暴露-反应关系的Meta分析与健康效应评价

为了进一步认识西安大气污染暴露对人群健康的影响,利用Meta分析获取了中国人群大气污染物暴露与以死亡为健康终点影响的暴露—反应关系,结合西安2013、2014年的SO_2、NO_2、PM_(10)、PM_(2.5)、O_3监测数据,利用泊松回归模型评价了人群健康影响。Meta分析结果表明,SO_2、NO_2、PM_(10)、PM_(2.5)、O_3浓度每升高10μg/m~3居民非意外死亡率会增加1.17%、1.32%、0.40%、0.47%、0.56%;心血管疾病死亡率会增加1.27%、1.15%、0.54%、0.75%、0.84%;呼吸系统疾病死亡率会增加0.83%、1.83%、0.43%、0.56%、0.89%。以WHO空气质量指导值和国家《环境空气质量标准》(GB 3095-2012)一、二级标准限值为参考浓度、可避免非意外死亡为健康端点,2013、2014年PM_(10)、PM_(2.5)、O_3达到相应指标的健康效应远远高于SO_2、NO_2健康效应。主要原因是这些污染物超过相应标准的程度高。PM_(10)、PM_(2.5)和O_3浓度导致的健康效应巨大,因此在目前应该把PM_(10)、PM_(2.5)和O_3作为优先污染物进行控制。在符合我国目前经济发展阶段和环境管理要求的基础上,应适当降低现有国家标准浓度限值较高的PM_(10)、PM_(2.5)颗粒物和O_3的环境空气质量标准限值。     

华东区域PM2.5变化背景下浙江省人口经济暴露水平评估

利用1998~2012年卫星反演的细颗粒物(PM_(2.5))全球高精度产品数据集,精细化地给出了华东地区PM_(2.5)时空分布与变化特征,并分析了此背景下浙江省PM_(2.5)的人口经济暴露水平.结果表明1998~2012年期间,浙江省区域平均PM_(2.5)浓度整体变化呈现出先增加、后下降的特征,拐点出现在2007~2009年前后,与华东区域大背景的变化趋势一致.1998~2000年华东南部与山东东部的年平均PM_(2.5)浓度基本保持在50μg·m~(-3)以下,其余地区大多在50~75μg·m~(-3)左右,华东地区和浙江省PM_(2.5)浓度超过35μg·m~(-3)的地区分别占到51.8%和21.1%.1998~2009年PM_(2.5)浓度上升趋势非常明显,华东地区的平均变化趋势为2.58μg·(m~3·a)~(-1),浙江省的上升趋势较华东区域慢,为1.43μg·(m~3·a)~(-1).2007~2009年PM_(2.5)浓度达到最大,华东和浙江省超过35μg·m~(-3)的地区分别占到82.1%和65.9%.此后PM_(2.5)浓度呈现出下降的变化趋势,华东地区和浙江省的平均变化趋势分别为-1.75μg·(m~3·a)~(-1)和-1.58μg·(m~3·a)~(-1),PM_(2.5)浓度超过35μg·m~(-3)的地区比例均有所下降,说明政府颁布的一系列节能减排方针政策可能对华东地区的空气质量改善起到了一定的成效.2010年浙江地区PM_(2.5)暴露水平超过35μg·m~(-3)的人口比例和GDP比例分别为74.0%和70.8%,其中38.1%的人口生活的环境和38.9%的GDP产生的环境PM_(2.5)浓度年平均值在50μg·m~(-3)以上.     

沈阳市大气PM_(2.5)污染风险评估与应对

文章通过分析沈阳市2014～2017年的环境监测、气象观测、死因监测等数据,利用调整过的广义相加模型,研究了沈阳市大气PM_(2.5)浓度与呼吸系统人群死亡率之间的关联关系;基于概率风险的基本原理,评估了当前沈阳市面临的大气PM_(2.5)污染风险。结果显示,沈阳市大气PM_(2.5)浓度处于36～75μg/m~3区间时,污染风险值最高。根据风险评估结果,文章从政府和公众的角度,提出了沈阳市大气PM_(2.5)污染风险应对措施建议。     

京津冀地区不透水表面扩张对PM_(2.5)污染的影响研究

基于2000年、2003年、2006年、2009年、2014年的遥感影像提取不透水表面数据以及相应年份的PM_(2.5)质量浓度估算值.以不透水表面覆盖率(ISC)为城市化指标来分析城市化对PM_(2.5)质量浓度的影响,分别从城市、县区尺度探讨城市扩张对PM_(2.5)污染时空分布及演变的影响机制,定量研究二者相互关系;以京津冀地区为例,其ISC从2000年的0.7%增长到2014年的1.5%,而PM_(2.5)浓度从45.7μg/m~3飙升到77.3μg/m~3.根据2000与2014年的PM_(2.5)浓度差值,把京津冀地区划分为轻度(0~9.9μg/m~3)、中度(10~29.9μg/m~3)、重度(30~49.9μg/m~3)、严重(50~77μg/m~3)污染区域,相应的不透水表面增长率分别为43.3%、110.5%、165.5%和208.3%.严重污染区域位于北京-廊坊-天津-唐山(沿高速公路G1)和北京-保定-石家庄-邢台-邯郸(沿高速公路G4),伴随着较高的不透水面增长率(208.3%).同时,在2000~2014年期间,京津冀地区ISC空间分布与PM_(2.5)污染空间分布高度一致,以太行山和燕山山脉为界的东南地区的不透水表面增长率为160.0%,显著高于西北地区的增长率50%,同时东南地区的PM_(2.5)浓度增长值45.5μg/m~3也显著高于西北地区的17.0μg/m~3.此外,把京津冀地区174个乡镇按照其ISC划分为5个级别:松散型(0~4.9%)、轻度紧凑型(5%~9.9%)、紧凑型(10%~14.9%)、密集型(15%~24.9%)、高度密集型(25%),乡镇数量分别为42、35、52、34、11,对应的PM_(2.5)浓度均值分别为(42.7±10.5)、(79.9±11.9)、(95.6±15.4)、(99.1±10.8)、(115.3±9.2)μg/m~3.其中松散型乡镇的空气质量较好,而严重雾霾笼罩在高度密集型的乡镇中.结果表明当乡镇ISC为5%和25%时,对区域PM_(2.5)质量浓度带来剧烈的增长.当ISC5%时,PM_(2.5)浓度发生了激烈增长,其比5%的乡镇高了87.2%.当ISC25%时,其PM_(2.5)浓度飙升到(115.3±9.2)μg/m~3,大约是5%乡镇的3倍.结论表明,在城市化进程中,不透水表面扩张对PM_(2.5)污染的加剧带来严重影响,不透水表面扩张应该成为城市空气污染一个不可忽视的影响因素之一.     

青奥会前后南京PM2.5重金属污染水平与健康风险评估

人类活动对大气环境的影响已成为人们关注的焦点.于青年奥林匹克运动会(青奥会,Youth Olympic Games)召开前后(2014年4~9月)动态监测南京大气中PM_(2.5)及其6种重金属质量浓度和污染特征,并分析其健康风险.结果表明,观测期间PM_(2.5)质量浓度变化范围为26.39~80.31μg·m~(-3),青奥会前的4、5和7月大气中PM_(2.5)质量浓度均达到国家空气质量二级标准(24 h质量浓度限值75μg·m~(-3)),青奥会期间达到国家空气质量一级标准(24 h质量浓度限值35μg·m~(-3)).青奥会结束后,空气污染出现反弹,大气PM_(2.5)质量浓度平均值为76.14μg·m~(-3).观测期间大气PM_(2.5)中重金属离子质量浓度的变化特征并不一致,主成分分析表明,污染物源排放是影响PM_(2.5)重金属离子质量浓度变化最重要因素.青奥会期间PM_(2.5)及重金属离子质量浓度均降至观测期间最低值,这与召开青奥会所采取的一系列政策干预减排措施发挥作用有关.PM_(2.5)中Cd、Cu、Ni、Pb通过呼吸和皮肤暴露的健康风险值均在可接受水平范围内,而Cr存在较大的致癌风险;Mn通过呼吸暴露对成年男性造成较大的非致癌风险;同时PM_(2.5)中6种重金属通过皮肤暴露对儿童也造成较大非致癌风险.     

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。     

江苏省PM_(2.5)时空变化及土地利用影响研究

基于江苏省2013年12月-2014年11月期间71个监测点PM_(2.5)日数据以及2014年土地利用数据,以年、季为时间尺度,利用泰森多边形划分研究区域,在系统分析PM_(2.5)时空分异规律基础上,揭示PM_(2.5)浓度变化及其与土地利用的关系。结果表明:(1)PM_(2.5)浓度分布存在明显的时空变化趋势。时间上,冬季浓度最高,达109.72μg/m~3,春季次之,为70.13μg/m~3,秋季最低,仅53.20μg/m~3;空间上,从各监测点一年PM_(2.5)浓度看,南京、泰州和宿迁数个监测点是PM_(2.5)高浓度区域,浓度范围81~85μg/m~3。盐城开发区管委会浓度最低,仅49.75μg/m~3,全省呈现"内陆高,沿海低;内陆南高北低"的趋势。(2)土地利用类型及景观格局对PM_(2.5)浓度分布有一定影响。耕地、草地、水域和未利用地与PM_(2.5)呈负相关,林地和建设用地则呈正相关。景观面积、密度、破碎度和聚散性是影响PM_(2.5)的主要因素,冬夏季较为敏感。     

典型城市冬季PM_(2.5)水溶性离子污染特征与传输规律研究

选取北京和石家庄两个监测点,于2014年冬季进行了PM_(2.5)样品采集,分析研究了PM_(2.5)及水溶性离子组分污染特征,并应用WRF-CAMx模型对采样时段进行了模拟,分析了观测期间PM_(2.5)和二次离子组分区域传输贡献情况.结果表明,采样期间北京PM_(2.5)质量浓度为(116.6±87.0)μg/m~3.水溶性离子质量浓度为(45.3±40.6)μg/m~3.其中SO_4~(2-)、NO_3~-和NH4+质量浓度分别为(13.3±13.6)μg/m~3、(14.8±15.1)μg/m~3和(9.1±7.2)μg/m~3;石家庄污染水平高于北京,PM_(2.5)浓度为(267.7±166.7)μg/m~3.总水溶性离子、SO_4~(2-)、NO_3~-和NH4+质量浓度分别(111.8±104.3)μg/m~3、(36.6±36.5)μg/m~3、(28.5±29.3)μg/m~3和(25.5±29.8)μg/m~3.两处采样点SOR与NOR分别为0.12、0.10(北京)和0.11、0.14(石家庄),冬季大气氧化性相对较弱,非均相氧化是主要二次转化原理.数值模拟结果显示,北京、石家庄城区1月PM_(2.5)受区域传输贡献分别为28.1%和28.3%,高浓度时段外来源贡献有所上升.二次离子中两地NO_3~-传输作用均强于SO_4~(2-).     

近20年来中国PM2.5污染演变的时空过程

本研究基于国控监测网络的PM_(2.5)实测数据、MODIS AOD数据以及气象参数(温度、风速、风向、边界层高度和相对湿度),综合考虑AOD与PM_(2.5)关系的季节性和区域性差异,构建了基于支持向量回归机(ε-SVR)与思维进化算法优化后的BP神经网络(MEC-BP)的二阶段PM_(2.5)浓度组合估算模型.在此基础上,分析了2000～2017年中国PM_(2.5)浓度的时空变化过程.结果表明,本研究提出的二阶段组合估算模型提供了中国2000～2017年内空间分辨率为1°×1°的月度近地面PM_(2.5)浓度的可靠估算,有效地弥补了中国地面监测网络在时间和空间上的空白(模型的决定系数R~2为0. 838,均方根误差RMSE为11. 512μg·m~(-3),平均绝对百分比误差MAPE为14. 905%,均方百分比误差MSPE为0. 243%,绝对误差MAE为6. 476μg·m~(-3),均方误差MSE为132. 519μg·m~(-3)).时间变化过程分析结果表明:①2014年是2000～2017年内中国PM_(2.5)浓度从持续缓慢上升到快速下降的关键转折点,其中,从2014年开始,PM_(2.5)浓度较高的北部沿海、东部沿海和长江中游地区的PM_(2.5)污染情况改善较明显.②然而,在研究时间范围内,全国仍有超过65%的区域PM_(2.5)年均浓度超过了二级限值(35μg·m~(-3)),虽然全国PM_(2.5)污染情况有一定程度地改善,但是空气污染形势依然严峻.     

乌鲁木齐市PM_(2.5)和PM_(2.5~10)中碳组分季节性变化特征

2011年1月至12月在乌鲁木齐市区用膜采样法采集了大气PM_(2.5)和PM_(2.5~10)样品,并利用热光/碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过OC与EC的粒径分布特征、比值和相关性的分析,初步分析了乌鲁木齐市大气可吸入颗粒物中碳质气溶胶污染特征,并用OC/EC比值法估算了二次有机碳(SOC)的浓度.结果表明,PM_(2.5)和PM_(2.5~10)的年平均质量浓度分别为92.8μg/m~3和64.7μg/m~3.PM_(2.5)中OC和EC的年平均浓度分别为13.85μg/m~3和2.38μg/m~3,PM_(2.5~10)中OC和EC的年平均浓度分别为2.63μg/m~3和0.57μg/m~3.OC和EC四季变化趋势基本一致,季浓度最高.碳组分主要集中于PM_(2.5)中,OC/EC比值范围为3.62~11.21.夏季和秋季的PM_(2.5)和PM_(2.5~10)中OC和EC的相关性较好(R20.65).估算得出的PM_(2.5)和PM_(2.5~10)中SOC的估算浓度为2.31~11.98μg/m~3和0.38~1.49μg/m~3.     

APEC会议期间天津市PM_(2.5)污染特征研究

为了解APEC会议期间天津市PM_(2.5)污染特征,2014年11月6日-22日在天津市环境监测中心采集PM_(2.5)样品,分析了水溶性离子、无机元素及碳组分含量。结果表明:APEC会议期间,天津市PM_(2.5)浓度水平为81μg/m3,低于会后114μg/m~3;NO_3~-、SO_4~(2-)和NH_4~+等二次离子在PM_(2.5)中所占比重由会议期间的48.12%下降为会后的42.68%,一次离子所占比重由期间的8.84%上升为会后的14.50%,NO_3~-/SO_4~(2-)比值及硫氧化率(SOR)、氮氧化率(NOR)均高于会后。总无机元素浓度及其在PM_(2.5)中的占比均明显低于会后。有机碳(OC)和元素碳(EC)的浓度及在PM_(2.5)中的占比低于会后,但OC/EC比值及二次有机碳(SOC)在OC中所占比重高于会后。说明APEC期间天津市PM_(2.5)中二次反应较为明显,机动车排放对PM_(2.5)的贡献相对突出,城市扬尘得到明显控制。     

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。     

陕南农村冬季PM_(2.5)主要化学组分特征

通过对陕南农村冬季PM_(2.5)采样分析,获得PM_(2.5)质量浓度及主要化学组分特征。PM_(2.5)平均质量浓度为89.5±42.0μg·m~(-3),超过国家二级标准。观测期间PM_(2.5)中OC、EC浓度平均值分别为16.0±6.9μg·m~(-3)和5.7±3.2μg·m~(-3),OC/EC平均比值为3.0±0.4。主要水溶性离子组分为NO_3~-、SO_4~(2-)和NH_4~+。粒子数浓度与表面积浓度峰值主要集中在0.5μm以下粒径段。PAHs、BeP和BaP平均质量浓度分别为48.9±10.9 ng·m~(-3)、3.0±0.9 ng·m~(-3)和1.2±0.7 ng·m~(-3),PAHs污染较严重,强致癌物BaP浓度超过国家环境空气质量标准年平均浓度限值。当地农村以石煤为主的能源结构及采用的燃烧方式是导致污染的重要因素。     

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

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.     

东北辽中南基地城市群PM_(2.5)污染特征研究

基于中国环境监测总站"全国城市空气质量实时发布平台"2014年和2015年的PM_(2.5)数据,探讨分析东北辽中南基地城市群PM_(2.5)污染特征。结果表明:研究期间鞍山和沈阳两市的PM_(2.5)污染最为严重,2014年和2015年的超标率分别为31.8%、35.6%和26%、34.5%;城市群PM_(2.5)浓度呈现出显著的冬高夏低、春秋平稳的基本特征,冬季均值高达70.4μg/m3,是一级浓度限值的2倍,而夏季均值低为31.6μg/m3;因人类活动对PM_(2.5)的影响,周末浓度高于工作日;2015年较2014年相比,PM_(2.5)在可吸入颗粒物中比重增加,对大气污染物的贡献显著,但从整体来看辽中南基地城市群的空气质量出现了明显好转。     

2014年宝鸡市大气颗粒物时空分布特征分析

基于2013年12月和2014年全年宝鸡市8个自动空气质量监测子站的PM_(10)和PM_(2.5)的监测数据,探讨PM_(10)和PM_(2.5)的时间分布特征和空间分布特征。结果表明:PM_(10)的日平均浓度为118.23μg/m~3,全年中PM_(10)超过二级标准的天数为80 d,超标率为22%;PM_(2.5)的日平均浓度为68.93μg/m~3,全年中PM_(2.5)超过二级标准的天数为92 d,超标率为25%;PM_(10)和PM_(2.5)的浓度有明显的季节差异。PM_(2.5)和PM_(10)浓度由高到低的季节依次是冬季、春季、秋季和夏季;不同的监测点位中,解放军第三陆军医院监测点位的PM_(10)和PM_(2.5)浓度对于宝鸡市大气颗粒物的污染贡献率相对其他点位较高,主要是其地理位置导致的。     

自贡市冬季大气PM2.5组分特征分析及来源解析

为探究自贡市冬季大气PM_(2.5)污染特征,文章分析了自贡市冬季大气PM_(2.5)中水溶性离子、无机元素和碳质组分的浓度水平及来源。结果表明,二次无机离子(NO_3~-、SO_4~(2-)、NH_4~+)是自贡冬季PM_(2.5)中水溶性离子的重要组成部分,占PM_(2.5)质量浓度的45.8%。SOR和NOR值分别为0.45和0.31,说明自贡市二次离子污染较为严重;PM_(2.5)中无机元素总浓度为2.7μg/m~3,占PM_(2.5)质量浓度的3.9%。通过富集因子法分析,Pd、Te、Ag、Cd、Sb、Se、Mo、Sn、Hg、Br、Cs、Tl为高度富集;As、Co、Sc、Ga、Pb、Cr、Zn、Cu、Ni为中度富集;Al、K、Mn、V、Ba为轻度富集;TC质量浓度为19.3μg/m~3,其中OC为11.7μg/m~3、EC为7.5μg/m~3,分别占PM_(2.5)质量浓度的15.3%、9.8%。PM_(2.5)中SOC平均浓度为1.6μg/m~3,占OC的13.7%;自贡市冬季PM_(2.5)来源贡献大小依次为二次硝酸盐(24.5%)、移动源(20.9%)、二次硫酸盐(18.1%)、工业源(17.2%)、生物质燃烧源(10.1%)、扬尘源(9.2%),应重点管控移动源、水泥行业、道路扬尘和施工扬尘、生物质燃烧等排放源。     

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.     

2014年北京市PM2.5质量浓度分析及比对研究

本研究选择污染严重的北京作为研究区域,自2013年12月起至2014年12月,通过设在北五环中国环境科学研究院(CRAES)内的定点监测,获得375天有效平行样品(T和Q)。统计结果表明,2014年北京市PM_(2.5)质量浓度从优良水平的6.9μg/m~3到极重污染的422.1μg/m~3,年均浓度值在100μg/m~3左右。T组和Q组线性相关,但T/Q并非定值,冬季最高,R~2=0.974,对应T/Q=1.014,可能由于冬季污染程度较重,滤膜性能差异可忽略。除春季外,其它三季的PM_(2.5)都是T组>Q组,与石英膜的纤维结构不够致密有关。以T组质量浓度数据为准,与国控监测点奥体中心点公报的日均PM_(2.5)进行比对,结果显示二者基本同步,在春冬季呈现较高的污染浓度,在夏季最低。在严重污染时(PM_(2.5)>250.0μg/m~3),在线监测可能低估PM_(2.5)而T组能更客观地记录实际污染状况。统计2014年全年污染等级分布,4~8月份基本未出现重度污染,而在冬季采暖期10~12月份,优良天数不足50%。综合分析风速、相对湿度对PM_(2.5)质量浓度的影响,证实冬季取暖燃煤和无风、高湿、逆温的静稳天气是霾频发的主要原因。