湖南省2021年春节期间PM2.5重污染特征及来源分析

针对2021年春节期间(2月11—17日)湖南省发生的一次PM2.5重污染过程,利用湖南省内组分站和复合监测站水溶性离子分析仪、碳组分分析仪、无机元素分析仪等分析了PM2.5的化学组成,对颗粒物主要成分进行了来源解析,并结合气象综合分析了此次重污染的过程和成因.监测结果显示,此次重污染过程中PM2.5最高日均质量浓度达184μg/m3,超标1.45倍;烟花爆竹集中燃放期间,全省PM2.5浓度平均升高了2.3倍,各城市PM2.5小时峰值浓度较初始浓度分别增高2.7～11.2倍.重污染期间硫酸盐是PM2.5的主要组分,最高可达24.8％;此次重污染是受烟花爆竹燃放叠加高湿静稳、逆温、小风等不利气象条件的影响而引起空气质量的恶化.     

南宁市PM2.5浓度与气象因素的关系研究

摘 要 空气污染主要与污染源的排放、气象条件、地形地貌三方面因素有关。对南宁市空气质量指数与气象因素的关系进行研究,进一步探究空气污染的主要污染源PM2.5与气象因素之间的关系,分析了促进空气污染发生的气象条件。并在此基础上建立多元线性模型对空气污染物PM2.5的浓度值进行预测。结果表明预测模型拟合度R2值最大达到了0.747,说明了该模型预测效果良好并能够适用于南宁市空气污染物PM2.5的监测和预报。     

湖南省冬季一次PM2.5重污染过程特征及来源分析

针对2020年12月18—28日湖南省发生的一次PM2.5重污染过程,利用湖南省内组分站和环境空气复合监测站水溶性离子分析仪、碳组分分析仪、无机元素分析仪等分析了PM2.5的化学组成,对颗粒物主要成分进行了来源解析,并结合气象要素、激光雷达和卫星遥感监测综合分析了此次重污染的过程和成因.监测结果显示,此次重污染过程中PM2.5最高日均质量浓度达177μg/m3,超标1.36倍;重污染期间硝酸盐是PM2.5的主要组分,最高可达55.5％;激光雷达及气象数据分析表明,此次重污染是受高湿静稳、逆温、边界层高度低等不利气象条件影响,加之区域污染传输和本地污染积累而引起空气质量的恶化.     

南宁市大气颗粒物PM_(l0)、PM_(2.5)污染水平

为了初步调查南宁市大气中颗粒物PMl0、PM2.5的污染水平 ,于2002年春、夏、秋、冬4季在南宁市的5个典型城市功能区 ,采集了85个样品.结果表明 ,南宁市PMl0、PM2.5 的污染很严重 ,超标率为82.5 %、92.5% ,而且对人体健康危害更大的PM2.5 占PM10 的大部分 ,约为63.5 % ,且重污染区PM2.5 浓度超过轻污染区近一倍 ,应引起公众和相关职能部门的高度重视.     

南宁市大气颗粒物PM10、PM2.5污染水平

为了初步调查南宁市大气中颗粒物PM10、PM2.5的污染水平，于2002年春、夏、秋、冬4季在南宁市的5个典型城市功能区，采集了85个样品．结果表明，南宁市PM10、PM2.5的污染很严重，超标率为82．5％、92．5％，而且对人体健康危害更大的PM2.5占PM10的大部分，约为63．5％，且重污染区PM2.5浓度超过轻污染区近一倍，应引起公众和相关职能部门的高度重视。     

重庆中心城区空气污染特征及气象影响因素分析

根据环境空气质量监测数据和气象观测数据,对重庆中心城区2013—2020年空气污染特征及气象影响因素进行了分析.结果表明:2013—2020年影响重庆中心城区空气质量的大气污染物主要为PM2.5和O3,重度污染日首要污染物基本为PM2.5;PM2.5污染和O3污染均呈现出明显的季节差异,PM2.5超标主要出现在初春、秋...     

粤东三市PM2.5和PM10质量浓度分布特征

采用在线监测方法于2009年7月8日至22日在广东省汕头、潮州、揭阳三市各选择1个有代表性的空气质量监测点同步进行PM2.5和PM10监测。监测结果表明,粤东三市PM2.5和PM10质量浓度低于部分沿海城市;PM10与PM2.5的质量浓度日变化呈双峰分布,分别处在上午(6:00至10:00)以及下午(18:00至22:00)两个时间段;PM10与PM2.5日平均浓度变化呈周期性波动,周期约为3～4 d;对于粤东三市区域,PM2.5/PM10为0.5215,说明PM10中细颗粒物含量大于粗颗粒物含量。     

合肥市灰霾大气污染特征浅析

根据《灰霾污染日判别标准(试行)》判别标准,合肥市2013年PM10、PM2.5等浓度值及天气统计数据,分析了灰霾天气下,不同PM2.5浓度区间及不同PM2.5/PM10区间的气象特征。在非灰霾天气下,剖析了降水、无降水,能见度5km及无降水,能见度5km且相对湿度95%,主要是有雾或者雾霾混合的天气下的气象特征。得出如下结论:合肥市灰霾天气主要出现在1月和12月,这个期间降水量低,轻微的降水沉降颗粒物效果不明显,风速明显低于非灰霾时期,不利于颗粒物扩散,气压呈增加趋势,增加了大气的温度性,也不利于污染物扩散,导致污染物浓度增加。PM2.5是导致灰霾天气的主要原因。     

天津市津南区一次持续性污染天气特征及气象条件分析

2018年3月9日～14日天津市津南区出现了一次持续性空气污染过程,利用津南区PM2.5质量浓度观测资料和地面气象要素观测数据,从天气形势和气象要素2方面对此次重污染过程进行分析。结果表明,此次持续性污染过程PM2.5质量浓度达271μg/m3,以细颗粒污染物为主;高空主要为高压脊前偏西风或平直的西风气流,低层受西南风控制;地面位于高压后部或低压前部,西南风不断将污染物从河北中南部向津南区输送。分析认为,高相对湿度、低风速和较低的混合层高度是造成此次持续性污染天气过程的主要气象要素,其中PM2.5质量浓度与混合层高度具有负相关。     

上海城乡细颗粒物中碳质、无机和重金属的全组分特征及来源分析

为系统研究我国超大城市上海城乡细颗粒物（PM2.5）的组成特征及来源,本研究于2015年夏季在上海中心城区（普陀区市政大楼）和农村（青浦区淀山湖边）两地进行同步观测,全面分析了两地PM2.5浓度及各种化学组分：水溶性离子（8种）、元素（20种）、有机碳（OC）和元素碳（EC）。结果意外表明,农村站点PM2.5平均质量浓度（43.5±19.8 μg·m-3）高于城区站点（34.8±15.0 μg·m-3）。从化学组分来看,除Ca2+、Mg2+浓度低于城区站外,农村站测得的PM2.5中水溶性离子质量浓度均高于普陀站。二次无机离子（硫酸盐、硝酸盐及铵盐）在两地PM2.5中均占主导地位,贡献超过一半。元素分析表明,燃煤相关排放（以Pb、Hg等为示踪元素）对两地污染贡献均较大,其中城区站点有较显著的道路扬尘和机动车排放影响。观测期间两地同步出现一次PM2.5高浓度污染事件,后向轨迹结合潜在源贡献因子分析（PSCF）表明,本次污染事件可能受浙江北部工业污染物的短距离传输所致。     

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。     

PM2.5中无机元素的污染特征和来源分析

为研究齐齐哈尔市大气颗粒物PM2.5的污染特征和来源,在2013年12月~2014年11月,于齐齐哈尔大学校园内安置采样点采集PM2.5样品。初步测定了PM2.5中Na、Mg、Al、K、Ca、Fe、Mn、Ni、Cu、Zn、As、W、Pb、Ti、V、Cr这16种无机元素的浓度水平,并通过元素相关性分析、富集因子分析和主因子分析方法对其来源进行解析。结果表明:元素污染较为严重的季节是夏季,冬季较轻。Pearson相关系数分析表明无机元素污染来自地壳源和人为源的共同作用。富集因子分析表明,Zn、Cu、As、Pb这几种元素高度富集,主要受到交通源和工业源以及燃烧源等人为污染影响显著。因子分析表明,元素污染春夏两季主要来源于建筑源、交通排放污染和工业污染三个方面,秋冬季的燃烧污染明显贡献的更多。研究结果对于防治齐齐哈尔大气污染有一定的借鉴意义。     

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...     

Characterization of PM2.5/PM2.5-10 and source tracking in the juncture belt between urban and rural areas of Beijing

Coarse （PM2.5-10） and fine （PM2.5） atmospheric particulate samples were collected in summer and winter during 2005-2007 in the juncture belt between urban and rural areas of Beijing. Elements, ions, organic/elemental carbon （OC/EC） and polynuclear aromatic hydrocarbons （PAHs） were determined to obtain some latest information about the particulate pollution in the juncture belt of Beijing. Particulate matter levels at this site were high as compared with the levels at other sampling sites in Beijing. Pollution elements, secondary ions and PAHs were enriched in fine particles rather than in coarse particles. An obvious seasonal variation of the chemical composition of PM was observed. Source apportionment results showed that secondary components were the largest mass contributor of PM2.5, accounting for 28%; whereas soil-related sources were the largest contributor of PM2.5-10, explaining about 49% of the total mass. The abnormal levels of soil heavy metals at the electronic waste disassembly site in the upwind villages suggested the potential impact of such activities to the environment.     

南宁市灰霾天气与空气污染物关系分析

根据2010年6月1日至2011年5月31日南宁市的环境监测数据和气象数据,分析南宁市灰霾天气特征,然后通过SPSS软件分析灰霾天气与能见度、颗粒物(PM2.5、PM10)浓度、气态污染物浓度和空气污染指数的关系,探讨南宁市灰霾天气与空气污染物的关系。结果发现,南宁市灰霾天气主要分布在秋、冬两季,PM2.5是直接造成南宁市灰霾天气的主要因子,PM10、SO2、NO2、CO和O3对灰霾天气的发生也有一定影响。PM2.5与PM10相关性最显著,与SO2、NO2相关性较显著,与CO相关性显著,与O3相关性不显著。     

燃煤电厂锅炉PM2.5现场实测与排放特征研究

采用自设固定源PM_2.5稀释采集系统对陕西省关中地区多个燃煤电厂烟气中的颗粒物开展了现场实测与样品化学源组分分析。结果表明：4个燃煤电厂PM_2.5、PM₁₀占颗粒物比重差异较大（PM_2.5占比范围为6.92%~54.34%,PM₁₀占比范围为36.36%~73.02%）;4个燃煤电厂数浓度水平最高值（2.0×10⁴~4.0×10⁵个/cm³）差异较大,相差约1个数量级;燃煤电厂PM_2.5小粒径段颗粒物质量浓度占比大多较低,但其对PM_2.5数浓度贡献却很大（最小值>95%）,大粒径段颗粒物则相反;煤粉炉PM₁/PM_2.5较大,占比范围为35.29%~51.35%,循环流化床锅炉PM₁/PM_2.5较小,占比范围为16.62%~21.47%;SO₄^2-是燃煤电厂PM_2.5中最丰富的离子成分,各电厂SO₄^2-占总离子浓度比重范围为50.02~65.52%,Na⁺和Ca²⁺位于第2或第3位;各燃煤电厂主要检出无机元素是Si、Al、Ca、Na、Fe、Na等地壳元素;燃煤电厂PM_2.5、PM₁₀和颗粒物的排放因子范围分别为0.001~0.028 kg/t、0.002~0.086 kg/t、0.003~0.236 kg/t;除尘设施组合越复杂先进,排放因子就可能越小。     

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.      

The effects of coal blending on the formation and properties of particulate matter during combustion

The control of particulate matter (PM) emissions from coal combustion becomes an urgent work due to their adverse effects on human health. Coal blending is a promising option for submicron particulate (PM1) reduction. This study addressed the effects of coal blending on the formation and properties of particulate matter in combustion process. Coal blends from lignite and bituminous coal, with different blend ratios (9:1, 7:3, 5:5, 3:7 and 1:9), were combusted in a drop tube furnace. The mass size distribution, concentration, elemental composition and morphology of the particulate matter generated under O₂/N₂ and O₂/CO₂ conditions were characterized. Particulate matter was collected by a low pressure impactor (LPI), which aerodynamically segregated particulates into thirteen fractions with sizes ranging from 0.03 to 9.8 μm. The results showed that coal blending reduced PM1 generation, compared with the calculated average values from the combustion of constituent coals. This indicated that the mineral interactions had a great effect on PM₁ reduction. The blend ratio also played an important role in the suppression of PM1 generation. In this experimental study, PM1 generation suffered a maximum suppression at the blend ratio of 7:3. The O₂/CO₂ atmosphere affected the formation and properties of the PM1 during coal blends combustion. Compared with the O₂/N₂ combustion, the interaction of minerals was weakened under O2/CO2 combustion, thus the suppression of PM₁ generation decreased after coal blending. Compared with the calculated values, the concentrations and percentages of Ca, Fe in PM₁ decreased, but the concentrations of Ca, Fe, Si and Al in coarse particulates (PM₁₀₊) increased after coal blends combustion. The interactions between the aluminosilicates in the bituminous coal and volatile elements Ca, Fe in the lignite were thought to contribute to the suppression of PM₁ generation during the com-bustion of coal blends.     

重庆涪陵大气污染物特征及其与气象要素的关系

利用重庆涪陵2010—2014年空气质量监测数据和同期的气象资料,分析了涪陵地区大气污染物的变化情况与气象要素的相关关系.结果表明:涪陵从2010到2014年空气质量有变好趋势,迎宾大道和兴华中路的空气质量总体较好,AQI指数优良天数分别占87%和85.6%,PM_(10)为涪陵首要污染物.PM_(10),SO_2质量浓度具有周期性变化特征,从1月至12月为先降低后升高的趋势,每年较冷的12月、1月、2月PM_(10)质量浓度值较高,较热的月份质量浓度值较低.NO_2质量浓度年际间变化幅度较小.PM_(10)与气温、降水量、相对湿度、平均风速具有负相关性,与气压具有正相关,即气温越高、降雨量越大、气压越低、风速越大,PM_(10)质量浓度越低.SO_2,NO_2与气温、气压、降水量均为负相关,与相对湿度正相关.不同月份大气污染物与气象要素的相关性存在较大差异.     

盆地气候条件下成都城区O_3与NO_2相互作用的时间尺度分析

应用去趋势互相关分析法对比分析了成都市2013年7月1日至8月31日和2014年1月1日至2月28日等2个时间段4个大气环境监测站点近地面O3与前体物(NO2)小时平均浓度的相关性及其时空演化尺度特征.研究表明,成都市4个监测站点近地面O3与NO2小时平均浓度波动的相关性在一定时间尺度内具有长期持续特征.并对成都市夏季和冬季近地面O3与NO2相关性进行了对比分析,探讨了导致此种差异的原因.结果表明,不同的气象条件下成都市O3与NO2相互作用的时间尺度存在显著差异.其差异性可能与成都市独特的盆地气候特点以及当地夏季与冬季太阳光辐射、日照数、气温等气象因子有关.研究结果有助于进一步加深对盆地气候条件下成都市O3污染特征的认识.