低浓度甲醛和PM2.5联合暴露对哮喘小鼠的影响

为探究低浓度甲醛（FA）单独及与PM_2.5联合暴露对哮喘小鼠的影响,选取70只雄性Balb/c小鼠,随机分为5组,分别为：对照组、卵清蛋白（OVA）组、FA+OVA组、PM_2.5+OVA组、FA+PM_2.5+OVA组,每组14只,其中6只进行气道高反应性（AHR）检测,其余8只用于检测血清T-IgE、肺泡灌洗液（BALF）中IFN-γ、IL-4以及肺组织中活性氧（ROS）、丙二醛（MDA）的含量,并对BALF中炎症细胞进行计数.同时对小鼠肺组织进行H&E染色以及p-p38MAPK和p-p65NF-κB免疫组化分析.结果显示,与OVA组相比,0.5mg/m³FA单独暴露组哮喘小鼠肺部MDA水平显著升高（P<0.001）,肺部炎症细胞呈现上升趋势（P>0.05）,0.5mg/m³FA和0.5mg/kg PM_2.5联合暴露组哮喘小鼠肺部炎症显著加重（P<0.05或P<0.01）,肺功能减弱（P<0.01）,肺部氧化应激水平以及p38MAPK和NF-κB的磷酸化水平均显著升高（P<0.05或P<0.001）,Th2型细胞因子释放显著增加（P<0.01）.因此,低浓度FA单独暴露会加重哮喘小鼠肺部损伤而非抑制,并且可进一步促进PM_2.5对哮喘小鼠肺部的损伤,即低浓度FA和PM_2.5联合暴露会对哮喘小鼠肺部造成严重损害,这可能与ROS介导的p38MAPK途径加剧Th1/Th2型免疫反应失衡有关.     

多机器学习模型下逐小时PM2.5预测及对比分析

为了能及时、准确的估算出PM_2.5浓度及污染等级,分别构建了K最邻近模型（KNN）、BP神经网络模型（BPNN）、支持向量机回归模型（SVR）、高斯过程回归模型（GPR）、XGBoost模型和随机森林模型（RF）6个PM_2.5浓度预测模型,选取江西省赣州市为实验区域,采用2017~2018年逐小时气象站数据、PM_2.5浓度数据和Merra-2再分析数据开展PM_2.5预测实验.结果表明,缺少污染物观测数据时,利用能见度和气象因子等数据也能较好的预测PM_2.5浓度.在PM_2.5浓度预测精度方面,XGBoost模型最高,随机森林模型次之,高斯过程回归模型最差.6个模型的预测精度总体呈现冬季最高,秋季和春季次之,夏季最低.XGBoost模型的PM_2.5污染等级预测准确率高于其他模型,综合准确率达87.6%,并且XGBoost模型具有训练时间短,占用内存小等优点.XGBoost模型的变量重要性结果表明,能见度变量的重要性最高,相对湿度和时间变量次之.本研究可为环境部门准确预测、预报PM_2.5浓度提供参考.     

极化处理对滤料过滤性能的强化

为强化滤料对微细颗粒物的捕集效率,采用一种具有吸附作用的天然矿物驻极体电气石,通过溶液沉淀及热压工艺将电气石颗粒附着于过滤材料表面,形成一种新型改性驻极滤料,实验结果表明：驻极处理后的滤料压差与未处理滤料基本一致,对微细粒子的捕集效率提升显著,捕集效率的提升幅度随着颗粒物粒径减小而增大.与传统驻极体滤料不同,新型驻极滤料经200℃高温处理后对微细颗粒物捕集效率没有变化.电气石纯度越高吸附作用越明显,纯度为87.52%电气石对0.3,0.5,0.7,0.9,1,2.5μm颗粒的捕集效率分别提升了18.52%,18.01%,16.84%,15.76%,13.35%,11.49%;纯度为80.61%电气石对各粒径颗粒捕集效率分别提升了11.57%,11.20%,9.94%,9.75%,8.47%,9.76%;纯度为78.87%电气石对各粒径颗粒捕集效率分别提升了9.24%,9.26%,7.75%,7.77%,6.06%,5.90%;平均粒径为25μm的电气石颗粒对3μm颗粒物捕集效率的提升<2%.     

北京市平原区裸露地风蚀扬尘排放量

以北京市平原区为研究对象,基于美国国家航空航天局（NASA）的陆地卫星（Landsat系列）遥感资料,设计算法批量提取裸露地信息,并结合通用扬尘排放模型,计算估计北京市平原区的裸露地风蚀扬尘源中PM₁₀、PM_2.5的排放系数及年排放量,建立了北京市各区的裸露地风蚀扬尘排放清单.研究表明,1987~2016年间北京市平原区裸露地面积减小了约600km²;风蚀扬尘最严重的地区为大兴区,其次为通州区;以气候年均值为参数计算获得,2016年北京平原区裸露地由于风蚀扬尘效应产生的PM₁₀年排放量为7591.7t,这一排放量与前人研究估算的北京裸地风蚀扬尘PM₁₀排放量较为接近.在此基础上,进一步引入月和季度尺度气候参数,并对模型进行改进,探讨了逐月和季度累计的扬尘排放结果.进一步的研究表明：北京市平原区裸露地面积具有显著季节变化特征,2月裸露地面积最大,可达4500km²,8月最小为500km²;基于月气候参数和季度气候参数结合每月卫星资料反演获得的裸地面积估算,逐月累计的PM₁₀年排放量可达55175t,分季度累计PM₁₀年排放量为39294t.这说明当前常采用的裸地扬尘估算方法,由于扬尘排放模型的气候参数采用年均值,忽视了风蚀过程的季节差异,将会导致裸地风蚀扬尘的极大低估.     

东海PM2.5和PM10中水溶性离子的组成与化学特性

2014年5~6月在东海海域采集PM_2.5和PM₁₀气溶胶样品,通过离子色谱法对样品中主要水溶性阳离子（Na⁺、K⁺、NH₄⁺、Mg²⁺、Ca²⁺）和阴离子（Cl^-、NO₃^-、SO₄^2-、MSA）的浓度进行测定,并结合相关数理统计方法探讨了其主要来源.结果表明,PM_2.5和PM₁₀样品中主要水溶性离子的总浓度范围分别为7.9~23.7μg/m³和10.4~47.9μg/m³,平均值分别为（14.9±5.8）μg/m³和（21.3±10.7）μg/m³.二次离子（nss-SO₄^2-、NO₃^-和NH₄⁺）浓度最高,分别占测定离子总浓度的80.8%和73.3%,其中SO₄^2-和NH₄⁺主要富集在细颗粒物（PM_2.5）中,NO₃^-主要富集在粗颗粒物（PM₁₀）中.富集因子及相关性分析表明K⁺主要来自陆源,Mg²⁺受海源和陆源双重输入影响.阴阳离子浓度平衡计算结果表明,细颗粒物样品呈弱碱性;粗颗粒物样品酸碱基本中和.两种样品中NH₄⁺的主要结合方式均为（NH₄）₂SO₄和NH₄NO₃.来源分析结果表明,PM_2.5和PM₁₀样品中生源硫化物对nss-SO₄^2-的贡献率分别为13.7%和8.7%.根据估算的干沉降通量结果,NH₄⁺对氮沉降的贡献程度小于NO₃^-.     

北京市不同年龄人群PM2.5载带重金属的健康风险

在北京中心城区（北2~3环路）利用大流量颗粒物采样器连续采集了2016年全年共218个PM_2.5样品,通过电感耦合等离子体原子发射光谱法（ICP-AES）测定了其中9种重金属元素,即As、Cd、Co、Cr、Cu、Ni、Pb、V、Zn.结合我国人群暴露参数,利用美国环保署推荐的健康风险评价模型,对北京市1~80岁不同年龄人群致癌非致癌健康风险进行了评价.结果显示：2016年北京市PM_2.5重金属中Zn、Pb、Cu质量浓度最大,依次为（291±553）ng/m³、（53.6±73.5）ng/m³、（25.0±59.7）ng/m³,其次为As、Ni;所有重金属中,As具有最大致癌风险贡献（62.5%）,Co具有最大非致癌风险贡献（29.0%）.不同年龄、性别人群的重金属危害指数（HI）均小于1,显示无非致癌健康风险,另外,儿童期HI值大于成人期.不同年龄、性别人群的重金属总致癌风险（CR）均位于10^-6与10^-4范围（即每1万~100万的人群数量中增加1个癌症患者）,显示无显著致癌风险,另外,随着年龄的增长致癌风险增加.此外,同一年龄人群中,女性致癌及非致癌风险均稍低于男性.     

不同排放源对华东地区PM2.5影响的数值模拟

使用中尺度气象-化学耦合模式WRF-Chem针对MEIC源清单中五大部门来源（工业源、电力源、民用源、交通源和农业源）对华东地区PM_2.5的影响进行了模拟研究,主要得到以下结论：春夏秋季PM_2.5约40%~60%来源于工业源,冬季由于采暖供热燃用大量散烧煤,导致民用源对PM_2.5的贡献最大,在山东、安徽和江苏省等高值区贡献率超过50%;农业源、电力源和交通源对PM_2.5影响的季节差异不大,农业源贡献约20%~30%,交通源和火电源贡献约10%.因此冬季需主要控制民用源排放,春夏秋季主要控制工业源排放,其次是农业源排放.一次PM_2.5在工业、电力和民用源贡献的PM_2.5中所占比例可达50%~60%;NO₃^-和NH+4在交通源贡献的PM_2.5中总比例可达53%,在农业源中总比例高达93%;由于模式对SO₄^2-模拟偏低,SO₄^2-在工业源和电力源贡献的PM_2.5中占比约5%~15%;OC对来自民用源的PM_2.5有30%的贡献,BC对来自交通源的PM_2.5有15%的贡献;Na⁺和Cl^-对PM_2.5的贡献在各大来源中均低于3%.     

基于混合效应模型的京津冀地区PM2.5日浓度估算

利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM_2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM_2.5关系,模型拟合R²为0.92,交叉验证调整R²为0.85,均方根误差（RMSE）为12.30 μg/m³,平均绝对误差（MAE）为9.73 μg/m³,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM_2.5浓度为42.98 μg/m³,暖季（4月1日~10月31日）为43.35 μg/m³,冷季（11月1日~3月31日）为38.52 μg/m³,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m³.空间上,京津冀地区的PM_2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM_2.5浓度,且模型估算的PM_2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑.     

沈阳市PM2.5浓度ARIMA-SVM组合预测研究

首先利用回归树分类方法,对采暖期与非采暖期各日进行气象类型划分,识别出易造成重污染天气的气象类型.其次分别在各气象类型内,以污染源排放量为自变量,利用差分自回归滑动平均与支持向量机（ARIMA+SVM）组合方法建立起PM_2.5浓度日均值预测模型,并选取2013年01月~2017年06月间,沈阳市区内9个环境监测点PM_2.5浓度日均值进行实证分析.结果表明,使用气象分类下的ARIMA+SVM组合模型对PM_2.5浓度日均值进行预测,相比于不划分气象类型时的普通机器学习模型,其模型预测值与实测值趋势的吻合度更高,且对峰-谷值的识别能力更强.在采暖期与非采暖期,组合模型均具有平均绝对误差更低、预测正确率更高的优点.     

基于集总参数模型的室内PM2.5浓度预测

基于颗粒物浓度集总参数模型建立室内PM_2.5预测模型,同时对模型中的关键参数穿透率、沉降率理论模型进行理论计算.以常州市某住宅建筑为例,通过动态模型对穿透率和沉降率模型进行实验验证,实验采样时间为2017年3月~2018年1月.根据实验数据计算换气次数在0.31~0.89h^-1范围内PM_2.5通过维护结构的穿透率为0.78~0.97,室内PM_2.5沉降率为0.3~0.69h^-1.本模型能较好地适用于自然通风、机械通风等不同通风工况室内颗粒物浓度预测.当室外PM_2.5浓度在135~150μg/m³变化时,使用过滤效率为82%的新风系统可维持室内PM_2.5浓度值在40~46μg/m³.