春季北京1次完整灰霾过程中的PM_(2.5)监测与分析

春季是北京等特大城市灰霾高发时期,在2013年4月19-24日间完整地发生了1次灰霾过程。基于对北京24个监测点在6 d 144 h 3 456份PM_(2.5)浓度数据,以及同期相关天气资料,对灰霾的形成、持续及消散过程进行的关联分析,指出北京在春季灰霾天气中PM_(2.5)浓度分布具有以下特征:(1)在风力较大的情况下仍可能发生较严重的灰霾;(2)存在某些监测点,其PM_(2.5)在灰霾过程中浓度值一直最高或最低;(3)各监测点之间PM_(2.5)浓度差异较大,最大可达8倍以上。     

北京几种景观在2次灰霾过程中的PM_(2.5)监测分析

对北京几种景观格局在2013年2月18日-2月28日间发生的2次完整的灰霾过程进行了监测,收集了北京环境监测中心、北京市气象台的相关数据并进行了分析,从灰霾的形成、持续与消散阶段进行了数据的整理与分析。提出PM2.5浓度分布的不均匀现象,以及城市景观格局对PM2.5分布与扩散的影响规律,包括:(1)不同城市景观在相同风速、风向等天气条件下其PM2.5浓度值之间存在明显差异;(2)同一城市景观在不同风速、风向等天气条件下其PM2.5浓度值也存在明显差异;(3)城市景观中PM2.5浓度值不均匀现象普遍存在于多种尺度中,包括较小的km及以下级尺度。     

北京市PM_(2.5)分布的不均匀现象

对北京若干居住区进行了持续监测,并收集了北京环境监测中心、北京市气象台的相关数据并进行了分析,指出北京这一特大城市在PM2.5分布中存在着多维度上的不均匀现象。这一不均匀现象表现为:(1)在多种尺度下其质量浓度分布不均匀;(2)全年时段内PM2.5已成为首要污染物;(3)霾主要发生在微静风天气中;(4)不同风向条件下,均存在着明显的最高值、最低值的监测点。据此得出,北京这一特大城市的PM2.5分布具有以下特征:(1)PM2.5主要来源于城市内部;(2)风环境等对PM2.5分布具有重要作用;(3)城市格局对PM2.5分布具有重要影响。     

银川市颗粒物污染特征分析

通过银川市2015年空气污染物质量浓度值分析,结果表明,PM_(10)和PM_(2.5)的浓度变化具有明显的季节特征和区域特征。PM_(10)质量浓度春季高于夏季,秋季最低,且PM_(2.5)质量浓度夏季略低于秋季,春季最低;PM_(10)和PM_(2.5)月均质量浓度变化均为1月份最大,9月份最小;PM_(10)和PM_(2.5)分指数等级冬季最差,PM_(10)分指数等级秋季好于夏季,PM_(2.5)分指数等级春季好于秋季;4#监测点各个季节PM_(10)浓度均表现为最高,5#监测点PM_(2.5)浓度有3个季节均为最高。     

镇江市灰霾天气与非灰霾天气下细颗粒物(PM_(2.5))中无机元素分布特征分析

分析了灰霾天气与非灰霾天气下的PM_(2.5)中的无机元素浓度特征,结果表明PM_(2.5)中无机元素的质量浓度在灰霾期间高于非灰霾期,同时灰霾与非灰霾间所测元素的分布特征基本一致,SO_4~(2ˉ)、NO_3~ˉ浓度所占比例较大,NH_4~+、Ca~(2+)、Cl~ˉ、K~+浓度次之,其他元素含量很低。主要来源为机动车尾气、秸秆焚烧、工业企业排放、施工扬尘。     

利用微脉冲激光雷达分析上海地区一次灰霾过程

通过分析2008年6月至2009年5月期间浦东新区灰霾天气出现的特征,并以2008年12月19日至2008年12月21日一次典型的灰霾天气过程为例,利用激光雷达(Light laser detection and ranging,简称Lidar)数据资料反演得到气溶胶消光系数及其强度图和廓线图,结合地面气象数据和气溶胶观测资料,分析了此次灰霾天气形成的原因.一年的观测资料表明,上海地区冬季和春季易产生灰霾天气,冬季出现重度霾最多,秋季和夏季灰霾天气较少.较弱的太阳辐射以及静风、小风是导致灰霾天气发生的重要原因,且高湿度的霾天气对能见度影响更大.大气边界层(以下简称边界层)高度变化决定着灰霾天气发生的强度,当边界层高度在1km左右时,易发生轻微霾天气,当边界层高度降至600m左右时,易发生中度、重度霾天气,而太阳辐射强度变化决定着边界层高度的变化.轻微霾天气下,大气气溶胶垂直分布最强消光值约为0.15km-1,而重霾天气下可达0.30km-1以上.本次霾过程还受地面颗粒物排放的影响,主要是PM1和PM2.5,且在消光作用中散射性气溶胶的贡献大于吸收性气溶胶.轻微霾天气下PM2.5浓度为50μg·m-3,黑碳浓度为5000ng·m-3,浊度为200Mm-1,而重度霾时则分别达到200μg·m-3、24000ng·m-3和1400Mm-1.随着此次霾的出现,整层大气气溶胶光学厚度(AOD,550nm)不断增加,在重度霾时达到0.6左右,Angstrom指数在重度霾时显著降低,表明有大颗粒物导入,说明此次重度霾天气的发生还与气溶胶的输送有关.     

北京市室内外PM_(2.5)中有机碳和元素碳的分布特征

为了分析北京市室内外PM_(2.5)中有机碳和元素碳的分布特征,于2015年11月-2016年4月在北京市西城区室内、室外采样点同步采集PM_(2.5)样品,采用美国Sunset Lab Inc.碳分析仪分析PM_(2.5)中有机碳(Organic carbon,OC)、元素碳(Elemental carbon,EC)的质量浓度,讨论了灰霾和非霾天气下,PM_(2.5)、OC、EC以及二次有机碳的浓度水平、室内外相互关系以及季节分布特征。结果表明:非霾天气下,受室内源影响,室内OC质量浓度高于室外;冬、春季室内的OC在PM_(2.5)中占比均大于室外,室内源作用明显;北京市冬、春季二次有机碳占总有机碳的50%以上,冬季高于春季,室内高于室外,二次有机碳是北京市PM_(2.5)中碳质颗粒物的主要组成,污染严重,应受到重视。     

南京北郊大气气溶胶中水溶性有机碳(WSOC)的污染特征

对南京北郊2014年1~11月的大气气溶胶进行采样分析,研究了其中水溶性有机碳(WSOC)的污染特征.WSOC在PM_(2.5),PM_10和TSP中的年平均浓度分别为5.90±3.38、6.93±3.79、7.34±3.91μg/m~3,80%以上的WSOC集中在PM_(2.5)中.PM_(2.5)中WSOC冬季浓度最高,夏季浓度次之,与冬夏季较强的二次转化过程有关;春季粗粒径段浓度较高,受到土壤来源颗粒物的影响;秋季浓度最低.春秋季PM_(2.5)中WSOC浓度夜晚高于白天,受夜间不利扩散条件的影响较大;但冬夏季却是白天高于夜晚,与白天较强的光化学反应有关.降水对各个粒径的WSOC都有清除作用,对PM_(2.5)的清除效率最高;四个季节比较,夏季清除效率最高,达到54.9%.霾发生时,随着霾污染等级的加重,PM_(2.5)中WSOC浓度逐渐增加,从非霾天的3.84μg/m~3升高到重度霾天的11.23μg/m~3,增加了近4倍,在细粒子中的比例也增大,霾天稳定的天气条件有利于二次有机污染物的生成.     

2014年北京市PM2.5质量浓度分析及比对研究

本研究选择污染严重的北京作为研究区域,自2013年12月起至2014年12月,通过设在北五环中国环境科学研究院(CRAES)内的定点监测,获得375天有效平行样品(T和Q)。统计结果表明,2014年北京市PM_(2.5)质量浓度从优良水平的6.9μg/m~3到极重污染的422.1μg/m~3,年均浓度值在100μg/m~3左右。T组和Q组线性相关,但T/Q并非定值,冬季最高,R~2=0.974,对应T/Q=1.014,可能由于冬季污染程度较重,滤膜性能差异可忽略。除春季外,其它三季的PM_(2.5)都是T组>Q组,与石英膜的纤维结构不够致密有关。以T组质量浓度数据为准,与国控监测点奥体中心点公报的日均PM_(2.5)进行比对,结果显示二者基本同步,在春冬季呈现较高的污染浓度,在夏季最低。在严重污染时(PM_(2.5)>250.0μg/m~3),在线监测可能低估PM_(2.5)而T组能更客观地记录实际污染状况。统计2014年全年污染等级分布,4~8月份基本未出现重度污染,而在冬季采暖期10~12月份,优良天数不足50%。综合分析风速、相对湿度对PM_(2.5)质量浓度的影响,证实冬季取暖燃煤和无风、高湿、逆温的静稳天气是霾频发的主要原因。     

北京地区颗粒物健康效应研究——沙尘天气、非沙尘天气下颗粒物(PM_(2.5)、PM_(10))对心血管疾病入院人次的影响

为了研究沙尘天气、非沙尘天气及霾污染类型下,颗粒物(PM_(10)、PM_(2.5))与心脑血管疾病日入院人次的联系,本文采用半参数广义相加泊松回归模型(GAM),在剔除了混杂因素:如季节趋势、日历效应、气象要素等作用下,将颗粒物浓度进行等级划分的基础上,分析了北京地区2006~2010年PM_(10)和PM_(2.5)在沙尘天气和非沙尘天气下与心脑血管疾病日入院人次相对危险度(RR)的关系,进而对比研究了沙尘污染与霾污染对心脑血管疾病的不同影响.结果表明:沙尘天气PM_(10)、PM_(2.5)能引起心脑血管疾病入院人次的增加,且存在0~2d滞后效应,PM_(2.5)与PM_(10)的RR值较为接近;非沙尘天气下,PM_(2.5)、PM_(10)与心脑血管疾病入院人次的RR存在一定的剂量效应关系,对于PM_(2.5),随着浓度的上升RR值逐渐增大,对于PM_(10),随着浓度的上升RR先增大而后逐渐降低;在相同的PM_(10)暴露浓度下,沙尘天气的RR低于非沙尘天气,在相同的PM_(2.5)暴露浓度下,沙尘天气与非沙尘天气的RR基本接近.而相对于沙尘天气污染,霾天气对心脑血管疾病的影响也具有滞后效应,随着霾天气加重,对人群心脑血管疾病危害也越大.     

太原冬季PM2.5影响霾污染的关键尺度谱特征

PM_(2.5)普遍被认为是导致霾形成的主要污染物之一.利用2016年11~12月在太原市人工降雨防雹办公室观测获得的气溶胶数谱资料、小店区气象站提供的气象要素资料以及小店区环境监测站提供的PM质量浓度资料,探讨了PM_(2.5)影响霾污染的关键尺度谱特征.结果表明,观测期间霾污染频发,且程度严重,重度霾占25.35%.相对湿度高于80%、风速小于1.5 m·s~(-1)是霾频繁发生的有利条件,特别是重霾;中度霾和轻度霾在相对湿度40%~80%、风速小于1.5 m·s~(-1)时也会频繁发生;轻微霾主要发生在相对湿度20%~40%,风速为1.25~2.55 m·s~(-1)时.霾天PM_(2.5)平均质量浓度为209.45μg·m~(-3),是非霾天气的3倍,且随着霾等级增加,PM_(2.5)质量浓度和PM_(2.5)/PM_(10)比值不断增加.低湿环境下PM_1是影响霾的关键粒子;高湿环境下PM_(0.5)是影响轻微霾、轻度霾和中度霾的关键粒子,而影响重度霾的关键粒子则是PM_1.高湿环境下表面积浓度对能见度的贡献率下降,但是气溶胶吸湿增长增大了粒子尺度,导致消光效率因子增大,从而弥补了表面积浓度的不足;粒子尺度参数的增加是高湿时PM_(2.5)影响霾污染的重要因素.     

中山市一次灰霾天气过程污染物来源数值模拟分析

利用WRF-CMAQ模式对中山市2015年2月一次典型灰霾天气过程进行了数值模拟,并对2月11~12日这一主要污染时段本地和外地污染源的贡献进行了分析和减排评估.WRF-CMAQ模式能很好地模拟出该时段的气象条件、PM_(2.5)浓度以及能见度的变化过程.这次霾污染主要是受弱冷空气影响引起的,广州佛山、中山本地以及广东省外排放源对中山PM_(2.5)浓度的贡献率分别为33%、30%和27%,外地源的贡献相当大.中山本地工业源和农业源对中山PM_(2.5)的贡献分别为13%和8%,而广佛排放源中,工业源和农业源对中山PM_(2.5)的贡献率分别为20%和7%.对中山和广佛地区农业源减排30%、50%和70%后,中山的PM_(2.5)浓度分别下降6%、10%和15%,而对工业排放实施相同幅度的减排后,PM_(2.5)浓度分别下降11%、18%和23%.随着减排力度的增加,减排效率的变化并不明显.减排应在灰霾天气开始加重前实施,在PM_(2.5)浓度达到峰值前后减排的效果最为明显,而当灰霾天气趋于缓解时减排的效果会迅速下降.     

2014年宝鸡市大气颗粒物时空分布特征分析

基于2013年12月和2014年全年宝鸡市8个自动空气质量监测子站的PM_(10)和PM_(2.5)的监测数据,探讨PM_(10)和PM_(2.5)的时间分布特征和空间分布特征。结果表明:PM_(10)的日平均浓度为118.23μg/m~3,全年中PM_(10)超过二级标准的天数为80 d,超标率为22%;PM_(2.5)的日平均浓度为68.93μg/m~3,全年中PM_(2.5)超过二级标准的天数为92 d,超标率为25%;PM_(10)和PM_(2.5)的浓度有明显的季节差异。PM_(2.5)和PM_(10)浓度由高到低的季节依次是冬季、春季、秋季和夏季;不同的监测点位中,解放军第三陆军医院监测点位的PM_(10)和PM_(2.5)浓度对于宝鸡市大气颗粒物的污染贡献率相对其他点位较高,主要是其地理位置导致的。     

安徽省PM2.5时空分布特征及关键影响因素识别研究

基于2015年安徽省67个空气质量监测子站的PM_(2.5)浓度数据,分析PM_(2.5)的时空分布特征;运用BP神经网络改进DEMATEL模型,探讨影响PM_(2.5)浓度的关键因素及因子间的关联性.结果表明:(1)2015年安徽省PM_(2.5)平均浓度为52.03μg·m~(-3),总体呈现秋冬高、春夏低的季节性规律;PM_(2.5)浓度日变化总体呈双峰分布,冬季PM_(2.5)浓度昼夜变化剧烈,全年、春季和秋季变化趋势大致相同,夏季相对平缓;(2)安徽省PM_(2.5)浓度整体上由东向西、由中部向南北两侧呈递减趋势,浓度值由高到低依次为:江淮丘陵、长江中下游平原、淮北平原和皖南山区;(3)指标体系中,人口城镇化率、年平均气温、单位GDP电耗、工业废气治理设施数等4个指标因子属于强驱动因素,对PM_(2.5)浓度降低起着根本性推动作用;(4)年降水总量、房屋施工面积、O_3浓度等3个指标因子属于强特征因素,是降低PM_(2.5)浓度最直接的因素.结论表明,运用BP-DEMATEL模型能有效识别关键影响因素,有助于为PM_(2.5)综合治理提供参考.     

北京灰霾天PM_(2.5)中有机官能团和无机离子的ATR-FTIR研究

采用傅里叶变换衰减全反射红外光谱法(ATR-FTIR)研究北京西北城区灰霾天气下PM_(2.5)中有机官能团(R-OH羟基、R-CH脂肪族碳氢基、R-CO-羰基、R-NO2硝基官能团)和无机离子(NH_4~+、SO_4~(2-)、NO_3~-)的变化规律.结果表明,PM_(2.5)中无机离子(NH_4~+、SO_4~(2-)、NO_3~-)的ATR-FTIR吸收峰值高于有机官能团(R-CH,R-CO-,R-NO_2,R-OH)的峰值;有机官能团R-CH的吸收峰峰值高于R-CO-和R-NO_2官能团的吸收峰,R-OH官能团的吸收峰峰值最低.灰霾天PM_(2.5)中各有机官能团和无机离子的ATR-FTIR吸收峰值明显高于非灰霾天.说明灰霾天气下PM_(2.5)中这些官能团及无机离子的质量浓度均高于非灰霾天.灰霾天PM_(2.5)中无机离子(NH_4~+、SO_4~(2-)、NO_3~-)质量浓度高于有机官能团(R-CH,R-CO-,R-NO_2,R-OH)的质量浓度,且有机官能团以R-CH为主,R-CO-,R-NO_2次之,R-OH最少.     

江苏省PM_(2.5)时空变化及土地利用影响研究

基于江苏省2013年12月-2014年11月期间71个监测点PM_(2.5)日数据以及2014年土地利用数据,以年、季为时间尺度,利用泰森多边形划分研究区域,在系统分析PM_(2.5)时空分异规律基础上,揭示PM_(2.5)浓度变化及其与土地利用的关系。结果表明:(1)PM_(2.5)浓度分布存在明显的时空变化趋势。时间上,冬季浓度最高,达109.72μg/m~3,春季次之,为70.13μg/m~3,秋季最低,仅53.20μg/m~3;空间上,从各监测点一年PM_(2.5)浓度看,南京、泰州和宿迁数个监测点是PM_(2.5)高浓度区域,浓度范围81~85μg/m~3。盐城开发区管委会浓度最低,仅49.75μg/m~3,全省呈现"内陆高,沿海低;内陆南高北低"的趋势。(2)土地利用类型及景观格局对PM_(2.5)浓度分布有一定影响。耕地、草地、水域和未利用地与PM_(2.5)呈负相关,林地和建设用地则呈正相关。景观面积、密度、破碎度和聚散性是影响PM_(2.5)的主要因素,冬夏季较为敏感。     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

南京大气PM2.5中碳组分观测分析

为了解南京地区大气细颗粒物及化学成分在灰霾期间的污染水平及可能来源,于2007年6月至2008年5月,采集PM2.5样品,并测定了其中有机碳(OC)和元素碳(EC)的含量.并考察了有机碳和元素碳的季节变化特征,比较分析了南京地区灰霾与非灰霾期间含碳气溶胶的污染特征.结果显示,南京大气中PM2.5、OC和EC浓度变化范围分别是12.1~287.1,2.6~47.0和1.0~33.6mg/m3,其中夏季PM2.5(109.6mg/m3)和OC(20.8mg/m3)的值在四个季度中最高,呈现出夏季>秋季>冬季>春季的季节变化特征;EC则具有秋季>春季>冬季>夏季的季节变化特征. 霾日的OC、EC、总碳含量(TC)浓度及OC与EC比值分别是非霾日的2.0、1.8、1.9和1.7倍.后向轨迹分析表明,在有利的天气背景下,具有丰富水汽和污染物的混合气团最易使南京产生霾天气.     

城市地区PM_(2.5)周末效应的初步研究

本文利用2014年全国78个城市497个环境监测站的实时观测数据,分析了2014年颗粒物(PM_(2.5)和PM_(10)和污染气体(包括SO_2、NO_2、CO和O_3)的分布特征并初步探讨了城市地区周末与工作日PM_(2.5)浓度的变化规律。2014年78个城市PM_(2.5)年均浓度值为71.9μg·m~(-3),华北地区PM_(2.5)年均浓度值在80~120μg·m~(-3),长三角地区PM_(2.5)的年均值在40~60μg·m~(-3)。污染气体相对于颗粒物更多的受到当地排放的影响。发现典型城市地区如北京、上海、广州、成都和西安等存在周末污染物浓度比工作日低的"PM_(2.5)周末效应",其中北京的周末效应最明显,对北京的周末效应进行初步分析发现周末与工作日机动车排放的变化是导致北京周末效应的主要原因。     

临安夏季霾和清洁天气PM2.5化学组成特征比较

本研究对长江三角洲背景地区临安大气本底站夏季PM_(2.5)进行连续采集,并对其分别进行OC/EC和水溶性离子测试分析.研究结果发现,临安夏季PM_(2.5)中OC和EC平均质量浓度分别为(14.3±3.95)μg·m-3和(3.33±1.47)μg·m-3.与城市地区相比,本研究临安背景地区夏季气溶胶中OC和EC相关性较弱(R2=0.31,P0.01).二次无机离子,即SO_4~(2-)、NO_3~-、NH_4~+(SNA),明显高于其它水溶性无机离子,平均浓度分别为(8.70±5.66)、(2.04±1.07)和(3.25±2.29)μg·m-3.基于对临安夏季PM_(2.5)连续加密观测、气团后向轨迹以及火点图研究分析,发现静稳天气条件和区域传输都可以影响临安地区PM_(2.5)的化学组成特征.此外,通过对临安本底站霾天和清洁天PM_(2.5)化学组成特征比较发现,与清洁天相比,霾污染天气POC和EC占PM_(2.5)的质量分数没有明显变化,而SOC占PM_(2.5)的质量分数却呈现了明显的下降趋势.与SOC不同,SO_4~(2-)和NH_4~+占PM_(2.5)的质量分数在霾污染天气均呈现了上升的趋势,说明二次无机离子有另一种明显增强的化学生成路径,即非均相化学反应.