长沙市城区典型交通路口PM_(10)和PM_(2.5)污染特征研究

利用车载环境空气质量监测系统对长沙市城区典型交通路口的近地面空气质量进行了实时监测。结果表明,在监测时段(14∶00~20∶00)内,该监测点环境空气中PM10的小时质量浓度范围在0.097~0.222mg/m3之间,平均值0.163mg/m3;PM2.5的小时质量浓度范围在0.050~0.158mg/m3之间,平均值0.103mg/m3。PM2.5/PM10比值在48.1%~76.6%之间,平均值62.4%。PM10与PM2.5质量浓度在星期一相对较低,星期二有所升高,星期三至周末总体上保持基本稳定。在监测时段PM10与PM2.5小时质量浓度呈现先降后升的变化规律,即14∶00~15∶00,PM10与PM2.5质量浓度相对较高,16∶00左右降至最低,从17∶00开始逐渐升高,20∶00达到峰值。PM10和PM2.5的质量浓度变化与车流量和车速密切相关,温度、相对湿度和风速等气象因素对PM10和PM2.5质量浓度的变化影响也较显著。     

淮河流域PM_(2.5)和PM_(10)比率的时空变化

运用Theil-Sen斜率估计法和Mann-Kendall趋势检验法求出淮河流域23个监测点PM_(2.5)与PM_(10)的变化规律,结果表明,17个地区的空气质量有所改善。与不同气象指标的相关分析表明,空气中PM_(2.5)、PM_(10)的含量与降水量、湿度和温度呈负相关关系,与气压和风速呈正相关关系。夏季空气中悬浮物质含量较低,表明降雨在净化空气中起主导作用。与空气中次生气溶胶的相关分析结果表明,淮河流域空气中的悬浮物质主要来源于煤炭燃烧和交通运输。     

潍坊城区大气甲烷浓度变化特征

为研究城区近地面CH_4浓度特征,于2015年在潍坊市开展了CH_4连续观测实验,分析了地面风向、风速对CH_4浓度的影响。结果表明,2015年潍坊城区CH_4浓度均值为1.411 mg/m~3,季节变化特征表现为冬季高、夏季低,月均浓度分布在0.872~1.788 mg/m~3之间;日变化呈现出单峰型形态,凌晨高、下午低;偏西和偏南风向上,地面风速越大,CH_4浓度越高,在偏东风向上,CH_4浓度随风速增大而减小。     

多时间尺度的秦岭南北城市PM_(10)和PM_(2.5)变化特征分析

基于454d PM_(10)、PM_(2.5)质量浓度小时数据,分析不同时间尺度下西安市和安康市PM_(10)、PM_(2.5)变化规律。结果表明:(1)西安市和安康市PM_(10)、PM_(2.5)日均浓度均呈宽"U"字型变化趋势,秋冬季污染重于夏秋季,西安市污染重于同期安康市。(2)经小波分析发现,西安市在2017年供暖期内PM_(10)、PM_(2.5)浓度小波周期与同期安康市基本相同,经济结构差异和自然条件差异对PM_(10)、PM_(2.5)时间周期无显著影响。(3)城市自然、经济和供暖条件引起西安市和安康市PM_(10)、PM_(2.5)小时浓度变化趋势差异。     

北京市城区PM_(2.5)浓度分布及影响因素研究

对2015年4月1日至2016年3月31日期间北京市城区PM_(2.5)的日均浓度变化及天气影响因素进行了研究。研究结果表明PM_(2.5)的日均浓度变化幅度较大,且在秋冬季节明显高于春夏季节;PM_(2.5)日均浓度统计结果的概率密度呈对数形式分布;由于北京市城区的地理位置原因,导致东南风向时城区PM_(2.5)浓度普遍偏高;而温度与PM_(2.5)浓度无明显相关性。     

乌鲁木齐市空气质量5参数对PM_(2.5)的影响及PM_(2.5)浓度时空变化特征分析

根据新疆环境质量发布平台提供的数据,对乌鲁木齐市2014-2016年3年间7个监测点的PM_(2.5)(粒径小于等于2.5μm)日均质量浓度监测数据进行时空特征分析,其中,空间上运用IDW反距离权重插值法,分别对全年、采暖期和非采暖期数据进行整理分析。运用灰色关联模型对空气质量6参数(PM_(2.5)、SO_2、NO_2、CO、O_3、PM_(10)六项因子)进行计算,结果表明全年、采暖期、非采暖期对PM_(2.5)影响最大的因素都是CO。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。     

昌吉市典型区域PM_(2.5)中有机碳和元素碳污染特征分析

本研究分析PM_(2.5)中有机碳和元素碳的质量浓度变化特征,对昌吉市典型区域昌吉州环保局2016-01月至2017-01月采集的大气细颗粒物(PM_(2.5))样品,利用美国(Sunset Lab Inc)大气气溶胶元素碳与有机碳仪分析了其中的有机碳(OC)和元素碳(EC)浓度水平、污染特征及其可能来源,以期为深入了解昌吉市颗粒物污染现状,制定大气污染防治对策提供依据。结果表明:昌吉市OC和EC的质量浓度范围分别为0.13~46.71μg/m3和0.05~8.25μg/m~3,5月份质量浓度最小,EC的质量浓度月分布无明显变化,OC和EC最大浓度均出现在2月。OC的质量浓度季节变化特征呈现冬季秋季夏季春季;EC的质量浓度季节变化特征呈现冬季秋季夏季春季。在不同的季节,OC的浓度变化比较明显,EC排放相对稳定。对各季节OC、EC相关性分析中可以看出,昌吉市OC、EC相关性表现为夏季最强,春秋次之,表明昌吉市夏、春、秋OC、EC具有相似来源或大气扩散过程,主要来源于交通源机动车尾气的排放;冬季相关性较低,说明OC和EC来源复杂,冬季进入采暖期,采暖期燃煤燃气增加,排放量增大,排放源结构复杂,大气污染可能受多种源共同影响。     

我国大气环境中PM_(2.5) 、PM_(10)研究现状及控制措施

随着城市化、工业化进程的不断推进,大气颗粒物成为影响我国城市环境空气质量的首要污染物。对近年来我国颗粒物浓度变化、气象条件与颗粒物之间的关系、颗粒物中化学成分、微观形貌及来源解析和对人体健康的危害进行概述和总结,并将影响颗粒物污染的特殊情况(沙尘天气、特殊节假日、秸秆焚烧和累积效应等)也进行了分类分析,结合目前的研究现状及国内成功经验提出了颗粒物污染防治的对策。     

雾霾天气宝鸡市区空气中PM_(10)、PM_(2.5)污染状况研究

目的:研究宝鸡市城区雾霾期和非雾霾期PM10、PM2.5的质量浓度变化以及比例关系,为宝鸡的雾霾治理提供技术支撑。方法:在宝鸡市监测站院子设点对PM10、PM2.5分别进行雾霾期和非雾霾期2h段对比监测,结合气象条件进行相关分析,总结规律。结果:PM2.5、PM10质量浓度雾霾期高于非雾霾期。结论:总结了不同时段PM10、PM2.5质量浓度和二者比例关系,为以后的研究和环境管理提供参考。     

基于不同的神经网络模型PM_(2.5)浓度预测对比

近年来,以PM_(2.5)为主要污染物的重霾污染事件频频发生,给国民经济及居民健康造成了严重威胁。本文采用BP、RBF及Elman神经网络分别建立预测模型,并以青海省某工业园区某监测站监测的数据为实例对预测模型进行了具体的应用。结果表明:BP神经网络、RBF神经网络及Elman神经网络都可以有效预测PM_(2.5)浓度,但是BP神经网络预测模型预测误差要小于RBF神经网络模型及Elman神经网络模型,具有更高的稳定性和准确定。     

克拉玛依市PM_(2.5)污染特征分析

对克拉玛依市2014-2015年PM_(2.5)质量浓度进行整理统计,通过Arc GIS空间插值和EXCEL数理统计分析得出PM_(2.5)的质量浓度变化特征。结果表明,PM_(2.5)各小时浓度均低于国家二级标准,整体空气质量为良;PM_(2.5)季节浓度呈现冬季高,春夏低的规律,其中2月份浓度最高,为63.7μg/m3,4月份最低为23.6μg/m3;各监测站PM_(2.5)浓度受盛行风影响自西北向东南方向递增,依次为南林小区、长征新村、白碱滩区、独山子区、乌尔禾区商贸区;PM_(2.5)与PM10全年平均比值为0.53,整体空气污染较重。此外,PM_(2.5)与NO_2和SO_2均呈正相关,与O_3呈负相关性,说明汽车尾气和化石燃料排放是PM_(2.5)的主要来源。     

北京市区冬季PM_(2.5)污染特征及来源分析

选取北京市区为采样点,于2016年1月进行PM_(2.5)采集,并分析了PM_(2.5)和水溶性组分的污染特征和来源。结果表明,采样期间北京市PM_(2.5)质量浓度平均为67.7μg/m~3,水溶性离子是PM_(2.5)的主要组分,其中SO_4~(2-)、NO_3~-和NH_4~+之和占总离子的79.1%;Ca~(2+)和Mg~(2+)分别占PM_(2.5)质量浓度的2.5%和0.9%,海盐气溶胶和K~+分别占PM_(2.5)的3.6%和1.6%。采样期间NO_3~-/SO_4~(2-)为1.1,表明NO_2和SO_2主要来自移动源的贡献。北京市区冬季PM_(2.5)主要来自二次污染源、扬尘、生物质燃烧和海盐气溶胶,贡献率分别为42.351%、21.164%、16.314%和5.436%。     

南昌市环境空气PM_(2.5)化学组分的时空分布特征

2015年在南昌市6个国控点分四个季度采集了大气PM_(2.5)样品,分析了其主要化学组分,并对PM_(2.5)质量浓度进行了重构。结果表明:南昌市PM_(2.5)的主要化学组分为SO_4~(2-)、OC、NO_3~-、NH_4~+和EC,占比具有明显的时空变化特征,硫酸盐在第二、三季度最大,硝酸盐在第一、四季度最大,SO_4~(2-)和NH_4~+在石化点位最高,NO_3~-在京东镇政府点位最高,OC和EC在省外办点位最高;重构后,南昌市PM_(2.5)以硫酸盐、有机物、地壳类物质为主,说明2015年南昌市扬尘和二次硫酸盐源类对PM_(2.5)的贡献可能是主要的。     

昆明城区颗粒物质量浓度变化特征及驱动因素研究

为探究颗粒物对昆明城区环境空气质量的影响,基于2015～2020年颗粒物质量浓度数据,利用Spearman相关性分析、冗余分析方法对颗粒物质量浓度时空变化特征及其驱动因素进行深入研究。结果表明：2015～2020年期间,可吸入颗粒物(PM₁₀)、细颗粒物(PM_2.5)质量浓度均呈现显著下降的变化趋势,年内旱季整体高于雨季,日内呈“双峰双谷”波动变化趋势且夜间显著高于白天;颗粒物质量浓度的主要影响因素是风速,并与降水量、相对湿度、气温呈现显著负相关,但也受到区域传输、人类活动等多种因素影响。未来,应分区域、分时段(旱季和雨季、昼间和夜间)制定差异化的污染管控措施,重点控制PM₁₀质量浓度并使PM_2.5质量浓度持续下降,为持续提升昆明城区环境空气质量水平提供科学依据。     

大连市环境空气中PM_（2.5）含碳组分浓度特征研究

2013年9~12月对大连市环境空气中的PM2.5、有机碳和元素碳进行连续监测。研究结果表明,有机碳约占PM2.5质量的14.0%,元素碳约占6.9%,有机碳和元素碳的总质量约占PM2.5的21%。一半以上的天数有机碳与元素碳比值超过2.0,说明大连存在二次污染。有机碳与元素碳具有显著的正相关性,相关系数约为0.93,表明有机碳和元素碳可能有相同的污染来源。较大降水能有效降低PM2.5、有机碳和元素碳的浓度,风速与PM2.5、有机碳和元素碳的浓度呈负相关,雾霾天气时,有机碳和元素碳的浓度明显增加。     

2015-2020年昌吉市PM_(2.5)污染时空分布特征

以新疆"乌—昌—石"重点城市之一的昌吉市作为研究对象,收集2015～2020年昌吉市空气质量自动监测站点的PM_(2.5)浓度数据,分析昌吉市PM_(2.5)浓度的年变化、季节变化、月、日以及小时变化特征及其变化规律。结果表明:近6年来昌吉市PM_(2.5)浓度均超过二级标准限值浓度,且PM_(2.5)平均浓度整体呈上升趋势;不同季节PM_(2.5)浓度呈春夏季低、秋冬季高的特点;受冬季气象条件和采暖期影响,PM_(2.5)浓度在11月至次年3月相对较高,4～10月相对较低;PM_(2.5) 24小时浓度在不同月份呈现不同的日变化规律。PM_(2.5)浓度时空分布与气象条件、采暖季、汽车尾气、工业排放等因素有关,且是影响空气质量等级和优良天数的主要因素。研究结果可为昌吉市PM_(2.5)污染防治提供参考。     

德州市PM_(10)无机组分特征及来源解析

统计分析了山东省大气超级站德州站2018年1月—3月逐小时离子组分、金属组分和碳组分在线监测数据(共332个样本)。利用正定矩阵因子(PMF)和主成分分析(PCA)模型对德州市PM_(10)进行来源解析,将PM_(10)的主要来源分为6类,分别是交通源(27.9%)、二次源(26.2%)、燃煤源(30.1%)、燃油源(0.05%)、建筑尘(0.8%)、其他源(15.0%)。PCA分析结果表明,德州市PM_(10)的主要来源是燃煤源,其次是交通源,因此应重点加强对燃煤源及交通源的排放控制。     

成都市PM_(2.5)中有机碳和元素碳的污染特征及来源

于2009~2010年典型月份采集成都市区大气PM_(2.5) 样品,采用IMPROVE-热光反射法对样品中有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)进行分析,探讨OC和EC浓度水平、来源及二次有机碳分布特征。结果表明,成都市年均OC和EC质量浓度分别为(22.6±10.2)μg/m3和(9.0±5.4)μg/m3,与国内外其他城市相比,污染严重;OC和EC的质量浓度呈现明显季度差异,均为秋冬季春夏季;相关性分析表明,OC和EC秋冬季节相关性较好,表明其来源相近,春夏季节相关性差,表明其来源较为复杂;OC/EC值2,且估算出二次有机碳(secondary organic carbon,SOC)年均值为(8.9±4.6)μg/m~3,占OC质量浓度的38.5%,表明二次污染严重。     

上海市松江区PM2.5与PM10浓度变化特征分析

为了解松江区PM 2.5与PM 10浓度变化特征,选取2014年1月1日~2019年2月28日松江区3个环境空气自动监测市控点质控后的小时平均值,进行日、月、季节和年际变化的讨论分析。结果表明:2014~2018年松江区的PM 2.5与PM 10年均浓度分别为51、61μg/m 3,呈整体下降趋势;冬春季PM 2.5与PM 10浓度较高、秋季次之、夏季低;2014~2018年PM 2.5与PM 10浓度月变化趋势基本相同,整体呈现4~6月逐渐下降,10~12月逐渐上升的规律;PM 2.5与PM 10浓度各季节及全年的日变化均呈双峰型;PM 2.5与PM 10的相关系数为0.87,四季系数为r冬季(0.91)>r夏季(0.90)>r秋季(0.88)>r春季(0.72);PM 2.5/PM 10的平均值为0.83,大气颗粒物PM 2.5的贡献率非常高。