2009年8~9月成都市颗粒物污染及其与气象条件的关系

对成都市3个不同点位PM2.5和PM10进行了为期30d的连续观测,研究了大气颗粒物浓度的时空分布特征,及其与气象条件的关系.研究表明,观测期间成都市大气颗粒物PM2.5和PM10质量浓度日均值分别为66,94μg/m3,两者浓度变化范围较大,但变化趋势相同.从空间分布来看,大气颗粒物浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;从时间分布来看,大气颗粒物污染最严重出现在9月17~19日,9月5~9日2个时间段,不利的气象因素和污染物的累积是造成该时间段大气颗粒物污染加重的主要原因.PM2.5与PM10质量浓度的相关性为0.93,PM2.5对PM10的贡献较大,两者质量浓度的比值达0.69.气温对大气颗粒物浓度变化没有显著影响;降水以及风速对颗粒物浓度影响较大,主要是对颗粒物的湿清除和促进扩散作用;在一定相对湿度范围内,高湿度条件容易造成大气颗粒物的较重污染.能见度与大气颗粒物浓度呈明显负相关性,且与PM2.5的相关系数大于与PM10的相关系数.     

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。     

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

济南市春季大气颗粒物污染研究

对济南市2005年春季大气颗粒物中PM10、PM2.5和细颗粒物中的黑碳气溶胶的浓度水平、时间分布和日变化进行了观测,并结合气象资料对变化特征进行综合分析,探讨了PM10,PM2.5和黑碳的相对含量以及对能见度的影响等.研究结果表明,PM10和PM2.5平均浓度分别为242.5μg·m-3和109.4μg·m-3.与我国空气质量二级标准PM10日均值150μg·m-3和美国国家空气质量PM2.5日均标准65μg·m-3相比,超标率分别达到80.77%和84.61%,污染较严重;监测期间PM2.5/PM10的平均值为0.456.在PM2.5中,黑碳气溶胶平均质量浓度为5.39μg·m-3,占PM2.5的5.06%,日浓度变化呈双峰型.在监测时间内,污染物浓度与温度无明显的相关性;与相对湿度呈弱正相关;与风速呈明显的负相关关系.降水对PM10、PM2.5和黑碳的清除作用较为显著.PM10、PM2.5和黑碳浓度与能见度均呈负相关,相关系数(r)分别为-0.633、-0.695和-0.704,细颗粒物是影响能见度的主要因素.     

上海市霾污染与长江口叶绿素a含量关系分析

近些年来霾污染日益严重,霾污染期间颗粒物浓度增加,在一定条件下颗粒物会通过干、湿沉降到海洋中,从而对海洋生态产生一定影响。为了探讨霾污染与海洋水环境中叶绿素a的关系,该研究通过对近1 a上海市10个环境监测站的PM2.5浓度和长江口43个监测站点叶绿素a浓度进行分析。结果表明,霾污染日叶绿素a平均浓度(2.52μg/L)高于非霾日(1.70μg/L)。霾日PM2.5浓度与叶绿素a浓度没有相关性(相关系数R2=0.048),轻度霾日和中度霾日叶绿素a浓度较高。对不同的霾周期分析可得,霾污染期间叶绿素a平均浓度与霾污染前相比,有所增加,主要表现在前期叶绿素a浓度减少,而后期叶绿素a浓度增加;霾消散后叶绿素a平均浓度与霾污染前相比则有所减少。由此推断,霾污染过程中海洋水环境中的叶绿素a浓度增加,但整个霾周期并不利于浮游植物的生长。     

北京市PM5.0可吸入颗粒物反演及其时空分布分析

分析城市可吸入颗粒物的空间特征及影响因素对于制定更为有效的可吸入颗粒物污染控制政策具有重要的现实意义.本研究在实际采样和遥感数据处理基础上,构造差值植被指数(DVI),通过建立TM影像与对应PM5.0颗粒物实测值之间的相关关系模型,对北京市2008~2010年3 a的PM5.0的分布进行了反演计算和精度分析;研究了NDBI和NDMI对PM5.0浓度的影响,进一步揭示了北京五环区域范围内可吸入颗粒物的时空分布特征.结果表明,采用DVI反演PM5.0分布的方法可行,反演精度在可接受范围内;整体上研究区2008年PM5.0颗粒物污染最轻,西南三环和四环以及东南三四环之间为颗粒物污染的高值区,西北五环附近颗粒物污染较轻;NDBI(归一化建筑指数)、NDMI(归一化水汽指数)与PM5.0可吸入颗粒物的分布分别呈现显著的负相关和正相关关系,且二者对PM5.0的影响相近.     

夏季高湿度条件下北京市气溶胶颗粒物粒谱特征研究

2007年8月,利用粒谱分析仪(APS)、振荡天平颗粒物分析仪(TEOM)和碳黑分析仪(BC)观测北京市大气气溶胶可吸入颗粒物(PM10),研究高湿度气象条件对气溶胶颗粒物吸湿长大的影响.结果表明,PM10质量浓度与碳黑质量浓度在静稳天气状况下相关系数达0.82,而对于颗粒物数浓度与PM10质量浓度,静稳与非静稳天气状况下两者的相关性并不一致,颗粒物数浓度及1μm的细粒子在粒谱分布中所占的比重显著增加.气溶胶颗粒物粒谱变化结果说明,在高湿度条件下颗粒物粒径明显吸湿增长.     

上海霾与非霾期间大气颗粒物光学特性垂直分布特征和质量浓度对比研究

采用美国国家航空航天局的云-气溶胶激光雷达红外开拓者卫星搭载的正交极化云-气溶胶激光雷达数据产品,包括消光系数、光学厚度、总后向散射系数、体积退偏比和色比,结合地面监测的颗粒物质量浓度,分析上海大气相对湿度小于80%霾发生期间气溶胶光学属性的垂直分布特征和颗粒物质量浓度变化,并与非霾期间进行比较.结果表明:霾期间532 nm和1064 nm消光系数在垂直高度上(海拔:0~10 km)均大于非霾期间,且大多数霾期间颗粒物在整层大气的光学厚度大于非霾期间.在近地面,霾期间大气颗粒物散射能力大于非霾期间.各垂直高度层,霾与非霾期间小粒径和规则气溶胶占主导地位.霾期间近地面大粒径颗粒物在霾期间所占比例大于非霾期间;2.0~4.0 km高度层,霾和非霾期间细颗粒所占比例接近;4.0~10.0 km高度层,霾期间细颗粒气溶胶所占比例大于非霾期间.PM1、PM2.5和PM10质量浓度在霾期间均大于非霾期间,且霾期间细颗粒物所占比例明显增加.颗粒物质量浓度和比值PM1/PM2.5和PM2.5/PM10分别随霾污染程度的加重而升高.冬季颗粒物质量浓度最高,主要来自细颗粒物的贡献;而春季PM10质量浓度高于其它季节.     

长三角地区PM2.5浓度对土地利用/覆盖转换的空间异质性响应

长三角地区PM_2.5污染受区域空间效应的影响,其可持续治理方向仍不清晰.结合随机森林、空间计量模型和多尺度地理加权回归模型（MGWR）,探讨PM_2.5浓度对土地利用/覆盖转换的多尺度空间响应过程.结果表明：（1） 2000～2018年长三角地区PM_2.5浓度呈现出4类空间连续聚集的时空变化模式,区域性同步变化强烈;（2）土地转换对PM_2.5浓度的相对影响表现复杂,耕地与林地的源-汇效应显著.邻域分析表示周围聚集性土地利用/覆盖转换普遍比单一像元时作用更显著,空间效应明显;（3） PM_2.5浓度变化与林地、草地转换类型大多呈显著负相关,与耕地、建设用地和水体之间的转换类型呈显著正相关.随机森林模型重要性排序及相关系数强度表明：耕地-耕地（29.65%及0.650）、林地-林地（26.98%及0.726）、建设用地-耕地（22.57%及0.519）、耕地-林地（17.84%及0.602）和耕地-建设用地（16.34%及0.424）之间转换对PM_2.5浓度变化贡...     

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.     

北京雾霾天大气颗粒物中微生物气溶胶的浓度及粒谱特征

于2013年1月8日~2013年2月4日雾霾频繁暴发期间,使用定量空气微生物采样器和气溶胶粒谱测试仪测试并比较了雾霾天和之后的清朗天气下细菌、真菌气溶胶浓度变化、粒谱分布及不同粒径大小颗粒物的数量浓度差异和粒谱分布特征.结果表明,采样周期内真菌气溶胶小于5μm的粒子(可吸入肺粒子)所占百分比显著高于细菌气溶胶小于5μm的粒子百分比.雾霾过后的晴朗天气下细菌、真菌气溶胶浓度高于雾霾天气时的浓度,而颗粒物浓度则相反.无论雾霾天或晴朗天微生物气溶胶的粒谱分布无显著差别,空气中的颗粒物以PM1.0占绝大多数.     

龙华新区灰霾污染特征研究

根据龙华新区2个空气监测站2012年监测数据、气象数据以及不同污染源的排放数据,分析龙华新区空气质量现状,灰霾日数与PM2.5和PM10的相关性,并通过AERMOD模型着重探讨PM2.5和PM10的污染特征,计算不同污染源对PM2.5和PM10浓度的贡献率。结果表明,灰霾日数和PM2.5、PM10浓度均表现为明显的季节性变化,变化趋势较为一致,且灰霾日数与PM2.5的相关性较PM10更显著。龙华新区PM2.5和PM10主要来自本地源,其中PM2.5的主要来源为机动车尾气和道路扬尘,而PM10的主要来源为施工项目和裸地。     

华北地区颗粒物浓度时空分布特征及其因素

利用2017年华北地区各地级及以上城市空气质量浓度等有关数据,对该区域内的颗粒物浓度时空分布特征进行研究,在此基础上进一步利用空间自相关分析方法对该区域内的颗粒物浓度的空间聚集特征进行定量描述,并利用空间计量模型分析了影响华北地区城市颗粒物浓度的因素。结果表明：整体上,华北地区PM_2.5和PM₁₀的污染日出现的平均频率分别为17.25%和14.23%,需重点关注细颗粒物造成的污染。在时间分布上,各省市的颗粒物月均浓度存在“U”型变化,呈现出冬季>秋季≈春季>夏季的规律。在空间分布上,各地级市颗粒物年均浓度具有明显的空间聚集特性,高聚集主要出现在河北南部,低聚集主要出现在内蒙古。空间计量模型表明,风速、降雨量和人均GDP对华北地区城市的PM_2.5和PM₁₀年均浓度均具有显著的负向影响,而第二产业占比、煤炭使用量和机动车保有量均对颗粒物浓度有正向影响,其中煤炭消耗量的影响最大,其次是机动车保有量。上述研究结果可为制定华北地区大气污染控制提供有效的措施和科学依据。     

2007~2016年北京天气分型与霾日的关联

采用COST733软件将北京地区2007~2016年的大气环流总体分为T1~T9种类型,研究其与霾日的关联性,并结合PM_2.5和臭氧地面观测,分析不同天气型对应的污染特征及气象参数分布规律.2007~2016年霾日发生概率21.5%,T4和T9型下霾日最多,T5和T8型最不利于霾日发生.9类天气型下霾日变化具有阶段性,2007~2012年（阶段一）霾日少且年际差异小,2013~2016年（阶段二）霾日增多.对9类天气型下霾日PM_2.5及臭氧变化进行分析,T1、T3、T4和T9型霾日多出现在秋冬季,PM_2.5日变化为逐时增加态势,4类天气型在第一阶段的白天有浓度波动增长形成的小峰值,但第二阶段减弱消失.大部分天气型的霾日,阶段二的PM_2.5浓度较阶段一降低,T7和T9型表现为增加,增幅分别为23.7%和3.9%.所有天气型霾日的臭氧日变化均为单峰型,峰值出现在下午,臭氧日均浓度最高为T8型.此外,阶段二与阶段一相比,T3、T5和T6型臭氧平均浓度增加,其中T5型增幅达到49.8%.将霾日与近地面气象要素关联分析,平均气温、风向、风速可以较好的解释臭氧浓度变化,而PM_2.5的变化特征不仅与气象要素相关,在一定程度上也体现了污染排放及区域联动减排的贡献,需两者结合才能更好探究PM_2.5浓度整体特征及细节变化.     

昆明湖水体悬浮颗粒物与有色可溶性有机物光谱吸收特性研究

基于2011年9月23日在北京颐和园昆明湖测量的10个采样点的水体各组分吸收系数光谱,分析了秋季昆明湖悬浮颗粒物、非藻类颗粒物、藻类颗粒物及有色可溶性有机物(CDOM)的光谱吸收特性.结果表明,水体总吸收当中,藻类颗粒物贡献率最大,CDOM次之,非藻类颗粒物贡献率最低,这表明藻类颗粒物是秋季昆明湖水体中最主要的水体组分.秋季昆明湖南部藻类颗粒物吸收系数与叶绿素a浓度均大于北部,这可能是因为昆明湖水由北侧流入从南侧流出,且北京秋季盛行北风导致的.未发现CDOM与叶绿素a浓度间具有显著的相关关系,可能与藻类空间分布不均匀、并且受CDOM外源影响有关系.     

基于地统计学的北京市可吸入颗粒物时空变异性及气象因素分析

大气颗粒物是造成城市空气污染的重要原因之一,并已经成为我国北京等大中城市空气污染中的首要污染物.为分析北京市采暖期大气中可吸入颗粒物的污染水平及其气象因素的影响作用,以大气可吸入颗粒物PM0.3,PM3.0,PM5.0为研究对象,于2007～2009年采暖期间在北京市城区设立了93个采样点进行定点采样监测,利用地统计分析工具和指示克里格方法,模拟分析了北京市城区2007～2009年采暖期PM0.3、PM3.0、PM5.0的时空变异性,并建立起可吸入颗粒物浓度与气象条件(风力、温度、湿度)的对应关系,由此分析气象因素对大气颗粒物污染水平的影响程度.结果表明:实验半变异函数符合具有块金值的球状模型;北京城区空气可吸入颗粒物的污染水平自2007年以来污染程度与污染面积均呈减小趋势,影响范围主要集中在西南部,西北次之,近郊区污染重于城区;气象条件是影响可吸入颗粒物污染程度的重要因素,在不同年份不同气象因子对颗粒物的影响是不同的.但另一方面,由于污染原因季节冷暖程度的不同,气象条件对颗粒物浓度的影响有不确定的一面,但仍可找到一些规律.     

北京市开发区PM1污染特征及影响霾形成的因素

通过采集北京市亦庄经济技术开发区2016年7月和10月、2017年1月和4月4个季节典型代表月大气亚微米颗粒物PM₁样品,分析研究了该开发区PM₁及其水溶性离子组分的季节变化以及不同污染时段的变化特征,揭示了影响二次组分形成和霾污染形成的重要因素.结果表明：研究期间开发区PM₁平均浓度为73.95μg/m³,高于北京市同期估算的PM₁平均水平,为其1.13倍.夏、秋、冬、春4季PM₁平均浓度分别为69.22,63.38,99.50,57.26μg/m³,明显呈现出冬季 > 夏季 > 秋季 > 春季的季节变化特征,各季节霾天PM₁浓度是清洁天的1.78~3.17倍.PM₁中总水溶性离子浓度为37.30μg/m³,占PM₁总质量浓度的50.44%,其中二次组分SO₄^2-、NO₃^-和NH₄⁺（SNA）平均浓度占总水溶性离子浓度的86.98%,是PM₁中水溶性离子的最主要组成部分.PM₁总水溶性离子浓度的季节变化与SNA的变化一致,表现为冬季 > 夏季 > 秋季 > 春季.研究期间硫氧化率（SOR）高于氮氧化率（NOR）,且SOR表现为夏 > 秋 > 冬 > 春,而NOR表现为夏 > 秋~春 > 冬,相应霾污染天SOR和NOR均显著高于清洁天,其中夏季霾天SO₂和NO₂的二次转化过程最为显著.SO₂向SO₄^2-的转化主要受相对湿度RH、温度T、NO₂以及NH₃的影响,且液相反应是硫酸盐形成的重要途径.NO₂向NO₃^-的转化受RH、T、O₃以及NH₃的影响较大.鞍型气压场、均压场、逆温层以及南、东南和西南方向为主的近地面偏弱气团传输是影响霾污染形成的重要因素.     

2013~2014年北京市NO2时空分布研究

根据2013~2014年北京市NO₂监测数据,对比分析了全年及重污染日NO₂时空分布特征.结果表明:2013年NO₂平均浓度为56μg/m³,2014年北京市NO₂年均浓度为56.7μg/m³.年均及重污染日NO₂月均浓度均呈波浪型分布,日变化呈双峰型分布;空间分布上北部及西部山区NO₂浓度明显低于中心城区及南部地区. NO₂浓度与PM_2.5、CO、NO呈正相关关系,与O₃、OX无明显相关性;全年NO₂光解速率峰值平均在0.105/min左右,重污染日光解速率峰值平均在0.026/min左右;全年及重污染期间,氮氧化速率分别为0.142±0.061、0.190±0.036;高浓度NO₂既有利于O₃生成,又对重污染的形成起到了促进作用;重污染日特定条件下北京市NO₂的两种转化机制以转化为NO₃^-过程为主导.经计算2000~2014年北京市机动车的保有量与NO₂浓度的相关系数R为-0.84,机动车NO_x排放量对北京市NO₂浓度的变化有显著的影响.     

PM2.5与土地利用类型关系的四季差异分析:以潍坊市为例

土地利用类型可显著影响PM_2.5的污染浓度,研究两者间的关系,对于大气污染治理具有重要意义。目前现有研究大多基于回归模型分析土地利用类型,在年尺度上对PM_2.5的固定影响,而土地利用类型与PM_2.5之间关系复杂,且在不同季节影响力度也不尽相同。基于此,利用增强回归树定量化探讨了不同季节土地利用类型对PM_2.5浓度影响的贡献率,结果表明:土地利用类型在不同季节中对PM_2.5浓度影响存在显著差异,春、夏、秋、冬四季的主导因素分别为支路（27.37%）、次干路（19.17%）、植被覆盖面（37.23%）、建设用地（86.37%）。此外,根据不同季节各土地利用类型对PM_2.5的影响力变化曲线,提供了在优化绿化建设布局和加强交通管控力度两方面的量化指标,可为潍坊市PM_2.5污染治理提供规划参考。