2013—2018年北京市大气PM2.5持续高暴露对居民因病入院的急性影响

为探讨以细颗粒物（PM_2.5）持续高浓度暴露为特征的大气污染事件对于人群因病入院的急性影响,收集2013—2018年北京市大气PM_2.5浓度、气象因素数据和人群因病入院数据,以PM_2.5浓度〔75.0 μg/m3、150.0 μg/m3、第95百分位数（205.8 μg/m3）〕和持续时间（≥2 d、≥3 d）联合定义6种持续高暴露情景,采用基于quasi-Poisson回归的广义相加模型开展时间序列分析,获得不同情景下PM_2.5对人群因病入院的急性影响.结果表明:①对于全人群研究发现,相较于非持续高暴露情景,持续2 d及以上的重污染（PM_2.5浓度>150.0 μg/m3）情景引起非意外总疾病和心脑血管系统疾病的发病风险均显著增加,增幅分别为5.0%（95% CI,1.2%~9.0%）和5.6%（95% CI,1.8%~9.5%）.②亚组人群分层分析发现,持续2 d及以上的重污染情景下,男性、女性、0~64岁、65~74岁、75岁及以上等亚组人群的非意外总疾病和心脑血管系统疾病的发病风险均显著增加;当出现极端PM_2.5暴露浓度（>205.8 μg/m3）且持续3 d以及上时,女性和0~64岁、65~74岁人群的非意外总疾病和心脑血管系统疾病的发病风险均显著增加.③因呼吸系统疾病入院分析发现,仅在PM_2.5浓度>150 μg/m3且持续时间≥2 d的情景下,观察到0~64岁人群的发病风险显著增加,增幅为3.4%（95% CI,0.2%~6.6%）.研究显示,以PM_2.5持续高暴露为特征的大气污染事件对人群因病入院有显著影响.      

室内外PM2.5中金属元素的污染特征及来源

在南京市仙林地区住宅楼内和室外采集PM_2.5样品,分析PM_2.5中金属的污染特征及主要来源.结果显示,室内外PM_2.5平均浓度分别为80.56μg/m³和96.77μg/m³,室内外PM_2.5浓度比（I/O）平均值为0.87.除Mg外,室外其他金属平均值均高于室内.元素Pb室内外浓度相关性最高,R值为0.807.室内外PM_2.5中金属元素Cd、Cu、Pb、Zn、As、Co、Cr和Ni富集程度较高.主成分分析结果显示,室外PM_2.5中金属的主要来源为土壤尘、交通排放、金属冶炼、垃圾焚烧等;室内PM_2.5中金属可能的来源为室外颗粒物的渗透及室内烹饪和家具材料等.     

2013~2019年上海早晨接地逆温指标与PM2.5定量关系研究

利用2013~2019年上海宝山观象台08：00时高分辨率气象探空资料识别SBI并计算其3个指标（垂直温差、厚度、强度）,发现在易污染月份（11月、12月、1月、2月）上海早晨SBI的发生频次为35.7%,垂直温差、厚度、强度分别为3.7℃、118m、3.6℃/100m.2013~2019年出现接地逆温的频次有所下降,但其3个指标均没有显著的年变化趋势.当出现接地逆温（SBI）时,2019年易污染月份早晨的PM_2.5浓度高达61.9µg/m³,较无逆温（NTI）时偏高了79%,表明SBI是促发早晨PM_2.5污染的重要气象条件之一.SBI的大气动力热力条件呈现水平风速降低（69%）、边界层通风能力下降（18%~44%）、垂直层结稳定（Ri>0.25）和低温（降低42%）、高湿（上升10%）的特点,非常有利于PM_2.5的局地累积和二次非均相生成,使得2013~2019年早晨的PM_2.5浓度较NTI时偏高了20%~107%.PM_2.5浓度与SBI的垂直温差、厚度都显著正相关,分别拟合为二次非线性关系（P<0.05）,然而与强度的相关性不显著.当接地逆温的垂直温差大于4.6℃、或者厚度大于100m,PM_2.5浓度超过100µg/m³,可作为判别PM_2.5重污染天气的参考阈值.     

室内人体行走引起颗粒物再悬浮的试验研究

室内人员活动是室内颗粒物再悬浮的重要因素,研究室内颗粒物再悬浮对评估室内空气质量有重要意义.以南开大学津南校区某公共教室为研究区域,通过现场试验研究了室内地面不同积尘负荷下,人员行走引起的PM_2.5再悬浮浓度及其扩散速率.结果表明:①不同时间间隔内的室内地面总颗粒积尘负荷不同,时间间隔为3、7、15 d时,室内PM_2.5积尘负荷分别为0.11、0.18、0.30 g/m2.②室内地面不同总颗粒积尘负荷下,在室内中心过道处行走时引起的PM_2.5再悬浮浓度约1 min后达到最高值,PM_2.5再悬浮浓度达到最高值的时间与地面不同总颗粒积尘负荷的关系不明显.③随着室内地面总颗粒积尘负荷的增加,人体行走引起的PM_2.5再悬浮浓度也会增加.当室内PM_2.5积尘负荷为0.30 g/m2时,行走路径中游坐姿1.1 m处与站姿呼吸平面1.5 m处的PM_2.5再悬浮浓度平均值分别为3.03、2.68 μg/m3,约是室内PM_2.5积尘负荷为0.18与0.11 g/m2时引起的PM_2.5再悬浮浓度平均值的2~3倍.④利用颗粒物传输模型对PM_2.5再悬浮进行量化分析发现,室内地面不同总颗粒积尘负荷的大小与PM_2.5再悬浮分数无关,PM_2.5再悬浮分数为2.2×10-8;室内PM_2.5积尘负荷为0.11、0.18、0.30 g/m2时,行走引起的再悬浮PM_2.5扩散速率分别为7.62×10-11、1.25×10-10、2.08×10-10 kg/s.研究显示,地面积尘负荷的大小会影响人体行走时颗粒物的扩散速率与室内PM_2.5浓度.      

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.      

基于集总参数模型的室内PM2.5浓度预测

基于颗粒物浓度集总参数模型建立室内PM_2.5预测模型,同时对模型中的关键参数穿透率、沉降率理论模型进行理论计算.以常州市某住宅建筑为例,通过动态模型对穿透率和沉降率模型进行实验验证,实验采样时间为2017年3月~2018年1月.根据实验数据计算换气次数在0.31~0.89h^-1范围内PM_2.5通过维护结构的穿透率为0.78~0.97,室内PM_2.5沉降率为0.3~0.69h^-1.本模型能较好地适用于自然通风、机械通风等不同通风工况室内颗粒物浓度预测.当室外PM_2.5浓度在135~150μg/m³变化时,使用过滤效率为82%的新风系统可维持室内PM_2.5浓度值在40~46μg/m³.     

杭州校园中不同植被对PM2.5的吸附能力

为合理安排绿地配置,极大发挥植物改善生态环境的功能,为城市系统绿化的功能化规范化经济化提供更加合理的理论支持,通过获取杭州电子科技大学校园内现有的4种植被的不同时间段和不同离地高度的ρ（PM_2.5）,用统计学的t检验方法研究了ρ（PM_2.5）的变化规律.以一天当中不同时间空地的ρ（PM_2.5）作为参照,分别对相同时间、不同植被区域、不同高度和不同时间、相同植被区域、相同高度的ρ（PM_2.5）作对比.结果表明:①早晨水杉林、松树林、混合林的PM_2.5吸附能力相似,与空地的平均差值分别为14.36、12.00和12.79 μg/m3;草地的PM_2.5吸附能力较差,与空地的平均差值仅为4.75 μg/m3.中午时,水杉林的PM_2.5吸附能力最强,与空地ρ（PM_2.5）平均差值为10.87 μg/m3,其次为混合林（8.18 μg/m3）,草地ρ（PM_2.5）反而比空地高14.90 μg/m3.下午水杉林与混合林的PM_2.5吸附能力与中午相比略微减弱.晚上,除混合林外,其他3种绿地均与空地无显著差异.②对比距地面0.1与1.5 m高的空气中ρ（PM_2.5）的差异发现,一般情况下树林中0.1 m处ρ（PM_2.5）大于1.5 m处,空地0.1 m处ρ（PM_2.5）小于1.5 m处.研究显示,大部分植被在早晨吸附能力最强、晚上最弱,不同植被对于PM_2.5的吸附能力也有所不同.由此,在所统计的植被中,水杉林对空气中PM_2.5的吸附能力最强,在以后的绿地规划中,可考虑多增加水杉林的种植面积;但在增加城市林地面积减少空气中PM_2.5的同时,还应考虑到植物自身生理能否带来一些城市负面影响,从面得出最优种植方案.      

漯河市PM10和PM2.5中水溶性离子浓度特征及其来源解析

为了研究漯河市PM_2.5和PM₁₀及其水溶性离子变化特征,于2017年5月—2018年2月在漯河市3个采样点同步采集PM_2.5和PM₁₀样品,分别获得PM_2.5和PM₁₀有效样品191和190个.用离子色谱法分析样品中F-、Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+等9种水溶性无机离子.结果表明:在采样期间,漯河市ρ（PM_2.5）平均值为72.42 μg/m3,其中ρ（总无机水溶性离子）的年均值为34.76 μg/m3,占ρ（PM_2.5）的46.72%;ρ（PM₁₀）平均值为126.52 μg/m3,其中ρ（总无机水溶性离子）的年均值为46.40 μg/m3,占ρ（PM₁₀）的35.67%.2种颗粒物水溶性离子质量浓度的季节性变化均呈冬季高、夏季低的趋势.PM_2.5/PM₁₀〔ρ（PM_2.5）/ρ（PM₁₀）〕在四季分别为0.50、0.61、0.56、0.57.采样期间漯河市PM_2.5中NOR（氮氧化率）和SOR（硫氧化率）的年均值分别为0.17和0.30,PM₁₀中NOR和SOR的年均值分别为0.22和0.34,说明颗粒物中SO₄2-的二次转化效率高于NO₃-.PM_2.5和PM₁₀在采样期间均呈弱碱性,且碱性在夏季最强,秋季最弱.利用PMF模型分析PM_2.5和PM₁₀中水溶性离子的主要来源发现,PM_2.5中水溶性离子来源主要包括生物质燃烧源、燃煤源、建筑扬尘源、工业源和二次污染源,PM₁₀中水溶性离子来源主要包括燃煤源、建筑扬尘源、二次污染源、生物质燃烧源和工业源.研究显示,漯河市颗粒物污染中水溶性离子来源复杂,应采取多源控制的污染防治措施.      

广州不同站点类型PM2.5与O3污染特征及相互作用

基于2015~2019年广州4个不同国控站点类型的大气污染物监测数据,研究了广州各站点类型颗粒物（PM_2.5）和臭氧（O₃）的污染特征,并分析了O₃污染季节和PM_2.5污染季节PM_2.5和O₃的相关性及相互作用.结果表明：2015~2019年广州各站点类型PM_2.5浓度总体呈下降趋势,O₃浓度呈上升趋势.不同污染季节PM_2.5与O₃浓度均呈正相关.O₃污染季节二次PM_2.5的生成对颗粒物的影响显著大于一次PM_2.5,随着光化学水平的升高,一次PM_2.5的贡献浓度基本不变（均在21.03~31.37μg/m³范围内）,贡献率逐渐下降;而二次PM_2.5的贡献浓度逐渐升高（3.51~7.72 μg/m³升高到16.04~18.45μg/m³）,贡献率也逐渐升高（11%~27%升高到34%~44%）,且呈倍数增加.不同站点类型贡献差异明显,背景站点二次PM_2.5的贡献最大,城区站点在中和高光化学水平下二次PM_2.5的贡献最小;PM_2.5污染季节各站点类型在不同PM_2.5污染水平下O₃浓度均具有差异性,总体上均呈现背景站点>郊区站点>城区站点的特点.气溶胶的消光作用和非均相反应均显著促进O₃生成,随着PM_2.5浓度升高,各站点类型的O₃浓度峰值逐渐升高,由62.12~83.82μg/m³升高到92.49~135.4μg/m³;O₃变化率峰值也逐渐升高,由8.42~10.02μg/（m³·h）升高到21.33~27.04μg/（m³·h）.进一步促进了广州PM_2.5和O₃浓度的协同增长.     

基于2012—2018年内江市PM2.5化学组分变化对《大气污染防治行动计划》实施效果的评估

2013年9月国务院发布了《大气污染防治行动计划》（简称"《气十条》"）.基于《气十条》实施前期（2012年5月-2013年5月）和实施后期（2015年9月-2016年9月）在四川省内江市采集的PM_2.5及其化学组分,以及2013-2018年空气自动监测站在线监测数据,通过比较分析PM_2.5中WSIIs（water-soluble inorganic ions,水溶性离子）和6项常规污染物质量浓度的变化来评估《气十条》实施效果,同时应用PMF（positive matrix factorization,正矩阵因子分析法）模型解析WSIIs源变化以探究空气污染源的改变.结果表明:①2018年内江市ρ（SO₂）、ρ（NO₂）、ρ（PM₁₀）、ρ（PM_2.5）、ρ（O₃）和ρ（CO）年均值分别为9.4 μg/m3、23.9 μg/m3、53.1 μg/m3、34.9 μg/m3、140.0 μg/m3和1.1 mg/m3,6项污染物首次全部达到GB 3095-2012《环境空气质量标准》二级标准.②《气十条》实施后期ρ（PM₁₀）和ρ（PM_2.5）分别为（74.5±55.1）（63.0±47.0）μg/m3,较实施前期分别下降了36%和20%,说明《气十条》的实施明显改善了空气质量.PM_2.5中ρ（SO₄2-）和ρ（NO₃-）分别下降了47%和25%,表明SO₂和NO_x的排放均得到有效控制;PM_2.5中ρ（K+）和ρ（Mg2+）分别增加了66%和92%,这与春节期间燃放烟花爆竹和生物质燃烧有关,因此应加强对重点时段特殊事件的管控.③相较《气十条》实施前期,实施后期ρ（PM_2.5）/ρ（PM₁₀）由0.69升至0.84,SOR（sulfate oxidation ratio,硫氧化率）由0.22增至0.25,说明PM_2.5和二次污染占比增加.④PMF模型解析结果发现,与《气十条》实施前期相比,实施后期的燃煤-工业源、二次硫酸盐、二次硝酸盐和扬尘源对ρ（PM_2.5）的贡献量下降,生物质燃烧源对ρ（PM_2.5）的贡献量增加;燃煤-工业源和二次硫酸盐对ρ（PM_2.5）的贡献率之和大幅下降,二次硝酸盐和生物质燃烧的贡献率均升高.研究显示,《气十条》的实施使内江市燃煤和工业排放得到显著控制,但机动车和生物质燃烧尚需严控.      

天津某老年社区夏冬季室内与个体暴露PM2.5对比

于2011年夏季(6月13日—7月2日)和冬季(11月30日—12月12日)在天津市某老年社区采集室内与老年人个体暴露PM_2.5样品,分析二者的质量浓度及化学组分特征. 结果表明:夏、冬季室内ρ(PM_2.5)分别为(138±103)和(173±136)μg/m3,二者差异显著(P<0.05);冬季室内ρ(PM_2.5)、ρ(SO₄2-)和ρ(OC)显著高于夏季(P<0.05),初步推断是由于冬季燃煤取暖排放的大量颗粒物渗透进入室内所致;冬季室内源(如清扫和吸烟)对某些室内PM_2.5组分(Al、Ca和Cd)的贡献较夏季显著. 对个体暴露与室内ρ(PM_2.5)的相关性分析发现,二者在夏、冬季均显著相关(P<0.05). 在受试老年人时间活动模式基础上,采用COD(分歧系数)评估室内和个体暴露PM_2.5化学组成的相似度,结果显示,室内与个体暴露PM_2.5的COD在夏、冬季分别为0.34±0.10和0.37±0.12;冬季受试老年人在交通微环境所处时间较长,致使COD大于0.5的样本数所占比例较夏季高. 室内和老年人个体暴露PM_2.5的ρ(OC)/ρ(EC)在夏、冬季均相近,说明二者的碳组分来源相似.      

2014年北京奥体中心空气质量演变特征

利用中国环境监测总站发布的实时大气环境监测资料,选择北京国家奥林匹克体育中心(下称北京奥体中心)为研究对象,分析了2014年全年北京奥体中心空气质量演变特征. 结果表明:①2014年全年北京奥体中心首要污染污染物为PM_2.5,其次是NO₂,而PM_2.5和PM₁₀出现中度污染以上的污染事件主要集中在冬季和春末秋初;②PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO等主要污染物的年均质量浓度分别为89.75、141.12、21.83、64.26、48.60和1 210 μg/m3. 其中年均ρ(PM_2.5)是GB 3095—2012《环境空气质量标准》二级标准限值(35 μg/m3)的2.6倍,年均ρ(PM₁₀)也是其二级标准限值(70 μg/m3)的2.0倍,年均ρ(SO₂)略高于其一级标准限值(20 μg/m3),而年均ρ(NO₂)则高于其标准限值(40 μg/m3);③北京奥体中心全年逐月ρ(SO₂)/ρ(NO₂)都小于1.00,年均值为0.37,反映出北京目前硝酸型污染特征越来越明显;④针对不同污染等级下各类污染物质量浓度的分析结果显示,严重污染时ρ(PM_2.5)和ρ(PM₁₀)平均值分别高达324.75和494.98 μg/m3,分别是世界卫生组织(WHO)《空气质量准则》推荐24 h平均浓度准则值的13和10倍,其浓度如此之高会对人体健康造成严重危害;⑤ρ(PM_2.5)年均24 h变化趋势表明,ρ(PM_2.5)具有明显的日变化特征,出现2个峰值,高峰值出现在午夜时分(23:00—翌日01:00),次高峰值出现在上午(09:00—11:00),最低值出现在下午(15:00—17:00),次低谷值则出现在凌晨(05:00—07:00),说明ρ(PM_2.5)除与混合层高度日变化特征密切相关外,还与人们的日常生活有一定联系.      

天津市老年人PM2.5个体暴露化学组分特征

分别于2011年6月13日—7月2日(夏季)和11月30日—12月12日(冬季),采用颗粒物个体暴露采样器对天津市某社区101名老年人(平均年龄67岁)的PM_2.5个体暴露水平进行监测,以探讨PM_2.5个体暴露化学组分的特征. 结果表明,天津市老年人夏、冬季PM_2.5个体暴露浓度分别为(124.2±75.2)和(170.8±126.6)μg/m3. 斯皮尔曼相关分析表明,Si、NH₄+和NO₃-的暴露浓度均与PM_2.5暴露浓度显著相关(P<0.01),R(相关系数)分别为0.61、0.55和0.46. 富集因子分析表明,Cd、Zn和Pb 3种元素高度富集,受人为源的影响强烈. SO₄2-是水溶性离子中含量最高的组分,其次是NO₃-和NH₄+,在夏、冬季这3种离子暴露浓度之和分别占PM_2.5暴露浓度的34.3%和40.6%. OC是老年人PM_2.5个体暴露的主要成分之一,夏、冬季OC暴露浓度分别占PM_2.5暴露浓度的19.3%和27.4%. 老年人PM_2.5个体暴露化学组分浓度受气象因素、室内源和室外源的共同影响,季节变化明显. 冬季Al、Si、K、Ca和Fe的暴露浓度高于夏季,但大部分微量金属元素(V、Cr、Mn、Ni、Cu、Zn、As、Sb和Pb)的冬季暴露浓度却低于夏季. 方差分析表明,冬季SO₄2-、NO₃-、NH₄+、OC和EC的暴露浓度显著高于夏季(P<0.05).      

太原市PM2.5预报统计修正模型及其应用检验

为提高太原市PM_2.5预报准确率,更好地服务于空气质量预报预警工作,在华北区域BREMPS（环境气象数值预报系统）预报结果的基础上,结合MR（多元线性回归）、BP（BP神经网络）和MLR（多层递阶）建立10 d的滚动修正模型,并对太原市2017年1月15日—4月15日ρ（PM_2.5）进行了修正.结果表明:3种修正模型对BREMPS预报的ρ（PM_2.5）小时值和日均值均有不同程度的改善,尤其是MLR修正结果在多项评价指标上明显优于MR和BP,其小时值的RMSE（均方根误差）由原来的42.46 μg/m3降至26.74 μg/m3,重污染和非重污染时段日均值的RMSE分别由未修正前的63.78、43.68 μg/m3降至28.52、21.27 μg/m3,日均值修正结果的基础评分从0.65升至0.88,预报准确率由原来的66.18%升至86.74%.从3种修正模型的构建来看,MR和BP方法对系统平稳状态的修正具有一定的优势,而对系统大幅变化的识别能力较弱,所以在天气变化时临界状态的修正结果误差较大,模型的稳定性较差.研究显示,MLR方法本身具有一定的自适应能力,稳定性和修正结果的整体趋势明显优于MR和BP方法,对太原市空气质量预报改进、重污染天气预警和大气污染防治等方面具有较大的应用价值.      

南昌市大气颗粒物污染特征及PM2.5来源解析

为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM₁₀和PM_2.5数据,分析了ρ（PM₁₀）、ρ（PM_2.5）和ρ（PM_2.5）/ρ（PM₁₀）的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR（主成分分析-多元线性回归）模型对大气PM_2.5中化学组分来源进行解析.结果表明:①ρ（PM₁₀）和ρ（PM_2.5）的年均值分别为（115.4±39.1）（69.1±26.8）μg/m3,均超过GB 3095-2012《环境空气质量标准》二级标准限值,ρ（PM₁₀）和ρ（PM_2.5）的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ（PM₁₀）和ρ（PM_2.5）季节性变化特征明显,呈冬季>春、秋两季>夏季的趋势,全年ρ（PM₁₀）超标天数占比为25.48%,ρ（PM_2.5）超标天数占比为36.71%,各季度ρ（PM_2.5）超标天数占比均高于ρ（PM₁₀）.②受人为活动和边界层高度的影响,ρ（PM_2.5）和ρ（PM₁₀）日变化呈双峰双谷形态,一个波峰出现在08:00-10:00,另一个波峰出现在20:00-22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ（PM_2.5）/ρ（PM₁₀）年均值为60.3%,在冬季最高达65.1%,相关性分析发现ρ（PM₁₀）与ρ（PM_2.5）存在较显著的线性关系,表明二者具有同源性.④ρ（PM₁₀）、ρ（PM_2.5）均与ρ（SO₂）、ρ（NO₂）、ρ（CO）呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ（PM₁₀）、ρ（PM_2.5）均与ρ（O₃）全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ（PM_2.5）和ρ（PM₁₀）有较大影响.⑤南昌市秋季PM_2.5的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM_2.5的贡献率分别为40.9%、35.8%、12.4%、10.9%.研究显示,南昌市PM_2.5的污染程度较PM₁₀严重,PM_2.5已成为南昌市大气颗粒物污染的主要组分,PM_2.5主要来源为城市扬尘和机动车尾气.      

2007—2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM_2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM_2.5)近年来逐渐呈上升趋势;ρ(PM_2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM_2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_2.5)的影响.