北京地铁站台PM2.5实测及分析

随着地铁普及,地铁站内空气品质受到人们重视。PM2.5浓度是空气品质的重要衡量指标,地铁站内PM2.5浓度值实测研究有限。为了找到影响地铁站内PM2.5浓度的直接影响因素,实测北京地铁各站站台、屏蔽门、室外的PM2.5浓度值。通过对实测数据统计分析,站台内PM2.5浓度受到室外环境影响;不同类型屏蔽门对站台PM2.5浓度值也会造成影响。通过对连续实测数据的相关性分析,发现站台PM2.5存在积累情况。     

北京某地铁车站细颗粒物分布特性研究

为了解地铁环境细颗粒物(PM2.5)污染状况,本文对北京地铁车站PM2.5的浓度进行测试,对北京地铁车站PM2.5分布规律及其浓度的影响因素进行研究。选择复杂的换乘车站—宋家庄车站,针对地铁的公共区(站厅、站台)采用多测点连续测试的方式进行测试。分析结果表明,在室外环境PM2.5污染程度低于重度污染的情况下,地铁车站PM2.5浓度高于室外;列车的频率(活塞风)会造成车站公共区的PM2.5浓度呈现周期性变化。相关性分析表明,地铁站内外细颗粒物之间的相关性显著,颗粒物(PM2.5与PM10)之间的相关性显著。对地铁站内细颗粒物影响颗粒物浓度的相关因素进行分析,明确了客流量、车站温湿度对地铁内PM2.5浓度的影响不显著。     

城市地铁环境空气污染及热舒适调查

为了解地铁环境空气的污染和热舒适状况及乘客对热环境的感知,选取了6条人员相对密集的北京地铁线路,并对其污染状况和热环境进行了调查研究,测量了地铁高峰时段列车车厢和站台空气中颗粒物(particulate matter,PM)(PM1.0,PM2.5及PM10)和CO2质量分数以及温度、湿度和空气流速,运用单因子分析法和预测平均投票指数-不满意率(predicted mean vote-predicted percentage dissatisfied,PMV-PPD)热舒适评价法对客观和主观结果以及二者间的相关性进行了分析.结果表明:①车厢内PM2.5在PM10中占比范围为63％ ～83％,相比于燃烧源场所和住宅环境占比较小,对人体健康影响较小.在地铁高峰时段,地铁1号线、5号线车厢内PM2.5平均质量浓度超标,地铁10号线车厢内PM10平均质量浓度超标;②高峰时段各地铁线路车厢和站台的CO2质量分数高于低峰时段;高峰期4号线、5号线、6号线CO2质量分数平均值超出标准值(0.15％),影响因素主要为人员密集度;③车厢内空气平均温度范围为25.7～28.52℃,平均湿度范围为相对湿度41.32％ ～58.13％,车厢热环境PMV在-0.71～0.53,PPD在5％ ～16％,说明热感觉和不满意率较小程度偏离热舒适范围-0.5≤PMV≤0.5及PPD<10％,其中高峰时段4号线和6号线不满足热舒适要求,低峰时段1、2和10号线不满足热舒适要求,影响因素主要为人员密集度和空调调节温度;④主观问卷得到的热感觉投票占比与客观分析结果一致,主客观相关联,PMV-PPD指标适用于对地铁空调列车热舒适的研究.研究成果可为改善地铁环境空气质量和热舒适提供基础数据.     

重庆市沙坪坝区环境空气PM2.5和PM10相关性分析简

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(PM2.5)和可吸入颗粒物(PM10)污染现状和相关性.结果表明:颗粒物,尤其是细颗粒物(PM2.5),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(PM2.5)在可吸入颗粒物(PM10)中的比重也越高.细颗粒物(PM2.5)和可吸入颗粒物(PM10)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.     

京津冀区域颗粒物污染特征研究

京津冀区域是我国环境空气污染频发的重点区域之一.基于中国空气质量在线监测分析平台实时发布的2019年京津冀区域六个典型城市的颗粒物质量浓度数据,分析京津冀区域颗粒物污染特征.结果表明：京津冀区域日均PM2.5质量浓度小于等于60 μg/m3 天数占全年的68.49%-80.00%;PM10质量浓度小于等于140 μg/m3 天数占全年的75.14%-93.70%;京津冀区域颗粒物质量浓度的月分布呈“V”型规律,颗粒物质量浓度冬季最高,秋季和春季次之,夏季最低;颗粒物质量浓度日变化呈双峰型且与人为活动作息时间保持良好的一致性;应用皮尔逊相关分析法探讨不同城市间颗粒物的相关性,总结为东南和西南两条典型的显著相关路径;应用线性回归方法评估PM2.5与PM10的相关性,同一城市的PM2.5与PM10显著相关;应用空间差异率方法分析京津冀区域不同城市间颗粒物质量浓度的差异程度,石家庄和其他城市间的颗粒物空间差异率最高;天津与唐山的PM2.5空间差异最低,其COD值为0.14;天津和廊坊的PM10的空间差异最小,其COD值为0.14.     

兰州市冬季大气颗粒物的污染特征分析

利用兰州市冬季大气颗粒物Anderson分级采样器和石英分级采样器的资料,采用改进的三次样条插值方法分离出PM2.5,研究兰州市PM2.5PM10的污染水平、PM2.5占PM10和TSP的比例,并比较兰州市PM2.5和PM10在国内的污染水平.结果表明:兰州市冬季PM2.5和PM10的污染严重,PM2.5在大气颗粒物中的质量浓度相对很高,PM2.5的污染和危害值得重视.     

长沙市郊区环境大气中颗粒物PM10的质量浓度及其变化特性

于2007-11-2008-10对长沙市郊区环境空气中的颗粒物PM10的质量浓度采用TEOM 1400a进行实时监测,以揭示城市颗粒物污染的主要特征及其变化趋势.研究结果表明:长沙市郊区颗粒物污染相当严重,PM10年平均质量浓度为(120.8±47.7) μg/m3,明显超出我国环境空气质量标准,其中秋、冬季节质量浓度高于夏季质量浓度;PM10质量浓度日变化受城市交通密度的影响显著,峰值分别出现于9:00与18:00附近,与早晚交通高峰期吻合;PM10质量浓度在工作日与周末存在明显差异,夏季周末质量浓度明显高于工作日质量浓度,而冬季则相反;颗粒物PM10与PM2.5质量浓度具有很好的相关性,说明我国现行采用的PM10环境空气质量标准评价城市空气质量仍是合适的.     

南昌一次持续雾霾天气成因分析

使用2013年冬季的1次雾霾持续过程的气象观测数据、L波段雷达观测数据和Grimm180颗粒物检测仪观测数据进行相关性分析,结果表明:南昌地区1月下旬PM10、PM2.5、PM1.0与风速呈明显的负相关关系,即风速越大,颗粒物浓度越小;地面风向为E时,南昌出现霾的次数最多;PM10、PM2.5、PM1.0与能见度呈现明显的负相关性,即气溶胶颗粒物的浓度增加时,能见度明显降低;在未降水日PM10、PM2.5、PM1.0与相对湿度呈明显的正相关性;当产生降水时,降水对PM10、PM2.5、PM1.0的清除作用显著,PM10、PM2.5、PM1.0与相对湿度呈负相关性。     

不同污染程度下室内外小时PM2.5浓度变化特征对比

依据实测北京市夏季室外和开、关窗室内的PM_(2.5)浓度等数据,利用统计分析,探讨了不同污染程度下室内外小时PM_(2.5)浓度的变化特征。结果表明:室外PM2.5污染程度为轻度时,其浓度达到最大值后3 h,开窗室内PM_(2.5)也达到一天中的最大值。室外PM_(2.5)污染程度为良或优时,二者小时PM_(2.5)浓度的变化特征较同步。同时,关窗室内的小时PM_(2.5)浓度会出现大于室外的现象。室外PM_(2.5)的污染程度不论是轻度还是优或良,早晨7:00~9:00之间因交通早高峰的影响,室外和开窗室内细颗粒物浓度会出现峰值。     

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.     

南京市大气颗粒物污染特征及影响因素分析

利用南京市2013年12月至2014年11月PM2.5和PM10质量浓度及气象观测数据分析了大气颗粒物污染特征和影响因素。结果表明:过去一年南京市PM2.5、PM10年均值分别为0.082 0 mg/m3、0.133 3 mg/m3。季节性差异明显,污染程度顺序为:冬季春季秋季夏季。南京大气颗粒物日变化呈"双峰双谷型"特征,峰值分别出现在上午11:00和晚间23:00附近,谷值分别出现在早晨7:00和下午18:00左右。颗粒物与温度、相对湿度、风速呈一定的负相关性,与能见度、气压有一定正相关性。气象条件共同影响颗粒物质量浓度和大气污染水平。     

攀枝花市PM10、PM2.5污染特征及相关性分析

基于西南地区攀枝花市大气监测站5个站点的大气污染物数据,整理了2019年PM10和PM2.5质量浓度的变化趋势,分析了不同季节不同粒径颗粒物浓度的分布特征与气象因素之间的相关性.结果显示:2019年攀枝花市PM10、PM2.5的质量浓度年均值分别为52.8±16.2μg/m3和29.2±10.5μg/m3;由PM10与...     

空调建筑室内颗粒物浓度变化特征分析

为控制室内PM10的质量浓度,基于质量平衡方程建立了室内可吸入颗粒数学模型并对其进行简化;推导出空调通风系统在开启、关闭两种时段下室内PM10浓度瞬时式。通过数值计算,分析了初始PM10浓度、室外PM10浓度、渗风量、新风比、过滤器效率等因素对室内PM10浓度变化的影响。计算结果表明:提高集中空调系统的各级过滤器效率,有助于改善室内颗粒物污染状况。     

中国大范围雾霾期间大气污染特征分析

为分析我国2013年1月份大范围雾霾成因及特点,在收集相关污染物与气象数据的基础上,运用主成分及相关性分析,对雾霾期间我国8个重点城市大气细颗粒物(PM2.5)浓度、粒径分布,时空变化规律,雾霾与气象因素的关系以及雾霾期间各城市大气污染指标的主成分及相关性进行了分析.结果显示雾霾期间8个城市PM2.5平均超标2.34倍,11~14号超标最为严重,PM2.5/PM10浓度比值平均为0.72,高湿、逆温、低压、静风等气象条件有利于雾霾的形成,PM2.5与SO2,NO2等表现出较好的相关性,主成分分析表明多数城市表现出明显的复合污染特征.此次雾霾是以特殊气象条件为主导的机动车尾气及煤烟型复合污染引起的大范围污染现象.     

宝鸡市区PM10和PM2.5中5种重金属元素的大气污染特征研究

目的研究宝鸡市区2个不同时期(采暖期和非采暖期)、2种不同颗粒物(PM10和PM2.5)中Zn,Pb,Ni,Cu,Cd 5种重金属污染指数(Igeo)及富集状况(EFi),并据此推断污染元素可能的来源,为宝鸡雾霾治理提供技术支撑。方法在宝鸡市监测站院内设采样点进行监测,采用地积累指数法(Igeo)评价污染状况,富集因子法(EFi)分析各金属富集情况,并对结果进行了相关性分析。结果大气颗粒物中5种元素含量排序为:ZnPbCuNiCd,其中Pb,Zn,Cd为严重污染。采暖期Zn,Pb,Cu,Cd在2种颗粒物中的含量高于非采暖期,而Ni的情况相反。富集因子(EFi)表明,Pb,Zn,Cd有很明显的富集,且更容易富集到PM2.5中,相关性分析表明,2个时期2种颗粒物中Cu和Pb的来源不同,采暖期PM2.5中Pb,Zn,Cd的含量与质量浓度呈显著正相关。结论掌握宝鸡市区不同时期和不同粒径颗粒物中5种元素的污染状况,为大气污染治理提供技术支持。     

深圳地铁高架站全高安全门风压计算简析

风压计算是指地铁高架车站全高安全门在遇到极端风速的情况下,确保设计安全宜采用的设计采用值的分析。在我国地铁设计的高架车站中采用全高安全门尚属首次。本文针对这一事例,简析极端风压对全高安全门的设计安全、设计合理采用值的采用做一剖析,以利于设计者在遇到此种情况后,甄别对待不同标准的设计工作。深圳市地处沿海,每年夏、秋两季是台风集中袭扰的季节。考虑全高安全门的安全使用,确定设计过程中风压设计采用值是必要的。     

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.     

北京奥森公园侧柏林空气颗粒物不同季节变化规律

本文通过对北京市奥森公园侧柏林内外,一年四季4种粒径空气颗粒物浓度全天24h监测、并同步观测空气温湿度、风速、光照等气象因子,分析了林内外不同粒径颗粒物浓度的四季变化、日变化和小粒径颗粒物所占比例日变化规律,并对各粒径颗粒物与小气候因子之间的相关性和显著性进行分析,结果表明：1)侧柏林内外空气颗粒物浓度虽然在不同季节表现出不同的变化规律,但总体来说,林缘的均值高于林内均值,且夜间浓度高于白天,且四季均在5:00-7:00时间段不同程度达到峰值;2)从不同粒径颗粒物浓度的四季变化来看,林内TSP、PM10和PM2.5浓度的高低排序为：冬季＞秋季＞夏季＞春季,PM1.0颗粒物浓度的排序为：冬季＞夏季＞秋季＞春季;林缘TSP、PM10和 PM1.0浓度的高低排序与林内一致,而PM2.5浓度的高低排序为：冬季＞夏季＞秋季＞春季;3)林内外小粒径颗粒物所占比例的四季变化：与颗粒物浓度的季节变化相似均是冬季最大,夏季次之,秋季、春季最小;4)在一定范围内,林内外空气颗粒物浓度与相对湿度、光照均呈正相关,温度和风速呈负相关,且林缘的颗粒物浓度与风速呈显著负相关,随着粒径的减小,相关性变大。说明侧柏林内较林缘相比有较好的滞尘效果,适合保健型园林的开发和建设。     

一种大气可吸入颗粒物检测与预警系统的研究

提出一种基于激光散射法的大气可吸入颗粒物检测与预警系统,该系统可用于PM2.5以下超细颗粒物的检测,能精确监测到PM10、PM2.5和PM1.0颗粒的具体数值.同时,由于系统中引入了可调谐激光技术,使其抗温湿度干扰能力得到有效提高.该系统具有实时预警功能,当环境中颗粒物浓度超标时,系统通过GPRS模块将报警信息发送给环境监测人员,使监测人员可以实时了解环境状况,并对突发颗粒物污染做出及时应对.     

不同通勤方式下的交通污染暴露

为了研究城市不同交通方式通勤者颗粒物暴露水平、颗粒物浓度影响因素以及不同粒径粒子数量浓度分布,利用便携式Grimm11-A粉尘监测仪在2019年1月对高峰期和非高峰期4个时段的交通微环境颗粒物浓度及粒子粒径分布数据进行64次采样。结果表明,自行车通勤者PM暴露剂量最大(PM10、PM2.5和PM1.0分别为2285.6、1312.7以及1035.5 min·μg·m-3),其余依次是出租车、公交车,地铁暴露剂量最小;四种通勤方式中,PM10和PM2.5暴露浓度与空气质量监测数据之间具有强正相关性,其中,数量浓度与相对湿度的相关系数均大于0.82;粒子数浓度主要分布在0.25~0.7 μm之间 (＞99%),粒径小于2.5 μm粒子数累计贡献率达99.9%。研究结果有助于通勤者选择低暴露通勤路线。