长春市大气中PM_(10)污染特征分析

近年来,大气环境质量的不断恶化受到了人们广泛的关注。利用长春市的食品厂、客车厂、邮电学院、儿童公园、净月潭以及甩湾子等6个自动监测中心提供的2011年PM10、SO2与NO2小时质量浓度的连续监测数据,分析了长春市PM10质量浓度(MPM)的时空分布特征、不同污染物之间的相关性及其形成的原因。结果表明:从空间分布上看,6个采样点的MPM从高到低依次为食品厂儿童公园邮电学院客车厂净月潭甩湾子,其中除食品厂与儿童公园外均符合《环境空气质量标准》GB3095-1996的二级标准。从时间分布上看,绝大多数监测点位的冬季MPM是最高的,春季次之,主要是因为冬季采暖与春季沙尘天气,而夏季的MPM最低,主要是湿沉降作用所致。MPM逐日变化呈现出双峰双谷型分布,第一个峰值出现在早上7:00左右,其中最大值出现在5月份的早7:00左右,达到了0.223 mg·m-3,第1个峰值过后呈下降趋势,下午出现质量浓度低谷,其中最小值出现在11月份15:00左右,为0.036 mg·m-3,直到傍晚时缓慢回升,22:00左右达到第2个峰值。通过统计分析不同污染物之间的相关系数,得出PM10与NO2质量浓度的相关性显著,且较稳定,其原因可能是常年排放的机动车尾气尘影响较大,而PM10与SO2质量浓度的相关性不太稳定,这可能是冬季采暖排放的燃煤尘所致。     

北京市大气颗粒物中PM10和PM2.5质量浓度及其化学组分的特征分析

近年来,PM10和PM2.5由于其对人类健康的负面影响,愈来愈受到人们的关注.细粒子PM2.5更容易富集有毒金属元素,并可进入人体肺部,对人体的危害性更大.本文对北京市PM10和PM2.5的质量浓度及其元素含量进行了分析.     

太原市城区大气PM2.5和PM10时空分布特征

研究太原市城区大气颗粒物质量浓度时空变化规律,可以为实施更有效的大气污染综合治理手段提供科学依据.以太原市9个国家空气质量自动监测站的数据为基础,运用统计分析和Kriging插值法,对太原市城区2019年大气颗粒物的时空分布进行了分析.结果表明,2019年太原市城区PM2.5和PM10年均质量浓度分别为56μg·m?3...     

应用UNMIX模型解析长春市大气中PM10来源

大气中可吸入颗粒物（PM10）是影响大气能见度、气候变化以及人体健康的重要污染物,研究大气中PM10的污染来源对于了解城市中大气的污染状况和制定大气污染物防治措施具有重要的意义。选择长春市的净月公园、劳动公园、君子兰公园、体育学院、儿童公园、客车医院、工商学院和邮电学院作为受体采样点,于2011年9月至2012年2月期间,采用KC-120型中流量PM10/TSP采样器（青岛崂山应用研究所）进行大气中可吸入颗粒物PM10的采样,共采集40个受体样品。样品经预处理后,采用电感耦合等离子体质谱法分析了样品中的Be、V、Cr、Mn、Co、Ni、Cu、Zn、Mo、Ag、Cd、Sb、Ba、Tl、Pb、Na、Mg、K、Ca共19种无机元素,将经过标准化后的760个数据代入EPA UNMIX6.0软件对长春市大气中PM10进行源解析研究,其中,Min Rsq=0.89（89%的数据方差可由该模型解释）,Min Sig/Noise=2.50。结果表明：长春市大气中的PM10主要有3个来源：源1为燃煤尘或工业扬尘,贡献率为19.5%;源2为机动车尾气或土壤风沙尘,贡献率为13.1%,源3为城市综合扬尘和其他未知尘源,贡献率为67.4%。对这3个源进行相关性分析,3个源间的相关系数并不是理论值0,而是在-0.553~0.345间变化;源1和源3间相关性最大,相关系数为0.553;其次是源1与源2,为0.345。由此说明,长春市的PM10污染是多种因素综合作用的结果。将UNMIX模型的解析值与测量值进行回归分析,发现总物种的解析值与测量值间具有良好的线性正相关关系（r2=0.98）,每个物种的解析值与测量值间的相关系数为0.713~0.980,相关性强,二者拟合效果较好。     

京津冀地区大气NO2污染特征研究

京津冀都市圈作为全国主要的重化工业基地,区域性大气污染问题成为关注的焦点。NO2作为二次颗粒物及光化学污染物的重要前体物,了解其在时空尺度的污染特征对于保护公众康健及大气污染综合治理具有重要意义。本研究主要基于OMI遥感反演数据并结合部分地面监测数据,研究了2005—2013年京津冀NO2区域污染特征。结果表明：京津冀NO2柱浓度总体呈现逐年升高的趋势,年平均增长速率可达5.69%。在空间格局上呈东南平原区高、西北山区低的特征,平原的年均柱浓度是山区的3倍多;平原区存在两大NO2高值区域,分别为北京-天津-唐山区域和石家庄-邢台-邯郸区域;9年内, NO2高值范围不断扩大,且呈现明显的连片趋势。各城市大气 NO2在9年内的增长趋势也表现出明显的空间差异性。其中石家庄、唐山、邢台等 NO2重度污染区域的增长速率最大,衡水、沧州、秦皇岛、廊坊等中度污染区域的增长速率次之,承德、张家口等轻度污染区域的增长速率最小。京津冀NO2柱浓度具有显著的季节变化特征,总体表现为秋冬高、春夏低,但山区与平原区差异较大。人口密度、能源消耗、机动车排放等人为因素与京津冀 NO2污染密切相关,不同城市的首要影响因素却不同。北京 NO2柱浓度变化主要受机动车排放影响,天津、唐山、石家庄、邯郸、邢台地区主要受工业燃煤的影响,其次为机动车排放。人为因素对平原区NO2柱浓度的影响作用始终占据主导地位,对山区的主导作用从2006年开始突显。此外,京津冀平原区NO2重污染中心的形成还受到特殊地形和不利的气象条件影响。2008奥运年,京津冀空气质量得到迅速且有效的改善,说明北京及周边省市联合开展大气污染治理及监管工作的有效性及必要性。     

城市扩展下大气污染物浓度的空间格局变化趋势研究--以乌鲁木齐市为例

城市环境污染是由于人类的生产和生活活动造成,而不断的城市扩展势必导致环境污染物浓度的空间变化。乌鲁木齐市作为中国西部的内陆城市,由于特殊的地理位置和能源结构,在发展经济的同时也造成了严重的大气环境污染,也给人们的生产生活带来了严重的影响。为了治理污染当地政府采取了一系列措施。分析了2004-2009年城市3个不同区域（市南区、市中区和市北区）大气环境质量监测点位的数据,研究了在城市不断扩展的前提下,污染物浓度在空间上的迁徙变化趋势。结果表明,PM10、SO2和NO2污染最严重的时段均出现在冬季采暖期（12月至来年1月）,主要是因为采暖消耗大量原煤和高逆温频率所致。其峰值分别达到0.379、0.510、0.120 mg·m-3。随着城市空间结构的不断北扩,PM10和SO2的浓度呈现出向北迁徙的趋势,原本污染最严重的市南区浓度逐步下降,而市北区呈现出不断增加的态势。NO2浓度则表现出不断南迁的趋势,即原本 NO2浓度高的市北区变化不大,而市南区和市中区则呈现出快速增加的态势。说明大气环境中的污染物浓度随着城市空间结构的调整和人类活动频率的不断增加,正发生着空间上迁徙变化。由于污染排放源的差异性,导致大气污染物浓度在空间上的不同。通过分析得出,乌鲁木齐市的大气环境污染主要是“煤烟型”污染,随着产业的空间分布和城市的扩展,污染物浓度在空间上呈现出了不同的迁徙变化特征,是今后城市发展和环境治理值得关注的问题。     

南京市不同功能区PM10中多环芳烃的污染特征

PM10是衡量大气环境质量好坏的重要指标之一;多环芳烃(PAHs)是具有强烈致癌性的有机污染物,大多吸附在粒径小于10 μm颗粒物上.利用长期定位实验采集了南京市两典型功能区--大厂地区和山西路的PM10样品,对其PAHs质量浓度进行了分析测定,研究了不同功能区PM10中PAHs的时空污染特性.研究结果表明:南京市PM10污染比较严重,其质量浓度变化范围在0.1157 mg·m-3～0.3913 mg·m-3之间;经分析PM10中16种优控多环芳烃(PAHs)发现,全年大厂地区的PAHs的质量浓度与山西路PAHs的质量浓度没有明显的高低之分;PAHs总质量浓度的空间变化不明显,时间变化也没有规律性;比较PM10与PAHs的月平均质量浓度变化趋势,两者之间的变化没有相关性,各自的质量浓度变化也没有规律性,分析其结果可能是由于PAHs的不稳定性造成的.     

大气细颗粒物(PM_(2.5))中多环芳烃的分析测定与污染特征

采集了北京西三环地区的PM2.5样品,利用超声提取(UE)-固相萃取法(SPE)分离富集得到PM2.5中的多环芳烃(PAHs),对不同的固定相及洗脱液比例进行PAHs回收率比较,得到最优预处理条件.建立了基于HPLC-UV的PM2.5中PAHs分析方法,定量检出17种典型PAHs.对2014年4月12日至2014年5月1日期间PM2.5中PAHs污染特征进行分析,结果显示,PAHs总浓度(∑PAHs)范围为2.6—145.7 ng·m-3,平均浓度为32.2 ng·m-3,不同环数PAHs所占比例顺序为5环2环3环6环4环,呈富5环的特征.PM2.5质量浓度与∑PAHs及苯并[a]芘(Ba P)均呈现出良好的正相关性,R2分别为0.8和0.6.     

A review of atmospheric mercury emissions,pollution and control in China

Mercury, as a global pollutant, has significant impacts on the environment and human health. The current state of atmospheric mercury emissions, pollution and control in China is comprehensively reviewed in this paper. With about 500-800 t of anthropogenic mercury emissions, China contributes 25%-40% to the global mercury emissions. The dominant mercury emission sources in China are coal combustion, non-ferrous metal smelting, cement production and iron and steel production. The mercury emissions from natural sources in China are equivalent to the anthropogenic mercury emissions. The atmospheric mercury concentration in China is about 2-10 times the background level of North Hemisphere. The mercury deposition fluxes in remote areas in China are usually in the range of 10-50μg·m^-2·yr^-1. To reduce mercury emissions, legislations have been enacted for power plants, non-ferrous metal smelters and waste incinerators. Currently mercury contented in the flue gas is mainly removed through existing air pollution control devices for sulfur dioxide, nitrogen oxides, and particles. Dedicated mercury control technologies are required in the future to further mitigate the mercury emissions in China.     

Source apportionment of ambient PM10 in urban areas of Wuxi, China

A total of 168 PM₁₀ samples were collected during the year of 2005 at eight sites in the city of Wuxi in China. Fifteen chemical elements, three water-soluble ions, total carbon and organic carbon were analyzed. Six source categories were identified and their contributions to ambient PM₁₀ in Wuxi were estimated using a nested chemical mass balance method that reduces the effects of colinearity on the chemical mass balance model. In addition, the concentrations of secondary aerosols, such as secondary organic carbon, sulfate and nitrate, were quantified. The spatially averaged PM₁₀ was high in the spring and winter (123 ??g·m^?3 and low in the summer-fall (90 ??g·m^?3). According to the result of source apportionment, resuspended dust was the largest contributor to ambient PM₁₀, accounting for more than 50% of the PM₁₀ mass. Coal combustion (14.6%) and vehicle exhaust (9.4%) were also significant source categories of ambient PM₁₀. Construction and cement dust, sulfates, secondary organic carbon, and nitrates made contributions ranging between 4.1% and 4.9%. Other source categories such as steel manufacturing dust and soil dust made low contributions to ambient PM₁₀.     

河西走廊极端干旱区PM10质量浓度分布特征及其与气象要素关系研究

利用敦煌和酒泉2007—2011年的PM10质量浓度资料和风速、气温、相对湿度、气压、天气现象等相关气象要素资料,分析了河西走廊西部极端干旱区不同下垫面环境PM。0质量浓度的时空分布特征,结果表明,下垫面是沙地环境的敦煌PMl0质量浓度年平均值为128．9lμg·m-1,明显高于绿洲环境酒泉的76．1mg·m-1两站均是春季大于其他季节,尤以4月最为显著,敦煌和酒泉分别达到272．1lμg·m0和151lμg·m-2;PMl0质量浓度的不同分布特征与气象因素有密切的关系,尤其受沙尘天气的影响较大,其最大值可以反映沙尘天气的强度,非沙尘日PMl0质量浓度在不同下垫面条件下虽有一定相差,但空气质量状况均在“良”以上。两站PM10质量浓度日变化差异较大,敦煌四季的日变化特征均不特别显著,变化比较平稳,基本都呈单峰单谷型分布,最大值出现在17：00时左右,最小值出现在6：00左右;酒泉春、秋季日变化基本一致,呈单峰型,最大值出现在正午时段;夏季日变化规律性不明显,变化幅度比较平缓;冬季呈双峰双谷型,最大值和次大值分别出现在16：00和2：00左右,最小值和次小值分别出现在10：00和0：00左右。进一步分析发现,在沙尘日和非沙尘日PM10质量浓度明显不同,其对应的压、温、湿、风及能见度也有一定规律,沙尘日的日均风速和日最大风速大于非沙尘日,相对湿度、气压和能见度小于非沙尘日。两站的气温、气压、相对湿度、风速等气象要素与PM10质量浓度均有一定相关性,但PM10质量浓度的分布最终是受各要素综合影响的结果,敦煌和酒泉,PM值与PM10质量浓度日均值的相关性都很显著,相关系数分别为0．8961和0．9152,远高于其他各单气象要素与PM10质量浓度的相关性。两站沙尘日的昂M均值分别是非沙尘日2-3倍,因此气象影响指数能有效的区别沙尘日和非沙尘日。IPM的分布也能较好的反映PMl0质量浓度的分布,因此可用抽d来量化评价PM10质量浓度。     

西宁市环境空气PM10中多环芳烃特征分析

2009年—2010年采暖季、风沙季和非采暖季在西宁市选择了7个环境监测点位采集了大气PM10样品,利用气相色谱-质谱联用技术测定了其中12种多环芳烃的浓度分布特征。结果显示：西宁市采暖期、风沙季和非采暖期三季PM10载带B[a]P的全市平均浓度分别为2.51ng/m3、1.19 ng/m3、1.55ng/m3;PM10载带的B[a]P的浓度与GB3095-1996中规定日平均浓度限值（10ng/m3）相比较,均不超标。     

兰州市不同径粒大气颗粒物污染特征及气象因子的影响分析

空气污染程度与就诊率、呼吸道发病率及死亡率等有着密切的联系。兰州市在上世纪末曾被喻为卫星上看不到的城市,它的大气污染程度一直以来为人们所关注。利用2013年国家环保部公布的兰州市5个监测点（涵盖了4区1县）大气细粒子PM10及PM2.5的监测数据,针对全年的日均PM2.5与PM10质量浓度并结合了同期的气象因子进行分析研究,结果表明：春冬季为兰州大气中两种颗粒物的污染的高峰期（春季峰值为3月份,PM10及PM2.5质量浓度的月均值为309和103μg· m-3,超标倍数为1.062与0.436;冬季峰值为11月份,PM10及PM2.5质量浓度的月均值为203和85μg· m-3,超标倍数为0.353与0.7）,夏秋季为低谷（波谷为9月份,PM10及PM2.5的月均值为96和39μg· m-3,均低于国家标准）。PM2.5与PM10质量浓度比值均在0.4与0.5之间,呈一定的线性关系,大气污染较轻。当温度在-3~0℃之间时,大气中PM2.5与PM10质量浓度变化较剧烈。露点温度高于-3.15时,使得PM10的质量浓度下降明显;当日均露点温度高于1.85时,PM2.5的质量浓度随着露点温度的增大而降低,说明湿沉降对着两种粒子的清除作用明显。降水对大气中的两种颗粒物均呈现清除作用,但是在降水后PM10质量浓度迅速回升,但PM2.5质量浓度却变化不大。风向偏西时,大气中细颗粒污染物浓度增加。风速的增加对PM2.5有一定的清除作用,但由于兰州市的地貌特征,使得大气中PM10的质量浓度增加。上述结果为兰州市大气污染的监测与治理及大气污染预报提供了重要的依据。     

太原市环境空气中TSP和PM_(10)来源解析

2001年到2002年,在太原市5个采样点分别采集了环境空气中的总悬浮颗粒物(TSP)和可吸入颗粒物(PM10)。用化学质量平衡模型和二重源解析技术解析了TSP和PM10的来源,结果表明,各主要源类对TSP的分担率依次为燃煤尘28%、扬尘24%、建筑水泥尘14%、硫酸盐10%、机动车尾气尘10%、土壤风沙尘5%、钢铁尘4%、硝酸盐4%、其它1%;对PM10的分担率依次为扬尘30%、燃煤尘18%、机动车尾气尘15%、硫酸盐11%、土壤风沙尘9%、建筑水泥尘7%、硝酸盐4%、其它1%。     

北京市2012-2013年秋冬季大气颗粒物污染特征分析

大气颗粒物一直是影响我国城市空气质量的重要污染物,2013年1月北京市的严重灰霾污染更是带来了重大的健康危害和经济损失。为了摸清北京市颗粒物污染的特征,本文利用北京市实时发布的颗粒物污染监测数据,选取污染最为严重的2012-2013年秋冬季时段,对颗粒物的达标情况、变化趋势及其与气象因子相关性等方面进行研究。研究结果表明：1）2012年,北京市年均ρ（PM10）为109.0μg.m-3,超过了新国标二级标准限值,日均ρ（PM10）的超标天数为84天,全年超标天数比例为23.0%。2）2012年10月至2013年2月,ρ（PM10）达标天数比例为77.9%,ρ（PM2.5）的达标天数比例为51.9%。各月ρ（PM2.5）的达标天数比例均低于ρ（PM10）,某些月份二者达标天数比例差异很大。3）ρ（PM2.5）与ρ（PM10）的逐小时连续变化趋势基本相同,变化特征为＂快速积累,迅速消散,持续时间不定＂。ρ（PM2.5）与ρ（PM10）平均值24 h的变化呈双峰双谷曲线,颗粒物质量浓度夜间高于白天。4）研究期日均ρ（PM10）和ρ（PM2.5）与日均相对湿度呈显著正相关关系,与平均风速和最大风速呈显著负相关关系,ρ（PM2.5）比ρ（PM10）更易受气象条件变化影响。5）ρ（PM10）和ρ（PM2.5）日均值有着非常显著的线性相关关系。本研究得出的ρ（PM2.5）/ρ（PM10）的均值高于之前北京市及我国其他城市研究得出的数值,严重污染现象是由特殊的气象背景条件与污染物高排放共同导致的。