绵阳市城区空气PM_(10)、PM_(2.5)污染特征及相关性研究

采用连续自动监测方法于2013年9月至2014年4月对处于四川盆地内的中等城市绵阳市主城区富乐山、市人大、三水厂、高新区4个点进行空气质量监测。监测结果表明:空间分布上PM10和PM2.5污染程度城西工业区最高,市中心其次,森林公园最低。季节变化PM10和PM2.5污染程度为:春季<秋季<冬季。1天内PM10和PM2.5小时均值呈双峰分布。PM10和PM2.5一元线性回归方程为:y=0.7273x-2.9869,回归分析相关性系数为0.94。ρ(PM2.5)/ρ(PM10)平均值为0.7,变化范围为0.27~0.93。     

PM_(2.5)监测方法概述

针对颗粒物PM2.5的监测,探讨了目前国内外推荐的三种监测方法:重量法、微量振荡天平法和β射线法,分析了其原理和优缺点,介绍了各方法的应用现状。同时介绍了几种国外等同性方法,并做出比较。     

成都市春节期间大气PM_(2.5)化学元素的特征

为研究成都市春节期间大气PM2.5化学元素特征,于2010年2月10-28日在中国气象局成都高原气象研究所办公楼顶进行大气PM2.5采样。采用X-射线荧光光谱法(XRF)分析PM2.5中的无机元素。结果表明,除夕、元宵节PM2.5日均质量浓度分别为137.9μg/m3和287.5μg/m3。S、K、Cl、Al、Ba、Mg、Pb和Cu元素在除夕和元宵节2天中质量浓度是其它采样时间浓度的1.44~14.27倍;富集因子分析表明,S、Cl、K、Zn、As、Br、Sr、Cd、Sn、Ba、Pb、Cu主要是人类活动引起的各种污染所致;主成分分析得出,春节期间成都市PM2.5中的元素主要来源于烟花排放、机动车和燃煤排放;其次为冶金及机械制造等排放的烟尘。     

PM_(2.5)污染源分析与控制

近年来,随着我国经济的快速发展,全国不少城市经常性出现灰霾天气,秋冬季节的北方地区尤为严重,不仅能见度低,而且易发呼吸道等疾病。根据国家环保部门的研究已证实灰霾天气与PM_(2.5)密切相关。本文作者工作经验对PM_(2.5)污染来源进行分析,并探讨了其污染控制措施。     

上海市夏冬两季PM_(2.5)中碳组分污染特征及来源解析

2009年7月和2010年1月在上海市华东理工大学采样点采集PM2.5样品,应用热/光碳分析仪对样品中的有机碳(OC)和元素碳(EC)进行了测定,并计算得到了二次有机碳(SOC)、char-EC和soot-EC的质量浓度。结果显示:采样期间PM2.5、OC、EC、SOC、char-EC、soot-EC夏季平均浓度分别为(58.87±20.04)、(11.37±4.12)、(3.68±1.27)、(4.37±2.86)、(3.00±1.24)和(0.68±0.30)μg/m3;冬季平均浓度分别为(142.31±45.47)、(16.01±4.43)、(5.53±2.36)、(5.67±2.92)、(5.11±2.35)和(0.42±0.17)μg/m3,除soot-EC外,均呈现夏季低、冬季高的特点。在不同空气质量下,OC、EC和char-EC的质量浓度具有明显差异,且三者均与能见度、平均风速呈显著负相关。夏冬两季soot-EC、char-EC、SOC和POC占TC的百分含量相差不大,其中POC/TC值最高,soot-EC/TC值最低。夏季SOC/TC的比值高于冬季,可能由于气温高有利于发生光化学反应。对8个碳组分进行主成分分析,结果显示,燃煤、生物质燃烧、汽油和柴油车排放对PM2.5中碳组分的贡献显著,并且可能受燃煤和汽油车排放的影响最大。     

关于柳州市空气中颗粒物PM_(10)和PM_(2.5)污染水平的分析

为了初步调查柳州市空气中颗粒物PM10、PM2.5的污染水平,于2013年春、夏、秋、冬4季在柳州市的6个典型城市功能区进行数据采集。结果表明,柳州市PM10和PM2.5污染很严重,超标率分别为12.6%和35.1%,而且对人体健康危害更大的PM2.5占PM10的大部分,约为79.55%,应引起公众和相关职能部门的高度重视,且应在PM2.5问题上重点寻求突破。     

基于PLS1的天津市PM2.5与空气污染物相关性分析

运用相关性分析、单因变量偏最小二乘回归法(PLS1)和通径分析法,研究天津市2014年不同季节(共291 d)SO₂、NO₂、CO、O_{3(8 h)}和O_{3(1 h)}4类主要空气污染物对PM_2.5浓度的直接影响以及间接影响和总作用影响。结果表明:春季与PM_2.5浓度呈显著性相关的污染因子为SO₂、NO₂和CO;夏季为O_{3(8 h)}和CO;秋季为SO₂、NO₂和CO;冬季为SO₂、NO₂、CO和O_{3(8 h)}。冬季的O_{3(1 h)}与O_{3(8 h)}间存在严重的复相关性。剔除未通过T检验和F检验的污染因子后建立的春、夏、秋、冬四季PLS1模型的拟合优度(R ²)分别为0.553、0.323、0.713和0.839,模型拟合良好。通径分析结果显示:各季节中,CO对PM_2.5浓度的影响最大,且存在明显的季节变化,春、夏、秋、冬四季的总作用系数分别为10.810、5.587、6.271和12.500;O_{3(8 h)}在夏季对PM_2.5的总作用系数为0.897;NO₂在春、秋、冬季对PM_2.5的总作用系数分别为0.185、0.338和0.290;各污染因子对PM_2.5的直接作用系数均大于其间接作用系数。     

广州市区PM_(2.5)的污染特征

对广州市区PM2.5的污染状况进行了分析,结果表明广州市区的PM2.5呈现冬季浓度较高,夏季较低的季节性特征;PM2.5的日变化呈现出明显的双峰形;与PM10的相关性分析表明,PM2.5与PM10具有良好的线性关系。PM2.5/PM10的值约为0.59,表明广州市区空气中细颗粒物在PM10中的比重大于粗颗粒物,鉴于PM2.5的危害性及所占比例,应重视对其的监测。     

广州市区公交车站PM_(2.5)与CO暴露水平研究

用便携式颗粒物浓度测定仪(DustTrak Model8520)和CO测定仪(Q-Trak Model8551),于2008年9月至2009年1月对广州市区11个代表性公交车站的PM2.5和CO暴露水平进行了测定。结果表明,公交车站7:00～19:00时间段PM2.5的平均浓度范围为206～348μg/m3,总体均值达288μg/m3,显示公交车站PM2.5污染问题突出;CO平均浓度范围1.5～4.0mg/m3,总体平均2.8mg/m3,有六个站点平均浓度超过了我国环境空气质量标准限值(4.0mg/m3或3.2mg/m3)。大多数站点工作日与非工作日PM2.5与CO水平差异不大,部分站点则受车流量和客流量变化影响呈现差异。同一站点PM2.5日变化特征不如CO明显,一次污染物CO变化受交通高峰影响呈双峰特征,而PM2.5水平影响因素复杂,一般白天较低,夜晚21:00出现峰值。不同站点CO与车流量未见显著相关性,表明车流量并不是决定公交站点CO水平的唯一因素,而扩散条件及公交车排放可能也是重要影响因素;与CO不同,不同站点PM2.5与车流量表现出显著相关(p0.05),可能侧面反映路面扬尘对公交车站PM2.5水平的影响和贡献。     

西安市PM_(2.5)的时空分布特征研究

大气污染物PM_(2.5)对空气质量造成严重危害,威胁着人类健康。根据西安市13个监测区2013年1月1日—4月26日的PM_(2.5)质量浓度数据,得出西安市PM_(2.5)的浓度呈冬季高、春季低的特点。结合西安市的海拔数据、气象资料,并引入污染系数,分析得出了西安市13个监测区PM_(2.5)的浓度有以下规律:从西到东递减;分布与海拔高度和风向特点相一致;与平均温度、最高温度、最低温度均呈现负相关关系,但相关性不是很高。这为PM_(2.5)的针对性治理工作提供了理论指导。     

哈尔滨市AQI与空气污染物的相关分析研究

空气质量问题已成为民众关注的热点问题.选取哈尔滨市2014年-2015年AQI日报数据,分别分析了供暖期和非供暖期PM2.5、PM10、CO、SO2、NO2、O3六种主要空气污染物与AQI的相关性,结果表明,AQI与6个主要污染物间呈显著性相关.同时建立了供暖期和非供暖期AQI与主要空气污染物的多元线性回归模型,结果表明,CO对AQI起着主要作用.因此,提高供暖过程中煤炭燃烧效率,可有效削减空气中CO的浓度,对于改善空气质量起着至关重要的作用.     

哈尔滨郊区PM_(2.5)污染来源及特征

利用电感耦合等离子体质谱(ICP-MS)技术和统计学方法研究了哈尔滨市郊区采集的2012-2013年23个PM2.5样品的污染来源及特征。17种与污染源及健康相关的元素含量分布分析表明,冬季和夏季的燃煤、汽车尾气排放对PM2.5的贡献率最显著,且四季中其它污染源也有稳定的贡献率。对PM2.5四季样品中的47种元素进行富集因子分析,结果表明,Zn、Cu、Mo、Cd、Pb、In、Sb、Tl、Bi等9种元素富集因子(EF)值大于10,元素来自于人为源,其他38种元素的EF值小于10,来自土壤或扬尘等自然源;聚类分析表明,人为源元素中In、Bi、Tl、Cd、Pb、Mo、Sb主要来自煤炭燃烧、Cu、Zn主要来源于汽车尾气。     

城市主要大气污染物与呼吸系统疾病相关性浅析

根据监测资料得出，杭州市区大气中瓢法，二氧化硫、氮氧化物等浓度逐年略有上升的趋势。根据相同年份病谱分析，死于呼吸系统疾病的人数也相应增加，即呈正相关，其中，二氧化硫影响较大，提出了防治大气中二氧化硫污染的对策。     

系统动力学预测区域减排措施对GDP和PM_(2.5)的影响

中国的灰霾十分严重,如何有效地控制某一地区的PM_(2.5)浓度,同时保证GDP的中高速增长,需要建立GDP-PM_(2.5)的量化关系模型,做好宏观预测。充分利用城市大气污染物、气象、经济的多年统计数据,以及该地PM_(2.5)源解析、源清单和大气边界层信息,从中确定2种重要的辅助变量,一是单位GDP某种大气污染物排放量,二是各污染物形成PM_(2.5)的转化率,它们把GDP、PM_(2.5)和污染物排放量联系起来。再运用系统动力学(SD)建立GDP和PM_(2.5)动态关系模型。文章以东莞为例,预测了"确保经济、确保环境、源头治理、全面治理"这4种模式下污染物减排措施对GDP和PM_(2.5)的影响,并提出定量的减排建议。预测结果显示,"全面治理"的发展模式较为合理,既能保证经济的可持续发展,又能实现东莞PM_(2.5)减排目标。     

GAM的区域PM_(2.5)浓度影响因子识别及关联关系分析

区域PM_(2.5)浓度影响因子及显著程度对区域PM_(2.5)浓度模拟和污染控制具有重要意义。该研究应用广义加性模型(GAM)建立模型分析2013年京津冀区域PM_(2.5)浓度与AOD、气象因子(相对湿度、温度、降雨量、大气压、风速)和土地利用类型(水体、林地、耕地、建设用地、裸地)之间的相关关系。结果表明,温度、大气压、AOD、林地、建设用地和裸地显著的影响PM_(2.5)浓度;且温度、AOD、裸地、林地与PM_(2.5)存在复杂相关关系,大气压、建设用地与PM_(2.5)浓度存在线性相关关系。GAM模型R~2为0.952,拟合结果与实测结果的线性回归方程系数为0.959,模型交叉验证后得到R2为0.792。结果表明,利用GAM能有效的识别区域PM_(2.5)浓度的影响因子,根据影响因子进行PM_(2.5)浓度拟合并得到可靠的拟合结果。     

佛山市机动车尾气颗粒物PM_(2.5)的排放特征研究

以2010年为基准年,利用COPERTⅣ模型计算了佛山市机动车尾气PM10及PM2.5的排放因子和排放量,评估了交通源车型组成及国标分布特征对PM2.5分担率的影响,建立了5大类车型的PM2.5及PM10排放量比值关系。2010年佛山市机动车的PM2.5及PM10直接排放量分别为1 953.03 t/a及2 422.60 t/a;PM2.5排放量最高的2类车型为重型柴油车与摩托车,分担率分别为61.5%及19.3%;在所有机动车中国0车具有最高PM2.5分担率,高达47.5%;不同车型PM2.5/PM10排放量之比亦不同,依次为:轻型柴油车0.850>重型柴油车0.847>摩托车0.811>轻型汽油车0.574>重型汽油车0.477。柴油车与摩托车为削减PM2.5直接排放的主要控制对象,尤其应重点淘汰国0、国Ⅰ及国Ⅱ柴油类黄标车,综合考虑道路状况的前提下可实施限摩政策。     

哈尔滨春季大气PM_(2.5)物理化学特征及来源解析

应用场发射扫描电镜(FESEM)和带能谱的扫描电镜(SEM-EDX)对哈尔滨市春季市区大气PM2.5的物理和化学特征进行研究。微观图像表明PM2.5颗粒类型主要为矿物、烟尘集合体、飞灰和超细颗粒物;从各种颗粒的数量-粒度、体积-粒度分布及矿物元素分析表明,哈尔滨市大气PM2.5颗粒中,矿物、烟尘集合体、飞灰是颗粒的主要成分,分别来源于扬尘、燃煤燃烧和机动车尾气排放。     

宁波市冬季PM_(2.5)污染特征与来源解析

为了了解宁波市大气中PM2.5污染特征及来源,于2012年冬季在宁波5个环境受体点采集PM2.5样品,分析它们的质量浓度及多种无机元素、水溶性离子、金属元素和碳等组分的含量,并使用PMF模型对宁波市PM2.5来源进行了解析。结果表明:宁波冬季PM2.5浓度较高,5个点位PM2.5中主要化学组分均为有机物、SO42-、NO3-、NH4+和元素碳,约占PM2.5总质量浓度78.2%~92.4%。对宁波市PM2.5有重要贡献的源类分别为钢铁冶炼源、混合扬尘源、生物质燃烧源、二次硝酸盐、高氯源、机动车排放源、重油燃烧源和二次硫酸盐,其分担率分别为5.6%、3.3%、3.2%、28.8%、6.8%、22.2%、0.7%和29.4%。     

武汉大气PM_(2.5)中稀土元素的组成特征和来源分析

采用电感耦合等离子体质谱(ICP-MS)分析了16种稀土元素的浓度水平,并通过球粒陨石标准化、富集因子模型等方法对其分布模式和污染来源进行了分析。研究表明,武汉PM2.5中各稀土元素浓度随时间的变化趋势大体一致,其分布符合奥多—哈尔金斯定律,并呈轻稀土富集型的分布模式,但PM2.5中轻稀土元素相对于重稀土元素的富集程度比土壤高,稀土元素在土壤中的比重要高于PM2.5。武汉PM2.5中的稀土元素部分源于土壤或扬尘,部分则来自人为源,其中Sc主要来源于人为污染源,而Pr、Nd、Sm、Dy、Ho、Er、Yb、Y等8种元素的主要来源为土壤或扬尘,La、Ce、Eu、Gd、Tb等5种元素则部分来源于土壤或扬尘,部分来源于人为源。     

包头城区大气PM_(2.5)污染特征及来源解析

为探讨包头城区大气PM_(2.5)污染特征及主要来源,在包头城区设立4个采样点,于2015年12月-2016年9月采集大气PM_(2.5)样品,共获得160个有效样品,分析了PM_(2.5)及其无机元素、水溶性离子、元素碳(EC)和有机碳(OC)的质量浓度和污染特征。同时采集了包头城区土壤风沙尘、建筑施工尘、道路扬尘、煤炭燃烧尘、装备制造尘和金属冶炼尘等6类污染源,建立了包头市大气PM_(2.5)排放源成分谱。应用非负主成分回归化学质量平衡(NCPCRCMB)模型分析了PM_(2.5)来源。结果表明:观测期间包头市PM_(2.5)的年均浓度为80.58μg/m3,是中国《环境空气质量标准》(GB 3095-2012)年均PM_(2.5)二级标准限值的2.3倍;大气PM_(2.5)的季节变化特征为春、夏、秋三季低冬季高,且冬季显著高于其他三季;大气PM_(2.5)主要来源于二次离子和道路扬尘(贡献率分别为34.37%和15.98%),其他污染源贡献率相对较小。