鞍山市TSP及PM10相关性分析研究

分别在冬季及夏季选取具有典型气候特性的天气,采集空气中TSP和PM10.根据采样前、后滤膜重量之差及采样标况体积,计算TSP质量浓度,分析了TSP和PM10在大气中污染状况,研究了TSP和PM10的相关性及PM10占TSP的比例,并得出结论:在冬、夏二季TSP和PM10的浓度值变化趋势非常相似,在冬季时TSP和PM10...     

我国主要粮产区PM2.5、PM10时空分布特征及影响因素——以河南省为例

利用2018年河南省PM_2.5、PM₁₀监测数据,结合统计学方法及克里格插值技术,分析河南省PM_2.5、PM₁₀的时空分布特征及影响因素,结果表明:（1）PM_2.5、PM₁₀日均、月均浓度均呈现出“U”型变化特征,PM_2.5/PM₁₀月均值呈现出“W”型变化特征,PM_2.5、PM₁₀季均浓度及其比值均呈现出冬季>秋季>春季>夏季的规律;（2）PM_2.5、PM₁₀月均浓度的空间分布差异较大,而年均浓度则呈现出相似的分布规律,PM_2.5/PM₁₀季均值呈现出不同的空间分布规律,总体上东部及东南部较高,中西部区域较低;（3）PM_2.5、PM₁₀与NDVI、年降水量呈显著负相关,与人口密度、第二产业占比呈显著正相关。研究结论可为粮产区大气污染防治及粮食安全生产提供重要的科学依据。     

沧州市大气污染特征观测研究

利用沧州2009年7月～2011年7月的NOx(NOx=NO+NO2)、O3、SO2以及PM10的观测数据,分析了沧州市大气污染物的日变化、月平均变化、年变化以及季节平均变化特征.结果表明,NOx、PM10日变化为双峰型,O3为单峰.SO2日变化也呈现为双峰型,但是其变化幅度较平缓.NO、NO2、NOx、SO2有较相同的季节变化趋势.NO、NO2、NOx、SO2及PM10冬季值最大,分别为(30.0±18.9)μg·m-3、(50.5±19.8)μg·m-3、(80.5±38.7)μg·m-3、(62.1±34.7)μg·m-3、(201.6±98.5)μg·m-3.臭氧夏季浓度最高,其月均值为(88.0±22.3)μg·m-3.NO、NO2、NOx、O3、SO2及PM10年均值分别为(18.9±14.5)μg·m-3、(37.6±13.0)μg·m-3、(56.5±27.5)μg·m-3、(49.9±16.3)μg·m-3、(31.6±19.5)μg·m-3、(156.7±79.1)μg·m-3.秋冬季污染物主要为NOx(NOx=NO+NO2)、SO2以及PM10,夏季污染物主要为O3.     

某高密度街区大气颗粒物质量浓度分布特征实测研究

为研究城市高密度街区大气颗粒物浓度分布特征,2019年秋季对上海市某高密度街区道路大气颗粒物浓度、空气温度、相对湿度、地理位置、车辆与道路图像视频信息进行了同步移动在线监测,并结合街区内固定站数据和后向轨迹模拟结果,总结了影响街区大气颗粒物浓度变化的主要因素。结果表明:城市大气颗粒物背景拟合值处于较低水平时,街区内的大气颗粒物浓度变化和影响因素易被识别;机动车污染源对大气颗粒物浓度贡献大,其中大型机动车的影响明显;户外施工和道路清扫会引起大气颗粒物浓度上升,其中PM₁₀上升更明显;交通密度大的十字路口大气颗粒物浓度通常较高;城市高架的盖状结构会阻碍大气颗粒物在垂直方向上的扩散,引起局部大气颗粒物浓度上升;街区内高大浓密的乔木对近地面的大气颗粒物屏蔽效果不理想,甚至有助于颗粒物累积;早晚高峰时段大气颗粒物浓度较非高峰时段高。     

北京大气颗粒物中一元羧酸的季节变化和来源分析

通过膜采样溶剂提取、衍生化GC/MS分析,对2006年9月~2007年8月间北京大气PM10和PM2.5中的一元羧酸进行了观测研究.结果表明,可检出C10~C30的烷酸以及油酸、亚油酸和桐油酸3种烯酸,其中含量最高的是C16和C18 2种烷酸.PM10中,一元羧酸总浓度为61.7~1652.3ng/m3,年平均为426.2ng/m3;PM2.5中,一元羧酸总浓度为34.5~992.1ng/m3,年平均为319.6ng/m3.75%的一元羧酸分布在细粒子中,且冬、春季浓度明显高于夏、秋季.春、夏、秋、冬4个季节PM10中一元羧酸浓度分别为(625.1±403.8), (200.0±95.3), (263.0±201.1), (659.9±433.5)ng/m3; PM2.5中一元羧酸浓度为(431.7±211.0), (194.4±95.8), (207.9±160.8), (463.6±262.1)ng/m3.源解析显示,燃煤排放是冬季最主要的人为污染源;机动车排放则在其他季节贡献最大.     

利用LUR模型模拟天津市大气污染物浓度的空间分布

针对传统监测方法无法满足对大气污染物空间分布高分辨率的要求,以Arcgis为平台,利用LUR模型模拟天津市PM10和NO2年均浓度的空间分布.选取的回归变量为1~4km半径缓冲区内的道路总长度、不同土地利用类型的面积、人口密度、风向指数及距海距离,选取3个监测点的监测数据对方程进行了验证.结果表明,对PM10年均浓度影响最大的因素是缓冲区为1km的道路总长度(R2为0.560),而对NO2年均浓度影响最大的因素是人口密度(R2为0.414).多元线性回归方程计算结果显示,PM10和NO2的R2分别达到0.946和0.691;如果考虑风向的影响,R2可分别提高到0.980和0.849.对天津市中心城区建立5km′5km网格嵌套,根据多元线性回归方程计算每个网格交点的污染物浓度模拟值.通过kriging插值得到2种污染物在天津市中心城区的空间模拟分布图.PM10年均浓度分布以研究区中心最高,向四周逐渐降低;NO2的年均浓度以研究区中心最低,向四周逐渐升高.模拟结果与实际情况相符.     

兰州市大气PM10对质粒DNA的损伤

使用质粒DNA 评价法研究了2005年12月~2006年10月兰州市区、郊区大气中PM10对质粒DNA的氧化性损伤,并初步探讨了其损伤原因.结果表明, PM10对质粒DNA的氧化性损伤具有冬、夏季相对较高,春、秋季相对较低的特征.市区冬、春、夏、秋季大气PM10全样的TD20平均值分别为17,625,56,260μg/mL,水溶部分的TD20平均值分别为62,840,193,403μg/mL.沙尘暴期间和降雨数天后, PM10对质粒DNA的氧化性损伤相对较小,其全样和水溶部分的TD20值均大于1000μg/mL.PM10 全样和水溶部分的TD20值均与样品中12种水溶性微量元素总含量呈明显的负相关关系,表明PM10对质粒DNA的氧化性损伤能力主要来自其水溶性微量元素.     

北京PM10持续污染及与常规气象要素的关系

北京PM₁₀持续污染已成为重要的污染现象.选用2000年6月─2002年12月北京空气质量日报和2003年1月─2006年2月9个代表站逐日ρ(PM₁₀)监测资料,利用奥林匹克体育中心站的数据分析了2003年以来北京地区空气污染状况,总结了该站近4年的PM₁₀持续污染变化趋势,并统计其与相对湿度、温度、风速和风向等常规气象要素的相关性.结果表明:①北京近几年秋末PM₁₀持续污染有加重趋势,各站点污染具有同步性;②PM₁₀持续污染以春、秋、冬季出现次数多,概率大,相对湿度、风速和风向对其影响较大,其中相对湿度与秋、冬两季持续污染概率的相关系数分别为0.96和0.97,相关性较好.      

大同盆地复杂地形下近场大气污染物扩散模型选取研究

基于大同盆地地形和气象站数据对山区复杂地形下的近地面风场特征进行分析,发现大同盆地内特殊的地形构造所形成的气流通道对其主导风向存在明显影响.在不开展实地气象观测、仅引用周边气象站数据的条件下,CALPUFF模拟的电厂处西南、东北风向风频分别为40.5％、14.9％,AERMOD模拟的电厂处西南、东北风向风频分别为19....     

广西玉林市大气PM10和PM2.5中有机碳和元素碳污染特征分析

2015年7月~2016年3月期间在广西玉林市3个空气监测点位共采集环境大气颗粒物PM_(10)样品218份,PM_(2.5)样品202份,利用多波段热/光碳分析仪分析其颗粒物中有机碳和(OC)和元素碳(EC)浓度水平、时空变化、污染特征及可能来源.结果表明,玉林市PM_(10)中OC和EC质量浓度分别为10.99μg·m~(-3)和5.11μg·m~(-3);PM_(2.5)中OC和EC质量浓度分别为7.51μg·m~(-3)和4.70μg·m~(-3).3个监测点位大气中PM_(10)和PM_(2.5)冬季的OC和EC浓度水平均高于其他季节,PM_(10)、PM_(2.5)中OC和EC的相关性较好,R2分别为0.58和0.60(P均小于0.01).应用最小OC/EC比值法对二次有机碳(SOC)含量进行了估算,冬季大气PM_(10)和PM_(2.5)中SOC平均质量浓度分别为14.50μg·m~(-3)和6.74μg·m~(-3),高于其他季节.PM_(10)和PM_(2.5)中SOC/OC比值均0.5,玉林市大气中粗细颗粒物均以SOC为主.夏季PM_(10)和PM_(2.5)中SOC/OC分别为80.6%和77.7%,为四季最高值,与夏季温度较高、光照强烈、有利于光化学反应将OC转化为SOC有关.