北京市采暖期大气中PM10和PM2.5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PM25的累积和消散也起着至关重要的作用.     

大气颗粒物时空分布特征及影响因素

目的研究城市空气污染现状以应对日益严重的城市空气污染问题．方法以某市为研究区域,市城区以及邻县的大气颗粒物为研究对象,分别于采暖季、风沙季、非采暖季每个季度连续6天对TSP、PM小PM2.5,样品进行有效同步采集,对该市大气颗粒物质量浓度的时空分布特征和影响因素进行了分析．结果该市空气大气颗粒物污染以PM2.5,的污染最为严重,PM2.5,最大超标倍数为3．6倍．结论该市大气颗粒物的平均质量浓度变化特征为采暖李质量浓度〉风沙季质量浓度〉非采暖季质量浓度,TSP、PM10和PM2.5,质量浓度与风速呈现负相关性,PM10和PM2.5质量浓度与湿度呈现正相关性,TSP质量浓度与湿度呈现负相关性,能见度与三个粒径的颗粒物浓度均呈现负相关性．     

夏末秋初金沙区域大气颗粒物浓度的变化特征

对2013年8-10月金沙区域大气本底站的大气颗粒物观测资料平均日变化和同期的气象资料的平均日变化进行了分析,并与过去的5年同期数据进行对比分析。结果表明：金沙区域夏末秋初大气颗粒物质量浓度有明显的日变化,受气象要素的日变化影响,大气颗粒物质量浓度与相对湿度呈正相关,且颗粒物越小,相关性越强,风向风速对颗粒物质量浓度影响明显,来自观测点北部和东部的气流使大气颗粒物质量浓度升高,而来自西部和南部的风使大气颗粒物浓度降低。受局地排放和气象条件的共同影响,颗粒物质量浓度在凌晨、夜间显著上升。     

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.     

采暖季高校教室污染物优化控制措施的模拟研究

因教室人员密集,PM_2.5、CO₂经常超标,教室内学生的学习、健康受到一定程度的影响.建立了室内污染物优化控制模型,对教室采用新风净化系统和空气净化器系统加开窗通风两种方式控制室内PM_2.5和CO₂.首先在供暖季室外空气质量为中度污染情况下,模拟出天津某高校空气净化器系统在不同开窗方式及净化器位置情况下的室内PM_2.5和CO₂变化情况,得出空气净化系统在教室开侧窗,空气净化器安装在外墙旁侧时系统对PM_2.5和CO₂控制效果最好.然后模拟了在不同室外污染等级的情况下,教室采用新风净化系统和空气净化器系统加开窗通风两种方式的室内PM_2.5和CO₂的分布状况,通过对比室内污染物分布状况来研究两种净化方式对室内空气质量的控制效果.     

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.     

2014-2019 年冬季京津冀地区PM 2. 5 质量浓度时空分布特征

基于2014-2019 年冬季京津冀地区101 个空气质量监测站的小时PM _{2. 5} 质量浓度数据, 探讨了冬季京津冀地区PM _{2. 5} 浓度的时空分布特征。利用MATLAB 编程提取监测站点小时PM _{2. 5} 浓度数据并合成月、季均值数据, 分析PM _{2. 5} 浓度小时、月、季节尺度的时间变化特征。对比两种插值方法, 选用普通克里金插值法对区内PM _{2. 5} 浓度进行插值, 分析各尺度PM _{2. 5} 浓度空间分布特征, 借助全局莫兰指数和LISA 图分析PM _{2. 5} 浓度的空间自相关性。研究结果表明: 2014 年冬季比2019 年冬季的PM _{2. 5} 浓度下降了28. 4 μg/ m³, 除2018 年外, 小时浓度均呈现“双峰双谷型”分布; PM _{2. 5} 浓度在29. 1~193. 3 μg/ m³ 波动, 均值为92. 1 μg/ m³,总体呈现出 “北部山区低,南部平原高”的空间分布格局;冬季PM _{2. 5} 浓度具有显著的空间聚集性。全局莫兰指数在0. 29~0. 66,呈现全局正相关,南部呈现 “高-高”聚集模式,北部呈现“低-低”聚集模式。     

昆明市典型干季大气PM2.5中重金属污染特征与来源研究

利用AMMS-100大气重金属在线分析仪对昆明市中心城区典型干季(2016年1月14日～3月31日)大气PM_(2.5)进行捕集,检测了其所含重金属的浓度和组成,主要包括Pb、Se、Hg、Cr、Zn、Ni、Fe、Mn、V、Ba、As和Co这12种.采样期间昆明中心城区大气PM_(2.5)平均浓度为37.49μg/m~3,12种重金属总浓度为3 900.4 ng/m~3,约占PM_(2.5)的10.4%,除Fe元素平均浓度较高外(3 285.1 ng/m~3),其他金属元素浓度均较低,最低的为V,浓度仅为0.9 ng/m~3.春节前后,PM_(2.5)载带的重金属浓度有较大差异.春节假日期间的Cr、Mn、Ni、Co、Fe、Se、Hg、Zn和Pb等重金属浓度相比春节前下降了0.9%(Fe)～71.9%(Mn).而重金属Ba的浓度相比春节前增加了135.6%,达到129.6 ng/m~3,这可能与春节期间烟花爆竹的燃放有关.主成分分析结果表明,昆明干季大气PM_(2.5)中12种重金属主要来自扬尘源、机动车尾气、煤炭燃烧和冶金工业源.气团轨迹研究表明,3月份缅甸频繁的生物质燃烧活动对昆明地区重金属的浓度有重要影响.     

基于大气PM2.5污染的建筑外窗缝隙通风换气次数动态变化特性

为了动态评价建筑外窗缝隙通风条件下室外PM_(2.5)污染对室内环境的影响规律及其渗透通风特性,依据研究团队2013年9月到2014年8月基于建筑外窗缝隙渗透通风(建筑外门窗关闭、无机械通风)且室内无污染源条件下关于北京地区某临街办公建筑室内外PM_(2.5)质量浓度水平与室外气象参数(空气干球温度、相对湿度、风速)的动态变化实时监测数据,结合质量平衡方程和数理统计方法提出了一种基于大量实测数据反演建筑外窗缝隙通风换气次数动态变化特性的评价模型,实测结果验证了该模型的有效性.研究结果表明:当建筑外窗结构特征和房间结构特征一定时(实测建筑穿透系数P为0.93±0.01、自然沉降率k为0.10±0.03),静稳天气时的建筑外窗缝隙通风换气次数平均值约为0.10 h-1,对应的室内外PM_(2.5)质量浓度比I/O约为0.43;微风天气时的平均值约为0.22h-1,对应的I/O约为0.56;和风天气时的平均值约为0.39 h-1,对应的I/O约为0.62.研究结果可为室内人群健康风险评估以及建筑室内通风净化系统优化设计与节能运行提供重要参考.     

Estimation of air exchange frequency in the condition of natural indoor ventilation

为了动态评价建筑外窗缝隙通风条件下室外PM\t\t\t\t\t_2.5污染对室内环境的影响规律及其渗透通风特性,依据研究团队2013年9月到2014年8月基于建筑外窗缝隙渗透通风(建筑外门窗关闭、无机械通风)且室内无污染源条件下关于北京地区某临街办公建筑室内外PM\t\t\t\t\t_2.5质量浓度水平与室外气象参数(空气干球温度、相对湿度、风速)的动态变化实时监测数据,结合质量平衡方程和数理统计方法提出了一种基于大量实测数据反演建筑外窗缝隙通风换气次数动态变化特性的评价模型,实测结果验证了该模型的有效性. 研究结果表明:当建筑外窗结构特征和房间结构特征一定时(实测建筑穿透系数\t\t\t\t\tP为0.93±0.01、自然沉降率\t\t\t\t\tk为0.10±0.03),静稳天气时的建筑外窗缝隙通风换气次数平均值约为0.10h\t\t\t\t\t^-1,对应的室内外PM\t\t\t\t\t_2.5质量浓度比\t\t\t\t\tI/O约为0.43;微风天气时的平均值约为0.22h\t\t\t\t\t^-1,对应的\t\t\t\t\tI/O约为0.56;和风天气时的平均值约为0.39h\t\t\t\t\t^-1,对应的\t\t\t\t\tI/O约为0.62. 研究结果可为室内人群健康风险评估以及建筑室内通风净化系统优化设计与节能运行提供重要参考.\t\t\t\t

     

空气幕对厨房内PM2.5控制效果的模拟与分析

厨房烹饪是民居室内PM_2.5污染物的重要来源,为对其进行有效控制,提出了空气幕送风方式。建立厨房物理模型,使用Fluent软件对厨房内的气流组织、温度分布和PM_2.5浓度分布进行了数值模拟。研究了空气幕对厨房内PM_2.5和热流的控制效果,并对3种射流速度进行对比分析。研究结果表明：空气幕射流气流对烹饪区域产生了很好的包裹效应,可以阻隔PM_2.5的扩散和热流的蔓延;可使厨房内PM_2.5排除率提高到44%~75%,平均降温1~2℃。当空气幕射流速度为0.6 m/s时,控制效果最佳。研究结论可对厨房PM_2.5污染的防治提供参考,为空气幕送风系统的研究提供模拟数据和理论依据。     

基于机器感知与学习的空气颗粒物智能检测、识别与预警方法研究综述

随着空气污染问题的不断加剧, 准确检测和及时预警空气颗粒物(particulate matter, PM)的重要性日益突出。传统方法依赖专业设备, 不适用于实时检测。与传统方法相比, 基于机器感知与学习的方法体现出技术优势, 具有可实时检测、准确性高等优点。因此, 对近几年的基于机器感知与学习的PM智能检测、识别与预警方法进行详细综述。首先, 对PM的标准和来源进行介绍; 然后, 从检测、识别和预警这3个方面详细总结了各类方法, 并对比各方法的特点和性能, 其中, 基于机器学习和深度学习的方法在各研究中取得了较大进展; 最后, 总结全文主要内容, 并提出当前领域面临的挑战以及未来的重点研究方向。未来的研究应该继续关注技术创新和数据质量, 以实现更好的空气质量监测和管理。

     

哈尔滨大气尘粒径分布的分析

本文记述了哈尔滨市1984年9月至1985年9月期间的大气尘变化,得出了日、季节的变化规律和≥0.5μm粒子的最大值.这些数据可供设计参考.     

用数学方法对郑州城市主要空气污染物预测的机理研究

基于郑州市2003-2011年主要空气污染物的监测数据,利用灰色理论、移动平均法、指数平滑法、最小二乘法等4种数学方法,对2013—2016年郑州市空气污染物的浓度值进行预测计算．通过对4种数学方法及计算结果的分析得知,PM10仍将是未来郑州城市空气首要污染物,NO2在未来几年呈现微降趋势,SO2预测值不超出国家二级标准．     

贵州省主要城市PM10污染特征分析

对贵州省主要城市（贵阳、毕节、遵义、都匀、安顺、盘县）10个采样点的PM10按季节进行了系统采样,分析了其时空污染特征。结果表明：从季节分布上看,盘县、安顺和毕节春夏季PM10污染较严重,其他采样点冬季污染较重;从空间分布上看,毕节、遵义污染较严重,毕节市区点PM10平均浓度为（206.8±42.6）μg/m^3;贵阳污染较轻,市区点PM10平均浓度为（113.3±26.9）μg/m^3;参考环境保护部发布的2012年中国环境状况公报中的空气质量状况,并与郑州市、呼和浩特市、北京市、海口市近几年PM10污染水平相比较,2012年贵州省主要城市PM10污染不严重,空气质量在全国城市中较好。     

PM2.5质量浓度变化特征与交通流的关系——以北京市为例

为分析城市交通运行状况对大气PM2.5质量浓度的影响,针对北京市2014年至2015年12个月的PM2.5质量浓度及交通流量变化情况,基于小波分析的相关理论,对二者的周期性变化特征及其在不同尺度上的相关性进行研究,并进一步分析了特定周期尺度上PM2.5质量浓度变化相对于机动车流量变化的滞后响应现象.研究表明:二者在24 h左右的日周期尺度上显著相关,且PM2.5质量浓度的滞后时间约为9h.