空气PM10污染染特征及绿化结构净化效应研究——以河南农业大学为例

以PM10污染为研究对象,采用激光粉尘仪对河南农业大学校园内PM10特征进行了分析,探讨了PM10的日变化规律及随高度、绿化状况和天气的变化状况,并用统计分析的方法对数据进行处理,结果表明：1）PM10浓度日变化特征为白天浓度高,夜间浓度低;2）多云、晴朗天气PM10浓度相对较低,阴天时PM10浓度出现峰值,雨天PM10浓度显著下降;3）在一定高度范围内,PM10浓度随着高度增加逐渐增大,越往高空PM10浓度越大;4）丛生灌木结构的PM10浓度明显高于乔木结构．     

典型城市道路区域空气TSP和PM10污染特征研究——以上海市为例

为对空气中总悬浮颗粒物(TSP)和可吸入颗粒物(PM10)的污染特征进行研究,采用KC-120H型智能中流量TSP和PM10采样器,运用重量法测定道路的TSP和PM10浓度.针对重车型比例大的典型城市—上海市,对其道路区域中TSP和PM10污染物随车型、绿化情况、洒水情况和天气等的变化情况进行分析,并采用统计分析方法对数据进行处理.研究结果表明:(1)TSP和PM10浓度的日变化特征为白天浓度高于夜间浓度,阴天浓度高于多云和晴朗天气,雨天浓度下降显著;(2)在一定车型比例范围内,TSP和PM10浓度随着重型车数量的增加逐渐增大;(3)有绿化隔离状况下,TSP和PM10浓度明显低于无绿化情况,高大乔木阻挡作用强于灌木丛生植物;(4)洒水车过后,TSP和PM10浓度显著下降;(5)PM10与TSP浓度值线性相关.     

河南省供暖期大气污染特征及预测分析——以郑州市为例

近年来河南省大气污染问题引起社会的广泛关注,但有关供暖期间大气污染方面的研究相对较少.以郑州市为例,分析郑州市供暖期间大气颗粒物的浓度变化并进行预测,对提高当地空气质量具有重要意义.基于2014-2016年郑州市空气质量监测数据和同期气象数据,利用SPSS相关分析和BP神经网络模型,分析郑州市供暖期间PM2.5、PM10的超标情况、日变化特征,探究气象要素对PM2.5和PM10的影响,最后预测AQI指数的变化.结果表明:2014年供暖期郑州市空气质量相对较差,PM2.5和PM10平均质量浓度超标率最高;2015年供暖期郑州市空气质量相对较好,PM2.5和PM10平均浓度变化幅度较大;2014-2016年供暖期间郑州市PM2.5和PM10浓度具有明显的日变化特征,呈现双峰型变化;2014-2016年供暖期郑州市PM2.5、PM10与日均气温相关性不显著,与日均风速呈显著负相关,与日均相对湿度呈显著正相关;当供暖期郑州市主导风向为正西风时,污染天气出现频率较低;利用BP神经网络预测2016年AQI的精度较高,预测值与实测值相关系数为0.85.     

武汉中心城区可吸入颗粒物连续在线观测分析研究

利用2012年11月20日-2013年1月20日武汉市环保部门监测的ρ(PM10)和ρ(PM2.5)数据,对观测期内可吸入颗粒物的统计特征进行了分析,并结合同期气象资料,分析了几种典型天气条件下ρ(PM10)和ρ(PM2.5)的日变化特征及与风速、风向的关系.结果表明:在观测期内,ρ(PM10)日均值有24d超过《国家环境空气质量标准》(GB 3095-2012)二级标准最高限值;ρ(PM2.5)有35d超过标准最高限值,超标率高达62.5%;在不同天气情况下,ρ(PM2.5)和ρ(PM10)一般在雾霾天气条件下出现高值,有降水过程时出现低值;PM2.5和PM2.5-10主要分布在风速小于4m/s范围内;ρ(PM10),ρ(PM2.5)和ρ(PM2.5-10)未出现周末效应.     

天津蓟县夏季PM_(2.5)污染特征及影响因素

为探究天津蓟县大气细颗粒物(PM2.5)污染特征及气象因素对它的影响,搜集了2013年蓟县PM2.5质量浓度变化资料,对PM2.5污染情况进行了详细分析;并针对夏季典型天气,对PM2.5质量浓度进行监测,结合同步气象数据,运用线性回归及相关性分析方法研究PM2.5质量浓度与气象因素关系.结果表明:蓟县PM2.5质量浓度呈现明显冬高夏低特征,夏季污染超标率达45%,其日变化呈明显双峰型;PM2.5质量浓度受温度、相对湿度、风速、风向、降雨影响显著,与气压无显著关系,能见度随PM2.5质量浓度增大呈现e指数衰减规律.研究结果可为当前的京津冀区域大气污染协同防控提供一定的科学参考.     

太原市春季PM10浓度波动的分形维数特征及MF-DFA分析

以太原市2016年3月1日至5月31日日均PM10浓度为基础数据,利用分形几何中的计盒维数指标定量刻画浓度变化特征;同时,利用多重分形消除趋势波动分析方法对PM10浓度变化的多重分形特征进行检验,发现太原市春季PM10浓度变化的多重分形特征不明显.     

太原市小店区不同粒径大气颗粒物（PM2．5，PM5，PM10,TSP）浓度变化特征

对太原市小店区不同粒径的大气颗粒物（PM2.5,PM5,PM10,TSP）进行采集,并对其浓度变化特征进行详细分析,探讨了特殊天气对大气颗粒物浓度的影响．结果表明：在采样期间,不同粒径颗粒物的年平均浓度均超过了国家规定的二级标准,PM2．5,PM5,PM10,TSP随月份、季节的变化趋势基本一致,均为冬季最高,夏季最低．特殊气象条件对颗粒物的浓度影响较大．     

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.     

居住区内大气颗粒物污染特征和影响因素探究——以南京某高校为例

2014年4—5月,在对南京某高校居住区室内和室外的大气污染物PM10进行采样、监测的基础上,分析并讨论其具体的分布特征和影响因素.结果表明:该居住区室内外PM10日均质量浓度基本满足国家二级排放标准(PM10日均浓度小于150μg/m3),只有少数情况下超过国家二级排放标准;室内污染物浓度变化较室外污染物浓度变化有滞后;温度、相对湿度、大气压和天气条件与PM10质量浓度呈现出一定的关联性.     

长春市PM_(10)污染特征及与气象因素的相关分析

为了研究长春市PM10污染特征以及影响PM10浓度的因素,利用长春市PM10的实时监测资料,分析长春市PM10浓度的季节变化特征和污染程度.并利用同期的气象资料,建立PM10浓度和气象因素之间的多元线性回归模型,来进行两者之间的相关分析.采用逐步回归法,建立了"最优"回归方程,分析不同季节对污染物浓度有显著影响的气象因素,从而为长春市大气污染防治和雾霾天气预测提供科学依据.结果表明,长春市PM10浓度冬季偏高、夏季偏低、春季和秋季居中,2013年全年中1、4、10月份出现了不同程度的高污染现象,日平均浓度最高值达到591μg/m3.研究发现对长春市PM10有显著影响的气象因素主要有当日平均风速和最高最低气温温差.     

近15a兰州市空气质量变化特征及沙尘天气影响

采用2002-2016年兰州市PM10、SO_2及NO_2质量浓度监测数据、空气质量指数和地面常规气象观测资料,统计分析了兰州市的空气质量变化特征及沙尘天气的影响.结果表明,兰州市空气重污染天数减少,空气质量呈好转趋势,首要污染物仍以PM10为主,其污染天数占总污染天数的89%.较重的空气污染主要出现在11-4月,尤其春季的沙尘天气对空气污染有重要影响.兰州市每3～4 a会出现一个沙尘天气多发年, 3类沙尘天气以浮尘为主;沙尘天气的月、季分布特征明显, 90%以上的沙尘天气出现在春季.沙尘天气的PM10年均质量浓度最高,为非沙尘天气的1.2～5.4倍,平均为2.6倍;沙尘天气的PM2.5年均质量浓度比非沙尘天气高2.4倍, SO_2和NO_2的年均质量浓度差别不大.沙尘天气对兰州市PM10月均质量浓度贡献率较大的月份为3、4月,对PM2.5月均质量浓度贡献率较大的月份则持续至5月. 14 a间3类沙尘天气对PM10日均质量浓度的平均贡献率均为正值,对SO_2和NO_2,除沙尘暴对SO_2的贡献率为正值外,其余均为负值, 2013-2016年浮尘对PM2.5日均质量浓度的平均贡献率为110%,扬沙对PM2.5的平均贡献率为-30%.不同强度的沙尘天气对兰州市空气质量的影响体现在细颗粒物和粗颗粒物上有差异.     

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。     

宝鸡市可吸入颗粒物24h浓度变化特征分析

目的 分析宝鸡市区空气中可吸入颗粒物(PM10)24 h浓度变化特征,总结其规律性,以便百姓参考.方法 利用2003～2007年大气自动监测数据,结合气象资料,对宝鸡市区多年监测结果进行统计分析,每年分为采暖期和非采暖期2个阶段分别进行分析.结果 宝鸡市区PM10平均小时浓度值的日变化特征为12月份9点浓度最高,可以达到0.29 mg/m3,每年的3月份凌晨2点其浓度最低值,为0.03 mg/m3,每年的元月到3月中旬和11月中旬到年底,宝鸡市区PM10日平均小时浓度变化幅度较大,在6:00～11:00和17:00～23:00各出现一次峰值.3月份PM10的最小值与最大值相差0.20 mg/m3,2月份PM10的最小值与最大值相差0.12 mg/m3;非采暖期PM10浓度起伏较小,另外全天PM10浓度变化与气象条件和人为因素密切相关.结论 全年各月PM1024 h内的浓度变化规律明显,对宝鸡市居民合理安排出行、PM10控制和治理具有参考价值.     

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。     

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。     

Ocean Data View软件在城市大气污染物因子分析中的应用

近些年城市大气污染问题尤为突出,其中PM2.5、PM10等污染物是引起雾霾天气的重要因素.本文基于2007—2016年10年中全国主要城市SO2、NO2、PM10等污染物因子的年平均浓度变化,利用Ocean Data View软件分析主要城市大气污染主控因子(二氧化硫、氮氧化物以及颗粒物)的排放特征及其成因.结果表明:各污染物的区域性分布明显,污染物浓度变化的总体趋势北方高于南方,SO2、NO2、PM10年平均浓度北方分别高于南方108.15%、7.60%、48.36%;从大气污染组分来看,颗粒物的增长速度最快,石家庄2007—2016年PM10增速为28.10%;而SO2的污染物浓度在下降,乌鲁木齐的降速为84.10%.     

天津滨海新区塘沽2013年供暖期前后大气污染物特征分析

为了解天津滨海新区塘沽供暖期前后大气污染物浓度水平的变化特征,利用2013年10月1日~12月29日NO2、SO2、PM2.5、PM10的连续在线监测数据,以供暖前10月1日~11月14日及供暖期11月15日~12月29日2个时间段来分析各污染物的变化特征。结果表明,滨海新区塘沽供暖期比供暖前PM10、PM2.5、NO2及SO2的日均浓度分别上升了46.7%、8.9%、60.5%和117.9%;4种大气污染物的日均浓度最高值均出现在供暖期;供暖期PM10、PM2.5、NO2及SO2的日均超标平均倍数较供暖前均有所上升;供暖期PM10、NO2及SO2的超标率均比供暖前上升,而PM2.5的超标率则下降。     

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。     

天津滨海新区塘沽2013年供暖期前后大气污染物特征分析

为了解天津滨海新区塘沽供暖期前后大气污染物浓度水平的变化特征,利用2013年10月1日~12月29日NO2、SO2、PM2.5、PM10的连续在线监测数据,以供暖前10月1日~11月14日及供暖期11月15日~12月29日2个时间段来分析各污染物的变化特征。结果表明,滨海新区塘沽供暖期比供暖前PM10、PM2.5、NO2及SO2的日均浓度分别上升了46.7%、8.9%、60.5%和117.9%;4种大气污染物的日均浓度最高值均出现在供暖期;供暖期PM10、PM2.5、NO2及SO2的日均超标平均倍数较供暖前均有所上升;供暖期PM10、NO2及SO2的超标率均比供暖前上升,而PM2.5的超标率则下降。     

银川市PM10污染特征分析

通过银川市2015年空气污染物质量浓度值分析,结果表明,PM10和PM2.5的浓度变化具有明显的季节特征和区域特征。PM10质量浓度春季高于夏季,秋季最低,PM10月均质量浓度变化均为1月份最大,9月份最小;PM10分指数等级冬季最差,PM10分指数等级秋季好于夏季;4#监测点各个季节PM10浓度均表现为最高。