基于AERMOD模型评估公路交通源PM_(2.5)的浓度分布

PM2.5是公路机动车主要污染物之一,对沿线居民的呼吸健康有直接的危害,因此有必要在公路建设环境影响评价中增加对交通源PM2.5扩散浓度的评估。本文通过分析空气质量模型AERMOD、PM2.5排放清单测算模型MOVES以及建模数据需求,在交通量调查、气象数据预处理以及道路源PM2.5排放清单测算的基础上,应用AERMOD模型评估了我国某高速公路沿线PM2.5的浓度分布水平。结果表明:在研究路段沿线下风向距路肩400m范围内,均受到公路交通源PM2.5污染(PM2.5净浓度≥4μg/m3)的影响;AERMOD模型可以精细化地评估道路机动车PM2.5对空气质量的影响,为道路沿线PM2.5浓度分布评估提供了一套研究方法,其评估结果对道路规划环境影响评价具有重要的参考价值。     

新型环保道路抑尘剂在城市道路的应用

以北京部分城市道路扬尘为对象,研究了新型环保道路抑尘剂喷洒前后道路扬尘中PM10和PM2.5浓度的变化。结果显示,喷洒新型环保道路抑尘剂能够有效降低扬尘中PM10的浓度,对PM10的降尘效果为25%,对PM2.5也有一定的降尘效果,同时对大气中的氮氧化物有一定的吸附作用,说明该新型环保道路抑尘剂可有效抑尘,减少污染。     

基于遥感技术的贵州省PM10浓度年际变化监测与分析研究

文章选取MODIS数据,利用暗像元算法反演得到气溶胶光学厚度,利用BP神经网络算法通过网络训练和验证,得出PM10浓度遥感监测模型。利用该模型反演得到贵州省2014年3、7、10、12四个典型月份的PM10浓度值。结果表明模型训练和验证PM10浓度模拟值与实测值相关性系数（r）分别为0.76和0.62,利用此模型监测贵州省PM10近地面浓度是可行的;贵州省夏、秋季PM10浓度较低,春、冬季PM10浓度较高;贵州省的PM10浓度整体较低,空气质量较好。     

龙华新区灰霾污染特征研究

根据龙华新区2个空气监测站2012年监测数据、气象数据以及不同污染源的排放数据,分析龙华新区空气质量现状,灰霾日数与PM2.5和PM10的相关性,并通过AERMOD模型着重探讨PM2.5和PM10的污染特征,计算不同污染源对PM2.5和PM10浓度的贡献率。结果表明,灰霾日数和PM2.5、PM10浓度均表现为明显的季节性变化,变化趋势较为一致,且灰霾日数与PM2.5的相关性较PM10更显著。龙华新区PM2.5和PM10主要来自本地源,其中PM2.5的主要来源为机动车尾气和道路扬尘,而PM10的主要来源为施工项目和裸地。     

基于GAM模型分析影响因素交互作用对PM2.5浓度变化的影响

对南京市2013~2015年PM2.5及影响因素的时间变化序列,运用广义可加模型(GAM)分析影响因素交互作用对PM2.5浓度变化的影响.结果表明,PM2.5及影响因素都基本服从正态分布类型,影响因素间具较强相关性,其中气温、气压和水汽压间具有显著相关性.PM2.5浓度变化的单因素GAM模型中,所有影响因素均通过显著性检验,其中SO_2、CO、NO_2等影响因素的模型拟合度较优,方程解释度较高;PM2.5浓度变化的多因素GAM模型中SO_2、CO、NO_2、O_3、平均降雨量(PRE)、平均风速(WIND)和相对湿度(RHU)等影响因素对PM2.5浓度变化解释率为73.9%,对其变化具有显著性影响;通过多因素对PM2.5浓度变化影响效应的诊断分析,得到SO_2、NO_2和WIND与PM2.5浓度变化呈线性关系,CO、O_3、PRE和RHU与PM2.5浓度变化呈非线性关系;在影响因素交互作用对PM2.5浓度变化影响的GAM模型中,SO_2与CO、PRE、RHU间交互作用,CO与NO_2、O_3、PRE、WIND、RHU间交互作用,以及NO_2与WIND、PRE、RHU间交互作用,都在P0.01(或P0.05)水平下显著影响PM2.5浓度变化;大气污染物SO_2、CO及NO_2分别与气象等其它因素的交互作用对PM2.5浓度变化产生最主要影响作用;通过对影响因素交互作用GAM模型可视化三维图分析,定量研究了影响因素交互作用对PM2.5浓度变化的影响特征.结论表明,运用GAM模型,能够定量化分析影响因素交互作用对PM2.5浓度变化的影响,研究方法具有一定创新性,对PM2.5浓度污染与控制研究具有重要意义.     

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.     

道路环境颗粒物浓度空间分布研究

由于交通扬尘和车辆尾气排放,道路环境颗粒物浓度高于城市其它区域,文章应用一种移动监测技术测试区域道路环境中PM10浓度空间分布,并进行了呼市城区道路环境PM10空间分布分析;采用降尘法对呼市城区不同区域30条道路进行监测,分析道路降尘空间分布规律,并对两种方法进行比较。文章给出了呼市城区道路环境PM10浓度的空间分布图...     

银川市气溶胶变化特征及其与气象条件的关系分析

利用银川市2013年的气溶胶和气象要素观测资料,分析银川市不同粒径颗粒物浓度变化特征及其与气象条件的关系,结果表明:PM10、PM2.5、PM1的季节变化规律基本一致,夏季浓度低变幅小、其他季节浓度高变幅大;PM1、PM2.5存在明显的7 d周期,PM10存在10~12 d的周期。PM1、PM2.5、PM103种粒径的气溶胶浓度具有高度相关性,PM1与PM2.5相关性最好,PM10浓度高、变率大,与细粒子相关性有所降低。PM1和PM2.5的时变化均呈双峰双谷型,PM10的时变化在非采暖期近似于双峰双谷型,采暖期呈单峰型。银川市气溶胶浓度与能见度相关性最好,细颗粒物对能见度影响比粗粒子更为严重。气温与气溶胶浓度呈一致的负相关。风速与细颗粒物PM1、PM2.5浓度呈负相关,与粗颗粒物PM10的相关性较差。银川市相对湿度与粗颗粒物浓度PM10呈较好的负相关,与PM1正相关,与PM2.5相关不显著。     

大连市PM_(2.5)污染成因探究

通过采集城市空气质量实时发布平台数据进行整理,建立多元线性回归模型,研究了大连市大气常规污染因子PM10、SO2和NO2与PM2.5的关系。结果表明,PM10,NO2对PM2.5均具有显著的正向效应,并据此分析道路二次扬尘、建筑工地排放的扬尘以及汽车尾气等线源、面源污染物对PM2.5的形成具有显著影响。     

成都市铺装道路扬尘排放清单及空间分布特征研究

对成都市城区和郊区不同等级铺装道路共采集了96个道路扬尘样品,通过调研得到了不同等级道路车流量、平均车重和道路长度等有关活动水平数据,采用AP-42法估算该地区不同等级道路扬尘排放因子和排放量,并利用Arc GIS软件得到了道路扬尘PM10和PM2.5排放量的空间分布图。结果表明:成都市城区道路和郊区公路积尘负荷平均值分别为0.50,0.94 g/m2;郊区等外级公路的PM10和PM2.5的排放因子最大,分别为2.59,0.63 g/VKT,城区支路的PM10和PM2.5的排放因子最大,分别为1.15,0.28 g/VKT;基准年2012年道路扬尘PM10和PM2.5的排放总量分别为48 745.46,11 793.26 t。从空间分布看,中心城区每一网格道路扬尘PM10和PM2.5排放量最大,分别达到300,70 t以上。     

机动车行驶过程道路扬尘影响因素试验研究

机动车行驶过程道路扬尘是城区颗粒物污染的主要因素,其贡献率可达30％-50％。城市路面积尘是机动车行驶过程道路扬尘的主要尘源。路面尘受机动车车轮积压作用、机车行驶过程诱导气流、热射流等综合尘化作用的影响,再次扬向空中并扩散,造成空气中颗粒污染物TSP、PM10浓度增高。实验模拟单车行驶,研究道路粉尘负荷、车速、排放源距离对总悬浮颗粒物（TSP）、可吸入颗粒物（PM10）浓度的影响,结果显示：TSP、PM10浓度与机动车行驶速度呈显著正相关;同一车速下与路面粉尘负荷呈对数变化规律;与排放源距离呈负相关。     

未铺装道路扬尘排放特征研究

在未铺装道路下风向不同高度测量PM10浓度和风速风向,同时测量上风向PM10浓度,采用暴露高度浓度剖面法计算未铺装道路的扬尘排放量,同时现场记录通过车辆的类型、车速、车轮个数等信息,计算未铺装道路扬尘PM10排放因子。分别分析车辆类型、车辆重量、车轮个数、路面粉土含量、车辆行驶速度对排放因子的影响。结果表明,大货车的排放因子最大,为362 g(/km.辆),其次为小客车、小货车和机动三轮车,分别为112、105和67 g(/km.辆);随着车辆重量的增加排放因子增大并呈线形相关性;随着车辆平均车轮个数的增加排放因子增大并呈线形相关性;分别研究了大货车、小客车和小货车排放因子与车速的关系,随着车速的增加,3种类型车辆的排放因子都增大,并有较好的线形相关性;路面尘土中粉土含量增大,道路扬尘排放因子也增大,路面尘土湿度增加排放因子减小。     

交通来源颗粒物及其无机成分污染特征的研究

对谭裕沟隧道和梧桐山隧道TSP,PM₁₀和PM_2.5质量浓度和主要无机成分的分析结果表明,交通来源颗粒物中细粒子主要来源于机车尾气排放,粒径较大的颗粒物则主要来源于机动车行驶载带的地面扬尘.      

复合型道路抑尘剂在城市道路中的应用及经济分析研究

采用由多种可降解高分子材料组成的新型复合型道路抑尘剂喷洒酒泉市肃州区道路,研究喷洒前后城市道路扬尘中PM_(10)、PM_(2.5)和氮氧化物的变化及抑尘剂所带来的经济效益。结果表明,PM_(10)平均去除率为20%,喷洒后能迅速捕捉并吸附微粒粉尘,加速粉尘颗粒凝聚,最好去除效果高达40%;对PM_(2.5)和氮氧化物的去除效果约15%,没有PM_(10)显著;相对于传统洒水方式,喷洒道路抑尘剂可以节省30%经济用水,且对人体和环境无毒害。     

利用LUR模型模拟天津市大气污染物浓度的空间分布

针对传统监测方法无法满足对大气污染物空间分布高分辨率的要求,以Arcgis为平台,利用LUR模型模拟天津市PM10和NO2年均浓度的空间分布.选取的回归变量为1~4km半径缓冲区内的道路总长度、不同土地利用类型的面积、人口密度、风向指数及距海距离,选取3个监测点的监测数据对方程进行了验证.结果表明,对PM10年均浓度影响最大的因素是缓冲区为1km的道路总长度(R2为0.560),而对NO2年均浓度影响最大的因素是人口密度(R2为0.414).多元线性回归方程计算结果显示,PM10和NO2的R2分别达到0.946和0.691;如果考虑风向的影响,R2可分别提高到0.980和0.849.对天津市中心城区建立5km′5km网格嵌套,根据多元线性回归方程计算每个网格交点的污染物浓度模拟值.通过kriging插值得到2种污染物在天津市中心城区的空间模拟分布图.PM10年均浓度分布以研究区中心最高,向四周逐渐降低;NO2的年均浓度以研究区中心最低,向四周逐渐升高.模拟结果与实际情况相符.     

天津城市交通道路扬尘排放特征及空间分布研究

对天津市中心城区道路按照不同道路类型采取道路灰尘样本,研究统计不同类型道路车辆构成和车流量,依据美国EPA AP-42道路扬尘排放因子模型计算排放因子及排放量并应用Mapinfo软件得到了道路灰尘排放量的空间分布图.计算结果表明,天津市区环线、主干路、次干路、支路的道路粉尘负荷分别为0.30,0.40,0.64,2.02g/m2.环线的PM10的排放强度最高,为30.7kg/(km·d),其次为主干路、次干路和支路.天津市区一年道路灰尘的排放量为27985t,其中PM10排放量为5372t.中环线内和平区由于道路密集,交通扬尘排放量最高,向四周排放量递减.     

Relationship between PM10 and PM2.5 levels in high-traffic area determined using path analysis and linear regression

The objective of this study was to determine the relationship between PM_(10) and PM_(2.5) levels as related to meteorological conditions and traffic flow using both a linear regression analysis and a path analysis. The Particulate matter(PM) samples were collected from Sukhumvit road, Bangkok, Thailand, at both open(104 samples) and covered(92 samples)areas along the road. Fifteen percent of all samples were separated before the statistical models were run and used for model validation. The results from the path analysis were more elaborate than those from the linear regression, thus indicating that meteorological conditions had a direct effect on the particulate levels and that the effects of traffic flow were more variable in open areas. The model also indicated that meteorological conditions had an indirect effect and that traffic flow had a direct effect on particulate levels in covered areas. The model validation results indicated that for open areas, the R~2 values were not very different between the path analysis and the linear regression model, but that the path analysis was more accurate than the linear regression model at very low PM concentrations. At high PM concentrations, the path analysis model also had a better fit than did the linear regression, so the predictions from the path analysis model were more accurate than those from the linear regression.     

Vertical characteristics and source identification of PM10 in Tianjin

Ambient PM₁₀ (particulate matter with a diameter less than 10 μm) concentrations were measured on a 255 meter tower in Tianjin, China. The samples were collected at four vertical levels (10, 40, 120 and 220 m). Vertical characteristics for PM₁₀ samples were studied. The results showed that the concentrations of PM₁₀ and constituent species had a negative correlation with the sampling height. The highest concentrations of PM₁₀ and species were obtained at the 10 m level, and the lowest concentrations were measured at the 220 m level. For the fractions of species to total mass, SO₄^2- and NO₃^- had higher values (fraction) at greater height; while Ca had a higher fraction at lower height. Possible source categories for the PM₁₀ ambient dataset were identified by the principal component analysis method. The possible source categories included crustal dust, vehicles, cement dust, and incineration as well as secondary sulfate and nitrate sources. Analysis of meteorological factors on PM₁₀ concentrations indicated that wind speed and inversion may be the main factors contributing to different concentrations of PM₁₀ at different heights.     

呼和浩特交通扬尘排放清单研究

颗粒物污染是影响中国城市空气质量的首要因素,交通扬尘是城市大气颗粒物污染的主要来源之一,排放清单及排放特征研究是进行环境影响分析、控制措施成本效益分析、控制方案制定以及进行环境管理的基础。本文对呼和浩特城区典型道路路面尘负荷进行采样分析,现场调研不同类型道路车流量和车辆构成,应用AP-42排放因子计算典型道路交通扬尘排放因子,建立了基于G IS的排放清单数据库。结果显示:胡同的PM10排放因子最大,其次分别为环城路、支路、次干道和主干道;环城路的PM10排放强度最大,其次为主干道、次干道、支路和胡同;基准年2006年呼和浩特城区交通扬尘PM10排放量为22 715 t;从空间分布看,环城路以内网格排放源强较高,中心城区排放强度最大。