环渤海城市群空气污染特征及其与气象要素的关系

为探究环渤海三大城市群空气污染特征及其与气象要素关系的异同, 基于 2015–2019 年空气质量指数日报资 料及同期气象要素资料, 利用空间自相关模型和皮尔逊相关系数对其相关性进行了分析。研究表明: (1)对于 PM2.5、 PM10 和 O3 这三大被研究的首要污染物, 在冬季主要以 PM2.5、PM10 为主, 夏季以 O3 为主。除 O3 外其余污染物浓度 呈现下降趋势。(2) 空气质量指数 (AQI) 呈现秋季最低、冬季最高的变化特点, 年际上空气质量在逐步改善。(3) AQI 存在明显的空间集聚现象, 总体上由沿海向内陆逐渐由空气质量优良区变为空气污染区。(4) AQI、PM2.5、PM10 和 O3 在不同季节与各气象要素的相关性不同, 且相关性强度呈非线性变化。     

基于控制室内PM2.5的新风系统设计探讨

通过建立机械新风系统室内PM2.5质量平衡方程,对新风量的设计以及室内PM2.5浓度的控制方法进行探讨。通过某住宅为设计案例,基于室外大气PM2.5浓度在不保证率情况下,分析不同级别过滤器所对应的室内PM2.5浓度值。计算结果表明,基于城市空气质量实时发布平台,统计武汉市2016年全年室外大气PM2.5浓度,在不保证5天、10天以及20天时,其对应的浓度值分别为172μg/m~3、139μg/m~3及118μg/m~3。当室外采用不保证天数为20天,过滤器效率由η_m=40%增加至η_m=80%时,室内PM2.5浓度从90μg/m~3降低至63μg/m~3,减少30%,可见,增加新风过滤器能明显降低室内PM2.5浓度。     

成都市PM2.5、PM10变化特征及其与气象因素的关系

为研究气象因素对成都市大气细颗粒物 (PM2.5)、可吸入颗粒物 (PM10) 的影响, 收集了2015―2018 年成都市 PM2.5、PM10的月平均浓度, 采用Pearson 相关分析法, 分析了成都市PM2.5、PM10与气象条件的关系。结果表明： (1) 2015 ―2018 年, 成都市PM2.5、PM10年平均浓度虽然年际间差别较小, 但整体呈现逐年缓慢下降趋势, 2015 年以来成都市的 一系列大气污染控制措施是PM2.5、PM10逐年缓慢下降的原因; 2015―2018 年成都市PM2.5、PM10浓度季节变化特征整体 表现为冬季 > 春季 > 秋季> 夏季。(2) 不同气象因素对成都市PM2.5、PM10月平均浓度的影响程度不同, 降水量与气温 是影响成都市PM2.5、PM10月平均浓度的主要因素, 两者与PM2.5、PM10呈较高的负线性相关, 其中PM2.5、PM10与降水量 的相关系数均为 −0.612, 与月平均气温的相关系数分别为 −0.822、−0.776, 降水会通过捕获大气中的颗粒物来去除 PM2.5、PM10, 而温度的升高会加强PM2.5、PM10等污染物在垂直方向上的对流运动, 从而对成都市污染物浓度的降低起 到重要作用; 日照时数、月平均风速、相对湿度等与PM2.5、PM10月平均浓度整体也呈现负相关, 但与降水量和气温相 比, 日照时数、月平均风速与PM2.5、PM10月平均浓度的相关性较低, 而相对湿度与PM2.5、PM10月平均浓度的相关性则 更加微弱, 表明相对湿度的变化对成都市PM2.5、PM10的积累和扩散影响很小。     

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。     

长三角区域典型城市臭氧时空分布及其与气象因素相关性研究

通过对长三角城市群 2018 年臭氧和气象数据的监测与分析, 研究了该区域臭氧时空分布特征及其与气象要 素的相关性。研究结果发现: (1) 长三角区域臭氧污染呈现春夏高、秋冬低的季节变化特征, 内陆城市臭氧污染较沿 海城市严重; (2) 长三角区域内陆城市超标污染主要发生在夏季, 而沿海城市主要集中在春季, 且内陆城市臭氧超标天 数较沿海城市高; (3) 臭氧日变化与能见度、风速、温度呈正相关, 与相对湿度呈负相关; 且当温度 > 20◦c, 相对湿度在 20%∼60% 之间, 风速达到 1.2∼3.6 m·s−1 时, 易发生高浓度臭氧污染情况。该研究成果对长三角区域臭氧联防联控具 有指导意义。     

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。     

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。     

香港港口PM2.5和PM10的多重分形特征

颗粒物是港口地区的主要污染物之一,利用多重分形理论分析港口地区PM2.5和PM10浓度的多重分形特征。首先,运用多重分形消除趋势波动分析方法(Multifractal detrended fluctuation analysis, MF-DFA)分析PM2.5和PM10自身的多重分形特征,结果显示PM2.5和PM10浓度的演化过程表现出非线性、复杂性的多重分形特征,且PM10浓度的多重分形特征较PM2.5强。其次,利用多重分形消除趋势交叉波动分析方法 (Multifractal detrended cross-correlation analysis, MF-DCCA)研究港口地区PM2.5和PM10的交叉相关性,结果表明两者之间不仅存在具有长期记忆性的多重分形特征,而且其互相关性多重分形特征具有明显的季节变化特征。港口地区PM2.5和PM10的多重分形特征在春季最强,夏季次之, 秋季最弱。这些结论对港口地区PM2.5和PM10的联合控制具有一定的参考价值。     

成都春季复合污染下PM2:5 的化学消光贡献

为探讨复合污染条件下气溶胶的消光特性, 选取成都市 O3 与 PM2:5 同步污染的春季开展气溶胶组分与消光 特性观测, 并结合美国 IMPROVE 化学消光算法研究了组成与消光特征的关系。结果表明, 2018 年春季成都 PM2:5 平 均浓度与散射系数 bsp 分别为 (50.3±22.4) µg·m−3 和 (237.5±140.2) Mm−1, 且二者均呈现“单峰单谷”的日变化趋势; 大 气气溶胶的消光系数为 (268.4±153.7) Mm−1, 对其贡献最大的组分是 NH4NO3 (26.0%) 和有机物 (OM) (24.4%)。分析 表明在 PM2:5 与 O3 复合污染情况下, 二次污染组分 SNA (SO42−、 NO3−、 NH4+ 三者之和)、二次有机碳 (SOC) 的含量 显著增加, 与清洁天相比分别升高了 1.0 和 1.3 倍; OM 成为最大消光贡献者 (32.2%), 其次是 NH4NO3 和 (NH4)2SO4, 分别贡献 22.8% 和 20.5%。因此, 进一步减少气态前体物如 SO2、 NOx、 NH3 和 VOCs 的排放可以有效改善成都地区 空气质量和能见度。     

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。     

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。     

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。     

长株潭城市群PM2.5 多尺度演化的EEMD 和多重分形分析

为解析长株潭地区 PM2:5 演化的多尺度特征, 阐释其演化的主要动力机制, 提出了一种集合经验模态分解 (EEMD) 和多重分形消除趋势波动分析 (MFDFA) 的新模型, 研究了该区域 2015 年 1 月 1 日至 2019 年 12 月 31 日 PM2:5 浓度的动力演化。利用 EEMD 方法获得了各城市 PM2:5 的高频模态以及趋势项, 趋势项结果表明 PM2:5 浓度呈 下降趋势, 而 PM2:5 的高频模态反映了 PM2:5 浓度波动的非线性特征。进一步采用 MFDFA 方法对其高频累加模态进 行分析, 研究表明 PM2:5 高频分量存在较强的多重分形特征。此外, 还利用相位随机替代法和随机重构法研究了其多 重分形的主要来源, 结果表明 PM2:5 浓度波动在不同时间尺度内的长期持续作用是造成高浓度 PM2:5 污染涌现的主要 动力因素。最后, 讨论了气象条件对其高频分量多重分形强度的影响, 结果发现, 相对于其他季节, 冬季 PM2:5 高频模 态的多重分形强度更强。分析表明, 尽管该区域通过大气污染行动计划已取得积极的污染控制效果, 但在冬季, 污染 物演化的长期持续动力机制对 PM2:5 高频模态的演化发挥着更加主导的控制作用, 不同时间尺度上 PM2:5 非线性长期 持续动力机制导致冬季仍有高浓度 PM2:5 涌现的风险, 甚至出现更为严重的污染。本研究结果对于区域 PM2:5 多时间 尺度演化动力特征的研究以及大气污染预测预警机制的建立具有重要意义。     

2016年春节期间西安市大气颗粒物中多环芳烃的污染特征

2016年春节期间, 利用小流量采样器采集西安市大气颗粒物中PM2.5和PM10样品,有效样品30个,使用高效液相色谱仪（high performance liquid chromatography, HPLC）分析样品中16种多环芳烃(polycyclic aromatic hydrocarbons,PAHs)的质量浓度特征,及组分分布特征。运用比值法和气象参数对PM2.5和PM10中PAHs来源进行解析。结果表明: 除夕后的颗粒物浓度(PM2.5平均质量浓度为180 μg?m-3,PM10为286 μg?m-3)明显高于除夕前(PM2.5平均质量浓度为160 μg?m-3,PM10为88 μg?m-3); PAHs主要分布在PM2.5细颗粒中,约占70%以上;PM2.5和PM10中不同环数的芳烃分布主要以3环、4环和5环为主;春节期间PAHs浓度持续居高,主要源于冬季采暖煤的不完全燃烧以及汽油车和柴油车等交通污染排放,PAHs浓度的突然骤升主要来源于烟花爆竹的燃烧。     

基于LUR 模型下PM2.5 浓度的空间分布模拟分析

PM2:5 是大气重要污染物之一, 模拟 PM2:5 浓度空间分布对于大气污染防治具有重要意义。将土地利用回归 模型 (LUR) 应用到安徽省污染较重的皖北地区, 以监测点为中心, 建立半径分别为 0.5、 1、 1.5、 2、 3、 4、 5 km 的 缓冲区, 结合土地利用因子、道路因子、污染源因子、气象因子、高程因子及人口因子共 105 个变量, 建立了该地 区四季和年均 LUR 模型, 并通过留一交叉互验, 验证了模型精度。结果表明: 研究区 PM2:5 浓度受草地、湿地、降水 量、相关湿度、气压、风速、二级公路、三级公路、废气污染企业、人口数量影响较大。调整 R2 分别为 0.828 (春)、 0.731 (夏)、 0.831 (秋)、 0.775 (冬)、 0.892 (年均); 均方根误差 (RMSE) 分别为 6.34 µg·m−3 (春)、 7.01 µg·m−3 (夏)、 6.28 µg·m−3 (秋)、 6.71 µg·m−3 (冬)、 5.33 µg·m−3 (年均); 模拟精度 R2 分别为 0.825 (春)、 0.730 (夏)、 0.834 (秋)、 0.772 (冬)、 0.897 (年均), 模型表现良好, 解释力强。从模拟的 PM2:5 浓度空间分布可以看出, 不同季节呈现明显不同的空间分布特 征, 这与来自北方的大量污染颗粒物、当地的煤矿开采以及秋耕秸秆燃烧等潜在污染源有关。