广州大学城大气PM_(2.5)质量浓度与影响因素

选择广州大学城代表性学生宿舍、教室、食堂等多个室内采样点及几个室外采样点,准确测定各采样点大气中PM2.5的质量浓度,分析各室内和室外采样点大气中PM2.5污染程度及分布特征;根据同步记录的气象数据,分析评价气象因子对大气PM2.5质量浓度的影响。     

下沙空气PM2.5浓度与影响因素简析

为了解下沙空气PM2.5的污染状况、分布规律及其影响因素,对2011年9月～2013年2月期间下沙站点的PM2.5进行了连续监测与分析.结果表明:2011年9月～2013年2月下沙站点PM2.5的小时浓度范围为1～453μg/m3,2012年平均浓度值为61μg/m3.下沙PM2.5浓度呈现明显的季度变化,且夜间高于昼间,这主要与本地及周边特殊的工业结构和能源消耗、气象条件、地理位置等因素有关.     

贵阳市相对湿度及PM2.5浓度对大气能见度的影响分析

利用2019年1月1日至12月31日贵阳市能见度、相对湿度(RH)和PM2.5浓度逐时观测资料,分析了能见度与相对湿度及PM2.5浓度的关系.结果表明:夏季贵阳市相对湿度与PM2.5浓度较低,能见度较高,冬季则相反;能见度日变化为单峰型分布:06:00时左右最低,16:00时左右最高,与相对湿度呈反向变化.能见度与RH...     

陶瓷生产区空气中PM10、PM2.5和PM1质量浓度的变化特征

采用直读式Dust Trak8520型颗粒物浓度测定仪对陶瓷生产区附近空气中PM10、PM2.5和PM1质量浓度进行了测定,结果表明PM10、PM2.5和PM1日平均质量浓度变化趋势相似,三者之间存在显著的相关性.连续十日PM10、PM2.5和PM1平均质量浓度分别为0.253mg/m3、0.224mg/m3,0.188mg/m3,PM2.5/PM10、PM1/PM10与PM1/PM2.5的平均值分别为0.88、0.74与0.84,表明陶瓷生产区空气中颗粒物污染比较严重,且细粒子在PM10中比例有增大的趋势.     

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。     

环境空气中PM2.5与PM10质量浓度关系的研究

采集大连市4个大气自动监测点位30dPM2.5和PM10质量浓度小时值的监测数据,通过对每个点位720个有效数据对的统计分析,研究二者质量浓度的相关性及 PM2.5/PM10比值的分布情况,并研究了气象因素对PM2.5与PM10的影响。结果表明,雾使PM2.5PM10浓度都减小,但二者比值也随之降低;强风会使PM10浓度增大,但PM2.5浓度却减小。     

办公建筑室内PM2.5浓度分析与控制策略研究

为了进一步的研究PM2.5浓度变化对室内环境的影响规律,项目对北京某办公楼进行PM2.5浓度及"IO比"变化规律进行了监测,并且在利用实验的方法定量的计算了办公建筑室内主要污染源香烟的PM2.5散发量,同时利用实验的方法验证了基于室内质量平衡的室内PM2.5浓度的控制理论,从而为进一步研究PM2.5和控制室内PM2.5浓度提供了一定的科学依据和理论指导。     

影响PM2.5因素的多元统计分析与预测

基于1990年到2011年欧洲27国空气成分数据,运用统计学方法,得到PM2.5与主要空气悬浮物的线性回归方程,发现As、Co、Cr、Cu、NH3、NMVOC（非甲烷挥发性有机物）、NOx、PM10、Se、SOx、Zn为主要影响因素.之后,用时间序列分析预测出这些主要影响因素下一年的含量,并将其代入线性回归方程求出PM2.5的预测值.数据处理结果表明PM2.5的主要来源为燃煤、机动车排放、施工扬尘,控制好这几个因素就能有效控制PM2.5.     

大连市区PM2.5污染现状及影响因素分析

2013年大连市区空气中PM2.5年均值为52μg/m^3,超出国家二级标准0.49倍.大连PM2.5的污染一是受本地以及区域性冬季燃煤的影响,各项污染物在这一时期集中排放,强度过大,特别是采暖季节外来输送的贡献较大;二是由于不利的气象条件,近地面风速小,大气层结稳定,使污染物易形成积聚效应、难以及时扩散,特别是在西南风向时污染比较严重;三是受机动车尾气排放的影响.     

上海市西部郊区PM2.5污染状况及影响因素

通过2014年上海市西部郊区PM2.5的浓度变化分析了该地区的PM2.5污染分布状况,并且从温度、湿度和风向等方面讨论了PM2.5浓度与气象因子的关联性.结果表明:该地区2014全年超标天数有112天,超标率为30.7％,PM2.5月均浓度呈夏低冬高的趋势状态,并且PM2.5浓度与气象条件有密切的联系.该地区气温在5～15℃、湿度在60～70％时PM2.5浓度最高;在以东风为主导风盛行时,该地区PM2.5浓度较低,而在以西风为主导风盛行时,该地区易受到周边区域的高污染因素影响,形成PM2.5高浓度累积现象.     

广州市PM_2.5和PM_1.0质量浓度变化特征

文章报道了2005年干季和2006年湿季广州市大气细粒子PM2.5和PM1.0质量浓度的实时监测情况。监测结果表明:干季监测点PM2.5日均质量浓度在11.8～164.0μg/m3之间,总平均值为81.7μg/m3;湿季日均质量浓度在19.9～121.2μg/m3之间,总平均值为57.7μg/m3。干季PM1.0日均质量浓度变化范围为14.9～129.1μg/m3,总平均值为59.4μg/m3;湿季日均质量浓度在11.9～86.7μg/m3之间,总平均值为52.9μg/m3。对比发现,PM1.0总平均质量浓度在干、湿季相差很小,且与湿季PM2.5总平均质量浓度也相差不大,显示PM1.0具有相对固定成因来源且基本不受季节变化影响,而且湿季PM2.5的组成主要由PM1.0大气细粒子构成。干季PM2.5和PM1.0质量浓度日变化特征呈明显夜间高、白天低的特点,质量浓度的最大值都出现在晚上21:00左右;湿季由于雨水频繁,没有明显的日变化特征。气象分析表明,干季大气细粒子质量浓度主要受冷空气影响,而湿季主要受降雨影响。     

广州市区PM_(2.5)的污染特征

对广州市区PM2.5的污染状况进行了分析,结果表明广州市区的PM2.5呈现冬季浓度较高,夏季较低的季节性特征;PM2.5的日变化呈现出明显的双峰形;与PM10的相关性分析表明,PM2.5与PM10具有良好的线性关系。PM2.5/PM10的值约为0.59,表明广州市区空气中细颗粒物在PM10中的比重大于粗颗粒物,鉴于PM2.5的危害性及所占比例,应重视对其的监测。     

上海中心城区冬季PM_(2.5)中有机碳和元素碳组成变化特征

采样分析了上海中心城区冬季2009年1月-2月PM2.5中有机碳和元素碳组分,并对其污染和变化特征进行了分析。监测分析结果表明,中心城区范围内OC、EC质量浓度空间分布无明显差异;OC、EC是PM2.5的重要组成部分,其在PM2.5中的质量分数分别为8.88%、1.49%;ρ(OC)/ρ(EC)比值较高,为5.73,且存在一定程度的二次有机污染;OC质量浓度和EC质量浓度有着很好的相关性,二者一定程度上有着相同的源;春节前后,TC浓度变化(即OC+EC)呈现明显的假日效应,机动车排放是TC的重要来源之一。     

天津市大气中PM10、PM2.5及其碳组分污染特征分析

2007年12月~2008年10月期间,分3个时段,设置2个点位,采集了天津市大气环境中PM10和PM2.5样品.用热光反射分析仪测定样品中的碳组分含量,并用OC/EC最小比值法估算二次有机碳(SOC)的浓度.结果表明,市区采样点颗粒物浓度高于郊区,2个采样点的颗粒物浓度变化趋势一致.5月份 PM2.5/PM10比值最小,主要由于土壤风沙尘对PM10的贡献较大.PM10和PM2.5中的有机碳(OC)、元素碳(EC)浓度12月份最高,且变化趋势相同.OC占总碳(TC)比例较高,PM10中OC/TC为0.60~0.83,PM2.5中OC/TC为0.55~0.81.碳组分主要集中在PM2.5中,PM10中约有76%的OC存在于PM2.5中.12月份的SOC浓度最高,与12月份的气象条件和污染源排放等因素有关.     

上海市青浦城厢地区可吸入颗粒物污染状况分析

为了研究青浦城厢地区可吸入颗粒物污染状况,分析了2005年至2010年空气质量资料,结果表明:青浦城厢地区首要污染物为PM10,其质量浓度呈逐年下降趋势。PM10浓度的月度变化幅度比较大,全年PM10浓度及超标率呈现"高一低一高"的变化趋势。春、冬季比较高,夏、秋季比较低。PM10质量浓度的日变化非常明显,呈现出"双峰"状分布。PM2.5和PM10的平均比值为0.531,表明该地区可吸人颗粒物中细颗粒物的比例较高,细颗粒物对人群的健康影响更为严重。PM10和PM2.5各月日均值之间和各月均值之间均呈高度相关,线性关系非常显著,二者之间回归直线关系存在,可用回归方程y=ax+b进行计算。     

遵义市PM10和PM2.5污染水平时间分布及其与气象条件的关系研究

对遵义市2014年1月1日-12月31日大气颗粒物在线监测数据分析结果表明,全年PM10和PM2.5质量浓度的变化幅度较大,但变化趋势相似,且具有较好的相关性,其中冬季>春季>秋季>夏季;日变化呈双峰特征分布,夜间峰值比中午峰值大,且夜间PM2.5浓度呈区域性变化特征.选取日平均气温、相对湿度及风速等气象因子,利用Spearman秩相关分析表明遵义市全年PM10和PM2.5质量浓度与气温、相对湿度及风速等气象条件均呈负相关.     

北京地区多气溶胶遥感参量与PM2.5相关性研究

利用卫星和地基遥感气溶胶数据分析了北京地区多气溶胶性质参量与PM2.5的相关性,提出了计算粒子直径小于2.5μm的气溶胶体积浓度和光学厚度(AOD)的方法,并用该方法对2012年3～9月北京地区地基遥感气溶胶体积浓度和光学厚度进行了尺度校正.结果表明:多种气溶胶遥感参量如气溶胶光学厚度、体积浓度和质量浓度等均与PM2.5存在一定的相关性;相比于卫星遥感参量,地基遥感参量与PM2.5的相关性更好;各波段的总气溶胶光学厚度与PM2.5的相关性随波长的增加而减小;经粒子尺度校正后,气溶胶的体积浓度和长波段总气溶胶光学厚度与PM2.5的相关性明显增加.     

东北某市严重雾霾期PM_(2.5)、PM_(10)中元素特征和富集因子分析

为了掌握雾霾期大气PM 2.5和PM 10中无机元素污染特征,于2013年10月20~31日期间采集了东北某市发生严重雾霾时大气PM 2.5和PM 10样品,分析了颗粒物样品中21种无机元素(K、Ca、Na、Mg、Mn、Pb、Cd等)的浓度。结果表明:大气PM 2.5和PM 10浓度普遍超标,超标率分别达88.89%、66.67%;大气PM 2.5和PM 10中元素质量浓度主要是由Na、S、Ca、K、Fe、Al、Si、As、Mg 9种元素贡献;元素的富集状况分析表明,Na、Zn、Ca、Cr、Ni、Cu、Mn、Cd、Pb和As在非雾霾期和雾霾期期富集程度较高,污染较严重,受人为污染源影响较大;以不同元素做参比,所得各元素富集系数不同。     

Long-term monitoring and source apportionment of PM2:5/PM10 in Beijing, China

During 2001-2006,PM2.5 (particle matter with aerodynamic diameter less than 2.5 microns) and PM10 (particle matter with aerodynamic diameter less than 10 microns) were collected at the Beijng Normal University (BNU) site,China,and in 2006,at a background site in Duolun (DL).The long-term monitoring data of elements,ions,and black carbon showed that the major constituents of PM2.5 were black carbon (BC) crustal elements,nitrates,ammonium salts,and sulfates.These five major components accounted for 20%-80% of...