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.     

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.     

2014-2018年春节期间北京交通站PM_(2.5)及NO_2污染特征分析

利用2014-2018年北京市春节前后交通污染监测站的PM_(2.5)和NO_2浓度数据,采用浓度特征对比、PM_(2.5)/CO比值等方法,初步评估春节期间烟花禁燃措施和机动车减排的效果,探讨烟花燃放及气象条件对空气质量的影响。结果表明:PM_(2.5)和NO_2浓度变化特征不同,春节期间PM_(2.5)平均浓度为103.6μg/m~3,高于非春节期间25.3%;而NO_2平均浓度为53.8μg/m~3,低于非春节期间19.5%,主要受到机动车减排的影响。2014年春节期间PM_(2.5)浓度最低,2015-2018年PM_(2.5)浓度呈逐年下降趋势;NO_2浓度无明显年际变化特征。烟花爆竹燃放对PM_(2.5)浓度影响显著,对NO_2浓度影响较小,除夕期间对PM_(2.5)浓度的最大贡献值达283.4～704.1μg/m~3。2018年北京市五环内禁燃烟花措施对交通站PM_(2.5)污染改善明显,PM_(2.5)浓度较前4年均值下降25.2%,NO_2浓度仅下降2.4%;禁燃对燃放高峰期PM_(2.5)浓度有明显削峰作用,无有利扩散气象条件下,除夕期间烟花燃放对PM_(2.5)浓度的最大贡献值仍较前4年下降45.0%。气象条件对春节期间PM_(2.5)浓度变化的影响作用较NO_2显著,有利扩散气象条件是2014年春节期间PM_(2.5)污染较非春节期间明显改善的主要原因。     

长沙市MODIS气溶胶光学厚度与PM_(2.5)浓度的相关性研究

利用MODIS数据研究区域大气PM_(2.5)浓度分布是环境动态监测的有效方法。获取美国NASA发布的分辨率为3km的MOD光学厚度产品;提取2016年1月至2017年7月期间长沙市10个大气监测站点的PM_(2.5)浓度数据进行相关性分析,建立PM_(2.5)浓度与AOD之间的线性、幂函数以及指数函数3种相关性模型;引入湿度影响因子建立大气PM_(2.5)浓度订正模型,采用PM_(2.5)浓度订正模型订正PM_(2.5)浓度。结果表明:湿度订正提高了PM_(2.5)与AOD相关性,幂函数相关性模型的方差值相对其他2种模型较好,运用幂函数相关性模型研究长沙市MODIS气溶胶光学厚度与PM_(2.5)浓度的相关性较好。     

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.     

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。     

近地层大气颗粒物垂直分布特征——以北京某高校为例

为了解多种气象因素对近地表PM_(2.5)质量浓度变化的影响及对PM_(2.5)垂直分布规律的影响,2014年9月1日—5日在首都师范大学本部和北一区的3个不同高度(5、20和30 m),得到1 min平均的PM_(2.5)连续质量浓度数据(观测时间段为早6:30—21:30),并对气象因素进行同步观测.结果表明:(1)近地表日平均PM_(2.5)质量浓度垂直分布规律明显,为随高度增加而减小.(2)分时段分析PM_(2.5)质量浓度可发现,在日出日落时分(早6:30—10:00和晚19:00—21:30),受地表与上空空气温差影响,PM_(2.5)垂直分布无明显规律;10:00—19:00期间PM_(2.5)日平均值垂直分布规律为随高度增加而减小.(3)气压突降和降水会影响并改变PM_(2.5)垂直分布规律.     

春节期间烟花禁放对江西省城市环境空气质量影响研究

利用2017年和2018年春节期间江西省60个大气环境国控监测点的空气质量自动监测数据,采用数学统计、定量分析和ArcGIS空间分析等方法,并通过构建"空气污染综合指标"对"烟花禁放"政策实施前后江西省主要城市空气质量状况变化进行评估。结果表明,全面实施"烟花禁放"政策前(2017年),除夕夜和正月初一大量的空气污染物短期内迅速累积形成污染高峰;大气环境中主要污染物PM_(2.5)和PM_(10)分别较当年对应污染物的年均浓度升高49.62%和24.19%。2018年春节期间江西省全面实行禁燃措施后,绝大部分城市大气环境中PM_(2.5)、PM_(10)、SO_2等污染物的平均浓度较2017年同期分别下降21.94μg/m~3、25.69μg/m~3和4.81μg/m~3,降幅分别达到31.64%、28.36%和28.39%,烟花禁放措施实施效果显著。从江西省空气质量的空间分布格局可以看出,空气质量指数类别为较良好的地区主要分布在江西省的北部和中部,其烟花禁放成效较好。     

基于FAR(1)模型的PM_(2.5)浓度预测研究

首先利用函数重构理论,表示了漳州2017年11月1日至2018年5月5日PM_(2.5)浓度数据的函数特征.然后对重构好的函数曲线进行主成分分析,得到PM_(2.5)浓度曲线的3个函数主成分,代表PM_(2.5)浓度曲线的主要变异特征.最后利用函数主成分投影法估计PM_(2.5)浓度FAR(1)模型的算子,并进行样本外的短期预测,预测效果相对较好,其结果可为决策者提供参考.     

基于SPAMS的太原市冬季PM_(2.5)组成与来源研究

为探究太原市冬季PM_(2.5)成因,利用位于太原市大气环境综合观测研究站的单颗粒气溶胶质谱仪(SPAMS),结合气象数据,对2019年1月1日-1月31日期间的PM_(2.5)化学组成进行了分析,定量评估研究期间PM_(2.5)的源贡献率。结果表明:研究期间太原市PM_(2.5)日均浓度达到110μg/m~3,PM_(2.5)的颗粒类型主要由有机碳颗粒、混合碳颗粒和元素碳颗粒组成,其中,有机碳颗粒占比(34.7%)最高;PM_(2.5)污染的主要贡献源为燃煤、机动车尾气、工业工艺,占比分别为27.8%、19.7%和17.8%,特别是在PM_(2.5)质量浓度较高时段,燃煤和机动车尾气排放对污染的贡献较大,因此太原市冬季PM_(2.5)污染控制应以燃煤、机动车尾气为主。     

大连市2016—2017年PM2.5质量浓度时空 分布特征研究及相关性分析

以大连市为研究区域,基于2016—2017年大连市9个国控自动空气质量监测站的PM_(2.5)质量浓度逐小时监测数据,整理、筛选得到52 029个有效样本数据,探讨PM_(2.5)质量浓度时空分布特征,分析其年、季节、月份、日均值变化规律,进行PM_(2.5)质量浓度与SO2和CO的相关性分析.结果表明:2017年较2016年PM_(2.5)质量浓度有所下降,1a中浓度由高到低的季节依次是冬、春、秋、夏.PM_(2.5)质量浓度月均值呈V型分布,2016年和2017年最大值分别出现在12月和3月,最小值均出现在8月.日变化呈多峰型分布,峰值出现在早高峰8:00前后及夜间22:00.各站点月均值变化趋势大体一致,均呈V型分布.位于工业区的站点PM_(2.5)质量浓度都相对高于居民区,位于海边和郊区的居民区PM_(2.5)质量浓度相对低于市中心的居民区.PM_(2.5)质量浓度与SO_2和CO均呈现极显著相关性,Pearson相关系数分别是0.584和0.730,说明工厂废气排放及机动车尾气排放对空气质量产生了不容忽视的影响.     

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。     

福州市晋安区PM_(2.5)变化特征分析

利用晋安区五个空气质量监测站2017年的PM_(2.5)监测数据,对晋安区PM_(2.5)质量浓度变化特征进行分析,结果表明,晋安区PM_(2.5)浓度年均值和99.7%的日均值达到《环境空气质量标准》中的二级标准;PM_(2.5)浓度呈现明显的季节变化特征,春、冬季浓度值大于夏、秋季浓度值;而日变化趋势则呈现双峰形态;春、冬季PM_(2.5)/PM_(10)比值高于夏、秋季。     

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。     

定量评估机动车限行、共享单车 对西安市PM2.5的影响

通过收集2016年9月1日至2017年2月28日中国空气质量在线监测分析平台公布的空气质量监测数据,利用统计分析和相关分析法,定量评估机动车限行政策、共享单车的投放使用对西安市PM_(2.5)的影响,旨在为西安市的空气污染防治管理和科学决策提供理论依据。结果表明:不论有无机动车限行和共享单车,交通高峰时段的大气PM_(2.5)浓度均低于非交通高峰时段。源解析表明,交通高峰时段产生的汽车尾气、道路扬尘等只是PM_(2.5)的来源之一,燃煤、生物质燃烧、工业生产等产生的SO_2、PM_(10)、CO和NO_2均对PM_(2.5)浓度有重要影响。在共享单车和限行政策的共同作用下,西安市的PM_(2.5)浓度得到了一定改善,但改善的幅度十分有限。改善空气质量仅靠机动车限行和共享单车投放很难起到明显效果,还应该从改善能源结构、提高节能水平、增加绿化面积等多方面着手。     

北京城区灰霾期间大气PM_(2.5)中水溶性离子污染特征及来源研究

为了解北京城区灰霾期间PM_(2.5)中的水溶性离子的污染特征及来源,于2014年1月9日至2014年1月17日在首都师范大学对大气PM_(2.5)样品进行了连续采集,并利用离子色谱法对样品中的水溶性离子进行了分析.结果表明,PM_(2.5)中的水溶性离子质量浓度的日均值为(113.40±77.46)μg·m-3;10种水溶性离子(F~-,NO_2~-,SO_4~(2-),NO_3~-,Cl~-,NH_4~+,Ca~(2+),Na~+,Mg~(2+)和K~+)的总浓度的平均值为(65.34±50.06)μg·m~(-3),其中水溶性离子总量约占PM_(2.5)质量浓度的57%.重污染期间水溶性离子表现出爆发性增长,NO_3~-和SO_4~(2-)的增长率分别为7.57μg·h-1和8.12μg·h-1.结合气象因素发现当温度偏高,气压较弱,相对湿度较高,风速小且以偏南风为主时,PM_(2.5)及其中的水溶性离子质量浓度都维持在较高水平.主成分分析(Principal Component Analysis,PCA)结果也表明,随PM_(2.5)质量浓度逐渐增加的过程中,污染来源为人为二次污染、化石燃料燃烧、交通排放和工业排放,同时还可能存在生物质燃烧和粉尘及废物焚烧的共同影响.     

天津市东丽区主要大气污染物浓度时空变化特征及气象影响要素分析

利用天津市东丽区各街道的12个环境监测站2016年1月～2018年12月的逐小时、逐日、逐月数据,以及同一时期东丽国家一般气象站的相对湿度、日照时数、风速、最高气温数据,分析了东丽区各主要街道PM_(2.5)、PM_(10)浓度的日、月、季变化特征。通过相关分析方法研究了气象要素与PM_(2.5)和PM_(10)浓度及气象要素与污染物浓度超标的关系,评估了气象要素对PM_(2.5)、PM_(10)浓度的影响。基于逐步多元线性回归方法建立了各气象要素和PM_(2.5)、PM_(10)浓度的多元线性回归模型。     

太原市及周边采暖季大气PM_(2.5)中重金属污染特征及来源解析

为研究太原市及周边采暖季PM_(2.5)中重金属的污染特征及来源,于2018年1月采集太原市及榆次大学城大气PM_(2.5)样品,利用等离子体质谱仪测定其中10种重金属元素,使用富集因子法和聚类分析法明确其来源,结合HYSPLIT后向轨迹模型分析两个区域的空间传输过程。结果表明,锌、铅和锰为太原市和榆次大学城采暖季PM_(2.5)中重金属质量浓度最高的3种元素,分别占10种元素总浓度的77.80%和89.06%.铜、锌、砷、镉和铅在太原市和榆次大学城PM_(2.5)中富集水平为中度以上,主要受人为源影响。通过聚类分析发现,太原市和榆次大学城采暖季PM_(2.5)中重金属的主要污染源为燃煤源。太原市和榆次大学城受来自于西北方向的长距离传输气流影响而形成的扬尘是太原市和榆次大学城PM_(2.5)中10种重金属的自然源之一。同年采暖季中,12月为PM_(2.5)中重金属质量浓度最高的月份。     

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.     

衡阳市中心城区冬季雾霾天PM_(2.5)中重金属污染初探

为了解衡阳市中心城区雾霾天PM_(2.5)中重金属污染特征与来源,2014~2015年连续2年对衡阳市城区冬季大气PM_(2.5)进行采集.通过滤膜称重法测量PM_(2.5)质量浓度,微波消解—原子吸收光谱法(AAS)测定PM_(2.5)中Pb、Cd、Cu、Cr、Ni和Fe等6种重金属元素质量浓度,结合富集因子法对衡阳城区大气PM_(2.5)进行来源解析.结果表明:采样期间,衡阳市中心城区冬季雾霾天PM_(2.5)平均质量浓度均超过国家二级标准,2014和2015年冬季PM_(2.5)中重金属污染趋势基本相同,分别为CuFePbCrNiCd和CuFeCrPbNiCd,表明衡阳城区冬季重金属污染规律明显,富集因子法分析后发现PM_(2.5)中Pb、Cd、Cu、Cr、Ni和Fe元素的EF值均大于10,明显来自于人为污染源,其中Cd、Cu为极强富集,污染可能来源于城区周围金属冶炼和工业燃煤烟尘.