长沙市PM2.5浓度时空分布特征及影响因子分析

为分析长沙市PM2.5浓度时间变化特征、空间分布特征及其影响因子,利用数据统计分析、克里金空间插值技术、地理探测器等方法与Arc GIS平台表达,选取长沙市中心城区10个监测点2013—2019年PM2.5日变化数据.结果显示:在PM2.5浓度时间变化特征方面,不同季节中,PM2.5浓度表现出冬季>秋季>春季>夏季的季节特征,不同时段中,各季节PM2.5浓度日均小时变化曲线均大致呈双峰形态;在PM2.5浓度空间变化特征方面,PM2.5浓度的高值区主要分布在中部芙蓉区,整体呈城区向郊区逐渐递减的变化规律.根据地理探测器研究结果发现,2017年长沙主城区PM2.5浓度主要受气温、降雨和风速因子影响,其次是道路、相对湿度、气压和人口密度,高程、植被和餐饮因子影响较小;且任意两个影响因子共同作用均会对PM2.5浓度影响增强.     

忻州市PM_(2.5)与PM_(10)中水溶性离子季节污染特征及来源分析

为了解忻州市大气气溶胶中水溶性离子的特征及来源,分别在非采暖季、采暖季和风沙季对忻州市3个固定采样点大气中PM2.5和PM10样品中的水溶性无机离子浓度进行了定量分析.结果表明,忻州市大气PM2.5和PM10浓度分别为89.97、180.12μg/m3,颗粒物中SO2-4、NO-3、NH+4及Ca2+是其主要离子,其质量浓度总和分别占PM2.5和PM10总质量浓度的24.19%和24.15%.SO2-4、NH+4、Cl-、K+主要分布在细颗粒物中,Ca2+、Mg2+主要集中在粗颗粒物中,Na+与NO-3在粗细颗粒物中比例差别不大;风沙季中Ca2+、Mg2+的百分比大于采暖季与非采暖季,采暖季里Cl-的比例大于其余2季.主成分分析表明,忻州市风沙季中颗粒物水溶性离子的最主要来源是风沙扬尘;采暖季PM2.5中离子的最主要来源是燃煤和二次生成;非采暖季PM2.5中水溶性离子的最主要来源为二次生成.     

北京市MODIS气溶胶光学厚度和PM2.5浓度的时空差异及其相关性研究

利用NASA MODIS数据反演北京市气溶胶光学厚度,探讨与北京市12个环境污染监测站点PM2.5质量浓度的时空差异及其相关性。结果显示,AOT与PM2.5均有明显的时空分布特征;二者的日均值具有相反的季节性变化特征(AOT夏季日均值高于冬季,PM2.5浓度日均值相反);日均值空间分布围绕城区向远郊区递减;二者的相关性对季节变化敏感,夏季相关性较好,冬季相关性较差。且郊区相关性明显优于城区。因此,卫星气溶胶数据可以反映PM2.5的分布,弥补地面监测站点的不足。     

PM2.5简介及福州市PM2.5污染分布特征

该文介绍了PM2.5细粒子污染重要的空气质量指示意义.利用2010年～2011年福州市PM2.5观测资料,分析了福州市细粒子污染的分布状况、主要特征及与气象条件的关系.结果表明:福州市PM2.5年平均浓度接近新标准规定的35ug/m3,污染程度较轻;月平均浓度峰值出现在5月,谷值出现在7月;季节分布高低排序为春季＞冬季＞秋季＞夏季,春季污染最严重,一级超标率达72.7％,夏季最轻;日分布呈单峰型,中午前后浓度最高;PM2.5浓度月季分布特征明显,说明PM2.5浓度变化与天气条件关系密切.     

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.     

北京市夏季大气不同粒径气溶胶中碳质及质量重建研究

对北京市城区2012年夏季大气气溶胶进行PM2.5和PM10石英膜采样,利用热光反射法得到了有机碳(OC,organic carbon)和元素碳(EC,elemental carbon)的含量;应用Stelson方法,结合其质量浓度、元素含量可溶性离子含量对气溶胶质量浓度进行了质量重建与比对.日平均质量浓度结果显示,PM2.5中,OC浓度ρ(OC)为19.4μg·m-3,EC浓度ρ(EC)为3.8μg·m-3.PM10中,ρ(OC)为22.3μg·m-3,ρ(EC)为4.1μg·m-3.OC、EC相关性显著(PM2.5,R2=0.77;PM10,R2=0.91).PM10中有87%的OC和94%的EC集中在PM2.5中.PM2.5和PM10中OC/EC比值分别为5.1和5.7,明显大于2,说明存在二次有机碳.PM2.5和PM10重建值和称质量值相关性R2分别为0.95和0.94,重建值和称质量值比值分别为93%和97%.     

教室粉笔气溶胶空间分布实验研究

为了解粉笔灰对教室环境空气气溶胶浓度的影响,利用Fidas-100超细颗粒气溶胶粒径谱仪对某高校常规教室的粉笔气溶胶进行了监测。测量了距离黑板不同位置处气溶胶浓度随时间变化的分布情况。实验结果表明,擦黑板后PM10气溶胶浓度升高了近13倍,粉笔气溶胶所包含的可吸入颗粒PM10所占比例较大,其对室内空气环境污染有着重要影响;距离黑板越远,粉笔气溶胶浓度峰值越低,且浓度达到峰值所需时间越长。     

万州城区PM2.5中有机碳与元素碳污染特征

为了解重庆万州区PM2.5中碳质气溶胶的污染特征，于2012—2013年分4个季节采集了 PM2.5样品，并分析了其中有机碳（OC）和元素碳（EC）的浓度。结果显示，在采样期间，万州区 PM2.5中 OC 和 EC 的年平均质量浓度分别为 29.72 μg·m-3和 8.42μg·m-3，OC和 EC浓度之和占到 PM2.5中 27.25%。OC浓度的季节变化趋势由高到低分别为冬季、秋季、春季和夏季，EC在冬季浓度最高，其他季节浓度变化不大。OC和 EC在 4个季节都有较好的相关性（r为 0.67~0.84），其中，冬季相关性最高（r=0.84），秋季相关性(r=0.67)最差，这与污染物来源复杂有关。应用 OC/EC比值法对二次有机碳（SOC）进行估算，SOC年平均浓度为 13.79 μg·m-3，占 OC含量的 46.72%，冬季 SOC的浓度远高于其他季节，冬季较高的 OC排放及较低的大气扩散能力利于碳气溶胶中 SOC 的生成。
     

武汉市空气污染物长期变化规律研究

搜集了武汉市2006年~2013年8a间的PM10和气态污染物(包括SO2、NO2、NO、CO和O3)质量浓度监测数据.利用基于Loess的季节趋势分解和窗口滑动平均等时间序列分析方法提取了各种监测指标的长期趋势、季节变化和周变化规律.结果表明,武汉市PM10历经了6a的缓慢下降后于2012年后开始急剧上升,SO2出现明显的下降趋势,其他污染物在2013年之前呈现出小幅上升或基本稳定的趋势,2013年有明显上升;季节规律方面,PM10、SO2、NOX和CO都表现出冬季高夏季低的变化特征,O3则呈现相反的变化特征,另外每年4月PM10会出现一个小高峰现象;PM10表现出明显的周变化规律,呈现出以周三为谷值周六为峰值的周期性变化,而其他气态污染物基本没有明显的周变化规律.     

含铊黄铁矿利用对工厂周边大气气溶胶组成的影响

对含铊黄铁矿利用工厂周边大气气溶胶（PM10和PM2.5）中铊的含量分布进行了分析研究,同时运用富集因子法探讨气溶胶中铊的来源．结果表明,硫酸厂周边大气气溶胶PM10和PM2.5中铊的污染程度比较严重,其日浓度分别为1．28～6．92ng·m-3和1．27—4．29ng·m-3．PM10和PM2.5中铊的富集因子均大于...     

宝鸡市大气可吸入颗粒物浓度分布特征分析

目的分析宝鸡市空气污染物PM10的时空变化特征,为宝鸡市PM10污染的综合防治提供依据。方法采用宝鸡市各空气监测点三年PM10污染物浓度资料,分析了宝鸡市区PM10浓度的时空变化特征。结果宝鸡市PM10浓度分布为春、冬季>秋季>夏季,各监测点的浓度变化是监测站>技校>三陆医院>竹园沟。结论提出了切实可行的措施以降低空气中PM10的浓度来改善宝鸡市的城市空气质量。     

北海市城区大气污染物变化特征与地区生产总值的关系

利用北海市2002～2012年中NO2,SO2和PM10浓度的监测数据,分析城区大气污染物的月变化、季节变化、年变化、空间分布以及地区生产总值（GDP）增长对污染物浓度的影响.结果表明：北海城区大气环境质量整体状况较优,主要污染物NO2,SO2和PM10污染物浓度具有明显的时空变化,污染物在时间上呈冬高夏低的季节性变化,并受季风、降水湿沉降的影响明显;在空间上,污染物呈南高北低的区域性变化,市区及近郊高于远郊.污染物浓度和GDP增长关系明显,GDP增长幅度较污染物增长幅度大,两者之间存在着显著线性相关关系.北海市第一产业（农林牧渔业）和第三产业（服务业）对污染物排放量贡献大于第二产业（工业及建筑业）.     

厦漳泉地区气溶胶污染特征及影响因素分析

利用卫星Terra和Aqua上搭载的中分辨率成像光谱仪（moderate resolution imaging spectratiometer,MODIS）的气溶胶产品,研究福建省厦漳泉地区气溶胶污染特征和影响因素,并对比了3市气溶胶质量浓度的差异。研究结果表明2002—2017年厦漳泉地区气溶胶质量浓度的变化趋势可以分为三个阶段:一是在2002—2007年呈现平缓的增长;二是在2008—2011年没有明显的变化;三是在2012年之后,气溶胶质量浓度开始出现明显的下降趋势。在16年的时间里,区域平均气溶胶质量浓度减少了5.1 μg/cm2(约为23.10%),说明厦漳泉地区空气质量有较明显的改善。在气溶胶质量浓度较高的厦门市,2012年出现最大值（45.0 μg/cm2）,之后逐渐下降,到2017年（平均值为37.6 μg/cm2）约下降了16.34%。厦漳泉地区气溶胶质量浓度呈现明显的季节变化,最大值出现在4月;5月开始出现较大的下降;秋末冬初出现最低值;12月区域平均值为(18.4±5.2) μg/cm2,但是时间上的波动达到最大,同时空间异质性也很明显。厦漳泉地区气溶胶质量浓度的空间分布异质性明显,在10~85 μg/cm2之间变化。气溶胶质量浓度高值区主要出现在沿海的泉州市、厦门市和漳州市的城区,三个城区的高值分别为85,75,65 μg/cm2,高值区年际间波动较小;而低值区由于受到其他区域的影响,年际间波动较大。     

大气中PM_(10)浓度的影响因素及其污染变化特征分析

讨论了影响大气中可吸入颗粒物PM10浓度的因素，包括来源、源强、气象条件等，并分析了其时空分布特征．     

南京市MODIS气溶胶光学厚度与PM10质量浓度的相关性分析

利用NASA MODIS气溶胶光学厚度(AOD)产品与南京市区API转换得到的PM10质量浓度进行了相关性分析;发现二者的直接相关程度较低。对气溶胶光学厚度进行垂直和湿度影响订正后,二者的相关系数显著提高。结合风速和气压等气象因子分季节进行多元回归分析,相关系数进一步提高。分析结果表明卫星遥感气溶胶光学厚度可以作为监测PM10污染分布的有效手段。     

烟台市区大气中SO_2、NO_X及PM_(10)的时空分布规律研究

以2006—2007年烟台市区大气中SO2、NOX、PM10的监测数据为依据,分析了这3种大气污染物的时间、空间分布特征.结果表明:烟台市大气污染物浓度较低,空气质量较好.主要污染源为采暖排放、机动车排放与风沙影响.SO2、PM10污染呈明显的季节变化,SO2采暖季排放上升明显,PM10在春、秋的风沙时期保持较高的值.各污染物呈明显的区域性分布,SO2、PM10污染多集中在只楚工业区,NOX污染多集中在城市中心区域.     

Spatial and Temporal Variability of PM_(2.5) Concentration in China

PM_(2.5) has become an increasing public concern recently because of its visibility reduction and severe health risks. For the whole year of 2013, hourly PM_(2.5) data of 496 monitoring sites scattered in 74 cities of China are collected to analyze temporal and spatial variability of PM_(2.5) concentration. Different temporal scales(seasonal variation, monthly variation and daily variation) and spatial scales(urban versus rural, typical areas and national scale) are discussed. Results show that PM_(2.5) concentration changes significantly in both long-term and short-term scales. An apparent bimodal pattern exists in daily variation of PM_(2.5) concentration and the daytime peak appears around 10:00 am while the lowest concentration appears around 16:00 pm. Spatial autocorrelation analysis and Ordinary Kriging are used to characterize spatial variability. Moran's I of PM_(2.5) concentration in three typical regions, the Beijing-Tianjin-Hebei region, the Yangtze River Delta region and the Pearl River Delta region, is 0.906, 0.693, 0.746, respectively, which indicates that PM_(2.5) is strong spatial correlated. Spatial distribution of annual PM_(2.5) concentration simulated by Ordinary Kriging shows that 7.94 million km2(83%) areas fail in meeting the requirement of China's National Ambient Air Quality Standards Level-2(35 mg/m3) and there are at least three concentrated highly polluted areas across the country.     

电力减排对华东空气质量影响的数值模拟研究

我国经济正处在高速发展时期,电力需求将持续增长,但以燃煤为主的电力工业带来的能源消耗和环境污染问题也不容忽视。为了进一步了解电力排放对华东空气质量的影响,本文应用中尺度大气动力-化学耦合模式WRF-Chem针对两种不同的电厂减排情景模拟分析了冬季华东地区主要污染物浓度变化量和分布情况,得到以下结论：(1)模式能较好模拟华东主要大气污染物的时间变化规律和空间分布特征;(2)华东冬季主要大气污染物浓度高值区为山东西部、安徽北部及长三角地区,冬季大气环流条件不利近地面污染物扩散,易造成污染物堆积;(3) 减排的敏感性试验表明：电厂排放减半时华东大部地区SO2、NO2的浓度降低约10~30%,关闭时约30~50%;PM2.5和PM10在江西和福建沿海一带减少较多,电厂排放减半时约5%,关闭时约10%;CO基本不受电厂减排影响,仅降低1~2%;而O3在电厂排放减半或关闭时在华东大部地区增加30%以上。     

MODIS气溶胶光学厚度产品在地面PM_(10)监测方面的应用研究

利用MODIS(中分辨率成像光谱仪)两年的气溶胶光学厚度(AOD)产品与北京地区API转化得到的PM10质量浓度、北京大学站点直接监测的PM10质量浓度以及香港元朗站点监测的PM10质量浓度做相关性分析,发现二者的直接相关程度较低。将AOD除以气溶胶季节标高,得到地面消光系数,与地面PM10质量浓度相关性提高。对地面消光系数进行相对湿度订正,得到计算的质量浓度,与地面实际观测的PM10质量浓度相关性进一步提高。经过两年时间资料的对比分析,证实气溶胶遥感光学厚度经过垂直和湿度影响订正后,可以应用于地面PM10监测。