北京1o个常绿树种颗粒物吸附能力研究

大气中颗粒物PM( particuIate matter)不仅造成环境污染,还对人体造成严重的危害.城市绿色植物作为大气过滤器,能够有效地提高城市空气质量,保护人体健康.因此了解不同树种对空气颗粒物的吸附滞纳作用是必要的.以北京植物园10种常绿植被为研究对象,应用空气气溶胶再发生器( QRJZFSQ_I)测定了北京市常见6种乔木和4种灌木叶片对空气总悬浮颗粒物( TSP)﹑PM10﹑PM2.5和PM1.0的吸附能力.结果表明①不同树种叶片表面附着颗粒物的能力差异明显,最高的是雪松( Cedrus deodara)和油松( pinus tabuliformis),吸附量分别是(18.95±0.71)μg.cm-2和(14.61±0.78)μg.cm-2,冷杉( Abies fabri)最小,为(8.02±0.4)μg.cm-2;②不同树种叶片单位面积对不同颗粒物的附着能力也存在差异,附着PM10能力最强的是油松和雪松,附着PM2.5能力最强的是雪松﹑铺地柏( Juniperus procumbens)﹑龙柏( Juniperus chinensis cv. kaizuka)和油松,附着PM1.0能力最强的是雪松﹑铺地柏﹑冷杉和油松;③不同月份叶片上附着的各粒级颗粒物( PM10﹑ PM2.5 )占TSP的比例不同.其中PM10在4~6月之间主要表现两种变化趋势,一是先上升后下降,主要为灌木树种;二是逐渐上升,主要的树种是乔木树种.而PM2.5则没有这种明显的变化趋势.     

南京市空气中颗粒物PM10、PM2.5污染水平

 为了初步调查南京市空气中颗粒物PM10、PM2.5的污染水平,于2001年冬、春、秋3季在南京市的5个典型城市功能区,用大流量采样器收集了50个样品.结果表明,南京市PM10、PM2.5的污染很严重,超标率分别为72%和92%,最大超标倍数达到6.3和9.0,而且对人体健康危害更大的PM2.5占PM10的大部分,约为68%,应引起公众和相关职能部门的高度重视.     

江苏省2014年上半年颗粒物PM2.5、PM10污染特征分析研究

根据2014年1月1日～6月30日江苏省13地级市监测PM2.5,PM10的数据,分析其污染特征.结果表明:全省PM2.5和PM10污染较严重,全省PM2.5,PM10超标率都分别达到78.33％,66.11％以上,尤其是细颗粒物的污染占主导地位;PM2.5/PM10的比值范围达到0.461 9～0.687 2,全省PM2.5和PM10之间存在显著的线性关系;PM2.5,PM10浓度时空分布特征为PM2.5:1月＞3月＞2月＞5月＞6月＞4月,PM10:1月＞5月＞3月＞6月＞2月＞4月;苏北＞苏中＞苏南.     

北京清洁区大气颗粒物污染特征及长期变化趋势

清洁对照区表征了区域环境的影响,是全面评价城市大气环境质量变化的基础.本研究分析了北京清洁区定陵不同粒径颗粒物质量的历史监测数据,包括1980～2009年大气降尘、1991～2009年总悬浮颗粒物(TSP)、2000～2009年可吸入颗粒物(PM10).结果表明,北京清洁区大气颗粒物总体呈下降趋势,年际短期变化受沙尘天...     

北京PM2.5浓度的变化特征及其与PM10、TSP的关系

在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m3,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

珠江三角洲大气颗粒物研究进展

珠江三角洲地区大气颗粒物污染严重,本文对该地区大气颗粒物的研究进展进行了综述。该地区大气颗粒物具有区域性污染特征。不同采样点不同时间离子浓度有明显差异,它们的形成和转化与大气化学过程有关。OC中的烷烃和多环芳烃多存在于细粒子中,并且二次OC含量较高。珠江三角洲地区大气颗粒物的污染源主要包括工业点源的排放、城市建设、机动车尾气等。     

燃煤电厂区域颗粒物及颗粒物汞分布特征研究

对东南沿海平原地区某燃煤电厂不同方位距离的9个采样点进行为期9个月的大气颗粒物采集,以PM_2.5、PM₁₀为对象,研究了颗粒物与颗粒物汞的时空分布,探讨了燃煤电厂排放对周边大气颗粒物与颗粒物汞分布的影响.结果表明：①本研究区PM_2.5平均浓度为78.10 μg·m^-3,其中颗粒物汞平均浓度为294.88 pg·m^-3;PM₁₀平均浓度为114.48 μg·m^-3,其中颗粒物汞平均浓度为363.41 pg·m^-3,均高于海内外众多城市.②冬季颗粒物、碳组分及颗粒物汞的浓度远高于春、夏、秋三季,冬季燃煤量大、逆温等气象因素及远距离污染物传输均造成当地冬季颗粒物累积.③大气颗粒物汞浓度随距电厂距离的增加先增加后降低,最大浓度范围为电厂W-NW方向1.3~2.5 km处.④各采样点均受到多种污染源共同影响,以燃煤尘为主,餐饮油烟、机动车尾气、生物质燃烧和扬尘次之,燃煤电厂对周边区域环境大气可吸入颗粒物主要影响区域为W-NW方向1.3~2.5 km.     

关于柳州市空气中颗粒物PM_(10)和PM_(2.5)污染水平的分析

为了初步调查柳州市空气中颗粒物PM10、PM2.5的污染水平,于2013年春、夏、秋、冬4季在柳州市的6个典型城市功能区进行数据采集。结果表明,柳州市PM10和PM2.5污染很严重,超标率分别为12.6%和35.1%,而且对人体健康危害更大的PM2.5占PM10的大部分,约为79.55%,应引起公众和相关职能部门的高度重视,且应在PM2.5问题上重点寻求突破。     

对城市环境空气中颗粒物影响成因的研究

本文通过对自动监测子站监测数据的分析,研究了春节前、春节期、春节后燃放烟花爆竹对城市环境空气中颗粒物PM10和PM2.5的影响。在春节期集中燃放烟花爆竹的时间段里,颗粒物浓度均升高,对PM2.5的影响更为明显。     

北京PM2.5浓度的变化特征及其与PM10、TSP的关系

 在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m³,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

北京市近地层颗粒物浓度与气溶胶光学厚度相关性分析研究

利用2009年北京市大气颗粒物质量浓度和气溶胶光学特性的同步观测研究发现,北京市城区颗粒物污染严重.PM2.5、PM10年平均浓度分别为(65±14)、(117±31)μg·m-3,均超出国家2016年拟执行环境空气质量二级标准,PM2.5、PM10日均值超标率分别为35%、26%.细粒子PM2.5污染与可吸入颗粒物PM10污染呈显著性相关,相关系数R约为0.90(P<0.001),二者相关性伴随PM2.5在PM10中所占比重自春季到冬季逐渐增大而增强,年均PM2.5占PM10比重为61%.气溶胶光学厚度AOD(500 nm)与气溶胶波长指数(α)年均值分别为(0.55±0.10)、(1.12±0.08).PM2.5、PM10与AOD间全年及各季节均呈显著线性相关,相关系数R≥0.50;但其相关系数与相关函数存在着显著的季节差异,夏秋季节相关性显著高于春冬季节,且全年相关会掩盖较大的季节性系统差异.对PM2.5、PM10数据进行湿度订正,对AOD进行混合层高度订正,PM2.5、PM10与AOD之间的相关性得到一定提升,且更适合指数相关.     

北京市大气气溶胶PM2.5中极性有机化合物的测定

提出了用GC-MS分析大气细粒子中极性有机化合物的测定方法,给出了2类衍生化反应的最佳条件.标准物质工作曲线相关系数在0.995～1.000之间,仪器精密度为1%～10%,标准物质的标准偏差为3%～20%,实际样品的标准偏差为3%～17%,仪器定量限为0.1～4.0 ng·μL^-1.实测了北京市夏、秋、冬3季大气细粒子样品,定量极性有机化合物42种,其中一元羧酸30种、二元羧酸5种、无水单糖3种、甾醇类3种和苯甲酸,并对这些化合物的可能来源进行了探讨.     

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.     

北京市常见树种叶片吸滞颗粒物能力时间动态研究

目前,以显微镜观察叶片微观结构已被证明是研究叶片吸滞颗粒物机理的有效方法.本文利用颗粒物再悬浮法和原子力显微镜,观察了北京市主要园林树种吸滞颗粒物的能力和叶片的表面特征,并探讨了不同树种吸滞颗粒物能力随时间变化的规律及叶片微观结构对滞尘能力的影响.结果表明:1针叶树种吸滞总悬浮颗粒物(TSP)能力大于阔叶树种,排序为:油松((27.13±0.44)μg·cm~(-2))白皮松((10.74±0.23)μg·cm~(-2))五角枫((8.24±0.18)μg·cm~(-2))柳树((7.71±0.18)μg·cm~(-2))银杏((6.43±0.17)μg·cm~(-2))杨树((6.17±0.19)μg·cm~(-2)),不同时间段树种滞尘能力不一致;2观测期间,针叶树种吸滞TSP和粗颗粒物(PM10)能力随月份呈U型趋势,在8、9和10月最低,随后又逐渐上升,而阔叶树种吸滞颗粒物能力则呈倒U型趋势,在7、8月最高,但不同树种吸滞细颗粒物(PM2.5)能力随时间变化均无明显规律性;3通过对叶片表面原子力显微镜(AFM)结构观测发现,叶片表面粗糙度越大,其吸滞颗粒物能力越强.     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

北京不同污染地区园林植物对空气颗粒物的滞纳能力

城市园林植物作为城市生态系统的重要组成成分,在滞纳空气颗粒物,净化城市大气环境发挥着重要作用.本文以北京市6种常见园林植物为研究对象,利用气溶胶再发生器(QRJZFSQ-I)测定了不同污染地区叶片对大气颗粒物的滞纳能力,同时利用环境扫描电镜观察了测试树种叶片结构变化.结果表明:1在所测的树种中,针叶树种单位叶面积滞纳空气颗粒物的能力比阔叶树种高,其中油松(Pinus tabuliformis)滞纳量最高,为(3.89±0.026)μg·cm-2,其次是白皮松(Pinus bungeana),为(2.82±0.392)μg·cm-2,毛白杨(Populus tomentosa)最小,为(2.00±0.118)μg·cm-2;2通过观察叶片微观形态结构发现,针叶树种气孔排列紧密,气孔密度比阔叶树种大,表面粗糙度高于阔叶树种,而且能够分泌油脂;3在不同污染区,相同树种叶片滞纳PM10存在显著差异,五环周围的树种叶片单位叶面积滞纳PM10能力要高于植物园的,而相同树种叶片单位叶面积滞纳PM2.5则无明显差异;4在不同污染区下,叶片结构发生了重要的适应性变化,相对于轻污染区,在重污染区植物叶片外表皮细胞收缩,叶片表皮纹理变得更加粗糙,气孔频度和绒毛长度增加.尽管暴露于重污染区植物叶片发生重要变化,但是这些植物仍然能够正常健康地生长.     

城市公园不同植被结构绿地削减空气颗粒物浓度研究

随着城市化和工业化进程的加快,空气颗粒物污染成为城市最为严峻的环境问题之一.依据植被的横向结构、竖向结构及植被类型3个因子对宝鸡市公园绿地进行划分,并选取11种不同植被结构的绿地,在分析地点、时间、风速、温度、相对湿度、绿地面积等环境因子对绿地内空气中ρ（PM_2.5）和ρ（PM₁₀）"本底效应"影响的基础上,探究不同植被结构绿地对空气颗粒物质量浓度削减作用的差异.结果表明:①在不同监测地点和监测时段内,ρ（PM_2.5）和ρ（PM₁₀）有极显著差异,植物养护管理程度较高的城市公园绿地对空气颗粒物质量浓度削减作用较为明显,一天中空气颗粒物质量浓度呈现出早晚高、中午低的变化趋势;②风速、温度、相对湿度对ρ（PM_2.5）和ρ（PM₁₀）有极显著影响,在晴朗、无风或微风天气条件下,ρ（PM_2.5）和ρ（PM₁₀）随风速的增大、温度的减小、相对湿度的增大而增大,且ρ（PM₁₀）变化范围大于ρ（PM_2.5）;③1 hm2以下绿地面积的变化对ρ（PM_2.5）和ρ（PM₁₀）无显著影响;④不同植被结构绿地内ρ（PM_2.5）无显著差异,但ρ（PM₁₀）有极显著差异,其中开敞式以灌木为主的绿地中ρ（PM₁₀）最低,多层闭合式阔叶林中ρ（PM₁₀）最高,其余9种植被结构绿地削减作用居中且相近.研究显示,不同植被结构的城市公园绿地对ρ（PM_2.5）和ρ（PM₁₀）的削减作用存在一定的差异且受多种环境因素的共同制约,可为优化城市绿地植被结构进而有效改善空气质量提供依据.      

Identification of long-range transport pathways and potential sources of PM2.5 and PM10 in Beijing from 2014 to 2015

Trajectory clustering, potential source contribution function (PSCF) and concentration-weighted trajectory (CWT) methods were applied to investigate the transport pathways and identify potential sources of PM_2.5 and PM₁₀ in different seasons from June 2014 to May 2015 in Beijing. The cluster analyses showed that Beijing was affected by trajectories from the south and southeast in summer and autumn. In winter and spring, Beijing was not only affected by the trajectories from the south and southeast, but was also affected by trajectories from the north and northwest. In addition, the analyses of the pressure profile of backward trajectories showed that backward trajectories, which have important influence on Beijing, were mainly distributed above 970 hPa in summer and autumn and below 950 hPa in spring and winter. This indicates that PM_2.5 and PM₁₀ were strongly affected by the near surface air masses in summer and autumn and by high altitude air masses in winter and spring. Results of PSCF and CWT analyses showed that the largest potential source areas were identified in spring, followed by winter and autumn, then summer. In addition, potential source regions of PM₁₀ were similar to those of PM_2.5. There were a clear seasonal and spatial variation of the potential source areas of Beijing and the airflow in the horizontal and vertical directions. Therefore, more effective regional emission reduction measures in Beijing''s surrounding provinces should be implemented to reduce emissions of regional sources in different seasons.     

HEPA空气净化器对学校室内颗粒物的净化效果研究

为了解HEPA（high efficiency particle air filter,高效空气过滤器）空气净化器在小学教室和寝室的净化效果,于2019年3—4月在北京市一所全寄宿小学开展了一项HEPA空气净化器的交叉干预研究.记录干预组、非干预组室内和室外PM_2.5、PM₁₀、PM₁的浓度,计算空气净化器的净化率;采用多元线性回归模型探索净化效果的影响因素.结果表明:①空气净化器对PM_2.5、PM₁₀、PM₁的净化率分别为41.3%〔Q_l~Q_u（下四分位数~上四分位数,下同）:0~53.1%〕、40.7%（10.5%~46.2%）和34.9%（9.6%~40.3%）,其中对PM_2.5的净化率最高;寝室的净化率高于教室的净化率.②当室外PM_2.5浓度为[115,150）μg/m3时对PM_2.5的净化率最高,为52.83%（50.26%~56.13%）,PM₁₀和PM₁亦有类似结果.③多元线性回归分析表明,室外PM_2.5浓度 < 35 μg/m3时,开门通风和室内人员活动分别使室内PM_2.5浓度下降3.73 μg/m3〔95%置信区间（95% CI）:（0.60 μg/m3,6.86 μg/m3）〕和升高3.4 μg/m3（0.22 μg/m3,6.58 μg/m3）;室外PM_2.5浓度为[35,150）μg/m3时,空气净化器使室内PM_2.5浓度下降33.36 μg/m3（16.47 μg/m3,50.25 μg/m3）;室外PM_2.5浓度≥150 μg/m3时,空气净化器和开门通风分别使室内PM_2.5浓度下降48.87 μg/m3（25.62 μg/m3,72.12 μg/m3）和升高37.65 μg/m3（5.60 μg/m3,69.69 μg/m3）.研究显示:空气净化器可同时降低室内PM_2.5、PM₁₀、PM₁的浓度;当室外PM_2.5浓度 < 35 μg/m3时,不需开启空气净化器;当室外PM_2.5浓度为[35,150）μg/m3时,空气净化器有较好的净化效果,偶尔开窗通风不影响空气净化器的净化效果;当室外PM_2.5浓度≥150 μg/m3时,开启空气净化器时应关闭门窗,以免影响其净化效果.