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。     

上海市大气环境中PM2.5/PM10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PM_2.5和PM₁₀小时数据及对应的气象因素资料,以PM_2.5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PM2.5/PM₁₀的时空分布特征. 结果表明:P_2.5和PM₁₀的季节高低为冬>春>秋>夏,PM_2.5/PM₁₀的季节分布在不同区域存在差异性. PM_2.5/PM₁₀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/PM₁₀高于下午. 颗粒物质量浓度及PM_2.5/PM₁₀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/PM₁₀均表现为背景站>浦西站>浦东站.     

长春市大气中PM10本地源和外来源解析对比研究

利用单粒子后向轨迹模型与化学质量平衡模型(CMB)相结合的方法,分别对长春市大气中PM10外来源和本地源贡献率进行源解析研究。CMB 8.2的解析结果中,工业燃煤和以钢铁尘为主的工业尘是外来可吸入颗粒物的最主要来源,非采暖期、采暖期的贡献率分别为13.04%、32.56%和29.75%、14.66%;而机动车尾气和道路尘则是本地可吸入颗粒物的最主要来源,非采暖期、采暖期贡献率分别为39.24%和33.86%。HYSPLIT模型分析,2011年9月30日(非采暖期)对于长春市大气中可吸入颗粒物影响较大的城市为通辽、白城、四平等;2012年3月1日(采暖期)的外来源则来源于兴安盟、白城、松原、吉林以及牡丹江市。     

基于气象要素的鸡公山景区PM10浓度预测

利用鸡公山景区2019年环境空气质量监测数据,研究了景区PM₁₀污染特征及与气象要素的时序变化关系,构建了基于单气象要素的PM₁₀浓度预测回归模型.结果表明：(1)景区PM₁₀年均浓度为61.85μg·m^-3,PM₁₀污染季节差异明显,并呈逐年下降趋势.(2)PM₁₀时均浓度与气压等4个气象要素之间存在极显著的多元线性回归关系(P<0.01).(3)气压和气温是影响PM₁₀污染的主要气象要素.(4)在全年时尺度、大样本容量下,气压或气温与PM₁₀浓度间的回归模型精度均较低.为此,采取在气压或气温的等值点、小梯度递增与对应的PM₁₀浓度值域一并平均处理后再回归,显著提高了两者间的回归精度.基于气压或气温预测PM₁₀浓度是适宜的.开展PM₁₀浓度预测研究,对提升景区空气质量预报能力、促进景区森林康养功能开发均具有一定的科学意义.     

泰安市PM10浓度变化特征及与气象因素的关系分析

根据泰安市2004-2007年PM10浓度资料和同期气象观测资料,分析PM10浓度的时间变化特征,通过相关分析得到影响PM10浓度的主要气象因素包括降水量、风速、相对湿度和气温.分析PM10浓度与各气象要素的关系:不同等级的降水对PM10污染有一定的清除作用,小于10 mm以下降水的湿沉降作用要好于10 mm以上的降水,特别是5-10 mm降水,PM10变化量最大,冬季降雨沉降效率最高;春季PM10与风速呈正相关,其他季节则相反;相对湿度小于40%时,PM10浓度与湿度呈正相关,相对湿度大于60%时,PM10浓度与湿度呈反相关;春季PM10浓度与温度的相关性要好于其他季节.     

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。     

兰州市供暖期PM10浓度与气象因子分析

为研究兰州市供暖期内PM10浓度变化及其与气象因子的关系,于2007、2008年供暖期在兰州市4个典型城区,用Dust Trak Model 8530采集了303个PM10样品并收集同期3种（风速、相对湿度、气温）气象数据。运用数据统计分析方法,描述了供暖期PM10浓度的月变化和日变化趋势,同时分析了PM10日均浓度与气象因子的相关性。结果表明：（1）兰州市供暖期PM10污染十分严重,2007、2008年PM10的超标率分别为78.5%、54.5%,最大超标倍数分别达到2.27、2.81,PM10浓度日变化呈“双峰双谷”型;（2）PM10日均浓度与风速呈典型的二次函数关系,与相对湿度呈显著的负相关线性关系,而其与气温相关性不显著。     

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．     

广州市住宅室内PM2.5排放源的定量计算

对广州市部分采样住宅室内、室外PM2.5的浓度进行了15 min平均的实时监测.室内浓度系列与室外浓度系列相比,出现多个明显的浓度峰,定性判断住宅室内存在一定的排放源.结合物质平衡模型、线性回归模型及室内外实时监测浓度线性拟合情况,定量计算住宅室内PM2.5排放源源强,结果表明3个采样住宅的PM2.5室内排放源的平均排放强度为6 417-9 779μg.h-1.     

保山市隆阳区PM10浓度与气象因子的相关性研究

根据保山市隆阳区2009年1—12月的PM10质量浓度资料以及同期的气象资料,对PM10平均质量浓度数据在不同时间和空间上进行分析,并采用逐步回归方法建立了空气污染物PM10与气象因子的回归模型。模型结果表明,PM10预测值与实测值比较吻合,变化趋势一致。结合该课题得到的结论和PM10产生的根源,提出了PM10污染防治措施。     

哈尔滨市大气中PM_(10)、PM_(2.5)质量浓度及金属离子分析

对哈尔滨市大气环境中的PM10、PM2.5进行了采集,并对质量浓度及离子成分进行了分析.实验结果表明,两种颗粒物均呈现了先减小后增大的特征,最高值出现在1月,质量浓度分别是178.85、130.10μg/m3,PM10在1、2、3、4、11、12月均超标,而PM2.5质量浓度则高出欧盟标准(15μg/m3)的2~8倍,另外,离子总质量浓度在8月达到了最低值,分别是42.73μg/m3和25.3μg/m3.PM10和PM2.5中离子成分占颗粒物总质量的比例均表现为中间高两边低的特点,最高含量出现在7月份,分别为67.7%和68.4%.根据相关系数的判别原则,PM10中表现为高度负相关的离子是Ca2+和F-、Ca2+和SO42+、Ca2+和NO3-;表现为高度正相关的离子是K+和Mg2+、K+和Cl-、M2+和Cl-、F-和SO42+、F-和NO3-、SO42+和NO3-,说明上述离子间有相似的污染来源.PM2.5中表现为高度正相关的离子是K+和Cl-、K+和SO42+、K+和NO3-、Mg2+和SO42+、F-和NO3-、SO42+和NO3-,与PM10中离子相关性规律不同.     

气象因子对近地面层臭氧浓度的影响

利用近几年来近地面层臭氧浓度和常规气象要素的观测资料。分析了温度、降水、蒸发、风向风速等气象要素对近地面层臭氧浓度的影响．结果表明，近地面层臭氧浓度随着气温的升高而升高，臭氧浓度的日变化和季节变化有同样趋势；而降水、湿度的影响刚好与气温相反；大风或有雾的天气条件也会成为近地面层臭氧浓度增高的因素。这可能与大风对引起近地面臭氧产生的前体物的搬运作用以及雾内湍流将高层臭氧向下的输送作用有关。     

上海PM_(10)质量浓度的空间分布及影响因素分析

根据上海2010年1月—2011年12月17个环境监测点的PM_(10)监测数据和同期地面气象资料,分析了上海PM_(10)质量浓度的季节变化和空间分布.结果表明:上海各监测点间PM_(10)平均质量浓度的差异并不显著,说明区域传输对上海的大气污染有明显影响;风向、风速对上海PM_(10)质量浓度有显著影响,静风及W~S风向时PM_(10)质量浓度较高,东风及东南风时PM_(10)质量浓度较低.分析各监测点PM_(10)质量浓度与全市平均质量浓度的差别时发现,不同季节、不同风向下上海PM_(10)质量浓度的空间分布变化有较明显的规律,污染物在不同功能区之间的相互输送是导致不同风向时PM_(10)质量浓度空间分布差异的重要原因.气压对上海PM_(10)质量浓度的影响明显,低气压时的PM_(10)质量浓度明显较低,但大气压和PM_(10)质量浓度之间不存在线性关系.     

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。     

成都市PM_(2.5)指标的影响因子分析及其防治策略

采集了2015年全年成都市主要城区的大气监测数据,按月进行了相关统计.结合成都市人口经济、机动车尾气、工业分布及排放等实际情况,论述了空气PM_(2.5)污染来源;针对实时采集的数据,绘制了成都市气温、降雨量与PM_(2.5)数值的关系图,分析了成都市地理、气候因素对PM_(2.5)指标的影响,进一步提出了有针对性的系列防治策略与措施.     

道路人工清扫扬尘中PM10污染影响因素研究

目的确定影响道路人工清扫过程扬尘大小的因素之间关系及排放因子量化模型。方法采用模拟实验方法，通过改变路面粉尘负荷q清扫强度Q以及路面粉尘湿度F等条件，对影响道路清扫过程PM10发生的主要影响因素展开研究。结果提出了中国北方城市道路人工清扫过程扬尘中PM10浓度的量化计算模型。结论粉尘含湿量对道路人工清扫扬尘量的影响最大，粉尘负荷次之，清扫强度最小。     

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。