2014-2018年春节期间北京交通站PM_(2.5)及NO_2污染特征分析

利用2014-2018年北京市春节前后交通污染监测站的PM_(2.5)和NO_2浓度数据,采用浓度特征对比、PM_(2.5)/CO比值等方法,初步评估春节期间烟花禁燃措施和机动车减排的效果,探讨烟花燃放及气象条件对空气质量的影响。结果表明:PM_(2.5)和NO_2浓度变化特征不同,春节期间PM_(2.5)平均浓度为103.6μg/m~3,高于非春节期间25.3%;而NO_2平均浓度为53.8μg/m~3,低于非春节期间19.5%,主要受到机动车减排的影响。2014年春节期间PM_(2.5)浓度最低,2015-2018年PM_(2.5)浓度呈逐年下降趋势;NO_2浓度无明显年际变化特征。烟花爆竹燃放对PM_(2.5)浓度影响显著,对NO_2浓度影响较小,除夕期间对PM_(2.5)浓度的最大贡献值达283.4～704.1μg/m~3。2018年北京市五环内禁燃烟花措施对交通站PM_(2.5)污染改善明显,PM_(2.5)浓度较前4年均值下降25.2%,NO_2浓度仅下降2.4%;禁燃对燃放高峰期PM_(2.5)浓度有明显削峰作用,无有利扩散气象条件下,除夕期间烟花燃放对PM_(2.5)浓度的最大贡献值仍较前4年下降45.0%。气象条件对春节期间PM_(2.5)浓度变化的影响作用较NO_2显著,有利扩散气象条件是2014年春节期间PM_(2.5)污染较非春节期间明显改善的主要原因。     

大连市2016—2017年PM2.5质量浓度时空 分布特征研究及相关性分析

以大连市为研究区域,基于2016—2017年大连市9个国控自动空气质量监测站的PM_(2.5)质量浓度逐小时监测数据,整理、筛选得到52 029个有效样本数据,探讨PM_(2.5)质量浓度时空分布特征,分析其年、季节、月份、日均值变化规律,进行PM_(2.5)质量浓度与SO2和CO的相关性分析.结果表明:2017年较2016年PM_(2.5)质量浓度有所下降,1a中浓度由高到低的季节依次是冬、春、秋、夏.PM_(2.5)质量浓度月均值呈V型分布,2016年和2017年最大值分别出现在12月和3月,最小值均出现在8月.日变化呈多峰型分布,峰值出现在早高峰8:00前后及夜间22:00.各站点月均值变化趋势大体一致,均呈V型分布.位于工业区的站点PM_(2.5)质量浓度都相对高于居民区,位于海边和郊区的居民区PM_(2.5)质量浓度相对低于市中心的居民区.PM_(2.5)质量浓度与SO_2和CO均呈现极显著相关性,Pearson相关系数分别是0.584和0.730,说明工厂废气排放及机动车尾气排放对空气质量产生了不容忽视的影响.     

基于SPAMS的太原市冬季PM_(2.5)组成与来源研究

为探究太原市冬季PM_(2.5)成因,利用位于太原市大气环境综合观测研究站的单颗粒气溶胶质谱仪(SPAMS),结合气象数据,对2019年1月1日-1月31日期间的PM_(2.5)化学组成进行了分析,定量评估研究期间PM_(2.5)的源贡献率。结果表明:研究期间太原市PM_(2.5)日均浓度达到110μg/m~3,PM_(2.5)的颗粒类型主要由有机碳颗粒、混合碳颗粒和元素碳颗粒组成,其中,有机碳颗粒占比(34.7%)最高;PM_(2.5)污染的主要贡献源为燃煤、机动车尾气、工业工艺,占比分别为27.8%、19.7%和17.8%,特别是在PM_(2.5)质量浓度较高时段,燃煤和机动车尾气排放对污染的贡献较大,因此太原市冬季PM_(2.5)污染控制应以燃煤、机动车尾气为主。     

北京交通限行对城市次干道空气质量的影响

 为研究交通限行对城市次干道路域环境空气质量的影响,于2015年8月20日至9月30日对北京市典型次干道PM_2.5、NO₂、O₃、CH₄和非甲烷总烃等污染物进行连续监测,并同步观测车流量,研究阅兵期间交通限行措施对北京城市次干道车流量和空气质量的影响。结果表明,交通限行措施对小客车、中型客车和重型货车的车流量控制明显,分别降低了35.36%、45.12%和94.23%,而出租车和公交车的车流量有增高现象;交通限行期间及限行结束后次干道污染物浓度变化显著,交通限行结束后NO₂、非甲烷总烃浓度分别增加了127%和33.3%,O₃浓度下降了27.7%;次干道车流量与CH₄小时浓度呈显著负相关,与PM_2.5小时浓度、日均浓度有相关性;机动车贡献的NO₂、O₃浓度净值与车流量显著相关,交通限行对机动车贡献的NO₂浓度净值的平均削减幅度为51.25%,O₃增加幅度为82.99%;受交通限行和区域减排影响,PM_2.5削减幅度达34.72%。     

福州市晋安区PM_(2.5)变化特征分析

利用晋安区五个空气质量监测站2017年的PM_(2.5)监测数据,对晋安区PM_(2.5)质量浓度变化特征进行分析,结果表明,晋安区PM_(2.5)浓度年均值和99.7%的日均值达到《环境空气质量标准》中的二级标准;PM_(2.5)浓度呈现明显的季节变化特征,春、冬季浓度值大于夏、秋季浓度值;而日变化趋势则呈现双峰形态;春、冬季PM_(2.5)/PM_(10)比值高于夏、秋季。     

四川盆地城市群6种大气污染物的时空分布

利用四川盆地18个城市2015-2016年6种大气污染物质量浓度资料,采用了集中期、集中度和变异系数等统计学方法,对该地区大气污染的时空分布特征进行了分析,将四川盆地划分为3个区进行对比研究.结果表明,四川盆地18个城市中,大气污染最严重的是自贡市,年均空气质量指数为100,污染天数占总天数的37.6%;污染最轻的是广元市,年均空气质量指数为57,污染天数占总天数的4.5%.四川盆地3个区域按照污染物质量浓度高低以及出现污染天数的长短排序均为:川南经济区成都平原经济区川东北经济区.研究时间段内,18个城市PM_(2.5)年均质量浓度达标的只有广元市;PM_(10)年均质量浓度达标的只有广元市和巴中市;SO_2年均质量浓度18个城市均达标;NO_2年均质量浓度除成都市和重庆市外,其他16个城市均达标;所有城市的CO和O_3日质量浓度均达标.近36年来,颗粒物和SO_2质量浓度呈现不同程度降低,表明国家对大气污染物排放的管控措施对颗粒物和SO_2污染改善明显.污染物PM_(2.5)、PM_(10)、CO、NO_2和SO_2质量浓度的季节变化为冬季高,夏季低;O_3质量浓度季节变化则为冬季低,夏季高.PM_(2.5)、PM_(10)和O_3质量浓度高的时段相对于SO_2、NO_2和CO来说更为集中,PM_(2.5)、PM_(10)、SO_2、NO_2和CO高质量浓度时段主要集中在1月左右,O_3高质量浓度时段主要集中在6月左右.不同城市间SO_2和NO_2质量浓度差异明显,其他污染物质量浓度分布则较为均匀.     

近两年武汉市环境空气质量时空分布特征及污染源解析

运用主成分分析和聚类分析法,对2016—2017年武汉市环境空气10个国控点10个市控点的6个空气质量指标数据进行分析,揭示武汉市环境空气质量时空分布差异性,辨识主要污染因子,解析污染成因.结果表明:2016—2017年,武汉市空气质量有变好的趋势,主要是因为PM_(2.5)和PM_(10)同期月均浓度下降; SO_2、NO_2、PM_(10)、PM_(2.5)浓度排序依次为:冬春秋夏; CO浓度排序依次为:冬秋春夏; O_3浓度排序依次为:夏秋春冬;武汉市监测点位空气质量从好到坏的顺序为:远郊区中心城区工业园(区)或经济开发区;春季的主要污染物因子为NO_2、CO、O_3、PM_(10),夏季的主要污染物因子为NO_2、SO_2、PM_(2.5),秋季的主要污染物因子为NO_2、PM_(2.5)、CO、O_3、PM_(10),冬季的主要污染物因子为NO_2、CO、O_3、PM_(2.5)、PM_(10);近两年,机动车尾气、工业废气排放以及建筑扬尘构成武汉市空气污染的主要来源,秸秆燃烧对空气质量的影响逐渐减小.     

基于LUR和GIS的西安市PM_(2.5)的空间分布模拟及影响因素

从地学角度出发,基于土地利用、人口状况、道路交通和地形等自然人文因素构建土地利用回归模型(LUR),模拟西安市主城区2014年和2015年冬季采暖季PM_(2.5)平均浓度的空间分布,并分析其空间分布成因和年际变化原因。结果显示:LUR模型构建中,2014年采暖季选择的变量主要有500m缓冲区内植被面积、1 000m缓冲区内植被和居民地面积以及人口密度,2015年采暖季选择的变量主要有1 500m、2 000m、2 500m和3 000m缓冲区内道路总长度。2014年和2015年采暖季LUR模型的R2分别为0.933和0.832,拟合效果很好。2014年采暖季各城区PM_(2.5)平均浓度均较高,碑林区绝大部分区域空气质量为严重污染,新城区次之,其他区空气质量基本为重度污染。2015年各城区PM_(2.5)平均浓度均有所下降,大部分区域为轻度污染。土地利用、污染源、道路交通、人口密度、国家环保相关政策、风向和DEM是西安市2014年和2015年采暖季PM_(2.5)浓度空间分布规律、成因、污染来源和年际变化的影响因素。     

集中供暖与非集中供暖城市的冬季大气污染状况——以天津和上海为例

为了解集中供暖和非集中供暖2种不同模式对空气质量的影响,基于天津和上海冬季采暖期及非采暖期的空气质量数据,分析不同供热模式下大气污染物的长时间变化和日变化特征及其影响因素.结果表明:天津和上海采暖期PM_(2.5)、PM_(10)、CO、NO_2和SO_2的质量浓度均高于非采暖期.天津采暖期PM_(2.5)、PM_(10)、CO和SO_2浓度较高主要是受到集中供暖消耗的化石燃料燃烧排放和大气逆温层2个方面因素的影响.上海虽然处于非集中供暖区,但也受到了北方城市供暖区远距离污染物传输的影响.天津集中供暖模式产生的PM_(2.5)、PM_(10)、CO和SO_2排放对空气质量的影响高于非集中供暖城市上海.与非采暖期相比,天津和上海采暖期NO_2浓度的增加量几乎一致,说明供暖活动对大气中NO_2的贡献并不明显;天津和上海采暖期O_3浓度均低于非采暖期,表明供暖活动未对O_3排放产生显著作用.采暖活动明显改变了天津PM_(2.5)、PM_(10)和CO的日变化特征;受采暖活动和逆温层的影响,SO_2和NO_2浓度均在夜间呈现升高趋势;O_3的日变化趋势未受采暖活动影响.与非采暖期对比,采暖期上海的非集中供暖未对污染物的日变化趋势产生显著影响.     

春节期间烟花禁放对江西省城市环境空气质量影响研究

利用2017年和2018年春节期间江西省60个大气环境国控监测点的空气质量自动监测数据,采用数学统计、定量分析和ArcGIS空间分析等方法,并通过构建"空气污染综合指标"对"烟花禁放"政策实施前后江西省主要城市空气质量状况变化进行评估。结果表明,全面实施"烟花禁放"政策前(2017年),除夕夜和正月初一大量的空气污染物短期内迅速累积形成污染高峰;大气环境中主要污染物PM_(2.5)和PM_(10)分别较当年对应污染物的年均浓度升高49.62%和24.19%。2018年春节期间江西省全面实行禁燃措施后,绝大部分城市大气环境中PM_(2.5)、PM_(10)、SO_2等污染物的平均浓度较2017年同期分别下降21.94μg/m~3、25.69μg/m~3和4.81μg/m~3,降幅分别达到31.64%、28.36%和28.39%,烟花禁放措施实施效果显著。从江西省空气质量的空间分布格局可以看出,空气质量指数类别为较良好的地区主要分布在江西省的北部和中部,其烟花禁放成效较好。     

不同污染程度下室内外小时PM2.5浓度变化特征对比

依据实测北京市夏季室外和开、关窗室内的PM_(2.5)浓度等数据,利用统计分析,探讨了不同污染程度下室内外小时PM_(2.5)浓度的变化特征。结果表明:室外PM2.5污染程度为轻度时,其浓度达到最大值后3 h,开窗室内PM_(2.5)也达到一天中的最大值。室外PM_(2.5)污染程度为良或优时,二者小时PM_(2.5)浓度的变化特征较同步。同时,关窗室内的小时PM_(2.5)浓度会出现大于室外的现象。室外PM_(2.5)的污染程度不论是轻度还是优或良,早晨7:00~9:00之间因交通早高峰的影响,室外和开窗室内细颗粒物浓度会出现峰值。     

西安市区大气污染物时空分布特征分析*

利用2014年10月31日～2015年11月31日西安市区13个环境空气质量监测站AQI、CO、SO_2、NO_2、O_3、PM_(2.5)和PM_(10)逐日数据,分析了西安市区各种污染物的时空分布特征,研究污染物之间的相关性及西安和周边城市的空气质量相关性。结果表明,西安市空气主要分布国家标准在二三级之间,长安区超标率最低(24.41%)。利用空间插值法分析污染物空间分布各监测点夏季空气质量均优于冬季,长安区空气质量较好,主城区污染严重,西安大气污染物呈现明显的主城区向郊区递减变化趋势。月平均气温与CO、SO_2和PM_(10)显著负相关,与O_3显著正相关;月降雨量与CO、SO_2和PM_(10)显著负相关;日照时数与O_3显著正相关。SO_2月均浓度值在监测期中达到一级标准;O_3在5～8月份月均浓度值达到最大,其他月份均达到一级标准;NO_2在11月～次年1月月均浓度为全年最高,其他月份达到一级标准;CO在1～2月份浓度达到最高值,其他月份满足一级标准;PM_(2.5)和PM_(10)在整个监测期内均未达到一级标准。西安和周边城市空气质量存在显著相关性,需要城市间协同解决大气污染问题。     

信阳城区气温和降水量与主要污染物之间关系分析

以2014—2017年信阳城区逐日气象要素(最高气温、最低气温、均温和降水量)和环境空气自动监测系统逐日数据(SO_2,NO_2,PM_(10),PM_(2.5),CO,O_3污染物浓度和AQI)为研究对象,采用统计分析和Pearson相关系数法,分析气温和降水量与主要污染物之间关系.结果表明:(1)2014—2017年信阳城区空气质量以优良为主,重度、严重污染的日数较少.(2)日气温(最低、平均和最高)和日降水量与主要污染物SO_2,NO_2,PM_(10),PM_(2.5),CO浓度和AQI呈显著的负相关,与O_3呈显著的正相关,说明气温愈高、降水量愈多,空气质量愈好,即夏季空气质量优于冬季.通过统计2014—2017年逐日空气质量,四季空气质量从夏季、秋季、春季和冬季依次由好转差.(3)相较于非雨日,雨日主要污染物浓度明显降低;降水过程中或者降水之后,大气主要污染物浓度显著下降,共同说明降水量对主要污染物具有显著淋洗作用,尤其是颗粒物PM_(10)和PM_(2.5).     

滇东地区城市空气污染变化特征及其与气象条件的关系

基于滇东城市曲靖2014-2018年2个国控空气质量监测点的逐日空气质量指数和6种空气污染物(SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3)逐小时浓度资料以及同期气象要素数据,统计分析了曲靖主城区空气污染变化特征及气象因子对污染物浓度分布的影响.结果表明:①2014至2018年,曲靖主城区空气质量优良率为97%-99.7%,污染日数呈逐年减少趋势,首要污染物以PM_(10)、PM_(2.5)和O_3为主.②曲靖主城区空气质量呈现出夏秋季节较好、冬春季节较差的季节性特征.③6种污染物浓度各自表现出不同的季节性变化和日变化特征.气象条件影响着曲靖主城区污染物的扩散、迁移和转变.④风速与SO_2、NO_2、CO和PM_(2.5)浓度具有较好的负相关关系;与O_3浓度呈正相关关系;风速对PM_(10)影响较复杂,当风速小于2 m/s时有利于PM_(10)扩散,当风速超过2 m/s时反而导致PM_(10)浓度增加.⑤地面盛行西北风和东南风时,SO_2、NO_2、CO、PM_(10)和PM_(2.5)浓度较高;地面盛行西南风时,O_3浓度达到最高值.⑥降水对6种污染物具有显著冲刷清洁作用.⑦温度与O_3浓度呈显著性正相关关系,与NO_2、CO、PM_(10)和PM_(2.5)浓度呈显著性负相关关系;与SO_2浓度关系不显著.⑧相对湿度与O_3、PM_(10)和PM_(2.5) 3种首要污染物浓度呈显著性负相关关系;与SO_2、NO_2和CO 3种非首要污染物浓度的关系不显著.     

西安市大气颗粒物PM_(2.5)的输送路径和潜在源分析

利用2017年西安市气象数据和主要大气污染物质量浓度的监测资料,综合分析西安市2017年度气候变化、大气污染状况以及污染物质量浓度演变特征.结果表明:西安市年平均风速为2.43 m/s,平均气温为19.00℃,总降水量为649 mm,冬春季PM_(2.5)、PM10质量浓度值普遍高于夏秋季.利用SPSS对污染物与气象因素进行相关性分析,得出颗粒物、气态污染物CO、SO2质量浓度变化与平均气温、降水量、风速呈负相关,而O3与平均气温、降水量、风速呈正相关.此外,通过拉格朗日混合粒子轨迹模型模拟了西安市48 h的气流后向轨迹,并将PM_(2.5)的质量浓度数据与气团轨迹相结合,利用潜在源贡献函数模型(PSCF)和浓度加权轨迹方法 (CWT),分析西安市PM_(2.5)质量浓度影响及潜在源区分布特征,其结果表明超过50%的气流后向轨迹来自西北方向,西安市PM_(2.5)的主要潜在来源位于陕南各城市以及陕南周边省份交界处.     

福州市城区不同粒径颗粒物污染特征

利用福州市国控监测站点2013年4月-2017年3月PM_(2.5)和PM_(10)质量浓度监测数据,对福州市不同粒径颗粒物污染特征进行研究.结果表明:时间变化方面,福州市空气质量整体较好,PM_(2.5)和PM_(10)浓度呈逐年下降趋势;PM_(2.5)、PM_(10)、PM_(2.5)/PM_(10)时间变化规律具有一致性:呈现冬季>春季>秋季>夏季的季节性特征;春季、夏季和秋季工作日浓度均高于周末的浓度,存在周末效应,冬季周末浓度则显著高于工作日浓度;日变化呈明显的双峰型变化趋势.空间变化方面,PM_(2.5)和PM_(10)浓度变化表现为工业区>市区>清洁区,清洁区PM_(2.5)/PM_(10)比值最高,其次是市区、工业区.相关分析结果表明:PM_(10)和PM_(2.5)存在显著相关性,且相关性明显受季节影响,夏季相关性最高.城市颗粒物与气态污染物(SO_2、NO_2)复合性较强.     

济南市气象要素对大气污染物浓度的影响

利用2014-12-01—2015-11-30期间济南市空气质量的监测数据,运用Spearman秩相关分析法研究该市大气中细颗粒物PM_(2.5)、可吸入颗粒物PM_(10)、臭氧(O_3)的浓度与气象要素之间的相关性,其中气象要素选取温度、相对湿度和风速。结果表明:PM_(2.5)、PM_(10)及O_3与气象要素有显著的相关性,PM_(2.5)、PM_(10)的浓度与相对湿度呈正相关,与温度和风速呈负相关,O_3的浓度与温度和风速呈正相关,与相对湿度呈负相关;PM_(2.5)、PM_(10)浓度的日变化特征呈双峰双谷型,O_3浓度的日变化特征呈单峰单谷型;PM_(2.5)、PM_(10)的浓度在冬季、秋季、春季较大,在夏季较小;O_3的浓度在夏季最大,在冬季、秋季、春季相对较小,O_3已成为影响济南市夏季空气质量的首要污染物。     

黔东南州城市环境空气质量季节性变化特征

以2018年黔东南州16个县(市)城市空气自动监测数据为基础,分析城市环境空气污染物浓度变化趋势、污染物之间相关性以及城市环境空气综合指数,研究黔东南州城市环境空气质量季节性变化特征。结果显示:黔东南州城市环境空气中除CO浓度水平具有不明显的季节特征外,其余SO_2、NO_2、O_3、PM_(10)和PM_(2.5)浓度水平具有明显的季节特征,其中,SO_2浓度高值出现在秋季和冬季;NO_2浓度高值出现在冬季和春季;O_3浓度高值出现在冬季和春季;PM_(10)和PM_(2.5)浓度高值出现在冬季和春季。在0.01的置信水平下,PM_(10)和PM_(2.5)的Pearson相关系数达到0.962,具有极强的正相关,初步判断PM_(10)和PM_(2.5)是影响黔东南州城市环境空气质量季节性变化的主要污染物。从全年空气质量变化趋势来看,黔东南州城市环境空气质量从好到差依次为夏季、秋季、春季、冬季,PM_(10)和PM_(2.5)浓度的高低直接影响城市空气质量综合指数的变化。     

郑州市城区PM2.5和PM10变化特征及其与气象要素关系研究

利用2018年1月、4月、7月、10月郑州市城区8个监测站点的PM_(2.5)和PM_(10)浓度数据与气象数据,对郑州市城区PM_(2.5)和PM_(10)的时相变化特征及气象要素对其产生的影响进行研究.结果表明:郑州市城区在1月份的PM_(2.5)浓度最高(118.1μg·m~(-3)),污染严重,4月份PM_(10)浓度最高(169.4μg·m~(-3)).通过分析PM_(2.5)和PM_(10)的比值(PM_(2.5)/PM_(10))发现, PM_(2.5)是郑州市城区主要的大气污染物.PM_(2.5)和PM_(10)与气象要素之间的相关分析表明,PM_(2.5)和PM_(10)与气温和露点温度均呈显著负相关(P0.01),PM_(10)与降水呈显著负相关(P0.05),PM_(2.5)与气温之间的相关性(r=-0.441,P0.01)高于PM_(10)和气温的相关性(r=-0.311,P0.01).另外,当风速在2～3 m·s~(-1)时,PM_(10)最低;而风速大于4 m·s~(-1)时,颗粒物浓度增加明显,且对于PM_(10)的增加作用更显著.露点温度与颗粒物浓度之间也存在一定关系,当露点温度大于0℃时,颗粒物浓度会随露点温度的增加而降低.2018年郑州市PM_(2.5)与PM_(10)昼夜变化呈双峰型特征;风速与温度的双重作用导致PM_(2.5)浓度先于PM_(10)达到最高值,而空气湿度和露点温度则是造成04:00时颗粒物较低的主要原因.另外,通过多元回归分析发现,各月份昼夜时段颗粒物浓度主要受温度和相对湿度影响;在各时段中,温度与颗粒物浓度关系最为密切,风速次之,湿度最弱,各气象要素对PM_(2.5)浓度的影响较PM_(10)浓度更大.     

近地层大气颗粒物垂直分布特征——以北京某高校为例

为了解多种气象因素对近地表PM_(2.5)质量浓度变化的影响及对PM_(2.5)垂直分布规律的影响,2014年9月1日—5日在首都师范大学本部和北一区的3个不同高度(5、20和30 m),得到1 min平均的PM_(2.5)连续质量浓度数据(观测时间段为早6:30—21:30),并对气象因素进行同步观测.结果表明:(1)近地表日平均PM_(2.5)质量浓度垂直分布规律明显,为随高度增加而减小.(2)分时段分析PM_(2.5)质量浓度可发现,在日出日落时分(早6:30—10:00和晚19:00—21:30),受地表与上空空气温差影响,PM_(2.5)垂直分布无明显规律;10:00—19:00期间PM_(2.5)日平均值垂直分布规律为随高度增加而减小.(3)气压突降和降水会影响并改变PM_(2.5)垂直分布规律.