北京市大气PM10和PM2.5中有机物的时空变化

2005年四季在北京市不同功能区9个采样点采集大气PM₁₀和PM_2.5样品,并对其中有机物污染水平、分布特征及不同功能区PM₁₀和PM_2.5中有机物的相关性进行了探讨.结果表明,市区PM₁₀和PM_2.5中有机物年均值分别为41.39 μg/m³和34.84 μg/m³,是对照区十三陵的1.44倍和1.26倍;冬季有机物污染最严重,分别为春季的1.15、 1.82倍,秋季的2.06、 2.26倍,夏季的4.53、 6.26倍.不同季节PM_2.5与PM₁₀中EOM的比值超过0.60, 并呈现一定季节差异.各功能区有机污染表现出工业区(商业区)＞居民区(交通区、对照区)的变化趋势,且不同功能区PM_2.5中EOM对PM₁₀中EOM的影响程度各异.有机组分的年均值有非烃＞沥青质＞芳烃＞饱和烃的变化规律,而污染源的季节性排放是造成有机物组分季节变化的主要原因.     

天津市春季道路降尘PM2.5和PM10中的元素特征

为探究天津市春季道路降尘中元素污染特征及来源,于2015年春季采集了天津市道路降尘样品,通过再悬浮得到PM_(2.5)和PM_(10)滤膜样品,继而测定了滤膜样品中16种元素的含量,通过非参数检验、分歧系数法、富集因子法等研究了道路降尘中元素的污染特征、来源和成分谱的相似性.结果表明,天津市春季道路降尘PM_(2.5)和PM_(10)质量分数平均值在1%~20%之间的元素从大到小依次为:SiAlCaFeMgKNa;PM_(10)和PM_(2.5)中元素成分谱分歧系数为0.06,表明两者元素成分谱很相似;PM_(10)和PM_(2.5)中,元素Cd和Cr强烈富集,Zn、Cu、Pb和As显著富集;道路降尘PM_(2.5)和PM_(10)中元素主要来源于土壤风沙尘、建筑尘、交通尘(汽车尾气的排放、轮胎磨损和刹车片磨损)和煤烟尘.     

渭南市区冬春季PM2.5和PM10时间分布特征及与气象因素的关系

为研究渭南市区2014?—?2016年的冬春季雾霾天气的特点,选取覆盖渭南市区的4个监测站点,分析渭南市区PM_(10)和PM_(2.5)污染时间分布特征;同时选取日平均气温、相对湿度、风等气象因素,用线性回归分析法分析各个气象因素同大气中PM_(10)和PM_(2.5)的相互关系。研究发现:三年来冬季PM_(10)和PM_(2.5)的日变化的峰值主要出现在12月—?次年1月;春季PM_(10)和PM_(2.5)的逐日变化的峰值主要出现在3月;日内的周期变化趋势呈多次波动。渭南市区冬春PM_(10)和PM_(2.5)的质量浓度与风速、气温呈负相关,与相对湿度呈正相关,为雾霾的形成创造了条件,在冬季温度较高的情况下以及相对湿度较大的情况下应加强防范。在冬季12月—?次年1月和春季3月应注意雾霾的防范和治理,燃煤企业要安装脱硫脱硝装置,居民日常生活中尽量减少生物燃料的燃烧,同时政府应根据污染物排放量征税,用制度保护环境。     

南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系

基于2013—2015年南昌市9个空气环境监测点的连续数据,分析了空气PM_(2.5)、PM_(10)质量浓度(以下简称浓度)的时空变异规律,并以景观格局指数为定量指标,研究了监测点的两种颗粒物浓度与其周边500 m半径、1000 m半径缓冲区的土地利用状况的关系.结果表明:(1)南昌市3年来PM_(2.5)和PM_(10)浓度逐年显著降低.(2)通过聚类分析,9个监测站依据颗粒物污染可分为4大类,表现出一致的城乡梯度差异.(3)在斑块类型水平上,PM_(2.5)和PM_(10)浓度与500、1000 m半径缓冲区的C-PLAND(建筑用地覆盖率)、C-SHDI(建筑用地多样性指数)显著正相关,与1000m缓冲区的F-ED(林地边界密度)显著正相关;与F-PLAND(林地覆盖率)、C-Fi(建筑用地分离度指数)、F-MPS(林地平均斑块面积)显著负相关.在景观水平上,PM_(2.5)和PM_(10)浓度在500 m缓冲区与LPI(最大斑块所占景观比例)显著负相关;与1000 m缓冲区的MPS(平均斑块面积)显著负相关.景观格局指数直接反映土地利用状况,它与PM_(2.5)和PM_(10)浓度的相关性,表现出生态学中典型的"源汇景观"关系.     

2016年宁夏回族自治区PM2.5浓度时空分布特征

对2016年宁夏回族自治区大气中PM_2.5浓度的时空分布特征及其与其它空气质量指标和气象参数之间的相关性进行探讨。结果表明,宁夏回族自治区2016年PM_2.5日平均浓度为2.0~217.5 μg/m³;11月、12月、1月、2月PM_2.5月浓度均值（45.97~87.22 μg/m³）相对较高,6~9月的（19.01~38.03 μg/m³）相对较低;春、夏、秋、冬PM_2.5浓度分别为2.00~211.00 μg/m³、6.67~106.67 μg/m³、10.67~166.00 μg/m³和10.50~217.50 μg/m³;0：00~23：00,各城市PM_2.5小时浓度基本上表现出先下降、后上升、再下降、再上升的变化规律,通常上午9：00~10：00浓度值较高,下午15：00~16：00浓度值较低。银川市、石嘴山市、吴忠市、中卫市和固原市2016年PM_2.5日平均浓度 ≤ 75 μg/m³的天数分别为304 d、307 d、313 d、323 d和340 d,年达标率分别为83%、84%、86%、88%和93%。宁夏北部的石嘴山市、银川市的PM_2.5月浓度均值超过了南部的中卫市和固原市,表现出"北高南低"的趋势,其中固原市每月PM_2.5浓度均值均低于其他城市,表现出显著差异。PM_2.5浓度与CO、NO₂、SO₂、PM₁₀浓度、风速、气压、日照和相对湿度均呈显著或极显著正相关关系,与地表温度、气温和降水量呈极显著或显著负相关关系。可见,宁夏回族自治区大气PM_2.5浓度具有明显的时空变化特征,其浓度受气象因子的影响。     

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

长江三角洲PM2.5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PM2.5遥感监测.为遥感监测长江三角洲地区PM2.5,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 AOD产品估算PM2.5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PM2.5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0.45、0.50、0.58和0.52.利用模型估算的长时间序列PM2.5时空分布数据进行时空变化特征分析,结果表明:1 2000~2013年研究区PM2.5质量浓度呈增长趋势,月均增长量为0.047μg·m-3,最大值出现在2月,为(66.2±19.3)μg·m-3,最小值出现在8月,为(22.6±5.9)μg·m-3.2研究区PM2.5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PM2.5的多元线性回归模型能较好地应用于区域PM2.5监测.     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

2022年江苏省PM2.5与臭氧污染特征及其与气象要素关系

基于2022年江苏省PM_2.5、臭氧环境监测站数据和地面气象站数据,分析污染时空分布特征及其与污染源排放、气象要素的关系,从而为排放管控、污染治理提供科学依据。PM_2.5整体呈北高南低、西高东低的空间特征,冬季浓度最高（30—75 μg∙m⁻³）,西北部城市的PM_2.5全年污染天数为全省最多（25—40 d）。臭氧呈南高北低的空间特征,夏季浓度最高（120—160 μg∙m⁻³）,苏南城市的臭氧全年污染天数最多可达60—70 d。二者浓度在夏季具有较强的正相关性,在冬季相关性很弱。各季节PM_2.5与温度、相对湿度、风向呈弱相关性,与风速关系稍强。PM_2.5污染事件多发于温度为2—6 ℃、相对湿度为60%—85%、风速＜3 m∙s⁻¹的条件。各季节臭氧均与温度呈强正相关性,与相对湿度为负相关。风向为偏西风时容易出现高浓度,为第四象限风（东风到南风）时浓度通常较低。臭氧污染集中于日最高气温＞28 ℃、相对湿度为60%—75%、风向为偏西风的条件,以此作为预报指标,正确率约为50%。     

安徽省PM2.5时空分布特征及关键影响因素识别研究

基于2015年安徽省67个空气质量监测子站的PM_(2.5)浓度数据,分析PM_(2.5)的时空分布特征;运用BP神经网络改进DEMATEL模型,探讨影响PM_(2.5)浓度的关键因素及因子间的关联性.结果表明:(1)2015年安徽省PM_(2.5)平均浓度为52.03μg·m~(-3),总体呈现秋冬高、春夏低的季节性规律;PM_(2.5)浓度日变化总体呈双峰分布,冬季PM_(2.5)浓度昼夜变化剧烈,全年、春季和秋季变化趋势大致相同,夏季相对平缓;(2)安徽省PM_(2.5)浓度整体上由东向西、由中部向南北两侧呈递减趋势,浓度值由高到低依次为:江淮丘陵、长江中下游平原、淮北平原和皖南山区;(3)指标体系中,人口城镇化率、年平均气温、单位GDP电耗、工业废气治理设施数等4个指标因子属于强驱动因素,对PM_(2.5)浓度降低起着根本性推动作用;(4)年降水总量、房屋施工面积、O_3浓度等3个指标因子属于强特征因素,是降低PM_(2.5)浓度最直接的因素.结论表明,运用BP-DEMATEL模型能有效识别关键影响因素,有助于为PM_(2.5)综合治理提供参考.     

陕西省PM2.5时空分布及影响因素区域差异研究

为了解陕西省PM_2.5分布特征及影响因素区域差异,基于陕西省2019年PM_2.5浓度数据,采用空间数据统计方法、空间自相关分析法和地理探测器法对PM_2.5时空分异特征及驱动因素进行探究,以期为陕西省PM_2.5研究与治理提供可靠的科学依据。结果表明：陕西省PM_2.5污染呈“冬高夏低”、“中部高、南北低”的特点。陕西省PM_2.5浓度空间分布表现为极显著的空间正相关性,陕南部分县域为低低聚集区,关中地区渭南、西安、咸阳部分县域为高高聚集区。对陕西省PM_2.5浓度影响最大的是社会经济因子(0.328—0.548),陕北地区为GDP(0.932),关中地区为人口密度(0.936),陕南地区为相对湿度(0.710)。交互探测结果表明：陕西省主导交互因子为人口密度∩GDP,各种复杂的自然因素和人为活动因素耦合会大大加强对PM_2.5浓度的解释力。     

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_2.5和PM₁₀中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_2.5和PM₁₀进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_2.5和PM₁₀中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_2.5中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧...     

天津市春季道路降尘PM2.5和PM10中碳组分特征

为研究天津市春季道路降尘PM_2.5和PM₁₀中碳组分特征,丰富道路降尘的成分谱库,于2015年3月22日-5月23日在天津市主干道、次干道、支路、快速路和环线5种道路类型道路两侧采集道路降尘样品,通过再悬浮装置得到PM_2.5和PM₁₀的滤膜样品,并用热光碳分析仪测定PM_2.5和PM₁₀中OC（有机碳）和EC（元素碳）的百分含量,利用两相关样本非参数检验、OC/EC比值法以及相关分析法,定性分析天津市春季道路降尘PM_2.5和PM₁₀的碳组分的特征及其主要来源;利用因子分析法,进一步分析道路降尘PM_2.5和PM₁₀的主要来源.结果表明:道路降尘PM_2.5中w（OC）为10.27%（主干道）~13.94%（快速路）、w（EC）为1.24%（支路）~1.77%（环线）,PM₁₀中w（OC）为8.48%（主干道）~12.56%（快速路）、w（EC）为1.01%（次干道）~1.59%（快速路）,可见快速路中碳组分含量相对较高,这可能与其车流量较大,导致道路扬尘和机动车尾气排放量较大有关,也可能与其路面保养及保洁状况有关.对于大部分碳组分而言,其在PM_2.5中的百分含量均高于PM₁₀;除EC2,其他碳组分在PM_2.5和PM₁₀间均无显著性差异.不同道路类型PM_2.5和PM₁₀中OC/EC的大小顺序基本相同,与其车质量变化趋势相反.道路降尘中PM_2.5中碳组分主要来源于道路扬尘、机动车尾气、生物质燃烧以及燃煤源的混合源,PM₁₀主要受道路扬尘、燃煤和柴油车尾气等污染源的影响.      

陕西省PM2.5时空分布规律及其影响因素

PM_2.5是导致中国多省市发生灰霾的罪魁祸首,明确其时空分布规律,厘清其影响因素对灰霾的综合治理意义深远.基于陕西省2015年50个监测站点的PM_2.5浓度数据,采用空间数据统计方法、克里金插值法以及Morlet小波分析法对陕西省PM_2.5浓度的时空分布规律进行研究,并运用灰色关联模型来探讨PM_2.5浓度的影响因素.结果显示:①陕西省PM_2.5浓度整体呈"冬高夏低、春秋居中"的季节性变化规律,"U型"起伏的月变化规律,周期性脉冲波动型的日变化规律以及"W型"起伏的时变化规律;②陕西省PM_2.5浓度呈"北部低,中南部高"的空间分布特征,并且空间集聚性显著.不同季节的高值区均集聚于海拔相对较低的关中盆地内部城市.这与盆地内部空气不易扩散,静稳天气出现频率较高,易出现逆温现象密切相关;③影响陕西省PM_2.5浓度最大的指标层是PM_2.5污染来源（权重值为0.49）,其次是城市化与土地利用（权重值为0.37）,气象与地形因子影响最小（权重值为0.15）.不同城市各指标层的综合关联度差异较大.④各指标因子与PM_2.5浓度均为强度关联.降水量、机动车保有量、二氧化硫排放量、烟粉（尘）排放量、建成区面积、人口密度和人均GDP是影响陕西省PM_2.5浓度的主要因子,影响各城市PM_2.5浓度的主要因子具有一定的空间差异性.研究显示,人类活动对陕西省PM_2.5的影响显著,尤其是城市化的快速推进,相关指标（如人口、机动车、能耗、工业总产值等）持续增长,将进一步加大PM_2.5来源的多样性以及相关污染物的排放量.      

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.     

常州市冬季PM2.5中类腐殖质昼夜特征分析

为探讨常州冬季大气气溶胶中类腐殖质(HULIS)的昼夜变化特征,在常州市城郊于2017年1月1日～2月28日采集了64个细颗粒物(PM_(2.5))样品,分析获取了类腐殖碳(HULIS-C)的浓度和光学变化特征.冬季PM_(2.5)昼夜平均质量浓度分别为122. 60μg·m~(-3)和111. 72μg·m~(-3),HULIS-C的昼夜平均质量浓度分别为4. 18μg·m~(-3)和3. 74μg·m~(-3),白天均高于夜晚.紫外光谱分析结果表明,HULIS/WSOA(水溶性有机质)于250 nm处的吸光度比值(昼:77%,夜:75%)明显大于HULIS-C/WSOC(水溶性碳)的浓度比值(昼:51%,夜:50%),表明较多的高紫外吸收物质和多聚共轭芳香结构存在于HULIS中;昼夜HULIS在250 nm和365 nm光下的吸光度比值(E250/E365)和特征紫外吸光度(SUVA280)的差异小,说明HULIS在芳香度和分子量上昼夜差异小,且昼夜HULIS化学性质及组成相近;进一步分析了HULIS的光吸收效率(MAE365)和光吸收指数(AAE300-400),发现昼夜没有明显差异.此外,通过HULIS-C和PM_(2.5)中其他化学组分的相关性分析,定性了解常州市冬季HULIS的主要影响因素,HULIS-C来源上受到了生物质燃烧、化石燃料燃烧、工厂排放以及二次生成的共同影响;而昼夜之间对比表明,昼间HULIS主要受到二次生成的影响,而夜间HULIS来源上除受到白天二次生成影响外,也受到了一次燃烧排放的影响.     

重庆市冬季PM_(2.5)及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.