不同碳质气溶胶在线监测技术的实测比较研究

2009 年 10 月 31 日?11 月8 日, 用国际上应用较多的4 种气溶胶在线监测仪同步监测了深圳大气细粒子中元素碳( EC) 和有机物( OM) 的浓度。比对结果显示: 黑碳仪与单颗粒黑碳光度计测定 EC 有很高的相关度, R²=0. 97, 斜率为 1.00; 在线 EC/ OC 分析仪的EC 监测结果与前两者的相关度 R²均大于0. 95, 但是其浓度水平总体偏低 30%～40%; 在线 EC/ OC 分析仪测定的OC 与气溶胶质谱仪测得的 OM 也 比较吻合, 相关度 R²=0.83, 但是在OM 高浓度时在线 EC/ OC 分析仪的测量结果相对偏低。对造成不同在线仪器观测数据差异的因素进行了初步探讨, 为研究者掌握这些在线仪器获得的高时间分辨率观测数据的准确性和差异性提供支撑信息。     

深圳PM2.5浓度变化趋势及其月尺度预测方法

基于深圳市环境监测站的PM2.5浓度数据以及深圳市国家气候观象台发布的月度气象监测公报,研究了2012年至2019年深圳市PM2.5浓度的变化规律,分析了PM2.5浓度与月尺度气候要素的关系,并利用多元线性回归分析法建立了PM2.5月均浓度的预测模型。结果表明：2012年至2019年深圳PM2.5浓度呈明显下降趋势,PM2.5浓度有季节性特征,干季(1~3月及10~12月)PM2.5浓度比较高,也是PM2.5污染防控的重要时段。月降水日数、月降水量以及月平均温度与PM2.5浓度的负相关较明显,偏北风频率与PM2.5浓度呈显著正相关,可一定程度上帮助预判月均PM2.5浓度。与前人研究结果相反,月平均相对湿度与PM2.5浓度呈显著负相关。包含气象因素项以及PM2.5浓度项的月平均PM2.5浓度预报模型拟合度较高,偏北风频率、月平均相对湿度是对月平均PM2.5浓度影响最大的气象因素。利用深圳市2020年数据对模型进行检验,结果证明方程对于月平均PM2.5浓度的预报有一定适用性,可较好预报PM2.5浓度月增量。