沙尘天气对北京大气重污染影响特征分析

利用北京市具有代表性的大气污染物监测站资料,统计出2000─2005年各月重污染的天数,并对4和5级的重污染特征进行分析.结果表明,北京市大气重污染主要源于颗粒物. 分析了北京沙尘型重污染年、季节变化特征和表现形式等. 利用2000—2005年北京及周边地区环境监测、卫星遥感以及气象等数据,对沙尘天气影响北京城区大气中ρ(PM₁₀₎进行分析发现,ρ(沙尘粒子)约占ρ(PM₁₀₎的1%～13%;沙尘天气的影响区域逐渐加重的顺序为前门<古城<车公庄<农展馆<东四<天坛<奥体中心<定陵;沙尘天气下ρ(PM₁₀₎具有双峰型特征,细粒子(PM_2.5)质量浓度的增加对人体健康影响极为不利.      

沙尘天气对兰州市PM10中主要水溶性离子的影响

利用在线监测仪器MARGA在兰州大学盘旋路校区对兰州市大气PM10中水溶性离子进行监测,监测期间(2011-04-01~2011-06-30)有15 d出现沙尘天气.兰州市PM10中主要水溶性离子物种为Ca2+、SO2-4和NO-3.扬沙天气期间NO-3和NH+4的浓度比非沙尘期间低,说明沙尘天气对当地人为源所排放污染物具有清除作用.沙尘天气期间,作为土壤污染源标识物的Mg2+、Na+和Ca2+离子都有明显增加,Na+和Mg2+相关系数为0.520,Na+和Ca2+相关系数为0.659,Mg2+和Ca2+相关系数为0.671,而非沙尘天气期间三者的相关系数并不高,Na+和Mg2+相关系数为0.065,Na+和Ca2+相关系数为0.131,Mg2+和Ca2+相关系数为0.163,说明沙尘天气期间三者之间具有相同的污染源,主要来自于土壤风沙尘,而非沙尘天气期间三者来源不同.Cl-的浓度在扬沙天气明显高于浮尘和非沙尘天气期间,说明外来的土壤风沙尘是Cl-的主要来源.     

2002年北京PM10时间序列及其成因分析

以北京2002年的ρ(PM₁₀₎日平均值和气象要素观测资料为例,根据小波分析的原理,利用Matlab小波分析工具,对逐日ρ(PM₁₀₎时间序列进行分解和重构,分析了该地区ρ(PM₁₀₎的年变化规律和突变特征.结果表明:2002年北京PM₁₀污染季节性变化强,春季最严重,冬季次之,夏、秋季节较好;全年共有4个突变点,均出现在沙尘暴或强沙尘暴期间,并指出沙尘天气是北京ρ(PM₁₀₎发生突变的主要影响因素.在此基础上,根据形成原因及气象资料分析,将2002年PM₁₀重污染天气过程分为沙尘型和排放累积型2类,并阐述了形成各类PM₁₀重污染天气的气象原因.      

塔克拉玛干沙漠腹地沙尘气溶胶质量浓度的观测研究

对塔克拉玛干沙漠腹地塔中地区进行了长达6a的试验观测研究,获得了该地区沙尘气溶胶的基本特征:塔中地区浮尘、扬沙出现日数呈上升趋势,而沙尘暴日数呈下降趋势,沙尘天气出现的频率和强度是影响沙漠地区沙尘气溶胶浓度的主要因素.可吸入颗粒物(PM10)月平均质量浓度峰值区分布在春夏两个季节,3~5月是主峰值区域,7~8月是次峰值区,春季PM10平均浓度在1000mg/m3左右变化,夏季在400~900mg/m3之间,秋冬两季浓度较低基本上在200~400mg/m3之间变化.每年的3~9月是总悬浮颗粒物(TSP)质量浓度较高的月份,4~5月是主峰值区,7~8月为次峰值区;2005年TSP质量浓度最低,年平均值为1105.0mg/m3,2009年略高于2008年,年平均浓度为1878.0 mg/m3,2008年5月TSP平均质量浓度是全年最高值,浓度值达到7415.0mg/m3.沙尘天气过程中大气颗粒物浓度变化具有以下规律:晴天<浮尘天气<浮尘、扬沙天气<沙尘暴天气．风速大小直接影响大气中颗粒物浓度,风速越大颗粒物浓度越高.气温、相对湿度和气压是影响沙尘暴强度的重要因素,也间接影响大气中颗粒物浓度的变化.     

2018年济南市PM2.5叠加沙尘重污染过程分析

为揭示重污染过程中多因素的综合作用,选取济南市2018年11月25日-12月4日一次长时间、高强度PM_2.5污染和沙尘混合的重污染过程,利用气象资料、空气质量监测结果、激光雷达探测资料及水溶性离子在线数据,开展污染特性以及潜在污染源综合分析.结果表明:①研究期间,首要污染物为颗粒物,ρ（PM₁₀）、ρ（PM_2.5）平均值分别为294、141 μg/m3,污染较严重.②根据ρ（PM_2.5）/ρ（PM₁₀）将此次重污染过程分为4个阶段,阶段Ⅰ~Ⅳ总水溶性离子浓度分别为（107.3±35.9）（95.2±34.5）（99.0±18.2）（29.3±9.3）μg/m3,分别占ρ（PM_2.5）的73.8%、56.9%、64.2%和43.2%.SOR（硫氧转化率）分别为0.47、0.42、0.55、0.25,NOR（氮氧转化率）分别为0.42、0.26、0.28、0.13,表明济南市大气中出现了显著的二次转化过程,SOR均大于NOR表明SO₄2-转化程度高于NO₃-.NO₃-/SO₄2-（质量浓度比）分别为2.97、1.75、1.69、1.45,表明此次污染各阶段中氮和硫的来源以移动源为主.③此次重污染过程济南市ρ（PM_2.5）受本地及周边城市传输和两次沙尘过境的综合影响,主要潜在污染源有山东省本地以及江苏省北部、安徽省北部、内蒙古自治区中部和京津冀地区等区域.④近地面均压场、高湿、小风等不利气象因素是导致此次重污染过程的重要因素.研究显示,济南市此次污染过程是不利气象条件、污染物一次积累和二次转化、区域污染传输、沙尘天气等多因素综合作用的结果.      

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...     

沙尘天气对北京大气环境质量及太阳辐射的影响

利用空气污染指数(API)、地面气象数据和辐射观测数据,分析了2009年3月一次典型沙尘天气发生时的大气环境质量及太阳辐射变化,并分析了2008年10月—2009年6月不同污染情形下各太阳辐射要素之间的关系. 结果表明:API与辐射关系明显,沙尘天气导致总辐射、直接辐射和反射辐射减小.净辐射白天减小而夜间增大. 能见度和气压等气象要素对沙尘过程影响明显. 沙尘到来时,能见度降低,地面处于低气压控制下;沙尘过境后地面被高压控制. 随着污染的加重,总辐射与反射辐射相关关系显著,变化不大但略有偏差;直接辐射和总辐射、散射辐射、反射辐射的相关性先降低后增加;散射辐射与总辐射的比值持续增大,但增加的速度随着污染的加重趋于平缓,且离散度增大.      

基于wavelet-SVM的PM10浓度时序数据预测

太原是以煤炭为主要能源的重工业城市,PM_(10)(particulate matter)是太原市的主要大气污染物,因此研究其变化趋势,并给出污染物浓度预测结果,为相关部门进行大气污染防治,为突发污染事件应急提供理论支持是一项非常重要的工作.支持向量机(support vector machine,SVM)应用于PM_(10)污染物浓度时序数据预测时,表现出良好的泛化能力.在预测模型建立过程中通常选择历史数据作为学习模型的输入特征,然而这样的数据表示形式,结构单一,信息表达不完备,在很大程度上将影响预测模型的泛化能力.本文以山西省太原市城区4个监测站点的PM_(10)日浓度数据为研究数据,通过小波变换(wavelet transform)将一维输入数据转化为由低频信息和高频信息构成的高维数据,并以该数据为输入数据建立wavelet-SVM预测模型.结果表明,相较于传统SVM模型预测,wavelet-SVM模型预测结果具有更高的精度,尤其能更加准确捕捉到PM_(10)浓度突变点,为大气污染预警提供有效信息支持,并且wavelet-SVM模型对于PM_(10)浓度时序数据变化趋势的预测精度有明显提升,能更好地预测PM_(10)浓度变化趋势,揭示PM_(10)浓度时序数据内在规律.     

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。     

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.     

北京城区PM_(2.5)及主要污染气体“周末效应”和“假日效应”研究

利用2009—2012年北京城区海淀宝联站6种污染物(PM2.5、NO、NO2、O3、CO和SO2)的连续监测数据,研究了污染物浓度的周循环变化规律,以及春节、国庆节假日期间和假日前后污染物浓度变化的差异.结果表明,北京城区O3浓度存在周末高于工作日的显著"周末效应"现象,其它污染物则表现出周末低于工作日的"周末效应"现象;国庆节较长假期存在与"周末效应"相类似的"假日效应",即假日期间污染物浓度明显低于非假日期间(O3相反).而春节期间PM2.5、CO、SO2出现"反常"浓度(污染物浓度在假日期间高于非假日期间),可能与春节期间烟花爆竹燃放有关.从污染物浓度日变化特征分析,污染物浓度高峰期与人类活动高峰期时间基本一致,而污染物在周末和工作日出现的浓度差异现象也与人类活动的周循环差异现象相吻合,NO、NO2和CO的小时平均浓度在周末和工作日的最大偏差出现在08:00,分别为-19.8%、-14.9%和-13.9%,说明北京城区出现污染物浓度的周循环变化特征和日变化特征与人类活动密切相关.     

北京大气PM10中水溶性金属盐的在线观测与浓度特征研究

研究了北京大气可吸入气溶胶（PM10）中水溶性金属盐的变化特征,并对其来源进行了分析。钠盐、钾盐、镁盐、钙盐浓度的变化范围分别为：0.5～1.4μg/m3、0.5～2.5μg/m3、0.1～0.5μg/m3、0.6～5.8μg/m3,不同水溶性金属盐最高值和最低值出现季节不同。水溶性金属盐没有明显的采暖期和非采暖期的差异,说明冬季采暖不是它们的主要来源。海盐和土壤源是北京大气PM10中Na+的主要来源,K+的主要来源包括秸秆燃烧和生物质排放,土壤源是Mg2+和Ca2+的重要来源。水溶性金属盐的日变化规律不同。降水对Na+、K+、Mg2+、Ca2+的清除分别为10％～70％、20％～80％、10％～77％、5％～80％。     

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.     

2007—2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM_2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM_2.5)近年来逐渐呈上升趋势;ρ(PM_2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM_2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_2.5)的影响.      

北京市基于PM10/CO关系的可吸入颗粒物自然源解析

通过详细分析北京市大气污染物多年(2000～2004年)的连续监测数据,建立了一种简便易行的大气颗粒物源解析方法.根据PM10与CO来源差异及不同时期PM10/CO比值的变化,推导出大气颗粒物的自然源贡献率.通过研究PM10、CO等大气污染物的年变化规律,发现PM10与CO等气态污染物浓度具有一定线性关系,且该线性关系存在明显季节变化,自然源贡献较少的秋冬季节二者的线性关系较好,而沙尘影响较重的春季线性差.建立了理想条件下冬季PM10/CO比值基准,并视其为城市人为源排放基准.冬季当PM10/CO比值大于该基准时,可以认为PM10有自然源贡献,比值越大,自然源贡献越多.根据冬季PM10/CO基准值和整个冬季PM10/CO比值变化情况,推算出2003年和2004年冬季自然源对PM10平均贡献为19%～23%;应用相同方法得到夏季PM10自然源平均贡献率为24%～28%;自然源年均贡献率为29%～35%,高于冬季和夏季,这主要是由于春季沙尘贡献量较大造成的.通过北京市大气污染物的源解析结果可以认为此方法准确有效.     

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.      

2013年北京市不同方位PM2.5背景浓度研究

利用2013年北京市6个站点PM_(2.5)浓度及5个站点气象监测数据,综合采用数理统计、物理识别、数值模拟的方法分析了2013年北京市不同方位PM_(2.5)的背景值.结果表明,2013年北京市西北、东北、东、东南、南、西南这6个方向边界点位的背景浓度在40.3~85.3μg·m-3之间,按由低到高顺序依次为密云水库、八达岭、东高村、榆垡、永乐店和琉璃河;2013年北京市PM_(2.5)北风时段背景值最低,西风时段次之,南风、东风时段明显偏高,不同风向下背景浓度的平均值分别在6.5~27.9、22.4~73.4、67.2~91.7、40.7~116.1μg·m-3之间,表现出北京东、南方向PM_(2.5)背景浓度较高分布特点;模拟的2013年北京市PM_(2.5)背景浓度空间分布呈现出南高北低的特征,周边区域对北京市PM_(2.5)背景浓度空间分布影响显著.     

关中地区秋冬季颗粒物二次有机碳的估算

2017年9月4日~2018年1月19日期间分别在关中地区的5个主要城市西安（XA）,渭南（WN）,铜川（TCH）,宝鸡（BJ）,咸阳（XY）设置采样点进行PM_2.5,PM₁₀颗粒物手工采样观测,采用热光透射法（TOT）分析碳组分,最小值法估算二次有机碳（SOC）浓度,结果显示PM_2.5与PM₁₀中SOC平均浓度分别为（7.44±5.54）,（9.62±7.49）μg/m³,一次有机碳（POC）平均浓度分别为（7.04±2.59）,（9.33±4.33）μg/m³,不同粒径颗粒物中SOC各点位的浓度值分布表现基本相同为XY > XA > WN > BJ > TCH.PM_2.5中SOC含量为8.76%,OC占比为48.03%,PM₁₀含量为6.28%,OC占比为48.09%,季节分布均呈现为秋季低冬季高,关中地区SOC污染严重.后向轨迹聚类分析结果显示污染气团传输主要是关中地区局部污染和西北,东北方向传输,其中局部污染轨迹的数量占比较多,浓度较高.低空传输与近地面风向风速及污染物分布存在差异,结合关中地区盆地地形,静风频率高,边界层低等多种因素造成颗粒物中SOC浓度较高,其中BJ点位易受到东北气团的污染物传输累积.