空气细颗粒物污染的来源、危害及控制对策

 近年来由空气细颗粒物(PM_2.5)引起的大气污染现象频发,成为全社会广泛关注的环境问题.结合国内外研究,综述了PM_2.5污染的来源、危害及控制对策的相关研究进展.研究表明,人类活动排入大气中的一次颗粒物、一次颗粒物与大气中的气态污染物相互作用形成的二次颗粒物是PM_2.5的主要来源.长期暴露在PM_2.5环境中,会对人体的呼吸系统、心脑血管系统、神经系统及免疫系统的健康造成伤害.PM_2.5还会导致大气能见度下降,影响正常的生产、生活.针对中国PM_2.5的污染现状,提出了PM_2.5污染的控制对策及建议.     

源头防控与综合治理相结合改善室内PM2.5污染状况

 我国细颗粒物(PM_2.5)导致的大气污染形势日趋严峻,复杂的室内污染源以及人类更久的室内停留时间,使得室内PM_2.5污染对人类健康的危害更明显,更持久.开展一次和二次PM_2.5污染治理工作,方可改善大气空气质量和人居环境.     

重庆市荣昌区冬季典型霾期大气颗粒物浓度垂直变化特征

为探究川东平行岭谷大气颗粒物质量浓度垂直变化特征,通过对四川盆地偏东部的重庆市荣昌区典型雾霾期气象条件下大气颗粒物质量浓度(PM₁,PM_2.5和PM₁₀)的垂直连续监测,分析温度、风速、相对湿度等气象条件与大气颗粒物浓度垂直分布的关系。结果表明：PM₁,PM_2.5,PM₁₀的日变化在各高度范围内均表现为夜间浓度较高。3种粒径段颗粒物的质量浓度均随高度升高而下降,0～300 m内颗粒物质量浓度最高,PM₁,PM_2.5,PM₁₀分别为39.61,193.62,338.87μg/m³。不同空气质量状况下,颗粒物浓度纵向分布不同。空气质量为良时,颗粒物随高度升高缓慢下降,600 m处PM₁,PM_2.5和PM₁₀浓度为100 m处的70.49%,69.60%,65.94%;轻度污染期间,600 m高度的颗粒物浓度比...     

呼和浩特市大气污染特征及气象条件影响分析

为了解呼和浩特大气污染防治效果,选取呼和浩特市2017—2022年的主要大气污染物、气象要素数据,对污染物浓度的年、月变化、浓度比值、相关性进行分析,利用后向轨迹聚类对2020年3月进行分析。分析结果表明：呼和浩特市2017—2022年空气质量为优、良的天数呈上升趋势。各污染物浓度年变化特征明显,各污染物的浓度变化趋势除O₃均呈“U”形分布。PM_2.5、PM₁₀污染是呼和浩特市大气污染主要研究对象,PM_2.5/PM₁₀的值有明显的月变化特征,5月份为全年最低值。PM_2.5和PM₁₀高度相关性,而NO₂和SO₂与PM_2.5、PM₁₀均呈现正相关性。受气象要素影响,PM_2.5和PM₁₀污染物浓度变化趋势为夏低冬高,7、8月降雨量大,有利于空气质量改善,降水可带走、稀释更多的污染物。而后向轨迹聚类分析得4条气团...     

济南市冬季大气污染时空分布特征及潜在污染源区分析

利用2016—2018年冬季济南市大气主要污染物和气象监测数据,对大气污染特征及潜在源区进行分析。结果表明：2016—2018年冬季济南市环境空气中可吸入颗粒物PM₁₀和细颗粒物PM_2.5分别占首要污染物的34.7%和63.8%,轻度污染以上天数占总天数的58.6%,冬季高质量浓度PM_2.5导致年均值增加7.5μg/m³;从空间分布来看,PM₁₀与PM_2.5空间分布为天桥区、槐荫区及平阴县质量浓度较高,SO₂则为商河县和济阳区质量浓度偏高,NO₂和CO为济阳区、天桥区和槐荫区质量浓度较高;研究期间NO₂、CO、PM₁₀、PM_2.5的质量浓度呈正相关性,相关系数均在0.7以上,推断交通源、工业燃烧源、燃煤是颗粒物的主要来源;济南市冬季的气团输送为偏南、西北、偏北和偏东4个方向,偏南和偏东气团为影响济南市冬季大气污染主要输送路径。进一步研究潜在源区贡献...     

基于属性识别模型的铜仁市空气质量评价

为行政部门有效治理城市环境和生态保护,科学客观评价空气质量极为重要。本研究以铜仁市为对象,统计分析了2015—2020年铜仁市空气污染物变化动态特征,同时利用属性识别模型综合评价了铜仁市空气质量水平。研究结果表明：1)铜仁市主要污染物是PM_2.5、PM₁₀和O₃,其污染程度为PM_2.5>PM₁₀≈O₃,PM_2.5和PM₁₀浓度水平处于Ⅱ级标准,PM_2.5在冬季处于不达标水平,PM₁₀于2020年达Ⅰ级以下标准,有显著好转,O₃浓度2016年以来显著增加,存在污染风险。2)铜仁市近几年空气综合质量均为Ⅰ级标准,但空气质量综合水平呈下降趋势,主要原因在于PM_2.5作为首要的空气污染物,污染水平一直没有得到有效控制。此外,O₃污染程度风险增加。因此,PM_2.5和O₃     

人为排放对信阳市细颗粒物和臭氧的影响评估

基于信阳市2017—2020年细颗粒物(PM_2.5)和臭氧(O₃)浓度数据及同期地面气象观测资料,利用Kolmogorov-Zurbenko(KZ)滤波法将原始浓度序列分解为短期分量、季节分量和长期分量,采用逐步回归方法建立污染物基线分量和短期分量与相应尺度气象要素的线性回归模型,通过对残差进行滤波和序列重建,得到去除气象影响的污染物长期变化趋势,该浓度仅与污染物的排放量有关。结果表明,PM_2.5和O₃浓度的波动主要由污染源排放及气象条件的短期变化和季节变化引起,气象条件对PM_2.5季节分量和O₃长期分量影响较大。信阳市PM_2.5污染排放减弱,O₃污染排放先升高,在2018年10月后降低。由于污染排放导致的2017—2020年PM_2.5和O₃长期分量分别降低3.5、1.5μg/(m³·a)。     

CUACE模式对银川市区重污染天气预报效果检验

基于中国气象局化学天气数值预报系统（CUACE）模式下2015年1月至2018年12月预报产品及同期实况监测资料,通过对比和分析,从4种污染物的质量浓度、首要污染物、AQI及其等级等方面,评估CUACE模式对银川市区重污染天气的预报性能.结果表明,CUACE模式能较好地模拟2015—2018年中度以上污染天气的AQI及PM_2.5,PM₁₀,O₃质量浓度的变化趋势,其中,AQI与O₃质量浓度的预报值偏小,NO₂,PM₁₀质量浓度的预报值接近实测值;AQI与PM_2.5,NO₂,O₃质量浓度预报值与实测值之间的相关系数为0.48～0.70;实测AQI等级为4,5,6级时,表现出预报值偏小2级的概率较大、偏小1至3级的概率为20%～24%、偏小3级的概率为50%;首要污染物为颗粒物时,预报正确率为73.8%～75.0%,首要污染物为O₃时,预报的正确率较低.CUACE模式的整体...     

基于CMAQ-ISAM模型的长三角典型城市PM2.5来源解析

大气细颗粒物(PM_2.5)是影响长三角地区空气质量的关键污染物．近年来随着各项环保举措的实施,PM_2.5的来源特征也发生了变化,为了制定切实有效的PM_2.5治理方案,考察PM_2.5的主要来源及其贡献至关重要．本研究使用CMAQ-ISAM模型,定量分析了2018年长三角内4个典型城市(上海、杭州、南京和合肥)PM_2.5的主要来源．表明了上述4个城市PM_2.5的最主要来源:冬季为长三角外的远距离传输(38.5%~52.6%);秋季为各城市的本地排放(43.0%~50.9%);在春季和夏季,本地排放是上海、杭州和合肥PM_2.5的主要来源(春季37.1%~53.3%,夏季44.1%~64.7%),而南京则是周边区域传输 (春季38.5%,夏季46.3%)．针对冬季不同时期的来源解析表明,相较于清洁时期,4个城市在污染时期来自周边区域传输的贡献占比增大,上海、杭州、南京和合肥的增大幅度分别为10.0%、1.5%、8.1%和4.9%,因此开展长三角大气污染区域联防联控具有重要意义．      

长沙某区域空气污染成因分析

探寻长沙某区域内的大气污染成因，为该区域大气污染预警与控制提供理论依据。以该区域内大气中PM_2.5、PM₁₀、O₃、NO₂、SO₂、CO、有机污染物等污染因子为研究对象，以各污染因子浓度与组成在2021年3月至2022年2月的监测数据为依据，通过污染因子与影响因素之间的关联性分析，确定该区域内各污染因子的形成原因。结果显示：该区域内PM_2.5年均浓度为40μg/m³、PM₁₀年均浓度为43μg/m³，大气颗粒污染物主要由工地扬尘、非道路移动机械、机动车尾气以及燃烧源共同引起；大气有机物污染主要是由机动车尾气排放、有机溶剂挥发以及化石燃料燃烧产生。通过对臭氧生成潜势进行分析发现，芳香烃类物质贡献最大，占比60.8%，其次为烯烃类物质，占比为22.9%，这表明该区域臭氧浓度受溶剂涂料使用工序影响较大。     

大气颗粒物浓度自动监测仪器的研制及性能比对测试

颗粒物污染已成为我国的首要大气污染物,颗粒物污染的来源复杂、危害较大,简要介绍了目前国内外颗粒物监测方法和仪器设备的研究情况,以及所研制的、基于滤膜 称重法的、可同时测量PM₁₀和PM_2.5的DJ3-1型六工位自循环式大气颗粒物浓度自动监测仪。利用具有无限远光学系统的微分干涉相衬显微技术对该系统所采集到的颗粒物进行了显微观察,得到粗颗粒和细颗粒的粒径分布,与Andersen公司240型双通道采样器的切割性能十分 接近。与国内外部分监测仪器进行了同步的颗粒物质量浓度监测的比对测试,结果表明其性能已基本达到国外同类监测仪器的水平。     

利用集合深度学习方法订正空气质量数值预报结果——以新疆乌昌石城市群为例

开展基于空气质量数值模式CMAQ (社区多尺度空气质量模型)预报结果的后校正算法研究。利用集合深度学习方法, 对CMAQ的PM_2.5 (细颗粒物)原始预报结果进行误差订正, 以期提高预报准确率。该方法集合了深度神经网络模型、随机森林模型、梯度提升模型和广义线性模型4种机器学习模型, 在每一个模型中结合原始的气象预报、空气质量预报和土地利用类型等多源数据作为辅助变量, 对PM_2.5预报浓度进行校正, 最后求取4个模型的集合结果。将该方法应用于订正新疆乌(鲁木齐)昌(吉)石(河子)城市群的CMAQ预报结果, 利用2018年的独立样本进行评估, 订正预报结果的准确性显著提升, 站点5天预报的决定系数R²为0.41~0.60, 比原始预报提高60%~160%, 均方根误差RMSE降低 40%左右; 交叉验证的站点预报R²同样提升50%~80%, RMSE下降30%左右。该订正方法的计算效率高, 可以部署于业务化预报平台, 进行可靠的运行。     

山东省大气环境污染时空特征及其原因分析

 利用大气例行监测数据,分析了2014年山东省大气污染进行时空特征。从空间看,淄博、济南、枣庄等是山东省大气污染最严重的城市,日照、青岛、威海等城市的污染最轻,东部沿海城市的污染程度明显轻于内陆城市;各地市SO₂的达标情况较好,超过50%,其余污染物的达标率均较低,PM_2.5甚至出现各地市均超标的现象。从时间看,污染物冬季浓度高夏季浓度低;PM₁₀和NO₂浓度在3月有小高峰;8月份,SO₂、NO₂浓度略有升高;从全年来看,NO₂污染物排放浓度变化不大。通过灰色关联法分析可知,能源消费与污染物空间分布相关性最大,风速与污染物时间分布相关性最大。     

基于函数型聚类的重庆市主城区PM2.5防治区域划分

空气污染对人类的健康和环境有重要影响,对空气质量进行管理可以有效预防空气污染对人类健康和环境造成的危害。细微颗粒物(PM_2.5)在空气质量数据中对环境质量的影响最大,因此对其防控具有重要意义。由于划分防治区域是实施防控的重要前提,因此文章针对重庆市主城区17个监测站点的PM_2.5日均浓度数据,在采用7种插补方法修复PM_2.5缺失数据的基础上,分析其时空分布特征,并利用函数型聚类方法(Functional Nonnegative Matrix Factorization,FNMF)合理地划分PM_2.5防治区域,进一步分析重庆市不同区域的空气质量特征。研究结果表明,重庆市主城区可划分为3类PM_2.5防治区域,且各区域冬季污染严重,空间分布与城区经济发展相关,呈现出由北向南污染愈发严重的趋势。     

基于PCA-OS-ELM的大气PM2.5浓度预测

为了提高细颗粒物PM_2.5浓度预测精度,提出一种主元成分分析与在线序列极限学习机相结合（PCA-OS-ELM）的PM_2.5浓度预测方法. 首先,通过主成分分析方法（PCA）提取高维大气数据中影响空气质量的关键变量,并去除不必要的冗余变量;其次,利用提取的关键变量建立在线序列极限学习机（OS-ELM）网络预测模型,将批处理和逐次迭代相结合,不断更新训练数据和网络参数实现大气PM_2.5浓度快速预测.研究结果表明,PCA-OS-ELM预测方法采用不同批次训练数据更新模型的方式,能够快速实现大气PM_2.5浓度预测,证明了该方法的有效性.与其他方法相比,该方法预测误差小,预测精度高,具有更好的实用价值.      

西宁市非金属矿物制品业大气污染物排放清单研究

为研究西宁市非金属矿物制品业对大气污染物的贡献情况,根据排放因子方法建立了西宁市2018年非金属矿物制品业4种大气污染物的排放清单,并对清单进行了时空分布及不确定性分析,为西宁市非金属矿物制品业污染物排放控制提供依据.结果显示,西宁市2018年非金属矿物制品业大气污染物NO_x、SO₂、PM_2.5和PM₁₀的排放总量分别为3 300.18、1 195.93、1 281.18和2 382.72 t.西宁市非金属矿物制品业污染物排放企业主要在大通县、湟中县、城北区,集中在西宁市南部.其中,大通县是NO_x和SO₂最大的贡献区域,也是PM_2.5和PM₁₀的第二大贡献区域;湟中县是PM_2.5和PM₁₀的最大贡献区域,也是NO_x和SO₂的第二大贡献区域.水泥（干法）行业是NO_x、SO₂、PM     

基于多源数据的北京地区PM2.5暴露风险评估

基于2014-2016年的北京地区PM_2.5监测数据, 用空间插值法获得北京地区的PM_2.5空间分布, 并基于DMSP/OLS夜间灯光数据, 模拟得到北京地区的人口密度空间分布。在此基础上, 从PM_2.5浓度空间分布、PM_2.5污染的人口暴露特征、PM_2.5污染人口暴露强度以及人口加权PM_2.5浓度4个方面评估北京地区PM_2.5污染暴露风险。结果显示: 1)PM_2.5浓度呈现南高北低的空间分布特征, 人口暴露风险空间分布与人口密度空间分布呈现高度的一致性, 即人口密度高的区域,PM_2.5污染人口暴露风险也相对较高; 2) 2014, 2015, 2016年北京地区GB3095-2012二级年均浓度标准35 μg/m³的超标人口比例均为100%, 24小时平均浓度标准75 μg/m³的超标人口比例呈逐年显著下降趋势; 3) 2014-2016年北京市人口加权PM_2.5年均浓度值与PM_2.5年均值均存在差异, 差异度与城市暴露人口和污染情况密切相关; 4) 由于PM_2.5污染物浓度空间分布特征与人口密度空间分布特征不同, 北京市PM_2.5污染对总体人群的实际影响和健康危害与其平均浓度水平并不相同, 因此考虑人口密度空间分布特征的暴露风险评估比只考虑PM_2.5污染物浓度的暴露风险评估更准确。     

湖北省五市空气质量时空差异及首要污染物分析

近年来我国灰霾天气频发，环境空气质量引起了人们的广泛关注.本研究在湖北省5个代表城市2018年3月至2019年2月空气质量基础上，采用线性拟合分析法对该地区空气质量时空变化规律和温度对首要污染物PM_2.5的影响进行研究.年度结果表明，五市空气质量最差时段均出现在1月，且7月空气质量最优，其原因是冬季北方城市供暖，以及民众燃放烟花爆竹导致空气质量下降.五市空气质量空间分布结果表明，全年空气质量以咸宁市最优，襄阳市最差.冬季湖北省东部(武汉、黄冈和咸宁市)空气质量明显优于西部(襄阳和宜昌市);进一步对湖北省东部的武汉和西部的襄阳的首要污染物加以比较发现，两城市首要污染物均为PM_2.5和O₃,其中武汉市NO₂日均值达标率低于襄阳市，其来源一部分是当地工业生产和汽车尾气排放，另一部分则是由于气候风向和地形因素导致北方城市的空气污染物扩散而来.     

西安市秋季大气颗粒物散射特征及其影响因素

 为研究污染条件下西安市秋季大气颗粒物的散射特征及其影响因素, 于2012 年11 月监测大气颗粒物散射系数并采集PM_2.5样品。探讨了大气颗粒物的散射日变化特征, 通过实验分析PM_2.5中水溶性离子(Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、F^-、Cl^-、NO₃^-和SO₄^2-)和含碳物质(有机碳和元素碳)的污染水平, 并讨论它们的来源及对散射系数的影响。结果表明, 颗粒物的散射系数均值为(579±387)Mm^-1, 夜间高日间低。PM_2.5质量浓度与散射系数呈现出较强的线性关系(相关系数为0.85), 通过回归方程得到PM_2.5散射效率为3.09 m²·g^-1。在PM_2.5化学组分中, 有机物对消光系数的贡献最大, 占52.3%;其次是NH₄NO₃和(NH₄)₂SO₄, 贡献率分别为16.2%和13.7%。     

成都平原经济区城市空气质量时空变化特征

基于2016—2020年成都平原经济区城市空气质量监测数据，应用空气质量综合指数评价法、Pearson相关分析法，对成都平原经济区空气质量时空变化特征、成都市主要污染物变化特征进行了研究.结果表明：1) 2016—2020年，成都平原经济区城市群中空气质量指数出现了2个高值和2个低值中心，高值中心分别位于成都市、德阳市，2个低值中心分别位于雅安市、遂宁市，即成都市和德阳市空气质量最差，雅安市和遂宁市的空气质量最优；对于不同季节，1—12月，成都平原经济区的空气质量综合指数呈U字型变化，即空气质量6—10月较好，11月—次年2月较差.2) 2016—2020年，成都市PM_2.5质量浓度值皆超过了国家二级标准限值，并且以PM_2.5为首要污染物出现频率最高，而O₃、CO、SO₂年均质量浓度在研究时段内均低于国家二级标准质量浓度限值.3) 2016—2020年，成都市PM_2.5质量浓度与能见度呈显著负相关；年尺度上，成都市PM_2.5质量浓度与平均气温呈低度负相关，...