天津冬季PM2.5与PM10中有机碳、元素碳的污染特征

研究了天津冬季PM2.5和PM10中碳成分的污染特征.结果表明,天津冬季PM2.5和PM10的平均质量浓度分别为(124.4±60.9)、(224.6±131.2)μg/m3;总碳(TC)、有机碳(OC)与元素碳(EC)在PM2.5中的平均质量分数比在PM10中分别高出5.0%、3.6%、1.2%;PM2.5中OC、EC的相关系数较高,为0.95,表明OC、EC的来源相对简单,可能主要反应了燃煤和机动车尾气的贡献.OC/EC的平均值在PM2.5和PM10中分别为3.9、4.9.次生有机碳(SOC)在PM2.55和PM10中的平均质量浓度分别为14.9、23.4/μg/m3,分别占OC的48.5%(质量分数,下同)、49.8%,OC/EC较高可能主要与直接排放源有关;PM2.5中的OC1与OC2的比例明显高于PM10,而聚合碳(OPC)的比例又低于PM10,同时PM2.5与PM10中的EC1含量均较高,表明天津冬季燃煤取暖和机动车尾气是重要的污染源.     

2015年南京市PM2.5与PM10的污染特征

分析了2015年南京市PM2.5和PM10的浓度特征和大致来源类型。PM2.5和PM10的年均浓度分别为56.6 μg·m-3和96.5 μg·m-3,污染水平较高。颗粒物浓度的季节变化特征一致：冬 > 春 > 秋 > 夏;PM2.5的日变化呈"单峰单谷"型,而PM10的呈"单峰双谷"型。颗粒物浓度在城区高于郊区;植被茂盛区域的浓度较低。对PM2.5/PM10而言,比值在冬季和梅雨期较大,分别受取暖和降水的影响;比值在春季和夏末秋初较小,分别受沙尘和秸秆焚烧的影响。PM2.5多为二次颗粒物,PM10多为一次颗粒物;固定污染源对PM2.5的间接贡献和对PM10的直接贡献较移动污染源而言更大。     

区域大气环境中PM2．5／PM10空间分布研究

提出了一种利用移动监测技术研究区域大气环境中PM2.5／PM10空间分布的方法,并在2004年12月进行了宁波市全市域PM2.5／PM10空间分布的研究。数据显示：相同路径所代表的地区PM2.5和PM10具有很好的相关性,多数路径上PM2.5与PM10数据的相关系数平方在0．95以上,而不同路径上PM2.5与PM10的比值不同。文中给出了宁波市PM2.5／PM10污染的空间分布图,直观地显示出PM2.5／PM10污染的空间分布情况,突出了污染的重点点位和地区。     

西安市PM2.5污染特征及其估测模型

为了研究大气中PM2.5污染特征以及其随时间变化规律,基于西安市2013年1月—2014年4月间SO2、NO2、CO、O3、日最高温度(Tmax)、日最低温度(Tmin)、PM2.5、PM10等因素的监测数据.运用统计学原理和多元回归分析方法,分析了PM2.5的污染特征及相关因素对其产生的贡献度,进一步建立了四季的最优多元回归模型.研究结果表明,西安市年平均质量浓度124.9 μg/m3,四季的平均污染浓度从大到小依次为冬、春、秋、夏;春夏两季贡献较大的为SO2、CO;秋冬两季贡献较大的为NO2、CO;最终建立的模型的相关系数较高,模型很好地拟合了冬春两季PM2.5变化趋势,能较准确地反映了西安市PM2.5的污染特征,具有一定的理论和实用价值.     

北京市2014年PM2.5质量浓度变化特征

利用北京市发布的PM2.5质量浓度数据,分析了2014年PM2.5日平均质量浓度变化情况,以及全年平均日变化特征、分季节的日变化特征、分星期的日变化特征。结果表明：北京市2014年PM2.5污染较为严重,但相比往年有所减弱,其中2月和10月污染最为严重,5-6月及8-9月污染较轻。全年平均日变化呈现“W”型,白天在07：00和15：00存在2个谷值,峰值出现在10：00,21：00-03：00 PM2.5污染在一天中最为严重。秋冬季节的日变化趋势相似,其夜间PM2.5质量浓度明显高于白天。春季和夏季的日变化与全年平均日变化差别很大。分星期的日变化曲线变化趋势存在较大差异,但峰值和谷值出现的时间基本一致。     

城郊气象因素与NOx、PM10的多重分形分析

针对城区和郊区气象因素与NOx、PM10浓度间的互相关性的特征,采用多重分形去趋势波动互相关分析法（MF-DCCA）,对气象因素与NOx、PM10浓度时间序列进行研究。首先验证了温度与NOx、PM10具有互相关性和多重分形特征,然后,逐次分析城区和郊区在夏冬两季温度、湿度、风速、气压与NOx、PM10的多重分形特征。结果表明,城区天气因素与PM10、NOx的多重分形特征要强于郊区,两地天气因素对PM10的影响程度要强于对NOx的程度,城区和郊区夏季的天气因素与PM10的多重分形特征均强于冬季。     

应用地质累积指数评价抚顺市PM10中元素的污染

2006-2007年采暖季、风沙季和非采暖季分别在抚顺市的6个采样点采集PM10样品,用等离子体原子发射光谱(ICP-AES)法测定样品中Ti、Al、Mn、Mg、Ca、Na、K、Cu、Zn、As、Pb、Cr、Ni、Co、Cd、Fe、V等17种元素的含量,并用地质累积指数对其污染状况进行初步评价。结果表明:(1)从PM10中元素在不同采样点的含量看,抚顺市PM10中Ti、Mn、Mg、Cu、Zn、Pb、Cr、Ni、Co这9种元素在各采样点间的差别较大;Al、Ca、Na、K、As、Cd、Fe、V这8种元素差别较小。(2)从PM10中元素在不同采样季的含量看,抚顺市PM10中Mn、Mg含量的季间差别较大,其余15种元素季间差别较小。(3)Zn、Cd污染较重;Ti、Al、Mg、Ca、Na、K、As、Fe和V污染较轻;其他6种元素在6个采样点和3个采样季污染程度差别较大。(4)水库采样点各元素污染级别均不是最高;新华采样点PM10中Cu、Zn、Pb、Cr、Ni、Co、Cd污染级别均较高。(5)3个采样季PM10中Cd、Zn污染均较重,属于重度或严重污染;在采暖季PM10中Cu、Pb、Cr的地质累积指数较风沙季、非采暖季大;在非采暖季PM10中Mn、Co受到的污染比采暖季和风沙季稍严重。     

TEOM RP1400a PM_(10)测尘仪的日常维护

基于TEOM RP1400a PM10型测尘仪的工作原理,文中提出了仪器的日常维护的注意点;同时,对出现负值、流量不正常、显示屏监测数据上下非连续性明显波动、屏幕显示不正常等情况进行了分析,并且提出了相应的解决方案。     

夏季海淀公园内PM2.5浓度水平梯度分布规律

于2014年夏季,通过观测海淀公园不同区域沿道路不同宽度处PM2.5浓度,研究PM2.5浓度日变化规律、水平梯度分布规律、净化效益及其影响因素。结果表明,海淀公园内PM2.5浓度日变化规律呈白天低晚上高的趋势,09：00-15：00时PM2.5浓度达到国家标准Ⅱ类功能区浓度质量要求,05：00时PM2.5浓度最高。不同观测区域一定宽度范围内出现PM2.5浓度积聚,之后开始下降。总体上,海淀公园在13：00时对PM2.5浓度净化效益最显著,09：00时净化效益最差。环城高速路区域与城市主干道区域165 m以上宽度处、城市次干道区域60 m以上宽度处为正净化效益,并维持正净化效益。海淀公园内PM2.5浓度与气象因子之间相关关系表明,PM2.5浓度与平均温度、相对湿度呈显著相关,与其他气象因素没有显著相关性。     

朔州市市区环境空气PM10中元素碳、有机碳分布特征

采集朔州市市区采暖季和非采暖季季PM10样品,测定其中元素碳(EC)和有机碳(OC)含量,并对碳组分的浓度水平、时空分布特征和主要来源进行了研究,结果表明:朔州市市区PM10中OC、EC平均浓度分别为(25.95±9.36)μg/m3和(26.58±10.36)μg/m3,总碳气溶胶(TAC)在PM10中的平均百分含量为30.1%;采暖季OC和EC浓度大于非采暖季,且OC、EC质量浓度大小在5个采样点位均呈现出点位5(工业开发区) > 点位2(居民区) > 点位1(商业、居民混合区) > 点位3(商业、文教混合区) > 点位4(相对清洁区)的变化规律,其中,点位5的OC、EC质量浓度最大,分别为(29.66±8.72)μg/m3和(31.40±10.42)μg/m3;PM10中OC/EC在采暖季和非采暖季比值均低于2,一次污染严重;OC和EC相关性较好,相关系数(R2)分别为0.85(采暖季)和0.69(非采暖季),说明PM10中的碳气溶胶主要来源于一次排放源,加强对燃煤烟尘、机动车尾气和生物质的燃烧等空气污染来源的控制对于改善朔州市环境空气质量有重要作用。     

蒸汽相变作用下不可溶PM10增长性能的数值模拟

目前,对颗粒凝结增长性能的数值模拟均忽略了其碰撞效应。为了对其进行补充,在相关研究的基础上,将颗粒群平衡模型（population balance module,PBM）与欧拉多相流模型进行耦合,通过用户自定义函数（user-defined function,UDF）同时引入碰撞团聚核函数和凝结增长速率函数,采用数值模拟,分析了初始蒸汽饱和度、停留时间、初始颗粒数浓度和初始粒径对不可溶PM10凝结增长性能的影响。模拟结果表明,初始蒸汽饱和度越大,颗粒凝结增长后的最终粒径越大;在一定范围内,延长停留时间,能够促进颗粒的凝结增长;初始颗粒数浓度的增大不利于颗粒的凝结增长;初始粒径越小,颗粒凝结增长性能越好,相变凝结的效果越明显。上述模拟结果与实验结果一致。     

PM10冲击采样器切割头设计参数对切割粒径的影响

本文从颗粒在气流中的受力情况分析入手 ,得到冲击采样器中喷嘴喷出后颗粒的运动轨迹方程以及运动轨迹与采样器切割头设计参数的关系式。分析了PM10空气采样器的切割原理 ,并利用数值计算研究颗粒在不同的流量、喷嘴尺寸及喷嘴与冲击板的距离下的运动轨迹 ,从而得到切割头设计参数对切割粒径的影响     

百色市右江区大气PM10中水溶性无机离子的化学特征与来源

2010年10月至2011年9月采集百色市右江区大气PM10样品,分析PM10及其水溶性无机离子的化学特征与来源。结果表明:(1)百色市右江区大气PM10为13.89～319.44μg/m3,年均117.48μg/m3,年均值超过《环境空气质量标准》(GB 3095-2012)二级标准(100μg/m3)。百色市右江区大气可吸入颗粒物的污染主要出现在春冬季节。(2)水溶性无机离子浓度年均值依次为SO24->NO3->Cl->NH4+>K+>Na+>Mg2+>F-,SO24-、NO3-和Cl-浓度最高,分别占水溶性无机离子的57.7%、14.9%和14.5%。(3)百色市右江区大气PM10呈较强的酸性,高浓度的SO42-可能是导致百色市右江区大气PM10呈较强酸性的主要原因。(4)PM10的季节变化受气温和风速的影响极显著;气象因素对SO42-、NO3-、F-的影响不显著。(5)主因子分析表明,PM10中水溶性无机离子可能来自3个方面,Cl-和NO3-主要来自于当地低烟卤煤燃烧排放的烟气;Mg2+、K+和Na+主要来自于自然源;F-、SO24-和NH4+主要来自于混合源。     

滤膜对PM2.5采样和组分分析准确性的影响

以大流量采样器采样为例,通过多个采样器应用不同滤膜多周期现场采样、滤膜的孔隙结构与组成分析以及不同采样介质背景下PM2.5组成分析,研究了不同滤膜对PM2.5浓度测定和组分分析的影响。结果表明：聚四氟乙烯（PTFE）滤膜和玻璃纤维滤膜、石英滤膜对于PM2.5浓度值的测定一致性很好,但PTFE滤膜的测定含量较玻璃纤维滤膜和石英滤膜略低;其原因与滤膜的微观结构和颗粒物在滤膜上的聚集状态有关;空白滤膜的背景值差异影响PM2.5中化学组分浓度的测定。     

北京市近12年空气污染变化特征及其与气象要素的相关性分析

以北京市近12年空气污染指数(API)为数据基础,首先分析了2001—2012年北京市API、污染等级、首要污染物的变化特征以及污染天数年度值、季度值、月值的变化特征;然后根据API转换得到PM10质量浓度,对其变化特征进行分析;最后采用相关系数法分析了北京市API、PM10质量浓度与气象因素的相关性。结果表明,北京市近12年空气污染天数有明显下降趋势,首要污染物主要为可吸入颗粒物;空气污染主要集中于春季,优良天气主要集中于夏季;PM10质量浓度年度最大值出现在2006年,季度最大、最小值分别出现在春、夏季,月值最大、最小值分别出现在3月和7月;气象因素与空气污染关系密切,气温、相对湿度、降雨量与污染天数和PM10质量浓度均呈显著负相关,而风速与污染天数和PM10质量浓度则呈显著正相关。     

某高密度街区大气颗粒物质量浓度分布特征实测研究

为研究城市高密度街区大气颗粒物浓度分布特征,2019年秋季对上海市某高密度街区道路大气颗粒物浓度、空气温度、相对湿度、地理位置、车辆与道路图像视频信息进行了同步移动在线监测,并结合街区内固定站数据和后向轨迹模拟结果,总结了影响街区大气颗粒物浓度变化的主要因素。结果表明:城市大气颗粒物背景拟合值处于较低水平时,街区内的大气颗粒物浓度变化和影响因素易被识别;机动车污染源对大气颗粒物浓度贡献大,其中大型机动车的影响明显;户外施工和道路清扫会引起大气颗粒物浓度上升,其中PM₁₀上升更明显;交通密度大的十字路口大气颗粒物浓度通常较高;城市高架的盖状结构会阻碍大气颗粒物在垂直方向上的扩散,引起局部大气颗粒物浓度上升;街区内高大浓密的乔木对近地面的大气颗粒物屏蔽效果不理想,甚至有助于颗粒物累积;早晚高峰时段大气颗粒物浓度较非高峰时段高。     

某高密度街区大气颗粒物质量浓度分布特征实测研究

为研究城市高密度街区大气颗粒物浓度分布特征,2019年秋季对上海市某高密度街区道路大气颗粒物浓度、空气温度、相对湿度、地理位置、车辆与道路图像视频信息进行了同步移动在线监测,并结合街区内固定站数据和后向轨迹模拟结果,总结了影响街区大气颗粒物浓度变化的主要因素。结果表明:城市大气颗粒物背景拟合值处于较低水平时,街区内的大气颗粒物浓度变化和影响因素易被识别;机动车污染源对大气颗粒物浓度贡献大,其中大型机动车的影响明显;户外施工和道路清扫会引起大气颗粒物浓度上升,其中PM₁₀上升更明显;交通密度大的十字路口大气颗粒物浓度通常较高;城市高架的盖状结构会阻碍大气颗粒物在垂直方向上的扩散,引起局部大气颗粒物浓度上升;街区内高大浓密的乔木对近地面的大气颗粒物屏蔽效果不理想,甚至有助于颗粒物累积;早晚高峰时段大气颗粒物浓度较非高峰时段高。     

小波分析在郑州市供暖期PM2.5浓度相关性分析中的应用

为分析供暖期内各种物质与PM2.5的相关性和变化规律,以郑州市供暖期为例,运用Morlet小波分别对PM2.5、PM10、CO、NO2、和SO2的浓度进行分析,并对比各自主周期的小波系数模。结果表明,PM10与PM2.5波动主周期均为33 d,主周期小波系数模差值为0,与PM2.5相关性最高;SO2波动主周期为12 d,与PM2.5相差最大,相关性最低。由于燃煤中各成分含量不同,供暖期SO2与CO、NO2呈中度相关,相关系数依次为0.6045和0.6949;SO2与PM10呈低度相关,相关系数为0.4010。供暖期污染最严重的污染物是PM10和NO2,与非供暖期相比,两者与PM2.5相关系数增量分别为:0.1255和0.2858,相关性提高幅度较大。     

贵州贫困农村室内PM10污染水平及影响因素分析

为调查贵州贫困农村室内空气污染水平,对织金和六枝农户室内可吸入颗粒物(PM10)进行了系统采样,分析了PM10污染水平,探讨了其影响因素。结果表明:采暖期PM10的平均值为640.5μg/m3,最高质量浓度达到7 739.9μg/m3;非采暖期PM10的平均值为459.9μg/m3,最高质量浓度达到3 515.1μg/m3,与《室内空气质量标准》(GB/T 18883—2002)相比,研究区PM10的超标率为71%～92%,超标倍数最高达50.60倍。经调查可知,贵州贫困农村室内PM10污染水平与燃料类型、炉灶类型、室内通风情况等密切相关,以拌泥煤、纯煤、蜂窝煤和简易敞口灶为主,且室内通风较差。     

Passive air monitoring of PCBs and PCNs across East Asia: a comprehensive congener evaluation for source characterization

A comprehensive congener specific evaluation of polychlorinated biphenyls (PCBs) and polychlorinated naphthalenes (PCNs) in the atmosphere was conducted across East Asia in spring 2008, applying polyurethane foam (PUF) disk passive air sampler (PAS) as monitoring device. Mean concentrations derived for Japan, China and Korea were 184 ± 24, 1100 ± 118, and 156 ± 20 pg m⁻³ for ∑₂₀₂ PCBs, and 9.5 ± 1.5, 61 ± 6, and 16 ± 2.4 pg m⁻³ for ∑₆₃ PCNs, respectively. Relative to reported data from 2004, the present results suggest that air PCBs concentrations have not changed much in Japan and Korea, while it has increased by one order of magnitude in China. From principal component analysis, combustion emerged highly culpable in contemporary emissions of both PCBs and PCNs across the East Asian sub-region. Another factor derived as important to air PCBs was re-emissions/volatilization. Signals from PCBs formulations were also picked, but their general importance was virtually consigned to the re-emissions/volatilization tendencies. On the contrary, counterpart PCNs formulations did not appear to contribute much to air PCNs.