中国城市PM2.5与PM10中重金属水平及分布差异

在大量文献调研的基础上,对正常天气下中国43个城市PM_(2.5)和26个城市PM_(10)中As、Cd、Cr、Cu、Ni、Pb和Zn的数据进行了归纳和分析,探讨中国城市PM_(2.5)和PM_(10)中重金属的总体分布及区域分布特征,并对今后的研究提出了建议。结果表明:1)我国对空气颗粒物中重金属的研究主要集中在PM_(2.5)和PM_(10)两种粒级;PM_(10)中各元素质量浓度均大于PM_(2.5)中元素质量浓度,但两者之间差异不显著;2)不同粒级颗粒物中重金属质量浓度区域分布不同,总体上PM_(2.5)中重金属质量浓度在我国华南、西北地区较高,西南地区最低,而PM_(10)中重金属质量浓度在华北、西北地区较高,西南地区较低;3)总体上,PM_(2.5)中重金属质量浓度表现为省会城市高于地级城市,而PM_(10)中重金属质量浓度表现为地级城市高于省会城市。今后可从不同粒级颗粒物中重金属含量分布特征及不同来源颗粒物粒径特征等方面开展更多的研究,为治理城市空气污染提供科学依据。     

西安市PM2.5污染的时空分布

为探索PM2.5的分布规律及其影响因素,对2013年西安市13个监测站点的全年ρ(PM2.5)数据进行了统计与整理.分析了ρ(PM2.5)的时空分布,采用聚类分析、小波变换研究了ρ(PM2.5)的区域分布特征与年际变化及突变特征,并对相关因素进行了探讨.结果表明,西安市ρ(PM2.5)在时间分布上具有冬高夏低的特点,而在空间分布上则以市人民体育场和草滩监测点所在区域为ρ(PM2.5)高值中心;ρ(PM2.5)在空间上可分为3大类,纺织城监测点单独为1类,经开区与草滩监测点为2类,另外10个监测点为3类,聚类效果的相关系数为0.7994,显示聚类效果较好;在ρ(PM2.5)年际变化中,除了6月和7月以外,其他月份ρ(PM2.5)均值为147.29 μg/m3,日照时间短和静风是导致ρ(PM2.5)发生突变的主要气象因素.     

北京一次近地面O3与PM2.5复合污染过程分析

利用O_3、PM_(2.5)监测数据、紫外辐射观测数据及气象观测资料,结合WRF模式模拟的大气环境背景场,分析了2014年9月3—8日北京一次近地层O_3与PM_(2.5)复合污染过程。结果表明,O_3和PM_(2.5)出现高质量浓度污染与大陆高压和副热带高压系统的相继持续控制有关,较强的紫外辐射及高压形成的下沉气流是造成边界层复合污染,尤其是O_3污染的主要原因。此次复合污染过程中,O_3于9月4—7日连续4 d超标,PM_(2.5)于9月5—7日连续3 d超标。造成这一现象的原因为:受大陆高压和副高的持续高压影响,北京地区天气晴朗、紫外辐射较强,地面风场较弱,700 h Pa以下持续存在下沉气流,O_3日均质量浓度逐日上升,于9月5日先到达峰值,同时PM_(2.5)日均质量浓度逐日升高;6日在副高西部边缘偏南暖湿气流输送及形成的平流逆温作用下,PM_(2.5)质量浓度突增,削弱了太阳紫外辐射强度,O_3质量浓度开始下降。此后,在低压槽作用下PM_(2.5)质量浓度增到峰值,O_3质量浓度保持下降趋势。9月5—7日形成了3 d的O_3与PM_(2.5)复合污染事件。     

分析大气环境中PM2.5的研究进展与治理

本文主要针对大气环境中PM2.5展开深入研究和论述,先介绍了大气环境中PM2.5的定义和危害,然后结合重量法、光散射法以及β射线吸收法等,对PM2.5的检测技术进行了深入分析,最后提出了几点治理措施,比如加大法治建设和政府监管力度、降低机动车尾气排放、控制工业废气排放、增加植被、加强区域联防联控机制的构建等,以对大气环境中PM2.5含量进行合理化控制,并将空气污染指数保持在可控范围内,避免大气环境污染问题的出现。     

环境信息关联模型及植被对PM2.5浓度的影响研究

选取北京24个PM_(2.5)监测站点2017年8月17日至21日逐小时PM_(2.5)质量浓度数据及16个市辖区的逐小时气象数据,建立了北京各区关于PM_(2.5)质量浓度的环境信息关联模型,并在此基础上分析了植被在PM_(2.5)与气象因素及区域污染的关联中发挥的作用。通过分析模型脉冲响应曲线的数值可以看出,绿化率与PM_(2.5)对相对湿度扰动的响应相关性最高(R2=0.71),其次为风速(R2=0.54),但绿化率与PM_(2.5)对温度扰动的响应的相关性不高。PM_(2.5)对风速扰动的响应最为迅速。绿化率越高的市辖区,PM_(2.5)对3种气象要素的响应越剧烈且越容易出现波动,PM_(2.5)对气象要素总扰动的响应的滞后期与绿化率有较强的相关性(R2=0.62)。对各区域PM_(2.5)质量浓度进行逐步回归分析,结果表明高植被覆盖的地区更不易受到其他区域污染物的影响。     

唐山市PM2.5理化特征及来源解析

为了研究唐山市PM2.5理化特征及来源,分别于2012年7月和2013年1月对唐山市夏、冬季PM2.5样品进行了采集,应用电感耦合等离子体质谱仪(ICP-MS)、离子色谱仪(IC)和DRI碳质分析仪对PM2.5样品中化学组分元素、水溶性离子及有机碳和元素碳(OC/EC)进行了分析。应用CAMx-PSAT数值模型对采样时段PM2.5进行模拟,分析了夏、冬季PM2.5的主要来源。结果表明,唐山市PM2.5污染严重,夏、冬季质量浓度分别为国家环境II级标准的1.08倍和2.49倍。夏季PM2.5中二次组分质量浓度较高,占PM2.5总质量浓度的53.56%。SO2-4、NO-3和NH+4是PM2.5中重要的二次组分,占PM2.5质量浓度的31.49%~43.79%。一次组分中,矿物尘和POA占PM2.5质量浓度比例最高。唐山夏冬季节PM2.5未知组分比例分别为14.4%和24.86%。工业源是唐山市PM2.5污染的主要来源,夏、冬季节贡献率分别为74.1%和43.8%。由于居民燃煤采暖,冬季居民源对唐山市PM2.5贡献率增大。冬季唐山市主导风向为西北,外来源对PM2.5贡献率为31.2%;夏季主导风向为东南,外来源贡献率为15.0%。气象因素是导致外来源贡献季节变化的重要原因。     

贵阳市PM2.5主要污染源源成分谱分析

为建立贵阳市PM_(2.5)主要污染源的源成分谱,将主要污染源划分为土壤风沙尘、城市扬尘、道路尘、建筑水泥尘、钢铁尘、燃煤尘和汽车尾气尘7类,分别采集各类污染源样品,然后进行再悬浮采样,并采用电感耦合等离子体质谱仪、离子色谱仪及热光碳分析仪分别分析样品中20种无机元素、3种水溶性离子和碳组分的质量分数。结果表明,7类污染源成分谱之间存在明显的区别,其中土壤风沙尘、建筑水泥尘、钢铁尘、汽车尾气尘、燃煤尘5类污染源谱都有明显的标识元素,分别为Si、Ca、Fe、OC、EC和Se,而道路尘和城市扬尘属混合尘源,无单一标识元素,道路尘显示出土壤风沙尘、建筑水泥尘、燃煤尘、机动车尾气和工业排放的混合污染特征,城市扬尘则主要受土壤风沙尘和建筑水泥尘的影响。     

PM2.5污染与健康支出:时间滞后效应与空间溢出效应

基于ArcGIS技术解析卫星栅格数据,获得2002—2015年中国31个省级的PM_(2.5)平均质量浓度和最大质量浓度,采用空间杜宾模型,定量考察PM_(2.5)污染对健康支出影响的时间滞后效应和空间溢出效应。结果表明:1)当期的PM_(2.5)平均质量浓度对人均就诊次数的影响不显著,而滞后一期的PM_(2.5)平均质量浓度的系数显著为正,表明PM_(2.5)污染对人均就诊次数的影响具有时间滞后效应; 2)通过更换代理变量的方式进行稳健性检验,估算结果依然显著; 3)空间模型分析表明,PM_(2.5)污染具有较强的空间传递性,一个地区的健康风险不仅来源于本地区的PM_(2.5)污染,还有很大一部分风险来源于邻近地区的PM_(2.5)污染。在宏观上为PM_(2.5)污染对健康支出的影响提供了证据,也为区域制定PM_(2.5)污染的联防联控机制提供了依据。     

我国能源消耗对人群PM2.5暴露水平的随机影响效应分析

能源燃烧产物是PM2.5暴露水平提高的重要因素,燃烧不同种类的能源对PM2.5形成的影响机理不同,但各类能源消耗量对人群PM2.5暴露水平的影响程度尚不明确.基于2003-2010年的PM2.5质量浓度与煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力消耗数据组成的面板数据,建立了不同种类能源消耗影响我国人群PM25暴露水平的随机效应模型.结果表明,我国2003-2010年多数省(市、自治区)的年均PM2.5质量浓度超过了世界卫生组织的标准.在研究时间段内,不同种类能源消耗量对人群PM2.5暴露水平的影响具有较大差异,煤炭、焦炭、汽油和煤油消耗对人群PM2.5暴露水平具有正影响,其中,正向影响最大的为焦炭消耗量,表明工业消耗焦炭对形成PM2.5的促进作用比较明显;与焦炭消耗量具有相近的影响效果的因素是汽油消耗,表明改进机动车和航空燃油技术同样非常重要;原油、柴油、燃料油、天然气和电力消耗对人群PM2.5暴露水平具有负影响,其中负向影响最大的为电力消耗量,表明电力作为一种清洁能源,有利于降低人群PM2.5暴露水平.     

北京市冬季PM_(2.5)污染特征与区域传输影响研究

选取北京师范大学监测点于2015年1月进行PM_(2.5)样品采集,应用离子色谱仪(IC)分析PM_(2.5)中水溶性无机离子质量浓度,采用WRF-CAMx-PSAT模型系统对采样时段PM_(2.5)及典型离子的区域来源进行了模拟。结果表明,采样期间(2015年1月2—20日)与重污染过程(2015年1月13—15日)北京PM_(2.5)质量浓度分别为(105.9±72.6)μg/m~3和(232.2±80.2)μg/m~3,PM_(2.5)中总水溶性无机离子质量浓度分别为(47.4±39.8)μg/m~3和(120.7±23.3)μg/m~3,分别占PM_(2.5)的44.2%和53.9%。SO_4~(2-)、NO_3~-和NH_4~+是水溶性离子的主要组分,非重污染过程和重污染过程这3种水溶性离子质量浓度之和分别占总水溶性离子质量浓度的80.5%和89.3%。模拟结果显示,本地源排放是北京市PM_(2.5)、SO_4~(2-)、NO_3~-、NH_4~+的主要来源,贡献率分别为81.4%、79.5%、58.1%、95.3%,北京周边源排放对PM_(2.5)贡献率较大的有保定、天津、张家口、唐山,这4市占北京周边省市排放源贡献率的72.0%。     

基于PM2.5与PM10比值的吉林省空气污染分析

对吉林省重点城市2015年~2018年大气日均值PM2.5/PM10数据进行处理,从空气中细颗粒物的比例角度评价吉林省的空气污染情况。经过分析得出结论即吉林省2015年~2018年空气质量明显好转,特别是2018年。中度及以上污染天气污染程度下降显著。月份中10、11、12月份污染下降明显。城市中松原市污染较轻。     

防PM2.5口罩现状及发展方向

为了提高全民防雾霾能力,保障人民群众的身体健康,分析了城市大气污染物中损害人体健康的最重要元凶PM2.5的防护需求,当前市场上各种材质和结构防PM2.5口罩的防护水平。在分析结果的基础上,结合颗粒物过滤机理,提出了雾霾天气时普通民众如何正确选择防PM2.5口罩的建议。讨论了目前防PM2.5口罩的过滤效率和泄漏性可参照的检测方法,在此基础上对今后防PM2.5口罩的发展方向进行了展望。     

气象参数对基于BP神经网络的PM2.5日均值预报模型的影响

建立了基于BP神经网络的PM2.5质量浓度预报模型,对广州市5个监测点2012年6月-2013年5月的PM2.5质量浓度日均值进行预报,分析了总体预报误差、不同风速和降雨量下的预报误差,以及天气预报误差对PM2.5质量浓度预报误差的影响.结果表明,BP神经网络模型对5个站点的PM2.5预报结果稳定,平均相对误差为29.71％.在有利于PM2.5扩散的气象条件下预报误差较大,风速较大时与风速较小时预报误差的差异高达15％,而不同降雨量情况下的预报误差较相近.修正天气预报后,各站点的预报误差平均降低了4.67％.这表明可从空气质量数据质量等方面人手改进模型.