海口市空气质量的特征及其与气象条件的关系

根据海口市2013—2014年空气污染物的监测数据及气象资料,研究了该市的空气质量特征及其与气象要素的关系.结果表明:海口市空气质量优良率为95%;PM_(2.5),PM_(10),O_3是该市的主要污染物,年均质量浓度分别为25.29μg·m~(-3),44.48μg·m~(-3),77.15μg·m~(-3);该市的空气质量随季节变化的特征明显,春、夏、秋、冬四季的AQI值分别为42,35,54,65;污染物的"周末效应"与北京、深圳等国内其他城市不同,表现为:周末浓度大于工作日浓度;旅游黄金周期间污染物均有不同程度增加;污染物日变化特征明显;SO_2,PM_(2.5)表现出一定的区域污染特征;NO_2,PM_(10),CO和O_3表现出一定的局部污染特征;降水、风速、风向、温度、湿度对空气质量的影响显著,在多数情况下AQI与降水、风速、温度、湿度等存在负相关,而与气压存在正相关;对典型污染过程的分析表明:PM_(2.5)受扩散条件、本地排放及外地输送共同影响,O_3浓度与蒸发量、相对湿度及风速等指标有明显关系.     

北京城区灰霾期间大气PM_(2.5)中水溶性离子污染特征及来源研究

为了解北京城区灰霾期间PM_(2.5)中的水溶性离子的污染特征及来源,于2014年1月9日至2014年1月17日在首都师范大学对大气PM_(2.5)样品进行了连续采集,并利用离子色谱法对样品中的水溶性离子进行了分析.结果表明,PM_(2.5)中的水溶性离子质量浓度的日均值为(113.40±77.46)μg·m-3;10种水溶性离子(F~-,NO_2~-,SO_4~(2-),NO_3~-,Cl~-,NH_4~+,Ca~(2+),Na~+,Mg~(2+)和K~+)的总浓度的平均值为(65.34±50.06)μg·m~(-3),其中水溶性离子总量约占PM_(2.5)质量浓度的57%.重污染期间水溶性离子表现出爆发性增长,NO_3~-和SO_4~(2-)的增长率分别为7.57μg·h-1和8.12μg·h-1.结合气象因素发现当温度偏高,气压较弱,相对湿度较高,风速小且以偏南风为主时,PM_(2.5)及其中的水溶性离子质量浓度都维持在较高水平.主成分分析(Principal Component Analysis,PCA)结果也表明,随PM_(2.5)质量浓度逐渐增加的过程中,污染来源为人为二次污染、化石燃料燃烧、交通排放和工业排放,同时还可能存在生物质燃烧和粉尘及废物焚烧的共同影响.     

昆明市PM_(2.5)中水溶性无机离子时空变化特征及来源分析

为探讨高原城市昆明大气中水溶性无机离子的季节和空间变化特征,选取2013年4月至2014年5月昆明市3个采样点进行了PM2.5样品采集,分析了PM2.5及水溶性无机离子的污染特征,并结合气象因素、硫氧化率、氮氧化率及主成分分析法对其主要来源进行了分析.结果表明:PM_(2.5)质量浓度季节变化为春((105.9±48.0)μg/m~3)冬((92.7±51.6)μg/m~3)秋((74.7±41.4)μg/m~3)夏((72.2±30.3)μg/m~3).总水溶性无机离子质量浓度季节变化特征为夏((38.0±18.3)μg/m~3)冬((22.0±11.4)μg/m~3)春((18.4±4.8)μg/m~3)秋((13.6±3.1)μg/m~3);其中SO~(2-)_4、Ca~(2+)、NO~-_3及NH~+_4为PM_(2.5)中主要的水溶性无机离子,分别占总离子质量浓度的27.7%、17.8%、15.2%和9.5%;二次离子质量浓度之和年均为13.9μg/m~3,占PM_(2.5)质量浓度的16.5%,表明高原城市昆明大气中二次组分较少.NO~-_3/SO~(2-)_4为0.21~0.68之间,表明固定源是主要污染贡献源.主成分分析结果表明水溶性无机离子主要来源于土壤扬尘和建筑扬尘的混合源、燃煤源和工艺过程源.     

中国工业基地城市群PM2.5时空分布特征及相关性分析

为研究2014年中国四大工业基地25个主要城市的空气质量污染情况,对25个城市2014年1月~2015年2月的数据进行SPSS聚类分析,研究其整体分布情况,并应用统计学和GIS软件分析其主要城市大气颗粒物的污染分布特征,同时利用SPSS软件对大气污染物PM_(10)、SO_2、NO_2、CO、O_3和PM_(2.5)做相关性分析。结果表明:(1)25个城市PM_(2.5)年均质量浓度在32.94~100.23μg·m~(-3)之间,其中分布在40~70μg·m~(-3)之间的城市相对集中,占所有城市的68%,仅3个城市的PM_(2.5)年均质量浓度小于35μg·m~(-3);(2)PM_(2.5)季节变化特征大体表现为冬季秋季春季夏季,重度污染主要集中在12月和1月;(3)从空间分布上看,京津唐污染水平高于其他三个工业基地,珠三角污染水平最低;(4)四大工业基地城市群PM_(2.5)的浓度与PM_(10)、SO_2、NO_2、CO的浓度存在显著相关性。由于温度、气候等原因,在珠三角和长三角O3与PM_(2.5)呈正相关,而在京津唐和辽中南工业基地则呈负相关。     

上海PM2.5中碳、氮、硫元素的质量浓度及其季节分布特征

为更好地认识上海PM_(2.5)的化学组成特征,使用大流量采集器采集了上海典型地区不同季节的PM_(2.5)样品;利用元素分析仪、热/光碳分析仪、离子色谱仪、化学氧化-紫外分光光度法等多种形式分析了样品中含碳、氮、硫组份的质量浓度及组成;对不同方法的结果进行了比较,探讨了这些组份的季节分布特征及影响因素;建立了利用元素分析仪测定结果估算大气PM_(2.5)中含碳组份、含氮组份和含硫组份质量浓度的方法.研究结果表明,上海PM_(2.5)中总碳(total carbon,TC)的春、夏、秋、冬季平均质量浓度分别为14.26,10.44,11.89和24.35μg·m~(-3),氮元素的春、夏、秋、冬季平均质量浓度分别为8.72,3.07,5.07和17.09μg·m~(-3),而硫元素的春、夏、秋、冬季平均质量浓度分别为6.50,4.06,3.66和6.00μg·m~(-3).上海PM_(2.5)中的碳元素主要以有机碳和元素碳的形式存在,无机碳的贡献很小;绝大部分的含氮物质为水溶性含氮物质,且以无机氮为主;硫元素几乎全部以水溶性硫酸盐的形式存在.元素分析仪的测定结果可以有效地反映PM_(2.5)中含碳、氮、硫物质的质量浓度及组成特征.     

天津武清区PM_(2.5)与气态污染物SO_2及NO_2污染特征研究

利用2016年武清区大气污染物监测数据,研究了武清区PM_(2.5)及SO_2、NO_2等典型大气污染物浓度变化特征和相互关系。结果表明:2016年PM_(2.5)污染较严重,年均浓度分别为73μg·m~(-3),超标1.1倍。大气中SO_2年均值为25μg·m~(-3),NO_2年均值47μg·m~(-3)。冬季及春秋季节大气中存在明显的二次转化过程,大气中的SO_2和NO_2通过转化生成硝酸盐和硫酸盐,对PM_(2.5)浓度变化具有重要影响。     

无锡市分级颗粒物来源解析研究

在无锡市崇宁和旺庄环境监测子站,通过对分级颗粒物进行不同季节(2014年4、7、10、12月)的采样,同时对当地颗粒物主要排放源进行采样,并对受体和排放源样品浓度和化学成分进行特征分析,结合化学质量平衡(CMB)模型解析无锡市城区和工业区分级颗粒物来源,确定分级颗粒物不同排放源的贡献率.两个观测站点,PM10年均浓度分别为143.1μg·m~(-3)(崇宁站)、119.9μg·m~(-3)(旺庄站);PM_(2.1)平均质量浓度分别为71.9μg·m~(-3)(崇宁站)、65.3μg·m~(-3)(旺庄站);PM_(1.1)年平均质量浓度分别为53.7μg·m~(-3)(崇宁站)、49.9μg·m~(-3)(旺庄).崇宁站各级颗粒物平均质量浓度均要高于旺庄站,季节差异上,颗粒物浓度在冬季明显高于其他三个季节.分级颗粒物最主要的化学成分是NO_3~-、SO_4~(2-)、OC、NH_4~+、EC、Ca、Cl~-、K、Fe、Al、Na等,通过质量重构方法后最主要的化学组分依次是颗粒态有机物(POM)、硫酸根(SO2-4)、硝酸根(NO-3)、铵根(NH_4~+)、地壳元素(CM)、其它水溶性离子、元素碳(EC)和微量元素.利用CMB模型计算得到,无锡市PM10的排放源主要为二次硝酸盐(18.2%)、二次硫酸盐(17.3%)、土壤扬尘(9.0%),PM_(2.1)最主要的三类排放源依次是二次硝酸盐(26.4%)、二次硫酸盐(22.6%)和电厂燃煤(7.3%),PM_(1.1)的排放主要来自二次硝酸盐和二次硫酸盐,分别可以达到26.6%和22.5%.分级颗粒物来源解析结果可以看出,粗粒径颗粒物主要来自于扬尘类、汽车尾气和工业过程,细粒径颗粒物主要来自汽车尾气和工业过程.为了减轻无锡市颗粒物浓度水平,重点是控制燃煤、工业生产活动中大气污染物的排放,同时要加强城市建设中的扬尘和交通废气控制.     

玉溪市城区大气VOCs及其它污染物质量浓度时空特征分析

2014年8月至2015年7月在云南典型高原城市玉溪市5个监测点利用苏玛罐采样法采集VOCs样品,基于GC-MS分析方法获取了VOCs总质量浓度,同时利用空气自动监测设备监测了5个点位的大气NO_2、CO、SO_2、O_3(最大8 h)、PM_(10)和PM_(2.5)质量浓度.基于这些监测数据分析了玉溪市城区各种大气污染物的质量浓度分布特征及可能的来源.结果表明:监测期间玉溪市城区环境空气中VOCs、SO_2、NO_2、O_3、PM_(10)和PM_(2.5)的平均质量浓度分别为(19.02±18.31)、(20.11±25.53)、(16.08±11.21)、(34.54±32.79)、(49.51±34.09)μg·m~(-3)和(28.67±20.85)μg·m~(-3),CO质量浓度为(1.35±0.82)mg·m~(-3).从季节分布来看,各种污染物变化规律并不一致.VOCs质量浓度呈现秋、春高,冬、夏低的特点,O_3质量浓度呈现夏季高的明显特征,SO_2质量浓度呈现冬、秋高,春、夏低的特征,NO_2、CO、PM_(10)和PM_(2.5)质量浓度则表现为冬、春高,夏、秋低的特点.从空间分布特征来看,玉溪市中心交通密集区监测点大气环境中VOCs、NO_2、O_3、PM_(2.5)和CO质量浓度较其他监测点浓度较高,反映机动车尾气的显著贡献;而工业区监测点大气环境中SO_2和PM_(10)质量浓度较高,符合工业燃煤排放烟气显著影响的基本特征.另通过相关性分析和气团轨迹研究表明除了本地人为活动影响外,区域传输源对玉溪城区大气污染有重要影响.     

天津市环境空气质量时空特征分析

基于对天津市23个自动空气质量监测站点的SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3监测数据进行分析,掌握了2014年12月1日-2015年11月30日期间各项污染物的时空分布特征,并选取主要污染物分析其时间变化特征和空间分布特征.采用Kriging方法对6项污染物进行分析,获取天津市大气污染物的空间插值分布图.研究结果表明,天津市PM_(10)质量浓度年均值为113μg/m~3,PM_(2.5)年均值为69μg/m~3,均超过二级标准;颗粒物质量浓度呈现明显的季节变化特征,PM_(2.5)浓度季均值从高到低依次为冬季(95μg/m~3)、秋季(64μg/m~3)、春季(63μg/m~3)、夏季(54μg/m~3);站点对比结果表明团泊洼站点污染最严重,而塘沽环保局优良率最高.从空间分布来看,PM_(10)、PM_(2.5)、SO_2、NO_2均表现出中部至南部区域为高值分布区域,说明天津市本地污染排放对大气环境污染的贡献为主要影响因素;而O_3和CO均表现为市区浓度较低而天津市南北区域形成高值且呈现相反分布.     

上海重霾期PM2.5碳质组分污染特征及来源分析

基于Sunset碳分析仪对上海城区冬季重污染期PM_(2. 5)中的有机碳(OC)和元素碳(EC)浓度展开为期一个月(2014年12月1日～31日)的小时分辨率在线连续监测,并采用优化的最小R2算法对二次有机气溶胶(SOC)含量进行了估算。观测期间的PM_(2. 5)、OC和EC的平均浓度(mean±1σ)分别为(67. 5±40. 5)μg·m~(-3),(9. 9±4. 8)μg·m~(-3),(3. 1±1. 7)μg·m~(-3),其中总碳TC占PM_(2. 5)质量浓度比重为32. 2%。OC/EC的平均值为3. 5,SOC的浓度(2. 4±2. 3)μg·m~(-3),占OC比重为24. 5%。EC浓度的日变化与车流量一致,呈现出显著的早晚高值,表明机动车是上海EC的主要污染源。SOC浓度在午后达到极大值,说明光化学反应是SOC形成的重要过程。对采样期间的一次典型污染事件(15日20:00～16日5:00)进行来源分析发现,来自于生物质燃烧输送和机动车一次排放的贡献较少;而SOC占OC的比重明显高于非污染期间,表明二次成核是雾霾期有机气溶胶污染的关键过程。