基于过氧化钙(CaO_2)的类芬顿污泥预处理技术研究

为研究城市空气湿度变化特征以及对颗粒物浓度的影响,选取以成都为例,利用相对湿度、绝对湿度及其颗粒物(PM_(10)、PM_(2.5))浓度值,分析了成都市空气湿度不同时间尺度变化特征及其对颗粒物的影响,结果表明:成都市平均相对湿度、绝对湿度分别为77.10%、11.40 g/m~3,其中相对湿度多集中在80%~95%,绝对湿度集中在4.5~10.5 g/m~3,近5年两类湿度参量均有逐年增加的趋势,但两者在年、季节、日变化特征差异较大,多项式拟合可以较好的模拟成都市湿度参量的变化特征;两类湿度参量对颗粒物浓度的影响表现不同,相对湿度越大时,空气越趋近饱和,颗粒物浓度偏高,而绝对湿度越大时,大气湿沉降作用强,颗粒物浓度偏低。     

北京野鸭湖湿地观测站大气颗粒物变化特征

利用北京延庆野鸭湖湿地生态气象观测站2013年PM_(2.5)和PM_(10)连续观测资料,统计分析野鸭湖地区大气颗粒物的变化特征及气象影响因素。研究结果表明:野鸭湖观测站PM_(2.5)和PM_(10)年平均浓度分别为45.7μg/m3和80.2μg/m~3,超标率分别为17.8%和11.4%,以《环境空气质量标准》二级标准统计。PM_(2.5)和PM_(10)均在1月达到峰值,7月出现最低值。各季PM_(2.5)/PM_(10)值在37.8%～69.9%之间,春季以PM_(10)污染为主,冬季以PM_(2.5)为主。各季节PM_(2.5)和PM_(10)日变化中夏季出峰最早,冬季最晚,冬春季PM_(2.5)浓度为双峰型,夏秋季为单峰型;PM_(10)的日变化仅春季与PM_(2.5)略有不同,晚上峰值强度远大于早上。野鸭湖地区颗粒物污染受本地源和外来源的共同影响,东北气流易造成颗粒物积累,而西南气流有利于颗粒物稀释扩散。典型污染过程显示,持续的东北风控制、风速2.0 m/s左右、平均相对湿度在80.0%左右利于颗粒物浓度的增加;而偏西气流和较高温度、较低湿度能共同起到缓解污染的作用。     

相对湿度对室内PM_(2.5)浓度实时测量值的影响

为考察相对湿度对激光粉尘仪测量室内PM_(2.5)的影响,更客观真实地评价室内PM_(2.5)的污染状况。室温下在实验室环境舱内分别以去离子水、NaCl溶液、CaCl_2溶液、大肠杆菌溶液为水源在加湿器发生的过程中同时记录环境舱内相对湿度和PM_(2.5)的变化情况,考察激光粉尘仪PM_(2.5)实时测量值与相对湿度的关系。结果表明:加湿器加湿过程中相对湿度急剧变化对PM_(2.5)实时测量值有显著影响;初始PM_(2.5)浓度越大相对湿度对PM_(2.5)实时测量值干扰越敏感,当初始浓度为500μg/m~3时,PM_(2.5)实时测量值变动的敏感点相对湿度为60%;水中盐离子、微生物等物质大大增加了液滴对激光的散射作用,水中杂质浓度越高,PM_(2.5)实时测量值越大,NaCl溶液浓度为250mg/L时,PM_(2.5)实时测量值达到1 000μg/m~3以上对应的相对湿度值仅36%。     

北京市PM_(2.5)和反应性气体浓度的变化特征及其与气象条件的关系

利用2012年全年北京市SO_2、NO_y、O_3、CO和PM_(2.5)监测数据,讨论PM_(2.5)和反应性气体的变化特征及其与气象条件的相关关系.结果表明:北京地区2012年PM_(2.5)平均质量浓度为52.0μg/m~3,年波动范围较大,特别是秋冬两季,呈现出慢累积而快清除的变化特征;NO_y、NO、CO、SO_2与PM_(2.5)质量浓度增减呈相同的变化趋势,O_3变化趋势相反;PM_(2.5)质量浓度0~25μg/m~3之间出现的频率最高,为27%;NO_y、NO、CO、SO_2和PM_(2.5)在风速小于3m/s时,随风速增大均呈显著的下降趋势,其中PM_(2.5)的下降率约为25%/m/s,风速大于3m/s后,污染物下降到较低浓度后趋于平缓;清洁天,相对湿度增大对PM_(2.5)质量浓度的影响不显著,而污染天,在较高相对湿度下,PM_(2.5)的质量浓度迅速升高.     

北京市霾天PM_(2.5)污染特征及其与气象因素的关系

2016年在北京市区春、夏、秋、冬四季分别进行1个月的PM_(2.5)样品采集,探讨了北京市霾与非霾期间PM_(2.5)质量浓度的季节变化、逐日变化特征,对影响其浓度的气象因素进行了分析,并使用MATLAB软件对数据进行可视化表达。结果表明,2016年北京市PM_(2.5)年均浓度为119.8μg/m~3,占采样天数37.6%的霾天PM_(2.5)质量浓度对其贡献率为72.5%;采样期间夏季与冬季的霾天数较多,呈明显的双峰特征。霾天与非霾天PM_(2.5)质量浓度存在显著差异,霾天PM_(2.5)平均浓度(138.3～263.8μg/m~3)是非霾天PM_(2.5)均值(65.4～86.4μg/m~3)的1.9～3.1倍。各季节温度对霾天的影响较小,春、冬季霾天的相对湿度(40%～70%,65%～95%)高于相应平均值(31.7%,55.0%),PM_(2.5)质量浓度与其显著正相关(R0.68),表明该季节相对湿度对霾天的形成有比较明显的影响。另外,南风和西南风且风速1.2 m/s,大气压较高时易形成霾天。     

不同空气质量等级下环境空气颗粒物及其碳组分变化特征

为研究不同空气质量等级下环境空气颗粒物及其碳组分变化特征,于2016年3月在廊坊市对环境空气中PM_(10)、PM_(2.5)和PM1质量浓度及PM_(2.5)中碳组分质量浓度进行了在线监测.结果表明,监测期间廊坊市PM_(10)、PM_(2.5)和PM1质量浓度较高,其分别为204.1、107.9和87.8μg·m~(-3),日变化趋势呈双峰型分布.总体来说,当空气质量越好,PM_(10)、PM_(2.5)、PM1及其碳组分(OC、EC、SOC和POC)质量浓度越低,PM1/PM_(2.5)、PM1/PM_(10)和PM_(2.5)/PM_(10)比值越小.但"中度污染"时,PM_(10)质量浓度最高,且PM1/PM_(10)和PM_(2.5)/PM_(10)达到谷底值;同时OC质量浓度比"轻度污染"略低,而明显低于"重度污染",且主要出现在13:00~23:00,表明"中度污染"时细颗粒物和超细颗粒物占比下降,与其对应的首要污染物相一致.此外,OC/EC比值大于2.0,通过最小OC/EC比值法估算PM_(2.5)中SOC和POC,其浓度均值分别为12.2μg·m~(-3)和5.0μg·m~(-3).     

南京市冬春PM_(2.5)和PM_(10)污染特征及影响因素分析

南京2013年冬季至2014年春季多次出现灰霾污染天气过程,防治颗粒物污染刻不容缓,其中细颗粒物(PM_(10))和超细颗粒物(PM_(2.5))所占比例较大。利用南京市环保局空气质量发布平台污染物监测数据和中国天气网站气象要素数据,对冬春季PM_(2.5)和PM_(10)质量浓度的变化特征以及它们与气象条件的关系进行分析。结果表明:南京冬季PM_(2.5)、PM10平均浓度分别为0.0982,0.1536 mg/m3,春季平均浓度分别为0.0673,0.1207 mg/m3。市区和郊区污染程度由高到低依次为:市区>江宁>六合>溧水。南京空气中颗粒物小时平均浓度日变化呈"双峰双谷型"特征。颗粒物与相对湿度、降雨量和风力呈一定的负相关性,与温度呈一定的正相关性,它们共同影响颗粒物质量浓度水平和大气污染状况。     

广西玉林市大气PM10和PM2.5中有机碳和元素碳污染特征分析

2015年7月~2016年3月期间在广西玉林市3个空气监测点位共采集环境大气颗粒物PM_(10)样品218份,PM_(2.5)样品202份,利用多波段热/光碳分析仪分析其颗粒物中有机碳和(OC)和元素碳(EC)浓度水平、时空变化、污染特征及可能来源.结果表明,玉林市PM_(10)中OC和EC质量浓度分别为10.99μg·m~(-3)和5.11μg·m~(-3);PM_(2.5)中OC和EC质量浓度分别为7.51μg·m~(-3)和4.70μg·m~(-3).3个监测点位大气中PM_(10)和PM_(2.5)冬季的OC和EC浓度水平均高于其他季节,PM_(10)、PM_(2.5)中OC和EC的相关性较好,R2分别为0.58和0.60(P均小于0.01).应用最小OC/EC比值法对二次有机碳(SOC)含量进行了估算,冬季大气PM_(10)和PM_(2.5)中SOC平均质量浓度分别为14.50μg·m~(-3)和6.74μg·m~(-3),高于其他季节.PM_(10)和PM_(2.5)中SOC/OC比值均0.5,玉林市大气中粗细颗粒物均以SOC为主.夏季PM_(10)和PM_(2.5)中SOC/OC分别为80.6%和77.7%,为四季最高值,与夏季温度较高、光照强烈、有利于光化学反应将OC转化为SOC有关.     

内江市大气细颗粒物化学组成及其消光特征

2012—2013年在内江市环境监测站楼顶采集了PM_(10)和PM_(2.5)样品,并分析了颗粒物中金属无机元素、水溶性离子和碳质组分的质量浓度,以研究颗粒物的污染水平及其消光特性.采样期间,内江市的PM_(10)和PM_(2.5)浓度分别为(116.3±54.7)μg·m~(-3)和(78.6±36.8)μg·m~(-3);颗粒物污染冬季较重,其次为秋季,春季和夏季污染水平相当.内江市PM_(2.5)中以二次无机离子(SNA,42.5%)和有机物(OM,35.0%)污染最为突出,其次为地壳元素(Soil,11.4%)、元素碳(EC,5.2%)和微量元素(Trace,0.3%).高相对湿度和细颗粒物浓度是导致内江灰霾频发的主要原因,10km能见度对应的PM_(2.5)浓度界值为72.2μg·m~(-3).采用IMPROVE模型计算,内江市PM_(2.5)的平均散射系数为(504.6±293.2)Mm-1,吸光系数平均为(41.0±20.6)Mm-1;PM_(2.5)中硫酸盐对消光系数贡献最大,占40.0%;其次为有机物和硝酸盐,贡献率分别是29.2%和15.3%;EC的贡献率为7.3%.PM_(2.5)质量浓度与散射系数呈现出较强的线性关系(r=0.88),通过回归方程得到PM_(2.5)的质量散射效率为4.2 m~2·g~(-1).     

北京APEC期间大气颗粒物中类腐殖酸的污染特征及来源

为分析北京市APEC期间强化减排措施对大气细颗粒物中类腐殖酸(humic-like substances,HULIS)浓度及污染特征的影响.对APEC前后样品进行了碳质组分(OC/EC)、水溶性有机碳(water-soluble organic carbon,WSOC)、HULIS和水溶性离子分析,研究发现APEC采样期间大气颗粒物中HULIS的浓度范围为1~15μg·m~(-3).HULIS浓度在会议减排前、中和后期分别为7.99、5.83和7.06μg·m~(-3).会议减排对降低HULIS浓度起到了一定作用.在会议期间HULIS的浓度下降程度明显快于EC与WSOC.会议之后HULIS的浓度上升程度明显慢于OC、EC、WSOC和PM_(2.5);HULIS占PM_(2.5)的值在采样期间变化不大,在采样期间、会议减排前、中和后期分别为13.60%、13.59%、14.02%和12.22%.HULIS-C/OC的值和HULIS-C/WSOC的值依次为28.95%、35.51%、28.37%、19.93%和52.75%、59.58%、51.54%、45.39%.HULIS与湿度呈显著正相关,与风速呈显著负相关;生物质燃烧和二次转化可能是北京大气颗粒物中HULIS重要来源.     

中国南北方大气污染物的时空分布特征

利用中国环境监测总站2014年12月-2015年11月171个城市的逐小时大气污染资料,对比分析了南北方大气颗粒物和气体污染物的时空分布特征。结果表明:(1)全国出现PM_(2.5)和PM_(10)污染日的频率分别为17.23%和10.33%,PM_(2.5)、PM_(10)具有较好的线性相关性,PM_(2.5)浓度约占PM_(10)浓度的47%,颗粒物和气体污染物的重污染区主要分布在环渤海地区、长三角地区、西北地区、四川盆地和两湖地区。(2)南北方大气颗粒物和气体污染物浓度具有明显的月季变化,从12月到次年3月和6、11月差距大,其他月份小(O3除外),PM_(2.5)/PM_(10)比值在秋末冬初大,其他季节小。(3)北方PM_(2.5)年均浓度为62.28μg/m3,比南方高12.62μg/m3,北方PM_(10)年均浓度为115.98μg/m3,比南方高36.34μg/m~3,虽然北方颗粒物浓度比南方大,但除2015年11月外,PM_(2.5)/PM_(10)北方都小于南方;北方SO_2、NO_2、CO年均浓度分别为38.16、42.28、1 256.67μg/m~3,比南方高18.43、3.56、315.83μg/m3,南北O3年均浓度相当。(4)从日变化看,污染物平均浓度(O3和SO_2除外)白天低于夜间,下降速率白天大于夜间;南北PM_(2.5)、PM_(10)、CO、NO_2平均浓度日变化呈"双峰双谷"型,O3呈"单峰单谷"型;日变化曲线还表明,日间和夜间北方PM_(2.5)、PM_(10)、CO、NO_2平均浓度都高于南方,下降速率也是北方大于南方。     

宁波市区秋冬季PM_(2.5)质量浓度特征及影响因素分析

该研究基于2013年11-12月的宁波市空气质量监测数据和气象资料数据,分析了PM_(2.5)质量浓度变化特征,探讨了PM_(2.5)与其它粒径颗粒物、气体污染物以及多个气象因子之间的相关性及影响规律,构建了包含气象和污染气体因子的逐步回归模型,综合分析了2类因子对宁波市PM_(2.5)浓度的影响。研究结果表明:(1)研究时间段内的宁波PM_(2.5)质量浓度范围为(100.66±72.98)μg/m~3,超过粗颗粒PM_(2.5-10)的质量浓度,是可吸入颗粒物的主要组成部分。(2)PM_(2.5)与3种污染气体均表现出显著的相关性,其中与CO的质量浓度相关性最高,R=0.85。风速与PM_(2.5)呈现负相关,受西北-北风向影响下的PM_(2.5)浓度要明显高出其它风向影响下的浓度。降水对PM_(2.5)影响显著,降水日的PM_(2.5)平均质量浓度随降水强度呈现幂函数递减,为非降水日的48.4%。非降水日的PM_(2.5)浓度与相对湿度显著正相关,与日照时数显著负相关。(3)逐步回归结果表明,气象和污染气体两类因子能够解释PM_(2.5)浓度82.4%的变异。其中,CO是影响宁波市秋冬季PM_(2.5)浓度的首要显著因子。本研究对明确城市PM_(2.5)污染特征和影响因素具有参考价值和意义。     

高速公路大气细颗粒物污染特征研究

为了解高速公路大气细颗粒物的污染特征及其对周边环境的影响,采集了成雅高速公路双流段的大气细颗粒物,分析了其质量浓度,无机元素,碳组分。研究表明:距高速公路2 m和120 m处大气细颗粒物的质量浓度平均值分别为97.36μg/m~3和89.44μg/m~3;OC质量浓度占PM_(2.5)质量浓度分别为23.1%和23.2%;EC质量浓度占PM_(2.5)质量浓度分别为12.9%和10.6%,120 m处细颗粒物中OC/EC的值(2.2)2,表明在扩散过程中发生了二次有机碳转化。富集因子法分析表明与机动车排放相关的Cd、Pb、Zn、Cu和Ni 5种重金属元素在细颗粒物中富集程度严重。相关性分析和因子分析均表明高速公路对周围环境有很大的影响,大气细颗粒物不仅来自机动车直接排放的尾气还有车辆行驶过程中的二次扬尘及农田产生的土壤尘。     

华北区域点冬季二次有机气溶胶特征与影响因素

为探明二次有机气溶胶(SOA)的污染特征和影响因素,本研究于2018年11月—2019年1月对华北区域点(德州市郊区点)细颗粒物(PM_(2.5))的化学组成进行了在线测量,并分析了PM_(2.5)中有机碳(OC)、元素碳(EC)和水溶性离子组分的污染特征及PM_(2.5)与气象要素之间的相关性.结果表明,观测期间德州PM_(2.5)污染严重,平均质量浓度为(115.6±24.6)μg·m~(-3);其中,有机碳和元素碳是PM_(2.5)的主要成分,平均质量浓度分别为(8.2±5.8)μg·m~(-3)和(2.6±2.2)μg·m~(-3),占PM_(2.5)总质量的7.1%和2.2%;PM_(2.5)与风速呈负相关,与相对湿度呈正相关,与气温的相关性较差,偏北风对PM_(2.5)浓度影响较大.同时,本研究利用EC示踪OC/EC比值法对PM_(2.5)中的二次有机碳(SOC)进行了估算,通过估算得到的SOC结果表明,华北区域点冬季SOC是OC的重要组成部分,平均浓度为(4.0±2.9)μg·m~(-3),占OC的45.7%,SOC在白天占比较高(62.7%),早晚由于有局地生物质燃烧影响,SOC占比降低,约占OC的42.7%.本研究还分析了SOC生成的影响因素,分析了德州市冬季O_3、含水量、酸度与SOC的相关性.结果表明,SOC受臭氧浓度影响,但在白天和夜晚表现出不同的相关关系,可能存在不同的生成机制.最后,利用ISORROPIA模型估算了颗粒物的含水量和酸度,发现SOC在高含水量和低含水量下存在不同的关系,高含水量更能促进SOC生成;在高含水量下SOC与H~+具有显著相关性,但在低含水量下则不相关,表明颗粒物含水量较高、H~+浓度较高情况下液相酸催化反应可能对SOC具有重要贡献.     

广州市PM2.5污染特征及潜在贡献源区分析

基于NCEP/NCAR全球再分析气象资料和2015-2017年PM_(2.5)浓度,利用HYSPLIT模型研究不同气流轨迹对广州PM_(2.5)浓度的影响,以及污染输送路径和潜在源区空间分布特征。结果表明:(1)广州2015-2017年PM_(2.5)平均浓度为36.5μg/m~3,逐月平均PM_(2.5)浓度1月份最高,为49.3μg/m~3,轻度污染及以上时次比例达15.66%,6月份最低,为20.8μg/m~3,无轻度及以上污染时次。(2)PM_(2.5)平均浓度在不同情景类型下的浓度高低顺序依次为:污染日干季清洁日湿季,其中污染日的PM_(2.5)平均浓度是清洁日的近3倍,干季的PM_(2.5)平均浓度是湿季的1.4倍;不同情景类型下的PM_(2.5)浓度日变化特征基本都在白天时段低(16时最低),晚上时段高(21-22时最高),日变化幅度为污染日干季清洁日湿季。(3)在干季,影响广州的气流轨迹路径主要有5类:东北路径、东南路径、西北路径、西南路径及偏西路径,其中第2类东南路径对广州PM_(2.5)平均浓度的贡献最高;而在湿季,影响广州的气流轨迹路径主要有4类:偏南路径、东南路径、偏北路径及西南路径,其中第3类偏北路径对广州PM_(2.5)浓度的贡献最高。(4)基于潜在源贡献因子和浓度权重轨迹分析法分析表明,广州PM_(2.5)浓度潜在源贡献较大的区域主要集中在广州东部的东莞、惠州、深圳、肇庆、中山等周边地区,该研究可为确定广州污染潜在源贡献区以及区域联防联控提供参考。     

北京城市植被区PM_(2.5)浓度时空变化及影响因素分析

文章在北京城市森林植被区选择2个观测点,采集2个观测点的PM_(2.5)质量浓度数据,并结合北京植物园的气象数据,研究其PM_(2.5)质量浓度变化特征和影响因素,探讨PM_(2.5)质量浓度变化对城市生活的影响。结果表明:被选观测点的PM_(2.5)浓度月变化基本呈"M"型,PM_(2.5)浓度在6月最低(西山公园为(71.01±34.34)μg/m~3,北京植物园为(44.41±31.57)μg/m~3),2月最高(西山公园为(154.07±95.70)μg/m~3,北京植物园为(139.49±100.74)μg/m~3),10月达下半年的最高值(西山公园为(133.45±109.06)μg/m~3,北京植物园为(127.04±109.34)μg/m~3);PM_(2.5)浓度全年均值为西山公园((104.02±26.45)μg/m~3)>北京植物园((82.52±28.18)μg/m~3);PM_(2.5)浓度季节变化呈"V"型在冬季最高,春季次之,夏季最低PM_(2.5)质量浓度季节变化西山公园为冬季((115.46±41.37)μg/m~3)>春季((112.39±18.50)μg/m~3)>秋季((106.37±24.25)μg/m~3)>夏季((81.87±12.60)μg/m~3),北京植物园为冬季((97.35±41.38)μg/m~3)>春季((94.07±12.21)μg/m~3)>秋季((93.17±31.42)μg/m~3)>夏季((61.86±16.70)μg/m~3);森林空旷地的空气质量优于森林内部PM_(2.5)浓度变化主要受地理位置、气象因素、人文因素的影响。     

哈尔滨市PM_(2.5)质量浓度变化特征及影响因素分析

针对哈尔滨市的PM_(2.5)空气污染问题,收集整理了哈尔滨市2014年全年的空气污染物数据和气象数据,分析研究了当地PM_(2.5)质量浓度变化特征,找出其影响因素。结果表明,哈尔滨市PM_(2.5)日均质量浓度为72.64μg/m~3,初步达到国家标准。PM_(2.5)月均质量浓度11月最高,约为148.27μg/m~3,9月最低,约为21.07μg/m~3。秋冬两季PM_(2.5)平均质量浓度较高。PM_(2.5)/PM10比例春季最低,约为0.5,PM_(2.5)已成为哈尔滨市可吸入颗粒物中的首要污染物。从PM_(2.5)与SO~2、NO~2、CO的相关性来看,哈尔滨市PM_(2.5)与CO的相关性最高,四季均在0.9左右。各类空气污染物的平均浓度降水日低于非降水日。PM_(2.5)与气象因子的相关性较小,与风速呈负相关。     

徐州市大气PM_(2.5)污染特征和来源解析

于2016年4月、7月、10月和2017年1月利用2台中流量分别在徐州市不同功能区,即生活区、工业区和旅游区采样大气中的细颗粒物(PM_(2.5))样品,测定PM_(2.5)质量浓度及其化学组分(含碳组分、水溶性离子和无机元素),结合化学质量平衡模型(CMB),对PM_(2.5)进行来源解析。研究结果表明:徐州市PM_(2.5)污染的年平均浓度维持在65μg/m~3左右,超过国家环境空气质量标准(GB3095-2012)二级标准(35μg/m3)的0.95倍。冬季全市的PM_(2.5)平均浓度最高,为103.6μg/m~3。根据CMB模型结果,全年PM_(2.5)来源解析,煤烟尘的分担率最高,达23.4%;其次是硫酸盐,达20.5%;硝酸盐的分担率占第三位,为18%,机动车尾气尘和城市扬尘分别为12.3%和11.4%,其他各源类的分担率均小于5%。     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_(2.5)污染贡献.结果表明成都市PM_(2.5)污染较重,特别是1月达到130μg·m~(-3)以上;浓度的高值集中在中心城区,且与周边城市PM_(2.5)污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_(2.5)污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_(2.5)年均浓度贡献率分别为29%、26%和24%,是影响PM_(2.5)污染的主要污染源,下一步应强化对这3类源的污染控制.     

北京市冬季雾霾天人体呼吸高度PM2.5变化特征对气象因素的响应

依据实测北京冬季人体呼吸高度PM_(2.5)质量浓度、湿度、风速、风向、温度数据,利用相关性分析、非线性回归分析、统计分析,分别探讨轻中度空气污染天、一次重污染过程,气象因子对PM_(2.5)质量浓度生成、变化的影响.结果表明:1轻中度污染天,若温度较低、日平均风速较小,湿度大时,湿度是影响PM_(2.5)质量浓度变化的决定性因素;而温度、风速、湿度均较大时,PM_(2.5)质量浓度变化受三者共同作用;当风速、湿度、温度均较小时,PM_(2.5)质量浓度变化主要受前两者影响.这反映出,人体呼吸高度的PM_(2.5)质量浓度变化对气象因子微小变化响应极为敏感.2一次空气质量从良到重度污染的过程中,PM_(2.5)质量浓度积累主要是由于空气湍流较弱、加之湿度大导致的,此外白天西北风、东北风较大,但持续时间短,而夜间东南风、西南风风速较小,持续时间长,也有利于污染物的累积.3短时微小量降雪使温度降低、空气湿度增加,不仅不能降低PM_(2.5)质量浓度,反而使其上升了72%,造成颗粒物浓度的跃升现象.4短时风速较大,风速达到2.0 m·s~(-1),持续2 h,虽然在一定程度上降低局地PM_(2.5)质量浓度,但并不能彻底改变空气质量状况.只有当风速大于3.5 m·s~(-1),且持续4 h以上,才能够迅速地扩散空气中的细颗粒物,空气质量由重度污染转变为优.