成都市城区大气污染特征及其假日效应研究

对成都市城区O_3、SO_2、NO_X、CO、PM_(2.5)、PM_(10)、苯和甲苯进行了为期一年的在线观测。结果表明:成都市超标最严重的为NO_X,年平均质量浓度为(100. 9±61. 5)μg/m3,超标天数为119 d。PM_(2.5)、PM_(10)、CO和NO_X的浓度均为冬季最高; O_3春夏季高而冬季低; SO_2浓度冬季相对较高但总体水平较低。春、夏、秋季成都市大气中苯系物的主要来源为机动车,冬季则是机动车源和燃烧源的综合贡献。O_3日变化呈"单峰型"; NO、苯和甲苯都在上午出现峰值; NO_2与PM_(10)、PM_(2.5)均呈现出"双峰双谷"型日变化; CO也为双峰型日变化。各大气污染物浓度没有明显"周末效应",但"长假效应"显著。     

香港地区不同类型站点大气污染变化特征对比研究

选取香港环境保护署设立的5个代表性站点(可归类为路边站、一般站及背景站)2016年的监测结果,对获取的各类污染物(PM_(2.5)、PM_(10)、NO_2、NO_X、SO_2、O_3)浓度变化特征进行对比研究,结果表明:(1)三类站点颗粒物及SO_2浓度年均值差异较小,体现了其区域性的污染特性,NO_2与NO_X年均值均为路边站一般站背景站,而O_3则相反,路边站最低而背景站最高;(2)各类站点PM_(2.5)与PM_(10)季节差异表现为夏季最低而冬季最高,O_3最低值也出现在夏季;(3)三类站点大气污染物日变化特征差异显著,路边和一般站NO_2与NO_X日变化表现为"早晚双峰"型,背景站变化幅度较小;路边站、一般站颗粒物日变化表现为单峰型,峰值出现在晚间22∶00,背景站变化幅度较小;O_3在路边站和一般站呈现双峰型变化,而在背景站为单峰型,峰值出现在下午15∶00左右;(4)所有站点PM_(2.5)、NO_X及O_3"假日效应"明显,具体表现为:PM_(2.5)和O_3浓度在假日全天浓度高于工作日;路边站和一般站的NO_X浓度在假日0∶00~8∶00时段高于工作日,其余时间均低于工作日。     

我国部分地区大气污染现状及其分布特征

收集2014—2016年我国部分地区环保部常规监测的6项大气污染物浓度,重点分析了我国东北、华北、华东、华中、西部地区经济快速发展城市空气污染的状况及分布特征。结果表明:除O_3外,其余污染物浓度均下降,SO_2二级达标率持续上升。各污染物区域性分布显著,北方比南方污染重。东部O_3污染严重;PM_(10)、CO浓度在华北地区最高;SO_2浓度在东北、华北最高;PM_(2.5)、NO_2浓度在华中、华北最高。华北地区大气污染严重,华东PM及SO_2污染最轻。     

NAQPMS模型预报合肥、蚌埠和芜湖空气质量的效果评估

评估了NAQPMS模式预报的合肥、蚌埠和芜湖2017年3月1日—2018年2月28日PM_(2.5)、PM_(10)和O_3地面浓度及预报准确率,发现模式对物种的预报能力依次为:O_3 PM_(2.5)PM10;对城市的预报能力依次为:合肥芜湖蚌埠。模式对PM_(2.5)和PM_(10)的预报能力在春季较弱,对O_3的预报全年均较强。整体而言,评估地区的空气质量以优良为主,等级准确率在秋季最高,冬季最低,年均值为69%;首要污染物以PM_(2.5)、O_3、PM_(10)和NO_2为主,其准确率在冬季最高,春季最低,年均值为62%。     

秦皇岛空气污染特征及其与气象因素的关系

利用国控站点空气监测数据和气象数据,对2016年秦皇岛市空气污染特征及其与气象因素的关系进行了分析。结果表明:2016年秦皇岛市NO_2、PM_(10)和PM_(2.5)浓度未达到国家二级标准限值,污染物浓度季节变化规律明显,SO_2峰值出现在1月,O_3峰值出现在5月,PM_(10)、PM_(2.5)、NO_2和CO浓度峰值均出现在12月。污染物在西南偏西风时污染程度较高。PM_(10)、PM_(2.5)、SO_2、CO浓度受风速影响较小,NO_2、O_3浓度受风速影响较大。颗粒物浓度受湿度影响较大,随湿度增加而增大。     

气象因素对长沙颗粒物浓度影响的季节性差异分析

利用回归分析和相关性分析研究气象因素对长沙PM_(2.5)、PM_(10)浓度影响的季节性差异。研究表明:(1)春季,与PM_(2.5)、PM_(10)浓度相关系数最大的气象因子分别为日降水量、日最高气温;夏季均为日最大风速;秋季均为日平均相对湿度;冬季为日降水量、日最高气温。(2)秋季气象因素与PM_(2.5)多元回归分析R~2(P0.01)最大,为0.269;春季次之,R~2为0.159;春、冬季较低,R~20.1;秋季气象因素与PM_(10)多元回归分析R~2(P0.01)最大,为0.572;春、夏、秋季,R~2分别为0.258、0.265、0.252。本结果揭示了不同季节气象条件影响PM_(2.5)、PM_(10)浓度的差异程度,利于提高城市PM10、PM_(2.5)预测的精度水平。     

济南夏季降水过程对大气污染物的影响

利用2016年6月—9月济南大气污染物连续监测数据和同期的降水数据,分析了夏季降水对大气污染物的清除效果。结果表明,降水对大气污染物的清除效率,最高的是PM_(10),PM_(2.5)、SO_2、NO_2次之,对O_3的清除效率最低。降水对颗粒物的清除效率高于对气态污染物的清除效率,两者的降水清除机制不同。降水量大于5 mm时,降水对污染物有一定的清除效果,且清除效果随雨量增大而增大。降水时长为10~15 h时,降水事件对大气污染物的清除效率最高。     

克拉玛依市PM_(2.5)污染特征分析

对克拉玛依市2014-2015年PM_(2.5)质量浓度进行整理统计,通过Arc GIS空间插值和EXCEL数理统计分析得出PM_(2.5)的质量浓度变化特征。结果表明,PM_(2.5)各小时浓度均低于国家二级标准,整体空气质量为良;PM_(2.5)季节浓度呈现冬季高,春夏低的规律,其中2月份浓度最高,为63.7μg/m3,4月份最低为23.6μg/m3;各监测站PM_(2.5)浓度受盛行风影响自西北向东南方向递增,依次为南林小区、长征新村、白碱滩区、独山子区、乌尔禾区商贸区;PM_(2.5)与PM10全年平均比值为0.53,整体空气污染较重。此外,PM_(2.5)与NO_2和SO_2均呈正相关,与O_3呈负相关性,说明汽车尾气和化石燃料排放是PM_(2.5)的主要来源。     

兰州市冬季采暖对空气质量影响的断点分析

基于2015—2018年兰州市空气质量及气象数据,采用断点回归方法估计冬季采暖事件对空气质量污染物浓度的处置效应,借此研究兰州市煤改气、煤改电等政策实施之后,采暖前后空气质量指数及6项污染物的结构性变化。3 a采暖期对比分析结果显示:冬季采暖效应显著增加了空气质量污染程度,在样本平均水平上相当于使AQI增加了约31.35%;PM_(2.5)和PM_(10)在断点两侧提升约52.08%、44.56%;O_3无明显规律,PM_(2.5)、PM_(10)的增加间接导致浓度下降。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。     

乌鲁木齐空气质量指数特征及其与气象要素相关性分析

利用2018年3月至2019年2月乌鲁木齐市空气质量指数(AQI)和同期6种主要空气污染物(PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_3)以及气象要素数据,研究空气质量指数的变化特征,并分析其与6种主要空气污染物浓度及气象要素的相关性,为乌鲁木齐市大气污染与气象要素相关性研究提供一定的数据支撑。结果表明:乌鲁木齐市首要污染物最多的是PM_(2.5),其次是PM_(10)、NO_2和O_3,AQI指数与PM_(2.5)、PM_(10)、NO_2、SO_2、CO均呈高度相关,与O_3呈中度相关;空气质量指数与平均气温以及能见度具有显著的负相关性(p0.01),而与平均本站气压、平均相对湿度、平均风速、日照时数的相关性均不显著(p0.01)。     

新疆“乌-昌-石”区域空气质量变化特征分析

《自治区打赢蓝天保卫战三年行动计划(2018-2020)》将"乌-昌-石"重点区域作为主战场,其空气质量受到广泛关注。通过收集2018～2020年"乌-昌-石"区域空气质量数据,分析区域及所辖城市主要大气污染物浓度的时空分布特征和变化趋势。结果显示:2018～2020年"乌-昌-石"区域空气污染具有明显的时间和空间分布特征。2018～2020年"乌-昌-石"区域污染物PM_(10)、PM_(2.5)、NO_2和SO_2的年均浓度呈波动下降的趋势,CO和O_3的年均浓度呈小幅度波动上升的趋势;优良天数比例呈波动上升趋势。6种污染物质量浓度年内分布特征为单峰型分布,PM_(2.5)、PM_(10)、SO_2、NO_2、CO峰值在1～2月,O_3峰值在7月;五个地区的优良天数比例年内变化规律基本一致,均呈现倒"U"型曲线,1～2月污染最重,优良天数比例为22.60%～21.40%,12月次之,为38.70%。PM_(2.5)质量浓度在空间分布上呈现阜康最高、乌鲁木齐市最低,NO_2质量浓度分布为乌鲁木齐市最高、昌吉市和石河子市较高、其余地区较低,O_3质量浓度最大的地区为石河子市、其余地区均较低。     

基于支持向量机和树叶磁学的大气颗粒物浓度模拟

在南京市仙林地区采集桂花、雪松及女贞树叶,测试其磁学参数,分析大气颗粒物浓度与树叶磁学参数、气象数据的相互关系,使用支持向量机方法构建大气颗粒物磁学评估模型。结果显示,雪松树叶的质量磁化率(χ)、饱和等温剩磁(SIRM)和非磁滞剩磁(ARM)值最高。3种树叶在夏季和秋季富集了相对较多的细磁畴磁性颗粒物,而在春季和冬季富集了相对较多的粗磁畴磁性颗粒物。PM_(10)和PM_(2.5)浓度与风速、温度和湿度之间显著负相关,与大气压显著正相关;与3种树叶的磁学参数显著正相关,且与χ和SIRM的相关性高于ARM,其中与桂花树叶χ、SIRM的相关系数均高于0.560。将"树叶磁学参数+气象数据"作为输入因子的支持向量机模型对PM_(2.5)浓度的模拟效果较好,将"树叶磁学参数"作为输入因子的模型对PM_(10)浓度的模拟效果较好,模型误差都在可接受范围内。     

长沙市空气质量变化特征及气象要素影响分析

利用2015—2018年长沙市连续在线观测得到的环境空气6项污染物质量浓度和同期的气象要素数据,分析空气质量变化特征及其与气象要素的关系。结果表明:长沙市空气质量正逐年好转,且具有明显的季节特征,呈春夏季较好、冬秋季较差的特征;影响长沙市空气质量最主要的首要污染物为PM_(2.5),其次为O_3,且以PM_(2.5)为首要污染物的天数逐年减少,以O_3为首要污染物的天数逐年增加。PM_(2.5)、PM_(10)、NO_2、SO_2、CO浓度的季节变化特征都是夏低冬高,但O_3浓度的季节变化却是夏高冬低。各项污染物浓度与同期5种气象要素的相关性分析结果表明:各项污染物浓度与气压、气温、降水量、风速相关程度较高,其中,O_3与气象要素的相关性与另外5种污染物的相关性完全相反。     

2015～2019年云南省城市空气质量特征及影响因素研究

利用2015～2019年云南省16个州市29188个空气质量日报数据进行数理统计,采用克里金插值法及Daniel趋势检验法分析AQI (空气质量指数)及主要污染物浓度的时空变化特征,探讨近5年云南省城市空气质量时空变化特征及其影响因素。结果表明:(1) 2015～2019年云南省SO_2、PM_(2.5、)PM_(10)浓度呈下降趋势,NO_2浓度保持基本稳定,O_3浓度呈显著上升趋势,各年间空气质量综合指数值波动较小,且逐年改善。(2) 2019年O_3-8h作为超标污染物占比达57.52%。云南省PM_(2.5)年均值相对较高区域面积略有减少,O_3年均值相对较高区域面积显著增加。(3)云南省PM_(2.5)与PM_(10)月均值呈现冬春高夏秋低的变化规律,O_3月均值为春季单峰高值,SO_2月均值整体趋势平稳变化幅度不大。(4)云南省AQI值及平均能见度和平均降水量呈显著负相关(P0.01),AQI值与平均气温及平均风速不存在显著相关性。研究显示云南省空气质量优良逐年改善,污染类型由颗粒物污染转为以颗粒物和臭氧为特征的复合型污染。空气质量受气象条件影响,能源结构优化、污染物总量减排等措施对空气质量改善起到积极作用。     

潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

宜宾市大气细颗粒水溶性离子污染特征研究

在川南地区的宜宾市开展了大气细颗粒物(PM_(2.5))浓度及组分的季节观测分析,结果表明,采样点的PM_(2.5)年均浓度(51. 7μg/m~3)超过二级浓度限值47. 71%,同时全年有20. 94%的天数PM_(2.5)日均浓度超过二级浓度限值;冬季浓度最高、达81. 1μg/m~3,明显高于其他季节,夏季浓度最低。PM_(2.5)中水溶性无机离子浓度总和冬(42. 42μg/m~3)秋(32. 73μg/m~3)春(24. 57μg/m~3)夏(17. 0μg/m~3),但占PM_(2.5)浓度的百分比的季节规律则刚好与之相反,为夏(54. 19%)春(48. 1%)秋(46. 91%)冬(45. 45%);其中,SO_4~(2-)、NO_3~-和NH_4~+是PM_(2.5)中最主要的3种二次无机离子组分,三者浓度之和占PM_(2.5)的37. 47%。PM_(2.5)中SO_4~(2-)、NO_3~-和NH_4~+的浓度均为冬季高于其他季节,但NO_3~-/PM_(2.5)冬(12. 22%)秋(11. 53%)春(8. 14%)夏(5. 43%)、NH_4~+/PM_(2.5)秋(9. 85%)夏(9. 15%)春(8. 52%)冬(7. 61%)、SO_4~(2-)/PM_(2.5)夏(26. 3%)春(20. 75%)秋(15. 82%)冬(14. 61%)。四个季节SOR值均大于NOR值,SOR值季节变化差异不大,但NOR值冬季明显高于其他季节。PM_(2.5)中的SO_4~(2-)、NO_3~-和NH_4~+冬季以(NH_4)_2SO_4、NH_4NO_3的形式共存于气溶胶体系中,而夏季则主要以(NH_4)_2SO_4和NH_4HSO_4存在。     

济南市环境空气中臭氧浓度变化特征的城郊差异

为研究不同环境功能区臭氧(O_3)化学特征差异,于2016年分别在济南市工业区和城郊大气清洁区域开展了观测。结果表明,大气清洁点臭氧年均浓度远高于城区同期浓度。臭氧在大气清洁点呈现单峰型日变化规律,而在城区则为双峰型。一周之中,工作日时城区臭氧浓度比周末时更高,而大气清洁点的臭氧浓度变化不大。城郊区臭氧存在明显的季节变化规律,且两个监测点的浓度变化极为同步,均为夏季浓度最高,春秋季次之,冬季浓度最低。     

乌鲁木齐市大气PM_(2.5)中多环芳烃的健康风险评价

于2019年5月至12月在乌鲁木齐三个点位以每24 h为一个周期采集了97个大气PM_(2.5)样品,对其中的多环芳烃(PAHs)做出分析,结果表明:乌鲁木齐市城区大气PM_(2.5)中PAHs浓度范围处于中等偏低水平,工业区大气PM_(2.5)中PAHs浓度范围处于中等偏高水平。乌鲁木齐市城区大气PM_(2.5)中BaP浓度范围处于中等偏低水平,工业区大气PM_(2.5)中BaP浓度范围处于中等偏高水平。人群终身致癌超额危险度变化趋势与BaP_(eq)变化趋势一致,城市区和郊区均呈现出冬季秋季春季夏季的趋势,工业区呈现出冬季春季秋季夏季的趋势。成人日均暴露剂量和终身致癌超额危险度均高于儿童。乌鲁木齐市三个点位大气PM_(2.5)中PAHs可能对人类预期寿命损失影响分别为:成人0.60 min、0.18 min和2.78 min,儿童为0.39 min、0.81 min和0.12 min。     

济南市石化企业大气污染物周末效应研究

利用2016年6-9月石化企业周边大气污染物(PM_(2.5)、SO_2、O_3、NO、NO_2、CO)浓度的连续观测数据,研究了PM_(2.5)、SO_2、O_3的"周末效应"及出现的原因。结果显示,PM_(2.5)、SO_2存在工作日浓度明显高于周末浓度的"周末效应"现象。PM_(2.5)、SO_2的"周末效应"与人类活动强度在工作日较大有着密切关系。O_3的"周末效应"表现为:抑制阶段周末浓度较高,光化学生成和消耗阶段工作日浓度较高,可能的原因是在上述阶段周末NO浓度较低,而NO_2和CO浓度较高。