南京市冬春PM_(2.5)和PM_(10)污染特征及影响因素分析

南京2013年冬季至2014年春季多次出现灰霾污染天气过程,防治颗粒物污染刻不容缓,其中细颗粒物(PM_(10))和超细颗粒物(PM_(2.5))所占比例较大。利用南京市环保局空气质量发布平台污染物监测数据和中国天气网站气象要素数据,对冬春季PM_(2.5)和PM_(10)质量浓度的变化特征以及它们与气象条件的关系进行分析。结果表明:南京冬季PM_(2.5)、PM10平均浓度分别为0.0982,0.1536 mg/m3,春季平均浓度分别为0.0673,0.1207 mg/m3。市区和郊区污染程度由高到低依次为:市区>江宁>六合>溧水。南京空气中颗粒物小时平均浓度日变化呈"双峰双谷型"特征。颗粒物与相对湿度、降雨量和风力呈一定的负相关性,与温度呈一定的正相关性,它们共同影响颗粒物质量浓度水平和大气污染状况。     

阜康市PM_(2.5)和PM_(10)的质量浓度变化特征分析

通过对阜康市2015年1个区控点的PM_(2.5)和PM_(10)的连续自动监测数据分析得出:2015年阜康市大气颗粒物中PM_(2.5)、PM_(10)浓度日均值和小时值的最大值均出现在4月,日均值均超过了环境空气质量标准的二级标准限值;月均值最大值均出现在12月;PM_(2.5)的年均值超过了环境空气质量标准的二级标准限值;PM_(2.5)和PM_(10)冬季的日变化浓度高于其他三季,夏季最低。超标天数高值出现在1、2、11、12月,PM_(2.5)的污染程度比PM10严重;PM_(2.5)和PM_(10)的比值1、11、12月较大。     

邯郸市PM_(10)、PM_(2.5)和PM_(1.0)在线监测研究

对2015年3月—2016年2月邯郸市大气中的PM_(10)、PM_(2.5)和PM_(1.0)进行了在线监测,探讨了其质量浓度的变化特征,并分析了其质量浓度与风速、风向的关系。结果表明:邯郸市颗粒物质量浓度水平较高,β射线吸收法所监测的PM_(10_WET)、PM_(2.5_WET)和PM_(1.0_WET)年均浓度值分别为202.5,114.8,81.1μg/m~3,PM_(2.5_DRY)/PM_(10_WET)和PM_(2.5_WET)/PM_(10_WET)分别为0.58、0.70,PM_(1_DRY)/PM_(2.5_WET)和PM_(1_WET)/PM_(2.5_WET)分别为0.58、0.71,PM_(2.5)为PM_(10)中的主要组成,PM_(1.0)为PM_(2.5)中的主要组成。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)质量浓度冬季最高;PM_(10)、PM_(2.5)和PM_(1.0)日变化峰值为上午09:00左右,谷值为下午16:00左右,扬沙、降雨,霾和春节不同条件下PM_(10)、PM_(2.5)和PM_(1.0)差异明显。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)的浓度高值主要分布在风向0°~100°和175°~225°、风速小于1 m/s的情况下。     

保定市PM_(10)和PM_(2.5)时间分布特征研究

运用高精度手持式PM_(2.5)速测仪(CW-HAT200)对保定市城区大气颗粒物PM_(10)和PM_(2.5)浓度的日变化、月变化、季变化规律进行了连续1年的测定,结果表明:保定市PM_(10)和PM_(2.5)年平均浓度为213μg/m~3、134μg/m~3,是国家空气质量二级标准的1.4倍和1.8倍;PM_(10)和PM_(2.5)四季变化均表现为冬季最高,春、秋季次之,夏季最低,且变幅较大;PM_(2.5)、PM_(10)各月变化趋势基本相同,1月份浓度最大,污染严重,7月份浓度最小,污染较轻;日变化曲线呈双峰形,早晚高、白天低,低值出现在12:00-16:00;PM_(2.5)/PM_(10)全年平均比值为62.80%,除5、8月外,其余各月均50%,属于严重污染;PM_(10)和PM_(2.5)的确定系数为0.9704,由此可见两者的相关性较高。综上分析可知,人类活动主要影响了PM_(10)、PM_(2.5)的产生,而气象条件是影响大气颗粒物扩散的最主要原因,要想从根本上抑制大气污染的产生,必须采用先进的生产工艺、减少污染物的排放,尤其是在气流稳定的季节应加以严格控制。     

北京市PM_(2.5)和气态前体物相关关系分析

利用2012年全年北京市SO_2、NO_x、O_3、CO和PM_(2.5)监测数据,分析了其季节变化及日变化的差异,讨论PM_(2.5)与气态前体物的相关性及其来源。结果表明:PM_(2.5)质量浓度的频率分布在不同季节有显著差异,但总体趋势均为PM_(2.5)出现频率随着污染的加剧而逐渐降低;除春季CO与PM_(2.5)的相关性略低于夏季外,各气态前体物与PM_(2.5)的相关性均为冬季最为显著,其次为秋季,春季次之,夏季基本未表现出明显相关关系;冬季,PM_(2.5)和SO_2的相关性受相对湿度影响显著;北京本地的污染受局地源排放和污染远距离输送的共同作用,污染性的气团主要来自偏南方向,秋季污染远距离输送对北京本地污染的贡献最为显著,冬季本地排放是PM_(2.5)的主要来源;春、秋、冬季均表现出一定的周末效应。     

泉州市PM_(10)与PM_(2.5)污染特征研究

基于泉州市区2014年1、4、7、10月的空气质量自动监测数据,分析了PM_(10)与PM_(2.5)污染水平并对其季节变化趋势进行探讨。结果表明,监测期间内,泉州市区PM10日均浓度变化范围为0.025~0.376mg/m3,PM2.5日均浓度变化范围为0.010~0.346mg/m3,PM_(10)与PM_(2.5)的年均日浓度分别为0.067mg/m3和0.034mg/m3。泉州市区大气中的PM_(10)与PM_(2.5)浓度均呈现出明显的季节变化趋势,春冬两季浓度高于夏秋两季。利用HYSPLIT-4模型对PM_(10)与PM_(2.5)浓度出现异常高值的时段进行气团后推轨迹推导,结果显示长距离传输和区域传输在不同时段对本地污染的主导作用不同。     

青岛地区PM_(2.5)与气象要素相关性分析研究

根据青岛国家基本气象站2014年-2016年的气温资料,青岛大气成分站的2014年-2016年能见度、PM_(2.5)资料,针对PM_(2.5)与能见度、温度进行相关性分析,以及PM_(2.5)随季节分布规律及成因分析。结果表明,PM_(2.5)与能见度成强负相关性关系;温度与PM_(2.5)成强正相关性,并呈现出一定跟随性,这为以后定量计算PM_(2.5)的温度影响因子及预测PM_(2.5)浓度提供了依据;PM_(2.5)浓度分布与季节成规律性分布,冬春季节PM_(2.5)浓度高,能见度低;夏季高温多雨,PM_(2.5)浓度低,能见度高。     

西安市的PM_(2.5)污染特征分析研究

分析和掌握大气中PM_(2.5)的污染特征,对控制PM_(2.5)的排放和改善空气质量具有十分重要意义。依据西安市连续2年多的空气质量监测数据,对AQI监测指标进行相关性分析,还从季节平均、月平均和日平均变化分析了PM_(2.5)随时间的分布特征,并应用MATLAB软件依据griddata插值算法绘制出了PM_(2.5)的空间分布图,直观地显示了PM_(2.5)污染在空间上的分布特征,突出了污染治理的重要季节和重点地区。研究结果表明:空气质量指数中的6项指标之间存在一定的相关性,PM_(2.5)与PM10的相关性最大,且PM_(2.5)污染呈季节性变化,春季污染最为严重,其次是冬季和秋季,夏季污染最轻;西安市的PM_(2.5)污染主要来源于燃烧、扬尘、尾气排放等过程,污染区域呈现北高南低的特征,污染源除人为源以外,周边污染扩散迁移也有较大影响。     

乌鲁木齐市PM_(2.5)和PM_(2.5~10)中碳组分季节性变化特征

2011年1月至12月在乌鲁木齐市区用膜采样法采集了大气PM_(2.5)和PM_(2.5~10)样品,并利用热光/碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过OC与EC的粒径分布特征、比值和相关性的分析,初步分析了乌鲁木齐市大气可吸入颗粒物中碳质气溶胶污染特征,并用OC/EC比值法估算了二次有机碳(SOC)的浓度.结果表明,PM_(2.5)和PM_(2.5~10)的年平均质量浓度分别为92.8μg/m~3和64.7μg/m~3.PM_(2.5)中OC和EC的年平均浓度分别为13.85μg/m~3和2.38μg/m~3,PM_(2.5~10)中OC和EC的年平均浓度分别为2.63μg/m~3和0.57μg/m~3.OC和EC四季变化趋势基本一致,季浓度最高.碳组分主要集中于PM_(2.5)中,OC/EC比值范围为3.62~11.21.夏季和秋季的PM_(2.5)和PM_(2.5~10)中OC和EC的相关性较好(R20.65).估算得出的PM_(2.5)和PM_(2.5~10)中SOC的估算浓度为2.31~11.98μg/m~3和0.38~1.49μg/m~3.     

郑州城区PM_(10)、PM_(2.5)质量浓度变化特征及其对气象因子的响应

利用郑州城区9个国控监测点位PM_(10)、PM_(2.5)的日监测数据,研究2013～2016年间郑州城区大气颗粒物质量浓度变化特征及其对气象因素的响应。结果表明,2013～2016年间郑州城区环境空气污染总体状况改善趋势较为显著,重度及以上的污染天数占全年有效天数的比例逐年降低,PM_(10)、PM_(2.5)浓度逐年下降;PM_(10)和PM_(2.5)浓度月均值变化基本一致,浓度变化均呈"U"型分布。PM_(10)和PM_(2.5)质量浓度变化具有明显的季节性特征,冬季其质量浓度最高,春季和秋季次之,夏季最低。选取气温、气压、风速、相对湿度和降水量等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM_(10)、PM_(2.5)浓度的影响。相关性分析结果表明,与PM_(10)、PM_(2.5)浓度显著相关的气象因素存在季节性差异,风速、相对湿度和降雨量是影响郑州城区大气颗粒物质量浓度的主要气象因子。     

鞍山市夏冬季PM_(2.5)中碳组分化学特征及来源解析

为研究鞍山市PM_(2.5)中碳组分的化学特征,于2014年7月和2015年1月在鞍山市建成区6个监测点位采集PM_(2.5)样品,并用热光碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过分析2个季节PM_(2.5)中OC和EC的化学特征、比值及其相关性,以及SOC的估算值,定性分析了鞍山市PM_(2.5)中碳质气溶胶的来源;利用因子分析法,进一步分析了其来源.结果表明,夏季和冬季PM_(2.5)的平均浓度分别为(53.4±18.0)和(124.9±60.1)μg/m3.夏季PM_(2.5)中OC和EC的质量浓度分别为(5.44±0.84)和(2.29±0.49)μg/m3;冬季PM_(2.5)中OC和EC的质量浓度分别为(21.47±12.45)和(4.68±1.79)μg/m3.夏季和冬季各点位的OC/EC值的变动范围分别为2.18~2.70和4.04~4.95.相比冬天,夏季OC和EC的相关性较强.夏季和冬季SOC的估算值分别为2.12,11.95μg/m3.鞍山市大气PM_(2.5)中碳组分主要来源于生物质燃烧源、燃煤源、汽车排放和道路扬尘源.     

太原市PM_(2.5)和PM_(10)质量浓度的变化特征

为了了解太原市PM_(2.5)、PM_(10)的污染水平变化情况及其相关关系,本文基于太原市颗粒物自动监测数据,对太原市2015年12月-2016年11月PM_(2.5)、PM_(10)质量浓度进行分析。分析发现:PM_(2.5)和PM_(10)日均质量浓度变化幅度较大,但其变化趋势非常相似;PM_(2.5)和PM_(10)月均质量浓度均超过年均二级标准,特别是秋季最为严重;PM_(2.5)、PM_(10)小时平均质量浓度呈双峰现象;ρ(PM_(2.5))与ρ(PM_(10))相关系数为0.9371,ρ(PM_(2.5))/ρ(PM_(10))在0.5-0.6之间出现的频率最高达30.33%。     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

石家庄PM_(2.5)变化规律及与其他污染物的相关性分析

以河北省重点城市石家庄2014年环境空气质量监测数据为依据,分析了PM_(2.5)的变化规律及其原因,以及PM_(2.5)与其他污染物之间的相关性。结果表明,石家庄PM_(2.5)的最高值出现在1月份,主要原因是冬季雨雪少,且因受太行山阻挡,在高燃煤重污染的条件下,污染物易聚集而不易扩散。由于形成的逆温层不利于污染物扩散,造成夜间浓度高于白天。冬季颗粒物污染是典型的煤烟型污染,燃煤排放在PM_(2.5)中占49%;春季颗粒物污染是混合型污染,扬尘和煤烟尘的分担率在PM_(2.5)中达到了76%。PM_(2.5)浓度与SO_2的变化趋势呈现出显著正相关性、与NO_2具有一定的正相关性、与CO具有一定的正相关性、与O_3呈现负相关性、与VOCs呈现正相关性、和NH_3呈现负相关性。     

贵州“两控区”城市PM_(2.5)及其阴阳离子污染特征

2015年3月~2016年2月,对贵州主要城市(包括贵阳、安顺、遵义、毕节、都匀)9个采样点和贵州省背景点雷公山的PM_(2.5)按照季节进行采样,分析PM_(2.5)污染特征及其中9种阴阳离子的分布特征.结果表明:PM_(2.5)平均质量浓度范围为13.84~167.17μg/m~3,从季节分布上看,冬春秋夏,从空间分布上看,贵阳市区PM_(2.5)污染较重,平均质量浓度为(80.15±30.18)μg/m~3.PM_(2.5)样品中总阴阳离子浓度范围为7.85~47.02ng/m~3,SO_4~(2-)、NO_3~-、NH_4~+(SNA)占PM_(2.5)质量浓度比重范围为10.00~68.48%,从季节分布上看,夏冬秋春,从空间分布上看,背景点贵阳高坡、雷公山SNA占PM_(2.5)质量浓度平均比重较大,分别为41.45%、53.45%.AE/CE平均值为1.53,总体呈弱酸性.NH_4~+与SO_4~(2-)的相关性(R=0.67)大于NH_4~+与NO_3~-的相关性(R=0.33),Ca~(2+)与Mg~(2+)的相关性(R=0.57)明显.与其他城市相比,研究区[NO_3~-]/[SO_4~(2-)]较低,均值为0.29,表明贵州主要城市PM_(2.5)受固定源影响较大,大气污染以煤烟型为主.     

合肥城区PM_(10)及PM_(2.5)季节污染特征及来源解析

于2014年4月、8月、10月和12月在合肥市城区采集了大气PM_(10)和PM_(2.5)样品,对PM_(10)和PM_(2.5)的质量浓度及其化学组分(无机元素、含碳组分和水溶性离子)进行了测定.结果显示:合肥城区的PM_(10)和PM_(2.5)的平均质量浓度高达113,83μg/m3,分别超出国家环境空气质量标准年均PM_(10)和PM_(2.5)限值的1.61和2.37倍.不同粒径的颗粒物中主要化学组分含量的高低顺序基本一致,水溶性离子的含量最高,其次为碳组分,无机元素.利用正交矩阵因子分析(PMF)对合肥城区PM_(10)和PM_(2.5)的本地来源进行解析,结果表明:PM_(10)中二次源、燃煤、机动车尾气尘及地壳尘的贡献百分比分别为32.5%、25.9%、15.7%和25.5%;PM_(2.5)中二次源、燃煤、机动车尾气尘及地壳尘的贡献百分比分别为38.8%、25.9%、9.9%和21.7%.利用激光雷达评估合肥市环境中颗粒物PM_(10)的区域传输,四个季节常规贡献率分别为13.4%、12.9%、13.5%和16.4%.     

太原城区PM_(2.5)重金属元素季节变化及形态分析

为了研究太原城区PM_(2.5)重金属污染变化特征和存在形态,于2012年不同季节采用大流量PM_(2.5)采样器,对太原市坞城区PM_(2.5)进行采样。运用火焰/石墨炉原子吸收、Fernández连续提取等方法,在对PM_(2.5)中5种重金属含量水平进行分析测试的基础上,对不同重金属的富集因子进行了计算和分析,并研究了其中Cd和Pb的不同化学形态分布特征。研究结果表明,采样期间PM_(2.5)日均浓度高达216.71μg/m3,为PM_(2.5)国家二级标准日均限值的2.89倍。4个季节PM_(2.5)中5种重金属元素的浓度大小,均呈现出相同的变化规律:ZnPbCuCrCd,Pb、Cr、Cu冬季高于其他季节,Zn夏季最高,Cd无明显季节变化,燃煤和超重型工业结构特征是导致PM_(2.5)中Cr和Cu明显高于其它城市的主要原因。重金属的富集因子计算结果表明,Cd和Pb是太原市PM_(2.5)中的典型污染元素。冬季PM_(2.5)中Cd和Pb形态分析结果表明,Cd和Pb 3种形态F1、F2和F3占比之和分别为81%和68%,Cd的活性和潜在活性均大于Pb,因此,太原城区PM_(2.5)中Cd和Pb对人体健康的影响应引起高度重视。     

北上广燃油价格与PM_(2.5)浓度变化特征分析

在空气污染日益受到大众关注与石油价格剧烈波动的时期,通过使用美国驻广州、北京和上海的领事馆PM_(2.5)数据,定量研究了2014—2015年国内历次油价变动与PM_(2.5)浓度变化的关系。结果表明北上广PM_(2.5)浓度变化幅度与油价的变动方向与幅度相关性不大,大气污染与燃油价的关系不明显。PM_(2.5)浓度主要受气候和天气等季节性因素影响,一般夏季浓度最低,冬季浓度相对较高。     

典型污染天气下PM_(2.5)和PM_(10)成因分析

选取秋冬季节典型污染天气作为研究背景,采集研究区2018年10月8日—10月19日的污染物数据及气象参数数据,分析PM_(2.5)和PM_(10)之间相关性、两者浓度值每日变化规律及其随风向风速变化的分布特征,并结合研究区地理位置及产业布局,全面探究PM_(2.5)和PM_(10)污染成因。结果表明研究区PM_(2.5)和PM_(10)具有良好的相关性,可能来自同类型污染源。     

北京市霾天PM_(2.5)污染特征及其与气象因素的关系

2016年在北京市区春、夏、秋、冬四季分别进行1个月的PM_(2.5)样品采集,探讨了北京市霾与非霾期间PM_(2.5)质量浓度的季节变化、逐日变化特征,对影响其浓度的气象因素进行了分析,并使用MATLAB软件对数据进行可视化表达。结果表明,2016年北京市PM_(2.5)年均浓度为119.8μg/m~3,占采样天数37.6%的霾天PM_(2.5)质量浓度对其贡献率为72.5%;采样期间夏季与冬季的霾天数较多,呈明显的双峰特征。霾天与非霾天PM_(2.5)质量浓度存在显著差异,霾天PM_(2.5)平均浓度(138.3～263.8μg/m~3)是非霾天PM_(2.5)均值(65.4～86.4μg/m~3)的1.9～3.1倍。各季节温度对霾天的影响较小,春、冬季霾天的相对湿度(40%～70%,65%～95%)高于相应平均值(31.7%,55.0%),PM_(2.5)质量浓度与其显著正相关(R0.68),表明该季节相对湿度对霾天的形成有比较明显的影响。另外,南风和西南风且风速1.2 m/s,大气压较高时易形成霾天。