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。     

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%。     

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。     

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。     

气象因素对成都市主要大气污染物影响的非参数分析

通过获取2014年成都市大气污染物和气象因素的在线监测数据,分析大气污染物的时间变化规律,并采用Spearman秩相关系数来分析污染物逐日浓度和气象因素的相关性。结果显示,SO_2、NO_2、CO、PM_(10)和PM_(2.5)夏季浓度最低,冬季最高,O_3则夏季最高,冬季最低;受秸秆露天焚烧影响,5月各污染物浓度均出现一个小高峰。温度和风速均与O_3显著正相关,与其他污染物显著负相关;大气压则相反;相对湿度与各污染物均显著负相关,但在严重污染时与颗粒物显著正相关。     

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。     

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。     

2015-2020年昌吉市PM_(2.5)污染时空分布特征

以新疆"乌—昌—石"重点城市之一的昌吉市作为研究对象,收集2015～2020年昌吉市空气质量自动监测站点的PM_(2.5)浓度数据,分析昌吉市PM_(2.5)浓度的年变化、季节变化、月、日以及小时变化特征及其变化规律。结果表明:近6年来昌吉市PM_(2.5)浓度均超过二级标准限值浓度,且PM_(2.5)平均浓度整体呈上升趋势;不同季节PM_(2.5)浓度呈春夏季低、秋冬季高的特点;受冬季气象条件和采暖期影响,PM_(2.5)浓度在11月至次年3月相对较高,4～10月相对较低;PM_(2.5) 24小时浓度在不同月份呈现不同的日变化规律。PM_(2.5)浓度时空分布与气象条件、采暖季、汽车尾气、工业排放等因素有关,且是影响空气质量等级和优良天数的主要因素。研究结果可为昌吉市PM_(2.5)污染防治提供参考。     

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。     

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。     

乌兰县近35年气候变化及对生态环境的可能影响分析

利用乌兰气象观测站1981~2015年气温、降水资料,运用气候诊断分析方法,分析近35年来乌兰气温、降水变化特征。结果表明:1981~2015年间乌兰气温存在变暖趋势,年气候倾向率为0.363℃/10a;春、夏、秋、冬四个季节的气候倾向率为0.3℃/10a(秋季)~0.5℃/10a(春季)。春季增温最为明显,冬季和夏季增温较为明显,秋季增温较缓;年平均气温在1996~1997年间发生突变。年降水量主要集中在5~9月份,此时降水量(172.0mm)占年降水量(194.1mm)的88.61%,其余月份的降水量(22.1mm)仅占年降水量的11.39%。1982~1985年、1990~2003年出现降水连续偏少年份,2004~2012年为降水持续偏多年份。从20世纪80年代起,乌兰降水呈现出增多趋势,但突变检验表明:降水虽有增加趋势,但未发生突变性增加。平均气温的增加趋势,在一定程度上能够有效扩大农作物种植面积,延长农作物生长季节,增加农作物品种和产量,提高农作物品质,但也可能会增加干旱、洪涝、冰雹、雷电、雪灾等农牧业气象灾害出现机率。     

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。     

基于颗粒物激光雷达的南充市一次沙尘污染过程分析

利用环境空气颗粒物自动监测数据、近地面气象数据和颗粒物激光雷达资料对南充市主城区2016年5月12日的沙尘气溶胶污染天气过程进行分析,并利用HYSPLIT模式对沙尘气溶胶的来源进行了模拟分析。结果表明:来自新疆盆地的沙尘气溶胶经高空远距离输送到达四川盆地上空后沉降造成南充市主城区的PM_(10)和PM_(2.5)浓度极显著升高,PM_(2.5)/PM_(10)值极显著降低;沙尘天气过程中,风速、气温、相对湿度、气压、能见度和大气边界层高度等气象因子发生变化并对环境空气中颗粒物浓度产生影响,其中风速与PM_(2.5)和PM_(10)浓度间显著正相关,与PM_(2.5)/PM_(10)值间显著负相关;颗粒物激光雷达连续监测到整个沙尘气溶胶沉降过程,与地面环境空气自动监测数据变化趋势一致。在对盆地城市沙尘天气的环境空气质量进行预警预报时,将历史环境空气质量自动监测数据与常规气象因子数据、颗粒物雷达资料和后向轨迹等资料进行综合分析,能进一步提高沙尘天气条件下的空气质量预警预报准确度。     

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。     

南宁市秋、冬季大气PM_(2.5)中有机碳、无机碳污染特征研究分析

为掌握南宁市大气细颗粒物(PM_(2.5))碳组分的污染特征和来源特点。在秋、冬季两季期间分别采集南宁市大气PM_(2.5)样品,分析有机碳(OC)和元素碳(EC),并采用示踪法初步追溯其来源。结果表明,南宁市秋季大气PM_(2.5)中OC和EC质量浓度均值分别为9. 66和2. 12μg/m~3;冬季均值分别为15. 80和3. 05μg/m~3,秋季较冬季低。秋、冬季PM_(2.5)中OC/EC分别为4. 6和5. 2,表明存在二次有机碳(SOC),经估算,秋、冬季SOC分别为6. 16和10. 97μg/m~3,分别占OC的62. 3%和66. 6%。利用碳组分丰度对碳组分分析结果表明,PM_(2.5)主要来源是机动车尾气和燃煤,同时受甘蔗渣燃烧或生物质露天焚烧的影响。     

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。     

昌吉市典型区域PM_(2.5)中有机碳和元素碳污染特征分析

本研究分析PM_(2.5)中有机碳和元素碳的质量浓度变化特征,对昌吉市典型区域昌吉州环保局2016-01月至2017-01月采集的大气细颗粒物(PM_(2.5))样品,利用美国(Sunset Lab Inc)大气气溶胶元素碳与有机碳仪分析了其中的有机碳(OC)和元素碳(EC)浓度水平、污染特征及其可能来源,以期为深入了解昌吉市颗粒物污染现状,制定大气污染防治对策提供依据。结果表明:昌吉市OC和EC的质量浓度范围分别为0.13~46.71μg/m3和0.05~8.25μg/m~3,5月份质量浓度最小,EC的质量浓度月分布无明显变化,OC和EC最大浓度均出现在2月。OC的质量浓度季节变化特征呈现冬季秋季夏季春季;EC的质量浓度季节变化特征呈现冬季秋季夏季春季。在不同的季节,OC的浓度变化比较明显,EC排放相对稳定。对各季节OC、EC相关性分析中可以看出,昌吉市OC、EC相关性表现为夏季最强,春秋次之,表明昌吉市夏、春、秋OC、EC具有相似来源或大气扩散过程,主要来源于交通源机动车尾气的排放;冬季相关性较低,说明OC和EC来源复杂,冬季进入采暖期,采暖期燃煤燃气增加,排放量增大,排放源结构复杂,大气污染可能受多种源共同影响。     

高密市环境空气污染物浓度变化特征

基于2014—2018年高密市大气监测数据,分析了SO_2、NO_2、PM_(10)、PM_(2.5)浓度的变化特征及成因,对四项污染物及降雨量进行了相关性分析,利用GM(1,1)模型对高密市未来空气质量进行了预测。结果表明,2014—2018年高密市环境空气中SO_2、NO_2、PM_(10)、PM_(2.5)年际变化呈现出逐年下降趋势;污染物月均值变化均为冬春季浓度高,夏秋季浓度低;通过相关性分析发现,环保政策对高密市空气质量总体改善起到了决定性作用,自然地理因素对高密市大气污染物月均值的变化影响明显。     

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。     

降水对西宁市大气污染物浓度的影响分析

文章利用西宁市区2013~2014年逐日空气污染日平均浓度资料和日平均降水资料,分析了西宁市区大气污染物浓度的分布和不同等级降水对SO_2、NO_2、PM_(10)、PM_(2.5)污染物浓度的清除能力。结果表明,西宁市空气质量以二级为主,二级天数占样本总数的57.8%;西宁市大气中的首要污染物是PM_(10)和PM_(2.5);降雨、降雪对污染物浓度具有稀释作用;不同等级的降雪量对4种污染物的稀释作用不同,降雪量在0.5mm以下时对污染物浓度的清除作用较弱甚至出现反弹现象,降雪量≥5.0mm时对4种污染物的清除能力最强;降雨量越大,对各项污染物的清除作用越明显,日降水量≥10.0mm对4种污染物的清除率达到了29.54%~57.57%;清除能力表现为SO_2PM_(10)PM_(2.5)NO_2的特征;连续降雪比连续降雨更有利于空气质量的改善;降雨等级不同时,AQI指数级别不变的天数居于首位的均为PM10;降雪量为0.6~1.0mm、1.1~1.9mm、≥5.0mm时,AQI指数级别不变的天数居于首位的是PM2.5;无论降雪还是降雨,PM_(10)和PM_(2.5)级别下降天数明显大于上升天数,尤其以PM2.5明显。