北京市2014年PM2.5质量浓度变化特征

利用北京市发布的PM2.5质量浓度数据,分析了2014年PM2.5日平均质量浓度变化情况,以及全年平均日变化特征、分季节的日变化特征、分星期的日变化特征。结果表明：北京市2014年PM2.5污染较为严重,但相比往年有所减弱,其中2月和10月污染最为严重,5-6月及8-9月污染较轻。全年平均日变化呈现“W”型,白天在07：00和15：00存在2个谷值,峰值出现在10：00,21：00-03：00 PM2.5污染在一天中最为严重。秋冬季节的日变化趋势相似,其夜间PM2.5质量浓度明显高于白天。春季和夏季的日变化与全年平均日变化差别很大。分星期的日变化曲线变化趋势存在较大差异,但峰值和谷值出现的时间基本一致。     

室内外PM2.5污染特征、形貌及矿物组成

为掌握室内外细颗粒物（PM2.5）污染特性,监测采集西安市某办公场所室内外PM2.5样品,统计分析PM2.5质量浓度特征,探究室内外PM2.5相关性、微观形貌以及矿物组成的差异。结果表明：室内外PM2.5年均质量浓度分别为85.32和109.83 μg·m-3,冬季污染尤为严重。室内PM2.5受室外PM2.5影响显著,室内外PM2.5质量浓度的相关系数为0.890 0。室内PM2.5多为粒径小于1 μm的球状颗粒物,而室外颗粒物形状、大小不规则,室内外PM2.5均含有大量的碳、氧元素,其他元素的种类和含量存在一定差异。室内PM2.5中矿物多为非晶态物质,室外PM2.5主要由石英、赤铁矿和碳酸钙等矿物质组成。     

北京西山典型游憩林内PM2.5质量浓度及水溶性离子特征分析

以北京西山森林公园为观测点,运用双通道颗粒物在线监测设备监测PM2.5质量浓度,使用离子色谱仪测定样品中水溶性离子浓度,对北京西山油松林PM2.5质量浓度及水溶性离子特征进行分析。结果表明：PM2.5质量浓度为冬季（121.29±16.78）μg·m-3 > 春季（106.06±12.68）μg·m-3 > 秋季（88.01±17.44）μg·m-3 > 夏季（72.67±12.18）μg·m-3;SO42-、Na+、NO3-、HCOO-是PM2.5中最主要的水溶性离子成分,占所测水溶性离子浓度在四季分别为94.99%、72.66%、72.66%、89.52%,PM2.5受SO42-、Na+、NO3-、NH4+影响较大,基本呈正相关关系,SO42-、Na+、NO3-、NH4+、PM2.5浓度季节变化一致,即在冬季最高,夏季最低,春秋次之,且水溶性离子季节差异显著。SO42-和NO3-、Na+、NH4+的相关性极显著（r=0.85、0.80、0.92）,NO3-和Na+、NH4+之间关系也较大（r=0.87、0.66）,Ca2+和Mg2+相关性极明显（r=0.98）,其他水溶性离子间无明显的相关性,固定源和海洋源对水溶性离子贡献程度呈现出季节差异,秋季机动车尾气排放对空气硫和氮污染贡献达最高,春季最低,夏秋季海洋源对Cl-影响明显。通过对森林植被区PM2.5、水溶性离子特征及关系进行分析,更好地发挥植被的生态效益,提高空气质量。     

不对称街谷内PM2.5浓度垂直分布特征及成因

当前细颗粒物PM2.5已成为城市环境的主要污染物,研究城市不对称街谷内PM2.5浓度的垂直分布特征,对居民日常生活与健康出行有现实意义。实验选取2013年3个不同阶段对高度在1~35 m范围的街谷进行PM2.5浓度监测,同时引用街谷内流场模型与浓度场模型,对PM2.5浓度垂直分布特征及成因进行探究。结果表明,不对称街谷受大气对流、风速、风向影响,街谷内细颗粒物存在不均匀分布特点,在较高侧随着壁面高度的增加PM2.5浓度大体呈\"S\"型曲线变化。同时在同一阶段监测的4天中街谷内PM2.5浓度分布特征大体一致,而阶段之间差异明显;街谷内PM2.5浓度垂直分布的最高浓度差出现在阶段1,高达75 μg/m3,阶段2与阶段3浓度差相对减弱,仅在20~30 μg/m3之间。通过阶段2与阶段3对比可知,北京冬季供暖燃煤对大气细颗粒物的贡献较大,导致颗粒物浓度偏高;而非采暖期气温回升,大气对流作用较强,有助于大气颗粒物扩散,因而街谷内PM2.5污染程度相对较低。     

长春供暖季室内外PM2.5浓度垂直分布与分析

为研究严寒地区供暖季室内外PM_2.5浓度的垂直分布,在供暖季分别对长春某高层居住建筑1、8、15、24、33楼层的室内外PM_2.5浓度进行监测,研究不同楼层室内外PM_2.5的浓度与变化特征。采用随机组分重叠模型（RCS）方法研究各楼层PM_2.5渗透因子,采用逐步回归分析方法研究室内PM_2.5浓度的各影响因素。结果表明:在供暖季,长春市高层建筑的不同楼层均存在一定的PM_2.5污染,室内外PM_2.5浓度随楼层升高大体呈现减小的趋势,但差异不显著。室内外PM_2.5浓度存在显著的相关性（P <0.05）,在没有室内污染源时,室外颗粒物渗透是室内污染的主要来源。室内PM_2.5浓度与房间面积等没有显著相关性。     

天津冬季PM2.5与PM10中有机碳、元素碳的污染特征

研究了天津冬季PM2.5和PM10中碳成分的污染特征.结果表明,天津冬季PM2.5和PM10的平均质量浓度分别为(124.4±60.9)、(224.6±131.2)μg/m3;总碳(TC)、有机碳(OC)与元素碳(EC)在PM2.5中的平均质量分数比在PM10中分别高出5.0%、3.6%、1.2%;PM2.5中OC、EC的相关系数较高,为0.95,表明OC、EC的来源相对简单,可能主要反应了燃煤和机动车尾气的贡献.OC/EC的平均值在PM2.5和PM10中分别为3.9、4.9.次生有机碳(SOC)在PM2.55和PM10中的平均质量浓度分别为14.9、23.4/μg/m3,分别占OC的48.5%(质量分数,下同)、49.8%,OC/EC较高可能主要与直接排放源有关;PM2.5中的OC1与OC2的比例明显高于PM10,而聚合碳(OPC)的比例又低于PM10,同时PM2.5与PM10中的EC1含量均较高,表明天津冬季燃煤取暖和机动车尾气是重要的污染源.     

一次回风空调系统PM2.5污染控制策略

基于浓度守恒原理建立了一次回风空调系统室内PM2.5浓度模型,研究了过滤器分别安装在新风段、回风段和送风段时过滤效率和新风量的变化对室内PM2.5浓度的影响。模拟结果表明：在室外PM2.5浓度大于室内初始值的条件下,过滤器安装在送风段或回风段时,减少新风有利于室内PM2.5污染控制,过滤器安装在新风段时,根据过滤器效率调节新风,过滤效率小于临界效率,减小新风有利于室内污染控制;在室外PM2.5浓度小于室内初始值的条件下,过滤器安装在送风段或新风段时,增加新风有利于室内PM2.5污染控制,过滤器安装在回风段时,也存在临界效率,过滤效率小于临界值,增加新风有利于室内PM2.5污染控制。     

贵阳市冬季大气PM 2.5和PM 10浓度空间插值及分布研究

为了解贵阳市冬季大气污染现状,以贵阳市污染相对严重的白云区为研究对象,连续采集PM_(2.5)、PM_(10)浓度数据,利用普通克里金法进行空间插值获取PM_(2.5)、PM_(10)分布特征。通过留一法交叉验证,比较6种半变异函数模型(三角函数、高斯函数、球面函数、指数函数、J-Bessel函数和K-Bessel函数)的空间插值精度,选出最适的函数模型;采用分区统计和格网统计的方法,对不同土地利用类型、植被覆盖度下的PM_(2.5)、PM_(10)平均浓度进行比较分析。结果表明,三角函数是PM_(2.5)空间插值的最适模型,指数函数是PM_(10)空间插值的最适模型;贵阳市白云区冬季大气PM_(2.5)、PM_(10)浓度总体表现出城区浓度高,郊区浓度低的分布特征;土地利用类型和植被覆盖度对PM_(2.5)和PM_(10)浓度有着较强的影响。     

重庆城区PM2.5化学组分特征及季节变化

2014年7月-2015年5月典型季节期间在重庆城区选择典型站点开展PM2.5样品采集,并测量质量浓度,分析样品中水溶性离子、无机元素、OC和EC等组分,在此基础上对组分化学组成进行了质量重构。结果表明：观测期间PM2.5年均值为76.4 μg·m-3,浓度季节变化为冬季 > 秋季 > 春季 > 夏季;组分方面,以二次转化为主的SO42-、NH4+、NO3-和OC是PM2.5组分中最主要成分,OC/EC比值4个季度均大于2,表明城区二次有机碳生成显著;硫氧化率（SOR）分析,气态污染物SO2的二次转化效率较高,大气存在明显的二次转化过程。PM2.5质量重构后主要组成为有机气溶胶（OM）、二次无机离子（SNA）和矿物尘,重庆城区应协同控制一次排放的颗粒物和气态污染物SO2和NOx,从而控制二次组分浓度。     

Experimental investigation of outdoor and indoor mean concentrations and concentration fluctuations of pollutants

Tracer gas was released upwind of a two-compartment complex shaped building under unstable atmospheric conditions. The mean wind direction was normal to or at 45° to the long face of the building. The general patterns of concentration distribution on the building external walls and inside the building were analysed and the influence of natural and mechanical ventilation on indoor concentration distributions was discussed. Mean concentration levels, as well as the concentration fluctuation intensity, were higher on the windward walls of the building, although concentration levels varied along each wall. Concentration fluctuations measured inside the building were lower than those measured outside. Inside the two compartments of the building, the time series of concentrations had a similar general behaviour; however, gas concentrations took approximately 1.5 times longer to reach the mean maximum concentration value at the downwind compartment 02 while they also decreased more rapidly in the upwind compartment 01 after the source was turned off. The highest indoor concentration and concentration fluctuation values were observed at the detectors located close to the windward walls, especially when the building windows were open. Experiments with and without natural ventilation suggested that infiltration and exfiltration of contaminants is much faster when the building windows are open, resulting to higher indoor concentration levels. Furthermore, mechanical ventilation tends to homogenize concentrations and suppress concentration fluctuations, leading to lower maximum concentration values.     

基于BP人工神经网络的城市PM2.5浓度空间预测

针对PM2.5日均质量浓度,采用BP人工神经网络模型,预测研究区空气中PM2.5浓度的空间变异,通过与普通克里格(Ordinary Kriging)插值方法对比验证BP人工神经网络预测模型的精度.结果表明:BP人工神经网络预测模型下研究区检验样本点位置的PM2.5仿真浓度与观测浓度之间的均方差、平均绝对误差、平均相对偏差和相关系数分别为0.296 μg2/m6、0.412 μg/m3、1.650％和0.851;而与此同时,普通克里格插值方法下的对应结果分别为1.041 μg2/m6、0.689 μg/m3、11.910％、0.638.研究成果在肯定BP人工神经网络预测模型可用于揭示PM2.5浓度空间变异特征的同时,也证实了其相对于普通克里格插值方法在固定空间点位准确预测PM2.5浓度方面的优势.     

南宁市大气颗粒物TSP、PM10、PM2.5污染水平研究

2002年在南宁市的5个典型城市功能区内,共采集了125个大气样品(按季节分别采集),初步调查了大气中颗粒物TSP、PM10、PM2.5的污染状况。结果表明,南宁市TSP、PM10、PM2.5的污染很严重,超标率分别为67．5％、82．5％、92．5％,对人体健康危害更大的PM2．5占到了PM10的63．5％左右。重污染区PM2.5的浓度超过轻污染区近一倍。     

武汉市秋、冬季大气PM_(2.5)中水溶性离子污染特征及来源分析

采用离子色谱法测定武汉市秋、冬季大气PM2.5中水溶性离子浓度,对其化学组成、质量浓度变化特征及源解析等方面进行了研究。结果表明,NO-3、SO2-4、NH+4为武汉市秋、冬季大气PM2.5中主要的水溶性离子,相关性分析表明,燃烧源是秋、冬季大气PM2.5中水溶性离子的共同来源。成分分析表明,工业区的水溶性离子主要来源于燃烧源,交通区的水溶性离子主要来源于二次污染源,其中包括垃圾焚烧源,植物园的水溶性离子主要来源于二次污染源。     

西安市2013年PM_(2.5)浓度变化分析研究

全面分析2013年西安市13个国控环境空气质量自动监测子站PM2.5监测数据。结果表明:2013年西安市环境空气中PM2.5年均值为105μg/m3,超过《环境空气质量标准》(GB 3095—2012)二级要求(35μg/m3)200.0%,污染较严重;西安市各子站PM2.5月均值总体呈两边高、中间低的"V"型趋势,全市及各子站PM2.5月均值分别为44~206、32~275μg/m3;采暖期(上半年采暖期为1—3月,下半年采暖期为11—12月)、非采暖期(4—10月)PM2.5平均值分别为156、70μg/m3;上、下半年采暖期PM2.5平均值分别为178、124μg/m3;西安市气象风力以微风为主,雨天集中在5—9月,期间PM2.5月均值小于80μg/m3。     

南昌市大气PM2.5中多环芳烃的来源解析

在南昌市布设5个采样点,分别代表工业区、居住区、交通干线区、商业区以及郊区,于2007年7～8月进行大气PM2.5的采样.根据5个采样点测得的数据,通过因子分析法判断南昌市大气PM2.5中多环芳烃的主要来源,再利用多元线性回归法确定各主要来源对多环芳烃的贡献率.结果表明,南昌市多环芳烃的主要来源为车辆排放源、高温加热源、燃煤污染源,对多环芳烃的贡献率分别为37.9%、28.2%、22.0%.     

PM_(2.5)手工标准方法与自动监测法比对分析

选取金华、衢州、温州、丽水、宁波、杭州6个城市开展PM2.5手工标准方法和自动监测法比对实验,并用相关性和相对偏差两个指标对比对结果进行分析和评价。结果表明:(1)2013年6个采样城市采集的PM2.5手工和自动监测值均具有较好的相关性(相关系数均在0.95以上),截距均在-0.010~0.010mg/m3,但斜率相差较大(衢州和丽水在0.90以上;金华、温州和杭州在0.85~0.90;宁波在0.80以下)。(2)2013年6个城市采集的PM2.5手工和自动监测值的相对偏差为-34.2%~36.5%;PM2.5手工和自动监测值相对偏差在±15%范围内的数据占总数据量的82.6%;负偏差数据占总数据量的80.0%。(3)PM2.5手工标准方法和自动监测法的比对差异与地域、季节和PM2.5浓度等条件有关。总体上,不同地区PM2.5手工与自动监测值相对偏差绝对值(︱RD︱)年平均值为衢州丽水金华宁波温州杭州;春季PM2.5手工与自动监测值︱RD︱平均值高于夏季,秋季高于冬季;各采样城市PM2.5手工和自动监测值︱RD︱平均值在高质量浓度(PM2.5手工监测值(ρ1)0.150mg/m3)下最小,中质量浓度(0.050≤ρ1≤0.150mg/m3)下最大,低质量浓度(ρ10.050mg/m3)下介于两者之间。     

Determinants of indoor and personal exposure to PM2.5 of indoor and outdoor origin during the RIOPA study

Effects of physical/environmental factors on fine particle (PM_2.5) exposure, outdoor-to-indoor transport and air exchange rate (AER) were examined. The fraction of ambient PM_2.5 found indoors (F_INF) and the fraction to which people are exposed (α) modify personal exposure to ambient PM_2.5. Because F_INF, α, and AER are infrequently measured, some have used air conditioning (AC) as a modifier of ambient PM_2.5 exposure. We found no single variable that was a good predictor of AER. About 50% and 40% of the variation in F_INF and α, respectively, was explained by AER and other activity variables. AER alone explained 36% and 24% of the variations in F_INF and α, respectively. Each other predictor, including Central AC Operation, accounted for less than 4% of the variation. This highlights the importance of AER measurements to predict F_INF and α. Evidence presented suggests that outdoor temperature and home ventilation features affect particle losses as well as AER, and the effects differ.Total personal exposures to PM_2.5 mass/species were reconstructed using personal activity and microenvironmental methods, and compared to direct personal measurement. Outdoor concentration was the dominant predictor of (partial R² = 30–70%) and the largest contributor to (20–90%) indoor and personal exposures for PM_2.5 mass and most species. Several activities had a dramatic impact on personal PM_2.5 mass/species exposures for the few study participants exposed to or engaged in them, including smoking and woodworking. Incorporating personal activities (in addition to outdoor PM_2.5) improved the predictive power of the personal activity model for PM_2.5 mass/species; more detailed information about personal activities and indoor sources is needed for further improvement (especially for Ca, K, OC). Adequate accounting for particle penetration and persistence indoors and for exposure to non-ambient sources could potentially increase the power of epidemiological analyses linking health effects to particulate exposures.     

APEC会议期间天津市PM_(2.5)中水溶性无机离子的污染特征

2014年11月6—11日,亚太经济合作组织(APEC)会议在北京市召开,京津冀区域采取了最高级别的空气质量保障措施。于2014年11月3—20日同步手动采集天津市PM2.5样品,对APEC会议期间(2014年11月3—11日,在此期间实施了空气质量保障措施)及会议后(2014年11月12—20日)天津市PM2.5中水溶性无机离子组分浓度、二次转化特征等进行了分析。结果表明,APEC会议期间,天津市PM2.5平均质量浓度为78μg/m3,而会议后达到87μg/m3;会议期间PM2.5中水溶性无机离子的浓度为NO-3SO2-4NH+4Cl-K+Na+Ca2+Mg2+,会议后,除Mg2+外,各项离子浓度均有不同程度的上升;会议期间,PM2.5中NO-3浓度最高,在水溶性无机离子中所占比例为38.9%,其次为SO2-4(为22.0%)、NH+4(为20.8%),3者所占比例合计为81.7%,会议后3者所占比例降至75.0%;会议期间的大气污染以流动源为主;会议后,硫氧化率和氮氧化率均不同程度减弱,说明会议期间的二次离子转化更为明显;会议期间的停工停产措施对PM2.5中一次离子来源有明显改变,城市扬尘得到明显抑制。