太原市大气颗粒物PM_(10)和PM_(2.5)多时间尺度变化规律研究

选取太原市城区10个监测点2014—2016年PM_(10)和PM_(2.5)日变化数据,分析和探讨了其时空变化特征,及其与人类经济活动的同步性规律;采用小波连续变换的功率谱方法识别颗粒物周期变化特征,采用可视化主成分分析法识别不同时间尺度下颗粒物变化的影响因素。结果表明,太原市大气颗粒污染物PM_(10)和PM_(2.5)质量浓度的变化存在明显的时空差异,新兴经济发展区较传统老工业区污染严重,颗粒物污染程度在冬季较为严重。小波分析结果显示,PM_(10)和PM_(2.5)时间序列的变化周期均以4~8 d的短周期为主(P0.05),污染物的质量浓度变化与城市经济活动的周波动变化相一致;PM_(10)和PM_(2.5)质量浓度最大值出现在周波动的中间时段,最小值出现在周末。可视化PCA结果揭示,大气颗粒物PM_(10)和PM_(2.5)季节性波动均受冬季影响较强;周波动周期内均受周三影响最大;一天之内PM_(10)和PM_(2.5)质量浓度分别受夜晚和早晨影响最大,但白天颗粒物质量浓度变化是造成其日变化特征的主要因素。研究结果有利于从不同时间尺度辨析能源城市大气颗粒物污染的多变特征,有针对性地开展大气污染防控,也可为管理部门制定相关标准和规范提供科学依据。     

林地和湿地大气颗粒物阻滞效果研究

为了研究林地和湿地以及气象因素等对于大气颗粒物浓度的影响,于2016年5—12月在北京市奥林匹克森林公园内林地、湿地内对PM10和PM_(2.5)质量浓度以及气象数据(温度和相对湿度)进行采集。使用定量分析的方法,运用阻滞-吸附效率公式对林地和湿地阻滞率进行了比较;分析了大气不同污染背景下林地和湿地对大气颗粒物阻滞率的差异以及气象因子对大气颗粒物质量浓度的影响。研究结果表明,林地内颗粒物日变化呈现先下降后上升的趋势,13:00左右为一天之中质量浓度最低(34.6μg?m~(-3))之时,而湿地周围颗粒物日变化则在采样期间呈现下降趋势,至18:00左右质量浓度为最低(35.8μg?m~(-3))。不同空气质量等级下,林地和湿地对颗粒物的阻滞率效果不同,林地在空气质量为优时对PM_(10)和PM_(2.5)的阻滞率均最高,分别为522.7%和289.7%;湿地在空气质量等级为良时对PM_(10)的阻滞率最高(56.56%),在空气质量为重度污染时对PM_(2.5)的阻滞率为最高(74.35%)。在相同空气质量等级下,林地与湿地之间的阻滞率也存在差异:除严重污染时没有显著差异外,其余空气质量等级下林地的阻滞率显著高于湿地对大气颗粒物的阻滞率(P0.05)。此外,大气颗粒物质量浓度与气象因子之间存在显著相关性,其质量浓度与温度呈负相关,与相对湿度呈正相关。然而,阻滞率与气象因子之间没有显著相关性。研究林地与湿地的阻滞率有利于更好地配置城市中林地和湿地比率,以更加有效地改善大气环境。     

西安市PM_(2.5)时空分布特征及气象成因

PM_(2.5)是危害环境及人体健康的重要空气污染物之一,但目前对PM_(2.5)的时空分布及气象成因的研究还相对缺乏。为了更好地控制ρ(PM_(2.5)),利用西安市2013年9月1日至2014年8月31日的PM_(2.5)逐日质量浓度、首要污染物数据及气象数据,分析PM_(2.5)逐日质量浓度对空气质量的影响,ρ(PM_(2.5))的分布特征及其气象成因。结果表明,PM_(2.5)是影响空气质量的重要因素。ρ(PM_(2.5))年超标率高达42.1%,在季节上具有冬秋季高、春夏季低的特征,月变化呈现"V"字形变化。各类型站点的ρ(PM_(2.5))总体空间分布状况为:道路参照点污染最严重;居民参照点、工业参照点次之;商贸参照点及文化、生态参照点的PM_(2.5)污染较轻,基本处于良好状态;PM_(2.5)的空间分布状况及站点间的变动幅度会随季节而有所不同。采用逐步回归模型建立的ρ(PM_(2.5))的预测模型具有较好的预测效果,ρ(PM_(2.5))拟合值均能较好的反映ρ(PM_(2.5))的变化规律,ρ(PM_(2.5))与气象条件有一定的关系。     

太原市PM_(2.5)周期性特征及其成因分析

为研究太原市城区PM_(2.5)浓度不同时间尺度的演变特征及其与气象要素之间的关系,基于PM_(2.5)监测浓度、气象观测数据和再分析资料,利用小波功率谱和交叉小波方法分析了2014年1月1日—2016年5月31日太原市PM_(2.5)的周期变化,及其同气象要素的协同关系,同时研究了对应时段的太原市PM_(2.5)与天气形势的相关关系。结果表明,太原市PM_(2.5)浓度变化存在2~8 d和10~16 d的显著周期,与2 m相对湿度、混合层高度、近地面逆温强度和10 m风速具有相似的共振变化,显著时段主要在每年9月份左右至次年3月份。特定的天气形势是太原市冬季PM_(2.5)持续偏高的背景因素之一,特定的天气形势下PM_(2.5)与同期的气象要素存在密切的协同关系。在研究时段内,太原市PM_(2.5)浓度与华北地区海平面气压呈负相关关系,与朝鲜半岛、日本海的海平面气压呈正相关关系,与500 hPa高度场相关性最显著的区域主要分布在中国华北、东北以及朝鲜半岛,主要表现为正相关关系。研究时段内,中国东部上空500 hPa高度场异常偏高,海平面气压偏低,近地面风速减弱等不利于污染物扩散的形势是造成太原市冬季PM_(2.5)浓度持续偏高的背景因素之一。研究结果有利于从不同时间尺度了解太原市PM_(2.5)的变化规律及气象影响因素,对太原市大气污染防治,重污染预报预警工作具有较大的意义。     

石家庄市冬季PM_(2.5)污染特征、成因及潜在源区分析

对石家庄市2016年1月18—22日出现的PM_(2.5)污染过程进行研究,选择3个不同地区采用中流量采样器分别采集PM_(2.5)和PM_(10)样品,测定PM_(2.5)质量浓度及其化学组分(含碳组分、水溶性离子和无机元素),分析PM_(2.5)污染天气的污染特征和引起污染的气象因素,结合后向轨迹模型(HYSPLIT)分析污染的主要潜在源区。结果显示,在采样期间3个点的PM_(2.5)平均质量浓度分别为113、131和119μg·m-3,PM_(2.5)浓度高值出现在早晨和午夜,冬季京津冀地区农村散煤燃烧也是大气污染的主要原因。有机碳(OC)最大质量浓度值为218.37μg·m-3,无机碳(EC)最大质量浓度值为21.22μg·m-3。污染过程中3个点的地壳元素(Na、Ca、Mg、Al、K和Fe)质量浓度变化范围为27.19~60.03μg·m-3,占总无机元素的96.5%,表明交通源、道路扬尘和煤炭燃烧是此次石家庄市PM_(2.5)污染的主要贡献源类。较高的相对湿度和弱风速也会加速二次粒子的生成和颗粒物吸湿增长。潜在源分析表明,石家庄市PM_(2.5)污染主要受来源于北京和天津的气团影响,同时潜在源贡献(PSCF)分析表明河北省是影响石家庄市环境空气质量的最主要潜在源区。     

上海市大气污染物时空分布及其相关性因子分析

利用2016—2020年上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3的质量浓度和温度、相对湿度、平均风速、水平能见度气象条件,分析了上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3污染物的时间变化趋势。同时,利用多元线性回归模型及BP神经网络建立污染物与气象因素之间的相关关系,对其质量浓度进行预测,分析对比不同模型的预测结果。研究表明:2016—2020年上海市大气污染物质量浓度随时间变化整体呈现下降趋势;污染物质量浓度季节性差异显著,PM_(2.5)及PM_(10)质量浓度呈现"冬高夏低",而O_3质量浓度呈现"冬低夏高";可吸入颗粒物质量浓度(PM_(2.5)、PM_(10))与SO_2、NO_2质量浓度,O_3质量浓度与NO_2的质量浓度之间存在显著相关性;多元线性回归分析表明相对湿度、平均风速及水平能见度3个气象因素对上海市PM_(2.5)、PM_(10)质量浓度产生显著影响;温度、相对湿度、平均风速及水平能见度4个气象因素对上海市O_3质量浓度产生显著影响;多元线性回归分析表明上海市PM_(10)质量浓度与温度之间显著性水平为0.303,意味着温度对上海市大气PM_(10)质量浓度并没有产生显著影响;PM_(10)质量浓度随相对湿度的增加、平均气压及水平能见度的增大而减小;O_3质量浓度则与温度和平均风速呈正相关,与相对湿度和水平能见度呈负相关。相比多元线性回归,BP神经网络在预测上海市气象污染物质量浓度表现出强大的泛化能力,PM_(2.5)、PM_(10)、NO_2与O_3的真实值与预测值相关系数(r~2)分别为98.6%,97.4%,97.6%和98.3%。     

合肥市能见度与相对湿度、PM_(2.5)质量浓度的定量关系

为了研究合肥市能见度影响规律,为改善城市大气能见度提供科学依据,利用合肥市2013年1月—2015年12月的气象观测数据和颗粒物质量浓度数据,采用统计分析方法研究了合肥市大气能见度与相对湿度和PM_(2.5)质量浓度的定量关系,以及不同等级能见度下相对湿度和PM_(2.5)浓度的统计特征。结果表明,PM_(2.5)质量浓度与相对湿度共同影响合肥市大气能见度变化,较低相对湿度下(RH60%),能见度降低主要受PM_(2.5)质量浓度升高的影响;较高湿度条件下(RH≥60%),能见度降低主要是由于相对湿度增加造成的大气粒子吸湿增长导致消光性能增大,且这种作用在污染程度较轻时更加突出。RH≥60%时,相对湿度每增加1%,平均能见度降低0.172 km;当RH≥90%时,平均能见度基本在5 km以下。PM_(2.5)质量浓度与能见度呈幂函数关系,40%≤RH60%时,PM_(2.5)的影响作用最显著;PM_(2.5)质量浓度对能见度的影响阈值随相对湿度增加而减小,当PM_(2.5)质量浓度低于46μg?m~(-3)时,能见度随着PM_(2.5)质量浓度降低而迅速增大。随着相对湿度增加,或者PM_(2.5)质量浓度增加,低能见度出现频率呈上升趋势;高湿度、高细颗粒物浓度均可导致低能见度的出现。当前一日能见度低于7km,当日相对湿度大于75%,且PM_(2.5)质量浓度大于65μg?m~(-3),当日能见度超过75%的比例在5 km以下。当前一日PM_(2.5)质量浓度达到中度及以上污染,当日能见度随着相对湿度增加逐渐减小,RH≥80%时,能见度低于5 km的比例达到70%。     

北方地区典型高速公路近路区域大气污染特征研究

摸清高速公路近路区域大气污染特征对有针对性地制定交通大气污染防治对策具有重要意义。基于2016年1月及8月京藏高速毕克齐互通交通环境监测站以及呼和浩特市国控站点空气质量监测逐时数据,分析了冬、夏季节高速公路近路区域环境空气污染物质量浓度变化规律。结果表明,路侧污染水平冬季重于夏季,NO_x是最主要的交通污染物,其冬季和夏季日均质量浓度分别为(374.10±165.24)μg·m~(-3)和(300.57±60.11)μg·m~(-3)。受光化学反应影响,冬季NO_x质量浓度与交通量呈显著负相关(r=-0.492);夏季凌晨时段(00:00-06:00)NO_x质量浓度与交通量呈显著正相关(r=0.584),CO质量浓度也与交通量呈正相关(r=0.424);颗粒物质量浓度与交通量相关性不显著。从污染物质量浓度日变化特征来看,在昼间车流高峰时段PM10、PM_(2.5)、CO质量浓度均出现"峰值",而NO_x质量浓度则出现"谷值"。与气象因素的相关性分析可知,PM_(10)质量浓度与风速呈显著正相关(冬季r=0.890,夏季r=0.612);PM_(2.5)质量浓度与风速呈显著相关,受主导风向影响冬季呈负相关(r=-0.473)、夏季呈正相关(r=0.587),PM_(2.5)质量浓度还与温度呈显著正相关(冬季r=0.495,夏季r=0.565);NO_x质量浓度与相对湿度呈显著正相关(冬季r=0.707;夏季r=0.577),与温度呈显著负相关(冬季r=-0.763;夏季r=-0.528);冬季CO质量浓度与风速呈显著负相关(r=-0.629)。与城区国控站点相比,高速公路监测站PM_(2.5)、PM_(10)及CO质量浓度冬季显著低于城区,夏季与城区相近;近路区域NOx质量浓度在冬夏季均远高于城区,应列为高速公路交通环境监测站点首要监测污染物。     

北京采暖季PM_(2.5)水溶性无机离子污染特征及其影响因素

为深入研究北京市采暖季PM_(2.5)中水溶性离子的污染特征及其影响因素,利用大流量采样器结合石英滤膜采集了2016年11月15日—2016年12月31日期间北京市典型污染天的PM_(2.5)样品(19个),采用离子色谱法测定了其中的水溶性无机离子成分,收集了同期北京市的日均气象数据和海淀区日均PM_(2.5)数据。应用热力学平衡模型ISORROPIA-Ⅱ分析了PM_(2.5)样品的酸度值,Traj Stat软件分析气流的72 h后向轨迹,并采用潜在源贡献因子分析法(PSCF)定位了PM_(2.5)潜在污染源的位置,浓度权重轨迹分析(WCWT)法定量解析了潜在污染源对北京PM_(2.5)质量浓度贡献的大小。结果表明:(1)PM_(2.5)的日均质量浓度变化范围为7.6~383μg·m~(-3),均值为114μg·m~(-3),污染天是清洁天的4.4倍;(2)10种水溶性离子的总质量浓度均值为44.61μg·m~(-3),SNA(NO_3~-、SO_4~(2-)、NH_4~+)占总水溶性离子的81.37%,污染天NO_3~-、SO_4~(2-)、NH_4~+质量浓度均值分别为20.35、16.16、8.68μg·m~(-3),分别是清洁天的4.7、3.5、3.6倍;(3)污染天PM_(2.5)酸性比清洁天强,污染天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4,清洁天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4、NH_4NO_3;(4)北京PM_(2.5)及其水溶性离子的污染除受本地污染源影响,还受河北省中部和南部以及内蒙古中部等区域传输的影响;(5)在北京采暖季低大气边界层以及三面环山的特殊条件下,风速和相对湿度是影响北京PM_(2.5)及其水溶性离子污染特征的2个主要气象因素,高湿度低风速的静稳天气条件可以造成以本地污染物为主的大气重污染,此外,一定范围内的低风速可以使周边地区高浓度的污染物传输至北京,加重大气污染。     

京津冀城市群PM_(2.5)的空间分布及相关性分析

以京津冀城市群2014—2016年1 090 d PM_(2.5)浓度日值数据为基础,基于Arc GIS 10.2软件,选择典型月份分析PM_(2.5)月优良天数比例、月重度及严重污染天数比例的时空分布特征及其空间相关性。结果表明,研究区城市之间各年PM_(2.5)浓度月优良天数比例与月重度、严重污染天数比例整体波动趋势基本一致,其中PM_(2.5)月优良天数比例高值集中在5—9月,PM_(2.5)月重度与严重污染天数比例高值集中在11—次年2月;从区域分布看,PM_(2.5)月重度与严重污染天数比例从石家庄、保定市向周边城市由高到低递减。选取典型月份对研究区PM_(2.5)进行空间相关分析,结果表明PM_(2.5)存在正空间相关性,即PM_(2.5)浓度的空间分布表现出空间聚集性。     

春运期间北京市PM_(2.5)污染特征

为研究春运期间北京市PM2.5和气态污染物的污染特征,根据35个空气监测子站周边环境类型的不同将北京市划分为城区、郊区、对照区和交通密集区.结合春运期间的人为活动,比较分析各类污染物在各区域的日均浓度变化特征;将PM2.5日均浓度与SO2、NO2、CO、O3日均浓度及北京市的日均温度、相对湿度、风级进行相关性分析.结果显示,春运期间北京市PM2.5污染最严重,超过《环境空气质量标准》二级标准的天数占45%;PM2.5日均浓度变化趋势与春运客流量变化具有较好的一致性;各区域PM2.5、SO2、NO2和CO的日均浓度均符合交通密集区城区郊区对照区的分布,而O3的情况为对照区郊区城区交通密集区;各区域PM2.5浓度分别与该区域SO2、NO2、CO浓度呈正相关,与O3浓度呈负相关;各区域PM2.5浓度与温度未见相关性,与相对湿度呈正相关,与风级呈负相关.本文的研究结果表明,交通运输、烟花燃放和气象因子对春运期间PM2.5的污染特征影响较大.     

城市公园外侧防护林结构对外源PM_(2.5)的消减作用

城市公园是居民休闲的重要场所,其外侧防护林是围合公园景观、消减外源污染的重要屏障。为研究城市公园不同配置结构外侧防护林内PM_(2.5)浓度的时空动态变化规律及其对外源PM_(2.5)污染的消减作用,通过布置样带监测城市公园不同配置结构外侧防护林(阔叶乔木林、阔叶乔草林、针阔混交林)距道路不同宽度处PM_(2.5)浓度,分析影响PM_(2.5)浓度的因素,并对不同配置结构外侧防护林对外源PM_(2.5)污染的消减作用进行计算。结果表明,(1)城市公园不同配置结构外侧防护林内PM_(2.5)浓度日变化规律大致相似,均呈现白天低晚上高的趋势,9:00—15:00时段防护林内PM_(2.5)浓度达到国家标准II类功能区浓度质量要求,5:00时防护林内PM_(2.5)浓度污染最严重,超出国家标准II类功能区浓度质量要求237.36%~335.31%。(2)城市公园不同配置结构外侧防护林在15~45 m宽度范围内PM_(2.5)浓度与路缘处PM_(2.5)浓度相近,阔叶乔木林和阔叶乔草林在60 m宽度前后出现PM_(2.5)浓度升高的现象。(3)城市公园外侧防护林11:00、13:00时对PM_(2.5)浓度污染消减作用最强,19:00、7:00时对PM_(2.5)浓度污染消减作用相对较差;阔叶乔木林、阔叶乔草林距道路165 m时消减作用相对较好,针阔混交林距道路45 m时消减作用相对较好,呈正消减作用。(4)PM_(2.5)浓度与平均风速、温度、相对湿度呈极显著相关,与其他气象因子相关性不显著。     

高速公路PM_(2.5)中重金属季节变化特征及健康风险评估

以往的研究较多关注于城市环境空气PM_(2.5)的重金属污染特征和健康风险,而以交通源为主的相关分析较为匮乏。为探索高速公路环境空气PM_(2.5)中重金属季节变化特征,评价高速公路工作人员健康风险,于2018年3-10月分4次集中采集南昌市周边3条高速公路(昌樟、昌铜和温厚)服务区、收费站中环境空气的PM_(2.5)样品,运用电感耦合等离子体质谱联用仪(ICP-MS)监测了PM_(2.5)中6种重金属(Cu、Zn、Pb、Cd、Cr和Ni)质量浓度,分析其季节变化特征,并利用地累积指数法(Igeo)、美国环保局推荐的健康风险评价模型,对环境空气PM_(2.5)中6种重金属的污染特征及人体健康风险进行评价。结果表明高速公路服务区和收费站环境空气PM_(2.5)质量浓度的季节变化特征表现为春季秋季夏季,PM_(2.5)中不同重金属元素质量浓度的季节变化表现出显著性差异。总体上,不同季节PM_(2.5)中重金属质量浓度表现为ZnPbCrCuNiCd,其中Cr的平均质量浓度为4.07×10~(-2)μg·m~(-3),远高于城市水平。地累积指数评价结果表明6种重金属均受到不同程度的交通源污染,其中Zn和Cd的污染程度分级为严重污染,而Cu、Cr和Ni在秋季表现出更为严重的污染程度。健康风险评价结果表明,高速公路收费站和服务区环境空气的PM_(2.5)中重金属不存在非致癌风险,而致癌风险评价中,PM_(2.5)中Cr的致癌风险评价值超过阈值10~(-4),具有致癌风险,Ni的致癌风险评价超过10-5,具有潜在致癌风险。环境空气PM_(2.5)中重金属的污染特征及致癌风险均表现为秋季高于春季和夏季,交通源引起的大气Cr和Ni污染应受到重视。     

舟山市环境空气PM2.5及水溶性离子污染特征分析

为探究舟山市PM_(2.5)及水溶性离子组分的污染特征,于2016年4月、7月、10月和2017年1月在舟山市区3个国控点采集了168个PM_(2.5)样品,利用离子色谱仪测定颗粒物中的9种水溶性离子(Cl~-、NO_3~-、SO_4~(2-)、NH_4~+、K~+、F~-、Na~+、Mg~(2+)和Ca~(2+)),结合气象数据和数值分析手段对舟山市区PM_(2.5)和水溶性离子质量浓度特征、颗粒物酸碱度及二次离子的影响因素(气象参数、前体物)进行研究.结果表明,采样期内,舟山市PM_(2.5)质量浓度时间变化规律为春季冬季夏季秋季,空间分布较为均匀;二次离子是舟山PM_(2.5)主要水溶性组成,且在PM_(2.5)中具有一致的季节变化特征;阴阳离子平衡分析显示舟山市PM_(2.5)整体呈现酸性,并以夏季酸度最低、秋季酸度最高;温度是影响舟山市二次离子浓度的主要气象因素;以燃煤源为主的固定源是舟山市水溶性污染物的主要污染来源,檀枫和临城采样点的SO_4~(2-)和NO_3~-受电厂和燃煤锅炉的污染排放影响严重,普陀区船舶客货运输量大,是普陀点二次离子前体物的主要污染来源.     

北京采暖期典型区域环境空气污染特征分析

北京采暖期空气污染较非采暖期严重得多,但目前针对采暖期北京城市上风向、下风向、中心区和主干道路等典型人类活动区域的主要污染物浓度特征及其受气象条件变化影响的研究还比较缺乏,为了摸清北京市采暖期不同典型区域大气污染特征,更有针对性地制定环境空气污染防治对策,利用2014年采暖期首月(11月15日—12月14日)北京市北郊(八达岭)、南郊(永乐店)、城市中心区(天坛)、城市交通干道(永定门内大街)等典型区域的PM_(2.5)、SO_2、NO_x、O_3质量浓度监测数据和气象数据,分析4类代表性区域的环境空气污染特征和时空变化情况。结果表明,PM_(2.5)是各区域冬季主要污染物,日均质量浓度在61.75~143.81μg?m-3,总体空间分布状况为南郊最严重、城市交通干道和城市中心区次之、北郊的PM_(2.5)污染最轻,除北郊外其余监测点ρ(PM_(2.5))均超过二级标准限值。各区域的主要污染物略有不同,其中北郊ρ(SO_2)较其他区域高,白天12:00时最低(29.09μg?m-3),夜晚18:00—次日01:00持续居高(58.8~63.19μg?m-3),这与燃煤采暖等人类活动规律一致;南郊以PM_(2.5)、NO_x混合型污染为主;城市交通干道附近ρ(NO_x)和ρ(O_3)较高,表明局地光化学反应NO_x-O_3生消机制作用明显,污染物浓度变化与人类出行时间一致。气象条件对不同污染物浓度的影响存在差异,微风无持续风向、大气扩散条件较差时,PM_(2.5)呈现不断累积状态,SO_2、NO_x和O_3累积效应不明显,但其单日质量浓度峰值显著增加;北风和微风反复交替、大气扩散条件总体较好时,各监测点的SO_2、NO_x受地区性污染源排放影响波动不大,随扩散条件转差南郊ρ(PM_(2.5))会迅速增加。城市交通干道机动车排放典型污染物ρ(NO_x)及其二次污染物ρ(O_3)随着气象条件变化其峰值在日内变化显著。     

山西省大气PM_(2.5)污染时空分布特征

本文基于国家空气质量自动监测位点2015年3月到2016年2月全年的逐时监测数据,对山西省11个地级市PM_(2.5)的污染状况与时空分布进行了详细研究.结果表明,山西省11个地级城市PM_(2.5)年均浓度均超过了国家年均浓度的二级标准限值,其中,长治和运城污染最为严重,超标率均高达27.51%.PM_(2.5)月均浓度变化特征分析发现,各地区PM_(2.5)污染高峰主要出现在冬季,9个城市在夏季出现另一小高峰,太原在春季出现另一小高峰.PM_(2.5)/PM_(10)月均浓度变化特征分析发现,太原、大同、晋城、朔州、晋中和忻州等6个城市PM_(2.5)/PM_(10)的值从春季到冬季逐渐增长,临汾和运城该比值波动于50%—70%之间,阳泉和吕梁PM_(2.5)/PM_(10)的值在7月和11月出现两次高峰,长治则在7月和1月出现两次高峰,提示不同地区可能受到不同污染源的影响.PM_(2.5)日变化规律总体较为一致,呈明显的双峰分布,其特征是中午和午夜高,凌晨和下午低.不同季节PM_(2.5)的空间分布虽有很大差异,但总体上南部城市高于北部城市.局部自相关分析发现,山西省PM_(2.5)污染的热点区域主要集中在运城.     

长株潭城市群PM_(2.5)污染的春节假日效应

利用长株潭城市群24个监测点PM_(2.5)小时监测数据,研究2013—2015年春节期间(7 d)和春节前后(14 d)PM_(2.5)污染差异及变化,并分析旅游休假活动对空气质量的影响。在去除气象条件(日降水量大于4 mm)影响后,从PM_(2.5)污染程度差异、PM_(2.5)浓度日变化差异和假日效应的空间差异3个方面分析了PM_(2.5)污染的春节假日效应。结果表明,整体上长株潭地区春节期间PM_(2.5)浓度比春节前后高12μg·m-3,但春节后(7 d)PM_(2.5)浓度比春节期间低41.5%,"节后效应"明显。由于受烟花燃放等假日活动影响,春节期间PM_(2.5)浓度在00:00—02:00时段显著上升,02:00时PM_(2.5)浓度比非春节期间高47.6%。在假日效应的空间差异方面,长沙作为游客流入地,春节期间PM_(2.5)浓度比非春节期间高33.5%,体现了人流出行和旅游活动对空气质量的显著影响。     

太原市城区大气PM_(2.5)和PM_(10)时空分布特征

研究太原市城区大气颗粒物质量浓度时空变化规律,可以为实施更有效的大气污染综合治理手段提供科学依据。以太原市9个国家空气质量自动监测站的数据为基础,运用统计分析和Kriging插值法,对太原市城区2019年大气颗粒物的时空分布进行了分析。结果表明,2019年太原市城区PM_(2.5)和PM_(10)年均质量浓度分别为56μg·m~(-3)和107μg·m~(-3),是国家二级标准限值的1.60、1.53倍,以PM_(2.5)和PM_(10)为首要污染物占总超标天数的44.03%和12.58%;PM_(2.5)/PM_(10)年均值为0.52,PM_(2.5)对PM_(10)贡献较大;PM_(2.5)季平均质量浓度为冬季(87μg·m~(-3))秋季(50μg·m~(-3))春季(49μg·m~(-3))夏季(34μg·m~(-3)),PM_(10)为冬季(123μg·m~(-3))春季(120μg·m~(-3))秋季(98μg·m~(-3))夏季(64μg·m~(-3));PM_(2.5)和PM_(10)质量浓度月变化呈U型,二者平均质量浓度1月最高,8月最低;PM_(2.5)和PM_(10)24h质量浓度变化呈"单峰单谷"型,峰值在10:00,谷值在17:00;取暖期PM_(2.5)与CO、SO2和NO_2相关性高于其他时段;太原市城区PM_(2.5)和PM_(10)质量浓度空间分布总体上呈北低南高之势,PM_(2.5)春夏秋季的空间分布格局与太原市城区生产、生活、交通干道分布格局比较吻合。以上结果提示秋冬季是太原市城区颗粒物治理的关键时期,位于南部的小店和晋源区为重点防控治理区域。     

园林植被对交通排放PM_(2.5)浓度影响研究

已有研究发现汽车尾气和道路扬尘已成为城市大气PM_(2.5)的重要来源之一,植被拦截被认为是去除大气颗粒物的有效手段之一。为了解道路两侧园林植被对道路交通排放的PM_(2.5)浓度扩散的影响,选择园林植被生长最茂盛且雨水较少的9月,在北京北五环路旁的奥林匹克森林公园内沿平行五环路和垂直五环路进行了布点采样,并结合ADMS扩散模型进行研究。北五环是北京最繁忙的交通主干道之一,白天(7:00—18:00)每小时单方向机动车流量达5 000辆以上。研究结果表明,晴天、雨后晴天、污染天公园内大气PM_(2.5)质量浓度分别为(84.3±23.6)、(62.1±12.7)、(246.1±60.5)μg?m~(-3)。垂直五环路和平行五环路的各监测点PM_(2.5)质量浓度无显著差异,但在局地为弱南风条件下,PM_(2.5)质量浓度自南向北有略微降低的趋势。由道路汽车排放的PM_(2.5)随着与公路之间距离的增加而呈指数型下降。ADMS模拟表明晴天和污染天由道路汽车排放的PM_(2.5)对公园内环境大气PM_(2.5)质量浓度的直接贡献不超过2%;但雨后晴天道路交通排放的PM_(2.5)贡献较大,可达25%。园林植被对降低交通排放PM_(2.5)浓度的作用并不显著,其主要作用是对PM_(2.5)进行空间隔离,然后利用大气扩散稀释作用降低由交通排放的PM_(2.5)在环境大气中的质量浓度。     

乌鲁木齐气溶胶粒径分布及细颗粒物(PM_(2.5))浓度变化分析

利用乌鲁木齐市中心区域气象局和黑山头2013年1月1日-2014年2月28日期间Grimm180在线监测数据,对乌鲁木齐市大气气溶胶数浓度和PM_(2.5)质量浓度的分布特征及其影响进行了分析,为深入了解乌鲁木齐市颗粒物污染现状,确定乌鲁木齐市大气污染治理重点,制定大气污染防治规划提供依据。结果表明,(1)气象局和黑山头气溶胶数浓度分布趋势一致,0.25~0.28μm之间的粒子数浓度最大;整体趋势表现为双峰型,第1峰出现在0.30~0.35μm之间,峰值分别为467.0和455.4 particle·cm~(-3);第2峰出现在4.0~5.0μm之间,峰值较小;粒径小于2.5μm的粒子数占到了粒子总数的99.88%;在粒径0.25~0.45μm范围内冬季气溶胶粒子数浓度最高,在粒径0.45μm范围内秋季气溶胶粒子数浓度最高;在粒径0.25~1μm范围内夏季气溶胶粒子数浓度最低,在粒径1μm范围内冬季数浓度最低;0.25~0.5μm粒径段内粒子占粒子总数的比例大小顺序为冬春夏秋;0.8~2.5μm之间不同粒径段的粒子占粒子总数的比例大小顺序为夏秋春冬;PM_(2.5)数浓度小时变化采暖期表现为双峰型,非采暖期为不太明显的三峰型。(2)观测期间气象局和黑山头PM_(2.5)平均质量浓度分别为61.77,43.42μg·m~(-3),日平均值超标率分别是30.81%和16.44%。采暖期气象局PM_(2.5)质量浓度小时变化呈现单峰,在19:00─21:00出现峰值;黑山头则呈现双峰,在6:00-8:00出现峰值,20:00出现一个不太明显的小峰;非采暖期气象局与黑山头PM_(2.5)质量浓度小时变化趋势一致,均表现为双峰型。两个站点PM_(2.5)质量浓度的季节变化均表现为冬季秋季春季夏季,特殊的地理位置和不同季节污染源的排放强度、气象条件是导致PM_(2.5)质量浓度随季节变化的主要原因。