禁燃烟花爆竹对萍乡市春节期间空气质量的影响

利用2018年、2019年春节期间萍乡市中心城区空气质量指数和PM_(2.5)、PM_(10)浓度数据,并结合气象条件,分析萍乡中心城区实施全面禁止燃放烟花爆竹前后春节期间空气质量变化特征。研究发现:禁燃烟花爆竹对萍乡市空气质量改善显著,禁燃后与禁燃前同期相比,颗粒物浓度出现峰值次数明显减少,PM_(2.5)日均浓度明显下降,禁燃对PM_(2.5)浓度降低起了决定性作用。建议在充分调查论证的基础上,进一步扩大禁燃区范围。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。     

潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

2015-2020年昌吉市PM_(2.5)污染时空分布特征

以新疆"乌—昌—石"重点城市之一的昌吉市作为研究对象,收集2015～2020年昌吉市空气质量自动监测站点的PM_(2.5)浓度数据,分析昌吉市PM_(2.5)浓度的年变化、季节变化、月、日以及小时变化特征及其变化规律。结果表明:近6年来昌吉市PM_(2.5)浓度均超过二级标准限值浓度,且PM_(2.5)平均浓度整体呈上升趋势;不同季节PM_(2.5)浓度呈春夏季低、秋冬季高的特点;受冬季气象条件和采暖期影响,PM_(2.5)浓度在11月至次年3月相对较高,4～10月相对较低;PM_(2.5) 24小时浓度在不同月份呈现不同的日变化规律。PM_(2.5)浓度时空分布与气象条件、采暖季、汽车尾气、工业排放等因素有关,且是影响空气质量等级和优良天数的主要因素。研究结果可为昌吉市PM_(2.5)污染防治提供参考。     

成都市城区大气污染特征及其假日效应研究

对成都市城区O_3、SO_2、NO_X、CO、PM_(2.5)、PM_(10)、苯和甲苯进行了为期一年的在线观测。结果表明:成都市超标最严重的为NO_X,年平均质量浓度为(100. 9±61. 5)μg/m3,超标天数为119 d。PM_(2.5)、PM_(10)、CO和NO_X的浓度均为冬季最高; O_3春夏季高而冬季低; SO_2浓度冬季相对较高但总体水平较低。春、夏、秋季成都市大气中苯系物的主要来源为机动车,冬季则是机动车源和燃烧源的综合贡献。O_3日变化呈"单峰型"; NO、苯和甲苯都在上午出现峰值; NO_2与PM_(10)、PM_(2.5)均呈现出"双峰双谷"型日变化; CO也为双峰型日变化。各大气污染物浓度没有明显"周末效应",但"长假效应"显著。     

雅安市夏季颗粒物水溶性离子组成特征

2010年夏季采集雅安市2个地点(四教和白马泉)的TSP、PM_(2.5)样品,并利用离子色谱和原子吸收等方法测定了颗粒物中主要水溶性离子的浓度。结果显示,四教TSP与PM_(2.5)的日均浓度分别为108.04±43.80μg/m3和85.84±29.65μg/m3,PM_(2.5)和TSP的百分比为0.79;白马泉TSP与PM_(2.5)的日均浓度分别为92.17±41.56μg/m3和72.30±28.55μg/m3,二者百分比为0.78。PM_(2.5)是TSP的主要组分。PM_(2.5)质量浓度昼夜变化明显,白天高于夜晚。阳离子与阴离子电荷总和之比值接近1。四教总离子浓度占TSP和PM_(2.5)的质量分数分别是26.10%和31.04%,而白马泉的分别为21.34%和24.07%。SO2-4、NO-3、NH+4为颗粒物中无机离子的主要组分,其昼夜浓度变化明显。相关性分析显示,两地的离子来源和组成形式均有所差异。NO-3/SO2-4在0.7以下,说明雅安市以固定污染源为主。PM_(2.5)中硫和氮的转化率均值均大于0.1,说明发生了二次转化,并且SO2的转化率远大于NO2。     

乌鲁木齐市大气PM_(2.5)中多环芳烃的健康风险评价

于2019年5月至12月在乌鲁木齐三个点位以每24 h为一个周期采集了97个大气PM_(2.5)样品,对其中的多环芳烃(PAHs)做出分析,结果表明:乌鲁木齐市城区大气PM_(2.5)中PAHs浓度范围处于中等偏低水平,工业区大气PM_(2.5)中PAHs浓度范围处于中等偏高水平。乌鲁木齐市城区大气PM_(2.5)中BaP浓度范围处于中等偏低水平,工业区大气PM_(2.5)中BaP浓度范围处于中等偏高水平。人群终身致癌超额危险度变化趋势与BaP_(eq)变化趋势一致,城市区和郊区均呈现出冬季秋季春季夏季的趋势,工业区呈现出冬季春季秋季夏季的趋势。成人日均暴露剂量和终身致癌超额危险度均高于儿童。乌鲁木齐市三个点位大气PM_(2.5)中PAHs可能对人类预期寿命损失影响分别为:成人0.60 min、0.18 min和2.78 min,儿童为0.39 min、0.81 min和0.12 min。     

多时间尺度的秦岭南北城市PM_(10)和PM_(2.5)变化特征分析

基于454d PM_(10)、PM_(2.5)质量浓度小时数据,分析不同时间尺度下西安市和安康市PM_(10)、PM_(2.5)变化规律。结果表明:(1)西安市和安康市PM_(10)、PM_(2.5)日均浓度均呈宽"U"字型变化趋势,秋冬季污染重于夏秋季,西安市污染重于同期安康市。(2)经小波分析发现,西安市在2017年供暖期内PM_(10)、PM_(2.5)浓度小波周期与同期安康市基本相同,经济结构差异和自然条件差异对PM_(10)、PM_(2.5)时间周期无显著影响。(3)城市自然、经济和供暖条件引起西安市和安康市PM_(10)、PM_(2.5)小时浓度变化趋势差异。     

四川省近15年以来PM_(2.5)的时空分布特征及原因分析

近年来,PM_(2.5)成为大家关注的重点,四川省是中国PM_(2.5)高浓度的分布地区之一。利用四川省2000~2014年近15年的PM_(2.5)年均浓度反演数据,按照2005年WHO对PM_(2.5)的划分标准,采用10μg/m3、15μg/m3、25μg/m3、35μg/m3四个断点将其分为5类。以此为基础分析了四川省PM_(2.5)的时空分布特征及影响因素。研究结果表明:(1)东部地区PM_(2.5)浓度明显大于西部,2010~2014年四川省PM_(2.5)年均浓度呈下降趋势;(2)PM_(2.5)类型以污染最严重的第五类为核心呈半环状向西递减,2010~2014年第五类所占比例波动降低;(3)成都市、眉山市等地区PM_(2.5)浓度较高,2014年PM_(2.5)年均浓度降低;(4)自然因子、不透水地表、产业结构变化、大气污染防治政策等是影响PM_(2.5)浓度变化的重要因素。     

气象因素对长沙颗粒物浓度影响的季节性差异分析

利用回归分析和相关性分析研究气象因素对长沙PM_(2.5)、PM_(10)浓度影响的季节性差异。研究表明:(1)春季,与PM_(2.5)、PM_(10)浓度相关系数最大的气象因子分别为日降水量、日最高气温;夏季均为日最大风速;秋季均为日平均相对湿度;冬季为日降水量、日最高气温。(2)秋季气象因素与PM_(2.5)多元回归分析R~2(P0.01)最大,为0.269;春季次之,R~2为0.159;春、冬季较低,R~20.1;秋季气象因素与PM_(10)多元回归分析R~2(P0.01)最大,为0.572;春、夏、秋季,R~2分别为0.258、0.265、0.252。本结果揭示了不同季节气象条件影响PM_(2.5)、PM_(10)浓度的差异程度,利于提高城市PM10、PM_(2.5)预测的精度水平。     

香港地区不同类型站点大气污染变化特征对比研究

选取香港环境保护署设立的5个代表性站点(可归类为路边站、一般站及背景站)2016年的监测结果,对获取的各类污染物(PM_(2.5)、PM_(10)、NO_2、NO_X、SO_2、O_3)浓度变化特征进行对比研究,结果表明:(1)三类站点颗粒物及SO_2浓度年均值差异较小,体现了其区域性的污染特性,NO_2与NO_X年均值均为路边站一般站背景站,而O_3则相反,路边站最低而背景站最高;(2)各类站点PM_(2.5)与PM_(10)季节差异表现为夏季最低而冬季最高,O_3最低值也出现在夏季;(3)三类站点大气污染物日变化特征差异显著,路边和一般站NO_2与NO_X日变化表现为"早晚双峰"型,背景站变化幅度较小;路边站、一般站颗粒物日变化表现为单峰型,峰值出现在晚间22∶00,背景站变化幅度较小;O_3在路边站和一般站呈现双峰型变化,而在背景站为单峰型,峰值出现在下午15∶00左右;(4)所有站点PM_(2.5)、NO_X及O_3"假日效应"明显,具体表现为:PM_(2.5)和O_3浓度在假日全天浓度高于工作日;路边站和一般站的NO_X浓度在假日0∶00~8∶00时段高于工作日,其余时间均低于工作日。     

克拉玛依市PM_(2.5)污染特征分析

对克拉玛依市2014-2015年PM_(2.5)质量浓度进行整理统计,通过Arc GIS空间插值和EXCEL数理统计分析得出PM_(2.5)的质量浓度变化特征。结果表明,PM_(2.5)各小时浓度均低于国家二级标准,整体空气质量为良;PM_(2.5)季节浓度呈现冬季高,春夏低的规律,其中2月份浓度最高,为63.7μg/m3,4月份最低为23.6μg/m3;各监测站PM_(2.5)浓度受盛行风影响自西北向东南方向递增,依次为南林小区、长征新村、白碱滩区、独山子区、乌尔禾区商贸区;PM_(2.5)与PM10全年平均比值为0.53,整体空气污染较重。此外,PM_(2.5)与NO_2和SO_2均呈正相关,与O_3呈负相关性,说明汽车尾气和化石燃料排放是PM_(2.5)的主要来源。     

后向轨迹模式在攀枝花市PM_(2.5)来源分析研究中的应用

利用后向轨迹模式计算2014年1月1日~2014年12月31日以攀枝花市为起始点的后向轨迹,并结合攀枝花市PM_(2.5)的实测浓度数据,通过聚类分析法、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)研究不同来源区域对攀枝花市PM_(2.5)浓度的贡献影响。结果表明:攀枝花市的西南区域与云南省的交界地区最有可能是攀枝花市PM_(2.5)的贡献源区。攀枝花市西南区域本地排放的PM_(2.5)污染物及其前体物和来自攀枝花市西南方向的气团对攀枝花市的PM_(2.5)浓度影响最大。     

高密市环境空气污染物浓度变化特征

基于2014—2018年高密市大气监测数据,分析了SO_2、NO_2、PM_(10)、PM_(2.5)浓度的变化特征及成因,对四项污染物及降雨量进行了相关性分析,利用GM(1,1)模型对高密市未来空气质量进行了预测。结果表明,2014—2018年高密市环境空气中SO_2、NO_2、PM_(10)、PM_(2.5)年际变化呈现出逐年下降趋势;污染物月均值变化均为冬春季浓度高,夏秋季浓度低;通过相关性分析发现,环保政策对高密市空气质量总体改善起到了决定性作用,自然地理因素对高密市大气污染物月均值的变化影响明显。     

降水对西宁市大气污染物浓度的影响分析

文章利用西宁市区2013~2014年逐日空气污染日平均浓度资料和日平均降水资料,分析了西宁市区大气污染物浓度的分布和不同等级降水对SO_2、NO_2、PM_(10)、PM_(2.5)污染物浓度的清除能力。结果表明,西宁市空气质量以二级为主,二级天数占样本总数的57.8%;西宁市大气中的首要污染物是PM_(10)和PM_(2.5);降雨、降雪对污染物浓度具有稀释作用;不同等级的降雪量对4种污染物的稀释作用不同,降雪量在0.5mm以下时对污染物浓度的清除作用较弱甚至出现反弹现象,降雪量≥5.0mm时对4种污染物的清除能力最强;降雨量越大,对各项污染物的清除作用越明显,日降水量≥10.0mm对4种污染物的清除率达到了29.54%~57.57%;清除能力表现为SO_2PM_(10)PM_(2.5)NO_2的特征;连续降雪比连续降雨更有利于空气质量的改善;降雨等级不同时,AQI指数级别不变的天数居于首位的均为PM10;降雪量为0.6~1.0mm、1.1~1.9mm、≥5.0mm时,AQI指数级别不变的天数居于首位的是PM2.5;无论降雪还是降雨,PM_(10)和PM_(2.5)级别下降天数明显大于上升天数,尤其以PM2.5明显。     

兰州市冬季采暖对空气质量影响的断点分析

基于2015—2018年兰州市空气质量及气象数据,采用断点回归方法估计冬季采暖事件对空气质量污染物浓度的处置效应,借此研究兰州市煤改气、煤改电等政策实施之后,采暖前后空气质量指数及6项污染物的结构性变化。3 a采暖期对比分析结果显示:冬季采暖效应显著增加了空气质量污染程度,在样本平均水平上相当于使AQI增加了约31.35%;PM_(2.5)和PM_(10)在断点两侧提升约52.08%、44.56%;O_3无明显规律,PM_(2.5)、PM_(10)的增加间接导致浓度下降。     

宜宾市大气细颗粒水溶性离子污染特征研究

在川南地区的宜宾市开展了大气细颗粒物(PM_(2.5))浓度及组分的季节观测分析,结果表明,采样点的PM_(2.5)年均浓度(51. 7μg/m~3)超过二级浓度限值47. 71%,同时全年有20. 94%的天数PM_(2.5)日均浓度超过二级浓度限值;冬季浓度最高、达81. 1μg/m~3,明显高于其他季节,夏季浓度最低。PM_(2.5)中水溶性无机离子浓度总和冬(42. 42μg/m~3)秋(32. 73μg/m~3)春(24. 57μg/m~3)夏(17. 0μg/m~3),但占PM_(2.5)浓度的百分比的季节规律则刚好与之相反,为夏(54. 19%)春(48. 1%)秋(46. 91%)冬(45. 45%);其中,SO_4~(2-)、NO_3~-和NH_4~+是PM_(2.5)中最主要的3种二次无机离子组分,三者浓度之和占PM_(2.5)的37. 47%。PM_(2.5)中SO_4~(2-)、NO_3~-和NH_4~+的浓度均为冬季高于其他季节,但NO_3~-/PM_(2.5)冬(12. 22%)秋(11. 53%)春(8. 14%)夏(5. 43%)、NH_4~+/PM_(2.5)秋(9. 85%)夏(9. 15%)春(8. 52%)冬(7. 61%)、SO_4~(2-)/PM_(2.5)夏(26. 3%)春(20. 75%)秋(15. 82%)冬(14. 61%)。四个季节SOR值均大于NOR值,SOR值季节变化差异不大,但NOR值冬季明显高于其他季节。PM_(2.5)中的SO_4~(2-)、NO_3~-和NH_4~+冬季以(NH_4)_2SO_4、NH_4NO_3的形式共存于气溶胶体系中,而夏季则主要以(NH_4)_2SO_4和NH_4HSO_4存在。     

北京市区冬季PM_(2.5)污染特征及来源分析

选取北京市区为采样点,于2016年1月进行PM_(2.5)采集,并分析了PM_(2.5)和水溶性组分的污染特征和来源。结果表明,采样期间北京市PM_(2.5)质量浓度平均为67.7μg/m~3,水溶性离子是PM_(2.5)的主要组分,其中SO_4~(2-)、NO_3~-和NH_4~+之和占总离子的79.1%;Ca~(2+)和Mg~(2+)分别占PM_(2.5)质量浓度的2.5%和0.9%,海盐气溶胶和K~+分别占PM_(2.5)的3.6%和1.6%。采样期间NO_3~-/SO_4~(2-)为1.1,表明NO_2和SO_2主要来自移动源的贡献。北京市区冬季PM_(2.5)主要来自二次污染源、扬尘、生物质燃烧和海盐气溶胶,贡献率分别为42.351%、21.164%、16.314%和5.436%。     

乌鲁木齐市空气质量5参数对PM_(2.5)的影响及PM_(2.5)浓度时空变化特征分析

根据新疆环境质量发布平台提供的数据,对乌鲁木齐市2014-2016年3年间7个监测点的PM_(2.5)(粒径小于等于2.5μm)日均质量浓度监测数据进行时空特征分析,其中,空间上运用IDW反距离权重插值法,分别对全年、采暖期和非采暖期数据进行整理分析。运用灰色关联模型对空气质量6参数(PM_(2.5)、SO_2、NO_2、CO、O_3、PM_(10)六项因子)进行计算,结果表明全年、采暖期、非采暖期对PM_(2.5)影响最大的因素都是CO。     

黄河流域城市PM_(2.5)时空异质及空间溢出效应研究北大核心

选择2000—2020年黄河流域69个地级市PM_(2.5)浓度相关监测数据,采用空间自相关模型和空间回归模型对流域PM_(2.5)污染时空特征和空间溢出效应进行分析。结果表明:①2000—2020年黄河流域城市年度PM_(2.5)浓度值呈“先升后降”的趋势,黄河流域PM_(2.5)污染呈“先恶化、后改善”的趋势。②黄河流域PM_(2.5)浓度年度均值为52.99μg/m^(3),其中,上游、中游和下游PM_(2.5)浓度年度均值分别为39.35μg/m^(3)、54.65μg/m^(3)、72.53μg/m^(3),表明黄河流域PM_(2.5)污染水平地理梯度分布呈“上游<中游<下游”的态势。③黄河流域PM_(2.5)污染具有显著的空间自相关性和空间聚集特征,下游已形成较为稳定的大气污染区,但流域PM_(2.5)污染水平空间极化程度不断降低,空气质量朝着空间均衡方向不断改善。④黄河流域城市PM_(2.5)污染空间溢出效应明显,年均气温、人口密度、工业化程度、人均GDP等因素与城市PM_(2.5)污染水平呈正向相关性,降水量、年均风速、植被覆盖度等因素与城市PM_(2.5)污染水平之间呈负向相关性。