合肥市区大气能见度与PM10浓度及相对湿度的关系分析

分析了合肥市区能见度与PM₁₀、湿度之间的关系.使用积分浊度仪与PM₁₀传感器比较,验证PM₁₀传感器数据准确性.两台相同型号的PM₁₀传感器同步测量,相对误差小于5%,保证测量数据稳定可靠.依据米散射理论推导出能见度是不同尺度颗粒物质量浓度乘以常数之和的反比函数,但是由于测量难度,实验时无法使用这个函数.因此通过数值模拟和数据拟合,确定了能见度是PM₁₀质量浓度的幂函数.根据湿度修正表达式对高湿度时拟合结果进行修正,并使用实验数据对修正结果进行验证.大气湿度小于60%RH时,使用PM₁₀质量浓度拟合得到能见度值与实测值变化趋势一致,相对误差范围为-5%～8%.当大气湿度值高于60%RH时,拟合能见度值与实测值相对误差超过50%,且高于实测值,湿度越大拟合值偏差越大.使用湿度修正公式对拟合值修正,修正值与实测值的相对误差绝对值小于10%.利用不同时间的测量数据对拟合公式验证,也获得了一致的结果,证明湿度修正公式对PM₁₀质量浓度拟合能...     

相对湿度和PM2.5浓度对乌鲁木齐市冬季能见度的影响

基于2016～2017年冬季乌鲁木齐市城区PM_2.5和气象要素观测数据,采用线性和非线性回归、变量分类分析等统计方法,研究了大气能见度与相对湿度(RH)、PM_2.5浓度的定量关系.结果表明:乌鲁木齐市冬季能见度日变化呈单峰形分布,中午13:00前后和夜晚20:00前后能见度分别达到最高和最低.相对湿度增加、PM_2.5污染加重都会造成冬季大气能见度明显降低,但低能见度天气的主要影响因素是PM_2.5污染.在RH<90%时PM_2.5累积及其吸湿增长对能见度变化起控制作用,特别是70%￡RH<90%时,PM_2.5浓度对大气能见度影响最大.RH390%时相对湿度成为决定因素.在PM_2.5污染逐渐加重的过程中,相对湿度对能见度的影响在减弱.能见度增加与PM_2.5浓度降低之间存在非线性响应.在PM_2.5污染由严重减轻至中度污染级别过程中,能见度改善并不明显.只有把PM_2.5     

合肥市郊夏季PM10浓度及其与能见度的关系

年8—9月在合肥市郊对ρ(PM₁₀)进行了观测,并分析了其中9种水溶性离子(NO₂-、Cl-、NO₃-、SO₄2-、NH₄+、Ca2+、Na+、Mg2+、K+)质量浓度. 结果表明:采样期间该地区ρ(PM₁₀)日均值为78.9 μg/m3,9种水溶性离子的平均质量浓度为18.93 μg/m3,占ρ(PM₁₀)的26.6%,表明水溶性组分是PM₁₀的重要组成之一. SO₄2-、NO₃-、NH₄+和Ca2+是主要的阴、阳离子,日均质量浓度分别为8.14、4.81、3.46和1.33 μg/m3. 不同RH(相对湿度)下PM₁₀对能见度的影响不同,RH小于80%时,二者呈显著的线性负相关〔R(相关系数)为-0.80〕;RH大于80%时,二者呈指数负相关(R为-0.48). 离子间相关性分析显示,PM₁₀中水溶性离子的主要结合方式为(NH₄)₂SO₄、NH₄HSO₄、NH₄NO₃、KCl及K₂SO₄. 采样期间ρ(NO₃-)/ρ(SO₄2-)平均值为0.59,说明在该地区固定源对水溶性组分的贡献大于移动源. 另外,扬尘也是PM₁₀重要来源之一.      

天津市冬季空气湿度对PM2.5和能见度的影响

空气湿度是调节能见度变化和大气污染发展的重要气象因素,利用2015～2020年天津市冬季的相对湿度、比湿、PM_2.5质量浓度和能见度的历史数据,分别分析了PM_2.5质量浓度和能见度与相对湿度和比湿之间的关系.2015～2020年冬季,天津城区PM_2.5质量浓度整体呈下降趋势,6 a下降了28.0%. 10 km以上能见度天气的发生频率在2015～2018年冬季逐步上升,但在2019年和2020年的冬季重新下降.其中,2020年1月和2月天津市平均相对湿度达到63%和67%,显著高于30 a的历史同期均值,低于2 km的极端低能见度天气发生频率反弹至与2016年冬季相当的水平,空气湿度的升高在视觉上掩盖了PM_2.5的减排效果.天津市水汽的外部来源主要包括西南方向和东部渤海湾方向的输送,其中渤海湾方向传输的水汽占比约为59%,明显高于西南方向的25%.但东风相对清洁,对PM_2.5质量浓度的增长贡献有限,更多影响的是能见度.相比之下,当地面主导风向为西南风且比湿> 2.0 g·...     

基于深度学习模型的广州市大气PM2.5和PM10浓度预测

精准预测大气污染颗粒物PM_2.5、PM₁₀浓度能为大气污染防治提供科学依据,但目前较多PM_2.5和PM₁₀浓度预测在缺少污染源排放清单和能见度数据时,预测精度不高。而目前深度学习模型应用于PM_2.5和PM₁₀浓度预测的研究还鲜见报道。基于广州市2015年6月1日—2018年1月10日的空气质量和气象监测历史数据,分别构建了随机森林模型(RF)、XGBoost模型2种传统的机器学习模型和长短时记忆网络(LSTM)、门控循环单元网络(GRU)2种深度学习模型,并对广州市的PM_2.5、PM₁₀日均浓度值进行预测。结果表明:在缺少污染源排放清单和能见度数据时,4种模型也能较好地预测PM_2.5、PM₁₀日均浓度。根据MSE、RMSE、MAPE、MAE和R2等评价指标,对4个模型的PM_2.5、PM₁₀预测效果进行测评,得出深度学习GRU模型预测效果均为最佳,RF模型的预测结果均为最差。相比目前研究及应用较多的RF模型、XGBoost模型、LSTM模型,基于深度学习的GRU模型能更好地预测PM_2.5、PM₁₀浓度。     

上海市大气中PM10浓度的统计分析

以上海市2002年-2009年的PM10实测数据和同步气象资料为研究对象进行上海市PM10污染分析研究。对2002年-2009年的监测数据进行分析、归纳,得到了上海市可吸入颗粒物(PM10)浓度的季节变化规律、每日小时变化规律以及上海市不同地区可吸入颗粒物(PM10)浓度的分布特征,并对这种特征及变化规律进行了详尽地分析。研究表明上海市空气环境质量在逐年好转,其标志是累计超标污染天数每年减少5天;在一年当中,污染天数最多的是冬季,其次是春季,最少的是夏季;在空气环境质量逐年好转的大趋势下,针对其产生的原因进行了分析。     

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

武汉光谷空气PM10和PM2.5中的水溶性阴离子分析

2009年1月-2011年12月在武汉光谷商业区选取G、H两点,采集颗粒物样品,分析了PM10和PM2.5浓度,采用离子色谱测定了灰霾期间PM2.5中4种水溶性阴离子。结果表明:G点PM10和PM2.5年平均浓度分别超过《环境空气质量标准》(GB 3095-2012)二级浓度限值的1.48~1.73倍和1.94~2.4倍,H点分别超标1.16~1.4倍和1.26~1.86倍。灰霾期间PM2.5中主要水溶性阴离子为NO3-、SO42-、NO2-和Cl-,G点4种水溶性阴离子占PM2.5中总水溶性离子的比例分别是为20.29%、10.16%、9.51%和4.62%,H点为14.41%、30.12%、6.64%和3.83%。G点NOx-浓度约为SO42-浓度的3倍,而H点SO42-浓度约为NOx-浓度的1.5倍。G与H点NOx-和SO42-离子浓度的差异暗示两监测点的主要污染源不同,交通量和植被覆盖率可能是导致两点浓度差异的原因。。     

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.      

贵阳市大气PM10质量浓度和硫同位素组成特征

大气颗粒物是影响空气质量和人类健康的重要因素,了解其污染水平、关键组分来源及变异特征具有重要意义。本研究对贵阳市城区两个代表性监测点(市监测站和黔灵公园马鞍山)的2014年2月14日～20日(冬季)和2014年7月1日～7日(夏季)大气PM₁₀进行了采集,分析其24小时平均质量浓度和硫酸根的硫同位素(δ³⁴S值)组成特征,探讨大气PM₁₀中硫的来源和变化。结果表明,贵阳市2月和7月采样期间大气PM₁₀浓度分别为30～125μg/m³(平均70±29μg/m³)和21～104μg/m³(平均56±22μg/m³),均略高于我国现行空气质量大气颗粒物PM₁₀的24小时平均浓度一级标准限值(50μg/m³)。贵阳市大气PM₁₀中硫酸根的δ³⁴S值范围为-3.98‰～4.99‰(平均0.28‰±2.32‰),且2月显著高于7月;大气颗...     

南京北郊秋冬季相对湿度及气溶胶理化特性对大气能见度的影响

为了解南京北郊秋冬季相对湿度与气溶胶理化特性对大气能见度的影响,利用2012年秋冬季气象要素资料、颗粒物浓度及其主要成分和气溶胶粒子谱分布等观测数据,分析了南京北郊大气能见度与气象要素、颗粒物污染之间的关系.结果表明,南京北郊秋冬季节平均大气能见度仅为4.76 km.颗粒物浓度与能见度存在一定的负相关关系,尤其细粒子对能见度的影响更为显著.随细粒子质量浓度和相对湿度(RH)的增大,低能见度出现的频率呈现上升趋势.能见度从5~10 km衰减到5km时,PM10和PM2.1质量浓度分别增加了7.56%和37.64%;其中SO2-4和NO-3质量浓度均有显著增加.气溶胶粒子数浓度对能见度的影响与相对湿度有关,粒径0.5~2μm的气溶胶数浓度随RH增加增长缓慢,而2~10μm范围内的粒子数浓度随RH增加而减小;结合气溶胶表面积浓度与能见度进行相关性分析,表明0.5~2μm的细粒子及相对湿度是导致南京北郊秋冬季大气能见度下降的主要因素.     

成都市冬季相对湿度对颗粒物浓度和大气能见度的影响

利用成都市城区2015年12月的连续在线观测数据,如相对湿度（RH）、能见度、颗粒物（PM₁₀、PM_2.5和PM₁）浓度、气态污染物（SO₂和NO₂）浓度以及PM_2.5中SO₄^2-和NO₃^-浓度,探讨RH对颗粒物浓度和大气能见度的影响.结果表明,高颗粒物浓度和高RH协同作用导致低能见度事件.观测阶段,PM_2.5在PM₁₀中的平均比重为64%,表明成都市冬季细颗粒物污染严重;随着RH增加,PM_2.5/PM₁₀显著增加,表明高RH会加重细颗粒物污染.随着PM_2.5浓度增加,能见度呈幂指数下降;在相同PM_2.5浓度下,RH越高,能见度越低.当颗粒物浓度较低时,RH对能见度的影响作用较强;当颗粒物浓度较高时,大气消光主要由PM_2.5浓度控制,RH对能见度的影响减弱.当RH大于70%时,硫氧化率（SOR）和氮氧化率（NOR）的均值分别从0.27和0.11（RH小于40%）增长至0.40和0.19,表明较高RH对二次硫酸盐和硝酸盐的生成有显著的促进作用,二次硫酸盐和硝酸盐单独或协同影响空气质量.     

亚青会期间南京地区气溶胶浓度变化及其与能见度的关系

为保障2014年青奥会空气质量和制定控制措施提供科学支持,利用2013年8月南京市气溶胶的观测资料,结合气象要素,分析了南京地区气溶胶浓度变化特征,并深入研究了气溶胶质量浓度与相对湿度对能见度的影响.结果表明,观测期间PM10和PM2.5质量浓度平均值分别为67.44μg·m-3和31.92μg·m-3,0.1~10μm粒径范围内的气溶胶粒子数浓度和体积浓度的平均值分别为2466.25 cm-3和19.89μm3·cm-3;对数正态分布(log-normal)拟合平均谱分布得到两个模态的中值粒径分别为0.19μm和1.12μm;局地源强是影响南京气溶胶浓度的重要因子;PM10和PM2.5质量浓度日变化略有差异,PM10浓度日变化主要受交通和边界层活动影响,PM2.5浓度日变化则主要受交通排放和光化学反应生成的二次污染物的影响;对能见度的统计分析表明,能见度随PM2.5浓度和相对湿度的增加而降低,当相对湿度小于70%时,PM2.5浓度对能见度的影响较大,当相对湿度大于70%时,相对湿度对能见度的影响较大.     

泉州市灰霾时PM2.5浓度与气象条件、能见度相关分析研究

利用泉州市空气自动监测站的监测资料,研究泉州市灰霾天气时PM2.5浓度与风速、温度、相对湿度等气象因素及能见度的关系.结果表明:泉州市灰霾天气期间往往会伴随气象因素及能见度的变化,灰霾发生前,风速降低,相对湿度减小,逆温层形成,能见度降低;灰霾结束前,风速增大,相对湿度趋于稳定,逆温层消失,能见度增大.灰霾发生时,PM2.5的浓度与风速、能见度基本呈负相关的关系,与相对湿度基本呈正相关关系.气象条件及能见度的变化可以为灰霾天气时污染状况的预判提供重要的参考.     

基于自组织临界的上海PM10污染预警与风险评价

应用R/S分析、功率谱及强度-频度法对上海市PM10污染的时间尺度特征进行分析,同时将PM10污染事件与沙堆模型中的崩塌事件进行类比,发现上海市PM10污染的演化具有自组织临界性(SOC)复杂系统的相关特征.上海市PM10污染指数的长期波动特征,在动力学上主要是由PM10污染物的SOC机制导致的.小的污染源如民用炉灶、餐饮业、建筑施工等排放的少量污染物也有可能通过SOC行为形成较严重的空气污染事件.在2010年期间,上海市较严重空气污染事件(PM10污染指数为100~250)的发生可能性较大,具有一定潜在的重污染风险.     

天津市大气中PM10、PM2.5及其碳组分污染特征分析

2007年12月~2008年10月期间,分3个时段,设置2个点位,采集了天津市大气环境中PM10和PM2.5样品.用热光反射分析仪测定样品中的碳组分含量,并用OC/EC最小比值法估算二次有机碳(SOC)的浓度.结果表明,市区采样点颗粒物浓度高于郊区,2个采样点的颗粒物浓度变化趋势一致.5月份 PM2.5/PM10比值最小,主要由于土壤风沙尘对PM10的贡献较大.PM10和PM2.5中的有机碳(OC)、元素碳(EC)浓度12月份最高,且变化趋势相同.OC占总碳(TC)比例较高,PM10中OC/TC为0.60~0.83,PM2.5中OC/TC为0.55~0.81.碳组分主要集中在PM2.5中,PM10中约有76%的OC存在于PM2.5中.12月份的SOC浓度最高,与12月份的气象条件和污染源排放等因素有关.     

廉江某地区大气TSP、PM10、PM2.5污染水平及相关性研究

为研究廉江市大气颗粒物污染特征,于2014年11月～12月采集TSP、PM10、PM2.5样品,用重量法分析质量浓度,并对相关性进行分析.结果表明,用环境空气质量标准(GB 3095-2012)来衡量,廉江市冬季大气颗粒物TSP、PM10、PM2.5的日均浓度均符合标准,环境空气状况良好;三个代表性采样点在监测周期内TSP、PM10、PM2.5的浓度变化趋势大体一致,监测结果能客观反映该区域颗粒物的污染状况;PM2.5与PM10,PM10与TSP之间均存在着显著相关性,回归方程相关性较好.     

天津市PM10中元素的浓度特征和富集特征研究

为了解天津市大气PM10中元素的浓度水平和污染元素的来源,在天津市布置了7个采样点,获得了风沙季、非采暖季和采暖季19个元素的监测数据。结果表明:Ni、Pb、Cu、Cr是PM10中的主要超标污染元素;K、Ca、Na、Mg、Al、Si、Fe、Ti等8种元素是PM10浓度的主要贡献率元素(92%);19个元素的富集系数风沙季明显低于非采暖季;Co、Cu、Zn、Br、Pb五个元素各季和各站的富集系数均大于10,人为源贡献大于自然源,是环境治理的重点元素。