银川市环境空气PM_(10)和PM_(2.5)中无机元素污染特征及来源

根据银川市1个国控环境空气质量监测点,采集4季PM10和PM2.5样品,测试样品及19种无机元素的质量浓度,分析了各无机元素的污染特征及来源。研究发现,银川市PM_(10)和PM_(2.5)中地壳元素Si、Ca、Al、Fe、Mg、K和Na质量浓度占无机元素总质量浓度的93%,是主量元素;无机元素质量浓度季节变化表现为春季高,夏、秋和冬季低;冬季PM_(10)和PM_(2.5)污染严重,但无机元素贡献值低,其中,人为污染元素Mn、Cu、Zn、As、Cd和Pb富集因子较高,说明银川市环境空气颗粒物具有复合型污染特征。因子分析结果表明,银川市环境空气颗粒物中无机元素主要来源于土壤尘、城市扬尘、燃煤尘等。     

银川市2013年PM_(10)、PM_(2.5)质量浓度变化及空气质量分指数等级特征分析

利用银川市2013年空气污染物日浓度资料,分析了其PM10、PM2.5的质量浓度变化特征及空气质量分指数等级特征.结果表明,PM10和PM2.5的质量浓度变化具有明显的季节特征,夏季最低,冬季最高,PM10质量浓度春季高于秋季,而PM2.5质量浓度春季略低于秋季;PM10和PM2.5月均质量浓度变化均为1月份最大,7月份最小;PM2.5和PM10日均质量浓度显著相关,相关系数达0.76,在2013年中,PM2.5占PM10质量载荷的36%.PM10和PM2.5在7—9月质量浓度低,空气质量分指数等级最好,达标率均为100%,在1月空气质量分指数等级最差.PM10和PM2.5分指数等级具有明显的季节特征,夏季空气质量分指数等级最好,冬季最差,PM10分指数等级秋季好于春季,PM2.5分指数等级春季好于秋季.     

青岛海滨大气PM_(2.5)与PM_(10)观测

2007年5～10月在黄海海滨青岛的观测表明大气PM_(2.5)和PM_(10)质量浓度呈同步变化,且变化范围较大.海陆风转换对海滨空气质量有重要影响:海风输送时空气较洁净,而陆风输送通常导致空气质量变差.PM_(2.5)、PM_(10)质量浓度与相对湿度(RH%)呈显著反相关,可能与RH%较高时多为海风输送有关.海风输送条件下较高的RH%和细粒子吸湿增长可能导致了此时PM_(2.5)对PM_(10)质量载荷的贡献率(64.7%)小于在海风/陆风混合输送和陆风输送条件下的贡献率(70.9%和77.5%).PM_(2.5)占PM_(10)质量载荷的72.3%,表明细粒子贡献显著.整个观测期PM_(10)未"达标"(PM_(10) 24 h均值 < 150 μg m~(-3),空气质量"良")的观测日仅占14 7%;但PM_(2.5)未达到美国EPA标准(PM_(2.5) 24 h均值 < 35 μg m~(-3)的观测日约为68.6%,表明大气细颗粒物PM_(2.5)的达标任务尚很艰巨.     

北京市采暖期大气中PM_(10)和PM_(2.5)质量浓度变化分析

对北京市2003年11月至12月间供暖期中大气悬浮颗粒物污染状况作了较详细的监测.数据表明,北京市的这段时间,其PM10和PM2.5质量浓度因日因月而异,其中PM10平均质量浓度为253.1μg/m3,超过国家二级标准(1996)1.9倍,PM2.5的变化幅度在8.9-276.2μg/m3之间,其平均值为145.2μg/m3,超过1999-2000年监测数值38.4％;其污染源和影响因素之间关系的研究表明:在供暖期间,温度、湿度和风速对PM10和PM2.5的累积和消散也起着至关重要的作用.     

武安市PM2.5及其二次水溶性无机离子污染特征和区域来源解析

武安市是以钢铁立市的典型重工业城市.为研究武安市PM2.5的污染特征和区域来源解析,对武安非采暖期(2018年10月)和采暖期(2019年1月)进行大气PM2.5样品的采集和组分测试,并利用CAMx-PSAT模型模拟结果分析区域源排放对武安PM2.5及其二次水溶性无机离子(SO2-4、NO3-、NH4+)的质量浓度贡献.测试结果表明,武安PM2.5污染严重,平均质量浓度为113.5μg/m3,采暖期PM2.5污染水平高于非采暖期;SO2-4、NO3-和NH4+的平均质量浓度占PM2.5总质量浓度的41.1％,是PM2.5重要组成部分;SO2-4、NO3-和NH4+质量浓度表现为采暖期高于非采暖期;NO3-与SO2-4质量浓度比值在采暖期和非采暖期均小于1,表明燃煤烟尘等固定源贡献相对较大;随着PM2.5污染等级的升高,SO2-4、NO3-和NH4+质量浓度明显增大,达到重污染天时,SO2-4、NO3-和NH4+质量浓度增至最高.模拟结果显示,武安城区PM2.5污染是由本地污染源排放和外来污染物区域传输共同作用的结果,本地污染源排放占主导地位;冶金源排放对PM2.5、NO3-和SO2-4质量浓度贡献影响最大;农业源排放是NH4+质量浓度的主要污染来源;采暖期的居民源排放对PM2.5和SO2-4、NO3-、NH4+质量浓度贡献率相比于非采暖期出现大幅度增加.外来工业源和机动车源对武安PM2.5质量浓度贡献较为突出.     

基于GAM的北京PM_(2.5)浓度变化的影响因素研究

为辨识与测度不同影响因子对PM_(2.5)浓度变化的作用机理,以2015年北京PM_(2.5)浓度时间演变模式为基础,建立PM_(2.5)与各大气污染物(PM_(10)、SO_2、NO_2、CO、O_3)及气象因素(日均温度、风力、风向)的GAM模型,探索不同因素对PM_(2.5)浓度变化的影响作用。结果显示:(1)北京PM_(2.5)浓度具有夏秋季低、春冬季高的时间分布特点;(2)2015年北京PM_(2.5)浓度变化与PM_(10)、SO_2、NO_2、CO大体呈线性正相关,且正相关程度由强到弱为:COPM_(10)SO_2NO_2,而与O_3、温度和风因子的关系更为复杂;(3)GAM模型的拟合优度R~2为0.725,线性回归模型的拟合优度R~2为0.519,相比较,GAM模型对PM_(2.5)浓度变化的解释度提高了20.6%。研究表明,GAM模型对于建立PM_(2.5)浓度变化与影响因素间综合性复杂关系更灵活、更可靠,优于线性回归模型。     

华北城市PM_(2.5)、PM_(10)污染水平及两者相关性研究

采用β射线吸收法对华北城市大气环境质量进行连续监测,监测发现:夏、秋、冬三季污染整体相对严重,秋季污染较轻。PM2.5和PM10平均浓度的日变化表明:对人体危害较大的PM2.5占PM10的比重较大,平均达到75.6%,且PM2.5浓度和PM10浓度呈极显著线性关系。无降雨降雪大风等特殊天气下,三种气象参数对大气细颗粒污染物的影响由高到低排列为:湿度风速温度。     

杭州市PM_(10)水溶性离子特征及源解析

可吸入颗粒物(PM_(10))是大气的主要污染物之一,对其进行控制有助于改善空气质量。2018年12月至2019年11月在杭州市采集PM_(10)样品,分析样品中水溶性无机离子的组成特征及其季节变化规律,并通过潜在源贡献因子法(PSCF)、浓度权重轨迹分析法(CWT)、相关性分析和PMF模型等方法探讨PM_(10)中水溶性无机离子的来源。结果表明:PM_(10)年均质量浓度为(105.97±50.01)μg/m~3,低于国家二级标准;受季风气候影响,PM_(10)季平均质量浓度在冬季最高,夏季最低;PM_(10)中各离子质量浓度由大到小排列为NO~-_3SO■NH~+_4Ca~(2+)Na~+Cl~-K~+Mg~(2+);NO~-_3,SO■,NH~+_43种离子,约占总水溶性无机离子质量浓度的85.0%,可见杭州市大气中二次气溶胶污染程度高,主要以(NH_4)_2SO_4和NH_4NO_3的形式存在;大气中PM_(10)的水溶性离子主要来源有机动车排放源相关性二次气溶胶、生物质燃烧源、煤燃烧源相关性二次气溶胶、海洋源以及土壤和建筑扬尘源等5类。     

基于图像质量分析的PM_(2.5)空气质量预测

为了提高空气污染物PM_(2.5)质量浓度预测的准确性,提出了一种基于图像数据预测PM_(2.5)质量浓度的方法.首先用手机或相机获取图像数据,然后用图像质量分析模型提取与PM_(2.5)质量浓度相关的特征向量作为输入,建立一个基于粒子群优化(particle swarm optimization,PSO)算法的支持向量回归机(support vector regression, SVR)(PSO-SVR)预测模型来估计PM_(2.5)的质量浓度.实验结果表明,与SVR模型和用遗传算法(genetic algorithm, GA)优化的支持向量回归机(GA-SVR)模型相比,PSO-SVR模型在预测准确性和实施效率方面具有更好的预测性能.     

化纤行业PM_(2.5)和VOCs排放特性研究

以化纤行业为研究对象,采用本地排放因子,按时间、空间、子行业分别建立VOCs的源排放清单,应用Salford Predictive Miner(SPM)数据挖掘工具分析浙江省化纤行业污染物排放特征,分析PM_(2.5)和VOCs以及其他大气污染因子(NO_x、SO_2、PM_(10)、CO)之间的关联性.结果显示,近年来我国化纤行业VOCs排放量快速上升,子行业中人造纤维VOCs排放量占比超过60%.在浙江省化纤行业中,低浓度的VOCs排放会对PM_(2.5)排放量产生极敏感的影响,对PM_(2.5)排放量影响最大的是NO_x的排放量.制定化纤行业大气污染控制措施和政策时,加强控制NO_x排放总量和VOCs排放浓度十分必要.     

北京市采暖期PM2.5中有机碳和元素碳的污染特征与来源解析

为研究北京市采暖期PM2.5中有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)的污染特征和来源,于2011年12月至2012年2月在北京师范大学监测点进行PM2.5样品的采集.本研究分析PM2.5及其OC和EC的质量浓度变化特征,并采用ρ(OC)/ρ(EC)最小比值法估算二次有机碳(secondary organic carbon,SOC)的质量浓度.除此之外,从定性和定量两方面研究OC和EC的来源及其来源贡献量.结果表明:北京市采暖期PM2.5平均质量浓度为(90.69±61.86)μg/m3,其中OC和EC的平均质量浓度分别为(21.91±12.02)、(5.03±2.58)μg/m3,分别占PM2.5的24.16%和5.55%;SOC的平均质量浓度为(8.37±6.05)μg/m3,占总有机碳(total organic carbon,TOC)质量浓度的37.27%.PM2.5中OC和EC的相关系数较高,表明它们来源相同,且主要来源于机动车尾气、燃煤排放.机动车尾气排放的贡献量达44.70%,成为OC、EC的重要来源.因此,严格控制机动车保有量的快速增长,减少机动车尾气排放,将成为改善城市大气环境质量的重要手段之一.     

银川市大气重污染特征研究

通过对2013—2016年银川市大气重污染过程进行分析,初步探讨了银川市重污染天气的特征及其影响因素。2013—2016年,银川市出现五级及以上的重污染天气共40 d,重污染频率为2.7%,其中,首要污染物为PM_(2.5)的污染天数达27 d,首要污染物为PM_(10)的污染天数为13 d。从季节分布看,重污染主要分布在冬季(12月至次年2月)、春季(3—5月),重污染天数分别占全年重污染天数的70%,30%。银川市重污染主要类型为静稳积累型重污染,其次是沙尘复合型重污染。静稳积累型重污染天气下,各污染物质量浓度呈明显的正相关,有明显的污染积累过程,颗粒物存在明显的细化趋势,以细粒子为主。2015年、2016年较2013年重污染天数有所减少,但重污染持续过程的次数、天数增加,说明银川市重污染天气的污染状况有加重趋势。部分沙尘重污染天气下,PM_(10)、PM_(2.5)质量浓度同步升高,说明以细颗粒物为主的复合型污染问题已经凸显。     

基于MODIS气溶胶产品的南昌市PM_(10)质量浓度反演研究

该文使用2017年MODIS MYD04_3K气溶胶光学厚度日产品数据、南昌市环境监测站点实测的PM_(10)质量浓度数据建立AOD与PM_(10)的相关性,并利用水平能见度数据以及相对湿度数据对AOD进行订正,进一步提高两者的相关性以反演南昌市PM_(10)质量浓度.得出结论:①当AOD与PM_(10)质量浓度直接相关时,相关系数较低,仅为0.552.在对AOD进行垂直—湿度订正后,其与PM_(10)质量浓度的相关系数提高到0.714.②利用订正后AOD与PM_(10)质量浓度的最优拟合模型反演PM_(10)质量浓度,发现其与站点实测的PM_(10)质量浓度的相关系数为0.774,反演效果较好.表明MODIS MYD04_3K气溶胶产品在经过垂直—湿度订正后,可以作为南昌市PM_(10)质量浓度监测的一个有效手段.     

湖北省PM_(2.5)质量浓度遥感估算与时空分布特征

针对地面站点稀疏不足以提供高空间覆盖、高空间分辨率的面域PM_(2.5)数据支撑区域细颗粒物污染防治的问题,以湖北地区2015—2017年的MODIS卫星遥感气溶胶光学厚度(AOD)产品数据为主预测量,结合温度、湿度、风速、压强等气象参数和植被指数数据等辅助预测量,建立了AOD-PM_(2.5)关系逐日变化的线性混合效应(LME)模型,用于估算湖北地区的PM_(2.5)浓度水平.利用十折交叉验证方法进行了模型精度评估.结果表明:1) 2015—2017年的交叉验证R2分别达到0.89、0.85和0.88,利用MODIS AOD数据反演近地面PM_(2.5)质量浓度的线性混合效应模型能很好地用于区域细颗粒物遥感监测; 2)省内PM_(2.5)质量浓度空间差异显著,鄂东、鄂南和鄂北高,鄂西北和鄂东南低; 3)全省PM_(2.5)估算时空数据年均值呈下降态势,分别为65.6±39.8、57.1±34.1和48.1±28.3μg/m~3,各市除随州、咸宁2016、2017年年均值持平外,都呈下降趋势.     

吉林市采暖期空气质量演变特征调查研究

利用吉林省吉林市环境保护监测中心发布的实时大气环境监测数据,对吉林市采暖期间空气质量演变特征进行研究.分析了吉林市大气中可吸入颗粒物PM_(10)、PM_(2.5)、SO_2、NO_2及O_3月均质量浓度变化趋势、演变特征及在不同功能区的变化规律.结果表明:吉林市大气污染物的浓度具有明显的时空演变特征,采暖期污染物浓度主要受冬季燃煤的影响,主要污染物为颗粒物.空气质量依功能区不同差异不明显,工业区的污染状况相对较复杂.     

邯郸市PM_(2.5)组分特征及其对散射系数的影响

对邯郸市2013年和2014年1、4、7、10月份的PM_(2.5)进行采样及成分分析,结果显示2013年和2014年的PM_(2.5)年均浓度分别为170.4和144.0μg·m~(-3),2014年较2013年下降了15.5%。各季度OC浓度冬季(31.7μg·m~(-3))秋季(24.4μg·m~(-3))春季(9.1μg·m~(-3))夏季(5.6μg·m~(-3)),SOC的排序为秋季(13.1μg·m~(-3))冬季(8.8μg·m~(-3))春季(2.4μg·m~(-3))夏季(2.0μg·m~(-3)),分别占OC的24.6%、34.6%、43.9%和27.7%。利用IMPROVE重构公式,得出散射系数年均值为524.9 Mm-1,春、夏、秋、冬季分别为328.4、333.9、564.8和872.6 Mm-1。硫酸铵是散射系数的主要贡献者,年均贡献率为33.9%,其次为硝酸铵(25.3%)、有机物(20.2%)、PM_(2.5)-10(15.4%)和土壤尘(5.7%)。     

APEC期间河北省大气污染及PM_(2.5)来源变化特征

研究包括京津冀地区在内的13个城市APEC会议前、中、后三时段的大气污染特征,并通过PM_(2.5)采集和成分分析,对不同时段PM_(2.5)的来源进行解析。结果显示:与APEC会议前相比,APEC期间北京、石家庄、承德、廊坊、邢台、张家口、邯郸、唐山、天津、衡水、沧州、秦皇岛和保定的PM_(2.5)分别下降了58.7%、52.9%、50.1%、47.3%、43.5%、36.7%、34.9%、33.4%、29.6%、26.9%、20.2%、19.9%和12.8%,平均降低了35.9%,高于SO2、NO_2和CO的浓度降低比例(分别为17.5%、21.3%和22.0%);与APEC会议前相比,APEC期间邯郸市的NO_3~-、SO_4~(2-)和NH_4~+分别降低了32.0%、32.9%和39.1%;APEC会议前和APEC期间PM_(2.5)的来源变化不大,会议后,燃煤/生物质燃烧源、冶金、燃油源上升至21.7%、14.0%和20.8%,而扬尘源、工业源、二次源降至12.6%、11.8%和19.2%。     

银川市灰霾天气的环境特征分析

利用银川市地面气象观测站2000—2009年的灰霾资料,结合同期的环境监测数据,对银川市灰霾天气的环境特征进行了分析.结果表明,银川市近10年出现3级以上污染日数中仅灰霾天气就占1/4,且占灰霾天气出现总次数的40%,说明空气污染与灰霾天气现象的出现密切相关;银川市3种主要污染物在出现灰霾时质量浓度值均高于无灰霾天气;银川市3种主要污染物质量浓度出现连续性灰霾天气时均高于平均质量浓度,且连续日数越长,污染浓度越高;采暖期(当年11月到翌年3月)出现连续灰霾天气占其出现总次数的79%,进一步验证冬季采暖是导致灰霾天气形成的重要原因;SO2和PM10同时达到3级以上污染的情况下,有85%的可能会出现连续性灰霾天气.     

基于小波神经网络的松江区PM_(2.5)浓度预测

鉴于细颗粒物(PM2.5)浓度(质量浓度ρ,全文同)影响因素的复杂性,以及传统预测方法中存在的困难和不足,基于小波神经网络,利用松江区环保局PM2.5的浓度数据,建立了短时PM2.5浓度预测模型.通过与灰色理论预测模型、BP神经网络预测模型的对比试验分析,发现基于小波神经网络预测模型的预测值与实际值之间的误差最小,更能准确地反映样本数据之间的映射关系,预测精度明显高于其他两种预测模型.     

通风方式对PM_(2.5)颗粒分布影响的模拟研究

PM_(2.5)颗粒对室内空气品质的影响日益受到重视,可吸入的颗粒物对人体的健康造成直接的威胁。采用数值模拟的方法分析空调系统送风条件下,四种不同的通风方式对PM_(2.5)颗粒浓度及运动分布的影响。结果表明:四种通风方式中,顶送顶回方式下室内PM_(2.5)颗粒浓度最小,空气净化效果最佳。选择合理的通风方式,合理的气流组织,对于降低室内PM_(2.5)颗粒物浓度有着重要作用。