相对含量达到一天中的最高浓度时段,而在PM2.5双峰时段,它们的含量有所降低。     

高交通密度道路周边乔灌草型绿地对大气颗粒物的影响

在杭州临安一高交通密度道路周边的乔灌草型绿地中监测了PM1浓度、PM2.5浓度、PM10浓度、温度、湿度、风速、气压、CO2浓度,研究了颗粒物的日变化规律、乔灌草群落对其的消减影响及与气象因子的关系。结果表明:(1)不同粒径的大气颗粒物PM1、PM2.5、PM10的日变化特征一致,表现为"早晚高、中午低"的现象,3者与同一气象因子的决定系数基本相同;(2)道路两边的绿地宽度并不一定越宽越好,还应考虑植物种类的配置结构、植被密集程度及经济性;(3)大气颗粒物浓度与温度、风速成负相关关系,与湿度、气压成正相关关系,其中风速是影响颗粒物浓度的最关键气象因子。     

珠三角地区大气PM_(2.5)理化特性季节规律与成因

基于珠三角大气超级站2013年8月至2014年3月PM2.5、PM2.5中主要水溶性无机离子组分及其重要气态前体物等参数的逐时在线监测结果,揭示当地大气PM2.5中二次无机组分与其气态前体物的相互作用,以及PM2.5理化特性与成因的季节差异。结果表明,观测期间,PM2.5、PM10的年平均质量浓度分别为64.2、105.1μg/m3,PM2.5在PM10中所占比例(PM2.5/PM10)平均为61.1%。SO2-4、NO-3、NH+4的年平均质量浓度分别为16.6、9.0、10.2μg/m3,3者之和(SNA)占PM2.5的比例(SNA/PM2.5)平均为55.8%,体现了二次转化对珠三角地区PM2.5污染的重要影响;不同季节,SNA/PM2.5为46.0%~64.3%,夏季最低,冬季最高,其中SO2-4、NH+4对PM2.5的贡献相对稳定,NO-3贡献的季节差异较大;秋、冬季各项观测参数浓度的日变化规律相对明显,夏季除HNO3和NH3外,多项观测参数在低浓度水平波动,日变化规律不明显;珠三角大气中具有足量气态NH3以中和硫酸盐和硝酸盐,PM2.5中NH+4、SO2-4、NO-3主要以(NH4)2SO4和NH4NO3形式存在;本研究站点夏季的硫氧化率和氮氧化率均高于广州市,这充分体现了该站点的区域性特征。     

道路环境黑碳变化特征及影响因素

为了分析道路环境黑碳浓度变化规律及影响因素,在北京APEC会议期间及前后对道路环境黑碳（BC）、NOx及PM2.5浓度进行测量,同时调查道路车流信息及气象数据,应用相关性分析、多元线性回归模型和排放强度计算等方法分析了机动车限行和气象条件对路边BC浓度的影响。结果显示：监测期间北土城东路路边的BC平均浓度为7.44 μg·m-3,限行期间10 d的平均浓度为4.43 μg·m-3,非限行期间21天的平均浓度为8.87 μg·m-3,机动车限行期间BC浓度下降50%。道路环境BC浓度高峰值分别出现在06：00-09：00和18：00-21：00,路边BC浓度与NOx和PM2.5浓度具有正线性相关性。限行期间总车流量下降52%,重型车辆流量变化不大,由于车流量下降和车速升高机动车尾气BC排放强度降低约15%。多元线性回归模型和情景分析结果显示限行期间气象条件和限行措施对BC浓度下降的贡献率分别为56%和30%,非限行期间如果采取限行措施可以使路边BC浓度下降34%。     

西安市灰霾天气下PM_(2.5)浓度与气象条件分析

分析了2013年1—3月西安市12个空气监测子站监测的PM10、PM2.5以及相关气象参数;绘制了不同月的主城区浓度分布等值线图。运用单样本K-S非参数检验法检验表明,PM2.5浓度符合对数正态分布;各站点间的PM2.5浓度相关性非常高,变化趋势一致;PM10和PM2.5的变化规律呈现"W"型三峰分布;PM2.5日均值与能见度、净辐射量、平均气温、最高气温、最低气温均呈现显著负相关,且相关性较强;与平均湿度、最大湿度、最小湿度呈现显著正相关;与总辐射量、日照时数、气压、露点温度的相关性较弱;节日烟花燃放、沙尘天气容易造成严重大气污染,其中节日烟花燃放、沙尘天气对PM10的贡献量大于对PM2.5的贡献。     

广州市夏、冬季室内外PM2.5质量浓度的特征

2004年7月2日至8月13日和2004年11月29日至2005年1月6日分别在广州市3种类型区域(一般城市区域、道路旁、工业源附近)9个居民住宅的室内和室外同步采集了PM2.5颗粒.采用标准称重法测定PM2.5质量浓度,得到广州市夏季住宅室内外PM2.5平均质量浓度分别为67.7、74.5 μg/m3,冬季室内外PM2.5平均质量浓度分别为109.9、123.7 μg/m3.广州市PM2.5平均质量浓度,与美国PM2.5标准相比,与国内PM10标准基础上假设的PM2.5限值相比,与其他一些国内、亚洲和欧美城市的文献记录相比,结果均显示广州市PM2.5处于相当严重污染状态.广州市PM2.5质量浓度呈现明显的空间分布特征和季节变化特征;PM2.5室内质量浓度并不总是低于室外质量浓度,反映了室内空气污染的存在.     

北京空气重污染红色预警期间污染物与气象因子特征

揭示空气重污染红色预警期间污染物与气象因子的变化特征对空气质量预报和污染减排措施评估具有重要参考价值。利用大气污染和气象观测资料,研究了北京2015年11-12月空气重污染红色预警时期污染物浓度、气候特征及气象因子对空气质量影响。结果表明,PM2.5在大气颗粒物中占有较大比重,为首要空气污染物;在重污染峰值时段,城郊PM2.5与PM10比值（R）相差不大,可达0.9以上,空气呈均匀混合的高PM2.5浓度特征,而空气质量较好时城区R值明显高于郊区;研究时段气候特征与历史同期相比有明显差异,其中平均风速偏小19%,平均气温偏高0.23 ℃,气温日较差减小,而多次小型降水增加了空气湿度,导致相对湿度值偏高40%,垂直方向上的逆温层或等温层则加剧了空气重污染的形成和发展,重污染过程中的红色预警措施明显降低了颗粒物浓度;风速与污染物浓度呈指数相关,城郊风速分别低于2.0和2.5 m·s-1时,空气质量较差、污染物浓度随风速升高快速下降,而当城郊风速大于2.0和2.5 m·s-1时变化特征则相反;相对湿度与污染物浓度呈幂相关,相对湿度在65%左右为空气质量特征发生变化的转折点;由于气温日较差存在季节变化,其与空气质量相关关系不太显著。     

2015年2月天津市大气颗粒物数浓度变化及其与气象条件的关系

2015年2月16—28日,采用APS-3321空气动力学粒径谱仪在天津市环境监测中心站连续监测0.5~10 μm间不同粒径大气颗粒物数浓度,并同步记录气象参数,研究了大气颗粒物的数浓度变化和粒径分布特征,运用Spearman统计分析方法初步探讨了气象因素对大气颗粒物数浓度的影响。结果表明,该地区大气颗粒物5 min平均数浓度为285 个·cm-3,其中0.5~1.0 μm粒径颗粒物对总粒子数浓度贡献较大,约占96.7%。观测期间共出现颗粒物数浓度显著增高的9个污染事件,不同粒径中污染事件颗粒物数浓度最大值的主导气象因素不同：对于0.5~1.0 μm,其与相对湿度呈明显的正相关性;对于1.0~2.5 μm,其与气象因素无明显相关性;对于2.5~10 μm,其与相对湿度呈明显负相关性、与风速呈明显正相关性。颗粒物数浓度受气象条件影响较大,其中相对湿度影响最为显著,当相对湿度小于70%时,颗粒物数浓度随着湿度的增加而增加;当相对湿度大于70%时,颗粒物数浓度随着湿度的增加而减少。此外,烟花爆竹燃放对颗粒物数浓度短暂上升贡献突出,主要集中在0.5~1.0 μm粒径的亚微米颗粒物。     

湖北省大气颗粒物浓度时空变化特征

了解大气颗粒物浓度的时空变化格局对于大气污染防治、预警预报等具有重要理论和实践意义。根据2015年1月至2015年12月湖北省13个主要城市53个监测站点每小时发布的PM10和PM2.5浓度数据,研究了湖北省大气颗粒物浓度时空变化特征。结果表明,PM10和PM2.5浓度在空间上均呈现出鄂西部最低、中部最高、东部居中、南北向的均质性;时间上各城市均呈现颗粒物浓度随着月份变化先降低后升高,1月份最高,8月份最低,且呈现夏季浓度<秋季浓度<春季浓度<冬季浓度的变化规律。分析表明,湖北省大气颗粒物浓度时空变化特征与降水量、气温等气象因子呈现出显著负相关关系,与风速关系不显著;与其来源中建筑施工面积、机动车保有量、货运量和客运量、人均GDP和人均第二产值关系紧密。     

不对称街谷内PM_(2.5)浓度垂直分布特征及成因

当前细颗粒物PM2.5已成为城市环境的主要污染物,研究城市不对称街谷内PM2.5浓度的垂直分布特征,对居民日常生活与健康出行有现实意义。实验选取2013年3个不同阶段对高度在1~35 m范围的街谷进行PM2.5浓度监测,同时引用街谷内流场模型与浓度场模型,对PM2.5浓度垂直分布特征及成因进行探究。结果表明,不对称街谷受大气对流、风速、风向影响,街谷内细颗粒物存在不均匀分布特点,在较高侧随着壁面高度的增加PM2.5浓度大体呈"S"型曲线变化。同时在同一阶段监测的4天中街谷内PM2.5浓度分布特征大体一致,而阶段之间差异明显;街谷内PM2.5浓度垂直分布的最高浓度差出现在阶段1,高达75μg/m3,阶段2与阶段3浓度差相对减弱,仅在20~30μg/m3之间。通过阶段2与阶段3对比可知,北京冬季供暖燃煤对大气细颗粒物的贡献较大,导致颗粒物浓度偏高;而非采暖期气温回升,大气对流作用较强,有助于大气颗粒物扩散,因而街谷内PM2.5污染程度相对较低。     

北京市2005年夏季大气颗粒物污染特征及影响因素

对2005年7～8月北京市不同功能区8个采样点PM10和PM2.5的浓度水平、空间分布、PM10/PM2.5比值进行了分析,并讨论了PM10和PM2.5的日变化特征及影响因素.结果表明,北京市夏季PM10和PM2.5日均浓度为155.37 μg/m3和87.70 μg/m3,分别为国家二级标准和美国PM2.5标准的1.04倍和1.35倍;PM2.5、PM10浓度在不同功能区存在一定差异;PM2.5和PM10的日变化以白天高,夜间低为主,且不同功能区的最高值对应于城市居民活动的不同高峰期;在湿度较高的情况下,PM2.5、PM10与湿度呈一定正相关性,且湿度对PM2.5的影响更大;降水前后PM2.5、PM10浓度变化情况表明降水的主要作用是清除粗粒子,对PM2.5的影响则较小.     

PM_(2.5)手工标准方法与自动监测法比对分析

选取金华、衢州、温州、丽水、宁波、杭州6个城市开展PM2.5手工标准方法和自动监测法比对实验,并用相关性和相对偏差两个指标对比对结果进行分析和评价。结果表明:(1)2013年6个采样城市采集的PM2.5手工和自动监测值均具有较好的相关性(相关系数均在0.95以上),截距均在-0.010~0.010mg/m3,但斜率相差较大(衢州和丽水在0.90以上;金华、温州和杭州在0.85~0.90;宁波在0.80以下)。(2)2013年6个城市采集的PM2.5手工和自动监测值的相对偏差为-34.2%~36.5%;PM2.5手工和自动监测值相对偏差在±15%范围内的数据占总数据量的82.6%;负偏差数据占总数据量的80.0%。(3)PM2.5手工标准方法和自动监测法的比对差异与地域、季节和PM2.5浓度等条件有关。总体上,不同地区PM2.5手工与自动监测值相对偏差绝对值(︱RD︱)年平均值为衢州丽水金华宁波温州杭州;春季PM2.5手工与自动监测值︱RD︱平均值高于夏季,秋季高于冬季;各采样城市PM2.5手工和自动监测值︱RD︱平均值在高质量浓度(PM2.5手工监测值(ρ1)0.150mg/m3)下最小,中质量浓度(0.050≤ρ1≤0.150mg/m3)下最大,低质量浓度(ρ10.050mg/m3)下介于两者之间。     

西安南郊采暖期大气颗粒物PM_（2.5）的污染特征分析

为研究西安市南郊地区采暖期大气颗粒物PM2.5的污染浓度及水溶性成分,使用颗粒物采样器于2009年1月6日-2009年2月15日进行PM2.5采样。将24 h分为8个阶段,每天3 h定时采样。结果表明,西安市南郊地区采暖期PM2.5明显污染,24 h中PM2.5污染状况最严重的时段为21：00-23：59;PM2.5中NH4^＋、NO3^-和SO42^-是其最主要的水溶性组分,在PM2.5中的平均质量混合比分别为10.225%、13.698%和15.650%,三者在PM2.5中质量混合比最高的时段分别为06：00-08：59、03：00-05：59和18：00-20：59。     

成都市大气颗粒物污染特征及与气象因子的关联性分析

利用成都市2013年6月至2014年5月的PM10和PM2.5浓度监测数据,分析大气颗粒物污染特征,并探讨其与气温、相对湿度、降雨、风向、风速等气象因子的关联性。结果表明:成都市大气PM2.5污染较严重;PM10和PM2.5浓度及超标率均表现为冬季秋季春季夏季,秋季和冬季为大气颗粒物污染高发期;PM2.5对PM10贡献显著;气温超过10℃时,PM10和PM2.5最高浓度大体随气温升高而降低;相对湿度为40%~80%时,PM10和PM2.5浓度随相对湿度增加而升高;相对湿度超过80%时,易发生降雨,PM10和PM2.5浓度降低;降雨对PM10的清除量高于PM2.5,但降雨后PM10和PM2.5浓度较快回升;PM10和PM2.5浓度在偏西风下高于其他风向;PM10主要受局地源影响,而PM2.5主要受西北方向上的外来源影响。     

北京市2014年PM2.5质量浓度变化特征

利用北京市发布的PM2.5质量浓度数据,分析了2014年PM2.5日平均质量浓度变化情况,以及全年平均日变化特征、分季节的日变化特征、分星期的日变化特征。结果表明：北京市2014年PM2.5污染较为严重,但相比往年有所减弱,其中2月和10月污染最为严重,5-6月及8-9月污染较轻。全年平均日变化呈现“W”型,白天在07：00和15：00存在2个谷值,峰值出现在10：00,21：00-03：00 PM2.5污染在一天中最为严重。秋冬季节的日变化趋势相似,其夜间PM2.5质量浓度明显高于白天。春季和夏季的日变化与全年平均日变化差别很大。分星期的日变化曲线变化趋势存在较大差异,但峰值和谷值出现的时间基本一致。     

广州PM2.5污染特征及与气象因子的关系分析

基于2014—2016年广州PM_(2.5)浓度逐时观测数据,研究了广州PM_(2.5)污染变化特征及其与气象因子的关系,确定了影响广州大气能见度的PM_(2.5)浓度阈值。结果表明:(1)2014—2016年广州PM_(2.5)质量浓度平均为32.7μg/m3,广州1月PM_(2.5)污染最重,轻度、中度、重度污染频率合计达20.16%;(2)PM_(2.5)浓度与风速、降水、气温、能见度呈负相关,与相对湿度、气压呈正相关;(3)广州地区在南风的条件下PM_(2.5)浓度最低,风速小于2m/s的偏北风下易出现污染;(4)PM_(2.5)浓度与相对湿度共同影响广州能见度的变化,随着相对湿度的增加,PM_(2.5)浓度的敏感阈值不断减小,通常当PM_(2.5)高于37.3μg/m3时,控制PM_(2.5)对改善城市能见度成效相对缓慢,而当PM_(2.5)浓度低于此阈值时,降低PM_(2.5)将显著提高大气能见度。     

2015年南京市PM2.5与PM10的污染特征

分析了2015年南京市PM2.5和PM10的浓度特征和大致来源类型。PM2.5和PM10的年均浓度分别为56.6 μg·m-3和96.5 μg·m-3,污染水平较高。颗粒物浓度的季节变化特征一致：冬 > 春 > 秋 > 夏;PM2.5的日变化呈"单峰单谷"型,而PM10的呈"单峰双谷"型。颗粒物浓度在城区高于郊区;植被茂盛区域的浓度较低。对PM2.5/PM10而言,比值在冬季和梅雨期较大,分别受取暖和降水的影响;比值在春季和夏末秋初较小,分别受沙尘和秸秆焚烧的影响。PM2.5多为二次颗粒物,PM10多为一次颗粒物;固定污染源对PM2.5的间接贡献和对PM10的直接贡献较移动污染源而言更大。     

长江三角洲PM_(10)质量浓度遥感估算与时空分布特征

卫星遥感反演气溶胶光学厚度(AOT)已被广泛地应用于地面PM10遥感监测。为遥感监测长江三角洲地区PM10,利用2013年的MODIS/Terra AOT产品,考虑研究区36个空气质量监测站点的风速、温度、湿度和边界层高度等气象条件,构建了基于MODIS AOT产品估算PM10的模型。利用17个空气质量监测站点数据对模型进行散点拟合验证,结果表明,模型估算精度较高,春夏秋冬4个季节PM10质量浓度的模型估算值与地面监测值的相关系数R2值分别为0.72、0.76、0.69和0.72。利用模型估算的长时间序列PM10时空分布数据进行时空变化特征分析,结果表明:2000—2013年研究区PM10质量浓度呈增长趋势,月均增长量为0.077μg/m3,最大值出现在2月,为(107.2±22.0)μg/m3,最小值出现在8月,为(40.5±12.0)μg/m3;研究区PM10质量浓度空间分布差异显著,南部低,北部高,高值主要出现在由上海、杭州和南京构成的三角形区域的城市群中,而低值主要出现在南部远离城市的森林区域。结果表明,基于MODIS/Terra AOT产品和地面观测气象数据估算PM10的多元线性回归模型能较好地应用于区域PM10监测。     

上海市大气PM2.5时空分布特征

对2014年上海市大气监测国控点的PM2.5浓度数据进行统计分析和聚类分析。统计分析结果表明,上海市PM2.5浓度冬春季高,夏秋季低,按月呈U形分布,且上海市大气PM2.5浓度在空间上总体趋势呈西高东低。利用MATLAB的聚类分析结果表明上海市的10个监测站可分为4类：1）跨省传输影响显著的青浦淀山湖站;2）受海洋大气影响显著的浦东川沙站;3）不稳定的过渡类,其包括杨浦四漂和浦东张江监测站;4）受本地排放影响显著的中心城区类,其包括普陀、十五厂（卢湾师专附小）、徐汇上师大、虹口凉城、静安和浦东新区监测站。本文聚类分析结果揭示了上海不同地理位置的大气PM2.5浓度的相互关系。