降雨过程后北京城区PM2.5日时空变化研究

随着人类环境意识的增强,人们对城市雾霾天气的忧虑与日俱增,PM2.5的时空变化和对人体健康的影响已成为关注的焦点。以往的研究多集中在不同季节或年际的变化,本文通过统计环保局发布的位于北京城区13个逐时浓度监测点降雨前后PM2.5质量浓度,并在城区布设14个采样点昼夜连续监测一次降雨后72 h内PM2.5质量浓度变化情况,研究北京市城区降雨后PM2.5日变化规律及空间分布特征,由此分析降雨对PM2.5日变化规律的影响。同时对比PM2.5与同步气象数据（温度、相对湿度）和交通数据（车辆量、车速）最值频率分布情况,进而对PM2.5日变化特征进行成因分析。随后利用GIS空间分析方法,分析了PM2.5的日空间分布特征。结果表明,降雨对颗粒物的去除作用明显,一次降雨可使PM2.5质量浓度平均下降56.3%。雨后72 h内PM2.5质量浓度均小于60μg·m-3,降雨后1 h内PM2.5质量浓度处于稳定状态,在随后的12 h内PM2.5浓度值都处于下降状态。降雨过程只降低PM2.5的质量浓度值,并不影响其日变化规律。PM2.5的日变化规律以19时为界,表现出明显的昼夜差异。白天的变化规律呈现凹型,夜间的变化规律呈现拱型。PM2.5质量浓度峰值多出现在23时或0时,谷值多出现在下午15时,该特征受气象因素影响较大,受交通源的影响作用不明显。早高峰期间,PM2.5质量浓度变化主要受交通源的影响;晚高峰期间,交通源和气象因素共同影响PM2.5质量浓度。研究区PM2.5日空间分布特征同样存在明显的昼夜差异。白天PM2.5空间分布特征为南部高北部低;PM2.5在夜间的空间分布特征则多表现为四周高、中心低,三环外围区域多为高值区。     

天津城区大气气溶胶质量浓度分布特征与影响因素

根据中国气象局天津大气边界层观测站2009年的气溶胶观测资料和同期气象资料,对天津城区PM10和PM2.5质量浓度变化特征,及其与气象条件的相互关系进行研究,结果表明：PM10和PM2.5年均质量浓度为153.24和68.78μg·m-3,其日均值超标率近半,表明南部城区尤其是交通干道附近气溶胶污染较为严重;PM10和PM2.5质量浓度逐月变化呈现明显的冬季高、夏季低的特征,其日变化特征呈明显的双峰型,早晚污染高峰主要受交通源影响;气象条件对气溶胶质量浓度作用显著,气溶胶质量浓度与气温正相关,相对湿度的增高易导致细粒子吸湿性增长,但高湿状态下易引起降水有利于气溶胶的湿清除,西南气流和偏北风是PM10和PM2.5高浓度的主要影响风向,静小风易造成气溶胶堆积,高风速可引起PM10排放增多,但对PM2.5影响不大。     

天津市近地层PM2．5的垂直分布特征

大气细颗粒物PM2.5是导致城市能见度降低的重要原因之一,研究低层大气细颗粒物的垂直分布特征,利于了解边界层内污染物的大气物理化学反应机制,能为大气污染综合治理决策提供新的科学数据.2006年8月16日-2007年8月31日期间以天津市255 m气象塔为观测平台,分别在40 m、120 m和220 m 3个不同高度进行大气污染物PM2.5质量浓度和气象要素的同步观测.对观测资料的分析表明:PM2.5质量浓度季节变化规律非常明显,冬季最高,春季最低.PM2.5日变化特征非常明显,呈明显的双峰变化规律:冬季峰值最大、春季最小.边界层内PM2.5质量浓度在各个高度存在明显差异,受逆温层影响,四个季节的早晨第一个峰值出现时间随高度增加均存在滞后现象,PM2.5从地面扩散到220 m大约需要2 h.各个观测高度PM2.5质量浓度随风向变化不大,得到天津市细粒子主要是由本地源生成的结论.     

采暖对天津近地层PM2．5污染特征的影响

为探讨天津城区冬季采暖对近地层颗粒物污染特征的影响,于2006年11月采用TEOM系列RP1400a环境颗粒物监测仪观测PM2.5质量浓度,并使用DX-120离子色谱仪分析水溶性无机离子.结果表明:天津城区PM2.5污染较为严重,其垂直分布特征为120m处PM2.5质量浓度最高,40m处次之,220m处最低,显示出与北京气象塔观测实验的明显差异.PM2.5质量浓度采暖期明显高于非采暖期,非采暖期逐时变化呈单峰态,与人类活动密切相关,采暖期呈现多峰态,可能足取暖燃煤(油)的24 h连续排放与人为源叠加所致.气象条件对PM2.5质量浓度的影响显著,低风速,高相对湿度有助于PM2.5质量浓度的增大.水溶性离子的浓度水平和分布特征显示,采暖期存在明显的二次离子生成特征,SO42-、NO3-和NH4 三种离子所占比例显著高于非采暖期.     

春运期间北京市PM_(2.5)污染特征

为研究春运期间北京市PM2.5和气态污染物的污染特征,根据35个空气监测子站周边环境类型的不同将北京市划分为城区、郊区、对照区和交通密集区.结合春运期间的人为活动,比较分析各类污染物在各区域的日均浓度变化特征;将PM2.5日均浓度与SO2、NO2、CO、O3日均浓度及北京市的日均温度、相对湿度、风级进行相关性分析.结果显示,春运期间北京市PM2.5污染最严重,超过《环境空气质量标准》二级标准的天数占45%;PM2.5日均浓度变化趋势与春运客流量变化具有较好的一致性;各区域PM2.5、SO2、NO2和CO的日均浓度均符合交通密集区城区郊区对照区的分布,而O3的情况为对照区郊区城区交通密集区;各区域PM2.5浓度分别与该区域SO2、NO2、CO浓度呈正相关,与O3浓度呈负相关;各区域PM2.5浓度与温度未见相关性,与相对湿度呈正相关,与风级呈负相关.本文的研究结果表明,交通运输、烟花燃放和气象因子对春运期间PM2.5的污染特征影响较大.     

西安市冬季重污染天PM2.5高分辨率及其中碳气溶胶污染特征分析

为了研究西安市冬季重污染天PM2.5及其中碳气溶胶的变化特征,在2013年1月1日至2013年2月28日大气污染严重的天气进行24 h连续的PM2.5样品采集,再通过Model-4型全自动半连续式在线光/热法大气气溶胶OC/EC分析仪分析得出OC、EC的连续质量浓度值。结果表明,西安市PM2.5质量浓度冬季重污染天日循环变化规律明显,均大致呈现双峰模式,白天和夜间各有一个高峰。2月份的每个PM2.5质量浓度值高峰和低峰的出现均比1月份晚2-3 h,夜晚的高峰值比1月份低,PM2.5质量浓度比1月份上升得慢,下降得快。气象条件能对PM2.5质量浓度产生较强的影响。2月份PM2.5质量浓度值整体比1月份低,但在2月10日出现突越（499μg·m-3）,这与春节假期人为活动变化有关。OC/PM2.5、EC/PM2.5、TCA/PM2.5日变化幅度都较小,这说明OC、EC、TCA的来源比较一致;OC/EC值的平均值为6.63,表明西安冬季重污染期PM2.5中的一次来源主要为燃煤排放。PM2.5、OC、EC、TCA和OC/EC的值较2010年都有明显的上升,但OC/PM2.5、EC/PM2.5、TCA/PM2.5的值却是下降的,这说明近年来PM2.5及碳气溶胶的控制措施效果不明显,碳气溶胶二次来源增加,PM2.5的排放来源变得更加复杂。OC和TCA日循环变化呈现出明显的双峰特征;EC的变化趋势不明显。一天中OC/EC值多数时候处于较高水平,且受早晚车流量高峰的影响不明显,说明西安冬季重污染期间碳气溶胶受光化学反应转化的二次来源影响比较大。OC、EC的线性相关性比较好,且白天相对夜晚好,说明西安市冬季夜间燃煤采暖增加了碳气溶胶来源的复杂性。     

西安市冬季重污染天PM_(2.5)高分辨率及其中碳气溶胶污染特征分析

为了研究西安市冬季重污染天PM2.5及其中碳气溶胶的变化特征,在2013年1月1日至2013年2月28日大气污染严重的天气进行24 h连续的PM2.5样品采集,再通过Model-4型全自动半连续式在线光/热法大气气溶胶OC/EC分析仪分析得出OC、EC的连续质量浓度值。结果表明,西安市PM2.5质量浓度冬季重污染天日循环变化规律明显,均大致呈现双峰模式,白天和夜间各有一个高峰。2月份的每个PM2.5质量浓度值高峰和低峰的出现均比1月份晚2~3 h,夜晚的高峰值比1月份低,PM2.5质量浓度比1月份上升得慢,下降得快。气象条件能对PM2.5质量浓度产生较强的影响。2月份PM2.5质量浓度值整体比1月份低,但在2月10日出现突越(499μg·m-3),这与春节假期人为活动变化有关。OC/PM2.5、EC/PM2.5、TCA/PM2.5日变化幅度都较小,这说明OC、EC、TCA的来源比较一致;OC/EC值的平均值为6.63,表明西安冬季重污染期PM2.5中的一次来源主要为燃煤排放。PM2.5、OC、EC、TCA和OC/EC的值较2010年都有明显的上升,但OC/PM2.5、EC/PM2.5、TCA/PM2.5的值却是下降的,这说明近年来PM2.5及碳气溶胶的控制措施效果不明显,碳气溶胶二次来源增加,PM2.5的排放来源变得更加复杂。OC和TCA日循环变化呈现出明显的双峰特征;EC的变化趋势不明显。一天中OC/EC值多数时候处于较高水平,且受早晚车流量高峰的影响不明显,说明西安冬季重污染期间碳气溶胶受光化学反应转化的二次来源影响比较大。OC、EC的线性相关性比较好,且白天相对夜晚好,说明西安市冬季夜间燃煤采暖增加了碳气溶胶来源的复杂性。     

湖北省主要观测站PM_(2.5)污染特征及气象要素的影响分析

有关湖北省PM2.5污染的时空分布、影响因素及成因的研究较少,分析PM2.5污染特征及气象因素的影响,对科学治理湖北省PM2.5污染具有重要意义。利用2017年和2018年1—3月湖北省7个大气成分观测站逐小时PM2.5质量浓度及平均气温、降水量、相对湿度、10 min平均风速和风向等地面气象观测资料,运用多元逐步线性回归法,探讨PM2.5的变化特征及其与气象因素的关系。结果表明,(1)湖北大气成分监测站PM2.5具有明显的时间变化规律,从日变化上看,除金沙站全天变化平缓外,其他6站PM2.5日变化呈双峰双谷型分布,双峰出现在10:00—11:00和20:00—22:00,双谷出现在06:00—08:00和15:00—17:00。各站PM2.5日均质量浓度变化范围为2.7～269.1μg?m-3,其变化幅度最大值通常出现在1月份。从月份上看,1—3月PM2.5月均质量浓度呈下降趋势;各站PM2.5平均质量浓度介于42.3～90.9μg?m-3,金沙最低而荆州最高;PM2.5质量浓度日均值平均超标率42.3%,其中3月平均超标率22.2%,明显低于1月56.7%和2月50.7%。(2)平均气温、降水量、风速和相对湿度4个近地面气象因素对黄石、金沙和武汉PM2.5质量浓度的影响大而对荆州影响最小,其中平均气温和风速为主要影响因素;具体而言,荆门、宜昌和武汉颗粒物质量浓度主要受气温引起的垂直输送及风速引起的水平扩散影响,襄阳、金沙和黄石则主要受大气中水分变化导致的粒子生成及沉降清除作用影响。(3)各站PM2.5质量浓度水平和变化特征差异在于监测点地理位置和周边环境、城市经济水平和气候气象条件的不同。     

北京市秋季大气颗粒物的污染特征研究

大气颗粒物是造成城市空气污染的重要原因之一,并已经成为我国北京等大中城市空气污染中的首要污染。为了分析北京市大气细颗粒物的污染水平及其影响因素,以大气中的PM10和PM2.5为研究对象,于2005年秋季在北京市设立了9个采样点进行采样监测,通过对所采集到的PM10和PM2.5质量浓度的对比来分析大气颗粒物的空间分布和时间变化特征,并建立起PM10和PM2.5质量浓度与风力、温度、湿度等气象条件的对应关系来分析各种气象因素对大气细颗粒物污染水平的影响。结果表明:北京市不同区域的PM10和PM2.5的质量浓度差异较大,同时,值得注意的是通过对同一地点同一采样时间大气颗粒物质量浓度的对比发现PM2.5质量浓度的空间分布并不完全同于PM10,这主要是与采样点所处的环境中不同污染源影响的强弱有关;气象条件稳定时,PM10和PM2.5质量浓度的日变化表现出一定的规律性,这种时间变化的特征主要取决于所在环境中排放的污染物变化情况;气象条件是影响PM10和PM2.5污染程度的重要因素,在一定的范围内,颗粒物质量浓度随着温度的上升而下降,随着相对湿度的升高而增大,随着风力的增强而减小。     

基于GIS的贵阳PM_(2.5)质量浓度城乡过渡特征及影响因素研究

PM2.5是影响城市空气质量和身体健康的主要污染物,也是气候和环境问题的热点研究问题之一。PM2.5即大气污染细颗粒物,是大气污染的主要物质来源,通过选取具有明显城乡过渡趋势的环保局、太慈桥、小河、花溪、马鞍山、金阳和桐木岭监测点,采集2013年12月20日到2014年2月27日的PM2.5日均质量浓度数据,以及2014年1月20日到2月18日的时均质量浓度数据,分析研究PM2.5质量浓度的时空变化特征和浓度变化的影响因素。PM2.5数据覆盖了优良中差多种污染类型,在数据平均抽样误差分析的基础上,参考世界卫生组织的空气质量准则,探索性地利用遥感、GIS技术和统计分析方法,分析贵阳市PM2.5质量浓度的城乡变化特征,以及与气象因素、土地利用信息和城市区域之间的关系。1973、1990年的贵阳城区信息分别提取自1973年12月30日的LANDSAT MSS影像(辅以1:50000地形图)、1990年10月16日的LANDSAT 5影像,土地利用现状信息和2010年贵阳建成区信息提取自2010年9月21日的LANDSAT 5。以监测点为原点生成监测点500 m缓冲区,以资源1号02C星遥感影像为数据源,采用目视解译方法提取土地利用信息,分析PM2.5质量浓度与土地利用类型的关系。利用GIS量取监测点与1973年贵阳市主城区边缘的最短距离,分析其与监测点PM2.5质量浓度的关系。结果表明,1PM2.5日均质量浓度值呈现由农村向城市递增的趋势,并随着监测时间的推移形成明显的递减趋势,7个监测点日均数据均值是77μg·m-3,农村监测点桐木岭的监测值是56μg·m-3,马鞍山74μg·m-3,和金阳73μg·m-3,花溪81μg·m-3,小河86μg·m-3,太慈桥86μg·m-3,环保局85μg·m-3。质量浓度100μg·m-3的总时数,桐木岭为13 h,金阳81 h,环保局、马鞍山106 h,花溪118 h,小河154 h,太慈桥157 h。2PM2.5日均质量浓度总体上呈下降的趋势,除夕以后PM2.5浓度显著下降,平均浓度相差47μg·m-3。PM2.5时均浓度在总体下降的趋势下,还表现出明显的24小时周期性变化,并有明显的城乡差异。3PM2.5质量浓度和气象因素间表现出复杂的非线性关系。PM2.5质量浓度与主城区距离的相关系数高达-0.89,与建筑用地密度的相关系数为-0.69。     

天津大气PM_(2.5)垂直特征及边界层影响

利用2006年12月17日至2007年1月1日天津250 m气象铁塔40 m、120 m、220 m高度PM2.5浓度监测资料及铁塔边界层气象资料,分析了不同天气背景下PM2.5随时间、高度变化的分布特征,研究了铁塔边界层气象条件包括逆温、特征摩擦速度、湍流动量和热量对PM2.5的影响,发现垂直PM2.5细粒子的浓度高低与天气背景及边界层气象条件是密切相关。边界层垂直动力和热力变化影响着PM2.5浓度的变化,冷空气过境时刻,PM2.5浓度达到最高峰值。40 m高度出现一个临界摩擦速度0.4 m/s,高浓度PM2.5比较集中在摩擦速度小于0.4 m/s的区域内,大于0.4 m/s这个摩擦速度,边界层的垂直湍流动量及水平和垂直方向的热量输送通量就会明显的变化,因而促使PM2.5在空中的扩散或沉降。也就是说,当摩擦速度小于0.4 m/s时,有利于PM2.5在空中的累积,PM2.5浓度趋于增高的趋势;反之,有利于PM2.5扩散,PM2.5浓度趋于减小的趋势。     

北京市不同主干道绿地群落对大气PM2.5浓度消减作用的影响

为研究城市道路两侧不同绿化带宽度及不同植物群落配置模式对消减大气中PM2.5浓度的作用,选择北京市四环主干道旁3种典型植物群落配置类型作为试验监测点,对0 m、6 m、16 m、26 m、36 m不同绿带宽度下PM2.5浓度分布与变化进行监测,并对其消减能力进行计算,分析PM2.5浓度变化与道路车流量、绿化带宽度及植物群落配置模式之间的关系。结果表明：（1）PM2.5浓度的日变化与车流量的日变化特征一致,道路绿地空气中PM2.5浓度的日变化呈现双峰单谷型特征,即早晚高、白天低,PM2.5浓度在8：00-10：00的交通早高峰期间增加,而后开始下降,到12：00-14：00左右达到最低值,之后呈持续上升状态,直至晚高峰19：00浓度达一天中的最大值。（2）不同植物群落配置模式对大气中PM2.5浓度的消减作用不同,群落内郁闭度高的多复层结构绿地对PM2.5消减作用优于郁闭度低的单层配置绿地模式;（3）分别对3类空气质量条件下,道路绿地对PM2.5消减作用进行评价。无污染或轻度污染（PM2.5〈100μg·m-3）环境下,绿地对PM2.5消减作用明显,26 m及36 m的绿带处消减作用最强,最高可达12.22%;中度污染（101μg·m-3201μg·m-3）天气条件下3种绿地对PM2.5的消减作用均不明显。     

2013─2014年武汉市PM_(2.5)的时空分布特征及其与气象条件的关系

霾天气的频繁发生降低了武汉空气质量,明晰致霾污染物PM2.5的污染机理、污染时空分布特征、影响因素是科学认识和解决霾污染天气的重要前提。在全国大范围内开展PM2.5源解析的背景下,探讨其时空分布特征,厘清与气象因子的相互关系,是对源解析工作的响应,也是污染防治决策的科学依据。本文以2013─2014年武汉市10个国控点的PM2.5监测数据和中国地面气象交换站气象数据为基础,运用统计学方法,基于不同时间尺度和空间分布类型研究PM2.5污染分布特征,并探讨其与气象条件的相互关系。结果表明:(1)武汉市PM2.5污染表现出显著的时间分布规律。就年变化而言,PM2.5污染程度2014年(年均值121μg·m-3)2013年(107μg·m-3),且PM2.5污染主要为良好和轻度污染,季节尺度上冬季秋季春季夏季,月均值规律体现为4─9月优于10─翌年3月,以周为单位表现出显著的正周末效应,即周日周六周一周五周四周三周二;(2)武汉市ρ(PM2.5)的空间差异与区域类型、城市布局有关,工业区、居民区、交通区较风景区污染严重,二环和三环较一环严重;(3)ρ(PM2.5)月均值分布与降雨量、气温、平均风速、相对湿度呈负相关关系(P0.05),与气压呈正相关关系(P0.01),监测点S2、S3、S9与平均相对湿度相关性更显著。PM2.5污染的减轻与气象条件有一定关系,也离不开城市环境空气治理。     

煤改气后天津市采暖期大气污染特征的时空分布研究

燃煤供暖被认为是中国北方采暖期大气污染的主要来源之一,因此国家计划以天然气替代燃煤作为取暖燃料以减轻大气污染。基于2016-2017年天津采暖期前后的空气质量监测数据,探究"煤改气"后城市大气污染物的时空分布特征及影响因素,为大气污染治理提供依据。研究表明,煤改气后天津采暖期主要大气污染物有PM_(2.5)、PM10和NO_2 3种,CO日均质量浓度有超标现象发生,SO_2和O_3日均质量浓度均低于二级标准限值。与使用燃煤采暖时期相比,大气中SO_2、PM_(2.5)、PM_(10)和CO的日均质量浓度均有不同程度的降低,尤其是SO2浓度降幅高达70%,但NO_2质量浓度没有有效降低。从日变化特征来看,采暖期PM_(2.5)、PM10和CO的日变化规律受到了采暖活动影响,呈单峰单谷型的变化趋势。NO_2、SO_2和O_3的日变化规律与非采暖期相似,受采暖活动影响较小。由于受供暖和大气逆温层的影响,采暖期晚上至上午时段大气污染物(O3除外)的质量浓度远远高于非采暖期相同时段的质量浓度。天津大气污染物在非采暖期呈现出典型的"周末效应",但是在采暖期没有出现"周末效应"。冬季,周末白天人为活动较工作日更为活跃,与之相对应增加的城镇生活源可能是造成周末白天PM_(2.5)和PM_(10)质量浓度偏高及"周末效应"消失的主要原因。     

国庆前后北京城区PM2.5组分污染及来源特征分析

为探究北京城区国庆前后及国庆期间PM2.5主要组分的污染及来源特征情况,采集2019年9月27日-10月14日北京市大气PM2.5样本,并测定其中碳质气溶胶(OC、EC)及8种水溶性离子(Na+、NH4+、K+、Mg2+、Ca2+、Cl-、NO3-、SO42-)的质量浓度,并分析PM2.5中各化学组分的浓度变化特征、来源特性及气象要素的影响,并对北京市细颗粒物进行源解析和区域传输分析.结果 表明,整个观测期间PM2.5基本呈现"M"型的变化趋势,国庆期间呈现"V"型的变化趋势.国庆期间总碳质气溶胶、水溶性无机离子质量浓度为(14.45±5.87)μg·m-3和(14.97±9.75)μg·m-3,占PM2.5质量浓度的59.7％,各组分质量浓度在国庆期间均有所下降,其中NO3-质量浓度下降最为明显,下降率达53.4％.来源分析结果表明,机动车尾气、燃煤和扬尘是大气PM2.5化学组分的主要来源,其中道路扬尘和建筑扬尘是Ca2+、Mg2+和Na+的主要来源,机动车车尾气排放是碳质气溶胶及二次无机离子的最主要来源.车流量的改变和气象因素与国庆前后PM2.5及其组分变化密切相关,PM2.5及各组分质量浓度在车流量高峰的9月30日和10月6、7日达到峰值,而1-5号移动源贡献减弱和气象要素(降水)导致了最低值的出现.较低的风速及来自于东北、西南方向的污染物输送是观测期间PM2.5较高的重要原因.     

西安市混合功能区冬夏季大气颗粒物中可溶性Fe的分布特征

可溶性铁(Fe)一方面作为营养元素影响着生物地球化学循环,另一方面作为氧化剂对大气二次气溶胶的形成也有重要影响.本文分别开展了西安市混合功能区冬夏季不同粒径大气颗粒物的观测研究,通过使用改良的液体波导毛细管池(LWCC)测定颗粒物中酸性介质提取的可溶性铁浓度,并探究其季节变化、昼夜分布及粒径分布特征.季节分布特征表明,可溶性Fe(Ⅱ)浓度冬季高于夏季,而可溶性Fe(Ⅲ)浓度则夏季高于冬季.不同价态的可溶性Fe的季节分布特征差异明显,白天PM2.5中可溶性Fe(Ⅱ)和总可溶性性Fe的质量浓度和溶解度都大于夜晚的PM2.5样品,Fe(Ⅲ)则白天与夜晚无明显区别.粒径分布结果表明,溶解性Fe主要分布在细颗粒物中,且大气颗粒物的粒径越小,Fe(Ⅱ)sol与Fe(Ⅱ)total之比的变化范围越大,可溶性Fe(Ⅱ)和Fe(Ⅲ)之间的转化更为活跃.     

基于PLS1的哈尔滨市PM_(2.5)与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份(共31 d)市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO与PM2.5质量浓度显著性相关,O3与PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

杭州地区大气细颗粒物浓度变化特征分析

利用2012年杭州地区(杭州、桐庐、建德、淳安)大气颗粒物监测仪TEOM1405D的连续观测资料,对该地区PM2.5质量浓度的变化特征及其与气象条件的关系进行了分析研究.结果表明,2012年杭州、桐庐、建德、淳安PM2.5年平均浓度分别为50.0±25.7、46.5±22.0、42.1±21.8、36.9±21.2μg·m-3,空间上呈现至北向南逐渐下降的变化趋势.受边界层高度、降水等气象条件影响,4个站点PM2.5浓度的季节变化基本表现为秋季冬季春季夏季,其中秋、冬季PM2.5超标日数高达80%左右.杭州地区PM2.5日变化呈现明显的双峰型特征,其峰值出现时间与人们的早晚出行高峰有较好的对应关系.对比不同站点PM2.5浓度变化可以看出人口密集城市区域气溶胶浓度要显著高于乡村地区.通过拟合小时平均值最大出现频率得出杭州地区最具代表性大气状态下PM2.5的浓度值为21.2μg·m-3.风向风速与PM2.5浓度的关系表明杭州主要以本地污染为主,桐庐受本地污染和区域输送双重影响,建德主要表现为区域输送.     

基于PLS1的哈尔滨市PM2.5与空气污染物相关性分析

以往对PM2.5的研究多集中在气象因子或单一空气污染物对PM2.5质量浓度变化的影响,未考虑多种空气污染物对PM2.5质量浓度的协同作用。通过哈尔滨市环保局发布的2014年1月份（共31 d）市区内主要空气污染物SO2、NO2、PM10、CO、O3、PM2.5的质量浓度数据,运用相关性分析、PLS1和通径分析方法,研究哈尔滨市区内主要空气污染物对PM2.5质量浓度变化的直接影响、通过其他空气污染物的间接影响及污染物之间的协同作用。结果表明,SO2、NO2、PM10、CO 与 PM2.5质量浓度显著性相关,O3与 PM2.5质量浓度相关性不显著,SO2、NO2、PM10、CO 之间存在严重的复相关性。依据相关性分析结果,建立了SO2、NO2、PM10、CO对PM2.5质量浓度的PSL1模型,模型的拟合优度r2为0.852,模型拟合良好。对所建立的模型进行通径分析,结果显示,SO2、NO2、PM10、CO对PM2.5质量浓度变化的直接作用分别为0.005、-0.142、-0.140、1.191,CO对PM2.5质量浓度变化的直接影响作用最大。SO2、NO2、PM10通过CO对PM2.5质量浓度变化的间接作用分别为0.706、1.011、1.118均大于它们对PM2.5质量浓度变化的直接作用。SO2、NO2、PM10、CO对PM2.5质量浓度变化的总决定系数为85.9%。CO是主要空气污染物中影响PM2.5质量浓度变化的主要因素,降低冬季煤炭供暖期CO的排放量,有利于提高空气环境质量,降低对人体的健康危害。     

北京市不同主干道绿地群落对大气PM_(2.5)浓度消减作用的影响

为研究城市道路两侧不同绿化带宽度及不同植物群落配置模式对消减大气中PM2.5浓度的作用,选择北京市四环主干道旁3种典型植物群落配置类型作为试验监测点,对0 m、6 m、16 m、26 m、36 m不同绿带宽度下PM2.5浓度分布与变化进行监测,并对其消减能力进行计算,分析PM2.5浓度变化与道路车流量、绿化带宽度及植物群落配置模式之间的关系。结果表明:(1)PM2.5浓度的日变化与车流量的日变化特征一致,道路绿地空气中PM2.5浓度的日变化呈现双峰单谷型特征,即早晚高、白天低,PM2.5浓度在8:00~10:00的交通早高峰期间增加,而后开始下降,到12:00~14:00左右达到最低值,之后呈持续上升状态,直至晚高峰19:00浓度达一天中的最大值。(2)不同植物群落配置模式对大气中PM2.5浓度的消减作用不同,群落内郁闭度高的多复层结构绿地对PM2.5消减作用优于郁闭度低的单层配置绿地模式;(3)分别对3类空气质量条件下,道路绿地对PM2.5消减作用进行评价。无污染或轻度污染(PM2.5100μg·m-3)环境下,绿地对PM2.5消减作用明显,26 m及36 m的绿带处消减作用最强,最高可达12.22%;中度污染(101μg·m-3PM2.5200μg·m-3)的环境下,只有群落配置以乔木林为主且郁闭度较高的蓝靛厂桥南绿地对PM2.5具有消减作用;重度污染(PM2.5201μg·m-3)天气条件下3种绿地对PM2.5的消减作用均不明显。