北京PM2.5浓度的变化特征及其与PM10、TSP的关系

在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m3,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

北京PM2.5浓度的变化特征及其与PM10、TSP的关系

 在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m³,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

基于PMF模型的北京市PM2.5来源的时空分布特征

2012年8月至2013年7月,对北京市定陵、车公庄、东四、石景山、通州、房山、亦庄和榆垡等8个站点的大气细颗粒物PM2.5进行了12个月次的同步采样观测,并测定了其中元素碳、有机碳、水溶性离子和无机元素的浓度水平.利用PMF模型对PM2.5的来源进行解析.结果表明,北京市PM2.5的主要来源为二次源、燃煤、地面扬尘、机动车排放、工业源和建筑尘等,年均贡献率分别为42%、19%、19%、10%、6%和4%.PM2.5的来源具有显著的季节变化,春季大风天气频繁、地面扬尘源为主要来源,而夏、秋、冬季均以二次源为主,尤其是夏季二次源贡献达56%,冬季燃煤源对PM2.5的贡献显著提升为25%.污染源贡献也存在一定空间差异,冬春季燃煤源对郊区点的贡献显著高于城区点,而二次污染源具有区域性污染特征.在区域性积累型重污染日,二次源对PM2.5的贡献均占主要地位,对气态前体物NOx、SO2和VOCs等的控制对PM2.5的减少至关重要.     

海口市PM_(2.5)和PM_(10)来源解析

以海口市为例,研究了我国典型热带沿海城市——海口市环境空气颗粒物的污染特征和主要来源.2012年春季和冬季在海口市区4个采样点同步采集了环境空气中PM10和PM2.5样品,同时采集了多种颗粒物源样品,并使用多种仪器分析方法分析了源与受体样品的化学组成,建立了源化学成分谱.使用CMB(化学质量平衡)模型对海口市大气颗粒物进行源解析.结果表明:污染源贡献具有明显的季节特点,并存在一定的空间变化.冬季城市扬尘、机动车尾气尘、二次硫酸盐和煤烟尘是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为23.6%、16.7%,17.5%、29.8%,13.3%、15.7%和13.0%、15.3%;春季机动车尾气尘、城市扬尘、建筑水泥尘和二次硫酸盐是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为27.5%、35.0%,20.2%、14.9%,12.8%、6.0%和9.5%、10.5%.冬季较重的颗粒物污染可能来自于华南内陆地区的区域输送,特别是,本地排放极少的煤烟尘和二次硫酸盐受区域输送的影响更为显著.     

皖南地区铜陵市大气颗粒物污染特征及潜在源研究

利用2018年3月—2021年2月环境和气象数据对皖南地区铜陵市大气颗粒物的污染特征和潜在贡献源进行了系统性研究.铜陵市大气颗粒物污染具有明显的季节变化特征,冬季污染物浓度最高,PM_2.5和PM₁₀平均为（60.3±31.0）μg·m^-3和（89.2±42.2）μg·m^-3.计算发现PM_2.5/PM₁₀超过0.5,铜陵市的大气颗粒物污染问题与细颗粒物关系密切.后向轨迹聚类分析表明铜陵市大气颗粒物的输送路径具有季节性差异.春季以西北、东北和西南方向气流为主,占比83.73%;夏季以东南和南部方向气流为主,占比82.90%;秋季以东北气流为主,占比51.00%;冬季则是以北方和西北气流为主,占比69.81%.其中,冬季气流轨迹所对应的PM_2.5和PM₁₀的浓度最高,平均为59.7和92.0μg·m^-3;夏季最低,平均为23.8和43.8μg·m^-3.潜在源贡献因子（WPSC...     

华东区域高山背景点PM10 和PM2.5 背景值及污染特征

为了解华东森林及高山背景区域大气中PM10和PM2.5质量浓度的变化特征,选取国家大气背景监测福建武夷山站2011年3月～2012年2月PM10、PM2.5为期1 a的监测数据,研究其浓度变化特征及其影响因子,并利用后向轨迹模式探讨区域输送对背景区域PM10和PM2.5质量浓度的影响.结果表明:华东森林及高山区域现阶段PM10和PM2.5背景浓度分别为(23±16)μg·m-3和(18±12)μg·m-3;PM10和PM2.5浓度具有相同的季节变化特征,即春季>秋季>冬季>夏季,2011年春季武夷山背景点因受沙尘远距离输送影响,PM10和PM2.5浓度明显高于其它三季;武夷山背景地区主要以细粒子为主,PM2.5/PM10年平均比值为0.76;PM10和PM2.5浓度与气体污染物均有较好的相关性,表明PM10和PM2.5可能来源于区域人为污染源的输送和二次粒子转化;2011年4月的污染事件与北方沙尘输送有关,而9月的污染事件主要与华东高污染负荷区的污染物输送有关.     

北京市西三环地区大气颗粒物中多环芳烃的分布特性

于2012年3—12月在北京市西三环地区按粒径分6级采集大气颗粒物样品,采用气相色谱-质谱(GC-MS)对颗粒物样品中16种优控PAHs(多环芳烃)进行分析. 结果表明:颗粒物中ρ(∑₁₆PAHs)(PAHs的总质量浓度)季节变化显著,表现为冬季>春季>秋季>夏季,并且与ρ(PM)(PM为颗粒物)呈良好线性相关;不同粒径颗粒物中ρ(PAHs)呈向小粒子富集的趋势,PM_2.1中ρ(PAHs)约占ρ_sum(∑₁₆PAHs)〔6级颗粒物中ρ(∑₁₆PAHs)总和〕的64%~87%;除夏季3环PAHs占优势外,其他季节均以4~ 5环PAHs占优势;同时,随着粒径的减小,PAHs有向高环数富集的趋势. 运用主成分分析和多元线性回归法进行源解析发现,机动车尾气排放和燃煤是本地区大气颗粒物中PAHs的主要来源;不同粒径颗粒物中的PAHs来源有差异,2.1~10.2μm粒径段颗粒物中PAHs主要来源于机动车尾气排放,贡献率为63.0%;而1.3~2.1μm和<1.3μm的颗粒物中PAHs均主要来源于燃煤,贡献率分别为56.8%和58.7%.      

北京市2009年8月大气颗粒物污染特征

为研究2008年8月北京奥运会1a之后北京市大气颗粒物的污染特征,于2009年8月对北京市大气颗粒物PM10、PM2.5样品进行采集,测量其质量浓度并对其中的水溶性离子组分进行分析.研究发现2009年8月北京市大气颗粒物PM10、PM2.5质量浓度日均值分别为176.9μg/m3和102.5μg/m3.PM10质量浓度比2008年观测值上升了180%,比2007年降低了10%; PM2.5质量浓度比2008年观测值上升了126%,比2007年上升了31%.水溶性离子是大气颗粒物的重要组分,分别占PM10和PM2.5质量浓度的43%和61%.对比发现,污染天气条件下PM2.5/PM10和NO3-/SO42-比值升高,移动源是北京地区主要的污染物来源.风向风速和降水等天气条件对颗粒物质量浓度有很大影响,其中0.5~1.0m/s的东南风条件下大气颗粒物污染最为严重.     

南京北郊大气VOCs变化特征及来源解析

利用2011-03-01~2012-02-29南京北郊大气VOCs观测资料,对大气VOCs浓度变化特征和特征物比值差异展开研究,并应用PCA/APCS受体模型对不同季节VOCs来源进行了解析.结果表明,南京大气总VOCs体积混合比为43.52×10-9,其中烷烃占45.1%、烯烃占25.3%、炔烃占7.3%和芳香烃占22.3%.总VOCs体积混合比呈现夏季高,冬季低的季节变化.VOCs组分中烷烃在冬季最高,烯烃夏季最高,芳香烃春季最高,炔烃冬季最高.特征物比值(VOCs/乙炔)和T/B比值反映出观测点受周边工业区影响较大.VOCs源解析表明,主要来源来自工厂生产、机动车排放、燃料燃烧、生产活动挥发、溶剂使用和自然源.虽然有季节变化,但与工业生产活动相关的来源占大气VOCs 45%~63%,其次为机动车来源占34%~50%.     

杭州市临平地区PM2.5和PM10污染特征分析研究

利用TEOM 1405-F和TEOM 1405颗粒物实时监测仪,研究了2013年12月至2014年5月临平地区PM2.5和PM10质量浓度实时变化特征,并结合气象五参数观测资料,对影响大气颗粒物分布特征的因素进行了分析,研究结果发现:冬季PM2.5和PM10的日均质量浓度明显大于春季,冬季PM2.5日均质量浓度范围为17.0 ～ 349.1 μg/m3,PM10日均质量浓度范围为18.8～516.9μg/m3,春季PM2.5日均质量浓度范围为20.4～167.6μg/m3,PM10日均质量浓度范围为38.2 ～243.3μg/m3;通过线性回归分析发现PM25和PM10存在较好的线性关系,说明PM10相对固定的受到PM2.5的影响,且污染物来源稳定;冬季PM2.5和PM10日均质量浓度存在三峰值波动状态,而春季PM2.5和PM10日均质量浓度存在双峰值波动状态;较大的风速、较高的气压和降水对于颗粒物的清除效果明显.     

淄博市SO2与PM10垂直空间变化规律及其相关性分析

本文对淄博市环境空气中主要污染物SO2和PM10在不同高度的浓度值进行分析,找出污染物垂直空间分布规律;并利用SO2和PM10日均浓度值分析两者之间的相关性,为淄博市环境空气质量进一步控制治理提供一定依据。研究结论如下:淄博市垂直空间SO2、PM10浓度变化基本呈随高度增加而逐步降低趋势;同时SO2和PM10浓度呈现较为明显的相关性。为进一步改善淄博市环境空气质量,不仅要在城市规划中充分考虑给城区以自然通风通道,增加城市对污染物扩散稀释的能力,而其要在开展针对建陶、水泥等行业专项行动,降低工业粉尘排放,加强对城区内市政、房地产建筑工地的监督管理,减少道路和建筑扬尘的同时,加强对SO2排放企业尤其燃煤企业的监管力度,控制SO2排放量,也会相应的进一步降低PM10浓度。     

天津市PM10, PM2.5和PM1连续在线观测分析

利用2010年9月1日─11月30日在中国气象局天津大气边界层观测站采集的ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)数据,分析了观测期间可吸入颗粒物的统计特征,结合同期气象观测资料,分析了典型天气条件下ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)的日变化特征及与风速、风向的关系. 结果表明:观测期间,ρ(PM₁₀₎日均值有超过1/2的天数超过《国家环境空气质量标准》(GB 3095─1996)二级标准限值;ρ(PM_2.5)有63 d超过美国国家环境保护局(US EPA)1997标准限值,超标率高达76.8%;不同天气条件下,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)日变化特征明显,三者一般在大雾或扬沙/浮尘天气条件下出现高值,有降水过程时出现低值;可吸入颗粒物以粗粒子(PM_2.5～10)和PM₁为主,PM_2.5～10,PM_1～2.5和PM₁主要分布在风速小于3 m/s,风向为225°～280°和70°～110°范围内;风速大于3 m/s时,ρ(PM_2.5～10)和ρ(PM_1～2.5)有所增加. ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)未出现周末效应,但存在明显的周内变化.      

重庆主城区大气PM10及PM2.5来源解析

为探讨重庆主城区4个季节大气PM₁₀和PM_2.5的主要来源,于2012年2—12月在重庆主城区的工业区、文教区和居住区5个环境监测点同步采集PM₁₀及PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳含量及其分布特征. 采集了重庆主城区土壤尘、建筑水泥尘、扬尘、移动源(包括机动车、施工机械及船舶)、工业源(包括固定燃烧源及工业工艺过程源)、生物质燃烧源及餐饮源等7类污染源,建立了重庆市本地化的污染源成分谱库. 利用CMB(化学质量平衡)受体模型及二重源解析技术分析了PM₁₀及PM_2.5的来源. 结果表明:重庆主城区大气中ρ(PM₁₀)及ρ(PM_2.5)的年均值分别为153.2和113.1 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准限值2倍以上. 大气PM₁₀的主要来源为扬尘、二次粒子和移动源(贡献率分别为23.9%、23.5%和23.4%),大气PM_2.5主要来源于二次粒子和移动源(贡献率分别为30.1%和27.9%).PM₁₀和PM_2.5的主要源类贡献率差别不大,表明研究区域内大气颗粒物污染控制应采取多源控制原则. 大气PM₁₀来源的季节性变化特征表现为春季和秋季主要以扬尘为主、夏季和冬季主要以二次粒子为主.      

典型道路路边空气颗粒物中碳组分的组成特征

在天津市内选取了4条不同等级的道路（次干道,主干道,快速路,外环线）,于2015年4～5月分别在4条道路的路边进行了PM_2.5和PM₁₀样品和车流量信息的采集,并对其中的碳组分进行了分析.结果显示,天津路边PM_2.5和PM₁₀中OC、EC的浓度与国内已研究的其它城市相比处于中等水平,与国外城市相比,国内这些城市的OC、EC的浓度水平则较高.char-EC、soot-EC、OC、EC在PM_2.5中的百分含量在4条道路之间存在显著性差异,在4条路上百分含量为主干道 > 快速路 > 外环线 > 次干道,而PM₁₀不存在.PM_2.5中OC/EC和char-EC/soot-EC的平均比值分别是2.95和2.3,PM₁₀中分别为3.1和2.2.相关性分析的结果表明PM_2.5和PM₁₀中OC和EC有相同的来源,且EC与char-EC存在线性关系.     

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.     

2014年APEC期间北京市PM10和PM2.5氧化性损伤能力研究

为评估APEC会议期间联防联控措施对北京市大气可吸入颗粒物毒性的影响,采集2014年APEC会议前后3个月北京市大气PM₁₀和PM_2.5样品,应用质粒DNA损伤评价法来研究其氧化性损伤能力. 结果表明,APEC会议期间PM₁₀对DNA的损伤率高于PM_2.5,颗粒物对 DNA损伤率随剂量的增加而增加. 本研究用TD30值来指示颗粒物氧化性损伤能力,TD30为引起30%的DNA损伤率所需要的颗粒物剂量（单位为 μg·mL^-1）,TD30值越低,颗粒物氧化性损伤能力越强,APEC会议前后样品的TD30值表现为 APEC期间（11月）>APEC前（10月）>APEC后（12月）,说明氧化能力APEC后 >APEC前 >APEC期间. 用PM₁₀质量浓度乘上其在250 μg·mL^-1 剂量下的DNA损伤率得到颗粒物暴露毒性指数TI（toxic index）,与往年具有代表性月份样品的数据对比,TI大小顺序为2004年 >2014年 >2008年,说明大气中颗粒物暴露毒性随着政策控制力度的加大而降低.     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

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.