济南市PM2.5化学组分及污染特征分析

为探讨济南市大气PM_(2.5)主要化学组分和污染特征,2017年在济南市开展了PM_(2.5)样品采集工作,分析了PM_(2.5)中有机碳(OC)、元素碳(EC)和水溶性离子浓度水平。结果表明:采样期间济南市PM_(2.5)中OC、EC年均质量浓度分别为9.10、2.68μg/m~3,全年OC与EC质量浓度的比值为3.4,二次有机碳污染严重;OC、EC季节分布特征明显,均为冬季浓度最高,且秋、冬季两者相关系数较高,表明秋季和冬季OC、EC来源较为一致。NO_3~-、SO_4~(2-)、NH_4~+年均质量浓度之和为34.29μg/m~3,占水溶性离子总量的88.9%,是济南市PM_(2.5)中最重要的组分;各水溶性离子浓度具有明显的季节变化特征,NO_3~-、SO_4~(2-)、NH_4~+、Cl~-和K~+均冬季浓度最高,而Ca~(2+)春季浓度最高;PM_(2.5)中NO_3~-与SO_4~(2-)质量浓度的比值为1.10,说明相比于固定污染源,移动污染源对济南市PM_(2.5)影响更大。     

长春供暖季室内外PM2.5浓度垂直分布与分析

为研究严寒地区供暖季室内外PM_(2.5)浓度的垂直分布,在供暖季分别对长春某高层居住建筑1、8、15、24、33楼层的室内外PM_(2.5)浓度进行监测,研究不同楼层室内外PM_(2.5)的浓度与变化特征。采用随机组分重叠模型(RCS)方法研究各楼层PM_(2.5)渗透因子,采用逐步回归分析方法研究室内PM_(2.5)浓度的各影响因素。结果表明:在供暖季,长春市高层建筑的不同楼层均存在一定的PM_(2.5)污染,室内外PM_(2.5)浓度随楼层升高大体呈现减小的趋势,但差异不显著。室内外PM_(2.5)浓度存在显著的相关性(P 0.05),在没有室内污染源时,室外颗粒物渗透是室内污染的主要来源。室内PM_(2.5)浓度与房间面积等没有显著相关性。     

不同树种配置PM2.5动态变化特征

以北京市大兴区南海子公园26种常见树种配置为研究对象,应用Dustmate手持PM_(2.5)监测仪监测各配置PM_(2.5),结合气溶胶再发生器和叶面积扫描仪,分析单位叶面积PM_(2.5)吸附量,以综合探讨不同树种配置PM_(2.5)动态变化特征。结果表明:总体上,各树种配置中PM_(2.5)浓度呈现上午高、下午低的趋势,14:00最低。各树种配置中PM_(2.5)平均值表现为针阔混交林阔叶纯林阔阔混交林针叶纯林针针混交林,且6月9月7月10月5月8月。不同树种配置对PM_(2.5)的吸附能力差异较大,表现为针叶纯林针针混交林针阔混交林阔叶纯林阔阔混交林。因植物吸附PM_(2.5)能力取决于单位叶面积PM_(2.5)吸附量及其叶面积指数,进行树种配置时需同时考虑这两个因素,将不同生活型和具不同叶习性的植物合理混交配置,从而提高植被吸附和调控PM_(2.5)的能力,为优化城市绿化植物配置、降低空气中PM_(2.5)污染提供科学依据。     

重庆市主城区冬季PM_(2.5)空间分布模拟

PM_(2.5)以其对环境空气质量及人类健康的巨大威胁而逐渐引起了专家学者的关注。以西南地区典型山地城市——重庆市主城区为研究区,利用多元线性回归方法和地理信息系统(GIS)技术,基于2013—2017年冬季(1、2、12月)原重庆市环境保护局发布的17个空气环境监测站点实测数据,同时考虑自然及社会经济因素,构建了基于多因素的多元回归模型,模拟了重庆市主城区2013—2017年冬季PM_(2.5)平均浓度的空间分布状况。结果表明:PM_(2.5)浓度受多因素的影响,其中缓冲半径1 500m内建设用地面积、1 000m内林地面积、2 500m内产业点密度、1 500m内道路长度及高程影响较大;通过多因素与PM_(2.5)浓度的相关性建立的回归模型,能有效模拟PM_(2.5)浓度的空间分布特点,重庆市主城区冬季PM_(2.5)平均浓度的空间分布呈现中西部高、北部和东南部较低的格局;2013—2017年冬季PM_(2.5)平均浓度有下降的趋势,2015年冬季下降幅度尤为明显。此研究结果对探讨PM_(2.5)浓度的空间分布特点有一定的应用价值,可为减轻空气PM_(2.5)污染及提高城市空气质量提供重要的科学依据。     

广州PM2.5污染特征及与气象因子的关系分析

基于2014—2016年广州PM_(2.5)浓度逐时观测数据,研究了广州PM_(2.5)污染变化特征及其与气象因子的关系,确定了影响广州大气能见度的PM_(2.5)浓度阈值。结果表明:(1)2014—2016年广州PM_(2.5)质量浓度平均为32.7μg/m3,广州1月PM_(2.5)污染最重,轻度、中度、重度污染频率合计达20.16%;(2)PM_(2.5)浓度与风速、降水、气温、能见度呈负相关,与相对湿度、气压呈正相关;(3)广州地区在南风的条件下PM_(2.5)浓度最低,风速小于2m/s的偏北风下易出现污染;(4)PM_(2.5)浓度与相对湿度共同影响广州能见度的变化,随着相对湿度的增加,PM_(2.5)浓度的敏感阈值不断减小,通常当PM_(2.5)高于37.3μg/m3时,控制PM_(2.5)对改善城市能见度成效相对缓慢,而当PM_(2.5)浓度低于此阈值时,降低PM_(2.5)将显著提高大气能见度。     

焦作市冬季PM2.5中水溶性离子组成特征及来源解析

为探讨焦作市冬季PM_(2.5)中水溶性离子特征及其来源,于2017年12月至2018年2月在焦作市区连续采集大气颗粒物PM_(2.5)样品,测定其中9种水溶性离子浓度。结果表明,焦作市冬季PM_(2.5)质量浓度为(99.11±73.26)μg/m~3,总水溶性离子质量浓度为(66.88±48.68)μg/m~3,其中NO_3~-、SO_4~(2-)、NH4_+是水溶性离子的主要成分,3者合计占总水溶性离子的81.5%(质量分数)。与清洁天相比,污染天NO_3~-、SO_4~(2-)、NH_4~+在PM_(2.5)中的占比显著增加,表明人为活动排放的二次污染物是焦作市冬季污染天PM_(2.5)的主要贡献成分;随着相对湿度的增加,大气中存在明显的气溶胶二次转化过程;焦作市大气PM_(2.5)移动源贡献大于固定源。焦作市PM_(2.5)中水溶性离子在清洁天主要受工业和生物质燃烧影响,而在污染天主要受气态污染物二次转化影响;后向轨迹聚类显示,采样期间焦作市主要受京津冀地区、西北地区气团影响。     

贵阳市白云区大气PM_(10)和PM_(2.5)污染特征

使用β射线法在线监测仪连续监测了贵阳市白云区PM_(10)和PM_(2.5)浓度,分析了2014年6月1日—12月31日7个月内PM_(10)、PM_(2.5)的浓度水平、时变规律和PM_(2.5)/PM_(10)的变化情况。结果表明,监测时段内PM_(10)和PM_(2.5)的日均浓度平均值分别为76.8μg/m~3和40.0μg/m~3,均达到国家二级标准;浓度超标的天数占总观测天数的5.1%和9.3%,属污染轻微的地区。PM_(2.5)/PM_(10)在25.3%~78.8%之间周期性波动,平均值为52.1%。PM_(10)和PM_(2.5)的浓度变化具有很好的正相关性(r=0.919 8,p0.000 1);日均值在7个月中呈现明显的周期性变化,各月相对稳定,12月的PM_(10)和PM_(2.5)浓度最高且变化最为剧烈,6月最为平缓。PM_(10)和PM_(2.5)浓度小时变化总体上呈双峰型分布,最高值出现在出现在09:00—10:00和19:00—21:00前后,最低值出现在14:00—17:00之间。     

利用快速检测法研究石家庄道路交通扬尘排放特征

利用快速检测法(TRAKER)实时监测石家庄夏季铺装道路机动车道PM_(2.5)、PM_(10)的背景浓度和在机动车行驶过程中车轮扬起的PM_(2.5)、PM_(10)浓度,分析车速对PM_(2.5)、PM_(10)排放特征的影响,并得到不同类型道路积尘负荷、排放因子和排放强度。结果表明:车轮扬起的PM_(2.5)浓度随车速变化不大,而PM_(10)起伏较大;车速相同时,快速路、主干道、次干道、支路的PM_(2.5)质量浓度分别为0.046、0.110、0.160、0.097mg/m~3,表现为次干道主干道支路快速路,与积尘负荷的强弱顺序一致;不同类型道路排放因子表现为次干道快速路支路主干道,排放强度表现为快速路次干道主干道支路。研究结果可为石家庄道路交通扬尘排放清单的构建以及扬尘的治理提供数据支撑和参考。     

气象因素对大气污染物影响的季节差异分析及预测模型对比—— 以深圳为例

以深圳为例,通过收集其2014年9月至2017年8月的地面气象观测数据、大气污染物PM_(2.5)和PM_(10)浓度数据及空气质量指数(AQI),利用SPSS软件分别构建线性回归模型与非线性多层神经网络(MLP)模型,探讨了气象因素对PM_(10)、PM_(2.5)及AQI影响的季节性差异,并利用构建的两种模型对PM_(2.5)、PM_(10)和AQI进行预测和对比。结果表明,气温、湿度、风速及风向均对深圳PM_(2.5)、PM_(10)及AQI有较大影响,且影响因素存在季节差异性;两种模型中,MLP模型在对复杂多变的空气质量预测上更具优越性。研究结果可为深圳空气质量优化以及城市局部和整体规划提供科学依据,并为其他城市空气质量模拟分析提供参考。     

基于BP人工神经网络的城市PM2.5浓度空间预测

针对PM2.5日均质量浓度,采用BP人工神经网络模型,预测研究区空气中PM2.5浓度的空间变异,通过与普通克里格(Ordinary Kriging)插值方法对比验证BP人工神经网络预测模型的精度.结果表明:BP人工神经网络预测模型下研究区检验样本点位置的PM2.5仿真浓度与观测浓度之间的均方差、平均绝对误差、平均相对偏差和相关系数分别为0.296 μg2/m6、0.412 μg/m3、1.650％和0.851;而与此同时,普通克里格插值方法下的对应结果分别为1.041 μg2/m6、0.689 μg/m3、11.910％、0.638.研究成果在肯定BP人工神经网络预测模型可用于揭示PM2.5浓度空间变异特征的同时,也证实了其相对于普通克里格插值方法在固定空间点位准确预测PM2.5浓度方面的优势.     

西宁取暖季PM2.5水溶性离子的污染特征研究

于2017年1—5月(取暖季)在西宁市区、郊区、农村设置采样点采集PM_(2.5)样品,利用离子色谱法测定PM_(2.5)中水溶性无机离子浓度。结果表明:取暖季西宁大气PM_(2.5)日均质量浓度为(55.98±52.66)μg/m~3,呈现明显的市区郊区农村的浓度变化特征。PM_(2.5)中水溶性离子质量浓度之和占PM_(2.5)质量浓度的36.3%,水溶性离子平均浓度大小为SO_4~(2-)NO_3~-NH_4~+Na~+Cl~-C_2O_4~(2-)Ca~(2+)F~-K~+Mg~(2+);取暖季西宁大气硫氧化率(SOR)和氮氧化率(NOR)平均值分别为0.21、0.13,表明SO_4~(2-)、NO_3~-主要由二次转化形成,PM_(2.5)中NO_3~-/SO_4~(2-)(质量浓度比)为0.75,阳离子与阴离子电荷摩尔数比值为0.89,表明燃煤是PM_(2.5)主要贡献源,颗粒物总体呈酸性。后向轨迹分析表明,重污染期间西宁PM_(2.5)及其中水溶性离子的浓度变化不仅受本地污染源的影响,也受外来气团输送的影响。     

中国近年PM2.5污染研究进展

近年来雾霾天气在中国大面积频发,PM_(2.5)已经成为中国大气颗粒物污染的首要污染物。对中国近年来PM_(2.5)的研究进展进行总结,分析了城市大气及室内环境中PM_(2.5)的来源,阐述了PM_(2.5)对大气能见度、人体健康及人们行为方式的影响,介绍了室内外关于PM_(2.5)的相关性指标以及PM_(2.5)控制的最新技术等,最后对相关研究前景进行分析并提出建议。     

基于LUR模型的PM2.5浓度空间分布监测及分析

为有效解决传统监测技术无法获取城市内部高分辨率PM_2.5浓度空间分布情况的问题,基于土地利用回归(land use regression,LUR)模型,以关中平原城市群为例模拟其PM_2.5空间分布状况,通过获取研究范围内54个监测站点的PM_2.5浓度数据,结合土地利用类型、气象、地形、植被指数、人口密度、交通和污染源等因素,分别建立春、夏、秋、冬及年均5个LUR模型。结果表明：LUR模型调整后各季节及年平均值的R²分别达到0.831 (春)、0.817 (夏)、0.874 (秋)、0.857 (冬)、0.900 (全年平均),5种模型拟合度均较好;采取交叉互验的方法进行了精度检验,显示5种模型的平均精度均达到80.4%,说明LUR模型在模拟关中平原城市群PM_2.5浓度空间分布时适用性良好。模拟结果显示,研究区各季节的PM_2.5浓度在空间分布上大致相同,呈现出东部高、西部低的明显特征,且空间分布状况受地形因素的影响较大。但在浓度均值的季节变化上则具有夏季低、冬季高的明显差异。本研究结果可为关中平原城市群PM_2.5污染防治提供科学依据,亦可为城市内部PM_2.5浓度空间分布数据的获取提供新思路。     

广州市夏、冬季室内外PM2.5质量浓度的特征

2004年7月2日至8月13日和2004年11月29日至2005年1月6日分别在广州市3种类型区域(一般城市区域、道路旁、工业源附近)9个居民住宅的室内和室外同步采集了PM2.5颗粒.采用标准称重法测定PM2.5质量浓度,得到广州市夏季住宅室内外PM2.5平均质量浓度分别为67.7、74.5 μg/m3,冬季室内外PM2.5平均质量浓度分别为109.9、123.7 μg/m3.广州市PM2.5平均质量浓度,与美国PM2.5标准相比,与国内PM10标准基础上假设的PM2.5限值相比,与其他一些国内、亚洲和欧美城市的文献记录相比,结果均显示广州市PM2.5处于相当严重污染状态.广州市PM2.5质量浓度呈现明显的空间分布特征和季节变化特征;PM2.5室内质量浓度并不总是低于室外质量浓度,反映了室内空气污染的存在.     

杭州市G20峰会保障期间PM2.5和O3污染特征与区域传输影响研究

分析了2016年杭州市G20峰会保障期间(8月24日至9月6日)的环境空气质量,利用WRF-CMAQ模型研究了区域传输对杭州市G20峰会保障期间PM_(2.5)和O_3污染的影响。结果表明,G20峰会保障期间,杭州市PM_(2.5)日均质量浓度平均值为31.3μg/m~3,逐日浓度均达到《环境空气质量标准》(GB 3095—2012)二级标准(75μg/m~3)的要求,8月31日出现PM_(2.5)浓度上升趋势,9月1日达到最高47.0μg/m~3;O_3最大8h质量浓度平均值为159.9μg/m~3,8月24日至25日和8月28日至31日两个时段O_3浓度出现了超过GB 3095—2012二级标准(160μg/m~3)的情况。杭州市本地减排对PM_(2.5)浓度下降贡献70%,浙江省其他地市贡献16%,江苏省、上海市以及安徽省与江西省分别贡献了8%、4%、2%,区域联防联控对杭州市PM_(2.5)浓度的改善具一定的作用。精准控制上风向O_3前体物排放可在一定程度上缓解杭州市的O_3污染。     

北京市无风天人体高度的PM_(2.5)、PM_(10)变化特征及扩散机制研究

为了解无风天情况下PM_(2.5)、PM_(10)的人体暴露水平及扩散机制,对人体呼吸高度的PM_(2.5)、PM_(10)浓度及近地面不同高度处的温度、相对湿度进行连续监测,分析了垂直温度梯度、相对湿度的相对变化速率对PM_(2.5)、PM_(10)浓度的影响,并利用回归分析法建立PM_(2.5)、PM_(10)浓度与不同高度处温度、相对湿度的单、多变量回归模型,从中选取最优回归模型。结果表明:(1)晴天的PM_(2.5)、PM_(10)浓度在研究时段(9:00—21:00)内总体呈先降低再升高的趋势,而阴天、小雨天PM_(2.5)、PM_(10)浓度呈多峰变化,起伏较大;晴天不同高度的温度差异大,阴天、小雨天温度差异相对较小;晴天不同高度的相对湿度曲线总体均呈U型分布,相较而言,阴天及小雨天各层的相对湿度曲线波动较大;(2)垂直温度梯度是影响晴天PM_(2.5)、PM_(10)扩散的主要原因,相对湿度变化是影响颗粒物扩散的另一重要因素。(3)PM_(2.5)、PM_(10)浓度的单、多变量最优回归模型表明,低污染晴天,温度是影响颗粒物扩散的主要因素,高污染晴天则主要受相对湿度的影响,介于上述两种污染状况之间时,PM_(2.5)、PM_(10)浓度不仅受各层相对湿度的控制,还受到温度的影响。阴天PM_(2.5)、PM_(10)浓度的最优回归模型相对复杂,模型精度不及晴天。     

宁波市大气可吸入颗粒物PM1o和PM2.5的源解析研究

在宁波市布设4个代表性点位,于2010年春季、夏季和冬季进行大气PM10和PM2.s的采样,同时采集了多种颗粒物源样品,建立了PM10、PM2.5和源样品的化学成分谱.采用化学质量平衡模型(CMB)对宁波市PM10、PM2.5进行源解析.结果表明,城市扬尘、煤烟尘、机动车尾气尘是宁波市PM10、PM2.5的3大污染源,...     

基于混合效应模型的京津冀地区PM2.5数值模拟

采用2017年京津冀地区中分辨率成像光谱仪提供的3km气溶胶光学厚度(AOD)和气象数据,分别在有无气象因子作为自变量的情况下对PM_(2.5)与AOD的关系进行解释。比较基于空间、时间及时空的78种混合效应模型的模拟效果,并利用十折交叉模型进行验证。经相关系数、拟合程度和模型误差对比,最终确定将气温、相对湿度、风速和气压4种气象因子作为影响因子的基于时空的混合效应模型效果最佳。利用该模型估算2017年京津冀地区的PM_(2.5)监测值,结果表明,PM_(2.5)监测值与模拟值的R~2为0.90(经十折交叉模型校正后为0.81),均方根误差、平均绝对误差分别为13.44、10.12μg/m~3,模型的拟合精度较高。同时研究表明,整体来说,京津冀地区呈现南高北低、平原地区东南高西北低、非平原地区高纬度区域相对低的空间格局。     

汾渭平原采暖期与非采暖期大气环境质量时空变化特征研究

采暖期重污染天气频发,成为大气环境质量改善的难点。汾渭平原刚被划为中国环境治理的重点区域,大气污染形势十分严峻。基于2014—2018年PM2.5、SO_2、NO_2、O_3和CO等污染物监测数据及空气质量指数,分析了汾渭平原采暖期和非采暖期大气环境质量的时空变化特征。结果表明:(1)采暖期PM_(2.5)、SO_2、NO_2和CO浓度均高于非采暖期,非采暖期PM_(2.5)相比采暖期低42%～54%,采暖期SO_2、NO_2和CO的平均浓度分别是非采暖期的2.7、1.5、1.6倍,而非采暖期O_3平均浓度是采暖期的2.2倍;(2)PM_(2.5)和SO_2为采暖期首要污染物,O_3为非采暖期首要污染物;(3)采暖期和非采暖期三省交界处和临汾的PM2.5浓度均较高,采暖期气态污染物的空间分布与非采暖期基本相似,其中SO_2浓度的空间分布为山西境内河南境内陕西境内;(4)采暖期PM_(2.5)与SO_2、NO_2、CO浓度均呈正相关,与O_3呈负相关,非采暖期SO_2、NO_2和CO随PM_(2.5)浓度呈一致变化趋势,均先上升后下降,与采暖期的变化趋势并不相同;(5)采暖对PM_(2.5)和SO_2的年平均贡献率分别为34.9%和42.1%。     

无锡市区大气污染物污染特征及影响因素研究

利用2014年无锡市区的6种大气污染物浓度和气象因子等监测数据,研究了无锡市区各种大气污染物的污染特征及其影响因素。结果表明:(1)无锡市区PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度的季节变化特征为冬季最高,夏季最低;O_3浓度表现为夏季最高,冬季最低。就全年的综合情况而言,颗粒物污染,尤其是PM_(2.5)污染最严重。(2)PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度间两两呈正相关;PM_(2.5)、SO_2、NO_2、CO浓度均与O_3浓度呈负相关。(3)温度与PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度呈负相关,与O_3浓度呈正相关;相对湿度与PM_(2.5)、PM_(10)、SO_2、NO_2、O_3浓度呈负相关,与CO浓度无相关性;风级与PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度呈负相关,与O_3浓度无相关性。降水有利于PM_(2.5)、PM_(10)、SO_2、NO_2、O_3浓度的降低,但对CO浓度影响不大。(4)无锡市区空气质量周末比工作日差。NO_2、SO_2浓度周末低于工作日,O_3浓度周末高于工作日,呈现明显的"周末效应";PM_(2.5)、CO浓度周末高于工作日,未出现"周末效应"。