福州市快速路交通颗粒物变化特征

基于2017年连续数天对福州市三环快速路测试路段交通的颗粒物浓度进行监测,同步记录的气象、交通特征数据,对颗粒物污染特征进行探究并分析得到,风速、温度、湿度与PM_(2.5)、PM_(10)浓度均呈显著的负相关性。研究结果显示:该路段"周末效应"并不明显,总的交通量与PM_(2.5)、PM_(10)浓度均有明显正相关性;在调查的6种车型中,小型客车、大型货车对颗粒物浓度影响最为明显,其中,小型客车对PM_(2.5)、PM_(10)有较明显正相关影响,而大型货车和PM_(2.5)呈明显的正相关性的同时与PM_(10)相关性较弱。     

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.     

重工业区室内外细颗粒物PM_(2.5)相关性分析

目的研究重工业城市住宅在夏季开窗条件下,室外细颗粒物PM_(2.5)对室内空气品质的影响,数值模拟得到细颗粒物PM_(2.5)的质量浓度、速度、温度分布云图及粒子轨迹.方法通过采用气溶胶检测仪对室内外细颗粒物PM_(2.5)污染物质量浓度进行实测,使用SPSS软件对测试得到的细颗粒物PM_(2.5)质量浓度进行拟合,并运用FLUENT模拟软件对室内细颗粒物运移及分布情况进行模拟分析.结果位于重工业厂矿下风侧交通主干线一侧的A房间的室内与室外细颗粒物质量浓度的比值(I/O)小于1,受室外环境的影响较大;位于重工业厂矿下风侧小区内部的B房间的I/O大于1,说明受室内细颗粒物染物污的影响较大.并且两房间室内外细颗粒物具有较强的二次相关性,相关系数分别为0.920 77、0.941 11.结论室内PM_(2.5)质量浓度随室外细颗粒物质量浓度增加而升高.建立的室内外细颗粒物PM_(2.5)质量浓度相关性模型,可以分析室内外颗粒物浓度的变化特征.     

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.     

2018年春节期间燃放烟花爆竹对福州市晋安区大气污染物浓度的影响

利用2018年春节期间晋安区五个空气自动监测站点PM_(10)、PM_(2.5)、CO、NO_2、SO_2、O_3的监测数据,分析了春节期间燃放烟花爆竹对晋安区大气污染物浓度的影响,重点讨论了除夕、初一两日大气污染物浓度的小时变化特征。结果表明,晋安区春节期间首要污染物主要为颗粒物。烟花爆竹对PM_(10)、PM_(2.5)、SO_2、NO_2浓度有直接影响,对PM_(10)和PM_(2.5)浓度的影响尤其突出,对CO、O_3浓度无显著影响。     

兰州供暖期大气颗粒物含量分析与研究

通过合理布置采样点,对兰州市2013年和2014年供暖前、供暖期、供暖后大气颗粒物PM_(10)、PM_(2.5)和SO_2含量进行分析,以便了解供暖期间产生的废气和烟尘对兰州大气的影响。结果表明在兰州市2013—2014年的供暖期间,PM_(10)、PM_(2.5)和SO_2的含量变动情况较为明显,PM_(10)在供暖后含量最低,供暖期次之,供暖前含量最高。PM_(2.5)在供暖中含量最低,供暖前次之,供暖后含量最高。SO_2在供暖后含量最低,供暖前次之,供暖中含量最高。可见,颗粒物仍是兰州市环境空气质量的晴雨表,SO_2在供暖中仍有显著超标。上述结果为兰州市大气污染的监测与治理及大气污染预报提供了重要的依据。     

采暖通风方式对室内外PM_(2.5)浓度及其相关性的影响

为探究采暖通风方式对住宅室内外环境中PM_(2.5)浓度及其相关性的影响,于2014—2015年冬季在南京市选取3种不同采暖通风方式的住宅(顶棚辐射供暖+24 h净化新风住宅H1;独立户式地暖住宅H2;无采暖住宅H3)进行了室内外颗粒物分粒径日平均质量浓度采样和PM_(2.5)质量浓度逐时监测实验.实验结果显示,室内外颗粒物均以PM_(2.5)为主,PM_(2.5)/PM10的质量比高达74%以上,3处住宅室内外PM_(2.5)浓度相关系数分别为0.840,0.825,0.923.H1室内PM_(2.5)质量浓度水平最低,仅为室外的22.1%,且室内无粒径大于2.5μm的颗粒物;H3室内PM_(2.5)质量浓度水平最高,室内外PM_(2.5)相关系数最高,且室内存在一定量粒径大于2.5μm的颗粒物.夏热冬冷地区居民应改变传统的开窗通风模式,向净化新风系统转变,可有效降低室外大气污染对室内空气的干扰,保障室内空气品质.     

长治市空气颗粒物PM_(2.5)来源解析研究

空气颗粒物是影响城市空气质量的首要污染物,城市PM_(2.5)的主要来源是由人类生产活动产生的。通过采集长治市4个点位的PM_(2.5)样品,分析了PM_(2.5)中18种元素、9种离子和3种碳的组分,并采用CMB受体模型对长治市PM_(2.5)来源进行了解析,为颗粒物污染的控制提供科学依据。     

黔江区秋冬季大气颗粒物与相关气象条件的关系及其输送路径研究

利用2016年9月至2017年2月黔江区PM_(2.5)和PM_(10)质量浓度及相关气象数据,研究了黔江区大气颗粒物与相关气象条件的关系及颗粒物气团输送轨迹。结果表明,黔江区PM_(2.5)、PM_(10)在同一季节内高度线性相关,二者质量浓度日小时值变化存在季节性差异,呈"双峰双谷"型; PM_(2.5)与温度、风速和降雨量均呈显著负相关,当气温低于15℃,风速﹤0. 5 m/s时,严重影响PM_(2.5)扩散,但降雨量增大,可迅速清除大气中的PM_(2.5);对2016年12月黔江区会议中心和旅游学院的后向轨迹聚类分析发现,黔江区两大气自动监测站点颗粒污染物气团主要来自于城市间输送(重庆主城区及湘西土家族苗族自治州),少部分来自长距离输送(西部的青藏高原地区);本研究建立的PM_(2.5)质量浓度预测模型能较好的预测黔江区PM_(2.5)质量浓度的变化趋势,这对于预测大气颗粒物污染事件的发生具有重要的实用价值。     

林芝市主城区典型生态用地空气质量评价

对林芝市主城区典型生态用地空气质量进行评价,以期为其市政规划及旅游发展提供依据.在市区选择典型生态用地,监测其空气正负离子、温湿度及大气颗粒物,采用单因素方差、多重比较及主成分分析等方法,对其空气质量指标的动态变化及综合评价进行研究.结果表明:①不同季节空气负离子含量日变化均呈"单峰"型,峰值出现在14:00左右;不同季节温湿度指数的日变化同空气负离子的日变化一致,夏季全天候均表现为舒适,冬季全天候均表现为寒冷;夏季及秋冬季节颗粒物(PM_(2.5),PM_(10),TSP)日变化分别表现为"线性递减"和"幂函数"型曲线.不同季节颗粒物含量达标率均在50%以上.②空气负离子、温湿度指数季变化从大到小均为:夏季、秋季、冬季,而颗粒物含量季变化从小到大均为:夏季、秋季、冬季;不同季节各生态用地在空气负离子、温湿度指数、颗粒物含量中大小顺序不一.③空气负离子、 PM_(2.5)、 PM_(10)、 TSP、温湿度指数及温度在第一主成分中的载荷系数较大(0.8以上),其对第一主成分的影响较大;绿地、水体空气质量优于湿地和对照点.绿地、水体附近空气质量较好,在市政规划时,应尽可能多地融入绿化和动态水的设计,夏季空气质量优于其他时间,建议市民夏季多多出行.     

基于消光系数的机场PM2.5质量浓度神经网络预测模型

分析了气溶胶粒径吸湿增长因子、风速和NO_2与消光系数和PM_(2.5)质量浓度之间的相关性及影响规律。提出了一种基于消光系数的机场PM_(2.5)质量浓度神经网络预测模型。首先,建立消光系数与PM_(2.5)质量浓度之间的定量关系,并分析相对湿度对其影响。然后,分析风速和NO_2对消光系数和PM_(2.5)质量浓度的影响。最后,将四项参数与PM_(2.5)质量浓度之间的复杂关系通过模糊神经网络进行学习和表达,实现PM_(2.5)质量浓度的预测。使用实测PM_(2.5)质量浓度数据对预测模型进行了对比验证。结果表明,该预测模型的预测精度较高,能较为客观的反映机场PM_(2.5)质量浓度的变化情况,这对研究颗粒物质量浓度对机场能见度的影响规律以及机场周边污染治理决策提供数据支持具有重要的意义。     

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.     

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.     

重庆市沙坪坝区环境空气PM_(2.5)和PM_(10)相关性分析

以重庆市沙坪坝区国控空气自动监测点为例,研究了细颗粒物(PM_(2.5))和可吸入颗粒物(PM_(10))污染现状和相关性.结果表明:颗粒物,尤其是细颗粒物(PM_(2.5)),是影响城市环境空气质量的主要污染因子,尤其是在春、冬季节易导致污染天气.大气扩散条件不佳,颗粒物质量浓度越高,细颗粒物(PM_(2.5))在可吸入颗粒物(PM_(10))中的比重也越高.细颗粒物(PM_(2.5))和可吸入颗粒物(PM_(10))具有较好的统计相关性,两者可能具有同源性,在环境空气污染中的变化规律相似,有可能遵循相同的迁移转化规律,可以进行协同治理.     

西安节日期间PM_(2.5)及其重金属浓度变化特征

采用Mini Vol便携式采样器采集西安北稍门、格物楼和南斗角村2015年元旦、劳动节及节日前后各两天大气颗粒物样品,并利用电感耦合等离子体光学发射仪(ICP—OES)测量元素As、Cr、Cu、Mn、Ni、Pb和Zn的含量,分析节日浓度变化特征.结果表明,元旦期间,PM_(2.5)浓度表现为节假日大于节前及节后;南斗角村大气中PM_(2.5)浓度于三个采样期间内均低于其他两个点.大气PM_(2.5)中Cu、Pb和Zn浓度变化与PM_(2.5)一致;As、Mn和Ni含量变化较小;Cr浓度呈现显著上升的趋势.七种重金属空间表现不完全一致.劳动节期间,由于降雨影响,大气PM_(2.5)浓度表现为节假日期间最小,三个采样点空间差异相比元旦减小.细颗粒中重金属Cr、Ni、Pb和Zn与其PM_(2.5)的浓度变化一致;而As、Cu和Mn呈现逐渐递减趋势.空间表现为,BSM大气PM_(2.5)中Cu、Pb和Zn较高;其他四种重金属表现为在NDJC大气细颗粒物中浓度较高.     

上海环城林带夏季大气污染净化作用及其与林带宽度的关系

对上海市环城绿带宝山盛宅段与浦东康桥段夏季近地面主要大气污染物(PM_(2.5)、PM_(10)、CO、NO_2)进行了为期1个月的持续监测,其中,每一样段垂直于高速公路以100 m间隔设置4个监测样点.依据国家《环境空气质量标准》(GB3095—2012),评价各监测点的大气环境质量;并量化了不同宽度林带对不同污染物的净化效益;通过多元线性回归分析,研究了气象条件和环境本底对林带最大净化效益的影响.结果表明:(1)环城绿带对PM_(2.5)、PM_(10)、NO_2有明显的净化作用,对CO起蓄积作用;(2)当林带宽度为300 m时污染物净化作用达到最大;(3)林内外湿度差和温度差对林带颗粒物PM_(2.5)和PM_(10)最大净化效益的影响程度较大,环境本底对林带NO_2最大净化效益的影响程度较大,湿度差对林带CO最大净化效益的影响程度较大.研究结果可为环城绿带在净化大气方面的林地管护及改造提供理论基础.     

室内PM2.5暴露水平影响研究

近年来,雾霾天气频繁发生,大气污染已引起世界范围的殷切关注;并且成为世界共同研究的课题,其中细颗粒物污染已成为首要问题。而伴随着生活方式的转变,人们越来越注重室内空气品质,因此,室内PM_(2.5)污染已成为亟需解决的问题。通过分析室内PM_(2.5)污染来源以及对人体健康的影响,进行了关于室内PM_(2.5)暴露水平影响的实验研究。结果表明,吸烟是室内PM_(2.5)的主要来源;吸烟时会使室内PM_(2.5)暴露水平显著升高;烹饪会使室内PM_(2.5)暴露水平严重超标;人员活动产生的细颗粒物强度取决于室内的人数、活动类型、活动强度等;室内PM_(2.5)暴露水平受室外影响较大,呈现明显的正相关性。     

利用单颗粒气溶胶质谱技术研究天津市春节前后大气颗粒物粒径变化情况

利用MATLAB等数据处理软件对单颗粒气溶胶质谱仪(SPAMS)采集的颗粒物进行了数据分析。结果表明,监测期间SPAMS仪器采集的颗粒数与PM_(2.5)质量浓度具有较好的相关性。在0.2～2.0μm粒径范围内,污染天颗粒物的数量峰值所对应的颗粒物粒径较清洁天增长了0.14μm,并且在污染天颗粒物的数量较清洁天增多了1倍,这与监测期间污染天气状况下细颗粒物粒径增长以及颗粒物数量的显著增加有关。此外,在高污染时段内颗粒物数量增加比较明显,颗粒物中铵盐、硝酸盐、硫酸盐和OCEC等组分的累积增长效应明显,而其他组分增长效应不明显。该现象表明在不利气象条件下,颗粒物中铵盐、硝酸盐、硫酸盐和OCEC等组分的累积增长是造成颗粒物粒径增大以及颗粒物数量增加的重要因素。     

上海市大气环境中PM_(2.5)/PM_(10)时空分布特征

针对上海市颗粒物的污染和防治问题,利用2014年4月14日—2015年3月24日10个国控监测点的PM2.5和PM10小时数据及对应的气象因素资料,以PM2.5质量浓度占PM10质量浓度的比例为研究对象,使用聚类分析和相关性分析PM_(2.5)/PM_(10)的时空分布特征.结果表明:P2.5和PM10的季节高低为冬春秋夏,PM_(2.5)/PM_(10)的季节分布在不同区域存在差异性.PM_(2.5)/PM_(10)的日变化呈现双峰型趋势,峰值出现在05:00和14:00左右,上午PM_(2.5)/PM_(10)高于下午.颗粒物质量浓度及PM_(2.5)/PM_(10)具有明显的"周末效应",这与车辆通行政策与人类作息时间变动相关.在空间分布上,颗粒物质量浓度及PM_(2.5)/PM_(10)均表现为背景站浦西站浦东站.     

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.