太原市PM_(2.5)和PM_(10)质量浓度的变化特征

为了了解太原市PM_(2.5)、PM_(10)的污染水平变化情况及其相关关系,本文基于太原市颗粒物自动监测数据,对太原市2015年12月-2016年11月PM_(2.5)、PM_(10)质量浓度进行分析。分析发现:PM_(2.5)和PM_(10)日均质量浓度变化幅度较大,但其变化趋势非常相似;PM_(2.5)和PM_(10)月均质量浓度均超过年均二级标准,特别是秋季最为严重;PM_(2.5)、PM_(10)小时平均质量浓度呈双峰现象;ρ(PM_(2.5))与ρ(PM_(10))相关系数为0.9371,ρ(PM_(2.5))/ρ(PM_(10))在0.5-0.6之间出现的频率最高达30.33%。     

下沙空气中可吸入颗粒物污染特征分析

通过对PM_(2.5)和PM_(10)的浓度特征分析,探讨下沙空气中可吸入颗粒物污染特征。根据2013~2015年下沙空气连续自动监测数据,对浓度变化特征分析发现,PM_(2.5)和PM_(10)的季节变化明显,冬季最高,夏季最低。PM_(2.5)与PM_(10)的月均浓度存在线性回归关系,回归方程为y=1.0759x+0.02532,相关系数方值为0.857。PM_(2.5)与PM_(10)的浓度比值P主要集中在0.5~0.8之间。     

上海地区降雨清除PM2.5的观测研究

分析2012—2016年上海徐家汇站的雨量和颗粒物(PM_1、PM_(2.5)、PM_(10))观测数据发现,降雨对PM_(2.5)的湿清除作用明显,降雨日的PM_(2.5)质量浓度较非降雨日平均降低约30%,在污染季节降低更加显著约50%.降雨时PM_1在PM_(2.5)中的占比明显下降,PM_1质量浓度下降幅度占PM_(2.5)下降幅度的84%,表明降雨对PM_1的有效清除是PM_(2.5)质量浓度下降的主要原因.降雨过程结束后PM_(2.5)质量浓度是否下降和降雨前PM_(2.5)的初始质量浓度关系密切,当初始浓度在冬季大于70μg·m~(-3)、在其他季节大于45μg·m~(-3)时,80%以上的降雨过程结束后PM_(2.5)质量浓度较降雨前下降,因此可作为研判降雨过程对PM_(2.5)湿清除影响的预报因子.     

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%。     

包头市2015—2016年PM_(2.5)浓度时空分布特征及与气象因子的关系

根据包头市2015—2016年PM_(2.5)监测数据及气象数据,分析了包头市PM_(2.5)时空分布特征及PM_(2.5)与气象因子之间的关系。结果表明:包头市PM_(2.5)浓度在12月达到最大,日变化曲线为双峰型;在空间上PM_(2.5)浓度由西南向东北方向递减,且浓度梯度变化明显;气温、相对湿度、降雨量、风速等气象因子对PM_(2.5)浓度有显著影响。     

邯郸市PM_(10)、PM_(2.5)和PM_(1.0)在线监测研究

对2015年3月—2016年2月邯郸市大气中的PM_(10)、PM_(2.5)和PM_(1.0)进行了在线监测,探讨了其质量浓度的变化特征,并分析了其质量浓度与风速、风向的关系。结果表明:邯郸市颗粒物质量浓度水平较高,β射线吸收法所监测的PM_(10_WET)、PM_(2.5_WET)和PM_(1.0_WET)年均浓度值分别为202.5,114.8,81.1μg/m~3,PM_(2.5_DRY)/PM_(10_WET)和PM_(2.5_WET)/PM_(10_WET)分别为0.58、0.70,PM_(1_DRY)/PM_(2.5_WET)和PM_(1_WET)/PM_(2.5_WET)分别为0.58、0.71,PM_(2.5)为PM_(10)中的主要组成,PM_(1.0)为PM_(2.5)中的主要组成。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)质量浓度冬季最高;PM_(10)、PM_(2.5)和PM_(1.0)日变化峰值为上午09:00左右,谷值为下午16:00左右,扬沙、降雨,霾和春节不同条件下PM_(10)、PM_(2.5)和PM_(1.0)差异明显。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)的浓度高值主要分布在风向0°~100°和175°~225°、风速小于1 m/s的情况下。     

基于MODIS气溶胶产品的安徽省颗粒物浓度反演研究

基于MODIS level2的气溶胶产品,分别利用地面气象观测和ECMWF再分析资料进行垂直订正和地面水汽订正,建立MODIS气溶胶光学厚度与地面颗粒物浓度间的关系模型,并分析了颗粒物浓度的时间变化特征。结果表明:(1)MODIS光学厚度与地面PM_(2.5)和PM_(10)浓度相关性较差,经过垂直订正得到的地面消光系数与PM_(2.5)和PM_(10)浓度的相关性增强,水汽订正后的干消光系数与PM_(2.5)和PM_(10)浓度的相关性进一步提高。(2)ECMWF再分析格点数据中边界层厚度和相对湿度产品适用于MODIS光学厚度的垂直订正和水汽订正。(3)利用MODIS光学厚度历史数据反演的合肥市月平均PM_(2.5)浓度自2000年以来呈震荡增长趋势,PM_(2.5)浓度冬季较高,春秋次之,夏季最低。     

内蒙古自治区2016年PM_(2.5)时空分布

研究了内蒙古自治区2016年PM_(2.5)浓度时空分布规律及PM_(2.5)与其前体物之间的关系。结果表明,内蒙古自治区PM_(2.5)浓度具有一定的时空分布特征,并与气象条件、污染物排放及前体物二次转化均有关联。时间上,PM_(2.5)日浓度变化曲线呈双峰型分布,两个峰值时段分别为10:00—12:00、23:00—翌日01:00,PM_(2.5)月均浓度曲线呈"U"形分布,在8月最低;空间上,内蒙古自治区PM_(2.5)浓度由高到低的区域依次为中部、西部、东部;PM_(2.5)小时浓度与其前体物NO_2、SO_2小时浓度均为显著正相关,说明前体物对PM_(2.5)浓度变化影响显著。研究结论可为内蒙古自治区大气污染环境治理提供参考。     

挥发性污染物二硫化碳处理技术

2016年11月—2017年2月在西安市城郊连续观测了NO_2、SO_2、O_3和PM_(2.5)的浓度,利用观测数据分析大气污染物的日变化和周末效应特征,结合不同污染物间的相关性分析结果,初步探讨了污染物间的相互作用机理。结果表明:观测期间NO_2、SO_2、O_3和PM_(2.5)浓度的平均值分别为(39.9±21.0),(77.2±22.8),(37.7±23.5),(192±141)μg/m3。PM2.5污染最为严重,超过国家二级标准的2.56倍。NO_2、SO_2和O_3浓度日变化特征显著,其中NO_2和O_3日变化为单峰型,SO_2日变化为单峰单谷型,PM_(2.5)日变化幅度较小。NO_2和SO_2周末效应较为明显,O_3和PM_(2.5)周末与工作日相差较小。PM_(2.5)浓度与NO_2、SO_2和OX浓度均为显著正相关,表明前体物和大气氧化性对PM_(2.5)浓度有显著影响。     

西安城郊采暖季大气污染物浓度特征研究

2016年11月—2017年2月在西安市城郊连续观测了NO_2、SO_2、O_3和PM_(2.5)的浓度,利用观测数据分析大气污染物的日变化和周末效应特征,结合不同污染物间的相关性分析结果,初步探讨了污染物间的相互作用机理。结果表明:观测期间NO_2、SO_2、O_3和PM_(2.5)浓度的平均值分别为(39.9±21.0),(77.2±22.8),(37.7±23.5),(192±141)μg/m3。PM2.5污染最为严重,超过国家二级标准的2.56倍。NO_2、SO_2和O_3浓度日变化特征显著,其中NO_2和O_3日变化为单峰型,SO_2日变化为单峰单谷型,PM_(2.5)日变化幅度较小。NO_2和SO_2周末效应较为明显,O_3和PM_(2.5)周末与工作日相差较小。PM_(2.5)浓度与NO_2、SO_2和OX浓度均为显著正相关,表明前体物和大气氧化性对PM_(2.5)浓度有显著影响。     

城市森林植被区空气PM_(2.5)质量浓度时空变化

该研究选取北京大兴南海子公园植被区与亦庄非植被区PM_(2.5)数据进行研究,对比分析植被区与非植被区PM_(2.5)质量浓度日变化、月变化和年变化特征,典型天气下的PM_(2.5)质量浓度变化。结果表明:植被区PM_(2.5)质量浓度整体上低于非植被区,二者日变化均呈典型的双峰曲线,白天低,夜间高,最小值出现在下午15:00左右;从不同月份看,PM_(2.5)质量浓度最高值出现在冬季的1月、2月,最低值出现在6月、8月,整体表现为冬季月份明显高于其余月份;气温、降雨和大风均与PM_(2.5)浓度呈负相关,晴天时,温度较高,有利于PM_(2.5)浓度降低;降雨有利于空气颗粒物沉降,有效清除大气PM_(2.5)污染,降低其浓度;大风天气会增加大气环流,有助于颗粒物在大气中扩散,使PM_(2.5)不易滞留,从而导致浓度降低。降雨和大风均能导致PM_(2.5)污染降低,且城市森林植被对于PM_(2.5)有明显降低作用。     

城市街谷内PM_(2.5)浓度时空变化及影响因素分析

通过现场观测研究西安市和平路街谷内的PM_(2.5)浓度时空变化特征及其影响因素.在2015年4月8~10日进行了街谷内PM_(2.5)浓度、车流量、风速、温湿度等参数的日变化规律和PM_(2.5)浓度空间分布规律的观测实验.观测结果显示西安市和平路街谷内PM_(2.5)浓度值较高,日间PM_(2.5)浓度呈"凹"字形变化,早晚PM_(2.5)浓度相对较高,在16:00前后PM_(2.5)浓度到达一天当中的最低值.PM_(2.5)浓度与温度、湿度有良好的相关性,对应R2值分别达到0.75和0.81.静风天气条件下,由温度变化引起的大气边界层伸缩运动被发现是影响街谷内污染物扩散的主要因素.     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

GAM的区域PM_(2.5)浓度影响因子识别及关联关系分析

区域PM_(2.5)浓度影响因子及显著程度对区域PM_(2.5)浓度模拟和污染控制具有重要意义。该研究应用广义加性模型(GAM)建立模型分析2013年京津冀区域PM_(2.5)浓度与AOD、气象因子(相对湿度、温度、降雨量、大气压、风速)和土地利用类型(水体、林地、耕地、建设用地、裸地)之间的相关关系。结果表明,温度、大气压、AOD、林地、建设用地和裸地显著的影响PM_(2.5)浓度;且温度、AOD、裸地、林地与PM_(2.5)存在复杂相关关系,大气压、建设用地与PM_(2.5)浓度存在线性相关关系。GAM模型R~2为0.952,拟合结果与实测结果的线性回归方程系数为0.959,模型交叉验证后得到R2为0.792。结果表明,利用GAM能有效的识别区域PM_(2.5)浓度的影响因子,根据影响因子进行PM_(2.5)浓度拟合并得到可靠的拟合结果。     

银川市颗粒物污染特征分析

通过银川市2015年空气污染物质量浓度值分析,结果表明,PM_(10)和PM_(2.5)的浓度变化具有明显的季节特征和区域特征。PM_(10)质量浓度春季高于夏季,秋季最低,且PM_(2.5)质量浓度夏季略低于秋季,春季最低;PM_(10)和PM_(2.5)月均质量浓度变化均为1月份最大,9月份最小;PM_(10)和PM_(2.5)分指数等级冬季最差,PM_(10)分指数等级秋季好于夏季,PM_(2.5)分指数等级春季好于秋季;4#监测点各个季节PM_(10)浓度均表现为最高,5#监测点PM_(2.5)浓度有3个季节均为最高。     

红色预警期间北京市PM2.5浓度特征及应急措施效果评估

综合利用监测数据并结合数值模型,分析了2015年北京市第2次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值往往出现在北京南部站点.污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度积累速率可达5~10μg·m~(-3)·h~(-1).污染缓解阶段,偏北风作用,空气质量转好.预警期间北京市空气质量南北差异较大.应急措施实施后,北京市PM_(2.5)环境浓度下降约20%~25%.PM_(2.5)累积速率呈现出交通站城区站背景站的特征,与重污染日平均值相比交通站下降幅度最大,表明减排措施在交通站更加显著.气象条件对重污染的形成和结束起着决定性作用,为了更好的做好空气质量预警预报工作,应加强对小尺度天气系统的研究,同时关注不同方位PM_(2.5)浓度峰值及重污染持续时间的变化,形成北京市分区预报预警的经验.     

广东省气象与源排放因素对PM_(2.5)浓度影响的数值模拟研究

为更好地区分大气污染物浓度变化中气象与源排放因素的影响,使用中尺度气象模型WRF和三维空气质量模型CAMx,通过固定源清单的方法模拟研究了广东省各地区不同时期气象因素对PM_(2.5)浓度变化的影响,并结合实测的PM_(2.5)浓度变化,计算出源排放因素对PM_(2.5)浓度的贡献。结果表明:相对于2014年,2015年广东省夏季的气象条件不利于PM_(2.5)浓度的下降,春季和秋季的气象条件有利于PM_(2.5)浓度的下降,就全年各季度平均而言,珠江口附近地区气象条件较有利于PM_(2.5)浓度的下降;源排放变化对肇庆市、韶关市和揭阳市等城市PM_(2.5)浓度变化有较强的削减作用,可使其浓度下降30%以上,显示这些城市的减排工作较为有效,深圳市、珠海市、东莞市、中山市与顺德区等市(区)PM_(2.5)污染改善主要是由于有利的气象条件的影响,源排放变化对珠海市和湛江市等城市污染起加剧的作用,表明不利的源排放变化抵消了部分有利气象条件对PM_(2.5)污染的改善作用,应加强对这些地区源排放的控制。     

高架桥附近交通状态对PM_(2.5)分布影响的模拟研究

为探讨不同交通状态下机动车排放PM_(2.5)在城市高架桥附近扩散过程及浓度分布的影响,文章采用标准k-ε和拉格朗日离散相方程进行数值模拟,分析交通拥堵和畅通时垂直和平行风向条件下的风场、湍流动能以及浓度场分布特征与变化规律。结果表明:街道峡谷内流线主要受高架桥物理结构和风向的影响。交通状态变化通过影响湍流动能的形式影响污染扩散,畅通状态下车流运动引起较大的湍流动能,影响范围从车流运动区域向外逐渐减弱。交通拥堵状态下PM_(2.5)排放强度大且车流运动引起的湍流动能小,街道峡谷内PM_(2.5)浓度水平整体高于交通畅通状态,不同空间区域内PM_(2.5)浓度变化幅度达5.60%～47.13%。不同交通状态下PM_(2.5)扩散分布受排放强度变化和车流引起湍流动能变化的共同影响。     

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.     

郑州城区PM_(10)、PM_(2.5)质量浓度变化特征及其对气象因子的响应

利用郑州城区9个国控监测点位PM_(10)、PM_(2.5)的日监测数据,研究2013～2016年间郑州城区大气颗粒物质量浓度变化特征及其对气象因素的响应。结果表明,2013～2016年间郑州城区环境空气污染总体状况改善趋势较为显著,重度及以上的污染天数占全年有效天数的比例逐年降低,PM_(10)、PM_(2.5)浓度逐年下降;PM_(10)和PM_(2.5)浓度月均值变化基本一致,浓度变化均呈"U"型分布。PM_(10)和PM_(2.5)质量浓度变化具有明显的季节性特征,冬季其质量浓度最高,春季和秋季次之,夏季最低。选取气温、气压、风速、相对湿度和降水量等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM_(10)、PM_(2.5)浓度的影响。相关性分析结果表明,与PM_(10)、PM_(2.5)浓度显著相关的气象因素存在季节性差异,风速、相对湿度和降雨量是影响郑州城区大气颗粒物质量浓度的主要气象因子。