合肥地区2013年春节期间PM2.5质量浓度演变特征

利用2013年2月8~19日合肥地区获取的大气颗粒物和常规气象观测资料,依据烟花爆竹燃放、降水过程、相对湿度和风速特点,分析了PM2.5质量浓度在不同气象条件下的变化特征。结果表明:合肥春节期间PM2.5质量浓度平均值为58.3μg/m~3,仅出现两个PM2.5质量浓度污染日;城市居民集中燃放烟花爆竹引起PM2.5质量浓度急剧增大,但主要排放PM1;降水过程对PM2.5质量浓度具有湿沉降作用,过程降水量越大,PM2.5质量浓度湿沉降量越大;PM1、PM1~2.5和PM2.5~10与相对湿度的相关系数分别为0.45、0.26和-0.07,粒径尺度越小的颗粒物吸湿增长特性越显著;PM2.5质量浓度演变与风速呈负相关,两者的相关系数为-0.33,风速越大,越利于颗粒物扩散。     

合肥地区2013年春节期间PM2.5质量浓度演变特征

利用2013年2月8～19日合肥地区获取的大气颗粒物和常规气象观测资料,依据烟花爆竹燃放、降水过程、相对湿度 和风速特点,分析了PM2.5质量浓度在不同气象条件下的变化特征。结果表明:合肥春节期间PM2.5质量浓度平 均值为58.3 μg/m3,仅出现两个PM2.5质量浓度污染日;城市居民集中燃放烟花爆竹引起PM2.5质量浓度 急剧增大,但主要排放PM1;降水过程对PM2.5质量浓度具有湿沉降作用,过程降水量越大, PM2.5质量浓 度湿沉降量越大; PM1、PM1～2.5 和PM2.5～10与相对湿度的相关系数分别为0.45、0.26和－0.07,粒径 尺度越小的颗粒物吸湿增长特性越显著; PM2.5质量浓度演变与风速呈负相关,两者的相关 系数为－0.33,风速越大,越利于颗粒物扩散。     

包头城区冬春大气颗粒物污染特征及其与气象条件关系

包头2015~2016年冬春季节出现了连续的雾霾天气,不仅对能见度产生较大影响而且严重危害人体健康。选取了包头主城区8个空气质量浓度监测点的数据,对主城区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征。依据监测区功能的不同将包头主城区划分为5个区域,对各个区域监测点数据筛选整理,得到冬春季各个区域PM2.5和PM10质量浓度由高到低的顺序均为：工业区＞ 商业区 ＞文化区 ＞交通枢纽区＞公园游览区。各区域颗粒物月变化曲线呈双峰单谷型,12月最高,2月最低,并对成因进行分析总结;逐日变化反映PM2.5和PM10质量浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰双谷趋势。本文选取了气温、气压、相对湿度和风速等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10质量浓度的影响。包头春季PM2.5和PM 10的质量浓度分别与气温、气压正相关,与风速、相对湿度（伴有降水时）负相关,风速、气压和相对湿度是影响污染物质量浓度分布的主要因素。     

基于激光雷达和地面监测数据对南京一次沙尘和细粒子污染时空演变特征的分析

利用偏振激光雷达对南京2015年3月一次沙尘和细粒子污染共存过程的颗粒物垂直分布特征进行观测研究,结合地面气象数据、PM2.5和PM10质量浓度数据、PM2.5组分数据、卫星MODIS测量结果,探讨不同颗粒形态下的气象因素、颗粒物浓度分布、组分特征以及颗粒物光学特性的时间演变和垂直分布特征.结果表明:高湿、弱风等不利气象条件利于二次粒子的生成和累积,期间水溶性组分中SNA(SO₄^2-、NO₃^-、NH₄⁺)等二次组分浓度明显升高;同一时期长距离输入的沙尘发生的沉降对地面PM2.5化学组分构成显著影响,3月21日下午时段至3月22日在1.1².5 km高度的沙尘颗粒物向地面输送造成地面PM2.5的Ca²⁺突然增大到3.2μg/m³;3月22日下午以后在东南气流影响下,地面PM2.5向西扩散,PM2.5颗粒物浓度得到有效稀释,同时段出现了沙尘输入和扬尘过程,扬尘过程和沙尘输入使地面的粗颗粒增多,PM10剧增至347μg/m³;南京与无锡地区的颗粒物时空分布呈现高度相似的变化特点,具有区域性分布特征.后向轨迹分析表明,500 m、800 m及1000 m三个高度气团移动方向基本一致,主要从内蒙、京津冀、山东等地入海,后又经东海返回内陆抵达南京.     

APEC期间京津冀地区污染物变化特征分析

利用中国环境监测总站发布的2013年11月1日~2014年12月12日污染物实时浓度数据,分析了京津冀地区污染物变化特征。结果显示：PM2.5、PM10、SO2、NO2和CO浓度年平均值分别为95.3, 163.9, 54.7, 48.9 μg/m3, 1.5 mg/m3;五种污染物浓度都表现出冬季高夏季低的季节变化特征,但不同污染物在不同的月份又有其特殊的变化特征。APEC期间京津冀地区PM2.5、PM10、SO2、NO2和CO平均浓度分别为66.1, 123.7, 33.2,、48.5 μg/m3, 1.2 mg/m3。APEC期间京津冀地区PM2.5浓度是APEC前后一个月的60.1%、59.4%;APEC期间气态污染物CO、SO2、NO2浓度与APEC前一个月相当,但APEC后急剧增加。减排措施使京津冀地区PM2.5浓度削减40%左右,PM10削减35%左右,NO2削减10%左右,CO削减15%左右。     

香烟在室内燃烧产生颗粒物的扩散以及控制研究

室内是人员活动的重要区域,但是社会中普遍存在的吸烟现象,香烟的燃烧会产生大量的小尺寸颗粒物,容易随着呼吸进入人体气管以及肺部,引发一系列呼吸系统疾病,危害身体健康。通过实验测试的方式检测一根香烟燃烧引起的室内可吸入颗粒物PM2.5和PM10的浓度变化,还测试了空气净化器对弥漫香烟烟雾的室内空气的净化作用。测试结果表明,一根香烟燃烧会使30 m³的空间PM2.5和PM10最高浓度分别达到936.3μg/m³和1749.7μg/m³,一根香烟的烟雾就会使30 m³的空间空气严重污染。开启空气净化器会十分有效的较低PM10的最大浓度,并且空气净化器会对粒径在2.5μm~10μm的颗粒物较快除去,但是对于粒径小于2.5μm的颗粒物净化效果较差,完全除去所用时间较长。     

无锡市一次霾形成过程大气污染物特征分析

于2013年12月21~26日期间对一次霾污染过程中PM2.5、含碳气溶胶、气态污染物（O3,NOx SO2）进行测量,利用微脉冲偏振激光雷达获得气溶胶消光和退偏振度参数,分析了霾过程大气污染物的特征。结果显示：本次霾污染过程持续3.4天,以细粒子污染为主。采样期间,PM2.5的质量浓度小时平均值为131.04µg•m-3,霾天气下为183.75µg•m-3,是非霾天气的2.98倍。碳质气溶胶（TC）占PM2.5的24.18%,并且与PM2.5之间存在较好的相关性（R2=0.790）。在霾天气下TC在PM2.5中所占的比例（TC%,16.65）要比非霾天气（TC%,34.38）小,二次水溶性无机盐粒子的快速增长可能是造成霾天气PM2.5质量浓度较高的重要原因之一。霾天气和非霾天气对比：O3浓度无明显变化,受太阳辐射影响较大;NOx和SO2的体积分数在霾天气下分别是非霾天气下的1.66和1.68倍;SO2浓度的增加不仅与本地SO2的累积有关,还有可能是受外来输入的粒子中存在含硫化合物、抑制了SO2的非均相反应造成的。     

北京2014年冬季边界层高度与颗粒物浓度的相关性研究

拉曼激光雷达已经广泛应用于大气气溶胶、大气温度和水汽的空间分布及时间演变特征测量。为了获取北京污染期间大气气溶胶边界层的特征,2014年11月~2015年1月期间在中国科学院大学雁栖湖校区利用拉曼激光雷达进行连续观测。使用梯度法处理激光雷达观测数据得到边界层高度,同时与国家环保部提供的当地颗粒物浓度数据进行对比。观测期间灰霾天共出现15天,污染天出现27天,干净天出现24天。灰霾天、污染天和干净天三种情况下的平均大气边界层高度范围分别为0.6~0.9、0.9~1.3、1~1.9 km;PM2.5的质量浓度范围分别为143~203、77~90、17~34 g/m3;PM10的质量浓度范围分别为170~271、103~153、33~78 g/m3。研究结果表明:北京地区大气边界层高度对近地面颗粒物浓度具有明显的负相关影响。干净天、污染天和灰霾天下的PM2.5和PM10的质量浓度变化率随大气边界层高度降低而依次增大。灰霾天大气边界层高度引起的PM2.5质量浓度平均变化率为-242.4 gm-3/km,约为污染天（-114.8 gm-3/km）的两倍,干净天（-77.4 gm-3/km）的三倍;灰霾天大气边界层高度引起的PM10质量浓度平均变化率为-224.2 gm-3/km,约为污染天（-117.6 gm-3/km）的两倍,干净天（-90.4 gm-3/km）的两倍。     

基于遥感数据和GWR 模型的成都PM2.5 浓度时空分布特征研究

利用 MODIS 021KM 数据反演成都地区 2018 年逐日 AOD 数据, 并结合 PM2.5 地面监测数据以及气象数据 构建地理加权回归 (GWR) 模型得到成都地区逐月 PM2.5 浓度。结果表明: (1) 和多元线性回归模型相比, GWR 模型 反演的 PM2.5 浓度的 R2、 ERMS 和 EMA 分别为 0.884、 7.8704 µg·m−3 和 6.1566 µg·m−3 , 都优于多元线性回归的 0.808、 9.7098 µg·m−3 和 7.6081 µg·m−3, 说明该模型能有效估算成都地区 2018 年 PM2.5 浓度。 (2) 成都地区 PM2.5 浓度在月尺 度上呈现出先降低、后升高的变化特征。 2 月最高为 67.38 µg·m−3, 7 月最低为 28.31 µg·m−3; PM2.5 浓度季节变化特征 为夏季、秋季、春季、冬季依次递增。 (3) 成都地区 PM2.5 浓度空间分布总体上呈现“中间高、两边低”的特征。西部 地区为 PM2.5 浓度低值区, 中部地区为高值区, 东部的简阳市和金堂县为 PM2.5 浓度次高值区。     

西安工程大学采暖期大气PM2.5质量浓度与影响因素

在西安工程大学金花校区均匀布置20个采样点,准确测定各采样点大气中PM2.5的质量浓度,分析采样点大气中PM2.5污染程度及分布特征;根据同步记录的气象数据,分析评价气象因子对大气PM2.5质量浓度的影响。     

PM2.5浓度无线检测系统设计

针对日常生活中对PM2.5污染检测的实际要求,设计了PM2.5浓度无线检测系统。系统以nRF24L01芯片为无线接收发模块,实现了对GP2Y10传感器采集PM2.5浓度信息的无线检测。硬件单元由AT89S52单片机、nRF24L01芯片、GP2Y10传感器和LCD1602组成。经实验证明,系统工作良好,达到了无线检测PM2.5浓度的目的。     

湘潭市PM2.5 中二次水溶性无机离子及其 气态前体物的污染特征

2013年12月3日至2014年1月14日, 在湘潭市2个功能区(交通、商业、居民区和工业区) 采样点对大气PM2.5进行了采集, 并同步采集了SO₂、NO₂; 进而利用离子色谱法对PM2.5中二次水溶性无机离子(SO₄²⁻、NO₃⁻ 和 NH₄⁺ ) 的浓度进行测试分析。通过分析不同空气质量级别下硫、氮氧化速率(SOR 和 NOR) , 探讨了PM2.5中硫酸盐和硝酸盐的来源、形成机制和影响因素等。结果表明, 采样期间湘潭市PM2.5及其二次水溶性无机离子(SO₄²⁻、NO₃⁻ 和 NH₄⁺ ) 的质量浓度分别为148.34、56.19 g/m3, 其中 SO₄²⁻、NO₃⁻ 和 NH₄⁺分别占PM2.5 浓度的15.26%、14.06% 和8.57%, 三者累计值占PM2.5质量浓度的37.88%。随着PM2.5 浓度增加, 二次水溶性无机离子及其气态前体物SO₂、NO₂ 的浓度也逐渐增加, 且“重度”污染时SO₄²⁻、NO₃⁻ 和 NH₄⁺ 浓度较“良”时分别上升了1.93、2.41、2.03倍。不同空气质量级别下PM2.5中的SO₄²⁻、NO₃⁻ 主要以NH₄NO₃ 和(NH₄)₂SO₄ 的形式存在, 但在“轻度”和“ 中度”污染时可能存在其它的硫酸盐和硝酸盐。采样期间SOR 和NOR 的平均值分别为0.18和0.17, 不同污染级别下二者均在0.15 以上(大于0.1), 表明湘潭市PM2.5中的硫酸盐和硝酸盐主要是经转化形成的二次污染物。大气PM2.5中NO₃⁻ /SO₄²⁻ 为0.89, 不同空气质量级别下二者比值分别为0.78、0.99、0.82、0.97(均小于1), 表明湘潭市冬季PM2.5污染以燃煤源排放为主。     

安徽省寿县气溶胶消光系数变化特征分析

基于自主研发的气溶胶消光光谱仪, 在安徽省寿县观测站点进行了连续观测, 并对 2016 年 5 月至 12 月期间 该地区的大气气溶胶光学特性开展了研究。结合不同大气因素分析了观测结果的时间序列变化及日变化规律, 对比 了消光系数与 PM2.5 质量浓度、散射系数的相关性, 并探讨了风速风向对于寿县消光系数变化的影响。结果表明: 寿 县地区大气消光系数时间序列变化与日变化特征明显, 且受到不同气象要素的影响。秋季和冬季的大气污染情况较 为严重, 与其他季节相比, 污染天气的天数明显增多; 与清洁天气相比, 污染天气的消光系数和 PM2.5 质量浓度、散射 系数显著增大。特别在冬季, 污染事件频繁。在 12 月份出现过重度污染天, 其 24 h PM2.5 平均浓度超过 150 µg·m−3 , 且该月消光系数和 PM2.5 质量浓度、散射系数均达到观测期间月平均最大值。整个观测期间, 从日变化来看, 消光系 数、PM2.5 质量浓度及散射系数均是白天波动较大, 午后出现最低值; 其中消光系数最大值出现于清晨 08:00 左右, 最 小值则出现于下午 16:00 左右。此外, 消光光谱仪测得的气溶胶消光系数与 PM2.5 质量浓度和散射系数的相关系数分 别为 0.91 和 0.83, 说明研制的消光光谱仪同其他仪器的测量结果具有很好的一致性。     

河南省PM2.5时空分布特征研究

PM2.5是影响河南省空气质量的首要污染物,秋冬季节灰霾污染严重。为了解河南省PM2.5污染的特征,对河南省的17个城市,运用统计学方法和ARCGIS技术分析其时空分布特征。结果表明：从2015年1月至12月,河南省17个城市日均质量浓度达标天数比例为57.16%,冬季整体污染严重,超标天数比例为73.68%,春季超标天数比例为44.37%,秋季超标天数比例为34.52%,夏季超标天数比例为20.08%。在去除气象记录的空气质量重污染日之后,周末的PM2.5平均值比工作日高 8.04%,表现出“逆周末效应”。PM2.5/PM10值在0.50~0.65之间,且PM2.5与SO2相关性较高,表明河南省受传统煤烟型污染影响较大,粗粒子污染明显。 PM2.5与PM10、SO2、NO2均呈现显著的相关性,说明河南省的污染主要是由燃煤及机动车尾气造成。由于温度及光照变化的影响,河南省PM2.5与O3在不同季节呈现显著差异,其在冬季和秋季的相关性分别为-0.315(p=0.05)、-0.353(p=0.05),而在夏季的相关性为0.496(p=0.01),春季为0.003。     

基于随机森林回归分析的PM2.5浓度预测模型

针对神经网络算法在当前PM2.5浓度预测领域存在的易过拟合、网络结构复杂、学习效率低等问题,引入RFR(random forest regression,随机森林回归)算法,分析气象条件、大气污染物浓度和季节所包含的22项特征因素,通过调整参数的最优组合,设计出一种新的PM2.5浓度预测模型—RFRP模型.同时,收集了西安市2013-2016年的历史气象数据,进行模型的有效性实验分析.实验结果表明,RFRP模型不仅能有效预测PM2.5浓度,还能在不影响预测精度的同时,较好地提升模型的运行效率,其平均运行时间为0.281 s,约为BP-NN(back propagation neural network,BP神经网络)预测模型的5.88％.     

基于Clidar的全天候PM2.5浓度测量实验研究

为了克服背景光影响,通过增加百叶窗结构设计了用于全天候PM2.5 浓度测量的侧向散 射激光雷达装置。应用全天候激光雷达装置,实验获得了PM2.5测量 浓度与实际浓度的拟合 模型,进一步分析了关系式的综合偏差率、相关系数和拟合度等统计量。分析结果表明,相 比于无百叶窗激光雷达装置,全天候激光雷达装置不仅能够有效地对夜晚PM2.5浓度进行测 量,还能在白天PM2.5浓度测量时保证精度。