基于甘肃省卫星遥感的对流层NO2时空变化

基于OMI卫星遥感反演的NO₂柱浓度数据,分析了近11a甘肃省对流层NO₂柱浓度的时空变化及相关影响因素,同时利用HYSPLIT模型探究了大气污染物的来源.结果表明：从空间上,NO₂柱浓度呈现出由甘肃东北区向西南区递减趋势,最高值主要分布于庆阳市全境和平凉市少部分地区.从2008~2014年NO₂柱浓度值不断增长至最高值,高值区逐步扩大;2015~2018年NO₂柱浓度值波动变化,呈现出向周围区域递减的趋势,高值区范围缩小;从时间上,2008~2018年对流层NO₂柱浓度整体呈上升趋势,对流层NO₂柱浓度四季均值分布为：夏季>春季>秋季>冬季;NO₂柱浓度每年在6~8月达峰值,9月后开始下降,年内谷值出现在12月份~次年2月份;对研究区NO₂柱浓度的贡献最大的是自然要素.高温、降水有利于土壤排放NO₂,植被覆盖率对NO₂起到一定的消减作用.利用HYSPLIT得出2009~2018年每年7月庆阳市NO₂的外部输送路径,其中主要路径以陕西地区为主.     

基于Sentinel-5P卫星的中国NO2浓度遥感监测

NO₂是重要的痕量气体,对其监测有助于大气污染治理。本文基于Sentinel-5P大气污染监测卫星提供的对流层NO₂浓度数据和总NO₂浓度数据,借助谷歌地球引擎(google earth engine,GEE)分析了2018~2021年间中国大气NO₂浓度时空变化特征,使用OLS模型揭示了中国地区NO₂浓度的主要影响因子。结果表明:我国对流层NO₂浓度空间分布呈现东高西低的总体格局,东中部城市群对流层NO₂柱浓度水平明显呈现冬高夏低、春秋过渡的季节特征,西部大部分城市的四季变化不明显。北京、深圳、上海3所城市NO₂柱浓度分布呈现出较为显著的圈层结构。OLS模型结果表明,中国地区NO₂浓度变化受到社会经济和自然因素的共同影响,其中城市化程度是影响NO₂排放的重要因子。     

奎屯市-独山子区-乌苏市区域大气对流层NO2柱浓度时空变化分析

为研究以石化工业为主的奎屯市-独山子区-乌苏市（简称“奎-独-乌”）区域大气对流层NO₂柱浓度的时空变化,基于地基多轴差分吸收光谱仪（MAX-DOAS）于2018年2月—2019年7月在各城市城区中心进行固定监测（09:00—20:00）,以及在环奎-独-乌区域进行车载移动监测（10:00—15:00）,结合地形地貌、气象、工业分布和人为排放量等因素,反演分析该区域对流层NO₂柱浓度的时空变化规律.结果表明:①奎-独-乌区域对流层NO₂柱浓度日变化呈早晚高、中午低,冬季高、夏季低的特点,对流层NO₂柱浓度季节性变化呈冬季（11.8×1015 molec/cm2）>秋季（9.46×1015 molec/cm2）>春季（7.46×1015 molec/cm2）>夏季（4.33×1015 molec/cm2）的特征.奎-独-乌区域对流层NO₂柱浓度最高值均出现在冬季（1月）,呈独山子区（22.23×1015 molec/cm2）>奎屯市（21.30×1015 molec/cm2）>乌苏市（18.34×1015 molec/cm2）的特征.②奎-独-乌区域大气对流层NO₂柱浓度存在空间集聚现象,且区域内部差异显著.不同季节高值主要出现在区域内交通交错区（奎屯立交桥、独山子立交桥）和工业集中分布区,最低值均出现在奎-独-乌区域西南部的乌苏市,且位于主导西风通道的上风向.③结合后向轨迹分析发现,奎-独-乌区域气流来源中冬季气流运动在水平方向和垂直方向上均不利于污染物扩散,夏季西北风向导致下风向路段NO₂浓度相对较高,该区域大气NO₂污染物以本地输送为主,且在城际间存在污染物的传输与积累.④奎-独-乌区域的能源结构以煤炭为主,其固定源排放以工厂和电力部门为主,而乌苏市交通移动源所产生的NO₂排放总量远高于奎屯市和独山子区.该区域冬季燃煤6个月,低风速（1.5~3.0 m/s）频率持续时间较长,加之独特的山盆结构形成的“山谷风”,有较厚的逆温层,不利于污染物远距离扩散.研究显示,能源工业结构背景下形成的奎-独-乌区域环境有利于大气污染物的聚集和积累,其污染源以本地污染为主.      

基于TROPOMI的石家庄市NO2柱浓度时空分布及来源分析

为探讨石家庄市NO₂柱浓度时空分布及潜在污染源区,该文利用2019-2021年L2级别的TROPOMI二氧化氮数据、石家庄市8个国控点环境自动监测站的NO₂、O₃、PM_2.5浓度数据和气象要素数据以及全球数据同化系统中的气象数据,对石家庄市NO₂时间变化、空间分布、污染传输通道城市以及潜在源贡献区进行分析。结果表明：石家庄市NO₂浓度年内变化趋势呈“U”型,季节性明显,NO₂浓度冬季(13.33×10¹⁵molec/cm²)>秋季(12.76×10¹⁵molec/cm²)>春季(4.96×10¹⁵molec/cm²)>夏季(4.09×10¹⁵molec/cm²);NO₂浓度空间表现为“主城区高、四周低”的椭圆带状分布,并形...     

2013~2014年北京市NO2时空分布研究

根据2013~2014年北京市NO₂监测数据,对比分析了全年及重污染日NO₂时空分布特征.结果表明:2013年NO₂平均浓度为56μg/m³,2014年北京市NO₂年均浓度为56.7μg/m³.年均及重污染日NO₂月均浓度均呈波浪型分布,日变化呈双峰型分布;空间分布上北部及西部山区NO₂浓度明显低于中心城区及南部地区. NO₂浓度与PM_2.5、CO、NO呈正相关关系,与O₃、OX无明显相关性;全年NO₂光解速率峰值平均在0.105/min左右,重污染日光解速率峰值平均在0.026/min左右;全年及重污染期间,氮氧化速率分别为0.142±0.061、0.190±0.036;高浓度NO₂既有利于O₃生成,又对重污染的形成起到了促进作用;重污染日特定条件下北京市NO₂的两种转化机制以转化为NO₃^-过程为主导.经计算2000~2014年北京市机动车的保有量与NO₂浓度的相关系数R为-0.84,机动车NO_x排放量对北京市NO₂浓度的变化有显著的影响.     

基于卫星观测的2005—2015年京津冀地区NO2柱浓度分布及变化趋势

为更好地了解京津冀地区NO₂浓度的长期时空分布变化特征,对2005—2015年京津冀地区对流层NO₂柱浓度数据进行了统计分析.结果表明,京津冀地区对流层NO₂柱浓度在2005—2010年增加明显,年均复合增长率为6.8%,并在2010年达到峰值,为1 329.07×1013 mol/cm2;2010—2013年保持相对稳定;2013—2015年显著下降,降幅达26.2%.2015年NO₂柱浓度为964.43×1013 mol/cm2,基本与2005年的浓度水平持平.北京地区NO₂柱浓度最先开始下降并保持降低趋势,其中北京市城区降幅远大于郊区,并在2015年达到最低值,为1 647.38×1013 mol/cm2;天津市城、郊区NO₂柱浓度变化相近,总体上均呈先增后减的趋势,并且均在2010年达到峰值,分别为2 686.96×1013、2 019.36×1013 mol/cm2;而河北省西南部(石家庄、邢台、邯郸市)在近两年降幅最为明显,均在35.0%以上.京津冀对流层NO₂柱浓度呈由南向北递减的空间分布趋势,高值区主要分布于京津唐一带以及河北省南部沿太行山一带.研究显示,虽然近年来京津冀地区NO₂柱浓度降幅明显,但相比于周边地区仍面临较大的减排压力.      

京津冀与长三角区域大气NO2污染特征

基于地面监测及遥感反演数据,研究了京津冀与长三角区域大气NO2污染特征,并进行了对比分析.从2005～2011年的平均近地面质量浓度和垂直柱浓度来看,京津冀与长三角中心城市大气NO2基本处于同一污染水平;其区域背景站的NO2浓度也差异不大,且与两大区域过渡地带的合肥市大致相同.区域NO2高浓度中心夏季较为分散,秋冬季高浓度范围明显扩大,冬季全部连为一片.近年来随着中心城区污染企业的外迁,北京、上海等城市核心区NO2近地面污染有所缓解,但区域背景站NO2近地面浓度和垂直柱浓度都有所升高,京津冀与长三角NO2整体污染水平形势依旧严峻.从区域分布看,北京、上海等城市NO2浓度较高,NO2柱浓度高出区域背景的50%左右,大约是欧亚大陆背景水平的3倍;近地面NO2浓度地域差异更大,北京、上海等中心城市NO2近地面质量浓度是城市清洁区的2倍,是区域背景的10倍以上,达欧亚大陆背景站瓦里关的上千倍.北京奥运及上海世博等大型活动之前及期间大气污染集中整治效果较为明显,但活动结束后,城市大气NO2污染都出现反弹.结果表明,区域空气质量的持续改善需要区域内各省市常抓不懈的联防联控,仅靠短期内运动式的污染治理难以从根本上解决大气环境问题.     

重庆主城区大气PM10及PM2.5来源解析

为探讨重庆主城区4个季节大气PM₁₀和PM_2.5的主要来源,于2012年2—12月在重庆主城区的工业区、文教区和居住区5个环境监测点同步采集PM₁₀及PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳含量及其分布特征. 采集了重庆主城区土壤尘、建筑水泥尘、扬尘、移动源(包括机动车、施工机械及船舶)、工业源(包括固定燃烧源及工业工艺过程源)、生物质燃烧源及餐饮源等7类污染源,建立了重庆市本地化的污染源成分谱库. 利用CMB(化学质量平衡)受体模型及二重源解析技术分析了PM₁₀及PM_2.5的来源. 结果表明:重庆主城区大气中ρ(PM₁₀)及ρ(PM_2.5)的年均值分别为153.2和113.1 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准限值2倍以上. 大气PM₁₀的主要来源为扬尘、二次粒子和移动源(贡献率分别为23.9%、23.5%和23.4%),大气PM_2.5主要来源于二次粒子和移动源(贡献率分别为30.1%和27.9%).PM₁₀和PM_2.5的主要源类贡献率差别不大,表明研究区域内大气颗粒物污染控制应采取多源控制原则. 大气PM₁₀来源的季节性变化特征表现为春季和秋季主要以扬尘为主、夏季和冬季主要以二次粒子为主.      

中国能源金三角NO2时空格局及其驱动因子

利用臭氧监测仪(OMI)提供的大气污染监测数据,结合产业结构、汽车保有量、国家政策措施等,通过城乡NO₂浓度差异的排放源分析方法提取能源金三角(EGT)地区2005~2019年对流层NO₂垂直柱浓度时空变化特征并探讨影响区域大气NO₂浓度驱动因素.结果表明,EGT煤炭化工源NO₂浓度与第二产业产值增速的相关系数为0.71(P<0.05),说明本文方法所提取的长时序煤炭化工源NO₂浓度能有效地指示产业结构调整和政策措施变化.NO₂浓度从2005~2011年的90.56molc/m²增加至2012~2015年的720.77molc/m²,再下降至2016~2019年的247.36molc/m²,反映EGT经济发展模式经历了从小规模、中污染的点模式逐步发展成大范围、重污染的粗放模式,再到大范围、低污染的精工模式.与京津冀、华中、长三角等地区相比,EGT交通和工业排放对城市源NO₂污染贡献的变化特征进一步反映城镇化水平的发展和产业结构的优化.与OMI相比,高分辨率对流层观测仪(TROPOMI)能在短时序上提供丰富的影像细节信息,且随着观测时长的增加,有望增强长时序大气NO₂污染的精准监测.     

西安市道路PM2.5 NO2 CO水平浓度分布特征

为获得西安市道路PM_2.5、NO₂和CO的水平浓度分布特征,选取小寨和秦岭环山路作为西安市城区道路和郊区道路的代表,采用水平分布的监测方法获得了每条道路距离道路边缘0、15和50 m处的ρ（PM_2.5）、ρ（NO₂）和ρ（CO）.结果表明:与秦岭环山路（下称秦岭）相比,城区观测点小寨的ρ（PM_2.5）、ρ（NO₂）和ρ（CO）分别为（88±50）（78.6±29.8）μg/m3和（1.5±0.3）mg/m3,均高于秦岭三者的质量浓度[分别为（55±23）（47.9±19.8）μg/m3和（1.4±0.1）mg/m3].在空间分布上,ρ（PM_2.5）、ρ（NO₂）、ρ（CO）水平梯度分布明显.与距离道路边缘0 m处相比,小寨ρ（PM_2.5）在距离道路边缘15和50 m处分别减少了6.48%、7.96%,秦岭减少了5.45%、9.09%;小寨ρ（NO₂）在15和50 m处分别减少了8.57%、14.29%,秦岭减少了15.45%、24.89%;在距离道路边缘50 m处小寨ρ（CO）减少了25.00%,而秦岭在距离道路边缘15和50 m处分别减少了25.00%、41.67%.研究显示,来自于机动车排放的PM_2.5、NO₂和CO在道路两侧有明显的距离效应,并且郊区观测点水平递减更明显.      

基于卫星遥感的海南地区对流层NO2长期变化及成因分析

利用OMI卫星反演的较高分辨率(0.125°×0.125°)对流层NO_2(Tro NO_2)柱浓度数据,分析了近12年海南岛TroNO_2柱浓度的时空变化,同时,结合MODIS卫星反演的气溶胶光学厚度(AOD)资料、海口市空气质量指数(AQI)、GDP、SO_2排放总量,以及民用汽车保有量等探究其长期变化与成因.结果表明:海南地区TroNO_2柱浓度空间分布表现为北半部高于南半部、四周沿海高于中部山区的特征,其中,北部地区最大值可达20×1014molec·cm~(-2)以上.近12年来海南地区TroNO_2柱浓度表现为上升的变化趋势.季节变化表现为冬季高于夏季,夏季浓度偏低和雨水的冲刷作用有关,而冬季偏高与旅游过冬人口增多和外源输送作用有密切联系.四季TroNO_2柱浓度均有不同程度的上升,而且季节差异在2010年以后有增大的趋势.海南地区TroNO_2柱浓度分布与岛上经济水平和人口分布关系密切,海南地区民用机动车拥有量近10年呈现快速的增加趋势,机动车尾气NO_2排放也不容忽视.     

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.      

重庆市主城区大气中NO2浓度时空分布特征

利用2017年1月1日～2017年12月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的二氧化氮(NO_2)浓度小时数据,探讨九个主城区大气中NO_2浓度的时空分布特征、与气象参数之间的关系和气团运动的影响。结果表明,主城区大气NO_2浓度全年北碚区达标率较高(76.16%),渝中区达标率低(3.84%),日均浓度呈夏季前下降、夏季后上升的趋势;月均浓度表现为冬季月份浓度高,其次为春季、秋季和夏季月份;周六、周日、周一和周二的浓度均值较高,周三、周四和周五的较低;小时浓度基本呈5:00～11:00和16:00～20:00上升、其余时间段下降的变化趋势;大气NO_2浓度空间分布差异显著,西北地区(北碚)大气NO_2浓度偏低、渝中区及其附近区域浓度偏高。影响大气中的NO_2浓度的主要气象因素有:气温、降水量、气压、日照和相对湿度;四季气流输送中,春冬季气流轨迹相似,主要源自西部、西北部气流,春季气流轨迹的ρ(NO_2)最高,夏季最低。研究结果可为今后重庆市大气的治理提供研究基础。     

2013年北京市NO_2的时空分布

对2013年北京市35个自动空气质量监测子站的NO2数据进行分析,探讨NO2的时间分布特征、空间分布特征以及与PM2.5和大气氧化性的相关性关系.结果表明,NO2浓度由高到低的季节依次是冬季、秋季、春季和夏季,平均浓度分别为66.6、58.3、54.7μg·m-3和45.8μg·m-3;NO2浓度由高到低的监测站依次为交通站、城区站、郊区站和区域站,年均浓度分别为78.6、57.9、48.5μg·m-3和40.3μg·m-3.NO2月均浓度呈波浪型分布,在1月份、3月份、5月份和10月份各出现一个峰值.整体来看,区域站NO2日变化曲线呈现单峰型分布,其他站点为双峰型分布.2013年NO2浓度呈现"反周末效应",即周末大部分时段NO2浓度高于工作日.分地区来看,年均NO2浓度由高到低的依次是城六区、西南部、东南部、西北部和东北部.各站点NO2浓度与PM2.5和OX浓度均为显著正相关,表明NO2可以通过增加前体物浓度和增强大气氧化性两方面造成PM2.5浓度升高.     

华东地区对流层O3和前体物HCHO及NO2的时空特征

通过OMI遥感卫星数据分析华东地区2005~2021年大气对流层臭氧（O₃）、二氧化氮（NO₂）和甲醛（HCHO）柱浓度的时空特征,利用后向轨迹模型（HYSPLIT）探究其来源.结果表明：① 17年间,对流层O₃柱浓度平稳增加,2010年上升到最大值,之后呈现一种波动起伏的状态;NO₂在2005~2012年呈增加趋势,2012~2021年缓慢下降;HCHO柱浓度由2005年的1.15×10¹⁶ molec ·cm^-2呈现增长趋势,上升到2021年的1.8×10¹⁶ molec ·cm^-2.②在空间上,3种污染物柱浓度总体上呈现北高南低的空间格局,北部为高高聚集区域,中部为无特征区域,南部为低低聚集区域.③ O₃的敏感性呈现为：春季η<2.3,属于VOCs控制区;夏季η<4.2,表现为大部分地区是NO_x-VOCs协同控制区,少部分地区是VOCs控制区;秋季η<4.2,主要为VOCs控制,极少部分为NO_x-VOCs协同控制区;冬季η<2.3,为VOCs控制区,山东省以VOCs控制为主.④因2005~2021年O₃在山东省呈现为高高聚集,所以选取2021年山东省的省会城市济南市进行O₃来源解析,2021年济南市的O₃浓度增加有两个方面,一是通过远距离的气团输送主要来自于江苏省的连云港市和河北省的沧州市;二是近距离的气团输送来自于济南市附近城市的污染和黄海、渤海经济区,且聚集性分析与潜在源贡献因子算法（PSCF）和权重轨迹分析法（CWT）有相同的结果.     

北京市大气PM10和PM2.5中有机物的时空变化

2005年四季在北京市不同功能区9个采样点采集大气PM₁₀和PM_2.5样品,并对其中有机物污染水平、分布特征及不同功能区PM₁₀和PM_2.5中有机物的相关性进行了探讨.结果表明,市区PM₁₀和PM_2.5中有机物年均值分别为41.39 μg/m³和34.84 μg/m³,是对照区十三陵的1.44倍和1.26倍;冬季有机物污染最严重,分别为春季的1.15、 1.82倍,秋季的2.06、 2.26倍,夏季的4.53、 6.26倍.不同季节PM_2.5与PM₁₀中EOM的比值超过0.60, 并呈现一定季节差异.各功能区有机污染表现出工业区(商业区)＞居民区(交通区、对照区)的变化趋势,且不同功能区PM_2.5中EOM对PM₁₀中EOM的影响程度各异.有机组分的年均值有非烃＞沥青质＞芳烃＞饱和烃的变化规律,而污染源的季节性排放是造成有机物组分季节变化的主要原因.     

南昌市大气颗粒物污染特征及PM2.5来源解析

为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM₁₀和PM_2.5数据,分析了ρ（PM₁₀）、ρ（PM_2.5）和ρ（PM_2.5）/ρ（PM₁₀）的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR（主成分分析-多元线性回归）模型对大气PM_2.5中化学组分来源进行解析.结果表明:①ρ（PM₁₀）和ρ（PM_2.5）的年均值分别为（115.4±39.1）（69.1±26.8）μg/m3,均超过GB 3095-2012《环境空气质量标准》二级标准限值,ρ（PM₁₀）和ρ（PM_2.5）的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ（PM₁₀）和ρ（PM_2.5）季节性变化特征明显,呈冬季>春、秋两季>夏季的趋势,全年ρ（PM₁₀）超标天数占比为25.48%,ρ（PM_2.5）超标天数占比为36.71%,各季度ρ（PM_2.5）超标天数占比均高于ρ（PM₁₀）.②受人为活动和边界层高度的影响,ρ（PM_2.5）和ρ（PM₁₀）日变化呈双峰双谷形态,一个波峰出现在08:00-10:00,另一个波峰出现在20:00-22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ（PM_2.5）/ρ（PM₁₀）年均值为60.3%,在冬季最高达65.1%,相关性分析发现ρ（PM₁₀）与ρ（PM_2.5）存在较显著的线性关系,表明二者具有同源性.④ρ（PM₁₀）、ρ（PM_2.5）均与ρ（SO₂）、ρ（NO₂）、ρ（CO）呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ（PM₁₀）、ρ（PM_2.5）均与ρ（O₃）全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ（PM_2.5）和ρ（PM₁₀）有较大影响.⑤南昌市秋季PM_2.5的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM_2.5的贡献率分别为40.9%、35.8%、12.4%、10.9%.研究显示,南昌市PM_2.5的污染程度较PM₁₀严重,PM_2.5已成为南昌市大气颗粒物污染的主要组分,PM_2.5主要来源为城市扬尘和机动车尾气.      

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_2.5和PM₁₀中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_2.5和PM₁₀进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_2.5和PM₁₀中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_2.5中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧...     

2016年宁夏回族自治区PM2.5浓度时空分布特征

对2016年宁夏回族自治区大气中PM_2.5浓度的时空分布特征及其与其它空气质量指标和气象参数之间的相关性进行探讨。结果表明,宁夏回族自治区2016年PM_2.5日平均浓度为2.0~217.5 μg/m³;11月、12月、1月、2月PM_2.5月浓度均值（45.97~87.22 μg/m³）相对较高,6~9月的（19.01~38.03 μg/m³）相对较低;春、夏、秋、冬PM_2.5浓度分别为2.00~211.00 μg/m³、6.67~106.67 μg/m³、10.67~166.00 μg/m³和10.50~217.50 μg/m³;0：00~23：00,各城市PM_2.5小时浓度基本上表现出先下降、后上升、再下降、再上升的变化规律,通常上午9：00~10：00浓度值较高,下午15：00~16：00浓度值较低。银川市、石嘴山市、吴忠市、中卫市和固原市2016年PM_2.5日平均浓度 ≤ 75 μg/m³的天数分别为304 d、307 d、313 d、323 d和340 d,年达标率分别为83%、84%、86%、88%和93%。宁夏北部的石嘴山市、银川市的PM_2.5月浓度均值超过了南部的中卫市和固原市,表现出"北高南低"的趋势,其中固原市每月PM_2.5浓度均值均低于其他城市,表现出显著差异。PM_2.5浓度与CO、NO₂、SO₂、PM₁₀浓度、风速、气压、日照和相对湿度均呈显著或极显著正相关关系,与地表温度、气温和降水量呈极显著或显著负相关关系。可见,宁夏回族自治区大气PM_2.5浓度具有明显的时空变化特征,其浓度受气象因子的影响。     

基于AOD数据与GWR模型的2016年新疆地区PM2.5和PM10时空分布特征

PM_2.5与PM₁₀的时空分布特征及其相关性是大气颗粒物研究的主要内容,传统方法是基于监测站点数据进行分析,难以揭示PM_2.5与PM₁₀时空分布的区域特征.为此,本文利用地理加权回归模型估算了2016年新疆地区PM_2.5与PM₁₀的月均浓度,在此基础上对区域尺度的PM_2.5与PM₁₀浓度特征进行分析.结果表明：地理加权回归相较最小二乘回归的拟合精度更高,PM_2.5和PM₁₀的决定系数分别为0.93和0.96,且误差较小;PM_2.5和PM₁₀年均浓度分别为70.88 μg·m^-3和194.53 μg·m^-3,说明大气颗粒物污染严重,且空间分布呈西南高、东北低的特征;PM_2.5和PM₁₀季节浓度均为春季最高,夏季最低;PM_2.5月均浓度2月最高,9月最低,PM₁₀月均浓度3月最高,8月最低;PM_2.5与PM₁₀年均浓度的相关系数r为0.95,相关性较高;PM_2.5/PM₁₀冬季最高为51%,其余季节小于50%,说明冬季PM_2.5对大气颗粒物污染贡献率较高,其余季节则以可吸入颗粒物中的粗颗粒贡献为主.