鞍山大气颗粒物浓度的变化特征

利用鞍山大气成分监测站Grimm180观测的2007年颗粒物数浓度,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM_1.0)以及台站的常规气象观测资料,分析了该地区颗粒物数浓度的谱分布、质量浓度的变化特征及与气象条件的相关性. 结果表明:颗粒物数浓度谱分布符合Junge分布;参数υ与能见度呈负相关,υ值越大且PM0.45占PM₁₀的数浓度比例小于90%,能见度较差;颗粒物质量浓度日变化呈双峰特征,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM_1.0)之间有很好的相关性,ρ(PM_2.5)/ρ(PM₁₀₎平均值为0.654,ρ(PM_1.0)/ρ(PM_2.5)的平均值为0.832,ρ(PM_1.0)/ρ(PM₁₀₎平均值为0.545;鞍山地区年主导风向为SE,颗粒物质量浓度变化受辽宁沙尘移动路径的影响较小,主要受排放累积型污染影响,其中大雾天气条件下颗粒物质量浓度较高,大雾期间的回归方程截距较年平均回归方程的大,这对研究颗粒物质量浓度的突变特性具有指示作用.      

兰州市某城区冬夏季大气颗粒物及重金属的污染特征

在2010年7月与2011年1月,对兰州市西固区、榆中县的大气颗粒物(TSP、PM10、PM2.5)进行了采集,并对颗粒物浓度及不同粒径颗粒物上的重金属(Cd、Cr、Cu、Pb、Ni、Zn)含量进行了分析.结果显示,夏季TSP的浓度均值均未超过国家标准值,而冬季只有研究区均值超过国家标准值,超标倍数为0.36倍;研究区PM10冬、夏季浓度均值皆高于国家标准值,超标倍数分别为1.18和0.19倍,而在对照区只有冬季均值超过了标准值,超标倍数为0.05倍;冬季PM2.5的浓度均值在研究区和对照区均超过参考标准值,超标倍数分别为1.94倍和1.0倍,而夏季浓度均值只在研究区超标,超标倍数为0.31倍.颗粒物TSP、PM10及PM2.5的浓度均值呈现的整体特点为冬季高于夏季,且研究区显著高于对照区.应用潜在生态风险指数法评价显示,大气颗粒物中重金属元素的生态危害顺序为:Cd>Cu>Ni>Zn>Pb>Cr,其中Cd的潜在生态危害程度为极强;多种重金属联合的生态风险指数显示,TSP、PM10、PM2.5的重金属生态风险程度均为极强,其中PM2.5的潜在生态风险指数最高.     

重庆市大气颗粒物污染特征及影响因素分析

利用重庆市17个大气自动站实时发布的数据,对PM_(2.5)与PM_(10)污染特征、变化规律与气象因子的相关性进行了分析。结果表明:2013年PM_(2.5)和PM_(10)的年均值分别为70,106μg/m3,均超过国家Ⅱ级标准。月均值、季均值变化明显,总体均呈两头高中间低的"U"型分布。2013年PM_(2.5)占PM_(10)的比例较大,均值为65.8%,PM_(2.5)和PM_(10)的Pearson相关系数为0.974,在0.01的置信水平上(双侧)显著相关。PM_(2.5)、PM_(10)的浓度与气温、大气压极显著相关;PM_(2.5)、PM_(10)的浓度与降雨量、日照时数(时)显著相关。     

2015年福州市大气颗粒物污染特征

为了解福州市大气颗粒物污染状况,利用中国环境监测总站发布的实时大气环境监测资料,结合气象资料和HYSPLIT4轨迹模式,分析了2015年福州市大气颗粒物污染特征和典型污染过程.结果表明:2015年福州市ρ（PM₁₀）、ρ（PM_2.5）年均值分别为55.8和29.2μg/m3,均低于GB 3095-2012《环境空气质量标准》二级标准限值.颗粒物浓度季节性变化特征明显,表现为冬春季高、夏秋季低的变化特征. ρ（PM_2.5）/ρ（PM₁₀）为52%,普遍低于我国东部其他大中城市;日际变化明显,受混合层高度日变化和机动车排放的影响,呈双峰形态. ρ（PM_2.5）/ρ（PM₁₀）日变化趋势与ρ（PM₁₀）日变化特征相反,即ρ（PM₁₀）高时ρ（PM_2.5）所占比例低,ρ（PM₁₀）低时ρ（PM_2.5）所占比例高,表明早晚高峰机动车排放所造成的颗粒物污染以粗颗粒物贡献为主.福州市颗粒物污染天气成因主要有"积累型"和"输送型"污染. 2015年1月5-6日发生的污染过程,是在一次静稳、高湿天气形势下,本地排放的污染物在不利于扩散的气象条件下聚集、二次转化,导致颗粒物浓度升高、能见度降低. 2015年1月17-19日的污染过程主要是北方污染物随冷空气输送南下,导致本地颗粒物浓度迅速升高、能见度迅速降低.研究显示,福州市PM₁₀和PM_2.5优良率较高,颗粒物污染主要发生于冬季,污染成因包括局地累积和区域输送.      

和田市大气颗粒物细菌群落结构及影响因素

文章采集极干旱区域和田市城区2020年1月(非沙尘)和2020年7月(沙尘)2个不同时期的可吸入颗粒物(PM_2.5和PM₁₀),并采用离子色谱法和高通量测序法分别分析可吸入颗粒物中水溶性离子和细菌群落组成。结果表明,和田市城区PM_2.5质量浓度越高,可吸入颗粒物中细菌丰富度和多样性越低,而PM₁₀质量浓度越高,可吸入颗粒物中细菌丰富度和多样性越高;变形菌门(PM_2.5：沙尘43.5%和非沙尘32.6%,PM₁₀：沙尘33.9%和非沙尘45.4%)和厚壁菌门(PM_2.5：沙尘22.7%和非沙尘28.5%,PM₁₀：沙尘23.8%和非沙尘17.3%)是大气颗粒物中最丰富的细菌,不动杆菌属(PM_2.5：沙尘16.2%和非沙尘7.2%,PM₁₀：沙尘9.2%和非沙尘13.9%)是大气颗粒物中优势细菌属。冗余分析结果显示,温度和Ca²⁺对细菌群落结构分布有较...     

2020年南通市大气颗粒物组分和污染特征分析

本次研究以南通市大气颗粒物组成和污染特征为研究对象,利用南通市大气超级站监测数据,分析了2020年南通市PM2.5和PM10浓度水平,时间变化特征和组分特征.结果表明,2020年南通市PM2.5和PM10年均质量浓度分别为34μg/m3和56μg/m3,具有明显的冬高夏低的特征,PM2.5/PM10呈现为冬季>夏季>春季≈秋季.PM2.5中含碳组分和水溶性阴阳离子高低顺序为:NO3->OC>SO2-4>NH4+>EC>Cl->K+>Na+>Ca2+>Mg2+.冬季OC、NH4+、SO2-4和NO3-浓度值显著高于其他三个季节,PM2.5中NO3-、OC、SO2-4和NH4+的占比分别为27.7％、15.4％、15.0％和14.2％.NO3-/SO2-4比值为1.9,表明受移动源影响较大;OC和EC浓度均为冬季最高,夏季最低,四季OC/EC介于3.2～4.6,表明南通全年均受二次有机碳(SOC)的影响,且主要受柴油、汽油车的尾气排放和燃煤排放影响.     

2014年宝鸡市大气颗粒物时空分布特征分析

基于2013年12月和2014年全年宝鸡市8个自动空气质量监测子站的PM_(10)和PM_(2.5)的监测数据,探讨PM_(10)和PM_(2.5)的时间分布特征和空间分布特征。结果表明:PM_(10)的日平均浓度为118.23μg/m~3,全年中PM_(10)超过二级标准的天数为80 d,超标率为22%;PM_(2.5)的日平均浓度为68.93μg/m~3,全年中PM_(2.5)超过二级标准的天数为92 d,超标率为25%;PM_(10)和PM_(2.5)的浓度有明显的季节差异。PM_(2.5)和PM_(10)浓度由高到低的季节依次是冬季、春季、秋季和夏季;不同的监测点位中,解放军第三陆军医院监测点位的PM_(10)和PM_(2.5)浓度对于宝鸡市大气颗粒物的污染贡献率相对其他点位较高,主要是其地理位置导致的。     

城市大气颗粒物毒性效应及机制的研究进展

大气颗粒物（PM）严重影响人体的健康,其与人类多种疾病的发生存在着明显的暴露-效应关系.本文简述了大气颗粒物的组分和来源,从大气颗粒物的呼吸系统毒性、心血管毒性、免疫毒性、神经毒性、遗传毒性等方面,系统地阐述了其对人体健康的危害,并对大气颗粒物的毒性机制进行了总结和讨论,指出了目前相关研究中存在的问题,展望了该领域的研究趋势,为后续研究和控制大气颗粒物的健康危害提供相应的科学参考依据.     

2009—2011年包头市大气中颗粒物浓度分析

本文通过对内蒙古包头市2009—2011年PM10浓度和TSP浓度的测定,分析了大气中颗粒物浓度的含量状况。结果表明：2009年3月到9月份之间,出现6次沙尘天气,并且颗粒物浓度超过大气空气质量三级标准,其中最严重的一次PM10浓度达到1．147mg／m^3。PM10浓度一天的变化中,在下午5时和晚间10时达到两个峰值,分别是1．608mg／m^3和1．882mg／m^3。2010年中十一月份的TSP日平均浓度较高,比八月份TSP浓度高7倍。2011年春季空气中颗粒物污染较重,在沙尘天气发生期间,颗粒物浓度含量较高     

北京夏末秋初不同天气形势对大气污染物浓度的影响

根据2007~2008年地面、850hPa和500hPa天气图,结合主要气象要素将夏末秋初(8月和9月)影响北京地区的主要天气系统分为高污染的积累天气型(包括槽前无降水、槽后脊前、脊、副高4种基本型)和清洁的清除天气型(包括槽或槽前有降水、槽后有降水或偏北风2种基本型).北京地区4站2007年在积累天气型控制时NOx、O3(日小时均值最大值)、PM2.5和PM10浓度分别为38.1×10-9(体积分数),115.2×10-9(体积分数),90.6μg/m3,212.5μg/m3,清除天气型控制时4种污染物浓度分别为36.3×10-9(体积分数),68.9×10-9(体积分数),39.3μg/m3,125.4μg/m3;2008年施行北京奥运空气质量保障措施期间,上述4种污染物在积累天气型控制时分别为19.3×10-9(体积分数),87.1×10-9(体积分数),66.3μg/m3,99.6μg/m3,清除天气型控制时分别为19.0×10-9(体积分数),62.5×10-9(体积分数),41.0μg/m3,65.2μg/m3;尽管施行了源减排措施,积累天气型控制时北京地区污染物浓度仍相对较高,因此需关注此天气形势下污染物的变化.     

降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

上海秋冬季PM2.5污染天气形势的客观分型研究

通过分析2013—2015年上海地面PM_(2.5)质量浓度观测资料,发现11、12、1月3个月对PM_(2.5)年总浓度的贡献达到36.4%,对总污染日数的贡献达到50.4%,对PM_(2.5)环境质量的影响最显著.采用T-mode斜交旋转分解方法(PCT),对2012—2015每年11月、12月和次年1月的海平面气压场和10 m风场进行大样本客观分型研究,揭示了4种秋冬季上海PM_(2.5)易污染的天气环流类型,分别为冷锋(Cw)、高压后部弱气压场(WGh)、高压前部弱气压场(WGl和WGf).对上海而言,冷锋、高后弱气压、高前弱气压分别表现为有利于上游污染输送、本地静稳累积、以及本地积累和上游输送相叠加的天气学特征.对比2个典型污染月(2013年1月和12月)和清洁月(2014年11月和2015年11月)的逐日分型结果发现,Cw环流控制下污染输送对秋冬季上海PM_(2.5)环境质量影响显著,高前弱气压的维持是导致上海3次连续重度污染的重要原因.     

邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

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.     

黄石市夏季昼间大气PM10与PM2.5中有机碳、元素碳污染特征

2012年7月,对黄石市城区夏季昼间大气颗粒物PM10与PM2.5样品进行采集,并用热/光反射法(TOR)分析其中的有机碳(OC)、元素碳(EC).结果显示,新老城区PM10中OC平均含量分别为14.60μg·m-3和18.70μg·m-3,EC平均含量分别为4.70μg·m-3和11.02μg·m-3;PM2.5中OC平均含量分别为11.89μg·m-3和13.66μg·m-3,EC平均含量分别为2.28μg·m-3和4.96μg·m-3.研究结果表明,夏季昼间黄石市新老城区大气PM10与PM2.5中碳组分浓度变化趋势相同,且老城区大气PM10、PM2.5中的OC和EC含量普遍要比新城区高,且PM10中OC、EC在总碳(TC)的质量分数均高于在PM2.5中,说明黄石市老城区碳污染状况较新城区要严重,其夏季昼间大气粗颗粒物中碳的含量更高.通过对OC/EC及8个碳组分进行探讨,发现黄石市大气颗粒物中OC易形成二次污染,而EC排放以烟炱为主,夏季燃煤和机动车尾气是黄石碳污染的重要污染源,生物质燃烧也具有一定影响.     

2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响

利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM₁₀、PM_2.5和PM₁的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM₁₀、PM_2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM_(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM_(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM₁的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别.     

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.     

交通与气象因子对不同粒径大气颗粒物的影响机制研究

为了研究北京市气象因子与车流量、车速等交通因子对PM2.5、PM10浓度水平的影响,在市区三环主路及居民区选取了28个采样点,采集滞尘量,PM2.5、PM10浓度、车速、车流量、温度、湿度、风速等数据.通过3个月的滞尘质量分析,得出交通源对空气质量的影响是显著的,其中三环主道路两侧采样点和远离交通源对照点滞尘均值分别为0.284 g和0.016 g.再由道路口与居民区对比实验(局部实验)得出,居民区采样点测得的PM2.5和PM10浓度均低于道路口颗粒物浓度,差值均值分别为101 074 n·(cf)-1和15 386 n·(cf)-1,同时PM2.5白天浓度一般低于夜间.最后结合最佳子集预测模型分析得出,PM2.5和PM10受到湿度和温度的影响最大,车速、车流量、风速次之,其中车速、车流量、低风速对颗粒物PM2.5的影响比对PM10的影响更为显著.     

基于K-means聚类分析法的肇庆市干季PM2.5污染天气分型研究

通过分析肇庆市2013—2018年国控大气环境监测站的PM_(2.5)连续监测数据,发现肇庆市区PM_(2.5)浓度在干季(10月—次年4月)明显高于其余月份,轻度以上污染基本发生在干季,且PM_(2.5)浓度对年总浓度贡献达70.8%.基于Era-interim再分析资料采用K-means聚类分析法对2013—2018年干季逐日的海平面气压和10 m水平风进行分型,揭示了肇庆市易出现PM_(2.5)污染的6种大气环流形势,包括冷锋前部(CF)、变性高压脊(THR)、脊后槽前型(BRFT)、高压底后部(HSW)、弱冷高压脊(HR)和台风外围型(TP).2013—2016年易污染天气型影响天数呈明显减少趋势,2017—2018年呈增加趋势.不同天气型PM_(2.5)浓度与局地气象要素相关性不一致,其中CF、HR、HSW、TP天气型与湿度相关性最好,THR与风速、BRFT与气压相关性最好.PM_(2.5)污染除BRFT天气型主要以本地排放累积影响为主,其余易污染天气型存在不同尺度的外来输送影响,HSW、HR主要来自广州、清远、韶关, CF主要来自佛山、中山,THR来自广州、清远、佛山.同一污染天气型在不同月份的污染影响差异较大,其中HSW、THR污染型主要影响1月和10月,CF为1月和12月,HR为2月和12月,TP为10月,BRFT为1月和10—11月.不同年份的同一月份造成不同程度的PM_(2.5)污染除了排放影响,还与天气环流类型和同一天气型下的局地气象要素密切相关.     

WRF-Chem模式降水对上海PM2.5预报的影响

为探讨降水预报准确性对细颗粒物(PM_(2.5))数值预报效果的影响,利用基于WRF-Chem模式构建的华东区域大气环境数值预报系统在2015年1月1日—2016年12月31日期间的业务预报结果,分析了该系统对上海降水和PM_(2.5)的预报能力,探讨了其在不同降水预报准确性下的PM_(2.5)预报效果差异.结果表明,华东区域大气环境数值预报系统对上海的降水和PM_(2.5)都有良好的预报水平,2年平均偏差小于5%;正确预报、空报和漏报较明显降水及准确预报无降水日情况下的PM_(2.5)预报效果差异显著,正确预报降水时有较明显偏高且高估程度随降水的增强而增大,无降水时偏低;正确预报降水时PM_(2.5)预报效果相对较差,其他情况接近.模式湿沉降方案存在不足,需要进一步完善,同时也需要提升模式的降水等气象条件预报能力.