淮河流域PM_(2.5)和PM_(10)比率的时空变化

运用Theil-Sen斜率估计法和Mann-Kendall趋势检验法求出淮河流域23个监测点PM_(2.5)与PM_(10)的变化规律,结果表明,17个地区的空气质量有所改善。与不同气象指标的相关分析表明,空气中PM_(2.5)、PM_(10)的含量与降水量、湿度和温度呈负相关关系,与气压和风速呈正相关关系。夏季空气中悬浮物质含量较低,表明降雨在净化空气中起主导作用。与空气中次生气溶胶的相关分析结果表明,淮河流域空气中的悬浮物质主要来源于煤炭燃烧和交通运输。     

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。     

多时间尺度的秦岭南北城市PM_(10)和PM_(2.5)变化特征分析

基于454d PM_(10)、PM_(2.5)质量浓度小时数据,分析不同时间尺度下西安市和安康市PM_(10)、PM_(2.5)变化规律。结果表明:(1)西安市和安康市PM_(10)、PM_(2.5)日均浓度均呈宽"U"字型变化趋势,秋冬季污染重于夏秋季,西安市污染重于同期安康市。(2)经小波分析发现,西安市在2017年供暖期内PM_(10)、PM_(2.5)浓度小波周期与同期安康市基本相同,经济结构差异和自然条件差异对PM_(10)、PM_(2.5)时间周期无显著影响。(3)城市自然、经济和供暖条件引起西安市和安康市PM_(10)、PM_(2.5)小时浓度变化趋势差异。     

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。     

博乐市空气质量时空变化特征分析

以2001—2008年博乐市空气污染物的监测数据和统计年鉴资料为依据,对其平均浓度的时空变化特征进行分析。结果表明:博乐市空气总体良好,博乐市空气污染物的时空变化特征比较明显,SO2、NO2月变化曲线呈"U"字型,且冬春季节重于夏秋季节,这主要是由冬季取暖和不利气象条件造成的。2006年以来,博乐市TSP浓度呈现明显的空间转化特征,文教区的浓度略高于混合区,应引起环保部门的重视。     

北京市城区PM_(2.5)浓度分布及影响因素研究

对2015年4月1日至2016年3月31日期间北京市城区PM_(2.5)的日均浓度变化及天气影响因素进行了研究。研究结果表明PM_(2.5)的日均浓度变化幅度较大,且在秋冬季节明显高于春夏季节;PM_(2.5)日均浓度统计结果的概率密度呈对数形式分布;由于北京市城区的地理位置原因,导致东南风向时城区PM_(2.5)浓度普遍偏高;而温度与PM_(2.5)浓度无明显相关性。     

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。     

昆山市高新区PM_(2.5)元素特征分析及健康风险评价

对昆山市高新区大气PM_(2.5)颗粒物和元素污染浓度进行同步监测,以元素为污染物示踪因子进行污染源特征分析,并通过健康风险评价模型对该地区颗粒物重金属元素进行评价。实验结果表明,在监测期间该区域PM_(2.5)污染程度不大,平均质量浓度达57.90μg/m~3;通过主成分分析对PM_(2.5)中元素进行分析,发现其主要来源分为混凝土搅拌及道路扬尘污染,电子产品及机械制造污染和燃煤燃烧污染等3个组分,电子产品及机械制造引起的污染是昆山高新区PM_(2.5)的主要来源;健康风险评价结果显示,昆山市高新区颗粒物中单种重金属元素通过呼吸途径对暴露人群的年均超额危险度在5.46E7~5.68E12之间,低于人群可接受的危险度水平10E6。     

南京市PM_(2.5)中重金属污染特征分析及健康风险评价

自2013年12月至2014年11月,采集了南京市大气颗粒物PM_(2.5)样品共计56个,分析了As、Cd、Cr、Ni、Pb、Zn、Cu和Mn这8种重金属元素的含量及污染特征,并应用美国环保局推荐的健康风险评价模型,对其通过呼吸途径引起的人体健康风险进行了初步评价。结果表明,南京市大气PM_(2.5)质量浓度呈现明显季节特征,冬季秋季春季夏季,全年均值为86μg/m3,超我国年均二级标准的1.4倍。PM_(2.5)中8种元素浓度排序为:ZnPbMnCuCrAsNiCd,As均值超标77%,其他未超。4种致癌重金属(As、Cd、Cr、Ni)及4种非致癌重金属(Pb、Zn、Cu、Mn)中,Cr对人体健康具有很高的潜在性危害,其他7种重金属的风险可忽略,不会对暴露人群构成明显的危害。     

南昌市环境空气PM_(2.5)化学组分的时空分布特征

2015年在南昌市6个国控点分四个季度采集了大气PM_(2.5)样品,分析了其主要化学组分,并对PM_(2.5)质量浓度进行了重构。结果表明:南昌市PM_(2.5)的主要化学组分为SO_4~(2-)、OC、NO_3~-、NH_4~+和EC,占比具有明显的时空变化特征,硫酸盐在第二、三季度最大,硝酸盐在第一、四季度最大,SO_4~(2-)和NH_4~+在石化点位最高,NO_3~-在京东镇政府点位最高,OC和EC在省外办点位最高;重构后,南昌市PM_(2.5)以硫酸盐、有机物、地壳类物质为主,说明2015年南昌市扬尘和二次硫酸盐源类对PM_(2.5)的贡献可能是主要的。     

济南市环境空气中PM_(2.5)的碳组成与特征分析

对济南市环境空气中PM2.5中碳组分污染特征的研究结果表明,济南市环境空气细颗粒物中碳主要以有机碳(OC)和元素碳(EC)的形式存在,二者浓度以冬季最高,且变化趋势相同;OC占总碳比例较高;冬季二次有机气溶胶(SOC)浓度最高,与污染源排放及气象条件有关。     

基于不同的神经网络模型PM_(2.5)浓度预测对比

近年来,以PM_(2.5)为主要污染物的重霾污染事件频频发生,给国民经济及居民健康造成了严重威胁。本文采用BP、RBF及Elman神经网络分别建立预测模型,并以青海省某工业园区某监测站监测的数据为实例对预测模型进行了具体的应用。结果表明:BP神经网络、RBF神经网络及Elman神经网络都可以有效预测PM_(2.5)浓度,但是BP神经网络预测模型预测误差要小于RBF神经网络模型及Elman神经网络模型,具有更高的稳定性和准确定。     

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。     

成都市重污染期间PM_(2.5)中水溶性离子特征分析

为了解成都市冬季重污染过程中细颗粒物的水溶性无机离子污染特征,对一次重污染过程进行分析。此次重污染过程中,二次离子NO_3~-、SO_4~(2-)、NH_4~+是PM_(2.5)中主要的水溶性无机离子,且质量浓度大小为NO_3~-SO_4~(2-)NH_4~+,NO_3~-是首要离子;成都市PM_(2.5)中的阴阳离子基本达到了电荷平衡(C/A值为1.03),呈中性;NH_4~+/SO_4~(2-)比值为0.90,SO_4~(2-)和NO_3~-主要以(NH_4)_2SO_4和NH_4NO_3形式存在,([NO_3~-]+2[SO_4~(2-)])/[NH_4~+]比值小于1,说明此过程中为富氨;重污染期间,SOR和NOR平均值分别为0.46和0.26,与清洁天气相比二次转化更为明显,且硫氧化率大于氮氧化率;NO_3~-/SO_4~(2-)比值为1.49,说明重污染期间研究点处移动源已成为细颗粒物的重要来源。     

成都市春节期间PM_(2.5)中水溶性离子的污染特征分析

采用在线监测仪器对成都市春节期间大气中的PM_(2.5)及PM_(2.5)中的水溶性无机离子浓度进行了连续观测。结果表明:春节期间NO-3、SO2-4、NH+4是PM_(2.5)中水溶性离子的主要组成部分;烟花爆竹的集中燃放使PM_(2.5)的浓度短时间内迅速升高,同时PM_(2.5)中的SO2-4、K~+、Mg2+、Cl-的浓度亦显著升高,最大值分别为28.74μg/m3、33.40μg/m3、3.01μg/m3、23.53μg/m3,是基本无烟花爆竹燃放时段的2.90倍、303.6倍、376.2倍和13.8倍;相关性分析表明,春节期间PM_(2.5)中的K~+、Mg2+、Cl-可能有相同的来源,即烟花爆竹的燃放,部分SO2-4还可能以硫酸钾、硫酸镁的形式存在。     

黄河流域城市PM_(2.5)时空异质及空间溢出效应研究北大核心

选择2000—2020年黄河流域69个地级市PM_(2.5)浓度相关监测数据,采用空间自相关模型和空间回归模型对流域PM_(2.5)污染时空特征和空间溢出效应进行分析。结果表明:①2000—2020年黄河流域城市年度PM_(2.5)浓度值呈“先升后降”的趋势,黄河流域PM_(2.5)污染呈“先恶化、后改善”的趋势。②黄河流域PM_(2.5)浓度年度均值为52.99μg/m^(3),其中,上游、中游和下游PM_(2.5)浓度年度均值分别为39.35μg/m^(3)、54.65μg/m^(3)、72.53μg/m^(3),表明黄河流域PM_(2.5)污染水平地理梯度分布呈“上游<中游<下游”的态势。③黄河流域PM_(2.5)污染具有显著的空间自相关性和空间聚集特征,下游已形成较为稳定的大气污染区,但流域PM_(2.5)污染水平空间极化程度不断降低,空气质量朝着空间均衡方向不断改善。④黄河流域城市PM_(2.5)污染空间溢出效应明显,年均气温、人口密度、工业化程度、人均GDP等因素与城市PM_(2.5)污染水平呈正向相关性,降水量、年均风速、植被覆盖度等因素与城市PM_(2.5)污染水平之间呈负向相关性。     

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。     

气象因素对长沙市PM_(2.5)周期性变化规律的影响分析

以长沙市10个城市环境空气自动监测站点2013年的历史监测数据为基础,分析了PM2.5质量浓度的周期性变化规律,并采用非参数分析(Pearson相关性)法,研究了气象因素对长沙市PM2.5质量浓度周期性变化的影响。结果表明,PM2.5日均质量浓度在不同季节的绝对值和变化周期都相差很大。总体上,PM2.5在冬季的浓度高于夏季;PM2.5质量浓度的变化周期在3~8d。在2013年4个典型月份内,温度和风速与PM2.5质量浓度负相关,而湿度和气压与PM2.5质量浓度正相关,相关系数分别为-0.573、-0.395、0.519和0.440。PM2.5周期性变化与区域内大气环境容量相关,而大风、降雨等强对流天气是终结PM2.5变化周期的主要环境因素。     

四川省近15年以来PM_(2.5)的时空分布特征及原因分析

近年来,PM_(2.5)成为大家关注的重点,四川省是中国PM_(2.5)高浓度的分布地区之一。利用四川省2000~2014年近15年的PM_(2.5)年均浓度反演数据,按照2005年WHO对PM_(2.5)的划分标准,采用10μg/m3、15μg/m3、25μg/m3、35μg/m3四个断点将其分为5类。以此为基础分析了四川省PM_(2.5)的时空分布特征及影响因素。研究结果表明:(1)东部地区PM_(2.5)浓度明显大于西部,2010~2014年四川省PM_(2.5)年均浓度呈下降趋势;(2)PM_(2.5)类型以污染最严重的第五类为核心呈半环状向西递减,2010~2014年第五类所占比例波动降低;(3)成都市、眉山市等地区PM_(2.5)浓度较高,2014年PM_(2.5)年均浓度降低;(4)自然因子、不透水地表、产业结构变化、大气污染防治政策等是影响PM_(2.5)浓度变化的重要因素。     

湿式电除尘器对PM_(2.5)的治理效果及应用前景

作为大气复合污染物控制有效治理技术装备,湿式电除尘器在治理PM2.5(细颗粒物)、酸雾、气溶胶、亚微米颗粒物、汞、重金属及二英等污染物方面具有广泛的应用前景。文章论述了湿式电除尘器的工作原理、主体结构及主要技术特点,探讨了湿式电除尘器的应用前景。