天气条件及气团来源对青岛春季大气颗粒物数浓度谱分布的影响

利用2010年春季在青岛观测的不同粒径大气颗粒物数浓度,结合同期的Micaps天气图资料及后向轨迹分析资料,探讨了不同天气条件及气团来源不同时青岛大气颗粒物数浓度谱的变化特征.结果表明,沙尘发生前12h,大气中0.3~1.0μm的细粒子数浓度逐渐小幅升高,沙尘发生时>1.0μm粗颗粒物数浓度较沙尘发生前升高了1~10倍,0.3~1.0μm细颗粒物数浓度则降低了20%~45%.降雨使>1.0μm粗粒子数浓度降低>50%,降雨后大气颗粒物尤其是细粒子数浓度很快回升.雾和霾天气发生时1.0μm粗粒子数浓度较高,而局地源气溶胶中粗粒子数浓度较低,<0.7μm细粒子相对贡献较大.     

广州城区夏季大气颗粒物数浓度谱分布特征

于2013年6月2日—7月15日,利用扫描迁移性粒谱仪(SMPS)对广州城区大气17～800 nm的粒子谱进行了连续观测,同时结合在线小时ρ(PM_2.5)及气象数据,对颗粒物污染特征进行了分析. 结果表明:观测期间,凝结核模态粒子、爱根核模态粒子、积聚模态粒子的数浓度范围分别为68～7 687、1 009～47 724、238～14 781 cm-3.平均数浓度谱及体积谱均呈单峰分布,峰值分别出现在50和300 nm左右. 根据双模态对数正态分布模型对平均数浓度谱拟合的结果可知,爱根核模态粒子和积聚核模态粒子的几何平均粒径分别为48和144 nm. 颗粒物数浓度及其谱分布日变化特征明显,在交通高峰及太阳辐射较强的时间段均出现峰值. 在观测阶段,粒子增长现象频繁发生,推测大气光化学反应引起的气-粒转化是广州城区夏季大气颗粒物的重要来源. 7月12—13日广州城区发生了一次典型的大气污染过程,ρ(PM_2.5)由18 μg/m3增至112 μg/m3,能见度降至8 km. 在该时间段,积聚模态粒子体积分数与ρ(PM_2.5)变化一致,R2(相关系数)达到了0.85. 后向轨迹分析表明,污染气团主要来自于西南方向,在陆地停留时间较长.      

长江经济带典型矿业城市马鞍山市大气污染特征及颗粒物潜在源研究

本文利用2017-2020年监测数据对长江经济带典型矿业城市马鞍山市的主要大气污染物(PM2.5、PM10、SO2、CO和O3)进行了系统性分析.2017-2020年PM10和PM2.5的年均浓度分别为85.55、78.15、70.39、57.77 μg·m-3和50.44、45.21、43.36、36.30μg·m-...     

2013年南昌市区PM2.5的浓度水平及时空分布特征与来源

对2013年南昌市区9个自动空气质量监测点的ρ（PM_2.5）数据进行分析,探讨了PM_2.5浓度水平及时空分布特征,并采用轨迹聚类、PSCF（潜在源贡献因子）、CWT（浓度权重轨迹分析）进行了大气PM_2.5的来源分析.结果显示:2013年南昌市区ρ（PM_2.5）年均值为69.1μg/m3,超过GB 3095-2012《环境空气质量标准》二级标准限值（35μg/m3）的97%;ρ（PM_2.5）昼夜变化呈双峰型分布,峰值位于09:00-11:00和20:00-22:00;月际变化呈两边高、中间低的"V"型趋势;ρ（PM_2.5）有明显的季节性变化特征,由高到低依次为冬季、春季、秋季和夏季;ρ（PM_2.5）空间分布呈由东南至西北递减的分布特征.气流轨迹聚类结果表明,南昌市气流输送季节性变化特征明显,夏季来自南方或东南方向的气流比例高达65.6%,而在另外三个季节,东北和偏北方向的气流分别占62.0%（冬）、59.6%（春）、54.7%（秋）,对南昌市ρ（PM_2.5）影响较大;夏季南方或东南方向的气流所占比例较高,为65.6%;PM_2.5的PSCF和CWT的高值主要集中在南昌本地和邻近的浙江省及福建省北部地区,但周边的河南南部、江苏中部也是南昌市PM_2.5的潜在来源地.      

沈阳地区大气颗粒物污染特征及区域传输研究

文章利用HYSPLIT后向轨迹模式,分析沈阳地区2020年4月-2021年3月的大气颗粒物来源的传输路径及潜在的污染源区。首先,结合PM2.5和PM10的质量浓度监测值,分析了日、月和季节时间变化特征,结果表明,研究时段内颗粒物浓度变化趋势呈“U”型分布,存在明显的季节特征,冬季>春季>秋季>夏季,这与污染物排放和气象状况密切相关。其次,对大气颗粒物进行逐日72 h后向轨迹溯源分析,运用轨迹聚类分析、潜在源区贡献分析和浓度权重轨迹分析3种分析方法。后向轨迹聚类分析表明,沈阳市气流来源轨迹四季变化明显,春夏两季轨迹呈散射状分布、秋冬两季轨迹来源路径主要为长距离西北路径和短距离西南路径,西北路径途径俄罗斯南部、蒙古国和内蒙古东北部,西南路径途径河北东北部、北京、天津、山东东部;各季节来自西南和西北方向的轨迹数量更多且输送的PM2.5、PM10浓度值更高。潜在源区及浓度贡献权重轨迹分析表明,冬季潜在源区分布范围及贡献程度远大于春夏秋三季,强贡献潜在源区主要集中在辽宁本地及环渤海湾一带。     

皖南地区铜陵市大气颗粒物污染特征及潜在源研究

利用2018年3月—2021年2月环境和气象数据对皖南地区铜陵市大气颗粒物的污染特征和潜在贡献源进行了系统性研究.铜陵市大气颗粒物污染具有明显的季节变化特征,冬季污染物浓度最高,PM_2.5和PM₁₀平均为（60.3±31.0）μg·m^-3和（89.2±42.2）μg·m^-3.计算发现PM_2.5/PM₁₀超过0.5,铜陵市的大气颗粒物污染问题与细颗粒物关系密切.后向轨迹聚类分析表明铜陵市大气颗粒物的输送路径具有季节性差异.春季以西北、东北和西南方向气流为主,占比83.73%;夏季以东南和南部方向气流为主,占比82.90%;秋季以东北气流为主,占比51.00%;冬季则是以北方和西北气流为主,占比69.81%.其中,冬季气流轨迹所对应的PM_2.5和PM₁₀的浓度最高,平均为59.7和92.0μg·m^-3;夏季最低,平均为23.8和43.8μg·m^-3.潜在源贡献因子（WPSC...     

北京冬季大气颗粒物数浓度的粒径分布特征及来源

监测北京市冬季远郊区(密云)、交通道路(北四环)和生活区(清华大学)采样点的CO,NO,NO₂,SO₂等浓度,同时监测大气细颗粒物(FPs,粒径为0.1～2.5 μm)和超细颗粒物(UFPs,粒径<0.1 μm)的数浓度, 利用正交矩阵因子(PMF)法对FPs和UFPs数浓度的粒径分布特征和来源进行了研究. 结果表明:在远郊区采样点共有4个影响因子, 其中主因子1,4可能与长距离运移有关, 主因子2可能来自1 km外的村庄生活排放, 主因子3为附近铁路机车排放;在交通道路采样点共有3个影响因子, 其中主因子1,3可能均来自机动车排放, 主因子2来自燃煤污染;在生活区采样点共有3个影响因子, 其中,主因子1可能与机动车排放有关, 主因子2,3可能均来自燃煤排放.      

银川地区大气颗粒物输送路径及潜在源区分析

利用Traj Stat软件和全球资料同化系统数据,计算了2014—2016年银川市逐日72 h气流后向轨迹,并采用聚类分析方法,结合银川市同期PM~(10)和PM~(2.5)质量浓度数据,分析了银川年及四季气流轨迹特征及其对银川颗粒物浓度的影响.同时,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨了影响银川颗粒物质量浓度的潜在源区及不同源区对银川颗粒物质量浓度的贡献.结果表明,输送距离最长、高度最高、移速最快的西北气流轨迹占总轨迹的比例最高,达66.7%,且气团移动速度和高度与轨迹距离呈正比;输送高度较低、距离最短、移速最慢的北方气流轨迹占总轨迹数的24.3%;东南气团占总轨迹数的9%,输送距离和移速介于前两者之间,但输送高度较西北气流和北方气流低.四季各类气流轨迹变化特征与年变化特征基本一致,春、秋、冬三季,中、短距离西北气流占气流轨迹总数的比例最高,夏季东南气流占比最高,且夏季南方气流和北方气流占比较春、秋两季高,冬季未出现南方气流和北方气流,春季和冬季气流轨迹输送距离普遍比夏季和秋季长;春、夏、秋三季,偏南气流的输送高度均最低,四季长距离西北气流的输送高度均最高.年及四季都表现为西北气流轨迹对应的银川PM_(10)和PM_(2.5)平均浓度均较高,是影响银川颗粒物质量浓度的最重要输送路径,其次是东南气流轨迹,北方气流轨迹对银川颗粒物浓度影响较小.PSCF和CWT分析发现,位于新疆、甘肃、蒙古国、内蒙古、青海的西北源区及四川、陕西的东南源区是影响银川PM_(10)和PM_(2.5)浓度的两个主要潜在源区,各季节区域范围有所差异.     

乌鲁木齐市区与南郊山区颗粒物污染特征对比分析

利用2017年10月~2018年8月的PM₁₀、PM_2.5、PM₁质量浓度数据以及NCEP全球再分析气象资料,分析乌鲁木齐市区和南郊山区颗粒物浓度变化特征,结合HYSPLIT后向轨迹模型、潜在源贡献因子分析(PSCF)以及浓度权重轨迹分析(CWT)分析市区颗粒物潜在源区.研究结果表明:①市区PM_2.5的超标天数为26d,南郊山区无PM_2.5超标,市区PM₁₀的超标天数是南郊山区的3.5倍,市区日均值及月均值质量浓度是南郊山区的2~7倍,市区呈现冬高夏低的季节特征,南郊山区春季最高;②乌鲁木齐市区PM₁₀日变化存在3个峰值,PM_2.5、PM₁为双峰型分布,南郊山区均呈双峰分布;并存在季节性周末效应;③长短两支聚类气流轨迹对乌鲁木齐市区颗粒物浓度影响较大,春夏气流来自中亚,秋冬来源于北疆周边地区;④颗粒物潜在源区分布季节特征显著,高值区主要为昌吉、巴州、吐鲁番等周边地区,西北部中亚地区也是颗粒物重要来源区域之一.     

广西北海涠洲岛春季大气颗粒物浓度特征及影响因素

为了解我国北部湾区域大气环境特征和可能的跨界输送,于2015年3~4月在涠洲岛开展了对大气颗粒物浓度水平和粒径分布特征的外场观测研究,并结合气象因子和后向轨迹探讨了颗粒物浓度变化原因和来源.结果表明涠洲岛大气PM_1、PM_(2.5)、PM_(10)质量浓度分别为(21±12)、(35±19)、(43±20)μg·m~(-3).PM1、PM_(1~2.5)和PM_(2.5~10)质量浓度分别占PM10的50%、32%、18%.0.5~1、1~2.5和2.5~20μm粒径段颗粒物数浓度分别占总数浓度的93.5%、6.1%和0.4%.颗粒物数浓度与能见度和气压呈弱负相关.后向轨迹模拟分析发现,来自涠洲岛西南方向东南亚一带的气团影响频率最高(45.9%),0.5~1μm、1~2.5μm数浓度和PM_(2.5)浓度最低但NO浓度最高;其次为来自正东方向气团(34.1%),SO2浓度最低但O3浓度最高;来自正南方向的气团(12.5%)NO2、NOx、O3和CO浓度最低;来自东北方向的大陆气团影响频率最低(7.4%),但颗粒物数浓度、质量浓度和气体污染物浓度(除O3和NO)最高.涠洲岛大气细颗粒物和气态污染物主要受大陆和东南亚地区输送影响,来自大陆方向的输送以工业污染为主,来自东南亚方向的输送以港口船舶及航运污染为主.     

2008奥运和后奥运时段北京大气颗粒物质量浓度和数浓度比对研究

为探索奥运和后奥运时段北京地区大气颗粒物质量浓度和数浓度变化规律及其主要影响因素,于2008-08-08～2008-10-07期间,在中国科学院大气物理研究所325 m气象观测塔附近的办公楼楼顶使用微量振荡天平（TEOM）和空气动力学粒谱仪（APS）在线实时测量颗粒物质量浓度和数浓度,同时结合地面气象资料和HYSPLIT轨迹模式对颗粒物的来源和传输过程进行了探讨. 结果表明,奥运期间北京大气颗粒物粗细粒子质量浓度（PM_2.5～10和PM_2.5）平均值分别为（23.1±1.6） μg·m^-3和（55.5±7.3）μg·m^-3,比非奥运时期分别降低18.2%和16.0%,比非源控制时期分别降低22.3%和18.0%;而奥运期间粗细粒子数浓度（PN_2.5～10和PN_0.5～2.5）平均值分别为（15±1）个·cm^-3和（3138±567）个·cm^-3,比非奥运时期分别降低23.4%和27.5%,比非源控制时期分别降低29.5%和34.3%. 观测期间风速、相对湿度和前1 d的降水与颗粒物质量浓度和数浓度存在显著线性关系,逐步回归分析结果显示,风速和相对湿度可以解释细粒子质量浓度和数浓度变化的42%和53%,而风速和前1 d的降雨则可以解释粗粒子质量浓度和数浓度变化的21%和39%;观测期间北京大气颗粒物主要受保定、石家庄等偏南地区输送的影响,偏南弱气流使北京大气细粒子质量浓度和数浓度迅速增加,而偏北强气流使区域大气粗细粒子得到彻底清除,体现了北京地区大气粗粒子受局地排放控制而细粒子受区域污染输送的特征. 对比观测期间颗粒物累积清除的2次典型过程发现,气象因素影响颗粒物浓度值波动,而局地源排放减少和区域输送减弱则使颗粒物粗细粒子浓度显著降低,北京及周边省（市、区）协同减排是保障奥运期间优质空气质量的主要原因.     

利用轨迹模式研究上海大气污染的输送来源

利用HYSPLIT4模式和全球资料同化系统(GDAS)气象数据,计算了2010年12月─2011年11月期间抵达上海的气流后向轨迹. 结合聚类方法和上海ρ(SO₂)、ρ(NO₂)、ρ(PM₁₀)数据,分析了各季节不同类型气流轨迹对污染物浓度的影响,利用引入权重因子后的潜在源贡献算法分析了不同季节PM₁₀和NO₂潜在WPSCF(源区分布概率)特征. 结果表明:上海气流输送季节变化特征明显. 冬、春和秋季,上海较易受到来自西北、西南等区域的大陆性气流影响,受沙尘或人为污染排放的影响相对较大,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)平均值相对较高,分别为162、74和53μg/m3. 夏季上海主要受较清洁的海洋性气流影响,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)相对较低,分别为47、19和36μg/m3. 上海PM₁₀和NO₂的WPSCF分布特征类似,在冬、春和秋季,WPSCF高值(0.2~0.4)主要集中在江苏南部,河南、安徽等地的带状区域也有一定贡献,说明这些区域是上海这2种污染物的潜在源区. 夏季WPSCF的分布较为集中,上海以外区域值基本小于0.1,说明外来污染输送的贡献较小.      

天津市冬季道路颗粒物粒径分布及来源解析

使用便携式气溶胶粒径谱仪对天津市南开区道路环境颗粒物数浓度进行观测,观测时间为2018年11月9日至2019年1月6日早高峰时段（07：30~09：20）;结合温度和相对湿度,探究冬季道路环境颗粒物的粒径分布特征及来源.结果表明,天津市冬季道路环境颗粒物总数浓度平均值为502 cm^-3,主要集中在0.25~0.50 μm粒径段,呈现单峰分布,峰值在0.28~0.30 μm粒径段.不同时间尺度下颗粒物数浓度谱分布趋势相同,但相同粒径段数浓度存在差异.机动车活动水平是不同工作日道路颗粒物数浓度主要影响因素,合理的机动车尾号组合有利于降低道路颗粒物总数浓度高值出现的概率.颗粒物数浓度与温度和相对湿度呈现正相关关系,颗粒物总数浓度和峰值粒径数浓度随着温度和相对湿度的升高整体呈上升趋势.高相对湿度条件下,由于吸湿增长,数浓度峰值粒径会有所增大.使用正定矩阵因子分解模型（PMF）对道路环境颗粒物数浓度进行来源解析,得到道路尘、刹车与轮胎磨损和机动车尾气管排放老化这3个主要来源.道路尘来源对颗粒物数浓度的贡献率为8.6%,主要分布在5.00 μm以上粒径段;刹车与轮胎磨损来源对颗粒物数浓度的贡献率为2.8%,粒径集中在0.80~4.00 μm;机动车尾气管排放老化来源对颗粒物数浓度的贡献率为88.5%,贡献率占比最大,粒径集中在0.25~0.65 μm.道路旁颗粒物主要与机动车活动有关,同时温湿度也会对颗粒物数浓度粒径分布产生影响.     

北京冬、夏季颗粒物及其离子成分质量浓度谱分布

为认识北京大气颗粒物的重要特性之一的粒径谱分布,利用多级撞击式颗粒物采样器MOUDI对北京城区夏季和冬季大气颗粒物进行了4次为期1周的采样,采样时间分别是2001-07、2002-03、2002-07和2003-01.通过分析获得了颗粒物及其离子成分的质量浓度谱分布;发现北京城区颗粒物中细粒子占PM₁₀的40%～60%,已经成为PM₁₀的主要组成部分;但是细粒子和粗粒子的质量浓度与PM₁₀都有很强的相关性(R²>80%),仍然可以通过控制粗粒子的浓度来降低PM₁₀的浓度;在细粒子浓度高于70μg·m^-3时,硫酸盐、硝酸盐和铵盐在细粒子中所占比例之和大于70%,是颗粒物浓度升高的主要因素;并且观测到颗粒物的质量粒径谱分布在积聚模态存在2个亚模态以及积聚模态出现在1.0～1.8μm的粒径段的谱分布;对于积聚模态峰值出现在1.0～1.8μm粒径段的原因,进行了初步分析.     

泰山顶(1534 m)夏季气溶胶粒径分布特征

使用宽范围粒径谱仪对泰山顶2017年6月1～25日10 nm～10μm气溶胶数浓度粒径分布进行观测,结合PM(PM_(2. 5)和PM10)以及气象要素数据,分析了泰山顶气溶胶粒径分布特征及其主要影响因素.结果表明,观测期间泰山PM_(2. 5)和PM10的平均浓度分别为20. 7μg·m~(-3)和82. 4μg·m~(-3),PM_(2. 5)/PM10仅为25. 1%.数浓度、表面积浓度和体积分数平均为8 672. 8cm~(-3)、408. 3μm2·cm~(-3)和24. 2μm3·cm~(-3).数浓度谱分布为单峰型分布,表面积浓度和体积分数谱分布均为三峰型分布.数浓度和表面积浓度的主导粒径分别为10～20 nm和100～500 nm,体积分数的主导粒径为100～500 nm和2. 5～10μm.风向对PM和数浓度的影响要比风速的影响大.随着RH的增加,气溶胶数浓度谱由双峰型分布转变为单峰型分布,表面积浓度谱由单峰型分布转变为三峰型分布.     

基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析

利用MeteoInfoMap软件和GDAS全球同化气象数据,对乌鲁木齐市2014-2019年四季72 h气团后向轨迹进行聚类分析.同时,结合小时PM2.5和PM10浓度数据,运用潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT)分析了乌鲁木齐市颗粒物不同季节潜在源区及其对研究区颗粒物浓度的贡献.结果 表明:...     

舟山本岛大气污染输送过程的数值模拟分析

利用HYSPLIT-4后向轨迹模式和NCEP(美国国家环境预报中心)的2012年GDAS(全球资料同化系统)气象数据,结合NO₂、PM_2.5、PM₁₀和SO₂等常规大气污染物的质量浓度数据,对舟山本岛2012年4月、7月、10月和12月的大气污染输送过程进行了模拟,并通过聚类分析和潜在源区分析〔包括PSCF(潜在源贡献)和CWT(浓度权重轨迹)计算〕,确定大气污染传输路径及影响源区. 结果表明:舟山本岛气流后向轨迹呈明显的季节变化特征,4月主要受来自黄海海面气流轨迹的影响,其占总轨迹数的36.7%,ρ(PM₁₀)为(53.24±24.33)μg/m3;7月以途经琉球群岛和东海气流轨迹为主,占总轨迹数的48.4%,对ρ(NO₂)、ρ(PM_2.5)、ρ(PM₁₀)和ρ(SO₂)贡献分别为(24.63±6.33)、(28.60±4.83)、(52.89±18.76)和(8.67±3.11)μg/m3;10月气流轨迹主要来自于东海海面,占总轨迹数的49.2%;12月气流则主要来自辽宁南部和黄海,占总轨迹数的66.1%,对ρ(NO₂)、ρ(PM_2.5)、ρ(PM₁₀)和ρ(SO₂)贡献分别为(28.48±15.14)、(58.71±14.10)、(69.83±38.94)和(20.83±13.28)μg/m3. 舟山本岛PM_2.5的潜在源主要为毗邻城市间局地污染,集中于浙江沿海城市及杭州湾、上海等地.