四川盆地典型城市PM2.5污染过程组分特征和来源解析

为探究四川盆地典型城市PM_2.5污染特征和来源,利用成都市、绵阳市、自贡市超站数据分析2020年冬季典型污染过程PM_2.5组分特征,并采用CMB模型模拟获得研究期间PM_2.5来源及演变特征.结果表明,不同城市PM_2.5组分变化特征不尽相同,成都市污染过程整体呈现NO₃^-主导特征,但重度污染由OC主导.绵阳市污染期间呈现OC主导特征,是污染加重时增长最快的组分.EC是自贡市轻度污染增长最快的组分,NO₃^-、SO₄^2-、NH₄⁺是中度污染增长较快的组分,OC、EC是重度污染增长较快的组分.3个城市均是二次硝酸盐对PM_2.5贡献率最高.比较而言,成都市机动车、扬尘源贡献率均最高;绵阳市二次有机碳贡献率最高,是成都市的2倍;自贡市燃煤源和二次硫酸盐贡献率分别比成都市和绵阳市高出4%~6%和7%~9%.成都市由优良天气到中度污染,二次硝酸盐贡献率随着污染程度的加重而增加,轻度污染较优良天气上升6%,中度污染较轻度污染天气上升3%.中度到重度污染,二次有机碳、机动车贡献率分别上升2%和1%.绵阳市由轻度到重度污染,二次有机碳对PM_2.5的贡献率上升3%,机动车贡献率上升2%,是其污染加重的主要原因.自贡市由轻度到重度污染,各污染源贡献率变化幅度较小.     

降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

2022年江苏省PM2.5与臭氧污染特征及其与气象要素关系

基于2022年江苏省PM_2.5、臭氧环境监测站数据和地面气象站数据,分析污染时空分布特征及其与污染源排放、气象要素的关系,从而为排放管控、污染治理提供科学依据。PM_2.5整体呈北高南低、西高东低的空间特征,冬季浓度最高（30—75 μg∙m⁻³）,西北部城市的PM_2.5全年污染天数为全省最多（25—40 d）。臭氧呈南高北低的空间特征,夏季浓度最高（120—160 μg∙m⁻³）,苏南城市的臭氧全年污染天数最多可达60—70 d。二者浓度在夏季具有较强的正相关性,在冬季相关性很弱。各季节PM_2.5与温度、相对湿度、风向呈弱相关性,与风速关系稍强。PM_2.5污染事件多发于温度为2—6 ℃、相对湿度为60%—85%、风速＜3 m∙s⁻¹的条件。各季节臭氧均与温度呈强正相关性,与相对湿度为负相关。风向为偏西风时容易出现高浓度,为第四象限风（东风到南风）时浓度通常较低。臭氧污染集中于日最高气温＞28 ℃、相对湿度为60%—75%、风向为偏西风的条件,以此作为预报指标,正确率约为50%。     

气象要素对气溶胶光学厚度估算PM2.5的影响

地面监测得到的近地面细颗粒物PM_(2.5)浓度较为精确,但数据覆盖范围相对较小,卫星遥感反演的气溶胶光学厚度(AOD)数据可以反映污染物浓度分布,具有范围大且速度快的特点,因此,大多数学者通过建立PM_(2.5)-AOD模型来实现卫星遥感监测PM_(2.5)浓度,并通过引入气象要素来优化模型.然而,气象要素的选择与引入往往对模型的精度有较大的影响,如何有效地选择对PM_(2.5)浓度影响较大的气象要素一直是PM_(2.5)-AOD模型中的关键问题.因此,本文基于华东地区2014—2015年的MODIS AOD和地面监测站的PM_(2.5)浓度数据,结合再分析气象资料,利用多元逐步线性回归方法建立PM_(2.5)-AOD模型,从由特定时刻、高度上的气象要素与随时间、高度变化的气象要素组成的气象要素集中,筛选出对因变量PM_(2.5)浓度有显著影响的关键气象要素.结果表明:在地域与季节双重尺度下的PM_(2.5)-AOD模型精度更高;相较于特定时刻高度的气象要素,随时间和高度变化的气象要素对PM_(2.5)-AOD模型的影响更为显著;在地域与季节双重尺度下,1000～850 hPa经向风速差、世界时0:00—6:00近地面温度差、850～600 hPa温度差、6:00边界层高度、12:00—18:00近地面压强差、1000～850 hPa温度差对模型影响较大,但应依据不同季节和不同地区的具体影响程度作为选择标准.     

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.     

城市PM2.5健康损害评估研究

参考美国Ben MAP软件,提出城市PM_(2.5)健康损害评估的基本框架,并就评估方法和参数使用中的关键问题进行了论述,包括人群健康损害评估指标的确定、空间尺度和时间尺度的选择、健康终点的界定、人群年龄结构的划分、比较的基准的确定,以及"剂量-反应"关系参数和生命价值参数的选择等.本文收集和整理了2014年北京市空气质量监测点PM_(2.5)浓度监测数据及暴露人口、基期死亡率等数据,运用"向标准靠拢(Rollback to Standard)"的方法,估算北京市PM_(2.5)达到空气质量标准情景下的浓度值,以此作为比较的基准,使用美国Ben MAP数据库收录的"剂量-反应"关系参数,分别基于"工资-风险"法模型和人力资本法模型估计生命价值参数,代入本文城市PM_(2.5)健康损害评估的基本框架,计算2014年北京市PM_(2.5)对人群健康的损害.     

北京市大气PM10和PM2.5中有机物的时空变化

2005年四季在北京市不同功能区9个采样点采集大气PM₁₀和PM_2.5样品,并对其中有机物污染水平、分布特征及不同功能区PM₁₀和PM_2.5中有机物的相关性进行了探讨.结果表明,市区PM₁₀和PM_2.5中有机物年均值分别为41.39 μg/m³和34.84 μg/m³,是对照区十三陵的1.44倍和1.26倍;冬季有机物污染最严重,分别为春季的1.15、 1.82倍,秋季的2.06、 2.26倍,夏季的4.53、 6.26倍.不同季节PM_2.5与PM₁₀中EOM的比值超过0.60, 并呈现一定季节差异.各功能区有机污染表现出工业区(商业区)＞居民区(交通区、对照区)的变化趋势,且不同功能区PM_2.5中EOM对PM₁₀中EOM的影响程度各异.有机组分的年均值有非烃＞沥青质＞芳烃＞饱和烃的变化规律,而污染源的季节性排放是造成有机物组分季节变化的主要原因.     

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.     

南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系

基于2013—2015年南昌市9个空气环境监测点的连续数据,分析了空气PM_(2.5)、PM_(10)质量浓度(以下简称浓度)的时空变异规律,并以景观格局指数为定量指标,研究了监测点的两种颗粒物浓度与其周边500 m半径、1000 m半径缓冲区的土地利用状况的关系.结果表明:(1)南昌市3年来PM_(2.5)和PM_(10)浓度逐年显著降低.(2)通过聚类分析,9个监测站依据颗粒物污染可分为4大类,表现出一致的城乡梯度差异.(3)在斑块类型水平上,PM_(2.5)和PM_(10)浓度与500、1000 m半径缓冲区的C-PLAND(建筑用地覆盖率)、C-SHDI(建筑用地多样性指数)显著正相关,与1000m缓冲区的F-ED(林地边界密度)显著正相关;与F-PLAND(林地覆盖率)、C-Fi(建筑用地分离度指数)、F-MPS(林地平均斑块面积)显著负相关.在景观水平上,PM_(2.5)和PM_(10)浓度在500 m缓冲区与LPI(最大斑块所占景观比例)显著负相关;与1000 m缓冲区的MPS(平均斑块面积)显著负相关.景观格局指数直接反映土地利用状况,它与PM_(2.5)和PM_(10)浓度的相关性,表现出生态学中典型的"源汇景观"关系.     

上海秋冬季PM2.5污染天气形势的客观分型研究

通过分析2013—2015年上海地面PM_(2.5)质量浓度观测资料,发现11、12、1月3个月对PM_(2.5)年总浓度的贡献达到36.4%,对总污染日数的贡献达到50.4%,对PM_(2.5)环境质量的影响最显著.采用T-mode斜交旋转分解方法(PCT),对2012—2015每年11月、12月和次年1月的海平面气压场和10 m风场进行大样本客观分型研究,揭示了4种秋冬季上海PM_(2.5)易污染的天气环流类型,分别为冷锋(Cw)、高压后部弱气压场(WGh)、高压前部弱气压场(WGl和WGf).对上海而言,冷锋、高后弱气压、高前弱气压分别表现为有利于上游污染输送、本地静稳累积、以及本地积累和上游输送相叠加的天气学特征.对比2个典型污染月(2013年1月和12月)和清洁月(2014年11月和2015年11月)的逐日分型结果发现,Cw环流控制下污染输送对秋冬季上海PM_(2.5)环境质量影响显著,高前弱气压的维持是导致上海3次连续重度污染的重要原因.     

两湖盆地襄阳地区PM2.5重污染过程区域传输的观测和模拟分析

两湖盆地位于华中地区,横跨湖北、湖南两省,海拔高度低于200 m.襄阳为华中地区两湖盆地的“风口”,PM_2.5污染严重.为认识襄阳地区大气环境变化特征,对其2016年1月的大气污染过程进行研究分析,研究气象条件对PM_2.5浓度的影响.结果表明：冷空气南下入侵对两湖盆地襄阳地区产生PM_2.5重污染有重要驱动作用.强风是驱动大气污染物区域传输的主要因素,受东亚冬季风影响,上风方的PM_2.5跨区域传输到下风方两湖盆地,导致襄阳地区的PM_2.5污染水平上升.基于FLEXPART-WRF模式,定量估算了2016年1月襄阳地区4次PM_2.5重污染过程的区域传输贡献,估算发现4次大气重污染过程的外源贡献率均高于50.0%,最高达80.3%,体现了大气污染物区域传输对两湖盆地大气重污染事件的主导作用.两湖盆地襄阳地区PM_2.5污染主要潜在源来自东北路径,以华北平原为主.     

贵阳市大气颗粒物(PM2.5)污染特征及气象参数的影响

运用连续颗粒物采样仪(URG Model 2000-01J)对贵阳市城区大气颗粒物PM2.5进行了连续3个月(9~11月)的采集与分析,探讨了PM2.5的浓度分布特征、气象条件的影响。结果显示,贵阳市大气颗粒物PM2.5的平均质量浓度为53±27μg/m3,变化范围为3.7~186μg/m3;初步推断大气颗粒物PM2.5的污染来源主要是燃料燃烧、生物质燃烧、汽车尾气等人为源;相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_2.5和PM₁₀中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_2.5和PM₁₀进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_2.5和PM₁₀中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_2.5中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧...     

青岛市大气PM2.5元素组成及来源研究

利用2007年5月～2008年5月气溶胶观测资料和逐日天气资料,分析了青岛市2.5μm气溶胶粒子(PM2.5)浓度特征、元素组成和来源.结果表明,青岛市PM2.5和PM10年均浓度分别为86.6μg.m-3和120μg.m-3.PM2.5浓度采暖季高于非采暖季,夏季最低.PM2.5浓度在荒漠和人为共同影响下的气团中最高,在海洋影响气团中最低.PM2.5和PM10的主要组成元素是S、Ca、Cl、K和Fe,主要污染元素集中在PM2.5中;PM2.5中Cl、K、Zn、Br和Pb浓度采暖季较大,夏季较小,Ca元素变化趋势则相反.V、Cr、Cu、As、Se、Sr和Zr的浓度受不同来源气团影响不显著,S、Cl、K、Ti、Mn、Fe、Zn、Br、Pb和Ca的浓度在不同来源气团下存在较大差异.降水对S、K、Pb和Fe质量浓度的影响最为明显.富集因子分析表明,所有元素在PM2.5中的富集因子普遍大于PM10,青岛市非地壳来源的元素在PM2.5中所占比例大于PM10.Ca元素富集因子夏季较大,可能受到建筑尘影响.     

基于污染气象条件分级的深圳PM2.5污染回顾评价

提出了一种基于地面自动气象站网观测数据的污染气象条件分级标准,基于这套标准对2012—2019年深圳的PM_2.5污染进行了回顾分析.结果表明,2012—2019年深圳PM_2.5年均浓度总体上呈下降趋势,但2013年相对于2012年,以及2017年相对于2016年出现了反弹.其中,2013年PM_2.5浓度相对于2012年反弹的主要原因是污染排放本身的反弹,而2017年相对于2016年的反弹则更主要是由于不利的污染气象条件天数增加造成的.在2012—2019年期间,深圳的地面污染气象条件总体上呈恶化趋势,出现不利于环境改善的污染气象条件天数总体上呈增加趋势,在这种不利情况下,深圳的PM_2.5浓度仍然保持明显的下降趋势,充分说明了深圳市环保工作的成效.     

多种气象要素及其变化对AOD与PM2.5关联模型的影响研究

利用卫星遥感反演气溶胶光学厚度(AOD)已成为获取宏观、连续空气污染信息的一种有效手段.通过构建AOD-PM_(2.5)的关联模型是实现空间范围内PM_(2.5)监测的主要方法,而气象要素是该模型中的重要输入参数,直接影响到模型模拟的精度.当前诸多模型多采用地面气象要素,缺乏对于不同高度气象要素及其变化对构建AOD-PM_(2.5)关联模型的影响研究.本文以淮河流域五省为例,在实测地面气象资料的基础上,利用再分析气象资料,考虑了从地面至高空不同高度处的气象要素及其垂直变化,运用多元逐步回归方法,对比了地面与不同高度气象要素及其变化量对AOD-PM_(2.5)关联模型的贡献程度.结果表明:①AOD-PM_(2.5)关联模型在不同站点、不同季节的差异仍较为明显,不同高度及随高度变化的气象要素对提高春季AOD-PM_(2.5)关联模型的精度有较显著影响;②考虑了不同高度气象要素及垂直变化的多元逐步回归线性模型的表现优于仅考虑地面气象要素的模型,尤其是春季的改善较明显,RMSE降幅达到近43%;③基于地理加权回归方法的AOD-PM_(2.5)关联模型的估算结果略优于多元逐步回归线性模型.     

成都西南城郊黑碳和PM2.5 浓度变化特征及其影响因子

四川盆地是我国灰霾和大气污染易发和频发区之一,目前关于本地区黑碳气溶胶（black carbon,BC）的相关研究较少。利用2017年11月—2018年12月成都西南城郊地区黑碳气溶胶以及PM_2.5观测资料,结合气象资料和其他污染物浓度资料,分析BC和PM_2.5浓度,BC浓度在PM_2.5浓度中所占比例（黑碳占比）的季节、月、日变化特征及其影响因子。结果表明：（1）BC逐小时浓度范围为0.18—40.51 μg?m^?3,平均值为(5.26±4.68) μg?m^?3,本底浓度为3.34 μg?m^?3。PM_2.5逐小时浓度范围为1.00—344.50 μg?m^?3,平均值为(60.02±46.91) μg?m^?3,本底浓度为33.38 μg?m^?3。日变化均呈“白天低,早晨、夜间高”的变化特征,其中冬季浓度最高,春、秋季次之,夏季浓度最低。（2）黑碳占比均值为9.16%±5.13%,白天黑碳占比低,夜间黑碳占比高,且夏季最高,冬季最低。随着空气污染加重,冬季占比缓慢增加,其他三季占比减小。（3）BC与NO₂和CO相关性较好,表明西南城郊BC排放主要受机动车尾气、生物质燃烧影响。BC和SO₂相关系数偏小,燃煤等工业源排放对西南城郊BC的贡献较小。（4）风速、温度和湿度与BC浓度均有很好的相关性,其中风速对BC浓度的影响最大,当风速小于2.0 m?s^?1时,BC浓度值明显偏高;BC浓度大于20.00 μg?m^?3的高值区主要集中在西北、西南以及东北风向上,即：偏东北方向市中心大气中的污染物,以及西南方向远郊地区的污染物可能对西南城郊高浓度黑碳的贡献更大。