2016年南昌市PM_(10)和PM_(2.5)质量浓度变化研究

利用南昌市2016年4月～2017年3月8个监测点的PM_(10)和PM_(2.5)质量浓度的监测数据,通过聚类分析探讨了大气颗粒物PM_(10)、PM_(2.5)的污染状况和不同功能区间的变化规律.结果表明:2016年南昌市大气颗粒污染物中,细颗粒物(PM_(2.5))较可吸入颗粒物(PM_(10))超标情况更严重;从时间角度看,PM_(10)和PM_(2.5)浓度表现为冬季春季/秋季夏季的季节性变化趋势;从空间角度看,表现为商业交通居住混合区交通区文教区居住区风景区的变化规律;PM_(2.5)/PM_(10)比值变化特征提示冬季可吸入颗粒物中细颗粒物所占比重最大,春季和秋季次之,夏季最小;在影响因素中,监测点大气颗粒物的浓度受交通环境的影响最大,受居民日常生活排污的影响次之.     

济南市大气细颗粒物中的碳组分特征

大气颗粒物作为济南市大气环境的首要污染物,严重影响了济南市环境空气质量.通过对济南市大气细颗粒物的滤膜采样与碳组分分析,对济南市细颗粒物中的碳质组分进行了研究,结果表明,OC、EC的平均质量浓度为12.1、4.8μg/m~3,占PM_(2.5)质量的12.0%和4.8%.OC为PM_(2.5)中的优势碳组分,春、夏、秋季的含量均在10%以上;春、夏、秋季TC对PM_(2.5)的贡献均达到了15%以上.济南春、夏、秋季PM_(2.5)中OC/EC比值分别为2.4、2.4、2.7,均大于2,说明济南春、夏、秋季都存在不同程度的二次有机污染.济南市春、夏、秋季有机碳中SOC的贡献率分别为14.8%、56.9%、49.6%.夏、秋季气温高,日照时间长的气象条件促进了SOC的形成.SOC质量浓度为4.8μg/m~3,总有机碳中SOC的贡献为40.4%,表明SOC已经成为济南市细颗粒物中的重要贡献源.通过对8个碳组分在PM_(2.5)中的含量分析发现,该采样点春、夏、秋季碳组分组成相似,特征组分均为EC1,说明汽油车尾气是济南市主要的污染源.     

玉溪市城区大气VOCs及其它污染物质量浓度时空特征分析

2014年8月至2015年7月在云南典型高原城市玉溪市5个监测点利用苏玛罐采样法采集VOCs样品,基于GC-MS分析方法获取了VOCs总质量浓度,同时利用空气自动监测设备监测了5个点位的大气NO_2、CO、SO_2、O_3(最大8 h)、PM_(10)和PM_(2.5)质量浓度.基于这些监测数据分析了玉溪市城区各种大气污染物的质量浓度分布特征及可能的来源.结果表明:监测期间玉溪市城区环境空气中VOCs、SO_2、NO_2、O_3、PM_(10)和PM_(2.5)的平均质量浓度分别为(19.02±18.31)、(20.11±25.53)、(16.08±11.21)、(34.54±32.79)、(49.51±34.09)μg·m~(-3)和(28.67±20.85)μg·m~(-3),CO质量浓度为(1.35±0.82)mg·m~(-3).从季节分布来看,各种污染物变化规律并不一致.VOCs质量浓度呈现秋、春高,冬、夏低的特点,O_3质量浓度呈现夏季高的明显特征,SO_2质量浓度呈现冬、秋高,春、夏低的特征,NO_2、CO、PM_(10)和PM_(2.5)质量浓度则表现为冬、春高,夏、秋低的特点.从空间分布特征来看,玉溪市中心交通密集区监测点大气环境中VOCs、NO_2、O_3、PM_(2.5)和CO质量浓度较其他监测点浓度较高,反映机动车尾气的显著贡献;而工业区监测点大气环境中SO_2和PM_(10)质量浓度较高,符合工业燃煤排放烟气显著影响的基本特征.另通过相关性分析和气团轨迹研究表明除了本地人为活动影响外,区域传输源对玉溪城区大气污染有重要影响.     

天津市环境空气质量时空特征分析

基于对天津市23个自动空气质量监测站点的SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3监测数据进行分析,掌握了2014年12月1日-2015年11月30日期间各项污染物的时空分布特征,并选取主要污染物分析其时间变化特征和空间分布特征.采用Kriging方法对6项污染物进行分析,获取天津市大气污染物的空间插值分布图.研究结果表明,天津市PM_(10)质量浓度年均值为113μg/m~3,PM_(2.5)年均值为69μg/m~3,均超过二级标准;颗粒物质量浓度呈现明显的季节变化特征,PM_(2.5)浓度季均值从高到低依次为冬季(95μg/m~3)、秋季(64μg/m~3)、春季(63μg/m~3)、夏季(54μg/m~3);站点对比结果表明团泊洼站点污染最严重,而塘沽环保局优良率最高.从空间分布来看,PM_(10)、PM_(2.5)、SO_2、NO_2均表现出中部至南部区域为高值分布区域,说明天津市本地污染排放对大气环境污染的贡献为主要影响因素;而O_3和CO均表现为市区浓度较低而天津市南北区域形成高值且呈现相反分布.     

上海市淀山湖区域灰霾天大气颗粒物中碳组分的污染特征

采集了上海市淀山湖区域2015年3月至2016年2月灰霾天大气颗粒物中PM_(2.5)样品,重点分析了其中碳组分的污染特征。结果表明,PM_(2.5)年均质量浓度为(69.01±37.05)μg/m~3,数值与有机碳(OC)、元素碳(EC)和水溶性有机碳(WSOC)显著相关,相关性大小与灰霾程度有关。OC、EC的年均质量浓度分别为(4.46±3.41)μg/m~3和(2.15±1.31)μg/m~3,呈现冬季高、夏季低的趋势,两者显著相关,相关性大小同样与灰霾程度有关。WSOC的年均质量浓度为(2.07±1.40)μg/m~3,春季高于冬季,且灰霾天质量浓度大于非灰霾天相应值。碳组分对大气能见度的影响较大,需得到控制。     

近两年武汉市环境空气质量时空分布特征及污染源解析

运用主成分分析和聚类分析法,对2016—2017年武汉市环境空气10个国控点10个市控点的6个空气质量指标数据进行分析,揭示武汉市环境空气质量时空分布差异性,辨识主要污染因子,解析污染成因.结果表明:2016—2017年,武汉市空气质量有变好的趋势,主要是因为PM_(2.5)和PM_(10)同期月均浓度下降; SO_2、NO_2、PM_(10)、PM_(2.5)浓度排序依次为:冬春秋夏; CO浓度排序依次为:冬秋春夏; O_3浓度排序依次为:夏秋春冬;武汉市监测点位空气质量从好到坏的顺序为:远郊区中心城区工业园(区)或经济开发区;春季的主要污染物因子为NO_2、CO、O_3、PM_(10),夏季的主要污染物因子为NO_2、SO_2、PM_(2.5),秋季的主要污染物因子为NO_2、PM_(2.5)、CO、O_3、PM_(10),冬季的主要污染物因子为NO_2、CO、O_3、PM_(2.5)、PM_(10);近两年,机动车尾气、工业废气排放以及建筑扬尘构成武汉市空气污染的主要来源,秸秆燃烧对空气质量的影响逐渐减小.     

中国工业基地城市群PM2.5时空分布特征及相关性分析

为研究2014年中国四大工业基地25个主要城市的空气质量污染情况,对25个城市2014年1月~2015年2月的数据进行SPSS聚类分析,研究其整体分布情况,并应用统计学和GIS软件分析其主要城市大气颗粒物的污染分布特征,同时利用SPSS软件对大气污染物PM_(10)、SO_2、NO_2、CO、O_3和PM_(2.5)做相关性分析。结果表明:(1)25个城市PM_(2.5)年均质量浓度在32.94~100.23μg·m~(-3)之间,其中分布在40~70μg·m~(-3)之间的城市相对集中,占所有城市的68%,仅3个城市的PM_(2.5)年均质量浓度小于35μg·m~(-3);(2)PM_(2.5)季节变化特征大体表现为冬季秋季春季夏季,重度污染主要集中在12月和1月;(3)从空间分布上看,京津唐污染水平高于其他三个工业基地,珠三角污染水平最低;(4)四大工业基地城市群PM_(2.5)的浓度与PM_(10)、SO_2、NO_2、CO的浓度存在显著相关性。由于温度、气候等原因,在珠三角和长三角O3与PM_(2.5)呈正相关,而在京津唐和辽中南工业基地则呈负相关。     

郑州市PM_(10)和PM_(2.5)中多环芳烃污染特征及健康风险评价

为研究郑州市PM_(10)和PM_(2.5)中多环芳烃(PAHs)的污染特征、来源及对健康的影响,于2013年4—12月在郑州大学采样点同步采集大气中的PM10和PM_(2.5).利用气相色谱-质谱联用仪对16种优先控制的PAHs进行定量分析,在此基础上运用Ba P毒性当量法对PAHs进行健康风险评估,并采用比值特征法揭示PAHs的可能来源.结果表明:郑州市大气颗粒物PM_(10)和PM_(2.5)中PAHs的单体质量浓度随季节变化特征明显,基本上都呈现冬季秋季春季夏季的趋势,其中4~6环化合物是PAHs的主要成分.郑州市四季大气颗粒物Ba P质量浓度均超过国家空气质量标准限制,存在潜在健康风险.经过比值特征法分析得出,郑州市大气颗粒物PM_(10)和PM_(2.5)中PAHs主要来自燃煤源、石油化工源、生物质燃烧源和机动车尾气源.     

云南省有色冶炼集中区春季大气颗粒物污染过程分析

为探究云南省有色冶炼集中区春季大气颗粒物污染的原因,于2017年3月20—29日在云南省主要有色冶炼集中区—蒙自市、个旧市和开远市(简称"个开蒙地区")设立了9个采样点,同步采集大气PM_(2.5)和PM_(10)环境样品.检测了无机元素、水溶性离子和碳成分等19种化学成分,分析了颗粒物理化特征,并基于EF(富集因子)、后向轨迹模型和PCA-MLR(主成分分析-多元线性回归)模型,阐述了个开蒙地区大气颗粒物的来源.结果表明:①采样期间,个开蒙地区PM_(2.5)和PM_(10)质量浓度平均值分别为(50.79±20.67)μg/m~3和(73.47±33.86)μg/m~3,3月24日PM_(2.5)质量浓度超过国家二级标准限值(75μg/m~3);②PM_(2.5)和PM_(10)中Cu、Zn、Ca、Pb、As和Cd等无机元素的EF值范围为10～4 000,受到人为源的显著影响;③气团后向轨迹特征表明,到达个开蒙地区的污染气团主要经过了生物质燃烧火点较为密集的缅甸中部等地区,表明个开蒙地区春季环境空气质量受到了东南亚生物质燃烧传输的影响;④PCA-MLR源解析模型分析表明,采样期间生物质燃烧和有色冶炼活动对个开蒙地区大气颗粒物有重要贡献,其中生物质燃烧贡献率在30%以上,有色冶炼活动(含二次粒子)综合贡献率高于45%.     

上海市大气PM2.5污染特征及相关因素分析

利用2015年上海市大气污染物的监测数据,运用MATLAB7.0、SPSS等软件进行PM_(2.5)质量浓度污染特征、变化规律以及PM_(2.5)与其他污染气体的相关性分析。研究结果显示,2015年上海市PM_(2.5),年平均浓度为53.6μg/m~3,相比基准年2013年,年均浓度下降14%;PM_(2.5)浓度月变化曲线呈U型分布,其中,月均浓度数值1月份达到最高峰,为82.9μg/m~3;季节污染情况为:冬季春季秋季夏季;PM_(2.5)日均浓度值全年波动较为稳定,超标天数占全年比率21.4%。根据AQI指标监测气体的相关性矩阵来看,PM_(2.5)和PM_(10)之间的相关性最大,相关系数为0.919;与CO、NO_2、SO_2等气体均有较强的相关关系。建议上海市应该优化产业结构、加强公共交通建设、采用清洁能源以期实现治污除霾的目标。     

济南市气象要素对大气污染物浓度的影响

利用2014-12-01—2015-11-30期间济南市空气质量的监测数据,运用Spearman秩相关分析法研究该市大气中细颗粒物PM_(2.5)、可吸入颗粒物PM_(10)、臭氧(O_3)的浓度与气象要素之间的相关性,其中气象要素选取温度、相对湿度和风速。结果表明:PM_(2.5)、PM_(10)及O_3与气象要素有显著的相关性,PM_(2.5)、PM_(10)的浓度与相对湿度呈正相关,与温度和风速呈负相关,O_3的浓度与温度和风速呈正相关,与相对湿度呈负相关;PM_(2.5)、PM_(10)浓度的日变化特征呈双峰双谷型,O_3浓度的日变化特征呈单峰单谷型;PM_(2.5)、PM_(10)的浓度在冬季、秋季、春季较大,在夏季较小;O_3的浓度在夏季最大,在冬季、秋季、春季相对较小,O_3已成为影响济南市夏季空气质量的首要污染物。     

天津武清区PM_(2.5)与气态污染物SO_2及NO_2污染特征研究

利用2016年武清区大气污染物监测数据,研究了武清区PM_(2.5)及SO_2、NO_2等典型大气污染物浓度变化特征和相互关系。结果表明:2016年PM_(2.5)污染较严重,年均浓度分别为73μg·m~(-3),超标1.1倍。大气中SO_2年均值为25μg·m~(-3),NO_2年均值47μg·m~(-3)。冬季及春秋季节大气中存在明显的二次转化过程,大气中的SO_2和NO_2通过转化生成硝酸盐和硫酸盐,对PM_(2.5)浓度变化具有重要影响。     

郑州市城区PM2.5和PM10变化特征及其与气象要素关系研究

利用2018年1月、4月、7月、10月郑州市城区8个监测站点的PM_(2.5)和PM_(10)浓度数据与气象数据,对郑州市城区PM_(2.5)和PM_(10)的时相变化特征及气象要素对其产生的影响进行研究.结果表明:郑州市城区在1月份的PM_(2.5)浓度最高(118.1μg·m~(-3)),污染严重,4月份PM_(10)浓度最高(169.4μg·m~(-3)).通过分析PM_(2.5)和PM_(10)的比值(PM_(2.5)/PM_(10))发现, PM_(2.5)是郑州市城区主要的大气污染物.PM_(2.5)和PM_(10)与气象要素之间的相关分析表明,PM_(2.5)和PM_(10)与气温和露点温度均呈显著负相关(P0.01),PM_(10)与降水呈显著负相关(P0.05),PM_(2.5)与气温之间的相关性(r=-0.441,P0.01)高于PM_(10)和气温的相关性(r=-0.311,P0.01).另外,当风速在2～3 m·s~(-1)时,PM_(10)最低;而风速大于4 m·s~(-1)时,颗粒物浓度增加明显,且对于PM_(10)的增加作用更显著.露点温度与颗粒物浓度之间也存在一定关系,当露点温度大于0℃时,颗粒物浓度会随露点温度的增加而降低.2018年郑州市PM_(2.5)与PM_(10)昼夜变化呈双峰型特征;风速与温度的双重作用导致PM_(2.5)浓度先于PM_(10)达到最高值,而空气湿度和露点温度则是造成04:00时颗粒物较低的主要原因.另外,通过多元回归分析发现,各月份昼夜时段颗粒物浓度主要受温度和相对湿度影响;在各时段中,温度与颗粒物浓度关系最为密切,风速次之,湿度最弱,各气象要素对PM_(2.5)浓度的影响较PM_(10)浓度更大.     

郑州市大气PM_(2.5)中正构烷烃污染特征及来源解析

为了解郑州市大气PM_(2.5)中正构烷烃的污染特征及来源,于2014年10月至2015年7月在郑州大学新校区采样点进行大气PM_(2.5)采集.采用气相色谱-质谱联用仪定量分析正构烷烃组分(C8~C40)的质量浓度,利用正构烷烃主峰碳、碳优指数、植物蜡含量以及正定矩阵因子分析(PMF)模型,识别正构烷烃的污染来源和解析污染源贡献率.结果表明:郑州市大气PM_(2.5)中正构烷烃质量浓度季节变化特征明显;秋、冬、春、夏季平均质量浓度分别为272±78、392±203、177±59、89±24 ng/m~3,呈现冬季秋季春季夏季的趋势;郑州市大气PM_(2.5)中正构烷烃主要来自煤炭等化石燃料燃烧和机动车尾气排放.     

上海大气微细颗粒物典型样本遗传毒性的季节变化研究

为探究上海市冬、夏两季惠南和浦东2个位点PM_(2.5)不同组分的遗传毒性,利用SOS显色反应分别测试了PM_(2.5)在相同颗粒物浓度下的总颗粒物、有机提取组分和水溶性组分的遗传毒性.试验结果显示,冬、夏两季惠南总颗粒物诱发遗传毒性效应的最低浓度均为2mg·mL~(-1),浦东总颗粒物诱发遗传毒性效应的最低浓度分别为1 mg·mL~(-1)和2 mg·mL~(-1);惠南及浦东2个位点冬、夏两季的水溶性组分均在最高浓度2 mg·mL~(-1)下呈遗传毒性阳性;2个位点冬、夏两季的有机提取组分在0.000 2 mg·mL~(-1)至2 mg·mL~(-1)浓度范围内均未表现出遗传毒性效应.为进一步比较暴露于等体积的空气时,冬、夏两季惠南及浦东大气颗粒物的不同组分遗传毒性的相对强弱,比较了每立方米空气中以4-硝基喹啉氧化物(4-NQO)质量表示的不同组分的遗传毒性.结果表明,上海浦东点与惠南点的大气微细颗粒物的遗传毒性呈现季节性规律,冬季颗粒物的遗传毒性显著高于夏季,而且冬、夏两季总颗粒物及水溶性组分中具有遗传毒性的化学成分及其浓度可能存在一定的差异,结合现有研究中上海地区多个位点微细颗粒物中污染物浓度或含量冬季普遍高于夏季的研究结果,推测上海各地区的大气颗粒物遗传毒性均具有类似的季节性变化规律.有机提取组分的遗传毒性效应不明显,大气微细颗粒物的遗传毒性可能主要来自于水溶性组分.上海的郊区大气污染日益严重,相同季节浦东市区与惠南郊区的污染水平相当,遗传毒性也处于相近水平,推测相同季节上海浦东市区与惠南郊区大气颗粒物中的致遗传毒性成分具有一定的相似性.     

福州市城区不同粒径颗粒物污染特征

利用福州市国控监测站点2013年4月-2017年3月PM_(2.5)和PM_(10)质量浓度监测数据,对福州市不同粒径颗粒物污染特征进行研究.结果表明:时间变化方面,福州市空气质量整体较好,PM_(2.5)和PM_(10)浓度呈逐年下降趋势;PM_(2.5)、PM_(10)、PM_(2.5)/PM_(10)时间变化规律具有一致性:呈现冬季>春季>秋季>夏季的季节性特征;春季、夏季和秋季工作日浓度均高于周末的浓度,存在周末效应,冬季周末浓度则显著高于工作日浓度;日变化呈明显的双峰型变化趋势.空间变化方面,PM_(2.5)和PM_(10)浓度变化表现为工业区>市区>清洁区,清洁区PM_(2.5)/PM_(10)比值最高,其次是市区、工业区.相关分析结果表明:PM_(10)和PM_(2.5)存在显著相关性,且相关性明显受季节影响,夏季相关性最高.城市颗粒物与气态污染物(SO_2、NO_2)复合性较强.     

四川盆地城市群6种大气污染物的时空分布

利用四川盆地18个城市2015-2016年6种大气污染物质量浓度资料,采用了集中期、集中度和变异系数等统计学方法,对该地区大气污染的时空分布特征进行了分析,将四川盆地划分为3个区进行对比研究.结果表明,四川盆地18个城市中,大气污染最严重的是自贡市,年均空气质量指数为100,污染天数占总天数的37.6%;污染最轻的是广元市,年均空气质量指数为57,污染天数占总天数的4.5%.四川盆地3个区域按照污染物质量浓度高低以及出现污染天数的长短排序均为:川南经济区成都平原经济区川东北经济区.研究时间段内,18个城市PM_(2.5)年均质量浓度达标的只有广元市;PM_(10)年均质量浓度达标的只有广元市和巴中市;SO_2年均质量浓度18个城市均达标;NO_2年均质量浓度除成都市和重庆市外,其他16个城市均达标;所有城市的CO和O_3日质量浓度均达标.近36年来,颗粒物和SO_2质量浓度呈现不同程度降低,表明国家对大气污染物排放的管控措施对颗粒物和SO_2污染改善明显.污染物PM_(2.5)、PM_(10)、CO、NO_2和SO_2质量浓度的季节变化为冬季高,夏季低;O_3质量浓度季节变化则为冬季低,夏季高.PM_(2.5)、PM_(10)和O_3质量浓度高的时段相对于SO_2、NO_2和CO来说更为集中,PM_(2.5)、PM_(10)、SO_2、NO_2和CO高质量浓度时段主要集中在1月左右,O_3高质量浓度时段主要集中在6月左右.不同城市间SO_2和NO_2质量浓度差异明显,其他污染物质量浓度分布则较为均匀.     

西安市大气颗粒物PM_(2.5)的输送路径和潜在源分析

利用2017年西安市气象数据和主要大气污染物质量浓度的监测资料,综合分析西安市2017年度气候变化、大气污染状况以及污染物质量浓度演变特征.结果表明:西安市年平均风速为2.43 m/s,平均气温为19.00℃,总降水量为649 mm,冬春季PM_(2.5)、PM10质量浓度值普遍高于夏秋季.利用SPSS对污染物与气象因素进行相关性分析,得出颗粒物、气态污染物CO、SO2质量浓度变化与平均气温、降水量、风速呈负相关,而O3与平均气温、降水量、风速呈正相关.此外,通过拉格朗日混合粒子轨迹模型模拟了西安市48 h的气流后向轨迹,并将PM_(2.5)的质量浓度数据与气团轨迹相结合,利用潜在源贡献函数模型(PSCF)和浓度加权轨迹方法 (CWT),分析西安市PM_(2.5)质量浓度影响及潜在源区分布特征,其结果表明超过50%的气流后向轨迹来自西北方向,西安市PM_(2.5)的主要潜在来源位于陕南各城市以及陕南周边省份交界处.     

信阳城区气温和降水量与主要污染物之间关系分析

以2014—2017年信阳城区逐日气象要素(最高气温、最低气温、均温和降水量)和环境空气自动监测系统逐日数据(SO_2,NO_2,PM_(10),PM_(2.5),CO,O_3污染物浓度和AQI)为研究对象,采用统计分析和Pearson相关系数法,分析气温和降水量与主要污染物之间关系.结果表明:(1)2014—2017年信阳城区空气质量以优良为主,重度、严重污染的日数较少.(2)日气温(最低、平均和最高)和日降水量与主要污染物SO_2,NO_2,PM_(10),PM_(2.5),CO浓度和AQI呈显著的负相关,与O_3呈显著的正相关,说明气温愈高、降水量愈多,空气质量愈好,即夏季空气质量优于冬季.通过统计2014—2017年逐日空气质量,四季空气质量从夏季、秋季、春季和冬季依次由好转差.(3)相较于非雨日,雨日主要污染物浓度明显降低;降水过程中或者降水之后,大气主要污染物浓度显著下降,共同说明降水量对主要污染物具有显著淋洗作用,尤其是颗粒物PM_(10)和PM_(2.5).     

黔东南州城市环境空气质量季节性变化特征

以2018年黔东南州16个县(市)城市空气自动监测数据为基础,分析城市环境空气污染物浓度变化趋势、污染物之间相关性以及城市环境空气综合指数,研究黔东南州城市环境空气质量季节性变化特征。结果显示:黔东南州城市环境空气中除CO浓度水平具有不明显的季节特征外,其余SO_2、NO_2、O_3、PM_(10)和PM_(2.5)浓度水平具有明显的季节特征,其中,SO_2浓度高值出现在秋季和冬季;NO_2浓度高值出现在冬季和春季;O_3浓度高值出现在冬季和春季;PM_(10)和PM_(2.5)浓度高值出现在冬季和春季。在0.01的置信水平下,PM_(10)和PM_(2.5)的Pearson相关系数达到0.962,具有极强的正相关,初步判断PM_(10)和PM_(2.5)是影响黔东南州城市环境空气质量季节性变化的主要污染物。从全年空气质量变化趋势来看,黔东南州城市环境空气质量从好到差依次为夏季、秋季、春季、冬季,PM_(10)和PM_(2.5)浓度的高低直接影响城市空气质量综合指数的变化。