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。     

太原市采暖期大气PM_(2.5)中多环芳烃的污染特征

本研究对太原市采暖期PM2.5中多环芳烃(PAHs)的污染水平、组成特征、健康风险以及来源进行了分析。结果表明,太原市采暖期PM2.5的日均浓度水平为70.7~274.2μg/m3,90%的样品超过了我国《环境空气质量标准》(GB 3095-2012)中PM2.5的二级标准限值(75μg/m3)。PM2.5中16种PAHs的浓度水平为282.7~1 398.6ng/m3,平均值为915.7ng/m3。荧蒽(Fla)是浓度最高的单体,占PAHs总浓度的20.4%,其次是芘(Pry)和菲(Phe),分别占14.5%和13.2%。不同环数的PAHs质量浓度为4环5~6环2~3环。以苯并(a)芘(Bap)为参照对象的昼夜毒性当量浓度Bapeq分别为75.5和100.0ng/m3,高于我国和WHO对Bap的规定值(分别为2.5和1ng/m3),对人体健康存在潜在危害。根据PAHs环数分布及特征比值法判断PAHs的主要来源是煤燃烧,同时也存在一定的生物质燃烧和少部分石油燃烧。     

烟台市区PM10、PM2.5浓度季节性分布规律研究

利用均匀分布于烟台市区的10个空气自动监测点位2013年的数据研究了PM10和PM2.5浓度的季节性变化特征.对PM10 、PM2.5质量浓度分别进行了月均值和季节性均值变化特征分析,研究了不同季节和雾霾天气情况下,PM2.5在PM10中含量的变化情况.结果表明:烟台市区细颗粒物污染较严重,各采样点各月均值中超过二级标准的比例达到88.3％;2013年烟台市区PM 10、PM2.5质量浓度均呈现出春冬季节较高、夏秋季节较低、采暖季明显高于非采暖季,PM10浓度风沙季明显高于其他季节的特点;PM2.5对PM10的贡献呈现明显的季节性变化规律,在雾霾天气情况下明显偏高.     

廉江某地区大气TSP、PM10、PM2.5污染水平及相关性研究

为研究廉江市大气颗粒物污染特征,于2014年11月～12月采集TSP、PM10、PM2.5样品,用重量法分析质量浓度,并对相关性进行分析.结果表明,用环境空气质量标准(GB 3095-2012)来衡量,廉江市冬季大气颗粒物TSP、PM10、PM2.5的日均浓度均符合标准,环境空气状况良好;三个代表性采样点在监测周期内TSP、PM10、PM2.5的浓度变化趋势大体一致,监测结果能客观反映该区域颗粒物的污染状况;PM2.5与PM10,PM10与TSP之间均存在着显著相关性,回归方程相关性较好.     

杭州市主要工业燃烧设备PM2.5排放监管必要性研究

如何有效改善大气环境质量已成为杭州市“环境立市”发展战略实施中亟待解决的问题.大气细颗粒物(PM2.5)是造成灰霾天气的最主要因素.通过分析PM2.5的产生、组成、来源,论述了对杭州市燃烧设备PM2.5进行监管的必要性;并结合现阶段PM2.5产排污研究现状、检测结果和常用分析检测方法的论述,揭示了加强燃烧设备PM2.5产排污环节监管对于杭州市进行大气环境治理、企业技术改造等方面的重要性和意义.     

PM10可替代源成分谱的建立方法及其应用

对收集到的我国35个城市的PM10有效实测源成分谱进行系统聚类,应用系统聚类和方差分析方法,对源成分谱进行聚类和区域的划分.对聚为一类的各城市源成分谱进行主成分分析,所得主成分得分系数作为权重,加权运算建立可替代源成分谱.利用R、CD以及CMB模型解析所得源贡献值的相对误差,评价所建立的可替代源成分谱的合理性及可行性.得到6种污染源的13个可替代源成分谱,煤烟尘与扬尘各三类,土壤风沙尘、钢铁尘与建筑水泥尘各两类,机动车尾气尘一类.煤烟尘与钢铁尘可以直接进行替代;建筑水泥尘不存在明显区域特征;机动车尾气尘由于数据代表性不足,建议采用实测源成分谱;土壤风沙尘与扬尘的替代标准有待进一步的研究.     

大连市区PM2.5污染现状及影响因素分析

2013年大连市区空气中PM2.5年均值为52μg/m^3,超出国家二级标准0.49倍.大连PM2.5的污染一是受本地以及区域性冬季燃煤的影响,各项污染物在这一时期集中排放,强度过大,特别是采暖季节外来输送的贡献较大;二是由于不利的气象条件,近地面风速小,大气层结稳定,使污染物易形成积聚效应、难以及时扩散,特别是在西南风向时污染比较严重;三是受机动车尾气排放的影响.     

太原市PM10、PM2.5、SO2和CO冬夏两季污染特征研究

通过对太原市2013年冬季和2014年夏季PM10、PM2.5、SO2和CO 24小时平均浓度实时数据的整理和分析,结果表明,冬季污染较夏季严重。冬季为采暖期,颗粒物、SO2和CO相互之间呈现较强的相关关系,污染物来源有着较高的同源性,区域采暖燃煤是区域大气污染的主导性影响因素;夏季为非采暖期,颗粒物、SO2和CO相互之间呈现较弱的相关关系,其污染来源有着较低的同源性,燃煤污染不是区域的主要污染因素,颗粒物、SO2和CO来源于不同行业的工业污染,同时城市机动车尾气也是PM2.5和CO的污染影响因素。     

连云港市PM_(2.5)污染特征及影响因素分析研究

主要利用连云港市环境监测中心站的大气环境自动监测平台的监测数据,对PM2.5质量浓度的变化特征以及与气象要素的关系分析。结果表明,连云港市的PM2.5质量浓度的变化特征基本上有明显的夏季与非夏季两种季节性特征。在夏季,PM2.5污染程度较轻,而在非夏季,PM2.5污染程度较重;风速与PM2.5质量浓度变化曲线几乎是负相关的。当风速大的时候,利于污染物的扩散;而风速小的时候,容易使得污染物浓度变大;PM2.5质量浓度变化曲线与温度的关系几乎呈现的是正相关性。气温的变化不总是反映空气质量的好坏情况,而逆温却易使污染物浓度升高;PM2.5质量浓度变化曲线与相对湿度的关系呈现的是正相关性;PM2.5质量浓度变化曲线与气压的关系在总体是呈负相关的。     

西安市PM2.5时空分布模型研究

由基于时间序列的神经网络与BP神经网络构成一个二级神经网络模型.首先用基于时间序列的神经网络来构造模型,在每个监测站运用基于时间序列的神经网络模型得到一PM2.5的预测值P1,PM2.5与地理坐标之间无根本联系,只与相应地理坐标的环境因子有关,故用BP神经网络建立预测值P1与实测值P的模型,从而得到预测值P2,即通过构建二级神经网络得到PM2.5时空分布模型,然后对P2与P求均方差根RMSE进行检验.