元宵节燃放烟花爆竹对北京市空气质量的影响

本文利用2011年元宵节(2月17日)前后北京市主要大气污染物(PM10、SO2、NOX、CO和O3)的浓度数据和相关气象资料,分析了元宵节烟花爆竹燃放对北京市空气质量的影响.结果表明:元宵节大量鞭炮的集中燃放导致了PM10的急剧升高,影响时段主要在2月17日19:00到18日7:00.全市PM10最高小时浓度出现在17日23:00左右,全市平均达到469.3μg/m3,单站最高达到1307μg/m3;烟花爆竹的燃放对SO2、NOX和CO也有一定影响,且对CO的影响有一定的滞后性;燃放烟花爆竹对O3浓度影响很小;不同的采样点之间空气质量有所差异.另外,元宵节前后北京市的气象条件相对较好,API中烟花爆竹的贡献较高,但在良好的气象条件下,烟花爆竹燃放的影响很快消除.     

北京市夏季大气不同粒径气溶胶中 碳质及质量重建研究

对北京市城区2012年夏季大气气溶胶进行PM2.5和PM10石英膜采样,利用热光反射法得到了有机碳(OC,organic carbon)和元素碳(EC,elemental carbon)的含量;应用Stelson方法,结合其质量浓度、元素含量可溶性离子含量对气溶胶质量浓度进行了质量重建与比对.日平均质量浓度结果显示,PM2.5中,OC浓度ρ(OC)为19.4μg·m-3,EC浓度ρ(EC)为3.8μg·m-3.PM10中,ρ(OC)为22.3μg·m-3,ρ(EC)为4.1μg·m-3.OC、EC相关性显著(PM2.5,R2=0.77;PM10,R2=0.91).PM10中有87%的OC和94%的EC集中在PM2.5中.PM2.5和PM10中OC/EC比值分别为5.1和5.7,明显大于2,说明存在二次有机碳.PM2.5和PM10重建值和称质量值相关性R2分别为0.95和0.94,重建值和称质量值比值分别为93%和97%.     

北京市2014年大气污染物空间分布特征分析

基于地理信息系统ArcGIS 10.2平台,采用反距离权重空间插值模型对2014年北京市35个环境质量监测点监测到的主要大气污染物:一氧化碳(CO)、二氧化氮(NO2)、臭氧(O3)、可吸入颗粒物(PM10)、细颗粒物(PM2.5)和二氧化硫(SO2)质量浓度年均值的变化规律及空间分布特性进行了分析.结果表明,在质量浓度分布上,2014年北京市CO、NO2、SO2、O3、PM10、PM2.5这6类大气污染物的质量浓度分别位于1～3 mg/m3、17.22 ～ 105.4 μg/m3、14.27～25.75 μg/m3、27～ 81μg/m3、76 ～ 179 μg/m3、67 ～ 123 μg/m3范围内.由此可知,北京市2014年大气污染物年均质量浓度除PM10和PM2.5外的其余污染物质量浓度并不高,都在轻度污染范围之内;在空间分布上,除O3质量浓度空间分布上呈现出北高南低的特征外,其余污染物均呈现南部、中部质量浓度较高,北部地区质量浓度较低的特征.     

基于数值模拟的区域大气环境研究

根据山西省阳泉市南煤集团西上庄煤电一体化项目的总体要求,拟用中尺度气象模式MM5耦合大气污染模式CALPUFF,对评价区域2005年7月的大气环境进行数值模拟.通过综合模式系统地模拟研究发现:本地污染源的排放对阳泉空气质量起决定作用;7月对SO2的平均贡献浓度为85.31μg/m3,对PM10的平均贡献浓度为39.3 μg/m3.本地点源排放对SO2的影响相对较大;7月对其平均浓度的贡献可达65.04μg/m3.本地面源排放对PM10的影响相对较大,7月对其平均浓度的贡献为28.75μg/m3.外地点源排放对阳泉大气环境的影响较小,但在某些过程中通过区域输送对空气质置也会造成一定的影响.     

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.     

郑州市PM_(2.5)和PM_(10)中水溶性无机离子的污染特征

于2009年10月至2010年8月间采集郑州市大气颗粒物PM2.5与PM10样品,对其质量浓度及水溶性离子进行分析研究.结果表明:PM2.5在秋、冬、春、夏四季的质量浓度的平均值分别为134.9、121.6、77.9和102.0μg/m3,PM10在秋、冬、春、夏四季的质量浓度的平均值分别为193.2、184.0、140.9和140.5μg/m3,日均值超标率分别达77.8%和59%.PM2.5和PM10质量浓度呈现很好的相关性,春季粗粒子在PM10中的比例相对较高,而秋、冬和夏季细粒子是PM10的主要组成部分.主要的水溶性离子是SO2-4、NO-3和NH+4,大部分以(NH4)2SO4和NH4NO3形式存在;NO-3和SO2-4质量比小于1,说明采样期间郑州市大气以固定排放源污染为主.     

北京市夏季大气气溶胶 PM2.5和 PM10成分特征?

对北京市城区2012年夏季大气对气溶胶进行每日PM2.5和PM10石英膜采样,得到了可溶性离子质量浓度和16种元素的质量浓度,并结合气象观测值进行了分析.结果显示,采样期间,PM2.5质量浓度为9.58~210.42μg·m-3,平均值102.81μg·m-3;PM10质量浓度为33.75~288.33μg·m-3,平均值159.66μg·m-3.PM2.5和PM10质量浓度都与采样点能见度、风速呈负相关,与相对湿度呈正相关.质子荧光分析(PIXE)结果显示,S、K、Ca和Fe在PIXE可分析元素中含量较高,在PM2.5和PM10都占89%.且元素Ca、Ti、Sc、Cr、Fe主要存在于粗粒子(PM2.5~10)中,而元素S、Cu、Zn、As、Br、Pb主要存在于细粒子(PM2.5)中.富集因子分析表明,元素K、Ca、Ti、V、Mn、Ni主要为地壳来源,元素S、Cl、Cu、Zn、As、Br、Pb主要来自于人为源.SO2-4、NO-3、NH+43种可溶性离子总质量浓度占PM2.5浓度的43.5%,占PM10浓度的25.4%.     

2003年秋冬季西安大气中有机碳和元素碳的理化特征及其来源解析

2003年9月至2004年2月在西安站点开展了大气PM2.5和PM10中碳气溶胶的连续观测,并采集了三类主要污染来源样品(燃煤,机动车尾气和生物质燃烧)进行对比分析,采用IMPROVE-TOR方法准确地测量了样品的有机碳(OC),元素碳(EC)及其中的8个碳组分含量.西安秋季和冬季大气PM2.5中OC的平均含量ρOC分别为(34.1±18.0),(61.9±33.2)μg·m-3,EC的平均含量ρEC为(11.3±6.9),(12.3±5.3)μg·m-3.OC和EC均主要赋存于PM2.5粒级中.秋季OC和EC的相关性好(R2＞0.90),冬季一般(R2=0.66).总碳气溶胶在秋季PM2.5中占(48.8±10.1)%,在冬季也达到了(45.9±7.5)%.所有观测日的ρOC/ρEC比值均大于2.0,秋季PM2.5中ρOC/ρEC平均为3.3,冬季为5.1,这可能主要与直接排放来源有关.由碳气溶胶的8个碳组分数据,采用绝对主分量分析获得了主要排放来源对总碳的贡献份额,即秋季汽油车尾气占73%,柴油车尾气占23%,生物质燃烧占4%,而冬季燃煤占了44%,汽油车尾气占44%,生物质燃烧占9%,柴油车占3%.     

攀枝花市PM10、PM2.5污染特征及相关性分析

基于西南地区攀枝花市大气监测站5个站点的大气污染物数据,整理了2019年PM10和PM2.5质量浓度的变化趋势,分析了不同季节不同粒径颗粒物浓度的分布特征与气象因素之间的相关性.结果显示:2019年攀枝花市PM10、PM2.5的质量浓度年均值分别为52.8±16.2μg/m3和29.2±10.5μg/m3;由PM10与...     

宝鸡市高新区PM10中重金属元素的浓度水平及风险评价

目的研究宝鸡市高新区大气PM10中金属元素的浓度变化规律,为其防控提供参考依据。方法使用智能中流量采样器在宝鸡文理学院高新校区于2013年9月至2014年2月进行采样。结果结果分析表明:宝鸡市高新区PM10中4种重金属含量FeZnPbMn,Fe含量明显高于其他3种重金属;Pb的季平均值分别为0.277μg/m3和0.467μg/m3,未超出《环境空气质量标准》(GB3095-2012)规定标准值(1.0μg/m3),其浓度变化受季节因素的影响较为明显,冬季略高于秋季;而Fe和Zn浓度变化较为平稳,Mn无明显变化。使用潜在生态风险指数法对PM10中的3种重金属进行生态风险评价,按照危害排序从高到低依次为PbZnMn。结论宝鸡市高新区大气中PM10污染不容忽视,其Pb,Zn和Mn的污染值得更深入的研究。     

北京PM10质量浓度与总体理查逊数的关系

为了研究总体理查逊数对可吸入颗粒物 PM₁₀ ( particulate matter with aero-dynamic diameter smaller than 10 μm) 质量浓度的影响, 对2007年11月北京南郊观象台的PM₁₀质量浓度资料、地面气象自动站资料和常规无线电探空资料进行了分析。统计分析软件采用 SPSS15.0( Statistical Package for Social Sciences 15. 0) 。分析结果表明,在北京地区以稳定层结为主的条件下, PM₁₀质量浓度与地面气象要素和总体理查逊数存在很好的规律性。PM₁₀质量浓度与风速和相对湿度显著相关, 相关系数分别为 - 0. 65 和 0. 69, 通过 α= 0. 01 显著性检验; PM₁₀质量浓度与地面至450m层的总体理查逊数存在显著的对数形式非线性关系, 决定系数 R2= 0.42。非线性回归方程的独立样本预测检验显示回归模型可以用于根据无线电探空资料对PM₁₀质量浓度进行预测。     

Spatial and Temporal Variability of PM_(2.5) Concentration in China

PM_(2.5) has become an increasing public concern recently because of its visibility reduction and severe health risks. For the whole year of 2013, hourly PM_(2.5) data of 496 monitoring sites scattered in 74 cities of China are collected to analyze temporal and spatial variability of PM_(2.5) concentration. Different temporal scales(seasonal variation, monthly variation and daily variation) and spatial scales(urban versus rural, typical areas and national scale) are discussed. Results show that PM_(2.5) concentration changes significantly in both long-term and short-term scales. An apparent bimodal pattern exists in daily variation of PM_(2.5) concentration and the daytime peak appears around 10:00 am while the lowest concentration appears around 16:00 pm. Spatial autocorrelation analysis and Ordinary Kriging are used to characterize spatial variability. Moran's I of PM_(2.5) concentration in three typical regions, the Beijing-Tianjin-Hebei region, the Yangtze River Delta region and the Pearl River Delta region, is 0.906, 0.693, 0.746, respectively, which indicates that PM_(2.5) is strong spatial correlated. Spatial distribution of annual PM_(2.5) concentration simulated by Ordinary Kriging shows that 7.94 million km2(83%) areas fail in meeting the requirement of China's National Ambient Air Quality Standards Level-2(35 mg/m3) and there are at least three concentrated highly polluted areas across the country.     

佛山市禅城区空气中PM10变化特征及其防治对策

通过选择佛山市禅城区具有代表性的6个监测点.对空气中可吸入颗粒物(PM10质量浓度进行监测.在收集大量监测数据的基础上.分析PM10的时间与空间变化特征.并提出防治对策和建议以控制PM10的污染.     

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。     

河南省主要城市大气气溶胶中的TSP和PM10污染特性

大气气溶胶中的颗粒物(TSP、PM10)是大气污染物研究的主要对象．本文论述了我国北京、重庆、贵阳、济南、郑州等城市的大气气溶胶的特征一讨论了河南省东、西、南、北、中几个重要城市大气气溶胶中的TSP和PM10对环境空气的污染状况；分析了河南省城市环境大气气溶胶中TSP和PM10污染特性。     

合肥市城市PM10污染成因及控制对策

利用合肥市4个空气自动监测站2001-2003年3年PM10的监测结果,从4个监测点3年PM10年均值、月均值和日均值超标率的变化情况对PM10污染时空分布特征进行了详细分析,并从气象条件、下垫面性质和污染物排放三个方面对PM10污染的成因进行了分析研究。同时针对PM10污染的形成原因和影响因素,提出了加大执法力度,控制燃烧排放;采取综合措施,减少扬尘污染;加强机动车尾气治理与监督管理;加强生态环境建设,以增加城市大气环境容量等一系列减轻合肥市城市PM10污染、改善城市空气环境质量的综合治理对策。     

基于混合模型的E1O燃料生命周期评估

常规过程式生命周期评估方法在计算中会截断误差,导致评估结果被低估;投入产出方法可以避免截断误差的产生但不包括产品生命周期的使用阶段.为了对E10燃料的生命周期进行评估,建立了一个混合生命周期评估模型.生物质生产、乙醇生产/混配以及废物处理/回收3个子过程采用了投入产出生命周期评估方法,燃料燃烧子过程采用了过程式生命周期评估方法.对两种方法的排放值进行求和,计算出E10燃料生命周期VOC、CO、NOx、PM10、SOx、CH4、N2O、CO2排放值分别为21.245,321.488,26.829,3.110,5.904,9.126,3.028,31 345.721 mg/g.该结果与过程式生命周期评估结果一致.     

基于混合模型的E10燃料生命周期评估

常规过程式生命周期评估方法在计算中会截断误差,导致评估结果被低估;投入产出方法可以避免截断误差的产生但不包括产品生命周期的使用阶段.为了对E10燃料的生命周期进行评估,建立了一个混合生命周期评估模型.生物质生产、乙醇生产/混配以及废物处理/回收3个子过程采用了投入产出生命周期评估方法,燃料燃烧子过程采用了过程式生命周期评估方法.对两种方法的排放值进行求和,计算出E10燃料生命周期VOC、CO、NOx、PM10、SOx、CH4、N2O、CO2排放值分别为21.245,321.488,26.829,3.110,5.904,9.126,3.028,31 345.721 mg/g.该结果与过程式生命周期评估结果一致.     

火灾烟气浓度弥散过程中分岔与奇异性研究

结合某大型储油罐区的自然环境条件，建立了火灾烟气浓度及其随时空变化的数学模型；借助ALOFT-FT软件，揭示火灾烟气浓度弥散过程中的分岔和奇异性；利用三维多彩散点和三维矩阵技术对火灾烟气中CO，SO2和PM10的分岔和奇异性实现可视化，绘出了在下风向轴线上和地表上火灾烟气中CO，SO2和PM10浓度的弥散燕列图和弥散燕影图，为制定重大事故应急救援预案和火灾事故人员疏散提供科学的决策依据。     

泰安市城区环境空气可吸入颗粒物源解析研究

本研究主要建立了泰安市可吸入颗粒物(PM10)的源与受体成分谱数据库，通过化学质量平衡(CMB)受体模型进行解析，得出了采暖期和非采暖期各颗粒物污染源对空气可吸入颗粒物污染物的贡献值和分担率，为有针对性的尘污染防治提供科学依据．